本发明属于风力发电技术领域,涉及储能减少风电场弃风电量的优化决策方法。
背景技术:
风电场需具有将有功出力降低到一定水平的能力,即弃风。一般情况下,风电场通过切除机组或调整风电机组桨距角的方式达到电网的要求。当电网发出弃风命令时,风电场应按照一定速率降低出力,直到满足电网要求,如德国标准规定,风电场应按照不小于10%的速率降低到给定值。
弃风命令通常限制风电场的最大出力制,也有要求风电场按照一定数值提供备用容量,如邦纳维尔电力局(bpa)规定当系统90%以上的备用容量被占用时,包括风电机组在内的可调机组都需要提供一定备用容量
技术实现要素:
考虑风电场的弃风来源于上级调度对风电场的功率限制,当风电场的实时出力大于功率限制时,需要减少当前风电场的出力,即出现弃风,此时需要利用储能吸收当前的剩余功率,并在适当的时段将存储电力回馈至电网,以保持一定的储能能力。在储能容量受限的情况下,风电场将在储能与弃风之间进行平衡,此时,可以经济性为目标对储能的充放电过程进行决策。此处建立了考虑储能容量限制和寿命折损的经济性优化模型。具体为一种储能减少风电场弃风电量的优化决策方法,其特征在于,步骤为:
1、建立包含风电场弃风电量损失,储能的充放电费用,储能充电或放电时寿命折损费用的最优目标函数;
2、设置优化求解的边界条件;
3、对模型求解;
具体算法为:在功率受限时,风电场损失费用最小的优化目标函数如下:
其中风电场损失包括三个部分:第一部分为风电场的弃风电量损失,第二部分为储能的充放电费用,第三部分为储能充电或放电时寿命折损费用;
对于电池储能寿命折损,此处忽略充放电倍率、温度变化过程等因素对电池寿命的影响,将电池寿命折损近似为:
模型中涉及的参数如下:
δt——计算时段长度,单位:h;
n——计算时段数量;
tstart——储能参与动作的起始时刻;
tend——储能结束动作的时刻;
soc0——储能系统的初始荷电状态;
soci——第i个计算时段结束时的储能系统的荷电状态,i=1……n;
socend——计算结束时储能系统的目标荷电状态;
ppcs——储能系统的最大充放电功率限制,单位:kw;
ζi——各计算时段的风电并网电价,单位:元/kwh;
c——单位电量价格;
eff——储能充放电循环效率;
ppcs——储能系统逆变器pcs并网点功率值
b——单位容量的电池功率
上述模型为混合整数规划模型,此处以电池储能系统的soc为状态转移变量,建立了动态规划算法对上述模型进行求解;
将规划问题可描述为求解一个最优控制系列u*(k),k=0,1,…,n-1,使得性能指标最小:
从周期n-1开始,按时间反向递推到周期0;
动态方程为:
x(k+1)=f[x(k),u(k),k](3)
式中,
式(2)可表示为,
其中,k=0,1,…,n-1
求解步骤为:
(1)求第n级最优控制:
解得u*(n-1)=u*[x(n-1)],
(2)求得n-1级最优控制:
解得u*(n-2)=u*[x(n-2)],
(3)依次类推,求得第k+1级的最优控制:
解得u*(k)=u*[x(k)],
(4)求得第1级的最优控制:
解得u*(0)=u*[x(0)],
(5)由初态x(0)和约束函数,顺序求出各级控制策略和状态,以及代价;
将储能系统的充放电过程划分为若干个阶段,将每个阶段结束时的soc作为该级状态,设在各阶段,储能系统在该阶段的充放电功率
由储能充放电功率限制,以及电网对风电场的出力限制,建立储能充放电功率的决策集;依据储能运行的soc范围,建立储能的状态集。
附图说明
图1储能减少风电场预测误差的控制策略
图2阶段状态转移示意图
图3阶段状态转移示意图
图4风电场功率限制及弃风案例(不考虑储能)
图5储能充放电功率
图6储能系统soc变化
图7风电场整体损失的敏感性分析
具体实施方式
考虑风电场的弃风来源于上级调度对风电场的功率限制,当风电场的实时出力大于功率限制时,需要减少当前风电场的出力,即出现弃风,此时需要利用储能吸收当前的剩余功率,并在适当的时段将存储电力回馈至电网,以保持一定的储能能力。在储能容量受限的情况下,风电场将在储能与弃风之间进行平衡,此时,可以经济性为目标对储能的充放电过程进行决策。此处建立了考虑储能容量限制和寿命折损的经济性优化模型。
在功率受限时,风电场损失费用最小的优化目标函数如下:
其中风电场损失包括三个部分:第一部分为风电场的弃风电量损失,第二部分为储能的充放电费用,第三部分为储能充电或放电时寿命折损费用。
对于电池储能寿命折损,此处忽略充放电倍率、温度变化过程等因素对电池寿命的影响,将电池寿命折损近似为:
模型中涉及的参数如下:
δt——计算时段长度,单位:h;
n——计算时段数量;
tstart——储能参与动作的起始时刻;
tend——储能结束动作的时刻;
soc0——储能系统的初始荷电状态;
soci——第i个计算时段结束时的储能系统的荷电状态,i=1……n;
socend——计算结束时储能系统的目标荷电状态;
ppcs——储能系统的最大充放电功率限制,单位:kw;
ζi——各计算时段的风电并网电价,单位:元/kwh;
c——单位电量价格;
eff——储能充放电循环效率;
ppcs——储能系统逆变器pcs并网点功率值
b——单位容量的电池功率
上述模型为混合整数规划模型,此处以电池储能系统的soc为状态转移变量,建立了动态规划算法对上述模型进行了求解。
动态规划是一种求解决策过程最优化的数学方法。动态规划将一个多阶段决策问题转化为一系列单阶段决策问题,每个阶段都做出决策,以使整个过程取得最优效果。
多阶段决策过程的最优策略具有这样的性质:不论初始状态和初始决策如何,当把其中的任何一级和状态再作为初始级和初始状态时,其余的决策对此必定也是一个最优策略。即若有一个初始状态为x(0)的n级决策过程,其最优策略为{u(0),u(1),…,u(n-1)}。那么,对于以x(1为初始状态的n-1级决策过程来说,决策集合{u(0),u(1),…,u(n-1)}必定是最优策略。
一个n级决策过程的动态方程可描述为:
x(k+1)=f[x(k),u(k),k],x(0)=x0
式中状态约束为:
控制(决策)约束为:
此时,规划问题可描述为求解一个最优控制(决策)系列u*(k),k=0,1,…,n-1,使得性能指标最小:
动态规划问题的求解可分为前向和后向两种方法。所谓前向是指从起点出发,层层递推直到终点;后向即从终点倒推,逆向求解。在实际问题中,后向动态规划更为常用。
后向动态规划算法可表示为,从周期n-1开始,按时间反向递推到周期0。
动态方程为:
x(k+1)=f[x(k),u(k),k](3)
式中,
式(2)可表示为,
其中,k=0,1,…,n-1
求解步骤为:
(1)求第n级最优控制:
解得u*(n-1)=u*[x(n-1)],
(2)求得n-1级最优控制:
解得u*(n-2)=u*[x(n-2)],
(3)依次类推,求得第k+1级的最优控制:
解得u*(k)=u*[x(k)],
(4)求得第1级的最优控制:
解得u*(0)=u*[x(0)],
(5)由初态x(0)和约束函数,顺序求出各级控制策略和状态,以及代价。
如图3所示,将储能系统的充放电过程划分为若干个阶段,将每个阶段结束时的soc作为该级状态,假设在各阶段,储能系统在该阶段的充放电功率
由储能充放电功率限制,以及电网对风电场的出力限制,建立储能充放电功率的决策集。依据储能运行的soc范围,建立储能的状态集。按照式(2)至(5)进行储能最优充放电过程的求解。
以示范风电场某日的数据记录为基础,对所提出的减少弃风损失的储能充放电控制方法进行验证。当日平均风速为4.93m/s,该馈线的最大出力为16.4mw。假设:该馈线的功率限制为8mw;该馈线安装有3mw/6mwh的储能系统,储能系统的初始soc为0.5,结束时soc也为0.5;风电的并网电价固定为0.54元/kwh;储能系统的寿命折损为0.1元/kwh;储能系统充放电循环效率0.95;允许soc范围为0.1至1.0。
计算采用的时间周期为10min,风电场的原始出力和功率限制如图4所示。
不考虑储能系统时,风电场通过降低风电机组出力满足电网的功率限制要求,在风电出力较高时段出现弃风。对图4的弃风功率进行统计,当日弃风电量为7736kwh,占预期发电量的8.5%,损失售电收入4177元。
考虑储能系统动作时,利用优化控制模型对储能全天的充放电功率进行求解,可得储能的充放电功率(充电为负,放电为正)和soc变化如图5、6所示。
储能系统在当日的soc运行范围为0.32至0.98,最大充放电功率为2880kw。
按照式1,求得考虑储能寿命折损的风电场总体损失为2372元;若不考虑储能寿命折损和充放电效率损失,弃风电量为1811kwh,售电费用损失仅为978元。
可见,储能寿命和效率折损是风电场损失的重要部分,此处分析风电场整体损失对储能寿命折损单位电量价格c和储能充放电循环效率eff的敏感性,如图7所示。
可见,在当前风电上网电价下(0.54元/kwh),当储能效率低于0.60或寿命折损高于0.2元/kwh时,储能系统几乎不能减少风电场的弃风损失。
最后应说明的是:以上所述仅为本发明的优选实施例而已,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。凡在本发明的内容和原则之内,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。