一种计及灵活性储氢的电网新能源消纳能力评估方法技术

本发明专利技术公开了一种计及灵活性储氢的电网新能源消纳能力评估方法，包括基于电网的历史数据对长短期记忆人工神经网络模型进行训练，获取分布式新能源的时序出力预测数据；构建电解槽的输入输出数学模型，消纳多余的新能源出力用以生产氢气；构建面向新能源消纳的优化调度目标函数：minOF＝S1+S2+

【技术实现步骤摘要】
一种计及灵活性储氢的电网新能源消纳能力评估方法


[0001]本专利技术涉及电力
，具体为一种计及灵活性储氢的电网新能源消纳能力评估方法。

技术介绍

[0002]随着新能源发电技术的日益发展，当前电网中的分布式新能源渗透率正在逐步提高，清洁的分布式新能源的广泛使用有助于实现电网的绿色化与低碳化。然而，新能源发电存在固有的间歇性与波动性特点，其运行过程中存在一定的弃风弃光等资源浪费问题，因此，建立电力系统中的新能源消纳能力优化计算方法以促进新能源的高效合理利用显得尤为重要。此外，利用电解水技术由可再生能源产生的绿色氢能在电力系统中也有一定的应用，大规模氢能的使用将对电网的优化调度带来新的挑战。

技术实现思路

[0003]本专利技术提供一种计及灵活性储氢的电网新能源消纳能力评估方法，具有能够预测电网中新能源出力，并在此基础上计及电解氢与储氢装置对新能源消纳能力进行优化的特点，合理利用实现了新能源消纳能力的提升，以解决现有技术中存在的问题。
[0004]为实现上述目的，本专利技术提供如下技术方案：一种计及灵活性储氢的电网新能源消纳能力评估方法，包括如下步骤：
[0005]S1、基于电网的历史数据对长短期记忆人工神经网络模型进行训练，获取分布式新能源的时序出力预测数据；
[0006]S2、构建电解槽的输入输出数学模型，消纳多余的新能源出力用以生产氢气；
[0007]S3、构建面向新能源消纳的优化调度目标函数：minOF＝S1+S2+
…
+S
nr/>‑
S
m
，其中，S1S2…
S
n
为各种成本，S
m
为收入；
[0008]S4、考虑电网的正常运行状态以及紧急事件发生后的运行状态，构建面向新能源消纳的优化调度约束条件；
[0009]S5、综合目标函数与约束条件，评估新能源的消纳值，获取新能源消纳水平。
[0010]优选的，所述电网的历史数据包括网架结构数据、新能源出力历史数据以及负荷需求数据。
[0011]优选的，长短期记忆人工神经网络模型的预测方法为：
[0012]I
t
＝σ(W
xI
x
t
+W
hI
h
t
‑1+W
cI
c
t
‑1+b
I
)；
[0013]f
t
＝σ(W
xf
x
t
+W
hf
h
t
‑1+W
cf
c
t
‑1+b
f
)；
[0014]c
t
＝f
t
c
t
‑1+I
t
tanh(W
xc
x
t
+W
hc
h
t
‑1+b
c
)；
[0015]o
t
＝σ(W
xo
x
t
+W
ho
h
t
‑1+W
co
c
t
‑1+b
o
)；
[0016]h
t
＝o
t
tanh(c
t
)；
[0017]其中，x
t
为t时刻的输入变量；h
t
为t时刻的输出变量；σ为sigmod函数；W和b分别为权重矩阵和偏置向量；I
t
为输入门的输出；f
t
为遗忘门的输出；c
t
为记忆细胞的状态；o
t
为输
出门的输出。
[0018]优选的，在步骤S2中，采用PEM电解槽作为电转氢装置，其氢气产量表示为耗电量的函数：H＝ζ
E
(PH)
×
PH，其中，H为氢气产量；PH为电解槽的消耗的有功功率；ζ
e
()为一体现转换效率与电解槽耗电量关系的非线性函数；
[0019][0020][0021]其中，分别为运行效率的最大值和最小值；PH
max
、PH
min
分别表示电解槽消耗的有功功率的最大值与最小值。
[0022]优选的，在步骤S3中，成本包括运行费用和弃风弃光惩罚成本，收入包括向氢能用户提供氢气的收入。
[0023]优选的，运行费用包括：
[0024]常规火电机组的运行费用：
[0025]新能源发电机组的运行费用：
[0026]电转氢及储氢装置组合的运行费用：
[0027]其中，分别为火电机组所在节点集合、新能源发电机组所在节点集合以及电转氢装置所在节点集合；PG
b,t
、PH
b,t
分别为t时刻节点b的火电机组有功出力以及电转氢装置的有功需求，代表了新能源的消纳值，a
0,b
、a
1,b
、a
2,b
分别为火电机组的运行成本系数；为新能源发电机组的运行成本系数；β
0,b
、β
1,b
为电转氢及储氢装置组合的运行成本系数。
[0028]优选的，风弃光惩罚成本为：
[0029]其中，为弃风弃光惩罚成本系数，为t时刻节点b的新能源机组弃风弃光量；
[0030]向氢能用户提供氢气的收入为：
[0031]其中，γ
0,b
、γ
1,b
为氢价系数；HD
b,t
为t时刻节点b供应的氢气量。
[0032]优选的，在步骤S5中，约束条件主要包括：
[0033]潮流约束：
[0034][0035]其中，Ω
B
为电网所有节点的集合，PD
b,t
、QD
b,t
分别为t时刻节点b的负荷有功功率和无功功率，c∈{c1,c2,
…
c
N
}表示电网的正常运行状态以及应急后的各种运行状态，V
b,t,c
、θ
k,t,c
分别为电网处于运行状态c时t时刻节点b的电压幅值和电压相角，Y
bk,c
、φ
bk,c
由节点导纳矩阵中b行k列元素求得，QG
b,t,c
、QH
b,t,c
分别为电网处于运行状态c时t时刻节点b的火电机组无功出力、新能源机组发出的无功功率以及电转氢装置的无功需求；
[0036]正常运行时的备用约束：
[0037]其中，为节点k的火电机组发出的有功功率上限；
[0038]新能源渗透率约束：
[0039]其中，0≤α
c
≤1，表示电本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计及灵活性储氢的电网新能源消纳能力评估方法，其特征在于，包括如下步骤：S1、基于电网的历史数据对长短期记忆人工神经网络模型进行训练，获取分布式新能源的时序出力预测数据；S2、构建电解槽的输入输出数学模型，消纳多余的新能源出力用以生产氢气；S3、构建面向新能源消纳的优化调度目标函数：min OF＝S1+S2+
…
+S
n
‑
S
m
，其中，S1S2…
S
n
为各种成本，S
m
为收入；S4、考虑电网的正常运行状态以及紧急事件发生后的运行状态，构建面向新能源消纳的优化调度约束条件；S5、综合目标函数与约束条件，评估新能源的消纳值，获取新能源消纳水平。2.根据权利要求1所述的一种计及灵活性储氢的电网新能源消纳能力评估方法，其特征在于：所述电网的历史数据包括网架结构数据、新能源出力历史数据以及负荷需求数据。3.根据权利要求1所述的一种计及灵活性储氢的电网新能源消纳能力评估方法，其特征在于：长短期记忆人工神经网络模型的预测方法为：I
t
＝σ(W
xI
x
t
+W
hI
h
t
‑1+W
cI
c
t
‑1+b
I
)；f
t
＝σ(W
xf
x
t
+W
hf
h
t
‑1+W
cf
c
t
‑1+b
f
)；c
t
＝f
t
c
t
‑1+I
t
tanh(W
xc
x
t
+W
hc
h
t
‑1+b
c
)；o
t
＝σ(W
xo
x
t
+W
ho
h
t
‑1+W
co
c
t
‑1+b
o
)；h
t
＝o
t
tanh(c
t
)；其中，x
t
为t时刻的输入变量；h
t
为t时刻的输出变量；σ为sigmod函数；W和b分别为权重矩阵和偏置向量；I
t
为输入门的输出；f
t
为遗忘门的输出；c
t
为记忆细胞的状态；o
t
为输出门的输出。4.根据权利要求1所述的一种计及灵活性储氢的电网新能源消纳能力评估方法，其特征在于：在步骤S2中，采用PEM电解槽作为电转氢装置，其氢气产量表示为耗电量的函数：H＝ζ
E
(PH)
×
PH，其中，H为氢气产量；PH为电解槽的消耗的有功功率；ζ
e
()为一体现转换效率与电解槽耗电量关系的非线性函数；与电解槽耗电量关系的非线性函数；其中，分别为运行效率的最大值和最小值；PH
max
、PH
min
分别表示电解槽消耗的有功功率的最大值与最小值。5.根据权利要求1所述的一种计及灵活性储氢的电网新能源消纳能力评估方法，其特征在于：在步骤S3中，成本包括运行费用和弃风弃光惩罚成本，收入包括向氢能用户提供氢气的收入。6.根据权利要求5所述的一种计及灵活性储氢的电网新能源消纳能力评估方法，其特征在于：运行费用包括：常规火电机组的运行费用：
新能源发电机组的运...

【专利技术属性】
技术研发人员：叶海峰，汤伟，王正风，李智，李顺，
申请(专利权)人：国网安徽省电力有限公司，
类型：发明
国别省市：