CN109038655B - 限电要求下大型光伏电站的配套储能容量计算方法 - Google Patents

限电要求下大型光伏电站的配套储能容量计算方法 Download PDF

Info

Publication number
CN109038655B
CN109038655B CN201810792505.4A CN201810792505A CN109038655B CN 109038655 B CN109038655 B CN 109038655B CN 201810792505 A CN201810792505 A CN 201810792505A CN 109038655 B CN109038655 B CN 109038655B
Authority
CN
China
Prior art keywords
energy storage
capacity
power station
photovoltaic power
time
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
Application number
CN201810792505.4A
Other languages
English (en)
Other versions
CN109038655A (zh
Inventor
马超
华正操
练继建
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.)
Tianjin University
Original Assignee
Tianjin 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 Tianjin University filed Critical Tianjin University
Priority to CN201810792505.4A priority Critical patent/CN109038655B/zh
Publication of CN109038655A publication Critical patent/CN109038655A/zh
Application granted granted Critical
Publication of CN109038655B publication Critical patent/CN109038655B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H02J3/383—
    • 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
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种限电要求下大型光伏电站的配套储能容量计算方法：S1，确定光伏电站总装机容量；S2，得到光伏基地规划年各月份典型天气日的时间占比；S3，将光伏电站的出力过程按步骤S2所得的时间占比进行逐时段记录，得到各月份各典型天气日内单位容量装机的光伏电站逐时段出力过程；S4，选择储能电池类型，得到储能电池使用寿命和单位容量的投资成本；S5，建立限电要求下大型光伏电站配套储能电池容量计算的优化模型；S6，采用优化算法求解模型，得到限电要求下大型光伏电站最优的储能容量。本发明提出了一种限电要求下大型光伏电站配套储能的最佳容量决策模型，并采用优化算法求解模型，提高了模型计算效率。

