CN108418233B - 含高渗透率dg的配电网中储能电池最优配置方法 - Google Patents
含高渗透率dg的配电网中储能电池最优配置方法 Download PDFInfo
- Publication number
- CN108418233B CN108418233B CN201810314262.3A CN201810314262A CN108418233B CN 108418233 B CN108418233 B CN 108418233B CN 201810314262 A CN201810314262 A CN 201810314262A CN 108418233 B CN108418233 B CN 108418233B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- battery
- energy
- storage battery
- model
- 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.)
- Active
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 75
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000035699 permeability Effects 0.000 title claims abstract description 12
- 238000007599 discharging Methods 0.000 claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 210000000352 storage cell Anatomy 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 claims 1
- 230000000007 visual effect Effects 0.000 abstract 1
- 230000001737 promoting effect Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供一种含高渗透率DG的配电网中储能电池最优配置方法,它包括以下步骤:利用傅里叶级数搭建储能一天内的能量模型;基于储能一天内的充放电量及放电深度,搭建储能电池的寿命模型;基于上述模型建立以经济成本最小的储能电池配置模型,实现DG的就地消纳;对候选节点分别运用改进的内点法进行模型求解;输出储能的最优接入位置、容量以及储能的充放电功率。本发明的有益效果在于整个过程简单直观,计算量相对较小,求解速度较快,用于储能容量的确定。
Description
技术领域
本发明涉及一种含高渗透率DG的配电网中储能电池最优配置方法,属于新能源领域。
背景技术
为应对传统能源的快速消耗及环境污染问题,以风电和光伏为代表的可再生能源发展迅猛,风光作为分布式电源(DG)并网是其发展的主要途径。但是随着屋顶光伏,户用分布式电源的快速发展,分布式电源的渗透率不断提高,某些地区配网网架中分布式电源接入容量已经超出其准入容量,给配电网带来的不稳定因素,影响网络潮流流动方向,改变系统网损,并影响电压调整。促进分布式电源的消纳也是一个刻不容缓的问题。储能凭借其快速的功率调节能力,在平滑DG功率波动、促进DG就地消纳、改善电压质量方面发挥了巨大作用。其中,储能系统的合理配置显得尤为关键。电池储能系统具有响应速度快、调节精度高等特点,可实现能量的时空平移,应用储能电池调节风光功率输出,促进DG消纳,改善配网电能质量是近年研究和应用的热点。
发明内容
本发明的目的是:提供一种含高渗透率DG的配电网中储能电池最优配置方法,该方法提出对储能各时段能量运用三角傅里叶级数来表示,建立储能模型,优化展开项的系数;其次,考虑分布式电源,建立了以经济成本最低为目标的模型,求解出储能的充放电功率,进而得到储能电池容量。
本发明的技术解决方案是:该含高渗透率DG的配电网中储能电池最优配置方法包含以下步骤:
S1利用傅里叶级数搭建储能一天内的能量模型;
S2基于储能一天内的充放电量及放电深度,搭建储能电池的寿命成本模型;
S3基于上述模型建立以经济成本最小的储能电池配置模型,实现DG的就地消纳;
S4对候选节点分别运用改进的内点法进行模型求解;
S5输出储能的最优接入位置、容量以及储能的充放电功率。
优选的,步骤S1具体为:BESS的最优调度问题需要优化各时刻的电池能量值E(t),用列向量EiT表示,维度T取决于采样时间间隔;
这个矢量需要服从:1)电量回归约束,即一天内首末时刻电量相等;2)充放电功率约束,即任何两个相邻时刻的电池能量值之间的差值具有限值约束;因此,储能电池电量使用三角傅里叶级数来表示为:
式中,CiF为傅里叶系数矢量;a0,am,bm分别为傅里叶常数系数,傅里叶余弦系数以及傅里叶正弦系数;m为傅里叶系数的个数;T为周期时间;
由储能电池能量值得到储能充放电功率,如下式所示:
ΔE=E(t)-E(t-1)
PB(t)=ΔE/(Δt×ηc),如果PB(t)>0
PB(t)=ΔE×ηd/Δt,如果PB(t)<0
式中,ηc、ηd分别为电池充放电效率;P为电池充放电功率;Δt为仿真间隔;
则储能电池容量由Emax、Emin以及最大放电DOD得出:
优选的,步骤S2具体为:
q(years)=CycleLife/(Cycles·D)
式中,Cycles为电池日循环次数;D为运行天数;CycleLife为电池额定循环次数;q为电池实际使用寿命。
