一种基于碳交易机制的风光储容量规划方法技术

本发明专利技术提出了一种基于碳交易机制的风光储容量规划方法。本发明专利技术在含风光储的区域电力系统中，首先基于数理统计和概率学的方法，根据太阳能辐射和风速的变化特点建立起光伏发电系统和风力发电系统的随机出力模型；然后考虑碳交易成本，以系统最小总成本为经济优化目标，根据规划模型求解满足约束条件的最优解，输出满足约束条件的最优解，实现了区域电网风光储容量优化配置。

A planning method of wind and solar energy storage capacity based on carbon trading mechanism

【技术实现步骤摘要】
一种基于碳交易机制的风光储容量规划方法
本专利技术属于电力系统电源规划
，公开了一种基于碳交易机制的风光储容量规划方法。
技术介绍
当前，风电、光伏等新能源在电力系统中得到越来越广泛的应用，其重要性也日益提升。与传统电源不同，风电、光伏等新能源发电往往受环境因素影响较大，具有显著的随机性、波动性及间歇性，而集中式新能源电源相比分布式新能源电源，出力稳定，削峰作用明显，可以更方便进行无功和电压控制，易实现电网频率调节，同时，便于集中管理，受到空间的限制小，可以很容易地实现扩容，因此，集中式新能源电源更加有利于电力系统进行统一规划。在将风电、光伏并入电网时，往往会对电网的电能质量造成影响。当前，对于集中式新能源电源，如何合理配置系统内风光储电源的容量，在保证系统经济、安全、稳定、可靠的同时，还能保证新能源的利用率，是当前的研究热点。目前系统中大规模的风光储接入电网，风储与光储系统的研究较多，风光储的研究主要是小规模的风光互补发电系统，风光储由共同的汇流母线接入电网，而系统中风电、光伏、储能单独接入电网的研究较少。目前的风光容量规划配置模型往往以系统运行成本最低或收益最大等经济性目标作为目标函数。考虑碳排放对系统风光储容量进行规划配置的研究还比较少，或者仅仅将其作为一个约束条件进行限制，而未考虑机组碳排放的经济特性。因此鉴于电能生产绿色化、低排化及新能源运行随机性、波动性强的特点，有必要研究一种基于碳交易机制的风光储容量规划方法。
技术实现思路
为了克服上述现有技术的不足，本专利技术提供了一种基于碳交易机制的风光储容量规划方法。本专利技术的技术方案为一种基于碳交易机制的风光储容量规划方法，具体包括以下步骤：步骤1：构建光伏出力模型；步骤2：构建风机出力模型；步骤3：构建储能蓄电池模型；步骤4：建立碳交易策略；步骤5：确定容量规划模型；步骤6：采用帝国竞争算法求解优化模型；作为优选，步骤1中所述构建光伏出力模型具体为：记待建模地区的纬度为该地区一年中第m月第d日t时的地表太阳辐照度为：式中，为晴天第m月第d日t时的地表太阳辐照度小时均值，α(m)为第m月阴雨天的辐照度衰减系数；离散随机变量C(m)表示该地区每年第m(m＝1，2，…12)月的晴雨状况；可采用如下经验公式计算：式中，记H0为地外日太阳辐照总量，第m月第d日属于一年中顺数下来的第N日(m＝1,d＝1对应N＝1；m＝12，d＝31对应N＝365)：I0＝1367[1+0.033cos(360N/365)]其中，δ为日偏角；ωst为日升时的小时角；I0为地外辐照度基值；Kt为第m月第d日t时地表辐照度日曲线拟合函数，地表辐照度日曲线拟合函数Kt如式所示：其中，tst为日出时间，tss为日落时间，采用以下公式计算：hss＝24-hst+2Δtm其中，Δtm为时间修正系数；Cs为晴天的日照晴空指数，反映入射到地表水平面的太阳辐照度与地外辐照度之比；确定晴雨天之后，每小时的太阳辐照度均值R经下式的标度转换成R'并且在[0,1]区间上呈Beta分布：式中，rmin为太阳辐照度的最小值，rmax为太阳辐照度的最大值；Beta分布的概率密度函数是关于α和β双参数的连续函数(α≥0,β≥0)：式中，fb(R')为Beta分