CN108470240A - 一种基于需量管理的储能两阶段优化方法 - Google Patents

一种基于需量管理的储能两阶段优化方法 Download PDF

Info

Publication number
CN108470240A
CN108470240A CN201810174765.5A CN201810174765A CN108470240A CN 108470240 A CN108470240 A CN 108470240A CN 201810174765 A CN201810174765 A CN 201810174765A CN 108470240 A CN108470240 A CN 108470240A
Authority
CN
China
Prior art keywords
energy storage
power
charge
moment
formula
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
Application number
CN201810174765.5A
Other languages
English (en)
Inventor
陈丽娟
吴甜恬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201810174765.5A priority Critical patent/CN108470240A/zh
Publication of CN108470240A publication Critical patent/CN108470240A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开一种基于需量管理的储能两阶段优化方法，先读入用户的历史数据；然后构建月前储能评估模型；再通过建立的月前储能评估模型利用Cplex求解器得出月前申报需量值和配置的储能容量；并建立日前储能评估模型；再通过建立的日前储能评估模型利用Cplex求解器计算第i天储能的充放电功率；然后判断i是否大于31，如果i不大于31则继续计算第i天储能的充放电功率，如果i大于31则判断评估是否适合加装储能，如果不适合加装储能则退出，如果适合加装储能则输出调度指令并结束。本发明以经济性最优，为加装储能意向的用户，确定储能安装容量，优化储能的充放电策略。

