风储电站在线调度方法及装置、电子设备及存储介质

本发明涉及新型能源技术领域，尤其涉及一种风储电站在线调度方法及装置、电子设备及存储介质。

背景技术：

近年来，以风力发电和光伏发电为代表的新能源发电技术快速发展。据报道，截至2019年，全球风力发电装机容量达651gw，约占电力总装机的三分之一。新能源在构建低碳电力系统的进程中将发挥至关重要的作用。

然而，风电内生的不确定性给电力系统运行带来了前所未有的挑战；为应对这一挑战，电力系统不仅需要预留足够的备用资源，还需要精确的风力发电预测。作为一种灵活资源，储能技术可以与风力发电协同运行，提高风力发电的可调度性，平滑风电出力；同时，考虑到风电预测技术的复杂性，得到十分精确的预测结果是困难的。鉴于以上分析，如何在无法得到精确风电预测结果的情况下实现风储电站的在线调度并保证其运行最优性是亟待解决的问题。

技术实现要素：

本发明提供一种风储电站在线调度方法及装置、电子设备及存储介质，用以解决现有技术中依赖风电预测结果进行在线调度的缺陷。本发明提供一种风储电站在线调度方法，包括：

建立风储电站运行模型；

基于所述风储电站运行模型，对储能荷电状态建立队列；

基于所述队列建立队列漂移；

基于所述队列以及所述队列漂移，建立在线调度模型；

基于所述在线调度模型，确定所述风储电站的调度策略。

根据本发明提供的一种风储电站在线调度方法，所述风储电站运行模型包括：

其中，πt是t时刻的电价，ft是t时刻风力发电机和储能系统向电网的售电量，和分别为t时刻从风力发电机流向储能系统、从风力发电机流向电网和从储能系统流向电网的功率，ηc是充电效率，是t时刻的风能资源，ηd是放电效率，t^u是传输线路的容量，p^u是储能冲放电功率容量，et是t时刻的储能荷电状态，τ是调度周期长度，e^l和e^u分别是储能荷电状态的下限和上限。

根据本发明提供的一种风储电站在线调度方法，所述队列包括：

qt＝et-e^l-τp^u-vπmax

其中，πmax是电价的最大值，v是惩罚系数，所述惩罚系数根据下式选择：

根据本发明提供的一种风储电站在线调度方法，所述基于所述队列建立队列漂移包括：

确定所述队列的李雅普诺夫函数如下：

基于所述队列以及李雅普诺夫函数，建立如下队列漂移：

根据本发明提供的一种风储电站在线调度方法，所述在线调度模型包括：

minτqt(pt^ws-pt^sg)+v(-πtft)

根据本发明提供的一种风储电站在线调度方法，所述基于所述在线调度模型，确定所述风储电站的调度策略，包括：

获取初始储能荷电状态e0和初始队列q0；

观测t时刻的储能荷电状态et、队列qt、风能资源和电价πt；

基于qt、et、πt以及所述在线调度模型，确定和的最优值，将所述最优值的组合确定为所述风储电站的调度策略。

根据本发明提供的一种风储电站在线调度方法，所述基于所述在线调度模型，确定所述风储电站的调度策略，包括：

基于所述在线调度模型，建立多参数线性规划问题，其表现形式为：

s.t.axt≤b+fθt

θt∈θt

其中，θt为参数向量[qt,πt,pt^w]^t，xt为控制向量[pt^wg,pt^ws,pt^sg]^t；

b＝[0000t^up^up^u]^t

cw是风力发电机容量，πmax是电价的最小值，q^l和q^u分别是队列的下限和上限；

求解所述多参数线性规划问题，得到所述调度策略与所述参数向量的解析函数

基于所述解析函数以及所述参数向量的观测值，得到所述风储电站的调度策略。

本发明还提供一种风储电站在线调度装置，包括：

运行模型单元，用于建立风储电站运行模型；

队列单元，用于基于所述风储电站运行模型，对储能荷电状态建立队列；

队列漂移单元，用于基于所述队列建立队列漂移；

在线调度模型单元，用于基于所述队列以及所述队列漂移，建立在线调度模型；

调度策略单元，用于基于所述在线调度模型，确定所述风储电站的调度策略。

根据本发明提供的一种风储电站在线调度装置，所述运行模型单元还用于建立如下风储电站运行模型：

其中，πt是t时刻的电价，ft是t时刻风力发电机和储能系统向电网的售电量，和分别为t时刻从风力发电机流向储能系统、从风力发电机流向电网和从储能系统流向电网的功率，ηc是充电效率，是t时刻的风能资源，ηd是放电效率，t^u是传输线路的容量，p^u是储能冲放电功率容量，et是t时刻的储能荷电状态，τ是调度周期长度，e^l和e^u分别是储能荷电状态的下限和上限。

