含设定比例风光接入的多时间尺度源网荷储协同调度方法

摘要

本发明涉及电力调度技术领域，具体而言，涉及含设定比例风光接入的多时间尺度源网荷储协同调度方法，该方法的步骤包括：建立多时间尺度源网荷储调度模型，基于多时间尺度源网荷储调度模型完成设定比例风电光伏电网的仿真分析，获取调度结果；所述多时间尺度源网荷储调度模型的建立包括：第一次建模阶段、第二次建模阶段及第三次建模阶段；第一次建模阶段的时间尺度设定为第一时长，以各项成本之和最小为目标，确定第一优化对象，并把第一优化对象代入第二次建模阶段及第三次建模阶段中；第二次建模阶段的时间尺度设定为第二时长，以各项成本之和最小为目标，确定第二优化对象，并把第二优化对象代入第三次建模阶段中。

说明书

技术领域

本发明涉及电力调度技术领域，具体而言，涉及含设定比例风光接入的多时间尺度源网荷储协同调度方法。

背景技术

随着风电、光伏的大规模并网，弃风弃光已成为一个不可忽视的问题。就目前而言，对多时间尺度源网荷储调度的研究主要使用单一的简单储能；对氢储能的研究主要是对其进行日前调度，但仅通过日前调度仍然存在以下问题：弃风弃光量大从而导致系统综合成本较高；另外，大规模风电、光伏的并网，使电力系统可靠性进一步降低，并使得利用储能技术对风光波动进行平抑。基于此，针对上述技术问题，我们亟需含设定比例风光接入的多时间尺度源网荷储协同调度方法。

发明内容

本发明的目的在于提供含设定比例风光接入的多时间尺度源网荷储协同调度方法，其依次通过第一次建模及第二次建模获取对应优化对象及时间尺度，基于上述两个建模的基础上共同进行第三次建模，不仅能够对风电光伏出力进行时序上的转移和削峰填谷，同时还可以减少火电出力，减少高碳化石能源的消耗量；另外，氢储能和蓄电池储能存在互补特性，能够提高储能系统的储能稳定性，此外柔性负荷可以对储能系统进行补充，实现降低系统综合成本，减少弃风弃光量，提高电力系统可靠性的技术效果。

本发明的实施例通过以下技术方案实现：

含设定比例风光接入的多时间尺度源网荷储协同调度方法，该方法的步骤包括：

建立多时间尺度源网荷储调度模型，基于多时间尺度源网荷储调度模型完成设定比例风电光伏电网的仿真分析，获取调度结果；

所述多时间尺度源网荷储调度模型的建立包括：第一次建模阶段、第二次建模阶段及第三次建模阶段；

第一次建模阶段的时间尺度设定为第一时长，以各项成本之和最小为目标，确定第一优化对象，并把第一优化对象代入第二次建模阶段及第三次建模阶段中；

第二次建模阶段的时间尺度设定为第二时长，以各项成本之和最小为目标，确定第二优化对象，并把第二优化对象代入第三次建模阶段中；

第三次建模阶段的时间尺度设定为第三时长，以火电出力变化量最小为目标，确定第三优化对象。

可选的，所述第一优化对象包括：火电厂的启停成本、氢储能充放电状态、可转移负荷。

可选的，所述火电厂的启停成本的计算公式为：

其中，

可选的，所述氢储能充放电状态的计算公式为：

其中，

可选的，所述可转移负荷的计算公式为：

其中，

可选的，所述第二优化对象包括：氢储能充放电功率、可削减负荷。

可选的，所述可削减负荷的计算公式为：

其中，

可选的，所述第一次建模的目标函数为：

其中，

所述第二次建模的目标函数为：

其中，

所述第三次建模的目标函数为：

其中，

可选的，所述第三次建模的约束条件为：

其中，

本发明实施例的技术方案至少具有如下优点和有益效果：

本实施例依次通过第一次建模及第二次建模获取对应优化对象及时间尺度，基于上述两个建模的基础上共同进行第三次建模，不仅能够对风电光伏出力进行时序上的转移和削峰填谷，同时还可以减少火电出力，减少高碳化石能源的消耗量；另外，氢储能和蓄电池储能存在互补特性，能够提高储能系统的储能稳定性，此外柔性负荷可以对储能系统进行补充，实现降低系统综合成本，减少弃风弃光量，提高电力系统可靠性的技术效果。

附图说明

图1为本发明实施例提供的含设定比例风光接入的多时间尺度源网荷储协同调度方法的整体流程示意图；

图2为本发明实施例提供的功率-储能模式滞环流程示意图；

图3为本发明实施例提供的某地区46节点输电网网架结构示意图；

图4为本发明实施例提供的风光理想出力的曲线示意图；

图5为本发明实施例提供的本地负荷功率的曲线示意图；

图6为本发明实施例提供的外送负荷功率的曲线示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

参照图1所示，图1为本发明实施例提供的含设定比例风光接入的多时间尺度源网荷储协同调度方法的整体流程示意图。

在一些实施方式中，含设定比例风光接入的多时间尺度源网荷储协同调度方法，该方法的步骤包括：

建立多时间尺度源网荷储调度模型，基于多时间尺度源网荷储调度模型完成设定比例风电光伏电网的仿真分析，获取调度结果；

所述多时间尺度源网荷储调度模型的建立包括：第一次建模阶段、第二次建模阶段及第三次建模阶段；

第一次建模阶段的时间尺度设定为1h，以各项成本之和最小为目标，确定第一优化对象，并把第一优化对象代入第二次建模阶段及第三次建模阶段中；

第二次建模阶段的时间尺度设定为15min，以各项成本之和最小为目标，确定第二优化对象，并把第二优化对象代入第三次建模阶段中；

第三次建模阶段的时间尺度设定为5min，以火电出力变化量最小为目标，确定第三优化对象。

在上述实现过程中，第一次建模具体为日前调度模型，日前调度模型的目标函数 为：

更为具体的，日前调度模型的约束条件包括：功率平衡约束、发电出力约束、火电 爬坡约束、火电最小启停时间约束、柔性负荷约束、储能约束。其中，功率平衡约束为：

更为具体的，所述第一优化对象即日前调度模型的优化结果中部分确定量将被代入日内滚动和实时调度优化中，包括：火电厂的启停状态。氢储能充放电状态。可转移柔性负荷的转移量。

在上述实现过程中，第二次建模具体为日内滚动调度模型，日内滚动调度模型的 目标函数为：

更为具体的，除火电厂的启停约束、氢储能充放电约束和可转移柔性负荷约束为确定量外，所述日内滚动调度模型的其余约束与所述日前调度模型中的约束一致。

更为具体的，所述第二优化对象即日内滚动调度模型的优化结果中的部分确定量将被代入实时调度优化中，包括：氢储能充放电功率。可削减柔性负荷的削减量。

在上述实现过程中，第三次建模具体为实时调度模型，具体的，在实时调度阶段， 针对风光出力与负荷的不确定性，建立备用容量的机会约束，使约束条件成立的概率大于 设定的置信水平，从而最终确定系统所需的备用。所述实时调度模型基于第一次建模与第 二次建模后的基础上进行构建，实时调度模型以火电出力变化量最小为目标，其目标函数 为：

更为具体的，除火电厂的启停约束、氢储能各种约束、可削减柔性负荷约束和可转 移柔性负荷约束为确定量外，日前调度模型的其余约束加上备用约束构成了实时调度模型 的全部约束。所述备用约束为：

更为具体的，所述第三优化对象即实时调度模型的优化结果确定为：各类型机组的实际出力。蓄电池储能的充放电状态与功率。备用容量。弃风弃光量和网损。

在本实施方式中，第一次建模、第二次建模及第三次建模均为根据电网原始参数、风光原始的出力，负荷数据等进行构建，其中，还应用了氢-电HESS模型与柔性负荷模型。

更为具体的，蓄电池储能模型与氢储能模型是氢-电HESS模型的两个部分，其中氢 储能系统由质子交换膜电解池、质子交换膜燃料电池与储氢罐组成，功能分别为“充电”、 “放电”、“储存氢气”。蓄电池储能模型为

参照图2所示，图2为本发明实施例提供的功率-储能模式滞环流程示意图。

更为具体的，氢储能模型为：

其中，

更为具体的，负荷类型包括刚性负荷和柔性负荷。在满足系统刚性负荷的前提下， 柔性负荷可对系统的总体负荷进行调整，改善总体的用能水平。根据柔性负荷的不同控制 方式，可将柔性负荷分为可削减负荷与可转移负荷。设置总柔性负荷率为每时刻本地负荷 的8%，可削减负荷与可转移负荷各4%。其中，可削减负荷的削减后功率为：

