CN113656988A - 一种提升风电消纳储能功率的优化方法 - Google Patents

一种提升风电消纳储能功率的优化方法 Download PDF

Info

Publication number
CN113656988A
CN113656988A CN202111219986.8A CN202111219986A CN113656988A CN 113656988 A CN113656988 A CN 113656988A CN 202111219986 A CN202111219986 A CN 202111219986A CN 113656988 A CN113656988 A CN 113656988A
Authority
CN
China
Prior art keywords
energy storage
load
power
source
wind power
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
CN202111219986.8A
Other languages
English (en)
Inventor
李娟�
朱世平
方绍凤
唐宇
张舒
李静
王昱
胡剑宇
冯剑
刘小诗
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.)
China Energy Engineering Group Hunan Electric Power Design Institute Co Ltd
Original Assignee
China Energy Engineering Group Hunan Electric Power Design Institute 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 China Energy Engineering Group Hunan Electric Power Design Institute Co Ltd filed Critical China Energy Engineering Group Hunan Electric Power Design Institute Co Ltd
Priority to CN202111219986.8A priority Critical patent/CN113656988A/zh
Publication of CN113656988A publication Critical patent/CN113656988A/zh
Pending legal-status Critical Current

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
    • 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
    • H02J3/38—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
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • 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

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种提升风电消纳储能功率的优化方法，包括两个阶段：第一阶段确定为满足风电消纳的储能功率，具体以源荷协整度为约束条件，以弃风量最小为目标实现；第二阶段考虑储能成本价格与储能功率的关系，确定最优的配置方案：先预设不同额定功率和不同成本建立储能配置方案的备选模型集合；其次，根据得到的所述储能功率选取若干不同额定功率和不同成本的储能配置方案；再建立以源‑荷‑储系统运行成本最小为目标的数学模型，选择最优的储能配置；最后，综合对比不同储能配置方案下得到的弃风量和源‑荷‑储系统运行成本，确定最终的储能配置。其成本低廉，储能功率高。

Description

一种提升风电消纳储能功率的优化方法
技术领域
本发明涉及电力系统领域，特别是涉及一种提升风电消纳储能功率的优化方法。
背景技术
随着大规模新能源电力接入电网，电力系统需要在随机波动的负荷需求与随机波动的电源之间实现能量的供需平衡，其结构形态、运行方式、控制策略以及电源、电网发展规划建设与管理也随之发生根本性变革，因此传统的电力系统也将形成以新能源电力产、消为主的新型电力系统。
新型电力系统中主体电源将由火电转变为新能源，火电利用小时数将逐步降低，系统的安全稳定运行将受到严格的制约。此时，火电将与储能以及灵活性电源作为应急备用电源，参与调峰等安全辅助服务。而传统电力系统运行特性—“电源跟着负荷波动”将向着新型电力系统运行特性—“电源与负荷相互波动”转变。
储能作为一种可调度资源能够参与新型电力系统的优化调度，有效的缓解了风电功率的不可控性，有利于电网运行。在现有研究中，大多是利用储能技术来削峰填谷、参与系统调频、跟踪计划发电、平滑风电功率输出、提升新能源接入电网能力，减少弃风弃光、提升风电利用小时数。因此，在现有研究的基础上，考虑新能源消纳能力及电网承载能力等因素，研究储能最优控制策略为新型电力系统发展有重要参考意义。
发明内容
有鉴于此，本发明提出一种提升风电消纳储能功率的优化方法，其目的是从系统角度分析储能的配置、储能的价格水平对风电消纳空间的影响。
一方面，本发明提供了一种提升风电消纳储能功率的优化方法，所述方法包括两个阶段：第一阶段确定为满足风电消纳的储能功率；第二阶段考虑储能成本价格与储能功率的关系，确定最优的配置方案；
所述第一阶段具体包括如下步骤：
步骤S1、建立基于常规机组出力平稳的源荷储协整关系模型，根据所述源荷储协整关系模型提出一种源荷协整度指标，分析源荷储协整关系模型中源-荷-储系统运行的协整特性，其中，所述常规机组为火电机组；
步骤S2、以源荷协整度为约束条件，以弃风量最小为目标，得到需要的储能功率；
所述第二阶段具体包括如下步骤：
步骤S3、预设不同额定功率和不同成本，建立储能配置方案的备选模型集合
Figure 729811DEST_PATH_IMAGE001
、
Figure 59161DEST_PATH_IMAGE002
，式中，
Figure 569645DEST_PATH_IMAGE003
为预设不同额定功率建立的储能配置方案的备选模型集合，
Figure 566420DEST_PATH_IMAGE004
表示储能的单位功率，n表示n种储能功率，
Figure 638413DEST_PATH_IMAGE005
为预设不同成本建立的储能配置方案的备选模型集合，
Figure 330425DEST_PATH_IMAGE006
表示储能的单位成本价格，m表示m种储能的成本价格，m、n均为大于零的正整数；
步骤S4，根据步骤S2得到的所述储能功率，从步骤S3的所述备选模型集合中选取若干不同额定功率和不同成本的储能配置方案；
步骤S5，建立以源-荷-储系统运行成本最小为目标的数学模型，选择最优的储能配置；
步骤S6，综合对比步骤S4中选取的若干所述储能配置方案下得到的弃风量和步骤S5中源-荷-储系统运行成本，确定最终的储能配置。
进一步地，所述步骤S1包括以下步骤：
步骤S11、建立基于常规机组出力平稳的源荷储协整关系模型：
在系统功率平衡关系式中，常规机组出力
Figure 395333DEST_PATH_IMAGE007
、风电出力
Figure 224443DEST_PATH_IMAGE008
、负荷预测
Figure 451025DEST_PATH_IMAGE009
和电源侧储能出力
Figure 505700DEST_PATH_IMAGE010
形成了一种协整关系，表现为：
Figure 374299DEST_PATH_IMAGE011
式中，
Figure 329354DEST_PATH_IMAGE007
为常规机组出力、
Figure 992417DEST_PATH_IMAGE008
为风电出力、
Figure 268809DEST_PATH_IMAGE009
为负荷预测和
Figure 941098DEST_PATH_IMAGE010
为电源侧储能出力；
通过建立基于常规机组出力平稳的源荷储协整关系模型，让风电出力曲线和储能出力曲线的叠加后的功率曲线与负荷曲线形成一种如下的协整关系模型：
Figure 642338DEST_PATH_IMAGE012
式中，
Figure 459990DEST_PATH_IMAGE013
为风电出力曲线和储能出力曲线的叠加后的功率曲线，
Figure 738525DEST_PATH_IMAGE014
、
Figure 699659DEST_PATH_IMAGE015
为常数，
Figure 114460DEST_PATH_IMAGE016
为残差序列，
Figure 103013DEST_PATH_IMAGE017
为常规机组出力残差；
步骤S13、根据所述源荷储协整关系模型提出如下一种源荷协整度指标，分析源荷储协整关系模型中源-荷-储运行的协整特性：
Figure 868844DEST_PATH_IMAGE018
式中，
Figure 633669DEST_PATH_IMAGE019
表示残差序列的信息熵，
Figure 902976DEST_PATH_IMAGE020
表示残差序列信息熵基准值，
Figure 219688DEST_PATH_IMAGE021
为协整度。
进一步地，所述步骤S11与步骤S13之间还包括：
步骤S12、建立需求响应的源荷储协整关系模型：
Figure 462362DEST_PATH_IMAGE022
式中，
Figure 14566DEST_PATH_IMAGE023
为参与需求响应的负荷变化量，
Figure 420271DEST_PATH_IMAGE024
为参与需求响应后的负荷量。
进一步地，所述步骤S2包括：
步骤S21、源荷储协整关系模型中，弃风电量的数学模型为：
Figure 766939DEST_PATH_IMAGE025
式中，
Figure 491050DEST_PATH_IMAGE026
为弃风电量，
Figure 581366DEST_PATH_IMAGE027
与
Figure 966211DEST_PATH_IMAGE028
分别表示t时段的负荷变化量与储能出力，
Figure 234512DEST_PATH_IMAGE029
为总运行周期，
Figure 462231DEST_PATH_IMAGE030
为火电机组最小出力，
Figure 605505DEST_PATH_IMAGE031
为t时段的风电出力，
Figure 703911DEST_PATH_IMAGE032
为t时段的负荷，
Figure 143114DEST_PATH_IMAGE033
为单位时间间隔；
步骤S22、根据源荷协整度为约束条件，以弃风量最小为目标，得到需要的储能功率，其中：
源荷协整度约束条件为：
Figure 592550DEST_PATH_IMAGE034
式中，
Figure 273936DEST_PATH_IMAGE035
表示协整度，
Figure 633373DEST_PATH_IMAGE036
表示最小协整度值。
进一步地，所述步骤S5中数学模型为：
Figure 758324DEST_PATH_IMAGE037
Figure 180209DEST_PATH_IMAGE038
Figure 416018DEST_PATH_IMAGE039
Figure 755862DEST_PATH_IMAGE040
式中，f表示源-荷-储系统运行成本，
Figure 51715DEST_PATH_IMAGE041
表示第
Figure 960896DEST_PATH_IMAGE042
台常规机组第
Figure 734817DEST_PATH_IMAGE043
时段的燃料成本，
Figure 68846DEST_PATH_IMAGE044
表示第
Figure 784867DEST_PATH_IMAGE042
台常规机组第
Figure 165033DEST_PATH_IMAGE043
时段的启停成本，
Figure 493377DEST_PATH_IMAGE045
表示第
Figure 806547DEST_PATH_IMAGE042
台常规机组第
Figure 693469DEST_PATH_IMAGE043
时段的出力，
Figure 701876DEST_PATH_IMAGE046
表示第
Figure 348758DEST_PATH_IMAGE042
台常规机组第
Figure 267167DEST_PATH_IMAGE043
时段的启停状态；
Figure 951089DEST_PATH_IMAGE047
均表示第
Figure 837006DEST_PATH_IMAGE042
台常规机组的燃料成本系数；
Figure 5688DEST_PATH_IMAGE048
分别表示储能的成本、风电上网电价；
Figure 293450DEST_PATH_IMAGE049
表示参与需求响应的单位补偿成本；
Figure 758060DEST_PATH_IMAGE050
表示弃风产生的单位惩罚成本；
Figure 600114DEST_PATH_IMAGE051
、
Figure 198586DEST_PATH_IMAGE052
分别表示负荷变化量、弃风功率；
Figure 595981DEST_PATH_IMAGE053
、
Figure 480760DEST_PATH_IMAGE054
、
Figure 826422DEST_PATH_IMAGE055
、
Figure 87639DEST_PATH_IMAGE056
分别表示常规机组台数、储能台数、风电机组数量以及运行的总时长，
Figure 333682DEST_PATH_IMAGE057
表示启停次数，
Figure 530308DEST_PATH_IMAGE058
表示时间间隔。
进一步地，所述
Figure 612533DEST_PATH_IMAGE059
的取值为
Figure 693753DEST_PATH_IMAGE060
、
Figure 279455DEST_PATH_IMAGE061
、
Figure 20884DEST_PATH_IMAGE062
或
Figure 465772DEST_PATH_IMAGE063
。
上述一种提升风电消纳储能功率的优化方法通过两个阶段，确保使用最低的成本价格达到最优的储能功率。具体地，第一阶段确定为满足风电消纳的储能需求量，即首先建立基于常规机组出力平稳的源荷储协整关系模型，根据所述源荷储协整关系模型提出一种源荷协整度指标，分析源荷储协整关系模型中源-荷-储系统运行的协整特性；其次以源荷协整度为约束条件，以弃风量最小为目标，得到需要的储能功率。第二阶段考虑储能成本价格与储能功率的关系，确定最优的配置方案，即首先预设不同额定功率和不同成本，建立储能配置方案的备选模型集合；其次，根据得到的所述储能功率，从前述备选模型集合中选取若干不同额定功率和不同成本的储能配置方案；再次，建立以源-荷-储系统运行成本最小为目标的数学模型，选择最优的储能配置；最后，综合对比前述选取的若干所述储能配置方案下得到的弃风量和源-荷-储系统运行成本，确定最终的储能配置。本发明在控制成本价格的基础上，大大提升了风电消纳空间的储能功率，经济效益突出。
附图说明
构成本发明的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明一种提升风电消纳储能功率的优化方法的流程图；
图2为本发明一种提升风电消纳储能功率的优化方法的阶段模型图;
图3为本发明具体应用在实施例中的风电出力预测曲线、负荷曲线；
图4为本发明的协整度约束下的源-荷-储曲线。
具体实施方式
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
图1为本发明一种提升风电消纳储能功率的优化方法的流程图。图2为本发明一种提升风电消纳储能功率的优化方法的阶段模型图。在一个实施例中，如图1-图2所示，一种提升风电消纳储能功率的优化方法，该方法包括两个阶段：第一阶段确定为满足风电消纳的储能需求量；第二阶段考虑储能成本价格与储能功率的关系，确定最优的配置方案；
具体地，所述第一阶段包括如下步骤：
步骤S1、建立基于常规机组出力平稳的源荷储协整关系模型，根据所述源荷储协整关系模型提出一种源荷协整度指标，分析源荷储协整关系模型中源-荷-储系统运行的协整特性；常规机组具体指火电机组；同时，需要说明的是源-荷-储系统运行的协整特性中源具体指发电电源，荷指负荷，储指储能；
步骤S2、以源荷协整度为约束条件，以弃风量最小为目标，得到需要的储能功率；
所述第二阶段具体包括如下步骤：
步骤S3、预设不同额定功率和不同成本，建立储能配置方案的备选模型集合
Figure 334371DEST_PATH_IMAGE001
