CN108470231A - 考虑储能系统量化特征的配电网分布式储能选址定容方法 - Google Patents
考虑储能系统量化特征的配电网分布式储能选址定容方法 Download PDFInfo
- Publication number
- CN108470231A CN108470231A CN201810071628.9A CN201810071628A CN108470231A CN 108470231 A CN108470231 A CN 108470231A CN 201810071628 A CN201810071628 A CN 201810071628A CN 108470231 A CN108470231 A CN 108470231A
- Authority
- CN
- China
- Prior art keywords
- energy
- storage system
- distribution network
- power distribution
- storage
- 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 199
- 238000009826 distribution Methods 0.000 title claims abstract description 98
- 238000013139 quantization Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000006243 chemical reaction Methods 0.000 claims abstract description 10
- 238000003064 k means clustering Methods 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 7
- 238000009434 installation Methods 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 5
- 101150067055 minC gene Proteins 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 5
- 239000000243 solution Substances 0.000 description 4
- BNOODXBBXFZASF-UHFFFAOYSA-N [Na].[S] Chemical compound [Na].[S] BNOODXBBXFZASF-UHFFFAOYSA-N 0.000 description 2
- 239000002253 acid Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000012546 transfer Methods 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种考虑储能系统量化特征的配电网分布式储能选址定容方法:输入选定的配电系统的结构及参数;得到用于分布式储能选址定容的典型场景及各场景全年出现的概率;建立考虑储能系统量化特征的配电网分布式储能选址定容模型,包括目标函数和约束条件;将得到的考虑储能系统量化特征的配电网分布式储能选址定容模型使用混合整数非线性规划数学求解器进行求解;输出求解结果,包括配电网年综合费用、配电网年运行费用、折算到每年的储能系统投资费用及配置储能系统类型、位置和容量方案。本发明建立考虑储能系统量化特征的配电网分布式储能选址定容模型并求解,能够为配电网中分布式储能系统的选型、选址、定容问题提供一个经济、合理的配置方案。
Description
技术领域
本发明涉及一种配电网分布式储能选址定容方法。特别是涉及一种考虑储能系统量化特征的配电网分布式储能选址定容方法。
背景技术
随着分布式电源和新型灵活负荷渗透率的不断提高,传统的单向无源配电网正逐渐演化为有源配电网。大规模分布式电源的接入给配电网带来降低系统损耗、提高供电可靠性、减少环境污染等益处,但同时也给配电网的电压、电能质量、调度运行等带来一系列的影响。
电力行业市场化改革的推进,营造了自由、公平的电力交易环境,实现了社会资源的合理利用。但是,在电力市场环境下,有源配电网中的用户以实现自身经济利益最大化来进行的电能生产或消费行为,将可能导致配电网潮流分布在时间及空间上的过度集中,从而导致配电网阻塞问题,严重影响系统的安全经济运行。
储能系统是实现分布式能源高效利用和缓解配电网阻塞的重要手段。储能系统通过其在时间上对能量的转移,能够有效降低由于分布式电源出力间歇性和随机性所带来的影响,优化配电系统的运行状态。储能系统通过在高峰负荷时放电,在低谷负荷时充电,可有效实现负荷的削峰填谷,减少高峰负荷的用电需求,缓解配电网阻塞。但是,目前储能系统的造价昂贵,因此在满足系统运行需求的基础上,对储能系统的位置和容量进行合理的规划设计具有很重要的意义。
目前,已有的储能系统选址定容方法往往没有考虑储能的类型。但是,实际工程中不同类型的储能设备参数差异较大,各自适用于不同的需求场景。单一类型的储能设备难以兼顾高效率、长寿命等多个方面,因此将多种类型的储能系统进行综合规划,可充分发挥不同储能的技术优势,满足配电网对储能性能上的需求。另一方面,随着储能技术的发展,储能系统的成本将会大幅降低,其在配电网中的经济效益也将愈发凸显。由于不同类型的储能系统成本不同,在进行储能规划时,需要将不同类型储能的成本进行横向间的比较,选取最优的储能选型方案,以实现经济效益最大化。
因此,急需一种考虑储能系统量化特征的配电网分布式储能选址定容方法,为配电网中分布式储能系统的选型、选址、定容问题提供一个经济、合理的配置方案。
发明内容
本发明所要解决的技术问题是,提供一种包括储能的类型、位置和容量的考虑储能系统量化特征的配电网分布式储能选址定容方法。
本发明所采用的技术方案是:一种考虑储能系统量化特征的配电网分布式储能选址定容方法,包括如下步骤:
1)根据选定的配电系统,分别输入线路参数、负荷水平和网络拓扑连接关系,分布式电源接入位置与容量,不同类型储能系统的量化参数,系统节点电压和支路电流限制,系统基准电压和基准功率初值,其中,所述的不同类型储能系统的量化参数包括单位价格、循环寿命、充放电效率及最大放电深度;
2)采用k均值聚类算法对配电网所在地全年的负荷需求、风机出力和光伏出力进行聚类分析,得到用于分布式储能选址定容的典型场景及各场景全年出现的概率;
3)建立考虑储能系统量化特征的配电网分布式储能选址定容模型,包括:选取根节点为平衡节点,设定配电网年综合费用最小为目标函数,分别考虑配电系统潮流约束、配电系统安全运行约束、储能系统运行约束和储能系统安装位置与容量约束,所述的配电网年综合费用最小为目标函数包括配电网年运行费用和折算到每年的储能系统投资费用;
4)将步骤3)得到的考虑储能系统量化特征的配电网分布式储能选址定容模型使用混合整数非线性规划数学求解器进行求解;
5)输出步骤4)的求解结果,包括配电网年综合费用、配电网年运行费用、折算到每年的储能系统投资费用及配置储能系统类型、位置和容量方案。
步骤3)所述的配电网年综合费用最小为目标函数minC表示为:
minC=COPE+CINV
式中,COPE为配电网年运行费用,CINV为折算到每年的储能系统投资费用,分别表示为:
式中,ΩS为典型场景的集合,ΩT为每个场景下的时段的集合,Ωtype为储能系统类型的集合,ΩN为配电系统所有节点的集合;Δt为优化计算的时间间隔;λt为t时段的电价;d为贴现率;y为储能系统的使用年限;为第s个场景t时段上级电网向配电网传输的有功功率,规定上级电网向配电网传输功率为正方向;ps为聚类后第s个典型场景全年出现的概率; 分别为第m种储能系统的单位功率投资成本和单位能量投资成本;分别为第m种储能系统中功率单元和能量单元的容量;yi,m、zi,m分别为节点i上安装第m种储能系统中功率单元和能量单元的数量。
步骤3)所述的储能系统运行约束表示为:
式中,分别为第s个场景t时刻节点i上第m种储能系统注入的有功功率和无功功率;为第s个场景t时段节点i上第m种储能系统的能量;为第s个场景t时段节点i上第m种储能系统的功率损耗;为第m种储能系统的损耗系数;分别为第m种储能系统荷电状态的上下限;为第m种储能系统的循环寿命,即最大充放电次数;SOCs,m,t=0为第s个场景第m种储能系统初始时段的荷电状态,为第m个场景节点i上第m种储能系统结束时段的储能量;yi,m、zi,m分别为节点i上安装第m种储能系统中功率单元和能量单元的数量;分别为第m种储能系统中功率单元和能量单元的容量;Δt为优化计算的时间间隔;ΩT为每个场景下的时段的集合;y为储能系统的使用年限。
步骤3)所示的储能系统安装位置与容量约束表示为:
