CN102510123B - 应对风电大范围切机的自动储能控制方法 - Google Patents

Abstract

本发明公开了一种应对风电大范围切机的自动储能控制方法。该发明包括的步骤如下：首先从地区电网调度中心的SCADA***及预测***获得当前时段各个负荷需求功率值、各个风电场风功率值及各个光伏电站输出功率值的实测值及之前对该时段的超短期预测值等数据，进而求取电网负荷、风电功率及光伏电站输出功率值的实测值与超短期预测时电网负荷、风电功率及光伏电站输出功率值的预测值之间的偏差。该发明在监测到电网或风电场故障而造成风力发电机组大范围异常切机的情况下，能够自动调度储能充换电站的充放电设备，对有功功率缺额进行平衡，加速频率恢复，改善***频率稳定性，为电网故障频率恢复提供支持。发展前景很大。

Description

应对风电大范围切机的自动储能控制方法

技术领域

本发明涉及一种自动储能控制方法，具体的说是一种应对风电大范围切机的自动储能控制方法。

背景技术

风力发电、光伏发电等可再生能源发电方式的技术发展日渐成熟，在发电容量中所占比例逐年升高。但是风能、太阳能等能源具有随机性和间歇性的特点，大规模风电切机故障也时有发生，给电网有功平衡及频率稳定带来挑战。

电动汽车储能充换电站的建设和运营目前正处于试点阶段，在电网层面尚没有成熟的储能调度控制***。现有的技术基于固定的储能充放电运行方案，***结构简单，但是不能根据电网负荷、运行方式、可再生能源功率变化及电网故障等紧急事件做出响应，无法充分发挥储能充放电设备响应速度快的优势，不利于电网频率稳定，削弱了储能***参与电网调度的效益。

发明内容

本发明的目的就是为解决上述问题，提供一种基于电网调度自动化***平台的应对风电大范围切机的自动储能控制方法。该发明中的***在监测到风电机组大范围切机故障时，能够自动调度储能充换电站的充放电设备。由充电方式转化到全功率放电模式，有效弥补电网有功功率缺额，加速频率恢复，改善***频率稳定特性。

本发明是通过以下技术方案实现的：应对风电大范围切机的自动储能控制方法，它包括以下步骤：

(1)、从地区电网调度中心的SCADA***获取所需的数据；

(2)、把地区电网调度中心的SCADA***获取的数据和电网调度中心的预测***的预测值进行比较算出功率偏差；

(3)、根据地区电网调度中心的SCADA***获取的数据及上述功率偏差求取中求得的参数，利用混合整数规划方法求解，可以得出修正的电动汽车换电站充放电功率值；

(4)、根据上述修正的电动汽车换电站充放电功率值，执行充放电计划。

工作原理及过程：数据获取及功率偏差求取：

数据获取

从地区电网调度中心的SCADA***获得当前时段的各个负荷需求功率值、各个风电场风功率值及各个光伏电站输出功率值的实测值。从地区电网调度中心的预测***获得之前对该时段进行超短期预测时得到的各个负荷需求功率值、各个风电场风功率值及各个光伏电站输出功率值的预测值。获得各个电动汽车充电站在该时段的最大允许充电功率值及最大允许放电功率值、电动汽车能量需求、换电站允许的最大、最小库存电量及该时段初始时刻换电站储存电量的实测值等。

功率偏差求取

根据前面步骤获得的数据，可以求取电网负荷、风电功率及光伏电站输出功率值的实测值与超短期预测时电网负荷、风电功率及光伏电站输出功率值的预测值之间的偏差。

$\mathrm{\ΔP}=\left(\right(\underset{d=1}{\overset{D}{\mathrm{\Σ}}}{P}_{\mathrm{lt},d}\left(o\right)-\underset{w=1}{\overset{W}{\mathrm{\Σ}}}{P}_{\mathrm{wt},w}\left(o\right)-\underset{s=1}{\overset{S}{\mathrm{\Σ}}}{P}_{\mathrm{st},s}\left(o\right))-(\underset{d=1}{\overset{D}{\mathrm{\Σ}}}{P}_{\mathrm{lt},d}\left(c\right)-\underset{w=1}{\overset{W}{\mathrm{\Σ}}}{P}_{\mathrm{wt},w}\left(c\right)-\underset{s=1}{\overset{S}{\mathrm{\Σ}}}{P}_{\mathrm{st},s}\left(c\right))---\left(1\right)$

ΔP为超短期预测时电网负荷、风电功率及光伏电站输出功率值的预测值与电网负荷、风电功率及光伏电站输出功率值的实测值之间的偏差；D、W及S分别为地区电网的负荷、风电场、光伏电站数目；超短期预测负荷d在时段t的负荷需求为P_lt，d(o)；超短期预测某风电场w在时段t的预测风电输出功率为P_wt，w(o)；超短期预测某光伏电站s在时段t的预测输出功率为P_st，s(o)；负荷d在时段t的负荷需求实测值为P_lt，d(c)；风电场w在时段t的风电输出功率实测值为P_wt，w(c)；光伏电站s在时段t的输出功率实测值为P_st，s(c)。

自动储能***的调整策略：

1)目标函数

$\min {(\mathrm{\ΔP}+(\underset{e=1}{\overset{E}{\mathrm{\Σ}}}{P}_{\mathrm{ev},t,e}\left(o\right)-\underset{e=1}{\overset{E}{\mathrm{\Σ}}}{P}_{d,t,e}\left(o\right))-(\underset{e=1}{\overset{E}{\mathrm{\Σ}}}{P}_{\mathrm{ev},t,e}\left(c\right)-\underset{e=1}{\overset{E}{\mathrm{\Σ}}}{P}_{d,t,e}\left(c\right)))}^2---\left(2\right)$

通过目标函数，获得的函数的数值越小越好。

E为地区电网的电动汽车换电站数目。之前调度计划中设定的电动汽车换电站e在该时段的计划充电功率和放电功率为P_ev，t，e(o)及P_d，t，e(o)，为已知量；电动汽车换电站e在该时段修正的充电和放电功率值为P_ev，t，e(c)及P_d，t，e(c)。

2)约束条件

$0\≤P_{\mathrm{ev},t,e}\left(c\right)\≤X_{1,e}\·P_{\mathrm{ev},t,e}^{\max }\left(c\right)---\left(3\right)$

$0\≤P_{d,t,e}\left(c\right)\≤X_{2,e}\·P_{d,t,e}^{\max }\left(c\right)---\left(4\right)$

P_ev，t，e(c)·X_3，e＝0  (5)

P_d，t，e(c)·X_3，e＝0   (6)

X_1，e+X_2，e+X_3，e＝1    (7)

$S_{t,\mathrm{ev}}\left(c\right)=S_{t-1,\mathrm{ev}}\left(c\right)+{\mathrm{\η}}_{\mathrm{cha},\mathrm{ev}}\·P_{\mathrm{ev},t,e}\left(c\right)\·\mathrm{\Δt}-\frac{\mathrm{\Δt}}{{\mathrm{\η}}_{\mathrm{dch},\mathrm{ev}}}\·P_{d,t,e}\left(c\right)-P_{\mathrm{ev},t,d}\left(c\right)\·\mathrm{\Δt}---\left(8\right)$

$S_e^{\min }\left(c\right)\≤S_{t,\mathrm{ev}}\left(c\right)\≤S_e^{\max }\left(c\right)---\left(9\right)$

本发明将电动汽车换电站e的运行状态分为电网向电动汽车电池充电、将电动汽车电池中存储电量向电网放电以及空闲三种状态；X_1，e＝1时表示电动汽车换电站e从电网获得电能，X_1，e＝0时表示电动汽车换电站e没有从电网获得电能；X_2，e＝1时表示电动汽车换电站e向电网放电，X_2，e＝0时表示电动汽车换电站e没有向电网放电；X_3，e＝1时表示电动汽车换电站e与电网之间没有能量交换，即空闲状态，X_3，e＝0时表示电动汽车换电站e与电网之间存在能量交换，即处于非空闲状态；

