一种用于风光储联合发电系统的随机生产模拟方法

摘要

本发明公开了一种用于风光储联合发电系统的随机生产模拟方法，是按如下步骤进行：1采用K‑Means算法进行气象模式划分；2风光储概率性建模；3风力发电模块、光伏发电模块、储能装置及负荷的序列化；4基于序列运算理论的随机生产模拟。本发明能更好地描述风光互补特性，并进行风光储联合发电系统的随机生产模拟，从而能为风光储联合发电系统的运行与调度提供参考。

主权项

一种用于风光储联合发电系统的随机生产模拟方法，所述风光储联合发电系统包括：风力发电模块、光伏发电模块、储能装置；其特征在于：所述随机生产模拟方法是按如下步骤进行：步骤一、采用K‑Means算法进行气象模式划分：步骤1.1、按照昼夜将原始风光数据分作若干个时间段，定义每一时间段为一个样本；其中，每一个样本包括任意一天白天的气象数据或任意一天夜晚的气象数据；对于任意一天白天的气象数据求其风速均值、风速方差及辐照度均值三个特征量；对于任意一天夜晚的气象数据求其风速均值、风速方差两个特征量；步骤1.2、设定类别个数为N，并随机选择初始聚类中心，采用K‑means聚类算法对各个样本进行聚类；将各个特征量相似的样本划作一类并进行合并，从而形成N类气象模式；步骤二、风光储概率性建模：步骤2.1、应用威布尔分布函数建立如式(1)所示的第i类气象模式的风速概率分布模型f(v_i)：$f\left(v_i\right)=\frac{k_i}{c_i}{\left(\frac{v_i}{c_i}\right)}^{(k_i-1)}\exp (-{\left(\frac{v_i}{c_i}\right)}^{k_i})---\left(1\right)$式(1)中，k_i和c_i分别为第i类气象模式的形状参数和尺度参数，v_i为第i类气象模式的风速；1≤i≤N；步骤2.2、利用式(2)获得第i类气象模式下风力发电模块中风电机组在风速为v_i时的输出有功功率P_w(v_i)：式(2)中，v_ci为所述风电机组的切入风速，v_co为所述风电机组的切出风速，v_r为所述风电机组的额定风速，P_r为所述风电机组的额定输出功率；由所述第i类气象模式的风速概率分布模型f(v_i)和第i类气象模式下风力发电模块中风电机组在风速为v_i时的输出有功功率P_w(v_i)构成第i类气象模式下所述风电机组的出力概率分布函数；步骤2.3、采用式(3)模拟第i类气象模式下太阳辐照度的概率密度函数$f\left(\frac{r_i}{r_{\max }^{\left(i\right)}}\right)=\frac{\Gamma ({\alpha }_i+{\beta }_i)}{\Gamma \left({\alpha }_i\right)\Gamma \left({\beta }_i\right)}{\left(\frac{r_i}{r_{\max }^{\left(i\right)}}\right)}^{({\alpha }_i-1)}{(1-\frac{r_i}{r_{\max }^{\left(i\right)}})}^{({\beta }_i-1)}---\left(3\right)$式(3)中，α_i、β_i为第i类气象模式下Beta分布的形状系数，Γ为gamma函数，r_i为第i类气象模式下太阳辐照度，为第i类气象模式下最大太阳辐照度；步骤2.4、采用式(4)获得第i类气象模式下所述光伏发电模块中光伏机组的有功出力$P_{PV}^{\left(i\right)}={\eta }_{pv}{S}_{CA}{I}_i---\left(4\right)$式(4)中，S_CA为所述光伏机组的面积，I_i为第i类气象模式下的太阳辐照度，η_pv为所述光伏机组的能量转换效率，并有：${\eta }_{pv}=\left\{\begin{array}{c}{\eta }_c(I_i/I_k),0\le I_i\le I_k\\ {\eta }_c,I_k\le I_i\end{array}\right.---\left(5\right)$式(5)中，η_c为标准测试条件下的电池能量转换效率，I_k为入射光太阳辐照度临界值；由所述第i类气象模式下太阳辐照度的概率密度函数和第i类气象模式下所述光伏发电模块中光伏机组的有功出力构成第i类气象模式下光伏机组的出力概率分布函数；步骤2.5、采用式(6)获得第i类气象模式下t时刻的风光储联合参考出力$P_{wp\_ref}^{\left(i\right)}\left(t\right)=\frac{T_i}{T}\left(P_{wp}^{\left(i\right)}\right(t)-P_{wp\_ref}^{\left(i\right)}(t-1\left)\right)+P_{wp\_ref}^{\left(i\right)}(t-1)---\left(6\right)$式(6)中，为第i类气象模式下t时刻的风光联合出力，T_i为第i类气象模式下的计算周期，T为滤波时间常数，初始时刻下与相等；步骤2.6、采用式(7)获得第i类气象模式下t时刻所述储能装置的出力$P_{bat\_ref}^{\left(i\right)}\left(t\right)=P_{wp\_ref}^{\left(i\right)}\left(t\right)-P_{wp}^{\left(i\right)}\left(t\right)---\left(7\right)$步骤2.7、根据所述第i类气象模式下t时刻的风光储联合参考出力和储能装置的出力通过蒙特卡洛抽样方法模拟所述储能装置的功率变化情况，并对所述储能装置的功率变化情况进行概率统计，得到第i类气象模式下所述储能装置的功率近似概率分布，记为X表示储能装置的输出功率；步骤2.8、采用式(8)获得第i类气象模式下所述储能装置的储能等效发电机组的出力概率分布$F_{bat\_gene}^{\left(i\right)}\left(X\right)=\left\{\begin{array}{cc}{F}_{bat}^{\left(i\right)}\left(X\right)& X>0\\ \underset{X\le 0}{\Sigma }{F}_{bat}^{\left(i\right)}\left(X\right)& X=0\end{array}\right.---\left(8\right)$式(8)中，所述储能装置的输出功率X大于零和小于零分别代表所述储能装置的放电状态与充电状态；采用式(9)定义第i类气象模式下所述储能装置的储能等效负荷的出力概率分布$F_{bat\_load}^{\left(i\right)}\left(X\right)=\left\{\begin{array}{cc}{F}_{bat}^{\left(i\right)}\left(X\right)& X<0\\ \underset{X\ge 0}{\Sigma }{F}_{bat}^{\left(i\right)}\left(X\right)& X=0\end{array}\right.---\left(9\right)$步骤三、风力发电模块、光伏发电模块、储能装置及负荷的序列化：步骤3.1、将所述风力发电模块中风电机组、光伏发电模块中光伏机组、储能装置的储能等效发电机组分别定义为第1资源、第2资源和第3资源；设所述风光储联合发电系统的实际负荷为第1需求，所述储能装置的储能等效负荷为第2需求；步骤3.2、定义离散化步长ΔC，且ΔC为所述储能装置的出力与风光储联合发电系统的实际负荷的最大公约数；步骤3.3、根据步长ΔC利用式(10)对第j个资源或需求进行离散化，获得序列中第m个元素S_j(m)：$S_j\left(m\right)={\int }_{(m-1)\times \Delta C}^{m\times \Delta C}{F}_j\left(X\right)dX---\left(10\right)$式(10)中，F_j(X)为第j个资源或需求的出力概率分布，j∈{1,2,3}；步骤四、基于序列运算理论的随机生产模拟：步骤4.1、采用式(11)对第l次供需平衡过程中所定义的长度分别为N_a、N_b的序列a_l(m)和b_l(m)进行交积运算，获得第l次供需平衡过程中的消耗裕度的概率分u_l(m)：$u_l\left(m\right)=a_l\left(m\right)\otimes b_l\left(m\right)=\underset{min(m_a,m_b)=m}{\Sigma }{a}_l\left(m_a\right)·b_l\left(m_b\right),m=0,1,\mathrm{...},min(N_a,N_b)---\left(11\right)$式(11)中，a_l(m_a)和b_l(m_b)分别表示第l次供需平衡过程中序列a_l(m)和b_l(m)的第m_a个数与第m_b个数；步骤4.2、采用式(12)对第l次供需平衡过程中序列a_l(m)和b_l(m)进行卷差运算，获得第l次供需平衡过程中所述风光储联合发电系统实际负荷的剩余可用裕度y_l(m)或第l次供需平衡过程中资源剩余可用裕度y_l(m)：$y_l\left(m\right)=a_l\left(m\right){\mathrm{\Theta b}}_l\left(m\right)=\left\{\begin{array}{cc}\underset{m_a-m_b=m}{\Sigma }{a}_l\left(m_a\right)·b_l\left(m_b\right),& 1\le m\le N_a\\ \underset{m_a\le m_b}{\Sigma }{a}_l\left(m_a\right)·b_l\left(m_b\right),& m=0\end{array}\right.---\left(12\right)$式(12)中，若a_l(m)代表资源，b_l(m)代表需求，则表示获得第l次供需平衡过程中资源剩余可用裕度；反之，表示获得所述风光储联合发电系统实际负荷的剩余可用裕度；步骤4.3、将l+1赋值给l，并返回步骤4.1执行，直到所有风力发电模块中风电机组、光伏发电模块中光伏机组、储能装置的储能等效发电机组都投入运行或所述风光储联合发电系统实际负荷的剩余可用裕度中第一个元素为“1”为止；步骤4.4、采用式(14)获得所述风光储联合发电系统的第1需求累计的消耗裕度的概率分布PR₁：${\mathrm{PR}}_1=\underset{i=1}{\overset{N}{\Sigma }}{P}_i{\mathrm{PR}}_1^{\left(i\right)}---\left(14\right)$式(14)中，为第i类气象模式下第1需求的消耗裕度；P_i为第i类气象模式在N类气象模式中所占的比例；且步骤4.5、对各资源的消耗裕度的期望值与发电时间进行乘积运算，获得各资源的发电量；对第1需求的可用裕度的期望值与发电时间进行乘积运算，获得所述风光储联合发电系统的电量不足的期望值；取出第1需求的可用裕度中功率为0时所对应的元素作为所述风光储联合发电系统的电量不足概率；以所述各资源的发电量、所述风光储联合发电系统的电量不足的期望值和电量不足概率作为随机生产模拟结果。