Description

一种基于需量管理的储能两阶段优化方法
技术领域
本发明属于用户侧储能领域，特别涉及一种基于需量管理的储能两阶段优化方法。
背景技术
2016年6月，国家能源局下发通知，决定开展储能参与“三北”地区电力辅助服务补偿机制试点，同时鼓励各企业投资建设电储能设施，鼓励电储能设施与新能源、电网的协调优化运行，鼓励分布式电储能设施在客户侧的建设。但随着我国电力体制改革的推进，用户侧储能市场存在潜在的盈利机会，而盈利途径以及经济效益是其实现商业化应用的关键。但现今储能成本较高，用户若仅靠峰谷差套利和政府补贴，资金回收年限长，难以达到盈利目标，这些阻碍了储能在用户侧储能商业化应用进程。
目前，国内外学者对其作了大量的理论研究，研究重点集中在储能电池研究，储能参与调频，削峰填谷等辅助服务，风储联合调度，平抑新能源波动等，但大多针对大规模储能系统，对于用户侧储能商业应用方面研究较少。国外在储能商业化上，Green ChargeNetwork公司做出成功的尝试，将安装和使用储能系统为用户降低需量电费(DemandCharges)作为其主要商业模式，同时利用政府的储能补贴进一步提升商业价值。反观国内在这方面研究和应用还很少。
针对该背景下的问题，本文提出了一种需量管理捆绑峰谷套利的两阶段大用户储能优化模型。
发明内容
发明目的：针对现有技术中存在的问题，为推进储能商业化应用，本发明提供一种基于需量管理的两阶段储能优化方法，以经济性最优，为有加装储能意向的用户，确定储能安装容量，优化储能的充放电策略。
技术方案：为解决上述技术问题，本发明提供一种基于需量管理的储能两阶段优化方法，包括如下步骤：
(1)读入用户的历史数据；
(2)基于需量计费规则建立以每月电度电费、每月基本电费和每月储能投资成本三者之和的最小值为目标并满足储能SOC状态约束、储能充放电状态约束、储能功率约束、储能电量前后耦合约束、储能倍率约束和峰谷差约束的月前储能评估模型；
(3)通过建立的月前储能评估模型利用Cplex求解器得出月前申报需量值和配置的储能容量；
(4)建立以将用户加装储能后收益最大作为目标并以满足储能SOC状态约束、储能充放电状态约束、储能功率约束、储能电量前后耦合约束、储能倍率约束和峰谷差约束的日前储能评估模型；
(5)通过建立的日前储能评估模型利用Cplex求解器计算第i天储能的充放电功率；
(6)判断i是否大于31，如果i不大于31则返回步骤(5)，如果i大于31则进入步骤(7)；
(7)判断评估是否适合加装储能，如果不适合加装储能则退出，如果适合加装储能则进入步骤(8)；
(8)输出调度指令并结束。
进一步的，所述步骤(2)中建立的月前储能评估模型的目标函数为：
用户的综合成本包括电度电费，采用需量计费方式的基本电费，以及储能折算到每月的投资成本费用，具体可以表示为：
min(C1+C2+C3)
式中：C1为每月的电度电费；C2为每月的基本电费；C3为折算到每个月的储能投资成本；
其中，电度电费成本以15min为测量间隔，用户的电度电费C1计算公式具体如下：
式中：m为分时电价，Pl,i.t为第i天第t个时刻的用户负荷功率；Pd,i.t为第i天第t个时刻的储能放电功率；Pc,i.t为第i天第t个时刻的储能充电功率；
其中，基本电费成本为工业大用户需要在月前上报最大需量，若无需修改需量，则按系统已有的需量进行核定；根据需量计费规则，单价dx取40元/kW，每月的基本电费C2如下：
式中：a为用户月前上报的最大需量；b为用户当月每15min实际用电量。
其中，储能投资成本考虑到实际应用情况，储能系统的初始投资成本主要由容量成本表示，储能投资成本C3表示如下：
C3＝c·S/12N
式中：c为度电成本系数，即储能每单位容量的单价(元/Wh)；S为储能容量；N为储能寿命(年)。
进一步的，所述步骤(2)建立的月前储能评估模型的约束条件具体如下：
(2.1)：储能SOC状态约束
每个时刻，储能的SOC状态始终介于限值之间，如下式所示：
SOCmin≤SOCi,t≤SOCmax
式中：SOCi.t为第i天第t个时刻的储能荷电状态；SOCmin，SOCmax分别为荷电状态的上下限；
(2.2)：储能充放电状态约束
储能的充放电状态可分为充电，放电，不充不放三种状态。为避免储能同时出现充电和放电状态，应满足下式：
Bd,i,t+Bc,i,t≤1
式中：Bd,i,t，Bc,i,t为0-1变量，Bd,i,t为第i天第t个时刻储能放电状态变量，当Bd,i,t为1时，表示储能处于放电状态，0为不充不放；Bc,i,t为第i天第t个时刻储能充电状态变量，当Bc,i,t为1时，表示储能处于充电状态。
(2.3)：储能功率约束
每个时刻，储能的充放电功率应不超过储能的额定功率，如下式所示：
式中：Pdmax，Pcmax分别是储能最大充放电功率；
(2.4)：储能电量前后耦合约束
