本发明公开了一种通过电转气储能技术提高电力系统对风电消纳能力的方法，包括预测日前t时段系统负荷和日前t时段风电出力、以“确保系统对预测所得风电按最小弃风方式消纳”为原则，设定优化风电消纳能力的调度方案Ⅰ、判断是否需要平移负荷参与、求解可平移负荷、判断是否需要电转气储能装置工作和启动电气储能步骤。本发明可在风电出力过大时通过电转气装置消纳一部分风电，减少对电力系统的冲击，其得到的人造天然气可以直接在天然气系统中进行存储和运输，减少了对储能电池的需求，降低了储能成本。另一方面，天然气可以供给一部分热负荷，减小了热电厂的压力。
1.一种通过电转气储能技术提高电力系统对风电消纳能力的方法，其特征在于：步骤1：估计日前预测t时段系统负荷PLOAD,t和日前预测t时段风电出力 t∈1, … ,T，1-T为次日24个时段：由以下具体步骤组成：步骤1-1：将过去一个月风电场的实测风电出力数据进行频域分解，得到日周期频域分量、低频分量和高频分量；
步骤1-2：采用BP神经网络拟合日周期频域分量的预测模型；
步骤1-3：采用一元线性回归方法预测低频分量的预测模型：式中：
步骤1-4：通过提升小波分解高频分量，将得到的第二层提升小波域的低频系数用BP神经网络训练高频分量数学模型；
步骤1-5：分别使用日周期频域分量预测模型、低频分量预测模型和高频分量数学模型预测日前风电出力的日周期频域分量预测值、低频分量预测值和高频分量预测值；
步骤1-6：将日前风电出力的日周期频域分量预测值、低频分量预测值和高频分量预测值累加，得到日前风电出力的预测值；
步骤1-7：通过人工神经网络法对负荷进行预测：构建负荷预测模型的网络结构，选取过去两周的历史日负荷作为训练样本，对负荷预测模型的系数进行训练，使其满足预设的精度要求；
步骤2：以“确保系统对预测所得风电按最小弃风方式消纳”为原则，优化风电消纳能力：目标函数为
di——常规机组开机状态D＝{di|i∈1… N}，单台机组全时段启停状态恒定，di＝1即机组开机，di＝0即机组i停机；
PG,i,t——常规机组i在时段t的出力；常规机组包括非风电机组与外送联络线等值机组；
对于非风电机组， 与 分别为机组的最小出力与最大出力；对于联络线传输功率， 与 分别为外送合同规定的时段t最小输送电力与最大输送电力；
对于非风电机组， 与 分别为机组的最大增出力速率与最大减出力速率；
对于联络线功率， 与 分别为联络线考核标准约束下的功率波动允许值的上下限；
式中 分别为满足系统安全要求的最小正备用容量与最小负备用容量；
式中：非可关闭机组的状态量di为1；可关闭机组处于开机或关机状态时，其状态量di相应取1或0；
待优化变量为常规机组开机状态集D＝{di|i∈1… N}、常规机组i在时段t的出力PG,i,t，常规机组包括非风电机组与外送联络线等值机组、系统在时段t可消纳的风电出力PWIND,t；
步骤3：判断是否需要平移负荷参与：若 则考虑日前机组的运行、备用、检修状况，预先合理调度安排t时段第1-第N台发电机组的启停状态di和出力PG,i,t，生成日前调度计划Ⅰ；若 则平移负荷参与调度；
式中：sk,t为最早可能转入时段；dk,t为第k类可平移负荷的平移裕度，xk,t,t'为从t时段转至t'时段的k类可平移负荷单元数；
步骤5：判断是否需要电转气储能装置工作：若 则在调度安排t时段第1—第N台发电机组的启停状态di和出力PG,i,t基础上，考虑可平移负荷种类及各类可平移负荷单元的用电特性得到的平移负荷量 生成含有平移负荷参与的日前调度计划Ⅱ；若 则启动电转气储能装置；
步骤6：启动电转气储能：令t时段剩余电能 剩余电能参与电解水反应，生成的氢气与二氧化碳进行化学反应产生甲烷，将得到的人工合成天然气CH4输送到天然气系统，输送的天然气体积由目标函数确定：步骤7:测量风电的实时出力 若 则转向步骤6；若则结束判定。
2.根据权利要求1所述的通过电转气储能技术提高电力系统对风电消纳能力的方法，其特征在于：BP神经网络采用单隐含层神经网络，网络中间层的神经元传递函数采用S型的正切传递函数，输出层神经元传递函数采用S型的对数传递函数。
通过电转气储能技术提高电力系统对风电消纳能力的方法
技术领域
[0001] 本发明涉及一种提高电力系统对风电消纳能力的方法，尤其涉及一种通过电转气储能技术提高电力系统对风电消纳能力的方法，属于新能源技术领域。
背景技术
