设为首页 收藏本站 English

当前位置: 创博机械网 >> 最新文章

计及预测偏差的光伏消纳多时间尺度调冲卡机度研究

发布时间:2019-07-31 22:41:18

计及预测偏差的光伏消纳多时间尺度调冲卡机度研究

1. 研究背景

散布式光伏发电正得到愈来连接杆愈广泛的利用运动包,储能可以破解能源生产和消费不同步的问题,使能源在时间和空间上具有可平移性,减少新能源的随机性并提高其可调性。集中控制的空调负荷是当前研究最多的需求响应资源,调度方式灵活,可以将其纳入到常态化的电力系统调度运行中。斟酌用户侧可再生能源发电量小的特点,机床设备通过售电商与大电网产生经济和技术上的联系将是其最经济、最跳线架有效的运营模式起重工具。另外,售电商可以通过提供创新的需求响应服务,吸引并整合更多居民用户参与,以构成范围可观的需求响应资源。

在售电开放环境下,从售电商角度展开研究,利用蓄电池、空调需求响应资源消纳和跟踪光伏发电,建立了多时间尺度调度模型,在日烧结炉前调度中以机会束缚斟酌光伏预测偏差,日内调度跟踪光伏预测偏差,并进行了仿真,研究了置信水平不同时的调度情况。

2. 多时间尺度调度策略

售电商采取蓄电池作为储能装备,以消纳新能源发电出力,在最大化本身收益的同时应能满足居民用户的用电需求,响应系统调峰需求。售电商的内涵及功能如图1所示。

图1 售电商的外贸服装内涵及功能

售电商可以引导居民管封口机用户主动追踪清洁能源发电出力,结适用户的能源模块“自发自用、余量上网”的模式,实现系统的两侧调和优化、双向自适应进程。斟酌光伏预测偏差,采取多时间尺度调和调度的策略如图2所示。

图2 多时间尺度调和调度策略

光伏板t时刻的实际出力与太阳辐射强度、光伏板温度等因素有关。将光伏预测误差散布假定为正态散布,在时间轴上的均值即期望值为0。光伏预测功率误差ΔPPVi 的几率密度函数以下:

日内预测值与日前预测值的偏差通过调理蓄电池的充放电功率和空调需求响应资源进行消纳,根据置信水平在日前调度计划中预留备用资源。在日前调度时优化空调群组出力大小,日内调度时为消纳光伏发电预测值变化进1步进行优化,根据日内调度结果制定空调群组的控制方案。在日内调度时,改变充放电功率便可消纳预测偏差。为消纳光伏预测偏差而在日前调度中调剂的柔性备用资源为Qreserve,如图3中1⑸号斜线部份所示。1号为充电时段蓄电池电量未满,为预留光伏预测值变大,调剂充电功率小于最大充电功率的区间;2号为充电时段蓄电池可快速充至满电,为预留光伏预测值变小,调剂蓄电池缓慢充电的区间;3号为放电时段,蓄电池电量为0,预留光伏预测值变大,预留空调控制组可调用的功率;4号为放电时段,蓄电池电量较大,但为预留光伏预测值变小,调剂放电功率小于最大放电功率的区间;5号束紧器为放电时段,蓄电池电量可快速放为0,为预留光伏预测值变大,调剂蓄电池缓慢放电的区间。

图3 预留的备用资源及实际调剂的出力

3. 算例分析

在某1需求响应程度较高的地区,售电商向1500户居民用户供电,每户有3台分体空调参与需求响应,其中安装光伏装置(额定发电功率为4kW)的用户有500户。9:00——11:00和16:00——24:00为电价高峰时段,系统在10:00——11:00之间有削峰需求1.5MW。蓄电池的容量3MW·h,最大充放电功率为1MW,单位电量调度费用为0.3元/(kW·h)。

优化蓄电池工作状态后,以15min的时间间隔进行日前兵服调度,置信水平α =70%时,收益为8940.6元食品加工。备用资源预留情况如表1所示。

表1 日前调度中的特殊电缆备用资源分配情况

预留的备用资源的散布情况主要与蓄电池充放电状态有关,备用资源散布如图4所示。

图4 光伏预测偏差的预留裕度及调用的备用资源

可见,预留的备用资源主要为蓄电池充放电功率,这是由于蓄电池的调度本钱较小。空调控制组在蓄电池放电功率为放电功率极限,充电功率为0时,为日内光伏预测值变小的备用资源。当其在为满足系统削峰需求被调用时,也作为日内光伏预测值变大的备用资源。根据第2节,实际调剂的备用资源情况如表2所示。

表2 日前备用资源调剂情况

可见,蓄电池充放电三爪卡盘功率上下可浮动的区间已足够作为备用资源,唯一少部份时段,蓄电池充放电功率需为预留光伏预测偏差的备用做调剂。

依照0.7的置信水平进行日前调度,根据目标重要程度,取日内惩罚因子α1=0.9,α2=0.1,小时电力市场购电价格为3元/(kW·h),各类备用资源实际调度情况如表3所示,日内调度本钱为169.9元。

表3 备用资源实际调度情况

日内调度后的光伏不平衡量如图5所示,不平衡电量为0.2198MW·h,最大不平衡量为0.2083MW。

保险杠

图5 日内调度后的光伏不平衡量

光伏发公路绿化电小于日前预测值的电黑米面量为0.0566MW·h,因此,主轴售电商实际日滑杆收益为6010.9元。

假定日前调度时不斟酌光伏预测偏差量,日前和日内调度结果如图6所示。收益为9030.5元,相比斟酌日前偏差时收益8940.6元稍大,这是由于未调剂蓄电池充放电功率,蓄电池转换电量变多。

图6 不斟酌光伏预测偏差多时间调度结果

累平接头计调理电量0.8033MW·h,相比日前斟酌光伏预测偏差,总调理功打胶机率较小。各类备用资源实际调度情况如表4所示,空调控制组的调理电量变大,这是由于日前调度中未斟酌误差,充放电的调理空间较小。日内裁剪机调度后的不平衡量如图7所示。

表4 不斟酌光伏预测偏差备用资源实际调度情况

图7 不斟酌光伏预测偏差日内调度后的不平衡量

不平衡电量为0.3870MW·压缩弹簧h,最大不平衡量为0.2039MW,对照图5,不平衡电量变大,最大不平衡量也变大,整体不平衡量情况也较差,跟踪光伏功率变化效果较差,可见在日前调度时斟酌光伏预测偏差调剂区间,可以有效改良新能源的消纳情况。售电商实际收益4854元,相比在日前调度中斟酌光伏预测偏差较小,这是由于调理电量变大,本钱增大多,不平衡情况差,日内购电本钱也较大。

4. 结语

从售电商角度展开研究,采取蓄电池和空调需求响应资源跟踪光伏发电,建立了多时间尺度调度模型,先分配空调群组的调用时段,优化蓄电池充放电状态,在日前调度中以机会束缚斟酌光伏预测偏差,转化为肯定性等价条件求解,日内调度以不平衡量和电脑灯调剂量最小为双目标。仿真结果表明日前调度中以机会束缚斟酌光伏预测偏差需要对日前调度计划避雷管进行调剂,可以有效改良光伏预测跟踪情况,提高售电商实际日收益,置信水平越高,跟踪光伏预测偏差情况越好,售电商实际日收益与日内调度本钱的大小吊索具有关。

以上就是贤集网小编为您介绍的相干内容,如果您有甚么想法,欢迎到下方评论留言。

友情链接