本发明涉及储能应用,特别是涉及一种面向省内新能源消纳的储能电站容量规划方法。
背景技术:
1、新能源出力呈现出间歇性和波动性的特点,给电力系统的功率平衡带来巨大压力,成为高比例新能源消纳的主要障碍。储能系统可突破传统电力在时间与空间上的供需约束,具备了参与电力系统运行调控与安全稳定控制的能力。对于新能源比例较高的电力系统而言,配置一定的储能设备具有显著的必要性。为了保证储能灵活调节作用的有效发挥,提高新能源消纳率,有必要对新能源储能装置容量优化配置进行深入研究。
技术实现思路
1、本发明通过提出一种面向省内新能源消纳的储能电站容量规划方法,采用分布鲁棒优化方法研究新能源储能装置容量优化配置达到降低系统年新能源弃电率的目的。
2、针对以上现有技术的不足,本发明提供一种面向省内新能源消纳的储能电站容量规划方法,该方法包括如下步骤:
3、步骤一:建立新能源发电出力的概率分布函数集合。根据历史数据构造新能源发电出力的经验分布,以kullback-leibler(kl)散度作为分布函数距离测度建立新能源发电出力的概率分布函数集合。
4、步骤二:建立鲁棒机会约束规划模型。以储能投资成本最小为目标,以年新能源弃电率为约束建立鲁棒机会约束规划模型。
5、步骤三:求解分布鲁棒规划模型。通过矫正机会约束中的风险阈值将鲁棒机会约束转化为传统机会约束,并借助凸近似和抽样平均构建线性规划进行高效求解。
6、进一步地,采用分布鲁棒优化的方法研究新能源的储能容量规划降低系统年新能源弃电率。
7、该发明的具体方法如下:
8、步骤一:建立新能源发电出力的概率分布函数集合
9、1)直流潮流模型
10、由于储能装置主要对有功进行调控,故采用直流潮流对网络进行建模。
11、
12、pij,t=(θi,t-θj,t)/xij (2)
13、其中,pi,t表示节点i的注入有功功率之和(机组出力减去负荷);pij,t表示线路(i,j)的有功潮流;θi,t表示节点i的电压相角;xij表示线路(i,j)的电抗值。
14、2)储能模型
15、储能装置在电网中发挥削峰填谷的作用,当新能源发电出力过剩时,储能装置充电;当系统新能源发电出力不足时,储能装置放电。储能装置充放电过程的数学模型如下:
16、
17、其中,表示储能装置在时刻t的储能量;表示储能装置的损失率;和表示储能装置的充电和放电功率;和表示充电和放电效率;pcmin和pcmax表示储能装置的最小和最大充电功率;和表示储能装置的最小和最大放电功率;和表示储能装置的最小和最大储能量。
18、3)确定性储能容量规划模型
19、考虑储能装置的规划问题,网络架构、传统火电机组容量位置和新能源容量位置均为给定值。
20、在系统中无储能装置时,由于系统中只含有传统火电机组和新能源发电机组,调节能力不足,造成了大量新能源弃电。为了降低新能源弃电率,采用在新能源节点配置储能装置的手段,依靠储能装置削峰填谷的能力以提升系统灵活性,减小新能源弃电率。因此,在不考虑新能源发电不确定性情况下的储能规划模型如下:
21、
22、其中,目标函数旨在最小化投资成本,ie是储能装置单位投资造价,是节点i储能装置的容量;cons-pf表示电网潮流方程;cons-ees表示储能装置充放电约束(3);cons-bd表示潮流变量上下界约束;dcurt≤rcurt则规定实际新能源弃电率必须小于给定阈值rcurt。
23、实际新能源弃电率dcurt定义如下:从春、夏、秋、冬四个季节中各取一个典型日,调度时间间隔为1小时,则以此96个点代表全年的新能源发电出力情况,则dcurt可表述为
24、
25、其中,表示t时刻新能源i的最大可发电量;表示t时刻新能源i的实际发电量。
26、在不考虑新能源发电不确定性的情况下,新能源储能规划模型是一个线性规划模型,可以高效求解。然而,新能源发电出力具有随机性和波动性,在系统规划这种长期优化决策问题中如果忽略不确定性的影响,可能会导致最终的结果无法满足实际系统对新能源弃电率的要求。因此,采用了基于kl散度的分布鲁棒优化方法处理新能源发电的不确定性。
