CN114825392A - 考虑装机规模约束的风光储多能互补容量优化方法 - Google Patents

考虑装机规模约束的风光储多能互补容量优化方法 Download PDF

Info

Publication number
CN114825392A
CN114825392A CN202210622099.3A CN202210622099A CN114825392A CN 114825392 A CN114825392 A CN 114825392A CN 202210622099 A CN202210622099 A CN 202210622099A CN 114825392 A CN114825392 A CN 114825392A
Authority
CN
China
Prior art keywords
wind
solar
energy
scale
complementary
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
CN202210622099.3A
Other languages
English (en)
Inventor
赖小垚
宾雪
姚德全
赖敏榕
黄思嘉
刘峻
李泽宇
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.)
PowerChina Fujian Electric Power Engineering Co Ltd
Huaneng Fujian Energy Development Co Ltd Fuzhou Branch
Original Assignee
PowerChina Fujian Electric Power Engineering Co Ltd
Huaneng Fujian Energy Development Co Ltd Fuzhou Branch
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 PowerChina Fujian Electric Power Engineering Co Ltd, Huaneng Fujian Energy Development Co Ltd Fuzhou Branch filed Critical PowerChina Fujian Electric Power Engineering Co Ltd
Priority to CN202210622099.3A priority Critical patent/CN114825392A/zh
Publication of CN114825392A publication Critical patent/CN114825392A/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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • 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
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Human Resources & Organizations (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种考虑装机规模约束的风光储多能互补容量优化方法，包括以下步骤：获取项目所在地风资源和太阳能资源数据、年各时刻单位装机容量下风电和光伏发电的出力数据、历史负荷数据和全年每日最小负荷率值；风光优化互补系统；风光优化互补系统以风光总装机规模为约束条件，风电和光伏发电装机规模为变量，通过风光互补特性平缓新能源联合出力为优化目标，构建风光互补优化模型，计算出风光互补下的最佳风电和光伏发电装机规模；储能容量配置系统；根据年日负荷低谷时段每时段的储能容量需求和每天的储能容量需求优化储能容量配置规模及配置时长。本发明能够统筹考虑风电和光伏发电总装机约束、风光互补特性、新能源开发经济性和电网友好性。

