一种多目标下海上风电场最优化学储能容量确定方法

1.本发明涉及电力系统技术领域，尤其是涉及一种多目标下海上风电场最优化学储能容量确定方法。


背景技术：

2.目前在确定海上风电场bess的最优容量方面进行了较多的研究，在确定大规模海上风电场的最佳bess容量时，需要考虑bess的预期发电差额(eens)、负荷损失小时数(lolh)、净现值和弃风量问题。
3.然而现有许多研究都只重视经济性和操作性，很少关注确定bess容量的可靠性问题，与运行和可靠性相关的问题，如取决于电力市场政策的能源削减和lolh问题，因地区而异具有不同的优先级，这些指标是选择合适规模的bess的重要参数，但是较少研究涉及，此外，风速不确定性和尾流效应损失在确定bess容量时也起着重要作用，若忽略这两个因素可能会导致高估bess的容量，随着充电/放电循环次数的增加，电池的性能和寿命会下降，因此，有必要在规划阶段考虑电池的退化问题。与此同时风机容易发生随机故障，导致预期供应能量损失，因此对bess的选择也有很大影响。


技术实现要素：

4.本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种多目标下海上风电场最优化学储能容量确定方法。
5.本发明的目的可以通过以下技术方案来实现：
6.一种多目标下海上风电场最优化学储能容量确定方法，包括以下步骤：
7.1)考虑海上风电场风况—风速不确定性和风机之间的尾流效应，构建风机运行状态矩阵并计算风电厂的实际出力，即输出功率p
out
(v)；
8.2)根据风电场日前发电计划与实际出力的功率差额构建概率-功率差额曲线，并结合多时间尺度下的储能成本-功率曲线确定短中长三种时间尺度下储能的额定功率，选取评估目标并对额定功率进行评估；
9.3)根据评估结果基于层次分析法获取多目标下海上风电场最优化学储能方案。
10.所述的步骤1)中，风机在每个运行状态下的输出功率p
out
(v)的表达式为：
[0011][0012]
其中，v为风机迎风风速，η
oi
、ηj均为转换系数，vi为第i台风机的迎风风速，v0为切入风速，v1为截断风速，v2为额定风速，v3为切出风速，p
rated
为额定功率，vj为风机在第j个状
态下的风速，m为风机的状态总数。
[0013]
在海上风电场中，考虑上游风机产生的尾流叠加效应，则风机迎风风速v的计算式为：
[0014][0015][0016]
其中，vo为自由风速，v
l
为风电场中第l个下游风机的迎风风速，n为风电场中的风机总数，为尾流叠加面积a
shw
与风轮的扫掠面积ar的比值。
[0017]
所述的步骤1)中，风机运行状态矩阵sn×m包括共n台风机m个状态的状态值，各状态值经过序列蒙特卡洛模拟得到，且状态值只有0和1两个值，其中，1表示风机处于运行状态，0表示风机处于停机维护状态。
[0018]
每台风机的运行或停机状态根据停机状态持续时间逆变换得到，则有：
[0019]
t
down
＝-mttr
×
ln(r)
[0020]
其中，t
down
为风机的停机状态持续时间，ln表示自然对数函数，mttr为修复停机状态下的风机需要的平均时间，即恢复时间，r
→
unif(0,1)，即服从0-1之间的均匀分布，当风机的停机时间大于状态持续时间时，则该状态的状态值为0。
[0021]
所述的步骤2)具体包括以下步骤：
[0022]
21)获取海上风电场的每个运行状态出现的概率，并以此作为该状态下对应功率差额的概率，根据在任一状态下海上风电场的输出功率获取该状态下的功率差额构建概率-功率差额曲线；
[0023]
22)结合概率-功率差额曲线以及短中长三种时间尺度下的成本-功率曲线，通过预先设定的成本范围和概率范围初步选择符合要求的储能总功率值；
[0024]
23)根据符合要求的储能总功率值确定短中长三种时间尺度下储能电池的数量形成备选方案，分别根据四个评估目标，并通过场景设计计算四个目标的具体值，获取各备选方案的评估目标值。
[0025]
所述的步骤21)中，对于序列蒙特卡洛模拟的每次迭代，海上风电场的m个运行状态中，每个状态的出现概率pr为：
[0026][0027]
其中，z为模拟过程中某台风机某个状态出现的次数，no为序列蒙特卡洛模拟过程中的总迭代次数。
[0028]
所述的步骤21)中，在任一状态下，海上风电场的输出功率p
oj
为：
[0029][0030]
其中，sw
ij,k
为第i台风机在第j个状态下序列蒙特卡洛模拟过程第k次迭代时的状态，j＝1，2，
…
，m，由风机运行状态矩阵获取，no为序列蒙特卡洛模拟过程中的总迭代次数。
[0031]
所述的步骤23)中，四个评估目标分别为净现值、预期发电差额、负荷损失小时数和弃风量，设计的场景包括风电场不结合储能系统、风电场结合短时间尺度储能系统、风电场结合中时间尺度储能系统和风电场结合长时间储能系统，所述的净现值npv的表达式为：
[0032][0033][0034][0035]
其中，l
life
为储能电池寿命，i为电池充放电次数，l为储能电池的退化指数，nb为风电场所需的储能电池数量，pl
life
为海上风电场的运行寿命，fix表示向零方向取整，k为储能数量，c
battery
为储能电池成本，d为折现率；
[0036]
所述的预期发电差额的表达式为：
[0037][0038]
其中，p
owf,j
为不考虑风机随机故障，即当风机运行状态矩阵sn×m的元素全为1时的风电场输出功率，po为考虑随机故障时风电场的实际出力，p
b,j
为第j个状态下的储能功率，c取值为1表示正在充电，取值为2表示正在放电，tm为风机状态的持续时间；
[0039]
所述的负荷损失小时数lolh的表达式为：
[0040][0041]
其中，p
d,j
为风电场在第j个状态下的计划输出，r
owf
为海上风电场额定功率值；
[0042]
所述的弃风量pc的表达式为：
[0043][0044]
所述的步骤3)具体包括以下步骤：
[0045]
31)获取净现值、预期发电差额、负荷损失小时数和弃风量下，各备选方案的得分矩阵g；
[0046]
32)根据偏好目标的相对重要性构建权重向量w
′
；
[0047]
33)对备选方案进行排序，得到备选方案的排名ζ＝g
×w′
，以此确定储能协调配合的最优容量方案。
[0048]
所述的步骤31)具体为：
[0049]
311)建立四个评估目标下所有可能的备选方案u的比较矩阵vg，且g＝1、2、3、4；
[0050]
312)根据比较矩阵构建每个目标的得分向量w
ig
后形成得分矩阵g。
[0051]
与现有技术相比，本发明具有以下优点：
[0052]
本发明提出一种多目标下海上风电场最优化学储能容量确定方法，以实现大规模海上风电场的经济可靠运行，在此背景下，考虑了多个目标，如净现值、预期发电差额、负荷损失小时数和弃风量，在评估上述目标时，考虑了风机的随机故障、风机之间的尾流效应损失和风速的不确定性，并且考虑了短期、中期和长期多时间尺度的化学储能，具体取决于充电/放电时间，为了使海上风电场开发人员能够做出适当的决策，本发明提出了层次分析容量选择策略，根据预定义的目标优先级，针对不同的场景对不同的储能进行评估，本发明能够为决策者提供根据当地需求选择最合适替代方案的灵活性。
附图说明
[0053]
图1为本发明的方法流程图。
[0054]
图2为概率-功率差额曲线与短期、中期、长期多时间尺度下的储能成本-功率曲线。
具体实施方式
[0055]
下面结合附图和具体实施例对本发明进行详细说明。
[0056]
实施例
[0057]
本发明提供一种多目标下海上风电场最优化学储能容量确定方法，该方法通过序列蒙特卡洛模拟的方法计及风机之间的尾流效应，建立风速的不确定性模型，建立风机的运行状态矩阵，推导得出风电场实际出力与日前发电计划失配的概率分布函数，根据不同时间尺度下化学储能的成本函数进行求解，确定化学储能容量；在考虑多个目标的情况下根据不同目标的权重关系建立得分矩阵，对所有可能的方案进行排名，最终确定针对特定目标下的化学储能容量。
[0058]
该方法具体步骤介绍如下
[0059]
步骤1、基于序列蒙特卡洛模拟的方法，计及风机之间的尾流效应，建立计及尾流效应的风速不确定性模型，构建风机运行状态矩阵并计算风机在每个运行状态下的输出功率(实际出力)；
[0060]
步骤2、基于风电场的历史数据预测风电场日前发电计划，结合步骤1中风电场的实际出力，得到实际出力与日前发电计划的“概率-功率差额”曲线，确定分别在短期、中期和长期时间尺度下储能额定功率，定义包括净现值、预期发电差额、负荷损失小时数以及弃风量四个目标，通过场景设计计算四个目标的具体值，对不同类型的储能进行评估；
[0061]
步骤3、提出基于层次分析法的多目标下海上风电场最优化学储能方案，建立层次分析(analytic hierarchy process)选择策略，计及净现值、预期发电差额、负荷损失小时数以及弃风量多个目标，根据不同目标的权重关系建立得分矩阵，基于主客观态度赋予目标权重，分别选择短期、中期和长期时间尺度储能容量选择方案。
[0062]
在步骤1中，通过序列蒙特卡洛模拟考虑海上风电场中复杂的风况—风速不确定性和风机之间的尾流效应，实现流程如图1所示，具体为：
[0063]
1)通过风机运行状态的序列采样建立海上风电场不确定性模型，在任何风速下，每台风机要么处于完全运行状态，要么处于故障停机状态，分别用“1”和“0”表示，在整个研究期间，海上风电场中每台风机的运行或停机状态根据停机状态持续时间逆变换得到，通
过下式实现：
[0064]
t
down
＝-mttr
×
ln(r)
ꢀꢀ
(1)
[0065]
式中，t
down
为风机的停机时间，ln表示自然对数函数，mttr为修复停机状态下的风机需要的平均时间，即恢复时间，r
→
unif(0,1)，即服从0-1之间的均匀分布。
[0066]
考虑海上风电场中n台风机(本发明中每个状态以10分钟的持续时间连续生成)，例如当修复时间大于10分钟时，则这台风机的运行状态值为0，依次更新每台风机的运行状态，经过序列蒙特卡洛模拟得到n台风机的m个运行状态，也因此得到风电场中风机运行状态矩阵sn×m，该运行状态矩阵sn×m中的元素值只有0和1，0表示风机处于停机状态，1表示风机处于运行状态。
[0067]
2)风电场中的风机受到尾流的影响会显著降低输出功率，通过jensen尾流模型计及风机后方的线性扩张计算单台风机影响的尾流效应，风机下游距离x处的风速由下式给出：
[0068][0069]
式中，vo为自由风速，r为风机半径，r
x
为距离x处的尾流半径，c
t
为推力系数。
[0070]
在海上风电场中，下游风机受到上游风机的多重尾流的影响，考虑上游风机产生的尾流叠加效应，任意一台下游风机的风速v可表示如下：
[0071][0072]
式中，a
shw
为尾流叠加面积，ar为风轮的扫掠面积，v
l
为风电场中下游风机的风速，n为风电场中的风机总数。
[0073]
风机输出功率为：
[0074][0075]
其中，v为风机迎风风速，η
oi
、ηj均为转换系数，vi为第i台风机迎风风速，v0为切入风速，v1为截断风速，v2为额定风速，v3为切出风速，p
rated
为额定功率，vj为风机在第j个状态下的风速。
[0076]
在步骤2中，根据风电场实际出力和日前发电计划，得到两者差额的“概率-功率差额”曲线，联立短期、中期、长期多时间尺度下的储能“成本-功率曲线”，曲线的交点即确定短中长三种时间尺度下储能的额定功率。提出净现值、预期发电差额、负荷损失小时数以及弃风量四个目标，在三种时间尺度储能下通过计算四种目标值对储能类型进行性能评估。具体为：
[0077]
1)对于步骤1提出的序列蒙特卡洛模拟每次迭代，海上风电场有m个运行状态，则每个状态出现概率为：
[0078][0079]
式中，z为模拟过程中某台风机某个状态出现的次数，no为序列蒙特卡洛模拟过程中的总迭代次数。在每个状态下估算实际风力发电量与日前发电计划之间的差额，每个状态下会有相对应的功率差额，那么每个状态出现的概率等于功率差额的概率。
[0080]
于是在任一状态下，海上风电场的输出功率为：
[0081][0082]
式中，sw
ij,k
为第i台风机在第j个(j＝1，2，
…
，m)状态下序列蒙特卡洛模拟过程第k次迭代时的状态，从风机运行状态矩阵s获得，为“1”或“0”。式(6)则可以将风电场的输出功率与风机运行/停机状态相联系。
[0083]
根据风电场历史数据来预测日前发电计划，由于风力发电的间歇性，取
±
6％的出力误差带以考虑风速的不确定性，海上风电场的实际发电量和日前预测发电量之间存在差额，通过向风电场运营商施加偏差罚款进行约束。因此，可以通过确定储能功率以最大限度地减小功率差额。
[0084]
经上述过程可以得到风电场实际出力和日前发电计划之间的概率-功率差额曲线(差额越大，其出现的概率越低)，结合短期、中期、长期多时间尺度下的储能成本-功率曲线(储能功率越大，其储能成本越高)，如图2所示，得到既满足电池成本低(成本范围预先设定)又满足功率差额出现的概率小(概率范围预先设定)的功率值作为基准参与海上风电场的协同运行。
[0085]
2)在前述得到的短中长时间尺度下的储能额定功率下，提出净现值、预期发电差额、负荷损失小时数和弃风量四个目标，比较三种时间尺度下的储能类型对四种目标的性能表现。
[0086]
(1)净现值(net present value)
[0087]
海上风电场与储能协调配合时的净现值满足：
[0088][0089][0090][0091]
式中，l
life
为储能电池寿命，i为电池充放电次数，l为储能电池的退化指数，nb为风电场所需的储能电池数量，pllife为海上风电场的运行寿命，fix表示向零方向取整，k为储能数量，c
battery
是电池成本，d是折现率，本专利取6％。
[0092]
(2)预期发电差额
[0093]
预期发电差额是衡量海上风电场能量损失的重要目标。
[0094][0095]
式中，p
owf,j
为不考虑风机随机故障的风电场输出功率，也就是风机运行状态矩阵sn×m的元素全为1；po为考虑随机故障时风电场的实际出力；p
b,j
为第j个状态下的储能功率；
c取“1”表示正在充电，取“2”表示放电；tm为风机状态的持续时间。
[0096]
(3)负荷损失小时数(lolh)
[0097]
负荷损失小时数作为运行可靠性的目标，定义为海上风电场无法提供的电量(mwh)与额定功率值之比。
[0098][0099]
式中，p
d,j
是风电场在第j个状态下的计划输出,r
owf
为海上风电场额定功率值。
[0100]
(4)弃风量
[0101]
由于预测的不确定性，在相当长的一段时间内，与日前发电计划相比，大型海上风电场的输出功率可能更高，这反过来会导致风力发电的削减pc，进而导致海上风电场收入损失。因此也将弃风量纳入考虑的目标，其定义如下：
[0102][0103]
通过四个目标评估储能的性能：设计四个场景如风电场不结合储能系统(以此情景为基准)、风电场结合短时间尺度储能系统、风电场结合中时间尺度储能系统和风电场结合长时间储能系统，将前述确定好的短中长时间尺度储能分别与海上风电场进行协调配合，计算四种场景下四个目标的具体值，根据海上风电场的出力情况得到所需要的短中长三种类型的储能电池数量，基于基准场景比较短中长类型储能需要的电池数量(其电池成本在净现值中已经纳入考虑)和四个目标的变化量，通过该变化量来反映选择哪一种时间尺度的储能类型。
[0104]
3、步骤3中，前述提出的净现值、预期发电差额、负荷损失小时数和弃风量四个目标可以代表经济和运行可靠性方面的优先目标，但是风电场与不同时间尺度的储能系统进行协调配合的方案选择可能因风电场开发商而有所不同(根据步骤2的结果假设想要实现npv最优可以考虑选择短期储能方案，想要实现lolh最小可以考虑选择长期储能方案)，因此基于层次分析法为开发商提供方案选择的灵活性，根据期望目标的优先级选择最合适的方案。具体步骤为：
[0105]
31)计算净现值、预期发电差额、负荷损失小时数和弃风量下，短中长三种时间尺度下储能类型选择方案的得分矩阵g；
[0106]
32)根据偏好目标的相对重要性计算其权重向量；
[0107]
33)对所有可能的容量选择方案进行排序，以确定储能协调配合的最优容量方案。设m和u分别是考虑的目标数量和潜在的储能方案数量，具体如下：
[0108]
(1)确定得分矩阵g：建立四个目标下所有可能的备选方案u(即储能方案数量)的比较矩阵vg，g＝1、2
…
4，vg是第g个目标的u
×
u矩阵，矩阵中的每个元素形如表示第c个备选方案相比于第d个备选方案的相对重要性，如果第c个备选方案的重要性与第d个相同，则若第c个方案比第d个更重要则反之亦然，vg矩阵的元素应满足：
[0109]
[0110]
在比较矩阵(vg)的基础上，建立每个目标的得分向量w
ig
：
[0111][0112]
式中，i＝1，2，
…
，u,
[0113][0114]
(2)计算目标的权重向量：首先形成m
×
m的组合矩阵a，a的每一列即(1)中的vg(g＝1，2，
…
，m)，a中的元素取决于不同目标的选择优先级，通过赋值的形式体现：赋值1表示目标1和目标2一样重要即a
12
＝a
21
＝1，赋值3表示目标1相对于目标2比较重要即a
12
＝3，a
21
＝1/3，赋值5表示目标1比目标2更为重要即a
12
＝5，a
21
＝1/5
…
以此类推。为了避免风电场商在目标1和目标2之间徘徊而无法确定比重则赋值2，4，6
…
即遵循与矩阵vg元素相同的特征，并将矩阵a归一化。计算权重向量w
′
：
[0115][0116]
式中，i,j＝1,2,
…
,m。
[0117]
(3)对方案进行排序，在获得得分矩阵g和权重向量w
′
后，得到备选方案的排名ζ：
[0118]
ζ＝g
×w′ꢀꢀ
(17)