CN114336589A - 一种基于风电场弃风限电的储能优化方法及系统装置 - Google Patents

一种基于风电场弃风限电的储能优化方法及系统装置 Download PDF

Info

Publication number
CN114336589A
CN114336589A CN202111386311.2A CN202111386311A CN114336589A CN 114336589 A CN114336589 A CN 114336589A CN 202111386311 A CN202111386311 A CN 202111386311A CN 114336589 A CN114336589 A CN 114336589A
Authority
CN
China
Prior art keywords
energy storage
wind
optimization
target
power plant
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
CN202111386311.2A
Other languages
English (en)
Other versions
CN114336589B (zh
Inventor
李国庆
褚孝国
徐峰
王真涛
屠劲林
王雪璐
李智伟
范晔
周峰
蒋成文
刘扬
陈卓
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.)
Huaneng Renewables Corp Ltd
Beijing Huaneng Xinrui Control Technology Co Ltd
Original Assignee
Huaneng Renewables Corp Ltd
Beijing Huaneng Xinrui Control Technology 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 Huaneng Renewables Corp Ltd, Beijing Huaneng Xinrui Control Technology Co Ltd filed Critical Huaneng Renewables Corp Ltd
Priority to CN202111386311.2A priority Critical patent/CN114336589B/zh
Publication of CN114336589A publication Critical patent/CN114336589A/zh
Application granted granted Critical
Publication of CN114336589B publication Critical patent/CN114336589B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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

  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于风电场弃风限电的储能优化方法及系统装置，涉及风电储能技术领域，用于通过获得风电场各个优化阶段分别所对应的数据信息，获得风电场在该优化阶段的储能容量、弃风功率以及输出功率，对风电场的储能容量进行优化调节，通过以构建并获得储能优化模型，应用储能优化模型，获得对风电场储能容量的优化调节结果，获得更新后的目标风电场的最大收益目标、以及最大收益目标对应的最大储能容量。通过本发明的技术方案，使得风电场通过储能辅助运行，降低风电场弃风率，提高风电消纳水平，提升风电场经济效益。

