考慮分時電價的風光儲聯(lián)合優(yōu)化調(diào)度研究

楊曉萍， 劉浩杰， 黃 強

(西安理工大學 水利水電學院，陜西 西安 710048)

?

考慮分時電價的風光儲聯(lián)合優(yōu)化調(diào)度研究

楊曉萍， 劉浩杰， 黃 強

(西安理工大學 水利水電學院，陜西 西安 710048)

針對大規(guī)模風電和光伏發(fā)電對電網(wǎng)調(diào)度帶來的負面影響，利用鈉硫電池儲能系統(tǒng)，綜合考慮峰谷分時電價政策和減少棄風棄光等各方面因素，提出了一種基于日前負荷、風電、光伏發(fā)電出力預測，以鈉硫電池為輔助設(shè)備的風光儲聯(lián)合申報計劃出力新模式。以風光儲聯(lián)合系統(tǒng)總體收益最大化和凈負荷方差最小作為目標，考慮鈉硫電池儲能系統(tǒng)的充放電次數(shù)約束和風光實時出力偏移風光聯(lián)合申報計劃出力限制，建立了電網(wǎng)短期優(yōu)化調(diào)度模型，并采用多目標粒子群算法求解所建模型。通過算例分析，驗證了所建模型的可行性和風光儲聯(lián)合系統(tǒng)在提高清潔能源消納和平滑凈負荷曲線方面的有效性。

風電； 光伏發(fā)電； 鈉硫電池電站； 計劃出力； 多目標粒子群算法； 凈負荷曲線

近年來，風能和太陽能以其分布廣、資源豐富以及清潔可再生等特點而得到廣泛利用和發(fā)展。但風電和光伏發(fā)電固有的隨機波動性、間歇性、預測精度低等特點會給電力系統(tǒng)安全穩(wěn)定運行帶來嚴峻考驗。風電的反調(diào)峰特性間接拉大了負荷的峰谷差，可能導致火電機組深度調(diào)峰或停機，此外，水、火電機組頻繁調(diào)節(jié)以應(yīng)對功率的盈余或缺失，間接增大了系統(tǒng)總的運行成本[1-2]。光伏發(fā)電大幅度、頻繁波動會對系統(tǒng)有功平衡造成沖擊，影響系統(tǒng)有功經(jīng)濟調(diào)度，增大頻率質(zhì)量越界的風險[3]。因此，研究如何最大限度消納風電和光伏發(fā)電，同時又能實現(xiàn)電網(wǎng)中常規(guī)機組的經(jīng)濟運行具有重要的現(xiàn)實意義。

針對這一問題，國內(nèi)外的研究集中在儲能系統(tǒng)與風、光伏電廠組成的混合系統(tǒng)的優(yōu)化調(diào)度方面，通過控制儲能系統(tǒng)的充放電來減少風電和光伏發(fā)電的功率波動。其中以技術(shù)較為成熟、單位容量成本相對較低的抽水蓄能為主要儲能設(shè)備的研究較為普遍。文獻[4]研究了風電—抽水蓄能聯(lián)合運行優(yōu)化模型，將聯(lián)合系統(tǒng)綜合收益最大作為目標函數(shù)，降低了風電出力隨機性對電網(wǎng)穩(wěn)定運行帶來的不利影響。文獻[5]將峰谷電價考慮在風電—抽水蓄能聯(lián)合系統(tǒng)中，建立了能量轉(zhuǎn)化效益評估模型，分析了抽水蓄能電站對風電移峰填谷的影響，取得了良好的經(jīng)濟效益。文獻[6]利用抽水蓄能電站的儲能能力，消除了風電出力的不確定性，確保了火電機組開停機的平穩(wěn)性。隨著大容量鈉硫電池儲能技術(shù)的革新[7-11]以及抽水蓄能技術(shù)受地理和資源因素的限制，如何有效控制這些新型儲能設(shè)備以提高清潔能源消納，并減小其并網(wǎng)對系統(tǒng)帶來的不利影響，受到越來越多的關(guān)注。文獻[12]建立了以大容量鈉硫電池為儲能設(shè)備的多時間尺度下的混合系統(tǒng)聯(lián)合調(diào)度模型，考慮了風電出力隨機性和儲能系統(tǒng)充放電的控制，使得風電具有一定的可調(diào)度性。

