CN115600757A - 海上风电共享储能参与现货市场交易协调优化方法及*** - Google Patents

海上风电共享储能参与现货市场交易协调优化方法及*** Download PDF

Info

Publication number
CN115600757A
CN115600757A CN202211370173.3A CN202211370173A CN115600757A CN 115600757 A CN115600757 A CN 115600757A CN 202211370173 A CN202211370173 A CN 202211370173A CN 115600757 A CN115600757 A CN 115600757A
Authority
CN
China
Prior art keywords
energy storage
offshore wind
wind power
power
spot market
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211370173.3A
Other languages
English (en)
Inventor
李相俊
范丽伟
董立志
陈金玉
李智诚
张伟骏
邓超平
修晓青
郑红旭
李煜阳
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
State Grid Fujian Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
State Grid Fujian Electric Power Co Ltd
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 State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd, State Grid Fujian Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202211370173.3A priority Critical patent/CN115600757A/zh
Publication of CN115600757A publication Critical patent/CN115600757A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N10/00Quantum computing, i.e. information processing based on quantum-mechanical phenomena
    • G06N10/60Quantum algorithms, e.g. based on quantum optimisation, quantum Fourier or Hadamard transforms
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/12Computing arrangements based on biological models using genetic models
    • G06N3/126Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00Computing arrangements based on specific mathematical models
    • G06N7/08Computing arrangements based on specific mathematical models using chaos models or non-linear system models
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313Resource planning in a project environment
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28Arrangements for balancing of the load in a network by storage of energy
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381Dispersed generators
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10Power 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
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20The dispersed energy generation being of renewable origin
    • H02J2300/28The renewable source being wind energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Power Engineering (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Development Economics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • General Health & Medical Sciences (AREA)
  • Mathematical Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Optimization (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Genetics & Genomics (AREA)

Abstract

本发明公开了一种海上风电共享储能参与现货市场交易协调优化方法及***,包括:获取海上风电集群以及自配储能的各项参数;利用场景法生成海上风电出力信息;基于所述各项参数和所述风电出力信息建立海上风电场参与现货市场交易的收益模型;以海上风电及共享储能联合运行收益最大为目标函数,基于所述收益模型构建基于共享储能的海上风电集群参与现货市场交易的优化运行模型及约束条件;对所述海上风电集群参与现货市场交易的优化运行模型进行优化求解,得到共享储能最优的充放电功率。本发明将海上风电场整合起来形成联盟,以共享储能的形式联合调度,提高整个海上风电集群的收益。

Description

海上风电共享储能参与现货市场交易协调优化方法及***
技术领域
本发明属于海上风电技术领域,具体涉及一种海上风电共享储能参与现货市场交易协调优化方法、***、设备及介质。
背景技术
近年来,随着日趋严重的能源危机问题和环境问题,风电等可再生能源越来越受到广泛关注。海上风电与陆上风电相比,具有距离用电负荷中心近、海上风机不占用土地资源、出力波动较小以及海上风机效率更高等特点。海上风电的大规模运用可有效应对能源危机问题和环境问题。
针对大规模海上风电消纳问题,储能***是解决该问题的有效方法之一,其在海上风电出力峰阶段储存电能,在出力低谷阶段释放电能,以获取更多的电能收益。但当前储能***投资成本仍较高,尤其是大规模储能***,仅依靠储能***参与电能交易以提高经济效益的方法,储能***成本回收年限长,且储能***利用率较低。储能***因具有快速调节等特性能够有效参与调频辅助服务,已成为了优质的调频资源。通过合适的储能电站能量管理策略和控制策略,海上风电可与储能电站联合参与调峰调频辅助服务。
发明内容
为了克服上述现有技术的不足,本发明提供了一种海上风电共享储能参与现货市场交易协调优化方法。本发明方法基于合作的思想将海上风电场的储能进行联盟共享,共同参与电网调度,既能有效提高海上风电的消纳水平,又能提高海上风电的经济效益。
为达到上述目的,本发明采用以下技术方案予以实现:
一种海上风电共享储能参与现货市场交易协调优化方法,包括:
获取海上风电以及自配储能的各项参数;利用场景法生成风电出力信息;
基于所述各项参数和所述风电出力信息建立海上风电场参与现货市场交易的收益模型;以海上风电及共享储能联合运行收益最大为目标函数,基于所述收益模型构建基于共享储能的海上风电集群参与现货市场交易的优化运行模型及约束条件;
基于约束条件对所述优化运行模型进行优化求解,得到共享储能的目标充放电功率。
作为本发明的进一步改进,所述各项参数包括:风电场额定功率、储能容量、储能最大充放电功率、储能SOC区间、建设成本和最大充放电次数。
作为本发明的进一步改进,所述利用场景法生成风电出力信息,包括:
根据自回归滑动平均模型对风速信息进行预测;
采用拉丁超立方分层采样对风速预测误差进行抽样,并假设所采集的每个样本概率都相等;
采用向后削减技术对预测误差场景样本集合进行削减,合并相近的场景生成海上风电出力场景;
依据风速和风电功率之间的关系,给出海上风电出力场景的风电有限出力场景以及对应场景的概率;
将所述风电有限出力场景以及对应场景的概率作为风电出力信息。
作为本发明的进一步改进,所述建立海上风电场参与现货市场交易的收益模型,所述收益模型包括日前市场收益模型、实时市场收益模型、储能循环寿命成本模型,具体为:
日前市场收益模型为:
Figure BDA0003925218200000021
实时市场收益模型为:
Figure BDA0003925218200000031
式中:T为联盟周期所包含的Δt的段数,S为海上风电出力场景总数,γs为场景s的概率,WA,t为联盟A在t时段参与现货市场交易的总收益,Ei,t为海上风电场i在t时段的总收益,具体表述如下:
Figure BDA0003925218200000032
Figure BDA0003925218200000033
Figure BDA0003925218200000034
式中:
Figure BDA0003925218200000035
为海上风电场在日前市场上的收益,
Figure BDA0003925218200000036
为海上风电场在实时市场上的收益,
Figure BDA0003925218200000037
为日前出清价格,
Figure BDA0003925218200000038
为海上风电场在日前市场的投标值,
Figure BDA0003925218200000039
为实际发电功率,λ+、λ-分别为正惩罚系数、负惩罚系数;
储能循环寿命成本模型为:
Figure BDA00039252182000000310
式中,Ccycle为储能循环寿命成本,N为储能建设成本,
Figure BDA00039252182000000311
为储能在第t个时段的储能等效循环次数。
作为本发明的进一步改进,所述以海上风电及共享储能联合运行收益最大为目标函数,所述目标函数为:
Max(EA-Ccycle)
式中,Ccycle为储能循环寿命成本,EA为日前市场收益模型;
共享储能根据海上风电场的发电误差状态向海上风电场提供充放电功率;
统计海上风电场发电误差状态:
ΔPt=Preal-Pd
式中,ΔPt为海上风电场在t时刻的发电误差,Preal为实际发电功率,Pd为在日前市场投标的功率。
作为本发明的进一步改进,所述约束条件包括:
风电投标功率约束:
Figure BDA0003925218200000041
式中,
Figure BDA0003925218200000042
为风电场在日前市场的投标功率,Pt,max为风电场额定功率;
正负偏差考核价格约束:
0<λ+<1
λ->1
式中,λ+、λ-分别为风电商日前投标出力与实际出力正向偏差考核价格系数及负向偏差考核价格技术;
功率平衡约束:
Figure BDA0003925218200000043
式中Pi,t为共享储能在t时段提供给新能源电站i的充放电功率,Pd,i,t为新能源电站i在t时段的充放电需求功率;
储能充放电功率约束:
-Pmax≤Pi,t≤Pmax
Pmax=min{Pc,Pm,i,t}
Pm,i,t=(SSOC,i,i-1-SSOC,min)Ciηdis/Δt
式中Pmax为储能的最大充放电功率,Pc为储能的额定功率,Pm,i,t为过新能源电站i在t时段的可用电量在t时段全部放出时对应的平均功率,SSOC,min为新能源电站自配储能荷电状态的下限值,Ci为储能的额定容量,ηdis为充放电效率;
储能荷电量约束:
SSOC,min≤Ssoc,i,t≤SSOC,max
式中,SSOC,min、SSOC,max分别为储能荷电状态的下限值、上限值;
储能充放电状态约束:
Figure BDA0003925218200000051
式中,βch、βdis分别为储能***的充放电状态变量,0代表充电,1代表放电。
作为本发明的进一步改进,所述对所述基于共享储能的海上风电集群参与现货市场交易的优化运行模型进行优化求解,得到共享储能的目标充放电功率,包括:
汇总各海上风电场的发电信息以及储能状态;
随机生成N组共享储能在t时段提供给各海上风电场的充放电功率方案;
对所述优化运行模型经过预设迭代次数的迭代寻优,得到最终共享储能在t时段提供给各海上风电场的目标充放电功率方案。
一种海上风电共享储能参与现货市场交易协调优化***,包括:
获取模块,用于获取海上风电以及自配储能的各项参数;利用场景法生成风电出力信息;
建模模块,用于基于所述各项参数和所述风电出力信息建立海上风电场参与现货市场交易的收益模型;以海上风电及共享储能联合运行收益最大为目标函数,基于所述收益模型构建基于共享储能的海上风电集群参与现货市场交易的优化运行模型及约束条件;
求解模块,用于基于约束条件对所述优化运行模型进行优化求解,得到共享储能的目标充放电功率。
一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述海上风电共享储能参与现货市场交易协调优化方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述海上风电共享储能参与现货市场交易协调优化方法的步骤。
与现有技术相比,本发明具有以下有益效果:
本发明的海上风电共享储能参与现货市场交易协调优化方法,以海上风电和共享储能***收益最大为目标,构建共享储能参与的海上风电集群联盟参与现货市场的优化运行模型;生成提供给各海上风电场的最优充放电功率方案。本发明将海上风电场整合起来形成联盟,以共享储能的形式联合调度,提高整个海上风电场集群的收益。该方法基于合作的思想将海上风电场的储能进行联盟共享,共同参与电网调度,既能有效提高海上风电的消纳水平,又能提高海上风电的经济效益。
附图说明
图1为本发明提供的一种海上风电共享储能参与现货市场交易协调优化方法的流程图;
图2所示为海上风电场及共享除恶能拓扑结构图;
图3所示为混沌量子遗传算法优化求解共享储能提供给海上风电场的最优充放电功率流程;
图4为本发明一种海上风电共享储能参与现货市场交易协调优化***;
图5为本发明一种电子设备示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明提供了一种海上风电共享储能参与现货市场交易协调优化方法。该方法基于合作的思想将海上风电场的储能进行联盟共享,共同参与电网调度,既能有效提高海上风电的消纳水平,又能提高海上风电的经济效益。具体方案如下:
一种海上风电共享储能参与现货市场交易协调优化方法,包括如下步骤:
(1)选定某沿海地区的海上风电场集群,获取海上风电场以及自配储能的各项参数;
(2)利用场景法生成风电出力信息;
(3)建立海上风电场参与现货市场交易的收益模型,包括日前市场收益模型、实时市场收益模型、储能循环寿命成本模型;
(4)以海上风电及共享储能联合运行收益最大为目标函数,构建基于共享储能的海上风电场集群参与现货市场交易的优化运行模型;
(5)建立模型约束条件,包括储能充放电状态约束、共享储能功率平衡约束、容量约束、储能荷电量约束;
(6)基于建立的海上风电共享储能参与现货市场交易的优化运行模型,采用混沌量子遗传算法进行优化求解,得到共享储能目标的充放电功率。
以下结合具体实施例对本发明的方法进行详细说明。
如附图1所示,为本发明提供的一种海上风电共享储能参与现货市场交易协调优化方法的流程图,本发明一种海上风电共享储能参与现货市场交易协调优化方法,包括:
选定若干自配储能的海上风电场组成联盟,获取海上风电机组的预测出力值以及自配储能的各项参数;
以海上风电和共享储能***收益最大为目标,构建共享储能参与的海上风电集群联盟参与现货市场的优化运行模型;
其中,本发明考虑储能循环寿命成本,建立储能循环寿命成本模型;海上风电集群向共享储能平台上报每日发电短缺、发电过剩、以及自配储能等信息,以海上风电及共享储能联合运行收益最大为目标函数,生成提供给各海上风电场的最优充放电功率方案。本发明将海上风电场整合起来形成联盟,以共享储能的形式联合调度,提高整个海上风电场集群的收益。
各步骤说明如下:
步骤1、选定某沿海地区的海上风电场集群,获取海上风电场以及自配储能的各项参数,各项参数包括:风电场额定功率、储能容量,储能最大充放电功率,储能SOC区间,建设成本,最大充放电次数。
步骤2、生成海上风电出力场景,利用场景法生成风电出力信息;场景法具体表述为:
根据自回归滑动平均模型(ARMA)对风速信息进行预测;
采用拉丁超立方分层采样对风速预测误差进行抽样,并假设所采集的每个样本概率都相等;
采用向后削减技术对预测误差场景样本集合进行削减,合并相近的场景生成海上风电出力场景;
依据风速和风电功率之间的关系,给出海上风电出力场景的风电有限出力场景以及对应场景的概率。
步骤3、建立海上风电场参与现货市场交易的收益模型,包括日前市场收益模型、实时市场收益模型、储能循环寿命成本模型,具体表述为:
日前市场收益模型为:
Figure BDA0003925218200000091
实时市场收益模型为:
Figure BDA0003925218200000092
式中:T为联盟周期所包含的Δt的段数,S为海上风电出力场景总数,γs为场景s的概率,WA,t为联盟A在t时段参与现货市场交易的总收益,Ei,t为海上风电场i在t时段的总收益,具体表述如下:
Figure BDA0003925218200000093
Figure BDA0003925218200000094
Figure BDA0003925218200000095
式中:
Figure BDA0003925218200000096
为海上风电场在日前市场上的收益,
Figure BDA0003925218200000097
为海上风电场在实时市场上的收益,
Figure BDA0003925218200000098
为日前出清价格,
Figure BDA0003925218200000099
为海上风电场在日前市场的投标值,
Figure BDA00039252182000000910
为实际发电功率,λ+、λ-分别为正惩罚系数、负惩罚系数;
储能循环寿命成本模型为:
Figure BDA00039252182000000911
式中Ccycle为储能循环寿命成本,N为储能建设成本,
Figure BDA00039252182000000912
为储能在第t个时段的储能等效循环次数;
步骤4、以海上风电及共享储能联合运行收益最大为目标函数,构建共享储能参与的海上风电场集群参与现货市场交易的优化运行模型,具体表述为:
目标函数为:
Max(EA-Ccycle)
共享储能根据海上风电场的发电误差状态向海上风电场提供充放电功率,具体表述为:
联盟各海上风电场发电误差状态:
ΔPt=Preal-Pd
式中ΔPt为海上风电场在t时刻的发电误差,Preal为实际发电功率,Pd为在日前市场投标的功率;
如附图2所示,为海上风电场及共享储能平台拓扑图。
状态1、ΔP>>0,发电过剩,此时共享储能平台向海上风电场提供充电功率,当发电过剩功率超过了对外部共享储能供给的功率,此时剩余电力用于自配储能充电;当对外部共享储能供给的功率超过了发电过剩功率,消耗自配储能供给外部储能需求;
状态2、ΔP<0,发电短缺,此时共享储能平台向海上风电场提供放电功率,
当自配储能能够完全弥补发电缺额,共享储能为电站提供充电功率;当自配储能无法完全弥补发电缺额,共享储能为电站提供放电功率;
步骤5、建立模型约束条件,包括储能充放电状态约束、共享储能功率平衡约束、容量约束、储能荷电量约束;
风电投标功率约束:
Figure BDA0003925218200000101
式中,
Figure BDA0003925218200000102
为风电场在日前市场的投标功率,Pt,max为风电场额定功率。
正负偏差考核价格约束:
正负偏差电量考核电价参考日前出清价格设置,满足负偏差考核价格大于日前市场出清价格,正偏差考核价格小于日前市场出清价格的约束,具体表述为:
0<λ+<1
λ->1
式中,λ+、λ-分别为风电商日前投标出力与实际出力正向偏差考核价格系数及负向偏差考核价格技术;
功率平衡约束:
Figure BDA0003925218200000111
式中Pi,t为共享储能在t时段提供给新能源电站i的充放电功率,Pd,i,t为新能源电站i在t时段的充放电需求功率;
储能充放电功率约束:
-Pmax≤Pi,t≤Pmax
Pmax=min{Pc,Pm,i,t}
Pm,i,t=(SSOC,i,i-1-SSOC,min)Ciηdis/Δt
式中Pmax为储能的最大充放电功率,Pc为储能的额定功率,Pm,i,t为过新能源电站i在t时段的可用电量在t时段全部放出时对应的平均功率,SSOC,min为新能源电站自配储能荷电状态的下限值,Ci为储能的额定容量,ηdis为充放电效率;
储能荷电量约束:
SSOC,min≤Ssoc,i,t≤SSOC,max
式中,SSOC,min、SSOC,max分别为储能荷电状态的下限值、上限值;
储能充放电状态约束:
Figure BDA0003925218200000112
式中,βch、βdis分别为储能***的充放电状态变量,0代表充电,1代表放电;
步骤6、基于建立的海上风电共享储能参与现货市场优化运行模型,采用混沌量子遗传算法进行优化求解,得到共享储能最优的充放电功率,如附图3所示,为混沌量子遗传算法优化求解共享储能提供给海上风电场的最优充放电功率流程。
如图3所示,具体表述为:
汇总各海上风电场的发电信息以及储能状态;
随机生成N组共享储能在t时段提供给各海上风电场的充放电功率方案;
经过最大迭代次数的迭代寻优,优化得到最终共享储能在t时段提供给各海上风电场的充放电功率方案。
其中,经过最大迭代次数的迭代寻优(最大迭代次数预先设定得到),包括:
初始化种群,计算初始种群的联盟收益;
对比当前种群的适应度,寻找全局最优方案;
利用旋转量子门进行种群个体的更新;
达到最大迭代次数,得到共享储能目标最优的充放电功率。
若未达到最大迭代次数,返回初始化种群步骤,重新迭代计算。
如图4所示,本发明还提供一种海上风电共享储能参与现货市场交易协调优化***,包括:
获取模块,用于获取海上风电以及自配储能的各项参数;利用场景法生成风电出力信息;
建模模块,用于基于所述各项参数和所述风电出力信息建立海上风电场参与现货市场交易的收益模型;以海上风电及共享储能联合运行收益最大为目标函数,基于所述收益模型构建基于共享储能的海上风电集群参与现货市场交易的优化运行模型及约束条件;
求解模块,用于基于约束条件对所述优化运行模型进行优化求解,得到共享储能的目标充放电功率。
如图5所示,本发明提供一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述海上风电共享储能参与现货市场交易协调优化方法的步骤。
所述海上风电共享储能参与现货市场交易协调优化方法包括以下步骤:
获取海上风电场集群的海上风电场以及自配储能的各项参数;利用场景法生成风电出力信息;
基于各项参数和风电出力信息,建立海上风电场参与现货市场交易的收益模型;以海上风电及共享储能联合运行收益最大为目标函数,构建共享储能参与的海上风电场集群参与现货市场交易的优化运行模型,并建立收益模型约束条件;
基于收益模型约束条件,对所述海上风电场集群参与现货市场交易的优化运行模型进行优化求解,得到共享储能最优的充放电功率。
本发明第还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述海上风电共享储能参与现货市场交易协调优化方法的步骤。
所述海上风电共享储能参与现货市场交易协调优化方法包括以下步骤:
获取海上风电场集群的海上风电场以及自配储能的各项参数;利用场景法生成风电出力信息;
基于各项参数和风电出力信息,建立海上风电场参与现货市场交易的收益模型;以海上风电及共享储能联合运行收益最大为目标函数,构建共享储能参与的海上风电场集群参与现货市场交易的优化运行模型,并建立收益模型约束条件;
基于收益模型约束条件,对所述海上风电场集群参与现货市场交易的优化运行模型进行优化求解,得到共享储能最优的充放电功率。
本领域内的技术人员应明白,本发明的实施例可提供为方法、***、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。

Claims (10)

1.一种海上风电共享储能参与现货市场交易协调优化方法,其特征在于,包括:
获取海上风电以及自配储能的各项参数;利用场景法生成风电出力信息;
基于所述各项参数和所述风电出力信息建立海上风电场参与现货市场交易的收益模型;以海上风电及共享储能联合运行收益最大为目标函数,基于所述收益模型构建基于共享储能的海上风电集群参与现货市场交易的优化运行模型及约束条件;
基于约束条件对所述优化运行模型进行优化求解,得到共享储能的目标充放电功率。
2.根据权利要求1所述的海上风电共享储能参与现货市场交易协调优化方法,其特征在于,所述各项参数包括:风电场额定功率、储能容量、储能最大充放电功率、储能SOC区间、建设成本和最大充放电次数。
3.根据权利要求1所述的海上风电共享储能参与现货市场交易协调优化方法,其特征在于,所述利用场景法生成风电出力信息,包括:
根据自回归滑动平均模型对风速信息进行预测;
采用拉丁超立方分层采样对风速预测误差进行抽样,并假设所采集的每个样本概率都相等;
采用向后削减技术对预测误差场景样本集合进行削减,合并相近的场景生成海上风电出力场景;
依据风速和风电功率之间的关系,给出海上风电出力场景的风电有限出力场景以及对应场景的概率;
将所述风电有限出力场景以及对应场景的概率作为风电出力信息。
4.根据权利要求1所述的海上风电共享储能参与现货市场交易协调优化方法,其特征在于,所述建立海上风电场参与现货市场交易的收益模型,所述收益模型包括日前市场收益模型、实时市场收益模型、储能循环寿命成本模型,具体为:
日前市场收益模型为:
Figure FDA0003925218190000021
实时市场收益模型为:
Figure FDA0003925218190000022
式中:T为联盟周期所包含的Δt的段数,S为海上风电出力场景总数,γs为场景s的概率,WA,t为联盟A在t时段参与现货市场交易的总收益,Ei,t为海上风电场i在t时段的总收益,具体表述如下:
Figure FDA0003925218190000023
Figure FDA0003925218190000024
Figure FDA0003925218190000025
式中:
Figure FDA0003925218190000026
为海上风电场在日前市场上的收益,
Figure FDA0003925218190000027
为海上风电场在实时市场上的收益,
Figure FDA0003925218190000028
为日前出清价格,
Figure FDA0003925218190000029
为海上风电场在日前市场的投标值,
Figure FDA00039252181900000210
为实际发电功率,λ+、λ-分别为正惩罚系数、负惩罚系数;
储能循环寿命成本模型为:
Figure FDA00039252181900000211
式中,Ccycle为储能循环寿命成本,N为储能建设成本,
Figure FDA00039252181900000212
为储能在第t个时段的储能等效循环次数。
5.根据权利要求1所述的海上风电共享储能参与现货市场交易协调优化方法,其特征在于,所述以海上风电及共享储能联合运行收益最大为目标函数,所述目标函数为:
Max(EA-Ccycle)
式中,Ccycle为储能循环寿命成本,EA为日前市场收益模型;
共享储能根据海上风电场的发电误差状态向海上风电场提供充放电功率;
统计海上风电场发电误差状态:
ΔPt=Preal-Pd
式中,ΔPt为海上风电场在t时刻的发电误差,Preal为实际发电功率,Pd为在日前市场投标的功率。
6.根据权利要求1所述的海上风电共享储能参与现货市场交易协调优化方法,其特征在于,所述约束条件包括:
风电投标功率约束:
Figure FDA0003925218190000031
式中,
Figure FDA0003925218190000032
为风电场在日前市场的投标功率,Pt,max为风电场额定功率;
正负偏差考核价格约束:
0<λ+<1
λ->1
式中,λ+、λ-分别为风电商日前投标出力与实际出力正向偏差考核价格系数及负向偏差考核价格技术;
功率平衡约束:
Figure FDA0003925218190000033
式中Pi,t为共享储能在t时段提供给新能源电站i的充放电功率,Pd,i,t为新能源电站i在t时段的充放电需求功率;
储能充放电功率约束:
-Pmax≤Pi,t≤Pmax
Pmax=min{Pc,Pm,i,t}
Pm,i,t=(SSOC,i,i-1-SSOC,mon)Ciηdis/Δt
式中Pmax为储能的最大充放电功率,Pc为储能的额定功率,Pm,i,t为过新能源电站i在t时段的可用电量在t时段全部放出时对应的平均功率,SSOC,min为新能源电站自配储能荷电状态的下限值,Ci为储能的额定容量,ηdis为充放电效率;
储能荷电量约束:
SSOC,min≤Ssoc,i,t≤SSOC,max
式中,SSOC,min、SSOC,max分别为储能荷电状态的下限值、上限值;
储能充放电状态约束:
Figure FDA0003925218190000041
式中,βch、βdis分别为储能***的充放电状态变量,0代表充电,1代表放电。
7.根据权利要求1所述的海上风电共享储能参与现货市场交易协调优化方法,其特征在于,所述对所述基于共享储能的海上风电集群参与现货市场交易的优化运行模型进行优化求解,得到共享储能的目标充放电功率,包括:
汇总各海上风电场的发电信息以及储能状态;
随机生成N组共享储能在t时段提供给各海上风电场的充放电功率方案;
对所述优化运行模型经过预设迭代次数的迭代寻优,得到最终共享储能在t时段提供给各海上风电场的目标充放电功率方案。
8.一种海上风电共享储能参与现货市场交易协调优化***,其特征在于,包括:
获取模块,用于获取海上风电以及自配储能的各项参数;利用场景法生成风电出力信息;
建模模块,用于基于所述各项参数和所述风电出力信息建立海上风电场参与现货市场交易的收益模型;以海上风电及共享储能联合运行收益最大为目标函数,基于所述收益模型构建基于共享储能的海上风电集群参与现货市场交易的优化运行模型及约束条件;
求解模块,用于基于约束条件对所述优化运行模型进行优化求解,得到共享储能的目标充放电功率。
9.一种电子设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1-7任一项所述海上风电共享储能参与现货市场交易协调优化方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-7任一项所述海上风电共享储能参与现货市场交易协调优化方法的步骤。
CN202211370173.3A 2022-11-03 2022-11-03 海上风电共享储能参与现货市场交易协调优化方法及*** Pending CN115600757A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211370173.3A CN115600757A (zh) 2022-11-03 2022-11-03 海上风电共享储能参与现货市场交易协调优化方法及***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211370173.3A CN115600757A (zh) 2022-11-03 2022-11-03 海上风电共享储能参与现货市场交易协调优化方法及***

Publications (1)

Publication Number Publication Date
CN115600757A true CN115600757A (zh) 2023-01-13

Family

ID=84850953

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211370173.3A Pending CN115600757A (zh) 2022-11-03 2022-11-03 海上风电共享储能参与现货市场交易协调优化方法及***

Country Status (1)

Country Link
CN (1) CN115600757A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117791656A (zh) * 2023-12-28 2024-03-29 中国长江电力股份有限公司 一种面向多场景应用的共享储能优化控制方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117791656A (zh) * 2023-12-28 2024-03-29 中国长江电力股份有限公司 一种面向多场景应用的共享储能优化控制方法

Similar Documents

Publication Publication Date Title
CN108960510B (zh) 一种基于两阶段随机规划的虚拟电厂优化交易策略装置
CN109325608B (zh) 考虑储能并计及光伏随机性的分布式电源优化配置方法
CN109787261B (zh) 电网侧及用户侧储能***容量优化配置方法
CN110310173B (zh) 一种可再生能源参与中长期电力交易的电量分配方法
CN105846423A (zh) 一种计及需求响应的光伏微电网储能多目标容量配置方法
CN111523729B (zh) 基于igdt和需求响应的虚拟电厂竞价的优化控制方法
CN110633854A (zh) 一种考虑储能电池多重分段服务全生命周期优化规划方法
CN109146320B (zh) 一种考虑配电网安全性的虚拟电厂优化调度方法
CN115995850B (zh) 一种虚拟电厂群的协同调度优化方法和装置
CN112529249B (zh) 一种计及绿证交易的虚拟电厂优化调度及交易管理方法
CN112928767B (zh) 一种分布式储能协同控制方法
CN111553750A (zh) 一种计及电价不确定性和损耗成本的储能竞价策略方法
CN116706960A (zh) 一种整合风光储的虚拟电厂多主体博弈控制策略
CN116957294A (zh) 基于数字孪生的虚拟电厂参与电力市场交易的调度方法
CN116187019A (zh) 一种考虑阶梯碳价的含风光储的虚拟电厂经济调度方法
CN114926254A (zh) 储能电站参与调频辅助服务市场的竞价方法
CN115600757A (zh) 海上风电共享储能参与现货市场交易协调优化方法及***
CN114091825A (zh) 新-储电站参与电能量-调频辅助服务市场的竞价方法
CN112633675A (zh) 一种能量调度方法、装置、设备及计算机可读存储介质
CN114884101B (zh) 一种基于自适应模型控制预测的抽水蓄能调度方法
CN115776125A (zh) 一种储能与新能源场站的协同运行优化方法及装置
CN113255957A (zh) 综合服务站不确定因素的定量优化分析方法及***
Qiuna et al. A day-ahead optimal market bidding strategy for risk-averse virtual power plants based on stochastic dominance constraints
CN113077096B (zh) 一种电力交易中心计划电比例确定方法
CN110400079B (zh) 一种实现新能源用户社区能量分享的日前调度方法及***

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