技术特征：
1.一种基于风险优化的新能源电站储荷配置方法，其特征在于：包括如下步骤：获取新能源电站并网运行的不确定因素，按照一定方式抽取不确定因素的特征值，并构建场景，获取所有场景形成场景库；设定新能源电站所在区域电网的基准工况，遍历场景库中所有场景，完成所有场景的新能源电站所在区域电网的电网运行工况分析，根据无储荷方案的风险优化目标函数，获得基于场景库的不计及储荷的新能源发电期望净收益；设置储能和可控负荷的典型参数配置不同调节性能的储荷方案，获取所有储荷方案形成方案库；设定新能源电站所在区域电网的基准工况，依次遍历方案库中储荷方案，在一个储荷方案下遍历场景库中所有场景，完成一个储荷方案下所有场景的新能源电站所在区域电网的电网运行工况分析，根据计及储荷的风险优化目标函数，获得一个储荷方案下基于场景库的计及储荷的新能源发电期望净收益；根据基于场景库的不计及储荷的新能源发电期望净收益、一个储荷方案下基于场景库的不计及储荷的新能源发电期望净收益计算储荷方案的风险代价性能比；计算所有储荷方案对应的储荷方案的风险代价性能比，选取储荷方案的风险代价性能比最低的储荷方案。2.根据权利要求1所述的一种基于风险优化的新能源电站储荷配置方法，其特征在于：获取新能源电站并网运行的不确定因素，按照一定方式抽取不确定因素的特征值，并构建场景，获取所有场景形成场景库，包括：分别对新能源电站并网极限、风力/光伏发电功率和电力负荷进行量化，并获取量化后的特征值；抽取新能源电站并网极限、风力/光伏发电功率和电力负荷任一组合的特征值形成场景，同时设定各场景发生概率，构建成场景库。3.根据权利要求1所述的一种基于风险优化的新能源电站储荷配置方法，其特征在于：设定新能源电站所在区域电网的基准工况，遍历场景库中所有场景，完成所有场景的新能源电站所在区域电网的电网运行工况分析，根据无储荷方案的风险优化目标函数，获得基于场景库的不计及储荷的新能源发电期望净收益，包括：设定新能源电站所在区域电网的基准工况，遍历场景库中所有场景，在不计及储荷的电网约束条件下，仿真分析所有场景的新能源电站所在区域电网的电网运行工况，获得新能源并网电量、考核电量，根据新能源并网电量、考核电量获得新能源发电收入、发电偏差考核成本；将新能源发电收入、发电偏差考核成本代入无储荷方案的风险优化目标函数，获得基于场景库的不计及储荷的新能源发电期望净收益。4.根据权利要求3所述的一种基于风险优化的新能源电站储荷配置方法，其特征在于：所述无储荷方案的风险优化目标函数，计算公式如下：式中，s表示场景总数，γ
s
表示场景s发生的概率，i为不计及储荷的新能源发电期望净收益，i
s.r
、i
s.c
分别表示在场景s的新能源发电收入和新能源发电偏差考核成本。
5.根据权利要求3所述的一种基于风险优化的新能源电站储荷配置方法，其特征在于：所述不计及储荷的电网约束条件，包括：区域电网的电力平衡约束：式中，n
tp
、n
gs
、n
w
、n
s
分别为煤电、气电、风电、光伏机组的总数；p
tp.i
(t)、p
gs.i
(t)、p
w.i
(t)、p
s.i
(t)分别为t时段第i个煤电、气电、风电、光伏机组的实际发电功率；p
load
(t)、p
loss
(t)分别为t时段电力负荷、停电负荷；煤电机组发电功率约束：p
tp.i.min
≤p
tp.i
(t)≤p
tp.i.max
式中，p
tp.i.min
、p
tp.i.max
分别为第i个煤电机组最小发电功率、最大发电功率；煤电机组爬坡功率约束：r
tp.i.d
≤p
tp.i
(t)-p
tp.i
(t-1)≤r
tp.i.u
式中，r
tp.i.u
、r
tp.i.d
分别为第i个煤电机组在调节周期内功率提升和功率降低时的最大爬坡功率，p
tp.i
(t)、p
tp.i
(t-1)为t、t-1时段第i个煤电机实际发电功率；煤电机组开停机约束：(u
i
(t-1)-u
i
(t))
·
(t
on.i
(t-1)-m
on.i
)≥0(u
i
(t)-u
i
(t-1))
·
(t
off.i
(t-1)-m
off.i
)≥0式中，u
i
(t)、u
i
(t-1)为机组i在t、t-1时段的0-1启停状态，0表示停机，1表示开机；t
on.i
(t-1)、t
off.i
(t-1)为机组i在t-1时段的连续运行时间和连续停运时间；m
on.i
、m
off.i
为机组i的最小连续运行时间和最小连续停运时间；燃气机组发电功率约束：p
gs.i.min
≤p
gs.i
(t)≤p
gs.i.max
式中，p
gs.i.min
、p
gs.i.max
分别为第i个燃气机组最小发电功率、最大发电功率；风电机组发电功率约束：0≤p
w.i
(t)≤p
w.i.max
式中，p
w.i.max
分别为第i个风电机组最大发电功率；光伏机组发电功率约束：0≤p
s.i
(t)≤p
s.i.max
式中，p
s.i.max
分别为第i个风电机组最大发电功率；新能源并网容量约束：式中，p
line.max
为区域内新能源并网最大容量。6.根据权利要求1所述的一种基于风险优化的新能源电站储荷配置方法，其特征在于：储能的典型参数包括但不限于储能电池类型、充放电效率、装机容量、储能电量，可控负荷的典型参数包括但不限于响应时间、负荷容量、负荷电量。7.根据权利要求1所述的一种基于风险优化的新能源电站储荷配置方法，其特征在于：
设定新能源电站所在区域电网的基准工况，依次遍历方案库中储荷方案，在一个储荷方案下遍历场景库中所有场景，完成一个储荷方案下所有场景的新能源电站所在区域电网的电网运行工况分析，根据计及储荷的风险优化目标函数，获得一个储荷方案下基于场景库的计及储荷的新能源发电期望净收益，包括：设定新能源电站所在区域电网的基准工况，依次遍历方案库中储荷方案，在一个储荷方案下遍历场景库中所有场景，在计及储荷的电网约束条件下，仿真分析一个储荷方案下所有场景的新能源电站所在区域电网的电网运行工况，获得新能源并网电量、调控电量、考核电量，再根据新能源并网电量、调控电量、考核电量，得到一个储荷方案下所有场景下的新能源发电收入、储荷调控成本、发电偏差考核成本。将新能源发电收入、储荷调控成本、发电偏差考核成本代入计及储荷的风险优化目标函数，获得一个储荷方案下基于场景库的计及储荷的新能源发电期望净收益。8.根据权利要求7所述的一种基于风险优化的新能源电站储荷配置方法，其特征在于：所述计及储荷的电网约束条件，包括：区域电网的电力平衡约束：式中，n
tp
、n
gs
、n
w
、n
s
分别为煤电、气电、风电、光伏机组的总数；p
tp.i
(t)、p
gs.i
(t)、p
w.i
(t)、p
s.i
(t)分别为t时段第i个煤电、气电、风电、光伏机组的实际发电功率；p
load
(t)、p
loss
(t)分别为t时段电力负荷、停电负荷；煤电机组发电功率约束：p
tp.i.min
≤p
tp.i
(t)≤p
tp.i.max
式中，p
tp.i.min
、p
tp.i.max
分别为第i个煤电机组最小发电功率、最大发电功率；煤电机组爬坡功率约束：r
tp.i.d
≤p
tp.i
(t)-p
tp.i
(t-1)≤r
tp.i.u
式中，r
tp.i.u
、r
tp.i.d
分别为第i个煤电机组在调节周期内功率提升和功率降低时的最大爬坡功率，p
tp.i
(t)、p
tp.i
(t-1)为t、t-1时段第i个煤电机实际发电功率；煤电机组开停机约束：(u
i
(t-1)-u
i
(t))
·
(t
on.i
(t-1)-m
on.i
)≥0(u
i
(t)-u
i
(t-1))
·
(t
off.i
(t-1)-m
off.i
)≥0式中，u
i
(t)、u
i
(t-1)为机组i在t、t-1时段的0-1启停状态，0表示停机，1表示开机；t
on.i
(t-1)、t
off.i
(t-1)为机组i在t-1时段的连续运行时间和连续停运时间；m
on.i
、m
off.i
为机组i的最小连续运行时间和最小连续停运时间；燃气机组发电功率约束：p
gs.i.min
≤p
gs.i
(t)≤p
gs.i.max
式中，p
gs.i.min
、p
gs.i.max
分别为第i个燃气机组最小发电功率、最大发电功率；风电机组发电功率约束：0≤p
w.i
(t)≤p
w.i.max
式中，p
w.i.max
分别为第i个风电机组最大发电功率；
光伏机组发电功率约束：0≤p
s.i
(t)≤p
s.i.max
式中，p
s.i.max
分别为第i个风电机组最大发电功率；新能源并网容量约束：式中，p
line.max
为区域内新能源并网最大容量；储能电量平衡约束：式中，t
i
、t
j
为储能起始时段、终点时段；e
b
(t
i
)、e
b
(t
j
)为储能起始时刻电量、终点时刻电量；p
b.c
(t)、p
b.d
(t)为t时段的充、放电功率；u
b
(t)为储能充/放电状态变量，1表示充电，0表示放电；η
c
、η
d
为充、放电效率；储能功率约束：-p
b.max
≤p
b.c
(t)≤00≤p
b.d
(t)≤p
b.max
式中，p
b.max
为储能最大功率；储能电量约束：0≤e
b
(t)≤e
b.max
式中，e
b.max
为储能最大电量；可控负荷电量平衡约束：式中，t
i
、t
j
为可控负荷响应的起始时段、终点时段，e
d
(t
i
)、e
d
(t
j
)为可控负荷t
i
时段已响应的电量、t
j
时段已响应的电量，p
d
(t)为t时段响应的可控负荷功率；可控负荷功率约束：0≤p
d
(t)≤p
d.max
式中，p
d.max
为可控负荷最大响应功率；可控负荷电量约束：0≤e
d
(t)≤e
d.max
式中，e
d.max
为可控负荷最大响应电量；计及储荷资源的新能源电站发电考核约束，如下式所示，p
p
(t)-p
m
(t)
·
ρ(t)≤p
m
(t)+p
b
(t)+p
d
(t)≤p
p
(t)+p
m
(t)
·
ρ(t)式中，p
b
(t)、p
d
(t)分别表示时段t的储能、可控负荷调节功率。9.根据权利要求7所述的一种基于风险优化的新能源电站储荷配置方法，其特征在于：所述计及储荷的风险优化目标函数，计算公式如下：
式中，s表示场景总数，γ
s
表示场景s发生的概率，i
x
为储荷方案x下基于场景库的计及储荷的新能源发电期望净收益，i
x.s.r
、i
x.s.sl
、i
x.s.c
分别表示在储荷方案x场景s的新能源发电收入、储荷调控成本和新能源发电偏差考核成本。10.根据权利要求3或7所述的一种基于风险优化的新能源电站储荷配置方法，其特征在于：所述基准工况包括但不限于区域电网下化石类、非化石类电源的装机容量，煤电、气电机组的开机方案以及机组最小出力系数，新能源并网极限，典型风电/光伏机组发电功率系数，年最大负荷和典型日的电力负荷系数。11.根据权利要求1所述的一种基于风险优化的新能源电站储荷配置方法，其特征在于：所述储荷方案的风险代价性能比计算公式如下：式中，c
s
、c
l
分别为储能、可控负荷的配置成本，i
x
、i分别表示基于场景库的不计及储荷的新能源发电期望净收益和基于场景库的不计及储荷的新能源发电期望净收益。12.一种基于风险优化的新能源电站储荷配置装置，其特征在于：包括如下模块：场景库获取模块，用于获取新能源电站并网运行的不确定因素，按照一定方式抽取不确定因素的特征值，并构建场景，获取所有场景形成场景库。不计及储荷收益计算模块，用于设定新能源电站所在区域电网的基准工况，遍历场景库中所有场景，完成所有场景的新能源电站所在区域电网的电网运行工况分析，根据无储荷方案的风险优化目标函数，获得基于场景库的不计及储荷的新能源发电期望净收益。方案库获取模块，用于设置储能和可控负荷的典型参数配置不同调节性能的储荷方案，获取所有储荷方案形成方案库。计及储荷收益计算模块，用于设定新能源电站所在区域电网的基准工况，依次遍历方案库中储荷方案，在一个储荷方案下遍历场景库中所有场景，完成一个储荷方案下所有场景的新能源电站所在区域电网的电网运行工况分析，根据计及储荷的风险优化目标函数，获得一个储荷方案下基于场景库的计及储荷的新能源发电期望净收益。风险代价性能比计算模块，用于根据基于场景库的不计及储荷的新能源发电期望净收益、一个储荷方案下基于场景库的不计及储荷的新能源发电期望净收益计算储荷方案的风险代价性能比。储荷方案优选模块，用于计算所有储荷方案对应的储荷方案的风险代价性能比，选取储荷方案的风险代价性能比最低的储荷方案。
技术总结
本发明公开了一种基于风险优化的新能源电站储荷配置方法及装置，先构建储荷方案库和不确定场景库，计算完给定方案单个场景的新能源发电收益后，经过循环迭代，输出各方案的新能源发电期望收益、储荷配置成本。综合所有方案的风险代价性能比，选取最优的储荷配置方案。本发明提供的一种基于风险优化的新能源电站储荷配置方法及装置，构建场景库来量化不确定工况对新能源发电的影响，利用风险代价性能比量化储荷方案对新能源发电的有益效果，便于优选配置方案来防控运营风险，提高发电收益。提高发电收益。提高发电收益。
技术研发人员：蔡林君 曹庆伟 谢东亮 沙友平 薛峰 郑枫 张政 姚晖 赖业宁 赵巍伟 蔡斌 庞然 黄杰 吴凯 宋晓芳 袁赛杰 王威崴
受保护的技术使用者：华能江苏能源开发有限公司 南瑞集团有限公司 华能盐城大丰新能源发电有限责任公司
技术研发日：2022.07.05
技术公布日：2022/10/11