CN114336703A - 一种大规模风光储电站自动协同控制方法 - Google Patents

一种大规模风光储电站自动协同控制方法 Download PDF

Info

Publication number
CN114336703A
CN114336703A CN202111552211.2A CN202111552211A CN114336703A CN 114336703 A CN114336703 A CN 114336703A CN 202111552211 A CN202111552211 A CN 202111552211A CN 114336703 A CN114336703 A CN 114336703A
Authority
CN
China
Prior art keywords
wind
power
active
energy
energy storage
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
CN202111552211.2A
Other languages
English (en)
Other versions
CN114336703B (zh
Inventor
邹祖冰
刘瑞阔
谷昱君
姚维为
吴海飞
李伟
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 Three Gorges Corp
Original Assignee
China Three Gorges Corp
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 Three Gorges Corp filed Critical China Three Gorges Corp
Priority to CN202111552211.2A priority Critical patent/CN114336703B/zh
Publication of CN114336703A publication Critical patent/CN114336703A/zh
Application granted granted Critical
Publication of CN114336703B publication Critical patent/CN114336703B/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

  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种大规模风光储电站自动协同控制方法，它包括以下步骤：步骤1：平抑风光波动的储能有功需求；步骤2：跟踪计划曲线储能有功需求；步骤3：平抑风光波动和跟踪计划曲线的储能总有功需求。本发明针对以新能源为主体的电力系统，在储能加入后，无法精细化使用储能实现风光的最大化消纳，以及平抑因风光特性导致的并网点电压、频率波动，而提供的一种大规模风光储电站自动协同控制方法。

