一种储能减少风电场弃风电量的优化决策方法技术

考虑风电场的弃风来源于上级调度对风电场的功率限制，当风电场的实时出力大于功率限制时，需要减少当前风电场的出力，即出现弃风，此时需要利用储能吸收当前的剩余功率，并在适当的时段将存储电力回馈至电网，以保持一定的储能能力。在储能容量受限的情况下，风电场将在储能与弃风之间进行平衡，此时，可以经济性为目标对储能的充放电过程进行决策。此处建立了考虑储能容量限制和寿命折损的经济性优化模型。具体为一种储能减少风电场弃风电量的优化决策方法，其特征在于，步骤为：1、建立包含风电场弃风电量损失，储能的充放电费用，储能充电或放电时寿命折损费用的最优目标函数；2、设置优化求解的边界条件；3、对模型求解。

An optimal decision method for reducing wind power of wind farms by energy storage

【技术实现步骤摘要】
一种储能减少风电场弃风电量的优化决策方法
本专利技术属于风力发电
，涉及储能减少风电场弃风电量的优化决策方法。
技术介绍
风电场需具有将有功出力降低到一定水平的能力，即弃风。一般情况下，风电场通过切除机组或调整风电机组桨距角的方式达到电网的要求。当电网发出弃风命令时，风电场应按照一定速率降低出力，直到满足电网要求，如德国标准规定，风电场应按照不小于10％的速率降低到给定值。弃风命令通常限制风电场的最大出力制，也有要求风电场按照一定数值提供备用容量，如邦纳维尔电力局(BPA)规定当系统90％以上的备用容量被占用时，包括风电机组在内的可调机组都需要提供一定备用容量
技术实现思路
考虑风电场的弃风来源于上级调度对风电场的功率限制，当风电场的实时出力大于功率限制时，需要减少当前风电场的出力，即出现弃风，此时需要利用储能吸收当前的剩余功率，并在适当的时段将存储电力回馈至电网，以保持一定的储能能力。在储能容量受限的情况下，风电场将在储能与弃风之间进行平衡，此时，可以经济性为目标对储能的充放电过程进行决策。此处建立了考虑储能容量限制和寿命折损的经济性优化模型。具体为一种储能减少风电场弃风电量的优化决策方法，其特征在于，步骤为：1、建立包含风电场弃风电量损失，储能的充放电费用，储能充电或放电时寿命折损费用的最优目标函数；2、设置优化求解的边界条件；3、对模型求解；具体算法为：在功率受限时，风电场损失费用最小的优化目标函数如下：其中风电场损失包括三个部分：第一部分为风电场的弃风电量损失，第二部分为储能的充放电费用，第三部分为储能充电或放电时寿命折损费用；对于电池储能寿命折损，此处忽略充放电倍率、温度变化过程等因素对电池寿命的影响，将电池寿命折损近似为：单位：元/kWh，其中CB为单位容量的电池储能价格；Cyc为电池储能全寿命循环次数；同时，为了避免过度充电和放电，整个过程电池的SOC设为[SOCmin，SOCmax]；其中，模型中涉及的参数如下：Δt——计算时段长度，单位：h；N——计算时段数量；——储能系统在计算时段i的充放电功率，单位：kW(为负时表示充电，为正时表示放电)，i＝1……N；——风电场在计算时段i的预期出力(即不弃风时的出力)；——风电场在计算时段i的实际出力；Tstart——储能参与动作的起始时刻；Tend——储能结束动作的时刻；SOC0——储能系统的初始荷电状态；SOCi——第i个计算时段结束时的储能系统的荷电状态，i＝1……N；SOCend——计算结束时储能系统的目标荷电状态；Ppcs——储能系统的最大充放电功率限制，单位：kW；ζi——各计算时段的风电并网电价，单位：元/kWh；C——单位电量价格；eff——储能充放电循环效率；——i时段的风电场的弃风功率——i时段的馈入系统的功率Ppcs——储能系统逆变器pcs并网点功率值B——单位容量的电池功率上述模型为混合整数规划模型，此处以电池储能系统的SOC为状态转移变量，建立了动态规划算法对上述模型进行求解；将规划问题可描述为求解一个最优控制系列u*(k)，k＝0，1，…，N-1，使得性能指标最小：从周期N-1开始，按时间反向递推到周期0；动态方程为：X(k+1)＝f[X(k)，u(k)，k](3)式中，k＝0，1，…，N-1式(2)可表示为，其中，k＝0，1，…，N-1求解步骤为：(1)求第N级最优控制:解得u*(N-1)＝u*[x(N-1)]，(2)求得N-1级最优控制:解得u*(N-2)＝u*[x(N-2)]，(3)依次类推，求得第k+1级的最优控制:解得u*(k)＝u*[x(k)]，(4)求得第1级的最优控制：解得u*(0)＝u*[x(0)]，(5)由初态x(0)和约束函数，顺序求出各级控制策略和状态，以及代价；将储能系统的充放电过程划分为若干个阶段，将每个阶段结束时的SOC作为该级状态，设在各阶段，储能系统在该阶段的充放电功率即为决策量，风电场的损失为则成为相应代价函数，而动态方程为：由储能充放电功率限制，以及电网对风电场的出力限制，建立储能充放电功率的决策集；依据储能运行的SOC范围，建立储能的状态集。附图说明图1储能减少风电场预测误差的控制策略图2阶段状态转移示意图图3阶段状态转移示意图图4风电场功率限制及弃风案例(不考虑储能)图5储能充放电功率图6储能系统SOC变化图7风电场整体损失的敏感性分析具体实施方式考虑风电场的弃风来源于上级调度对风电场的功率限制，当风电场的实时出力大于功率限制时，需要减少当前风电场的出力，即出现弃风，此时需要利用储能吸收当前的剩余功率，并在适当的时段将存储电力回馈至电网，以保持一定的储能能力。在储能容量受限的情况下，风电场将在储能与弃风之间进行平衡，此时，可以经济性为目标对储能的充放电过程进行决策。此处建立了考虑储能容量限制和寿命折损的经济性优化模型。在功率受限时，风电场损失费用最小的优化目标函数如下：其中风电场损失包括三个部分：第一部分为风电场的弃风电量损失，第二部分为储能的充放电费用，第三部分为储能充电或放电时寿命折损费用。对于电池储能寿命折损，此处忽略充放电倍率、温度变化过程等因素对电池寿命的影响，将电池寿命折损近似为：单位：元/kWh，其中CB为单位容量的电池储能价格；Cyc为电池储能全寿命循环次数。同时，为了避免过度充电和放电，整个过程电池的SOC应保持在一定范围之内，此处设为[SOCmin，SOCmax]。其中，模型中涉及的参数如下：Δt——计算时段长度，单位：h；N——计算时段数量；——储能系统在计算时段i的充放电功率，单位：kW(为负时表示充电，为正时表示放电)，i＝1……N；——风电场在计算时段i的预期出力(即不弃风时的出力)；——风电场在计算时段i的实际出力；Tstart——储能参与动作的起始时刻；Tend——储能结束动作的时刻；SOC0——储能系统的初始荷电状态；SOCi——第i个计算时段结束时的储能系统的荷电状态，i＝1……N；SOCend——计算结束时储能系统的目标荷电状态；Ppcs——储能系统的最大充放电功率限制，单位：kW；ζi——各计算时段的风电并网电价，单位：元/kWh；C——单位电量价格；eff——储能充放电循环效率；——i时段的风电场的弃风功率——i时段的馈入系统的功率Ppcs——储能系统逆变器pcs并网点功率值B——单位容量的电池功率上述模型为混合整数规划模型，此处以电池储能系统的SOC为状态转移变量，建立了动态规划算法对上述模型进行了求解。动态规划是一种求解决策过程最优化的数学方法。动态规划将一个多阶段决策问题转化为一系列单阶段决策问题，每个阶段都做出决策，以使整个过程取得最优效果。多阶段决策过程的最优策略具有这样的性质：不论初始状态和初始决策如何，当把其中的任何一级和状态再作为初始级和初始状态时，其余的决策对此必定也是一个最优策略。即若有一个初始状态为X(0)的N级决策过程，其最优策略为{u(0)，u(1)，…，u(n-1)}。那么，对于以X(1为初始状态的N-1级决策过程来说，决策集合{u(0)，u(1)，…，u(n-1)}必定是最优策略。一个N级决策过程的动态方程可描述为：X(k+1)＝f[X(k)，u(k)，k]，X(0)＝X0式中状态约束为：控本文档来自技高网...

【技术保护点】
一种储能减少风电场弃风电量的优化决策方法，其特征在于，步骤为：(1)建立包含风电场弃风电量损失，储能的充放电费用，储能充电或放电时寿命折损费用的最优目标函数；(2)设置优化求解的边界条件；(3)对模型求解；具体算法为：在功率受限时，风电场损失费用最小的优化目标函数如下：

【技术特征摘要】
1.一种储能减少风电场弃风电量的优化决策方法，其特征在于，步骤为：(1)建立包含风电场弃风电量损失，储能的充放电费用，储能充电或放电时寿命折损费用的最优目标函数；(2)设置优化求解的边界条件；(3)对模型求解；具体算法为：在功率受限时，风电场损失费用最小的优化目标函数如下：其中风电场损失包括三个部分：第一部分为风电场的弃风电量损失，第二部分为储能的充放电费用，第三部分为储能充电或放电时寿命折损费用；对于电池储能寿命折损，此处忽略充放电倍率、温度变化过程等因素对电池寿命的影响，将电池寿命折损近似为：单位：元/kWh，其中CB为单位容量的电池储能价格；Cyc为电池储能全寿命循环次数；同时，为了避免过度充电和放电，整个过程电池的SOC设为[SOCmin，SOCmax]；其中，模型中涉及的参数如下：Δt——计算时段长度，单位：h；N——计算时段数量；——储能系统在计算时段i的充放电功率，单位：kW(为负时表示充电，为正时表示放电)，i＝1……N；——风电场在计算时段i的预期出力(即不弃风时的出力)；——风电场在计算时段i的实际出力；Tstart——储能参与动作的起始时刻；Tend——储能结束动作的时刻；SOC0——储能系统的初始荷电状态；SOCi——第i个计算时段结束时的储能系统的荷电状态，i＝1……N；SOCend——计算结束时储能系统的目标荷电状态；Ppcs——储能系统的最大充放电功率限制，单位：kW；ζi——各计算时段的风电并网电价，单位：元/kWh；C——单位电量价格；eff——储能充放电循环效率；——i时段的风电场的弃风功率；——i时段的馈入系统的功率；Ppcs——储能系统逆变器pcs并网点功率值；B——单位容量的电池功率；上述模型为混合整数规划模型，此处以电池储能系统的SOC为状态转移变量，建立了动态规划算法对上述模型进行求解；将规划问题可描述为求解一个最优控制系列u*(k)，k＝0，1，…，N-1，...

【专利技术属性】
技术研发人员：周识远，汪宁渤，丁坤，李勇，李津，谭洪斌，张珍珍，何世恩，战鹏，王定美，黄蓉，王明松，陈钊，张金平，张中伟，车帅，
申请(专利权)人：甘肃省电力公司风电技术中心，国网甘肃省电力公司，国家电网公司，甘肃新泉风力发电有限公司，
类型：发明
国别省市：甘肃,62