CN114004082B - 一种风储能量控制方法、系统、存储介质及计算设备 - Google Patents
一种风储能量控制方法、系统、存储介质及计算设备 Download PDFInfo
- Publication number
- CN114004082B CN114004082B CN202111273225.0A CN202111273225A CN114004082B CN 114004082 B CN114004082 B CN 114004082B CN 202111273225 A CN202111273225 A CN 202111273225A CN 114004082 B CN114004082 B CN 114004082B
- Authority
- CN
- China
- Prior art keywords
- wind
- energy storage
- capacity
- power
- function
- 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
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
- G06Q10/04—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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明涉及一种风储能量控制方法、系统、存储介质及计算设备,其包括:将作为风电场自用容量的储能充放电量和作为电力辅助服务容量的储能充放电量进行自适应加权处理,构建风储经济动力学模型;设置由可测函数、倒向函数、反射随机函数和竞合势函数构成的竞合优化器;利用所述竞合优化器对所述风储经济动力学模型进行寻优求解,得到最优的风储系统收益的充放电量配置结果。本发明能得到储能系统在不同时刻的最优充放电量配置,提高风储系统经济收益。
Description
技术领域
本发明涉及风电场储能技术领域,特别是关于一种风储能量控制方法、系统、存储介质及计算设备。
背景技术
在风电场配置的储能系统,是指接入风电场并网关口以内的储能系统。全国很多省份已经推出风电场配置储能的支持性或强制性政策。为了适应这一新的趋势,需要针对配置储能系统后风电场输出功率与储能充放电量之间能量管理,设计最大化经济收益的风储能量管理,以实现对储能充放电功率的确定。
发明内容
针对上述问题,本发明的目的是提供一种风储能量控制方法、系统、存储介质及计算设备,其能得到储能系统在不同时刻的最优充放电量配置,提高风储系统经济收益。
为实现上述目的,本发明采取以下技术方案:一种风储能量控制方法,其包括:将作为风电场自用容量的储能充放电量和作为电力辅助服务容量的储能充放电量进行自适应加权处理,构建风储经济动力学模型;设置由可测函数、倒向函数、反射随机函数和竞合势函数构成的竞合优化器;利用所述竞合优化器对所述风储经济动力学模型进行寻优求解,得到最优的风储系统收益的充放电量配置结果。
进一步,所述构建风储经济动力学模型,包括:
获取储能容量E、弃风消纳收益C1、功率预测偏差纠正收益C2、电力辅助调峰收益C3和电力辅助调频收益C4的取值;
设定弃风消纳权值αt、预测纠偏权值βt、辅助服务调峰权值γt和辅助服务调频权值λt,并由风电场所在省份的脱硫燃煤电价和补贴确定风电销售电价p;
根据某一时刻储能运行状态确定储能运维成本qt、储能运维成本对应的储能充放电量占比ηt、功率预测考核分数的降低值ΔSt、功率预测考核单位分数的罚款d、储能调峰收益ht和储能调频收益kt;
由上述各参数计算得到所述风储经济动力学模型。
进一步,所述风储经济动力学模型F为:
F=E1·(C1+C2)+E2·(C3+C4)-G
式中,E1代表储能作为风电场自用容量时的充放电量,E2代表储能作为电力辅助服务容量时的充放电量,C1代表储能作为风电场自用容量时的弃风消纳收益,C2代表储能作为风电场自用容量时的功率预测偏差纠正收益,C3代表储能作为电力辅助服务容量时的电力辅助调峰收益,C4代表储能作为电力辅助服务容量时的电力辅助调频收益,G代表储能总运维成本。
进一步,所述获取储能容量E为所述作为风电场自用容量时的充放电量与所述作为电力辅助服务容量时的充放电量的和。
进一步,所述弃风消纳收益C1、功率预测偏差纠正收益C2、电力辅助调峰收益C3和电力辅助调频收益C4的取值,包括:
所述弃风消纳收益C1=风电销售电价,所述功率预测偏差纠正收益C2=功率预测考核罚款,所述电力辅助调峰收益C3和所述电力辅助调频收益C4由储能所在省份的相关政策确定。
进一步,所述竞合优化器L(F)为:
其中,ωi(F)为可测函数,si(F)为倒向函数,ei(F)为反射随机函数,V为竞合势函数,i代表运算次数,F为风储经济动力学模型。
