CN114648195A - 一种电网多层级辅助服务中的储能电站智能协同调控办法 - Google Patents
一种电网多层级辅助服务中的储能电站智能协同调控办法 Download PDFInfo
- Publication number
- CN114648195A CN114648195A CN202011513760.4A CN202011513760A CN114648195A CN 114648195 A CN114648195 A CN 114648195A CN 202011513760 A CN202011513760 A CN 202011513760A CN 114648195 A CN114648195 A CN 114648195A
- Authority
- CN
- China
- Prior art keywords
- auxiliary service
- energy storage
- unit
- power
- level
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000005457 optimization Methods 0.000 claims abstract description 37
- 230000008447 perception Effects 0.000 claims abstract description 15
- 229910052720 vanadium Inorganic materials 0.000 claims abstract description 10
- LEONUFNNVUYDNQ-UHFFFAOYSA-N vanadium atom Chemical compound [V] LEONUFNNVUYDNQ-UHFFFAOYSA-N 0.000 claims abstract description 10
- 238000004088 simulation Methods 0.000 claims abstract description 9
- 238000007405 data analysis Methods 0.000 claims abstract description 5
- 238000007418 data mining Methods 0.000 claims abstract description 5
- 230000004044 response Effects 0.000 claims description 65
- 238000010248 power generation Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 19
- 230000009194 climbing Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 239000000446 fuel Substances 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 7
- 230000000452 restraining effect Effects 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims 2
- 230000008901 benefit Effects 0.000 abstract description 8
- 238000011217 control strategy Methods 0.000 abstract description 4
- 238000005265 energy consumption Methods 0.000 abstract description 3
- 230000001737 promoting effect Effects 0.000 abstract description 2
- 230000002146 bilateral effect Effects 0.000 description 3
- 230000002860 competitive effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001672018 Cercomela melanura Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
