一种利用氢储能的极热天气下电力系统弹性运行方法

本发明涉及智能电网与弹性电网领域，具体来说，尤其涉及一种利用氢储能的极热天气下电力系统弹性运行方法。

背景技术：

1、近年来，由于全球气候变化的影响，极端天气事件的频发已经成为了一个不可忽视的问题。这些极端天气事件对电力系统的影响也日益显著，对电力系统的稳定运行构成了严重的威胁。因此，构建能够应对极端天气事件的弹性电力系统已经成为了电力行业和科研界的重点关注问题。

2、目前，关于极端天气事件下电力系统弹性的研究主要集中在极端天气事件对电力设施可用性的影响上。例如，台风、洪水、雪灾等极端天气事件可能会导致输配电线路等设备大面积故障，从而影响电力系统的正常运行。这些研究为理解和应对极端天气事件对电力系统的影响提供了重要的理论依据。

3、然而，对于由于寒潮、极热等极端温度天气事件引发的负荷激增且可再生能源持续低出力导致的持续数天的电源充裕性不足场景，研究尚处于初步阶段。这些极端温度天气事件可能会导致电力需求大幅度增加，而可再生能源如风能和太阳能的出力却可能因为天气条件恶劣而大幅度降低，从而导致电力供需严重不平衡。这种情况下，电力系统的弹性运行能力将面临严峻的考验。

4、因此，需要进一步加强对极端温度天气事件下电力系统弹性运行的研究，以期构建一个既能应对极端天气事件，又能保证电力供应稳定的弹性电力系统。在这个过程中，可以考虑利用氢储能等新型储能技术，以提高电力系统的弹性运行能力。

5、随着可再生能源发电占比的提升和用能终端电气化的推进，未来新型电力系统供需对天气的依赖性进一步增加。在此背景下，如何应对极端场景下可再生能源电力系统电源充裕性不足带来的长时间供需不平衡，是构建未来弹性高比例可再生能源电力系统需要考虑的重要问题。

6、针对相关技术中的问题，目前尚未提出有效的解决方案。

技术实现思路

1、为了克服以上问题，本发明旨在提出一种利用氢储能的极热天气下电力系统弹性运行方法，目的在于解决极端温度天气事件引发的负荷激增且可再生能源持续低出力导致的持续数天的电源充裕性不足场景的问题。

2、为此，本发明采用的具体技术方案如下：

3、一种利用氢储能的极热天气下电力系统弹性运行方法，该运行方法包括以下步骤：

4、s1、根据极热天气事件下可再生能源的光伏发电出力数据和风电可用出力数据构建极热天气事件下可再生能源出力模型；

5、s2、根据极热天气事件下不同温度的电力负荷需求构建极热天气事件下负荷模型；

6、s3、获取电力系统参数与极热天气事件前阶段和事件过程中的天气数据，并基于所述极热天气事件下可再生能源出力模型和所述极热天气事件下负荷模型构建极热天气事件前阶段和事件过程中的典型运行场景；

7、s4、基于所述极热天气事件前阶段和事件过程中的典型运行场景，建立利用氢储能的极热天气下电力系统弹性运行模型；

8、s5、求解所述利用氢储能的电力系统弹性运行模型，得到应对极热天气事件的电力系统弹性运行策略。

9、可选地，所述根据极热天气事件下可再生能源的光伏发电出力数据和风电可用出力数据建立极热天气事件下可再生能源出力模型包括以下步骤：

10、s11、获取极热天气事件下的外界温度、光照强度、光伏板面积及发电效率的第一参数数据，并根据第一参数数据计算极热天气事件下可再生能源的光伏发电出力数据；

11、s12、获取极热天气事件下的单台风机可用出力、风机额定功率、风机切入风速、额定风速、切出风速、风速及风机数量的第二参数数据，并根据第二参数数据计算极热天气事件下可再生能源的风电可用出力数据；

12、s13、根据计算得到的极热天气事件下可再生能源的光伏发电出力数据和计算得到的极热天气事件下可再生能源的风电可用出力数据构建极热天气事件下可再生能源出力模型。

13、可选地，所述根据极热天气事件下不同温度的电力负荷需求建立极热天气事件下负荷模型包括以下步骤：

14、s21、获取极热天气事件下温度相关负荷的电力负荷需求；

15、s22、计算极热天气事件下不同温度的电力负荷需求；

16、s23、根据计算得到的极热天气事件下不同温度的电力负荷需求构建极热天气事件下负荷模型。

17、可选地，所述获取电力系统参数与极热天气事件前阶段和事件过程中的天气数据，并基于所述极热天气事件下可再生能源出力模型和所述极热天气事件下负荷模型构建极热天气事件前阶段和事件过程中的典型运行场景包括以下步骤：

18、s31、获取电力系统参数数据，所述电力系统参数至少包括拓扑参数数据、电源参数数据和负荷参数数据；

19、s32、获取极热天气事件前阶段和事件过程中的天气参数数据，所述天气参数数据至少包括电力系统各节点和线路所在地理位置的外界温度参数数据和风速参数数据；

20、s33、通过整合拓扑参数、电源参数、负荷参数及电力系统各节点和线路所在地理位置的外界温度和风速参数数据，并基于所述极热天气事件下可再生能源出力模型和所述极热天气事件下负荷模型，构建极热天气事件前阶段和事件过程中的源荷出力场景模型；

21、s34、对所述极热天气事件前阶段和事件过程中的源荷出力场景模型进行聚类，得到极热天气事件前阶段和事件过程中的典型运行场景。

22、可选地，所述对所述极热天气事件前阶段和事件过程中的源荷出力场景模型进行聚类，得到极热天气事件前阶段和事件过程中的典型运行场景包括以下步骤：

23、s341、将当前阶段至极热天气发生阶段定义为事件前阶段，并记录事件前阶段的天数，同时记录极热事件过程中的天数；

24、s342、在事件前阶段和事件过程中均采用k-均值聚类方法对所述极热天气事件前阶段和事件过程中的源荷出力场景模型进行聚类；

25、s343、得到极热天气事件前阶段和事件过程中的典型运行场景的聚类结果；

26、s344、根据得到的聚类结果，确定每个阶段每个典型日的运行场景。

27、可选地，所述基于所述极热天气事件前阶段和事件过程中的典型运行场景，建立利用氢储能的极热天气下电力系统弹性运行模型包括以下步骤：

28、s41、定义极热天气事件前阶段和事件过程中的典型运行场景的第三参数数据；

29、s42、根据第三参数数据构建利用氢储能的极热天气下电力系统弹性运行模型的目标函数；

30、s43、设定目标函数的约束条件，并建立利用氢储能的热天气下电力系统弹性运行模型。

31、可选地，所述第三参数数据至少包括发发电机节点的集合、风电接入节点的集合、光伏接入节点的集合、荷节点的集合、阶段k的集合、典型日的集合、各典型日内时段的集合、发电机的单次发电成本、发电机的单次开机成本、发电机的单次关机成本、发电机的出力状态、发电机的开机状态、发电机的停机状态、节点单位弃风的成本、节点单位弃光的成本、节点单位切负荷的成本、节点的弃风功率、节点的弃光功率及节点的切负荷功率。

32、可选地，所述根据第三参数数据构建利用氢储能的极热天气下电力系统弹性运行模型的目标函数的公式为：

33、

34、式中，为发电机节点的集合；

35、为风电接入节点的集合；

36、为光伏接入节点的集合；

37、负荷节点的集合；

38、为阶段k的集合；

39、为第k个阶段中典型日的集合；

40、为各典型日内时段的集合；

41、cg,i为第i个发电机的单次发电成本；

42、为第i个发电机的单次开机成本；

43、为第i个发电机的单次关机成本；

44、pg,kcit为第k个阶段第d个典型运行日内第t时段第i个发电机的出力状态；

45、为第k个阶段第d个典型运行日内第t时段第i个发电机的开机状态；

46、为第k个阶段第d个典型运行日内第t时段第i个发电机的停机状态；

47、cw,i为第i个节点单位弃风的成本；

48、cpv,i为第i个节点单位弃光的成本；

49、cl,i为第i个节点单位切负荷的成本；

50、δpw,kdit为第k个阶段第d个典型运行日内第t个时段第i个节点的弃风功率；

51、δppv,kdit为第k个阶段第d个典型运行日内第t个时段第i个节点的弃光功率；

52、δpl,kdit为第k个阶段第d个典型运行日内第t个时段第i个节点的切负荷功率；

53、δt为单位时段。

54、可选地，所述极热天气下电力系统弹性运行模型的约束条件至少包括传统发电机运行约束、弃风弃光的上下限约束、切负荷变量的上下限约束、电池储能运行约束、氢储能运行约束、节点功率平衡约束、潮流约束和节点电压相角约束；

55、其中，传统发电机组运行约束包括发电机的出力上下限约束、发电机组的爬坡约束、发电机开停机状态与启动、停机状态间逻辑关系及发电机组的最小开停机持续时间约束；

56、所述电池储能运行约束包括电池储能系统的最大充放电功率约束、任意时刻的存储电量、在任意时刻的存储电量应在其可存储电量的上下限内及在当前周期结束时其存储电量应等于当前周围开始时的初始电量；

57、所述氢储能运行约束包括氢储能系统的充放电上下限约束、充电功率与储气室进气流量间关系、分段线性化逻辑约束、放电效率与储气室气体流出流量进关系、氢储能储气室压强变化、氢储能储气室压强的上下限约束及相邻时段内压强变化率的上限约束。

58、可选地，所述求解所述利用氢储能的电力系统弹性运行模型至少包括利用商业求解器直接求解。

59、相较于现有技术，本技术具有以下有益效果：

60、1、本发明借助氢储能这一特性，可以在极端温度天气事件前对氢储能进行预充电、在极端事件发生过程中利用氢储能放电，以保证关键负荷生存性，解决极端天气事件造成的电源充裕性不足问题，从而提升电力系统应对极端温度天气的弹性。

61、2、本发明利用事件前对氢储能预调度的运行策略可以有效提升含可再生能源电力系统应对极热天气事件的系统弹性，且对系统中的氢储能和电池储能系统进行预调度时，与仅对氢储能进行预调度相比，在保证负荷生存性的同时可以进一步降低系统运行成本。