基于剩余需求曲线的光储系统运行方法及装置与流程

1.本发明属于光储系统运行技术领域，尤其涉及基于剩余需求曲线的光储系统运行方法及装置。


背景技术：

2.本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
3.为构建清洁低碳的能源体系，光伏等可再生能源发电得到了迅猛发展。然而，由于出力难以预测和控制，光伏电站在参与市场投标时面临较大的收益风险。
4.储能调节能力强，可平抑光伏波动，因此光储联合运行越来越受到的重视，鼓励新能源场站自建储能。考虑储能的运行特性，制定合理的投标策略，对光储联合发电系统参与电力市场具有重要意义。
5.然而，现有的光储在运行的过程中存在以下问题，即：现有光储系统运行时仅考虑其投标策略对能量市场出清价格的影响，认为备用市场中出清价格为定值；或者仅考虑其投标策略对备用市场出清价格的影响，认为能量市场中出清价格为定值。这就导致光储系统在制定运行方案时，仅考虑单一市场的利益最大化，无法实现光储系统在能量和备用市场的整体收益最大化。


技术实现要素：

6.为克服上述现有技术的不足，本发明提供了一种基于剩余需求曲线的光储系统运行方法，能够提高光储系统的合理运行。
7.为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：
8.第一方面，公开了基于剩余需求曲线的光储系统运行方法，包括：
9.考虑储能的运行约束以及电能量-备用市场的耦合关系，建立电量-备用剩余需求曲线；
10.基于电量-备用剩余需求曲线，以光储电站收益最大为目标调整储能的日前出力计划和备用容量，同时考虑实时市场的不确定性，通过调用储能的备用容量降低光储电站的实时偏差惩罚。
11.作为进一步的技术方案，考虑储能的运行约束以及电能量-备用市场的耦合关系，在光储电站日前投标范围内生成电量-备用的可行投标组合，基于神经网络预测计算对应的市场出清电价。
12.作为进一步的技术方案，光储电站的日前电量投标为光伏日前预测值与储能日前充放电计划的和，备用投标为光伏日前最大预测偏差与储能上调/下调备用容量的和。
13.作为进一步的技术方案，建立电量-备用剩余需求曲线，具体为：
14.获取光储系统的历史数据，将日前负荷预测信息，日前光储电站投标信息作为输入，将电量电价，备用电价作为输出，训练神经网络；
15.将每一个剩余需求曲线的区间数设置为n；
16.对整数1～n进行两次随机排序；
17.校核光储电站投标组合是否满足储能的最大充放电功率约束；
18.若满足，将日前负荷预测信息，日前光储电站投标信息作为输入，通过神经网络预测模型得到电量电价和备用电价；
19.计算所有光储电站投标组合对应的电价；
20.得到t时刻光储电站电量投标的剩余需求曲线及备用投标的剩余需求曲线。
21.作为进一步的技术方案，通过建立电量-备用剩余需求曲线，进行日前电能量和备用市场中剩余需求曲线的联合生成，其中，每一个小时内包括一条日前电量投标剩余需求曲线和一条备用投标剩余需求曲线。
22.作为进一步的技术方案，以光储电站收益最大为目标调整储能的日前出力计划和备用容量，其中目标函数考虑了日前场景、实时光伏功率随机场景、实时电价场景的概率、t时刻场景下光储电站实际出力大于日前投标电量的部分、t时刻场景下光储电站的惩罚电量以及t时刻场景下储能的充放电成本。
23.作为进一步的技术方案，所述目标函数的约束条件包括：
24.光储电站的投标量约束、储能日前充放电计划约束、储能的备用容量约束、储能的实时调整功率约束、光储电站实时售电量约束以及光储电站实时惩罚量约束。
25.第二方面，公开了基于剩余需求曲线的光储系统运行装置，包括：
26.曲线建立模块，被配置为：考虑储能的运行约束以及电能量-备用市场的耦合关系，建立电量-备用剩余需求曲线；
27.调整模块，被配置为：基于电量-备用剩余需求曲线，以光储电站收益最大为目标调整储能的日前出力计划和备用容量，同时考虑实时市场的不确定性，通过调用储能的备用容量降低光储电站的实时偏差惩罚。
28.以上一个或多个技术方案存在以下有益效果：
29.基于剩余需求曲线的光储系统运行方案，考虑储能的运行约束以及电能量-备用市场的耦合关系，建立了剩余需求曲线，基于该曲线在光储电站日前投标范围内生成电量-备用的可行投标组合，基于神经网络预测计算对应的市场出清电价，以光储电站收益最大为目标调整储能的日前出力计划和备用容量，同时考虑实时市场的不确定性，通过调用储能的备用容量降低光储电站的实时偏差惩罚，该运行方案能够兼顾光储系统在电能量市场和备用市场的收益，能够实现对储能功率调节能力和备用支撑能力的最大化利用，最终使得光储系统运行在最优状态。
30.本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
31.构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
32.图1为本发明实施例日前电能量市场剩余需求曲线和投标结果示意图；
33.图2为本发明实施例备用市场剩余需求曲线和投标结果示意图。
具体实施方式
34.应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
35.需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。
36.在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
37.实施例一
38.本实施例公开了基于剩余需求曲线的光储系统运行方法，包括：
39.考虑储能的运行约束以及电能量-备用市场的耦合关系，建立电量-备用剩余需求曲线；
40.基于电量-备用剩余需求曲线，以光储电站收益最大为目标调整储能的日前出力计划和备用容量，同时考虑实时市场的不确定性，通过调用储能的备用容量降低光储电站的实时偏差惩罚。
41.在本实施例子中，关于剩余需求曲线联合建模：
42.光储电站的日前电量投标为光伏日前预测值与储能日前充放电计划(和)的和，备用投标为光伏日前最大预测偏差与储能上调/下调备用容量(和)的和：
[0043][0044][0045]
上述电量投标表示光储电站在对应时刻出售的电量，单位是mwh。本实例中时间尺度为1小时，因此电量和功率在数值上相等，所以也可以理解为t时刻的功率供给。
[0046]
备用投标表示光储电站在t时刻需要外部电网提供的备用功率。
[0047]
所提出的剩余需求曲线联合建模方法考虑了储能的运行约束以及电能量-备用市场的耦合关系，在光储电站日前投标范围内生成电量-备用的可行投标组合，基于神经网络预测计算对应的市场出清电价。
[0048]
具体步骤如下：
[0049]
1)收集历史数据，将{日前负荷预测信息，日前光储电站投标信息}作为输入，将{电量电价，备用电价}作为输出，训练神经网络。令t＝1，将每一个剩余需求曲线的区间数设置为n。
[0050]
2)考虑储能充放电功率的最大调节范围，将t时刻光储电站的电量和备用投标均分为n点：
[0051][0052]
[0053]
式中，i＝1,2,
…
,n；和为储能的最大充放电功率。
[0054]
3)对整数1～n进行两次随机排序，按照顺序分别记为和{σ(1),σ(2),
…
,σ(n)}。令表示光储电站电量和备用的可能投标组合。
[0055]
4)校核光储电站投标组合是否满足储能的最大充放电功率约束：
[0056][0057]
如果式(5)满足，则进行下一步，令i＝1；否则返回步骤3)。
[0058]
5)将{日前负荷预测信息，日前光储电站投标信息}作为输入，通过神经网络预测模型得到电量电价和备用电价，记为和
[0059]
6)若i《n，令i＝i+1，返回步骤5)，计算所有光储电站投标组合对应的电价；否则进行下一步。
[0060]
7)将相连得到t时刻光储电站电量投标的剩余需求曲线，将相连得到t时刻光储电站备用投标的剩余需求曲线。
[0061]
在步骤2)中，t时刻光储电站的电量投标被均分为n个点，公式3中i的取值从1开始，最大取为n，对于每一个i的取值，对应一个投标电量和出清价格在坐标轴中，价格为纵轴，电量为横轴，则为坐标系中的一个点，将所有i取值下的点相连得到电量投标剩余需求曲线。
[0062]
8)若t《24，令t＝t+1，返回步骤2)，进行下一时段剩余需求曲线的生成；若t＝t，则结束。
[0063]
经过步骤1)-8)，实现了日前电能量和备用市场中剩余需求曲线的联合生成，每一个小时内包括光储电站的一条日前电量投标剩余需求曲线和一条备用投标剩余需求曲线。
[0064]
由于光储系统日前投标需要给出第二天24小时的投标曲线，因此每个小时都需要得到一条电量投标剩余需求曲线和备用投标剩余需求曲线。
[0065]
关于日前电量-备用联合投标：
[0066]
基于生成的电量-备用剩余需求曲线，以光储电站收益最大为目标建立优化模型，基于该模型调整储能的日前出力计划和备用容量，同时考虑实时市场的不确定性，通过调用储能的备用容量降低光储电站的实时偏差惩罚。
[0067]
目标函数：
[0068][0069]
式中，ρ
ω
、ρ
ξ
、ρ
ψ
分别为日前场景、实时光伏功率随机场景、实时电价场景的概率，
ω、ξ、ψ表示对应的场景编号；表示t时刻场景ψ下的实时电价；表示t时刻场景(ω,ξ,ψ)下光储电站实际出力大于日前投标电量的部分；β
*
为光储电站在实时市场中的出力偏差惩罚系数；表示t时刻场景(ω,ξ,ψ)下光储电站的惩罚电量；为t时刻场景(ω,ξ,ψ)下储能的充放电成本。
[0070]
约束条件：
[0071]
1)投标量约束
[0072]
光储电站的投标量可表示为：
[0073][0074][0075]
2)储能日前充放电计划约束
[0076][0077][0078][0079][0080][0081]
式中，表示t时刻场景ω下储能的充放电状态，取1时表示放电，取0时表示充电；ηc和ηd表示充放电效率；表示安排日前充放电计划后的剩余能量；e
min
和e
max
表示剩余能量的最小值和最大值。
[0082]
3)储能的备用容量约束
[0083][0084][0085][0086][0087][0088][0089][0090]
式中，表示t时刻场景ω下储能的备用容量状态，取1和0时分别表示提供上调
备用和下调备用；表示综合考虑日前充放电计划和备用容量后的剩余能量。
[0091]
4)储能的实时调整功率约束
[0092]
光储电站通过调用储能备用降低实时偏差惩罚，需要满足以下约束：
[0093][0094]
式中，和分别表示未进行储能实时调整时场景(ω,ξ)下光储电站的实际出力大于和小于光储电站日前投标下边界的部分；表示t时刻场景ξ下的光伏实时出力；表示未进行储能实时调整时光储电站实际出力是否大于光储电站投标下边界的二进制变量，取1表示是，0表示否；m为足够大的正实数；表示储能在实时市场中的实际剩余能量。
[0095]
5)光储电站实时售电量约束
[0096][0097]
6)光储电站实时惩罚量约束
[0098]
光储电站实时惩罚量可以表示为：
[0099][0100]
上述优化模型为混合整数线性规划问题，可以使用商业软件直接求解。
[0101]
关于算例验证：
[0102]
选取某光伏-储能一体化电站装机容量数据进行仿真，以验证所提方法的有效性。光伏容量为400mw，储能额定功率和容量分别为100mw和100mwh，充放电效率为90％，剩余能量上下限分别为90mwh和10mwh。储能的充放电成本为5$/mwh。
[0103]
以第19小时为例，剩余需求曲线场景和光储电站投标结果如图1和图2所示。由图可以看出，光储电站投标在日前电能量和备用市场中的剩余需求曲线总体呈下降趋势。然而，在某些场景下较小投标量对应的价格低于较大投标量对应的价格，例如第4个电量投标剩余需求曲线场景下第3个区间的电价低于第4个区间的电价。这是因为所提出的剩余需求曲线建模方法考虑了电能量市场和备用市场的耦合关系。光储电站的电量和备用投标可能同时较小，由于电能量市场和备用市场联合出清，较小的备用需求投标进一步降低了电能
量市场的电价。因此，相比于较大的投标电量，较小的投标电量可能产生更低的电能量市场出清价格。
[0104]
设置如下三种策略组合。
[0105]
组合1：本发明所提出的投标方法。
[0106]
组合2：光储电站在日前电能量市场中作为价格决定者，在备用市场中作为价格接受者。
[0107]
组合3：光储电站在日前电能量市场中作为价格接受者，在备用市场中作为价格决定者。
[0108]
储能运行结果和光储电站投标结果如表1和表2所示。组合2中储能的日前充放电计划量最多，因此日前电量销售收入最高；储能提供的备用容量最少，因此光储电站备用支出最多。组合3与组合2的情况相反。由此可知，光储电站在其作为价格决定者的市场中积极性较高，增加了相应的投标量，以获得更高收益。当光储电站在两个市场中均作为价格决定者时，光储电站会平衡其在日前电能量和备用市场中的投标，获得了比其他两种策略组合更多的收益。
[0109]
表1储能运行结果
[0110][0111]
表2光储电站投标结果($)
[0112][0113]
实施例二
[0114]
本实施例的目的是提供一种计算机装置,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上述方法的步骤。
[0115]
实施例三
[0116]
本实施例的目的是提供一种计算机可读存储介质。
[0117]
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行上述方法的步骤。
[0118]
实施例四
[0119]
本实施例的目的是提供基于剩余需求曲线的光储系统运行装置，包括：
[0120]
曲线建立模块，被配置为：考虑储能的运行约束以及电能量-备用市场的耦合关系，建立电量-备用剩余需求曲线；
[0121]
调整模块，被配置为：基于电量-备用剩余需求曲线，以光储电站收益最大为目标调整储能的日前出力计划和备用容量，同时考虑实时市场的不确定性，通过调用储能的备用容量降低光储电站的实时偏差惩罚。
[0122]
以上实施例二、三和四的装置中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
[0123]
本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储
在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
[0124]
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。