面向高比例新能源消纳的风光储联合发电系统及控制方法技术方案

本发明专利技术涉及一种面向高比例新能源消纳的风光储联合发电系统及控制方法，该发电系统包括风电、氢储能设备、蓄电池、光伏、固定负荷、可转移负荷、可削减负荷、光伏集热器、蓄热罐、热负荷，风电和光伏通过电缆连接氢储能设备、蓄电池、固定负荷、可转移负荷和可削减负荷；光伏与光伏集热器连接，光伏集热器通过管道依次连接蓄热罐和热负荷。本发明专利技术有助于降低IES接入对配电网运行产生的风险，提升其运行的稳定性，降低其损耗，提升其可再生能源消纳能力。提升其可再生能源消纳能力。提升其可再生能源消纳能力。

【技术实现步骤摘要】
面向高比例新能源消纳的风光储联合发电系统及控制方法


[0001]本专利技术属于电力系统优化运行
，尤其涉及一种面向高比例新能源消纳的风光储联合发电系统及控制方法。

技术介绍

[0002]化石能源的短缺和全球气候变化的威胁推动以电力为主的新一代能源体系的建立，传统电力系统逐步向以高比例分布式新能源(Distributed Generation,DG)接入为特征的新型电力系统转型，以风电、光伏为典型代表的分布式新能源得到快速发展，电力系统发电重心逐步向布式新能源发电转移，实现分布式新能源与配电网的双向流动，能有效促进新能源与配电网的深度融合，可有效降低用电成本，更好地满足用户需求，推动能源消费模式的转变升级。
[0003]因DG本身具有波动性和出力不确定性等特征，DG渗透率的增大，会导致弃风、弃光比例上升，源荷侧供需失衡，威胁到IES的稳定运行。在高比例分布式新能源接入电网的条件下，弃风、弃光量的增加也增加了人们对储能的关注程度，而传统储能方式中，蓄电池存在自放电特性，不适宜长期储能；锂电池和液流电池成本高无法大规模使用。加之传统负荷中固定负荷占比较高，风光出力具有不确定性，无法对风光出力进行完全消纳。
[0004]综上，高比例新能源接入下，由于风电出力不稳定，电网存在风电消纳不完全、储能装置效率低、峰谷差大等问题。

技术实现思路

[0005]本专利技术提出一种面向高比例新能源消纳的风光储优化运行控制方法，其目的是解决现有风光储联合发电系统出力不稳定、储能装置效率低、峰谷用电量不平衡等问题，通过研究多元储能和柔性负荷接入条件下的风光储联合发电系统优化运行效果，提升电网运行稳定性和电网对能源的消纳能力，从而实现系统的经济高效运行。
[0006]技术方案：
[0007]一种面向高比例新能源消纳的风光储联合发电系统，其特征在于：该发电系统包括风电、氢储能设备、蓄电池、光伏、固定负荷、可转移负荷、可削减负荷、光伏集热器、蓄热罐、热负荷，风电和光伏通过电缆连接氢储能设备、蓄电池、固定负荷、可转移负荷和可削减负荷；
[0008]光伏与光伏集热器连接，光伏集热器通过管道依次连接蓄热罐和热负荷。进一步的，氢储能设备由电解槽、储氢罐和燃料电池组成，电解槽、储氢罐和燃料电池依次连接，燃料电池通过电缆连接于风电和光伏的输出电缆上。
[0009]一种面向高比例新能源消纳的风光储联合发电系统的控制方法，步骤为：
[0010]步骤一、运用改进K
‑
means聚类算法，生成并缩减风力发电和光伏发电的出力场景；
[0011]步骤二、依靠风光储联合发电系统中的蓄电池和储氢罐混合储能,采用偏差补偿
方案对缩减后得出的场景进行优化控制，确定偏差补偿方案中所需的目标函数和约束条件，并利用CPLEX优化偏差补偿方案，求最优出力方案；
[0012]步骤三、偏差补偿方案确定后，在此基础上通过可转移负荷和可削减负荷进一步优化，进行削峰填谷。
[0013]进一步的，改进K
‑
means聚类算法为：
[0014]S1：以每一个风电和光伏的输出功率为场景，计算各场景间的欧式距离式中，N
Si
和N
Sj
分别为第i个场景和第j个场景，并确定一个阈值；
[0015]S2：计算各场景阈值距离内的局部密度局部密度最大处选取任一点为聚类中心；
[0016]S3：计算各场景到其聚类中心距离的平均值
[0017]S4：计算初始聚类中心间距离的最小值
[0018]S5：以平均值A
T
和最小值A
OT
定义混合评价函数使结果尽可能大；
[0019]S6：以结果最大一组为新的簇类，并以此确定新的聚类中心。
[0020]S7：以此为初始聚类中心，重复K
‑
means聚类算法的步骤，得到典型场景及概率；
[0021]其中K
‑
means聚类算法的步骤为：
[0022]步骤1：从生成的不确定性场景中随机选取Z
S
(Z
S
＜N
S
)个场景作为质心，其集合可表示为
[0023]步骤2：将不确定性场景中除质心之外的其他场景设为S
S
，，并计算S
S
跟质心之间的距离矩阵A
T
，即，即
[0024]步骤3：以A
T
为参考，将每一个场景重新聚类到离它最近的质心，重新聚类后的同类聚类集表示为S
S1
，S
S1
＝{N
i
}(i＝1，2，...，Z
S
)；
[0025]步骤4：计算每个同类场景集中的场景X
S
到其他场景的距离之和，以距离最小的场景作为新的聚类中心，并重新确定质心场景集；
[0026]步骤5：重复上述步骤，直至质心和场景集不再发生变化，缩减后各个场景占总场景的概率值为该距类中所包含的全部场景的概率之和。
[0027]进一步的，所述偏差补偿方案具体为：以运行成本最低为目标，在发电高峰期，电量首先通过电解槽以电解水形式生成氢气储存至燃料电池；若进行电解水反应所需的电量小于风电和光伏的电能产出，则对蓄电池进行充电；在负荷高峰期，若风力和光伏发电不能满足固定负荷用电需求，则根据电力缺口大小，首先选择燃料电池放电方式对固定负荷进行供电，若燃料电池投入后供电仍然不足，则蓄电池同时进行放电。
[0028]进一步的，运行成本包括C
W
风电运维成本、C
PV
光伏发电运维成本、C
S
蓄电池充放电成本、C
RF
弃风弃光惩罚成本，即弃电成本，C
buy
电网购电成本，储氢系统运行成本C
LS
负荷
转移补偿成本，以各项成本之和最低为目标，具体目标函数表达式为：
[0029][0030][0031][0032][0033][0034][0035][0036][0037]式中，P
W
、分别为风力发电输出功率场景及其概率值，R
PV
、分别为光伏发电输出功率场景及其概率值，α
W
、α
PV
分别为风电单位发电量、光伏发电单位发电量的运维成本系数，P
W，t
、P
PV，t
为和场景下t时段的风电、光伏输出功率，α
S
为蓄电池充放电单位功率成本系数，为t时段蓄电池充放电功率，W
pre，t
为风电和光伏在该场景该时段下的计划出力，β1和β2分别为风电惩罚系数和光伏惩罚系数；α
buy
为向电网购电单位功率成本系数，为t时段从系统需要从电网购得的功率，C
elc
电解槽制氢成本，C
hyd
为储氢罐运行成本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种面向高比例新能源消纳的风光储联合发电系统，其特征在于：该发电系统包括风电(1)、氢储能设备(3)、蓄电池(5)、光伏(6)、固定负荷(2)、可转移负荷(4)、可削减负荷(9)、光伏集热器(11)、蓄热罐(12)、热负荷(13)，风电(1)和光伏(6)通过电缆连接氢储能设备(3)、蓄电池(5)、固定负荷(2)、可转移负荷(4)和可削减负荷(9)；光伏(6)与光伏集热器(11)连接，光伏集热器(11)通过管道依次连接蓄热罐(12)和热负荷(13)。2.根据权利要求1所述的一种面向高比例新能源消纳的风光储联合发电系统，其特征在于：氢储能设备(3)由电解槽(7)、储氢罐(8)和燃料电池(10)组成，电解槽(7)、储氢罐(8)和燃料电池(10)依次连接，燃料电池(10)通过电缆连接于风电(1)和光伏(6)的输出电缆上。3.一种如权利要求1所述的面向高比例新能源消纳的风光储联合发电系统的控制方法，其特征在于：步骤为：步骤一、运用改进K
‑
means聚类算法，生成并缩减风力发电和光伏发电的出力场景；步骤二、依靠风光储联合发电系统中的蓄电池(5)和储氢罐(8)混合储能,采用偏差补偿方案对缩减后得出的场景进行优化控制，确定偏差补偿方案中所需的目标函数和约束条件，并利用CPLEX优化偏差补偿方案，求最优出力方案；步骤三、偏差补偿方案确定后，在此基础上通过可转移负荷(4)和可削减负荷(9)进一步优化，进行削峰填谷。4.根据权利要求3所述的面向高比例新能源消纳的风光储联合发电系统的控制方法，其特征在于：改进K
‑
means聚类算法为：S1：以每一个风电和光伏的输出功率为场景，计算各场景间的欧式距离式中，N
Si
和N
Sj
分别为第i个场景和第j个场景，并确定一个阈值；S2：计算各场景阈值距离内的局部密度局部密度最大处选取任一点为聚类中心；S3：计算各场景到其聚类中心距离的平均值S4：计算初始聚类中心间距离的最小值S5：以平均值A
T
和最小值A
OT
定义混合评价函数使结果尽可能大；S6：以结果最大一组为新的簇类，并以此确定新的聚类中心；S7：以此为初始聚类中心，重复K
‑
means聚类算法的步骤，得到典型场景及概率；其中K
‑
means聚类算法的步骤为：步骤1：从生成的不确定性场景中随机选取Z
S
(Z
S
＜N
S
)个场景作为质心，其集合可表示为
步骤2：将不确定性场景中除质心之外的其他场景设为S
S
，，并计算S
S
跟质心之间的距离矩阵A
T
，即，即步骤3：以A
T
为参考，将每一个场景重新聚类到离它最近的质心，重新聚类后的同类聚类集表示为S
S1
，S
S1
＝{N
i
}(i＝1，2，...，Z
S
)；步骤4：计算每个同类场景集中的场景X
S
到其他场景的距离之和，以距离最小的场景作为新的聚类中心，并重新确定质心场景集；步骤5：重复上述步骤，直至质心和场景集不再发生变化，缩减后各个场景占总场景的概率值为该距类中所包含的全部场景的概率之和。5.根据权利要求3所述的面向高比例新能源消纳的风光储联合发电系统的控制方法，其特征在于：所述偏差补偿方案具体为：以运行成本最低为目标，在发电高峰期，电量首先通过电解槽(7)以电解水形式生成氢气储存至燃料电池(10)；若进行电解水反应所需的电量小于风电(1)和光伏(6)的电能产出，则对蓄电池(5)进行充电；在负荷高峰期，若风力(1)和光伏(6)发电不能满足固定负荷(2)用电需求，则根据电力缺口大小，首先选择燃料电池(10)放电方式对固定负荷(2)进行供电，若燃料电池(10)投入后供电仍然不足，则蓄电池(5)同时进行放电。6.根据权利要求3所述的面向高比例新能源消纳的风光储联合发电系统的控制方法，其特征在于：运行成本包括C
W
风电运维成本、C
PV
光伏发电运维成本、C
S
蓄电池充放电成本、C
RF
弃风弃光惩罚成本，即弃电成本，C
buy
电网购电成本，储氢系统运行成本C
LS
负荷转移补偿成本，以各项成本之和最低为目标，具体目标函数表达式为：以各项成本之和最低为目标，具体目标函数表达式为：以各项成本之和最低为目标，具体目标函数表达式为：以各项成本之和最低为目标，具...

【专利技术属性】
技术研发人员：于常乐，万家，李文文，赵会，杨守莲，季彦辰，赵泓博，徐明虎，杨林，刘桁宇，邢作霞，
申请(专利权)人：国家电网有限公司沈阳工业大学，
类型：发明
国别省市：