多尺度灵活性资源博弈下风电场储能容量优化

doi:10.16628/j.cnki.2095-8188.2023.05.013

摘要/Abstract

摘要：

随着大规模可再生能源的并网,风电出力的波动性与随机性需要充足的灵活性资源满足其并网需求。首先分析风电场的并网有功调节需求,综合考虑多尺度灵活性资源的出力特性与经济性,提出了一种多尺度灵活性资源博弈下风电场储能容量优化模型。其次,基于NashQ算法来求解多尺度灵活性资源博弈问题,自适应优化各个智能体的学习率,提高了算法的收敛速度。最后,通过仿真验证了所提模型和方法的有效性。

关键词: 风电并网, 储能容量优化, 多时间尺度, Nash均衡, 自适应学习率

Abstract:

With the grid connection of large-scale renewable energy,the fluctuation and randomness of wind power output need sufficient flexibility resources to meet its grid connection needs.Firstly,the grid connected active power regulation requirements of wind farms are analyzed.Considering the output characteristics and economy of multi-scale flexible resources,an optimization model of wind farm energy storage capacity under multi-scale flexible resource game is proposed.Secondly,NashQ algorithm is used to solve the multi-scale flexible resource game problem and the learning rate of each agent is adaptively optimized,which can improve the convergence speed of the algorithm.Finally,the effectiveness of the proposed model and method is verified by simulation.

Key words: wind power grid connection, optimization of energy storage capacity, multiple time scales, Nash equilibrium, adaptive learning rate

中图分类号:

TM734

白忠彬. 多尺度灵活性资源博弈下风电场储能容量优化[J]. 电器与能效管理技术, 2023, 0(5): 79-88.

BAI Zhongbin. Optimization of Energy Storage Capacity for Wind Farm Under Multi-Scale Flexible Resource Game[J]. LOW VOLTAGE APPARATUS, 2023, 0(5): 79-88.

图/表 14

表1

表2

表3

图1

图2

图3

表4

图4

图5

表5

表6

表7

表8

图6

参考文献 23

[1]	翁智敏, 朱振山, 温步瀛, 等. 高比例新能源电力系统研究综述[J]. 电器与能效管理技术, 2021(11):1-7.
[2]	李庆民, 于万水, 赵继尧. 支撑“双碳”目标的风光发电装备安全运行关键技术[J]. 高电压技术, 2021, 47(9):3047-3060.
[3]	刘福锁, 卿梦琪, 唐飞, 等. 计及风电一次调频和频率约束的风电占比极限值计算[J]. 电网技术, 2021, 45(3):863-870.
[4]	刘卫健, 黎淑娟, 黄际元, 等. 储能参与风电并网系统的波动平抑控制研究[J]. 电器与能效管理技术, 2018(16):41-47, 66.
[5]	江长明, 杨健, 柳玉, 等. 基于数据驱动的风电功率预测误差解耦评价方法[J]. 电力系统自动化, 2021, 45(1):105-113.
[6]	苗福丰, 唐西胜, 齐智平. 储能参与风电一次调频的容量优化[J]. 电工电能新技术, 2016, 35(4):23-29,42.
[7]	刘颖明, 陈亮, 王晓东, 等. 混合储能参与风电集群一次调频的容量配置优化[J]. 电器与能效管理技术, 2020(10):55-63.
[8]	罗耀东, 田立军, 王垚, 等. 飞轮储能参与电网一次调频协调控制策略与容量优化配置[J]. 电力系统自动化, 2022, 46 (9):71-82.
[9]	张晴, 李欣然, 杨明, 等. 净效益最大的平抑风电功率波动的混合储能容量配置方法[J]. 电工技术学报, 2016, 31(14):40-48.
[10]	崔传世, 谢丽蓉, 包洪印, 等. 平抑风电功率波动退役电池储能系统容量配置[J]. 电源技术, 2020, 44(8):1185-1190.
[11]	陈大准. 储能系统平抑风电功率波动及容量动态优化控制[J]. 电气应用, 2022, 41(1):14-20.
[12]	叶瑞丽, 郭志忠, 刘瑞叶, 等. 基于风电功率预测误差分析的风电场储能容量优化方法[J]. 电力系统自动化, 2014, 38(16):28-34.
[13]	杨立滨, 曹阳, 魏韡, 等. 计及风电不确定性和弃风率约束的风电场储能容量配置方法[J]. 电力系统自动化, 2020, 44(16):45-52.
[14]	曹明浩, 于继来. 面向风电场发电曲线偏差校正的电化学储能系统容量规划方法[J]. 电力系统自动化, 2022, 46 (11):27-36.
[15]	国网山西省电力公司. 关于开展新能源场站一次调频改造工作的通知[A]. 2020.
[16]	国家能源局福建监管办公室. 福建省电力调频辅助服务市场交易规则(试行)(2019年修订版)[A]. 2019.
[17]	国家能源局南方监管局. 南方区域发电厂并网运行管理实施细则[A]. 2017.
[18]	HU J L, WELLMAN M P. NashQ-learning for general-sum stochastic games[J]. Journal of Machine Learning Research, 2004, 4(6):1039-1069.
[19]	刘洪, 李吉峰, 葛少云, 等. 基于多主体博弈与强化学习的并网型综合能源微网协调调度[J]. 电力系统自动化, 2019, 43(1): 40-50.
[20]	李宏仲, 王磊, 林冬, 等. 多主体参与可再生能源消纳的Nash博弈模型及其迁移强化学习求解[J]. 中国电机工程学报, 2019, 39(14):4135-4150.
[21]	郑海林, 温步瀛, 朱振山, 等. 共享储能模式下多微电网博弈优化方法[J]. 电器与能效管理技术, 2022(2):12-20.
[22]	甘伟, 郭剑波, 艾小猛, 等. 应用于风电场出力平滑的多尺度多指标储能配置[J]. 电力系统自动化, 2019, 43(9):92-98.
[23]	曲昭伟, 潘昭天, 陈永恒, 等. 考虑博弈的多智能体强化学习分布式信号控制[J]. 交通运输系统工程与信息, 2020, 20(2):76-82,100.