本文基于日前負荷、風電和光伏發(fā)電出力預測，利用鈉硫電池儲能系統(tǒng)的充放電功能，并考慮分時電價，提出一種新的風光儲聯(lián)合運行申報次日出力計劃模式。以最大限度消納清潔能源和實現(xiàn)平滑系統(tǒng)凈負荷曲線為主要工作目標，將風光儲聯(lián)合系統(tǒng)收益最大和系統(tǒng)凈負荷方差最小作為目標函數(shù)，綜合考慮鈉硫電池儲能系統(tǒng)內(nèi)部特性以及能量狀態(tài)和充放電次數(shù)約束，并限制風光實時出力對風光聯(lián)合申報計劃出力差額的偏離程度，建立全天96個時段的優(yōu)化調(diào)度模型；應(yīng)用多目標粒子群算法求解所建模型，最后通過實例驗證本文所建模型及算法的正確性和有效性。

1 風光儲聯(lián)合系統(tǒng)調(diào)度方式

1.1 風光儲聯(lián)合系統(tǒng)運行模式

風光儲聯(lián)合系統(tǒng)運行主要有以下幾個步驟：

步驟1： 電網(wǎng)調(diào)度中心和風電場、光伏電站分別預測次日負荷出力曲線和風功率、光伏發(fā)電功率曲線；

步驟2： 風光儲聯(lián)合體綜合考慮分時電價、減少棄風、棄光、考核懲罰等因素，采用改進比例法向調(diào)度中心申報次日計劃出力；

步驟3： 調(diào)度中心根據(jù)風光儲聯(lián)合體的申報出力計劃，安排常規(guī)機組的出力。

1.2 改進風光聯(lián)合系統(tǒng)計劃出力

常規(guī)計算風光聯(lián)合體的計劃出力是根據(jù)預測負荷出力、風電功率和光伏發(fā)電功率[4]，按定比例方式安排計劃出力L(t)：

(1)

上述定比例方式是以固定不變的比例安排風光聯(lián)合計劃出力，不能根據(jù)負荷的實時變化調(diào)整風光出力計劃，缺乏調(diào)度的靈活性。本文在定比例申報法的基礎(chǔ)上，通過追蹤負荷的變化規(guī)律，調(diào)整申報計劃出力L(t)：

(2)

式中：ε為負荷變化乘子，取值范圍為0～1，本文取0.6。

圖1為中國西北某地區(qū)24 h的96時段風電站、光伏電站及典型日負荷預測出力曲線。圖2為風光聯(lián)合系統(tǒng)改進定比例法申報計劃出力曲線。

圖1 風電站、光伏電站及典型日負荷預測出力曲線Fig.1 Forecasting load-wind-solar power curve

圖2 改進前后風光聯(lián)合系統(tǒng)計劃出力對比曲線Fig.2 Wind-solar combined system output plan curve comparing before and after improvements

由圖2可看出，與定比例法相比較，采用改進定比例法在負荷低谷時風光聯(lián)合計劃出力小，在負荷高峰時風光聯(lián)合計劃出力大，能很好地追蹤負荷的變化規(guī)律，并間接地減小了負荷的峰谷差，潛在的對系統(tǒng)實現(xiàn)了“移峰填谷”的作用。

1.3 鈉硫電池、風電和光伏發(fā)電的調(diào)度策略

將實時風電和光伏發(fā)電的功率之和與申報計劃出力進行比較。

1) 若風電和光伏發(fā)電的實時功率比申報計劃出力小，即：

(3)

則風電和光伏發(fā)電全部上網(wǎng)：

(4)

