CN114529100A - 一种面向区域电网风光消纳的储能优化配置方法及系统 - Google Patents

一种面向区域电网风光消纳的储能优化配置方法及系统 Download PDF

Info

Publication number
CN114529100A
CN114529100A CN202210198062.2A CN202210198062A CN114529100A CN 114529100 A CN114529100 A CN 114529100A CN 202210198062 A CN202210198062 A CN 202210198062A CN 114529100 A CN114529100 A CN 114529100A
Authority
CN
China
Prior art keywords
wind
energy storage
solar
power
time
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
CN202210198062.2A
Other languages
English (en)
Inventor
郝丽丽
吕肖旭
王正风
李有亮
李智
邵逸君
征程
蒋弈州
王梓齐
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.)
Nanjing Tech University
State Grid Anhui Electric Power Co Ltd
Original Assignee
Nanjing Tech University
State Grid Anhui Electric Power 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 Nanjing Tech University, State Grid Anhui Electric Power Co Ltd filed Critical Nanjing Tech University
Priority to CN202210198062.2A priority Critical patent/CN114529100A/zh
Publication of CN114529100A publication Critical patent/CN114529100A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • 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
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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

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

Abstract

本发明公开了一种面向区域电网风光消纳的储能优化配置方法及系统，所述方法包括：根据区域电网历史年的风电、光伏出力数据，生成目标年的风光出力场景；采用预设的新能源消纳评估模型对目标年的风光出力场景进行计算，得到区域电网目标年的新能源消纳空间；以统计时间内的风光弃电量最小为目标对风光规划装机配比进行优化，得到区域电网目标年的风光规划装机最优配比；基于计算得到的新能源消纳空间，以统计时间内的弃电电量最小为目标，对风光规划装机最优配比情况下的储能容量进行优化配置，得到储能容量的最优配置。本发明能够进一步减少风光弃电量，能够有效减少新能源资源的浪费，为区域电网后续储能容量配置提供参考。