分别为电动汽车换电站e在该时段的最大允许充电功率及放电功率；η_cha，ev、η_dch，ev分别为电动汽车换电站e的电池充电效率及放电效率；S_t-1，ev(c)为该时段初始时刻换电站e储存电量的实测值；S_t，ev(c)为该时段末时刻换电站e的储存电量；

为电动汽车换电站e在该时段允许的最大、最小库存电量；Δt为该时段的持续时间；P_ev，t，d(c)·Δt为电动汽车换电站e在该时段的电动汽车能源供给需求电量。

该***基于电网调度自动化平台，能够实时监测风电机组运行状况，并根据实测风电功率、电网负荷与超短期预测之间的偏差，对储能调度方案进行修正，自动调度储能充换电站的充放电设备进行响应。

本发明的有益效果：该***在监测到电网或风电场故障而造成风力发电机组大范围异常切机的情况下，能够自动调度储能充换电站的充放电设备，根据紧急控制策略实现储能充换电站充/放电方式的快速切换，就地对有功功率缺额进行平衡，加速频率恢复，改善***频率稳定性，为电网故障频率恢复提供支持。

附图说明

图1为应对风电大范围切机的自动储能控制***框图。

具体实施方式

下面结合附图和具体实施例，对本发明应对风电大范围切机的自动储能控制***作进一步说明：

该***包含5个负荷点、3个风电场、2个光伏电站、2个电动汽车换电站，分别为负荷1、负荷2、负荷3、负荷4、负荷5，风电场1、风电场2、风电场3，光伏电站1、光伏电站2，换电站1、换电站2。

根据图1所示，本发明应对风电大范围切机的自动储能控制***包括如下步骤：

数据获取及功率偏差求取：

1)数据获取

从地区电网调度中心的SCADA***获得当前时段的各个负荷需求功率值的实测值P_lt，d(c)、各个风电场风功率值的实测值P_wt，w(c)及各个光伏电站输出功率值的实测值P_st，s(c)，从地区电网调度中心的预测***获得之前对该时段进行超短期预测时得到的各个负荷需求功率值的预测值P_lt，d(o)、各个风电场风功率值的预测值P_wt，w(o)及各个光伏电站输出功率值的预测值P_st，s(o)，详见表1。获得各个电动汽车充电站在该时段的最大充电功率值最大放电功率值

电动汽车能量需求P_ev，t，d(c)Δt、换电站允许的最大库存电量

最小库存电量

及该时段初始时刻换电站储存电量的实测值S_t-1，ev(c)等，详见表2。

表1负荷、风电、光伏发电功率预测及实测值

表2电动汽车换电站的充放电能力、能源需求及计划充放电功率

功率偏差求取：

根据前面步骤获得的数据，可以求取电网负荷、风电功率及光伏电站输出功率值的实测值与超短期预测时电网负荷、风电功率及光伏电站输出功率值的预测值之间的偏差。

$\mathrm{\ΔP}=(\underset{d=1}{\overset{D}{\mathrm{\Σ}}}{P}_{\mathrm{lt},d}\left(o\right)-\underset{w=1}{\overset{W}{\mathrm{\Σ}}}{P}_{\mathrm{wt},w}\left(o\right)-\underset{s=1}{\overset{S}{\mathrm{\Σ}}}{P}_{\mathrm{st},s}\left(o\right))-$ (1)

$(\underset{d=1}{\overset{D}{\mathrm{\Σ}}}{P}_{\mathrm{lt},d}\left(c\right)-\underset{w=1}{\overset{W}{\mathrm{\Σ}}}{P}_{\mathrm{wt},w}\left(c\right)-\underset{s=1}{\overset{S}{\mathrm{\Σ}}}{P}_{\mathrm{st},s}\left(c\right))=126.5\mathrm{MW}$

