风光储联合发电系统置信容量评估方法及系统技术方案

本发明专利技术公开了一种风光储联合发电系统置信容量评估方法及系统，该方法包括：建立全场景集并构建全场景矩阵，根据全场景集和全场景矩阵，选取典型场景集并构建典型场景矩阵，记录每个典型场景的发生概率；构建风力发电、光伏发电功率输出模型，构建储能系统优化运行策略及所对应的多目标优化模型，基于风力发电、光伏发电功率输出模型，计算每个典型场景下风力发电和光伏发电功率输出曲线，基于储能系统优化运行策略及多目标优化模型，计算每个典型场景下储能系统功率输出曲线；计算接入风光储联合系统的整体可靠性水平；采用弦截法对接入风光储联合发电系统的电力系统可靠性水平进行多次迭代计算，获取风光储联合发电系统置信容量和置信率。

【技术实现步骤摘要】
风光储联合发电系统置信容量评估方法及系统
本专利技术涉及风光储联合发电
，尤其是涉及一种风光储联合发电系统置信容量评估方法及系统。
技术介绍
为了应对化石燃料的日益枯竭与全球环境不断恶化等突出问题，全球范围内非化石能源持续大规模开发利用，风、光等可再生能源加速发展，能源清洁低碳化转型升级步伐加快。据国际可再生能源署预测，到2040年，可再生能源将在全球能源消费总量和发电总量的占比分别达到66％和86％。可再生能源发电给电力发展与能源转型带来了巨大效益与发展机遇，但其所具有的波动性、间歇性和随机性对电力系统的运行带来巨大挑战，同时也对可再生能源发电系统的容量价值造成极大影响。利用储能系统构成风光储联合发电系统，通过提升风、光可再生能源出力的稳定性和可调节性，既能够有效利用风光资源的时空互补特性，同时还能够有效提升其对系统的容量支撑能力。目前，普遍采用置信容量概念对可再生能源的容量价值进行评估，但现有置信容量评估方法的诸多弊端日益突出。(1)现有置信容量评估方法主要针对单种清洁能源进行评估并往往采用非时序模型对可再生能源进行建本文档来自技高网...

【技术保护点】
1.一种风光储联合发电系统置信容量评估方法，其特征在于，包括：/n建立全场景集并构建全场景矩阵，根据所述全场景集和所述全场景矩阵，选取典型场景集并构建典型场景矩阵，记录每个典型场景的发生概率；/n构建风力发电、光伏发电功率输出模型，构建储能系统优化运行策略及所对应的多目标优化模型，基于所述的风力发电、光伏发电功率输出模型，计算每个典型场景下风力发电和光伏发电功率输出曲线，基于所述储能系统优化运行策略及多目标优化模型，利用智能优化算法，计算每个典型场景下储能系统功率输出曲线；/n根据风力发电功率输出曲线、光伏发电功率输出曲线、储能系统功率输出曲线、以及每个典型场景的发生概率，计算接入风光储联合系...

【技术特征摘要】
1.一种风光储联合发电系统置信容量评估方法，其特征在于，包括：
建立全场景集并构建全场景矩阵，根据所述全场景集和所述全场景矩阵，选取典型场景集并构建典型场景矩阵，记录每个典型场景的发生概率；
构建风力发电、光伏发电功率输出模型，构建储能系统优化运行策略及所对应的多目标优化模型，基于所述的风力发电、光伏发电功率输出模型，计算每个典型场景下风力发电和光伏发电功率输出曲线，基于所述储能系统优化运行策略及多目标优化模型，利用智能优化算法，计算每个典型场景下储能系统功率输出曲线；
根据风力发电功率输出曲线、光伏发电功率输出曲线、储能系统功率输出曲线、以及每个典型场景的发生概率，计算接入风光储联合系统的整体可靠性水平；
采用弦截法对接入风光储联合发电系统的电力系统可靠性水平进行多次迭代计算，获取风光储联合发电系统置信容量和置信率。


2.根据权利要求1所述的方法，其特征在于，建立全场景集并构建全场景矩阵，根据所述全场景集和所述全场景矩阵，选取典型场景集并构建典型场景矩阵具体包括：
将风速、光照强度、地表温度、负荷需求作为场景构成基本元素，分别获取被研究区域的风速、光照强度、地表温度、及电力负荷需求全年小时级预测数据，并建立全场景集，并根据公式1构建全场景矩阵Sfull-sc：



综合采用多种聚类方法对全场景集进行聚类操作，对全场景集进行削减，并采用指标对聚类数量n进行选取，获得典型场景集，并根据公式2构建典型场景矩阵Stypical-sc，记录每个典型场景的发生概率ωsc：



