CN112615386B - 一种面向风电消纳的电热混合储能系统优化定容方法 - Google Patents

一种面向风电消纳的电热混合储能系统优化定容方法 Download PDF

Info

Publication number
CN112615386B
CN112615386B CN202011320323.0A CN202011320323A CN112615386B CN 112615386 B CN112615386 B CN 112615386B CN 202011320323 A CN202011320323 A CN 202011320323A CN 112615386 B CN112615386 B CN 112615386B
Authority
CN
China
Prior art keywords
power
electric
energy storage
wind power
heat
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
Application number
CN202011320323.0A
Other languages
English (en)
Other versions
CN112615386A (zh
Inventor
张俊
朱炳铨
万灿
陈新建
张东波
朱轶伦
杨坚
陆春良
陈文进
吴侃侃
洪道鉴
赵琬彤
钱韦廷
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.)
Zhejiang University ZJU
Taizhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Zhejiang University ZJU
Taizhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
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 Zhejiang University ZJU, Taizhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Zhejiang University ZJU
Priority to CN202011320323.0A priority Critical patent/CN112615386B/zh
Publication of CN112615386A publication Critical patent/CN112615386A/zh
Application granted granted Critical
Publication of CN112615386B publication Critical patent/CN112615386B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Air Conditioning Control Device (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种面向风电消纳的电热混合储能系统优化定容方法，属于综合能源及电力系统运行调度领域。该方法首先基于历史风电数据建立风电功率非参数核密度估计模型，获得满足并网要求的目标并网风电功率，然后采用电储能、电锅炉和储热设备组成电热混合储能系统，建立考虑电热混合储能系统运行约束、以系统总成本最低为目标的优化定容模型，接着采用大M法将非线性项进行线性化处理，最后基于混合整数线性规划求解器进行求解，得到电热混合储能系统的经济优化定容结果。本发明的电热混合储能系统优化定容方法具有较高的有效性，能够在提高系统风电消纳能力、减小并网风电功率波动、保障大电网安全运行的同时实现系统整体经济效益最优。

Description

一种面向风电消纳的电热混合储能系统优化定容方法
技术领域
本发明涉及一种面向风电消纳的电热混合储能系统优化定容方法，属于综合能源及电力系统运行调度领域。
背景技术
由于风电固有的随机性和波动性，其大规模并网会给电力系统的安全稳定运行带来挑战，产生诸如电压波动、潮流越限等一系列问题。随着不同类型电储能技术的不断发展，电储能设备被大量地运用于电力系统中，电储能灵活的充/放电特性也使其在解决风电消纳问题上扮演者重要的角色。但是，受限于电储能装置高昂的安装运行成本和有限的调节能力，只考虑在电力系统中安装电储能来提升风电消纳能力并不是最优方案，关注电、热系统之间联合运行和优化可以进一步促进风电消纳，提高系统安全性和经济性。已有的使用电热混合储能系统来解决风电消纳问题的研究，大多都基于风电点预测结果，很少有使用风电概率预测结果，没有充分利用风电不确定性信息，限制了风电消纳水平的进一步提高。同时，对于如何在保障系统安全运行、提高系统风电消纳水平的同时实现电热混合储能系统优化定容的问题分析还不够全面。因此很难实现在保障系统安全运行前提下的风电最大化消纳。
发明内容
为了克服现有技术的不足，本发明的目的是提出一种面向风电消纳的电热混合储能系统优化定容方法。该优化定容方法包括以下步骤：
步骤1：对系统运行中面临的风电不确定性进行建模，首先采用非参数核密度估计方法，以高斯函数作为核函数，获得风电功率非参数核密度估计模型：
Figure BDA0002792702890000011
Figure BDA0002792702890000021
其中，
Figure BDA0002792702890000022
为基于非参数核密度估计的风电功率概率密度函数；l为带宽；p为风电有功出力；
Figure BDA0002792702890000023
为第i个历史风电样本对应的出力值；K(·)为高斯核函数。
然后使用Metropolis抽样方法对由非参数核密度估计模型获得的风电功率概率密度函数
Figure BDA0002792702890000024
进行抽样，可以得到一组满足风电功率概率密度函数
Figure BDA0002792702890000025
的随机变量x1,…,xT。
最后根据由非参数核密度估计模型获得的风电概率密度函数，得到一系列分位水平下分位数的估计值，采用线性插值的方法近似得到风电累计概率分布函数(Cumulativedistribution function,CDF)
Figure BDA0002792702890000026
对于Metropolis抽样得到的抽样结果x1,…,xT，根据式
Figure BDA0002792702890000027
可计算求得风电功率时间序列
Figure BDA0002792702890000028
其中，
Figure BDA0002792702890000029
为时刻t时的风电功率预测值；T为优化周期总时段数。
步骤2：基于所获得的风电功率预测值，根据并网风电有功功率变化最大限值的规定，计算得到满足并网要求的目标并网风电功率；目标并网风电功率的计算公式如下：
Figure BDA00027927028900000210
其中，
Figure BDA00027927028900000211
为t时刻目标并网风电功率值；
Figure BDA00027927028900000212
为t时刻允许的风电功率波动量，其计算方法如下：
Figure BDA00027927028900000213
Figure BDA00027927028900000214
其中，PL为风电场在计算时间窗L内的功率波动限值；
Figure BDA0002792702890000031
为t时刻的风电有功功率变化量；m根据功率波动的计算时间窗获得，即
Figure BDA0002792702890000032
Δt为相邻时刻的时间间隔。
步骤3：采用电储能、电锅炉和储热设备组成电热混合储能系统，基于风电概率预测结果建立综合考虑系统安全运行特性和电热转换特性的电热混合储能系统优化定容模型，模型包括电热混合储能系统运行约束和目标函数。
步骤4：针对模型中的非线性项进行线性化处理，将整个优化定容问题转换成可高效求解的混合整数规划问题。
上述技术方案中，优选地，步骤3中电热混合储能系统的优化目标同时考虑弃风惩罚f1、风电波动惩罚f2、电热混合储能系统的安装成本和运行成本f3、热电联产机组的燃料成本f4以及电热综合能源系统的供电和供热收益f5；优化定容模型的目标函数为：
F＝f1+f2+f3+f4-f5
其中，F为系统总成本；
Figure BDA0002792702890000033
Figure BDA0002792702890000034
Figure BDA0002792702890000035
Figure BDA0002792702890000036
Figure BDA0002792702890000041
其中，δcut和δflu为弃风惩罚系数和风电波动惩罚系数，
Figure BDA0002792702890000042
和
Figure BDA0002792702890000043
为t时刻的弃风功率和实际并网功率，CP,es和CE,es为电储能单位功率成本和单位容量成本，
Figure BDA0002792702890000044
是电储能的额定功率，
Figure BDA0002792702890000045
是电储能的额定容量，Ceb是电锅炉的单位功率成本，
Figure BDA0002792702890000046
是电锅炉的额定功率，Chs是储热设备的单位容量成本，
Figure BDA0002792702890000047
是储热设备的额定容量，Δt为相邻时刻的时间间隔，Cvar,es为电储能的单位运行成本，
Figure BDA0002792702890000048
为t时刻电储能的实际功率，ε为电热混合储能系统安装成本的日分摊系数，a、b、c为热电联产机组的煤耗系数，
Figure BDA0002792702890000049
为时刻t时热电联产机组折算成纯凝工况下的电功率，pe为单位供电收益，
Figure BDA00027927028900000410
为t时刻的热负荷需求，
Figure BDA00027927028900000411
为t时刻的电负荷需求，ph是单位供热收益。
优选地，所述的电热混合储能系统运行约束包括电力系统功率平衡约束、热力系统功率平衡约束、电热混合储能系统功率约束、电储能荷电状态约束、电锅炉功率约束、储热设备存储热量约束、热电联产机组运行约束、并网风电功率约束；
电力系统功率平衡约束：
Figure BDA00027927028900000412
Figure BDA00027927028900000413
其中，
Figure BDA00027927028900000414
是时刻t的热电联产机组的供电功率；
Figure BDA00027927028900000415
为电储能充电功率，反之则为电储能放电功率；
Figure BDA00027927028900000416
为时刻t时电锅炉消耗的电功率；
Figure BDA00027927028900000417
为t时刻风电有功功率。
热力系统功率平衡约束：
Figure BDA0002792702890000051
其中，
Figure BDA0002792702890000052
为电锅炉t时刻的供热功率；
Figure BDA0002792702890000053
为t时所购买热电联产机组的供热功率；
Figure BDA0002792702890000054
时储热设备储热功率，反之为放热功率。
电热混合储能系统功率约束：
Figure BDA0002792702890000055
Figure BDA0002792702890000056
其中，
Figure BDA0002792702890000057
为储热设备的额定功率。
电储能荷电状态约束：
Figure BDA0002792702890000058
Figure BDA0002792702890000059
Figure BDA00027927028900000510
其中，Et是电储能在t时刻存储的电量；ηes是电储能充电效率；
Figure BDA00027927028900000511
为t时刻电储能的运行状态标志，当
Figure BDA00027927028900000512
时电储能处于充电状态，
Figure BDA00027927028900000513
时电储能处于放电状态；
Figure BDA00027927028900000514
是电储能在时刻t时的荷电状态；
Figure BDA00027927028900000515
和SOC是电储能荷电状态上限和下限；
电锅炉功率约束：
Figure BDA00027927028900000516
Figure BDA00027927028900000517
其中，
Figure BDA00027927028900000518
为电锅炉t时刻消耗的电功率；ηeb为电锅炉的制热效率。
储热设备存储热量约束：
Figure BDA0002792702890000061
Figure BDA0002792702890000062
其中，Ht为储热设备在t时刻所存储的热量；ηhs为储热设备的储热效率；
Figure BDA0002792702890000063
为t时刻储热设备的运行状态标志，当
Figure BDA0002792702890000064
时储热设备处于储热状态，
Figure BDA0002792702890000065
时储热设备处于放热状态；
Figure BDA0002792702890000066
和ξ为储热设备存储热量所能达到储热设备额定容量的上限和下限系数。
热电联产机组运行约束：
Figure BDA0002792702890000067
Figure BDA0002792702890000068
Figure BDA0002792702890000069
Figure BDA00027927028900000610
Figure BDA00027927028900000611
其中，Pup和Pdown为热电联产机组的上爬坡和下爬坡功率限值；
Figure BDA00027927028900000612
和P CHP为热电联产机组在凝气工况下的最大和最小电功率出力；
Figure BDA00027927028900000613
为热电联产机组热出力的最大限值；cv为抽气式热电联产机组的电热比；cm和为抽气式热电联产机组的电热比K为热电联产机组的特性参数。
并网风电功率约束：
Figure BDA00027927028900000614
优选地，步骤4)中所述的非线性项的线性化处理采用大M法。
本发明的有益效果是：
1)能够通过利用电储能、电锅炉和储热设备组成的电热混合储能系统与电网进行电量交换，通过热电联合和热电转换来增加电热综合能源利用效率，相比于单一电储能，大大提高能源利用率，有效促进风电消纳。
2)能够在电热混合储能系统优化定容模型中考虑风电出力的不确定性，基于风电概率预测而非点预测结果进行优化，充分利用风电出力信息，在系统经济最优的同时能够有效提高风电消纳水平。
3)将系统安全性相关的风电出力波动，风电消纳水平相关的弃风惩罚和系统经济性相关的安装、运行的经济成本引入目标函数，同时约束中涵盖系统安全运行所需的所有约束，在确保系统安全性的同时能够实现风电最大化消纳和系统的经济性最优。
附图说明
图1是电热综合能源系统结构示意图。
图2是面向风电消纳的电热混合储能系统优化定容方法的流程图。
具体实施方式
以下结合附图作进一步说明。
如图1为本发明的电热综合能源系统结构示意图，该系统包括电储能、电锅炉和储热设备，与电网和热网相连接，满足系统内电、热负荷需求。
参见附图2，这是面向风电消纳的电热混合储能系统优化定容方法的流程图，主要流程如下：1)建立风电功率非参数核密度估计模型；2)获得目标并网风电功率；3)以系统总成本最小为目标，构建电热混合储能系统优化定容模型；4)加入电储能、电锅炉、储热设备约束和电、热功率平衡约束；5)采用大M法将非线性项进行线性化处理；6)基于混合整数线性规划求解器求解电热混合储能系统优化定容模型；7)得到电热混合储能系统优化定容结果。
首先，建立风电功率非参数核密度估计模型，得到基于非参数核密度估计的风电功率概率密度函数
Figure BDA0002792702890000081
利用Metropolis抽样方法得到一组随机变量x1,…,xT，进而计算求得风电功率时间序列
Figure BDA0002792702890000082
其中，
Figure BDA0002792702890000083
为时刻t时的风电功率预测值；T为优化周期总时段数。
Figure BDA0002792702890000084
Figure BDA0002792702890000085
其中，
Figure BDA0002792702890000086
为基于非参数核密度估计的风电功率概率密度函数；l为带宽；
Figure BDA0002792702890000087
为第i个历史风电样本值；p为预测得到的风电概率分布；K(·)为高斯核函数。
接着，基于所获得的风电功率预测值，根据并网风电有功功率变化最大限值的规定，计算得到满足并网要求的目标并网风电功率
Figure BDA0002792702890000088
为：
Figure BDA0002792702890000089
其中，
Figure BDA00027927028900000810
为t时刻目标并网风电功率值；
Figure BDA00027927028900000811
为t时刻允许的风电功率波动量，其计算方法如下：
Figure BDA00027927028900000812
Figure BDA00027927028900000813
其中，PL为风电场在计算时间窗L内的功率波动限值；
Figure BDA00027927028900000814
为t时刻的风电有功功率变化量；m根据功率波动的计算时间窗获得，即
Figure BDA00027927028900000815
Δt为相邻时刻的时间间隔。
然后，采用电储能、电锅炉和储热设备组成电热混合储能系统，基于风电概率预测结果建立综合考虑系统安全运行特性和电热转换特性的电热混合储能系统优化定容模型，模型包括电热混合储能系统运行约束和目标函数。电热混合储能系统优化目标同时考虑弃风惩罚f1、风电波动惩罚f2、电热混合储能系统的安装成本和运行成本f3、热电联产机组的燃料成本f4以及电热综合能源系统的供电和供热收益f5；优化定容模型的目标函数为：
F＝f1+f2+f3+f4-f5
其中，F为系统总成本；
Figure BDA0002792702890000091
Figure BDA0002792702890000092
Figure BDA0002792702890000093
Figure BDA0002792702890000094
Figure BDA0002792702890000095
其中，δcut和δflu为弃风惩罚系数和风电波动惩罚系数，
Figure BDA0002792702890000096
和
Figure BDA0002792702890000097
为t时刻的弃风功率和实际并网功率，CP,es和CE,es为电储能单位功率成本和单位容量成本，
Figure BDA0002792702890000098
是电储能的额定功率，
Figure BDA0002792702890000099
是电储能的额定容量，Ceb是电锅炉的单位功率成本，
Figure BDA00027927028900000910
是电锅炉的额定功率，Chs是储热设备的单位容量成本，
Figure BDA00027927028900000911
是储热设备的额定容量，Δt为相邻时刻的时间间隔，Cvar,es为电储能的单位运行成本，
Figure BDA00027927028900000912
为t时刻电储能的实际功率，ε为电热混合储能系统安装成本的日分摊系数，a、b、c为热电联产机组的煤耗系数，
Figure BDA00027927028900000913
为时刻t时热电联产机组折算成纯凝工况下的电功率，pe为单位供电收益，
Figure BDA0002792702890000101
为t时刻的热负荷需求，
Figure BDA0002792702890000102
为t时刻的电负荷需求，ph是单位供热收益。
所述的电热混合储能系统运行约束包括电力系统功率平衡约束、热力系统功率平衡约束、电热混合储能系统功率约束、电储能荷电状态约束、电锅炉功率约束、储热设备存储热量约束、热电联产机组运行约束、并网风电功率约束；
电力系统功率平衡约束：
Figure BDA0002792702890000103
Figure BDA0002792702890000104
其中，
Figure BDA0002792702890000105
是时刻t的热电联产机组的供电功率；
Figure BDA0002792702890000106
为电储能充电功率，反之则为电储能放电功率；
Figure BDA0002792702890000107
为时刻t时电锅炉消耗的电功率；
Figure BDA0002792702890000108
为t时刻风电有功功率；
热力系统功率平衡约束：
Figure BDA0002792702890000109
其中，
Figure BDA00027927028900001010
为电锅炉t时刻的供热功率；
Figure BDA00027927028900001011
为t时所购买热电联产机组的供热功率；
Figure BDA00027927028900001012
时储热设备储热功率，反之为放热功率；
电热混合储能系统功率约束：
Figure BDA00027927028900001013
Figure BDA00027927028900001014
其中，
Figure BDA00027927028900001015
为储热设备的额定功率；
电储能荷电状态约束：
Figure BDA00027927028900001016
Figure BDA00027927028900001017
Figure BDA0002792702890000111
其中，Et是电储能在t时刻存储的电量；ηes是电储能充电效率；
Figure BDA0002792702890000112
为t时刻电储能的运行状态标志，当
Figure BDA0002792702890000113
时电储能处于充电状态，
Figure BDA0002792702890000114
时电储能处于放电状态；
Figure BDA0002792702890000115
是电储能在时刻t时的荷电状态；
Figure BDA0002792702890000116
和SOC是电储能荷电状态上限和下限；
电锅炉功率约束：
Figure BDA0002792702890000117
Figure BDA0002792702890000118
其中，
Figure BDA0002792702890000119
为电锅炉t时刻消耗的电功率；ηeb为电锅炉的制热效率；
储热设备存储热量约束：
Figure BDA00027927028900001110
Figure BDA00027927028900001111
其中，Ht为储热设备在t时刻所存储的热量；ηhs为储热设备的储热效率；
Figure BDA00027927028900001112
为t时刻储热设备的运行状态标志，当
Figure BDA00027927028900001113
时储热设备处于储热状态，
Figure BDA00027927028900001114
时储热设备处于放热状态；
Figure BDA00027927028900001115
和ξ为储热设备存储热量所能达到储热设备额定容量的上限和下限系数；
热电联产机组运行约束：
Figure BDA00027927028900001116
Figure BDA00027927028900001117
Figure BDA00027927028900001118
Figure BDA00027927028900001119
Figure BDA00027927028900001120
其中，Pup和Pdown为热电联产机组的上爬坡和下爬坡功率限值；
Figure BDA00027927028900001121
和P CHP为热电联产机组在凝气工况下的最大和最小电功率出力；
Figure BDA0002792702890000121
为热电联产机组热出力的最大限值；cv为抽气式热电联产机组的电热比；cm和为抽气式热电联产机组的电热比K为热电联产机组的特性参数；
并网风电功率约束：
Figure BDA0002792702890000122
最后，采用大M法对上述模型中的非线性项进行线性化处理，基于混合整数线性规划求解器。求解上述优化问题，得到电热混合储能系统优化定容结果。该优化定容结果能够考虑风电出力的不确定性，通过电热综合能源系统增加能源利用效率，在保证系统安全性的同时，能够提高风电消纳水平并实现系统经济性最优。

Claims (4)

1.一种面向风电消纳的电热混合储能系统优化定容方法，其特征在于：该优化定容方法包括以下步骤：
步骤1：对系统运行中面临的风电不确定性进行建模，首先采用非参数核密度估计方法，以高斯函数作为核函数，获得风电功率非参数核密度估计模型：
Figure FDA0004036224320000011
Figure FDA0004036224320000012
其中，
Figure FDA0004036224320000013
为基于非参数核密度估计的风电功率概率密度函数；l为带宽；p为风电有功出力；
Figure FDA0004036224320000014
为第i个历史风电样本对应的出力值；K(·)为高斯核函数；
然后使用Metropolis抽样方法对由非参数核密度估计模型获得的风电功率概率密度函数
Figure FDA0004036224320000015
进行抽样，得到一组满足风电功率概率密度函数
Figure FDA0004036224320000016
的随机变量x1,…,xT；
最后根据由非参数核密度估计模型获得的风电概率密度函数，得到一系列分位水平下分位数的估计值，采用线性插值的方法近似得到风电累计概率分布函数
Figure FDA0004036224320000017
对于Metropolis抽样得到的抽样结果x1,…,xT，根据式
Figure FDA0004036224320000018
计算求得风电功率时间序列
Figure FDA0004036224320000019
其中，
Figure FDA00040362243200000110
为时刻t时的风电功率预测值；T为优化周期总时段数；
步骤2：基于所获得的风电功率预测值，根据并网风电有功功率变化最大限值的规定，计算得到满足并网要求的目标并网风电功率；目标并网风电功率的计算公式如下：
Figure FDA00040362243200000111
其中，
Figure FDA00040362243200000112
为t时刻目标并网风电功率值；
Figure FDA00040362243200000113
为t时刻允许的风电功率波动量，其计算方法如下：
Figure FDA0004036224320000021
Figure FDA0004036224320000022
其中，PL为风电场在计算时间窗L内的功率波动限值；
Figure FDA0004036224320000023
为t时刻的风电有功功率变化量；m根据功率波动的计算时间窗获得，即
Figure FDA0004036224320000024
Δt为相邻时刻的时间间隔；
步骤3：采用电储能、电锅炉和储热设备组成电热混合储能系统，基于风电概率预测结果建立综合考虑系统安全运行特性和电热转换特性的电热混合储能系统优化定容模型，模型包括电热混合储能系统运行约束和目标函数；
步骤4：针对模型中的非线性项进行线性化处理，将整个优化定容问题转换成可高效求解的混合整数规划问题。
2.根据权利要求1所述的一种面向风电消纳的电热混合储能系统优化定容方法，其特征在于，步骤3中电热混合储能系统优化定容模型的优化目标同时考虑弃风惩罚f1、风电波动惩罚f2、电热混合储能系统的安装成本和运行成本f3、热电联产机组的燃料成本f4以及电热综合能源系统的供电和供热收益f5；优化定容模型的目标函数为：
F＝f1+f2+f3+f4-f5
其中，F为系统总成本；
Figure FDA0004036224320000025
Figure FDA0004036224320000031
Figure FDA0004036224320000032
Figure FDA0004036224320000033
Figure FDA0004036224320000034
其中，δcut和δflu为弃风惩罚系数和风电波动惩罚系数，
Figure FDA0004036224320000035
和
Figure FDA0004036224320000036
为t时刻的弃风功率和实际并网功率，CP,es和CE,es为电储能单位功率成本和单位容量成本，
Figure FDA0004036224320000037
是电储能的额定功率，
Figure FDA0004036224320000038
是电储能的额定容量，Ceb是电锅炉的单位功率成本，
Figure FDA0004036224320000039
是电锅炉的额定功率，Chs是储热设备的单位容量成本，
Figure FDA00040362243200000310
是储热设备的额定容量，Δt为相邻时刻的时间间隔，Cvar ,es为电储能的单位运行成本，
Figure FDA00040362243200000311
为t时刻电储能的实际功率，ε为电热混合储能系统安装成本的日分摊系数，a、b、c为热电联产机组的煤耗系数，
Figure FDA00040362243200000312
为时刻t时热电联产机组折算成纯凝工况下的电功率，pe为单位供电收益，
Figure FDA00040362243200000313
为t时刻的热负荷需求，
Figure FDA00040362243200000314
为t时刻的电负荷需求，ph是单位供热收益。
3.根据权利要求2所述的一种面向风电消纳的电热混合储能系统优化定容方法，其特征在于，所述的电热混合储能系统运行约束包括电力系统功率平衡约束、热力系统功率平衡约束、电热混合储能系统功率约束、电储能荷电状态约束、电锅炉功率约束、储热设备存储热量约束、热电联产机组运行约束、并网风电功率约束；
电力系统功率平衡约束：
Figure FDA0004036224320000041
Figure FDA0004036224320000042
其中，
Figure FDA0004036224320000043
是时刻t的热电联产机组的供电功率；
Figure FDA0004036224320000044
为电储能充电功率，反之则为电储能放电功率；
Figure FDA0004036224320000045
为时刻t时电锅炉消耗的电功率；
Figure FDA0004036224320000046
为t时刻风电有功功率；
热力系统功率平衡约束：
Figure FDA0004036224320000047
其中，
Figure FDA0004036224320000048
为电锅炉t时刻的供热功率；
Figure FDA0004036224320000049
为t时所购买热电联产机组的供热功率；
Figure FDA00040362243200000410
时储热设备储热功率，反之为放热功率；
电热混合储能系统功率约束：
Figure FDA00040362243200000411
Figure FDA00040362243200000412
其中，
Figure FDA00040362243200000413
为储热设备的额定功率；
电储能荷电状态约束：
Figure FDA00040362243200000414
Figure FDA00040362243200000415
Figure FDA00040362243200000416
其中，Et是电储能在t时刻存储的电量；ηes是电储能充电效率；
Figure FDA00040362243200000417
为t时刻电储能的运行状态标志，当
Figure FDA00040362243200000418
时电储能处于充电状态，
Figure FDA00040362243200000419
时电储能处于放电状态；
Figure FDA00040362243200000420
是电储能在时刻t时的荷电状态；
Figure FDA00040362243200000421
和SOC是电储能荷电状态上限和下限；
电锅炉功率约束：
Figure FDA0004036224320000051
Figure FDA0004036224320000052
其中，
Figure FDA0004036224320000053
为电锅炉t时刻消耗的电功率；ηeb为电锅炉的制热效率；
储热设备存储热量约束：
Figure FDA0004036224320000054
Figure FDA0004036224320000055
其中，Ht为储热设备在t时刻所存储的热量；ηhs为储热设备的储热效率；
Figure FDA0004036224320000056
为t时刻储热设备的运行状态标志，当
Figure FDA0004036224320000057
时储热设备处于储热状态，
Figure FDA0004036224320000058
时储热设备处于放热状态；
Figure FDA0004036224320000059
和ξ为储热设备存储热量所能达到储热设备额定容量的上限和下限系数；
热电联产机组运行约束：
Figure FDA00040362243200000510
Figure FDA00040362243200000511
Figure FDA00040362243200000512
Figure FDA00040362243200000513
Figure FDA00040362243200000514
其中，Pup和Pdown为热电联产机组的上爬坡和下爬坡功率限值；
Figure FDA00040362243200000515
和P CHP为热电联产机组在凝气工况下的最大和最小电功率出力；
Figure FDA00040362243200000516
为热电联产机组热出力的最大限值；cv为抽气式热电联产机组的电热比；cm为抽气式热电联产机组的电热比，K为热电联产机组的特性参数；
并网风电功率约束：
Figure FDA00040362243200000517
4.根据权利要求1所述的一种面向风电消纳的电热混合储能系统优化定容方法，其特征在于，步骤4)中所述的非线性项的线性化处理采用大M法。
CN202011320323.0A 2020-11-23 2020-11-23 一种面向风电消纳的电热混合储能系统优化定容方法 Active CN112615386B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011320323.0A CN112615386B (zh) 2020-11-23 2020-11-23 一种面向风电消纳的电热混合储能系统优化定容方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011320323.0A CN112615386B (zh) 2020-11-23 2020-11-23 一种面向风电消纳的电热混合储能系统优化定容方法

Publications (2)

Publication Number Publication Date
CN112615386A CN112615386A (zh) 2021-04-06
CN112615386B true CN112615386B (zh) 2023-04-07

Family

ID=75225617

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011320323.0A Active CN112615386B (zh) 2020-11-23 2020-11-23 一种面向风电消纳的电热混合储能系统优化定容方法

Country Status (1)

Country Link
CN (1) CN112615386B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113595063B (zh) * 2021-07-12 2023-07-25 国网湖北省电力有限公司电力科学研究院 一种适用于智慧园区的储能容量配置方法

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107508328A (zh) * 2017-04-08 2017-12-22 东北电力大学 考虑风电消纳的联合系统能量优化方法
CN107977744A (zh) * 2017-11-30 2018-05-01 三峡大学 一种基于传统Benders分解法的电力系统日前鲁棒调度方法
CN108063451A (zh) * 2017-11-17 2018-05-22 国网辽宁省电力有限公司 一种提高风电接纳能力的电网多元优化调度方法
CN109066688A (zh) * 2018-09-06 2018-12-21 国网安徽省电力有限公司芜湖供电公司 基于可再生能源不确定性下的概率潮流数据获取方法
CN109687532A (zh) * 2019-03-08 2019-04-26 燕山大学 一种基于合作博弈提高风电消纳的热电联合调度方法
CN109993335A (zh) * 2017-12-29 2019-07-09 中国电力科学研究院有限公司 一种用于风电功率的概率预报方法及系统
CN110492534A (zh) * 2019-08-23 2019-11-22 国网新疆电力有限公司经济技术研究院 计及灵活性的含风电电力系统随机优化调度方法
CN110676847A (zh) * 2019-10-14 2020-01-10 国网辽宁省电力有限公司阜新供电公司 考虑风电-储热机组-电锅炉联合运行的优化调度方法
CN110782363A (zh) * 2019-08-15 2020-02-11 东南大学 一种计及风电不确定性的交直流配电网调度方法
CN110889603A (zh) * 2019-11-13 2020-03-17 国网北京市电力公司 一种基于PCA-Copula理论考虑风电相关性的电力系统经济调度方法
CN110912120A (zh) * 2019-11-26 2020-03-24 东北电力大学 考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110571789B (zh) * 2018-06-06 2020-10-20 南京工程学院 数据驱动下基于风电不确定性的电热气网三阶段调度方法
CN109840636B (zh) * 2019-02-19 2020-09-25 清华大学 一种基于牛顿法的电力系统随机滚动调度方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107508328A (zh) * 2017-04-08 2017-12-22 东北电力大学 考虑风电消纳的联合系统能量优化方法
CN108063451A (zh) * 2017-11-17 2018-05-22 国网辽宁省电力有限公司 一种提高风电接纳能力的电网多元优化调度方法
CN107977744A (zh) * 2017-11-30 2018-05-01 三峡大学 一种基于传统Benders分解法的电力系统日前鲁棒调度方法
CN109993335A (zh) * 2017-12-29 2019-07-09 中国电力科学研究院有限公司 一种用于风电功率的概率预报方法及系统
CN109066688A (zh) * 2018-09-06 2018-12-21 国网安徽省电力有限公司芜湖供电公司 基于可再生能源不确定性下的概率潮流数据获取方法
CN109687532A (zh) * 2019-03-08 2019-04-26 燕山大学 一种基于合作博弈提高风电消纳的热电联合调度方法
CN110782363A (zh) * 2019-08-15 2020-02-11 东南大学 一种计及风电不确定性的交直流配电网调度方法
CN110492534A (zh) * 2019-08-23 2019-11-22 国网新疆电力有限公司经济技术研究院 计及灵活性的含风电电力系统随机优化调度方法
CN110676847A (zh) * 2019-10-14 2020-01-10 国网辽宁省电力有限公司阜新供电公司 考虑风电-储热机组-电锅炉联合运行的优化调度方法
CN110889603A (zh) * 2019-11-13 2020-03-17 国网北京市电力公司 一种基于PCA-Copula理论考虑风电相关性的电力系统经济调度方法
CN110912120A (zh) * 2019-11-26 2020-03-24 东北电力大学 考虑可再生能源发电不确定性和用户热舒适性的综合能源系统优化调度方法

Also Published As

Publication number Publication date
CN112615386A (zh) 2021-04-06

Similar Documents

Publication Publication Date Title
CN108599269B (zh) 一种考虑风险成本的大电网自适应鲁棒备用优化方法
CN108964128A (zh) 基于电锅炉与储热装置协调供热的低碳经济调度求解方法
CN112270433B (zh) 考虑可再生能源不确定性和用户满意度的微电网优化方法
CN112086960B (zh) 基于模型预测控制的电氢耦合系统灵活裕度计算方法
CN107069783A (zh) 蓄热式电锅炉融合储能系统优化控制方法
CN111244988A (zh) 考虑分布式电源的电动汽车和储能优化调度方法
CN115640982B (zh) 基于抽水蓄能优先调节的多能互补系统日前优化调度方法
CN113378409A (zh) 综合能源系统多能互补优化调度方法及系统
CN114069688A (zh) 一种基于时序生产模拟的多电源容量布局规划方法
CN117153278A (zh) 考虑多类型电解槽差异化的电热氢系统优化方法及系统
CN115577929A (zh) 基于多场景分析的乡村综合能源系统随机优化调度方法
CN115600759A (zh) 考虑可控负荷的含csp和p2g的综合能源系统优化调度方法
CN117081143A (zh) 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法
CN112615386B (zh) 一种面向风电消纳的电热混合储能系统优化定容方法
CN114580746A (zh) 一种基于低碳经济效益量化的综合能源站复合储能配置优化方法
CN115882460A (zh) 一种考虑需求侧管理的两阶段新能源微电网优化调度方法
CN113240205A (zh) 一种基于多能源综合利用的区域用能系统替代优化方法
CN211606121U (zh) 矿热炉煤气参与可再生能源微电网的调峰调频系统
CN117526440A (zh) 一种计及灵活性的煤-水-风-光协同发电系统优化运行方法
CN110336308B (zh) 一种基于机会约束的主动配电网经济调度方法
CN116960939A (zh) 基于多目标粒子群算法的风光柴储系统优化调度方法、设备及存储介质
CN112149339B (zh) 风电-光伏-光热-电加热器互补发电系统容量优化模型
Meng et al. Research on multi-objective optimization operation of microgrid
CN114091917A (zh) 冷热电联供型微电网动态环保经济调度方法及系统
CN116484553B (zh) 一种考虑多能互补的微电网优化设计方法

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