Description

限电要求下大型光伏电站的配套储能容量计算方法
技术领域
本发明涉及光伏电站的储能电池配置领域，特别涉及一种限电要求下大型光伏电站的配套储能容量计算方法。
背景技术
能源是国民经济的基本动力。在严峻的能源形势和人类生态环境(如气候变暖)的压力下，世界各国都把开发利用可持续的清洁能源作为未来的能源发展方向，其中太阳能以资源丰富、没有地域界限、清洁等独特优点而成为人们关注的热点之一。我国是世界上太阳能最丰富的地区之一，具有良好的太阳能利用条件。根据国家可再生能源的发展规划，我国将大力发展光伏发电产业，依据光伏资源分布特征的大规模光伏电站将陆续建成。光伏电站建成后，可为电网提供清洁电量，但其受昼夜、季节、天气、温度等的变化，发电出力具有波动性、随机性和间歇性的特征，为了保证其稳定上网，同时因送出容量限制，光伏电站将受到功率限制。大型光伏电站配置储能电池，对于解决光伏电站因功率限制而弃光问题有着至关重要的作用。
目前，行业内缺乏对于限电要求下大型光伏电站的配套储能容量的研究，一些学者仅从储能电池特性角度出发，一些学者建立了光-储模型，却没有从全年和各种典型天气的角度进行考虑。
发明内容
本发明的目的是克服现有技术中的不足，提供一种限电要求下大型光伏电站配套储能的最佳容量决策模型，制定储能电池的最佳容量方案，可以实现储能电池使用年限内净现值最大的目标，适于在我国大规模光伏电站规划建设中推广。
本发明所采用的技术方案是：一种限电要求下大型光伏电站的配套储能容量计算方法，包括以下步骤：
步骤(1)，综合考虑光伏基地的占地情况、可能投资和电网可接纳容量，确定光伏电站总装机容量；
步骤(2)，根据光伏基地历史天气资料，统计各历史年份每个月多种典型天气日的时间占比，计算各月典型天气日的时间占比，把每个月多年平均的各种典型天气日时间占比作为光伏基地规划年各月典型天气日的时间占比；
步骤(3)，将光伏电站的出力过程按步骤(2)所得的光伏基地规划年各月典型天气日的时间占比进行逐时段记录，计算得到各月份各典型天气日内单位容量装机的光伏电站逐时段出力过程；
步骤(4)，对光伏基地的现场条件进行分析，根据光伏基地的运行特性和经济情况选取应用于基地的储能电池类型，得到储能电池使用寿命和单位容量的投资成本；
步骤(5)，综合考虑光伏电站的出力特性、电网的限电要求和储能电池的充放电要求，计算限电要求下大型光伏电站配套储能电池的年储电量和年循环次数，建立限电要求下大型光伏电站配套储能电池容量计算的优化模型；
步骤(6)，将由步骤(1)所得的光伏电站总装机容量、步骤(2)所得的光伏基地规划年各月典型天气日的时间占比、步骤(3)所得的各月份各典型天气日内单位容量装机的光伏电站逐时段出力过程、步骤(4)所得的储能电池使用寿命和单位容量的投资成本作为步骤(5)所建立的优化模型的输入变量，采用优化算法求解模型，从而得到限电要求下大型光伏电站最优的储能容量。
进一步的，步骤(2)中，所述的多种典型天气日包括晴、多云、雨、雪4种典型天气日。
进一步的，步骤(3)中，所述的逐时段为以5min为一时段逐步累加。
进一步的，步骤(5)中，所述的优化模型由目标函数、决策变量和约束条件构成：
a.目标函数：使用年限内储能电池的净现值最大，以12个月份的K种典型天气日的时间占比Wm,k为权重,m＝1,2,3,…,12,k＝1,2,3,…,K，如公式(1)所示：
Figure BDA0001735235930000031
式中：
f(a)为限电要求a条件下大型光伏电站的配套储能电池使用年限内的净现值最大目标；
a为限电要求比例，即超过光伏电站装机容量a％的出力将被限制，单位为％；
QT为限电要求下储能装机容量，单位为kWh；
SRE(a)为储能电池在a％限电要求下的年储电量；
SRT(a)为储能电池在a％限电要求下的年循环次数；
SRC为储能电池使用寿命；
NT为光伏电站总装机容量，单位为kWp；
Y为储能电池使用年限，单位为年；
om,k,i为第m个月份的第k种典型天气日内单位容量装机的光伏电站第i时段的出力，单位为kWp；
Wm,k为第m个月份的第k种典型天气日的时间占比；
Py为使用年限的第y年的光伏上网电价，单位为元/kWh；
Cs为储能电池的单位容量投资成本，单位为元/kWh；
I为折现率，单位为％；
b.决策变量：限电要求下储能装机容量QT，单位为kWh；
c.约束条件：剩余电量约束，非负约束，如公式(2)所示：
Figure BDA0001735235930000032
式中：
SC(i)为第i个时段结束时储能系统的剩余电量，单位为kWh；
DOD为电池最大放电量与电池额定容量的百分比，单位为％。
进一步的，步骤(6)中，所述的优化算法采用动态规划及动态规划改进算法或启发式算法的其中一种。
其中，所述的动态规划及动态规划改进算法包括离散微分动态规划、逐次渐进动态规划和逐次优化方法。
其中，所述的启发式算法包括遗传算法、人工神经网络算法、微粒群算法和蚁群算法及蚁群算法改进算法。
本发明的有益效果是：
本发明提出了限电要求下大型光伏电站配套储能的最佳容量决策模型，通过各类光伏组件典型天气下的逐时段统计，得到单位容量不同光伏组件在各典型天气日内逐时段的出力过程，并采用优化算法求解模型，从而得到最优的储能电池容量配置方案。与现有技术相比，本发明的优点为：
