基于寿命-收益协同优化的水力-风能-光伏-储能系统的两阶段调度方法

《Journal of Energy Storage》：Two-stage scheduling approach of hydro-wind-photovoltaic-storage system based on life-profit co-optimization

　　韩晓娟|孙世杰|白天阳
华北电力大学控制与计算机工程学院，北京102206，中国

摘要
为了提高可再生能源的利用效率并提升电池储能系统（BESS）的运行性能，提出了一种针对集成了抽水蓄能（PHS）和BESS的水-风-光-储能系统的两阶段协调调度方法。在第一阶段，建立了一个考虑PHS关键工程约束的合作最优调度模型，以实现准确的负荷跟踪和风能与光能的完全吸收。在第二阶段，将闲置的BESS容量灵活分配到辅助服务和电力市场，以提高经济性能。开发了一种改进的自适应贪婪搜索算法（IAGSA），以实现多市场参与下的BESS寿命和利润的协同优化。基于中国西北部一个水-风-光-储能系统的案例研究证明了所提方法的有效性。结果表明，该方法实现了100%的可再生能源利用率和无偏的负荷跟踪。与单阶段模型相比，BESS在典型日子里的日利润增加了32,341.94美元，同时其服务寿命比基准算法延长了11.18%。所提出的方法为提高可再生能源的接纳能力以及提升水-风-光-储能系统的经济和运行性能提供了有效的解决方案。

节选内容
术语表
VDG：价值函数
x：真实数据
z：随机噪声
pdata：真实数据的概率分布
zz：随机噪声的概率分布
γ：梯度惩罚系数
Cm：第m个簇
roj：Cm中的任意数据点
nm：第m个簇的质心
d?：距离函数
i：单元编号（i=1,2表示常规水力发电单元，i=3,4表示抽水蓄能单元）
Pi,t：单元i在时间t的功率（Pi,t>0表示单元处于发电状态，Pi,t<0表示单元处于抽水状态）
non：典型场景下风能和光伏发电功率的生成

为了准确描述风能和光伏发电功率的不确定性，提出了一种基于WGAN-GP和K-medoids聚类的场景生成方法[24]。具体来说，使用具有15分钟分辨率的风能和光伏发电功率的历史时间序列数据作为输入。WGAN-GP模型用于学习风能和光伏发电功率的联合概率分布和时间相关性特征，并生成大量联合输出数据。

系统结构与运行机制
两阶段水-风-光-储能模型主要包括两个阶段：第一阶段是带有PHS和BESS的混合抽水蓄能（HPS）的日前协作最优调度阶段；第二阶段是基于多市场的BESS最优调度阶段。其具体结构如图1所示。图1中，水-风-光-储能系统包括风电场、光伏电站、BESS和HPS电站。单阶段模型指的是第一阶段的模型。

案例研究分析
以中国西北部由水电站改造的带有两个可逆抽水蓄能单元的HPS电站，以及一个风电场和一个光伏电站作为研究对象，验证了所提模型和方法的有效性。

结论
为了最大化水-风-光-储能系统的综合价值，本研究提出了一种两阶段日前最优调度方法，为系统的经济安全调度提供了决策支持。本研究的主要结论如下：
1) 使用WGAN-GP生成风能和光伏发电功率的场景集，采用K-medoids方法对场景进行简化并生成相应的功率数据。

作者贡献声明
韩晓娟：监督、资金筹集。
孙世杰：撰写——原始草稿、方法论设计。
白天阳：可视化、数据整理。

利益冲突声明
作者声明他们与其他可能不恰当地影响本工作的个人或组织没有财务或个人关系。本手稿不存在已知的利益冲突。

致谢
本研究得到了国家自然科学基金（52277216）的支持。