一种基于风险优化的新能源电站储荷配置方法及装置与流程

1.本发明涉及一种基于风险优化的新能源电站储荷配置方法及装置，属于电力能源技术领域。


背景技术：

2.随着风、光等新能源渗透率的逐年提高，其发电的不确定性与波动性越发不可忽视。2021年6月，江苏省提出了风/光发电偏差的考核机制；同年9月，江苏省要求新建项目必须配置一定比例的储能。
3.以往调度部门利用优质的调峰资源(如火电、水电)配合风/光发电，但当下传统的源侧资源调峰模式愈发难以维持，且不利于践行双碳路径，因此，如何通过合理有效地配置储荷资源来提高新能源电站的发电收益是本领域技术人员急需要解决的技术问题。


技术实现要素：

4.目的：为了克服现有技术中存在的不足，本发明提供一种基于风险优化的新能源电站储荷配置方法及装置，在新能源电站附近配置储能、可控负荷的调节手段，通过源-储-荷互动可有效降低新能源发电的波动性。
5.技术方案：为解决上述技术问题，本发明采用的技术方案为：
6.第一方面，一种基于风险优化的新能源电站储荷配置方法，包括如下步骤：
7.获取新能源电站并网运行的不确定因素，按照一定方式抽取不确定因素的特征值，并构建场景，获取所有场景形成场景库。
8.设定新能源电站所在区域电网的基准工况，遍历场景库中所有场景，完成所有场景的新能源电站所在区域电网的电网运行工况分析，根据无储荷方案的风险优化目标函数，获得基于场景库的不计及储荷的新能源发电期望净收益。
9.设置储能和可控负荷的典型参数配置不同调节性能的储荷方案，获取所有储荷方案形成方案库。
10.设定新能源电站所在区域电网的基准工况，依次遍历方案库中储荷方案，在一个储荷方案下遍历场景库中所有场景，完成一个储荷方案下所有场景的新能源电站所在区域电网的电网运行工况分析，根据计及储荷的风险优化目标函数，获得一个储荷方案下基于场景库的计及储荷的新能源发电期望净收益。
11.根据基于场景库的不计及储荷的新能源发电期望净收益、一个储荷方案下基于场景库的不计及储荷的新能源发电期望净收益计算储荷方案的风险代价性能比。计算所有储荷方案对应的储荷方案的风险代价性能比，选取储荷方案的风险代价性能比最低的储荷方案。
12.第二方面，一种基于风险优化的新能源电站储荷配置装置，包括如下模块：场景库获取模块，用于获取新能源电站并网运行的不确定因素，按照一定方式抽取不确定因素的特征值，并构建场景，获取所有场景形成场景库。
13.不计及储荷收益计算模块，用于设定新能源电站所在区域电网的基准工况，遍历场景库中所有场景，完成所有场景的新能源电站所在区域电网的电网运行工况分析，根据无储荷方案的风险优化目标函数，获得基于场景库的不计及储荷的新能源发电期望净收益。
14.方案库获取模块，用于设置储能和可控负荷的典型参数配置不同调节性能的储荷方案，获取所有储荷方案形成方案库。
15.计及储荷收益计算模块，用于设定新能源电站所在区域电网的基准工况，依次遍历方案库中储荷方案，在一个储荷方案下遍历场景库中所有场景，完成一个储荷方案下所有场景的新能源电站所在区域电网的电网运行工况分析，根据计及储荷的风险优化目标函数，获得一个储荷方案下基于场景库的计及储荷的新能源发电期望净收益。
16.风险代价性能比计算模块，用于根据基于场景库的不计及储荷的新能源发电期望净收益、一个储荷方案下基于场景库的不计及储荷的新能源发电期望净收益计算储荷方案的风险代价性能比。
17.储荷方案优选模块，用于计算所有储荷方案对应的储荷方案的风险代价性能比，选取储荷方案的风险代价性能比最低的储荷方案。
18.作为优选方案，获取新能源电站并网运行的不确定因素，按照一定方式抽取不确定因素的特征值，并构建场景，获取所有场景形成场景库，包括：
19.分别对新能源电站并网极限、风力/光伏发电功率和电力负荷进行量化，并获取量化后的特征值。
20.抽取新能源电站并网极限、风力/光伏发电功率和电力负荷任一组合的特征值形成场景，同时设定各场景发生概率，构建成场景库。
21.作为优选方案，设定新能源电站所在区域电网的基准工况，遍历场景库中所有场景，完成所有场景的新能源电站所在区域电网的电网运行工况分析，根据无储荷方案的风险优化目标函数，获得基于场景库的不计及储荷的新能源发电期望净收益，包括：
22.设定新能源电站所在区域电网的基准工况，遍历场景库中所有场景，在不计及储荷的电网约束条件下，仿真分析所有场景的新能源电站所在区域电网的电网运行工况，获得新能源并网电量、考核电量，根据新能源并网电量、考核电量获得新能源发电收入、发电偏差考核成本。
23.将新能源发电收入、发电偏差考核成本代入无储荷方案的风险优化目标函数，获得基于场景库的不计及储荷的新能源发电期望净收益。
24.作为优选方案，所述无储荷方案的风险优化目标函数，计算公式如下：
[0025][0026]
式中，s表示场景总数，γs表示场景s发生的概率，i为不计及储荷的新能源发电期望净收益，i
s.r
、i
s.c
分别表示在场景s的新能源发电收入和新能源发电偏差考核成本。
[0027]
作为优选方案，所述基准工况包括但不限于区域电网下化石类、非化石类电源的装机容量，煤电、气电机组的开机方案以及机组最小出力系数，新能源并网极限，典型风电/光伏机组发电功率系数，年最大负荷和典型日的电力负荷系数。
[0028]
作为优选方案，所述不计及储荷的电网约束条件，包括：
[0029]
区域电网的电力平衡约束：
[0030][0031]
式中，n
tp
、n
gs
、nw、ns分别为煤电、气电、风电、光伏机组的总数；p
tp.i
(t)、p
gs.i
(t)、p
w.i
(t)、p
s.i
(t)分别为t时段第i个煤电、气电、风电、光伏机组的实际发电功率；p
load
(t)、p
loss
(t)分别为t时段电力负荷、停电负荷。
[0032]
煤电机组发电功率约束：
[0033]
p
tp.i.min
≤p
tp.i
(t)≤p
tp.i.max
[0034]
式中，p
tp.i.min
、p
tp.i.max
分别为第i个煤电机组最小发电功率、最大发电功率。煤电机组爬坡功率约束：
[0035]rtp.i.d
≤p
tp.i
(t)-p
tp.i
(t-1)≤r
tp.i.u
式中，r
tp.i.u
、r
tp.i.d
分别为第i个煤电机组在调节周期内功率提升和功率降低时的最大爬坡功率，p
tp.i
(t)、p
tp.i
(t-1)为t、t-1时段第i个煤电机实际发电功率。煤电机组开停机约束：
[0036]
(ui(t-1)-ui(t))
·
(t
on.i
(t-1)-m
on.i
)≥0
[0037]
(ui(t)-ui(t-1))
·
(t
off.i
(t-1)-m
off.i
)≥0
[0038]
式中，ui(t)、ui(t-1)为机组i在t、t-1时段的0-1启停状态，0表示停机，1表示开机；t
on.i
(t-1)、t
off.i
(t-1)为机组i在t-1时段的连续运行时间和连续停运时间；t
off.i
(t-1)、m
off.i
为机组i的最小连续运行时间和最小连续停运时间。
[0039]
燃气机组发电功率约束：
[0040]
p
gs.i.min
≤p
gs.i
(t)≤p
gs.i.max
[0041]
式中，p
gs.i.min
、p
gs.i.max
分别为第i个燃气机组最小发电功率、最大发电功率；风电机组发电功率约束：
[0042]
0≤p
w.i
(t)≤p
w.i.max
[0043]
式中，p
w.i.max
分别为第i个风电机组最大发电功率；
[0044]
光伏机组发电功率约束：
[0045]
0≤p
s.i
(t)≤p
s.i.max
[0046]
式中，p
s.i.max
分别为第i个风电机组最大发电功率；
[0047]
新能源并网容量约束：
[0048][0049]
式中，p
line.max
为区域内新能源并网最大容量。
[0050]
作为优选方案，储能的典型参数包括但不限于储能电池类型、充放电效率、装机容量、储能电量，可控负荷的典型参数包括但不限于响应时间、负荷容量、负荷电量。
[0051]
作为优选方案，设定新能源电站所在区域电网的基准工况，依次遍历方案库中储荷方案，在一个储荷方案下遍历场景库中所有场景，完成一个储荷方案下所有场景的新能源电站所在区域电网的电网运行工况分析，根据计及储荷的风险优化目标函数，获得一个储荷方案下基于场景库的计及储荷的新能源发电期望净收益，包括：
[0052]
设定新能源电站所在区域电网的基准工况，依次遍历方案库中储荷方案，在一个储荷方案下遍历场景库中所有场景，在计及储荷的电网约束条件下，仿真分析一个储荷方案下所有场景的新能源电站所在区域电网的电网运行工况，获得新能源并网电量、调控电量、考核电量，再根据新能源并网电量、调控电量、考核电量，得到一个储荷方案下所有场景下的新能源发电收入、储荷调控成本、发电偏差考核成本。
[0053]
将新能源发电收入、储荷调控成本、发电偏差考核成本代入计及储荷的风险优化目标函数，获得一个储荷方案下基于场景库的计及储荷的新能源发电期望净收益。
[0054]
作为优选方案，所述计及储荷的电网约束条件，包括：
[0055]
区域电网的电力平衡约束：
[0056][0057]
式中，n
tp
、n
gs
、nw、ns分别为煤电、气电、风电、光伏机组的总数；p
tp.i
(t)、p
gs.i
(t)、p
w.i
(t)、p
s.i
(t)分别为t时段第i个煤电、气电、风电、光伏机组的实际发电功率；p
load
(t)、p
loss
(t)分别为t时段电力负荷、停电负荷。
[0058]
煤电机组发电功率约束：
[0059]
p
tp.i.min
≤p
tp.i
(t)≤p
tp.i.max
[0060]
式中，p
tp.i.min
、p
tp.i.max
分别为第i个煤电机组最小发电功率、最大发电功率。煤电机组爬坡功率约束：
[0061]rtp.i.d
≤p
tp.i
(t)-p
tp.i
(t-1)≤r
tp.i.u
[0062]
式中，r
tp.i.u
、r
tp.i.d
分别为第i个煤电机组在调节周期内功率提升和功率降低时的最大爬坡功率，p
tp.i
(t)、p
tp.i
(t-1)为t、t-1时段第i个煤电机实际发电功率。煤电机组开停机约束：
[0063]
(ui(t-1)-ui(t))
·
(t
on.i
(t-1)-m
on.i
)≥0
[0064]
(ui(t)-ui(t-1))
·
(t
off.i
(t-1)-m
off.i
)≥0
[0065]
式中，ui(t)、ui(t-1)为机组i在t、t-1时段的0-1启停状态，0表示停机，1表示开机；t
on.i
(t-1)、t
off.i
(t-1)为机组i在t-1时段的连续运行时间和连续停运时间；m
on.i
、m
off.i
为机组i的最小连续运行时间和最小连续停运时间。
[0066]
燃气机组发电功率约束：
[0067]
p
gs.i.min
≤p
gs.i
(t)≤p
gs.i.max
[0068]
式中，p
gs.i.min
、p
gs.i..ax
分别为第i个燃气机组最小发电功率、最大发电功率；风电机组发电功率约束：
[0069]
0≤p
w.i
(t)≤p
w.i.max
[0070]
式中，p
w.i.max
分别为第i个风电机组最大发电功率；
[0071]
光伏机组发电功率约束：
[0072]
0≤p
s.i
(t)≤p
s.i.max
[0073]
式中，p
s.i.max
分别为第i个风电机组最大发电功率；
[0074]
新能源并网容量约束：
[0075][0076]
式中，p
line.max
为区域内新能源并网最大容量。
[0077]
储能电量平衡约束：
[0078][0079]
式中，ti、tj为储能起始时段、终点时段；eb(ti)、eb(tj)为储能起始时刻电量、终点时刻电量；p
b.c
(t)、p
b.d
(t)为t时段的充、放电功率；ub(t)为储能充/放电状态变量，1表示充电，0表示放电；ηc、ηd为充、放电效率。
[0080]
储能功率约束：
[0081]-p
b.max
≤p
b.c
(t)≤0
[0082]
0≤p
b.d
(t)≤p
b.max
[0083]
式中，p
b.max
为储能最大功率；
[0084]
储能电量约束：
[0085]
0≤eb(t)≤e
b.max
[0086]
式中，e
b.max
为储能最大电量；
[0087]
可控负荷电量平衡约束：
[0088][0089]
式中，ti、tj为可控负荷响应的起始时段、终点时段，ed(ti)、ed(tj)为可控负荷ti时段已响应的电量、tj时段已响应的电量，pd(t)为t时段响应的可控负荷功率；可控负荷功率约束：
[0090]
0≤pd(t)≤p
d.max
[0091]
式中，p
d.max
为可控负荷最大响应功率；
[0092]
可控负荷电量约束：
[0093]
0≤ed(t)≤e
d.max
[0094]
式中，e
d.max
为可控负荷最大响应电量；
[0095]
计及储荷资源的新能源电站发电考核约束，如下式所示，
[0096]
p
p
(t)-pm(t)
·
ρ(t)≤pm(t)+pb(t)+pd(t)≤p
p
(t)+pm(t)
·
ρ(t)
[0097]
式中，pb(t)、pd(t)分别表示时段t的储能、可控负荷调节功率。
[0098]
作为优选方案，所述计及储荷的风险优化目标函数，计算公式如下：
[0099][0100]
式中，s表示场景总数，γs表示场景s发生的概率，i
x
为储荷方案x下基于场景库的计及储荷的新能源发电期望净收益，i
x.s.r
、i
x.s.sl
、i
x.s.c
分别表示在储荷方案x场景s的新能源发电收入、储荷调控成本和新能源发电偏差考核成本。
[0101]
作为优选方案，所述储荷方案的风险代价性能比计算公式如下：
[0102][0103]
式中，cs、c
l
分别为储能、可控负荷的配置成本，i
x
、i分别表示基于场景库的不计及储荷的新能源发电期望净收益和基于场景库的不计及储荷的新能源发电期望净收益。
[0104]
有益效果：本发明提供的一种基于风险优化的新能源电站储荷配置方法及装置，构建场景库来量化不确定因素对新能源发电的影响，利用风险代价性能比量化储荷方案对新能源发电的有益效果，便于优选储荷方案来防控运营风险，提高发电收益。
附图说明
[0105]
图1为本发明的流程示意图。
[0106]
图2为本发明的装置结构示意图。
具体实施方式
[0107]
下面结合具体实施例对本发明作更进一步的说明。
[0108]
第一种实施例一种基于风险优化的新能源电站储荷配置方法，用于合理配置储荷资源来提高新能源发电的经济效益。其主要步骤如图1所示：
[0109]
步骤1，配置多个储荷方案，构建方案库。
[0110]
通过设置储能和可控负荷的典型参数来配置不同调节性能的储荷方案，将多种储荷方案构建为方案库。储能的典型参数包括但不限于储能电池类型、充放电效率、装机容量、储能电量，可控负荷的典型参数包括但不限于响应时间、负荷容量、负荷电量。
[0111]
步骤2，设计新能源电站并网运行相关的不确定工况，构建场景库，并建立基于场景库的风险优目标函数。
[0112]
影响新能源电站并网运行的不确定因素包括但不限于新能源电站并网极限、风力/光伏发电功率和电力负荷。
[0113]
对不确定因素进行量化，提取量化后不确定因素的特征值。
[0114]
针对新能源电站并网极限，考虑新能源电站所在区域的网架拓扑结构，设定为电网强支撑、中等支撑、弱支撑3种网架结构，在电力系统典型运行方式下，使用机电暂态仿真软件计算该区域的新能源并网安全极限的特征值，机电暂态仿真软件包括但不限于bpa、psasp；
[0115]
针对风力/光伏发电功率，参考风力/光伏发电功率历史数据，用“历史发电功率/装机容量”得到“0-1”之间的风力/光伏历史出力系数，按春夏秋冬四季典型日分别统计新能源电站在“0-0.2”、“0.2-0.4”、“0.4-0.6”、“0.6-0.8”、“0.8-1”区间内的概率分布，生成1条或多条符合各季节概率分布的风/光出力曲线作为风力/光伏发电功率的特征值。
[0116]
针对电力负荷，参考电力负荷历史数据，用“历史电力负荷/年最大负荷”得到“0-1”之间的历史负荷系数，按“春秋日常负荷工况、夏季极端负荷工况、冬季极端负荷工况、节假日负荷工况”4种典型负荷工况分别统计电力负荷在“0-0.2”、“0.2-0.4”、“0.4-0.6”、“0.6-0.8”、“0.8-1”区间内的概率分布，生成1条或多条符合各典型工况概率分布的负荷曲线作为电力负荷的特征值。
[0117]
按照一定方式抽取不确定因素的特征值并构建场景，生成风险因素场景库。抽取
方式包括但不限于：抽取1类不确定因素的特征值，或者同时抽取2类不确定因素的特征值，或者同时抽取全部不确定因素的特征值。根据多次抽取的结果，构建表征1个计算年的各类风险因素场景库，同时设定各场景发生概率。
[0118]
基于场景库的计及储荷的风险优目标函数。
[0119]
利用风险量化多场景的不确定性，先量化各个场景新能源电站的经济效益，分别乘以相应的场景概率，即为各场景的风险值，统计该方案的期望收益，如下式所示，
[0120][0121]
式中，s表示场景总数，γs表示场景s发生的概率，i
x
为储荷方案x的新能源发电期望净收益，i
x.s.r
、i
x.s.sl
、i
x.s.c
分别表示在储荷方案x场景s的新能源发电收入、储荷调控成本和新能源发电偏差考核成本。
[0122]
步骤3，设定新能源电站所在区域电网的基准工况，不配置储荷资源，完成所有场景的电网运行分析，输出基于场景库的不计及储荷的新能源发电期望净收益。基准工况包括但不限于区域电网下化石类、非化石类电源的装机容量，煤电、气电机组的开机方案以及机组最小出力系数，新能源并网极限，典型风电/光伏机组发电功率系数，年最大负荷和典型日的电力负荷系数。
[0123]
无储荷方案的风险优化目标函数如下式所示，
[0124][0125]
式中，s表示场景总数，γs表示场景s发生的概率，i为不计及储荷的新能源发电期望净收益，i
s.r
、i
s.c
分别表示在场景s的新能源发电收入和新能源发电偏差考核成本。
[0126]
针对单个场景，读取场景数据，仿真分析电网运行工况和评估新能源发电期望净收益；
[0127]
根据场景包含的不确定因素类别，将基准工况下的新能源电站并网极限、风力/光伏发电功率、电力负荷更新为场景数据；
[0128]
电网运行工况分析的过程为，在小时级时间尺度下，完成全天的序贯仿真，考虑以下等式约束与不等式约束。
[0129]
区域电网的电力平衡约束：
[0130][0131]
式中，n
tp
、n
gs
、nw、ns分别为煤电、气电、风电、光伏机组的总数；p
tp.i
(t)、p
gs.i
(t)、p
w.i
(t)、p
s.i
(t)分别为t时段第i个煤电、气电、风电、光伏机组的实际发电功率；p
load
(t)、p
loss
(t)分别为t时段电力负荷、停电负荷。
[0132]
煤电机组发电功率约束：
[0133]
p
tp.i.min
≤p
tp.i
(t)≤p
tp.i.max
[0134]
式中，p
tp.i.min
、p
tp.i.max
分别为第i个煤电机组最小发电功率、最大发电功率。煤电机组爬坡功率约束：
[0135]rtp.i.d
≤p
tp.i
(t)-p
tp.i
(t-1)≤r
tp.i.u
[0136]
式中，r
tp.i.u
、r
tp.i.d
分别为第i个煤电机组在调节周期内功率提升和功率降低时的最大爬坡功率，p
tp.i
(t)、p
tp.i
(t-1)为t、t-1时段第i个煤电机实际发电功率。煤电机组开停机约束：
[0137]
(ui(t-1)-ui(t))
·
(t
on.i
(t-1)-m
on.i
)≥0
[0138]
(ui(t)-ui(t-1))
·
(t
off.i
(t-1)-m
off.i
)≥0
[0139]
式中，ui(t)、ui(t-1)为机组i在t、t-1时段的0-1启停状态，0表示停机，1表示开机；t
on.i
(t-1)、t
off.i
(t-1)为机组i在t-1时段的连续运行时间和连续停运时间；m
on.i
、m
off.i
为机组i的最小连续运行时间和最小连续停运时间。
[0140]
燃气机组发电功率约束：
[0141]
p
gs.i.min
≤p
g.i
(t)≤p
g.i.max
[0142]
式中，p
gs.i.min
