本文是一篇电气自动化论文，本文主要建立了风电模型、储能模型和风储联合发电系统模型。首先根据风电的出力特性，基于威布尔分布得到风电出力模型；又由于风电的不确定性，建立了基于风电不确定性的场景预测。
第1章 绪论
1.1 研究背景与意义
全球能源危机和环境污染的持续发酵，使传统的能源供应模式不再适用，寻求清洁可再生能源发展模式已成为必然趋势。在众多大力发展的清洁能源中，风电作为一种无污染、可再生的新能源[1-3]，在国内外电力系统的应用中备受关注。早在2011年，全球累计风机装机量已达237.669GW，占全球发电量的5%。根据国家能源局的数据，截至2022年底，中国风电新增装机容量超过3763万千瓦，截止2022年底，我国风电新增装机量突破3763万千瓦，总装机量达3.65亿千瓦[4]。
一方面，可再生能源的快速发展促进了能源消费的清洁化；另一方面，由于可再生能源的不确定性，它带来了弃风弃光的问题[5,6]。为了解决这个问题，有必要结合中国的电力市场改革[7,8]，从管理和技术等多方面采取措施解决用电问题。通过电力市场改革，建立了新的市场框架，包括中长期市场[9]、现货市场[10]、辅助服务市场[11]，可以缩短调度和实物交付的交易周期。它在充分调用系统灵活性资源方面发挥着重要作用；另一方面，可再生能源正在进入一个“后补贴”甚至“非补贴”的时代，其特点是发电量平价、可再生能源项目上网和并网投标[12]，这促进了可再生能源电力回归其实际价值，并在电力市场资源配置和优化中发挥了重要作用。电力市场化改革是实现以新能源为主体的新型电力系统[13]的有效手段，使电力行业不再是垄断行业。通过在发电侧引入竞争机制，新能源运行由保护性全并网转向像常规电源一样参与市场竞争将成为趋势。电力市场要素包括市场主体[14] （电力卖方和买方）、市场客体[15] （买方和卖方，如电力、输电权、辅助服务等）、市场载体[16]、市场价格、市场规则等。风力发电作为众多新能源类型中的典型代表，具有大规模开发利用的价值，也具有可持续发展的前景。
...............................
1.2 国内外研究现状
1.2.1 风储联合系统的发展现状
风储联合系统是降低风电弃风的有效手段之一，同时还可以提高电网稳定可靠性，并且在响应调度指令上也有很好的效果。目前研究人员在风储联合调度优化运行方面做了很多研究。
文献[21]以风储联合系统的经济收益为目标，考虑抽水蓄能电站为具体的储能电站和风电场在响应调度的时候组成风储联合系统参与日前市场和实时市场，文章建立风电场和抽水蓄能电站经济收益分配模型并使用合作博弈论法优化收益模型，最终确定了风储联合系统参与电力市场的投标策略以及经济收益分配的模型并验证其合理性；文献[22]首先考虑了风电并网对于电力系统的影响，然后利用电池储能对这种影响进行了改进。主要通过优化配置储能容量来提升其调频调峰的作用。在文献[23]中，同时考虑利用储能应用在削峰填谷和跟踪调度两种作用，提出了储能弥补在风电功率预测误差的同时，风电储能系统的优化运行方法。文献[24,25]中考虑了风电系统的备用业务，在文献[24]中构建了有功备用协同优化模型。在文献[25]中，利用储能来解决风电场待机能力的不足的问题，提高风电并网容量。
在风电场中安装储能装置，既能有效抑制功率波动，又能补偿预测与实际风电功率值之间的差异[26]。文献[27]首先分析了风电场预测的误差分布函数，然后建立了储能装置最大功率、额定容量与弃风的关系函数，形成了配置储能和风电场出力的曲线。风电场可以根据曲线中选取最适合的储能最大功率和额定容量。在文献[28]中，建立风电预测误差置信度，通过考虑机会约束的形式，对风电预测进行修正，更加准确的预测风电出力功率，实现风电场的收益最大化。
..............................
第2章 风储联合系统参与系统调度
2.1 风电出力特性及预测
2.1.1 风电出力特性
风电发电的工作原理是风带动风电机的扇叶旋转，使风能转化成机械能；然后扇叶旋转带动发电机转动，使机械能转化成电能；最后再通过一系列电力电子装置对电能进行处理最终并入电网。
风速是风电机出力的重要因素，风电出力的多少与风速有直接的关系，因此风电场一般会建造在人烟稀少的地方。在目前阶段的认知中，一般采用风速瞬时值来表示风电出力发小，风速瞬时值由风速计通过测量得到。目前一般采用威布尔分布系数来描述风速概率密度函数。
由于风电出力特性导致风电无法长时间上进行准确预测，所以风电的不确定性是急需处理的一种问题。目前针对风电不确定性的处理方法主要有区间表示法和场景法。区间表示法是指预测得到的风电出力是一个区间范围，预测的区间上下限不仅可以代表风电出力的范围，还可以当做求解的时候的一个区间约束，但是区间数法的弊端其上下限固定了风电的出力范围，而风电出力可能不会完全遵守预测的范围进行出力。如果风电出力超出了预测的上限或者下限，可能会导致无法有效的进行求解。概率场景法利用软件生成多个典型场景，生成各种风电可能的出力情况，根据生成的场景进行求解。
根据2.1.1中的威布尔分布可知，风电出力不能精确预测，所以风电出力预测与风电实际出力之间存在预测误差。预测误差为了简化处理一般假设是呈高斯分布，基于这一假设对根据风电预测值和高斯分布对风电场景进行生成。
.........................
2.2 储能系统基本特性及其约束设计
2.2.1 常见储能装置
随着能源结构的转型，新能源渗透率的不断提高导致电网惯性日益下降，频率安全面临严峻挑战。作为发、输、配、用、储的最后一环，储能技术具有极高的战略地位，可以在电网有功功率过剩时存储能量，在功率缺额时释放能量，实现能量时空平移，有利于削峰填谷，且有效解决新能源并网引发的系统频率变化，是大力发展新能源必不可少的关键技术。
根据美国能源部（Department of Energy, DOE）的全球储能项目数据库，全球近20个国家有超过100兆瓦的储能调频应用正在建设或运行中，涉及发电、输配电链路和需求方法。目前已投入工程应用的储能系统类型包括：机械能储能、电能储能、电化学储能和化学储能。机械储能包括泵浦储能、压缩空气储能、飞轮储能；电力储能包括超级电容器和超导储能；电化学储能包括锂电池、钠硫电池、液流电池，化学储能主要是燃料电池。储能系统大致分类如图2-2所示：
电气自动化论文怎么写
..................................
第3章 基于滚动优化的风储系统跟踪调度出力策略 ........................ 23
3.1 风储联合系统跟踪出力计划策略 ............................ 23
3.1.1 风储联合系统调度考核政策 .............................. 23
3.1.2 滚动优化策略 .................................. 24
第4章 风储联合系统在电力现货市场中投标策略 ..................... 31
4.1 电力现货市场机理分析................................. 31
4.2 风储联合系统参与日前市场优化策略 ............................ 32
结论 ................................ 45
第4章 风储联合系统在电力现货市场中投标策略
4.1 电力现货市场机理分析
电力现货市场包括日前市场和实时市场，本文采用的电力现货市场机制以南方（以广东为起点）电力现货市场为基础，因为是在电力市场的建设初期，新能源参与电力市场的占比较少，所以对风电场采用“报量不报价，优先选用”的原则，其参与电力市场的电价为节点边际电价，保障新能源企业可以更好进入电力市场进行竞价的经济效益。在如此机制下风储联合系统参与首先制定策略参与日前市场投标，然后在响应调度的前提下参与实时市场。
在风储联合系统参与日前市场时，首先要提前一天制定出清容量；首先风储联合系统根据风电预测数据，以15min为一个时间段，制定运行日的每个时段出清容量；然后把出清容量报给电力交易中心，这个过程叫做投标，接着调度中心会根据风储联合系统的投标容量下发调度指令，风储联合系统参与电力现货市场的流程图如图4-1所示：
电气自动化论文参考
..............................
结论
本文针对风储联合系统参与电力现货市场采用的出清容量的问题，首先分析了风电模型和储能模型，基于SOC反馈设计了储能的最大出力约束。然后用滚动优化的方法使风储联合系统更好的响应调度计划。最后提出了风储联合系统在日前市场和实时市场中的投标容量策略。结论如下：
（1）本文主要建立了风电模型、储能模型和风储联合发电系统模型。首先根据风电的出力特性，基于威布尔分布得到风电出力模型；又由于风电的不确定性，建立了基于风电不确定性的场景预测。然后介绍了对常见的储能装置进行了介绍，列举出了储能的基本特性，对储能SOC的定义进行详细的介绍，同时给出了储能模型；又基于Logistic回归函数，提出了一种基于SOC反馈的储能最大出力约束设计。最后对风储联合系统响应调度指令进行分析，分析结果表明，装设储能的风电场对于响应调度指令相比于单独风电场有明显的提高，并且降低了弃风量和惩罚电量；其中弃风量从139.28MWh减少到47.94MWh，同比减少65.58%；惩罚电量从139.38MWh减少到26.84MWh，同比减少80.74%。
（2）本文主要针对风储联合系统跟踪调度情况进行了研究，首先通过《两个细则》建立了发电计划允许偏差带，从而推导出储能功率出力可优化区间，考虑储能自身SOC的出力反馈，利用滚动优化的方法，求解出储能最优的出力功率。通过对比传统跟踪方法和本章提出的方法，优化控制策略下储能全天SOC 与中间值的方差要小于普通控制策略，方差下降了15.6%，储能系统的SOC曲线更加接近50%，优化控制策略下储能SOC变化范围更小，这为之后储能的充放电提供了更高的能量裕量，表明本章提出方法相较于传统方法可以有效的控制储能的SOC在适合的区间内，为风储电站更好跟踪调度计划提供容量。
参考文献（略）