CN115663924B - 含设定比例风光接入的多时间尺度源网荷储协同调度方法 - Google Patents
含设定比例风光接入的多时间尺度源网荷储协同调度方法 Download PDFInfo
- Publication number
- CN115663924B CN115663924B CN202211672938.9A CN202211672938A CN115663924B CN 115663924 B CN115663924 B CN 115663924B CN 202211672938 A CN202211672938 A CN 202211672938A CN 115663924 B CN115663924 B CN 115663924B
- Authority
- CN
- China
- Prior art keywords
- load
- power
- time
- wind
- hydrogen
- 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.)
- Active
Links
- 238000003860 storage Methods 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004088 simulation Methods 0.000 claims abstract description 6
- 238000004458 analytical method Methods 0.000 claims abstract description 5
- 238000004146 energy storage Methods 0.000 claims description 100
- 229910052739 hydrogen Inorganic materials 0.000 claims description 72
- 239000001257 hydrogen Substances 0.000 claims description 72
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 57
- 238000012546 transfer Methods 0.000 claims description 24
- 230000009467 reduction Effects 0.000 claims description 16
- 238000007599 discharging Methods 0.000 claims description 15
- 238000005457 optimization Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 4
- 241000726103 Atta Species 0.000 claims description 2
- -1 hydrogen Chemical class 0.000 description 15
- 230000008569 process Effects 0.000 description 12
- 238000005096 rolling process Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000010248 power generation Methods 0.000 description 6
- 230000009194 climbing Effects 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 4
- 239000013589 supplement Substances 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 229910052799 carbon Inorganic materials 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000012983 electrochemical energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及电力调度技术领域,具体而言,涉及含设定比例风光接入的多时间尺度源网荷储协同调度方法,该方法的步骤包括:建立多时间尺度源网荷储调度模型,基于多时间尺度源网荷储调度模型完成设定比例风电光伏电网的仿真分析,获取调度结果;所述多时间尺度源网荷储调度模型的建立包括:第一次建模阶段、第二次建模阶段及第三次建模阶段;第一次建模阶段的时间尺度设定为第一时长,以各项成本之和最小为目标,确定第一优化对象,并把第一优化对象代入第二次建模阶段及第三次建模阶段中;第二次建模阶段的时间尺度设定为第二时长,以各项成本之和最小为目标,确定第二优化对象,并把第二优化对象代入第三次建模阶段中。
Description
技术领域
本发明涉及电力调度技术领域,具体而言,涉及含设定比例风光接入的多时间尺度源网荷储协同调度方法。
背景技术
随着风电、光伏的大规模并网,弃风弃光已成为一个不可忽视的问题。就目前而言,对多时间尺度源网荷储调度的研究主要使用单一的简单储能;对氢储能的研究主要是对其进行日前调度,但仅通过日前调度仍然存在以下问题:弃风弃光量大从而导致系统综合成本较高;另外,大规模风电、光伏的并网,使电力系统可靠性进一步降低,并使得利用储能技术对风光波动进行平抑。基于此,针对上述技术问题,我们亟需含设定比例风光接入的多时间尺度源网荷储协同调度方法。
发明内容
本发明的目的在于提供含设定比例风光接入的多时间尺度源网荷储协同调度方法,其依次通过第一次建模及第二次建模获取对应优化对象及时间尺度,基于上述两个建模的基础上共同进行第三次建模,不仅能够对风电光伏出力进行时序上的转移和削峰填谷,同时还可以减少火电出力,减少高碳化石能源的消耗量;另外,氢储能和蓄电池储能存在互补特性,能够提高储能系统的储能稳定性,此外柔性负荷可以对储能系统进行补充,实现降低系统综合成本,减少弃风弃光量,提高电力系统可靠性的技术效果。
本发明的实施例通过以下技术方案实现:
含设定比例风光接入的多时间尺度源网荷储协同调度方法,该方法的步骤包括:
建立多时间尺度源网荷储调度模型,基于多时间尺度源网荷储调度模型完成设定比例风电光伏电网的仿真分析,获取调度结果;
所述多时间尺度源网荷储调度模型的建立包括:第一次建模阶段、第二次建模阶段及第三次建模阶段;
第一次建模阶段的时间尺度设定为第一时长,以各项成本之和最小为目标,确定第一优化对象,并把第一优化对象代入第二次建模阶段及第三次建模阶段中;
第二次建模阶段的时间尺度设定为第二时长,以各项成本之和最小为目标,确定第二优化对象,并把第二优化对象代入第三次建模阶段中;
第三次建模阶段的时间尺度设定为第三时长,以火电出力变化量最小为目标,确定第三优化对象。
可选的,所述第一优化对象包括:火电厂的启停成本、氢储能充放电状态、可转移负荷。
可选的,所述火电厂的启停成本的计算公式为:
其中,为火电厂的单次启停成本;为火电厂在时刻的启停状态的0-1变量,为1时处于启动状态,为0时处于停止状态;
N G为火电厂光伏电站的数量,T为调度周期。
可选的,所述氢储能充放电状态的计算公式为:
其中,为氢储能的充电功率;为氢储能的放电功率;为充电效率;为放电效率;为氢储能在时刻氢储能系统的等效SOC;为氢储能的PEME在时刻的启停状态变量,为氢储能的PEMFC在时刻的启停状态变量,为1时表示启动状态,为0时表示停止状态;为氢储能的额定容量。
可选的,所述可转移负荷的计算公式为:
其中,为可转移负荷的接受转移时间区间;为接受转移时间区间的转移状态,取值为0-1;T为调度周期;为时刻可转移负荷参与调节后的负荷功率;为可转移负荷参与转移调节的最大功率;为可转移负荷参与转移调节的最小功率;为时刻可转移负荷参与调节前的功率;为可转移负荷的最小转移时间。
可选的,所述第二优化对象包括:氢储能充放电功率、可削减负荷。
可选的,所述可削减负荷的计算公式为:
其中,为时刻可削减负荷参与调节后的负荷功率;为时刻可削减负荷参与调节前的功率;为取值0-1的变量,表示可削减负荷的削减状态;为时段可削减负荷的削减比例,;为可削减负荷的最大连续削减时间;为可削减负荷的最小连续削减时间。
