风电并网容量的不断增加加剧了电力系统调峰负担,导致电网对调峰辅助服务及系统灵活性需求日益增加。在最大限度消纳风电的前提下,建立了考虑火–储深度调峰容量二次分配的含风电电力系统分层优化调度模型。优化模型包含上、中、下3层,...风电并网容量的不断增加加剧了电力系统调峰负担,导致电网对调峰辅助服务及系统灵活性需求日益增加。在最大限度消纳风电的前提下,建立了考虑火–储深度调峰容量二次分配的含风电电力系统分层优化调度模型。优化模型包含上、中、下3层,上层采用电价响应对用电负荷进行优化,使其跟随风电出力态势以降低电力系统深度调峰容量;中层以风–火–储整体经济性最优为目标,得到优化后的电池储能电站(battery energy storage power station,BESPS)与火电深度调峰机组承担的调峰容量;下层基于优化风电后的深度调峰容量,以统一边际出清价格结算的购电费用最低为目标,对火电深度调峰机组与储能电站的调峰容量进行二次分配,从而确定日前调度最优出清计划。在改进的IEEE30节点中进行仿真验证,结果表明,所提优化方法在提高深度调峰机组调峰积极性的同时能够降低电网调峰资源购买成本。展开更多
储能参与电力系统调频能够减少火电机组的爬坡损耗,提高电力系统频率的稳定性。根据区域调频需求合理配置储能容量,将有利于提高系统经济性和稳定性。基于历史典型日区域控制误差（area control error,ACE）,建立了基于集合经验模态分解...储能参与电力系统调频能够减少火电机组的爬坡损耗,提高电力系统频率的稳定性。根据区域调频需求合理配置储能容量,将有利于提高系统经济性和稳定性。基于历史典型日区域控制误差（area control error,ACE）,建立了基于集合经验模态分解（ensemble empirical mode decomposition,EEMD）方法的调频储能容量优化配置模型。以储能参与调频的净效益期望最大为目标,计及储能系统荷电状态（state-of-charge,SOC）等约束,优化确定基于EEMD的ACE信号滤波阶数,进而确定参与调频的储能最优配置容量。最后,基于实测ACE数据验证了所提方法的有效性。展开更多
文摘风电并网容量的不断增加加剧了电力系统调峰负担,导致电网对调峰辅助服务及系统灵活性需求日益增加。在最大限度消纳风电的前提下,建立了考虑火–储深度调峰容量二次分配的含风电电力系统分层优化调度模型。优化模型包含上、中、下3层,上层采用电价响应对用电负荷进行优化,使其跟随风电出力态势以降低电力系统深度调峰容量;中层以风–火–储整体经济性最优为目标,得到优化后的电池储能电站(battery energy storage power station,BESPS)与火电深度调峰机组承担的调峰容量;下层基于优化风电后的深度调峰容量,以统一边际出清价格结算的购电费用最低为目标,对火电深度调峰机组与储能电站的调峰容量进行二次分配,从而确定日前调度最优出清计划。在改进的IEEE30节点中进行仿真验证,结果表明,所提优化方法在提高深度调峰机组调峰积极性的同时能够降低电网调峰资源购买成本。
