[發明專利]考慮大規模風電接入的混合儲能容量優化配置方法及系統

有效

• 申請號: 202011096065.2
• 申請日: 2020-10-14
• 公開（公告）號: CN112307603B
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 張倩茅;姚福星;齊曉光;張松巖;王穎;張菁;朱天曈;韓璟琳;孫鵬飛;劉芮;邵華;苗世洪
• 申請（專利權）人: 國網河北省電力有限公司經濟技術研究院;國家電網有限公司;華中科技大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;H02J3/28;H02J15/00;G06N3/006;G06Q10/0631;G06Q50/06
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智

1.一種考慮大規模風電接入的混合儲能容量優化配置方法，其特征在于，所述混合儲能包括壓縮空氣儲能CAES和全釩液流電池VRB，所述方法包括以下步驟：

S1、構建容量決策模型以及日前調度模型；

S2、采用粒子群優化算法，初始化各粒子的參數，并進行可行性檢測；

S3、對各典型日下的風電出力進行經驗模態分解，并將分解出的高頻本征模態函數分量之和作為VRB的期望平抑功率；基于所述期望平抑功率、所述日前調度模型以及各粒子的位置參數，確定各典型日的運行成本；

S4、基于所述各典型日的運行成本，得到相應的年度運行成本，并結合所述容量決策模型，計算各粒子的適應度，直至輸出最優配置結果；

所述容量決策模型的目標函數為：

C_ins＝c_VRB,E*E_VRB+c_VRB,p*P_VRB,r+c_CAES,c*P_CAES,rc+c_CAES,g*P_CAES,rg+c_ST*V_ST

C_om＝c_VRB,om*P_VRB,r+c_CAES,om*(P_CAES,rc+P_CAES,rg)

其中，i為折現率，T_CAES和T_VRB分別為CAES及VRB的壽命，C_ins、C_rep、C_rec、C_om、C_op分別為混合儲能系統的安裝成本、置換成本、殘值回收、年度維護成本、年度運行成本；c_VRB,E和c_VRB,p分別為VRB的單位容量成本及單位功率成本，E_VRB為VRB的規劃容量，P_VRB,r為VRB的額定功率，c_CAES,c、c_CAES,g、c_ST分別為CAES的壓縮機、膨脹機、儲氣室成本系數，P_CAES,rc、P_CAES,rg和V_ST分別為CAES的額定壓縮功率、額定發電功率及儲氣室容積；c_VRB,om和c_CAES,om分別為VRB及CAES每年單位額定功率的維護成本系數，n為VRB需要進行置換的次數，代表向上取整；

以典型日運行成本最小為目標，構建所述日前調度模型的目標函數；其中，所述典型日運行成本包括電網向常規機組的購電成本、電網向常規機組的備用購置成本、VRB不按照預期方式出力的懲罰成本以及棄風成本；

所述日前調度模型的目標函數為：

min(C_G,g+C_G,R+C_H,gov+C_W,cur)

其中，C_G,g、C_G,R、C_H,pen和C_W,cur分別為電網向常規機組的購電成本、電網向常規機組的備用購置成本、VRB不按照預期方式出力的懲罰成本以及棄風成本；N_G為常規機組數目，T為調度時段數，a_i及b_i分別為常規機組i的發電成本一次項及常數項系數，P_G,i,t表示機組i在t時段的發電功率，S_G,i,t代表機組i在t時段的啟動成本；α_i及β_i分別為電網向常規機組i購買正、負備用容量的單價，和分別為電網在t時段向機組i購買的正、負備用容量；λ_H,pen為VRB不按預期方式出力的單位功率懲罰項，P_VRB,c,t和P_VRB,d,t分別為VRB在t時段的實際充、放電功率，為VRB在t時段的期望充放電功率；λ_W,cur為單位棄風成本，P_W,f,t為t時段的風電預測出力，P_W,t為t時段的風電實際調度出力；

所述步驟S2中初始化各粒子的參數包括：

在所述容量決策模型的約束條件范圍內初始化各粒子的位置及速度，生成VRB的規劃容量、VRB的額定功率、CAES的額定壓縮功率、CAES的額定發電功率、CAES的儲氣室容積的初始值；

所述步驟S2中進行可行性檢測包括：

基于更新VRB的規劃容量、VRB的額定功率、CAES的額定壓縮功率、CAES的額定發電功率、CAES的儲氣室容積；其中，k_g為發電系數，p_ST,max及p_ST,min分別為儲氣室氣壓的上下限；

所述步驟S4中計算各粒子的適應度，直至輸出最優配置結果包括：

根據各粒子的適應度，更新個體最優位置及全局最優位置；根據慣性因子及加速常數，更新各粒子的位置及速度，直至達到最大迭代次數或結果收斂，則輸出最優的VRB的規劃容量、VRB的額定功率、CAES的額定壓縮功率、CAES的額定發電功率、CAES的儲氣室容積。

2.一種考慮大規模風電接入的混合儲能容量優化配置系統，其特征在于，所述混合儲能包括壓縮空氣儲能CAES和全釩液流電池VRB，所述混合儲能容量優化配置系統包括：

模型建立模塊，用于構建容量決策模型以及日前調度模型；

初始化模塊，用于采用粒子群優化算法，初始化各粒子的參數；

可行性檢測模塊，用于進行可行性檢測；

運行成本獲取模塊，用于對各典型日下的風電出力進行經驗模態分解，并將分解出的高頻本征模態函數分量之和作為VRB的期望平抑功率；基于所述期望平抑功率、所述日前調度模型以及各粒子的位置參數，確定各典型日的運行成本；

輸出模塊，用于基于所述各典型日的運行成本，得到相應的年度運行成本，并結合所述容量決策模型，計算各粒子的適應度，直至輸出最優配置結果；

所述容量決策模型的目標函數為：

C_ins＝c_VRB,E*E_VRB+c_VRB,p*P_VRB,r+c_CAES,c*P_CAES,rc+c_CAES,g*P_CAES,rg+c_ST*V_ST

C_om＝c_VRB,om*P_VRB,r+c_CAES,om*(P_CAES,rc+P_CAES,rg)

其中，i為折現率，T_CAES和T_VRB分別為CAES及VRB的壽命，C_ins、C_rep、C_rec、C_om、C_op分別為混合儲能系統的安裝成本、置換成本、殘值回收、年度維護成本、年度運行成本；c_VRB,E和c_VRB,p分別為VRB的單位容量成本及單位功率成本，E_VRB為VRB的規劃容量，P_VRB,r為VRB的額定功率，c_CAES,c、c_CAES,g、c_ST分別為CAES的壓縮機、膨脹機、儲氣室成本系數，P_CAES,rc、P_CAES,rg和V_ST分別為CAES的額定壓縮功率、額定發電功率及儲氣室容積；c_VRB,om和c_CAES,om分別為VRB及CAES每年單位額定功率的維護成本系數，n為VRB需要進行置換的次數，代表向上取整；

所述模型建立模塊，還用于以典型日運行成本最小為目標，構建所述日前調度模型的目標函數；其中，所述典型日運行成本包括電網向常規機組的購電成本、電網向常規機組的備用購置成本、VRB不按照預期方式出力的懲罰成本以及棄風成本；

所述日前調度模型的目標函數為：

min(C_G,g+C_G,R+C_H,gov+C_W,cur)

其中，C_G,g、C_G,R、C_H,pen和C_W,cur分別為電網向常規機組的購電成本、電網向常規機組的備用購置成本、VRB不按照預期方式出力的懲罰成本以及棄風成本；N_G為常規機組數目，T為調度時段數，a_i及b_i分別為常規機組i的發電成本一次項及常數項系數，P_G,i,t表示機組i在t時段的發電功率，S_G,i,t代表機組i在t時段的啟動成本；α_i及β_i分別為電網向常規機組i購買正、負備用容量的單價，和分別為電網在t時段向機組i購買的正、負備用容量；λ_H,pen為VRB不按預期方式出力的單位功率懲罰項，P_VRB,c,t和P_VRB,d,t分別為VRB在t時段的實際充、放電功率，為VRB在t時段的期望充放電功率；λ_W,cur為單位棄風成本，P_W,f,t為t時段的風電預測出力，P_W,t為t時段的風電實際調度出力；

所述初始化模塊具體用于，

在所述容量決策模型的約束條件范圍內初始化各粒子的位置及速度，生成VRB的規劃容量、VRB的額定功率、CAES的額定壓縮功率、CAES的額定發電功率、CAES的儲氣室容積的初始值；

所述可行性檢測模塊具體用于，

基于更新VRB的規劃容量、VRB的額定功率、CAES的額定壓縮功率、CAES的額定發電功率、CAES的儲氣室容積；其中，k_g為發電系數，p_ST,max及p_ST,min分別為儲氣室氣壓的上下限；

所述輸出模塊還用于，

根據各粒子的適應度，更新個體最優位置及全局最優位置；根據慣性因子及加速常數，更新各粒子的位置及速度，直至達到最大迭代次數或結果收斂，則輸出最優的VRB的規劃容量、VRB的額定功率、CAES的額定壓縮功率、CAES的額定發電功率、CAES的儲氣室容積。