Description

一种面向区域电网风光消纳的储能优化配置方法及系统
技术领域
本发明涉及一种面向区域电网风光消纳的储能优化配置方法及系统，属于风光储容量配置技术领域。
背景技术
根据各地风光资源特点合理规划风电与光伏发电的装机配比，并配置储能装置以减少风光弃电量，在新能源的开发利用中具有重要的现实意义。
目前，对于风电、光伏发电容量优化配比的研究，有的以风电、光伏同场共建的综合收益最大为目标，建立了反映风电、光伏联合发电约束和总经济效益的指标，并通过生产模拟仿真求取风电、光伏的优化配比；有的建立了以风光电场建设成本最低的风电、光伏容量优化模型，并设计不同约束场景分别进行了容量优化；有的建立了等效负荷峰谷差指标，通过风电和光伏出力模拟研究了不同风光容量配比对该指标的影响，并得到了使等效负荷峰谷差变化最小的风光装机容量配比；有的基于新能源出力数据分析某地区电网风电、光伏出力特性，并提出了用Spearman相关系数研究两种波动性能源出力的互补特性及其合理容量配比。有的基于天气预报数据，构建了基于KPCA和SOFM神经网络的天气类型划分模型，从波动性和爬坡性2个角度定量分析了不同天气类型下风光出力互补程度，最后确定了不同天气类型下风光最佳并网容量比例。
对于储能规划的研究，有的在储能容量规划时主要考虑了系统的供电可靠性，由此找出所有满足阈值约束的容量组合，从中找出经济成本最小的组合，即为最终的储能容量配置决策；有的通过模式搜索的方法得到储能容量配置。在每一次搜索中，根据自回归滑动平均(ARMA)模型得到风电、光伏出力等概率性参数，从而基于一些约束条件计算出相应的储能容量及负荷损失率。最终通过多轮搜索，得到最优的储能容量配置及最优成本；有的采用求解混合整数线性规划问题(MILP)的方式确定储能容量，考虑系统的运行成本，通过求解含风电、光伏、储能的机组组合问题，得到了最优的储能容量。
总的来说，目前关于区域风光以及储的最优容量规划大多数以各自主体收益最大为目标，通过生产模拟统一优化配置得到。目前缺乏一种结合风光最优配比与储能优化配置的方法，缺乏在分析风光出力特性的基础上根据风光最优配比，进行储能优化配置的方法。
发明内容
本发明的目的在于克服现有技术中的不足，提供一种面向区域电网风光消纳的储能优化配置方法及系统，能够进一步减少风光弃电量，能够有效减少新能源资源的浪费，为区域电网后续储能容量配置提供参考。为达到上述目的，本发明是采用下述技术方案实现的：
第一方面，本发明提供了一种面向区域电网风光消纳的储能优化配置方法，其特征在于，包括：
根据区域电网历史年的风电、光伏出力数据，生成目标年的风光出力场景；
采用预设的新能源消纳评估模型对目标年的风光出力场景进行计算，得到区域电网目标年的新能源消纳空间；
以统计时间内的风光弃电量最小为目标对风光规划装机配比进行优化，得到区域电网目标年的风光规划装机最优配比；
基于计算得到的新能源消纳空间，以统计时间内的弃电电量最小为目标，对风光规划装机最优配比情况下的储能容量进行优化配置，得到储能容量的最优配置。
结合第一方面，进一步地，所述生成目标年的风光出力场景，包括：
基于区域电网历史年的风电、光伏出力数据，计算各时刻风电、光伏出力区间的概率分布，随机抽样生成风电、光伏初始出力场景集；
结合风电、光伏多年理论功率的平均波动序列对初始出力场景集进行重构，生成风电、光伏出力场景集，即为目标年的风光出力场景。
结合第一方面，进一步地，所述预设的新能源消纳评估模型，包括：
根据上述风光出力模拟，计算在t时刻风电、光伏总出力PH(t)的计算式：
PH(t)＝PW(t)+PS(t) (1)
式(1)中，时刻t＝1,2,···,N，PW(t)为t时刻风电出力；PS(t)为t时刻光伏出力；
则第d天t时刻的新能源消纳空间PACC(t)的计算式：
Figure BDA0003526627860000031
式(2)中，PL(t)为t时刻的调度口径负荷；PL,地调为地调负荷；
Figure BDA0003526627860000032
为当月 t时刻的联络线功率平均值；α为调峰能力系数；
Figure BDA0003526627860000033
为第d天的最大调度口径负荷；
Figure BDA0003526627860000034
为当月最大负荷时刻对应的联络线功率平均值，对外送出为负，反之为正；PW,95％为风电在95％概率下的出力；PRES为预留备用。
结合第一方面，优选地，新能源弃电数据的计算式如下：
t时刻的新能源弃电功率PR(t)计算式：
Figure BDA0003526627860000035
式(3)中，PH(t)为t时刻风电、光伏总出力；PACC(t)为t时刻的新能源消纳空间；
计算统计时段T内新能源弃电电量ER的计算式：
Figure BDA0003526627860000041
式(4)中，Δt为统计时间内的采样频率；
统计时段内新能源弃电率β的计算式：
Figure BDA0003526627860000042
式(5)中，EH为统计时段内新能源发电的理论发电量。
结合第一方面，进一步地，所述得到目标年区域电网的风光规划装机最优配比，包括：
初始化风电装机容量占风光总装机容量的比例为α；
计算风电装机容量占风光总装机容量的比例为α时，t时刻的风光总出力 PH,α(t)；
计算风电装机容量占风光总装机容量的比例为α时，t时刻的风光弃电功率 PR,α(t)，通过下式计算：
Figure BDA0003526627860000043
式(6)中，PH,α(t)为t时刻的风光总出力，PACC(t)为t时刻的新能源消纳空间；
调节风、光规划装机容量比例，使统计时间T内的风光弃电量γ最小，则优化表达式为：
Figure BDA0003526627860000044
式(7)中，Δt为统计时间内的采样频率；
求解式(7)，得到目标年区域电网的风光规划装机最优配比。
结合第一方面，进一步地，所述得到储能容量的最优配置，包括：
计算风电装机容量占风光总装机容量的比例为α时，t时刻的风光总出力 PH,α(t)；