进一步,所述利用所述竞合优化器对所述风储经济动力学模型进行寻优求解,包括:
计算所述竞合优化器分别针对弃风消纳权值αt、预测纠偏权值βt、辅助服务调峰权值γt、辅助服务调频权值λt、作为风电场自用容量时的充放电量和作为电力辅助服务容量时的充放电量的偏导数;
令各所述偏导数都为零,求解得到弃风消纳权值αt、预测纠偏权值βt、辅助服务调峰权值γt、辅助服务调频权值λt、作为风电场自用容量时的充放电量和作为电力辅助服务容量时的充放电量的解。
一种风储能量控制系统,其包括:模型构建模块、竞合优化器设置模块和配置模块;所述模型构建模块,将作为风电场自用容量的储能充放电量和作为电力辅助服务容量的储能充放电量进行自适应加权处理,构建风储经济动力学模型;所述竞合优化器设置模块,用于设置由可测函数、倒向函数、反射随机函数和竞合势函数构成的竞合优化器;所述配置模块,利用所述竞合优化器对所述风储经济动力学模型进行寻优求解,得到最优的风储系统收益的充放电量配置结果。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行上述方法中的任一方法。
一种计算设备,其包括:一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行上述方法中的任一方法的指令。
本发明由于采取以上技术方案,其具有以下优点:
1、本发明利用竞合优化器对建立的风储系统经济动力学模型求解,得到储能系统在不同时刻的最优充放电量配置,进而达到提高风储系统经济收益的目的。
2、本发明通过建立反应风储系统经济动力学特性的模型来定量描述不同工作模式对风储系统收益的影响,不仅为风储系统的优化指明了方向,而且有助于高性能优化器的设计,提升风电场对配置储能的经济性认知。
3、本发明通过建立竞合优化器,可以实现风储系统中储能充放电量的最优配置,进而提高风储系统的经济收益。
附图说明
图1是本发明一实施例中的方法整体流程示意图;
图2是本发明一实施例中的风储能量控制方法具体流程图;
图3是本发明一实施例中的计算设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例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的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本发明针对由风电场和储能系统组成的风储系统的能量控制管理问题,基于竞合优化器,提出一种风储能量控制方法、系统、存储介质及计算设备,下式为风储能量模型表达式:
EESS=f(PWF,J)
式中,EESS代表储能系统的充放电功率,PWF代表风电场的输出功率,J代表储能系统工作模式(包括弃风消纳、预测纠偏、辅助调峰、辅助调频),f(·)代表储能系统的充放电功率与风电场的输出功率、储能系统工作模式之间的复杂映射关系。
由风储能量模型表达式可知,风储能量管理方法的关键在于通过分析不同工作模式下的经济模型和风电场的运行情况来确定储能的充放电功率。由于不同工作模式之间存在竞争关系,因此需要提供一种具有竞争与合作功能的新型优化器来配置风储能量,实现储能充放电的合理配置。
因此,本发明针对风电场配置的储能系统,将作为风电场自用容量的储能充放电量和作为电力辅助服务容量的储能充放电量进行自适应加权处理,构建风储经济动力学模型;设计由可测函数、倒向函数、反射随机函数、竞合势函数构成的竞合优化器,并利用竞合优化器对风储经济动力学模型进行寻优求解,得到最大化风储系统收益的风储能量管理方法。本发明提高风储系统的自治化决策水平,提高风电场配置储能的经济收益。
在本发明的一个实施例中,如图1所示,提供一种风储能量控制方法,本实施例以该方法应用于终端进行举例说明,可以理解的是,该方法也可以应用于服务器,还可以应用于包括终端和服务器的系统,并通过终端和服务器的交互实现。本实施例中,针对风电场配置的储能系统,将储能充放电量作为自用容量的模型,该方法包括以下步骤:
1)将作为风电场自用容量的储能充放电量和作为电力辅助服务容量的储能充放电量进行自适应加权处理,构建风储经济动力学模型;
2)设置由可测函数、倒向函数、反射随机函数和竞合势函数构成的竞合优化器;
3)利用竞合优化器对风储经济动力学模型进行寻优求解,得到最优的风储系统收益的充放电量配置结果。
上述步骤1)中,构建风储经济动力学模型,如图2所示,包括以下步骤:
1.1)获取储能容量E、弃风消纳收益C1、功率预测偏差纠正收益C2、电力辅助调峰收益C3和电力辅助调频收益C4的取值;
1.2)设定弃风消纳权值αt、预测纠偏权值βt、辅助服务调峰权值γt和辅助服务调频权值λt,并由风电场所在省份的脱硫燃煤电价和补贴确定风电销售电价p;
1.3)根据某一时刻储能运行状态确定储能运维成本qt、储能运维成本对应的储能充放电量占比ηt、功率预测考核分数的降低值ΔSt、功率预测考核单位分数的罚款d、储能调峰收益ht和储能调频收益kt;
