公开/公告号CN112290592A
专利类型发明专利
公开/公告日2021-01-29
原文格式PDF
申请/专利号CN202011168703.7
申请日2020-10-28
分类号H02J3/38(20060101);H02J3/28(20060101);H02J15/00(20060101);
代理机构43114 长沙市融智专利事务所(普通合伙);
代理人姚瑶
地址 410004 湖南省长沙市天心区新韶东路398号
入库时间 2023-06-19 09:43:16
技术领域
本发明属于能量互联网技术领域,具体涉及一种风光储联合发电系统的容量优化规划方法、系统及可读存储介质。
背景技术
我国风能和太阳能可再生能源丰富,而且多集中在西北地区,西北地区可再生能源装机容量不断增加,但消纳比较困难,电网的调峰能力不足,西北地区弃风弃光现象时有发生。基于可再生能源的风光联合发电系统配置一定容量的储能是满足可再生能源大规模接入的重要手段之一,既可以有效提高风光发电消纳能力,又可以提高发电系统的可靠性和经济性。而风光储联合发电系统的容量大小对于其运行的可靠性和经济性有很大影响,当系统的容量配置过小时,某一时间段内的负荷需求可能得不到满足;配置过大时,可以提高可靠性,但其初始建设成本则会大大增加。因此,科学合理地配置风电场容量、光伏电站容量及储能容量,是风光储联合发电系统规划的关键技术问题之一。
目前,国内外对于风光储联合发电系统容量优化规划的研究多集中在储能形式考虑蓄电池储能的联合发电系统,而西北地区多为山地,海拔较高,因建设规模、场地环境等因素,应用在西北地区有所局限。
发明内容
本发明的目的是提供一种风光储联合发电系统的容量优化规划方法,其考虑重力势能为研究对象构建了含有风电场、光伏电站及重力储能的容量优化规划模型,进而求解出虑重力势能形式下的最优容量规划结果,所述规划尤其是适用于山区较多的西北地区。
本发明提供一种风光储联合发电系统的容量优化规划方法,包括如下步骤:
S1:建立依托山体的重力储能模型;
S2:基于所述重力储能模型构建含有风电场、光伏电站及重力储能的容量优化规划模型,其中,以风光储联合发电系统的总成本最小为目标函数;
S3:求解步骤S2中所述容量优化规划模型得到考虑重力势能形式下的最优容量规划结果。
进一步优选,所述方法还包括:
A:建立含有风电场、光伏电站及蓄电池储能的容量优化规划模型和/或建立有风电场、光伏电站及压缩空气储能的容量优化规划模型;
B:求解容量优化规划模型得到考虑蓄电池储能形式下的最优容量规划结果和/或考虑压缩空气储能形式下的最优容量规划结果;
C:利用熵权法定权的秩和比评价方法,对考虑不同储能形式下的容量规划模型进行评价对比得到不同储能形式下优劣结果。
进一步优选,若分别得到了考虑重力势能形式下、考虑蓄电池储能形式下、考虑压缩空气储能形式下的最优容量规划结果,步骤C的执行过程如下:
基于各类储能形式下的最优容量规划结果计算出不同储能形式下每个评价指标值,并利用熵权法确定每个评价指标对应的权值,所述评价指标至少包含风光互补特性、供电损失率、风光储联合发电系统贡献率中的任意两个或三个;
然后,基于每个指标对应的权值并利用秩和比法计算出不同储能形式对应的加权秩和比;
最后,基于加权秩和比值得大小对不同储能形式的优劣进行排序,得到评价结果;
加权秩和比值越大,对应储能形式的风光储联合发电系统更优。
进一步优选,所述风光互补特性、供电损失率、风光储联合发电系统贡献率的计算公式如下:
式中,D为风光互补特性,f为供电损失率,R为风光储联合发电系统贡献率,
进一步优选,步骤S1中所述重力储能模型中理论重力储能存储的能量W满足:
W=mg·h
式中,h为山体的高度;
重力储能存储过程中电动机消耗电能使得重物从山底拉至山顶,电动机的功率P
P
式中,F
重力储能将重物从山顶轨道处释放至山底,并分为加速阶段和并网阶段,所述并网阶段重力势能减少,带动发动机工作,产生电能供给负荷或输送给电网,下滑过程中的发电机功率P
P
mg·sinθ=F
式中,F
进一步优选,所述目标函数如下:
minC