、
Figure 525312DEST_PATH_IMAGE002
，式中，
Figure 453953DEST_PATH_IMAGE003
为预设不同额定功率建立的储能配置方案的备选模型集合，
Figure 494459DEST_PATH_IMAGE004
表示储能的单位功率，n表示n种储能功率，
Figure 307695DEST_PATH_IMAGE005
为预设不同成本建立的储能配置方案的备选模型集合，
Figure 867989DEST_PATH_IMAGE006
表示储能的单位成本价格，m表示m种储能的成本价格，m、n均为大于零的正整数；
步骤S4，根据步骤S2得到的所述储能功率，从步骤S3的所述备选模型集合中选取若干不同额定功率和不同成本的储能配置方案；
步骤S5，建立以源-荷-储系统运行成本最小为目标的数学模型，选择最优的储能配置；
需要说明的是，由于弃风量最小和运行成本最低分别对应的储能功率不一样,因此后期为了实现两种目标最优，需要综合考虑。
步骤S6，综合对比步骤S4中选取的若干所述储能配置方案下得到的弃风量和步骤S5中源-荷-储系统运行成本，确定最终的储能配置。
本发明通过两个阶段确保使用最低的成本价格达到最优的储能功率。具体地，第一阶段确定为满足风电消纳的储能需求量，即首先建立基于常规机组出力平稳的源荷储协整关系模型，根据所述源荷储协整关系模型提出一种源荷协整度指标，分析源荷储协整关系模型中源-荷-储系统运行的协整特性；其次以源荷协整度为约束条件，以弃风量最小为目标，得到需要的储能功率。第二阶段考虑储能成本价格与储能功率的关系，确定最优的配置方案，即首先预设不同额定功率和不同成本，建立储能配置方案的备选模型集合；其次，根据得到的所述储能功率，从前述备选模型集合中选取若干不同额定功率和不同成本的储能配置方案；再次，建立以源-荷-储系统运行成本最小为目标的数学模型，选择最优的储能配置；最后，综合对比前述选取的若干所述储能配置方案下得到的弃风量和源-荷-储系统运行成本，确定最终的储能配置。本发明在控制成本价格的基础上，大大提升了风电消纳空间的储能功率，经济效益突出。
在电力系统中，风电出力曲线、负荷预测曲线及储能出力曲线往往呈现出波动性，即具有典型的非平稳序列特征；而常规机组（火电机组）受机组运行特性的制约，火电机组出力呈现出阶段性恒定不变，即其曲线被期望具有平稳性。因此，本发明基于协整理论，分析源-荷-储运行的协整特性。
具体地，在一个实施例中，步骤S1包括以下步骤：
步骤S11、建立基于常规机组出力平稳的源荷储协整关系模型：
在系统功率平衡关系式中，常规机组出力
Figure 718264DEST_PATH_IMAGE007
、风电出力
Figure 872165DEST_PATH_IMAGE008
、负荷预测
Figure 82567DEST_PATH_IMAGE009
和电源侧储能出力
Figure 6355DEST_PATH_IMAGE010
形成了一种协整关系，表现为：
Figure 276799DEST_PATH_IMAGE011
式中，
Figure 917996DEST_PATH_IMAGE007
为常规机组出力、
Figure 682821DEST_PATH_IMAGE008
为风电出力、
Figure 217708DEST_PATH_IMAGE009
为负荷预测和
Figure 908321DEST_PATH_IMAGE010
为电源侧储能出力；
通过建立基于常规机组出力平稳的源荷储协整关系模型，让风电出力曲线和储能出力曲线的叠加后的功率曲线与负荷曲线形成一种如下的协整关系模型：
Figure 36814DEST_PATH_IMAGE012
式中，
Figure 589018DEST_PATH_IMAGE013
为风电出力曲线和储能出力曲线的叠加后的功率曲线，
Figure 260302DEST_PATH_IMAGE014
、
Figure 482336DEST_PATH_IMAGE015
为常数，
Figure 222759DEST_PATH_IMAGE016
为残差序列，
Figure 827921DEST_PATH_IMAGE017
为常规机组出力残差；
步骤S13、根据所述源荷储协整关系模型提出如下一种源荷协整度指标，分析源荷储协整关系模型中源-荷-储运行的协整特性：
Figure 337400DEST_PATH_IMAGE018
式中，
Figure 995914DEST_PATH_IMAGE019
表示残差序列的信息熵，
Figure 974366DEST_PATH_IMAGE020
表示残差序列信息熵基准值，
Figure 602793DEST_PATH_IMAGE021
为协整度。
在一个实施例中，步骤S1包括以下步骤：
步骤S11、建立基于常规机组出力平稳的源荷储协整关系模型：
在系统功率平衡关系式中，常规机组出力
Figure 481625DEST_PATH_IMAGE007
、风电出力
Figure 576620DEST_PATH_IMAGE008
、负荷预测
Figure 26056DEST_PATH_IMAGE009
和电源侧储能出力
Figure 474486DEST_PATH_IMAGE010
形成了一种协整关系，表现为：
Figure 833923DEST_PATH_IMAGE011
式中，
Figure 958874DEST_PATH_IMAGE007
为常规机组出力、
Figure 150733DEST_PATH_IMAGE008
为风电出力、
Figure 386542DEST_PATH_IMAGE009
为负荷预测和
Figure 600486DEST_PATH_IMAGE010
为电源侧储能出力；
通过建立基于常规机组出力平稳的源荷储协整关系模型，让风电出力曲线和储能出力曲线的叠加后的功率曲线与负荷曲线形成一种如下的协整关系模型：
Figure 647071DEST_PATH_IMAGE012
式中，
Figure 71099DEST_PATH_IMAGE013
为风电出力曲线和储能出力曲线的叠加后的功率曲线，
Figure 359866DEST_PATH_IMAGE014
、
Figure 287371DEST_PATH_IMAGE015
为常数，
Figure 629491DEST_PATH_IMAGE016
为残差序列，
Figure 291547DEST_PATH_IMAGE017
为常规机组出力残差；
步骤S12、建立需求响应的源荷储协整关系模型：
Figure 134738DEST_PATH_IMAGE064
式中，
Figure 431596DEST_PATH_IMAGE065
为参与需求响应的负荷变化量，
Figure 944617DEST_PATH_IMAGE066
为参与需求响应后的负荷量；
步骤S13、根据所述源荷储协整关系模型提出如下一种源荷协整度指标，分析源荷储协整关系模型中源-荷-储运行的协整特性：
Figure 343238DEST_PATH_IMAGE018
式中，
Figure 475273DEST_PATH_IMAGE019
表示残差序列的信息熵，
Figure 377370DEST_PATH_IMAGE020
表示残差序列信息熵基准值，
Figure 435193DEST_PATH_IMAGE021
为协整度。
步骤S2包括：
步骤S21、源荷储协整关系模型中，弃风电量的数学模型为：
Figure 196476DEST_PATH_IMAGE025
式中，
Figure 381470DEST_PATH_IMAGE026
为弃风电量，
Figure 154385DEST_PATH_IMAGE027
与
Figure 274788DEST_PATH_IMAGE028
分别表示t时段的负荷变化量与储能出力，
Figure 382421DEST_PATH_IMAGE029
为总运行周期，
Figure 372372DEST_PATH_IMAGE030
为火电机组最小出力，
Figure 249061DEST_PATH_IMAGE031
为t时段的风电出力，
Figure 150152DEST_PATH_IMAGE032
为t时段的负荷，
Figure 479502DEST_PATH_IMAGE033
为单位时间间隔。
步骤S22、根据源荷协整度为约束条件，以弃风量最小为目标，得到需要的储能功率，其中：
源荷协整度约束条件为：
Figure 147244DEST_PATH_IMAGE034
式中，
Figure 393286DEST_PATH_IMAGE035
表示协整度，
Figure 714546DEST_PATH_IMAGE036
表示最小协整度值，
Figure 281925DEST_PATH_IMAGE059
的取值为
Figure 222199DEST_PATH_IMAGE060
、
Figure 73481DEST_PATH_IMAGE061
、
Figure 80489DEST_PATH_IMAGE062
或
Figure 650010DEST_PATH_IMAGE063
。
在一个实施例中，步骤S5中数学模型为：
Figure 128396DEST_PATH_IMAGE067
Figure 850496DEST_PATH_IMAGE068
Figure 247979DEST_PATH_IMAGE039
Figure 819643DEST_PATH_IMAGE040
式中，f表示源-荷-储系统运行成本，
Figure 101720DEST_PATH_IMAGE041
表示第
Figure 927594DEST_PATH_IMAGE042
台常规机组第
Figure 512290DEST_PATH_IMAGE043
时段的燃料成本，
Figure 790824DEST_PATH_IMAGE044
表示第
Figure 142171DEST_PATH_IMAGE042
台常规机组第
Figure 77678DEST_PATH_IMAGE043
时段的启停成本，
Figure 348123DEST_PATH_IMAGE045
表示第
Figure 864686DEST_PATH_IMAGE042
台常规机组第
Figure 347620DEST_PATH_IMAGE043
时段的出力，
Figure 23452DEST_PATH_IMAGE046
表示第
Figure 714065DEST_PATH_IMAGE042
台常规机组第
Figure 701613DEST_PATH_IMAGE043
时段的启停状态；
Figure 4549DEST_PATH_IMAGE047
均表示第
Figure 393942DEST_PATH_IMAGE042
台常规机组的燃料成本系数；
Figure 147134DEST_PATH_IMAGE048
分别表示储能的成本、风电上网电价；
Figure 136825DEST_PATH_IMAGE049
表示参与需求响应的单位补偿成本；
Figure 492720DEST_PATH_IMAGE050
表示弃风产生的单位惩罚成本；
Figure 877565DEST_PATH_IMAGE051
、
Figure 145866DEST_PATH_IMAGE052
分别表示负荷变化量、弃风功率；
Figure 373585DEST_PATH_IMAGE053
、
Figure 408537DEST_PATH_IMAGE054
、
Figure 287369DEST_PATH_IMAGE055
、
Figure 975840DEST_PATH_IMAGE056
分别表示常规机组台数、储能台数、风电机组数量以及运行的总时长，
Figure 441587DEST_PATH_IMAGE057
表示启停次数，
Figure 14651DEST_PATH_IMAGE058
表示时间间隔。
为了验证本文方法的储能功率效果，选取某源-储发电系统，其中包含 3台常规机组，总装机容量为800MW，风电装机容量为150MW，光伏装机容量为50 MW，储能装置运行参数为：储能容量上限容量为80MWh、下限容量为5 MWh，初始容量为10MWh，最大充、放电功率为30MW。设一个调度周期为24h，每个调度时段为30min。系统负荷预测曲线和风电出力预测曲线如图3所示。
根据计算可得出图4，从中可知：
协整度约束下的源−荷−储协整运行中，通过调整多条功率曲线出力，使源−荷−储曲线达到协整状态，从而实现常规机组出力波动小，新能源利用率高。同时，将整个调度周期划分为多个时段，从而建立不同的协整关系，实现常规机组出力在每一个调度周期内是平稳的，但总体上常规机组又随着负荷的增加而增加出力，进一步降低了负荷和储能等可调度资源的调节压力，使得结果更加贴合实际。
以上对本发明所提供的一种提升风电消纳储能功率的优化方法进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (6)

1.一种提升风电消纳储能功率的优化方法，其特征在于，所述方法包括两个阶段：第一阶段确定为满足风电消纳的储能功率；第二阶段考虑储能成本价格与储能功率的关系，确定最优的配置方案；
所述第一阶段具体包括如下步骤：
步骤S1、建立基于常规机组出力平稳的源荷储协整关系模型，根据所述源荷储协整关系模型提出一种源荷协整度指标，分析源荷储协整关系模型中源-荷-储系统运行的协整特性，其中，所述常规机组为火电机组；
步骤S2、以源荷协整度为约束条件，以弃风量最小为目标，得到需要的储能功率；
所述第二阶段具体包括如下步骤：
步骤S3、预设不同额定功率和不同成本，建立储能配置方案的备选模型集合
Figure 246364DEST_PATH_IMAGE001
、
Figure 725625DEST_PATH_IMAGE002
，式中，
Figure 488176DEST_PATH_IMAGE003
为预设不同额定功率建立的储能配置方案的备选模型集合，
Figure 108513DEST_PATH_IMAGE004
表示储能的单位功率，n表示n种储能功率，
Figure 11616DEST_PATH_IMAGE005
为预设不同成本建立的储能配置方案的备选模型集合，
Figure 768219DEST_PATH_IMAGE006
表示储能的单位成本价格，m表示m种储能的成本价格，m、n均为大于零的正整数；
步骤S4，根据步骤S2得到的所述储能功率，从步骤S3的所述备选模型集合中选取若干不同额定功率和不同成本的储能配置方案；
步骤S5，建立以源-荷-储系统运行成本最小为目标的数学模型，选择最优的储能配置；
步骤S6，综合对比步骤S4中选取的若干所述储能配置方案下得到的弃风量和步骤S5中源-荷-储系统运行成本，确定最终的储能配置。
2.根据权利要求1所述的提升风电消纳储能功率的优化方法，其特征在于，所述步骤S1包括以下步骤：
步骤S11、建立基于常规机组出力平稳的源荷储协整关系模型：
在系统功率平衡关系式中，常规机组出力
Figure 232830DEST_PATH_IMAGE007
、风电出力
Figure 340463DEST_PATH_IMAGE008
、负荷预测
Figure 318695DEST_PATH_IMAGE009
和电源侧储能出力
Figure 929805DEST_PATH_IMAGE010
形成了一种协整关系，表现为：
Figure 830896DEST_PATH_IMAGE011
式中，
Figure 894667DEST_PATH_IMAGE007
为常规机组出力、
Figure 405152DEST_PATH_IMAGE008
为风电出力、
Figure 870768DEST_PATH_IMAGE009
为负荷预测和
Figure 739498DEST_PATH_IMAGE010
为电源侧储能出力；
通过建立基于常规机组出力平稳的源荷储协整关系模型，让风电出力曲线和储能出力曲线的叠加后的功率曲线与负荷曲线形成一种如下的协整关系模型：
Figure 290565DEST_PATH_IMAGE012
式中，
Figure 761998DEST_PATH_IMAGE013
为风电出力曲线和储能出力曲线的叠加后的功率曲线，
Figure 596968DEST_PATH_IMAGE014
、
Figure 823550DEST_PATH_IMAGE015
为常数，
Figure 409383DEST_PATH_IMAGE016
为残差序列，
Figure 746823DEST_PATH_IMAGE017
为常规机组出力残差；
步骤S13、根据所述源荷储协整关系模型提出如下一种源荷协整度指标，分析源荷储协整关系模型中源-荷-储运行的协整特性：
Figure 124715DEST_PATH_IMAGE018
式中，
Figure 505887DEST_PATH_IMAGE019
表示残差序列的信息熵，
Figure 93863DEST_PATH_IMAGE020
表示残差序列信息熵基准值，
Figure 720147DEST_PATH_IMAGE021
为协整度。
3.根据权利要求2所述的提升风电消纳储能功率的优化方法，其特征在于， 所述步骤S11与步骤S13之间还包括：
步骤S12、建立需求响应的源荷储协整关系模型：
Figure 280442DEST_PATH_IMAGE022
式中，
Figure 520930DEST_PATH_IMAGE023
为参与需求响应的负荷变化量，
Figure 66310DEST_PATH_IMAGE024
为参与需求响应后的负荷量。
4.根据权利要求3所述的提升风电消纳储能功率的优化方法，其特征在于，所述步骤S2包括：
步骤S21、源荷储协整关系模型中，弃风电量的数学模型为：
Figure 11133DEST_PATH_IMAGE025
式中，
Figure 176666DEST_PATH_IMAGE026
为弃风电量，
Figure 181531DEST_PATH_IMAGE027
与
Figure 931050DEST_PATH_IMAGE028
分别表示t时段的负荷变化量与储能出力，
Figure 413984DEST_PATH_IMAGE029
为总运行周期，
Figure 699603DEST_PATH_IMAGE030
为火电机组最小出力，
Figure 609790DEST_PATH_IMAGE031
为t时段的风电出力，
Figure 581026DEST_PATH_IMAGE032
为t时段的负荷，
Figure 664389DEST_PATH_IMAGE033
为单位时间间隔；
步骤S22、根据源荷协整度为约束条件，以弃风量最小为目标，得到需要的储能功率，其中：
源荷协整度约束条件为：
Figure 804514DEST_PATH_IMAGE034
式中，
Figure 354444DEST_PATH_IMAGE035
表示协整度，
Figure 875293DEST_PATH_IMAGE036
表示最小协整度值。
5.根据权利要求4所述的提升风电消纳储能功率的优化方法，其特征在于，所述步骤S5中数学模型为：
Figure 700030DEST_PATH_IMAGE037
Figure 429082DEST_PATH_IMAGE038
Figure 946651DEST_PATH_IMAGE039
Figure 163918DEST_PATH_IMAGE040
式中，f表示源-荷-储系统运行成本，
Figure 464449DEST_PATH_IMAGE041
表示第
Figure 297276DEST_PATH_IMAGE042
台常规机组第
Figure 533217DEST_PATH_IMAGE043
时段的燃料成本，
Figure 717073DEST_PATH_IMAGE044
表示第
Figure 290137DEST_PATH_IMAGE042
台常规机组第
Figure 554634DEST_PATH_IMAGE043
时段的启停成本，
Figure 148426DEST_PATH_IMAGE045
表示第
Figure 491683DEST_PATH_IMAGE042
台常规机组第
Figure 212646DEST_PATH_IMAGE043
时段的出力，
Figure 816802DEST_PATH_IMAGE046
表示第
Figure 519179DEST_PATH_IMAGE042
台常规机组第
Figure 661316DEST_PATH_IMAGE043
时段的启停状态；
Figure 966396DEST_PATH_IMAGE047
均表示第
Figure 644633DEST_PATH_IMAGE042
台常规机组的燃料成本系数；
Figure 517911DEST_PATH_IMAGE048
分别表示储能的成本、风电上网电价；
Figure 898077DEST_PATH_IMAGE049
表示参与需求响应的单位补偿成本；
Figure 256114DEST_PATH_IMAGE050
表示弃风产生的单位惩罚成本；
Figure 710230DEST_PATH_IMAGE051
、
Figure 82305DEST_PATH_IMAGE052
分别表示负荷变化量、弃风功率；
Figure 497237DEST_PATH_IMAGE053
、
Figure 347381DEST_PATH_IMAGE054
、
Figure 921582DEST_PATH_IMAGE055
、
Figure 442388DEST_PATH_IMAGE056
分别表示常规机组台数、储能台数、风电机组数量以及运行的总时长，
Figure 797146DEST_PATH_IMAGE057
表示启停次数，
Figure 264030DEST_PATH_IMAGE058
表示时间间隔。
6.根据权利要求4所述的提升风电消纳储能功率的优化方法，其特征在于，所述
Figure 755055DEST_PATH_IMAGE059
的取值为
Figure 141037DEST_PATH_IMAGE060
、
Figure 232358DEST_PATH_IMAGE061
、
Figure 486622DEST_PATH_IMAGE062
或
Figure 582885DEST_PATH_IMAGE063
。
CN202111219986.8A 2021-10-20 2021-10-20 一种提升风电消纳储能功率的优化方法 Pending CN113656988A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111219986.8A CN113656988A (zh) 2021-10-20 2021-10-20 一种提升风电消纳储能功率的优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111219986.8A CN113656988A (zh) 2021-10-20 2021-10-20 一种提升风电消纳储能功率的优化方法

Publications (1)

Publication Number Publication Date
CN113656988A true CN113656988A (zh) 2021-11-16

Family

ID=78484284

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111219986.8A Pending CN113656988A (zh) 2021-10-20 2021-10-20 一种提升风电消纳储能功率的优化方法

Country Status (1)

Country Link
CN (1) CN113656988A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140094980A1 (en) * 2012-02-27 2014-04-03 Kabushiki Kaisha Toshiba Electric/thermal energy storage schedule optimizing device, optimizing method and optimizing program
CN108039736A (zh) * 2017-11-14 2018-05-15 国网辽宁省电力有限公司 一种提高风电接纳能力的大容量储热储电协调调度方法
CN109149557A (zh) * 2018-07-25 2019-01-04 贵州电网有限责任公司 一种考虑直接负荷控制的微网系统经济调度方法
CN109284943A (zh) * 2018-11-17 2019-01-29 国网辽宁省电力有限公司阜新供电公司 一种提高风电消纳能力的电极式电锅炉配置方法
CN109830990A (zh) * 2019-01-08 2019-05-31 南京工程学院 一种基于输电阻塞含风光接入的储能优化配置方法
CN111952966A (zh) * 2019-12-11 2020-11-17 国网辽宁省电力有限公司经济技术研究院 考虑风电消纳能力的源荷储系统分阶段协调优化方法
CN113036788A (zh) * 2021-05-27 2021-06-25 中国能源建设集团湖南省电力设计院有限公司 一种支撑电力系统新能源消纳的储能配置及成本分析方法
CN113313613A (zh) * 2021-07-06 2021-08-27 华北电力大学 一种电力配网模块化可移动电池储能mmbes优化配置方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140094980A1 (en) * 2012-02-27 2014-04-03 Kabushiki Kaisha Toshiba Electric/thermal energy storage schedule optimizing device, optimizing method and optimizing program
CN108039736A (zh) * 2017-11-14 2018-05-15 国网辽宁省电力有限公司 一种提高风电接纳能力的大容量储热储电协调调度方法
CN109149557A (zh) * 2018-07-25 2019-01-04 贵州电网有限责任公司 一种考虑直接负荷控制的微网系统经济调度方法
CN109284943A (zh) * 2018-11-17 2019-01-29 国网辽宁省电力有限公司阜新供电公司 一种提高风电消纳能力的电极式电锅炉配置方法
CN109830990A (zh) * 2019-01-08 2019-05-31 南京工程学院 一种基于输电阻塞含风光接入的储能优化配置方法
CN111952966A (zh) * 2019-12-11 2020-11-17 国网辽宁省电力有限公司经济技术研究院 考虑风电消纳能力的源荷储系统分阶段协调优化方法
CN113036788A (zh) * 2021-05-27 2021-06-25 中国能源建设集团湖南省电力设计院有限公司 一种支撑电力系统新能源消纳的储能配置及成本分析方法
CN113313613A (zh) * 2021-07-06 2021-08-27 华北电力大学 一种电力配网模块化可移动电池储能mmbes优化配置方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
LI JUAN等: "Centralized Control Strategy Considering Decentralized Energy Storage participate in Optimal Power System Dispatching", 《IEEE》 *
周任军等: "多功率曲线协整度约束下的源-荷-储优化协整模型", 《中国电机工程学报》 *
方绍凤等: "含源荷相似度和曲线波动度约束的源荷储协调优化模型", 《中国电机工程学报》 *
陆秋瑜等: "提高风电消纳能力的储能优化配置方法", 《广东电力》 *

Similar Documents

Publication Publication Date Title
CN112104007B (zh) 一种广义源储系统调度的集中控制方法
CN111047114B (zh) 抽水蓄能机组在日前电力现货市场的双层竞价优化方法
CN103296682B (zh) 一种多时空尺度渐进趋优的负荷调度模式设计方法
CN111628503A (zh) 考虑广义储能与火电联合调峰的日前-日内两阶段滚动优化调度方法
CN114336702B (zh) 基于双层随机规划的风光储场站群功率分配协同优化方法
CN110829408B (zh) 基于发电成本约束的计及储能电力系统的多域调度方法
CN108039737B (zh) 一种源网荷协调运行模拟系统
CN113193547A (zh) 计及新能源及负荷区间不确定性的电力系统日前-日内协同调度方法与系统
CN106684928B (zh) 一种基于调峰成本的电网调峰裕度计算方法
CN109274131B (zh) 基于概率统计理论的新能源消纳能力非时序量化评估方法
CN109193802A (zh) 一种考虑新能源预测误差的需求侧资源调度方法和系统
CN116780646A (zh) 一种计及灵活性的电力系统资源优化调度方法及终端
CN110796373A (zh) 面向风电消纳的多阶段场景生成电热系统优化调度方法
CN110768302A (zh) 一种区域电网消纳可再生能源能力评估及调控方法
CN114696352A (zh) 一种新能源配电网中电池储能系统的运行控制方法
CN115693646A (zh) 计及源荷低碳性与ccgp的两阶段优化调度方法
CN111030101A (zh) 一种基于多元化大数据清洁能源消纳联动调控方法及系统
Sun et al. Hierarchical Scheduling Control Method for Cascade Hydro‐PV‐Pumped Storage Generation System
Ma et al. Two-stage optimal dispatching based on wind-photovoltaic-pumped storage-thermal power combined power generation system
CN113656988A (zh) 一种提升风电消纳储能功率的优化方法
CN112927098B (zh) 一种考虑源荷不确定性的电网经济调度综合性评估方法
CN114069669A (zh) 一种共享储能运行模式控制方法
CN110943487B (zh) 一种园区能源系统能量优化的方法和装置
CN114400652A (zh) 一种计及核电主动参与调峰的多能源发电优化调度方法
Zhou et al. Analysis of Energy Storage Operation Configuration of Power System Based on Multi-Objective Optimization

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