CN105226688A - 基于机会约束模型的多类型储能系统容量优化配置方法 - Google Patents
基于机会约束模型的多类型储能系统容量优化配置方法 Download PDFInfo
- Publication number
- CN105226688A CN105226688A CN201510659139.1A CN201510659139A CN105226688A CN 105226688 A CN105226688 A CN 105226688A CN 201510659139 A CN201510659139 A CN 201510659139A CN 105226688 A CN105226688 A CN 105226688A
- Authority
- CN
- China
- Prior art keywords
- energy
- storage system
- power
- charge
- type energy
- 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 223
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000005611 electricity Effects 0.000 claims abstract description 61
- 238000011217 control strategy Methods 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 6
- 238000005457 optimization Methods 0.000 claims abstract description 6
- 230000002068 genetic effect Effects 0.000 claims abstract description 5
- 238000013499 data model Methods 0.000 claims abstract description 3
- 210000000349 chromosome Anatomy 0.000 claims description 23
- 238000001914 filtration Methods 0.000 claims description 8
- 230000035772 mutation Effects 0.000 claims description 4
- 108010074864 Factor XI Proteins 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 108090000623 proteins and genes Proteins 0.000 claims description 3
- 238000002948 stochastic simulation Methods 0.000 claims description 3
- 230000002759 chromosomal effect Effects 0.000 claims description 2
- 239000003990 capacitor Substances 0.000 description 4
- 238000010248 power generation Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000013082 photovoltaic technology Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供基于机会约束模型的多类型储能系统容量优化配置方法,所述方法包括:(1)考虑新能源发电随机性建立熵-机会约束数据模型;(2)基于模型模拟建立储能系统充放电控制策略;(3)通过遗传优化算法确定储能系统充放电电量。本发明考虑了风电、光伏发电等新能源发电出力随机性,通过机会约束理论建立模型,通过设置模糊修正系数来划分储能系统状态,在最大程度降低混合储能系统的配置费用,优化多类型储能系统配置容量,使其充放电功率与荷电状态均保持在适宜范围内的基础上,有效平滑新能源发电的功率波动。
Description
技术领域
本发明涉及一种容量配置方法,具体涉及一种基于机会约束模型的储能系统容量优化配置方法,可适应于风储、光储以及风光储等不同方式的联合发电系统中多类型储能系统容量优化配置。
背景技术
由于传统能源逐渐枯竭,所面临的能源环境危机日益严重,风电、光伏等可再生能源发电技术越来越引起人们重视。这些发电方式普遍具有能量密度低和功率输出随机性强等特点,而这也是限制风电、光伏发电并网的主要因素之一。
储能系统可有效平抑风电和光伏发电出力波动,提高风电和光伏发电的并网友好性及规模,但受经济条件约束,能量型储能系统如电池储能,目前因其循环寿命相对较短,在其使用过程中需尽量限制其充放电量及全充全放电次数;而功率型储能系统如超级电容等,因其能量密度低,有时不能有效应对由于大幅度的能量波动而引起的风电或光伏发电的出力波动。而通过将小容量、高功率比、高循环寿命的功率型储能系统和大容量、高能量比的能量型储能系统进行复合应用,通过优化控制混合储能来对不同时间特性的功率波动进行补偿,能够得到相对单一储能系统更好的平抑风电、光伏发电的出力波动效果。因此,提出一种兼顾混合型储能系统功率优化控制及容量优化配置,并用尽可能低的储能系统成本来满足多类型储能系统控制与容量优化配置需求,是目前多类型储能系统联合新能源发电并网应用中急需解决的问题。
发明内容
本发明旨在提供一种基于机会约束模型的多类型储能系统容量优化配置方法,能有效解决上述问题。本发明考虑了风电出力、光伏发电的随机性,通过机会约束理论建立模型,通过设置模糊修正系数来划分储能系统状态,在最大程度降低混合储能系统的配置费用。
为了实现上述发明目的,本发明采取如下技术方案:
一种基于机会约束模型的多类型储能系统容量优化配置方法,所述方法包括如下步骤:
(1)考虑新能源发电随机性建立熵-机会约束数据模型;
(2)基于模型模拟建立储能系统充放电控制策略;
(3)通过遗传优化算法确定储能系统充放电电量。
优选的,所述步骤(1)中,包括如下步骤
步骤1-1、建立以最小化混合储能系统的配置费用,最小化新能源发电波动率的期望,最小化储能系统功率波动的期望为目标的函数,如下式:
且
式中Cinf(α)表示约束条件以一定的置信水平成立的前提下,极小化目标函数的悲观值,Cr为目标函数的悲观值,本模型中则表示在α置信水平下,满足总成本约束情况下,C为最小化混合储能系统的配置费用;,其中Pxreft为为t时刻储能系统参考功率;当x=B时表示能量型储能系统,x=U时表示功率型储能系统;与为决策变量,分别指储能系统的额定功率和额定容量;t为时间指标,i=1,2,...T;SPx为储能单位额定功率费,SEx为储能单位额定容量费,ξxt为t时刻储能系统的修正系数,SPx、SEx和ξxt这三个量为模糊参数,PBt、PUt分别为t时刻能量型与功率型储能系统充放电功率,ξBt、ξUt分别为t时刻能量型储能系统和功率型储能系统的修正系数;Pwt为t时刻新能源发电功率;为t时刻新能源发电目标功率,由式求得,m为低通滤波时间常数;PBref为能量型储能系统参考功率,PBreft为t时刻能量型储能系统参考功率,由式求得,n为高通滤波时间常数;PUref为功率型储能系统参考功率,PUreft为t时刻功率型储能系统参考功率,由式 求得;
其中PBreft为t时刻能量型储能系统参考功率,n为高通滤波时间常数; PUreft为t时刻功率型储能系统参考功率;
步骤1-2、建立储能系统功率出力约束条件,如下式:
式中,Pxt为储能功率;
步骤1-3、建立储能系统荷电状态约束条件,如下式:
其中t时刻的荷电状态由式 获得;
分别为储能荷电状态的上下限值;为储能的初始电量;ηxt为t时刻充放电效率。
优选的,所述步骤(2)中,包括如下步骤:
步骤2-1、将荷电状态值划分为表示各种荷电状态的区间;
步骤2-2、划分对应充放电量区间;
步骤2-3、确定各充放电量区间储能模糊修正参数;
步骤2-4、依次获得各时段储能系统充放电功率与荷电状态。
优选的,所述步骤2-1中,所述荷电状态值范围是0.1~0.9,考虑实际越限情况,将荷电状态分为充电和放电过程,每个过程分为5个状态:[0,A],(A,B],(B,C],(C,D],(D,1]。
优选的,所述步骤2-2中,根据所确定的5个荷电状态值A,B,C,D来对应划分充电过程的充电电量区间为:[0,a],(0,b],(0,c],(0,d],0;放电过程相对应的放电电量区间为:0,(0,d],(0,c],(0,b],[0,a];从而保证荷电状态保持在[0.1,0.9]。
优选的,所述步骤2-3中,根据所述荷电状态值,设置储能修正系数ξ,ξ为三角模糊数,根据不同区间服从的三角模糊数不同,各区间ξxt设置如下:
充电过程5个荷电状态区间相对应ξxt为:(0,a-a*,a),(0,b-b*,b),(0,c-c*,c),(0,d-d*,d),0;放电过程5个荷电状态区间相对应ξxt为:0,(0,d-d*,d),(0,c-c*,c),(0,b-b*,b),(0,a-a*,a);其中a*,b*,c*,d*为设置三角模糊数时所确定的参数。
优选的,所述步骤2-4中,包括如下步骤:
步骤2-4-1、根据t-1时刻的荷电状态SOC(t-1),确定SOC(t-1)所属荷电状态区间范围;
步骤2-4-2、确定SOC(t-1)对应所满足的三角模糊数区间;
步骤2-4-3、随机选择ξxt具体数值作为修正系数,则储能系统的修正功率为储能系统的充放电功率为其中Pxreft为为t时刻储能系统参考功率;
步骤2-4-4、根据t时刻的储能系统的充放电功率Pxt确定出当前t时刻储能系统的荷电状态SOC(t),根据SOC(t)确定t+1时刻的储能系统的充放电功率Px(t+1)。
优选的,所述步骤(3)中,包括如下步骤:
步骤3-1、获得新能源发电目标功率,储能功率,能量型储能系统、功率型储能系统参考功率及最大值;
步骤3-2、初始化能量型储能系统额定功率,功率型储能系统额定功率,能量型储能系统额定容量,功率型储能系统额定容量,定义整数pop_size作为染色体的个数;
步骤3-3、求出成本费用、新能源发电波动率期望、能量型储能系统波动率期望目标值;
步骤3-4、评估,对于模型中的目标,分别赋予权重:ω1,ω2,ω3,对pop_size个染色体分别求出目标值,通过对目标值进行降序排列,评估函数为:
eval(i)=a(1-a)i-1,i=1,2,…,pop_sizea∈(0,1);
步骤3-5、选择,利用轮盘赌的方法选择染色体,首先计算其次,生成随机数r∈[0,qpop_size],若qi<r≤qi+1,则选择第i个染色体,重复该步骤pop_size次,得到pop_size个染色体;
步骤3-6、交叉,定义pc作为交叉概率,将染色体分为成对染色体,对染色体中的每一个基因进行判断,若随机生成的数l∈[0,1],若l≤pc,则进行交叉;
变异,定义pm作为交叉概率,在变异过程中我们重复pop_size,随机生成数r∈[0,1],若r≤pm,则进行变异。
优选的,所述步骤3-1中,令每个新能源发电随机变量服从对数正态分布,通过随机模拟得出新能源发电数据,根据式获得所述新能源发电目标功率,通过式获得所述储能功率Pst,令
n=0.4,PBreft=Pwt*n/(n+1),PUref=Pst-PBref分别得出t时刻能量型、功率型储能系统参考功率,以及能量型、功率型储能系统最大功率值
PB_max=max(|PBreft|),PU_max=max(|PUreft|)。
优选的,所述步骤3-2中,所述能量型储能系统额定功率,功率型储能系统额定功率,能量型储能系统额定容量,功率型储能系统额定容量分别通过下式获得:
式中,为能量型储能系统额定功率,为功率型储能系统额定功率,为能量型储能系统额定容量,为功率型储能系统额定容量,λB1,λB2表示能量型储能系统额定功率取值上下限区间系数,λU1,,λU2表示功率型储能系统额定功率取值上下限区间系数,μB1,μB2表示能量型储能系统额定容量取值上下限区间系数,μU1,μU2为功率型储能系统额定容量取值上下限区间系数。
优选的,所述步骤3-3中,包括如下步骤:
所述成本费用:能量型储能单位额定功率费SPB和功率型储能单位额定功率费SPU服从梯形模糊数(t1,t2,t3,t4),(t11,t22,t33,t44),能量型储能单位额定容量费SEB和功率型储能单位额定容量费SEU服从梯形模糊数(s1,s2,s3,s4)和(s11,s22,s33,s44),
所述新能源发电波动率期望:式中Pwt为t时刻新能源发电功率;为t时刻新能源发电目标功率,PBt为t时刻能量型储能系统充放电功率,PUt为t时刻功率型储能系统充放电功率;
所述能量型储能系统波动率期望:
与现有技术相比,本发明的有益效果在于:
本发明考虑了风力发电、光伏发电等新能源发电随机性和波动性,通过机会约束理论建立模型,通过设置模糊修正系数来划分储能系统状态,在最大程度降低混合储能系统的容量配置费用,使其充放电功率与荷电状态均保持在适宜范围内的基础上,并有效平滑风电和光伏发电等新能源发电出力波动。
附图说明
图1是本发明提供的一种基于机会约束模型的多类型储能系统容量优化配置方法流程图
图2是本发明提供的荷电状态及可充放电量的划分区间图
具体实施方式
下面结合附图对本发明作进一步详细说明。
为了解决现有技术利用混合储能平抑风电、光伏发电等新能源发电出力波动中对混合储能系统容量配置的问题,本发明实施例提出了一种基于机会约束模型的多类型储能系统容量优化配置方法,该方法先考虑风电、光伏发电等新能源发电随机性来建立熵-机会约束数学模型,然后基于模糊模拟建立了储能系统充放电控制策略;最后通过遗传优化算法来确定储能系统充放电量,最终实现了利用混合储能系统对风电、光伏发电等新能源发电出力波动的抑制,并最大程度使得能量型储能(储能电池)和功率型储能(超级电容)配置费用最低,如图1所示,具体包括如下步骤:
步骤1、考虑新能源发电随机性来建立熵-机会约束数学模型;
建立以最小化混合储能系统的配置费用,最小化新能源发电波动率的期望,最小化电池功率波动的期望为目标的函数,如(1)-(3)式:
且
式中Cinf(α)表示约束条件以一定的置信水平成立的前提下,极小化目标函数的悲观值,Cr为目标函数的悲观值,本模型中则表示在α置信水平下,满足总成本约束情况下,C为最小化混合储能系统的配置费用;当x=B时表示能量型储能系统,x=U时表示功率型储能系统;与为决策变量,分别指储能系统的额定功率和额定容量;t为时间指标,i=1,2,...T;SPx为储能单位额定功率费,SEx为储能单位额定容量费,ξxt为t时刻储能系统的修正系数,SPx、SEx和ξxt这三个量为模糊参数,PBt、PUt分别为t时刻能量型与功率型储能系统充放电功率,ξBt、ξUt分别为t时刻能量型储能系统和功率型储能系统的修正系数;Pwt为t时刻新能源发电功率;为t时刻新能源发电目标功率,由式求得,m为低通滤波时间常数;PBref为能量型储能系统参考功率,PBreft为t时刻能量型储能系统参考功率,由式求得,n为高通滤波时间常数;PUref为功率型储能系统参考功率,PUreft为t时刻功率型储能系统参考功率,由式 求得;其中PBreft为t时刻能量型储能系统参考功率,n为高通滤波时间常数; PUreft为t时刻功率型储能系统参考功率;
建立储能系统功率出力约束条件,如式(5):
建立储能系统荷电状态约束条件,如式(6):
其中t时刻的荷电状态由式获得;分别为储能荷电状态的上下限值;为储能的初始电量;ηxt为t时刻充放电效率。
步骤2、基于模糊模拟建立储能系统充放电控制策略。
步骤2.1、将荷电状态值划分为表示各种荷电状态的区间。
为保证储能不过充,不过放电,保证储能荷电状态保持在将荷电状态分为充电和放电过程,每个过程分为5个状态:[0,A];(A,B];(B,C];(C,D];(D,1],如在算例分析表1中,设定了A=0.2,B=0.4,C=0.6,D=0.8。
步骤2.2、划分对应充放电量区间。
如图2所示,根据所确定的5个荷电状态值A,B,C,D来对应划分充电过程的充电电量区间为:[0,a];(0,b];(0,c];(0,d];0;放电过程相对应的放电电量区间为:0;(0,d];(0,c];(0,b];[0,a];从而保证荷电状态保持在[0.1,0.9]。
另外,依据算例表1所示,对A,B,C,D分别设定后,对应取a,b,c,d的计算方法分别为a=(0.9-A)*Emax=70%Emax,b=(0.9-B)*Emax=50%Emax,c=(0.9-C)*Emax=30%Emax,d=(0.9-D)*Emax=10%Emax。Emax表示储能系统最大电量。表1所示的可放电量的取值范围,也可以依据上述方法计算。
步骤2.3、确定各充放电量区间储能模糊修正参数。
根据荷电状态值,设置t时刻储能修正系数ξxt,ξxt为三角模糊数,根据不同区间服从的三角模糊数不同,各区间ξxt设置如下:
充电过程5个荷电状态区间相对应ξxt为:(0,a-a*,a);(0,b-b*,b);(0,c-c*,c);(0,d-d*,d);0,放电过程5个荷电状态区间相对应ξxt为:0;(0,d-d*,d);(0,c-c*,c);(0,b-b*,b);(0,a-a*,a);其中a*,b*,c*,d*为设置三角模糊数时所确定的参数,在算例仿真中,为了更加清楚的表示当前时刻的荷电状态,并能表示0到1的直接所有可能的荷电状态值,因此选取a*=0.3,b*=0.25,c*=0.1,d*=0.05。
步骤2.4、依次获得各时段储能系统充放电功率与荷电状态。
根据t-1秒的SOC,确定SOC(t-1)所属荷电状态区间范围,进而确定其对应所满足的三角模糊数区间,随机选择ξxt具体数值作为修正系数,则储能系统的修正功率为储能功率为根据t时刻的储能系统功率Pxt可确定出当前t时刻储能SOC(t),然后根据SOC(t)确定Px(t+1),从而依次求出各时段储能系统的功率和荷电状态值。
步骤3、通过遗传优化算法确定储能系统充放电量。
具体计算流程如下:
步骤3.1、获得新能源发电目标功率,储能功率,能量型储能系统、功率型储能系统参考功率及最大值。
另每个新能源发电随机变量服从对数正态分布,通过随机模拟得出新能源发电数据,根据式获得目标功率,通过式获得储能功率,另n=0.4,PBreft=Pwt*n/(n+1),PUreft=Pst-PBreft分别得出能量型、功率型储能系统参考功率,以及能量型、功率型储能系统最大功率值PB_max=max(|PBreft|),PU_max=max(|PUreft|)。
步骤3.2、初始化能量型储能系统额定功率,功率型储能系统额定功率,能量型储能系统额定容量,功率型储能系统额定容量,定义整数pop_size作为染色体个数的方法,根据式(7)-(10)获得:
其中λB1,λB2表示能量型储能系统额定功率取值上下限区间系数,λU1,,λU2表示功率型储能系统额定功率取值上下限区间系数,μB1,μB2表示能量型储能系统额定容量取值上下限区间系数,μU1,μU2为功率型储能系统额定容量取值上下限区间系数。为尽可能满足约束条件,通过多次试验确定λB1=2,λB2=3,λU1=3,λU2=4,μB1=1100,μB2=1375,μU1=579,μU2=618。
步骤3.3、结合控制策略求出能量型储能系统与功率型储能系统实际充放电功率及荷电状态,设定目标。
成本:
对梯形模糊变量ξ=(a,b,c,d),其置信水平函数由下式定义:
设定能量型储能单位额定功率费SPB和功率型储能单位额定功率费SPU服从梯形模糊数(t1,t2,t3,t4)和(t11t22,t33,t44),能量型储能单位额定容量费SEB和功率型储能单位额定容量费SEU服从梯形模糊数(s1,s2,s3,s4)和(s11,s22,s33,s44),而模糊参数具体数值则要通过在满足约束条件的情况下反复进行仿真总结规律来确定,在算例中确定(t1,t2,t3,t4)和(t11t22,t33,t44)分别为(300,330,370,400),(400,430,470,500),(s1,s2,s3,s4)和(s11,s22,s33,s44)分别设定为(3500,3620,3780,3900)和(280,316,364,400)时能够使得约束条件合理满足并且算法可以稳定收敛。
新能源发电波动率期望:
能量型储能系统波动率期望:
步骤3.4、评估,对于模型中的目标,分别赋予权重:0.4,0.4,0.2,对pop_size个染色体分别求出目标值,通过对目标值降序进行排列评估函数为:
eval(i)=a(1-a)i-1,i=1,2,…,pop_sizea∈(0,1);(13)
步骤3.5、选择,利用轮盘赌的方法选择染色体,首先计算其次,生成随机数r∈[0,1],如果qi<r≤qi+1,选择第i个染色体,重复以上过程pop_size次,得到pop_size个染色体;
步骤3.6、交叉,定义pc作为交叉概率,将染色体分为成对染色体,对染色体中的每一个基因进行判断,如果随机生成的数r∈[0,1],如果r≤pc,则进行交叉;
步骤3.7、变异,定义pm作为变异概率,在变异过程中我们重复pop_size,随机生成数r∈[0,1],如果r≤pm,则进行变异;
步骤3.8确定出使得目标函数取得最小值时的染色体,进而获得超级电容与电池的额定功率以及额定容量。
针对本发明专利中提出的方法,储能荷电状态及可充放电量的具体划分区间可按照下述方法具体实现。例如,能量型储能系统以电池为例,功率型储能系统以超级电容为例,具体的荷电状态、电量及模糊修正参数等,可按照如下表1所示的方式,在本专利实际实施过程中,进行各区间的划分。
表1储能系统充放电控制策略
SOC区间 | [0,0.2] | [0.2,0.4) | [0.4,0.6) | [0.6,0.8) | [0.8,1) |
可充电量 | ≤70%Emax | ≤50%Emax | ≤30%Emax | ≤10%Emax | 0 |
ξxt | (0,0.4,0.7) | (0,0.25,0.5) | (0,0.2,0.3) | (0,0.05,0.1) | 0 |
可放电量 | 0 | ≤10%Emax | ≤30%Emax | ≤50%Emax | ≤70%Emax |
ξxt | 0 | (0,0.05,0.1) | (0,0.2,0.3) | (0,0.25,0.5) | (0,0.4,0.7) |
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求范围当中。
Claims (11)
1.一种基于机会约束模型的多类型储能系统容量优化配置方法,其特征在于,所述方法包括如下步骤:
(1)考虑新能源发电随机性建立熵-机会约束数据模型;
(2)基于模型模拟建立储能系统充放电控制策略;
(3)通过遗传优化算法确定储能系统充放电电量。
2.根据权利要求1所述优化配置方法,其特征在于,所述步骤(1)中,包括如下步骤
步骤1-1、建立以最小化混合储能系统的配置费用,最小化新能源发电波动率的期望,最小化储能系统功率波动的期望为目标的函数,如下式:
且
式中Cinf(α)表示约束条件以一定的置信水平成立的前提下,极小化目标函数的悲观值,Cr为目标函数的悲观值,本模型中则表示在α置信水平下,满足总成本约束情况下,C为最小化混合储能系统的配置费用;当x=B时表示能量型储能系统,x=U时表示功率型储能系统;与为决策变量,分别指储能系统的额定功率和额定容量;t为时间指标,i=1,2,...T;SPx为储能单位额定功率费,SEx为储能单位额定容量费,ξxt为t时刻储能系统的修正系数,SPx、SEx和ξxt这三个量为模糊参数,PBt、PUt分别为t时刻能量型与功率型储能系统充放电功率,ξBt、ξUt分别为t时刻能量型储能系统和功率型储能系统的修正系数;Pwt为t时刻新能源发电功率;为t时刻新能源发电目标功率,由式求得,m为低通滤波时间常数;PBref为能量型储能系统参考功率,PUref为功率型储能系统参考功率,其中PBreft为t时刻能量型储能系统参考功率,n为高通滤波时间常数; 其中PUreft为t时刻功率型储能系统参考功率。
步骤1-2、建立储能系统功率出力约束条件,如下式:
式中,Pxt为储能功率;
步骤1-3、建立储能系统荷电状态约束条件,如下式:
其中t时刻的荷电状态由式获得; SOC x 分别为储能荷电状态的上下限值;为储能的初始电量;ηxt为t时刻充放电效率。
3.根据权利要求1所述优化配置方法,其特征在于,所述步骤(2)中,包括如下步骤:
步骤2-1、将荷电状态值划分为表示各种荷电状态的区间;
步骤2-2、划分对应充放电量区间;
步骤2-3、确定各充放电量区间储能模糊修正参数;
步骤2-4、依次获得各时段储能系统充放电功率与荷电状态。
4.根据权利要求3所述优化配置方法,其特征在于,所述步骤2-1中,所述荷电状态值范围是0.1~0.9,考虑实际越限情况,将荷电状态分为充电和放电过程,每个过程分为5个状态:[0,A],(A,B],(B,C],(C,D],(D,1]。
5.根据权利要求3所述优化配置方法,其特征在于,所述步骤2-2中,根据所确定的5个荷电状态值A,B,C,D来对应划分充电过程的充电电量区间为:[0,a],(0,b],(0,c],(0,d],0;放电过程相对应的放电电量区间为:0,(0,d],(0,c],(0,b],[0,a];从而保证荷电状态保持在[0.1,0.9]。
6.根据权利要求3所述优化配置方法,其特征在于,所述步骤2-3中,根据所述荷电状态值,设置t时刻储能修正系数ξxt,ξxt为三角模糊数,根据不同区间服从的三角模糊数不同,各区间ξxt设置如下:
充电过程5个荷电状态区间相对应ξxt为:(0,a-a*,a),(0,b-b*,b),(0,c-c*,c),(0,d-d*,d),0;放电过程5个荷电状态区间相对应ξxt为:0,(0,d-d*,d),(0,c-c*,c),(0,b-b*,b),(0,a-a*,a);其中a*,b*,c*,d*为设置三角模糊数时所确定的参数。
7.根据权利要求4所述优化配置方法,其特征在于,所述步骤2-4中,包括如下步骤:
步骤2-4-1、根据t-1时刻的荷电状态SOC(t-1),确定SOC(t-1)所属荷电状态区间范围;
步骤2-4-2、确定SOC(t-1)对应所满足的三角模糊数区间;
步骤2-4-3、随机选择ξxt具体数值作为修正系数,则储能系统的修正功率为储能系统的充放电功率为其中Pxreft为为t时刻储能系统参考功率;
步骤2-4-4、根据t时刻的储能系统的充放电功率Pxt确定出当前t时刻储能系统的荷电状态SOC(t),根据SOC(t)确定t+1时刻的储能系统的充放电功率Px(t+1)。
8.根据权利要求1所述优化配置方法,其特征在于,所述步骤(3)中,包括如下步骤:
步骤3-1、获得新能源发电目标功率,储能功率,能量型储能系统、功率型储能系统参考功率及最大值;
步骤3-2、初始化能量型储能系统额定功率,功率型储能系统额定功率,能量型储能系统额定容量,功率型储能系统额定容量,定义整数pop_size作为染色体的个数;
步骤3-3、求出成本费用、新能源发电波动率期望、能量型储能系统波动率期望目标值;
步骤3-4、评估,对于模型中的目标,分别赋予权重:ω1,ω2,ω3,对pop_size个染色体分别求出目标值,通过对目标值进行降序排列,评估函数为:
eval(i)=a(1-a)i-1,i=1,2,…,pop_sizea∈(0,1);
步骤3-5、选择,利用轮盘赌的方法选择染色体,首先计算pop_size,其次,生成随机数r∈[0,qpop_size],若qi<r≤qi+1,则选择第i个染色体,重复该步骤pop_size次,得到pop_size个染色体;
步骤3-6、交叉,定义pc作为交叉概率,将染色体分为成对染色体,对染色体中的每一个基因进行判断,若随机生成的数l∈[0,1],若l≤pc,则进行交叉;
变异,定义pm作为交叉概率,在变异过程中我们重复pop_size,随机生成数r∈[0,1],若r≤pm,则进行变异。
9.根据权利要求8所述优化配置方法,其特征在于,所述步骤3-1中,令每个新能源发电随机变量服从对数正态分布,通过随机模拟得出新能源发电数据,根据式获得所述新能源发电目标功率,通过式获得所述储能功率Pst,令n=0.4,PBreft=Pwt*n/(n+1),PUref=Pst-PBref分别得出t时刻能量型、功率型储能系统参考功率,以及能量型、功率型储能系统最大功率值PB_max=max(|PBreft|),PU_max=max(|PUreft|)。
10.根据权利要求8所述优化配置方法,其特征在于,所述步骤3-2中,所述能量型储能系统额定功率,功率型储能系统额定功率,能量型储能系统额定容量,功率型储能系统额定容量分别通过下式获得:
式中,为能量型储能系统额定功率,为功率型储能系统额定功率,为能量型储能系统额定容量,为功率型储能系统额定容量,λB1,λB2表示能量型储能系统额定功率取值上下限区间系数,λU1,,λU2表示功率型储能系统额定功率取值上下限区间系数,μB1,μB2表示能量型储能系统额定容量取值上下限区间系数,μU1,μU2为功率型储能系统额定容量取值上下限区间系数。
11.根据权利要求8所述优化配置方法,其特征在于,所述步骤3-3中,包括如下步骤:
所述成本费用:能量型储能单位额定功率费SPB和功率型储能单位额定功率费SPU服从梯形模糊数(t1,t2,t3,t4),(t11,t22,t33,t44),能量型储能单位额定容量费SEB和功率型储能单位额定容量费SEU服从梯形模糊数(s1,s2,s3,s4)和(s11,s22,s33,s44),
所述新能源发电波动率期望:式中Pwt为t时刻新能源发电功率;为t时刻新能源发电目标功率,PBt为t时刻能量型储能系统充放电功率,PUt为t时刻功率型储能系统充放电功率;
所述能量型储能系统波动率期望:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510659139.1A CN105226688B (zh) | 2015-10-12 | 2015-10-12 | 基于机会约束模型的多类型储能系统容量优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510659139.1A CN105226688B (zh) | 2015-10-12 | 2015-10-12 | 基于机会约束模型的多类型储能系统容量优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105226688A true CN105226688A (zh) | 2016-01-06 |
CN105226688B CN105226688B (zh) | 2018-11-27 |
Family
ID=54995480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510659139.1A Active CN105226688B (zh) | 2015-10-12 | 2015-10-12 | 基于机会约束模型的多类型储能系统容量优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105226688B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760964A (zh) * | 2016-03-15 | 2016-07-13 | 国网浙江省电力公司电力科学研究院 | 微电网优化配置方法和装置 |
CN106125074A (zh) * | 2016-08-16 | 2016-11-16 | 南京航空航天大学 | 一种基于模糊机会约束规划的天线孔径资源管理方法 |
CN106451504A (zh) * | 2016-10-19 | 2017-02-22 | 上海电力设计院有限公司 | 一种混合储能系统配置成本的控制方法及装置 |
CN106998072A (zh) * | 2017-05-15 | 2017-08-01 | 国网江苏省电力公司电力科学研究院 | 一种面向配电网优化运行的混合储能系统容量优化配置方法 |
CN107069782A (zh) * | 2016-11-29 | 2017-08-18 | 北京交通大学 | 应用于轨道交通车载混合储能系统的容量配置方法 |
CN107181270A (zh) * | 2017-07-12 | 2017-09-19 | 南京邮电大学 | 一种多储能柔性抑制风电的随机动态规划方法 |
CN107769645A (zh) * | 2016-08-22 | 2018-03-06 | 中车株洲电力机车研究所有限公司 | 基于电驱系统的状态估计的协同控制方法 |
CN108306326A (zh) * | 2018-02-07 | 2018-07-20 | 重庆大学 | 用于平滑风电波动功率的双电池组储能系统长期稳定运行控制方法 |
CN108964103A (zh) * | 2018-07-27 | 2018-12-07 | 广州穗华能源科技有限公司 | 一种考虑微网系统可调度性的微网储能配置方法 |
CN109004670A (zh) * | 2018-08-01 | 2018-12-14 | 广州供电局有限公司 | 多类型储能系统的容量配置方法、装置和系统 |
CN109066739A (zh) * | 2018-07-26 | 2018-12-21 | 西南交通大学 | 一种牵引供电系统再生制动能量储能介质功率及容量配置方法 |
CN109921416A (zh) * | 2019-03-15 | 2019-06-21 | 国网冀北电力有限公司 | 混合储能系统功率及容量的确定方法及装置 |
CN113036788A (zh) * | 2021-05-27 | 2021-06-25 | 中国能源建设集团湖南省电力设计院有限公司 | 一种支撑电力系统新能源消纳的储能配置及成本分析方法 |
CN115360739A (zh) * | 2022-10-19 | 2022-11-18 | 广东电网有限责任公司佛山供电局 | 一种考虑储能充放电模式的风光储优化运行方法及系统 |
CN116979587A (zh) * | 2023-09-25 | 2023-10-31 | 法罗电力(浙江)有限公司 | 一种储能系统soc自动管理方法与系统 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108306319B (zh) * | 2018-02-12 | 2020-06-16 | 清华大学 | 一种新能源微网中储能配置优化方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103779869B (zh) * | 2014-02-24 | 2016-02-03 | 国家电网公司 | 考虑荷电状态动态调整的储能电站容量优化计算方法 |
CN103854070A (zh) * | 2014-03-07 | 2014-06-11 | 天津大学 | 独立微网系统的随机优化规划方法 |
CN104167750B (zh) * | 2014-08-18 | 2016-09-21 | 国家电网公司 | 一种配网削峰填谷的分布式储能功率分配及协调控制方法 |
CN104578121B (zh) * | 2014-12-22 | 2017-07-14 | 国家电网公司 | 一种混合储能系统功率分配的方法及系统 |
-
2015
- 2015-10-12 CN CN201510659139.1A patent/CN105226688B/zh active Active
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105760964A (zh) * | 2016-03-15 | 2016-07-13 | 国网浙江省电力公司电力科学研究院 | 微电网优化配置方法和装置 |
CN106125074B (zh) * | 2016-08-16 | 2018-11-23 | 南京航空航天大学 | 一种基于模糊机会约束规划的天线孔径资源管理方法 |
CN106125074A (zh) * | 2016-08-16 | 2016-11-16 | 南京航空航天大学 | 一种基于模糊机会约束规划的天线孔径资源管理方法 |
CN107769645A (zh) * | 2016-08-22 | 2018-03-06 | 中车株洲电力机车研究所有限公司 | 基于电驱系统的状态估计的协同控制方法 |
CN107769645B (zh) * | 2016-08-22 | 2020-04-21 | 中车株洲电力机车研究所有限公司 | 基于电驱系统的状态估计的协同控制方法 |
CN106451504A (zh) * | 2016-10-19 | 2017-02-22 | 上海电力设计院有限公司 | 一种混合储能系统配置成本的控制方法及装置 |
CN107069782A (zh) * | 2016-11-29 | 2017-08-18 | 北京交通大学 | 应用于轨道交通车载混合储能系统的容量配置方法 |
CN107069782B (zh) * | 2016-11-29 | 2020-02-04 | 北京交通大学 | 应用于轨道交通车载混合储能系统的容量配置方法 |
CN106998072A (zh) * | 2017-05-15 | 2017-08-01 | 国网江苏省电力公司电力科学研究院 | 一种面向配电网优化运行的混合储能系统容量优化配置方法 |
CN107181270A (zh) * | 2017-07-12 | 2017-09-19 | 南京邮电大学 | 一种多储能柔性抑制风电的随机动态规划方法 |
CN107181270B (zh) * | 2017-07-12 | 2018-09-25 | 南京邮电大学 | 一种多储能柔性抑制风电的随机动态规划方法 |
CN108306326A (zh) * | 2018-02-07 | 2018-07-20 | 重庆大学 | 用于平滑风电波动功率的双电池组储能系统长期稳定运行控制方法 |
CN108306326B (zh) * | 2018-02-07 | 2021-06-04 | 重庆大学 | 用于平滑风电波动功率的双电池组储能系统运行控制方法 |
CN109066739A (zh) * | 2018-07-26 | 2018-12-21 | 西南交通大学 | 一种牵引供电系统再生制动能量储能介质功率及容量配置方法 |
CN108964103A (zh) * | 2018-07-27 | 2018-12-07 | 广州穗华能源科技有限公司 | 一种考虑微网系统可调度性的微网储能配置方法 |
CN108964103B (zh) * | 2018-07-27 | 2021-11-05 | 广州穗华能源科技有限公司 | 一种考虑微网系统可调度性的微网储能配置方法 |
CN109004670A (zh) * | 2018-08-01 | 2018-12-14 | 广州供电局有限公司 | 多类型储能系统的容量配置方法、装置和系统 |
CN109921416A (zh) * | 2019-03-15 | 2019-06-21 | 国网冀北电力有限公司 | 混合储能系统功率及容量的确定方法及装置 |
CN113036788A (zh) * | 2021-05-27 | 2021-06-25 | 中国能源建设集团湖南省电力设计院有限公司 | 一种支撑电力系统新能源消纳的储能配置及成本分析方法 |
CN113036788B (zh) * | 2021-05-27 | 2021-08-06 | 中国能源建设集团湖南省电力设计院有限公司 | 一种支撑电力系统新能源消纳的储能配置及成本分析方法 |
CN115360739A (zh) * | 2022-10-19 | 2022-11-18 | 广东电网有限责任公司佛山供电局 | 一种考虑储能充放电模式的风光储优化运行方法及系统 |
CN115360739B (zh) * | 2022-10-19 | 2023-01-24 | 广东电网有限责任公司佛山供电局 | 一种考虑储能充放电模式的风光储优化运行方法及系统 |
CN116979587A (zh) * | 2023-09-25 | 2023-10-31 | 法罗电力(浙江)有限公司 | 一种储能系统soc自动管理方法与系统 |
CN116979587B (zh) * | 2023-09-25 | 2023-12-19 | 法罗电力(浙江)有限公司 | 一种储能系统soc自动管理方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105226688B (zh) | 2018-11-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105226688A (zh) | 基于机会约束模型的多类型储能系统容量优化配置方法 | |
CN108667052B (zh) | 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统 | |
CN109559035B (zh) | 一种考虑灵活性的城市配电网双层规划方法 | |
CN104362677B (zh) | 一种主动配电网优化配置结构及其配置方法 | |
CN109325608B (zh) | 考虑储能并计及光伏随机性的分布式电源优化配置方法 | |
CN110502814A (zh) | 考虑储能和负荷管理技术的主动配电网多目标规划方法 | |
CN103490410B (zh) | 一种基于多目标优化的微电网规划和容量配置方法 | |
CN104701871B (zh) | 一种含风光水多源互补微网混合储能容量最佳配比方法 | |
CN103840457B (zh) | 考虑电动汽车充放电影响的配电网内dg优化配置方法 | |
CN108470239A (zh) | 计及需求侧管理和储能的主动配电网多目标分层规划方法 | |
CN105990838B (zh) | 一种计及可调度和可平移负荷的海岛微电网优化调度方法 | |
CN105207259B (zh) | 基于能量管理的并网状态下的微电网系统调度方法 | |
CN106972516A (zh) | 一种适用于微网的多类型储能多级控制方法 | |
CN107834601A (zh) | 一种考虑柔性负荷的独立微电网系统容量优化配置方法 | |
CN107994595A (zh) | 一种削峰填谷控制方法和系统以及应用该控制方法的系统 | |
CN109658012A (zh) | 一种计及需求侧响应的微电网多目标经济调度方法及装置 | |
CN110826880B (zh) | 一种大规模电动汽车接入的主动配电网优化调度方法 | |
CN103986194B (zh) | 一种独立型微网优化配置方法和装置 | |
CN110633854A (zh) | 一种考虑储能电池多重分段服务全生命周期优化规划方法 | |
CN102855592B (zh) | 多目标调峰优化方法和系统 | |
CN106485358A (zh) | 结合序列运算和粒子群算法的独立微电网优化配置方法 | |
CN105305419A (zh) | 一种含有压缩空气储能的独立微网容量优化配置方法 | |
Mahesh et al. | Optimal sizing of a grid-connected PV/wind/battery system using particle swarm optimization | |
CN104951614A (zh) | 一种计及电动汽车充电可控性的机组组合模型及建模方法 | |
CN107273968A (zh) | 一种基于动态模糊混沌粒子群的多目标调度方法及装置 |
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 |