CN115021295A - 针对一次调频的风电场混合储能容量优化配置方法及系统 - Google Patents

针对一次调频的风电场混合储能容量优化配置方法及系统 Download PDF

Info

Publication number
CN115021295A
CN115021295A CN202210699617.1A CN202210699617A CN115021295A CN 115021295 A CN115021295 A CN 115021295A CN 202210699617 A CN202210699617 A CN 202210699617A CN 115021295 A CN115021295 A CN 115021295A
Authority
CN
China
Prior art keywords
energy storage
frequency modulation
power
storage capacity
wind
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.)
Granted
Application number
CN202210699617.1A
Other languages
English (en)
Other versions
CN115021295B (zh
Inventor
洪烽
贾欣怡
李军
季卫鸣
任国瑞
郝俊红
房方
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.)
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
North China Electric Power University
Original Assignee
Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
North China Electric Power University
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 Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd, North China Electric Power University filed Critical Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd
Priority to CN202210699617.1A priority Critical patent/CN115021295B/zh
Publication of CN115021295A publication Critical patent/CN115021295A/zh
Application granted granted Critical
Publication of CN115021295B publication Critical patent/CN115021295B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • H02J15/00—Systems for storing electric energy
    • H02J15/007—Systems for storing electric energy involving storage in the form of mechanical energy, e.g. fly-wheels
    • 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
    • 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
    • H02J3/381—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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种针对一次调频的风电场混合储能容量优化配置方法及系统，属于电网技术领域，利用钠离子电池加飞轮的混合储能系统参与风电场一次调频进行容量配置，根据风电站输出功率历史数据，小波包分解方法处理风电功率历史数据得到符合风电并网波动标准的并网功率和混合储能功率指令，钠离子电池平抑低频波动分量，并利用飞轮平抑高频波动分量，从而利用粒子群算法求解带权重的平抑指标和电能利用率最高的混合储能容量优化配置数学模型，获得最优容量配置结果，提升了风电场参与电网一次调频响应速率，平抑风电功率波动，保持电力系统频率稳定。

Description

针对一次调频的风电场混合储能容量优化配置方法及系统
技术领域
本发明涉及电网技术领域，特别是涉及一种针对一次调频的风电场混合储能容量优化配置方法及系统。
背景技术
风电作为清洁能源，在电力系统中占有的份额越来越高。但是由于风电场的输出功率具有随机性和波动性，大规模风电并网，会对电网造成冲击，影响系统安全可靠运行。
储能系统能够实现电能的时空平移，能够有效地控制风电场的输出功率，平抑风电功率波动，在风电场侧配置适合的储能是解决风电有功功率波动的有效途径。且利用储能系统来保持电力系统频率稳定且提高风电场受益成为趋势，所以从风电场具备一次调频能力出发，在考虑风电场自身的调频能力的基础上，提出风电场与混合储能共同参与电网一次调频储能和风电联合。
储能介质有能量型和功率型两类。能量型介质能量密度较大，但功率密度较小且响应时间较长，适合处理能量高的低频波动功率。功率型介质通常功率密度大，响应时间短，可频繁充放电，但能量密度较低，适合处理能量低的高频波动功率。为了同时具备两种储能介质的优点，使用由能量型储能和功率型储能组合的混合储能系统来平抑风电功率波动。目前储能锂离子电池占据大部分，但锂离子电池存在使用寿命短、充放电倍率低，存在安全隐患、回收难等问题，因此使用合适的能量型储能和功率型储能参与风电场一次调频进行容量配置，对构建以新能源为主体的新型电力系统有积极意义。
发明内容
本发明的目的是提供一种针对一次调频的风电场混合储能容量优化配置方法及系统，以利用钠离子电池加飞轮的混合储能系统参与风电场一次调频进行容量配置，提升风电场参与电网一次调频响应速率，平抑风电功率波动，保持电力系统频率稳定。
为实现上述目的，本发明提供了如下方案：
一种针对一次调频的风电场混合储能容量优化配置方法，风电场混合储能系统包括风电机组和储能单元，风电机组向电网输送电力并向储能单元充电，所述储能单元用于当电网出现一次调频需求时参与电网一次调频，所述储能单元包括钠离子电池和飞轮；所述方法包括：
建立风电场的输出功率平抑目标函数；
以风电场和储能单元参与一次调频时的电量利用率最大为目标，建立最高电能利用率函数；
加权输出功率平抑目标函数和最高电能利用率函数，确定混合储能容量优化配置模型；
获取风电场的多个历史输出功率，并对多个历史输出功率进行小波包分解，获得历史输出功率的低频波动分量和高频波动分量；
利用钠离子电池平抑所述低频波动分量，并利用飞轮平抑所述高频波动分量；
根据平抑后的低频波动分量和平抑后的高频波动分量，采用粒子群优化算法对所述混合储能容量优化配置模型进行寻优，获得风储容量配置最优结果；所述风储容量配置最优结果包括钠离子电池最优容量和飞轮最优容量。
可选的，所述风电场的输出功率平抑目标函数为
Figure BDA0003703496200000021
式中，Φ为输出功率平抑目标，ΔP′H(t)表示t时刻飞轮平抑后的高频波动分量，ΔP′L(t)表示t时刻钠离子电池平抑后的低频波动分量，T表示总采样时间。
可选的，所述建立最高电能利用率函数，具体包括：
建立弃风量模型为Ew＝Σ[Pby(t)Δt]；式中，EW为弃风量，Pby(t)为风电在t时刻因一次调频产生的实际弃风量，Δt为采样时间间隔；
建立调频收益电量模型为Ef＝Σ[Phly(t)Δt+EB(t)]；式中，Ef为风电参与一次调频奖励的电量，Phly(t)为t时刻被利用的风电参与一次调频的备用功率，EB(t)为t时刻储能参与一次调频提供的电量；
建立调频惩罚电量模型为Enf＝ΔtΣ[PT(t)-Phly(t)-PB(t)]；式中，Enf为调频惩罚电量，PT(t)为t时刻一次调频需求值，PB(t)为t时刻储能的发电功率；
根据弃风量模型、调频收益电量模型和调频惩罚电量模型，利用公式Emin＝Ew+Enf-Ef，获得最高电能利用率函数；式中，Emin为不能进行利用的最小电量。
可选的，所述加权输出功率平抑目标函数和最高电能利用率函数，确定混合储能容量优化配置模型，具体包括：
加权输出功率平抑目标函数和最高电能利用率函数，获得混合储能容量优化配置函数为Fmin＝α·Emin+β·Φ；式中，Fmin为最优目标值，α、β分别为第一、第二权重；
利用熵权法计算混合储能容量优化配置函数中第一权重的值和第二权重的值；
将第一权重的值和第二权重的值带入混合储能容量优化配置函数中，确定混合储能容量优化配置模型。
可选的，所述混合储能容量优化配置模型的约束条件包括：储能单元充放电功率约束和SOC约束；
所述储能单元充放电功率约束为
Figure BDA0003703496200000031
和
Figure BDA0003703496200000032
