一种平抑风电功率波动的混合储能***容量配置方法
技术领域
本发明涉及一种混合储能***的容量配置方法,具体涉及一种平抑间歇式电源功率波动的混合储能容量配置方法。
背景技术
风力发电由于高效、清洁的优点得到了广泛的应用,然而风力风速较大的随机性和波动性影响风力发电的并网运行的安全稳定,造成风力发电站电能严重浪费。根据现行风电并网标准GB/T19963-2011《风电场接入电力***技术规定》,风力发电有功功率变化限值ΔPlimit参考表1:
表1有功功率变化限值推荐表
储能***由于能够实现电能的时空转移,从而被认为是平抑风电功率波动、提高电网接纳风电能力的有效手段,储能***包括能量型储能***和功率型储能***。能量型储能***(如电池)响应速度慢、循环寿命低,难以调控风力发电功率高频波动分量;功率型储能***(如超级电容器)能量密度低,难以调控长时间尺度风力发电功率波动。混合储能***(功率型-能量型储能介质构成的储能***,Hybrid Energy Storage System,HESS),集成了循环次数高、功率密度高和容量大等优点,在一定程度上解决了单独使用功率型或能量型储能***受能量密度和运行寿命等因素制约的问题。然而,对于功率型和能量型构成的混合储能***的能量分配原则成为了使用混合储能***平抑风电波动的限制因素。
文献《风电功率波动特性的概率分布研究》公开了风电有功功率信号得到持续分量和波动分量的方法,但并没有公开窗口长度的选取原则及窗口长度对分解效果的影响,无法判断持续分量能否满足风电并网要求;文献《基于小波变换的水文时间序列分解》公开了小波变换用于时间序列分解的方法,文献《风电功率预测方法综述及发展研究》公开了小波分析可以用于风电功率预测中,但并未公开具体的小波分析方法;文献《风电场中储能***的功率和容量优化配置》公开了改进的粒子群算法优化容量配置,但是仅从工程指标的角度,满足约束条件后优化工程目标函数,并没有从经济上分析,在满足确定工程指标和约束条件下,配置经济最适用的混合储能***配置方法;文献《基于改进粒子群算法的独立光伏发电***储能容量优化配置研究》针对光伏发电混合储能***的容量优化提出了以经济型为目标的改进粒子群算法,但该算法仅是线性改变学***抑间歇式电源功率波动的混合储能容量配置方法显得尤为重要。
发明内容
为了满足现有技术的需要,本发明提供了一种平抑风电功率波动的混合储能***容量配置方法,所述混合储能***包括功率型储能***和能量型储能***,所述方法包括下述步骤:
步骤1:获取风电功率的并网有功功率和混合储能***有功功率P(t),并通过小波包分解法分别获取功率型储能功率和能量型储能功率;
步骤2:配置不同额定功率P和不同容量下的所述混合储能***,并分析其平抑效果;以及
步骤3:通过分析所述平抑效果和改进的粒子群算法配置混合储能***容量。
所述步骤1中对所述风电功率依次进行滑动平均和并网功率指标校验从而获取所述并网有功功率和所述混合储能***有功功率P(t);通过对所述混合储能***有功功率P(t)进行频谱分析确定分界频率,获取所述功率型储能功率和所述能量型储能功率;
所述步骤2中所述额定功率P的获取方法为:
对所述功率型储能功率和所述能量型储能功率的直方图进行曲线拟合,得到功率型储能概率分布曲线和能量型储能概率分布曲线;计算不同置信水平下的功率型储能***置信区间和能量型储能***置信区间;所述功率型储能***的额定功率PP为所述功率型储能***置信区间的端点的绝对值最大值;所述能量型储能***的额定功率PE为所述能量型储能***置信区间的端点的绝对值最大值;
所述容量包括低能量状态Q(t)=[Q1,Q1+P×T],中能量状态Q(t)=[Q1+P×T,Q2-P×T]和高能量状态Q(t)=[Q2-P×T,Q2],其中,所述T为采样时间,Q1为混合储能***充电上限,Q2为混合储能***放电下限;所述步骤2中配置不同额定功率P和不同容量下的混合储能***控制策略为:
步骤2-1:获取混合储能***有功功率实际输出值Pr(t);
当所述Q(t)=[Q1,Q1+P×T]时,若所述混合储能***有功功率P(t)≥P,所述混合储能***充电,则混合储能***有功功率实际输出值Pr(t)=P;若0≤P(t)<P,所述混合储能***充电,则混合储能***有功功率实际输出值Pr(t)=P(t);若P(t)<0且|P(t)|≤(Q(t)-Q1)/T,所述混合储能***放电,则混合储能***有功功率实际输出值Pr(t)=P(t);若P(t)<0且|P(t)|>(Q(t)-Q1)/T,所述混合储能***放电,则混合储能***有功功率实际输出值Pr(t)=-(Q(t)-Q1)/T;
当所述Q(t)=[Q1+P×T,Q2-P×T]时,若所述混合储能***有功功率|P(t)|≥P,则混合储能***有功功率实际输出值Pr(t)=P×sgn(P(t));若所述混合储能***有功功率|P(t)|<P,则混合储能***有功功率实际输出值Pr(t)=P(t);
当所述Q(t)=[Q2-P×T,Q2]时,若P(t)<0且|P(t)|≥P,所述混合储能***放电,则混合储能***有功功率实际输出值Pr(t)=-P;若P(t)<0且|P(t)|<P,所述混合储能***放电,则混合储能***有功功率实际输出值Pr(t)=P(t);若0≤P(t)≤(Q2-Q(t))/T,所述混合储能***充电,则混合储能***有功功率实际输出值Pr(t)=P(t);若P(t)>(Q2-Q(t))/T,所述混合储能***充电,则混合储能***有功功率实际输出值Pr(t)=(Q2-Q(t))/T;
步骤2-2:对所述混合储能***有功功率实际输出值Pr(t)积分得到所述容量的变化量ΔQ(t),t+1时刻的容量Q(t+1)=Q(t)+ΔQ(t);依据所述容量Q(t+1)返回步骤2-1重新获取的所述混合储能***有功功率实际输出值Pr(t);
所述步骤2中获取不同额定功率P和不同容量下所述混合储能***的功率型储能***实际出力曲线和能量型储能***实际出力曲线;并依据所述功率型储能***实际出力曲线和所述能量型储能***实际出力曲线进行平抑效果分析;所述平抑效果分析的平抑指标包括:
平均百分比误差表征了风电功率波动的整体平抑效果;其中,所述N为采样点数,所述Pir为所述混合储能***第i个采样点的实际输出功率,所述pig为所述混合储能***第i个采样点的目标输出功率;
均方根误差表征了平抑效果距目标输出功率的偏离程度;
风电功率波动范围Δ=max(|gt(Pi)|),i=1,2,...,N,表征了平抑后波动的程度;其中,所述gt(Pi)为t时间内功率波动值;
不满足风电并网要求的波动点数百分比表征了平抑后不满足风电并网要求的程度;其中所述f(Pi)用于判断第i个采样点的所述实际输出功率是否满足并网要求,若满足则f(Pi)=0,若不满足则f(Pi)=1;
所述步骤3中所述改进的粒子群算法包括:
步骤3-1:获取目标函数其中,所述Prp、Pre分别为功率型储能***和能量型储能***的实际输出功率,所述QrP、Qre分别为功率型储能***和能量型储能***的容量,所述A1、B1、A2和B2分别为与所述Prp、QrP、Pre和Qre对应的单价;所述为四维变量解集;
步骤3-2:获取所述Prp、QrP、Pre、Qre和平抑指标的约束范围,所述功率型储能***的初始荷电状态SOCp0、充电上限QPu和充电下限QPl,所述能量型储能***的初始荷电状态SOCe0、充电上限Qeu和充电下限Qel;
步骤3-3:对所述混合储能***进行优化配置:通过所述基本粒子群算法获取满足所述目标函数的混合储能***粒子xi 4=(Prpi、QrPi、Prei、Qrei),对所述混合储能***粒子xi 4进行基本粒子群迭代并施加扰动,以适应度值最优为目标更新所述混合储能***粒子xi 4的位置,从而获取所述混合储能***粒子xi 4的全局最优解配置所述混合储能***。
