一种以新能源为核心的调峰方法技术

本发明专利技术公开了一种以新能源为核心的调峰方法，包括如下步骤：构建考虑新能源不确定性的调峰备用模型；构建虚拟储能参与的调峰备用模型；构建考虑火电深度调峰阶梯补偿机制的调峰备用模型；构建综合考虑新能源不确定性的调峰备用模型、虚拟储能参与的调峰备用模型以及火电深度调峰阶梯补偿机制的调峰备用模型共同参与的调峰备用决策模型。通过本发明专利技术，可以实现以新能源为核心的调节常规能源和新能源在电网中的调峰响应。

A peak regulation method with new energy as the core

【技术实现步骤摘要】
一种以新能源为核心的调峰方法
本专利技术涉及虚拟储能、火电深度调峰协调控制
，具体涉及一种以新能源为核心的调峰方法。
技术介绍
近年来，新能源发电并网呈现爆发式增长，新能源消纳问题常态化，弃风弃光问题日益突出。另一方面，现有电力系统中常规电源主要以火电为主，水电、燃气等可灵活调节电源占比偏低，导致电网调峰能力严重不足，同时受能源结构制约，常规能源的备用能力不足，进一步加剧了新能源消纳问题。火电机组的调峰地位仍无法取代，常规能源的调节能力与新能源消纳需求的矛盾日益突出。电网运行中旋转备用容量是系统运行与故障处置时可靠性与经济性的重要保障，其一方面保证系统负荷高峰时段用电需求，另一方面也为系统故障提供快速的同步容量，降低系统频率跌落；但系统中备用容量越大，可靠性越高，但备用成本也随之增加。随着新能源并网容量的增加，传统备用模式也存在以下几个方面的问题；一、新能源出力不确定性的对常规能源的备用容量有了更高的要求，为保证系统运行备用容量要求，火电开机容量增加，但同时增加了负荷低谷时刻新能源弃风的概率。二、新能源的大规模并网导致其出力的波动性、随机性对系统运行安全的影响更为明显，同时系统峰谷负荷差较大，大规模弃风弃光问题突出。三、火电长期以最小技术出力运行，运行经济性较低，用户调峰响应积极性较差。因此，有学者提出考虑多重不确定性的分散调度手段，以及基于新能源出力的主动控制考虑风电降载以系统发电、备用成本最小为目标的系统备用调度模型，同时探讨利用辅助服务市场中市场交易等手段来促进新能源消纳。但现有研究中未考虑多类型机组的调峰特性以及用户侧响应特性，且针对火电机组深度调峰补偿机制、虚拟储能等用户的柔性需求响应能力的研究仍停滞不前。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种以新能源为核心的调峰方法，包括如下步骤：S1，考虑新能源出力不确定度、预测偏差概率的新能源出力预测模型和正向偏差所带来的弃风弃光成本与负向偏差所导致的额外备用成本的模型，构建考虑新能源不确定性的调峰备用模型；S2，考虑柔性负荷参与调峰备用的模型与储能参与调峰备用的模型，构建虚拟储能参与的调峰备用模型；S3，考虑火电机组的启停成本、调峰成本、经济效益的深度调峰补偿机制与火电机组深度调峰参与调峰备用的模型，构建考虑火电深度调峰阶梯补偿机制的调峰备用模型；S4，考虑以发电侧正负备用容量成本、弃风弃光损失成本以及负荷损失成本为基础，构建新能源不确定性的调峰备用模型、虚拟储能参与的调峰备用模型以及火电深度调峰阶梯补偿机制的调峰备用模型共同组成的调峰备用决策模型；S5，根据调峰备用决策模型调节常规能源和新能源在电网中的调峰响应。进一步的，所述步骤S1中的考虑新能源出力不确定度、预测偏差概率的新能源出力模型为下式所示：式中，Pe,t为新能源t时刻的实际出力，为新能源在t时刻的预测出力，为新能源在t时刻的预测偏差，χe,t为新能源在t时刻出力的不确定程度，T为运行周期，{WT，PV}为风电场与光伏机组的集合，Nt，Ne分别为运行周期与新能源机组集合内的数量，Ψ为新能源不确定度。所述考虑正向偏差所带来的弃风弃光成本与负向偏差所导致的额外备用成本的模型为：式中,f+，f-分别为正向偏差与负向偏差的新能源响应成本，分别为正、负偏差的响应成本系数，分别为新能源可调节上、下限出力值，为新能源实际出力最大值，f(Pe,t)为新能源响应函数。进一步的，所述步骤S2中所述柔性负荷参与调峰备用的响应收益模型为；式中：Cl为柔性负荷参与调峰备用的补偿成本；Pl,t为第l个用户在t时段参与调峰的柔性调度量；δl，θl为第l个用户的价格弹性系数，其绝对值越大，对需求响应的价格越敏感，cl为第l个用户的需求响应价格，ΔTl为第l个用户的调峰时长；所述储能参与调峰备用的响应收益模型为：式中fch,t，fdis,t分别为储能参与备用的充电、放电成本与收益，cch,k,t，cdis,k,t分别为t时刻第k个储能的充电、放电价格，Pk,ch,t，Pk,dis,t分别为t时刻第k个储能的充电、放电功率，ηk,c，ηk,dis分别为第k个储能的充电、放电效率，Nbat为储能数量，Δt为单位时段。所述储能荷电状态模型为：SOCk,t-1∈[SOCk,min,SOCk,max]式中，SOCk,t为t时刻第k个储能荷电状态，SOCk,max，SOCk,min分别为第k个储能最大最小允许荷电状态，Rk为第k个储能的额定容量。进一步的，所述虚拟储能包括柔性负荷和储能电池。进一步的，所述步骤S3中，所述考虑火电机组的启停成本、调峰成本、经济效益的深度调峰补偿机制为：式中，Fi为第i个火电机组深度调峰收益，ηi为第i个机组调峰深度，c1,c2,c3为不同调峰深度的电量补偿电价。所述与火电机组深度调峰参与调峰备用的模型为：式中：CD为火电深度调峰成本；Di,t为第i台机组在t时段的机组的调峰模式，参与深度调峰为1，不参与深度调峰为0；γi为火电机组参与深度调峰后成本的增加系数。进一步的，所述以新能源为核心的虚拟储能与火电深度调峰共同参与的备用决策以系统备用成本最低为目标，所述目标函数为：式中，C为系统备用成本，Bwt，Bpv分别为新能源弃风弃光成本；影响所述系统备用成本最小化因素包括系统备用容量约束、功率平衡约束、火电机组爬坡率约束、火电机组出力约束、火电机组深度调峰次数约束、新能源出力约束、柔性负荷可中断时间约束、储能充放电约束；所述系统备用容量约束为：式中，maxPup，maxPdown分别为系统最大上旋备用和最大下旋备用，Pload,max，Pload,min分别为系统最大、最小负荷，σ％为系统负荷备用率，一般取系统最大负荷的3％～5％，CR,max，CR,min为系统电源开机容量的最大、最小可调节量，Ri，Pi,min分别为第i个火电的开机容量和最小技术出力，Re，Re,min分别为第e个新能源的开机容量和不可调节容量，ξs为系统备用容量的置信水平。所述功率平衡约束为：式中，Pt，Pload,t分别为t时刻系统备用容量和系统负荷。所述火电机组爬坡率约束约束：-ΔPi,max≤Pi,t-Pi,t-1≤ΔPi,max式中，ΔPi,max为第i个机组每时段可加减负荷的最大值。所述火电机组出力约束约束：Bi,tPi,min≤Pi,t≤Bi,tPi,max式中，Pi,max、Pi,max为第i个火电机组最小、最大允许出力。所述火电机组深度调峰次数约束：式中，Ni,B,max为第i个火电机组在一个调度周期内深度调峰最大调用次数。所述新能源出力约束：Pr(0≤Pe,t≤Pemax)≥本文档来自技高网...

【技术保护点】
1.一种以新能源为核心的调峰方法，其特征在于，包括如下步骤：/nS1，考虑新能源出力不确定度、预测偏差概率的新能源出力预测模型和正向偏差所带来的弃风弃光成本与负向偏差所导致的额外备用成本的模型，构建考虑新能源不确定性的调峰备用模型；/nS2，考虑柔性负荷参与调峰备用的模型与储能参与调峰备用的模型，构建虚拟储能参与的调峰备用模型；/nS3，考虑火电机组的启停成本、调峰成本、经济效益的深度调峰补偿机制与火电机组深度调峰参与调峰备用的模型，构建考虑火电深度调峰阶梯补偿机制的调峰备用模型；/nS4，考虑以发电侧正负备用容量成本、弃风弃光损失成本以及负荷损失成本为基础，构建新能源不确定性的调峰备用模型、虚拟储能参与的调峰备用模型以及火电深度调峰阶梯补偿机制的调峰备用模型共同组成的调峰备用决策模型；/nS5，根据调峰备用决策模型调节常规能源和新能源在电网中的调峰响应。/n

【技术特征摘要】
1.一种以新能源为核心的调峰方法，其特征在于，包括如下步骤：
S1，考虑新能源出力不确定度、预测偏差概率的新能源出力预测模型和正向偏差所带来的弃风弃光成本与负向偏差所导致的额外备用成本的模型，构建考虑新能源不确定性的调峰备用模型；
S2，考虑柔性负荷参与调峰备用的模型与储能参与调峰备用的模型，构建虚拟储能参与的调峰备用模型；
S3，考虑火电机组的启停成本、调峰成本、经济效益的深度调峰补偿机制与火电机组深度调峰参与调峰备用的模型，构建考虑火电深度调峰阶梯补偿机制的调峰备用模型；
S4，考虑以发电侧正负备用容量成本、弃风弃光损失成本以及负荷损失成本为基础，构建新能源不确定性的调峰备用模型、虚拟储能参与的调峰备用模型以及火电深度调峰阶梯补偿机制的调峰备用模型共同组成的调峰备用决策模型；
S5，根据调峰备用决策模型调节常规能源和新能源在电网中的调峰响应。


2.根据权利要求1所述的一种以新能源为核心的调峰方法，其特征在于，所述步骤S1中的考虑新能源出力不确定度、预测偏差概率的新能源出力模型为下式所示：









式中，Pe,t为新能源t时刻的实际出力，为新能源在t时刻的预测出力，为新能源在t时刻的预测偏差，χe,t为新能源在t时刻出力的不确定程度，T为运行周期，{WT，PV}为风电场与光伏机组的集合，Nt，Ne分别为运行周期与新能源机组集合内的数量，Ψ为新能源不确定度；
所述考虑正向偏差所带来的弃风弃光成本与负向偏差所导致的额外备用成本的模型为：



式中,f+，f-分别为正向偏差与负向偏差的新能源响应成本，分别为正、负偏差的响应成本系数，分别为新能源可调节上、下限出力值，为新能源实际出力最大值，f(Pe,t)为新能源响应函数。


3.根据权利要求1所述的一种以新能源为核心的调峰方法，其特征在于，所述步骤S2中所述的柔性负荷参与调峰备用的响应收益模型为；



式中：Cl为柔性负荷参与调峰备用的补偿成本；Pl,t为第l个用户在t时段参与调峰的柔性调度量；δl，θl为第l个用户的价格弹性系数，其绝对值越大，对需求响应的价格越敏感，cl为第l个用户的需求响应价格，ΔTl为第l个用户的调峰时长；
所述储能参与调峰备用的响应收益模型为：



式中fch,t，fdis,t分别为储能参与备用的充电、放电成本与收益，cch,k,t，cdis,k,t分别为t时刻第k个储能的充电、放电价格，Pk,ch,t，Pk,dis,t分别为t时刻第k个储能的充电、放电功率，ηk,c，ηk,dis分别为第k个储能的充电、放电效率，Nbat为储能数量，Δt为单位时段。
所述储能荷电状态模型为：



SOCk,t-1∈[SOCk,min,SOCk,max]
式中，SOCk,t为t时刻第k个储能荷电状态，SOCk,max，SOCk,min分别为第k个储能最大最小允许荷电状态，Rk为第k个储能的额定容量。


4.根据权利要求4所述的一种以新能源为核心的调峰方法，其特征在于，所述虚拟储能包括柔性负荷和储能电池。


5...

【专利技术属性】
技术研发人员：薛晨，任景，马晓伟，张振宇，崔伟，张小东，刘友波，
申请(专利权)人：国家电网公司西北分部，四川大学，
类型：发明
国别省市：陕西;61