本發明屬于電力系統調度規劃技術領域，特別涉及到一種利用儲能系統提升調峰空間的風電消納方法。

背景技術：

隨著新一輪能源革命的到來，新能源發電將逐漸取代傳統火力發電，成為人類社會發展在能源革命的縮影。目前，火力發電依舊是全球最主要發電形式。從新能源零替代到全部替代是一個漫長的過程，在此期間，新能源的有效融合、充分利用將成為能源替代的重要環節。風力發電可以有效緩解化石能源對環境的污染，降低火力發電水平，但是其易受氣候，地域，環境等因素影響，風電自身所具有的隨機性和不確定性為電力系統供電穩定性提出挑戰。為切實有效消納風電特性，提高供電可靠性，儲能系統將逐漸扮演起“削峰填谷”的角色。

盡管風電及時有效消納方法已有了相關研究工作，但對于儲能系統和旋轉備用的組合風電消納，以及在此基礎上具體的風火儲交互調度，目前還沒有相關研究。

因此現有技術當中亟需要一種新型的技術方案來解決這一問題。

技術實現要素：

本發明的目的是提供一種利用儲能系統提升調峰空間的風電消納方法用來解決現有技術中對于儲能系統和旋轉備用的組合風電消納，以及在此基礎上具體的風火儲交互調度還沒有相關研究的技術問題。

一種利用儲能系統提升調峰空間的風電消納方法，包括以下步驟，并且以下步驟順次進行，

步驟一、建立基于風火機組出力平滑約束和風電滲透率極限約束的含風電場經濟調度模型，并獲得該經濟調度模型的總成本和風電上網最大電量；

步驟二、設置步驟一中含風電場經濟調度模型的基本參數，獲得風火機組出力平滑約束和風電滲透率極限約束條件；

步驟三、運用基于pareto最優的多目標sa-pso算法計算并獲得風火聯合系統最優調度方案；

步驟四、通過儲能系統并網提升風電調峰空間，并通過步驟二中的風火機組出力平滑約束和風電滲透率極限約束條件，建立風火儲聯合系統優化調度模型；

步驟五、運用基于pareto最優的多目標sa-pso算法求解步驟四中優化調度模型，得到儲能系統并網前后最大風電上網電量。

所述步驟一中，構建的基于旋轉備用容量和風電滲透率約束的含風電場經濟調度模型，其總成本目標函數表達式為：

式中：f(p)為經濟調度模型單位調度周期的總成本,pi為第i臺火力機組出力，其中i為≥1的自然數，n為≥i的自然數，ai、bi、ci為所對應火力機組的煤耗特性系數，di、fi為所對應火力機組的閥點系數，pwj為第j臺風力機組出力，cwj為第j臺風電機組的生產成本，cuj為第j臺風電機組的棄風補償系數，其中j為≥1的自然數，m為≥j的自然數；

該經濟調度模型風電上網電量最大目標函數表達式為：

式中：w(p)為單位調度周期風電上網總電量，pwj為第j臺風力機組出力，其中j為≥1的自然數，m為≥j的自然數。

所述步驟二中的基本參數包括風電滲透率系數δ，正旋轉備用系數χ1，負旋轉備用系數χ2和旋轉備用率k，

風火機組出力平滑約束和風電滲透率極限約束具體計算公式為：

pwj≤δ×pd

式中，pd為系統負荷，pwj為第j臺風力機組出力，δ為風電滲透率系數，，pi為第i臺火力機組出力，其中i為≥1的自然數，n為≥i的自然數，其中j為≥1的自然數，m為≥j的自然數，x1為正旋轉備用系數，x2為負旋轉備用系數，k1為正旋轉備用率，k2為負旋轉備用率。

所述步驟三中基于pareto最優的多目標sa-pso算法中慣性常數遞減方式為：

式中：wstart為初始慣性常數，wend為終止慣性常數，tmax為最大迭代次數，t為當前迭代次數。

所述步驟四中儲能成本表達式為：

式中：ps為儲能設備實時充放電量，cs為初始成本費用系數，wsmax是單元輸出最大容量，cm為儲能系統的維護成本系數，其中s為≥1的自然數，q為≥s的自然數。

通過上述設計方案，本發明可以帶來如下有益效果：

本發明公開了一種利用儲能系統提升調峰空間的風電消納方法，在建立計及風火機組出力平滑約束和風電滲透率極限約束的含風電場日調度模型基礎上，構建了利用儲能系統提升風電調峰空間的風火儲聯合系統日調度模型。以聯合系統總成本最小和風電上網電量最大化為多目標，運用基于pareto最優的多目標sa-pso算法求取聯合系統優化調度方案。

本發明能夠實現通過儲能系統提升風電調峰空間后對風電的實時有效消納，對于指導實際風電并網運行與優化調度具有重要意義。

本發明公開的方法為大規模新能源并網和有效消納提供技術支撐，該方法具有理論明確、高效、簡單的特點。

附圖說明

圖1為本發明一種利用儲能系統提升調峰空間的風電消納方法中聯合發電系統交互結構示意圖。

圖2為本發明一種利用儲能系統提升調峰空間的風電消納方法中基于pareto策略的多目標sa-pso算法流程框圖。

圖3為本發明一種利用儲能系統提升調峰空間的風電消納方法中實施例的儲能系統充放電優化結構示意圖。

圖4為本發明一種利用儲能系統提升調峰空間的風電消納方法中實施例的實時風電功率與調峰空間示意圖。

圖2中，c1和c2為學習因子，t為模擬退火起始溫度，k為模擬退火系數。

圖4中，線段mn表示調峰空間提高，線段pn為消納棄風。

具體實施方式

為了更為具體地描述本發明，下面結合附圖及具體實施方式對本發明的組合風電消納方法進行詳細說明。

步驟一：構建計及風火機組出力平滑約束和風電滲透率極限約束的含風電場經濟調度模型，其多目標總成本目標函數表達式為：

該經濟調度模型風電上網電量最大目標函數表達式為：

式中：f(p)為經濟調度模型單位調度周期的總成本,pi為第i臺火力機組出力，其中i為≥1的自然數，n為≥i的自然數，ai、bi、ci為所對應火力機組的煤耗特性系數，di、fi為所對應火力機組的閥點系數，pwj為第j臺風力機組出力，cwj為第j臺風電機組的生產成本，cuj為第j臺風電機組的棄風補償系數，其中j為≥1的自然數，m為≥j的自然數。

步驟二：設置調度模型基本參數，如風電滲透率系數，正旋轉備用系數，負旋轉備用系數和旋轉備用率，計算公式如下；

pwj≤δ×pd

式中，pd為系統負荷，pwj為第j臺風力機組出力，δ為風電滲透率系數，，pi為第i臺火力機組出力，其中i為≥1的自然數，n為≥i的自然數，其中j為≥1的自然數，m為≥j的自然數，χ1為正旋轉備用系數，χ2為負旋轉備用系數，k1為正旋轉備用率，k2為負旋轉備用率。

步驟三：運用基于pareto最優的多目標sa-pso算法計算風火聯合系統最優調度方案，其中慣性常數遞減方式為：

式中：wstart為初始慣性常數，wend為終止慣性常數，tmax為最大迭代次數，t為當前迭代次數。

步驟四：建立風火儲聯合經濟調度模型，協同風火機組出力平滑約束和風電滲透率極限約束，其儲能裝置成本函數表達式為：

式中：ps為儲能設備實時充放電量，cs為初始成本費用系數，wsmax是單元輸出最大容量，cm為儲能系統的維護成本系數，其中s為≥1的自然數，q為≥s的自然數。。

步驟五：運用基于pareto最優的多目標sa-pso算法求解該調度模型，得到儲能系統并網前后最大風電上網電量情況，并對結果進行分析。

下面結合具體案例對本發明做進一步的詳細說明。

實施例：本發明以常規10發電場系統為研究對象，驗證所提方法的有效性。設置5、6號為風電機組，本節算法參數設置如下，慣性權重wstart＝0.9，wend＝0.4，學習因子c1＝c2＝2.05，模擬退火起始溫度t＝100000，終止溫度t0＝1000，最大迭代次數tmax＝200次，種群粒子數50個。調度約束條件設置如下，旋轉備用系數χ1％設為0.2，χ2％設為0.3，旋轉備用率k1，k2均取值4％。火力機組參數與常規10機組算例系數相同，火力機組參數cw＝20，cu＝50。運用圖2所示基于pareto最優的多目標sa-pso算法對計及旋轉備用容量和風電滲透率約束的含風電場經濟調度模型進行求解，具體調度方案見表1。

表1含風電場最優調度方案

增設7號儲能機組，建立風火儲聯合經濟調度模型，運用該多目標優化算法對其進行求解，其中增設儲能設備參數wsmax＝200mw，cs＝20$/mw.h，cm＝120$/mw.h，儲能機組最大充電功率為120mw，最小充電功率為120mw。具體調度方案見表2，儲能裝置的實時充放電功率見圖3。利用儲能系統提升風電調峰空間后實時風電功率與裕度空間見圖4，可見，儲能設備提升了風電調峰空間，使風電上網電量增發481.589mw。

表2風火儲聯合系統最優調度方案

以上所述，風電上網電量得到有效保障，利用儲能系統提升風電調峰空間能有效減少棄風，實現風電實時有效消納。