Description

一种大规模风光储电站自动协同控制方法
技术领域
本发明属于新能源发电技术领域，具体涉及一种大规模风光储电站自动协同控制方法。
背景技术
为如期实现碳达峰、碳中和目标，储能的引入使得以新能源为主体的新型电力系统将呈现出一些新的特征，而且储能的纳入，增加了大规模新能源场站控制的自由度和复杂度。因此，如何实现风光储一体化的智能协同控制，是新能源成为主体后保障不同时间尺度上的电力电量平衡的关键所在。国内外相关的研究如下：
现有技术：Battery energy storage to mitigate rapid voltage/powerfluctuations in power grids due to fast variations of solar/wind outputs针对配电网讨论了分布式电源中由风能或太阳能快速波动引起的电压/功率的变化，并提出了一种利用能量缓冲的控制策略，以减轻其影响。该策略通过控制储能的放电/充电，不仅可以使功率输出变化率保持在期望的水平，而且电压变化也可以控制在可接受的范围内。
现有技术：风/光/储微电网混合储能系统容量优化配置提出了一种含氢储能和蓄电池混合储能系统的风/光/储并网型微电网结构，综合考虑微电网系统运行的经济性及环境效益，以总净现值成本TNPC最小为目标函数，以可再生能源利用率和负荷缺失率为评价指标，建立了一种风/光/储微电网中储能容量优化配置模型，有效降低了微电网的投资成本。
现有技术：基于鲁棒优化的风光储联合发电系统储能配置策略，提出了一种基于鲁棒理论的两阶段综合优化模型，第1阶段利用鲁棒优化理论构建可再生能源出力的不确定集，在分时电价的基础下以储能侧全生命周期成本、系统内总发电成本、联络线功率波动及成本最小为目标配置储能功率、容量及联络线功率；第2阶段以联络线功率偏移量及系统内发电成本最小为目标规划储能侧各时段充放电功率及常规机组出力。实现了风光储联合发电系统储能侧灵活配置与调度。
随着源侧风力发电、光伏电站的装机容量不断扩大，为了构建以新能源为主体的电力系统，储能将会以多种方式在源侧进行配置，现有技术对储能加入后风光储电站的多能协控缺乏研究，导致无法精细化使用储能实现风光的最大化消纳以及平抑因风光特性导致的并网点电压、频率波动。
因此申请人提出一种大规模风光储电站自动协同控制方法。
发明内容
本发明针对以新能源为主体的电力系统，在储能加入后，无法精细化使用储能实现风光的最大化消纳，以及平抑因风光特性导致的并网点电压、频率波动，而提供的一种大规模风光储电站自动协同控制方法。
一种大规模风光储电站自动协同控制方法，它包括以下步骤：
步骤1：平抑风光波动的储能有功需求；
步骤2：跟踪计划曲线储能有功需求；
步骤3：平抑风光波动和跟踪计划曲线的储能总有功需求。
在步骤1中，具体包括以下步骤：
1)读取计划曲线Pd，风预测功率Pw，光预测功率PPV，储能SOC；
2)判断储能是否可以充放电，若SOC<SOCmin or SOC>SOCmax则储能退出控制；
其中：SOCmin为储能最小荷电状态；SOCmax为储能最大荷电状态；
3)设定有功波动率限值为指定值T％；
4)获得t时刻有功功率波动率；
5)判断t时刻有功波动率ξ(t)是否超过波动率限值T，若ξ≦T，则平抑风光波动的储能有功需求PBS_T(t)＝0；若ξ>T，则由下式进行计算：
Figure BDA0003417482030000021
在步骤4)中，根据t-1时刻风光储电站的实发有功、t时刻风光预测功率，计算t时刻有功功率波动率，公式如下：
Figure BDA0003417482030000022
其中，Pa(t-1)为t-1时刻风光储电站的实发有功；Pw(t)和Ppv(t)为t时刻的风光预测功率；PN为电站额定功率。
在步骤2中，具体包括以下步骤：
1)设定有功功率最大稳态偏差为S％；
2)计算t时刻有功功率稳态偏差β(t)，计算公式如下，
Figure BDA0003417482030000023
其中，Pa(t)为t时刻风光储电站的实发有功；Pd(t)为t时刻计划曲线；
3)判断t时刻有功功率稳态偏差β(t)是否超过限值S。若β≦S，则跟踪计划曲线储能有功需求PBS_S(t)＝0；若ξ>T，则由下式进行计算：
Figure BDA0003417482030000024
在步骤3中，具体包括以下步骤：
1)储能总有功需求计算如下：
Figure BDA0003417482030000031
其中μ为跟踪计划曲线所需功率的权重系数；
2)若储能总有功需求PBS(t)大于储能的额定功率PBS_N，则储能总有功需求指令为PBS_N；否则，储能总有功需求指令为PBS(t)。
与现有技术相比，本发明具有如下技术效果：
1)本发明结合调度下发指令和风光功率预测，控制储能的充放电，在保证站内风光资源消纳的同时，可以使风光储电站并网点的实发功率跟踪计划出力曲线，降低了风光出力的不确定性，对提高电网的稳定运行具有重要意义。
2)本发明在满足调度下发功率指令的前提下，结合风光功率预测，考虑电站并网点电压和频率、储能SOC状态等多元约束条件，自动选择对储能的充放电，最大程度减少弃风弃光，平整风光波动。
附图说明
下面结合附图和实施例对本发明作进一步说明：
图1为本发明的流程图。
具体实施方式
如图1所示，一种大规模风光储电站自动协同控制方法，本方法结合调度下发功率指令和风光功率预测，针对风光波动性问题，从多时间尺度建立了多功能融合控制策略，如图1所示，通过对储能的自动充放电，解决了风光储电站出力不确定的问题，以及风光储电站协同控制缺失的问题，提高了源侧风光资源的消纳；
具体步骤如下：
A)平抑风光波动的储能有功需求
A1)读取计划曲线Pd，风预测功率Pw，光预测功率PPV，储能SOC；
A2)判断储能是否可以充放电，若SOC<SOCmin or SOC>SOCmax则储能退出控制，其中：SOCmin为储能最小荷电状态；SOCmax为储能最大荷电状态；
A3)设定有功波动率限值为T％；
A4)根据t-1时刻风光储电站的实发有功、t时刻风光预测功率，计算t时刻有功功率波动率，公式如下：
Figure BDA0003417482030000032
其中，Pa(t-1)为t-1时刻风光储电站的实发有功；Pw(t)和Ppv(t)为t时刻的风光预测功率；PN为电站额定功率；
A5)判断t时刻有功波动率ξ(t)是否超过波动率限值T。若ξ≦T，则平抑风光波动的储能有功需求PBS_T(t)＝0；若ξ>T，则由下式进行计算：
Figure BDA0003417482030000041
B)跟踪计划曲线储能有功需求
B1)设定有功功率最大稳态偏差为S％；
B2)计算t时刻有功功率稳态偏差β(t)，计算公式如下，
Figure BDA0003417482030000042
其中，Pa(t)为t时刻风光储电站的实发有功；Pd(t)为t时刻计划曲线；
B3)判断t时刻有功功率稳态偏差β(t)是否超过限值S。若β≦S，则跟踪计划曲线储能有功需求PBS_S(t)＝0；若ξ>T，则由下式进行计算：
Figure BDA0003417482030000043
C)平抑风光波动和跟踪计划曲线的储能总有功需求
C1)储能总有功需求计算如下：
Figure BDA0003417482030000044
其中μ为跟踪计划曲线所需功率的权重系数；
C2)若储能总有功需求PBS(t)大于储能的额定功率PBS_N，则储能总有功需求指令为PBS_N；否则，储能总有功需求指令为PBS(t)。
本发明结合调度下发指令和风光功率预测，控制储能的充放电，在保证站内风光资源消纳的同时，可以使风光储电站并网点的实发功率跟踪计划出力曲线，降低了风光出力的不确定性，对提高电网的稳定运行具有重要意义。

Claims (5)

1.一种大规模风光储电站自动协同控制方法，其特征在于，它包括以下步骤：
步骤1：平抑风光波动的储能有功需求；
步骤2：跟踪计划曲线储能有功需求；
步骤3：平抑风光波动和跟踪计划曲线的储能总有功需求。
2.根据权利要求1所述的大规模风光储电站自动协同控制方法，其特征在于，在步骤1中，具体包括以下步骤：
1)读取计划曲线Pd，风预测功率Pw，光预测功率PPV，储能SOC；
2)判断储能是否可以充放电，若SOC<SOCmin or SOC>SOCmax则储能退出控制；
其中：SOCmin为储能最小荷电状态；SOCmax为储能最大荷电状态；
3)设定有功波动率限值为指定值T％；
4)获得t时刻有功功率波动率；
5)判断t时刻有功波动率ξ(t)是否超过波动率限值T，若ξ≦T，则平抑风光波动的储能有功需求PBS_T(t)＝0；若ξ>T，则由下式进行计算：
Figure FDA0003417482020000011
3.根据权利要求2所述的大规模风光储电站自动协同控制方法，其特征在于，在步骤4)中，根据t-1时刻风光储电站的实发有功、t时刻风光预测功率，计算t时刻有功功率波动率，公式如下：
Figure FDA0003417482020000012
其中，Pa(t-1)为t-1时刻风光储电站的实发有功；Pw(t)和Ppv(t)为t时刻的风光预测功率；PN为电站额定功率。
4.根据权利要求1所述的大规模风光储电站自动协同控制方法，其特征在于，在步骤2中，具体包括以下步骤：
1)设定有功功率最大稳态偏差为S％；
2)计算t时刻有功功率稳态偏差β(t)，计算公式如下，
Figure FDA0003417482020000013
其中，Pa(t)为t时刻风光储电站的实发有功；Pd(t)为t时刻计划曲线；
3)判断t时刻有功功率稳态偏差β(t)是否超过限值S，若β≦S，则跟踪计划曲线储能有功需求PBS_S(t)＝0；若ξ>T，则由下式进行计算：
Figure FDA0003417482020000021
5.根据权利要求1所述的大规模风光储电站自动协同控制方法，其特征在于，在步骤3中，具体包括以下步骤：
1)储能总有功需求计算如下：
Figure FDA0003417482020000022
其中μ为跟踪计划曲线所需功率的权重系数；
2)若储能总有功需求PBS(t)大于储能的额定功率PBS_N，则储能总有功需求指令为PBS_N；否则，储能总有功需求指令为PBS(t)。
CN202111552211.2A 2021-12-17 2021-12-17 一种大规模风光储电站自动协同控制方法 Active CN114336703B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111552211.2A CN114336703B (zh) 2021-12-17 2021-12-17 一种大规模风光储电站自动协同控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111552211.2A CN114336703B (zh) 2021-12-17 2021-12-17 一种大规模风光储电站自动协同控制方法

Publications (2)

Publication Number Publication Date
CN114336703A true CN114336703A (zh) 2022-04-12
CN114336703B CN114336703B (zh) 2023-10-13

Family

ID=81053218

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111552211.2A Active CN114336703B (zh) 2021-12-17 2021-12-17 一种大规模风光储电站自动协同控制方法

Country Status (1)