其中,C
其中,N
其中,Δt
C
其中,C
C
其中,C
其中,w
进一步优选,含有风电场、光伏电站及重力储能的容量优化规划模型中目标函数的约束条件包括:
风光储联合发电系统的容量下限为0,上限为一天中最大负荷的10倍;
重力储能容量应满足:0≤W
风光储联合发电系统与电网交换的功率P
进一步优选,含有风电场、光伏电站及重力储能的容量优化规划模型中风光储联合发电系统容量优化规划策略为:
并网型的风光储联合发电系统运行时,当风力和光伏发电充足时,供给负荷需求,并利用重力储能,直至额定容量,若有剩余,再馈入电网,即有:
P
其中,P
当风力和光伏发电不足时,重力储能放电,若还不满足负荷需求,则向电网购电,即有
P
其中,P
第二方面,本发明提供的一种规划系统,包括处理器和存储器,所述存储器存储了计算机程序,所述处理器调用所述计算机程序以执行所述风光储联合发电系统的容量优化规划方法的步骤。
第三方面,本发明提供一种可读存储介质,存储了计算机程序,所述计算机程序被处理器调用以执行所述风光储联合发电系统的容量优化规划方法的步骤。
有益效果
本发明提供的所述容量优化规划方法考虑重力势能为研究对象构建了含有风电场、光伏电站及重力储能的容量优化规划模型,进而求解出虑重力势能形式下的最优容量规划结果,提供了一种全新的手段以及角度来思考如何进行风光储联合发电系统容量规划,尤其是相较于考虑蓄电池储能的联合发电系统,本发明所述方法与西北多为山地的环境更加匹配和吻合。
附图说明
图1:本发明并网型风光储联合发电系统的系统结构图;
图2:本发明重力储能的能量转换图;
图3:本发明风光储联合发电系统容量优化规划计算流程图;
图4:本发明评价基本过程图;
图5:本发明实施例一天风速预测数据图;
图6:本发明实施例一天光照强度预测数据图;
图7:本发明实施例考虑重力储能时容量规划后的出力曲线图;
图8:本发明实施例考虑蓄电池储能时容量规划后的出力曲线图;
图9:本发明实施例考虑压缩空气储能时容量规划后的出力曲线图。
具体实施方式
本发明提供的一种风光储联合发电系统的容量优化规划方法,其构建了含有风电场、光伏电站及重力储能的容量优化规划模型,进而求解出虑重力势能形式下的最优容量规划结果。进一步地,为了更加深刻的了解不同储能方式的影响,本发明还将考虑重力势能与考虑蓄电池储能和压缩空气储能的风光储联合发电系统进行比对,还对不同储能方式的进行了评价,本发明将以分别考虑了重力势能、蓄电池储能和压缩空气储能的风光储联合发电系统进行比对为例,但是应当理解,其他可行的实施例中,可以将单独将重力势能与蓄电池储能,或重力势能与压缩空气储能形式下风光储联合发电系统进行比对,此外,在一些可行的实施例中,也可以仅仅考虑重力势能一种储能方式,本发明对此不进行具体的限定。下面将结合实施例对本发明做进一步的说明。
本发明实施例提供的一种风光储联合发电系统的容量优化规划方法,包括如下步骤:
步骤1:考虑重力储能的存储能量过程和释放能量过程,建立依托山体的重力储能模型;
步骤2:基于所述重力储能模型构建含有风电场、光伏电站及重力储能的容量优化规划模型、构建含有风电场、光伏电站及蓄电池储能的容量优化规划模型以及构建含有风电场、光伏电站及压缩空气储能的容量优化规划模型;
其中,以风光储联合发电系统的总成本最小为目标函数;
步骤3:利用猫群算法求解模型,得到考虑重力储能、蓄电池储能及压缩空气储能等不同储能形式下分别对应的最优容量规划结果;
步骤4:利用熵权法定权的秩和比评价方法,对考虑不同储能形式下的容量规划模型进行评价对比得到不同储能形式下优劣结果。
具体实现过程中,步骤1中的重力储能模型包括如下内容:存储能量过程以及释放能量过程;
步骤1.1:存储能量过程。重力储能存储和释放能量的多少,与山体的高度、坡度、重物质量等有关。其中,存储能量时,电动机作用,消耗电能,利用滑轮组将重物从山底轨道处拉至山顶,过程中重力势能增加,最终在山顶存储起来。电动机将重物从山底拉上山顶过程中保持匀速,此时重物受力平衡。
F
F
其中,F
P
其中,P
