微电网中水风光电源容量配置的优化方法技术

本发明专利技术公开了微电网中水风光电源容量配置的优化方法，计算水风光微电网中电源容量配置，反映多年入库流量、风速和日照强度变化的随机性，同时还反映日照时间、日照阴影、日照偏角等的不确定性和随机性，为水风光微电网电源容量配置、发电出力预测、运行调度提供理论指导，为分布式新能源发电及智能电网调度运行提供必要的技术支撑。

Optimization method for capacity allocation of water and wind power in microgrid

【技术实现步骤摘要】
微电网中水风光电源容量配置的优化方法
本专利技术涉及电力系统及其自动化的
，尤其涉及到微电网中水风光电源容量配置的优化方法。
技术介绍
微电网是在其内部以一定方式集成分布式源(水电、小风电、光伏发电)-荷(水、电、气、冷、热负荷)的一种电网形式。微电网以380V、10kV、35kV等电压等级与主电网联接，在一般正常运行条件下与主电网并网运行，在重负荷时微电网从主电网吸收功率，在轻负荷时可能向主电网注入功率；在主电网局部故障情况下或在邻近微电网故障情况下可以孤网运行，在确保电能质量的前提下由微电网内部分布式电源向负荷提供电力电量，实现无故障微电网正常的供电状态，减小停电时间，提高供电可靠性。微电网构建和运行的目的是可持续高效利用/消纳微电网内部分布式电源电力电量，最小化与主电网交换的电力电量。基于分布式水电的微电网，是一种以水电供电为主要形式的微电网。水风光微电网中，水电站大多数为径流式，水坝一般没有蓄水功能，水库没有蓄水和调水能力，水电站水能利用完全取决于水库来水量，水电机组发电状态与出力规模也完全取决于水库来水量。在这种情况下，水电站要实现高效利用水能发电，就必须做到来多少水发多少电。而水电站水库来水量具有随机性，在不同水文周期来水量完全不同，在丰水期来水量很大，在枯水期来水量很小。因此，水电站流域河流流量往往表现为最小流量、最大流量、平均流量、多年平均流量、计算平均流量、加权平均流量、数学平均流量等等表式形式。采用不同流量的表式形式，水电站会获得不同装机容量水平。不同装机容量水平，在不同水文周期水电站发电功率和发电量也往往不同，最优导致水电站水能利用率、发电设备利用率、发电设备年最大利用小时数也不同。水电-风微电网是一种集成水电和小风电两种分布式电源、一定容量负荷并以一定方式将分布式电源和负荷联接起来的微电网。水电-风微电网中，不仅水电站水库来水量、水库流量、发电流量等具有不确定性和随机性，而且小风电场风速具有不确定性和随机性。水风光微电网中，水电站大多数为径流式，水坝一般没有蓄水功能，水库没有蓄水和调水能力，水电站水能利用完全取决于水库来水量，水电机组发电状态与出力规模也完全取决于水库来水量。在这种情况下，水电站要实现高效利用水能发电，就必须做到来多少水发多少电。而水电站水库来水量具有随机性，在不同水文周期来水量完全不同，在丰水期来水量很大，在枯水期来水量很小。因此，水电站流域河流流量往往表现为最小流量、最大流量、平均流量、多年平均流量、计算平均流量、加权平均流量、数学平均流量等等表式形式。采用不同流量的表式形式，水电站会获得不同装机容量水平。不同装机容量水平，在不同水文周期水电站发电功率和发电量也往往不同，最优导致水电站水能利用率、发电设备利用率、发电设备年最大利用小时数也不同。当风速小于切入风速或大于切出风速，风电机组均无输出功率；当风速对于切入风速而小于额定风速时，风电机组输出功率小于额定功率；当风速对于额定风速而小于切出风速时，风电机组输出额定功率。在一年的不同季节风速完全不同，在一天的不同时段风速完全不同，风速具有随机性、波动性和间歇性。因此，小风电场风速往往也表现为最小风速、最大风速、平均风速、多年平均风速、计算平均风速、加权平均风速、数学平均风速等等表式形式。采用不同风速的表式形式，小风电场会获得不同装机容量水平。不同装机容量水平，在不同季节小风电场发电功率和发电量也往往不同，最优导致小风电站风能利用率、发电设备利用率、发电设备年最大利用小时数也不同。水电-风-光微电网是一种集成水电、小风电、光伏发电三种分布式电源、一定容量负荷并以一定方式将分布式电源和负荷联接起来的微电网。水电-风-光微电网中，不仅水电站水库来水量、水库流量、发电流量等具有不确定性和随机性，小风电场风速具有不确定性和随机性，而且日照强度也具有不确定性和随机性。水风光微电网中，水电站大多数为径流式，水坝一般没有蓄水功能，水库没有蓄水和调水能力，水电站水能利用完全取决于水库来水量，水电机组发电状态与出力规模也完全取决于水库来水量。在这种情况下，水电站要实现高效利用水能发电，就必须做到来多少水发多少电。而水电站水库来水量具有随机性，在不同水文周期来水量完全不同，在丰水期来水量很大，在枯水期来水量很小。因此，水电站流域河流流量往往表现为最小流量、最大流量、平均流量、多年平均流量、计算平均流量、加权平均流量、数学平均流量等等表式形式。采用不同流量的表式形式，水电站会获得不同装机容量水平。不同装机容量水平，在不同水文周期水电站发电功率和发电量也往往不同，最优导致水电站水能利用率、发电设备利用率、发电设备年最大利用小时数也不同。当风速小于切入风速或大于切出风速，风电机组均无输出功率；当风速对于切入风速而小于额定风速时，风电机组输出功率小于额定功率；当风速对于额定风速而小于切出风速时，风电机组输出额定功率。在一年的不同季节风速完全不同，在一天的不同时段风速完全不同，风速具有随机性、波动性和间歇性。因此，小风电场风速往往也表现为最小风速、最大风速、平均风速、多年平均风速、计算平均风速、加权平均风速、数学平均风速等等表式形式。采用不同风速的表式形式，小风电场会获得不同装机容量水平。不同装机容量水平，在不同季节小风电场发电功率和发电量也往往不同，最优导致小风电站风能利用率、发电设备利用率、发电设备年最大利用小时数也不同。日照强度越大，光伏发电系统输出功率越大。在一年的不同季节日照强度完全不同，在一天的不同时段日照强度完全不同，日照强度具有随机性、波动性和间歇性。因此，光伏发电站日照强度往往也表现为最小日照强度、最大日照强度、平均日照强度、多年平均日照强度、计算平均日照强度、加权平均日照强度、数学平均日照强度等等表式形式。采用不同日照强度的表式形式，光伏发电站会获得不同装机容量水平。不同装机容量水平，在不同季节光伏发电站发电功率和发电量也往往不同，最优导致光伏发电站风能利用率、发电设备利用率、发电设备年最大利用小时数也不同。不同负荷水平及分布式电源容量规模在微电网中集成，使微电网结构形态、潮流特性发生了改变。由于水电、小风电、光伏发电等多种分布式电源接入，会因接入电源容量规模的不同而采用多种不同等级的电压。由于用电的随机性，负荷功率在不同时空尺度上总会发生变化，具有明显的时段性；同时，风电、光伏发电等分布式电源出力具有间歇性、随机性和时段性，水电机组出力具有季节性。因此，微电网负荷功率和电源功率平衡关系往往很难能够保持，当负荷功率大于电源功率时微电网需要从主电网获得补充功率，而负荷功率小于电源功率时微电网剩余功率需要注入主电网，形成了随机的双向潮流特性。随机的双向潮流特性对于微电网内部节点电压质量，在分布式电源出力大而负荷轻时就会造成微电网内部局部区域节点电压偏高，而在分布式电源出力小而负荷重时就会造成微电网内部局部区域节点电压偏低。因此，微电网内部节点电压的限制条件和要求对微电网中分布式电源容量配置优化、运行方式和电压控制策略均有影响和制约，微电网中分布式电源容量配置优化、运行方式和电压控制策略需要考虑微电网内部节点电压的限制条件和要求本文档来自技高网...

【技术保护点】
1.微电网中水风光电源容量配置的优化方法，其特征在于，包括以下步骤：/nS1.构建数据矩阵；/nS2.考虑径流量、来水量、入库流量、风速、日照强度、负荷为随机变量，采用C-均值模糊聚类方法对该些随机变量进行处理；/nS3.构建微电网电源容量配置优化模型；/nS4.采用牛顿法或内点法求解优化问题，得出微电网中水电站、风电场、光伏发电站的装机容量。/n

【技术特征摘要】
1.微电网中水风光电源容量配置的优化方法，其特征在于，包括以下步骤：
S1.构建数据矩阵；
S2.考虑径流量、来水量、入库流量、风速、日照强度、负荷为随机变量，采用C-均值模糊聚类方法对该些随机变量进行处理；
S3.构建微电网电源容量配置优化模型；
S4.采用牛顿法或内点法求解优化问题，得出微电网中水电站、风电场、光伏发电站的装机容量。


2.根据权利要求1所述的微电网中水风光电源容量配置的优化方法，其特征在于，所述步骤S1具体过程为：
从多年历史和实时数据集中获取微电网中水电站流域多年日径流量、来水量、入库流量、出库流量、洪峰流量数据，通过处理、计算和分析，构建水电站数据矩阵：



xHi1、xHi2、xHi3、xHi4、xHi5分别为微电网中水电站流域多年日径流量、来水量、入库流量、出库流量、洪峰流量，其单位分别为：立方米、立方米、立方米/秒、立方米/秒、立方米/秒；数据样本的数量N＝10*365，数据集的数量n＝5，i＝1,2,...,n；
获取风电场多年日风速、风级、风向、风吹时间等的数据，通过处理、计算和分析，构建风电场数据矩阵：



xWi1、xWi2、xWi3、xWi4分别为微电网中风电场多年日风速、风级、风向、风吹时间，其单位分别为：米/秒、级、度、小时；数据样本的数量N＝10*365，数据集的数量n＝4，i＝1,2,...,n；
获取光伏发电站多年日日照强度、日照偏角、日照时间、日照阴影的数据，通过处理、计算和分析，构建光伏发电站数据矩阵：



xPVi1、xPVi2、xPVi3、xPVi4分别为微电网中光伏发电站多年日日照强度、日照偏角、日照时间、日照阴影，其单位分别为：瓦/平方米、度、小时、平方米；数据样本的数量N＝10*365，数据集的数量n＝4，i＝1,2,...,n；
获取最大负荷、最小负荷、可控负荷、电冷负荷、电热负荷等的数据，通过处理、计算和分析，构建水电站数据矩阵：



xDi1、xDi2、xDi3、xDi4、xDi5分别为微电网中水电站流域多年最大负荷、最小负荷、可控负荷、电冷负荷、电热负荷，其单位均为：kW；数据样本的数量N＝10*365，数据集的数量n＝5，i＝1,2,...,n。


3.根据权利要求1所述的微电网中水风光电源容量配置的优化方法，其特征在于，所述步骤S2具体包括：
S2-1.构建模糊聚类中心矩阵：
采用模糊聚类分析的方法，选取c＝9，即径流量、入库流量、最大发电小时数、风速、风吹时间、日照强度、日照时间均分为9级数量；构建数据集的模糊聚类中心矩阵：C＝{C1,C2,...,C7},其中Ci＝{ci1,ci2,...,ci9}，i＝1,2,...,c，C1、C2、...、C7分别为径流量、来水量、入库流量、风速、日照强度、负荷的模糊聚类中心矩阵；
S2...

【专利技术属性】
技术研发人员：吴杰康，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44