储能后一个时刻电量是前一个时刻电量加上充放电电量，如下式所示：
式中：Ei,t+1为第i天第t+1时刻的储能电量；Ei,t为第i天第t时刻的储能电量；ηc为储能的充电效率；ηd为储能的放电效率；
(2.5)：储能倍率约束
假设储能容量和额定功率之间成正比，如下式所示：
S＝β·P
式中：S为储能容量，β为电池能量倍率，P为储能额定功率。
(2.6)：峰谷差约束
由于考虑到用户加装储能后，会形成新的峰谷，以原先用户负荷的峰谷差为约束条件，以减少额外进行削峰填谷的费用，如下式所示：
loadi,min＜Pl,i,t-Pd,i,t+Pc,i,t＜loadi.max
式中：loadi,max,，loadi,min分别为用户的第i天用电负荷的最大值和最小值。
进一步的，所述步骤(4)中构建日前储能优化模型的具体步骤如下：
(4.1)目标函数
式中：Pl.t为优化日内第t个时刻的用户负荷功率；Pd,t为优化日内第t个时刻的储能放电功率，Pc,t为优化日内第t个时刻的储能充电功率；
(4.2)约束条件
该模型的约束条件与月前模型类似，满足储能SOC状态约束、储能充放电状态约束、储能功率约束、储能电量前后耦合约束、储能倍率约束和峰谷差约束，不同的是时间下标从(i,t)变为t；此外，储能功率约束中由于储能容量已经确定，则储能功率限值Pdmax和Pcmax为确定值，即为月前优化中确定的预计配置的储能功率值，具体约束条件如下所示：
(4.2.1)储能SOC状态约束
每个时刻，储能的SOC状态始终介于限值之间，如下式所示：
SOCmin≤SOCt≤SOCmax
式中：SOCt为优化日内第t个时刻的储能荷电状态；
(4.2.2)储能充放电状态约束
储能的充放电状态可分为充电、放电和不充不放三种状态，为避免储能同时出现充电和放电状态，具体如下：
Bd,t+Bc,t≤1
式中：Bd,t，Bc,t为0-1变量，Bd,t表示为优化日内第t个时刻储能放电状态，Bc,t表示为优化日内第t个时刻储能充电状态；
(4.2.3)储能功率约束
每个时刻，储能的充放电功率应不超过储能的额定功率，如下式所示：
(4.2.4)储能电量前后耦合约束
储能后一个时刻电量是前一个时刻电量加上充放电电量，如下式所示：
式中：Et+1为优化日内第t+1时刻的储能电量；Et为优化日内第t时刻的储能电量；
(4.2.5)储能倍率约束
假设储能容量和额定功率之间成正比，如下式所示：
S＝β·P
式中：β为电池能量倍率，P为储能额定功率；
(4.2.6)最大需量约束
为了避免用户加装储能后的用电量不能高于最大需量惩罚标准，以及防止储能进行过充过放的行为，如下式所示
loadmin＜Pl,t-Pd,t+Pc,t＜1.05a
式中：loadmin为优化日内用户最低负荷值。
进一步的，所述步骤(7)中判断评估是否适合加装储能的具体评判过程如下：
(7.1)根据月前评估模型优化得到的储能配置容量，计算预计投资成本；
Cs＝c·S
式中：C为度电成本系数，S为储能容量，Cs为工业大用户预计储能的投资成本；
(7.2)计算用户每月总节省的电费，储能用于峰谷套利节省的电度电费；
式中：Cs1为节省的电度电费；
采用需量计费后节约的基本电费：
式中：Cs2为节省的基本电费；ST为变压器容量；db为用户按变压器容量收费的单价；
(7.3)以回收年限作为评估指标，以5年为期限，判定用户是否适合加装储能：
式中：T为储能回收年限，单位月。
与现有技术相比，本发明的优点在于：
本发明可以将储能应用在工业大用户需量管理领域，以经济性最优优化储能配置和调度策略。本发明在月前储能评估阶段，以用户的综合成本最小优化储能配置，可有效降低用户的最大需量，节省用电成本的同时，确定需要上报的需量值。本发明在日前利用峰谷套利进一步优化储能充放电策略，可以进一步为用户提高收益，加快储能成本回收时间。
本发明基于需量计费规则，建立了两阶段储能优化调度模型，在月前优化模型中，考虑用户综合成本最小化，确定上报的需量并优化储能配置。在日内优化中，以用户峰谷套利最大为目标函数，进一步优化储能充放电策略。通过回收年限，收益等指标，为工业大用户是否适合加装储能提供指导建议。
附图说明
图1为本发明的流程图；
图2为实施例中需量测量示意图；
图3为实施例中用户A的负荷优化结果示意图；
图4为实施例中用户B的负荷优化结果示意图；
图5为实施例中用户C的负荷优化结果示意图；
图6为实施例中用户D的负荷优化结果示意图；
图7为实施例中用户A的储能充放电曲线示意图。
具体实施方式
下面结合附图和具体实施方式，进一步阐明本发明。本发明描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的其他实施例，都属于本发明所保护的范围。
如图1所示一种基于需量管理的两阶段储能优化方法，具体步骤如下：
S1：对于有加装储能意向的工业大用户，通过读入历史数据，分析负荷特性；
S2：基于需量计费规则搭建月前储能评估模型；
S3：利用Cplex求解器，优化计算月前申报的需量值和配置的储能容量；
S4：以求解到的需量值和储能容量作为约束条件搭建日前储能优化模型；
S5：以31天作为优化周期，利用Cplex求解器计算每天的储能的充放电功率；
S51：基于月前优化出的储能配置容量，以用户收益最大，优化每天的充放电功率；
S52：判断优化天数是否满足该月天数后，如果满足，进入S53，否则，回到S51；
S53：确定最终本月的储能充放电策略。
S6：评估用户是否适合加装储能，储能回收年限小于5年，进入S7，否则退出；
S61根据月前评估模型优化得到的储能配置容量，计算预计投资成本；
Cs＝c·S
式中：Cs为工业大用户预计储能的投资成本。
S62计算用户每月总节省的电费，包括以下；
S62.1储能用于峰谷套利节省的电度电费；
式中：Cs1为节省的电度电费。
S62.2采用需量计费后节约的基本电费；
式中:Cs2为节省的基本电费；ST为变压器容量；db为用户按变压器容量收费的单价。
S63以回收年限作为评估指标，以5年为期限，判定用户是否适合加装储能。
式中：T为储能回收年限(单位月)。
S7：输出储能调度指令。
优选的，需量计费的规则如下如附图2所示，具体如下：
需量计费属于基本电费计费方式的一种。当工业用户选择了按最大需量计费，也就是在一定结算期内某一段时间客户用电的平均功率的最大值收费，由于瞬间的最大功率没有意义也难以检测，因此供电公司多采用“滑差”的测量方式测量用户电量。目前，供电公司采用的测量规则如下:智能电表每隔1min，进入一个测量周期(15min)。这样，每天有1440次测量，智能电表只存取当天的最大值，如果第二天测量到的值比前一天记录的值要大，则智能电表记录值自动被新值覆盖。
用户需要支付的基本电费如下式所示。如果用户的实际需量值没有超过上报最大需量的5％，用户需交纳的额费用为上报最大需量乘以单价。反之，如果用户实际需量超过了上报最大需量的5％，超过5％的部分还要加一倍收取。
式中：a为用户月前上报的最大需量(单位kW)；b为用户当月每15min实际用电量(单位kW)；dx为需量单价(单位元/kW)。
优选的，月前储能评估模型具体为：
1)目标函数
用户的综合成本包括电度电费，采用需量计费方式的基本电费，以及储能折算到每月的投资成本费用，具体可以表示为：
min(C1+C2+C3)
式中：C1为每月的电度电费；C2为每月的基本电费；C3为折算到每个月的储能投资成本。
(1)电度电费成本
以15min为测量间隔，用户的电度电费计算公式具体如下：
式中：m为分时电价，Pl,i.t为第i天第t个时刻的用户负荷功率；Pd,i.t为第i天第t个时刻的储能放电功率Pc,i.t为第i天第t个时刻的储能充电功率。
(2)基本电费成本
工业大用户需要在月前上报最大需量，若无需修改需量，则按系统已有的需量进行核定。根据需量计费规则，单价dx取40元/kW，每月基本电费如下：
式中：a为用户月前上报的最大需量(单位kW)；b为用户当月每15min实际用电量(单位kW)。
(3)储能投资成本
考虑到实际应用情况，储能系统的初始投资成本主要由容量成本表示，具体数学模型如下：
C3＝c·S/12N
式中:c为度电成本系数，即储能每单位容量的单价(元/Wh)；S为储能容量；N为储能寿命(年)。
2)约束条件
(1)储能SOC状态约束
每个时刻，储能的SOC状态始终介于限值之间，如下式所示：
SOCmin≤SOCi,t≤SOCmax
式中：SOCi.t为第i天第t个时刻的储能荷电状态；SOCmin，SOCmax分别为荷电状态的上下限。
(2)储能充放电状态约束
储能的充放电状态可分为充电，放电，不充不放三种状态。为避免储能同时出现充电和放电状态，应满足下式。
Bd,i,t+Bc,i,t≤1
式中：Bd,i,t，Bc,i,t为0-1变量，Bd,i,t为第i天第t个时刻储能放电状态变量，当Bd,i,t为1时，表示储能处于放电状态，0为不充不放；Bc,i,t为第i天第t个时刻储能充电状态变量，当Bc,i,t为1时，表示储能处于充电状态。
(3)储能功率约束
每个时刻，储能的充放电功率应不超过储能的额定功率，如下式所示：
式中：Pdmax，Pcmax分别是储能最大充放电功率。
(4)储能电量前后耦合约束
储能后一个时刻电量是前一个时刻电量加上充放电电量，如下式所示：
式中：Ei,t+1为第i天第t+1时刻的储能电量；Ei,t为第i天第t时刻的储能电量；ηc为储能的充电效率；ηd为储能的放电效率。
(5)储能倍率约束
假设储能容量和额定功率之间成正比，如下式所示：
S＝β·P
式中：β为电池能量倍率，P为储能额定功率。
(6)峰谷差约束
由于考虑到用户加装储能后，会形成新的峰谷，以原先用户负荷的峰谷差为约束条件，以减少额外进行削峰填谷的费用，如下式所示：
