风电储能混合系统的联合调度模型及求解
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
10
第 33 卷 第 13 期 2013 年 5 月 5 日
中
国 电 机 工 程 学 Proceedings of the CSEE 中图分类号：TM 73
报
Vol.33 No.13 May 5, 2013 ©2013 Chin.Soc.for Elec.Eng. 学科分类号：47040
文章编号：0258-8013 (2013) 13-0010-08
Et Et 1 P ch,t ch P dis,t / dis
(5)
充放电 蓄电池的运行约束[15]主要有电量约束， 限值约束，储能平衡约束，由于引入了充放电状态 变量，其还有充放电状态转换约束。 1）电量约束：
Emin Et Emax
(6)
2）充放电功率限值约束：
0 Pdis, t P dis,maxU dis,t 0 Pch, t P ch,maxU ch,t
(7) (8)
3）周期始末蓄电池储能平衡约束：
ET E0
(9)
4）蓄电池充放电状态转换约束：
12
U ch, t U dis,t 1 Ydis, t Z ch,t U dis,t 1 U dis,t Ydis, t Z ch,t 1
文献标志码：A
风电储能混合系统的联合调度模型及求解
吴雄，王秀丽，李骏，郭静丽，张凯，陈洁
(西安交通大学电气工程学院，陕西省 西安市 710049)
A Joint Operation Model and Solution for Hybrid Wind Energy Storage Systems
WU Xiong, WANG Xiuli, LI Jun, GUO Jingli, ZHANG Kai, CHEN Jie
中
国
电
机
工
程
学
报
第 33 卷
(10) (11) (12)
、 U dis, t
数跟日前混合系统的调度模型类似，只是单位时间 变为 10 min 级的，据此，在几小时内的风电预测精 度下，其目标函数为最大期望效益值。 max E[ g ( , Pjoi,t , k )] max p
吴雄等：风电储能混合系统的联合调度模型及求解
11
型。文献[12]利用蒙特卡罗法模拟了风电的出力不 确定性，建立了混合系统基于风险约束的联合调度 模型，制定了风电储能混合系统日内小时级的优化 运行计划。文献[13]提出了一种电力市场环境下风 电和储能联合运行的启发式算法，该算法能产生随 市场价格波动的生产调度计划。 上述文献大都能给出日内提前几小时或分钟 的混合系统的联合生产计划，但对混合系统内风电 和储能系统的具体出力安排叙述得不够细致，且储 能单元中蓄电池设计的充放电动作没有限制。本文 考虑了风电出力的随机性，以研究周期内混合系统 的整体期望效益最大化为目标，建立了日前提前一 天和日内提前几小时的风电储能混合系统联合调 度模型。考虑到储能系统短时间内反复充放会减少 寿命，提出了储能系统充放电受控的两种约束模 型。基于蒙特卡罗法和场景削减技术，将目标期望 函数优化问题转化为确定概率下的多场景混合整 数规划问题，应用专业软件求解，给出了混合系统 日前和日内的联合生产计划，并提供了风电和储能 在线的具体调度指令，算例分析验证了本文模型与 算法的正确性。
tT kt
ch 、 式中： Et 为场景下蓄电池 t 时段的储能总量；
dis 分别为蓄电池的充放电效率； U ch,t
S
分别
为场景下蓄电池 t 时段的充电和放电状态变量，
为 0 时表示非，为 1 时表示是； Z ch, t 、 Ydis,t 分别为
tT kt
dro,t 分别为 t 时段的混合系统的售电价格、出力偏
离惩罚价格、弃风惩罚价格；S 为所有场景的集合。 1.2 约束条件 混合系统需要满足出力平衡约束、风电出力限 制约束、储能系统的工作特性约束。 1）混合系统出力平衡约束：
Pjoi, t P w ,t P dis,t P ch,t
(2)
2）风电出力限制约束：
f , Pdro, t P w, t P w, t
(3)
3）申报出力容量约束：
0 Pbid,t Pdis,max Pw,max
1 日前混合系统联合调度模型
1.1 目标函数 风电储能混合系统具有一定的可调度性，因此 其在电网中可以看成一个发电厂。电网调度中心向 风电储能混合系统下发次日的负荷预测信息，风电 场根据自身的风电预测出力、储能配置情况、电价 曲线、考核惩罚等因素，向调度中心申报次日的出 力。调度中心收到混合系统的出力计划，再安排其 它机组的出力计划。当混合系统的实际出力与申报 出力发生偏离时，需要根据偏离量的大小接受一定 的惩罚，以此激励风电场提高风电预测精度，从而 提高混合系统的可调度性[7]。混合系统通过向电网 售电获得经济利益。因此，在一定的风电预测误差 下，系统决策者如何制定合适的日前联合生产计划 以获得最大的经济利益是其运行的主要目标。 由于风电出力的随机性和不确定性，混合系统 的经济效益不能以确定性参数函数来描述，只能以 含随机变量参数的期望函数来描述。其目标函数应 综合考虑混合系统向电网的售电收益、偏离计划出 力的惩罚、尽量小的弃风量等因素，在满足系统的 各项约束条件下获得最大的期望效益。综上所述其 目标函数用下式来描述。
的可再生能源得到了逐渐的发展和应用。风能资源 具有随机性、间歇性、预测精度低等特点[1]，这些 特点使得风电厂难以评估出风电的出力，而电力系 统需要的是稳定可控的电源，因此风电出力的不确 定性限制了风电的广泛应用。 解决这一问题的关键在于如何控制风电接入 电力系统时的功率特性[2]，近年来风电储能混合系 统的联合运行[3-4]给这一问题提供了有效的途径， 随 着储能系统成本的进一步降低，这一应用将为电力 系统带来更大的经济效益和技术方便。储能系统能 将负荷低谷时段的电力存储起来并在负荷高峰时 段释放[5]，与风电联合应用可以平滑风电出力的波 动性。且储能系统具有至少分钟级的反应速度，完 全能与风电功率互补。目前国内外的储能技术主要 有 6 种[6]：抽水蓄能电站、压缩空气储能、超级电 容、电磁储能、蓄电池、飞轮储能。其中，抽水蓄 能电站、压缩空气储能以及大容量蓄电池主要应用 于大规模电力系统中，而其它几种储能设备主要用 在小规模的系统中。本文的储能设备选用风电光伏 电站中应用较广的大容量蓄电池。 国内外对风电储能混合系统的联合运营已有 相关研究，文献[7-8]建立了风电储能系统联合运行 的静态模型，对储能单元及系统约束进行了详细的 建模，但缺乏对风电出力不确定性的模拟。文献[9] 在文献[7]的基础上考虑了风电的预测误差， 进一步 提出了基于机会约束规划和场景分析的风储混合 系统的调度模型，具有较好的启发意义。文献[10] 考虑了风电的随机性，建立了基于随机规划的风电 储能系统优化模型，但其抽水蓄能系统模型结构略 简单，难以应用于实际生产当中。文献[11]以电力 市场环境下风电抽水蓄能整体经济效益最优为目 标，建立了混合系统联合运行的两阶段动态规划模
式中：为随机变量，用来描述风电不确定性产生 的场景；Pbid,t 为混合系统日前申报的 t 时段的出力 计划；T 为时段集合，本文定义为一天 24 h；p为
场景 发生的概率； Pjoi, dro,t 分别为场景 下 t t 、P
时段的混合系统的发电量和弃风量；pri,t、pen,t、
(School of Electrical Engineering, Xi’an Jiaotong University, Xi’an 710049, Shaanxi Province, China) ABSTRACT: Hybrid wind energy storage system smoothes the randomness and fluctuation of wind power output, so wind power becomes dispatchable. To cope with the operation of hybrid wind energy storage system, this paper established a multi-time scale operation model of hybrid wind energy storage system. The aim was to maximum the expected profit of the hybrid system considering the randomness of the wind power output and the charge/discharge frequency controlling of the battery. Scenario reduction algorithm and mixed integer programming technique were developed to solve the problem, the planned power generation of the hybrid system before and in the day was supplied, in addition, the online scheduling information was also provided. The proposed model can provide power generation scheduling of the hybrid system for the operators. KEY WORDS: wind power; energy storage system; joint operation; scenario reduction; mixed integer programming 摘要：风电储能混合系统改善了风电出力的随机性和波动 性， 使得风电具有一定的可调度性。 应对风电储能混合系统 的联合调度问题， 建立了多时间尺度下的混合系统联合调度 模型。 模型以最大化风电储能混合系统联合运行的期望效益 为目标，考虑了风电出力的随机性和储能系统充放电的控 制。 基于场景削减技术以及混合整数规划技术对问题进行了 求解， 给出了混合系统日前小时级的联合生产计划以及日内 分钟级的联合生产计划， 并能在线安排风电出力以及储能出 力， 具有实际的可操作性， 可为系统运行人员提供风电储能 混合系统具体的调度出力信息。 关键词：风电；储能；联合调度；场景削减；混合整数规划
0 引言
随着全球的能源危机，风能作为一种最为常见
基金项目：国家 863 高技术基金项目(2011AA05A103)。 The National High Technology Research and Developme来自百度文库t of China 863 Program (2011AA05A103).
第 13 期
(4)
式中： Pw ,t 为场景下风电在 t 时段的出力； P ch,t 、 Pdis, t 分别为场景 下蓄电池 t 时段的充电和放电
量； Pwf,t, 为场景下风电 t 时段的自然出力；Pw,max 为风电厂的最大发电量；Pdis,max、Pch,max 分别为储 能系统的最大放电和充电值。 本文的储能系统选用容量较大的蓄电池组，蓄 电池 t 时段的电量与 t1 时段的电量有关[14]。
max E[ f ( , Pbid,t )] max p f ( , Pbid,t )
tT
S
tT
max p ( pri,t Pjoi,t pen,t
S
tT
Pjoi,t Pbid,t dro,t Pdro, t)
(1)
第 33 卷 第 13 期 2013 年 5 月 5 日
中
国 电 机 工 程 学 Proceedings of the CSEE 中图分类号：TM 73
报
Vol.33 No.13 May 5, 2013 ©2013 Chin.Soc.for Elec.Eng. 学科分类号：47040
文章编号：0258-8013 (2013) 13-0010-08
Et Et 1 P ch,t ch P dis,t / dis
(5)
充放电 蓄电池的运行约束[15]主要有电量约束， 限值约束，储能平衡约束，由于引入了充放电状态 变量，其还有充放电状态转换约束。 1）电量约束：
Emin Et Emax
(6)
2）充放电功率限值约束：
0 Pdis, t P dis,maxU dis,t 0 Pch, t P ch,maxU ch,t
(7) (8)
3）周期始末蓄电池储能平衡约束：
ET E0
(9)
4）蓄电池充放电状态转换约束：
12
U ch, t U dis,t 1 Ydis, t Z ch,t U dis,t 1 U dis,t Ydis, t Z ch,t 1
文献标志码：A
风电储能混合系统的联合调度模型及求解
吴雄，王秀丽，李骏，郭静丽，张凯，陈洁
(西安交通大学电气工程学院，陕西省 西安市 710049)
A Joint Operation Model and Solution for Hybrid Wind Energy Storage Systems
WU Xiong, WANG Xiuli, LI Jun, GUO Jingli, ZHANG Kai, CHEN Jie
中
国
电
机
工
程
学
报
第 33 卷
(10) (11) (12)
、 U dis, t
数跟日前混合系统的调度模型类似，只是单位时间 变为 10 min 级的，据此，在几小时内的风电预测精 度下，其目标函数为最大期望效益值。 max E[ g ( , Pjoi,t , k )] max p
吴雄等：风电储能混合系统的联合调度模型及求解
11