27、4)不确定集合建模
28、①生成参考分布p0:
29、目前最常用的生成参考分布的方法是利用历史数据进行估计。例如,假设有m个抽样可以分类到n个区间中,则在每个区间中有m1,m2,…,mn个抽样。每个区间中代表样本是区间中样本的期望值,对应的概率是π1=mi/m,i=1,...,n,则参考分布p0为{π1,...,πn}。此外,也可以假设不确定因素符合某一特定分布,如高斯分布等,从而利用参数估计的方法确定分布函数。
30、②建立不确定集合
31、首先,采用kl散度描述两个分布函数之间的距离,距离越小,表明两个分布越相似。对于连续型的分布其定义如下:
32、
33、对于离散型的分布其定义如下:
34、
35、基于kl散度的描述,考虑了与参考分布p0的kl距离不超过dkl的所有分布函数,从而构建如下的不确定集合(集合中的元素为分布函数):
36、w={p|dkl(p||p0)≤dkl} (8)
37、当dkl>0时,不确定集合w中含有无穷多个分布函数;随着dkl趋近于0,w变成单元素p0,后续描述的分布鲁棒规划模型也转变为一个传统的随机规划模型。
38、③选择集合距离dkl
39、在实际决策中,决策制定者需要根据风险偏好决定dkl的大小。显然,历史数据越多,则估计出来的参考分布与真实分布越近,可以设定更小的dkl值。根据分布鲁棒优化理论,dkl可以采用如下的选取方法:
40、
41、其中,代表n-1自由度的卡方分布α*上分位数,保证了真实分布以不小于α*的概率包含在集合w中。
42、步骤二:建立鲁棒机会约束规划模型
43、在步骤一的确定性规划模型和不确定集合建模基础上,所提的分布鲁棒规划模型可以写成如下的形式:
44、
45、式最后一行为鲁棒机会约束,描述了系统即使在w最坏分布情况下,新能源弃电率小于给定值rcurt仍大于1-α;dcurt(ξ)对应于前述的实际新能源弃电率dcurt,ξ表示新能源发电出力等不确定因素。
46、此外,对比分析了随机规划模型和鲁棒优化模型。其中,随机规划模型仅仅考虑参考分布下新能源弃电率要求的满足,其表达式如下:
47、
48、鲁棒优化模型则考虑所有情况下都必须满足新能源弃电率要求,其表达式如下:
49、
50、步骤三:求解分布鲁棒规划模型
51、在分布鲁棒规划模型中,最主要的难点在于鲁棒机会约束的处理,因为鲁棒机会约束在一个含有无穷个分布函数的不确定集合中进行概率估计。然而,当采用kl散度描述不确定集合时,根据分布鲁棒优化理论,该鲁棒机会约束等价于如下的传统机会约束:
52、pr0{(dcurt-rcurt)≤0}≥1-α+ (13)
53、其中,pr0表示参考分布p0下的概率描述;α+的计算如下:
54、
55、其中,单变量表达式对(0,1)区间上的z是凸函数,其最小值可以很容易通过传统的黄金分割搜索计算出来。同样,α+<α因为若鲁棒机会约束被满足,则在参考分布下的新能源弃电率达标的概率估计一定大于1-α。
56、然而,机会约束仍然是一个非凸的约束,难以求解。因此,采用寻找一个保守的凸近似的方法进行求解。
57、其中,表示参考分布下的期望函数;ι+(x)定义如下:
58、
59、接下来,引入了一个凸函数ψ(x)对ι+(x)进行凸近似,则下述表达式成立:
60、
61、其中,ψ(x)的定义如下:
62、ψ(x)=max{0,x/β+1} (16)
63、其中,β>0是一个常数。此外,β也作为待优化参数出现在最后的优化模型中,以提供更好的凸近似结果。
64、最后,采用抽样平均的方法,取k个典型样本ξ1,ξ2,...,ξk,对应概率分别是π1,π2,...,πk,则变为如下的线性形式:
65、
66、其中,φk是辅助变量。
67、在上述转换之后,原始的分布鲁棒规划模型转换为下述的线性形式:
68、
69、模型的目标函数和约束均为线性,利用成熟的商业软件即可高效求解。
70、同样地,利用同样的方法可将随机规划模型转化为如下的线性形式:
71、
72、鲁棒优化模型则可以写成如下形式:
73、