CN107732949B - 一种综合风电全年多季节特性的储能布点定容方法 - Google Patents
一种综合风电全年多季节特性的储能布点定容方法 Download PDFInfo
- Publication number
- CN107732949B CN107732949B CN201710974712.7A CN201710974712A CN107732949B CN 107732949 B CN107732949 B CN 107732949B CN 201710974712 A CN201710974712 A CN 201710974712A CN 107732949 B CN107732949 B CN 107732949B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- power
- cost
- storage
- parameters
- 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.)
- Active
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 265
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000004088 simulation Methods 0.000 claims abstract description 31
- 230000005540 biological transmission Effects 0.000 claims description 13
- 230000009194 climbing Effects 0.000 claims description 9
- 238000007600 charging Methods 0.000 claims description 8
- 238000007599 discharging Methods 0.000 claims description 7
- 230000008901 benefit Effects 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000010977 unit operation Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 5
- 238000005086 pumping Methods 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000010485 coping Effects 0.000 claims description 2
- 238000000691 measurement method Methods 0.000 claims 1
- 230000001932 seasonal effect Effects 0.000 abstract description 4
- 230000005611 electricity Effects 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000002349 favourable effect Effects 0.000 abstract 1
- 238000004364 calculation method Methods 0.000 description 9
- 238000011161 development Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 3
- 238000009987 spinning Methods 0.000 description 3
- 238000006467 substitution reaction Methods 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000004870 electrical engineering Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
-
- H02J3/386—
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
- Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种综合风电全年多季节特性的储能布点定容方法,包括:获取电网参数和储能参数,以运行成本、储能投资、弃风惩罚、外送成本之和最小为目标函数,建立基于运行模拟的储能规划模型;通过多场景分析识别电池储能需求较大的位置作为电池储能备选节点,并提出储能需求比、等效全年最大储能需求日两项指标以综合不同季节储能需求的差异,确定最终布点定容方案。本发明在规划目标中考虑了储能的投资成本,同时利用储能需求比综合考虑了不同季节储能需求上的季节性差异,在保障经济性的基础上有效缓解了因调节能力不足导致的弃风限电问题,同时有利于从全局考虑,提高储能规划的整体经济性及利用效率。
Description
技术领域
本发明属于电气工程领域,更具体地,涉及一种综合风电全年多季节特性的储能布点定容方法。
背景技术
进入21世纪以来,在能源危机与环境污染的双重压力下,风电因其技术成熟,具备规模开发条件、商业化发展前景好等优点发展迅速。2016年我国新增装机2337万千瓦,累计装机容量达到1.69亿千瓦,是装机量位于世界第二位的美国的两倍。然而由于风电出力的随机性和波动性,风电大规模并网给电力***带来极大挑战。尤其是***可调容量的不足将导致严重弃风,阻碍风电的健康发展。储能技术的快速发展为应对风电消纳提供了良好的解决思路。然而现阶段,储能的发展还不够成熟,存在投资成本高、经济性差等问题。因此,需要采取经济有效的储能规划方法,在缓解弃风问题的同时保障规划的经济性。目前在国内,常用的储能规划方法包括基于波动平抑的储能规划、全额消纳风电的最小储能规划,前者仅考虑储能在平滑风电曲线中的作用,但忽略了储能在促进风电消纳中的贡献,导致高额储能投资下弃风率仍然居高不下,后者以全额消纳风电为目标,但未考虑储能的高昂成本,同样会导致投资的低效。同时,二者仅考虑单负荷日下的储能规划,未计及储能需求的季节性差异,进一步导致储能投资布局的不合理。
由此可见,现有技术存在经济性差、不能有效缓解了因调节能力不足导致的弃风限电的技术问题。
发明内容
针对现有技术的以上缺陷或改进需求,本发明提供了一种综合风电全年多季节特性的储能布点定容方法,由此解决现有技术存在经济性差、不能有效缓解了因调节能力不足导致的弃风限电的技术问题。
为实现上述目的,本发明提供了一种综合风电全年多季节特性的储能布点定容方法,包括:
(1)获取电网参数和储能参数,以运行成本、储能投资、弃风惩罚、外送成本之和最小为目标函数,以电池储能***约束、抽水蓄能***约束、火电机组运行约束、外送线路运行约束和运行模拟***约束为约束条件,建立基于运行模拟的储能规划模型;
(2)根据电网参数、储能参数和基于运行模拟的储能规划模型,构建求解模型;
(3)依次变更典型日、电池储能成本、弃风惩罚系数得到一系列场景,对各节点各场景下电池储能取均值,均值最大的前No个节点为电池储能的备选节点,抽水蓄能的备选节点为建设位置;
(4)利用求解模型得到冬季典型日的储能投资和夏季典型日的储能投资,冬季典型日的储能投资和夏季典型日的储能投资之商为储能需求比,储能投资较大的典型日为最大储能需求日,利用储能需求比得到全年等效最大储能需求日;
(5)利用全年等效最大储能需求日更新基于运行模拟的储能规划模型,得到更新后的电池储能成本和抽水蓄能成本,基于求解模型,根据电池储能的备选节点、抽水蓄能的备选节点、更新后的电池储能成本和抽水蓄能成本,得到最终布点定容方案。
火电机组经济参数为运行成本二次曲线参数ai,bi,ci,风电机组经济参数为弃风惩罚系数kw,区域间输电经济参数为线路外送收益系数ko。
进一步的,储能参数包括电池储能的技术参数及经济参数、抽水蓄能的技术参数及经济参数,电池储能的技术参数及经济参数包括:电池储能规划备选节点数Ns,电池储能的单位功率成本、单位能量成本电池储能的充放电效率电池储能的额定单元功率按额定功率最大连续充放电时间H,各节点电池储能单元规划数量上限抽水蓄能的技术参数及经济参数包括:抽蓄规划备选节点数Np,抽蓄的单位功率成本、单位能量成本抽蓄的充放电效率抽水蓄能机组的额定功率各节点抽水蓄能单元规划数量上限
进一步的,目标函数为:
minΨ=Cgen+Cstr+Cwin-Cout,
其中,Cgen表示运行成本,Cstr表示储能投资,Cwin表示弃风惩罚,Cout表示外送线路收益,-Cout表示外送成本,
其中,T为运行模拟的总时段数,Np,Ns,Nc,分别为抽水蓄能电站、电池储能电站、火电机组总数,分别为机组i时段t时的出力及运行成本;SPt w为第t时段的弃风总量;Plnk,t第t时段的外送功率;分别为第m台电池储能电站规划的功率容量、能量容量;EEPS,i为第i台抽水蓄能电站能量容量,QPS,i为第i台抽水蓄能电站的抽水蓄能机组数,为抽水蓄能机组的额定功率,ko表示外送收益系数,δ表示折现率,YRs表示电池储能全寿命周期,YRp表示抽水蓄能全寿命周期,Nd表示全年储能等效利用天数,分别为电池储能的单位功率成本、能量成本按照其全寿命周期折算到日的电池储能成本,分别为抽蓄的单位功率成本、能量成本按照其全寿命周期折算到日的抽水蓄能成本。
进一步的,电池储能***约束包括:电池储能***运行约束,电池储能***放、充电功率约束,电池储能***实时能量约束,电池储能***规划约束,电池储能***能量容量、功率容量等式约束,电池储能单节点储能单元数上限约束;
所述抽水蓄能***约束包括:抽水蓄能***运行约束,抽水蓄能***放、充电功率约束,抽水蓄能***充放电状态约束,抽水蓄能***运行能量约束;抽水蓄能***规划约束,抽水蓄能电站能量容量约束;
所述火电机组运行约束包括:火电机组运行约束,火电机组出力上下限约束,火电机组最小连续启停机时间约束,火电机组爬坡上限约束,火电机组最大启停功率约束;
所述运行模拟***约束包括:节点功率平衡约束,旋转备用约束,线路潮流约束。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
(1)本发明考虑了同一节点在不同季节储能需求上的差异性,基于运行模拟的方法建立模型,在基于运行模拟的储能规划模型中考虑储能的投资成本,以运行成本、储能投资、弃风惩罚、外送成本之和最小为目标函数,在促进风电消纳的同时保障投资的经济性。同时通过多场景分析识别出电池储能需求较大的节点作为电池储能备选节点,并通过计算储能需求比及全年等效最大储能需求日两项指标以综合不同季节下的储能布点定容方案。本发明兼具有效性于经济性。
(2)本发明通过合理的储能配置能有效缓解由于调节能力不足导致的弃风问题;在规划中考虑了储能的经济成本,将运行费用与规划费用放入同一个目标函数,在促进风电消纳的同时避免了储能的过度投资,同时弃风惩罚系数的设置允许决策者在风电消纳与机组经济性间进行偏好调整;不仅考虑了日时间尺度上的储能需求,更对储能布点定容方案在季节上的差异进行了综合,进一步提高储能规划的全局经济性;建立了完善、易于求解的基于运行模拟的储能规划模型,既包含功率型的电池储能也包含能量型的抽水蓄能,且模型均经过线性化变换,便于快速求解。
附图说明
图1是本发明实施例提供的一种综合风电全年多季节特性的储能布点定容方法的流程图;
图2(a)是本发明实施例1和实施例2提供的冬季典型日负荷预测曲线;
图2(b)是本发明实施例1和实施例2提供的冬季典型日风电预测曲线;
图3(a)是本发明实施例1和实施例2提供的夏季典型日负荷预测曲线;
图3(b)是本发明实施例1和实施例2提供的夏季典型日风电预测曲线;
图4是本发明实施例1提供的配置储能前***各类机组出力及弃风曲线;
图5是本发明实施例1提供的配置储能后***各类机组出力及弃风曲线;
图6是本发明实施例2提供的配置储能前***各类机组出力及弃风曲线;
图7是本发明实施例2提供的配置储能后***各类机组出力及弃风曲线。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示,一种用于综合风电全年多季节特性的储能布点定容方法,包括以下步骤:
步骤1:获取电网参数和储能参数。
火电机组经济参数为运行成本二次曲线参数ai,bi,ci,风电机组经济参数为弃风惩罚系数kw,区域间输电经济参数为线路外送收益系数ko。
储能参数包括电池储能的技术参数及经济参数、抽水蓄能的技术参数及经济参数,电池储能的技术参数及经济参数包括:电池储能规划备选节点数Ns,电池储能的单位功率成本、单位能量成本电池储能的充放电效率电池储能的额定功率按额定功率最大连续充放电时间H,各节点电池储能单元规划数量上限抽水蓄能的技术参数及经济参数包括:抽蓄规划备选节点数Np,抽蓄的单位功率成本、单位能量成本抽蓄的充放电效率抽水蓄能机组的额定功率各节点抽水蓄能单元规划数量上限
步骤2:建立基于运行模拟的储能规划模型
目标函数:minΨ=Cgen+Cstr+Cwin-Cout,其中,Cgen表示运行成本,Cstr表示储能投资,Cwin表示弃风惩罚,cout表示外送线路收益,-Cout表示外送成本,在保障外送线路利用率的前提下,提高大规模风电并网电力***对可再生能源消纳的规划目标应体现以下四个方面:一是优化安排***常规机组,减少运行成本,二是尽可能减少储能***投资成本;三是充分利用风力发电资源,尽可能减少弃风惩罚;四是充分利用可再生能源送出线路,提高线路利用率,增大外送线路收益。其中各项的详细表达式如下:
其中T为运行模拟的总时段数,Np,Ns,Nc,分别为抽水蓄能电站、电池储能电站、火电机组总数。分别为机组i时段t时的出力及运行成本;SPt w为第t时段的弃风总量;Plnk,t第t时段的外送功率;分别为第m台电池储能电站规划的功率容量、能量容量;EEPSi为第i台抽水蓄能电站能量容量,QPS,i为第i台抽水蓄能电站的抽水蓄能机组数,为抽水蓄能机组的额定功率。ko表示外送收益系数,δ表示折现率,YRs表示电池储能全寿命周期,YRp表示抽水蓄能全寿命周期,Nd表示全年储能等效利用天数,分别为电池储能的单位功率成本、能量成本按照其全寿命周期折算到日的电池储能成本,分别为抽蓄的单位功率成本、能量成本按照其全寿命周期折算到日的抽水蓄能成本。
约束条件如下:
(1)电池储能***约束
约束(2)-(3)为电池储能***运行约束,(2)分别为电池储能***放、充电功率约束,(3)为电池储能***实时能量约束,(4)-(6)为电池储能***规划约束,(4)(5)分别为电池储能***能量容量、功率容量等式约束,(6)为电池储能单节点储能单元数上限约束,(7)-(10)为非线性变量线性化处理过程,(7)通过二进制法表征规划单元数这一整数变量,(8)通过引入中间变量将左式线性化表示,(9)(10)通过大M法约束中间变量,M是一个保证大于中间变量的常量,(11)表示模型中的0-1变量。其中,分别为节点m时段t的放电、充电功率;EBS,m(t),EBS,m(t-1)分别表示电池储能电站第t,第t-1时段的能量,EBS,m(T),分别表示运行模拟最后一个时段的能量以及运行模拟前的初始能量。为表征充放电状态的0-1变量,0表示充电,1表示放电;为电池储能的充放电效率;Em0表示节点m电池储能能量初值,QBS,m为节点m储能单元数量,为节点m最大允许储能单元数量;表示节点m电池储能的额定单元功率,H是电池储能电站最大持续充放电小时数;xm,k是和对应二进制值相匹配的0-1变量,k=1,2,...,vm;是表示表征二进制0-1变量xm,k和充放电0-1变量乘积的中间变量。
(2)抽水蓄能***约束
约束(12)-(15)为抽水蓄能***运行约束,(12)(13)分别为抽水蓄能***放、充电功率约束,出于经济性,抽蓄机组以恒定功率充电,(14)为抽水蓄能***充放电状态约束,(15)表示抽水蓄能***运行能量约束;约束(16)-(17)为抽水蓄能***规划约束,(16)表征抽水蓄能机组数量等式约束,(17)为抽水蓄能电站能量容量约束,(18)表示模型中的0-1变量。其中,分别为电站i机组k时段t的放电、充电功率;分别为电站i机组k时段t的放电、充电状态;βPS,i,k为表征电站i机组k的规划状态的0-1变量,1为该机组参与规划,反之不参与;EPS,i(t),EPS,i(t-1)分别表示抽水蓄能电站第t,第t-1时段的能量,EPS,i(T),分别表示运行模拟最后一个时段的能量以及运行模拟前的初始能量。分别为抽水蓄能机组的充放电效率;En0表示电站i抽蓄电站能量初值;QPS,i,分别为电站i规划的机组台数及能量容量,分别为电站i可规划的机组台数及能量容量上限值。(9)(10)通过大M法约束中间变量,M是一个保证大于中间变量的常量。
(3)火电机组运行约束
约束(19)-(22)为火电机组运行约束,(19)为火电机组出力上下限约束,(20)为火电机组最小连续启停机时间约束,(21)为火电机组爬坡上限约束,(22)为火电机组最大启停功率约束。式中ui,t为表示节点i机组在t时刻开机状态的0-1变量,0为关机1为开机;为分别节点i机组最小、最大出力限制;PG,i,t为节点i机组t时刻出力;为机组i最小连续开机时间限制值;机组i最小连续停机时间限制值;为节点i机组上爬坡率;为节点i机组下爬坡率;为节点i机组最大关机功率;为点i机组最大开机功率。
(4)外送线路运行约束
能源基地外送通道往往采取输送能力强的直流输电技术。目前直流输电线路运行采取定功率运行方式而且不能频繁的变化,本文在建模时简化考虑为外送线路运行方式在有限几种运行模式间切换。式(23)-(24)约束t时刻节点i处外送直流线路运行在一种运行模式下,且输送功率为该模式下额定输送功率。式中:uln k.m,i,t为t时刻i节点线路第m运行模式状态(决策变量);PMode.m,i为第m运行模式下输送功率。
(5)运行模拟***约束
除储能***、火电机组、外送线路外,***运行模拟时还需要考虑网架约束、***功率平衡约束、旋转备用约束。约束(25)-(27)为***运行模拟约束,其中(25)表示节点功率平衡约束,(26)为旋转备用约束,(27)为线路潮流约束。其中,PBS,m,t为时段t机组m电池储能的输出功率,PPS,i,t为时段t机组i抽水蓄能的输出功率,Fl,t表示时段t第1条线路上的输送功率,Fl max为线路1输送功率上限,θn,t表示节点n时段t的相角。分别为火电机组、风电机组、电池储能、抽水蓄能、外送线路的节点关联矩阵,为节点线路关联矩阵。
步骤3:构建求解模型
根据电网参数、储能参数和基于运行模拟的储能规划模型,构建求解模型,设置求解模型的最大计算时间和允许计算误差。
步骤4:场景设置及储能备选节点选取
对于抽水蓄能,由于水力资源和地理位置限制,在建设抽水蓄能电站时首先根据水利部的勘察确定可建设位置即备选节点。而电池储能则无地理位置限制,理论上可在任意节点处配置,但实际规划中,储能的布点往往是有限的,故本发明通过求解模型识别出在各场景下平均储能需求较大的节点作为备选节点。场景的具体设置如下:
1、依据季节特性设置场景,即每一个季节下的典型日对应一个场景。不同季节下负荷、新能源出力曲线相差较大,受此影响,线路潮流会大幅改变,因而不同季节,同一节点的储能需求也可能存在明显的差异。
2、依据电池储能成本设置场景,即每一组电池储能成本对应一个场景。现阶段,电池储能技术仍处于快速发展阶段,电池规划既要考虑电池储能技术的前瞻性,要也考虑现阶段成本较高的现实性。故有必要根据储能成本的不同设置场景。抽水蓄能的成本变化较小,因此不依据其做额外的场景设置。
3、依据弃风惩罚系数kw设置场景,即每个弃风惩罚系数的取值对应一个场景。考虑到目前促进风电消纳的战略要求,本发明基于运行模拟的储能规划模型的目标函数中考虑了弃风惩罚,弃风惩罚系数的大小反映了决策者对于牺牲火电机组经济性以促进新能源消纳的偏好程度,而不同的弃风惩罚系数显然对储能规划的布点定容均有影响。
依次变更典型日、电池储能成本、弃风惩罚系数可得到一系列场景,对各节点各场景下电池储能取均值,依据均值最大的前No个节点作为电池储能备选节点。
为综合风电全年多季节下的储能需求,本发明提出了储能需求比Yrate及全年等效最大储能需求日两项指标。电力***中负荷及风电在冬、夏季间差异最大,以冬、夏季两典型日为例,利用步骤3构建的求解模型分别计算冬、夏季典型日的储能投资以储能投资反映该季节下的储能总需求,二者之商即为储能需求比。以储能投资较大的冬、夏季典型日Ns1,Ns2作为最大储能需求日,那么全年等效最大储能需求日可依据式(29)计算。
将得到的全年等效最大储能需求日替换式(1)中的Nd,得到更新后的电池储能成本抽水蓄能成本同时将步骤4中选取的No个备选节点作为电池储能的输入条件。将更新后的输入参数带入步骤3中的求解模型进行仿真计算,所得结果即为最终布点定容方案。
实施例1
本发明实施例1是基于改进的IEEE14节点***,电网参数保持不变,但在此基础上***内增加了两台风电机组。同时***内包含电池储能、抽水蓄能两类储能。包括以下步骤:
1、获取电网参数和储能参数。IEEE 14节点***包含14个节点、6台常规机组、20条支路,其电网参数:发电机参数、***负荷参数、支路参数如表1~表3所示。线路-节点关联矩阵A由表3中起始节点、终止节点序号生成,线路导纳bl为表3中支路阻抗的倒数。线路输送容量Pl max见表3。旋转备用比率R设为0.05。选定11号节点为***风电外送线路节点,外送线路为直流线路,设定直流线路以90MW、180M两种恒功率运行模式外送。
其中,所有火电机组总数和出力上下限,及其最小连续启、停时间见表1,火电机组爬坡速率为1%最大出力/min,最大启停功率设为火电出力下限,机组初始运行状态均为开机,初始运行时间为24h;
4和11号节点均接入200MW风电,弃风惩罚系数根据不同场景的需要分别选取200元/MWh或400元/MWh,区域间输电经济参数为线路外送收益系数ko为340元/MWh。
表1IEEE 14节点***机组参数
表2***负荷参数(静态最大负荷)
节点 | 负荷/MW | 节点 | 负荷/MW |
1 | 0 | 8 | 0 |
2 | 54.25 | 9 | 73.75 |
3 | 235.5 | 10 | 22.5 |
4 | 119.5 | 11 | 8.75 |
5 | 19 | 12 | 15.25 |
6 | 28 | 13 | 33.75 |
7 | 0 | 14 | 37.25 |
表3***支路参数
假设***内各节点负荷特性保持相同的变化趋势,即采用统一标幺负荷功率曲线,如图2(a)和图3(a)所示,实际负荷功率则可利用各节点最大功率与标幺曲线相乘得到。风电场标幺出力曲线采用我国西北地区某风电场实际出力按该风电场装机容量标幺化后得到,如图2(b)和图3(b)所示。
工程实践中,由于水力资源和地理位置限制,在建设抽水蓄能电站时首先勘察确定可建设位置即拟接入节点,因此在实施例1的***中假设已选定抽水蓄能电站建设接入节点为7号节点。
表4不同储能技术参数
表5不同输入条件对应场景
2、根据电网参数、储能参数和基于运行模拟的储能规划模型,构建求解模型,设置求解模型的最大计算时间为10h和允许计算误差0.1%。
3、依次变更典型日、电池储能成本、弃风惩罚系数可得到一系列场景,如表5所示。
4、对各节点各场景下电池规划储能容量取均值,选出储能均值大于阈值3MW的节点作为电池储能备选节点。故最终得到电池储能备选节点为:节点11,节点4,节点3,节点10。
表6依据储能均值选取的储能备选节点
节点编号 | 11 | 4 | 3 | 10 |
储能均值/MW | 13.1 | 6.3 | 4.4 | 3.1 |
5、计算各场景下的配置储能总费用,并计算冬、夏季典型日的储能需求比Yrate及全年等效最大储能需求日各输入条件对应冬、夏储能需求比及其均值如表7所示,依据式(29)得全年等效最大储能需求日为260天。
表7不同输入条件对应冬、夏储能需求比
类别 | 场景1/场景2 | 场景3/场景4 | 场景5/场景6 | 场景7/场景8 | 均值 |
储能需求比 | 2.1 | 2.1 | 2.3 | 2.5 | 2.25 |
6、用全年等效最大储能需求日替换式(1)中的Nd以更新日折算投资成本,同时将3中选取的备选节点作为电池储能的输入条件。将更新后的参数带入仿真平台进行计算,所得结果即为最终布点定容方案。以低储能成本、弃风惩罚系数为200元/MWh为例,布点定容方案如表8所示。对比储能配置前后***运行工况,储能配置前运行曲线如图4所示,14个时段发生弃风,且弃风功率峰值接近140MW;同时,外送线路利用率低,仅9个时段达到额定外送功率。图5为储能配置后的运行曲线,弃风时段、弃风峰值均明显降低,同时外送线路利用率提升。储能规划前后各项费用对比见表9。
表8综合冬、夏季节特性的规划方案
表9储能规划前后各项费用
费用/万元 | 运行成本 | 弃风 | 电池 | 抽蓄 | 外送 | 总 |
有储能 | 89.9 | 5.0 | 7.7 | 3.8 | -119 | -12.9 |
无储能 | 123.2 | 13.6 | 0 | 0 | -97.9 | 38.8 |
实施例2
本发明实施例2是基于改进的IEEE39节点***,电网参数保持不变,但在此基础上***内增加了两台风电机组。同时***内包含电池储能、抽水蓄能两类储能。包括以下步骤:
1、获取电网参数和储能参数。IEEE 39节点***包含39个节点、7台常规机组、3台风电机组、46条支路,其电网参数:发电机参数、***负荷参数、支路参数如表10~表12所示。线路-节点关联矩阵A由表12中起始节点、终止节点序号生成,线路导纳bl为表12中支路阻抗的倒数。线路输送容量Fl max见表12。旋转备用比率R设为0.05。选定11号节点为***风电外送线路节点,外送线路为直流线路,设定直流线路以320MW、640M两种恒功率运行模式外送。
其中,所有火电机组总数和出力上下限,及其最小连续启、停时间见表10,火电机组爬坡速率为1%最大出力/min,最大启停功率设为火电出力下限,机组初始运行状态均为开机,初始运行时间为24h;
4和11号、18号节点均接入600MW风电,弃风惩罚系数根据不同场景的需要分别选取200元/MWh或400元/MWh,区域间输电经济参数为线路外送收益系数ko为340元/MWh。
表10IEEE 39节点***机组参数
表11***支路参数
表12***负荷参数(静态最大负荷)
节点 | 负荷/MW | 节点 | 负荷/MW |
1 | 97.6 | 18 | 158 |
3 | 322 | 21 | 274 |
7 | 235.8 | 25 | 224 |
9 | 6.5 | 26 | 139 |
12 | 8.53 | 27 | 281 |
15 | 320 | 31 | 9.2 |
16 | 329 | —— | —— |
冬、夏典型日下的负荷标幺功率曲线、风电场标幺出力曲线如图2(a)、图2(b)、图3(a)、图3(b)所示。
工程实践中,由于水力资源和地理位置限制,在建设抽水蓄能电站时首先勘察确定可建设位置即拟接入节点,因此在实施例2的***中假设已选定抽水蓄能电站建设接入节点为7、32号节点。
2、根据电网参数、储能参数和基于运行模拟的储能规划模型,构建求解模型,设置求解模型的最大计算时间为10h和允许计算误差0.1%。
3、依次变更典型日、电池储能成本、弃风惩罚系数可得到一系列场景,场景设置同表5。
4、对各节点各场景下电池规划储能容量取均值,选出均值大于3MW的节点作为电池储能备选节点。故最终得到电池储能备选节点为:节点37,节点25,节点30,节点2。
表13依据储能均值选取的储能备选节点
表14不同输入条件对应冬、夏储能需求比
类别 | 场景1/场景2 | 场景3/场景4 | 场景5/场景6 | 场景7/场景8 | 均值 |
储能需求比 | 2.1 | 2.1 | 2.2 | 1.5 | 2.0 |
6、用全年等效最大储能需求日替换式(1)中的Nd以更新日折算投资成本,同时将3中选取的备选节点作为电池储能的输入条件。更新参数带入仿真平台计算,即得最终规划方案。以低储能成本、弃风惩罚系数为200元/MWh为例,布点定容方案如表15所示。对比储能配置前后***运行工况,储能配置前运行曲线如图6所示,弃风时段数、弃风功率峰值分别为8个、600MW;同时,外送线路利用率低,仅14个时段达到额定外送功率。图7为储能配置后的运行曲线,弃风时段、弃风峰值均明显降低,同时外送线路利用率提升。储能规划前后各项费用对比见表16。
表15综合冬、夏季节特性的规划方案
表16储能规划前后各项费用
费用/万元 | 运行成本 | 弃风 | 电池 | 抽蓄 | 外送 | 总 |
有储能 | 719.6 | 0 | 22.1 | 54.4 | -413.4 | 382.7 |
无储能 | 887.6 | 51.5 | 0 | 0 | -413.4 | 525.6 |
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (2)
1.一种综合风电全年多季节特性的储能布点定容方法,其特征在于,包括:
(1)获取电网参数和储能参数,以运行成本、储能投资、弃风惩罚、外送成本之和最小为目标函数,以电池储能***约束、抽水蓄能***约束、火电机组运行约束、外送线路运行约束和运行模拟***约束为约束条件,建立基于运行模拟的储能规划模型;
(2)根据电网参数、储能参数和基于运行模拟的储能规划模型,构建求解模型;
(3)依次变更典型日、电池储能成本、弃风惩罚系数得到一系列场景,对各节点各场景下电池储能取均值,均值最大的前No个节点为电池储能的备选节点,抽水蓄能的备选节点为建设位置;
(4)利用求解模型得到冬季典型日的储能投资和夏季典型日的储能投资,冬季典型日的储能投资和夏季典型日的储能投资之商为储能需求比,储能投资较大的典型日为最大储能需求日,利用储能需求比得到全年等效最大储能需求日;
(5)利用全年等效最大储能需求日更新基于运行模拟的储能规划模型,得到更新后的电池储能成本和抽水蓄能成本,基于求解模型,根据电池储能的备选节点、抽水蓄能的备选节点、更新后的电池储能成本和抽水蓄能成本,得到最终布点定容方案;
所述储能参数包括电池储能的技术参数及经济参数、抽水蓄能的技术参数及经济参数,电池储能的技术参数及经济参数包括:电池储能规划备选节点数Ns,电池储能的单位功率成本、单位能量成本电池储能的充放电效率电池储能的额定单元功率按额定功率最大连续充放电时间H,各节点电池储能单元规划数量上限抽水蓄能的技术参数及经济参数包括:抽蓄规划备选节点数Np,抽蓄的单位功率成本、单位能量成本抽蓄的充放电效率抽水蓄能机组的额定功率各节点抽水蓄能单元规划数量上限
所述目标函数为:
minΨ=Cgen+Cstr+Cwin-Cout,
其中,Cgen表示运行成本,Cstr表示储能投资,Cwin表示弃风惩罚,Cout表示外送线路收益,
其中,T为运行模拟的总时段数,Np,Ns,Nc,分别为抽水蓄能电站、电池储能电站、火电机组总数,分别为机组i时段t时的出力及运行成本;SPt w为第t时段的弃风总量;Plnk,t第t时段的外送功率;分别为第m台电池储能电站规划的功率容量、能量容量;EEPS,i为第i台抽水蓄能电站能量容量,QPS,i为第i台抽水蓄能电站的抽水蓄能机组数,为抽水蓄能机组的额定功率,ko表示外送收益系数,δ表示折现率,YRs表示电池储能全寿命周期,YRp表示抽水蓄能全寿命周期,Nd表示全年储能等效利用天数,分别为电池储能的单位功率成本、能量成本按照其全寿命周期折算到日的电池储能成本,分别为抽蓄的单位功率成本、能量成本按照其全寿命周期折算到日的抽水蓄能成本。
2.如权利要求1所述的一种综合风电全年多季节特性的储能布点定容方法,其特征在于,所述电网参数包括:火电机组经济参数、风电机组经济参数、区域间输电经济参数、***技术参数和火电技术参数,以及冬、夏季典型日的风电及负荷的功率数据
***技术参数包括:线路-节点关联矩阵A,线路导纳bl,外送线路额定运行功率线路输送容量Fl max,***为应对机组故障预留的旋转备用比率R;
火电机组经济参数为运行成本二次曲线参数ai,bi,ci,风电机组经济参数为弃风惩罚系数kw,区域间输电经济参数为线路外送收益系数ko。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710974712.7A CN107732949B (zh) | 2017-10-17 | 2017-10-17 | 一种综合风电全年多季节特性的储能布点定容方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710974712.7A CN107732949B (zh) | 2017-10-17 | 2017-10-17 | 一种综合风电全年多季节特性的储能布点定容方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107732949A CN107732949A (zh) | 2018-02-23 |
CN107732949B true CN107732949B (zh) | 2020-02-21 |
Family
ID=61212020
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710974712.7A Active CN107732949B (zh) | 2017-10-17 | 2017-10-17 | 一种综合风电全年多季节特性的储能布点定容方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107732949B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108648096B (zh) * | 2018-04-06 | 2022-03-18 | 东北电力大学 | 一种基于全寿命周期成本理论的抽水蓄能电站容量规划方法 |
CN109347127B (zh) * | 2018-10-27 | 2020-07-28 | 华中科技大学 | 一种应对区域供电线路故障的储能优化配置方法 |
CN109687423B (zh) * | 2018-12-29 | 2020-08-04 | 华中科技大学 | 一种直流电网的储能配置方法 |
CN110970912B (zh) * | 2019-12-09 | 2023-08-04 | 国网新疆电力有限公司 | 一种含储能的新能源电力***运行模拟方法 |
CN111799841B (zh) * | 2020-07-31 | 2023-11-28 | 国网山东省电力公司经济技术研究院 | 一种火电机组灵活性改造与输电规划联合决策方法及*** |
CN114069688B (zh) * | 2020-08-07 | 2023-12-12 | 华北电力大学(保定) | 一种基于时序生产模拟的多电源容量布局规划方法 |
CN112234632B (zh) * | 2020-09-30 | 2023-12-22 | 国网新疆电力有限公司经济技术研究院 | 一种季节性氢储能规划方法 |
CN113255141B (zh) * | 2021-05-31 | 2023-10-24 | 国网重庆市电力公司 | 储能电站投资容量和安装位置计算方法 |
CN114884101B (zh) * | 2022-07-04 | 2022-09-30 | 华中科技大学 | 一种基于自适应模型控制预测的抽水蓄能调度方法 |
CN117318182B (zh) * | 2023-11-28 | 2024-03-05 | 中国能源建设集团湖南省电力设计院有限公司 | 一种火风光储一体化基地容量优化配置方法 |
-
2017
- 2017-10-17 CN CN201710974712.7A patent/CN107732949B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN107732949A (zh) | 2018-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107732949B (zh) | 一种综合风电全年多季节特性的储能布点定容方法 | |
CN106169108B (zh) | 含电池储能***的主动配电网短期有功优化方法 | |
CN106981888B (zh) | 基于多源互补的风蓄水火电力***的多目标动态调度方法 | |
CN110365013B (zh) | 一种光热-光伏-风电联合发电***的容量优化方法 | |
CN112069734A (zh) | 一种电热泵-热电联合***的优化调控方法及*** | |
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 | |
CN109742796A (zh) | 一种风光水火储联合***的多时间尺度协调调度方法 | |
CN110661301A (zh) | 一种水光蓄多能互补发电***的容量配置优化方法 | |
CN113489003A (zh) | 一种考虑风光水一体化互补运行的源网协调规划方法 | |
CN116979578A (zh) | 一种风光水火储的电气热三联产优化调度方法和*** | |
CN109615125B (zh) | 一种考虑特高压调峰的多区域随机生产模拟方法及应用 | |
CN117526446A (zh) | 梯级水风光多能互补发电***风光容量双层优化配置方法 | |
CN112364511A (zh) | 考虑储能运行策略及动态特性的平抑***功率波动的储能优化配置方法 | |
CN112307603A (zh) | 考虑大规模风电接入的混合储能容量优化配置方法及*** | |
CN117114281A (zh) | 一种灵活资源多阶段规划方案的确定方法 | |
CN109462255B (zh) | 一种基于储能***的配电网光伏发电容量优化方法及*** | |
CN116742664A (zh) | 一种短期电池储能和季节性储氢协同规划方法及*** | |
CN114094608B (zh) | 一种面向光伏电站的多类型储能容量优化配置方法及装置 | |
Han et al. | Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation | |
CN114094609B (zh) | 电网储能***的优化配置方法 | |
CN115085227A (zh) | 一种微电网源储容量配置方法及装置 | |
CN114583762A (zh) | 一种考虑多分区火电均衡调度的日电力电量平衡分析方法 | |
CN114004390A (zh) | 计及风电外送及投资风险的储能***容量规划方法 | |
CN114722615A (zh) | 一种基于生产运营模拟的储能容量优化配置方法 | |
CN114465226A (zh) | 一种电力***多级备用获取联合优化模型的建立方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |