[发明专利]一种基于多变量控制的风力发电综合用能分析管理的系统和方法

说明书

与常规电源不同，风力发电很大程度上取决于实时的天气条件，随机变化的天气导致风力发电具有波动性，间接性，随机性的特点，对于运营规划和调动方案等各个方面都有很高的要求。在保证一定准确性的预测特定时间段的风力发电量的基础下，如何采用有效的用能分析工具合理高效的分配波动性较大的风力发电输出与传统化石能源发电输出的用量关系对于最大限度应用可再生的能源有着重要的作用。本发明提出一种结合多种预测方式的风力发电量预测数据和多变量控制的最优解方程的综合用能分析管理方法以做到科学高效的分配使用风力发电能源与传统化石能源补充，以最大化利用风力发电能力，最小化用能成本为目标，建立了考虑波动的风力发电量与储能容量优化等多方面的综合模型以提高用电对象对风力能源的利用效率，降低购电成本，实现经济价值最大化。

技术领域

本发明涉及优化算法用于新能源风力发电和储能控制领域，具体涉及一种基于多变量控制的风力发电综合用能分析管理的系统和方法。

背景技术

随着社会经济的快速发展，能源需求的持续增长，以及大众对于环保的重视，能源已经成为制约人类经济社会发展的主要因素之一，为了应对越来越紧张的能源供应和化石能源导致的气候影响，世界各国都十分重视可再生能源的开发和利用。风力能源作为一种清洁的，较易利用的可再生能源越来越受到青睐。但是，由于电力系统的发电，输电，用电需要实时保持平衡，风力发电能源的大规模并网将给电网运行管理带来很多问题。为了应对风力发电和太阳能发电的随机性和间隙性问题，电力系统在运行中必须保留足够的备用电源和调峰容量，以保证风力发电和太阳能发电出力不足时能够正常向用户供电，这必然会造成系统的备用容量增大；而在风力发电发电出力大，而负荷不足时，又必须采取压低火力电机组出力的方式来保证平衡。风能受制于其对于天气情况的依赖，由于其多变性及其不可预测性可能会无法在与现有电网进行并网操作时保持协同的可靠和稳定，这就要求在利用风力发电能源时，充分考虑到其不稳定性，利用预测模型有效，合理的分配风力发电量与综合电网的用量，以做到最大程度的利用风力能源；

通过各种预测方式可以有效的预测风力发电系统的输出，对于未来一定时间内的风力发电效果可以控制，预测结果越准确就越能使电力系统运行效率和稳定性极大增加。例如发明“一种基于梯度提升算法(Gradient Boosting)预测风力发电的系统模型” （专利申请号：202010099125.X）提出了一种利用梯度提升算法(Gradient Boosting)来预测风力发电输出预测的方法。发明“一种基于递归神经网络的长短期记忆模型来预测风力发电的系统模型”（专利申请号：202010108778.X）提出了一种结合递归神经网络和LSM长短记忆模型的方法来预测风力发电量。这些新的方法的提出可以准确的预测特定区域在特定时间内的风力发电量。但是对于波动性、间歇性的风力发电的大规模并网，造成电网安全稳定运行和有效消纳问题仍然非常突出，仍然需要一套有效的优化管理系统提高风力发电的消纳能力，合理分配电网电量的补充。

本发明提出一种基于多个变量控制的风力发电综合用能分析管理的系统和方法，其特点为提出一系列以最大化利用风力发电量使用为目标，同时考虑最小化用能成本储能成本，寿命，储能设备充放电限制，用能负荷需求等多个限制变量的线性优化方程数学模型，以达到高效利用风力发电，有效保障电网运行安全的目的。本发明引入了风力发电量以及用能负荷预测结果等指标在储能设备的分配模拟上，对于风力发电有效并网的前提下。合理配置储能设备和电网电力，对合理化分配风力发电利用率有一定的实践意义，也对于电网用电安全等方面具有一定的应用价值。

发明内容

本发明提出了一种基于多个变量控制的风力发电综合用能分析管理的系统和方法,其主要的应用在于应用模型预测的风力发电量及用能负荷结果，在给定相应的储能系统限制条件的情况下，运用优化模型，合理分配储能设备的充放电量，保障最优化利用电能。整个系统流程包括了预测风力发电量，预测用能对象电力用能负荷，设定储能设备限制条件，运行实时多变量控制优化模型求解，输出用能对象电网购电量，输出储能系统充放电时间及充放电量等几个步骤，如图1所示。

附图说明