考虑时间相关性的风储系统多模式协调优化策略

基于考虑风电预测误差时间相关性的不确定性场景,将能量型储能同时应用于削峰填谷和计划跟踪两种模式,提出了风储联合系统多模式协调优化模型。同时,针对风储联合运行的大规模混合整数规划问题,提出储能调峰容量系数的概念,用于构造两层迭代优化算法,对模型进行快速求解,并可对储能在不同模式的容量分配进行量化评估。基于实际数据进行了计算机仿真验证,仿真结果表明,风储联合系统的最优运行模式受上网电价、惩罚价格以及风电随机特性等因素的影响;而所提出的模型可实现储能有限容量在不同模式间的合理分配和高效利用,为研究风储联合系统运行特性、与电网进行协调调度提供了重要的参考信息。     

考虑储能动态充放电效率特性的风储电站运行优化

风电与储能联合是提升风电场消纳的有效途径,而储能效率直接影响风储联合发电系统的消纳效果,但目前的常数效率模型对储能的效率特性刻画不够精细。以等效风电消纳量最大为目标,建立了考虑储能动态效率的风储联合发电系统运行优化模型。该模型考虑了储能在充放电运行功率不同时的效率变化,将动态效率以分段函数形式纳入混合整数线性优化模型。基于实际风电场运行数据进行了仿真分析,对比了在单一储能和混合储能场景下,常数效率和动态效率模型对风储联合发电系统消纳效果和运行功率的影响,证明了动态效率特性对最大化消纳具有显著影响,是风储联合发电系统运行优化中值得考虑的因素。     

计及可用输电能力的风电并网系统中STATCOM的双层优化配置

针对静止同步补偿器最佳安装位置与容量问题,建立了风电并网系统中计及可用输电能力、静态电压稳定性与投资成本的静止同步补偿器双层优化配置模型。基于后向削减法对风电出力进行场景划分,上层为多目标优化配置层,下层为最优潮流计算层;通过对多目标灰狼算法添加混沌初始化,引入粒子群算法中的速度计算方式等提出基于网格法的多目标灰狼粒子群算法以求解多目标优化问题。在IEEE 30节点上对建立模型进行计算,验证了所提模型的可行性和算法改进的有效性。     

含风储联合单元的电力系统有功和备用多目标协调优化模型

在含风储联合单元的电力系统中,为利用储能可调空间优化系统运行,提出储能在跟踪风电出力计划的同时参与备用的风储运行模式。在以场景集计及系统不确定性因素的基础上,推导出系统风险期望和风储出力偏差期望表达式,为解决系统风险、风储出力偏差和系统运行成本间的矛盾,建立以系统风险最小、风储出力偏差最小和系统运行成本最小的多目标有功与备用协调优化模型。仿真分析表明,所建模型有利于提高系统运行的经济性和可靠性,且有利于降低风储出力偏差,使风储联合单元的运行优化兼顾了系统整体的安全性和经济性。     

考虑频率响应过程的风储联合调频策略及储能系统优化配置方法

风能接入电网后会对系统频率产生负面影响,制定合理的风储联合调频策略可以减小风机并网引起的频率波动.为了准确分析风储联合调频策略的经济性,首先结合电网、风机与储能系统特性,考虑电网与风机的惯性后对风储联合系统进行建模,模拟了风储联合调频时的频率响应过程.然后确定调频功率、风功率及系统频率的关系,结合调频效果确定调频系数,并改进了备用容量的配置策略与调频功率的分配策略.最后以调频成本最小为目标建立了优化模型,使用粒子群优化算法对储能系统的最优配置进行求解.算例结果表明,采用的风储联合调频策略及储能系统优化配置可以有效降低调频成本,提高风储联合系统的经济性.     

