高可再生能源渗透率下考虑预测误差的微电网经济调度模型

《高可再生能源渗透率下考虑预测误差的微电网经济调度模型》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第３８卷第７期Ｖｏｌ．３８Ｎｏ．７２０１４年４月１０日Ａｐｒ．１０，２０１４ＤＯＩ：１０．７５００／ＡＥＰＳ２０１２１０２５４高可再生能源渗透率下考虑预测误差的微电网经济调度模型赵波１，薛美东１，陈荣柱２，林世溪２，刘海涛３（１．国网浙江省电力公司电力科学研究院，浙江省杭州市３１００１４；２．国网温州供电公司，浙江省温州市３２５０００；３．中国电力科学研究院，北京市１００１９２）摘要：提出了一种高可再生能源渗透率下考虑预测误差的微电网经济调度模型，由日前计划和实时调度两层组成。日前计划层考虑间歇性能源预测误差的情况下制定微电网的运行计划；实时调度层根据间歇性能源功率预测误差实时修

2、正运行计划并进行电压和潮流优化。在可再生能源高渗透率的情况下，所提出的模型有效地修正了预测误差引起的可再生能源功率波动。仿真结果表明，所提出的模型能够充分利用可再生能源，协调分布式电源和储能系统，实现微电网经济、安全、稳定运行。关键词：间歇性能源；预测误差；高渗透率；微电网（微网）；经济调度０引言预留备用功率。但是微电网中分布式电源只能提供有限的备用功率，需要考虑分布式电源与储能系统随着中国可再生能源产业的迅猛发展，小型的的协调配合。文献［１４］采用场景模拟，文献［１５］基风力发电／光伏发电工程越来越多地并入电网。然于机会约束规划，给出了满足一定置信水平的微电而，小型的风力发电／

3、光伏发电工程可控性差，影响网调度计划。虽然调度计划考虑间歇性能源的随机电网的安全、稳定运行。微电网是将本地分布式电性，但是没有根据实际误差情况对调度计划进行调源、储能系统和负荷集成在一起的中／低压网络系整。［１－２］统。相对于传统电网，微电网的优势主要体现本文在充分研究风、光出力特性的基础上，提出在：①实现高渗透率的可再生能源接入，具有较好的一种可再生能源高渗透率下考虑风／光预测误差的经济性和环保性；②分布式电源的本地化协调控制微电网经济调度模型，由日前计划和实时调度两层［３］有助于提高系统的电能质量和稳定性。可以说，组成。日前计划根据间歇性能源的误差水平协调分微电网是未来大量可

4、再生能源并网的主要途径之布式电源和储能设备运行状态，提供备用功率。实一，已成为国内外研究的热点。然而，由于现有预测时调度根据实时误差情况，调整运行计划，平衡间歇方法的局限性，风、光等间歇性能源输出功率预测精性能源的功率波动。度不高。以风力发电为例，１ｈ的预测误差可达［４］１０％，影响微电网的经济调度，而且随着渗透率增１风／光实时出力的概率密度分布大，影响将更加严重。一般认为风速满足威布尔分布，但是大量实测微电网的经济调度中，间歇性能源的输出功率［１６］数据表明风电功率并不满足此分布特性。此外，通常作为常数参与优化。文献［５－７］提出的实时微也有采用正态分布描述风电功率预测误差，但

5、所得电网调度，虽然短时功率预测误差较小，但是忽视了［１７］概率密度曲线与频率分布直方图的区别较大；还分布式电源与储能设备长时间运行中的协调配合。［１８－１９］有采用高斯函数对风电预测误差进行拟合，但文献［８－１０］提出的多时段的微电网经济调度，间歇高斯函数的变量取值范围为正负无穷大，而实际风性能源功率预测误差随时间而增大，将导致调度计电出力却有范围限制。文献［２０－２２］采用贝塔分布划偏离实际情况。拟合风电功率预测误差，贝塔函数的变量值位于［０，文献［１１－１３］提出的间歇性能源接入传统电网１］之间，能够合理地反映实际情况。的经济调度，在考虑间歇性能源预测误差的情况下光伏发电通常

6、采用贝塔分布拟合输出功率的概［２３－２４］率密度分布。收稿日期：２０１２－１０－２９；修回日期：２０１３－０８－２９。根据以上比较分析，本文统一采用贝塔分布描国家自然科学基金资助项目（５１２０７１４０）。述风力发电、光伏发电实时出力的概率密度分布：—１—２０１４，３８（７）Ｐα－１Ｐβ－１２．３蓄电池储能系统ｆ（Ｐ）＝Γ（α＋β）（）（１－）ＰｍａｘΓ（α）Γ（β）ＰｍａｘＰｍａｘ为了提高蓄电池的使用寿命，除维护成本外，模（１）型中考虑了蓄电池的折旧成本。蓄电池使用寿命与２α＝μ２（１－μ）－μ（２）放电深度有关，放电深度越大，充放电的循环次数越σ少。将蓄电池的安装成本折算到每一

7、个充放电过程１－μβ＝α（３）中，即放电深度Ｄ下的循环次数为Ｎ，那么相应蓄μ电池的储能状态和折旧成本为：式中：Ｐ为风力发电或光伏发电的实时功率；Ｐｍａｘ为风力发电或光伏发电的最大输出功率，用于归一化烄Ｅ＝（１－Ｄ）ＥＮ实时功率；Γ（·）为伽马函数；α和β均为贝塔函数烅１ηＤｅｐ（７）ＣＤｅｐ＝ηＤｅｐＣＩｎｓ＝（ＣＰＰＮ＋ＣＥＥＮ）烆ＮＮ的形状参数；μ为贝塔分布的数学期望，即归一化后的输出功率预测平均值；σ２为贝塔分布的方差，即式中：ＣＤｅｐ为折旧成本；ηＤｅｐ为折旧成本系数；Ｃ