一种计及灵活性储氢的电网新能源消纳能力评估方法与流程

1.本发明涉及电力技术领域，具体为一种计及灵活性储氢的电网新能源消纳能力评估方法。


背景技术：

2.随着新能源发电技术的日益发展，当前电网中的分布式新能源渗透率正在逐步提高，清洁的分布式新能源的广泛使用有助于实现电网的绿色化与低碳化。然而，新能源发电存在固有的间歇性与波动性特点，其运行过程中存在一定的弃风弃光等资源浪费问题，因此，建立电力系统中的新能源消纳能力优化计算方法以促进新能源的高效合理利用显得尤为重要。此外，利用电解水技术由可再生能源产生的绿色氢能在电力系统中也有一定的应用，大规模氢能的使用将对电网的优化调度带来新的挑战。


技术实现要素：

3.本发明提供一种计及灵活性储氢的电网新能源消纳能力评估方法，具有能够预测电网中新能源出力，并在此基础上计及电解氢与储氢装置对新能源消纳能力进行优化的特点，合理利用实现了新能源消纳能力的提升，以解决现有技术中存在的问题。
4.为实现上述目的，本发明提供如下技术方案：一种计及灵活性储氢的电网新能源消纳能力评估方法，包括如下步骤：
5.s1、基于电网的历史数据对长短期记忆人工神经网络模型进行训练，获取分布式新能源的时序出力预测数据；
6.s2、构建电解槽的输入输出数学模型，消纳多余的新能源出力用以生产氢气；
7.s3、构建面向新能源消纳的优化调度目标函数：minof＝s1+s2+
…
+s
n-sm，其中，s1s2…
sn为各种成本，sm为收入；
8.s4、考虑电网的正常运行状态以及紧急事件发生后的运行状态，构建面向新能源消纳的优化调度约束条件；
9.s5、综合目标函数与约束条件，评估新能源的消纳值，获取新能源消纳水平。
10.优选的，所述电网的历史数据包括网架结构数据、新能源出力历史数据以及负荷需求数据。
11.优选的，长短期记忆人工神经网络模型的预测方法为：
12.i
t
＝σ(w
xi
x
t
+w
hiht-1
+w
cict-1
+bi)；
13.f
t
＝σ(w
xf
x
t
+w
hfht-1
+w
cfct-1
+bf)；
14.c
t
＝f
tct-1
+i
t
tanh(w
xc
x
t
+w
hcht-1
+bc)；
15.o
t
＝σ(w
xo
x
t
+w
hoht-1
+w
coct-1
+bo)；
16.h
t
＝o
t
tanh(c
t
)；
17.其中，x
t
为t时刻的输入变量；h
t
为t时刻的输出变量；σ为sigmod函数；w和b分别为权重矩阵和偏置向量；i
t
为输入门的输出；f
t
为遗忘门的输出；c
t
为记忆细胞的状态；o
t
为输
出门的输出。
18.优选的，在步骤s2中，采用pem电解槽作为电转氢装置，其氢气产量表示为耗电量的函数：h＝ζe(ph)
×
ph，其中，h为氢气产量；ph为电解槽的消耗的有功功率；ζe()为一体现转换效率与电解槽耗电量关系的非线性函数；
[0019][0020][0021]
其中，分别为运行效率的最大值和最小值；ph
max
、ph
min
分别表示电解槽消耗的有功功率的最大值与最小值。
[0022]
优选的，在步骤s3中，成本包括运行费用和弃风弃光惩罚成本，收入包括向氢能用户提供氢气的收入。
[0023]
优选的，运行费用包括：
[0024]
常规火电机组的运行费用：
[0025]
新能源发电机组的运行费用：
[0026]
电转氢及储氢装置组合的运行费用：
[0027]
其中，分别为火电机组所在节点集合、新能源发电机组所在节点集合以及电转氢装置所在节点集合；pg
b,t
、ph
b,t
分别为t时刻节点b的火电机组有功出力以及电转氢装置的有功需求，代表了新能源的消纳值，a
0,b
、a
1,b
、a
2,b
分别为火电机组的运行成本系数；为新能源发电机组的运行成本系数；β
0,b
、β
1,b
为电转氢及储氢装置组合的运行成本系数。
[0028]
优选的，风弃光惩罚成本为：
[0029]
其中，为弃风弃光惩罚成本系数，为t时刻节点b的新能源机组弃风弃光量；
[0030]
向氢能用户提供氢气的收入为：
[0031]
其中，γ
0,b
、γ
1,b
为氢价系数；hd
b,t
为t时刻节点b供应的氢气量。
[0032]
优选的，在步骤s5中，约束条件主要包括：
[0033]
潮流约束：
[0034][0035]
其中，ωb为电网所有节点的集合，pd
b,t
、qd
b,t
分别为t时刻节点b的负荷有功功率和无功功率，c∈{c1,c2,
