带有储能的新能源输出功率波动最小化调度方法及装置制造方法及图纸

本发明专利技术公开了一种带有储能的新能源输出功率波动最小化调度方法及装置，其中，方法包括：获取风电出力值并建立风速转移概率模型，获取发电厂中储能装置的设备信息得到第二离散的状态量，并结合风电出力值、储能装置的剩余电量与当前时刻生成状态向量构建马氏决策模型，进而获得最优策略，并对此策略进行实时调度，进而得到实时更新的最优结果。该方法能够通过对储能装置进行调度，提供长期的、宽时间尺度的调度策略，来降低新能源输出功率的波动，并能够实时调度，得到本时刻最优的调度策略，具有简单方便，适用性广的优点。

【技术实现步骤摘要】
带有储能的新能源输出功率波动最小化调度方法及装置
本专利技术涉及新能源发电
，特别涉及一种带有储能的新能源输出功率波动最小化调度方法及装置。
技术介绍
新能源技术正在世界范围内迅速发展，然而其出力具有波动性与随机性，导致难以执行调度指令，在大规模并网后难免对具有常规能源电力系统的电力供需实时平衡、电压稳定性、频率稳定性以及电能质量等产生影响。而能源互联网可以通过大规模的分布式储能系统的接入，提高新能源利用率，并缓解新能源的波动性对电网造成的冲击，提高电能质量。风电、太阳能光伏发电等都属于本专利技术所讨论的新能源范畴，其出力特性都可以用随机过程来刻画。本专利技术以新能源领域中代表性较强的风电为例，讲述如何运用本专利技术的算法和操作步骤，通过对储能装置进行调度，来降低新能源输出功率的波动。本专利技术所述方法同样适用于光伏发电等其他带有随机性的新能源，也适用于包含新能源、储能和负载的微电网系统。对于并网运行的风电场，随着其并网规模的增大，其对电网的安全稳定运行带来了很大的挑战；微电网是能源互联网的基本单元，通常包括新能源、储能装置以及电能负载。在以并网状态下运行时，可以与大电网进行能量交换，以保证供给与负荷功率瞬时平衡。然而，新能源较强的随机性与波动性为电网调度问题带来了难度。如：风电场输出功率的波动会降低电能质量，造成输电线路的能量损失，并降低风电变流器的稳定性；风电并网点功率如果频繁波动，会令节点电压波动也随之增大，带来电压闪变等电压稳定问题；功率波动也会对电网频率造成影响，在极端的情况下甚至会导致频率严重下降，危及大电网的稳定与安全。因此，如果不能抑制新能源频繁、大范围的波动，就会使大电网的稳定性受到冲击。风电的波动可以在不同的时间尺度上进行研究。现有的平滑风电出力波动的方法大多数是在秒或分钟的时间尺度上对风电出力的波动进行平滑，使其符合新能源并网的技术规范。如：利用风机系统中通过转动惯量储存的能量来平滑风电，如转子中的动能、直流母线电容中的能量等；利用储能技术，基于低通滤波器或者滑动平均滤波来生成平滑后的参考功率曲线，再利用储能电力如储能或超级电容等来补充参考曲线与风电出力曲线的差距等，期间会用到诸如最大功率点跟踪等控制技术来配合。然而，此类控制方法仅仅考虑了实时调节或基于短期功率预测的平滑作用，只能被动地改善现有功率曲线的平滑情况，缺少在长期时间尺度下的调度方法的考虑。且由于储能装置容量有限，故不能够有效抑制新能源长期、大范围且频繁的波动。
技术实现思路
本专利技术旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种带有储能的新能源输出功率波动最小化调度方法，该方法能够降低新能源输出功率的波动，并实时调整至最优调度策略。本专利技术的另一个目的在于提出一种带有储能的新能源输出功率波动最小化调度装置。为达到上述目的，本专利技术一方面实施例提出了一种带有储能的新能源输出功率波动最小化调度方法，包括以下步骤：采集目标区域的长期风速数据，并根据风机特性得到风电出力值；根据所述风电出力值通过预设离散化规则得到第一离散的状态量，并通过非时齐马氏链建立风速转移概率模型；获取发电厂中储能装置的设备信息，并通过所述预设离散化规则得到第二离散的状态量；将所述风电出力值、所述储能装置的剩余电量与当前时刻生成状态向量，以构建马氏决策模型；通过迭代公式得到每个状态下所采取的最优行为，以得到最优策略；在任意时刻开始阶段，通过统计与学习方法预测所述任意时刻的风电场平均功率；获取所述任意时刻的储能装置剩余电量信息；根据所述预设离散化规则将所述任意时刻的风电场平均功率、所述储能装置的剩余电量信息和所述任意时刻生成当前状态向量；根据所述最优策略与所述当前的状态向量得到最优决策，并根据所述最优决策对所述储能装置进行调度；以及更新下一时刻的风电场平均功率、所述储能装置的剩余电量以及时间信息，以继续下一时刻调度。本专利技术实施例的带有储能的新能源输出功率波动最小化调度方法，通过获取风电出力值并建立风速转移概率模型，获取发电厂中储能装置的设备信息得到第二离散的状态量，并结合风电出力值、储能装置的剩余电量与当前时刻生成状态向量构建马氏决策模型，进而获得最优策略，并对此策略进行实时调度，进而得到实时更新的最优调度策略，达到提供长期的、宽时间尺度的调度策略，降低新能源输出功率的波动的目的，并能够实时调度，得到本时刻最优的解决策略，具有简单方便，适用性广的优点。另外，根据本专利技术上述实施例的带有储能的新能源输出功率波动最小化调度方法还可以具有以下附加的技术特征：进一步地，在本专利技术的一个实施例中，所述风电出力值的计算公式为：其中，W为风电出力实际值，Wcap为风机的额定功率，vt为t时刻的风速值，vrated为风机的额定风速值，vcutin为风机的切入风速，vcutout为风机的切出风速。进一步地，在本专利技术的一个实施例中，所述通过非时齐马氏链建立风速转移概率模型，进一步包括：将风电发电容量均匀地离散化为W个区间，每一区间代表一个状态；在一天中的时刻k转移到时刻k+1时，状态m转移到状态n的次数为且在所述时刻k，所述状态m出现的次数为则在所述时刻k，风电从所述状态m转移到所述状态n的概率为那么获取从所述时刻k转移到所述时刻k+1的状态转移概率矩阵为：其中，其中SW为风电状态数。进一步地，在本专利技术的一个实施例中，在策略空间Ψ中随机选择初始策略L(0)∈Ψ，并设置迭代次数l＝0；对于策略L(l)，获取所述策略L(l)的稳态概率π(l)，同时通过蒙特卡洛仿真估计在所述策略L(l)下的长期平均出力Jμ(l)和长期出力方差Jσ(l)；获取联合出力波动指标φ；根据系统约束检查在各个状态下可采取的行为，并用以下公式更新策略：L(l+1)(i)：＝argmina∈A∑j∈Spa(i,j)φ(l)(j)+[J(l)(i,a)-Jμ(l)]2，其中，L(l)为策略的l步，Jμ(l)为长期平均出力，Jσ(l)为长期出力方差，φ为计算联合出力波动指标φ，pa为不可约方阵；令ε>0，并根据计算精度设置成一个小量，其中，如果||Jσ(l+1)-Jσ(l)||<ε，则得到最佳策略，L*＝L(l)并停止所述迭代算法，否则令l:＝l+1，并重新计算稳态概率。进一步地，在本专利技术的一个实施例中，更新时刻的公式为：kt+1＝(kt％T)+1，其中，T为一天内时刻数，％表示取模运算符号，kt为上一时刻风电场平均功率。为达到上述目的，本专利技术另一方面实施例提出了一种带有储能的新能源输出功率波动最小化调度装置，包括：采集模块，用于采集目标区域的长期风速数据，并根据风机特性得到风电出力值；第一离散模块，用于根据所述风电出力值通过预设离散化规则得到第一离散的状态量，并通过非时齐马氏链建立风速转移概率模型；第一获取模块，用于获取发电厂中储能装置的设备信息，并通过所述预设离散化规则得到第二离散的状态量；构建模块，用于将所述风电出力值、所述储能装置的剩余电量与当前时刻生成状态向量，以构建马氏决策模型；迭代模块，用于通过迭代公式得到每个状态下所采取的最优行为，以得到最优策略；预测模块，用于在任意时刻开始阶段，通过统计与学习方法预测所述任意时刻的风电场平均功率；第二获取模块，用本文档来自技高网...

【技术保护点】
1.一种带有储能的新能源输出功率波动最小化调度方法，其特征在于，包括以下步骤：采集目标区域的长期风速数据，并根据风机特性得到风电出力值；根据所述风电出力值通过预设离散化规则得到第一离散的状态量，并通过非时齐马氏链建立风速转移概率模型；获取发电厂中储能装置的设备信息，并通过所述预设离散化规则得到第二离散的状态量；将所述风电出力值、所述储能装置的剩余电量与当前时刻生成状态向量，以构建马氏决策模型；通过迭代公式得到每个状态下所采取的最优行为，以得到最优策略；在任意时刻开始阶段，通过统计与学习方法预测所述任意时刻的风电场平均功率；获取所述任意时刻的储能装置剩余电量信息；根据所述预设离散化规则将所述任意时刻的风电场平均功率、所述储能装置的剩余电量信息和所述任意时刻生成当前状态向量；根据所述最优策略与所述当前的状态向量得到最优决策，并根据所述最优决策对所述储能装置进行调度；以及更新下一时刻的风电场平均功率、所述储能装置的剩余电量以及时间信息，以继续下一时刻调度。

【技术特征摘要】
1.一种带有储能的新能源输出功率波动最小化调度方法，其特征在于，包括以下步骤：采集目标区域的长期风速数据，并根据风机特性得到风电出力值；根据所述风电出力值通过预设离散化规则得到第一离散的状态量，并通过非时齐马氏链建立风速转移概率模型；获取发电厂中储能装置的设备信息，并通过所述预设离散化规则得到第二离散的状态量；将所述风电出力值、所述储能装置的剩余电量与当前时刻生成状态向量，以构建马氏决策模型；通过迭代公式得到每个状态下所采取的最优行为，以得到最优策略；在任意时刻开始阶段，通过统计与学习方法预测所述任意时刻的风电场平均功率；获取所述任意时刻的储能装置剩余电量信息；根据所述预设离散化规则将所述任意时刻的风电场平均功率、所述储能装置的剩余电量信息和所述任意时刻生成当前状态向量；根据所述最优策略与所述当前的状态向量得到最优决策，并根据所述最优决策对所述储能装置进行调度；以及更新下一时刻的风电场平均功率、所述储能装置的剩余电量以及时间信息，以继续下一时刻调度。2.根据权利要求1所述的带有储能的新能源输出功率波动最小化调度方法，其特征在于，所述风电出力值的计算公式为：其中，W为风电出力实际值，Wcap为风机的额定功率，vt为t时刻的风速值，vrated为风机的额定风速值，vcutin为风机的切入风速，vcutout为风机的切出风速。3.根据权利要求1所述的带有储能的新能源输出功率波动最小化调度方法，其特征在于，所述通过非时齐马氏链建立风速转移概率模型，进一步包括：将风电发电容量均匀地离散化为W个区间，每一区间代表一个状态；在一天中的时刻k转移到时刻k+1时，状态m转移到状态n的次数为且在所述时刻k，所述状态m出现的次数为则在所述时刻k，风电从所述状态m转移到所述状态n的概率为那么获取从所述时刻k转移到所述时刻k+1的状态转移概率矩阵为：其中，其中SW为风电状态数。4.根据权利要求1所述的带有储能的新能源输出功率波动最小化调度方法，其特征在于，所述通过迭代公式得到每个状态下所采取的最优行为，以得到最优策略，进一步包括：在策略空间Ψ中随机选择初始策略L(0)∈Ψ，并设置迭代次数l＝0；对于策略L(l)，获取所述策略L(l)的稳态概率π(l)，同时通过蒙特卡洛仿真估计在所述策略L(l)下的长期平均出力Jμ(l)和长期出力方差Jσ(l)；获取联合出力波动指标φ；根据系统约束检查在各个状态下可采取的行为，并用以下公式更新策略：L(l+1)(i)：＝argmina∈A∑j∈Spa(i,j)φ(l)(j)+[J(l)(i,a)-Jμ(l)]2，其中，L(l)为策略的l步，Jμ(l)为长期平均出力，Jσ(l)为长期出力方差，φ为计算联合出力波动指标φ，pa为不可约方阵；令ε>0，并根据计算精度设置成一个小量，其中，如果||Jσ(l+1)-σ(l)||<ε，则得到最佳策略，L*＝L(l)并停止所述迭代算法，否则令l:＝l+1，并重新计算稳态概率。5.根据权利要求1-4任一项所述的带有储能的新能源输出功率波动最小化调度方法，其特征在于，更新时刻的公式为：kt+1＝(kt％T)+1，其中，T为一天内时刻数，％表示取模运算符号，kt为上一时刻风电场平均功率。6.一种带有储能的新能源输出功率波动最小化调度装置，其特征在于，包括：采集模块，用于采...

【专利技术属性】
技术研发人员：夏俐，杨震，赵千川，管晓宏，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11