非并网风电价值链优化与评价模型及协同云平台研究

发布时间：2020-10-20 06:01

　　 近年来,我国风电产业高速发展,装机容量跃居世界第一。然而,由于风电的波动性、市场机制等原因,风力发电目前面临大规模发电弃能现象,许多难以并网或者不计划并网的风电电量因得不到合理使用而造成浪费,失去了应有的价值。在此背景下,探究非并网风电的价值链管理问题尤为重要。非并网风电是指不直接向国家电网供电而是通过储能等方式进行消纳的风力发电电量。随着储能技术的逐步成熟和储能产业的不断发展,储能成为了非并网风电消纳路径中必不可少的环节,形成了一条非并网风力“发电-储能-用能”价值链。在信息技术条件下,该价值链多方利益主体协同发展,进而实现价值链的价值增值、价值创新和价值共创。本文针对非并网风电价值链的优化与评价问题,从价值链多方利益主体的协同角度入手,综合运用优化理论、智能预测以及决策评价理论,建立一个较为完整的非并网风电价值链协同优化以及评价的体系与方法,研究非并网风电价值链发电环节功率预测、储能环节容量优化配置、用能环节用户及逆向价值主体协同优化和价值链多主体协同与增值效应评价以及多方主体协同云平台设计等问题,以期为非并网风电价值链的管理与决策提供科学的理论与方法依据。(1)针对我国近年来风电弃风率在部分省份居高不下的问题,提出了非并网风电的概念,分析了非并网风力发电的产业现状及存在的问题,构建了非并网风电“发电-储能-用能”价值链,探讨了影响非并网风电价值链价值增值的关键因素,论述了先进信息技术和虚拟价值链对非并网风电价值链协同发展的重要作用。(2)针对发电环节风电资源出力不确定性问题,提出了非并网风电价值链发电环节功率预测模型。首先,采用集成经验模态分解方法将原始数据分解为高频信号和低频信号;其次,对于高频信号,采用深度学习算法稀疏自动编码器进行了深入分析,通过改进BP神经网络算法对低频信号进行预测;再次,对各预测分量进行叠加,得到非并网风力发电功率预测值;最后,通过实例分析对模型的有效性进行验证,并分别用五种方法对原始数据进行预测,对比预测结果,验证本文方法的准确性和优越性。对非并网风电功率的精准预测是研究弃风消纳的前提,是进行多方主体协同优化的基础,能够提高资源优化的准确度,为非并网风电价值链优化提供比较精准的数据支撑。(3)针对储能环节储能资源的合理配置,分别提出了促进非并网风电消纳的混合电储能系统容量优化配置模型和储热装置容量优化模型。以年利润最大化和弃风率最小化为目标函数,在约束条件的限制下,建立了基于NSGA-Ⅱ算法和VIKOR方法的混合电储能系统容量配置优化模型,以某风电场为实例进行分析,确定蓄电池和超级电容器的最优容量,并证明算法的有效性和适用性;另外,为了将系统投资成本、消纳弃风产生的售热收益、运行成本等多种因素都考虑到优化模型中,以年效益最大化作为系统优化目标,构建了促进非并网风电消纳的储热装置容量优化模型,采用粒子群优化算法计算得出电锅炉和储热装置的最优容量,并证明配置储热装置的方案能够更多地消纳弃风,并能够获得更高的经济效益。(4)针对用能环节用户用能方案优化问题,构建了用户及其逆向价值主体(发电主体、储能主体)协同优化模型。首先,梳理用能环节用户的类型,将用户分为一般电、热负荷和采暖负荷,并根据负荷类型分别构建了负荷响应模型;然后,考虑到发电主体的非并网发电功率和储能主体的容量配置等数据,以经济效益和环境效益最大化为优化目标,构建了基于自适应Tent混沌搜索改进的蚁狮算法的协同优化模型;最后,以西北部某地区为例,得到了未来一个生产周期内的各设备协同运行策略和用户用能方案,与非协同情景相比,用户与其逆向价值主体协同运行时,能够优化设备运行状态,消纳更多的非并网风电,增加日运行收益,提高环境效益,最终达到经济效益和环境效益最优的状态。(5)针对非并网风电价值链多种资源的协同效应以及价值增值效应问题,构建了多主体协同与增值效应评价模型。首先,构建了一级指标为组织协同能力、业务协同能力、知识协同能力、信息技术能力、经济价值增值、社会价值增值和环境价值增值的评价指标体系,在此基础上,建立了基于灰色累积前景理论的综合评价模型,并进行了实例分析,计算得出了不同非并网风电价值链的多主体协同与增值效应评价结果。(6)针对非并网风电价值链上多方主体的数据集成与信息共享问题,提出了非并网风电价值链协同云平台设计方案。首先,对协同云平台建立的必要性和可行性进行深入分析;其次,从信息协同、能量协同和价值协同三个维度给出了协同云平台的功能需求;再次,设计了协同云平台的总体架构和技术架构;最后,探讨了协同云平台的方法库、模型库、数据库、接口层和Hadoop云计算平台的设计方法,为云平台的进一步研发提供了理论基础和决策支持。本文所做的研究,丰富了非并网风电价值链协同管理理论,并为促进弃风能源消纳提供了一种可行的解决思路。
【学位单位】：华北电力大学(北京)
【学位级别】：博士
【学位年份】：2019
【中图分类】：TM614;F426.61
【部分图文】：

网风电的消纳中也发挥着重要的作用。非并网风电与并网风电的主要区别在于，非??并网风电的终端不再是电网而是当地用户，并ＪＩ储能在其中发挥着重要的作用。并??网与非并网风电示意图如图２－３所示。需要说明的是，在本文的案例中主要讨论弃??风的情况，但是模型也均适用于其他类型的非并网风电。??集中式风电场?一｜??—并网风电?｜电网?＾?输配电??分布式风力发电一??—?风力发电????微电网?一?￣？?：＿ｉ非并网风电．ｆ—？储能终端用户??离网式风电场?一Ｉ??图２－３并网与非并网风电示意图?－??Ｆｉｇ．?２－３?Ｔｈｅ?ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍｓ?ｏｆ?ｏｎ－ｇｒｉｄ?ａｎｄ?ｎｏｎ－ｇｒｉｄ－ｃｏｎｎｅｃｔｅｄ?ｗｉｎｄ?ｐｏｗｅｒ??卄并网风电的提出能够为风电的消纳提供多元化的路径并且提高社会对非并??网风电利爪的关注度。非并网风电的优势主要体现在以下几方面：１）非并网风电的??终端负荷类型较多，可以进行「．业生产、供应电动汽车充换电站或者在供暖期对采??暖用户进行供热等等，拓展了风屯利ｎ］的途径；２）储能能够在负荷低谷时存储电量??并在高峰时放电，因此储能的加入能够提高供屯可黏性，消纳更多的风乜，能够提??高ＫＩＵ的利用率；３）丨卩并网风电的高效利用能够为从上游到下游的多方利益主体创??造效益、创造价值。??２．２．２非并网风电产业发展现状和问题??（１）非并网风电产业发展现状??我国非并网产业目前并没有形成较大的规模和完整的产业链

助活动的综合体。基本活动的各个环节能够实现价值增值，而辅助活动可以为基本??活动提供支撑。??传统的风电价值链即是基于波特价值链提出的。如图２－４所示，风电从上游到??下游共经过原材料提供、零配件制作、整机组装、风电场建设、风电场运营、电网??运营六个环节［１Ｇ６１。在传统风电价值链中，环节之间具有关联性和连续性，往往由一??个增值环节结束后才进入下一环节，注重产品的实体价值，价值增值过程在于各环??节价值的累加，是静态价值增值过程。目前传统风电价值链ｌＡ发展的较为成熟，但??是弃风问题严重的环境对风电产业价值链的发展提出了更高的要求。??原材料提供１??＊零配件雛１??？整雛装???？风电场建设１???＾风电场运营电网运营??辅助活动：采购、研发、人力资源管理、政策等??图２－４传统风电价值链示意图??Ｆｉｇ．?２－４?Ｔｈｅ?ｓｃｈｅｍａｔｉｃ?ｄｉａｇｒａｍ?ｏｆ?ｔｒａｄｉｔｉｏｎａｌ?ｗｉｎｄ?ｐｏｗｅｒ?ｖａｌｕｅ?ｃｈａｉｎ??１９??

零点的个数和局部极值的个数相等或者最多差一个；２）在任意时刻，函数的上包络??线（局部最大值包络线）和下包络线（局部最小值包络线）的平均为零。对于序列??ｘ（ｔ）的ＥＭＤ的分解步骤如图３－１所示。??２６??
【参考文献】

相关期刊论文 前10条

1 王平;葛世伦;王念新;任南;;云计算环境下制造企业协同价值链构建方法[J];江苏科技大学学报(自然科学版);2015年06期

2 李建林;田立亭;来小康;;能源互联网背景下的电力储能技术展望[J];电力系统自动化;2015年23期

3 王智琦;冷月;吴倩红;;清洁能源接入的智能电网需求响应综述[J];电源技术;2015年08期

4 刘文颖;文晶;谢昶;王维洲;梁琛;;考虑风电消纳的电力系统源荷协调多目标优化方法[J];中国电机工程学报;2015年05期

5 聂峰英;黄夔;;基于演化博弈的企业价值链协同知识创新研究[J];现代情报;2015年01期

6 叶春森;梁昌勇;梁雯;;基于云计算-大数据的价值链创新机制研究[J];科技进步与对策;2014年24期

7 王珂;姚建国;姚良忠;杨胜春;雍太有;;电力柔性负荷调度研究综述[J];电力系统自动化;2014年20期

8 綦良群;赵少华;蔡渊渊;;装备制造业服务化过程及影响因素研究——基于我国内地30个省市截面数据的实证研究[J];科技进步与对策;2014年14期

9 刘菲;严建渊;;大数据时代基于价值链分析的企业流程再造案例研究[J];物流工程与管理;2014年07期

10 苏辛一;徐东杰;韩小琪;李娟萍;王昭;;风电年最大弃风电量计算方法及分析[J];中国电力;2014年07期

相关博士学位论文 前5条

1 蒋哲;计及多元效益的电动汽车换电站与风电协同优化研究[D];哈尔滨工业大学;2018年

2 王品悦;基于价值链协同的政府采购云信息服务范式研究[D];天津大学;2017年

3 张轶堃;基于智能算法和Multi-Agent的电力供应链网络协同的研究[D];吉林大学;2016年

4 潘华;基于云平台的多供应链协同技术研究[D];西南交通大学;2016年

5 田冉;基于云平台的汽车物流服务价值链协同技术研究[D];西南交通大学;2015年

相关硕士学位论文 前7条

1 王艺歌;基于遗传算法的火电企业价值链优化[D];华北电力大学(北京);2018年

2 潘志刚;基于深度学习网络的风电场功率预测研究及应用[D];上海电机学院;2016年

3 陈莹;云环境下的协同价值链及利益分配研究[D];江苏科技大学;2015年

4 李玲玉;基于云平台的东岳汽车公司价值链协同演化研究[D];哈尔滨商业大学;2014年

5 包厚华;基于云计算和物联网的供应链库存协同管理和信息共享机制[D];华南理工大学;2012年

6 姜辉;基于知识价值链的高新技术企业核心竞争力评价研究[D];哈尔滨工程大学;2012年

7 李淼淼;基于模糊—神经网络的电力企业核心竞争力评价研究[D];河北工程大学;2011年

本文编号：2848319