一种考虑风电预测误差时空相关性复合储能优化配置方法

摘要

本发明涉及一种考虑风电预测误差时空相关性复合储能优化配置方法，包括步骤S1：运用核密度估计方法建立多个风电场预测误差的边缘分布函数，针对误差分布的特点，构建混合copula函数模型；步骤S2：使用最大期望值算法估计copula函数参数，并确定每种copula函数所占权重，采用蒙特卡洛场景生成法和K‑means聚类进行场景生成与缩减，得到优化配置所需场景；步骤S3：以系统总成本最小为目标，构建考虑输电网络运行的储能优化配置模型；步骤S4：模型中考虑能量损失比例评价指标与储能效益评价指标；步骤S5：对模型进行线性化处理，采用求解器和狼群算法联合对问题模型进行求解，最终得到最佳配置容量，实现系统的最优经济运行。

说明书

技术领域

本发明涉及储能优化配置技术领域，尤其涉及一种考虑风电预测误差时 空相关性复合储能优化配置方法。

背景技术

近年来，世界的环境和能源问题变得日益严重，风力发电作为清洁能 源的重要发电形式之一，已经对电力行业的发展产生了重大影响。随着风 电的跨越式发展，区域性风电集群的增多，风电的间歇性、不确定性对电 力系统安全、稳定和经济运行的影响日益突显。配置储能装置可以作为一 种有效的方法来解决上述问题。但由于储能装置价格昂贵，如何切实的配 置储能装置的最佳容量，已成为越来越重要的问题。

然而，在以往对储能优化配置的研究中，较少考虑风电功率预测误差 对储能优化配置的影响；对于不同风电场预测误差的时空相关性研究较少， 大多采用单一的copula函数描述风电出力相关性；优化场景大多选用单个 风电场出力的单一场景，选取的场景单一，不具有代表性；针对复合储能 的优化配置，大多数只针对单一的化学储能和蓄热罐储能，对于超级电容、 飞轮储能和压缩空气等不同形式的储能配置研究较少；在区域电网优化配 置模型中，对于网络潮流约束考虑不足，没有将其进一步细分，引入目标 函数之中；储能装置对区域电网的能量利用率的提升和系统总成本的减少 的作用没有评价指标；同时在求解方式上过于复杂，传统的优化算法求解 难以满足的优化调度的计算需求。针对上述这些问题，对于考虑风电预测 误差时空相关性的复合储能优化配置方法的研究，对减少储能装置投资， 维持电力系统的安全、稳定运行，具有重要意义。

发明内容

针对上述问题，本发明的目的在于提供一种考虑风电预测误差时空相 关性复合储能优化配置方法。本发明首先确定多个风电场预测误差的边缘 分布函数参数，构建混合copula函数模型；其次估计混合copula函数参 数，运用场景生成和场景缩减技术，得到优化配置所需的多个场景；再次 以系统总成本最小为目标，构建考虑输电网络运行的复合储能配置模型； 模型中引入能量损失比例评价指标与储能效益评价指标；最后对模型进行线性化处理，采用求解器和狼群算法相结合对模型进行求解，得到复合储 能的最佳配置容量，实现系统的最优经济运行。

本发明采用的技术方案如下：

本发明所提出的一种考虑风电预测误差时空相关性复合储能优化配 置方法，包括以下步骤：

步骤S1：运用核密度估计方法建立多个风电场预测误差的边缘分布 函数，针对误差分布的特点，构建混合copula函数模型；

步骤S2：使用最大期望值算法估计copula函数参数，并确定每种 copula函数所占权重，采用蒙特卡洛场景生成法和K-means聚类进行场景 生成与缩减，得到优化配置所需场景；

步骤S3：以系统总成本最小为目标，构建考虑输电网络运行的复合储 能优化配置模型；

步骤S4：模型中考虑能量损失比例评价指标与储能效益评价指标；

步骤S5：对模型进行线性化处理，采用求解器和狼群算法联合对模型 进行求解，最终得到最佳配置容量，实现系统的最优经济运行。

进一步的，所述步骤S1具体包括：首先现在获取风电出力的预测功 率和实际出力值，并对数据缺数造成的数据进行补充，两者求差值确定风 电预测误差的样本集；根据核密度估计公式，计算得出选定的 EPanechnikov核函数的参数，得出风电预测误差的概率密度函数；考虑单 一种类的Copula函数难以准确描述预测误差的时空相关性，根据Frankcopula，Gumbel copula与Clayton copula描述相关性特性的不同，按照一 定比例构建混合copula模型。

进一步的，所述步骤S2具体包括：由于前述所构建的混合copula模 型中含有较多未知参数量，因此采用最大期望值算法求解：首先求得当下 混合copula函数中各函数的权重参数与结构参数的估计值，之后求取完全 数据的对数似然函数关于未知数据的条件期望分布，采用拉格朗日法求取 权重参数与结构参数的极值，借助最优化工具箱中的fminunc函数求解得 到混合Copula函数中各个Copula函数的相依结构参数，采用蒙特卡洛场 景生成法和K-means聚类进行场景生成与缩减，得到优化配置所需场景。

进一步的，所述步骤S3具体包括：以机组运行成本，混合储能装置 配置成本，环境成本和系统的潮流越限成本最小为目标，考虑系统电热功 率平衡约束，机组约束，电热储能装置约束，以及线路潮流越限约束，构 建考虑输电网络运行的复合储能优化配置模型。

进一步的，所述步骤S4具体包括：采用配置储能装置以后，减少系 统风电量与风电出力预测值之间的比值来描述能量损失比例；采用配置储 能装置之后系统年总成本的变化量与储能装置年化投资成本之间的比值 来描述储能效益评价指标；通过上述两种指标描述所构建模型的优劣。

进一步的，所述步骤S5具体包括：方法建立的模型中包含潮流越限 约束，由于线路的传输功率流动包含正、负两种方向，同时，线路也有越 限和非越限两种状态，为了便于求解，提出了线路三态划分线性化方法， 对于求解方式上，采用采用matlab的CPLEX工具箱和狼群算法进行联合 求解，得到储能装置的最优配置和系统最优运行成本。

本发明与现有技术相比具有以下有益效果：

1、本发明考虑多个电厂之间预测误差的时空相关性，并采用混合copula 函数进行描述，生成多个典型场景，能够减少风电预测不准确对储能优化配 置的影响，对比于选用单一的风电场景，配置结果更加准确，更具代表性；

2、本发明以系统总成本最小为主目标，并在目标函数中引入潮流越限惩 罚成本、储能装置配置成本、环境成本、机组运行成本，能够保证在得到储 能装置最优配置的同时，实现系统最佳运行；

3、本发明是包含超级电容储能、飞轮储能、压缩空气储能和热储能等形 式的复合储能优化配置，可以避免单一的电化学储能和蓄热罐储能的造成的 功率超额配置，能够降低系统的投资成本；

4、本发明充分考虑了系统的电、热平衡约束、热电联产机组约束、电储 能装置约束、热储能装置约束，使模型更加符合实际情况；

5、在求解方法上，运用求解器与狼群算法相结合，计算速度更快，精度 更高。

附图说明

图1为本发明一种生成考虑风电预测误差时空相关性风电出力典型场景 的流程示意图；

图2为混合储能优化配置模型求解过程的流程示意图。

具体实施方式

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实 施例或现有技术描述中所需要使用的附图做以简单地介绍，显而易见地，下 面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在 不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

本发明所提出的一种考虑风电预测误差时空相关性复合储能优化配置方 法，具体实施步骤如下：

步骤S1：图1为混合copula函数模型构建流程图，运用核密度估计方法 确定多个风电场预测误差的边缘分布函数参数，针对误差分布的特点，构建 混合copula函数模型；

步骤S1.1：风电功率预测误差值的获取：

本实施例选取某地区风电场，风电的预测功率和实际功率可直接从风 电场收集的记录中获得，考虑由于风机停机、数据漏检等造成的数据缺失 问题造成的，需要根据相邻的数据点进行合理补充。设某风电场风电的预 测功率为(P

步骤S1.2：基于核密度函数估计的方法拟合风电预测误差的分布函数：

针对风电场，设其风电预测误差的样本点为

其中：η样本数据总个数，h为窗口的长度且h>0，K(·)表示 EPanechnikov核函数，与其他的核函数相比，该核函数的均方根值更小。 对概率密度函数求积分，就可以得到预测误差出力的边缘分布函数F(x)。

步骤S1.3：混合Copula函数模型的构建：

不同种类的Copula函数特性不同，其中Frank copula函数可以处理对 称的随机变量累计概率分布，能够反映随机变量的正、负相关，但其无法 描述函数的尾部相关性；Gumbel copula可以处理对称分布的随机变量累 计概率分布，但只能反映上尾相关性，下尾渐进独立的分布函数，Clayton copula同样可以处理非对称分布的随机变量累计概率分布，但只能反映下 尾的相关性，上尾渐进独立的分布函数，同时，Gumbel copula函数和Clayton copula只能处理具有正相关的随机变量。

考虑上述原因，对于预测误差分布特性，使用单一种类的Copula函 数难以准确描述。本发明采用具有描述不对称相关性，上尾和下尾特征的 能力的Gumbel copula和Clayton copula以及可以描述变量之间负相关和对 称相关的Frank copula进行混合，函数的具体表达式如下：

C

C

α∈[1,∞)β∈[0,∞)δ≠0 (5)

其中C

如前所述，为了更好的描述风电场之间的时空相关性，将上述三种 copula函数进行混合，最终得到的混合copula函数如下所示：

C

其中：C

步骤S2：使用最大期望值算法估计copula函数参数，并确定每种 copula函数所占权重，采用蒙特卡洛场景生成法和K-means聚类进行场景 生成与缩减，得到优化配置所需场景。