、p
gs.i.max
分别为第i个燃气机组最小发电功率、最大发电功率；风电机组发电功率约束：
[0143]
0≤p
w.i
(t)≤p
w.i.max
式中，p
w.i.max
分别为第i个风电机组最大发电功率；
[0144]
光伏机组发电功率约束：
[0145]
0≤p
s.i
(t)≤p
s.i.max
[0146]
式中，p
s.i.max
分别为第i个风电机组最大发电功率；
[0147]
新能源并网容量约束：
[0148][0149]
式中，p
line.max
为区域内新能源并网最大容量。
[0150]
以“优先消纳新能源和无停电事故”为原则，展开电网运行工况分析，生成全天24小时的源/网/荷出力结果。
[0151]
统计新能源并网电量、考核电量，分别乘以单位经济参数后，得到该场景下的新能源发电收入、发电偏差考核成本，进而得到该场景下的新能源发电净收益。
[0152]
新能源考核电量指的是在考核时段下，因新能源发电偏差率超过考核指标而统计的发电量。
[0153]
新能源发电的偏差率计算如下式所示，
[0154][0155]
式中，ρ(t)表示时段t的偏差率；pm(t)、p
p
(t)分别表示时段t的新能源发电的实际功率、短期预测功率。
[0156]
新能源发电的实际功率存在功率考核波动区间，如下式所示，
[0157]
p
p
(t)-pm(t)
·
ρ(t)≤pm(t)≤p
p
(t)+pm(t)
·
ρ(t)
[0158]
迭代循环完其它场景，可按无储荷的风险优化目标函数输出不计及储荷的新能源电站期望净收益。
[0159]
步骤4，从方案库中取出1种储荷方案，按计及储荷的风险优化目标函数和步骤3的电网运行工况分析流程，遍历完所有场景，输出基于场景库的储荷方案x的新能源发电期望
净收益。
[0160]
其中，电网运行工况分析需要计及储荷相关的等式约束和不等式约束，区域电网的电力平衡约束：
[0161][0162]
式中，n
tp
、n
gs
、nw、ns分别为煤电、气电、风电、光伏机组的总数；p
tp.i
(t)、p
gs.i
(t)、p
w.i
(t)、p
s.i
(t)分别为t时段第i个煤电、气电、风电、光伏机组的实际发电功率；p
load
(t)、p
loss
(t)分别为t时段电力负荷、停电负荷。
[0163]
煤电机组发电功率约束：
[0164]
p
tp.i.min
≤p
tp.i
(t)≤p
tp.i.max
[0165]
式中，p
tp.i.min
、p
tp.i.max
分别为第i个煤电机组最小发电功率、最大发电功率。煤电机组爬坡功率约束：
[0166]rtp.i.d
≤p
tp.i
(t)-p
tp.i
(t-1)≤r
tp.i.u
[0167]
式中，p
tp.i.u
、r
tp.i.d
分别为第i个煤电机组在调节周期内功率提升和功率降低时的最大爬坡功率，p
tp.i
(t)、p
tp.i
(t-1)为t、t-1时段第i个煤电机实际发电功率。煤电机组开停机约束：
[0168]
(ui(t-1)-ui(t))
·
(t
on.i
(t-1)-m
on.i
)≥0
[0169]
(ui(t)-ui(t-1))
·
(t
off.i
(t-1)-m
off.i
)≥0
[0170]
式中，ui(t)、ui(t-1)为机组i在t、t-1时段的0-1启停状态，0表示停机，1表示开机；t
on.i
(t-1)、t
off.i
(t-1)为机组i在t-1时段的连续运行时间和连续停运时间；m
on.i
、m
off.i
为机组i的最小连续运行时间和最小连续停运时间。燃气机组发电功率约束：
[0171]
p
gs.i.min
≤p
gs.i
(t)≤p
gs.imax
[0172]
式中，p
gs.i.min
、p
gs.i.max
分别为第i个燃气机组最小发电功率、最大发电功率；
[0173]
风电机组发电功率约束：
[0174]
0≤p
w.i
(t)≤p
w.i.max
[0175]
式中，p
w.i.max
分别为第i个风电机组最大发电功率；
[0176]
光伏机组发电功率约束：
[0177]
0≤p
s.i
(t)≤p
s.i.max
[0178]
式中，p
s.i.max
分别为第i个风电机组最大发电功率；
[0179]
新能源并网容量约束：
[0180][0181]
式中，p
line.max
为区域内新能源并网最大容量。
[0182]
储能电量平衡约束：
[0183][0184]
式中，ti、tj为储能起始时段、终点时段；eb(ti)、eb(tj)为储能起始时刻电量、终点
时刻电量；p
b.c
(t)、p
b.d
(t)为t时段的充、放电功率；ub(t)为储能充/放电状态变量，1表示充电，0表示放电；ηc、ηd为充、放电效率。
[0185]
储能功率约束：
[0186]-p
b.max
≤p
b.c
(t)≤0
[0187]
0≤p
b.d
(t)≤p
b.max
[0188]
式中，p
b.max
为储能最大功率；
[0189]
储能电量约束：
[0190]
0≤eb(t)≤e
b.max
[0191]
式中，e
b.max
为储能最大电量；
[0192]
可控负荷电量平衡约束：
[0193][0194]
式中，ti、tj为可控负荷响应的起始时段、终点时段，ed(ti)、ed(tj)为可控负荷ti时段已响应的电量、tj时段已响应的电量，pd(t)为t时段响应的可控负荷功率；可控负荷功率约束：
[0195]
0≤pd(t)≤p
d.max
[0196]
式中，p
d.max
为可控负荷最大响应功率；
[0197]
可控负荷电量约束：
[0198]
0≤ed(t)≤e
d.max
[0199]
式中，e
d.max
为可控负荷最大响应电量；
[0200]
计及储荷资源的新能源电站发电考核约束，如下式所示，
[0201]
p
p
(t)-pm(t)
·
ρ(t)≤pm(t)+pb(t)+pd(t)≤p
p
(t)+pm(t)
·
ρ(t)
[0202]
式中，pb(t)、pd(t)分别表示时段t的储能、可控负荷调节功率。
[0203]
根据仿真输出的源/网/储/荷出力结果，统计新能源并网电量、调控电量、考核电量，分别乘以单位经济参数后，得到该场景下的新能源发电收入、储荷调控成本、发电偏差考核成本，进而得到该场景下的储荷方案x的新能源发电净收益。当分析完该场景，循环迭代其余场景，根据步骤2基于场景库的计及储荷的风险优化目标函数计算该方案基于场景库的储荷方案x的新能源发电期望净收益。步骤5，评估储荷方案的配置成本，其中，储能配置成本包含发电企业建造或者租赁两种投资模式；
[0204]
若企业建造储能，建造成本为建造储能电量和单位电量建造成本的乘积；
[0205]
若企业租赁储能，租赁成本为租赁储能电量和单位电量租赁成本的乘积；
[0206]
可控负荷的配置成本分为容量补偿成本与调度响应成本，容量补偿成本为待响应的可控负荷容量和单位容量补偿成本的乘积，调度响应成本如下式所示，
[0207][0208]
式中，s表示场景总数，ps表示场景s发生的概率，c
l.d
为可控负荷的调度响应成本，e
s.e.load
为场景s中已响应的可控负荷电量，p
l.d
为可控负荷的单位电量调度成本；
[0209]
储荷方案的配置成本应包括储能建造成本或储能租赁储能、可控负荷的容量补偿
成本和调度响应成本。
[0210]
计算该储荷方案的风险代价性能比，如下式所示，
[0211][0212]
式中，cs、c
l
分别为储能、可控负荷的配置成本，i
x
、i分别表示计及该储荷方案和不计及储荷的新能源发电期望净收益。
[0213]
步骤7，若尚有其它储荷方案，返回方案库获取下一储荷方案，直到遍历完所有储荷方案，选取风险代价性能比最低的方案为最佳方案。
[0214]
如图2所示，第二种实施例一种基于风险优化的新能源电站储荷配置装置，包括如下模块：
[0215]
场景库获取模块，用于获取新能源电站并网运行的不确定因素，按照一定方式抽取不确定因素的特征值，并构建场景，获取所有场景形成场景库。
[0216]
不计及储荷收益计算模块，用于设定新能源电站所在区域电网的基准工况，遍历场景库中所有场景，完成所有场景的新能源电站所在区域电网的电网运行工况分析，根据无储荷方案的风险优化目标函数，获得基于场景库的不计及储荷的新能源发电期望净收益。
[0217]
方案库获取模块，用于设置储能和可控负荷的典型参数配置不同调节性能的储荷方案，获取所有储荷方案形成方案库。
[0218]
计及储荷收益计算模块，用于设定新能源电站所在区域电网的基准工况，依次遍历方案库中储荷方案，在一个储荷方案下遍历场景库中所有场景，完成一个储荷方案下所有场景的新能源电站所在区域电网的电网运行工况分析，根据计及储荷的风险优化目标函数，获得一个储荷方案下基于场景库的计及储荷的新能源发电期望净收益。
[0219]
风险代价性能比计算模块，用于根据基于场景库的不计及储荷的新能源发电期望净收益、一个储荷方案下基于场景库的不计及储荷的新能源发电期望净收益计算储荷方案的风险代价性能比。
[0220]
储荷方案优选模块，用于计算所有储荷方案对应的储荷方案的风险代价性能比，选取储荷方案的风险代价性能比最低的储荷方案。
[0221]
作为优选方案，获取新能源电站并网运行的不确定因素，按照一定方式抽取不确定因素的特征值，并构建场景，获取所有场景形成场景库，包括：
[0222]
分别对新能源电站并网极限、风力/光伏发电功率和电力负荷进行量化，并获取量化后的特征值。
[0223]
抽取新能源电站并网极限、风力/光伏发电功率和电力负荷任一组合的特征值形成场景，同时设定各场景发生概率，构建成场景库。
[0224]
作为优选方案，设定新能源电站所在区域电网的基准工况，遍历场景库中所有场景，完成所有场景的新能源电站所在区域电网的电网运行工况分析，根据无储荷方案的风险优化目标函数，获得基于场景库的不计及储荷的新能源发电期望净收益，包括：
[0225]
设定新能源电站所在区域电网的基准工况，遍历场景库中所有场景，在不计及储荷的电网约束条件下，仿真分析所有场景的新能源电站所在区域电网的电网运行工况，获得新能源并网电量、考核电量，根据新能源并网电量、考核电量获得新能源发电收入、发电
偏差考核成本。
