CN114336591B - 一种风电场混合储能综合优化配置方法 - Google Patents

一种风电场混合储能综合优化配置方法 Download PDF

Info

Publication number
CN114336591B
CN114336591B CN202111408539.7A CN202111408539A CN114336591B CN 114336591 B CN114336591 B CN 114336591B CN 202111408539 A CN202111408539 A CN 202111408539A CN 114336591 B CN114336591 B CN 114336591B
Authority
CN
China
Prior art keywords
power
energy storage
capacity
wind
wind farm
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
Application number
CN202111408539.7A
Other languages
English (en)
Other versions
CN114336591A (zh
Inventor
刘庆伏
王森
蒋成文
吴伯双
王宏伟
吕建波
赵登峰
张运泽
杨政厚
岳红轩
韩健
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 CN202111408539.7A priority Critical patent/CN114336591B/zh
Publication of CN114336591A publication Critical patent/CN114336591A/zh
Application granted granted Critical
Publication of CN114336591B publication Critical patent/CN114336591B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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)

Abstract

本发明涉及一种风电场混合储能综合优化配置方法，其特征在于包括如下步骤：获取某不含储能辅助优化的风电场过去一年的上报预测功率数据、实际发电功率数据，并将获得的预测功率数据和实际发电功率数据以天为单位进行划分；将每天划分为多个时刻，每个时刻为一个优化阶段；预设功率型储能和容量型储能的最大容量和最大输出功率，确立弃风功率和弃风惩罚，并建立储能优化模型；根据模型获得风电场收益最大的容量、功率；本发明的方法配置最优容量及功率的储能，提高风电场经济效益，降低弃风限电现象及功率考核费用的产生。

Description

一种风电场混合储能综合优化配置方法
技术领域
本发明涉及风力发电领域，尤其是一种考虑弃风限电和功率预测考核的能量型及功率型储能优化配置方法。
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及功率预测考核方面的研究较少。风力发电自身的间歇性和不确定性使得风电场对自身发电功率的预测精度偏低，从而导致了风电场弃风限电的产生。且当风电场的实际发电功率小于前期上报预测功率时，风电场还会被收取高昂的功率考核费用。因此亟需一种综合考虑弃风限电和功率预测考核的风电场混合储能综合优化配置的方法，降低风电场弃风率，提高风电消纳水平，同时也有助于降低功率考核费用，进而提升风电场经济效益。
发明内容
本发明针对上述问题，提出了一种风电场混合储能综合优化配置方法。本发明针对考虑弃风限电和功率预测考核的风电场混合储能综合优化配置问题，提出相应的储能优化配置方法，旨在通过结合储能运行损耗、考核功率及弃风功率，以风电场年收益最大为目标，配置最优容量及功率的储能，提高风电场经济效益，降低弃风限电现象及功率考核费用的产生。
本发明提供如下技术方案：一种风电场混合储能综合优化配置方法，包括如下步骤：
(1)获取某不含储能辅助优化的风电场过去一年的上报预测功率数据、实际发电功率数据，并将获得的预测功率数据和实际发电功率数据以天为单位进行划分；
(2)将每天划分为多个时刻，每个时刻为一个优化阶段；
(3)预设功率型储能和容量型储能的最大容量和最大输出功率，确立弃风功率和弃风惩罚，并建立储能优化模型；
(4)对储能优化模型进行迭代优化，得到该储能条件下对应的风电场收益
(5)将容量型储能的最大容量增加ΔE，对储能优化模型进行迭代优化，得到风电场收益结果，进入步骤(7)；
(6)将储能最大容量减少ΔE，对储能优化模型进行迭代优化，得到风电场收益结果，进入步骤(7)；
(7)将该风电场收益与上一储能条件下对应下的风电场收益进行比较，若收益变化率小于允许值，则进入步骤(8)；否则，若容量增加后收益增加或容量减少后收益减少，进入步骤(5)；若容量增加后收益减少或容量减少后收益增加，进入步骤(6)；
(8)输出使得风电场收益最大的容量型储能的最大容量
(9)将功率型储能的最大功率增加ΔP，对储能优化模型进行迭代优化，得到风电场收益结果，进入步骤(11)；
(10)将功率型储能的最大功率减少ΔP，对储能优化模型进行迭代优化，得到风电场收益结果，进入步骤(11)；
(11)将该风电场收益与上一储能条件下对应下的风电场收益进行比较，若收益变化率小于允许值，则进入步骤(12)；否则，若功率增加后收益增加或功率减少后收益减少，进入步骤(9)；若功率增加后收益减少或功率减少后收益增加，进入步骤(10)；
(12)输出使得风电场收益最大的功率型储能的最大功率
(13)结束。
将每天划分为96个时刻，每个时刻为一个优化阶段。
模型建立时，假设一年中的第i天t时刻的上报预测功率为Pi f(t)、实时发电功率为Pi r(t)，则t时刻该风电场的考核功率表示为：
式中，Pi es(t)表示储能t时刻的输出功率；Pes_max表示储能最大输出功率。
因此t时刻该风电场的功率考核费用可表示为：
式中，ξe表示功率考核费用系数,δ(t)表示最小优化时段。
关于弃风功率，t时刻该风电场的弃风功率可表示为：
为降低风电场的弃风率，提升风电消纳能力，当风电场产生弃风现象时对其进行费用惩罚，t时刻该风电场的弃风惩罚为：
式中，ξa表示弃风惩罚系数,δ(t)表示最小优化时段。
关于功率型储能和容量型储能，储能成本又包括功率成本和容量成本，因此储能总成本可表示为：
式中，与/>分别表示功率型储能的功率单价及容量单价；/>与/>分别表示所选功率型储能的最大功率及最大容量；/>与/>分别表示容量型储能的功率单价及容量单价；/>与/>分别表示所选容量型储能的最大功率及最大容量。
储能总功率和总容量分别为：
确定t时刻的储能输出功率为：
确立储能损耗，储能的运行会对自身寿命造成一定损耗，可表示为：
式中，Pi es_p(t)与Pi es_e(t)分别表示功率型储能与容量型储能t时刻的输出功率；λp与λe分别表示两者的寿命损耗系数。
确定第i天t时刻的风电场收益可表示为：
式中，表示风电场t时的电量上网收益，与该时刻的分时电价有关。
以风电场年度收益最大为目标，即：
式中，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。
约束分为储能容量约束和储能功率约束，其中，储能容量约束：
式中，和/>为储能t时刻的容量状态。为延长储能使用寿命，限制储能的充放电容量上下限为总容量的90％和10％。
储能功率约束：
式中，Pi es_p(t)与Pi es_e(t)分别表示功率型储能与容量型储能t时刻的输出功率，所选功率型储能的最大功率，/>所选容量型储能的最大功率。
