基于改进多目标法的电热联合系统风电接纳能力评估方法技术方案

本发明专利技术涉及风电接纳能力评估领域，具体涉及基于改进多目标法的电热联合系统风电接纳能力评估方法。包括：步骤1、基于日前风功率预测结果和风功率预测误差的概率特性，建立风电最大理论出力场景概率模型；步骤2、建立包含电池储能系统的电热联合系统风电接纳能力评估模型，包括：系统运行成本最低与“弃风”电量最小两个不同维度的优化目标、电力系统平衡约束、热力系统平衡约束、常规机组技术约束、热电联产机组技术约束、风电场出力约束与电池储能系统技术约束；步骤3、基于改进主要目标法，采用GAMS中DICOPT求解器给出风电接纳能力评估模型的帕累托解集，给出电热联合系统的风电接纳容量和对应的接纳成本，实现电热联合系统风电接纳能力评估。

【技术实现步骤摘要】
基于改进多目标法的电热联合系统风电接纳能力评估方法
本专利技术涉及风电接纳能力评估领域，具体涉及基于改进多目标法的电热联合系统风电接纳能力评估方法。
技术介绍
当前，随着开发力度的持续加大，风电已成为我国电力系统的主力电源之一。截至2019年底，我国累计风电装机容量已达2.1亿千瓦，占全部发电装机容量的10.4％。2019年，风电发电量4057亿千瓦时，首次突破4000亿千瓦时，占总发电量的5.5％。与常规能源机组不同，风电出力具备与生俱来的随机波动性和不确定性，因此，大规模风电并网势必增加电网运行难度，降低运行效率，甚至引起“弃风”。2019年，我国年“弃风”电量高达169亿千瓦时，平均“弃风”率为4％，但部分省市“弃风”率仍在10％以上。当前，“弃风”限电形势严峻的区域主要集中在东北、西北以及华北地区。冬季供暖期，这些地区电网中的热电联产机组占比很高，同时承担发电和供热功能，此时，这些地区的电力与供热系统是典型的电热联合系统。传统电热联合系统中，受制于“以热定电”运行模式，热电联产机组的调峰能力难以发挥，从而导致大规模“弃风”限电。因此，有必要对电热联合系统的风电接纳能力进行评估，为系统调度人员提供参考。文献一《基于逼近和牛顿插值法的最佳风电接纳水平确定》(电力系统保护与控制，2015年，第43卷，第18期，第12页至17页)为确定系统接纳风电的最佳水平，建立了综合考虑常规机组运行成本和“弃风”电量的调度模型。模型引入风电接纳水平系数，从常规机组和风电场运行的经济性角度提出了一种基于粒子群算法的风电接纳水平的优化方法。文献二《基于模糊多目标优化的电网日前风电接纳能力评估模型》(电网技术，2015年，第39卷，第2期，第426页至431页)构造了以最大化接纳风电和经济发电为目标的电网多目标日前风电接纳能力评估模型。该模型兼顾风电接纳能力的最大化和系统发电的经济性，计算结果可为调度人员制定日前计划提供参考，有利于提高风电利用率并降低发电成本。文献一二着重讨论电力系统中的风电接纳评估能力，没有考率电池储能系统对风电接纳能力的影响。文献三《考虑损耗成本的电池储能技术电站建模及优化调度》(电网技术，2017年，第41卷，第5期，第1541页至1548页)建立了考虑电池储能系统损耗成本的风电接纳评估模型，模型有两个调度目标：风电接纳能力最大和电网运行成本最低。仿真分析表明：电池储能系统接入电网可有效提升风电接纳能力，然而，该文献未考虑风电出力的不确定性，且没有给出帕累托最优解，未对电池储能系统用于风电接纳的成本与效益进行全面分析。
技术实现思路
本专利技术公开了基于改进多目标法的电热联合系统风电接纳能力评估方法，对电池储能系统接入后的电热联合系统风电接纳容量与对应的接纳成本进行评估，适用于电热联合系统风电接纳能力评估领域。首先基于风功率预测误差的概率特性建立风功率场景，考虑风功率的不确定性；然后，建立了包含电池储能系统的电热联合系统风电接纳能力评估模型。模型具有系统运行成本最低和“弃风”电量最小两个不同维度优化目标，且目标优化之间可能存在冲突。为求解此问题，基于改进多目标法将其转化为多个单目标优化问题，并采用GAMS中DICOPT求解器给出了风电接纳能力评估模型的帕累托解集。基于帕累托解集，对电热联合中利用电池储能系统促进风电消纳的成本和效益进行了详细分析。