步骤1.2:释放能量过程。释放能量过程相对存储能量过程较复杂,重力储能将重物利用滑轮组从山顶轨道处释放至山底,分为加速阶段和并网阶段,过程中重力势能减少,带动发电机工作,产生电能供给负荷或输送给电网。
加速阶段时,重物下滑速度由零开始,逐渐加速,加速过程中发电机出力不稳定,为避免入网功率的波动过大,不进行并网发电。并网阶段时,重物加速到某一恒定速度(譬如设定为10m/s),重物保持该恒定速度匀速下滑,使发电机发电功率均衡,为保持重物匀速下滑且保护装置安全,电动机加以牵引,此时重物受力平衡。
mg·sinθ=F
其中,F
P
其中,P
由上述可知,存储能量过程中电动机为了将重物拉至山顶,存储重力势能的同时,电动机消耗了电能;释放能量过程中,重力势能减少,带动发电机工作,产生电能供给负荷或输送给电网,同时为了保证匀速,电动机也消耗了一定电能。
假设坡度、重物质量等已知,山体的高度作为影响重力储能容量的唯一因素来研究重力储能的最佳容量。那么理论上重力储能存储的能量为:W=mg·h,其中,W为重力储能存储的能量;h为山体的高度。本实施例中重力储能在能量转换过程中考虑摩擦损耗设定的充放电效率为90%。
步骤2中构建了含有风电场、光伏电站及重力储能的容量优化规划模型、构建含有风电场、光伏电站及蓄电池储能的容量优化规划模型以及构建含有风电场、光伏电站及压缩空气储能的容量优化规划模型三个模型,本实施例中以考虑重力储能的模型为例进行说明,另外两个模型以类似方式构建。
其中,容量优化规划模型主要是包含下述三个部分:目标函数,约束条件以及规划策略。
第1点:风光储联合发电系统容量优化规划模型的目标函数为总成本最小,考虑的成本包括:系统初始成本、运行维护成本、购电成本、售电收益及环保收益。数学表达式为:
minC
其中,C
将系统的初始成本折算至日初始成本,日初始成本为:
其中,N
系统的运行维护成本为:
其中,Δt
系统向电网的购电成本为:
C
其中,C
系统向电网的售电收益为:
C
其中,C
一般来说,传统火力发电系统的污染物主要有SO
其中,w
第2点:考虑重力势能的容量优化规划模型的约束条件包括:
1.风光储联合发电系统的容量下限为0,上限为一天中最大负荷的10倍,本实施例中即为2380MW,满足:
0≤N
其中,p
2.重力储能的容量取决于山体的高度,应满足:
0≤W
其中,h
3.风光储联合发电系统与电网交换的功率要满足:
P
其中,P
此外,若是考虑蓄电池储能或压缩空气储能,其模型约束条件还包括:储能的荷电状态约束:
为防止蓄电池储能和压缩空气储能过度充放电而降低其使用寿命,对荷电状态进行约束,即有
其中,SOC
应当理解,考虑蓄电池储能或压缩空气储能时,其约束条件也应当包含前述第1点和第3点。
第3点:容量优化规划模型钟对应的容量优化规划策略为:
并网型的风光储联合发电系统运行时,当风力和光伏发电充足时,供给负荷需求,并利用重力储能,直至额定容量,若有剩余,再馈入电网,即有:
P
其中,P
当风力和光伏发电不足时,重力储能放电,若还不满足负荷需求,则向电网购电,即有
P
其中,P
步骤3中,本实施例中选择成熟的猫群算法求解模型,其中,包括如下步骤:
步骤3.1:参考步骤2所述模型,在求解过程中需要用到实际参数,其中利用纬度n
譬如,本实施例上述参数具体设置为:
利用纬度38°44′、经度106°0′、平均光照强度4.32kW/m
步骤3.2:初始化群体参数,记忆池SMP,变化域SRD,变化数CDC,分组率SR;譬如,本实施例中设定记忆池30,变化域0.9,变化数50,分组率0.4。
步骤3.3:将目标函数C
步骤3.4:利用猫群算法求出符合要求的最优解,输出的最优解作为最优容量规划结果,其中,考虑重力势能形式下最优容量规划结果就是计算出风电场装机数量N
步骤3.5:考虑蓄电池储能,重复步骤3.2~3.4,输出的最优解作为步骤3中所述的最优容量规划结果;
步骤3.6:考虑压缩空气储能,重复步骤3.2~3.4,输出的最优解作为步骤3中所述的最优容量规划结果;
由于猫群算法是现有成熟算法,其实现过程如图3的流程图所示,因此本发明对其具体实现过程不进行具体的阐述。
步骤4:利用熵权法定权的秩和比评价方法,对考虑不同储能形式下的容量规划模型进行评价对比得到不同储能形式下优劣结果的过程如下:
步骤3.7:基于各类储能形式下的最优容量规划结果计算出不同储能形式下每个评价指标值,即计算出各类储能形式下对应的风光互补特性、供电损失率、风光储联合发电系统贡献率;然后再利用熵权法确定风光互补特性、供电损失率、风光储联合发电系统贡献率的权值。
步骤3.8:基于每个指标对应的权值并利用秩和比法计算出不同储能形式对应的加权秩和比。
步骤3.9:基于加权秩和比值得大小对不同储能形式的优劣进行排序,得到评价结果。
具体的,加权秩和比值公式如下:
其中,R
在一些可行的实施例中,本发明还提供一种规划系统,其包括:
重力储能模型构建模块,用于构建依托山体的重力储能模型;
容量优化规划模型构建模块,用于构建容量优化规划模型,如含有风电场、光伏电站及重力储能的容量优化规划模型、含有风电场、光伏电站及蓄电池储能的容量优化规划模型、含有风电场、光伏电站及压缩空气储能的容量优化规划模型;
最优容量规划结构计算模块,用于求解容量优化规划模型得到储能形式下的最优容量规划结果。
进一步地,若是与蓄电池储能、压缩空气储能进行比对,则所述系统还包括:评价模块,用于利用熵权法定权的秩和比评价方法,对考虑不同储能形式下的容量规划模型进行评价对比得到不同储能形式下优劣结果。
应当理解,上述单元模块的具体实现过程参照方法内容,本发明在此不进行具体的赘述,且上述功能模块单元的划分仅仅是一种逻辑功能的划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。同时,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
在一些可行的实施例中,本发明还提供一种系统,包括处理器和存储器,所述存储器存储了计算机程序,所述处理器调用所述计算机程序以执行所述风光储联合发电系统的容量优化规划方法的步骤。
在一些可行的实施例中,本发明提供一种可读存储介质,存储了计算机程序,所述计算机程序被处理器调用以执行所述风光储联合发电系统的容量优化规划方法的步骤。
应当理解,在本发明实施例中,所称处理器可以是中央处理单元(CentralProcessing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器可以包括只读存储器和随机存取存储器,并向处理器提供指令和数据。存储器的一部分还可以包括非易失性随机存取存储器。例如,存储器还可以存储设备类型的信息。
所述可读存储介质为计算机可读存储介质,其可以是前述任一实施例所述的控制器的内部存储单元,例如控制器的硬盘或内存。所述可读存储介质也可以是所述控制器的外部存储设备,例如所述控制器上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述可读存储介质还可以既包括所述控制器的内部存储单元也包括外部存储设备。所述可读存储介质用于存储所述计算机程序以及所述控制器所需的其他程序和数据。所述可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
需要强调的是,本发明所述的实例是说明性的,而不是限定性的,因此本发明不限于具体实施方式中所述的实例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,不脱离本发明宗旨和范围的,不论是修改还是替换,同样属于本发明的保护范围。
机译: 用于确定特征号的数据处理系统涉及一种计算机可读存储介质,该数据处理系统确保在确定付款之前的使用期限,该计算机可读存储介质上存储有用于确定特征数据的程序
机译: 一种用于使特别是车辆的储能器放电的方法,系统,计算机程序以及电动车辆的电池,其具有预定的放电极限阈值,特别是低于所述储能器的最大容量
机译: 眼内晶状体(iol)功率计算方法和系统,一种或多种计算机可读非瞬态存储介质以及计算机可读非瞬态存储介质