[0002] 大规模风电并网是发展新能源的主要形式之一，是我国新能源发展战略的重要组成部分。随着我国风电装机容量的快速增长，大规模风电并网消纳问题越来越突出。风电本身的随机性和波动性，使得风电场的功率输出具有很强的随机性，在风速预测没有达到足够精度的条件下，小时级的风功率变化和预测误差意味着对电力系统造成很大的冲击。此外，我国风能资源丰富地区距离负荷中心较远，大规模风力发电无法就地消纳，需要通过输电网远距离输送到负荷中心。大量风电功率远距离输送往往会造成系统电压大幅变化，局部电网的电压稳定性受到影响、稳定裕度降低。
[0003] 为了提高电力系统对风电的消纳能力，公告号为CN105656025A的中国发明专利，公开了一种提高风电消纳能力的方法。该方法是在预测了第二天的风电出力和负荷数据的基础上，判断是否有弃风出现，从而对平移负荷进行控制，生成日前调度计划，在一定程度上可以提高风电的使用量。但是，由于风能的波动性和随机性强，很难实现精准预测，当风速突然过大时，就会有大量的弃风或者出现切机。刘新方等人在电力系统保护与控制， 2012,40(6):35-39.“利用合理弃风提高大规模风电消纳能力的理论研究”中公开了一种通过合理弃风放弃部分风电发电容量来日高大规模风电消纳能力的方法，利用weibull分布拟合等效负荷曲线并作为分析依据，量化弃风功率对调峰的改善系数和弃风对风电发电容量的影响。该方法可以在一定程度上提高大规模风电消纳能力，然而是以牺牲一部分风能为代价。
[0004] 储能系统可以有效抑制风电功率波动、平滑输出电压、提高电能质量，是保证风力发电并网运行，促进风能利用的关键技术。王再闯等人在可再生能源，2014，32(7)：954-960.“基于储能电站提高风电消纳能力的电源规划研究”中公开了一种在风电开发之初，从规划层面利用储能电站优化区域电力系统电源结构，从而提高电网对风电的消纳能力的方法。综合考虑环境效益、社会效益、市场竞争力后，以风电消纳能力最大和国民经济投入最小为目标函数，构建了包含火电、储能电站、大规模风电的电源规划模型。陆秋瑜等在广东电力，2015,28(12)：19-24.“提高风电消纳能力的储能优化配置方法”公开了一种综合考虑风储系统、常规机组和电网相互关系的储能随机规划模型，提出了以弃风比例为约束、投资成本最小的储能功率和容量配比优化方法。
[0005] 目前储能系统的高成本制约了其应用，而且以成本最小为目标函数，就有可能造成弃风量太多的问题。而且储能容量有限，风电大范围波动时，储能没有足够大的容量空间，另外，风电出力较小的季节，储能容量配置可能过剩，储能系统得不到充分利用。
发明内容
[0006] 本发明要解决的技术问题是提供一种通过电转气储能技术提高电力系统对风电消纳能力的方法。
[0007] 为解决上述技术问题，本发明采用的技术方案是：
[0008] 一种通过电转气储能技术提高电力系统对风电消纳能力的方法，包括以下步骤：
[0009] 步骤1：预测日前t时段系统负荷PLOAD,t和日前t时段风电出力 t∈1,…,T，1-T为次日24个时段：由以下具体步骤组成：
[0010] 步骤1-1：将过去一个月风电场的实测风电出力数据进行频域分解，得到日周期频域分量、低频分量和高频分量；
[0011] 步骤1-2：采用BP神经网络拟合日周期频域分量预测模型；
[0012] 步骤1-3：采用一元线性回归方法预测低频分量预测模型：
[0013]
[0014] 式中：
[0015] ——日前预测t时段风电出力；
[0016] ——已知的t1时段风电的实际出力；
[0017] ——已知的t2时段风电的实际出力；
[0018] 步骤1-4：通过提升小波分解高频分量，将得到的第二层提升小波域的低频系数用BP神经网络训练高频分量数学模型；
[0019] 步骤1-5：分别使用日周期频域分量预测模型、低频分量预测模型和高频分量数学模型预测日前风电出力的日周期频域分量预测值、低频分量预测值和高频分量预测值；
[0020] 步骤1-6：将日前风电出力的日周期频域分量预测值、低频分量预测值和高频分量预测值累加，得到日前风电出力的预测值；
[0021] 步骤1-7：通过人工神经网络法对负荷进行预测：构建负荷预测模型的网络结构，选取两周的历史日负荷作为训练样本，对负荷预测模型的系数进行训练，使其满足预设的精度要求；
[0022] 步骤2：以“确保系统对预测所得风电按最小弃风方式消纳”为原则，优化风电消纳能力：
[0023] 目标函数为：
[0024]
[0025] 式中：
[0026] ——日前预测t时段风电出力；
[0027] PWIND,t——系统在t时段可消纳的风电出力；
[0028] PLOAD,t——日前预测t时段系统负荷；
[0029] di——常规机组开机状态D＝{di|i∈1… N}，单台机组全时段启停状态恒定， di＝1即机组开机，di＝0即机组i停机；
[0030] PG,i,t——常规机组i(包括非风电机组与外送联络线等值机组)在时段t 的出力。
[0031] 目标函数实现的是，通过日前计划安排常规机组启停，保证系统对预测所得的风电消纳量最大，即弃风量最小。
[0032] 约束条件为：
[0033] 时段t的电力平衡约束：
[0034]
[0035] 常规机组在时段t的出力约束：
[0036]
[0037] 对于非风电机组， 与 分别为机组的最小出力与最大出力；对于联络线传输功率， 与 分别为外送合同规定的时段t最小输送电力与最大输送电力；
[0038] 常规机组增减出力约束：
[0039]
[0040]
[0041] 对于非风电机组， 与 分别为机组的最大增出力速率与最大减出力速率；对于联络线功率， 与 分别为联络线考核标准约束下的功率波动允许值的上下限；
[0042] 风电出力约束：
[0043]
[0044] 系统在时段t的旋转备用约束：
[0045]
[0046]
[0047] 式中 分别为满足系统安全要求的最小正备用容量与最小负备用容量；
[0048] 常规机组启停状态约束：
[0049]
[0050] 式中：非可关闭机组的状态量di为1；可关闭机组处于开机或关机状态时，其状态量di相应取1或0；
[0051] 待优化变量为常规机组开机状态集D＝di|i∈1… N}、常规机组i在时段t的出力PG,i,t，常规机组包括非风电机组与外送联络线等值机组、系统在时段t可消纳的风电出力PWIND,t；
[0052] 步骤3：判断是否需要平移负荷参与：若 则考虑日前机组的运行、备用、检修状况，为满足负荷的基本要求及波动性，充分考虑系统的安全性和经济性，预先合理调度安排t时段1-N发电机组的启停状态di和出力PG,i,t，合理利用发电资源，生成日前调度计划Ⅰ；若 则平移负荷参与调度；
[0053] 步骤4：求解可平移负荷：
[0054] 目标函数为：
[0055]
[0056] 式中：Lin,t为t时段转入的平移负荷，P(Lin,t)为转入的平移负荷Lin,t对应消耗的风能；
[0057] 约束条件为：
[0058] 平移时段约束：
[0059]
[0060] 式中：sk,t为最早可能转入时段；dk,t为第k类可平移负荷的平移裕度，xk,t,t'为从t时段转至t'时段的k类可平移负荷单元数；
[0061] 平移量约束：
[0062]
[0063] 式中：xk,t为t时段的k类可平移负荷单元数量；
[0064] 风电功率约束：
[0065]
[0066] 步骤5：判断是否需要电转气储能装置工作：若则在调度安排t时段1-N发电机组的启停状态di和出力PG,i,t基础上，考虑可平移负荷种类及各类可平移负荷单元的用电特性得到的平移负荷量 生成含有平移负荷参与的日前调度计划Ⅱ；若 则启动电转气储能装置；
[0067] 步骤6：启动电转气储能：令t时段剩余电能 剩余电能参与电解水反应，生成的氢气与二氧化碳进行化学反应产生甲烷；将得到的人工合成天然气CH4输送到天然气系统，输送的天然气体积由目标函数确定：
[0068]
[0069] BP神经网络采用单隐含层神经网络，网络中间层的神经元传递函数采用 S型的正切传递函数，输出层神经元传递函数采用S型的对数传递函数。
[0070] 采用上述技术方案所取得的技术效果在于：
[0071] 1、本发明可在风电出力过大时通过电转气装置消纳一部分风电，减少对电力系统的冲击。
[0072] 2、本发明得到的人造天然气可以直接在天然气系统中进行存储和运输，减少了对储能电池的需求，降低了储能成本。另一方面，天然气可以供给一部分热负荷，减小了热电厂的压力。
附图说明
[0073] 下面结合附图和具体实施方式对本发明作进一步详细的说明。
[0074] 图1是本发明的流程图；
[0075] 图2是负荷预测模型框图；
[0076] 图3是电转气流程图。
具体实施方式
[0077] 实施例1：
[0078] 一种基于控制平移负荷的采用电转气储能技术提高电力系统对风电的消纳能力的方法，包括以下步骤：
[0079] 步骤1：进行日前风电出力预测和负荷预测：将风电进行频域分解，得到日周期、低频和高频三个部分。日周期部分规律性非常明显，结合BP神经网络对规律敏感的优势拟合该系统。本发明中采用单隐含层神经网络，网络中间层的神经元传递函数采用S型的正切传递函数，输出层神经元传递函数采用 S型的对数传递函数。通过频域分解后得到的低频部分是一段非常光滑的曲线，本发明中运用精度非常高的一元线性回归的预测方法，通过已知的两点预测下一点的值，另，公式如下：
[0080] y＝3x2-x1 (1)
[0081] 其中：x1为已知1，x2为已知2，y为需要预测的点；
[0082] 本发明将高频分量通过提升小波分解，并将其中得到的二层提升小波的低频部分输入到BP神经网络的数学模型中训练和预测。最后将三个分量的预测量叠加，得到风电的预测。通过人工神经网络法对负荷进行预测：选取过去一段时间的负荷作为训练样本，构建适宜的网络结构，用某种训练算法对网络进行训练，使其满足精度要求之后，此神经网络作为负荷预测模型；
[0083] 步骤2：评估风电消纳能力Ⅰ：次日全时段记为t∈1,…,T，日前预测t 时段系统负荷为PLOAD,t，日前预测t时段风电出力为 由此安排常规机组启停状态，待优化变量包括：1)常规机组开机状态D＝{di|i∈1… N}(单台机组全时段启停状态恒定，di＝1即机组i开机，di＝0即机组i停机)；2) 常规机组i(包括非风电机组与外送联络线等值机组)在时段t的出力PG,i,t； 3)系统在时段t可消纳的风电出力PWIND,t。日前计划安排常规机组启停时，以“确保系统对预测所得风电按最小弃风方式消纳”为原则，优化目标函数为[0084]
[0085] 优化过程中需要满足的约束条件包括：
[0086] 1)时段t的电力平衡约束，即
[0087]
[0088] 2)常规机组在时段t的出力约束，即
[0089]
[0090] 对于非风电机组来讲， 与 分别为机组的最小出力与最大出力；对于联络线传输功率来讲， 与 分别为外送合同规定的时段t最小输送电力与最大输送电力。
[0091] 3)常规机组增减出力约束，即
[0092]
[0093]
[0094] 对于非风电机组， 与 分别为机组的最大增出力速率与最大减出力速率；对于联络线功率， 与 分别为联络线考核标准约束下的功率波动允许值的上下限。
[0095] 4)风电出力约束，即
[0096]
[0097] 5)系统在时段t的旋转备用约束，即
[0098]
[0099]
[0100] 式中 分别为满足系统安全要求的最小正备用容量与最小负备用容量。
[0101] 6)常规机组启停状态约束，即
[0102]
[0103] 式中：可关闭常规机组主要是允许启停的燃煤火电或燃机；非可关闭机组保持开机状态，状态量di固定为1；可关闭机组开机或关机，状态量di可取1 或0。
[0104] 步骤3：判断是否需要平移负荷参与：若 则生成日前调度计划Ⅰ；若 则平移负荷参与调度；
[0105] 步骤4：求解可平移负荷：使用平移负荷的目标是使平移后弃风量最小。
[0106] 目标函数为：
[0107]
[0108] 式中：Lin,t为t时段转入的平移负荷，P(Lin,t)为转入的平移负荷Lin,t对应消耗的风能。
[0109] 约束条件包括：
[0110] 1)平移时段约束，即
[0111]
[0112] 式中：sk,t为最早可能转入时段；dk,t为第k类可平移负荷的平移裕度，xk,t,t'为从t时段转至t'时段的k类可平移负荷单元数。
[0113] 2)平移量约束，即
[0114]
[0115] 式中：xk,t为t时段的k类可平移负荷单元数量。
[0116] 3)风电功率约束，即
[0117]
[0118] 步骤5：判断是否需要电转气(P2G)储能装置工作：若则生成日前调度计划Ⅱ；若 则启动电转气(P2G)储能装
置；
[0119] 步骤6：启动电转气储能，将得到的人工合成天然气CH4输送到天然气系统：
[0120] 1)电解水反应：
[0121]
[0122] 2)Sabatier催化反应：
[0123]
[0124] 要实现的目标函数为：
[0125]
[0126] 步骤7:测量风电的实时出力 若 则转向步骤6；若则结束判定。
