一种基于IGDT双层模型的风光电站储能容量优化方法及系统与流程

本发明涉及新能源场站储能规划优化，具体涉及一种基于igdt双层模型的风光电站储能容量优化方法及系统。

背景技术：

1、随着国内风电、光伏新能源装机规模持续快速扩张，风光天然具有强随机性、波动性，且风电与光伏出力存在非线性耦合关联，直接引发新能源消纳困难、并网调频能力不足等问题；当前电力现货市场、调频辅助服务市场电价波动幅度持续增大，并网发电预测偏差考核机制日趋严格，储能作为平抑波动、参与市场套利、提供调频支撑的核心设备，其容量与功率配置直接决定场站全周期经济收益。现有储能规划技术普遍将储能容量规划与日内运行调度拆分独立建模，上层容量配置仅采用简化日运行收益测算，未建立规划层与运行层闭环联动的双层优化架构，无法体现储能规模对日内充放电、调频策略的约束作用，导致配置方案落地后实际收益与测算值偏差极大；同时现有方案大多忽略风电、光伏出力之间的相关性，仅采用独立随机场景建模，场景样本失真，难以还原真实风光出力波动特征；传统鲁棒优化方法需要电价、风光出力的精确概率分布函数，工程中难以获取，且未针对电能量、调频两类市场电价同步构建不确定性约束，无法在多重价格波动下设置统一收益保底机制，当市场电价下行时储能投资存在显著亏损风险；此外现有模型未能完整统一刻画电能量售电、调频容量、调频里程三类收益，也未同步纳入储能全寿命损耗运维成本与并网偏差考核成本，约束体系缺少风光功率三分量分配、储能多工况功率分解、soc 日循环、充放电互斥等工程约束，优化得到的调度方案存在大量物理不可实现工况，整体方案经济稳健性、工程落地性较差，无法满足当前风光电站储能精细化规划、抗市场风险的实际决策需求。

技术实现思路

1、针对现有技术中的缺陷，本发明的目的是提供一种基于igdt双层模型的风光电站储能容量优化方法及系统，解决传统技术规划运行割裂、忽略风光相关性、电价波动无收益保障、模型约束脱离工程实际的缺陷。

2、为了实现上述目的，本发明申请实施例提供了如下技术方案：

3、本技术实施例提供了一种基于igdt双层模型的风光电站储能容量优化方法，包括以下步骤：s1、构建风光电站配储容量优化配置的双层模型，所述双层模型包括上层模型和下层模型；所述上层模型以储能容量与储能功率为决策变量，以年净收益最大化为目标函数；所述下层模型在给定上层决策变量与场景、价格集合的条件下，优化风光储参与电能量市场与调频市场的日内运行调度收益；s2、基于风光电站及所配置储能的实时或预测运行状态，建立模型约束条件，所述约束条件包括功率平衡约束、风光功率分配与弃电守恒约束、储能充放电功率分解与额定功率约束、调频容量可达域约束、储能荷电状态演化与上下界约束、日循环一致性约束、充放电互斥约束及偏差考核约束；s3、基于igdt构建所述双层模型的鲁棒求解方法，包括：基于风光历史数据采用核密度估计法进行边缘密度估计并采用 copula 函数构建风光出力的非线性相关性模型，生成典型场景集及其权重；确定电价基准序列并设定风险容忍度，建立电能量与调频两类市场的电价不确定集；在各场景下对电价取最不利情形并施加收益保底约束，以年鲁棒净收益为目标进行联合优化；s4、输入风电出力、光伏出力、负荷与电价的历史运行数据及设备参数，配置igdt关键参数与典型场景权重，对所述双层模型进行求解，获得储能容量与储能功率的优化配置方案以及相应的日运行计划曲线。

4、进一步地，所述s1中所述上层模型的目标函数为年净收益最大化，公式表达为：；其中，为年净收益目标函数，为典型场景索引集合；为场景的年权重即出现次数比例；为场景下最不利价格后的日运行最优收益，由所述下层模型求解获得；为储能投资年化成本；所述储能投资年化成本采用资本回收因子计算，满足：；其中，为折现率；为储能寿命，取循环寿命与浮充寿命中的较小值，即：；其中，为循环寿命，为浮充寿命；为储能初始总投资；所述储能初始总投资由容量投资与功率投资两部分组成，满足：；其中，为单位容量投资成本，单位为¥/mwh；为单位功率投资成本，单位为¥/mw；为储能容量，单位为mwh，为所述上层模型的决策变量；为储能功率，单位为mw，为所述上层模型的决策变量。

5、进一步地，所述下层模型优化日内运行调度收益，其目标函数表示为：

6、；其中，为日内时间步索引，为日内总时段数；为场景下时刻的电能量价格，单位为¥/mwh；为场景下时刻的上网电量，单位为mw；为为场景下时刻的调频容量价格，单位为¥/(mw·h)；为场景下时刻的调频里程或性能价格，单位为¥/(mw·h)；为里程强度系数；为场景下时刻的调频容量，单位为mw；为退化或运维等效周转成本，单位为¥/mwh；为场景下时刻的的储能充电功率，单位为mw；为场景下时刻的储能放电功率，单位为mw；为时间步长，单位为h；为场景下时刻的预测偏差考核成本，单位为¥；所述上网电量计算方法的公式表达为：；其中，为风电送往电能量市场的出力，单位为mw；为光伏送往电能量市场的出力，单位为mw；为储能在能量市场的放电功率，单位为mw；为储能在能量市场的充电功率，单位为mw。

7、进一步地，在所述s2中，所述约束条件包括：所述风光功率分配与弃电守恒约束的公式表达为：；其中，为风电在时刻的可用功率，单位为mw；为风电在时刻用于给储能充电的功率，单位为mw；为风电在时刻的弃风功率，单位为mw；为光伏在时刻的可用功率，单位为mw；为光伏在时刻用于给储能充电的功率，单位为mw；为光伏在时刻的弃光功率，单位为mw；所述储能充放电功率分解与额定功率约束的公式表达为：；其中，为储能放电功率中用于能量市场的分量，单位为mw；为储能放电功率中用于调频的分量，单位为mw；为储能充电功率中用于能量市场的分量，单位为mw；为储能充电功率中用于调频的分量，单位为mw；为储能额定功率上限，单位为mw。

8、进一步地，所述约束条件还包括：所述调频容量可达域约束的公式表达为：；其中，为调频可用容量，单位为mw；所述储能荷电状态soc演化约束的公式表达为：；其中，为储能时段在场景下的能量状态，单位为mwh；为充电效率；为放电效率；所述soc上下界约束与日循环一致性约束的公式表达为：；其中，为soc下限比例；为soc上限比例；为储能容量，单位为mwh；为日初始能量状态，为日末能量状态；所述充放电互斥约束采用big-m方法，公式表达为：；其中，为充分大的常数；为充放电互斥二元变量，表示放电，表示充电；所述偏差考核成本的公式表达为：；其中，为考核罚率或偏差电价系数；为申报或预测上网电量计划；为实际上网电量。

9、进一步地，所述退化或运维等效周转成本的计算方法的公式表达为：；其中，为年化总成本，满足：；其中，为年化运维成本；为容量维度的运维系数；为功率维度的运维系数；寿命内可用能量周转总量的公式表达为：；其中，为等效循环寿命，单位为次。

10、进一步地，在所述s3中，所述igdt鲁棒求解方法包括以下步骤：s3.1：获取风电、光伏历史数据，分别采用核密度估计法进行边缘密度估计并采用copula构建风光出力相关性；在风光联合分布上进行抽样，并通过场景缩减得到若干典型场景集s及其权重；s3.2：确定电能量价格与调频价格的基准序列，设定风险容忍度与价格偏差分配权重，并绑定s3.1得到的场景与权重；s3.3：建立电能量与调频两类市场的电价不确定集，用综合偏差指标同时描述电能量价格与调频价格的相对波动，形成区间约束；s3.4：对每个场景，在所述s2的下层日运行约束下，以基准电价求解得到基准日收益；s3.5：在所述价格不确定集内对电价取最不利情形，并在所述s2的下层日运行约束下求解得到最不利日收益；s3.6：对所有场景施加收益保底约束，若所述最不利日收益不满足所述保底约束，则调整风险容忍度或上层决策变量直至满足；s3.7：在满足s3.6的前提下，以年鲁棒净收益为目标进行联合优化，当达到最优或迭代收敛时，输出最优储能容量与功率配置以及相应的日运行计划曲线。

11、进一步地，在所述s3.1中，所述核密度估计法kde分别对风电和光伏建立边缘概率密度，公式表达为：；其中，为风电边缘概率密度估计值；为光伏边缘概率密度估计值；为样本数量；为风电核带宽；为光伏核带宽；为核函数；为风电样本点；为光伏样本点；所述采用copula构建风光出力相关性，采用frank-copula累积分布函数，公式表达为：；其中，为frank-copula累积分布函数值；为copula相关参数；为风电边缘分布的累积分布函数；为光伏边缘分布的累积分布函数；为经风电边缘分布映射后的变量；为经光伏边缘分布映射后的变量；所述场景缩减采用聚类方法，优化目标与场景权重计算的公式表达为：；其中，为第i条抽样风光出力曲线即拼接向量为第k个典型场景中心；为典型场景数量；为原始样本条数；为场景的权重；为第s个聚类簇的样本数量。

12、进一步地，在所述s3.3中，所述建立电能量与调频两类市场的电价不确定集，为电能量价格与调频价格的偏差幅度建立综合偏差与分市场偏差的映射关系：；其中，为综合偏差指标，为igdt决策变量；为电能量价格的相对偏差幅度；为调频价格的相对偏差幅度；与分别为电能量价格偏差权重与调频价格偏差权重；构造逐时的价格不确定集区间约束的公式表达为：；其中，为电能量价格的预测基准值；为调频里程基准价格；为调频容量基准价格；在所述s3.6中，所述收益保底约束的公式表达为：；其中，为场景下最不利价格后的日运行最优收益；为基准电价下的日运行收益；为风险容忍度，越小表示越保守；在所述s3.7中，所述联合优化表示的公式表达为：；在满足所述收益保底约束和所述s2的全部约束条件下，求解得到最优储能容量和最优储能功率以及相应的各场景日运行计划曲线。

13、相应地，本技术实施例还提供了一种基于igdt双层模型的风光电站储能容量优化系统，所述系统按数据与配置层、不确定性层、优化核心层、求解与产出层的分层架构设置，包括：数据与参数管理模块、不确定性建模模块、双层优化模型构建模块、鲁棒求解与计划输出模块；其中：所述数据与配置层设置有所述数据与参数管理模块，所述数据与参数管理模块分别与所述不确定性建模模块和所述双层优化模型构建模块数据连接，用于统一接入与存储风电出力数据、光伏出力数据、负荷数据、电价数据及设备参数，管理场景权重与igdt参数，并向各层提供标准数据接口与版本追溯；所述不确定性层设置有所述不确定性建模模块，所述不确定性建模模块包括典型场景生成子模块与igdt不确定集子模块，所述典型场景生成子模块与所述数据与参数管理模块数据连接，所述igdt不确定集子模块与所述双层优化模型构建模块数据连接；所述典型场景生成子模块用于基于copula生成风光典型场景及权重；所述igdt不确定集子模块用于将基准电价与风险参数映射为价格不确定集供优化调用；所述优化核心层设置有所述双层优化模型构建模块，所述双层优化模型构建模块包括约束子模块，所述双层优化模型构建模块的输入端分别连接所述数据与参数管理模块和所述不确定性建模模块，用于建立上层储能容量与功率配置和下层日内调度的一体化模型，并集中注册功率平衡约束、soc约束、调频容量可达域约束；所述求解与产出层设置有所述鲁棒求解与计划输出模块，所述鲁棒求解与计划输出模块的输入端连接所述双层优化模型构建模块，用于在场景与价格区间下进行鲁棒校核与联合优化，输出最优储能容量与功率配置方案及日内运行计划曲线并归档。

14、本发明的有益效果：通过构建上层容量功率配置-下层日内运行调度的igdt双层嵌套优化模型，结合copula风光相关性场景生成与价格不确定性鲁棒保底约束，实现了储能规划与运行的一体化闭环优化，解决了现有技术中规划与运行分离、忽略风光出力相关性、电价波动下无收益下限保障的问题，在保证技术可行性的同时提升了配置方案的经济稳健性，使规划结果更贴合电力市场实际运行场景。