风电场与共享储能有功调频裕度的综合估计方法及系统与流程

本发明涉及新能源接入与控制，并且更具体地，涉及一种风电场与共享储能有功调频裕度的综合估计方法及系统。

背景技术：

1、风电具有间歇性和随机性的特点，大规模风电并网削弱了电网系统的等效惯量，降低了系统频率稳定性。为提高电网系统稳定性，并网导则要求风电场应具备惯量响应和一次调频能力，提供频率支撑。以风电为代表的新能源系统主动参与电网运行已成为新能源并网技术发展的主要方向。为进一步加强风电场主动支撑能力，满足支撑需求，国家标准《电力系统安全稳定导则》(gb 38755-2019)要求，必要时可配置储能等灵活性调节资源以满足频率支撑。为兼顾风电场和电网的需求，同时提高储能利用率，“共享储能”作为新的商业模式成为风电场与储能协同运行的新场景。

2、风电场可利用风电机组桨距角、转子动能进行有功调节实现电网在频率扰动时的主动频率支撑，同时可通过共享储能的有功调节提升风电场频率支撑能力，实现风电场主动调频。风电集群支撑能力的有效估计是优化系统频率主动支撑性能、充分挖掘风电与共享调频潜力，实现分布式调频资源协同尽限利用的前提。对未来调频支撑能力的估计涉及到对未来运行出力状态的准确判断，对于风电场而言，首先要对未来风速进行预测，进而得到风电机组的未来出力状态及对应出力估计值，然后量化估算风电机组及风电场在频率变化下的有功调频裕度。现有支撑能力估计大多针对风电场进行研究，并未将共享储能纳入考虑范围。

3、因此，需要考虑风电机组自身调频能力和所租赁储能电站的性能，开展面向电网频率主动支撑的风电场和共享储能电站有功功率调频裕度估计，需要一种风电场与共享储能有功调频裕度的综合估计方法。

技术实现思路

1、本发明提出一种风电场与共享储能有功调频裕度的综合估计方法及系统，以解决当前风电场与共享储能电站有功支撑能力无法准确估计的问题。

2、为了解决上述问题，根据本发明的一个方面，提供了一种风电场与共享储能有功调频裕度的综合估计方法，所述方法包括：

3、分别获取用于风速预测的第一训练数据和用于共享储能荷电状态预测的第二训练数据；

4、构建风速预测模型，并基于所述第一训练数据进行训练，以获取风速预测最优模型；

5、基于风电机组的实时风速和所述风速预测最优模型进行风速预测，获取风速预测值；

6、基于所述风速预测值计算风电场有功支撑裕度估计值；

7、构建共享储能荷电状态预测模型，并基于所述第二训练数据进行训练，以获取共享储能荷电状态预测最优模型；

8、基于共享储能电站储能单元实时数据和所述共享储能荷电状态预测模型，获取荷电状态预测值；

9、基于所述荷电状态预测值计算共享储能电站有功支撑裕度估计值；

10、基于所述风电场有功支撑裕度估计值和共享储能电站有功支撑裕度估计值，确定总体支撑裕度。

11、优选地，其中所述方法采用黄金正弦优化算法对风速预测模型和共享储能荷电状态预测模型进行参数寻优,并将最佳优化参数带入到预测模型的正则化系数c和核函数参数σ中，得到训练完成的风速预测最优模型和共享储能荷电状态预测最优模型；

12、其中，寻优策略为：

13、1)确定寻优种群个数n，最大迭代次数maxiteration以及优化参数个数，优化参数的上下边界，对种群进行随机初始化操作；其中，优化参数包括：正则化系数c和核函数参数σ；

14、2)将黄金正弦算法产生的两个优化参数代入到预测模型的正则化系数c和核函数参数σ中，在预测模型中代入训练数据，得到预测值；

15、3)计算预测值与实际值的均方根误差，作为黄金正弦优化算法的各个个体的适应度值，计算得到全局最优个体；

16、4)对全局最优个体进行更新；

17、5)如果达到迭代终止条件则终止更新，并输出最佳优化参数；

18、其中，根据如下公式进行个体更新：

19、

20、c1＝a(1-τ)+bτ，

21、c2＝aτ+b(1-τ)，

22、其中，其中，为第i个体在第t次迭代后在第d维的位置，pit为第i次迭代全局最佳位置，r1和r2是分别属于[0,2π]和[0,π]的两个随机数，r1决定下次迭代个体的移动距离，r2决定下次迭代个体的移动方向，c1和c2是通过引入黄金分割数得到的系数；a，b的初始值分别为-π和π，黄金分割数

