CN114629135A - 风储调频容量的调节方法、装置、计算机设备及存储介质 - Google Patents
风储调频容量的调节方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN114629135A CN114629135A CN202210244339.0A CN202210244339A CN114629135A CN 114629135 A CN114629135 A CN 114629135A CN 202210244339 A CN202210244339 A CN 202210244339A CN 114629135 A CN114629135 A CN 114629135A
- Authority
- CN
- China
- Prior art keywords
- wind
- power
- frequency modulation
- target
- model
- 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
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
- H02J3/24—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
- H02J3/466—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
- H02J2203/20—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
- H02J2300/28—The renewable source being wind energy
Abstract
本申请提出一种风储调频容量的调节方法,所述方法适用于风储发电系统,所述方法包括:获取所述风储发电系统的系统数据与全生命周期数据;基于所述系统数据建立目标系统运行模型,基于所述全生命周期数据建立目标碳排放数学模型;通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率;根据所述最优调频功率进行风储调频容量的动态调节。
Description
技术领域
本申请涉及清洁能原领域,尤其涉及一种风储调频容量的调节方法、装置、计算机设备及存储介质。
背景技术
依据电力系统网源协调相关技术规范要求,新能源发电系统应具有参与电网一次调频的能力。目前风力发电系统调频方式主要集中在增加备用容量和配备储能两种方式,其中增加备用容量方式包括转子动能控制和减载控制。转子动能控制能够对频率变化做出快速响应,但在频率恢复过程中容易造成频率二次跌落,影响风电参与调频的稳定性。减载控制虽然稳定性较好,但长时间工作在低于MPPT运行状态,会降低系统经济效益,造成弃风浪费。增设储能装置能够获得良好的动态调频效果,响应速度快控制精度高,但因储能电池容量和寿命限制,额外增加设备投资成本。
另外,构建高比例可再生能源的新型电力系统成为未来电力行业发展的主流,其中的关键就是要解决大规模可再生能源消纳问题。以风电为代表的清洁能源发电虽然在生产运行环节几乎不存在碳排放,但对于整个系统的生命周期来说,其相关组件的制造安装、操作维护和设备回收处理等环节均存在较大的碳排放量。因此在“双碳”背景下新能源发电系统参与电网调频不仅要考虑经济成本,还要考虑相关碳排放的成本。
发明内容
第一方面,提供一种风储调频容量的调节方法,所述方法适用于风储发电系统,所述方法包括:
获取所述风储发电系统的系统数据与全生命周期数据;
基于所述系统数据建立目标系统运行模型,基于所述全生命周期数据建立目标碳排放数学模型;
通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率;
根据所述最优调频功率进行风储调频容量的动态调节。
第二方面,提供一种风储调频容量的调节装置,所述装置适用于风储发电系统,所述装置包括:
数据获取模块,用于获取所述风储发电系统的系统数据与全生命周期数据;
模型建立模块,用于基于所述系统数据建立目标系统运行模型,基于所述全生命周期数据建立目标碳排放数学模型;
功率确定模块,用于通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率;
动态调节模块,用于根据所述最优调频功率进行风储调频容量的动态调节。
第三方面,提供一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该计算机程序被该处理器执行时,使得该处理器执行如下步骤:
获取所述风储发电系统的系统数据与全生命周期数据;
基于所述系统数据建立目标系统运行模型,基于所述全生命周期数据建立目标碳排放数学模型;
通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率;
根据所述最优调频功率进行风储调频容量的动态调节。
第四方面,提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如下步骤:
获取所述风储发电系统的系统数据与全生命周期数据;
基于所述系统数据建立目标系统运行模型,基于所述全生命周期数据建立目标碳排放数学模型;
