CN115021331A - 基于贡献系数法的清洁能源基地水风光一体化补偿方法 - Google Patents
基于贡献系数法的清洁能源基地水风光一体化补偿方法 Download PDFInfo
- Publication number
- CN115021331A CN115021331A CN202210681607.5A CN202210681607A CN115021331A CN 115021331 A CN115021331 A CN 115021331A CN 202210681607 A CN202210681607 A CN 202210681607A CN 115021331 A CN115021331 A CN 115021331A
- Authority
- CN
- China
- Prior art keywords
- wind
- water
- period
- power
- light
- 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
- H02J3/38—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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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
-
- 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
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了基于贡献系数法的清洁能源基地水风光一体化补偿方法,具体为:风光典型出力场景提取;梯级水电、风电、光伏损益指标选取;水风光运行情景的设置;水风光一体化效益模型场景选取;水风光一体化效益模型的构建与求解;根据求解的春夏秋冬四个季节在水风光运行情景下的结果,以选取的损益指标标准,分析清洁能源基地在实施水风光一体化过程中梯级水电整体、梯级水电内部各水电站、风光电站的损益情况,并通过图表的方式进行量化,根据量化结果明确清洁能源基地水风光互补运行中的补偿方与被补偿方;明确水风光一体化补偿方法。使清洁能源基地内水电、风电、光伏之间的利益达到相对均衡,提高水电参与水风光互补运行的调峰积极性。
Description
技术领域
本发明属于清洁能源水风光一体化运行技术领域,涉及基于贡献系数法的清洁能源基地水风光一体化补偿方法。
背景技术
梯级水电装机容量大、调节性能强,具备强大的“削峰填谷”能力,是清洁能源基地中的重要灵活性电源,水风光互补运行效果是能源基地合理运行的重要环节。
在多能互补运行中,水电难以按照对自身直接收益最有利的方式运行,如多能互补运行过程中水电常在电价低时多发,电价高时少发,致使风电、光伏收益增量颇丰,而水电自身直接发电效益严重受损。直接按照发电收益进行多类型电源的效益分摊,必然导致水电与风电、光伏间存在明显利益矛盾,如不能科学均衡大型清洁能源基地内部各发电主体利益,势必降低水电参与水风光互补运行的调峰积极性,影响能源转型的推进,因此,提出清洁能源基地水风光一体化补偿方法,对促进清洁能源基地的健康开发具有重要的意义。
发明内容
本发明的目的是提供基于贡献系数法的清洁能源基地水风光一体化补偿方法,使清洁能源基地内水电、风电、光伏之间的利益达到相对均衡,提高水电参与水风光互补运行的调峰积极性。
本发明所采用的技术方案是,基于贡献系数法的清洁能源基地水风光一体化补偿方法,具体按照以下步骤实施:
步骤1,风光典型出力场景提取;
步骤2,梯级水电、风电、光伏损益指标选取;
步骤3,水风光运行情景的设置;
步骤4,水风光一体化效益模型的场景选取;
步骤5,水风光一体化效益模型的构建与求解;
步骤6,根据步骤5求解的春夏秋冬四个季节在水风光运行情景下的结果,以步骤2选取的损益指标标准,分析清洁能源基地在实施水风光一体化过程中梯级水电整体、梯级水电内部各水电站、风光电站的损益情况,并通过图表的方式进行量化,根据量化结果明确清洁能源基地水风光互补运行中的补偿方与被补偿方;
步骤7,明确水风光一体化补偿方法。
本发明的特征还在于,
步骤1的具体过程为:
步骤1.1,根据清洁能源规划建设的风电场经纬度、光伏电场经纬度,在格林威治平台与Meteonorm软件中分别建立风能资源虚拟监测点、光能资源虚拟监测点,并从建立的虚拟监测点获取用于风光功率模拟的数据;
其中,风能资源虚拟监测点获取的数据包括:风速、风向;光能资源虚拟监测点获取的数据包括:年内及日内水平面总辐射、年内及日内水平面散射辐射、环境温度;
步骤1.2,绘制风速年内日内变化折线图、风速风向玫瑰图、太阳辐照强度年内日内变化折线图对风速、风向、太阳辐照度的年内及日内变化进行分析,得到清洁能源风光资源时变规律;
步骤1.3,采用K-means算法,使用各个风电站风速序列计算相似距离,将清洁能源基地的风电站划分为k_wind个集群,根据各个光伏电站太阳辐照度序列年内、日内变化规律,将所在纬度相近的光伏电站划分为同一集群,则光伏电站划分成k_pv个集群;
同一集群划分规则为:第一个光伏集群从清洁能源基地中最低纬度上的光伏电站到最高纬度上的光伏电站的纬度跨度不超过0.5°,若该集群中最高纬度上的光伏电站与相邻的更高纬度的光伏电站之间纬度相差不超过0.2°,则把相邻更纬度的光伏电站也纳入该集群,其他光伏集群则是去掉已划分集群包含的光伏电站,按照第一个集群划分原则进行划分其他光伏集群;
步骤1.4,利用风功率物理模型对清洁能源基地风电站各集群内的风电站出力过程进行模拟,得到风电站各集群的全年功率序列,利用光伏功率物理模型对清洁能源基地光伏电站各集群内的光伏电站出力过程进行模拟,得到光伏电站各集群的全年功率序列;
其中,风功率物理模型公式为:
式(2)中,Pw为风电机组发电功率,W;CP为风电机组的风能利用系数;A为叶轮扫掠面积,m2;ρ为空气密度,kg/m3;v为风速,m/s;v1为切入风速,m/s;vN为风电机组的额定风速,m/s;Pe为风电机组额定功率,W;v2为切出风速,m/s;
光伏功率物理模型公式为:
式(3)中,PPV,t为光伏板在t时刻的发电功率,W;Pstc为标准条件下单个光伏板的出力,W;Ir,t为t时刻实际辐射强度,W/m2;Istc为标准条件下对应太阳辐射强度,W/m2;δt为光伏板的功率温度系数;Tt为t时刻光伏板的温度,℃;Tstc为标准条件下温度Tstc=25℃;
步骤1.5,通过同步回代缩减法对风电站每个集群中冬春季节、夏秋季节两个时段的发电功率样本分别进行缩减,两个时段均得到z_wind个出力场景,通过同步回代缩减法对光伏电站每个集群中冬春季节、夏秋季节两个时段的发电功率样本进行缩减,两个时段均得到z_pv个出力场景;
将风电站每个集群冬春季得到的z_wind个出力场景及夏秋季得到的z_wind个出力场景分别进行组合,则冬春、夏秋两个时段分别得到m_wind个风电总出力场景,将光伏电站每个集群冬春季得到的z_pv个典型出力场景及夏秋季得到的z_pv个典型出力场景分别进行组合,则冬春、夏秋两个时段分别得到m_pv个光伏总出力场景;
采用K-means聚类法分别对风电站冬春季得到的m_wind个风电总出力场景、风电站夏秋季得到的m_wind个风电总出力场景、光伏电站冬春季得到的m_pv个光伏总出力场景、光伏电站夏秋季得到的m_pv个光伏总出力场景进行缩减,得到风电站冬春季典型出力场景、风电站夏秋季典型出力场景、光伏电站冬春季典型出力场景、光伏电站夏秋季典型出力场景。
步骤2的具体过程为:
步骤2.1,收集能够表达梯级水电、风电、光伏损益的特征量,包括各电源发电量和发电收益、风光弃电量和弃电损失、水电弃水量、水电向上调峰爬坡强迫度、各电源导致的缺电概率、梯级水电波动性;
步骤2.2,选取各电源的发电量、发电收益、风光弃电量、风光弃电损失作为清洁能源基地内部梯级水电、风电、光伏损益指标。
步骤3的具体过程为:
水风光综合出力过程需满足电力系统负荷波动,设置2种水风光运行情景:
水风光运行情景1,梯级水电不配合风光消纳:梯级水电先根据电力系统负荷过程发电,而风光在满足电力系统余留负荷过程的前提下上网;
水风光运行情景2,梯级水电不完全配合风光消纳:梯级水电根据等效负荷发电,当水风光综合出力过程不符合系统负荷要求时,采取弃风光。
步骤4的具体过程为:
步骤4.1,水电根据各时期发电流量大小的代表性,选择春夏秋冬各一个典型日,作为水电典型入流场景;
步骤4.2,风电站出力场景采用步骤1.5中得到的风电站冬春季典型出力场景、风电站夏秋季典型出力场景;
步骤4.3,光伏电站出力场景采用步骤1.5中得到的光伏电站冬春季典型出力场景、光伏电站夏秋季典型出力场景。
步骤5的具体过程为:
步骤5.1,梯级水电效益模型的构建;
具体目标函数如下:
梯级水电效益最大:
电力系统余留负荷最小:
电力系统余留负荷波动最小:
式(11)-(13)中,R1,h表示梯级水电收益,元;t表示调度的某一时间段;T表示调度总时段数,T取24;c(t)表示在t时段内的水风光打捆上网电价,元/(MW·h);i表示下游第i个水电站;n表示下游水电站总数,n取5;Nh,i(t)表示在t时段内下游第i个水电站的平均出力,MW;Δt表示在每个时段的时间,h;Nretotal表示系统余留负荷,MW;Ns(t)表示系统在在t时段内的平均负荷,MW;Vre表示系统余留负荷波动,MW2/h;Nre(t)表示系统在t时段内的平均余留负荷,MW;表示系统在T时段内的余留负荷平均值,MW;
约束条件:
水量平衡约束:
Vi,t+1=Vi,t+(Ii,t-Qi,t-qi,t)×Δt (14)
式(14)中,Vi,t+1为第t时段末第i个水库的蓄水量,m3;Vi,t为第t时段初第i个水库的蓄水量,m3;Ii,t为第t时段第i个水库的入库流量,m3/s;Qi,t为第t时段第i个水库的发电流量,m3/s;qi,t为第t时段第i个水库的弃水流量,m3/s;
水电出力约束:
库容约束:
水位约束:
下泄流量约束:
非负约束:以上变量均为非负值;
步骤5.2,风光效益模型的构建;
风光效益表达式:
R1,wp=c(t)×[Nw(t)+Np(t)]×Δt (19)
式(19)中,R1,wp表示水风光互补总收益,元;Nw(t)表示在t时段内雅砻江下游风电场的平均出力,MW;Np(t)表示在t时段内下游光伏电场的平均出力,MW;
约束条件:
风光出力约束:
式(21)中,Ns,t表示第t时段的电力系统平均负荷;
并网约束:
Ns,t≥Nh,i,t+Nw,t+Np,t (22)
非负约束:以上变量均为非负值;
步骤5.3,水风光一体化效益模型的构建;
具体目标函数如下:
水风光互补系统效益最大:
系统余留负荷最小:
系统余留负荷波动最小:
式(23)-(25)中,R3表示水风光互补总收益,元;
约束条件:
水量平衡约束:
Vi,t+1=Vi,t+(Ii,t-Qi,t-qi,t)×Δt (26)
式(26)中,Vi,t+1为第t时段末第i个水库的蓄水量,m3;Vi,t为第t时段初第i个水库的蓄水量,m3;Ii,t为第t时段第i个水库的入库流量,m3/s;Qi,t为第t时段第i个水库的发电流量,m3/s;qi,t为第t时段第i个水库的弃水流量,m3/s;
水电出力约束:
库容约束:
水位约束:
下泄流量约束:
风光出力约束:
Nw,t+Np,t=Ns,w,t+Ns,p,t (31)
式中:Ns,w,t为风电第t时段的平均模拟出力,MW;Ns,p,t为光伏第t时段的平均模拟出力,MW;
并网约束:
Ns,t≥Nh,i,t+Nw,t+Np,t (32)
非负约束:以上变量均为非负值;
步骤5.4,采用粒子群算法对步骤5.3的模型进行求解。
步骤7的具体过程为:
7.1,梯级水电、风电、光伏补偿方法
分别计算梯级水电、风电、光伏在水风光互补系统中的贡献值:
EH,t=EHWP,t-EWP,t (35)
EW,t=EHWP,t-EHP,t (36)
EP,t=EHWP,t-EHW,t (37)
式(35-37)中,t为时段数,其可取1~24;EH,t为梯级水电在t时段水风光互补系统中的贡献值;EW,t为风电在t时段水风光互补系统中的贡献值;EP,t为光伏在t时段水风光互补系统中的贡献值;EHWP,t为t时段水风光互补系统发电量;EWP,t为风光互补系统在t时段的发电量;EHP,t为水光互补系统在t时段的发电量;EHW,t为水风互补系统在t时段的发电量;
分别计算梯级水电、风电、光伏在补偿电量中的贡献值:
Ec,H,t=EH,t-Es,H,t (38)
Ec,W,t=EW,t-Es,W,t (39)
Ec,P,t=EP,t-Es,P,t (40)
式(38)-(40)中:Ec,H,t为梯级水电在t时段补偿电量中的贡献值;Ec,W,t为风电在t时段补偿电量中的贡献值;Ec,P,t为光伏在t时段补偿电量中的贡献值;Es,H,t为未参与水风光互补的梯级水电在t时段的发电量;Es,W,t为未参与水风光互补的风电在t时段的发电量;Es,P,t分别为未参与水风光互补的光伏在t时段的发电量;
分别计算梯级水电、风电、光伏在水风光互补系统中的相对贡献系数:
ηH,t=Ec,H,t/(Ec,H,t+Ec,W,t+Ec,P,t) (41)
ηW,t=Ec,W,t/(Ec,H,t+Ec,W,t+Ec,P,t) (42)
ηP,t=Ec,P,t/(Ec,H,t+Ec,W,t+Ec,P,t) (43)
式(41)-(43)中:ηH,t为梯级水电在t时段的相对贡献系数;ηW,t为风电在t时段的相对贡献系数;ηP,t为光伏在t时段的相对贡献系数;
计算水风光互补后多能互补系统的补偿电量:
Eb,t=EHWP,t-(Es,H,t+Es,W,t+Es,P,t) (44)
式(44)中,Eb,t为t时段水风光互补后的补偿电量;
分别计算梯级水电、风电、光伏在补偿电量分配后的核算电量:
E'H,t=ηH,t*Eb,t+Es,H,t (45)
E'W,t=ηW,t*Eb,t+Es,W,t (46)
E'P,t=ηP,t*Eb,t+Es,P,t (47)
式(45)-(47)中:E'H,t为梯级水电在t时段补偿电量分配后的核算电量;E'W,t为风电在t时段补偿电量分配后的核算电量;E'P,t为光伏在t时段补偿电量分配后的核算电量;
分别计算梯级水电、风电、光伏在补偿电量分配后的核算收益:
RH,t=E'H,t*ct (48)
RW,t=E'W,t*ct (49)
RP,t=E'P,t*ct (50)
式(48)-(50)中:RH,t为梯级水电在t时段补偿电量分配后的收益;RW,t为风电在t时段补偿电量分配后的收益;RP,t为光伏在t时段补偿电量分配后的收益;ct为实时电价;
7.2,梯级水电内部各水电站补偿方法:
分别计算下游各水电站在水风光互补系统中的贡献值
EH,i,t=EHWP,t-EHWP,i,t (51)
式(51)中,t为时段数,其可取1~24;i为水电站的个数;EH,i,t为第i个水电站在t时段水风光互补系统中的贡献值;EHWP,t为t时段水风光互补系统发电量;EHWP,i,t为没有第i水电站时水风光互补系统在t时段的发电量;