式中，Pnl(t)为钠离子电池t时刻的功率，Pnlr为钠离子电池额定功率，Socnl(t)、Socnl(t-1)分别为钠离子电池t、t-1时刻的SOC值，Soclow、Socup分别为钠离子电池荷电状态下限、上限值，ηdi、ηci分别为钠离子电池充电、放电效率；Pgl(t)为飞轮t时刻的功率，Pglr为飞轮的额定功率，SOCgl(t-1)为飞轮t-1时刻的SOC值，SOClow、SOCup分别为飞轮荷电状态下限、上限值，ηds、ηcs分别为飞轮充电、放电效率；
所述SOC约束为
Figure BDA0003703496200000041
可选的，所述获取风电场的多个历史输出功率，之后还包括：
根据多个所述历史输出功率，建立风电场输出功率曲线；
基于所述风电场输出功率曲线，使用移动平均法，对每个历史输出功率进行平滑处理。
一种针对一次调频的风电场混合储能容量优化配置系统，风电场混合储能系统包括风电机组和储能单元，风电机组向电网输送电力并向储能单元充电，所述储能单元用于当电网出现一次调频需求时参与电网一次调频，所述储能单元包括钠离子电池和飞轮；所述系统包括：
平抑目标函数建立模块，用于建立风电场的输出功率平抑目标函数；
最高电能利用率函数建立模块，用于以风电场和储能单元参与一次调频时的电量利用率最大为目标，建立最高电能利用率函数；
加权模块，用于加权输出功率平抑目标函数和最高电能利用率函数，确定混合储能容量优化配置模型；
小波包分解模块，用于获取风电场的多个历史输出功率，并对多个历史输出功率进行小波包分解，获得历史输出功率的低频波动分量和高频波动分量；
平抑模块，用于利用钠离子电池平抑所述低频波动分量，并利用飞轮平抑所述高频波动分量；
寻优模块，用于根据平抑后的低频波动分量和平抑后的高频波动分量，采用粒子群优化算法对所述混合储能容量优化配置模型进行寻优，获得风储容量配置最优结果；所述风储容量配置最优结果包括钠离子电池最优容量和飞轮最优容量。
可选的，所述风电场的输出功率平抑目标函数为
Figure BDA0003703496200000042
式中，Φ为输出功率平抑目标，ΔP′H(t)表示t时刻飞轮平抑后的高频波动分量，ΔP′L(t)表示t时刻钠离子电池平抑后的低频波动分量，T表示总采样时间。
可选的，所述建立最高电能利用率函数，具体包括：
建立弃风量模型为Ew＝∑[Pby(t)Δt]；式中，EW为弃风量，Pby(t)为风电在t时刻因一次调频产生的实际弃风量，Δt为采样时间间隔；
建立调频收益电量模型为Ef＝Σ[Phly(t)Δt+EB(t)]；式中，Ef为风电参与一次调频奖励的电量，Phly(t)为t时刻被利用的风电参与一次调频的备用功率，EB(t)为t时刻储能参与一次调频提供的电量；
建立调频惩罚电量模型为Enf＝ΔtΣ[PT(t)-Phly(t)-PB(t)]；式中，Enf为调频惩罚电量，PT(t)为t时刻一次调频需求值，PB(t)为t时刻储能的发电功率；
根据弃风量模型、调频收益电量模型和调频惩罚电量模型，利用公式Emin＝Ew+Enf-Ef，获得最高电能利用率函数；式中，Emin为不能进行利用的最小电量。
可选的，所述加权模块，具体包括：
混合储能容量优化配置函数获得子模块，用于加权输出功率平抑目标函数和最高电能利用率函数，获得混合储能容量优化配置函数为Fmin＝α·Emin+β·Φ；式中，Fmin为最优目标值，α、β分别为第一、第二权重；
权重计算子模块，用于利用熵权法计算混合储能容量优化配置函数中第一权重的值和第二权重的值；
混合储能容量优化配置模型确定子模块，用于将第一权重的值和第二权重的值带入混合储能容量优化配置函数中，确定混合储能容量优化配置模型。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明公开一种针对一次调频的风电场混合储能容量优化配置方法及系统，利用钠离子电池加飞轮的混合储能系统参与风电场一次调频进行容量配置，根据风电站输出功率历史数据，小波包分解方法处理风电功率历史数据得到符合风电并网波动标准的并网功率和混合储能功率指令，钠离子电池平抑低频波动分量，并利用飞轮平抑高频波动分量，从而利用粒子群算法求解带权重的平抑指标和电能利用率最高的混合储能容量优化配置数学模型，获得最优容量配置结果，提升了风电场参与电网一次调频响应速率，平抑风电功率波动，保持电力系统频率稳定。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中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性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的针对一次调频的风电场混合储能容量优化配置方法的流程图；
图2为本发明实施例提供的针对一次调频的风电场混合储能容量优化配置方法的原理图。
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做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种针对一次调频的风电场混合储能容量优化配置方法及系统，以利用钠离子电池加飞轮的混合储能系统参与风电场一次调频进行容量配置，提升风电场参与电网一次调频响应速率，平抑风电功率波动，保持电力系统频率稳定。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
为了解决现有风电并网引起的大波动问题，使用钠离子电池作为能量型储能，飞轮作为功率型储能的储能系统配置。钠离子电池可以过充过放，而飞轮具有响应速度快、效率高、使用寿命长且对环境友好等调频优势，适合使风电场与储能系统得到有机的结合，更好的促进风能的并网消纳。并且配置适量储能系统参与一次调频可以减小风电备用功率并可以减少在中低风速时的弃风，增加电网风电接纳量。
本发明实施例提供了一种针对一次调频的风电场混合储能容量优化配置方法，如图1-2所示，风电机组通过控制器控制向电网输送电力并向储能单元充电补充电能，风电机组的功率输出留有参与电网一次调频的能力。储能单元包括钠离子电池和飞轮，储能单元用于参与电网一次调频，当电网出现一次调频需求时，本发明的方法应对一次调频需求出现的频率偏差Δf建立调频功率量ΔP。该方法包括以下步骤：
步骤S1，建立风电场的输出功率平抑目标函数。
风电场的输出功率平抑目标函数为
Figure BDA0003703496200000071
式中，Φ为输出功率平抑目标，ΔP′H(t)表示t时刻飞轮平抑后的高频波动分量，ΔP′L(t)表示t时刻钠离子电池平抑后的低频波动分量，T表示总采样时间。
步骤S2，以风电场和储能单元参与一次调频时的电量利用率最大为目标，建立最高电能利用率函数。
a.为检验储能装置对弃风消纳的效果，在成本中加入了弃风。风电为提供一次调频备用功率，造成风电发电量降低。
Ew＝∑[Pby(t)Δt]
Pby为风电在单位采样周期中因一次调频产生的是实际弃风量。
b.鼓励风电实现一次调频功能，使得有更多电能参与并网。不能满足时有相应惩罚。
Ef＝∑[Phly(t)Δt+EB(t)]
Phly(t)为t时刻被利用的风电参与一次调频的备用功率，EB(t)为t时刻储能参与一次调频提供的电量。
c.风储参与调频惩罚电量
Enf＝Δt∑[PT(t)-Phly(t)-PB(t)]
PT(t)为t时刻一次调频需求值，PB(t)为t时刻储能的发电功率。
d.将不能进行利用的电量加和：
Emin＝Ew+Enf-Ef
步骤S3，加权输出功率平抑目标函数和最高电能利用率函数，确定混合储能容量优化配置模型。
将电量和平抑指标加权作为目标函数:Fmin＝α·Emin+β·Φ。
使用熵权法得到最优权重值：对目标函数中的两个解进行标准化，进行熵的计算，分解求取每个解的权值，权值求解公式：
Figure BDA0003703496200000081
最终通过加权求和比较，求得S最小的解作为最优方案，得到两个解的权值。其中，Sj表示信息量。Sj越大，第j个评价指标在整个评价指标体系中的作用越大，就应给其分配更多的权重。θj表示第j个指标的标准差，fij表示评价指标i和j之间的相关系数，假设有n个待评价样本，p项评价指标。i表示第i个样本，j表示第j项评价指标的数值。
约束条件：
a.t时刻储能系统充放电功率约束表示为
Figure BDA0003703496200000082
Figure BDA0003703496200000083
b.SOC约束：任意时刻储能设备的SOC都应在合理范围内，过充、过放都会对其寿命产生较大影响。因此，t时刻储能设备SOC约束
Figure BDA0003703496200000084
步骤S4，获取风电场的多个历史输出功率，并对多个历史输出功率进行小波包分解，获得历史输出功率的低频波动分量和高频波动分量。
1)获取风电场的输出功率历史数据。
2)预处理后得到典型风电场输出功率曲线,在典型风电场输出功率曲线的基础上使用移动平均法进行处理得到期望平抑目标。典型风电场输出功率曲线的横坐标是时间，纵坐标是输出功率。
3)设处理得到的典型风电场输出功率数据为x1、x2…xi，用最近N期的数据取平均值，则期望平抑目标的计算公式如下:
Figure BDA0003703496200000091
其中x作为t时刻的期望平抑目标，xi是t时刻的输出功率。
该操作的目的是对每个输出功率历史数据进行平滑处理。
4)对功率数据进行小波包分解，迭代分解层数，至最低频分量满足并网要求，可直接并网。对于高频分量需要采用储能进行平抑。
步骤S5，利用钠离子电池平抑所述低频波动分量，并利用飞轮平抑所述高频波动分量。
