CN116544991A - 一种考虑风电不确定性的风储联合优化调度方法 - Google Patents

一种考虑风电不确定性的风储联合优化调度方法 Download PDF

Info

Publication number
CN116544991A
CN116544991A CN202310497903.4A CN202310497903A CN116544991A CN 116544991 A CN116544991 A CN 116544991A CN 202310497903 A CN202310497903 A CN 202310497903A CN 116544991 A CN116544991 A CN 116544991A
Authority
CN
China
Prior art keywords
grid
power
storage battery
wind power
load
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
CN202310497903.4A
Other languages
English (en)
Inventor
孙培胜
郑传良
张慧捷
郑涛
叶家玮
林晨杰
张良
王超君
魏兰兰
付馨慧
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 Fujian Electric Power Co Ltd
Ningde Power Supply Co of State Grid Fujian Electric Power Co Ltd
Original Assignee
State Grid Fujian Electric Power Co Ltd
Ningde Power Supply Co of 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 Fujian Electric Power Co Ltd, Ningde Power Supply Co of State Grid Fujian Electric Power Co Ltd filed Critical State Grid Fujian Electric Power Co Ltd
Priority to CN202310497903.4A priority Critical patent/CN116544991A/zh
Publication of CN116544991A publication Critical patent/CN116544991A/zh
Pending legal-status Critical Current

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
    • H02J3/28—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
    • 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
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • 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
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • H02J2203/20—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
    • H02J2300/28—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
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (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

本发明涉及一种考虑风电不确定性的风储联合优化调度方法，包括：获取用电负荷预测值；构建风力发电预测模型，根据所述风力发电模型得到风力发电的输出功率预测值；构建蓄电池储能模型，根据所述蓄电池储能模型得到蓄电池储能运行成本；构建负荷需求响应模型，根据所述负荷需求响应模型对负荷进行一次调度，调度时考虑风力发电的输出功率，蓄电池储能运行状态和用电负荷；构建微电网优化调度模型，根据所述微电网优化调度模型对所述一次调度进行优化。该方法将负荷需求响应与风储联合运行相结合，建立了虑风电不确定性的风储联合优化调度模型，量化分析负荷需求响应的补偿成本与蓄电池储能***的运行损耗。

Description

一种考虑风电不确定性的风储联合优化调度方法
技术领域
本发明涉及一种考虑风电不确定性的风储联合优化调度方法，属于电力***优化调度技术领域。
背景技术
电力***优化调度能实现电网安全高效运行，包括包含中长期、短期和实时调度。中长期或者短期调度通常以优化周期内的运行经济性与安全性为目标；而实时调度根据电力***实时运行状态调整***运行方式。随着可再生能源接入比例的不断提高，电力***调度中的不确定性因素显著增加。相比于负荷，可再生能源发电具有更强的波动性与随机性，其大规模接入对电力***安全可靠运行提出了挑战，因此考虑不确定性因素的决策方法在电力***及综合能源***调度中逐步得到了重视与应用。
作为一种新型的网络***，微电网的要构成包括电源、储能装置以及负荷和安全装置等。微电网***的特点是小型、分布式和独立，它的本质是一个配电网，而这个网络拥有储能装置、分布式电源、用户负荷以及集中控制中心。当前微电网研究的主要目的，一个是帮助特殊用户可靠供电，另一个是保证偏远地方用户的供电需要。微电网的运行方式并不是唯一的，独立运行或是与大电网并网运行都是可行的。
微电网优化调度方法主要的作用是更好实现最优经济运行状态，同时要运用调度等方式实现电力***的整体推广。但是这种形式的电网是非常特殊的，使用时不能运用传统方式来进行整体套用，还需要考虑一些优化算法，同时结合一些管理模式来实现整体的综合优化，通常采用发电侧经济运行或需求侧经济运行两种方式实现优化调度。
清洁能源中风电具有间歇性和不确定性等不友好特性，大规模风电并网将对电力***的安全、经济运行带来严峻挑战。为了应对上述问题，诸多学者已开展了大量研究工作，其中，风电与电池储能联合运行被公认为是解决大规模风电并网及消纳问题的有效方式。
现阶段关于电力***日前优化调度的研究中，较少有研究针对风电和电池储能电站相互配合下的电力***日前优化调度方法，且现有技术中，蓄电池储能装置往往仅作为备用电源，在电网供电出现故障时启动，没有发挥应有的调节作用。充分发挥蓄电池的调蓄作用，不仅能够为微电网运行带来收益，节省大电网的建设投资，实现社会资源的优化；也能够充分利用可再生能源，为建设更安全经济稳定的电网提供技术支撑。。
在现有风_储微电网优化调度方法中，较少考虑蓄电池运行特性对风电消纳效果影响。因此，将将蓄电池储能***的充放电运行特性纳入调度模型建立，量化分析弃风经济损失与蓄电池储能***的运行损耗。
发明内容
为了克服上述问题，本发明提供一种考虑风电不确定性的风储联合优化调度方法，该方法将负荷需求响应与风储联合运行相结合，建立了虑风电不确定性的风储联合优化调度模型，量化分析负荷需求响应的补偿成本与蓄电池储能***的运行损耗。
本发明的技术方案如下：
一种考虑风电不确定性的风储联合优化调度方法，包括：
获取用电负荷预测值；
构建风力发电预测模型，根据所述风力发电模型得到风力发电的输出功率预测值；
构建蓄电池储能模型，根据所述蓄电池储能模型得到蓄电池储能运行成本；
构建负荷需求响应模型，根据所述负荷需求响应模型对负荷进行一次调度，调度时考虑风力发电的输出功率，蓄电池储能运行状态和用电负荷；
构建微电网优化调度模型，根据所述微电网优化调度模型对所述一次调度进行优化。
进一步的，所述风力发电模型为：
其中，PWT为风力发电的输出功率，k1、k2和k3为风机的工作特性参数，vin、vr和vout分别为切入风速、额定风速和切出风速，Pt为风电输出功率的额定值，v为风速。
进一步的，所述构建蓄电池储能模型，具体为构建运行成本模型：
FES(t)＝rESεPES(t)+eES(t)；
其中，rES为蓄电池在t时刻的工作状态，运行时，rES＝1，未运行时，rES＝0，ε为蓄电池维护系数，eES(t)为蓄电池寿命损耗成本。
进一步的，所述构建负荷需求响应模型，具体为构建以电能供需差异最小为目的的模型：
其中，F为电能供需差异，PL(t)为用电负荷，
进一步的，所述负荷需求响应模型还包括：
将符合划分为重要符负荷、可转移负荷和可中断负荷；
在功能不足时，切断可中断负荷；
对可中断负荷进行补偿，补偿模型为：
Cbreak＝KPbreak(t)；
其中，K为可中断负荷的单位补偿系数，Cbreak为补偿成本，Pbreak(t)为单位时间内
中断的负荷。
进一步的，所述构建微电网优化调度模型，具体为：
以成本最低为目标构建目标函数：
minF1＝CWT(t)+xCgrid(t)+yC1(t)；
其中，F1为微电网运行成本，CWT(t)为风机运行维护成本，Cgrid(t)为微电网与大电网发生电能交互的成本，C1(t)为停电补偿成本，x、y为前置系数，并网运行时，x＝1，y＝0，离网运行时，x＝0，y＝1；
风机运行维护成本CWT(t)具体为：
其中，N为风机数量，Ki、PWT,i分别为风机i的运行维护系数、输出功率；
微电网与大电网发生电能交互的成本Cgrid(t)具体为：
Cgrid(t)＝Cg(t)Pg(t)-Cs(t)Ps(t)；
其中，Cg(t)、Cs(t)分别微电网的购电、售电价格；Pg(t)、Ps(t)分别为
微电网的购电、售电量；
停电补偿成本C1(t)具体为：
C1(t)＝mPcut；
其中，m为微电网的单位停电成本，Pcut为被切段负荷功率。
进一步的，所述构建微电网优化调度模型，具体为：
以微电网日弃风率最小为目标构建目标函数：
其中，F2为微电网日弃风率，PWT,L为单位时间内消纳风电的平均功率。
进一步的，微电网运行时，满足以下约束调条件：
功率平衡约束：
PWT,L-PES+xPgrid+yPcut＝PL；
其中，PL为微电网负荷功率，PES为储能电池的充放电功率，PES为正值时蓄电池处于充电状态，为负值时蓄电池处于放电状态，Pgrid为大电网功率。
风电出力约束：
其中，分别为风机出力上、下限值；
大电网联络线传输功率约束：
其中，分别为大电网联络线上能通过的最大、最小功率；
蓄电池充放电约束：
SOCmin≤SOC(t)≤SOCmax；
其中，SOCmax、SOCmin分别为蓄电池最大、最小容量；分别为蓄电池的最大、最小冲放电功率。
进一步的，蓄电池最大、最小容量约束通过计算电池荷电量实现，具体为：
根据t时刻蓄电池单位时刻内的充放电功率PES(t)计算t时刻的电池荷电量：
充电时，PES≤0，t时刻的电池荷电量为：
放电时，PES≥0，t时刻的电池荷电量为：
其中，CSOC(t)、CSOC(t-1)分别为蓄电池t时刻、t-1时刻的荷电状态；PES(t)为蓄电池在单位时刻内的充放电功率；ηESC、ηESD分别为充、放电效率；KES为蓄电池容量；HES为蓄电池自放电率；
储能需满足如下约束：
放电时，CSOC(t)需大于0％，充电时，CSOC(t)需小于100％。
进一步的，还包括对微电网进行并网调度，具体为：
S1、获取下一时刻风力发电的输出功率预测值和用电负荷预测值；
S2、判断风力发电的输出功率预测值是否大于用电负荷预测值，若是，则执行步骤S3，否则执行步骤S6；
S3、判断蓄电池储能是否满载。若是，则禁止蓄电池储能充电，并执行步骤S4，否则执行步骤S5；
S4、利用风力发电为微电网供能，并向大电网售电，执行步骤S1；
S5、蓄电池储能恒压充电，并执行步骤S4；
S6、判断蓄电池储能电量是否大于总容量的20％，若是则执行步骤S7，否则执行步骤S8；
S7、蓄电池储能向微电网供电，执行步骤S9；
S8、蓄电池储能停止放电，微电网像大电网购电；
S9、判断用电负荷是否大于蓄电池储能最大放电功率与风力发电输出功率之和，若是，则蓄电池储能在保证电量大于总容量20％的条件下，全力放电，且微电网向大电网购电，使得风力发电输出功率、蓄电池储能放电功率和购电功率满足用电负荷需求，并执行步骤S1，否则蓄电池储能在保证电量大于总容量20％的条件下放电，使得风力发电输出功率、蓄电池储能放电功率满足用电负荷需求，并执行步骤S1。
本发明具有如下有益效果：
该方法将负荷需求响应与风储联合运行相结合，建立了虑风电不确定性的风储联合优化调度模型，量化分析负荷需求响应的补偿成本与蓄电池储能***的运行损耗，可适用于海岛等微电网优化调度。
附图说明
图1为本发明实施例中微电网并网调度的流程示意图。
具体实施方式
下面结合附图和具体实施例来对本发明进行详细的说明。
一种考虑风电不确定性的风储联合优化调度方法，包括：
获取用电负荷预测值；
构建风力发电预测模型，根据所述风力发电模型得到风力发电的输出功率预测值；
构建蓄电池储能模型，根据所述蓄电池储能模型得到蓄电池储能运行成本；
构建负荷需求响应模型，根据所述负荷需求响应模型对负荷进行一次调度，调度时考虑风力发电的输出功率，蓄电池储能运行状态和用电负荷；
构建微电网优化调度模型，根据所述微电网优化调度模型对所述一次调度进行优化。
在本发明的一种实施方式中，所述风力发电模型为：
其中，PWT为风力发电的输出功率，k1、k2和k3为风机的工作特性参数，vin、vr和vout分别为切入风速、额定风速和切出风速，Pt为风电输出功率的额定值，v为风速。
蓄电池储能时，需要考虑储能运行成本，在本发明的一种实施方式中，所述构建蓄电池储能模型，具体为构建运行成本模型：
FES(t)＝rESεPES(t)+eES(t)；
其中，rES为蓄电池在t时刻的工作状态，运行时，rES＝1，未运行时，rES＝0，ε为蓄电池维护系数，eES(t)为蓄电池寿命损耗成本。
负荷需求响应旨在使微电网***的供需差异尽可能缩小。在微电网优化调度中，不可避免地会出现一些突发情况，此时就需要用户侧参与负荷需求响应，要求调度后的负荷曲线要与光伏、风电之类的可再生能源的出力曲线尽可能贴近，使可再生能源的利用达到最大化，使***供需差异尽可能小。在本发明的一种实施方式中，所述构建负荷需求响应模型，具体为构建以电能供需差异最小为目的的模型：
其中，F为电能供需差异，PL(t)为用电负荷，
在微电网优化调度过程中，若负荷达到各电源出力峰值或***某部分出现故障时，调度部门将会发送信号，通知需求侧的用户减少或终止用电，随着微电网的逐步完善，考虑需求响应将在未来将逐渐成为一种常态。由于用电类型的不同，需求侧负荷类型也会不同，按其重要程度可以分为三大类，分别为重要负荷、可转移负荷和可中断负荷。
(1)重要负荷：必须保证此类负荷的安全平稳运行，一旦切断将会造成严重后果；
(2)可转移负荷：可以将一个单位时间内的负荷平移到另一个单位时间内，可以灵活地根据实际情况对负荷进行管理，以满足实际需求；
(3)可中断负荷：重要程度较低，在需要时可对该种负荷进行切断处理，但是会给予一定的经济补偿。
在本发明的一种实施方式中，所述负荷需求响应模型还包括：
将符合划分为重要符负荷、可转移负荷和可中断负荷；
在功能不足时，切断可中断负荷；
对可中断负荷进行补偿，补偿模型为：
Cbreak＝KPbreak(t)；
其中，K为可中断负荷的单位补偿系数，Cbreak为补偿成本，Pbreak(t)为单位时间内
中断的负荷。
微电网的优化调度就是***未来各个时段的可再生能源出力和负荷需求，并根据所得数据，按照目标要求来计算得出未来各个时段各微电源的最优出力情况。在本发明的一种实施方式中，所述构建微电网优化调度模型，具体为：
以成本最低为目标构建目标函数：
minF1＝CWT(t)+xCgrid(t)+yC1(t)；
其中，F1为微电网运行成本，CWT(t)为风机运行维护成本，Cgrid(t)为微电网与大电网发生电能交互的成本，C1(t)为停电补偿成本，x、y为前置系数，并网运行时，x＝1，y＝0，离网运行时，x＝0，y＝1；
风机运行维护成本CWT(t)具体为：
其中，N为风机数量，Ki、PWT,i分别为风机i的运行维护系数、输出功率；
微电网与大电网发生电能交互的成本Cgrid(t)具体为：
Cgrid(t)＝Cg(t)Pg(t)-Cs(t)Ps(t)；
其中，Cg(t)、Cs(t)分别微电网的购电、售电价格；Pg(t)、Ps(t)分别为
微电网的购电、售电量；
停电补偿成本C1(t)具体为：
C1(t)＝mPcut；
其中，m为微电网的单位停电成本，Pcut为被切段负荷功率。
该实施方式以实现***的经济稳定运行为目标，建立了在微电网在并网和离网两种运行方式下的以目标函数和约束条件为基础的多源互补的微电网优化调度模型。
在本发明的一种实施方式中，所述构建微电网优化调度模型，具体为：
以微电网日弃风率最小为目标构建目标函数：
其中，F2为微电网日弃风率，PWT,L为单位时间内消纳风电的平均功率。
在本发明的一种实施方式中，微电网运行时，满足以下约束调条件：
功率平衡约束：
PWT,L-PES+xPgrid+yPcut＝PL；
其中，PL为微电网负荷功率，PES为储能电池的充放电功率，PES为正值时蓄电池处于充电状态，为负值时蓄电池处于放电状态，Pgrid为大电网功率。
风电出力约束：
其中，分别为风机出力上、下限值；
大电网联络线传输功率约束：
其中，分别为大电网联络线上能通过的最大、最小功率；
蓄电池充放电约束：
SOCmin≤SOC(t)≤SOCmax；
其中，SOCmax、SOCmin分别为蓄电池最大、最小容量；分别为蓄电池的最大、最小冲放电功率。
在本发明的一种实施方式中，蓄电池最大、最小容量约束通过计算电池荷电量实现，具体为：
根据t时刻蓄电池单位时刻内的充放电功率PES(t)计算t时刻的电池荷电量：
充电时，PES≤0，t时刻的电池荷电量为：
放电时，PES≥0，t时刻的电池荷电量为：
其中，CSOC(t)、CSOC(t-1)分别为蓄电池t时刻、t-1时刻的荷电状态；PES(t)为蓄电池在单位时刻内的充放电功率；ηESC、ηESD分别为充、放电效率；KES为蓄电池容量；HES为蓄电池自放电率；
储能需满足如下约束：
放电时，CSOC(t)需大于0％，充电时，CSOC(t)需小于100％。
蓄电池荷电状态(SOC)是通过某一时刻蓄电池当前电量与额定容量进行对比来说明其目前的能量存储状态。荷电状态的两个极端是0％和100％，前者是指蓄电池能量耗尽，不能再进行放电，后者是指蓄电池能量充满，不能再进行充电。
考虑到蓄电池储能采用锂电池时，深度充放有害与锂电池寿命，在部分实施例中，蓄电池储能采用锂电池，放电时，CSOC(t)需大于20％，充电时，CSOC(t)需小于100％。
进一步的，还包括对微电网进行并网调度，具体为：
S1、获取下一时刻风力发电的输出功率预测值和用电负荷预测值；
S2、判断风力发电的输出功率预测值是否大于用电负荷预测值，若是，则执行步骤S3，否则执行步骤S6；
S3、判断蓄电池储能是否满载。若是，则禁止蓄电池储能充电，并执行步骤S4，否则执行步骤S5；
S4、利用风力发电为微电网供能，并向大电网售电，执行步骤S1；
S5、蓄电池储能恒压充电，并执行步骤S4；
S6、判断蓄电池储能电量是否大于总容量的20％，若是则执行步骤S7，否则执行步骤S8；
S7、蓄电池储能向微电网供电，执行步骤S9；
S8、蓄电池储能停止放电，微电网像大电网购电；
S9、判断用电负荷是否大于蓄电池储能最大放电功率与风力发电输出功率之和，若是，则蓄电池储能在保证电量大于总容量20％的条件下，全力放电，且微电网向大电网购电，使得风力发电输出功率、蓄电池储能放电功率和购电功率满足用电负荷需求，并执行步骤S1，否则蓄电池储能在保证电量大于总容量20％的条件下放电，使得风力发电输出功率、蓄电池储能放电功率满足用电负荷需求，并执行步骤S1。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种考虑风电不确定性的风储联合优化调度方法，其特征在于，包括：
获取用电负荷预测值；
构建风力发电预测模型，根据所述风力发电模型得到风力发电的输出功率预测值；
构建蓄电池储能模型，根据所述蓄电池储能模型得到蓄电池储能运行成本；
构建负荷需求响应模型，根据所述负荷需求响应模型对负荷进行一次调度，调度时考虑风力发电的输出功率，蓄电池储能运行状态和用电负荷；
构建微电网优化调度模型，根据所述微电网优化调度模型对所述一次调度进行优化。
2.根据权利要求1所述考虑风电不确定性的风储联合优化调度方法，其特征在于，所述风力发电模型为：
其中，PWT为风力发电的输出功率，k1、k2和k3为风机的工作特性参数，vin、vr和vout分别为切入风速、额定风速和切出风速，Pt为风电输出功率的额定值，v为风速。
3.根据权利要求2所述考虑风电不确定性的风储联合优化调度方法，其特征在于，所述构建蓄电池储能模型，具体为构建运行成本模型：
FES(t)＝rESεPES(t)+eES(t)；
其中，rES为蓄电池在t时刻的工作状态，运行时，rES＝1，未运行时，rES＝0，ε为蓄电池维护系数，eES(t)为蓄电池寿命损耗成本。
4.根据权利要求3所述考虑风电不确定性的风储联合优化调度方法，其特征在于，所述构建负荷需求响应模型，具体为构建以电能供需差异最小为目的的模型：
其中，F为电能供需差异，PL(t)为用电负荷。
5.根据权利要求4所述考虑风电不确定性的风储联合优化调度方法，其特征在于，所述负荷需求响应模型还包括：
将符合划分为重要符负荷、可转移负荷和可中断负荷；
在功能不足时，切断可中断负荷；
对可中断负荷进行补偿，补偿模型为：
Cbreak＝KPbreak(t)；
其中，K为可中断负荷的单位补偿系数，Cbreak为补偿成本，Pbreak(t)为单位时间内中断的负荷。
6.根据权利要求5所述考虑风电不确定性的风储联合优化调度方法，其特征在于，所述构建微电网优化调度模型，具体为：
以成本最低为目标构建目标函数：
minF1＝CWT(t)+xCgrid(t)+yC1(t)；
其中，F1为微电网运行成本，CWT(t)为风机运行维护成本，Cgrid(t)为微电网与大电网发生电能交互的成本，C1(t)为停电补偿成本，x、y为前置系数，并网运行时，x＝1，y＝0，离网运行时，x＝0，y＝1；
风机运行维护成本CWT(t)具体为：
其中，N为风机数量，Ki、PWT,i分别为风机i的运行维护系数、输出功率；
微电网与大电网发生电能交互的成本Cgrid(t)具体为：
Cgrid(t)＝Cg(t)Pg(t)-Cs(t)Ps(t)；
其中，Cg(t)、Cs(t)分别微电网的购电、售电价格；Pg(t)、Ps(t)分别为
微电网的购电、售电量；
停电补偿成本C1(t)具体为：
C1(t)＝mPcut；
其中，m为微电网的单位停电成本，Pcut为被切段负荷功率。
7.根据权利要求5所述考虑风电不确定性的风储联合优化调度方法，其特征在于，所述构建微电网优化调度模型，具体为：
以微电网日弃风率最小为目标构建目标函数：
其中，F2为微电网日弃风率，PWT,L为单位时间内消纳风电的平均功率。
8.根据权利要求6或7所述考虑风电不确定性的风储联合优化调度方法，其特征在于，微电网运行时，满足以下约束调条件：
功率平衡约束：
PWT,L-PES+xPgrid+yPcut＝PL；
其中，PL为微电网负荷功率，PES为储能电池的充放电功率，PES为正值时蓄电池处于充电状态，为负值时蓄电池处于放电状态，Pgrid为大电网功率。
风电出力约束：
其中，分别为风机出力上、下限值；
大电网联络线传输功率约束：
其中，分别为大电网联络线上能通过的最大、最小功率；
蓄电池充放电约束：
SOCmin≤SOC(t)≤SOCmax；
其中，SOCmax、SOCmin分别为蓄电池最大、最小容量；分别为蓄电池的最大、最小冲放电功率。
9.根据权利要求8所述考虑风电不确定性的风储联合优化调度方法，其特征在于，蓄电池最大、最小容量约束通过计算电池荷电量实现，具体为：
根据t时刻蓄电池单位时刻内的充放电功率PES(t)计算t时刻的电池荷电量：
充电时，PES≤0，t时刻的电池荷电量为：
放电时，PES≥0，t时刻的电池荷电量为：
其中，CSOC(t)、CSOC(t-1)分别为蓄电池t时刻、t-1时刻的荷电状态；PES(t)为蓄电池在单位时刻内的充放电功率；ηESC、ηESD分别为充、放电效率；KES为蓄电池容量；HES为蓄电池自放电率；
储能需满足如下约束：
放电时，CSOC(t)需大于0％，充电时，CSOC(t)需小于100％。
10.根据权利要求1所述考虑风电不确定性的风储联合优化调度方法，其特征在于，还包括对微电网进行并网调度，具体为：
S1、获取下一时刻风力发电的输出功率预测值和用电负荷预测值；
S2、判断风力发电的输出功率预测值是否大于用电负荷预测值，若是，则执行步骤S3，否则执行步骤S6；
S3、判断蓄电池储能是否满载。若是，则禁止蓄电池储能充电，并执行步骤S4，否则执行步骤S5；
S4、利用风力发电为微电网供能，并向大电网售电，执行步骤S1；
S5、蓄电池储能恒压充电，并执行步骤S4；
S6、判断蓄电池储能电量是否大于总容量的20％，若是则执行步骤S7，否则执行步骤S8；
S7、蓄电池储能向微电网供电，执行步骤S9；
S8、蓄电池储能停止放电，微电网像大电网购电；
S9、判断用电负荷是否大于蓄电池储能放电最大功率与风力发电输出功率之和，若是，则蓄电池储能在保证电量大于总容量20％的条件下，全力放电，且微电网向大电网购电，使得风力发电输出功率、蓄电池储能放电功率和购电功率满足用电负荷需求，并执行步骤S1，否则蓄电池储能在保证电量大于总容量20％的条件下放电，使得风力发电输出功率、蓄电池储能放电功率满足用电负荷需求，并执行步骤S1。
CN202310497903.4A 2023-05-05 2023-05-05 一种考虑风电不确定性的风储联合优化调度方法 Pending CN116544991A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310497903.4A CN116544991A (zh) 2023-05-05 2023-05-05 一种考虑风电不确定性的风储联合优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310497903.4A CN116544991A (zh) 2023-05-05 2023-05-05 一种考虑风电不确定性的风储联合优化调度方法

Publications (1)

Publication Number Publication Date
CN116544991A true CN116544991A (zh) 2023-08-04

Family

ID=87442960

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310497903.4A Pending CN116544991A (zh) 2023-05-05 2023-05-05 一种考虑风电不确定性的风储联合优化调度方法

Country Status (1)

Country Link
CN (1) CN116544991A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117254497A (zh) * 2023-11-20 2023-12-19 国网山东省电力公司枣庄供电公司 用于用户侧分布式能源***的电数字数据处理方法和***

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117254497A (zh) * 2023-11-20 2023-12-19 国网山东省电力公司枣庄供电公司 用于用户侧分布式能源***的电数字数据处理方法和***

Similar Documents

Publication Publication Date Title
KR101834061B1 (ko) 신재생 에너지 연계형 ess의 전력 관리 방법
CN110112783B (zh) 光伏蓄电池微电网调度控制方法
CN106099965B (zh) 交流微电网并网状态下复杂混合储能***的协调控制方法
CN107425534B (zh) 一种基于优化蓄电池充放电策略的微电网调度方法
CN102361328A (zh) 一种利用风能、光能互补并与市电综合利用的分布式微网***
CN107104462B (zh) 一种用于风电场储能调度的方法
CN110061492B (zh) 考虑配电网供电可靠性的储能***容量优化配置方法
CN113919620A (zh) 一种风光储微电网日前能量调度算法
CN110783959A (zh) 一种新能源发电***的稳定状态控制***
CN115173452B (zh) 光伏发电储能控制方法、***及存储介质
CN116544991A (zh) 一种考虑风电不确定性的风储联合优化调度方法
CN116760025B (zh) 电力***的风险调度优化方法和***
CN110826210B (zh) 基于功率互联的多区域楼宇虚拟电厂建模及优化协调方法
CN110739684B (zh) 基于多时间尺度的多交直流混合微电网优化调度方法
CN110165692B (zh) 基于光伏-蓄电池-温控负荷的虚拟储能调峰***与方法
CN104281984A (zh) 一种用于微电网经济运行的供电方法
CN114611957B (zh) 一种用于供需预测偏差二次修正储能能量管理方法
JP7252116B2 (ja) 再生可能エネルギー発電システム
Mishan et al. Co-optimization of operational unit commitment and reserve power scheduling for modern grid
CN113629758A (zh) 一种多能源并网运行控制方法和***
Zhang et al. Research on optimal configuration of energy storage in wind-solar microgrid considering real-time electricity price
CN109921447A (zh) 一种基于储能装置soc动态约束的微网经济调度方法
Jiao et al. Cooperative Energy Management for Enterprise Microgrid Using Electrical Energy Router
Hongli et al. Day-ahead optimal dispatch of regional power grid based on electric vehicle participation in peak shaving pricing strategy
Zhao et al. Risk-constrained day-ahead scheduling for wind power and pumped hydro storage based on information-gap decision theory

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