CN114819362A - 一种面向风光电力系统的电网电力负载平衡方法 - Google Patents
一种面向风光电力系统的电网电力负载平衡方法 Download PDFInfo
- Publication number
- CN114819362A CN114819362A CN202210475794.1A CN202210475794A CN114819362A CN 114819362 A CN114819362 A CN 114819362A CN 202210475794 A CN202210475794 A CN 202210475794A CN 114819362 A CN114819362 A CN 114819362A
- Authority
- CN
- China
- Prior art keywords
- wind
- solar
- power generation
- power
- value
- 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
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000010248 power generation Methods 0.000 claims abstract description 120
- 238000004146 energy storage Methods 0.000 claims abstract description 75
- 238000003860 storage Methods 0.000 claims abstract description 37
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 238000004364 calculation method Methods 0.000 claims description 34
- 230000000295 complement effect Effects 0.000 claims description 24
- 230000007774 longterm Effects 0.000 claims description 24
- 238000005286 illumination Methods 0.000 claims description 22
- 238000012423 maintenance Methods 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 208000032953 Device battery issue Diseases 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 2
- 238000004519 manufacturing process Methods 0.000 abstract description 2
- 238000011160 research Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
- 239000000126 substance Substances 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
- G06Q10/04—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Power Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Algebra (AREA)
- Water Supply & Treatment (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Wind Motors (AREA)
Abstract
本发明公开了一种面向风光电力系统的电网电力负载平衡方法,涉及电力负载均衡技术领域。本发明包括如下步骤:依据气象监测数据判断风光储所处工况,并对工况进行划分;根据风光储实时运行数据和经济参数计算指标评分值;根据约束条件优先原则和经济最优原则确定均衡函数a,结合每个指标的变权重系数,计算当前风光储机组组态模式综合性能指标值。本发明通过风光互补发电相关的运行历史数据,得到工况条件与最优机组组合之间的推理规则集,并将该规则集存储在数据库中,利用均衡函数的变权综合模式,计算潜在目标机组组态模式的变权重系数,结合既有的综合性能评估方法,选择最优风光储机组组态模式,提高了风光储的工作效率,降低了生产成本。
