【技术实现步骤摘要】
本专利技术涉及新能源和储能优化领域，更具体地说，它涉及考虑新能源和构网储能的多场景运行优化方法及装置。
技术介绍
1、地处偏远而水电较为丰富的地区，可将水电与光伏发电机组和储能设备融合构建水光储电站，实现多种能源耦合互补。而偏远地区往往输电网络较为薄弱，且光伏系统本身并不存在惯性及频率支撑能力，导致偏远地区电力系统频率波动频繁，而构网储能的频率支撑的能力给解决这一问题提供了思路。
2、目前光伏等新能源设备并网给电力系统的运行带来了一定的波动性，由于光伏机组的预测出力存在一定的不确定性，因此这给水光储电站的互补运行带来了挑战。
技术实现思路
1、本专利技术的目的是提供一种考虑新能源和构网储能的多场景运行优化方法及装置，本专利技术采用信息间隙决策理论(igdt方法)处理光伏预测出力的不确定性，但由于传统信息间隙决策理论是基于某一出力场景计算光伏出力的波动范围，因此本专利技术利用随机优化理论改进传统信息间隙决策理论，首先，通过新能源机组的出力数据确定多个需求场景，而后根据多个需求场景，构建构网储能参与电力系统频率调节的调节模型以及新能源机组的出力模型；再根据调节模型和新能源机组的出力模型构建电力系统的出力波动性和出力成本最小的目标函数；最后，在预设的水电机组、光伏机组和构网储能运行的约束条件下，调用多场景igdt方法求解目标函数，得到考虑新能源和构网储能场景运行的出力优化结果，从而在多需求场景下计算光伏预测出力波动范围的平均值，为水光储电站的互补运行提供了参考。
3、获取新能源机组的出力数据集，将出力数据集转换为数据矩阵，对数据矩阵进行聚类，以确定出电力系统的新能源消纳和供电能力的多个需求场景；
4、根据多个需求场景，构建构网储能参与电力系统频率调节的调节模型以及新能源机组的出力模型；
5、根据调节模型和新能源机组的出力模型构建电力系统的出力波动性和出力成本最小的目标函数；
6、在预设的水电机组、光伏机组和构网储能运行的约束条件下，调用多场景igdt方法求解目标函数，得到考虑新能源和构网储能场景运行的出力优化结果。
7、在一种实现方案中，采用k-means聚类算法对数据矩阵进行聚类，以确定出电力系统的新能源消纳和供电能力的多个需求场景。
8、在一种实现方案中，所述目标函数的表达式为：
9、minf＝λ1f1+λ2f2；其中，f1表示电力系统的出力波动性，f2表示构网储能运行成本，λ1、λ2分别表示电力系统的出力波动性和构网储能运行成本的权重。
10、在一种实现方案中，所述电力系统的出力波动性的表达式为：其中，ptsys表示电力系统各时段的出力，pav表示电力系统出力的平均值；
11、其中，电力系统各时段的出力的表达式为：ptsys＝pth+ptps+ptpv+ptgfm,dis-ptgfm,ch，其中，pth表示水电机组的输出功率，ptps表示抽水蓄能机组出力，ptpv表示光伏机组在t时段的电功率，ptgfm,ch、ptgfm,dis分别表示t时段构网储能的充、放电功率。
12、在一种实现方案中，所述构网储能运行成本的表达式为：
13、其中，ccur表示单位弃光惩罚成本，ptf表示系统内部无法平抑频率波动时向上级电网购买的频率支撑功率，ptgrid表示水光储电站向上级电网的购电功率，cf表示构网储能平抑波动单位成本，ptf表示构网储能平抑波动出力，t表示优化周期，cgrid表示电网购电价格，表示光伏出力的预测值，ptpv表示光伏实际出力。
14、在一种实现方案中，调用多场景igdt方法求解目标函数，得到考虑新能源和构网储能场景运行的出力优化结果，包括：
15、根据目标函数计算出不考虑新能源机组出力不确定性的目标函数值；
16、构建新能源机组出力的不确定集；
17、根据目标函数值和不确定集，构建风险规避策略下的第一决策模型以及机会寻求策略下的第二决策模型；
18、求解第一决策模型和第二决策模型，得到水电机组出力结果和光伏机组的光伏出力波动范围。
19、在一种实现方案中，求解第一决策模型第二决策模型，得到水电机组出力结果和光伏机组的光伏出力波动范围，具体为：
20、利用光伏出力的预测值确定出目标函数的最优值；
21、将光伏实际可利用功率替代预测值，并制定第一决策模型和第二决策模型的偏差因子；
22、在两种策略下优化目标函数及机组出力和水光储电站所允许的光伏出力波动范围。
23、在一种实现方案中，所述约束条件包括光伏运行约束、构网储能运行约束、水光电储电站平衡约束、水光电储电站准稳态约束和水电出力约束。
24、本申请的第二方面，提供了一种考虑新能源和构网储能的多场景运行优化装置，装置包括：
25、场景确定模块，用于获取新能源机组的出力数据集，将出力数据集转换为数据矩阵，对数据矩阵进行聚类，以确定出电力系统的新能源消纳和供电能力的多个需求场景；
26、模型构建模块，用于根据多个需求场景，构建构网储能参与电力系统频率调节的调节模型以及新能源机组的出力模型；
27、目标构建模块，用于根据调节模型和新能源机组的出力模型构建电力系统的出力波动性和出力成本最小的目标函数；
28、求解优化模块，用于在预设的水电机组、光伏机组和构网储能运行的约束条件下，调用多场景igdt方法求解目标函数，得到考虑新能源和构网储能场景运行的出力优化结果。
29、在一种实现方案中，采用k-means聚类算法对数据矩阵进行聚类，以确定出电力系统的新能源消纳和供电能力的需求场景。
30、与现有技术相比，本专利技术具有以下有益效果：
31、本专利技术采用信息间隙决策理论(igdt方法)处理光伏预测出力的不确定性，但由于传统信息间隙决策理论是基于某一出力场景计算光伏出力的波动范围，因此本专利技术利用随机优化理论改进传统信息间隙决策理论，首先，通过新能源机组的出力数据确定多个需求场景，而后根据多个需求场景，构建构网储能参与电力系统频率调节的调节模型以及新能源机组的出力模型；再根据调节模型和新能源机组的出力模型构建电力系统的出力波动性和出力成本最小的目标函数；最后，在预设的水电机组、光伏机组和构网储能运行的约束条件下，调用多场景igdt方法求解目标函数，得到考虑新能源和构网储能场景运行的出力优化结果，从而在多需求场景下计算光伏预测出力波动范围的平均值，为水光储电站的互补运行提供了参考。
本文档来自技高网...【技术保护点】
1.一种考虑新能源和构网储能的多场景运行优化方法，其特征在于，方法包括：
2.根据权利要求1所述的方法，其特征在于，采用K-means聚类算法对数据矩阵进行聚类，以确定出电力系统的新能源消纳和供电能力的多个需求场景。
3.根据权利要求1所述的方法，其特征在于，所述目标函数的表达式为：
4.根据权利要求3所述的方法，其特征在于，所述电力系统的出力波动性的表达式为：其中，Ptsys表示电力系统各时段的出力，Pav表示电力系统出力的平均值；
5.根据权利要求3所述的方法，其特征在于，所述构网储能运行成本的表达式为：
6.根据权利要求1所述的方法，其特征在于，调用多场景IGDT方法求解目标函数，得到考虑新能源和构网储能场景运行的出力优化结果，包括：
7.根据权利要求6所述的方法，其特征在于，求解第一决策模型第二决策模型，得到水电机组出力结果和光伏机组的光伏出力波动范围，具体为：
8.根据权利要求1所述的方法，其特征在于，所述约束条件包括光伏运行约束、构网储能运行约束、水光电储电站平衡约束、水光电储电站准稳
9.一种考虑新能源和构网储能的多场景运行优化装置，其特征在于，装置包括：
10.根据权利要求9所述的装置，其特征在于，采用K-means聚类算法对数据矩阵进行聚类，以确定出电力系统的新能源消纳和供电能力的需求场景。
...【技术特征摘要】
1.一种考虑新能源和构网储能的多场景运行优化方法，其特征在于，方法包括：
2.根据权利要求1所述的方法，其特征在于，采用k-means聚类算法对数据矩阵进行聚类，以确定出电力系统的新能源消纳和供电能力的多个需求场景。
3.根据权利要求1所述的方法，其特征在于，所述目标函数的表达式为：
4.根据权利要求3所述的方法，其特征在于，所述电力系统的出力波动性的表达式为：其中，ptsys表示电力系统各时段的出力，pav表示电力系统出力的平均值；
5.根据权利要求3所述的方法，其特征在于，所述构网储能运行成本的表达式为：
6.根据权利要求1所述的方法，其特征在于，调用多场景...
【专利技术属性】
技术研发人员：叶圣永，杨新婷，刘立扬，龙川，苏韵掣，李婷，韩宇奇，刘畅，刘旭娜，曾文慧，陈一鸣，
申请(专利权)人：国网四川省电力公司经济技术研究院，
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。