一种储能与新能源场站的协同运行优化方法及装置

1.一种储能与新能源场站的协同运行优化方法，其特征在于，所述方法包括：获取新能源场站的相关数据；以所述新能源场站的相关数据为输入，利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到日前优化运行方案；以所述日前优化运行方案为输入，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的优化运行结果；根据所述下一调度时段的优化运行结果，进行新能源场站运行优化；其中，所述预先构建的日前协同优化运行模型是以新能源场站的总售电收益最大为目标构建的；所述预先构建的日内优化运行模型为以AGC指令偏差最小或新能源场站的预测出力偏差最小为目标构建的；所述日内优化运行模型，包括：按下式确定所述日内优化运行模型的目标函数：其中，按下式确定第i次日内优化运行的第g时段的AGC指令偏差或新能源场站的预测出力偏差的 ：上式中，i∈[1,M]，M为每天日内优化运行的总次数；g∈[1,N O ]，N O 为每次日内优化运行的总段数； 为第i次日内优化运行的第g时段的AGC指令， 为第i次日内优化运行的第g时段的新能源场站的预测出力， 和 为0-1变量，且不能同时为1；当第i次日内优化运行的第g时段跟踪AGC指令时， 为第i次日内优化运行的第g时段的AGC指令偏差；当第i次日内优化运行的第g时段跟踪新能源场站的预测出力时， 为第i次日内优化运行的第g时段的新能源场站的预测出力偏差； 为第i次日内优化运行的第g时段的AGC指令值， 为第i次日内优化运行的第g时段的新能源场站的预测出力值； 为第i次日内优化运行的第g时段的风力发电的实际出力， 为第i次日内优化运行的第g时段的光伏发电的实际出力， 为第i次日内优化运行的第i+g-1时段的储能系统的充电功率， 为第i次日内优化运行的第i+g-1时段的储能系统的放电功率， 为第i次日内优化运行的第g时段的储能系统的充电或放电功率相对日前优化结果的变化量。 2.根据权利要求1所述的方法，其特征在于，所述新能源场站的相关数据，包括：新能源日前短期功率预测数据和日前电价出清数据；所述新能源日前短期功率预测数据包括：各时段的风力发电的出力和各时段的光伏发电的出力；所述日前电价出清数据包括：各时段的售电电价。 3.根据权利要求2所述的方法，其特征在于，所述日前协同优化运行模型，包括：按下式确定所述日前协同优化运行模型的目标函数：按下式确定新能源场站的总售电收益F D ：其中，按下式确定第t时段新能源场站的售电收入f i (t)：按下式确定第t时段新能源场站的运行维护费用f e (t)：上式中，t∈[1,N]，N为时段总数量；x和u为控制变量，x为连续变量，x为储能充电或放电功率，X为连续变量集；u为0-1变量，u为储能系统的充电或放电状态，U为0-1变量集；w为随机变量，w为风力发电或光伏发电的出力，W为随机变量集；D为日前，c sell (t)为第t时段的售电电价， 为第t时段风力发电的出力， 为第t时段光伏发电的出力， 为第t时段储能系统的充电功率， 为第t时段储能系统的放电功率，Δt为单位时段的时长；c Wind 为风力发电的维护费用，c PV 为光伏发电的维护费用，c ES 为储能系统的维护费用。 4.根据权利要求3所述的方法，其特征在于，所述日前协同优化运行模型，还包括：按下式确定所述日前协同优化运行模型的约束条件：上式中，t∈[1,N]，N为时段总数量； 为储能系统的最小荷电状态， 为储能系统的最大荷电状态， 为第t时段储能系统的储能能量， 为储能系统的额定容量， 为第t时段储能系统的充电功率， 为第t时段储能系统的放电功率， 为储能系统的充电状态， 为储能系统的放电状态， 为储能系统的最大充电或放电功率， 为当天开始前储能系统的储能能量， 为第N时段储能系统的储能能量； 为第t时段风力发电的出力， 为第t时段光伏发电的出力， 为第t时段风力发电的最大可用功率， 为第t时段光伏发电的最大可用功率。 5.