風光儲聯合電站有功智能控制方法
2023-05-04 17:43:56 3
風光儲聯合電站有功智能控制方法
【專利摘要】本發明提出了一種風光儲聯合電站有功智能控制方法。該方法將風光儲聯合電站內風電和光伏發電單元根據其地理位置，分成若干個集群；基於功率預測歷史數據，通過統計方法分析歷史誤差概率分布特性，以風光儲聯合電站下發有功指令後各新能源集群輸出的功率缺額的數學期望之和最小為優化目標，使得系統下發給風光儲聯合電站的有功功率指令能夠儘可能完成。通過本方法可以減少因新能源有功預測誤差致使輸出有功功率不能滿足集群調度要求而產生的功率差額，增加聯合電站參與系統調度的能力，從而減輕系統調度壓力。
【專利說明】風光儲聯合電站有功智能控制方法
【技術領域】
[0001] 本發明涉及一種用於風光儲聯合電站有功功率的方法，屬於新能源發電技術領 域。
【背景技術】
[0002] 近年來，隨著新能源併網容量的增加和接入電壓等級的提高，大規模新能源集中 併網對電網調度系統的影響程度愈來愈大。為了應對新能源的隨機性和波動性對系統有功 功率平衡造成的影響，將新能源功率預測信息納入電力系統日常調度運行成為必然。而現 有調度系統針對新能源有功功率的調度方法過於簡單，造成全年新能源平均發電利用小時 數低，發電量指標完成情況較差等問題。
[0003] 針對新能源有功調度問題，國內外學者從不同角度開展了有益研究。但是，現有研 究無論是新能源場內有功調度分配還是風光儲聯合電站有功調度分配，採用的新能源功率 預測信息都是點預測信息，由於風能特性和現有預測水平的限制，這些預測信息往往有較 大的誤差，給電網調度運行帶來很大難度，這也是現有調度系統向新能源場發出的有功指 令遠遠低於新能源功率預測數據的原因。相比較對未來某個時刻的預測結果給出確定性數 值的點預測，能夠提供未來值完整的概率分布的概率密度預測逐漸成為研究重點。至今還 沒有研究將新能源功率預測誤差概率分布信息應用到電力系統日內調度中。
[0004] 本發明針對風光儲聯合電站調度問題，提出一種考慮新能源功率預測誤差分布特 性的有功功率調度方法。該方法基於新能源功率預測歷史數據，通過統計方法分析歷史誤 差概率分布特性，以風光儲聯合電站下發有功指令後各新能源場輸出的新能源功率缺額的 數學期望之和最小為優化目標，使得系統下發給風光儲聯合電站的有功功率指令能夠盡可 能完成。通過本方法可以減少因新能源有功預測誤差致使新能源場輸出有功功率不能滿足 集群調度要求而產生的功率差額，增加新能源參與系統調度的能力，從而減輕系統調度壓 力。
【發明內容】
[0005] 發明目的：本發明所要解決的技術問題是風光儲聯合電站有功功率調度問題。
[0006] 本發明解決其技術問題所採用的技術方案如下：
[0007] 一般來說，對風電和光伏的功率預測的研究經常會採用給定風光輸入某一分布特 性，根據歷史數據求取其分布參數的統計方法；然而對於其功率預測誤差，現有研究無法給 出其準確的分布特性。因此，為客觀反映風電和光伏功率預測誤差歷史數據的規律性，本文 採用直接統計的方法，得到其自身統計規律意義上的離散分布模型。
[0008] -般地，用yi表示實測數據序列，y/表示預測數據序列，預測絕對誤差定義如下： -Yi°
[0009] 設定h為歷史誤差統計時的窗寬，即進行誤差統計時將統計範圍劃分成大小均為 h的n等份。窗寬越小，誤差概率分布的精度越高，概率分布模型也就越複雜，以此進行的後 續調度算法耗時也就越多，因此應該在綜合考慮精度要求和算法計算時間的基礎上選擇合 適的窗寬。設1=11^(61/1〇，11^(1)為取整函數，則誤差61所在的窗為[111，11(1+1))。對應 的概率為PR0(W)=m w/M，其中mw為窗[hW，h(W+l))內樣本數，M為總樣本數。
[0010] 本方法的目標就是降低風光儲聯合電站調度中心向各單元下發調度指令時出現 有功功率缺額的風險。
[0011] 將風光儲聯合電站內風電和光伏發電單元根據其地理位置，分成若干個集群。各 集群內部的風電或者光伏單元有接近的出力特性。
[0012] 設某時刻系統調度中心下發給風光儲聯合電站調度指令為Pdispateh all ;預測新能 源集群(風電或光伏）WFn最大可發出有功功率為Ppralic;t n ;通過一定的調度方法下發給WFn 的出力指令為Pdispatc;h_n ;而WFn實際發出可發出最大有功為PMal n。如果PMal n〈Pdispatah n，則 產生（Pp^c^-P^J的功率缺額。由於4_事先未知，可以根據功率預測誤差概率分布 模型得到產生（P pMdic;t_n-PMal_n)功率缺額的概率為 PRO(int ((PpMdiet n-PMal n)/h))。
[0013] WFn接受的調度指令為Pdispatdin時，產生功率缺額的期望值E n通過下面三個步驟求 取：
[0014] ( 1)求取預測值所在窗w。n :
【權利要求】
1. 一種風光儲聯合電站有功智能控制方法，其特徵在於，它包括如下步驟： (1) 將風光儲聯合電站內風電和光伏發電單元根據其地理位置，分成若干個集群。各集 群內部的風電或者光伏單元有接近的出力特性。 (2) 各新能源集群(風電或者光伏)x天內的實測輸出有功功率數據集yi，預測輸出有功 功率數據集y/，以此得到該集群群有功功率預測誤差數據樣本集 ei=y/ -Yi。 (3) 設定h為誤差數據統計時的窗寬，將步驟（1)中誤差數據樣本集的統計範圍劃 分成大小均為h的η等份。設W=int(ei/h)，int(x)為取整函數，則誤差&所在的窗為 [hW，h(W+l))。對應的概率為PRO(W)=m w/M，其中mw為窗[hW，h(W+l))內樣本數，M為總樣本 數。統計每個窗中誤差數據的數量，得到誤差的離散概率密度函數。 (4) 設某時刻系統調度中心下發給聯合電站調度指令為Pdispatdi all ;預測集群WFn最大 可發出有功功率為PpMdic;t_n ;通過本方法下發給WFn的出力指令為Pdispatah n ;而WFn實際發出 可發出最大有功為PMal_n。以風光儲聯合電站中各集群功率缺額E n之和最小為優化目標， 對聯合電站下發至集群的調度計劃指令進行優化，優化目標為： min Σ En 約束條件為： p =p ^ 1 dispatch_n 1 dispatch_all Pdispatch-η Pmax-η 其中P__n為WFn的最大出力限制。 通過成熟的優化問題求解方法可以求出WFn的出力指令為Pdispatdl η。 其中，產生功率缺額的期望值En的導出方法為： (1) 求取預測值所在窗Wtl n: ff〇_n=int (Pdispatch n/h) (2) 求取在Wtl n內功率缺額期望值Etl n :
(3) 求取WFn的總功率缺額期望值En :
【文檔編號】G06F19/00GK104377736SQ201310351793
【公開日】2015年2月25日 申請日期:2013年8月13日 優先權日:2013年8月13日
【發明者】劉少宇 申請人:國家電網公司, 國網新源張家口風光儲示範電站有限公司, 中國電力科學研究院