通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率;
根据所述最优调频功率进行风储调频容量的动态调节。
本申请可以实现如下有益效果:本申请通过先获取所述风储发电系统的系统数据与全生命周期数据;然后基于所述系统数据建立目标系统运行模型,基于所述全生命周期数据建立目标碳排放数学模型;最后通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率,并根据所述最优调频功率进行风储调频容量的动态调节;能够在根据系统数据充分考虑到经济成本、根据全生命周期数据充分考虑到碳排放成本的基础上,求解出当前状态下的最优调频功率,以针对不同情况采用不同的调频策略,实现风储调频容量的动态调节。
附图说明
图1为本申请实施例提供的一种风储调频容量的调节方法的流程示意图;
图2为本申请实施例提供的一种风储调频容量的调节装置的结构示意图;
图3为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本申请的技术方案适用于风储发电系统,具体的,本申请用于电力系统频率发生波动时,将风力发电机组功率备用控制与储能控制相结合,以保持电力系统频率稳定且提高风电场收益的应用场景。
如图1所示,本申请提出一种风储调频容量的调节方法,所述方法适用于风储发电系统,所述方法包括:
步骤101,获取所述风储发电系统的系统数据与全生命周期数据。
其中,所述系统数据是指所述风储发电系统参与电网一次调频过程中所述风储发电系统的系统运行数据,在实际应用中,所述风储发电系统至少包括风力发电机组与储能系统。所述系统数据包括但不限于风力发电机组最大输出功率、储能系统SOC参数。具体的,SOC是指储能系统剩余电量占标准容量的百分比。
其中,基于所述风储发电系统参与电网一次调频过程,以获取所述风储发电系统的系统数据。具体的,实际调频过程中考虑到电网负荷预测值与实际负荷数值存在偏差情况,结合以往电网负荷预测值与实际值偏差量统计设置动态系数,根据所述动态系数对往电网负荷预测值与实际值进行建立功率平衡方程,以确定所述风储发电系统参与一次调频的系统数据。需要说明的是,所述动态系数用于指示所述电网负荷预测值与实际值偏差的程度。
其中,所述全生命周期数据至少包括所述风储发电系统的设备更换费用、储能系统和风力发电机组的运行维护费用。
步骤102,基于所述系统数据建立目标系统运行模型,基于所述全生命周期数据建立目标碳排放数学模型。
其中,所述风储发电系统参与电网调频不仅要考虑调频任务完成情况,还要依据实际情况合理考虑经济运行成本和环境保护成本。具体的,经济运行成本主要是指所述风储发电系统的运行成本数据,环境保护成本主要是指所述风储发电系统的碳排放数据。
其中,所述目标系统运行模型用于将所述风储发电系统的运行成本数据考虑到调频任务中,所述目标碳排放数学模型用于将所述风储发电系统的碳排放数据考虑到调频任务中。
在具体的实施例中,所述基于所述系统数据建立目标系统运行模型之前,还包括:获取所述风储发电系统的运行成本数据;所述基于所述系统数据建立目标系统运行模型,包括:基于所述系统数据建立初始系统运行模型;基于所述运行成本数据对所述初始系统运行模型进行优化,得到目标系统运行模型。
具体的,所述初始系统运行模型包括风速不变时风力发电机组输出功率模型,所述风速不变时风力发电机组输出功率模型为:
其中,ρ为空气密度,Vw为风速,S为风力发电机组叶轮受风面积,CP为风能利用系数,Pm为风力发电机组输出的机械功率,Pv为风力发电机组输出的气动功率,λ为叶尖速比,β为桨距角。
其中,风能利用系数CP又是叶尖速比λ和桨距角β的函数:
其中,R为风轮半径;C1~C6为常系数;λi为中间变量,λ为叶尖速比,β为桨距角,V为实际风速,ωwt为转速。在风力发电机组参与一次调频的快速响应过程中,若要改变气动功率Pv可通过调整风能利用系数CP来达到。具体的,调节转速ωwt和桨距角β均可改变风能利用系数CP。
具体的,考虑到风速变具有较强的随机性和间歇性,因此通过风速概率分布模型来描述风速变化。双参数的Weibull分布模型被广泛应用于拟合风速的概率分布,具有形式简单、拟合分布良好的优点,其概率分布密度函数为:
具体的,所述初始系统运行模型还包括风速变化时风力发电机组输出功率模型,所述风速变化时风力发电机组输出功率模型为:
其中,V为实际风速,Vci为切入风速,VR为切出风速,PR为风力发电机组额定功率,Pw为风力发电机组输出功率;
其中,实际风速V低于切入风速Vci时,风力发电机组输出功率Pw为0;额定风速以上切出风速VR以下时,风力发电机组输出功率Pw为风力发电机组额定功率PR。
具体的,所述初始系统运行模型还包括储能系统模型,所述储能系统模型包括:
储能系统充电模型:
储能系统放电模型:
其中,λSOC充(t)为充电过程中t时刻储能系统的SOC,λSOC放(t)为放电过程中t时刻储能系统的SOC,λSOCO为初始时刻储能系统的SOC,PESS为储能系统充放电功率,SESS为储能系统容量;
其中,SOC是指储能系统剩余电量占标准容量的百分比。
在实际应用中,所述风速不变时风力发电机组输出功率模型、所述风速变化时风力发电机组输出功率模型以及所述储能系统模型统一为所述初始系统运行模型。其中,风力发电和风速变化有关,储能设备和容量配置有关,也有系统调频需求功率有关。