分别计算下游各水电站在梯级水电补偿电量中的贡献值:
Ec,H-i,t=EH,i,t-Es,H-i,t (52)
式(52)中,Ec,H-i,t为第i个水电站在t时段梯级水电补偿电量中的贡献值;Es,H-i,t为第i个水电站单独调度时在t时段的发电量;
分别计算下游各水电站在梯级水电补偿电量中的相对贡献系数:
式(53)中:ηH,i,t为第i个水电站在t时段梯级水电补偿电量中的相对贡献系数;
计算水风光互补后梯级水电的补偿电量:
式(54)中,E'b,t为水风光互补后梯级水电在t时段的的补偿电量;E'H,t为梯级水电在t时段补偿电量分配后的核算电量;
分别计算下游各水电站补偿电量分配后的核算电量:
E'H,i,t=ηH,i,t*E'b,t+Es,H-i,t (55)
式(55)中,E'H,i,t为第i个水电站在t时段梯级水电补偿电量分配后的核算电量;
分别计算下游各水电站补偿电量分配后的核算收益:
RH,i,t=E'H,i,t*ct (56)
式(56)中,RH,i,t为第i个水电站在t时段梯级水电补偿电量分配后的收益;ct为实时电价。
本发明的有益效果是,
(1)本发明基于贡献系数法的清洁能源基地水风光一体化补偿方法,包括制定清洁能源基地的补偿基本原则,阐明清洁能源基地的补偿原理,提出基于补偿电量贡献值的补偿方法,填补了清洁能源基地因缺少科学的补偿机制,而不能给予水电合理补偿的空白;
(2)本发明基于贡献系数法的清洁能源基地水风光一体化补偿方法,能够在保证水风光互补系统整体效益最优的前提下很好地均衡梯级水电、风电光伏各方的利益,这不仅极大地提高了梯级水电在参与水风光互补过程中调峰填谷的主动性,也给予了新能源更大的消纳空间;
(3)本发明基于贡献系数法的清洁能源基地水风光一体化补偿方法,通过核定梯级水电内部各水电站在水风光互补过程中的贡献,分别给予各水电站相应的补偿,使得梯级水电内部各水电站在水风光互补模式下的收益均比其单独调度时的收益多,这可让梯级水电站内部各方利益得到充分保证,有助于水电企业健康发展。
附图说明
图1是本发明基于贡献系数法的清洁能源基地水风光一体化补偿方法的流程图;
图2是本发明实施例冬春风电典型出力场景;
图3是本发明实施例夏秋风电典型出力场景;
图4是本发明实施例冬春光伏典型出力场景;
图5是本发明实施例夏秋光伏典型出力场景;
图6是本发明实施例水风光一体化系统损益变化图;(a)发电量变化图,(b)收益变化图;
图7是本发明实施例梯级水电整体损益变化图;(a)发电量变化图,(b)收益变化图;
图8是本发明实施例梯级水电内部各电站发电量;(a)春季发电量,(b)夏季发电量,(c)秋季发电量,(d)冬季发电量;
图9是本发明实施例梯级水电内部各电站发电收益;(a)春季发电收益,(b)夏季发收益,(c)秋季发收益,(d)冬季发收益;
图10是本发明实施例风光损益变化图;(a)风光可上网电量,(b)风光可上网收益,(c)风光弃电量,(d)风光弃电损失;
图11是本发明实施例四个季节梯级水电补偿分析图;(a)核定电量,(b)核定收益,(c)被补偿电量,(d)被补偿收益;
图12是本发明实施例锦屏I级四个季节补偿分析图;(a)核定电量,(b)核定收益,(c)被补偿电量,(d)被补偿收益;
图13是本发明实施例锦屏II级四个季节补偿分析图;(a)核定电量,(b)核定收益,(c)被补偿电量,(d)被补偿收益;
图14是本发明实施例官地四个季节补偿分析图;(a)核定电量,(b)核定收益,(c)被补偿电量,(d)被补偿收益;
图15是本发明实施例二滩四个季节补偿分析图;(a)核定电量,(b)核定收益,(c)被补偿电量,(d)被补偿收益;
图16是本发明实施例桐子林四个季节补偿分析图;(a)核定电量,(b)核定收益,(c)被补偿电量,(d)被补偿收益;
图17是本发明实施例四个季节风光补偿分析图;(a)核定电量,(b)核定收益,(c)被补偿电量,(d)被补偿收益。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明提供一种基于贡献系数法的清洁能源基地水风光一体化补偿方法,如图1所示,具体按照以下步骤实施:
步骤1,风光典型出力场景提取
步骤1.1,根据清洁能源规划建设的风电场经纬度、光伏电场经纬度,在格林威治平台与Meteonorm软件中分别建立风能资源虚拟监测点、光能资源虚拟监测点,并从建立的虚拟监测点获取用于风光功率模拟的数据;
其中,风能资源虚拟监测点获取的数据包括:风速、风向;光能资源虚拟监测点获取的数据包括:年内及日内水平面总辐射、年内及日内水平面散射辐射、环境温度;
步骤1.2,绘制风速年内日内变化折线图、风速风向玫瑰图、太阳辐照强度年内日内变化折线图对风速、风向、太阳辐照度的年内及日内变化进行分析(比如,分析年内哪些月份风速大,哪些月份风速小,哪个季节盛行什么风向,日内哪些时段风速大,哪些时段风速小;分析年内哪些月份太阳辐照度大,哪些月份太阳辐照度小,日内哪些时段太阳辐照度大,哪些时段太阳辐照度小),得到清洁能源风光资源时变规律;
步骤1.3,采用K-means算法,使用各个风电站风速序列计算相似距离,将清洁能源基地的风电站划分为k_wind个集群,根据各个光伏电站太阳辐照度序列年内、日内变化规律,第一个光伏集群从清洁能源基地中最低纬度上的光伏电站到最高纬度上的光伏电站的纬度跨度不超过0.5°,若该集群中最高纬度上的光伏电站与相邻的更高纬度的光伏电站之间纬度相差不超过0.2°,则把相邻更纬度的光伏电站也纳入该集群,其他光伏集群则是去掉已划分集群包含的光伏电站,按照第一个集群划分原则进行划分,最后将光伏电站划分成k_pv个集群;
K-means算法具体步骤如下:
①输入含有n个对象的数据集D,确定聚类数k;
②从数据集D中随机选取k个对象作为初始聚类中心(c1,c2,…,ck);
③计算数据集中各数据到各聚类中心ci(i=1:k)的相似距离,并将其划分到最近的簇;
④计算每个簇的平均值并更新聚类中心;
⑤重复步骤③和④,直至达到迭代次数或者聚类中心不再发生变化为止;
相似距离:设X=(x1,x2,…,xn),C=(c1,c2,…,cn),则X与C的相似距离定义为:
式(1)中,X表示某一风电站的风速序列;C表示某一聚类中心风电站的风速序列;其中,
步骤1.4,利用风功率物理模型对清洁能源基地风电站各集群内的风电站出力过程进行模拟,得到风电站各集群的全年功率序列,利用光伏功率物理模型对清洁能源基地光伏电站各集群内的光伏电站出力过程进行模拟,得到光伏电站各集群的全年功率序列;
其中,风功率物理模型公式为:
式(2)中,Pw为风电机组发电功率,W;CP为风电机组的风能利用系数;A为叶轮扫掠面积,m2;ρ为空气密度,kg/m3;v为风速,m/s;v1为切入风速,m/s;vN为风电机组的额定风速,m/s;Pe为风电机组额定功率,W;v2为切出风速,m/s;
光伏功率物理模型公式为:
式(3)中,PPV,t为光伏板在t时刻的发电功率,W;Pstc为标准条件下单个光伏板的出力,W;Ir,t为t时刻实际辐射强度,W/m2;Istc为标准条件下对应太阳辐射强度,W/m2;δt为光伏板的功率温度系数;Tt为t时刻光伏板的温度,℃;Tstc为标准条件下温度Tstc=25℃;
步骤1.5,通过同步回代缩减法对风电站每个集群中冬春季节、夏秋季节两个时段的发电功率样本分别进行缩减,两个时段均得到z_wind个出力场景,通过同步回代缩减法对光伏电站每个集群中冬春季节、夏秋季节两个时段的发电功率样本进行缩减,两个时段均得到z_pv个出力场景;
