CN104392394A - 一种微电网储能裕度的检测方法 - Google Patents
一种微电网储能裕度的检测方法 Download PDFInfo
- Publication number
- CN104392394A CN104392394A CN201410673998.1A CN201410673998A CN104392394A CN 104392394 A CN104392394 A CN 104392394A CN 201410673998 A CN201410673998 A CN 201410673998A CN 104392394 A CN104392394 A CN 104392394A
- Authority
- CN
- China
- Prior art keywords
- micro
- energy storage
- storage device
- capacitance sensor
- load
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 146
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 239000002245 particle Substances 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 14
- 238000011156 evaluation Methods 0.000 claims description 16
- 230000001172 regenerating effect Effects 0.000 claims description 11
- 230000005611 electricity Effects 0.000 claims description 9
- 239000003344 environmental pollutant Substances 0.000 claims description 8
- 231100000719 pollutant Toxicity 0.000 claims description 8
- 230000009194 climbing Effects 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 239000000446 fuel Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 2
- 230000005764 inhibitory process Effects 0.000 abstract 1
- 238000012360 testing method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000007115 recruitment Effects 0.000 description 2
- 230000008929 regeneration Effects 0.000 description 2
- 238000011069 regeneration method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000219000 Populus Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种微电网储能裕度检测方法,其特点是根据引入储能设备前后,微电网所能承载负荷的能力的变化,对微电网储能裕度进行检测或是计算微电网要达到某一储能裕度时,所需的储能装置的最小容量。不投入储能设备,建立基于成本目标、可再生能源波动抑制目标和功率需求匹配目标的模型,将非间歇性微电源作为决策变量带入,采用粒子群算法对模型求解,记录所求得的非间歇性微电源的出力和单位发电负荷所对应的综合成本。投入储能设备,将非间歇性微电源和储能设备出力作为决策变量带入模型并采用粒子群算法求解,记录此时所的储能设备的出力和单位发电负荷所对应的综合成本。采用二分法,不断调整投入储能设备后微电网的负荷水平,直到达到终止条件。
Description
技术领域
本发明涉及一种微电网储能裕度的检测方法。具体地说,本发明是针对含多种微电源、负荷以及储能装置的微电网,建立基于成本目标、可再生能源波动抑制目标、功率需求匹配目标的微电网储能裕度检测模型。属于微电网与储能技术领域。
背景技术
微电网是由微电源、储能设备、负荷和控制装置共同构成的一种新型网络结构,它能够充分促进分布式电源与再生能源的大规模接入,实现对负荷多种能源形式的高可靠供给,是实现主动式配电网和智能电网的一个重要形式。微电网通常包含一定比例的风力发电和光伏发电,由于出力受微电源安置地的自然资源的影响,具有波动性和间歇性。因此,通常微电网会配置一定容量的储能,实现内部功率的瞬时平衡,提高电能质量、供电可靠性和系统稳定性。