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
- G06Q10/06—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- H02J3/38—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Power Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (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
本发明公开了一种电网多层级辅助服务中的储能电站智能协同调控办法,所述方法包括:基于多重时间窗口宽度大数据分析与挖掘方法对多层级辅助服务需求与能力态势进行感知;构建大规模储能电站参与多层级辅助服务的月度—日前—日内三级协调优化调度模型,构建面向各层级辅助服务的钒液流电池等效仿真模型及智能态势感知模型;在各层级辅助服务预留调控空间内,基于储能电站态势感知信息,研究储能电站参与多层级辅助服务的智能协调优化控制策略。本发明能够实现以促进新能源消纳、提升电网运行安全指标并兼顾储能电站经济性为目标的储能资源全时间尺度智能调控,提高能源利用综合效益。
Description
技术领域
本发明涉及电网多层级辅助服务的技术领域,尤其涉及一种电网多层级辅助服务中的储能电站智能协同调控办法。
背景技术
大规模储能系统容量大、调节灵活,其可通过参与调峰市场或集中统一调度,通过储能的时移特性移峰填谷,有效提升系统的调峰能力,在一定程度上解决风电的反调峰问题。同时,储能作为调峰资源能够缓解火电机组的深度调峰压力,使火电机组能够在相对高负荷率水平运行,改善机组燃煤效率。
大规模储能系统可以在毫秒级精确控制充放电功率,在电网调频方面有着显著的优势,具体表现为:储能系统响应速度快,调节延迟小,可在毫秒级时间范围内实现满功率输出;储能系统控制精度高,能够在额定功率范围内的任何功率点保持稳定输出;储能系统可实现双向调节,提供其额定功率双倍的调频容量。
大规模储能系统具备功率快速支撑能力,可将大电网故障应急处理时间从分钟级缩短至毫秒级,为大电网提供虚拟同步惯量,能够提高系统安全稳定保障能力。
综上,大规模储能系统在调峰、调频、惯性等诸多与有功功率平衡相关的辅助服务中均具有优异的调节性能,对电网安全稳定运行将起到更多的积极作用,未来将成为提升电力系统灵活性、经济性和安全性的重要手段。
发明内容
本发明针对上述问题,提供一种电网多层级辅助服务中的储能电站智能协同调控办法,以提高监控人员对电网实时运行状态的主动感知能力,降低电网中变电站设备运行的故障率。
为了达到上述目的,本发明提供了一种电网多层级辅助服务中的储能电站智能协同调控办法,所述方法包括:
S1:对多层级辅助服务需求与能力态势进行感知,所述多层级辅助服务需求与能力包括惯性响应、频率响应、自动发电控制的辅助服务需求数量以及电力系统所具备的调节能力;
S2:构建大规模储能电站参与多层级辅助服务的月度—日前—日内三级协调优化调度模型,构建钒液流电池等效仿真模型及智能态势感知模型;
S3:基于所述多层级辅助服务需求与能力态势的感知信息,根据月度—日前—日内三级协调优化调度模型与钒液流电池等效仿真模型以及智能态势感知模型,建立储能电站参与多层级辅助服务的智能协调优化目标函数;所述智能协调优化目标函数为:
式中,C为总发电成本;N为机组总数;i表示第i台机组,i=1,2,…,N; T为调度周期内的时刻总数;t表示第t时刻,t=1,2,…,T;Fi,t为第i台机组在第t时刻的燃料成本;为为第i台机组在第t时刻的启动成本,为第i 台机组在第t时刻的停机成本;Ui,t为第i台机组在第t时刻的状态参数,Ui,t-1为第i台机组在第t-1时刻的状态参数,1表示开机状态,0表示停机状态;
所述智能协调优化目标函数中燃料成本的计算方法为:
Fi,t=aiPi,t 2+biPi,t+ci
其中,Pi,t为第i台机组在第t时刻输出的有功功率;ai、bi、ci为第i台机组燃料成本函数的系数;
所述启动成本的计算公式如下:
S4:根据所述智能协调优化目标函数的优化结果,制定储能电站参与多层级辅助服务的运行容量调整策略。
优选方式下,所述感知惯性响应的辅助服务需求与能力态势的方法为:
S1:基于频率估计法,结合电力系统转子运动方程计算惯性响应辅助服务最小需求;
S2:根据物理与数据融合建模方法,基于电力系统受扰后的频率变化数据采用机器学习算法表征物理模型误差的关联关系,并对物理模型的惯性响应能力的计算结果进行修正;所述惯性响应能力的计算公式为:
其中ESG为机组转子动能的变化量,SSG为发电机的额定视在功率,ωe,0为电力系统额定频率对应的电角速度,HSG为同步发电机组在额定转速时单位容量所具有的动能,称为惯性时间常数;
S3:对惯性响应的辅助服务需求与调节能力进行态势对比分析,利用数理统计方法,获得描述惯性响应辅助服务需求与能力态势的特征指标及不确定性程度指数。
优选方式下,所述感知频率响应的辅助服务需求与能力态势的方法为:
S1:基于电力系统最大单一故障容量,结合大扰动下频率稳定要求,计算电力系统频率响应辅助服务最小需求;
S2:建立常规机组频率响应模型,基于实测数据利用大数据分析与挖掘方法计算常规机组动态频率响应能力,感知电力系统动态频率响应能力;
所述频率响应能力的计算公式为:
式中,βi为第i台机组的自然频率特性系数,Di为第i个负荷的阻尼系数, NG为电力系统内机组数量,ND为电力系统内负荷数量,βsys为电力系统频率响应能力总和;
S3:对频率响应的辅助服务需求与调节能力进行态势对比分析,利用数理统计方法,获得描述频率响应需求与能力态势的特征指标及不确定性程度指数。
优选方式下,所述感知自动发电控制的辅助服务需求与能力态势的方法为:
S1:通过分析频率序列、ACE序列和CPS指标序列之间的内在关联,计算自动发电控制辅助服务需求;
S2:依据电力系统在线机组情况及其爬坡能力,感知电力系统自动发电控制响应能力;
S3:对自动发电控制辅助服务需求与调节能力进行态势对比分析,利用数理统计方法获得描述自动发电控制需求与能力态势的特征指标及不确定性程度指数。
优选方式下,所述智能协调优化目标函数的约束条件包括:
机组出力上下限约束:Pi minUi,t≤Pi,t≤Pi maxUi,t
式中Pi max、Pi min分别为第i台机组的最大出力和最小出力;
机组最小启停时间约束:
式中Dt为第t时刻的系统总负荷;
电力系统备用功率约束:
式中Rt为第t时刻系统需要满足的备用功率值。
本发明的有益效果是:提升电力系统运行安全可靠性及运行灵活性,提升风、光等可再生能源消纳水平,还能够在一定程度上促进辅助服务市场的竞争活力;同时,通过对储能电站参与多层级辅助服务的协调优化调度,有助于实现储能电站的合理运用,促进储能系统储能效能的充分发挥,追求储能系统所有者收益的最大化。
附图说明
图1为本发明的流程示意图;
图2为本发明的机组状态参数表;
图3为本发明实施例中的燃料成本函数系数表;
图4为本发明实施例中的300MW机组的燃料成本明细表;
图5为本发明实施例中的机组参数表。
具体实施方式
具体实施例:
为有助于实现储能电站的合理运用,促进储能系统储能效能的充分发挥,追求储能系统所有者收益的最大化,如图1所示,本发明提出一种电网多层级辅助服务中的储能电站智能协同调控办法,所述方法包括:
S1:对多层级辅助服务需求与能力态势进行感知,所述多层级辅助服务需求与能力包括惯性响应、频率响应、自动发电控制的辅助服务需求数量以及电力系统所具备的调节能力;对各类辅助服务系统需求与调节能力进行态势对比分析,获得描述各类辅助服务需求态势的特征指标及其不确定性程度指数,为后续优化调控提供基础;
S2:构建大规模储能电站参与多层级辅助服务的月度—日前—日内三级协调优化调度模型,构建钒液流电池等效仿真模型及智能态势感知模型;即在考虑电网多层级辅助服务不确定性需求的基础上,研究大规模储能电站参与多层级辅助服务的月度—日前—日内三级协调优化调度模型,在遵循安全、优质、经济优先级次序下,确定储能电站参与各层级辅助服务的预留空间;利用系统状态信息以及系统测试信息在线估计储能电站整体特征指标值及态势信息,为大型储能电站多层级、多场景协调优化控制提供数据支撑;
S3:基于所述多层级辅助服务需求与能力态势的感知信息,根据月度—日前—日内三级协调优化调度模型与钒液流电池等效仿真模型以及智能态势感知模型,建立储能电站参与多层级辅助服务的智能协调优化目标函数;所述智能协调优化目标函数为:
式中,C为总发电成本;N为机组总数;i表示第i台机组,i=1,2,…,N; T为调度周期内的时刻总数;t表示第t时刻,t=1,2,…,T;Fi,t为第i台机组在第t时刻的燃料成本;为为第i台机组在第t时刻的启动成本,为第i 台机组在第t时刻的停机成本;Ui,t为第i台机组在第t时刻的状态参数,Ui,t-1为第i台机组在第t-1时刻的状态参数,如图2所示,1表示开机状态,0表示停机状态;
所述智能协调优化目标函数中燃料成本的计算方法为:
Fi,t=aiPi,t 2+biPi,t+ci
其中,Pi,t为第i台机组在第t时刻输出的有功功率;ai、bi、ci为第i台机组燃料成本函数的系数,如图3、4所示;
所述启动成本的计算公式如下:
所述智能协调优化目标函数的约束条件包括下述内容,其具体参数详见图 5,共有124台机组,这里仅展示部分机组参数:
机组出力上下限约束,机组受到其装机容量的限制,其出力被限制在一个闭区间内,即:
Pi minUi,t≤Pi,t≤Pi maxUi,t
式中Pi max、Pi min分别为第i台机组的最大出力和最小出力;
机组爬坡速率约束,机组的出力不能突变,只能连续性变化,其在单位时间内所能改变的出力受到爬坡速率的限制,即:
机组最小启停时间约束,机组不能在任意时刻随意启停,其在改变状态后必须至少经历最小启停时间才能再次改变状态,即:
式中Dt为第t时刻的系统总负荷,为了保证系统的稳定性与可靠性,机组必须能为系统提供足够的备用功率,即:
电力系统备用功率约束:
式中Rt为第t时刻系统需要满足的备用功率值;
S4:根据所述智能协调优化目标函数的优化结果,制定储能电站参与多层级辅助服务的运行容量调整策略;即在确定的各层级辅助服务预留调控空间内,基于储能电站态势感知信息,研究储能电站参与多层级辅助服务的智能协调优化控制策略,提升电网运行安全指标并兼顾储能电站经济性为目标的储能资源全时间尺度智能调控,提高能源利用综合效益。
利用多重时间窗口宽度大数据分析与挖掘方法,明确惯性响应、频率响应、自动发电控制等辅助服务需求数量以及系统所具备的调节能力,对各类辅助服务系统需求与调节能力进行态势对比分析,获得描述各类辅助服务需求态势的特征指标及其不确定性程度指数,为后续优化调控提供基础。所述感知惯性响应的辅助服务需求与能力态势的方法为:
S1:基于频率估计法,结合电力系统转子运动方程计算惯性响应辅助服务最小需求;
S2:根据物理与数据融合建模方法,基于电力系统受扰后的频率变化数据采用机器学习算法表征物理模型误差的关联关系,并对物理模型的惯性响应能力的计算结果进行修正;所述惯性响应能力的计算公式为:
其中ESG为机组转子动能的变化量,SSG为发电机的额定视在功率,ωe,0为电力系统额定频率对应的电角速度,HSG为同步发电机组在额定转速时单位容量所具有的动能,称为惯性时间常数;
S3:对惯性响应的辅助服务需求与调节能力进行态势对比分析,利用数理统计方法,获得描述惯性响应辅助服务需求与能力态势的特征指标及不确定性程度指数。
所述感知频率响应的辅助服务需求与能力态势的方法为:
S1:基于电力系统最大单一故障容量,结合大扰动下频率稳定要求,计算电力系统频率响应辅助服务最小需求;
S2:建立常规机组频率响应模型,基于实测数据利用大数据分析与挖掘方法计算常规机组动态频率响应能力,感知电力系统动态频率响应能力;
所述频率响应能力的计算公式为:
式中,βi为第i台机组的自然频率特性系数,Di为第i个负荷的阻尼系数,NG为电力系统内机组数量,ND为电力系统内负荷数量,βsys为电力系统频率响应能力总和;
S3:对频率响应的辅助服务需求与调节能力进行态势对比分析,利用数理统计方法,获得描述频率响应需求与能力态势的特征指标及不确定性程度指数。
所述感知自动发电控制的辅助服务需求与能力态势的方法为:
S1:通过分析频率序列、ACE序列和CPS指标序列之间的内在关联,计算自动发电控制辅助服务需求;
S2:依据电力系统在线机组情况及其爬坡能力,感知电力系统自动发电控制响应能力;
S3:对自动发电控制辅助服务需求与调节能力进行态势对比分析,利用数理统计方法获得描述自动发电控制需求与能力态势的特征指标及不确定性程度指数。
所述构建三级协调优化调度模型,构建钒液流电池等效仿真模型及智能态势感知模型的思路及方法如下:
(1)储能电站参与多层级辅助服务的预留空间月度调度为:
研究储能电站参与调峰辅助服务月度双边交易的空间预留方法;确定储能电站参与调峰月度双边交易获取的调峰份额;研究储能电站日调峰量的分配方法。
(2)储能电站参与多层级辅助服务的预留空间日前调度为:第一,储能电站参与各层级辅助服务的经济性分析,分别研究储能电站参与惯性响应、频率响应、AGC及调峰辅助服务的投入成本及惩罚成本;第二,储能电站预留空间的日前协调调度策略,研究各层级辅助服务不确定性指标的风险程度;研究考虑各层级辅助服务不确定性指标的风险分析方法;根据风险程度分析确定电网除其余资源外各层级辅助服务的需求量;针对储能电站去除月度调峰双边交易分解到日调峰空间后的剩余空间,依据安全、优质的优先级顺序原则,同时兼顾大规模储能系统的经济利益,建立储能电站参与多层级辅助服务预留空间日前协调调度模型,确定储能电站分别参与惯性响应、频率响应和AGC的预留空间,进而明确电网惯性响应、频率响应和AGC的不足量。