用于提高风电场运行效益的电池储能配置优化模型

为风电场配置电池储能系统(BESS)可以有效提高风电接纳能力,增加风电场运行效益。首先,提出一种考虑网架结构的BESS配置双层优化模型。外层模型计及系统安全约束,以风储联合系统相较风电场单独运行的效益增加量最大化为目标,确定BESS最优配置节点、功率、容量;内层模型以风储联合运行效益最大化为目标,以发电机组、风电场、BESS出力为决策变量,考虑功率平衡、旋转备用以及储能系统功率、容量等约束。其次,提出基于改进帝国竞争算法(ICA)的数值优化算法求解该模型。最后,在改进IEEE 118节点系统中验证了所提模型的有效性。结果分析表明:该模型得到的BESS最佳配置方案可有效增加风电场运行效益,随着其投资成本降低或并网电价提高,风储联合运行效益增加量与弃风改善情况均呈增大趋势,且合理设定BESS初始荷电状态可以进一步提高风储联合运行效益;改进ICA相较ICA在保证收敛性的前提下可以有效提高计算速度。     

含风储混合系统的多目标机组组合优化模型及求解

风储混合系统能改善风电出力的随机性,使得风电出力具有一定的可控性,因此将风储混合系统引入电力系统中,并添加系统总能源利用率目标函数,建立含风储混合系统的多目标机组组合优化模型。新模型约束条件计及了储能系统控制模式和风储系统约束条件,并采用模糊处理技术和改进组合粒子群优化算法进行求解,给出机组启停和出力计划。讨论目标函数变化、风储系统引入、控制模式不同以及预测误差对结果的影响。算例分析表明所提模型和算法正确可行。     

计及不确定性的风储联合系统多时间尺度市场参与策略

风电出力的强不确定性严重阻碍了电力市场上报计划的精准执行,由此产生的偏差功率可能使风储联合系统背负高额的偏差惩罚和弃风损失。为了减小投标决策失误导致的经济亏损,建立了一种风储联合系统多时间尺度市场投标模型。借鉴美国现有的市场机制,建立风储联合系统参与能量市场和调频辅助服务市场的收益、成本模型;为了提升风储联合系统投标策略的准确性,基于Copula函数对风电出力不确定性进行量化建模,以此为基础预留部分储能出力能力,从而降低由偏差功率产生的经济性风险;以风储联合系统的预期净收益最大为目标,制定能量市场和调频辅助服务市场的日前投标策略,并在日内阶段根据超短期风电预测数据修正投标决策,提出一种考虑风电出力不确定性的风储联合系统多时间尺度市场参与策略。基于我国某实际风储联合系统进行算例分析,结果表明所提策略能够有效提高风储联合系统的经济收益,避免资源浪费。     

基于时序仿真和GA的风储系统储能容量优化配比

鉴于风储一体化系统中储能容量是影响风电并网系统综合技术经济性能的关键因素之一,提出了基于时序仿真原理和GA算法相结合的协调风电有功功率与其并网系统负荷功率波动的风储一体化系统中储能容量优化配比新方法。根据电网日负荷分布的规律性与风电场出力的随机性,构建了协调风电有功功率与其并网系统负荷功率波动的储能充放电控制策略数学模型;在此基础上,以储能容量最小为目标,考虑储能装置充放电效率、荷电状态与风储合成出力目标等因素,构建了基于时序仿真原理的风储一体化系统中储能容量优化配比数学模型;进一步,采用GA算法对上述时序仿真模型求解。最后,以新疆某风电并网系统实际运行数据对上述风储系统中储能容量优化配比方法进行仿真验证,结果表明:在确保风电出力对系统不构成威胁的情况下,风储功率配比≤8:1,储能系统持续最大持续充放电时间≤1.2 h,较好地兼顾了系统的技术与经济性能。     

基于改进粒子群算法的风储联合系统多目标协同调度

为了平滑风电场输出功率的波动,提高风能的利用率,建立了以最小化风电出力波动和最大化风电场发电效益为优化目标的风储联合系统多目标调度模型。提出了基于虚拟理想粒子的多目标改进粒子群算法(particle swam optimization algorithm,PSO),并用该算法对模型进行了求解。算例仿真结果表明,所提方法可以有效平抑风电场输出功率的波动和提高联合系统的发电效益。     

