桑迪亚国家实验室是一个多任务实验室,由霍尼韦尔国际公司全资子公司桑迪亚国家技术与工程解决方案有限责任公司根据合同 DE-NA0003525 为美国能源部国家核安全局管理和运营。SAND 编号 ____________
摘要 — 风电作为一种绿色能源,正在全球范围内迅速发展,同时,为缓解风电波动性而部署的储能系统 (ESS) 也应运而生。风电和储能系统的容量确定已成为一个亟待解决的重要问题。风电场的尾流效应会导致风速不足和下游风力涡轮机发电量下降,然而,这在电力系统的容量确定问题中很少被考虑。本文提出了一个双目标分布稳健优化 (DRO) 模型,用于确定考虑尾流效应的风电和储能系统的容量。建立了一个基于 Wasserstein 度量的模糊集来表征风电和需求的不确定性。具体而言,风电不确定性受第一阶段确定的风电容量的影响。因此,所提出的模型是一个具有内生不确定性(或决策相关不确定性)的 DRO 问题。为了求解所提出的模型,开发了一种基于最小 Lips-chitz 常数的随机规划近似方法,将 DRO 模型转化为线性规划。然后建立了迭代算法,并嵌入了求取最小Lipschitz常数的方法。案例研究证明了考虑尾流效应的必要性和所提方法的有效性。
随着风电大规模接入电力系统,系统频率稳定性问题凸显,电池储能系统以其快速响应能力被视为提高系统调频性能的关键解决方案。此外,风储联合调频系统建设已发展多年,其中风储系统的容量优化配置越来越受到重视。但现有的容量配置大多忽略了风电机组参与一次调频引起的二次频率跌落,值得进一步研究。本文从SFD角度研究风储联合调频系统的最优容量,基于风储联合调频模型,推导了考虑SFD的两级系统频率响应时域表达式。接下来考虑风储联合调频的技术经济特点,以两阶段最大频率偏差之和及储能成本最小为目标,建立储能容量配置优化模型。采用多目标群体算法(MSSA)对优化模型进行求解,得到风储联合调频参数设定值及最优储能容量。在MATLAB中验证了所提方法的有效性。仿真结果表明,所提模型能有效改善系统调频效果,保证容量优化配置,具有较好的经济性。
随着化石能源的减少和能源消费的增加,开发利用新能源是必然趋势。可再生能源因其清洁、丰富等特点受到人们的关注,但受可再生能源随机性和间歇性的影响,可再生能源接入后传统电力系统难以满足用户的需求,单纯依靠传统电力系统难以解决可再生能源的消纳问题。针对该问题,构建了综合能源系统(IES),对综合能源系统的运行策略和容量配置采用两层优化方法,以可再生能源消纳量、运行成本、投资成本为优化指标,考虑设备运行特性、可再生能源的不确定性及模型约束,采用粒子群优化算法求解多目标问题。将求解得到的优化结果与传统能源供应系统进行比较,验证了所提方法可在满足可靠性和安全性约束的条件下实现系统成本投资最低。
利用太阳能制氢是获取氢能的重要途径,但太阳能固有的间歇性、随机性特性降低了制氢效率,因此需要在光伏发电制氢系统中增加储能系统。本文建立光伏发电制氢系统模型并进行容量配置优化。首先对数学模型进行建模分析,利用Matlab/Simulink对系统建模;其次分析储能容量优化配置原理,确定优化策略,提出基于低通滤波原理的储能容量配置算法,并进行最优时间常数的选取;最后以光伏装机容量为30 MW的光伏发电为例,验证了所提算法的有效性,分析了储能容量与平滑效果之间的关系。结果表明:随着截止频率的减小,储能容量增大,平滑效果越明显;所提算法能有效降低光伏发电1 h最大功率变化量,其中平滑前光伏发电1 h最大功率变化量为4.31 MW;设置四组不同的时间常数,平滑后光伏发电1 h最大功率变化量分别降至0.751、0.389、0.078、0.04 MW。
由电池和超级电容器 (SC) 组成的混合储能系统 (HESS) 是解决微电网中可再生能源 (RES) 带来的稳定性问题的有效方法。本文研究了低通滤波器 (LPF) 引起的两个储能设备 (ESD) 之间的能量交换,从而导致 HESS 的容量过大。此外,ESD 之间的能量交换会导致 HESS 更多的能量损失。基于对功率流的分析,本文提出了一种基于 LPF 控制器的改进控制器。功率方向控制策略消除了无益的功率流,以降低 HESS 的容量并提高往返能量效率。此外,SOC 控制策略机制平衡了 ESD 的期望充电状态 (SOC),而不是依赖于 LPF。本文的案例研究表明,改进的 LPF 控制器将 HESS 的容量降低到最小容量并提高了往返能量效率。此外,该改进方法对电池老化没有不利影响,并且在较小容量下实现了电池寿命的延长。缩小的HESS实验装置验证了改进的LPF控制器的有效性和仿真结果。最后,将提出的改进控制器与各种现有的控制器进行比较以验证其性能。
现代电力系统见证了可再生能源、储能、电动汽车和各种需求响应资源的迅速普及。因此,电力基础设施规划面临着更多挑战,因为各种新资源带来了多变性和不确定性。本研究旨在开发一个多阶段多尺度随机混合整数规划 (MM-SMIP) 模型,以捕捉电力系统容量扩张问题的粗时间尺度不确定性,例如投资成本和长期需求随机性,以及细时间尺度不确定性,例如每小时可再生能源产出和电力需求不确定性。要应用于实际电力系统,所得到的模型将导致极大规模的混合整数规划问题,不仅遭受众所周知的维数灾难,而且每个阶段的大量整数变量也会带来计算困难。针对MM-SMIP模型的此类挑战,我们提出了一种嵌套交叉分解算法,该算法由两层分解组成,即Dantzig-Wolfe分解和L形分解。该算法在我们的数值研究中表现出良好的计算性能,并且特别适合并行计算,这也将通过计算结果得到证明。
摘要 — 随着可变可再生能源稳步融入欧洲电力系统,对容量扩展模型更高时间分辨率的需求也随之增加。当然,用于规划未来几十年电力系统的时间数据量与准确表示可再生能源变化所需的时间分辨率之间存在权衡。我们建议使用 Wasserstein 距离作为聚类差异的度量,用它来聚类需求、风能可用性和太阳能可用性数据。与欧几里得距离和最大距离相比,使用 Wasserstein 距离执行的层次聚类可使容量扩展规划 1) 更准确地估计系统成本和 2) 更有效地采用存储资源。数值结果表明,与欧几里得距离相比,成本估算提高了 5%,存储投资减少了相当于基准全时分辨率下安装容量的近 100%。
1. 简介. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ....................................................................................................................................................................................................................................... 1-1 1.3 如何使用本指南 ....................................................................................................................................................................................................................... 1-2 1.4 潜在问题概述 ....................................................................................................................................................................................................................... 1-2 1.4 基本问题概述 ....................................................................................................................................................................................................................... 1-3 1.4 基本问题概述 ....................................................................................................................................................................................................................... 1-4 1.4 基本问题概述 ....................................................................................................................................................................................................................... 1-5 1-3 1.5 CMOM 计划的目的 . ...