CN112886645A - 一种基于氢能超高比例的新能源电力系统运行模拟方法 - Google Patents

Abstract

一种基于氢能超高比例的新能源电力系统运行模拟方法，首先建立含氢能的新能源电力系统结构，构建多时间尺度模拟框架，以周为时间分辨率采用分段近似持续负荷曲线对负荷建模；然后逐周、逐负荷段对新能源出力数据进行概率建模，根据清洁能源的出力特性，以周为时间单位确定全年的发电机组检修计划。为解决多时间尺度下电力系统新能源出力与负荷电量不匹配，提出跨季储能策略。其次，以上述检修、电量分配计划为边界，反复使用短期模拟模型，进行逐天的生产模拟。对火电机组燃料成本、新能源机组运行成本、氢能系统在制氢、储氢、用氢中的运行成本进行建模。模型以系统运行的综合成本最小为目标函数，根据上述提出的运行模拟模型基于遗传算法求解。

Description

一种基于氢能超高比例的新能源电力系统运行模拟方法

技术领域

本发明涉及一种基于氢能超高比例的新能源电力系统运行模拟方法。

背景技术

近年来，全球可再生能源装机容量保持了快速增长。到2019年底全球可再生能源装机容量达到25.37亿KW，在电力总装机中占34.7％，较2018年增长1.4个百分点。世界能源清洁绿色转型正在加速可再生能源装机占比稳步提升。可再生能源成为电力增量的主体，风电、太阳能发电发展迅速。2019年全球新增可再生能源装机17600万KW，占电力新增装机72％。太阳能发电新增9800万KW，风电新增5900万KW，风光占新增可再生能源装机89％。截至2019年底，新能源装机43838万KW，在可再生能源总装机中占比55.2％。由于新能源具有高度的随机性、间歇性和波动性，导致电力系统常规机组的投运计划以及系统的经济学和可靠性发生变化，这使新能源消纳难，并网难，大量的弃光、弃风现象的发生。

目前对于含超高比例新能源电力系统运行模拟方法，大都采用常规机组进行联合调度。但是这种运行模拟方法并不能在及时进行调度同时还是会产生弃风、弃光现象导致新能源的利用率下降。并且常规机组的启停成本比较高，不够经济和环保。

发明内容

针对以上现有技术存在的问题，本发明提出一种基于氢能超高比例的新能源电力系统运行模拟方法，为解决负荷和新能源季节性变化带来的源-荷不平衡问题提供一种超高比例氢能的新能源电力系统运行模拟方法。所述的超高比例氢能的新能源电力系统中，氢能出力占总出力的50％。本发明包含中长期和短期多尺度运行模拟模型，对常规发电机组检修安排进行合理规划，在中等时间尺度上实现多种能源形式的协调与互补运行，以降低电力系统的运行成本。

本发明运行模拟方法的步骤如下：

步骤1：对负荷与新能源电力建模

对负荷与新能源电力建模，构建基于氢能支撑的电力系统复合时间尺度运行模拟框架。本发明以周为时间分辨率，采用分段近似负荷曲线对负荷建模，同时逐周、逐负荷段对新能源出力数据进行概率建模。

1.1对负荷建模

时序负荷曲线和持续负荷曲线是两种最为常见的负荷建模方法。由于发电机组检修的时间跨度长达1年或数年，采用逐小时的时序负荷曲线会导致问题规模过大，无法在可接受的时间内获得优化解，因而本发明采用持续负荷曲线对负荷建模，该曲线纵坐标为负荷水平，横坐标为超过负荷水平累计时间。

构建所需要的持续负荷曲线的步骤如下。首先，对时序负荷曲线按照从大到小的次序依次排序，形成精确持续负荷曲线；其次，根据需要选择恰当的分段数和相应的负荷水平，此过程应保留该时段内运行模拟系统最大负荷和最小负荷，分段数不小于3段。最后，对各个负荷水平的持续时间进行调整，保证近似和精确持续负荷曲线对应的电量相等。

1.2对新能源出力数据进行概率建模

风电发电系统的输出功率主要由当地风速和所选风机参数决定。威布尔(Weibull) 分布是当前使用较广、形式简单，并且拟合精度较高的风速概率模型。在风速介于切入速度和切出速度之间时，可以认为风功率也满足威布尔分布。双参数的威布尔(Weibull) 分布数学模型如式(1)所示。

式中：p是风功率；k是形状参数，反映的是风功率分布的不对称性；c是尺度参数，反映的是风功率的期望均值，f(p)为风力功率分布函数。

本发明根据风功率的统计资料，采用风功率的均值和标准偏差来估计风功率的形状参数k和尺度参数c。

式中：p_m为平均功率，σ_p为风功率的标准偏差，k是形状参数，Γ是Gamma函数。

通过式(2)可得到风功率的形状参数k，然后通过式(3)求出风功率的尺度参数c。

1.3采用Beta分布建立光伏发电系统功率概率模型。

Beta分布的概率密度为式(4)所示。

式中，p_S是一段时间内光伏发电系统出力的最大值，p是风功率，α和β为Beta 分布的形状系数，分别是一次参数和高维参数，可由光伏发电系统输出功率的均值和标准差来估计，计算公式为：

式中：μ是光伏出力的均值；σ是光伏出力的标准差。

步骤2：在长时间尺度框架下建立火电机组燃料成本、新能源基础运行成本、氢能系统在制氢、储氢、用氢中的运行成本模型，构建超高比例氢能的新能源电力系统运行模拟模型。

2.1火电机组燃料成本模型

式中：F_G为火电机组燃料成本函数；f_i[P_Gi(t)]为火电厂在t时刻的运行成本；T为计算周期的总时长，计算周期由多个调度时段组成，例如当计算总时间为一年，取1周为1时段时，则有T＝52的调度时段；_NG为火电机组数量；P_Gi(t)为火电机组在t时刻的出力；S_i为火电机组的开机成本；U_i(t)与U_i(t-1)分别为火电机组在t时刻与t-1时刻的开停状态，开机状态U_i(t)＝1，停机状态U_i(t)＝0。

f_i[P_Gi(t)]＝[a_i·P_Gi(t)²+b_iP_Gi(t)+c_i]S_coal (7)

式中：f_i为火电机组在t时刻的单位运行成本；a_i、b_i分别为火电机组运行在二次方向上、一次方向上的费用参数；c_i为补偿参数；其中S_coal为当季的煤炭价格，P_Gi(t)为火电机组在t时刻的出力。

2.2新能源基础运行成本模型

考虑到风电运行过程中无能量消耗，在计及风电的投资和运行维护成本的基础上，风电全寿命周期内的平均购电成本可近似表示为与发电量成线性关系：

式中：F_WOPt为在单位时段t内总的风电场营运成本；P_WOP.jt为在单位时段t内第j个风电场出力的营运价格；P_WS.jt为第j个风电场在某单位时段t内的计划调度出力。

考虑到光伏电场在运行过程中无能量消耗，在计及光伏的投资和运行维护成本的基础上，光伏全寿命周期内的平均购电成本可近似表示为与发电量成线性关系。光伏发电营运成本数学模型如下：

式中：F_pvop,t为在单位时段t内总的光伏电场营运成本，单位万元，P_pv,it为第k个光伏电场在单位时段t内的计划调度出力，k，x均为光伏电场数量，K≤X，f_p.cost为光伏电场在单位时间段t的发电成本电价，单位为万元，其值由发电厂商决定。

2.3氢能系统运行成本模型

氢储能系统运行成本模型

E_FC＝E_F,EC+E_F,GS+E_F,FC (10)

式中：E_FC为氢储能系统运行成本；E_F,EC为电解槽固定成本；E_F,GS为储氢罐系统固定成本；E_F,FC为燃料电池固定成本；P_EC为氢储能系统中电解槽的额定功率；P_FC为氢储能系统中单个燃料电池的单位功率成本，F、f为燃料电池的数量；K_UC,EC，K_UC,GSH分别为电解槽单位功率成本和储氢系统单位功率成本；V_GSH为储氢系统功率；V_GSO储氧系统功率；K_UC,GSO储氧系统单位功率成本。

步骤3：在步骤2得到的各种能源电能成本模型的基础上，构建超高比例氢能的新能源电力系统运行模拟模型。

3.1中长期时间尺度下新能源电力系统运行模拟模型以系统运行综合成本最小为目标函数，目标函数由火电机组成本和清洁能源弃电惩罚的总和，其数学表达式如下：

式中：F为优化运行周期内的总成本；_NT为优化周期，以周为时间尺度_NT＝52；i表示第i个火电机组；_NG为系统的火电机组并网台数；f_G(P_it)为火电厂在t时刻的运行成本；f_2i为风光单位出力成本；p_it为风力发电机组与光伏发电机组_i在时刻t的发电出力之和；x_it为风力发电机组与光伏发电机组_i在时刻t的开机状态，开机运行时x_it为1，停机时x_it为0；V_h为氢储量；E_FC为标准大气压下单位储氢系统运行成本。

3.1.1中长期时间尺度下新能源电力系统运行模拟模型约束条件

(1)系统功率平衡约束

式中，P_wt、P_Vt、P_Ht分别为t时刻风力发电出力、光伏发电出力、氢储能系统发电的出力；L_t为时刻t系统的负荷值，N_G为系统内火电机组并网台数；i为火电机组数；

(2)风电机组、火电机组和光伏机组的出力约束

受风电机组、火电机组自身参数限制，其有功出力应满足发电机上下限不等式约束条件，表示为：

火电机组出力约束为：

P_Timin≤P_Ti≤P_Timax (14)

风电机组出力约束为：

0≤P_Wj≤P_Wjmax (15)

光伏机组出力约束为：

0≤P_PVk≤P_PVkmax (16)

式中：P_Timax为火电机组最大出力限制，P_Timin为火电机组最小出力限制，P_Wjmax为风电场最大出力，P_PVkmax为光伏电场最大出力；P_Ti为第i个火电机组出力；P_wi为风电场出力；P_pvk光伏机组出力。

(3)火电机组爬坡约束

火电机组在动态优化调度过程中输出功率不可超出自身单位调度周期内所能提供的最大输出功率，其爬坡能力可公式化为：

-ζ_Tdowni.t≤P_Ti.t-P_Ti.t-1≤ζ_Tupi.t (17)

ζ_Tdowni.t为第i台火电机组在某单位时段t内出力的下降率，ζ_Tupi.t为第i台火电机组在某单位时段t内出力的上升率，单位为MW/单位时间；P_Ti.t为第i台火电机组在t时段的出力，P_Ti.t-1为第i台火电机组在t+1时段的出力。

(4)氢储能系统充放电功率约束

氢储能系统并网充放电过程中其最大充放电功率受自身参数、技术要求等因素限制，需满足关系式：

式中：P_Hcm，P_Hdm分别为储能装置的最大充电功率、最大放电功率，P_H(t)为放电功率，W_H(t)电解水制氢装置标准状况氢气体积产量。

(5)储能电站容量约束

储能电站受自身存储容量的上下限约束，可表示为：

A_Smin≤A_S≤A_Smax (19)

式中：A_Smin，A_Smax分别为储能电站最大存储容量和最小存储容量，A_S为储能装置在某一时刻的存储容量。

(6)可靠性约束

当某时刻的可用机组出力，如常规机组、风电机组和光伏发电机组的输出功率之和小于负荷功率，则储能电站转入放电状态，如果此时刻储能剩余可用容量也不能满足负荷需求，则负荷缺电，负荷缺电概率须小于预设值：

R_LPSP≤R_max (20)

式中：R_max为电力系统最大允许缺电概率，R_LPSP为负荷缺电概率。

负荷供电可靠性指标R_LPSP的计算方法如下：

式中：t为时点，每小时取一个点，一年365天取8760个点，E_LPS,t为全年的失负荷小时总数，E_Load,t为全年累计负荷总数。

3.1.2短期时间尺度下新能源电力系统运行模拟模型以系统运行综合成本最小为目标函数，目标函数由各方电源成本构成，其数学表达式如下：

式中：N^Thermal是参与短期发电调度的火电机组数；C_i ^Up是火电机组的开机固定成本，

是火电机组的停机固定成本；

是指火电机组在t时刻开停机状态转换指示变量，当火电机组由停机状态转为开机状态时，

反之为0；同理，当火电机组由开机状态转为关机状态时，

火电机组由关机状态转为开机状态时

为0；F_i(·)是火电机组发电成本函数；

是火电机组i在t时刻的有功功率；以小时为时间尺度，N^T为168。

步骤4：在步骤3基础上得到中长期运行模拟模型，根据新能源的出力特性，以周为基本时间单位确定全年的发电机组检修计划，并对具有周、日调节能力的氢能系统进行氢能分配；以上述检修、电量分配计划为边界，反复使用短期模拟模型，进行逐日的生产模拟。在短期模拟中详细考虑风电、光伏出力的波动性，计及开停机、爬坡等复杂时序约束，给出系统短期运行方案。

附图说明

图1是本发明实施基于氢能超高比例新能源电力系统运行模拟框架图；

图2是近似分段持续负荷曲线图。

具体实施方式

以下结合附图及具体实施方式进一步说明本发明。

如图1所示，本发明基于氢能超高比例新能源电力系统运行模拟方法的流程如下：

1、明确含氢能的新能源电力系统结构，对负荷与新能源电力建模，构建基于氢能支撑的电力系统复合尺度模拟框架。持续负荷曲线如图2所示，建立持续负荷曲线首先对时序负荷曲线按照从大到小的次序依次排序，形成精确持续负荷曲线；其次，根据需要选择恰当的分段数和相应的负荷水平，此过程应保留该时段内运行模拟系统最大负荷和最小负荷，分段数不小于3段。最后，对各个负荷水平的持续时间进行调整，保证近似和精确持续负荷曲线对应的电量相等。利用式(1)、式(2)、式(4)、式(5)得到风力发电和光伏发电概率模型。

2、在长时间尺度框架下建立火电机组燃料成本、新能源基础运行成本、氢能系统在制氢、储氢、用氢中的运行成本模型，构建超高比例氢能的新能源电力系统运行模拟模型；

中长期时间尺度下以系统运行综合成本最小为目标函数，目标函数由火电机组成本和清洁能源弃电惩罚的总和，其数学表达式如式(12)所示。

3、在各种能源电能成本模型的基础上，构建超高比例氢能的新能源电力系统运行模拟模型。

短期时间尺度下以系统运行综合成本最小为目标函数，目标函数由各方电源成本构成，其数学表达式如式(22)所示。

在已建立不同能源电能价格模型的基础上，构建氢能支撑的电力系统多时间尺度运行模拟模型：模型以系统运行的综合成本最小为目标函数，主要包括机组约束、安全稳定约束、氢储能系统的约束等，根据上述提出的运行模拟模型基于遗传算法进行求解，求解得到最优运行结果。

在步骤3基础上得到中长期运行模拟模型，根据新能源的出力特性，以周为基本时间单位确定全年的发电机组检修计划，并对具有周、日调节能力的氢能系统进行氢能分配；以上述检修、电量分配计划为边界、反复使用短期模拟模型，进行逐日的生产模拟。在短期模拟中详细考虑风电、光伏出力的波动性，计及开停机、爬坡等复杂时序约束，给出系统短期运行方案。

Claims (5)

1.一种基于氢能超高比例的新能源电力系统运行模拟方法，其特征在于，所述的运行模拟方法步骤如下：

步骤1：对负荷与新能源电力建模，构建基于氢能支撑的电力系统复合时间尺度运行模拟框架，以周为时间分辨率，采用分段近似负荷曲线对负荷建模；同时逐周、逐负荷段对新能源出力数据进行概率建模；

步骤2：在长时间尺度框架下建立火电机组燃料成本、新能源基础运行成本、氢能系统在制氢、储氢、用氢中的运行成本模型，构建超高比例氢能的新能源电力系统运行模拟模型；

步骤3：在步骤2得到各种能源电能成本模型的基础上，构建超高比例氢能的新能源电力系统运行模拟模型；

步骤4：在步骤3基础上得到中长期运行模拟模型，根据新能源的出力特性，以周为基本时间单位确定全年的发电机组检修计划，并对具有周、日调节能力的氢能系统进行氢能分配；以上述检修、电量分配计划为边界，反复使用短期模拟模型，进行逐日的生产模拟；在短期模拟中详细考虑风电、光伏出力的波动性，计及开停机、爬坡这些复杂时序约束，给出系统短期运行方案。

2.根据权利要求1所述的运行模拟方法，其特征在于，所述步骤1采用分段近似负荷曲线对负荷建模的步骤如下：首先，对时序负荷曲线按照从大到小的次序依次排序，形成精确持续负荷曲线；其次，根据需要选择恰当的分段数和相应的负荷水平，此过程应保留该时段内运行模拟系统最大负荷和最小负荷，分段数不小于3段；最后，对各个负荷水平的持续时间进行调整，保证近似和精确持续负荷曲线对应的电量相等。

3.根据权利要求1所述的运行模拟方法，其特征在于，所述步骤1对新能源出力数据进行概率建模的步骤如下：

在风速介于切入速度和切出速度之间时，认为风功率也满足威布尔分布；双参数的威布尔分布数学模型如式(1)所示：

式中：f(p)为风力功率分布函数；p是风功率；k是形状参数，反映的是风功率分布的不对称性；c是尺度参数，反映的是风功率的期望均值；

根据风功率的统计资料，采用风功率的均值和标准偏差来估计风功率的形状参数k和尺度参数c；

式中：p_m为平均功率；σ_p为风功率的标准偏差；Γ是Gamma函数；

通过式(2)得到风功率的形状参数k，然后通过式(3)求出风功率的尺度参数c：

采用Beta分布建立光伏发电系统功率概率模型，Beta分布的概率密度为式(4)所示：

式中，p_S是一段时间内光伏发电系统出力的最大值，α和β为Beta分布的形状系数，由光伏发电系统输出功率的均值和标准差来估计，计算公式为：

式中：μ是光伏出力的均值；σ是光伏出力的标准差。

4.根据权利要求1所述的运行模拟方法，其特征在于，所述的步骤2建立的火电机组燃料成本、新能源基础运行成本、氢能系统在制氢、储氢、用氢中的运行成本模型如下：

(1)火电机组燃料成本模型：

式中：F_G为火电机组燃料成本函数；f_i[P_Gi(t)]为火电厂在t时刻的运行成本；T为计算周期总时长，计算周期时长为调度时段组成，当计算总时间为一年，取1周为1时段时，则有T＝52为调度时段；N_G为火电机组数；P_Gi(t)为火电机组在t时刻的出力；S_i为火电机组的开机成本；U_i(t)与U_i(t-1)分别为火电机组在t时刻与t-1时刻的开停状态，开机状态U_i(t)＝1，停机状态U_i(t)＝0；

f_i[P_Gi(t)]＝[a_i·P_Gi(t)²+b_iP_Gi(t)+c_i]S_coal (7)

式中：f_i为火电机组在t时刻的单位运行成本；a_i、b_i分别为火电机组运行在二次方向上、一次方向上的费用参数，c_i为补偿参数，S_coal为当季的煤炭价格，P_Gi(t)为火电机组在t时刻的出力；

(2)新能源基础运行成本模型：

风力发电成本模型：

式中：F_wopt为在单位时段t内总的风电场营运成本：P_wop,jt为在单位时段t内第j个风电场出力的营运价格；P_ws,jt为第j个风电场在单位时段t内的计划调度出力；

光伏发电成本模型：

式中：F_pvop,t为在单位时段t内总的光伏电场营运成本，单位万元，P_pv,it为第k个光伏电场在单位时段t内的计划调度出力，k，x均为光伏电场数量，K≤X，f_p.cost为光伏电场在单位时间段t的发电成本电价，单位为万元，其值由发电厂商决定；

(3)氢能系统运行成本模型

E_FC＝E_F,EC+E_F,GS+E_F,FC (10)

式中：E_FC为氢储能系统运行成本；E_F,EC为电解槽固定成本；E_F,GS为储氢罐系统固定成本；E_F,FC为燃料电池固定成本；P_EC为氢储能系统中电解槽的额定功率；P_FC为氢储能系统中单个燃料电池的单位功率成本，F、f为燃料电池的数量；K_UC,EC，K_UC,GSH分别为电解槽单位功率成本和储氢系统单位功率成本；V_GSH为储氢系统功率；V_GSO储氧系统功率；K_UC,GSO储氧系统单位功率成本。

5.根据权利要求1所述的运行模拟方法，其特征在于，所述步骤3构建超高比例氢能的新能源电力系统运行模拟模型的步骤如下：

(1)中长期时间尺度下新能源电力系统运行模拟模型以系统运行综合成本最小为目标函数，目标函数由火电机组成本和清洁能源弃电惩罚的总和，其数学表达式如下：

式中：F为优化运行周期内的总成本；N_T为优化周期，以周为时间尺度N_T＝52；N_G为系统的火电机组并网台数；i为火电机组数；f_G(P_it)为火电厂在t时刻的运行成本；f_2i为风光单位出力成本；p_it为风力发电机组与光伏发电机组i在时刻t的发电出力；x_it为风力发电机组与光伏发电机组i在时刻t的开机状态，开机运行时x_it为1，停机时x_it为0；V_h为氢储量；E_FC为标准大气压下单位储氢系统运行成本；

(2)中长期时间尺度下新能源电力系统运行模拟模型约束条件如下：

2.1系统功率平衡约束

式中，P_wt、P_Vt、P_Ht分别为t时刻风力发电出力、光伏发电出力、氢储能系统发电的出力；L_t为时刻t系统的负荷值，N_G为系统内火电机组并网台数；i为火电机组数；

2.2风电机组、火电机组和光伏机组的出力约束

受风电机组、火电机组自身参数限制，其有功出力应满足发电机上下限不等式约束条件，表示为：

火电机组出力约束为：

P_Timin≤P_Ti≤P_Timax (14)

风电机组出力约束为：

O≤P_Wj≤P_Wjmax (15)

光伏机组出力约束为：

o≤P_PVk≤P_PVkmax (16)

式中：P_Timax为火电机组最大出力限制，P^Timin为火电机组最小出力限制，P_Wjmax为风电场最大出力，P^PVkmax为光伏电场最大出力；P_Ti为第i个火电机组出力；P_wi为风电场出力；P_pvk光伏机组出力；

2.3火电机组爬坡约束

火电机组在动态优化调度过程中输出功率不可超出自身单位调度周期内所能提供的最大输出功率，其爬坡能力为：

-ζ_Tdowni.t≤P_Ti.t-P_Ti.t-1≤ζ_Tupi.t (17)

ζ_Tdowni.t为第i台火电机组在某单位时段t内出力的下降率，ζ_Tupi.t为第i台火电机组在某单位时段t内出力的上升率，单位为MW/单位时间；P_Ti.t为第i台火电机组在t时段的出力，P_Ti.t-1为第i台火电机组在t+1时段的出力；

2.4氢储能系统充放电功率约束

氢储能系统并网充放电过程中的最大充放电功率受自身参数、技术要求限制，需满足关系式：

式中：P_Hcm，P_Hdm分别为储能装置的最大充电功率、最大放电功率，P_H(t)为放电功率，W_H(t)电解水制氢装置标准状况氢气体积产量；

2.5储能电站容量约束

储能电站受自身存储容量的上下限约束，表示为：

A_Smin≤A_S≤A_Smax (19)

式中：A_Smin，A_Smax分别为储能电站最大存储容量和最小存储容量，A_S为储能装置在某一时刻的存储容量；

2.6可靠性约束

当某时刻的常规机组、风电机组和光伏发电机组的输出功率之和小于负荷功率，则储能电站转入放电状态，如果此时刻储能剩余可用容量也不能满足负荷需求，则负荷缺电，负荷缺电概率需要小于预设值：

R_LPSP≤R_max (20)

式中：R_max为电力系统最大允许缺电概率，R_LPSP为负荷缺电概率；

负荷供电可靠性指标R_LPSP的计算方法如下：

式中：t为时点，每小时取一个点，一年365天取8760个点，E_LPS，t为全年的失负荷小时总数，E_Load，t为全年累计负荷总数；

(3)短期时间尺度下新能源电力系统运行模拟模型以系统运行综合成本最小为目标函数，目标函数由各方电源成本构成，其数学表达式如下：

式中：N^Thermal是参与短期发电调度的火电机组数；

是火电机组的开机固定成本，

是火电机组的停机固定成本；

是指火电机组在t时刻开停机状态转换指示变量，当火电机组由停机状态转为开机状态时，

反之为0；同理，当火电机组由开机状态转为关机状态时，

火电机组由关机状态转为开机状态时

为0；F_i(·)是火电机组发电成本函数；

是火电机组i在t时刻的有功功率，以小时为时间尺度，N^T为168。

Images