具体的,所述风储发电系统参与一次调频其相关组件的操作维护和设备回收处理等环节均存在较大的碳排放量,因此,对于所述风储发电系统参与一次调频需要考虑运行成本,也就是经济成本。故,在基于所述系统数据建立初始系统运行模型之后,可以基于所述运行成本数据对所述初始系统运行模型进行优化,得到目标系统运行模型,以通过所述目标系统运行模型将所述风储发电系统的运行成本数据考虑到调频任务中。
其中,所述运行成本包括所述储能系统的损耗,具体的,放电深度越大,所述储能系统循环寿命越短,系统运行成本越高。其中,循环寿命Nctf与放电深度RDOD的关系如下:
其中,所述储能系统的损耗百分比RLoss如下:
其中,Nctf(RDOD(k))为放电深度所对应的循环寿命。
其中,所述运行成本还至少包括每个部分的投资成本和整个项目周期的替换成本、维护成本。所述风储发电系统总成本最小计算公式为:
式中,Dw为风储发电系统总成本,Cw为风力发电机组单价,Nw为风电场中风力发电机组数量,Crepw为风力发电机组替换成本,Conw为风力发电机组运行维护成本,Tw为风力发电机组寿命周期,Ta为项目周期,r为折现率。具体的,所述折现率r可以取5%。
通过将所述储能系统的损耗百分比计算公式以及所述风储发电系统总成本最小计算公式作为所述初始系统运行模型的目标函数,便可对所述初始系统运行模型进行优化,得到考虑所述储能系统损耗的目标系统运行模型。
在具体的实施例中,所述基于所述全生命周期数据建立目标碳排放数学模型,包括:基于所述全生命周期数据建立碳排放数学模型;通过所述碳排放数学模型计算所述风储发电系统的全生命周期碳排放量;获取所述风储发电系统的全生命周期发电量;根据所述全生命周期发电量以及所述全生命周期碳排放量建立目标碳排放数学模型。
其中,环保成本主要考虑碳排放量对配备储能的容量以及风力发电备用容量的影响。基于所述全生命周期数据建立碳排放数学模型,具体的,建立碳排放IO-LCA核算模型:
Yi=Yc+Yo+Yom+Yd;
其中,B为所述风储发电系统的全生命周期碳排放量,具体的,为电力相关部门全生命周期的碳排放量,单位为kg;n为与电力部门有关的整个上下游产业链的部门数量;n×n维对角矩阵ER为与电力部门有关的整个上下游产业链的碳排放强度,即单位生产总值增长带来的CO2排放量,kg/元;n×n维矩阵 [I-A]-1为列昂惕夫逆矩阵,具体的,为完全消耗系数矩阵,其中元素表示部门生产一单位产品或服务所需要其他部门产品或服务的直接投入量和间接投入量之和;n×1维列向量Yi为各部门总支出价值量,单位为元;Yc、Yo、Yom和Yd分别为电力相关部门设备制作安装的成本、生产运行成本、操作维护成本和回收处理成本,单位为元。
计算电力相关部门全生命周期产出量:
其中,Ew为风电场全生命周期的发电量,单位为kWh;Pw为风力发电机组的额定功率,Tw为风力发电机组寿命周期,Δt是全生命周期。
计算电力部门碳排放系数:
其中,Bw为全生命周期的碳排放量,单位为kg;Ew为风电场全生命周期的发电量,单位为kWh。
风储发电系统碳排放量最小的计算公式:
式中,Pw为风力发电机组的额定功率,Rw电力部门碳排放系数,Δt是全生命周期。
通过所述风储发电系统碳排放量最小的计算公式便可将所述风储发电系统的碳排放数据考虑到调频任务中。
步骤103,通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率。
其中,在通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算之前,还需要依据运行工况为所述目标系统运行模型、所述目标碳排放数学模型设置合理的约束条件。比如风力发电机组输出功率约束条件:
0<<Pw,all<<Pw,max;
通过风力发电机组输出功率约束条件将风力发电机组输出功率约束在最大功率以下。
风力发电机组转速约束条件:
0<<wj<<wr,j;
通过风力发电机组转速约束条件,将风力发电机组转速限制在额定出力范围内。
具体的,还可以同时限制储能系统充放电功率上下限,储能系统不可同时充放电以及超出电池SOC上下限。
在具体的实施例中,所述通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率,包括:获取寻优计算约束条件;基于所述寻优算法约束条件,通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率。
其中,依托的算法为多目标粒子群算法,对已合理的约束条件的所述目标系统运行模型、所述目标碳排放数学模型进行计算,具体的,迭代次数、学习因子以及权重系数根据收敛速度进行动态调整,保证具有全局快速寻优的能力。最终输出的结果为所述风储发电系统参与电网一次调频的最优调频功率,以合理配置储能容量和风电调频备用容量的比例。
步骤104,根据所述最优调频功率进行风储调频容量的动态调节。
其中,得到所述风储发电系统参与电网一次调频的最优调频功率后,依据所述最优调频功率来进行风储调频的容量动态分配,原则为尽量使得风能利用率最大,方法为动态调整法。根据风速大小分为三挡,当风速较低时,利用储能系统快速的响应特性,采用储能系统调节频率,以所述最优调频功率配置储能容量和风电调频备用容量的比例;当风速接近额定风速时,采用固定减载比使系统工作于MPPT以下,留出的备用容量依据所述最优调频功率配置储能容量和风电调频备用容量的比例得到;当风速超过额定风速时,采用变桨距角控制,具体控制角度依据所述初始系统运行模型以及通过所述最优调频功率配置储能容量和风电调频备用容量的比例得到。
本申请通过先获取所述风储发电系统的系统数据与全生命周期数据;然后基于所述系统数据建立目标系统运行模型,基于所述全生命周期数据建立目标碳排放数学模型;最后通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率,并根据所述最优调频功率进行风储调频容量的动态调节;能够在根据系统数据充分考虑到经济成本、根据全生命周期数据充分考虑到碳排放成本的基础上,求解出当前状态下的最优调频功率,以针对不同情况采用不同的调频策略,实现风储调频容量的动态调节。
如图2所示,本申请提出一种风储调频容量的调节装置,所述装置适用于风储发电系统,所述装置包括:
数据获取模块201,用于获取所述风储发电系统的系统数据与全生命周期数据;
模型建立模块202,用于基于所述系统数据建立目标系统运行模型,基于所述全生命周期数据建立目标碳排放数学模型;
功率确定模块203,用于通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率;
动态调节模块204,用于根据所述最优调频功率进行风储调频容量的动态调节。
如图3所示,在一个实施例中,为一种计算机设备的内部结构图。该计算机设备可以是一种风储调频容量的调节装置、或与一种风储调频容量的调节装置连接的终端或服务器。如图3所示,该计算机设备包括通过系统总线连接的处理器、存储器、和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现一种风储调频容量的调节方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行一种风储调频容量的调节方法。网络接口用于与外接进行通信。本领域技术人员可以理解,图3中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的一种风储调频容量的调节方法可以实现为一种计算机程序的形式,计算机程序可在如图3所示的计算机设备上运行。计算机设备的存储器中可存储组成该风储调频容量的调节装置的各个程序模板。比如,数据获取模块201,模型建立模块202,功率确定模块203,动态调节模块204。
一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该计算机程序被该处理器执行时,使得该处理器执行如下步骤:获取所述风储发电系统的系统数据与全生命周期数据;基于所述系统数据建立目标系统运行模型,基于所述全生命周期数据建立目标碳排放数学模型;通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率;根据所述最优调频功率进行风储调频容量的动态调节。
在一个实施例中,所述基于所述系统数据建立目标系统运行模型之前,还包括:获取所述风储发电系统的运行成本数据;所述基于所述系统数据建立目标系统运行模型,包括:基于所述系统数据建立初始系统运行模型;基于所述运行成本数据对所述初始系统运行模型进行优化,得到目标系统运行模型。
在一个实施例中,所述基于所述全生命周期数据建立目标碳排放数学模型,包括:基于所述全生命周期数据建立碳排放数学模型;通过所述碳排放数学模型计算所述风储发电系统的全生命周期碳排放量;获取所述风储发电系统的全生命周期发电量;根据所述全生命周期发电量以及所述全生命周期碳排放量建立目标碳排放数学模型。
在一个实施例中,所述通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率,包括:获取寻优计算约束条件;基于所述寻优算法约束条件,通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率。
在一个实施例中,所述初始系统运行模型包括风速不变时风力发电机组输出功率模型,所述风速不变时风力发电机组输出功率模型为:
其中,ρ为空气密度,Vw为风速,S为风力发电机组叶轮受风面积,CP为风能利用系数,Pm为风力发电机组输出的机械功率,Pv为风力发电机组输出的气动功率,λ为叶尖速比,β为桨距角。
在一个实施例中,所述初始系统运行模型还包括风速变化时风力发电机组输出功率模型,所述风速变化时风力发电机组输出功率模型为:
其中,V为实际风速,Vci为切入风速,VR为切出风速,PR为风力发电机组额定功率,Pw为风力发电机组输出功率;其中,实际风速V低于切入风速Vci时,风力发电机组输出功率Pw为0;额定风速以上切出风速VR以下时,风力发电机组输出功率Pw为风力发电机组额定功率PR。
在一个实施例中,所述初始系统运行模型还包括储能系统模型,所述储能系统模型包括:
储能系统充电模型:
储能系统放电模型:
其中,λSOC充(t)为充电过程中t时刻储能系统的SOC,λSOC放(t)为放电过程中t时刻储能系统的SOC,λSOCO为初始时刻储能系统的SOC,PESS为储能系统充放电功率,SESS为储能系统容量;其中,SOC是指储能系统剩余电量占标准容量的百分比。
