本发明专利技术涉及一种基于粒子群算法的风电场储能容量控制方法，它以适应电网调度周期的风电场输出功率时段参考值为基础，同时计及风电场弃风能量与储能系统损失能量的影响，以储能投资成本及风电系统运行成本最小为目标函数，建立基于蓄电池储能系统的储能容量优化决策模型，并应用改进的粒子群算法进行求解。这一研究使得经过储能系统作用输出的风电功率实现分时段平滑输出，以此实现储能系统与现有调度运行方式的有效衔接，同时达到最佳经济效益。
【技术实现步骤摘要】
本专利技术涉及一种。
技术介绍
伴随风电规模的不断扩大，其为电网输送大量清洁电能的同时，对电力系统调度运行的影响亦在不断加深。究其原因，主要在于风能的间歇性与随机性引起风电功率随机波动，并且难以准确预测。因此，研究并网风电功率分布特性，利用储能方法平抑风功率波动，实现稳定、可靠的风功率调度具有迫切的现实需求性。风能的分布特性具有显著的时间周期性，其典型波动周期如季度、年度。与之对应，风功率同样具有上述周期特性。因此，利用风速或风功率历史数据，分析年度周期下的风功率分布规律，并以一个或多个衡量标准确定风电场所需储能容量大小，以此使得风电场输出功率的峰、谷差变小，进而使其平滑输出。近年，用于平滑风电场输出功率的储能系统能够实现较大范围的功率调节，可有效抑制风电功率的波动，从而得到广泛的推广应用。目前，储能技术的研究多集中于协调控制及平滑效果的定性分析，并取得诸多研究成果。然而，风电功率因其随机波动性给电网调度提出更高要求，但功率存储为风功率适应电网调度决策提供了可能，并可以此提高电网对风电功率的接纳能力。由此，极有必要针对考虑适应电网调度决策的风电场储能容量优化问题进行深入研究。文.电网技术，2010，34(1) 169-173.]基于风电输出功率的分布规律，以风电场平均功率水平为期望输出功率，考虑风电场持续输出小时数的影响，确定风电场的储能容量 ’文 · Proceedings of the 2008International Conference onElectrical Machines. 2008，page: 1-6]应用超导储能系统(SMES)结合低通滤波原理平滑风电输出功率，并给出储能控制策略；文.电气应用，2006，25 (6) :87-90、孙耀杰，康龙云，史维祥，等.分布式电源中最佳蓄电池容量的机会约束规划.系统仿真学报，2005，17 (I)41-44]将蓄电池和飞轮同时作为储能单元，以供需平衡为约束，以系统成本为目标，用遗传算法求取风光复合独立发电系统的储能容量；文.电网技术，2011，35(4) :123-128、梁亮，李建林，惠东，等.大型风电场用储能容量的优化配置.高电压技术，2011，37 (4)930-936]考虑不同储能容量对平抑风电输出功率的影响，并给出衡量总有功输出功率波动的指标；文. 18th AnnualCanadian Conference on Electrical and Computer Engineering. Saskatoon, Saskatchewan, Canada: IEEE, 2005, page: 1722-1725]计及风力发电机类型、容量(台数)以及光伏电池倾斜角的影响，采用遗传算法优化风光互补独立供电系统的容量配置。上述研究或者在较长时间内保障风功率为一定值，或者在单一时间窗口下存在较大波动，均未充分考虑储能与电网调度决策间的适应性，如此便使得风电场在高风电功率时弃风能量增大，风能利用率降低，同时低风电功率时补偿功率增大，从而使得储能系统的投资成本及运行成本不够经济，储能容量控制亦非最佳状态。
技术实现思路
本专利技术的目的就是为解决上述问题，提供一种，它以适应电网调度周期的风电场输出功率时段参考值为基础，同时计及风电场弃风能量与储能系统损失能量的影响，以储能投资成本及风电系统运行成本最小为目标函数，建立基于蓄电池储能系统(battery energy storage system, BESS)的储能容量优化决策模型，并应用改进的粒子群算法进行求解。这一研究使得经过储能系统作用输出的风电功率实现分时段平滑输出，以此实现储能系统与现有调度运行方式的有效衔接，同时达到 最佳经济效益。为实现上述目的，本专利技术采用如下技术方案一种，它的步骤为I)建立目标函数以等效输出功率方差最小为目标，并根据调度需求选取不同时间窗口，以此求取适应现有调度运行方式的风电场输出功率时段参考值；因储能容量变化引起的系统运行成本变化有风电场弃风能量的成本Fote和储能系统失能量的成本F^jss ；以风电场某一年的风电功率的分布规律，作为该风电场运行年限内风电功率的分布特性，其风电场弃风能量和储能系统损失能量如式(I)、(2)所示；风储系统储能容量优化的目标函数包含投资成本和运行成本，如式(3)所示； ^iom = Pt A. rear ^LOWEi (/ ) ' (O ' At-(I^ D)}/| V■辦 I Tm
I十PA縱fS應(n, f|/i(十Δ/|-f*lrnin f — min (K^lq^+KpFloss+Kj ( P iCbat N+rs) ) (3)上式中，P1^P Pq分别是风电场弃风能量和储能系统失能量的对应单价；Ny■是机组运行年限；τ是考察时段，为一年；Cbat.N是风电场优化储能容量的额定值Aotei (t)、S_(t)、S_(t)和Sote2 (t)是为描述风电场弃风能量及储能系统失能量情况定义的布尔量，如式(4)、式(5)所示；P工为储能容量单位容量价格；rs为储能装置安装成本；KW、Kp和K1是运行成本(风电场弃风能量和储能系统损失能量)和投资成本的折中系数；权利要求1.一种，其特征是，它的步骤为 1)建立目标函数 以等效输出功率方差最小为目标，并根据调度需求选取不同时间窗口，以此求取适应现有调度运行方式的风电场输出功率时段参考值；因储能容量变化引起的系统运行成本变化有风电场弃风能量的成本Fote和储能系统失能量的成本Fbss ；以风电场某一年的风电功率的分布规律，作为该风电场运行年限内风电功率的分布特性，其风电场弃风能量和储能系统损失能量如式(8)、(9)所示； 风储系统储能容量优化的目标函数包含投资成本和运行成本，如式(10)所示；2.如权利要求1所述的，其特征是，所述 步骤1)中，在考察时段T内，定义M个采样间隔At为一个时间窗口(f2h)，以考察时段内 每个时间窗口内等效输出功率方差和最小为目标函数，如式(7)；3.如权利要求1所述的，其特征是，步骤3)中，具体解算步骤如下(1)输入风电机组输出功率及风电场输出功率时段参考值；(2)置粒子群维数KPS()，最大迭代次数Nps_x，计算精度。pso；(3)初始化粒子群的位置和速度，即给定当次计算下的Cbat.N值；(4)按式(10)计算所求粒子适应度值；(5)将每个粒子适应度值与其个体极值进行比较，如较优，则更新当前的个体极值全文摘要本专利技术涉及一种，它以适应电网调度周期的风电场输出功率时段参考值为基础，同时计及风电场弃风能量与储能系统损失能量的影响，以储能投资成本及风电系统运行成本最小为目标函数，建立基于蓄电池储能系统的储能容量优化决策模型，并应用改进的粒子群算法进行求解。这一研究使得经过储能系统作用输出的风电功率实现分时段平滑输出，以此实现储能系统与现有调度运行方式的有效衔接，同时达到最佳经济效益。文档编号H02J3/28GK102664423SQ20121017208公开日2012年9月12日 申请日期2012年5月30日 优先权日2012年5月30日专利技术者冯江霞, 梁军, 王成福 申请人:山东大学本文档来自技高网...
【技术保护点】
【技术特征摘要】
【专利技术属性】
技术研发人员：王成福，梁军，冯江霞，
申请(专利权)人：山东大学，
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。