通过上述描述可以看出，本方案通过结合储能运行损耗、考核功率及弃风功率,配置合适容量及功率的储能对风电场的运行进行辅助优化，降低弃风限电现象及功率考核费用。本方案中的储能优化配置方法，通过选取某一典型年的风电场相关数据，结合储能运行损耗等条件，以风电场年收益最大为目标，配置最优容量及功率的储能，尽可能提高风电场经济效益。
附图说明
图1为本发明具体实施方式的流程图
具体实施方式
下面将结合本发明实施例中的附图，对本发明具体实施方式中的技术方案进行清楚、完整地描述，显然，所描述的具体实施方式仅仅是本发明一种具体实施方式，而不是全部的具体实施方式。基于本发明中的具体实施方式，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他具体实施方式，都属于本发明保护的范围。
一种风电场混合储能综合优化配置方法，包括如下步骤：
(1)获取某不含储能辅助优化的风电场过去一年的上报预测功率数据、实际发电功率数据，并将获得的预测功率数据和实际发电功率数据以天为单位进行划分；
(2)将每天划分为多个时刻，每个时刻为一个优化阶段；
(3)预设功率型储能和容量型储能的最大容量和最大输出功率，确立弃风功率和弃风惩罚，并建立储能优化模型；
(4)对储能优化模型进行迭代优化，得到该储能条件下对应的风电场收益
(5)将容量型储能的最大容量增加ΔE，对储能优化模型进行迭代优化，得到风电场收益结果，进入步骤(7)；
(6)将储能最大容量减少ΔE，对储能优化模型进行迭代优化，得到风电场收益结果，进入步骤(7)；
(7)将该风电场收益与上一储能条件下对应下的风电场收益进行比较，若收益变化率小于允许值，则进入步骤(8)；否则，若容量增加后收益增加或容量减少后收益减少，进入步骤(5)；若容量增加后收益减少或容量减少后收益增加，进入步骤(6)；
(8)输出使得风电场收益最大的容量型储能的最大容量
(9)将功率型储能的最大功率增加ΔP，对储能优化模型进行迭代优化，得到风电场收益结果，进入步骤(11)；
(10)将功率型储能的最大功率减少ΔP，对储能优化模型进行迭代优化，得到风电场收益结果，进入步骤(11)；
(11)将该风电场收益与上一储能条件下对应下的风电场收益进行比较，若收益变化率小于允许值，则进入步骤(12)；否则，若功率增加后收益增加或功率减少后收益减少，进入步骤(9)；若功率增加后收益减少或功率减少后收益增加，进入步骤(10)；
(12)输出使得风电场收益最大的功率型储能的最大功率
(13)结束。
储能优化模型建立，
假设一年中的第i天t时刻的上报预测功率为Pi f(t)、实时发电功率为Pi r(t)，则t时刻该风电场的考核功率表示为：
式中，Pi es(t)表示储能t时刻的输出功率；Pes_max表示储能最大输出功率。
因此t时刻该风电场的功率考核费用可表示为：
式中，ξe表示功率考核费用系数,δ(t)表示最小优化时段。
关于弃风功率，t时刻该风电场的弃风功率可表示为：
为降低风电场的弃风率，提升风电消纳能力，当风电场产生弃风现象时对其进行费用惩罚，t时刻该风电场的弃风惩罚为：
式中，ξa表示弃风惩罚系数。
储能包括功率型储能和容量型储能，储能成本又包括功率成本和容量成本，因此储能总成本可表示为：
式中，与/>分别表示功率型储能的功率单价及容量单价；/>与/>分别表示所选功率型储能的最大功率及最大容量；/>与/>分别表示容量型储能的功率单价及容量单价；/>与/>分别表示所选容量型储能的最大功率及最大容量。
储能总功率和总容量分别为：
确定t时刻的储能输出功率为：
确立储能损耗，储能的运行会对自身寿命造成一定损耗，可表示为：
式中，Pi es_p(t)与Pi es_e(t)分别表示功率型储能与容量型储能t时刻的输出功率；λp与λe分别表示两者的寿命损耗系数。
确定第i天t时刻的风电场收益可表示为：
式中，表示风电场t时的电量上网收益，与该时刻的分时电价有关。
以风电场年度收益最大为目标，即：
式中，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。
约束分为储能容量约束和储能功率约束，其中，储能容量约束：
式中，和/>为储能t时刻的容量状态。为延长储能使用寿命，限制储能的充放电容量上下限为总容量的90％和10％。
储能功率约束：
式中，Pi es_p(t)与Pi es_e(t)分别表示功率型储能与容量型储能t时刻的输出功率，所选功率型储能的最大功率，/>所选容量型储能的最大功率。
尽管已经示出和描述了本发明的具体实施方式，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些具体实施方式进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种风电场混合储能综合优化配置方法，其特征在于包括如下步骤：
(1)获取某不含储能辅助优化的风电场过去一年的上报预测功率数据、实际发电功率数据，并将获得的预测功率数据和实际发电功率数据以天为单位进行划分；
(2)将每天划分为多个时刻，每个时刻为一个优化阶段；
(3)预设功率型储能和容量型储能的最大容量和最大输出功率，确立弃风功率和弃风惩罚，并建立储能优化模型；
(4)对储能优化模型进行迭代优化，得到该储能条件下对应的风电场收益
(5)将容量型储能的最大容量增加ΔE，对储能优化模型进行迭代优化，得到风电场收益结果，进入步骤(7)；
(6)将储能最大容量减少ΔE，对储能优化模型进行迭代优化，得到风电场收益结果，进入步骤(7)；
(7)将该风电场收益与上一储能条件下对应下的风电场收益进行比较，若收益变化率小于允许值，则进入步骤(8)；否则，若容量增加后收益增加或容量减少后收益减少，进入步骤(5)；若容量增加后收益减少或容量减少后收益增加，进入步骤(6)；
(8)输出使得风电场收益最大的容量型储能的最大容量
(9)将功率型储能的最大功率增加ΔP，对储能优化模型进行迭代优化，得到风电场收益结果，进入步骤(11)；
(10)将功率型储能的最大功率减少ΔP，对储能优化模型进行迭代优化，得到风电场收益结果，进入步骤(11)；
(11)将该风电场收益与上一储能条件下对应下的风电场收益进行比较，若收益变化率小于允许值，则进入步骤(12)；否则，若功率增加后收益增加或功率减少后收益减少，进入步骤(9)；若功率增加后收益减少或功率减少后收益增加，进入步骤(10)；
(12)输出使得风电场收益最大的功率型储能的最大功率
(13)结束。
2.根据权利要求1所述的风电场混合储能综合优化配置方法，其特征在于，
将每天划分为96个时刻，每个时刻为一个优化阶段。
3.根据权利要求1所述的风电场混合储能综合优化配置方法，其特征在于，
模型建立时，假设一年中的第i天t时刻的上报预测功率为实时发电功率为则t时刻该风电场的考核功率表示为：
式中，表示储能t时刻的输出功率；Pes_max表示储能最大输出功率；
因此t时刻该风电场的功率考核费用可表示为：
式中，ξe表示功率考核费用系数,δ(t)表示最小优化时段。
4.根据权利要求3所述的风电场混合储能综合优化配置方法，其特征在于，
关于弃风功率，t时刻该风电场的弃风功率可表示为：
为降低风电场的弃风率，提升风电消纳能力，当风电场产生弃风现象时对其进行费用惩罚，t时刻该风电场的弃风惩罚为：
式中，ξa表示弃风惩罚系数。
5.根据权利要求4所述的风电场混合储能综合优化配置方法，其特征在于，
关于功率型储能和容量型储能，储能成本又包括功率成本和容量成本，因此储能总成本可表示为：
式中，与/>分别表示功率型储能的功率单价及容量单价；/>与/>分别表示所选功率型储能的最大功率及最大容量；/>与/>分别表示容量型储能的功率单价及容量单价；/>与/>分别表示所选容量型储能的最大功率及最大容量；
储能总功率和总容量分别为：
6.根据权利要求5所述的风电场混合储能综合优化配置方法，其特征在于，
确定t时刻的储能输出功率为：
7.根据权利要求6所述的风电场混合储能综合优化配置方法，其特征在于，
确立储能损耗，储能的运行会对自身寿命造成一定损耗，可表示为：
式中，与/>分别表示功率型储能与容量型储能t时刻的输出功率；λp与λe分别表示两者的寿命损耗系数。
8.根据权利要求7所述的风电场混合储能综合优化配置方法，其特征在于，
确定第i天t时刻的风电场收益可表示为：
式中，表示风电场t时的电量上网收益，与该时刻的分时电价有关；
以风电场年度收益最大为目标，即：
式中，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。
9.根据权利要求6所述的风电场混合储能综合优化配置方法，其特征在于，
储能容量约束：
式中，和/>为储能t时刻的容量状态；为延长储能使用寿命，限制储能的充放电容量上下限为总容量的90％和10％。
10.根据权利要求6所述的风电场混合储能综合优化配置方法，其特征在于，
储能功率约束：
式中，与/>分别表示功率型储能与容量型储能t时刻的输出功率， 所选功率型储能的最大功率，/>所选容量型储能的最大功率。
CN202111408539.7A 2021-11-24 2021-11-24 一种风电场混合储能综合优化配置方法 Active CN114336591B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111408539.7A CN114336591B (zh) 2021-11-24 2021-11-24 一种风电场混合储能综合优化配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111408539.7A CN114336591B (zh) 2021-11-24 2021-11-24 一种风电场混合储能综合优化配置方法