一种计算机可读存储介质,存储有计算机程序,该计算机程序被处理器执行时,使得该处理器执行如下步骤:获取所述风储发电系统的系统数据与全生命周期数据;基于所述系统数据建立目标系统运行模型,基于所述全生命周期数据建立目标碳排放数学模型;通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率;根据所述最优调频功率进行风储调频容量的动态调节。
在一个实施例中,所述基于所述系统数据建立目标系统运行模型之前,还包括:获取所述风储发电系统的运行成本数据;所述基于所述系统数据建立目标系统运行模型,包括:基于所述系统数据建立初始系统运行模型;基于所述运行成本数据对所述初始系统运行模型进行优化,得到目标系统运行模型。
在一个实施例中,所述基于所述全生命周期数据建立目标碳排放数学模型,包括:基于所述全生命周期数据建立碳排放数学模型;通过所述碳排放数学模型计算所述风储发电系统的全生命周期碳排放量;获取所述风储发电系统的全生命周期发电量;根据所述全生命周期发电量以及所述全生命周期碳排放量建立目标碳排放数学模型。
在一个实施例中,所述通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率,包括:获取寻优计算约束条件;基于所述寻优算法约束条件,通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率。
在一个实施例中,所述初始系统运行模型包括风速不变时风力发电机组输出功率模型,所述风速不变时风力发电机组输出功率模型为:
其中,ρ为空气密度,Vw为风速,S为风力发电机组叶轮受风面积,CP为风能利用系数,Pm为风力发电机组输出的机械功率,Pv为风力发电机组输出的气动功率,λ为叶尖速比,β为桨距角。
在一个实施例中,所述初始系统运行模型还包括风速变化时风力发电机组输出功率模型,所述风速变化时风力发电机组输出功率模型为:
其中,V为实际风速,Vci为切入风速,VR为切出风速,PR为风力发电机组额定功率,Pw为风力发电机组输出功率;其中,实际风速V低于切入风速Vci时,风力发电机组输出功率Pw为0;额定风速以上切出风速VR以下时,风力发电机组输出功率Pw为风力发电机组额定功率PR。
在一个实施例中,所述初始系统运行模型还包括储能系统模型,所述储能系统模型包括:
储能系统充电模型:
储能系统放电模型:
其中,λSOC充(t)为充电过程中t时刻储能系统的SOC,λSOC放(t)为放电过程中t时刻储能系统的SOC,λSOCO为初始时刻储能系统的SOC,PESS为储能系统充放电功率,SESS为储能系统容量;其中,SOC是指储能系统剩余电量占标准容量的百分比。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only memory, ROM)或随机存储记忆体(Random Accessmemory,RAM)等。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖的范围。
Claims (10)
1.一种风储调频容量的调节方法,其特征在于,所述方法适用于风储发电系统,所述方法包括:
获取所述风储发电系统的系统数据与全生命周期数据;
基于所述系统数据建立目标系统运行模型,基于所述全生命周期数据建立目标碳排放数学模型;
通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率;
根据所述最优调频功率进行风储调频容量的动态调节。
2.根据权利要求1所述的方法,其特征在于,所述基于所述系统数据建立目标系统运行模型之前,还包括:
获取所述风储发电系统的运行成本数据;
所述基于所述系统数据建立目标系统运行模型,包括:
基于所述系统数据建立初始系统运行模型;
基于所述运行成本数据对所述初始系统运行模型进行优化,得到目标系统运行模型。
3.根据权利要求1所述的方法,其特征在于,所述基于所述全生命周期数据建立目标碳排放数学模型,包括:
基于所述全生命周期数据建立碳排放数学模型;
通过所述碳排放数学模型计算所述风储发电系统的全生命周期碳排放量;
获取所述风储发电系统的全生命周期发电量;
根据所述全生命周期发电量以及所述全生命周期碳排放量建立目标碳排放数学模型。
4.根据权利要求1所述的方法,所述通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率,包括:
获取寻优计算约束条件;
基于所述寻优算法约束条件,通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率。
8.一种风储调频容量的调节装置,其特征在于,所述装置适用于风储发电系统,所述装置包括:
数据获取模块,用于获取所述风储发电系统的系统数据与全生命周期数据;
模型建立模块,用于基于所述系统数据建立目标系统运行模型,基于所述全生命周期数据建立目标碳排放数学模型;
功率确定模块,用于通过多目标粒子算法对所述目标系统运行模型和所述目标碳排放数学模型进行寻优计算,得到所述风储发电系统参与电网一次调频的最优调频功率;
动态调节模块,用于根据所述最优调频功率进行风储调频容量的动态调节。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1-7所述方法的步骤。
