CN108539793A - 一种海岛微电网综合优化配置方法及装置 - Google Patents
一种海岛微电网综合优化配置方法及装置 Download PDFInfo
- Publication number
- CN108539793A CN108539793A CN201810463071.3A CN201810463071A CN108539793A CN 108539793 A CN108539793 A CN 108539793A CN 201810463071 A CN201810463071 A CN 201810463071A CN 108539793 A CN108539793 A CN 108539793A
- Authority
- CN
- China
- Prior art keywords
- power
- photovoltaic
- rate
- cost
- energy 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000004146 energy storage Methods 0.000 claims abstract description 100
- 238000005457 optimization Methods 0.000 claims abstract description 79
- 238000010248 power generation Methods 0.000 claims description 50
- 239000000446 fuel Substances 0.000 claims description 32
- 238000012423 maintenance Methods 0.000 claims description 26
- 238000007599 discharging Methods 0.000 claims description 19
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 16
- 229910052799 carbon Inorganic materials 0.000 claims description 16
- 239000003344 environmental pollutant Substances 0.000 claims description 16
- 231100000719 pollutant Toxicity 0.000 claims description 16
- 238000010276 construction Methods 0.000 claims description 15
- 238000013461 design Methods 0.000 claims description 14
- 238000005286 illumination Methods 0.000 claims description 8
- 230000035699 permeability Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000002271 resection Methods 0.000 claims description 3
- 239000002283 diesel fuel Substances 0.000 claims description 2
- 239000003921 oil Substances 0.000 claims description 2
- 230000006870 function Effects 0.000 description 14
- 238000003860 storage Methods 0.000 description 9
- 229910002092 carbon dioxide Inorganic materials 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000452 restraining effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- H02J3/382—
-
- 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]
-
- 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
- Y02E40/10—Flexible AC transmission systems [FACTS]
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本公开的目的是针对电池储能系统目前使用成本相对较高,寿命周期内的充放电循环次数难以达到频繁充放电的要求问题,提供一种海岛微电网综合优化配置方法及装置,针对传统海岛微电网中仅以典型策略式的运行调度方法为依据的系统优化配置中存在的问题,提出了综合考虑运行优化调度结果的微电网系统配置方法,用于提高海岛微电网能源的自持力、降低对海洋环境影响,提高可再生能源利用率,增强海岛能源系统绿色比重。
Description
技术领域
本公开属于电力系统优化技术领域,具体是一种海岛微电网综合优化配置方法及装置。
背景技术
我国是海洋大国,海岛众多。开发和发展海岛是壮大我国海洋经济、拓展国家发展空间的重要依托,是保护我国海洋环境、维护海洋生态平衡的重要平台,是捍卫国家海洋权益、保障海上交通线、海上丝绸之路和国防安全的战略前沿。然而由于远离大陆,海岛的供电持续性、供电可靠性和供电品质一直得不到改善,严重制约了海岛的长期发展。传统使用单一柴油发电机供电的方式,受补给周期不确定、污染物排放、噪音污染等影响,并不是海岛可持续发展的首先供能方式。有必要充分利用海岛在风能、太阳能、潮汐能等方面存在的资源优势,提高可再生能源利用率,增强海岛能源系统绿色比重。在现有的海岛微电网技术中仅以典型策略式(如储能负荷跟随策略、柴油机最短运行时间策略、软充电策略等)运行调度方法为依据的系统优化配置建模方案,由于风力等可再生能源资源的具有强烈的间歇性和波动性,在不接入储能情况下难以实现海岛独立微电网的可再生能源大规模利用。考虑到电池储能系统目前使用成本相对较高,寿命周期内的充放电循环次数难以达到频繁充放电的要求,因此可以考虑一定比例的可再生能源丢弃率以及一定比例的负载不满足率。
发明内容
本公开的目的是针对现有技术的不足,提供一种海岛微电网综合优化配置方法及装置,综合考虑运行优化调度结果的微电网系统配置方法。充分考虑了系统中各类型设备配置数量、供电可靠性、可再生能源丢弃率、可再生能源渗透率、年碳排放总量等系统级约束,以及海岛微电网的运行约束(柴油发电机输出功率约束、储能系统充放电约束等)。
为了实现上述目的,本公开提出一种海岛微电网综合优化配置方法,具体包括以下步骤:
步骤1,获取海岛微电网综合优化配置方法的基础信息和指标参数;
步骤2,根据基础信息生成约束模型;
步骤3,根据约束模型构建海岛微电网综合优化联合模型;
步骤4,根据指标参数运行海岛微电网综合优化联合模型并输出优化配置结果。
进一步地,在步骤1中,获取海岛微电网综合优化配置方法的基础信息包括,获取当地的风速v(t)、光照强度GPV(t)、温度ttemp(t)、负载需求Pload(t),其中,t∈[1,2,…,T]日,T为控制时域,T=365日。
进一步地,在步骤1中,获取海岛微电网综合优化配置方法的指标参数,指标参数包括光伏、风机、柴油发电机、电池储能、风力发电补贴、光伏发电补贴、单次可再生能源发电最大丢弃率、年平均可再生能源发电丢弃率、单次最大负载切除率、年平均可负载切除率、可再生能源装机容量、负载峰值最小比率、年可再生能源发电量、负载年需求量最小比率、年碳排放总量,获取指标参数的方法包括以下子步骤:
步骤1.1,获取单台风机容量最大可配置风机数量风机使用年限单台风机初始采购成本年维护成本参数;
步骤1.2,获取单个光伏模组容量最大可配置光伏模组数量光伏使用年限单个光伏模组初始采购成本年维护成本参数;
步骤1.3,获取单台柴油发电机额定功率最小输出功率运行维护成本发电转换效率ηdiesel、燃油价格单台柴油发电机初始采购成本参数;
步骤1.4,获取单个电池模组额定容量最大充放电功率放电深度DodBESS、充电效率放电效率运行维护成本自放电率εBESS、初始采购成本替换成本累积放电能力初始容量参数;
步骤1.5,获取风力发电补贴光伏发电补贴单次可再生能源发电最大丢弃率年平均可再生能源发电丢弃率单次最大负载切除率年平均可负载切除率可再生能源装机容量、负载峰值最小比率年可再生能源发电量、负载年需求量最小比率年碳排放总量SCO2参数。
进一步地,在步骤2中,根据基础信息生成约束模型的方法包括以下子步骤:
步骤2.1,各分布式微电源数量约束,
其中,Nwind为风机配置数量、NPV为光伏配置数量、NBESS为电池储能模组配置数量、Ndiesel为柴油发电机配置数量,分别表示风机、光伏、电池储能模组、柴油发电机最大可配置数量;
步骤2.2,供电不满足率约束建模,根据时间尺度的不同,供电不满足率又可分为单次供电不满足率与年平均供电不满足率,
年平均电力不满足率约束,
表示年平均电力不满足率最大值,用于约束海岛微电网的年平均供电能力,其中,Ploss(t)为时段t的供应不足功率,Pload(t)为时段t的负载需求,t∈[1,2,…,T]日,T为控制时域,T=365日,
单次电力不满足率约束,
表示单次电力不满足率最大值,用于约束海岛微电网的实时供电能力;
步骤2.3,可再生能源丢弃率约束建模分为单次可再生能源丢弃率与年平均可再生能源丢弃率,其中,
年平均可再生能源丢弃率约束,
其中,Pdump(t)为时段t的可再生能源丢弃功率,为年平均可再生能源最大丢弃率,用于约束海岛微电网的年平均可再生能源利用率,Pwind(t)表示风机在时段t的功率,Nwind为风机配置数量,PPV(t)为单个光伏模组容量,NPV为光伏配置数量,
单次可再生能源丢弃率约束,
为单次可再生能源最大丢弃率,用于约束海岛微电网的可再生能源接纳能力;
步骤2.4,可再生能源发电渗透率约束为,
其中为海岛微电网中可再生能源发电容量占比最小值,为单个光伏模组容量,为时段t的最大负载需求,Nwind为风机配置数量,为单台风机容量;
步骤2.5,可再生能源发电量占总发电量比例约束为,
其中为海岛微电网中可再生能源总发电容量在系统总发电量中的占比最小值;
步骤2.6,年碳排放总量约束为,
污染物排放量约束,
其中,Pdiesel(t)表示柴油发电机在时段t的功率,αCO2为柴油发电机每产生1kWh电能的CO2排放量,SCO2为海岛微电网的平均年最大碳排放量,Δt为时段长度;
步骤2.7,系统供需平衡约束为,
Pwind(t)Nwind+PPV(t)NPV+Pdiesel(t)+PBESSd(t)-PBESSc(t)=Pload(t)-Ploss(t);
步骤2.8,电池储能系统约束为,
储能充电功率约束,
储能放电功率约束,
储能充放电行为约束,δBESSd(t)+δBESSc(t)≤1,储能充放电动态变化模型,EBESS(t+1)=EBESS(t)+PBESSc(t)ηBESScΔt-PBESSd(t)/ηBESSdΔt-εBESS,
储能容量约束模型,
其中,PBESSc(t)、PBESSd(t)分别是储能系统充、放电功率,分别表示单个储能模块的最小、最大充电功率,分别表示单个储能模组的最小、最大放电功率,NBESS为储能模组数量,δBESSd(t)、δBESSc(t)分别表示储能系统运行状态,分别表示单个储能模组的最小、最大能量,Δt为时段长度。
进一步地,在步骤2中,根据基础信息生成约束模型的方法中风机输出功率约束模型为其中,分别表示单个风机的最小、最大运行功率,Nwind表示风机的数量,δwind(t)表示风机的运行功率,Pwind(t)表示风机在时段t的功率。
进一步地,在步骤2中,根据基础信息生成约束模型的方法中光伏输出功率约束模型为其中,分别表示单个光伏的最小、最大运行功率,NPV表示光伏的数量,δPV(t)表示光伏的运行功率,PPV(t)表示光伏在时段t的功率。
进一步地,在步骤2中,根据基础信息生成约束模型的方法中柴油发电机输出功率约束模型为其中,分别表示单个柴油发电机的最小、最大运行功率,Ndiesel表示柴油发电机的数量,δdiesel(t)表示柴油发电机的运行功率,Pdiesel(t)表示柴油发电机在时段t的功率。
进一步地,在步骤3中,根据约束模型构建海岛微电网综合优化联合模型的方法包括以下子步骤:
步骤3.1,构建海岛微电网运行及优化配置联合目标函数,
系统优化目标函数minClcc=CRF(r,LMG)Ccap+Cfuel+CO&M+Cchg+CpenL+Cemi,
其中,Ccap为所有设备购置初始投资成本、Cfuel为柴油发电机组年平均燃料成本、CO&M为所有设备年平均运行维护成本,Cchg为所有设备年平均替换成本、CpenL为系统年平均供电不足的惩罚成本,Cemi为年平均污染物排放年平均惩罚成本,CRF(r,LMG)为年资金回收率,其中,i为5年以上的贷款利率,f为通货膨胀率,r为实际贷款利率,LMG为海岛微电网规划使用年限;
步骤3.2,初始投资成本模型构建,初始投资成本Ccap可表示为, 其中,分别表示单台风机、光伏模组、储能单元、柴油发电机的初始购买单价,Nwind、NPV、NBESS、Ndiesel分别表示海岛微电网所配置类型风机、光伏模组、储能单元、柴油发电机的数量,CRF(r,LMG)计算公式为,其中,i为5年以上的贷款利率,f为通货膨胀率,r为实际贷款利率,LMG为海岛微电网规划使用年限;
步骤3.3,燃料成本模型构建,燃料成本Cfuel可表示为,其中,cfuel为燃料的单价,wfuel(t)为燃料在t时段的消耗量,t∈[1,2,…,T]日,T为控制时域,T=365日;
步骤3.4,系统运行维护成本模型构建,微电网年运行维护费用与系统中各设备的运行状况有关,CO&M可表示为,
其中,分别表示储能单元、柴油发电机单位时间的运行维护成本,δBESSc(t)、δBESSd(t)、δdiesel(t)按顺序分别表示储能充电状态、储能放电状态、柴油发电机运行状态,分别表示风机、光伏年运行维护成本;
步骤3.5,设备年替换成本模型构建,设备年替换成本Cchg可表示为,
其中,分别为储能、风机、光伏、柴油发电机年替换成本;
步骤3.6,电池储能年均替换成本模型构建,电池储能年均替换成本为, 其中,为每个电池储能单元的替换费用,kBESS为电池的损耗度指数,表示一段时间内消耗的储能电池占电池总量的比例,其表达式为,其中,为单个电池模组的累积充、放电量上限,为电池储能系统一年的累积充电和放电的电量总和,
其中,分别表示电池储能系统在时段t的充电、放电功率,分别表示电池储能系统充电、放电效率,Δt为时段长度;
步骤3.7,电力供应不足惩罚成本模型构建,年平均电力供应不足惩罚成本CpenL可表示为,其中,closs为电力供应不足惩罚成本系数,Ploss(t)为时段t的供应不足功率;
步骤3.8,排污惩罚成模型构建,排污惩罚成本Cemi可表示为,其中,ci为第i项污染物的环境价值,Mi为第i项污染物的年总排放量,Nemi为排放污染物的种类数。
进一步地,在步骤4中,根据指标参数运行海岛微电网综合优化联合模型并输出优化配置结果的方法包括以下子步骤:
步骤4.1,由历史风速数据计算出参考风机的历史输出功率数据,
风电t时段输出功率Pwind(t)是在获取t时段风机切入风速预测结果v(t)基础上,通过风电机组输出模型计算,风机输出功率计算方法为,
其中,为风机的额定功率,表示单位风机所能输出的功率,awind、bwind均为风电机组输出拟合系数vc、vr、vco分别表示风机的切入速度、额定风速和切出风速,通过风速传感器获取;
步骤4.2,由历史光照强度数据计算出参考光伏模组的历史输出功率数据,
光伏发电的t时段出力PPV(t)是在获取t时段光照强度GPV(t)的基础上,通过典型的光伏输出功率模型计算,光伏出力PPV(t)和光强GPV(t)的关系为,
其中,为光伏的额定功率,表示单位光强所能输出的功率,Gstd为额定光照强度(kW/m2),Rc为光伏电池组光强下光伏出力与光强的关系开始由非线性变为线性强度的光强,GPV(t)为时段t的实时光强(kW/m2);
步骤4.3,计算并输出风机年均替换成本
其中,二元函数用于将未来的费用折算成年均费用,其中,Nwind为海岛微电网所配置光伏的数量,为风机单台替换成本,fwind为设备寿命不同于工程周期而引入的折算系数,Swind为工程周期结束时风机剩余设备残值,为风机设计寿命,r为实际贷款利率,LMG为海岛微电网规划使用年限,
其中,x为取整函数,用于计算小于等于x的最大整数,Lwindrep为工程周期内风机设计寿命与替换次数的乘积,Lwindrem为工程周期结束时风机剩余寿命;
步骤4.4,计算并输出光伏年均替换成本
其中,二元函数用于将未来的费用折算成年均费用,其中,NPV为海岛微电网所配置光伏的数量,为光伏单台替换成本,fPV为设备寿命不同于工程周期而引入的折算系数,SPV为工程周期结束时光伏剩余设备残值,为光伏设计寿命,r为实际贷款利率,LMG为海岛微电网规划使用年限,
其中,为取整函数,用于计算小于等于x的最大整数,LPVrep为工程周期内光伏设计寿命与替换次数的乘积,LPVrem为工程周期结束时光伏剩余寿命;
步骤4.4,计算并输出柴油发电机年均替换成本
其中,二元函数用于将未来的费用折算成年均费用,其中,Ndiesel为海岛微电网所配置柴油发电机的数量,为柴油发电机单台替换成本,fdiesel为设备寿命不同于工程周期而引入的折算系数,Sdiesel为工程周期结束时柴油发电机剩余设备残值,为柴油发电机设计寿命,r为实际贷款利率,LMG为海岛微电网规划使用年限,
其中,为取整函数,用于计算小于等于x的最大整数,Ldieselrep为工程周期内柴油发电机设计寿命与替换次数的乘积,Ldieselrem为工程周期结束时柴油发电机剩余寿命。
本公开还提供了一种海岛微电网综合优化配置装置,所述装置包括:
参数采集单元,获取海岛微电网综合优化配置方法的基础信息和指标参数;
约束模型生成单元,根据基础信息生成约束模型;
优化模型构建单元,根据约束模型构建海岛微电网综合优化联合模型;
优化配置输出单元,根据指标参数运行海岛微电网综合优化联合模型并输出优化配置结果。
本公开的有益效果为:本公开通过提供一种海岛微电网综合优化配置方法,提高海岛微电网能源自持力、降低对海洋环境影响,提高可再生能源利用率,增强海岛能源系统绿色比重。
附图说明
通过对结合附图所示出的实施方式进行详细说明,本公开的上述以及其他特征将更加明显,本公开附图中相同的参考标号表示相同或相似的元素,显而易见地,下面描述中的附图仅仅是本公开的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,在附图中:
图1所示为本公开的一种海岛微电网综合优化配置方法的流程图;
图2是海岛微电网单个风机、光伏模组发电功率以及负载需求功率历史数据示意图;
图3是海岛微电网优化配置后风力、光伏发电功率和丢弃可再生能源发电功率示意图;
图4是海岛微电网优化配置后储能系统充放电功率及容量变化示意图;
图5是海岛微电网优化配置后柴油发电机输出功率变化示意图;
图6是海岛微电网优化配置后被切除的负载功率示意图;
图7是一种海岛微电网综合优化配置装置图。
具体实施方式
以下将结合实施例和附图对本公开的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本公开的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为根据本公开的一种海岛微电网综合优化配置方法的流程图,根据图1,结合图2~图6来阐述根据本公开的实施方式的一种海岛微电网综合优化配置方法,对优选实施例作详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本公开的范围及其应用。
在本实施例中,海岛微电网系统如图2所示。包含若干台柴油发电机组、若干台风机、若干光伏模组和若干储能模组,其中风机变流器、光伏变流器、储能变流器等设备的都包含在了所在模组中。微电网单个风机、光伏模组发电功率以及负载需求功率的典型历史数据如图3所示,其中每周数据都是由一年中每个季度的典型数据组合而成。图1是海岛微电网系统综合优化配置方法流程图,如图1所示,本公开提供的海岛微电网综合优化配置方法包括:
步骤1:获取当地的历史风速v(t)、光照强度GPV(t)、温度ttemp(t)、负载需求Pload(t)等数据,其中t∈[1,2,…,Tyear]。Tyear表示上述历史数据的收集时间跨度,一般要求Tyear≥1年,若Tyear<1年,则采用典型日数据的方式代表1年的数据规律。
步骤1.1:由历史风速数据计算出参考风机的历史输出功率数据。
风电t时段输出功率Pwind(t)是在获取t时段风机切入风速预测结果v(t)基础上,通过典型的风电机组输出模型计算出来的。风电机组输出功率模型为:
其中,awind、bwind均为风电机组输出拟合系数,一般为具体值与具体的风机型号有关。vc、vr、vco分别表示风机的切入速度、额定风速和切出风速,它们的值可以通过传感器获取。
步骤1.2:由历史光照强度数据计算出参考光伏模组的历史输出功率数据。
光伏发电的t时段出力PPV(t)是在获取t时段光照强度GPV(t)的基础上,通过典型的光伏输出功率模型计算出来的。光伏出力PPV(t)和光强GPV(t)的关系为:
其中,为光伏的额定功率,表示在标准测试条件下单位光强所能输出的功率;Gstd为额定光照强度(kW/m2);Rc为某一特定强度的光强,在该光强下光伏出力与光强的关系开始由非线性变为线性,该值与具体的光伏电池组型号有关;GPV(t)为时段t的实时光强(kW/m2)。
步骤2:获取可用于海岛微电网规划设计的光伏、风机、柴油发电机、电池储能系统等的最小单位参数,
步骤2.1:获取单台风机容量最大可配置风机数量风机使用年限单台风机初始采购成本年维护成本等参数;
步骤2.2:获取单个光伏模组容量最大可配置光伏模组数量光伏使用年限单个光伏模组初始采购成本年维护成本等参数;
步骤2.3:获取单台柴油发电机额定功率最小输出功率运行维护成本发电转换效率ηdiesel、燃油价格单台柴油发电机初始采购成本等参数;
步骤2.4:获取单个电池模组额定容量最大充放电功率放电深度DodBESS、充电效率放电效率运行维护成本自放电率εBESS、初始采购成本替换成本累积放电能力初始容量等参数;
步骤3:了解当地的光伏、风力发电政府补贴政策,获取风力发电补贴光伏发电补贴单次可再生能源发电最大丢弃率年平均可再生能源发电丢弃率单次最大负载切除率年平均可负载切除率可再生能源装机容量与负载峰值最小比率年可再生能源发电量与负载年需求量最小比率年碳排放总量SCO2等参数。
步骤4:根据以上基础信息,构建考虑微电网经济性、供电可靠性、可再生能源丢弃率、可再生能源渗透率、年碳排放总量等系统级约束,以及海岛微电网运行约束(柴油发电机输出功率约束、储能系统充放电约束等)的海岛微电网运行优化与配置优化联合模型。
所述优化模型包含海岛微电网系统运行及优化配置目标函数和相应的约束条件。
其中,单台柴油发电机组的参数为,额定功率100kw,最小发电功率20kW,使用寿命20年,初始投资100000元,燃料12.35元/升(考虑运费折算),二氧化碳排放量2633g/L,
其中,单个电池储能模组的参数为,充电效率0.9,放电效率0.9,自损耗功率0.02kWh/h,初始投资20000元,额定充放电功率50kW,可用容量50kWh,浮充寿命10年。
其中,单个电池储能模组的参数为,充电效率0.9,放电效率0.9,自损耗功率0.02kWh/h,初始投资20000元,额定充放电功率50kW,可用容量50kWh,浮充寿命10年。
其中,风机额定功率30kW,使用寿命20年,初始投资240000元,运行维护170元/月,发电补贴0.57元/kWh。
其中,光伏额定功率10kW,使用寿命20年,初始投资60000元,运行维护150元/月,发电补贴0.85元/kWh。
其中,海岛微电网规划中系统需要满足的参数为,单次可再生能源最大丢弃比例0.2,总的可再生能源丢弃比例0.1,单次负荷切除比例0.1,总的负荷切除比例0.01,可再生能源装机容量比例1,可再生能源发电量比例0.6,年二氧化碳排放总量1000t。
海岛微电网规划中最大的柴油发电机、风机、光伏模组、储能模组可配置数量包括:
(1)储能最小配置量1,最大配置量100。
(2)光伏最小配置量5,最大配置量300。
(3)风机最小配置量5,最大配置量300。
(4)柴油发电机最小配置量2,最大配置量50。
其中,海岛微电网规划中柴油发电机、风机、光伏模组、储能模组最终配置数量包括,储能配置数量46,光伏配置数量129,风机配置数量80,柴油发电机配置数量8。
步骤4.1:构建海岛微电网运行及优化配置联合目标函数。
系统优化目标函数:
minClcc=CRF(r,LMG)Ccap+Cfuel+CO&M+Cchg+CpenL+Cemi
其中,Ccap为(所有)设备购置成本(初始投资成本)、Cfuel为柴油发电机组年平均燃料成本、CO&M为(所有)设备年平均运行维护成本,Cchg为(所有)设备年平均替换成本、CpenL为系统年平均供电不足的惩罚成本,Cemi为年平均污染物排放年平均惩罚成本,CRF(r,LMG)为年资金回收率。
步骤4.1.1:初始投资成本模型构建
初始投资成本Ccap可表示为:
其中,分别表示单台风机、光伏模组、储能单元、柴油发电机的初始购买单价。Nwind、NPV、NBESS、Ndiesel分别表示海岛微电网所配置类型风机、光伏模组、储能单元、柴油发电机的数量。
CRF(r,LMG)计算公式为:
其中,i为5年以上名义贷款利率;f为通货膨胀率,r为实际贷款利率,LMG为海岛微电网规划使用年限。
步骤4.1.2:燃料成本模型构建
燃料成本Cfuel可表示为:
其中,cfuel为燃料的单价,wfuel(t)为燃料在t时段的消耗量,T为控制时域。
步骤4.1.3:系统运行维护成本模型构建
微电网年运行维护费用与系统中各设备的运行状况有关,CO&M可表示为:
其中,分别表示储能单元、柴油发电机单位时间的运行维护成本,δBESSc(t)、δBESSd(t)、δdiesel(t)按顺序分别表示储能充电状态、储能放电状态、柴油发电机运行状态,分别表示风机、光伏年运行维护成本。
步骤4.1.4:设备年替换成本模型构建
设备年替换成本Cchg可表示为:
其中,分别为储能、风机、光伏、柴油发电机年替换成本。
在所有需要考虑替换成本的设备中,又可以分为两类,一类为到使用年限后一次性整机更换(例如,风机、光伏、柴油机等),一类为在使用过程中逐步替换(例如蓄电池)。蓄电池由于其化学特性,其能够充放循环次数、总的存储能量水平、使用寿命等都有一定的限制,一般在未达到其使用年限就已经需要更换。而柴油机等设备一般可以一直工作到其设计的使用年限。
步骤4.1.4.1:电池储能年均替换成本模型构建
电池储能年均替换成本为:
其中,为每个电池储能单元的替换费用。kBESS为电池的损耗度指数,表示一段时间内消耗的储能电池占电池总量的比例,其表达式为
其中,为单个电池模组的累积充、放电量上限,为电池储能系统一年的累积充电和放电的电量总和。
其中,分别表示电池储能系统在时段t的充电、放电功率,分别表示电池储能系统充电、放电效率。
步骤4.1.4.2:风机年均替换成本模型构建
不同于储能电池,风机、光伏和柴油发电机等设备均在寿命终止时进行替换,且工程周期不一定是设计寿命的整数倍,故计算年替换费用时需考虑设备残值,风机年替换成本计算式为风机、光伏和柴油发电机的年均年替换成本模型都类似,下面以风机年均替换成本为例进行介绍:
其中,二元函数用于将未来的费用折算成年均费用,且
其中,为风机单台替换成本,fwind为设备寿命不同于工程周期而引入的折算系数,为风机设计寿命,为一取整函数,用于计算小于等于x的最大整数,Lwind为工程周期内风机设计寿命与替换次数的乘积,Swind为工程周期结束时风机剩余设备残值,Lwindrem为工程周期结束时风机剩余寿命。
光伏和柴油发电机的年替换成本计算方法与计算模型与风机完全一样,此处不在赘述。
步骤4.1.5:电力供应不足惩罚成本模型构建
年平均电力供应不足惩罚成本CpenL可表示为:
其中,closs为电力供应不足惩罚成本系数,Ploss(t)为时段t的供应不足功率。
步骤4.1.6:排污惩罚成模型构建
排污惩罚成本Cemi可表示为:
式中,ci为第i项污染物的环境价值,Mi为第i项污染物的年总排放量,Nemi为排放污染物的种类数。
步骤4.2:系统约束建模
步骤4.1中的目标函数在计算过程中,需要满足系统各类型设备配置数量、供电可靠性、可再生能源丢弃率、可再生能源渗透率、年碳排放总量等系统级约束,以及海岛微电网运行约束(柴油发电机输出功率约束、储能系统充放电约束等)。
步骤4.2.1:各分布式微电源数量约束
其中,分别表示由于实际场地等各方面条件限制的风机、光伏、电池储能模组、柴油发电机最大可配置数量。
步骤4.2.2:供电不满足率约束建模
根据时间尺度的不同,供电不满足率又可分为单次供电不满足率与年平均供电不满足率。
年平均电力不满足率约束:
表示年平均电力不满足率最大值,用于约束海岛微电网的年平均供电能力。
单次电力不满足率约束:
表示单次电力不满足率最大值,用于约束海岛微电网的实时供电能力,提高用户用电品质。
步骤4.2.3:可再生能源丢弃率约束建模
与供电不满足率约束类似,根据时间尺度的不同,可再生能源丢弃率又可分为单次可再生能源丢弃率与年平均可再生能源丢弃率。
年平均可再生能源丢弃率约束:
其中,Pdump(t)为时段t的可再生能源丢弃功率,为年平均可再生能源最大丢弃率,用于约束海岛微电网的年平均可再生能源利用率。
单次可再生能源丢弃率约束:
为单次可再生能源最大丢弃率,用于约束海岛微电网的可再生能源接纳能力。
步骤4.2.4:可再生能源发电容量占比约束建模
可再生能源发电渗透率约束:
其中为海岛微电网中可再生能源发电容量占比最小值。
步骤4.2.5:可再生能源发电量占比约束建模
可再生能源发电量占总发电量比例约束:
其中为海岛微电网中可再生能源总发电容量在系统总发电量中的占比最小值。
步骤4.2.6:年碳排放总量约束建模
污染物排放量约束:
其中,Pdiesel(t)表示柴油发电机在时段t的功率,αCO2为柴油发电机每产生1kWh电能的CO2排放量,SCO2为海岛微电网的平均年最大碳排放量。
步骤4.2.7:系统供需平衡约束建模
Pwind(t)Nwind+PPV(t)NPV+Pdiesel(t)+PBESSd(t)-PBESSc(t)=Pload(t)-Ploss(t)
步骤4.2.8:电池储能系统建模
储能充电功率约束:
储能放电功率约束:
储能充放电行为约束:
δBESSd(t)+δBESSc(t)≤1
储能充放电动态变化模型:
EBESS(t+1)=EBESS(t)+PBESSc(t)ηBESScΔt-PBESSd(t)/ηBESSdΔt-εBESS
储能容量约束模型:
其中,PBESSc(t)、PBESSd(t)分别是储能系统充、放电功率,分别表示单个储能模块的最小、最大充电功率,分别表示单个储能模组的最小、最大放电功率,NBESS为储能模组数量。δBESSd(t)、δBESSc(t)分别表示储能系统运行状态,分别表示单个储能模组的最小、最大能量。
步骤4.2.9:柴油发电机输出功率建模
其中,分别表示单个柴油发电机的最小、最大运行功率,Ndiesel表示柴油发电机的数量,δdiesel(t)表示柴油发电机的运行功率。
步骤5:根据决策者的综合权衡,确定可再生能源渗透率、供电可靠性、可再生能源丢弃率、碳排放总量等指标的具体数值,运行含运行优化调度方案的海岛微电网联合规划模型,得到最终的系统配置方案。
本公开还提供了一种海岛微电网综合优化配置装置,如图7所示,所述装置包括:
参数采集单元,获取海岛微电网综合优化配置方法的基础信息和指标参数;
约束模型生成单元,根据基础信息生成约束模型;
优化模型构建单元,根据约束模型构建海岛微电网综合优化联合模型;
优化配置输出单元,根据指标参数运行海岛微电网综合优化联合模型并输出优化配置结果。
其中,一种海岛微电网综合优化配置装置的装置结构为通过服务器控制各个生产车间中的工业机器人,并对工业机器人的编号、启动次数和每次启动的运行时间信息等运行数据序列进行采集,并最终存储到服务器中的数据库中便于维护系统的API对数据进行调用。
所述一种海岛微电网综合优化配置装置可以运行于桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备中。所述一种海岛微电网综合优化配置装置,可运行的装置可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述例子仅仅是一种海岛微电网综合优化配置装置的示例,并不构成对一种海岛微电网综合优化配置装置的限定,可以包括比例子更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述一种海岛微电网综合优化配置装置还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述一种海岛微电网综合优化配置装置运行装置的控制中心,利用各种接口和线路连接整个一种海岛微电网综合优化配置装置可运行装置的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述一种海岛微电网综合优化配置装置的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本实施例可以仿真实现,选用IBM ILOG Cplex 12.0商用求解器求解海岛综合能源系统优化调度的MIQP模型,并调用Yalmip工具箱,在Matlab中联立求解。
本公开提供的方法体现了能量优化调度策略在海岛微电网系统优化配置上的重要作用,改进了传统海岛微电网优化配置方案中仅以典型策略式(如储能负荷跟随策略、柴油机最短运行时间策略、软充电策略等)运行调度方法为依据的方案。充分考虑了系统中各类型设备配置数量、供电可靠性、可再生能源丢弃率、可再生能源渗透率、年碳排放总量等系统级约束,以及海岛微电网的运行约束(柴油发电机输出功率约束、储能系统充放电约束等)。思路清晰严谨,方法合理可靠,可有效解决海岛微电网综合优化配置问题。以上所述,仅为本公开较佳的具体实施方式,但本公开的保护范围并不局限与此,任何熟悉本技术领域的技术人员在本公开揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本公开的保护范围之内。因此,本公开的保护范围应该以权利要求的保护范围为准。尽管本公开的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释,从而有效地涵盖本公开的预定范围。此外,上文以发明人可预见的实施例对本公开进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本公开的非实质性改动仍可代表本公开的等效改动。
Claims (10)
1.一种海岛微电网综合优化配置方法,其特征在于,所述海岛微电网综合优化配置方法包括如下步骤:
步骤1,获取海岛微电网综合优化配置方法的基础信息和指标参数;
步骤2,根据基础信息生成约束模型;
步骤3,根据约束模型构建海岛微电网综合优化联合模型;
步骤4,根据指标参数运行海岛微电网综合优化联合模型并输出优化配置结果。
2.根据权利要求1所述的一种海岛微电网综合优化配置方法,其特征在于,在步骤1中,获取海岛微电网综合优化配置方法的基础信息包括,获取当地的风速v(t)、光照强度GPV(t)、温度ttemp(t)、负载需求Pload(t),其中,t∈[1,2,…,T]日,T为控制时域,T=365日。
3.根据权利要求1所述的一种海岛微电网综合优化配置方法,其特征在于,在步骤1中,获取海岛微电网综合优化配置方法的指标参数,指标参数包括光伏、风机、柴油发电机、电池储能、风力发电补贴、光伏发电补贴、单次可再生能源发电最大丢弃率、年平均可再生能源发电丢弃率、单次最大负载切除率、年平均可负载切除率、可再生能源装机容量、负载峰值最小比率、年可再生能源发电量、负载年需求量最小比率、年碳排放总量,获取指标参数的方法包括以下子步骤:
步骤1.1,获取单台风机容量最大可配置风机数量风机使用年限单台风机初始采购成本年维护成本参数;
步骤1.2,获取单个光伏模组容量最大可配置光伏模组数量光伏使用年限单个光伏模组初始采购成本年维护成本参数;
步骤1.3,获取单台柴油发电机额定功率最小输出功率运行维护成本发电转换效率ηdiesel、燃油价格单台柴油发电机初始采购成本参数;
步骤1.4,获取单个电池模组额定容量最大充放电功率放电深度DodBESS、充电效率放电效率运行维护成本自放电率εBESS、初始采购成本替换成本累积放电能力初始容量参数;
步骤1.5,获取风力发电补贴光伏发电补贴单次可再生能源发电最大丢弃率年平均可再生能源发电丢弃率单次最大负载切除率年平均可负载切除率可再生能源装机容量、负载峰值最小比率年可再生能源发电量、负载年需求量最小比率年碳排放总量SCO2参数。
4.根据权利要求1所述的一种海岛微电网综合优化配置方法,其特征在于,在步骤2中,根据基础信息生成约束模型的方法包括以下子步骤:
步骤2.1,各分布式微电源数量约束,
其中,Nwind为风机配置数量、NPV为光伏配置数量、NBESS为电池储能模组配置数量、Ndiesel为柴油发电机配置数量,分别表示风机、光伏、电池储能模组、柴油发电机最大可配置数量;
步骤2.2,供电不满足率约束建模,根据时间尺度的不同,供电不满足率又可分为单次供电不满足率与年平均供电不满足率,
年平均电力不满足率约束,
表示年平均电力不满足率最大值,用于约束海岛微电网的年平均供电能力,其中,Ploss(t)为时段t的供应不足功率,Pload(t)为时段t的负载需求,t∈[1,2,…,T]日,T为控制时域,T=365日,
单次电力不满足率约束,
表示单次电力不满足率最大值,用于约束海岛微电网的实时供电能力;
步骤2.3,可再生能源丢弃率约束建模分为单次可再生能源丢弃率与年平均可再生能源丢弃率,其中,
年平均可再生能源丢弃率约束,
其中,Pdump(t)为时段t的可再生能源丢弃功率,为年平均可再生能源最大丢弃率,用于约束海岛微电网的年平均可再生能源利用率,Pwind(t)表示风机在时段t的功率,Nwind为风机配置数量,PPV)t)为单个光伏模组容量,NPV为光伏配置数量,
单次可再生能源丢弃率约束,
为单次可再生能源最大丢弃率,用于约束海岛微电网的可再生能源接纳能力;
步骤2.4,可再生能源发电渗透率约束为,
其中为海岛微电网中可再生能源发电容量占比最小值,为单个光伏模组容量,为时段t的最大负载需求,Nwind为风机配置数量,为单台风机容量;
步骤2.5,可再生能源发电量占总发电量比例约束为,
其中为海岛微电网中可再生能源总发电容量在系统总发电量中的占比最小值;
步骤2.6,年碳排放总量约束为,
污染物排放量约束,
其中,Pdiesel(t)表示柴油发电机在时段t的功率,αCO2为柴油发电机每产生1kWh电能的CO2排放量,SCO2为海岛微电网的平均年最大碳排放量,Δt为时段长度;
步骤2.7,系统供需平衡约束为,
Pwind(t)Nwind+PPV(t)NPV+Pdiesel(t)+PBESSd(t)-PBESSc(t)=Pload(t)-Ploss(t);
步骤2.8,电池储能系统约束为,
储能充电功率约束,
储能放电功率约束,
储能充放电行为约束,δBESSd(t)+δBESSc(t)≤1,储能充放电动态变化模型,EBESS(t+1)=EBESS(t)+PBESSc(t)ηBESScΔt-PBESSd(t)/ηBESSdΔt-εBESS,
储能容量约束模型,
其中,PBESSc(t)、PBESSd(t)分别是储能系统充、放电功率,分别表示单个储能模块的最小、最大充电功率,分别表示单个储能模组的最小、最大放电功率,NBESS为储能模组数量,δBESSd(t)、δBESSc(t)分别表示储能系统运行状态,分别表示单个储能模组的最小、最大能量,Δt为时段长度。
5.根据权利要求1所述的一种海岛微电网综合优化配置方法,其特征在于,在步骤2中,根据基础信息生成约束模型的方法中风机输出功率约束模型为 其中,分别表示单个风机的最小、最大运行功率,Nwind表示风机的数量,δwind(t)表示风机的运行功率,Pwind(t)表示风机在时段t的功率。
6.根据权利要求1所述的一种海岛微电网综合优化配置方法,其特征在于,在步骤2中,根据基础信息生成约束模型的方法中光伏输出功率约束模型为 其中,分别表示单个光伏的最小、最大运行功率,NPV表示光伏的数量,δPV(t)表示光伏的运行功率,PPV(t)表示光伏在时段t的功率。
7.根据权利要求1所述的一种海岛微电网综合优化配置方法,其特征在于,在步骤2中,根据基础信息生成约束模型的方法中柴油发电机输出功率约束模型为 其中,分别表示单个柴油发电机的最小、最大运行功率,Ndiesel表示柴油发电机的数量,δdiesel(t)表示柴油发电机的运行功率,Pdiesel(t)表示柴油发电机在时段t的功率。
8.根据权利要求1所述的一种海岛微电网综合优化配置方法,其特征在于,在步骤3中,根据约束模型构建海岛微电网综合优化联合模型的方法包括以下子步骤:
步骤3.1,构建海岛微电网运行及优化配置联合目标函数,
系统优化目标函数minClcc=CRF(r,LMG)Ccap+Cfuel+CO&M+Cchg+CpenL+Cemi,
其中,Ccap为所有设备购置初始投资成本、Cfuel为柴油发电机组年平均燃料成本、CO&M为所有设备年平均运行维护成本,Cchg为所有设备年平均替换成本、CpenL为系统年平均供电不足的惩罚成本,Cemi为年平均污染物排放年平均惩罚成本,CRF(r,LMG)为年资金回收率,其中,i为5年以上的贷款利率,f为通货膨胀率,r为实际贷款利率,LMG为海岛微电网规划使用年限;
步骤3.2,初始投资成本模型构建,初始投资成本Ccap可表示为, 其中,分别表示单台风机、光伏模组、储能单元、柴油发电机的初始购买单价,Nwind、NPV、NBESS、Ndiesel分别表示海岛微电网所配置类型风机、光伏模组、储能单元、柴油发电机的数量,CRF(r,LMG)计算公式为,其中,i为5年以上的贷款利率,f为通货膨胀率,r为实际贷款利率,LMG为海岛微电网规划使用年限;
步骤3.3,燃料成本模型构建,燃料成本Cfuel可表示为,其中,cfuel为燃料的单价,wfuel(t)为燃料在t时段的消耗量,t∈[1,2,…,T]日,T为控制时域,T=365日;
步骤3.4,系统运行维护成本模型构建,微电网年运行维护费用与系统中各设备的运行状况有关,CO&M可表示为,
其中,分别表示储能单元、柴油发电机单位时间的运行维护成本,δBESSc(t)、δBESsd(t)、δdiesel(t)按顺序分别表示储能充电状态、储能放电状态、柴油发电机运行状态,分别表示风机、光伏年运行维护成本;
步骤3.5,设备年替换成本模型构建,设备年替换成本Cchg可表示为,
其中,分别为储能、风机、光伏、柴油发电机年替换成本;
步骤3.6,电池储能年均替换成本模型构建,电池储能年均替换成本为, 其中,为每个电池储能单元的替换费用,kBEss为电池的损耗度指数,表示一段时间内消耗的储能电池占电池总量的比例,其表达式为,其中,为单个电池模组的累积充、放电量上限,为电池储能系统一年的累积充电和放电的电量总和,
其中,分别表示电池储能系统在时段t的充电、放电功率,分别表示电池储能系统充电、放电效率,Δt为时段长度;
步骤3.7,电力供应不足惩罚成本模型构建,年平均电力供应不足惩罚成本CpenL可表示为,其中,closs为电力供应不足惩罚成本系数,Ploss(t)为时段t的供应不足功率;
步骤3.8,排污惩罚成模型构建,排污惩罚成本Cemi可表示为,其中,ci为第i项污染物的环境价值,Mi为第i项污染物的年总排放量,Nemi为排放污染物的种类数。
9.根据权利要求1所述的一种海岛微电网综合优化配置方法,其特征在于,在步骤4中,根据指标参数运行海岛微电网综合优化联合模型并输出优化配置结果的方法包括以下子步骤:
步骤4.1,由历史风速数据计算出参考风机的历史输出功率数据,
风电t时段输出功率Pwind(t)是在获取t时段风机切入风速预测结果v(t)基础上,通过风电机组输出模型计算,风机输出功率计算方法为,
其中,为风机的额定功率,表示单位风机所能输出的功率,awind、bwind均为风电机组输出拟合系数vc、vr、vco分别表示风机的切入速度、额定风速和切出风速,通过风速传感器获取;
步骤4.2,由历史光照强度数据计算出参考光伏模组的历史输出功率数据,
光伏发电的t时段出力PPV(t)是在获取t时段光照强度GPV(t)的基础上,通过典型的光伏输出功率模型计算,光伏出力PPV(t)和光强GPV(t)的关系为,
其中,为光伏的额定功率,表示单位光强所能输出的功率,Gstd为额定光照强度(kW/m2),Rc为光伏电池组光强下光伏出力与光强的关系开始由非线性变为线性强度的光强,GPV(t)为时段t的实时光强(kW/m2);
步骤4.3,计算并输出风机年均替换成本
其中,二元函数用于将未来的费用折算成年均费用,其中,Nwind为海岛微电网所配置光伏的数量,为风机单台替换成本,fwind为设备寿命不同于工程周期而引入的折算系数,Swind为工程周期结束时风机剩余设备残值,为风机设计寿命,r为实际贷款利率,LMG为海岛微电网规划使用年限,
其中,为取整函数,用于计算小于等于x的最大整数,Lwindrep为工程周期内风机设计寿命与替换次数的乘积,Lwindrem为工程周期结束时风机剩余寿命;
步骤4.4,计算并输出光伏年均替换成本
其中,二元函数用于将未来的费用折算成年均费用,其中,NPV为海岛微电网所配置光伏的数量,为光伏单台替换成本,fPV为设备寿命不同于工程周期而引入的折算系数,SPV为工程周期结束时光伏剩余设备残值,为光伏设计寿命,r为实际贷款利率,LMG为海岛微电网规划使用年限,
其中,为取整函数,用于计算小于等于x的最大整数,LPVrep为工程周期内光伏设计寿命与替换次数的乘积,LPVrem为工程周期结束时光伏剩余寿命;
步骤4.4,计算并输出柴油发电机年均替换成本
其中,二元函数用于将未来的费用折算成年均费用,其中,Ndiesel为海岛微电网所配置柴油发电机的数量,为柴油发电机单台替换成本,fdiesel为设备寿命不同于工程周期而引入的折算系数,Sdiesel为工程周期结束时柴油发电机剩余设备残值,为柴油发电机设计寿命,r为实际贷款利率,LMG为海岛微电网规划使用年限,
其中,为取整函数,用于计算小于等于x的最大整数,Ldieselrep为工程周期内柴油发电机设计寿命与替换次数的乘积,Ldieselrem为工程周期结束时柴油发电机剩余寿命。
10.一种海岛微电网综合优化配置装置,其特征在于,所述装置包括:
参数采集单元,获取海岛微电网综合优化配置方法的基础信息和指标参数;
约束模型生成单元,根据基础信息生成约束模型;
优化模型构建单元,根据约束模型构建海岛微电网综合优化联合模型;
优化配置输出单元,根据指标参数运行海岛微电网综合优化联合模型并输出优化配置结果。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810463071.3A CN108539793B (zh) | 2018-05-15 | 2018-05-15 | 一种海岛微电网综合优化配置方法及装置 |
PCT/CN2018/122405 WO2019218671A1 (zh) | 2018-05-15 | 2018-12-20 | 一种海岛微电网综合优化配置方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810463071.3A CN108539793B (zh) | 2018-05-15 | 2018-05-15 | 一种海岛微电网综合优化配置方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108539793A true CN108539793A (zh) | 2018-09-14 |
CN108539793B CN108539793B (zh) | 2021-05-04 |
Family
ID=63476119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810463071.3A Withdrawn - After Issue CN108539793B (zh) | 2018-05-15 | 2018-05-15 | 一种海岛微电网综合优化配置方法及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN108539793B (zh) |
WO (1) | WO2019218671A1 (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109861301A (zh) * | 2018-11-27 | 2019-06-07 | 国网能源研究院有限公司 | 一种源网荷储协调电力系统生产模拟方法 |
CN109950897A (zh) * | 2019-02-18 | 2019-06-28 | 中国电力科学研究院有限公司 | 一种微能源网络的运行方法及系统 |
CN110034572A (zh) * | 2019-04-17 | 2019-07-19 | 中国科学院广州能源研究所 | 含多端口电力电子变压器的交直流混合系统储能配置方法 |
WO2019218671A1 (zh) * | 2018-05-15 | 2019-11-21 | 佛山科学技术学院 | 一种海岛微电网综合优化配置方法及装置 |
CN111798035A (zh) * | 2020-06-10 | 2020-10-20 | 南昌大学 | 一种基于改进型引力搜索算法的独立微网系统容量规划方法 |
CN112348309A (zh) * | 2020-09-16 | 2021-02-09 | 国网上海能源互联网研究院有限公司 | 一种用于为海岛微电网的指标确定质量等级的方法及装置 |
CN112488370A (zh) * | 2020-11-20 | 2021-03-12 | 西安热工研究院有限公司 | 一种采用需求侧响应规划的储能优化方法 |
CN112487643A (zh) * | 2020-11-30 | 2021-03-12 | 中国科学院地理科学与资源研究所 | 一种面向岛礁资源环境承载力多目标优化的空间规划方法 |
CN112600209A (zh) * | 2020-12-11 | 2021-04-02 | 湖北工业大学 | 一种含潮流能的海岛独立微电网容量多目标优化配置方法 |
CN114552673A (zh) * | 2022-04-25 | 2022-05-27 | 广东海洋大学 | 一种海岛微电网的能源管理控制方法及系统 |
CN116565925A (zh) * | 2023-05-25 | 2023-08-08 | 中科聚(北京)能源科技有限公司 | 基于用电特性的储能配置方法、系统及存储介质 |
CN117852712A (zh) * | 2024-01-10 | 2024-04-09 | 江苏海洋大学 | 一种海岛综合能源系统的优化方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102904289A (zh) * | 2012-10-18 | 2013-01-30 | 长沙学院 | 基于果蝇优化算法的海岛新能源系统最优容量配置方法 |
CN103414213A (zh) * | 2013-08-13 | 2013-11-27 | 中国能源建设集团广东省电力设计研究院 | 一种海岛型微电网的电源优化配置方法 |
CN103996075A (zh) * | 2014-05-08 | 2014-08-20 | 南方电网科学研究院有限责任公司 | 考虑柴蓄协调增效的微电网多目标优化调度方法 |
US20140375125A1 (en) * | 2013-06-19 | 2014-12-25 | Nec Laboratories America, Inc. | Multi-layer control framework for an energy storage system |
CN106451566A (zh) * | 2016-08-27 | 2017-02-22 | 山东电力工程咨询院有限公司 | 一种海岛智能微电网多源协调控制方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104881716A (zh) * | 2015-05-28 | 2015-09-02 | 贵州电网公司电网规划研究中心 | 一种微电网电源的优化规划及评估方法 |
CN107591833A (zh) * | 2016-07-08 | 2018-01-16 | 华北电力大学(保定) | 一种计及不同运行策略的微网可靠性评估方法 |
CN108539793B (zh) * | 2018-05-15 | 2021-05-04 | 佛山科学技术学院 | 一种海岛微电网综合优化配置方法及装置 |
-
2018
- 2018-05-15 CN CN201810463071.3A patent/CN108539793B/zh not_active Withdrawn - After Issue
- 2018-12-20 WO PCT/CN2018/122405 patent/WO2019218671A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102904289A (zh) * | 2012-10-18 | 2013-01-30 | 长沙学院 | 基于果蝇优化算法的海岛新能源系统最优容量配置方法 |
US20140375125A1 (en) * | 2013-06-19 | 2014-12-25 | Nec Laboratories America, Inc. | Multi-layer control framework for an energy storage system |
CN103414213A (zh) * | 2013-08-13 | 2013-11-27 | 中国能源建设集团广东省电力设计研究院 | 一种海岛型微电网的电源优化配置方法 |
CN103996075A (zh) * | 2014-05-08 | 2014-08-20 | 南方电网科学研究院有限责任公司 | 考虑柴蓄协调增效的微电网多目标优化调度方法 |
CN106451566A (zh) * | 2016-08-27 | 2017-02-22 | 山东电力工程咨询院有限公司 | 一种海岛智能微电网多源协调控制方法 |
Non-Patent Citations (3)
Title |
---|
RODOLFO DUFO-LÓPEZ: "Multi-objective optimization minimizing cost and life cycle emissions of stand-alone PV–wind–diesel systems with batteries storage", 《APPLIED ENERGY》 * |
明梦君: "混合可再生能源系统多目标优化综述", 《中国电机工程学报》 * |
马艺玮: "独立微电网分布式电源优化配置与协调控制", 《中国博士学位论文全文数据库》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019218671A1 (zh) * | 2018-05-15 | 2019-11-21 | 佛山科学技术学院 | 一种海岛微电网综合优化配置方法及装置 |
CN109861301A (zh) * | 2018-11-27 | 2019-06-07 | 国网能源研究院有限公司 | 一种源网荷储协调电力系统生产模拟方法 |
CN109950897A (zh) * | 2019-02-18 | 2019-06-28 | 中国电力科学研究院有限公司 | 一种微能源网络的运行方法及系统 |
CN110034572A (zh) * | 2019-04-17 | 2019-07-19 | 中国科学院广州能源研究所 | 含多端口电力电子变压器的交直流混合系统储能配置方法 |
CN111798035A (zh) * | 2020-06-10 | 2020-10-20 | 南昌大学 | 一种基于改进型引力搜索算法的独立微网系统容量规划方法 |
CN112348309A (zh) * | 2020-09-16 | 2021-02-09 | 国网上海能源互联网研究院有限公司 | 一种用于为海岛微电网的指标确定质量等级的方法及装置 |
CN112488370A (zh) * | 2020-11-20 | 2021-03-12 | 西安热工研究院有限公司 | 一种采用需求侧响应规划的储能优化方法 |
CN112488370B (zh) * | 2020-11-20 | 2023-09-22 | 西安热工研究院有限公司 | 一种采用需求侧响应规划的储能优化方法 |
CN112487643A (zh) * | 2020-11-30 | 2021-03-12 | 中国科学院地理科学与资源研究所 | 一种面向岛礁资源环境承载力多目标优化的空间规划方法 |
CN112487643B (zh) * | 2020-11-30 | 2023-06-27 | 中国科学院地理科学与资源研究所 | 一种面向岛礁资源环境承载力多目标优化的空间规划方法 |
CN112600209A (zh) * | 2020-12-11 | 2021-04-02 | 湖北工业大学 | 一种含潮流能的海岛独立微电网容量多目标优化配置方法 |
CN114552673A (zh) * | 2022-04-25 | 2022-05-27 | 广东海洋大学 | 一种海岛微电网的能源管理控制方法及系统 |
CN116565925A (zh) * | 2023-05-25 | 2023-08-08 | 中科聚(北京)能源科技有限公司 | 基于用电特性的储能配置方法、系统及存储介质 |
CN116565925B (zh) * | 2023-05-25 | 2023-11-14 | 中科聚(北京)能源科技有限公司 | 基于用电特性的储能配置方法、系统及存储介质 |
CN117852712A (zh) * | 2024-01-10 | 2024-04-09 | 江苏海洋大学 | 一种海岛综合能源系统的优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108539793B (zh) | 2021-05-04 |
WO2019218671A1 (zh) | 2019-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108539793B (zh) | 一种海岛微电网综合优化配置方法及装置 | |
Diesendorf et al. | Implications of trends in energy return on energy invested (EROI) for transitioning to renewable electricity | |
Ma et al. | Feasibility study and economic analysis of pumped hydro storage and battery storage for a renewable energy powered island | |
Mehrjerdi | Optimal correlation of non-renewable and renewable generating systems for producing hydrogen and methane by power to gas process | |
Li et al. | An energy efficient solution: Integrating plug-in hybrid electric vehicle in smart grid with renewable energy | |
CN102449873A (zh) | 混合能量存储系统、包括该存储系统的可再生能量系统及其使用方法 | |
CN114021390A (zh) | 城市综合能源系统随机鲁棒优化方法及其应用 | |
Al Wahedi et al. | Assessment of a stand‐alone hybrid solar and wind energy‐based electric vehicle charging station with battery, hydrogen, and ammonia energy storages | |
Yong et al. | Economic dispatch of power system incorporating wind power plant | |
CN107453408B (zh) | 一种考虑不确定性的微电网能量优化调度方法 | |
CN109347152A (zh) | 考虑多类型电源参与调峰的随机生产模拟方法及应用 | |
CN110601260A (zh) | 一种限定联络线上功率波动的光-蓄系统容量优化方法 | |
Gamil et al. | Optimal sizing of a residential microgrid in Egypt under deterministic and stochastic conditions with PV/WG/Biomass Energy integration. | |
CN108631302B (zh) | 一种岛礁综合能源系统优化调度方法及装置 | |
Bao et al. | Optimal sizing of battery energy storage system in a shipboard power system with considering energy management optimization | |
CN111126675A (zh) | 多能互补微网系统优化方法 | |
Xie et al. | Optimal capacity configuration of hybrid energy storage for an isolated microgrid based on QPSO algorithm | |
Dufo-López et al. | Optimisation of size and control strategy in utility-scale green hydrogen production systems | |
Koivunen et al. | Contributing factors for electricity storage in a carbon‐free power system | |
Jabari et al. | Optimization of a tidal‐battery‐diesel driven energy‐efficient standalone microgrid considering the load‐curve flattening program | |
Li et al. | Coordinated planning of integrated electricity–heat–gas energy system considering renewable energy consumption | |
Bermúdez et al. | The role of sector coupling in the green transition: A least-cost energy system development in North Europe towards 2050 | |
CN116979547B (zh) | 一种计及负荷可控性的微电网规划配置方法 | |
CN117674290A (zh) | 一种基于多场景的水电平抑分布鲁棒优化方法 | |
CN109873419B (zh) | 一种考虑相似度和经济收益的水光蓄系统运行优化方法 |
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 | ||
AV01 | Patent right actively abandoned | ||
AV01 | Patent right actively abandoned | ||
AV01 | Patent right actively abandoned |
Granted publication date: 20210504 Effective date of abandoning: 20240301 |
|
AV01 | Patent right actively abandoned |
Granted publication date: 20210504 Effective date of abandoning: 20240301 |