式中,SBGT、EBGT分别为储能系统规划总功率与总储能容量;δi∈{0,1},当δi=1时表示节点i安装储能系统,当δi=0时表示节点i不安装储能系统;nESS为允许装有储能系统节点的最大数量;Ωtype为储能系统类型的集合,ΩN为配电系统所有节点的集合;yi,m、zi,m分别为节点i上安装第m种储能系统中功率单元和能量单元的数量;分别为第m种储能系统中功率单元和能量单元的容量。
本发明的考虑储能系统量化特征的配电网分布式储能选址定容方法,立足于解决分布式储能选址定容问题,充分考虑不同类型储能的单位价格及运行特性,建立考虑储能系统量化特征的配电网分布式储能选址定容模型,使用混合整数非线性规划数学求解器(CONOPT、BONMIN等)进行求解,得到分布式储能选址定容方案,包括储能的类型、位置、容量等。能够为配电网中分布式储能系统的选型、选址、定容问题提供一个经济、合理的配置方案。
附图说明
图1是本发明考虑储能系统量化特征的配电网分布式储能选址定容方法的流程图;
图2是改进的IEEE 33节点算例结构图;
图3a是配电网区域年负荷曲线;
图3b是配电网区域风机年出力曲线;
图3c是配电网区域光伏年出力曲线;
图4a是采用k均值聚类算法得到的第1个典型场景图;
图4b是采用k均值聚类算法得到的第2个典型场景图;
图4c是采用k均值聚类算法得到的第3个典型场景图;
图4d是采用k均值聚类算法得到的第4个典型场景图;
图4e是采用k均值聚类算法得到的第5个典型场景图;
图4f是采用k均值聚类算法得到的第6个典型场景图;
图4g是采用k均值聚类算法得到的第7个典型场景图;
图4h是采用k均值聚类算法得到的第8个典型场景图;
图4i是采用k均值聚类算法得到的第9个典型场景图;
图4j是采用k均值聚类算法得到的第10个典型场景图;
图4k是采用k均值聚类算法得到的第11个典型场景图;
图4l是采用k均值聚类算法得到的第12个典型场景图。
具体实施方式
下面结合实施例和附图对本发明的考虑储能系统量化特征的配电网分布式储能选址定容方法做出详细说明。
如图1所示,本发明的考虑储能系统量化特征的配电网分布式储能选址定容方法,包括如下步骤:
1)根据选定的配电系统,分别输入线路参数、负荷水平和网络拓扑连接关系,分布式电源接入位置与容量,不同类型储能系统的量化参数,系统节点电压和支路电流限制,系统基准电压和基准功率初值,其中,所述的不同类型储能系统的量化参数包括单位价格、循环寿命、充放电效率及最大放电深度;
2)采用k均值聚类算法对配电网所在地全年的负荷需求、风机出力和光伏出力进行聚类分析,得到用于分布式储能选址定容的典型场景及各场景全年出现的概率;
3)建立考虑储能系统量化特征的配电网分布式储能选址定容模型,包括:选取根节点为平衡节点,设定配电网年综合费用最小为目标函数,分别考虑配电系统潮流约束、配电系统安全运行约束、储能系统运行约束和储能系统安装位置与容量约束,所述的配电网年综合费用最小为目标函数包括配电网年运行费用和折算到每年的储能系统投资费用;其中,
(1)所述的配电网年综合费用最小为目标函数minC表示为:
minC=COPE+CINV (1)
式中,COPE为配电网年运行费用,CINV为折算到每年的储能系统投资费用,分别表示为:
式中,ΩS为典型场景的集合,ΩT为每个场景下的时段的集合,Ωtype为储能系统类型的集合,ΩN为配电系统所有节点的集合;Δt为优化计算的时间间隔;λt为t时段的电价;d为贴现率;y为储能系统的使用年限;为第s个场景t时段上级电网向配电网传输的有功功率,规定上级电网向配电网传输功率为正方向;ps为聚类后第s个典型场景全年出现的概率; 分别为第m种储能系统的单位功率投资成本和单位能量投资成本;分别为第m种储能系统中功率单元和能量单元的容量;yi,m、zi,m分别为节点i上安装第m种储能系统中功率单元和能量单元的数量。
(2)所述的配电系统潮流约束表示为
式中,Ωb表示所有支路的集合,ΩS为根节点的集合;rij为支路ij的电阻,xij为支路ij的电抗;Ps,t,ij、Qs,t,ij分别为第s个场景t时刻支路ij上流过的有功功率和无功功率;Ps,t,i、Qs,t,i分别为第s个场景t时刻节点i上注入的有功功率和无功功率之和;分别为第s个场景t时刻节点i上分布式电源注入的有功功率和无功功率;分别为第s个场景t时刻节点i上第m种储能注入的有功功率和无功功率;分别为第s个场景节点i上负荷消耗的有功功率和无功功率;Is,t,ij为第s个场景t时刻节点i流向节点j的电流幅值;Us,t,i为第s个场景t时刻节点i的电压幅值。
(3)所述的配电系统安全运行约束表示为
式中,和分别为节点i的电压幅值上下限;为支路ij的电流幅值上限。
(4)所述的储能系统运行约束表示为:
式中,分别为第s个场景t时刻节点i上第m种储能系统注入的有功功率和无功功率;为第s个场景t时段节点i上第m种储能系统的能量;为第s个场景t时段节点i上第m种储能系统的功率损耗;为第m种储能系统的损耗系数;分别为第m种储能系统荷电状态的上下限;为第m种储能系统的循环寿命,即最大充放电次数;SOCs,m,t=0为第s个场景第m种储能系统初始时段的荷电状态,为第s个场景节点i上第m种储能系统结束时段的储能量;yi,m、zi,m分别为节点i上安装第m种储能系统中功率单元和能量单元的数量;分别为第m种储能系统中功率单元和能量单元的容量;Δt为优化计算的时间间隔;ΩT为每个场景下的时段的集合;y为储能系统的使用年限。
(5)所示的储能系统安装位置与容量约束表示为:
式中,SBGT、EBGT分别为储能系统规划总功率与总储能容量;δi∈{0,1},当δi=1时表示节点i安装储能系统,当δi=0时表示节点i不安装储能系统;nESS为允许装有储能系统节点的最大数量;Ωtype为储能系统类型的集合,ΩN为配电系统所有节点的集合;yi,m、zi,m分别为节点i上安装第m种储能系统中功率单元和能量单元的数量;分别为第m种储能系统中功率单元和能量单元的容量。
式(1)~(22)构成了考虑储能系统量化特征的配电网分布式储能选址定容模型。
4)将步骤3)得到的考虑储能系统量化特征的配电网分布式储能选址定容模型使用混合整数非线性规划数学求解器进行求解;
5)输出步骤4)的求解结果,包括配电网年综合费用、配电网年运行费用、折算到每年的储能系统投资费用及配置储能系统类型、位置和容量方案。
下面给出具体实施例:
对于本实施例,首先输入IEEE 33节点系统中线路元件的阻抗值,负荷元件的有功功率、无功功率,网络拓扑连接关系,算例结构如图2所示,详细参数见表1和表2;接入5组风电机组和3组光伏系统,功率因数为1.0,位置和容量见表3;考虑接入三种不同类型的分布式储能,具体参数见表4。规划总功率与总储能容量分别为1MVA、4MWh;允许装有储能系统节点的最大数量为4个;储能系统使用年限为10年,贴现率为0.08;分时电价参数如表5所示;最后设定系统的基准电压为12.66kV、基准功率为1MVA。
假定该配电网所在区域年负荷曲线、风机年出力曲线和光伏年出力曲线如图3a、图3b、图3c所示。采用k均值聚类算法对全年的负荷需求、风机和光伏出力进行聚类分析,得到分布式储能选址定容的典型场景如图4所示。采用本发明方法进行求解,规划结果见表6和表7。可以看出,规划后比规划前的年综合费用降低了1.55万美元,降幅达1.19%;配电网年运行费用降低了7.30万美元,降幅达5.60%。规划方案选择了铅酸电池和钠硫电池电池储能接入配电系统,其中第31、32节点同时配置两种储能。铅酸电池价格较低,钠硫电池循环效率和循环寿命较高,两种储能性能上存在优势互补,同时配置后提高了系统运行的经济性。而锂离子电池储能尽管性能上较另外两种类型的储能有优势,但其价格昂贵,未被选择接入配电系统。规划结果综合考虑了不同储能系统的量化特征,通过对储能系统的选型、选址、定容,提高了配电网运行的经济性,对未来配电网分布式储能系统的规划具有很好的指导意义。
执行优化计算的计算机硬件环境为Intel(R)Core(TM)i5-3470CPU,主频为3.20GHz,内存为4GB;软件环境为Windows 10操作系统。
表1 IEEE33节点算例负荷接入位置及功率
表2 IEEE33节点算例线路参数
表3分布式电源配置参数
表4不同类型储能系统参数
表5分时电价参数
时段 | 时段跨度 | 电价/美元·kWh-1 |
峰时段 | 15:00-22:00 | 0.18 |
平时段 | 8:00-15:00 | 0.132 |
谷时段 | 0:00-8:00,22:00-24:00 | 0.087 |
表6分布式储能系统选址定容方案
表7规划前后成本比较
Claims (4)
1.一种考虑储能系统量化特征的配电网分布式储能选址定容方法,其特征在于,包括如下步骤:
1)根据选定的配电系统,分别输入线路参数、负荷水平和网络拓扑连接关系,分布式电源接入位置与容量,不同类型储能系统的量化参数,系统节点电压和支路电流限制,系统基准电压和基准功率初值,其中,所述的不同类型储能系统的量化参数包括单位价格、循环寿命、充放电效率及最大放电深度;
2)采用k均值聚类算法对配电网所在地全年的负荷需求、风机出力和光伏出力进行聚类分析,得到用于分布式储能选址定容的典型场景及各场景全年出现的概率;
