一种风光氢储微网系统时域滚动优化方法及系统技术方案

本发明专利技术提供了一种风光氢储微网系统时域滚动优化方法及系统，涉及风光氢储微网系统优化调度领域

【技术实现步骤摘要】
一种风光氢储微网系统时域滚动优化方法及系统


本专利技术涉及风光氢储微网系统优化调度领域，特别是涉及一种风光氢储微网系统时域滚动优化方法及系统
。

技术介绍

由于传统化石能源的过度消耗以及不可再生性，建立以安全可靠
、
经济高效
、
清洁环保为目标的先进综合能源供给系统，已经成为全球各地共同追求的发展目标
。
作为综合能源系统内的关键环节，储能系统可以发挥平滑负荷以及平抑可再生能源出力不确定性的作用；同时当系统处于孤岛独立运行状态时，储能设备是决定负荷能否持续供应的关键因素
。
因此，研究多元储能设备对综合能源系统的影响十分必要
。
氢储能技术作为一种新型
、
绿色的储能技术是实现工业
、
交通及建筑行业深度脱碳的重要解决路径之一
。
电制氢既可产生大量清洁的氢气，又具有无可比拟的灵活调节能力和储能优势，能有效抵消风电太阳能随机波动的不良影响，可对电力系统灵活性
、
安全性做出重大贡献
。
面向电网调峰场景，电制氢系统可发挥装机容量大
、
调节范围宽的特点，可提高电力系统灵活性，促进提升电网对新能源消纳
。
面向电网调频场景，锂电储能可发挥响应速度快
、
调节精度高
、
爬坡能力强的特点，通过灵活性缓和系统的短期功率不平衡，提高系统快速调节能力，保障电力系统稳定安全运行
。
因此由锂电储能及氢储能优势互补去解决含高比例新能源的微网系统能量管理问题有助于提升综合能源利用率，提高能源互联网的经济效益
。
氢储能系统由电解槽制氢单元
、
储氢罐单元和氢燃料电池发电单元组成，三个单元功率解耦，充放电灵活，是一种极佳的绿色储能系统，锂电储能系统是一种当前应用比较成熟的储能形式，具有启停速度快，经济性好等优势
。
考虑到电池储能系统
(Battery Energy Storage System
，
BESS)
和氢储能系统
(Hydrogen Energy Storage System
，
HESS)
的协调互动，且电力负荷需求具有较强的不确定性，因此，在电网调度指令下
BESS
和
HESS
的功率分配及控制策略及其关键，这将会直接影响到微网运行的经济性和稳定性
、
储能系统的使用寿命以及微网系统内新能源利用率
。
多元储能联合运行优化是建立在储能系统布局以及经济性建模基础之上开展的，同时储能系统的规划和经济性又受联合运行方式策略影响，联合运行策略优化是一个多方面角力的耦合问题，新能源最大消纳与储能最经济运行的矛盾
、
当前与计及未来需求的最优出力抉择的矛盾，使得多元储能系统联合运行策略优化过程困难
。HESS
系统中
SOHR、
充放电效率等技术指标具有时变
、
非线性的特点，且运行过程中涉及到多种形式约束条件，难以对微网中新能源出力
、HESS
和
BESS
的调度做到实时精确控制
。