loadi,min＜PL,i,t-Pd,i,t+Pc,i,t＜loadi.max
式中：loadi,max,，loadi,min分别为用户的第i天用电负荷的最大值和最小值。
优选的，日前储能优化模型具体为：
1)目标函数
式中：Pl.t为优化日内第t个时刻的用户负荷功率；Pd,t为优化日内第t个时刻的储能放电功率Pc,t为优化日内第t个时刻的储能充电功率。
2)约束条件
该模型的约束条件与月前模型类似，满足电量约束，充放电限值约束，储能能量耦合约束，充放电状态约束以及峰谷差约束。不同的是时间下标从(i,t)变为t。此外，储能功率约束中的储能功率限值为已知值，即为月前优化中确定的预计配置的储能功率值，具体如下式所示：
式中：SOCt为优化日内第t个时刻的储能荷电状态；Ei,t+1为优化日内第t+1时刻的储能电量；Ei,t为优化日内第t时刻的储能电量；Bd,i,t，Bc,i,t为0-1变量，分为优化日内第t个时刻储能充放电状态。
具体的，本发明选取了淮安地区四家典型工业大用户作为评估算例。在基本电费的计费方式中，这四家用户原先均采用按变压器容量计费。本发明采用了Cplex求解器对两阶段模型进行求解。计算各用户改用需量计费后，建议配置的储能容量以及每月节约的费用，储能回收年限，评估各用户是否适合加装储能。
假设优化开始时储能SOC状态初始值为0.5，储能的SOC状态上下限为[0.2,1]，充放电效率为82％，电池能量倍率为2.74，寿命为10年，储能投资成本为3元(单位Wh)。淮安供电公司针对工业大用户的售电价格采用分时电价，分为峰时段(8:00-12:00，17:00-21:00),平时段(12:00-17:00，21:00-24:00)以及谷时段(0:00-8:00)三段，如表1所示
表1分时电价
序号 户名 高峰 平段 低谷
1 用户A 1.1002 0.6601 0.32
2 用户B 1.0902 0.6541 0.318
3 用户C 1.1002 0.6601 0.32
4 用户D 1.0902 0.6541 0.318
1)用户负荷特性分析
选取用户1个月的用电数据，其中负荷数据间隔15min，单日共96个数据点。由于大工业用户用电存在规律性，为了便于对各用户进行负荷分析，本文将同时段的负荷进行累加，得到的负荷曲线，经过分析，各用户用电特性如下所示：
(1)用户A的日用电负荷呈现明显的双峰特性，其中一个峰值出现在上午，另一个峰值出现在下午。夜间及早上上班前并没有明显的用电情况。
(2)用户B的排班工作属于三班倒，一周7天都呈现用电高的情况，单日基本保持高负荷状态，峰谷差比较小。
(3)用户C的用电量高峰主要集中在白天上班时间范围内，夜间及早上上班前有用电情况，且用电量不低。
(4)用户D的基本全天处于用电高峰状态，在交接班的时候会出现负荷低谷的情况，因此造成其峰谷差较大。
2)储能评估结果分析
四家用户采取需量计费节省的电费以及储能成本回收年限这三个指标对四家用户进行对比分析，其中各用户配置的储能功率等优化结果如表2所示。其中，峰谷套利是指节省的电度电费。此外，四家用户典型一天的优化前后的负荷曲线如附图3-6所示。
表2优化结果
通过对表2进行分析，可以得到以下结论：
(1)用户A加装储能后，回本时间为49个月。该厂在白天存在用电高峰，储能可以有效的降低最大需量，从而节省基本电费的同时，提高了峰谷套利收益。但由于削减最大需量值需配置的储能容量大，高额的储能成本前期投资使其回本时间相比用户C较慢。该用户回收年限小于评判标准5年，则适合加装储能。
(2)用户B加装储能后，回本时间为131个月。这是由于自身负荷曲线相对平缓，峰谷差较小，加装储能后，节省的基本电费少加之峰谷套利的收益较小，而储能成本又高，造成回本时间过长。因此，该用户大于评判标准5年。则不适合加装储能。
(3)用户C加装储能后，回本时间为42个月。通过负荷分析可知，其大用电时段主要处于峰时段，储能很好的降低了最大需量的同时可以赚取峰谷差价。相应需储能配置成本不高，3年半就可回收投资资金。该用户回收年限小于评判标准5年，则适合加装储能。
(4)用户D加装储能后，回本时间为68个月。这是由于节省的基本电费是盈利的主要途径，但该用户在这方面收益不高，约5年半时间才能回本。该用户回收年限大于评判标准5年，则不适合加装储能。
综上，在四家用户中，用户A和用户C适合加装储能，用户B和D不适合加装储能。
3)日前储能优化结果分析
以用户A为例，典型一天的优化前后的负荷曲线如附图3所示，储能充放电功率曲线如附图7所示，由附图可知，用户A在加装储能后，储能有效的削减了用电高峰的负荷值，保证用户每天用电不超出最大需量。此外，储能在谷期和平期充电，在峰期放电，这样的充放电策略有效的保证了用户最大化的进行峰谷套利，节约了大量的电费，实现利益的最大化。

Claims (5)

1.一种基于需量管理的储能两阶段优化方法，其特征在于，包括如下步骤：
(1)读入用户的历史数据；
(2)基于需量计费规则建立以每月电度电费、每月基本电费和每月储能投资成本三者之和的最小值为目标并满足储能SOC状态约束、储能充放电状态约束、储能功率约束、储能电量前后耦合约束、储能倍率约束和峰谷差约束的月前储能评估模型；
(3)通过建立的月前储能评估模型利用Cplex求解器得出月前申报需量值和配置的储能容量；
(4)建立以将用户加装储能后收益最大作为目标并以满足储能SOC状态约束、储能充放电状态约束、储能功率约束、储能电量前后耦合约束、储能倍率约束和峰谷差约束的日前储能评估模型；
(5)通过建立的日前储能评估模型利用Cplex求解器计算第i天储能的充放电功率；
(6)判断i是否大于31，如果i不大于31则返回步骤(5)，如果i大于31则进入步骤(7)；
(7)判断评估是否适合加装储能，如果不适合加装储能则退出，如果适合加装储能则进入步骤(8)；
(8)输出调度指令并结束。
2.根据权利要求1所述的一种基于需量管理的储能两阶段优化方法，其特征在于，所述步骤(2)中建立的月前储能评估模型的目标函数为：
用户的综合成本包括电度电费，采用需量计费方式的基本电费，以及储能折算到每月的投资成本费用，具体可以表示为：
min(C1+C2+C3)
式中：C1为每月的电度电费；C2为每月的基本电费；C3为折算到每个月的储能投资成本；
其中，电度电费成本以15min为测量间隔，用户的电度电费C1计算公式具体如下：
式中：m为分时电价，Pl,i.t为第i天第t个时刻的用户负荷功率；Pd,i.t为第i天第t个时刻的储能放电功率；Pc,i.t为第i天第t个时刻的储能充电功率；
其中，基本电费成本为工业大用户需要在月前上报最大需量，若无需修改需量，则按系统已有的需量进行核定；根据需量计费规则，单价dx取40元/kW，每月的基本电费C2如下：
式中：a为用户月前上报的最大需量；b为用户当月每15min实际用电量。
其中，储能投资成本考虑到实际应用情况，储能系统的初始投资成本主要由容量成本表示，储能投资成本C3表示如下：
C3＝c·S/12N
式中：c为度电成本系数，即储能每单位容量的单价(元/Wh)；S为储能容量；N为储能寿命(年)。
3.根据权利要求1所述的一种基于需量管理的储能两阶段优化方法，其特征在于，所述步骤(2)建立的月前储能评估模型的约束条件具体如下：
(2.1)：储能SOC状态约束
每个时刻，储能的SOC状态始终介于限值之间，如下式所示：
SOCmin≤SOCi,t≤SOCmax
式中：SOCi.t为第i天第t个时刻的储能荷电状态；SOCmin，SOCmax分别为荷电状态的上下限；
(2.2)：储能充放电状态约束
储能的充放电状态可分为充电，放电，不充不放三种状态。为避免储能同时出现充电和放电状态，应满足下式：
Bd,i,t+Bc,i,t≤1
式中：Bd,i,t，Bc,i,t为0-1变量，Bd,i,t为第i天第t个时刻储能放电状态变量，当Bd,i,t为1时，表示储能处于放电状态，0为不充不放；Bc,i,t为第i天第t个时刻储能充电状态变量，当Bc,i,t为1时，表示储能处于充电状态。
(2.3)：储能功率约束
每个时刻，储能的充放电功率应不超过储能的额定功率，如下式所示：
式中：Pdmax，Pcmax分别是储能最大充放电功率；
(2.4)：储能电量前后耦合约束
储能后一个时刻电量是前一个时刻电量加上充放电电量，如下式所示：
式中：Ei,t+1为第i天第t+1时刻的储能电量；Ei,t为第i天第t时刻的储能电量；ηc为储能的充电效率；ηd为储能的放电效率；
(2.5)：储能倍率约束
假设储能容量和额定功率之间成正比，如下式所示：
S＝β·P
式中：S为储能容量，β为电池能量倍率，P为储能额定功率。
(2.6)：峰谷差约束
由于考虑到用户加装储能后，会形成新的峰谷，以原先用户负荷的峰谷差为约束条件，以减少额外进行削峰填谷的费用，如下式所示：
loadi,min＜Pl,i,t-Pd,i,t+Pc,i,t＜loadi.max
式中：loadi,max,，loadi,min分别为用户的第i天用电负荷的最大值和最小值。
4.根据权利要求1所述的一种基于需量管理的储能两阶段优化方法，其特征在于，所述步骤(4)中构建日前储能优化模型的具体步骤如下：
(4.1)目标函数
式中：Pl.t为优化日内第t个时刻的用户负荷功率；Pd,t为优化日内第t个时刻的储能放电功率，Pc,t为优化日内第t个时刻的储能充电功率；
(4.2)约束条件
该模型的约束条件与月前模型类似，满足储能SOC状态约束、储能充放电状态约束、储能功率约束、储能电量前后耦合约束、储能倍率约束和峰谷差约束，不同的是时间下标从(i,t)变为t；此外，储能功率约束中由于储能容量已经确定，则储能功率限值Pdmax和Pcmax为确定值，即为月前优化中确定的预计配置的储能功率值，具体约束条件如下所示：
(4.2.1)储能SOC状态约束
每个时刻，储能的SOC状态始终介于限值之间，如下式所示：
SOCmin≤SOCt≤SOCmax
式中：SOCt为优化日内第t个时刻的储能荷电状态；
(4.2.2)储能充放电状态约束
储能的充放电状态可分为充电、放电和不充不放三种状态，为避免储能同时出现充电和放电状态，具体如下：
Bd,t+Bc,t≤1
式中：Bd,t，Bc,t为0-1变量，Bd,t表示为优化日内第t个时刻储能放电状态，Bc,t表示为优化日内第t个时刻储能充电状态；
(4.2.3)储能功率约束
每个时刻，储能的充放电功率应不超过储能的额定功率，如下式所示：
(4.2.4)储能电量前后耦合约束
储能后一个时刻电量是前一个时刻电量加上充放电电量，如下式所示：
式中：Et+1为优化日内第t+1时刻的储能电量；Et为优化日内第t时刻的储能电量；
(4.2.5)储能倍率约束
假设储能容量和额定功率之间成正比，如下式所示：
S＝β·P
式中：β为电池能量倍率，P为储能额定功率；
(4.2.6)最大需量约束
为了避免用户加装储能后的用电量不能高于最大需量惩罚标准，以及防止储能进行过充过放的行为，如下式所示
loadmin＜Pl,t-Pd,t+Pc,t＜1.05a
式中：loadmin为优化日内用户最低负荷值。
5.根据权利要求1所述的一种基于需量管理的储能两阶段优化方法，其特征在于，所述步骤(7)中判断评估是否适合加装储能的具体评判过程如下：
(7.1)根据月前评估模型优化得到的储能配置容量，计算预计投资成本；
Cs＝c·S
式中：C为度电成本系数，S为储能容量，Cs为工业大用户预计储能的投资成本；
(7.2)计算用户每月总节省的电费，储能用于峰谷套利节省的电度电费；
式中：Cs1为节省的电度电费；
采用需量计费后节约的基本电费：
式中：Cs2为节省的基本电费；ST为变压器容量；db为用户按变压器容量收费的单价；
(7.3)以回收年限作为评估指标，以5年为期限，判定用户是否适合加装储能：
式中：T为储能回收年限，单位月。
CN201810174765.5A 2018-03-02 2018-03-02 一种基于需量管理的储能两阶段优化方法 Pending CN108470240A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810174765.5A CN108470240A (zh) 2018-03-02 2018-03-02 一种基于需量管理的储能两阶段优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810174765.5A CN108470240A (zh) 2018-03-02 2018-03-02 一种基于需量管理的储能两阶段优化方法

Publications (1)

Publication Number Publication Date
CN108470240A true CN108470240A (zh) 2018-08-31

Family

ID=63264091

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810174765.5A Pending CN108470240A (zh) 2018-03-02 2018-03-02 一种基于需量管理的储能两阶段优化方法

Country Status (1)

Country Link
CN (1) CN108470240A (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109918798A (zh) * 2019-03-11 2019-06-21 三峡大学 基于充电功率等级的电动汽车充电方式优化方法
CN110148957A (zh) * 2019-05-27 2019-08-20 合肥阳光新能源科技有限公司 一种基于储能系统的需量控制方法、装置及系统
CN110535154A (zh) * 2019-10-21 2019-12-03 合肥阳光新能源科技有限公司 一种基于soc管理的储能系统及其控制方法
CN110717259A (zh) * 2019-09-25 2020-01-21 浙江大学 面向用户侧的电池储能配置与运行优化方法
CN111492552A (zh) * 2018-11-21 2020-08-04 亿可能源科技（上海）有限公司 储能管理及控制方法、系统、计算机设备、存储介质
CN111697603A (zh) * 2020-05-15 2020-09-22 西安联创分布式可再生能源研究院有限公司 基于电池衰减的电化学储能系统的配置与策略制定方法
CN111697602A (zh) * 2020-05-15 2020-09-22 西安联创分布式可再生能源研究院有限公司 基于需量调节的电化学储能系统的配置与策略制定方法
CN111898805A (zh) * 2020-07-14 2020-11-06 智光研究院(广州)有限公司 一种储能系统容量配置方法、装置、配置设备和存储介质
CN112001598A (zh) * 2020-07-28 2020-11-27 四川大学 基于储能选型的不同用户储能配置评估与运行优化方法
CN113629742A (zh) * 2021-07-28 2021-11-09 西南交通大学 电气化铁路地面混合式储能系统容量配置方法

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111492552A (zh) * 2018-11-21 2020-08-04 亿可能源科技（上海）有限公司 储能管理及控制方法、系统、计算机设备、存储介质
CN111492552B (zh) * 2018-11-21 2023-09-12 亿可能源科技（上海）有限公司 储能管理及控制方法、系统、计算机设备、存储介质
CN109918798B (zh) * 2019-03-11 2023-06-02 三峡大学 基于充电功率等级的电动汽车充电方式优化方法
CN109918798A (zh) * 2019-03-11 2019-06-21 三峡大学 基于充电功率等级的电动汽车充电方式优化方法
CN110148957A (zh) * 2019-05-27 2019-08-20 合肥阳光新能源科技有限公司 一种基于储能系统的需量控制方法、装置及系统
CN110717259A (zh) * 2019-09-25 2020-01-21 浙江大学 面向用户侧的电池储能配置与运行优化方法
CN110535154B (zh) * 2019-10-21 2023-02-10 阳光新能源开发股份有限公司 一种基于soc管理的储能系统及其控制方法
CN110535154A (zh) * 2019-10-21 2019-12-03 合肥阳光新能源科技有限公司 一种基于soc管理的储能系统及其控制方法
CN111697602A (zh) * 2020-05-15 2020-09-22 西安联创分布式可再生能源研究院有限公司 基于需量调节的电化学储能系统的配置与策略制定方法
CN111697602B (zh) * 2020-05-15 2021-10-01 西安联创分布式可再生能源研究院有限公司 基于需量调节的电化学储能系统的配置与策略制定方法
CN111697603A (zh) * 2020-05-15 2020-09-22 西安联创分布式可再生能源研究院有限公司 基于电池衰减的电化学储能系统的配置与策略制定方法
CN111898805A (zh) * 2020-07-14 2020-11-06 智光研究院(广州)有限公司 一种储能系统容量配置方法、装置、配置设备和存储介质
CN111898805B (zh) * 2020-07-14 2023-09-26 智光研究院(广州)有限公司 一种储能系统容量配置方法、装置、配置设备和存储介质
CN112001598A (zh) * 2020-07-28 2020-11-27 四川大学 基于储能选型的不同用户储能配置评估与运行优化方法
CN113629742A (zh) * 2021-07-28 2021-11-09 西南交通大学 电气化铁路地面混合式储能系统容量配置方法
CN113629742B (zh) * 2021-07-28 2023-06-16 西南交通大学 电气化铁路地面混合式储能系统容量配置方法

Similar Documents

Publication Publication Date Title
CN108470240A (zh) 一种基于需量管理的储能两阶段优化方法
Foles et al. Techno-economic evaluation of the Portuguese PV and energy storage residential applications
CN104966127B (zh) 一种基于需求响应的电动汽车经济调度方法
CN109193720A (zh) 基于企业用户典型日负荷曲线的用户侧储能容量配置方法
CN106712005A (zh) 一种计及需求响应的电网安全优化调度方法
CN107248010A (zh) 计及负荷聚合商和电动汽车响应可靠性的优化调度方法
CN112907129A (zh) 储能综合效益评估指标体系
CN109149651A (zh) 一种计及调压辅助服务收益的光储系统优化运行方法
CN102800032A (zh) 一种可再生能源分布式发电运营模式的成本效益分析方法
Ihsan et al. Impact of demand response on the optimal, techno-economic performance of a hybrid, renewable energy power plant
Kabeyi et al. The levelized cost of energy and modifications for use in electricity generation planning
Alahmed et al. Integrating distributed energy resources: Optimal prosumer decisions and impacts of net metering tariffs
Lazar et al. Electric Cost Allocation for a New Era
WO2024104252A1 (zh) 基于能量调频和负荷需求的共享储能调度方法及系统
Zhu et al. Structural distortion and the shortage of peak-load power resources in China: A screening curve approach and case study of Shandong Province
Cen et al. Development and Prospect of China's Distributed PV Market Transactions
CN116012005A (zh) 一种电费实时结算系统及方法
Wang et al. Hybrid battery charging strategy for maximizing PV customers' economic benefits
CN115221699A (zh) 一种基于共享合作社的储能系统容量优化方法
CN111969598B (zh) 一种考虑激励型需求侧响应的用户侧储能优化方法及系统
CN111144657B (zh) 协同售用双方的多家庭能源优化方法
Hashemi et al. Rooftop solar with net metering: An integrated investment appraisal
Nakayama et al. Demand charge and response with energy storage
CN112348245A (zh) 一种用户侧储能不同运行方式经济性评估方法及系统
Mamphogoro et al. The efficacy of battery energy-storage systems installed in electricity generation and distribution plants in South Africa

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: 20180831