CN107239847A - 一种主动配电网储能系统动态规划方法 - Google Patents
一种主动配电网储能系统动态规划方法 Download PDFInfo
- Publication number
- CN107239847A CN107239847A CN201710235551.XA CN201710235551A CN107239847A CN 107239847 A CN107239847 A CN 107239847A CN 201710235551 A CN201710235551 A CN 201710235551A CN 107239847 A CN107239847 A CN 107239847A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- energy
- storage system
- distribution network
- 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.)
- Pending
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 130
- 238000009826 distribution Methods 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000013439 planning Methods 0.000 claims abstract description 46
- 230000005611 electricity Effects 0.000 claims description 12
- 239000013256 coordination polymer Substances 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 5
- 230000002068 genetic effect Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000011160 research Methods 0.000 abstract description 6
- 238000010276 construction Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 239000000243 solution Substances 0.000 description 5
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 229910052744 lithium Inorganic materials 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000000205 computational method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000007728 cost analysis Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000006477 desulfuration reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000010353 genetic engineering Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000002123 temporal 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种主动配电网储能系统动态规划方法,以含有分布式光伏和储能系统的主动配电网为研究对象,所述动态规划方法基于双层规划模型并结合最短路径思想对储能系统的出力策略进行优化,从而确定在储能系统最优出力策略下的分布式光伏和储能系统的装机容量,所述双层规划模型中,上层规划以配电网年综合费用最小为目标确定分布式光伏和储能系统的装机容量,生成规划方案,下层规划以配电网典型日运行费用及负荷峰谷差最小为目标对储能系统在一个运行周期及一天内的出力策略进行优化。与现有技术相比,本发明可有效改善主动配电网的运行特性及分布式电源和储能系统的优化配置。
Description
技术领域
本发明涉及主动配电网规划技术领域,尤其是涉及一种主动配电网储能系统动态规划方法。
背景技术
随着全社会对能源短缺和环境问题的关注,大量分布式新能源发电接入配电网中,然而分布式电源的间歇性和随机性增加了电网运行的不确定性,从而影响网损和电压分布。
储能系统兼具供蓄能力,可快速调节功率,在配电网中起到削峰填谷的作用。为了合理规划分布式电源(Distributed Generator,DG)和储能系统(Energy Storage System,ESS),主动配电网技术应运而生。
国内外多年来在传统配电网规划方面已有丰富的研究成果积累,近年来在主动配电网规划研究方面也有了一定进展。如文献“主动配电网储能系统的多目标优化配置”(尤毅,刘东,钟清,等.电力系统自动化,2014,38(18):46-52)采用比较实际负荷与平均负荷之间的大小关系来确定储能系统的充放电策略,从而对储能系统进行优化配置;文献“风电场复合储能系统容量配置的优化设计”(张坤,毛承雄,谢俊文,等.中国电机工程学报,2012(2012年25):79-87)采用特性参数-功率平滑度的短期神经网络模型对储能系统进行优化配置;文献“用于跟踪风电场计划出力的电池储能系统容量优化配置”(杨水丽,李建林,惠东,等.电网技术,2014,38(6):1485-1491)通过历史数据确定储能系统功率与各参量及指标的特性关系,从而采用截止正态分布法进行储能的优化配置;文献“电池储能系统恒功率削峰填谷优化策略研究”(陈满,陆志刚,刘怡,等.电网技术,2012(2012年09):232-237)采用恒功率模型研究储能系统的削峰填谷作用并进行优化配置研究;文献“考虑分布式电源及储能配合的主动配电网规划–运行联合优化”(沈欣炜,朱守真,郑竞宏,等.电网技术,2015,39(7):1913-1920)采用经济调度的方式对储能进行优化配置。
然而,现在的配电网储能系统规划存在以下不足:
·以静态的思想或者从负荷的角度进行储能系统规划;
●没有考虑储能系统自身具有容量、充放电率等约束,应该在满足自身约束的条件下进行优化配置。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种主动配电网储能系统动态规划方法。
本发明的目的可以通过以下技术方案来实现:
一种主动配电网储能系统动态规划方法,所述主动配电网中含有分布式光伏和储能系统,所述动态规划方法基于双层规划模型进行动态规划,所述双层规划模型中,上层规划以配电网年综合费用最小为目标确定分布式光伏和储能系统的装机容量,生成规划方案,下层规划以配电网典型日运行费用及负荷峰谷差最小为目标对储能系统在一个运行周期及一天内的出力进行优化。
所述上层规划的目标函数为:
min C=CI+COM+CP
式中,C为配电网年综合费用,CI为折算到每年的固定建设费,COM为配电网年运行维护费用,CP为变电站年供电费;
所述上层规划的约束条件包括待选节点分布式光伏与储能装机容量约束,表示为:
式中,PPVG,i、EESS,i分别为待选节点i当前的分布式光伏与储能系统的装机容量,和分别为待选节点i允许的分布式光伏与储能系统的装机容量上限。
所述下层规划为双目标规划,目标函数包括典型日运行费用最小和典型日配电网总峰谷差最小,表示为:
minc=cOM+cP
minpgap=pmax-pmin
式中,c为典型日运行费用,cOM为储能系统典型日运行费用,cP为变电站典型日供电费用,pgap为典型日配电网总峰谷差,pmax和pmin分别为典型日配电网内总负荷最大值和最小值;
所述下层规划的约束条件包括功率约束、电压电流约束和储能系统自身约束,其中,所述功率约束表示为:
式中,Pi,t、Qi,t为t时刻节点i注入的有功功率和无功功率;Ui,t、Uj,t分别代表为t时刻节点i和节点j的电压,j∈i表示节点j与节点i相连,Gij、Bij、δij,t分别为节点i和节点j之间的电导、电纳及相角差,Nbus为电力负荷节点总个数;
所述电压电流约束表示为:
式中,为节点i的电压上下限,Il,t为t时刻支路l上的电流,为支路l的电流上限;
所述储能系统自身约束包括剩余容量约束、充放电率约束、运行状态约束和初始化约束。
所述剩余容量约束表示为:
所述充放电率约束表示为:
所述运行状态约束表示为:
所述初始化约束表示为:
EESS,i,0=EESS,i,T
式中,EESS,i,t为t时刻储能系统电池的剩余容量,pESS,i,+和pESS,i,-分别为单位时间内电池的充放电功率,为电池的额定装机容量,λ为电池的最小剩余容量系数,α和β为电池的充放电率系数,u1,t,u2,t,u0,t分别表示储能系统电池的充电状态、放电状态和备用状态,EESS,i,0、EESS,i,T为电池在一个调度周期内初始状态和结束状态的剩余容量,T为一个调度周期。
所述上层规划采用遗传算法进行优化获得规划方案。
所述下层规划中,基于最短路径法的多阶段动态规划获得储能系统的最优出力曲线。
所述下层规划中,采用线性加权和法将双目标规划转化为单目标规划,所述线性加权和法的权系数采用目标函数适应度离差排序法确定。
所述上层规划将预选的规划方案传递给下层规划,下层规划在上层规划生成的规划方案基础上对储能系统在一个典型日内的充放电策略进行优化,并将获得的最优的典型日配电网运行费用传递给上层规划。
与现有技术相比,本发明具有以下有益效果:
(1)本发明对储能系统的出力进行动态建模,采用多阶段动态规划结合最短路径法求解储能系统的最优出力策略,它不仅仅是单阶段规划的累加,还能考虑各阶段储能系统的动态变化以及相互联系,充分考虑了储能系统出力的时序特性,并且较好地考虑了其自身剩余容量和出力上下限约束,更符合实际情况,以整体最优为目标决定规划期内储能系统与分布式电源的装机容量。
(2)本发明对储能系统进行动态规划,更好地发挥储能系统对于配电网的负荷调峰填谷作用,在含分布式电源的配电网中加入储能系统可以有效改善负荷峰谷差,使得负荷在一天内的波动变小,这对配电网的安全运行与后期规划至关重要。
(3)本发明建立双层规划模型,采用储能系统功率主动调节能力作为主动管理策略,该模型可以较为直观的反映分布式光伏出力和负荷水平在一年内的变化情况,并可有效得达到简化的效果。结合遗传算法进行分布式光伏和储能系统的联合规划是有效的,遗传算法可随机得生成一系列种群,对可行解具有广泛性,且具有群体搜索特性、不需要辅助信息、扩展性强等优点,在一定层面上体现了规划结果的有效性,并且求解速度较快。
附图说明
图1为储能系统动态过程图;
图2为加权最短路径图;
图3为上下层规划问题关系示意图;
图4为华东某居民区实际配电网算例图;
图5为负荷、光伏出力历史数据;
图6为典型日负荷、光伏出力、电价曲线;
图7为不同情况下典型日等效总负荷曲线;
图8为储能系统剩余容量及出力曲线。
具体实施方式
下面结合附图和具体实施例对本实施例进行详细说明。本实施例以本实施例技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本实施例的保护范围不限于下述的实施例。
本发明提供一种主动配电网储能系统动态规划方法,该专利技术可实现可靠合理的配电网规划,获得了国家重点研发计划“智能电网技术与装备”重点专项资助项目(2016YFB0901301)支持。
本方法以含有分布式光伏和储能系统的主动配电网为研究对象,所述动态规划方法基于双层规划模型进行动态规划,所述双层规划模型中,上层规划以配电网年综合费用最小为目标确定分布式光伏和储能系统的装机容量,生成规划方案,下层规划以配电网典型日运行费用及负荷峰谷差最小为目标对储能系统在一个运行周期及一天内的出力进行优化。上层规划将预选的规划方案传递给下层规划,下层规划在上层规划生成的规划方案基础上对储能系统在一个典型日内的充放电策略进行优化,并将获得的最优的典型日配电网运行费用传递给上层规划,如图3所示。
本方法在构建储能系统的电池储能模型时考虑了电池储能的自身约束情况,具体如下:
电池储能系统由电池、逆变器以及控制器组成,其充放电能力主要取决于电池的容量以及充放电效率。电池储能系统的具体模型如下:
(1)t时刻电池内部所存储的电量
EESS,i,t=EESS,i,(t-Δt)+ηi,+pESS,i,+Δt-pESS,i,-Δt/ηi,- (1)
(2)剩余容量约束
为保证电池的寿命与安全,当剩余容量达到最大充电状态(电池额定容量)时,控制器控制电池停止充电,达到最小放电状态(额定容量的某一百分比)时控制电池停止放电。
(3)充放电率约束
电池的寿命也与其充放电率有关,充放电率过高将降低电池使用寿命。
(4)运行状态约束
电池存在充电状态u1,t、放电状态u2,t和备用状态u0,t三种运行状态,某一时刻电池只能运行在一种状态下。
(5)初始化约束
考虑电池储能的一个调度周期为一天,在一个调度周期内储能的剩余容量总体没有变化。
EESS,i,0=EESS,i,T (5)
式(1)-(5)中,Δt为时间间隔;EESS,i,t、EESS,i,(t-Δt)分别为t时刻和t-Δt时刻储能系统电池的剩余容量;pESS,i,+和pESS,i,-分别为单位时间内电池的充放电功率;ηi,+、ηi,-分别为电池的充放电效率;为电池的额定装机容量,λ为电池的最小剩余容量系数,本实施例中,λ=0.2;α和β为电池的充放电率系数,本实施例中,α=β=0.2;EESS,i,0、EESS,i,T为电池在一个调度周期内初始状态和结束状态的剩余容量;T为一个调度周期,本实施例中,T=24。
式(2)-(5)所述的储能系统自身约束可用图1所示的动态结果来表示。
主动配电网中,分布式光伏和储能系统的成本分析如下:
储能系统的成本包括建设成本和运行维护成本,建设成本由初期投资决定,主要包含电池的成本,与储能系统的电池容量有关,运行成本与实际发电量有关。分布式光伏的成本也包括建设成本和运行维护成本,其中建设成本为设备的初期投资费用,与装机容量有关,运行维护成本包括设备的维护费、清洗费等各种费用,并减去政府的补贴费用,综合下来,大概为建设成本的3%。
本方法建立的双层规划模型具体如下:
1)上层规划
目标函数为:
minC=CI+COM+CP (6)
其中各部分的含义以及计算方法如下:
(1)折算到每年的固定建设费用CI:
(2)配电网年运行维护费用COM:
(3)变电站年供电费CP:
CP=365×cP (9)
式中:d为贴现率;y为经济年限;Nbus为电力负荷节点总个数;分别为分布式光伏和储能系统的单位容量建设成本系数;PPVG,i、EESS,i分别节点i的分布式光伏的装机容量与储能系统中电池的装机容量;cOM和cP分别为典型日的配电网运行费用和变电站供电费用。
上层规划的约束条件包括待选节点分布式光伏与储能装机容量约束,表示为:
式中,和分别为待选节点i允许的分布式光伏与储能系统的装机容量上限。
2)下层规划
下层规划为双目标规划,目标函数包括典型日运行费用最小和典型日配电网总峰谷差最小,采用线性加权和法将双目标规划转化为单目标规划,所述线性加权和法的权系数采用目标函数适应度离差排序法确定。
(1)典型日配电网运行费用c:
minc=cOM+cP (12)
其中各部分的含义以及计算方法如下:
储能系统典型日运行费用cOM:
变电站典型日供电费用cP,s:
储能放电取“-”,充电取“+”。
(2)典型日配电网总峰谷差pgap:
minpgap=pmax-pmin (15)
式中:为储能系统的单位发电量运行维护费用;pESS,i,t为储能在t时刻的充放电功率;ρt为变电站向上级电网购电价;pi,t为t时刻节点i的负荷;pPVG,i,t为分布式光伏在t时刻的发电量;pmax和pmin分别为典型日配电网内总负荷最大值和最小值。
约束条件
(1)功率约束:
(2)电压电流约束
(3)储能系统自身约束如式(2)-(5)。
式中,Pi,t、Qi,t为t时刻节点i注入的有功功率和无功功率;Ui,t、Uj,t分别代表为t时刻节点i和节点j的电压;j∈i表示节点j与节点i相连;Gij、Bij、δij,t分别为节点i和节点j之间的电导、电纳及相角差;为节点i的电压上下限;Il,t为t时刻支路l上的电流,为支路l的电流上限。
所述下层规划中,基于最短路径法的多阶段动态规划获得储能系统的最优出力曲线。电池储能系统的剩余容量范围为额定容量的0.2-1.0,初始容量为额定容量的0.6,并且每一阶段的充放电率为额定容量的0.1或0.2。储能系统自身约束可用图1所示的动态结果来表示,SOC为电池储能系统的荷电量,为方便描述,图中只考虑储能系统充放电率为0.2的情况。基于最短路径法得到若干条路径,采用如图2所示的加权路径图转换为最短路径问题计算下层规划目标函数值,取使之最优的路径作为储能系统的最优出力曲线。
所述上层规划采用遗传算法进行优化获得规划方案。遗传算法是一种借鉴生物进化规律演变而来的自适应概率性随机迭代搜索算法。本方法通过随机产生一个种群,种群中的规模为待规划的分布式光伏与储能系统总个数,按整数进行编码,每个个体代表一套规划方案,即为每个待选节点的分布式光伏与储能系统的装机容量,具体步骤如下:
(1)随机生成一个种群,并对下层双目标规划的权重系数进行初始化:λ1=λ2=0.5;
(2)将种群中的每一个个体作为一套预选规划方案依次传递给下层规划,由下层规划完成储能系统的出力优化;
(3)采用线性加权和法将下层规划的双目标函数转化为单目标函数,并在步骤(2)给定的规划方案基础上采用基于最短路径法的多阶段动态规划对储能系统的出力进行优化,储能系统的每一种出力策略为下层规划目标函数的一个解,计算每一种出力策略下的目标函数值,选取使目标函数值最优的解作为储能系统的最优出力策略,并计算在该策略下的典型日配电网运行费用和负荷峰谷差,最后计算各个目标函数的最优解,通过目标函数适应度离差排序法对双目标函数中各目标对应权重系数进行计算并更新;
(4)将步骤(3)中计算所得典型日配电网运行费用传递给上层规划,以上层规划目标函数为适应度函数计算个体的适应度值;
(5)对种群中的每一个个体即每一套规划方案重复以上步骤(2)-(4);
(6)以上层规划的目标函数为适应度函数,计算指标:
当其值趋近与1,或者迭代次数到达上限时,输出适应度最好的个体作为最优规划方案以及相应的配电网年综合费用和典型日峰谷差,否则,将适应度最好的个体替代适应度最差的个体,并进行轮盘赌选择、交叉、变异一系列遗传操作生成新种群,重复以上步骤(2)-(6),其中为种群中所有个体的适应度函数平均值,Fmax为适应度函数最大值。
下面结合具体实施方案进一步详细说明本实施例。本实施例采用如图华东地区某居民区实际配电网进行计算仿真,此配电网拥有68条线路,1条联络开关支路,本实施例中的节点1和节点77分别接上级电网,电压等级为10KV,最大负荷运行状态下总的有功负荷为12768KW,分布式光伏待选节点为43、49、62、70,其中节点43为重要负荷所在地,为保证其可靠供电,在此处装设储能系统,分别按以下情况进行规划并计算配电网的年综合费用和典型日的总负荷峰谷差。
Case1:不设置分布式光伏和储能系统;
Case2:只设置分布式光伏;
Case3:同时设置分布式光伏和储能系统。
本实施例的规划经济年限y=20,贴现率d=0.06。采用求期望的方法将历史数据转化为典型日分布式光伏出力曲线和负荷曲线,由于所选配电网为华东某居民区,因此电价采用居民峰谷电价,典型日各曲线如图6所示,曲线中数据采用标幺值形式给出,后文图中类似。
变电站向上级电网购电价取当地脱硫燃煤标杆电价ρt=0.405元/KWh;
分布式光伏单位容量建设成本
电池储能系统采用锂电池作为存储介质,锂电池的充放电效率较高,为ηi,+=ηi,-=0.9,锂电池的单位容量建设成本为单位发电量运行维护成本
规划结果及削峰填谷结果
经仿真计算,最后得出三种情况下的规划方案,并求得三种情况下对应的配电网年综合费用以及典型日总负荷的峰谷差,其结果如表1所示。三种情况下典型日配电网内总负荷(即上级电网注入的有功功率)等效曲线见图7。
表1 规划结果
对比表1中case2和case3的分布式光伏装机容量可得:
加入储能系统使得分布式光伏的装机容量增加,说明储能的加入使得配电网可以吸收更多的分布式电源发电;
对配电网的优化运行和清洁能源的发展十分有益。
由图7所示的日负荷曲线并结合图6中的分布式光伏出力分析可知:
在只加入分布式光伏的情况下,负荷曲线的峰值在白天负荷高峰期有所下降,分布式光伏的加入一定程度上起到了削峰的作用,然而对于晚上的负荷高峰,由于光照几乎为0,因此分布式光伏无法发挥任何作用;
而同时加入分布式光伏和储能系统的情况下,晚上负荷高峰期时储能系统发挥供电能力以达到削峰的作用。
从图7中可以明显看到在case3情况下负荷曲线变得更加平缓,峰谷差也得到明显的减小,其值如表1所示,降低了5.36%,如果以初始峰谷差为基准即下降了15.28%。削峰填谷作用明显。
对比表1中case1、case2、case3的年综合费用,case1>case2>case3,同时总负荷也呈现相同的顺序。说明储能的加入在使得分布式电源增加从而减少配电网向上级电网购电的前提下减少配电网的年综合费用,在经济上更优。
对于储能系统采用动态规划法,将储能的前后状态之间的关系充分反映到规划中去,典型日一天内的剩余容量曲线和出力曲线如图8所示,其中,出力为正代表放电,出力为负代表充电。
分析图8中曲线并结合图6中各曲线可知,储能系统的出力基本与负荷水平和电价的高低相关:
凌晨3点左右为负荷低谷期,且电价水平低,电池以最大速率充电,将多余电能储存起来,此时储能充当负荷以起到填谷的作用;
白天负荷水平高,但光伏发电出力较高,储能大部分时间处于保持状态;
晚上负荷高峰时,由于光伏发电出力几乎为0,而且此时电价较高,因此电池以最大速率进行放电释放储存在其中的电量以供配电网内用户使用,储能系统在此时充当电源以起到调峰的作用。
本实施例所提出的储能系统动态规划法较好地反映了储能系统状态在一天内的变化情况。从图8中可以看出储能系统在典型日24小时内的剩余容量满足自身约束,保持在额定容量的0.2-1.0范围内;满足充放电率约束,为其额定容量的0.1和0.2;满足初始化约束,一天结束后储能的剩余容量回到初始状态,因此采用基于最短路径法的动态规划对于储能系统的规划是合适的。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种主动配电网储能系统动态规划方法,所述主动配电网中含有分布式光伏和储能系统,其特征在于,所述动态规划方法基于双层规划模型进行动态规划,所述双层规划模型中,上层规划以配电网年综合费用最小为目标确定分布式光伏和储能系统的装机容量,生成规划方案,下层规划以配电网典型日综合费用及负荷峰谷差最小为目标对储能系统在一个运行周期及一天内的出力进行优化。
2.根据权利要求1所述的主动配电网储能系统动态规划方法,其特征在于,所述上层规划的目标函数为:
min C=CI+COM+CP
式中,C为配电网年综合费用,CI为折算到每年的固定建设费,COM为配电网年运行维护费用,CP为变电站年供电费;
所述上层规划的约束条件包括待选节点分布式光伏与储能装机容量约束,表示为:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<msub>
<mi>P</mi>
<mrow>
<mi>P</mi>
<mi>V</mi>
<mi>G</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msubsup>
<mi>P</mi>
<mrow>
<mi>P</mi>
<mi>V</mi>
<mi>G</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mi>max</mi>
</msubsup>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mo>|</mo>
<msub>
<mi>E</mi>
<mrow>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
</msub>
<mo>|</mo>
<mo>&le;</mo>
<msubsup>
<mi>E</mi>
<mrow>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mi>max</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中,PPVG,i、EESS,i分别为待选节点i当前的分布式光伏与储能系统的装机容量,和分别为待选节点i允许的分布式光伏与储能系统的装机容量上限。
3.根据权利要求1所述的主动配电网储能系统动态规划方法,其特征在于,所述下层规划为双目标规划。
4.根据权利要求3所述的主动配电网储能系统动态规划方法,其特征在于,所述下层规划的目标函数包括典型日运行费用最小和典型日配电网总峰谷差最小,表示为:
minc=cOM+cP
minpgap=pmax-pmin
式中,c为典型日运行费用,cOM为储能系统典型日运行费用,cP为变电站典型日供电费用,pgap为典型日配电网总峰谷差,pmax和pmin分别为典型日配电网内总负荷最大值和最小值;
所述下层规划的约束条件包括功率约束、电压电流约束和储能系统自身约束,其中,所述功率约束表示为:
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mi>i</mi>
</mrow>
<msub>
<mi>N</mi>
<mrow>
<mi>b</mi>
<mi>u</mi>
<mi>s</mi>
</mrow>
</msub>
</munderover>
<msub>
<mi>U</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>G</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>cos&delta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>sin&delta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<msub>
<mi>Q</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>&Element;</mo>
<mi>i</mi>
</mrow>
<msub>
<mi>N</mi>
<mrow>
<mi>b</mi>
<mi>u</mi>
<mi>s</mi>
</mrow>
</msub>
</munderover>
<msub>
<mi>U</mi>
<mrow>
<mi>j</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>G</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>sin&delta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>B</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<msub>
<mi>cos&delta;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>0</mn>
</mrow>
式中,Pi,t、Qi,t为t时刻节点i注入的有功功率和无功功率;Ui,t、Uj,t分别代表为t时刻节点i和节点j的电压,j∈i表示节点j与节点i相连,Gij、Bij、δij,t分别为节点i和节点j之间的电导、电纳及相角差,Nbus为电力负荷节点总个数;
所述电压电流约束表示为:
<mrow>
<msubsup>
<mi>U</mi>
<mi>i</mi>
<mi>min</mi>
</msubsup>
<mo>&le;</mo>
<msub>
<mi>U</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msubsup>
<mi>U</mi>
<mi>i</mi>
<mi>max</mi>
</msubsup>
</mrow>
<mrow>
<mn>0</mn>
<mo>&le;</mo>
<mo>|</mo>
<msub>
<mi>I</mi>
<mrow>
<mi>l</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>|</mo>
<mo>&le;</mo>
<msubsup>
<mi>I</mi>
<mi>l</mi>
<mi>max</mi>
</msubsup>
</mrow>
式中,为节点i的电压上下限,Il,t为t时刻支路l上的电流,为支路l的电流上限;
所述储能系统自身约束包括剩余容量约束、充放电率约束、运行状态约束和初始化约束。
5.根据权利要求4所述的主动配电网储能系统动态规划方法,其特征在于,所述剩余容量约束表示为:
<mrow>
<msubsup>
<mi>&lambda;E</mi>
<mrow>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mi>r</mi>
</msubsup>
<mo>&le;</mo>
<msub>
<mi>E</mi>
<mrow>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mo>,</mo>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msubsup>
<mi>E</mi>
<mrow>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mi>r</mi>
</msubsup>
</mrow>
所述充放电率约束表示为:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<msub>
<mi>p</mi>
<mrow>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mo>,</mo>
<mi>i</mi>
<mo>,</mo>
<mo>+</mo>
</mrow>
</msub>
<mo>&le;</mo>
<mi>&alpha;</mi>
<msubsup>
<mi>E</mi>
<mrow>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mi>r</mi>
</msubsup>
<mo>/</mo>
<mn>1</mn>
<mi>h</mi>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>p</mi>
<mrow>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mo>,</mo>
<mi>i</mi>
<mo>,</mo>
<mo>-</mo>
</mrow>
</msub>
<mo>&le;</mo>
<mi>&beta;</mi>
<msubsup>
<mi>E</mi>
<mrow>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mo>,</mo>
<mi>i</mi>
</mrow>
<mi>r</mi>
</msubsup>
<mo>/</mo>
<mn>1</mn>
<mi>h</mi>
</mtd>
</mtr>
</mtable>
</mfenced>
所述运行状态约束表示为:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<msub>
<mi>u</mi>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>u</mi>
<mrow>
<mn>2</mn>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>u</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>=</mo>
<mn>1</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>u</mi>
<mrow>
<mn>1</mn>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>u</mi>
<mrow>
<mn>2</mn>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>,</mo>
<msub>
<mi>u</mi>
<mrow>
<mn>0</mn>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>&Element;</mo>
<mo>{</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>}</mo>
</mtd>
</mtr>
</mtable>
</mfenced>
所述初始化约束表示为:
EESS,i,0=EESS,i,T
式中,EESS,i,t为t时刻储能系统电池的剩余容量,pESS,i,+和pESS,i,-分别为单位时间内电池的充放电功率,为电池的额定装机容量,λ为电池的最小剩余容量系数,α和β为电池的充放电率系数,u1,t,u2,t,u0,t分别表示储能系统电池的充电状态、放电状态和备用状态,EESS,i,0、EESS,i,T为电池在一个调度周期内初始状态和结束状态的剩余容量,T为一个调度周期。
6.根据权利要求1所述的主动配电网储能系统动态规划方法,其特征在于,所述上层规划采用遗传算法进行优化获得规划方案。
7.根据权利要求1所述的主动配电网储能系统动态规划方法,其特征在于,所述下层规划中,基于最短路径法的多阶段动态规划获得储能系统的最优出力曲线。
8.根据权利要求3所述的主动配电网储能系统动态规划方法,其特征在于,所述下层规划中,采用线性加权和法将双目标规划转化为单目标规划。
9.根据权利要求8所述的主动配电网储能系统动态规划方法,其特征在于,所述线性加权和法的权系数采用目标函数适应度离差排序法确定。
10.根据权利要求1所述的主动配电网储能系统动态规划方法,其特征在于,所述上层规划将预选的规划方案传递给下层规划,下层规划在上层规划生成的规划方案基础上对储能系统在一个典型日内的充放电策略进行优化,并将获得的最优的典型日配电网运行费用传递给上层规划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710235551.XA CN107239847A (zh) | 2017-04-12 | 2017-04-12 | 一种主动配电网储能系统动态规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710235551.XA CN107239847A (zh) | 2017-04-12 | 2017-04-12 | 一种主动配电网储能系统动态规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107239847A true CN107239847A (zh) | 2017-10-10 |
Family
ID=59983783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710235551.XA Pending CN107239847A (zh) | 2017-04-12 | 2017-04-12 | 一种主动配电网储能系统动态规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107239847A (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107492901A (zh) * | 2017-08-29 | 2017-12-19 | 广东电网有限责任公司电力科学研究院 | 一种分布式储能系统实时优化方法及装置 |
CN108564216A (zh) * | 2018-04-13 | 2018-09-21 | 山东大学 | 基于动态规划的储能型cchp系统及其运行优化方法 |
CN108898265A (zh) * | 2018-05-02 | 2018-11-27 | 广州供电局有限公司 | 一种综合能源系统一体化规划方法 |
CN109214561A (zh) * | 2018-08-21 | 2019-01-15 | 上海电力学院 | 考虑主动配电系统动态路径优化的分布式电源配置方法 |
CN109299829A (zh) * | 2018-10-11 | 2019-02-01 | 国网甘肃省电力公司电力科学研究院 | 光伏温室微能网系统多形态储能配置方法及系统 |
CN109325608A (zh) * | 2018-06-01 | 2019-02-12 | 国网上海市电力公司 | 考虑储能并计及光伏随机性的分布式电源优化配置方法 |
CN109390973A (zh) * | 2018-11-30 | 2019-02-26 | 国家电网公司西南分部 | 一种考虑通道约束的送端电网电源结构优化方法 |
CN109617048A (zh) * | 2018-11-28 | 2019-04-12 | 天津大学 | 基于多目标线性规划的电网规划典型场景选取方法 |
CN109636008A (zh) * | 2018-11-20 | 2019-04-16 | 上海电力学院 | 一种电动公交快充站服务费定价获取方法 |
CN109861281A (zh) * | 2019-02-21 | 2019-06-07 | 国网山东省电力公司临沂供电公司 | 一种源网荷储一体化协调优化方法及装置、系统 |
CN109948868A (zh) * | 2019-04-17 | 2019-06-28 | 上海电力设计院有限公司 | 高渗透率分布式可再生能源发电集群优化规划方法 |
CN110350605A (zh) * | 2019-07-08 | 2019-10-18 | 华中科技大学 | 一种多阶段交直流混联配电网直流升级改造的规划方法 |
CN110783950A (zh) * | 2019-10-29 | 2020-02-11 | 上海电力大学 | 一种配电网节点光伏最佳配置容量确定方法 |
CN111242361A (zh) * | 2020-01-07 | 2020-06-05 | 南方电网科学研究院有限责任公司 | 考虑地源热泵的园区综合能源系统优化调度方法和装置 |
CN111753438A (zh) * | 2020-07-07 | 2020-10-09 | 太原理工大学 | 一种基于时序特性的配电网分布式电源及储能双层优化规划方法 |
CN111753431A (zh) * | 2020-06-29 | 2020-10-09 | 国网山西省电力公司电力科学研究院 | 综合能源系统中最优配置的计算方法和计算设备 |
CN111786411A (zh) * | 2020-07-14 | 2020-10-16 | 上海大学 | 考虑电压安全的配电网分布式发电及储能联合优化配置方法 |
CN111899122A (zh) * | 2020-07-03 | 2020-11-06 | 国网江苏省电力有限公司镇江供电分公司 | 一种基于储能控制的用户分散出清方法 |
CN111934344A (zh) * | 2020-07-09 | 2020-11-13 | 国网山东省电力公司东营供电公司 | 一种基于动态规划的园区光伏与储能多目标优化调度方法 |
CN112149875A (zh) * | 2020-08-27 | 2020-12-29 | 国网能源研究院有限公司 | 一种主动配电网分布式储能系统优化配置方法及装置 |
CN113034205A (zh) * | 2021-04-20 | 2021-06-25 | 上海交通大学 | 一种考虑容载比动态调整的储能站与变电站联合规划方法 |
CN113541166A (zh) * | 2021-07-27 | 2021-10-22 | 广东电网有限责任公司 | 一种分布式储能优化配置方法、系统、终端和存储介质 |
CN114741834A (zh) * | 2021-12-02 | 2022-07-12 | 华北电力大学 | 基于时空展开网络流的综合能源能量流优化方法和装置 |
CN114741834B (zh) * | 2021-12-02 | 2024-07-05 | 华北电力大学 | 基于时空展开网络流的综合能源能量流优化方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104037793A (zh) * | 2014-07-07 | 2014-09-10 | 北京交通大学 | 一种应用于主动配电网的储能单元容量配置方法 |
CN104362677A (zh) * | 2014-11-19 | 2015-02-18 | 云南电网公司电力科学研究院 | 一种主动配电网优化配置结构及其配置方法 |
WO2015110158A1 (en) * | 2014-01-23 | 2015-07-30 | Nec Europe Ltd. | A method for controlling load balancing within an energy system and an according energy system |
CN105279615A (zh) * | 2015-11-23 | 2016-01-27 | 国网上海市电力公司 | 一种基于双层规划的主动配电网网架规划方法 |
-
2017
- 2017-04-12 CN CN201710235551.XA patent/CN107239847A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015110158A1 (en) * | 2014-01-23 | 2015-07-30 | Nec Europe Ltd. | A method for controlling load balancing within an energy system and an according energy system |
CN104037793A (zh) * | 2014-07-07 | 2014-09-10 | 北京交通大学 | 一种应用于主动配电网的储能单元容量配置方法 |
CN104362677A (zh) * | 2014-11-19 | 2015-02-18 | 云南电网公司电力科学研究院 | 一种主动配电网优化配置结构及其配置方法 |
CN105279615A (zh) * | 2015-11-23 | 2016-01-27 | 国网上海市电力公司 | 一种基于双层规划的主动配电网网架规划方法 |
Non-Patent Citations (1)
Title |
---|
谭兴国: "《微电网储能应用技术研究》", 30 September 2015, 北京:煤炭工业出版社 * |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107492901B (zh) * | 2017-08-29 | 2020-04-07 | 广东电网有限责任公司电力科学研究院 | 一种分布式储能系统实时优化方法及装置 |
CN107492901A (zh) * | 2017-08-29 | 2017-12-19 | 广东电网有限责任公司电力科学研究院 | 一种分布式储能系统实时优化方法及装置 |
CN108564216A (zh) * | 2018-04-13 | 2018-09-21 | 山东大学 | 基于动态规划的储能型cchp系统及其运行优化方法 |
CN108898265A (zh) * | 2018-05-02 | 2018-11-27 | 广州供电局有限公司 | 一种综合能源系统一体化规划方法 |
CN109325608B (zh) * | 2018-06-01 | 2022-04-01 | 国网上海市电力公司 | 考虑储能并计及光伏随机性的分布式电源优化配置方法 |
CN109325608A (zh) * | 2018-06-01 | 2019-02-12 | 国网上海市电力公司 | 考虑储能并计及光伏随机性的分布式电源优化配置方法 |
CN109214561A (zh) * | 2018-08-21 | 2019-01-15 | 上海电力学院 | 考虑主动配电系统动态路径优化的分布式电源配置方法 |
CN109299829B (zh) * | 2018-10-11 | 2021-05-04 | 国网甘肃省电力公司电力科学研究院 | 光伏温室微能网系统多形态储能配置方法及系统 |
CN109299829A (zh) * | 2018-10-11 | 2019-02-01 | 国网甘肃省电力公司电力科学研究院 | 光伏温室微能网系统多形态储能配置方法及系统 |
CN109636008A (zh) * | 2018-11-20 | 2019-04-16 | 上海电力学院 | 一种电动公交快充站服务费定价获取方法 |
CN109636008B (zh) * | 2018-11-20 | 2023-08-29 | 上海电力学院 | 一种电动公交快充站服务费定价获取方法 |
CN109617048A (zh) * | 2018-11-28 | 2019-04-12 | 天津大学 | 基于多目标线性规划的电网规划典型场景选取方法 |
CN109617048B (zh) * | 2018-11-28 | 2022-08-05 | 天津大学 | 基于多目标线性规划的电网规划典型场景选取方法 |
CN109390973A (zh) * | 2018-11-30 | 2019-02-26 | 国家电网公司西南分部 | 一种考虑通道约束的送端电网电源结构优化方法 |
CN109390973B (zh) * | 2018-11-30 | 2022-12-06 | 国家电网公司西南分部 | 一种考虑通道约束的送端电网电源结构优化方法 |
CN109861281A (zh) * | 2019-02-21 | 2019-06-07 | 国网山东省电力公司临沂供电公司 | 一种源网荷储一体化协调优化方法及装置、系统 |
CN109948868A (zh) * | 2019-04-17 | 2019-06-28 | 上海电力设计院有限公司 | 高渗透率分布式可再生能源发电集群优化规划方法 |
CN110350605A (zh) * | 2019-07-08 | 2019-10-18 | 华中科技大学 | 一种多阶段交直流混联配电网直流升级改造的规划方法 |
CN110783950B (zh) * | 2019-10-29 | 2023-10-31 | 上海电力大学 | 一种配电网节点光伏最佳配置容量确定方法 |
CN110783950A (zh) * | 2019-10-29 | 2020-02-11 | 上海电力大学 | 一种配电网节点光伏最佳配置容量确定方法 |
CN111242361A (zh) * | 2020-01-07 | 2020-06-05 | 南方电网科学研究院有限责任公司 | 考虑地源热泵的园区综合能源系统优化调度方法和装置 |
CN111242361B (zh) * | 2020-01-07 | 2022-09-20 | 南方电网科学研究院有限责任公司 | 考虑地源热泵的园区综合能源系统优化调度方法和装置 |
CN111753431A (zh) * | 2020-06-29 | 2020-10-09 | 国网山西省电力公司电力科学研究院 | 综合能源系统中最优配置的计算方法和计算设备 |
CN111753431B (zh) * | 2020-06-29 | 2023-08-18 | 国网山西省电力公司电力科学研究院 | 综合能源系统中最优配置的计算方法和计算设备 |
CN111899122A (zh) * | 2020-07-03 | 2020-11-06 | 国网江苏省电力有限公司镇江供电分公司 | 一种基于储能控制的用户分散出清方法 |
CN111899122B (zh) * | 2020-07-03 | 2024-01-02 | 国网江苏省电力有限公司镇江供电分公司 | 一种基于储能控制的用户分散出清方法 |
CN111753438B (zh) * | 2020-07-07 | 2022-03-15 | 太原理工大学 | 一种基于时序特性的配电网分布式电源及储能双层优化规划方法 |
CN111753438A (zh) * | 2020-07-07 | 2020-10-09 | 太原理工大学 | 一种基于时序特性的配电网分布式电源及储能双层优化规划方法 |
CN111934344A (zh) * | 2020-07-09 | 2020-11-13 | 国网山东省电力公司东营供电公司 | 一种基于动态规划的园区光伏与储能多目标优化调度方法 |
CN111786411A (zh) * | 2020-07-14 | 2020-10-16 | 上海大学 | 考虑电压安全的配电网分布式发电及储能联合优化配置方法 |
CN112149875A (zh) * | 2020-08-27 | 2020-12-29 | 国网能源研究院有限公司 | 一种主动配电网分布式储能系统优化配置方法及装置 |
CN113034205B (zh) * | 2021-04-20 | 2022-03-11 | 上海交通大学 | 一种考虑容载比动态调整的储能站与变电站联合规划方法 |
CN113034205A (zh) * | 2021-04-20 | 2021-06-25 | 上海交通大学 | 一种考虑容载比动态调整的储能站与变电站联合规划方法 |
CN113541166A (zh) * | 2021-07-27 | 2021-10-22 | 广东电网有限责任公司 | 一种分布式储能优化配置方法、系统、终端和存储介质 |
CN113541166B (zh) * | 2021-07-27 | 2023-09-05 | 广东电网有限责任公司 | 一种分布式储能优化配置方法、系统、终端和存储介质 |
CN114741834A (zh) * | 2021-12-02 | 2022-07-12 | 华北电力大学 | 基于时空展开网络流的综合能源能量流优化方法和装置 |
CN114741834B (zh) * | 2021-12-02 | 2024-07-05 | 华北电力大学 | 基于时空展开网络流的综合能源能量流优化方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107239847A (zh) | 一种主动配电网储能系统动态规划方法 | |
CN106651026B (zh) | 多时间尺度微电网能量管理优化调度方法 | |
García-Triviño et al. | Optimized operation combining costs, efficiency and lifetime of a hybrid renewable energy system with energy storage by battery and hydrogen in grid-connected applications | |
CN103490410B (zh) | 一种基于多目标优化的微电网规划和容量配置方法 | |
CN105071389B (zh) | 计及源网荷互动的交直流混合微电网优化运行方法及装置 | |
Li et al. | Emission-concerned wind-EV coordination on the transmission grid side with network constraints: Concept and case study | |
CN105244869B (zh) | 一种含微网的配电网动态随机调度控制方法 | |
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 | |
CN105139147A (zh) | 微电网系统的经济调度方法 | |
CN103346562A (zh) | 计及需求响应的多时间尺度微网能量控制方法 | |
CN106372742A (zh) | 考虑电转气多源储能型微网日前最优经济调度方法 | |
CN106487036A (zh) | 一种基于多目标优化算法的独立光伏拖动系统容量配置方法 | |
Cheng et al. | A particle swarm optimization based power dispatch algorithm with roulette wheel re-distribution mechanism for equality constraint | |
CN105207259A (zh) | 基于能量管理的并网状态下的微电网系统调度方法 | |
CN107069807A (zh) | 含不确定性预算调节的无平衡节点微网鲁棒调度方法 | |
Akshya et al. | Grid integration for electric vehicle and photovoltaic panel for a smart home | |
CN105958537A (zh) | 面向能源互联网的能源转换系统及其优化控制方法 | |
CN108197766A (zh) | 一种包含微电网群的主动配电网优化调度模型 | |
Saha | Adaptive model-based receding horizon control of interconnected renewable-based power micro-grids for effective control and optimal power exchanges | |
CN102593855A (zh) | 平抑电力系统中可再生能源电源输出功率波动的方法 | |
CN108376994A (zh) | 基于三端口电力电子变压器并网的交直流混合微网运行优化方法 | |
CN105207207A (zh) | 基于能量管理的孤网状态下的微电网系统调度方法 | |
Changsong et al. | Energy trading model for optimal microgrid scheduling based on genetic algorithm | |
Belkhier et al. | Novel design and adaptive coordinated energy management of hybrid fuel‐cells/tidal/wind/PV array energy systems with battery storage for microgrids | |
CN106953318A (zh) | 一种基于成本的微电网优化控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171010 |