[发明专利]基于冒泡排序的风储联合发电系统储能元件优化运行方法

说明书

本发明公开了一种基于冒泡排序的风储联合发电系统储能元件优化运行方法，首先对常规机组进行建模，得到了常规机组的发电出力数据；其次结合ARMA模型和风速—功率特性曲线，考虑风机的故障率，模拟了风电场的时序出力数据；然后根据这两种数据结合时序负荷数据，获取了每个时刻系统的缺电量以及溢出的风电量；再然后基于冒泡排序的原理，根据储能元件内部剩余电量，确立优先放电的顺序。放电完成后，对溢出的风电电量进行最大化的存储，最后汇总常规机组、风电场、储能元件的计算数据，统计系统可靠性指标。本发明在风电超出允许接入比例，而系统吸收允许接入的风电后仍处于缺电状态的情况下，能够使风电利用率进一步提升，提高了发电系统的可靠性。

技术领域

本发明涉及一种基于冒泡排序的风储联合发电系统储能元件优化运行方法，属于风电控制技术领域。

背景技术

由于风速的波动性和不确定性，使得大规模风电并网在节能减排的同时，也给电力系统带来一定的风险。目前，随着储能元件的成本降低及储能技术的进一步提升，近年来越来越多的研究人员致力于将储能技术应用于改善风电的波动性。现已有相关研究将储能技术接入包含风电场的发电系统，并进行可靠性评估。

一般包含风电场和储能元件的发电系统可靠性分析主要分为系统内各元件状态抽取、风电场各项参数、储能元件的参数及运行策略。目前关于元件状态抽取主要分为解析法和模拟法，模拟法又称蒙特卡洛方法，蒙特卡洛方法主要分为序贯蒙特卡洛方法和非序贯蒙特卡洛方法。关于风电场各项参数的研究，主要是指风速的产生、风机的位置、风电场间的影响因子、尾流效应、允许风电最大接入比例等。关于储能元件部分，目前研究多集中于储能元件的充放电速度、最大放电深度、容量、接入位置以及储能策略。

目前已有相关文献对储能元件的运行方式即储能策略进行研究，但是大多数文件的储能策略是传统储能策略或者满充满放策略，并且往往将多个储能元件等效为一个或两个大型储能元件，忽略元件的故障停运，并且考虑的情况较少。少量文献考虑了风电接入比例，制定相应的储能策略，但是一般情况下忽略在风电场提供的电能超过风电接入比例，并且不满足系统负荷情况下的溢出风电，导致这部分电量的损失。极少数文献考虑到了这部分风电，但是仍是按照元件原始编号对这部分风电进行存储，并未按照储能元件内部剩余电量的优先顺序对储能策略进行优化。

发明内容

本发明所要解决的技术问题是克服现有技术的缺陷，提供一种基于冒泡排序的风储联合发电系统储能元件优化运行方法，将所有处于故障状态的储能元件容量清零并使之不参与充放电过程，按照剩余的储能元件在这一时刻内部存储电量的由高到低的顺利进行放电，在风电场提供的电能超过风电接入比例，并且不满足系统负荷情况下，使风电利用率进一步提升。

为解决上述技术问题，本发明提供一种基于冒泡排序的风储联合发电系统储能元件优化运行方法，包括以下步骤：

1)参数初始化，所述参数包括：时间参数T、仿真次数N、系统年均缺电量EENS、系统缺电概率LOLP和年均缺电时间LOLT，初始化结果为：T为一年8760小时，N为1000次，EENS、LOLP、Lole初始值均为0；其中，Lole为系统缺电时间；

2)根据IEEE-RBTS可靠性测试系统，运用序贯蒙特卡洛方法模拟得到常规机组的“故障—运行”状态序列；将常规机组的“故障—运行”状态序列乘以常规机组的额定功率，得到一年内每台常规机组每小时的出力；将每小时各个常规机组的出力求和，得到整个RBTS系统一年的时序出力；

3)根据风电场所在区域的历史风速数据，基于最小信息准则确定风电场的自回归滑动平均模型即ARMA模型阶数；

4)根据所述步骤3)得到的风电场的ARMA模型阶数及风电场所在区域的历史风速数据，在Matlab中调用armax函数模拟产生风电场的风速数据；

5)根据风机的故障率、修复率，运用序贯蒙特卡洛方法模拟得到风机的“故障—运行”状态序列；