基于冒泡排序的风储联合发电系统储能元件优化运行方法技术方案

本发明专利技术公开了一种基于冒泡排序的风储联合发电系统储能元件优化运行方法，首先对常规机组进行建模，得到了常规机组的发电出力数据；其次结合ARMA模型和风速—功率特性曲线，考虑风机的故障率，模拟了风电场的时序出力数据；然后根据这两种数据结合时序负荷数据，获取了每个时刻系统的缺电量以及溢出的风电量；再然后基于冒泡排序的原理，根据储能元件内部剩余电量，确立优先放电的顺序。放电完成后，对溢出的风电电量进行最大化的存储，最后汇总常规机组、风电场、储能元件的计算数据，统计系统可靠性指标。本发明专利技术在风电超出允许接入比例，而系统吸收允许接入的风电后仍处于缺电状态的情况下，能够使风电利用率进一步提升，提高了发电系统的可靠性。

【技术实现步骤摘要】
基于冒泡排序的风储联合发电系统储能元件优化运行方法
本专利技术涉及一种基于冒泡排序的风储联合发电系统储能元件优化运行方法，属于风电控制

技术介绍
由于风速的波动性和不确定性，使得大规模风电并网在节能减排的同时，也给电力系统带来一定的风险。目前，随着储能元件的成本降低及储能技术的进一步提升，近年来越来越多的研究人员致力于将储能技术应用于改善风电的波动性。现已有相关研究将储能技术接入包含风电场的发电系统，并进行可靠性评估。一般包含风电场和储能元件的发电系统可靠性分析主要分为系统内各元件状态抽取、风电场各项参数、储能元件的参数及运行策略。目前关于元件状态抽取主要分为解析法和模拟法，模拟法又称蒙特卡洛方法，蒙特卡洛方法主要分为序贯蒙特卡洛方法和非序贯蒙特卡洛方法。关于风电场各项参数的研究，主要是指风速的产生、风机的位置、风电场间的影响因子、尾流效应、允许风电最大接入比例等。关于储能元件部分，目前研究多集中于储能元件的充放电速度、最大放电深度、容量、接入位置以及储能策略。目前已有相关文献对储能元件的运行方式即储能策略进行研究，但是大多数文件的储能策略是传统储能策略或者满充满放策略，并且往往将多个储能元件等效为一个或两个大型储能元件，忽略元件的故障停运，并且考虑的情况较少。少量文献考虑了风电接入比例，制定相应的储能策略，但是一般情况下忽略在风电场提供的电能超过风电接入比例，并且不满足系统负荷情况下的溢出风电，导致这部分电量的损失。极少数文献考虑到了这部分风电，但是仍是按照元件原始编号对这部分风电进行存储，并未按照储能元件内部剩余电量的优先顺序对储能策略进行优化。
技术实现思路
本专利技术所要解决的技术问题是克服现有技术的缺陷，提供一种基于冒泡排序的风储联合发电系统储能元件优化运行方法，将所有处于故障状态的储能元件容量清零并使之不参与充放电过程，按照剩余的储能元件在这一时刻内部存储电量的由高到低的顺利进行充电，在风电场提供的电能超过风电接入比例，并且不满足系统负荷情况下，使风电利用率进一步提升。为解决上述技术问题，本专利技术提供一种基于冒泡排序的风储联合发电系统储能元件优化运行方法，包括以下步骤：1)参数初始化，所述参数包括：时间参数T、仿真次数N、系统年均缺电量EENS、系统缺电概率LOLP和年均缺电时间LOLT，初始化结果为：T为一年8760小时，N为1000次，EENS、LOLP、Lole初始值均为0；2)根据IEEE-RBTS可靠性测试系统，运用序贯蒙特卡洛方法模拟得到常规机组的“故障—运行”状态序列；将常规机组的“故障—运行”状态序列乘以常规机组的额定功率，得到一年内每台常规机组每小时的出力；将每小时各个常规机组的出力求和，得到整个RBTS系统一年的时序出力；3)根据风电场所在区域的历史风速数据，基于最小信息准则确定风电场的自回归滑动平均模型即ARMA模型阶数；4)根据所述步骤3)得到的风电场的ARMA模型阶数及风电场所在区域的历史风速数据，在Matlab中调用armax函数模拟产生风电场的风速数据；5)根据风机的故障率、修复率，运用序贯蒙特卡洛方法模拟得到风机的“故障—运行”状态序列；6)根据步骤4)的风速