CN108964103B - 一种考虑微网系统可调度性的微网储能配置方法 - Google Patents
一种考虑微网系统可调度性的微网储能配置方法 Download PDFInfo
- Publication number
- CN108964103B CN108964103B CN201810847462.5A CN201810847462A CN108964103B CN 108964103 B CN108964103 B CN 108964103B CN 201810847462 A CN201810847462 A CN 201810847462A CN 108964103 B CN108964103 B CN 108964103B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- microgrid
- power
- bess
- battery
- 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 157
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000005457 optimization Methods 0.000 claims abstract description 14
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000012614 Monte-Carlo sampling Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 210000000352 storage cell Anatomy 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000010521 absorption reaction Methods 0.000 claims 1
- 230000002349 favourable effect Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005070 sampling 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
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- H02J3/383—
-
- H02J3/386—
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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
Abstract
本发明提供一种考虑微网系统可调度性的微网储能配置方法,采用熵对微网的可调度性进行建模,以双层优化模型为基础,提出考虑可调度性约束的电池储能容量优化配置模型,最后求解该优化配置模型,得到考虑微网可调度性的微网储能配置方案;与现有的基于功率预测误差概率分布的储能配置方法相比,本发明提出的优化模型加入微网的可调度性约束,且同时对储能额定功率和额定容量进行优化,有效地考虑储能荷电状态、累计寿命损耗等运行状态量对微网运行和储能配置的影响,配置结果利于实现微网对外部电网的友好接入。
Description
技术领域
本发明涉及电网技术领域,特别是涉及一种考虑微网系统可调度性的微网储能配置方法。
背景技术
微网内可再生能源的不确定性增加了外部电网对微网调度控制的难度,可调度性则是针对微网的不确定性特征所提出的提高微网对外部电网友好性的重要要求。微网与外部电网间联络线的交换功率需具备较强的可控性,能够减少联络线计划外的功率交换,从而实现微网对外部电网的友好接入。
储能容量配置是微网规划建设的重要环节。储能作为微网内重要的能量缓冲装置,在提高微网的可调度性方面有着重要的作用。因此在进行储能容量配置时,应充分考虑微网可调度性这一因素。
当前现有的考虑微网可调度性的储能配置方法的思路是,把可再生能源功率预测误差作为储能功率,利用功率预测误差的概率分布确定一定置信水平下的储能额定功率,并以此确定储能额定容量。
基于功率预测误差概率分布的储能配置方法存在以下问题:1)直接视可再生能源功率预测误差为储能功率,未考虑荷电状态等运行状态量对储能运行的影响,荷电状态是储能运行时考虑的关键指标,而储能的运行情况直接决定了储能在减少可再生能源不确定性方面的效果;2)该方法先配置储能额定功率,再配置储能额定容量,但事实上在储能规划问题中储能额定功率和额定容量存在耦合,仅凭储能额定功率无法得到储能荷电状态、累计寿命损耗等相关运行状态信息,而这些运行状态信息会对储能的配置造成较大影响;3)不同置信水平的储能配置差异大,如何选取置信水平目前尚未有讨论。
因此,需要提供一种考虑微网系统可调度性的微网储能配置方法以解决上述技术问题。
发明内容
本发明主要解决的技术问题是提供一种考虑微网系统可调度性的微网储能配置方法,加入微网的可调度性约束,且同时对储能额定功率和额定容量进行优化,有效地考虑储能荷电状态、累计寿命损耗等运行状态量对微网运行和储能配置的影响,配置结果利于实现微网对外部电网的友好接入。
为解决上述技术问题,本发明采用的一个技术方案是提供一种考虑微网系统可调度性的微网储能配置方法,包括步骤:
1)基于熵的微网可调度性建模:
信息论中,熵用于表征信源的不确定程度,而在微网内部风电、光伏出力具有不确定性的情况下,微网的可调度性可通过经储能调控后的联络线功率的不确定程度表征;若微网的可调度性较弱,则实际联络线功率易受风光出力的影响,具有较大的不确定性;若微网的可调度性较强,则实际联络线功率会趋向于稳定在计划交换功率附近,具有较小的不确定性;联络线功率的熵值表征了联络线功率的不确定程度,进而反映微网的可调度性;根据熵理论,联络线功率的熵值具体定义如下:
假设ΔP0为足够小的区间长度,P0为任意常数,在实数轴上以P0为起点分别往正方向和负方向按ΔP0划分区间,形成区间序列I:
I={Di|Di=[Pi,Pi+1),ΔP0=Pi+1-Pi,i∈Z} (1)
pi,h表示调度时段h的联络线功率落在区间Di的概率,K为常系数;
由熵理论可知,式(2)定义的联络线功率熵值具有如下意义:1)Sh=0时,意味着通过储能的调控后调度时段h的联络线功率必然落在计划交换功率所在的区间,偏差不超过ΔP0,不确定性最小,微网的可调度性较强;2)随着Sh增大,调度时段h的联络线功率所落区间的不确定性增强,即联络线功率倾向于偏离计划交换功率落在更多的区间中,意味着此时联络线功率受风电、光伏不确定性的影响较大,易发生计划外的功率交换,微网的可调度性变弱;因此,联络线功率熵值Sh可较好地衡量调度时段h的微网可调度性;
2)电池储能寿命模型建模:
电池储能在频繁的充放电过程中剩余使用寿命会逐渐减少,因此在储能容量配置时需对电池储能的寿命进行考虑;电池储能寿命常以循环次数表征,但在电网应用中电池储能并非周期性地充放电,为此本发明采用累积电量模型作为电池储能的寿命模型;累积电量模型采用电池储能的转移能量对电池储能的寿命进行估计,电池储能的寿命表达式为:
Eacc为电池储能的累积转移能量,N为电池储能的额定循环次数,En为电池储能额定容量;
3)考虑微网可调度性的微网储能配置模型建模:
目标函数1为项目期限内的电池储能预期成本最低,以电池储能的额定功率和额定容量为决策变量;Np为微网储能项目的设计年限,Cy为第y年的净现金流量,C0为初始投资,r为年利率;
目标函数1的约束条件包括:
投资限值约束包括:0≤C0≤Amax (11)
微网可调度性约束:Sav≤Smax (14)
Amax为初始投资的最大限值,Sav为微网一天内各时段Sh的平均值,反映了微网在一天内整体的可调度性,Smax为Sav允许的最大值从而对微网一天内整体的可调度性作出约束;
规划模型2:某个场景下的联络线功率和电池储能累积转移能量需要通过下面的经济调度模型来确定,计算Sh所需的联络线功率概率分布可通过抽样微网的风光出力场景获得,为此本发明采用多场景法描述微网内风电、光伏出力的不确定性,假设风电、光伏各时段的出力服从以典型日相应时段的预测出力为均值的正态分布,通过蒙特卡洛抽样法,得目标函数2为
s为场景集S中的某个场景,Pbess,h,s为电池储能的吸收功率,为决策变量,cbess为电池储能单位电能损耗成本,cpenalty为功率偏差惩罚价格,Td为调度时段的持续时间,H为调度时段总数,Pline,h,s为联络线功率,Pline_ref,h为联络线的计划交换功率;
目标函数2的约束条件包括:
储能荷电状态限值约束:xbess,min≤xbess,h,s≤xbess,max (19)
Ebess,nxbess,h,s=Ebess,nxbess,h-1,s+Pbess,hTd (20)
储能日内能量平衡约束:xbess,H,s=xbess,0 (21)
xbess,h,s、xbess,max、xbess,min分别为电池储能的荷电状态、电池储能荷电状态的上限和下限,xbess,0为电池储能的初始荷电状态;
ps为场景s的概率,ni,h,s表示时段h场景s联络线功率Pline,h,s是否处于区间Di(1表示处于,0表示不处于);
(4)获取微网系统参数、典型日预测数据;