时间	项目名称	储能规模	储能配置比例/%
2017年	《青海省2017年度风电开发建设方案的通知》	33万kWh	10
2019年	华润电力濉溪孙疃风电场50 MW工程项目	10 MW/ 10 MWh	20
2020年	安徽宣州区沈村50 MW风电场	10 MW/ 10 MWh	20
2020年	安徽谯城区亳永50 MW风电项目(二期)	10 MW/ 10 MWh	20
2020年	河南鹤壁50 MW分散式风电场	15 MW	30
2022年	乌兰察布风电基地首批120万kW就地消纳工程	18万kW/ 36万kWh	15
2022年	阿右旗200 MW风储一体化项目	60 MW/ 120 MWh	30

应用场景	参考文献	优化目标	约束条件
一次调频	[6]	“可再生能源+储能”系统运行成本最小化	满足一次调频需求
	[7]	“可再生能源+储能”系统运行效益最大化	功率平衡约束、荷电状态约束、限电约束
	[8]	全寿命周期内调频收益净现值最大化	功率平衡约束、充放电功率约束
平抑能源功率波动	[9]	减少备用的效益最大化与储能全寿命周期成本最小化	功率平衡约束、充放电功率约束
	[10]	储能成本与平抑波动可靠性最优化	充放电功率约束、荷电状态约束、限电约束
	[11]	可再生能源出力越限总量与越限概率最小化	充放电功率约束、荷电状态约束
减少能源预测偏差	[12]	风电弃风成本与储能配置成本最小化	功率平衡约束、充放电功率约束
	[13]	储能投资成本最小化	功率平衡约束、限电约束
	[14]	“可再生能源+储能”系统经济效益最优化	超标电量被技术约束

风电装机容量/MW	10 min最大限值/MW	1 min最大限值/MW
<30	3	10
30~150	装机容量/3	装机容量/10
>150	15	50

预测偏差		出力波动 (1 min)		出力波动 (10 min)		一次调频
范围/ MW	惩罚元/ MW	范围/ MW	惩罚元/ MW	范围/ MW	惩罚元/ MW	范围/ MW	惩罚元/ MW
[0,1]	0	[0,0.4]	0	[0,1]	0
[1,2]	11	[0.4,1.2]	11	[1,2]	11	25
[2,3]	16	[1.2,2.0]	16	[2,3]	16
>4	25	>2.0	25	>4	25

场景	风电场运行经济性/元
风电场自身优化	67 651.78
多尺度灵活性资源博弈	96 137.92