步骤S2.1：混合copula函数参数估计与权重确定

步骤S1中所构建的混合copula函数函数含有6个未知参数，传统的 单一copula函数大都采用极大似然估计。在本实施例中，考虑运用极大似 然估计的方法求解困难，因而采用最大期望值算法。最大期望值算法的求 解主要由两部分构成，如下所述：

步骤S2.1.1：求期望

求得观测数据

随机向量y的条件概率密度函数：

经过一系列的数学推导，最后获取完全数据的对数似然函数关于未知 数据Y的数学期望分布为：

式中，权重参数λ

步骤S2.1.2：求关于待求参数λ

因为权重参数受到

可以得到：δ＝T

式为λ

由于式是θ

步骤S2.2：典型风电场景生成与缩减，得到优化配置所需场景

基于步骤S2.1中所得到的混合copula函数模型后，采用蒙特卡洛场 景生成法生成包含预测误差时空相关性误差场景，然后运用风功率的预测 值减去预测误差场景得到风电功率样本，最后应用K-means聚类方法进行 场景削减，得到最终优化配置所需场景。

步骤S3：以系统总成本最小为目标，构建考虑输电网络运行的储能优 化配置模型.

步骤S3.1：目标函数是最小化系统总成本，包括储能装置配置成本、 机组运行成本、环境成本和潮流越限惩罚成本，具体公式如下：

min F＝C

C

其中：C

l

其中：α、ρ分别表示电、热储能装置折旧率；β、ω分别表示电、热储 能装置生命周期；χ

其中：

其中：T表示优化调度周期；N

其中：N

其中：ε表示线路过载功率惩罚因子；Ω表示总的线路集合；P

步骤S3.2：系统模型中包含热电联产机组、蓄热式电锅炉、电储能装 置，在考虑线路潮流的基础上，还引入了线路过载约束，系统各约束如下：

步骤S3.2.1：电功率平衡约束；

本发明考虑了不同节点之间的潮流，在此基础上的电功率平衡约束如 下：

其中：P

步骤S3.2.2：热功率平衡约束：

其中：H

步骤S3.2.3：热电联产机组约束

热电联产机组约束包含输出功率约束、爬坡约束如下所示：

0≤H

P

P

P

其中：H

步骤S3.2.4：电储能装置约束

电储能装置约束包括能量平衡、禁止同时充放电、充电状态限制 (SOC)和充放电功率限制，如下所示：

其中：η

步骤S3.2.5：热储能装置约束

热储能装置约束如下：

其中：S

步骤S3.2.6：线路潮流越限约束

获得线路潮流越限惩罚的关键是判断线路的传输功率是否已经超过 了设定的限制，并且计算超过的限制的功率大小，线路过载计算公式如下 所示：

其中：h∈[0,1]表示线路潮流功率约束参数；P

步骤S4：模型中考虑能量损失比例评价指标与储能效益评价指标

步骤S4.1：能量损失比例评价指标：

当分布式电源的发电量大于负荷需求时，会造成能量浪费，为了确保 可再生能源的利用，引入能量损失比例评价指标，该评价指标表示引入储 能装置以后，减少系统风电的损失量的比例，探究系统配置储能容量与减 少弃风量之间的关系：

其中：P

步骤S4.2：储能效益评价指标

配置储能装置之后，系统各部分出力发生变化，引入储能效益评价指 标，该评价指标表示系统年总成本的变化量与储能装置年化投资成本之间 的比值，

其中：ΔC

步骤S5：对模型进行线性化处理，采用CPLEX和粒子群算法结合对 问题模型进行求解，最终得到最佳配置容量，实现系统的最优经济运行。

步骤S5.1：约束的线性化处理

本发明所建立的模型中包含潮流越限约束，由于线路l的传输功率流 动包含正、负两种方向，同时，线路l也有越限和非越限两种状态，为了 便于求解，需要对其进行线性化处理。

根据越限标准，传输功率应该分为[-1,h]，[-h,h]，[h,1]三种状态，进一 步的，传输线的功率限制由下(34)—(38)表示，能够计算出越限功率， 公式如下：

η

其中：η

式(35)表示线路l在同一时刻只能有一种状态，等式(34)来确定 线路L的状态，并产生相应的线路状态标志。

当线路l的传输功率介于

当传输线功率l介于

当传输线l介于

步骤S5.2：根据上述步骤之后，采用matlab的CPLEX工具箱和粒子 群算法进行联合求解，得到储能装置的最优配置和系统最优运行成本，具 体的求解过程如下：

a)计算系统的节点导纳矩阵；

b)产生初始粒子，得到复合储能装置的容量和功率；

c)获得电、热负荷与包含预测误差时空相关性的风电出力曲线；

d)采用cplex求解器求解最优调度计划；

e)计算头狼位置，得到对应本次迭代过程中的群体最优解和每个粒 子的个体最优解；

f)进入下一次迭代并更新狼群参数，返回步骤b)，直到获取最优解；

g)输出粒子最优解，复合储能装置的最优容量与功率。

以上所述的实施例仅仅是对本发明的优选实施方式进行描述，并非对本 发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术 人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求 书确定的保护范围内。