CN110994683A - 一种风光储发电系统黑启动过程中的能量协调方法 - Google Patents
一种风光储发电系统黑启动过程中的能量协调方法 Download PDFInfo
- Publication number
- CN110994683A CN110994683A CN201911331154.8A CN201911331154A CN110994683A CN 110994683 A CN110994683 A CN 110994683A CN 201911331154 A CN201911331154 A CN 201911331154A CN 110994683 A CN110994683 A CN 110994683A
- Authority
- CN
- China
- Prior art keywords
- power
- wind
- photovoltaic
- moment
- energy storage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Abstract
本发明涉及一种风光储发电系统黑启动过程中的能量协调方法,包括:模式选择、协调优化和控制方式等内容,通过风光储发电系统的运行状态选择风光储发电系统的运行模式,建立与运行模式对应的预测模型和滚动优化模型,采用滚动优化的方法,在每一个控制时域内获得最优控制序列,并由控制部分执行最优控制序列,实现对风光储发电系统输出功率的优化调节。具有科学合理,适用性强,效果佳等优点。
Description
技术领域
本发明涉及电网黑启动技术领域,是一种风光储发电系统黑启动过程中的能量协调方法。
背景技术
黑启动是指整个系统因故障停电后,在不依赖外界帮助的情况下,以系统中具有自启动 能力的机组带动无自启动能力的机组,逐渐恢复系统停机的机组,最终实现整个系统供电恢 复。
现有的风电场和光伏电站参与黑启动过程中,由于风电场和光伏电站输出功率的随机性 和不确定性,以及黑启动负荷的分批投入,使储能一直处在深度充放电状态,甚至出现过充 过放问题,导致风光储发电系统黑启动失败,因此风光储发电系统黑启动过程中的能量协调 优化对提高局域电网恢复效率有着重要的研究意义。
发明内容
本发明的目的是:克服现有技术的不足,着力解决由于风电、光伏发电的波动性和大功 率负荷的分批投入使黑启动过程中储能一直处于深度充放电状态,甚至出现过充电和/或过放 电导致黑启动失败的问题,同时,能够减少光伏功率预测导致的负荷功率与实际负荷功率的 误差,科学合理,适用性强,效果佳的风光储发电系统黑启动过程中的能量协调方法。
为实现上述目的所采用的技术方案是,一种风光储发电系统黑启动过程中的能量协调方 法,其特征是,它包括:通过风光储发电系统的运行状态选择风光储发电系统的运行模式, 建立与运行模式对应的预测模型和滚动优化模型,采用滚动优化的方法,在每一个控制时域 内获得最优控制序列,并由控制部分执行最优控制序列,实现对风光储发电系统输出功率的 优化调节,具体内容为:
1)模式选择
通过评估黑启动时段的风电场输出功率,光伏电站输出功率和风电厂光伏电站联合输出 功率的执行概率倾度,确定风光储发电系统的光储运行模式、风储运行模式和风光储运行模 式为:
式中:PPV为光伏电站输出功率;PB为储能充放电功率;PW为风电场输出功率;Pload为负荷功率;ηPV、ηW和ηPVW分别为光储运行模式、风储运行模式和风光储运行模式的执行 概率倾度;
2)协调优化
在确定风光储发电系统的运行模式后,基于模型预测控制设计协调优化层,所述协调优 化层主要负责风光储黑启动过程中能量和功率的协调优化,通过控制风机、光伏单元的数量 和储能的充放电功率,从而控制各个电源的输出功率,
①预测模型
光储运行模式、风储运行模式和风光储运行模式下的风光储联合发电系统的功率平衡方 程为:
式中:Pload为负荷功率;PPV为光伏电站的输出功率;PW为风电场的输出功率;PB为储能的充放电功率;
通过控制风机和光伏单元的数量,控制风电场和光伏电站的输出功率,光伏电站和风电 场的控制过程表示为:
式中:NPV(k)和NW(k)为k时刻光伏单元和风机的数量,ΔNPV(k)和ΔNW(k)为k时刻光 伏单元和风机的数量变化值;NPV(k+1|k)和NW(k+1|k)表示在k时刻预测k+1时刻的光伏单元 和风机的数量;
结合式(3)可知光伏电站和风电场输出功率的变化值为:
式中:PPV(k)为k时刻光伏电站的实测输出功率;PW(k)为k时刻风电场的实测输出功率; PPVN(k)和PWN(k)为由超短期功率预测得出的光伏单元输出功率和风机输出功率;ΔNPV(k)和 ΔNW(k)为k时刻光伏单元和风机的数量变化值;PPV(k+1|k)和PW(k+1|k)表示在k时刻预测 k+1时刻的光伏电站输出功率和风电场输出功率;
同时,式(2)和式(4)能够转换为离散形式的状态空间模型为:
式中,状态方程矩阵为
式中:x(k)是系统的状态变量,由储能的充放电功率PB、光伏电站的输出功率PPV和风 电场的输出功率PW组成;u(k)是系统的控制变量,由光伏单元和风机的数量变化值ΔNPV(k) 和ΔNW(k);r(k)表示系统的扰动量,由负荷功率Pload组成;y(k)表示系统的输出量,即储能 的充放电功率PB;A、B1、B2、C、D1、D2为系数矩阵;在光储运行模式,风储运行模式, 风光储运行模式下,D1、D2始终为零矩阵;
光储运行模式下的矩阵A、B1、B2、C为:
风储运行模式下的矩阵A、B1、B2、C为:
风光储运行模式下的矩阵A、B1、B2、C为:
②滚动优化模型
考虑风光储发电系统的波动性和储能的荷电状态,在不同的运行模式下,进一步构建风 光储发电系统的滚动优化模型,所述风光储发电系统的滚动优化模型的主要目标是降低储能 充放电深度,防止储能过充电和/或过放电,同时减小风电和光伏输出功率的波动性,结合预 测模型在每一个控制时域内,求解控制变量储能的充放电功率PB、光伏单元的数量变化值 ΔNPV和风机的数量变化值ΔNW,即转换为有限时域内的静态优化问题,结合风光储发电系统 的光储运行模式、风储运行模式和风光储运行模式,分别建立不同运行模式下的优化目标函 数;
在光储运行模式下,在黑启动过程中,先通过控制光伏单元数量的方式缩小源荷之间的 差值,以减小储能的充放电深度,防止储能出现过充电和/或过放电现象,因此,优化控制目 标为控制时域内各时刻光伏电站输出功率和负荷功率的方差之和最小,目标函数JPV1为:
式中:Pload(k)为k时刻负荷功率;JPV1为光储模式下控制时域内各时刻光伏电站输出功率 和负荷功率的方差之和最小值;ΔNPV(k)为k时刻光伏单元的数量变化值;PPV(k)为k时刻光 伏电站的实测输出功率;PPVN(k)为k时刻由超短期功率预测得出的光伏单元输出功率;M为 控制时域;
储能的荷电状态SOC为储能的当前电量和额定容量的比值,储能电量的变换过程表示 为:
EB(k+1|k)=EB(k)-ηΔTBPB(k) (11)
式中:EB(k)为k时刻的储能电量;η为储能的转换效率;ΔTB为功率到电量的转换系数; EB(k+1|k)表示在k时刻预测k+1时刻的储能电量;PB(k)为k时刻储能的充放电功率;