1.4)由上述各参数计算得到风储经济动力学模型。
其中,风储经济动力学模型F为:
F=E1·(C1+C2)+E2·(C3+C4)-G
式中,E1代表储能作为风电场自用容量时的充放电量,E2代表储能作为电力辅助服务容量时的充放电量,C1代表储能作为风电场自用容量时的弃风消纳收益,C2代表储能作为风电场自用容量时的功率预测偏差纠正收益,C3代表储能作为电力辅助服务容量时的电力辅助调峰收益,C4代表储能作为电力辅助服务容量时的电力辅助调频收益,G代表储能总运维成本。
其中,风储经济动力学模型F中各参数C1、C2、C3、C4和G的计算如下:
其中,E1代表储能作为风电场自用容量时的充放电量,E2代表储能作为电力辅助服务容量时的充放电量,E代表储能容量,C1代表储能作为风电场自用容量时的弃风消纳收益,C2代表储能作为风电场自用容量时的功率预测偏差纠正收益,C3代表储能作为电力辅助服务容量时的电力辅助调峰收益,C4代表储能作为电力辅助服务容量时的电力辅助调频收益,G代表储能运维成本,t≥1代表时刻,0≤αt≤1代表t时刻弃风消纳权值,0≤βt≤1代表t时刻预测纠偏权值,0≤γt≤1代表t时刻辅助服务调峰权值,0≤λt≤1代表t时刻辅助服务调频权值,p代表风电销售电价,qt代表t时刻储能运维成本,ηt代表t时刻储能运维成本对应的储能充放电量占比,ΔSt代表t时刻功率预测考核分数的降低值,d代表功率预测考核单位分数的罚款,ht代表t时刻储能调峰收益,kt代表t时刻储能调频收益。
上述步骤1.1)中,储能容量E、弃风消纳收益C1、功率预测偏差纠正收益C2、电力辅助调峰收益C3和电力辅助调频收益C4的取值获取方法为:
储能容量E为作为风电场自用容量时的充放电量与作为电力辅助服务容量时的充放电量的和;
弃风消纳收益C1=风电销售电价,功率预测偏差纠正收益C2=功率预测考核罚款,电力辅助调峰收益C3和电力辅助调频收益C4由储能所在省份的相关政策确定。
在本实施例中,储能运维成本G由储能系统集成商提供,弃风消纳权值αt=0.5,预测纠偏权值βt=0.7,辅助服务调峰权值γt=0.35,辅助服务调频权值λt=0.85,风电销售电价p由风电场所在省份的脱硫燃煤电价和补贴确定,qt、ηt、ΔSt、d、ht、kt等参数均由t时刻储能运行状态确定。
上述步骤2)中,竞合优化器L(F)为:
其中,ωi(F)为可测函数,si(F)为倒向函数,ei(F)为反射随机函数,V为竞合势函数,i代表运算次数,F为风储经济动力学模型。
在本实施例中,可测函数ωi(F)、倒向函数si(F)、反射随机函数ei(F)和竞合势函数V分别为:
其中,sin代表正弦计算,cos代表余弦计算,tan代表正切计算,max代表求最大值,sup代表上确界,e代表自然底数。
上述步骤3)中,利用竞合优化器对风储经济动力学模型进行寻优求解,包括以下步骤:
3.1)计算竞合优化器分别针对弃风消纳权值αt、预测纠偏权值βt、辅助服务调峰权值γt、辅助服务调频权值λt、作为风电场自用容量时的充放电量和作为电力辅助服务容量时的充放电量的偏导数;
3.2)令各偏导数都为零,求解得到弃风消纳权值αt、预测纠偏权值βt、辅助服务调峰权值γt、辅助服务调频权值λt、作为风电场自用容量时的充放电量和作为电力辅助服务容量时的充放电量的解;
具体为:
在本发明的一个实施例中,提供一种风储能量控制系统,其包括:模型构建模块、竞合优化器设置模块和配置模块;
模型构建模块,将作为风电场自用容量的储能充放电量和作为电力辅助服务容量的储能充放电量进行自适应加权处理,构建风储经济动力学模型;
竞合优化器设置模块,用于设置由可测函数、倒向函数、反射随机函数和竞合势函数构成的竞合优化器;
配置模块,利用竞合优化器对风储经济动力学模型进行寻优求解,得到最优的风储系统收益的充放电量配置结果。
本实施例提供的系统是用于执行上述各方法实施例的,具体流程和详细内容请参照上述实施例,此处不再赘述。
如图3所示,为本发明一实施例中提供的计算设备结构示意图,该计算设备可以是终端,其可以包括:处理器(processor)、通信接口(Communications Interface)、存储器(memory)、显示屏和输入装置。其中,处理器、通信接口、存储器通过通信总线完成相互间的通信。该处理器用于提供计算和控制能力。该存储器包括非易失性存储介质、内存储器,该非易失性存储介质存储有操作系统和计算机程序,该计算机程序被处理器执行时以实现一种风储能量控制方法;该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、管理商网络、NFC(近场通信)或其他技术实现。该显示屏可以是液晶显示屏或者电子墨水显示屏,该输入装置可以是显示屏上覆盖的触摸层,也可以是计算设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。处理器可以调用存储器中的逻辑指令,以执行如下方法:
将作为风电场自用容量的储能充放电量和作为电力辅助服务容量的储能充放电量进行自适应加权处理,构建风储经济动力学模型;设置由可测函数、倒向函数、反射随机函数和竞合势函数构成的竞合优化器;利用竞合优化器对风储经济动力学模型进行寻优求解,得到最优的风储系统收益的充放电量配置结果。
此外,上述的存储器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。
本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算设备的限定,具体的计算设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在本发明的一个实施例中,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实施例所提供的方法,例如包括:将作为风电场自用容量的储能充放电量和作为电力辅助服务容量的储能充放电量进行自适应加权处理,构建风储经济动力学模型;设置由可测函数、倒向函数、反射随机函数和竞合势函数构成的竞合优化器;利用竞合优化器对风储经济动力学模型进行寻优求解,得到最优的风储系统收益的充放电量配置结果。
在本发明的一个实施例中,提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储服务器指令,该计算机指令使计算机执行上述各实施例提供的方法,例如包括:将作为风电场自用容量的储能充放电量和作为电力辅助服务容量的储能充放电量进行自适应加权处理,构建风储经济动力学模型;设置由可测函数、倒向函数、反射随机函数和竞合势函数构成的竞合优化器;利用竞合优化器对风储经济动力学模型进行寻优求解,得到最优的风储系统收益的充放电量配置结果。
上述实施例提供的一种计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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 (7)
1.一种风储能量控制方法,其特征在于,包括:
将作为风电场自用容量的储能充放电量和作为电力辅助服务容量的储能充放电量进行自适应加权处理,构建风储经济动力学模型;
设置由可测函数、倒向函数、反射随机函数和竞合势函数构成的竞合优化器;
利用所述竞合优化器对所述风储经济动力学模型进行寻优求解,得到最优的风储系统收益的充放电量配置结果;
所述构建风储经济动力学模型,包括:
获取储能容量E、弃风消纳收益C1、功率预测偏差纠正收益C2、电力辅助调峰收益C3和电力辅助调频收益C4的取值;
设定弃风消纳权值αt、预测纠偏权值βt、辅助服务调峰权值γt和辅助服务调频权值λt,并由风电场所在省份的脱硫燃煤电价和补贴确定风电销售电价p;
根据某一时刻储能运行状态确定储能运维成本qt、储能运维成本对应的储能充放电量占比ηt、功率预测考核分数的降低值ΔSt、功率预测考核单位分数的罚款d、储能调峰收益ht和储能调频收益kt;
由上述各参数计算得到所述风储经济动力学模型;
所述竞合优化器L(F)为:
其中,ωi(F)为可测函数,si(F)为倒向函数,ei(F)为反射随机函数,V为竞合势函数,i代表运算次数,F为风储经济动力学模型;
可测函数ωi(F)、倒向函数si(F)、反射随机函数ei(F)和竞合势函数V分别为:
其中,sin代表正弦计算,cos代表余弦计算,tan代表正切计算,max代表求最大值,sup代表上确界,e代表自然底数;
所述风储经济动力学模型为:
F=E1·(C1+C2)+E2·(C3+C4)-G
式中,E1代表储能作为风电场自用容量时的充放电量,E2代表储能作为电力辅助服务容量时的充放电量,G代表储能总运维成本。
2.如权利要求1所述风储能量控制方法,其特征在于,所述获取储能容量E为所述作为风电场自用容量时的充放电量与所述作为电力辅助服务容量时的充放电量的和。
3.如权利要求1所述风储能量控制方法,其特征在于,所述弃风消纳收益C1、功率预测偏差纠正收益C2、电力辅助调峰收益C3和电力辅助调频收益C4的取值,包括:
所述弃风消纳收益C1=风电销售电价,所述功率预测偏差纠正收益C2=功率预测考核罚款,所述电力辅助调峰收益C3和所述电力辅助调频收益C4由储能所在省份的相关政策确定。
4.如权利要求1所述风储能量控制方法,其特征在于,所述利用所述竞合优化器对所述风储经济动力学模型进行寻优求解,包括:
计算所述竞合优化器分别针对弃风消纳权值αt、预测纠偏权值βt、辅助服务调峰权值γt、辅助服务调频权值λt、作为风电场自用容量时的充放电量和作为电力辅助服务容量时的充放电量的偏导数;
令各所述偏导数都为零,求解得到弃风消纳权值αt、预测纠偏权值βt、辅助服务调峰权值γt、辅助服务调频权值λt、作为风电场自用容量时的充放电量和作为电力辅助服务容量时的充放电量的解。
5.一种风储能量控制系统,其特征在于,包括:模型构建模块、竞合优化器设置模块和配置模块;
所述模型构建模块,将作为风电场自用容量的储能充放电量和作为电力辅助服务容量的储能充放电量进行自适应加权处理,构建风储经济动力学模型;
所述竞合优化器设置模块,用于设置由可测函数、倒向函数、反射随机函数和竞合势函数构成的竞合优化器;
所述配置模块,利用所述竞合优化器对所述风储经济动力学模型进行寻优求解,得到最优的风储系统收益的充放电量配置结果;
所述构建风储经济动力学模型,包括:
获取储能容量E、弃风消纳收益C1、功率预测偏差纠正收益C2、电力辅助调峰收益C3和电力辅助调频收益C4的取值;
设定弃风消纳权值αt、预测纠偏权值βt、辅助服务调峰权值γt和辅助服务调频权值λt,并由风电场所在省份的脱硫燃煤电价和补贴确定风电销售电价p;
根据某一时刻储能运行状态确定储能运维成本qt、储能运维成本对应的储能充放电量占比ηt、功率预测考核分数的降低值ΔSt、功率预测考核单位分数的罚款d、储能调峰收益ht和储能调频收益kt;
由上述各参数计算得到所述风储经济动力学模型;
所述竞合优化器L(F)为:
其中,ωi(F)为可测函数,si(F)为倒向函数,ei(F)为反射随机函数,V为竞合势函数,i代表运算次数,F为风储经济动力学模型;
可测函数ωi(F)、倒向函数si(F)、反射随机函数ei(F)和竞合势函数V分别为:
其中,sin代表正弦计算,cos代表余弦计算,tan代表正切计算,max代表求最大值,sup代表上确界,e代表自然底数;
所述风储经济动力学模型为:
F=E1·(C1+C2)+E2·(C3+C4)-G
式中,E1代表储能作为风电场自用容量时的充放电量,E2代表储能作为电力辅助服务容量时的充放电量,G代表储能总运维成本。
6.一种存储一个或多个程序的计算机可读存储介质,其特征在于,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行如权利要求1至4所述方法中的任一方法。
7.一种计算设备,其特征在于,包括:一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行如权利要求1至4所述方法中的任一方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111273225.0A CN114004082B (zh) | 2021-10-29 | 2021-10-29 | 一种风储能量控制方法、系统、存储介质及计算设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111273225.0A CN114004082B (zh) | 2021-10-29 | 2021-10-29 | 一种风储能量控制方法、系统、存储介质及计算设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114004082A CN114004082A (zh) | 2022-02-01 |
CN114004082B true CN114004082B (zh) | 2022-06-28 |
Family
ID=79925275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111273225.0A Active CN114004082B (zh) | 2021-10-29 | 2021-10-29 | 一种风储能量控制方法、系统、存储介质及计算设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114004082B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108808659A (zh) * | 2018-06-05 | 2018-11-13 | 国网吉林省电力有限公司 | 风电消纳综合能源系统的协调优化控制及经济性评估方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140099201A1 (en) * | 2012-10-04 | 2014-04-10 | Kevin Leslie Thomazios | Energy Recovery of Accelerating Slipstream |
CN103151798B (zh) * | 2013-03-27 | 2015-02-04 | 浙江省电力公司电力科学研究院 | 独立微网系统的优化方法 |
CN109245175B (zh) * | 2018-11-21 | 2022-04-01 | 郑州大学 | 一种计及辅助服务补偿的大规模风电场储能容量优化方法 |
