一种促进新能源消纳的储能电站容量配置方法技术

本发明专利技术公开了一种促进新能源消纳的储能电站容量配置方法，具体方法包括：通过不确定集、连续变量、离散变量、弃电量参数模型参数构建弃电量参数模型，利用参数线性化率定方法，确定全年新能源弃电量；将储能电站容量配置影响参数进行分类，并构建储能电站容量配置模型，利用优秀子集回归法，分析各类参数对储能电站容量配置的影响，并根据分析结果优化储能电站容量配置模型；以全年新能源弃电量作为最大储能容量，利用改进麻雀算法，对优化的储能电站容量配置模型进行优化求解，得到优化的储能电站容量配置模型的最优变量输入。本发明专利技术储能电站容量配置方法提高了配置的精确性和计算速度。算速度。算速度。

【技术实现步骤摘要】
一种促进新能源消纳的储能电站容量配置方法


[0001]本专利技术涉及储能容量优化配置
，尤其涉及一种促进新能源消纳的储能电站容量配置方法。

技术介绍

[0002]近年来，中国新能源消纳矛盾日益突出，2021年前三季度，全国弃风电量147.8亿千瓦时，弃光电量50.2亿度，虽然与2020年相比均有一定的降低，但从绝对量的角度上看依然是巨大的。
[0003]储能作为一种柔性电力调节资源，在全球新能源替代化石能源低碳转型进程中，具备正向的，不可替代的社会价值，在新能源消纳、提升电网系统灵活性稳定性的技术必要性已得到充分验证。随着近年来储能技术的进步和成本的下降，依托储能促进清洁能源消纳成为了可能。现有的储能配置方法过程过于繁琐，储能配置容量和功率偏差较大。因此，需要一种消纳效果更为优异的储能优化配置方法。

技术实现思路

[0004]针对现有技术中存在问题，本专利技术提出了一种促进新能源消纳的储能电站容量配置方法，能够提高储能电站容量配置的精确性和计算速度。
[0005]为实现上述目的，本专利技术采用的技术方案是：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种促进新能源消纳的储能电站容量配置方法，其特征在于，包括以下步骤：步骤1：通过不确定集、连续变量、离散变量、弃电量参数模型参数构建弃电量参数模型，利用参数线性化率定方法，确定全年新能源弃电量；步骤2：将储能电站容量配置影响参数进行分类，并构建储能电站容量配置模型，利用优秀子集回归法，分析各类参数对储能电站容量配置的影响，并根据分析结果优化储能电站容量配置模型；步骤3：以全年新能源弃电量作为最大储能容量，利用改进的麻雀算法，对优化的储能电站容量配置模型进行优化求解，得到优化的储能电站容量配置模型的最优变量输入。2.根据权利要求1所述的一种促进新能源消纳的储能电站容量配置方法，其特征在于，所述连续变量包括：发电机输出功率、储能电池充放电功率、调度功率、负荷功率、爬坡率、传输线路容量；所述离散变量为风电机组台数；所述不确定集为取决于天气状况的不确定参数集合；所述弃电量参数模型参数包括：储能电池最大功率、荷电状态上限。3.根据权利要求1所述的一种促进新能源消纳的储能电站容量配置方法，其特征在于，步骤1中弃电量参数模型为：s.t.Ax+By+Cξ
‑
Δξ≤b+FθAξ≥0其中，1
T
为T维的全一向量，θ为弃电量参数模型参数，ξ为不确定参数，Ξ为不确定集，Δξ为弃电量，x为连续变量，y为离散变量，A为x的常系数，B为y的常系数，C为ξ的常系数，b为常数，F为θ的常系数。4.根据权利要求1所述的一种促进新能源消纳的储能电站容量配置方法，其特征在于，步骤1包括如下子步骤：步骤101、通过不确定集、连续变量、离散变量、弃电量参数模型参数构建弃电量参数模型，将弃电量参数模型对弃电量参数模型参数θ进行一阶泰勒级数展开，得到弃电量Δξ(θ，x)与弃电量参数模型参数θ的之间的线性函数，并构建参数灵敏度矩阵S，将参数灵敏度矩阵代入线性函数中，得到简化的线性函数：Δξ(θ
j+1
,x)＝Δξ(θ
j
,x)+S(θ
j+1
‑
θ
j
)+e其中，e为弃电量参数模型的误差，θ
j
为第j次迭代下的弃电量参数模型参数，θ
j+1
为第j+1次迭代下的弃电量参数模型参数；步骤102、根据电网测量的实际情况给定一组连续变量x和弃电量参数模型参数初值θ0；步骤103、通过最小二乘法求解简化的线性函数，得到新的弃电量参数模型参数θ
j+1
和参数寻找方向Δθ：θ
j+1
＝θ
j
+(S
T
S)
‑1S
T
(Δξ(θ
j+1
,x)
‑
Δξ(θ
j
,x))Δθ＝θ
j+1
‑
θ
j
＝(S
T
S)
‑1S
T
(Δξ(θ
j+1
,x)
‑
Δξ(θ
j
,x))步骤104、以弃电量误差平方和最小为目标确定参数寻找方向Δθ上的最优步长比例系数b，得出参数寻找方向上的最优弃电量参数模型参数所述弃电量误差平方和最小的表达式为：
所述最优弃电量参数模型参数为：步骤105、重复步骤103
‑
104，直至最优弃电量参数模型参数与上一次迭代的最优弃电量参数模型参数之差小于给定的迭代步长收敛容差ε，将最优弃电量参数模型参数代入弃电量参数模型中，得到全年新能源弃电量。5.根据权利要求4所述的一种促进新能源消纳的储能电站容量配置方法，其特征在于，所述参数灵敏度矩阵S为：其中，n为弃电量参数模型参数的数目，L连续变量的数目。6.根据权利要求1所述的一种促进新能源消纳的储能电站容量配置方法，其特征在于，步骤2包括以下子步骤：步骤201、将储能电站容量配置影响参数进行分类，分为成本型参数、运行型参数，构建储能电站容量配置模型，分别对成本型参数、运行型参数进行随机采样，得到成本型参数子集和运行型参数子集；步骤202、分别统计成本型参数子集和运行型参数子集中每个变量出现次数，并进行归一化处理，得到第一类信息向量；步骤203、分别计算成本型参数子集和运行型参数子集中每个变量在每个子集中的偏最小二乘回归系数的绝对值，并进行归一化处理，分别对成本型参数子集和运行型参数子集中每个变量在不同组变量组合中的归一化回归系数绝对值求和，得到第二类信息向量；步骤204、根据第一类信息向量和第二类信息向量的RMSECV分别设置第一类信息向量权重ω1和第二类信息向量的权重ω2：：其中，RMSECV1为第一类信息向量的交互检验均方根误差，RMSECV2为第二类信息向量的交互检验均方根误差；步骤205、根据第一类信息向量权重ω1和第二类信息向量的权重ω2，计算出成本型参
数子集和运行型参数子集中每个变量的贡献值：其中，Y
i
为第i个变量贡献值，为第i个变量在以第一类信息向量为判定标准下的变量贡献值，为第i个变量在以第二类信息向量为判定标准下的变量贡献值；步骤206、通过每个变量的贡献值对成本型参数子集和运行型参数子集中的每个变量进行赋权，形成新成本型参数子集和新运行型参数子集，并回归到各自的储能电站容量配置模型中，得到优化的储能电站容量配置模型。7.根据权利要求6所述的一种促进新能源消纳的储能电站容量配置方法，其特征在于，所述储能电站容量配置模型包括：由成本型参数建立的储能电站容量配置模型和由运行型参数建立的储能电站容量配置模型；所述成本型参数建立的储能电站容量配置模型考虑节点功率平衡约束、节点电压约束与储能约束，所述成本型参数建立的以最小成本为目标函数的储能电站容量配置模型f2为：f2＝min{F
ess
+F
loss
+F
grid
}}}}其中，F
ess
为ESS容量投资与运行维护成本，为ESS投资年费用...

【专利技术属性】
技术研发人员：章婧，孟高军，孙玉坤，饶宇飞，张仰飞，刘海涛，于琳琳，袁野，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：