Publications (2)

Publication Number Publication Date
CN114336591A CN114336591A (zh) 2022-04-12
CN114336591B true CN114336591B (zh) 2023-08-29

Family

ID=81047038

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111408539.7A Active CN114336591B (zh) 2021-11-24 2021-11-24 一种风电场混合储能综合优化配置方法

Country Status (1)

Country Link
CN (1) CN114336591B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN111313480A (zh) * 2020-03-26 2020-06-19 中国华能集团清洁能源技术研究院有限公司 一种基于多目标寻优的多能互补系统的设计方法
WO2020143104A1 (zh) * 2019-01-08 2020-07-16 南京工程学院 一种考虑阻塞和储能分时电价的电网混合滚动调度方法
AU2020100983A4 (en) * 2019-11-14 2020-07-16 Shandong University Multi-energy complementary system two-stage optimization scheduling method and system considering source-storage-load cooperation
CN112671035A (zh) * 2020-12-21 2021-04-16 北京华能新锐控制技术有限公司 一种基于风电预测的虚拟电厂储能容量配置方法
CN112736952A (zh) * 2020-12-28 2021-04-30 南昌大学 考虑日历寿命的海上风电配置储能系统容量优化方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
WO2020143104A1 (zh) * 2019-01-08 2020-07-16 南京工程学院 一种考虑阻塞和储能分时电价的电网混合滚动调度方法
AU2020100983A4 (en) * 2019-11-14 2020-07-16 Shandong University Multi-energy complementary system two-stage optimization scheduling method and system considering source-storage-load cooperation
CN111313480A (zh) * 2020-03-26 2020-06-19 中国华能集团清洁能源技术研究院有限公司 一种基于多目标寻优的多能互补系统的设计方法
CN112671035A (zh) * 2020-12-21 2021-04-16 北京华能新锐控制技术有限公司 一种基于风电预测的虚拟电厂储能容量配置方法
CN112736952A (zh) * 2020-12-28 2021-04-30 南昌大学 考虑日历寿命的海上风电配置储能系统容量优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于风电场功率波动与限风特性的混合储能容量配置方法;胡荣;尹申军;符杨;;电测与仪表(第19期);全文 *

Also Published As

Publication number Publication date
CN114336591A (zh) 2022-04-12

Similar Documents

Publication Publication Date Title
CN109245175A (zh) 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
CN113437757B (zh) 基于前景理论的风-蓄联合系统电量分解方法
CN111932025B (zh) 考虑光伏随机性的综合能源系统建设多阶段规划方法
CN110165698B (zh) 一种实现前瞻性误差资产转换的风电场平滑并网方法
CN112529257B (zh) 一种计及agc信号影响的储能电站联合优化方法及系统
CN114336730B (zh) 一种考虑辅助服务优选的电力系统低碳优化调度方法
CN114820046A (zh) 一种区域电网混合储能辅助调频经济优化与补偿定价方法
CN108009672A (zh) 基于双层优化模型的水光互补电站日发电计划编制方法
CN107919683B (zh) 一种储能减少风电场弃风电量的优化决策方法
CN110649638B (zh) 一种弥补风电功率预测误差的储能系统的优化方法
CN114336591B (zh) 一种风电场混合储能综合优化配置方法
CN107958306B (zh) 一种基于参考线的水电站随机优化调度方法
CN117713151A (zh) 一种基于运行模拟的多元储能充放电优化方法
CN116361674A (zh) 基于期望成本最小化的光储型园区负荷曲线最优聚类方法
CN114418453B (zh) 一种基于电力市场的微电网多时间尺度能量管理系统
CN115117886A (zh) 一种风电场的储能控制方法、装置及存储介质
CN113162083B (zh) 一种考虑储能系统运行状态的两阶段协调优化方法
CN115204944A (zh) 一种计及全寿命周期的储能最优峰谷价差测算方法及装置
CN112952877A (zh) 一种考虑不同种类电池特性的混合储能功率容量配置方法
CN109980668B (zh) 一种含有ess的电力系统可靠性评估方法
CN110676879B (zh) 弥补风电功率预测误差下实现风电厂收益最大化的方法
CN114336773B (zh) 一种考虑功率预测的风电场功率型储能配置方法
CN117613962B (zh) 一种氢电耦合氢储能能调峰发电系统
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
CN117495203B (zh) 基于储能系统的多目标电能管理方法及系统

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