数据和步骤5)的状态序列，结合风机的风速—功率特性曲线，得到风电场一年时间内的功率序列；7)根据步骤2)得到的常规机组的时序出力Gc(t)和步骤6)得到的风电场的功率序列Gw(t)，系统负荷为PL(t)，考虑风电允许接入比例得到每个时刻下的系统过剩电量ΔE(t)和过剩风电电量ΔGw(t)；8)根据第m台储能元件的故障率和修复率，运用序贯蒙特卡洛方法模拟得到储能元件的“故障—运行”状态序列；9)利用步骤8)的状态序列中状态值是否为0判断当前时刻是否为故障状态，若为0表示该储能元件处于故障状态，则当前时刻的储能元件的电量清零；10)当t时刻风电和常规机组出力不满足条件A时，根据系统过剩电量ΔE(t)，确定t时刻储能系统实际的充放电量；转入步骤12)；11)当t时刻风电和常规机组出力满足条件A时，根据系统过剩电量ΔE(t)和过剩的风电电量ΔGw(t)，确定t时刻储能系统实际的充放电量；转入步骤12)；12)将确定的储能元件充电电量或放电电量ΔEb(i,t)和t时刻剩余电量Eb(i,t)相加即可得到下一时刻各储能元件的剩余电量ΔEb(i,t+1)；13)若执行步骤10)或者步骤11)后，系统过剩电量ΔE(t)<0，则此时刻系统处于缺电状态，缺电量记为SE(t)，且SE(t)＝-ΔE(t)，同时系统缺电时间加1，Lole＝Lole+1；14)令时间递增1，即t＝t+1，重复步骤10)到步骤13)，直到t>8760；15)计算一年的缺电量eens，其值为一年内所有SE(t)的总和；16)计算仿真叠加缺电量Eens＝Eens+eens，重复步骤2)到步骤16)，每循环一次，仿真次数加1，直到仿真次数达到N，其中，Eens的初始值为0；17)计算系统年均缺电量EENS＝Eens/N，系统年均缺电小时数LOLT＝Lole/N，系统缺电概率LOLP＝LOLT/8760。前述的步骤2)，步骤5)和步骤8)中，运用序贯蒙特卡洛方法模拟得到常规机组/风机/储能元件的“故障—运行”状态序列，具体步骤如下：2-1)，在[0,1]之间产生随机数U1、U2；2-2)，根据第i台常规机组/风机/储能元件的故障率λi和修复率μi，得到一次平均无故障工作时间一次平均修复时间MTTF＝-ln(U2)/μi；2-3)，重复步骤2-2)，直到该常规机组/风机/储能元件所有的MTTR和MTTF之和超过一年8760个小时；2-4)，将8760个小时中所有MTTR时间内常规机组状态记为1，表示常规机组正常运行；MTTF时间内常规机组状态记为0，表示常规机组故障，得到一年内继续的常规机组/风机/储能元件的“故障—运行”状态序列；2-5)，重复步骤2-2)到2-4)，直到获取RBTS系统内所有常规机组/风机/储能元件的状态序列。前述的步骤6)风电场一年时间内的功率序列，具体包含以下步骤：6-1)，根据切入风速vci和额定风速vr，计算特性参数A、B、C：6-2)根据步骤4)中模拟出的风速数据，得到正常运行下，每台风机每小时的功率Pt，将Pt按照时间顺序排列即可得到风机一年的功率序列P，其中，vt表示风速，vco表示切出风速，Pw为风机的额定功率；6-3)将步骤5)得到的每台风机的“故障—运行”状态序列点乘功率序列P，即可得到考虑风机故障状态的功率序列P'；6-4)将每小时内各风机的功率序列P'求和即可得到整个风电场每小时的实际功率。前述的步骤7)中，求解系统过剩电量ΔE(t)和过剩风电电量ΔGw(t)，具体包含以下步骤：7-1)考虑“风电超出允许接入比例而系统吸收允许接入的风电后仍处于缺电状态”这一条件，将此条件记为条件A：7-2)风电和常规机组出力不满足条件A时，系统过剩电量ΔE(t)如下，ΔE(t)正值表示过剩的电量，ΔE(t)为负表示系统实际缺电的电量：7-3)当风电和常规机组出力满足条件A时，系统过剩电量ΔE(t)和过剩风电电量ΔGw(t)如下：前述的步骤10)中，储能系统实际的充放电量，具体求解过程如下：10-1)参数初始化，本文档来自技高网...

