一种储能参与调峰的电力系统多时间尺度优化调度方法技术方案

技术编号:39899138 阅读:25 留言:0更新日期:2023-12-30 13:13
本发明专利技术涉及一种储能参与调峰的电力系统多时间尺度优化调度方法,包括以下步骤:

【技术实现步骤摘要】
一种储能参与调峰的电力系统多时间尺度优化调度方法


[0001]本专利技术涉及电网调度领域,尤其涉及一种储能参与调峰的电力系统多时间尺度优化调度方法


技术介绍

[0002]近年来,大量的风电

光伏等可再生能源接入电力系统,使得传统的电力系统正在逐渐转换为以新能源为主体的新型电力系统

但是风电

光伏的出力具有随机性

间歇性和反调峰特性,影响了新型电力系统的能量管理

无功优化等控制,导致电网电能质量变差,对电力系统发电计划的制定带来极大的困难

为了平抑风电

光伏出力的波动性,提高风电

光伏等可再生能源的消纳率,可以在系统中安装一定容量的储能装置

储能装置在电力系统中起到了能量时移的作用,减小了系统负荷峰谷差,有效缓解了系统调峰压力

但是,储能参与调峰的新型电力系统优化调度结果受风电

光伏出力的波动性影响,同时考虑能量和功率本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种储能参与调峰的电力系统多时间尺度优化调度方法,包括以下步骤:

利用
Kullback

Leibler
散度生成风电

光伏出力最优场景,并得到对应场景的概率分布为:式中:
N
s
为组合场景总数;
N
wt
、N
pv
分别为风电

光伏最优场景数;
p
s
为组合场景
s
的概率;
p
wt
、p
pv
分别为风电

光伏最优场景
s
对应的概率;

建立以系统运行总成本最小为目标函数的日前调度模型和日前调度模型的约束条件;

建立以弃风弃光成本

功率型电化学储能损耗成本之和最小为目标函数的日内调度模型和日内调度模型的约束条件;并建立当前周期内系统实际出力与日内调度预测值偏差最小为目标函数的实时校正模型和实时校正模型的约束条件;

建立日前

日内

实时校正的多时间尺度协同优化调度模型后,利用多目标浣熊优化算法求解该模型,即得储能参与调峰的电力系统的优化调度结果
。2.
如权利要求1所述的一种储能参与调峰的电力系统多时间尺度优化调度方法,其特征在于:所述步骤

中对应场景的概率分布按下述方法获得:对于两个连续型的分布
P

P0,其
Kullback

Leibler
散度定义如下:式中:
ξ
为不确定变量;
Ω

ξ
的样本空间;
f(
ξ
)

f0(
ξ
)
分别为
P

P0的概率密度函数;对于离散型的分布
P

P0,其
Kullback

Leibler
散度定义如下:式中:
π
n
和分别为
P

P0在样本
ξ
n
处的离散概率;于是在
Kullback

Leibler
散度的基础上的分位点由下式得出:风电的随机性,采用
Weibull
函数建立风力发电数学模型,计算公式为:式中,
V
为风机叶轮处风速;
c、k
分别为分布

形状参数,公式为:式中:
σ
W
为风速的标准差;
μ
W
为平均风速;
Γ
为不完全伽马函数;得到求解最优分位点的方程:
式中:
c1=
c
CI
/c、c2=
(c
CI
/c)/(h/P
R
)、c3=
(kc2)

r/(1+r)
(1+r)
t
、a

(k+r)/[(1+r)/k]

r
一般取2;
Γ
为不完全伽玛函数;光伏的随机性采用
Beta
函数建立光伏发电数学模型,公式为:式中:
E
为光照强度;
E
max
为最大光照强度;
α

β

Beta
分布

形状参数,公式为:式中:
σ
PV

μ
PV
为光照强度的方差和均值;光伏阵列的输出功率为:
P
P

EA
τ
式中:
E
为光照强度;
A
为阵列面积;
τ
为光电转化率;因此,
P
P
的连续概率密度函数:得到相应
Q
个离散分位点
z
q
(q

1,2,...,Q)
满足:式中:应用
Kullback

Leibler
散度,即得风电

光伏最优场景对应场景的概率分布为:式中:
N
s
为组合场景总数;
N
wt
、N
pv
分别为风电

光伏最优场景数;
p
s
为组合场景
s
的概率;
p
wt
、p
pv
分别为风电

光伏最优场景
s
对应的概率
。3.
如权利要求1所述的一种储能参与调峰的电力系统多时间尺度优化调度方法,其特征在于:所述步骤

中日前调度模型的目标函数:
式中:
C
g
是火电成本;
i
是火电机组;
Ni
是火电机组总数;
P
i,t

t
时刻火电机组的功率;
a
i
、b
i
、c
i
是第
i
台火电机组的煤耗系数;
SU
i,t
、SD
i,t
为第
i
台火电机组在
t
时刻的启动成本

停机成本;
C
w
是风电成本;
K
W,k
是第
k
个风电站的成本系数;
T
是总的调度时间,本文中
T
的取值为
24

N
k
是风电站的总数;
P
k,t
是第
k
风电站在
t
时刻的输出功率;
C
pv
是光伏成本;
P
j,t
是第
j
个光伏电站在
t
时刻的输出功率;
N
j
是光伏电站的总数;
K

【专利技术属性】
技术研发人员:周强牛继恩赵龙王定美吕清泉张金平李津张睿骁张健美刘丽娟高鹏飞张珍珍王晟张永蕊刘海伟张嘉林
申请(专利权)人:国网甘肃省电力公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1