以统计时间T内的弃电电量最小为目标，储能容量优化配置表达式为
Figure BDA0003526627860000051
式(8)中，γα,BESS为最优风光配比下，并加入储能后的弃电量；PACC(t)为t 时刻的新能源消纳空间；Δt为统计时间内的采样频率；Pes(t)为t时刻储能输出功率，以放电为正，充电为负，通过下式表示：
Pes(t)＝Pes_DIS(t)-Pes_C(t) (9)
式(9)中，Pes_C(t)为t时刻储能的充电功率；Pes_DIS(t)为t时刻储能的放电功率；
通过储能充放电约束、储能SOC约束和储能日充放电次数约束为约束条件，计算储能容量优化配置表达式，得到储能容量的最优配置。
结合第一方面，进一步地，所述储能充放电约束，通过下式表示：
Figure BDA0003526627860000052
式(10)中，Pes_C(t)为t时刻储能的充电功率；Pes_DIS(t)为t时刻储能的放电功率；Ses_C(t)为t时刻的储能充电状态，0表示不充电，1表示充电；Ses_DIS(t)为 t时刻的储能放电状态，0表示不放电，1表示放电；ηC为储能充电效率；
Figure BDA0003526627860000053
为储能放电效率；Pes_C为储能的额定充电功率；Pes_DIS为储能的额定放电功率。
结合第一方面，进一步地，所述储能SOC约束，通过下式表示：
Figure BDA0003526627860000061
式(11)中，SOC(t)为t时刻的储能荷电状态；SOC(t-1)为t-1时刻的储能荷电状态；SOCmin为储能设备允许的最低荷电状态；SOCmax为储能设备允许的最高荷电状态；Pes(t)为t时刻储能输出功率；Ees为配置的储能容量；
且储能设备在统计时间T结束时和开始时的存储的能量系统，则：
SOC(0)＝SOC(T) (12)
式(12)中，SOC(0)为初始荷电状态，SOC(T)为统计时间T结束时的荷电状态。
结合第一方面，进一步地，所述储能日充放电次数约束，通过下式表示：
Figure BDA0003526627860000062
式(13)中，NC(day)为储能设备日充电次数；NC,max为储能设备日最大充电次数；NDIS(day)为储能设备日放电次数；NDIS,max为储能设备日最大放电次数。
结合第一方面，进一步地，所述计算风电装机容量占风光总装机容量的比例为α时，t时刻的风光总出力PH,α(t)，通过下式计算：
Figure BDA0003526627860000063
式(14)中，PN为区域电网风光总装机容量，单位为MW；
Figure BDA0003526627860000064
为t时刻风电出力标幺值；
Figure BDA0003526627860000065
为t时刻光伏出力标幺值。
第二方面，本发明提供了一种面向区域电网风光消纳的储能优化配置系统，包括：
生成模块：用于根据区域电网历史年的风电、光伏出力数据，生成目标年的风光出力场景；
计算模块：用于采用预设的新能源消纳评估模型对目标年的风光出力场景进行计算，得到区域电网目标年的新能源消纳空间；
第一优化模块：用于以统计时间内的风光弃电量最小为目标对风光规划装机配比进行优化，得到区域电网目标年的风光规划装机最优配比；
第二优化模块：用于基于计算得到的新能源消纳空间，以统计时间内的弃电电量最小为目标，对风光规划装机最优配比情况下的储能容量进行优化配置，得到储能容量的最优配置。
与现有技术相比，本发明实施例所提供的一种面向区域电网风光消纳的储能优化配置方法及系统所达到的有益效果包括：
本发明根据区域电网历史年的风电、光伏出力数据，生成目标年的风光出力场景；采用预设的新能源消纳评估模型对目标年的风光出力场景进行计算，得到区域电网目标年的新能源消纳空间；以统计时间内的风光弃电量最小为目标对风光规划装机配比进行优化，得到区域电网目标年的风光规划装机最优配比；本发明通过优化风光配比有效地增加新能源消纳空间，降低风光弃电量，为区域电网新能源消纳以及后续风光装机容量规划提供参考；
本发明基于计算得到的新能源消纳空间，以统计时间内的弃电电量最小为目标，对风光规划装机最优配比情况下的储能容量进行优化配置，得到储能容量的最优配置；本发明通过合理配置储能进一步减少风光弃电量，可以有效减少新能源资源的浪费，为区域电网后续储能容量配置提供参考。
附图说明
图1是本发明实施例中提供的一种面向区域电网风光消纳的储能优化配置方法的流程图；
图2是本发明实施例1中某区域电网目标年的风光出力场景的示意图；图 2(a)是目标年风光出力场景的春秋季风电、光伏日平均出力标幺值曲线，图2(b) 是目标年风光出力场景的春秋季风电出力标幺值曲线，图2(c)是目标年风光出力场景的春秋季光伏出力标幺值曲线；
图3是本发明实施例1中某区域电网目标年不同风光规划装机配比对风光弃电量的影响；图3(a)是2021年不同风光规划装机配比对风光弃电量的影响，图3(b)是2022年不同风光规划装机配比对风光弃电量的影响；
图4是本发明实施例1中某区域电网目标年现有风光装机配比下不同储能功率容量及所对应的弃电量关系；图4(a)是2021年现有风光装机配比下不同储能功率容量及所对应的弃电量关系，图4(b)是2022年现有风光装机配比下不同储能功率容量及所对应的弃电量关系；
图5是本发明实施例1中某区域电网目标年风光装机最优配比下不同储能功率容量及所对应的弃电量关系；图5(a)是2021年风光装机最优配比下不同储能功率容量及所对应的弃电量关系，图5(b)是2022年风光装机最优配比下不同储能功率容量及所对应的弃电量关系。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
实施例1：
如图1所示，一种新能源电站出力场景生成方法，包括：
根据区域电网历史年的风电、光伏出力数据，生成目标年的风光出力场景；
采用预设的新能源消纳评估模型对目标年的风光出力场景进行计算，得到区域电网目标年的新能源消纳空间；
以统计时间内的风光弃电量最小为目标对风光规划装机配比进行优化，得到区域电网目标年的风光规划装机最优配比；