将风电站每个集群冬春季得到的z_wind个出力场景及夏秋季得到的z_wind个出力场景分别进行组合,则冬春、夏秋两个时段分别得到m_wind个风电总出力场景,将光伏电站每个集群冬春季得到的z_pv个典型出力场景及夏秋季得到的z_pv个典型出力场景分别进行组合,则冬春、夏秋两个时段分别得到m_pv个光伏总出力场景;
采用K-means聚类法分别对风电站冬春季得到的m_wind个风电总出力场景、风电站夏秋季得到的m_wind个风电总出力场景、光伏电站冬春季得到的m_pv个光伏总出力场景、光伏电站夏秋季得到的m_pv个光伏总出力场景进行缩减(缩减数是自行设定的,K-means聚类的最佳聚类数k一般情况下的取值在之间,N表示样本集中的样本个数,本实施例中将风电、光电出力场景缩减数设定为5,是由于此步为了得到较少具有较强代表性的风电、光电典型出力场景以优化后续的各生产调度计算效率,当然也可以将缩减数分别设置为之间的每一个整数,看不同缩减数风电、光电典型出力场景的代表性),得到风电站冬春季典型出力场景、风电站夏秋季典型出力场景、光伏电站冬春季典型出力场景、光伏电站夏秋季典型出力场景;
同步回代缩减技术操作步骤如下:
①记初始场景样本集S,随机变量记为ξ∈S,运算过程中,在S中依次删除一个场景,删除的场景集记为J,最后得到需要的场景集S-J,在场景缩减过程中,利用kantorovich距离Dh评价初始场景和消减后场景的距离,其表达式如下:
式(4)中pi为选择的尝试场景i的概率值;cT为集合内场景i和j之间的距离;ξi表示场景i对应的样本序列;ξj表示场景j对应的样本序列;
式(6)中qj表示经场景缩减后得到场景的概率,等于其自身的初始概率与其他因相似度高而删除的场景的概率之和,删除前后场景集的概率和不变,总为1;pj表示选择的尝试场景j的概率值;
③在场景缩减中的初始场景集选择中,需符合删除前后场景集之间的Dh最小:
④在删除的场景数J给定的条件下,为使式(8)达到最小,具体计算步骤如下:
第0步:计算初始场景集中所有两两组合场景之间的距离:
cij=cT(ξi,ξj),(i,j∈S),J(0)=Φ (9)
式(9)中,Φ表示空集,它是指不含有任何元素的集合,为创建初始场景集使用;
第J步:按照式(10)逐一计算,得到:
式(10)中,clj表示在被删除J-1个场景后,集合S-J(J-1)中任意两个不相同场景之间的距离;表示在被删除J-1个场景后,集合S-J(J-1)中任意两个不相同场景之间的距离最小值;ph表示在被删除J-1个场景后,集合S-J(J-1)中任意两个不相同场景之间的距离最小值所对应场景的概率;表示第J次删除前后场景集之间的距离,将值最小对应的场景l从场景集合S-J(J-1)中删除,并入已删除的场景集合中;
第J+1步:最终得到S-J个场景集合及其概率;
步骤2,梯级水电、风电、光伏损益指标选取
步骤2.1,通过查找文献,收集能够表达梯级水电、风电、光伏损益的特征量,包括各电源发电量和发电收益、风光弃电量和弃电损失、水电弃水量、水电向上调峰爬坡强迫度、各电源导致的缺电概率、梯级水电波动性;
步骤2.2,选取各电源的发电量、发电收益、风光弃电量、风光弃电损失作为清洁能源基地内部梯级水电、风电、光伏损益指标;
步骤3,水风光运行情景的设置
考虑到强波动性的风电、光伏大规模接入电网,必将给电力系统带来巨大安全隐患,因此,本发明立足确保电力系统安全稳定运行,让水风光综合出力过程满足电力系统负荷波动,设置2种水风光运行情景:
水风光运行情景1,梯级水电不配合风光消纳(水风光未互补组):梯级水电先根据电力系统负荷过程发电,而风光在满足电力系统余留负荷过程的前提下上网;包含梯级水电效益模型、风光效益模型;
水风光运行情景2,梯级水电不完全配合风光消纳(水风光互补组):梯级水电根据等效负荷(电力系统负荷减去风光出力)发电,当水风光综合出力过程不符合系统负荷要求时,采取弃水电;
步骤4,水风光一体化效益模型的场景选取
步骤4.1,水电根据各时期发电流量大小的代表性,选择春夏秋冬各一个典型日,作为水电的典型入流场景;
步骤4.2,风电站出力场景采用步骤1.5中得到的风电站冬春季典型出力场景、风电站夏秋季典型出力场景;
步骤4.3,光伏电站出力场景采用步骤1.5中得到的光伏电站冬春季典型出力场景、光伏电站夏秋季典型出力场景;
步骤5,水风光一体化效益模型的构建与求解
步骤5.1,梯级水电效益模型的构建;
具体目标函数如下:
梯级水电效益最大:
电力系统余留负荷最小:
电力系统余留负荷波动最小:
式(11)-(13)中,R1,h表示梯级水电收益,元;t表示调度的某一时间段;T表示调度总时段数,T取24;c(t)表示在t时段内的水风光打捆上网电价,元/(MW·h);i表示下游第i个水电站;n表示下游水电站总数,n取5;Nh,i(t)表示在t时段内下游第i个水电站的平均出力,MW;Δt表示在每个时段的时间,h;Nretotal表示系统余留负荷,MW;Ns(t)表示系统在在t时段内的平均负荷,MW;Vre表示系统余留负荷波动,MW2/h;Nre(t)表示系统在t时段内的平均余留负荷,MW;表示系统在T时段内的余留负荷平均值,MW;
约束条件:
水量平衡约束:
Vi,t+1=Vi,t+(Ii,t-Qi,t-qi,t)×Δt (14)
式(14)中,Vi,t+1为第t时段末第i个水库的蓄水量,m3;Vi,t为第t时段初第i个水库的蓄水量,m3;Ii,t为第t时段第i个水库的入库流量,m3/s;Qi,t为第t时段第i个水库的发电流量,m3/s;qi,t为第t时段第i个水库的弃水流量,m3/s;
水电出力约束:
库容约束:
水位约束:
下泄流量约束:
非负约束:以上变量均为非负值;
步骤5.2,风光效益模型的构建;
风光效益表达式:
R1,wp=c(t)×[Nw(t)+Np(t)]×Δt (19)
式(19)中,R1,wp表示水风光互补总收益,元;Nw(t)表示在t时段内雅砻江下游风电场的平均出力,MW;Np(t)表示在t时段内下游光伏电场的平均出力,MW;
约束条件:
风光出力约束:
式(21)中,Ns,t表示第t时段的电力系统平均负荷;
并网约束:
Ns,t≥Nh,i,t+Nw,t+Np,t (22)
非负约束:以上变量均为非负值;
步骤5.3,水风光一体化效益模型的构建;
具体目标函数如下:
水风光互补系统效益最大:
系统余留负荷最小:
系统余留负荷波动最小:
式(23)-(25)中,R3表示水风光互补总收益,元;
约束条件:
水量平衡约束:
Vi,t+1=Vi,t+(Ii,t-Qi,t-qi,t)×Δt (26)
式(26)中,Vi,t+1为第t时段末第i个水库的蓄水量,m3;Vi,t为第t时段初第i个水库的蓄水量,m3;Ii,t为第t时段第i个水库的入库流量,m3/s;Qi,t为第t时段第i个水库的发电流量,m3/s;qi,t为第t时段第i个水库的弃水流量,m3/s;
水电出力约束:
库容约束:
水位约束:
下泄流量约束:
风光出力约束:
Nw,t+Np,t=Ns,w,t+Ns,p,t (31)
式中:Ns,w,t为风电第t时段的平均模拟出力,MW;Ns,p,t为光伏第t时段的平均模拟出力,MW;
并网约束:
Ns,t≥Nh,i,t+Nw,t+Np,t (32)
非负约束:以上变量均为非负值;
步骤5.4,采用粒子群算法对步骤5.3的模型进行求解;
粒子群算法操作步骤如下:
①初始化参数:设定粒子群大小、迭代次数上限、自变量个数等参数,并在规定的速度范围和搜索空间中随机赋予粒子初始速度与初始位置;
②求解个体最优解和当前最优解:定义适应度函数,通过比较一代中所有粒子的适应度获得个体最优解,比较所有当前迭代中的个体最优获得当前最优解;