Description

考虑装机规模约束的风光储多能互补容量优化方法
技术领域
本发明涉及一种考虑装机规模约束的风光储多能互补容量优化方法，属于风光储多能互补技术领域。
背景技术
风电和光伏发电作为间歇性电源，出力均呈现较大的不确定性、波动性及随机性，当其大规模接入电网时，会给电力系统的电能质量带来一定影响，影响电网的稳定性和可靠性。但风电和光伏发电的出力特性存在季节互补、日夜互补的特性，合理调节风电、光伏容量配比，有助于平抑输出功率的波动，减缓新能源对电力系统的冲击。
电化学储能配置灵活、调节快速，是支撑新型电力系统的重要技术和基础装备。储能系统应用于风电、光伏等新能源，可达到平抑新能源发电波动、改善电能质量、存储余电、提升电网调度的灵活性等多重作用，有助于提高电力系统的运行稳定性以及对新能源并网消纳的能力。
目前，现有研究多集中于以风光储系统优化后总效益最大化为目标，或以风光储联合出力特性跟随电力系统负荷特性为目标，其中前者侧重的是新能源开发企业的经济效益，对电力系统的负荷特性考虑不够充分，无法促使新能源出力具有更强的电网友好性；后者则侧重于新能源出力完全跟随电力系统负荷特性，对配建储能将加大项目的投入、影响经济效益等考虑不够充分，无法调动新能源开发企业的积极性。此外，已有研究对新能源总装机规模的约束性考虑也不够充分，实际上，新能源开发过程中风电和光伏发电的装机规模是受区域内可开发的新能源资源限制的，同时对于电力系统而言，调峰压力多体现在全年负荷低谷时段，其余时段特别是负荷高峰时段，电力系统处于用电高峰时期，新能源出力可提高电力系统的电力供应能力，不应仅仅为了完全匹配电网负荷特性而限制该时段的新能源出力。另外，储能装置完全跟随电力系统负荷特性而频繁充放电也会影响储能装置的使用寿命，后期需频繁更换设备，也将会造成新的投入，影响项目的整体经济效益。
发明内容
为了克服上述问题，本发明提供一种考虑装机规模约束的风光储多能互补容量优化方法，该方法能够统筹考虑风电和光伏发电总装机约束、风光互补特性、新能源开发经济性和电网友好性。
本发明的技术方案如下：
一种考虑装机规模约束的风光储多能互补容量优化方法，包括以下步骤：
获取项目所在地风资源和太阳能资源数据、年各时刻单位装机容量下风电和光伏发电的出力数据、历史负荷数据和全年每日最小负荷率值；
风光优化互补系统；所述风光优化互补系统具体为以风光总装机规模为约束条件，风电和光伏发电装机规模为变量，通过风光互补特性平缓新能源联合出力为优化目标，构建风光互补优化模型，计算出风光互补下的最佳风电和光伏发电装机规模；
储能容量配置系统；根据所述风光互补优化模型得出的最佳风电和光伏发电装机规模，以全年负荷低谷时期风电和光伏联合出力率不高于日最小负荷率为优化目标，构建储能容量配置模型，计算全年日负荷低谷时段每时段的储能容量需求和每天的储能容量需求；
根据年日负荷低谷时段每时段的储能容量需求和每天的储能容量需求优化储能容量配置规模及配置时长。
进一步的，所述风光优化互补系统具体为：
以风光总装机规模为约束条件，风电和光伏发电装机规模为变量，通过风光互补特性平缓新能源联合出力为优化目标，构建风光互补优化模型的目标函数CV：
Figure BDA0003677181830000021
其中，CVj为全年第j天的风光联合出力与日均联合出力的差异度；
所述差异度CVj具体为：
Figure BDA0003677181830000022
其中，PLj(t)为全年第j天、t时刻风光联合出力值；
Figure BDA0003677181830000023
为全年第j天风光联合出力值均值；
Figure BDA0003677181830000024
和PLj(t)具体为：
Figure BDA0003677181830000025
Figure BDA0003677181830000026
其中，Pg和Pf为项目拟建的光伏装机和风电装机规模；
Figure BDA0003677181830000027
和
Figure BDA0003677181830000028
为项目所在地第j天，t时刻单位装机容量下风电和光伏发电的出力率；
所述风光互补优化模型的约束条件为：
0≤Pg≤Z；
0≤Pf≤Z；
Pf+Pg＝Z；
其中，Z为项目的风电和光伏发电的总装机规模；
在所述总装机规模的约束下，计算不同风电和光伏发电装机规模下所述风光互补优化模型的目标函数，以目标函数值最低为最优目标，得到最优的风电和光伏发电装机规模。
进一步的，所述储能容量配置系统具体为：
根据最优的风电和光伏发电装机规模，对全年各时刻风光联合出力进行标幺化处理，得到全年每一时刻的风光联合出力率
Figure BDA0003677181830000031
Figure BDA0003677181830000032
其中，PLjmax为全年第j天联合出力最大值；
日负荷低谷时段风光联合出力率与日最小负荷率的差值为该时段的储能功率需求为Mj(T)：
Figure BDA0003677181830000033
其中，T为全年第j天的负荷低谷时段；Fminj为第j天日最小负荷率；
获取全年日负荷低谷时段每时段的储能容量需求CNj(T)及每天的储能容量需求Rj(T)：
Figure BDA0003677181830000034
Figure BDA0003677181830000035
其中，D为一天中日负荷低谷的时段数。
本发明具有如下有益效果：
1.本发明提出了一种考虑装机规模约束的风光储多能互补系统容量优化方法，充分考虑了新能源开发过程项目总装机规模的约束、风光互补特性、新能源开发经济性、电网友好性及储能装置的使用寿命等多重因素。
2.通过风光互补优化系统，本发明充分考虑了新能源开发过程项目总装机规模的约束和风光互补特性，在不引入储能装置的前提下，以风光自身互补特性平缓新能源联合出力，达到减少储能配置规模、减轻能源开发企业项目投资的目的。
3.通过储能容量优化系统，本发明充分考虑了电力系统调峰压力，在风光互补优化系统得出的最佳风电和光伏发电装机规模的前提下，以负荷低谷时期风电和光伏联合出力特性不高于日最小负荷率为优化目标，计算储能配置需求，从而实现新能源与储能装置联合优化运行，达到不增加负荷低谷时期电力系统额外调峰压力的目的。
4.由于电力系统负荷低谷时段一般为后半夜至凌晨某一连续的时间段，本发明充分考虑了使用频率对储能装置寿命的影响，在负荷低谷时段当风光联合出力率高于日最小负荷率时对储能装机进行充电，即负荷低谷时段均为充电时段，白天均为放电时段，相当于储能全天以一充一放的状态运行，从而提升储能的装置使用年限。
附图说明
图1为本发明实例的风光优化互补系统的方法流程图。
图2为本发明实施例储能容量配置系统的方法流程图。
图3为本发明实施例的谷时段每时段的储能功率需求。
图4为本发明实施例的每天的储能容量需求。
具体实施方式
下面结合附图和具体实施例来对本发明进行详细的说明。
实施例一
一种考虑装机规模约束的风光储多能互补容量优化方法，包括以下步骤：
获取项目所在地风资源和太阳能资源数据、年各时刻单位装机容量下风电和光伏发电的出力数据、历史负荷数据和全年每日最小负荷率值；
风光优化互补系统；所述风光优化互补系统具体为以风光总装机规模为约束条件，风电和光伏发电装机规模为变量，通过风光互补特性平缓新能源联合出力为优化目标，构建风光互补优化模型，计算出风光互补下的最佳风电和光伏发电装机规模；
储能容量配置系统；根据所述风光互补优化模型得出的最佳风电和光伏发电装机规模，以全年负荷低谷时期风电和光伏联合出力率不高于日最小负荷率为优化目标，构建储能容量配置模型，计算全年日负荷低谷时段每时段的储能容量需求和每天的储能容量需求；
根据年日负荷低谷时段每时段的储能容量需求和每天的储能容量需求优化储能容量配置规模及配置时长。
实施例二
参考图,1，一种考虑装机规模约束的风光储多能互补容量优化方法，在实施例一的基础上，所述风光优化互补系统具体为：
以风光总装机规模为约束条件，风电和光伏发电装机规模为变量，通过风光互补特性平缓新能源联合出力为优化目标，构建风光互补优化模型的目标函数CV：
Figure BDA0003677181830000051
其中，CVj为全年第j天的风光联合出力与日均联合出力的差异度；
所述差异度CVj具体为：
Figure BDA0003677181830000052
其中，PLj(t)为全年第j天、t时刻风光联合出力值；
Figure BDA0003677181830000053
为全年第j天风光联合出力值均值；
Figure BDA0003677181830000054
和PLj(t)具体为：
Figure BDA0003677181830000055
Figure BDA0003677181830000056
其中，Pg和Pf为项目拟建的光伏装机和风电装机规模，即模型拟输入的变量；
Figure BDA0003677181830000057
和
Figure BDA0003677181830000058
为项目所在地第j天，t时刻单位装机容量下风电和光伏发电的出力率；
在所述总装机规模的约束下，计算不同风电和光伏发电装机规模下所述风光互补优化模型的目标函数，以目标函数值最低为最优目标，得到最优的风电和光伏发电装机规模。
在本发明的一种实施方式中，所述风光互补优化模型的约束条件为：
0≤Pg≤Z；
0≤Pf≤Z；
Pf十Pg＝Z；
其中，Z为项目的风电和光伏发电的总装机规模；
获取最优的风电和光伏发电装机规模时，先设定步长，如步长为10万千瓦，则设定(Z/10+1)种风光配比，第i种配比下，项目拟建的光伏装机和风电装机分别为：
Figure BDA0003677181830000059
实施例三
参考图2，一种考虑装机规模约束的风光储多能互补容量优化方法，在实施例二的基础上，所述储能容量配置系统具体为：
根据最优的风电和光伏发电装机规模，对全年各时刻风光联合出力进行标幺化处理，得到全年每一时刻的风光联合出力率
Figure BDA0003677181830000061
Figure BDA0003677181830000062
其中，PLjmax为全年第j天联合出力最大值；
日负荷低谷时段风光联合出力率与日最小负荷率的差值为该时段的储能功率需求为Mj(T)：
Figure BDA0003677181830000063
其中，T为全年第j天的负荷低谷时段；Fminj为第j天日最小负荷率；
若Mj(T)>0，表明该时段联合出力率大于日最小负荷率，需利用储能设施存储大于日最小负荷率的出力，待第二天白天高峰时段放电；
若M1j(T)≤0，表明该时段联合出力率不高于日最小负荷率，联合出力可全部送出。
获取全年日负荷低谷时段每时段的储能容量需求CNj(T)及每天的储能容量需求Rj(T)：
Figure BDA0003677181830000064
Figure BDA0003677181830000065
其中，D为一天中日负荷低谷的时段数。
为证明本发明所述方法的可行性，以某项目为例，进行验证。
参考图1，该项目新能源总装机规模为200万千瓦，共设定21(200/10+1)种风光配比，通过反复迭代计算求取不同配比下的目标函数，以目标函数值最低为最优目标，即该种配比下的风电和光伏发电装机规模为风光优化互补最佳规模。计算结果如表1所示。
表1不同风光装机规模下的目标函数值
Figure BDA0003677181830000066
Figure BDA0003677181830000071
参照表1的计算结果可知，在风光总装机规模一定的情况下，随着光伏装机规模的提升，目标函数值会呈现一段的下降趋势，说明为风电配置一定的光伏发电可起到一定的互补效益，但该效益不会随着光伏装机规模的增加而无限扩大，当光伏发电装机容量大于60万千瓦时，目标函数值不再降低，反而逐步提升，由此表明，风光联合出力与日均联合出力的差异度随着光伏装机规模的提升总体呈现先降后增的特点。此例中，当风电和光伏装机分别为140万千瓦和60万千瓦时，风光联合出力与日均联合出力的差异度最小，即该种配比下的风光装机规模是该项目实现风光互补优化的最佳装机规模。
参考图2，该实施例的储能容量配置系统包括以下步骤：
收集项目所在地历史负荷数据，开展负荷特性分析，获取全年每日最小负荷率值Fminj；
在风光互补优化方法得出的最佳风电和光伏发电装机规模的前提下，对全年各时刻风光联合出力进行标幺化处理，得到全年每一时刻的风光联合出力率
Figure BDA0003677181830000072
PLjmax＝max{PLj(t)}；
Figure BDA0003677181830000073
其中，PLjmax为全年第j天联合出力最大值，PLj(t)为全年第j天、t时刻的风光联合出力,j＝1,2,.......365，t＝0,1,......23。
日负荷低谷时段联合出力率与日最小负荷率的差值为该时段的储能功率需求为Mj(T)：
Figure BDA0003677181830000081
其中，T为全年负荷低谷时段，一般为23:00至凌晨5:00，T取值为0,1,2,3,4,22,23，分别对应0:00～1:00、1:00～2:00、2:00～3:00、3:00～4:00、4:00～5:00以及22:00～23:00、23:00～24:00；Fminj为第j天日最小负荷率。
若Mj(T)>0，表明该时段联合出力率大于日最小负荷率，需利用储能设施存储大于日最小负荷率的出力，待第二天白天高峰时段放电；
若M1j(T)≤0，表明该时段联合出力率不高于日最小负荷率，联合出力可全部送出。
获取全年日负荷低谷时段每时段的储能容量需求及每天的储能容量需求：
Figure BDA0003677181830000082
Figure BDA0003677181830000083
式中，CNj(T)为第j天，T时刻的储能功率需求；Rj(T)为第j天所需的储能容量，即第j-1天22:00～0:00、第j天0:00～5:00各时段所需的储能功率之和。
对全年日负荷低谷时段每时段的储能容量需求及每天的储能容量需求进行概率统计分析，并结合经济性和使用效率等因素优化储能容量配置规模及配置时长。
为了证明本发明所述方法的可行性，下面继续以该项目为例进行验证。在风光互补优化方法计算出的最佳风电和光伏发电装机规模的前提下，进一步采用储能容量配置方法计算出每日谷时段每时段的储能功率需求及当天(22:00-次日5:00)的储能容量需求，并对结果开展直方图统计分析，结果如图3-4所示。
由统计分析结果可知，该项目的储能配置规模最大需求为37.4万千瓦/182.9万千瓦时，即当储能容量配建总装机规模的20％，时长4.5小时(40万千瓦/180万千瓦时)，可满足全年日负荷低谷时段(22:00-次日5:00)的风光联合出力率不高于日最小负荷率；当储能容量配建总装机规模的20％，时长4小时(40万千瓦/160万千瓦时)，可满足全年日负荷低谷时段(22:00-次日5:00)，3小时(40万千瓦/120万千瓦时)，可满足全年日负荷低谷时段(22:00-次日5:00)，约95％的风光联合出力率不高于日最小负荷率。以此类推，本发明所述方法可得出不同储能配置规模满足需求的频率分布，在实际应用中，项目可进一步考虑储能的技术发展、价格因素以及使用效率等，统筹考虑储能的配置规模。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (4)

1.一种考虑装机规模约束的风光储多能互补容量优化方法，其特征在于，包括以下步骤：
获取项目所在地风资源和太阳能资源数据、年各时刻单位装机容量下风电和光伏发电的出力数据、历史负荷数据和全年每日最小负荷率值；
风光优化互补系统；所述风光优化互补系统具体为以风光总装机规模为约束条件，风电和光伏发电装机规模为变量，通过风光互补特性平缓新能源联合出力为优化目标，构建风光互补优化模型，计算出风光互补下的最佳风电和光伏发电装机规模；
储能容量配置系统；根据所述风光互补优化模型得出的最佳风电和光伏发电装机规模，以全年负荷低谷时期风电和光伏联合出力率不高于日最小负荷率为优化目标，构建储能容量配置模型，计算全年日负荷低谷时段每时段的储能容量需求和每天的储能容量需求；
根据年日负荷低谷时段每时段的储能容量需求和每天的储能容量需求优化储能容量配置规模及配置时长。
2.根据权利要求1所述考虑装机规模约束的风光储多能互补容量优化方法，其特征在于，所述风光优化互补系统具体为：
以风光总装机规模为约束条件，风电和光伏发电装机规模为变量，通过风光互补特性平缓新能源联合出力为优化目标，构建风光互补优化模型的目标函数CV：
Figure FDA0003677181820000011
其中，CVj为全年第j天的风光联合出力与日均联合出力的差异度；
所述差异度CVj具体为：
Figure FDA0003677181820000012
其中，PLj(t)为全年第j天、t时刻风光联合出力值；
Figure FDA0003677181820000013
为全年第j天风光联合出力值均值；
Figure FDA0003677181820000014
和PLj(t)具体为：
Figure FDA0003677181820000015
Figure FDA0003677181820000016
其中，Pg和Pf为项目拟建的光伏装机和风电装机规模；
Figure FDA0003677181820000017
和
Figure FDA0003677181820000018
为项目所在地第j天，t时刻单位装机容量下风电和光伏发电的出力率；
在所述总装机规模的约束下，计算不同风电和光伏发电装机规模下所述风光互补优化模型的目标函数，以目标函数值最低为最优目标，得到最优的风电和光伏发电装机规模。
3.根据权利要求2所述考虑装机规模约束的风光储多能互补容量优化方法，其特征在于，所述风光互补优化模型的约束条件为：
0≤Pg≤Z；
0≤Pf≤Z；
Pf+Pg＝Z；
其中，Z为项目的风电和光伏发电的总装机规模；
4.根据权利要求3所述考虑装机规模约束的风光储多能互补容量优化方法，其特征在于，所述储能容量配置系统具体为：
根据最优的风电和光伏发电装机规模，对全年各时刻风光联合出力进行标幺化处理，得到全年每一时刻的风光联合出力率
Figure FDA0003677181820000021
Figure FDA0003677181820000022
其中，PLimax为全年第j天联合出力最大值；
日负荷低谷时段风光联合出力率与日最小负荷率的差值为该时段的储能功率需求为Mj(T)：
Figure FDA0003677181820000023
其中，T为全年第j天的负荷低谷时段；Fminj为第j天日最小负荷率；
获取全年日负荷低谷时段每时段的储能容量需求CNj(T)及每天的储能容量需求Rj(T)：
Figure FDA0003677181820000024
Figure FDA0003677181820000025
其中，D为一天中日负荷低谷的时段数。
CN202210622099.3A 2022-06-02 2022-06-02 考虑装机规模约束的风光储多能互补容量优化方法 Pending CN114825392A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210622099.3A CN114825392A (zh) 2022-06-02 2022-06-02 考虑装机规模约束的风光储多能互补容量优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210622099.3A CN114825392A (zh) 2022-06-02 2022-06-02 考虑装机规模约束的风光储多能互补容量优化方法