[0226]
将新能源发电收入、发电偏差考核成本代入无储荷方案的风险优化目标函数，获得基于场景库的不计及储荷的新能源发电期望净收益。
[0227]
作为优选方案，所述无储荷方案的风险优化目标函数，计算公式如下：
[0228][0229]
式中，s表示场景总数，γs表示场景s发生的概率，i为不计及储荷的新能源发电期望净收益，i
s.r
、i
s.c
分别表示在场景s的新能源发电收入和新能源发电偏差考核成本。
[0230]
作为优选方案，所述基准工况包括但不限于区域电网下化石类、非化石类电源的装机容量，煤电、气电机组的开机方案以及机组最小出力系数，新能源并网极限，典型风电/光伏机组发电功率系数，年最大负荷和典型日的电力负荷系数。
[0231]
作为优选方案，所述不计及储荷的电网约束条件，包括：
[0232]
区域电网的电力平衡约束：
[0233][0234]
式中，n
tp
、n
gs
、nw、ns分别为煤电、气电、风电、光伏机组的总数；p
tp.i
(t)、p
gs.i
(t)、p
w.i
(t)、p
s.i
(t)分别为t时段第i个煤电、气电、风电、光伏机组的实际发电功率；p
load
(t)、p
loss
(t)分别为t时段电力负荷、停电负荷。
[0235]
煤电机组发电功率约束：
[0236]rtp.i.min
≤p
tp.i
(t)≤r
tp.i.max
[0237]
式中，p
tp.i.min
、p
tp.i.max
分别为第i个煤电机组最小发电功率、最大发电功率。煤电机组爬坡功率约束：
[0238]rtp.i.d
≤p
tp.i
(t)-p
tp.i
(t-1)≤r
tp.i.u
[0239]
式中，r
tp.i.u
、r
tp.i.d
分别为第i个煤电机组在调节周期内功率提升和功率降低时的最大爬坡功率，p
tp.i
(t)、p
tp.i
(t-1)为t、t-1时段第i个煤电机实际发电功率。
[0240]
煤电机组开停机约束：
[0241]
(ui(t-1)-ui(t))
·
(t
on.i
(t-1)-m
on.i
)≥0
[0242]
(ui(t)-ui(t-1))
·
(t
off.i
(t-1)-m
off.i
)≥0
[0243]
式中，ui(t)、ui(t-1)为机组i在t、t-1时段的0-1启停状态，0表示停机，1表示开机；t
on.i
(t-1)、t
off.i
(t-1)为机组i在t-1时段的连续运行时间和连续停运时间；m
on.i
、m
off.i
为机组i的最小连续运行时间和最小连续停运时间。
[0244]
燃气机组发电功率约束：
[0245]
p
gs.i.min
≤p
gs.i
(t)≤p
gs.i.max
[0246]
式中，p
gs.imin
、p
gs.i.max
分别为第i个燃气机组最小发电功率、最大发电功率；风电机组发电功率约束：
[0247]
0≤p
w.i
(t)≤p
w.i.max
[0248]
式中，p
w.i.max
分别为第i个风电机组最大发电功率；
[0249]
光伏机组发电功率约束：
[0250]
0≤p
s.i
(t)≤p
s.i.max
[0251]
式中，p
s.i.max
分别为第i个风电机组最大发电功率；
[0252]
新能源并网容量约束：
[0253][0254]
式中，p
line.max
为区域内新能源并网最大容量。
[0255]
作为优选方案，储能的典型参数包括但不限于储能电池类型、充放电效率、装机容量、储能电量，可控负荷的典型参数包括但不限于响应时间、负荷容量、负荷电量。
[0256]
作为优选方案，设定新能源电站所在区域电网的基准工况，依次遍历方案库中储荷方案，在一个储荷方案下遍历场景库中所有场景，完成一个储荷方案下所有场景的新能源电站所在区域电网的电网运行工况分析，根据计及储荷的风险优化目标函数，获得一个储荷方案下基于场景库的计及储荷的新能源发电期望净收益，包括：
[0257]
设定新能源电站所在区域电网的基准工况，依次遍历方案库中储荷方案，在一个储荷方案下遍历场景库中所有场景，在计及储荷的电网约束条件下，仿真分析一个储荷方案下所有场景的新能源电站所在区域电网的电网运行工况，获得新能源并网电量、调控电量、考核电量，再根据新能源并网电量、调控电量、考核电量，得到一个储荷方案下所有场景下的新能源发电收入、储荷调控成本、发电偏差考核成本。
[0258]
将新能源发电收入、储荷调控成本、发电偏差考核成本代入计及储荷的风险优化目标函数，获得一个储荷方案下基于场景库的计及储荷的新能源发电期望净收益。
[0259]
作为优选方案，所述计及储荷的电网约束条件，包括：
[0260]
区域电网的电力平衡约束：
[0261][0262]
式中，n
tp
、n
gs
、nw、ns分别为煤电、气电、风电、光伏机组的总数；p
tp.i
(t)、p
gs.i
(t)、p
w.i
(t)、p
s.i
(t)分别为t时段第i个煤电、气电、风电、光伏机组的实际发电功率；p
load
(t)、p
loss
(t)分别为t时段电力负荷、停电负荷。
[0263]
煤电机组发电功率约束：
[0264]
p
tp.i.min
≤p
tp.i
(t)≤p
tp.i.max
[0265]
式中，p
tp.i.min
、p
tp.i.max
分别为第i个煤电机组最小发电功率、最大发电功率。煤电机组爬坡功率约束：
[0266]rtp.i.d
≤p
tp.i
(t)-p
tp.i
(t-1)≤r
tp.i.u
[0267]
式中，r
tp.i.u
、r
tp.i.d
分别为第i个煤电机组在调节周期内功率提升和功率降低时的最大爬坡功率，p
tp.i
(t)、p
tp.i
(t-1)为t、t-1时段第i个煤电机实际发电功率。煤电机组开停机约束：
[0268]
(ui(t-1)-ui(t))
·
(t
on.i
(t-1)-m
on.i
)≥0
[0269]
(ui(t)-ui(t-1))
·
(t
off.i
(t-1)-m
off.i
)≥0
[0270]
式中，ui(t)、ui(t-1)为机组i在t、t-1时段的0-1启停状态，0表示停机，1表示开机；t
on.i
(t-1)、t
off.i
(t-1)为机组i在t-1时段的连续运行时间和连续停运时间；m
on.i
、m
off.i
为机
组i的最小连续运行时间和最小连续停运时间。
[0271]
燃气机组发电功率约束：
[0272]
p
gs.i.min
≤p
gs.i
(t)≤p
gs.i.max
[0273]
式中，p
gs.i.min
、p
gs.i.max
分别为第i个燃气机组最小发电功率、最大发电功率；风电机组发电功率约束：
[0274]
0≤p
w.i
(t)≤p
w.i.max
[0275]
式中，p
w.i.max
分别为第i个风电机组最大发电功率；
[0276]
光伏机组发电功率约束：
[0277]
0≤p
s.i
(t)≤p
s.i.max
[0278]
式中，p
s.i.max
分别为第i个风电机组最大发电功率；
[0279]
新能源并网容量约束：
[0280][0281]
式中，p
line.max
为区域内新能源并网最大容量。
[0282]
储能电量平衡约束：
[0283][0284]
式中，ti、tj为储能起始时段、终点时段；eb(ti)、eb(tj)为储能起始时刻电量、终点时刻电量；p
b.c
(t)、p
b.d
(t)为t时段的充、放电功率；ub(t)为储能充/放电状态变量，1表示充电，0表示放电；ηc、ηd为充、放电效率。
[0285]
储能功率约束：
[0286]-p
b.max
≤p
b.c
(t)≤0
[0287]
0≤p
b.d
(t)≤p
b.max
[0288]
式中，p
b.max
为储能最大功率；
[0289]
储能电量约束：
[0290]
0≤eb(t)≤e
b.max
[0291]
式中，e
b.max
为储能最大电量；
[0292]
可控负荷电量平衡约束：
[0293][0294]
式中，ti、tj为可控负荷响应的起始时段、终点时段，ed(ti)、ed(tj)为可控负荷ti时段已响应的电量、tj时段已响应的电量，pd(t)为t时段响应的可控负荷功率；可控负荷功率约束：
[0295]
0≤pd(t)≤p
d.max
[0296]
式中，p
d.max
为可控负荷最大响应功率；
[0297]
可控负荷电量约束：
[0298]
0≤ed(t)≤e
d.max
[0299]
式中，e
d.max
为可控负荷最大响应电量；
[0300]
计及储荷资源的新能源电站发电考核约束，如下式所示，
[0301]
p
p
(t)-pm(t)
·
ρ(t)≤pm(t)+pb(t)+pd(t)≤p
p
(t)+pm(t)
·
ρ(t)
[0302]
式中，pb(t)、pd(t)分别表示时段t的储能、可控负荷调节功率。
[0303]
作为优选方案，所述计及储荷的风险优化目标函数，计算公式如下：
[0304][0305]
式中，s表示场景总数，γs表示场景s发生的概率，i
x
为储荷方案x下基于场景库的计及储荷的新能源发电期望净收益，i
x.s.r
、i
x.s.sl
、i
x.s.c
分别表示在储荷方案x场景s的新能源发电收入、储荷调控成本和新能源发电偏差考核成本。
[0306]
作为优选方案，所述储荷方案的风险代价性能比计算公式如下：
[0307][0308]
式中，cs、c
l
分别为储能、可控负荷的配置成本，i
x
、i分别表示基于场景库的不计及储荷的新能源发电期望净收益和基于场景库的不计及储荷的新能源发电期望净收益。
[0309]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0310]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0311]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0312]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0313]
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。