The present invention discloses a new kind of energy storage in short period mean variance to configuration optimization method based on 15min for a period, before the acquisition operation cycle of the wind and light mean and variance to mean the data; the data as the foundation, through the variance weighted data to determine reasonable load reduction ratio, in order to decide a cycle of operation to the market supply of the bid value; in the operation process, through the implementation of new energy complementary control active power smoothing output, to achieve the ultimate objective of the optimization of storage capacity. New energy fixed proportion of the method of the invention is compared with the traditional load reduction, can significantly reduce the energy required for the new configuration of energy storage capacity and ensure that the new energy power output stability, compared with other load calculation method, the algorithm requires a small amount of data, easy to implement, is conducive to the new energy power profit in real time in the market, has good feasibility and practical value.
【技术实现步骤摘要】
一种基于短周期均值方差的新能源储能配置优化方法
本专利技术涉及电力系统控制领域,尤其是一种基于短周期均值方差的新能源储能配置优化方法。
技术介绍
分布式发电是目前世界广泛采用的消纳新能源发电的方式之一。然而在现有电网中,消纳分布式新能源主要面临两大挑战。(1)新能源输出功率的波动难以避免;随着分布式新能源接入配电网的数量逐渐增加,有功波动会导致系统频率稳定问题,影响运行安全。(2)新能源发电预测误差大;在日前市场模式下,新能源实际输出与预测相差很大,限制了新能源发电参与电力市场的可能。为解决以上问题,配备储能单元成为了不可或缺的手段。以张北国家风光储输示范工程为例,考虑到安全裕度,配备储能的容量高达总装机容量的14.4%。而在实际运行中,新能源发电一般低于总装机容量,风光总功率最小约2.4MW,最大约为10MW,储能最大放电功率约为4.5MW,最大充电功率约为-6MW,可见储能出力所占比例之大。因此,为优化储能容量、增强新能源的经济性和竞争力,需从自身控制和市场制度两方面着手研究。对新能源自身来说,随着新能源发电技术的不断发展完善,很多新能源分布式发电机本身已经具有一定平滑有功输出功率的能力。目前常采用减载运行策略,将最大功率的5%~10%留作功率备用。然而,这种固定比例的减载造成了能源的浪费,对有功输出波动的抑制作用有限,仍需配备相当容量的储能来确保平滑输出。除利用功率备用外,新能源发电机联合运行控制也成为减少储能容量的重要手段之一。从市场制度方面来说,实时电力市场制度有利于实现新能源市场化、减少储能配置。日前市场不利于新能源的市场竞争,主要因为风电日前 ...
【技术保护点】
一种基于短周期均值方差的新能源储能配置优化方法,其特征在于,包括如下步骤:(1)载入风力发电机组及光伏发电机组上一运行周期15min的历史运行数据;(2)分别计算上一周期15min风机和光伏历史运行数据的均值和方差;
【技术特征摘要】
1.一种基于短周期均值方差的新能源储能配置优化方法,其特征在于,包括如下步骤:(1)载入风力发电机组及光伏发电机组上一运行周期15min的历史运行数据;(2)分别计算上一周期15min风机和光伏历史运行数据的均值和方差;其中,Ini(T-1,tn)和Wsj(T-1,tn)是T-1周期前14min的光强和风速数据,Ini(T-2,tn)和Wsj(T-2,tn)是T-2周期最后1min光强和风速数据,总量N=225;hi1是前一预测周期1min内光强的和,hi2是前一运行周期14min内光强的和,即为该预测周期前15min光照强度的均值,风机同理;(3)根据计算出的均值和方差计算风机和光伏的减载比例和投标值;其中,DPV.i是第i台屋顶光伏随时间变化的减载比例;DWG.j是第j台风机随时间变化的减载比例;aPV、bPV、aWG、bWG是权重系数;是由均值决定的预期输出功率,PPV.i(T)、PWG.j(T)即为第i台屋顶光伏和第j台风机对T时间段的投标值,PSREG(T)为总投标值;(4)计算每个电池的SOC,其中t=4s为检测间隔,η+=0.65和η-=0.95分别为电池充电和放电效率;<...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。