結合魯棒優化的構網型儲能容量配置方法及裝置
2024-04-13 06:09:05
1.本發明涉及一種可再生能源技術領域，是一種結合魯棒優化的構網型儲能容量配置方法及裝置。
背景技術：
2.可再生能源具有發電隨機性大、難以準確預測的特點，併網後使得系統的靈活響應能力不足。構網型儲能具有快速調峰、調頻能力，是實現供需動態快速匹配、提高電網靈活調節能力的絕佳技術手段之一。被廣泛應用在協調發電計劃、滿足電網頻率需求等方面。但儲能存在由於使用需求的波動性而導致未充分利用的問題。主要表現為儲能前期規劃時投資成本過大或回報收益周期較長。因此對發電不確定性的科學描述，進而對儲能使用需求的準確表徵是儲能配置時的主要挑戰。
3.電力系統中描述不確定性的方法主要分為備用整定法與隨機規劃法，但這兩種方法在具有複雜形態演化、多重不確定性為特點的新型電力系統的背景下，可能會導致結果不經濟或不可靠。隨後模糊化、場景分析、頻譜分析、點估計法、隨機機會約束規劃等方法被不斷提出，雖然能提高結果的可行性，但依舊存在著諸多問題，如模糊機會約束法中隸屬度函數選取較為主觀；場景分析、頻譜分析、隨機機會約束等方法均需要大量樣本數據、結果受場景個數制約、多場景描述不確定性計算複雜、難以保證求解效率與精度；點估計法由於統計樣本的多樣性而存在的差異性，使得推斷結果受置於樣本質量。魯棒優化通過設定不確定變量的波動範圍，尋找最惡劣情景下的決策方案，為描述功率不確定性開闢了新思路。但目前魯棒優化大多建立固定邊界的不確定合集，在提升系統魯棒性時忽略經濟性使得結果過於保守；在提升系統經濟性時又會忽略魯棒性使得結果不可靠。即使在利用偏好優化方式確定合集邊界，也同樣存在著無法量化系統魯棒性，有效平衡經濟性等缺點。因此，如何合理調整不確定合集的邊界、量化系統魯棒性從而科學平衡經濟性與魯棒性，明確多個不確定變量耦合時與系統經濟性、魯棒性的複雜關係需要進一步研究。
技術實現要素：
4.本發明提供了一種結合魯棒優化的構網型儲能容量配置方法及裝置，克服了上述現有技術之不足，其能有效解決現有儲能電站容量配置中使用的不確定性描述方法存在的不能調整所構建不確定合集的邊界的問題。
5.本發明的技術方案之一是通過造成以下措施來實現的：一種結合魯棒優化的構網型儲能容量配置方法，包括：
6.在預測發、用電功率的基礎上利用無窮範數約束、1-範數約束構建實際功率偏差的魯棒不確定合集；
7.利用lindeberg-levy中心極限定理構造魯棒不確定合集中空間約束參數計算表達式；
8.利用線性對偶理論、構造拉格朗日函數構造魯棒不確定合集中可再生能源場站在
極端情況下的出力；
9.利用可再生能源出力在極端情況外概率值量化系統魯棒性；
10.以大規模可再生能源接入系統中整體成本最小為目標，構建在發、用電功率偏差極端情況下的構網型儲能優化配置模型；
11.利用鯨魚算法對構網型儲能優化配置模型進行求解，並分析不確定性的影響因素對構網型儲能優化配置結果的影響。
12.下面是對上述發明技術方案的進一步優化或/和改進：
13.上述在預測功率的基礎上利用無窮範數約束、1-範數約束構建的風電出力的實際功率偏差的魯棒不確定合集為：
[0014][0015]
式中，為風電場i在t時刻的實際出力，為預測出力，分別為出力偏差的上下限；nw為風電場個數為無窮範數；為攝動量1-範數約束，對應實際中風電出力的空間集群效應；為風電場i在t時刻的偏差係數；同理可對系統中的其他不確定變量構建不確定合集。
[0016]
上述利用lindeberg-levy中心極限定理構造魯棒不確定合集中空間約束參數計算表達式，包括：
[0017]
確定風電出力不確定性空間約束參數，包括：
[0018]
(1)設第一步中有，設功率偏差是獨立同分布的隨機變量，則也是獨立同分布的，計其期望為方差為
[0019]
(2)的標準變量如下式：
[0020][0021]
式中，e(
·
)表示期望，d(
·
)表示方差；
[0022]
(3)標準變量服從標準高斯分布，其累計分布函數對於任意概率αw滿足如下等式關係：
[0023][0024]
式中，αw為置信概率；
[0025]
(4)推出風電出力不確定性空間約束參數如下：
[0026][0027]
通過確定風電出力不確定性空間約束參數的步驟，確定其他不確定變量的空間約束參數。
[0028]
上述利用線性對偶理論、構造拉格朗日函數構造魯棒不確定合集中可再生能源場站在極端情況下的出力，包括：
[0029]
利用線性對偶理論、構造拉格朗日函數，構造魯棒不確定合集中風電在極端情況下的輸出功率；
[0030]
(1)通過線性對偶理論，構造的拉格朗日函數：
[0031][0032]
(2)由於可得風電輸出功率在出力偏差極端情況的功率為：
[0033][0034]
由於線性規劃最優解在頂點處，化簡上式：
[0035]
[0036]
(3)根據上述結合在t時段最極端情況，僅有一個風電場出力的偏差係數不足1，設該風電場為j，其總出力如下：
[0037][0038]
式中，為向下取整符號；
[0039]
利用上述步驟確定其他不確定量在極端情況下的輸出功率。
[0040]
上述以大規模可再生能源接入系統中整體成本最小為目標，構建在發、用電功率偏差極端情況下的構網型儲能優化配置模型，包括：
[0041]
以接入系統整體成本最小為目標，構建如下所示的儲能優化配置模型的目標函數，其中整體成本包括：火電機組在可再生能源發電預測誤差極端情況下發電成本機組啟停成本儲能年化初始投資成本維護成本調頻成本c
pfr
；
[0042][0043]
考慮接入系統中機組運行及網絡安全因素，確定構網型儲能優化配置模型的約束條件；
[0044]
(1)功率平衡約束：
[0045][0046]
式中，為t時刻的功率缺失，為負荷，為儲能滿足電力供需平衡的充放電功率；均為；極端功率情況；
[0047]
(2)儲能運行約束包括：
[0048]
1、充放電功率約束：
[0049][0050]
2、電荷狀態約束：
[0051][0052]
3、在總調度周期內充電量等於放電量式：
[0053][0054]
(3)火電機組動態頻率輸出約束，包括：
[0055]
1、調頻出力約束：
[0056][0057]
式中，ki為火電機組i的功頻靜特性係數，δf
max
表示最大頻率偏差，為發電機組i的調頻死區；
[0058]
2、參與調頻的狀態約束：
[0059]
[0060]
3、調頻容量約束：
[0061][0062]
(4)調頻容量需求約束：
[0063][0064]
式中，為動態調頻容量需求，δ
prn
是可再生能源預測出力的擾動量。
[0065]
上述利用鯨魚算法對構網型儲能優化配置模型進行求解，包括：
[0066]
對於構網型儲能優化配置模型中的邊界約束，利用啟發式算法中的越界處理方式，爬坡約束通過動態更新化為邊界約束；
[0067]
對於構網型儲能優化配置模型中功率平衡約束，採用動態鬆弛約束處理方式；
[0068]
對於構網型儲能優化配置模型中儲能系統的電荷狀態約束，通過濾子技術對其進行處理；
[0069]
利用鯨魚算法的尋優機制，求取構網型儲能優化配置模型的最優解。
[0070]
本發明的技術方案之二是通過以下措施來實現的：一種結合魯棒優化的構網型儲能容量配置裝置，包括：
[0071]
合集構建單元，在預測發、用電功率的基礎上利用無窮範數約束、1-範數約束構建實際功率偏差的魯棒不確定合集；
[0072]
約束參數確定單元，利用lindeberg-levy中心極限定理構造魯棒不確定合集中空間約束參數計算表達式；