根据本发明提供的一种风储电站在线调度装置，所述队列单元还用于建立如下队列：

qt＝et-e^l-τp^u-vπmax

其中，πmax是电价的最大值，v是惩罚系数，所述惩罚系数根据下式选择：

根据本发明提供的一种风储电站在线调度装置，所述队列漂移单元还用于：

确定所述队列的李雅普诺夫函数如下：

基于所述队列以及李雅普诺夫函数，建立如下队列漂移：

根据本发明提供的一种风储电站在线调度装置，所述在线调度模型单元还用于建立如下调度模型：

minτqt(pt^ws-pt^sg)+v(-πtft)

根据本发明提供的一种风储电站在线调度装置，所述调度策略单元还用于：

获取初始储能荷电状态e0和初始队列q0；

观测t时刻的储能荷电状态et、队列qt、风能资源和电价πt；

基于qt、et、πt以及所述在线调度模型，确定和的最优值，将所述最优值的组合确定为所述风储电站的调度策略。

根据本发明提供的一种风储电站在线调度装置，所述调度策略单元还用于：

基于所述在线调度模型，建立多参数线性规划问题，其表现形式为：

s.t.axt≤b+fθt

θt∈θt

其中，θt为参数向量[qt,πt,pt^w]^t，xt为控制向量[pt^wg,pt^ws,pt^sg]^t；

b＝[0000t^up^up^u]^t

cw是风力发电机容量，πmwx是电价的最小值，q^l和q^u分别是队列的下限和上限；

求解所述多参数线性规划问题，得到所述调度策略与所述参数向量的解析函数

基于所述解析函数以及所述参数向量的观测值，得到所述风储电站的调度策略。

本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述风储电站在线调度方法的步骤。

本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述风储电站在线调度方法的步骤。

本发明提供的风储电站在线调度方法及装置、电子设备及存储介质，通过建立风储电站运行模型，在假定精确的风电预测无法获得的条件下建立风储电站在线调度模型，进而得到风储电站的在线调度策略，实现不依赖风电预测结果的风储电站在线调度。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的风储电站在线调度方法的流程示意图之一；

图2是本发明提供的风储电站系统物理模型的结构示意图；

图3是本发明提供的风储电站在线调度方法的流程示意图之二；

图4是本发明提供的风储电站在线调度方法的流程示意图之三；

图5是本发明提供的风储电站在线调度方法的流程示意图之四；

图6是本发明提供的风储电站在线调度装置的结构示意图；

图7是本发明提供的电子设备的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面结合图1-图7描述本发明各实施例提供的技术方案。

图1为本发明提供的风储电站在线调度方法的流程示意图，如图1所示，该方法包括：

步骤110，建立风储电站运行模型。

图2为风储电站系统物理模型，主要包含风力发电机，储能系统以及传输线路。风力发电机的出力上限由不确定的风能资源决定；风能可以售卖至电网产生盈利，或存储在储能系统中，剩余部分可被舍弃。储能系统可以通过风能进行充电，同时自身可以向电网售电；储能充放电功率及荷电状态均不能超过其自身上下限。从储能和风力发电机送入电网的功率总和不允许超过传输线路的容量。考虑以上约束，以最大化风储电站售电收益为目标函数，假定不确定信息完全可知，能够建立风储电站运行模型。

步骤120，基于所述风储电站运行模型，对储能荷电状态建立队列。

步骤130，基于所述队列建立队列漂移。

步骤140，基于所述队列以及所述队列漂移，建立在线调度模型。

步骤150，基于所述在线调度模型，确定所述风储电站的调度策略。

本发明提供的风储电站在线调度方法，通过建立风储电站运行模型，在假定精确的风电预测无法获得的条件下建立风储电站在线调度模型，进而得到风储电站的在线调度策略，实现不依赖风电预测结果的风储电站在线调度。

基于上述实施例，所述风储电站运行模型包括：

其中，πt是t时刻的电价，ft是t时刻风力发电机和储能系统向电网的售电量，和分别为t时刻从风力发电机流向储能系统、从风力发电机流向电网和从储能系统流向电网的功率，ηc是充电效率，是t时刻的风能资源，ηd是放电效率，t^u是传输线路的容量，p^u是储能冲放电功率容量，et是t时刻的储能荷电状态，τ是调度周期长度，e^l和e^u分别是储能荷电状态的下限和上限。

基于上述实施例，所述队列包括：

qt＝et-e^l-τp^u-vπmax

其中，πmax是电价的最大值，v是惩罚系数，所述惩罚系数根据下式选择：

基于上述实施例，如图3所示，所述基于所述队列建立队列漂移包括：

步骤310，确定所述队列的李雅普诺夫函数如下：

步骤320，基于所述队列以及李雅普诺夫函数，建立如下队列漂移：

基于上述实施例，由于基于所述队列以及所述队列漂移可知：

至此，可以建立如下在线调度模型：

minτqt(pt^ws-pt^sg)+v(-πtft)

基于上述实施例，如图4所示，所述基于所述在线调度模型，确定所述风储电站的调度策略，包括：

步骤410，获取初始储能荷电状态e0和初始队列q0。

步骤420，观测t时刻的储能荷电状态et、队列qt、风能资源和电价πt。

步骤430，基于qt、et、πt以及所述在线调度模型，确定和的最优值，将所述最优值的组合确定为所述风储电站的调度策略。

在线调度算法如下：

基于上述实施例，如图5所示，所述基于所述在线调度模型，确定所述风储电站的调度策略，包括：

步骤510，基于所述在线调度模型，建立多参数线性规划问题，其表现形式为：

s.t.axt≤b+fθt

θt∈θt

其中，θt为参数向量[qt,πt,pt^w]^t，xt为控制向量[pt^wg,pt^ws,pt^sg]^t；

b＝[0000t^up^up^u]^t

cw是风力发电机容量，πmax是电价的最小值，q^l和q^u分别是队列的下限和上限；

步骤520，求解所述多参数线性规划问题，得到所述调度策略与所述参数向量的解析函数该问题可以用popmatlabtoolbox求解。

步骤530，基于所述解析函数以及所述参数向量的观测值，得到所述风储电站的调度策略。

下面对本发明提供的风储电站在线调度装置进行描述，下文描述的风储电站在线调度装置与上文描述的风储电站在线调度方法可相互对应参照。

图6为本发明提供的风储电站在线调度装置的结构示意图，如图6所示，该装置包括：

运行模型单元610，用于建立风储电站运行模型；

队列单元620，用于基于所述风储电站运行模型，对储能荷电状态建立队列；

队列漂移单元630，用于基于所述队列建立队列漂移；

在线调度模型单元640，用于基于所述队列以及所述队列漂移，建立在线调度模型；

调度策略单元650，用于基于所述在线调度模型，确定所述风储电站的调度策略。

本发明提供的风储电站在线调度装置，通过建立风储电站运行模型，在假定精确的风电预测无法获得的条件下建立风储电站在线调度模型，进而得到风储电站的在线调度策略，实现不依赖风电预测结果的风储电站在线调度。

基于上述实施例，所述运行模型单元610还用于建立如下风储电站运行模型：

其中，πt是t时刻的电价，ft是t时刻风力发电机和储能系统向电网的售电量，和分别为t时刻从风力发电机流向储能系统、从风力发电机流向电网和从储能系统流向电网的功率，ηc是充电效率，是t时刻的风能资源，ηd是放电效率，t^u是传输线路的容量，p^u是储能冲放电功率容量，et是t时刻的储能荷电状态，τ是调度周期长度，e^l和e^u分别是储能荷电状态的下限和上限。

基于上述实施例，所述队列单元620还用于建立如下队列：

qt＝et-e^l-τp^u-vπmax

其中，πmax是电价的最大值，v是惩罚系数，所述惩罚系数根据下式选择：

基于上述实施例，所述队列漂移单元630还用于：

确定所述队列的李雅普诺夫函数如下：

基于所述队列以及李雅普诺夫函数，建立如下队列漂移：

基于上述实施例，所述在线调度模型单元640还用于建立如下调度模型：

minτqt(pt^ws-pt^sg)+v(-πtft)

基于上述实施例，所述调度策略单元650还用于：

获取初始储能荷电状态e0和初始队列q0；

观测t时刻的储能荷电状态et、队列qt、风能资源和电价πt；

基于qt、et、πt以及所述在线调度模型，确定和的最优值，将所述最优值的组合确定为所述风储电站的调度策略。

基于上述实施例，所述调度策略单元650还用于：

基于所述在线调度模型，建立多参数线性规划问题，其表现形式为：

s.t.axt≤b+fθt

θt∈θt

其中，θt为参数向量[qt,πt,pt^w]^t，xt为控制向量[pt^wg,pt^ws,pt^sg]^t；

b＝[0000t^up^up^u]^t

cw是风力发电机容量，πmax是电价的最小值，q^l和q^u分别是队列的下限和上限；

求解所述多参数线性规划问题，得到所述调度策略与所述参数向量的解析函数

基于所述解析函数以及所述参数向量的观测值，得到所述风储电站的调度策略。

图7示例了一种电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器(processor)710、通信接口(communicationsinterface)720、存储器(memory)730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行风储电站在线调度方法，该方法包括：建立风储电站运行模型；基于所述风储电站运行模型，对储能荷电状态建立队列；基于所述队列建立队列漂移；基于所述队列以及所述队列漂移，建立在线调度模型；基于所述在线调度模型，确定所述风储电站的调度策略。

此外，上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。

另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的风储电站在线调度方法，该方法包括：建立风储电站运行模型；基于所述风储电站运行模型，对储能荷电状态建立队列；基于所述队列建立队列漂移；基于所述队列以及所述队列漂移，建立在线调度模型；基于所述在线调度模型，确定所述风储电站的调度策略。

又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的风储电站在线调度方法，该方法包括：建立风储电站运行模型；基于所述风储电站运行模型，对储能荷电状态建立队列；基于所述队列建立队列漂移；基于所述队列以及所述队列漂移，建立在线调度模型；基于所述在线调度模型，确定所述风储电站的调度策略。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。