风-储联合系统的跟踪计划出力方法与流程

本发明涉及一种风-储联合系统的跟踪计划出力方法，属于新能源(风力)发电与储能领域。

背景技术：

1、风能是作为一种具有随机性和波动性的清洁能源，往往会受到各种因素的影响而发生变化，包括地理位置、天气情况、季节变化、地表空旷程度等影响条件。风电通常作为一种电力来源提供给电网和用户，但风电的这种随机性和波动性所带来的不确定性往往会导致风电站响应电网调频指令的能力不足，难以保证电网的稳定性质量达到要求。为了保证风电场输出功率能够供给电网及用电负荷，亟需一种新兴技术来对风电出力进行调整。针对高比例可再生能源并网面临的挑战，配置储能电站是解决弃风问题，维持系统稳定运行的有效手段。在这种情况下，引入储能技术，搭配风力发电场协调运行构成风-储联合系统，通过储能的电力调配能力，补偿/吸收风电的缺额/冗余量，从而减少了功率不足带来的惩罚以及弃风损失。鉴于风-储联合技术发展尚未成熟，且单一的储能补偿没有很好的体现出经济性，在综合考虑多方面因素的情景下，寻找最优的风-储协调运行策略，成为了重要课题。

技术实现思路

1、针对如何确定最优的风-储协调运行策略的问题，本发明提供一种风-储联合系统的跟踪计划出力方法。

2、本发明的一种风-储联合系统的跟踪计划出力方法，包括：

3、s1、得到最优计划出力pplan(n+k)，n表示当前采样时刻，k为正整数；

4、s2、判断风电场实时出力pactual(n)是否在储能波动区间[plower_limit(n),pupper_limit(n)]内，若是，则转入s5，若否，则转入s3；pupper_limit(n)、plower_limit(n)分别为储能波动所约束的上下限值；

5、s3、当风电场实时出力pactual(n)大于pupper_limit(n)，进行储能系统充电，转入s4，否则进行储能系统放电，转入s4；

6、s4、构建平抑波动目标函数及储能约束条件，在储能约束条件下对目标函数求解后得到平抑波动后的风电实时出力pactual'(n)，平抑波动目标函数为：

7、maxαacc-βcdc

8、其中，储能平抑波动准确率储能充放电次数比例pactual'(n)为平抑波动后的风电实时出力，α和β为权重系数，表示储能总量的变化率；

9、s5、建立预测模型，用于得到n+k时刻的风电实时预测出力padjust(n+k|n)；

10、s6、根据得到的padjust(n+k|n)，以n+k时刻的跟踪误差最小与储能出力最小为目标，建立风电补偿目标函数及储能约束条件，在储能约束条件下求解立风电补偿目标函数，得到风电补偿后的出力padjust(n)；

11、风电补偿目标函数为：

12、

13、式中，n表示采样时刻的总数量，δebess(n+k|n)为n+k时刻的储能预测出力，γ为储能出力所占目标函数的比重；

14、s7、输出风电补偿后的出力padjust(n)。

15、作为优选，s5中，是以储能系统的荷电状态soc(n)为控制系统的状态变量x(n)，储能系统充放电功率δebess(n)作为控制变量u(n)，风电补偿后的出力padjust(n)作为系统的输出y(n)，风电预测误差ε(n)＝pactual'(n)-pplan(n)作为扰动量r(n)，建立预测模型，采用mpc控制方法，得到n+k时刻输出y(n)状态方程：

16、

17、

18、其中，soc(n+k|n)和soc(n+k-1|n)分别为n+k时刻和n+k-1时刻储能荷电状态的预测值。

19、作为优选，s6中通过二次规划对目标函数及约束条件进行求解，将目标函数转换为：

20、

21、式中，u为优化变量向量，包括所有采样时刻的δebess(n)，h为二次项的系数矩阵，f为线性项的系数向量。

22、作为优选，得到最优计划出力pplan(n+k)的方法：

23、基于风电站的历史数据构建风电功率预测模型的训练集，训练集中每个训练样本的输入数据包括任意连续m个小时内各采样点风电站的出力值，输出数据包括连续m个小时后第k时刻的最优计划出力；

24、利用训练集对风电功率预测模型进行训练，获得训练后的风电功率预测模型；

25、将当前时刻的风电场实时出力pactual(n)输入到风电功率预测模型中，风电功率预测模型得到最优计划出力pplan(n+k)，风电功率预测模型为深度学习网络。

26、作为优选，s4中的储能约束条件为：

27、

28、其中，δebess(n)为储能系统充放电功率变化量，ebess(n)为储能功率，δebess,max、δebess,min为δebess(n)的上下限，ebess,max、ebess,min为ebess(n)的上下限。

29、作为优选，s6中的储能约束条件为：

30、

31、其中δebess(n)为储能系统充放电功率变化量，ebess(n)为储能功率，δebess,max、δebess,min为δebess(n)的上下限，ebess,max、ebess,min为ebess(n)的上下限。

32、作为优选，s3中储能系统充放过程中，n时刻充电功率pc(n)与放电功率pf(n)分别满足：

33、

34、式中，pc,max和pf,max分别为储能系统的最大充、放电功率，σ为储能系统的自放电率，ηc、ηd分别为储能系统的充、放电效率，ebess,max为储能系统的最大容量，ebess,min为储能系统的最小容量，δebess(n)为n-1时刻储能系统充放电功率变化量，δt为相邻两个时刻间隔的时长。

35、本发明的有益效果，本发明采用双层控制对风电场实际出力进行波动平抑后滚动优化，在上层控制中基于风电波动限值，采用逐点滚动优化的方式，储能参与调节减小波动，达到平抑波动的效果；在下层控制中，采用模型预测控制的方法，利用风电场计划出力与实际出力的数据，结合储能的充放电能力，以预测误差最小作为目标，研究了跟踪计划出力的风-储联合系统双层协调运行策略；最后通过实验验证跟踪准确率，并得出各评价指标。本发明主要应用于对风电站配置储能电站的出力控制，以达到风-储系统最优的出力，实现最优经济效益。

1.风-储联合系统的跟踪计划出力方法，其特征在于，所述方法包括：

2.根据权利要求1所述的风-储联合系统的跟踪计划出力方法，其特征在于，s5中，是以储能系统的荷电状态soc(n)为控制系统的状态变量x(n)，储能系统充放电功率δebess(n)作为控制变量u(n)，风电补偿后的出力padjust(n)作为系统的输出y(n)，风电预测误差ε(n)＝pactual'(n)-pplan(n)作为扰动量r(n)，建立预测模型，采用mpc控制方法，得到n+k时刻输出y(n)状态方程：

3.根据权利要求1所述的风-储联合系统的跟踪计划出力方法，其特征在于，s6中通过二次规划对目标函数及约束条件进行求解，将目标函数转换为：

4.根据权利要求1所述的风-储联合系统的跟踪计划出力方法，其特征在于，得到最优计划出力pplan(n+k)的方法：

5.根据权利要求1所述的风-储联合系统的跟踪计划出力方法，其特征在于，s4中的储能约束条件为：

6.根据权利要求1所述的风-储联合系统的跟踪计划出力方法，其特征在于，s6中的储能约束条件为：

7.根据权利要求1所述的风-储联合系统的跟踪计划出力方法，其特征在于，s3中储能系统充放过程中，n时刻充电功率pc(n)与放电功率pf(n)分别满足：

8.一种计算机可读的存储设备，所述存储设备存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一所述风-储联合系统的跟踪计划出力方法的步骤。

9.一种风-储联合系统的跟踪计划出力装置，包括存储设备、处理器以及存储在所述存储设备中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序实现如权利要求1至7任一所述风-储联合系统的跟踪计划出力方法的步骤。

10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一所述风-储联合系统的跟踪计划出力方法的步骤。