1、根据光伏基地历史天气资料，统计每个月份多种典型天气日的时间占比，考虑了日际日内天气变化的相关性和不确定性，提供一种只需已知光伏电站在典型天气日的出力过程曲线和储能电池特性的大型光伏电站的配套储能容量的计算方法；可用于任何具有长期历史数据的光伏电站，具有良好的移植性。
2、本方法所得出的大型光伏电站的配套储能最优容量，有利于减小光伏发电的出力波动，增大净现值，提高光伏电站效益，具有良好的应用性。
3、本方法使用了采用优化算法，提高了模型计算效率。
4、本方法可编译为计算机语言嵌入到光伏电站优化软件中实现，计算结果可在电脑屏幕显示，也可输出为文本表格。
附图说明
图1：本发明限电要求下大型光伏电站的配套储能容量计算方法流程图；
图2-a：本发明实施例一中光伏电站在晴天典型天气日的5min级出力过程；
图2-b：本发明实施例一中光伏电站在多云典型天气日的5min级出力过程；
图2-c：本发明实施例一中光伏电站在雨天典型天气日的5min级出力过程；
图2-d：本发明实施例一中光伏电站在雪天典型天气日的5min级出力过程；
图3：本发明实施例一中50％、60％、70％、80％、90％限电要求下光伏电站配套储能电池的年储电量和年循环次数；
图4-a：本发明实施例一中50％限电要求下光伏电站配套最优储能容量前后晴天典型天气日的5min级出力过程；
图4-b：本发明实施例一中50％限电要求下光伏电站配套最优储能容量前后多云典型天气日的5min级出力过程；
图4-c：本发明实施例一中50％限电要求下光伏电站配套最优储能容量前后雨天典型天气日的5min级出力过程；
图4-d：本发明实施例一中50％限电要求下光伏电站配套最优储能容量前后雪天典型天气日的5min级出力过程。
具体实施方式
为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下：
如附图1所示，一种限电要求下大型光伏电站的配套储能容量计算方法，包括以下步骤：
步骤(1)，综合考虑光伏基地的占地情况、可能投资和电网可接纳容量，确定光伏电站总装机容量；
步骤(2)，根据光伏基地历史天气资料，统计各历史年份每个月份晴、多云、雨、雪等多种典型天气日的时间占比，计算各月典型天气日的时间占比，把每个月多年平均的各种典型天气日时间占比作为光伏基地规划年各月典型天气日的时间占比；
步骤(3)，将光伏电站的出力过程按步骤(2)所得的光伏基地规划年各月典型天气日的时间占比进行逐时段(5min/时段)记录，计算得到各月份各典型天气日内单位容量装机的光伏电站逐时段(5min/时段)出力过程；
步骤(4)，对光伏基地的现场条件进行分析，根据光伏基地的运行特性和经济情况选取应用于基地的储能电池类型，得到储能电池使用寿命(总循环次数)和单位容量的投资成本；
步骤(5)，综合考虑光伏电站的出力特性、电网的限电要求和储能电池的充放电要求等因素，计算限电要求下大型光伏电站配套储能电池的年储电量和年循环次数，建立限电要求下大型光伏电站配套储能电池容量计算的优化模型；
步骤(6)，将由步骤(1)所得的光伏电站总装机容量、步骤(2)所得的光伏基地规划年各月典型天气日的时间占比、步骤(3)所得的各月份各典型天气日内单位容量装机的光伏电站逐时段(5min/时段)出力过程、步骤(4)所得的储能电池使用寿命(总循环次数)和单位容量的投资成本作为步骤(5)所建立的优化模型的输入变量，采用优化算法求解模型，从而得到限电要求下大型光伏电站最优的储能容量。
步骤(5)中，所建立的优化模型由目标函数、决策变量和约束条件构成，具体如下所示：
a.目标函数：使用年限内储能电池的净现值最大，以12个月份的K种典型天气日的时间占比Wm,k为权重,m＝1,2,3,…,12,k＝1,2,3,…,K，如公式(1)所示：
Figure BDA0001735235930000061
式中：
f(a)为限电要求a条件下大型光伏电站的配套储能电池使用年限内的净现值最大目标；
a为限电要求比例，即超过光伏电站装机容量a％的出力将被限制，单位为％；QT为限电要求下储能装机容量，单位为kWh；
SRE(a)为储能电池在a％限电要求下的年储电量；
SRT(a)为储能电池在a％限电要求下的年循环次数；
SRC为储能电池使用寿命(总循环次数)；
NT为光伏电站总装机容量，单位为kWp；
Y为储能电池使用年限，单位为年；
om,k,i为第m个月份的第k种典型天气日内单位容量装机的光伏电站第i时段(以5min为一时段)的出力，单位为kWp；
Wm,k为第m个月份的第k种典型天气日的时间占比；
Py为使用年限的第y年的光伏上网电价，单位为元/kWh；
Cs为储能电池的单位容量投资成本，单位为元/kWh；
I为折现率，单位为％；
b.决策变量：限电要求下储能装机容量QT，单位为kWh；
c.约束条件：剩余电量约束，非负约束，如公式(2)所示：
Figure BDA0001735235930000071
式中：
SC(i)为第i个时段结束时储能系统的剩余电量，单位为kWh；
DOD为电池最大放电量与电池额定容量的百分比，单位为％。
步骤(2)中采取的不同月份内典型天气的时间占比统计数据(即，把每个月份多年平均的多种典型天气日时间占比作为光伏基地规划年各月份典型天气日的时间占比)，考虑了日际日内天气变化的相关性和不确定性。
步骤(3)中采取的实测数据得到12个月内多种典型天气的单位千瓦出力线(即，各月份各典型天气日内单位容量的各光伏组件逐时段(5min/时段)出力过程)，具有实时性和准确性的优点。
步骤(5)提出了考虑光伏电站配套储能全寿命周期的储电收益和投资成本的配置模型(即，单目标优化模型)，具有良好的适用性。
步骤(6)采用了求解优化模型的单目标优化算法，提高了模型计算效率。
所述的优化算法采用动态规划及动态规划改进算法或启发式算法的其中一种。
所述的动态规划及动态规划改进算法包括离散微分动态规划、逐次渐进动态规划和逐次优化方法。
所述的启发式算法包括遗传算法、人工神经网络算法、微粒群算法和蚁群算法及蚁群算法改进算法。
实施例一
下面将结合附图与青海省某光伏基地实例对本发明做进一步论述：
限电要求下大型光伏电站的配套储能容量计算方法，包括以下步骤：
(1)综合考虑光伏基地的占地情况、可能投资和电网可接纳容量，确定光伏电站总装机容量为100MWp。
(2)根据光伏基地历史天气资料，统计各历史年份每个月份晴、多云、雨、雪等多种典型天气日的时间占比，计算各月典型天气日的时间占比，把每个月多年平均的各种典型天气日时间占比作为光伏基地规划年各月典型天气日的时间占比，如表1所示。
表1光伏基地12个月各典型天气日的时间占比(％)
Figure BDA0001735235930000081
(3)将光伏电站的出力过程按步骤(2)所得的光伏基地规划年各月典型天气日的时间占比进行逐时段(5min/时段)记录，计算得到各月份各典型天气日内单位容量装机的光伏电站逐时段(5min/时段)出力过程。附图2-a至2-d为光伏电站在晴天、多云、雨天和雪天4种典型天气日的5min级出力过程。
(4)对光伏基地的现场条件进行分析，根据光伏基地的运行特性和经济情况选取应用于基地的储能电池类型，得到储能电池使用寿命(总循环次数)和单位容量的投资成本，如表2所示。
表2光伏基地12个月各典型天气日的时间占比(％)
Figure BDA0001735235930000091
(5)综合考虑光伏电站的出力特性、电网的限电要求和储能电池的充放电要求等因素，计算限电要求下大型光伏电站配套储能电池的年储电量和年循环次数(附图3显示了50％、60％、70％、80％、90％限电要求下光伏电站配套储能电池的年储电量和年循环次数)，建立限电要求下大型光伏电站配套储能电池容量计算的优化模型。
所建立的优化模型由目标函数、决策变量和约束条件构成，具体如下所示：
a.目标函数：使用年限内储能电池的净现值最大，以12个月份的K种典型天气日的时间占比Wm,k为权重,m＝1,2,3,…,12,k＝1,2,3,…,K，如公式(1)所示：
Figure BDA0001735235930000092
b.决策变量：限电要求下储能装机容量QT，kWh；
c.约束条件：剩余电量约束，非负约束；
Figure BDA0001735235930000093
公式(1)和(2)中：
f(a)为限电要求a条件下大型光伏电站的配套储能电池使用年限内的净现值最大目标；
a为限电要求比例，即超过光伏电站装机容量a％的出力将被限制，本例中为50％；
QT为限电要求下储能装机容量，kWh；
SRE(a)为储能电池在a％限电要求下的年储电量；
SRT(a)为储能电池在a％限电要求下的年循环次数；
SRC为储能电池使用寿命(总循环次数)，本例中为12000次；
NT为光伏电站总装机容量，本例中为100MWp；
Y为储能电池使用年限，年；
om,k,i为第m个月份的第k种典型天气日内单位容量装机的光伏电站第i时段(以5min为一时段)的出力，kWp；
Wm,k为第m个月份的第k种典型天气日的时间占比；
Py为使用年限的第y年的光伏上网电价，本例中为0.65元/kWh；
Cs为储能电池的单位容量投资成本，本例中为2000元/kWh；
I为折现率，本例中为8％；
SC(i)为第i个时段结束时储能系统的剩余电量，kWh；
DOD为电池最大放电量与电池额定容量的百分比，本例中为95％。
(6)将由步骤(1)所得的光伏电站总装机容量、步骤(2)所得的光伏基地规划年各月典型天气日的时间占比、步骤(3)所得的各月份各典型天气日内单位容量装机的光伏电站逐时段(5min/时段)出力过程、步骤(4)所得的储能电池使用寿命(总循环次数)和单位容量的投资成本作为步骤(5)所建立的优化模型的输入变量，采用优化算法求解模型，从而得到装机容量为100MW的光伏电站在50％限电要求下的最优储能容量为38.8MWh，净现值2219.8万元
附图4-a至4-d为装机容量为100MW的光伏电站配置38.8MWh储能电池前后晴天、多云、雨天和雪天典型天气日的5min级出力过程，说明了配置储能后减小了光伏电站的出力波动，也有效地解决了电站弃光的问题。
本发明充分考虑光伏电站在各月份各典型天气日内出力过程的差别，在计算储能电池年储电量和年循环次数的基础上，通过净现值的大小判断光伏电站配套储能的最优容量，为大规模可再生能源基地规划中合理配置各类可再生能源电源点的容量及其它相关参数提供参考。
尽管上面结合附图对本发明的优选实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，并不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可以做出很多形式，这些均属于本发明的保护范围之内。

Claims (6)

1.一种限电要求下大型光伏电站的配套储能容量计算方法，其特征在于，包括以下步骤：
步骤(1)，综合考虑光伏基地的占地情况、可能投资和电网可接纳容量，确定光伏电站总装机容量；
步骤(2)，根据光伏基地历史天气资料，统计各历史年份每个月多种典型天气日的时间占比，计算各月典型天气日的时间占比，把每个月多年平均的各种典型天气日时间占比作为光伏基地规划年各月典型天气日的时间占比；
步骤(3)，将光伏电站的出力过程按步骤(2)所得的光伏基地规划年各月典型天气日的时间占比进行逐时段记录，计算得到各月份各典型天气日内单位容量装机的光伏电站逐时段出力过程；
步骤(4)，对光伏基地的现场条件进行分析，根据光伏基地的运行特性和经济情况选取应用于基地的储能电池类型，得到储能电池使用寿命和单位容量的投资成本；
步骤(5)，综合考虑光伏电站的出力特性、电网的限电要求和储能电池的充放电要求，计算限电要求下大型光伏电站配套储能电池的年储电量和年循环次数，建立限电要求下大型光伏电站配套储能电池容量计算的优化模型，所述的优化模型由目标函数、决策变量和约束条件构成：
a.目标函数：使用年限内储能电池的净现值最大，以12个月份的K种典型天气日的时间占比Wm,k为权重,m＝1,2,3,…,12,k＝1,2,3,…,K，如公式(1)所示：
Figure FDA0003224040230000011
式中：
f(a)为限电要求a条件下大型光伏电站的配套储能电池使用年限内的净现值最大目标；
a为限电要求比例，即超过光伏电站装机容量a％的出力将被限制，单位为％；
QT为限电要求下储能装机容量，单位为kWh；
SRE(a)为储能电池在a％限电要求下的年储电量；
SRT(a)为储能电池在a％限电要求下的年循环次数；
SRC为储能电池使用寿命；
NT为光伏电站总装机容量，单位为kWp；
Y为储能电池使用年限，单位为年；
om,k,i为第m个月份的第k种典型天气日内单位容量装机的光伏电站第i时段的出力，单位为kWp；
Wm,k为第m个月份的第k种典型天气日的时间占比；
Py为使用年限的第y年的光伏上网电价，单位为元/kWh；
Cs为储能电池的单位容量投资成本，单位为元/kWh；
I为折现率，单位为％；
b.决策变量：限电要求下储能装机容量QT，单位为kWh；
c.约束条件：剩余电量约束，非负约束，如公式(2)所示：
Figure FDA0003224040230000021
式中：
SC(i)为第i个时段结束时储能系统的剩余电量，单位为kWh；
DOD为电池最大放电量与电池额定容量的百分比，单位为％；
步骤(6)，将由步骤(1)所得的光伏电站总装机容量、步骤(2)所得的光伏基地规划年各月典型天气日的时间占比、步骤(3)所得的各月份各典型天气日内单位容量装机的光伏电站逐时段出力过程、步骤(4)所得的储能电池使用寿命和单位容量的投资成本作为步骤(5)所建立的优化模型的输入变量，采用优化算法求解模型，从而得到限电要求下大型光伏电站最优的储能容量。
2.根据权利要求1所述的一种限电要求下大型光伏电站的配套储能容量计算方法，其特征在于，步骤(2)中，所述的多种典型天气日包括晴、多云、雨、雪4种典型天气日。
3.根据权利要求1所述的一种限电要求下大型光伏电站的配套储能容量计算方法，其特征在于，步骤(3)中，所述的逐时段为以5min为一时段逐步累加。
4.根据权利要求1所述的一种限电要求下大型光伏电站的配套储能容量计算方法，其特征在于，步骤(6)中，所述的优化算法采用动态规划及动态规划改进算法或启发式算法的其中一种。
5.根据权利要求4所述的一种限电要求下大型光伏电站的配套储能容量计算方法，其特征在于，所述的动态规划及动态规划改进算法包括离散微分动态规划、逐次渐进动态规划和逐次优化方法。
6.根据权利要求4所述的一种限电要求下大型光伏电站的配套储能容量计算方法，其特征在于，所述的启发式算法包括遗传算法、人工神经网络算法、微粒群算法和蚁群算法及蚁群算法改进算法。
CN201810792505.4A 2018-07-18 2018-07-18 限电要求下大型光伏电站的配套储能容量计算方法 Active CN109038655B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810792505.4A CN109038655B (zh) 2018-07-18 2018-07-18 限电要求下大型光伏电站的配套储能容量计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810792505.4A CN109038655B (zh) 2018-07-18 2018-07-18 限电要求下大型光伏电站的配套储能容量计算方法

