【技術實現步驟摘要】
本專利技術屬于風電場儲能，具體涉及降低并網運行考核費用的風電場儲能優化配置方法。
技術介紹
1、在構建新型電力系統方針的驅動下，我國風電裝機與發電量持續增長。2021年，我國風電裝機達3.28億千瓦，風力發電量達6526億千瓦時，較上年同比增長17％與40.5％。大規模風電的間歇性增加了電網對靈活調節資源量的需求，導致電網運維費用提升。為保障電網運行的安全穩定性，均衡不同發電廠的利益，國家能源局發布了《電力并網運行管理實施細則》與《電力輔助服務管理實施細則》(簡稱為兩個“細則”)，對并網運行發電廠涉及電網安全穩定運行的相關指標進行考核。兩個細則分為考核費用與補償費用，風電場控制考核費用相對容易，而提高補償費用則難度極大。數據顯示，一般情況下兩個細則調度管理考核費用約占風電場全月發電收入的4％～6％，極端情況下可能超過10％，主要被考核項目為功率預測考核、功率波動考核與agc調節考核。
2、針對上述問題，在風電場中配置儲能系統可以實現風力發電量的隨時充放，提高風電場實際出力和計劃出力的匹配度，降低“兩個細則”考核費用。現有的研究在風電場儲能配置方面取得了一定成果，但并未針對降低“兩個細則”的考核費用制定儲能配置方案，現有功率上報模型主要以市場化電價、輔助服務補償與售電收益為優化目標，不同于兩個細則中基于考核電量的形式，難以直接應用。
3、因此，現階段需設計降低并網運行考核費用的風電場儲能優化配置方法，來解決以上問題。
技術實現思路
1、本專利技術目的在于提供降
2、為實現上述目的，本專利技術的技術方案是：
3、降低并網運行考核費用的風電場儲能優化配置方法，包括以下步驟：
4、步驟1、風電出力場景的生成與削減；根據風電場出力的歷史數據，生成一定數目的隨機場景，并利用k-medoids聚類方法得到風電出力的典型場景，用于描述風電出力的不確定性；
5、步驟2、建立風電場儲能優化配置上層優化的數學模型；以風電場年綜合成本最小為目標，將儲能配置的額定容量和額定功率設為決策變量，考慮投資成本、儲能功率和容量等約束，建立風電場儲能容量優化配置上層額定容量和功率優化模型；
6、步驟3、建立風電場儲能優化配置下層優化的數學模型；以風電場“兩個細則”考核費用最小為目標，以儲能充放電功率作為決策變量，考慮風電場功率波動、儲能充放電功率與荷電狀態等約束，建立風電場儲能容量優化配置的下層充放電策略優化模型；
7、步驟4、基于改進灰狼算法和yalmip工具箱對雙層優化進行求解；上層優化將儲能配置的額定容量和額定功率作為參數傳遞給下層優化，并作為下層儲能充放電功率優化的初始條件和約束，下層優化在此基礎上求出典型場景下儲能系統的充放電功率，計算得到風電場的“兩個細則”考核費用，并作為參數反饋到上層優化的目標函數中，上下層優化迭代求出最終的最優解。
8、進一步的，步驟1具體包括下列步驟：
9、步驟11：數據預處理，針對冗余的數據，直接刪除，針對缺失數據，采用插值法進行補充；如果是單個數據缺失，采用拉格朗日插值法進行填補，如果數據出現單行缺失或者多行缺失的情況，則采取b樣條曲線分段擬合的方法；針對異常數據，先對該類數據進行特征描述，然后利用高斯濾波消噪方法篩選并將其刪除，并使用插值方法對其進行修復，形成標準的風電出力場景數據；
10、步驟12：在空間尺度上，采用特征描述方法進行降維，假設某風電場中共有n臺機組，則描述風電場出力的原始場景表示為首先對風電出力數據進行均一化處理保障變化規律不變的同時剔除風電場容量大小的影響，用式t∈[1,td]來計算功率波動幅度；
11、其中，n為風電機組的數量，t為時段數目，表示t時刻第k臺機組的出力數據，td表示一天的采樣點數目，表示機組k全部采樣時刻的輸出功率均值，st′k為歸一化后的風電出力數據，表示風電場功率波動幅度指標；
12、步驟13：根據上述特征描述方法，選用k-medoids聚類方法在空間尺度進行聚類分析，假設聚類中心數為k，將t×n的數據在空間尺度上壓縮為t×k的數據，在時間尺度上以日為單位作為聚類基本單元，每個單元包含一組對應的風電出力時序數據，同樣采用k-medoids聚類方法進行典型場景選取，假設聚類中心數為t1，將t×k的數據在時間尺度上壓縮為t1×k的數據，得到典型場景。
13、進一步的，步驟2具體包括下列步驟：
14、步驟21：確定目標函數為其中com＝com,eeess+com,ppess，cp＝λσ|ptch+ptdis|，
15、步驟22：建立投資成本約束cinv+com+cp≤cess0，并限制儲能額定容量不大于風電場額定容量eess≤swt，同時儲能額定功率和額定容量之間滿足定量關系0.35eess≤pess≤0.8eess。
16、進一步的，步驟3具體包括下列步驟：
17、步驟31：將“兩個細則”考核費用最小作為下層優化的目標函數，計算公式為
18、步驟32：構建儲能充放電約束設定儲能荷電狀態的約束并保證風電場實際出力的波動在一定范圍內：pt＝pwt,t-ptch+ptdis，
19、其中，us,t為0-1變量，表示儲能t時刻的充放電狀態，表示儲能充放電功率最大值，和分別表示儲能荷電狀態初始值與上下限，ηch和ηdis分別表示儲能充放電效率，pwt,t表示t時刻風電場輸出功率，εmin和εmax分別為風電場出力波動的上下限。
20、進一步的，步驟4具體包括下列步驟：
21、步驟41：采用改進灰狼優化算法求解上層優化問題，灰狼算法中，前三個最強的狼被命名為α狼、β狼、δ狼，其他狼被命名為ω狼，受前三頭狼的引導進行位置更新，其余狼的位置可以按照下式進行更新a＝2ar1-a，c＝2r2，x1＝xα-a1|c1xα-xk|，x2＝xβ-a2|c2xβ-xk|，x3＝xδ-a3|c3xδ-xk|，
22、其中，a表示收斂因子，a和c均為系數向量，x1，x2和x3是迭代的中間變量，xα、xβ和xδ分別表示α狼、β狼和δ狼的位置，xk表示第k次迭代時狼群的位置。
23、步驟42：從三個方面進行提高gwo的收斂能力，一是采用混沌序列初始化，用于提高初始種群個體的多樣性和計算效率：xk+1＝sin(0.5π/xk)，二是使用非線性收斂因子，引入一種基于逆不完全γ函數的收斂因子更新公式使迭代過程更符合實際，三是采用個體修復和罰函數結合的方式對不滿足約束的狼群進行處理，在初始或者更新狼群后，都會判斷個體是否滿足約束條件，如果不滿足將重新隨機生成狼群位置pess＝0.45本文檔來自技高網...
【技術保護點】
1.降低并網運行考核費用的風電場儲能優化配置方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的降低并網運行考核費用的風電場儲能優化配置方法，其特征在于，步驟1具體包括下列步驟：
3.根據權利要求2所述的降低并網運行考核費用的風電場儲能優化配置方法，其特征在于，步驟2具體包括下列步驟：
4.根據權利要求3所述的降低并網運行考核費用的風電場儲能優化配置方法，其特征在于，步驟3具體包括下列步驟：
5.根據權利要求4所述的降低并網運行考核費用的風電場儲能優化配置方法，其特征在于，步驟4具體包括下列步驟：
【技術特征摘要】
1.降低并網運行考核費用的風電場儲能優化配置方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的降低并網運行考核費用的風電場儲能優化配置方法，其特征在于，步驟1具體包括下列步驟：
3.根據權利要求2所述的降低并網運行考核費用的風電場儲能優化配置方法...
【專利技術屬性】
技術研發人員：黨哲輝，
申請(專利權)人：大唐涼山新能源有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。