Description

一种基于风电场弃风限电的储能优化方法及系统装置
技术领域
本发明涉及风电储能技术领域，具体而言涉及一种基于风电场弃风限电的储能优化方法及系统装置。
背景技术
目前风电场中储能的作用多为平抑风电场发电功率波动，提高电能质量，但在考虑采用储能参与风电场弃风限电的方面研究较少。由于风能的间歇性及不确定性使得风电场发电功率预测精度低，同时目前电网调峰能力差，从而导致了弃风限电的产生。考虑弃风限电的风电场能量型储能优化配置，不仅可以降低弃风率，提高风电消纳水平，同时也能够提升风电场经济效益。
在现有技术中，由于风能的间歇性及不确定性使得风电场发电功率预测精度低，同时目前电网调峰能力差，从而加剧了风电场弃风限电的现象。
发明内容
本发明的目的在于提供一种基于风电场弃风限电的储能优化方法及系统装置，以解决现有技术中的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于风电场弃风限电的储能优化方法，用于通过采集到的风电场的数据信息，对风电场的储能容量进行优化调节，通过以下步骤A至步骤C构建并获得储能优化模型，通过执行步骤D，应用储能优化模型，获得对风电场储能容量的优化调节结果：
步骤A、采集风电场在历史时间周期内的数据信息，并将历史时间周期按照预设时间单位划分为各个优化阶段，即获得各个优化阶段分别所对应的数据信息，随后进入步骤B；
步骤B、分别针对各个优化阶段，根据该优化阶段对应的目标风电场的数据信息，获得风电场在该优化阶段的储能容量、弃风功率以及输出功率，即获得风电场在历史时间周期内分别所对应各个优化阶段的储能容量、弃风功率以及输出功率，进一步根据风电场的各个弃风功率和输出功率计算获得风电场在历史时间周期内的收益目标，随后进入步骤C；
步骤C、构建待训练储能优化模型，以该风电场所对应的各个优化阶段的储能容量和输出功率为输入，以风电场在历史时间周期内的收益目标为输出，对待训练储能优化模型进行训练，获得储能优化模型，随后进入步骤D；
步骤D、针对各个目标风电场，通过采集目标风电场所对应的数据信息，应用储能优化模型获得目标风电场的收益目标，利用目标风电场各优化阶段分别所对应的储能容量，基于目标风电场在历史时间周期内的收益目标，对储能优化模型进行迭代更新，获得更新后的目标风电场的最大收益目标、以及最大收益目标对应的最大储能容量。
进一步地，前述的数据信息包括风电场各个优化阶段分别所对应的计划发电功率、实际发电功率以及风电场的预设储能容量。
进一步地，步骤B中分别针对各个优化阶段，根据该优化阶段对应的计划发电功率、实际发电功率、以及预设储能容量，计算获得风电场在该优化阶段对应的弃风功率和输出功率，根据以下公式：
Figure BDA0003367217380000021
获得该优化阶段i中t时刻的弃风功率
Figure BDA0003367217380000022
其中，
Figure BDA0003367217380000023
为该优化阶段i中t时刻的弃风功率，
Figure BDA0003367217380000024
为该优化阶段i中t时刻的计划发电功率，
Figure BDA0003367217380000025
为该优化阶段i中t时刻的实际发电功率，
Figure BDA0003367217380000026
为该优化阶段i中t时刻储能的输出功率，Pes_max为在历史时间范围内最大的储能输出功率；
根据以下公式：
Figure BDA0003367217380000027
获得该优化阶段i在t时刻的输出功率
Figure BDA0003367217380000028
进一步地，步骤B中，基于所获风电场的各个优化阶段的弃风功率和输出功率，根据以下公式：
Figure BDA0003367217380000029
获得该优化阶段i在t时刻的储能损耗成本
Figure BDA00033672173800000210
其中，λes为储能损耗系数，δ(t)为单位时间；
基于储能损耗成本
Figure BDA00033672173800000211
根据以下公式：
Figure BDA0003367217380000031
获得该优化阶段i在t时刻的收益目标Ci(t)，其中，
Figure BDA0003367217380000032
为t时刻的发电收益，
Figure BDA0003367217380000033
为t时刻的风电场的弃风惩罚，
Figure BDA0003367217380000034
其中，λe(t)为t时刻的发电收益系数；
Figure BDA0003367217380000035
其中，λwl为弃风惩罚系数；
根据以下公式：
Figure BDA0003367217380000036
获得风电场在历史时间周期内的收益目标
Figure BDA0003367217380000037
其中，m为历史时间周期内所含各个优化阶段的数量，n为该优化阶段i包含的各个时刻。
进一步地，步骤C中对待训练储能优化模型进行训练还包括储能容量约束条件、以及储能输出功率约束条件，所述储能容量约束为
Figure BDA0003367217380000038
所述储能输出功率约束条件为
Figure BDA0003367217380000039
进一步地，步骤D中，根据所获目标风电场在历史时间周期内各个优化阶段的储能容量，筛选出最大储能容量，对储能优化模型进行迭代更新，将目标风电场在当前t时刻的收益目标与t-1时刻的收益目标进行比较，当收益目标大于预设允许值，直接输出最大储能容量；
当收益目标小于预设允许值时，继续对储能优化模型进行迭代更新，直至输出最大储能容量。
进一步地，对储能优化模型进行迭代更新，基于最大储能容量，增加或减少预设储能增量并对最大储能容量进行更新，进一步对储能优化模型进行迭代优化。
本发明的第二方面提出一种基于风电场弃风限电的储能优化系统，包括：
一个或多个处理器；
存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括任意一项所述储能优化方法的过程。
本发明的第三方面提出一种存储软件的计算机可读取介质，所述软件包括能通过一个或多个计算机执行的指令，所述指令在被所述一个或多个计算机执行时执行如权利要求1-7中任意一项所述储能优化方法的操作。
本发明的第四方面提出一种基于风电场弃风限电的储能优化装置，包括：
用于采集风电场在历史时间周期内的数据信息，并获得各个优化阶段分别所对应的数据信息的模块；
用于分别针对各个优化阶段，根据该优化阶段对应的目标风电场的数据信息，获得目标风电场在该优化阶段的储能容量、弃风功率以及输出功率，即获得风电场在历史时间周期内分别所对应各个优化阶段的储能容量、弃风功率以及输出功率，进一步根据风电场的各个弃风功率和输出功率计算获得风电场在历史时间周期内的收益目标的模块；
用于构建待训练储能优化模型，以该风电场所对应的各个优化阶段的储能容量和输出功率为输入，以风电场在历史时间周期内的收益目标为输出，对待训练储能优化模型进行训练，获得储能优化模型的模块；
用于针对各个目标风电场，通过采集目标风电场所对应的数据信息，应用储能优化模型获得目标风电场的收益目标，利用目标风电场各优化阶段分别所对应的储能容量，基于目标风电场在历史时间周期内的收益目标，对储能优化模型进行迭代更新，获得更新后的目标风电场的最大收益目标、以及最大收益目标对应的最大储能容量的模块。
本发明所述一种基于风电场弃风限电的储能优化方法及系统装置，采用以上技术方案与现有技术相比，具有以下技术效果：
本发明通过结合储能运行损耗，以风电场在一定时间周期内的收益目标最大为目标，建立储能容量的优化配置模型，使得风电场通过储能辅助运行，降低风电场弃风率，提高风电消纳水平，提升风电场经济效益。
附图说明
图1为本发明示例性实施例的一种储能优化方法的流程示意图。
具体实施方式
为了更了解本发明的技术内容，特举具体实施例并配合所附图式说明如下。
在本公开中参照附图来描述本发明的各方面，附图中示出了许多说明的实施例。本公开的实施例不必定义在包括本发明的所有方面。应当理解，上面介绍的多种构思和实施例，以及下面更加详细地描述的那些构思和实施方式可以以很多方式中任意一种来实施，这是因为本发明所公开的构思和实施例并不限于任何实施方式。另外，本发明公开的一些方面可以单独使用，或者与本发明公开的其他方面的任何适当组合来使用。
参照图1，本发明示例性实施例的储能优化方法的流程示意图，由于风能的间歇性及不确定性使得风电场发电功率预测精度低，同时目前电网调峰能力差，从而加剧了风电场弃风限电的现象，因此考虑以弃风限电为条件，通过配置合适容量的储能对风电场的运行进行辅助优化，降低风电场弃风限电现象的产生，进而提高风电场收益，本发明提供一种用于通过采集到的风电场的数据信息，对风电场的储能容量进行优化调节的基于风电场弃风限电的储能优化方法，通过以下步骤A至步骤C构建并获得储能优化模型，通过执行步骤D，应用储能优化模型，获得对风电场储能容量的优化调节结果：
步骤A、采集风电场在历史时间周期内的数据信息，数据信息包括风电场各个优化阶段分别所对应的计划发电功率、实际发电功率以及风电场的预设储能容量，并将历史时间周期按照预设时间单位划分为各个优化阶段，即获得各个优化阶段分别所对应的数据信息，随后进入步骤B；
步骤B、分别针对各个优化阶段，根据该优化阶段对应的目标风电场的数据信息，获得目标风电场在该优化阶段的储能容量、弃风功率以及输出功率，即获得风电场在历史时间周期内分别所对应各个优化阶段的储能容量、弃风功率以及输出功率，
根据以下公式：
获得该优化阶段i中t时刻的弃风功率
Figure BDA0003367217380000051
其中，
Figure BDA0003367217380000052
为该优化阶段i中t时刻的计划发电功率，
Figure BDA0003367217380000053
为该优化阶段i中t时刻的实际发电功率，
Figure BDA0003367217380000054
为该优化阶段i中t时刻储能的输出功率，Pes_max为在历史时间范围内最大的储能输出功率；
根据以下公式：
Figure BDA0003367217380000055
获得该优化阶段i在t时刻的输出功率
Figure BDA0003367217380000056
进一步根据风电场的各个弃风功率和输出功率计算获得风电场在历史时间周期内的收益目标，具体包括以下步骤：
基于所获风电场的各个优化阶段的弃风功率和输出功率，根据以下公式：
Figure BDA0003367217380000057
获得该优化阶段i在t时刻的储能损耗成本
Figure BDA0003367217380000058
其中，λes为储能损耗系数，δ(t)为单位时间；
基于储能损耗成本
Figure BDA0003367217380000061
根据以下公式：
Figure BDA0003367217380000062
获得该优化阶段i在t时刻的收益目标Ci(t)，其中，
Figure BDA0003367217380000063
为t时刻的发电收益，
Figure BDA0003367217380000064
为t时刻的风电场的弃风惩罚，
Figure BDA0003367217380000065
其中，λe(t)为t时刻的发电收益系数；
Figure BDA0003367217380000066
其中，λwl为弃风惩罚系数；
根据以下公式：
Figure BDA0003367217380000067
获得风电场在历史时间周期内的收益目标
Figure BDA0003367217380000068
其中，m为历史时间周期内所含各个优化阶段的数量，n为该优化阶段i包含的各个时刻，随后进入步骤C。
步骤C、构建待训练储能优化模型，以该风电场所对应的各个优化阶段的储能容量和输出功率为输入，以风电场在历史时间周期内的收益目标为输出，对待训练储能优化模型进行训练，获得储能优化模型；
在训练过程中加入储能容量约束条件、以及储能输出功率约束条件，储能容量约束为
Figure BDA0003367217380000069
所述储能输出功率约束条件为
Figure BDA00033672173800000610
Figure BDA00033672173800000611
随后进入步骤D。
步骤D、针对各个目标风电场，通过采集目标风电场所对应的数据信息，应用储能优化模型获得目标风电场的收益目标，利用目标风电场各优化阶段分别所对应的储能容量，根据所获目标风电场在历史时间周期内各个优化阶段的储能容量，筛选出最大储能容量Mmax，对储能优化模型进行迭代更新，将目标风电场在当前t时刻的收益目标与t-1时刻的收益目标进行比较，当收益目标大于预设允许值，直接输出最大储能容量；
当收益目标小于预设允许值时，继续对储能优化模型进行迭代更新，直至输出最大储能容量；
基于目标风电场在历史时间周期内的收益目标，对储能优化模型进行迭代更新，增加或减少预设储能增量并对最大储能容量进行更新，在本发明实施例中预设储能增量取值为ΔM，获得更新后的目标风电场的最大收益目标、以及最大收益目标对应的最大储能容量。
一种基于风电场弃风限电的储能优化系统，包括：
一个或多个处理器；
存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括执行任意一项所述储能优化方法的过程。
一种存储软件的计算机可读取介质，所述软件包括能通过一个或多个计算机执行的指令，所述指令在被所述一个或多个计算机执行时执行任意一项所述储能优化方法的操作。
一种基于风电场弃风限电的储能优化装置，包括：
用于采集风电场在历史时间周期内的数据信息，并获得各个优化阶段分别所对应的数据信息的模块；
用于分别针对各个优化阶段，根据该优化阶段对应的目标风电场的数据信息，获得目标风电场在该优化阶段的储能容量、弃风功率以及输出功率，即获得风电场在历史时间周期内分别所对应各个优化阶段的储能容量、弃风功率以及输出功率，进一步根据风电场的各个弃风功率和输出功率计算获得风电场在历史时间周期内的收益目标的模块；
用于构建待训练储能优化模型，以该风电场所对应的各个优化阶段的储能容量和输出功率为输入，以风电场在历史时间周期内的收益目标为输出，对待训练储能优化模型进行训练，获得储能优化模型的模块；
用于针对各个目标风电场，通过采集目标风电场所对应的数据信息，应用储能优化模型获得目标风电场的收益目标，利用目标风电场各优化阶段分别所对应的储能容量，基于目标风电场在历史时间周期内的收益目标，对储能优化模型进行迭代更新，获得更新后的目标风电场的最大收益目标、以及最大收益目标对应的最大储能容量的模块。
虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明。本发明所属技术领域中具有通常知识者，在不脱离本发明的精神和范围内，当可作各种的更动与润饰。因此，本发明的保护范围当视权利要求书所界定者为准。

Claims (10)

1.一种基于风电场弃风限电的储能优化方法，用于通过采集到的风电场的数据信息，对风电场的储能容量进行优化调节，其特征在于，通过以下步骤A至步骤C构建并获得储能优化模型，通过执行步骤D，应用储能优化模型，获得对风电场储能容量的优化调节结果：
步骤A、采集风电场在历史时间周期内的数据信息，并将历史时间周期按照预设时间单位划分为各个优化阶段，即获得各个优化阶段分别所对应的数据信息，随后进入步骤B；
步骤B、分别针对各个优化阶段，根据该优化阶段对应的目标风电场的数据信息，获得风电场在该优化阶段的储能容量、弃风功率以及输出功率，即获得风电场在历史时间周期内分别所对应各个优化阶段的储能容量、弃风功率以及输出功率，进一步根据风电场的各个弃风功率和输出功率计算获得风电场在历史时间周期内的收益目标，随后进入步骤C；
步骤C、构建待训练储能优化模型，以该风电场所对应的各个优化阶段的储能容量和输出功率为输入，以风电场在历史时间周期内的收益目标为输出，对待训练储能优化模型进行训练，获得储能优化模型，随后进入步骤D；
步骤D、针对各个目标风电场，通过采集目标风电场所对应的数据信息，应用储能优化模型获得目标风电场的收益目标，利用目标风电场各优化阶段分别所对应的储能容量，基于目标风电场在历史时间周期内的收益目标，对储能优化模型进行迭代更新，获得更新后的目标风电场的最大收益目标、以及最大收益目标对应的最大储能容量。
2.根据权利要求1所述的一种基于风电场弃风限电的储能优化方法，其特征在于，所述数据信息包括风电场各个优化阶段分别所对应的计划发电功率、实际发电功率以及风电场的预设储能容量。
3.根据权利要求2所述的一种基于风电场弃风限电的储能优化方法，其特征在于，所述步骤B中分别针对各个优化阶段，根据该优化阶段对应的计划发电功率、实际发电功率、以及预设储能容量，计算获得风电场在该优化阶段对应的弃风功率和输出功率，根据以下公式：
Figure FDA0003367217370000011
获得该优化阶段i中t时刻的弃风功率
Figure FDA0003367217370000012
其中，
Figure FDA0003367217370000013
为该优化阶段i中t时刻的计划发电功率，Pi g(t)为该优化阶段i中t时刻的实际发电功率，
Figure FDA0003367217370000021
为该优化阶段i中t时刻储能的输出功率，Pes_max为在历史时间范围内最大的储能输出功率；
根据以下公式：
Figure FDA0003367217370000022
获得该优化阶段i在t时刻的输出功率
Figure FDA0003367217370000023
4.根据权利要求3所述的一种基于风电场弃风限电的储能优化方法，其特征在于，所述步骤B中，基于所获风电场的各个优化阶段的弃风功率和输出功率，根据以下公式：
Figure FDA0003367217370000024
获得该优化阶段i在t时刻的储能损耗成本
Figure FDA0003367217370000025
其中，λes为储能损耗系数,δ(t)为单位时间；
基于储能损耗成本
Figure FDA0003367217370000026
根据以下公式：
Figure FDA0003367217370000027
获得该优化阶段i在t时刻的收益目标Ci(t)，其中，
Figure FDA0003367217370000028
为t时刻的发电收益，
Figure FDA0003367217370000029
为t时刻的风电场的弃风惩罚，
Figure FDA00033672173700000210
其中，λe(t)为t时刻的发电收益系数；
Figure FDA00033672173700000211
其中，λwl为弃风惩罚系数；
根据以下公式：
Figure FDA00033672173700000212
Figure FDA00033672173700000213
获得风电场在历史时间周期内的收益目标
Figure FDA00033672173700000214
其中，m为历史时间周期内所含各个优化阶段的数量，n为该优化阶段i包含的各个时刻。
5.根据权利要求1所述的一种基于风电场弃风限电的储能优化方法，其特征在于，所述步骤C中对待训练储能优化模型进行训练还包括储能容量约束条件、以及储能输出功率约束条件，所述储能容量约束为
Figure FDA0003367217370000031
所述储能输出功率约束条件为
Figure FDA0003367217370000032
6.根据权利要求5所述的一种基于风电场弃风限电的储能优化方法，其特征在于，所述步骤D中，根据所获目标风电场在历史时间周期内各个优化阶段的储能容量，筛选出最大储能容量，对储能优化模型进行迭代更新，将目标风电场在当前t时刻的收益目标与t-1时刻的收益目标进行比较，当收益目标大于预设允许值，直接输出最大储能容量；
当收益目标小于预设允许值时，继续对储能优化模型进行迭代更新，直至输出最大储能容量。
7.根据权利要求6所述的一种基于风电场弃风限电的储能优化方法，其特征在于，对储能优化模型进行迭代更新，基于最大储能容量，增加或减少预设储能增量并对最大储能容量进行更新，进一步对储能优化模型进行迭代优化。
8.一种基于风电场弃风限电的储能优化系统，其特征在于，包括：
一个或多个处理器；
存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括执行权利要求1-7中任意一项所述储能优化方法的过程。
9.一种存储软件的计算机可读取介质，其特征在于，所述软件包括能通过一个或多个计算机执行的指令，所述指令在被所述一个或多个计算机执行时执行如权利要求1-7中任意一项所述储能优化方法的操作。
10.一种基于风电场弃风限电的储能优化装置，其特征在于，包括：
用于采集风电场在历史时间周期内的数据信息，并获得各个优化阶段分别所对应的数据信息的模块；
用于分别针对各个优化阶段，根据该优化阶段对应的目标风电场的数据信息，获得目标风电场在该优化阶段的储能容量、弃风功率以及输出功率，即获得风电场在历史时间周期内分别所对应各个优化阶段的储能容量、弃风功率以及输出功率，进一步根据风电场的各个弃风功率和输出功率计算获得风电场在历史时间周期内的收益目标的模块；
用于构建待训练储能优化模型，以该风电场所对应的各个优化阶段的储能容量和输出功率为输入，以风电场在历史时间周期内的收益目标为输出，对待训练储能优化模型进行训练，获得储能优化模型的模块；
用于针对各个目标风电场，通过采集目标风电场所对应的数据信息，应用储能优化模型获得目标风电场的收益目标，利用目标风电场各优化阶段分别所对应的储能容量，基于目标风电场在历史时间周期内的收益目标，对储能优化模型进行迭代更新，获得更新后的目标风电场的最大收益目标、以及最大收益目标对应的最大储能容量的模块。
CN202111386311.2A 2021-11-22 2021-11-22 一种基于风电场弃风限电的储能优化方法及系统装置 Active CN114336589B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111386311.2A CN114336589B (zh) 2021-11-22 2021-11-22 一种基于风电场弃风限电的储能优化方法及系统装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111386311.2A CN114336589B (zh) 2021-11-22 2021-11-22 一种基于风电场弃风限电的储能优化方法及系统装置

Publications (2)

Publication Number Publication Date
CN114336589A true CN114336589A (zh) 2022-04-12
CN114336589B CN114336589B (zh) 2024-02-09

Family

ID=81047529

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111386311.2A Active CN114336589B (zh) 2021-11-22 2021-11-22 一种基于风电场弃风限电的储能优化方法及系统装置

Country Status (1)

Country Link
CN (1) CN114336589B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009065787A (ja) * 2007-09-06 2009-03-26 Univ Of Ryukyus 風力発電機に用いる蓄電池設備
US20130268222A1 (en) * 2012-04-06 2013-10-10 International Business Machines Corporation Smoothing Power Output From a Wind Farm
CN108110795A (zh) * 2018-01-08 2018-06-01 福州大学 风电场群外送输电容量及储能配置联合优化方法
CN112928780A (zh) * 2019-12-06 2021-06-08 清华大学 一种配电网灾后供电恢复方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009065787A (ja) * 2007-09-06 2009-03-26 Univ Of Ryukyus 風力発電機に用いる蓄電池設備
US20130268222A1 (en) * 2012-04-06 2013-10-10 International Business Machines Corporation Smoothing Power Output From a Wind Farm
CN108110795A (zh) * 2018-01-08 2018-06-01 福州大学 风电场群外送输电容量及储能配置联合优化方法
CN112928780A (zh) * 2019-12-06 2021-06-08 清华大学 一种配电网灾后供电恢复方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
HONGKUN CHEN: "Optimization of energy storage system capacity for wind farms based on cost-benefit analysis", 2016 IEEE PES ASIA-PACIFIC POWER AND ENERGY ENGINEERING CONFERENCE (APPEEC), pages 1 - 5 *
王登科; 刘敏; 刘伟峰: "基于场景法和寿命损耗的储能优化配置", 电测与仪表, vol. 57, no. 17, pages 39 - 44 *

Also Published As

Publication number Publication date
CN114336589B (zh) 2024-02-09

Similar Documents

Publication Publication Date Title
US11326579B2 (en) Adaptive dynamic planning control method and system for energy storage station, and storage medium
CN110518643B (zh) 一种储能联合火电机组参与agc调频的控制方法及装置
CN113988481B (zh) 一种基于动态矩阵预测控制的风功率预测方法
CN114336739B (zh) 基于云边协同的光储电站储能功率配置方法和系统
CN114385962B (zh) 一种基于相似日的日前光伏发电功率预测方法及系统
CN114498767A (zh) 一种风电场储能容量优化方法、装置及电子设备
CN112633699A (zh) 主动配电网网架规划方法、装置、计算机设备和存储介质
CN112016186A (zh) 一种基于随机场景构建的年度弃风、弃光率计算方法
CN114336589B (zh) 一种基于风电场弃风限电的储能优化方法及系统装置
CN116599087A (zh) 一种储能系统的调频策略优化方法及系统
CN115713252A (zh) 一种水风光储多能互补系统综合效益评估方案寻优方法
CN116131356A (zh) 一种风光储并网型微电网优化调度方法
CN113779861B (zh) 光伏功率的预测方法及终端设备
CN106300400B (zh) 一种用于追踪风功率预测的蓄电池容量配置系统
CN118353073B (zh) 基于经验模态分解的新能源储能优化配置方法及装置
CN115276099B (zh) 基于人工智能技术的风电场储能系统灵活控制方法和装置
CN118412900B (zh) 基于特征提取的微网电氢储能优化配置方法、装置及介质
CN114336591B (zh) 一种风电场混合储能综合优化配置方法
CN112906928B (zh) 一种风电场集群有功功率预测方法及系统
CN114048968B (zh) 一种电网关键断面实时阻塞调整方法、装置及介质
CN118134689A (zh) 一种无功补偿系统的仿真数据量调整方法及装置
CN117808149A (zh) 基于梯度提升决策树模型的煤耗量预测方法及系统
CN118668251A (zh) 一种pv-ec直接耦合制氢系统运行优化方法及装置
CN118195145A (zh) 新能源消纳能力评价方法及装置
CN115189376A (zh) 一种风电场储能最优配置方法、装置及存储介质

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