③通过下列公式更新速度与位置,并据此计算新的适应度函数值:
Vi+1=ω×Vi+c1×r1×(Pbest-Pi)+c2×r2×(Gbest-Pi) (33)
Pi+1=Pi+Vi+1 (34)
式(34)-(35)中,Vi+1为下一代粒子速度;ω为惯性因子;Vi为当代粒子速度;c1和c2为学习因子;r1、r2为[0,1]上产生的随机数;Pbest为个体最优,Pi为当代粒子位置,Gbest是当前最优解;Pi+1为下一代粒子位置;
④迭代更新:计算每一代个体适应度以更新个体最优解与当前最优解:
⑤终止条件:当迭代次数达到预先设定的次数上限时,则终止迭代,此时的当前最优解即全局最优解;
步骤6,根据步骤5得到的春夏秋冬四个季节在2个水风光运行情景下的结果(水风光系统发电量和发电收益、各电源的发电量和发电收益均可直接由上述模型计算得到,而损益指标中的发电收益与上述模型计算出来的各电源发电收益是相同的),以步骤2选取的损益指标标准,分析清洁能源基地在实施水风光一体化过程中水风光系统、梯级水电整体、梯级水电内部各水电站、风光电站的损益情况,并通过图表的方式进行量化,根据量化结果明确清洁能源基地水风光互补运行中的补偿方与被补偿方;
步骤7,明确水风光一体化补偿方法
补偿基本原则:风光水互补系统整体效益最优的前提下,确保梯级水电在水风光互补过程中受损的利益可以被风电光伏补偿回来,且补偿结束后能够让梯级水电、风电、光伏、梯级水电内部各电站的收益均在水风光未互补基础上增加;
补偿原理:补偿原理是根据清洁能源基地内部各电源在水风光互补过程中的贡献大小给予各电源增量效益分摊,使多能互补系统内部达到效益均衡
7.1,梯级水电、风电、光伏补偿方法
分别计算梯级水电、风电、光伏在水风光互补系统中的贡献值:
EH,t=EHWP,t-EWP,t (35)
EW,t=EHWP,t-EHP,t (36)
EP,t=EHWP,t-EHW,t (37)
式(35-37)中,t为时段数,其可取1~24;EH,t为梯级水电在t时段水风光互补系统中的贡献值;EW,t为风电在t时段水风光互补系统中的贡献值;EP,t为光伏在t时段水风光互补系统中的贡献值;EHWP,t为t时段水风光互补系统发电量;EWP,t为风光互补系统在t时段的发电量;EHP,t为水光互补系统在t时段的发电量;EHW,t为水风互补系统在t时段的发电量;
分别计算梯级水电、风电、光伏在补偿电量中的贡献值:
Ec,H,t=EH,t-Es,H,t (38)
Ec,W,t=EW,t-Es,W,t (39)
Ec,P,t=EP,t-Es,P,t (40)
式(38)-(40)中:Ec,H,t为梯级水电在t时段补偿电量中的贡献值;Ec,W,t为风电在t时段补偿电量中的贡献值;Ec,P,t为光伏在t时段补偿电量中的贡献值;Es,H,t为未参与水风光互补的梯级水电在t时段的发电量;Es,W,t为未参与水风光互补的风电在t时段的发电量;Es,P,t分别为未参与水风光互补的光伏在t时段的发电量;
分别计算梯级水电、风电、光伏在水风光互补系统中的相对贡献系数:
ηH,t=Ec,H,t/(Ec,H,t+Ec,W,t+Ec,P,t) (41)
ηW,t=Ec,W,t/(Ec,H,t+Ec,W,t+Ec,P,t) (42)
ηP,t=Ec,P,t/(Ec,H,t+Ec,W,t+Ec,P,t) (43)
式(41)-(43)中:ηH,t为梯级水电在t时段的相对贡献系数;ηW,t为风电在t时段的相对贡献系数;ηP,t为光伏在t时段的相对贡献系数;
计算水风光互补后多能互补系统的补偿电量:
Eb,t=EHWP,t-(Es,H,t+Es,W,t+Es,P,t) (44)
式(44)中,Eb,t为t时段水风光互补后的补偿电量;
分别计算梯级水电、风电、光伏在补偿电量分配后的核算电量:
E'H,t=ηH,t*Eb,t+Es,H,t (45)
E'W,t=ηW,t*Eb,t+Es,W,t (46)
E'P,t=ηP,t*Eb,t+Es,P,t (47)
式(45)-(47)中:E'H,t为梯级水电在t时段补偿电量分配后的核算电量;E'W,t为风电在t时段补偿电量分配后的核算电量;E'P,t为光伏在t时段补偿电量分配后的核算电量;
分别计算梯级水电、风电、光伏在补偿电量分配后的核算收益:
RH,t=E'H,t*ct (48)
RW,t=E'W,t*ct (49)
RP,t=E'P,t*ct (50)
式(48)-(50)中:RH,t为梯级水电在t时段补偿电量分配后的收益;RW,t为风电在t时段补偿电量分配后的收益;RP,t为光伏在t时段补偿电量分配后的收益;ct为实时电价;
7.2,梯级水电内部各水电站补偿方法:
分别计算下游各水电站在水风光互补系统中的贡献值
EH,i,t=EHWP,t-EHWP,i,t (51)
式(51)中,t为时段数,其可取1~24;i可取1、2、3、4、5,其分别对应锦屏I级、锦屏II级、官地、二滩、桐梓林;EH,i,t为第i个水电站在t时段水风光互补系统中的贡献值;EHWP,t为t时段水风光互补系统发电量;EHWP,i,t为没有第i水电站时水风光互补系统在t时段的发电量;
分别计算雅砻江下游各水电站在梯级水电补偿电量中的贡献值:
Ec,H-i,t=EH,i,t-Es,H-i,t (52)
式(52)中,Ec,H-i,t为第i个水电站在t时段梯级水电补偿电量中的贡献值;Es,H-i,t为第i个水电站单独调度时在t时段的发电量;
分别计算雅砻江下游各水电站在梯级水电补偿电量中的相对贡献系数:
式(53)中:ηH,i,t为第i个水电站在t时段梯级水电补偿电量中的相对贡献系数;
计算水风光互补后梯级水电的补偿电量:
式(54)中,E'b,t为水风光互补后梯级水电在t时段的的补偿电量;E'H,t为梯级水电在t时段补偿电量分配后的核算电量;
分别计算雅砻江下游各水电站补偿电量分配后的核算电量:
E'H,i,t=ηH,i,t*E'b,t+Es,H-i,t (55)
式(55)中,E'H,i,t为第i个水电站在t时段梯级水电补偿电量分配后的核算电量;
分别计算雅砻江下游各水电站补偿电量分配后的核算收益:
RH,i,t=E'H,i,t*ct (56)
式(56)中,RH,i,t为第i个水电站在t时段梯级水电补偿电量分配后的收益;ct为实时电价。
实施例
以规划了1470万kW水电、701.4万kW风电、567.5万kW光伏电站装机的雅砻江下游清洁能源基地为实践对象,与水电相关资料由雅砻江流域水电开发有限公司提供;
根据雅砻江下游清洁能源规划建设的65个风电场、19个光伏电场;
采用K-means算法,使用各风电站风速序列计算相似距离,将雅砻江下游清洁能源基地规划的风电站划分为6个集群;根据各光伏电站太阳辐照度序列年内日内变化特点,将所在纬度相近的光伏电站划分为同一集群,最终光伏电站划分成3个集群;
通过同步回代缩减法对每个风电、光伏集群的冬春季节和夏秋季节的功率样本分别进行缩减,分别得到5wind个出力场景、5pv个出力场景,得到每个风电集群冬春季5个出力场景和夏秋季5个出力场景、每个光伏集群冬春季5个出力场景和夏秋季5个出力场景,将风电站每个集群冬春季得到的z wind5个出力场景进行组合及、夏秋季得到的z wind5个出力场景分别进行组合,冬春季(夏秋季)雅砻江清洁能源基地的风电集群共6个,且每个集群里都有5个风电出力场景(这5个风电出力场景的概率之和为1,就是说此集群里的5个风电出力场景代表了该集群所有可能出现的风电出力),那么要想表征雅砻江清洁能源基地总风电出力场景,就是从每个风电集群里随机选一个风电出力场景进行组合(出力相加、概率相乘)得到一个总风电出力场景,那么冬春季(夏秋季)和夏秋季雅砻江清洁能源基地总风电出力场景的数目就是各56=15625个;光电场景组合方法相似:冬春季(夏秋季)雅砻江清洁能源基地总光电出力场景的数目就是53=125,即:冬春和秋夏两个时段各得到15625个风电总出力场景和125个光伏总出力场景,采用K-means聚类法对众多风光出力场景进行缩减,得到具有强代表性的冬春、夏秋各5个风电典型出力场景(如图2和图3所示)和5个光电典型出力场景(如图4和图5所示);
