CN111064190B - 一种基于维纳随机过程的风电场储能系统配置方法 - Google Patents
一种基于维纳随机过程的风电场储能系统配置方法 Download PDFInfo
- Publication number
- CN111064190B CN111064190B CN201911380381.XA CN201911380381A CN111064190B CN 111064190 B CN111064190 B CN 111064190B CN 201911380381 A CN201911380381 A CN 201911380381A CN 111064190 B CN111064190 B CN 111064190B
- Authority
- CN
- China
- Prior art keywords
- power
- energy storage
- storage system
- energy
- time
- 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.)
- Active
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
-
- 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
- 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)
Abstract
本发明涉及一种基于维纳随机过程的风电场储能系统配置方法,包括以下步骤:步骤1、计算风电场输出功率;步骤2、根据步骤1得出的风电场输出功率计算储能系统的能量变化量存在最大值,并以不同时间间隔统计功率变化值的概率密度数据;步骤3、在储能系统的能量变化量的计算过程中,引入维纳随机过程;步骤4、基于维纳随机过程确定储能系统功率配置;步骤5、基于维纳随机过程确定储能系统能量配置。本发明统一了储能功率和能量的选择过程。
Description
技术领域
本发明属于储能系统配置技术领域,涉及风电场储能系统配置方法,尤其是一种基于维纳随机过程的风电场储能系统配置方法。
背景技术
目前,我国风力发电机普遍运行于最大风能捕获模式,输出功率随风速变化,而风能具有很强的波动性、间歇性,因此,需获取较长时间尺度的风速数据。现有风电场平滑出力曲线的储能系统配置方法通常是对风机出力曲线进行一阶巴特沃思滤波(选取合适的滤波时间常数T),得到储能系统功率指令及并网目标功率。为评价储能补偿效果,以功率输出波动率作为评价储能补偿效果的指标,即一定时间内,功率输出最大值和最小值之差与额定输出功率的比值。当功率输出波动率不满足波动率指标时,需调整滤波时间常数T,重新进行补偿效果评价,直至波动率满足要求。
针对一定调度周期内的风电功率数据,确定满足功率输出波动率要求的滤波时间常数,则可得到储能功率补偿曲线,曲线的最大充电功率或最大放电功率(取大值)为储能需提供的最大补偿功率,考虑储能设备充放电效率,可得到满足补偿需求的储能系统功率配置。
仍以一定调度周期内的风电功率数据为样本,采用仿真的方法,针对该时间间隔内的风机发电出力进行平抑,绘制时间间隔内储能电池能量变化曲线,考虑储能设备充放电效率,可得到满足补偿需求的储能系统能量配置。
但对于基于一阶巴特沃思滤波环节的平抑策略,现有技术方案通过一定时间尺度内的风机出力数据确定满足波动率指标的滤波时间常数T,进而得到功率及能量配置。但是,滤波时间常数T和波动率指标并没有必然的联系,当该时间尺度的风机出力数据变化后或实际运行中,仍有可能不满足波动率指标的要求。现有技术方案所采用的风机出力数据本身不能反应长时间尺度的风电出力波动特性,但在统计意义上,可以表征该区域长时间尺度的风电出力波动特性,且现有将功率配置和容量配置看作两个环节,忽略了它们之间内在的联系。
现有的储能系统配置方法为满足较大但出现概率较低的风电功率差,通常采用完全平抑的方式,将导致储能容量配置过大,影响经济性,此外,需要较长时间尺度的风速或风功率数据,未探究风速或风功率变化的统计规律及趋势,当风速或风功率时间尺度较小或数据较少时,则缺乏可实施性。
发明内容
本发明的目的在于克服现有技术的不足,提出一种基于维纳随机过程的风电场储能系统配置方法,
本发明解决其现实问题是采取以下技术方案实现的:
一种基于维纳随机过程的风电场储能系统配置方法,包括以下步骤:
步骤1、采用长时间尺度在所规划区域测风点历史风速,并通过风机轮毂处风速和风机功率风速关系模型,计算风电场输出功率;
步骤2、根据步骤1得出的风电场输出功率计算储能系统的能量变化量存在最大值,并根据不同规划区域的风电功率波动特性不同,针对所规划区域内的风机,以不同时间间隔统计功率变化值的概率密度数据;
步骤3、分析步骤2的计算储能系统的能量变化量的计算结果,当滤波时间常数T为定值,则认为一段时间段内储能系统的能量变化量与T的比值所形成的过程为维纳过程,并在储能系统的能量变化量的计算过程中,引入维纳随机过程;
步骤4、对步骤2得到的以储能补偿功率实时计算时间间隔Δt或较小时间间隔的概率密度数据进行正态分布拟合,基于维纳随机过程确定储能系统功率配置;
步骤5、对步骤2得到的各时间间隔功率变化值的概率密度数据进行正态分布拟合,基于维纳随机过程确定储能系统能量配置。
而且,所述步骤2的根据步骤1得出的风电场输出功率计算储能系统的能量变化量存在最大值的具体步骤包括:
(1)采用一阶巴特沃思滤波环节对原始风电输出功率PWind(t)进行滤波,得到其高频波动分量作为锂电池储能功率指令PLB(t),原始风电数据功率经高频滤波后的剩余功率部分作为并网功率PGrid(t);对于锂电池储能系统,若规定功率大于零表示充电、小于零表示放电,则原始风电输出功率、锂电池储能功率指令、并网功率间有如下关系:
PLB+PWind=PGrid (1)
式中:PLB为锂电池储能输出功率;PWind为风力发电系统输出功率;PGrid为联络线功率;s为复变量,T为滤波时间常数;
(2)将式(2)、式(3)转化为时域形式,并进行后向差分,假定Δt为计算步长,令t′=t-Δt,得到:
若计算起点为t1=0,计算终点为t2,在区间t∈[t1,t2]内将时间n等分,计算步长为Δt,令t′2=t2-Δt,同时假定Δt内储能系统功率指令PLB(t)、原始风电功率PWind(t)为恒定值,则有
考虑到ΔtPLB(t)在[t1,t2]内的累加即为该时间段内储能系统所需提供的能量,因此,将式(6)中的各项乘以Δt后相加,得到
式中:k为正整数;由于Δt很小,可认为在时间段Δt内所需储能能量趋于0,即认为t1时刻所需能量ΔtPLB(0)与t2时刻所需能量ΔtPLB(nΔt)均趋于0,则有下式
将式(8)代入式(7),得到
由于ΔtPLB(t)在[t1,t2]内的累加即为储能系统该时间段内的能量变化量,则在t2时刻,储能系统的能量变化量ELB(t2)为
(3)储能系统的能量变化量ELB(t2)与滤波时间常数T和时间段首末时刻的风电功率变化量分布有关,滤波时间常数T越大,储能系统能量变化量的可能取值越大,且与滤波时间常数T成正比。同时可知,当滤波时间常数T一定时,在一定时间间隔内,储能系统的能量变化量存在最大值为
而且,所述步骤2的根据不同规划区域的风电功率波动特性不同,针对所规划区域内的风机,以不同时间间隔统计功率变化值的概率密度数据的具体方法为:取时间间隔12s、60s、5min、10min、15min、20min、25min、30min、40min、45min、1h、1.5h、2h统计功率变化值的概率密度数据,各时间间隔的功率变化值应采用在时间间隔上没有重叠的数据,以使同一时间间隔的功率变化值之间相互独立。
而且,所述步骤3的具体方法为:
由式(10),为便于计算,令T=1s,则
ELB(t)=PWind(t)-PWind(0) (12)
式中:ELB(t)为滤波时间常数T=1s时在时刻t储能系统能量的变化量;
则随机过程{ELB(t),t≥0}为维纳过程,且ELB(0)=0,得到
ELB(t)~N(0,σ2t) (13)
式中:σ2为单位时段储能系统的能量变化量的方差。由式(13)可知,至时刻t储能系统的能量变化量服从均值为0,方差为σ2t的正态分布,且方差与时间段长度呈线性关系。
而且,所述步骤4的具体方法为:储能补偿功率实时计算时间间隔Δt或较小时间间隔的概率密度数据进行正态分布拟合,得到拟合曲线的均值和方差参数,根据均值和方差参数,考虑储能系统功率成本,选择置信区间,确定储能系统功率配置。
而且,所述步骤5的具体步骤包括:
(1)对步骤2得到的各时间间隔功率变化值的概率密度数据进行正态分布拟合,得到各拟合曲线的均值和方差参数,并绘制各正态分布方差随时间间隔变化关系曲线;
(2)考虑储能系统能量成本,选择置信区间,得到满足一定置信区间的功率变化值;同时,根据规程规范对风机在一定时间内输出功率波动限值的要求以及所接入系统对风机波动频率的要求,确定一阶滤波环节时间常数T,结合所选取的在一定能量满足率时的功率变化值,由式(10),确定储能系统的能量配置。
本发明的优点和有益效果:
1、本发明提出了一种基于维纳随机过程的风电场储能系统配方法,通过引入维纳随机过程,研究不同时间尺度风电功率变化量的概率分布,确定了不同时间尺度风电功率变化量分布的均值和方差等数字特征随时间间隔变化的趋势,进而提出了满足一定置信区间的储能功率和能量的配置方法,统一了储能功率和能量的选择过程。
2、本发明通过选择合理的截止功率差,可在满足大部分平抑需求的情况下降低储能系统的容量配置,提高经济性。
3、本发明有利于确定合理的调度周期:从某一时间起点,由式(10)计算得到的时段t内所需储能系统补偿的容量可以一定的概率(置信区间)满足平抑风电波动的要求,当时段长度超过t时,其满足平抑波动要求的概率(置信区间)将降低,因此,应以一定的调度周期对储能系统进行SOC调整,保证其剩余容量在下一补偿周期的初始时刻接近50%,考虑效率因素,实际工程中,可将SOC控制在60%。此外,由于风电功率变化量随着时间尺度的增大其离散程度将逐渐趋于饱和,若储能容量按时间尺度大于饱和点配置,则可在较长时间内以确定的概率(置信度)满足平抑波动的要求。实际运行中,由于储能充放电效率、累计误差、SOC计算误差等的影响,可以天为调度周期,在每日的风电功率低谷时期对储能的SOC进行补偿,以满足下一调度周期的平抑要求。根据以上分析,本发明可将风电功率波动平抑对储能容量的需求看作为对储能SOC的渗透过程。初始时刻储能初始SOC为约60%,在平抑波动过程中,储能SOC以较大概率围绕其初始SOC(约60%)上下变动,随着平抑时间的延长,平抑需求逐渐渗透至储能SOC上限或下限的概率也将增大。
附图说明
图1是本发明的处理流程图;
图2(a)是本发明的不同时间间隔的概率密度数据的拟合结果示意图(12s);
图2(b)是本发明的不同时间间隔的概率密度数据的拟合结果示意图(60s);
图2(c)是本发明的不同时间间隔的概率密度数据的拟合结果示意图(15min);
图2(d)是本发明的不同时间间隔的概率密度数据的拟合结果示意图(1h);
图2(e)是本发明的不同时间间隔的概率密度数据的拟合结果示意图(2h);
图3(a)是本发明的均值参数随时间间隔变化曲线图;
图3(b)是本发明的方差参数随时间变化曲线图。
具体实施方式
以下结合附图对本发明实施例作进一步详述:
一种基于维纳随机过程的风电场储能系统配置方法,如图1所示,包括以下步骤:
步骤1、采用长时间尺度在所规划区域测风点历史风速,并通过风机轮毂处风速和风机功率风速关系模型,计算风电场输出功率;
在本实施例中,对于所规划区域,虽然风速有一定的季节性趋势,但并无确定的周期性规律,按季节的典型日出力数据不能作为平抑风电功率波动场景的储能配置依据,因此,应采用较长时间尺度(数月或全年)的所规划区域测风点历史风速,通过轮毂处风速及风机功率风速关系模型计算风电场输出功率。对于已运行风电场的储能配置问题,由于我国风机普遍运行于最大风能捕获模式,可采用较长时间尺度(数月或全年)的风机无限制输出功率数据。
步骤2、根据步骤1得出的风电场输出功率计算储能系统的能量变化量存在最大值,并根据不同规划区域的风电功率波动特性不同,针对所规划区域内的风机,以不同时间间隔统计功率变化值的概率密度数据;
一阶巴特沃思滤波环节是基于功率波动性质的滤波方法,适用于实时功率波动平抑的使用场景,且其在通带内响应最为平坦,衰减特性和相位特性均较好,在实际运行项目中也得到了应用。
所述步骤2的根据步骤1得出的风电场输出功率计算储能系统的能量变化量存在最大值的具体步骤包括:
(1)采用一阶巴特沃思滤波环节对原始风电输出功率PWind(t)进行滤波,得到其高频波动分量作为锂电池储能功率指令PLB(t),原始风电数据功率经高频滤波后的剩余功率部分作为并网功率PGrid(t);对于锂电池储能系统,若规定功率大于零表示充电、小于零表示放电,则原始风电输出功率、锂电池储能功率指令、并网功率间有如下关系:
PLB+PWind=PGrid (1)
式中:PLB为锂电池储能输出功率;PWind为风力发电系统输出功率;PGrid为联络线功率;s为复变量,T为滤波时间常数;
根据所需平抑的风电功率波动频带确定,常为秒级到分钟级。锂电池储能平滑输出控制利用锂电池储能对风电功率波动中的高频段的波动成分进行补偿,以达到平抑输出功率波动的目的。
(2)将式(2)、式(3)转化为时域形式,并进行后向差分,假定Δt为计算步长,令t′=t-Δt,得到:
若计算起点为t1=0,计算终点为t2,在区间t∈[t1,t2]内将时间n等分,计算步长为Δt,令t′2=t2-Δt,同时假定Δt内储能系统功率指令PLB(t)、原始风电功率PWind(t)为恒定值,则有
考虑到ΔtPLB(t)在[t1,t2]内的累加即为该时间段内储能系统所需提供的能量,因此,将式(6)中的各项乘以Δt后相加,得到
式中:k为正整数;由于Δt很小,可认为在时间段Δt内所需储能能量趋于0,即认为t1时刻所需能量ΔtPLB(0)与t2时刻所需能量ΔtPLB(nΔt)均趋于0,则有下式
将式(8)代入式(7),得到
由于ΔtPLB(t)在[t1,t2]内的累加即为储能系统该时间段内的能量变化量,则在t2时刻,储能系统的能量变化量ELB(t2)为
(3)储能系统的能量变化量ELB(t2)与滤波时间常数T和时间段首末时刻的风电功率变化量分布有关。滤波时间常数T越大,储能系统能量变化量的可能取值越大,且与滤波时间常数T成正比。同时可知,当滤波时间常数T一定时,在一定时间间隔内,储能系统的能量变化量存在最大值为
可知,若按储能系统的能量变化量的最大值配置储能容量,则一定能够满足风电功率平抑需求,但由于风电场输出功率最大值较大,若按式(11)配置会造成储能容量配置过大,影响经济性。
在本实施例中,所述步骤2的根据不同规划区域的风电功率波动特性不同,针对所规划区域内的风机,以不同时间间隔统计功率变化值的概率密度数据的具体方法为:对不同规划区域的风电功率波动特性不同,针对所规划区域或区域内的风机,可取时间间隔12s、60s、5min、10min、15min、20min、25min、30min、40min、45min、1h、1.5h、2h统计功率变化值的概率密度数据,各时间间隔的功率变化值应采用在时间间隔上没有重叠的数据,以使同一时间间隔的功率变化值之间相互独立,保证所统计概率密度数据的准确性。
由步骤2的分析可知,某一时间段内储能系统的能量变化量与滤波时间常数T和该时段首末时刻风电功率变化量有关。风电功率在某一小时段的变化量由该时段风速变化、该时段初始时刻风电功率、上一时段的风速变化、风机特性等多种因素决定,由中心极限定理,风电功率在某一小时段的变化量服从正态分布。在较长时间段内,风电功率的变化量为时间段内多个小时间段风电功率变化量的叠加,因此,风电功率在较长时间段的变化量也服从正态分布。通常,滤波时间常数T为定值,则可认为某时间段内储能系统的能量变化量与T的比值所形成的过程为维纳过程。
步骤3、分析步骤2的计算储能系统的能量变化量的计算结果,当滤波时间常数T为定值,则认为一段时间段内储能系统的能量变化量与T的比值所形成的过程为维纳过程,并在储能系统的能量变化量的计算过程中,引入维纳随机过程;
所述步骤3的具体方法为:
由式(10),为便于计算,令T=1s,则
ELB(t)=PWind(t)-PWind(0) (12)
式中:ELB(t)为滤波时间常数T=1s时在时刻t储能系统能量的变化量。
则随机过程{ELB(t),t≥0}为维纳过程,且ELB(0)=0,得到
ELB(t)~N(0,σ2t) (13)
由式(13)可知,至时刻t储能系统的能量变化量服从均值为0,方差为σ2t的正态分布,且方差与时间段长度呈线性关系。随时间段长度的增加,储能系统的能量变化量分布逐渐更加离散,因此,满足一定补偿置信度的储能容量随时间段长度的增加而增大。
由于风电功率变化量随着时间尺度的增大其离散程度将逐渐趋于饱和,其方差与时间段长度的关系应存在饱和点,即分散程度的拐点,若时间段长度大于该拐点,则方差将无明显变化。
步骤4、对步骤2得到的以储能补偿功率实时计算时间间隔Δt或较小时间间隔的概率密度数据进行正态分布拟合,基于维纳随机过程确定储能系统功率配置;
所述步骤4的具体方法为:储能补偿功率实时计算时间间隔Δt或较小时间间隔(如12s)的概率密度数据进行正态分布拟合,得到拟合曲线的均值和方差参数,根据均值和方差参数,考虑储能系统功率成本,选择置信区间,即功率满足率,确定储能系统功率配置。
步骤5、对步骤2得到的各时间间隔功率变化值的概率密度数据进行正态分布拟合,基于维纳随机过程确定储能系统能量配置;
所述步骤5的具体步骤包括:
(1)对步骤2得到的各时间间隔功率变化值的概率密度数据进行正态分布拟合,得到各拟合曲线的均值和方差参数,并绘制各正态分布方差随时间间隔变化关系曲线。
理论上,方差参数和时间间隔应呈线性关系,但较长时间间隔时的功率变化量受风机装机容量的限制,即某时间间隔的功率变化量不可能大于风机装机容量的绝对值,因此,上述关系曲线将存在饱和点,时间间隔超过饱和点后,方差参数随时间间隔变化将趋于缓慢,若继续增加时间间隔,由于需保证功率变化值之间的独立性,会导致测风点历史风俗或风机输出功率数据的时间尺度大幅增加,且所得到的方差参数相对于饱和点没有显著变化。如果不增加测风点历史风俗或风机输出功率数据的时间尺度,则会使功率变化值样本数量下降,影响统计准确性。可见,采用饱和点所对应的均值和方差参数较为合理。
(2)考虑储能系统能量成本,选择置信区间,即能量满足率,得到满足一定置信区间的功率变化值。同时,根据规程规范对风机(或风电场)在一定时间内输出功率波动限值的要求以及所接入系统对风机(或风电场)波动频率的要求,确定一阶滤波环节时间常数T,结合所选取的在一定能量满足率时的功率变化值,由式(10),确定储能系统的能量配置。
本发明的创新点在于:
1、本发明给出了不同时间间隔内储能系统功率变化量与该时间间隔风电功率变化量之间的关系。
2、本发明引入维纳随机过程,研究不同时间尺度风电功率变化量的概率分布,确定了不同时间尺度风电功率变化量分布的均值和方差随时间间隔变化的趋势。
3、本发明提出了满足一定置信区间的储能功率容量和能量容量的配置方法,统一了储能功率和能量的选择过程。
下面通过具体算例,验证本发明的可靠性:
采用国内某风电场额定功率2MW的单台风机2019年3月1日~2019年3月31日的全月有功功率数据。数据采样间隔为12s,全月共223,200个采样点(每日7200个采样点),该风机日有功功率波动范围较大,覆盖区间从0.017~1.868MW,且min级甚至s级的风电功率波动也较为显著,此外,每日的风电功率波动并无明显的规律性。
选择12s、60s、5min、10min、15min、20min、25min、30min、40min、45min、1h、1.5h、2h为时间间隔统计风电功率变化值数据,同时使每个时间间隔的数据在时间段上没有重叠,以保证数据之间的独立性。统计各时间间隔数据的分布律,并进行正态分布拟合,拟合结果如图2(a)-图2(e)所示(本发明仅示出12s、60s、15min、1h、2h时间间隔的拟合结果)。
由图2可知,对于不同时间间隔的功率变化数据,正态分布拟合曲线的均值基本位于0附近,但随着时间间隔的增大,正态分布拟合曲线的方差也逐渐增大,即在该时间间隔内,出现较大功率变化量的概率较大。此外,时间间隔增大将导致数据量减小,如图2(c)、(d)所示,虽然整体趋势仍为正态分布,但在局部功率变化量的统计频率出现了较大波动,因此,过少的采样点数或过大的时间间隔将导致拟合精度下降,风机输出功率数据或测风点历史风速的时间尺度越大、采样点数越多,拟合的效果越好。
各时间间所对应的正态分布拟合曲线均值参数和方差参数随时间变化曲线如图3所示。
采用线性拟合得到均值随时间间隔变化曲线,如图3(a)所示。拟合结果为贴近于横轴(时间间隔),斜率为0的一条直线,即各时间间隔的功率变化量均值趋于0。当时间间隔较大时,如1.5h、2h处,由于数据量的减小,导致数据点偏离拟合曲线,偏离量小于25kW,不影响整体的趋势。
采用三次多项式拟合方差随时间间隔变化曲线,如图3(b)所示。在时间间隔12s~1h范围内,方差随时间间隔变化呈线性关系,可以认为时间间隔趋于0时,功率变化量数据高度集中于均值0附近,此时方差为0,因此,方差和时间间隔成正比关系,与前文的理论分析一致。当时间间隔大于1h后,开始出现饱和现象,曲线的斜率随着时间间隔的增大而逐渐减小,可认为图3(b)中2h处为方差饱和点。考虑到储能系统应在较长时间范围内满足平抑需求,因此,取时间间隔2h所对应的正态分布拟合曲线(图2(d))为储能能量计算曲线。
图2(a)所对应的曲线为储能功率计算曲线。
本发明的工作原理为:
通常情况下,储能需在较大时间尺度内满足平抑波动的要求。如前文所述,不同时间段内所需储能系统补偿的能量服从维纳分布,即至时刻t所需储能系统提供的能量服从均值为0,方差为σ2t的正态分布。因此,本发明提出基于维纳过程的用于风电功率波动平抑的储能容量配置方法,具体步骤为:首先,由一段时期内(较长时间尺度)的风电功率数据计算时间间隔为某一选定值的风电功率差,时间间隔之间不应有重叠部分,以保证功率变化量的独立性;然后,针对功率差数据进行频率统计,依据频率统计结果进行正态分布拟合,得到均值参数和方差参数;其次,针对选定的其他时间间隔重复上一步骤,同样应保证时间间隔之间不应有重叠部分,得到不同时间间隔的正态分布参数;再次,对不同时间间隔的正态分布方差参数进行多项式拟合,根据拟合结果,找到分散程度的拐点,确定最佳的时间间隔;最后,将对应最佳时间间隔的功率差正态分布转化为标准正态分布,设定补偿概率(置信区间),得到满足一定置信概率的截止功率差,结合选定的滤波时间常数,根据式(10),即可得到所需储能系统提供的能量ELB(t)。
需要强调的是,本发明所述实施例是说明性的,而不是限定性的,因此本发明包括并不限于具体实施方式中所述实施例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,同样属于本发明保护的范围。
Claims (4)
1.一种基于维纳随机过程的风电场储能系统配置方法,其特征在于:包括以下步骤:
步骤1、采用长时间尺度在所规划区域测风点历史风速,并通过风机轮毂处风速和风机功率风速关系模型,计算风电场输出功率;
步骤2、根据步骤1得出的风电场输出功率计算储能系统的能量变化量存在最大值,并根据不同规划区域的风电功率波动特性不同,针对所规划区域内的风机,以不同时间间隔统计功率变化值的概率密度数据;
步骤3、分析步骤2的计算储能系统的能量变化量的计算结果,当滤波时间常数T为定值,则认为一段时间段内储能系统的能量变化量与T的比值所形成的过程为维纳过程,并在储能系统的能量变化量的计算过程中,引入维纳随机过程;
步骤4、对步骤2得到的以储能补偿功率实时计算时间间隔Δt或较小时间间隔的概率密度数据进行正态分布拟合,基于维纳随机过程确定储能系统功率配置;
步骤5、对步骤2得到的各时间间隔功率变化值的概率密度数据进行正态分布拟合,基于维纳随机过程确定储能系统能量配置;
所述步骤2的根据步骤1得出的风电场输出功率计算储能系统的能量变化量存在最大值的具体步骤包括:
(1)采用一阶巴特沃思滤波环节对原始风电输出功率PWind(t)进行滤波,得到其高频波动分量作为锂电池储能功率PLB(t),原始风电数据功率经高频滤波后的剩余功率部分作为并网功率PGrid(t);对于锂电池储能系统,若规定功率大于零表示充电、小于零表示放电,则原始风电输出功率、锂电池储能功率指令、并网功率间有如下关系:
PLB+PWind=PGrid (1)
式中:PLB为锂电池储能输出功率;PWind为原始风电输出功率;PGrid为并网功率;s为复变量,T为滤波时间常数;
(2)将式(2)、式(3)转化为时域形式,并进行后向差分,假定Δt为计算步长,令t′=t-Δt,得到:
若计算起点为t1=0,计算终点为t2,在区间t∈[t1,t2]内将时间n等分,计算步长为Δt,令t′2=t2-Δt,同时假定Δt内储能系统功率PLB(t)、原始风电输出功率PWind(t)为恒定值,则有
考虑到ΔtPLB(t)在[t1,t2]内的累加即为该时间段内储能系统所需提供的能量,因此,将式(6)中的各项乘以Δt后相加,得到
由于Δt很小,可认为在时间段Δt内所需储能能量趋于0,即认为t1时刻所需能量ΔtPLB(0)与t2时刻所需能量ΔtPLB(nΔt)均趋于0,则有下式
将式(8)代入式(7),得到
由于ΔtPLB(t)在[t1,t2]内的累加即为储能系统该时间段内的能量变化量,则在t2时刻,储能系统的能量变化量ELB(t2)为
(3)储能系统的能量变化量ELB(t2)与滤波时间常数T和时间段首末时刻的风电功率变化量分布有关,滤波时间常数T越大,储能系统能量变化量的可能取值越大,且与滤波时间常数T成正比;同时可知,当滤波时间常数T一定时,在一定时间间隔内,储能系统的能量变化量存在最大值为
所述步骤3的具体方法为:
由式(10),为便于计算,令T=1s,则
ELB(t)=PWind(t)-PWind(0) (12)
式中:ELB(t)为滤波时间常数T=1s时在时刻t储能系统的能量变化量;
则随机过程{ELB(t),t≥0}为维纳过程,且ELB(0)=0,得到
ELB(t)~N(0,σ2t) (13)
由式(13)可知,至时刻t储能系统的能量变化量服从均值为0,方差为σ2t的正态分布,且方差与时间段长度呈线性关系。
2.根据权利要求1所述的一种基于维纳随机过程的风电场储能系统配置方法,其特征在于:所述步骤2的根据不同规划区域的风电功率波动特性不同,针对所规划区域内的风机,以不同时间间隔统计功率变化值的概率密度数据的具体方法为:取时间间隔12s、60s、5min、10min、15min、20min、25min、30min、40min、45min、1h、1.5h、2h统计功率变化值的概率密度数据,各时间间隔的功率变化值应采用在时间间隔上没有重叠的数据,以使同一时间间隔的功率变化值之间相互独立。
3.根据权利要求1所述的一种基于维纳随机过程的风电场储能系统配置方法,其特征在于:所述步骤4的具体方法为:储能补偿功率实时计算时间间隔Δt或较小时间间隔的概率密度数据进行正态分布拟合,得到拟合曲线的均值和方差参数,根据均值和方差参数,考虑储能系统功率成本,选择置信区间,确定储能系统功率配置。
4.根据权利要求1所述的一种基于维纳随机过程的风电场储能系统配置方法,其特征在于:所述步骤5的具体步骤包括:
(1)对步骤2得到的各时间间隔功率变化值的概率密度数据进行正态分布拟合,得到各拟合曲线的均值和方差参数,并绘制各正态分布方差随时间间隔变化关系曲线;
(2)考虑储能系统能量成本,选择置信区间,得到满足一定置信区间的功率变化值;同时,根据规程规范对风机在一定时间内输出功率波动限值的要求以及所接入系统对风机波动频率的要求,确定一阶滤波环节时间常数T,结合所选取的在一定能量满足率时的功率变化值,由式(10),确定储能系统的能量配置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911380381.XA CN111064190B (zh) | 2019-12-27 | 2019-12-27 | 一种基于维纳随机过程的风电场储能系统配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911380381.XA CN111064190B (zh) | 2019-12-27 | 2019-12-27 | 一种基于维纳随机过程的风电场储能系统配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111064190A CN111064190A (zh) | 2020-04-24 |
CN111064190B true CN111064190B (zh) | 2021-07-09 |
Family
ID=70304243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911380381.XA Active CN111064190B (zh) | 2019-12-27 | 2019-12-27 | 一种基于维纳随机过程的风电场储能系统配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111064190B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112383074B (zh) * | 2020-10-28 | 2022-06-24 | 国网四川省电力公司经济技术研究院 | 一种能量型与功率型混合储能系统及储能方法 |
CN112398151B (zh) * | 2020-11-30 | 2022-11-08 | 广东电网有限责任公司电力调度控制中心 | 海上风电储能配置方法、装置、电子设备及存储介质 |
CN117175587B (zh) * | 2023-11-03 | 2024-03-15 | 国网山东省电力公司东营供电公司 | 考虑柔性负荷的配电网调度优化方法、系统、终端及介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108429288A (zh) * | 2018-04-12 | 2018-08-21 | 荆州市荆力工程设计咨询有限责任公司 | 一种考虑需求响应的离网型微电网储能优化配置方法 |
CN108736513A (zh) * | 2018-05-04 | 2018-11-02 | 国网青海省电力公司 | 考虑秒级风速相关性的年度的风电场频率风险评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8849308B2 (en) * | 2012-11-21 | 2014-09-30 | Apple Inc. | Tiling of map data |
-
2019
- 2019-12-27 CN CN201911380381.XA patent/CN111064190B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108429288A (zh) * | 2018-04-12 | 2018-08-21 | 荆州市荆力工程设计咨询有限责任公司 | 一种考虑需求响应的离网型微电网储能优化配置方法 |
CN108736513A (zh) * | 2018-05-04 | 2018-11-02 | 国网青海省电力公司 | 考虑秒级风速相关性的年度的风电场频率风险评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111064190A (zh) | 2020-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111064190B (zh) | 一种基于维纳随机过程的风电场储能系统配置方法 | |
Olauson et al. | Modelling the Swedish wind power production using MERRA reanalysis data | |
AU2009265720B2 (en) | A method of controlling a wind power plant | |
CN109638879A (zh) | 基于性能指标评估的一次调频动态补偿调整系统及方法 | |
CN107658910A (zh) | 一种基于dfig与同步发电机的电力系统二次调频方法 | |
CN114037191A (zh) | 基于大数据的虚拟电厂优化调度方法、装置、设备及介质 | |
CN116707035B (zh) | 一种依赖低风速动态规划的有功功率控制方法 | |
CN112736973A (zh) | 平抑风电、光伏电站出力波动的电池储能容量配置方法及系统 | |
CN107346889B (zh) | 考虑一二次调频及最小频率偏差的负荷削减优化模型构建方法 | |
CN107800148A (zh) | 一种基于调峰效果的负荷侧储能优化配置方法 | |
CN106684931B (zh) | 一种新能源发电场有功控制方法及控制系统 | |
CN106505622B (zh) | 一种基于移动比率的风电功率波动特性概率建模方法 | |
CN110429645B (zh) | 一种光伏电站有功功率变化率控制方法、系统及存储介质 | |
CN110457800B (zh) | 考虑机械惯性的水平轴风机风速出力折算方法 | |
CN111130122A (zh) | 一种风电场无功控制能力在线监测方法 | |
CN116667446A (zh) | 风电、抽水蓄能系统的容量配置方法、装置、设备及介质 | |
CN116014811A (zh) | 一种条件系统风险下的含风电电力系统鲁棒优化调度方法 | |
CN114301101B (zh) | 一种风光储电站虚拟惯量与一次调频系数的评估方法 | |
CN112803403B (zh) | 基于时频特征的海上风电集群效应多层级评估方法 | |
CN105429158B (zh) | 一种多时间尺度约束下平抑功率波动的简化约束方法 | |
CN114243781A (zh) | 基于仿射区间潮流的区域电网新能源消纳水平分析方法 | |
CN114282757A (zh) | 考虑弃风限负荷手段的新型电力系统运行灵活性评估方法 | |
CN113629745B (zh) | 一种新能源场站计划外功率辅助控制用储能容量规划方法 | |
CN106251238B (zh) | 风电场建模序列离散化步长的选取及模型误差分析方法 | |
CN113472011B (zh) | 一种满足果树灌溉需求的风光蓄微电网运行方法及系统 |
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 |