计及多时间尺度的新能源-储能系统容量置信度评估方法技术方案

本发明专利技术公开了一种计及多时间尺度的新能源

【技术实现步骤摘要】
计及多时间尺度的新能源
‑
储能系统容量置信度评估方法


[0001]本专利技术属于电力系统规划领域的评估方法，具体涉及一种计及多时间尺度的新能源
‑
储能系统容量置信度评估方法。

技术介绍

[0002]构建以新能源为主体的新型电力系统是建设新型能源体系的重要举措。然而新能源具有强波动性和高不确定性等特点，尤其是天气过程影响下的如“极热无风”、“晚峰无光”等场景下新能源和负荷出力呈负相关性，源
‑
荷匹配程度较低。与此同时，随着新能源开始大规模替代存量化石电源，煤电装机增速显著下滑，给电力系统的供电保障安全带来的严峻挑战。
[0003]另一方面，新能源出力随季节性和天气过程影响，不同时段下出力差异较大，因此有必要研究更短时间尺度场景下新能源的容量置信度，以期支撑多时间尺度下的系统电力平衡。储能具有充放电灵活的优势，可以降低新能源出力的波动性和随机性，通过合理安排储能系统充放电时间，在系统保供风险较高的时段，即影响系统保供电的关键场景下通过放电以提升新能源容量置信度，从而作为提升新能源供电能力的有效措施。
[0004]因此，研究计及多时间尺度的新能源
‑
储能系统容量置信度评估方法，分析新能源
‑
储能系统的容量价值和供电保障能力，为新能源
‑
储能运行策略和容量配比优化制定提供参考，是亟待解决的技术问题。

技术实现思路

[0005]本专利技术所要解决的技术问题是克服现有技术存在的缺陷，提供一种计及多时间尺度的新能源
‑
储能系统容量置信度评估方法。本专利技术采用新能源出力、负荷曲线作为输入，通过引入净负荷高峰时段补偿成本罚函数，同时计及储能电池运行损耗成本，以系统整体经济性最优为目标进行多源协同运行优化，从而制定储能运行策略；然后采用卷积法计算加入评估资源前后的系统可靠性指标，通过非迭代式插值算法计算不同时间尺度下的新能源
‑
储能系统容量置信度，进而为影响供电保障关键场景下的储能系统的调控提供依据，提高系统的供电保障能力。
[0006]为此，本专利技术采用的技术方案如下：
[0007]一种计及多时间尺度的新能源
‑
储能系统容量置信度评估方法，其包括如下步骤：
[0008]S1：以需接入电网的新能源
‑
储能系统作为待评估资源，针对每一个需评估时间尺度对应的评估周期，获取各评估周期内的输入数据；所述输入数据包括新能源
‑
储能系统的新能源时序出力数据，电网的负荷水平、电网中的原始常规机组装机容量以及电网的运行参数；
[0009]S2：针对每个时间尺度对应的评估周期，将评估周期内的输入数据作为多源协同优化模型的输入，且在所述多源协同优化模型中，通过引入净负荷高峰时段补偿成本罚函数，同时计及储能电池运行损耗成本，以系统整体经济性最优为目标进行多源协同运行优
化，从而制定储能运行策略，并得到储能时序出力数据；
[0010]S3：针对每个时间尺度对应的评估周期，基于S1中获取的输入数据和S2中得到的储能时序出力数据，采用卷积法计算加入待评估资源前后的系统可靠性指标；
[0011]S4：针对每个时间尺度对应的评估周期，在电网中移除待评估资源，然后在电网中原始常规机组装机容量的基础上新增不同的常规机组装机容量增加量，并分别重新计算不同的常规机组装机容量增加量所对应的系统可靠性指标，最后通过非迭代式插值算法计算评估周期内的新能源
‑
储能系统容量置信度；针对每个时间尺度均得到对应评估周期内的新能源
‑
储能系统容量置信度后，形成多时间尺度下的新能源供电能力评估结果。
[0012]作为优选，所述的步骤S2中，在所述多源协同优化优化模型中，引入净负荷高峰时段补偿成本罚函数，同时计及储能运行损耗成本并加入常规机组运行成本协同优化，优化目标函数为评估周期内所有场景的运行成本之和最低，对于任意第s个场景其运行成本的计算公式为：
[0013][0014][0015]式中，T为调度周期，N
g
表示常规机组数量，N
es
表示储能系统数量，S为关键场景集合，由净负荷持续曲线前H小时所在的典型日构成，代表电力系统供电保障能力风险最高的场景；为t时刻机组i的运行成本，所述运行成本包括燃料成本和启停成本；表示t时刻的净负荷高峰时段补偿成本罚函数；为t时刻储能系统i的运行损耗成本，采用度电成本衡量，其计算公式如式(3)和(4)所示：
[0016][0017][0018]式中，C
op
为储能电池等效运行损耗系数，和分别为储能充电功率和放电功率，C
w
为储能电池的容量价格，E
es
为储能电池配置容量，D
es
表示储能电池放电深度，N
es
为放电深度为D
es
时的等效循环次数，r1为利率系数；
[0019]由于所述补偿成本罚函数是分段函数，通过引入两个0
‑
1变量将非线性函数线性化，从而通过优化求解器求解所述优化目标函数，并获得储能时序出力。
[0020]作为优选，所述的S1中，所述评估周期为可变的时间尺度，包括年、季节、1天至数天的关键场景多个时间尺度。
[0021]作为优选，所述的步骤S3中，采用卷积法计算加入评估资源前后的系统可靠性指标，具体过程如下：
[0022]首先，基于S1中获取的新能源时序出力数据和S2中得到的储能时序出力数据，从发电侧实现基于时序负荷曲线的卷积，即根据机组状态模型计算机组的停运容量概率表COPT，通过卷积法计算常规机组整体的停运容量概率表COPT从而避免多级递归运算；所述
停运容量概率表COPT的计算方式如下：
[0023][0024][0025]式中，X表示机组发生故障事件的随机变量，X
i
表示机组i发生故障事件的随机变量，i＝1,2,
…
，N
g
；f(x)为事件发生的概率密度函数，f
i
(x)为机组i发生故障事件的概率密度函数，x∈X；由所有N
g
台机组的概率密度函数f(x)，生成机组整体的停运容量概率表COPT；
[0026]然后，将待评估的新能源
‑
储能系统联合出力作为负的负荷从纯负荷曲线中减去，根据净负荷曲线逐时刻计算系统可靠性指标R。
[0027]作为优选，所述的系统可靠性指标R采用失负荷期望EENS。
[0028]作为优选，所述的步骤S4中，电网中接入评估资源前后可的靠性指标分别记为EENS0和EENS1，从电网移除待评估资源后，在电网中原始常规机组装机容量G的基础上新增不同的常规机组装机容量增加量ΔG，并重新计算每个常规机组装机容量增加量ΔG对应的系统可靠性指标EENS，不同的常规机组装机容量增加量ΔG对应的系统本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计及多时间尺度的新能源
‑
储能系统容量置信度评估方法，其特征在于，包括如下步骤：S1：以需接入电网的新能源
‑
储能系统作为待评估资源，针对每一个需评估时间尺度对应的评估周期，获取各评估周期内的输入数据；所述输入数据包括新能源
‑
储能系统的新能源时序出力数据，电网的负荷水平、电网中的原始常规机组装机容量以及电网的运行参数；S2：针对每个时间尺度对应的评估周期，将评估周期内的输入数据作为多源协同优化模型的输入，且在所述多源协同优化模型中，通过引入净负荷高峰时段补偿成本罚函数，同时计及储能电池运行损耗成本，以系统整体经济性最优为目标进行多源协同运行优化，从而制定储能运行策略，并得到储能时序出力数据；S3：针对每个时间尺度对应的评估周期，基于S1中获取的输入数据和S2中得到的储能时序出力数据，采用卷积法计算加入待评估资源前后的系统可靠性指标；S4：针对每个时间尺度对应的评估周期，在电网中移除待评估资源，然后在电网中原始常规机组装机容量的基础上新增不同的常规机组装机容量增加量，并分别重新计算不同的常规机组装机容量增加量所对应的系统可靠性指标，最后通过非迭代式插值算法计算评估周期内的新能源
‑
储能系统容量置信度；针对每个时间尺度均得到对应评估周期内的新能源
‑
储能系统容量置信度后，形成多时间尺度下的新能源供电能力评估结果。2.根据权利要求1所述的计及多时间尺度的新能源
‑
储能系统容量置信度评估方法，其特征在于，所述的步骤S2中，在所述多源协同优化优化模型中，引入净负荷高峰时段补偿成本罚函数，同时计及储能运行损耗成本并加入常规机组运行成本协同优化，优化目标函数为评估周期内所有场景的运行成本之和最低，对于任意第s个场景其运行成本的计算公式为：为：式中，T为调度周期，N
g
表示常规机组数量，N
es
表示储能系统数量，S为关键场景集合，由净负荷持续曲线前H小时所在的典型日构成，代表电力系统供电保障能力风险最高的场景；为t时刻机组i的运行成本，所述运行成本包括燃料成本和启停成本；表示t时刻的净负荷高峰时段补偿成本罚函数；为t时刻储能系统i的运行损耗成本，采用度电成本衡量，其计算公式如式(3)和(4)所示：量，其计算公式如式(3)和(4)所示：式中，C
op
为储能电池等效运行损耗系数，和分别为储能充电功率和放电功率，C
w
为储能电池的容量价格，E
es
为储能电池配置容量，D
es
表示储能电池放电深度，N
es
为放电深度
为D
es
时的等效循环次数，r1为利率系数；由于所述补偿成本罚函数是分段函数，通过引入两个0
‑
1变量将非线性函数线性化，从而通过优化...

【专利技术属性】
技术研发人员：王仁顺，王世龙，江全元，耿光超，夏天，
申请(专利权)人：浙江大学，
类型：发明
国别省市：