一种基于滚动优化的风储联合系统充放电优化决策方法

本发明属于储能优化，具体涉及一种基于滚动优化的风储联合系统充放电优化决策方法。

背景技术：

1、近年来，节能环保型发电日益受到提倡。但随着高比例可再生能源接入电网，可再生能源特别是风电消纳变得越来越困难。

2、储能系统能够通过灵活的充放电合理参与市场，提升风电收益，并且有效规避风电波动，大幅降低其扰动性，提升风电并网的电能质量。因此，合理配置储能容量极具现实工程意义和经济意义。然而，目前风储联合系统参与电力市场的规则研究尚未成熟，如何对风储联合系统的成本进行统一的体现，并形成标准化的风储联合系统参与市场决策方法设计成为了一个亟待研究的课题。

技术实现思路

1、针对现有技术的不足，本发明的目的在于提供一种基于滚动优化的风储联合系统充放电优化决策方法。

2、本发明的目的可以通过以下技术方案实现：

3、一种基于滚动优化的风储联合系统充放电优化决策方法，包括以下步骤：

4、考虑到申报电量与实际发电量的偏差较，建立偏差量超额获利回收的市场考核制度；

5、基于偏差量超额获利回收的市场考核制度，确定风储联合系统参与市场的收益目标函数；

6、对收益目标函数进行滚动优化，并确定滚动优化的最优滚动周期长度；

7、基于滚动优化建立风储联合系统的预测优化模型，并根据最优滚动周期及节点数，以套利和偏差回收规避的综合收益最大为目标，得到储能设备的充放电策略。

8、进一步地，所述市场考核制度为：

9、当q申报,t>q实际,t×(1+λ新能源1)，且k×p中长期+(1-k)×p日前,t>p实时,t时，偏差考核罚款为：

10、r罚款＝∑{[q申报,t-q实际,t×(1+λ新能源1)]×[k×p中长期+(1-k)×p日前,t-p实时,t]}   (1)

11、当q申报,t<q实际,t×(1-λ新能源2)，且k×p中长期+(1-k)×p日前,t<p实时,t时，偏差考核罚款为：

12、r罚款＝∑{[q实际,t×(1-λ新能源2)-q申报,t]×[p实时,t-k×p中长期-(1-k)×p日前,t]}   (2)

13、式中，q申报,t为日前市场申报的该时段上网电量；q实际,t为t时段机组实际发电量；λ新能源1为允许的与标杆价费用的偏差比例上限；λ新能源2为允许的与标杆价费用的偏差比例下限；p中长期为中长期市场净合约综合电价；p日前,t为日前现货系统出清价格；p实时,t为实时市场t时段节点电价；k为电力行业增值税税率。

14、进一步地，风储联合系统参与市场的收益目标函数为：

15、

16、ti＝k×i   (4)

17、式中，r为总时段数内系统总收益，rp为电能费用收益；rr为超额利润回收罚款；cbattery为电池损耗成本；j为一个滚动周期内的节点总数；i为当前计算节点；ti为当前计算时刻。

18、进一步地，所述电能费用收益计算公式为：

19、rp＝ql×pt+(qd,ti-ql)×pd,ti+(qr,ti-qd,ti)×pr,ti   (5)

20、qr,ti＝qw,ti+qs,ti   (6)

21、式中：ql为中长期市场合约电量；qd,ti为日前市场申报的该时段上网电量；qr,ti为ti时段机组实际发电量，qw,ti为风力发电量，qs,ti为储能发电量；pt为中长期市场净合约综合电价；pd,ti为日前现货系统出清价格；pr,ti为实时市场ti时段节点电价；

22、所述超额利润回收收益的计算公式为：

23、

24、式中，γ1、γ2为允许的实时与中长期电价费用的偏差比例上限和下限；

25、所述电池损耗成本的计算公式为：

26、

27、式中，c0为初期建设投资成本折合到每次充放电的分摊成本；soc(t)为当前时刻t电池的荷电状态；nlife为电池储能达到寿命终点时的循环次数。

28、进一步地，滚动优化的收益目标函数为：

29、r'＝r(j)   (9)

30、式中，r'为滚动优化后的总收益，j为选择的滚动周期节点数。

31、进一步地，确定滚动优化的最优滚动周期长度的步骤包括：

32、s31，选取具有参考价值的典型日数据，包括典型日的中长期市场合约电量日前市场申报电量ti时段实际发电量中长期市场净合约电价日前现货系统出清价格实时市场ti时段节点电价

33、s32，将典型日的电价、电量等数据作为已知量，将滚动周期节点数j作为变量，求解滚动优化收益r'最大时的滚动周期长度j*。

34、进一步地，根据最优滚动周期长度得到储能设备的充放电策略具体步骤为：

35、s41，在k时刻，利用风储联合系统的预测优化模型对[k,k+j-1]时段内共j个点的的风机出力和实时电价数据进行预测；

36、s42，得到出力和电价数据后，利用二次规划法求得[k,k+j-1]时段内收益最大时j个节点的充放电策略，并选取第k时刻的策略应用；

37、s43，清空数据，在k+1时刻进行下一轮计算。

38、进一步地，风储联合系统的预测优化模型的构建步骤包括：

39、步骤1，基于风电场的历史出力，采用蒙特卡洛法进行风电的场景生成，生成1000个风电出力场景；采用拉丁超立方抽样法对场景进行削减，使相似的场景进行拟合，最终得到10个风电出力场景；与历史数据进行对比，选择最接近的风电出力场景；

40、步骤2，读取风电场所在地近几年的电力市场历史数据，拟合生成预测的日前电价；采用蒙特卡洛发进行场景生成，生成1000个日前电价场景；采用拉丁超立方抽样法对场景进行削减，使相似的场景进行拟合，最终得到5个日前电价场景；与历史数据进行对比，选择最接近的日前电价场景。

41、一种基于滚动优化的风储联合系统充放电优化决策系统，包括：

42、考核制定模块：考虑到申报电量与实际发电量的偏差较，建立偏差量超额获利回收的市场考核制度；

43、目标函数构建模块：基于偏差量超额获利回收的市场考核制度，确定风储联合系统参与市场的收益目标函数；

44、目标函数优化模块：对收益目标函数进行滚动优化，并确定滚动优化的最优滚动周期长度；

45、以及，充放电策略制定模块：基于滚动优化建立风储联合系统的预测优化模型，并根据最优滚动周期及节点数，以套利和偏差回收规避的综合收益最大为目标，得到储能设备的充放电策略。

46、一种计算机存储介质，存储有可读程序，当程序运行时，能够执行上述方法。

47、本发明的有益效果：

48、本发明为风电和储能的优化提供了技术支撑；为风电场配置储能设备，通过储能的协同配合，能够缓解风电出力随机性、波动性对风电并网的影响，提高风电场在电力市场中的竞争力，以促进风电消纳和新能源市场化发展。此外，单独设立的储能电站在市场中具有重要的调节意义，但缺乏稳定的收益，与风电的联合配置能够有效提高储能的经济性，削减电力系统备用压力。