型。文献[12]利用蒙特卡罗法模拟了风电的出力不 确定性，建立了混合系统基于风险约束的联合调度 模型，制定了风电储能混合系统日内小时级的优化 运行计划。文献[13]提出了一种电力市场环境下风 电和储能联合运行的启发式算法，该算法能产生随 市场价格波动的生产调度计划。 上述文献大都能给出日内提前几小时或分钟 的混合系统的联合生产计划，但对混合系统内风电 和储能系统的具体出力安排叙述得不够细致，且储 能单元中蓄电池设计的充放电动作没有限制。本文 考虑了风电出力的随机性，以研究周期内混合系统 的整体期望效益最大化为目标，建立了日前提前一 天和日内提前几小时的风电储能混合系统联合调 度模型。考虑到储能系统短时间内反复充放会减少 寿命，提出了储能系统充放电受控的两种约束模 型。基于蒙特卡罗法和场景削减技术，将目标期望 函数优化问题转化为确定概率下的多场景混合整 数规划问题，应用专业软件求解，给出了混合系统 日前和日内的联合生产计划，并提供了风电和储能 在线的具体调度指令，算例分析验证了本文模型与 算法的正确性。
tT kt
ch 、 式中： Et 为场景下蓄电池 t 时段的储能总量；
dis 分别为蓄电池的充放电效率； U ch,t
S
分别
为场景下蓄电池 t 时段的充电和放电状态变量，
为 0 时表示非，为 1 时表示是； Z ch, t 、 Ydis,t 分别为
tT kt
dro,t 分别为 t 时段的混合系统的售电价格、出力偏
离惩罚价格、弃风惩罚价格；S 为所有场景的集合。 1.2 约束条件 混合系统需要满足出力平衡约束、风电出力限 制约束、储能系统的工作特性约束。 1）混合系统出力平衡约束：
Pjoi, t P w ,t P dis,t P ch,t
(2)
2）风电出力限制约束：
f , Pdro, t P w, t P w, t
(3)
3）申报出力容量约束：
0 Pbid,t Pdis,max Pw,max
1 日前混合系统联合调度模型
1.1 目标函数 风电储能混合系统具有一定的可调度性，因此 其在电网中可以看成一个发电厂。电网调度中心向 风电储能混合系统下发次日的负荷预测信息，风电 场根据自身的风电预测出力、储能配置情况、电价 曲线、考核惩罚等因素，向调度中心申报次日的出 力。调度中心收到混合系统的出力计划，再安排其 它机组的出力计划。当混合系统的实际出力与申报 出力发生偏离时，需要根据偏离量的大小接受一定 的惩罚，以此激励风电场提高风电预测精度，从而 提高混合系统的可调度性[7]。混合系统通过向电网 售电获得经济利益。因此，在一定的风电预测误差 下，系统决策者如何制定合适的日前联合生产计划 以获得最大的经济利益是其运行的主要目标。 由于风电出力的随机性和不确定性，混合系统 的经济效益不能以确定性参数函数来描述，只能以 含随机变量参数的期望函数来描述。其目标函数应 综合考虑混合系统向电网的售电收益、偏离计划出 力的惩罚、尽量小的弃风量等因素，在满足系统的 各项约束条件下获得最大的期望效益。综上所述其 目标函数用下式来描述。
的可再生能源得到了逐渐的发展和应用。风能资源 具有随机性、间歇性、预测精度低等特点[1]，这些 特点使得风电厂难以评估出风电的出力，而电力系 统需要的是稳定可控的电源，因此风电出力的不确 定性限制了风电的广泛应用。 解决这一问题的关键在于如何控制风电接入 电力系统时的功率特性[2]，近年来风电储能混合系 统的联合运行[3-4]给这一问题提供了有效的途径， 随 着储能系统成本的进一步降低，这一应用将为电力 系统带来更大的经济效益和技术方便。储能系统能 将负荷低谷时段的电力存储起来并在负荷高峰时 段释放[5]，与风电联合应用可以平滑风电出力的波 动性。且储能系统具有至少分钟级的反应速度，完 全能与风电功率互补。目前国内外的储能技术主要 有 6 种[6]：抽水蓄能电站、压缩空气储能、超级电 容、电磁储能、蓄电池、飞轮储能。其中，抽水蓄 能电站、压缩空气储能以及大容量蓄电池主要应用 于大规模电力系统中，而其它几种储能设备主要用 在小规模的系统中。本文的储能设备选用风电光伏 电站中应用较广的大容量蓄电池。 国内外对风电储能混合系统的联合运营已有 相关研究，文献[7-8]建立了风电储能系统联合运行 的静态模型，对储能单元及系统约束进行了详细的 建模，但缺乏对风电出力不确定性的模拟。文献[9] 在文献[7]的基础上考虑了风电的预测误差， 进一步 提出了基于机会约束规划和场景分析的风储混合 系统的调度模型，具有较好的启发意义。文献[10] 考虑了风电的随机性，建立了基于随机规划的风电 储能系统优化模型，但其抽水蓄能系统模型结构略 简单，难以应用于实际生产当中。文献[11]以电力 市场环境下风电抽水蓄能整体经济效益最优为目 标，建立了混合系统联合运行的两阶段动态规划模
式中：为随机变量，用来描述风电不确定性产生 的场景；Pbid,t 为混合系统日前申报的 t 时段的出力 计划；T 为时段集合，本文定义为一天 24 h；p为
场景 发生的概率； Pjoi, dro,t 分别为场景 下 t t 、P
时段的混合系统的发电量和弃风量；pri,t、pen,t、
(School of Electrical Engineering, Xi’an Jiaotong University, Xi’an 710049, Shaanxi Province, China) ABSTRACT: Hybrid wind energy storage system smoothes the randomness and fluctuation of wind power output, so wind power becomes dispatchable. To cope with the operation of hybrid wind energy storage system, this paper established a multi-time scale operation model of hybrid wind energy storage system. The aim was to maximum the expected profit of the hybrid system considering the randomness of the wind power output and the charge/discharge frequency controlling of the battery. Scenario reduction algorithm and mixed integer programming technique were developed to solve the problem, the planned power generation of the hybrid system before and in the day was supplied, in addition, the online scheduling information was also provided. The proposed model can provide power generation scheduling of the hybrid system for the operators. KEY WORDS: wind power; energy storage system; joint operation; scenario reduction; mixed integer programming 摘要：风电储能混合系统改善了风电出力的随机性和波动 性， 使得风电具有一定的可调度性。 应对风电储能混合系统 的联合调度问题， 建立了多时间尺度下的混合系统联合调度 模型。 模型以最大化风电储能混合系统联合运行的期望效益 为目标，考虑了风电出力的随机性和储能系统充放电的控 制。 基于场景削减技术以及混合整数规划技术对问题进行了 求解， 给出了混合系统日前小时级的联合生产计划以及日内 分钟级的联合生产计划， 并能在线安排风电出力以及储能出 力， 具有实际的可操作性， 可为系统运行人员提供风电储能 混合系统具体的调度出力信息。 关键词：风电；储能；联合调度；场景削减；混合整数规划
0 引言
随着全球的能源危机，风能作为一种最为常见
基金项目：国家 863 高技术基金项目(2011AA05A103)。 The National High Technology Research and Developme来自百度文库t of China 863 Program (2011AA05A103).
第 13 期
(4)
式中： Pw ,t 为场景下风电在 t 时段的出力； P ch,t 、 Pdis, t 分别为场景 下蓄电池 t 时段的充电和放电
量； Pwf,t, 为场景下风电 t 时段的自然出力；Pw,max 为风电厂的最大发电量；Pdis,max、Pch,max 分别为储 能系统的最大放电和充电值。 本文的储能系统选用容量较大的蓄电池组，蓄 电池 t 时段的电量与 t1 时段的电量有关[14]。
max E[ f ( , Pbid,t )] max p f ( , Pbid,t )
tT
S
tT
max p ( pri,t Pjoi,t pen,t
S
tT
Pjoi,t Pbid,t dro,t Pdro, t)
(1)