一种基于仿真模拟的储能优化配置方法及设备技术

本发明专利技术提出一种基于仿真模拟的储能优化配置方法及设备，该方法基于仿真模拟的储能优化配置方法，通过数值计算方法对用户设定的储能参数范围进行修正，得到多种配置组合参数；在每组储能配置参数下采用序贯蒙特卡洛抽样方法随机生成充放电功率曲线进行仿真模拟，其中在生成充放电功率曲线时通过并行计算，大大节约运行成本和时间；通过平均每天投资回报率最大化为评价指标，得到最终的储能配置参数。本发明专利技术克服了现有研究中不能全面协调平抑效果和经济性效益之间矛盾的问题，避免了模型与实际运行之间存在差异性的情况，实现储能系统的容量和功率的协同优化配置，能够直接用于工业生产实际的应用，辅助风电厂确定储能容量、功率的最优组合方案。功率的最优组合方案。功率的最优组合方案。

【技术实现步骤摘要】
一种基于仿真模拟的储能优化配置方法及设备


[0001]本专利技术涉及储能优化
，尤其涉及一种基于仿真模拟的储能优化配置方法、装置、设备、存储介质。

技术介绍

[0002]对于风电场而言，由于风电出力的不确定、难预测性、可调度性差等自然属性，使其在电力市场场景下，很可能导致风电场错失盈利机遇，例如在价高时段发电能力不足，在价低时段发电过多，导致利益受损，经济效益低下。同时，对电力系统造成一定的波动性影响。
[0003]目前，为解决上述两个问题，国内外通行的做法是为风电场配置一定规模的储能系统，一方面使得风储联合参与现货市场可以减损增益，另一方面可以平抑风电出力波动。但是，如何确定储能系统的规模是一个亟待解决的现实问题。目前最常用的储能系统的容量配置方法是频域分析方法和概率统计方法。频域分析方法通过利用Fourier变换对间歇性电源出力的数据序列作频谱分析，并以此确定平抑目标和储能分量所处频段，计算各个采样时刻的电量累计值和样本周期中储能系统的累计电量的最大值与最小值之差，在储能系统充放电功率、荷电状态满足要求且能保证连续稳定运行的前提下，从平滑风电波动的角度研究确定储能系统容量。概率统计方法则是首先得到储能系统平滑风电最小级波动分量，分别给出了储能系统最小级充放电量的分布规律，后根据统计学中的区间估计理论确定了储能系统容量。
[0004]目前已有的主流方法，例如频域分析方法、概率统计方法等在平抑效果和经济性效益之间都进行了侧重选择，大多数研究主要考虑平抑效果的好坏，没有将两者很好的协调起来；部分方法，如特征向量法等是在固定储能系统功率的前提下对容量进行寻优，其优化效果较为局限；基于遗传算法的研究由于技术水平等因素的影响还处于理论阶段，在电力系统中的无法广泛实施、部署使用。上述方法在有上述缺点的同时，还存在优化配置与实际运行不一致的问题，只分析了风场运行的规律和特点，并未将配置的储能放置到真实控制运行的环境中进行动态分析。
[0005]上述方法只考虑了储能配置问题中储能系统的平抑效果，并未考虑储能配置的经济性效益，而二者之间并非呈线性关系，好的平抑效果必将对应高的投资成本、经济效益未必好。因此，如何在平抑效果和经济性效益之间取得平衡还需要进一步解决。