根据钠离子电池和飞轮的特点，它们具有很好的互补特性。混合储能系统总功率中低频部分由钠离子电池来平抑，高频部分则由飞轮来平抑，从而完成混合储能系统的功率分配。可以提高储能装置的负载适应能力和供电的可靠性。
ΔPT＝ΔPH+ΔPL
其中，ΔPH为高频波动分量，ΔPL为低频波动分量，ΔPT为混合储能系统总功率。
步骤S6，根据平抑后的低频波动分量和平抑后的高频波动分量，采用粒子群优化算法对所述混合储能容量优化配置模型进行寻优，获得风储容量配置最优结果；所述风储容量配置最优结果包括钠离子电池最优容量和飞轮最优容量。
粒子群优化算法是基于群体的演化算法,采用速度-位置搜索模型。该算法中，由m个粒子组成一个群体。每个粒子性能优劣取决于待优化问题目标函数确定的适应值，每个粒子由一个速度决定其飞行的方向和速率的大小，粒子们追随当前的最优粒子在解空间中进行搜索。PSO初始化为一群随机粒子，通过迭代寻找最优解。假定一个包含m个粒子的粒子群在D维目标空间中搜索，第i个粒子在d维空间里的位置表示为矢量Xi＝(xi1，xi2，xi3...xid，i＝1，2，3，...，m)，飞行速度表示为矢量Vi＝(vi1，vi2，vi3...vid，i＝1，2，3，...，m)。每个粒子均有一个由被优化的函数决定的适应值对于第i个粒子，其所经历的最好位置称为个体历史最好位置，Pi＝(pi1，pi2，...，pil)，记pbest(i)，相应适应度值为个体历史最好适应度值Ffitness(i)。而所有粒子经历过的最好位置称为全局历史最好位置，为Pg＝(pg1，pg2，...，pgl)，记作gbest，相应的适应度值为全局历史最好适应值Fg。对于第n+1次迭代，每个粒子按下式进行变化：
vij(n+1)＝vij(n)wi+rand1c1[(pbestij-xij(n)]+rand2c2[(gbestj-xij(n)
xij(n+1)＝xij(n)+vij(n+1)
式中，n为迭代次数，n＝1，2，3，...N；rand1、rand2为[0，1]之间的随机数；c1、c2为学习因子；wi为惯性权重。
使用粒子群优化算法时，首先对钠离子电池的容量和飞轮的容量进行初始化设定其容量范围及初始容量，在寻优过程中，根据钠离子电池的容量和飞轮的容量计算F_fitness，如不满足条件，继续依据速度及位置函数确定下一次混合储能的容量配置，计算适应度函数，多次寻优最终得到Fmin最小时的最优解，得到风储容量配置最优结果。
本发明根据风电站输出功率历史数据，用小波包进行分解，小波包分解方法处理风电功率得到符合风电并网波动标准的并网功率和混合储能功率指令。在此基础上，从风电场具备一次调频能力出发，在考虑风电场自身的调频能力，提出风电场与混合储能共同参与电网一次调频储能和风电联合。一次调频控制方法，包括风电机组和储能单元，风电机组通过控制器控制向电网输送电力并向储能单元充电补充电能，风电机组的功率输出留有参与电网一次调频的能力，其特征在于，储能单元用于参与电网一次调频，当电网出现一次调频需求时，所述方法应对一次调频需求出现的频率偏差Δf建立调频功率量ΔP。建立带权重的平抑指标和电能利用率最高的混合储能容量优化配置数学模型，考虑混合储能容量充放电功率以及储能SOC在内的约束条件，利用粒子群算法求解目标函数最优对应的容量和功率配置。
本发明实施例还提供了一种针对一次调频的风电场混合储能容量优化配置系统，风电场混合储能系统包括风电机组和储能单元，风电机组向电网输送电力并向储能单元充电，所述储能单元用于当电网出现一次调频需求时参与电网一次调频，储能单元包括钠离子电池和飞轮；系统包括：
平抑目标函数建立模块，用于建立风电场的输出功率平抑目标函数；
最高电能利用率函数建立模块，用于以风电场和储能单元参与一次调频时的电量利用率最大为目标，建立最高电能利用率函数；
加权模块，用于加权输出功率平抑目标函数和最高电能利用率函数，确定混合储能容量优化配置模型；
小波包分解模块，用于获取风电场的多个历史输出功率，并对多个历史输出功率进行小波包分解，获得历史输出功率的低频波动分量和高频波动分量；
平抑模块，用于利用钠离子电池平抑低频波动分量，并利用飞轮平抑高频波动分量；
寻优模块，用于根据平抑后的低频波动分量和平抑后的高频波动分量，采用粒子群优化算法对混合储能容量优化配置模型进行寻优，获得风储容量配置最优结果；风储容量配置最优结果包括钠离子电池最优容量和飞轮最优容量。
风电场的输出功率平抑目标函数为
Figure BDA0003703496200000111
式中，Φ为输出功率平抑目标，ΔP′H(t)表示t时刻飞轮平抑后的高频波动分量，ΔP′L(t)表示t时刻钠离子电池平抑后的低频波动分量，T表示总采样时间。
建立最高电能利用率函数，具体包括：
