【技术实现步骤摘要】
本专利技术涉及新型电力系统储能配置，具体涉及到一种考虑风力特性的海上油田群独立电网储能优化配置方法。
技术介绍
1、非常规能源即新能源如风能、光能，具有可再生又不污染环境的特点，利用新能源发电构建新型电力系统有着重要的意义。
2、海上油田群独立电网，依靠自身发电机组脱离主网运行，其调频能力差，抗干扰能力弱，随着海上风电的高比例接入，其惯性时间常数和调频系数相应减小，而电压稳定问题可以通过接入无功补偿器提升，故海上油田群独立电网更容易出现频率稳定问题。
3、由于风能难预测性、波动性、随机性，使其接入电网的难度增加，高比例风机的接入对电网的稳定性要求越来越高，风能的接入会使电网功率不平衡，造成频率、电压失稳等问题。储能系统以其适时的充放电，对有功功率的及时补充成为稳定高比例新能源电网的首要选择。新能源高比例、大规模发展，在出力比例高时，用电负荷低且电能存储能力不足的矛盾将进一步突显，发生弃风、弃光的概率加大，故新能源和储能系统一体化发展将成为未来一段时间电力系统的重要方向。为新能源电网配置储能是提高电网新能源渗透率的关键方法，然而如何配置储能使电网既可以稳定运行，又可以达到目标新能源渗透率，并且结合海上风电出力的特点成为亟待解决的问题。
技术实现思路
1、针对上述问题，本专利技术的目的是提供一种考虑风力特性的海上油田群独立电网储能优化配置方法，能够使海上油田群独立电网既可以安全稳定运行并且降低电网运行成本，同时结合海上风电出力的特性，使配置出的储能更加贴合实际工
2、为实现上述目的，本专利技术采取以下技术方案：
3、第一方面，本申请提供一种考虑风力特性的海上油田群独立电网储能优化配置方法，包括：
4、s1，获取海上风电原始数据，并根据所述海上风电原始数据建立海上风电出力的高斯混合模型；
5、s2，根据所述海上风电出力的高斯混合模型产生风电数据，再对所述风电数据进行聚类分析得到多条海上风电典型出力曲线以及各所述海上风电典型出力曲线的概率；
6、s3，根据预先构建的海上油田群频率响应模型，求解所述海上油田群独立电网中储能的pcs功率最小值；
7、s4，将所述多条海上风电典型出力曲线以及各所述海上风电典型出力曲线的概率，所述pcs功率最小值，输入到包含随机规划的储能容量双层优化模型中，求解得到储能容量，充放电计划以及新能源消纳量。
8、在本申请的一种实现方式中，在所述s1中，包括采用k邻近算法剔除海上风电原始数据中的异常点。
9、在本申请的一种实现方式中，所述s1中，所述高斯混合模型满足下列方程：
10、
11、式中，x表示观测数据即输入的一年风电出力数据，k是高斯混合模型中子模型的数量，αk是各个子模型的权重，φ(x|θk)是第k个子模型的高斯分布密度函数，是高斯混合模型中各个子模型的期望、方差、权重。
12、在本申请的一种实现方式中，在所述s2中，所述的聚类分析包括：
13、采用手肘法确定聚类数目；
14、根据聚类数据，采用k-means算法对风电数据进行聚类，再根据每个聚类结果的样本数据计算各个海上风电典型出力曲线的概率。
15、在本申请的一种实现方式中，所述手肘法的公式为：
16、
17、所述k-means算法计算各个数据点到各类簇中心距离的计算公式为：
18、
19、其中，sj是第j个类簇，x是第sj中的数据点，cj是sj类簇中的类簇中心，sse是所有数据点的聚类误差；xi表示第i个对象，1≤i≤n cj表示第j个类簇中心，1≤j≤k xit表示第i个对象的第t个属性，1≤t≤m，cjt表示第j个类簇中心的第t个属性。
20、在本申请的一种实现方式中，所述海上油田群频率响应模型的状态方程，满足下列方程：
21、f≥fmin
22、psmin＝(1+ε)psmin1
23、
24、上述两个阶段的状态方程初始条件有变，即：
25、
26、式中，电网频率为f,fmin为电网频率跌落最低值；psmin1是储能装置pcs功率最小值，是刚好满足约束条件时加入电网的储能装置的pcs功率，ε为安全裕度，psmin是考虑裕度后储能装置的pcs功率；δf*为电网频率变化量的标幺值，δpm*为发电机机械转矩变化量的标幺值，为电网一次调频系数的标幺值，t为时间常数，tj为发电机转动惯量，δpe*为电磁功率变化量的标幺值，t1为投入储能装置的时间，ps*为投入储能装置的pcs功率。
27、在本申请的一种实现方式中，所述包含随机规划的储能容量双层优化模型，包括内层模型和外层模型；所述内层模型选用yalmip和cplex求解器进行随机规划并确定储能运行方式，所述外层模型选择遗传算法进行求解并进行储能定容。
