CN115776125A - 一种储能与新能源场站的协同运行优化方法及装置 - Google Patents

一种储能与新能源场站的协同运行优化方法及装置 Download PDF

Info

Publication number
CN115776125A
CN115776125A CN202211439150.3A CN202211439150A CN115776125A CN 115776125 A CN115776125 A CN 115776125A CN 202211439150 A CN202211439150 A CN 202211439150A CN 115776125 A CN115776125 A CN 115776125A
Authority
CN
China
Prior art keywords
day
energy storage
storage system
period
power generation
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
CN202211439150.3A
Other languages
English (en)
Inventor
杨波
吴福保
朱少杰
胡安平
李官军
陶以彬
王德顺
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.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
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 State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI filed Critical State Grid Corp of China SGCC
Priority to CN202211439150.3A priority Critical patent/CN115776125A/zh
Publication of CN115776125A publication Critical patent/CN115776125A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明涉及配置储能的新能源场站发电出力优化技术领域，具体提供一种储能与新能源场站的协同运行优化方法及装置，该方法包括：获取新能源场站的相关数据；以新能源场站的相关数据为输入，利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解得到日前优化运行方案；以日前优化运行方案为输入，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解得到下一调度时段的优化运行结果；根据下一调度时段的优化运行结果进行新能源场站运行优化。本申请提供的技术方案，充分发挥储能资源的利用价值，在跟踪调度AGC指令或预测出力的同时，减少新能源场站弃风或弃光，增加场站售电收益、减小场站考核费用，提高新能源场站的整体效益。