Publications (2)

Publication Number Publication Date
CN109038655A CN109038655A (zh) 2018-12-18
CN109038655B true CN109038655B (zh) 2021-11-09

Family

ID=64643324

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810792505.4A Active CN109038655B (zh) 2018-07-18 2018-07-18 限电要求下大型光伏电站的配套储能容量计算方法

Country Status (1)

Country Link
CN (1) CN109038655B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111864811B (zh) * 2019-04-29 2022-03-11 天津大学 一种考虑电网送出需求的水光互补系统光伏容量配置方法
CN111210048A (zh) * 2019-12-05 2020-05-29 国网江苏电力设计咨询有限公司 储能容量配置方法、装置、计算机设备及可读存储介质
CN112290568A (zh) * 2020-09-27 2021-01-29 天津大学 一种“光-储”发电系统混合储能配置方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103762589B (zh) * 2014-01-08 2015-10-21 河海大学 一种电网中新能源容量配比分层优化方法
CN103715688B (zh) * 2014-01-10 2015-08-05 国家电网公司 并网型微网优化配置方法及装置
CN107301472B (zh) * 2017-06-07 2020-06-26 天津大学 基于场景分析法和电压调节策略的分布式光伏规划方法

Also Published As

Publication number Publication date
CN109038655A (zh) 2018-12-18

Similar Documents

Publication Publication Date Title
Zhang et al. A techno-economic sizing method for grid-connected household photovoltaic battery systems
Jacob et al. Sizing of hybrid energy storage system for a PV based microgrid through design space approach
CN112103946B (zh) 一种基于粒子群算法的微电网储能优化配置方法
CN107611966B (zh) 一种考虑差异可靠性的有源配电网供电能力评估方法
CN107832905B (zh) 一种适应分布式发电和储能站发展的配电网规划方法
CN106532764B (zh) 一种就地消纳光伏发电的电动汽车充电负荷调控方法
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
CN105005872A (zh) 一种移峰填谷的储能系统的容量配置方法
CN112734098B (zh) 一种基于源-荷-网平衡的配电网电力调度方法及系统
CN111626527B (zh) 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法
Xu et al. Optimal allocation of power supply systems in industrial parks considering multi-energy complementarity and demand response
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
CN109038655B (zh) 限电要求下大型光伏电站的配套储能容量计算方法
CN105337315A (zh) 一种风光蓄互补独立微电网高维多目标优化配置方法
CN108711878B (zh) 考虑出力特性的光伏电站多类型组件容量配置方法
CN113326467B (zh) 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统
CN110994606B (zh) 一种基于复杂适应系统理论的多能源电源容量配置方法
CN113435730B (zh) 一种变电站储能容量的协同配置方法、装置及系统
CN110417045A (zh) 一种针对交直流混合微电网容量配置的优化方法
CN113131529A (zh) 一种计及多种灵活性资源的可再生能源承载力评估的方法
Zheng et al. Optimal dispatch for reversible solid oxide cell-based hydrogen/electric vehicle aggregator via stimuli-responsive charging decision estimation
CN114301089A (zh) 一种风光联合发电系统储能容量配置优化方法
CN111082446B (zh) 一种考虑电池自消耗的储能优化配置方法
CN110098623B (zh) 一种基于智能负载的Prosumer单元控制方法
CN110472841A (zh) 一种电动汽车快速充电站的储能配置方法

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