WO2024041591A1 - 一种风电光伏储能配比的协调优化方法 - Google Patents

一种风电光伏储能配比的协调优化方法 Download PDF

Info

Publication number
WO2024041591A1
WO2024041591A1 PCT/CN2023/114580 CN2023114580W WO2024041591A1 WO 2024041591 A1 WO2024041591 A1 WO 2024041591A1 CN 2023114580 W CN2023114580 W CN 2023114580W WO 2024041591 A1 WO2024041591 A1 WO 2024041591A1
Authority
WO
WIPO (PCT)
Prior art keywords
energy storage
wind power
photovoltaic
curve
hyperbola
Prior art date
Application number
PCT/CN2023/114580
Other languages
English (en)
French (fr)
Inventor
刘建华
常亚民
陈勇
朱壮华
陈琰俊
Original Assignee
华能山西综合能源有限责任公司
华能榆社扶贫能源有限责任公司
华能山西综合能源有限责任公司榆社光伏电站
黎城县盈恒清洁能源有限公司
华能芮城综合能源有限责任公司
华能左权羊角风电有限责任公司
芮城宁升新能源有限公司
五寨县太重新能源风力发电有限公司
朔州市太重风力发电有限公司
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 华能山西综合能源有限责任公司, 华能榆社扶贫能源有限责任公司, 华能山西综合能源有限责任公司榆社光伏电站, 黎城县盈恒清洁能源有限公司, 华能芮城综合能源有限责任公司, 华能左权羊角风电有限责任公司, 芮城宁升新能源有限公司, 五寨县太重新能源风力发电有限公司, 朔州市太重风力发电有限公司 filed Critical 华能山西综合能源有限责任公司
Publication of WO2024041591A1 publication Critical patent/WO2024041591A1/zh

Links

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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • 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
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • 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
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously

Definitions

  • the invention relates to the technical field of optimization dispatching, and in particular to a coordination and optimization method for wind power photovoltaic energy storage ratio.
  • the wind-solar hybrid power generation system is a new energy power generation system that utilizes the complementarity of wind and solar resources and has a high cost performance and has good application prospects.
  • the power supply of the day is related to the weather conditions, that is, there will be an imbalance of power supply during the power supply process. Therefore, it will lead to an imbalance of power supply resources. Therefore, it is necessary to start from The energy storage aspects of different systems are used to solve the problem of resource imbalance.
  • the present invention proposes a coordinated optimization method for wind power photovoltaic energy storage ratio.
  • the invention provides a coordination and optimization method for wind power and photovoltaic energy storage ratios, which is used to ensure the stability of power supply resources and indirectly improve the operation efficiency of wind power systems and photovoltaic systems by coordinating and optimizing the energy storage ratios.
  • the invention provides a coordinated optimization method for wind power photovoltaic energy storage ratio, which includes:
  • Step 1 Determine the power distribution and energy storage equation of the wind power photovoltaic system, and at the same time, obtain the realistic constraints of the wind power photovoltaic system;
  • Step 2 Pre-analyze the power distribution and energy storage equation based on the realistic constraints and construct an energy storage dispatch model
  • Step 3 Obtain the wind power operating parameters of the wind power system and construct the first utilization conditions
  • Step 4 Obtain the photovoltaic operating parameters of the photovoltaic system and construct the second utilization conditions
  • Step 5 Based on the energy storage scheduling model and combined with the first utilization condition and the second utilization condition, obtain the energy storage scheduling strategy to achieve coordinated optimization of the wind power and photovoltaic energy storage ratio.
  • determine the power distribution and energy storage equation of the wind power photovoltaic system including:
  • the power distribution energy storage equation is constructed.
  • obtaining the realistic constraints of the wind power photovoltaic system includes: obtaining the operation logs of the wind power photovoltaic system at different historical moments;
  • the first energy storage power distribution parameter set of the wind power system and the first set of energy distribution parameters of the photovoltaic system are obtained.
  • the hyperbola with the same parameters corresponding to the first coefficient is analyzed to obtain positive deviation parameters and negative deviation parameters, and then obtain realistic constraints, including:
  • the correction combination is obtained to implement the correction, and the corresponding new line segment sequence is re-obtained;
  • the new line segment sequence and the set of setting conditions corresponding to the new line segment sequence are sequentially input into the deviation analysis model to obtain positive deviation parameters and negative deviation parameters;
  • Realistic constraints are constructed based on the positive deviation distance and positive deviation attributes of all positive deviation parameters and the negative deviation distance and negative deviation attributes of all negative deviation parameters.
  • a correction combination is obtained to implement the correction, including:
  • the ratio of the line segment sequence corresponding to the first fitting line is within the preset range, the corresponding first line segment sequence is retained as a new line segment sequence;
  • n1 represents the fitting misjudgment point
  • ⁇ i1 represents the misjudgment value of the i1th fitting misjudgment point
  • p represents the current actual fitting misjudgment probability
  • p0 represents the standard misjudgment probability
  • the misjudgment factor of the x-axis of the fitting line, and the value range is [0,0.2]
  • X2 represents the misjudgment factor based on the y-axis of the new fitting line, and the value range is [0,0.2]
  • Y1 represents correction combination; Represents the correction factor for misjudged values; and Represents the correction factor for the x-axis; and Represents the correction factor for the y-axis;
  • the corresponding correction mechanism is matched from the correction database, the first fitting line is corrected, and a new line segment sequence is obtained.
  • pre-analyzing the distribution energy storage equation based on the realistic constraints and constructing an energy storage dispatch model includes: constructing a multi-objective function of the realistic constraints and the distribution energy storage equation;
  • the initial energy storage model related to the initial power distribution equation is controlled and model optimized according to the energy storage scheduling thread, and then the energy storage scheduling model is obtained.
  • an energy storage scheduling strategy is obtained, including:
  • the wind power operating parameters of the wind power system are obtained, and the first utilization conditions are constructed, including:
  • the first utilization condition is constructed.
  • Figure 1 is a flow chart of a coordinated optimization method for wind power and photovoltaic energy storage ratio in an embodiment of the present invention
  • Figure 2 is a diagram for determining line segment values in the embodiment of the present invention.
  • Figure 3 is a structural diagram of the expanded sub-curve in the embodiment of the present invention.
  • the present invention provides a coordinated optimization method for wind power photovoltaic energy storage ratio, as shown in Figure 1, including:
  • Step 1 Determine the power distribution and energy storage equation of the wind power photovoltaic system, and at the same time, obtain the realistic constraints of the wind power photovoltaic system;
  • Step 2 Pre-analyze the power distribution and energy storage equation based on the realistic constraints and construct an energy storage dispatch model
  • Step 3 Obtain the wind power operating parameters of the wind power system and construct the first utilization conditions
  • Step 4 Obtain the photovoltaic operating parameters of the photovoltaic system and construct the second utilization conditions
  • Step 5 Based on the energy storage scheduling model and combined with the first utilization condition and the second utilization condition, obtain the energy storage scheduling strategy to achieve coordinated optimization of the wind power and photovoltaic energy storage ratio.
  • the power distribution and energy storage equation is based on the initial power distribution equation (preset) and combined with the operation cooperation of the wind power system and the photovoltaic system itself to adjust the initial power distribution equation to obtain the energy storage and power distribution equation. equation.
  • the realistic constraints refer to the actual parameters encountered by the wind power photovoltaic system during operation.
  • the actual parameters are used to determine the existing constraints, such as constraints caused by the failure of the system itself.
  • wind power operating parameters and photovoltaic operating parameters can be detected in real time, which can include collected wind intensity, light intensity, wind power conversion, photovoltaic conversion and other related parameters, and then corresponding utilization conditions can be obtained respectively.
  • corresponding utilization conditions can be obtained respectively.
  • the energy storage dispatch model is obtained based on a combination of realistic constraints and power distribution and energy storage equations.
  • the first utilization condition is related to the wind power conversion efficiency
  • the second utilization condition is related to the electric energy storage efficiency.
  • the strategy can be obtained from the model according to these two conditions, for example, the wind power system
  • the energy storage of the system has changed from the original 78% to 60%
  • the energy storage of the photovoltaic system has changed from the original 22% to 40%.
  • Y3 represents the distribution energy storage equation
  • y1 represents the energy storage based on the wind power system
  • y2 represents the energy storage based on the photovoltaic system
  • b1 represents the first factor of realizing energy storage related to the wind power system based on realistic constraints
  • b2 represents the energy storage based on the realistic The constraints realize the second factor of energy storage related to the photovoltaic system
  • Y2 represents the energy storage scheduling model.
  • the beneficial effect of the above technical solution is to ensure the stability of power supply resources by coordinating and optimizing the energy storage ratio, and indirectly improve the operating efficiency of the wind power system and photovoltaic system.
  • the invention provides a coordinated optimization method for wind power and photovoltaic energy storage ratios to determine the power distribution and energy storage equation of the wind power and photovoltaic system, including:
  • the power distribution energy storage equation is constructed.
  • the historical operation coordination situation refers to the energy storage distribution situation of the wind power system and the photovoltaic system at different times.
  • the operation observation model is preset, mainly to analyze the operation coordination situation and obtain the operation coordination situation. Equations, and the operation coordination equation is related to the energy storage corresponding to different systems. It can reflect the operation coordination at different times, mainly through different coordination systems.
  • the first coordination coefficient and the second coordination coefficient corresponding to the equation at different times are different. Therefore, coefficient arrays at different times are constructed, such as: [b01, b02], [b11, b12] wait.
  • the array classification rules are preset, and the levels are distinguished according to the values in different arrays, and finally the array classification is implemented.
  • each classification result has a clustering center.
  • a classification structure mainly It is constructed based on the distance from point to point.
  • the structure density sequence is the structural density corresponding to each array determined based on the distance from each point to the point and the position density of the current point's classification result position, and the density of the position of the array is higher. The larger and closer to the cluster center, the greater the corresponding density sequence value.
  • reliable sequences are screened, and sequences located at the density center and at positions close to the cluster center are mainly screened to obtain a reference array.
  • the historical operation coordination feature refers to the historical operation coordination ratio, which is numerically identified with the reference array to ensure the reasonable use of the reference array.
  • the beneficial effect of the above technical solution is: by classifying the historical operation cooperation conditions according to the operation observation model, the operation coordination equation is obtained, and then the coefficient combinations at different times are constructed. Through the array classification rules, the cluster center is easily determined and the classification structure is constructed. , and then by screening the reference array that matches the reliable sequence, the practicality of obtaining the distribution energy storage equation is achieved, which provides a basis for the coordinated optimization of energy storage ratio.