技术实现思路

本专利技术的目的是提供一种风光氢储微网系统时域滚动优化方法及系统，以削弱微电网中不确定性因素的影响，确保系统短时滚动调度计划的合理性及系统运行的稳定性
。
为实现上述目的，本专利技术提供了如下方案：一种风光氢储微网系统时域滚动优化方法，包括：获取风光氢储能微网系统的基础数据以及拓扑结构信息；所述基础数据包括风电
、
光伏日前预测可调度功率信息
、
电网负荷需求预测信息
、
额定功率，
HESS
和
BESS
额定功率及额定运行参数
、SOC
和
SOHR
状态以及电网分时电价曲线；所述拓扑结构信息包括系统连接方式以及供电母线形式；基于所述拓扑结构信息，依据所述基础数据，判断
BESS
及
HESS
充放电状态，确定优化调度过程中的约束条件；所述约束条件包括系统功率平衡约束
、
风电光伏发电能力约束
、
风电光伏日前预测可调度出力功率区间约束
、
储能安全运行区间及运行状态约束以及日前日内调度曲线残差约束；基于所述约束条件构建多目标函数；所述多目标函数包括日前计划跟踪函数
、
最大新能源利用函数
、
根据需求扩展目标函数以及对应耦合的约束条件对优化调度过程中的风光氢储各单元运行特性起到约束作用的函数及经济收益最大函数；获取风光氢储能微网系统调度指令，基于模型预测控制理论，构建所述风光氢储能微网系统对应的状态空间模型；根据所述状态空间模型
、
所述多目标函数以及所述约束条件构建任一时刻所述风光氢储能微网系统中各子系统运行状态信息的时域滚动优化调度模型；求解所述时域滚动优化调度模型，制定日内微网能量优化调度策略；根据所述日内微网能量优化调度策略对所述风光氢储能微网系统中各子系统的当前状态进行修正，采样实时系统状态，并更新超短期预测功率值，形成风电
、
光伏
、
储能系统控制出力序列，确定最终日内优化调度结果
。
可选的，所述系统功率平衡约束为：其中，
P
load
(k)
为负荷需求功率；
N
PV
为光伏数量；为第
k
时刻第
i
个光伏出力功率；
i
为光伏序号；
N
Wind
为风电数量；
j
为风电序号；为第
k
时刻第
j
个风电出力功率；
N
BESS
为锂电储能数量；
l
为锂电储能序号；为第
k
时刻第
l
个锂电储能充放电功率；
N
HESS
为氢储能装机数量；
m
为氢储能序号；为第
k
时刻第
m
个氢储能充放电功率；
P
grid
(k)
为第
k
时刻微网联络线交换功率
。
可选的，所述风电光伏发电能力约束为：其中，
P
PV
(k)
为光伏出力功率；
P
Wind
(k)
为风电出力功率
。
可选的，所述风电光伏日前预测可调度出力功率区间约束为：
其中，为最小光伏出力功率；为最大光伏出力功率；为最小风电出力功率；为最大风电出力功率；为最小锂电储能充放电功率本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种风光氢储微网系统时域滚动优化方法，其特征在于，包括：获取风光氢储能微网系统的基础数据以及拓扑结构信息；所述基础数据包括风电
、
光伏日前预测可调度功率信息
、
电网负荷需求预测信息
、
额定功率，
HESS
和
BESS
额定功率及额定运行参数
、SOC
和
SOHR
状态以及电网分时电价曲线；所述拓扑结构信息包括系统连接方式以及供电母线形式；基于所述拓扑结构信息，依据所述基础数据，判断
BESS
及
HESS
充放电状态，确定优化调度过程中的约束条件；所述约束条件包括系统功率平衡约束
、
风电光伏发电能力约束
、
风电光伏日前预测可调度出力功率区间约束
、
储能安全运行区间及运行状态约束以及日前日内调度曲线残差约束；基于所述约束条件构建多目标函数；所述多目标函数包括日前计划跟踪函数
、
最大新能源利用函数
、
根据需求扩展目标函数以及对应耦合的约束条件对优化调度过程中的风光氢储各单元运行特性起到约束作用的函数及经济收益最大函数；获取风光氢储能微网系统调度指令，基于模型预测控制理论，构建所述风光氢储能微网系统对应的状态空间模型；根据所述状态空间模型
、
所述多目标函数以及所述约束条件构建任一时刻所述风光氢储能微网系统中各子系统运行状态信息的时域滚动优化调度模型；求解所述时域滚动优化调度模型，制定日内微网能量优化调度策略；根据所述日内微网能量优化调度策略对所述风光氢储能微网系统中各子系统的当前状态进行修正，采样实时系统状态，并更新超短期预测功率值，形成风电