【技术保护点】
基于冒泡排序的风储联合发电系统储能元件优化运行方法，其特征在于，包括以下步骤：1)参数初始化，所述参数包括：时间参数T、仿真次数N、系统年均缺电量EENS、系统缺电概率LOLP和年均缺电时间LOLT，初始化结果为：T为一年8760小时，N为1000次，EENS、LOLP、Lole初始值均为0；2)根据IEEE‑RBTS可靠性测试系统，运用序贯蒙特卡洛方法模拟得到常规机组的“故障—运行”状态序列；将常规机组的“故障—运行”状态序列乘以常规机组的额定功率，得到一年内每台常规机组每小时的出力；将每小时各个常规机组的出力求和，得到整个RBTS系统一年的时序出力；3)根据风电场所在区域的历史风速数据，基于最小信息准则确定风电场的自回归滑动平均模型即ARMA模型阶数；4)根据所述步骤3)得到的风电场的ARMA模型阶数及风电场所在区域的历史风速数据，在Matlab中调用armax函数模拟产生风电场的风速数据；5)根据风机的故障率、修复率，运用序贯蒙特卡洛方法模拟得到风机的“故障—运行”状态序列；6)根据步骤4)的风速数据和步骤5)的状态序列，结合风机的风速—功率特性曲线，得到风电场一年时间内的功率序列；7)根据步骤2)得到的常规机组的时序出力Gc(t)和步骤6)得到的风电场的功率序列Gw(t)，系统负荷为PL(t)，考虑风电允许接入比例η％，得到每个时刻下的系统过剩电量ΔE(t)和过剩风电电量ΔGw(t)；8)根据第m台储能元件的故障率和修复率，运用序贯蒙特卡洛方法模拟得到储能元件的“故障—运行”状态序列；9)利用步骤8)的状态序列中状态值是否为0判断当前时刻是否为故障状态，若为0表示该储能元件处于故障状态，则当前时刻的储能元件的电量清零；10)当t时刻风电和常规机组出力不满足条件A时，根据系统过剩电量ΔE(t)，确定t时刻储能系统实际的充放电量；转入步骤12)；11)当t时刻风电和常规机组出力满足条件A时，根据系统过剩电量ΔE(t)和过剩的风电电量ΔGw(t)，确定t时刻储能系统实际的充放电量；转入步骤12)；12)将确定的储能元件充电电量或放电电量ΔEb(i,t)和t时刻剩余电量Eb(i,t)相加即可得到下一时刻各储能元件的剩余电量ΔEb(i,t+1)；13)若执行步骤10)或者步骤11)后，系统过剩电量ΔE(t)<0，则此时刻系统处于缺电状态，缺电量记为SE(t)，且SE(t)＝‑ΔE(t)，同时系统缺电时间加1，Lole＝Lole+1；14)令时间递增1，即t＝t+1，重复步骤10)到步骤13)，直到t>8760；15)计算一年的缺电量eens，其值为一年内所有SE(t)的总和；16)计算仿真叠加缺电量Eens＝Eens+eens，重复步骤2)到步骤16)，每循环一次，仿真次数加1，直到仿真次数达到N，其中，Eens的初始值为0；17)计算系统年均缺电量EENS＝Eens/N，系统年均缺电小时数LOLT＝Lole/N，系统缺电概率LOLP＝LOLT/8760。...

【技术特征摘要】
1.基于冒泡排序的风储联合发电系统储能元件优化运行方法，其特征在于，包括以下步骤：1)参数初始化，所述参数包括：时间参数T、仿真次数N、系统年均缺电量EENS、系统缺电概率LOLP和年均缺电时间LOLT，初始化结果为：T为一年8760小时，N为1000次，EENS、LOLP、Lole初始值均为0；2)根据IEEE-RBTS可靠性测试系统，运用序贯蒙特卡洛方法模拟得到常规机组的“故障—运行”状态序列；将常规机组的“故障—运行”状态序列乘以常规机组的额定功率，得到一年内每台常规机组每小时的出力；将每小时各个常规机组的出力求和，得到整个RBTS系统一年的时序出力；3)根据风电场所在区域的历史风速数据，基于最小信息准则确定风电场的自回归滑动平均模型即ARMA模型阶数；4)根据所述步骤3)得到的风电场的ARMA模型阶数及风电场所在区域的历史风速数据，在Matlab中调用armax函数模拟产生风电场的风速数据；5)根据风机的故障率、修复率，运用序贯蒙特卡洛方法模拟得到风机的“故障—运行”状态序列；6)根据步骤4)的风速数据和步骤5)的状态序列，结合风机的风速—功率特性曲线，得到风电场一年时间内的功率序列；7)根据步骤2)得到的常规机组的时序出力Gc(t)和步骤6)得到的风电场的功率序列Gw(t)，系统负荷为PL(t)，考虑风电允许接入比例η％，得到每个时刻下的系统过剩电量ΔE(t)和过剩风电电量ΔGw(t)；8)根据第m台储能元件的故障率和修复率，运用序贯蒙特卡洛方法模拟得到储能元件的“故障—运行”状态序列；9)利用步骤8)的状态序列中状态值是否为0判断当前时刻