  • the invention provides a coordinated optimization method for wind power photovoltaic energy storage ratio, which obtains the realistic constraints of the wind power photovoltaic system, including: obtaining the operation logs of the wind power photovoltaic system at different historical moments;
  • the running work log is a running log recorded at all times during the operation of the system, so that known information can be obtained. energy storage parameters.
  • parameter 1 and parameter 2 there are parameter 1 and parameter 2.
  • hyperbolas based on parameter 1 and parameter 2 are constructed respectively, and analysis is performed according to the properties of the parameters, such as parameter types, etc., to determine the center of the hyperbola. The existence of individual anomaly points and pairs of anomalies.
  • a single abnormal point means that only one curve in the hyperbola is abnormal at a certain moment, and an abnormal pair refers to that at a certain moment, both curves on the hyperbola are abnormal. At this time, it is regarded as Abnormal pair.
  • the number of first coefficients is smaller than the number of abnormal coefficients, and by analyzing the hyperbola corresponding to the first coefficient, positive and negative deviation parameters are effectively obtained to achieve realistic constraints.
  • the power distribution stability is preset and can be a stability range. As long as the abnormal coefficient is within this range, the power distribution stability is deemed to be satisfied, that is, the impact on the power distribution stability will not be affected. Large, negligible.
  • the present invention provides a coordinated optimization method for wind power photovoltaic energy storage ratio. It analyzes the hyperbola of the same parameter corresponding to the first coefficient, obtains positive deviation parameters and negative deviation parameters, and then obtains realistic constraints, including:
  • the correction combination is obtained to implement the correction, and the corresponding new line segment sequence is re-obtained;
  • the new line segment sequence and the set of setting conditions corresponding to the new line segment sequence are sequentially input into the deviation analysis model to obtain positive deviation parameters and negative deviation parameters;
  • Realistic constraints are constructed based on the positive deviation distance and positive deviation attributes of all positive deviation parameters and the negative deviation distance and negative deviation attributes of all negative deviation parameters.
  • the fitting curve is a straight line, therefore, the intersection point is obtained.
  • intersection point 1 and intersection point 2 are adjacent first fitting intersection points, and the corresponding line segment value is the peak or valley value of the curve segment corresponding to intersection point 1 and intersection point 2 and the line segment value 3 of the fitting line. Then the first line segment sequence can be constructed, and the second line segment sequence is the same.
  • the maximum value on the curve segment when the maximum value on the curve segment is greater than the fitting value corresponding to the time point on the fitting curve, it is a positive value; otherwise, it is a negative value.
  • the historical setting conditions refer to the setting parameters of the system itself, such as time 1-10, the setting conditions are the same, At this point, you can intercept and obtain the second hyperbola.
  • the first sub-curve and the second sub-curve refer to the two curves in the second hyperbola, and by determining the convergence results and characteristics of the sub-regions, it is determined whether the two satisfy convergence consistency, that is, Whether the same parameters develop according to the historical development rules under the same historical setting conditions, if so, that is, it meets the convergence consistency, and is regarded as qualified for the second hyperbola.
  • the correction combination is related to the correction based on the x-axis, the y-axis, and the misjudgment value. It is mainly used to correct the fitting line and obtain a new line segment sequence to ensure the reliability of the line segment sequence.
  • the setting condition set is also the corresponding related historical setting condition.
  • the deviation analysis model is preset and is trained using different line segment sequences, setting conditions, and corresponding positive and negative deviation parameters as samples. Therefore, positive and negative deviation samples can be obtained.
  • the positive deviation distance and the negative deviation distance refer to the size of the corresponding line segment value, and are combined with the deviation attribute (corresponding parameter type) to obtain realistic constraints.
  • the beneficial effect of the above technical solution is: by intercepting the curves corresponding to the same parameters and the same setting conditions, the convergence consistency analysis of the sub-curves can be performed to determine whether it can be used as the basis for realistic constraints. When it needs to be used as a reference basis, different structures need to be constructed.
  • the line segment sequence of the sub-curve is then determined through comparative analysis of the number of positive and negative values, to achieve the correction of the fitting line, ensuring the reliability of the subsequent new line segment sequence, and by combining the sequence with the conditions
  • the combination is input into the model for analysis to ensure the rationality of obtaining the positive and negative deviation parameters, and then construct realistic constraints to provide a basis for subsequent model construction.
  • the present invention provides a coordinated optimization method for wind power photovoltaic energy storage ratio. Before determining the correction factor for the corresponding fitting line, it includes:
  • the preset range is [0.8, 1.2].
  • the beneficial effect of the above technical solution is to determine whether to fit by determining the ratio, which provides a basis for subsequent execution.
  • the present invention provides a coordinated optimization method for wind power photovoltaic energy storage ratio.
  • the correction combination is obtained to implement the correction, including:
  • the ratio of the line segment sequence corresponding to the first fitting line is within the preset range, the corresponding first line segment sequence is retained as a new line segment sequence;
  • n1 represents the fitting misjudgment point
  • ⁇ i1 represents the misjudgment value of the i1th fitting misjudgment point
  • p represents the current actual The probability of misjudgment by actual fitting
  • p0 represents the standard probability of misjudgment
  • X1 represents the misjudgment factor based on the x-axis of the new fitting line, and the value range is [0,0.2]
  • the misjudgment factor of the y-axis, and the value range is [0,0.2]
  • Y1 represents the correction combination; Represents the correction factor for misjudged values; and Represents the correction factor for the x-axis; and Represents the correction factor for the y-axis;
  • the corresponding correction mechanism is matched from the correction database, the first fitting line is corrected, and a new line segment sequence is obtained.
  • historical prediction and future prediction are mainly to expand the curve to achieve refitting.
  • 01 is the original sub-curve
  • 02 is the expanded curve
  • 001 is the historical prediction expansion
  • 002 is a part of the curve that predicts future expansion.
  • the correction database includes different correction combinations and correction mechanisms corresponding to the correction combinations, mainly for the purpose of correcting the new fitting line.
  • the beneficial effect of the above technical solution is: by making historical predictions and future predictions of the fitting line, a new fitting line can be obtained, and then whether to retain it by determining whether the ratio is within the preset range, and subsequently correcting it by constructing Combining and matching the correction mechanism from the database facilitates the correction of the fitting line and ensures the reliability of subsequent acquisition of positive and negative deviation parameters.
  • the present invention provides a coordinated optimization method for wind power and photovoltaic energy storage ratios, pre-analyzes the distribution energy storage equation based on the realistic constraints, and builds an energy storage dispatch model, including:
  • the initial energy storage model related to the initial power distribution equation is controlled and model optimized according to the energy storage scheduling thread, and then the energy storage scheduling model is obtained.
  • the multi-objective function refers to, for example, if the realistic constraints include two sub-constraints, then the two sub-constraints and the power distribution energy storage equation will form a multi-objective function, and by calculating the multi-objective function, The optimal solution result can be obtained as the optimal matching result.
  • the optimal matching result includes results corresponding to multiple variables. Therefore, threads are matched from the energy storage scheduling database to perform model optimization.
  • the accuracy of the model is optimized to obtain an energy storage dispatch model.
  • the beneficial effect of the above technical solution is: by constructing a multi-objective function and obtaining the optimal matching result, it is easy to obtain the energy storage scheduling thread to optimize the model, and obtain the energy storage scheduling model, which provides a basis for subsequent power matching.
  • the present invention provides a coordinated optimization method for wind power and photovoltaic energy storage ratio. Based on the energy storage dispatch model and combined with the first utilization condition and the second utilization condition, an energy storage dispatch strategy is obtained, including:
  • the utilization conditions provide a basis for determining the proportion range.
  • the first energy storage proportion range is [0.2, 0.6]
  • the second energy storage proportion range is [0.3, 0.6].
  • the proportion combination is: 0.2, 0.3, 0.4, 0.5, and 0.6 in the first energy storage proportion range are respectively combined with 0.3, 0.4, 0.5, and 0.6 in the second energy storage proportion range to achieve the optimal solution. That is the optimal ratio result of energy storage ratio.
  • the scheduling strategy is obtained and the working status of different systems is adjusted, such as adding operations such as equipment for collecting wind and light, or wind power conversion channels, etc. .
  • the beneficial effect of the above technical solution is: by determining the corresponding energy storage ratio range according to different utilization conditions, the ratio combination is performed, the optimal solution is performed, and based on the current energy storage ratio and the optimal solution, the energy storage ratio is obtained. Scheduling strategies realize scheduling of different systems and improve the efficiency of coordination and optimization.
  • the invention provides a coordinated optimization method for wind power photovoltaic energy storage ratio, obtains the wind power operating parameters of the wind power system, and constructs the first utilization conditions, including:
  • the first utilization condition is constructed.
  • the maximum energy storage of wind information at the same time is determined (the energy storage of wind information when the wind power system is completely free of any faults), and effective energy storage is obtained based on the wind power operating parameters at that time.

