一种计及容量支撑能力的独立储能配置与运行结算协同优化方法

摘要: 本发明涉及电力系统储能规划与电力市场优化,具体涉及一种计及容量支撑能力的独立储能配置与运行结算协同优化方法。背景技术:1、随着风电、光伏等新能源装机规模持续扩大...
一种计及容量支撑能力的独立储能配置与运行结算协同优化方法

本发明涉及电力系统储能规划与电力市场优化,具体涉及一种计及容量支撑能力的独立储能配置与运行结算协同优化方法。

背景技术:

1、随着风电、光伏等新能源装机规模持续扩大,电力系统源荷两侧的不确定性和波动性显著增强。新能源出力具有随机性、间歇性和反调峰特征,负荷需求又随季节、时段及区域用能结构变化而呈现明显差异,使系统在高新能源渗透率条件下面临更高的调峰、备用和实时平衡压力。

2、储能资源因具备快速充放电、灵活调节和能量时移能力,逐渐成为提升新能源消纳能力、增强系统灵活性和支撑容量保障的重要资源。

3、然而,现有储能配置方法多侧重于选址定容或系统运行成本最小化,通常将储能运行收益作为简化的外生参数处理,缺乏对市场运行过程和结算机制的细致刻画。部分方法虽然考虑了储能参与电能量市场或辅助服务市场,但往往将日前运行、备用部署和实时调用分别处理,未能统一描述其耦合关系。

4、进一步地,在高新能源渗透条件下,储能不仅需要参与市场运行获取收益,还需要在高净负荷连续时段内具备持续供能能力。对于独立储能而言,若其仅追求短期市场运行收益而频繁参与充放电和实时调用,可能导致高净负荷持续时段起始时刻可用电量不足,即使其额定功率较高,也难以在连续高峰时段内持续提供支撑功率。

5、此外,储能投资配置具有明显的场景依赖性。不同区域的风电、光伏和负荷数据存在差异,储能在不同运行场景下的充放电需求、备用支撑需求、实时调用频率和容量履约压力也不相同。若不基于目标区域实际风电、光伏和负荷历史数据构造多场景运行环境,则难以准确评估储能配置方案在该区域未来运行中的收益表现和投资回收能力。

6、因此,有必要提出一种计及容量支撑能力的独立储能配置与运行结算协同优化方法。

技术实现思路

1、为解决现有技术中存在的不足,本发明提供一种计及容量支撑能力的独立储能配置与运行结算协同优化方法,能够得到兼顾投资经济性、运行可行性、实时响应能力和高净负荷持续供能能力的独立储能配置方案,从而实现储能配置、市场运行响应、结算收益以及持续容量支撑能力评价之间的协同优化。

2、本发明采用如下的技术方案。

3、本发明提供了一种计及容量支撑能力的独立储能配置与运行结算协同优化方法,包括以下步骤:

4、s1:获取目标区域运行场景数据、电力系统基础参数及储能技术经济参数,并基于目标区域运行场景数据构建典型运行场景集;

5、s2:基于所述典型运行场景集和储能技术经济参数,构建独立储能上层投资报价模型,求解得到当前轮次的储能投资报价决策;

6、s3:基于所述当前轮次的储能投资报价决策、目标区域运行场景数据、电力系统基础参数及储能技术经济参数,构建多场景下层市场运行响应模型,求解得到最优运行结果及市场运行结算收益;

7、s4:基于最优运行结果以及场景净负荷高峰持续特征,建立持续容量支撑能力评价模型,计算储能在各典型运行场景下的容量支撑缺额;

8、s5:将所述市场运行结算收益与容量支撑缺额反馈至独立储能上层投资报价模型,对储能投资报价决策进行更新;

9、s6:重复s2至s5,直至储能投资报价决策及综合评价目标满足迭代终止条件,输出独立储能配置结果、运行结算结果以及持续容量支撑评价结果,实现独立储能配置与运行结算协同优化。

10、可选的,目标区域运行场景数据包括目标区域负荷时序数据、风电出力时序数据、光伏出力时序数据,s1中基于目标区域运行场景数据构建典型运行场景集包括:

11、将目标区域历史周期内的负荷时序数据、风电出力时序数据、光伏出力时序数据按日划分为日场景样本;

12、对每个日场景样本计算净负荷时序曲线,并提取源荷匹配特征、净负荷峰值特征、净负荷谷值特征、净负荷爬坡特征、净负荷波动特征以及高净负荷持续特征,形成日场景特征向量;

13、对日场景特征向量进行归一化处理后,采用聚类方法进行场景聚合,将各聚类簇中距离簇中心最近的实际日场景样本作为典型运行场景,将该聚类簇中包含的实际日场景样本数量作为对应典型运行场景的代表天数。

14、可选的,s2中,独立储能上层投资报价模型以独立储能投资者综合收益最大化为目标,其目标函数为:

15、,

16、式中,为资本回收系数,为储能投资成本,为场景下由多场景下层市场运行响应模型计算得到的市场运行结算收益,为容量支撑缺额惩罚系数,用于表征对储能高峰持续支撑不足的抑制强度,为持续容量支撑能力评价模型得到的年度等效容量支撑缺额,表示典型运行场景的代表天数;

17、在预设约束条件下,求解得到使得目标函数值最大时的储能投资报价决策变量,作为当前轮次的储能投资报价决策;

18、储能投资报价决策变量按如下表达:

19、,

20、式中,表示储能单元是否建设,且表示在其候选接入节点建设储能,为储能单元的额定功率容量,为储能单元的额定能量容量;和分别为储能单元在日前和实时市场的报价参数。

21、可选的,s3中,基于所述当前轮次的储能投资报价决策、目标区域运行场景数据、电力系统基础参数及储能技术经济参数,构建多场景下层市场运行响应模型,求解得到最优运行结果及市场运行结算收益包括:

22、构建各典型运行场景下的标准市场出清模型,所述标准市场出清模型以常规机组报价出清费用、储能报价出清费用以及弃风弃光惩罚费用之和最小为目标;

23、基于所述当前轮次的储能投资报价决策,基于标准市场出清模型得到参考运行结果和价格响应基础;

24、在节点平衡约束、上下备用需求约束、线路潮流约束、常规机组及储能运行约束的条件下,构建储能运行-结算模型,将储能运行-结算模型作为多场景下层市场运行响应模型;

25、在参考运行结果和价格响应基础条件下求解多场景下层市场运行响应模型,得到最优运行结果及市场运行结算收益。

26、可选的,标准市场出清模型的出清成本函数为:

27、

28、式中,为场景下出清成本函数值,为常规机组的统一单位报价系数;为常规机组在时段的日前出力;、分别为机组在在时段的上备用部署量、下备用部署量;为机组在在时段的备用调用;为储能单元的基准报价;为单位弃风、弃光的惩罚成本;为节点在时段的风光弃电量,为节点集合,为常规机组集合。

29、可选的,储能运行-结算模型按如下表达:

30、

31、

32、

33、

34、

35、

36、

37、式中,为系统运营者在场景下的总支付成本,即下层支付函数,为场景的出清变量集合,为式约束对应乘子集合,为不等式约束对应乘子集合,为出清成本函数的拉格朗日函数,表示出清可行域,为求偏导运算符号;为价格变量子集,且;、分别为与直接相关的不等式乘子子集和等式乘子子集,且;为不等式乘子上界;、分别为标准市场出清模型得到的参考运行结果和价格响应基础对应的参考价格与参考等式乘子;、分别为价格变量的信任域半径及其相关等式乘子信任域半径。

38、可选的,下层支付函数按下式表达:

39、

40、其中,为场景的出清变量集合,为常规机组所在节点集合,为储能单元的接入节点在时段的日前结算价格变量,为常规机组的接入节点在时段的日前结算价格变量,为常规机组在时段的日前出力,为储能单元在时段的放电功率,、分别为上备用结算价格变量、下备用结算价格变量,、分别为机组在在时段的上备用部署量、下备用部署量,、为分别为储能单元在充电状态下在时段的上备用部署量、下备用部署量,、为分别为储能单元在放电状态下在时段上的上备用部署量、下备用部署量,为常规机组的接入节点在时段的实时结算价格变量,为储能单元的接入节点在时段的实时结算价格变量,为机组在在时段的备用调用,、为分别为储能单元在充电状态、放电状态下的实时上调用量,为单位弃风、弃光的惩罚成本,为节点在时段的风光弃电量,为时间步长。

41、可选的,将下层支付函数的变量划分为调度变量块和乘子变量块,采用bcd法交替求解,具体为:

42、在第次bcd迭代中,固定乘子变量块,求解调度变量块,在求解过程中,对调度变量块引入近端正则项,得到调度块子问题:

43、

44、式中,为第次迭代中调度变量块的近端正则参数,、分别表示第k+1次、第k迭代的调度变量,表示第k次迭代的乘子变量块;

45、在得到后,固定调度变量块,求解乘子变量块,得到乘子块子问题;

46、在每一轮bcd迭代前按照前一轮参数为初值求解相应子问题,若迭代更新后第k+1次下层支付函数值不满足预设充分下降条件,则放大相应近端正则参数并重新求解;

47、重复上述迭代直至达到预设求解收敛条件。

48、可选的,最优运行结果包括储能最优实时荷电状态轨迹,s4中,基于最优运行结果以及场景净负荷高峰持续特征,建立持续容量支撑能力评价模型,计算储能在各典型运行场景下的容量支撑缺额包括:

49、s4.1:计算净负荷和净负荷均值,并确定净负荷峰值时刻,确定净负荷高峰持续时段,作为场景净负荷高峰持续特征;

50、s4.2:基于场景净负荷高峰持续特征、净负荷和净负荷均值确定容量支撑需求功率;

51、s4.3:持续容量支撑能力评价模型以净负荷高峰持续时段内的总容量支撑缺额最小为目标,将储能高净负荷持续时段起始时刻的最优实时荷电状态作为持续容量支撑能力评价模型的初始物理状态,在额定功率约束、可用持续支撑电量状态递推关系约束、容量支撑需求约束下,求解持续容量支撑能力评价模型,得到储能在各典型运行场景下的容量支撑缺额。

52、可选的,持续容量支撑能力评价模型按如下表达:

53、,

54、其中,为场景下储能持续支撑功率变量的集合;为场景下的储能可用支撑电量变量的集合;为场景下的容量支撑缺额变量的集合;为场景下的总容量支撑缺额,为场景下的净负荷高峰持续时段,为时间步长;

55、可用持续支撑电量状态递推关系约束按如下表达:

56、

57、

58、其中,表示储能单元在场景下时段可用持续支撑电量状态变量;表示储能单元在场景下时段可用持续支撑电量状态变量;为时间步长;为储能放电效率;

59、容量支撑需求约束按如下表达:

60、

61、

62、式中,为场景下时段的容量支撑缺额,用于表征储能在该时段对高净负荷持续支撑需求的不足部分,为容量支撑需求功率,将净负荷与净负荷均值的差值与0中的较大值作为容量支撑需求功率。

63、与现有技术相比,本发明的有益效果至少包括:

64、本发明通过在储能配置优化过程中引入基于实时soc(state of charge,荷电状态)轨迹的持续容量支撑能力评价,将储能额度容量及功率、市场运行结果以及高净负荷持续支撑需求进行协同考虑,使储能配置方案同时具备市场收益能力和高净负荷持续供能能力。

65、本发明采用储能配置、市场运行、结算收益和持续容量支撑能力评价之间的协调迭代机制,能够同时获得储能投资决策、市场运行响应结果和净负荷高峰时段支撑能力评价结果,避免单独优化配置或单独仿真运行造成的决策偏差。