3)建立考虑储能系统量化特征的配电网分布式储能选址定容模型,包括:选取根节点为平衡节点,设定配电网年综合费用最小为目标函数,分别考虑配电系统潮流约束、配电系统安全运行约束、储能系统运行约束和储能系统安装位置与容量约束,所述的配电网年综合费用最小为目标函数包括配电网年运行费用和折算到每年的储能系统投资费用;
4)将步骤3)得到的考虑储能系统量化特征的配电网分布式储能选址定容模型使用混合整数非线性规划数学求解器进行求解;
5)输出步骤4)的求解结果,包括配电网年综合费用、配电网年运行费用、折算到每年的储能系统投资费用及配置储能系统类型、位置和容量方案。
2.根据权利要求1所述的考虑储能系统量化特征的配电网分布式储能选址定容方法,其特征在于,步骤3)所述的配电网年综合费用最小为目标函数minC表示为:
minC=COPE+CINV
式中,COPE为配电网年运行费用,CINV为折算到每年的储能系统投资费用,分别表示为:
式中,ΩS为典型场景的集合,ΩT为每个场景下的时段的集合,Ωtype为储能系统类型的集合,ΩN为配电系统所有节点的集合;Δt为优化计算的时间间隔;λt为t时段的电价;d为贴现率;y为储能系统的使用年限;为第s个场景t时段上级电网向配电网传输的有功功率,规定上级电网向配电网传输功率为正方向;ps为聚类后第s个典型场景全年出现的概率;分别为第m种储能系统的单位功率投资成本和单位能量投资成本;分别为第m种储能系统中功率单元和能量单元的容量;yi,m、zi,m分别为节点i上安装第m种储能系统中功率单元和能量单元的数量。
3.根据权利要求1所述的考虑储能系统量化特征的配电网分布式储能选址定容方法,其特征在于,步骤3)所述的储能系统运行约束表示为:
式中,分别为第s个场景t时刻节点i上第m种储能系统注入的有功功率和无功功率;为第s个场景t时段节点i上第m种储能系统的能量;为第s个场景t时段节点i上第m种储能系统的功率损耗;为第m种储能系统的损耗系数;分别为第m种储能系统荷电状态的上下限;为第m种储能系统的循环寿命,即最大充放电次数;SOCs,m,t=0为第s个场景第m种储能系统初始时段的荷电状态,为第s个场景节点i上第m种储能系统结束时段的储能量;yi,m、zi,m分别为节点i上安装第m种储能系统中功率单元和能量单元的数量;分别为第m种储能系统中功率单元和能量单元的容量;Δt为优化计算的时间间隔;ΩT为每个场景下的时段的集合;y为储能系统的使用年限。
4.根据权利要求1所述的考虑储能系统量化特征的配电网分布式储能选址定容方法,其特征在于,步骤3)所示的储能系统安装位置与容量约束表示为:
式中,SBGT、EBGT分别为储能系统规划总功率与总储能容量;δi∈{0,1},当δi=1时表示节点i安装储能系统,当δi=0时表示节点i不安装储能系统;nESS为允许装有储能系统节点的最大数量;Ωtype为储能系统类型的集合,ΩN为配电系统所有节点的集合;yi,m、zi,m分别为节点i上安装第m种储能系统中功率单元和能量单元的数量;分别为第m种储能系统中功率单元和能量单元的容量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810071628.9A CN108470231B (zh) | 2018-01-24 | 2018-01-24 | 考虑储能系统量化特征的配电网分布式储能选址定容方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810071628.9A CN108470231B (zh) | 2018-01-24 | 2018-01-24 | 考虑储能系统量化特征的配电网分布式储能选址定容方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108470231A true CN108470231A (zh) | 2018-08-31 |
CN108470231B CN108470231B (zh) | 2021-07-16 |
Family
ID=63266116
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810071628.9A Active CN108470231B (zh) | 2018-01-24 | 2018-01-24 | 考虑储能系统量化特征的配电网分布式储能选址定容方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108470231B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109193729A (zh) * | 2018-11-12 | 2019-01-11 | 浙江大学 | 一种配网自动化系统中储能系统的选址方法 |
CN109962485A (zh) * | 2019-03-08 | 2019-07-02 | 台州宏创电力集团有限公司 | 一种面向源网荷友好互动的复合储能装置选址定容方法 |
CN110034571A (zh) * | 2019-03-21 | 2019-07-19 | 国网浙江省电力有限公司经济技术研究院 | 一种考虑可再生能源出力的分布式储能选址定容方法 |
CN110503271A (zh) * | 2019-08-30 | 2019-11-26 | 南京工业大学 | 一种综合能源系统的多类型储能配置方法 |
CN110766240A (zh) * | 2019-11-19 | 2020-02-07 | 南京工程学院 | 一种不同场景下的快速充电站分层储能配置方法 |
CN111191820A (zh) * | 2019-12-17 | 2020-05-22 | 国网浙江省电力有限公司 | 一种综合能源系统中储能装置的选址定容优化规划方法 |
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 |
CN112072655A (zh) * | 2020-09-10 | 2020-12-11 | 天津大学 | 一种并网风储发电系统混合储能优化配置方法 |
CN112491072A (zh) * | 2020-12-03 | 2021-03-12 | 国网四川省电力公司经济技术研究院 | 多端混合直流输电系统的储能布局方法及装置 |
CN112668186A (zh) * | 2020-12-30 | 2021-04-16 | 华中科技大学 | 基于elm的输配一体储能系统选址定容协同优化方法 |
CN113595069A (zh) * | 2021-07-22 | 2021-11-02 | 江阴长仪集团有限公司 | 一种配电网光伏消纳容量提升方法 |
CN113762792A (zh) * | 2021-09-13 | 2021-12-07 | 山东大学 | 固定式与移动式混合储能系统优化配置系统及方法 |
CN113988594A (zh) * | 2021-10-26 | 2022-01-28 | 山东大学 | 一种灾难备份数据中心多目标选址方法及系统 |
CN114254551A (zh) * | 2021-10-25 | 2022-03-29 | 国网山东省电力公司青岛供电公司 | 分布式储能多目标优化配置方法及系统 |
CN117709651A (zh) * | 2023-12-14 | 2024-03-15 | 国网青海省电力公司清洁能源发展研究院 | 一种区域电网多点布局储能系统规划配置方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150331327A1 (en) * | 2014-05-13 | 2015-11-19 | Canon Kabushiki Kaisha | Exposure apparatus, control method thereof, and device fabrication method |
CN105449713A (zh) * | 2015-12-11 | 2016-03-30 | 天津大学 | 考虑分布式电源特性的有源配电网智能软开关规划方法 |
CN107332277A (zh) * | 2017-08-24 | 2017-11-07 | 天津大学 | 一种考虑源储荷运行特性的有源配电网孤岛运行方法 |
CN107591797A (zh) * | 2017-08-18 | 2018-01-16 | 天津大学 | 一种智能软开关的集中和就地联合控制策略整定方法 |
-
2018
- 2018-01-24 CN CN201810071628.9A patent/CN108470231B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150331327A1 (en) * | 2014-05-13 | 2015-11-19 | Canon Kabushiki Kaisha | Exposure apparatus, control method thereof, and device fabrication method |
CN105449713A (zh) * | 2015-12-11 | 2016-03-30 | 天津大学 | 考虑分布式电源特性的有源配电网智能软开关规划方法 |
CN107591797A (zh) * | 2017-08-18 | 2018-01-16 | 天津大学 | 一种智能软开关的集中和就地联合控制策略整定方法 |
CN107332277A (zh) * | 2017-08-24 | 2017-11-07 | 天津大学 | 一种考虑源储荷运行特性的有源配电网孤岛运行方法 |
Non-Patent Citations (1)
Title |
---|
杨火明等: "考虑配电网韧性的储能系统选址定容优化方法", 《电力建设》 * |
Cited By (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109193729A (zh) * | 2018-11-12 | 2019-01-11 | 浙江大学 | 一种配网自动化系统中储能系统的选址方法 |
CN109962485B (zh) * | 2019-03-08 | 2021-07-16 | 台州宏远电力设计院有限公司 | 一种面向源网荷友好互动的复合储能装置选址定容方法 |
CN109962485A (zh) * | 2019-03-08 | 2019-07-02 | 台州宏创电力集团有限公司 | 一种面向源网荷友好互动的复合储能装置选址定容方法 |
CN110034571A (zh) * | 2019-03-21 | 2019-07-19 | 国网浙江省电力有限公司经济技术研究院 | 一种考虑可再生能源出力的分布式储能选址定容方法 |
CN110503271A (zh) * | 2019-08-30 | 2019-11-26 | 南京工业大学 | 一种综合能源系统的多类型储能配置方法 |
CN110503271B (zh) * | 2019-08-30 | 2023-05-26 | 南京工业大学 | 一种综合能源系统的多类型储能配置方法 |
CN110766240B (zh) * | 2019-11-19 | 2022-11-01 | 南京工程学院 | 一种不同场景下的快速充电站分层储能配置方法 |
CN110766240A (zh) * | 2019-11-19 | 2020-02-07 | 南京工程学院 | 一种不同场景下的快速充电站分层储能配置方法 |
CN111191820A (zh) * | 2019-12-17 | 2020-05-22 | 国网浙江省电力有限公司 | 一种综合能源系统中储能装置的选址定容优化规划方法 |
CN111191820B (zh) * | 2019-12-17 | 2023-05-09 | 国网浙江省电力有限公司 | 一种综合能源系统中储能装置的选址定容优化规划方法 |
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 |
CN112072655A (zh) * | 2020-09-10 | 2020-12-11 | 天津大学 | 一种并网风储发电系统混合储能优化配置方法 |
CN112491072B (zh) * | 2020-12-03 | 2023-10-27 | 国网四川省电力公司经济技术研究院 | 多端混合直流输电系统的储能布局方法及装置 |
CN112491072A (zh) * | 2020-12-03 | 2021-03-12 | 国网四川省电力公司经济技术研究院 | 多端混合直流输电系统的储能布局方法及装置 |
CN112668186A (zh) * | 2020-12-30 | 2021-04-16 | 华中科技大学 | 基于elm的输配一体储能系统选址定容协同优化方法 |
CN112668186B (zh) * | 2020-12-30 | 2024-05-14 | 华中科技大学 | 基于elm的输配一体储能系统选址定容协同优化方法 |
CN113595069A (zh) * | 2021-07-22 | 2021-11-02 | 江阴长仪集团有限公司 | 一种配电网光伏消纳容量提升方法 |
CN113595069B (zh) * | 2021-07-22 | 2023-10-20 | 江阴长仪集团有限公司 | 一种配电网光伏消纳容量提升方法 |
CN113762792A (zh) * | 2021-09-13 | 2021-12-07 | 山东大学 | 固定式与移动式混合储能系统优化配置系统及方法 |
CN114254551A (zh) * | 2021-10-25 | 2022-03-29 | 国网山东省电力公司青岛供电公司 | 分布式储能多目标优化配置方法及系统 |
CN113988594A (zh) * | 2021-10-26 | 2022-01-28 | 山东大学 | 一种灾难备份数据中心多目标选址方法及系统 |
CN113988594B (zh) * | 2021-10-26 | 2024-04-30 | 山东大学 | 一种灾难备份数据中心多目标选址方法及系统 |
CN117709651A (zh) * | 2023-12-14 | 2024-03-15 | 国网青海省电力公司清洁能源发展研究院 | 一种区域电网多点布局储能系统规划配置方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108470231B (zh) | 2021-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108470231A (zh) | 考虑储能系统量化特征的配电网分布式储能选址定容方法 | |
CN109980685B (zh) | 一种考虑不确定性的主动配电网分布式优化运行方法 | |
Zhou et al. | Optimal sizing of PV and BESS for a smart household considering different price mechanisms | |
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 | |
CN103490410B (zh) | 一种基于多目标优化的微电网规划和容量配置方法 | |
Wu et al. | Optimal coordinate operation control for wind–photovoltaic–battery storage power-generation units | |
CN107681675A (zh) | 基于分布式蓄电设施的区块链电力交易调峰调频系统 | |
CN103368193B (zh) | 用于跟踪计划出力的电池储能电站实时功率分配方法 | |
CN106295853B (zh) | 基于储能调度模式的分布式光伏两阶段多目标就地消纳法 | |
CN109038560B (zh) | 基于运行策略的配电网分布式储能经济性评价方法和系统 | |
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 | |
CN104377724A (zh) | 提高风电/光伏混合储能系统经济性的协调优化控制方法 | |
CN105976055A (zh) | 计及功率损耗的分布式光伏-储能系统出力优化及容量配置方法 | |
CN110135662B (zh) | 一种考虑减小峰谷差的储能选址定容多目标优化方法 | |
CN103455852A (zh) | 一种基于dea合作博弈的输配电费用分摊方法 | |
CN112365021A (zh) | 一种基于混合储能的区域综合能源系统规划优化方法 | |
WO2023060815A1 (zh) | 一种提高配电网可靠性的储能容量优化配置方法 | |
CN110277781A (zh) | 一种含光储充园区电网的电力系统经济调度方法 | |
CN110034571A (zh) | 一种考虑可再生能源出力的分布式储能选址定容方法 | |
CN114977320A (zh) | 一种配电网源网荷储多目标协同规划方法 | |
CN106849143A (zh) | 一种基于概率分布统计和最优电池充放电调度的储能系统容量配置方法 | |
CN115618616A (zh) | 一种源、网、荷资源的混合储能可靠性评估模型构建方法 | |
CN115000985A (zh) | 一种用户侧分布式储能设施聚合管控方法及系统 | |
CN109687423A (zh) | 一种直流电网的储能配置方法 | |
CN117674211A (zh) | 一种集中式共享储能容量的规划方法、系统及电子设备 |
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 |