储能作为辅助黑启动电源,从储能自身角度,避免过充电和/或过放电是影响光储黑启动 完成的重要因素,从控制角度将储能电量控制在理想值附近,有利于光储黑启动的安全、顺 利进行;因此,优化控制目标为控制时域内各时刻储能SOCB与SOCBL的方差之和最小,设 计了目标函数JPV2:
式中:SOCBL为储能的荷电状态;SOCB(k)为储能在k时刻的荷电状态;JPV2为光储模式下控制时域内k时刻储能SOCB(k)与SOCBL的方差之和最小值;M为控制时域;
在风储模式下,先通过控制风机数量的方式缩小源荷之间的差值,优化控制目标为控制 时域内各时刻风电场输出功率和负荷功率的方差之和最小,目标函数JW1为:
式中:Pload(k)为k时刻负荷功率;JW1为风储模式下控制时域内各时刻光伏电站输出功率 和负荷功率的方差之和最小值;ΔNW(k)为k时刻风机的数量变化值;PW(k)为k时刻风电场的 实测输出功率;PWN(k)为由超短期功率预测得出的k时刻风电场输出功率;M为控制时域;
储能的控制目标为控制时域内各时刻储能SOCB与SOCBL的方差之和最小,设计目标函 数JW2:
式中,SOCBL为储能的荷电状态;SOCB(k)为储能在k时刻的荷电状态;JW2为风储模式下控制时域内各时刻储能SOCB与SOCBL的方差之和最小值;M为控制时域;
在风光储运行模式下,先通过控制光伏单元和风机数量的方式缩小源荷之间的差值,优 化控制目标为控制时域内,各时刻光伏电站和风电场的联合输出功率和负荷功率的方差之和 最小,目标函数JPVW1为:
式中,Pload(k)为k时刻负荷功率;PW(k)为k时刻风电场的实测输出功率;PWN(k)为由超 短期功率预测得出的k时刻风电场输出功率;ΔNW(k)为k时刻风机的数量变化值;ΔNPV(k) 为k时刻光伏单元的数量变化值;PPV(k)为k时刻光伏电站的实测输出功率;PPVN(k)为由超短 期功率预测得出的k时刻光伏单元输出功率;JPVW1为风光储模式下各时刻光伏电站和风电场 的联合输出功率和负荷功率的方差之和最小值;M为控制时域;
储能的控制目标为控制时域内各时刻储能SOCB与SOCBL的方差之和最小,设计目标函 数JPVW2:
式中,SOCBL为储能的荷电状态;SOCB(k)为储能在k时刻的荷电状态;JPVW2为风光储模式下储能SOCB与SOCBL的方差之和最小值;M为控制时域;
在风光储模式下,由于风电和光伏输出功率的波动性,所以在每一时刻都存在一种最优 的光伏单元和风机的数量组合,但是,按照每一时刻的最优组合投切光伏单元和风机会使得 光伏单元和风机频繁启停,为防止光伏单元和风机频繁启停,所以设计在控制时域内k时刻 光伏单元数量变化值ΔNPV(k)和风机数量变化值ΔNW(k)最小为优化目标,目标函数JPVW3为:
式中,JPVW3为控制时域内k时刻光伏单元数量变化值ΔNPV(k)和风机数量变化值ΔNW(k) 平方和最小值;
风光储发电系统优化模型的约束条件主要由两部分组成:一是等式约束,即在不同运行 模式下的风光储发电系统都应满足功率平衡约束,如式(2)所示,二是风光储发电系统在运行 过程中各部分电源的不等式约束,包括储能系统充放电功率约束、储能系统荷电状态约束、 光伏电站中光伏单元的数量约束、风电场中风机的数量约束,如式(19)~式(21)所示;
考虑光伏单元和风机的启停时间,为防止光伏单元和风机频繁启停,引入光伏单元和风 机的个数变化限制β,即在控制时域内光伏单元和风机的数量变化值应该大于等于β,当变 化值小于β时,光伏单元和风机的数量不变化,如式(22)所示,
-PBN≤PB(k)≤PBN (18)
SOCBmin≤SOCB(k)≤SOCBmax (19)
0≤NPV≤NPVT 0≤NW≤NWT (20)
β≤ΔNPV(k)≤NPVT β≤ΔNW(k)≤NWT (21)
式中:PBN为储能的额定功率;SOCBmax和SOCBmin分别为储能荷电状态的上、下限;NPVT为光伏电站中光伏单元的总数量;NWT为风电场中风机的总数量;β为光伏单元和风机的数量变化限制;ΔNW(k)为k时刻风机的数量变化值;ΔNPV(k)为k时刻光伏单元的数量变化值;PB(k)为k时刻储能的充放电功率;NPV(k)和NW(k)为k时刻光伏单元和风机的数量;
通过对优化目标进行求解,得出k+1时刻最优的荷电状态和最优的光伏单元和风机数量;
③模型预测控制
在每个采样时刻,模型预测控制都将当前实测信息作为预测系统未来输出值的初始条件, 通过实测信息对系统的预测输出进行修正,使系统不断根据实际输出对预测输出值进行滚动 优化,
在风光储发电系统中,由于系统使用模型预测控制得出的预测值与实测值的存在一定偏 差,所以在滚动优化过程中,需要将系统当前实测的风电场和光伏电站输出功率作为下一轮 滚动优化的初始条件,使系统的调控方法符合风光储黑启动的运行要求;
3)控制方式
通过协调优化部分获得控制时域内风光储发电系统的最优控制序列,包括风电场中的风 机数量、光伏电站中的光伏单元数量和储能的充放电功率,然后将最优控制序列施加于光伏 单元控制开关、风机控制开关和储能变流器中,以控制风光储发电系统中各电源的输出功率。
本发明的一种风光储发电系统黑启动过程中的能量协调方法,首先,根据风光储发电系 统的运行特性,结合风光储黑启动的电源选择原则,设计风光储发电系统的光储运行模式、 风储运行模式和风光储运行模式;然后,根据风光储发电系统的运行过程,结合投切风机和 光伏单元的控制方法,分别构建了不同运行模式下风光储发电系统的预测模型和滚动优化模 型,以降低储能充放电深度,防止储能过充电和/或过放电,同时以减小风电场和光伏电站输 出功率的波动性为优化目标,采用滚动优化的方法,实现在每一个控制时域内,对风光储发 电系统输出功率的优化调节;所提供的风光储发电系统黑启动过程中的能量协调优化方法科 学合理,适用性强,效果佳。
附图说明
图1为电力系统结构图;
图2为一种风光储发电系统黑启动过程中的能量协调方法框图;
图3为滚动优化模型原理图;
图4为光储运行模式下光伏单元预测功率及光伏电站输出功率曲线图;
图5为光储运行模式下储能输出功率及储能SOC曲线图;
图6为风储运行模式下风机预测功率及风电场输出功率曲线图;
图7为风储运行模式下储能输出功率以及储能SOC曲线图;
图8为风光储运行模式下预测功率及风光总输出功率曲线图;
图9为风光储运行模式下储能输出功率及储能SOC曲线图。
具体实施方式
下面利用附图和实施例对本发明作进一步说明。
参照图1-图3,本发明的一种风光储发电系统,首先,根据风光储发电系统的运行特性, 结合风光储黑启动的电源选择原则,设计风光储发电系统的光储运行模式、风储运行模式和 风光储运行模式;然后,根据风光储发电系统的运行过程,结合投切风机和光伏单元的控制 方法,分别构建了不同运行模式下风光储发电系统的预测模型和滚动优化模型,以降低储能 充放电深度,防止储能过充电和/或过放电,同时以减小风电场和光伏电站输出功率的波动性 为优化目标,采用滚动优化的方法,实现在每一个控制时域内,对风光储发电系统输出功率 的优化调节。
本发明的一种风光储发电系统黑启动过程中的能量协调方法,包括:通过风光储发电系 统的运行状态选择风光储发电系统的运行模式,建立与运行模式对应的预测模型和滚动优化 模型,采用滚动优化的方法,在每一个控制时域内获得最优控制序列,并由控制部分执行最 优控制序列,实现对风光储发电系统输出功率的优化调节,具体内容为:
1)模式选择
通过评估黑启动时段的风电场输出功率,光伏电站输出功率和风电厂光伏电站联合输出 功率的执行概率倾度,确定风光储发电系统的光储运行模式、风储运行模式和风光储运行模 式为:
式中:PPV为光伏电站输出功率;PB为储能充放电功率;PW为风电场输出功率;Pload为负荷功率;ηPV、ηW和ηPVW分别为光储运行模式、风储运行模式和风光储运行模式的执行 概率倾度;
2)协调优化
在确定风光储发电系统的运行模式后,基于模型预测控制设计协调优化层,所述协调优 化层主要负责风光储黑启动过程中能量和功率的协调优化,通过控制风机、光伏单元的数量 和储能的充放电功率,从而控制各个电源的输出功率,
①预测模型
光储运行模式、风储运行模式和风光储运行模式下的风光储联合发电系统的功率平衡方 程为:
式中:Pload为负荷功率;PPV为光伏电站的输出功率;PW为风电场的输出功率;PB为储能的充放电功率;
通过控制风机和光伏单元的数量,控制风电场和光伏电站的输出功率,光伏电站和风电 场的控制过程表示为:
式中:NPV(k)和NW(k)为k时刻光伏单元和风机的数量,ΔNPV(k)和ΔNW(k)为k时刻光 伏单元和风机的数量变化值;NPV(k+1|k)和NW(k+1|k)表示在k时刻预测k+1时刻的光伏单元 和风机的数量;
结合式(3)可知光伏电站和风电场输出功率的变化值为:
式中:PPV(k)为k时刻光伏电站的实测输出功率;PW(k)为k时刻风电场的实测输出功率; PPVN(k)和PWN(k)为由超短期功率预测得出的光伏单元输出功率和风机输出功率;ΔNPV(k)和 ΔNW(k)为k时刻光伏单元和风机的数量变化值;PPV(k+1|k)和PW(k+1|k)表示在k时刻预测 k+1时刻的光伏电站输出功率和风电场输出功率;
同时,式(2)和式(4)能够转换为离散形式的状态空间模型为:
式中,状态方程矩阵为
式中:x(k)是系统的状态变量,由储能的充放电功率PB、光伏电站的输出功率PPV和风 电场的输出功率PW组成;u(k)是系统的控制变量,由光伏单元和风机的数量变化值ΔNPV(k) 和ΔNW(k);r(k)表示系统的扰动量,由负荷功率Pload组成;y(k)表示系统的输出量,即储能 的充放电功率PB;A、B1、B2、C、D1、D2为系数矩阵;在光储运行模式,风储运行模式, 风光储运行模式下,D1、D2始终为零矩阵;
光储运行模式下的矩阵A、B1、B2、C为:
风储运行模式下的矩阵A、B1、B2、C为:
风光储运行模式下的矩阵A、B1、B2、C为:
②滚动优化模型
考虑风光储发电系统的波动性和储能的荷电状态,在不同的运行模式下,进一步构建风 光储发电系统的滚动优化模型,所述风光储发电系统的滚动优化模型的主要目标是降低储能 充放电深度,防止储能过充电和/或过放电,同时减小风电和光伏输出功率的波动性,结合预 测模型在每一个控制时域内,求解控制变量储能的充放电功率PB、光伏单元的数量变化值 ΔNPV和风机的数量变化值ΔNW,即转换为有限时域内的静态优化问题,结合风光储发电系统 的光储运行模式、风储运行模式和风光储运行模式,分别建立不同运行模式下的优化目标函 数;
在光储运行模式下,在黑启动过程中,先通过控制光伏单元数量的方式缩小源荷之间的 差值,以减小储能的充放电深度,防止储能出现过充电和/或过放电现象,因此,优化控制目 标为控制时域内各时刻光伏电站输出功率和负荷功率的方差之和最小,目标函数JPV1为:
式中:Pload(k)为k时刻负荷功率;JPV1为光储模式下控制时域内各时刻光伏电站输出功率 和负荷功率的方差之和最小值;ΔNPV(k)为k时刻光伏单元的数量变化值;PPV(k)为k时刻光 伏电站的实测输出功率;PPVN(k)为k时刻由超短期功率预测得出的光伏单元输出功率;M为 控制时域;
储能的荷电状态SOC为储能的当前电量和额定容量的比值,储能电量的变换过程表示 为:
EB(k+1|k)=EB(k)-ηΔTBPB(k) (32)
式中:EB(k)为k时刻的储能电量;η为储能的转换效率;ΔTB为功率到电量的转换系数; EB(k+1|k)表示在k时刻预测k+1时刻的储能电量;PB(k)为k时刻储能的充放电功率;
储能作为辅助黑启动电源,从储能自身角度,避免过充电和/或过放电是影响光储黑启动 完成的重要因素,从控制角度将储能电量控制在理想值附近,有利于光储黑启动的安全、顺 利进行;因此,优化控制目标为控制时域内各时刻储能SOCB与SOCBL的方差之和最小,设 计了目标函数JPV2:
式中:SOCBL为储能的荷电状态;SOCB(k)为储能在k时刻的荷电状态;JPV2为光储模式下控制时域内k时刻储能SOCB(k)与SOCBL的方差之和最小值;M为控制时域;
在风储模式下,先通过控制风机数量的方式缩小源荷之间的差值,优化控制目标为控制 时域内各时刻风电场输出功率和负荷功率的方差之和最小,目标函数JW1为:
式中:Pload(k)为k时刻负荷功率;JW1为风储模式下控制时域内各时刻光伏电站输出功率 和负荷功率的方差之和最小值;ΔNW(k)为k时刻风机的数量变化值;PW(k)为k时刻风电场的 实测输出功率;PWN(k)为由超短期功率预测得出的k时刻风电场输出功率;M为控制时域;
储能的控制目标为控制时域内各时刻储能SOCB与SOCBL的方差之和最小,设计目标函 数JW2:
式中,SOCBL为储能的荷电状态;SOCB(k)为储能在k时刻的荷电状态;JW2为风储模式下控制时域内各时刻储能SOCB与SOCBL的方差之和最小值;M为控制时域;
在风光储运行模式下,先通过控制光伏单元和风机数量的方式缩小源荷之间的差值,优 化控制目标为控制时域内,各时刻光伏电站和风电场的联合输出功率和负荷功率的方差之和 最小,目标函数JPVW1为:
式中,Pload(k)为k时刻负荷功率;PW(k)为k时刻风电场的实测输出功率;PWN(k)为由超 短期功率预测得出的k时刻风电场输出功率;ΔNW(k)为k时刻风机的数量变化值;ΔNPV(k) 为k时刻光伏单元的数量变化值;PPV(k)为k时刻光伏电站的实测输出功率;PPVN(k)为由超短 期功率预测得出的k时刻光伏单元输出功率;JPVW1为风光储模式下各时刻光伏电站和风电场 的联合输出功率和负荷功率的方差之和最小值;M为控制时域;
储能的控制目标为控制时域内各时刻储能SOCB与SOCBL的方差之和最小,设计目标函 数JPVW2:
式中,SOCBL为储能的荷电状态;SOCB(k)为储能在k时刻的荷电状态;JPVW2为风光储模式下储能SOCB与SOCBL的方差之和最小值;M为控制时域;
在风光储模式下,由于风电和光伏输出功率的波动性,所以在每一时刻都存在一种最优 的光伏单元和风机的数量组合,但是,按照每一时刻的最优组合投切光伏单元和风机会使得 光伏单元和风机频繁启停,为防止光伏单元和风机频繁启停,所以设计在控制时域内k时刻 光伏单元数量变化值ΔNPV(k)和风机数量变化值ΔNW(k)最小为优化目标,目标函数JPVW3为:
式中,JPVW3为控制时域内k时刻光伏单元数量变化值ΔNPV(k)和风机数量变化值ΔNW(k) 平方和最小值;
风光储发电系统优化模型的约束条件主要由两部分组成:一是等式约束,即在不同运行 模式下的风光储发电系统都应满足功率平衡约束,如式(2)所示,二是风光储发电系统在运行 过程中各部分电源的不等式约束,包括储能系统充放电功率约束、储能系统荷电状态约束、 光伏电站中光伏单元的数量约束、风电场中风机的数量约束,如式(19)~式(21)所示;