10.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1-7所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210244339.0A CN114629135A (zh) | 2022-03-11 | 2022-03-11 | 风储调频容量的调节方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210244339.0A CN114629135A (zh) | 2022-03-11 | 2022-03-11 | 风储调频容量的调节方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114629135A true CN114629135A (zh) | 2022-06-14 |
Family
ID=81901758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210244339.0A Pending CN114629135A (zh) | 2022-03-11 | 2022-03-11 | 风储调频容量的调节方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114629135A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115186939A (zh) * | 2022-09-09 | 2022-10-14 | 中科航迈数控软件(深圳)有限公司 | 一种加工设备的全生命周期碳排放量预测方法 |
-
2022
- 2022-03-11 CN CN202210244339.0A patent/CN114629135A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115186939A (zh) * | 2022-09-09 | 2022-10-14 | 中科航迈数控软件(深圳)有限公司 | 一种加工设备的全生命周期碳排放量预测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109325608B (zh) | 考虑储能并计及光伏随机性的分布式电源优化配置方法 | |
CN108667052B (zh) | 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统 | |
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 | |
CN111697578B (zh) | 多目标含储能区域电网运行控制方法 | |
CN110084465B (zh) | 基于储能的风力发电系统成本/供电可靠性评估方法 | |
CN115173453A (zh) | 一种储能辅助电网调峰的优化配置方法 | |
CN115842359A (zh) | 考虑动态调频性能的风光储场站一次调频备用整定方法 | |
CN115510677B (zh) | 一种风电场发电能力评估方法及系统 | |
CN109787221A (zh) | 一种微电网电能安全经济调度方法和系统 | |
CN116957294A (zh) | 基于数字孪生的虚拟电厂参与电力市场交易的调度方法 | |
CN111523204A (zh) | 一种并网型综合能源网电-气储能系统优化配置求解方法 | |
CN114629135A (zh) | 风储调频容量的调节方法、装置、计算机设备及存储介质 | |
CN114358378A (zh) | 一种用于考虑需量管理的用户侧储能优化配置系统及方法 | |
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 | |
CN112260274A (zh) | 一种基于全景理论的虚拟电厂组建方法 | |
CN111523947A (zh) | 一种虚拟电厂发电成本生成方法 | |
CN114938040B (zh) | 源-网-荷-储交直流系统综合优化调控方法和装置 | |
CN116882575A (zh) | 一种电网调节优化方法、装置及设备 | |
CN116187019A (zh) | 一种考虑阶梯碳价的含风光储的虚拟电厂经济调度方法 | |
CN116316713A (zh) | 一种含风光和光伏的电网储能配置方法及装置 | |
Sun et al. | An investigation of battery energy storage aided wind-coal integrated energy system | |
CN114298383A (zh) | 一种虚拟电厂储能容量配置方法及装置 | |
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 | |
CN113595104A (zh) | 一种风储联合调频系统的储能容量配置方法 | |
Jun et al. | Comprehensive Evaluation of Microgrid Planning Scheme based on AHP-Entropy method |
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 |