【技术实现步骤摘要】
基于减少风能浪费率的多灵活资源聚合匹配方法
[0001]本专利技术涉及电力领域的能源综合分配,尤其适用于风能发电的能源分配,具体的说是一种基于减少风能浪费率的多灵活资源聚合匹配方法。
技术介绍
[0002]随着电力系统中新能源发电渗透率的提升,新能源出力具有较强的随机性和间歇性,如太阳能发电具有明显的周期性,而风能发电具有明显的随机性,且风电机组在运行时需要吸收无功功率,不利于电网安全经济的运行。
[0003]因新能源成本较低、弹性较高、且污染小,能够替代传统不可再生能源,在新型电力系统中地位逐步上升,随着大规模的新能源并入电网,灵活性资源需求也随之大幅增加。
[0004]而风能是太阳辐射下流动所形成的。风能与其他能源相比,具有明显的优势,它蕴藏量大,是水能的10倍,分布广泛,永不枯竭,对交通不便、远离主干电网的岛屿及边远地区尤为重要。风能最常见的利用形式为风力发电,风力发电常见问题是稳定性较差,不可控性较强,随机波动性强,致使大量风能被浪费,也给电力系统的经济运行带来了挑战。
[0005]风电的强随 ...
【技术保护点】
【技术特征摘要】
1.基于风能浪费率最低的多灵活资源聚合匹配方法,其特征在于:包括以下步骤:步骤1:分析电动汽车消纳风电的可行性,根据电动汽车的充电规律和电动汽车负荷与风电出力的协调关系追踪风电的弃风电量;步骤2:依据电动汽车负荷的灵活可控性,调动电动汽车负荷聚合方案,建立电动汽车负荷聚合模型;步骤3:对电动汽车负荷初步聚合后,如果仍旧有弃风时刻,还需要进一步测算聚合负荷与跟踪弃风曲线之间的偏差,将电动汽车作为优先调节资源,引入产消者,作为协调补充资源;步骤4:当电动汽车聚合负荷量与合约规定的弃风消纳电量之间的差值量越大时,聚合负荷商的成本就越大,计算为了消纳风电的总成本包括聚合成本和产消者的协调成本;步骤5:基于最小化跟踪偏差和最小化总成本的目标下,应用灰狼算法进行优化求解,并采用熵权法为其赋予各项指标的权重,可得对于该多目标规划问题的综合评价指标CEI,根据预选方案的综合评价指标CEI确定优化结果。2.根据权利要求1所述的基于风能浪费率最低的多灵活资源聚合匹配方法,其特征在于:所述步骤2以各时段负荷功率与发电侧弃电功率的插值为指标衡量弃风曲线追踪偏差,式(1)是以各时段负荷与弃风功率偏差绝对值之和最小为优化目标,式(2)
‑
(6)为约束条件:条件:条件:条件:条件:条件:式中,F为电动汽车负荷聚合调用后消纳弃风的偏差电量;T为时段总数;为时段t风力发电商的弃风预测功率;P
t
为时段t除电动汽车符合之外的用电负荷功率;θ
i
为布尔变量,θ
i
=1表示调用电动汽车集群i,θ
i
=0表示不调动电动汽车集群i;为时段t电动汽车集群i的负荷功率;P
j,t
为时段t常规电源j的发电功率;J为常规电源的总数量;ΔT为时间间隔;分别为时段t电动汽车集群i的充放电功率;分别为电动汽车集群的充、放电功率上限;分别为时段t、t+1电动汽车集群i的荷电状态;η
E
电动汽车集群的充放电效率;C
i
为电动汽车集群i的额定容量;κ为电动汽车聚合资源占需求侧资
源的最小比例;Q为需求侧资源的电量。3.根据权利要求1所述的基于风能浪费率最低的多灵活资源聚合匹配方法,其特征在于:所述步骤3当电动汽车负荷小于弃风功率时,产消者进行充电;当电动汽车负荷大于弃风功率时,产消者进行放电;产消者联合优化模型的目标函数如式(7)所示,约束条件如式(8)—(14)所示:(8)—(14)所示:(8)—(14)所示:(8)—(14)所示:(8)—(14)所示:(8)—(14)所示:S
SOC,t
<G
ESS
ꢀꢀꢀꢀ
(13)C
EV,ESS
<C
EV,0
ꢀꢀꢀꢀ
(14)式中,P
tS
为时段t储能系统的净充放电功率;η为储能系统的充放电效率;分别为表征时段t产消者充、放电状态的0
‑
1变量,充电时有1变量,充电时有放电时有不充不放时有P
tch
、P
tdis
分别为...
【专利技术属性】
技术研发人员:朱家正,潘奕林,王振南,栗鹏辉,徐胜,张硕,左越,韩帅,王凯,韩汝军,贺添铭,张博,戢超楠,董奥,
申请(专利权)人:国网辽宁省电力有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。