本發明涉及電力系統
技術領域：
，具體涉及基于經濟調度的風電儲能源功率與容量優化配置方法。
背景技術：
：在污染和資源耗竭的擔憂下，可再生能源發電具有環保和可持續性等特點，其得到了業界的普遍認可，目前中國正在建設含高比例可再生能源的新一代電力系統。隨著可再生能源并網尤其是風電上網比例提高，電網將呈現出更強的隨機性和波動性。目前，風電功率預測的精確性雖然得到穩步提高，但它的不確定性仍是一個難題，為有效抑制電網功率波動，配置合適容量的儲能顯得尤其重要。風力發電作為可再生能源中最具有大規模開發與商業化前景的發電方式，應用日趨成熟，已由小容量離網型發展為大規模并網型，在電網所占比例也大幅增加。但風電場輸出功率受風速影響很大，具有不可控和不可預期的特點。當電網接納的風電容量超過一定比例時，會使原動機輸出的機械功率發生變化，從而使發電機輸出功率產生波動而使頻率越限、電能質量下降。而且風電場多位于電網末端，運行需要較強的無功支撐，所以風電場功率波動還將造成風電場接入點電壓明顯變化，并導致電壓穩定破壞的后果。雖然許多研究用不同的算法對風速進行預測，希望借此對含并網風電場系統進行調度。但對幅值波動和時間間隔較小的風進行精準預測是很困難的，但儲能裝置可以促進發電機輸出電壓和頻率質量的改善，電池儲能系統具有能量密度高、響應速度快的特點，可在s級、min級、小時乃至季節時間尺度對電力系統的運行進行支持。也是平抑風電功率預測誤差的理想選擇，然而現有儲能電池成本過高，國家也未出臺相關政策，對用于跟蹤風電計劃出力的電池儲能系統功率與容量的優化配置成為決定投資成本、縮減預測誤差的重要因素。因此，為風電系統配置合適規格的儲能裝置，能有效抑制電網功率波動并提高系統經濟運行水平，本發明提出了一種基于經濟調度的風電儲能源功率與容量優化配置方法。技術實現要素：本發明所要解決的主要技術問題是提供一種基于經濟調度的風電儲能源功率與容量優化配置方法，旨在對不確定風電環境下的風儲有效配合問題，提出了儲能裝置功率和容量最優配置的隨機規劃模型，并基于點估計和并行分支定界策略的綜合求解方案，快速有效地求解儲能隨機規劃模型，從而確定儲能裝置的最優功率和容量配置方案。為實現上述目的，本發明采用了以下技術方案：基于經濟調度的風電儲能源功率與容量優化配置方法，該方法包括以下步驟：(1)建立風電功率的威布爾概率曲線。(2)建立基于經濟調度的風電系統儲能裝置隨機規劃模型。(3)采用“2m+1”點估計法來處理步驟(2)建立的儲能裝置隨機規劃模型。(4)采用并行分支定界法來求解步驟(3)處理過的儲能裝置隨機規劃模型，得出儲能裝置的最優功率和容量配置方案。進一步的，步驟(1)所述的“建立風電功率的威布爾概率曲線”的具體內容為：針對多年的風電歷史數據，將每一天同一小時風電數據用直方圖進行數據統計，再進行概率曲線擬合可獲得一天24小時對應的24組風電功率的威布爾概率曲線，從而可以將風電功率的概率特征方便的考慮在后文提出的儲能裝置容量配置隨機規劃模型中。風電功率的概率曲線公式如下：式中λ為形狀系數、k為尺度參數、pwt為第t時刻的風電功率。進一步的，步驟(2)中所述的“建立風電功率的儲能裝置隨機規劃模型”的具體內容為：將儲能裝置的安裝和運行成本按天均攤，以機組組合問題為背景提出兼顧儲能裝置安裝、運行日均攤費用及機組期望費用的儲能裝置隨機規劃模型，以期望值的形式來表述：Min式中，E代表數學期望值計算，ICp和ICSOC為單位功率和單位容量費用系數，FCcost包括所有N臺機組在T時間段內總的機組燃料費用和啟停費用，見式(3)式(3)中F(Pit)＝ai·(Pit)2+bi·Pit+ci；ai,bi和ci是燃料費用系數，Pit是機組i在時刻t的有功功率。式(2)中第二、三項代表儲能安裝和運行費用，而其單位功率和單位容量費用系數可依據資本收益率、利用式(4)-(5)按天均攤計算獲得。