一种基于随机生产模拟的储能装置优化配置方法及系统制造方法及图纸

本发明专利技术提供一种基于随机生产模拟的储能装置优化配置方法及系统，包括：获取风电出力与光伏出力历史数据，对风电出力与光伏出力历史数据进行分析得到风电功率波动量分布和光伏出力概率密度函数；根据风电功率波动量分布基于二阶马尔可夫链

【技术实现步骤摘要】
一种基于随机生产模拟的储能装置优化配置方法及系统


[0001]本专利技术涉及储能系统优化
，尤其涉及一种基于随机生产模拟的储能装置优化配置方法及系统。

技术介绍

[0002]风电、光伏等新能源的并网发电要求电网能够提供灵活性资源以应对新能源出力的随机性、间歇性与波动性等特点。随着大规模新能源装机并网发电，电网对风光消纳压力将长期存在。储能装置作为一种灵活性资源，能够实现“电量转移”，有效缓解电能供给与负荷需求间的不平衡问题，为提高新能源发电占比提供了一种解决方案。但目前储能建设成本较高，储能容量配置过大将会使电网投资运行成本大大提高不利于新能源发电的可持续发展，而过小则其参与电网调节对提高风光消纳水平的效果不明显，因此对储能装置的配置问题的研究至关重要。
[0003]目前储能装置的容量与功率配置主要有典型场景法与生产模拟方法。典型场景法利用典型日的负荷及新能源场景来配置储能容量与功率，典型日覆盖的场景较为单一，不能反映风电、光伏出力以及负荷等变量的随机性，易导致规划结果与实际运行出现较大偏差。生产模拟法基于风电、光伏的随机性特征模拟出全年风电、光伏出力以及负荷曲线，并将所有时段的方程联立求解，以求得年度总费用最小的各类储热储电装置容量与功率。生产模拟法能够很好的反映随机变量的概率特征，但也存在配置结果的保守性。随着需求响应激励政策的完善与智能终端的普及，未来将会有更多的用户主动参与到电网调节。若能将在对系统规划与配置阶段适当考虑需求响应政策的执行效果，不仅能够降低规划成本提高资源利用率，还能促进电力系统需求响应的发展进程。
[0004]因此，基于随机生产模拟得到风电、光伏与负荷场景，结合弃风弃光率与供电可靠性的机会约束条件，建立储能装置优化配置随机规划模型，对提升现有资源利用率，促进电力市场化发展，具有重要的现实意义。

技术实现思路

[0005]本专利技术提供一种基于随机生产模拟的储能装置优化配置方法及系统，用以解决现有储能装置难以满足实际电力动态储能需求的问题。
[0006]本专利技术提供一种基于随机生产模拟的储能装置优化配置方法，包括：
[0007]获取风电出力与光伏出力历史数据，对所述风电出力与光伏出力历史数据进行分析得到风电功率波动量分布和光伏出力概率密度函数；
[0008]根据所述风电功率波动量分布基于二阶马尔可夫链
‑
蒙特卡洛法抽样生成风电功率时间序列，根据所述光伏出力概率密度函数基于蒙特卡洛抽样的场景生成方法得到大规模原始场景，利用聚类算法对原始场景集进行缩减，得到代表性场景集；
[0009]将弃风弃光率、供电可靠性作为机会约束，建立电力系统储能配置的随机规划模型；
[0010]对所述机会约束条件进行松弛，将所述随机规划模型转化为确定性的线性规划模型，得到储能装置的配置容量与配置功率。
[0011]根据本专利技术提供的一种基于随机生产模拟的储能装置优化配置方法，所述获取风电出力与光伏出力历史数据，对所述风电出力与光伏出力历史数据进行分析得到风电功率波动量分布和光伏出力概率密度函数，具体包括：
[0012]对所述风电出力历史数据进行分析得到风电出力的状态转移矩阵，生成风电功率波动量分布；
[0013]对所述光伏出力历史数据进行分析，基于非参数核密度估计法得到光伏出力概率密度函数。
[0014]根据本专利技术提供的一种基于随机生产模拟的储能装置优化配置方法，根据所述风电功率波动量分布基于二阶马尔可夫链
‑
蒙特卡洛法抽样生成风电功率时间序列，具体包括：
[0015]所述风电功率波动量满足位置尺度分布，采用状态转移矩阵量化风电功率波动特性；
[0016]基于二阶马尔可夫链
‑
蒙特卡洛法抽样生成风电功率时间序列，生成状态转移矩阵。
[0017]根据本专利技术提供的一种基于随机生产模拟的储能装置优化配置方法，所述利用聚类算法对原始场景集进行缩减，得到代表性场景集，具体包括：
[0018]获取原始场景集，选取聚类数，随机产生多个初始聚类中心，计算每个场景到聚类中心的距离；
[0019]针对任一场景，通过比较与每个聚类中心的距离大小，找到最靠近的场景并归为一簇，计算每一簇的场景均值，作为新的聚类中心，直至聚类中心不发生改变；
[0020]将得到的光伏出力场景与风电场景、负荷场景的场景概率相乘，得到每个组合场景的概率，生成代表性场景集。
[0021]根据本专利技术提供的一种基于随机生产模拟的储能装置优化配置方法，所述将弃风弃光率、供电可靠性作为机会约束，建立电力系统储能配置的随机规划模型，具体包括：
[0022]确定储能配置的随机规划模型目标函数；
[0023]所述储能配置的随机规划模型的约束调节包括：机会约束条件、网络安全约束、风电出力约束、光伏出力约束、常规火电机组功率约束与爬坡约束、热电联产机组电/热出力约束、热电联产机组爬坡约束、储热装置蓄/放热功率约束、储电装置充/放电功率约束、储热装置容量约束、储电装置容量约束、周期储电量约束、周期热量约束和电锅炉运行功率约束。
[0024]根据本专利技术提供的一种基于随机生产模拟的储能装置优化配置方法，对所述机会约束条件进行松弛，将所述随机规划模型转化为确定性的线性规划模型，得到储能装置的配置容量与配置功率，具体包括：
[0025]将所述随机规划模型转化为混合整数线性规划模型，调用日前调度优化算法为对储能配置线性规划模型运用开源求解器进行求解，最终得到各储能装置的配置容量与功率。
[0026]本专利技术还提供一种基于随机生产模拟的储能装置优化配置系统，包括：
[0027]数据分析模块，用于获取风电出力与光伏出力历史数据，对所述风电出力与光伏出力历史数据进行分析得到风电功率波动量分布和光伏出力概率密度函数；
[0028]数据处理模块，用于根据所述风电功率波动量分布基于二阶马尔可夫链
‑
蒙特卡洛法抽样生成风电功率时间序列，根据所述光伏出力概率密度函数基于蒙特卡洛抽样的场景生成方法得到大规模原始场景，利用聚类算法对原始场景集进行缩减，得到代表性场景集；
[0029]模型构建模块，用于将弃风弃光率、供电可靠性作为机会约束，建立电力系统储能配置的随机规划模型；
[0030]储能配置模块，用于对所述机会约束条件进行松弛，将所述随机规划模型转化为确定性的线性规划模型，得到储能装置的配置容量与配置功率。
[0031]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述基于随机生产模拟的储能装置优化配置方法。
[0032]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于随机生产模拟的储能装置优化配置方法。
[0033]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于随机生产模拟的储能装置优化配置方法，其特征在于，包括：获取风电出力与光伏出力历史数据，对所述风电出力与光伏出力历史数据进行分析得到风电功率波动量分布和光伏出力概率密度函数；根据所述风电功率波动量分布基于二阶马尔可夫链
‑
蒙特卡洛法抽样生成风电功率时间序列，根据所述光伏出力概率密度函数基于蒙特卡洛抽样的场景生成方法得到大规模原始场景，利用聚类算法对原始场景集进行缩减，得到代表性场景集；将弃风弃光率、供电可靠性作为机会约束，建立电力系统储能配置的随机规划模型；对所述机会约束条件进行松弛，将所述随机规划模型转化为确定性的线性规划模型，得到储能装置的配置容量与配置功率。2.根据权利要求1所述的基于随机生产模拟的储能装置优化配置方法，其特征在于，所述获取风电出力与光伏出力历史数据，对所述风电出力与光伏出力历史数据进行分析得到风电功率波动量分布和光伏出力概率密度函数，具体包括：对所述风电出力历史数据进行分析得到风电出力的状态转移矩阵，生成风电功率波动量分布；对所述光伏出力历史数据进行分析，基于非参数核密度估计法得到光伏出力概率密度函数。3.根据权利要求1所述的基于随机生产模拟的储能装置优化配置方法，其特征在于，根据所述风电功率波动量分布基于二阶马尔可夫链
‑
蒙特卡洛法抽样生成风电功率时间序列，具体包括：所述风电功率波动量满足位置尺度分布，采用状态转移矩阵量化风电功率波动特性；基于二阶马尔可夫链
‑
蒙特卡洛法抽样生成风电功率时间序列，生成状态转移矩阵。4.根据权利要求1所述的基于随机生产模拟的储能装置优化配置方法，其特征在于，所述利用聚类算法对原始场景集进行缩减，得到代表性场景集，具体包括：获取原始场景集，选取聚类数，随机产生多个初始聚类中心，计算每个场景到聚类中心的距离；针对任一场景，通过比较与每个聚类中心的距离大小，找到最靠近的场景并归为一簇，计算每一簇的场景均值，作为新的聚类中心，直至聚类中心不发生改变；将得到的光伏出力场景与风电场景、负荷场景的场景概率相乘，得到每个组合场景的概率，生成代表性场景集。5.根据权利要求1所述的基于随机生产模拟的储能装置优化配置方法，其特征在于，所述将弃风弃光率、供电可靠性作为机会约束，建立电力系统储能配...

【专利技术属性】
技术研发人员：赵海吉，刘诚哲，吕昌霖，彭永明，陈磊，徐飞，闵勇，
申请(专利权)人：国家电网公司东北分部，
类型：发明
国别省市：