CN116562554A - 一种考虑灵活性供需平衡的长短期储能联合规划方法 - Google Patents

一种考虑灵活性供需平衡的长短期储能联合规划方法 Download PDF

Info

Publication number
CN116562554A
CN116562554A CN202310469453.8A CN202310469453A CN116562554A CN 116562554 A CN116562554 A CN 116562554A CN 202310469453 A CN202310469453 A CN 202310469453A CN 116562554 A CN116562554 A CN 116562554A
Authority
CN
China
Prior art keywords
energy storage
period
short
power
long
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
CN202310469453.8A
Other languages
English (en)
Inventor
刘丽军
黄伟东
黄惠钰
陈泽楷
林锟
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.)
Fuzhou University
Original Assignee
Fuzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fuzhou University filed Critical Fuzhou University
Priority to CN202310469453.8A priority Critical patent/CN116562554A/zh
Publication of CN116562554A publication Critical patent/CN116562554A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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

Abstract

本发明公开了一种考虑灵活性供需平衡的长短期储能联合规划方法，包括：步骤S1：导入风光水荷全年逐小时数据，基于聚类算法得到四个季节的典型场景；步骤S2：应用需求响应机制DR，调整电网有功负荷；步骤S3：以可再生能源弃电率最低为目标函数，建立长短期储能联合规划模型；步骤S4：建立电力系统的灵活性供需模型；步骤S5：基于步骤S1得到的四个典型场景，采用Gurobi求解器求解，得到风电、光伏、长期和短期储能的规划容量；步骤S6：建立灵活性供需平衡指标体系；步骤S7：判断是否满足灵活性供需平衡，若是则输出各设备的最优规划容量，否则返回步骤S2。本发明能够在提高可再生能源利用率的同时，提高新型电力系统运行的安全稳定性和灵活性。

Description

一种考虑灵活性供需平衡的长短期储能联合规划方法
技术领域
本发明涉及新能源技术领域，特别是一种考虑灵活性供需平衡的长短期储能联合规划方法。
背景技术
风电和光伏等可再生能源发电近年来呈现爆发式增长态势，逐步提高其在以传统化石能源发电为主的高碳排放电力系统中的占比。可再生能源出力的随机性和波动性，给电力系统安全、可靠、经济运行带来了挑战，是新型电力系统面临的难题。
储能作为灵活性调节资源，具有调节可再生能源出力波动的作用。以电化学储能为代表的短期储能可以很好地调节电力系统日内的功率平衡，然而高比例可再生能源的入网会引起系统的净负荷呈现长时间尺度的波动。因此，研究短骑和长骑储能的统筹规划对高比例可再生能源渗透下的新型电力系统具有重要意义。
但目前，针对储能的规划研究，现有技术仍存在以下不足：
首先，目前大多的储能规划都仅考虑单一的季节性能量调节或短时的功率调节，即在规划时仅配置以氢储能为代表的季节性储能或是以电化学储能为代表的短期储能。而单一类型的储能形式已无法满足高比例可再生能源渗透下的新型电力系统的全部需求，容易造成大量的弃风弃光。
其次，虽有少数文献已针对短期和长期储能的联合规划做出研究，但是他们大多忽略了电力系统灵活性供需平衡机理对电网灵活性、经济性和稳定性的影响，从而限制了电网灵活性和经济性的提升空间。
最后，目前针对已有的需求响应(demandresponse,DR)机制的研究中，大多仅为提升电网运行的经济性，并未考虑其与电力系统灵活性之间的关系，且很少将其应用于储能规划方面。
发明内容
有鉴于此，本发明的目的在于提供一种考虑灵活性供需平衡的长短期储能联合规划方法，面对高比例可再生能源渗透下的新型电力系统，通过长短期储能联合规划提高可再生能源利用率的同时，结合需求响应机制，考虑电力系统的灵活性供需平衡，提高了新型电力系统运行的安全稳定性和灵活性。
为实现上述目的，本发明采用如下技术方案：一种考虑灵活性供需平衡的长短期储能联合规划方法，包括以下步骤：
步骤S1：导入风光水荷全年逐小时数据，基于聚类算法得到四个季节的典型场景；
步骤S2：应用需求响应机制DR，调整电网有功负荷；
步骤S3：以可再生能源弃电率最低为目标函数，建立长短期储能联合规划模型；
步骤S4：建立电力系统的灵活性供给与需求模型；
步骤S5：基于步骤S1得到的四个季节的典型场景，输入目标年已知的火电、水电、核电装机及年最大负荷，采用Gurobi求解器求解，得到风电、光伏、长期储能、短期储能的规划容量；
步骤S6：建立电力系统灵活性供需平衡指标；
步骤S7：判断电力系统是否满足灵活性供需平衡，若是则求解完毕，输出各设备的最优规划容量，否则返回步骤S2。
在一较佳的实施例中：在步骤S2中：基于弹性负荷曲线的阶梯式模型，求出价格率与期望负荷响应率的对应关系；
计及用户的需求响应特性后，电网有功负荷如下：
式中：PL,t为t时段计及需求响应策略后的负荷；PL0,t为t时段计及需求响应策略前的负荷，即基准负荷；Xkt为需求响应策略的档位标志，为0-1变量；ηkt为t时段k档位下的期望负荷响应率；ρt为t时段实施需求响应策略后的电力价格；ρ0,t为t时段计及需求响应策略前的分时电价，即基准电价；αkt为t时段k档位下的价格率。
在一较佳的实施例中：在步骤S3中：目标函数为可再生能源的最低弃电率，其表达式为：
式中：ηi为典型日权重系数；ωW,t、ωPV,t分别为风电、光伏在t时段的出力可用率；GW、GPV分别为风电和光伏装机容量；PW,t、PPV,t分别为风电、光伏在t时段的出力；
目标函数的约束条件包括：
(1)最大可建容量约束
式中：分别为光伏、风电、短期储能、长期储能的最大可建装机容量；Gb、Gh分别为短期储能和长期储能的装机容量；
(2)可再生能源发电占比约束
式中：βr为可再生能源渗透率；
(3)供电充裕度约束
式中：α为电力系统供电充裕度；为t时段系统的切负荷；
(4)功率平衡约束
式中：Pg,t为t时段火电出力；Phydro,t为t时段水电出力；Pnu,t为t时段核电出力；分为t时段短期、长期储能设备放电功率；/>分为t时段短期、长期储能设备充电功率；
(5)可再生能源出力约束
(6)短期储能运行约束
本发明设置短期储能为电化学储能，其运行约束条件如下：
Eb,min≤Eb,t≤Eb,max≤HbGb (11)
式中：分别为短期储能设备在t时段的充电、放电、静置状态，为0-1变量；Eb,t为短期储能设备在t时段的储电量；ηb为短期储能设备的充电或放电效率，取0.9；Eb,min、Eb,max分别为短期储能系统的最小、最大储电量；Hb为短期储能设备的储能时长，取6h；/>为短期储能设备的初始电量比例，Tb为短期储能的平衡周期，取24h；
(7)长期储能运行约束
本发明设置长期储能为氢储能，其运行约束条件如下：
Eh,min≤Eh,t≤Eh,max≤HhGh (16)
式中：分别为长期储能设备在t时段的充电、放电、静置状态，为0-1变量；Eh,t为储能设备在t时段的储电量；ηh为长期储能设备的充电或放电效率，取0.7；Eh,min、Eh,max分别为长期储能系统的最小、最大储电量；Hh为长期储能设备的储能时长，取720h；/>为长期储能设备的初始电量比例，Th为长期储能的平衡周期，取8760h；
(8)火电机组运行约束
0≤Pg,t≤Gg (20)
式中：Gg为火电装机容量；和/>分别为火电机组向上、向下的爬坡速率；Og,t为火电机组在t时段在线开机容量；/>和/>分别为火电机组在t时段的启动容量和关停容量；/>为火电机组在t时段的最小技术出力比例；/>和/>分别为火电机组最小开机、停机时间，取3h；
(9)水电机组的运行约束
0≤Phydro,t≤ωhydroGhydro (26)
式中：Ghydro为水电装机容量；ωhydro为水电在t时段的出力可用率；和/>为水电机组的爬坡速率。
在一较佳的实施例中：在步骤S4中：电力系统灵活性需求FNE,t可表征为应对净负荷PJ,t不确定变化所需要的系统调节能力，表达式如下所示：
PJ,t＝PL,t-Pwind,t-PPV,t (28)
FNE,t＝PJ,t+1-PJ (29)
所有能够应对波动性与不确定性的调节手段均可视为电力系统灵活性资源；灵活性资源有：火电机组、长期储能设备、短期储能设备、需求响应机制下的可转移负荷；
电力系统于t时段的向上灵活性供给能力如下：
式中，为系统的向上灵活性供给；/>分别为火电机组、短期储能设备、长期储能设备、可转移负荷的向上灵活性供给；Pg,max为火电机组最大出力；/>为t时段向下转移负荷的量；PTL,max为可转移负荷的最大值；
电力系统于t时段的向下灵活性供给能力如下：
式中，为系统的向下灵活性供给；/>分别为火电机组、短期储能设备、长期储能设备、可转移负荷的向下灵活性供给；Pg,min为火电机组最小出力；/>为t时段向上转移负荷的量。
在一较佳的实施例中：在步骤S5中：基于步骤S1得到的四个季节的风光水荷典型联合场景，引用典型日权重系数将四个典型日间进行耦合处理后代表全年参与系统规划分析，输入目标年已知的火电、水电、核电机组装机及年最大负荷，采用Gurobi求解器对步骤S3中的模型进行求解，得到风电、光伏、长期储能、短期储能的规划容量。
在一较佳的实施例中：在步骤S6中：以电力系统灵活性裕量FMAR,t作为电力系统灵活性供需平衡的指标，其为相同时段同一方向的灵活性供给与需求的差值；t时段系统的向上、向下灵活性裕量如下：
当FMAR,t≥0时表示t时段系统灵活性充裕；反之则表示该时段系统灵活性不足；当出现向上灵活性缺额时，系统会面临切负荷风险；当出现向下灵活性缺额时，系统将摒弃部分新能源出力。
在一较佳的实施例中：在步骤S7中：判断电力系统灵活性裕量FMAR,t是否大于等于零，若是则求解完毕，输出各设备的最优规划容量，否则返回步骤S2。
与现有技术相比，本发明具有以下有益效果：
(1)综合考虑短期储能的功率调节和长期储能的能量调节，建立长短期储能联合规划模型，提高可再生能源的利用率和电力系统的经济性；
(2)通过深度卷积嵌入聚类算法得到的四个季节的风光水荷典型联合场景参与系统的规划分析，大大降低了系统的计算量；
(3)结合需求响应机制，考虑电力系统的灵活性供需平衡，提高了电力系统运行的安全稳定性和灵活性。
附图说明
图1为本发明优选实施例的整体流程示意图；
图2为本发明优选实施例的四个季节风光水荷典型联合场景生成流程图；
图3为本发明优选实施例的档位与期望负荷响应率对应关系图；
图4为本发明优选实施例的四个季节的风光水荷典型联合场景；
图5为本发明优选实施例的净负荷最大波动日模拟运行灵活性缺额的向上灵活性缺额；
图6为本发明优选实施例的净负荷最大波动日模拟运行灵活性缺额的向下灵活性缺额。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式；如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1-6所示，本实施例提供了一种考虑灵活性供需平衡的长短期储能联合规划方法，包括以下步骤：
步骤S1：导入风光水荷全年逐小时数据，建立深度卷积嵌入聚类(deepconvolutional embedding clustering,DCEC)模型，生成春夏秋冬四个季节的风光水荷典型联合场景，其流程图如图2所示。
步骤S2：应用需求响应机制(DR)，调整电网有功负荷。基于弹性负荷曲线的阶梯式模型，求出价格率与期望负荷响应率的对应关系如图3所示。
计及用户的需求响应特性后，电网有功负荷如下：
式中：PL,t为t时段计及需求响应策略后的负荷；PL0,t为t时段计及需求响应策略前的负荷，即基准负荷；Xkt为需求响应策略的档位标志，为0-1变量；ηkt为t时段k档位下的期望负荷响应率；ρt为t时段实施需求响应策略后的电力价格；ρ0,t为t时段计及需求响应策略前的分时电价，即基准电价；αkt为t时段k档位下的价格率。
步骤S3：以可再生能源弃电率最低为目标函数，建立长短期储能联合规划模型，其表达式为：
式中：ηi为典型日权重系数；ωW,t、ωPV,t分别为风电、光伏在t时段的出力可用率；GW、GPV分别为风电和光伏装机容量；PW,t、PPV,t分别为风电、光伏在t时段的出力。
目标函数的约束条件包括：
(1)最大可建容量约束
式中：分别为光伏、风电、短期储能、长期储能的最大可建装机容量；Gb、Gh分别为短期储能和长期储能的装机容量。
(2)可再生能源发电占比约束
式中：βr为可再生能源渗透率，本发明实施例设置为50％。
(3)供电充裕度约束
式中：α为电力系统供电充裕度，本发明实施例设置为0.0001；为t时段系统的切负荷。
(4)功率平衡约束
式中：Pg,t为t时段火电出力；Phydro,t为t时段水电出力；Pnu,t为t时段核电出力；分为t时段短期、长期储能设备放电功率；/>分为t时段短期、长期储能设备充电功率。
(5)可再生能源出力约束
(6)短期储能运行约束
本发明设置短期储能为电化学储能，其运行约束条件如下：
Eb,min≤Eb,t≤Eb,max≤HbGb (11)
式中：分别为短期储能设备在t时段的充电、放电、静置状态，为0-1变量；Eb,t为短期储能设备在t时段的储电量；ηb为短期储能设备的充电或放电效率，取0.9；Eb,min、Eb,max分别为短期储能系统的最小、最大储电量；Hb为短期储能设备的储能时长，取6h；/>为短期储能设备的初始电量比例，Tb为短期储能的平衡周期，取24h。
(7)长期储能运行约束
本发明设置长期储能为氢储能，其运行约束条件如下：
Eh,min≤Eh,t≤Eh,max≤HhGh (16)
式中：分别为长期储能设备在t时段的充电、放电、静置状态，为0-1变量；Eh,t为储能设备在t时段的储电量；ηh为长期储能设备的充电或放电效率，取0.7；Eh,min、Eh,max分别为长期储能系统的最小、最大储电量；Hh为长期储能设备的储能时长，取720h；/>为长期储能设备的初始电量比例，Th为长期储能的平衡周期，取8760h。
(8)火电机组运行约束
0≤Pg,t≤Gg (20)
式中：Gg为火电装机容量；和/>分别为火电机组向上、向下的爬坡速率；Og,t为火电机组在t时段在线开机容量；/>和/>分别为火电机组在t时段的启动容量和关停容量；/>为火电机组在t时段的最小技术出力比例；/>和/>分别为火电机组最小开机、停机时间，取3h。
(9)水电机组的运行约束
0≤Phydro,t≤ωhydroGhydro (26)
式中：Ghydro为水电装机容量；ωhydro为水电在t时段的出力可用率；和/>为水电机组的爬坡速率。
步骤S4：建立电力系统的灵活性供给与需求模型。电力系统灵活性需求FNE,t可表征为应对净负荷PJ,t不确定变化所需要的系统调节能力，表达式如下所示：
PJ,t＝PL,t-Pwind,t-PPV,t (28)
FNE,t＝PJ,t+1-PJ (29)
所有能够应对波动性与不确定性的调节手段均可视为电力系统灵活性资源。本发明的灵活性资源有：火电机组、长期储能设备、短期储能设备、需求响应机制下的可转移负荷。
电力系统于t时段的向上灵活性供给能力如下：
式中：为系统的向上灵活性供给；/>分别为火电机组、短期储能设备、长期储能设备、可转移负荷的向上灵活性供给；Pg,max为火电机组最大出力；/>为t时段向下转移负荷的量；PTL,max为可转移负荷的最大值。
电力系统于t时段的向下灵活性供给能力如下：
式中：为系统的向下灵活性供给；/>分别为火电机组、短期储能设备、长期储能设备、可转移负荷的向下灵活性供给；Pg,min为火电机组最小出力；/>为t时段向上转移负荷的量。
步骤S5：基于步骤S1得到的四个季节的风光水荷典型联合场景，引用典型日权重系数将四个典型日间进行耦合处理后代表全年参与系统规划分析，大大减小了系统的计算量。输入目标年已知的火电、水电、核电机组装机及最大负荷，如表1所示。采用Gurobi求解器对步骤S3中的模型进行求解，得到风电、光伏、长期储能、短期储能的规划容量。
表1已知目标年电源装机和年最大负荷
火电机组装机 45000MW
水电机组装机 12000MW
核电机组装机 30000MW
年最大负荷 150000MW
步骤S6：建立电力系统灵活性供需平衡指标。以电力系统灵活性裕量FMAR,t作为电力系统灵活性供需平衡的指标，其为相同时段同一方向的灵活性供给与需求的差值。t时段系统的向上、向下灵活性裕量如下：
当FMAR,t≥0时表示t时段系统灵活性充裕；反之则表示该时段系统灵活性不足。当出现向上灵活性缺额时，系统会面临切负荷风险；当出现向下灵活性缺额时，系统将摒弃部分新能源出力。
步骤S7：判断电力系统是否满足灵活性供需平衡，即判断电力系统灵活性裕量FMAR,t是否大于等于零，若是则求解完毕，输出各设备的最优规划容量，否则返回步骤S2。
较佳地，本实施例建立了一种在高比例可再生能源渗透下新型电力系统的长短期储能联合规划方法，综合考虑短期储能的功率调节和长期储能的能量调节以提高电力系统对可再生能源的利用率。
较佳地，本实施例通过深度卷积嵌入聚类(DCEC)算法得到四个季节的典型场景，并引用对应的权重系数进行耦合处理，以四个典型场景参与系统的规划分析，大大降低了系统的计算量。
较佳地，本实施例结合需求响应机制，考虑电力系统的灵活性供需平衡，提高了新型电力系统运行的安全稳定性和灵活性。
在本实施例中，其中方案1不配置储能装置，方案2和方案3分别为传统的配置单一短期储能、长期储能，方案4联合短期和长期储能，方案5为本发明设置的优化方案，即在方案4的基础上，结合需求响应机制，考虑灵活性供需平衡。5个方案的规划结果对比如表2所示，图4为本发明实施例中基于深度卷积嵌入聚类算法得到的四个季节的风光水荷典型联合场景，冬、春、夏、秋典型日出现的概率依次为29.32％、26.85％、30.96％、12.87％。图5-6为除优化方案外的四个方案所得规划结果在净负荷最大波动日下进行模拟运行时的灵活性缺额。
从表2可看出，当系统不配置储能时，为保证电力系统的供电可靠性，只能增加风电和光伏装机的冗余，直接导致了大量的弃风弃光，可再生能源利用率仅有53.77％；若仅配置单一形式的储能，可再生能源利用率仍较低；当系统联合短时功率和长期能量的双重调节，配置长短期储能联合设备时，极大降低了风电和光伏的装机冗余，可再生能源的利用率提高至81.35％；而本发明设置的优化方案，极大提高了可再生能源的消纳，其利用率高达97.42％。由此说明本发明的规划方法能够极大提高电力系统对可再生能源的消纳。
从图5-6可看出，除优化方案外的4个方案都存在较大的向上灵活性缺额，摒弃负荷的风险大。方案1没有配置储能，系统向下灵活性严重不足；方案2-4配置了储能装置后，很大程度降低了系统的向下灵活性缺额。而优化方案因为考虑了灵活性供需平衡，因此在最大净负荷波动日进行模拟调度时，不存在向上和向下灵活性缺额。由此说明，本发明的规划方法能够提高电力系统运行的灵活性和稳定性。
表2不同方案的规划结果对比
以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。

Claims (7)

1.一种考虑灵活性供需平衡的长短期储能联合规划方法，其特征在于，包括以下步骤：
步骤S1：导入风光水荷全年逐小时数据，基于聚类算法得到四个季节的典型场景；
步骤S2：应用需求响应机制DR，调整电网有功负荷；
步骤S3：以可再生能源弃电率最低为目标函数，建立长短期储能联合规划模型；
步骤S4：建立电力系统的灵活性供给与需求模型；
步骤S5：基于步骤S1得到的四个季节的典型场景，输入目标年已知的火电、水电、核电装机及年最大负荷，采用Gurobi求解器求解，得到风电、光伏、长期储能、短期储能的规划容量；
步骤S6：建立电力系统灵活性供需平衡指标；
步骤S7：判断电力系统是否满足灵活性供需平衡，若是则求解完毕，输出各设备的最优规划容量，否则返回步骤S2。
2.根据权利要求1所述的一种考虑灵活性供需平衡的长短期储能联合规划方法，其特征在于：
在步骤S2中：基于弹性负荷曲线的阶梯式模型，求出价格率与期望负荷响应率的对应关系；
计及用户的需求响应特性后，电网有功负荷如下：
式中：PL,t为t时段计及需求响应策略后的负荷；PL0,t为t时段计及需求响应策略前的负荷，即基准负荷；Xkt为需求响应策略的档位标志，为0-1变量；ηkt为t时段k档位下的期望负荷响应率；ρt为t时段实施需求响应策略后的电力价格；ρ0,t为t时段计及需求响应策略前的分时电价，即基准电价；αkt为t时段k档位下的价格率。
3.根据权利要求1所述的一种考虑灵活性供需平衡的长短期储能联合规划方法，其特征在于：
在步骤S3中：目标函数为可再生能源的最低弃电率，其表达式为：
式中：ηi为典型日权重系数；ωW,t、ωPV,t分别为风电、光伏在t时段的出力可用率；GW、GPV分别为风电和光伏装机容量；PW,t、PPV,t分别为风电、光伏在t时段的出力；
目标函数的约束条件包括：
(1)最大可建容量约束
式中：分别为光伏、风电、短期储能、长期储能的最大可建装机容量；Gb、Gh分别为短期储能和长期储能的装机容量；
(2)可再生能源发电占比约束
式中：βr为可再生能源渗透率；
(3)供电充裕度约束
式中：α为电力系统供电充裕度；为t时段系统的切负荷；
(4)功率平衡约束
式中：Pg,t为t时段火电出力；Phydro,t为t时段水电出力；Pnu,t为t时段核电出力；分为t时段短期、长期储能设备放电功率；/>分为t时段短期、长期储能设备充电功率；
(5)可再生能源出力约束
(6)短期储能运行约束
本发明设置短期储能为电化学储能，其运行约束条件如下：
Eb,min≤Eb,t≤Eb,max≤HbGb (11)
式中：分别为短期储能设备在t时段的充电、放电、静置状态，为0-1变量；Eb,t为短期储能设备在t时段的储电量；ηb为短期储能设备的充电或放电效率，取0.9；Eb,min、Eb,max分别为短期储能系统的最小、最大储电量；Hb为短期储能设备的储能时长，取6h；λb Ini为短期储能设备的初始电量比例，Tb为短期储能的平衡周期，取24h；
(7)长期储能运行约束
本发明设置长期储能为氢储能，其运行约束条件如下：
Eh,min≤Eh,t≤Eh,max≤HhGh (16)
式中：分别为长期储能设备在t时段的充电、放电、静置状态，为0-1变量；Eh,t为储能设备在t时段的储电量；ηh为长期储能设备的充电或放电效率，取0.7；Eh,min、Eh,max分别为长期储能系统的最小、最大储电量；Hh为长期储能设备的储能时长，取720h；/>为长期储能设备的初始电量比例，Th为长期储能的平衡周期，取8760h；
(8)火电机组运行约束
0≤Pg,t≤Gg (20)
式中：Gg为火电装机容量；和/>分别为火电机组向上、向下的爬坡速率；Og,t为火电机组在t时段在线开机容量；/>和/>分别为火电机组在t时段的启动容量和关停容量；为火电机组在t时段的最小技术出力比例；/>和/>分别为火电机组最小开机、停机时间，取3h；
(9)水电机组的运行约束
式中：Ghydro为水电装机容量；ωhydro为水电在t时段的出力可用率；和/>为水电机组的爬坡速率。
4.根据权利要求1所述的一种考虑灵活性供需平衡的长短期储能联合规划方法，其特征在于：
在步骤S4中：电力系统灵活性需求FNE,t可表征为应对净负荷PJ,t不确定变化所需要的系统调节能力，表达式如下所示：
PJ,t＝PL,t-Pwind,t-PPV,t (28)
FNE,t＝PJ,t+1-PJ (29)
所有能够应对波动性与不确定性的调节手段均可视为电力系统灵活性资源；灵活性资源有：火电机组、长期储能设备、短期储能设备、需求响应机制下的可转移负荷；
电力系统于t时段的向上灵活性供给能力如下：
式中，为系统的向上灵活性供给；/>分别为火电机组、短期储能设备、长期储能设备、可转移负荷的向上灵活性供给；Pg,max为火电机组最大出力；/>为t时段向下转移负荷的量；PTL,max为可转移负荷的最大值；
电力系统于t时段的向下灵活性供给能力如下：
式中，为系统的向下灵活性供给；/>分别为火电机组、短期储能设备、长期储能设备、可转移负荷的向下灵活性供给；Pg,min为火电机组最小出力；/>为t时段向上转移负荷的量。
5.根据权利要求1所述的一种考虑灵活性供需平衡的长短期储能联合规划方法，其特征在于：
在步骤S5中：基于步骤S1得到的四个季节的风光水荷典型联合场景，引用典型日权重系数将四个典型日间进行耦合处理后代表全年参与系统规划分析，输入目标年已知的火电、水电、核电机组装机及年最大负荷，采用Gurobi求解器对步骤S3中的模型进行求解，得到风电、光伏、长期储能、短期储能的规划容量。
6.根据权利要求1所述的一种考虑灵活性供需平衡的长短期储能联合规划方法，其特征在于：
在步骤S6中：以电力系统灵活性裕量FMAR,t作为电力系统灵活性供需平衡的指标，其为相同时段同一方向的灵活性供给与需求的差值；t时段系统的向上、向下灵活性裕量如下：
当FMAR,t≥0时表示t时段系统灵活性充裕；反之则表示该时段系统灵活性不足；当出现向上灵活性缺额时，系统会面临切负荷风险；当出现向下灵活性缺额时，系统将摒弃部分新能源出力。
7.根据权利要求1所述的一种考虑灵活性供需平衡的长短期储能联合规划方法，其特征在于：
在步骤S7中：判断电力系统灵活性裕量FMAR,t是否大于等于零，若是则求解完毕，输出各设备的最优规划容量，否则返回步骤S2。
CN202310469453.8A 2023-04-27 2023-04-27 一种考虑灵活性供需平衡的长短期储能联合规划方法 Pending CN116562554A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310469453.8A CN116562554A (zh) 2023-04-27 2023-04-27 一种考虑灵活性供需平衡的长短期储能联合规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310469453.8A CN116562554A (zh) 2023-04-27 2023-04-27 一种考虑灵活性供需平衡的长短期储能联合规划方法

Publications (1)

Publication Number Publication Date
CN116562554A true CN116562554A (zh) 2023-08-08

Family

ID=87485419

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310469453.8A Pending CN116562554A (zh) 2023-04-27 2023-04-27 一种考虑灵活性供需平衡的长短期储能联合规划方法

Country Status (1)

Country Link
CN (1) CN116562554A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116822908A (zh) * 2023-08-24 2023-09-29 福州凌渡科技有限公司 一种可快速求解的多时间尺度储能规划方法及设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116822908A (zh) * 2023-08-24 2023-09-29 福州凌渡科技有限公司 一种可快速求解的多时间尺度储能规划方法及设备
CN116822908B (zh) * 2023-08-24 2023-11-17 福州凌渡科技有限公司 一种可快速求解的多时间尺度储能规划方法及设备

Similar Documents

Publication Publication Date Title
WO2022100091A1 (zh) 一种广义源储系统调度的集中控制方法
CN110365013B (zh) 一种光热-光伏-风电联合发电系统的容量优化方法
CN105976055B (zh) 计及功率损耗的分布式光伏-储能系统出力优化及容量配置方法
CN107276122B (zh) 适应大规模可再生能源并网的调峰资源调用决策方法
CN103944175A (zh) 风光储联合发电系统出力特性优化方法
CN109066807B (zh) 含储能的风光火打捆外送电源规划方法
CN104299173B (zh) 一种适用于多种能源接入的鲁棒优化日前调度方法
CN110601254B (zh) 一种考虑动态载流特性的风电场储能优化配置方法及系统
CN116562554A (zh) 一种考虑灵活性供需平衡的长短期储能联合规划方法
CN115511180A (zh) 电力系统灵活性资源的优化配置方法及系统
CN108683188A (zh) 考虑环境价值及调峰充裕度的多目标风电接纳水平优化
CN113904382B (zh) 一种多能源电力系统时序运行模拟方法、装置、电子设备及存储介质
CN110768303A (zh) 一种海岛型能源系统设备容量的优化配置方法
CN116979578A (zh) 一种风光水火储的电气热三联产优化调度方法和系统
CN113659566B (zh) 一种基于CVaR的多能互补发电系统的容量配置优化方法
CN116805192A (zh) 考虑最优弃能率的综合能源系统双层规划优化方法及应用
CN114465226A (zh) 一种电力系统多级备用获取联合优化模型的建立方法
Ma et al. Two-stage optimal dispatching based on wind-photovoltaic-pumped storage-thermal power combined power generation system
CN110717694B (zh) 基于新能源消纳期望值的储能配置随机决策方法及装置
CN108258734B (zh) 基于风功率区间预测的鲁棒最优调度方法
CN108258730B (zh) 一种电网协调调度下的弃风供暖系统及方法
CN112149339A (zh) 风电-光伏-光热-电加热器互补发电系统容量优化模型
Zidane et al. A new fuzzy logic solution for energy management of hybrid photovoltaic/battery/hydrogen system
CN116979570B (zh) 微电网混合型储能方法、系统及装置
Li et al. Study on grid planning method considering multiple energy access

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