[0073]
處理確定單元，利用線性對偶理論、構造拉格朗日函數構造魯棒不確定合集中可再生能源場站在極端情況下的出力；
[0074]
量化單元，利用可再生能源出力在極端情況外概率值量化系統魯棒性；
[0075]
模型構建單元，以大規模可再生能源接入系統中整體成本最小為目標，構建在發、用電功率偏差極端情況下的構網型儲能優化配置模型；
[0076]
求解單元，利用鯨魚算法對構網型儲能優化配置模型進行求解，並分析不確定性的影響因素對構網型儲能優化配置結果的影響。
[0077]
本發明基於精確概率分布信息魯棒優化的構網型儲能容量配置，在預測發、用電功率的基礎上，計及實際功率偏差的概率特徵構建可靈活調整邊界的魯棒合集，引入不確定性的空間約束參數靈活調整所構建不確定合集的邊界。在科學表徵功率不確定性的基礎上配置儲能電站的容量，以準確匹配使用需求的波動性，進而提高儲能的利用率。
附圖說明
[0078]
附圖1為本發明的方法流程示意圖。
[0079]
附圖2是本發明中典型日的日負荷、風速、輻照強度及溫度的預測值。
[0080]
附圖3是本發明中風電功率不確定合集中置信概率、空間約束參數與poe的關係。
[0081]
附圖4是本發明中儲能優化配置模型的求解流程圖。
[0082]
附圖5是本發明中不確定量的置信概率對儲能配置結果經濟性的影響。
[0083]
附圖6是本發明中不確定量的空間集群效應對儲能配置結果經濟性的影響。
[0084]
附圖7是本發明中不確定量對儲能、火電機組調頻輸出的影響。
[0085]
附圖8為本發明的裝置結構示意圖。
具體實施方式
[0086]
本發明不受下述實施例的限制，可根據本發明的技術方案與實際情況來確定具體的實施方式。
[0087]
下面結合實施例及附圖對本發明作進一步描述：
[0088]
實施例1：如附圖1所示，本發明實施例公開了一種結合魯棒優化的構網型儲能容量配置方法，包括：
[0089]
步驟s11，在預測發、用電功率的基礎上利用無窮範數約束、1-範數約束構建實際功率偏差的魯棒不確定合集；
[0090]
步驟s12，利用lindeberg-levy中心極限定理構造魯棒不確定合集中空間約束參數的計算表達式；
[0091]
步驟s13，利用線性對偶理論、構造拉格朗日函數構造魯棒不確定合集中可再生能源場站在極端情況下的出力；
[0092]
步驟s14，利用可再生能源出力在極端情況外概率值量化系統魯棒性；
[0093]
步驟s15，以大規模可再生能源接入系統中整體成本最小為目標，構建在發、用電功率偏差極端情況下的構網型儲能優化配置模型；
[0094]
步驟s16，利用鯨魚算法對構網型儲能優化配置模型進行求解，並分析不確定性的影響因素對構網型儲能優化配置結果的影響。
[0095]
本發明提供的一種結合魯棒優化的構網型儲能容量配置方法。在於在預測發、用電功率的基礎上，計及實際功率偏差的概率特徵構建可靈活調整邊界的魯棒不確定合集，對大規模可再生能源接入系統中的發、用電不確定性科學描述，準確分析。利用空間約束參數靈活調整不確定合集邊界，彌補區間魯棒優化結果無法兼顧經濟性與魯棒性的缺陷。在可靈活調整不確定合集邊界的區間魯棒基礎上，利用極端情況外運行概率值量化系統魯棒性，彌補目前無法量化魯棒性，從而直觀平衡結果經濟性與魯棒性的缺陷。在科學對發電不確定性描述與表徵的基礎上，以大規模可再生能源的接入系統為研究對象，以火電機組作為接入系統的主要旋轉設備，儲能作為必要補充，構建考慮接入系統動態頻率需求的構網型儲能優化配置模型，分析不確定性的影響因素對構網型儲能優化配置結果的影響。
[0096]
實施例2：本發明實施例公開了一種結合魯棒優化的構網型儲能容量配置方法，包括：
[0097]
步驟s21，在預測發、用電功率的基礎上利用無窮範數約束、1-範數約束構建實際功率偏差的魯棒不確定合集；
[0098]
上述步驟中，以風電出力為例，在預測發、用電功率的基礎上(如附圖2所示)利用無窮範數約束、1-範數約束構建實際功率偏差的魯棒不確定合集為：
[0099][0100]
式中，為風電場i在t時刻的實際出力，為預測出力，分別為出力偏差的上下限。nw為風電場個數為無窮範數；為攝動量1-範數約束，對應實際中風電出力的空間集群效應。空間集群效應可解釋為在同一個調度時段各風電場的功率其偏差不可能同時達到最大值，由此引入風電場的不確定性空間約束參數為風電場i在t時刻的偏差係數。同理可對系統中的其他不確定變量構建魯棒不確定合集。
[0101]
本步驟中1-範數約束對應實際問題中可再生能源出力的空間集群效應，既在同一個時間斷面可再生能源電站群中所有電站的實際功率偏差不可能同時達到最大。由此引入不確定性的空間約束參數靈活調整所構建不確定合集的邊界。
[0102]
步驟s22，利用lindeberg-levy中心極限定理構造魯棒不確定合集中空間約束參數的計算表達式；
[0103]
上述步驟包括：
[0104]
步驟s201，以風電出力為例，構造魯棒不確定合集中空間約束參數的計算表達式，包括：
[0105]
(1)設步驟s21中有設功率偏差是獨立同分布的隨機變量，則也是獨立同分布的，計其期望為方差為
[0106]
(2)的標準變量如下式：
[0107][0108]
式中，e(
·
)表示期望，d(
·
)表示方差；
[0109]
(3)標準變量服從標準高斯分布，其累計分布函數對於任意概率αw滿足如下等式關係：
[0110][0111]
式中，αw為置信概率；通過預測數據和統計分析得到，若沒有足夠大的歷史數據作為樣本，可假設服從高斯分布；假設服從高斯分布，計其期望為0，方差為
[0112]
(4)根據上述退出風電出力不確定性空間約束參數如下所示：
[0113][0114]
步驟s202，確定其他不確定變量的空間約束參數段的過程與步驟s201相同。
[0115]
步驟s23，利用線性對偶理論、構造拉格朗日函數構造魯棒不確定合集中可再生能源場站在極端情況下的出力；
[0116]
步驟s301，以風電出力為例，利用線性對偶理論、構造拉格朗日函數，構造魯棒不確定合集中風電場在極端情況下的輸出功率；
[0117]
(1)通過線性對偶理論，構造的拉格朗日函數：
[0118][0119]
(2)由於得出風電輸出功率在出力偏差極端情況的功率為：
[0120][0121]
由於線性規劃最優解在頂點處，化簡上式：
[0122][0123]
(3)根據上述結合在t時段最極端情況，僅有一個風電場出力的偏差係數不足1，設該風電場為j，其總出力如下：
[0124][0125]
式中，為向下取整符號；
[0126]
步驟s302，利用步驟s302確定其他不確定量在極端情況下的輸出功率。
[0127]
步驟s24，利用可再生能源出力在極端情況外概率值量化系統魯棒性；
[0128]
以風電出力為例，在s22，s23的基礎上，設置事件a為風電輸出功率在所構建的不確定合集外，則a發生的概率可表示如下：
[0129][0130]
將僅考慮風電輸出功率偏差的不確定性時系統的poe表示如下：
[0131][0132]
不同風電場總數nw在不同置信概率αw下系統的poe的理論結果如附圖3。
[0133]
步驟s25，以大規模可再生能源接入系統中整體成本最小為目標，構建在發、用電功率偏差極端情況下的構網型儲能優化配置模型；
[0134]
上述步驟包括：
[0135]
步驟s501，以接入系統整體成本最小為目標，構建如下所示的儲能優化配置模型的目標函數，其中整體成本包括：火電機組在可再生能源發電預測誤差極端情況下發電成本機組啟停成本儲能年化初始投資成本維護成本調頻成本c
pfr
；
[0136][0137]
式中，ng為系統中火電機組的個數，ai、bi、ci為燃料成本係數，di、ei為閾點效應係數；表示發電機i的運行狀態(為運行)；為布爾型變量是火電機組啟停狀態，機組由停機變啟動為1否則為0，機組由啟動變停機為1否則為0。表示在t時刻機組i是否參與調頻(表示參與)。為火電機組i在t時刻的總輸出功率，其中為滿足電力供需平衡的輸出功率，為調頻功率；為機組啟停成本係數。
[0138][0139]
式中，分別為儲能系統的單位功率成本和單位容量成本；分別為儲能系統的額定功率和容量；γ為資本貼現率；t
rt
為儲能系統的全壽命周期；
[0140][0141]
式中，c
maint
為儲能系統的年均維護成本係數。
[0142][0143]
式中，分別為發電機組和儲能系統的調頻報價；為t時刻儲能的調頻功率。
[0144]
步驟s502，考慮接入系統中機組運行及網絡安全因素，確定構網型儲能優化配置模型的約束條件；包括：接入系統功率平衡約束、儲能運行約束、火電機組動態頻率輸出約束、調頻容量需求約束。具體如下：
[0145]
(1)功率平衡約束：
[0146][0147]
式中，為t時刻的功率缺失，為負荷，為儲能滿足電力供需平衡的充放電功率；均為；極端功率情況；
[0148]
(2)儲能運行約束，包括：
[0149]
1、充放電功率約束：
[0150][0151]
2、電荷狀態約束，設置電荷狀態約束，保證儲能系統的正常運行：
[0152][0153]
儲能系統當前時刻的電荷狀態不僅與上一時刻的電荷狀態相關還與該時刻充放電電量密切相關，當前時刻電荷狀態的具體計算公式如下所示：
[0154][0155][0156]
式中，ηs、ηc、ηd分別為儲能的自放電率、充/放電率。
[0157]
3、在總調度周期內充電量等於放電量，在總調度周期內充電量等於放電量，設置保證ess能夠可持續性的循環使用：
[0158][0159]
(3)火電機組動態頻率輸出約束，包括：
[0160]
1、調頻出力約束：
[0161][0162]
式中，ki為火電機組i的功頻靜特性係數，δf
max
表示最大頻率偏差，為發電機組i的調頻死區；
[0163]
2、參與調頻的狀態約束：
[0164][0165]
3、調頻容量約束：
[0166][0167]
(4)調頻容量需求約束，是火電機組與儲能參與調頻應滿足一次調頻容量需求。若調頻容量需求超出火電機組的最大調頻功率，儲能參與調頻，彌補火電機組的調頻缺額，具體如下所示：
[0168][0169]
式中，為動態調頻容量需求，
△
p
rn
是可再生能源預測出力的擾動量，對應s1構建的發、用電不確定合集在極端情況下的擾動量。
[0170]
步驟s26，利用鯨魚算法對構網型儲能優化配置模型進行求解，並分析不確定性的影響因素對構網型儲能優化配置結果的影響。
[0171]
上述步驟中，利用鯨魚算法對構網型儲能優化配置模型進行求解，包括：
[0172]
步驟s601，對於構網型儲能優化配置模型中的邊界約束，利用啟發式算法中的越界處理方式，爬坡約束通過動態更新化為邊界約束；
[0173]
步驟s602，對於構網型儲能優化配置模型中功率平衡約束，採用動態鬆弛約束處理方式；
[0174]
步驟s603，對於構網型儲能優化配置模型中儲能系統的電荷狀態約束，通過濾子技術對其進行處理；
[0175]
步驟s604，利用鯨魚算法的尋優機制，求取構網型儲能優化配置模型的最優解；這裡的具體實現步驟附圖4所示。
[0176]
上述步驟中，分析不確定性的影響因素對構網型儲能優化配置結果的影響，即分析不確定量的置信概率、空間集群效應對構網型儲能優化配置結果的經濟性、火電機組調頻輸出的影響，如附圖5至7所示。
[0177]
實施例3：如附圖8所示，本發明實施例公開了一種結合魯棒優化的構網型儲能容量配置裝置，包括：
[0178]
合集構建單元，在預測發、用電功率的基礎上利用無窮範數約束、1-範數約束構建
實際功率偏差的魯棒不確定合集；
[0179]
約束參數確定單元，利用lindeberg-levy中心極限定理構造魯棒不確定合集中空間約束參數計算表達式；
[0180]
處理確定單元，利用線性對偶理論、構造拉格朗日函數構造魯棒不確定合集中可再生能源場站在極端情況下的出力；
[0181]
量化單元，利用可再生能源出力在極端情況外概率值量化系統魯棒性；
[0182]
模型構建單元，以大規模可再生能源接入系統中整體成本最小為目標，構建在發、用電功率偏差極端情況下的構網型儲能優化配置模型；
[0183]
求解單元，利用鯨魚算法對構網型儲能優化配置模型進行求解，並分析不確定性的影響因素對構網型儲能優化配置結果的影響。
[0184]
實施例4：本發明實施例公開了一種存儲介質，所述存儲介質上存儲有能被計算機讀取的電腦程式，所述電腦程式被設置為運行時執行基於極端冰災的電網薄弱環節識別方法。
[0185]
上述存儲介質可以包括但不限於：u盤、只讀存儲器、移動硬碟、磁碟或者光碟等各種可以存儲電腦程式的介質。
[0186]
實施例5：本發明實施例公開了一種電子設備，包括處理器和存儲器，所述存儲器中存儲有電腦程式，電腦程式由處理器加載並執行以實現基於極端冰災的電網薄弱環節識別方法。
[0187]
上述處理器可以是中央處理器cpu，通用處理器，數位訊號處理器dsp，asic，fpga或者其他可編程邏輯器件、電晶體邏輯器件、硬體部件或者其任意組合。其可以實現或執行結合本技術公開內容所描述的各種示例性的邏輯方框，模塊和電路。也可以是實現計算功能的組合，例如包含一個或多個微處理器組合，dsp和微處理器的組合等等。存儲器可以包括但不限於：u盤、只讀存儲器、移動硬碟、磁碟或者光碟等各種可以存儲電腦程式的介質。
[0188]
本領域內的技術人員應明白，本技術的實施例可提供為方法、系統、或電腦程式產品。因此，本技術可採用完全硬體實施例、完全軟體實施例、或結合軟體和硬體方面的實施例的形式。而且，本技術可採用在一個或多個其中包含有計算機可用程序代碼的計算機可用存儲介質(包括但不限於磁碟存儲器、cd-rom、光學存儲器等)上實施的電腦程式產品的形式。本技術實施例中的方案可以採用各種計算機語言實現，例如，面向對象的程序設計語言java和直譯式腳本語言javascript等。
[0189]
本技術是參照根據本技術實施例的方法、設備(系統)、和電腦程式產品的流程圖和/或方框圖來描述的。應理解可由電腦程式指令實現流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框圖中的流程和/或方框的結合。可提供這些電腦程式指令到通用計算機、專用計算機、嵌入式處理機或其他可編程數據處理設備的處理器以產生一個機器，使得通過計算機或其他可編程數據處理設備的處理器執行的指令產生用於實現在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的裝置。
[0190]
這些電腦程式指令也可存儲在能引導計算機或其他可編程數據處理設備以特定方式工作的計算機可讀存儲器中，使得存儲在該計算機可讀存儲器中的指令產生包括指令裝置的製造品，該指令裝置實現在流程圖一個流程或多個流程和/或方框圖一個方框或
多個方框中指定的功能。
[0191]
以上技術特徵構成了本發明的最佳實施例，其具有較強的適應性和最佳實施效果，可根據實際需要增減非必要的技術特徵，來滿足不同情況的需求。