一种电网新能源消纳能力评估与储能重要性排序方法

技术领域

本申请属于电网规划技术领域，特别是涉及一种电网新能源消纳能力评估与储能重要性排序方法。

背景技术

为应对全球气候变化，我国积极推动可再生能源的发展，并提出构建以新能源为主体的新型电力电网。新能源具有随机性和不确定性，随着高比例新能源的接入，传统的化石能源机组逐渐退出，弃风弃光问题不容忽视。储能作为一种灵活性响应资源，可以削峰填谷、大幅促进可再生能源消纳。近年来我国重视储能产业的发展，出台了一系列对储能产业的支持政策。全面快速的评估储能参与下电网新能源消纳能力是重大和紧迫的国家需求。

区别于传统的发电机组，储能具有能量有限性，能够提供稳定充放电的时间有限，不同位置、不同容量的储能对电力电网新能源消纳的影响也不尽相同。然而，现阶段量化储能对促进电网新能源消纳作用的研究较少，这也导致了储能重要性难以量化和排序。

发明内容

1.要解决的技术问题

基于现阶段量化储能对促进电网新能源消纳作用的研究较少，这也导致了储能重要性难以量化和排序的问题，本申请提供了一种电网新能源消纳能力评估与储能重要性排序方法。

2.技术方案

为了达到上述的目的，本申请提供了一种电网新能源消纳能力评估与储能重要性排序方法，所述方法包括如下步骤：1)获取电网拓扑结构、储能可靠性参数、储能元件安全运行范围和负荷需求；2)根据当前储能可靠性参数，对储能元件进行序贯交叉熵抽样，判断储能元件运行状态，根据抽样结果修改所述电网拓扑结构；3)基于修改后的电网拓扑结构，计算最优弃风弃光量，即在满足电网传输线约束、发电机组出力约束、负荷需求等限制下，最小化电网总弃风弃光量；4)统计各次抽样的优化结果，计算电网的弃风弃光指标和最佳储能可靠性参数，判断是否满足结束条件，若满足，根据最新的储能可靠性参数完成储能重要性排序；反之，更新储能可靠性参数，返回步骤2)。所述电力电网新能源消纳能力评估与储能重要性排序方法可以在得到电网弃风弃光的指标的同时完成储能重要性排序。

本申请提供的另一种实施方式为：所述最优弃风弃光量计算中，以最小化电网总弃风弃光量O

其中：

本申请提供的另一种实施方式为：所述最优弃风弃光量模型中，约束条件包括发电机组约束、储能元件约束和电力网络约束。

本申请提供的另一种实施方式为：所述发电机组约束为：

式中：

本申请提供的另一种实施方式为：所述储能元件约束为：

β

其中，

本申请提供的另一种实施方式为：使用直流潮流计算各线路潮流，所述电力网络约束为：

其中，

本申请提供的另一种实施方式为：所述序贯交叉熵抽样是通过交叉熵优化，对母线i处的储能可靠性参数μ

/>

其中，m

假设第s次抽样下，电网的弃风弃光指标为Es，则更新后的μ′

μ′

其中，α为平滑参数，一般取0.95；x

其中，f

此外，电网第s次抽样下的总模拟时间T

T

本申请提供的另一种实施方式为：电网的所述弃风弃光指标由每次抽样下的最小弃风弃光量统计得到，包含期望弃风弃光功率E1、期望弃风弃光概率E2、期望弃风弃光频率E3。

本申请提供的另一种实施方式为：所述

其中，W(X

本申请提供的另一种实施方式为：所述结束条件为：针对第s次抽样，计算电网弃风弃光指标E1，E2，E3；判断E1，E2，E3的方差系数是否满足精度；若不满足，则s＝s+1，继续抽样；若满足，则更新储能可靠性参数，得到新的μ′

3.有益效果

与现有技术相比，本申请提供的一种电网新能源消纳能力评估与储能重要性排序方法的有益效果在于：

本申请提供的电网新能源消纳能力评估与储能重要性排序方法，可用于评估储能参与下的电力电网新能源消纳能力，并实现储能重要性排序。

本申请提供的电网新能源消纳能力评估与储能重要性排序方法，贯交叉熵抽样中，既能计算出最佳储能可靠性参数，依据此进行重要性排序；同时又能得到电网的弃风弃光指标，节约了运算时间，能够为包含储能和新能源的新型电网的规划提供指导。

本申请提供的电网新能源消纳能力评估与储能重要性排序方法，考虑线路的直流潮流，忽略电压等因素的影响，降低了计算难度，同时又符合工程需求，能够为包含储能和新能源的新型电网的规划提供指导。

附图说明

图1是本申请的电网新能源消纳能力评估与储能重要性排序方法流程示意图；

图2是本申请的最优弃风弃光模型框架示意图。

具体实施方式

在下文中，将参考附图对本申请的具体实施例进行详细地描述，依照这些详细的描述，所属领域技术人员能够清楚地理解本申请，并能够实施本申请。在不违背本申请原理的情况下，各个不同的实施例中的特征可以进行组合以获得新的实施方式，或者替代某些实施例中的某些特征，获得其它优选的实施方式。

参见图1～2，本申请提供一种电网新能源消纳能力评估与储能排序方法。本申请方法一种实施方式下的评估与排序流程图如图1所示，在图1中，电网指含有储能元件和新能源的电网。

如图1所示，本申请方法的一种实施方式包括下述步骤：

S1：获取电网拓扑结构、储能可靠性参数、各元件安全运行范围、负荷需求等原始数据；

S2：初始化电网状态，设置用于计算当前模拟电网新能源消纳评估的迭代次数s＝1；

S3：根据当前储能可靠性参数，对储能元件进行序贯交叉熵抽样，判断各元件运行状态。根据抽样结果修改电网拓扑结构；

S4：基于当前电网拓扑进行最优弃风弃光量计算。即在满足电网传输线约束、发电机组出力约束、负荷需求等限制下，最小化电网总弃风弃光量；

S5：统计各次抽样下的优化结果，计算电网的弃风弃光指标。判断是否弃风弃光指标满足结束条件。若满足，转入S6；否则，s＝s+1，转入步骤S3；

S6：更新最佳储能可靠性参数。判断可靠性参数是否满足结束条件，若满足，根据最新的储能可靠性参数完成储能重要性排序；反之，转入步骤S2，开始新一轮交叉熵抽样。

所述电力电网新能源消纳能力评估与储能重要性排序方法可以在得到电网弃风弃光的指标的同时完成储能重要性排序。

在步骤S3中，当储能元件故障时，则该元件退出运行，与电网分离，不再支持电网消纳新能源。因此，修正当前模拟电网的拓扑结构，根据抽样结果使不同节点处的储能元件退出运行，可以计算当失去该储能的支持后，电网弃风弃光量的变化。优化结果更符合真实电网运行状态，从而使评估的电网期望弃风弃光指标更准确地反映真实的电网性能。

在步骤S4中所述最优弃风弃光量计算中，以最小化电网总弃风弃光量O

其中：

所述最优弃风弃光量模型中，约束条件包括发电机组约束、储能元件约束和电力网络约束。

其中，发电机组的约束条件为：

式中：

类似的，储能元件应满足如下约束。β

其中，

此外，使用直流潮流计算各线路潮流，则电力网络应满足如下约束：

其中，

在步骤S3，S6中，所述序贯交叉熵抽样是通过交叉熵优化，对母线i处的储能可靠性参数μ

其中，m

最终，假设第s次抽样下，电网的弃风弃光指标为Es，则更新后的μ′

μ′

其中，α为平滑参数，一般取0.95；x

其中，f

此外，电网第s次抽样下的总模拟时间T

在步骤S5，S6中，所述电网的弃风弃光指标可由每次抽样下的最小弃风弃光量统计得到，包含期望弃风弃光功率E1、期望弃风弃光概率E2、期望弃风弃光频率E3。同时，为了避免交叉熵抽样带来的偏差，还应当加入似比然函数W(X

/>

其中，H

所述结束条件是这样判定的：

针对第s次抽样，计算电网弃风弃光指标E1，E2，E3；判断E1，E2，E3的方差系数是否满足精度(通常设置为0.1).若不满足，则s＝s+1，继续抽样；若满足，则更新储能可靠性参数，得到新的μ′

在本申请方法的上述实施过程中，是对储能参与下的电网新能源消纳能力进行评估，求得储能最佳可靠性参数分布后，对其进行重要性排序。可靠性越低、强迫停运率越高的储能元件越重要。引入0-1变量保证储能装置不能同时充放电，符合实际情况。在本申请中，通过获取最优弃风弃光量进行电网新能源消纳能力评估与量化。在获取最优弃风弃光量时，包含储能元件约束，发电机约束和电力网络约束，适应了实际电力电网的计算需求，能够有效量化储能参与下电网新能源消纳能力。在完成新能源消纳能力的同时获得了储能的最佳可靠性参数分布，完成了储能元件重要性排序，降低了计算难度，同时又符合工程需求，所建立的电力电网期望弃风弃光指标也能适应交叉熵抽样的需要，反映电网消纳新能源的能力。能够为储能参与下包含新能源的新型电力电网的规划提供指导。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到本公开可借助软件加必需的通用硬件的方式来实现，当然也可以通过专用硬件包括专用集成电路、专用CPU、专用存储器、专用元器件等来实现。一般情况下，凡由计算机程序完成的功能都可以很容易地用相应的硬件来实现，而且，用来实现同一功能的具体硬件结构也可以是多种多样的，例如模拟电路、数字电路或专用电路等。但是，对本公开而言更多情况下，软件程序实现是更佳的实施方式。

尽管在上文中参考特定的实施例对本申请进行了描述，但是所属领域技术人员应当理解，在本申请公开的原理和范围内，可以针对本申请公开的配置和细节做出许多修改。本申请的保护范围由所附的权利要求来确定，并且权利要求意在涵盖权利要求中技术特征的等同物文字意义或范围所包含的全部修改。