Description

一种储能与新能源场站的协同运行优化方法及装置
技术领域
本发明涉及配置储能的新能源场站发电出力技术领域，具体涉及一种储能与新能源场站的协同运行优化方法及装置。
背景技术
近年来，电力系统中新能源装机容量和装机占比不断提升，由于新能源具有随机性，给电网的调度运行带来了巨大的挑战，以新能源为主体的新型电力系统急需开发除火电、水电之外的调频资源。目前新能源与储能均可参与调频辅助服务。
储能与新能源场站协同优化运行是指在已知新能源场站短期或者超短期出力预测的情况下，通过合理制定新能源与储能的出力计划，实现平抑新能源出力波动、跟踪AGC调度指令等。现有新能源场站的运行控制优化主要是站在电网的角度进行，或者是包含新能源发电的独立微网、有源配电网。站在电网的角度对储能与新能源场站进行优化控制时，多以平抑新能源出力波动、新能源消纳量最大为优化目标。对独立微网或有源配电网进行优化控制时，考虑的则是整个区域用电成本最小。
由于储能作为电力系统中的优质可控资源，储能成为新能源场站的常规配置，是新型电力系统必不可少的重要组成部分。但是储能配置后，运行方式单一，储能利用率低，并没有给场站收益带来显著增加。储能作为灵活可控资源，具备平抑新能源出力波动、移峰填谷、跟踪AGC指令、跟踪预测出力、一次调频、惯量控制等多种功能，但是这些功能在具体执行时会出现冲突，而且部分功能无收益来源，如平抑波动、惯量控制等。
发明内容
为至少在一定程度上克服相关技术中存在的问题，本申请提供一种储能与新能源场站的协同运行优化方法及装置。
根据本申请实施例的第一方面，提供一种储能与新能源场站的协同运行优化方法，所述方法包括：
获取新能源场站的相关数据；
以所述新能源场站的相关数据为输入，利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到日前优化运行方案；
以所述日前优化运行方案为输入，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的优化运行结果；
根据所述下一调度时段的优化运行结果，进行新能源场站运行优化；
其中，所述预先构建的日前协同优化运行模型是以新能源场站的总售电收益最大为目标构建的；
所述预先构建的日内优化运行模型为以AGC指令偏差最小或新能源场站的预测出力偏差最小为目标构建的。
优选的，所述新能源场站的相关数据，包括：新能源日前短期功率预测数据和日前电价出清数据；
所述新能源日前短期功率预测数据包括：各时段的风力发电的出力和各时段的光伏发电的出力；
所述日前电价出清数据包括：各时段的售电电价。
优选的，所述日前优化运行模型，包括：
按下式确定所述日前优化运行模型的目标函数：
Figure BDA0003947696400000021
按下式确定新能源场站的总售电收益FD：
Figure BDA0003947696400000022
其中，按下式确定第t时段新能源场站的售电收入fi(t)：
Figure BDA0003947696400000023
按下式确定第t时段新能源场站的运行维护费用fe(t)：
Figure BDA0003947696400000024
上式中，t∈[1,N]，N为时段总数量；x和u为控制变量，x为连续变量，x为储能充/放电功率，X为连续变量集；u为0-1变量，u为储能系统的充/放电状态，U为0-1变量集；w为随机变量，w为风力发电/光伏发电的出力，W为随机变量集；D为日前，csell(t)为第t时段的售电电价，
Figure BDA0003947696400000025
为第t时段风力发电的出力，
Figure BDA0003947696400000026
为第t时段光伏发电的出力，
Figure BDA0003947696400000027
为第t时段储能系统的充电功率，
Figure BDA0003947696400000028
为第t时段储能系统的放电功率，Δt为单位时段的时长；cWind为风力发电的维护费用，cPV为光伏发电的维护费用，cES为储能系统的维护费用。
优选的，所述日前优化运行模型，还包括：
按下式确定所述日前优化运行模型的约束条件：
Figure BDA0003947696400000031
Figure BDA0003947696400000032
Figure BDA0003947696400000033
Figure BDA0003947696400000034
Figure BDA0003947696400000035
Figure BDA0003947696400000036
上式中，t∈[1,N]，N为时段总数量；
Figure BDA0003947696400000037
为储能系统的最小荷电状态，
Figure BDA0003947696400000038
为储能系统的最大荷电状态，
Figure BDA0003947696400000039
为第t时段储能系统的储能能量，
Figure BDA00039476964000000310
为储能系统的额定容量，
Figure BDA00039476964000000311
为第t时段储能系统的充电功率，
Figure BDA00039476964000000312
为第t时段储能系统的放电功率，
Figure BDA00039476964000000313
为储能系统的充电状态，
Figure BDA00039476964000000314
为储能系统的放电状态，
Figure BDA00039476964000000315
为储能系统的最大充/放电功率，
Figure BDA00039476964000000316
为当天开始前储能系统的储能能量，
Figure BDA00039476964000000317
为第N时段储能系统的储能能量；
Figure BDA00039476964000000318
为第t时段风力发电的出力，
Figure BDA00039476964000000319
为第t时段光伏发电的出力，
Figure BDA00039476964000000320
为第t时段风力发电的最大可用功率，
Figure BDA00039476964000000321
为第t时段光伏发电的最大可用功率。
优选的，按下式确定储能系统的最大荷电状态
Figure BDA00039476964000000322
Figure BDA00039476964000000323
按下式确定第t时段储能系统的储能能量
Figure BDA00039476964000000324
Figure BDA00039476964000000325
其中，按下式确定储能系统协助新能源场站跟踪AGC指令所需最大容量
Figure BDA0003947696400000041
Figure BDA0003947696400000042
上式中，
Figure BDA0003947696400000043
为第t-1时段储能系统的储能能量，δES为储能系统的自耗散率，
Figure BDA0003947696400000044
为储能系统的充电效率，
Figure BDA0003947696400000045
为储能系统的放电效率，
Figure BDA0003947696400000046
为储能系统在前一日的第t时段的储能能量。
优选的，所述以所述新能源场站的相关数据为输入，利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到日前优化运行方案，包括：
基于所述新能源日前短期功率预测数据，利用场景生成方法和场景缩减方法，获取风力发电出力的界限约束条件和光伏发电出力的界限约束条件；
以所述日前短期功率预测数据和所述日前电价出清数据为输入，基于所述风力发电出力的界限约束条件、所述光伏发电出力的界限约束条件和所述日前协同优化运行模型的约束条件，利用利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到储能系统各时段的充/放电功率；
所述储能系统各时段的充/放电功率为所述日前优化运行方案。
优选的，所述基于所述新能源日前短期功率预测数据，利用场景生成方法和场景缩减方法，获取风力发电出力的界限约束条件和光伏发电出力的界限约束条件，包括：
基于所述新能源日前短期功率预测数据，利用场景生成方法生成预设数量的风力发电出力场景和光伏发电出力场景；
利用场景缩减方法分别从所述风力发电出力场景和光伏发电出力场景中选取典型场景，得到各时段风力发电的出力上/下限和各时段光伏发电出力的上/下限；
分别利用所述各时段风力发电的出力上/下限和所述各时段光伏发电出力的上/下限，获取风力发电出力的界限约束条件和光伏发电出力的界限约束条件。
优选的，按下式确定所述风力发电出力的界限约束条件：
Figure BDA0003947696400000047
按下式确定所述光伏发电出力的界限约束条件：
Figure BDA0003947696400000048
上式中，
Figure BDA0003947696400000049
和
Figure BDA00039476964000000410
分别为第t时段风力发电的出力上/下限，
Figure BDA00039476964000000411
和
Figure BDA00039476964000000412
分别为第t时段光伏发电出力的上/下限，
Figure BDA00039476964000000413
为第t时段风力发电的最大可用功率，
Figure BDA0003947696400000051
为第t时段光伏发电的最大可用功率。
优选的，所述日内优化运行模型，包括：
按下式确定所述日内优化运行模型的目标函数：
Figure BDA0003947696400000052
其中，按下式确定第i次日内优化运行的第g时段的AGC指令偏差或新能源场站的预测出力偏差的
Figure BDA0003947696400000053
Figure BDA0003947696400000054
上式中，i∈[1,M]，M为每天日内优化运行的总次数；g∈[1,NO]，NO为每次日内优化运行的总段数；
Figure BDA0003947696400000055
为第i次日内优化运行的第g时段的AGC指令，
Figure BDA0003947696400000056
为第i次日内优化运行的第g时段的新能源场站的预测出力，
Figure BDA0003947696400000057
和
Figure BDA0003947696400000058
为0-1变量，且不能同时为1；当第i次日内优化运行的第g时段跟踪AGC指令时，
Figure BDA0003947696400000059
Figure BDA00039476964000000510
为第i次日内优化运行的第g时段的AGC指令偏差；当第i次日内优化运行的第g时段跟踪新能源场站的预测出力时，
Figure BDA00039476964000000511
为第i次日内优化运行的第g时段的新能源场站的预测出力偏差；
Figure BDA00039476964000000512
为第i次日内优化运行的第g时段的AGC指令值，
Figure BDA00039476964000000513
为第i次日内优化运行的第g时段的新能源场站的预测出力值；
Figure BDA00039476964000000514
为第i次日内优化运行的第g时段的风力发电的实际出力，
Figure BDA00039476964000000515
为第i次日内优化运行的第g时段的光伏发电的实际出力，
Figure BDA00039476964000000516
为第i次日内优化运行的第i+g-1时段的储能系统的充电功率，
Figure BDA00039476964000000517
为第i次日内优化运行的第i+g-1时段的储能系统的放电功率，
Figure BDA00039476964000000518
为第i次日内优化运行的第g时段的储能系统的充/放电功率相对日前优化结果的变化量。
优选的，所述日内优化运行模型，还包括：
按下式确定所述日内优化运行模型的约束条件：
Figure BDA00039476964000000519
Figure BDA0003947696400000061
Figure BDA0003947696400000062
Figure BDA0003947696400000063
上式中，
Figure BDA0003947696400000064
为第i次日内优化运行的第g时段的风力发电的超短期预测功率值，
Figure BDA0003947696400000065
为第i次日内优化运行的第g时段的光伏发电的超短期预测功率值，
Figure BDA0003947696400000066
为第i次日内优化运行的第i+g-1时段的储能系统的荷电状态，
Figure BDA0003947696400000067
为第i次日内优化运行的第t+g-2时段的储能系统的荷电状态，
Figure BDA0003947696400000068
为第i次日内优化运行的第g时段时相对日前储能系统的储电量的变化量，
