双碳”目标下中国清洁电力发展路径
1
2021
... 加强风电、光伏等清洁能源在电力系统中的比例,减少化石能源消耗是推进“双碳”战略实施的重要举措[1].随着风电并网规模不断提高,风电的随机性、波动性等固有特性一方面加剧弃风现象,降低风电场收益;另一方面严重威胁电力系统安全稳定运行[2].风电场配置储能可有效提升风电动态特性和并网性能,已成为降低风电不利影响的有效手段[3-4]. ...
Development pathway of China’s clean electricity under carbon peaking and carbon neutrality goals
1
2021
... 加强风电、光伏等清洁能源在电力系统中的比例,减少化石能源消耗是推进“双碳”战略实施的重要举措[1].随着风电并网规模不断提高,风电的随机性、波动性等固有特性一方面加剧弃风现象,降低风电场收益;另一方面严重威胁电力系统安全稳定运行[2].风电场配置储能可有效提升风电动态特性和并网性能,已成为降低风电不利影响的有效手段[3-4]. ...
新型电力系统中储能应用功能的综述与展望
1
2023
... 加强风电、光伏等清洁能源在电力系统中的比例,减少化石能源消耗是推进“双碳”战略实施的重要举措[1].随着风电并网规模不断提高,风电的随机性、波动性等固有特性一方面加剧弃风现象,降低风电场收益;另一方面严重威胁电力系统安全稳定运行[2].风电场配置储能可有效提升风电动态特性和并网性能,已成为降低风电不利影响的有效手段[3-4]. ...
Functions of energy storage in renewable energy dominated power systems: Review and prospect
1
2023
... 加强风电、光伏等清洁能源在电力系统中的比例,减少化石能源消耗是推进“双碳”战略实施的重要举措[1].随着风电并网规模不断提高,风电的随机性、波动性等固有特性一方面加剧弃风现象,降低风电场收益;另一方面严重威胁电力系统安全稳定运行[2].风电场配置储能可有效提升风电动态特性和并网性能,已成为降低风电不利影响的有效手段[3-4]. ...
Generation scheduling optimization of wind-energy storage system based on wind power output fluctuation features
1
2018
... 加强风电、光伏等清洁能源在电力系统中的比例,减少化石能源消耗是推进“双碳”战略实施的重要举措[1].随着风电并网规模不断提高,风电的随机性、波动性等固有特性一方面加剧弃风现象,降低风电场收益;另一方面严重威胁电力系统安全稳定运行[2].风电场配置储能可有效提升风电动态特性和并网性能,已成为降低风电不利影响的有效手段[3-4]. ...
基于模型预测控制的分布式储能型风力发电场惯性控制策略
1
2022
... 加强风电、光伏等清洁能源在电力系统中的比例,减少化石能源消耗是推进“双碳”战略实施的重要举措[1].随着风电并网规模不断提高,风电的随机性、波动性等固有特性一方面加剧弃风现象,降低风电场收益;另一方面严重威胁电力系统安全稳定运行[2].风电场配置储能可有效提升风电动态特性和并网性能,已成为降低风电不利影响的有效手段[3-4]. ...
Inertial control strategy for wind farm with distributed energy storage system based on model predictive control
1
2022
... 加强风电、光伏等清洁能源在电力系统中的比例,减少化石能源消耗是推进“双碳”战略实施的重要举措[1].随着风电并网规模不断提高,风电的随机性、波动性等固有特性一方面加剧弃风现象,降低风电场收益;另一方面严重威胁电力系统安全稳定运行[2].风电场配置储能可有效提升风电动态特性和并网性能,已成为降低风电不利影响的有效手段[3-4]. ...
计及储能出力水平的平滑风电功率模型预测控制策略
1
2020
... 目前,随着国内电力现货市场建设深入推进,已有诸多关于风电和储能联合参与电力市场运行策略的研究.文献[5-6]中提出考虑风功率波动平抑的风储系统日前能量调度策略.文献[7]中综合考虑风储系统日前及实时电能量市场收益,建立风储一体化电站参与日前市场投标模型和实时平衡市场滚动自调度模型.文献[8]中同样从电能量市场角度出发,规划储能充放电时间及功率,提高风电消纳水平.文献[9]中针对调频应用场景,提出基于模型预测控制的风储联合调频策略.文献[10]中建立考虑储热备用效益的电热综合能源系统优化调度模型,提升新能源消纳水平及储热应用收益. ...
Model predictive control strategy for smoothing wind power with energy storage output level
1
2020
... 目前,随着国内电力现货市场建设深入推进,已有诸多关于风电和储能联合参与电力市场运行策略的研究.文献[5-6]中提出考虑风功率波动平抑的风储系统日前能量调度策略.文献[7]中综合考虑风储系统日前及实时电能量市场收益,建立风储一体化电站参与日前市场投标模型和实时平衡市场滚动自调度模型.文献[8]中同样从电能量市场角度出发,规划储能充放电时间及功率,提高风电消纳水平.文献[9]中针对调频应用场景,提出基于模型预测控制的风储联合调频策略.文献[10]中建立考虑储热备用效益的电热综合能源系统优化调度模型,提升新能源消纳水平及储热应用收益. ...
风储系统爬坡事件的日前能量最优平抑方法
1
2021
... 目前,随着国内电力现货市场建设深入推进,已有诸多关于风电和储能联合参与电力市场运行策略的研究.文献[5-6]中提出考虑风功率波动平抑的风储系统日前能量调度策略.文献[7]中综合考虑风储系统日前及实时电能量市场收益,建立风储一体化电站参与日前市场投标模型和实时平衡市场滚动自调度模型.文献[8]中同样从电能量市场角度出发,规划储能充放电时间及功率,提高风电消纳水平.文献[9]中针对调频应用场景,提出基于模型预测控制的风储联合调频策略.文献[10]中建立考虑储热备用效益的电热综合能源系统优化调度模型,提升新能源消纳水平及储热应用收益. ...
An event-based day-ahead energy optimization method to smooth ramp events of combined wind storage systems
1
2021
... 目前,随着国内电力现货市场建设深入推进,已有诸多关于风电和储能联合参与电力市场运行策略的研究.文献[5-6]中提出考虑风功率波动平抑的风储系统日前能量调度策略.文献[7]中综合考虑风储系统日前及实时电能量市场收益,建立风储一体化电站参与日前市场投标模型和实时平衡市场滚动自调度模型.文献[8]中同样从电能量市场角度出发,规划储能充放电时间及功率,提高风电消纳水平.文献[9]中针对调频应用场景,提出基于模型预测控制的风储联合调频策略.文献[10]中建立考虑储热备用效益的电热综合能源系统优化调度模型,提升新能源消纳水平及储热应用收益. ...
双结算模式下风储一体化电站两阶段市场投标调度策略
1
2022
... 目前,随着国内电力现货市场建设深入推进,已有诸多关于风电和储能联合参与电力市场运行策略的研究.文献[5-6]中提出考虑风功率波动平抑的风储系统日前能量调度策略.文献[7]中综合考虑风储系统日前及实时电能量市场收益,建立风储一体化电站参与日前市场投标模型和实时平衡市场滚动自调度模型.文献[8]中同样从电能量市场角度出发,规划储能充放电时间及功率,提高风电消纳水平.文献[9]中针对调频应用场景,提出基于模型预测控制的风储联合调频策略.文献[10]中建立考虑储热备用效益的电热综合能源系统优化调度模型,提升新能源消纳水平及储热应用收益. ...
Two-stage market bidding and scheduling strategy of integrated wind power and energy storage station in dual-settlement mode
1
2022
... 目前,随着国内电力现货市场建设深入推进,已有诸多关于风电和储能联合参与电力市场运行策略的研究.文献[5-6]中提出考虑风功率波动平抑的风储系统日前能量调度策略.文献[7]中综合考虑风储系统日前及实时电能量市场收益,建立风储一体化电站参与日前市场投标模型和实时平衡市场滚动自调度模型.文献[8]中同样从电能量市场角度出发,规划储能充放电时间及功率,提高风电消纳水平.文献[9]中针对调频应用场景,提出基于模型预测控制的风储联合调频策略.文献[10]中建立考虑储热备用效益的电热综合能源系统优化调度模型,提升新能源消纳水平及储热应用收益. ...
提高风能利用水平的风电场群储能系统控制策略
1
2021
... 目前,随着国内电力现货市场建设深入推进,已有诸多关于风电和储能联合参与电力市场运行策略的研究.文献[5-6]中提出考虑风功率波动平抑的风储系统日前能量调度策略.文献[7]中综合考虑风储系统日前及实时电能量市场收益,建立风储一体化电站参与日前市场投标模型和实时平衡市场滚动自调度模型.文献[8]中同样从电能量市场角度出发,规划储能充放电时间及功率,提高风电消纳水平.文献[9]中针对调频应用场景,提出基于模型预测控制的风储联合调频策略.文献[10]中建立考虑储热备用效益的电热综合能源系统优化调度模型,提升新能源消纳水平及储热应用收益. ...
Control strategy of energy storage system in wind farm group to improve wind energy utilization level
1
2021
... 目前,随着国内电力现货市场建设深入推进,已有诸多关于风电和储能联合参与电力市场运行策略的研究.文献[5-6]中提出考虑风功率波动平抑的风储系统日前能量调度策略.文献[7]中综合考虑风储系统日前及实时电能量市场收益,建立风储一体化电站参与日前市场投标模型和实时平衡市场滚动自调度模型.文献[8]中同样从电能量市场角度出发,规划储能充放电时间及功率,提高风电消纳水平.文献[9]中针对调频应用场景,提出基于模型预测控制的风储联合调频策略.文献[10]中建立考虑储热备用效益的电热综合能源系统优化调度模型,提升新能源消纳水平及储热应用收益. ...
风储联合发电系统参与频率响应的模型预测控制策略
1
2019
... 目前,随着国内电力现货市场建设深入推进,已有诸多关于风电和储能联合参与电力市场运行策略的研究.文献[5-6]中提出考虑风功率波动平抑的风储系统日前能量调度策略.文献[7]中综合考虑风储系统日前及实时电能量市场收益,建立风储一体化电站参与日前市场投标模型和实时平衡市场滚动自调度模型.文献[8]中同样从电能量市场角度出发,规划储能充放电时间及功率,提高风电消纳水平.文献[9]中针对调频应用场景,提出基于模型预测控制的风储联合调频策略.文献[10]中建立考虑储热备用效益的电热综合能源系统优化调度模型,提升新能源消纳水平及储热应用收益. ...
Model predictive control strategy for combined wind-storage system to participate in frequency response
1
2019
... 目前,随着国内电力现货市场建设深入推进,已有诸多关于风电和储能联合参与电力市场运行策略的研究.文献[5-6]中提出考虑风功率波动平抑的风储系统日前能量调度策略.文献[7]中综合考虑风储系统日前及实时电能量市场收益,建立风储一体化电站参与日前市场投标模型和实时平衡市场滚动自调度模型.文献[8]中同样从电能量市场角度出发,规划储能充放电时间及功率,提高风电消纳水平.文献[9]中针对调频应用场景,提出基于模型预测控制的风储联合调频策略.文献[10]中建立考虑储热备用效益的电热综合能源系统优化调度模型,提升新能源消纳水平及储热应用收益. ...
计及储热备用效益的电热综合能源系统优化调度模型
1
2021
... 目前,随着国内电力现货市场建设深入推进,已有诸多关于风电和储能联合参与电力市场运行策略的研究.文献[5-6]中提出考虑风功率波动平抑的风储系统日前能量调度策略.文献[7]中综合考虑风储系统日前及实时电能量市场收益,建立风储一体化电站参与日前市场投标模型和实时平衡市场滚动自调度模型.文献[8]中同样从电能量市场角度出发,规划储能充放电时间及功率,提高风电消纳水平.文献[9]中针对调频应用场景,提出基于模型预测控制的风储联合调频策略.文献[10]中建立考虑储热备用效益的电热综合能源系统优化调度模型,提升新能源消纳水平及储热应用收益. ...
Optimal dispatch model of electricity-heat integrated energy system considering reserved benefits of heat storage
1
2021
... 目前,随着国内电力现货市场建设深入推进,已有诸多关于风电和储能联合参与电力市场运行策略的研究.文献[5-6]中提出考虑风功率波动平抑的风储系统日前能量调度策略.文献[7]中综合考虑风储系统日前及实时电能量市场收益,建立风储一体化电站参与日前市场投标模型和实时平衡市场滚动自调度模型.文献[8]中同样从电能量市场角度出发,规划储能充放电时间及功率,提高风电消纳水平.文献[9]中针对调频应用场景,提出基于模型预测控制的风储联合调频策略.文献[10]中建立考虑储热备用效益的电热综合能源系统优化调度模型,提升新能源消纳水平及储热应用收益. ...
基于源-荷-储互动的储能对风电消纳能力影响分析
1
2022
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
Analysis of influence of energy storage on acceptability for wind power based on source-load-storage interaction
1
2022
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
多主体联合投资微电网源-储多策略有限理性决策演化博弈容量规划
1
2020
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
Multi-agent joint investment microgrid source-storage multi-strategy bounded rational decision evolution game capacity planning
1
2020
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
面向多应用需求的分布式储能优化调度
1
2019
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
Distributed energy storage optimization scheduling for multiple application requirements
1
2019
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
储能系统参与多应用场景的协同运行策略
2
2021
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
... 式中: Pratede为储能的额定充放电功率; Uce, t、 Ude, t为储能参与电能量市场时段t充、放电状态0-1变量, Uce, t为1且 Ude, t为0时,储能充电, Uce, t为0且和 Ude, t为1时,储能放电.式(6)~(9)表示储能充放电功率不能超过额定值;式(10)和(11)分别表示储能在平抑风功率波动及参与电能量市场时不允许同时充放电;此外,风储系统参与备用辅助服务市场时可通过调整储能运行状态提供备用容量,在放电状态增加放电功率、在充电状态减小充电功率或转为放电状态可提供上调备用,而在充电状态增加充电功率、在放电状态减小出力或转为充电状态可提供下调备用,参考文献[14]进行约束推导,结果如式(12)和(13)所示. ...
Coordinated operation strategy of energy storage system participating in multiple application scenarios
2
2021
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
... 式中: Pratede为储能的额定充放电功率; Uce, t、 Ude, t为储能参与电能量市场时段t充、放电状态0-1变量, Uce, t为1且 Ude, t为0时,储能充电, Uce, t为0且和 Ude, t为1时,储能放电.式(6)~(9)表示储能充放电功率不能超过额定值;式(10)和(11)分别表示储能在平抑风功率波动及参与电能量市场时不允许同时充放电;此外,风储系统参与备用辅助服务市场时可通过调整储能运行状态提供备用容量,在放电状态增加放电功率、在充电状态减小充电功率或转为放电状态可提供上调备用,而在充电状态增加充电功率、在放电状态减小出力或转为充电状态可提供下调备用,参考文献[14]进行约束推导,结果如式(12)和(13)所示. ...
基于云储能租赁服务的风储参与能量-调频市场竞价策略研究
1
2021
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
Bidding Strategies of wind power and energy storage participating in energy and frequency regulation market based on cloud energy storage leasing services
1
2021
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
考虑时间相关性的风储系统多模式协调优化策略
1
2015
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
A multi-pattern coordinated optimization strategy of wind power and energy storage system considering temporal dependence
1
2015
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
电力市场环境下考虑风电调度和调频极限的储能优化控制
1
2021
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
Optimal control strategy for energy storage considering wind farm scheduling plan and modulation frequency limitation under electricity market environment
1
2021
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
计及风险备用的大规模风储联合系统广域协调调度
1
2014
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
Risk-constrained coordinative dispatching for large-scale wind-storage system
1
2014
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
基于负荷与风电出力场景集的运行备用动态调度方法
1
2021
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
Operating reserve dynamic dispatching method based on load and wind power scenario set
1
2021
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
电能量和旋转备用市场下电-热综合能源系统低碳优化运行
1
2021
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
Low-carbon optimal operation of an integrated electricity-heat energy system in electric energy and spinning reserve market
1
2021
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
Market-oriented optimal dispatching strategy for a wind farm with a multiple stage hybrid energy storage system
1
2018
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
Integrated bidding and operating strategies for wind-storage systems
1
2016
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
1
2022
... 然而,上述研究均只考虑风储系统参与单一应用场景的情况,由于现阶段储能投资运营成本较高[11-12],单一场景应用使得风储系统面临收益率低、成本回收周期长等问题,所以亟需研究风储系统多场景应用策略,以提高风储系统经济效益.文献[13]中提出面向调峰、调压及备用场景的分布式储能优化调度策略,但未考虑风电的不确定性.文献[14]中提出储能以消纳风电为基本应用场景,综合参与电能量市场、备用辅助服务市场的协同运行策略.文献[15]中基于云储能租赁服务提出风储系统参与能量-调频市场的调度策略.文献[16]中将储能同时应用于削峰填谷和风电计划跟踪两种场景.文献[17]中则提出将储能应用于风电计划跟踪并参与调频的策略,建立在电力市场环境下以风储电站利润最大为目标的风储两场景运行模型.此外,由于电能量与备用具有很强的耦合关系[18-19],所以目前针对风储系统参与电能量市场和备用市场的研究多集中在两种应用场景下的联合协调优化.如文献[20]中建立一个指导风电-储热综合能源系统同时参与电能量市场和备用市场的日前优化决策模型.文献[21-22]中均借助储能实现风储系统日前电力市场收益最大与日内平衡市场偏差最小目标,提高风储系统参与电能量及备用联合市场的综合收益.文献[23]中则研究了风电场与储能系统采用虚拟发电厂形式提供电能量与备用辅助服务时的协同优化问题.但上述针对风储系统多场景应用的研究均是针对同一调用时间尺度下的多场景应用,或为方便研究忽略调用时间尺度差异问题,未考虑不同调用时间尺度应用场景之间的协同优化. ...
考虑日前计划的风储系统多目标协调调度
1
2014
... 首先,从储能寿命及充放电损耗角度出发,风储系统中储能不适宜频繁充放电,且在大电网中利用储能系统过度平抑风电高频次、小幅度的波动工程意义有限[24].参考风电并网标准[25],考虑当风电场输出功率在10 min时间尺度内波动超过30 MW时调用储能进行平抑,提高风电并网质量. ...
Multi-objective coordinative dispatch for wind-storage combined systems considering day-ahead generation schedules
1
2014
... 首先,从储能寿命及充放电损耗角度出发,风储系统中储能不适宜频繁充放电,且在大电网中利用储能系统过度平抑风电高频次、小幅度的波动工程意义有限[24].参考风电并网标准[25],考虑当风电场输出功率在10 min时间尺度内波动超过30 MW时调用储能进行平抑,提高风电并网质量. ...
1
2021
... 首先,从储能寿命及充放电损耗角度出发,风储系统中储能不适宜频繁充放电,且在大电网中利用储能系统过度平抑风电高频次、小幅度的波动工程意义有限[24].参考风电并网标准[25],考虑当风电场输出功率在10 min时间尺度内波动超过30 MW时调用储能进行平抑,提高风电并网质量. ...
1
2021
... 首先,从储能寿命及充放电损耗角度出发,风储系统中储能不适宜频繁充放电,且在大电网中利用储能系统过度平抑风电高频次、小幅度的波动工程意义有限[24].参考风电并网标准[25],考虑当风电场输出功率在10 min时间尺度内波动超过30 MW时调用储能进行平抑,提高风电并网质量. ...
基于备用辅助服务需求申报的现货市场机制设计
1
2022
... 最后,对于用以应对电力系统容量不足风险的备用辅助服务市场的收益机制,国内外均有一定研究[26⇓-28].当储能系统的功率有余量、能量有裕量时,可依据日前备用辅助服务市场预测电价形成1 h调用时间尺度的日前备用辅助服务调度计划,通过提供备用容量获得收益. ...
The mechanism design of spot market based on the bidding of reserve requirement
1
2022
... 最后,对于用以应对电力系统容量不足风险的备用辅助服务市场的收益机制,国内外均有一定研究[26⇓-28].当储能系统的功率有余量、能量有裕量时,可依据日前备用辅助服务市场预测电价形成1 h调用时间尺度的日前备用辅助服务调度计划,通过提供备用容量获得收益. ...
Britain’s electricity capacity auctions: Lessons from Colombia and New England
1
2014
... 最后,对于用以应对电力系统容量不足风险的备用辅助服务市场的收益机制,国内外均有一定研究[26⇓-28].当储能系统的功率有余量、能量有裕量时,可依据日前备用辅助服务市场预测电价形成1 h调用时间尺度的日前备用辅助服务调度计划,通过提供备用容量获得收益. ...
Joint energy and reserve markets: Current implementations and modeling trends
1
2014
... 最后,对于用以应对电力系统容量不足风险的备用辅助服务市场的收益机制,国内外均有一定研究[26⇓-28].当储能系统的功率有余量、能量有裕量时,可依据日前备用辅助服务市场预测电价形成1 h调用时间尺度的日前备用辅助服务调度计划,通过提供备用容量获得收益. ...
1
... 式中:Ee, t'、Ee, t分别为储能参与平抑风功率波动时段t'和参与电能量市场时段t的能量值; Eupe,t、 Edowne,t分别为储能在参与备用辅助服务市场时段t需预留的最小上调备用能量空间和最小下调备用能量空间; Eratede为储能的额定容量参数;ηch、ηdis分别为储能充电和放电效率参数.式(14)和(15)分别表示储能在参与平抑风功率波动及电能量市场时任意时刻能量值不应超过其额定值;式(16)和(17)表示储能某一时刻的能量值等于其前一时刻的能量值加上间隔时间段内的能量变化量;式(18)和(19)表示储能预留能量需满足备用调用需求[29]. ...
1
... 式中:Ee, t'、Ee, t分别为储能参与平抑风功率波动时段t'和参与电能量市场时段t的能量值; Eupe,t、 Edowne,t分别为储能在参与备用辅助服务市场时段t需预留的最小上调备用能量空间和最小下调备用能量空间; Eratede为储能的额定容量参数;ηch、ηdis分别为储能充电和放电效率参数.式(14)和(15)分别表示储能在参与平抑风功率波动及电能量市场时任意时刻能量值不应超过其额定值;式(16)和(17)表示储能某一时刻的能量值等于其前一时刻的能量值加上间隔时间段内的能量变化量;式(18)和(19)表示储能预留能量需满足备用调用需求[29]. ...
孤立发电系统参与电力市场的模式探讨
1
2021
... 式中:Et为整个调度周期内储能在各个以1 h为尺度的时刻能量值,是储能参与平抑风功率波动和电能量市场场景应用下能量的耦合值; Einite为储能每个调度周期初始能量值参数;Ee, 24为储能每个调度周期末尾能量值变量;Ee, 1为储能每个调度周期起始时刻能量值变量.式(20)旨在将储能平抑风功率波动和参与电能量市场下的能量值进行合并处理;式(21)和(22)分别表示储能在某一时刻可参与上调备用的能量应不超过当前时刻储能所储存的能量值,可参与下调备用的能量空间与当前时刻储能所储存的能量之和应不超过储能额定能量值;且为保证下一调度周期内储能被顺利调度,还应令储能在每个调度周期始末能量值相等,保证持续工作能力,如式(23)所示;式(24)则为给储能系统能量状态赋初值;为实现不同调用时间尺度场景间调用时间尺度的解耦,保证调度过程顺利进行,设定在平抑风功率波动时储能能量不再被用来参与电能量市场,约束如式(25)所示,在实际电能量市场日前投标过程中此时刻储能报价应足够大,以保证该时刻其在电能量市场不中标[30]. ...
Discussions on the mode of isolated power generation system participating in electricity market
1
2021
... 式中:Et为整个调度周期内储能在各个以1 h为尺度的时刻能量值,是储能参与平抑风功率波动和电能量市场场景应用下能量的耦合值; Einite为储能每个调度周期初始能量值参数;Ee, 24为储能每个调度周期末尾能量值变量;Ee, 1为储能每个调度周期起始时刻能量值变量.式(20)旨在将储能平抑风功率波动和参与电能量市场下的能量值进行合并处理;式(21)和(22)分别表示储能在某一时刻可参与上调备用的能量应不超过当前时刻储能所储存的能量值,可参与下调备用的能量空间与当前时刻储能所储存的能量之和应不超过储能额定能量值;且为保证下一调度周期内储能被顺利调度,还应令储能在每个调度周期始末能量值相等,保证持续工作能力,如式(23)所示;式(24)则为给储能系统能量状态赋初值;为实现不同调用时间尺度场景间调用时间尺度的解耦,保证调度过程顺利进行,设定在平抑风功率波动时储能能量不再被用来参与电能量市场,约束如式(25)所示,在实际电能量市场日前投标过程中此时刻储能报价应足够大,以保证该时刻其在电能量市场不中标[30]. ...
基于数值天气预报风速和蒙特卡洛法的短期风电功率区间预测
1
2021
... 采用场景生成与缩减方法来模拟不确定性事件.针对风电预测出力的不确定性,对一容量为200 MW的风电场采用蒙特卡罗方法随机生成 1 000 个风电预测出力场景[31-32],再利用欧氏距离缩减法,缩减至4个出力场景,并获得各缩减后场景的发生概率.缩减后的风电预测出力场景如图2所示. ...
Short-term wind power interval prediction based on wind speed of numerical weather prediction and monte carlo method
1
2021
... 采用场景生成与缩减方法来模拟不确定性事件.针对风电预测出力的不确定性,对一容量为200 MW的风电场采用蒙特卡罗方法随机生成 1 000 个风电预测出力场景[31-32],再利用欧氏距离缩减法,缩减至4个出力场景,并获得各缩减后场景的发生概率.缩减后的风电预测出力场景如图2所示. ...
基于主从博弈的售电商多元零售套餐设计与多级市场购电策略
1
2022
... 采用场景生成与缩减方法来模拟不确定性事件.针对风电预测出力的不确定性,对一容量为200 MW的风电场采用蒙特卡罗方法随机生成 1 000 个风电预测出力场景[31-32],再利用欧氏距离缩减法,缩减至4个出力场景,并获得各缩减后场景的发生概率.缩减后的风电预测出力场景如图2所示. ...
Multi-type retail packages design and multi-level market power purchase strategy for electricity retailers based on master-slave game
1
2022
... 采用场景生成与缩减方法来模拟不确定性事件.针对风电预测出力的不确定性,对一容量为200 MW的风电场采用蒙特卡罗方法随机生成 1 000 个风电预测出力场景[31-32],再利用欧氏距离缩减法,缩减至4个出力场景,并获得各缩减后场景的发生概率.缩减后的风电预测出力场景如图2所示. ...
图1
表1