根据权利要求4所述的方法，其特征在于，按下式确定储能系统的最大荷电状态 ：按下式确定第t时段储能系统的储能能量 ：其中，按下式确定储能系统协助新能源场站跟踪AGC指令所需最大容量 ：上式中， 为第t-1时段储能系统的储能能量，δ ES 为储能系统的自耗散率， 为储能系统的充电效率， 为储能系统的放电效率， 为储能系统在前一日的第t时段的储能能量。 6.根据权利要求5所述的方法，其特征在于，所述以所述新能源场站的相关数据为输入，利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到日前优化运行方案，包括：基于所述新能源日前短期功率预测数据，利用场景生成方法和场景缩减方法，获取风力发电出力的界限约束条件和光伏发电出力的界限约束条件；以所述日前短期功率预测数据和所述日前电价出清数据为输入，基于所述风力发电出力的界限约束条件、所述光伏发电出力的界限约束条件和所述日前协同优化运行模型的约束条件，利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到储能系统各时段的充电或放电功率；所述储能系统各时段的充电或放电功率为所述日前优化运行方案。 7.根据权利要求6所述的方法，其特征在于，所述基于所述新能源日前短期功率预测数据，利用场景生成方法和场景缩减方法，获取风力发电出力的界限约束条件和光伏发电出力的界限约束条件，包括：基于所述新能源日前短期功率预测数据，利用场景生成方法生成预设数量的风力发电出力场景和光伏发电出力场景；利用场景缩减方法分别从所述风力发电出力场景和光伏发电出力场景中选取典型场景，得到各时段风力发电的出力上限或下限和各时段光伏发电出力的上限或下限；分别利用所述各时段风力发电的出力上限或下限和所述各时段光伏发电出力的上限或下限，获取风力发电出力的界限约束条件和光伏发电出力的界限约束条件。 8.根据权利要求7所述的方法，其特征在于，按下式确定所述风力发电出力的界限约束条件：按下式确定所述光伏发电出力的界限约束条件：上式中， 和 分别为第t时段风力发电的出力上限或下限， 和 分别为第t时段光伏发电出力的上限或下限， 为第t时段风力发电的最大可用功率， 为第t时段光伏发电的最大可用功率。 9.根据权利要求1所述的方法，其特征在于，所述日内优化运行模型，还包括：按下式确定所述日内优化运行模型的约束条件：上式中， 为第i次日内优化运行的第g时段的风力发电的超短期预测功率值， 为第i次日内优化运行的第g时段的光伏发电的超短期预测功率值， 为第i次日内优化运行的第i+g-1时段的储能系统的荷电状态， 为第i次日内优化运行的第t+g-2时段的储能系统的荷电状态， 为第i次日内优化运行的第g时段时相对日前储能系统的储电量的变化量， 为储能系统的额定容量， 为储能系统的最大充放电功率。 10.根据权利要求9所述的方法，其特征在于，按下式确定第i次日内优化运行的第g时段时相对日前储能系统的储电量的变化量 ：上式中， 为第g-1时段的储能系统的储能量，δ ES 为储能系统的自耗散率，Δg为单位时段的时长， 为储能系统的充电效率， 为第i次日内优化运行的第g时段的储能系统的充电或放电功率相对日前优化结果的变化量， 为第i次日内优化运行的第g时段的储能系统的充电或放电功率。 11.根据权利要求10所述的方法，其特征在于，所述以所述日前优化运行方案为输入，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的优化运行结果，包括：以所述日前优化运行方案为输入，基于所述日内优化运行模型的约束条件，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的储能系统的充电或放电功率相对日前优化结果的变化量；将所述日前优化运行方案中下一调度时段对应的储能系统的充电或放电功率与所述下一调度时段的储能系统的充电或放电功率相对日前优化结果的变化量进行相加，得到最终的下一调度时段储能系统的充电或放电功率；所述最终的下一调度时段储能系统的充电或放电功率为所述下一调度时段的优化运行结果。 12.一种储能与新能源场站的协同运行优化装置，其特征在于，所述装置包括：第一获取模块，用于获取新能源场站的相关数据；第二获取模块，用于以所述新能源场站的相关数据为输入，利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到日前优化运行方案；第三获取模块，用于以所述日前优化运行方案为输入，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的优化运行结果；优化模块，用于根据所述下一调度时段的优化运行结果，进行新能源场站运行优化；其中，所述预先构建的日前协同优化运行模型是以新能源场站的总售电收益最大为目标构建的；所述预先构建的日内优化运行模型为以AGC指令偏差最小或新能源场站的预测出力偏差最小为目标构建的；所述日内优化运行模型，包括：按下式确定所述日内优化运行模型的目标函数：其中，按下式确定第i次日内优化运行的第g时段的AGC指令偏差或新能源场站的预测出力偏差的 上式中，i∈[1,M]，M为每天日内优化运行的总次数；g∈[1,N O ]，N O 为每次日内优化运行的总段数； 为第i次日内优化运行的第g时段的AGC指令， 为第i次日内优化运行的第g时段的新能源场站的预测出力， 和 为0-1变量，且不能同时为1；当第i次日内优化运行的第g时段跟踪AGC指令时， 为第i次日内优化运行的第g时段的AGC指令偏差；当第i次日内优化运行的第g时段跟踪新能源场站的预测出力时， 为第i次日内优化运行的第g时段的新能源场站的预测出力偏差； 为第i次日内优化运行的第g时段的AGC指令值， 为第i次日内优化运行的第g时段的新能源场站的预测出力值； 为第i次日内优化运行的第g时段的风力发电的实际出力， 为第i次日内优化运行的第g时段的光伏发电的实际出力， 为第i次日内优化运行的第i+g-1时段的储能系统的充电功率， 为第i次日内优化运行的第i+g-1时段的储能系统的放电功率， 为第i次日内优化运行的第g时段的储能系统的充电或放电功率相对日前优化结果的变化量。 13.根据权利要求12所述的装置，其特征在于，所述新能源场站的相关数据，包括：新能源日前短期功率预测数据和日前电价出清数据；所述新能源日前短期功率预测数据包括：各时段的风力发电的出力和各时段的光伏发电的出力；所述日前电价出清数据包括：各时段的售电电价。 14.根据权利要求13所述的装置，其特征在于，所述日前协同优化运行模型，包括：按下式确定所述日前协同优化运行模型的目标函数：按下式确定新能源场站的总售电收益F D ：其中，按下式确定第t时段新能源场站的售电收入f i (t)：按下式确定第t时段新能源场站的运行维护费用f e (t)：上式中，t∈[1,N]，N为时段总数量；x和u为控制变量，x为连续变量，x为储能充电或放电功率，X为连续变量集；u为0-1变量，u为储能系统的充电或放电状态，U为0-1变量集；w为随机变量，w为风力发电或光伏发电的出力，W为随机变量集；D为日前，c sell (t)为第t时段的售电电价， 为第t时段风力发电的出力， 为第t时段光伏发电的出力， 为第t时段储能系统的充电功率， 为第t时段储能系统的放电功率，Δt为单位时段的时长；c Wind 为风力发电的维护费用，c PV 为光伏发电的维护费用，c ES 为储能系统的维护费用。 15.根据权利要求14所述的装置，其特征在于，所述日前协同优化运行模型，还包括：按下式确定所述日前协同优化运行模型的约束条件：上式中，t∈[1,N]，N为时段总数量； 为储能系统的最小荷电状态， 为储能系统的最大荷电状态， 为第t时段储能系统的储能能量， 为储能系统的额定容量， 为第t时段储能系统的充电功率， 为第t时段储能系统的放电功率， 为储能系统的充电状态， 为储能系统的放电状态， 为储能系统的最大充电或放电功率， 为当天开始前储能系统的储能能量， 为第N时段储能系统的储能能量； 为第t时段风力发电的出力， 为第t时段光伏发电的出力， 为第t时段风力发电的最大可用功率， 为第t时段光伏发电的最大可用功率。 16.根据权利要求15所述的装置，其特征在于，按下式确定储能系统的最大荷电状态 ：按下式确定第t时段储能系统的储能能量 ：其中，按下式确定储能系统协助新能源场站跟踪AGC指令所需最大容量 上式中， 为第t-1时段储能系统的储能能量，δ ES 为储能系统的自耗散率， 为储能系统的充电效率， 为储能系统的放电效率， 为储能系统在前一日的第t时段的储能能量。 17.根据权利要求16所述的装置，其特征在于，所述第二获取模块，包括：第一获取单元，用于基于所述新能源日前短期功率预测数据，利用场景生成方法和场景缩减方法，获取风力发电出力的界限约束条件和光伏发电出力的界限约束条件；第二获取单元，用于以所述日前短期功率预测数据和所述日前电价出清数据为输入，基于所述风力发电出力的界限约束条件、所述光伏发电出力的界限约束条件和所述日前协同优化运行模型的约束条件，利用鲁棒优化方法对预先构建的日前协同优化运行模型进行求解，得到储能系统各时段的充电或放电功率；第三获取单元，用于所述储能系统各时段的充电或放电功率为所述日前优化运行方案。 18.根据权利要求17所述的装置，其特征在于，所述第一获取单元，包括：生成子单元，用于基于所述新能源日前短期功率预测数据，利用场景生成方法生成预设数量的风力发电出力场景和光伏发电出力场景；第一获取子单元，用于利用场景缩减方法分别从所述风力发电出力场景和光伏发电出力场景中选取典型场景，得到各时段风力发电的出力上限或下限和各时段光伏发电出力的上限或下限；第二获取子单元，用于分别利用所述各时段风力发电的出力上限或下限和所述各时段光伏发电出力的上限或下限，获取风力发电出力的界限约束条件和光伏发电出力的界限约束条件。 19.根据权利要求18所述的装置，其特征在于，第二获取子单元，具体用于：按下式确定所述风力发电出力的界限约束条件：按下式确定所述光伏发电出力的界限约束条件：上式中， 和 分别为第t时段风力发电的出力上限或下限， 和 分别为第t时段光伏发电出力的上限或下限， 为第t时段风力发电的最大可用功率， 为第t时段光伏发电的最大可用功率。 20.根据权利要求12所述的装置，其特征在于，所述日内优化运行模型，还包括：按下式确定所述日内优化运行模型的约束条件：上式中， 为第i次日内优化运行的第g时段的风力发电的超短期预测功率值， 为第i次日内优化运行的第g时段的光伏发电的超短期预测功率值， 为第i次日内优化运行的第i+g-1时段的储能系统的荷电状态， 为第i次日内优化运行的第t+g-2时段的储能系统的荷电状态， 为第i次日内优化运行的第g时段时相对日前储能系统的储电量的变化量， 为储能系统的额定容量， 为储能系统的最大充放电功率。 21.根据权利要求20所述的装置，其特征在于，按下式确定第i次日内优化运行的第g时段时相对日前储能系统的储电量的变化量 ：上式中， 为第g-1时段的储能系统的储能量，δ ES 为储能系统的自耗散率，Δg为单位时段的时长， 为储能系统的充电效率， 为第i次日内优化运行的第g时段的储能系统的充电或放电功率相对日前优化结果的变化量， 为第i次日内优化运行的第g时段的储能系统的充电或放电功率。 22.根据权利要求21所述的装置，其特征在于，所述第三获取模块，包括：第四获取单元，用于以所述日前优化运行方案为输入，基于所述日内优化运行模型的约束条件，利用混合整数线性规划方法对预先构建的日内优化运行模型进行求解，得到下一调度时段的储能系统的充电或放电功率相对日前优化结果的变化量；第五获取单元，用于将所述日前优化运行方案中下一调度时段对应的储能系统的充电或放电功率与所述下一调度时段的储能系统的充电或放电功率相对日前优化结果的变化量进行相加，得到最终的下一调度时段储能系统的充电或放电功率；第六获取单元，用于所述最终的下一调度时段储能系统的充或放电功率为所述下一调度时段的优化运行结果。 23.一种计算机设备，其特征在于，包括：一个或多个处理器；所述处理器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行时，实现如权利要求1至11中任意一项所述的储能与新能源场站的协同运行优化方法中的步骤。 24.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1至11中任意一项所述的储能与新能源场站的协同运行优化方法中的步骤。