ΔP为超短期预测时电网负荷、风电功率及光伏电站输出功率值的预测值与电网负荷、风电功率及光伏电站输出功率值的实测值之间的偏差；D、W及S分别为地区电网的负荷、风电场、光伏电站数目；超短期预测负荷d在时段t的负荷需求为P_lt，d(o)；超短期预测某风电场w在时段t的预测风电输出功率为P_wt，w(o)；超短期预测某光伏电站s在时段t的预测输出功率为P_st，s(o)；负荷d在时段t的负荷需求实测值为P_lt，d(c)；风电场w在时段t的风电输出功率实测值为P_wt，w(c)；光伏电站s在时段t的输出功率实测值为P_st，s(c)。

自动储能***的调整策略：

1)目标函数

$\min {(\mathrm{\ΔP}+(\underset{e=1}{\overset{E}{\mathrm{\Σ}}}{P}_{\mathrm{ev},t,e}\left(o\right)-\underset{e=1}{\overset{E}{\mathrm{\Σ}}}{P}_{d,t,e}\left(o\right))-(\underset{e=1}{\overset{E}{\mathrm{\Σ}}}{P}_{\mathrm{ev},t,e}\left(c\right)-\underset{e=1}{\overset{E}{\mathrm{\Σ}}}{P}_{d,t,e}\left(c\right)))}^2---\left(2\right)$

E为地区电网的电动汽车换电站数目。之前调度计划中设定的电动汽车换电站e在该时段的计划充电功率和放电功率为P_ev，t，e(o)及P_d，t，e(o)，为已知量；电动汽车换电站e在该时段修正的充电和放电功率值为P_ev，t，e(c)及P_d，t，e(c)。

2)约束条件

$0\≤P_{\mathrm{ev},t,e}\left(c\right)\≤X_{1,e}\·P_{\mathrm{ev},t,e}^{\max }\left(c\right)---\left(3\right)$

$0\≤P_{d,t,e}\left(c\right)\≤X_{2,e}\·P_{d,t,e}^{\max }\left(c\right)---\left(4\right)$

P_ev，t，e(c)·X_3，e＝0 (5)

P_d，t，e(c)·X_3，e＝0  (6)

X_1，e+X_2，e+X_3，e＝1   (7)

$S_{t,\mathrm{ev}}\left(c\right)=S_{t-1,\mathrm{ev}}\left(c\right)+{\mathrm{\η}}_{\mathrm{cha},\mathrm{ev}}\·P_{\mathrm{ev},t,e}\left(c\right)\·\mathrm{\Δt}-\frac{\mathrm{\Δt}}{{\mathrm{\η}}_{\mathrm{dch},\mathrm{ev}}}\·P_{d,t,e}\left(c\right)-P_{\mathrm{ev},t,d}\left(c\right)\·\mathrm{\Δt}---\left(8\right)$

$S_e^{\min }\left(c\right)\≤S_{t,\mathrm{ev}}\left(c\right)\≤S_e^{\max }\left(c\right)---\left(9\right)$

本发明将电动汽车换电站e的运行状态分为电网向电动汽车电池充电、将电动汽车电池中存储电量向电网放电以及空闲三种状态；X_1，e＝1时表示电动汽车换电站e从电网获得电能，X_1，e＝0时表示电动汽车换电站e没有从电网获得电能；X_2，e＝1时表示电动汽车换电站e向电网放电，X_2，e＝0时表示电动汽车换电站e没有向电网放电；X_3，e＝1时表示电动汽车换电站e与电网之间没有能量交换，即空闲状态，X_3，e＝0时表示电动汽车换电站e与电网之间存在能量交换，即处于非空闲状态；

分别为电动汽车换电站e在该时段的最大允许充电功率及放电功率；η_cha，ev、η_dch，ev分别为电动汽车换电站e的电池充电效率及放电效率；S_t-1，ev(c)为该时段初始时刻换电站e储存电量的实测值；S_t，ev(c)为该时段末时刻换电站e的储存电量；

为电动汽车换电站e在该时段允许的最大、最小库存电量；Δt为该时段的持续时间；P_ev，t，d(c)·Δt为电动汽车换电站e在该时段的电动汽车能源供给需求电量。

根据数据获取及功率偏差求取中求得的参数，利用混合整数规划方法求解由式(2)至式(9)组成的数学模型，可以得出修正的电动汽车换电站充放电功率值，详见表3。

表3修正的电动汽车换电站充放电功率

电动汽车换电站1及2原计划在该时段给电动汽车电池充电，充电功率分别为15.4MW及21.6MW，但是由于超短期预测存在的误差，使得实测值与预测值之间存在126.5MW的功率偏差，通过上述自动储能***的调整策略实现储能充换电站充/放电方式的快速切换，变为电动汽车换电站1及2在该时段分别放电30.8MW及42.6MW，使得功率偏差缩小为：

126.5MW-((30.8MW+42.6MW)+(15.4MW+21.6MW))＝16.1MW，从而能够明显减弱常规机组追踪***功率平衡的压力，改善***的频率。

本发明提出的应对风电大范围切机的自动储能控制***的优点体现在：该***基于电网调度自动化平台，能够实时监测风电机组运行状况，并根据实测风电功率、电网负荷与超短期预测之间的偏差，对储能调度方案进行修正，自动调度储能充换电站的充放电设备进行响应。该***在监测到电网或风电场故障而造成风力发电机组大范围异常切机的情况下，能够自动调度储能充换电站的充放电设备，根据紧急控制策略实现储能充换电站充/放电方式的快速切换，就地对有功功率缺额进行平衡，加速频率恢复，改善***频率稳定性，为电网故障频率恢复提供支持。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (2)

1.一种应对风电大范围切机的自动储能控制方法，包括以下步骤：

（1）、从地区电网调度中心的SCADA***获取所需的数据；

（2）、把地区电网调度中心的SCADA***获取的数据和电网调度中心的预测***的预测值进行比较算出功率偏差；

（3）、根据地区电网调度中心的SCADA***获取的数据及上述功率偏差求取中求得的参数，利用混合整数规划方法求解，得出修正的电动汽车换电站充放电功率值；

（4）、根据上述修正的电动汽车换电站充放电功率值，下发到电动汽车换电站执行充放电计划；

所述步骤(1)的从地区电网调度中心的SCADA***获取所需的数据是指从地区电网调度中心的SCADA***获得当前时段的各个负荷需求功率值、各个风电场风功率值及各个光伏电站输出功率值的实测值；从地区电网调度中心的预测***获得之前对该时段进行超短期预测时得到的各个负荷需求功率值、各个风电场风功率值及各个光伏电站输出功率值的预测值；获得各个电动汽车充电站在该时段的最大允许充电功率值及最大允许放电功率值、电动汽车能量需求、换电站允许的最大、最小库存电量及该时段初始时刻换电站储存电量的实测值；

所述步骤（3）的求解是指：

目标函数

$\min {(\mathrm{\ΔP}+(\underset{e=1}{\overset{E}{\mathrm{\Σ}}}{P}_{\mathrm{ev},t,e}\left(o\right)-\underset{e=1}{\overset{E}{\mathrm{\Σ}}}{P}_{d,t,e}\left(o\right))-(\underset{e=1}{\overset{E}{\mathrm{\Σ}}}{P}_{d,t,e}\left(c\right)-\underset{e=1}{\overset{E}{\mathrm{\Σ}}}{P}_{d,t,e}\left(c\right)))}^2---\left(2\right)$

ΔP为超短期预测时电网负荷、风电功率及光伏电站输出功率值的预测值与电网负荷、风电功率及光伏电站输出功率值的实测值之间的偏差；E为地区电网的电动汽车换电站数目；之前调度计划中设定的电动汽车换电站e在该时段的计划充电功率和放电功率为P_ev,t,e(o)及P_d,t,e(o)，为已知量；电动汽车换电站e在该时段修正的充电和放电功率值为P_ev,t,e(c)及P_d,t,e(c)；

约束条件

$0\≤P_{\mathrm{ev},t,e}\left(c\right)\≤X_{1,e}\·P_{\mathrm{ev},t,e}^{\max }\left(c\right)---\left(3\right)$

$0\≤P_{d,t,e}\left(c\right)\≤X_{2,e}\·P_{d,t,e}^{\max }\left(c\right)---\left(4\right)$