CN110676870B (zh) * | 2019-04-30 | 2021-09-21 | 国网新疆电力有限公司经济技术研究院 | 一种适用于风电并网的混合储能容量配置方法 |
WO2021164112A1 (zh) * | 2020-02-18 | 2021-08-26 | 山东大学 | 风电场优化配置储能作为黑启动电源的频率控制方法及系统 |
CN111756076B (zh) * | 2020-07-27 | 2022-04-22 | 国网河南省电力公司电力科学研究院 | 一种储能辅助调峰服务市场的双层互动调度方法及装置 |
-
2021
- 2021-10-29 CN CN202111273225.0A patent/CN114004082B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108808659A (zh) * | 2018-06-05 | 2018-11-13 | 国网吉林省电力有限公司 | 风电消纳综合能源系统的协调优化控制及经济性评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114004082A (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jiang et al. | Size optimization and economic analysis of a coupled wind-hydrogen system with curtailment decisions | |
CN109493184B (zh) | 基于绿证交易的电力出清方法、装置、设备和存储介质 | |
CN106447171A (zh) | 电力需求侧可调度资源潜力建模方法及系统 | |
WO2013150405A1 (en) | Smoothing power output from a wind farm | |
CN114841489A (zh) | 电池储能系统的动态非线性优化 | |
CN114997665A (zh) | 考虑可控负荷响应性能差异的虚拟电厂优化调度方法及系统 | |
CN113537562A (zh) | 一种新能源场站储能配置计算方法及系统 | |
CN114004082B (zh) | 一种风储能量控制方法、系统、存储介质及计算设备 | |
Pérez et al. | Predictive GPU-based ADAS management in energy-conscious smart cities | |
CN112132386B (zh) | 一种日前出清与可靠性机组组合联合优化方法及系统 | |
CN113538066A (zh) | 虚拟电厂参与电力市场的控制方法、系统、设备及介质 | |
CN111861248B (zh) | 一种配电网的电能质量治理效果综合评估方法及装置 | |
CN110705738B (zh) | 基于人工智能的智能用电激励需求响应方法和系统 | |
Nasrolahpour et al. | Battery investment by a strategic wind producer: A scenario-based decomposition approach | |
CN116050635A (zh) | 针对储能调频交易的模糊随机双层鲁棒优化方法及装置 | |
CN113361781B (zh) | 一种电网投资规模优化方法、系统、设备及存储介质 | |
CN115864364A (zh) | 一种用户参与需求响应的运行策略规划方法及装置 | |
CN115271229A (zh) | 一种基于需求响应的虚拟电厂运行成本优化方法及系统 | |
CN113381400B (zh) | 储能消纳新能源能力评估方法和装置 | |
CN111861098B (zh) | 电力现货市场的出清方法、系统、装置及介质 | |
CN116979579A (zh) | 基于微电网安全约束的电动汽车能量-计算资源调度方法 | |
Tiutiulnikov et al. | Eco4cast: Bridging predictive scheduling and cloud computing for reduction of carbon emissions for ML models training | |
CN114358856A (zh) | 一种涉及海上风电的大型清洁能源基地商业模式 | |
CN116596700A (zh) | 一种综合能源系统调度边界概率分布的计算方法 | |
CN115859608A (zh) | 一种基于风光并网的制氢功率动态调整方法 |
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 |