计及风电不确定性和弃风率约束的风电场储能容量配置方法

风电的大规模开发造成了严重的弃风问题,在风电场内配置储能装置可显著减少弃风,文中基于分布鲁棒优化方法研究了考虑风电不确定性和弃风率约束的风电场储能容量配置问题。首先根据历史数据构造风电出力的经验分布函数,为考虑风电出力的不确定性,以Kullback-Leibler(KL)散度作为分布函数距离测度建立了风电出力的概率分布函数集合。随后,将弃风率要求建模为概率分布函数集合中最坏分布下的鲁棒机会约束,进一步建立了以储能投资成本最小为目标、以弃风率为约束的鲁棒机会约束规划模型。最后,通过矫正机会约束中的风险阈值,将鲁棒机会约束转化为传统机会约束,并采用凸近似和抽样平均构建线性规划进行高效求解。基于IEEE 30节点电网进行了算例分析,并与传统的随机规划和鲁棒优化模型进行对比,验证了所提模型在处理风电不确定性时能有效兼顾保守性和鲁棒性。     

考虑预测误差的风电场储能配置优化方法

利用储能降低风电预测误差能够降低风电出力不确定性,从而减少弃风,储能的容量和功率配置则直接影响到补偿预测误差的效果和经济性。基于T location-scale(TLS)分布建立了风电预测误差概率分布模型,使用几何分布描述风电误差持续性,并利用粒子群算法对模型中的参数进行了极大似然估计。以风电场收益最大为优化目标,将补偿风电预测误差的置信度以机会约束的形式加入储能配置优化模型,并在模型中考虑了对风电预测出力曲线的修正。仿真计算结果表明,所提方法能够很好地拟合预测误差的概率密度函数和误差持续时间,储能配置的经济性优于不考虑误差持续时间和出力修正的模型,验证了所提方法能够提高储能配置的准确性和经济性。     

用于跟踪风电场计划出力的电池储能系统容量优化配置

电池储能系统是平抑风电功率预测误差的理想选择,在现有储能电池价格水平前提下,电池储能系统的功率与容量优化配置尤为重要。基于风电场功率预测误差分布特性,依据风电功率预测预报标准中的约束条件和考核指标,分析了电池储能系统功率与风电功率预测误差、风电功率预测误差缩减率、全天预测结果的均方根误差、准确率及合格率的特性关系,储能系统容量与容量需求满足率及容量需求满足增长率的特性关系。为较好平抑风电功率预测误差且使投入成本较低,基于截止正态分布法,提出了一种储能系统功率与容量配置优化方法。该方法可计算用于跟踪风电场计划出力所需的较优储能系统功率与容量。通过实例计算分析,验证了该方法的有效性和可行性。     

考虑复杂海洋气候条件影响的海上风电场储能容量配置研究

复杂的海洋气候条件会影响到海上风电场风功率预测的精度,储能系统可有效补偿风功率预测误差。提出一种考虑风功率预测误差不确定性的海上风电场储能容量配置方法。首先,通过组合预测模型预测风速,根据风功率-风速关系求得风功率预测值,与实测值比较得到风功率预测误差。然后,以储能配置的功率成本与容量成本之和最小为目标,建立利用储能将风功率预测误差补偿至允许区间内的鲁棒机会约束模型,并采用凸近似和抽样平均方法将模型转换为线性规划形式实现高效求解。最后,在算例中分析台风事件对海上风电场储能配置的影响,验证了所提模型在处理风功率预测误差不确定性时能有效兼顾补偿效果与经济性。研究成果可为今后深远海风电场大规模配置储能提供有力支撑。     

考虑风电功率概率分布不确定性的含风电配电网无功规划方法

由于风电功率预测的局限性,难以准确而有效地刻画风电功率的概率分布函数,提出考虑风电功率概率分布不确定性的含风电配电网无功规划方法。该方法可有效应用于风电概率分布集合中的任意分布情况,在一定概率约束下保证配电网的安全运行要求,同时最小化配电网网损和无功设备投资成本之和。采用概率分布鲁棒机会约束模型描述含风电的配电网无功规划问题,根据潮流平衡等式分离节点电压和支路功率约束中的随机向量,根据条件风险价值(CVaR)的物理意义构建关于节点电压约束和支路功率约束的CVaR模型,利用对偶优化、Schur补和S-lemma的性质将该模型转化为确定性的双线性矩阵不等式(BMI)问题。采用基于BMI优化的免疫粒子群算法求解该问题。改进的IEEE 33节点配电系统仿真结果验证了所提无功规划方法的可行性和有效性。     

基于风电功率min级分量波动特性的风电场储能容量优化计算

储能为抑制风电功率随机波动性对电力系统的不利影响提供了可能。为减小风电功率随机波动分量对电力系统的影响,提出用储能设备平滑风电功率随机波动频繁的min级分量,并通过分析风电功率min级分量的波动特性,建立对应的储能容量优化配置模型。该模型在充分把握风电功率min级分量波动特性的基础上,以概率统计的区间估计理论确定储能系统的容量配置和最大充放电功率。该优化模型可以较小容量的储能设备改善风电功率的平滑输出,有利于减小风电功率随机波动性对电力系统的不利影响。仿真算例表明了该算法的有效性。     

基于风电功率min级分量波动特性的 风电场储能容量优化计算

储能为抑制风电功率随机波动性对电力系统的不利影响提供了可能。为减小风电功率随机波动分量对电力系统的影响,提出用储能设备平滑风电功率随机波动频繁的min级分量,并通过分析风电功率min级分量的波动特性,建立对应的储能容量优化配置模型。该模型在充分把握风电功率min级分量波动特性的基础上,以概率统计的区间估计理论确定储能系统的容量配置和最大充放电功率。该优化模型可以较小容量的储能设备改善风电功率的平滑输出,有利于减小风电功率随机波动性对电力系统的不利影响。仿真算例表明了该算法的有效性。     

基于自适应扩散高斯核密度风电预测误差估计的 风火联合优化调度研究

随着风电大规模并网,风电出力不确定性增加了电力系统调度的难度。针对风荷不确定性对电力系统调度的影响,采用迭代自组织数据分析算法对风电功率预测值及对应风电功率预测误差进行分段。然后采用自适应扩散高斯核密度估计拟合分段后各风电功率区间段内的预测误差。在此基础上,提出一种整体考虑风电及负荷预测误差得到净负荷预测误差、并将净负荷预测误差计入正负旋转备用容量概率约束的优化调度模型。采用机会约束规划将概率约束转换为等价确定性约束进行求解。在IEEE39节点系统进行三种代表性场景的算例仿真,结果表明引入迭代自组织数据分析算法和自适应扩散高斯核密度估计后,备用成本降低6.71%,含碳排放的环境成本降低20.4%,总发电成本降低2.98%。最后分析了置信水平对备用容量和总发电成本的影响。     

风电波动平抑的储能容量配置方法研究

基于储能进行风电功率波动的平抑,容量配置是关键问题。在满足风电并网波动率要求的情况下,该文开展了多种场景下的储能容量配置研究。首先,基于变时间常数的一阶滤波算法分析不同置信水平下的储能容量配置情况;然后,对比分析了一阶滤波算法和模型预测控制算法,即不同波动平抑策略下的储能容量配置问题;再者,基于模型预测控制算法分析了风电集中式并网和分散式并网、不同风电装机容量对储能容量配置的影响,以及不同并网波动率限制对储能容量配置的约束。最后,通过算例验证了分析方法的有效性。     

跟踪光伏计划出力偏差的储能容量配置研究

不同典型天气下光伏出力预测误差具有明显差异,为保证分布式光伏集群友好接入,提出一种考虑光伏发电功率预测误差不确定性的共享储能容量配置方法。首先基于注意力机制和长短时记忆神经网络（long-term short-term memory neural network,LSTM）对分布式光伏出力进行预测,再与不同典型气象条件下的光伏出力实际值进行对比得到预测误差。然后以共享储能配置成本最优为目标,建立跟踪光伏出力计划偏差的共享储能容量配置模型,通过引入鲁棒机会规划约束来描述预测误差的不确定性,并采用凸逼近方法将原模型转化为确定性模型进行求解。仿真结果表明,所提方法在保证补偿效果的同时能最大提升储能配置的经济性。     

考虑风电不确定性的风火打捆直流外送系统的日前机组组合模型

大规模风电并网给电力系统的优化运行带来新的挑战。根据风电场历史数据,分别采用区间预测和场景分析两种方法对未来的风电功率进行不确定描述,建立了风电预测信息不同描述方式下的考虑直流功率调整约束的日前机组组合模型。算例分析表明,所采用的风电预测方法能够准确地反映真实的风电功率信息,建立的机组组合模型能够针对不同的预测信息做出优化决策。最后对单位弃风成本及直流功率单位调节成本对优化结果的影响进行分析比较,为风火打捆直流外送系统日前计划的制定提供建议。     

应用储能系统补偿风电功率预测误差综述

针对风电功率随机性、波动性以及不确定性对电力系统安全稳定运行的影响,风电功率预测误差使大规模风电并网难度增大的现状,根据储能系统具有响应速度快及对能量进行时空平移的特点,在分析风电功率预测误差分布规律的基础上,对储能系统类型的选择、补偿控制策略设计、储能系统功率容量配置等研究成果及发展现状进行了综述,并对未来应用储能系统补偿风电功率预测误差等多方面的关键技术进行了展望。     

基于风电功率预测误差分析的风电场储能容量优化方法

在风电场中配置储能系统,利用储能系统的快速调节能力,及时平抑和补偿风电出力波动,是应对大规模风电接入的有效方法。如何根据风电场的预测水平确定储能系统的最大功率和额定容量,是一个亟须研究的课题。文中提出了一种基于风电功率预测误差分析的储能系统规模确定方法,并建立了储能装置规模与风电场风能损失之间的成本与效益模型。最后,以美国德克萨斯州某风电场数据为例,验证了所提储能容量优化配置方法的正确性和可行性。     

风电场黑启动储能容量优化配置：一种考虑储能运行策略的方法

风电在区域电网的占比越来越大。为了解决风电场在黑启动过程中的风电出力波动问题,提出了一种考虑储能运行策略的储能配置方法。首先,基于风电功率预测算法得出预测功率,并利用非参数核密度估计定义黑启动最小风功率概率密度以及黑启动可执行概率倾度,进而确定了黑启动时段。其次,根据储能在黑启动过程中补偿功率缺额和平抑波动作用制定储能运行策略。考虑储能运行策略对容量配置的影响,将储能额定功率和额定容量作为模型自变量,建立以补偿功率缺额最大化为目标函数的储能优化配置模型,并采用改进粒子群算法对模型进行求解。最后,以内蒙古某45 MW风电场数据对储能运行策略和优化配置模型的可行性进行了验证。     

考虑调度成本的风电场群储能容量优化配置

含大规模风电的电力系统运行调度,经常需要配置一定的备用容量来应对风电功率预测偏差,来确保系统运行安全性,降低了系统运行的经济性。储能系统具有对功率、能量的时间转移和快速响应的能力,为此,本文在考虑储能充放电效率基础上,建立风电场群储能系统容量配置数学模型,并以单位时间内储能系统成本和备用容量成本之和最小为目标,优化储能容量配置,算例分析表明,利用储能系统弥补风电功率预测误差较大时段的功率缺额,在满足同样系统安全的条件下,可有效的减少系统备用容量的增加。     

电池储能系统用于风电功率部分“削峰填谷”控制及容量配置

为缩减风电输出功率小时级的峰谷差,减小风电功率间歇性、波动性对规模化风电并网带来的不利影响,基于风电功率短期预测技术的小时级风电功率输出指令,提出风电功率部分“削峰填谷”控制策略,利用电池储能系统（battery energy storage system,BESS）缩减小时级尺度的风电功率峰谷差,并在各时间窗口内将风储合成出力的风电功率波动限制在一定的带宽范围以内;提出基于正态分布的储能功率计算方法,基于电池储能系统优化控制策略,分析电池储能系统实现部分“削峰填谷”控制策略与储能容量之间的关系。仿真实验结果验证该控制策略下储能容量配置的正确性与可行性。     

基于滑动平均与小波包分解的混合储能容量优化

采用蓄电池和超级电容组成的混合储能平抑风电功率波动,提高风电并网运行能力。首先,根据风电场历史数据,结合风电并网波动标准,采用滑动平均法对原始功率进行分解,得到风电并网功率和储能功率;其次,利用小波包分解法的高时频分辨率优点,将储能功率信号分解,得到低频分量和高频分量,分别作为蓄电池和超级电容的功率指令。基于储能寿命量化模型,建立以储能年均综合成本最小为目标函数的容量优化配置模型。实例验证了所提方法有效性和经济实用性,为风电场储能规划设计提供了一定的理论依据。     

电池储能平抑风电功率波动的预测控制方法

风电波动性和随机性严重影响电力系统安全稳定性。为了平抑风功率波动,提出了一种基于模型预测控制(MPC)原理的平抑风电功率波动的电池储能控制方法。该方法利用风电场超短期功率预测信息,以并网风电功率的波动范围、电池储能荷电状态(SOC)、储能出力大小等为约束,通过滚动优化实现对储能的优化控制。算例表明,该方法既能有效平抑风电功率波动,又能超前控制储能SOC值,维持储能的平滑能力,避免储能过充过放。     

基于净负荷分步建模的旋转备用优化确定风险分析方法

由于采用净负荷预测误差模型描述风电和负荷共同预测误差,优化系统旋转备用配置的多场景概率风险分析方法尚难以全面考虑风电的不确定性,如从网络安全和经济性方面必须考虑的弃风因素以及风电功率预测误差存在的非正态分布情况。为此,基于分步建模的策略改进多场景概率风险分析方法中净负荷预测误差模型,使其在计算系统失负荷风险时能够计及弃风和考虑不同类型概率分布的风电功率预测误差,并将弃风惩罚成本引入机组组合优化模型的目标函数中,以实现风电功率的合理消纳和系统旋转备用的优化确定。采用混合整数线性规划方法,对含风电场的IEEE-RTS 26机测试系统进行仿真分析,验证了改进模型的有效性。     

基于LSTM和非参数核密度估计的风电功率概率区间预测

高精度的风电功率点和区间预测可以为电网优化配置带来更多信息。提出采用长短期记忆（LSTM）网络实现风电功率的点预测,并基于该网络生成1组风电功率预测误差数据集,采用渐进积分均方误差准则的窗宽优化方法实现非参数核密度的估计,求出不同置信度下的风电功率波动区间。实验基于美国某风电场历史数据,通过与BP, Elman神经网络和SVM对比,验证了LSTM网络预测精度更高;基于LSTM网络预测生成的误差数据集,与高斯模型及随机窗宽非参数核密度估计模型相比,结果说明了所提最优窗宽非参数核密度估计模型具有更贴近真实的预测误差分布。