Publications (1)

Publication Number Publication Date
CN114825392A true CN114825392A (zh) 2022-07-29

Family

ID=82519103

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210622099.3A Pending CN114825392A (zh) 2022-06-02 2022-06-02 考虑装机规模约束的风光储多能互补容量优化方法

Country Status (1)

Country Link
CN (1) CN114825392A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115275994A (zh) * 2022-08-02 2022-11-01 中国华能集团清洁能源技术研究院有限公司 一种风光储互补制氢系统容量优化匹配方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115275994A (zh) * 2022-08-02 2022-11-01 中国华能集团清洁能源技术研究院有限公司 一种风光储互补制氢系统容量优化匹配方法

Similar Documents

Publication Publication Date Title
Marwali et al. Short term generation scheduling in photovoltaic-utility grid with battery storage
CN109256799B (zh) 一种基于样本熵的新能源电力系统优化调度方法
CN110365013B (zh) 一种光热-光伏-风电联合发电系统的容量优化方法
CN113078643B (zh) 一种考虑电网经济运行风电计划优化及偏差补偿用储能容量配置方法
CN111030150B (zh) 一种微电网系统负荷可靠供电的混合储能容量确定方法
WO2019148689A1 (zh) 一种微电网并网联络线功率的控制系统及其方法
CN110796373B (zh) 面向风电消纳的多阶段场景生成电热系统优化调度方法
CN115173453A (zh) 一种储能辅助电网调峰的优化配置方法
CN111313480A (zh) 一种基于多目标寻优的多能互补系统的设计方法
CN112186802A (zh) 一种动态经济调度的多时间尺度滚动调度方法及其系统
CN112886645A (zh) 一种基于氢能超高比例的新能源电力系统运行模拟方法
CN115936244A (zh) 考虑可再生能源发电不确定性的虚拟电厂优化调度方法
CN113572180B (zh) 一种基于雷击概率的储能系统功率调控方法
CN114825392A (zh) 考虑装机规模约束的风光储多能互补容量优化方法
CN116760008A (zh) 一种考虑负荷特性的多时间尺度有功无功协调调度方法
CN113394808A (zh) 清洁能源基地的发电调度方法和装置
CN117114281A (zh) 一种灵活资源多阶段规划方案的确定方法
CN116961204A (zh) 一种智能光伏市电混合节能充电控制方法
CN116760103A (zh) 虚拟电厂在线优化电力调度的自适应预测能量管理方法
CN108683211B (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
CN110571868A (zh) 微电网的优化配置方法
CN114759614A (zh) 基于博弈论的多能源系统鲁棒优化调度策略
CN115207966A (zh) 一种主动配电网分布式能源多尺度消纳方法
CN110417002B (zh) 一种孤岛微电网能量模型的优化方法
CN116316740B (zh) 一种考虑新能源影响的储能代替火电容量效率计算方法

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