CN111181197B - 一种多弃风区域风储容量配置方法 - Google Patents

Abstract

本发明公开了一种基于多目标优化技术的多弃风区域风储容量配置方法。该发明可解决风储系统规划时储能容量优化配置问题，以应对多弃风区域风电场预测考核及弃风的问题。所提方法依据多弃风区域风电场最大限度减少电站“弃风”原则，同时采用储能系统补偿风功率短期预测误差，满足减少电站罚款的要求，建立多弃风区域风电场蓄能系统的充放电数学描述模型；在此基础上，耦合储能系统调度策略，模拟风储系统运行，利用多目标优化模型对风储容量进行优化配置，应用实例风电场的风储仿真对该方法进行了分析评价。实验表明，该方法能实现有效的储能容量配置，到达优化预期。

Description

一种多弃风区域风储容量配置方法

技术领域

本发明涉及新能源发电的风电场和储能联合开发领域，特别是多弃风区域、多目标的风储容量配置方法。

背景技术

电力系统是一个复杂的动态系统，维持发电、输电、用电之间的功率平衡是电网的责任。电网调度机构根据日负荷曲线可以制定发电计划，满足次日电力的需求。风电场输出功率具有波动性和间歇性，风电的大规模接入导致发电计划制定难度大大增加，风电给电力系统的调度运行带来巨大挑战。对风电场配置一定容量的储能系统是缓解电力系统调峰、调频压力，提高风电接纳能力的有效手段之一。同时，风电场开发企业也可以利用储能系统进行充放电操作，提高系统整体发电量，尽可能减少因电网限电、风电机组检修无法发电带来的发电量损失。

本发明公开了一种基于多目标优化技术的多弃风区域风储容量配置方法。该方法建立了利用历史的功率时间序列和电网调度等数据的高效多目标优化模型，所提方法在我国多弃风区域，考虑风功率预测系统考核罚款、最小风储运行效益最大、弃风电量最小、投资经济性最好等多目标的条件下，通过多目标优化技术对风储联合运行模型进行模拟，获得更为可靠的风储容量配置方案。

发明内容

本发明是为了克服现有技术中的风电场输出功率具有波动性和间歇性，风电的大规模接入导致发电计划制定难度大大增加的技术问题，提供一种基于多目标优化技术的多弃风区域风储容量配置方法，建立了利用历史的功率时间序列和电网调度等数据的高效多目标优化模型，考虑风功率预测系统考核罚款、最小风储运行效益最大、弃风电量最小、投资经济性最好等多目标的条件下，通过多目标优化技术对风储联合运行模型进行模拟，获得更为可靠的风储容量配置方案。

为实现上述目的，本发明采用以下技术方案：

本发明的一种多弃风区域风储容量配置方法，所述方法包括以下步骤：

步骤1，依据多弃风区域风电场最大限度减少电站“弃风”原则，同时采用储能系统补偿风功率短期预测误差，建立多弃风区域风电场蓄能系统的充放电数学描述模型；

步骤2，耦合储能系统调度策略，利用多目标优化模型对风储容量进行优化配置。

作为优选，所述步骤1具体包括以下步骤：

步骤101，对于时段i，计算蓄电池理想变化电量Δx_i；

步骤102，计算i时段末，即i+1时段初，蓄电池理想容量C_i+1；

步骤103，判断总容量限制，计算蓄电池实际变化Δx_ai；

步骤104，计算弃风电量A_wi；

步骤105，计算风储系统上网电量P_si及与电网计划出力的相对误差e_i。

作为优选，所述步骤2具体包括以下步骤：

步骤201，随机初始化一个种群大小为p的父代种群，父代种群包含风电场容量和储能系统容量的全部信息；

步骤202，采用选择、交叉、变异算子产生子代种群，种群大小为p，将子代种群S_t与父代P_t合并组成R_t＝P_t∪S_t，种群大小为2p；

步骤203，按对风储系统调度目标有益程度，采用非支配排序法使R_t等分成不同的级别F_i，则最高级别的个体F₁是最好的，优先储存近新的父代种群P_t+1中，如果F₁的数量小于p，则填充下一级非支配集F₂，直到添加F_i时，种群的大小超出p，此时，需对F_i中的个体进行离散度排序，取排序靠前的个体直到P_t+1的个体数量达到p，最后，形成新的父代精英种群P_t+1；

步骤204，设定下一代样本数为2p，其中1/2随机生成的新样本。这样可以直接搜索已经进化的样本，并添加新的样本探索新空间，添加新样本的方案使种群变为两倍；

步骤205，循环步骤202至步骤204直到程序达到设定的目标函数评价次数或迭代次数为止；

步骤206，输出优化的解集及对应的风储调度过程。

作为优选，所述步骤1具体包括以下步骤：

获取时段i电网调度计划发电量Pg_i，风电场时段i实际出力Pw_i，储能系统蓄电池中容量C；时段i蓄电池理想变化Δx_i，充电时Δx_i为正，放电时为Δx_i为负，时段i起始时刻蓄电池容量C_i；蓄电池参数：充电效率η_in；放电效率η_out；放电深度C_d；蓄电池放电倍率最大值C_c；时间步长t_s；蓄电池放电功率最大值Pmax＝C_cC(1-C_d)；

步骤101中，对于时段i，计算蓄电池理想变化电量Δx_i的计算公式为：

步骤102中，计算i时段末，即i+1时段初，蓄电池理想容量C_i+1的计算公式为：

C_i+1＝C_i+Δx_i；

步骤103中，判断总容量限制，计算蓄电池实际变化Δx_ai的计算公式为：

Δx_ai＝C_i+1-C_i；

步骤104中，计算弃风电量A_wi的计算公式为：

步骤105中，计算风储系统上网电量P_si及与电网计划出力的相对误差e_i的计算公式为：

e_i＝|P_si-P_gi|。

本发明有益效果是：本发明针对多弃风区域风电场弃风多、预测考核力度大的特点，(1)建立考虑弃风和预测考核的风储系统调度策略，寻求系统运城内在规律，作为风储容量优化配置的基础，通过多目标分析，该方法排除了明显低质量的解集而更好的改善了优化结果。(2)实施多目标优化算法对风储容量进行优化，有效识别可行解集中风储规模与效益、投资的关系，为规划决策提供重要参考。(3)优化配置中，可考虑不同工况，实现风储调度策略与优化配置方法耦合，通过多目标优化计算，获取满决策要求的配置结果，发挥储能系统消息。

附图说明

图1是本发明可行解对应的优化变量间的关系图；

图2是本发明可行解各优化目标的取值分布图；

图3是本发可行解对应四个优化目标的散点图；

图4是本发储能系统典型调度过程分析。

具体实施方式

下面结合附图和具体实施方式对本发明做进一步描述。

本发明的一种多弃风区域风储容量配置方法，所述方法包括以下步骤：

步骤1，依据多弃风区域风电场最大限度减少电站“弃风”原则，同时采用储能系统补偿风功率短期预测误差，满足减少电站罚款的要求，建立多弃风区域风电场蓄能系统的充放电数学描述模型；

具体的所述步骤1包括以下步骤：

获取时段i电网调度计划发电量Pg_i，风电场时段i实际出力Pw_i，储能系统蓄电池中容量C；时段i蓄电池理想变化Δx_i，充电时Δx_i为正，放电时为Δx_i为负，时段i起始时刻蓄电池容量C_i；蓄电池参数：充电效率η_in；放电效率η_out；放电深度C_d；蓄电池放电倍率最大值C_c；时间步长t_s；蓄电池放电功率最大值Pmax＝C_cC(1-C_d)；

步骤101，对于时段i，计算蓄电池理想变化电量Δx_i的计算公式为：

步骤102，计算i时段末，即i+1时段初，蓄电池理想容量C_i+1的计算公式为：

C_i+1＝C_i+Δx_i；

步骤103，判断总容量限制，计算蓄电池实际变化Δx_ai的计算公式为：

Δx_ai＝C_i+1-C_i；

步骤104，计算弃风电量A_wi的计算公式为：

步骤105，计算风储系统上网电量P_si及与电网计划出力的相对误差e_i的计算公式为：

步骤2，耦合储能系统调度策略，利用多目标优化模型对风储容量进行优化配置。

具体的，所述步骤2具体包括以下步骤：

步骤201，随机初始化一个种群大小为p的父代种群，父代种群包含风电场容量和储能系统容量的全部信息；

步骤202，采用选择、交叉、变异算子产生子代种群，种群大小为p，将子代种群S_t与父代P_t合并组成R_t＝P_t∪S_t，种群大小为2p；

步骤203，按对风储系统调度目标有益程度，采用非支配排序法使R_t等分成不同的级别F_i，则最高级别的个体F₁是最好的，优先储存近新的父代种群P_t+1中，如果F₁的数量小于p，则填充下一级非支配集F₂，直到添加F_i时，种群的大小超出p，此时，需对F_i中的个体进行离散度排序，取排序靠前的个体直到P_t+1的个体数量达到p，最后，形成新的父代精英种群P_t+1；

步骤204，设定下一代样本数为2p，其中1/2随机生成的新样本。这样可以直接搜索已经进化的样本，并添加新的样本探索新空间，添加新样本的方案使种群变为两倍；

步骤205，循环步骤202至步骤204直到程序达到设定的目标函数评价次数或迭代次数为止；

步骤206，输出优化的解集及对应的风储调度过程。

本方法针对多弃风区域风电场弃风多、预测考核力度大的特点：(1)建立考虑弃风和预测考核的风储系统调度策略，寻求系统运城内在规律，作为风储容量优化配置的基础，通过多目标分析，该方法排除了明显低质量的解集而更好的改善了优化结果。(2)实施多目标优化算法对风储容量进行优化，有效识别可行解集中风储规模与效益、投资的关系，为规划决策提供重要参考。(3)优化配置中，可考虑不同工况，实现风储调度策略与优化配置方法耦合，通过多目标优化计算，获取满决策要求的配置结果，发挥储能系统消息。

为说明本发明效果，下面以国内某风电场(装机容量300MW)的实际数据作为本发明的实施对象对本发明方法进行详细说明：

本发明容量配置方法，首先需根据风储系统要求，设定目标函数。根据多弃风区域风储系统特点，主要选择以下四个目标，储能系统总投资、弃风利用率、功率预测绝对误差、储能系统利用率。

根据调度策略及多目标优化方法进行优化计算，图1为优化变量可行解集容量、功率及放电倍率变化情况，图中可以看出，可行解对应放电倍率基本大于0.3，即需要较高的储能功率来满足电网功率计划要求，且功率在200MW以下。同时储能容量大于风场装机容量的点明显减少，即对系统总投资，储能系统利用率都是不利的。

图2为可行解各优化目标的取值分布图，图中可以看出各目标分布都显示出明显的特征，L1投资主要在5亿元以下，符合优化投资越小越优的目标；L3功率预测误差在30至35MW，仅依靠储能对误差的调节能难达到34MW以下(约装机％)，还需从功率预测本身出发；而L2弃风利用率集中在20％至80％之间，说明储能系统对弃风的改善尤其明显，大部分可行解可达到50％以上；L4储能系统利用效率在55％至70％，也看出储能系统利用在较合理的范围内，说明优化的解集的有效性。

图3为可行解对应四个优化目标的散点图，可以看出投资与弃风利用率明显呈现pareto解集关系，也说明了优化结果的有效性；图中散点大小表示实际功率与电网调度计划的误差，随着投资增加，通过储能系统调节，误差明显减少，当投资大于10亿时，预测误差降低缓慢，且储能系统利用率明显降低，也说明不适宜选择过高投资的可行解。利用多目标分析可以决策适用于风储系统的较优解，图4对储能系统调度过程做进一步说明。

图4为储能系统典型调度过程分析。结合图3，选择满足弃风利用率大于50％，投资小于3亿元，储能系统利用率达到50％时预测误差最小的典型解，此时储能系统选择容量164MWh，功率100MW。由图中可见时段1-30风场理论功率与电网指令差距较大，储能系统进行放电使实发与计划电量一致，时段31开始，当储能系统放电至最大放电深度，停止放电，此时实际上网功率小于电网指令，当风电理论功率升高，储能系统充电，61时段充满后产生弃风。综上可见，储能系统调度过程合理，可减少一部分弃风，并使实际上网功率与电网指令功率接近。

Claims (3)

1.一种多弃风区域风储容量配置方法，其特征是，所述方法包括以下步骤：

步骤1，依据多弃风区域风电场最大限度减少电站“弃风”原则，同时采用储能系统补偿风功率短期预测误差，建立多弃风区域风电场蓄能系统的充放电数学描述模型；

所述步骤1具体包括以下步骤：

步骤101，对于时段i，计算蓄电池理想变化电量Δx_i；

步骤102，计算i时段末，即i+1时段初，蓄电池理想容量C_i+1；

步骤103，判断总容量限制，计算蓄电池实际变化Δx_ai；

步骤104，计算弃风电量A_wi；

步骤105，计算风储系统上网电量P_si及与电网计划出力的相对误差e_i；

步骤2，耦合储能系统调度策略，利用多目标优化模型对风储容量进行优化配置。

2.根据权利要求1所述的一种多弃风区域风储容量配置方法，其特征是，所述步骤2具体包括以下步骤：

步骤201，随机初始化一个种群大小为p的父代种群，父代种群包含风电场容量和储能系统容量的全部信息；

步骤202，采用选择、交叉、变异算子产生子代种群，种群大小为p，将子代种群S_t与父代P_t合并组成R_t＝P_t∪S_t，种群大小为2p；

步骤203，按对风储系统调度目标有益程度，采用非支配排序法使R_t等分成不同的级别F_i，则最高级别的个体F₁是最好的，优先储存近新的父代种群P_t+1中，如果F₁的数量小于p，则填充下一级非支配集F₂，直到添加F_i时，种群的大小超出p，此时，需对F_i中的个体进行离散度排序，取排序靠前的个体直到P_t+1的个体数量达到p，最后，形成新的父代精英种群P_t+1；

步骤204，设定下一代样本数为2p，其中1/2随机生成的新样本， 这样可以直接搜索已经进化的样本，并添加新的样本探索新空间，添加新样本的方案使种群变为两倍；

步骤205，循环步骤202至步骤204直到程序达到设定的目标函数评价次数或迭代次数为止；

步骤206，输出优化的解集及对应的风储调度过程。

3.根据权利要求1所述的一种多弃风区域风储容量配置方法，其特征是，所述步骤1具体包括以下步骤：

获取时段i电网调度计划发电量Pg_i，风电场时段i实际出力Pw_i，储能系统蓄电池中容量C；时段i蓄电池理想变化Δx_i，充电时Δx_i为正，放电时为Δx_i为负，时段i起始时刻蓄电池容量C_i；蓄电池参数：充电效率η_in；放电效率η_out；放电深度C_d；蓄电池放电倍率最大值C_c；时间步长t_s；蓄电池放电功率最大值Pmax＝C_cC(1-C_d)；

步骤101中，对于时段i，计算蓄电池理想变化电量Δx_i的计算公式为：

步骤102中，计算i时段末，即i+1时段初，蓄电池理想容量C_i+1的计算公式为：

C_i+1＝C_i+Δx_i；

步骤103中，判断总容量限制，计算蓄电池实际变化Δx_ai的计算公式为：

Δx_ai＝C_i+1-C_i；

步骤104中，计算弃风电量A_wi的计算公式为：

步骤105中，计算风储系统上网电量P_si及与电网计划出力的相对误差e_i的计算公式为：

e_i＝|P_si-P_gi|。

Images