(3)储能电站参与多层级辅助服务的预留空间日内滚动调整为:
根据系统实时运行信息,研究各层级辅助服务在日内各调度时段的实际需求量;依据各层级辅助服务在日内各调度时段的实际需求量,确定储能系统在日内各调度时段的各层级辅助服务供应量;依据储能系统在日内各调度时段的各层级辅助服务供应量,确定储能电站参与各层级辅助服务的预留空间。
(4)储能电站运行态势智能感知与分析为:
利用变电站电气监控系统、电池管理系统和电池能量管理系统的状态信息,进行储能电站态势智能感知,确定特征指标值,完成电站调整潜力的动态估计。由于现有钒液流电池储能系统模型主要是以高维多变量电化学模型为主,难以运用于电站实时智能态势感知。为此,构建面向各层级辅助服务的钒液流电池等效仿真模型及智能态势感知模型,实现电站调整潜力的动态估计。在此基础上,可利用系统状态信息以及系统测试信息在线估计储能电站整体特征指标值及态势信息,并且能够基于感知结果估计不同运行控制模式下的储能系统容量衰退特性及其运行成本。通过储能电站运行态势智能感知与分析,能够为市场条件下的大型储能电站多层级、多场景协调优化控制提供数据支撑。
基于储能电站态势感知信息,研究储能电站参与多层级辅助服务的智能协调优化控制策略的思路及方法如下:
(1)运用人工智能技术,统筹模型层、信息层与人机交互层,基于储能电站参与调峰市场及其他辅助服务规则,研究大型储能电站多层级、多场景协调优化控制策略,在各层级预留调控空间内,实现以促进新能源消纳、提升电网运行安全指标并兼顾储能电站经济性为目标的储能资源全时间尺度智能调控,提高能源利用综合效益。
(2)研究在惯性响应、频率控制、调峰等不同模式的调度运行策略下,子站跟随主站基点功率控制模式、子站按特定目标自我控制模式等协同控制模式。结合对应调度周期的新电源功率预测、频率随机波动信息和AGC指令信息等,在日内计划中逐级考虑新能源随机性、储能特性、各类机组出力特性和备用约束,提出大容量储能运行调整策略,在较短周期偏重精细化、智能化管理控制。一方面,合理保障所提供服务的充裕性及有效性,为系统提供足够备用和系统运行调整能力;另一方面,通过合理优化管理自身荷电状态裕度,为应对不确定因素预留合理的能量及功率调整范围。
使用时,通过采用该办法可将储能电站通过为电网运行提供调峰、调频、备用、黑启动、需求响应支撑等多种服务,提升电力系统运行安全可靠性及运行灵活性,提升风、光等可再生能源消纳水平,还能够在一定程度上促进辅助服务市场的竞争活力。同时,通过对储能电站参与多层级辅助服务的协调优化调度,有助于实现储能电站的合理运用,促进储能系统储能效能的充分发挥,追求储能系统所有者收益的最大化。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (5)
1.一种电网多层级辅助服务中的储能电站智能协同调控办法,其特征在于,所述方法包括:
S1:对多层级辅助服务需求与能力态势进行感知,所述多层级辅助服务需求与能力包括惯性响应、频率响应、自动发电控制的辅助服务需求数量以及电力系统所具备的调节能力;
S2:构建大规模储能电站参与多层级辅助服务的月度—日前—日内三级协调优化调度模型,构建钒液流电池等效仿真模型及智能态势感知模型;
S3:基于所述多层级辅助服务需求与能力态势的感知信息,根据月度—日前—日内三级协调优化调度模型与钒液流电池等效仿真模型以及智能态势感知模型,建立储能电站参与多层级辅助服务的智能协调优化目标函数;所述智能协调优化目标函数为:
式中,C为总发电成本;N为机组总数;i表示第i台机组,i=1,2,…,N;T为调度周期内的时刻总数;t表示第t时刻,t=1,2,…,T;Fi,t为第i台机组在第t时刻的燃料成本;为为第i台机组在第t时刻的启动成本,为第i台机组在第t时刻的停机成本;Ui,t为第i台机组在第t时刻的状态参数,Ui,t-1为第i台机组在第t-1时刻的状态参数,1表示开机状态,0表示停机状态;
所述智能协调优化目标函数中燃料成本的计算方法为:
Fi,t=aiPi,t 2+biPi,t+ci
其中,Pi,t为第i台机组在第t时刻输出的有功功率;ai、bi、ci为第i台机组燃料成本函数的系数;
所述启动成本的计算公式如下:
S4:根据所述智能协调优化目标函数的优化结果,制定储能电站参与多层级辅助服务的运行容量调整策略。
2.根据权利要求1所述电网多层级辅助服务中的储能电站智能协同调控办法,其特征在于,所述感知惯性响应的辅助服务需求与能力态势的方法为:
S1:基于频率估计法,结合电力系统转子运动方程计算惯性响应辅助服务最小需求;
S2:根据物理与数据融合建模方法,基于电力系统受扰后的频率变化数据采用机器学习算法表征物理模型误差的关联关系,并对物理模型的惯性响应能力的计算结果进行修正;所述惯性响应能力的计算公式为:
其中ESG为机组转子动能的变化量,SSG为发电机的额定视在功率,ωe,0为电力系统额定频率对应的电角速度,HSG为同步发电机组在额定转速时单位容量所具有的动能,称为惯性时间常数;
S3:对惯性响应的辅助服务需求与调节能力进行态势对比分析,利用数理统计方法,获得描述惯性响应辅助服务需求与能力态势的特征指标及不确定性程度指数。
3.根据权利要求1所述电网多层级辅助服务中的储能电站智能协同调控办法,其特征在于,所述感知频率响应的辅助服务需求与能力态势的方法为:
S1:基于电力系统最大单一故障容量,结合大扰动下频率稳定要求,计算电力系统频率响应辅助服务最小需求;
S2:建立常规机组频率响应模型,基于实测数据利用大数据分析与挖掘方法计算常规机组动态频率响应能力,感知电力系统动态频率响应能力;
所述频率响应能力的计算公式为:
式中,βi为第i台机组的自然频率特性系数,Di为第i个负荷的阻尼系数,NG为电力系统内机组数量,ND为电力系统内负荷数量,βsys为电力系统频率响应能力总和;
S3:对频率响应的辅助服务需求与调节能力进行态势对比分析,利用数理统计方法,获得描述频率响应需求与能力态势的特征指标及不确定性程度指数。
4.根据权利要求1所述电网多层级辅助服务中的储能电站智能协同调控办法,其特征在于,所述感知自动发电控制的辅助服务需求与能力态势的方法为:
S1:通过分析频率序列、ACE序列和CPS指标序列之间的内在关联,计算自动发电控制辅助服务需求;
S2:依据电力系统在线机组情况及其爬坡能力,感知电力系统自动发电控制响应能力;
S3:对自动发电控制辅助服务需求与调节能力进行态势对比分析,利用数理统计方法获得描述自动发电控制需求与能力态势的特征指标及不确定性程度指数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011513760.4A CN114648195A (zh) | 2020-12-21 | 2020-12-21 | 一种电网多层级辅助服务中的储能电站智能协同调控办法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011513760.4A CN114648195A (zh) | 2020-12-21 | 2020-12-21 | 一种电网多层级辅助服务中的储能电站智能协同调控办法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114648195A true CN114648195A (zh) | 2022-06-21 |
Family
ID=81990873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011513760.4A Pending CN114648195A (zh) | 2020-12-21 | 2020-12-21 | 一种电网多层级辅助服务中的储能电站智能协同调控办法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114648195A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115360771A (zh) * | 2022-10-21 | 2022-11-18 | 河海大学 | 用于风储蓄电力系统的优化调度方法、装置及计算机设备 |
CN115423388A (zh) * | 2022-11-04 | 2022-12-02 | 国网浙江省电力有限公司金华供电公司 | 一种电网侧独立储能站容量动态分配方法 |
CN118014315A (zh) * | 2024-04-08 | 2024-05-10 | 太湖能谷(杭州)科技有限公司 | 一种用户侧共享储能系统参与辅助服务的调度方法和系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110055287A1 (en) * | 2010-07-02 | 2011-03-03 | David Sun | System tools for evaluating operational and financial performance from dispatchers using after the fact analysis |
