技术领域
[0001] 本发明涉及电力系统领域，具体是一种源网荷储容量配置方法。
相关背景技术
[0002] 电力系统中新能源装机容量占比日益增加，因新能源风电、光伏具有随机性和波动性使其出力存在不稳定性，所以又带动了储能行业的发展升级，产生了不同于传统电力系统模式的新型电力系统。如今源网荷储的发展存在一下局面：电源侧中多元化的清洁能源逐渐成为主体；电网测传统大电网与局域网互补共生；负荷侧则形成了源—荷互动发展的局面；而储能则将为协调能源互联网发挥重要作用。
[0003] 源网荷储小型电力系统，主要利用当地的自然资源进行就近发电来为当地负荷供电。其发电方式主要为风能、光伏以及其他形式互补，并配有储能设备来解决供需不匹配的状况。特别是在偏远地区，为提升可再生能源的利用水平，克服局部电网网架脆弱、电源不稳定及电网调度复杂的缺点，往往需要选择“孤岛运行、电网应急”的运行方案；因此，在这些地方建立源网荷储一体化能源岛极为关键；而在高海拔寒冷地区电化学储能利用有限，为长期保障系统运行，并参与到冬季供暖的应用中，光热是相对较好的选择，而现有的成熟能源站模型中较少有考虑到光热模型，因此存在一定的应用局限。源网荷储协同的电力平衡是新型电力系统的核心，其中如何确定其容量配置、各能源如何协调出力、在给定的目标下如何确定各电源侧以及储能侧的装机容量则是能源站建设的关键。
具体实施方式
[0022] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0023] 如图1所示，源网荷储容量配置方法，包括：
[0024] 步骤1、获取目标负荷及目标区域历年的风光资源数据。源网荷储能源系统由于能源种类众多，其中风电、光伏受天气的影响较大，因此评估风电和光伏出力情况时，分析历年数据并从中挖掘出相应的规律，更有利于分析风电、光伏的装机，其计算结果将更加准确。
[0025] 步骤2、基于风光资源数据获取目标区域的风光出力特性。由于多年的风资源与光资源数据较多，因此将各年的风资源、光资源分别作为一个数据项集，分析计算光资源与风资源的数据并得出具有代表性的资源数据，采用数据挖掘—Apriori算法通过对风光资源多年的数据进行多次扫描来计算项集的支持度，发现所有的频繁项集从而生成关联规则。Apriori算法对数据集进行多次扫描，第一次扫描得到频繁1‑项集的集合L1，第k(k>1)次扫描首先利用第(k‑1)次扫描的结果Lk‑1来产生候选k‑项集的集合Ck，然后在扫描的过程中确定Ck中元素的支持度，最后在每一次扫描结束时计算频繁k‑项集的集合Lk，算法在当候选k‑项集的集合Ck为空时结束。
[0026] 步骤3、根据风光出力特性确定光热电站出力模型并确定光热电站规模。
[0027] 光热的出力模型受负荷曲线与新能源(风电、光伏)出力叠加曲线的双重影响，根据负荷与新能源出力曲线的缺口大小即可判断光热出力大小。因此时新能源装机不确定，所以将负荷曲线先做归一化处理，再计算与区域新能源出力特性曲线的缺口，进而根据PgrOUT＝Pjg·ηgd即可确定光热电站规模；式中，PgrOUT为光热电站输出功率，Pjg为光热电站镜场聚光功率，ηgd为光热电站光电转化效率。需要说明的是：出力特性可以理解为发电效率，出力曲线是发电量的变化，出力等于出力特性乘以装机规模。光热电站在白天处于低负荷运行或者停机储热状态，在无光资源的时间段协同风电出力。光热的储能状态与时间相关，其储能状态过程如下所示：
[0028]
[0029]
[0030] 式中， 为t+1时刻的热灌储热功率，σgr为热灌散热损失，可取值范围0.5～1％， 为t时刻的镜场聚光功率， 为t时刻的厂用电功率，厂用电率根据实际情况可取
10～15％，Pgr为光热电站额定功率。
[0031] 步骤4、根据目标负荷及光热电站出力确定新能源规模。根据目标负荷与光热出力的差值即可获知新能源出力。根据当地的风光资源规划风电和光伏的装机容量，约束条件为不超过初始规划容量，初始规划容量是根据当地的风光资源确定的最大装机规模，在这一条件约束下，以单位步长为递增遍历所有的容量组合方案并进行计算，获取满足能源出力大于等于负荷需求的装机。
[0032] 步骤5、根据光热出力、新能源出力及目标负荷配置电化学储能规模。电化学储能规模根据一天的逐小时负荷需求叠加计算电化学储能规模。进一步地，当新能源装机规模较大，具备上网条件时，分别计算采用电网补充缺电及采用电化学储能补充缺电的成本，最终采用低成本方式进行配置。
[0033] 针对计算输出的结果，进行核算，根据电化学储能的充放电模型将输出的风电、光伏以及电化学储能的规模协同光热电站出力模型带入负荷需求曲线中，验证输出结果的装机规模是否满足实时负荷需求，最终给出满足负荷需求的装机方案。
[0034] 电化学储能的充放电模型：
[0035]
[0036] 约束条件：
[0037]
[0038] 式中， 为电池的实时放电功率，kW； 为电池的最大放电功率，kW；本次设计中电池的放电深度为90％，因此放电功率不能超过 kW； 为实时充电功dc
率，kW； 为电池的最大充电功率，kW； 为电池的储电能力，kWh；σ 为电池的自放电dc,c dc,f
率；η 为电池的充电效率；η 为电池放电效率。
[0039] 进一步地，还包括计算不同装机方案下的初始投资费用：I＝∑Ifd+Igf+Igr+Idc+Idw，式中，I表示初始投资费用，Ifd表示风电的总投资，Igf表示光伏的总投资，Igr表示光热的总投资，Idc表示电储的总投资，Idw表示电网的总投资费用，在满足负荷需求的条件下，以投资费用相对较低为挖掘目标，输出相应的装机规模。
