一种多储能柔性抑制风电的随机动态规划方法

摘要

本发明公开了一种多储能柔性抑制风电的随机动态规划方法，属于电力系统自动化的技术领域。该方法首先根据储能参数构建以储能充放电成本最小为目标函数的多储能模型，在原有储能储量上下限的基础上增加了储能充电上比例系数以及储能放电下比例系数，在已知日常调度概率的基础上利用随机动态规划方法对多储能模型进行优化。本发明在满足约束条件的情况下最小化储能充放电成本，能够柔性抑制风电随机性并增长储能寿命。

说明书

技术领域

本发明公开了一种多储能柔性抑制风电的随机动态规划方法，属于电力系统自动化的技术领域。

背景技术

当前，节能减排并且遏制全球变暖已经成为全世界面临的一项共同挑战和重要议题。由于我国电力行业多以利用煤炭发电为主，所以节能减排的问题在我国电力行业表现得尤为突出。随着人们环保意识的增强，开发风能可以实现能源的可持续发展并减轻煤炭发电等不可再生能源发电在我国总发电中的占比。随着微电网技术的发展，风电等基于可再生能源的发电技术已经成为未来电力系统以及电网的主流趋势，然而相比于传统能源，风电具有很强的随机性、间歇性以及波动性且供电可靠性更低，同时，风电难以预测和控制的特点使得电网的安全风险增加。风电直接接入电网时会损害电网，且风电是不确定性和波动性使得根据经验制定的调度计划往往不可行且难以保证电网的安全性和经济性。利用储能储存风电可以很好地抑制风电的随机性，并且能够减少风电直接接入电网时对电网安全控制造成的威胁。利用储能抑制风电随机性(即，储能在各个阶段根据风电出力进行充放电)从而达到负荷平衡的要求，然而，储能在充放电的过程中容易过充或者过放，过充或过放对储能造成损伤且减少储能的使用寿命。

发明内容

本发明的发明目的是针对上述背景技术的不足，提供了一种多储能柔性抑制风电的随机动态规划方法，根据储能日常调度的概率分布并考虑最大允许充电容量比例及最小放电容量比例的限制对储能的充放电进行随机动态规划，以较小的充放电成本实现了柔性抑制风电随机性的目的，解决了按经验制定调度计划不能抵御风电不确定和波动性对电网冲击的这一技术问题。

本发明为实现上述发明目的采用如下技术方案：

一种多储能柔性抑制风电的随机动态规划方法，建立包含但不限于储能充放电限制约束的多储能充放电优化模型，所述储能充放电限制约束通过限制储能允许充放电容量的上下限调节储能的状态；离散化储能充放电周期及储能储量，根据储能日常调度功率的概率分布并利用随机动态规划方法求解多储能充放电优化模型。

进一步地，多储能柔性抑制风电的随机动态规划方法中，储能充放电限制约束通过限制储能允许充放电容量的上下限调节储能的状态具体为：储能充放电限制约束通过引入储能允许充电容量的上比例系数和储能允许放电容量的下比例系数来确定储能允许的最大充电容量和最小放电容量，在任意储能的储量超过其允许的最大充电容量但未超过其储能容量上限时切换该储能至放电状态，在任意储能的储量低于其允许的最小放电容量但未低于其储能容量下限时切换该储能至充电状态。

再进一步地，多储能柔性抑制风电的随机动态规划方法中，多储能充放电优化模型以储能充放电成本最低为目标函数，包含储能充放电状态约束、储能起始状态以及终止状态约束、负荷平衡约束、储能充放电约束、储能储量约束、储能充放电爬坡率约束、储能充放电限制约束，

目标函数：

储能充放电状态约束：U_ch,k,t+U_dis,k,t＝1，

储能起始状态以及终止状态约束：

负荷平衡约束：

储能充放电约束：

储能储量约束：E_k,min≤E_k,t≤E_k,max，E_k,t+1＝E_k,t+(P_ch,k,tU_ch,k,t-P_dis,k,tU_dis,k,t)Δt，

储能充放电爬坡率约束：

储能充放电限制约束：

其中，F为储能充放电成本，p_t为在t时刻根据充放电功率得到的储能日常调度功率的概率分布，λ_k,t为第k个储能在t时刻充放电的成本系数，P_ch,k,t、P_ch,k,t+1分别为第k个储能在t时刻、t+1时刻的充电功率，P_dis,k,t、P_dis,k,t+1分别为第k个储能在t时刻、t+1时刻的放电功率，K为储能数量，T为储能充放电时刻的总数，U_ch,k,t、U_ch,k,t+1分别为第k个储能在t时刻、t+1时刻的充电状态变量，U_dis,k,t、U_dis,k,t+1分别为第k个储能在t时刻、t+1时刻的放电状态变量，E_k,0、E_k,T-1分别为第k个储能在0时刻、T-1时刻的剩余储量，E_k,initial、E_k,final分别为已知第k个储能在0时刻、T-1时刻的剩余储量，P_w,t为风电机组在t时刻的出力，P_load,t为t时刻负荷的功耗，E_k,t、E_k,t+1分别为第k个储能在t时刻、t+1时刻的储量，Δt为相邻两时刻的时间间隔，E_k,max、E_k,min分别为第k个储能的容量上下限，P_ch,k,max、P_dis,k,max分别为第k个储能的充电最大功率值和放电最大功率值，Z_ch,k,max、Z_dis,k,max分别为第k个储能充电爬坡率上限和放电爬坡率上限，α为储能允许充电容量的上比例系数，β为储能允许放电容量的下比例系数,Y_ch,k,t为表征第k个储能在t时刻从放电状态切换至充电状态的变量、Y_dis,k,t为第k个储能在t时刻从放电状态切换至充电状态的变量。