根据四川省发展和改革委员会发布公告可知,12月-次年4月为雅砻江下游河段枯水期,5月与11月为雅砻江下游河段平水期,6月-10月为雅砻江下游河段丰水期,本发明以科学衡量雅砻江下游清洁能源基地不同季节水风光互补运行前后的损益为目标,根据雅砻江流域下游丰水期、平水期、枯水期对应月份,分别选取2月5日、5月19日、8月13日、11月30日作为春季、夏季、秋季、冬季的来水典型日,以此作为水电的典型入流场景;
雅砻江下游水风光一体化清洁能源基地中梯级水电内部各水电站包括:锦屏I级、锦屏II级、官地、二滩、桐梓林;
由图3-图7得出的结果为:雅砻江下游清洁能源基地水风光互补运行中梯级水电牺牲了自己的利益,为风光消纳做出了巨大贡献,因此风光电站为补偿方,梯级水电为被补偿方。
补偿结果分析:从各电源的核算电量、核算收益、补偿电量、补偿收益等指标入手,系统分析梯级水电、风光电站、梯级水电内部各水电站的补偿结果,对照补偿基本原则,确保各电源主体得到科学补偿。由图11-图17分析可得:
(1)本发明补偿方法能够在保证水风光互补系统整体效益最优的前提下很好地均衡梯级水电、风电光伏各方的利益,让各方收益均在水风光未互补基础上显著增加,其中梯级水电的核定电量增量、核定收益增量冬季最大、秋季最小,风电光伏的核定电量增量、核定收益增量秋季最大、春季最小,这不仅极大地提高了梯级水电在参与水风光互补过程中调峰填谷的主动性,也给予了新能源更大的消纳空间。
(2)本发明补偿方法通过核定梯级水电内部五个水电站在水风光互补过程中的贡献,分别给予各水电站相应的补偿,使得水风光互补模式下各水电站的收益均比其单独调度时的收益多,这让梯级水电站内部各方利益得到充分保证。
Claims (7)
1.基于贡献系数法的清洁能源基地水风光一体化补偿方法,其特征在于,具体按照以下步骤实施:
步骤1,风光典型出力场景提取;
步骤2,梯级水电、风电、光伏损益指标选取;
步骤3,水风光运行情景的设置;
步骤4,水风光一体化效益模型的场景选取;
步骤5,水风光一体化效益模型的构建与求解;
步骤6,根据步骤5求解的春夏秋冬四个季节在水风光运行情景下的结果,以步骤2选取的损益指标标准,分析清洁能源基地在实施水风光一体化过程中梯级水电整体、梯级水电内部各水电站、风光电站的损益情况,并通过图表的方式进行量化,根据量化结果明确清洁能源基地水风光互补运行中的补偿方与被补偿方;
步骤7,明确水风光一体化补偿方法。
2.根据权利要求1所述的基于贡献系数法的清洁能源基地水风光一体化补偿方法,其特征在于,步骤1的具体过程为:
步骤1.1,根据清洁能源规划建设的风电场经纬度、光伏电场经纬度,在格林威治平台与Meteonorm软件中分别建立风能资源虚拟监测点、光能资源虚拟监测点,并从建立的虚拟监测点获取用于风光功率模拟的数据;
其中,风能资源虚拟监测点获取的数据包括:风速、风向;光能资源虚拟监测点获取的数据包括:年内及日内水平面总辐射、年内及日内水平面散射辐射、环境温度;
步骤1.2,绘制风速年内日内变化折线图、风速风向玫瑰图、太阳辐照强度年内日内变化折线图对风速、风向、太阳辐照度的年内及日内变化进行分析,得到清洁能源风光资源时变规律;
步骤1.3,采用K-means算法,使用各个风电站风速序列计算相似距离,将清洁能源基地的风电站划分为k_wind个集群,根据各个光伏电站太阳辐照度序列年内、日内变化规律,将所在纬度相近的光伏电站划分为同一集群,则光伏电站划分成k_pv个集群;
同一集群划分规则为:第一个光伏集群从清洁能源基地中最低纬度上的光伏电站到最高纬度上的光伏电站的纬度跨度不超过0.5°,若该集群中最高纬度上的光伏电站与相邻的更高纬度的光伏电站之间纬度相差不超过0.2°,则把相邻更纬度的光伏电站也纳入该集群,其他光伏集群则是去掉已划分集群包含的光伏电站,按照第一个集群划分原则进行划分其他光伏集群;
步骤1.4,利用风功率物理模型对清洁能源基地风电站各集群内的风电站出力过程进行模拟,得到风电站各集群的全年功率序列,利用光伏功率物理模型对清洁能源基地光伏电站各集群内的光伏电站出力过程进行模拟,得到光伏电站各集群的全年功率序列;
其中,风功率物理模型公式为:
式(2)中,Pw为风电机组发电功率,W;CP为风电机组的风能利用系数;A为叶轮扫掠面积,m2;ρ为空气密度,kg/m3;v为风速,m/s;v1为切入风速,m/s;vN为风电机组的额定风速,m/s;Pe为风电机组额定功率,W;v2为切出风速,m/s;
光伏功率物理模型公式为:
式(3)中,PPV,t为光伏板在t时刻的发电功率,W;Pstc为标准条件下单个光伏板的出力,W;Ir,t为t时刻实际辐射强度,W/m2;Istc为标准条件下对应太阳辐射强度,W/m2;δt为光伏板的功率温度系数;Tt为t时刻光伏板的温度,℃;Tstc为标准条件下温度Tstc=25℃;
步骤1.5,通过同步回代缩减法对风电站每个集群中冬春季节、夏秋季节两个时段的发电功率样本分别进行缩减,两个时段均得到z_wind个出力场景,通过同步回代缩减法对光伏电站每个集群中冬春季节、夏秋季节两个时段的发电功率样本进行缩减,两个时段均得到z_pv个出力场景;
将风电站每个集群冬春季得到的z_wind个出力场景及夏秋季得到的z_wind个出力场景分别进行组合,则冬春、夏秋两个时段分别得到m_wind个风电总出力场景,将光伏电站每个集群冬春季得到的z_pv个典型出力场景及夏秋季得到的z_pv个典型出力场景分别进行组合,则冬春、夏秋两个时段分别得到m_pv个光伏总出力场景;
采用K-means聚类法分别对风电站冬春季得到的m_wind个风电总出力场景、风电站夏秋季得到的m_wind个风电总出力场景、光伏电站冬春季得到的m_pv个光伏总出力场景、光伏电站夏秋季得到的m_pv个光伏总出力场景进行缩减,得到风电站冬春季典型出力场景、风电站夏秋季典型出力场景、光伏电站冬春季典型出力场景、光伏电站夏秋季典型出力场景。
3.根据权利要求1所述的基于贡献系数法的清洁能源基地水风光一体化补偿方法,其特征在于,步骤2的具体过程为:
步骤2.1,收集能够表达梯级水电、风电、光伏损益的特征量,包括各电源发电量和发电收益、风光弃电量和弃电损失、水电弃水量、水电向上调峰爬坡强迫度、各电源导致的缺电概率、梯级水电波动性;
步骤2.2,选取各电源的发电量、发电收益、风光弃电量、风光弃电损失作为清洁能源基地内部梯级水电、风电、光伏损益指标。
4.根据权利要求1所述的基于贡献系数法的清洁能源基地水风光一体化补偿方法,其特征在于,步骤3的具体过程为:
水风光综合出力过程需满足电力系统负荷波动,设置2种水风光运行情景:
水风光运行情景1,梯级水电不配合风光消纳:梯级水电先根据电力系统负荷过程发电,而风光在满足电力系统余留负荷过程的前提下上网;
水风光运行情景2,梯级水电不完全配合风光消纳:梯级水电根据等效负荷发电,当水风光综合出力过程不符合系统负荷要求时,采取弃风光。
5.根据权利要求2所述的基于贡献系数法的清洁能源基地水风光一体化补偿方法,其特征在于,步骤4的具体过程为:
步骤4.1,水电根据各时期发电流量大小的代表性,选择春夏秋冬各一个典型日,作为水电的典型入流场景;
步骤4.2,风电站出力场景采用步骤1.5中得到的风电站冬春季典型出力场景、风电站夏秋季典型出力场景;
步骤4.3,光伏电站出力场景采用步骤1.5中得到的光伏电站冬春季典型出力场景、光伏电站夏秋季典型出力场景。
6.根据权利要求1所述的基于贡献系数法的清洁能源基地水风光一体化补偿方法,其特征在于,步骤5的具体过程为:
步骤5.1,梯级水电效益模型的构建;
具体目标函数如下:
梯级水电效益最大:
电力系统余留负荷最小:
电力系统余留负荷波动最小:
式(11)-(13)中,R1,h表示梯级水电收益,元;t表示调度的某一时间段;T表示调度总时段数,T取24;c(t)表示在t时段内的水风光打捆上网电价,元/(MW·h);i表示下游第i个水电站;n表示下游水电站总数,n取5;Nh,i(t)表示在t时段内下游第i个水电站的平均出力,MW;Δt表示在每个时段的时间,h;Nretotal表示系统余留负荷,MW;Ns(t)表示系统在t时段内的平均负荷,MW;Vre表示系统余留负荷波动,MW2/h;Nre(t)表示系统在t时段内的平均余留负荷,MW;表示系统在T时段内的余留负荷平均值,MW;
约束条件:
水量平衡约束:
Vi,t+1=Vi,t+(Ii,t-Qi,t-qi,t)×Δt (14)
式(14)中,Vi,t+1为第t时段末第i个水库的蓄水量,m3;Vi,t为第t时段初第i个水库的蓄水量,m3;Ii,t为第t时段第i个水库的入库流量,m3/s;Qi,t为第t时段第i个水库的发电流量,m3/s;qi,t为第t时段第i个水库的弃水流量,m3/s;
水电出力约束:
库容约束:
水位约束:
下泄流量约束:
非负约束:以上变量均为非负值;
步骤5.2,风光效益模型的构建;
风光效益表达式:
R1,wp=c(t)×[Nw(t)+Np(t)]×Δt (19)
式(19)中,R1,wp表示水风光互补总收益,元;Nw(t)表示在t时段内雅砻江下游风电场的平均出力,MW;Np(t)表示在t时段内下游光伏电场的平均出力,MW;
约束条件:
风光出力约束:
式(21)中,Ns,t表示第t时段的电力系统平均负荷;
并网约束:
Ns,t≥Nh,i,t+Nw,t+Np,t (22)
非负约束:以上变量均为非负值;
步骤5.3,水风光一体化效益模型的构建;
具体目标函数如下:
水风光互补系统效益最大:
系统余留负荷最小:
系统余留负荷波动最小:
式(23)-(25)中,R3表示水风光互补总收益,元;
约束条件:
水量平衡约束:
Vi,t+1=Vi,t+(Ii,t-Qi,t-qi,t)×Δt (26)
式(26)中,Vi,t+1为第t时段末第i个水库的蓄水量,m3;Vi,t为第t时段初第i个水库的蓄水量,m3;Ii,t为第t时段第i个水库的入库流量,m3/s;Qi,t为第t时段第i个水库的发电流量,m3/s;qi,t为第t时段第i个水库的弃水流量,m3/s;
水电出力约束:
库容约束:
水位约束:
下泄流量约束:
风光出力约束:
Nw,t+Np,t=Ns,w,t+Ns,p,t (31)
式中:Ns,w,t为风电第t时段的平均模拟出力,MW;Ns,p,t为光伏第t时段的平均模拟出力,MW;
并网约束:
Ns,t≥Nh,i,t+Nw,t+Np,t (32)
非负约束:以上变量均为非负值;
步骤5.4,采用粒子群算法对步骤5.3的模型进行求解。
7.根据权利要求1所述的基于贡献系数法的清洁能源基地水风光一体化补偿方法,其特征在于,步骤7的具体过程为:
7.1,梯级水电、风电、光伏补偿方法
分别计算梯级水电、风电、光伏在水风光互补系统中的贡献值:
EH,t=EHWP,t-EWP,t (35)
EW,t=EHWP,t-EHP,t (36)
EP,t=EHWP,t-EHW,t (37)
式(35-37)中,t为时段数,其可取1~24;EH,t为梯级水电在t时段水风光互补系统中的贡献值;EW,t为风电在t时段水风光互补系统中的贡献值;EP,t为光伏在t时段水风光互补系统中的贡献值;EHWP,t为t时段水风光互补系统发电量;EWP,t为风光互补系统在t时段的发电量;EHP,t为水光互补系统在t时段的发电量;EHW,t为水风互补系统在t时段的发电量;
分别计算梯级水电、风电、光伏在补偿电量中的贡献值:
Ec,H,t=EH,t-Es,H,t (38)
Ec,W,t=EW,t-Es,W,t (39)
Ec,P,t=EP,t-Es,P,t (40)
式(38)-(40)中:Ec,H,t为梯级水电在t时段补偿电量中的贡献值;Ec,W,t为风电在t时段补偿电量中的贡献值;Ec,P,t为光伏在t时段补偿电量中的贡献值;Es,H,t为未参与水风光互补的梯级水电在t时段的发电量;Es,W,t为未参与水风光互补的风电在t时段的发电量;Es,P,t分别为未参与水风光互补的光伏在t时段的发电量;
分别计算梯级水电、风电、光伏在水风光互补系统中的相对贡献系数:
ηH,t=Ec,H,t/(Ec,H,t+Ec,W,t+Ec,P,t) (41)
ηW,t=Ec,W,t/(Ec,H,t+Ec,W,t+Ec,P,t) (42)
ηP,t=Ec,P,t/(Ec,H,t+Ec,W,t+Ec,P,t) (43)
式(41)-(43)中:ηH,t为梯级水电在t时段的相对贡献系数;ηW,t为风电在t时段的相对贡献系数;ηP,t为光伏在t时段的相对贡献系数;
计算水风光互补后多能互补系统的补偿电量:
Eb,t=EHWP,t-(Es,H,t+Es,W,t+Es,P,t) (44)
式(44)中,Eb,t为t时段水风光互补后的补偿电量;
分别计算梯级水电、风电、光伏在补偿电量分配后的核算电量:
E'H,t=ηH,t*Eb,t+Es,H,t (45)
E'W,t=ηW,t*Eb,t+Es,W,t (46)
E'P,t=ηP,t*Eb,t+Es,P,t (47)
式(45)-(47)中:E'H,t为梯级水电在t时段补偿电量分配后的核算电量;E'W,t为风电在t时段补偿电量分配后的核算电量;E'P,t为光伏在t时段补偿电量分配后的核算电量;
分别计算梯级水电、风电、光伏在补偿电量分配后的核算收益:
RH,t=E'H,t*ct (48)
RW,t=E'W,t*ct (49)
RP,t=E'P,t*ct (50)
式(48)-(50)中:RH,t为梯级水电在t时段补偿电量分配后的收益;RW,t为风电在t时段补偿电量分配后的收益;RP,t为光伏在t时段补偿电量分配后的收益;ct为实时电价;
7.2,梯级水电内部各水电站补偿方法:
分别计算下游各水电站在水风光互补系统中的贡献值
EH,i,t=EHWP,t-EHWP,i,t (51)
式(51)中,t为时段数,其可取1~24;i为水电站的个数;EH,i,t为第i个水电站在t时段水风光互补系统中的贡献值;EHWP,t为t时段水风光互补系统发电量;EHWP,i,t为没有第i水电站时水风光互补系统在t时段的发电量;
分别计算下游各水电站在梯级水电补偿电量中的贡献值:
Ec,H-i,t=EH,i,t-Es,H-i,t (52)
式(52)中,Ec,H-i,t为第i个水电站在t时段梯级水电补偿电量中的贡献值;Es,H-i,t为第i个水电站单独调度时在t时段的发电量;
分别计算下游各水电站在梯级水电补偿电量中的相对贡献系数:
式(53)中:ηH,i,t为第i个水电站在t时段梯级水电补偿电量中的相对贡献系数;
计算水风光互补后梯级水电的补偿电量:
式(54)中,E'b,t为水风光互补后梯级水电在t时段的的补偿电量;E'H,t为梯级水电在t时段补偿电量分配后的核算电量;
分别计算下游各水电站补偿电量分配后的核算电量:
E'H,i,t=ηH,i,t*E'b,t+Es,H-i,t (55)
式(55)中,E'H,i,t为第i个水电站在t时段梯级水电补偿电量分配后的核算电量;
分别计算下游各水电站补偿电量分配后的核算收益:
RH,i,t=E'H,i,t*ct (56)
式(56)中,RH,i,t为第i个水电站在t时段梯级水电补偿电量分配后的收益;ct为实时电价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210681607.5A CN115021331A (zh) | 2022-06-16 | 2022-06-16 | 基于贡献系数法的清洁能源基地水风光一体化补偿方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210681607.5A CN115021331A (zh) | 2022-06-16 | 2022-06-16 | 基于贡献系数法的清洁能源基地水风光一体化补偿方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115021331A true CN115021331A (zh) | 2022-09-06 |
Family
ID=83074246
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210681607.5A Pending CN115021331A (zh) | 2022-06-16 | 2022-06-16 | 基于贡献系数法的清洁能源基地水风光一体化补偿方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115021331A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116404652A (zh) * | 2023-03-24 | 2023-07-07 | 国网山东省电力公司日照供电公司 | 一种用于分布式光伏发电量损失补偿的方法及系统 |
CN116451978A (zh) * | 2023-06-15 | 2023-07-18 | 山东泰霖环保科技有限公司 | 一种基于双碳目标的风光电能源网架规划分析系统 |
-
2022
- 2022-06-16 CN CN202210681607.5A patent/CN115021331A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116404652A (zh) * | 2023-03-24 | 2023-07-07 | 国网山东省电力公司日照供电公司 | 一种用于分布式光伏发电量损失补偿的方法及系统 |
CN116404652B (zh) * | 2023-03-24 | 2024-05-24 | 国网山东省电力公司日照供电公司 | 一种用于分布式光伏发电量损失补偿的方法及系统 |
CN116451978A (zh) * | 2023-06-15 | 2023-07-18 | 山东泰霖环保科技有限公司 | 一种基于双碳目标的风光电能源网架规划分析系统 |
CN116451978B (zh) * | 2023-06-15 | 2023-09-12 | 山东泰霖环保科技有限公司 | 一种风光电能源网架规划分析系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111681130B (zh) | 一种考虑条件风险价值的综合能源系统优化调度方法 | |
CN115021331A (zh) | 基于贡献系数法的清洁能源基地水风光一体化补偿方法 | |
CN112215428B (zh) | 基于误差修正和模糊逻辑的光伏发电功率预测方法及系统 | |
CN110334870B (zh) | 基于门控循环单元网络的光伏电站短期功率预测方法 | |
CN113496311A (zh) | 光伏电站发电功率预测方法及系统 | |
CN112952818B (zh) | 一种基于出力互补性的风光水多能互补容量优化配置方法 | |
CN112070311A (zh) | 基于相似日聚类和气象因子赋权的日前光功率预测方法 | |
CN112994092B (zh) | 一种基于功率预测的独立风光储微电网系统尺寸规划方法 | |
Kim et al. | Probabilistic solar power forecasting based on bivariate conditional solar irradiation distributions | |
CN111262242A (zh) | 基于多场景技术的冷热电虚拟电厂运行方法 | |
Teferra et al. | Fuzzy-based prediction of solar PV and wind power generation for microgrid modeling using particle swarm optimization | |
CN111404193B (zh) | 一种基于数据驱动的微电网随机鲁棒优化调度方法 | |
CN110909310A (zh) | 一种基于模型参数优化的光伏短期发电量预测方法及系统 | |
CN114444805A (zh) | 多光伏电站共享储能系统平滑出力的控制方法 | |
CN114977324A (zh) | 能源基地多能互补运行中多主体效益变化的量化方法 | |
CN115765044B (zh) | 风光水电系统联合运行及风险分析方法和系统 | |
Mellit | Sizing of photovoltaic systems: a review | |
CN113159437B (zh) | 一种短期光伏发电输出功率的预测方法 | |
Xiao et al. | A statistical photovoltaic power forecast model (spf) based on historical power and weather data | |
Kim et al. | Solar radiation forecasting using boosting decision tree and recurrent neural networks | |
Huang et al. | Forecast method of distributed photovoltaic power generation based on EM-WS-CNN neural networks | |
CN112270440B (zh) | 一种基于胶囊神经网络的配电网负荷预测方法 | |
Li et al. | Analysis of hybrid wind-photovoltaic-hydro generation system based on short-term scheduling | |
CN116227751B (zh) | 配电网优化配置方法及装置 | |
Bei et al. | Short-term power forecasting model of floating photovoltaic—A case study of Huainan floating photovoltaic plant, China |
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 |