…cn
}表示电网的正常运行状态以及应急后的各种运行状态，v
b,t,c
、θ
k,t,c
分别为电网处于运行状态c时t时刻节点b的电压幅值和电压相角，y
bk,c
、φ
bk,c
由节点导纳矩阵中b行k列元素求得，qg
b,t,c
、qh
b,t,c
分别为电网处于运行状态c时t时刻节点b的火电机组无功出力、新能源机组发出的无功功率以及电转氢装置的无功需求；
[0036]
正常运行时的备用约束：
[0037]
其中，为节点k的火电机组发出的有功功率上限；
[0038]
新能源渗透率约束：
[0039]
其中，0≤αc≤1，表示电网处于运行状态c时所能接受的渗透率上限。
[0040]
优选的，约束条件还包括运行安全性约束，具体为：
[0041]
爬坡约束：
[0042]
其中，分别为节点b火电机组的向下和向上爬坡极限值；
[0043]
火电机组有功及无功出力约束：
[0044]
其中，分别为节点b火电机组发出的有功上下限和无功上下限；
[0045]
节点电压约束：
[0046]
其中，分别为节点b的电压下限和上限；
[0047]
弃风弃光约束：
[0048]
其中，为t时刻节点b新能源机组所能发出的最大有功功率，即t时刻实际发出的有功功率与弃风弃光对应的有功功率之和；
[0049]
无功功率约束：
[0050]
其中，为电网处于运行状态c时节点b的新能源机组发出的无功功率上下限系数；
[0051]
线路容量约束：
[0052]
其中，s
bk,t,c
、分别为时刻t运行条件c下流过线路bk的视在功率和视在功率上限，为与节点b相连的所有节点集合。
[0053]
优选的，在每个电转氢装置和储氢装置相连时，约束条件还包括电转氢和储氢装置的运行约束，具体为：
[0054]
电转氢装置运行约束：
[0055]
其中，分别为电转氢装置的有功需求下限和上限，为电网处于运行状态c时节点b的电转氢装置无功需求的上下限系数；
[0056]
电转氢装置的耗电量约束：
[0057]
其中，分别为t时刻节点b的电转氢装置正常运行时的耗电量和短时过载条件下的耗电量，为节点b的电转氢装置的额定耗电量，为节点b的电转氢装置在过载期间的最大能量消耗；
[0058]
电转氢装置的输入输出约束：
[0059]
电解槽的爬坡约束：
[0060]
其中，分别为节点b电解槽的向下和向上爬坡极限值；
[0061]
与电转氢相连的储氢装置运行约束：
[0062][0063]
其中，hs
b,t
、hg
b,t
为t时刻节点b的储氢装置存储的氢能和电转氢装置输出给储氢装置的氢气量，ηm、ηn为与效率有关的系数，分别为节点b储氢装置的向下和向上爬坡极限值，分别为节点b储氢装置存储氢能的下限和上限。
[0064]
与现有技术相比，本发明的有益效果：本发明利用长短期记忆人工神经网络模型对历史数据进行处理，预测电网中的新能源出力，为含有氢能的电网新能源消纳能力优化计算提供数据支撑；并通过建立电解槽的输入输出数学模型，可在风光资源富余时消纳多余的新能源出力用以生产氢气，从而提升电网的新能源消纳能力，弥补新能源的间歇性和波动性所带来的不良影响，另外，在能源消纳优化计算的约束条件中计入了电解槽的数学模型以及储氢装置的数学模型，通过绿色氢能的合理利用实现了新能源消纳能力的提升，并且兼顾了运行费用、弃风弃光惩罚成本以及向氢能用户提供氢气的收入，在优化模型中同时考虑电网的正常运行状态以及紧急事件发生后的运行状态，使得计算结果更加符合电网运行实际情况。
附图说明
[0065]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
[0066]
在附图中：
[0067]
图1是本发明新能源消纳能力评估方法流程图；
[0068]
图2是本发明电力系统架构图；
[0069]
图3是本发明采用的长短期记忆人工神经网络得到的风电出力预测结果图；
[0070]
图4是本发明风电消纳能力评估结果以及弃风结果图；
[0071]
图5是本发明电力系统优化调度结果图。
具体实施方式
[0072]
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
[0073]
实施例：如图1所示，一种计及灵活性储氢的电网新能源消纳能力评估方法，包括如下步骤：
[0074]
s1、基于电网的历史数据对长短期记忆人工神经网络模型进行训练，获取分布式新能源的时序出力预测数据；
[0075]