优选的,步骤S3具体为:目标函数包括DG就地最大消纳,即表示为配网网损成本CLoss,储能电池运行维护成本Cbattery,电压调节成本CVR;
f(CiF)=γ1Cbattery+γ2CLoss+γ3CVR
其中:
式中,BUC为储能电池单位功率成本;Vi为电压值;δi为电压相角;Gij为支路k的电导;Vref=1p.u.为平衡节点电压值;rloss网损费用;rVR电压调节费用;γ为权重系数;
约束条件:
Pi(t)=Pinv-i(t)-PL-i(t)
PB-min<PB<PB-max
Emin<E<Emax
式中,Pi为节点有功功率;PL-i为负荷有功功率;Pinv-i为逆变器功率;PDG-i为DG接入有功功率;ηinv为变压器效率;Vmax、Vmin为电压上下限;PB-max、PB-min为储能电池充放电功率的上下限;Emax、Emin为电池容量的上下限。
优选的,步骤S4利用目标函数和约束的解析梯度(雅各比矩阵)提升优化算法的求解效率,具体为:运用雅各比矩阵来构建模型的梯度,用来提升内点法的计算效率:
不等式约束的雅各比矩阵如下式所示:
本发明的有益效果是:
1.配电中储能运行过程具有明显的时序特性,尤其在对运行时段进行细分考虑容量配置及储能运行充放电过程的优化问题中,决策变量的维度增加,加剧了模型问题求解难度,而本方法通过对储能的能量状态进行建模,很好的解决了这个问题。
2.本发明中的储能建模还考虑了储能电池的充放电功率对储能寿命的影响,在计算中考虑储能的寿命成本。
3.本发明采用内点法求解优化模型,摒弃了传统内点法运用有限差分法来计算目标函数和约束的梯度,利用目标函数和约束的雅各比矩阵提升计算效率。
附图说明
图1是本发明的含高渗透率DG的配电网中储能电池最优配置方法的整体框图;
图2是本发明的含高渗透率DG的配电网中储能电池最优配置方法的内点法流程图;
图3是本发明的含高渗透率DG的配电网中储能电池最优配置方法的模型求解流程图。
具体实施方式
下面结合附图对本发明的技术方案做详细说明。
运用IEEE33节点作为算例,并在节点18和24接入1MW的分布式风电,在节点5、21和31接入400kVA的分布式光伏,在节点8、12、28和33接入500kVA的分布式光伏。
本发明的总体方法流程说明:
图1为本发明的总体流程图,是一种含高渗透率DG的配电网中储能电池最优配置方法,该方法包含以下步骤:
S1利用傅里叶级数搭建储能一天内的能量模型;
S2基于储能一天内的充放电量及放电深度,搭建储能电池的寿命成本模型;
S3基于上述模型建立以经济成本最小的储能电池配置模型,实现DG的就地消纳;
S4对候选节点分别运用改进的内点法进行模型求解,如图3所示具体流程包括如下步骤:
S41基于地理环境和一些规划约束,确定BESS接入的候选节点;
S42根据规划侧重点的不同,确定目标函数各种费用的权重系数;
S43在每个候选节点运行BESS优化算法,得到目标函数值以及决策变量值;
S44根据求得的目标函数,确定BESS的最优位置;
S45根据得到的最优傅里叶系数矩阵得到储能电池的能量曲线;
S5输出储能的最优接入位置、容量以及储能的充放电功率。
所述的S1中,储能能量值模型具体为:BESS一天内各时段的电池能量值E(t),用列向量EiT表示,维度T取决于采样时间间隔;T值取24、48或96,这时时间间隔分别为1小时、30分钟或15分钟;
为了使电池能量值满足1)电量回归约束,即一天内首末时刻电量相等;2)充放电功率约束,即任何两个相邻时刻的电池能量值之间的差值具有限值约束;因此,储能电池电量使用三角傅里叶级数来表示为:
式中,CiF为傅里叶系数矢量;a0,am,bm分别为傅里叶常数系数,傅里叶余弦系数以及傅里叶正弦系数;m为傅里叶系数的个数;T为周期时间;
进而,储能功率如下式所示:
ΔE=E(t)-E(t-1)
PB(t)=ΔE/(Δt×ηc),如果PB(t)>0
PB(t)=ΔE×ηd/Δt,如果PB(t)<0
式中,ηc、ηd分别为电池充放电效率;P为电池充放电功率;Δt为仿真间隔;则储能电池容量由Emax、Emin以及最大放电DOD得出:
所述的S2中的储能电池寿命模型考虑循环寿命和使用年限,具体为:
q(years)=CycleLife/(Cycles·D)
式中,Cycles为电池日循环次数;DOD为放电深度;BatterySize为储能电池容量;D为运行天数;CycleLife为电池额定循环次数;q为电池实际使用寿命。
所述的S3中以经济成本最小为目标搭建的储能电池配置模型,具体为:目标函数包括DG就地最大消纳,即表示为配网网损成本CLoss以及储能电池运行维护成本Cbattery和电压调节成本CVR:
f(CiF)=γ1Cbattery+γ2CLoss+γ3CVR
每项费用具体为:
式中,BUC为储能电池单位功率成本;Vi为电压值;δi为电压相角;Gij为支路k的电导;Vref=1p.u.为平衡节点电压值;rloss网损费用;rVR电压调节费用;γ为权重系数;
约束条件包括:
1)功率平衡约束:
Pi(t)=Pinv-i(t)-PL-i(t)
式中,Pi为节点有功功率;PL-i为负荷有功功率;Pinv-i为逆变器功率;PDG-i为DG接入有功功率;ηinv为变压器效率;
2)节点电压上下限约束:
式中,Vmax、Vmin为电压上下限值;
3)储能功率上下限约束:
PB-min<PB<PB-max
式中,PB-max、PB-min为储能电池充放电功率的上下限;
4)储能容量上下限约束:
Emin<E<Emax
式中,Emax、Emin为电池容量的上下限。
所述的S4利用目标函数和约束的解析梯度(雅各比矩阵)提升优化算法的求解效率,具体为:运用雅各比矩阵来构建模型的梯度,用来提升内点法的计算效率:
不等式约束的雅各比矩阵如下式所示:
Claims (1)
1.含高渗透率DG的配电网中储能电池最优配置方法,它包括以下步骤:
S1利用傅里叶级数搭建储能一天内的能量模型;
S2基于储能一天内的充放电量及放电深度,搭建储能电池的寿命模型;
S3基于上述模型建立以经济成本最小的储能电池配置模型,实现DG的就地消纳;
S4对候选节点分别运用改进的内点法进行模型求解;
S5输出储能的最优接入位置、容量以及储能的充放电功率;
其特征在于:
其中,所述的储能一天内的能量模型:电池储能系统BESS的最优调度问题需要优化各时刻的电池能量值E(t),用列向量EiT表示,维度T取决于采样时间间隔,
这个矢量需要服从:1)电量回归约束,即一天内首末时刻电量相等;2)充放电功率约束,即任何两个相邻时刻的电池能量值之间的差值具有限值约束;因此,储能电池电量使用三角傅里叶级数来表示为:
式中,CiF为傅里叶系数矢量;a0,am,bm分别为傅里叶常数系数,傅里叶余弦系数以及傅里叶正弦系数;m为傅里叶系数的个数;T为周期时间;
由储能电池能量值得到储能充放电功率,如下式所示:
ΔE=E(t)-E(t-1)
PB(t)=ΔE/(Δt×ηc),如果PB(t)>0;
PB(t)=ΔE×ηd/Δt,如果PB(t)<0;
式中,ηc、ηd分别为电池充放电效率;PB为电池充放电功率;Δt为仿真间隔;则储能电池容量由Emax、Emin以及最大放电深度DOD得出:
式中,储能电池容量的单位是千瓦时;
其中,考虑循环寿命和使用年限后的所述的储能电池寿命模型:
q=CycleLife/(Cycles·D)
式中,Cycles为电池日循环次数;D为运行天数;CycleLife为电池额定循环次数;q为电池实际使用寿命,其单位为年;
其中,所述的以经济成本最小的储能电池配置模型中考虑了DG的就地消纳,即配网网损费用最小以及电压的调节费用和电池寿命成本,具体如下:
目标函数:
f(CiF)=γ1Cbattery+γ2CLoss+γ3CVR
其中:
式中,Cbattery代表储能电池运行维修支出,CLoss为配网网损成本,代表了DG的就地消纳,CVR电压调节成本;BUC为储能电池单位功率成本;Vi为电压值;δi为电压相角;Gij为支路k的电导;k表示支路的标号;Vref=1p.u.为平衡节点电压值;rloss网损费用;rVR电压调节费用;γ为权重系数;
约束条件:
Pi(t)=Pinv-i(t)-PL-i(t)
PB-min<PB<PB-max
Emin<E<Emax
式中,Pi为节点有功功率;PL-i为负荷有功功率;Pinv-i为逆变器功率;PDG-i为DG接入有功功率;ηinv为变压器效率;Vmax、Vmin为电压上下限;PB-max、PB-min为储能电池充放电功率的上下限;Emax、Emin为储能电池能量值的上下限;
其中,所述的内点法改进的地方具体为:运用雅各比矩阵来构建模型的梯度,用来提升内点法的计算效率:
不等式约束的雅各比矩阵如下式所示:
其中,所述的模型求解包括以下步骤:
S41基于地理环境和一些规划约束,确定电池储能系统BESS接入的候选节点;
S42根据规划侧重点的不同,确定目标函数各种费用的权重系数;
S43在每个候选节点运行电池储能系统BESS优化算法,得到目标函数值以及决策变量值;
S44根据求得的目标函数,确定电池储能系统BESS最优位置;
S45根据得到的最优傅里叶系数矩阵得到储能电池的能量曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810314262.3A CN108418233B (zh) | 2018-04-10 | 2018-04-10 | 含高渗透率dg的配电网中储能电池最优配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810314262.3A CN108418233B (zh) | 2018-04-10 | 2018-04-10 | 含高渗透率dg的配电网中储能电池最优配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108418233A CN108418233A (zh) | 2018-08-17 |
CN108418233B true CN108418233B (zh) | 2021-04-30 |
Family
ID=63134978
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810314262.3A Active CN108418233B (zh) | 2018-04-10 | 2018-04-10 | 含高渗透率dg的配电网中储能电池最优配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108418233B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096757A (zh) * | 2016-05-31 | 2016-11-09 | 天津天大求实电力新技术股份有限公司 | 基于改进量子遗传算法的微网储能选址定容优化方法 |
-
2018
- 2018-04-10 CN CN201810314262.3A patent/CN108418233B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106096757A (zh) * | 2016-05-31 | 2016-11-09 | 天津天大求实电力新技术股份有限公司 | 基于改进量子遗传算法的微网储能选址定容优化方法 |
Non-Patent Citations (2)
Title |
---|
A Fourier Series based Approach to the Periodic Optimisation of Finely Dispersed Battery Storage;Peter Wolfs等;《AUPEC 2011》;20111215;第1-6页 * |
基于电池寿命损耗的火电一体化调频系统容量配置;钱虹等;《热能动力工程》;20180331;第33卷(第3期);第128-132页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108418233A (zh) | 2018-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110866627B (zh) | 一种考虑阶梯气价的多区域电-气耦合综合能源系统优化调度方法 | |
Uzunoglu et al. | Modeling, control and simulation of a PV/FC/UC based hybrid power generation system for stand-alone applications | |
Xu et al. | Optimal sizing of standalone hybrid wind/PV power systems using genetic algorithms | |
Koutroulis et al. | Methodology for optimal sizing of stand-alone photovoltaic/wind-generator systems using genetic algorithms | |
CN105896582B (zh) | 一种微网储能容量优化配置方法 | |
CN109103929B (zh) | 基于改进动态克里丝金模型的配电网经济优化调度方法 | |
CN109325608A (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 | |
CN111934360B (zh) | 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法 | |
CN107959301B (zh) | 含光伏的低压配电网分布式储能优化配置与运行方法 | |
Gupta et al. | Economic analysis and design of stand-alone wind/photovoltaic hybrid energy system using Genetic algorithm | |
Armghan et al. | Quick reaching law based global terminal sliding mode control for wind/hydrogen/battery DC microgrid | |
Khemliche et al. | Bond graph modeling and optimization of photovoltaic pumping system: Simulation and experimental results | |
CN109245113A (zh) | 分布式电源和电动汽车大规模接入的配电网无功电压优化方法 | |
CN114374231A (zh) | 离网型多能源系统的配置、控制一体优化方法 | |
Ma et al. | Coordinated control of micro-grid based on distributed moving horizon control | |
Ramu et al. | Enhanced energy management of DC microgrid: Artificial neural networks-driven hybrid energy storage system with integration of bidirectional DC-DC converter | |
CN108418233B (zh) | 含高渗透率dg的配电网中储能电池最优配置方法 | |
CN116979611A (zh) | 一种源网荷储分层优化调度方法 | |
CN110571868A (zh) | 微电网的优化配置方法 | |
CN113937767B (zh) | 一种基于改进鲸鱼算法的微电网容量优化配置方法 | |
Tazvinga | Energy optimisation and management of off-grid hybrid power supply systems | |
Dahmane et al. | Power management strategy for renewable hybrid stand-alone power system | |
Logeswaran et al. | Power flow management of hybrid system in smart grid requirements using ITSA-MOAT approach | |
Lamnadi et al. | Optimal design of stand-alone hybrid power system using wind and solar energy sources | |
CN109950920B (zh) | 一种基于动态规划算法的光伏场站侧电化学储能充放电计划制定方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |