CN114400661A - 一种新能源场站储能运行策略在线滚动修正方法及其系统 - Google Patents

一种新能源场站储能运行策略在线滚动修正方法及其系统 Download PDF

Info

Publication number
CN114400661A
CN114400661A CN202210097837.7A CN202210097837A CN114400661A CN 114400661 A CN114400661 A CN 114400661A CN 202210097837 A CN202210097837 A CN 202210097837A CN 114400661 A CN114400661 A CN 114400661A
Authority
CN
China
Prior art keywords
time
energy storage
new energy
representing
station
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
CN202210097837.7A
Other languages
English (en)
Inventor
王淼
李作强
郑灏
鲁航铭
冯富荣
陈甜甜
邓体喆
杨鑫
孙玲娜
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.)
CGN Wind Energy Ltd
Original Assignee
CGN Wind Energy 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 CGN Wind Energy Ltd filed Critical CGN Wind Energy Ltd
Priority to CN202210097837.7A priority Critical patent/CN114400661A/zh
Publication of CN114400661A publication Critical patent/CN114400661A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H02J3/241—The oscillation concerning frequency
    • 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
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/48—Controlling the sharing of the in-phase component
    • 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]
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及一种新能源场站储能运行策略在线滚动修正方法及其系统，其主要技术特点是：根据新能源储能特点，构建新能源储能老化成本模型；构建电站利润目标函数；构建调频市场轮次数学模型；构建实时市场轮次数学模型；构建包括调频市场轮次模型、实时市场轮次数序模型以及新能源储能老化成本模型的电站总利润模型；在运行时刻τ，输入各类短期超短期预测信息，根据电站总利润模型，优化储能运行策略，输出储能的运行策略；滚动更新各类预测信息。本发明设计合理，实现了新能源储能运行策略滚动优化控制功能，增强新能源发电和各类市场信息预测数据的可用性，能够在降低系统不确定性影响的基础上，对新能源场站运行制定最佳调控决策方案。

Description

一种新能源场站储能运行策略在线滚动修正方法及其系统
技术领域
本发明属于发电技术领域，涉及新能源储能运行策略，尤其是一种新能源场站储能运行策略在线滚动修正方法及其系统。
背景技术
传统的新能源场站中储能运行策略的主要思路是，通过在优化初始阶段求取未来一段优化周期的优化解，并一次性安排未来所有时段充放电功率。这种开环的控制方式无法利用最新的(更准确的)预测信息，也无法根据最新情况灵活调整储能控制策略，因此是一种静态的决策方式，其求解得出的控制策略存在与实际偏差较大的可能性，并导致电站的经济利益损失。
在电力市场条件下，外界环境的不确定性大幅增加，除了新能源场站本身发电不确定外，市场各类信息也是不确定的，开环的新能源场站优化控制技术更加不能满足这种高不确定环境下的决策要求，因此需要开发实时(在线)滚动优化调度策略，制定动态的控制方案。随着新能源场站实际运行时刻的接近，新能源场站所面临的不确定性随之降低，各类预测信息也更加精确。
综上所述，在电力市场环境下，各类因素变化的频率更高，传统方式下的储能设备运行策略误差较大，难以适应形势发展的需要。因此，如何对电力市场环境下新能源场站储能运行进行准确控制是目前迫切需要解决的问题。
发明内容
本发明的目的在于克服现有技术的不足，提供一种设计合理且控制准确的新能源场站储能运行策略在线滚动修正方法及其系统。
本发明解决现有的技术问题是采取以下技术方案实现的：
一种新能源场站储能运行策略在线滚动修正方法，包括以下步骤；
步骤1、根据新能源储能特点，构建新能源储能老化成本模型；
步骤2、构建电站利润目标函数，根据各类日前预测信息，制定日前最优决策，优化时间区间覆盖交易日全日，以此作为储能运行策略的基础，日前的决策上进行优化；
步骤3、构建调频市场轮次数学模型；
步骤4、构建实时市场轮次数学模型；
步骤5、构建包括调频市场轮次模型、实时市场轮次数序模型以及新能源储能老化成本模型的电站总利润模型；
步骤6、在运行时刻τ，输入对从τ+1到τ+TRT的时间区间的各类短期超短期预测信息，根据步骤5的电站总利润模型，计算出τ+1时刻储能的状态，优化储能运行策略，输出储能τ+1时刻储能的运行策略；
步骤7、随着时间窗向前移动一个时间段，更新各类预测信息，重复步骤6。
进一步，所述新能源储能老化成本模型包括循环次数敏感的储能电池老化成本模型和放电深度敏感的储能电池老化成本模型；
所述循环次数敏感的储能电池老化成本模型为：
Figure BDA0003491253500000021
其中，
Figure BDA0003491253500000022
表示储能i在t时段的老化成本；ki表示储能i电池循环次数对储能可用电量影响曲线的斜率；
Figure BDA0003491253500000023
表示储能i的投资成本；表示充电或者放电过程的深度；
所述放电深度敏感的储能电池老化成本模型为：
Figure BDA0003491253500000024
其中，kp是0.8到2.1之间的常数参数；
Figure BDA0003491253500000025
表示100％充放电深度(DOD)时的最大循环次数。
进一步，所述步骤2构建的目标函数为电站总利润，包括实时市场收入、调频收入以及储能的老化成本。
进一步，所述调频市场轮次数学模型的调频收入主要包括上调、下调以及违约的收入之和，该调频市场轮次数学模型：
Figure BDA0003491253500000026
其中，rRG,τ表示时段τ决策的新能源场站的调频利润，
Figure BDA0003491253500000027
表示在时段τ预测时段t的调频上调电价；
Figure BDA0003491253500000028
表示在时段τ预测时段t的调频下调电价；
Figure BDA0003491253500000029
表示在时段τ预测时段t的调频上调违约电价；
Figure BDA00034912535000000210
表示在时段τ预测时段t的调频下调违约电价；
Figure BDA00034912535000000211
表示时段τ决策的时段t新能源场站中标的调频上调容量；
Figure BDA00034912535000000212
表示时段τ决策的时段t新能源场站中标的调频下调容量；
Figure BDA00034912535000000213
表示时段τ决策的时段t新能源场站违约的调频上调容量；
Figure BDA00034912535000000214
表示时段τ决策的时段t新能源场站违约的调频下调容量；TRG表示调频市场轮次优化时间区间时段数；
上述调频市场轮次数学模型的约束条件包括：
约束1：t新能源场站的储能设备i的实时功率与电量表达为：
Figure BDA00034912535000000215
Figure BDA00034912535000000216
Figure BDA0003491253500000031
Figure BDA0003491253500000032
表示时段τ决策的时段t新能源场站储能设备i的实时功率输出；
Figure BDA0003491253500000033
表示时段τ决策的时段t新能源场站储能设备i的实时充电功率；
Figure BDA0003491253500000034
表示时段τ决策的时段t新能源场站储能设备i的实时放电功率；
Figure BDA0003491253500000035
表示时段τ决策的时段t新能源场站储能设备i的储存电量；∈表示每个时段的持续时间；
Figure BDA0003491253500000036
表示储能设备i的充电效率；
Figure BDA0003491253500000037
表示储能设备i的放电效率；
约束2：储能设备的功率与电量约束条件为：
Figure BDA0003491253500000038
Figure BDA0003491253500000039
Figure BDA00034912535000000310
Figure BDA00034912535000000311
Figure BDA00034912535000000312
表示时段τ决策的时段t新能源场站储能设备i中标的调频上调容量；
Figure BDA00034912535000000313
表示时段τ决策的时段t新能源场站储能设备i中标的调频下调容量；
Figure BDA00034912535000000314
表示储能设备i的最小充电功率；
Figure BDA00034912535000000315
表示储能设备i的最大充电功率；
Figure BDA00034912535000000316
表示储能设备i的最小放电功率；
Figure BDA00034912535000000317
表示储能设备i的最大放电功率；EES,min,i表示储能设备i的最小存储电量；EES,max,i表示储能设备i的最大存储电量；
Figure BDA00034912535000000318
表示在时段τ储能设备i的初始存储电量；
Figure BDA00034912535000000319
表示时段τ决策的时段t新能源场站储能设备的实时总功率输出；
约束3：对储能调频的约束为：
Figure BDA00034912535000000320
Figure BDA00034912535000000321
Figure BDA00034912535000000322
Figure BDA00034912535000000323
Figure BDA00034912535000000324
Figure BDA00034912535000000325
Figure BDA00034912535000000326
Figure BDA0003491253500000041
Figure BDA0003491253500000042
上式中，
Figure BDA0003491253500000043
表示时段τ决策的时段t新能源场站新能源设备的实时功率输出；
Figure BDA0003491253500000044
表示时段τ决策的时段t新能源场站储能设备的实时总功率输出；
Figure BDA0003491253500000045
表示时段τ决策的时段t新能源场站实际提供的调频上调容量；
Figure BDA0003491253500000046
表示时段τ决策的时段t新能源场站实际的调频下调容量；
Figure BDA0003491253500000047
表示新能源场站的最大外送能力；
Figure BDA0003491253500000048
表示时段τ决策的时段t新能源场站新能源设备的实时功率输出；
Figure BDA0003491253500000049
表示时段τ决策的时段t新能源场站弃风弃光；
Figure BDA00034912535000000410
表示在时段τ预测时段t的新能源预测实际功率输出；
Figure BDA00034912535000000411
表示时段τ决策的时段t新能源场站中标的调频下调容量；
Figure BDA00034912535000000412
表示时段τ决策的时段t新能源场站实际提供的调频上调容量；
Figure BDA00034912535000000413
表示在时段τ预测时段t市场运行机构实际调用的调频上调容量比例；
Figure BDA00034912535000000414
表示在时段τ预测时段t市场运行机构实际调用的调频下调容量比例。
进一步，所述实时市场轮次数学模型的实时市场的收入为实时市场新能源的电量收入与实时市场储能的电量收入之和，该实时市场轮次数学模型为：
Figure BDA00034912535000000415
其中，rRT,τ表示时段τ决策的新能源场站的全日实时市场利润；
Figure BDA00034912535000000416
表示在时段τ预测时段t的实时电价；
Figure BDA00034912535000000417
表示在时段τ预测时段t的新能源预测实际功率输出；
Figure BDA00034912535000000418
表示时段t新能源场站储能设备i的实时功率输出。
所述实时市场轮次数学模型的约束条件与调频市场轮次模型约束相同。
进一步，所述电站总利润模型为：
Figure BDA00034912535000000419
其中，rτ表示考虑调频与实时市场的总利润，rRG,τ表示时段τ决策的新能源场站的调频收入，rRT,τ表示时段τ决策的新能源场站的全日实时市场收入，
Figure BDA00034912535000000420
表示储能i在t时段的老化成本。
进一步，所述步骤6对新能源场站从τ+1到τ+TRT时段区间的相关参数进行预测，包括新能源发电出力预测、调频电价预测、实时市场电价预测、调频中标容量预测以及电池老化成本计算预测。
一种新能源场站储能运行策略在线滚动修正系统，包括：
新能源储能老化成本模型构建模块：用于根据新能源储能特点，构建新能源储能老化成本模型，该新能源储能老化成本模型包括循环次数敏感的储能电池老化成本模型和放电深度敏感的储能电池老化成本模型；
电站利润目标函数构建模块：用于根据各类日前预测信息，制定日前最优决策，优化时间区间覆盖交易日全日，以此作为储能运行策略的基础，日前的决策上进行优化，该目标函数为电站总利润，包括实时市场收入、调频收入以及储能的老化成本；
调频市场轮次数学模型构建模块：用于构建调频市场轮次数学模型，该调频市场轮次数学模型包括上调、下调以及违约的收入之和；
实时市场轮次数学模型构建模块：用于实时市场轮次数学模型，该实时市场轮次数学模型包括实时新能源的电量收入与实时储能的电量收入之和；
电站总利润模型构建模块：用于构建电站总利润模型，该电站总利润模型包括调频市场轮次模型、实时市场轮次数序模型以及新能源储能老化成本模型三部分；
执行模块：用于输入对从τ+1到τ+TRT的时间区间的各类短期超短期预测信息，根据电站总利润模型，计算出τ+1时刻储能的状态，优化储能运行策略，进而输出储能τ+1时刻储能的运行策略；
滚动优化模块：用于在执行过程中，通过在每次滚动优化中不断更新各类预测信息。
本发明的优点和积极效果是：
1、本发明设计合理，实现了新能源储能运行策略滚动优化控制功能，增强新能源发电和各类市场信息预测数据的可用性，能够在降低系统不确定性影响的基础上，对新能源场站运行进行合理的分析并制定最佳调控决策方案。
2、本发明将模型预测控制方法引入到新能源场站有功控制领域，在控制策略上采用滚动优化策略，以局部优化取代全局最优，利用实测信息反馈校正，增强控制的鲁棒性，并且能够利用预测精度的提高给新能源场站决策带来额外收益。
3、本发明能够对新能源发电有功功率和各类市场信息进行滚动多步预测，提高预测数据的可靠性。
4、本发明在有限时域内对目标函数优化，滚动式地实施求解的控制值，仅下发下一时段的控制命令给场站内各个控制设备，而不是所有时段，使得控制方式更加灵活。
5、本发明能够保持某控制时刻内运行控制目标最优(局部最优)，适应了不确定性环境。
附图说明
图1为本发明的新能源场站储能运行策略在线滚动修正方法的流程图。
具体实施方式
以下结合附图对本发明实施例做进一步详述。
本发明的设计思想是：在电力市场环境下，除了新能源场站本身发电不确定外，市场各类信息也是不确定的，开环的新能源场站优化控制技术更加不能满足这种高不确定环境下的决策要求，因此需要开发实时(在线)滚动优化调度策略，制定动态的控制方案。
其中滚动优化原理为：在策略制定时段τ，基于对未来优化时间区间(从τ+1到τ+TRT的时间区间)的各类短期超短期预测信息，制定优化时间区间的控制策略，但是只实施τ+1时段的控制策略。接下来，时间窗向前移动一个时间段，进行下一次滚动优化。通过在每次滚动优化中不断更新各类预测信息，并取实时系统状态作为输入。
基于上述设计思想，本发明提出一种电力市场环境下新能源场站储能运行策略在线滚动修正方法，如图1所示，包括以下步骤：
步骤1、根据新能源储能特点，构建新能源储能老化成本模型。
新能源储能老化成本是一个实时的变化的过程，由于新能源储能老化成本模型与新能源储能的类型有关因此，本发明根据新能源储能的类型，构建不同的新能源储能成本老化模型，将其作为新能源场站收入的组成部分。
在本步骤中，确定运行时段储能的老化成本
Figure BDA0003491253500000061
包括如下两种新能源储能电池老化成本模型：
(1)循环次数敏感的储能电池老化成本模型为：
Figure BDA0003491253500000062
其中，
Figure BDA0003491253500000063
表示储能i在t时段的老化成本；ki表示储能i电池循环次数对储能可用电量影响曲线的斜率；
Figure BDA0003491253500000064
表示储能i的投资成本；
Figure BDA0003491253500000065
表示充电或者放电过程的深度。
(2)放电深度敏感的储能电池老化成本模型为：
Figure BDA0003491253500000066
其中，kp是0.8到2.1之间的常数参数；
Figure BDA0003491253500000067
表示100％充放电深度(DOD)时的最大循环次数。
步骤2、构建电站利润目标函数。
所述目标函数为电站总利润，包括实时市场收入、调频收入以及储能的老化成本。为了简化模型，本发明认为实时市场收入包含日前市场的收入。
在本步骤中，根据各类日前预测信息，制定日前最优决策，优化时间区间覆盖交易日全日，以此作为储能运行策略的基础，即在日前的决策上进行优化。
步骤3、构建调频市场轮次数学模型。
所述调频收入主要包括上调、下调以及违约的收入之和。其中，约束条件包括储能功率、电量约束；电网对新能源场站的输出约束；弃电约束等。
由于在执行调频市场轮次时，需要同时考虑实时市场的影响，因此，本步骤构建如下调频市场轮次数学模型：
Figure BDA0003491253500000071
其中，rRG,τ表示时段τ决策的新能源场站的调频利润，
Figure BDA0003491253500000072
表示在时段τ预测时段t的调频上调电价；
Figure BDA0003491253500000073
表示在时段τ预测时段t的调频下调电价；
Figure BDA0003491253500000074
表示在时段τ预测时段t的调频上调违约电价；
Figure BDA0003491253500000075
表示在时段τ预测时段t的调频下调违约电价；
Figure BDA0003491253500000076
表示时段τ决策的时段t新能源场站中标的调频上调容量；
Figure BDA0003491253500000077
表示时段τ决策的时段t新能源场站中标的调频下调容量；
Figure BDA0003491253500000078
表示时段τ决策的时段t新能源场站违约的调频上调容量；
Figure BDA0003491253500000079
表示时段τ决策的时段t新能源场站违约的调频下调容量；TRG表示调频市场轮次优化时间区间时段数。
约束条件如下：
约束1：t新能源场站的储能设备i的实时功率与电量表达为：
Figure BDA00034912535000000710
Figure BDA00034912535000000711
Figure BDA00034912535000000712
Figure BDA00034912535000000713
表示时段τ决策的时段t新能源场站储能设备i的实时功率输出；
Figure BDA00034912535000000714
表示时段τ决策的时段t新能源场站储能设备i的实时充电功率；
Figure BDA00034912535000000715
表示时段τ决策的时段t新能源场站储能设备i的实时放电功率；
Figure BDA00034912535000000716
表示时段τ决策的时段t新能源场站储能设备i的储存电量；∈：表示每个时段的持续时间；
Figure BDA00034912535000000717
表示储能设备i的充电效率；
Figure BDA00034912535000000718
表示储能设备i的放电效率。
约束2：储能设备的功率与电量约束条件为：
Figure BDA00034912535000000719
Figure BDA00034912535000000720
Figure BDA00034912535000000721
Figure BDA00034912535000000722
Figure BDA0003491253500000081
表示时段τ决策的时段t新能源场站储能设备i中标的调频上调容量；
Figure BDA0003491253500000082
表示时段τ决策的时段t新能源场站储能设备i中标的调频下调容量；
Figure BDA0003491253500000083
表示储能设备i的最小充电功率；
Figure BDA0003491253500000084
表示储能设备i的最大充电功率；
Figure BDA0003491253500000085
表示储能设备i的最小放电功率；
Figure BDA0003491253500000086
表示储能设备i的最大放电功率；EES,min,i表示储能设备i的最小存储电量；EES,max,i表示储能设备i的最大存储电量；
Figure BDA0003491253500000087
表示在时段τ储能设备i的初始存储电量；
Figure BDA0003491253500000088
表示时段τ决策的时段t新能源场站储能设备的实时总功率输出。
约束3：对储能调频的约束为：
Figure BDA0003491253500000089
Figure BDA00034912535000000810
Figure BDA00034912535000000811
Figure BDA00034912535000000812
Figure BDA00034912535000000813
Figure BDA00034912535000000814
Figure BDA00034912535000000815
Figure BDA00034912535000000816
Figure BDA00034912535000000817
Figure BDA00034912535000000818
表示时段τ决策的时段t新能源场站新能源设备的实时功率输出；
Figure BDA00034912535000000819
表示时段τ决策的时段t新能源场站储能设备的实时总功率输出；
Figure BDA00034912535000000820
表示时段τ决策的时段t新能源场站实际提供的调频上调容量；
Figure BDA00034912535000000821
表示时段τ决策的时段t新能源场站实际的调频下调容量；
Figure BDA00034912535000000822
表示新能源场站的最大外送能力；
Figure BDA00034912535000000823
表示时段τ决策的时段t新能源场站新能源设备的实时功率输出；
Figure BDA00034912535000000824
表示时段τ决策的时段t新能源场站弃风弃光；
Figure BDA00034912535000000825
表示在时段τ预测时段t的新能源预测实际功率输出；
Figure BDA00034912535000000826
表示时段τ决策的时段t新能源场站中标的调频下调容量；
Figure BDA00034912535000000827
表示时段τ决策的时段t新能源场站实际提供的调频上调容量；
Figure BDA00034912535000000828
表示在时段τ预测时段t市场运行机构实际调用的调频上调容量比例；
Figure BDA0003491253500000091
表示在时段τ预测时段t市场运行机构实际调用的调频下调容量比例。
步骤4、构建实时市场轮次数学模型。
所述实时市场的收入为实时市场新能源的电量收入与实时市场储能的电量收入之和。其中约束条件与调频市场轮次数学模型约束条件相同。
由于执行实时市场轮次时，将调频市场的出清结果为已知边界条件，因此，本步骤构建立的实时市场轮次数学模型如下：
Figure BDA0003491253500000092
其中，rRT,τ表示时段τ决策的新能源场站的全日实时市场利润；
Figure BDA0003491253500000093
表示在时段τ预测时段t的实时电价；
Figure BDA0003491253500000094
表示在时段τ预测时段t的新能源预测实际功率输出；
Figure BDA0003491253500000095
表示时段t新能源场站储能设备i的实时功率输出。其中，约束条件与调频市场轮次模型约束相同。
步骤5、建立电站总利润模型。
所述总利润(总收入)由实时市场收入、调频市场收入以及储能老化成本三部分构成。即：总利润(总收入)包括调频市场轮次模型、实时市场轮次数序模型以及新能源储能老化成本模型三部分构成。为简单起见，本专利将日前市场收入归为实时市场收入。
本步骤建立的电站总利润数学模型如下：
Figure BDA0003491253500000096
其中，rτ表示考虑调频与实时市场的总利润。
步骤6、在运行时刻τ，输入对从τ+1到τ+TRT的时间区间的各类短期超短期预测信息，根据步骤5的电站总利润模型，计算出τ+1时刻储能的状态，优化储能运行策略，进而输出储能τ+1时刻储能的运行策略。
在本步骤中，对新能源场站从τ+1到τ+TRT时段区间的相关参数进行预测，包括新能源发电出力预测，调频电价预测、实时市场电价预测、调频中标容量预测、电池老化成本计算等。
步骤7、随着时间窗向前移动一个时间段，更新各类预测信息，重复步骤6。
在本步骤中，随着时间窗向前移动进行下一次滚动优化，通过在每次滚动优化中不断更新各类预测信息，并取实时系统状态作为输入。
基于上述新能源场站储能运行策略在线滚动修正方法，本发明还提出一种电力市场环境下新能源场站储能运行策略在线滚动修正系统，包括：
(1)新能源储能老化成本模型构建模块：用于根据新能源储能特点，构建新能源储能老化成本模型，该新能源储能老化成本模型包括循环次数敏感的储能电池老化成本模型和放电深度敏感的储能电池老化成本模型。
(2)电站利润目标函数构建模块：用于根据各类日前预测信息，制定日前最优决策，优化时间区间覆盖交易日全日，以此作为储能运行策略的基础，即在日前的决策上进行优化，该目标函数为电站总利润，包括实时市场收入、调频收入以及储能的老化成本。
(3)调频市场轮次数学模型构建模块：用于构建调频市场轮次数学模型，该调频市场轮次数学模型包括上调、下调以及违约的收入之和。
(4)实时市场轮次数学模型构建模块：用于实时市场轮次数学模型，该实时市场轮次数学模型包括实时新能源的电量收入与实时储能的电量收入之和。
(5)电站总利润模型构建模块：用于构建电站总利润模型，该电站总利润模型包括调频市场轮次模型、实时市场轮次数序模型以及新能源储能老化成本模型三部分。
(6)执行模块：用于输入对从τ+1到τ+TRT的时间区间的各类短期超短期预测信息，根据电站总利润模型，计算出τ+1时刻储能的状态，优化储能运行策略，进而输出储能τ+1时刻储能的运行策略。
(7)滚动优化模块：用于在执行过程中，通过在每次滚动优化中不断更新各类预测信息。
需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (8)

1.一种新能源场站储能运行策略在线滚动修正方法，其特征在于：包括以下步骤；
步骤1、根据新能源储能特点，构建新能源储能老化成本模型；
步骤2、构建电站利润目标函数，根据各类日前预测信息，制定日前最优决策，优化时间区间覆盖交易日全日，以此作为储能运行策略的基础，日前的决策上进行优化；
步骤3、构建调频市场轮次数学模型；
步骤4、构建实时市场轮次数学模型；
步骤5、构建包括调频市场轮次模型、实时市场轮次数序模型以及新能源储能老化成本模型的电站总利润模型；
步骤6、在运行时刻τ，输入对从τ+1到τ+TRT的时间区间的各类短期超短期预测信息，根据步骤5的电站总利润模型，计算出τ+1时刻储能的状态，优化储能运行策略，输出储能τ+1时刻储能的运行策略；
步骤7、随着时间窗向前移动一个时间段，更新各类预测信息，重复步骤6。
2.根据权利要求1所述的一种新能源场站储能运行策略在线滚动修正方法，其特征在于：所述新能源储能老化成本模型包括循环次数敏感的储能电池老化成本模型和放电深度敏感的储能电池老化成本模型；
所述循环次数敏感的储能电池老化成本模型为：
Figure FDA0003491253490000011
其中，
Figure FDA0003491253490000012
表示储能i在t时段的老化成本；ki表示储能i电池循环次数对储能可用电量影响曲线的斜率；
Figure FDA0003491253490000013
表示储能i的投资成本；
Figure FDA0003491253490000014
表示充电或者放电过程的深度；
所述放电深度敏感的储能电池老化成本模型为：
Figure FDA0003491253490000015
其中，kp是0.8到2.1之间的常数参数；
Figure FDA0003491253490000016
表示100％充放电深度(DOD)时的最大循环次数。
3.根据权利要求1所述的一种新能源场站储能运行策略在线滚动修正方法，其特征在于：所述步骤2构建的目标函数为电站总利润，包括实时市场收入、调频收入以及储能的老化成本。
4.根据权利要求1所述的一种新能源场站储能运行策略在线滚动修正方法，其特征在于：所述调频市场轮次数学模型的调频收入主要包括上调、下调以及违约的收入之和，该调频市场轮次数学模型：
Figure FDA0003491253490000021
其中，rRG,τ表示时段τ决策的新能源场站的调频利润，
Figure FDA0003491253490000022
表示在时段τ预测时段t的调频上调电价；
Figure FDA0003491253490000023
表示在时段τ预测时段t的调频下调电价；
Figure FDA0003491253490000024
表示在时段τ预测时段t的调频上调违约电价；
Figure FDA0003491253490000025
表示在时段τ预测时段t的调频下调违约电价；
Figure FDA0003491253490000026
表示时段τ决策的时段t新能源场站中标的调频上调容量；
Figure FDA0003491253490000027
表示时段τ决策的时段t新能源场站中标的调频下调容量；
Figure FDA0003491253490000028
表示时段τ决策的时段t新能源场站违约的调频上调容量；
Figure FDA0003491253490000029
表示时段τ决策的时段t新能源场站违约的调频下调容量；TRG表示调频市场轮次优化时间区间时段数；
上述调频市场轮次数学模型的约束条件包括：
约束1：t新能源场站的储能设备i的实时功率与电量表达为：
Figure FDA00034912534900000210
Figure FDA00034912534900000211
Figure FDA00034912534900000212
Figure FDA00034912534900000213
表示时段τ决策的时段t新能源场站储能设备i的实时功率输出；
Figure FDA00034912534900000214
表示时段τ决策的时段t新能源场站储能设备i的实时充电功率；
Figure FDA00034912534900000215
表示时段τ决策的时段t新能源场站储能设备i的实时放电功率；
Figure FDA00034912534900000216
表示时段τ决策的时段t新能源场站储能设备i的储存电量；∈表示每个时段的持续时间；
Figure FDA00034912534900000217
表示储能设备i的充电效率；
Figure FDA00034912534900000218
表示储能设备i的放电效率；
约束2：储能设备的功率与电量约束条件为：
Figure FDA00034912534900000219
Figure FDA00034912534900000220
Figure FDA00034912534900000221
Figure FDA00034912534900000222
Figure FDA00034912534900000223
表示时段τ决策的时段t新能源场站储能设备i中标的调频上调容量；
Figure FDA00034912534900000224
表示时段τ决策的时段t新能源场站储能设备i中标的调频下调容量；
Figure FDA00034912534900000225
表示储能设备i的最小充电功率；
Figure FDA00034912534900000226
表示储能设备i的最大充电功率；
Figure FDA00034912534900000227
表示储能设备i的最小放电功率；
Figure FDA0003491253490000031
表示储能设备i的最大放电功率；EES,min,i表示储能设备i的最小存储电量；EES,max,i表示储能设备i的最大存储电量；
Figure FDA0003491253490000032
表示在时段t储能设备i的初始存储电量；
Figure FDA0003491253490000033
表示时段τ决策的时段t新能源场站储能设备的实时总功率输出；
约束3：对储能调频的约束为：
Figure FDA0003491253490000034
Figure FDA0003491253490000035
Figure FDA0003491253490000036
Figure FDA0003491253490000037
Figure FDA0003491253490000038
Figure FDA0003491253490000039
Figure FDA00034912534900000310
Figure FDA00034912534900000311
Figure FDA00034912534900000312
上式中，
Figure FDA00034912534900000313
表示时段τ决策的时段t新能源场站新能源设备的实时功率输出；
Figure FDA00034912534900000314
表示时段τ决策的时段t新能源场站储能设备的实时总功率输出；
Figure FDA00034912534900000315
表示时段τ决策的时段t新能源场站实际提供的调频上调容量；
Figure FDA00034912534900000316
表示时段τ决策的时段t新能源场站实际的调频下调容量；
Figure FDA00034912534900000317
表示新能源场站的最大外送能力；
Figure FDA00034912534900000318
表示时段τ决策的时段t新能源场站新能源设备的实时功率输出；
Figure FDA00034912534900000319
表示时段τ决策的时段t新能源场站弃风弃光；
Figure FDA00034912534900000320
表示在时段τ预测时段t的新能源预测实际功率输出；
Figure FDA00034912534900000321
表示时段τ决策的时段t新能源场站中标的调频下调容量；
Figure FDA00034912534900000322
表示时段τ决策的时段t新能源场站实际提供的调频上调容量；
Figure FDA00034912534900000323
表示在时段τ预测时段t市场运行机构实际调用的调频上调容量比例；
Figure FDA00034912534900000324
表示在时段τ预测时段t市场运行机构实际调用的调频下调容量比例。
5.根据权利要求1所述的一种新能源场站储能运行策略在线滚动修正方法，其特征在于：所述实时市场轮次数学模型的实时市场的收入为实时市场新能源的电量收入与实时市场储能的电量收入之和，该实时市场轮次数学模型为：
Figure FDA0003491253490000041
其中，rRT,τ表示时段τ决策的新能源场站的全日实时市场利润；
Figure FDA0003491253490000042
表示在时段τ预测时段t的实时电价；
Figure FDA0003491253490000043
表示在时段τ预测时段t的新能源预测实际功率输出；
Figure FDA0003491253490000044
表示时段t新能源场站储能设备i的实时功率输出。
所述实时市场轮次数学模型的约束条件与调频市场轮次模型约束相同。
6.根据权利要求1所述的一种新能源场站储能运行策略在线滚动修正方法，其特征在于：所述电站总利润模型为：
Figure FDA0003491253490000045
其中，rτ表示考虑调频与实时市场的总利润，rRG,τ表示时段τ决策的新能源场站的调频收入，rRT,τ表示时段τ决策的新能源场站的全日实时市场收入，
Figure FDA0003491253490000046
表示储能i在t时段的老化成本。
7.根据权利要求1所述的一种新能源场站储能运行策略在线滚动修正方法，其特征在于：所述步骤6对新能源场站从τ+1到τ+TRT时段区间的相关参数进行预测，包括新能源发电出力预测、调频电价预测、实时市场电价预测、调频中标容量预测以及电池老化成本计算预测。
8.一种实现权利要求1至7任一项所述新能源场站储能运行策略在线滚动修正方法的系统，包括：
新能源储能老化成本模型构建模块：用于根据新能源储能特点，构建新能源储能老化成本模型，该新能源储能老化成本模型包括循环次数敏感的储能电池老化成本模型和放电深度敏感的储能电池老化成本模型；
电站利润目标函数构建模块：用于根据各类日前预测信息，制定日前最优决策，优化时间区间覆盖交易日全日，以此作为储能运行策略的基础，日前的决策上进行优化，该目标函数为电站总利润，包括实时市场收入、调频收入以及储能的老化成本；
调频市场轮次数学模型构建模块：用于构建调频市场轮次数学模型，该调频市场轮次数学模型包括上调、下调以及违约的收入之和；
实时市场轮次数学模型构建模块：用于实时市场轮次数学模型，该实时市场轮次数学模型包括实时新能源的电量收入与实时储能的电量收入之和；
电站总利润模型构建模块：用于构建电站总利润模型，该电站总利润模型包括调频市场轮次模型、实时市场轮次数序模型以及新能源储能老化成本模型三部分；
执行模块：用于输入对从τ+1到τ+TRT的时间区间的各类短期超短期预测信息，根据电站总利润模型，计算出τ+1时刻储能的状态，优化储能运行策略，进而输出储能τ+1时刻储能的运行策略；
滚动优化模块：用于在执行过程中，通过在每次滚动优化中不断更新各类预测信息。
CN202210097837.7A 2022-01-27 2022-01-27 一种新能源场站储能运行策略在线滚动修正方法及其系统 Pending CN114400661A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210097837.7A CN114400661A (zh) 2022-01-27 2022-01-27 一种新能源场站储能运行策略在线滚动修正方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210097837.7A CN114400661A (zh) 2022-01-27 2022-01-27 一种新能源场站储能运行策略在线滚动修正方法及其系统