式(4)-(5)中，Invp和Invc代表每單位容量和單位功率一次性安裝費用，單位為：$/MW和$/MWh,OMc是儲能裝置的每年運行和維護費用，$/MWh-year；l是ESS的壽命，單位為年；r是投資回報率，Ndays是一年的天數。儲能裝置容量配置模型含有的常規機組功率平衡約束和儲能裝置自有特性約束如下：a.系統的有功功率平衡約束：b.系統向上、下旋轉備用約束：c.機組爬坡率約束：Pit-Pi(t-1)≤[1-xit·(1-xi(t-1))]·URi+xit·(1-xi(t-1))·Pi,min(9)Pi(t-1)-Pit≤[1-xi(t-1)·(1-xit)]·DRi+xi(t-1)·(1-xit)·Pi,min(10)d.機組功率上下限約束：Pi,min·xit≤Pit≤Pi,max·xit(11)e.機組最小開停機時間約束：f.儲能裝置的充放電功率約束：g.儲能裝置的充放電狀態約束：uch,t+udis,t≤1(16)h.儲能裝置的SOC儲能約束：SOCt＝SOC(t-1)+Pch,t·Δt-Pdis,t·Δt(17)i.儲能裝置能量連續使用約束，即儲能裝置起始儲能等于調度結束時的儲能：SOCT＝SOC0(19)式(6)-(19)中，Pi,max和Pi.min分別為機組i的最大功率和最小功率；xit機組i的啟停狀態，1代表開啟；SUi和SDi機組i的開、停機費用；Pw,t為風電t時刻的有功功率，ηch、ηdis為儲能裝置的充放電效率，uch,t、udis,t、Pch,t和Pdis,t為儲能裝置的充放電狀態(1為充電,其他為0)和功率；η1和η2為儲能裝置的儲能上下限系數；PD,t系統t時刻負荷水平；SRU,t和SRD,t系統t時刻向上、下旋轉備用需求；URi和DRi機組i向上、下爬坡功率限值；MUTi、MDTi為機組i最小開、停機時間；和機組i時刻t已開、停機總時間；SOCt為儲能裝置時刻t的儲存能量。進一步的，步驟(3)中所述的“采用“2m+1”點估計法來處理步驟(2)建立的儲能裝置隨機規劃模型”的具體內容為：在儲能裝置的模型中，設定每小時的風電為一個隨機變量，T小時的風電便形成了T維的隨機向量，記為(pw1,pw2,…,pwt,…,pwT)。據2m+1點估計理論，隨機向量的樣本通過以下方式產生：在t(t＝1,2,…,T)時刻的風電功率用三個典型值pwt,k(k＝1,2,3)代替，而剩下T-1個隨機變量固定在其均值μw1,μw2,…,μwT，因此僅處理第t時刻的隨機變量pwt，便會產生3組風電樣本值(μw1,μw2,…pwt,k,...,μwT)(k＝1,2,3)。對于T小時的風電隨機向量，最終會產生3T組風電樣本值(μw1,μw2,…pwt,k,...,μwT)(k＝1,2,3；t＝1,2,…,T)。而典型值pwt,k(k＝1,2,3)計算如下：pwt,k＝μwt+εt,k·σwtk＝1,2,3；t＝1,2,...T(20)式中：εt,k是標準化的位置系數，μwt和σwt為第t小時風電出力pwt的均值和方差，可從步驟(1)中風電功率的概率曲線獲得。而位置系數εt,k和權重ωt,k可按式(21)計算：式中λt,3和λt,4是第t小時風電功率pwt的偏度和峰度。另外式(22)中，εt,3＝0導致pwt,k＝μwt,因此T組風電樣本均相同為：(μw1,μw2,…,μwt,...,μwT)，而它們對應的權重系數之和為：進而3T組風電樣本減少為2T+1組風電樣本。對于2T+1組風電樣本，通過求解確定性的機組組合問題便可獲得2T+1個系統燃料費用值。記2T+1組風電樣本對應的燃料費用為FCs，對應的權重系數為ζs(s＝1,2,…,2T+1)，則2T+1組風電樣本對應的燃料費用期望值為：將式(24)代入式(2)，所提模型的目標函數轉化為式(25)：式中和為風電樣本s下，第i臺機組t時刻的機組啟停狀態及功率。采用類似(同樣的)手法，將式(6)中風電Pw,t用點估計法產生的風電樣本代替，并計及對其他變量的影響，儲能裝置隨機規劃模型的約束(6)-(19)即轉化為(26)-(39)。最終通過點估計法將儲能裝置的成本收益隨機模型(1)-(19)轉化為確定性優化模型，其包含目標函數(25)和約束條件(26)-(39)。式中：變量帶上標s代表在第s個風電功率樣本值下的對應變量。進一步的，步驟(4)中所述的“采用并行分支定界法來求解步驟(3)處理過的儲能裝置隨機規劃模型，得出儲能裝置的最優功率和容量配置方案”的具體內容為：a.首先，根據點估計法產生2T+1組風電樣本(pw1,pw2,…,pwt,…,pwT)及對應權重系數ζs(s＝1,2,…,2T+1)；b.將儲能裝置的參數和離散化，再兩兩交叉形成網格式的數據對c.基于步驟b的數據對對每一組風電樣本(pw1,pw2,…,pwt,…,pwT)求解一次機組組合問題；因此對于2T+1組風電樣本(pw1,pw2,…,pwt,…,pwT)，可采用分支定界方法并行求解2T+1次機組組合問題，從而獲得步驟(3)中目標函數和約束函數中2T+1次機組燃料費用FCs(s＝1,2,…,2T+1)；d.根據FCs(s＝1,2,…,2T+1)及對應的權重ζs計算系統燃料費用的期望值，再依據式(25)加上儲能裝置的安裝和運行日均攤費用，獲得系統總費用；e.重復步驟b、c直至所有離散化數據對的系統費用總成本均計算完畢；f.最終具有最小系統總費用的ESS參數即為儲能裝置的最優功率和容量配置。采用以上技術方案所產生的有益效果在于，本發明以機組組合問題為背景提出了兼顧了儲能裝置安裝、運行日均攤費用及機組期望費用的儲能裝置隨機規劃模型，進一步設計了基于點估計和并行分支定界法的綜合計算方案，快速有效的確定了儲能裝置的最優功率和容量配置。并以含風電的10機系統為算例，驗證了模型和算法的正確性和有效性。附圖說明下面結合附圖和具體實施方式對本發明作進一步詳細的說明。圖1是本發明的工作流程圖；圖2是00:00-1:00小時的風電功率直方圖；圖3是IEEE10機39節點系統網絡拓撲圖。具體實施方式下面結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清晰、完整地描述，顯然，所描述的案例僅僅是本發明的一部分實施例，并不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。在下面的描述中闡述了很多具體細節以便于充分理解本發明，但是本發明還可以采用其他不同于在此描述的其他方式來實施，本領域技術人員可以在不違背本發明內涵的情況下做類似推廣，因此本發明不受下面公開具體實施例的限制。本發明闡述了一種基于經濟調度的風電儲能源功率與容量優化配置方法，如圖1所示，該方法包含以下步驟：(1)建立風電功率的威布爾概率曲線風電出力主要受風速的影響，針對多年的風電歷史數據，以小時為顆粒度，將每一天同一小時風電數據用直方圖進行數據統計，見圖2，再進行概率曲線擬合可獲得一天24小時對應的24組風電功率的威布爾概率曲線，從而可以將風電功率的概率特征方便的考慮在后文提出的儲能裝置容量配置隨機規劃模型中。風電功率的概率曲線公式如下：(2)建立風電功率的儲能裝置隨機規劃模型將儲能裝置的安裝和運行成本按天均攤，以機組組合問題為背景提出兼顧儲能裝置安裝、運行日均攤費用及機組期望費用的儲能裝置隨機規劃模型，以期望值的形式來表述：Min式中，E代表數學期望值計算，ICp和ICSOC為單位功率和單位容量費用系數，FCcost包括所有N臺機組在T時間段內總的機組燃料費用和啟停費用，見式(42)式(42)中F(Pit)＝ai·(Pit)2+bi·Pit+ci；ai,bi和ci是燃料費用系數，Pit是機組i在時刻t的有功功率。式(41)中第二、三項代表儲能安裝和運行費用，而其單位功率和單位容量費用系數可依據資本收益率、利用式(43)-(44)按天均攤計算獲得。式(43)-(44)中，Invp和Invc代表每單位容量和單位功率一次性安裝費用，單位為：$/MW和$/MWh,OMc是儲能裝置的每年運行和維護費用，$/MWh-year；l是ESS的壽命，單位為年；r是投資回報率，Ndays是一年的天數。儲能裝置容量配置模型含有的常規機組功率平衡約束和儲能裝置自有特性約束如下：a.系統的有功功率平衡約束：b.系統向上、下旋轉備用約束：c.機組爬坡率約束：Pit-Pi(t-1)≤[1-xit·(1-xi(t-1))]·URi+xit·(1-xi(t-1))·Pi,min(48)Pi(t-1)-Pit≤[1-xi(t-1)·(1-xit)]·DRi+xi(t-1)·(1-xit)·Pi,min(49)d.機組功率上下限約束：Pi,min·xit≤Pit≤Pi,max·xit(50)e.機組最小開停機時間約束：f.儲能裝置的充放電功率約束：g.儲能裝置的充放電狀態約束：uch,t+udis,t≤1(55)h.儲能裝置的SOC儲能約束：SOCt＝SOC(t-1)+Pch,t·Δt-Pdis,t·Δt(56)i.儲能裝置能量連續使用約束，即儲能裝置起始儲能等于調度結束時的儲能：SOCT＝SOC0(58)式(45)-(58)中，Pi,max和Pi.min分別為機組i的最大功率和最小功率；xit機組i的啟停狀態，1代表開啟；SUi和SDi機組i的開、停機費用；Pw,t為風電t時刻的有功功率，ηch、ηdis為儲能裝置的充放電效率，uch,t、udis,t、Pch,t和Pdis,t為儲能裝置的充放電狀態(1為充電,其他為0)和功率；η1和η2為儲能裝置的儲能上下限系數；PD,t系統t時刻負荷水平；SRU,t和SRD,t系統t時刻向上、下旋轉備用需求；URi和DRi機組i向上、下爬坡功率限值；MUTi、MDTi為機組i最小開、停機時間；和機組i時刻t已開、停機總時間；SOCt為儲能裝置時刻t的儲存能量。(3)采用“2m+1”點估計法來處理步驟(2)建立的儲能裝置隨機規劃模型裝置的模型中，設定每小時的風電為一個隨機變量，T小時的風電便形成了T維的隨機向量，記為(pw1,pw2,…,pwt,…,pwT)。據2m+1點估計理論，隨機向量的樣本通過以下方式產生：在t(t＝1,2,…,T)時刻的風電功率用三個典型值pwt,k(k＝1,2,3)代替，而剩下T-1個隨機變量固定在其均值μw1,μw2,…,μwT，因此僅處理第t時刻的隨機變量pwt，便會產生3組風電樣本值(μw1,μw2,…pwt,k,...,μwT)(k＝1,2,3)。對于T小時的風電隨機向量，最終會產生3T組風電樣本值(μw1,μw2,…pwt,k,...,μwT)(k＝1,2,3；t＝1,2,…,T)。而典型值pwt,k(k＝1,2,3)計算如下：pwt,k＝μwt+εt,k·σwtk＝1,2,3；t＝1,2,...T(59)式中：εt,k是標準化的位置系數，μwt和σwt為第t小時風電出力pwt的均值和方差，可從步驟(1)中風電功率的概率曲線獲得。而位置系數εt,k和權重ωt,k可按式(60)計算：式中λt,3和λt,4是第t小時風電功率pwt的偏度和峰度。另外式(61)中，εt,3＝0導致pwt,k＝μwt,因此T組風電樣本均相同為：(μw1,μw2,…,μwt,...,μwT)，而它們對應的權重系數之和為：進而3T組風電樣本減少為2T+1組風電樣本。對于2T+1組風電樣本，通過求解確定性的機組組合問題便可獲得2T+1個系統燃料費用值。記2T+1組風電樣本對應的燃料費用為FCs，對應的權重系數為ζs(s＝1,2,…,2T+1)，則2T+1組風電樣本對應的燃料費用期望值為：將式(63)代入式(41)，所提模型的目標函數轉化為式(64)：式中和為風電樣本s下，第i臺機組t時刻的機組啟停狀態及功率。采用類似手法，將式(45)中風電Pw,t用點估計法產生的風電樣本代替，并計及對其他變量的影響，儲能裝置隨機規劃模型的約束(45)-(58)即轉化為(65)-(78)。最終通過點估計法將儲能裝置的成本收益隨機模型(40)-(58)轉化為確定性優化模型，其包含目標函數(64)和約束條件(65)-(78)。式中：變量帶上標s代表在第s個風電功率樣本值下的對應變量。(4)采用并行分支定界法來求解步驟(3)處理過的儲能裝置隨機規劃模型，得出儲能裝置的最優功率和容量配置方案。a.首先，根據點估計法產生2T+1組風電樣本(pw1,pw2,…,pwt,…,pwT)及對應權重系數ζs(s＝1,2,…,2T+1)；b.將儲能裝置的參數和離散化，再兩兩交叉形成網格式的數據對c.基于步驟b的數據對對每一組風電樣本(pw1,pw2,…,pwt,…,pwT)求解一次機組組合問題；因此對于2T+1組風電樣本(pw1,pw2,…,pwt,…,pwT)，可采用分支定界方法并行求解2T+1次機組組合問題，從而獲得步驟(3)中目標函數和約束函數中2T+1次機組燃料費用FCs(s＝1,2,…,2T+1)；d.根據FCs(s＝1,2,…,2T+1)及對應的權重ζs計算系統燃料費用的期望值，再依據式(64)加上儲能裝置的安裝和運行日均攤費用，獲得系統總費用；e.重復步驟b、c直至所有離散化數據對的系統費用總成本均計算完畢；f.最終具有最小系統總費用的ESS參數即為儲能裝置的最優功率和容量配置。算例分析：本發明通過10機系統來檢驗所提模型和求解方法，網絡拓撲圖如圖3所示。該系統含有24小時風電功率滿足威布爾分布，風電以300MW為額定功率歸一化后的參數見下表鉛酸儲能裝置、鋅溴儲能裝置、鈉硫儲能裝置和超導磁儲能裝置四種典型的儲能裝置參數如下表：參數值LAB-ESSABZn/Br-ESSABNa/S-ESSSM-ESS能量費用系數Invc($/kWh)150400250500功率費用系數Invp($/kW)225175150300運行費用系數($/MW-year)155100100100充放電效率ηch＝ηdis0.900.850.850.92電池壽命l(year)15202030系統向上和向下旋轉備用設為負荷的8％。算例中將會考察鉛酸儲能裝置、鋅溴儲能裝置、鈉硫儲能裝置和超導磁儲能裝置的不同性能表現，10機系統的常規機組費用系數如下表。儲能投資回報率設為5％，儲能裝置的儲能限制在的10％至90％。儲能裝置額定功率設置為10MW為步長的離散值，儲能裝置額定容量以10MWh為步長的離散值。本發明基于Matlab2011b編寫了點估計和分支定界的混合求解方案，并基于MatlabParallelComputingToolbox5.2搭建了并行計算平臺。未安裝儲能裝置時，10機系統的總費用僅含有機組的燃料費用期望值為4495641.6$，見下表；當有鉛酸儲能裝置時，采用混合并行分支定界方法花費943s求得的儲能裝置最優參數值為：和費用為4494903.3$。可以看出20MW/50MWh的儲能系統可以節省3927$/天，而投資費用僅有3188.7$/天，因此安裝20MW/50MWh的儲能裝置可以每天節省738.3$。當10機系統配置鋅溴儲能裝置時，如下表，系統的總費用為4495641.6$，對應的鋅溴儲能配置為：額定功率和安裝容量均為零。上述表明，當10機系統嘗試安裝鋅溴儲能裝置，由于其安裝與運行費用較高，超過了帶來的收益，因此并不適合安裝。考慮配置鈉硫儲能裝置和超導磁儲能裝置時，系統的總費用分別為4495293.6$/天和$4495506.1$/天，和未配置儲能裝置時相比，系統總費用分別減少$348/天and$135.5/天。對四種不同形式的儲能進行比較，鉛酸儲能系統具有較便宜的單位費用，即59.39$/MW和40.02$/MWh，因此其具有最為經濟的系統總費用，可配置功率和容量也較高。可見，儲能系統的單位成本費用是影響儲能裝置容量配置的關鍵因素，儲能裝置的單價較低時，可配置較大容量的儲能裝置以減少系統總費用。當前第1頁1 2 3