微电网复合储能多目标优化配置方法及评价指标

复合储能在微电网功率平衡、平滑可再生能源波动、提升电能质量等方面发挥多重作用,针对包含光伏发电、风力发电和典型负荷的微电网,提出一种合理配置复合储能容量的方法。针对复合储能优化配置,以装置成本最低、功率匹配最佳、可再生能源输出功率平滑度最好建立复合储能多目标优化数学模型,采用自适应惯性权重的粒子群算法求解复合储能多目标函数最优解;针对子目标函数权重系数的确定,提出目标函数适应度离差排序法;提出了定量评估微电网储能多目标优化效果的参数指标,并以此为依据,对比了微电网内蓄电池单一储能多目标优化与复合储能多目标优化结果。最后,通过MATLAB编程进行实例验算,验证了方法的合理、有效性。     

基于BAS-IMOPSO算法的风电系统储能优化配置

风力发电作为清洁的可再生能源,在电力系统中应用广泛。但风电出力的随机波动性对电力系统电能质量产生了不利影响。储能系统具有灵活的双向调节能力,引入储能可有效平抑风电接入系统带来的电压与功率波动问题。本文考虑储能接入节点与容量不同对风电出力波动的平抑效果不同,以系统电压偏差、日有功网损和系统内储能接入总容量为目标函数建立多目标储能优化配置模型,并采用改进多目标粒子群算法（BAS-PSO）求解该模型。模型求解结果为一组pareto最优解,为在其中选取最优储能配置方案,采用基于信息熵的逼近理想解排序法,得到最佳储能接入节点与容量。在IEEE-33节点配电网系统中对所提模型进行仿真验证,结果表明储能系统可有效降低配电网的电压偏差与有功网损,提高了系统的电能质量与运行经济性,并具有削峰填谷的作用,同时验证了BAS-PSO算法的有效性。     

多目标多工况双储能协同运行策略

针对风电场弃风严重、预测误差大和风电波动率较大等问题,提出一种计及多工况的多目标双储能协同运行策略.根据不同工况制定15 min时间尺度内的储能补偿负预测差值策略,并设定5 min时间尺度内的储能平抑风电波动策略.根据所提的不同策略设计2种运行方式.在此基础上,考虑双储能系统协同运行策略对容量配置的影响,建立以最大化补偿负预测差值和最大化平抑风电波动为目标函数的储能容量优化配置模型,采用结合遗传特征的粒子群算法进行求解.以中国新疆维吾尔自治区某50 MW风电场为例验证了所提策略的合理性及模型求解方法的有效性.     

考虑综合需求侧响应的区域综合能源系统多目标优化调度

为兼顾区域综合能源系统（regional integrated energy system,RIES）中能耗成本、污染排放、风电消纳等多个调度目标,建立了考虑综合需求响应的RIES多目标优化模型。首先,对含电转气、储能系统、热电联产机组等设备的RIES建模,并在区域内引入了具体考虑削减负荷、转移负荷和替代负荷的综合需求响应,旨在削减系统负荷峰谷差。然后,分别建立了以系统用能成本、弃风功率和污染物治理成本最小的目标函数,采用多目标优化方法--以模糊加权规划遍历权值求解帕累托前沿,再根据证据推理决策方法寻找最优调度策略。最后基于典型算例研究,结果表明了所提多目标优化算法能有效在多个调度目标间做出权衡,考虑综合需求响应的RIES在总能耗、环境友好和风电消纳等方面更具优势。     

基于制氢装置效率特性的风储制氢电厂优化控制策略

风电输出功率波动性与碱性电解槽工作特性间的矛盾降低了制氢装置的工作效率。针对这一问题，对碱性电解槽的动态工作特性展开研究，分析了风速波动对电解槽稳定运行的影响，综合对比了不同储能装置与电制氢协同运行的效果，选取超级电容储能装置作为风储制氢电厂的储能单元。提出了一种风储制氢电厂的效率优化控制策略。该策略在平抑层采用集合经验模态分解(EEMD)算法对风电功率进行分解与高、低频重构；在修正层依据碱性电解槽的工作状态、超级电容的荷电状态，采用模糊控制器对重构后的功率进行修正，实现对碱性电解槽与超级电容之间功率的合理分配，以提高风储制氢电厂的能源利用率。基于搭建的风储制氢电厂仿真模型，在不同的风速输入下对比3种不同策略的控制效果，验证所提策略的有效性。     