建立弃风量模型为Ew＝∑[Pby(t)Δt]；式中，EW为弃风量，Pby(t)为风电在t时刻因一次调频产生的实际弃风量，Δt为采样时间间隔；
建立调频收益电量模型为Ef＝∑[Phly(t)Δt+EB(t)]；式中，Ef为风电参与一次调频奖励的电量，Phly(t)为t时刻被利用的风电参与一次调频的备用功率，EB(t)为t时刻储能参与一次调频提供的电量；
建立调频惩罚电量模型为Enf＝Δt∑[PT(t)-Phly(t)-PB(t)]；式中，Enf为调频惩罚电量，PT(t)为t时刻一次调频需求值，PB(t)为t时刻储能的发电功率；
根据弃风量模型、调频收益电量模型和调频惩罚电量模型，利用公式Emin＝Ew+Enf-Ef，获得最高电能利用率函数；式中，Emin为不能进行利用的最小电量。
加权模块，具体包括：
混合储能容量优化配置函数获得子模块，用于加权输出功率平抑目标函数和最高电能利用率函数，获得混合储能容量优化配置函数为Fmin＝α·Emin+β·Φ；式中，Fmin为最优目标值，α、β分别为第一、第二权重；
权重计算子模块，用于利用熵权法计算混合储能容量优化配置函数中第一权重的值和第二权重的值；
混合储能容量优化配置模型确定子模块，用于将第一权重的值和第二权重的值带入混合储能容量优化配置函数中，确定混合储能容量优化配置模型。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种针对一次调频的风电场混合储能容量优化配置方法，其特征在于，风电场混合储能系统包括风电机组和储能单元，风电机组向电网输送电力并向储能单元充电，所述储能单元用于当电网出现一次调频需求时参与电网一次调频，所述储能单元包括钠离子电池和飞轮；所述方法包括：
建立风电场的输出功率平抑目标函数；
以风电场和储能单元参与一次调频时的电量利用率最大为目标，建立最高电能利用率函数；
加权输出功率平抑目标函数和最高电能利用率函数，确定混合储能容量优化配置模型；
获取风电场的多个历史输出功率，并对多个历史输出功率进行小波包分解，获得历史输出功率的低频波动分量和高频波动分量；
利用钠离子电池平抑所述低频波动分量，并利用飞轮平抑所述高频波动分量；
根据平抑后的低频波动分量和平抑后的高频波动分量，采用粒子群优化算法对所述混合储能容量优化配置模型进行寻优，获得风储容量配置最优结果；所述风储容量配置最优结果包括钠离子电池最优容量和飞轮最优容量。
2.根据权利要求1所述的针对一次调频的风电场混合储能容量优化配置方法，其特征在于，所述风电场的输出功率平抑目标函数为
Figure FDA0003703496190000011
式中，Φ为输出功率平抑目标，ΔP′H(t)表示t时刻飞轮平抑后的高频波动分量，ΔP′L(t)表示t时刻钠离子电池平抑后的低频波动分量，T表示总采样时间。
3.根据权利要求2所述的针对一次调频的风电场混合储能容量优化配置方法，其特征在于，所述建立最高电能利用率函数，具体包括：
建立弃风量模型为Ew＝∑[Pby(t)Δt]；式中，EW为弃风量，Pby(t)为风电在t时刻因一次调频产生的实际弃风量，Δt为采样时间间隔；
建立调频收益电量模型为Ef＝∑[Phly(t)Δt+EB(t)]；式中，Ef为风电参与一次调频奖励的电量，Phly(t)为t时刻被利用的风电参与一次调频的备用功率，EB(t)为t时刻储能参与一次调频提供的电量；
建立调频惩罚电量模型为Enf＝Δt∑[PT(t)-Phly(t)-PB(t)]；式中，Enf为调频惩罚电量，PT(t)为t时刻一次调频需求值，PB(t)为t时刻储能的发电功率；
根据弃风量模型、调频收益电量模型和调频惩罚电量模型，利用公式Emin＝Ew+Enf-Ef，获得最高电能利用率函数；式中，Emin为不能进行利用的最小电量。
4.根据权利要求3所述的针对一次调频的风电场混合储能容量优化配置方法，其特征在于，所述加权输出功率平抑目标函数和最高电能利用率函数，确定混合储能容量优化配置模型，具体包括：
加权输出功率平抑目标函数和最高电能利用率函数，获得混合储能容量优化配置函数为Fmin＝α·Emin+β·Φ；式中，Fmin为最优目标值，α、β分别为第一、第二权重；
利用熵权法计算混合储能容量优化配置函数中第一权重的值和第二权重的值；
将第一权重的值和第二权重的值带入混合储能容量优化配置函数中，确定混合储能容量优化配置模型。
5.根据权利要求4所述的针对一次调频的风电场混合储能容量优化配置方法，其特征在于，所述混合储能容量优化配置模型的约束条件包括：储能单元充放电功率约束和SOC约束；
所述储能单元充放电功率约束为
Figure FDA0003703496190000021
和
Figure FDA0003703496190000022