技术实现思路

[0006]本专利技术提供一种基于仿真模拟的储能优化配置方法、装置、设备、存储介质，旨在综合考虑平抑效果和经济效益，以实际运行投资回报率最大化为基础，将平抑效果和经济性效益协调平衡，通过历史数据进行仿真模拟实验，对储能容量、功率进行协同优化配置。
[0007]为此，本专利技术的第一个目的是提出一种基于仿真模拟的储能优化配置方法，包括：采集所需天数的风电运行历史样本数据并进行预处理；
利用统计学方法结合预处理后的风电运行历史样本数据，对用户设定的储能配置参数范围进行修正；根据修正过后的储能参数范围，利用网格搜索方法得到不同的储能参数组合方式，并筛选出满足预设条件的N组储能配置组合参数；对于N组储能配置组合参数，结合储能系统实际运行物理运行条件，采用序贯蒙特卡洛模拟抽样法随机生成N*M条的不同充放电功率曲线；根据市场结算规则，考虑结算收入、超额获利回收损失，计算每种储能配置组合参数所对应的日均结算收益和储能日均运行成本，并将两者进行比值计算得到日均投资回报率；将日均投资回报率最大化作为评价指标进行仿真模拟实验，筛选出最优的储能系统容量、功率的组合方案。
[0008]其中，在采集所需天数的风电运行历史样本数据并进行预处理的步骤中，根据香农采样定理确定采样频率，其中风电运行历史样本数据以天为基本单位，同时设定采样点时间间隔。
[0009]其中，在利用统计学方法结合预处理后的风电运行历史样本数据，对用户设定的储能配置参数范围进行修正的步骤中，包括：获取风电运行历史样本数据中的风功率数据和实时电量数据的日最大值；对风功率数据和实时电量数据的日最大值进行算术平均计算，得到最大风功率平均值和最大实时电量平均值；根据“储能容量与功率的比例不小于最大充放电倍率”的预设条件，基于计算得到的最大风功率平均值和最大实时电量平均值对储能配置参数范围进行修正，得到最终的配置参数范围；其中，设定最大风功率平均值和最大实时电量平均值，最终的配置参数范围表示为：示为：示为：示为：其中，为风电运行历史样本数据中用户设定的储能功率的下限和上限，为风电运行历史样本数据中用户设定的储能容量的下限和上限，为修正后的储能功率的下限和上限，为修正后的储能容量的下限和上限，为风电场的装机容量。
[0010]其中，在根据修正过后的储能参数范围，利用网格搜索方法得到不同的储能参数组合方式，并筛选出满足预设条件的N组储能配置组合参数的步骤中，包括：根据网格搜索方法，按照所允许的最小间隔片段进行分割得到
种储能参数组合方式；其中，储能系统的额定容量与额定功率分别满足和，表示向下取整；根据储能容量与功率的比例不小于最大充放电倍率的约束，从种储能参数组合方式中筛选出满足条件的N组储能配置组合参数。
[0011]其中，在对于N组储能配置组合参数，结合储能系统实际运行物理运行条件，采用序贯蒙特卡洛模拟抽样法随机生成N*M条的不同充放电功率曲线的步骤中，包括：将储能配置组合参数中的已知参数设定为储能系统的额定容量与额定功率；根据设定的同一组储能配置组合参数，在设定的额定功率范围之内，利用蒙特卡洛方模拟抽样法随机产生一条充放电功率曲线，作为一个最小粒度；针对每组储能配置组合参数，执行生成最小粒度的操作M次，得到M条充放电功率曲线；对于所有储能配置组合参数总共执行N*M次，得到N*M条充放电功率曲线；根据市场规则和物理约束条件筛选出每条充放电功率曲线中满足条件的点，组成新的充放电功率曲线；依据新的充放电功率曲线得到所对应的充放电电量以及储能系统对应的剩余容量；其中，应满足的条件如下所示：储能系统充放电功率不超过储能设备的额定功率，即储能系统充放电功率也应满足储能容量和功率上下限约束，具体公式如下：其中，假设储能初始容量为，为储能系统的充放电转换效率，为时刻的实发电量，为风电场的装机容量，为采样点之间的时间间隔；储能系统的充放电电量不大于实发电量，并且小于风电场的装机容量，具体如下：储能系统的剩余可用容量应满足如下公式：
其中，为时刻的储能剩余可用容量。
[0012]其中，在根据市场结算规则，考虑结算收入、超额获利回收损失，计算每种储能配置组合参数所对应的日均结算收益和储能日均运行成本，并将两者进行比值计算得到日均投资回报率的步骤中，包括：将每条充放电功率曲线作为储能介入后的实际充放电功率曲线，均带入到结算收益公式中，计算得到储能介入后的结算收入；其中，市场结算收益考虑现货结算收入、超额获利回收损失两个方面，收益为结算收入减去超额获利回收损失；结算收入公式如下：式中：为第时刻的现货结算收入；为第时刻的基数电量的电价，也称为标杆电价；为时刻的中长期合约加权电价；为第时刻的现货日前电价预测数据；为第时刻的现货实时电价预测数据；为第时刻基数电量；为第时刻的中长期合约总本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于仿真模拟的储能优化配置方法，其特征在于，包括：采集所需天数的风电运行历史样本数据并进行预处理；利用统计学方法结合预处理后的风电运行历史样本数据，对用户设定的储能配置参数范围进行修正；根据修正过后的储能参数范围，利用网格搜索方法得到不同的储能参数组合方式，并筛选出满足预设条件的N组储能配置组合参数；对于N组储能配置组合参数，结合储能系统实际运行物理运行条件，采用序贯蒙特卡洛模拟抽样法随机生成N*M条的不同充放电功率曲线；根据市场结算规则，考虑结算收入、超额获利回收损失，计算每种储能配置组合参数所对应的日均结算收益和储能日均运行成本，并将两者进行比值计算得到日均投资回报率；将日均投资回报率最大化作为评价指标进行仿真模拟实验，筛选出最优的储能系统容量、功率的组合方案。2.根据权利要求1所述的基于基于仿真模拟的储能优化配置方法，其特征在于，在采集所需天数的风电运行历史样本数据并进行预处理的步骤中，根据香农采样定理确定采样频率，其中风电运行历史样本数据以天为基本单位，同时设定采样点时间间隔。3.根据权利要求1所述的基于仿真模拟的储能优化配置方法，其特征在于，在利用统计学方法结合预处理后的风电运行历史样本数据，对用户设定的储能配置参数范围进行修正的步骤中，包括：获取风电运行历史样本数据中的风功率数据和实时电量数据的日最大值；对风功率数据和实时电量数据的日最大值进行算术平均计算，得到最大风功率平均值和最大实时电量平均值；根据“储能容量与功率的比例不小于最大充放电倍率”的预设条件，基于计算得到的最大风功率平均值和最大实时电量平均值对储能配置参数范围进行修正，得到最终的配置参数范围；其中，设定最大风功率平均值和最大实时电量平均值，最终的配置参数范围表示为：为：为：为：其中，为风电运行历史样本数据中用户设定的储能功率的下限和上限，为风电运行历史样本数据中用户设定的储能容量的下限和上限，为修正后的储能功率的下限和上限，为修正后的储能容量的下限和上限，为风电场的装机容量。4.根据权利要求3所述的基于仿真模拟的储能优化配置方法，其特征在于，在根据修正
过后的储能参数范围，利用网格搜索方法得到不同的储能参数组合方式，并筛选出满足预设条件的N组储能配置组合参数的步骤中，包括：根据网格搜索方法，按照所允许的最小间隔片段进行分割得到种储能参数组合方式；其中，储能系统的额定容量与额定功率分别满足和，表示向下取整；根据储能容量与功率的比例不小于最大充放电倍率的约束，从种储能参数组合方式中筛选出满足条件的N组储能配置组合参数。5.根据权利要求3所述的基于仿真模拟的储能优化配置方法，其特征在于，在对于N组储能配置组合参数，结合储能系统实际运行物理运行条件，采用序贯蒙特卡洛模拟抽样法随机生成N*M条的不同充放电功率曲线的步骤中，包括：将储能配置组合参数中的已知参数设定为储能系统的额定容量与额定功率；根据设定的同一组储能配置组合参数，在设定的额定功率范围之内，利用蒙特卡洛方模拟抽样法随机产生一条充放电功率曲线，作为一个最小粒度；针对每组储能配置组合参数，执行生成最小粒度的操作M次，得到M条充放电功率曲线；对于所有储能配置组合参数总共执行N*M次，得到N*M条充放电功率曲线；根据市场规则和物理约束条件筛选出每条充放电功率曲线中满足条件的点，组成新的充放电功率曲线；依据新的充放电功率曲线得到所对应的充放电电量以及储能系统对应的剩余容量；其中，应满足的条件如下所示：储能系统充放电功率不超过储能设备的额定功率，即储能系统充放电功率也应满足储能容量和功率上下限约束，具体公式如下：其中，假设储能初始容量为，为储能系统的充放电转换效率，为时刻的实发电量，为风电场的装机容量，为采样点之间的时间间隔；储能系统的充放电电量不大于实发电量，并且小于风电场的装机容量，具体如下：储能系统的剩余可用容量应满足如下公式：
其中，为时刻的储能剩余可用容量。6.根据权利要求5所述的基于仿真模拟的储能优化配置方法，其特征在于，在根据市场结算规则，考虑结算收入、超额获利回收损失，计算每种储能配置组合参数所对应的日均结算收益和储能日均运行成本，并将...

【专利技术属性】
技术研发人员：孙财新，毛巍，郭小江，孔金良，潘霄峰，宋立涛，关何格格，
申请(专利权)人：华能新能源股份有限公司山西分公司，
类型：发明
国别省市：