WO2014110878A1 (zh) * | 2013-01-16 | 2014-07-24 | 国电南瑞科技股份有限公司 | 风火协调调度模式下日前调度计划优化辅助分析方法 |
US20170364043A1 (en) * | 2016-06-21 | 2017-12-21 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
US20200153274A1 (en) * | 2018-11-13 | 2020-05-14 | Siemens Aktiengesellschaft | Distributed energy resource management system |
CN111860965A (zh) * | 2020-06-24 | 2020-10-30 | 东南大学 | 考虑储能多类型服务的用户综合能源系统优化调度方法 |
CN111967738A (zh) * | 2020-07-31 | 2020-11-20 | 华中科技大学 | 一种电网信息能量融合系统的风险预警方法、系统和介质 |
CN112016747A (zh) * | 2020-08-26 | 2020-12-01 | 国网四川省电力公司经济技术研究院 | 一种适用于源荷储灵活资源统筹规划与运行的优化方法 |
-
2020
- 2020-12-21 CN CN202011513760.4A patent/CN114648195A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110055287A1 (en) * | 2010-07-02 | 2011-03-03 | David Sun | System tools for evaluating operational and financial performance from dispatchers using after the fact analysis |
WO2014110878A1 (zh) * | 2013-01-16 | 2014-07-24 | 国电南瑞科技股份有限公司 | 风火协调调度模式下日前调度计划优化辅助分析方法 |
US20170364043A1 (en) * | 2016-06-21 | 2017-12-21 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
US20200153274A1 (en) * | 2018-11-13 | 2020-05-14 | Siemens Aktiengesellschaft | Distributed energy resource management system |
CN111860965A (zh) * | 2020-06-24 | 2020-10-30 | 东南大学 | 考虑储能多类型服务的用户综合能源系统优化调度方法 |
CN111967738A (zh) * | 2020-07-31 | 2020-11-20 | 华中科技大学 | 一种电网信息能量融合系统的风险预警方法、系统和介质 |
CN112016747A (zh) * | 2020-08-26 | 2020-12-01 | 国网四川省电力公司经济技术研究院 | 一种适用于源荷储灵活资源统筹规划与运行的优化方法 |
Non-Patent Citations (4)
Title |
---|
姚良忠;朱凌志;周明;林振智;罗凤章;赵大伟;: "高比例可再生能源电力系统的协同优化运行技术展望", 电力系统自动化, no. 09, 10 May 2017 (2017-05-10), pages 36 - 43 * |
张钟平;倪泓;: "多能源智能能源网供能系统介绍", 绿色科技, no. 08, 30 April 2016 (2016-04-30), pages 123 - 125 * |
李扬;宋天立;王子健;: "基于用户数据深度挖掘的综合能源服务关键问题探析", 电力需求侧管理, no. 03, 20 May 2018 (2018-05-20), pages 1 - 5 * |
王晓辉等: "基于态势联动的主动配电网多源优化调度框架", 《基于态势联动的主动配电网多源优化调度框架》, vol. 41, no. 2, 31 December 2017 (2017-12-31), pages 769 - 777 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115360771A (zh) * | 2022-10-21 | 2022-11-18 | 河海大学 | 用于风储蓄电力系统的优化调度方法、装置及计算机设备 |
CN115360771B (zh) * | 2022-10-21 | 2022-12-27 | 河海大学 | 用于风储蓄电力系统的优化调度方法、装置及计算机设备 |
CN115423388A (zh) * | 2022-11-04 | 2022-12-02 | 国网浙江省电力有限公司金华供电公司 | 一种电网侧独立储能站容量动态分配方法 |
CN115423388B (zh) * | 2022-11-04 | 2023-02-07 | 国网浙江省电力有限公司金华供电公司 | 一种电网侧独立储能站容量动态分配方法 |
CN118014315A (zh) * | 2024-04-08 | 2024-05-10 | 太湖能谷(杭州)科技有限公司 | 一种用户侧共享储能系统参与辅助服务的调度方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114648195A (zh) | 一种电网多层级辅助服务中的储能电站智能协同调控办法 | |
CN108092324B (zh) | 一种风电参与调峰调频的agc控制系统和控制方法 | |
CN110768273B (zh) | 一种储能联合火电参与电网二次调频的控制方法 | |
CN113193547B (zh) | 计及新能源及负荷区间不确定性的电力系统日前-日内协同调度方法与系统 | |
CN110826880B (zh) | 一种大规模电动汽车接入的主动配电网优化调度方法 | |
CN114726004B (zh) | 新型储能光伏电站系统及其控制方法 | |
CN110350589B (zh) | 一种可再生能源和储能调度模型及调度方法 | |
CN105046395A (zh) | 一种含多类型新能源的电力系统日内滚动计划编制方法 | |
CN110676849B (zh) | 一种孤岛微电网群能量调度模型的构建方法 | |
CN108808740A (zh) | 多区域互联电网的多时间尺度的调度方法、装置以及存储介质 | |
CN115276008B (zh) | 考虑调峰调频需求的电力系统新能源承载能力评估方法 | |
CN112381424A (zh) | 新能源及负荷不确定性的多时间尺度有功优化决策方法 | |
CN111697578A (zh) | 多目标含储能区域电网运行控制方法 | |
CN111641233A (zh) | 一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法 | |
CN112909980A (zh) | 一种电化学储能模拟火电机组快速频率响应的虚拟系数优化方法 | |
CN115713197A (zh) | 计及风电不确定性的电力系统荷储联合优化调度方法 | |
CN112383086A (zh) | 一种孤岛微电网日前能量-备用联合优化调度方法 | |
CN115471031A (zh) | 一种基于碳捕集电厂与抽水蓄能联合运行的电力系统低碳经济调度策略 | |
CN116760025B (zh) | 电力系统的风险调度优化方法和系统 | |
CN110676846B (zh) | 电力调峰方法、调度中心及电力调峰系统 | |
CN116914748A (zh) | 一种考虑灵活性互济的跨区电网灵活性资源优化调度方法 | |
CN111934361A (zh) | 一种源网协调调峰优化策略评估方法 | |
Zhang et al. | Distributional two-level synergetic unit commitment considering three scheduling states | |
CN115733146A (zh) | 一种源荷储多时间尺度协调调度模型 | |
Song et al. | Unit commitment optimization model of wind storage combined system considering peak load regulation of energy storage system |
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 |