基于计算得到的新能源消纳空间，以统计时间内的弃电电量最小为目标，对风光规划装机最优配比情况下的储能容量进行优化配置，得到储能容量的最优配置。
具体步骤包括：
步骤1：根据区域电网历史年的风电、光伏出力数据，生成目标年的风光出力场景。
步骤1.1：基于区域电网历史年的风电、光伏出力数据，生成风电、光伏平均波动序列。
在确定的时间颗粒度(15min)下，计算风、光多年理论功率波动量并取各时刻平均值，得到平均波动序列{μt|t＝1,2,...,T-1}。
步骤1.2：计算各时刻风电、光伏出力区间的概率分布，随机抽样生成风电、光伏初始出力场景集。
计算各时刻风电、光伏在各时刻出力区间的概率分布，根据概率分布随机抽样生成风电、光伏初始出力场景集Ω：
Figure BDA0003526627860000091
式(1)中，xm,t为在第m个出力场景下t时刻的风电、光伏出力值。行向量表示风电、光伏在时间周期T内随机抽样生成的一个出力场景；列向量表示同一时刻不同场景下新能源电站的出力。风电、光伏初始出力场景集Ω反映了风电、光伏在各时刻出力区间的概率分布，但却不满足新能源电站自身出力的时间相关性，因此需要进一步对Ω中各行向量的数据进行重构。
步骤1.3：结合风电、光伏多年理论功率的平均波动序列对初始出力场景集进行重构，生成风电、光伏出力场景集，即为目标年的风光出力场景。
结合平均波动量序列中该时刻的波动量μt，从t+1时刻风电、光伏出力集 [x1,t+1x2,t+1 ··· xm,t+1]T中找到最接近xm,t+μt的数值xk,t+1(k≤m)，作为该出力场景下t+1 时刻风电、光伏的出力值，按上述方法依次确定该出力场景下各时刻新能源电站的出力值。
遍历初始出力场景集Ω，得到了重构后的风电、光伏出力场景集Ω’。重构后得到的风电、光伏出力场景集Ω’既满足各时刻出力区间的概率分布，也能较为准确地反映风电、光伏出力的时间相关性。分别对风电、光伏按此方法模拟生成出力场景集，从而生成风光出力场景。
步骤2：采用预设的新能源消纳评估模型对目标年的风光出力场景进行计算，得到区域电网目标年的新能源消纳空间。
负荷与火电机组最小开机容量之间的系统调节空间，即为理论上的新能源最大消纳空间。当新能源出力小于其消纳空间时，新能源的出力系统可以全额消纳；而当新能源的出力大于其消纳空间时，超出的部分因系统无法消纳而产生新能源弃电问题。
预设的新能源消纳评估模型，包括：
第d天t时刻的新能源消纳空间PACC(t)的计算式：
Figure BDA0003526627860000111
式(2)中，时刻t＝1,2,···,N；PL(t)为t时刻的调度口径负荷；PL,地调为地调负荷；
Figure BDA0003526627860000112
为当月t时刻的联络线功率平均值；α为调峰能力系数；
Figure BDA0003526627860000113
为第d 天的最大调度口径负荷；
Figure BDA0003526627860000114
为当月最大负荷时刻对应的联络线功率平均值，对外送出为负，反之为正；PW,95％为风电在95％概率下的出力；PRES为预留备用。
根据上述风光出力模拟，计算在t时刻风电、光伏总出力PH(t)的计算式：
PH(t)＝PW(t)+PS(t) (3)
式(3)中，时刻t＝1,2,···,N，PW(t)为t时刻风电出力；PS(t)为t时刻光伏出力。
t时刻的新能源弃电功率PR(t)计算式：
Figure BDA0003526627860000115
式(4)中，PH(t)为t时刻风电、光伏总出力；PACC(t)为t时刻的新能源消纳空间。
计算统计时段T内新能源弃电电量ER的计算式：
Figure BDA0003526627860000116
式(5)中，Δt为统计时间内的采样频率。
统计时段内新能源弃电率β的计算式：
Figure BDA0003526627860000117
式(6)中，EH为统计时段内新能源发电的理论发电量。
步骤3：以统计时间内的风光弃电量最小为目标对风光规划装机配比进行优化，得到区域电网目标年的风光规划装机最优配比。
步骤3.1：初始化风电装机容量占风光总装机容量的比例为α。
步骤3.2：计算风电装机容量占风光总装机容量的比例为α时，t时刻的风光总出力PH,α(t)，通过下式进行计算：
Figure BDA0003526627860000121
式(7)中，PN为区域电网风光总装机容量，单位为MW；
Figure BDA0003526627860000122
为t时刻风电出力标幺值；
Figure BDA0003526627860000123
为t时刻光伏出力标幺值。
步骤3.3：计算风电装机容量占风光总装机容量的比例为α时，t时刻的风光弃电功率PR,α(t)，通过下式计算：
Figure BDA0003526627860000124
式(8)中，PH,α(t)为t时刻的风光总出力，PACC(t)为t时刻的新能源消纳空间。
步骤3.4：调节风、光规划装机容量比例，使统计时间T内的风光弃电量γ最小，则优化表达式为：
Figure BDA0003526627860000125
式(9)中，Δt为统计时间内的采样频率.
步骤3.5：求解式(9)，得到目标年区域电网的风光规划装机最优配比。
本发明通过优化风光配比有效地增加新能源消纳空间，降低风光弃电量，为区域电网新能源消纳以及后续风光装机容量规划提供参考。
步骤4：基于计算得到的新能源消纳空间，以统计时间内的弃电电量最小为目标，对风光规划装机最优配比情况下的储能容量进行优化配置，得到储能容量的最优配置。
步骤4.1：获取步骤3.2的风电装机容量占风光总装机容量的比例为α时，t 时刻的风光总出力PH,α(t)。
步骤4.2：以统计时间T内的弃电电量最小为目标，储能容量优化配置表达式为
Figure BDA0003526627860000131
式(10)中，γα,BESS为最优风光配比下，并加入储能后的弃电量；PACC(t)为t 时刻的新能源消纳空间；Δt为统计时间内的采样频率；Pes(t)为t时刻储能输出功率，以放电为正，充电为负，通过下式表示：