可选的,所述第一次建模的目标函数为:
其中,为第一次建模的目标函数;为氢-电HESS运行维护成本;为各机组发电成本;为火电厂启停成本;为削减补偿费用;转移补偿成本;为网损成本;为弃风弃光惩罚成本;
所述第二次建模的目标函数为:
其中,为第二次建模的目标函数;为第一次建模确定的火电厂启停成本;为第一次建模确定的可转移负荷;
所述第三次建模的目标函数为:
其中,为第三次建模的目标函数;为火电厂在时刻的出力变化量的绝对值。
可选的,所述第三次建模的约束条件为:
其中,为火电厂
l在
t时刻可以提供的备用容量;为风电出力在
t时刻的预测误差;为光伏出力在
t时刻的预测误差;为负荷在
t时刻的预测误差;为蓄电池储能系统在时刻提供的备用容量;为氢储能系统在时刻提供的备用容量;为置信度。
本发明实施例的技术方案至少具有如下优点和有益效果:
本实施例依次通过第一次建模及第二次建模获取对应优化对象及时间尺度,基于上述两个建模的基础上共同进行第三次建模,不仅能够对风电光伏出力进行时序上的转移和削峰填谷,同时还可以减少火电出力,减少高碳化石能源的消耗量;另外,氢储能和蓄电池储能存在互补特性,能够提高储能系统的储能稳定性,此外柔性负荷可以对储能系统进行补充,实现降低系统综合成本,减少弃风弃光量,提高电力系统可靠性的技术效果。
附图说明
图1为本发明实施例提供的含设定比例风光接入的多时间尺度源网荷储协同调度方法的整体流程示意图;
图2为本发明实施例提供的功率-储能模式滞环流程示意图;
图3为本发明实施例提供的某地区46节点输电网网架结构示意图;
图4为本发明实施例提供的风光理想出力的曲线示意图;
图5为本发明实施例提供的本地负荷功率的曲线示意图;
图6为本发明实施例提供的外送负荷功率的曲线示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
参照图1所示,图1为本发明实施例提供的含设定比例风光接入的多时间尺度源网荷储协同调度方法的整体流程示意图。
在一些实施方式中,含设定比例风光接入的多时间尺度源网荷储协同调度方法,该方法的步骤包括:
建立多时间尺度源网荷储调度模型,基于多时间尺度源网荷储调度模型完成设定比例风电光伏电网的仿真分析,获取调度结果;
所述多时间尺度源网荷储调度模型的建立包括:第一次建模阶段、第二次建模阶段及第三次建模阶段;
第一次建模阶段的时间尺度设定为1h,以各项成本之和最小为目标,确定第一优化对象,并把第一优化对象代入第二次建模阶段及第三次建模阶段中;
第二次建模阶段的时间尺度设定为15min,以各项成本之和最小为目标,确定第二优化对象,并把第二优化对象代入第三次建模阶段中;
第三次建模阶段的时间尺度设定为5min,以火电出力变化量最小为目标,确定第三优化对象。
在上述实现过程中,第一次建模具体为日前调度模型,日前调度模型的目标函数为:,其中,为日前调度模型的目标函数即日前阶段系统的综合成本;为氢-电HESS运行维护成本;为各机组发电成本;为火电厂启停成本;为削减补偿费用;为转移补偿成本;为网损成本;为弃风弃光惩罚成本。其中,氢-电HESS运行维护成本为:,,,其中,为蓄电池储能系统的运行维护成本;氢储能系统的运行维护成本;、分别为蓄电池储能系统和氢储能系统的单位运行功率成本;为蓄电池储能系统在时刻的总功率;为氢储能系统在时刻的总功率;、分别为蓄电池储能和氢储能的数量。各机组发电及维护成本为:,其中,、、分别为火电厂、风电场、光伏电站的数量;、、分别为火力、风电、光伏的单位发电维护成本;、、分别为火电厂、风电场、光伏电站在时刻的实际发出功率。火电厂的启停成本为,其中,为火电厂的单次启停成本;为火电厂在时刻的启停状态的0-1变量,为1时处于启动状态,为0时处于停止状态;为火电厂光伏电站的数量,T为调度周期。柔性负荷补偿成本为:①削减补偿成本:,其中,表示可削减负荷的单位功率削减补偿成本;转移补偿成本:,其中,表示可转移负荷的单位功率转移补偿成本。网损成本为:,其中,为单位网损成本;为时刻的有功损耗。弃风弃光惩罚成本为:,其中,为单位弃风弃光惩罚成本;为时刻的弃风弃光功率。
更为具体的,日前调度模型的约束条件包括:功率平衡约束、发电出力约束、火电爬坡约束、火电最小启停时间约束、柔性负荷约束、储能约束。其中,功率平衡约束为:,,其中,为时刻的总负荷功率; 为时刻的总刚性负荷功率。发电出力约束为:,,,其中,、分别为火电厂的最大、最小出力;、分别为风电场的出最大、最小出力;、分别为光伏电站的最大、最小出力。火电爬坡约束为:,其中,、分别为火电厂的最大向上、向下爬坡率。火电最小启停时间约束为:,,其中,、分别为火电厂最小连续启动和关停时间。
更为具体的,所述第一优化对象即日前调度模型的优化结果中部分确定量将被代入日内滚动和实时调度优化中,包括:火电厂的启停状态。氢储能充放电状态。可转移柔性负荷的转移量。
在上述实现过程中,第二次建模具体为日内滚动调度模型,日内滚动调度模型的目标函数为:,其中,为日内滚动调度模型的目标函数即日内阶段系统综合成本;为日前调度阶段确定的火电厂启停成本;为日前调度阶段确定的转移补偿成本。
更为具体的,除火电厂的启停约束、氢储能充放电约束和可转移柔性负荷约束为确定量外,所述日内滚动调度模型的其余约束与所述日前调度模型中的约束一致。
更为具体的,所述第二优化对象即日内滚动调度模型的优化结果中的部分确定量将被代入实时调度优化中,包括:氢储能充放电功率。可削减柔性负荷的削减量。
在上述实现过程中,第三次建模具体为实时调度模型,具体的,在实时调度阶段,针对风光出力与负荷的不确定性,建立备用容量的机会约束,使约束条件成立的概率大于设定的置信水平,从而最终确定系统所需的备用。所述实时调度模型基于第一次建模与第二次建模后的基础上进行构建,实时调度模型以火电出力变化量最小为目标,其目标函数为:,其中,为实时调度模型的目标函数即火电出力变化量;为火电厂在时刻的出力变化量的绝对值。
更为具体的,除火电厂的启停约束、氢储能各种约束、可削减柔性负荷约束和可转移柔性负荷约束为确定量外,日前调度模型的其余约束加上备用约束构成了实时调度模型的全部约束。所述备用约束为:,其中,为火电厂
l在
t时刻可以提供的备用容量;、、分别为风电、光伏出力和负荷在
t时刻的预测误差,预测误差一般采用正态分布得到;、分别为蓄电池储能系统和氢储能系统在时刻可以提供的备用容量;为置信度。
更为具体的,所述第三优化对象即实时调度模型的优化结果确定为:各类型机组的实际出力。蓄电池储能的充放电状态与功率。备用容量。弃风弃光量和网损。
在本实施方式中,第一次建模、第二次建模及第三次建模均为根据电网原始参数、风光原始的出力,负荷数据等进行构建,其中,还应用了氢-电HESS模型与柔性负荷模型。
更为具体的,蓄电池储能模型与氢储能模型是氢-电HESS模型的两个部分,其中氢储能系统由质子交换膜电解池、质子交换膜燃料电池与储氢罐组成,功能分别为“充电”、“放电”、“储存氢气”。蓄电池储能模型为,其中,为蓄电池储能在时刻的荷电量;、分别为蓄电池储能的充放电功率;、分别为储能的充放电效率;表示储能在时刻充电状态的0-1变量,为1时储能充电,为0时储能不进行充电;表示储能在时刻放电状态的0-1变量,为1时储能放电,为0时储能不进行放电;然而储能不能同时充放电,因此;为蓄电池储能的额定容量;为蓄电池储能的自放电率。蓄电池储能模型的约束条件为:,,,,其中,、分别为蓄电池储能最大最小电荷量;为配置周期。为蓄电池储能的额定功率。
参照图2所示,图2为本发明实施例提供的功率-储能模式滞环流程示意图。
更为具体的,氢储能模型为:,其中,、分别为氢储能的充放电功率;和分别为充放电效率;为氢储能在时刻氢储能系统的等效SOC;和分别为氢储能的PEME和PEMFC在时刻的启停状态变量,为1时表示启动状态,为0时表示停止状态;为氢储能的额定容量。氢储能模型的约束条件为:
其中,为氢储能的额定功率;为氢储能工作时的最小功率;和分别为氢储能的PEME在时刻已经连续运行、停运的时间;和分别为氢储能的PEMFC在时刻已经连续运行、停运的时间;和分别为PEME的最小连续运行时间与最小连续停运时间;和分别为PEMFC的最小连续运行时间与最小连续停运时间。氢储能模型在高功率运行状态下有更高的效率,综合成本也更低,因此应使氢储能模型在较高的功率下运行。蓄电池与氢储能在储能时长和储能功率上互补;又因氢储能功率与效率正相关,在功率达到一定阈值后氢储能的运行综合成本比蓄电池低。故把两种储能相结合,从而达到氢-电HESS充放电的最优解。设蓄电池储能和氢储能综合成本相等时的功率为HESS的模式切换功率阈值。