一种构网型储能规划方法及系统与流程

摘要: 本发明涉及一种构网型储能规划方法及系统,属于电力系统规划。背景技术:1、随着“双碳”目标的深入推进,风力发电、光伏发电等新能源电源大规模并网已成为电力系统发展的...
一种构网型储能规划方法及系统与流程

本发明涉及一种构网型储能规划方法及系统,属于电力系统规划。

背景技术:

1、随着“双碳”目标的深入推进,风力发电、光伏发电等新能源电源大规模并网已成为电力系统发展的必然趋势。然而,新能源出力具有显著的波动性和不确定性,加之新能源电源普遍通过跟网型电力电子变流器接入电网,其对系统电压和频率的主动支撑能力十分有限。随着常规机组的逐步退出,电力系统的调峰、调频及电压支撑能力不断下降,严重制约了新能源的进一步接入水平。

2、近年来,储能技术发展迅速。按照变流器控制方式的不同,储能可分为跟网型储能和构网型储能。其中,构网型储能对外表现为电压源特性,能够对电网形成主动的电压和频率支撑,更适应于高比例新能源电力系统。在新能源场站中适当配置构网型储能单元,可以显著提高系统在弱电网条件下的稳定性。因此,如何科学合理地规划构网型储能的容量和选址,以最小成本最大化新能源并网规模,已成为电力系统规划领域亟待解决的关键问题。

3、目前,已有学者在构网型储能规划方面开展了相关研究。现有技术中,国家电网有限公司华中分部、南京南瑞继保工程技术有限公司于2024年10月申请了名为“一种提升新能源并网规模的构网型储能规划方法及系统”的发明专利(公开号cn119359085a)。该技术方案的基本思路为:根据新能源出力、负荷用电、常规机组出力及对应的频率和电压数据生成断面,并对断面数据进行聚类得到典型场景;构建包含新能源和构网型储能的小干扰模型,提取广义短路比指标;量化表征系统对构网型储能的最小需求,作为规划约束条件;以规划成本最低为目标构建规划模型;对模型进行求解,得到储能的容量和选址。

4、然而,上述现有技术存在一个显著的缺陷:该方案在求解得到储能的容量配置和选址方案后即告终止,并未对所得到的规划方案进行任何后续的稳定性校验。换言之,该技术方案采用的是一种“开环”的规划流程——从数据输入到方案输出,中间虽有广义短路比指标作为约束,但广义短路比的临界阈值是预先设定的固定值,规划方案是否真正满足系统的小干扰稳定裕度要求,在该技术方案中并未得到任何验证。

5、这一缺陷在实际应用中可能带来严重后果。构网型储能虽然能够增强系统稳定性,但由于其引入了虚拟同步机控制等额外的控制环节,若配置不当,反而可能引发新的功率振荡问题,降低系统的功角稳定性。研究表明,构网型储能的接入在提升弱电网条件下稳定性的同时,也可能导致强电网条件下稳定性变差。不同构网型储能的配置容量和接入位置会对系统的振荡模式和阻尼特性产生截然不同的影响。因此,仅依靠预先设定的广义短路比临界阈值作为约束条件,而不对规划方案进行实际的小干扰稳定性校验,无法确保规划方案在实际运行中真正满足系统的稳定要求。

6、此外,现有技术中虽然已有将广义短路比用于衡量系统小干扰稳定程度的研究,以及基于广义短路比临界值计算系统小干扰稳定裕度的方法,但这些研究大多停留在指标计算和静态分析层面,尚未见到将小干扰稳定性校验与储能规划流程形成闭环反馈的技术方案。

7、综上所述,现有构网型储能规划技术存在以下不足:

8、(1)规划流程为开环结构,缺乏对规划方案的小干扰稳定性校验环节;

9、(2)广义短路比的临界阈值通常采用固定预设值,无法根据实际校验结果进行动态调整;

10、(3)规划方案的经济性与系统动态稳定性之间缺乏有效的协调机制,可能导致规划方案在经济上最优但动态稳定裕度不足。

技术实现思路

1、根据背景所述问题,本发明要解决的问题是:提供一种构网型储能规划方法及系统,来解决上述中存在的问题。

2、为实现上述目的,本发明提供如下技术方案:提供一种构网型储能规划方法,包括以下步骤:

3、s1、获取目标电网的断面数据,采用改进的密度峰值聚类算法对所述断面数据进行聚类分析,得到用于构网型储能规划的典型场景;

4、所述断面数据包括新能源出力数据、负荷用电数据、常规机组出力数据及对应的频率数据和电压数据;

5、所述改进的密度峰值聚类算法基于各维度数据的标准差对各维度的距离进行加权来计算样本间的相似度,并根据轮廓系数和戴维森-布尔丁指数综合确定聚类数目;

6、s2、针对所述典型场景,构建包含新能源电源和构网型储能的新能源电力系统小干扰模型,基于所述小干扰模型提取广义短路比指标;

7、所述广义短路比指标为:针对电网中任一新能源并网节点,以该节点的传统短路比为基础,叠加全部构网型储能单元对该节点电压支撑的贡献量进行修正后得到,其中每个构网型储能单元的贡献量根据该单元自身的电压支撑能力、该单元的额定容量以及该节点处的新能源总装机容量确定;

8、s3、根据所述广义短路比指标量化表征所述目标电网对构网型储能的最小需求,将所述最小需求作为构网型储能规划的约束条件;

9、具体包括:设定广义短路比的临界阈值,对所述典型场景逐一进行广义短路比校验,识别广义短路比低于所述临界阈值的薄弱节点和薄弱时段,计算各薄弱节点所需的构网型储能最小容量;

10、s4、以规划成本最低为目标函数,结合所述约束条件,构建提升新能源并网规模的构网型储能规划模型;

11、s5、对所述构网型储能规划模型进行求解,得到构网型储能的容量配置和选址方案;

12、s6、对步骤s5得到的构网型储能容量配置和选址方案进行小干扰稳定性校验:将所述容量配置和选址方案代入所述全系统小干扰状态空间模型,计算系统各振荡模式的阻尼比和振荡频率;若校验结果不满足预设的小干扰稳定裕度要求,则调高所述广义短路比的临界阈值,并重新执行步骤s3至步骤s5,直至校验通过。

13、优选的,所述步骤s1中的改进的密度峰值聚类算法基于各维度数据的标准差对各维度的距离进行加权来计算样本间的相似度,具体为:

14、对于任意两个时间断面的数据样本,计算各维度上两个样本的差值,将所述差值除以该维度数据的标准差,得到各维度的加权距离分量,再对各维度的加权距离分量计算平方和的平方根,作为两个样本之间的相似度度量;

15、所述改进的密度峰值聚类算法与标准密度峰值聚类算法的区别在于:采用所述标准差加权距离替代标准欧氏距离计算样本间的相似度,以消除不同维度数据量纲差异对聚类结果的影响;

16、所述轮廓系数和戴维森-布尔丁指数综合确定聚类数目的方法为:对候选聚类数目分别计算轮廓系数和戴维森-布尔丁指数,以轮廓系数最大化且戴维森-布尔丁指数最小化为目标,将轮廓系数与戴维森-布尔丁指数的加权差值作为综合评分,选取综合评分最高的聚类数目作为最终聚类数。

17、优选的,所述步骤s2中所述构建包含新能源电源和构网型储能的新能源电力系统小干扰模型,具体包括:

18、建立新能源电源的跟网型变流器小干扰模型,所述跟网型变流器小干扰模型以锁相环同步为核心,包含电流内环和功率外环的控制环节,以锁相环的相位偏差、d轴电流偏差和q轴电流偏差作为状态变量构建状态空间方程;

19、建立构网型储能的构网型变流器小干扰模型,所述构网型变流器小干扰模型以虚拟同步机控制或下垂控制为核心,包含虚拟惯量环节、虚拟阻尼环节和电压-无功调节环节,以虚拟功角偏差、虚拟角频率偏差和端电压偏差作为状态变量构建状态空间方程;

20、将所述跟网型变流器小干扰模型和所述构网型变流器小干扰模型接入所述目标电网的网络方程,形成全系统小干扰状态空间模型,所述全系统小干扰状态空间模型以全部跟网型变流器状态变量、全部构网型变流器状态变量及电网网络方程状态变量构成全系统状态变量向量;

21、对所述全系统小干扰状态空间模型进行特征值分析,提取各振荡模式的阻尼比和参与因子,识别与构网型储能强相关的振荡模式。

22、优选的,所述步骤s3中的所述计算各薄弱节点所需的构网型储能最小容量,具体包括:

23、对于任一薄弱节点和任一薄弱时段,将该薄弱节点处配置的构网型储能容量作为变量,求解使该薄弱节点在该时段的广义短路比刚好提升至所述临界阈值所需的最小构网型储能容量;

24、对各薄弱节点在各薄弱时段求得的所需最小容量取最大值,得到该薄弱节点的全局最小容量需求;

25、汇总全部薄弱节点的全局最小容量需求,得到所述目标电网对构网型储能的全局最小需求。

26、优选的,所述步骤s4中的所述规划成本包括构网型储能的投资成本和运行维护成本;

27、所述目标函数为:全部候选安装节点的投资成本与运行维护成本之和最小化,其中每个节点的投资成本为该节点处规划的储能容量乘以该节点的单位容量投资成本,每个节点的运行维护成本为该节点处规划的额定能量容量乘以该节点的单位能量运行维护成本;

28、所述约束条件至少包括:各节点的广义短路比不低于所述临界阈值、各节点的功率平衡约束、各节点储能容量上下限约束和各节点储能充放电功率约束。

29、优选的,所述步骤s5中的所述对构网型储能规划模型进行求解,具体包括:

30、采用双层优化求解策略,其中上层模型以所述规划成本最低为目标决策储能的容量配置和选址方案,下层模型以各典型场景下的系统运行成本最低为目标进行运行模拟;

31、所述上层模型采用改进的非支配排序遗传算法进行求解,所述改进的非支配排序遗传算法引入自适应交叉概率和自适应变异概率,所述自适应交叉概率为:根据待交叉两个体中较大的适应度值与种群平均适应度的比较结果动态调整交叉概率;所述自适应变异概率为:根据待变异个体的适应度值与种群平均适应度的比较结果动态调整变异概率;

32、所述下层模型采用线性规划或二次规划方法进行求解;

33、上层模型与下层模型之间通过迭代进行信息交互,将下层模型的运行结果反馈至上层模型以更新储能配置方案,直至满足收敛条件;所述收敛条件为连续三代种群中最优个体的目标函数值变化率小于预设阈值;

34、输出收敛时的储能配置方案作为最终的容量配置和选址方案。

35、优选的,所述步骤s6中的所述调高所述广义短路比的临界阈值,具体包括:

36、当校验结果不满足预设的小干扰稳定裕度要求时,将当前临界阈值增加一个预设的调整步长,得到更新后的临界阈值;

37、每轮调整后重新执行步骤s3至步骤s5,得到新的储能配置方案并再次进行小干扰稳定性校验,直至校验通过或达到预设的最大迭代次数;

38、若达到最大迭代次数后校验仍未通过,则输出当前迭代中满足小干扰稳定裕度要求的最优方案,并发出告警信息。

39、优选的,所述步骤s6中预设的小干扰稳定裕度要求为:全系统所有振荡模式的阻尼比均不低于预设的阻尼比阈值,且所有振荡模式的振荡频率均在预设的安全频带范围内;

40、所述小干扰稳定性校验具体包括:

41、将步骤s5得到的容量配置和选址方案代入所述全系统小干扰状态空间模型,重新计算全系统状态矩阵的特征值;

42、提取所有特征值的实部和虚部,根据各特征值的实部和虚部计算各振荡模式的阻尼比;

43、若存在任一振荡模式的阻尼比低于所述预设的阻尼比阈值,则判定校验不满足预设的小干扰稳定裕度要求。

44、本发明还提供一种构网型储能规划系统,包括:

45、数据采集模块,用于获取目标电网的断面数据,所述断面数据包括新能源出力数据、负荷用电数据、常规机组出力数据及对应的频率数据和电压数据;

46、场景聚类模块,用于采用改进的密度峰值聚类算法对所述断面数据进行聚类分析,得到用于构网型储能规划的典型场景;所述改进的密度峰值聚类算法基于各维度数据的标准差对各维度的距离进行加权来计算样本间的相似度,并根据轮廓系数和戴维森-布尔丁指数综合确定聚类数目;

47、小干扰建模模块,用于针对所述典型场景,构建包含新能源电源和构网型储能的新能源电力系统小干扰模型,并提取广义短路比指标;所述广义短路比指标为:针对电网中任一新能源并网节点,以该节点的传统短路比为基础,叠加全部构网型储能单元对该节点电压支撑的贡献量进行修正后得到,其中每个构网型储能单元的贡献量根据该单元自身的电压支撑能力、该单元的额定容量以及该节点处的新能源总装机容量确定;

48、需求量化模块,用于根据所述广义短路比指标量化表征所述目标电网对构网型储能的最小需求,将所述最小需求作为构网型储能规划的约束条件;

49、模型构建模块,用于以规划成本最低为目标函数,结合所述约束条件,构建提升新能源并网规模的构网型储能规划模型;

50、优化求解模块,用于对所述构网型储能规划模型进行求解,得到构网型储能的容量配置和选址方案;

51、稳定性校验模块,用于对优化求解模块输出的容量配置和选址方案进行小干扰稳定性校验,计算系统各振荡模式的阻尼比和振荡频率,并在校验不满足预设的小干扰稳定裕度要求时触发所述需求量化模块调高广义短路比的临界阈值并重新迭代求解;

52、输出模块,用于输出满足小干扰稳定裕度要求的容量配置和选址方案。

53、优选的,所述场景聚类模块中,改进的密度峰值聚类算法采用基于各维度数据标准差的加权距离替代标准欧氏距离计算样本间的相似度,并以轮廓系数与戴维森-布尔丁指数的加权差值作为综合评分确定最优聚类数目;

54、所述小干扰建模模块包含跟网型变流器子模型单元和构网型变流器子模型单元,所述跟网型变流器子模型单元以锁相环同步为核心,包含电流内环和功率外环的控制环节;所述构网型变流器子模型单元以虚拟同步机控制或下垂控制为核心,包含虚拟惯量环节、虚拟阻尼环节和电压-无功调节环节;

55、所述优化求解模块采用双层优化求解策略,包含上层遗传算法求解单元和下层线性规划求解单元,上层与下层之间通过迭代进行信息交互;所述上层遗传算法求解单元采用改进的非支配排序遗传算法,引入自适应交叉概率和自适应变异概率;

56、所述稳定性校验模块包含特征值分析单元和阈值动态调整单元,所述阈值动态调整单元在校验不通过时按预设的调整步长递增临界阈值并触发重新迭代。

57、本发明的有益效果是:

58、1、闭环反馈规划机制:本发明在步骤s5求解得到储能容量配置和选址方案后,并未终止规划流程,而是通过步骤s6对规划方案进行小干扰稳定性校验,并在校验不通过时主动调高广义短路比临界阈值、重新执行优化求解,形成了“规划—校验—反馈—重规划”的完整闭环。这一闭环机制从根本上克服了现有技术“开环”规划的缺陷,确保了最终输出的规划方案不仅在成本上最优,而且在动态稳定裕度上满足要求。

59、2、临界阈值的动态自适应调整:现有技术中广义短路比的临界阈值通常采用固定预设值,缺乏调整机制。本发明中,临界阈值不再是一个固定不变的预设值,而是根据小干扰稳定性校验结果动态调整的变量——校验不通过时阈值递增,直至规划方案满足稳定要求。这一动态调整机制使规划方法具备了自适应能力,能够根据不同电网的实际情况自动寻找满足稳定要求的最低成本方案。

60、3、经济性与稳定性的协同优化:本发明通过步骤s6的反馈闭环,将系统小干扰稳定性要求有机嵌入到储能规划的全过程中。在每一轮迭代中,逐步提高的临界阈值迫使规划模型配置更多的构网型储能或选择更优的接入位置,直至系统阻尼特性满足要求。这一机制实现了经济性目标(成本最低)与稳定性目标(阻尼比达标)的协同优化,避免了现有技术中二者脱节的问题。

61、4、降低规划方案的运行风险:构网型储能虽能增强系统稳定性,但配置不当可能引发新的功率振荡。本发明通过步骤s6的严格校验,确保最终方案在所有典型场景下均满足预设的阻尼比要求,有效降低了规划方案在实际运行中的小干扰失稳风险。

62、5、提升新能源并网规模的有效性:本发明通过“规划—校验—反馈—重规划”的闭环迭代,能够在保证系统动态稳定性的前提下,以最小的构网型储能配置成本最大化新能源的接入能力,具有显著的经济效益和社会效益。