[發明專利]通過電轉氣儲能技術提高電力系統對風電消納能力的方法

有效

• 申請號: 201710238228.8
• 申請日: 2017-04-13
• 公開（公告）號: CN106877409B
• 公開（公告）日: 2019-09-27
• 發明（設計）人: 荊樹志;聶萌;王洋;徐珂;朱曉榮;韓丹慧
• 申請（專利權）人: 國網山東省電力公司菏澤供電公司;華北電力大學（保定）
• 主分類號: H02J3/46
• 分類號: H02J3/46;G06Q50/06
• 代理公司: 北京科億知識產權代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

1.一種通過電轉氣儲能技術提高電力系統對風電消納能力的方法，其特征在于：

步驟1：估計日前預測t時段系統負荷P_LOAD,t和日前預測t時段風電出力t∈1, … ,T，1-T為次日24個時段：由以下具體步驟組成：

步驟1-1：將過去一個月風電場的實測風電出力數據進行頻域分解，得到日周期頻域分量、低頻分量和高頻分量；

步驟1-2：采用BP神經網絡擬合日周期頻域分量的預測模型；

步驟1-3：采用一元線性回歸方法預測低頻分量的預測模型：

式中：

——日前預測t時段風電低頻分量出力；

——已知的t₁時段風電的低頻分量實際出力；

——已知的t₂時段風電的低頻分量實際出力；

步驟1-4：通過提升小波分解高頻分量，將得到的第二層提升小波域的低頻系數用BP神經網絡訓練高頻分量數學模型；

步驟1-5：分別使用日周期頻域分量預測模型、低頻分量預測模型和高頻分量數學模型預測日前風電出力的日周期頻域分量預測值、低頻分量預測值和高頻分量預測值；

步驟1-6：將日前風電出力的日周期頻域分量預測值、低頻分量預測值和高頻分量預測值累加，得到日前風電出力的預測值；

步驟1-7：通過人工神經網絡法對負荷進行預測：構建負荷預測模型的網絡結構，選取過去兩周的歷史日負荷作為訓練樣本，對負荷預測模型的系數進行訓練，使其滿足預設的精度要求；

步驟2：以“確保系統對預測所得風電按最小棄風方式消納”為原則，優化風電消納能力：

目標函數為

式中：

——日前預測t時段風電出力；

P_WIND,t——系統在t時段可消納的風電出力；

P_LOAD,t——日前預測t時段系統負荷；

d_i——常規機組開機狀態D＝{d_i|i∈1… N}，單臺機組全時段啟停狀態恒定，d_i＝1即機組開機，d_i＝0即機組i停機；

P_G,i,t——常規機組i在時段t的出力；常規機組包括非風電機組與外送聯絡線等值機組；

約束條件為：

時段t的電力平衡約束

常規機組在時段t的出力約束：

對于非風電機組，與分別為機組的最小出力與最大出力；對于聯絡線傳輸功率，與分別為外送合同規定的時段t最小輸送電力與最大輸送電力；

常規機組增減出力約束：

對于非風電機組，與分別為機組的最大增出力速率與最大減出力速率；對于聯絡線功率，與分別為聯絡線考核標準約束下的功率波動允許值的上下限；

風電出力約束：

系統在時段t的旋轉備用約束：

式中分別為滿足系統安全要求的最小正備用容量與最小負備用容量；

常規機組啟停狀態約束：

式中：非可關閉機組的狀態量d_i為1；可關閉機組處于開機或關機狀態時，其狀態量d_i相應取1或0；

待優化變量為常規機組開機狀態集D＝{d_i|i∈1… N}、常規機組i在時段t的出力P_G,i,t，常規機組包括非風電機組與外送聯絡線等值機組、系統在時段t可消納的風電出力P_WIND,t；

步驟3：判斷是否需要平移負荷參與：若則考慮日前機組的運行、備用、檢修狀況，預先合理調度安排t時段第1-第N臺發電機組的啟停狀態d_i和出力P_G,i,t，生成日前調度計劃Ⅰ；若則平移負荷參與調度；

步驟4：求解可平移負荷：

目標函數為：

式中：為平移負荷量；

約束條件為：

平移時段約束：

式中：s_k,t為最早可能轉入時段；d_k,t為第k類可平移負荷的平移裕度，x_k,t,t'為從t時段轉至t'時段的k類可平移負荷單元數；

平移量約束：

式中：x_k,t為t時段的k類可平移負荷單元數量；

風電功率約束：

步驟5：判斷是否需要電轉氣儲能裝置工作：若則在調度安排t時段第1—第N臺發電機組的啟停狀態d_i和出力P_G,i,t基礎上，考慮可平移負荷種類及各類可平移負荷單元的用電特性得到的平移負荷量生成含有平移負荷參與的日前調度計劃Ⅱ；若則啟動電轉氣儲能裝置；

步驟6：啟動電轉氣儲能：令t時段剩余電能剩余電能參與電解水反應，生成的氫氣與二氧化碳進行化學反應產生甲烷，將得到的人工合成天然氣CH₄輸送到天然氣系統，輸送的天然氣體積由目標函數確定：

步驟7:測量風電的實時出力若則轉向步驟6；若則結束判定。

2.根據權利要求1所述的通過電轉氣儲能技術提高電力系統對風電消納能力的方法，其特征在于：BP神經網絡采用單隱含層神經網絡，網絡中間層的神經元傳遞函數采用S型的正切傳遞函數，輸出層神經元傳遞函數采用S型的對數傳遞函數。