其中，Vt，It，Tt，Lt分别为时刻t的风速数据，光照强度数据，地表温度数据和负荷需求数据。


3.根据权利要求1所述的方法，其特征在于，构建风力发电、光伏发电功率输出模型，构建储能系统优化运行策略及所对应的多目标优化模型，基于所述的风力发电、光伏发电功率输出模型，计算每个典型场景下风力发电和光伏发电功率输出曲线，基于所述储能系统优化运行策略及多目标优化模型，利用智能优化算法，计算每个典型场景下储能系统功率输出曲线具体包括：
根据如公式3至公式5所述的风力发电功率输出模型，计算典型场景下风力发电功率输出曲线：









其中，为风力发电在典型日场景sc中t时刻输出功率，PrWG为风力发电系统额定输出功率，vco，vci和vr分别为风力发电的切除风速、切入风速、额定风速，a和b均为风力发电功率模型系数；
根据如公式6所述的光伏发电功率输出模型，计算典型场景下光伏发电功率输出曲线：



其中，式中和PrPV分别为太阳电池组件在典型日场景sc中t时刻的实际输出功率和额定功率，Gsc,t和GSTC分别为典型日场景sc中t时刻际太阳辐射强度和标准测试条件下的太阳辐射强度，αT为1kW/m2太阳电池组件的功率温度系数，TSTC为标准测试条件下的太阳辐射强度；
构建储能系统优化运行策略：
根据公式7、公式8，充分利用储能系统进行削峰填谷、平抑波动：






其中，与分别为联合发电系统在典型日场景sc中时刻t的输出功率与联合发电系统在典型日sc中的日均输出功率，为储能系统在典型日场景sc中时刻t的输出功率，T＝24；
根据公式9、公式10充分利用储能系统的备用支持能力：






其中，是储能系统在典型日场景sc中时刻t的可发出最大功率，即储能系统备用支持能力，PrESS是储能系统额定输出功率，是储能系统在典型日场景sc中时刻t-1时的能量水平，EESS,min是储能系统能量水平的最小值，ηC与ηD分别为储能系统的充放电效率；
基于风力发电与光伏发电出力情况，结合系统约束，判断系统是否存在弃风、弃光情况发生，当判断系统发生弃风、弃光时，根据公式11，利用储能系统降低弃风弃光电量：



其中，是联合发电系统的在在典型日场景sc中时刻t的弃风弃光电量；
根据公式12，对公式7、公式10、公式11所示的储能系统运行策略优化目标进行归一化处理：



其中，fimin，fimax，fi，分别为目标函数i的最小值、最大值和实际取值；
根据公式13以两个或当发生弃风弃光现象时为三个隶属度函数μ的最小值构成的模糊满意度μ(fESS)、以及根据公式14的模糊目标满意度μ(fESS)取最大作为储能系统运行优化目标：






根据公式15和公式16确定储能运行逻辑约束条件，根据公式17和公式18确定储能系统安全运行约束条件；












其中，为储能系统在典型日场景sc中时刻t时刻的荷电状态，SOCmin与SOCmax分别为储能系统荷电状态的最小值与最大值；
根据储能系统优化运行策略及其数学模型，在保证解的质量的前提下，采用人工智能智能算法对模型进行求解，得到储能系统在不同典型日场景下的功率输出情况。


4.根据权利要求1所述的方法，其特征在于，根据风力发电功率输出曲线、光伏发电功率输出曲线、储能系统功率输出曲线、以及每个典型场景的发生概率，计算接入风光储联合系统的整体可靠性水平具体包括：
根据风力发电功率输出曲线、光伏发电功率输出曲线、以及储能系统功率输出曲线，计算典型日场景sc的EENS可靠性指标数据
综合考虑发电机、线路故障情况，根据公式19，利用序贯蒙特卡洛法对每个典型场景下的年可靠性数据进行评估，并结合各场景的发生概率计算风光储联合发电系统电力不足期望IEENS：



其中，为典型日场景sc的EENS可靠性指标数据，ωsc为典型场景的发生概率。


5.根据权利要求1所述的方法，其特征在于，采用弦截法对接入风光储联合发电系统的电力系统可靠性水平进行多次迭代计算，获取风光储联合发电系统置信容量和置信率具体包括：
采用弦截法，根据公式20和公式21，当增加额定容量为ΔGHGS的风光储联合发电系统，增加负荷需求为ΔL的负荷的系统可靠性与原始系统可靠性相同时，ΔGHGS的风光储联合发电系统的置...

【专利技术属性】
技术研发人员：李睿，宋海旭，郭莉，谈健，马莉，吴晨，陈琛，吴垠，张晓萱，张笑峰，薛松，李晓冬，宋海云，高国伟，范孟华，张凡，杨素，胡源，陈珂宁，赵铮，唐程辉，李景，武泽辰，廖建辉，徐杨，林晓彬，曲昊源，冯昕欣，田士君，张高，张寒，阮文静，肖汉雄，
申请(专利权)人：国网江苏省电力有限公司经济技术研究院，国网能源研究院有限公司，
类型：发明
国别省市：江苏;32