压缩空气储能系统的未来电网演化模型的生成方法及装置制造方法及图纸

本发明专利技术公开了一种压缩空气储能系统的未来电网演化模型的生成方法及装置，其中，方法包括以下步骤：采集收集电网数据，并生成传输功率分布因子矩阵和电网的拓扑结构；通过多时间段的生产模拟对各种电源、储能设备以及需求侧管理进行建模；通过灵敏度引导构建电网生长演化模型。该方法可以对已有的电网演化模型进行改进，在考虑高比例可再生能源渗透率的基础上，加入压缩空气储能单元，更好的在现有的储能技术水平下刻画和模拟电网演化，从而使得未来电网演化模型的生成更加具有正式性，全面性，更加符合实际情况。

The generation method and device of the future power grid evolution model of compressed air energy storage system

The invention discloses a method and a device, generating the grid of the future evolution model of compressed air energy storage system wherein the method comprises the following steps: collecting data, and generate the topology of transmission power distribution factor matrix and the power grid; through the multi period production simulation of power supply, energy storage equipment and demand side management model; construction of power grid evolution model guided by sensitivity. The method of the existing grid evolution model is modified, considering the high proportion of renewable energy penetration, with compressed air energy storage unit, better in the existing storage and depict the evolution of power system simulation technology level, so that the generation of future power grid evolution model is more formal, more comprehensive. In line with the actual situation.

【技术实现步骤摘要】
压缩空气储能系统的未来电网演化模型的生成方法及装置
本专利技术涉及新能源发电系统
，特别涉及一种压缩空气储能系统的未来电网演化模型的生成方法及装置。
技术介绍
储能技术被认为是一种能够弥补清洁能源时空不确定性的技术，能有效缓解可再生能源对电网的冲击，提高电网的灵活调节能力。储能技术的引入，可降低清洁能源接入对电网结构的要求。CAES(CompressedAirEnergyStorage，压缩空气储能)系统具有能量密度高、储能效率高、低成本、无地理条件限制等突出优点，被认为是极具潜力的未来储能技术之一。其中，先进绝热压缩空气储能具有系统效率高等优势，不仅能对电能进行存储并在需要时对用户进行供电，系统发电后排出的余热还能向用户供热、供冷，实现冷热电三联供。可再生能源的波动性在高比例情境下会对电网造成一系列冲击，如弃风、弃光、并网成本等。对于可再生能源机组来说，弃风、弃光等限电问题会影响可再生能源机组的经济效率，需要在运行时判断是否对可再生能源发电量进行弃风弃光的内部逻辑。此外，热电联产部门与电力部门的整合可为电力系统提供更大的灵活性，从而实现热电联产记住在电力系统和热力系统之间的桥接，使得热力系统作为瞬时功率平衡要求较低的部门为电力系统提供最大范围的调峰能力，从而促进可再生能源消纳。然而，大部分现有模型仅考虑了抽水储能对新能源消纳的情况，没有把现有的储能技术刻画完整，也没有在运行时判断是否对可再生能源发电量进行弃风弃光的内部逻辑。以上这些因素均导致了现有的模型不能很好地刻画和模拟高比例清洁能源下电网的演化。
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压缩空气储能系统的未来电网演化模型的生成方法，该方法可以使得未来电网演化模型的生成更加具有正式性，全面性，更加符合实际情况。本专利技术的另一个目的在于提出一种压缩空气储能系统的未来电网演化模型的生成装置。为达到上述目的，本专利技术一方面实施例提出了一种压缩空气储能系统的未来电网演化模型的生成方法，包括以下步骤：采集收集电网数据，并生成传输功率分布因子矩阵和电网的拓扑结构；通过多时间段的生产模拟对各种电源、储能设备以及需求侧管理进行建模；通过灵敏度引导构建电网生长演化模型。本专利技术实施例的压缩空气储能系统的未来电网演化模型的生成方法，可以根据基年已有的装机量、传输容量等输入基年电力和热力系统已有生产和传输数据，下一步根据现有研究假设未来电力和热力能源消费及技术成本与表现，设定优化年后驱动模型进行逐年优化，最后以系统整体成本最小为优化目标输出电力和热电系统发电装机和输电容量的扩容路径，对高比例清洁能源下电网的发展进行更合理的预测，从而使得未来电网演化模型的生成更加具有正式性，全面性，更加符合实际情况。另外，根据本专利技术上述实施例的压缩空气储能系统的未来电网演化模型的生成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，所述生成传输功率分布因子矩阵和电网的拓扑结构，进一步包括：构建目标电网的拓扑图，确定电网中的发电机节点、负荷节点和各线路的参数；确定电网中所述传输功率分布因子的矩阵H，所述矩阵H的表达式为：H＝B′B-1＝DC[CTDC]-1，其中，B为可逆的电网导纳矩阵，C为划去参考节点的节点-支路关联矩阵，D＝diag(y1,…,yl)，yi为支路导纳。进一步地，在本专利技术的一个实施例中，，所述通过多时间段的生产模拟对各种电源、储能设备以及需求侧管理进行建模，包括：潮流和线路容量约束条件：-F≤H(Agg(t)+All(t))≤F，其中，F为支路容量组成的列向量，H为网络的传输功率分布因子组成的矩阵，Agg(t)为节点的发电功率，All(t)为节点负荷功率；发电模型，其包括最小启动时间约束、最小停机时间约束和机组的爬坡约束；旋转备用：其中，是时间断面t上分区K所需要的最小旋转备用量，ri，i∈K是分区K中各机组贡献的旋转备用量；清洁能源；储能设备：其中，ci(t)为充电功率，di(t)为放电功率，ηci为储能设备i的充电效率，放电效率为ηdi，和分别为设备的储能下限和储能上限，ci(0)为设备的初始储能；负荷模型和需求侧管理，包括负荷节点处的约束和需求侧管理约束；目标函数：C＝Cfuel+Cstart+P1Crigid+P2Cflexible，其中，P1和P2为惩罚因子，P1>P2＞＞0，Cfuel为燃料成本，Cstart为启停费用；P1Crigid是“刚性”负荷被切除造成的惩罚项，P2Cflexible是“柔性”负荷的总量不能被满足造成的惩罚项。进一步地，在本专利技术的一个实施例中，所述通过灵敏度引导构建电网生长演化模型，进一步包括：从电网中所有可能的两点间连线中筛选出满足预设条件的候选支路，并且求出每条支路的灵敏度，并将所述灵敏度大于预设阈值的支路选入候选支路集；对所述候选支路集进行基本搜索，获取网络生长演化的最优解。进一步地，在本专利技术的一个实施例中，所述灵敏度为其中，λ为新增导纳，Fl为线路容量，πi(t)为节点i的价格；并且，获取所述网络生长演化的最优解时，目标函数f(x)为：其中，Z(x)是年运行成本，ci是支路i的建设成本，A是折合年限，xi表示在x的基础上新建线路i所导致的目标函数的下降量的预判值。为达到上述目的，本专利技术另一方面实施例提出了一种压缩空气储能系统的未来电网演化模型的生成装置，包括：采集模块，用于采集收集电网数据，并生成传输功率分布因子矩阵和电网的拓扑结构；模拟模块，用于通过多时间段的生产模拟对各种电源、储能设备以及需求侧管理进行建模；生成模块，用于通过灵敏度引导构建电网生长演化模型。本专利技术实施例的压缩空气储能系统的未来电网演化模型的生成装置，可以根据基年已有的装机量、传输容量等输入基年电力和热力系统已有生产和传输数据，下一步根据现有研究假设未来电力和热力能源消费及技术成本与表现，设定优化年后驱动模型进行逐年优化，最后以系统整体成本最小为优化目标输出电力和热电系统发电装机和输电容量的扩容路径，对高比例清洁能源下电网的发展进行更合理的预测，从而使得未来电网演化模型的生成更加具有正式性，全面性，更加符合实际情况。另外，根据本专利技术上述实施例的压缩空气储能系统的未来电网演化模型的生成装置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，所述采集模块还用于构建目标电网的拓扑图，确定电网中的发电机节点、负荷节点和各线路的参数，以及确定电网中所述传输功率分布因子的矩阵H，所述矩阵H的表达式为：H＝B′B-1＝DC[CTDC[-1，其中，B为可逆的电网导纳矩阵，C为划去参考节点的节点-支路关联矩阵，D＝diag(y1,…,yl)，yi为支路导纳。进一步地，在本专利技术的一个实施例中，所述模拟模块还用于潮流和线路容量约束条件：-F≤H(Agg(t)+All(t))≤F，其中，F为支路容量组成的列向量，H为网络的传输功率分布因子组成的矩阵，Agg(t)为节点的发电功率，All(t)为节点负荷功率；发电模型，其包括最小启动时间约束、最小停机时间约束和机组的爬坡约束；旋转备用：其中，是时间断面t上分区K所需要的最小旋转备用量，ri，i∈K是分区K中各机组贡献的旋转本文档来自技高网...

【技术保护点】
一种压缩空气储能系统的未来电网演化模型的生成方法，其特征在于，包括以下步骤：采集收集电网数据，并生成传输功率分布因子矩阵和电网的拓扑结构；通过多时间段的生产模拟对各种电源、储能设备以及需求侧管理进行建模；以及通过灵敏度引导构建电网生长演化模型。

【技术特征摘要】
1.一种压缩空气储能系统的未来电网演化模型的生成方法，其特征在于，包括以下步骤：采集收集电网数据，并生成传输功率分布因子矩阵和电网的拓扑结构；通过多时间段的生产模拟对各种电源、储能设备以及需求侧管理进行建模；以及通过灵敏度引导构建电网生长演化模型。2.根据权利要求1所述的压缩空气储能系统的未来电网演化模型的生成方法，其特征在于，所述生成传输功率分布因子矩阵和电网的拓扑结构，进一步包括：构建目标电网的拓扑图，确定电网中的发电机节点、负荷节点和各线路的参数；确定电网中所述传输功率分布因子的矩阵H，所述矩阵H的表达式为：H＝B′B-1＝DC[CTDC]-1，其中，B为可逆的电网导纳矩阵，C为划去参考节点的节点-支路关联矩阵，D＝diag(y1,…,yl)，yi为支路导纳。3.根据权利要求1所述的压缩空气储能系统的未来电网演化模型的生成方法，其特征在于，所述通过多时间段的生产模拟对各种电源、储能设备以及需求侧管理进行建模，包括：潮流和线路容量约束条件：-F≤H(Agg(t)+All(t))≤F，其中，F为支路容量组成的列向量，H为网络的传输功率分布因子组成的矩阵，Agg(t)为节点的发电功率，All(t)为节点负荷功率；发电模型，其包括最小启动时间约束、最小停机时间约束和机组的爬坡约束；旋转备用：其中，是时间断面t上分区K所需要的最小旋转备用量，ri，i∈K是分区K中各机组贡献的旋转备用量；清洁能源；储能设备：其中，ci(t)为充电功率，di(t)为放电功率，ηci为储能设备i的充电效率，放电效率为ηdi，和分别为设备的储能下限和储能上限，ci(0)为设备的初始储能；负荷模型和需求侧管理，包括负荷节点处的约束和需求侧管理约束；目标函数：C＝Cfuel+Cstart+P1Crigid+P2Cflexible，其中，P1和P2为惩罚因子，P1>P2＞＞0，Cfuel为燃料成本，Cstart为启停费用；P1Crigid是“刚性”负荷被切除造成的惩罚项，P2Cflexible是“柔性”负荷的总量不能被满足造成的惩罚项。4.根据权利要求1所述的压缩空气储能系统的未来电网演化模型的生成方法，其特征在于，所述通过灵敏度引导构建电网生长演化模型，进一步包括：从电网中所有可能的两点间连线中筛选出满足预设条件的候选支路，并且求出每条支路的灵敏度，并将所述灵敏度大于预设阈值的支路选入候选支路集；对所述候选支路集进行基本搜索，获取网络生长演化的最优解。5.根据权利要求4所述的压缩空气储能系统的未来电网演化模型的生成方法，其特征在于，所述灵敏度为其中，λ为新增导纳，Fl为线路容量，πl(t)为节点l的价格；并且，获取所述网络生长演化的最优解时，目标函数f(x)为：其中，Z(x)是年运行成本，ci是支路i的建设成本，A是折合年限，xi表示在x的基础...

【专利技术属性】
技术研发人员：梅生伟，卢强，陈来军，薛小代，
申请(专利权)人：清华大学，
类型：发明
国别省市：北京,11