针对微电网储能装置的容量进行优化配置,常见的优化模型有:考虑了风力发电和光伏发电的不确定性,以系统全年总运行费用最低为目标建立的优化配置模型,杨珺等.针对独立风光发电中混合储能容量优化配置研究[J].电力系统保护与控制,2013,04:38-44;以装置成本最低、功率匹配最佳、可再生能源输出功率平滑度最好建立的复合储能多目标优化数学模型,谭兴国等.微电网复合储能多目标优化配置方法及评价指标[J].电力系统自动化,2014,08:7-14。然而传统的研究主要考虑优化配置储能装置的容量,对微电网储能裕度检测涉及较少。
发明内容
本发明的目的是针对现有技术不足,提供一种微电网储能裕度的检测方法,根据引入储能设备前后,微电网所能承载负荷的能力的变化,对微电网储能裕度进行检测或计算微电网要达到某一储能裕度时,所需的储能装置的最小容量。其特点是首先,不投入储能设备,建立基于成本目标、可再生能源波动抑制目标和功率需求匹配目标的微电网经济运行优化模型,将微电网内的非间歇性微电源(如微型燃气轮机等)作为决策变量带入,采用粒子群算法对运行优化模型进行求解,记录所求得的微电网非间歇性微电源的出力和单位发电负荷所对应的综合成本。然后,投入储能设备,将非间歇性微电源和储能设备出力作为决策变量带入微电网经济运行优化模型并采用粒子群算法进行求解,记录此时所求得的微电网储能设备的出力和单位发电负荷所对应的综合成本。采用二分法,不断调整投入储能设备后微电网的负荷水平,直到达到终止条件(即投入储能设备前后单位发电负荷所对应的综合成本之差的绝对值小于设定值),从而检测出微电网某运行方式下的储能裕度,即在维持系统评价指标不变的前提下,系统新增的可承载负荷的能力为微电网的储能裕度。
本发明的目的由以下技术措施实现
储能裕度检测算法分为两部分:一是以装置成本最低、功率匹配最佳、可再生能源输出功率平滑度为目标函数,计算微电网的单位发电负荷的综合成本;二是通过不断调整投入储能后微电网的负荷水平,使得投入储能设备前后,微电网的单位发电负荷的综合成本相等。此时,系统新增的承载负荷的能力即为微电网的储能裕度。
微电网的储能裕度检测方法包括以下步骤:
1)储能裕度检测模型
本发明建立了含有风力发电机、光伏电池、微型燃气轮机等多种微电源、负荷及储能设备的微电网储能裕度检测模型;考虑了成本目标、可再生能源波动抑制目标、功率需求匹配目标在内的目标函数,考虑了微电网系统中的功率平衡、各个微电源容量限制、微型燃气轮机爬坡率、联络线传输功率、蓄电池容量和蓄电池充放电各类约束。
其目标函数为:
minf=f1+f2+f3 (1)
其中
Cgrid(t)=E(t)×Pgrid(t) (9)
式中,f1、f2、f3分别为成本目标、可再生能源波动抑制目标、功率需求匹配目标,α1、α2分别为各个时刻分布式电源的波动之和与功率需求不匹配之和,Cf(t)、CDP(t)、COM(t)、Ce(t)分别为t时刻各微电源的燃料成本、投资折旧成本、运行维护成本、排污处理成本;Cgrid、Pgrid分别为微电网与配电网的交互成本与交换功率;Cpunish为不满足负荷需求所引入的惩罚函数;E(t)为t时刻的实时购售电价;Caz,i、ki、r、ni、KOM,i、Vej、Qij分别为单位容量的微电源的安装成本、容量因素、年利率、投资偿还期、单位电量运行维护成本系数、污染物的环境价值和污染物的排放量;
其约束条件为:
A、功率平衡约束
式中,Pload为系统总的负荷,Pgrid为微电网与配电网的交换功率,PDG,i为各微电源的出力;
B、微电源有功出力约束
Pi,min≤Pi≤Pi,max (13)
C、微型燃气轮机爬坡率约束
增加出力时为
PMT(t)-PMT(t-1)≤Rup (14)
减少出力时为
PMT(t-1)-PMT(t)≤Rdown (15)
D、微电网与配电网交换功率约束
Pgrid,min≤P≤Pgrid,max (16)
E、蓄电池运行约束
PSB,min≤P≤PSB,max (17)
SOCmin≤SOC≤SOCmax (18)
对微电网中的风、光等出力按照分布式电源模型进行求解,将求得的风、光出力以及负荷作为已知量代入粒子群算法中;将其它微电源作为未知量,进行编码操作,生成初始种群,分别求取出投入与未投入单位发电负荷所对应的综合成本,采用二分法,不断调整投入储能后微电网的负荷水平,直到达到终止条件(即投入储能设备前后单位发电负荷的综合成本之差的绝对值小于设定值),从而求取微电网某运行方式下的储能裕度,即在维持单位发电负荷所对应的综合成本不变的前提下,新增的可承载负荷的能力即为微电网的储能裕度;也可以根据系统需要的具体储能裕度,计算维持系统评价指标不变的情况下,储能装置所需的最小容量。
2)储能裕度检测算法
A、对微电网储能检测模型中的各微电源、负荷参数、目标函数参数以及约束条件参数进行设置,对粒子群算法中的控制参数进行设置,其中包括仿真代数、粒子规模、学习因子和惯性权重等;
B、不投入储能设备,对微电网中的非间歇性微电源出力进行编码,随机生成初始种群,通过解码,将个体代入适应度函数中,对个体进行适应度值评价,选出种群中的最优个体;
C、对种群进行位置和速度行进更新,同时在操作过程中采用最优保留政策,生成新的子代种群;
D、新生成种群重新计算群体中各个体的适应度值,进入判别条件,满足条件的个体作为最优解输出,不满足条件则返回步骤C;
E、输出的最优解即为未投入储能设备的一天24小时非间歇性微电源和单位发电负荷所对应的综合成本。
F、投入储能设备,对微电网中的储能设备和非间歇性微电源的出力进行编码,随机生成初始种群,通过解码,将个体代入适应度函数中,对个体进行适应度值评价,选出种群中的最优个体;
G、对种群进行位置和速度行进更新,同时在操作过程中采用最优保留政策,生成新的子代种群;
H、新生成种群重新计算群体中各个体的适应度值,进入判别条件,满足条件的个体作为最优解输出,不满足条件则返回步骤G;
I、输出的最优解即为投入储能设备的一天24小时非间歇性微电源和储能设备的出力和单位发电负荷所对应的综合成本;
J、将投入储能装置前后的单位发电负荷所对应的综合成本作差;
K、进入判别条件,满足条件转到步骤M,不满足条件则转到步骤L;
L、采用二分法,不断调整投入储能后微电网的负荷水平;
M、最终输出结构为即在维持系统评价指标不变的前提下,由于储能设备的投入,微电网新增的可承载负荷的能力,即为储能裕度。
本发明具有如下优点:
本发明一种微电网的储能裕度检测方法,考虑微电网的运行方式,建立了基于成本目标、可再生能源波动抑制目标、功率需求匹配目标的储能裕度检测模型,采用粒子群算法与二分法相结合的方法对微电网储能裕度进行检测。本发明涉及的方法的优点是,传统微电网主要针对储能装置进行容量优化配置,并未对由于储能装置的引入后微电网的储能裕度进行检测,本发明通过建立储能裕度检测模型,通过维持系统单位发电负荷所对应的综合成本水平不变,将微电网的储能裕度转化为新增的可承载负荷的能力。
附图说明
图1为储能裕度检测算法流程图;
1、输入参考计划交换功率、风、光、负荷等原始数据;2、未投入储能装置,初始化粒子初始速度和位置;3、对个体进行适应度值评价,选出个体最优值和全局最优值,种群更新位置和速度,同时在操作过程中采用最优保留政策,生成新的子代种群;4、新生成种群重新计算群体中各个体的适应度值,进入判别条件,满足条件的个体作为最优解输出,不满足条件则返回步骤3;5、输出为未投入储能设备时,一天24小时非间歇性微电源出力和单位发电负荷所对应的综合成本C1;6、投入储能装置,初始化粒子初始速度和位置;7、对个体进行适应度值评价,选出个体最优值和全局最优值,种群更新位置和速度,同时在操作过程中采用最优保留政策,生成新的子代种群;8、新生成种群重新计算群体中各个体的适应度值,进入判别条件,满足条件的个体作为最优解输出,不满足条件则返回步骤7;9、输出为投入储能设备时,一天24小时间歇性微电源和储能设备的出力以及单位发电负荷所对应的综合成本C2;10、进入判别条件,满足条件的个体作为最优解输出,不满足条件则返回步骤6,并调整投入储能设备后微电网的负荷水平;11、最终输出的最优解即为微电网的储能裕度。
图2为本发明实施例典型日负荷曲线图;
图3为本发明实施例典型日风力发电机组、光伏电池发电预测曲线图;
图4为本发明未投入储能设备时,微型燃气轮机出力及配电网与微电网交换功率曲线图;
图5为本发明投入储能设备后,蓄电池出力、微型燃气轮机出力及配电网与微电网交换功率曲线图;
具体实施方式
下面通过实施例对本发明进行具体的描述,有必要在此指出的是本实施例只用于对本发明进行进一步说明,不能理解为对本发明包括范围的限制,该领域的技术熟练人员可以根据上述本发明的内容作出一些非本质的改进和调整。
实施例:
如图1所示,用二分法与粒子群结合的方法检测微电网储能裕度,其中包括输入风、光、负荷等原始数据(图1中第1框)、计算未投入储能设备时微电网的单位发电负荷所对应的经济成本C1和非间歇性微源的出力(图1中第2-5框)、计算投入储能设备后微电网的单位发电负荷所对应的综合成本C2和储能设备和非间歇性微电源的出力(图1中第6-9框)和采用二分法不断调整投入储能后微电网的负荷水平求取储能裕度(图1中第10-11框),4个步骤,分别为图1中第1框;计算未投入储能设备时微电网的单位发电负荷所对应的综合成本C1和非间歇性微电源出力,包括初始化种群位置和速度、对个体进行适应度值评价,选出个体最优值和全局最优值、更新种群的位置和速度并进入判别条件判别是否结束迭代、输出最优解,分别为图1中第2、3-4和5框;计算投入储能设备后微电网的单位发电负荷所对应的综合成本C2、非间歇性微源和储能设备的出力,包括初始化种群位置和速度、对个体进行适应度值评价,选出个体最优值和全局最优值、更新种群的位置和速度并进入判别条件判别是否结束迭代、输出最优解,分别为图1中第6、7-8和9框;采用二分法不断调整投入储能设备后微电网的负荷水平求取储能裕度,包括计算|C1-C2|<ε,进入判别条件判别是否结束迭代,调整负荷水平、输出储能裕度检测结果,分别为图1中第10、11框。
一、微电网微电源模型
典型的微电网微电源有风力发电机、光伏电池板、微型燃气轮机和储能装置。
1、风力发电机模型
风力发电机的风速出力曲线可以用一个分段函数来表示
式中,vci为切入风速,vco为切出风速,Pr为风力发电的额定输出功率。
2、光伏电池模型
光伏电池输出特性具有非线性特征,主要受到光照强度、环境温度的影响。
式中:GSTC为标准测试环境(1000W/m2,25℃)下的光照强度;TSTC为标准测试环境下光伏阵列温度;PSTC为标准测试环境下最大输出功率,k是温度系数,一般取k=-0.45。
3、微型燃气轮机模型:
燃气轮机的数学模型为:
其中ηMT为微型燃气轮机的净发电效率,PMT为微型燃气轮机净输电功率。
二、微电网运行优化目标函数与约束条件:
1、目标函数
本发明建立了含有风力发电机、光伏电池、微型燃气轮机多种微电源、负荷和储能设备的微电网储能裕度检测模型;考虑了成本目标、可再生能源波动抑制目标、功率需求匹配目标在内的目标函数,考虑了微电网系统中的功率平衡、各个微电源容量限制、微型燃气轮机爬坡率、联络线传输功率、蓄电池容量和蓄电池充放电各类约束;
minf=f1+f2+f3 (22)
其中
Cgrid(t)=E(t)×Pgrid(t) (30)
式中,f1、f2、f3分别为成本目标、可再生能源波动抑制目标、功率需求匹配目标,α1、α2分别为各个时刻分布式电源的波动之和与功率需求不匹配之和,Cf(t)、CDP(t)、COM(t)、Ce(t)分别为t时刻各微电源的燃料成本、投资折旧成本、运行维护成本、排污处理成本;Cgrid、Pgrid分别为微电网与配电网的交互成本与交换功率;Cpunish为不满足负荷需求所引入的惩罚函数;分别为微电网与配电网的交互成本与交换功率;E(t)为t时刻的实时购售电价;Caz,i、ki、r、ni、KOM,i、Vej、Qij分别为单位容量的微电源的安装成本、容量因素、年利率、投资偿还期、单位电量运行维护成本系数、污染物的环境价值和污染物的排放量;
2、约束条件:
A、功率平衡约束
式中,Pload为系统总的负荷,Pgrid为微电网与配电网的交换功率,PDG,i为各微电源的出力;
B、微电源有功出力约束
Pi,min≤Pi≤Pi,max (34)
C、微型燃气轮机爬坡率约束
增加出力时为:
PMT(t)-PMT(t-1)≤Rup (35)
减少出力时为:
PMT(t-1)-PMT(t)≤Rdown (36)
D、微电网与配电网交换功率约束
Pgrid,min≤P≤Pgrid,max (37)
E、蓄电池运行约束
PSB,min≤P≤PSB,max (38)
SOCmin≤SOC≤SOCmax (39)
三、储能裕度检测方法:对于不同运行方式下的储能设备的微电网,如何检测微电网在现有运行方式下的储能裕度,以及如何对含有多变量、复杂目标函数和众多约束条件的模型,具有一定的难度。通过分别计算投入与未投入储能设备的单位发电负荷所对应的经综合成本,不断调整投入储能后微电网的负荷水平,直到达到终止条件(即投入前后单位发电负荷所对应的综合成本之差的绝对值小于设定值),同时采用了一种二分法和粒子群相结合的算法来求解模型,基本思想是:首先,不投入储能设备,对微电网中的风、光等出力按照分布式电源模型进行求解,将求得的风、光出力以及负荷作为已知量代入,对非间歇性微电源出力进行编码,计算此时微电网的单位发电负荷所对应的综合成本C1和微型燃气轮机出力。然后,投入储能设备,将风、光的出力作为已知量代入,对储能设备和非间歇性微电源的出力进行编码,算此时微电网的单位发电负荷所对应的综合成本C2和储能设备和非间歇性微电源的出力。然后,采用二分法进行迭代,不断调整投入储能后微电网的负荷水平,直到达到终止条件(即单位发电负荷所对应的综合成本与极限经济成本之差的绝对值小于设定值),从而求取微电网某运行方式下的储能裕度,即在维持单位发电负荷所对应的综合成本水平不变的前提下,新增的可承载负荷的能力即为微电网的储能裕度,其步骤如下:
1)对微电网储能检测模型中的各微电源、负荷参数、目标函数参数以及约束条件参数进行设置,对粒子群算法中的控制参数进行设置,其中包括仿真代数、粒子规模、学习因子和惯性权重等;
2)不投入储能设备,对微电网中的微型燃气轮机出力进行编码,随机生成初始种群,通过解码,将个体代入适应度函数中,对个体进行适应度值评价,选出种群中的最优个体;
3)对种群进行位置和速度行进更新,同时在操作过程中采用最优保留政策,生成新的子代种群;
4)新生成种群重新计算群体中各个体的适应度值,进入判别条件,满足条件的个体作为最优解输出,不满足条件则返回步骤C;
5)输出的最优解即为未投入储能设备的一天24小时非间歇性微电源的出力和单位发电负荷所对应的综合成本。
6)投入储能设备,对微电网中的非间歇性微电源和储能设备出力进行编码,随机生成初始种群,通过解码,将个体代入适应度函数中,对个体进行适应度值评价,选出种群中的最优个体;
7)对种群进行位置和速度行进更新,同时在操作过程中采用最优保留政策,生成新的子代种群;
8)新生成种群重新计算群体中各个体的适应度值,进入判别条件,满足条件的个体作为最优解输出,不满足条件则返回步骤G;
9)输出的最优解即为投入储能设备的一天24小时非间歇性微电源和储能设备的出力以及单位发电负荷所对应的综合成本;
10)将投入储能装置前后微电网的单位发电负荷所对应的综合成本作差;
11)进入判别条件,满足条件转到步骤M,不满足条件则转到步骤L;
12)采用二分法,不断调整投入储能后微电网的负荷水平;
13)最终输出结构为即在维持系统评价指标不变的前提下,由于储能设备的投入,微电网新增的可承载负荷的能力,即为储能裕度。
四、算例分析
1、算例系统:
微电网与配电网的PCC点交换功率限制为,-100kW,100kW,蓄电池SOC限制为0.2,0.95,蓄电池初始SOC为0.4,微电网中的各微电源的参数如表1所示,所采用的实时售购电价如表2所示,各微电源的污染物排放系数及成本如表3所示,典型日负荷曲线如图2所示,风机、光伏发电预测曲线如图3所示,配电网与微电网参考计划交换功率曲线如图4所示。
表1微电网中的各微电源的参数
表2实时售购电价
表3各微电源的污染物排放系数及成本
2、计算结果表明:
采用二分法和粒子群结合的算法,对微电网进行储能裕度检测,未投入储能设备时和投入储能设备后单位千瓦时负荷所对应的经济成本分别为0.5639和0.3398,当负荷提升至原负荷2.0813倍时,微电网系统未投入储能设备时和投入储能设备后单位千瓦时负荷所对应的经济成本之差|C1-C2|=-7.687×10-4,未投入储能设备时和投入储能设备后微电网微电源24小时功率情况如图4和图5所示。
Claims (1)
1.一种微电网储能裕度的检测方法,其特征在于该方法包括以下步骤:
1)储能裕度的检测目标函数
本发明建立了含有风力发电机、光伏电池、微型燃气轮机等多种微电源、负荷及储能设备的微电网储能裕度检测模型;考虑了成本目标、可再生能源波动抑制目标、功率需求匹配目标在内的目标函数,考虑了微电网系统中的功率平衡、各个微电源容量限制、微型燃气轮机爬坡率、联络线传输功率、蓄电池容量和蓄电池充放电各类约束;
minf=f1+f2+f3 (1)
其中
Cgrid(t)=E(t)×Pgrid(t) (9)
式中,f1、f2、f3分别为成本目标、可再生能源波动抑制目标、功率需求匹配目标,α1、α2分别为各个时刻分布式电源的波动之和与功率需求不匹配之和,Cf(t)、CDP(t)、COM(t)、Ce(t)分别为t时刻各微电源的燃料成本、投资折旧成本、运行维护成本、排污处理成本;Cgrid、Pgrid分别为微电网与配电网的交互成本与交换功率;Cpunish为不满足负荷需求所引入的惩罚函数;E(t)为t时刻的实时购售电价;Caz,i、ki、r、ni、KOM,i、Vej、Qij分别为单位容量的微电源的安装成本、容量因素、年利率、投资偿还期、单位电量运行维护成本系数、污染物的环境价值和污染物的排放量;
其约束条件为:
A、功率平衡约束
式中,Pload为系统总的负荷,Pgrid为微电网与配网的交换功率,PDG,i为各微电源的出力;
B、微电源有功出力约束
Pi,min≤Pi≤Pi,max (13)
C、微型燃气轮机爬坡率约束
增加出力时为:
PMT(t)-PMT(t-1)≤Rup (14)
减少出力时为:
PMT(t-1)-PMT(t)≤Rdown (15)
D、微电网与配电网交换功率约束
Pgrid,min≤P≤Pgrid,max (16)
E、蓄电池运行约束
PSB,min≤P≤PSB,max (17)
SOCmin≤SOC≤SOCmax (18)
对微电网中的风、光等出力按照分布式电源模型进行求解,将求得的风、光出力以及负荷作为已知量代入粒子群算法中;将其它微电源作为未知量,进行编码操作,生成初始种群,分别求取出投入与未投入单位发电负荷所对应的综合成本,采用二分法,不断调整投入储能设备后微电网的负荷水平,直到达到终止条件(即投入储能设备前后单位发电负荷的综合成本之差的绝对值小于设定值),从而求得微电网某运行方式下的储能裕度,即在维持单位发电负荷所对应的综合成本不变的前提下,新增的可承载负荷的能力即为微电网的储能裕度;
2)储能裕度的检测算法
A、对微电网储能检测模型中的各微电源、负荷参数、目标函数参数以及约束条件参数进行设置,对粒子群算法中的控制参数进行设置,其中包括仿真代数、粒子规模、学习因子和惯性权重等;
B、不投入储能设备,对微电网中的非间歇性微电源出力进行编码,随机生成初始种群,通过解码,将个体代入适应度函数中,对个体进行适应度值评价,选出种群中的最优个体;
C、对种群进行位置和速度行进更新,同时在操作过程中采用最优保留政策,生成新的子代种群;
D、新生成种群重新计算群体中各个体的适应度值,进入判别条件,满足条件的个体作为最优解输出,不满足条件则返回步骤C;
E、输出的最优解即为未投入储能设备的一天24小时非间歇性微电源和单位发电负荷所对应的综合成本。
F、投入储能设备,对微电网中的储能设备和非间歇性微电源的出力进行编码,随机生成初始种群,通过解码,将个体代入适应度函数中,对个体进行适应度值评价,选出种群中的最优个体;
G、对种群进行位置和速度行进更新,同时在操作过程中采用最优保留政策,生成新的子代种群;
H、新生成种群重新计算群体中各个体的适应度值,进入判别条件,满足条件的个体作为最优解输出,不满足条件则返回步骤G;
I、输出的最优解即为投入储能设备的一天24小时非间歇性微电源和储能设备的出力和单位发电负荷所对应的综合成本;
J、将投入储能装置前后的单位发电负荷所对应的综合成本作差;
K、进入判别条件,满足条件转到步骤M,不满足条件则转到步骤L;
L、采用二分法,不断调整投入储能设备后微电网的负荷水平;
M、最终输出结构为即在维持系统评价指标不变的前提下,由于储能设备的投入,微电网新增的可承载负荷的能力,即为储能裕度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410673998.1A CN104392394B (zh) | 2014-11-20 | 2014-11-20 | 一种微电网储能裕度的检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410673998.1A CN104392394B (zh) | 2014-11-20 | 2014-11-20 | 一种微电网储能裕度的检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104392394A true CN104392394A (zh) | 2015-03-04 |
CN104392394B CN104392394B (zh) | 2017-05-31 |
Family
ID=52610292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410673998.1A Expired - Fee Related CN104392394B (zh) | 2014-11-20 | 2014-11-20 | 一种微电网储能裕度的检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104392394B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108551175A (zh) * | 2018-04-28 | 2018-09-18 | 国网湖南省电力有限公司 | 配电网储能容量配置方法 |
CN109977138A (zh) * | 2019-03-08 | 2019-07-05 | 浙江新再灵科技股份有限公司 | 一种基于Kafka和SQL的数据查询方法 |
CN110752597A (zh) * | 2019-10-22 | 2020-02-04 | 太原理工大学 | 电-气耦合综合能源系统的最小切负荷策略 |
CN111928294A (zh) * | 2020-08-06 | 2020-11-13 | 华能太原东山燃机热电有限责任公司 | 一种燃气-蒸汽联合循环机组热电成本分摊的方法 |
TWI748650B (zh) * | 2020-09-17 | 2021-12-01 | 行政院原子能委員會核能研究所 | 基於粒子群演算法之微電網再生能源與儲能配比之建置系統、方法與電腦程式產品 |
CN113852109A (zh) * | 2021-09-23 | 2021-12-28 | 西南交通大学 | 一种异构式微电网群的公平载荷裕度分布式调控方法 |
CN113901672A (zh) * | 2021-11-17 | 2022-01-07 | 香港理工大学深圳研究院 | 净零能耗建筑应用风光互补电力蓄能系统的优化设计方法 |
CN115693793A (zh) * | 2022-10-11 | 2023-02-03 | 国网浙江省电力有限公司 | 一种区域微电网能源优化控制方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003090328A1 (en) * | 2002-04-22 | 2003-10-30 | The Tokyo Electric Power Company, Incorporated | Method and system for on-line dynamical screening of electric power system |
US20110208365A1 (en) * | 2005-06-06 | 2011-08-25 | Craig Howard Miller | Optimized energy management system |
FR2974431A1 (fr) * | 2011-04-19 | 2012-10-26 | Ge Energy Products France Snc | Systeme et procede de commande d'une installation de production d'energie electrique. |
CN103337001A (zh) * | 2013-07-18 | 2013-10-02 | 山东大学 | 考虑最佳期望输出与荷电状态的风电场储能容量优化方法 |
CN103955765A (zh) * | 2014-04-25 | 2014-07-30 | 广东工业大学 | 一种基于发电能力评估和负载分级的微电源容量配置方法 |
CN104065072A (zh) * | 2014-06-16 | 2014-09-24 | 四川大学 | 一种基于动态电价的微电网运行优化方法 |
-
2014
- 2014-11-20 CN CN201410673998.1A patent/CN104392394B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003090328A1 (en) * | 2002-04-22 | 2003-10-30 | The Tokyo Electric Power Company, Incorporated | Method and system for on-line dynamical screening of electric power system |
US20110208365A1 (en) * | 2005-06-06 | 2011-08-25 | Craig Howard Miller | Optimized energy management system |
FR2974431A1 (fr) * | 2011-04-19 | 2012-10-26 | Ge Energy Products France Snc | Systeme et procede de commande d'une installation de production d'energie electrique. |
CN103337001A (zh) * | 2013-07-18 | 2013-10-02 | 山东大学 | 考虑最佳期望输出与荷电状态的风电场储能容量优化方法 |
CN103955765A (zh) * | 2014-04-25 | 2014-07-30 | 广东工业大学 | 一种基于发电能力评估和负载分级的微电源容量配置方法 |
CN104065072A (zh) * | 2014-06-16 | 2014-09-24 | 四川大学 | 一种基于动态电价的微电网运行优化方法 |
Non-Patent Citations (1)
Title |
---|
谭兴国: ""微电网复合储能柔性控制技术与容量优化配置"", 《中国博士学位论文全文数据库工程科技Ⅱ辑》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108551175A (zh) * | 2018-04-28 | 2018-09-18 | 国网湖南省电力有限公司 | 配电网储能容量配置方法 |
CN109977138A (zh) * | 2019-03-08 | 2019-07-05 | 浙江新再灵科技股份有限公司 | 一种基于Kafka和SQL的数据查询方法 |
CN110752597A (zh) * | 2019-10-22 | 2020-02-04 | 太原理工大学 | 电-气耦合综合能源系统的最小切负荷策略 |
CN110752597B (zh) * | 2019-10-22 | 2022-04-12 | 太原理工大学 | 电-气耦合综合能源系统的最小切负荷策略 |
CN111928294A (zh) * | 2020-08-06 | 2020-11-13 | 华能太原东山燃机热电有限责任公司 | 一种燃气-蒸汽联合循环机组热电成本分摊的方法 |
CN111928294B (zh) * | 2020-08-06 | 2023-03-24 | 华能太原东山燃机热电有限责任公司 | 一种燃气-蒸汽联合循环机组热电成本分摊的方法 |
TWI748650B (zh) * | 2020-09-17 | 2021-12-01 | 行政院原子能委員會核能研究所 | 基於粒子群演算法之微電網再生能源與儲能配比之建置系統、方法與電腦程式產品 |
CN113852109A (zh) * | 2021-09-23 | 2021-12-28 | 西南交通大学 | 一种异构式微电网群的公平载荷裕度分布式调控方法 |
CN113852109B (zh) * | 2021-09-23 | 2023-04-28 | 西南交通大学 | 一种异构式微电网群的公平载荷裕度分布式调控方法 |
CN113901672A (zh) * | 2021-11-17 | 2022-01-07 | 香港理工大学深圳研究院 | 净零能耗建筑应用风光互补电力蓄能系统的优化设计方法 |
CN115693793A (zh) * | 2022-10-11 | 2023-02-03 | 国网浙江省电力有限公司 | 一种区域微电网能源优化控制方法 |
CN115693793B (zh) * | 2022-10-11 | 2024-05-17 | 国网浙江省电力有限公司 | 一种区域微电网能源优化控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104392394B (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104392394A (zh) | 一种微电网储能裕度的检测方法 | |
WO2023274425A1 (zh) | 一种风光水火储系统的多能容量优化配置方法 | |
CN104065072B (zh) | 一种基于动态电价的微电网运行优化方法 | |
Yuan et al. | Stochastic optimization model for the short-term joint operation of photovoltaic power and hydropower plants based on chance-constrained programming | |
CN105356492B (zh) | 一种适用于微电网的能量管理仿真系统及方法 | |
CN111355230B (zh) | 一种综合能源系统优化调度方法与系统 | |
CN106327006A (zh) | 一种基于综合效益分析的微电网优化配置方法 | |
CN111030188A (zh) | 一种含分布式和储能的分层分级控制策略 | |
Huang et al. | Research on optimal configuration of AC/DC hybrid system integrated with multiport solid-state transforms and renewable energy based on a coordinate strategy | |
Hong et al. | Markov model-based energy storage system planning in power systems | |
CN112072643A (zh) | 一种基于深度确定性梯度策略的光-蓄系统在线调度方法 | |
CN114996908A (zh) | 考虑智能软开关接入的主动配电网扩展规划方法及系统 | |
Koutroulis et al. | Optimal design and economic evaluation of a battery energy storage system for the maximization of the energy generated by wind farms in isolated electric grids | |
Hong et al. | A study of evaluation system based on large scale photovoltaic power generation | |
CN108270237B (zh) | 基于分布式光伏电源的并网控制以及调度的方法 | |
Wang et al. | A bi-level programming model for distribution network expansion planning with distributed generations and energy storage systems | |
Liu et al. | Micro grid energy management based on two-stage robust optimization | |
CN114118590B (zh) | 一种基于能源枢纽的综合能源系统可靠调度方法及装置 | |
Luo et al. | The dynamic multi-objective optimal dispatch of grid-connected micro grid | |
Wang et al. | Optimal sizing of Battery Energy Storage System for household microgrid | |
Wang et al. | Energy management of microgrid based on day-ahead and short-term optimisation | |
CN117748622B (zh) | 一种微电网多态协调控制方法及系统 | |
Ji et al. | A control strategy of ES system based on short term wind-PV power prediction | |
Chi et al. | Multi-Objective Joint Planning Method of Distributed Photovoltaic and Battery Energy Storage System Based on NSGA-III Algorithm | |
Yuqiong et al. | Capacity Configuration Optimization of Micro-grid System basedon Quantum Particle Swarm Algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170531 Termination date: 20181120 |