、
光伏
、
储能系统控制出力序列，确定最终日内优化调度结果
。2.
根据权利要求1所述的风光氢储微网系统时域滚动优化方法，其特征在于，所述系统功率平衡约束为：其中，
P
load
(k)
为负荷需求功率；
N
PV
为光伏数量；为第
k
时刻第
i
个光伏出力功率；
i
为光伏序号；
N
Wind
为风电数量；
j
为风电序号；为第
k
时刻第
j
个风电出力功率；
N
BESS
为锂电储能数量；
l
为锂电储能序号；为第
k
时刻第
l
个锂电储能充放电功率；
N
HESS
为氢储能装机数量；
m
为氢储能序号；为第
k
时刻第
m
个氢储能充放电功率；
P
grid
(k)
为第
k
时刻微网联络线交换功率
。3.
根据权利要求2所述的风光氢储微网系统时域滚动优化方法，其特征在于，所述风电光伏发电能力约束为：其中，
P
PV
(k)
为光伏出力功率；
P
Wind
(k)
为风电出力功率
。4.
根据权利要求3所述的风光氢储微网系统时域滚动优化方法，其特征在于，所述风电
光伏日前预测可调度出力功率区间约束为：其中，为最小光伏出力功率；为最大光伏出力功率；为最小风电出力功率；为最大风电出力功率；为最小锂电储能充放电功率；
P
BESS
(k)
为锂电储能充放电功率；为最大锂电储能充放电功率；为最小氢储能充放电功率；
P
HESS
(k)
为氢储能充放电功率；为最大氢储能充放电功率；为最小微网联络线交换功率；
P
grid
(k)
为微网联络线交换功率；为最大微网联络线交换功率
。5.
根据权利要求4所述的风光氢储微网系统时域滚动优化方法，其特征在于，所述储能安全运行区间及运行状态约束包括储能系统运行状态约束以及储能系统安全运行区间；所述储能系统运行状态约束为：其中，
SOC
BESS
(k)
为锂电储能系统荷电状态；
SOHR
HESS
(k)
为氢储能系统氢压状态；为锂电储能系统荷电状态限制值；为氢储能系统氢压状态限制值；所述储能系统安全运行区间为其中，为最小锂电储能系统荷电状态；为最大锂电储能系统荷电状态；为最低氢储能系统氢压状态；为最高
6.
根据权利要求5所述的风光氢储微网系统时域滚动优化方法，其特征在于，所述日前日内调度曲线残差约束为：
其中，为第
k
时刻光伏发电优化曲线对应的日前优化曲线残差平方和均方根值的下限；为光伏发电优化曲线对应的日前优化曲线残差平方和均方根值；为第
k
时刻光伏发电优化曲线对应的日前优化曲线残差平方和均方根值的上限；为第
k
时刻风力发电优化曲线对应的日前优化曲线残差平方和均方根值的下限；为风力发电优化曲线对应的日前优化曲线残差平方和均方根值；为第
k
时刻风力发电优化曲线对应的日前优化曲线残差平方和均方根值的上限
、
为第
k
时刻锂电储能出力功率对应的日前优化曲线残差平方和均方根值的下限；为锂电储能出力功率对应的日前优化曲线残差平方和均方根值；为第
k
时刻锂电储能出力功率对应的日前优化曲线残差平方和均方根值的上限；为第
k
时刻锂电储能
SOC
变化曲线对应的日前优化曲线残差平方和均方根值的下限；为锂电储能
SOC
变化曲线对应的日前优化曲线残差平方和均方根值；为第
k
时刻锂电储能
SOC
变化曲线对应的日前优化曲线残差平方和均方根值的上限；为第
k
时刻氢储能出力功率对应的日前优化曲线残差平方和均方根值的下限；为氢储能出力功率对应的日前优化曲线残差平方和均方根值；为第
k
时刻氢储能出力功率对应的日前优化曲线残差平方和均方根值的上限；为第
k
时刻氢储能
SOHR
变化曲线对应的日前优化曲线残差平方和均方根值的下限；为氢储能
SOHR
变化曲线对应的日前优化曲线残差平方和均方根值；为第
k
时刻氢储能
SOHR
变化曲线对应的日前优化曲线残差平方和均方根值的上限；
RSS
Pgrid_min
(k)
为第
k
时刻微网联络线功率对应的日前优化曲线残差平方和均方根值的下限；
RSS
P...

【专利技术属性】
技术研发人员：马速良，陈明轩，刘硕，张宝平，齐志新，吴旭，
申请(专利权)人：三峡科技有限责任公司，
类型：发明
国别省市：