[发明专利]一种基于典型日挖掘的储能辅助调峰容量配置方法

说明书

本发明公开了一种基于典型日挖掘的储能辅助调峰容量配置方法，包括从全年电网运行数据中提取风电输出功率数据，并对功率数据进行分类，分析风电输出的反调峰现象；针对典型日的反调峰特点，利用统计分析法挖掘反映反调峰程度的评价指标；将评价指标归一化处理，利用层次分析法确定各评价指标的权重；利用基于理想点的多目标优化算法将评价指标的最优解转换为到理想点的最短距离，并转换成表征总体状态最优的适应度值；建立基于典型日挖掘的储能辅助调峰容量优化配置模型，利用人工蜂群算法对模型进行求解；针对不同适应度值下的储能容量配置结果进行敏感度分析。本发明有效地解决了由于典型日选取不同，导致储能容量配置过大或过小等问题。

技术领域

本发明涉及储能技术领域，更具体的说是涉及一种基于典型日挖掘的储能辅助调峰容量配置方法。

背景技术

在全球环境恶化的背景下，对新能源的利用已成为全球的热点，而风电发电由于是新能源发电技术中最成熟、最具规模的模式，已被广泛应用于发电行业。但是风电出力具有波动性和不确定性，会对于电网的安全稳定运行造成极大的挑战，特别是风电参与并网时，由于自身出力具有“反调峰”的特点，使其在接入电网过程中存在“并网难”和“弃风大”的特点，阻碍了风电的进一步发展。

传统的调峰手段如火电调峰、水电调峰往往以机组的安全稳定运行为代价，这些参与调峰的机组需要频繁进入深度调峰，提高机组的运维成本。同时，传统的调峰方法，由于自身具有较大的延迟性，当电网发生冲击性扰动时，难以快速响应负荷的波动。而储能具有双向出力、配置灵活、响应时间短和环境友好等特点，是解决电网调峰困难的有效途径之一。

目前，储能参与辅助调峰的研究主要集中在储能系统的容量配置和控制策略上。在储能系统容量配置方面，普遍采用典型日进行配置。而典型日的选择主要有两种形式：一是从所有具有“反调峰”的特征日中随机选取一天作为典型日，二是选择具有“反调峰”特征的最严重日作为典型日。然而，反调峰最严重的情况在全年具有“反调峰”的特征日中所占比例很小，按照该典型日配置的储能系统容量通常很大，导致系统经济性差。

因此，针对具有典型“反调峰”特征的典型日进行深度挖掘，可以有效解决由于典型日选取不同，导致储能容量配置过大或过小等问题。因此，如何提供一种基于典型日挖掘的储能辅助调峰容量配置方法是本领域技术人员急需解决的技术问题。

发明内容

有鉴于此，本发明提供了一种基于典型日挖掘的储能辅助调峰容量配置方法，可以有效解决由于典型日选取不同，导致储能容量配置过大或过小等问题。

为了实现上述目的，本发明采用如下技术方案：

一种基于典型日挖掘的储能辅助调峰容量配置方法，包括：

步骤1：从全年电网运行数据中获取风电输出功率数据P_wi(t)(i＝1,2,…,365；t＝1,2,…,24)，并对所述功率数据进行分类，分析风电输出的反调峰现象，选取具有反调峰特征的风电输出典型日；

步骤2：针对典型日的反调峰特点，利用统计分析法挖掘反映反调峰程度的评价指标，包括峰谷差变化率、最大互信息系数和弃风率；

步骤3：将上述评价指标进行归一化处理，利用层次分析法确定各评价指标的权重；

步骤4：利用基于理想点的多目标优化算法将上述评价指标的最优解转换为到理想点的欧式距离β₁、β₂，通过计算得到表征反调峰程度的适应度值α，实现了具有反调峰特征的典型日的挖掘；

步骤5：以系统的净收益最大为目标，建立基于典型日挖掘的储能辅助调峰容量优化配置模型，利用人工蜂群算法对模型进行求解；

步骤6：针对不同适应度值α下的储能容量配置结果进行敏感度分析。

所述步骤2中评价“反调峰”程度的指标具体包括：