式中：Pw(t)和Pp(t)分別為t時段風電和光伏發(fā)電的上網(wǎng)電量。

鈉硫電池電站在滿足能量狀態(tài)和最大功率約束的情況下進行放電：

(5)

(6)

式中：Px(t)為t時段鈉硫電池電站的調(diào)度出力，Prate為鈉硫電池電站額定功率，Ebat(t)為鈉硫電池電站t時段的能量狀態(tài)，Ebat.min為鈉硫電池電站最小能量狀態(tài)。

考慮到鈉硫電池電站容量過大會導致投資成本的增加，風光實時出力對風光聯(lián)合申報計劃出力的差額允許有一定的偏移：

(7)

式中：η為申報計劃出力的偏移系數(shù)。本文取20%。

2) 若風電和光伏發(fā)電的實時功率比申報計劃出力大，即：

(8)

則風電和光伏發(fā)電的上網(wǎng)電量為：

(9)

當風電和光伏發(fā)電的剩余電量大于鈉硫電池電站的最大充電功率時，即：

(10)

鈉硫電池電站的調(diào)度出力為：

(11)

當風電和光伏發(fā)電的剩余電量小于鈉硫電池電站的最大充電功率時，即：

(12)

鈉硫電池電站的調(diào)度出力為：

(13)

且要滿足：

(14)

式中：Ebat.max為鈉硫電池電站最大能量狀態(tài)。

當負荷處于高峰時段時，為實現(xiàn)對清潔能源的最大化消納并減小負荷峰值，如果風電和光伏發(fā)電的實時功率比風光聯(lián)合申報計劃出力大，且在風光聯(lián)合申報計劃出力的偏移范圍內(nèi)，那么風電和光伏發(fā)電的上網(wǎng)電量與風光聯(lián)合申報計劃出力之間的倍數(shù)可適當增大。

2 風光儲聯(lián)合優(yōu)化調(diào)度模型

2.1 目標函數(shù)

本文綜合考慮風光儲聯(lián)合系統(tǒng)在分時電價下的售電收益、偏離申報計劃出力的懲罰成本、減少棄風量和棄光量等因素，將滿足系統(tǒng)各項約束條件的最大的期望收益作為目標函數(shù)。此外，為實現(xiàn)風光儲聯(lián)合出力對系統(tǒng)凈負荷曲線的平滑作用，提高系統(tǒng)中水、火電機組運行效率，將凈負荷的方差最小作為另一個目標函數(shù)。凈負荷方差越小，凈負荷的峰谷差越小，水、火電的頻繁調(diào)節(jié)次數(shù)越小，運行效率越高。

目標函數(shù)1：風光儲聯(lián)合系統(tǒng)收益最大

(15)

式中：M為1h內(nèi)的單位時段數(shù)，本文為4，ρpri.t、ρpen.t、ρdro.t分別為t時段聯(lián)合系統(tǒng)的售電價格、偏離計劃出力懲罰價格、棄風和棄光懲罰價格；Pdro.w(t)、Pdro.p(t)為t時段棄風、棄光功率。

目標函數(shù)2：凈負荷的方差最小

(16)

式中：Pj(t)為t時段的凈負荷值；Pjt.av為所有時段凈負荷的平均值。

t時段的凈負荷值Pj(t)可以表示為：

(17)

凈負荷的平均值可以表示為：

(18)

2.2 約束條件

2.2.1 風電場出力約束

(19)

2.2.2 光伏電場出力約束

(20)

2.2.3 鈉硫電池電場的特性及約束

由于鈉硫電池具有比能量高、適應(yīng)面寬且已實現(xiàn)批量生產(chǎn)等優(yōu)勢，本文選取鈉硫電池儲能系統(tǒng)為研究對象。本文中鈉硫電池儲能系統(tǒng)存在放電udisch(t)、充電uch(t)兩種運行狀態(tài)。

(21)

鈉硫電池通過變換器可以控制其充放電功率。當鈉硫電池的變換器容量足夠大時，鈉硫電池的瞬時充放電功率可達額定功率的1～5倍，但基于內(nèi)部溫度，其輸出功率有一定的限制，該限制稱為鈉硫電池脈沖限制Npulse(t)， 電池的可持續(xù)放電時間Tdur(t)與Npulse(t)的關(guān)系為[3]：

(22)

鈉硫電池內(nèi)部的能量狀態(tài)Ebat(t)隨時間不斷變化，Ebat(t)表達式為：

充電時：

(23)

放電時：

(24)

式中：ηf、ηc為鈉硫電池電站的放電和充電效率。

根據(jù)鈉硫電池儲能單元的運行特性，其在風光儲聯(lián)合系統(tǒng)中所滿足的約束條件為：

1) 運行狀態(tài)約束

(25)

鈉硫電池儲能系統(tǒng)的2種狀態(tài)是互斥的。

2) 脈沖因數(shù)約束

(26)

(27)

3) 充放電功率約束

(28)

(29)

其中，對鈉硫電池進行最大功率充電時，所選取的充電功率一般略大于額定功率，取比額定功率高20%的數(shù)值。

4) 電池的能量約束狀態(tài)

(30)

5) 一個調(diào)度周期內(nèi)電池充放電次數(shù)約束

(31)

式中：Ydis、Zch分別為鈉硫電池電站的放電轉(zhuǎn)換總數(shù)和充電轉(zhuǎn)換總數(shù)，N為充放電次數(shù)。

3 風光儲聯(lián)合優(yōu)化調(diào)度模型求解

利用粒子群算法求解多目標優(yōu)化問題時，常規(guī)方法是將多目標轉(zhuǎn)化為單目標進行求解，但各個目標之間的不可支配性決定了多個目標不能單純的線性加權(quán)。本文將Pareto最優(yōu)概念與粒子群算法相結(jié)合，通過Pareto最優(yōu)機制選取個體最優(yōu)與全局最優(yōu)，引導粒子的飛行方向，并行地搜索多目標問題的最優(yōu)解。

3.1 非支配解的擁擠距離計算

多目標優(yōu)化問題的全局最優(yōu)主要依靠非支配解的擁擠度來選取和更新。

非支配解的擁擠度可用擁擠距離來描述：將外部檔案集中的所有非支配解的每個目標函數(shù)值從小到大進行排序，非支配解的擁擠距離為該粒子全部目標函數(shù)所對應(yīng)的前后相鄰的2k個粒子的目標函數(shù)之差的總和：

(32)

式中：m為目標函數(shù)的總數(shù)，k為粒子總數(shù)的一半，f(i+h)j、f(i-h)j為第i+h個粒子和第i-h個粒子所對應(yīng)的第j個目標的函數(shù)值，crowdisti表示粒子i(2≤i≤m-1)的擁擠距離。

為保證邊界個體粒子被無條件選入下一代，設(shè)定第一個粒子和最后一個粒子的擁擠度為無窮大。

3.2 個體最優(yōu)與全局最優(yōu)的選取

多目標粒子群算法(MOPSO)選取個體最優(yōu)是將粒子當前位置與粒子個體歷史最優(yōu)位置進行比較，選取其中一個非支配解作為粒子個體最優(yōu)位置，若粒子當前位置與粒子歷史最優(yōu)位置不存在支配關(guān)系，則按照50%的概率隨機在粒子個體歷史最優(yōu)和當前位置中選出一個作為粒子新的個體最優(yōu)位置。

在多目標粒子群算法全局最優(yōu)的選取上，為了保證粒子在迭代過程中的多樣性，使粒子可以在多個可行域搜索并得到均勻的Pareto前沿，鼓勵粒子向擁擠度小的區(qū)域搜索。本文將非支配解集中的每個粒子按擁擠度從小到大排序，在經(jīng)過排序的非支配解集中的前10%中隨機選取一個非支配解作為全局最優(yōu)位置，確保粒子可以向擁擠度小的非支配解方向進行優(yōu)化，有利于算法均勻地逼近Pareto最優(yōu)前沿。

將此方法引入到風光儲聯(lián)合優(yōu)化調(diào)度模型求解中，具體流程圖如圖3所示。

圖3 風光儲聯(lián)合優(yōu)化調(diào)度模型求解流程圖Fig.3 Wind-solar-battery joint optimization scheduling modelfor solving flowchart

4 算例結(jié)果與分析

4.1 基本數(shù)據(jù)與參數(shù)

本文對中國西北某地區(qū)風光儲聯(lián)合系統(tǒng)及典型日負荷曲線構(gòu)成的系統(tǒng)進行優(yōu)化分析。其中，24h的96時段風電站、光伏電站及典型日負荷預測曲線見圖1。風電和光伏的裝機容量分別為150MW和100MW，為避免鈉硫電站容量設(shè)置過大導致投資成本的急劇上升，且考慮到風光聯(lián)合申報計劃出力有一定的功率偏移范圍，本文設(shè)置鈉硫電池儲能系統(tǒng)的最大放電功率為30MW，額定容量為96MW·h，初始能量狀態(tài)為50%，市場售電的分時電價如表1所示[12]。為了減小偏離計劃出力的差值，聯(lián)合系統(tǒng)的出力偏差懲罰系數(shù)取為售電價格的1.5倍，棄風、棄光的懲罰費用為0.05元/kW·h。

表1 市場售電的分時電價

4.2 結(jié)果分析

在未加入鈉硫電池電站時，風光聯(lián)合系統(tǒng)出力偏離計劃出力的曲線如圖4(a)所示，加入鈉硫電池電站后，風光儲聯(lián)合系統(tǒng)出力偏離計劃出力的曲線如圖4(b)所示。圖5給出了加入鈉硫電池電站前后的凈負荷曲線，表2給出了加入鈉硫電池電站前后的對比數(shù)據(jù)。

圖4 加入鈉硫電池前后偏離計劃出力曲線Fig.4 Addition to battery deviate from the plan power curve

圖5 加入鈉硫電池電站前后的凈負荷曲線Fig.5 Join net load curve of battery power station before and after

項目風光聯(lián)合風光儲聯(lián)合總收益/(萬元)66467964懲罰成本/(萬元)2307834棄風光總量/(MW·h)23952最大偏移量/(MW)325最大相對偏移/%39562凈負荷方差24931759

根據(jù)圖4、圖5和表2可得出幾點結(jié)論。

1) 在沒有加入鈉硫電池電站前，風光聯(lián)合系統(tǒng)24h的總收益為664.6萬元，而在加入鈉硫電池電站以后，由于鈉硫電池電站能存儲低谷電價時的風電和光伏發(fā)電，并在高峰電價時送入電網(wǎng)，所以風光儲聯(lián)合系統(tǒng)總的收益明顯提高，達到796.4萬元。在鈉硫電池電站容量不大，投資不高的情況下，通過鈉硫電池電站的輔助作用，實現(xiàn)了較高的經(jīng)濟收益。

2) 在未加入鈉硫電池電站前，由于風光聯(lián)合系統(tǒng)出力的不確定性，導致風光聯(lián)合出力曲線明顯偏離計劃出力曲線，懲罰成本、最大偏移量、最大相對偏移百分數(shù)分別為230.7萬元、32MW、39.5%。而在加入鈉硫電池電站以后，鈉硫電池儲能系統(tǒng)對縮減風光實時功率和風光聯(lián)合申報計劃出力的差額起到了輔助作用，明顯改善了風光實時功率與計劃出力曲線的相符程度，懲罰成本、最大偏移量、最大偏移百分數(shù)大幅度降低，分別為83.4萬元、5MW、6.2%。另外，通過合理控制鈉硫電池電站的充放電策略，最大化地利用了風能和太陽能，將棄風光總量由原來的239MW·h降低為52MW·h，實現(xiàn)了清潔能源的最大化消納。

3) 加入鈉硫電池電站以后，風光儲聯(lián)合出力很好地平滑了凈負荷曲線，減小了凈負荷的峰谷差。凈負荷的方差由原來的2493降低為1759，從而可以有效提高系統(tǒng)中常規(guī)機組的運行效率。

依據(jù)風電和光伏發(fā)電出力情況，繪制鈉硫電池電站能量變化曲線，如圖6所示?？梢钥闯?鈉硫電池電站可以存儲低谷時段富余的風能和太陽能，并在負荷高峰時段進行釋放，提高了風光儲聯(lián)合系統(tǒng)的總體收益。

圖6 鈉硫電池電站能量變化曲線Fig.6 Battery power plant energy curve

5 結(jié) 語

本文將鈉硫電池電站并入到風光聯(lián)合系統(tǒng)中，通過利用鈉硫電池電站的充放電功能，實現(xiàn)了風光能源上網(wǎng)的經(jīng)濟性和對系統(tǒng)凈負荷曲線的平滑作用。在風光儲聯(lián)合優(yōu)化調(diào)度模型中，考慮了鈉硫電池儲能系統(tǒng)的充放電次數(shù)約束以及風光實時出力偏離申報計劃出力的差額限制。算例分析表明：風光儲聯(lián)合優(yōu)化調(diào)度模型充分利用了鈉硫電池儲能系統(tǒng)的充放電特性，將低電價、低負荷時段的盈余風光出力轉(zhuǎn)化為高電價、高峰負荷時段的緊缺電能，改善了風光實時功率與申報計劃出力曲線的相符程度，提高了風光電能的消納量，并在鈉硫電池電站容量不大、投資不高的情況下實現(xiàn)了較高的總收益；風光儲聯(lián)合出力很好的實現(xiàn)了平滑凈負荷曲線的作用，并且在提高系統(tǒng)中水、火電機組運行效率方面有較大的優(yōu)勢。

[1]朱凌志，陳寧，韓華玲．風電消納關(guān)鍵問題及應(yīng)對措施分析[J]．電力系統(tǒng)自動化，2011，35(22)：29-34．

ZHU Lingzhi, CHEN Ning, HAN Hualing. Wind power consumptive key problems and countermeasures analysis [J]．Automation of Electric Power Systems, 2011，35 (22)：29-34．

[2]余健明，劉飛．基于禁忌搜索算法的含風電機組的配電網(wǎng)無功優(yōu)化研究[J]．西安理工大學學報，2013，29(1)：70-75．

YU Jianming，LIU Fei．Research on reactive power optimization of the distribution network with wind power generation base on tabu search[J]．Journal of Xi’an University of Technology，2013，29(1)：70-75．

[3]丁明，王偉勝，王秀麗，等.大規(guī)模光伏發(fā)電對電力系統(tǒng)影響綜述[J].中國電機工程學報，2014,34(1)：1-14.

DING Ming，WANG Weisheng，WANG Xiuli，et al. A review of the effect of large-scale PV generation on power systems[J]. Proceedings of the CSEE，2014，34(1)：1-14.

[4]胡澤春，丁華杰，孔濤. 風電-抽水蓄能聯(lián)合日運行優(yōu)化調(diào)度模型[J].電力系統(tǒng)自動化，2012，36(2)：36-44.

HU Zechun，DING Huajie，KONG Tao. A joint daily operational optimization model for wind power and pumped-storage plant[J]. Automation of Electric Power Systems，2012，36(2)：36-44.

[5]李強，袁越，李振杰，等. 考慮峰谷電價的風電-抽水蓄能聯(lián)合系統(tǒng)能量轉(zhuǎn)化效益研究[J].電網(wǎng)技術(shù)，2009，33(6)：13-18.

LI Qiang，YUAN Yue，LI Zhenjie，et al. Research on energy shifting benefits of hybrid wind power and pumped hydro storage system considering peak-valley electricity price[J]. Power System Teachnology，2009，33(6)：13-18.

[6]靜鐵巖，呂泉，郭琳，等. 水電-風電系統(tǒng)日間聯(lián)合調(diào)峰運行策略[J].電力系統(tǒng)自動化，2011，35(22)：97-104.

[7]丁明，張穎媛，茆美琴，等．包含鈉硫電池儲能的微網(wǎng)系統(tǒng)經(jīng)濟運行優(yōu)化[J]．中國電機工程學報，2011，31(4)：7-15．

DING Ming，ZHANG Yingyuan，MAO Meiqin，et al. Economic operation for microgrids including Na/S battery storage[J].Proceedings of the CESS，2011，31(4):7-15.

[8]SANISLO M. Energy storage and distributed generation technologies：real options valuation/benefit case studies[R]. Palo Alto，CA，USA：EPRI，2006.

[9]SCHOENUNG S M，HASSENZAHL W. Long vs short-term energy storage[R].Palo Alto，CA，USA：Sandia National Laboratories，2007.

[10]靳文濤，李建林．電池儲能系統(tǒng)用于風電功率部分“削峰填谷”控制及容量配置[J]．中國電力，2013，46(8)：16-22．

JIN Wentao，LI Jianlin．BESS for wind power“peak shaving”control and capacity configuration[J]．Electric Power，2013，46(8)：16-22．

[11]黃秀瓊，魯籍元，牛煥娜，等．用于主網(wǎng)削峰填谷調(diào)度的風/光/儲微電網(wǎng)控制策略[J]．中國電力，2013，46(2)：87-93.

HUANG Xiuqiong，LU Jiyuan，NIU Huanna，et al． Control strategies of wind/photovoltaic/storage micro-grid for load shifting schedule of main grid[J]．Electric Power，2013，46(2)： 87-93．

[12]吳雄，王秀麗，李駿，等. 風電儲能混合系統(tǒng)的聯(lián)合調(diào)度模型及求解[J]. 中國電機工程學報，2013，33(13)：10-17.

WU Xiong，WANG Xiuli，LI Jun，et al. A joint operation model and solution for hybrid wind energy storage systems[J].Proceedings of the CSEE，2013，33(13)：10-17.

(責任編輯 周 蓓)

Research on wind-solar-battery hybrid optimization based on TOU electricity price

YANG Xiaoping， LIU Haojie， HUANG Qiang

(School of Water Resources and Hydro-electric Engineering，Xi’an University of Technology，Xi’an 710048，China)

Aiming at the negative impact of large-scale wind power and photovoltaic power generation on power grid dispatching, combined with the Na/S battery storage system, the TOU electricity price policy as well as the reduction of abandoned light and wind and other factors are taken into consideration，with a new based on load, wind power, photovoltaic power generation output forecast and the Na/S battery storage system as auxiliary equipment wind-solar-battery hybrid declaration planning mode proposed. The maximum revenue of wind-solar-battery hybrid system and the minimum net load are set as objectives, the constraint of the Na/S battery storage system charge and discharge times and the deviation of wind-solar-battery hybrid system output from the planning power output constraint are considered in the paper, a 96-period all-day optimal dispatching model is established,multi-objective particle swarm algorithm are adopted to solve the model, the validity of the model and the feasibility of wind-solar-battery hybrid system which can improve the clean energy use, and Net load curve smoothing is verified by an example.

wind power; photovoltaic power generation; the Na/S battery storage system; program output; multi-objective particle swarm optimization algorithm; net load curve

10.19322/j.cnki.issn.1006-4710.2016.04.005

2016-03-02

國家自然科學基金資助項目(50779053)

楊曉萍，女，教授，博士，研究方向為電力系統(tǒng)運行與控制、電力電子在電力系統(tǒng)中的應(yīng)用。 E-mail:yangxiaop666@163.com

TM734

A

1006-4710(2016)04-0403-07