布函数；Γ(Z)为Gamma函数，α为Beta分布函数的第一参数，β为Beta分布函数的第二参数；根据Beta分布的特点可得出R与参数rmin和rmax的关系为：光伏电源t时刻的输出功率PPV(t)为：式中，Ps为光伏电源在标准太阳辐照度1000W/m2和25℃下的实际功率；αT为光伏电池的功率温度系数；T为运行时温度；作为优选，步骤2中所述构建风机出力模型具体为：对待建模地区风速采用随机时间序列模型建模，即自回归滑动平均模型ARMA(p，q)：式中，vt为t时刻风速时间序列；p为AR模型阶数；q为MA模型阶数；εt为t时刻干扰项。风机输出电功率与风速间的关系可以分段函数表示为：式中，PW(t)为t时刻风机实际功率，PWT为风机额定功率，vin为切入风速，vr为额定风速，vout为切出风速；作为优选，步骤3中所述构建储能蓄电池模型为：当蓄电池放电时，其荷电量的表达式如下所示，且PSB(t)＞0：当蓄电池充电时，其荷电量的表达式如下所示，且PSB(t)＜0：S(t)＝S(t-1)(1-σ)-PSB(t)Δtηc/Emax当蓄电池无动作时，其荷电量的表达式如下所示，且PSB(t)＝0：S(t)＝S(t-1)(1-σ)式中，S(t)为蓄电池t时刻的荷电量，S(t-1)为蓄电池(t-1)时刻的荷电量，σ为蓄电池的自放电率，PSB(t)为蓄电池在t时刻的充放电功率，Emax为蓄电池的最大容量，ηd为蓄电池的放电效率，ηc为蓄电池的充电效率；作为优选，步骤4中所述建立碳交易策略为：选取基准线法确定该系统的免费碳排放配额为：式中，EQ为系统总免费碳排放配额，T为规划期内一年，τ为单位电量碳排放标准指数，L(t)为系统t时刻负荷值；碳交易策略为：当EG＜EQ时，可将多余配额EQ-EG出售；当EG＞EQ时，需购买超额的EG-EQ，即：式中，EG为常规机组总碳排放量，EQ为系统总免费碳排放配额，δi为常规机组单位电量碳排放指数，PGn(t)为常规机组出力，N为常规机组的数量，为碳交易价格，为正表示需支付成本购买碳配额，为负表示可通过出售碳配额以获利；作为优选，步骤5中所述确定容量规划模型为：容量规划模型约束条件中光伏出力为步骤1中所述光伏出力模型中出力，容量规划模型约束条件中风电出力为步骤2中所述风电出力模型中出力，容量规划模型约束条件中储能出力为步骤3中所述储能模型出力；在对电网中风光储进行容量规划时，考虑模型的经济优化目标为系统的总成本F，包括光伏、风机、储能电池的初期投建成本与运行维护成本，常规机组的运行维护成本，碳交易成本，总成本F为：式中，C1为风机、光伏、储能的初期投建成本，C2为风机光伏与常规机组运行维护成本的现值，为碳交易成本；计算风光电源各类费用的现值：式中，Cins为设备的总投建费用，为风光火单位电量运维成本，为储能电池单位容量运维成本，为风光火年发电量，E为储能电池容量，q为设备的使用年限，r为贴现率；优化模型的目标函数为：优化配置的约束条件：功率平衡约束为：式中，L(t)为t时刻系统的负荷值，In(t)为t时刻常规机组的启停状态，PGn(t)为t时刻常规机组n出力，PW(t)为t时刻风机出力，PPV(t)为t时刻光伏出力，PSB(t)为t时刻储能电池出力；风光储安装数量约束为：式中，为风机最小安装数量，为风机最大安装数量，为光伏最小安装数量，为光伏最大安装数量，为蓄电池最小安装数量，为蓄电池最大安装数量；常规机组备用约束为:式中，PGn,max(t)为常规机组n最大技术出力，In(t)为t时刻常规机组的启停状态，PW(t)为t时刻风机出力，PPV(t)为t时刻光伏出力，PSB(t)为t时刻储能电池出力，L(t)为t时刻系统的负荷值，R(t)为t时刻系统的备用需求；常规机组爬坡约束为：PGn,down≤PGn(t)-PGn(t-1)≤PGn,up式中，PGn,up为常规机组n单位时间内最大的上升功率，PGn,down为常规机组n单位时间内最大本文档来自技高网...

【技术保护点】
1.一种基于碳交易机制的风光储容量规划方法，其特征在于，包括以下步骤：步骤1：构建光伏出力模型；步骤2：构建风机出力模型；步骤3：构建储能蓄电池模型；步骤4：建立碳交易策略；步骤5：确定容量规划模型；步骤6：采用帝国竞争算法求解优化模型。

【技术特征摘要】
1.一种基于碳交易机制的风光储容量规划方法，其特征在于，包括以下步骤：步骤1：构建光伏出力模型；步骤2：构建风机出力模型；步骤3：构建储能蓄电池模型；步骤4：建立碳交易策略；步骤5：确定容量规划模型；步骤6：采用帝国竞争算法求解优化模型。2.根据权利要求1所述的基于碳交易机制的风光储容量规划方法，其特征在于：步骤1中所述构建光伏出力模型具体为：记待建模地区的纬度为该地区一年中第m月第d日t时的地表太阳辐照度为：式中，为晴天第m月第d日t时的地表太阳辐照度小时均值，α(m)为第m月阴雨天的辐照度衰减系数；离散随机变量C(m)表示该地区每年第m(m＝1，2，…12)月的晴雨状况；可采用如下经验公式计算：式中，记H0为地外日太阳辐照总量，第m月第d日属于一年中顺数下来的第N日(m＝1,d＝1对应N＝1；m＝12，d＝31对应N＝365)：I0＝1367[1+0.033cos(360N/365)]其中，δ为日偏角；ωst为日升时的小时角；I0为地外辐照度基值；Kt为第m月第d日t时地表辐照度日曲线拟合函数，地表辐照度日曲线拟合函数Kt如式所示：其中，tst为日出时间，tss为日落时间，采用以下公式计算：hss＝24-hst+2Δtm其中，Δtm为时间修正系数；Cs为晴天的日照晴空指数，反映入射到地表水平面的太阳辐照度与地外辐照度之比；确定晴雨天之后，每小时的太阳辐照度均值R经下式的标度转换成R'并且在[0,1]区间上呈Beta分布：式中，rmin为太阳辐照度的最小值，rmax为太阳辐照度的最大值；Beta分布的概率密度函数是关于α和β双参数的连续函数(α≥0,β≥0)：式中，fb(R')为Beta分布函数；Γ(Z)为Gamma函数，α为Beta分布函数的第一参数，β为Beta分布函数的第二参数；根据Beta分布的特点可得出R与参数rmin和rmax的关系为：光伏电源t时刻的输出功率PPV(t)为：式中，Ps为光伏电源在标准太阳辐照度1000W/m2和25℃下的实际功率；αT为光伏电池的功率温度系数；T为运行时温度。3.根据权利要求1所述的基于碳交易机制的风光储容量规划方法，其特征在于：步骤2中所述构建风机出力模型具体为：对待建模地区风速采用随机时间序列模型建模，即自回归滑动平均模型ARMA(p，q)：式中，vt为t时刻风速时间序列；p为AR模型阶数；q为MA模型阶数；εt为t时刻干扰项；风机输出电功率与风速间的关系可以分段函数表示为：式中，PW(t)为t时刻风机实际功率，PWT为风机额定功率，vin为切入风速，vr为额定风速，vout为切出风速。4.根据权利要求1所述的基于碳交易机制的风光储容量规划方法，其特征在于：步骤3中所述构建储能蓄电池模型为：当蓄电池放电时，其荷电量的表达式如下所示，且PSB(t)＞0：当蓄电池充电时，其荷电量的表达式如下所示，且PSB(t)＜0：S(t)＝S(t-1)(1-σ)-PSB(t)Δtηc/Emax当蓄电池无动作时，其荷电量的表达式如下所示，且PSB(t)＝0：S(t)＝S(t-1)(1-σ)式中，S(t)为蓄电池t时刻的荷电量，S(t-1)为蓄电池(t-1)时刻的荷电量，σ为蓄电池的自放电率，PSB(t)为蓄电池在t时刻的充放电功率，Emax为蓄电池的最大容量，ηd为蓄电池的放电效率，ηc为蓄电池的充电效率。5.根据权利要求1所述的基于碳交易机制的风光储容量规划方法，其特征在于：步骤4中所述建立碳交易策略为：选取基准线法确定该系统的免费碳排放配额为：式中，EQ为系统总免费碳排放配额，T为规划期内一年，τ为单位电量碳排放标准指数，L(t)为系统t时刻负荷值；碳交易策略为：当EG＜EQ时，可将多余配额EQ-EG出售；当EG＞EQ时，需购买超额的EG-EQ，即：式中，EG为常规机组总碳排放量，EQ为系统总免费碳排放配额，δi为常规机组单位电量碳排放指数，PGn(t)为常规机组出力，N为常规机组的数量，为碳交易价格，为正表示需支付成本购买碳配额，为负表示可通过出售碳配额以获利。6.根据权利要求1所述的基于碳交易机制的风光储容量规划方法，其特征在于：步骤5中所述确定容量规划模型为：容量规划...

【专利技术属性】
技术研发人员：曹建伟，穆川文，孙可，谭将军，张全明，崔雪，白云，刘洋，
申请(专利权)人：国网浙江省电力有限公司湖州供电公司，武汉大学，
类型：发明
国别省市：浙江,33