(5)求解优化模型:利用步骤(4)中获得的数据计算步骤(3)中的目标函数和约束条件,得微网系统的储能配置方案。
本实施例中,电池储能容量优化模型由两个规划模型组成,规划模型1以电池储能的额定功率和额定容量为决策变量,目标函数和约束条件的计算需获取电池储能各时段的运行功率。规划模型2以电池储能的运行功率为决策变量,其求解受规划模型1的决策变量电池储能额定功率和额定容量的影响,二者共同构成双层规划问题,关系如图1所示。
在本发明的具体实施例中,对于电池储能预期成本的计算,优选,步骤(3)中的规划模型1中,Cy计算为:Cy=Cm+Cr,y (5)
式中,Cm为电池储能年固定维护成本,Cr,y为第y年的电池更换成本:
Cm=CmpPbess,n (6)
Cr,y=ny(CeEn+CpPn) (7)
式中,Cmp为电池储能单位功率维护成本,Pn为电池储能的额定功率,Ce和Cp分别为电池的单位能量成本和单位功率成本,ny为第y年的电池更换次数;
初始投资C0计算为:
C0=Ccap+Cess+Cinverter (8)
式中,Ccap为储能设施初始建设成本,Cess为储能电池购置成本,Cinverter为逆变器购置成本;
Cess=CeEn+CpPn (9)
Cinverter=CiPn (10)
式中,Ci为逆变器的单位功率成本。
本实施例中,全面考虑电池各方面的投入成本,进而综合确定如何配置达到项目期限内的电池储能预期成本最低,优选,目标函数1的约束条件进一步包括:
储能最大充放电倍率约束:Pn≤Pbess,max (12)
其中,Pbess,max为电池最大充放电倍率Bmax所对应的功率:
实施例中,优选,目标函数2中,联络线计划交换功率基于典型日的预测场景确定:
Pline_ref,h=Pwind_ref,h+Ppv_ref,h-Pload_ref,h (16)
式中,Pwind_ref,h、Ppv_ref,h、Pload_ref,h分别表示典型日的风电预测功率、光伏预测功率、负荷预测功率。
本发明的具体的实施例中,进一步优选,目标函数2的约束条件进一步包括:
功率平衡约束:Pline,h,s=Pwind,h,s+Ppv,h,s-Pload,h,s-Pbess,h,s (17)
式中,Pwind,h,s、Ppv,h,s、Pload,h,s分别表示风电功率、光伏功率、负荷功率;
储能功率限值约束:-Pn≤Pbess,h,s≤Pn (18)。
式(22)中,Eacc,s为场景s一天内电池储能的累积转移能量;为综合考虑各场景下电池储能的寿命损耗,采用累积转移能量的期望值计算式(3)中的Eacc:
式(23)中,ps为场景s的概率;
实施例中,优选,步骤(4)包括获取单个调度时段的持续时间、联络线功率偏差惩罚价格、电池储能的吸收功率的上限和下限、电池储能的额定功率和额定容量、各典型日的风电预测功率、各典型日的光伏预测功率、各典型日的负荷预测功率。
实施例中,优选,步骤(5)中:规划模型1的目标函数和约束条件,采用无需导数信息的模式搜索法求解;规划模型2采用内点法求解。
本发明的有益效果是:本发明提供的一种考虑微网系统可调度性的微网储能配置方法,采用熵对微网的可调度性进行建模。以双层优化模型为基础,提出考虑可调度性约束的电池储能容量优化配置模型。最后求解该优化配置模型,得到考虑微网可调度性的微网储能配置方案;与现有的基于功率预测误差概率分布的储能配置方法相比,本发明提出的优化模型加入微网的可调度性约束,且同时对储能额定功率和额定容量进行优化,有效地考虑储能荷电状态、累计寿命损耗等运行状态量对微网运行和储能配置的影响,配置结果利于实现微网对外部电网的友好接入。
附图说明
图1是本发明的一种考虑微网系统可调度性的微网储能配置方法的第一优选实施例的结构示意图。
具体实施方式
下面结合图示对本发明的技术方案进行详述。
本实施例的考虑微网系统可调度性的微网储能配置方法,包括步骤:
1)基于熵的微网可调度性建模:假设ΔP0为足够小的区间长度,P0为任意常数,区间序列I为:I={Di|Di=[Pi,Pi+1),ΔP0=Pi+1-Pi,i∈Z} (1)
pi,h表示调度时段h的联络线功率落在区间Di的概率,K为常系数;
Eacc为电池储能的累积转移能量,N为电池储能的额定循环次数,En为电池储能额定容量;
3)考虑微网可调度性的微网储能配置模型建模:
目标函数1以电池储能的额定功率和额定容量为决策变量;Np为微网储能项目的设计年限,Cy为第y年的净现金流量,C0为初始投资,r为年利率;
目标函数1的约束条件包括:
投资限值约束包括:0≤C0≤Amax (11)
微网可调度性约束:Sav≤Smax (14)
Amax为初始投资的最大限值,Sav为微网一天内各时段Sh的平均值,Smax为Sav允许的最大值;
规划模型2:通过蒙特卡洛抽样法,得目标函数2为
s为场景集S中的某个场景,Pbess,h,s为电池储能的吸收功率,为决策变量,cbess为电池储能单位电能损耗成本,cpenalty为功率偏差惩罚价格,Td为调度时段的持续时间,H为调度时段总数,Pline,h,s为联络线功率,Pline_ref,h为联络线的计划交换功率;
目标函数2的约束条件包括:
储能荷电状态限值约束:xbess,min≤xbess,h,s≤xbess,max (19)
Ebess,nxbess,h,s=Ebess,nxbess,h-1,s+Pbess,hTd (20)
储能日内能量平衡约束:xbess,H,s=xbess,0 (21)
xbess,h,s、xbess,max、xbess,min分别为电池储能的荷电状态、电池储能荷电状态的上限和下限,xbess,0为电池储能的初始荷电状态;
ps为场景s的概率,ni,h,s表示时段h场景s联络线功率Pline,h,s是否处于区间Di;
(4)获取微网系统参数、典型日预测数据;
(5)求解优化模型:利用步骤(4)中获得的数据计算步骤(3)中的目标函数和约束条件,得微网系统的配置方案。
实施例中,优选,步骤(3)中的规划模型1中,Cy计算为:
Cy=Cm+Cr,y (5)
式中,Cm为电池储能年固定维护成本,Cr,y为第y年的电池更换成本:
Cm=CmpPbess,n (6)
Cr,y=ny(CeEn+CpPn) (7)
式中,Cmp为电池储能单位功率维护成本,Pn为电池储能的额定功率,Ce和Cp分别为电池的单位能量成本和单位功率成本,ny为第y年的电池更换次数;
初始投资C0计算为:
C0=Ccap+Cess+Cinverter (8)
式中,Ccap为储能设施初始建设成本,Cess为储能电池购置成本,Cinverter为逆变器购置成本;
Cess=CeEn+CpPn (9)
Cinverter=CiPn (10)
式中,Ci为逆变器的单位功率成本。
实施例中,优选,目标函数1的约束条件进一步包括:
储能最大充放电倍率约束:Pn≤Pbess,max (12)
其中,Pbess,max为电池最大充放电倍率Bmax所对应的功率:
实施例中,优选,目标函数2中,联络线计划交换功率基于典型日的预测场景确定:
Pline_ref,h=Pwind_ref,h+Ppv_ref,h-Pload_ref,h (16)
式中,Pwind_ref,h、Ppv_ref,h、Pload_ref,h分别表示典型日的风电预测功率、光伏预测功率、负荷预测功率。
实施例中,优选,目标函数2的约束条件进一步包括:
功率平衡约束:Pline,h,s=Pwind,h,s+Ppv,h,s-Pload,h,s-Pbess,h,s (17)
式中,Pwind,h,s、Ppv,h,s、Pload,h,s分别表示风电功率、光伏功率、负荷功率;
储能功率限值约束:-Pn≤Pbess,h,s≤Pn (18)。
实施例中,优选,规划模型2中,
式(22)中,Eacc,s为场景s一天内电池储能的累积转移能量;为综合考虑各场景下电池储能的寿命损耗,采用累积转移能量的期望值计算式(3)中的Eacc:
式(23)中,ps为场景s的概率;
实施例中,优选,步骤(4)包括获取单个调度时段的持续时间、联络线功率偏差惩罚价格、电池储能的吸收功率的上限和下限、电池储能的额定功率和额定容量、各典型日的风电预测功率、各典型日的光伏预测功率、各典型日的负荷预测功率。
实施例中,优选,步骤(5)中:规划模型1的目标函数和约束条件,采用无需导数信息的模式搜索法求解;规划模型2采用内点法求解。
本发明的有益效果是:本发明提供的一种考虑微网系统可调度性的微网储能配置方法,采用熵对微网的可调度性进行建模。以双层优化模型为基础,提出考虑可调度性约束的电池储能容量优化配置模型。最后求解该优化配置模型,得到考虑微网可调度性的微网储能配置方案;与现有的基于功率预测误差概率分布的储能配置方法相比,本发明提出的优化模型加入微网的可调度性约束,且同时对储能额定功率和额定容量进行优化,有效地考虑储能荷电状态、累计寿命损耗等运行状态量对微网运行和储能配置的影响,配置结果利于实现微网对外部电网的友好接入。
以上所述仅为本发明的实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种考虑微网系统可调度性的微网储能配置方法,其特征在于,包括步骤:
( 1)基于熵的微网可调度性建模:假设ΔP0为足够小的区间长度,P0为任意常数,区间序列I为:I={Di|Di=[Pi,Pi+1),ΔP0=Pi+1-Pi,i∈Z} (1)
pi,h表示调度时段h的联络线功率落在区间Di的概率,K为常系数;
Eacc为电池储能的累积转移能量,N为电池储能的额定循环次数,En为电池储能额定容量;
( 3)考虑微网可调度性的微网储能配置模型建模:
目标函数1以电池储能的额定功率和额定容量为决策变量;Np为微网储能项目的设计年限,Cy为第y年的净现金流量,C0为初始投资,r为年利率;
目标函数1的约束条件包括:
投资限值约束包括:0≤C0≤Amax (11)
微网可调度性约束:Sav≤Smax (14)
Amax为初始投资的最大限值,Sav为微网一天内各时段Sh的平均值,Smax为Sav允许的最大值;
规划模型2:通过蒙特卡洛抽样法,得目标函数2为
s为场景集S中的某个场景,Pbess,h,s为电池储能的吸收功率,为决策变量,cbess为电池储能单位电能损耗成本,cpenalty为功率偏差惩罚价格,Td为调度时段的持续时间,H为调度时段总数,Pline,h,s为联络线功率,Pline_ref,h为联络线的计划交换功率;
目标函数2的约束条件包括:
储能荷电状态限值约束:xbess,min≤xbess,h,s≤xbess,max (19)
Ebess,nxbess,h,s=Ebess,nxbess,h-1,s+Pbess,hTd (20)
储能日内能量平衡约束:xbess,H,s=xbess,0 (21)
xbess,h,s、xbess,max、xbess,min分别为电池储能的荷电状态、电池储能荷电状态的上限和下限,xbess,0为电池储能的初始荷电状态;
ps为场景s的概率,ni,h,s表示时段h场景s联络线功率Pline,h,s是否处于区间Di;
(4)获取微网系统参数、典型日预测数据;
(5)求解优化模型:利用步骤(4)中获得的数据计算步骤(3)中的目标函数和约束条件,得微网系统的配置方案。
2.根据权利要求1所述的考虑微网系统可调度性的微网储能配置方法,其特征在于:步骤(3)中的规划模型1中,Cy计算为:
Cy=Cm+Cr,y (5)
式中,Cm为电池储能年固定维护成本,Cr,y为第y年的电池更换成本:
Cm=CmpPbess,n (6)
Cr,y=ny(CeEn+CpPn) (7)
式中,Cmp为电池储能单位功率维护成本,Pn为电池储能的额定功率,Ce和Cp分别为电池的单位能量成本和单位功率成本,ny为第y年的电池更换次数;
初始投资C0计算为:
C0=Ccap+Cess+Cinverter (8)
式中,Ccap为储能设施初始建设成本,Cess为储能电池购置成本,Cinverter为逆变器购置成本;
Cess=CeEn+CpPn (9)
Cinverter=CiPn (10)
式中,Ci为逆变器的单位功率成本。
4.根据权利要求3所述的考虑微网系统可调度性的微网储能配置方法,其特征在于:目标函数2中,联络线计划交换功率基于典型日的预测场景确定:
Pline_ref,h=Pwind_ref,h+Ppv_ref,h-Pload_ref,h (16)
式中,Pwind_ref,h、Ppv_ref,h、Pload_ref,h分别表示典型日的风电预测功率、光伏预测功率、负荷预测功率。
5.根据权利要求4所述的考虑微网系统可调度性的微网储能配置方法,其特征在于:目标函数2的约束条件进一步包括:
功率平衡约束:Pline,h,s=Pwind,h,s+Ppv,h,s-Pload,h,s-Pbess,h,s (17)
式中,Pwind,h,s、Ppv,h,s、Pload,h,s分别表示风电功率、光伏功率、负荷功率;
储能功率限值约束:-Pn≤Pbess,h,s≤Pn (18)。
7.根据权利要求6所述的考虑微网系统可调度性的微网储能配置方法,其特征在于:步骤(4)包括获取单个调度时段的持续时间、联络线功率偏差惩罚价格、电池储能的吸收功率的上限和下限、电池储能的额定功率和额定容量、各典型日的风电预测功率、各典型日的光伏预测功率、各典型日的负荷预测功率。
8.根据权利要求7所述的考虑微网系统可调度性的微网储能配置方法,其特征在于:步骤(5)中:规划模型1的目标函数和约束条件,采用无需导数信息的模式搜索法求解;规划模型2采用内点法求解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810847462.5A CN108964103B (zh) | 2018-07-27 | 2018-07-27 | 一种考虑微网系统可调度性的微网储能配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810847462.5A CN108964103B (zh) | 2018-07-27 | 2018-07-27 | 一种考虑微网系统可调度性的微网储能配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108964103A CN108964103A (zh) | 2018-12-07 |
CN108964103B true CN108964103B (zh) | 2021-11-05 |
Family
ID=64466312
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810847462.5A Active CN108964103B (zh) | 2018-07-27 | 2018-07-27 | 一种考虑微网系统可调度性的微网储能配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108964103B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109687443B (zh) * | 2018-12-27 | 2022-03-22 | 广州穗华能源科技有限公司 | 一种考虑多时间尺度不确定性耦合的微电网储能容量优化配置方法 |
CN110768294B (zh) * | 2019-11-12 | 2021-02-26 | 南方电网科学研究院有限责任公司 | 一种分布式电源随机调度方法和装置 |
CN110797872B (zh) * | 2019-11-18 | 2024-03-19 | 华润智慧能源有限公司 | 用户侧储能容量配置方法、装置、设备及存储介质 |
CN110929947B (zh) * | 2019-11-29 | 2022-03-18 | 广东电网有限责任公司广州供电局 | 储能配置方法、装置、计算机设备和存储介质 |
CN112070403A (zh) * | 2020-09-10 | 2020-12-11 | 国电新能源技术研究院有限公司 | 能源系统的能量调度方法、装置和存储介质 |
CN112531759A (zh) * | 2020-12-07 | 2021-03-19 | 国网山东省电力公司临沂供电公司 | 一种计及电池寿命损耗的多能源微网储能优化配置方法 |
CN115065078B (zh) * | 2022-05-06 | 2023-07-04 | 合肥工业大学 | 微网环境下储能容量配置方法及系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4054124A (en) * | 1976-04-06 | 1977-10-18 | Knoeoes Stellan | Solar radiation collection system |
CN103218755A (zh) * | 2013-04-24 | 2013-07-24 | 国家电网公司 | 采用反非广延熵的微电网测评方法 |
CN103792924A (zh) * | 2014-02-14 | 2014-05-14 | 暨南大学 | 一种含有微网的电力系统扩展黑启动方法 |
CN103941191A (zh) * | 2014-03-26 | 2014-07-23 | 海博瑞恩电子科技无锡有限公司 | 一种储能装置综合管理的方法及储能装置 |
CN104502795A (zh) * | 2014-11-26 | 2015-04-08 | 国家电网公司 | 一种适用于微电网的智能故障诊断方法 |
CN104635166A (zh) * | 2015-02-06 | 2015-05-20 | 芜湖大学科技园发展有限公司 | 一种基于电池管理系统的锂电池健康状态评估方法 |
CN104951846A (zh) * | 2015-06-02 | 2015-09-30 | 国电南京自动化股份有限公司 | 微电网短期功率和负荷预测系统及误差分类动态修正方法 |
CN105226688A (zh) * | 2015-10-12 | 2016-01-06 | 中国电力科学研究院 | 基于机会约束模型的多类型储能系统容量优化配置方法 |
CN105429170A (zh) * | 2015-11-11 | 2016-03-23 | 中南大学 | 一种基于可调虚拟阻抗的微网逆变器下垂控制方法 |
CN104362656B (zh) * | 2014-10-24 | 2016-06-29 | 东南大学 | 一种基于混合储能vsi平抑微网功率波动的控制方法 |
CN105811457A (zh) * | 2016-04-19 | 2016-07-27 | 天津天大求实电力新技术股份有限公司 | 一种并网型微电网联络线功率平滑的方法 |
CN106058855A (zh) * | 2016-06-16 | 2016-10-26 | 南京工程学院 | 协调储能与柔性负荷的主动配电网多目标优化调度方法 |
CN106327006A (zh) * | 2016-08-09 | 2017-01-11 | 国网四川省电力公司经济技术研究院 | 一种基于综合效益分析的微电网优化配置方法 |
CN106651059A (zh) * | 2017-01-13 | 2017-05-10 | 国网山西省电力公司 | 一种电动汽车充电站优化配置的方法 |
CN107069788A (zh) * | 2017-05-12 | 2017-08-18 | 国家电网公司 | 一种提高电源与负荷匹配度的混合储能调度方法 |
CN108281959A (zh) * | 2018-01-03 | 2018-07-13 | 浙江大学 | 一种高比例可再生能源电力系统的骨干网架优化方法 |
-
2018
- 2018-07-27 CN CN201810847462.5A patent/CN108964103B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4054124A (en) * | 1976-04-06 | 1977-10-18 | Knoeoes Stellan | Solar radiation collection system |
CN103218755A (zh) * | 2013-04-24 | 2013-07-24 | 国家电网公司 | 采用反非广延熵的微电网测评方法 |
CN103792924A (zh) * | 2014-02-14 | 2014-05-14 | 暨南大学 | 一种含有微网的电力系统扩展黑启动方法 |
CN103941191A (zh) * | 2014-03-26 | 2014-07-23 | 海博瑞恩电子科技无锡有限公司 | 一种储能装置综合管理的方法及储能装置 |
CN104362656B (zh) * | 2014-10-24 | 2016-06-29 | 东南大学 | 一种基于混合储能vsi平抑微网功率波动的控制方法 |
CN104502795A (zh) * | 2014-11-26 | 2015-04-08 | 国家电网公司 | 一种适用于微电网的智能故障诊断方法 |
CN104635166A (zh) * | 2015-02-06 | 2015-05-20 | 芜湖大学科技园发展有限公司 | 一种基于电池管理系统的锂电池健康状态评估方法 |
CN104951846A (zh) * | 2015-06-02 | 2015-09-30 | 国电南京自动化股份有限公司 | 微电网短期功率和负荷预测系统及误差分类动态修正方法 |
CN105226688A (zh) * | 2015-10-12 | 2016-01-06 | 中国电力科学研究院 | 基于机会约束模型的多类型储能系统容量优化配置方法 |
CN105429170A (zh) * | 2015-11-11 | 2016-03-23 | 中南大学 | 一种基于可调虚拟阻抗的微网逆变器下垂控制方法 |
CN105811457A (zh) * | 2016-04-19 | 2016-07-27 | 天津天大求实电力新技术股份有限公司 | 一种并网型微电网联络线功率平滑的方法 |
CN106058855A (zh) * | 2016-06-16 | 2016-10-26 | 南京工程学院 | 协调储能与柔性负荷的主动配电网多目标优化调度方法 |
CN106327006A (zh) * | 2016-08-09 | 2017-01-11 | 国网四川省电力公司经济技术研究院 | 一种基于综合效益分析的微电网优化配置方法 |
CN106651059A (zh) * | 2017-01-13 | 2017-05-10 | 国网山西省电力公司 | 一种电动汽车充电站优化配置的方法 |
CN107069788A (zh) * | 2017-05-12 | 2017-08-18 | 国家电网公司 | 一种提高电源与负荷匹配度的混合储能调度方法 |
CN108281959A (zh) * | 2018-01-03 | 2018-07-13 | 浙江大学 | 一种高比例可再生能源电力系统的骨干网架优化方法 |
Non-Patent Citations (3)
Title |
---|
Nonlinear Power Flow Control Design for Combined Conventional and Variable Generation Systems: Part I-Theory;David G. Wilson;《2011 IEEE International Conference on Control Applications (CCA) Part of 2011 IEEE Multi-Conference on Systems and Control Denver》;20110930;第61-64页 * |
微电网群功率优化控制;熊雄,等;《电力自动化》;20170930;第37卷(第9期);第10-第17页 * |
计及负荷储能特性的微网荷储协调联络线功率波动平抑策略;冯雷,等;《电力系统自动化》;20170910;第41卷(第17期);第22-28页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108964103A (zh) | 2018-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108964103B (zh) | 一种考虑微网系统可调度性的微网储能配置方法 | |
WO2020143104A1 (zh) | 一种考虑阻塞和储能分时电价的电网混合滚动调度方法 | |
WO2017000853A1 (zh) | 主动配电网多时间尺度协调优化调度方法和存储介质 | |
US8571720B2 (en) | Supply-demand balance controller | |
CN107565607B (zh) | 一种基于实时电价机制的微电网多时间尺度能量调度方法 | |
CN109449973B (zh) | 一种含光伏和储能的轨道交通供电系统能量优化方法 | |
CN105680474B (zh) | 一种储能抑制光伏电站快速功率变化的控制方法 | |
CN105207259B (zh) | 基于能量管理的并网状态下的微电网系统调度方法 | |
CN111293691A (zh) | 基于模型预测控制的微电网多时间尺度优化调度方法 | |
Xie et al. | Microgrid system energy storage capacity optimization considering multiple time scale uncertainty coupling | |
CN110854932B (zh) | 一种交直流配电网多时间尺度优化调度方法及系统 | |
CN110137955A (zh) | 一种计及CVaR的鲁棒机组组合调度的决策方法 | |
CN111009895B (zh) | 一种微网优化调度方法、系统以及设备 | |
CN103997062A (zh) | 一种微网能量管理控制方法 | |
CN112103980A (zh) | 一种联合火电机组agc调频的混合储能系统能量管理方法 | |
CN116307087B (zh) | 考虑电动汽车充放电的微电网系统储能优化配置方法和系统 | |
CN112383086B (zh) | 一种孤岛微电网日前能量-备用联合优化调度方法 | |
CN116341241A (zh) | 电力市场调度需求下混合储能多时间尺度优化调度策略 | |
CN115169723A (zh) | 发电功率预测方法、负荷预测方法及模型训练方法 | |
Zhuang et al. | Micro-grid energy storage location and sizing optimization method based on demand response | |
CN111898801A (zh) | 一种用于配置多能互补供电系统的方法及系统 | |
CN109146257B (zh) | 一种基于熵的微网可调度性建模方法及评价方法 | |
Liu et al. | Micro grid energy management based on two-stage robust optimization | |
Wang et al. | Research on Distribution Network Load Balancing Based on Regional Precise Regulation | |
Guo et al. | A dynamic rolling dispatch for integrated energy system with a hybrid time scale framework |
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 |