为了防止功率指令在阈值功率附近波动时,HESS在1和2两种储能模式下反复切换,设定如图2所示的功率-储能模式滞环:模式1:在功率指令未达到阈值时,氢储能系统关闭,蓄电池储能承担电能充放的功能。模式2:当功率指令超过阈值后,氢储能系统根据功率指令的正负启动PEMFC或PEME。模式3:当功率指令超过氢储能额定功率后,氢储能和蓄电池储能同时承担电能充放的功能,,,,其中,为时刻氢-电HESS的充放电功率;为时刻蓄电池的充放电功率;为时刻氢储能的充放电功率;为返回系数,取值大于1;为当前模式切换变量,为1、2和3时分别表示模式1、2和3。返回系数的取值应重点考虑氢储能设备的最小连续运行时间与最小连续停运时间对模式切换的影响。返回系数取值较小时,会使切换过于敏感,导致迟滞环作用降低或无效;返回系数取值较大时,会使氢-电HESS中的两种储能工作在效率相对较低的区间,增加综合成本。
更为具体的,负荷类型包括刚性负荷和柔性负荷。在满足系统刚性负荷的前提下,柔性负荷可对系统的总体负荷进行调整,改善总体的用能水平。根据柔性负荷的不同控制方式,可将柔性负荷分为可削减负荷与可转移负荷。设置总柔性负荷率为每时刻本地负荷的8%,可削减负荷与可转移负荷各4%。其中,可削减负荷的削减后功率为:,约束条件为:,其中,表示时刻可削减负荷参与调节后的负荷功率;表示时刻可削减负荷参与调节前的功率;为0-1变量,表示可削减负荷的削减状态;表示时段可削减负荷的削减比例,;表示可削减负荷的最大、最小连续削减时间。可转移负荷可接受转移时间区间为:。引入0-1变量表示可转移负荷时段的转移状态,转移功率范围约束为:,转移功率总量为:,对于可转移负荷在调度周期内,其参与调节前后负荷总功率大小不变。最小转移时间约束为:,其中,表示时刻可转移负荷参与调节后的负荷功率;、分别为可转移负荷参与转移调节的最大、最小功率;表示时刻可转移负荷参与调节前的功率;表示可转移负荷的最小转移时间。
在本实施方式中,氢储能在电力系统中的定位与其他电化学储能有所差别,主要是长周期、跨季节、大规模和跨空间储存的作用。故设定总调度时间为3天。为了对源网荷储各种资源进行合理调度,提出多时间尺度源网荷储调度模型,包括日前、日内滚动和实时三个阶段,并把上一个阶段优化得到的确定量作为下一个阶段的已知量。1)日前调度计划提前96h制定,时间尺度为1h。以各项成本之和最小为目标,确定火电厂的启停状态、氢储能充放电状态和可转移柔性负荷的转移量。并把确定量代入日内滚动和实时调度中。2)日内滚动调度每次优化4h的调度框架,时间尺度为15min。同样以各项成本之和最小为目标,确定氢储能充放电功率、可削减柔性负荷的削减量。并把确定量代入实时调度中。3)实时调度每次优化15min的调度框架,时间尺度为5min。以火电出力变化量最小为目标,确定火电厂的实际出力、蓄电池储能充放电功率、弃风弃光量和网损等。
参照图3所示,图3为本发明实施例提供的某地区46节点输电网网架结构示意图。
另外,在本实施方式中提供了应用实例,应用实例基于算例仿真网络为某地区46节点含高比例风电和光伏接入的输电网。该算例的网架结构包括 46个节点,其中节点1为外送节点,负荷节点有24个,火电节点有5个,风电光伏节点有17个,各类型电站接入节点如附表A1所示:
表A1
网络有220kV和500kV两个电压等级,风电光伏出力和负荷功率数据采用该地区2019年的实测数据,火力发电总装机容量为1600MW;风力发电总装机容量为5075MW;光伏发电总装机容量为194MW。因氢储能有启停时间较长的特性,其对长时间的风光和负荷波动有较好的平抑效果,故选择连续的三个典型日进行仿真分析。选取的这三个典型日处于供暖期,由于有供暖的需求,火电出力需要一直保持在一定水平之上。另外置信度取值为0.9;返回系数取值为1.05,模型使用CPLEX 进行求解。
参照图4、图5及图6所示,图4为本发明实施例提供的风光理想出力的曲线示意图;图5为本发明实施例提供的本地负荷功率的曲线示意图;图6为本发明实施例提供的外送负荷功率的曲线示意图。
在上图中,平均每小时风光理想出力为2385.37MW;平均每小时本地负荷为1241.49MW;平均每小时外送负荷为1369.95MW,外送负荷上限为2000MW,下限为500MW。整个电网的外送负荷占总负荷的52.46%,属于典型的电力外送电网。
在本应用实例中,为了验证模型及配合策略的有效性,选取了3个不同的场景进行对比,并分析不同情况下的储能配置问题。场景1:无储能;无柔性负荷调控。场景2:配置蓄电池储能,在17个节点进行了配置;对柔性负荷进行调控。蓄电池储能配置如附表A2所示;场景3:配置氢-电HESS,在19个节点进行了配置;对柔性负荷进行调控。氢储能配置如附表A3所示。
表A2
表A3
表1所示,场景2和3对比场景1,系统综合成本分别减少了4.88%和6.23%;弃风弃光量分别减少了;火电启停成本分别减少了1.87万元和3.55万元。说明配置储能能够可以有效降低系统综合成本和弃风弃光量,同时能够有效的较少火电机组的启停,从而增加火电机组的寿命。
表1
无储能时弃风弃光率为3.61%;设置蓄电池储能时弃风弃光率为1.04%,火电出力降低了15.73%;设置氢-电混合储能时弃风弃光率为0.32%,火电出力降低了20.49%。7h-12h负荷较大,储能放电,使负荷减少,同时火电厂出力减少。24h-34h负荷急剧减少,弃风弃光量较大,储能充电;在30h-34h因蓄电池储能容量比氢-电混合储能容量小,无法进一步降低弃风弃光量。35h-42h负荷上升,储能放电,因氢-电混合储能的爬坡特性,放电功率逐步上升和下降,使火电厂能够更平缓的出力。
综合上述应用实例,弃风弃光率和火电出力的降低,说明储能能够有效的对风电光伏出力进行时序上的转移和削峰填谷,同时减少高碳化石能源的消耗量。
储能出力为正时储能放电,柔性负荷为正时负荷削减或转移,相当于电源;储能出力为负时储能充电,柔性负荷为负时接收转移负荷,相当于负荷。氢储能主要工作在负荷高峰和风电出力高峰,进行放电和充电。蓄电池储能主要对短时的风光和负荷波动进行平抑,启动速度快,没有启停时间限制。氢储能主要对长时的风光和负荷的大波动进行平抑,启动相对较慢,没有启停时间限制;故氢-电混合储能利用蓄电池储能对短时、小波动进行平抑。由于该地区本地负荷只有总负荷的一半,柔性负荷比例低,故柔性负荷只能是对储能系统的一个补充。结合上述,氢储能和蓄电池储能存在互补特性,提高了储能系统的储能稳定性。柔性负荷是对储能系统的一种补充。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.含设定比例风光接入的多时间尺度源网荷储协同调度方法,其特征在于,该方法的步骤包括:
建立多时间尺度源网荷储调度模型,基于多时间尺度源网荷储调度模型完成设定比例风电光伏电网的仿真分析,获取调度结果;
所述多时间尺度源网荷储调度模型的建立包括:第一次建模阶段、第二次建模阶段及第三次建模阶段;
第一次建模阶段的时间尺度设定为第一时长,以各项成本之和最小为目标,确定第一优化对象,并把第一优化对象代入第二次建模阶段及第三次建模阶段中;
第二次建模阶段的时间尺度设定为第二时长,以各项成本之和最小为目标,确定第二优化对象,并把第二优化对象代入第三次建模阶段中;
第三次建模阶段的时间尺度设定为第三时长,以火电出力变化量最小为目标,确定第三优化对象;
所述第一次建模的目标函数为:
其中,为第一次建模的目标函数;为氢-电HESS运行维护成本;为各机组发电成本;为火电厂启停成本;为削减补偿费用;转移补偿成本;为网损成本;为弃风弃光惩罚成本;
所述第二次建模的目标函数为:
其中,为第二次建模的目标函数;为第一次建模确定的火电厂启停成本;为第一次建模确定的可转移负荷;
所述第三次建模的目标函数为:
其中,为第三次建模的目标函数;为火电厂在时刻的出力变化量的绝对值,为火电厂的数量,T为调度周期。
2.根据权利要求1所述的含设定比例风光接入的多时间尺度源网荷储协同调度方法,其特征在于,所述第一优化对象包括:火电厂的启停成本、氢储能充放电状态、可转移负荷。
3.根据权利要求2所述的含设定比例风光接入的多时间尺度源网荷储协同调度方法,其特征在于,所述火电厂的启停成本的计算公式为:
其中,为火电厂的单次启停成本;为火电厂在时刻的启停状态的0-1变量,为1时处于启动状态,为0时处于停止状态;N G为火电厂的数量,T为调度周期。
4.根据权利要求2所述的含设定比例风光接入的多时间尺度源网荷储协同调度方法,其特征在于,所述氢储能充放电状态的计算公式为:
其中,为氢储能的充电功率;为氢储能的放电功率;为充电效率;为放电效率;为氢储能在时刻氢储能系统的等效SOC;为氢储能的PEME在时刻的启停状态变量,为氢储能的PEMFC在时刻的启停状态变量,为1时表示启动状态,为0时表示停止状态;为氢储能的额定容量。
5.根据权利要求2所述的含设定比例风光接入的多时间尺度源网荷储协同调度方法,其特征在于,所述可转移负荷的计算公式为:
其中,为可转移负荷的接受转移时间区间;为接受转移时间区间的转移状态,取值为0-1;T为调度周期;为时刻可转移负荷参与调节后的负荷功率;为可转移负荷参与转移调节的最大功率;为可转移负荷参与转移调节的最小功率;为时刻可转移负荷参与调节前的功率;为可转移负荷的最小转移时间。
6.根据权利要求1所述的含设定比例风光接入的多时间尺度源网荷储协同调度方法,其特征在于,所述第二优化对象包括:氢储能充放电功率、可削减负荷。
7.根据权利要求6所述的含设定比例风光接入的多时间尺度源网荷储协同调度方法,其特征在于,所述可削减负荷的计算公式为:
其中,为时刻可削减负荷参与调节后的负荷功率;为时刻可削减负荷参与调节前的功率;为取值0-1的变量,表示可削减负荷的削减状态;为时段可削减负荷的削减比例,;为可削减负荷的最大连续削减时间;为可削减负荷的最小连续削减时间。
8.根据权利要求1所述的含设定比例风光接入的多时间尺度源网荷储协同调度方法,其特征在于,所述第三次建模的约束条件为:
其中,为火电厂l在t时刻可以提供的备用容量;为风电出力在t时刻的预测误差;为光伏出力在t时刻的预测误差;为负荷在t时刻的预测误差;为蓄电池储能系统在时刻提供的备用容量;为氢储能系统在时刻提供的备用容量;为置信度;分别为火电厂、风电场、光伏电站的数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211672938.9A CN115663924B (zh) | 2022-12-26 | 2022-12-26 | 含设定比例风光接入的多时间尺度源网荷储协同调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211672938.9A CN115663924B (zh) | 2022-12-26 | 2022-12-26 | 含设定比例风光接入的多时间尺度源网荷储协同调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115663924A CN115663924A (zh) | 2023-01-31 |
CN115663924B true CN115663924B (zh) | 2023-04-14 |
Family
ID=85022758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211672938.9A Active CN115663924B (zh) | 2022-12-26 | 2022-12-26 | 含设定比例风光接入的多时间尺度源网荷储协同调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115663924B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106992556A (zh) * | 2017-05-24 | 2017-07-28 | 南方电网科学研究院有限责任公司 | 一种基于混合电源多时间尺度互补的优化调度方法 |
CN112769156A (zh) * | 2020-12-28 | 2021-05-07 | 南昌大学 | 一种计及大规模海上风电并网的源网荷储协调运行方法 |
CN115117940A (zh) * | 2022-06-06 | 2022-09-27 | 三峡大学 | 考虑风电、光伏及负荷不确定的风光水火储系统低碳调度模型建模方法 |
-
2022
- 2022-12-26 CN CN202211672938.9A patent/CN115663924B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106992556A (zh) * | 2017-05-24 | 2017-07-28 | 南方电网科学研究院有限责任公司 | 一种基于混合电源多时间尺度互补的优化调度方法 |
CN112769156A (zh) * | 2020-12-28 | 2021-05-07 | 南昌大学 | 一种计及大规模海上风电并网的源网荷储协调运行方法 |
CN115117940A (zh) * | 2022-06-06 | 2022-09-27 | 三峡大学 | 考虑风电、光伏及负荷不确定的风光水火储系统低碳调度模型建模方法 |
Non-Patent Citations (1)
Title |
---|
金力 ; 房鑫炎 ; 蔡振华 ; 陈东海 ; 李亦凡 ; .考虑特性分布的储能电站接入的电网多时间尺度源储荷协调调度策略.电网技术.(第10期), * |
Also Published As
Publication number | Publication date |
---|---|
CN115663924A (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107508303B (zh) | 一种面向微电网的模块化储能装置优化配置及控制方法 | |
CN101510686B (zh) | 基于多代理技术的微电网协调控制系统 | |
US20170237260A1 (en) | Energy storage system and management method thereof | |
CN102593872B (zh) | 一种风光储联合发电系统参与电力系统频率的控制方法 | |
CN105406520A (zh) | 基于双主控动态协作的独立微电网经济调度优化方法 | |
CN110571857A (zh) | 基于光伏与燃料电池联合发电系统的能源管理协调系统 | |
CN112865139B (zh) | 储能电站安全参与电网一次调频的优化控制策略 | |
CN110829408A (zh) | 基于发电成本约束的计及储能电力系统的多域调度方法 | |
CN110474321A (zh) | 组合式清洁能源发电系统及其运行方法 | |
CN109599881A (zh) | 一种基于锰酸锂电池储能系统的电网调频调压方法 | |
CN110991735A (zh) | 一种考虑aa-caes的热电联供系统优化调度方法 | |
CN115036963A (zh) | 一种提升配电网韧性的两阶段需求响应策略 | |
CN114611957B (zh) | 一种用于供需预测偏差二次修正储能能量管理方法 | |
CN109936151B (zh) | 一种由微电网系统参与火电机组一次调频的控制方法 | |
CN118199217A (zh) | 一种用于储能电站的电池功率分配方法及系统 | |
CN111211571A (zh) | 一种基于用户侧储能的变压器负载率维护控制方法及装置 | |
CN117713172A (zh) | 在大容量储能系统中的电力调峰方法 | |
CN115663924B (zh) | 含设定比例风光接入的多时间尺度源网荷储协同调度方法 | |
CN219372030U (zh) | 一种液流电池用停机控制系统 | |
CN111917137A (zh) | 一种针对区域电网内多种分布式能源的调控方法 | |
CN114094608B (zh) | 一种面向光伏电站的多类型储能容量优化配置方法及装置 | |
CN115409399A (zh) | 一种面向新型电力系统的复合储能优化调度系统及方法 | |
CN115065084A (zh) | 一种储能系统跟踪风电计划出力的控制方法 | |
CN114725955A (zh) | 用于新能源场站的电力调频系统及方法 | |
Xu et al. | Decentralized primary frequency regulation control strategy for vehicle-to-grid |
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 |