高比例风电电力系统储能运行及配置分析(Matlab实现)

 运行结果 

目录

0 概述

1 案例及分析及分析

2 Matlab实现

 3 结论


0 概述

高比例风电电力系统储能运行及配置分析

1 案例及分析及分析

针对附件2所示的十五天负荷功率(最大值1200MW)、风电功率(装机容量1200MW),在风电替代火电机组 2、3场景下,系统功率平衡存在的问题。

我们拿第一天和风能最少的第8天为例子,根据最小发电成本为目标函数,绘制机组日发电计划曲线如下图,

 由于天气原因,在15天一个周期内,风能变化大风力发电功率波动也大,存在大范围弃风和弃负荷的现象。

由于当前储能系统成本较高,如何合理地配置储能系统容量,在保证系统安全稳定运行的前 提下,尽可能减少储能系统的投资成本显得尤为 重要。

为解决功率平衡解决方案,我们考虑配置储能。在问题五中,由于只考虑一天内的最优化调度问题,本文未对储能系统一天调度周期结束时的剩余荷电状态进行约束限制,因此问题五中储能系统在一天结束时的荷电状态已降至最低,如图5.1所示。而当调度周期由一天变为十五天时,则需要考虑储能系统在两天之间的衔接关系,在前一天结尾时不能将所剩的电量用尽,这是为了使储能系统的荷电状态仍然保持在一定的水平,以便满足后一天调度周期内储能系统的调度可行性。

一般来说,储能系统一天调度周期结束时的剩余荷电状态经常被约束条件设置在40-60%之间,但通过观察本题所提供的十五天负荷及风电曲线可知(这里可以加一张15天内的负荷和风电图),风电在前六日的发出功率较为充沛,而在第七日和第八日左右出现枯竭的情况,此时火电机组即使满功率运行也无法满足实际负荷的需求。综上考虑,本文将储能系统一天调度周期结束时的剩余荷电状态设置为20%-90%,这使储能系统在十五天的调度周期中拥有更加灵活且经济的运行方式,如此大的剩余荷电状态范围设置大允许储能系统在风电充沛的时间段内存储足够的电量,以应对风电匮乏的时间段,最大程度上保障了供电的可靠性与经济性。

7.2.1.先优先考虑保证供电可靠,然后选择配置储能容量的方案。此时选择的储能容量为70000MW。

SOC表示储能系统在一天调度周期内的剩余电量的变化图

单位供电成本为0.308元/kWh,相比于不加储能的0.700元/kWh,降低了57%,经济性来说,还说挺好。

7.2.2.考虑可以切负荷来解决功率平衡,即考虑失负荷损失,重新确定配置的储能容量方案。此时选择的储能容量为15984MW。

  

此时发电成本如表12所示,

考虑可以切负荷的情况下,增加配置储能,就降低了单位供电成本。

7.2.仅仅靠配置储,在不考虑储能成本的条件下,通过增加储能容量,能保证功率平衡,也能提高风电接入的可靠性,但是经济性会降低,单位供电成本会增加50%左右。如果考虑可切负荷的情况,配置储能就能够提高经济性,降低单位供电成本。


2 Matlab实现

2.1 main1

clc;
clear;
close all;
%% 此程序表示——不加储能、存在弃风弃负荷情况!!!
%% 定义
biaoge = xlsread('附件2');
Load = biaoge(:,2);
Wind = biaoge(:,3);
Load = Load(1:96);
Wind = Wind(1:96);
mpc = [600,300,150;
    180,90,45;
    0.72,0.75,0.79;
    786.8,451.32,1049.5;
    30.42,65.12,139.6;
    0.226,0.588,0.785];
tan = 0;
wind = [0.045,0.3];
loadloss = 8;
%% 求解
[Result,Cost,PDE,PWind,Loss] = Yalmip_Cplex1(Load,Wind,mpc,tan,wind,loadloss);
zongfeng = sum(Wind-PWind');
zongloss = sum(Loss);
a=0.25*sum(PWind+PDE(1,:))
%% 画图

figure(1);
bar(PDE(1,:));
hold on
bar(PWind);
plot(Load-Loss','r-*');
hold off
legend('一号机组','风电机组','负荷需求');
xlabel('时间(15min)');
ylabel('功率(MW)');
title('调度结果');

figure(2);
plot(PWind,'r-^');
hold on
plot(Wind,'b--*');
hold off
legend('风电实际出力','风电功率情况');
xlabel('时间(15min)');
ylabel('功率(MW)');
title('风电情况');

figure(3);
plot(Wind-PWind','r-^');
hold on
plot(Loss,'b--*');
hold off
legend('弃风功率','弃负荷功率');
xlabel('时间(15min)');
ylabel('功率(MW)');
title('弃功率情况');

2.2 Yalmip_Cplex1 

2.3 main2

2.4 Yalmip_Cplex2 

2.5 main3 

2.6 Yalmip_Cplex3 

2.7 main4 

2.8 Yalmip_Cplex4 

 3 结论

结论:

1)新能源的接入对于系统发电运行成本的改变;火电厂的碳捕集是一笔很大的费用,新能源具备低碳,节能,环保的可再生特点,在本文中,只考虑风力机组的运维成本,能很大程度降低系统发电的运行成本。同时,可以通过合理弃风放弃部分风电发电容量来改系统发电运行成本,

2)配置储能可有效消纳风电,系统配置储能时应重点考虑分时电价与风电装机容量等因素。加入储能装置后,火电机组需长时间维持在较高发电功率的情况得到了的改善,系统内能量达到更优配置,有利于电力系统安全运行。储能在初期的投资成本比较大,但是后期运维费用很低。

[1]刘新东,方科,陈焕远,佘彩绮.利用合理弃风提高大规模风电消纳能力的理论研究[J].电力系统保护与控制,2012,40(06):35-39.

[2]2017-2021年中国弃风量及弃风率年度变化统计情况_观研报告网2017-2021年中国弃风量及弃风率年度变化统计情况_观研报告网 (chinabaogao.com)

[3]王淑云,娄素华,吴耀武,曹侃,周鲲鹏.计及火电机组深度调峰成本的大规模风电并网鲁棒优化调度[J].电力系统自动化,2020,44(01):118-125.

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Gurobi是一种性能的数学规划优化软件,它可以用于解决各种复杂的数学规划问题,包括储能配置问题。 储能配置问题是指在能源系统中,如何合理地分配储能设施的位置、容量和运营策略,以实现最佳的系统运行效益和经济效益。这个问题可以被建模为一个数学规划问题,通过优化模型求解来得到最佳的储能配置方案。 使用Gurobi来解决储能配置问题,首先需要定义数学规划模型。这个模型包括目标函数、约束条件和决策变量。 目标函数是要优化的目标,它可以是最大化系统能源利用率、最小化系统总成本或者其他指标。约束条件是问题的限制条件,比如储能设施的容量限制、充电和放电速率限制等。 决策变量是需要优化的变量,比如储能设施的位置、容量等。在Gurobi中,可以通过定义变量的范围和类型来设置这些决策变量。 一旦模型定义好了,可以使用Gurobi的优化算法进行求解。Gurobi提供了多种求解方法,包括线性规划、整数规划和混合整数规划等。可以根据具体的问题选择合适的方法进行求解。 利用Gurobi进行储能配置问题的求解,可以帮助能源系统规划者进行决策,确保系统的运行效益和经济效益最大化。同时,Gurobi还提供了丰富的API和接口,可以与其他软件和工具进行集成,扩展其应用范围和功能。 总之,储能配置问题是一个复杂的数学规划问题,使用Gurobi可以帮助解决这个问题,并得到最佳的储能配置方案。通过定义数学模型、设置目标函数、约束条件和决策变量,并利用Gurobi的优化算法进行求解,可以得到系统最佳运行策略和经济效益的优化方案。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值