28、在本申请的一种实现方式中，所述内层模型求解目标为最小化海上油田群独立电网一天运行期望成本，表达式如下：
29、
30、式中，i表示第i种典型风电出力，共k种典型风电出力；j表示第j个时刻，t为时间尺度；fg(i,j)表示透平机组在第i种典型风电出力情况下运行，第j个时刻的期望运行成本；fw(i,j)风机组在第i种典型风电出力情况下运行，第j个时刻的期望运行成本；fexpect为海上油田群独立电网一天运行的期望成本。
31、在本申请的一种实现方式中，所述外层模型的目标函数为最小化海上油田群独立电网包含储能装置一天运行的总成本，表达式如下：
32、minf＝fbat+fexpect
33、式中，fexpect为内层模型返回的一天运行期望成本，fbat为储能全寿命周期成本折算成一天的成本，f为海上油田群独立电网包含储能装置一天运行的总成本。
34、在本申请的一种实现方式中，
35、
36、式中，finv为储能装置的初始投资，fop为储能装置每年的运行费用，fma为储能装置每年的维护费用，fsc为储能装置的处理成本，r为折现率，nt为储能装置寿命t为时间。
37、本专利技术由于采取以上技术方案，其具有以下优点：
38、本专利技术综合考虑了海上风电出力特点、经济性、电网频率稳定性、新能源渗透率，建立了海上风电出力的高斯混合模型，海上油田群电网频率响应模型，和包含随机规划的储能容量双层优化模型。再由高斯混合模型生成海上风电数据，随后进行聚类分析，提取海上风电典型出力曲线及其概率，这样输入到优化模型中的海上风电数据更能全面反映海上风电出力的真实情况，配置储能容量也更加贴合实际工况。同时，本专利技术配置出的储能容量不仅提高经济性，也提高了海上油田群独立电网的新能源渗透考虑，并保证了海上油田群电网频率稳定性。
本文档来自技高网...【技术保护点】
1.一种考虑风力特性的海上油田群独立电网储能优化配置方法，其特征在于，所述方法，包括：
2.根据权利要求1所述的考虑风力特性的海上油田群独立电网储能优化配置方法，其特征在于，在所述S1中，包括采用K邻近算法剔除海上风电原始数据中的异常点。
3.根据权利要求1所述的考虑风力特性的海上油田群独立电网储能优化配置方法，其特征在于，所述S1中，所述高斯混合模型满足下列方程：
4.根据权利要求2所述的考虑风力特性的海上油田群独立电网储能优化配置方法，其特征在于，在所述S2中，所述的聚类分析包括：
5.根据权利要求4所述的考虑风力特性的海上油田群独立电网储能优化配置方法，其特征在于，所述手肘法的公式为：
6.根据权利要求5所述的考虑风力特性的海上油田群独立电网储能优化配置方法，其特征在于，所述海上油田群频率响应模型的状态方程，满足下列方程：
7.根据权利要求1所述的考虑风力特性的海上油田群独立电网储能优化配置方法，其特征在于，所述包含随机规划的储能容量双层优化模型，包括内层模型和外层模型；所述内层模型选用YALMIP和C
8.根据权利要求7所述的考虑风力特性的海上油田群独立电网储能优化配置方法，其特征在于，所述内层模型求解目标为最小化海上油田群独立电网一天运行期望成本，表达式如下：
9.根据权利要求7所述的考虑风力特性的海上油田群独立电网储能优化配置方法，其特征在于，所述外层模型的目标函数为最小化海上油田群独立电网包含储能装置一天运行的总成本，表达式如下：
10.根据权利要求9所述的考虑风力特性的海上油田群独立电网储能优化配置方法，其特征在于，
...【技术特征摘要】
1.一种考虑风力特性的海上油田群独立电网储能优化配置方法，其特征在于，所述方法，包括：
2.根据权利要求1所述的考虑风力特性的海上油田群独立电网储能优化配置方法，其特征在于，在所述s1中，包括采用k邻近算法剔除海上风电原始数据中的异常点。
3.根据权利要求1所述的考虑风力特性的海上油田群独立电网储能优化配置方法，其特征在于，所述s1中，所述高斯混合模型满足下列方程：
4.根据权利要求2所述的考虑风力特性的海上油田群独立电网储能优化配置方法，其特征在于，在所述s2中，所述的聚类分析包括：
5.根据权利要求4所述的考虑风力特性的海上油田群独立电网储能优化配置方法，其特征在于，所述手肘法的公式为：
6.根据权利要求5所述的考虑风力特性的海上油田群独立电网储能优化配置方法，其特征在于，所述海上油田群频率响应模型的状态...
【专利技术属性】
技术研发人员：魏澈，邱银锋，黄存，李国香，郑玲，车久玮，魏冲，王名洲，严民山，赵娜，谢亚飞，王海涛，塔拉，高璇，
申请(专利权)人：中海石油中国有限公司，
类型：发明
国别省市：
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。