Country Link
CN (1) CN114336703B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116780535A (zh) * 2023-08-16 2023-09-19 国网浙江省电力有限公司金华供电公司 基于阶梯型碳交易机制的光储协同优化调度方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103986190A (zh) * 2014-05-26 2014-08-13 电子科技大学 基于发电功率曲线的风光储联合发电系统平滑控制方法
CN105244920A (zh) * 2014-11-28 2016-01-13 国家电网公司 考虑电池健康状态的储能系统多目标控制方法及其系统
CN111932400A (zh) * 2020-08-06 2020-11-13 南通大学 风/储一体功率调度计划优化实现方法
WO2021114849A1 (zh) * 2019-12-12 2021-06-17 国网浙江省电力有限公司台州供电公司 增加新能源发电波动的海岛电网储能系统分层控制方法
CN113452057A (zh) * 2021-08-05 2021-09-28 华北电力大学 一种基于风光储联合电站的储能系统优化方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103986190A (zh) * 2014-05-26 2014-08-13 电子科技大学 基于发电功率曲线的风光储联合发电系统平滑控制方法
CN105244920A (zh) * 2014-11-28 2016-01-13 国家电网公司 考虑电池健康状态的储能系统多目标控制方法及其系统
WO2021114849A1 (zh) * 2019-12-12 2021-06-17 国网浙江省电力有限公司台州供电公司 增加新能源发电波动的海岛电网储能系统分层控制方法
CN111932400A (zh) * 2020-08-06 2020-11-13 南通大学 风/储一体功率调度计划优化实现方法
CN113452057A (zh) * 2021-08-05 2021-09-28 华北电力大学 一种基于风光储联合电站的储能系统优化方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈泽西;孙玉树;张妍;李美成;: "考虑风电波动率的储能系统优化配置策略", 湖南大学学报(自然科学版), no. 08, pages 309 - 318 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116780535A (zh) * 2023-08-16 2023-09-19 国网浙江省电力有限公司金华供电公司 基于阶梯型碳交易机制的光储协同优化调度方法
CN116780535B (zh) * 2023-08-16 2024-01-02 国网浙江省电力有限公司金华供电公司 基于阶梯型碳交易机制的光储协同优化调度方法

Also Published As

Publication number Publication date
CN114336703B (zh) 2023-10-13

Similar Documents

Publication Publication Date Title
CN110311421B (zh) 基于需求侧响应的微电网多时间尺度能量管理方法
CN102694391B (zh) 风光储联合发电系统日前优化调度方法
CN110970912B (zh) 一种含储能的新能源电力系统运行模拟方法
CN109617142B (zh) 一种cchp型微电网多时间尺度优化调度方法及系统
CN104638772B (zh) 基于风功率预测的电池储能电站能量管理方法
CN107370171B (zh) 一种独立微网中大规模储能优化配置与协调控制方法
CN110601334B (zh) 一种充电站及其能量调度管理方法
CN113919620B (zh) 一种风光储微电网日前能量调度算法
CN105356521B (zh) 一种基于时域滚动控制的交直流混合微电网运行优化方法
Zhang et al. Multi-objective day-ahead optimal scheduling of isolated microgrid considering flexibility
Zhang et al. Energy optimal management of microgrid with high photovoltaic penetration
CN109494813A (zh) 一种电力调度方法、电子设备及存储介质
Wu et al. Optimized capacity configuration of an integrated power system of wind, photovoltaic and energy storage device based on improved particle swarm optimizer
CN114336703B (zh) 一种大规模风光储电站自动协同控制方法
CN117254491A (zh) 一种风光氢储微网系统时域滚动优化方法及系统
CN116805803A (zh) 基于自适应mpc的风光储离网制氢系统能量调度方法
Wang et al. Improved PSO-based energy management of Stand-Alone Micro-Grid under two-time scale
CN114884049A (zh) 一种柔性直流配电网优化运行控制方法
CN114418453A (zh) 一种基于电力市场的微电网多时间尺度能量管理系统
CN112736978A (zh) 一种多源互补电源并网优化系统
CN110417002B (zh) 一种孤岛微电网能量模型的优化方法
CN113078689A (zh) 一种综合能源优化配置的负荷跟踪管理运行策略
CN111740443A (zh) 多分布式电源的独立微电网多时间尺度协同优化调度方法
Zhang et al. Energy storage technology in power grid and its configuration optimization method
Mei et al. Study on the optimal dispatching method of Power Grid Considering the energy storage regulation on power supply side

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