是否为故障状态，若为0表示该储能元件处于故障状态，则当前时刻的储能元件的电量清零；10)当t时刻风电和常规机组出力不满足条件A时，根据系统过剩电量ΔE(t)，确定t时刻储能系统实际的充放电量；转入步骤12)；11)当t时刻风电和常规机组出力满足条件A时，根据系统过剩电量ΔE(t)和过剩的风电电量ΔGw(t)，确定t时刻储能系统实际的充放电量；转入步骤12)；12)将确定的储能元件充电电量或放电电量ΔEb(i,t)和t时刻剩余电量Eb(i,t)相加即可得到下一时刻各储能元件的剩余电量ΔEb(i,t+1)；13)若执行步骤10)或者步骤11)后，系统过剩电量ΔE(t)<0，则此时刻系统处于缺电状态，缺电量记为SE(t)，且SE(t)＝-ΔE(t)，同时系统缺电时间加1，Lole＝Lole+1；14)令时间递增1，即t＝t+1，重复步骤10)到步骤13)，直到t>8760；15)计算一年的缺电量eens，其值为一年内所有SE(t)的总和；16)计算仿真叠加缺电量Eens＝Eens+eens，重复步骤2)到步骤16)，每循环一次，仿真次数加1，直到仿真次数达到N，其中，Eens的初始值为0；17)计算系统年均缺电量EENS＝Eens/N，系统年均缺电小时数LOLT＝Lole/N，系统缺电概率LOLP＝LOLT/8760。2.根据权利要求1所述的基于冒泡排序的风储联合发电系统储能元件优化运行方法，其特征在于，所述步骤2)，步骤5)和步骤8)中，运用序贯蒙特卡洛方法模拟得到常规机组/风机/储能元件的“故障—运行”状态序列，具体步骤如下：2-1)，在[0,1]之间产生随机数U1、U2；2-2)，根据第i台常规机组/风机/储能元件的故障率λi和修复率μi，得到一次平均无故障工作时间MTTR＝-ln(U1)/λi，一次平均修复时间MTTF＝-ln(U2)/μi；2-3)，重复步骤2-2)，直到该常规机组/风机/储能元件所有的MTTR和MTTF之和超过一年8760个小时；2-4)，将8760个小时中所有MTTR时间内常规机组状态记为1，表示常规机组正常运行；MTTF时间内常规机组状态记为0，表示常规机组故障，得到一年内继续的常规机组/风机/储能元件的“故障—运行”状态序列；2-5)，重复步骤2-2)到2-4)，直到获取RBTS系统内所有常规机组/风机/储能元件的状态序列。3.根据权利要求1所述的基于冒泡排序的风储联合发电系统储能元件优化运行方法，其特征在于，所述步骤6)风电场一年时间内的功率序列，具体包含以下步骤：6-1)，根据切入风速vci和额定风速vr，计算特性参数A、B、C：6-2)根据步骤4)中模拟出的风速数据，得到正常运行下，每台风机每小时的功率Pt，将Pt按照时间顺序排列即可得到风机一年的功率序列P，其中，vt表示风速，vco表示切出风速，Pw为风机的额定功率；6-3)将步骤5)得到的每台风机的“故障—运行”状态序列点乘功率序列P，即可得到考虑风机故障状态的功率序列P'；6-4)将每小时内各风机的功率序列P'求和即可得到整个风电场每小时的实际功率。4.根据权利要求1所述的基于冒泡排序的风储联合发电系统储能元件优化运行方法，其特征在于，所述步骤7)中，求解系统过剩电量ΔE(t)和过剩风电电量ΔGw(t)，具体包含以下步骤：7-1)考虑“风电超出允许接入比例而系统吸收允许接入的风电后仍处于缺电状态”这一条件，将此条件记为条件A：7-2)风电和常规机组出力不满足条件A时，系统过剩电量ΔE(t)如下，ΔE(t)正值表示过剩的电量，ΔE(t)为负表示系统实际缺电的电量：27-3)当风电和常规机组出力满足条件A时，系统过剩电量ΔE(t)和过剩风电电量ΔGw(t)如下：5.根据权利要求4所述的基于冒泡排序的风储联合发电系统储能元件优化运行方法，其特征在于，所述步骤10)中，储能系统实际的充放电量，具体求解过程如下：10-1)参数初始化，储能系统内共有M台储能元件，每台储能元件的额定容量为Ee，t时刻第i台储能元件剩余电量为Eb(i,t)，初始时刻第i台储能元件剩余电量Eb(i,0)为0，即所有储能元件初始时刻的剩余电量均为0，每小时的最大充放电功率为Pm；10-2)根据步骤7-2)得到系统t时刻的过剩的电量或者缺电的电量ΔE(t)，若ΔE(t)为正，则此时储能系统吸收此过剩的电量，求解第i台储能元件的充电电量ΔEb(i,t)，具体过程如下：10-2-1)根据步骤9)，判断...

【专利技术属性】
技术研发人员：徐政，陈凡，张晨阳，唐俊哲，田梦，马玲，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：江苏,32