超短期光伏功率预测的光伏电站有功功率优化分配方法组成比例

超短期光伏功率预测的光伏电站有功功率优化分配方法，涉及新能源发电与储能领域

【技术实现步骤摘要】
超短期光伏功率预测的光伏电站有功功率优化分配方法


[0001]本专利技术涉及新能源发电与储能领域，具体涉及一种新型配置储能的光伏电站
AGC
策略
。

技术介绍

[0002]太阳能是一种具有随机性和波动性的清洁能源，因此光伏发电输出功率会因气象条件
、
季节变化
、
云量等因素的影响而发生变化
。
这种随机性和波动性会导致光伏电站响应电网调频指令的能力不足，进而影响到电网的稳定性和频率质量
。
为了确保系统有功功率平衡和频率质量，自动发电控制
(Automatic Generation Control
，
AGC)
成为了保障电网稳定运行的重要手段之一
。
随着我国新能源产业的发展，光储联合系统等多能源系统也被引入到电力系统中
。
在现有光伏电站发电控制方法进行有功功率分配时，当光伏预测功率大于调频功率，储能系统无法将满足调频功率后的剩余容量的功率消纳时，存在两种方法进行功率消纳，第一
、
从光伏电站角度出发，完全由光伏电站自身参与功率调节，其主动减小输出功率进行功率消纳，该种方式主主流的功率调节方式，其存在能量丢弃
、
经济损失严重
、
功率配置效果差
。
第二
、
从整个电网角度来说，可将满足调频功率后的剩余容量的功率产生的能量上传至电网，但此种因为剩余能量上传电网会造成电网频率的不稳定，电网需要去协调其他调频设备去稳定频率，上传电网的电能越多花费稳定电网频率的成本越高，故此种调频方式在现有技术中并不采用，主流均采用第一种方式进行功率消纳
。

技术实现思路

[0003]本专利技术目的是为了解决现有光伏电站发电控制方法中，储能系统无法消纳超出调频功率后的剩余功率时，完全由光伏电站自身参与功率调节造成能量丢弃
、
经济损失严重的问题
。
本专利技术提供了一种基于超短期光伏功率预测的光伏电站有功功率优化分配方法
。
[0004]超短期光伏功率预测的光伏电站有功功率优化分配方法，用于对预测出的含储能系统的光伏电站输出的有功功率进行优化分配，优化分配方法基于光伏电站的
AGC
控制器实现，优化分配方法包括如下步骤：
[0005]S1、
光伏电站的
AGC
控制器用于接收通过训练后的光伏功率预测模型预测出待预测时刻光伏电站输出的有功功率以及电力调度中心下发的给定调频功率其中，光伏功率预测模型采用
PSO
‑
LSTM
神经网络实现；
[0006]判断是否满足结果为是，执行步骤
S2
，结果为否，执行步骤
S4
；
[0007]S2、
确定储能系统的储能充电能力
Δ
P
ch
，并计算过剩功率判断储能系统的储能充电能力
Δ
P
ch
是否满足结果为是，由储能系统消纳过剩功率此时无需调节光伏电站进行光伏出力，结果为否，执行步骤
S3
；
[0008]S3、
计算功率差额过剩功率先由储能系统消纳
Δ
P
ch
，再通过调节光伏电站出力和上传电网共同消纳
Δ
P1，从而完成对光伏电站输出的有功功率的优化分
配；
[0009]调节光伏电站出力和上传电网共同消纳
Δ
P1时，以惩罚成本
F
最低为目标计算光伏电站消纳的功率
P
r
和上传至电网的功率
P
ur
，具体为：
[0010][0011]ρ1和
ρ2分别为售电电价和弃光惩罚因子，
P
r
＝
PⅠ+PⅡ+PⅢ；
PⅠ、PⅡ和
PⅢ分别为光伏电站的第一至第三类光伏阵列所消纳的功率，且三类光伏阵列的温度不同；
[0012]S4、
确定储能系统的放电能力
Δ
P
dis
，并计算功率缺额判断储能系统的放电能力
Δ
P
dis
是否满足
Δ
P
dis
≥
Δ
P
′
PV
；结果为是，由储能系统向光伏电站供给功率缺额结果为否，通过储能系统和电厂共同向光伏电站供给功率缺额
Δ
P
′
PV
，且储能系统向光伏电站供给
Δ
P
dis
，从而完成对光伏电站输出的有功功率的优化分配
。
[0013]优选的是，训练后的光伏功率预测模型的获得过程包括：
[0014]S11、
基于光伏电站的历史数据构建训练集；训练集中每个训练样本的输入数据包括任意连续
N
个小时内各采样点光伏电站输出的有功功率
、
以及该连续
N
个小时内的平均温度和风速，输出数据包括连续
N
个小时后第
M
时刻的光伏电站输出的有功功率；
[0015]S12、
利用训练集对光伏功率预测模型进行训练，获得训练后的光伏功率预测模型；其中，训练样本的输入数据和输出数据分别作为光伏功率预测模型的输入和输出
。
[0016]优选的是，步骤
S11
中，间隔
15
分钟作为一个采样点，连续
N
个小时共形成
4N
个采样点
。
[0017]优选的是，通过训练后的光伏功率预测模型预测出待预测时刻光伏电站输出的有功功率的实现方式为：
[0018]将待预测时刻所对应的历史数据中连续
N
个小时内各采样点光伏电站输出功率
、
以及该连续
N
个小时内的平均温度和风速，输入至训练后的光伏功率预测模型，预测出待预测时刻光伏电站输出的有功功率
[0019]优选的是，步骤
S4
中，通过储能系统和电厂共同向光伏电站供给功率缺额
Δ
P
′
PV
的实现方式为：
[0020]由储能系统向光伏电站供给
Δ
P
dis
、
电厂向光伏电站供给
Δ
P
′
PV
‑
Δ
P
dis
。
[0021]优选的是，光伏电站中，将
10
°
≤T
＜
25
°
的光伏阵列定义为第一类光伏阵列；
[0022]25
°
≤T本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
超短期光伏功率预测的光伏电站有功功率优化分配方法，用于对预测出的含储能系统的光伏电站输出的有功功率进行优化分配，其特征在于，优化分配方法基于光伏电站的
AGC
控制器实现，优化分配方法包括如下步骤：
S1、
光伏电站的
AGC
控制器用于接收通过训练后的光伏功率预测模型预测出待预测时刻光伏电站输出的有功功率以及电力调度中心下发的给定调频功率其中，光伏功率预测模型采用
PSO
‑
LSTM
神经网络实现；判断是否满足结果为是，执行步骤
S2
，结果为否，执行步骤
S4
；
S2、
确定储能系统的储能充电能力
Δ
P
ch
，并计算过剩功率判断储能系统的储能充电能力
Δ
P
ch
是否满足结果为是，由储能系统消纳过剩功率此时无需调节光伏电站进行光伏出力，结果为否，执行步骤
S3
；
S3、
计算功率差额过剩功率先由储能系统消纳
Δ
P
ch
，再通过调节光伏电站出力和上传电网共同消纳
Δ
P1，从而完成对光伏电站输出的有功功率的优化分配；调节光伏电站出力和上传电网共同消纳
Δ
P1时，以惩罚成本
F
最低为目标计算光伏电站消纳的功率
P
r
和上传至电网的功率
P
ur
，具体为：
ρ1和
ρ2分别为售电电价和弃光惩罚因子，
P
r
＝
PⅠ+PⅡ+PⅢ；
PⅠ、PⅡ和
PⅢ分别为光伏电站的第一至第三类光伏阵列所消纳的功率，且三类光伏阵列的温度不同；
S4、
确定储能系统的放电能力
Δ
P
dis
，并计算功率缺额判断储能系统的放电能力
Δ
P
dis
是否满足
Δ
P
dis
≥
Δ
P
′
PV
；结果为是，由储能系统向光伏电站供给功率缺额结果为否，通过储能系统和电厂共同向光伏电站供给功率缺额
Δ
P
′
PV
，且储能系统向光伏电站供给
Δ
P
dis
，从而完成对光伏电站输出的有功功率的优化分配
。2.
根据权利要求1所述的超短期光伏功率预测的光伏电站有功功率优化分配方法，其特征在于，训练后的光伏功率预测模型的获得过程包括：
S11、
基于光伏电站的历史数据构建训练集；训练集中每个训练样本的输入数据包括任意连续
N
个小时内各采样点光伏电站输出的有功功率
、
以及该连续
N
个小时内的平均温度和风速，输出数据包括连续
N
个小时后第
M
时刻的光伏电站输出的有功功率；
S12、
利用训练集对光伏功率预测模型进行训练，获得训练后的光伏功率预测模型；其中，训练样本的输入数据和输出数据分别作为光伏功率预测模型的输入和输出
。3.
根据权利要求2所述的超短期光伏功率预测的光伏电站有功功率优化分配方法，其特征在于，步骤
S11
中，间隔
15
分钟作为一个采样点，连续
N
个小时共形成
4N
个采样点
。4.
根据权利要求1所述的超短期光伏功率预测的光伏电站有功功率优化分配方法，其特征在于，通过训练后的光伏功率预测模型预测出待预测时刻光伏电站输出的有功功率的实现方式为：将待预测时刻所对应的历史数据中连续
N
个小时内各采样点光伏电站输出功率
、
以及该连续
N
个小时内的平均温度和风速，输入至训练后的光伏功率预测模型，预测出待预测时
刻光伏电站输出的有功功率
5.
根据权利要求1所述的超短期光伏功率预测的光伏电站有功功率优化分配方法，其特征在于，步骤
S4
中，通过储能系统和电...

【专利技术属性】
技术研发人员：胡生宏，尤劼山，程浩，李瑞珂，张书鑫，张虎，
申请(专利权)人：南京南瑞太阳能科技有限公司东北电力大学，
类型：发明
国别省市：