一种电力系统风储联合规划方法与流程

1.本发明涉及智能电网技术领域，尤其涉及一种电力系统风储联合规划方法。


背景技术：

2.随着大规模风电的并网，风电出力的波动性和不确定性严重影响电力系统对风电的消纳。解决高比例风电并网带来的消纳问题有两种途径：一是在电网规划发展过程中考虑输电网架结构的协调，使其对高比例风电的并入具有很高的兼容性；二是将储能装置纳入高比例风电电力系统中。储能装置在电力系统中的配置可以改善电源特性，提高系统调节能力，使电网运行方式减少，投资成本降低。在全球能源紧张的背景下，大规模储能设备的应用成为未来电网发展的必然趋势。
3.在传统的风储联合规划问题中，一般有两种储能配置方式：一是将储能设备配置于风电场侧以平滑风电水平，减小风电功率波动性，从而减少由于风电质量不合格问题导致的弃风限电；二是将储能设备多点布局于含大规模风电的电网中，以期通过储能调峰填谷作用减少由于风电反调峰特性、系统调节能力不足而导致的弃风限电。由于风电场容量通常较大，波动范围广，当储能完全布局于电源侧时，其投资成本较高；储能完全分布式布局于电网侧时，虽能提高系统调节能力，但并不能解决由于风电出力波动较大时不能并网的问题。


技术实现要素：

4.本发明所要解决的技术问题在于，提出一种科学合理、适用性强的电力系统风储联合规划方法。
5.为了解决上述技术问题，本发明提供一种电力系统风储联合规划方法，包括：
6.步骤s1，在电源侧将储能布局于风电场接入点，在电网侧布局分布式储能，建立电源侧风储联合出力模型；
7.步骤s2，根据所述电源侧风储联合出力模型的概率分布，计算概率潮流；
8.步骤s3，建立风储联合规划模型的目标函数及其约束条件；
9.步骤s4，对所述风储联合规划模型进行求解，获得储能与输电线路的最优规划方案。
10.进一步地，所述步骤s1具体包括：
11.步骤s11，根据历史风速数据拟合风速概率密度的威布尔分布模型，并建立风电出力概率分布模型；
12.步骤s12，根据所述风电出力概率分布模型的风电出力分布，得出风电各出力点的概率，根据时间尺度转换得出离散的日内风电日内出力模型；
13.步骤s13，通过概率密度修正方法得到电源侧风储联合出力模型。
14.进一步地，所述风速概率密度的威布尔分布模型为：
[0015][0016]
根据以下公式建立风电出力概率分布模型：
[0017][0018]
其中，p
w
为风电输出功率，k、c分别为威布尔分布的形状参数，v
ci
为风电场切入风速，v
r
为额定风速，v
co
为风电场切出风速，p
r
为风电场额定输出功率。
[0019]
进一步地，所述离散的日内风电日内出力模型为：
[0020]
t
i
＝p
robi
*t
day
[0021][0022]
其中，风电各出力点p
i
的概率为p
robi
，t
i
为风电出力点p
i
在日内的出力时间，t
day
为24小时。
[0023]
进一步地，对于每个出力点p
i
，令δp＝p
i
‑
p
exp
，当δp>0时，在其对应时间段t
i
内，储能充电，直至耗尽最大可吸收电量，如下所示：
[0024]
e
in_max
为最大可吸收电量；
[0025]
当δp<0时，储能装置在t
i
时段内放电，直至耗尽最大可释放电量，如下所示：
[0026]
e
out_max
为最大可释放电量；
[0027]
风电出力期望p
exp
为：
[0028]
进一步地，所述步骤s2具体包括：
[0029]
步骤s21，计算负荷、常规电源出力及风储联合出力的各阶中心矩；
[0030]
步骤s22，计算各节点负荷、常规电源及风储联合出力的v阶半不变量；
[0031]
步骤s23，求出各节点注入功率的各阶半不变量；
[0032]
步骤s24，求出各支路功率的各阶半不变量；
[0033]
步骤s25，用gram
‑
charlier级数求各支路功率的概率密度函数、分布函数或功率越限概率。
[0034]
进一步地，所述步骤s3建立的目标函数为：
[0035]
minf＝f
ess
+f
wind
+f
line
+f
pl.1
[0036]
其中，f
ess
为储能配置成本，f
wind
为弃风成本，f
line
为输电线路成本，f
pl.1
为风储联合出力越限惩罚成本。
[0037]
进一步地，输电线路成本f
line
的计算方式为：
[0038][0039]
其中，ω为新建线路集，c
line.ij
为节点i、j之间新建一条线路的投资成本，x
line.ij
为节点i、j之间新建线路的0
‑
1决策变量；
[0040]
储能投资成本f
ess
的计算方式为：
[0041][0042]
其中，ω
ess.1
与ω
ess.2
分别为电源侧和电网侧的储能集合，x
ess.k1
与x
ess.k2
分别为电源侧和电网侧储能配置的0
‑
1决策变量；c
ess.k
＝c
p
p
ess.k
+c
e
e
ess.k
表示在k节点配置储能的成本，p
ess.k
、e
ess.k
分别为在节点k配置储能单元的额定功率、额定容量，c
p
、c
e
分别为其单位功率成本、单位容量成本；
[0043]
弃风成本f
wind
的计算方式为：
[0044][0045]
其中，c
wind
为弃风惩罚量，t为风电成本回收周期，为风电最大出力范围，p
wind
为风电实际出力。
[0046]
进一步地，当日内风储联合出力落在区间[p
exp
‑
γp
r
,p
exp
+γp
r
]的概率小于α时，风储联合出力越限，风储联合出力越限惩罚成本为f
pl.1
＝c
pl.1
，c
pl.1
为风储越限惩罚因子，α为置信水平，γ为灵敏度系数。
[0047]
进一步地，所述步骤s3建立的约束条件包括支路潮流约束、储能运行约束、电力平衡约束和决策变量约束；
[0048]
支路潮流约束为：
[0049][0050]
其中，b为节点导纳矩阵，θ为电压相角向量，p
g
、p
ws
、p
ess.grid
、p
ld
分别为火电机组功率输出向量，风储联合电源功率输出向量、网侧储能输出功率向量和负荷功率向量，上标
min和max表示下限值和上限值；
[0051]
储能运行约束包括储能系统的充放电功率约束和存储能力约束分别为：
[0052][0053][0054]
其中，与分别为储能装置额定配置功率和额定配置容量，上标min、max分别表示其下限和上限值；
[0055]
电力平衡约束为：
[0056][0057]
其中，p
gk
(t)、p
wind.k
(t)、p
ess.k
(t)为k节点t时刻火电机组、风电机组和储能装置功率输出，δp
w
、p
l
(t)分别为t时刻弃风总量和负荷总量；
[0058]
决策变量约束具体为电源侧储能装置总数量电网侧储能装置总数量和线路扩建数量∑
k
x
line.ij
均不超过各自最大值：
[0059][0060]
本发明实施例的有益效果在于：本发明综合考虑了源网两测储能配置的协调性，提高了风电并网容量的前提下节约了储能配置成本，同时在概率潮流约束下对输电网络进行了规划，节约了输电成本。本发明在考虑到经济性的同时提高电力系统的风电消纳能力，降低风电不确定性。
附图说明
[0061]
为了更清楚地说明本发明实施例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简单地介绍，显而易见地，下面描述中的附图仅仅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。
[0062]
图1为本发明实施例一种电力系统风储联合规划方法的流程示意图。
具体实施方式
[0063]
以下各实施例的说明是参考附图，用以示例本发明可以用以实施的特定实施例。
[0064]
请参照图1所示，本发明实施例提供一种电力系统风储联合规划方法，包括：
[0065]
步骤s1，在电源侧将储能布局于风电场接入点，在电网侧布局分布式储能，建立电源侧风储联合出力模型；
[0066]
步骤s2，根据所述电源侧风储联合出力模型的概率分布，计算概率潮流；
[0067]
步骤s3，建立风储联合规划模型的目标函数及其约束条件；
[0068]
步骤s4，对所述风储联合规划模型进行求解，获得储能与输电线路的最优规划方案。
[0069]
具体地，步骤s1包括：
[0070]
步骤s11，根据历史风速数据拟合如公式(1)所示的风速概率密度的威布尔分布模型，并根据公式(2)建立风电出力概率分布模型：
[0071][0072][0073]
其中，p
w
为风电输出功率，k、c分别为威布尔分布的形状参数，v
ci
为风电场切入风速，v
r
为额定风速，v
co
为风电场切出风速，p
r
为风电场额定输出功率。
[0074]
步骤s12，根据所述风电出力概率分布模型的风电出力分布，得出风电各出力点的概率，根据时间尺度转换得出离散的日内风电日内出力模型。
[0075]
具体地，根据公式(2)所述的风电出力分布，得出风电各出力点p
i
的概率p
robi
，根据时间尺度转换得出离散的日内风电日内出力模型，如公式(3)、(4)所示，并以此模型反应风电长期出力特性，其中，t
i
为风电出力点p
i
在日内的出力时间，t
day
为24小时。
[0076]
t
i
＝p
robi
*t
day
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0077][0078]
风电出力期望p
exp
如公式(5)所示：
[0079][0080]
步骤s13，通过概率密度修正方法得到电源侧风储联合出力模型。
[0081]
对于公式(3)、(4)所述的风电出力概率密度函数，对于每个出力点p
i
，令δp＝p
i
‑
p
exp
，当δp>0时，在其对应时间段t
i
内，储能充电，直至耗尽最大可吸收电量，如公式(6)所示；当δp<0时，储能装置在t
i
时段内放电，直至耗尽最大可释放电量，如公式(7)所示。
[0082][0083][0084]
其中，e
in_max
为最大可吸收电量，e
out_max
为最大可释放电量，t
k
为每个风功率出力点的充放电修正时间。最后可以修正得到分出联合出力的r个功率点p
j
,(j＝1,......r)，每个功率点日内出现时间为t
j
，r＝n
‑
m
‑
u，m、u分别为充、放电次数。
[0085]
最后对公式(3)进行时间尺度转换可得出风储联合出力输出概率模型，如公式(8)所示，其中，p
robj
为风储联合出力点的出力概率：
[0086][0087]
对含大量不确定因素的现代电力系统，概率潮流能综合考虑各种变量变化的不确定情况，为输电网规划的决策提供更全面的统计信息。规划模型基于线路投资及相关成本，而概率潮流加入规划模型，能更充分评估投产储能成本、线路成本、电网稳定运行之间关系。假设负荷和常规电源的概率分布都服从正态分布，风储联合系统出力的概率分布由步骤s1求得。概率潮流可根据半不变量结合gram
‑
charlier级数的方法求得，其具体步骤如下：
[0088]
步骤s21，计算负荷、常规电源出力及风储联合出力的各阶中心矩；
[0089]
步骤s22，计算各节点负荷、常规电源及风储联合出力的v阶半不变量；
[0090]
步骤s23，求出各节点注入功率的各阶半不变量；
[0091]
步骤s24，求出各支路功率的各阶半不变量；
[0092]
步骤s25，用gram
‑
charlier级数求各支路功率的概率密度函数、分布函数或功率越限概率。
[0093]
步骤s3中，为提高风电消纳能力，同时考虑输电线路规划电源和电网侧储能装置的协调配置，建立风储联合规划模型。风储联合规划模型的目标函数如公式(8)所示，主要包括：储能配置成本f
ess
、弃风成本f
wind
、输电线路成本f
line
，以及风储联合出力越限惩罚成本f
pl.1
：
[0094]
min f＝f
ess
+f
wind
+f
line
+f
pl.1
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0095]
输电线路成本f
line
的计算方式为：
[0096][0097]
其中，ω为新建线路集，c
line.ij
为节点i、j之间新建一条线路的投资成本，x
line.ij
为
节点i、j之间新建线路的0
‑
1决策变量。
[0098]
储能投资成本f
ess
的计算方式为：
[0099][0100]
其中，ω
ess.1
与ω
ess.2
分别为电源侧和电网侧的储能集合，x
ess.k1
与x
ess.k2
分别为电源侧和电网侧储能配置的0
‑
1决策变量。c
ess.k
＝c
p
p
ess.k
+c
e
e
ess.k
表示在k节点配置储能的成本，p
ess.k
、e
ess.k
分别为在节点k配置储能单元的额定功率、额定容量，c
p
、c
e
分别为其单位功率成本、单位容量成本。
[0101]
弃风成本f
wind
的计算方式为：
[0102][0103]
其中，c
wind
为弃风惩罚量，t为风电成本回收周期，为风电最大出力范围，p
wind
为风电实际出力。
[0104]
为实现电源侧储能在满足平抑风电波动要求的前提下配置最少，结合前述电源侧风储联合出力模型，可以将每个日内风储联合出力落在区间[p
exp
‑
γp
r
,p
exp
+γp
r
]内的概率控制在某一置信水平α下，其中，γ为灵敏度系数，其值越小，区间宽度越小，风储联合出力的波动性就越弱。当日内风储联合出力落在该区间的概率小于α时，风储联合出力越限，风储联合出力越限惩罚成本为f
pl.1
＝c
pl.1
，c
pl.1
为风储越限惩罚因子。
[0105]
风储联合规划模型的约束条件包括支路潮流约束、储能运行约束、电力平衡约束和决策变量约束。
[0106]
支路潮流约束如公式(12)所示：
[0107][0108]
其中，b为节点导纳矩阵，θ为电压相角向量，p
g
、p
ws
、p
ess.grid
、p
ld
分别为火电机组功率输出向量，风储联合电源功率输出向量、网侧储能输出功率向量和负荷功率向量，上标min和max表示下限值和上限值。
[0109]
步骤s2中计算得到的概率潮流可为输电线路过负荷约束条件。当在储输协同随机规划模型中考虑源荷储的不确定时，若严格保证所有情况下任何线路都不过负荷，可能会造成线路过度投资。为此可以考虑将每个日内支路功率p
ij
的越限概率控制在某一置信水平
β下，即
[0110][0111]
其中，p
r
{
·
}表示事件发生的概率。当公式(13)成立时f
pl.2
＝0，否则f
pl.2
＝c
pl2
，c
pl2
为支路功率越限惩罚因子。
[0112]
储能运行约束包括储能系统的充放电功率约束和存储能力约束，分别如公式(14)、(15)所示：
[0113][0114][0115]
其中，与分别为储能装置额定配置功率和额定配置容量，上标min、max分别表示其下限和上限值。
[0116]
电力平衡约束如公式(16)所示：
[0117][0118]
其中，p
gk
(t)、p
wind.k
(t)、p
ess.k
(t)为k节点t时刻火电机组、风电机组和储能装置功率输出，δp
w
、p
l
(t)分别为t时刻弃风总量和负荷总量。
[0119]
4)决策变量约束
[0120]
公式(17)描述了电源侧储能装置总数量电网侧储能装置总数量和线路扩建数量∑
k
x
line.ij
均不超过各自最大值的决策变量约束：
[0121][0122]
步骤s4，对所述风储联合规划模型进行求解，获得储能与输电线路的最优规划方案。
[0123]
考虑源网协调的风储联合规划模型属于典型的混合整数非线性规划模型，其中，决策变量为x
line.ij
、分别确定了输电线路配置方案和不同风电场侧储能配置单元个数以及电网侧不同节点储能和配置个数。该模型可在matlab环境下通过gurobi工具
箱求出储能与输电线路的最优规划方案。
[0124]
通过上述说明可知，本发明实施例的有益效果在于：本发明综合考虑了源网两测储能配置的协调性，提高了风电并网容量的前提下节约了储能配置成本，同时在概率潮流约束下对输电网络进行了规划，节约了输电成本。本发明在考虑到经济性的同时提高电力系统的风电消纳能力，降低风电不确定性。
[0125]
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。