Description
技术领域
本发明属于电力负载均衡技术领域,特别是涉及一种面向风光电力系统的电网电力负载平衡方法。
背景技术
风能和太阳能是重要的自然能源,总储量非常可观,而且属于清洁能源,对环境基本没有负面影响,能够有力弥补煤炭、石油等化学能源的缺陷。发电是目前利用风力和太阳能的主要手段,也是相关技术研发的重点领域。我国特别是中西部地区疆域广阔,自然条件优越,开展风能和太阳能发电的研究和推广,对促进环境保护和节能减排事业的发展具有重要意义。
风能和太阳能二者具有互补性,在光照不足的夜间、冬季以及阴天风能会相对较为充足,反之亦然。基于这一规律,建立集成了风力发电机和太阳能发电矩阵的风光互补发电站,能够增加发电站的有效工作时间,获得相对稳定的电力输出,提高能源的利用效率,避免单一的风能发电或者太阳能发电波动性较大的缺点。
但是,由于风能和太阳能整体上的间隙性、随机性仍然比较大,对于较大规模的风光互补发电站来说,如何保证发电站整体出力稳定并达到预定输出功率要求仍然是现有技术中存在的一个难题,特别是如何通过动态调节风光发电配比来达到满足预定要求的均衡出力,建立一个精确的数学模型计算出机组最优组态模式,在实际运行中非常不易于实现;这一点导致的问题除了发电站对外输出功率波动以外,还包括因风光发电配比不合适而影响风光互补性的最优化,以及由于启动的风能和太阳能发电机组过多导致运行不充分,降低了风光互补发电系统的整体效率。
发明内容
本发明的目的在于提供一种面向风光电力系统的电网电力负载平衡方法,通过风光互补发电相关的运行历史数据,得到工况条件与最优机组组合之间的推理规则集,利用均衡函数的变权综合模式,计算潜在目标机组组态模式的变权重系数,选择最优风光储机组组态模式,解决了现有的风光互补发电系统的整体效率低、负载不平衡的问题。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明为一种面向风光电力系统的电网电力负载平衡方法,包括如下步骤:
步骤S1:通过网络从服务器接收风光互补发电相关的短期预测数据和多年以来的长期基础数据;
步骤S2:从风光互补发电设备现场的传感器接收感测的风光互补发电相关的实时数据;
步骤S3:根据接收长期基础数据和短期预测数据建立风光储的电网电力负载平衡模型;
步骤S4:采集风光储实时运行数据、经济参数、负荷需求数据、气象监测数据,并将采集的数据输入到步骤S3建立的风光储优化运行模型中数据库里;
步骤S5:依据气象监测数据判断风光储所处工况,并对工况进行划分;根据风光储实时运行数据和经济参数计算指标评分值;
式中,w′表示第i个性能指标的变权重系数,xi为第i个性能指标权重的评分值,n为风光储机组中性能指标的总数,wi为第i个性能指标的常权重;
步骤S8:根据不同工况将步骤S7中获得的风光储机组组态模式综合性能指标值高的风光储机组组态模式存储到风光储优化运行模型中的数据库中;
步骤S9:计算当前风光储机组组态模式综合性能指标值,将计算的值域数据库中的值进行比较,判断当前风光储机组组态模式是否需要切换。
作为一种优选的技术方案,所述步骤S1中,获得风能发电输出功率的预测值的步骤具体包括:从短期预测数据中提取或计算未来预定时段内的平均风向风速数组值,并且从长期基础数据提取风向风速参考数组值,对平均风向风速数组值和风向风速参考数组值进行加权平均计算,并将加权平均的风向风速数组值输入风能发电输出功率计算模型以便获得风能发电输出功率的预测值;
并且,所述风能发电输出功率计算模型根据风光互补发电设备物理函数,以加权平均的风向风速数组值为参数计算风能发电输出功率的预测值,其中风光互补发电设备物理函数基于风场环境、风机分布、风机转换效率构建。
作为一种优选的技术方案,所述步骤S1中,获得太阳能发电输出功率的预测值的步骤具体包括:从短期预测数据中提取或计算未来预定时段内的平均光照强度时长数组值,并且从长期基础数据提取光照强度时长参考数组值,对平均光照强度时长数组值和光照强度时长参考数组值进行加权平均计算,并将加权平均的光照强度时长数组值输入太阳能发电输出功率计算模型以便获得太阳能发电输出功率的预测值;
并且,所述太阳能发电输出功率计算模型根据风光互补发电设备物理函数,以加权平均的光照强度时长数组值为参数计算太阳能发电输出功率的预测值,其中风光互补发电设备物理函数基于太阳能电池朝向参数及光电转换效率构建。
作为一种优选的技术方案,所述步骤S3中,风光储的电网电力负载平衡模型通过数据库内的数据进行训练得出;所述数据库存储并提供风光互补发电相关的长期基础数据,所述长期基础数据是风光互补发电设备现场本地多年以来的相关环境数据。
作为一种优选的技术方案,所述步骤S5中,对工况进行划分的方法为:首先对气象数据进行标准化处理,然后使用三角形分布隶属函数计算模型对标准化后的数据进行模糊化处理。
作为一种优选的技术方案,所述步骤S6中,约束条件包括供电可靠性约束、风光互补约束、蓄电池容量约束和蓄电池失效周期约束;
所述经济最优原则为在满足风光储联合发电系统性能指标的前提下,在所研究的周期内,合理安排系统发电装置的投入和切出,使风光储联合发电系统在单位周期内发电成本F为最低。建立目标函数如下:
式中,P为风光储总体出力,风光储联合发电系统中风电机组、光伏组件和储能在当前时刻的总出力值;Cpun(P)为其总出力波动惩罚费用;Cop为机组总体运行费用,主要由机组启停成本、发电成本、运行维护成本和停机维护成本组成。
作为一种优选的技术方案,所述机组总体运行费用Cop(P)的计算公式如下:
Cop(P)=[Cs(P)+Co(P)+Com(P)+Cm(P)]fr;
式中,Cs、Co、Com、Cm分别表示为风光储联合发电系统总体启停成本、发电成本、运行维护成本和停机维护成本;fr表示折旧年限,r为折旧率;
所述总出力波动惩罚费用Cpun(P)计算公式如下:
Cpun(P)=ω∫t|P-Pload|dt;
式中,Pload表示负荷需求,ω表示惩罚系数,范围为(0,1)。
作为一种优选的技术方案,所述步骤S7中,经济最优原则为在满足系统性能指标的前提下,使系统周期内单位发电成本最低。
作为一种优选的技术方案,所述步骤S9中,值域数据库中的值进行比较,判断当前风光储机组组态模式是否需要切换,如果当前风光储机组组态模式综合性能指标值小于数据库中的值,则需要切换,在数据库中搜索在当前工况下最优的风光储机组组态模式并进行切换:如果当前风光储机组组态模式综合性能指标值大于数据库中的值,则不需要切换,直接将当前工况下的风光储机组组态模式存储到数据库中。
作为一种优选的技术方案,所述步骤S9中,风光储机组组态模式在进行切换时遵循先风电机组,再光伏组件,最后储能装置的顺序。
本发明具有以下有益效果:
本发明通过风光互补发电相关的运行历史数据,得到工况条件与最优机组组合之间的推理规则集,并将该规则集存储在数据库中,利用均衡函数的变权综合模式,计算潜在目标机组组态模式的变权重系数,结合既有的综合性能评估方法,选择最优风光储机组组态模式,提高了风光储的工作效率,降低了生产成本。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的一种面向风光电力系统的电网电力负载平衡方法流程图;
图2为一种面向新型电力系统的电网电力负载平衡系统结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1所示,本发明为一种面向风光电力系统的电网电力负载平衡方法,包括如下步骤:
步骤S1:通过网络从服务器接收风光互补发电相关的短期预测数据和多年以来的长期基础数据;
其中,获得风能发电输出功率的预测值的步骤具体包括:从短期预测数据中提取或计算未来预定时段内的平均风向风速数组值,并且从长期基础数据提取风向风速参考数组值,对平均风向风速数组值和风向风速参考数组值进行加权平均计算,并将加权平均的风向风速数组值输入风能发电输出功率计算模型以便获得风能发电输出功率的预测值;并且风能发电输出功率计算模型根据风光互补发电设备物理函数,以加权平均的风向风速数组值为参数计算风能发电输出功率的预测值,其中风光互补发电设备物理函数基于风场环境、风机分布、风机转换效率构建。
其中,获得太阳能发电输出功率的预测值的步骤具体包括:从短期预测数据中提取或计算未来预定时段内的平均光照强度时长数组值,并且从长期基础数据提取光照强度时长参考数组值,对平均光照强度时长数组值和光照强度时长参考数组值进行加权平均计算,并将加权平均的光照强度时长数组值输入太阳能发电输出功率计算模型以便获得太阳能发电输出功率的预测值;太阳能发电输出功率计算模型根据风光互补发电设备物理函数,以加权平均的光照强度时长数组值为参数计算太阳能发电输出功率的预测值,其中风光互补发电设备物理函数基于太阳能电池朝向参数及光电转换效率构建。
步骤S2:从风光互补发电设备现场的传感器接收感测的风光互补发电相关的实时数据;
步骤S3:根据接收长期基础数据和短期预测数据建立风光储的电网电力负载平衡模型;风光储的电网电力负载平衡模型通过数据库内的数据进行训练得出;数据库存储并提供风光互补发电相关的长期基础数据,长期基础数据是风光互补发电设备现场本地多年以来的相关环境数据。
步骤S4:采集风光储实时运行数据、经济参数、负荷需求数据、气象监测数据,并将采集的数据输入到步骤S3建立的风光储优化运行模型中数据库里;
步骤S5:依据气象监测数据判断风光储所处工况,并对工况进行划分;根据风光储实时运行数据和经济参数计算指标评分值;对工况进行划分的方法为:首先对气象数据进行标准化处理,然后使用三角形分布隶属函数计算模型对标准化后的数据进行模糊化处理。
式中,w′表示第i个性能指标的变权重系数,xi为第i个性能指标权重的评分值,n为风光储机组中性能指标的总数,wi为第i个性能指标的常权重;
约束条件包括供电可靠性约束、风光互补约束、蓄电池容量约束和蓄电池失效周期约束;
经济最优原则为在满足风光储联合发电系统性能指标的前提下,在所研究的周期内,合理安排系统发电装置的投入和切出,使风光储联合发电系统在单位周期内发电成本F为最低。建立目标函数如下:
式中,P为风光储总体出力,风光储联合发电系统中风电机组、光伏组件和储能在当前时刻的总出力值;Cpun(P)为其总出力波动惩罚费用;Cop为机组总体运行费用,主要由机组启停成本、发电成本、运行维护成本和停机维护成本组成。
机组总体运行费用Cop(P)的计算公式如下:
Cop(P)=[Cs(P)+Co(P)+Com(P)+Cm(P)]fr;
式中,Cs、Co、Com、Cm分别表示为风光储联合发电系统总体启停成本、发电成本、运行维护成本和停机维护成本;fr表示折旧年限,r为折旧率;
总出力波动惩罚费用Cpun(P)计算公式如下:
Cpun(P)=ω∫t|P-Pload|dt;
式中,Pload表示负荷需求,ω表示惩罚系数,范围为(0,1)。
步骤S7:根据步骤S6中计算的每个指标的变权重系数结合公式得到风光储机组组态模式综合性能指标值Ik;式中,Ik表示第k个风光储机组组态模式综合性能指标值;经济最优原则为在满足系统性能指标的前提下,使系统周期内单位发电成本最低。
步骤S8:根据不同工况将步骤S7中获得的风光储机组组态模式综合性能指标值高的风光储机组组态模式存储到风光储优化运行模型中的数据库中;
步骤S9:计算当前风光储机组组态模式综合性能指标值,将计算的值域数据库中的值进行比较,判断当前风光储机组组态模式是否需要切换,值域数据库中的值进行比较,判断当前风光储机组组态模式是否需要切换,如果当前风光储机组组态模式综合性能指标值小于数据库中的值,则需要切换,在数据库中搜索在当前工况下最优的风光储机组组态模式并进行切换:如果当前风光储机组组态模式综合性能指标值大于数据库中的值,则不需要切换,直接将当前工况下的风光储机组组态模式存储到数据库中风光储机组组态模式在进行切换时遵循先风电机组,再光伏组件,最后储能装置的顺序。
实施例一
请参阅图2所示,本申请文件的一种面向风光电力系统的电网电力负载平衡方法在电网电力负载平衡系统上运行,电网电力负载平衡系统包括:基础数据库模块、短期预测数据接口模块、实时数据采集模块、风能发电输出功率计算模块、太阳能发电输出功率计算模块、实时输出功率测算模块及均衡出力控制模块。
其中,基础数据库模块用于存储并提供风光互补发电相关的长期基础数据。基础数据库模块中的长期基础数据指的是风光互补发电设备现场本地多年以来的相关环境数据,包括本地的平均风向、风力、阴睛概率、日照强度、日照时长等历史数据。初始的长期基础数据一般是根据当地的长期气象记录数据录入数据库的,而本系统运行后逐日累积的数据也会经过整合、平均之后录入到基础数据库模块。在时长尺度上,长期基础数据可以用一周或者若干个自然日为一个单位时段,因此,本发明在当前时间点针对未来某个单位时段进行预测时,通过调用长期基础数据,可获得本单位时段上对应的历史数据。
短期预测数据接口模块用于通过网络从气象预报服务器接收风光互补发电相关的短期预测数据。目前,气象预报系统一般都可以以小时为单位提供某一地域范围内7*24小时的气象预报,包括风向、风力、阴睛概率、日照强度、日照时长等短期预测数据。因此,当本发明的系统在当前时间点进行针对未来某个单位时段的预测时,可以联网到气象预报系统的服务器获得该单位时段上的短期预测数据。
实时数据采集模块基于ZigBee自组织网络协议等无线通信手段,与布设在风光互补发电设备现场的风速传感器、照度传感器等前端传感器装置建立连接,并且从风光互补发电设备现场的传感器接收感测的风光互补发电相关的实时数据,如风速值、照度值等。
风能发电输出功率计算模块用于计算在未来某个单位时段内风能发电输出功率的预测值,基于该预测值以及对整个风光互补发电系统的输出功率要求指标,可以预先调配该未来单位时段内风机的开机容量。该模块更具体的结构参见图,包括风向风速加权平均子模块A和风能发电输出功率预测子模块B。
风能发电输出功率计算模块可以从基础数据库模块接收本单位时段上对应的历史数据,例如,为了计算某月第一周风能发电输出功率的预测值,可以向基础数据库模块调取气象历史记录数据中该月第一周的平均风向风速数据。
实施例二
在对工况进行划分之前,先对工况条件如风速、光照强度、温度等数据采用极值标准化法进行标准化处理,根据公式Xj=Xj′-Xmax/Xmin-Xmin将工况条件标准化到[0,1]区间,式中,Xj′为数据库中第j个原始采集数据,Xj′为第j个标准化之后的数据,Xmax和Xmin分别表示原始数据的上下阈值。上下阈值可以根据历史数据集自动计算或者领域专家直接指定。为使属性域划分更加平滑,将标准化之后的数据进行模糊化处理,建立三角形分布隶属函数计算模型,如图2所示,模糊子集语言变量为“极低”、“低”、“一般”、“高”、“极高”。
式中,w′表示第i个性能指标的变权重系数,xi为第i个性能指标权重的评分值,n为风光储机组中性能指标的总数,wi为第i个性能指标的常权重;
约束条件包括供电可靠性约束、风光互补约束、蓄电池容量约束和蓄电池失效周期约束;
经济最优原则为在满足风光储联合发电系统性能指标的前提下,在所研究的周期内,合理安排系统发电装置的投入和切出,使风光储联合发电系统在单位周期内发电成本F为最低。建立目标函数如下:
式中,P为风光储总体出力,风光储联合发电系统中风电机组、光伏组件和储能在当前时刻的总出力值;Cpun(P)为其总出力波动惩罚费用;Cop为机组总体运行费用,主要由机组启停成本、发电成本、运行维护成本和停机维护成本组成。
机组总体运行费用Cop(P)的计算公式如下:
Cop(P)=[Cs(P)+Co(P)+Com(P)+Cm(P)]fr;
式中,Cs、Co、Com、Cm分别表示为风光储联合发电系统总体启停成本、发电成本、运行维护成本和停机维护成本;fr表示折旧年限,r为折旧率;
总出力波动惩罚费用Cpun(P)计算公式如下:
Cpun(P)=ω∫t|P-Pload|dt;
式中,Pload表示负荷需求,ω表示惩罚系数,范围为(0,1)。
由于计算的每个指标的变权重系数结合公式得到风光储机组组态模式综合性能指标值Ik;式中,Ik表示第k个风光储机组组态模式综合性能指标值;经济最优原则为在满足系统性能指标的前提下,使系统周期内单位发电成本最低。
约束条件包括:供电可靠性约束、风光互补约束、蓄电池容量约束和蓄电池失效周期约束。
(1)供电可靠性约束
风光储联合发电系统应确保在研究周期内任一时刻满足调度预期需求:
式中,Pwd(t)、Ppv(t)、Pbat(t)]分别为t时刻风电机组、光伏阵列、蓄电池装置出力大小,Pexp(t)为t时刻调度预期需求,即为电力系统对风光储总体出力的预期值;N为研究周期长度,即为优化周期的长度。
(2)风光互补约束
风光联合出力相对调度预期出力的波动率Dwp即来表征风光互补特性,即:
式中,Pwd-pv(t)为时刻风光储中电机组和光伏组件联合出力值,入为风光互补的参考最大波动率。
(3)蓄电池容量约束
蓄电池的荷电状态需控制在最大放电深度状态和满电量状态之间:
SOCmin≤SOC(t)≤SOCmax
式中,SOC(t)为t时刻蓄电池容量,SOCmin和SOCmax分别表示蓄电池满荷电容量和最大放电深度容量。
均衡函数a的取值范围是0≤α≤1,α的取值遵循约束条件优先原则和经济最优原则,首先,如果目标机组组态模式不满足式任意一条约束条件,则说明目标机组组合模式不能应对当前负荷需求。令机组可靠性指标的均衡函数a=1,其他指标的均衡函数α为α<1/2中的任意数。
其次,若满足“约束”原则的目标机组组态模式多于一种,则采用经济最优原则进行判定。令经济性指标的均衡函数a=1,其他指标的均衡函数a为a>1/2。需要说明的是,α的取值取决于该指标相对重要程度。根据以上两个原则,使用变权重系数动态调整经济性指标和可靠性指标权重。这样风光储联合发电系统能够实时依据负荷的动态需求,正确选择最优机组组态模式,从而判断下一步投切动作。
值得注意的是,上述系统实施例中,所包括的各个单元只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
另外,本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,相应的程序可以存储于一计算机可读取存储介质中。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本说明书的内容,可作很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.一种面向风光电力系统的电网电力负载平衡方法,其特征在于,包括如下步骤:
步骤S1:通过网络从服务器接收风光互补发电相关的短期预测数据和多年以来的长期基础数据;
步骤S2:从风光互补发电设备现场的传感器接收感测的风光互补发电相关的实时数据;
步骤S3:根据接收长期基础数据和短期预测数据建立风光储的电网电力负载平衡模型;
步骤S4:采集风光储实时运行数据、经济参数、负荷需求数据、气象监测数据,并将采集的数据输入到步骤S3建立的风光储优化运行模型中数据库里;
步骤S5:依据气象监测数据判断风光储所处工况,并对工况进行划分;根据风光储实时运行数据和经济参数计算指标评分值;
式中,w′表示第i个性能指标的变权重系数,xi为第i个性能指标权重的评分值,n为风光储机组中性能指标的总数,wi为第i个性能指标的常权重;
步骤S8:根据不同工况将步骤S7中获得的风光储机组组态模式综合性能指标值高的风光储机组组态模式存储到风光储优化运行模型中的数据库中;
步骤S9:计算当前风光储机组组态模式综合性能指标值,将计算的值域数据库中的值进行比较,判断当前风光储机组组态模式是否需要切换。
2.根据权利要求1所述的一种面向风光电力系统的电网电力负载平衡方法,其特征在于,所述步骤S1中,获得风能发电输出功率的预测值的步骤具体包括:从短期预测数据中提取或计算未来预定时段内的平均风向风速数组值,并且从长期基础数据提取风向风速参考数组值,对平均风向风速数组值和风向风速参考数组值进行加权平均计算,并将加权平均的风向风速数组值输入风能发电输出功率计算模型以便获得风能发电输出功率的预测值;
并且,所述风能发电输出功率计算模型根据风光互补发电设备物理函数,以加权平均的风向风速数组值为参数计算风能发电输出功率的预测值,其中风光互补发电设备物理函数基于风场环境、风机分布、风机转换效率构建。
3.根据权利要求1所述的一种面向风光电力系统的电网电力负载平衡方法,其特征在于,所述步骤S1中,获得太阳能发电输出功率的预测值的步骤具体包括:从短期预测数据中提取或计算未来预定时段内的平均光照强度时长数组值,并且从长期基础数据提取光照强度时长参考数组值,对平均光照强度时长数组值和光照强度时长参考数组值进行加权平均计算,并将加权平均的光照强度时长数组值输入太阳能发电输出功率计算模型以便获得太阳能发电输出功率的预测值;
并且,所述太阳能发电输出功率计算模型根据风光互补发电设备物理函数,以加权平均的光照强度时长数组值为参数计算太阳能发电输出功率的预测值,其中风光互补发电设备物理函数基于太阳能电池朝向参数及光电转换效率构建。
4.根据权利要求1所述的一种面向风光电力系统的电网电力负载平衡方法,其特征在于,所述步骤S3中,风光储的电网电力负载平衡模型通过数据库内的数据进行训练得出;所述数据库存储并提供风光互补发电相关的长期基础数据,所述长期基础数据是风光互补发电设备现场本地多年以来的相关环境数据。
5.根据权利要求1所述的一种面向风光电力系统的电网电力负载平衡方法,其特征在于,所述步骤S5中,对工况进行划分的方法为:首先对气象数据进行标准化处理,然后使用三角形分布隶属函数计算模型对标准化后的数据进行模糊化处理。
7.根据权利要求6所述的一种面向风光电力系统的电网电力负载平衡方法,其特征在于,所述机组总体运行费用Cop(P)的计算公式如下:
Cop(P)=[Cs(P)+Co(P)+Com(P)+Cm(P)]fr;
式中,Cs、Co、Com、Cm分别表示为风光储联合发电系统总体启停成本、发电成本、运行维护成本和停机维护成本;fr表示折旧年限,r为折旧率;
所述总出力波动惩罚费用Cpun(P)计算公式如下:
Cpun(P)=ω∫t|P-Pload|dt;
式中,Pload表示负荷需求,ω表示惩罚系数,范围为(0,1)。
8.根据权利要求1所述的一种面向风光电力系统的电网电力负载平衡方法,其特征在于,所述步骤S7中,经济最优原则为在满足系统性能指标的前提下,使系统周期内单位发电成本最低。
9.根据权利要求1所述的一种面向风光电力系统的电网电力负载平衡方法,其特征在于,所述步骤S9中,值域数据库中的值进行比较,判断当前风光储机组组态模式是否需要切换,如果当前风光储机组组态模式综合性能指标值小于数据库中的值,则需要切换,在数据库中搜索在当前工况下最优的风光储机组组态模式并进行切换:如果当前风光储机组组态模式综合性能指标值大于数据库中的值,则不需要切换,直接将当前工况下的风光储机组组态模式存储到数据库中。
10.根据权利要求1所述的一种面向风光电力系统的电网电力负载平衡方法,其特征在于,所述步骤S9中,风光储机组组态模式在进行切换时遵循先风电机组,再光伏组件,最后储能装置的顺序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210475794.1A CN114819362A (zh) | 2022-04-29 | 2022-04-29 | 一种面向风光电力系统的电网电力负载平衡方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210475794.1A CN114819362A (zh) | 2022-04-29 | 2022-04-29 | 一种面向风光电力系统的电网电力负载平衡方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114819362A true CN114819362A (zh) | 2022-07-29 |
Family
ID=82511625
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210475794.1A Pending CN114819362A (zh) | 2022-04-29 | 2022-04-29 | 一种面向风光电力系统的电网电力负载平衡方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114819362A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116432478A (zh) * | 2023-06-15 | 2023-07-14 | 广东电网有限责任公司东莞供电局 | 一种电力系统的能量确定方法、装置、设备及介质 |
-
2022
- 2022-04-29 CN CN202210475794.1A patent/CN114819362A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116432478A (zh) * | 2023-06-15 | 2023-07-14 | 广东电网有限责任公司东莞供电局 | 一种电力系统的能量确定方法、装置、设备及介质 |
CN116432478B (zh) * | 2023-06-15 | 2023-09-08 | 广东电网有限责任公司东莞供电局 | 一种电力系统的能量确定方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104319768B (zh) | 一种微电网供电及监控方法 | |
CN104682435B (zh) | 一种具有可平抑功率波动的储能系统的微电网的运行和监控方法 | |
CN107612017B (zh) | 基于需求响应和分布式储能的风电并网智能调控系统 | |
CN104348188A (zh) | 一种分布式电源运行及监控方法 | |
CN104268806A (zh) | 一种微电网功率监控系统 | |
CN104682436B (zh) | 一种具有可平抑功率波动的储能系统的微电网 | |
CN105244920B (zh) | 考虑电池健康状态的储能系统多目标控制方法及其系统 | |
CN111786417A (zh) | 一种面向分布式新能源消纳的主动配电网多目标区间优化调度的方法 | |
CN104348189A (zh) | 一种分布式电源系统 | |
CN114285034B (zh) | 一种考虑受电及新能源波动的日前调控优化方法及系统 | |
CN104281986A (zh) | 一种微电网功率预测方法 | |
CN107994592A (zh) | 一种基于储热装置提高电网谷时电能负荷方法 | |
CN114861539A (zh) | 一种5g城市综合能源互联网数字孪生系统建模与实现方法 | |
CN114819362A (zh) | 一种面向风光电力系统的电网电力负载平衡方法 | |
CN104135037B (zh) | 一种风光储优化运行方法 | |
CN111049165A (zh) | 一种用于新能源电力系统储能配置的方法及系统 | |
CN114301089A (zh) | 一种风光联合发电系统储能容量配置优化方法 | |
CN117767445A (zh) | 一种海上风电及储能参与的有功功率协调控制方法及系统 | |
CN116826726A (zh) | 一种微电网发电量预测方法、装置及存储介质 | |
CN105354761B (zh) | 一种风电接入电网的安全与效能评估方法及系统 | |
CN116169785A (zh) | 一种基于深度q学习的灵活互动资源安全运行预警方法 | |
CN115800306A (zh) | 考虑风机故障的风光储无功补偿方法、装置及介质 | |
CN111310953A (zh) | 一种基于采样的机会约束调度模型快速求解方法 | |
CN110768306B (zh) | 一种提高保底电网中微电网应急能力的电源容量配置方法 | |
CN114336583A (zh) | 5g基站光储直流微电网供能系统及方法 |
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 |