P_ev,t,e(c)·X_3,e＝0  （5）

^P _d,t,e(c)·X_3,e＝0  （6）

X_1,e+X_2,e+X_3,e＝1  （7）

$S_{t,\mathrm{ev}}\left(c\right)=S_{t-1,\mathrm{ev}}\left(c\right)+{\mathrm{\η}}_{\mathrm{cha},\mathrm{ev}}\·P_{\mathrm{ev},t,e}\left(c\right)\·\mathrm{\Δt}-\frac{\mathrm{\Δt}}{{\mathrm{\η}}_{\mathrm{dch},\mathrm{ev}}}\·P_{d,t,e}\left(c\right)-P_{\mathrm{ev},t,d}\left(c\right)\·\mathrm{\Δt}---\left(8\right)$

$S_e^{\min }\left(c\right)\≤S_{t,\mathrm{ev}}\left(c\right)\≤S_e^{\max }\left(c\right)---\left(9\right)$

将电动汽车换电站e的运行状态分为电网向电动汽车电池充电、将电动汽车电池中存储电量向电网放电以及空闲三种状态；X_1,e＝1时表示电动汽车换电站e从电网获得电能，X_1,e＝0时表示电动汽车换电站e没有从电网获得电能；X_2,e＝1时表示电动汽车换电站e向电网放电，X_2,e＝0时表示电动汽车换电站e没有向电网放电；X_3,e＝1时表示电动汽车换电站e与电网之间没有能量交换，即空闲状态，X_3,e＝0时表示电动汽车换电站e与电网之间存在能量交换，即处于非空闲状态；

分别为电动汽车换电站e在该时段的最大允许充电功率及放电功率；η_cha,ev、η_dch,ev分别为电动汽车换电站e的电池充电效率及放电效率；S_t-1,ev(c)为该时段初始时刻换电站e储存电量的实测值；S_t,ev(c)为该时段末时刻换电站e的储存电量；

为电动汽车换电站e在该时段允许的最大、最小库存电量；Δt为该时段的持续时间；P_ev,t,d(c)·Δt为电动汽车换电站e在该时段的电动汽车能源供给需求电量。

2.如权利要求1所述的应对风电大范围切机的自动储能控制方法，其特征是:所述步骤（2）把地区电网调度中心的SCADA***获取的数据和电网调度中心的预测***的预测值进行比较算出偏差是指，根据步骤（1）获得的数据，求取电网负荷、风电功率及光伏电站输出功率值的实测值与超短期预测时电网负荷、风电功率及光伏电站输出功率值的预测值之间的偏差；

$\mathrm{\ΔP}=((\underset{d=1}{\overset{D}{\mathrm{\Σ}}}{P}_{\mathrm{lt},d}\left(o\right)-\underset{w=1}{\overset{W}{\mathrm{\Σ}}}{P}_{\mathrm{wt},w}\left(o\right)-\underset{s=1}{\overset{S}{\mathrm{\Σ}}}{P}_{\mathrm{st},s}\left(o\right))-(\underset{d=1}{\overset{D}{\mathrm{\Σ}}}{P}_{\mathrm{lt},d}\left(c\right)-\underset{w=1}{\overset{W}{\mathrm{\Σ}}}{P}_{\mathrm{wt},w}\left(c\right)-\underset{s=1}{\overset{S}{\mathrm{\Σ}}}{P}_{\mathrm{st},s}\left(c\right))$

（1）

ΔP为超短期预测时电网负荷、风电功率及光伏电站输出功率值的预测值与电网负荷、风电功率及光伏电站输出功率值的实测值之间的偏差；D、W及S分别为地区电网的负荷、风电场、光伏电站数目；超短期预测负荷d在时段t的负荷需求为P_lt,d(o)；超短期预测某风电场w在时段t的预测风电输出功率为P_wt,w(o)；超短期预测某光伏电站s在时段t的预测输出功率为P_st,s(o)；负荷d在时段t的负荷需求实测值为P_lt,d(c)；风电场w在时段t的风电输出功率实测值为P_wt,w(c)；光伏电站s在时段t的输出功率实测值为P_st,s(c)。

Images