与最接近的现有技术相比,本发明的优异效果是:
1、本发明技术方案中,采用滑动平均和并网功率指标校验结合的方法将风电有功功率分为并网有功功率和需要混合储能***发电出力的有功功率,只针对不符合并网国标的风电有功功率波动部分进行平抑,在保证并网安全的前提下,降低了储能***所需配置的储能容量,提高经济性;
2、本发明技术方案中,采用小波包分解法分别获取功率型储能功率和能量型储能功率,得到各出力曲线;在满足平抑波动功率分量的前提下,进行了功率型储能***和能量型储能***功率解耦,大大减少了能量型储能***的动作次数,延长了其使用寿命;
3、本发明技术方案中,依据功率型储能***和能量型储能***的功率曲线,通过概率统计方法获得功率型储能概率分布曲线和能量型储能概率分布曲线;更贴近于带伸缩和平移因子的t分布,并计算不同置信水平下的置信区间,确定功率型储能***和能量型储能***分量的额定功率,可以减少选择数据的特殊性,得到变量的普遍性变化方式,提高储能功率和容量的计算及平抑效果分析的准确性;
4、本发明技术方案中,通过比较功率型储能***和能量型储能***在不同功率和容量配置情况下平抑指标的变化趋势,分析各个平抑指标受功率型及能量型的功率和容量的影响大小,对置信区间、功率和容量范围的选取提供了基础;
5、本发明技术方案中,采用平均百分比误差、均方根误差、风电功率波动范围和不满足风电并网要求的波动点数百分比4个平抑指标,平均百分比误差和均方根误差反映了平抑的整体情况;风电功率波动范围直接与风电并网标准比较,分析平抑效果优劣;不满足风电并网要求的波动点数百分比直观、整体地说明混合储能***平抑的有效性和是否有效的量化特性;
6、本发明技术方案中,根据功率型储能***和能量型储能***当前电量情况、需要出力的功率值、额定功率建立了控制策略,实现了平抑风电功率波动的有效控制;
7、本发明技术方案中,采用改进的粒子群算法以功率型及能量型储能***的成本为目标,以储能***的功率和容量为自变量,以成本为因变量,功率范围、容量范围、平抑指标范围、荷电状态起始状态、充放电次数、充放电上下限为约束条件进行优化,能够有效调出局部最优点,寻求最经济的混合储能容量配置;
8、本发明提供的一种平抑风电功率波动的混合储能***容量配置方法,确定了分离并网分量的确定方法,并确保分理处的并网分量满足风电并网要求;根据不同类型储能特点,确定有效方法判断功率型和能量型储能***动作指令的分解频率,到达混合储能***动作解耦效果;根据统计规律,回避数据选取的特殊性对配置方案即平抑效果的影响,提高配置方案的适用性,统计功率型和能量型储能的动作情况;根据得到的额定功率及不同的容量设计控制方式,通过制定储能容量的低、中、高情况合理明确地实行不同的充放指令;根据不同角度的平抑效果指标量化容量配置的有效性;通过改进的粒子群算法寻求成本最低的有效方案配置混合储能***容量。
附图说明
下面结合附图对本发明进一步说明。
图1是:本发明实施例中一种平抑风电功率波动的混合储能***容量配置方法流程图;
图2是:本发明实施例中混合储能***有功功率变化量校正流程图;
图3是:本发明实施例中小波包分解法流程图;
图4是:本发明实施例中混合储能***的控制策略图;
图5是:本发明实施例中改进的粒子群算法配置混合储能***容量流程图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
本发明提供了一种平抑风电功率波动的混合储能***容量配置方法,如图1示出了本实施例中的所述方法的流程图;包括下述步骤:
步骤1:对风电功率依次进行滑动平均和并网功率指标校验从而获取并网有功功率A混合储能***有功功率P(t);如图2所示并网功率指标校验,根据选定的并网标准校验平滑后的并网功率,包括根据具体情况选择不同的并网标准校正和同时建立多个标准进行校正;具体为:
步骤1-1:确定并网标准,即某个时间尺度下,波动量的范围;
步骤1-2:根据并网标准滚动数据计算该时间尺度下的最大值功率值a及最小值功率值b,判断并网有功功率当前值功率值A(t)分别与最大值功率值、最小值功率值的差Δa和Δb否满足并网标准,至数据结束;
若满足,则继续判断下一时刻A(t+1)的功率值是否满足并网标准;若最大值差功率值Δa不满足,则将当前值功率值A(t)提升至满足情况;若最小值差功率值Δb不满足,则将当前值功率值A(t)下降至满足情况;若两者均不满足则重新选定滑动窗口,返回步骤1-2;
通过平均和并网功率指标校验后,如图3所示通过小波包分解法对混合储能***进行频谱分析确定分界频率,获取功率型储能功率和能量型储能功率;
步骤2:配置不同额定功率P和不同容量下的混合储能***,并分析其对风电功率波动平抑效果;
额定功率P包括功率型储能***的额定功率PP和能量型储能***的额定功率PE;额定功率P的获取方法为:对功率型储能功率和能量型储能功率的直方图进行曲线拟合,寻找最佳拟合曲线,得到功率型储能概率分布曲线和能量型储能概率分布曲线;计算不同置信水平下的功率型储能***置信区间和能量型储能***置信区间;功率型储能***的额定功率PP为功率型储能***置信区间的端点的绝对值最大值;能量型储能***的额定功率PE为能量型储能***置信区间的端点的绝对值最大值;容量包括低能量状态Q(t)=[Q1,Q1+P×T],中能量状态Q(t)=[Q1+P×T,Q2-P×T]和高能量状态Q(t)=[Q2-P×T,Q2],其中,T为采样时间,Q1为混合储能***充电上限,Q2为混合储能***放电下限;
如图4所示配置不同额定功率P和不同容量下的混合储能***的控制策略为:
步骤2-1:获取混合储能***有功功率实际输出值Pr(t);
当容量为低能量状态Q(t)=[Q1,Q1+P×T]时,若混合储能***有功功率P(t)≥P,混合储能***充电,则混合储能***有功功率实际输出值Pr(t)=P;若0≤P(t)<P,混合储能***充电,则混合储能***有功功率实际输出值Pr(t)=P(t);若P(t)<0且|P(t)|≤(Q(t)-Q1)/T,所述混合储能***放电,则混合储能***有功功率实际输出值Pr(t)=P(t);若P(t)<0且|P(t)|>(Q(t)-Q1)/T,所述混合储能***放电,则混合储能***有功功率实际输出值Pr(t)=-(Q(t)-Q1)/T;
当容量为中能量状态Q(t)=[Q1+P×T,Q2-P×T]时,若混合储能***有功功率|P(t)|≥P,则混合储能***有功功率实际输出值Pr(t)=P×sgn(P(t));若混合储能***有功功率|P(t)|<P,则混合储能***有功功率实际输出值Pr(t)=P(t);
当容量为高能量状态Q(t)=[Q2-P×T,Q2]时,若P(t)<0且|P(t)|≥P,混合储能***放电,则混合储能***有功功率实际输出值Pr(t)=-P;若P(t)<0且|P(t)|<P,混合储能***放电,则混合储能***有功功率实际输出值Pr(t)=P(t);若0≤P(t)≤(Q2-Q(t))/T,混合储能***充电,则混合储能***有功功率实际输出值Pr(t)=P(t);若P(t)>(Q2-Q(t))/T,混合储能***充电,则混合储能***有功功率实际输出值Pr(t)=(Q2-Q(t))/T;
步骤2-2:对混合储能***有功功率实际输出值Pr(t)积分得到容量的变化量ΔQ(t),t+1时刻的容量Q(t+1)=Q(t)+ΔQ(t);依据容量Q(t+1)返回步骤2-1重新获取的混合储能***有功功率实际输出值Pr(t)。
分析混合储能***的平抑效果包括:获取不同额定功率P和不同容量下混合储能***的功率型储能***实际出力曲线和能量型储能***实际出力曲线;并依据功率型储能***实际出力曲线和能量型储能***实际出力曲线进行平抑效果分析;平抑效果分析的平抑指标包括:
平均百分比误差以波动量全部为零为目标,了风电功率波动的整体平抑效果;其中,N为采样点数,Pir为混合储能***第i个采样点的实际输出功率,pig为混合储能***第i个采样点的目标输出功率;均方根误差以波动量全部为零为目标,表征了平抑效果距目标输出功率的偏离程度;风电功率波动范围Δ=max(|gt(Pi)|),i=1,2,...,N,表征了平抑后波动的程度;其中,gt(Pi)为t时间内功率波动值;不满足风电并网要求的波动点数百分比指实际平抑后曲线不满足并网要求点与数据样本的总点数比值的百分数,表征了平抑后不满足风电并网要求的程度;其中f(Pi)用于判断第i个采样点的实际输出功率是否满足并网要求,若满足则f(Pi)=0,若不满足则f(Pi)=1。
步骤3:依据平抑效果和改进的粒子群算法配置混合储能***容量;如图5所示改进的粒子群算法具体步骤为:
步骤3-1:获取目标函数其中,Prp、Pre分别为功率型储能***和能量型储能***的实际输出功率,QrP、Qre分别为功率型储能***和能量型储能***的容量,A1、B1、A2和B2分别为与Prp、QrP、Pre和Qre对应的单价; 为四维变量解集;
步骤3-2:获取Prp、QrP、Pre、Qre和平抑指标的约束范围,功率型储能***的初始荷电状态SOCp0、充电上限QPu和充电下限QPl,能量型储能***的初始荷电状态SOCe0、充电上限Qeu和充电下限Qel;
Prp∈[a1,b1],Pre∈[a2,b2],QrP∈[c1,d1],Qre∈[c2,d2],a1、b1为统计分析中确定的功率型储能***的功率范围;c1、d1为功率型储能***的容量范围;a2、b2为统计分析中确定的能量型储能***的功率范围;c1、d1为能量型储能***的容量范围;平抑指标的约束范围由具体实现工程决定;
步骤3-3:对混合储能***进行优化配置:
步骤3-3-1:通过基本粒子群算法获取满足目标函数的混合储能***最优解
步骤3-3-2:设定基于改进的粒子群算法的混合储能***的粒子数M,总迭代次数S,混合储能***四维变量解集xi 4=(Prpi、QrPi、Prei、Qrei),i=1,2,…,M;计算当次迭代中混合储能***粒子xi 4的目标函数值,从而获取适应度值,并将粒子按其适应度值由大到小排序;
将本次迭代中的最优适应度值与历史最优适应度值进行比较,得到至本次迭代为止的最优适应度值,其所对应的粒子位置为全局最优解将本次迭代中每个粒子的适应度值与各自的历史最优适应度值比较,得到至本次为止的每个粒子的最优适应度值,其所对应的每个粒子的最优位置mi 4=(P'rpi、Q'rPi、P'rei、Q'rei);
通过基本粒子算法的 更新混合储能***粒子xi 4、最优解及每个粒子的最优位置mi 4;其中ω为惯性因子,c1、c2为加速常数,r1和r2为[0,1]内的随机数,α为约束因子;
步骤3-3-3:设置计数参数num,和阀值Num;每次迭代后全局最优解发生变化时,计数参数num=num;当全局最优解不变时,num=num+1;若num<Num时,令(ΔPrp、ΔQrp、ΔPre、ΔQre)扰动值较小,混合储能***新的四维变量解集 判断与的适应度值大小,将适应度值大的作为当前该粒子的适应度值,并更新粒子位置,执行步骤3-3-5;当num>=Num时,执行步骤3-3-4;
步骤3-3-4:增加扰动量(ΔPrp、ΔQrp、ΔPre、ΔQre),判断每个粒子新位置下适应度值是否优于全局最优解;若优于则更新粒子位置,返回步骤3-3-2继续基本粒子群迭代;若不优于则增大扰动量(ΔPrp、ΔQrp、ΔPre、ΔQre)直至Num次后完成寻优,令当前最优解为全局最优解;
步骤3-3-5:判断迭代次数是否满足设置的最大迭代次数S,若小于则返回步骤3-3-2;否则结束寻优过程,当前最优解为全局最优解。
最后应当说明的是:所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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他实施例,都属于本申请保护的范围。