23、优选地，其中所述基于所述风速预测值计算风电场有功支撑裕度估计值，包括：

24、当风电机组工作在最大功率跟踪(maximum power point tracking,mppt)状态时，利用如下方式确定风电场有功支撑裕度估计值，包括：

25、

26、

27、当风电机组工作在减载预留状态时，利用如下方式确定风电场有功支撑裕度估计值，包括：

28、1)若vcoutin≤vpre＜vlim1或vlim1≤vpre＜vlim2，则利用如下方式计算确定风电场有功支撑裕度估计值，包括：

29、

30、2)若vlim2≤vpre＜vcutout，则利用如下方式计算确定风电场有功支撑裕度估计值，包括：

31、

32、

33、

34、其中，pwind_sup为风电场有功支撑裕度估计值；δe为风电机组可释放的转子动能；tine为风电机组转速降至ωmin的时间；pwind_n为机组额定功率；j为风电机组转动惯量；ωmin为风电机组最小允许转速；ωpre为基于风速预测值vpre得到的对应的风电机组转速值；vcutin为切入风速；vlim1为最大功率跟踪区与恒转速区的临界风速；vlim2为恒转速区与恒功率区的临界风速；cp为风能利用系数；vm为风速；r为风电机组叶片半径；λ为叶尖速比；β为桨距角；ω为风电机组转速；ωmax为风电机组最大允许转速；vcutout为切出风速；βpre为减载运行模式下风速预测值对应的桨距角。

35、优选地，其中所述基于所述荷电状态预测值计算共享储能电站有功支撑裕度估计值，包括：

36、pbat_sup＝ηssocpbat_n，

37、其中，socpre＜socmin时，ssoc＝0；

38、socmin≤socpre＜soc1时，

39、

40、soc1≤socpre时，ssoc＝1；

41、其中，pbat_sup为共享储能电站有功支撑裕度估计值；η为风电场所租赁共享储能电站的容量比例；pbat_n为储能电源额定放电功率；ssoc为放电修正系数；socpre为荷电状态预测值；socmin为储能电源最低荷电状态限值；soc1是储能单元过度放电状态与正常工作状态的临界值；soc2是储能单元正常工作状态与过度充电状态的临界值；socmax为储能电源最高荷电状态限值。

42、根据本发明的另一个方面，提供了一种风电场与共享储能有功调频裕度的综合估计系统，所述系统包括：

43、数据获取单元，用于分别获取用于风速预测的第一训练数据和用于共享储能荷电状态预测的第二训练数据；

44、风速预测最优模型确定单元，用于构建风速预测模型，并基于所述第一训练数据进行训练，以获取风速预测最优模型；

45、风速预测单元，用于基于风电机组的实时风速和所述风速预测最优模型进行风速预测，获取风速预测值；

46、风电场有功支撑裕度估计值确定单元，用于基于所述风速预测值计算风电场有功支撑裕度估计值；

47、共享储能荷电状态预测最优模型确定单元，用于构建共享储能荷电状态预测模型，并基于所述第二训练数据进行训练，以获取共享储能荷电状态预测最优模型；

48、荷电状态预测单元，用于基于共享储能电站储能单元实时数据和所述共享储能荷电状态预测模型，获取荷电状态预测值；

49、储能电站有功支撑裕度估计值确定单元，用于基于所述荷电状态预测值计算共享储能电站有功支撑裕度估计值；

50、总体支撑裕度确定单元，用于基于所述风电场有功支撑裕度估计值和共享储能电站有功支撑裕度估计值，确定总体支撑裕度。

51、优选地，其中所述风速预测最优模型确定单元和共享储能荷电状态预测最优模型确定单元，采用黄金正弦优化算法对风速预测模型和共享储能荷电状态预测模型进行参数寻优,并将最佳优化参数带入到预测模型的正则化系数c和核函数参数σ中，得到训练完成的风速预测最优模型和共享储能荷电状态预测最优模型；

52、其中，寻优策略为：

53、1)确定寻优种群个数n，最大迭代次数maxiteration以及优化参数个数，优化参数的上下边界，对种群进行随机初始化操作；其中，优化参数包括：正则化系数c和核函数参数σ；

54、2)将黄金正弦算法产生的两个优化参数代入到预测模型的正则化系数c和核函数参数σ中，在预测模型中代入训练数据，得到预测值；

55、3)计算预测值与实际值的均方根误差，作为黄金正弦优化算法的各个个体的适应度值，计算得到全局最优个体；

56、4)对全局最优个体进行更新；

57、5)如果达到迭代终止条件则终止更新，并输出最佳优化参数；

58、其中，根据如下公式进行个体更新：

59、

60、c1＝a(1-τ)+bτ，

61、c2＝aτ+b(1-τ)，

62、其中，其中，为第i个体在第t次迭代后在第d维的位置，pit为第i次迭代全局最佳位置，r1和r2是分别属于[0,2π]和[0,π]的两个随机数，r1决定下次迭代个体的移动距离，r2决定下次迭代个体的移动方向，c1和c2是通过引入黄金分割数得到的系数；a，b的初始值分别为-π和π，黄金分割数

63、优选地，其中所述风电场有功支撑裕度估计值确定单元，基于所述风速预测值计算风电场有功支撑裕度估计值，包括：

64、当风电机组工作在mppt状态时，利用如下方式确定风电场有功支撑裕度估计值，包括：

65、

66、

67、当风电机组工作在减载预留状态时，利用如下方式确定风电场有功支撑裕度估计值，包括：

68、1)若vcoutin≤vpre＜vlim1或vlim1≤vpre＜vlim2，则利用如下方式计算确定风电场有功支撑裕度估计值，包括：

69、

70、2)若vlim2≤vpre＜vcutout，则利用如下方式计算确定风电场有功支撑裕度估计值，包括：

71、

72、

73、

74、其中，pwind_sup为风电场有功支撑裕度估计值；δe为风电机组可释放的转子动能；tine为风电机组转速降至ωmin的时间；pwind_n为机组额定功率；j为风电机组转动惯量；ωmin为风电机组最小允许转速；ωpre为基于风速预测值vpre得到的对应的风电机组转速值；vcutin为切入风速；vlim1为最大功率跟踪区与恒转速区的临界风速；vlim2为恒转速区与恒功率区的临界风速；cp为风能利用系数；vm为风速；r为风电机组叶片半径；λ为叶尖速比；β为桨距角；ω为风电机组转速；ωmax为风电机组最大允许转速；vcutout为切出风速；βpre为减载运行模式下风速预测值对应的桨距角。

75、优选地，其中所述储能电站未来有功支撑裕度估计值确定单元，基于所述荷电状态预测值计算共享储能电站未来有功支撑裕度估计值，包括：

76、pbat_sup＝ηssocpbat_n，

77、其中，socpre＜socmin时，ssoc＝0；

78、socmin≤socpre＜soc1时，

79、

80、soc1≤socpre时，ssoc＝1；

81、其中，pbat_sup为共享储能电站未来有功支撑裕度估计值；η为风电场所租赁共享储能电站的容量比例；pbat_n为储能电源额定放电功率；ssoc为放电修正系数；socpre为荷电状态预测值；socmin为储能电源最低荷电状态限值；soc1是储能单元过度放电状态与正常工作状态的临界值；soc2是储能单元正常工作状态与过度充电状态的临界值；socmax为储能电源最高荷电状态限值。

82、基于本发明的另一方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现一种风电场与共享储能有功调频裕度的综合估计方法中任一项的步骤。

83、基于本发明的另一方面，本发明提供一种电子设备，包括：

84、上述的计算机可读存储介质；以及

85、一个或多个处理器，用于执行所述计算机可读存储介质中的程序。

86、本发明提供了一种风电场与共享储能有功调频裕度的综合估计方法及系统，包括：分别获取用于风速预测的第一训练数据和用于共享储能荷电状态预测的第二训练数据；构建风速预测模型，并基于所述第一训练数据进行训练，以获取风速预测最优模型；基于风电机组的实时风速和所述风速预测最优模型进行风速预测，获取风速预测值；基于所述风速预测值计算风电场有功支撑裕度估计值；构建共享储能荷电状态预测模型，并基于所述第二训练数据进行训练，以获取共享储能荷电状态预测最优模型；基于共享储能电站储能单元实时数据和所述共享储能荷电状态预测模型，获取荷电状态预测值；基于所述荷电状态预测值计算共享储能电站有功支撑裕度估计值；基于所述风电场有功支撑裕度估计值和共享储能电站有功支撑裕度估计值，确定总体支撑裕度。本发明能够实现对风电场与共享储能电站协同的频率支撑能力有效估计，明晰未来有功调频裕度，为新能源与储能参与电网调度运行提供数据支撑，提高高比例新能源系统运行灵活性，有利于风电场和共享储能电站的协调控制，进一步发挥共享储能提供功率支撑、维护电力电量平衡的作用。