再进一步地，多储能柔性抑制风电的随机动态规划方法中，离散化储能充放电周期及储能储量的方法为：将储能的充放电周期离散为T个充放电时刻，相邻两时刻的时间间隔为Δt，将储能容量离散为S个点，相邻两点的电量差为Δs，第k个储能在t时刻储量E_k,t的离散序列为：E_k,t∈{E_k,min,E_k,min+Δs,E_k,min+2Δs,...,E_k,max-Δs,E_k,max}。

更进一步地，多储能柔性抑制风电的随机动态规划方法中，利用随机动态规划方法求解多储能充放电优化模型时，转换所述多储能充放电优化模型的目标函数为：其中，F₀、F_t、F_t+1分别为0时刻、t时刻、t+1时刻的储能充放电成本。

更进一步地，多储能柔性抑制风电的随机动态规划方法中，根据储能日常调度功率的概率分布并利用随机动态规划方法求解多储能充放电优化模型，具体方法为：根据上一充放电周期的充放电标记以及储能充放电约束运行的储能在满足其充放电爬坡率约束时，以第k个储能在t时刻的储量为状态变量，由状态转移方程：E_k,t+1＝E_k,t+(P_ch,k,tU_ch,k,t-P_dis,k,tU_dis,k,t)Δt确定第k个储能在t+1时刻的储量，第k个储能在t时刻的储量超过其允许的最大充电容量但未超过其储能容量上限时决策第k个储能在下一时刻为放电状态，第k个储能在t时刻的储量低于其允许的最小放电容量但未低于其储能容量下限时决策第k个储能下一时刻为充电状态，周而复始地，根据储能在t时刻的储量是否满足其储能充放电限制约束决策所有储能在下一时刻的充放电状态，在t时刻决策的所有储能在下一时刻的充放电状态满足负荷平衡约束时记录t时刻的阶段函数ν_t：根据t时刻的阶段函数得到t+1时刻储能充放电的成本并进行下一时刻的决策，在t时刻决策的所有储能在下一时刻的充放电状态不满足负荷平衡约束时重新选择作为状态变量的储能并决策所有储能在下一时刻的充放电状态。

本发明采用上述技术方案，具有以下有益效果：

(1)建立的多储能优化模型在原有储能储量上下限的基础上增加了储能充电上比例系数以及储能放电下比例系数，由该优化模型得到的调度方案在储能储量大于其允许的最大充电容量但未超过储能容量上限时决策储能下一时刻进入放电状态，在储能储量小于其允许的最小放电容量但未低于其储能容量下限时决策储能下一时刻进入充电状态，以能够实现多储能柔性抑制风电随机性且满足负荷平衡约束的决策集合为最优调度方案，避免了按经验调度的刻板，灵活调节储能的充放电状态，不仅可以柔性抑制风电随机性还可以增长储能寿命；

(2)根据储能日常调度的概率分布并考虑储能充放电状态约束、储能起始状态以及终止状态约束、负荷平衡约束、储能充放电约束、储能储量约束、储能充放电爬坡率约束、储能充放电限制约束对储能进行优化，对负荷进行削峰填谷，使得负荷曲线更加平坦，在满足约束条件的情况下最小化储能充放电成本，从而实现多能源系统整体利益的最大化。

附图说明

图1为多储能多阶段决策递推的过程图。

图2为随机动态规划方法的流程图。

具体实施方式

下面结合附图对发明的技术方案进行详细说明。

图1为多储能多阶段决策递推过程图，根据储能充放电约束以及储能充放电爬坡率约束，t时刻的储能储量进行存在概率关系的充放电操作，t时刻的储能储量以及充放电量决定t+1时刻的储能储量。

图2为随机动态规划方法流程图，该图阐述了在多储能优化模型下的随机动态规划方法流程。

(一)构建多储能优化模型

(1)目标函数：

其中，F为储能充放电的成本，p_t为在t时刻根据充放电功率得到的储能日常调度功率的概率分布，λ_k,t为第k个储能在t时刻充放电的成本系数，P_ch,k,t为第k个储能在t时刻的充电功率，P_dis,k,t为第k个储能在t时刻的放电功率，U_ch,k,t、U_dis,k,t为第k个储能在t时刻的充放电状态变量，K为储能数量，T为储能时段总数；

(2)约束条件：

储能充放电状态约束：对于任意储能k任意时间t，均满足：

U_ch,k,t+U_dis,k,t＝1，

其中,U_ch,k,t、U_dis,k,t为第k个储能在t时刻的充放电状态变量，取值为0或1，1代表着第k个储能在t时刻充电或者放电，0代表着第k个储能在t时刻不充电也不放电，U_ch,k,t+U_dis,k,t＝1表明第k个储能在t时刻只能充电或者放电，

储能起始状态以及终止状态约束：对于任意时间t，均满足：

其中，E_k,0、E_k,T-1为第k个储能在0时刻、T-1时刻的剩余储量，E_k,initial、E_k,final为已知第k个储能在0时刻、T-1时刻的剩余储量，

负荷平衡约束：对于任意时间t，均满足：

其中，P_w,t为风电在t时刻的出力，P_load,t为t时刻的负荷功率，

储能储量充放电约束：对于任意储能k任意时间t，均满足：

E_k,t+1＝E_k,t+(P_ch,k,tU_ch,k,t-P_dis,k,tU_dis,k,t)Δt，

其中，E_k,t、E_k,t+1为第k个储能在t时刻、t+1时刻的储能储量，Δt为t时刻到t+1时刻的时间间隔，

储能充放电约束：对于任意储能k任意时间t，均满足：

其中，P_ch,k,max、P_dis,k,max为第k个储能充电最大功率值和放电最大功率值，

储能储量约束：对于任意储能k任意时间t，均满足：

E_k,min≤E_k,t≤E_k,max，

其中，E_k,t为第k个储能在t时刻的电能储量，E_k,min、E_k,max分别为第k个储能容量的最小值和最大值，

储能充放电爬坡率约束：对于任意储能k任意时间t，均满足：

其中，P_ch,k,t、P_ch,k,t+1为第k个储能在t时刻、t+1时刻的充电功率，P_dis,k,t、P_dis,k,t+1为第k个储能在t时刻、t+1时刻的放电功率，U_ch,k,t、U_ch,k,t+1为k储能在t时刻、t+1的充电状态变量，U_dis,k,t、U_dis,k,t+1为k储能在t时刻、t+1的放电状态变量，Z_ch,k,max、Z_dis,k,max分别为第k个储能充电爬坡率上限和放电爬坡率上限。储能充放电限制约束：对于任意储能k任意时间t，均满足：

其中，E_k,t为第k个储能在t时刻的电能储量，α为储能允许充电容量的上比例系数，β为储能允许放电容量的下比例系数,Y_ch,k,t、Y_dis,k,t分别为充电转换变量和放电转换变量，取值为0或1，Y_ch,k,t为1代表着第k个储能在t时刻充电而在t+1时刻切换至放电状态，Y_dis,k,t为1代表着第k个储能在t时刻放电而在t+1时刻切换至充电状态，E_k,min、E_k,max分别为第k个储能容量的最小值和最大值。

(二)、利用随机动态规划方法求解多储能优化模型

第一步，将储能的一个周期分成T个离散的阶段，相邻两个阶段之间的时间间隔为Δt，则阶段t∈{0,1,2,...,T}，起始阶段t＝0，终止阶段t＝T；

第二步，将储能的容量分成S个离散的点，每个点之间相隔的电量差为Δs，每个阶段上的每个点都代表储能不同状态，则第k个储能在t时刻的储能储量E_k,t∈{E_k,min,E_k,min+Δs,E_k,min+2Δs,...,E_k,max-Δs,E_k,max}；

第三步，将第k个储能在t时刻储量E_k,t作为状态变量，将储能每个阶段的充放电电量作为决策量，则状态转移方程为E_k,t+1＝E_k,t+(P_ch,k,tU_ch,k,t-P_dis,k,tU_dis,k,t)Δt；

第四步，从第0时刻开始对多储能进行充放电，下面以第k个储能在t时刻进行充放电为例；

第五步，以第k个储能在t时刻储量E_k,t作为状态，根据本时段储能储量范围以及储能充放电约束对储能进行充放电，且相邻两个阶段的充放电量需满足储能充放电爬坡率约束并且储能充放电后的储能储量也要满足储能储量约束E_k,min≤E_k,t≤E_k,max，若不满足，则重新选择决策；

第六步，多储能的决策集合即每一阶段多储能充放电之和以及该时段风电出力需满足负荷平衡约束：进一步选出满足约束的决策集合，找出所有满足条件的阶段函数

第七步，根据之前求得的t时刻的最优结果F_t以及储能日常调度的概率p_t以及目标函数得到t+1时刻的最优结果F_t+1；

第八步，t＝t+1，跳到第五步，重新开始下一时段最优结果的计算。

整个随机动态规划方法求解过程即循环计算上述五、六、七、八四个步骤，当t＝T，结束计算，最终求得F_T即为整个过程的最优结果。