式中，Pnl(t)为钠离子电池t时刻的功率，Pnlr为钠离子电池额定功率，Socnl(t)、Socnl(t-1)分别为钠离子电池t、t-1时刻的SOC值，Soclow、Socup分别为钠离子电池荷电状态下限、上限值，ηdi、ηci分别为钠离子电池充电、放电效率；Pgl(t)为飞轮t时刻的功率，Pglr为飞轮的额定功率，SOCgl(t-1)为飞轮t-1时刻的SOC值，SOClow、SOCup分别为飞轮荷电状态下限、上限值，ηds、ηcs分别为飞轮充电、放电效率；
所述SOC约束为
Figure FDA0003703496190000031
6.根据权利要求1所述的针对一次调频的风电场混合储能容量优化配置方法，其特征在于，所述获取风电场的多个历史输出功率，之后还包括：
根据多个所述历史输出功率，建立风电场输出功率曲线；
基于所述风电场输出功率曲线，使用移动平均法，对每个历史输出功率进行平滑处理。
7.一种针对一次调频的风电场混合储能容量优化配置系统，其特征在于，风电场混合储能系统包括风电机组和储能单元，风电机组向电网输送电力并向储能单元充电，所述储能单元用于当电网出现一次调频需求时参与电网一次调频，所述储能单元包括钠离子电池和飞轮；所述系统包括：
平抑目标函数建立模块，用于建立风电场的输出功率平抑目标函数；
最高电能利用率函数建立模块，用于以风电场和储能单元参与一次调频时的电量利用率最大为目标，建立最高电能利用率函数；
加权模块，用于加权输出功率平抑目标函数和最高电能利用率函数，确定混合储能容量优化配置模型；
小波包分解模块，用于获取风电场的多个历史输出功率，并对多个历史输出功率进行小波包分解，获得历史输出功率的低频波动分量和高频波动分量；
平抑模块，用于利用钠离子电池平抑所述低频波动分量，并利用飞轮平抑所述高频波动分量；
寻优模块，用于根据平抑后的低频波动分量和平抑后的高频波动分量，采用粒子群优化算法对所述混合储能容量优化配置模型进行寻优，获得风储容量配置最优结果；所述风储容量配置最优结果包括钠离子电池最优容量和飞轮最优容量。
8.根据权利要求7所述的针对一次调频的风电场混合储能容量优化配置系统，其特征在于，所述风电场的输出功率平抑目标函数为
Figure FDA0003703496190000041
式中，Φ为输出功率平抑目标，ΔP′H(t)表示t时刻飞轮平抑后的高频波动分量，ΔP′L(t)表示t时刻钠离子电池平抑后的低频波动分量，T表示总采样时间。
9.根据权利要求8所述的针对一次调频的风电场混合储能容量优化配置系统，其特征在于，所述建立最高电能利用率函数，具体包括：
建立弃风量模型为Ew＝∑[Pby(t)Δt]；式中，EW为弃风量，Pby(t)为风电在t时刻因一次调频产生的实际弃风量，Δt为采样时间间隔；
建立调频收益电量模型为Ef＝∑[Phly(t)Δt+EB(t)]；式中，Ef为风电参与一次调频奖励的电量，Phly(t)为t时刻被利用的风电参与一次调频的备用功率，EB(t)为t时刻储能参与一次调频提供的电量；
建立调频惩罚电量模型为Enf＝ΔtΣ[PT(t)-Phly(t)-PB(t)]；式中，Enf为调频惩罚电量，PT(t)为t时刻一次调频需求值，PB(t)为t时刻储能的发电功率；
根据弃风量模型、调频收益电量模型和调频惩罚电量模型，利用公式Emin＝Ew+Enf-Ef，获得最高电能利用率函数；式中，Emin为不能进行利用的最小电量。
10.根据权利要求9所述的针对一次调频的风电场混合储能容量优化配置系统，其特征在于，所述加权模块，具体包括：
混合储能容量优化配置函数获得子模块，用于加权输出功率平抑目标函数和最高电能利用率函数，获得混合储能容量优化配置函数为Fmin＝α·Emin+β·Φ；式中，Fmin为最优目标值，α、β分别为第一、第二权重；
权重计算子模块，用于利用熵权法计算混合储能容量优化配置函数中第一权重的值和第二权重的值；
混合储能容量优化配置模型确定子模块，用于将第一权重的值和第二权重的值带入混合储能容量优化配置函数中，确定混合储能容量优化配置模型。
CN202210699617.1A 2022-06-20 2022-06-20 针对一次调频的风电场混合储能容量优化配置方法及系统 Active CN115021295B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210699617.1A CN115021295B (zh) 2022-06-20 2022-06-20 针对一次调频的风电场混合储能容量优化配置方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210699617.1A CN115021295B (zh) 2022-06-20 2022-06-20 针对一次调频的风电场混合储能容量优化配置方法及系统

Publications (2)

Publication Number Publication Date
CN115021295A true CN115021295A (zh) 2022-09-06
CN115021295B CN115021295B (zh) 2024-07-12

Family

ID=83077063

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210699617.1A Active CN115021295B (zh) 2022-06-20 2022-06-20 针对一次调频的风电场混合储能容量优化配置方法及系统

Country Status (1)

Country Link
CN (1) CN115021295B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116073414A (zh) * 2023-04-03 2023-05-05 华北电力大学 飞轮储能参与电网调频的荷电状态范围寻优方法及设备
CN117375049A (zh) * 2023-10-13 2024-01-09 华能山东发电有限公司 用于风电场多维考核标准的混合储能优化配置方法和系统
CN117639012A (zh) * 2023-11-21 2024-03-01 国网宁夏电力有限公司电力科学研究院 用于风电场的混合储能系统容量配置方法、介质及系统
CN117977655A (zh) * 2023-12-28 2024-05-03 国家电网有限公司华东分部 海上风电储能配置方法及装置、存储介质、终端

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112072655A (zh) * 2020-09-10 2020-12-11 天津大学 一种并网风储发电系统混合储能优化配置方法
CN114142508A (zh) * 2021-12-03 2022-03-04 国网山西省电力公司电力科学研究院 一种混合储能容量优化方法
CN114336673A (zh) * 2021-11-24 2022-04-12 华能新能源股份有限公司 一种基于模型预测控制的风储联合电站一次调频控制策略
CN114597926A (zh) * 2022-03-14 2022-06-07 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 一种微电网混合储能优化配置方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112072655A (zh) * 2020-09-10 2020-12-11 天津大学 一种并网风储发电系统混合储能优化配置方法
CN114336673A (zh) * 2021-11-24 2022-04-12 华能新能源股份有限公司 一种基于模型预测控制的风储联合电站一次调频控制策略
CN114142508A (zh) * 2021-12-03 2022-03-04 国网山西省电力公司电力科学研究院 一种混合储能容量优化方法
CN114597926A (zh) * 2022-03-14 2022-06-07 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 一种微电网混合储能优化配置方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵文会等: "考虑碳交易收益的风电项目价值评估", 《生态经济》, 31 December 2018 (2018-12-31), pages 19 - 24 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116073414A (zh) * 2023-04-03 2023-05-05 华北电力大学 飞轮储能参与电网调频的荷电状态范围寻优方法及设备
CN117375049A (zh) * 2023-10-13 2024-01-09 华能山东发电有限公司 用于风电场多维考核标准的混合储能优化配置方法和系统
CN117375049B (zh) * 2023-10-13 2024-04-09 华能山东发电有限公司 用于风电场多维考核标准的混合储能优化配置方法和系统
CN117639012A (zh) * 2023-11-21 2024-03-01 国网宁夏电力有限公司电力科学研究院 用于风电场的混合储能系统容量配置方法、介质及系统
CN117977655A (zh) * 2023-12-28 2024-05-03 国家电网有限公司华东分部 海上风电储能配置方法及装置、存储介质、终端
CN117977655B (zh) * 2023-12-28 2024-10-11 国家电网有限公司华东分部 海上风电储能配置方法及装置、存储介质、终端

Also Published As

Publication number Publication date
CN115021295B (zh) 2024-07-12

Similar Documents

Publication Publication Date Title
CN111900727B (zh) 基于pso的光储充换一体化充电站协同优化调度方法和装置
CN115021295B (zh) 针对一次调频的风电场混合储能容量优化配置方法及系统
Wang et al. Energy management and optimization of vehicle-to-grid systems for wind power integration
CN107609693A (zh) 基于Pareto档案粒子群算法的微电网多目标优化方法
CN110138006B (zh) 考虑含有新能源电动汽车的多微电网协调优化调度方法
CN107273968A (zh) 一种基于动态模糊混沌粒子群的多目标调度方法及装置
CN114169211A (zh) 一种基于改进的粒子群算法的多站融合储能优化配置模型
CN115115130A (zh) 一种基于模拟退火算法的风光储制氢系统日前调度方法
CN116645089A (zh) 一种考虑退役电池容量退化的储能系统双层优化配置方法
CN107240926A (zh) 一种实时电价下户用储能智能化管理方法
CN108695903B (zh) 基于粒子群优化算法的微电网优化调度方法
CN103915851A (zh) 一种递进步长和期望输出均可变的储能系统优化控制方法
CN117543655A (zh) 计及辅助服务的微电网群退役电池共享储能优化配置方法
CN116345502A (zh) 混合储能双层模型容量优化配置方法、系统、设备及介质
CN115360738B (zh) 一种考虑可控域约束的电动汽车一次调频控制方法
CN116260170A (zh) 一种飞轮储能群组的功率分配方法、系统及电子设备
CN115940284B (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
CN115001001B (zh) 一种新型电力系统源荷储的主从博弈优化方法
CN110707788A (zh) 一种分布式储能电站中储能电池阵列快速均衡系统及方法
CN113555901B (zh) 基于改进s型函数粒子群优化算法的混合储能容量优化方法
CN115912421A (zh) 一种配电网储能选址定容多目标优化方法及系统
CN108183496A (zh) 一种光伏储能系统的能量管理方法
CN115238992A (zh) 一种电力系统源荷储的协调优化方法、装置及电子设备
CN111244989B (zh) 一种基于电池储能的风电机组与火电机组的协调运行方法
CN114943378A (zh) 一种用于微电网多目标优化调度的改进和声搜索系统

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
GR01 Patent grant
GR01 Patent grant