本申请公开了一种风储联合系统调频容量的确定方法、装置及电子设备，该方法包括：获取风电场的弃风电量，根据弃风电量构建风储联合系统的储能配置优化模型；对储能配置优化模型进行求解，以获取风储联合系统的目标储能容量和目标储能功率；根据风电功率预测模型，获取风电功率的概率区间预测结果；获取储能系统的运行策略，基于运行策略、目标储能容量、目标储能功率和概率区间预测结果，确定风储联合系统的调频容量。由此，本申请可以充分发挥风电系统和储能系统互补的特性，充分考虑风电系统和储能系统的多种信息，提高了确定风储联合系统的调频容量的精度，提高了风储联合系统的调频容量以及性能，提高风储联合系统的收益。提高风储联合系统的收益。提高风储联合系统的收益。
【技术实现步骤摘要】
风储联合系统调频容量的确定方法、装置及电子设备
[0001]本申请涉及新能源
，尤其涉及风储联合系统调频容量的确定方法、装置及电子设备。
技术介绍
[0002]风电系统的调频容量具有一定的不确定性，若风电系统未与储能风电系统联合，风电系统需要压低其调频容量申报量，以满足预留调频容量大于调频容量申报量的要求，调频效果也因其随机调频误差而受到影响，若风电系统与储能系统联合，可由储能系统对风电系统的随机误差进行补偿，储能系统的调频容量越大，补偿作用就越明显，则可以增加风电系统的调频容量申报量，并改善调频效果，在对风储联合系统的调频容量进行确定时，储能系统的成本是影响风储联合系统收益的重要因素，由此，如何对提高确定风储联合系统的调频容量的精度，并提高风储联合系统的收益，已经成为了亟待解决的问题。
技术实现思路
[0003]本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
[0004]为此，本申请的第一个目的在于提出一种风储联合系统调频容量的确定方法，用于解决现有技术中存在的无法准确地确定风储联合系统的调频容量，导致风储联合系统的收益较低的技术问题。
[0005]为了实现上述目的，本申请第一方面实施例提供了一种风储联合系统调频容量的确定方法，该方法包括：获取风电场的弃风电量，根据所述弃风电量构建风储联合系统的储能配置优化模型；对所述储能配置优化模型进行求解，以获取所述风储联合系统的目标储能容量和目标储能功率；根据风电功率预测模型，获取风电功率的概率区间预测结果；获取储能系统的运行策略，基于所述运行策略、所述目标储能容量、所述目标储能功率和所述概率区间预测结果，确定所述风储联合系统的所述调频容量。
[0006]另外，根据本申请上述实施例的一种风储联合系统调频容量的确定方法，还可以具有如下附加的技术特征：
[0007]根据本申请的一个实施例，所述获取风电场的弃风电量，还包括：获取所述风电场的理论发电量和实际发电量；根据所述理论发电量和所述实际发电量，获取所述弃风电量。
[0008]根据本申请的一个实施例，所述对所述储能配置优化模型进行求解，以获取所述风储联合系统的目标储能容量和目标储能功率，还包括：获取所述风储联合系统参与调频市场的成本和收益；获取所述风储联合系统的约束条件；根据所述约束条件、所述成本和所述收益，构建所述储能配置优化模型的目标函数；根据蚁狮优化算法对所述目标函数进行求解，以获取所述目标储能容量和所述目标储能功率。
[0009]根据本申请的一个实施例，所述获取所述风储联合系统参与调频市场的成本，还包括：获取储能系统的等年值年利率；获取所述储能系统的配置功率和所述配置功率的单位投资以及所述储能系统的配置容量和所述配置容量的单位投资；根据所述等年值年利
率、所述配置功率、所述配置功率的单位投资、所述配置容量和所述配置容量的单位投资，以获取所述风储联合系统参与调频市场的所述成本。
[0010]根据本申请的一个实施例，所述获取所述风储联合系统参与调频市场的收益，还包括：获取调频性能指标、里程效益因子、所述调频市场的性能出清价格、所述调频市场的调频容量价格和弃风吸收容量；根据所述调频性能指标、所述里程效益因子、所述性能出清价格、所述调频容量价格和所述弃风吸收容量，以获取述风储联合系统参与调频市场的所述收益。
[0011]根据本申请的一个实施例，所述风电功率预测模型的训练过程，包括：获取样本数据，其中，所述样本数据包括所述风电场的历史数据和预测数据；将所述样本数据输入至待训练的风电功率预测模型中，以得到所述样本数据对应的风电功率预测值；获取所述样本数据对应的风电功率真实值；获取所述风电功率预测值和所述风电功率真实值之间的差异，并根据所述差异，通过鲸鱼优化算法WOA调整所述待训练的风电功率预测模型的模型参数，直至所述差异满足训练结束条件，将最后一次调整所述模型参数后的所述待训练的风电功率预测模型确定为训练好的风电功率预测模型。
[0012]根据本申请的一个实施例，所述根据风电功率预测模型，获取风电功率的概率区间预测结果，还包括：根据所述风电功率预测值和所述风电功率真实值，获取所述风电功率的预测误差值；根据Cornish
‑
Fisher级数建立所述预测误差值的累计分布函数；根据所述累计分布函数，获取在不同置信水平下的风电功率的概率预测区间曲线；根据所述概率预测区间曲线，以获取所述概率区间预测结果。
[0013]根据本申请的一个实施例，所述获取储能系统的运行策略，包括：获取所述储能系统的充放电状态；根据所述充放电状态，确定所述储能运行策略。
[0014]根据本申请的一个实施例，所述基于所述运行策略、所述目标储能容量、所述目标储能功率和所述概率区间预测结果，确定所述风储联合系统的所述调频容量，还包括：获取风电限值，根据所述风电限值确定所述风储联合系统的可调频容量；根据所述可调频容量、所述储能运行策略、所述目标储能容量、所述目标储能功率和所述概率区间预测结果，确定所述风储联合系统的所述调频容量。
[0015]为了实现上述目的，本申请第二方面实施例提供了一种风储联合系统调频容量的确定装置，该装置包括：第一获取模块，用于获取风电场的弃风电量，根据所述弃风电量构建风储联合系统的储能配置优化模型；第二获取模块，用于对所述储能配置优化模型进行求解，以获取所述风储联合系统的目标储能容量和目标储能功率；第三获取模块，用于根据风电功率预测模型，获取风电功率的概率区间预测结果；确定模块，用于获取储能系统的运行策略，基于所述运行策略、所述目标储能容量、所述目标储能功率和所述概率区间预测结果，确定所述风储联合系统的所述调频容量。
[0016]另外，根据本申请上述实施例的一种风储联合系统调频容量的确定装置，还可以具有如下附加的技术特征：
[0017]根据本申请的一个实施例，所述第一获取模块，还用于：获取所述风电场的理论发电量和实际发电量；根据所述理论发电量和所述实际发电量，获取所述弃风电量。
[0018]根据本申请的一个实施例，所述第二获取模块，还用于：获取所述风储联合系统参与调频市场的成本和收益；获取所述风储联合系统的约束条件；根据所述约束条件、所述成
本和所述收益，构建所述储能配置优化模型的目标函数；根据蚁狮优化算法对所述目标函数进行求解，以获取所述目标储能容量和所述目标储能功率。
[0019]根据本申请的一个实施例，所述第二获取模块，还用于：获取储能系统的等年值年利率；获取所述储能系统的配置功率和所述配置功率的单位投资以及所述储能系统的配置容量和所述配置容量的单位投资；根据所述等年值年利率、所述配置功率、所述配置功率的单位投资、所述配置容量和所述配置容量的单位投资，以获取所述风储联合系统参与调频市场的所述成本。
[0020]根据本申请的一个实施例，所述第二获取模块，还用于：获取调频性能指标、里程效益因子、所述调频市场的性能出清价格、所述调频市场的调频容量价格和弃风吸收容量；根据所述调频性能指本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种风储联合系统调频容量的确定方法，其特征在于，所述方法包括：获取风电场的弃风电量，根据所述弃风电量构建风储联合系统的储能配置优化模型；对所述储能配置优化模型进行求解，以获取所述风储联合系统的目标储能容量和目标储能功率；根据风电功率预测模型，获取风电功率的概率区间预测结果；获取储能系统的运行策略，基于所述运行策略、所述目标储能容量、所述目标储能功率和所述概率区间预测结果，确定所述风储联合系统的所述调频容量。2.根据权利要求1所述的确定方法，其特征在于，所述获取风电场的弃风电量，还包括：获取所述风电场的理论发电量和实际发电量；根据所述理论发电量和所述实际发电量，获取所述弃风电量。3.根据权利要求1所述的确定方法，其特征在于，所述对所述储能配置优化模型进行求解，以获取所述风储联合系统的目标储能容量和目标储能功率，还包括：获取所述风储联合系统参与调频市场的成本和收益；获取所述风储联合系统的约束条件；根据所述约束条件、所述成本和所述收益，构建所述储能配置优化模型的目标函数；根据蚁狮优化算法对所述目标函数进行求解，以获取所述目标储能容量和所述目标储能功率。4.根据权利要求3所述的确定方法，其特征在于，所述获取所述风储联合系统参与调频市场的成本，还包括：获取储能系统的等年值年利率；获取所述储能系统的配置功率和所述配置功率的单位投资以及所述储能系统的配置容量和所述配置容量的单位投资；根据所述等年值年利率、所述配置功率、所述配置功率的单位投资、所述配置容量和所述配置容量的单位投资，以获取所述风储联合系统参与调频市场的所述成本。5.根据权利要求3所述的确定方法，其特征在于，所述获取所述风储联合系统参与调频市场的收益，还包括：获取调频性能指标、里程效益因子、所述调频市场的性能出清价格、所述调频市场的调频容量价格和弃风吸收容量；根据所述调频性能指标、所述里程效益因子、所述性能出清价格、所述调频容量价格和所述弃风吸收容量，以获取所述风储联合系统参与调频市场的所述收益。6.根据权利要求1所述的确定方法，其特征在于，所述风电功率预测模型的训练过程，包括：获取样本数据，其中，所述样本数据包括所述风电场的历史数据和预测数据；将所述样本数据输入至待训练的风电功率预测模型中，以得到所述样本数据对应的风电功率预测值；获取所述样本数据对应的风电功率真实值；获取所述风电功率预测值和所述风电功率真实值之间的差异，并根据所述差异，通过鲸鱼优化算法WOA...
【专利技术属性】
技术研发人员：刘雅欣，温晗秋子，任立兵，王青天，张燧，李小翔，葛戈，郑子辰，王芸靖，钟明，安娜，杨宁，王春森，
申请(专利权)人：中国华能集团清洁能源技术研究院有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。