考虑光伏单元和风机的启停时间,为防止光伏单元和风机频繁启停,引入光伏单元和风 机的个数变化限制β,即在控制时域内光伏单元和风机的数量变化值应该大于等于β,当变 化值小于β时,光伏单元和风机的数量不变化,如式(22)所示,
-PBN≤PB(k)≤PBN (39)
SOCBmin≤SOCB(k)≤SOCBmax (40)
0≤NPV≤NPVT 0≤NW≤NWT (41)
β≤ΔNPV(k)≤NPVT β≤ΔNW(k)≤NWT (42)
式中:PBN为储能的额定功率;SOCBmax和SOCBmin分别为储能荷电状态的上、下限;NPVT为光伏电站中光伏单元的总数量;NWT为风电场中风机的总数量;β为光伏单元和风机的数量变化限制;ΔNW(k)为k时刻风机的数量变化值;ΔNPV(k)为k时刻光伏单元的数量变化值;PB(k)为k时刻储能的充放电功率;NPV(k)和NW(k)为k时刻光伏单元和风机的数量;
通过对优化目标进行求解,得出k+1时刻最优的荷电状态和最优的光伏单元和风机数量;
③模型预测控制
在每个采样时刻,模型预测控制都将当前实测信息作为预测系统未来输出值的初始条件, 通过实测信息对系统的预测输出进行修正,使系统不断根据实际输出对预测输出值进行滚动 优化,
在风光储发电系统中,由于系统使用模型预测控制得出的预测值与实测值的存在一定偏 差,所以在滚动优化过程中,需要将系统当前实测的风电场和光伏电站输出功率作为下一轮 滚动优化的初始条件,使系统的调控方法符合风光储黑启动的运行要求;
3)控制方式
通过协调优化部分获得控制时域内风光储发电系统的最优控制序列,包括风电场中的风 机数量、光伏电站中的光伏单元数量和储能的充放电功率,然后将最优控制序列施加于光伏 单元控制开关、风机控制开关和储能变流器中,以控制风光储发电系统中各电源的输出功率。
具体实施例的计算条件说明如下:
(1)光伏电站参数如表1;
(2)风电场参数如表2;
(3)储能系统仿真参数如表3;
(4)黑启动过程中的负荷为火电厂辅机,以启动一台300MW火电机组为例,其中主要 辅机如表4所示,主要辅机总容量为12.915MW。本发明结合火电厂辅机启动顺序设计了仿 真过程。火电厂辅机进行分批投入,黑启动仿真过程如表4所示。
对于风光储发电系统作为黑启动电源的黑启动过程,考虑黑启动过程时长为1小时,黑 启动过程中预测控制调度的时间尺度为1min,即滚动优化的时间间隔为1min,预测时域和控 制时域为10min。本发明的算例数据来源于某光伏电站、风电站和火电厂的实测数据。
表1光伏电站仿真参数
表2风电场仿真参数
表3储能系统仿真参数
表4黑启动仿真过程
本发明基于不同的气象条件分为强光弱风、强风弱光和弱风弱光三类场景进行讨论。在 每一个场景的黑启动过程中,分别对基于MPC和一次优化的协调优化方法进行对比分析,一 次优化方法的过程是控制系统读取和分析黑启动过程中预测的电源输出功率,并由控制系统 一次性下发各部分电源的控制指令,因预测误差导致的功率差值全部由储能系统平抑;在基 于MPC的控制方法中,控制系统利用实测数据进行滚动优化,在每个控制时域依次下发控制 指令。利用仿真结果,从储能系统充放电深度和新能源输出功率跟随负荷的能力两个方面对 前述两种控制方法的性能进行对比。
仿真结果用储能功率波动性PF、储能最大充放电功率PBmax、储能充放电深度ΔSOC和 SOC的均差SOCAD进行评价。
用功率波动率PF表示储能功率的波动程度:
式中:PBoutmax、PBoutmin分别为储能输出功率的最大值与最小值;PBN为储能的额定功率;
储能实际SOCB(k)与理想值SOCBL的平均差SOCAD表示为:
式中:n为黑启动时段中离散的时间点数;SOCB(k)为储能在k时刻的荷电状态;
场景1:光照充足、风速减少
风光储发电系统运行在光储模式下,形成光储发电系统。光伏单元的预测输出功率及实 际输出功率如附图4所示。光伏发电系统的输出功率主要依赖于太阳辐射强度,在短时间内 太阳辐射强度的变化相对于风速的变化较小,所以当采用相同的预测方法时,光伏发电系统 输出功率的预测准确度比风力发电系统输出功率的预测准确度高。本发明通过改变光伏单元 数量来控制光伏电站输出功率,同时对基于MPC的功率协调方式和基于一次优化的功率协调 方式进行性能对比分析。仿真结果如附图4所示,光伏电站的输出功率跟随负荷的变化而变 化,但是,在MPC控制方法下,光伏电站的输出功率与负荷功率的差值相对更小。
光伏电站中光伏单元的数量变化过程如图4所示,光伏单元数量随着负荷的增加而增加, 当用基于MPC的控制方法控制光储发电系统时,当t=10min、20min、30min时,由于负荷增 大使得光伏电站输出功率远小于负荷功率,导致光伏电站输出功率和负荷功率之间的差值增 大,因此光伏电站通过增加相应光伏单元数量的方式减小差值;在t=45min时,由于光伏单 元的输出功率增加,使得光伏电站的输出功率远大于负荷功率,光伏电站的输出功率和负荷 功率的差值增大,光伏电站通过减少相应光伏单元数量的方式减小输出功率,缩小与负荷功 率的差值。光储发电系统运行在一次优化方法时,在t=10min、20min、30min时,由于负荷 功率的增加,使得光伏电站的输出功率与负荷功率的差值增大,光伏电站通过增加相应光伏 单元的数量增大输出功率,减小与负荷功率之间的差值。在t=11min、18min、52min时,由 于光伏功率的预测值减小,所以光伏电站的光伏单元数量增加。在t=19min、39min、53min 时,由于光伏电站输出的预测值增大,光伏电站通过减少光伏单元数量,缩小与负荷功率的 差值。
从仿真结果可以看出,由控制方法控制的光储发电系统的协调结果比由控制方法控制的 光储发电系统的协调结果好。在前者的控制之下,光伏电站的输出功率与负荷功率的差值较 小,光伏单元的动作次数较少。在基于MPC的控制方法中,在每一个控制时域内,结合实际 反馈值求解最佳的光伏单元数量和储能系统充放电功率,以此来减小光伏电站的输出功率与 负荷功率之间的差值。这样可以在每一个控制时域内,通过光伏电站实际输出功率反馈减小 由于光伏功率预测误差而导致的系统功率偏差,使得光伏电站的输出功率更加接近负荷功率。 在一次优化方法中,t=19min、53min时,由于光伏功率预测值与实际值之间的偏差增大,导 致光伏电站输出功率与负荷功率之间的差值迅速增大。而基于MPC的控制方法在预测误差增 大的情况下具有较强的鲁棒性。
由储能填充光伏电站和负荷之间的功率差值,储能的充放电功率及SOC如图5所示,从 仿真结果可以看出,由于本发明制定了投切光伏单元的控制方式,减小了光伏电站与负荷之 间的功率差值,以及光伏单元输出功率的波动性较小,使得储能运行在两种控制方法中,储 能SOC没有明显差别都维持在理想值0.5上下。但是,光储发电系统基于MPC控制方法的 协调结果,与一次优化方法的协调结果相比:储能的充放电功率明显减小。在一次优化方法 中,在t=19min、53min时,由于光伏功率预测值与实际值之间的偏差增大,使得储能系统所 需的充放电功率突然增大。而基于MPC的控制方法中,反馈校正减小了由于光伏功率预测误 差产生的系统偏差,所以储能系统所需的充放电功率相对较小。
表5是场景1中的储能功率波动性PF、储能最大充放电功率PBmax和储能充放电深度ΔSOC,从表中可以看出本发明所提协调控制方法的储能功率波动性PF、储能最大充放电功率PBmax和储能充放电深度ΔSOC都较小,分别为一次协调方法的51.2%、37%和95%,本发明方法使储能功率波动性减小及光伏电站对负荷的跟随性增强,从而减少储能充放电深度 防止出现过充电和/或过放电现象。
表5场景1的结果对比表
综上所述,风光储发电系统运行在光储模式时,MPC控制方法通过滚动优化和反馈校正, 在每一个控制时域内,将当前实际的光伏电站输出功率作为新一轮滚动优化的初始值,进而 根据光储发电系统的最新运行状态控制光伏单元数量和储能系统的功率,以此修正光伏功率 预测产生的误差,使得光储发电系统在黑启动过程中,降低了储能充放电深度,防止储能出 现过充电和/或过放电问题,验证了本发明所提控制方法的有效性。
场景2:风资源充足、光照较弱
风光储发电系统运行在风储模式下,形成风储发电系统。风机的预测输出功率及实际输 出功率如图6所示。风机的输出功率与风速强相关,在短时间内风速的变化相对较大,所以 用相同预测方法,风力发电的预测准确度相对较低。结合本发明通过变化风机数量控制风电 场输出功率的控制方法,分析对比了基于MPC的功率协调方式和基于一次优化的功率协调方 式。仿真结果如图6所示,风电场的输出功率跟随负荷的变化而变化,但是,在MPC控制方 法下,风电场的输出功率与负荷功率的差值相对更小。
风电场中风机的数量变化过程如图6所示,风机数量随着负荷的增加而增加,风储发电 系统运行在MPC控制方法时,当t=10min、20min、30min时,由于负荷增大使得风电场输出 功率远小于负荷功率,风电场输出功率和负荷功率之间的差值增大,风电场通过增加相应风 机数量的方式减小差值;在t=52min时,由于风机的输出功率减小,使得风电场的输出功率 远小于负荷功率,风电场的输出功率和负荷功率的差值增大,风电场通过增加相应风机数量 的方式增大输出功率。在t=55min时,由于风机的输出功率增大,使得风电场的输出功率远 大于负荷功率,风电场的输出功率和负荷功率的差值增大,风电场通过减少相应风机数量的 方式减小输出功率。风储发电系统运行在一次优化方法时,在t=10min、20min、30min时, 由于负荷功率的增加,使得风电场的输出功率与负荷功率的差值增大,风电场通过增加相应 风机的数量增大输出功率,减小与负荷功率之间的差值。在t=52min、55min时,由于风电功 率的预测值减小,所以风电场的风机数量增加。在t=54min时,由于风电功率的预测值增大, 风电场通过减少风机数量减小输出功率。
从仿真结果可以看出,风储发电系统基于MPC的控制方法的协调结果,与一次优化方法 的协调结果相比:风电场的输出功率与负荷功率的差值较小,风机的动作次数较少。在基于 MPC的控制方法中,在每一个控制时域内结合实际反馈,求解最优的风机数量和储能充放电 功率,减小风电场的输出功率与负荷功率之间的差值,使得系统在每一个控制时域内,通过 风电场实际输出功率反馈,减小了风电功率预测误差产生的系统偏差,使得风电场的输出功 率更加接近负荷功率。在一次优化方法中,t=54min时,由于风电功率预测值与实际值之间的 偏差增大,导致风电场输出功率与负荷功率之间的差值迅速增大。而基于MPC的控制方法在 预测误差增大的情况下具有较强的鲁棒性。
由储能填充风电场和负荷之间的功率差值,储能的充放电功率及SOC如图7所示,从仿 真结果可以看出,由于本发明制定了投切风机的控制方式,减小了风电场与负荷之间的功率 差值,使得储能运行在两种控制方法中,储能SOC没有明显差别都维持在理想值0.5上下。 但是,风储发电系统基于MPC控制方法的协调结果,与一次优化方法的协调结果相比:储能 的充放电功率明显减小。在一次优化方法中,在t=54min时,由于风电功率预测值与实际值 之间的偏差增大,使得所需储能功率突然增大。而基于MPC的控制方法中,由于在每一个控 制时域的反馈校正,减小了由于风电功率预测误差产生的系统偏差,所以储能功率相对较小。
表6是场景2中的储能功率波动性PF、储能最大充放电功率PBmax和储能充放电深度ΔSOC,从表中可以看出本发明所提协调控制方法的储能功率波动性PF、储能最大充放电功率PBmax和储能充放电深度ΔSOC都较小,分别为一次协调方法的63.7%、44%和46%,本发明方法使储能功率波动性减小及光伏电站对负荷的跟随性增强,从而减少储能充放电深度 防止出现过充电和/或过放电现象。
表6场景2的结果对比表
综上所述,风光储发电系统运行在风储模式时,MPC控制方法通过滚动优化和反馈校正, 在每一个控制时域内,将当前实际的风电场输出功率作为新一轮滚动优化的初始值,进而根 据风储发电系统的最新运行状态控制风机数量和储能功率,以此修正风电功率预测产生的误 差,使得风储发电系统在黑启动过程中,降低了储能充放电深度,防止储能出现过充电和/或 过放电问题,验证了本发明所提控制方法的有效性。
场景3:光照较小、风速较小
仅靠光伏电站或者仅靠风电场不能为负荷提供充足的功率,而光伏电站和风电场的总输 出功率大于负荷功率。风光储发电系统运行在风光储模式下,形成风光储发电系统。光伏单 元、风机的预测输出功率及实际输出功率如图8所示。结合本发明通过变化光伏单元数量控 制光伏电站输出功率和变化风机数量控制风电场输出功率的控制方法,分析对比了基于MPC 的功率协调方式和基于一次优化的功率协调方式。仿真结果如图8所示,光伏电站和风电场 的总输出功率跟随负荷的变化而变化,但是,在MPC控制方法下,光伏电站和风电场的总输 出功率与负荷功率的差值相对更小。
光伏单元和风机的数量变化过程如图8所示,光伏单元和风机的数量随着负荷的增加而 增加,风光储发电系统运行在MPC控制方法时,当t=10min、25min、30min、50min时,由 于负荷增大使得风电场和光伏电站的总输出功率远小于负荷功率,风光总输出功率和负荷功 率之间的差值增大,风光储发电系统通过增加相应光伏单元和风机数量的方式减小差值。风 光储发电系统运行在一次优化方法时,在t=30min时,由于负荷功率的增加,使得风光总输 出功率的输出功率与负荷功率的差值增大,风光储发电系统通过增加相应光伏单元和风机的 数量增大输出功率,减小与负荷功率之间的差值。在t=10min、20min、29min时,风光储发 电系统通过增加光伏单元数量增大系统输出功率;在t=40min时,风光储发电系统通过增加 风机数量增大系统输出功率。
从仿真结果可以看出,风光储发电系统基于MPC的控制方法的协调结果,与一次优化方 法的协调结果相比:风光伏电站的输出功率与负荷功率的差值较小,光伏单元和风机的动作 次数较少。在基于MPC的控制方法中,在每一个控制时域内结合实际反馈,求解最优的光伏 单元和风机数量以及储能充放电功率,减小风光总输出功率与负荷功率之间的差值,使得系 统在每一个控制时域内,通过实际输出功率反馈,减小了光伏和风电功率预测误差产生的系 统偏差,使得风光储发电系统的输出功率更加接近负荷功率。在一次优化方法中,t=20min、 30min时,由于预测值与实际值之间的偏差增大,导致风光储发电系统的总输出功率与负荷 功率之间的差值迅速增大。而基于MPC的控制方法在预测误差增大的情况下具有较强的鲁棒 性。
由储能填充风光总输出功率和负荷之间的功率差值,储能的充放电功率及SOC如图9所 示,从仿真结果可以看出,由于本发明制定了投切光伏单元和风机的控制方式,减小了风光 总输出功率与负荷之间的功率差值,使得储能运行在两种控制方法中,储能SOC都维持在合 理范围内。但是,风光储发电系统基于MPC控制方法的协调结果,与一次优化方法的协调结 果相比:储能的充放电功率明显减小。在一次优化方法中,在t=20min、30min时,由于预测 值与实际值之间的偏差增大,使得所需储能功率突然增大。而基于MPC的控制方法中,由于 在每一个控制时域的反馈校正,减小了由于预测误差产生的系统偏差,所以储能功率相对较 小。
表7是场景3中的储能功率波动性PF、储能最大充放电功率PBmax和储能充放电深度ΔSOC,从表中可以看出本发明所提协调控制方法的储能功率波动性PF和储能充放电深度ΔSOC都较小,分别为一次协调方法的84.7%和37%,储能最大充放电功率相同。本发明方法使储能功率波动性减小及光伏电站对负荷的跟随性增强,从而减少储能充放电深度防止出 现过充电和/或过放电现象。
表7场景3的结果对比表
综上所述,风光储发电系统运行在风光储模式时,MPC控制方法通过滚动优化和反馈校 正,在每一个控制时域内,将光伏电站和风电场的实际输出功率作为新一轮滚动优化的初始 值,进而根据风光储发电系统的最新运行状态控制光伏单元和风机数量以及储能功率,以此 修正功率预测产生的误差,使得风光储发电系统在黑启动过程中,降低了储能充放电深度, 防止储能出现过充电和/或过放电问题,验证了本发明所提控制方法的有效性。
本发明实施例中的计算条件、图例、表等仅用于对本发明作进一步的说明,并非穷举, 并不构成对权利要求保护范围的限定,本领域技术人员根据本发明实施例获得的启示,不经 过创造性劳动就能够想到其它实质上等同的替代,均在本发明保护范围内。
Claims (1)
1.一种风光储发电系统黑启动过程中的能量协调方法,包括:通过风光储发电系统的运行状态选择风光储发电系统的运行模式,建立与运行模式对应的预测模型和滚动优化模型,采用滚动优化的方法,在每一个控制时域内获得最优控制序列,并由控制部分执行最优控制序列,实现对风光储发电系统输出功率的优化调节,具体内容为:
1)模式选择
通过评估黑启动时段的风电场输出功率,光伏电站输出功率和风电厂光伏电站联合输出功率的执行概率倾度,确定风光储发电系统的光储运行模式、风储运行模式和风光储运行模式为:
式中:PPV为光伏电站输出功率;PB为储能充放电功率;PW为风电场输出功率;Pload为负荷功率;ηPV、ηW和ηPVW分别为光储运行模式、风储运行模式和风光储运行模式的执行概率倾度;
2)协调优化
在确定风光储发电系统的运行模式后,基于模型预测控制设计协调优化层,所述协调优化层主要负责风光储黑启动过程中能量和功率的协调优化,通过控制风机、光伏单元的数量和储能的充放电功率,从而控制各个电源的输出功率,
①预测模型
光储运行模式、风储运行模式和风光储运行模式下的风光储联合发电系统的功率平衡方程为:
式中:Pload为负荷功率;PPV为光伏电站的输出功率;PW为风电场的输出功率;PB为储能的充放电功率;
通过控制风机和光伏单元的数量,控制风电场和光伏电站的输出功率,光伏电站和风电场的控制过程表示为:
式中:NPV(k)和NW(k)为k时刻光伏单元和风机的数量,ΔNPV(k)和ΔNW(k)为k时刻光伏单元和风机的数量变化值;NPV(k+1|k)和NW(k+1|k)表示在k时刻预测k+1时刻的光伏单元和风机的数量;
结合式(3)可知光伏电站和风电场输出功率的变化值为:
式中:PPV(k)为k时刻光伏电站的实测输出功率;PW(k)为k时刻风电场的实测输出功率;PPVN(k)和PWN(k)为由超短期功率预测得出的光伏单元输出功率和风机输出功率;ΔNPV(k)和ΔNW(k)为k时刻光伏单元和风机的数量变化值;PPV(k+1|k)和PW(k+1|k)表示在k时刻预测k+1时刻的光伏电站输出功率和风电场输出功率;
同时,式(2)和式(4)能够转换为离散形式的状态空间模型为:
式中,状态方程矩阵为
式中:x(k)是系统的状态变量,由储能的充放电功率PB、光伏电站的输出功率PPV和风电场的输出功率PW组成;u(k)是系统的控制变量,由光伏单元和风机的数量变化值ΔNPV(k)和ΔNW(k);r(k)表示系统的扰动量,由负荷功率Pload组成;y(k)表示系统的输出量,即储能的充放电功率PB;A、B1、B2、C、D1、D2为系数矩阵;在光储运行模式,风储运行模式,风光储运行模式下,D1、D2始终为零矩阵;
光储运行模式下的矩阵A、B1、B2、C为:
风储运行模式下的矩阵A、B1、B2、C为:
风光储运行模式下的矩阵A、B1、B2、C为:
②滚动优化模型
考虑风光储发电系统的波动性和储能的荷电状态,在不同的运行模式下,进一步构建风光储发电系统的滚动优化模型,所述风光储发电系统的滚动优化模型的主要目标是降低储能充放电深度,防止储能过充电和/或过放电,同时减小风电和光伏输出功率的波动性,结合预测模型在每一个控制时域内,求解控制变量储能的充放电功率PB、光伏单元的数量变化值ΔNPV和风机的数量变化值ΔNW,即转换为有限时域内的静态优化问题,结合风光储发电系统的光储运行模式、风储运行模式和风光储运行模式,分别建立不同运行模式下的优化目标函数;
在光储运行模式下,在黑启动过程中,先通过控制光伏单元数量的方式缩小源荷之间的差值,以减小储能的充放电深度,防止储能出现过充电和/或过放电现象,因此,优化控制目标为控制时域内各时刻光伏电站输出功率和负荷功率的方差之和最小,目标函数JPV1为:
式中:Pload(k)为k时刻负荷功率;JPV1为光储模式下控制时域内各时刻光伏电站输出功率和负荷功率的方差之和最小值;ΔNPV(k)为k时刻光伏单元的数量变化值;PPV(k)为k时刻光伏电站的实测输出功率;PPVN(k)为k时刻由超短期功率预测得出的光伏单元输出功率;M为控制时域;
储能的荷电状态SOC为储能的当前电量和额定容量的比值,储能电量的变换过程表示为:
EB(k+1|k)=EB(k)-ηΔTBPB(k) (11)
式中:EB(k)为k时刻的储能电量;η为储能的转换效率;ΔTB为功率到电量的转换系数;EB(k+1|k)表示在k时刻预测k+1时刻的储能电量;PB(k)为k时刻储能的充放电功率;
储能作为辅助黑启动电源,从储能自身角度,避免过充电和/或过放电是影响光储黑启动完成的重要因素,从控制角度将储能电量控制在理想值附近,有利于光储黑启动的安全、顺利进行;因此,优化控制目标为控制时域内各时刻储能SOCB与SOCBL的方差之和最小,设计了目标函数JPV2:
式中:SOCBL为储能的荷电状态;SOCB(k)为储能在k时刻的荷电状态;JPV2为光储模式下控制时域内k时刻储能SOCB(k)与SOCBL的方差之和最小值;M为控制时域;
在风储模式下,先通过控制风机数量的方式缩小源荷之间的差值,优化控制目标为控制时域内各时刻风电场输出功率和负荷功率的方差之和最小,目标函数JW1为:
式中:Pload(k)为k时刻负荷功率;JW1为风储模式下控制时域内各时刻光伏电站输出功率和负荷功率的方差之和最小值;ΔNW(k)为k时刻风机的数量变化值;PW(k)为k时刻风电场的实测输出功率;PWN(k)为由超短期功率预测得出的k时刻风电场输出功率;M为控制时域;
储能的控制目标为控制时域内各时刻储能SOCB与SOCBL的方差之和最小,设计目标函数JW2:
式中,SOCBL为储能的荷电状态;SOCB(k)为储能在k时刻的荷电状态;JW2为风储模式下控制时域内各时刻储能SOCB与SOCBL的方差之和最小值;M为控制时域;
在风光储运行模式下,先通过控制光伏单元和风机数量的方式缩小源荷之间的差值,优化控制目标为控制时域内,各时刻光伏电站和风电场的联合输出功率和负荷功率的方差之和最小,目标函数JPVW1为:
式中,Pload(k)为k时刻负荷功率;PW(k)为k时刻风电场的实测输出功率;PWN(k)为由超短期功率预测得出的k时刻风电场输出功率;ΔNW(k)为k时刻风机的数量变化值;ΔNPV(k)为k时刻光伏单元的数量变化值;PPV(k)为k时刻光伏电站的实测输出功率;PPVN(k)为由超短期功率预测得出的k时刻光伏单元输出功率;JPVW1为风光储模式下各时刻光伏电站和风电场的联合输出功率和负荷功率的方差之和最小值;M为控制时域;
储能的控制目标为控制时域内各时刻储能SOCB与SOCBL的方差之和最小,设计目标函数JPVW2:
式中,SOCBL为储能的荷电状态;SOCB(k)为储能在k时刻的荷电状态;JPVW2为风光储模式下储能SOCB与SOCBL的方差之和最小值;M为控制时域;
在风光储模式下,由于风电和光伏输出功率的波动性,所以在每一时刻都存在一种最优的光伏单元和风机的数量组合,但是,按照每一时刻的最优组合投切光伏单元和风机会使得光伏单元和风机频繁启停,为防止光伏单元和风机频繁启停,所以设计在控制时域内k时刻光伏单元数量变化值ΔNPV(k)和风机数量变化值ΔNW(k)最小为优化目标,目标函数JPVW3为:
式中,JPVW3为控制时域内k时刻光伏单元数量变化值ΔNPV(k)和风机数量变化值ΔNW(k)平方和最小值;
风光储发电系统优化模型的约束条件主要由两部分组成:一是等式约束,即在不同运行模式下的风光储发电系统都应满足功率平衡约束,如式(2)所示,二是风光储发电系统在运行过程中各部分电源的不等式约束,包括储能系统充放电功率约束、储能系统荷电状态约束、光伏电站中光伏单元的数量约束、风电场中风机的数量约束,如式(19)~式(21)所示;
考虑光伏单元和风机的启停时间,为防止光伏单元和风机频繁启停,引入光伏单元和风机的个数变化限制β,即在控制时域内光伏单元和风机的数量变化值应该大于等于β,当变化值小于β时,光伏单元和风机的数量不变化,如式(22)所示,
-PBN≤PB(k)≤PBN (18)
SOCBmin≤SOCB(k)≤SOCBmax (19)
0≤NPV≤NPVT 0≤NW≤NWT (20)
β≤ΔNPV(k)≤NPVT β≤ΔNW(k)≤NWT (21)
式中:PBN为储能的额定功率;SOCBmax和SOCBmin分别为储能荷电状态的上、下限;NPVT为光伏电站中光伏单元的总数量;NWT为风电场中风机的总数量;β为光伏单元和风机的数量变化限制;ΔNW(k)为k时刻风机的数量变化值;ΔNPV(k)为k时刻光伏单元的数量变化值;PB(k)为k时刻储能的充放电功率;NPV(k)和NW(k)为k时刻光伏单元和风机的数量;
通过对优化目标进行求解,得出k+1时刻最优的荷电状态和最优的光伏单元和风机数量;
③模型预测控制
在每个采样时刻,模型预测控制都将当前实测信息作为预测系统未来输出值的初始条件,通过实测信息对系统的预测输出进行修正,使系统不断根据实际输出对预测输出值进行滚动优化,
在风光储发电系统中,由于系统使用模型预测控制得出的预测值与实测值的存在一定偏差,所以在滚动优化过程中,需要将系统当前实测的风电场和光伏电站输出功率作为下一轮滚动优化的初始条件,使系统的调控方法符合风光储黑启动的运行要求;
3)控制方式
通过协调优化部分获得控制时域内风光储发电系统的最优控制序列,包括风电场中的风机数量、光伏电站中的光伏单元数量和储能的充放电功率,然后将最优控制序列施加于光伏单元控制开关、风机控制开关和储能变流器中,以控制风光储发电系统中各电源的输出功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911331154.8A CN110994683B (zh) | 2019-12-21 | 2019-12-21 | 一种风光储发电系统黑启动过程中的能量协调方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911331154.8A CN110994683B (zh) | 2019-12-21 | 2019-12-21 | 一种风光储发电系统黑启动过程中的能量协调方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110994683A true CN110994683A (zh) | 2020-04-10 |
CN110994683B CN110994683B (zh) | 2022-05-24 |
Family
ID=70073924
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911331154.8A Active CN110994683B (zh) | 2019-12-21 | 2019-12-21 | 一种风光储发电系统黑启动过程中的能量协调方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110994683B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112086960A (zh) * | 2020-09-03 | 2020-12-15 | 东北电力大学 | 基于模型预测控制的电氢耦合系统灵活裕度计算方法 |
CN113346474A (zh) * | 2021-05-31 | 2021-09-03 | 上海电力大学 | 一种直流微电网双储能协调控制方法及存储介质 |
CN115459340A (zh) * | 2022-09-15 | 2022-12-09 | 华北电力大学 | 一种风光储混合系统的有功控制方法、系统及电子设备 |
US11824356B1 (en) | 2022-06-30 | 2023-11-21 | Xi'an Thermal Power Research Institute Co., Ltd. | System and method of black start for new power system with energy storage configuration |
WO2024000996A1 (zh) * | 2022-06-30 | 2024-01-04 | 西安热工研究院有限公司 | 一种新型电力系统配置储能黑启动系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103986190A (zh) * | 2014-05-26 | 2014-08-13 | 电子科技大学 | 基于发电功率曲线的风光储联合发电系统平滑控制方法 |
CN106451562A (zh) * | 2016-12-16 | 2017-02-22 | 北京索英电气技术有限公司 | 一种风光储电站的黑启动系统及方法 |
US20170214250A1 (en) * | 2016-01-25 | 2017-07-27 | S&C Electric Company | Energization control for establishing microgrids |
-
2019
- 2019-12-21 CN CN201911331154.8A patent/CN110994683B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103986190A (zh) * | 2014-05-26 | 2014-08-13 | 电子科技大学 | 基于发电功率曲线的风光储联合发电系统平滑控制方法 |
US20170214250A1 (en) * | 2016-01-25 | 2017-07-27 | S&C Electric Company | Energization control for establishing microgrids |
CN106451562A (zh) * | 2016-12-16 | 2017-02-22 | 北京索英电气技术有限公司 | 一种风光储电站的黑启动系统及方法 |
Non-Patent Citations (1)
Title |
---|
刘英培等: "一种适用于黑启动的光储联合发电系统协调控制策略", 《电网技术》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112086960A (zh) * | 2020-09-03 | 2020-12-15 | 东北电力大学 | 基于模型预测控制的电氢耦合系统灵活裕度计算方法 |
CN113346474A (zh) * | 2021-05-31 | 2021-09-03 | 上海电力大学 | 一种直流微电网双储能协调控制方法及存储介质 |
US11824356B1 (en) | 2022-06-30 | 2023-11-21 | Xi'an Thermal Power Research Institute Co., Ltd. | System and method of black start for new power system with energy storage configuration |
WO2024000996A1 (zh) * | 2022-06-30 | 2024-01-04 | 西安热工研究院有限公司 | 一种新型电力系统配置储能黑启动系统及方法 |
CN115459340A (zh) * | 2022-09-15 | 2022-12-09 | 华北电力大学 | 一种风光储混合系统的有功控制方法、系统及电子设备 |
CN115459340B (zh) * | 2022-09-15 | 2023-11-24 | 华北电力大学 | 一种风光储混合系统的有功控制方法、系统及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110994683B (zh) | 2022-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110994683B (zh) | 一种风光储发电系统黑启动过程中的能量协调方法 | |
CN105846461B (zh) | 一种大规模储能电站自适应动态规划的控制方法和系统 | |
Li et al. | Stratified optimization strategy used for restoration with photovoltaic-battery energy storage systems as black-start resources | |
CN103986190A (zh) | 基于发电功率曲线的风光储联合发电系统平滑控制方法 | |
CN110581571A (zh) | 一种主动配电网动态优化调度方法 | |
CN103944175A (zh) | 风光储联合发电系统出力特性优化方法 | |
CN111900745A (zh) | 一种用于平抑风电功率波动的混合储能分频协调控制系统 | |
CN110854932A (zh) | 一种交直流配电网多时间尺度优化调度方法及系统 | |
Nguyen et al. | Power management approach to minimize battery capacity in wind energy conversion systems | |
CN103904686A (zh) | 一种考虑电力系统协同能力的经济调度方法 | |
CN114336678B (zh) | 一种基于pmu的风光储场站一次调频控制的方法 | |
CN111371104A (zh) | 一种基于风储联合发电系统的电网频率稳定控制方法 | |
CN104104107A (zh) | 用混合储能平抑风电功率波动的模型预测控制方法 | |
CN114725926A (zh) | 面向韧性提升的分布式资源辅助主网关键节点黑启动策略 | |
Such et al. | BESS control on an microgrid with significant wind generation | |
CN112039092A (zh) | 计及储能soc恢复的孤岛直流外送agc模型预测控制方法 | |
CN103560533B (zh) | 基于变化率控制储能电站平滑风光发电波动的方法及系统 | |
García-Triviño et al. | Supervisory control system for a grid-connected MVDC microgrid based on Z-source converters with PV, battery storage, green hydrogen system and charging station of electric vehicles | |
CN104218600A (zh) | 一种多时间尺度动态仿真中电池储能系统模型的构建方法 | |
CN116885761A (zh) | 一种功率型-能量型混合储能系统容量优化方法 | |
CN112838598A (zh) | 一种基于自适应连续禁忌搜索算法的优化控制策略 | |
Sachs et al. | Two layer model predictive control for a cost efficient operation of island energy systems | |
Courtecuisse et al. | Variable speed wind generators participation in primary frequency control | |
Zadeh et al. | Frequency control of low inertia microgids in presence of wind and solar units using fuzzy-neural controllers | |
CN113346474B (zh) | 一种直流微电网双储能协调控制方法及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |