CN111106627A - 考虑压缩空气储能的风力发电系统鲁棒优化调度方法 - Google Patents

考虑压缩空气储能的风力发电系统鲁棒优化调度方法 Download PDF

Info

Publication number
CN111106627A
CN111106627A CN201911332192.5A CN201911332192A CN111106627A CN 111106627 A CN111106627 A CN 111106627A CN 201911332192 A CN201911332192 A CN 201911332192A CN 111106627 A CN111106627 A CN 111106627A
Authority
CN
China
Prior art keywords
wind power
air
power
heat
output
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.)
Pending
Application number
CN201911332192.5A
Other languages
English (en)
Inventor
吴晨曦
张�杰
何章露
张新延
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN201911332192.5A priority Critical patent/CN111106627A/zh
Publication of CN111106627A publication Critical patent/CN111106627A/zh
Pending legal-status Critical Current

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)
  • Wind Motors (AREA)

Abstract

本发明公开了一种考虑压缩空气储能的风力发电系统鲁棒优化调度方法，包括：步骤一：建立先进绝热压缩空气储能AA‑CAES电站热力学模型。步骤二：根据已知的风电场每小时的期望出力，计算得到风电出力预测区间。并得到风电出力不确定集。步骤三：以系统综合运行成本最小为调度目标，并采用步骤二中的工程博弈模型建模。通过优化方法得到能够对不确定集内的任何元素都保证约束可行，且能够兼顾安全性和经济性的风电调度出力最优解。本发明利用AA‑CAES电站的优越性能来促进风电消纳，平衡风电出力不确定性，采用工程博弈模型建模，利用鲁棒优化调度求得最佳风电调度出力，能够在满足安全性的前提下最大化经济性。

Description

考虑压缩空气储能的风力发电系统鲁棒优化调度方法
技术领域
本发明设计电力系统运行领域，涉及一种考虑压缩空气储能平衡风电出力不确定性的风力发电系统鲁棒优化调度方法。
技术背景
化石能源日益枯竭和环境污染问题是世界范围内都面临的共同难题，可再生能源发电大规模接入电力系统是解决上述问题最有效的途径之一，而风电因其丰富的风力资源和相对成熟的技术，在新能源电力发展中最为迅猛[1-2]。然而风电出力的不确定性，例如随机波动性、反调峰性、低可预测性等特点给其并网之后的运行调度、系统规划等带来了巨大的挑战[3]。目前，风电发展的主要矛盾仍旧是弃风限电现象，据统计，2016年，西北五省平均弃风33.34％，全国弃风达到497亿千瓦时[4-5]。因此，平滑风电出力波动性、提高风电消纳量，是实现节能减排目标的重要举措之一。
大规模清洁物理储能系统的接入是解决上述问题的主要措施之一，是实现风电大规模发展和运用，提高电力系统运行经济性和安全性的关键[6]。目前，越来越多的国家加大了对大规模储能技术的研究和建设力度，到2020年，我国的储能装机容量预计达到53GW，相比2015年增长近30GW，预计到2050年，欧美、中国等市场储能容量需求达450GW[7-8]。目前，已商业化运行的大规模储能技术主要包括抽水蓄能和压缩空气储能(compressed airenergy storage,CAES)，前者占全球储能总量的近99％，但其发展由于建址条件及潜在的生态环境等因素已趋于平缓，而CAES具有容量大、寿命长、响应速度快等优点，被认为是最具发展潜力的储能技术之一，受到越来越广泛的关注[8-9]。但传统的CAES电站具有依赖化石燃料和系统效率较低两大缺点，为此学者们提出了先进绝热压缩空气储能(advancedadiabatic compressed air energy storage,AA-CAES)的概念[10]。AA-CAES是一种通过回收再利用空气压缩热能，摒弃常规CAES技术燃料补燃环节的清洁储能技术，具有效率高、成本低等特点，是目前CAES技术领域的主流研究方向之一[11-12]。目前，德国计划兴建全球第一座大规模AA-CAES电站；在我国，也有多项示范工程先后推进，如2014年建成的1.5MW先进CAES集成实验系统和同年建成的500kW AA-CAES实验系统，以及2017年立项的江苏金坛盐穴压缩空气储能发电系统国家示范项目并计划下一步建设目标为100MW压缩空气储能电站[10,13,14]。
目前，已有较多文献对CAES电站参与系统调度、促进风电消纳进行研究。但关于AA-CAES电站涉及却并不多见，具体处理风电出力不确定性的相关研究也较少。
参考文献
[1]薛小代，梅生伟，林其有，等.面向能源互联网的非补然压缩空气储能及应用前景初探[J].电网技术，2016，40(1)：164-171.
[2]梅生伟，郭文涛，王莹莹，等.一类电力系统鲁棒优化问题的博弈模型及应用实例[J].中国电机工程学报，2013，33(19)：47-56.
[3]张丽英，叶廷路，辛耀中，等.大规模风电接入电网的相关问题和措施[J].中国电机工程学报，2010，30(25)：1—9.
[4]国家能源局西北监管局.2016年西北区域新能源并网运行情况通报[EB/OL].西安：国家能源局西北监管局，(2017-01-18)[2017-11-01].http://xbj.nea.gov.cn/website/Aastatic/news-176162.html.
[5]税月，刘俊勇，高红均，等.考虑风电不确定性的电热综合系统分布鲁棒协调优化调度模型[J].中国电机工程学报，2018，38(24)：7235-7247.
[6]胡娟，杨水丽，侯朝勇，等.规模化储能技术典型示范应用的现状分析与启示[J].电网技术，2015，39(4)：879-885.
[7]International Energy Agency.Energy technology perspective 2104：Harnessing electricity’s potential[R].Paris：International Energy Agency，2014.
[8]薛小代，陈晓弢，梅生伟，等.采用熔融盐蓄热的非补燃压缩空气储能发电系统性能[J].电工技术学报，2016，31(14)：11-20.
[9]刘畅，徐玉杰，胡珊，等.压缩空气储能电站技术经济性分析[J].储能科学与技术，2015，4(2)：158-168.
[10]Luo X，Wang J，Krupke C，et al.Modelling study，efficiency analysisand optimisation of large-scale Adiabatic Compressed Air Energy Storagesystems with low-temperature thermal storage[J].Applied Energy，2016，162：589-600.
[11]Jubeh N M，Najjar Y S H.Green solution for power generation byadoption of adiabatic CAES system[J].Applied Thermal Engineering，2012，44：85-89.
[12]Jakiel C，Zunft S，Nowi A.Adiabatic compressed air energy storageplants for efficient peak load power supply from wind energy：The Europeanproject AA-CAES[J].International Journal of Energy Technology and Policy，2007，5(3)：296-306.
[13]李姚旺,苗世洪,尹斌鑫,等.考虑先进绝热压缩空气储能电站备用特性的电力系统优化调度策略[J].中国电机工程学报,2018,38(18).
[14]梅生伟，公茂琼，秦国良，等.基于盐穴储气的先进绝热压缩空气储能技术及应用前景[J].电网技术，2017，41(10)：3392-3399.
发明内容
本发明所要解决的问题是考虑风电出力不确定性、AA-CAES热力学约束的前提下，提出一种考虑压缩空气储能的风力发电系统鲁棒优化调度方法；本发明构建了一种含AA-CAES电站的风电电力系统鲁棒调度模型。首先，考虑AA-CAES电站运行特性以及风电出力不确定性，建立AA-CAES电站和风电系统发电模型，并用蒙特卡洛法对风电预测功率进行仿真，并得到不确定集。其次，采用鲁棒优化处理风电处理不确定性，提出含AA-CAES电站的风电电力系统鲁棒调度模型。最后，通过算例分析验证了模型的经济性和鲁棒性以及对风电消纳的促进作用。
本发明具体包括如下步骤：
步骤一：建立先进绝热压缩空气储能AA-CAES电站热力学模型。
Figure BDA0002329937720000031
式(1)表示AA-CAES电站压缩功率和空气流量的关系。其中，PCAESC,t为t时刻的压缩功率；κ为绝热指数；
Figure BDA0002329937720000038
为t时刻进入压缩机的流量；Rg为空气的气体常数；nc为压缩机级数；ηc为压缩机的效率；Tc,k,in和Tc,nc,in分别为进入第k级和末级压缩机的空气温度；βc,k和βc,nc分别为第k级和末级压缩机的压缩比。
Figure BDA0002329937720000032
式(2)表示第k级压缩机出口空气温度和入口空气温度的关系。其中，Tc,k,out为第k级压缩机的出口温度。
Figure BDA0002329937720000033
式(4)表示AA-CAES电站发电功率和空气流量的关系。其中，PCAESG,t为t时刻发电功率；ηg为发电过程效率；
Figure BDA0002329937720000039
为t时刻进入膨胀机的流量；Tg,j,in为第j级膨胀机的进口温度；ng为膨胀机级数；βg,j为第j级膨胀机的膨胀比。
Figure BDA0002329937720000034
式(5)表示第j级膨胀机的入口空气温度和出口空气温度之间的关系。其中，Tg,j,out为第j级膨胀机的出口空气温度。
Figure BDA0002329937720000035
Figure BDA0002329937720000036
式(7)和式(8)分别表示AA-CEAS电站储气室气压变化率以及t时刻的储气室气压。其中，
Figure BDA00023299377200000310
为储气室在t时刻的气压变化率；Tst,in，Twall和Tst,t分别表示储气室进气口气温以及储气室的室壁温度和室内气温；
Figure BDA00023299377200000311
和
Figure BDA00023299377200000312
分别表示由自然对流和强制对流引起的传热系数；Vst为储气室体积；pst,t和pst,0分别t时刻的储气室气压以及上一次调度结束后的储气室气压；Δt表示单位调度时长。
Figure BDA0002329937720000037
Figure BDA0002329937720000041
式(9)和式(10)分别表示每级压缩机的入口温度和每级膨胀机的入口温度。其中ε为换热器能效系数；Tenv为环境温度；Tcold和Thot分别为冷载热介质温度和热载热介质温度。
Figure BDA0002329937720000042
Figure BDA0002329937720000043
式(11)和式(12)分别表示换热器的吸热和放热功率。其中，PQc,t和PQg,t分别表示换热器的吸热功率和放热功率；cp,air为空气的定压比热容。
QH,t＝QH,t-1+PQc,τΔt-PQg,τΔt (11)
式(13)表示储热器在t时刻的储热量。其中，QH,t和QH,t-1分别为t时刻储热器的热量以及上一次调度结束后储热器存储的热量。
PCAESC,minvC,t≤PCAESC,t≤PCAESC,maxvC,t (12)
PCAESG,minνG,t≤PCAESG,t≤PCAESG,maxνG,t (13)
pst,min≤pst,t≤pst,max (14)
0≤QH,t≤QH,max (15)
式(14)～式(17)为AA-CAES电站充放电功率约束限制，储气室以及储热器约束。其中，PCAESC,min和PCAESC,min分别为压缩功率的上限和下限；vC,t为表示压缩工况的二进制变量。PCAESG,min和PCAESG,min分别为发电功率的上限和下限；vG,t为表示发电工况的二进制变量；pst,max和pst,min分别为储气室气压的上下限；QH,max为储热器储热量的上限值。
vC,t+vG,t≤1 (16)
步骤二：根据已知的风电场每小时的期望出力，计算得到风电出力预测区间。并得到风电出力不确定集。
Figure BDA0002329937720000044
式(19)为风电出力基数不确定集。其中，Pwind,e,t为t时刻的风电实际出力，
Figure BDA0002329937720000045
为t时刻的风电预测出力；
Figure BDA0002329937720000046
为t时段风电出力距离预测值的最大偏移量；Γ为t时刻的不确定参数。
Figure BDA0002329937720000051
式(20)为工程博弈模型。u表示人工决策，这里指代风电调度处理和机组出力；w表示大自然决策，这里为风电实际出力。
步骤三：以系统综合运行成本最小为调度目标，并采用步骤二中的工程博弈模型建模。通过优化方法得到能够对不确定集内的任何元素都保证约束可行，且能够兼顾安全性和经济性的风电调度出力最优解。并将所提方法在改进的IEEE30节点系统中进行验证。
本发明相对于现有技术具有效果：充分利用AA-CAES电站优越的性能平衡风电出力不确定性、促进风电消纳；根据工程博弈模型建模并利用鲁棒优化得到能够在不确定性环境下兼顾安全性和经济性的风电调度出力最优解。
附图说明
图1典型两级压缩两级膨胀AA-CAES电站结构图
图2风电出力预测区间
图3改进的IEEE30节电系统图
具体实施方式
本发明一种考虑压缩空气储能的风力发电系统鲁棒优化调度方法，该方法具体如下：
步骤一：建立先进绝热压缩空气储能AA-CAES电站热力学模型，该电站模型结构图如图1所示。
Figure BDA0002329937720000052
式(1)表示AA-CAES电站压缩功率和空气流量的关系。其中，PCAESC,t为t时刻的压缩功率；κ为绝热指数；
Figure BDA0002329937720000055
为t时刻进入压缩机的流量；Rg为空气的气体常数；nc为压缩机级数；ηc为压缩机的效率；Tc,k,in和Tc,nc,in分别为进入第k和末级压缩机的空气温度；βc,k和βc,nc分别为第k级和末级压缩机的压缩比。
Figure BDA0002329937720000053
式(2)表示第k级压缩机出口空气温度和入口空气温度的关系。其中，Tc,k,out为第k级压缩机的出口温度。
Figure BDA0002329937720000054
式(4)表示AA-CAES电站发电功率和空气流量的关系。其中，PCAESG,t为t时刻发电功率；ηg为发电过程效率；
Figure BDA00023299377200000610
为t时刻进入膨胀机的流量；Tg,j,in为第j级膨胀机的进口温度；ng为膨胀机级数；βg,j为第j级膨胀机的膨胀比。
Figure BDA0002329937720000061
式(5)表示第j级膨胀机的入口空气温度和出口空气温度之间的关系。其中，Tg,j,out为第j级膨胀机的出口空气温度。
Figure BDA0002329937720000062
Figure BDA0002329937720000063
式(7)和式(8)分别表示AA-CEAS电站储气室气压变化率以及t时刻的储气室气压。其中，
Figure BDA00023299377200000611
为储气室在t时刻的气压变化率；Tst,in，Twall和Tst,t分别表示储气室进气口气温以及储气室的室壁温度和室内气温；
Figure BDA0002329937720000064
和
Figure BDA0002329937720000065
分别表示由自然对流和强制对流引起的传热系数；Vst为储气室体积；pst,t和pst,0分别t时刻的储气室气压以及上一次调度结束后的储气室气压；Δt表示单位调度时长。
Figure BDA0002329937720000066
Figure BDA0002329937720000067
式(9)和式(10)分别表示每级压缩机的入口温度和每级膨胀机的入口温度。其中ε为换热器能效系数；Tenv为环境温度；Tcold和Thot分别为冷载热介质温度和热载热介质温度。
Figure BDA0002329937720000068
Figure BDA0002329937720000069
式(11)和式(12)分别表示换热器的吸热和放热功率。其中，PQc,t和PQg,t分别表示换热器的吸热功率和放热功率；cp,air为空气的定压比热容。
QH,t＝QH,t-1+PQc,τΔt-PQg,τΔt (11)
式(13)表示储热器在t时刻的储热量。其中，QH,t和QH,t-1分别为t时刻储热器的热量以及上一次调度结束后储热器存储的热量。
PCAESC,minvC,t≤PCAESC,t≤PCAESC,maxvC,t (12)
PCAESG,minνG,t≤PCAESG,t≤PCAESG,maxνG,t (13)
pst,min≤pst,t≤pst,max (14)
0≤QH,t≤QH,max (15)
式(14)～式(17)为AA-CAES电站充放电功率约束限制，储气室以及储热器约束。其中，PCAESC,min和PCAESC,min分别为压缩功率的上限和下限；vC,t为表示压缩工况的二进制变量。PCAESG,min和PCAESG,min分别为发电功率的上限和下限；vG,t为表示发电工况的二进制变量；pst,max和pst,min分别为储气室气压的上下限；QH,max为储热器储热量的上限值。
vC,t+vG,t≤1 (16)
步骤二：根据已知的风电场每小时的期望出力，计算得到风电出力预测区间，如图2所示。并得到风电出力不确定集。
Figure BDA0002329937720000071
式(19)为风电出力基数不确定集。其中，Pwind,e,t为t时刻的风电实际出力，
Figure BDA0002329937720000072
为t时刻的风电预测出力；
Figure BDA0002329937720000073
为t时段风电出力距离预测值的最大偏移量；Γ为t时刻的不确定参数。
Figure BDA0002329937720000074
式(20)为工程博弈模型。u表示人工决策，这里指代风电调度出力和常规机组机组出力；w表示大自然决策，这里为风电实际出力。
在本发明中，利用AA-CAES电站来促进风电消纳。当风电调度值(人工决策)大于风电实际出力值式，需要电站进行发电；反之，则需要电站进行储能。此外，引入风功率估计偏差费用，如下所示：
Figure BDA0002329937720000075
式(21)为高估和低估可用风功率带来的备用费用和弃风费用，其中，Co,w和Cu,w分别为低估和高估风功率的费用系数；
Figure BDA0002329937720000076
为大自然风电实际出力。
步骤三：以系统综合运行成本最小为调度目标，并采用步骤二中的工程博弈模型建模。在MATLAB通过Yalmip平台调用Gurobi求解器求解得到能够对不确定集内的任何元素都保证约束可行，且能够兼顾安全性和经济性的风电调度出力最优解。并将所提方法在改进的IEEE30节点系统中进行验证。IEEE30节点系统如图3所示，图中1-30表示节点，其中在15节点接入风电场和AA-CAES电站。
本发明以中，以一个小时为单次调度时常。对于AA-CAES电站，该电站采用多级压缩(膨胀)，级间冷却(再热)模式，并将每一级压缩和膨胀都视为可逆绝热过程。压缩机和膨胀机级数为4，且假定压缩机的压缩比和膨胀机的膨胀比为额定。并有如下假设：
1)将空气视为理想气体，满足理想气体方程。
2)所有环节不考虑漏气且运行过程中不发生热量损失和压力损失。
3)每一次储能或释能过程中流量恒定，即单个调度时段内的压缩或膨胀功率保持恒定。
4)不考虑流体所发生的化学变，且储气室采用定容恒温模型。
5)不考虑压缩机或膨胀机的机械损失以及发电机的电机损耗。
为比较AA-CAES电站在促进风电消纳，平衡风电出力方面的作用，以及鲁棒优化调度方法对处理风电处理不确定性的有效性，本发明设置了下述3个场景进行仿真和对比分析：
1)不含AA-CAES电站的确定性风电出力优化调度；
2)考虑AA-CAES电站的确定性风电出力优化调度；
3)考虑AA-CAES电站的不确定性风电出力鲁棒优化调度；
通过仿真得出，AA-CEAS电站能够促进风电消纳，平衡风电出力不确定性；而鲁棒优化调度得到的最优风电调度出力虽然不是最经济性的，但是，它能够在不确定性的环境下兼顾安全性和经济性。

Claims (1)

1.考虑压缩空气储能的风力发电系统鲁棒优化调度方法，其特征在于，该方法的具体步骤是：
步骤一：建立先进绝热压缩空气储能AA-CAES电站热力学模型；
Figure FDA0002329937710000011
式(1)表示AA-CAES电站压缩功率和空气流量的关系；其中，PCAESC,t为t时刻的压缩功率；κ为绝热指数；
Figure FDA0002329937710000012
为t时刻进入压缩机的流量；Rg为空气的气体常数；nc为压缩机级数；ηc为压缩机的效率；Tc,k,in和
Figure FDA0002329937710000013
分别为进入第k级和末级压缩机的空气温度；βc,k和
Figure FDA0002329937710000014
分别为第k级和末级压缩机的压缩比；
Figure FDA0002329937710000015
式(2)表示第k级压缩机出口空气温度和入口空气温度的关系；其中，Tc,k,out为第k级压缩机的出口温度；
Figure FDA0002329937710000016
式(3)表示AA-CAES电站发电功率和空气流量的关系；其中，PCAESG,t为t时刻发电功率；ηg为发电过程效率；
Figure FDA0002329937710000017
为t时刻进入膨胀机的流量；Tg,j,in为第j级膨胀机的进口温度；ng为膨胀机级数；βg,j为第j级膨胀机的膨胀比；
Figure FDA0002329937710000018
式(4)表示第j级膨胀机的入口空气温度和出口空气温度之间的关系；其中，Tg,j,out为第j级膨胀机的出口空气温度；
Figure FDA0002329937710000019
Figure FDA00023299377100000110
式(5)和式(6)分别表示AA-CEAS电站储气室气压变化率以及t时刻的储气室气压；其中，
Figure FDA0002329937710000021
为储气室在t时刻的气压变化率；Tst,in，Twall和Tst,t分别表示储气室进气口气温以及储气室的室壁温度和室内气温；
Figure FDA0002329937710000022
和
Figure FDA0002329937710000023
分别表示由自然对流和强制对流引起的传热系数；Vst为储气室体积；pst,t和pst,0分别t时刻的储气室气压以及上一次调度结束后的储气室气压；Δt表示单位调度时长；
Figure FDA0002329937710000024
Figure FDA0002329937710000025
式(7)和式(8)分别表示每级压缩机的入口温度和每级膨胀机的入口温度；其中ε为换热器能效系数；Tenv为环境温度；Tcold和Thot分别为冷载热介质温度和热载热介质温度；
Figure FDA0002329937710000026
Figure FDA0002329937710000027
式(9)和式(110)分别表示换热器的吸热和放热功率；其中，PQc,t和PQg,t分别表示换热器的吸热功率和放热功率；cp,air为空气的定压比热容；
QH,t＝QH,t-1+PQc,τΔt-PQg,τΔt (11)
式(11)表示储热器在t时刻的储热量；其中，QH,t和QH,t-1分别为t时刻储热器的热量以及上一次调度结束后储热器存储的热量；
PCAESC,minvC,t≤PCAESC,t≤PCAESC,maxvC,t (12)
PCAESG,minνG,t≤PCAESG,t≤PCAESG,maxνG,t (13)
pst,min≤pst,t≤pst,max (14)
0≤QH,t≤QH,max (15)
式(12)～式(15)为AA-CAES电站充放电功率约束限制，储气室以及储热器约束；其中，PCAESC,min和PCAESC,min分别为压缩功率的上限和下限；vC,t为表示压缩工况的二进制变量；PCAESG,min和PCAESG,min分别为发电功率的上限和下限；vG,t为表示发电工况的二进制变量；pst,max和pst,min分别为储气室气压的上下限；QH,max为储热器储热量的上限值；
vC,t+vG,t≤1 (16)
步骤二：根据已知的风电场每小时的期望出力，计算得到风电出力预测区间；并得到风电出力不确定集Pwind,e；
Figure FDA0002329937710000031
式(19)为风电出力基数不确定集；其中，Pwind,e,t为t时刻的风电实际出力，
Figure FDA0002329937710000032
为t时刻的风电预测出力下限，
Figure FDA0002329937710000033
为t时刻的风电预测出力上限，
Figure FDA0002329937710000034
为t时刻的风电预测出力；
Figure FDA0002329937710000035
为t时段风电出力距离预测值的最大偏移量；Γ为t时刻的不确定参数，T表示总调度时长；
Figure FDA0002329937710000036
式(20)为工程博弈模型；u表示人工决策，这里指代风电调度处理和机组出力；w表示大自然决策，这里为风电实际出力；
步骤三：以系统综合运行成本最小为调度目标，并采用步骤二中的工程博弈模型建模；通过鲁棒优化方法得到能够对不确定集内的任何元素都保证约束可行，且能够兼顾安全性和经济性的风电调度出力最优解。
CN201911332192.5A 2019-12-21 2019-12-21 考虑压缩空气储能的风力发电系统鲁棒优化调度方法 Pending CN111106627A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911332192.5A CN111106627A (zh) 2019-12-21 2019-12-21 考虑压缩空气储能的风力发电系统鲁棒优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911332192.5A CN111106627A (zh) 2019-12-21 2019-12-21 考虑压缩空气储能的风力发电系统鲁棒优化调度方法

Publications (1)

Publication Number Publication Date
CN111106627A true CN111106627A (zh) 2020-05-05

Family

ID=70422256

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911332192.5A Pending CN111106627A (zh) 2019-12-21 2019-12-21 考虑压缩空气储能的风力发电系统鲁棒优化调度方法

Country Status (1)

Country Link
CN (1) CN111106627A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115313667A (zh) * 2022-07-28 2022-11-08 北京百度网讯科技有限公司 耦合蒸汽循环的储能系统及储能系统控制方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107742901A (zh) * 2017-11-14 2018-02-27 清华大学 考虑压缩空气储能的风电并网机组组合方法及装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107742901A (zh) * 2017-11-14 2018-02-27 清华大学 考虑压缩空气储能的风电并网机组组合方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
张远: "风电与先进绝热压缩空气储能技术的系统集成与仿真研究", 《中国博士学位论文全文数据库 工程科技II辑》 *
李姚旺等: "考虑先进绝热压缩空气储能电站备用特性的电力系统优化调度策略", 《中国电机工程学报》 *
梅生伟等: "一类电力系统鲁棒优化问题的博弈模型及应用实例", 《中国电机工程学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115313667A (zh) * 2022-07-28 2022-11-08 北京百度网讯科技有限公司 耦合蒸汽循环的储能系统及储能系统控制方法
CN115313667B (zh) * 2022-07-28 2023-04-25 北京百度网讯科技有限公司 耦合蒸汽循环的储能系统及储能系统控制方法

Similar Documents

Publication Publication Date Title
Wang et al. Multi-objective optimization of a gas turbine-based CCHP combined with solar and compressed air energy storage system
Yan et al. An integrated design for hybrid combined cooling, heating and power system with compressed air energy storage
Li et al. A hybrid optimization-based scheduling strategy for combined cooling, heating, and power system with thermal energy storage
CN111144668B (zh) 考虑场景模拟的综合能源系统随机优化模型的建立方法
He et al. A compressed air energy storage system with variable pressure ratio and its operation control
CN109919399B (zh) 一种综合能源系统日前经济调度方法及系统
Wang et al. Performance analysis of a combined heat and compressed air energy storage system with packed bed unit and electrical heater
Heidari et al. Physical design, techno-economic analysis and optimization of distributed compressed air energy storage for renewable energy integration
CN110084465B (zh) 基于储能的风力发电系统成本/供电可靠性评估方法
CN111030094B (zh) 一种多能互补园区供能可靠性评估方法
Yuan et al. Performance analysis of thermal energy storage in distributed energy system under different load profiles
CN110163415B (zh) 一种变工况特性下的多能流系统多目标模糊协同优化方法
CN106786509A (zh) 大规模风电并网下基于多场景模拟的热‑电联合调度方法
CN110555618A (zh) 基于改进樽海鞘算法的网络化综合能源系统优化调度方法
CN109523076A (zh) 一种储能参与下的综合能源系统日前稳态优化分析方法
CN114595868A (zh) 一种综合能源系统源网荷储协同规划方法及系统
WO2024109327A1 (zh) 一种基于多能互补的综合能源运行控制方法及系统
CN107404118A (zh) 基于随机响应面法的电气互联系统概率最优潮流计算方法
Guan et al. Optimal configuration and operation of multi-energy complementary distributed energy systems
CN110689199B (zh) 一种基于混合潮流模型的分布式协同调控方法
CN113011655B (zh) 一种基于两阶段随机规划的社区多能源系统的混合储能系统规划方法
Aruta et al. Optimization of a diabatic compressed air energy storage coupled with photovoltaics for buildings: CO2-eq emissions vs payback time
Liang et al. Development of green data center by configuring photovoltaic power generation and compressed air energy storage systems
CN111106627A (zh) 考虑压缩空气储能的风力发电系统鲁棒优化调度方法
Sedighnejad et al. Performance evaluation of a hybrid wind-diesel-compressed air energy storage system

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200505