Pes(t)＝Pes_DIS(t)-Pes_C(t) (11)
式(11)中，Pes_C(t)为t时刻储能的充电功率；Pes_DIS(t)为t时刻储能的放电功率。
步骤4.3：通过储能充放电约束、储能SOC约束和储能日充放电次数约束为约束条件，计算储能容量优化配置表达式，得到储能容量的最优配置。
约束一：储能充放电约束，通过下式表示：
Figure BDA0003526627860000132
式(12)中，Pes_C(t)为t时刻储能的充电功率；Pes_DIS(t)为t时刻储能的放电功率；Ses_C(t)为t时刻的储能充电状态，0表示不充电，1表示充电；Ses_DIS(t)为 t时刻的储能放电状态，0表示不放电，1表示放电；ηC为储能充电效率；
Figure BDA0003526627860000133
为储能放电效率；Pes_C为储能的额定充电功率；Pes_DIS为储能的额定放电功率。
约束二：储能SOC约束，通过下式表示：
Figure BDA0003526627860000141
式(13)中，SOC(t)为t时刻的储能荷电状态；SOC(t-1)为t-1时刻的储能荷电状态；SOCmin为储能设备允许的最低荷电状态，本实施例中SOCmin＝0.1；SOCmax为储能设备允许的最高荷电状态，本实施例中SOCmax＝0.9；Pes(t)为t时刻储能输出功率；Ees为配置的储能容量。
且储能设备在统计时间T结束时和开始时的存储的能量系统，则：
SOC(0)＝SOC(T) (14)
式(14)中，SOC(0)为初始荷电状态，本实施例中SOC(0)＝50％；SOC(T) 为统计时间T结束时的荷电状态，本实施例中T＝24h。
约束三：储能日充放电次数约束，通过下式表示：
Figure BDA0003526627860000142
式(15)中，NC(day)为储能设备日充电次数；NC,max为储能设备日最大充电次数；NDIS(day)为储能设备日放电次数；NDIS,max为储能设备日最大放电次数；本实施例中，规定一天充、放电次数均不超过2次。
本发明通过合理配置储能进一步减少风光弃电量，可以有效减少新能源资源的浪费，为区域电网后续储能容量配置提供参考。
实施例2：
本实施例采用实施例1所述方法，结合某区域电网2018-2020年风、光出力数据，对某区域电网2021年和2022年的储能配置进行优化。
步骤1：根据区域电网历史年的风电、光伏出力数据，生成目标年的风光出力场景。
基于实施例1所述风光出力场景生成方法，根据区域电网2018-2020年风、光出力数据，生成图2(a)所示的目标年风光出力场景的春秋季风电、光伏日平均出力标幺值曲线，图2(b)所示的目标年风光出力场景的春秋季风电出力标幺值曲线，图2(c)所示的目标年风光出力场景的春秋季光伏出力标幺值曲线。
步骤2：采用预设的新能源消纳评估模型对目标年的风光出力场景进行计算，得到区域电网目标年的新能源消纳空间。
预计2021年底全省风电、光伏装机容量将分别为476、1454万千瓦，现有风光容量配比为1:3.05。按现有风光容量配比预计2022年底风电、光伏装机容量分别为525、1604万千瓦。设某区域电网春秋季负荷的年增长率为8％，目标年某月的联络线平均功率曲线由历史年该月各日对应时刻的联络线功率平均值得到。由新能源消纳模型得到某区域电网目标年的消纳空间，结合模拟得到某区域电网目标年风光出力数据，对某区域电网目标年弃电情况进行分析。
2021年某区域电网春秋季弃电情况分析：
2021年底某区域电网风光总装机容量为1930万千瓦，风光渗透率(风光装机容量占电力系统所有电源总装机容量的比例)可达24.4％。PW，95％取为风电装机容量的4％，PL,area取为250万千瓦，PRES取为250万千瓦，设调峰能力系数α为 0.46。
由计算可知，2021年某区域电网春秋季风光发电量为1213170.4万千瓦时，最大可接纳发电功率为1708.9万千瓦，最小可接纳发电功率为377.6万千瓦，最大弃电功率为178.5万千瓦，春秋季弃电量为2443.3万千瓦时，弃电率为0.21％。 2021年某区域电网春秋季总弃电天数为16天，其中春季弃电14天，秋季弃电 2天。
2022年某区域电网春秋季弃电情况分析(基于2022年底的风光装机配比)：
2022年底某区域电网风光总装机容量为2130万千瓦，风光渗透率可达 25.6％。PW,95％取为风电装机容量的4％，PL,area取为280万千瓦，PRES取为250万千瓦，设调峰能力系数α为0.46。
由计算可知，2022年某区域电网春秋季风光发电量为1338225.9万千瓦时，最大可接纳发电功率为1852.3万千瓦，最小可接纳发电功率为408.6万千瓦，最大弃电功率为219.3万千瓦，春秋季弃电量为3523.0万千瓦时，弃电率为0.26％。 2022年某区域电网春秋季总弃电天数为18天，其中春季弃电16天，秋季弃电 2天。
步骤3：以统计时间内的风光弃电量最小为目标对风光规划装机配比进行优化，得到区域电网目标年的风光规划装机最优配比。
基于2021年底与2022年底某区域电网风电、光伏出力预测数据与消纳空间预测数据，分析不同风电装机占比对风光弃电量的影响，以统计时间内的风光弃电量最小为目标对风光规划装机配比进行优化，得到区域电网目标年的风光规划装机最优配比。
图3(a)是2021年不同风光规划装机配比对风光弃电量的影响，当2021年某区域电网风光规划装机最优配比为1:1.86，即当风电装机为675.5万千瓦，光伏装机为1254.5万千瓦时，此时风光弃电量最小，为841.4万千瓦时，比现有风光装机配比(1:3.05)的情况下多消纳1601.9万千瓦时，使弃电率由0.21％降至 0.06％。
若以计算得到的风光规划装机最优配比1:1.86配置2021年的风光新能源装机容量，可在原有1930万千瓦风光装机的基础上新增180万千瓦的风光装机容量，即风光总装机容量达到2110万千瓦时，风光弃电率才为现有风光装机配比 (1:3.05)下的弃电率0.21％。很明显，优化现有风光装机配比可以大幅度提高新能源消纳。
图3(b)是2022年不同风光规划装机配比对风光弃电量的影响，当2022年某区域电网风光规划装机最优配比为1:1.78，即当风电装机为766.8万千瓦，光伏装机为1363.2万千瓦时，此时风光弃电量最小，为1239.5万千瓦时，比2022 年现有风光装机配比的情况下多消纳2283.5万千瓦时，使弃电率由0.26％降至 0.09％。
若以计算得到的风光规划装机最优配比1:1.78配置2022年的风光新能源装机容量，可在原有2130万千瓦风光装机的基础上新增208万千瓦的风光装机容量，即风光总装机容量达到2338万千瓦时，风光弃电率才为现有风光装机配比 (1:3.05)下的弃电率0.26％。
由上述结果可知：
(1)根据区域电网目标年的风光规划装机最优配比，按此配置风光装机容量能够有效地增加新能源消纳空间，降低风光弃电率。
(2)从2018-2020年某区域电网历史运行情况看，因某区域电网负荷峰谷差较小，故夜间对风电的消纳能力较强，没有发生弃电，而午间光伏大发阶段却多次发生弃电。这说明从降低风光弃电量的角度，目前1:3.05的风光配比并不合理，光伏占比明显过高了。采用实施例1所述方法计算得到2021年、2022 年的风光规划装机最优配比分别为1:1.86、1:1.78，与上述分析结果一致，即大幅度提高某区域电网现有风光装机结构中风电的容量占比，会更好的提高其对新能源发电的消纳能力。
(3)随着负荷和风光渗透率的增加，2022年风电装机容量占比的最优解较 2021年略微增大，在风光规划装机最优配比1:1.78处达到弃风光电量最小，若进一步增大风电装机占比，则会因单位风电装机容量所带来的夜间弃电量大于光伏日间弃电量，而使总弃电量增大；相反，若减少风电装机占比，则会因单位风电装机容量所带来的夜间弃电量小于光伏日间弃电量，也会使总弃电量增大。
步骤4：基于计算得到的新能源消纳空间，以统计时间内的弃电电量最小为目标，对风光规划装机最优配比情况下的储能容量进行优化配置，得到储能容量的最优配置。
本实施例中，储能介质选取的蓄电池模块额定参数为：充放电功率为3MW，储能模块容量为6MWh，充放电效率均取90％，循环使用寿命选取为5000次。
如图4(a)所示某区域电网2021年现有风光装机配比1:3.05下不同储能功率容量及所对应的弃电量关系。由图可知，若2021年某区域电网按照291万千万 /582万千瓦时配置储能(占新能源装机容量的15.1％)、弃电率可由0.21％降至 0％。此外，随着储能配置容量的增加，弃电率变化幅度先有明显的下降，后逐渐减小，所以在储能配置规划时，应考虑储能投资的单位容量经济效益。
如图4(b)所示某区域电网2022年现有风光装机配比1:3.05下不同储能功率容量及所对应的弃电量关系。由图可知，若2022年某区域电网按照359万千瓦 /718万千瓦时配置储能(占新能源装机容量的16.9％)、弃电率可由0.26％降至 0％。此外，由于2022年的风光装机容量增加使得风光总出力增加，而消纳空间的增幅并不大，导致了相应弃电量的增加，因此在相同的弃电率下，2022年配置的储能容量高于2021年。
如图5(a)所示为某区域电网2021年风光装机最优配比1:1.86下不同储能功率容量及所对应的弃电量关系。由图可知，若2021年某区域电网按照234万千瓦/486万千瓦时配置储能(占新能源装机容量的12.1％)、弃电率可由0.06％降至0％。对比图4(a)和图5(a)可知，若同样使2021年弃电率降为0％，风光装机容量为风光规划装机最优配比(1:1.86)情况下可以比现有风光装机配比 (1:3.05)情况下少配置57万千瓦(占新能源装机容量的3.0％)的储能功率容量，因此合理的风光装机配比有利于减少储能配置的容量，从而减少储能装置的配置费用。
如图5(b)所示为某区域电网2022年风光装机最优配比1:1.78下不同储能功率容量及所对应的弃电量关系。由图可知，若2022年某区域电网按照285万千瓦/570万千瓦时配置储能(占新能源装机容量的13.4％)、弃电率可由0.09％降至0％。对比图4(b)和图5(b)可知，若同样使2022年弃电率降为0％，风光装机容量为风光规划装机最优配比(1:1.78)情况下可以比现有风光装机配比 (1:3.05)情况下少配置54万千瓦(占新能源装机容量的2.5％)的储能功率容量。
实施例3：
本发明实施例提供了一种面向区域电网风光消纳的储能优化配置系统，包括：
生成模块：用于根据区域电网历史年的风电、光伏出力数据，生成目标年的风光出力场景；
计算模块：用于采用预设的新能源消纳评估模型对目标年的风光出力场景进行计算，得到区域电网目标年的新能源消纳空间；
第一优化模块：用于以统计时间内的风光弃电量最小为目标对风光规划装机配比进行优化，得到区域电网目标年的风光规划装机最优配比；
第二优化模块：用于基于计算得到的新能源消纳空间，以统计时间内的弃电电量最小为目标，对风光规划装机最优配比情况下的储能容量进行优化配置，得到储能容量的最优配置。
实施例4：
本发明实施例提供了一种电力监控系统运维风险分析系统，包括处理器及存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行实施例一所述方法的步骤。
实施例5：
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现实施例一所述方法的步骤。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、 CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
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。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (10)

1.一种面向区域电网风光消纳的储能优化配置方法，其特征在于，包括：
根据区域电网历史年的风电、光伏出力数据，生成目标年的风光出力场景；
采用预设的新能源消纳评估模型对目标年的风光出力场景进行计算，得到区域电网目标年的新能源消纳空间；
以统计时间内的风光弃电量最小为目标对风光规划装机配比进行优化，得到区域电网目标年的风光规划装机最优配比；
基于计算得到的新能源消纳空间，以统计时间内的弃电电量最小为目标，对风光规划装机最优配比情况下的储能容量进行优化配置，得到储能容量的最优配置。
2.根据权利要求1所述的面向区域电网风光消纳的储能优化配置方法，其特征在于，所述生成目标年的风光出力场景，包括：
基于区域电网历史年的风电、光伏出力数据，计算各时刻风电、光伏出力区间的概率分布，随机抽样生成风电、光伏初始出力场景集；
结合风电、光伏多年理论功率的平均波动序列对初始出力场景集进行重构，生成风电、光伏出力场景集，即为目标年的风光出力场景。
3.根据权利要求1所述的面向区域电网风光消纳的储能优化配置方法，其特征在于，所述预设的新能源消纳评估模型，包括：
根据上述风光出力模拟，计算在t时刻风电、光伏总出力PH(t)的计算式：
PH(t)＝PW(t)+PS(t) (1)
式(1)中，时刻t＝1,2,···,N，PW(t)为t时刻风电出力；PS(t)为t时刻光伏出力；
则第d天t时刻的新能源消纳空间PACC(t)的计算式：
Figure FDA0003526627850000021
式(2)中，PL(t)为t时刻的调度口径负荷；PL,地调为地调负荷；
Figure FDA0003526627850000022
为当月t时刻的联络线功率平均值；α为调峰能力系数；
Figure FDA0003526627850000023
为第d天的最大调度口径负荷；
Figure FDA0003526627850000024
为当月最大负荷时刻对应的联络线功率平均值，对外送出为负，反之为正；PW,95％为风电在95％概率下的出力；PRES为预留备用。
4.根据权利要求1所述的面向区域电网风光消纳的储能优化配置方法，其特征在于，所述得到目标年区域电网的风光规划装机最优配比，包括：
初始化风电装机容量占风光总装机容量的比例为α；
计算风电装机容量占风光总装机容量的比例为α时，t时刻的风光总出力PH,α(t)；
计算风电装机容量占风光总装机容量的比例为α时，t时刻的风光弃电功率PR,α(t)，通过下式计算：
Figure FDA0003526627850000025
式(3)中，PH,α(t)为t时刻的风光总出力，PACC(t)为t时刻的新能源消纳空间；
调节风、光规划装机容量比例，使统计时间T内的风光弃电量γ最小，则优化表达式为：
Figure FDA0003526627850000026
式(4)中，Δt为统计时间内的采样频率；
求解式(4)，得到目标年区域电网的风光规划装机最优配比。
5.根据权利要求1所述的面向区域电网风光消纳的储能优化配置方法，其特征在于，所述得到储能容量的最优配置，包括：
计算风电装机容量占风光总装机容量的比例为α时，t时刻的风光总出力PH,α(t)；
以统计时间T内的弃电电量最小为目标，储能容量优化配置表达式为
Figure FDA0003526627850000031
式(5)中，γα,BESS为最优风光配比下，并加入储能后的弃电量；PACC(t)为t时刻的新能源消纳空间；Δt为统计时间内的采样频率；Pes(t)为t时刻储能输出功率，以放电为正，充电为负，通过下式表示：
Pes(t)＝Pes_DIS(t)-Pes_C(t) (6)
式(6)中，Pes_C(t)为t时刻储能的充电功率；Pes_DIS(t)为t时刻储能的放电功率；
通过储能充放电约束、储能SOC约束和储能日充放电次数约束为约束条件，计算储能容量优化配置表达式，得到储能容量的最优配置。
6.根据权利要求5所述的面向区域电网风光消纳的储能优化配置方法，其特征在于，所述储能充放电约束，通过下式表示：
Figure FDA0003526627850000032
式(7)中，Pes_C(t)为t时刻储能的充电功率；Pes_DIS(t)为t时刻储能的放电功率；Ses_C(t)为t时刻的储能充电状态，0表示不充电，1表示充电；Ses_DIS(t)为t时刻的储能放电状态，0表示不放电，1表示放电；ηC为储能充电效率；
Figure FDA0003526627850000033
为储能放电效率；Pes_C为储能的额定充电功率；Pes_DIS为储能的额定放电功率。
7.根据权利要求5所述的面向区域电网风光消纳的储能优化配置方法，其特征在于，所述储能SOC约束，通过下式表示：
Figure FDA0003526627850000041
式(8)中，SOC(t)为t时刻的储能荷电状态；SOC(t-1)为t-1时刻的储能荷电状态；SOCmin为储能设备允许的最低荷电状态；SOCmax为储能设备允许的最高荷电状态；Pes(t)为t时刻储能输出功率；Ees为配置的储能容量；
且储能设备在统计时间T结束时和开始时的存储的能量系统，则：
SOC(0)＝SOC(T) (9)
式(9)中，SOC(0)为初始荷电状态，SOC(T)为统计时间T结束时的荷电状态。
8.根据权利要求5所述的面向区域电网风光消纳的储能优化配置方法，其特征在于，所述储能日充放电次数约束，通过下式表示：
Figure FDA0003526627850000042
式(10)中，NC(day)为储能设备日充电次数；NC,max为储能设备日最大充电次数；NDIS(day)为储能设备日放电次数；NDIS,max为储能设备日最大放电次数。
9.根据权利要求4或5所述的面向区域电网风光消纳的储能优化配置方法，其特征在于，所述计算风电装机容量占风光总装机容量的比例为α时，t时刻的风光总出力PH,α(t)，通过下式计算：
Figure FDA0003526627850000043
式(11)中，PN为区域电网风光总装机容量，单位为MW；
Figure FDA0003526627850000044
为t时刻风电出力标幺值；
Figure FDA0003526627850000045
为t时刻光伏出力标幺值。
10.一种面向区域电网风光消纳的储能优化配置系统，其特征在于，包括：
生成模块：用于根据区域电网历史年的风电、光伏出力数据，生成目标年的风光出力场景；
计算模块：用于采用预设的新能源消纳评估模型对目标年的风光出力场景进行计算，得到区域电网目标年的新能源消纳空间；
第一优化模块：用于以统计时间内的风光弃电量最小为目标对风光规划装机配比进行优化，得到区域电网目标年的风光规划装机最优配比；
第二优化模块：用于基于计算得到的新能源消纳空间，以统计时间内的弃电电量最小为目标，对风光规划装机最优配比情况下的储能容量进行优化配置，得到储能容量的最优配置。
CN202210198062.2A 2022-03-01 2022-03-01 一种面向区域电网风光消纳的储能优化配置方法及系统 Pending CN114529100A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210198062.2A CN114529100A (zh) 2022-03-01 2022-03-01 一种面向区域电网风光消纳的储能优化配置方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210198062.2A CN114529100A (zh) 2022-03-01 2022-03-01 一种面向区域电网风光消纳的储能优化配置方法及系统