在本实施方式中，氢储能在电力系统中的定位与其他电化学储能有所差别，主要是长周期、跨季节、大规模和跨空间储存的作用。故设定总调度时间为3天。为了对源网荷储各种资源进行合理调度，提出多时间尺度源网荷储调度模型，包括日前、日内滚动和实时三个阶段，并把上一个阶段优化得到的确定量作为下一个阶段的已知量。1）日前调度计划提前96h制定，时间尺度为1h。以各项成本之和最小为目标，确定火电厂的启停状态、氢储能充放电状态和可转移柔性负荷的转移量。并把确定量代入日内滚动和实时调度中。2）日内滚动调度每次优化4h的调度框架，时间尺度为15min。同样以各项成本之和最小为目标，确定氢储能充放电功率、可削减柔性负荷的削减量。并把确定量代入实时调度中。3）实时调度每次优化15min的调度框架，时间尺度为5min。以火电出力变化量最小为目标，确定火电厂的实际出力、蓄电池储能充放电功率、弃风弃光量和网损等。

参照图3所示，图3为本发明实施例提供的某地区46节点输电网网架结构示意图。

另外，在本实施方式中提供了应用实例，应用实例基于算例仿真网络为某地区46节点含高比例风电和光伏接入的输电网。该算例的网架结构包括 46个节点，其中节点1为外送节点，负荷节点有24个，火电节点有5个，风电光伏节点有17个，各类型电站接入节点如附表A1所示：

表A1

网络有220kV和500kV两个电压等级，风电光伏出力和负荷功率数据采用该地区 2019年的实测数据，火力发电总装机容量为1600MW；风力发电总装机容量为5075MW；光伏发 电总装机容量为194MW。因氢储能有启停时间较长的特性，其对长时间的风光和负荷波动有 较好的平抑效果，故选择连续的三个典型日进行仿真分析。选取的这三个典型日处于供暖 期，由于有供暖的需求，火电出力需要一直保持在一定水平之上。另外置信度

参照图4、图5及图6所示，图4为本发明实施例提供的风光理想出力的曲线示意图；图5为本发明实施例提供的本地负荷功率的曲线示意图；图6为本发明实施例提供的外送负荷功率的曲线示意图。

在上图中，平均每小时风光理想出力为2385.37MW；平均每小时本地负荷为1241.49MW；平均每小时外送负荷为1369.95MW，外送负荷上限为2000MW，下限为500MW。整个电网的外送负荷占总负荷的52.46%，属于典型的电力外送电网。

在本应用实例中，为了验证模型及配合策略的有效性，选取了3个不同的场景进行对比，并分析不同情况下的储能配置问题。场景1：无储能；无柔性负荷调控。场景2：配置蓄电池储能，在17个节点进行了配置；对柔性负荷进行调控。蓄电池储能配置如附表A2所示；场景3：配置氢-电HESS，在19个节点进行了配置；对柔性负荷进行调控。氢储能配置如附表A3所示。

表A2

表A3

表1所示，场景2和3对比场景1，系统综合成本分别减少了4.88%和6.23%；弃风弃光量分别减少了；火电启停成本分别减少了1.87万元和3.55万元。说明配置储能能够可以有效降低系统综合成本和弃风弃光量，同时能够有效的较少火电机组的启停，从而增加火电机组的寿命。

表1

无储能时弃风弃光率为3.61%；设置蓄电池储能时弃风弃光率为1.04%，火电出力降低了15.73%；设置氢-电混合储能时弃风弃光率为0.32%，火电出力降低了20.49%。7h-12h负荷较大，储能放电，使负荷减少，同时火电厂出力减少。24h-34h负荷急剧减少，弃风弃光量较大，储能充电；在30h-34h因蓄电池储能容量比氢-电混合储能容量小，无法进一步降低弃风弃光量。35h-42h负荷上升，储能放电，因氢-电混合储能的爬坡特性，放电功率逐步上升和下降，使火电厂能够更平缓的出力。

综合上述应用实例，弃风弃光率和火电出力的降低，说明储能能够有效的对风电光伏出力进行时序上的转移和削峰填谷，同时减少高碳化石能源的消耗量。

储能出力为正时储能放电，柔性负荷为正时负荷削减或转移，相当于电源；储能出力为负时储能充电，柔性负荷为负时接收转移负荷，相当于负荷。氢储能主要工作在负荷高峰和风电出力高峰，进行放电和充电。蓄电池储能主要对短时的风光和负荷波动进行平抑，启动速度快，没有启停时间限制。氢储能主要对长时的风光和负荷的大波动进行平抑，启动相对较慢，没有启停时间限制；故氢-电混合储能利用蓄电池储能对短时、小波动进行平抑。由于该地区本地负荷只有总负荷的一半，柔性负荷比例低，故柔性负荷只能是对储能系统的一个补充。结合上述，氢储能和蓄电池储能存在互补特性，提高了储能系统的储能稳定性。柔性负荷是对储能系统的一种补充。

以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。