Figure BDA0003947696400000069
为储能系统的额定容量，
Figure BDA00039476964000000610
为储能系统的最大充放电功率。
优选的，按下式确定第i次日内优化运行的第g时段时相对日前储能系统的储电量的变化量
Figure BDA00039476964000000611
Figure BDA00039476964000000612
上式中，
Figure BDA00039476964000000613
为第g-1时段的储能系统的储能量，δES为储能系统的自耗散率，Δg为单位时段的时长，
Figure BDA00039476964000000614
为储能系统的充电效率，
Figure BDA00039476964000000615
为第i次日内优化运行的第g时段的储能系统的充/放电功率相对日前优化结果的变化量，
Figure BDA00039476964000000616
为第i次日内优化运行的第g时段的储能系统的充放/电功率。
优选的，所述以所述日前优化运行方案为输入，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的优化运行结果，包括：
以所述日前优化运行方案为输入，基于所述日内优化运行模型的约束条件，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的储能系统的充/放电功率相对日前优化结果的变化量；
将所述日前优化运行方案中下一调度时段对应的储能系统的充/放电功率与所述下一调度时段的储能系统的充/放电功率相对日前优化结果的变化量进行相加，得到最终的下一调度时段储能系统的充/放电功率；
所述最终的下一调度时段储能系统的充/放电功率为所述下一调度时段的优化运行结果。
根据本申请实施例的第二方面，提供一种储能与新能源场站的协同运行优化装置，所述装置包括：
第一获取模块，用于获取新能源场站的相关数据；
第二获取模块，用于以所述新能源场站的相关数据为输入，利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到日前优化运行方案；
第三获取模块，用于以所述日前优化运行方案为输入，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的优化运行结果；
优化模块，用于根据所述下一调度时段的优化运行结果，进行新能源场站运行优化；
其中，所述预先构建的日前协同优化运行模型是以新能源场站的总售电收益最大为目标构建的；
所述预先构建的日内优化运行模型为以AGC指令偏差最小或新能源场站的预测出力偏差最小为目标构建的。
优选的，所述新能源场站的相关数据，包括：新能源日前短期功率预测数据和日前电价出清数据；
所述新能源日前短期功率预测数据包括：各时段的风力发电的出力和各时段的光伏发电的出力；
所述日前电价出清数据包括：各时段的售电电价。
优选的，所述日前优化运行模型，包括：
按下式确定所述日前优化运行模型的目标函数：
Figure BDA0003947696400000071
按下式确定新能源场站的总售电收益FD：
Figure BDA0003947696400000072
其中，按下式确定第t时段新能源场站的售电收入fi(t)：
Figure BDA0003947696400000073
按下式确定第t时段新能源场站的运行维护费用fe(t)：
Figure BDA0003947696400000081
上式中，t∈[1,N]，N为时段总数量；x和u为控制变量，x为连续变量，x为储能充/放电功率，X为连续变量集；u为0-1变量，u为储能系统的充/放电状态，U为0-1变量集；w为随机变量，w为风力发电/光伏发电的出力，W为随机变量集；D为日前，csell(t)为第t时段的售电电价，
Figure BDA0003947696400000082
为第t时段风力发电的出力，
Figure BDA0003947696400000083
为第t时段光伏发电的出力，
Figure BDA0003947696400000084
为第t时段储能系统的充电功率，
Figure BDA0003947696400000085
为第t时段储能系统的放电功率，Δt为单位时段的时长；cWind为风力发电的维护费用，cPV为光伏发电的维护费用，cES为储能系统的维护费用。
优选的，所述日前优化运行模型，还包括：
按下式确定所述日前优化运行模型的约束条件：
Figure BDA0003947696400000086
Figure BDA0003947696400000087
Figure BDA0003947696400000088
Figure BDA0003947696400000089
Figure BDA00039476964000000810
Figure BDA00039476964000000811
上式中，t∈[1,N]，N为时段总数量；
Figure BDA00039476964000000812
为储能系统的最小荷电状态，
Figure BDA00039476964000000813
为储能系统的最大荷电状态，
Figure BDA00039476964000000814
为第t时段储能系统的储能能量，
Figure BDA00039476964000000815
为储能系统的额定容量，
Figure BDA00039476964000000816
为第t时段储能系统的充电功率，
Figure BDA00039476964000000817
为第t时段储能系统的放电功率，
Figure BDA00039476964000000818
为储能系统的充电状态，
Figure BDA00039476964000000819
为储能系统的放电状态，
Figure BDA00039476964000000820
为储能系统的最大充/放电功率，
Figure BDA00039476964000000821
为当天开始前储能系统的储能能量，
Figure BDA00039476964000000822
为第N时段储能系统的储能能量；
Figure BDA0003947696400000091
为第t时段风力发电的出力，
Figure BDA0003947696400000092
为第t时段光伏发电的出力，
Figure BDA0003947696400000093
为第t时段风力发电的最大可用功率，
Figure BDA0003947696400000094
为第t时段光伏发电的最大可用功率。
优选的，按下式确定储能系统的最大荷电状态
Figure BDA0003947696400000095
Figure BDA0003947696400000096
按下式确定第t时段储能系统的储能能量
Figure BDA0003947696400000097
Figure BDA0003947696400000098
其中，按下式确定储能系统协助新能源场站跟踪AGC指令所需最大容量
Figure BDA0003947696400000099
Figure BDA00039476964000000910
上式中，
Figure BDA00039476964000000911
为第t-1时段储能系统的储能能量，δES为储能系统的自耗散率，
Figure BDA00039476964000000912
为储能系统的充电效率，
Figure BDA00039476964000000913
为储能系统的放电效率，
Figure BDA00039476964000000914
为储能系统在前一日的第t时段的储能能量。
优选的，所述第二获取模块，包括：
第一获取单元，用于基于所述新能源日前短期功率预测数据，利用场景生成方法和场景缩减方法，获取风力发电出力的界限约束条件和光伏发电出力的界限约束条件；
第二获取单元，用于以所述日前短期功率预测数据和所述日前电价出清数据为输入，基于所述风力发电出力的界限约束条件、所述光伏发电出力的界限约束条件和所述日前协同优化运行模型的约束条件，利用利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到储能系统各时段的充/放电功率；
第三获取单元，用于所述储能系统各时段的充/放电功率为所述日前优化运行方案。
优选的，所述第一获取单元，包括：
生成子单元，用于基于所述新能源日前短期功率预测数据，利用场景生成方法生成预设数量的风力发电出力场景和光伏发电出力场景；
第一获取子单元，用于利用场景缩减方法分别从所述风力发电出力场景和光伏发电出力场景中选取典型场景，得到各时段风力发电的出力上/下限和各时段光伏发电出力的上/下限；
第二获取子单元，用于分别利用所述各时段风力发电的出力上/下限和所述各时段光伏发电出力的上/下限，获取风力发电出力的界限约束条件和光伏发电出力的界限约束条件。
优选的，第二获取子单元，具体用于：
按下式确定所述风力发电出力的界限约束条件：
Figure BDA0003947696400000101
按下式确定所述光伏发电出力的界限约束条件：
Figure BDA00039476964000001023
上式中，
Figure BDA0003947696400000103
和
Figure BDA0003947696400000104
分别为第t时段风力发电的出力上/下限，
Figure BDA0003947696400000105
和
Figure BDA0003947696400000106
分别为第t时段光伏发电出力的上/下限，
Figure BDA0003947696400000107
为第t时段风力发电的最大可用功率，
Figure BDA0003947696400000108
为第t时段光伏发电的最大可用功率。
优选的，所述日内优化运行模型，包括：
按下式确定所述日内优化运行模型的目标函数：
Figure BDA0003947696400000109
其中，按下式确定第i次日内优化运行的第g时段的AGC指令偏差或新能源场站的预测出力偏差的
Figure BDA00039476964000001010
Figure BDA00039476964000001011
上式中，i∈[1,M]，M为每天日内优化运行的总次数；g∈[1,NO]，NO为每次日内优化运行的总段数；
Figure BDA00039476964000001012
为第i次日内优化运行的第g时段的AGC指令，
Figure BDA00039476964000001013
为第i次日内优化运行的第g时段的新能源场站的预测出力，
Figure BDA00039476964000001014
和
Figure BDA00039476964000001015
为0-1变量，且不能同时为1；当第i次日内优化运行的第g时段跟踪AGC指令时，
Figure BDA00039476964000001016
Figure BDA00039476964000001017
为第i次日内优化运行的第g时段的AGC指令偏差；当第i次日内优化运行的第g时段跟踪新能源场站的预测出力时，
Figure BDA00039476964000001018
为第i次日内优化运行的第g时段的新能源场站的预测出力偏差；
Figure BDA00039476964000001019
为第i次日内优化运行的第g时段的AGC指令值，
Figure BDA00039476964000001020
为第i次日内优化运行的第g时段的新能源场站的预测出力值；
Figure BDA00039476964000001021
为第i次日内优化运行的第g时段的风力发电的实际出力，
Figure BDA00039476964000001022
为第i次日内优化运行的第g时段的光伏发电的实际出力，
Figure BDA0003947696400000111
为第i次日内优化运行的第i+g-1时段的储能系统的充电功率，
Figure BDA0003947696400000112
为第i次日内优化运行的第i+g-1时段的储能系统的放电功率，
Figure BDA0003947696400000113
为第i次日内优化运行的第g时段的储能系统的充/放电功率相对日前优化结果的变化量。
优选的，所述日内优化运行模型，还包括：
按下式确定所述日内优化运行模型的约束条件：
Figure BDA0003947696400000114
Figure BDA0003947696400000115
Figure BDA0003947696400000116
Figure BDA0003947696400000117
上式中，
Figure BDA0003947696400000118
为第i次日内优化运行的第g时段的风力发电的超短期预测功率值，
Figure BDA0003947696400000119
为第i次日内优化运行的第g时段的光伏发电的超短期预测功率值，
Figure BDA00039476964000001110
为第i次日内优化运行的第i+g-1时段的储能系统的荷电状态，
Figure BDA00039476964000001111
为第i次日内优化运行的第t+g-2时段的储能系统的荷电状态，
Figure BDA00039476964000001112
为第i次日内优化运行的第g时段时相对日前储能系统的储电量的变化量，
Figure BDA00039476964000001113
为储能系统的额定容量，
Figure BDA00039476964000001114
为储能系统的最大充放电功率。
优选的，按下式确定第i次日内优化运行的第g时段时相对日前储能系统的储电量的变化量
Figure BDA00039476964000001115
Figure BDA00039476964000001116
上式中，
Figure BDA00039476964000001117
为第g-1时段的储能系统的储能量，δES为储能系统的自耗散率，Δg为单位时段的时长，
Figure BDA00039476964000001118
为储能系统的充电效率，
Figure BDA00039476964000001119
为第i次日内优化运行的第g时段的储能系统的充/放电功率相对日前优化结果的变化量，
Figure BDA00039476964000001120
为第i次日内优化运行的第g时段的储能系统的充放/电功率。
优选的，所述第三获取模块，包括：
第四获取单元，用于以所述日前优化运行方案为输入，基于所述日内优化运行模型的约束条件，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的储能系统的充/放电功率相对日前优化结果的变化量；
第五获取单元，用于将所述日前优化运行方案中下一调度时段对应的储能系统的充/放电功率与所述下一调度时段的储能系统的充/放电功率相对日前优化结果的变化量进行相加，得到最终的下一调度时段储能系统的充/放电功率；
第六获取单元，用于所述最终的下一调度时段储能系统的充/放电功率为所述下一调度时段的优化运行结果。
根据本申请实施例的第三方面，提供一种计算机设备，包括：一个或多个处理器；
所述处理器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，实现上述的储能与新能源场站的协同运行优化方法中的步骤。
根据本申请实施例的第四方面，提供一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现上述的储能与新能源场站的协同运行优化方法中的步骤。
本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：
通过获取新能源场站的相关数据，以新能源场站的相关数据为输入，利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到日前优化运行方案，通过以日前优化运行方案为输入，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的优化运行结果，根据下一调度时段的优化运行结果，进行新能源场站运行优化，并且预先构建的日前协同优化运行模型是以新能源场站的总售电收益最大为目标构建的，预先构建的日内优化运行模型为以AGC指令偏差最小或新能源场站的预测出力偏差最小为目标构建的，可以充分发挥储能资源的利用价值，在跟踪调度AGC指令或预测出力的同时，减少新能源场站弃风或弃光，增加场站售电收益、减小场站考核费用，响应电力市场电价，提高新能源场站的整体效益。
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，下面将对实施例或现有技术描述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的前提下，还可以根据这些附图获得其他的附图。
图1是根据一示例性实施例示出的一种储能与新能源场站的协同运行优化方法的流程图；
图2是根据一示例性实施例示出的一种储能与新能源场站的协同运行优化装置的结构框图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
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。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它实施例，都属于本发明保护的范围。
如背景技术中所公开的，近年来，电力系统中新能源装机容量和装机占比不断提升，由于新能源具有随机性，给电网的调度运行带来了巨大的挑战，以新能源为主体的新型电力系统急需开发除火电、水电之外的调频资源。目前新能源与储能均可参与调频辅助服务。
储能与新能源场站协同优化运行是指在已知新能源场站短期或者超短期出力预测的情况下，通过合理制定新能源与储能的出力计划，实现平抑新能源出力波动、跟踪AGC调度指令等。现有新能源场站的运行控制优化主要是站在电网的角度进行，或者是包含新能源发电的独立微网、有源配电网。站在电网的角度对储能与新能源场站进行优化控制时，多以平抑新能源出力波动、新能源消纳量最大为优化目标。对独立微网或有源配电网进行优化控制时，考虑的则是整个区域用电成本最小。
由于储能作为电力系统中的优质可控资源，储能成为新能源场站的常规配置，是新型电力系统必不可少的重要组成部分。但是储能配置后，运行方式单一，储能利用率低，并没有给场站收益带来显著增加。储能作为灵活可控资源，具备平抑新能源出力波动、移峰填谷、跟踪AGC指令、跟踪预测出力、一次调频、惯量控制等多种功能，但是这些功能在具体执行时会出现冲突，而且部分功能无收益来源，如平抑波动、惯量控制等。
为了改善上述问题，在跟踪调度AGC指令或预测出力的同时，减少新能源场站弃风或弃光，增加场站售电收益、减小场站考核费用，响应电力市场电价，提高新能源场站的整体效益。
下面对上述方案进行详细阐述。
实施例一
图1是根据一示例性实施例示出的一种储能与新能源场站的协同运行优化方法的流程图，如图1所示，该方法可以但不限于用于终端中，包括以下步骤：
步骤101：获取新能源场站的相关数据；
步骤102：以新能源场站的相关数据为输入，利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到日前优化运行方案；
步骤103：以日前优化运行方案为输入，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的优化运行结果；
步骤104：根据下一调度时段的优化运行结果，进行新能源场站运行优化；
其中，预先构建的日前协同优化运行模型是以新能源场站的总售电收益最大为目标构建的；
预先构建的日内优化运行模型为以AGC指令偏差最小或新能源场站的预测出力偏差最小为目标构建的。
需要说明的是，本发明实施例提供的储能与新能源场站的协同运行优化方法，通过储能系统与新能源场站的日前及日内协同优化运行，充分发挥储能资源利用价值，在跟踪调度AGC指令或新能源场站的预测出力的同时，减少新能源场站弃风或弃光，响应电力市场电价，增加场站收益。
进一步的，新能源场站的相关数据，包括：新能源日前短期功率预测数据和日前电价出清数据；
新能源日前短期功率预测数据包括：各时段的风力发电的出力和各时段的光伏发电的出力；
日前电价出清数据包括：各时段的售电电价。
一些实施例中，新能源场站可以但不限于通过利用预先设置的新能源日前短期预测系统来获取新能源日前短期功率预测数据。本发明实施例涉及的“利用日前短期预测系统来获取日前短期功率预测数据”方式，是本领域技术人员所熟知的，因此，其具体实现方式不做过多描述。
可以理解的是，各时段的售电电价是指的与储能系统协同运行的新能源场站的售电电价，即新能源场站与储能系统的售电电价是一致的。
需要说明的是，通过利用日前电价出清数据和新能源日前短期功率预测数据，可以在考虑到电能量价格变动的前提下，在减小弃风弃光的同时增加场站售电收益。
进一步的，日前优化运行模型，包括：
按下式确定日前优化运行模型的目标函数：
Figure BDA0003947696400000151
按下式确定新能源场站的总售电收益FD：
Figure BDA0003947696400000152
其中，按下式确定第t时段新能源场站的售电收入fi(t)：
Figure BDA0003947696400000153
按下式确定第t时段新能源场站的运行维护费用fe(t)：
Figure BDA0003947696400000154
上式中，t∈[1,N]，N为时段总数量；x和u为控制变量，x为连续变量，x为储能充/放电功率，X为连续变量集；u为0-1变量，u为储能系统的充/放电状态，U为0-1变量集；w为随机变量，w为风力发电/光伏发电的出力，W为随机变量集；D为日前，csell(t)为第t时段的售电电价，
Figure BDA0003947696400000155
为第t时段风力发电的出力，
Figure BDA0003947696400000156
为第t时段光伏发电的出力，
Figure BDA0003947696400000157
为第t时段储能系统的充电功率，
Figure BDA0003947696400000158
为第t时段储能系统的放电功率，Δt为单位时段的时长；cWind为风力发电的维护费用，cPV为光伏发电的维护费用，cES为储能系统的维护费用。
一些实施例中，Δt可以但不限于为15分钟，当Δt为15分钟时，则一天分为96个时段。
需要说明的是，公式(1)的表达形式是鲁棒优化方法中的常规表达形式，因此公式(1)中的
Figure BDA0003947696400000159
可以理解为：在风力发电和/或光伏发电的出力最小的情况下，以新能源场站的总售电收益最大为目标。而由于x和u为控制变量，是日前优化运行模型的解，所以在此无需进一步解释其在公式(1)中的具体含义。
进一步的，日前优化运行模型，还包括：
按下式确定日前优化运行模型的约束条件：
Figure BDA0003947696400000161
Figure BDA0003947696400000162
Figure BDA0003947696400000163
Figure BDA0003947696400000164
Figure BDA0003947696400000165
Figure BDA0003947696400000166
上式中，t∈[1,N]，N为时段总数量；
Figure BDA0003947696400000167
为储能系统的最小荷电状态，
Figure BDA0003947696400000168
为储能系统的最大荷电状态，
Figure BDA0003947696400000169
为第t时段储能系统的储能能量，
Figure BDA00039476964000001610
为储能系统的额定容量，
Figure BDA00039476964000001611
为第t时段储能系统的充电功率，
Figure BDA00039476964000001612
为第t时段储能系统的放电功率，
Figure BDA00039476964000001613
为储能系统的充电状态，
Figure BDA00039476964000001614
为储能系统的放电状态，
Figure BDA00039476964000001615
为储能系统的最大充/放电功率，
Figure BDA00039476964000001616
为当天开始前储能系统的储能能量，
Figure BDA00039476964000001617
为第N时段储能系统的储能能量；
Figure BDA00039476964000001618
为第t时段风力发电的出力，
Figure BDA00039476964000001619
为第t时段光伏发电的出力，
Figure BDA00039476964000001620
为第t时段风力发电的最大可用功率，
Figure BDA00039476964000001621
为第t时段光伏发电的最大可用功率。
具体的，按下式确定储能系统的最大荷电状态
Figure BDA00039476964000001622
Figure BDA00039476964000001623
按下式确定第t时段储能系统的储能能量
Figure BDA00039476964000001624
Figure BDA00039476964000001625
其中，按下式确定储能系统协助新能源场站跟踪AGC指令所需最大容量
Figure BDA00039476964000001626
Figure BDA00039476964000001627
上式中，
Figure BDA0003947696400000171
为第t-1时段储能系统的储能能量，δES为储能系统的自耗散率，
Figure BDA0003947696400000172
为储能系统的充电效率，
Figure BDA0003947696400000173
为储能系统的放电效率，
Figure BDA0003947696400000174
为储能系统在前一日的第t时段的储能能量。
可以理解的是，储能系统在前一日的第t时段的储能能量
Figure BDA0003947696400000175