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

一种风电光伏储能配比的协调优化方法，包括：确定风电光伏系统的配电储能方程，同时，获取风电光伏系统的现实约束条件（步骤1）；基于现实约束条件对配电储能方程进行预分析，构建储能调度模型（步骤2）；获取风电系统的风电运行参数，并构建得到第一利用条件（步骤3）；获取光伏系统的光伏运行参数，并构建得到第二利用条件（步骤4）；基于储能调度模型，并结合第一利用条件以及第二利用条件，获取得到储能调度策略，实现对风电光伏储能配比的协调优化（步骤5）。通过对储能配比进行协调优化，来保证供电资源的稳定性，间接提高风电系统与光伏系统的运行高效性。

Description

一种风电光伏储能配比的协调优化方法 技术领域
本发明涉及优化调度技术领域，特别涉及一种风电光伏储能配比的协调优化方法。
背景技术
能源是国民经济发展和人民生活必须的重要物质基础。在过去的200多年里，建立在煤炭、石油、天然气等化石燃料基础上的能源体系极大的推动了人类社会的发展。但是人类在使用化石燃料的同时，也带来了严重的环境污染和生态系统破坏。近年来，世界各国逐渐认识到能源对人类的重要性，更认识到常规能源利用过程中对环境和生态系统的破坏。各国纷纷开始根据国情，治理和缓解已经恶化的环境，并把可再生、无污染的新能源的开发利用作为可持续发展的重要内容。风光互补发电系统是利用风能和太阳能资源的互补性，具有较高性价比的一种新型能源发电系统，具有很好的应用前景。
针对风电与光伏的结合，在进行供电的过程中，当天的供电都与天气情况有关，也就是在供电过程中会存在供电不平衡的情况，因此，会导致供电资源不平衡，所以，需要从不同系统的储能方面去解决资源不平衡的情况。
因此，本发明提出一种风电光伏储能配比的协调优化方法。
发明内容
本发明提供一种风电光伏储能配比的协调优化方法，用以通过对储能配比进行协调优化，来保证供电资源的稳定性，间接提高风电系统与光伏系统的运行高效性。
本发明提供一种风电光伏储能配比的协调优化方法，包括：
步骤1：确定风电光伏系统的配电储能方程，同时，获取所述风电光伏系统的现实约束条件；
步骤2：基于所述现实约束条件对所述配电储能方程进行预分析，构建储能调度模型；
步骤3：获取风电系统的风电运行参数，并构建得到第一利用条件；
步骤4：获取光伏系统的光伏运行参数，并构建得到第二利用条件；
步骤5：基于所述储能调度模型，并结合所述第一利用条件以及第二利用条件，获取得到储能调度策略，实现对风电光伏储能配比的协调优化。
优选的，确定风电光伏系统的配电储能方程，包括：
观测所述风电光伏系统在不同历史时刻点下的历史运行配合情况，并基于运行观测模型，对每个历史运行配合情况进行分析，得到对应的运行配合方程；
提取每个运行配合方程中基于所述风电系统对所述光伏系统的第一配合系数以及基于所述光伏系统对所述风电系统的第二配合系数，并构建得到系数数组；
按照数组分类规则，对所有系数数组进行分类处理，并基于分类处理结果，确定每类数组的聚类中心；
基于所述聚类中心获取对应类数组中每个第一数组与该聚类中心的第一距离，来构建基于该聚类中心的分类结构；
分析所述分类结构的结构密度序列，并筛选可靠序列，得到第一参考数组，并根据对应类数组的历史运行配合特征，向所述第一参考数组设置标识；
基于所有设置标识的第一参考数组，并结合初始配电方程，构建得到配电储能方程。
优选的，获取所述风电光伏系统的现实约束条件，包括：获取所述风电光伏系统在不同历史时刻下的运行工作日志；
基于所述运行工作日志，得到所述风电系统的第一储能配电参数集合以及所述光伏系统的第 二储能配电参数集合；
提取所述第一储能配电参数集合以及第二储能配电参数集合中基于同参数的双曲线；
按照所述同参数的参数属性，对所述双曲线进行对应分析，来确定所述双曲线中存在的单独异常点以及异常对；
基于所述单独异常点以及异常对，来获取所述双曲线的异常系数，并判断所述异常系数是否满足规定的配电平稳性；
从所有异常系数中提取不满足规定的配电平稳性的第一系数，并对所述第一系数对应的同参数的双曲线进行分析，获取正偏差参数以及负偏差参数，进而得到现实约束条件。
优选的，对所述第一系数对应的同参数的双曲线进行分析，获取正偏差参数以及负偏差参数，进而得到现实约束条件，包括：
在同参数对应的第一双曲线上的每个时间点上附加与所述风电系统以及光伏相关的历史设置条件，按照相同设置条件截取所述第一双曲线，得到第二双曲线；
分析所述第二双曲线中的第一子曲线的收敛结果，并获取得到第一特征；
分析所述第二双曲线中的第二子曲线的收敛结果，并获取得到第二特征；
判断所述第一特征与第二特征是否满足收敛一致性，若满足，则判定对应的第二双曲线合格，当对应的同参数的所有第二双曲线都合格时，判定对应的第一双曲线合格，判定不作为现实约束的参考依据；
若不满足，对所述第二双曲线中的第一子曲线以及第二子曲线分别进行拟合处理，获取第一拟合线与第一子曲线的第一交点以及第二拟合线与第二子曲线的第二交点；
确定相邻第一拟合交点对应的曲线段的线段值，并构建得到所述第一子曲线的第一线段序列，同时确定相邻第二拟合交点对应的曲线段的线段值，并构建得到所述第二子曲线的第二线段序列；
对所述第一线段序列以及第二线段序列中的正值个数以及负值个数进行分析；
当根据分析结果判定出需要对对应拟合线进行修正时，获取修正组合实现修正，并重新获取对应的新的线段序列；
将所述新的线段序列以及与新的线段序列对应的设置条件集合依次输入到偏差分析模型中，得到正偏差参数以及负偏差参数；
根据所有正偏差参数的正偏差距离、正偏差属性以及所有负偏差参数的负偏差距离、负偏差属性，构建得到现实约束条件。
优选的，确定对对应拟合线的修正因子之前，包括：
判断同个线段序列中正值个数与负值个数的比值是否在预设范围内；
若在，判定不需要对对应拟合线进行修正；
否则，判定需要对对应拟合线进行修正。
优选的，当根据分析结果判定出确定对对应拟合线进行修正时，获取修正组合实现修正，包括：
对与需要修正的拟合线所匹配的子曲线进行历史预测以及未来预测，来扩增匹配的子曲线的长度，得到新的子曲线，并重新获取所述新的子曲线对应的第一拟合线；
若所述第一拟合线所对应的线段序列的比值在预设范围内，将对应第一线段序列保留，作为新的线段序列；
否则，按照如下公式，获取修正组合；
其中，n1表示拟合误判点；σi1表示第i1个拟合误判点的误判值；p表示当下的实际拟合误判的概率；p0表示标准误判概率；X1表示基于新的拟合线的x轴的误判因子，且取值范围[0,0.2]；X2表示基于新的拟合线的y轴的误判因子，且取值范围[0,0.2]；Y1表示修正组合；表示针对误判值的修正因子；与表示针对x轴的修正因子；与表示针对y轴的修正因子；
根据所述修正组合，从修正数据库中，匹配对应的修正机制，对所述第一拟合线进行修正，获取得到新的线段序列。
优选的，基于所述现实约束条件对所述配电储能方程进行预分析，构建储能调度模型，包括：构建所述现实约束条件与配电储能方程的多目标函数；
基于多目标函数，获取最优匹配结果；
向所述最优匹配结果，从储能调度数据库中，匹配对应的储能调度线程；
控制与初始配电方程相关的初始储能模型按照储能调度线程进行模型优化，进而得到储能调度模型。
优选的，基于所述储能调度模型，并结合所述第一利用条件以及第二利用条件，获取得到储能调度策略，包括：
根据所述第一利用条件，确定所述风电系统的第一储能配比范围，同时，根据所述第二利用条件，确定所述光伏系统的第二储能配比范围；
将所述第一储能配比范围与第二储能配比范围进行配比组合，并对所述配比组合进行配比最优求解；
获取当下时刻所述风电系统与光伏系统的储能配比；
基于所述储能调度模型，获取与当下储能配比以及最优求解结果匹配的储能调度策略，进行储能调度，来对所述风电系统的工作状态以及光伏系统的工作状态进行调度调整。
优选的，获取风电系统的风电运行参数，并构建得到第一利用条件，包括：
根据所述风电运行参数，确定所述风电系统的有效储能以及最大储能；
根据所述有效储能以及最大储能，构建第一利用条件。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见， 或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例中一种风电光伏储能配比的协调优化方法的流程图；
图2为本发明实施例中线段值的确定图；
图3为本发明实施例中扩充子曲线的结构图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
本发明提供一种风电光伏储能配比的协调优化方法，如图1所示，包括：
步骤1：确定风电光伏系统的配电储能方程，同时，获取所述风电光伏系统的现实约束条件；
步骤2：基于所述现实约束条件对所述配电储能方程进行预分析，构建储能调度模型；
步骤3：获取风电系统的风电运行参数，并构建得到第一利用条件；
步骤4：获取光伏系统的光伏运行参数，并构建得到第二利用条件；
步骤5：基于所述储能调度模型，并结合所述第一利用条件以及第二利用条件，获取得到储能调度策略，实现对风电光伏储能配比的协调优化。
该实施例中，配电储能方程是基于初始配电方程(预先设置好的)再结合风电系统与光伏系统本身的运行配合情况，来对初始配电方程进行调整，得到的储能配电方程。
该实施例中，现实约束条件指的是风电光伏系统在运行过程中遇到的实际参数，通过该实际参数，来确定存在的约束，比如是，系统本身故障等导致的约束。
该实施例中，风电运行参数以及光伏运行参数都可以是实时检测到的，可以是包括采集的风强、光强、风电转换、光电转换等相关参数在内，进而分别得到对应的利用条件，为后续确定储能调度策略提供现实基础。
该实施例中，储能调度模型是基于现实约束条件与配电储能方程两者结合得到的。
该实施例中，第一利用条件与风电转换效率有关，第二利用条件与电能储存效率有关，此时，就可以按照这两种条件，来从模型中，获取得到策略，比如是，风电系统的储能由原先的78％变成60％，光伏系统的储能由原先的22％变成40％。
该实施例中，配电储能方程为：Y3＝y1+y2,Y2＝b1y1+b2y2
其中，Y3表示配电储能方程，y1表示基于风电系统的储能，y2表示基于光伏系统的储能；b1表示基于现实约束条件实现与风电系统相关储能的第一因子，b2表示基于现实约束条件实现与光伏系统相关储能的第二因子，Y2表示储能调度模型。
上述技术方案的有益效果是：用以通过对储能配比进行协调优化，来保证供电资源的稳定性，间接提高风电系统与光伏系统的运行高效性。
本发明提供一种风电光伏储能配比的协调优化方法，确定风电光伏系统的配电储能方程，包括：
观测所述风电光伏系统在不同历史时刻点下的历史运行配合情况，并基于运行观测模型，对每个历史运行配合情况进行分析，得到对应的运行配合方程；
提取每个运行配合方程中基于所述风电系统对所述光伏系统的第一配合系数以及基于所述 光伏系统对所述风电系统的第二配合系数，并构建得到系数数组；
按照数组分类规则，对所有系数数组进行分类处理，并基于分类处理结果，确定每类数组的聚类中心；
基于所述聚类中心获取对应类数组中每个第一数组与该聚类中心的第一距离，来构建基于该聚类中心的分类结构；
分析所述分类结构的结构密度序列，并筛选可靠序列，得到第一参考数组，并根据对应类数组的历史运行配合特征，向所述第一参考数组设置标识；
基于所有设置标识的第一参考数组，并结合初始配电方程，构建得到配电储能方程。
该实施例中，历史运行配合情况指的是风电系统与光伏系统在不同时刻下的储能分配情况，运行观测模型是预先设置好的，主要是为了对运行配合情况进行分析，来得到运行配合方程，且运行配合方程与不同系统对应的储能有关，可以将不同时刻下的运行配合进行体现，主要是以不同的配合系统进行的体现。
该实施例中，该方程在不同时刻下所对应的第一配合系数以及第二配合系数是不一样，因此，构建不同时刻下的系数数组，比如：[b01,b02]、[b11,b12]等。
该实施例中，数组分类规则是预先设置好的，按照不同的数组内的数值来进行等级区分，最后实现数组分类。
该实施例中，比如，会得到2个分类结果，且每个分类结果都存在一个聚类中心，来获取该聚类中心中每个数组与该聚类中心的距离，进而构建分类结构，主要是基于点到点的距离构建得到的。
该实施例中，结构密度序列是按照每个点到点的距离以及当下点所处于分类结果位置的位置密度，两者综合确定的每个数组对应的结构密度，且数组所处位置的密度越大且距离聚类中心越近，对应的密度序列值越大。
该实施例中，筛选可靠序列，主要筛选的是处于密度中心以及距离聚类中心近的位置处的序列，进行筛选得到参考数组。
该实施例中，历史运行配合特征指的是历史运行配合配比，向参考数组数值标识，保证参考数组的合理使用。
该实施例中，通过第一参考数组与方程结合，可以得到合理的配电储能方程，更加实际性。上述技术方案的有益效果是：通过按照运行观测模型对历史运行配合情况进行分类，来得到运行配合方程，进而来构建不同时刻的系数组合，通过数组分类规则，便于确定聚类中心，构建分类结构，进而通过筛选与可靠序列匹配的参考数组，实现配电储能方程获取的实际性，为储能配比的协调优化提供基础。
本发明提供一种风电光伏储能配比的协调优化方法，获取所述风电光伏系统的现实约束条件，包括：获取所述风电光伏系统在不同历史时刻下的运行工作日志；
基于所述运行工作日志，得到所述风电系统的第一储能配电参数集合以及所述光伏系统的第二储能配电参数集合；
提取所述第一储能配电参数集合以及第二储能配电参数集合中基于同参数的双曲线；
按照所述同参数的参数属性，对所述双曲线进行对应分析，来确定所述双曲线中存在的单独异常点以及异常对；
基于所述单独异常点以及异常对，来获取所述双曲线的异常系数，并判断所述异常系数是否满足规定的配电平稳性；
从所有异常系数中提取不满足规定的配电平稳性的第一系数，并对所述第一系数对应的同参数的双曲线进行分析，获取正偏差参数以及负偏差参数，进而得到现实约束条件。
该实施例中，运行工作日志在系统在运行过程中时刻记录的运行日志，进而可以获取到已知 的储能参数。
该实施例中，比如，存在参数1、参数2，此时，分别构建基于参数1与参数2的双曲线，并根据参数的属性，比如，是参数类型等，来进行分析，确定双曲线中存在的单独异常点以及异常对。
该实施例中，单独异常点指的是在某个时刻只有双曲线中的一条曲线存在异常，异常对指的是在某个时刻，双曲线上的两条曲线都存在异常，此时视为异常对。
该实施例中，单独异常点以及异常对的异常个数越多以及异常值越偏离，对应的异常系数越大，最后的结果越不满足配电平稳性，且一个参数对应一个异常系数。
该实施例中，第一系数的数量是小于异常系数的数量的，且通过对第一系数对应的双曲线的分析，来有效获取正与负的偏差参数，来实现现实约束。
该实施例中，配电平稳性是预先设置好的，可以是一个平稳性范围，只要异常系数在该范围内，则视为满足配电平稳性，也就是对配电平稳性的影响结果不大，可忽略不计。
上述技术方案的有益效果是：通过获取日志，来构建同参数的双曲线，进而通过对同个双曲线进行异常点以及异常对的分析，来获取异常系数，通过与配电平稳性的比较，获取偏差参数，得到现实约束条件，便于为后续构建模型提供基础，间接提高协调优化的高效性。
本发明提供一种风电光伏储能配比的协调优化方法，对所述第一系数对应的同参数的双曲线进行分析，获取正偏差参数以及负偏差参数，进而得到现实约束条件，包括：
在同参数对应的第一双曲线上的每个时间点上附加与所述风电系统以及光伏相关的历史设置条件，按照相同设置条件截取所述第一双曲线，得到第二双曲线；
分析所述第二双曲线中的第一子曲线的收敛结果，并获取得到第一特征；
分析所述第二双曲线中的第二子曲线的收敛结果，并获取得到第二特征；
判断所述第一特征与第二特征是否满足收敛一致性，若满足，则判定对应的第二双曲线合格，当对应的同参数的所有第二双曲线都合格时，判定对应的第一双曲线合格，判定不作为现实约束的参考依据；
若不满足，对所述第二双曲线中的第一子曲线以及第二子曲线分别进行拟合处理，获取第一拟合线与第一子曲线的第一交点以及第二拟合线与第二子曲线的第二交点；
确定相邻第一拟合交点对应的曲线段的线段值，并构建得到所述第一子曲线的第一线段序列，同时确定相邻第二拟合交点对应的曲线段的线段值，并构建得到所述第二子曲线的第二线段序列；
对所述第一线段序列以及第二线段序列中的正值个数以及负值个数进行分析；
当根据分析结果判定出需要对对应拟合线进行修正时，获取修正组合实现修正，并重新获取对应的新的线段序列；
将所述新的线段序列以及与新的线段序列对应的设置条件集合依次输入到偏差分析模型中，得到正偏差参数以及负偏差参数；
根据所有正偏差参数的正偏差距离、正偏差属性以及所有负偏差参数的负偏差距离、负偏差属性，构建得到现实约束条件。
该实施例中，拟合曲线是一条直线，因此，来获取交点。
如图2所示，交点1与交点2为相邻第一拟合交点，且对应的线段值为交点1与交点2所对应的曲线段的峰值或者谷值与拟合线的线段值3，进而可以构建得到第一线段序列，且第二线段序列与该同理。
该实施例中，当曲线段上的最大值大于对应所处拟合曲线上的时刻点所对应的拟合值时为正值，否则，为负值。
该实施例中，历史设置条件指的是系统本身的设置参数，比如时刻1-10，设置的条件相同， 此时，就可以进行截取，得到第二双曲线。
该实施例中，第一子曲线以及第二子曲线指的是第二双曲线中的两条曲线，且通过确定子区域的收敛结果以及特征，来确定两者是某满足收敛一致性，就是同参数在同个历史设置条件下是否按照历史发展规律进行发展的，如果是，也就是满足收敛一致性，视为第二双曲线合格。
该实施例中，修正组合与基于x轴的修正、y轴的修正以及误判值有关，主要是为了对拟合线进行修正，得到新的线段序列，保证线段序列的可靠性。
该实施例中，设置条件集合也就是对应的相关的历史设置条件。
该实施例中，偏差分析模型是预先设置好的，以不同的线段序列以及设置条件、对应的正负偏差参数为样本训练的得到的，因此，可以得到正负偏差样本。
该实施例中，正偏差距离以及负偏差距离指的是对应的线段值大小，且与偏差属性(对应参数类型)的结合，得到现实约束条件。
上述技术方案的有益效果是：通过对同参数对应的相同设置条件的曲线进行截取，来进行子曲线的收敛一致性分析，确定是否作为现实约束的依据，当需要作为参考依据时，需要构建不同子曲线的线段序列，进而通过正值与负值的个数的比较分析，来确定修正组合，实现对拟合线的修正，保证后续的新的线段序列的可靠性，且通过将序列与条件组合输入到模型中进行分析，来保证获取正负偏差参数的合理性，进而构建得到现实约束条件，为后续构建模型提供基础。
本发明提供一种风电光伏储能配比的协调优化方法，确定对对应拟合线的修正因子之前，包括：
判断同个线段序列中正值个数与负值个数的比值是否在预设范围内；
若在，判定不需要对对应拟合线进行修正；
否则，判定需要对对应拟合线进行修正。
该实施例中，预设范围为[0.8,1.2]。
上述技术方案的有益效果是：通过进行比值确定，来确定是否拟合，为后续执行提供基础。
本发明提供一种风电光伏储能配比的协调优化方法，当根据分析结果判定出确定对对应拟合线进行修正时，获取修正组合实现修正，包括：
对与需要修正的拟合线所匹配的子曲线进行历史预测以及未来预测，来扩增匹配的子曲线的长度，得到新的子曲线，并重新获取所述新的子曲线对应的第一拟合线；
若所述第一拟合线所对应的线段序列的比值在预设范围内，将对应第一线段序列保留，作为新的线段序列；
否则，按照如下公式，获取修正组合；
其中，n1表示拟合误判点；σi1表示第i1个拟合误判点的误判值；p表示当下的实 际拟合误判的概率；p0表示标准误判概率；X1表示基于新的拟合线的x轴的误判因子，且取值范围[0,0.2]；X2表示基于新的拟合线的y轴的误判因子，且取值范围[0,0.2]；Y1表示修正组合；表示针对误判值的修正因子；与表示针对x轴的修正因子；与表示针对y轴的修正因子；
根据所述修正组合，从修正数据库中，匹配对应的修正机制，对所述第一拟合线进行修正，获取得到新的线段序列。
该实施例中，历史预测以及未来预测，主要是为了对曲线进行扩充，来实现重新拟合，如图3所示，01为原先的子曲线，02为扩充后的曲线，001为历史预测扩增的一部分曲线，002为未来预测扩增的一部分曲线。
该实施例中，修正数据库包括不同的修正组合以及与修正组合对应的修正机制在内的，主要是为了实现对新的拟合线的修正。
上述技术方案的有益效果是：通过对拟合线进行历史预测以及未来预测，可以得到新的拟合线，进而通过比值的确定是否在预设范围内，来确定是否保留，且后续通过构建修正组合，从数据库中匹配修正机制，便于对拟合线进行修正，保证后续的正负偏差参数获取的可靠性。
本发明提供一种风电光伏储能配比的协调优化方法，基于所述现实约束条件对所述配电储能方程进行预分析，构建储能调度模型，包括：
构建所述现实约束条件与配电储能方程的多目标函数；
基于多目标函数，获取最优匹配结果；
向所述最优匹配结果，从储能调度数据库中，匹配对应的储能调度线程；
控制与初始配电方程相关的初始储能模型按照储能调度线程进行模型优化，进而得到储能调度模型。
该实施例中，多目标函数指的是，比如，现实约束条件包括2个子约束，那么，2个子约束与该配电储能方程就会构成多目标函数，并且通过对多目标函数进行计算，可以得到最优的求解结果，来作为最优匹配结果。
该实施例中，最优匹配结果是包含多个变量对应的结果在内的，因此，从储能调度数据库中，来匹配线程来进行模型优化。
该实施例中，按照模型进行优化的过程中，会对模型精度进行优化，进而得到储能调度模型。上述技术方案的有益效果是：通过构建多目标函数，并求取得到最优匹配结果，便于获取储能调度线程对模型进行优化，得到储能调度模型，为后续进行功率配比提供基础。
本发明提供一种风电光伏储能配比的协调优化方法，基于所述储能调度模型，并结合所述第一利用条件以及第二利用条件，获取得到储能调度策略，包括：
根据所述第一利用条件，确定所述风电系统的第一储能配比范围，同时，根据所述第二利用条件，确定所述光伏系统的第二储能配比范围；
将所述第一储能配比范围与第二储能配比范围进行配比组合，并对所述配比组合进行配比最优求解；
获取当下时刻所述风电系统与光伏系统的储能配比；
基于所述储能调度模型，获取与当下储能配比以及最优求解结果匹配的储能调度策略，进行储能调度，来对所述风电系统的工作状态以及光伏系统的工作状态进行调度调整。
该实施例中，利用条件就是为确定配比范围提供一个基础，比如，第一储能配比范围为[0.2，0.6]，第二储能配比范围为[0.3，0.6]，此时，配比组合为：第一储能配比范围内0.2、0.3、0.4、0.5、0.6分别与第二储能配比范围内的0.3、0.4、0.5、0.6分别进行组合，来进行最优求解，也就是储能配比的最佳配比结果。
该实施例中，通过获取当下的储能配比以及与最优求解结果的结合，获取调度策略，对不同系统的工作状态进行调整，比如，增加采集风光的设备等操作，或者风电转换通道等。
上述技术方案的有益效果是：通过根据不同的利用条件，确定对应的储能配比范围，来进行配比组合，进行最优求解，并基于当下时刻的储能配比以及最优求解，获取调度策略，实现对不同系统的调度，提高协调优化的高效性。
本发明提供一种风电光伏储能配比的协调优化方法，获取风电系统的风电运行参数，并构建得到第一利用条件，包括：
根据所述风电运行参数，确定所述风电系统的有效储能以及最大储能；
根据所述有效储能以及最大储能，构建第一利用条件。
该实施例中，确定同时刻下的风信息的最大储能(风电系统处于完全无任何故障情况下对风信息的储能情况)，以及根据该时刻下的风电运行参数，来得到有效储能。
上述技术方案的有益效果是：通过最大储能以及有效储能，便于构建第一利用条件，为后续获取策略提供基础。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (7)

  1. 一种风电光伏储能配比的协调优化方法，其特征在于，包括：
    步骤1：确定风电光伏系统的配电储能方程，同时，获取所述风电光伏系统的现实约束条件；
    步骤2：基于所述现实约束条件对所述配电储能方程进行预分析，构建储能调度模型；
    步骤3：获取风电系统的风电运行参数，并构建得到第一利用条件；
    步骤4：获取光伏系统的光伏运行参数，并构建得到第二利用条件；
    步骤5：基于所述储能调度模型，并结合所述第一利用条件以及第二利用条件，获取得到储能调度策略，实现对风电光伏储能配比的协调优化；
    其中，获取所述风电光伏系统的现实约束条件，包括：获取所述风电光伏系统在不同历史时刻下的运行工作日志；
    基于所述运行工作日志，得到所述风电系统的第一储能配电参数集合以及所述光伏系统的第二储能配电参数集合；
    提取所述第一储能配电参数集合以及第二储能配电参数集合中基于同参数的双曲线；
    按照所述同参数的参数属性，对所述双曲线进行对应分析，来确定所述双曲线中存在的单独异常点以及异常对；
    基于所述单独异常点以及异常对，来获取所述双曲线的异常系数，并判断所述异常系数是否满足规定的配电平稳性；
    从所有异常系数中提取不满足规定的配电平稳性的第一系数，并对所 述第一系数对应的同参数的双曲线进行分析，获取正偏差参数以及负偏差参数，进而得到现实约束条件；
    其中，对所述第一系数对应的同参数的双曲线进行分析，获取正偏差参数以及负偏差参数，进而得到现实约束条件，包括：
    在同参数对应的第一双曲线上的每个时间点上附加与所述风电系统以及光伏相关的历史设置条件，按照相同设置条件截取所述第一双曲线，得到第二双曲线；
    分析所述第二双曲线中的第一子曲线的收敛结果，并获取得到第一特征；
    分析所述第二双曲线中的第二子曲线的收敛结果，并获取得到第二特征；
    判断所述第一特征与第二特征是否满足收敛一致性，若满足，则判定对应的第二双曲线合格，当对应的同参数的所有第二双曲线都合格时，判定对应的第一双曲线合格，判定不作为现实约束的参考依据；
    若不满足，对所述第二双曲线中的第一子曲线以及第二子曲线分别进行拟合处理，获取第一拟合线与第一子曲线的第一交点以及第二拟合线与第二子曲线的第二交点；
    确定相邻第一拟合交点对应的曲线段的线段值，并构建得到所述第一子曲线的第一线段序列，同时确定相邻第二拟合交点对应的曲线段的线段值，并构建得到所述第二子曲线的第二线段序列；
    对所述第一线段序列以及第二线段序列中的正值个数以及负值个数进行分析；
    当根据分析结果判定出需要对对应拟合线进行修正时，获取修正组合实现修正，并重新获取对应的新的线段序列；
    将所述新的线段序列以及与新的线段序列对应的设置条件集合依次输入到偏差分析模型中，得到正偏差参数以及负偏差参数；
    根据所有正偏差参数的正偏差距离、正偏差属性以及所有负偏差参数的负偏差距离、负偏差属性，构建得到现实约束条件。
  2. 如权利要求1所述的风电光伏储能配比的协调优化方法，其特征在于，确定风电光伏系统的配电储能方程，包括：
    观测所述风电光伏系统在不同历史时刻点下的历史运行配合情况，并基于运行观测模型，对每个历史运行配合情况进行分析，得到对应的运行配合方程；
    提取每个运行配合方程中基于所述风电系统对所述光伏系统的第一配合系数以及基于所述光伏系统对所述风电系统的第二配合系数，并构建得到系数数组；
    按照数组分类规则，对所有系数数组进行分类处理，并基于分类处理结果，确定每类数组的聚类中心；
    基于所述聚类中心获取对应类数组中每个第一数组与该聚类中心的第一距离，来构建基于该聚类中心的分类结构；
    分析所述分类结构的结构密度序列，并筛选可靠序列，得到第一参考数组，并根据对应类数组的历史运行配合特征，向所述第一参考数组设置标识；
    基于所有设置标识的第一参考数组，并结合初始配电方程，构建得到 配电储能方程。
  3. 如权利要求1所述的风电光伏储能配比的协调优化方法，其特征在于，确定对对应拟合线的修正因子之前，包括：
    判断同个线段序列中正值个数与负值个数的比值是否在预设范围内；
    若在，判定不需要对对应拟合线进行修正；
    否则，判定需要对对应拟合线进行修正。
  4. 如权利要求1所述的风电光伏储能配比的协调优化方法，其特征在于，当根据分析结果判定出确定对对应拟合线进行修正时，获取修正组合实现修正，包括：
    对与需要修正的拟合线所匹配的子曲线进行历史预测以及未来预测，来扩增匹配的子曲线的长度，得到新的子曲线，并重新获取所述新的子曲线对应的第一拟合线；
    若所述第一拟合线所对应的线段序列的比值在预设范围内，将对应第一线段序列保留，作为新的线段序列；
    否则，按照如下公式，获取修正组合；
    其中，n1表示拟合误判点；σi1表示第i1个拟合误判点的误判值；p表示当下的实际拟合误判的概率；p0表示标准误判概率；X1 表示基于新的拟合线的x轴的误判因子，且取值范围[0,0.2]；X2表示基于新的拟合线的y轴的误判因子，且取值范围[0,0.2]；Y1表示修正组合；表示针对误判值的修正因子；
    与表示针对x轴的修正因子；与表示针对y轴的修正因子；
    根据所述修正组合，从修正数据库中，匹配对应的修正机制，对所述第一拟合线进行修正，获取得到新的线段序列。
  5. 如权利要求1所述的风电光伏储能配比的协调优化方法，其特征在于，基于所述现实约束条件对所述配电储能方程进行预分析，构建储能调度模型，包括：
    构建所述现实约束条件与配电储能方程的多目标函数；
    基于多目标函数，获取最优匹配结果；
    向所述最优匹配结果，从储能调度数据库中，匹配对应的储能调度线程；
    控制与初始配电方程相关的初始储能模型按照储能调度线程进行模型优化，进而得到储能调度模型。
  6. 如权利要求1所述的风电光伏储能配比的协调优化方法，其特征在于，
    基于所述储能调度模型，并结合所述第一利用条件以及第二利用条件，获取得到储能调度策略，包括：
    根据所述第一利用条件，确定所述风电系统的第一储能配比范围，同 时，根据所述第二利用条件，确定所述光伏系统的第二储能配比范围；将所述第一储能配比范围与第二储能配比范围进行配比组合，并对所述配比组合进行配比最优求解；
    获取当下时刻所述风电系统与光伏系统的储能配比；
    基于所述储能调度模型，获取与当下储能配比以及最优求解结果匹配的储能调度策略，进行储能调度，来对所述风电系统的工作状态以及光伏系统的工作状态进行调度调整。
  7. 如权利要求1所述的风电光伏储能配比的协调优化方法，其特征在于，获取风电系统的风电运行参数，并构建得到第一利用条件，包括：
    根据所述风电运行参数，确定所述风电系统的有效储能以及最大储能；根据所述有效储能以及最大储能，构建第一利用条件。
PCT/CN2023/114580 2022-08-25 2023-08-24 一种风电光伏储能配比的协调优化方法 WO2024041591A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202211022585.8A CN115102170B (zh) 2022-08-25 2022-08-25 一种风电光伏储能配比的协调优化方法
CN202211022585.8 2022-08-25

Publications (1)

Publication Number Publication Date
WO2024041591A1 true WO2024041591A1 (zh) 2024-02-29

Family

ID=83300691

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2023/114580 WO2024041591A1 (zh) 2022-08-25 2023-08-24 一种风电光伏储能配比的协调优化方法

Country Status (2)

Country Link
CN (1) CN115102170B (zh)
WO (1) WO2024041591A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115102170B (zh) * 2022-08-25 2022-11-11 华能山西综合能源有限责任公司 一种风电光伏储能配比的协调优化方法
CN116761306B (zh) * 2023-08-14 2023-11-07 华能山东发电有限公司烟台发电厂 一种两用照明装置的照明优化方法及系统
CN117013624A (zh) * 2023-09-28 2023-11-07 国网江苏省电力有限公司电力科学研究院 风光并网容量配比区间优化方法、装置、存储介质及设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106058855A (zh) * 2016-06-16 2016-10-26 南京工程学院 协调储能与柔性负荷的主动配电网多目标优化调度方法
CN108565902A (zh) * 2018-04-27 2018-09-21 武汉大学 一种基于光储协调优化的户用型能量调度方法
CN108629445A (zh) * 2018-03-30 2018-10-09 东南大学 计及储能动态损耗的交直流混合微网鲁棒调度方法
CN108683179A (zh) * 2018-05-03 2018-10-19 国网山东省电力公司潍坊供电公司 基于混合整数线性规划的主动配电网优化调度方法及系统
CN109634349A (zh) * 2018-12-18 2019-04-16 珠海格力电器股份有限公司 功率优化方法及其装置、光伏设备和光伏系统
WO2022088067A1 (zh) * 2020-10-30 2022-05-05 西门子股份公司 分布式能源系统的优化方法、装置和计算机可读存储介质
CN114676991A (zh) * 2022-03-16 2022-06-28 三峡大学 基于源荷双侧不确定的多能互补系统优化调度方法
CN115102170A (zh) * 2022-08-25 2022-09-23 华能山西综合能源有限责任公司 一种风电光伏储能配比的协调优化方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106058855A (zh) * 2016-06-16 2016-10-26 南京工程学院 协调储能与柔性负荷的主动配电网多目标优化调度方法
CN108629445A (zh) * 2018-03-30 2018-10-09 东南大学 计及储能动态损耗的交直流混合微网鲁棒调度方法
CN108565902A (zh) * 2018-04-27 2018-09-21 武汉大学 一种基于光储协调优化的户用型能量调度方法
CN108683179A (zh) * 2018-05-03 2018-10-19 国网山东省电力公司潍坊供电公司 基于混合整数线性规划的主动配电网优化调度方法及系统
CN109634349A (zh) * 2018-12-18 2019-04-16 珠海格力电器股份有限公司 功率优化方法及其装置、光伏设备和光伏系统
WO2022088067A1 (zh) * 2020-10-30 2022-05-05 西门子股份公司 分布式能源系统的优化方法、装置和计算机可读存储介质
CN114676991A (zh) * 2022-03-16 2022-06-28 三峡大学 基于源荷双侧不确定的多能互补系统优化调度方法
CN115102170A (zh) * 2022-08-25 2022-09-23 华能山西综合能源有限责任公司 一种风电光伏储能配比的协调优化方法

Also Published As

Publication number Publication date
CN115102170B (zh) 2022-11-11
CN115102170A (zh) 2022-09-23

Similar Documents

Publication Publication Date Title
WO2024041591A1 (zh) 一种风电光伏储能配比的协调优化方法
Li et al. Evaluating the impact of clean energy consumption and factor allocation on China’s air pollution: A spatial econometric approach
CN102684223B (zh) 以降低网损为目标的多约束条件下风电送出功率优化评估方法
CN111291963A (zh) 一种协调经济性与可靠性的园区综合能源系统规划方法
CN101893877A (zh) 一种发电厂基于能耗分析的优化运行方法及其系统
CN103742901A (zh) 一种循环流化床机组耗差分析优化目标值体系的确定方法
WO2023201552A1 (en) County-wide photovoltaic prediction method based on cluster division and data enhancement
CN113157732B (zh) 一种基于pso-bp神经网络的地下铲运机故障诊断方法
CN106056168B (zh) 燃气-蒸汽联合循环发电机组运行工况优化值的确定方法
CN115965156A (zh) 能源系统的调度方法以及调度装置
CN117117820A (zh) 一种分布式新能源接入的配电网风险评估与协同平抑方法
Chenyan et al. Research of Carbon Emission Reduction on the Green Building Based on the Internet of Things
CN115965116A (zh) 一种区域多能源系统多目标协调调控方法
CN115021246A (zh) 一种基于盖尔圆定理的双馈风机并网系统稳定性分析方法
Shi et al. Comprehensive Energy Efficiency Evaluation of Distributed Energy System Model Based on Entropy Weight Method
Wang et al. Research on low carbon evaluation method of power grid based on combination of quantitative and qualitative analysis
CN116128093B (zh) 一种融合机器学习和数值模拟的减排效果快速评估方法
CN115102237B (zh) 一种基于风电光伏系统的运行调度方法
CN112101393A (zh) 一种风电场风机聚类方法及装置
Li et al. Application-Driven Data Management Framework for Wind Farms by Cloud-Edge-End Collaboration
CN113822473B (zh) 一种基于多维数据的牵引力能耗合理区间预测方法
CN109871375A (zh) 分布式新能源规模化接入的信息平台及其控制方法
Mengting Multi-objective Optimal Scheduling Analysis of Power System Based on Improved Particle Swarm Algorithm
CN113283702B (zh) 融合电力系统安全稳定特性的潮流状态评价方法及装置
CN117040026B (zh) 一种用于虚拟电厂的功率调节的运行方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 23856679

Country of ref document: EP

Kind code of ref document: A1