CN111009927A - 一种风电配合压缩空气储能容量优化方法及系统 - Google Patents
一种风电配合压缩空气储能容量优化方法及系统 Download PDFInfo
- Publication number
- CN111009927A CN111009927A CN201911305577.2A CN201911305577A CN111009927A CN 111009927 A CN111009927 A CN 111009927A CN 201911305577 A CN201911305577 A CN 201911305577A CN 111009927 A CN111009927 A CN 111009927A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- compressed air
- capacity
- wind power
- annual
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种风电配合压缩空气储能容量优化方法包括:获取的日内未加压缩空气储能时风电场的风电实际出力、典型调度曲线、日收益;设定压缩空气储能的初始储能值、储能上下限、平均相应速率、最大相应速率及充放电切换时间并将获取的日内的未加储能时风电场的风电实际出力、典型调度曲线、日收益输入压缩空气储能结合风电场的联合系统,联合系统开始模拟运行;从压缩空气储能初始储能值开始迭代,并计算每个储能容量对应的联合系统的年总发电量和年增加收益,并以年增加收益最大的储能容量作为压缩空气储能的最优容量。采用综合收益进行项目的可用性判断标准,较为直观,模拟了不同的使用场景,使得计算的年发电量准确性大大提高。
Description
技术领域
本发明属于风力发电与储能相结合的技术领域,本发明涉及一种风电配合压缩空气储能容量优化方法及系统。
背景技术
为了缓解全球性的能源危机,同时大力推广绿色能源,目前以欧洲和中国为代表的风电产业正在迅猛发展。但是风电的出力具有很强的波动性,且需要大容量、长寿命的储能系统,同时由于其建设维护成本较高,上网电价较高,弃风或出力波动在电力市场上产生的损失将更大。为此,各国纷纷展开了风电和储能联合的项目探索,以希求使得风电出力更加平稳、可控。
常见的储能有物理储能、化学储能等,物理储能中应用比较广泛的是抽蓄储能,由于其对水资源的要求因此具有很强的地域限定,而压缩空气储能则对地域没有要求,因此风力发电搭配压缩空气储能成为了更加合理的搭配,而在学术界和工程界没有对风力发电搭配合理容量的压缩空气储能的研究,因此如何基于现有的风电项目,搭配合适容量的压缩空气储能,也是目前制约压缩空气储能项目的关键点。
发明内容
针对现有的风电建设维护成本较高,上网电价较高,弃风或出力波动在电力市场上产生的损失将更大,以及制约搭配合适容量的压缩空气储能的不足,本发明提出了一种风电配合压缩空气储能容量优化方法,具体步骤如下:
获取的日内未加压缩空气储能时风电场的风电实际出力、典型调度曲线、日收益;
设定所述压缩空气储能的初始储能值、储能上下限、平均相应速率、最大相应速率及充放电切换时间,并将所述获取的日内的未加储能时风电场的风电实际出力、典型调度曲线、日收益输入所述压缩空气储能结合风电场的联合系统,所述联合系统开始模拟运行;
从所述压缩空气储能初始储能值开始迭代,并计算每个储能容量对应的所述联合系统的年总发电量和年增加收益,并以所述年增加收益最大的储能容量作为所述压缩空气储能的最优容量。
优选的,所述联合系统开始模拟运行,包括:
进行所述联合系统所处场景的判断;
确定所处场景后对所述压缩空气储能全年所有预设时段的荷电状态安全性进行约束校验。
优选的,所述进行所述联合系统所处场景的判断,包括:
当风电出力刚好满足调度指令时,所述模拟运行的联合系统处于储能不出力的场景;
当风电出力无法满足调度指令时,所述模拟运行的联合系统处于储能放电的场景;
当风电出力高于调度指令时,所述模拟运行的联合系统处于储能充电的场景;
否则,所述联合系统无法响应当前指令的场景。
优选的,所述确定所处场景后对所述压缩空气储能全年所有预设时段的荷电状态安全性进行约束校验,包括:
判断所述压缩空气储能全年各预设时段荷电状态是否满足30%到95%的安全范围,当满足时为安全,否则重置所述储能状态及储能约束及所述年总发电量。
优选的,所述从所述压缩空气储能初始储能值开始迭代,并计算每个储能容量对应的所述联合系统的年总发电量和年增加收益,并以所述年增加收益最大的储能容量作为所述压缩空气储能的最优容量,包括:
在所述压缩空气储能容量初始储能值为零的基础上进行储能容量多次迭代,且每次迭代一个预设容量迭代值,计算对应迭代后的储能容量、所述联合系统的年发电量和年度增加收益;
将各迭代后的容量按照年度增加收益排列,得到年度增加收益最大的容量作为最优容量;
其中,增加所述预设容量迭代值后的容量值小于等于所述压缩空气储能的储能限值。
优选的,所述联合系统的年发电量和年度增加收益,包括:
基于所述联合系统的联合出力曲线和预设时段,计算所述联合系统的日内发电电量及日内增加收益;
基于所述联合系统的日内发电电量及日内增加收益,计算所述联合系统的年总发电量和年增加收益。
优选的,所述计算所述联合系统的日内发电电量及日内增加收益,如下式所示:
式中,Qday为联合系统的日内发电电量,ΔPROFIT为联合系统的日内增加收益,PROFIT0表示未加储能时风电的日收益,profit(Pwind-caes(t)为依据风电系统当地的辅助市场服务的收益计算函数,Pwind-caes(t)为联合系统的联合出力曲线,Δt为预设时段。
优选的,所述计算所述联合系统的年总发电量和年增加收益,如下式所示:
式中,Qyear为联合系统的年发电量,ΔPROFITyear为联合系统的年增加收益。
基于同于构思,本发明提供了一种风电配合压缩空气储能容量优化系统,其特征在于,包括:获取模块、运行模块和容量模块;
所述获取模块,用于获取的日内未加压缩空气储能时风电场的风电实际出力、典型调度曲线、日收益;
所述运行模块,用于设定所述压缩空气储能的初始储能值、储能上下限、平均相应速率、最大相应速率及充放电切换时间,并将所述获取的日内的未加储能时风电场的风电实际出力、典型调度曲线、日收益输入所述压缩空气储能结合风电场的联合系统,所述联合系统开始模拟运行;
所述容量模块,用于从所述压缩空气储能初始储能值开始迭代,并计算每个储能容量对应的所述联合系统的年总发电量和年增加收益,并以所述年增加收益最大的储能容量作为所述压缩空气储能的最优容量。
优选的,所述运行模块,包括:场景判断子模块和校验子模块;
所述场景判断子模块,用于进行所述联合系统所处场景的判断;
所述校验子模块,用于确定所处场景后对所述压缩空气储能全年所有预设时段的荷电状态安全性进行约束校验。
与现有技术相比,本发明的有益效果为:
1、本发明提供的一种风电配合压缩空气储能容量优化方法,包括:获取的日内未加压缩空气储能时风电场的风电实际出力、典型调度曲线、日收益;设定所述压缩空气储能的初始储能值、储能上下限、平均相应速率、最大相应速率及充放电切换时间,并将所述获取的日内的未加储能时风电场的风电实际出力、典型调度曲线、日收益输入所述压缩空气储能结合风电场的联合系统,所述联合系统开始模拟运行;从所述压缩空气储能初始储能值开始迭代,并计算每个储能容量对应的所述联合系统的年总发电量和年增加收益,并以所述年增加收益最大的储能容量作为所述压缩空气储能的最优容量。采用综合收益进行项目的可用性判断标准,较为直观。同时,可以通过与市场的实际上网电价进行直接比较,直观判断项目的经济收益情况。
2、本发明提供的一种风电配合压缩空气储能容量优化方法及系统,利用储能系统的能量约束校核,主要避免了出现压缩空气储能由于充电或放电过量,荷电状态低于或高于临界值,导致的无法响应功率波动的问题。
3、本发明提供的一种风电配合压缩空气储能容量优化方法及系统,根据风电和储能的实际运行情况,模拟不同的使用场景,使得计算的年发电量准确性大大提高。
附图说明
图1为本发明提供的的方法流程图;
图2为本发明实施例提供的运行模拟算法流程图;
图3为本发明实施例提供的容量优化算法流程图;
图4为本发明实施例提供的运行模拟效果示意图。
图5为本发明提供的系统结构图。
具体实施方式
下面结合附图对本发明的实施例作进一步说明。
实施例1:
本专利提出一种风电配合压缩空气储能容量优化方法及系统结合图1的方法流程图介绍,包括一种运行模拟方法:风电场搭配先进压缩空气储能的年发电量模拟;一种容量配置优化策略:基于度电成本分析方法的风力发电搭配压缩空气储能的容量成本优化策略。风电场和压缩空气储能接入同一汇流母线,压缩空气储能根据风电实际出力和典型调度曲线,进行压缩空气储能的实际运行模拟,计算储能为风电系统带来的发电量增量;在此基础上,通过储能容量的迭代计算,给出压缩空气储能的最优容量优化策略,使整体系统达到最低的度电成本。具体步骤如下:
步骤1:获取的日内未加压缩空气储能时风电场的风电实际出力、典型调度曲线、日收益;
步骤2:设定所述压缩空气储能的初始储能值、储能上下限、平均相应速率、最大相应速率及充放电切换时间,并将所述获取的日内的未加储能时风电场的风电实际出力、典型调度曲线、日收益输入所述压缩空气储能结合风电场的联合系统,所述联合系统开始模拟运行;
步骤3:从所述压缩空气储能初始储能值开始迭代,并计算每个储能容量对应的所述联合系统的年总发电量和年增加收益,并以所述年增加收益最大的储能容量作为所述压缩空气储能的最优容量。
其中,步骤1:获取的日内未加压缩空气储能时风电场的风电实际出力、典型调度曲线、日收益;
本专利采用运行模拟的方式计算风电搭配压缩空气储能后,系统的日内发电量,运行模拟算法流程图见图2,运行模拟效果示意图见图4,其特征包含以下步骤:
1)输入当日风电场接收到的调度出力指令,以及当日无储能风电场的实际出力曲线。
2)设定压缩空气储能容量及初始储能状态;设定压缩空气储能的储能上、下限,平均、最大响应速率;设定压缩空气储能的充放电切换时间。
Pout-min≤Pwind-caes(t)-Pwind(t)≤Pout-max
或
Pin-min≤Pwind-caes(t)-Pwind(t)≤Pin-max
Qmin≤SOC×Qcaes≤Qmax
vcaes≤Vmax
步骤2:设定所述压缩空气储能的初始储能值、储能上下限、平均相应速率、最大相应速率及充放电切换时间,并将所述获取的日内的未加储能时风电场的风电实际出力、典型调度曲线、日收益输入所述压缩空气储能结合风电场的联合系统,所述联合系统开始模拟运行;
储能容量上下限(Qmax,Qmin),压缩功率上下限(Pin-max,Pin-min),膨胀功率上下限(Pout-max,Pout-min),最大响应速率(Vmax),Pwind(t)为无储能单独风电的出力曲线,Pwind-caes(t)为混合系统的联合出力曲线,Pwind-caes(t)-Pwind(t)为压缩空气储能的出力。
3)将当日分解为若干时段(一般取调度指令周期的五分之一),判断本时段的应用场景:
3a)风电出力刚好满足调度指令;
储能不出力
Pwind-caes(t)=Pwind(t)
3b)风电出力无法满足调度指令;
储能放电
Pwind-caes(t)=Pwind(t)+min{Psignal(t)-Pwind(t),vcaes×Δt}
3c)风电大发,出力高于调度指令;
储能充电
Pwind-caes(t)=Pwind(t)+max{Psignal(t)-Pwind(t),-vcaes×Δt}
3d)风电及储能混合系统无法响应当前指令;
Pwind-caes(t)=Pwind-caes(t-1)
4)容量校核,校核本时段储能系统的荷电状态是否处于安全范围内,即校核是否30%≤SOC≤95%
如否,重置所有性能指标及发电量参数,返回步骤(3)。
5)是否已经完成当日所有时段的计算,如否,t=t+1,返回步骤(3)。
6)计算联合系统的当日发电电量Qday及收益增加ΔPROFIT。完成计算。其中,PROFIT0表示未加储能时风电的日收益,profit(P)函数表示依据风电系统当地的辅助市场服务的收益计算函数,根据各省政策不同而变化。
7)根据日发电量和收益增加计算年发电量Qyear和年收益增加ΔPROFITyear
步骤3:从所述压缩空气储能初始储能值开始迭代,并计算每个储能容量对应的所述联合系统的年总发电量和年增加收益,并以所述年增加收益最大的储能容量作为所述压缩空气储能的最优容量。
本专利采用容量迭代优化的方式,给出压缩空气储能的最优容量优化策略,容量优化算法流程图见图3,其特征包含以下步骤:
1)输入初始风力发电投资的年度收益。
2)设定压缩空气储能容量,令容量初始值为0。
3)调用运行模拟模块,计算混合系统的年发电量及混合系统年度收益增加值。
4)判断压缩空气储能容量是否达到可选待建规模的最大值,如否,返回步骤3)。
5)根据混合系统年度收益对不同的压缩空气储能容量进行排序,获取年度收益最高的压缩空气储能容量,作为储能的建议建设容量。
实施例2:
基于同一构思,本发明还提供了一种风电配合压缩空气储能容量优化系统,由于这些设备解决技术问题的原理与一种风电配合压缩空气储能容量优化方法相似,重复之处不再赘述。
下面结合图5该系统的结构图进行介绍一种风电配合压缩空气储能容量优化系统,其特征在于,包括:获取模块、运行模块和容量模块;
所述获取模块,用于获取的日内未加压缩空气储能时风电场的风电实际出力、典型调度曲线、日收益;
所述运行模块,用于设定所述压缩空气储能的初始储能值、储能上下限、平均相应速率、最大相应速率及充放电切换时间,并将所述获取的日内的未加储能时风电场的风电实际出力、典型调度曲线、日收益输入所述压缩空气储能结合风电场的联合系统,所述联合系统开始模拟运行;
所述容量模块,用于从所述压缩空气储能初始储能值开始迭代,并计算每个储能容量对应的所述联合系统的年总发电量和年增加收益,并以所述年增加收益最大的储能容量作为所述压缩空气储能的最优容量。
所述运行模块,包括:场景判断子模块和校验子模块;
所述场景判断子模块,用于进行所述联合系统所处场景的判断;
所述校验子模块,用于确定所处场景后对所述压缩空气储能全年所有预设时段的荷电状态安全性进行约束校验。
所述场景判断子模块,包括:不出力单元、放电单元、充电单元和无响应单元;
所述不出力单元,用于当风电出力刚好满足调度指令时,所述模拟运行的联合系统处于储能不出力的场景;
所述放电单元,用于当风电出力无法满足调度指令时,所述模拟运行的联合系统处于储能放电的场景;
所述充电单元,用于当风电出力高于调度指令时,所述模拟运行的联合系统处于储能充电的场景;
所述无响应单元,用于所述联合系统无法响应当前指令的场景。
所述校验子模块,包括:荷电状态单元;
所述荷电状态单元,用于判断所述压缩空气储能全年各预设时段荷电状态是否满足30%到95%的安全范围,当满足时为安全,否则重置所述储能状态及储能约束及所述年总发电量。
所述容量模块,包括:迭代计算子模块和最优容量子模块;
所述迭代计算子模块,用于在所述压缩空气储能容量初始储能值为零的基础上进行储能容量多次迭代,且每次迭代一个预设容量迭代值,计算对应迭代后的储能容量、所述联合系统的年发电量和年度增加收益;
所述最优容量子模块,用于将各迭代后的容量按照年度增加收益排列,得到年度增加收益最大的容量作为最优容量;
其中,增加所述预设容量迭代值后的容量值小于等于所述压缩空气储能的储能限值。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (10)
1.一种风电配合压缩空气储能容量优化方法,其特征在于,包括:
获取的日内未加压缩空气储能时风电场的风电实际出力、典型调度曲线、日收益;
设定所述压缩空气储能的初始储能值、储能上下限、平均相应速率、最大相应速率及充放电切换时间,并将所述获取的日内的未加储能时风电场的风电实际出力、典型调度曲线、日收益输入所述压缩空气储能结合风电场的联合系统,所述联合系统开始模拟运行;
从所述压缩空气储能初始储能值开始迭代,并计算每个储能容量对应的所述联合系统的年总发电量和年增加收益,并以所述年增加收益最大的储能容量作为所述压缩空气储能的最优容量。
2.如权利要求1所述的容量优化方法,其特征在于,所述联合系统开始模拟运行,包括:
进行所述联合系统所处场景的判断;
确定所处场景后对所述压缩空气储能全年所有预设时段的荷电状态安全性进行约束校验。
3.如权利要求2所述的容量优化方法,其特征在于,所述进行所述联合系统所处场景的判断,包括:
当风电出力刚好满足调度指令时,所述模拟运行的联合系统处于储能不出力的场景;
当风电出力无法满足调度指令时,所述模拟运行的联合系统处于储能放电的场景;
当风电出力高于调度指令时,所述模拟运行的联合系统处于储能充电的场景;
否则,所述联合系统无法响应当前指令的场景。
4.如权利要求2所述的容量优化方法,其特征在于,所述确定所处场景后对所述压缩空气储能全年所有预设时段的荷电状态安全性进行约束校验,包括:
判断所述压缩空气储能全年各预设时段荷电状态是否满足30%到95%的安全范围,当满足时为安全,否则重置所述储能状态及储能约束及所述年总发电量。
5.如权利要求1所述的容量优化方法,其特征在于,所述从所述压缩空气储能初始储能值开始迭代,并计算每个储能容量对应的所述联合系统的年总发电量和年增加收益,并以所述年增加收益最大的储能容量作为所述压缩空气储能的最优容量,包括:
在所述压缩空气储能容量初始储能值为零的基础上进行储能容量多次迭代,且每次迭代一个预设容量迭代值,计算对应迭代后的储能容量、所述联合系统的年发电量和年度增加收益;
将各迭代后的容量按照年度增加收益排列,得到年度增加收益最大的容量作为最优容量;
其中,增加所述预设容量迭代值后的容量值小于等于所述压缩空气储能的储能限值。
6.如权利要求5所述的容量优化方法,其特征在于,所述联合系统的年发电量和年度增加收益,包括:
基于所述联合系统的联合出力曲线和预设时段,计算所述联合系统的日内发电电量及日内增加收益;
基于所述联合系统的日内发电电量及日内增加收益,计算所述联合系统的年总发电量和年增加收益。
9.一种风电配合压缩空气储能容量优化系统,其特征在于,包括:获取模块、运行模块和容量模块;
所述获取模块,用于获取的日内未加压缩空气储能时风电场的风电实际出力、典型调度曲线、日收益;
所述运行模块,用于设定所述压缩空气储能的初始储能值、储能上下限、平均相应速率、最大相应速率及充放电切换时间,并将所述获取的日内的未加储能时风电场的风电实际出力、典型调度曲线、日收益输入所述压缩空气储能结合风电场的联合系统,所述联合系统开始模拟运行;
所述容量模块,用于从所述压缩空气储能初始储能值开始迭代,并计算每个储能容量对应的所述联合系统的年总发电量和年增加收益,并以所述年增加收益最大的储能容量作为所述压缩空气储能的最优容量。
10.如权利要求9所述的系统,其特征在于,所述运行模块,包括:场景判断子模块和校验子模块;
所述场景判断子模块,用于进行所述联合系统所处场景的判断;
所述校验子模块,用于确定所处场景后对所述压缩空气储能全年所有预设时段的荷电状态安全性进行约束校验。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911305577.2A CN111009927B (zh) | 2019-12-17 | 2019-12-17 | 一种风电配合压缩空气储能容量优化方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911305577.2A CN111009927B (zh) | 2019-12-17 | 2019-12-17 | 一种风电配合压缩空气储能容量优化方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111009927A true CN111009927A (zh) | 2020-04-14 |
CN111009927B CN111009927B (zh) | 2021-10-08 |
Family
ID=70116493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911305577.2A Active CN111009927B (zh) | 2019-12-17 | 2019-12-17 | 一种风电配合压缩空气储能容量优化方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111009927B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111416388A (zh) * | 2020-04-26 | 2020-07-14 | 中国电力工程顾问集团西北电力设计院有限公司 | 一种高比例新能源系统储能需求和储能时长确定方法 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090178384A1 (en) * | 2007-01-25 | 2009-07-16 | Michael Nakhamkin | CAES plant using humidified air in the bottoming cycle expander |
CN102684222A (zh) * | 2012-05-14 | 2012-09-19 | 华北电力大学 | 一种基于储能技术的风力发电功率平滑控制方法 |
CN103337001A (zh) * | 2013-07-18 | 2013-10-02 | 山东大学 | 考虑最佳期望输出与荷电状态的风电场储能容量优化方法 |
CN103644081A (zh) * | 2013-11-28 | 2014-03-19 | 华北电力大学 | 风力发电、火力发电和压缩空气储能一体化发电系统 |
EP2713464A1 (de) * | 2012-09-28 | 2014-04-02 | Enrichment Technology Deutschland GmbH | Energiespeicheranlage |
CN104948389A (zh) * | 2014-03-25 | 2015-09-30 | 国网上海市电力公司 | 分布式压缩空气储能系统的容量配置方法 |
CN105071423A (zh) * | 2015-09-19 | 2015-11-18 | 东北电力大学 | 计及限风特性与经济性的储能系统容量配置方法 |
CN107905985A (zh) * | 2017-10-31 | 2018-04-13 | 葛洲坝中科储能技术有限公司 | 一种存储压力可控的压缩空气储能系统 |
CN107944733A (zh) * | 2017-12-06 | 2018-04-20 | 华中科技大学 | 一种含风电、需求响应和压缩空气储能的电网调度方法 |
CN107994609A (zh) * | 2017-12-11 | 2018-05-04 | 清华大学 | 考虑压缩空气储能的风电并网备用整定方法及装置 |
CN109245175A (zh) * | 2018-11-21 | 2019-01-18 | 郑州大学 | 一种计及辅助服务补偿的大规模风电场储能容量优化方法 |
CN109347100A (zh) * | 2018-11-26 | 2019-02-15 | 国网四川省电力公司经济技术研究院 | 提升风电场综合性能的混合储能系统优化配置方法 |
CN109546645A (zh) * | 2018-10-19 | 2019-03-29 | 国网安徽省电力有限公司 | 压缩空气储能系统的容量补贴计算方法及装置 |
CN109586324A (zh) * | 2018-10-19 | 2019-04-05 | 清华大学 | 基于双层博弈的压缩空气储能电站容量配置方法及装置 |
CN110071505A (zh) * | 2019-06-04 | 2019-07-30 | 清华大学 | 含大规模风电接入的输电网扩建与储能配置联合规划方法 |
CN110299715A (zh) * | 2019-08-02 | 2019-10-01 | 贵州电网有限责任公司 | 一种压缩空气储能偏差调峰系统及方法 |
-
2019
- 2019-12-17 CN CN201911305577.2A patent/CN111009927B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090178384A1 (en) * | 2007-01-25 | 2009-07-16 | Michael Nakhamkin | CAES plant using humidified air in the bottoming cycle expander |
CN102684222A (zh) * | 2012-05-14 | 2012-09-19 | 华北电力大学 | 一种基于储能技术的风力发电功率平滑控制方法 |
EP2713464A1 (de) * | 2012-09-28 | 2014-04-02 | Enrichment Technology Deutschland GmbH | Energiespeicheranlage |
CN103337001A (zh) * | 2013-07-18 | 2013-10-02 | 山东大学 | 考虑最佳期望输出与荷电状态的风电场储能容量优化方法 |
CN103644081A (zh) * | 2013-11-28 | 2014-03-19 | 华北电力大学 | 风力发电、火力发电和压缩空气储能一体化发电系统 |
CN104948389A (zh) * | 2014-03-25 | 2015-09-30 | 国网上海市电力公司 | 分布式压缩空气储能系统的容量配置方法 |
CN105071423A (zh) * | 2015-09-19 | 2015-11-18 | 东北电力大学 | 计及限风特性与经济性的储能系统容量配置方法 |
CN107905985A (zh) * | 2017-10-31 | 2018-04-13 | 葛洲坝中科储能技术有限公司 | 一种存储压力可控的压缩空气储能系统 |
CN107944733A (zh) * | 2017-12-06 | 2018-04-20 | 华中科技大学 | 一种含风电、需求响应和压缩空气储能的电网调度方法 |
CN107994609A (zh) * | 2017-12-11 | 2018-05-04 | 清华大学 | 考虑压缩空气储能的风电并网备用整定方法及装置 |
CN109546645A (zh) * | 2018-10-19 | 2019-03-29 | 国网安徽省电力有限公司 | 压缩空气储能系统的容量补贴计算方法及装置 |
CN109586324A (zh) * | 2018-10-19 | 2019-04-05 | 清华大学 | 基于双层博弈的压缩空气储能电站容量配置方法及装置 |
CN109245175A (zh) * | 2018-11-21 | 2019-01-18 | 郑州大学 | 一种计及辅助服务补偿的大规模风电场储能容量优化方法 |
CN109347100A (zh) * | 2018-11-26 | 2019-02-15 | 国网四川省电力公司经济技术研究院 | 提升风电场综合性能的混合储能系统优化配置方法 |
CN110071505A (zh) * | 2019-06-04 | 2019-07-30 | 清华大学 | 含大规模风电接入的输电网扩建与储能配置联合规划方法 |
CN110299715A (zh) * | 2019-08-02 | 2019-10-01 | 贵州电网有限责任公司 | 一种压缩空气储能偏差调峰系统及方法 |
Non-Patent Citations (5)
Title |
---|
MOHSEN SAADAT等: ""Revenue Maximization of Electricity Generation for a Wind Turbine Integrated with a Compressed Air Energy Storage System"", 《2014 AMERICAN CONTROL CONFERENCE (ACC)》 * |
WANG, S. Y等: ""Optimal sizing of the CAES system in a power system with high wind power penetration"", 《INTERNATIONAL JOURNAL OF ELECTRICAL POWER & ENERGY SYSTEMS 》 * |
ZHAOJIAN WANG等: ""Optimal Capacity Configuration Method of Distributed Compressed Air Energy Storage in Wind Farm"", 《PROCEEDINGS OF THE 33RD CHINESE CONTROL CONFERENCE》 * |
张金艳: ""一种基于可靠出力的储能容量的配置方法"", 《节能》 * |
谭靖等: ""基于压缩空气储能的风电场功率调节及效益分析"", 《电力系统自动化》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111416388A (zh) * | 2020-04-26 | 2020-07-14 | 中国电力工程顾问集团西北电力设计院有限公司 | 一种高比例新能源系统储能需求和储能时长确定方法 |
CN111416388B (zh) * | 2020-04-26 | 2022-04-01 | 中国电力工程顾问集团西北电力设计院有限公司 | 一种高比例新能源系统储能需求和储能时长确定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111009927B (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113095791B (zh) | 一种综合能源系统运行方法及系统 | |
CN110390467B (zh) | 一种基于关键场景辨别的虚拟电厂随机自适应鲁棒优化调度方法 | |
CN104268800A (zh) | 基于场景库的风电并网调峰平衡判定方法 | |
CN104037755A (zh) | 一种求解风蓄火联合运行系统多时段Pareto解集的优化方法 | |
CN114897346A (zh) | 计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法 | |
CN116470543A (zh) | 一种虚拟电厂的运行控制方法、装置、设备及介质 | |
CN111654045A (zh) | 一种电力现货市场下储能系统充放电优化方法 | |
CN113723870A (zh) | 一种分布式发电co2减排核算方法、装置、设备及介质 | |
CN111009927B (zh) | 一种风电配合压缩空气储能容量优化方法及系统 | |
CN104504455A (zh) | 一种梯级蓄能控制下水电站群长期优化调度方法 | |
CN106096849A (zh) | 分布式光伏接入电网综合评价系统及方法 | |
CN115187018A (zh) | 一种园区综合能源系统双层优化调度方法及装置 | |
CN108256674A (zh) | 一种参与电网削峰填谷的有源配电网负荷模型构建方法 | |
CN108767855B (zh) | 一种时序持续混合的电力系统随机生产模拟方法 | |
CN106056305A (zh) | 一种基于状态聚类的发电系统可靠性快速评估方法 | |
CN109214624B (zh) | 一种基于蒙特卡洛法的储能容量优化方法、装置及系统 | |
CN112491080A (zh) | 一种新能源装机布局规划方法和系统 | |
CN109871999B (zh) | 一种综合能源系统的随机生产模拟方法及系统 | |
CN117010707A (zh) | 基于锂电池的电力负荷效益评估方法、系统、设备和介质 | |
CN111756031B (zh) | 一种电网运行趋势估算方法和系统 | |
CN110544958B (zh) | 一种电力系统消纳随机出力电源能力的确定方法及装置 | |
CN115776138A (zh) | 一种考虑多维不确定性和能量管理策略的微电网容量规划方法及装置 | |
CN110061493B (zh) | 一种储能系统储能容量的确定方法及系统 | |
CN111832936B (zh) | 一种含分布式电源的配网供电可靠性评估方法 | |
CN114254946A (zh) | 新能源发电等值年费用比较方法、系统、设备及存储介质 |
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 | ||
PP01 | Preservation of patent right |
Effective date of registration: 20230224 Granted publication date: 20211008 |
|
PP01 | Preservation of patent right |