可以通过日志记录进行获得，但是在前一日时
Figure BDA0003947696400000176
的获取方式也是通过公式(12)计算获得。
一些实施例中，在计算储能系统协助新能源场站跟踪AGC指令所需最大容量和计算储能系统的最大荷电状态时，储能系统需要按照压出力时充电，不压出力时段以最大功率放电的方式进行运行。
需要说明的是，储能系统的最小荷电状态一般为本领域技术人员根据实验数据等进行设置的，以保证储能系统的安全使用。例如，储能系统的最小荷电状态可以但不限于为0.1。
进一步的，步骤102，可以但不限于通过以下过程实现：
步骤1021：基于新能源日前短期功率预测数据，利用场景生成方法和场景缩减方法，获取风力发电出力的界限约束条件和光伏发电出力的界限约束条件；
步骤1022：以日前短期功率预测数据和日前电价出清数据为输入，基于风力发电出力的界限约束条件、光伏发电出力的界限约束条件和日前协同优化运行模型的约束条件，利用利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到储能系统各时段的充/放电功率；
步骤1023：储能系统各时段的充/放电功率为日前优化运行方案。
可以理解的是，通过采用步骤1021-步骤1023获取日前优化运行方案，为增加新能源场站的售电收益、减小新能源场站的考核费用，提高新能源场站的整体效益，奠定了基础。
需要说明的是，本发明实施例中涉及的“鲁棒优化方法”，是本领域技术人员所熟知的，因此，其具体实现方式不做过多描述。
进一步的，步骤1021，包括：
步骤1021a：基于新能源日前短期功率预测数据，利用场景生成方法生成预设数量的风力发电出力场景和光伏发电出力场景；
一些实施例中，场景生成方法可以但不限于为：蒙特卡洛或拉丁超立方；
步骤1021b：利用场景缩减方法分别从风力发电出力场景和光伏发电出力场景中选取典型场景，得到各时段风力发电的出力上/下限和各时段光伏发电出力的上/下限；
一些实施例中，场景缩减方法可以但不限于为：K-均值；
步骤1021c：分别利用各时段风力发电的出力上/下限和各时段光伏发电出力的上/下限，获取风力发电出力的界限约束条件和光伏发电出力的界限约束条件；
具体的，按下式确定风力发电出力的界限约束条件：
Figure BDA0003947696400000181
按下式确定光伏发电出力的界限约束条件：
Figure BDA0003947696400000182
上式中，
Figure BDA0003947696400000183
和
Figure BDA0003947696400000184
分别为第t时段风力发电的出力上/下限，
Figure BDA0003947696400000185
和
Figure BDA0003947696400000186
分别为第t时段光伏发电出力的上/下限，
Figure BDA0003947696400000187
为第t时段风力发电的最大可用功率，
Figure BDA0003947696400000188
为第t时段光伏发电的最大可用功率。
需要说明的是，本发明实施例中涉及的“场景生成方法”和“场景缩减方法”方式，是本领域技术人员所熟知的，因此，其具体实现方式不做过多描述。
进一步的，日内优化运行模型，包括：
按下式确定日内优化运行模型的目标函数：
Figure BDA0003947696400000189
其中，按下式确定第i次日内优化运行的第g时段的AGC指令偏差或新能源场站的预测出力偏差的
Figure BDA00039476964000001810
Figure BDA00039476964000001811
上式中，i∈[1,M]，M为每天日内优化运行的总次数；g∈[1,NO]，NO为每次日内优化运行的总段数；
Figure BDA00039476964000001812
为第i次日内优化运行的第g时段的AGC指令，
Figure BDA00039476964000001813
为第i次日内优化运行的第g时段的新能源场站的预测出力，
Figure BDA00039476964000001814
和
Figure BDA00039476964000001815
为0-1变量，且不能同时为1；当第i次日内优化运行的第g时段跟踪AGC指令时，
Figure BDA00039476964000001816
Figure BDA00039476964000001817
为第i次日内优化运行的第g时段的AGC指令偏差；当第i次日内优化运行的第g时段跟踪新能源场站的预测出力时，
Figure BDA00039476964000001818
为第i次日内优化运行的第g时段的新能源场站的预测出力偏差；
Figure BDA0003947696400000191
为第i次日内优化运行的第g时段的AGC指令值，
Figure BDA0003947696400000192
为第i次日内优化运行的第g时段的新能源场站的预测出力值；
Figure BDA0003947696400000193
为第i次日内优化运行的第g时段的风力发电的实际出力，
Figure BDA0003947696400000194
为第i次日内优化运行的第g时段的光伏发电的实际出力，
Figure BDA0003947696400000195
为第i次日内优化运行的第i+g-1时段的储能系统的充电功率，
Figure BDA0003947696400000196
为第i次日内优化运行的第i+g-1时段的储能系统的放电功率，
Figure BDA0003947696400000197
为第i次日内优化运行的第g时段的储能系统的充/放电功率相对日前优化结果的变化量。
需要说明的是，AGC指令为电网调度机构下发的，新能源场站的预测出力是利用预先设置于新能源场站的新能源日前短期预测系统获取的。
还需要说明的是，在运行日当天，一般设置每15分钟滚动进行一次优化，每次优化时长是2小时，每15分钟一个优化时段，优化运行结束后仅执行下一时段优化结果。每次优化运行时需根据实测新能源出力数据、储能功率和SOC进行反馈矫正，以确保日内优化运行的准确度。所以每天需要进行多次日内优化运行。
进一步的，日内优化运行模型，还包括：
按下式确定日内优化运行模型的约束条件：
Figure BDA0003947696400000198
Figure BDA0003947696400000199
Figure BDA00039476964000001910
Figure BDA00039476964000001911
上式中，
Figure BDA00039476964000001912
为第i次日内优化运行的第g时段的风力发电的超短期预测功率值，
Figure BDA00039476964000001913
为第i次日内优化运行的第g时段的光伏发电的超短期预测功率值，
Figure BDA00039476964000001914
为第i次日内优化运行的第i+g-1时段的储能系统的荷电状态，
Figure BDA00039476964000001915
为第i次日内优化运行的第t+g-2时段的储能系统的荷电状态，
Figure BDA00039476964000001916
为第i次日内优化运行的第g时段时相对日前储能系统的储电量的变化量，
Figure BDA00039476964000001917
为储能系统的额定容量，
Figure BDA0003947696400000201
为储能系统的最大充放电功率；
其中，按下式确定第i次日内优化运行的第g时段时相对日前储能系统的储电量的变化量
Figure BDA0003947696400000202
Figure BDA0003947696400000203
上式中，
Figure BDA0003947696400000204
为第g-1时段的储能系统的储能量，δES为储能系统的自耗散率，Δg为单位时段的时长，
Figure BDA0003947696400000205
为储能系统的充电效率，
Figure BDA0003947696400000206
为第i次日内优化运行的第g时段的储能系统的充/放电功率相对日前优化结果的变化量，
Figure BDA0003947696400000207
为第i次日内优化运行的第g时段的储能系统的充放/电功率。
需要说明的是，第i次日内优化运行的第g时段的风力发电的超短期预测功率值和第i次日内优化运行的第g时段的光伏发电的超短期预测功率值，是利用预先设置于新能源场站的新能源日前短期预测系统获取的。
一些实施例中，可以但不限于通过新能源场站能量管理系统获取储能系统的实时荷电状态、新能源超短期预测出力和AGC指令，并在获取下一调度时段的优化运行结果时，向新能源场站下达执行命令，以实现新能源场站运行优化。
进一步的，步骤103可以但不限于通过以下过程实现：
步骤1031：以日前优化运行方案为输入，基于日内优化运行模型的约束条件，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的储能系统的充/放电功率相对日前优化结果的变化量；
步骤1032：将日前优化运行方案中下一调度时段对应的储能系统的充/放电功率与下一调度时段的储能系统的充/放电功率相对日前优化结果的变化量进行相加，得到最终的下一调度时段储能系统的充/放电功率；
步骤1033：最终的下一调度时段储能系统的充/放电功率为下一调度时段的优化运行结果。
需要说明的是，本发明实施例中涉及的“混合整数线性规划方法”，是本领域技术人员所熟知的，因此，其具体实现方式不做过多描述。
本发明实施例提供的一种储能与新能源场站的协同运行优化方法，提出一种日前响应电力现货市场和日内跟踪AGC出力与出力预测曲线协同优化运行方法。在日内，当AGC压出力时储能充电；在AGC不限出力时考虑预测出力偏差，储能放电。在日前，根据前一日或前几日储能利用情况，预留日内运行所需储能容量基础上，进行响应市场电价的新能源与储能协同优化运行。从而实现以增加新能源场站的收益为总体目标，通过参与日前电力现货市场、在日内跟踪AGC指令和出力预测曲线，在提升新能源消纳、减小弃风弃光的同时增加新能源场站的售电收益、减小新能源场站的考核费用。但是储能的容量和功率是有限的，所以考虑到日内跟踪AGC指令和出力预测曲线，以减小弃风或弃光，在此基础上利用储能剩余容量，参与日前现货市场，在低电价时段充电高电价时段售电，实现售电收益最大。
本发明实施例提供的一种储能与新能源场站的协同运行优化方法，通过获取新能源场站的相关数据，以新能源场站的相关数据为输入，利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到日前优化运行方案，通过以日前优化运行方案为输入，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的优化运行结果，根据下一调度时段的优化运行结果，进行新能源场站运行优化，并且预先构建的日前协同优化运行模型是以新能源场站的总售电收益最大为目标构建的，预先构建的日内优化运行模型为以AGC指令偏差最小或新能源场站的预测出力偏差最小为目标构建的，可以充分发挥储能资源的利用价值，在跟踪调度AGC指令或预测出力的同时，减少新能源场站弃风或弃光，增加场站售电收益、减小场站考核费用，响应电力市场电价，提高新能源场站的整体效益。
实施例二
为配合实现上述储能与新能源场站的协同运行优化方法，本发明实施例提供一种储能与新能源场站的协同运行优化装置，参照图2，该装置包括：
第一获取模块，用于获取新能源场站的相关数据；
第二获取模块，用于以新能源场站的相关数据为输入，利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到日前优化运行方案；
第三获取模块，用于以日前优化运行方案为输入，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的优化运行结果；
优化模块，用于根据下一调度时段的优化运行结果，进行新能源场站运行优化；
其中，预先构建的日前协同优化运行模型是以新能源场站的总售电收益最大为目标构建的；
预先构建的日内优化运行模型为以AGC指令偏差最小或新能源场站的预测出力偏差最小为目标构建的。
进一步的，新能源场站的相关数据，包括：新能源日前短期功率预测数据和日前电价出清数据；
新能源日前短期功率预测数据包括：各时段的风力发电的出力和各时段的光伏发电的出力；
日前电价出清数据包括：各时段的售电电价。
进一步的，日前优化运行模型，包括：
按下式确定日前优化运行模型的目标函数：
Figure BDA0003947696400000221
按下式确定新能源场站的总售电收益FD：
Figure BDA0003947696400000222
其中，按下式确定第t时段新能源场站的售电收入fi(t)：
Figure BDA0003947696400000223
按下式确定第t时段新能源场站的运行维护费用fe(t)：
Figure BDA0003947696400000224
上式中，t∈[1,N]，N为时段总数量；x和u为控制变量，x为连续变量，x为储能充/放电功率，X为连续变量集；u为0-1变量，u为储能系统的充/放电状态，U为0-1变量集；w为随机变量，w为风力发电/光伏发电的出力，W为随机变量集；D为日前，csell(t)为第t时段的售电电价，
Figure BDA0003947696400000225
为第t时段风力发电的出力，
Figure BDA0003947696400000226
为第t时段光伏发电的出力，
Figure BDA0003947696400000227
为第t时段储能系统的充电功率，
Figure BDA0003947696400000228
为第t时段储能系统的放电功率，Δt为单位时段的时长；cWind为风力发电的维护费用，cPV为光伏发电的维护费用，cES为储能系统的维护费用。
进一步的，日前优化运行模型，还包括：
按下式确定日前优化运行模型的约束条件：
Figure BDA0003947696400000229
Figure BDA0003947696400000231
Figure BDA0003947696400000232
Figure BDA0003947696400000233
Figure BDA0003947696400000234
Figure BDA0003947696400000235
上式中，t∈[1,N]，N为时段总数量；
Figure BDA0003947696400000236
为储能系统的最小荷电状态，
Figure BDA0003947696400000237
为储能系统的最大荷电状态，
Figure BDA0003947696400000238
为第t时段储能系统的储能能量，
Figure BDA0003947696400000239
为储能系统的额定容量，
Figure BDA00039476964000002310
为第t时段储能系统的充电功率，
Figure BDA00039476964000002311
为第t时段储能系统的放电功率，
Figure BDA00039476964000002312
为储能系统的充电状态，
Figure BDA00039476964000002313
为储能系统的放电状态，
Figure BDA00039476964000002314
为储能系统的最大充/放电功率，
Figure BDA00039476964000002315
为当天开始前储能系统的储能能量，
Figure BDA00039476964000002316
为第N时段储能系统的储能能量；
Figure BDA00039476964000002317
为第t时段风力发电的出力，
Figure BDA00039476964000002318
为第t时段光伏发电的出力，
Figure BDA00039476964000002319
为第t时段风力发电的最大可用功率，
Figure BDA00039476964000002320
为第t时段光伏发电的最大可用功率。
具体的，按下式确定储能系统的最大荷电状态
Figure BDA00039476964000002321
Figure BDA00039476964000002322
按下式确定第t时段储能系统的储能能量
Figure BDA00039476964000002323
Figure BDA00039476964000002324
其中，按下式确定储能系统协助新能源场站跟踪AGC指令所需最大容量
Figure BDA00039476964000002325
Figure BDA00039476964000002326
上式中，
Figure BDA00039476964000002327
为第t-1时段储能系统的储能能量，δES为储能系统的自耗散率，
Figure BDA00039476964000002328
为储能系统的充电效率，
Figure BDA00039476964000002329
为储能系统的放电效率，
Figure BDA00039476964000002330
为储能系统在前一日的第t时段的储能能量。
进一步的，第二获取模块，包括：
第一获取单元，用于基于新能源日前短期功率预测数据，利用场景生成方法和场景缩减方法，获取风力发电出力的界限约束条件和光伏发电出力的界限约束条件；
第二获取单元，用于以日前短期功率预测数据和日前电价出清数据为输入，基于风力发电出力的界限约束条件、光伏发电出力的界限约束条件和日前协同优化运行模型的约束条件，利用利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到储能系统各时段的充/放电功率；
第三获取单元，用于储能系统各时段的充/放电功率为日前优化运行方案。
进一步的，第一获取单元，包括：
生成子单元，用于基于新能源日前短期功率预测数据，利用场景生成方法生成预设数量的风力发电出力场景和光伏发电出力场景；
第一获取子单元，用于利用场景缩减方法分别从风力发电出力场景和光伏发电出力场景中选取典型场景，得到各时段风力发电的出力上/下限和各时段光伏发电出力的上/下限；
第二获取子单元，用于分别利用各时段风力发电的出力上/下限和各时段光伏发电出力的上/下限，获取风力发电出力的界限约束条件和光伏发电出力的界限约束条件。
具体的，第二获取子单元，具体用于：
按下式确定风力发电出力的界限约束条件：
Figure BDA0003947696400000241
按下式确定光伏发电出力的界限约束条件：
Figure BDA0003947696400000242
上式中，
Figure BDA0003947696400000243
和
Figure BDA0003947696400000244
分别为第t时段风力发电的出力上/下限，
Figure BDA0003947696400000245
和
Figure BDA0003947696400000246
分别为第t时段光伏发电出力的上/下限，
Figure BDA0003947696400000247
为第t时段风力发电的最大可用功率，
Figure BDA0003947696400000248
为第t时段光伏发电的最大可用功率。
进一步的，日内优化运行模型，包括：
按下式确定日内优化运行模型的目标函数：
Figure BDA0003947696400000249
其中，按下式确定第i次日内优化运行的第g时段的AGC指令偏差或新能源场站的预测出力偏差的
Figure BDA0003947696400000251
Figure BDA0003947696400000252
上式中，i∈[1,M]，M为每天日内优化运行的总次数；g∈[1,NO]，NO为每次日内优化运行的总段数；
Figure BDA0003947696400000253
为第i次日内优化运行的第g时段的AGC指令，
Figure BDA0003947696400000254
为第i次日内优化运行的第g时段的新能源场站的预测出力，
Figure BDA0003947696400000255
和
Figure BDA0003947696400000256
为0-1变量，且不能同时为1；当第i次日内优化运行的第g时段跟踪AGC指令时
Figure BDA0003947696400000257
Figure BDA0003947696400000258
为第i次日内优化运行的第g时段的AGC指令偏差；当第i次日内优化运行的第g时段跟踪新能源场站的预测出力时，
Figure BDA0003947696400000259
为第i次日内优化运行的第g时段的新能源场站的预测出力偏差；
Figure BDA00039476964000002510
为第i次日内优化运行的第g时段的AGC指令值，
Figure BDA00039476964000002511
为第i次日内优化运行的第g时段的新能源场站的预测出力值；
Figure BDA00039476964000002512
为第i次日内优化运行的第g时段的风力发电的实际出力，
Figure BDA00039476964000002513
为第i次日内优化运行的第g时段的光伏发电的实际出力，
Figure BDA00039476964000002514
为第i次日内优化运行的第i+g-1时段的储能系统的充电功率，
Figure BDA00039476964000002515
为第i次日内优化运行的第i+g-1时段的储能系统的放电功率，
Figure BDA00039476964000002516
为第i次日内优化运行的第g时段的储能系统的充/放电功率相对日前优化结果的变化量。
进一步的，日内优化运行模型，还包括：
按下式确定日内优化运行模型的约束条件：
Figure BDA00039476964000002517
Figure BDA00039476964000002518
Figure BDA00039476964000002519
Figure BDA00039476964000002520
上式中，
Figure BDA00039476964000002521
为第i次日内优化运行的第g时段的风力发电的超短期预测功率值，
Figure BDA0003947696400000262
为第i次日内优化运行的第g时段的光伏发电的超短期预测功率值，
Figure BDA0003947696400000263
为第i次日内优化运行的第i+g-1时段的储能系统的荷电状态，
Figure BDA0003947696400000264
为第i次日内优化运行的第t+g-2时段的储能系统的荷电状态，
Figure BDA00039476964000002613
为第i次日内优化运行的第g时段时相对日前储能系统的储电量的变化量，
Figure BDA0003947696400000266
为储能系统的额定容量，
Figure BDA0003947696400000267
为储能系统的最大充放电功率。
具体的，按下式确定第i次日内优化运行的第g时段时相对日前储能系统的储电量的变化量
Figure BDA0003947696400000268
Figure BDA0003947696400000261
上式中，
Figure BDA0003947696400000269
为第g-1时段的储能系统的储能量，δES为储能系统的自耗散率，Δg为单位时段的时长，
Figure BDA00039476964000002611
为储能系统的充电效率，
Figure BDA00039476964000002614
为第i次日内优化运行的第g时段的储能系统的充/放电功率相对日前优化结果的变化量，
Figure BDA00039476964000002612
为第i次日内优化运行的第g时段的储能系统的充放/电功率。
进一步的，第三获取模块，包括：
第四获取单元，用于以日前优化运行方案为输入，基于日内优化运行模型的约束条件，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的储能系统的充/放电功率相对日前优化结果的变化量；
第五获取单元，用于将日前优化运行方案中下一调度时段对应的储能系统的充/放电功率与下一调度时段的储能系统的充/放电功率相对日前优化结果的变化量进行相加，得到最终的下一调度时段储能系统的充/放电功率；
第六获取单元，用于最终的下一调度时段储能系统的充/放电功率为下一调度时段的优化运行结果。
本发明实施例提供的一种储能与新能源场站的协同运行优化方法，通过第一获取模块获取新能源场站的相关数据，第二获取模块以新能源场站的相关数据为输入，利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到日前优化运行方案，通过第三获取模块以日前优化运行方案为输入，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的优化运行结果，优化模块根据下一调度时段的优化运行结果，进行新能源场站运行优化，并且预先构建的日前协同优化运行模型是以新能源场站的总售电收益最大为目标构建的，预先构建的日内优化运行模型为以AGC指令偏差最小或新能源场站的预测出力偏差最小为目标构建的，可以充分发挥储能资源的利用价值，在跟踪调度AGC指令或预测出力的同时，减少新能源场站弃风或弃光，增加场站售电收益、减小场站考核费用，响应电力市场电价，提高新能源场站的整体效益。
可以理解的是，上述提供的装置实施例与上述的方法实施例对应，相应的具体内容可以相互参考，在此不再赘述。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
实施例三
基于同一种发明构思，本发明还提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能，以实现上述实施例中一种储能与新能源场站的协同运行优化方法的步骤。
实施例四
基于同一种发明构思，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中一种储能与新能源场站的协同运行优化方法的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。

Claims (26)

1.一种储能与新能源场站的协同运行优化方法，其特征在于，所述方法包括：
获取新能源场站的相关数据；
以所述新能源场站的相关数据为输入，利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到日前优化运行方案；
以所述日前优化运行方案为输入，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的优化运行结果；
根据所述下一调度时段的优化运行结果，进行新能源场站运行优化；
其中，所述预先构建的日前协同优化运行模型是以新能源场站的总售电收益最大为目标构建的；
所述预先构建的日内优化运行模型为以AGC指令偏差最小或新能源场站的预测出力偏差最小为目标构建的。
2.根据权利要求1所述的方法，其特征在于，所述新能源场站的相关数据，包括：新能源日前短期功率预测数据和日前电价出清数据；
所述新能源日前短期功率预测数据包括：各时段的风力发电的出力和各时段的光伏发电的出力；
所述日前电价出清数据包括：各时段的售电电价。
3.根据权利要求2所述的方法，其特征在于，所述日前优化运行模型，包括：
按下式确定所述日前优化运行模型的目标函数：
Figure FDA0003947696390000011
按下式确定新能源场站的总售电收益FD：
Figure FDA0003947696390000012
其中，按下式确定第t时段新能源场站的售电收入fi(t)：
Figure FDA0003947696390000013
按下式确定第t时段新能源场站的运行维护费用fe(t)：
Figure FDA0003947696390000014
上式中，t∈[1,N]，N为时段总数量；x和u为控制变量，x为连续变量，x为储能充/放电功率，X为连续变量集；u为0-1变量，u为储能系统的充/放电状态，U为0-1变量集；w为随机变量，w为风力发电/光伏发电的出力，W为随机变量集；D为日前，csell(t)为第t时段的售电电价，
Figure FDA0003947696390000021
为第t时段风力发电的出力，
Figure FDA0003947696390000022
为第t时段光伏发电的出力，
Figure FDA0003947696390000023
为第t时段储能系统的充电功率，
Figure FDA0003947696390000024
为第t时段储能系统的放电功率，Δt为单位时段的时长；cWind为风力发电的维护费用，cPV为光伏发电的维护费用，cES为储能系统的维护费用。
4.根据权利要求3所述的方法，其特征在于，所述日前优化运行模型，还包括：
按下式确定所述日前优化运行模型的约束条件：
Figure FDA0003947696390000025
Figure FDA0003947696390000026
Figure FDA0003947696390000027
Figure FDA0003947696390000028
Figure FDA0003947696390000029
Figure FDA00039476963900000210
上式中，t∈[1,N]，N为时段总数量；
Figure FDA00039476963900000211
为储能系统的最小荷电状态，
Figure FDA00039476963900000212
为储能系统的最大荷电状态，
Figure FDA00039476963900000213
为第t时段储能系统的储能能量，
Figure FDA00039476963900000214
为储能系统的额定容量，
Figure FDA00039476963900000215
为第t时段储能系统的充电功率，
Figure FDA00039476963900000216
为第t时段储能系统的放电功率，
Figure FDA00039476963900000217
为储能系统的充电状态，
Figure FDA00039476963900000218
为储能系统的放电状态，
Figure FDA00039476963900000219
为储能系统的最大充/放电功率，
Figure FDA00039476963900000220
为当天开始前储能系统的储能能量，
Figure FDA00039476963900000221
为第N时段储能系统的储能能量；
Figure FDA00039476963900000222
为第t时段风力发电的出力，
Figure FDA00039476963900000223
为第t时段光伏发电的出力，
Figure FDA00039476963900000224
为第t时段风力发电的最大可用功率，
Figure FDA00039476963900000225
为第t时段光伏发电的最大可用功率。
5.根据权利要求4所述的方法，其特征在于，按下式确定储能系统的最大荷电状态
Figure FDA0003947696390000031
Figure FDA0003947696390000032
按下式确定第t时段储能系统的储能能量
Figure FDA0003947696390000033
Figure FDA0003947696390000034
其中，按下式确定储能系统协助新能源场站跟踪AGC指令所需最大容量
Figure FDA0003947696390000035
Figure FDA0003947696390000036
上式中，
Figure FDA0003947696390000037
为第t-1时段储能系统的储能能量，δES为储能系统的自耗散率，
Figure FDA0003947696390000038
为储能系统的充电效率，
Figure FDA0003947696390000039
为储能系统的放电效率，
Figure FDA00039476963900000310
为储能系统在前一日的第t时段的储能能量。
6.根据权利要求5所述的方法，其特征在于，所述以所述新能源场站的相关数据为输入，利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到日前优化运行方案，包括：
基于所述新能源日前短期功率预测数据，利用场景生成方法和场景缩减方法，获取风力发电出力的界限约束条件和光伏发电出力的界限约束条件；
以所述日前短期功率预测数据和所述日前电价出清数据为输入，基于所述风力发电出力的界限约束条件、所述光伏发电出力的界限约束条件和所述日前协同优化运行模型的约束条件，利用利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到储能系统各时段的充/放电功率；
所述储能系统各时段的充/放电功率为所述日前优化运行方案。
7.根据权利要求6所述的方法，其特征在于，所述基于所述新能源日前短期功率预测数据，利用场景生成方法和场景缩减方法，获取风力发电出力的界限约束条件和光伏发电出力的界限约束条件，包括：
基于所述新能源日前短期功率预测数据，利用场景生成方法生成预设数量的风力发电出力场景和光伏发电出力场景；
利用场景缩减方法分别从所述风力发电出力场景和光伏发电出力场景中选取典型场景，得到各时段风力发电的出力上/下限和各时段光伏发电出力的上/下限；
分别利用所述各时段风力发电的出力上/下限和所述各时段光伏发电出力的上/下限，获取风力发电出力的界限约束条件和光伏发电出力的界限约束条件。
8.根据权利要求7所述的方法，其特征在于，按下式确定所述风力发电出力的界限约束条件：
Figure FDA0003947696390000041
按下式确定所述光伏发电出力的界限约束条件：
Figure FDA0003947696390000042
上式中，
Figure FDA0003947696390000043
和
Figure FDA0003947696390000044
分别为第t时段风力发电的出力上/下限，
Figure FDA0003947696390000045
和
Figure FDA0003947696390000046
分别为第t时段光伏发电出力的上/下限，
Figure FDA0003947696390000047
为第t时段风力发电的最大可用功率，
Figure FDA0003947696390000048
为第t时段光伏发电的最大可用功率。
9.根据权利要求6所述的方法，其特征在于，所述日内优化运行模型，包括：
按下式确定所述日内优化运行模型的目标函数：
Figure FDA0003947696390000049
其中，按下式确定第i次日内优化运行的第g时段的AGC指令偏差或新能源场站的预测出力偏差的
Figure FDA00039476963900000410
Figure FDA00039476963900000411
上式中，i∈[1,M]，M为每天日内优化运行的总次数；g∈[1,NO]，NO为每次日内优化运行的总段数；
Figure FDA00039476963900000412
为第i次日内优化运行的第g时段的AGC指令，
Figure FDA00039476963900000413
为第i次日内优化运行的第g时段的新能源场站的预测出力，
Figure FDA00039476963900000414
和
Figure FDA00039476963900000415
为0-1变量，且不能同时为1；当第i次日内优化运行的第g时段跟踪AGC指令时，
Figure FDA00039476963900000416
Figure FDA00039476963900000417
为第i次日内优化运行的第g时段的AGC指令偏差；当第i次日内优化运行的第g时段跟踪新能源场站的预测出力时，
Figure FDA00039476963900000418
Figure FDA00039476963900000419
为第i次日内优化运行的第g时段的新能源场站的预测出力偏差；
Figure FDA00039476963900000420
为第i次日内优化运行的第g时段的AGC指令值，
Figure FDA0003947696390000051
为第i次日内优化运行的第g时段的新能源场站的预测出力值；
Figure FDA0003947696390000052
为第i次日内优化运行的第g时段的风力发电的实际出力，
Figure FDA0003947696390000053
为第i次日内优化运行的第g时段的光伏发电的实际出力，
Figure FDA0003947696390000054
为第i次日内优化运行的第i+g-1时段的储能系统的充电功率，
Figure FDA0003947696390000055
为第i次日内优化运行的第i+g-1时段的储能系统的放电功率，
Figure FDA0003947696390000056
为第i次日内优化运行的第g时段的储能系统的充/放电功率相对日前优化结果的变化量。
10.根据权利要求9所述的方法，其特征在于，所述日内优化运行模型，还包括：
按下式确定所述日内优化运行模型的约束条件：
Figure FDA0003947696390000057
Figure FDA0003947696390000058
Figure FDA0003947696390000059
Figure FDA00039476963900000510
上式中，
Figure FDA00039476963900000511
为第i次日内优化运行的第g时段的风力发电的超短期预测功率值，
Figure FDA00039476963900000512
为第i次日内优化运行的第g时段的光伏发电的超短期预测功率值，
Figure FDA00039476963900000513
为第i次日内优化运行的第i+g-1时段的储能系统的荷电状态，
Figure FDA00039476963900000514
为第i次日内优化运行的第t+g-2时段的储能系统的荷电状态，
Figure FDA00039476963900000515
为第i次日内优化运行的第g时段时相对日前储能系统的储电量的变化量，
Figure FDA00039476963900000516
为储能系统的额定容量，
Figure FDA00039476963900000517
为储能系统的最大充放电功率。
11.根据权利要求10所述的方法，其特征在于，按下式确定第i次日内优化运行的第g时段时相对日前储能系统的储电量的变化量
Figure FDA00039476963900000518
Figure FDA00039476963900000519
上式中，
Figure FDA00039476963900000520
为第g-1时段的储能系统的储能量，δES为储能系统的自耗散率，Δg为单位时段的时长，
Figure FDA0003947696390000061
为储能系统的充电效率，
Figure FDA0003947696390000062
为第i次日内优化运行的第g时段的储能系统的充/放电功率相对日前优化结果的变化量，
Figure FDA0003947696390000063
为第i次日内优化运行的第g时段的储能系统的充放/电功率。
12.根据权利要求11所述的方法，其特征在于，所述以所述日前优化运行方案为输入，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的优化运行结果，包括：
以所述日前优化运行方案为输入，基于所述日内优化运行模型的约束条件，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的储能系统的充/放电功率相对日前优化结果的变化量；
将所述日前优化运行方案中下一调度时段对应的储能系统的充/放电功率与所述下一调度时段的储能系统的充/放电功率相对日前优化结果的变化量进行相加，得到最终的下一调度时段储能系统的充/放电功率；
所述最终的下一调度时段储能系统的充/放电功率为所述下一调度时段的优化运行结果。
13.一种储能与新能源场站的协同运行优化装置，其特征在于，所述装置包括：
第一获取模块，用于获取新能源场站的相关数据；
第二获取模块，用于以所述新能源场站的相关数据为输入，利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到日前优化运行方案；
第三获取模块，用于以所述日前优化运行方案为输入，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的优化运行结果；
优化模块，用于根据所述下一调度时段的优化运行结果，进行新能源场站运行优化；
其中，所述预先构建的日前协同优化运行模型是以新能源场站的总售电收益最大为目标构建的；
所述预先构建的日内优化运行模型为以AGC指令偏差最小或新能源场站的预测出力偏差最小为目标构建的。
14.根据权利要求13所述的装置，其特征在于，所述新能源场站的相关数据，包括：新能源日前短期功率预测数据和日前电价出清数据；
所述新能源日前短期功率预测数据包括：各时段的风力发电的出力和各时段的光伏发电的出力；
所述日前电价出清数据包括：各时段的售电电价。
15.根据权利要求14所述的装置，其特征在于，所述日前优化运行模型，包括：
按下式确定所述日前优化运行模型的目标函数：
Figure FDA0003947696390000071
按下式确定新能源场站的总售电收益FD：
Figure FDA0003947696390000072
其中，按下式确定第t时段新能源场站的售电收入fi(t)：
Figure FDA0003947696390000073
按下式确定第t时段新能源场站的运行维护费用fe(t)：
Figure FDA0003947696390000074
上式中，t∈[1,N]，N为时段总数量；x和u为控制变量，x为连续变量，x为储能充/放电功率，X为连续变量集；u为0-1变量，u为储能系统的充/放电状态，U为0-1变量集；w为随机变量，w为风力发电/光伏发电的出力，W为随机变量集；D为日前，csell(t)为第t时段的售电电价，
Figure FDA0003947696390000075
为第t时段风力发电的出力，
Figure FDA0003947696390000076
为第t时段光伏发电的出力，
Figure FDA0003947696390000077
为第t时段储能系统的充电功率，
Figure FDA0003947696390000078
为第t时段储能系统的放电功率，Δt为单位时段的时长；cWind为风力发电的维护费用，cPV为光伏发电的维护费用，cES为储能系统的维护费用。
16.根据权利要求15所述的装置，其特征在于，所述日前优化运行模型，还包括：
按下式确定所述日前优化运行模型的约束条件：
Figure FDA0003947696390000079
Figure FDA00039476963900000710
Figure FDA00039476963900000711
Figure FDA00039476963900000712
Figure FDA0003947696390000081
Figure FDA0003947696390000082
上式中，t∈[1,N]，N为时段总数量；
Figure FDA0003947696390000083
为储能系统的最小荷电状态，
Figure FDA0003947696390000084
为储能系统的最大荷电状态，
Figure FDA0003947696390000085
为第t时段储能系统的储能能量，
Figure FDA0003947696390000086
为储能系统的额定容量，
Figure FDA0003947696390000087
为第t时段储能系统的充电功率，
Figure FDA0003947696390000088
为第t时段储能系统的放电功率，
Figure FDA0003947696390000089
为储能系统的充电状态，
Figure FDA00039476963900000810
为储能系统的放电状态，
Figure FDA00039476963900000811
为储能系统的最大充/放电功率，
Figure FDA00039476963900000812
当天开始前储能系统的储能能量，
Figure FDA00039476963900000813
为第N时段储能系统的储能能量；
Figure FDA00039476963900000814
为第t时段风力发电的出力，
Figure FDA00039476963900000815
为第t时段光伏发电的出力，
Figure FDA00039476963900000816
为第t时段风力发电的最大可用功率，
Figure FDA00039476963900000817
为第t时段光伏发电的最大可用功率。
17.根据权利要求16所述的装置，其特征在于，按下式确定储能系统的最大荷电状态
Figure FDA00039476963900000818
Figure FDA00039476963900000819
按下式确定第t时段储能系统的储能能量
Figure FDA00039476963900000820
Figure FDA00039476963900000821
其中，按下式确定储能系统协助新能源场站跟踪AGC指令所需最大容量
Figure FDA00039476963900000822
Figure FDA00039476963900000823
上式中，
Figure FDA00039476963900000824
为第t-1时段储能系统的储能能量，δES为储能系统的自耗散率，
Figure FDA00039476963900000825
为储能系统的充电效率，
Figure FDA00039476963900000826
为储能系统的放电效率，
Figure FDA00039476963900000827
为储能系统在前一日的第t时段的储能能量。
18.根据权利要求17所述的装置，其特征在于，所述第二获取模块，包括：
第一获取单元，用于基于所述新能源日前短期功率预测数据，利用场景生成方法和场景缩减方法，获取风力发电出力的界限约束条件和光伏发电出力的界限约束条件；
第二获取单元，用于以所述日前短期功率预测数据和所述日前电价出清数据为输入，基于所述风力发电出力的界限约束条件、所述光伏发电出力的界限约束条件和所述日前协同优化运行模型的约束条件，利用利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到储能系统各时段的充/放电功率；
第三获取单元，用于所述储能系统各时段的充/放电功率为所述日前优化运行方案。
19.根据权利要求18所述的装置，其特征在于，所述第一获取单元，包括：
生成子单元，用于基于所述新能源日前短期功率预测数据，利用场景生成方法生成预设数量的风力发电出力场景和光伏发电出力场景；
第一获取子单元，用于利用场景缩减方法分别从所述风力发电出力场景和光伏发电出力场景中选取典型场景，得到各时段风力发电的出力上/下限和各时段光伏发电出力的上/下限；
第二获取子单元，用于分别利用所述各时段风力发电的出力上/下限和所述各时段光伏发电出力的上/下限，获取风力发电出力的界限约束条件和光伏发电出力的界限约束条件。
20.根据权利要求19所述的装置，其特征在于，第二获取子单元，具体用于：
按下式确定所述风力发电出力的界限约束条件：
Figure FDA0003947696390000091
按下式确定所述光伏发电出力的界限约束条件：
Figure FDA0003947696390000092
上式中，
Figure FDA0003947696390000093
和
Figure FDA0003947696390000094
分别为第t时段风力发电的出力上/下限，
Figure FDA0003947696390000095
和
Figure FDA0003947696390000096
分别为第t时段光伏发电出力的上/下限，
Figure FDA0003947696390000097
为第t时段风力发电的最大可用功率，
Figure FDA0003947696390000098
为第t时段光伏发电的最大可用功率。
21.根据权利要求18所述的装置，其特征在于，所述日内优化运行模型，包括：
按下式确定所述日内优化运行模型的目标函数：
Figure FDA0003947696390000099
其中，按下式确定第i次日内优化运行的第g时段的AGC指令偏差或新能源场站的预测出力偏差的
Figure FDA00039476963900000910
Figure FDA00039476963900000911
上式中，i∈[1,M]，M为每天日内优化运行的总次数；g∈[1,NO]，NO为每次日内优化运行的总段数；
Figure FDA0003947696390000101
为第i次日内优化运行的第g时段的AGC指令，
Figure FDA0003947696390000102
为第i次日内优化运行的第g时段的新能源场站的预测出力，
Figure FDA0003947696390000103
和
Figure FDA0003947696390000104
为0-1变量，且不能同时为1；当第i次日内优化运行的第g时段跟踪AGC指令时，
Figure FDA0003947696390000105
Figure FDA0003947696390000106
为第i次日内优化运行的第g时段的AGC指令偏差；当第i次日内优化运行的第g时段跟踪新能源场站的预测出力时，
Figure FDA0003947696390000107
Figure FDA0003947696390000108
为第i次日内优化运行的第g时段的新能源场站的预测出力偏差；
Figure FDA0003947696390000109
为第i次日内优化运行的第g时段的AGC指令值，
Figure FDA00039476963900001010
为第i次日内优化运行的第g时段的新能源场站的预测出力值；
Figure FDA00039476963900001011
为第i次日内优化运行的第g时段的风力发电的实际出力，
Figure FDA00039476963900001012
为第i次日内优化运行的第g时段的光伏发电的实际出力，
Figure FDA00039476963900001013
为第i次日内优化运行的第i+g-1时段的储能系统的充电功率，
Figure FDA00039476963900001014
为第i次日内优化运行的第i+g-1时段的储能系统的放电功率，
Figure FDA00039476963900001015
为第i次日内优化运行的第g时段的储能系统的充/放电功率相对日前优化结果的变化量。
22.根据权利要求21所述的装置，其特征在于，所述日内优化运行模型，还包括：
按下式确定所述日内优化运行模型的约束条件：
Figure FDA00039476963900001016
Figure FDA00039476963900001017
Figure FDA00039476963900001018
Figure FDA00039476963900001019
上式中，
Figure FDA00039476963900001020
为第i次日内优化运行的第g时段的风力发电的超短期预测功率值，
Figure FDA00039476963900001021
为第i次日内优化运行的第g时段的光伏发电的超短期预测功率值，
Figure FDA00039476963900001022
为第i次日内优化运行的第i+g-1时段的储能系统的荷电状态，
Figure FDA00039476963900001023
为第i次日内优化运行的第t+g-2时段的储能系统的荷电状态
Figure FDA00039476963900001024
为第i次日内优化运行的第g时段时相对日前储能系统的储电量的变化量，
Figure FDA0003947696390000111
为储能系统的额定容量，
Figure FDA0003947696390000112
为储能系统的最大充放电功率。
23.根据权利要求22所述的装置，其特征在于，按下式确定第i次日内优化运行的第g时段时相对日前储能系统的储电量的变化量
Figure FDA0003947696390000113
Figure FDA0003947696390000114
上式中，
Figure FDA0003947696390000115
为第g-1时段的储能系统的储能量，δES为储能系统的自耗散率，Δg为单位时段的时长，
Figure FDA0003947696390000116
为储能系统的充电效率，
Figure FDA0003947696390000117
为第i次日内优化运行的第g时段的储能系统的充/放电功率相对日前优化结果的变化量，
Figure FDA0003947696390000118
为第i次日内优化运行的第g时段的储能系统的充放/电功率。
24.根据权利要求23所述的装置，其特征在于，所述第三获取模块，包括：
第四获取单元，用于以所述日前优化运行方案为输入，基于所述日内优化运行模型的约束条件，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的储能系统的充/放电功率相对日前优化结果的变化量；
第五获取单元，用于将所述日前优化运行方案中下一调度时段对应的储能系统的充/放电功率与所述下一调度时段的储能系统的充/放电功率相对日前优化结果的变化量进行相加，得到最终的下一调度时段储能系统的充/放电功率；
第六获取单元，用于所述最终的下一调度时段储能系统的充/放电功率为所述下一调度时段的优化运行结果。
25.一种计算机设备，其特征在于，包括：一个或多个处理器；
所述处理器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，实现如权利要求1至12中任意一项所述的储能与新能源场站的协同运行优化方法中的步骤。
26.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1至12中任意一项所述的储能与新能源场站的协同运行优化方法中的步骤。
CN202211439150.3A 2022-11-17 2022-11-17 一种储能与新能源场站的协同运行优化方法及装置 Pending CN115776125A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211439150.3A CN115776125A (zh) 2022-11-17 2022-11-17 一种储能与新能源场站的协同运行优化方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211439150.3A CN115776125A (zh) 2022-11-17 2022-11-17 一种储能与新能源场站的协同运行优化方法及装置

Publications (1)

Publication Number Publication Date
CN115776125A true CN115776125A (zh) 2023-03-10

Family

ID=85389410

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211439150.3A Pending CN115776125A (zh) 2022-11-17 2022-11-17 一种储能与新能源场站的协同运行优化方法及装置

Country Status (1)

Country Link
CN (1) CN115776125A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116231764A (zh) * 2023-05-08 2023-06-06 厦门晶晟能源科技有限公司 一种源网荷储协调控制方法及系统
CN118281924A (zh) * 2024-03-26 2024-07-02 湖南城市学院 配网储能系统多应用场景优化方法、系统和可读存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116231764A (zh) * 2023-05-08 2023-06-06 厦门晶晟能源科技有限公司 一种源网荷储协调控制方法及系统
CN118281924A (zh) * 2024-03-26 2024-07-02 湖南城市学院 配网储能系统多应用场景优化方法、系统和可读存储介质

Similar Documents

Publication Publication Date Title
CN105046395B (zh) 一种含多类型新能源的电力系统日内滚动计划编制方法
CN115776125A (zh) 一种储能与新能源场站的协同运行优化方法及装置
CN107248751A (zh) 一种实现配电网负荷功率削峰填谷的储能站调度控制方法
CN111277005A (zh) 考虑源-荷协调优化的多源电力系统多时间尺度调度方法
CN109066744B (zh) 一种含储能配电网协调调度方法和系统
CN108808744A (zh) 有储能参与的新能源发电系统的有功协调控制方法及系统
CN113783193B (zh) 一种基于边端协同的乡村供用能系统优化调控方法及系统
CN111293682A (zh) 一种基于协同模型预测控制的多微网能量管理方法
CN115360734A (zh) 考虑光、荷多场景的分布式储能容量配置方法及装置
CN115759361A (zh) 基于双层规划的交通能源调度方法、系统、设备和介质
Michael et al. Economic scheduling of virtual power plant in day-ahead and real-time markets considering uncertainties in electrical parameters
CN117094849A (zh) 储能电站参与多类电力市场的优化运行方法、装置及设备
Saha et al. Renewable Energy Curtailment Reduction for California
CN111030101A (zh) 一种基于多元化大数据清洁能源消纳联动调控方法及系统
CN117767349A (zh) 风光储新能源电站的优化调度与协调控制方法及系统
CN112016186B (zh) 一种基于随机场景构建的年度弃风、弃光率计算方法
CN113675846A (zh) 基于聚合效应的配电网分布式储能优化调度方法
CN115065075B (zh) 风储集群中储能站优化调度方法、系统及存储介质
Zhu et al. Cooperative game-based energy storage planning for wind power cluster aggregation station
CN117394404A (zh) 考虑碳效益和辅助调频的风电场储能容量配置方法
CN111582599A (zh) 一种基于虚拟电厂调峰的储能设备日内有功调度方法
CN115600757A (zh) 海上风电共享储能参与现货市场交易协调优化方法及系统
CN110829474A (zh) 用大数据智能储能支撑电网动态安全的方法与系统
Chen et al. Research on Utility Calculation Method of Pumped Storage Participating in Peak-Shaving Market
CN107453409B (zh) 一种基于短周期均值方差的新能源储能配置优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication