CN113381400A - 储能消纳新能源能力评估方法和装置 - Google Patents

储能消纳新能源能力评估方法和装置 Download PDF

Info

Publication number
CN113381400A
CN113381400A CN202110592256.6A CN202110592256A CN113381400A CN 113381400 A CN113381400 A CN 113381400A CN 202110592256 A CN202110592256 A CN 202110592256A CN 113381400 A CN113381400 A CN 113381400A
Authority
CN
China
Prior art keywords
model
renewable energy
parameter
energy
fluctuation
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.)
Granted
Application number
CN202110592256.6A
Other languages
English (en)
Other versions
CN113381400B (zh
Inventor
范越
黄少伟
方保民
王川
王莲芳
魏韡
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.)
Tsinghua University
State Grid Qinghai Electric Power Co Ltd
Original Assignee
Tsinghua University
State Grid Qinghai 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 Tsinghua University, State Grid Qinghai Electric Power Co Ltd filed Critical Tsinghua University
Priority to CN202110592256.6A priority Critical patent/CN113381400B/zh
Publication of CN113381400A publication Critical patent/CN113381400A/zh
Application granted granted Critical
Publication of CN113381400B publication Critical patent/CN113381400B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • 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
    • 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
    • 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
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor
    • 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
    • Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
    • Y02W30/00—Technologies for solid waste management
    • Y02W30/50—Reuse, recycling or recovery technologies
    • Y02W30/82—Recycling of waste of electrical or electronic equipment [WEEE]

Landscapes

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

Abstract

本发明提供一种储能消纳新能源能力评估方法和装置，其中，方法包括：构建量化储能单元性能的可再生能源弃电量模型和为缓解系统波动的系统灵活性模型；根据所述可再生能源弃电量模型确定可再生能源系统的弃电量，根据所述为缓解系统波动的系统灵活性模型确定所述可再生能源系统的波动水平；根据所述弃电量和所述波动水平，确定所述量化储能单元性能的评估结果。本发明通过建立两个参数优化模型量化ESU对可再生能源系统的弃电量和为缓解系统波动的系统灵活性的影响。

Description

储能消纳新能源能力评估方法和装置
技术领域
本发明涉及电力技术领域，尤其涉及一种储能消纳新能源能力评 估方法和装置。
背景技术
在过去的十年中，化石燃料的过度消费，全球变暖和环境恶化促 进了可再生能源发电(REG)的快速发展。但是，可再生能源发电的 不稳定性对电力系统的运行提出了挑战。一方面，风力发电难以准确 预测，并且晚上太阳能电池板不发电，在另一方面，REG的变化趋 势并不遵循负荷的变化趋势。尽管大容量的REG已安装来满足时间 上的需求，当负载不足或传输线拥挤时，过多地可再生能源会被弃掉， 造成能源浪费和设施利用率低。部署储能单元(ESU)被公认为是支 持大规模可再生能源并网的最有效解决方案：ESU可以补偿发电与需 求之间的实时差异，并随着时间推移改变净需求，因此有助于缓解 REGs的不确定性，提高安全裕度以及降低运营成本，减少可再生能 源的削减是ESU运营和规划中需要考虑的，除此之外，ESU将提高 短期支持以减轻REGs的不确定性。
而现有技术中并不存在全面反映ESU对可再生能源系统的弃电 量和为缓解系统波动的灵活性的方式。
发明内容
本发明提供一种储能消纳新能源能力评估方法和装置，用以解决 现有技术中不能全面展示储能容量对电力系统的影响的缺陷，实现全 面分析储能容量对电力系统的影响。
第一方面，本发明提供一种储能消纳新能源能力评估方法，包括：
构建量化储能单元性能的可再生能源弃电量模型和为缓解系统 波动的系统灵活性模型；
根据所述可再生能源弃电量模型确定可再生能源系统的弃电量， 根据所述为缓解系统波动的系统灵活性模型确定所述可再生能源系 统的波动水平；
根据所述弃电量和所述波动水平，确定所述量化储能单元性能的 评估结果。
进一步，本发明提供的储能消纳新能源能力评估方法，其中，根 据所述可再生能源弃电量模型确定所述量化储能单元的弃电量，包括：
将所述可再生能源弃电量模型的参数鲁棒优化模型形式转化为 所述可再生能源弃电量模型的多参数混合整数线性优化模型形式；
根据所述可再生能源弃电量模型的多参数混合整数线性优化模 型形式确定所述可再生能源系统的弃电量。
进一步，本发明提供的储能消纳新能源能力评估方法，其中，根 据所述为缓解系统波动的系统灵活性模型确定所述可再生能源系统 的波动水平，包括：
将所述为缓解系统波动的系统灵活性模型的参数鲁棒优化模型 形式转化为所述为缓解系统波动的系统灵活性模型的多参数混合整 数线性优化模型形式；
根据所述为缓解系统波动的系统灵活性模型的多参数混合整数 线性优化模型形式确定所述可再生能源系统的波动水平。
进一步，本发明提供的储能消纳新能源能力评估方法，其中，所 述可再生能源弃电量模型的参数鲁棒优化模型形式，表示为：
Figure BDA0003090016570000031
s.t.Ax+By+Cξ-Δξ≤b+Fθ
Δξ≥0
其中，1T表示T维的全一向量，θ表示参数向量，ξ表示不确定 参数，Δξ表示弃电量，Ξ表示不确定集，x表示连续变量，y表示离 散变量，A,B,C,b和F为常系数。
进一步，本发明提供的储能消纳新能源能力评估方法，其中，所 述可再生能源弃电量模型的多参数混合整数线性优化模型形式，表示 为：
Figure BDA0003090016570000032
s.t.Apxp+Bpyp≤bp+Fpθ
θ∈Θ
其中，cp表示常数矩阵，T表示矩阵的维度，xp表示连续变量，yp表示离散变量，θ表示参数向量，Ap,Bp,bp,Fp表示常数；
集合Θ是一个多面体，定义了参数θ的变化范围。
进一步，本发明提供的储能消纳新能源能力评估方法，其中，所 述为缓解系统波动的系统灵活性模型的参数鲁棒优化模型形式，表示 为：
Figure BDA0003090016570000033
其中，ξ表示不确定参数，为不确定集Ξ中的元素，ξ的幅值与α成 比例；
θ表示参数向量，x表示连续变量，y表示离散变量，Δξ表示弃 电量，A,B,C,b和F为常系数。
进一步，本发明提供的储能消纳新能源能力评估方法，其中，所 述为缓解系统波动的系统灵活性模型的多参数混合整数线性优化模 型形式，表示为：
Figure BDA0003090016570000041
s.t.Agxg+Bgyg≤bg+Fgθ
θ∈Θ
其中，cg表示常数矩阵，T表示举证的维度，xg表示连续变量，yg表示离散变量，θ表示参数向量，Ag,Bg,bg,Fg表示常数；
集合Θ是一个多面体，定义了参数θ的变化范围。
进一步，本发明提供的储能消纳新能源能力评估方法，其中，所 述根据所述可再生能源弃电量模型的多参数混合整数线性优化模型 形式确定所述可再生能源系统的弃电量，通过以下方法：
对所述可再生能源弃电量模型的多参数混合整数线性优化模型 形式进行初始化处理，并设定
Figure RE-GDA0003180892890000044
关键场景数Nc，迭代次数K＝0；
对所述初始化后处理的结果进行求解最优解ξ*,z*＝{z+*,z-*}，并 更新Ξc＝Ξc∪{ξ*}；
更新K＝K+1，并将
Figure BDA0003090016570000042
加入所述初始化处理后的结果 中，并求解最优解并更新Ξc，直至K＝Nc；
依据更新后的Ξc确定所述可再生能源系统的弃电量。
进一步，本发明提供的储能消纳新能源能力评估方法，其中，所 述根据所述为缓解系统波动的系统灵活性模型的多参数混合整数线 性优化模型形式确定所述可再生能源系统的波动水平，通过以下方法：
对所述可再生能源弃电量模型的参数鲁棒优化模型形式进行初 始化处理，并设定
Figure RE-GDA0003180892890000042
关键场景数Nc，迭代次数K＝0；
对所述初始化后处理的结果进行求解最优解ξ*,z*＝{z+*,z-*}，并 更新Ξc＝Ξc∪{ξ*}；
更新K＝K+1，并将
Figure BDA0003090016570000043
加入所述初始化处理后的结果 中，并求解最优解并更新Ξc，直至K＝Nc；
确定更新后的Ξc中ξ*对应的可再生能源系统的波动水平。
第二方面，本发明提供一种储能消纳新能源能力评估装置，包括：
第一处理模块，用于构建量化储能单元性能的可再生能源弃电量 模型和为缓解系统波动的系统灵活性模型；
第二处理模块，用于根据所述可再生能源弃电量模型确定可再生 能源系统的弃电量，根据所述为缓解系统波动的系统灵活性模型确定 所述可再生能源系统的波动水平；
第三处理模块，用于根据所述弃电量和所述波动水平，确定所述 量化储能单元性能的评估结果。
本发明提供的储能消纳新能源能力评估方法和装置，通过构建量 化储能单元性能的可再生能源弃电量模型和为缓解系统波动的系统 灵活性模型；根据所述可再生能源弃电量模型确定可再生能源系统的 弃电量，根据所述为缓解系统波动的系统灵活性模型确定所述可再生 能源系统的波动水平；根据所述弃电量和所述波动水平，确定所述量 化储能单元性能的评估结果。本发明通过构建两个参数优化模型，以 量化ESU对两个指标的影响：可再生能源弃电量和为缓解系统波动 的系统灵活性。进而，确定ESU对可再生能源系统的影响。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实 施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见 地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术 人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得 其他的附图。
图1是本发明提供的储能消纳新能源能力评估方法的流程示意图；
图2是本发明提供的储能消纳新能源能力评估装置的结构示意图；
图3是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合本发 明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然， 所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提 下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合图1描述本发明实施例提供一种储能消纳新能源能力 评估方法，包括：
步骤100：构建量化储能单元性能的可再生能源弃电量模型和为 缓解系统波动的系统灵活性模型；
可再生能源发电的不稳定性对电力系统的运行提出了挑战。一方 面，风力发电难以准确预测，并且晚上太阳能电池板不发电，在另一 方面，REG的变化趋势并不遵循负荷的变化趋势。尽管大容量的REG 已安装来满足时间上的需求，当负载不足或传输线拥挤时，过多地可 再生能源会被弃掉，造成能源浪费和设施利用率低。部署储能单元 (ESU)被公认为是支持大规模可再生能源并网的最有效解决方案： ESU可以补偿发电与需求之间的实时差异，并随着时间推移改变净需 求，因此有助于缓解REGs的不确定性，提高安全裕度以及降低运营 成本，减少可再生能源的削减是ESU运营和规划中需要考虑的，除 此之外，ESU将提高短期支持以减轻REGs的不确定性。
因此，本发明实施例提出了两个参数优化模型即可再生能源弃电 量模型和为缓解系统波动的系统灵活性模型，以量化ESU对两个指 标的影响：可再生能源弃电量和为缓解系统波动的系统灵活性。REG 的波动性由预测的输出和预测误差所建立的不确定集来描述，模型是 根据ESU的功率和容量参数构造的。
步骤200：根据所述可再生能源弃电量模型确定可再生能源系统 的弃电量，根据所述为缓解系统波动的系统灵活性模型确定所述可再 生能源系统的波动水平；
在第一个模型即可再生能源弃电量模型中，计算在最坏情况下可 再生能源的总量的削减，并转化为一个参数化的最大最小问题。在第 二个模型即为缓解系统波动的系统灵活性模型中，当调度约束在从不 确定集中选取的任意场景下保持可行，此时最大化确定不确定性集的 大小和反映REG波动水平的标量变量。
步骤300：根据所述弃电量和所述波动水平，确定所述量化储能 单元性能的评估结果。
对上述两个模型求解，得到的结果可作为描述ESU能力的两个 参数指标即可再生能源系统的弃电量以及波动水平。进而依据这两个 指标评价储能单元对可再生能源系统的影响。
本发明实施例提供的储能消纳新能源能力评估方法和装置，通过 构建量化储能单元性能的可再生能源弃电量模型和为缓解系统波动 的系统灵活性模型；根据所述可再生能源弃电量模型确定可再生能源 系统的弃电量，根据所述为缓解系统波动的系统灵活性模型确定所述 可再生能源系统的波动水平；根据所述弃电量和所述波动水平，确定 所述量化储能单元性能的评估结果。本发明通过构建两个参数优化模 型，以量化ESU对两个指标的影响：可再生能源弃电量和为缓解系 统波动的系统灵活性。进而，确定ESU对可再生能源系统的影响。
进一步，本发明实施例提供的储能消纳新能源能力评估方法，其 中，根据所述可再生能源弃电量模型确定所述量化储能单元的弃电量， 包括：
将所述可再生能源弃电量模型的参数鲁棒优化模型形式转化为 所述可再生能源弃电量模型的多参数混合整数线性优化模型形式；
根据所述可再生能源弃电量模型的多参数混合整数线性优化模 型形式确定所述可再生能源系统的弃电量。
具体地，在可再生能源系统的优化问题中，电力系统网络潮流用 直流潮流模型刻画；考虑电池模型，系统运行约束可以描述如下:
Figure BDA0003090016570000081
Figure BDA0003090016570000082
Figure BDA0003090016570000083
Figure BDA0003090016570000084
Figure BDA0003090016570000085
Figure BDA0003090016570000086
其中，
Figure BDA0003090016570000087
是发电机输出功率，
Figure BDA0003090016570000088
是储能电池放电功率，
Figure BDA0003090016570000089
是储能 电池充电功率，
Figure BDA00030900165700000810
是调度功率，
Figure BDA00030900165700000811
是负荷功率,Fl是传输线路容量上限，
Figure BDA00030900165700000812
和
Figure BDA00030900165700000813
是发电机输出功率上下限，
Figure BDA00030900165700000814
和
Figure BDA00030900165700000815
是爬坡率上下限，
Figure BDA00030900165700000816
是储能电 池最大功率，
Figure BDA00030900165700000817
是SOC上限，
Figure BDA00030900165700000818
和
Figure BDA00030900165700000819
是储能充放电效率系数(1)为系统 功率平衡方程；(2)为传输线路容量约束，πl(·)表示从设备(·)到线路l的功率转移分布因子；(3)为发电机输出功率和爬坡率约束；(4)为 储能的充放电约束，
Figure BDA00030900165700000820
是布尔变量；(5)为储能的SOC约束，
Figure BDA00030900165700000821
是 SOC下限系数，
Figure BDA00030900165700000822
是SOC初值；(6)描述了可再生能源发电出力约束，
Figure BDA00030900165700000823
是不确定参数，取决于天气状况；调度量
Figure BDA00030900165700000824
不能超过
Figure BDA00030900165700000825
而弃电量为
Figure BDA00030900165700000826
在本发明实施例中，利用布尔变量来约束储能不可以同时充放电 是必要的。因为在一个经济调度问题中，储能不同时充放电的互补条 件是自然满足的，因为同时充放电会带来能量损失。但是，如果储能 的运行目的是为了降低可再生能源弃电量，那么同时充放电可以被等 效地视为一定量的负荷，负荷大小与充放电功率和储能的效率有关； 这一额外的负荷可以降低弃电量，但这显然是不合理的。因此，添加 布尔变量进行互补约束是必要的。
特别地，需要对上述约束进行转化。首先，(1)是唯一的等式约 束，可以用两个方向相反的不等式替换；然后，乘积项
Figure BDA0003090016570000091
替换为 连续变量
Figure BDA0003090016570000092
以及以下约束:
Figure BDA0003090016570000093
其中，M是一个足够大的正数。
为了刻画储能容量对可再生能源利用情况的影响，把
Figure BDA0003090016570000094
和
Figure BDA0003090016570000095
Figure BDA0003090016570000096
归结为参数向量θ；然后，用向量ξ和Δξ分别来表示
Figure BDA0003090016570000097
和
Figure BDA0003090016570000098
剩余所有的连续变量和离散变量分别归入向量x和y。因此，(1)到(7) 中所有的约束可以表述为:
Ax+By+Cξ-Δξ≤b+Fθ (8)
其中，A,B,c,b和F为常系数。储能容量参数在以下参数集中取 值:
Θ＝θ|Sθ≤H (9)
集合Θ是一个多面体，定义了参数θ的变化范围；这一集合可以 根据评估者或依据决策者的意愿灵活定义。以投资成本为例，储能的 投资成本可以描述为
Figure BDA0003090016570000099
第一项与电力电子变换器有关， 第二项与电池组有关。给定投资预算H0后，即可用线性不等式
Figure BDA00030900165700000910
以及参数的非负约束来构建集合Θ。
类似于鲁棒优化，与天气相关的不确定变量ξ属于以下不确定集:
Ξ＝ξ|ξ0+αz+-z-·h，z+，z-∈Z (10)
其中，
Figure BDA00030900165700000911
其中，
Figure BDA00030900165700000912
是可再生能源出力的预测值，维数为Nξ，与优化时 间段及可再生能源发电站数目有关；
Figure BDA00030900165700000913
代表预测误差；符号·表示 两个向量对应元素的乘积；α是非负标量，反映了预测精度，或理解 为不确定的程度；α越大，意味着预测精度越低或不确定性越强，不 确定集则越保守；Γ是不确定变量的预算约束,它表示ξ中最多有Γ个 元素达到它们的上限或下限。符号1是全一向量，其维数随着方程的 不同而相应变化，在此为Nξ。
要确定参数θ对可再生能源利用的弃电量的影响，并且由上文可 知不确定集中的元素的数量很多，通过直接计算可再生能源弃电量模 型的参数鲁棒优化模型形式存在困难，并且该鲁棒优化参数模型形式 不是线性的形式，也会增加计算的难度。因此本发明实施例通过将枚 举不确定集中的所有元素及上镜图表示的方法将可再生能源弃电量 模型的参数鲁棒优化模型形式转化为可再生能源弃电量模型的多参 数混合整数线性优化模型形式，进而对多参数混合整数线性优化模型 形式进行求解确定所述可再生能源系统的弃电量。
进一步，本发明实施例提供的储能消纳新能源能力评估方法，其 中，根据所述为缓解系统波动的系统灵活性模型确定所述可再生能源 系统的波动水平，包括：
将所述为缓解系统波动的系统灵活性模型的参数鲁棒优化模型 形式转化为所述为缓解系统波动的系统灵活性模型的多参数混合整 数线性优化模型形式；
根据所述为缓解系统波动的系统灵活性模型的多参数混合整数 线性优化模型形式确定所述可再生能源系统的波动水平。
同上文所述，要确定参数θ对可再生能源利用的波动水平的影响， 并且由上文可知不确定集中的元素的数量很多，通过直接计算为缓解 系统波动的系统灵活性模型的参数鲁棒优化模型形式存在困难，并且 该鲁棒优化参数模型形式不是线性的形式，也会增加计算的难度。因 此本发明实施例通过将枚举不确定集中的所有元素及上镜图表示的 方法将为缓解系统波动的系统灵活性模型的参数鲁棒优化模型形式 转化为为缓解系统波动的系统灵活性模型的多参数混合整数线性优 化模型形式，进而对多参数混合整数线性优化模型形式进行求解确定 所述可再生能源系统的波动水平。
进一步，本发明实施例提供的储能消纳新能源能力评估方法，其 中，所述可再生能源弃电量模型的参数鲁棒优化模型形式，又因为在 计算可再生能源弃电量时通过计算在最坏情况下可再生能源的总量 的削减，并转化为一个参数化的最大最小问题。因此可以将可再生能 源弃电量模型的参数鲁棒优化模型形式表示为：
Figure BDA0003090016570000111
其中，1T表示T维的全一向量，θ表示参数向量，ξ表示不确定 参数，Δξ表示弃电量，Ξ表示不确定集，x表示连续变量，y表示离 散变量，A，B，C，b和F为常系数。
进一步，本发明实施例提供的储能消纳新能源能力评估方法，其 中，所述为缓解系统波动的系统灵活性模型的多参数混合整数线性优 化模型形式，表示为：
Figure BDA0003090016570000112
其中，cg表示常数矩阵，T表示举证的维度，xg表示连续变量，yg表示离散变量，θ表示参数向量，Ag，Bg，bg，Fg表示常数；
集合Θ是一个多面体，定义了参数θ的变化范围。
具体地，模型(12)旨在找到一个调度策略，使在最坏的不确定变 量场景下，最小化可再生能源弃电量。对于任意给定参数θ，最优值 函数为vc(θ)。
因为不确定集Ξ中的元素个数是有限的，模型(12)中的最大化运 算符可以通过枚举所有元素及上镜图表示方法来消除，即
Figure BDA0003090016570000121
其中
Figure BDA0003090016570000122
为不确定集Ξ中的所有元素；对于每一个ξi，系统响应包括 调度策略xi和yi,以及弃电量Δξi。
模型(14)是多参数混合整数线性规划，需要求解最优值函数vc(θ) 的解析表达式。
对于可再生能源弃电量模型(13)，其子问题就是问题(14)；其最 优解ξi包含一个波动形式z*＝{z+*，z-*}，这一波动形式造成了最大的弃 电量，因此被挑选为一个关键场景。设θ＝0，储能约束以及其带来 的布尔变量被消除了，因此模型(13)变为如下的max-min模型:
Figure BDA0003090016570000123
其中，β是内层最小化问题的对偶变量向量。将内层问题取对偶， 问题(15)可以转化为如下的双线性规划问题:
Figure BDA0003090016570000124
问题(16)中的约束均为线性的，但目标函数中βTCξ项是双线性的。 将该项按照每个元素进行展开:
Figure BDA0003090016570000125
其中cij为矩阵C第i行第j列的元素。进一步地，乘积项
Figure BDA0003090016570000126
和
Figure BDA0003090016570000127
可以分别由
Figure BDA0003090016570000128
和
Figure BDA0003090016570000129
代替并加入一组大M法的约束；然后，问题(16) 可以等价为
Figure BDA0003090016570000131
其中，M是足够大的正数。问题(18)中的最后一个约束的作用是 排除在之前迭代中已经挑选出的关键场景。二次约束
Figure BDA0003090016570000132
在
Figure BDA0003090016570000133
周围构建出一个邻域。因为z是布尔变量，
Figure BDA0003090016570000134
总是满足，该约束 可以变换为以下的线性约束:
Figure BDA0003090016570000135
经过上述处理后，可以获得多参数整数线性规划问题可以表示为：
Figure BDA0003090016570000136
进一步，本发明实施例提供的储能消纳新能源能力评估方法，其 中，所述为缓解系统波动的系统灵活性模型的参数鲁棒优化模型形式， 这一模型通过当调度约束在从不确定集中选取的任意场景下保持可 行时，最大化确定不确定性集的大小和反映REG波动水平的标量变 量，从而确定可再生能源系统的波动水平。则为缓解系统波动的系统 灵活性模型的参数鲁棒优化模型形式表示为：
Figure BDA0003090016570000137
其中，ξ表示不确定参数，为不确定集Ξ中的元素，ξ的幅值与α成 比例；
θ表示参数向量，x表示连续变量，y表示离散变量，Δξ表示弃 电量，A,B,C，b和F为常系数。
进一步，本发明实施例提供的储能消纳新能源能力评估方法，其 中，所述为缓解系统波动的系统灵活性模型的多参数混合整数线性优 化模型形式，表示为：
Figure BDA0003090016570000141
其中，cg表示常数矩阵，T表示举证的维度，xg表示连续变量，yg表示离散变量，θ表示参数向量，Ag,Bg,bg，Fg表示常数；
集合Θ是一个多面体，定义了参数θ的变化范围。
具体地，依据模型(20)，对于任意的ξ∈Ξ(α),都存在至少一个可 行的系统调度策略。在此,αh衡量可再生能源的实际出力偏离预测值 的情况。如果条模型(20)在更大的α下被满足，可以说明系统拥有更 高的运行灵活性，可以接纳更大的不确定性。因此，为了最大化系统 灵活性，考虑下面的问题:
Figure BDA0003090016570000142
与问题(14)相似，
Figure BDA0003090016570000143
为不确定集Ξ中的所有元素；ξ的幅值与α成 比例,同时不会超过相应的可再生能源电站的装机容量。问题(22)也 是一个多参数混合整数线性规划。
因为无法消纳的可再生能源可以弃掉，在其出力向上波动时，系 统一般是可行的；因此，问题(22)的最优值取决于当可再生能源出力 向下波动时系统备用的充足性。另一方面，弃电量指标反映了向上波 动时系统对可再生能源的消纳能力。因此，这两个指标是互补的。
对于系统灵活性问题，可再生能源的关键波动场景是为了破坏系 统运行约束的可行性。引入松弛向量s来量化潜在的约束违反，并构 建如下的可行性检测子问题:
Figure BDA0003090016570000151
松弛向量s可以被认为是紧急控制，比如切负荷等，以防止系统 故障的出现；不确定的可再生能源出力试图对系统产生最大的破坏， 而调度者希望最小化损失。因此，问题(23)的最优解ξ被选为系统灵活 性问题的关键场景。以上线性max-min问题与问题(15)有相同的结构， 因此也可以类似于上述弃电量部分的方法地转化为混合整数线性规 划来求解。
可以获得为缓解系统波动的系统灵活性模型的多参数混合整数 线性优化模型形式，表示为：
Figure BDA0003090016570000152
进一步，本发明实施例提供的储能消纳新能源能力评估方法，其 中，所述根据所述可再生能源弃电量模型的多参数混合整数线性优化 模型形式确定所述可再生能源系统的弃电量，通过以下方法：
对所述可再生能源弃电量模型的多参数混合整数线性优化模型 形式进行初始化处理，并设定
Figure RE-GDA0003180892890000153
关键场景数Nc，迭代次数K＝0；
对所述初始化后处理的结果进行求解最优解ξ*,z*＝{z+*,z-*}，并 更新Ξc＝Ξc∪{ξ*}；
更新K＝K+1，并将
Figure BDA0003090016570000153
加入所述初始化处理后的结果 中，并求解最优解并更新Ξc，直至K＝Nc；
依据更新后的Ξc确定所述可再生能源系统的弃电量。
具体地，要刻画储能容量对可再生能源利用的影响，需要求解多 参数混合整数线性规划模型(14)。但是，直接枚举不确定集中的所有 元素是不可行的。接下来将介绍一个关键场景排序算法，挑选出若干 关键场景来代替枚举法，以降低上述问题的维数，从而使之可解。
尽管不确定集Ξ中的元素(场景)数目很多，实际上只有很小一部 分场景会影响最优解，(14)中大部分关于场景的约束是冗余的；另一方 面，枚举所有的元素是不现实的。因此，需要根据场景对最优值的影 响程度，对他们进行排序。排序算法可见算法1。
事实上，算法1给出了波动形式(z+，z-)∈Z的相对排序。这样的排 序主要受到发电机爬坡约束和负荷曲线的影响。如果在θ＝0时形式 A比形式B更严重，那么不难确定，对于其他的θ值，A仍然会比B 更严重；尽管当θ不为0时，两者的绝对严重程度略有下降，但它们的 相对顺序不会改变。因此，算法1取定θ＝0，因此储能运行约束可 以去掉,模型变成线性规划。
Figure BDA0003090016570000161
通过算法1的场景排序，获取多个最优解ξ，而对于每一个ξi， 系统响应包括调度策略xi和yi,以及弃电量Δξi。由此，可以获取在不 同的波动水平下的最大弃电量。
进一步，本发明实施例提供的储能消纳新能源能力评估方法，其 中，所述根据所述为缓解系统波动的系统灵活性模型的多参数混合整 数线性优化模型形式确定所述可再生能源系统的波动水平，通过以下 方法：
对所述可再生能源弃电量模型的参数鲁棒优化模型形式进行初 始化处理，并设定
Figure RE-GDA0003180892890000171
关键场景数Nc，迭代次数K＝0；
对所述初始化后处理的结果进行求解最优解ξ*,z*＝{z+*,z-*}，并 更新Ξc＝Ξc∪{ξ*}；
更新K＝K+1，并将
Figure BDA0003090016570000171
加入所述初始化处理后的结果 中，并求解最优解并更新Ξc，直至K＝Nc；
确定更新后的Ξc中ξ*对应的可再生能源系统的波动水平。
具体地，要刻画储能容量对可再生能源利用的影响，需要求解多 参数混合整数线性规划模型(22)。但是，直接枚举不确定集中的所有 元素是不可行的。接下来将介绍一个关键场景排序算法，挑选出若干 关键场景来代替枚举法，以降低上述问题的维数，从而使之可解。
尽管不确定集Ξ中的元素(场景)数目很多，实际上只有很小一部 分场景会影响最优解，(22)中大部分关于场景的约束是冗余的；另一方 面，枚举所有的元素是不现实的。因此，需要根据场景对最优值的影 响程度，对他们进行排序。排序算法可见算法1。
事实上，算法1给出了波动形式(z+，z-)∈Z的相对排序。这样的排 序主要受到发电机爬坡约束和负荷曲线的影响。如果在θ＝0时形式 A比形式B更严重，那么不难确定，对于其他的θ值，A仍然会比B 更严重；尽管当θ不为0时，两者的绝对严重程度略有下降，但它们的 相对顺序不会改变。因此，算法1取定θ＝0，因此储能运行约束可 以去掉，模型变成线性规划。
Figure BDA0003090016570000172
Figure BDA0003090016570000181
通过算法1的场景排序，获取多个最优解ξ*，而对于每一个ξi， 系统响应包括调度策略xi和yi,以及弃电量Δξi。由此，通过将最优解ξ选 为系统灵活性问题的关键场景，确定相应的关键场景下的系统波动水 平。
参照图2，本发明实施例提供一种储能消纳新能源能力评估装置， 包括：
第一处理模块21，用于构建量化储能单元性能的可再生能源弃 电量模型和为缓解系统波动的系统灵活性模型；
第二处理模块22，用于根据所述可再生能源弃电量模型确定可 再生能源系统的弃电量，根据所述为缓解系统波动的系统灵活性模型 确定所述可再生能源系统的波动水平；
第三处理模块23，用于根据所述弃电量和所述波动水平，确定 所述量化储能单元性能的评估结果。
由于本发明实施例提供的装置，可以用于执行上述实施例所述的 方法，其工作原理和有益效果类似，故此处不再详述，具体内容可参 见上述实施例的介绍。
图3示例了一种电子设备的实体结构示意图，如图3所示，该电 子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310， 通信接口320，存储器330通过通信总线340完成相互间的通信。处 理器310可以调用存储器330中的逻辑指令，以执行储能消纳新能源 能力评估方法，该方法包括：构建量化储能单元性能的可再生能源弃 电量模型和为缓解系统波动的系统灵活性模型；根据所述可再生能源 弃电量模型确定可再生能源系统的弃电量，根据所述为缓解系统波动 的系统灵活性模型确定所述可再生能源系统的波动水平；根据所述弃电量和所述波动水平，确定所述量化储能单元性能的评估结果。
此外，上述的存储器330中的逻辑指令可以通过软件功能单元的 形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可 读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说 对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品 的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若 干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者 网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而 前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟 或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序 产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计 算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能 够执行上述各方法所提供的储能消纳新能源能力评估方法，该方法包 括：构建量化储能单元性能的可再生能源弃电量模型和为缓解系统波 动的系统灵活性模型；根据所述可再生能源弃电量模型确定可再生能 源系统的弃电量，根据所述为缓解系统波动的系统灵活性模型确定所 述可再生能源系统的波动水平；根据所述弃电量和所述波动水平，确 定所述量化储能单元性能的评估结果。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上 存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各 提供的储能消纳新能源能力评估方法，该方法包括：构建量化储能单 元性能的可再生能源弃电量模型和为缓解系统波动的系统灵活性模 型；根据所述可再生能源弃电量模型确定可再生能源系统的弃电量， 根据所述为缓解系统波动的系统灵活性模型确定所述可再生能源系 统的波动水平；根据所述弃电量和所述波动水平，确定所述量化储能 单元性能的评估结果。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部 件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的 部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也 可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或 者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付 出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解 到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然 也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现 有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软 件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光 盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机， 服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所 述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而 非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领 域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技 术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修 改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方 案的精神和范围。

Claims (10)

1.一种储能消纳新能源能力评估方法，其特征在于，包括：
构建量化储能单元性能的可再生能源弃电量模型和为缓解系统波动的系统灵活性模型；
根据所述可再生能源弃电量模型确定可再生能源系统的弃电量，根据所述为缓解系统波动的系统灵活性模型确定所述可再生能源系统的波动水平；
根据所述弃电量和所述波动水平，确定所述量化储能单元性能的评估结果。
2.根据权利要求1所述的储能消纳新能源能力评估方法，其特征在于，根据所述可再生能源弃电量模型确定所述量化储能单元的弃电量，包括：
将所述可再生能源弃电量模型的参数鲁棒优化模型形式转化为所述可再生能源弃电量模型的多参数混合整数线性优化模型形式；
根据所述可再生能源弃电量模型的多参数混合整数线性优化模型形式确定所述可再生能源系统的弃电量。
3.根据权利要求1的储能消纳新能源能力评估方法，其特征在于，根据所述为缓解系统波动的系统灵活性模型确定所述可再生能源系统的波动水平，包括：
将所述为缓解系统波动的系统灵活性模型的参数鲁棒优化模型形式转化为所述为缓解系统波动的系统灵活性模型的多参数混合整数线性优化模型形式；
根据所述为缓解系统波动的系统灵活性模型的多参数混合整数线性优化模型形式确定所述可再生能源系统的波动水平。
4.根据权利要求2所述的储能消纳新能源能力评估方法，其特征在于，所述可再生能源弃电量模型的参数鲁棒优化模型形式，表示为：
Figure FDA0003090016560000021
s.t.Ax+By+Cξ-Δξ≤b+Fθ
Aξ≥0
其中，1T表示T维的全一向量，θ表示参数向量，ξ表示不确定参数，Δξ表示弃电量，Ξ表示不确定集，x表示连续变量，y表示离散变量，A,B,C,b和F为常系数。
5.根据权利要求2所述的储能消纳新能源能力评估方法，其特征在于，所述可再生能源弃电量模型的多参数混合整数线性优化模型形式，表示为：
Figure FDA0003090016560000022
s.t.Apxp+Bpyp≤bp+Fpθ
θ∈Θ
其中，cp表示常数矩阵，T表示矩阵的维度，xp表示连续变量，yp表示离散变量，θ表示参数向量，Ap,Bp,bp,Fp表示常数；
集合Θ是一个多面体，定义了参数θ的变化范围。
6.根据权利要求3所述的储能消纳新能源能力评估方法，其特征在于，所述为缓解系统波动的系统灵活性模型的参数鲁棒优化模型形式，表示为：
Figure FDA0003090016560000023
Δξ≥0：Ax+By+Cξ-Δξ≤b+Fθ
其中，ξ表示不确定参数，为不确定集Ξ中的元素，ξ的幅值与α成比例；
θ表示参数向量，x表示连续变量，y表示离散变量，Δξ表示弃电量，A,B,C,b和F为常系数。
7.根据权利要求2所述的储能消纳新能源能力评估方法，其特征在于，所述为缓解系统波动的系统灵活性模型的多参数混合整数线性优化模型形式，表示为：
Figure FDA0003090016560000031
s.t.Agxg+Bgyg≤bg+Fgθ
θ∈Θ
其中，cg表示常数矩阵，T表示举证的维度，xg表示连续变量，yg表示离散变量，θ表示参数向量，Ag,Bg,bg,Fg表示常数；
集合Θ是一个多面体，定义了参数θ的变化范围。
8.根据权利要求2所述的储能消纳新能源能力评估方法，其特征在于，所述根据所述可再生能源弃电量模型的多参数混合整数线性优化模型形式确定所述可再生能源系统的弃电量，通过以下方法：
对所述可再生能源弃电量模型的多参数混合整数线性优化模型形式进行初始化处理，并设定
Figure RE-FDA0003180892880000031
关键场景数Nc，迭代次数K＝0；
对所述初始化后处理的结果进行求解最优解ξ*,z*＝{z+*,z-*}，并更新Ξc＝Ξc∪{ξ*}；
更新K＝K+1，并将
Figure RE-FDA0003180892880000032
加入所述初始化处理后的结果中，并求解最优解并更新Ξc，直至K＝Nc；
依据更新后的Ξc确定所述可再生能源系统的弃电量。
9.根据权利要求3所述的储能消纳新能源能力评估方法，其特征在于，所述根据所述为缓解系统波动的系统灵活性模型的多参数混合整数线性优化模型形式确定所述可再生能源系统的波动水平，通过以下方法：
对所述可再生能源弃电量模型的参数鲁棒优化模型形式进行初始化处理，并设定
Figure RE-FDA0003180892880000033
关键场景数Nc，迭代次数K＝0；
对所述初始化后处理的结果进行求解最优解ξ*,z*＝{z+*,z-*}，并更新Ξc＝Ξc∪{ξ*}；
更新K＝K+1，并将
Figure RE-FDA0003180892880000034
加入所述初始化处理后的结果中，并求解最优解并更新Ξc，直至K＝Nc；
确定更新后的Ξc中ξ*对应的可再生能源系统的波动水平。
10.一种储能消纳新能源能力评估装置，其特征在于，包括：
第一处理模块，用于构建量化储能单元性能的可再生能源弃电量模型和为缓解系统波动的系统灵活性模型；
第二处理模块，用于根据所述可再生能源弃电量模型确定可再生能源系统的弃电量，根据所述为缓解系统波动的系统灵活性模型确定所述可再生能源系统的波动水平；
第三处理模块，用于根据所述弃电量和所述波动水平，确定所述量化储能单元性能的评估结果。
CN202110592256.6A 2021-05-28 2021-05-28 储能消纳新能源能力评估方法和装置 Active CN113381400B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110592256.6A CN113381400B (zh) 2021-05-28 2021-05-28 储能消纳新能源能力评估方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110592256.6A CN113381400B (zh) 2021-05-28 2021-05-28 储能消纳新能源能力评估方法和装置

Publications (2)

Publication Number Publication Date
CN113381400A true CN113381400A (zh) 2021-09-10
CN113381400B CN113381400B (zh) 2022-09-27

Family

ID=77574753

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110592256.6A Active CN113381400B (zh) 2021-05-28 2021-05-28 储能消纳新能源能力评估方法和装置

Country Status (1)

Country Link
CN (1) CN113381400B (zh)

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103559653A (zh) * 2013-11-08 2014-02-05 国家电网公司 基于微电网的储能配置评估方法
CN105071423A (zh) * 2015-09-19 2015-11-18 东北电力大学 计及限风特性与经济性的储能系统容量配置方法
CN105305485A (zh) * 2015-10-15 2016-02-03 南方电网科学研究院有限责任公司 一种消纳大规模间歇性能源的安全约束经济调度方法
CN106992538A (zh) * 2017-04-17 2017-07-28 国网浙江省电力公司电力科学研究院 一种基于Benders分解的独立型交流微电网优化配置方法
WO2017161785A1 (zh) * 2016-03-23 2017-09-28 严利容 基于储能运行状态的光伏功率稳定输出控制方法
CN108171407A (zh) * 2017-12-14 2018-06-15 国家电网公司 一种储能需求评估方法、系统、终端及可读存储介质
CN108197763A (zh) * 2018-03-01 2018-06-22 清华大学 一种面向低碳电力系统的鲁棒经济调度确定方法及系统
CN108964096A (zh) * 2018-07-24 2018-12-07 南方电网科学研究院有限责任公司 消纳新能源弃电量的储能配置方法、系统、装置
CN109103924A (zh) * 2018-07-27 2018-12-28 国网新疆电力有限公司电力科学研究院 基于柔性分析的可再生能源消纳能力关键因素的分析方法
CN109728607A (zh) * 2019-03-07 2019-05-07 云南电网有限责任公司 一种风电消纳评估方法及装置
CN109787259A (zh) * 2019-01-23 2019-05-21 西安交通大学 一种基于新能源随机波动的多类型储能联合规划方法
CN109818347A (zh) * 2018-11-30 2019-05-28 华北电力大学 一种电力系统风电消纳能力的评估方法
CN110009152A (zh) * 2019-04-03 2019-07-12 东南大学 一种考虑电转气和不确定性的区域综合能源系统运行鲁棒优化方法
CN110137955A (zh) * 2019-05-21 2019-08-16 国网能源研究院有限公司 一种计及CVaR的鲁棒机组组合调度的决策方法
WO2019233134A1 (zh) * 2018-06-06 2019-12-12 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
CN111523249A (zh) * 2020-05-27 2020-08-11 福州大学 一种考虑源荷不确定性的数据驱动鲁棒优化调度方法
CN111668877A (zh) * 2020-04-28 2020-09-15 中国电力科学研究院有限公司 一种主动配电网分布鲁棒优化调度方法及系统
CN112418486A (zh) * 2020-10-28 2021-02-26 上海交通大学 基于可再生能源消纳能力的数据驱动调度方法

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103559653A (zh) * 2013-11-08 2014-02-05 国家电网公司 基于微电网的储能配置评估方法
CN105071423A (zh) * 2015-09-19 2015-11-18 东北电力大学 计及限风特性与经济性的储能系统容量配置方法
CN105305485A (zh) * 2015-10-15 2016-02-03 南方电网科学研究院有限责任公司 一种消纳大规模间歇性能源的安全约束经济调度方法
WO2017161785A1 (zh) * 2016-03-23 2017-09-28 严利容 基于储能运行状态的光伏功率稳定输出控制方法
CN106992538A (zh) * 2017-04-17 2017-07-28 国网浙江省电力公司电力科学研究院 一种基于Benders分解的独立型交流微电网优化配置方法
CN108171407A (zh) * 2017-12-14 2018-06-15 国家电网公司 一种储能需求评估方法、系统、终端及可读存储介质
CN108197763A (zh) * 2018-03-01 2018-06-22 清华大学 一种面向低碳电力系统的鲁棒经济调度确定方法及系统
WO2019233134A1 (zh) * 2018-06-06 2019-12-12 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
CN108964096A (zh) * 2018-07-24 2018-12-07 南方电网科学研究院有限责任公司 消纳新能源弃电量的储能配置方法、系统、装置
CN109103924A (zh) * 2018-07-27 2018-12-28 国网新疆电力有限公司电力科学研究院 基于柔性分析的可再生能源消纳能力关键因素的分析方法
CN109818347A (zh) * 2018-11-30 2019-05-28 华北电力大学 一种电力系统风电消纳能力的评估方法
CN109787259A (zh) * 2019-01-23 2019-05-21 西安交通大学 一种基于新能源随机波动的多类型储能联合规划方法
CN109728607A (zh) * 2019-03-07 2019-05-07 云南电网有限责任公司 一种风电消纳评估方法及装置
CN110009152A (zh) * 2019-04-03 2019-07-12 东南大学 一种考虑电转气和不确定性的区域综合能源系统运行鲁棒优化方法
CN110137955A (zh) * 2019-05-21 2019-08-16 国网能源研究院有限公司 一种计及CVaR的鲁棒机组组合调度的决策方法
CN111668877A (zh) * 2020-04-28 2020-09-15 中国电力科学研究院有限公司 一种主动配电网分布鲁棒优化调度方法及系统
CN111523249A (zh) * 2020-05-27 2020-08-11 福州大学 一种考虑源荷不确定性的数据驱动鲁棒优化调度方法
CN112418486A (zh) * 2020-10-28 2021-02-26 上海交通大学 基于可再生能源消纳能力的数据驱动调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
FAN HANG ET AL: "Power system transient stability assessment based on dimension reduction and cost-sensitive ensemble learning", 《2017 IEEE CONFERENCE ON ENERGY INTERNET AND ENERGY SYSTEM INTEGRATION (EI2)》, 4 January 2018 (2018-01-04), pages 1 - 6 *
李志刚等: "消纳大规模风电的鲁棒区间经济调度", 《电力系统自动化》, vol. 38, no. 20, 25 October 2014 (2014-10-25), pages 33 - 39 *

Also Published As

Publication number Publication date
CN113381400B (zh) 2022-09-27

Similar Documents

Publication Publication Date Title
Yu et al. Uncertainties of virtual power plant: Problems and countermeasures
Mohammadi et al. Scenario-based stochastic operation management of microgrid including wind, photovoltaic, micro-turbine, fuel cell and energy storage devices
Hu et al. Robust SCUC considering continuous/discrete uncertainties and quick-start units: A two-stage robust optimization with mixed-integer recourse
Giannakoudis et al. Optimum design and operation under uncertainty of power systems using renewable energy sources and hydrogen storage
CN113193600B (zh) 计及风电概率分布不确定性的电力系统调度方法及装置
Lu et al. Data-driven stochastic programming for energy storage system planning in high PV-penetrated distribution network
CN111082469B (zh) 一种分布式新能源配电网的优化调度方法、系统及设备
Wang et al. Day-ahead unit commitment method considering time sequence feature of wind power forecast error
CN108155674A (zh) 考虑不确定分布特性的水火电联合调度方法及系统
Nikoobakht et al. Co-operation of electricity and natural gas systems including electric vehicles and variable renewable energy sources based on a continuous-time model approach
Gu et al. Look-ahead dispatch with forecast uncertainty and infeasibility management
CN114784882A (zh) 机组组合优化处理方法及装置
Cano et al. Comparative analysis of HESS (battery/supercapacitor) for power smoothing of PV/HKT, simulation and experimental analysis
CN115313519A (zh) 一种配电网储能优化配置方法、装置、设备及存储介质
CN117833319A (zh) 基于物联网的电力调峰系统
CN114547821A (zh) 基于灰色关联理论的可调度柔性资源辨识方法、存储介质
Qing et al. Energy scheduling for microgrids with renewable energy sources considering an adjustable convex hull based uncertainty set
Lyu et al. Inner-outer layer co-optimization of sizing and energy management for renewable energy microgrid with storage
CN113937752A (zh) 基于随机模型预测控制的主动配电网优化调度方法及系统
CN116502771B (zh) 一种基于电力物资预测的配电方法及系统
CN113381400B (zh) 储能消纳新能源能力评估方法和装置
Cheng et al. A risk-controllable day-ahead transmission schedule of surplus wind power with uncertainty in sending grids
Zhang et al. A novel approach of energy and reserve scheduling for hybrid power systems: Frequency security constraints
Rezaeian‐Marjani et al. A probabilistic approach for optimal operation of wind‐integrated power systems including UPFC
Zheng et al. A hybrid physical-data approach for solving dynamic optimal power flow considering uncertainties and different topology configurations

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