其中，电网的历史数据包括网架结构数据、新能源出力历史数据以及负荷需求数据，为了对电网中的新能源消纳水平进行优化评估，需要获取优化前的新能源出力预测数据，长短期记忆人工神经网络模型的预测方法为：
[0076]it
＝σ(w
xi
x
t
+w
hiht-1
+w
cict-1
+bi)；
[0077]ft
＝σ(w
xf
x
t
+w
hfht-1
+w
cfct-1
+bf)；
[0078]ct
＝f
tct-1
+i
t
tanh(w
xc
x
t
+w
hcht-1
+bc)；
[0079]ot
＝σ(w
xo
x
t
+w
hoht-1
+w
coct-1
+bo)；
[0080]ht
＝o
t
tanh(c
t
)；
[0081]
其中，x
t
为t时刻的输入变量；h
t
为t时刻的输出变量；σ为sigmod函数；w和b分别为权重矩阵和偏置向量；i
t
为输入门的输出；f
t
为遗忘门的输出；c
t
为记忆细胞的状态；o
t
为输出门的输出；
[0082]
s2、构建电解槽的输入输出数学模型，消纳多余的新能源出力用以生产氢气；
[0083]
其中，电解槽是连接电能与氢能的一个重要装置，可视为电网的负荷，其消耗电能产生的氢气可以置于储氢装置中再用于氢能用户，氢作为一种可以长期存储的介质，具有储存能量数月的能力，其使用途径具有较强的灵活性，因此电解槽与储氢装置的组合可视为电网的灵活性负载，将其用于新能源渗透率较大的电网，可在风光资源富余时消纳多余的新能源出力用以生产氢气，从而提升电网的新能源消纳能力，弥补新能源的间歇性和波动性所带来的不良影响；本发明中采用pem电解槽作为电转氢装置，在响应时间上更快，且能耗更少，其氢气产量表示为耗电量的函数：h＝ζe(ph)
×
ph，其中，h为氢气产量；ph为电解槽的消耗的有功功率；ζe()为一体现转换效率与电解槽耗电量关系的非线性函数；
[0084][0085][0086]
其中，分别为运行效率的最大值和最小值；ph
max
、ph
min
分别表示电解槽消耗的有功功率的最大值与最小值；
[0087]
s3、构建面向新能源消纳的优化调度目标函数：minof＝s1+s2+
…
+s
n-sm，其中，s1s2…
sn为各种成本，sm为收入；
[0088]
本实施例中，成本包括成本包括运行费用和弃风弃光惩罚成本，收入包括向氢能用户提供氢气的收入，具体为：
[0089]
运行费用包括：
[0090]
常规火电机组的运行费用：
[0091]
新能源发电机组的运行费用：
[0092]
电转氢及储氢装置组合的运行费用：
[0093]
其中，分别为火电机组所在节点集合、新能源发电机组所在节点集合以及电转氢装置所在节点集合；pg
b,t
、ph
b,t
分别为t时刻节点b的火电机组有功出力以及电转氢装置的有功需求，代表了新能源的消纳值，a
0,b
、a
1,b
、a
2,b
分别为火电机组的运行成本系数；为新能源发电机组的运行成本系数；β
0,b
、β
1,b
为电转氢及储氢装置组合的运行成本系数。
[0094]
优选的，风弃光惩罚成本为：
[0095]
其中，为弃风弃光惩罚成本系数，为t时刻节点b的新能源机组弃风弃光量；
[0096]
向氢能用户提供氢气的收入为：
[0097]
其中，γ
0,b
、γ
1,b
为氢价系数；hd
b,t
为t时刻节点b供应的氢气量；
[0098]
因此本实施例中，优化调度的目标函数为：minof＝s1+s2+s3+s
4-s5；
[0099]
s4、考虑电网的正常运行状态以及紧急事件发生后的运行状态，构建面向新能源消纳的优化调度约束条件，假设火电机组与新能源机组的有功发电量和电转氢耗电量在应急前后保持不变，由平衡节点平衡应急前后的有功变化量，由火电机组、新能源机组、电转氢机组以及平衡节点共同平衡应急前后的无功变化量，约束条件主要包括：
[0100]
潮流约束：
[0101][0102]
其中，ωb为电网所有节点的集合，pd
b,t
、qd
b,t
分别为t时刻节点b的负荷有功功率和无功功率，c∈{c1,c2,
…cn
}表示电网的正常运行状态以及应急后的各种运行状态，v
b,t,c
、θ
k,t,c
分别为电网处于运行状态c时t时刻节点b的电压幅值和电压相角，y
bk,c
、φ
bk,c
由节点导纳矩阵中b行k列元素求得，qg
b,t,c
、qh
b,t,c
分别为电网处于运行状态c时t时刻节点b的火电机组无功出力、新能源机组发出的无功功率以及电转氢装置的无功需求；
[0103]
正常运行时的备用约束：
[0104]
其中，为节点k的火电机组发出的有功功率上限；
[0105]
新能源渗透率约束：
[0106]
其中，0≤αc≤1，表示电网处于运行状态c时所能接受的渗透率上限。
[0107]
约束条件还包括运行安全性约束，具体为：
[0108]
爬坡约束：
[0109]
其中，分别为节点b火电机组的向下和向上爬坡极限值；
[0110]
火电机组有功及无功出力约束：
[0111]
其中，分别为节点b火电机组发出的有功上下限和无功上下限；
[0112]
节点电压约束：
[0113]
其中，分别为节点b的电压下限和上限；
[0114]
弃风弃光约束：
[0115]
其中，为t时刻节点b新能源机组所能发出的最大有功功率，即t时刻实际发出的有功功率与弃风弃光对应的有功功率之和；
[0116]
无功功率约束：
[0117]
其中，为电网处于运行状态c时节点b的新能源机组发出的无功功率上下限系数；
[0118]
线路容量约束：
[0119]
其中，s
bk,t,c
、分别为时刻t运行条件c下流过线路bk的视在功率和视在功率上限，为与节点b相连的所有节点集合。
[0120]
在每个电转氢装置和储氢装置相连时，约束条件还包括电转氢和储氢装置的运行约束，具体为：
[0121]
电转氢装置运行约束：
[0122]
其中，分别为电转氢装置的有功需求下限和上限，为电网处于运行状态c时节点b的电转氢装置无功需求的上下限系数；
[0123]
电转氢装置的耗电量约束：
[0124]
其中，分别为t时刻节点b的电转氢装置正常运行时的耗电量和短时过载条件下的耗电量，为节点b的电转氢装置的额定耗电量，为节点b的电转氢装置在过载期间的最大能量消耗；
[0125]
电转氢装置的输入输出约束：
[0126]
电解槽的爬坡约束：
[0127]
其中，分别为节点b电解槽的向下和向上爬坡极限值；
[0128]
与电转氢相连的储氢装置运行约束：
[0129][0130]
其中，hs
b,t
、hg
b,t
为t时刻节点b的储氢装置存储的氢能和电转氢装置输出给储氢装置的氢气量，ηm、ηn为与效率有关的系数，分别为节点b储氢装置的向下和向上爬坡极限值，分别为节点b储氢装置存储氢能的下限和上限。
[0131]
s5、综合目标函数与约束条件，评估新能源的消纳值，获取新能源消纳水平。
[0132]
参考图2，为电力系统图，其中，可能发生的紧急情况c1、c2、c3、c4、c5、c6、c7分别为线路2-3、3-4、4-5、3-18、13-14、16-17、23-36断开。在该网络中，节点2、4、5、14、21、36分别接有额定容量为500mw的风电机组，节点2、3、9、28、29、36分别接有电转氢装置以及储氢装置，产生的氢气优先提供氢能用户剩余用于存储。
[0133]
参考图3，为采用长短期记忆人工神经网络的方法可以对风电出力进行预测，为新能源消纳能力优化计算提供数据基础，如图4所示，给出了以下三种情况下电网的风电消纳结果：1)不考虑电网的电解氢及储氢装置，仅考虑电网的正常运行状态；2)考虑电网的电解氢装置及储氢装置，仅考虑电网的正常运行状态；3)考虑电网的电解氢及储氢装置，考虑电网的正常运行状态和紧急情况发生后的应急状态；结果显示，情况1在2：00-8：00这段负荷量较轻而风电出力较大的时段存在比较严重的弃风现象，总体的运行经济性较差，而情况2考虑了电解氢及储氢装置后能够实现风电的完全消纳，提升了电网的新能源消纳能力。
[0134]
参考图5，给出了上述三种情况下的优化调度结果，情况1由于存在较为严重的弃风现象，因此优化调度的总花费最高；情况2总花费较低但只考虑到了正常运行状态；情况3兼顾了运行经济性以及正常和紧急运行状态，利用电转氢以及储氢装置实现了风电消纳水平的提升的同时也使调度过程产生的花费比情况1有所减少。因此，本发明所提的一种计及灵活性储氢的电网新能源消纳能力评估方法能预测电网中新能源出力，并能在此基础上计及电解氢与储氢装置对新能源消纳能力进行优化，实现电网的安全经济运行。
[0135]
最后应说明的是：以上所述仅为本发明的优选实例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，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。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。