Publications (1)

Publication Number Publication Date
CN114529100A true CN114529100A (zh) 2022-05-24

Family

ID=81626476

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210198062.2A Pending CN114529100A (zh) 2022-03-01 2022-03-01 一种面向区域电网风光消纳的储能优化配置方法及系统

Country Status (1)

Country Link
CN (1) CN114529100A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115864397A (zh) * 2023-02-03 2023-03-28 国网山东省电力公司东营市东营区供电公司 一种电网新能源资源规划优化方法、系统、终端及介质
CN115940152A (zh) * 2023-02-22 2023-04-07 国网山东省电力公司东营市垦利区供电公司 一种新能源装机容量优化分配方法、系统、终端及介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115864397A (zh) * 2023-02-03 2023-03-28 国网山东省电力公司东营市东营区供电公司 一种电网新能源资源规划优化方法、系统、终端及介质
CN115940152A (zh) * 2023-02-22 2023-04-07 国网山东省电力公司东营市垦利区供电公司 一种新能源装机容量优化分配方法、系统、终端及介质
CN115940152B (zh) * 2023-02-22 2023-08-18 国网山东省电力公司东营市垦利区供电公司 一种新能源装机容量优化分配方法、系统、终端及介质

Similar Documents

Publication Publication Date Title
Li et al. On the determination of battery energy storage capacity and short-term power dispatch of a wind farm
CN111200293B (zh) 基于电池损耗和分布式电网电池储能日前随机调度的方法
CN111404206B (zh) 考虑投资回报约束的风光储发电系统容量双层规划方法
CN110633854A (zh) 一种考虑储能电池多重分段服务全生命周期优化规划方法
CN114529100A (zh) 一种面向区域电网风光消纳的储能优化配置方法及系统
CN111641205B (zh) 一种基于随机优化的主动配电网故障管理方法
CN111626527A (zh) 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法
CN112821463B (zh) 基于风、光随机性的主动配电网多目标日前优化调度方法
Chen et al. Energy storage sizing for dispatchability of wind farm
CN117913914A (zh) 基于电量分类的一体化项目并网多时段调度方法及装置
CN112307603B (zh) 考虑大规模风电接入的混合储能容量优化配置方法及系统
CN114465226A (zh) 一种电力系统多级备用获取联合优化模型的建立方法
CN111146793B (zh) 基于功率特征提取的光伏-储能系统容量优化设计方法及系统
Wang et al. Research on evaluation of multi-timescale flexibility and energy storage deployment for the high-penetration renewable energy of power systems
CN112016186A (zh) 一种基于随机场景构建的年度弃风、弃光率计算方法
CN116683461A (zh) 一种考虑不确定性的虚拟电厂随机鲁棒调度控制方法
Yao et al. Determination of a dispatch strategy to maximize income for a wind turbine-BESS power station
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
CN112861376B (zh) 一种基于单元调度模型的评估方法及装置
CN108683211A (zh) 一种考虑分布式电源波动性的虚拟发电厂组合优化方法及模型
CN113964819A (zh) 一种考虑风电场参与调频的电力系统运行优化方法及装置
CN114626180A (zh) 配电网集中式储能优化配置方法及装置
Li et al. Method of Market Participation for Wind/Photovoltaic/Energy Storage Based on KKT Condition
CN116799836A (zh) 一种新能源场站配置储能效益评估方法及系统
Li et al. A resilience enhancement method for high proportional renewable energy systems under source-load risk scenarios

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