Publications (1)

Publication Number Publication Date
CN114400661A true CN114400661A (zh) 2022-04-26

Family

ID=81233328

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210097837.7A Pending CN114400661A (zh) 2022-01-27 2022-01-27 一种新能源场站储能运行策略在线滚动修正方法及其系统

Country Status (1)

Country Link
CN (1) CN114400661A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115659595A (zh) * 2022-09-26 2023-01-31 中国华能集团清洁能源技术研究院有限公司 基于人工智能的新能源场站的储能控制方法及装置
CN117254505A (zh) * 2023-09-22 2023-12-19 南方电网调峰调频(广东)储能科技有限公司 基于数据处理的储能电站优化运行模式决策方法及系统
CN117937474A (zh) * 2024-03-20 2024-04-26 保定博堃元信息科技有限公司 一种新能源场站储能管理方法及系统
CN118281922A (zh) * 2024-06-04 2024-07-02 杭州轻舟科技有限公司 一种储能电站功率控制方法、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112131712A (zh) * 2020-08-27 2020-12-25 国电南瑞科技股份有限公司 客户侧多能源系统多目标优化方法和系统
CN112952831A (zh) * 2021-04-19 2021-06-11 大连理工大学 一种负荷侧储能提供堆叠服务的日内优化运行策略
CN113869786A (zh) * 2021-10-18 2021-12-31 中广核风电有限公司 一种用于区域电力系统的储能配置及综合价值评估方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112131712A (zh) * 2020-08-27 2020-12-25 国电南瑞科技股份有限公司 客户侧多能源系统多目标优化方法和系统
CN112952831A (zh) * 2021-04-19 2021-06-11 大连理工大学 一种负荷侧储能提供堆叠服务的日内优化运行策略
CN113869786A (zh) * 2021-10-18 2021-12-31 中广核风电有限公司 一种用于区域电力系统的储能配置及综合价值评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
邵明明;刘友波;陈婧婷;王潇笛;左坤雨;刘俊勇;: "分散式储能自趋优经济运行的强化学习算法", 电网技术, no. 05, 17 June 2015 (2015-06-17) *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115659595A (zh) * 2022-09-26 2023-01-31 中国华能集团清洁能源技术研究院有限公司 基于人工智能的新能源场站的储能控制方法及装置
CN115659595B (zh) * 2022-09-26 2024-02-06 中国华能集团清洁能源技术研究院有限公司 基于人工智能的新能源场站的储能控制方法及装置
CN117254505A (zh) * 2023-09-22 2023-12-19 南方电网调峰调频(广东)储能科技有限公司 基于数据处理的储能电站优化运行模式决策方法及系统
CN117254505B (zh) * 2023-09-22 2024-03-26 南方电网调峰调频(广东)储能科技有限公司 基于数据处理的储能电站优化运行模式决策方法及系统
CN117937474A (zh) * 2024-03-20 2024-04-26 保定博堃元信息科技有限公司 一种新能源场站储能管理方法及系统
CN118281922A (zh) * 2024-06-04 2024-07-02 杭州轻舟科技有限公司 一种储能电站功率控制方法、设备及存储介质

Similar Documents

Publication Publication Date Title
CN114400661A (zh) 一种新能源场站储能运行策略在线滚动修正方法及其系统
CN111492559B (zh) 用于能量存储系统的最佳控制的系统和方法
CN107248751B (zh) 一种实现配电网负荷功率削峰填谷的储能站调度控制方法
JP4064334B2 (ja) エネルギーシステムの制御装置および制御方法
CN110266031B (zh) 储能并网充放电量控制方法、装置、服务器及存储介质
US20220407310A1 (en) Intelligent energy management system for distributed energy resources and energy storage systems using machine learning
Qi et al. Energyboost: Learning-based control of home batteries
US20240275179A1 (en) Electrical power system and a multi-timescale coordinated optimization scheduling method therefor
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
CN115912351A (zh) 光伏日内日前模型预测方法、系统、设备及介质
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
CN115776125A (zh) 一种储能与新能源场站的协同运行优化方法及装置
CN115600757A (zh) 海上风电共享储能参与现货市场交易协调优化方法及系统
Mohiti et al. Frequency‐constrained energy and reserve scheduling in wind incorporated low‐inertia power systems considering vanadium flow redox batteries
Long et al. Interfacing energy management with supervisory control for hybrid power plants
CN110649638B (zh) 一种弥补风电功率预测误差的储能系统的优化方法
CN112290530B (zh) 风储联合发电商参与能量-调频市场的投标策略优化方法
CN117767349A (zh) 风光储新能源电站的优化调度与协调控制方法及系统
CN117134422A (zh) 一种光储充用协调优化调度方法、系统、介质和设备
CN115579915A (zh) 用于新能源消纳的储能控制方法及系统
CN115659595A (zh) 基于人工智能的新能源场站的储能控制方法及装置
CN113283672A (zh) 一种储能系统的充放电状态确定方法和装置
CN112531751A (zh) 一种建立灵活控制风电储能策略模型的方法
Subramanya et al. Onsite Renewable Generation Time Shifting for Photovoltaic Systems
TWI824957B (zh) 微電網併網電能管理方法

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