基于风-光-蓄-火联合发电系统的多目标优化调度

针对风电、光伏出力的随机性、间歇性和波动性而导致其在大规模接入电网时对电网发电计划制定和调度产生的影响,提出了含风-光-蓄-火联合发电系统的多目标优化调度模型。利用抽水蓄能的抽蓄特性,将风电和光伏出力进行时空平移,使风-光-蓄联合出力转变为稳定可调度电源,具备削峰填谷的功能,与火电机组共同参与系统优化调度。以风-光-蓄联合出力最大、广义负荷波动最小和火电机组运行成本最小作为目标函数,建立多目标优化调度模型,通过多目标处理策略,使目标函数简化为2个,以降低问题维数;在求解阶段,利用分层求解思想,将模型划分为两层,分别采用混合整数规划方法和机组组合优化方法进行求解。10机测试系统仿真结果表明:所建模型可以提高风能和太阳能的利用率,缓解火电机组的调峰压力,大幅降低风电反调峰特性对电网的影响,从而保证电力系统安全、稳定、经济运行。     

考虑季节特性及节点电压偏移的储能系统优化配置

考虑到可再生能源渗透率的增加以及储能装置的接入,研究了含可再生能源配电网的储能优化问题。选用蓄电池作为储能装置,建立了数学模型,并对含风电和光伏的配电系统进行储能优化配置,以系统的经济性和稳定性为优化目标,分别建立了单目标和多目标优化模型。采用改进粒子群优化算法,选择储能容量、储能功率和储能位置作为控制变量进行优化计算。最后结合不同季节风电、光伏和负荷的波动数据,选取含分布式电源的IEEE 33节点配电网系统,对其进行潮流计算及储能优化配置,由此验证了本文配置方法的有效性。     

混合储能多目标容量优化配置

针对蓄电池和超级电容混合储能系统的容量配置,提出了混合储能系统多目标容量优化配置模型,该模型以经济成本、供电可靠性、能量过剩和供需平衡为目标,以蓄电池的SOC、超级电容的端电压和最大功率为约束,同时考虑能量控制策略的影响,应用改进粒子群优化算法同时对蓄电池和超级电容的容量和功率进行设计,并通过仿真验证了所提多目标容量配置算法的快速收敛性和可靠性。     

集群风储联合系统广域协调控制及利益分配策略

针对多个风储联合系统的协调问题,提出了多风储联合系统集群广域协调控制框架,构建了考虑风电时空相关性的风储系统多模式优化调度模型,进一步基于合作博弈理论提出了集群收益分配策略。采用实际风电数据对所提模型和策略进行了仿真验证。仿真结果表明:广域协调控制可最大化集群收益,提高风电整体可控性和储能运行效率;基于合作博弈理论的集群收益分配策略,可实现集群控制中自身利益与整体利益相协调,激励风储系统积极参与集群控制。     

风电-光伏-光热联合发电系统的模糊多目标优化模型

为实现以风光为代表的高比例新能源在电力系统中的友好并网,集成风电场、光伏电站和光热电站为多电源系统,提出风电-光伏-光热联合发电系统的模糊多目标优化模型。利用含储热光热电站良好的可调度性与可控性,为系统提供旋转备用与爬坡支撑,削减风光出力随机性与不确定性,从而实现其削峰填谷功能。以系统并网效益最大和输出功率方差最小为目标建立优化模型,通过定义目标隶属度函数将确定性模型模糊化,并采用最大满意度指标法将多目标优化模型转化为单目标优化模型,利用基于差分进化的粒子群DE-PSO(particle swarm optimization based on differential evolution)算法进行求解。算例系统仿真结果表明:模糊多目标优化能充分利用光热电站优势实现整体运行效果最优,从而验证了所提优化运行模型的可行性和有效性。