为实现上述专利技术目的，本专利技术采取的技术方案如下：包括以下步骤：步骤1、基于日前风功率预测结果和风功率预测误差的概率特性，建立风电最大理论出力场景概率模型；步骤2、建立包含电池储能系统的电热联合系统风电接纳能力评估模型，包括：系统运行成本最低与“弃风”电量最小两个不同维度的优化目标、电力系统平衡约束、热力系统平衡约束、常规机组技术约束、热电联产机组技术约束、风电场出力约束与电池储能系统技术约束；步骤3、基于改进主要目标法，采用GAMS中DICOPT求解器给出风电接纳能力评估模型的帕累托解集，给出电热联合系统的风电接纳容量和对应的接纳成本，实现电热联合系统风电接纳能力评估。作为本专利技术的优选技术方案：所述步骤1的具体步骤如下：从日前时间角度对包含电池储能系统的电热联合系统风电接纳性能进行评估时，可对风电出力进行预测，并将其作为评估参考。风电出力预测值为其最大理论出力，由于预测误差的客观存在，风电最大理论出力将在预测值附近随机波动。一般来说，风电最大理论出力在预测值附近的随机波动服从正态分布。由于风功率预测误差客观存在，对电热联合系统风电接纳能力进行评估时，风电最大理论出力位于以风功率预测值为中心的可行域中；步骤1.1、若为调度时段t的风功率预测值，为调度时段t的风功率最大预测误差，则风电最大理论出力可行域的上、下包络线分别为与按下式确定调度时段t的风功率最大预测误差式中，σf,t为是调度时段t风功率预测误差的标准差，根据正态分布的“3σ准则”，若按式(1)给定风功率最大预测误差，风电最大理论出力位于风电最大理论出力可行域中的概率为99.74％；步骤1.2、构建由Ns条风电最大理论出力曲线构成的场景概率模型对给定出力带进行近似，该场景概率模型由Ns个场景组成，场景s下的风电最大理论出力为：步骤1.3、场景s对应的概率ps为：作为本专利技术的优选技术方案：步骤2中所述包含电池储能系统的电热联合系统风电接纳能力评估模型中的两个优化目标，具体如下所示：优化目标1：电热联合系统调度日内日“弃风”电量最小；式中，Fcur为调度日内的“弃风”电量期望；T为调度时段数；ΔT为调度时段长度；k为风电场索引，Nwp为风电场数目；为场景s下风电场k在调度时段t的实际上网风功率；为场景s下风电场k在调度时段t的最大理论出力；优化目标2：电热联合系统调度日内总运行成本最低；式中，Foc为调度日内总运行成本，所述调度日内总运行成本包括：火电机组燃料成本开机成本fgen、热电联产机组燃料成本电池储能系统损耗成本Fbess；火电机组燃料成本如下：公式(6)中，为场景s下火电机组调度日内的总燃料成本；i为火电机组索引；Ngen为火电机组台数；xi,t为表征火电机组i在调度时段t工作状态的二进制变量，“1”表示开机，“0”表示关机；bcoal为燃料价格；为场景s下火电机组i在调度时段t的煤耗量；开机成本fgen如下：公式(7)中，i为火电机组索引；Ngen为火电机组台数；xi,t为表征火电机组i在调度时段t工作状态的二进制变量，“1”表示开机，“0”表示关机；fgen为火电机组调度日内的启停成本；为火电机组i的开机成本；所述为场景s下火电机组i在调度时段t的煤耗量，具体表示如下：式中，参数ai、bi、ci为火电机组i的煤耗系数；为场景s下火电机组i在调度时段t的发电功率；为确保供热质量，热电联产机组一般不进行日内启停操作，因此，热电联产机组日内运行成本仅包括燃料成本具体如本文档来自技高网...

【技术保护点】
1.基于改进多目标法的电热联合系统风电接纳能力评估方法，其特征在于，包括以下步骤：/n步骤1、基于日前风功率预测结果和风功率预测误差的概率特性，建立风电最大理论出力场景概率模型；/n步骤2、建立包含电池储能系统的电热联合系统风电接纳能力评估模型，包括：系统运行成本最低与“弃风”电量最小两个不同维度的优化目标、电力系统平衡约束、热力系统平衡约束、常规机组技术约束、热电联产机组技术约束、风电场出力约束与电池储能系统技术约束；/n步骤3、基于改进主要目标法，采用GAMS中DICOPT求解器给出风电接纳能力评估模型的帕累托解集，给出电热联合系统的风电接纳容量和对应的接纳成本，实现电热联合系统风电接纳能力评估。/n

【技术特征摘要】
1.基于改进多目标法的电热联合系统风电接纳能力评估方法，其特征在于，包括以下步骤：
步骤1、基于日前风功率预测结果和风功率预测误差的概率特性，建立风电最大理论出力场景概率模型；
步骤2、建立包含电池储能系统的电热联合系统风电接纳能力评估模型，包括：系统运行成本最低与“弃风”电量最小两个不同维度的优化目标、电力系统平衡约束、热力系统平衡约束、常规机组技术约束、热电联产机组技术约束、风电场出力约束与电池储能系统技术约束；
步骤3、基于改进主要目标法，采用GAMS中DICOPT求解器给出风电接纳能力评估模型的帕累托解集，给出电热联合系统的风电接纳容量和对应的接纳成本，实现电热联合系统风电接纳能力评估。


2.如权利要求1所述基于改进多目标法的电热联合系统风电接纳能力评估方法，其特征在于，所述步骤1的具体步骤如下：
步骤1.1、若为调度时段t的风功率预测值，为调度时段t的风功率最大预测误差，则风电最大理论出力可行域的上、下包络线分别为与
按公式(1)确定调度时段t的风功率最大预测误差



公式(1)中，σf，t为是调度时段t风功率预测误差的标准差；
步骤1.2、构建由Ns条风电最大理论出力曲线构成的场景概率模型对给定出力带进行近似，该场景概率模型由Ns个场景组成，场景s下的风电最大理论出力为：



公式(2)中，为调度时段t的风功率预测值；σf，t为是调度时段t风功率预测误差的标准差；
步骤1.3、场景s对应的概率ps为：



公式(3)中，为场景s下的风电最大理论出力。


3.如权利要求1所述基于改进多目标法的电热联合系统风电接纳能力评估方法，其特征在于，步骤2中所述包含电池储能系统的电热联合系统风电接纳能力评估模型中的两个优化目标，具体如下所示：
优化目标1：电热联合系统调度日内日“弃风”电量最小；



公式(4)中，Fcur为调度日内的“弃风”电量期望；T为调度时段数；ΔT为调度时段长度；k为风电场索引，Nwp为风电场数目；为场景s下风电场k在调度时段t的实际上网风功率；为场景s下风电场k在调度时段t的最大理论出力；
优化目标2：电热联合系统调度日内总运行成本最低；



公式(5)中，Foc为调度日内总运行成本，所述调度日内总运行成本包括：火电机组燃料成本开机成本fgen、热电联产机组燃料成本电池储能系统损耗成本Fbess；
火电机组燃料成本如下：



公式(6)中，为场景s下火电机组调度日内的总燃料成本；i为火电机组索引；Ngen为火电机组台数；xi，t为表征火电机组i在调度时段t工作状态的二进制变量，“1”表示开机，“0”表示关机；bcoal为燃料价格；为场景s下火电机组i在调度时段t的煤耗量；
开机成本fgen如下：



公式(7)中，i为火电机组索引；Ngen为火电机组台数；xi，t为表征火电机组i在调度时段t工作状态的二进制变量，“1”表示开机，“0”表示关机；fgen为火电机组调度日内的启停成本；为火电机组i的开机成本；
所述为场景s下火电机组i在调度时段t的煤耗量，具体表示如下：



公式(8)中，参数ai、bi、ci为火电机组i的煤耗系数；为场景s下火电机组i在调度时段t的发电功率；
热电联产机组日内运行成本包括燃料成本具体如下：



公式(9)中，j为热电联产机组的索引；Nchp为热电联产机组台数；为场景s下热电联产机组j在调度时段t的煤耗量，具体如下所示：



公式(10)中，Aj、Bj、Cj、Dj、Ej、Fj为热电联产机组j的煤耗系数；分别为场景s下热电联产机组j在调度时段t的发电、供热功率；
电池储能系统损耗成本Fbess，根据其投资成本与调度日内经历的充放电循环次数进行估算：



公式(11)中，Vbess、nbess分别为电池储能系统投资成本与循环寿命次数；为表示电池储能系统在调度时段t充、放电状态切换情况的二进制变量，取“1”表示电池储能系统在该调度时段由放电状态切换为充电状态，取“1”表示电池储能系统在该调度时段由充电状态切换为放电状态。


4.如权利要求1所述基于改进多目标法的电热联合系统风电接...

【专利技术属性】
技术研发人员：张新松，朱建锋，顾菊平，姜珂珂，徐扬杨，陆胜男，华亮，李智，郭云翔，卢成，
申请(专利权)人：南通大学，
类型：发明
国别省市：江苏;32