CN109119988A - 基于动态批发市价的光伏-电池微电网能量调度管理方法 - Google Patents
基于动态批发市价的光伏-电池微电网能量调度管理方法 Download PDFInfo
- Publication number
- CN109119988A CN109119988A CN201811057803.5A CN201811057803A CN109119988A CN 109119988 A CN109119988 A CN 109119988A CN 201811057803 A CN201811057803 A CN 201811057803A CN 109119988 A CN109119988 A CN 109119988A
- Authority
- CN
- China
- Prior art keywords
- battery
- photovoltaic
- power
- unit
- micro
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 21
- 229910001416 lithium ion Inorganic materials 0.000 claims abstract description 49
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 claims abstract description 47
- 238000004146 energy storage Methods 0.000 claims abstract description 43
- 230000036642 wellbeing Effects 0.000 claims abstract description 23
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims abstract description 9
- 229910052744 lithium Inorganic materials 0.000 claims abstract description 9
- 230000008901 benefit Effects 0.000 claims abstract description 5
- 230000005611 electricity Effects 0.000 claims description 52
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 3
- 238000005381 potential energy Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 230000010287 polarization Effects 0.000 claims 1
- 238000000034 method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
-
- 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
- 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)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于动态批发市价的光伏‑电池微电网能量调度管理方法,包括步骤:1)设计光伏发电系统的光伏电流等效电路模型;2)建立光伏发电系统最大功输出率模型;3)建立电池的电压与电流之间的方程关系;4)建立锂离子电池充放电次数与充放电深度之间的关系;5)建立光伏‑电池微电网系统的总经济收益模型;6)建立光伏‑电池微电网系统最高经济收益NPV和最高自给率SSR的模型;7)控制光伏‑电池微电网系统中由锂电池组成的蓄能电池单元在不同工作状态之间切换。本发明基于动态批发市价的光伏‑电池微电网能量调度管理方法,能够在兼顾微电网系统的可靠性和自给率的同时,提高微电网系统的经济效益。
Description
技术领域
本发明涉及微电网能量调度管理方法,尤其涉及一种基于多目标的调度管理方法。
背景技术
分布式微电网系统的工程化普及应用本身虽然能够很大程度缓解环境和能源危机,但随着其在电网系统中的渗透率逐渐提高,对主网造成的不良影响也愈加明显。由于分布式电力源(风力发电、光伏发电等)受外部(风速、光照、温度等)影响较大,其供电功率存在很大的波动,并网之后无疑影响了电网供电可靠性,增加了电能调度管理的复杂度。为了降低微电网系统的不良因素,在微电网系统中加入储能系统成为解决该问题的主要方法,并得到广泛应用。但由于储能系统的高成本特点,同时也带来了微电网系统的经济性问题,储能容量的大小是影响储能系统单元经济性的主要参数,因此在设计微电网能量调度管理方案时,储能容量优化配置成为不得不面临的问题。
在设计微电网能量调度管理方法时,更多是以微电网渗透率(保证分布式电源最大功率输出)和用户失电率(供电可靠性)为主要优化对象和研究内容。但微电网的工程化普及应用,针对社区住宅微电网系统,其微电网供电可靠性得到保证的情况下,其经济性因素是影响商业化和进一步普及的主要因素,因此应当充分考虑影响微电网的经济运行的外部市场环境和自然环境。
发明内容
有鉴于此,本发明的目的是提供一种基于动态批发市价的光伏-电池微电网能量调度管理方法,在充分考虑系统外部动态批发电价对系统经济运行的影响条件下,将光伏-电池微电网的四种工作状态实时无缝切换,达到在兼顾微电网系统的可靠性和自给率的同时,提高微电网系统的经济效益目的。
本发明基于动态批发市价的光伏-电池微电网能量调度管理方法,包括以下步骤:
1)设计光伏发电系统的光伏电流等效电路模型如下:
式中:IPH为光伏电流,单位为A;I0为二极管模型反向饱和电流,单位为A;a为理想参数因子;Rsh为分流电阻,单位为Ω;Rs为串联电阻,单位为Ω;IPV为模拟光伏系统供电电流,VPV为模拟光伏系统供电电压;
2)建立光伏发电系统最大功输出率模型如下:
PPV,mpp=max(VPV,IPV) (2)
3)光伏发电系统的蓄电池采用锂离子电池,在考虑锂离子电池的荷电状态下,建立电池的电压与电流之间的方程关系如下:
式中:V为锂离子电池的电压,单位为V;E0为锂离子电池的开路电压,单位为V;K为偏振常数,单位为V/Ah;Q为锂离子电池的容量;∫it为累计充电电量;A为指数区域振幅,单位为V;i为锂离子电池的电流;i*为过滤电流;R为内部电阻;B为指数区时间常数的倒数;
4)用标准充放电次数测算锂离子电池的寿命,锂离子电池充放电次数与充放电深度之间的关系如下:
式中:N为锂离子电池充放电次数,DOD表示锂离子电池充放电深度,c、m、d为通过拟合确定的参数;
根据充放电深度的标准,建立充放电次数与锂离子电池的循环使用寿命关系的方程:
式中:Nst为标准条件下的检测循环次数;Nred单位年内锂离子电池的充放电次数;DODi为第i次循环充放电中锂离子电池充放电深度;DODst为标准检测条件下的充放电深度;Ri取值为周期数,一般取值0.5和1;
将循环次数计算所得Lcycle与产品标准寿命Lcal进行比较,为保证系统供电可靠性,锂离子电池寿命取其小值:
L=min(Lcycle,Lcal) (7)
5)建立光伏-电池微电网系统的总经济收益模型Ry为:
Ry=REX,y+RER,y+RPS,y (8)
其中:RER,y是由光伏、电池储能电力源的接入,减少从电网购电,带来的经济收益;M为单位年内小时数;ELr,t是动态市场电价;PL,t为t时刻用户负载,PGim,t为t时刻电网输出的电量;
REX,y是光伏-电池系统输出电能获得的经济收益,PGex,t为t时刻电网购入电量;ELw,t是单位电量实时批发动态电价,即光伏-电池系统将额外电能向电网售出的电价;
RPS,y是由光伏-电池微电网系统中的电池储能系统根据市场电价和用户负载需求,进行峰值调节获得的经济收益,RPS,y=(max(PL,t)-max(PGim,t))·GFPS,GFPS为单位电量每年因峰值调节获得的经济收益;
PGim,t和PGex,t的约束条件如下:
PG,t是电网向光伏-电池微电网系统的交换功率,当电网向微电网输电时,为正值,当微电网向电网售电,为负值;
6)建立光伏-电池微电网系统最高经济收益NPV和最高自给率SSR的模型:
式中:Cinv为系统建设投资成本;Cmai,y为运行维护成本,Crep,y为置换成本;Ry为系统总收益;dr为折现率;T是指光伏系统的标准使用寿命,T的设定取值为25年;其中:
Cinv=UICbattery·CAPbattery+UICPV·CAPPV (12)
式中:UICbattery为单位电池容量成本;CAPbattery为电池储能容量;UICPV为单位光伏容量成本;CAPPV为光伏电力源容量。
其中,在系统全生命周期内,由于电池系统的使用寿命低于光伏系统的使用寿命,因此电池系统存在置换成本,其置换费用与电池系统投资成本一致;另外光伏-电池微电网系统还存在运行维护成本,设定每年运行维护成本不变,即:
Crep,y=UICbattery·CAPbattery·rrep,bactery+UICPV·CAPPV·rrep,PV (13)
式中:rrep,battery为全生命周期内,电池储能系统运行维护参数因子;rrep,PV为全生命周期内,光伏系统运行维护参数因子;
最高自给率SSR的模型如下:
M为单位年内小时数,一年中M设定取值为8760小时;
对上述最高经济收益NPV和最高自给率SSR的模型求解,找出Pareto最优解;
7)在考虑微电网系统外部动态批发电价的基础上,结合负载功率PL,t与光伏功率PPV,t的关系,根据输入的决策变量ELr,L与ELr,H,确定PG,t与PB,t的功率数值,所述决策变量ELr,H和ELr,L分别表示动态市场零售电价高低两个决策变量,通过将动态市场电价ELr,t与ELr,H、ELr,L比较,控制光伏-电池微电网系统中由锂电池组成的蓄能电池单元在以下工作状态之间切换:
①当地区动态市场电价ELr,t低于ELr,L时,即ELr,t<ELr,L时,让主网全部承担用户负载;并使蓄能电池单元处于荷电状态,且以最大充电功率PMchar,t进行快速充电,并确定光伏-电池微电网系统在该工作状态下的约束条件为:
(PPV,t+Pchar,t)·ηinv+PG,t=PL,t
PMchar,t<PB,t≤0
PPV,t+PB,t≥0
PG,t是电网与微电网系统的交换功率,当电网向微电网输电时,为正值,当微电网向电网售电,为负值;
PB,t是蓄能电池单元的荷电功率,当蓄能电池单元处于放电状态时,为正值,当蓄电池单元处于充电状态时,为负值;
ηinv表示直流母线和交流母线之间的逆变器转化效率,取数值为0.95;
Pchar,t表示蓄电池单元的荷电状态的数值;
②当地区动态市场电价ELr,t高于ELr,H时,即ELr,t>ELr,L时,由蓄能电池单元和光伏电力源承担用户负载,蓄能电池单元处于放电状态,并确定光伏-电池微电网系统在该工作状态下的约束条件为:
(PPV,t+Pchar,t)·ηinv+PG,t=PL,t
PMchar,t<PB,t≤PMdisc,t
PPV,t+PB,t≥0
PMdisc,t表示蓄电池处于放电状态时的最小值,即下限值;
PMchar,t表示蓄电池处于充电状态时的最大值,即上限值;
③当地区动态市场电价ELr,t在ELr,H、ELr,L之间时,即ELr,L≤ELr,t≤ELr,H时,蓄能电池单元工作在荷电状态下,但蓄能电池单元不一定在最大充电功率PMchar,t下进行快速充电,而是由光伏系统在满足负载时,将额外的功率用于对蓄能电池单元充电,即满足PMchart≤PB,t≤0,在该状态下存在以下两种约束情况:
情况1:PB,t+PPV,t≥0:
在这种运行状态下满足PPV,t+PB,t≥0,电能总是从直流母线向交流母线输出,同时锂电池充电只能来自于光伏电力源,不会来自电网,约束条件为:(PB,t+PPV,t)·ηinv=PL,t-PG,t;
情况2:PB,t+PPV,t<0:
在这种运行状态下满足PPV,t+PB,t<0,电能可以从交流母线向直流母线输出,由于光伏系统供电功率不能满足蓄电池在最大荷电功率下充电,主网在满足用户负载的情况下,与光伏系统一起为蓄电池系统进行充电,约束条件为:PB,t+PPV,t=(PL,t-PG,t)·ηinv。
本发明的有益效果:
本发明基于动态批发市价的光伏-电池微电网能量调度管理方法,能够在兼顾微电网系统的可靠性和自给率的同时,提高微电网系统的经济效益。
附图说明
图1为光伏-电池储能微电网总体系统结构图;
图2为光伏系统的单二极管模型图;
图3为锂离子电池模型的等效电路图;
图4为蓄电池充放电次数与充放电深度之间的关系;
图5为微电网多目标动态优化调度的流程框图;
图6为基于动态批发市价的调度运行策略SSR-NPV关系图;
图7为基于动态批发市价的能量调度运行策略流程简图;
图8为基于动态批发市价的调度运行策略CAPbattery-NPV关系图;
图9为基于动态批发市价的调度运行策略与传统能量管理调度策略对比图。
具体实施方式
下面结合附图和实施例对本发明作进一步描述。
如图所示,本实施例基于动态批发市价的光伏-电池微电网能量调度管理方法,包括以下步骤:
1)设计光伏发电系统的光伏电流等效电路模型。光伏发电系统的输出功率主要取决于光照强度和温度,如图2所示,本实施例中采用的光伏电流等效模型为单二极管模型,具体如下:
式中:IPH为光伏电流,单位为A;I0为二极管模型反向饱和电流,单位为A;a为理想参数因子;Rsh为分流电阻,单位为Ω;Rs为串联电阻,单位为Ω。IPV为模拟光伏系统供电电流,VPV为模拟光伏系统供电电压。
2)建立光伏发电系统最大功输出率模型如下:
PPV,mpp=max(VPV,IPV) (2)
采用最大功率点跟踪控制(MPPT)能保证光伏发电系统最大功率输出,本实施例中选取光伏组件型号No.is STP255-20/Wd,其最大输出功率为255KW,光伏组件参数如表1所述。
表1光伏单二极管模型中表征参数
3)光伏发电系统的蓄电池采用锂离子电池,在考虑锂离子电池的荷电状态下,建立电池的电压与电流之间的方程关系如下,其等效电路如下图3所示。
式中:V为锂离子电池的电压,单位为V;E0为锂离子电池的开路电压,单位为V;K为偏振常数,单位为V/Ah;Q为锂离子电池的容量;∫it为累计充电电量;A为指数区域振幅,单位为V;i为锂离子电池的电流;i*为过滤电流;R为内部电阻;B为指数区时间常数的倒数。
此外,锂离子电池相关参数总结如下表2所示。
表2锂离子电池模型参数表
4)用标准充放电次数测算锂离子电池的寿命,电池寿命和充放电深度之间的关系如下图4所示,锂离子电池充放电次数与充放电深度之间的关系如下:
式中:N为锂离子电池充放电次数,DOD表示锂离子电池充放电深度,c、m、d为通过拟合确定的参数;
根据充放电深度的标准,建立充放电次数与锂离子电池的循环使用寿命关系的方程:
式中:Nst为标准条件下的检测循环次数;Nred为单位年内锂离子电池的充放电次数;DODi为第i次循环充放电中锂离子电池充放电深度;DODst为标准检测条件下的充放电深度;Ri取值为周期数,一般取值0.5和1;
将循环次数计算所得Lcycle与产品标准寿命Lcal进行比较,为保证系统供电可靠性,锂离子电池寿命取其小值:
L=min(Lcycle,Lcal) (7)
5)建立光伏-电池微电网系统的总经济收益模型Ry为:
Ry=REX,y+RER,y+RPS,y (8)
其中:RER,y是由光伏、电池储能电力源的接入,减少从电网购电,带来的经济收益,M为一年内小时数,本实施例中取M=8760(一年365天乘以每天24小时等于8760个小时);PL,t为t时刻用户负载功率,PGim,t为t时刻电网输出的电量;
REX,y是光伏-电池系统输出电能获得的经济收益,PGex,t为t时刻电网购入电量;
RPS,y是由光伏-电池微电网系统中的电池储能系统根据市场电价和用户负载需求,进行峰值调节获得的经济收益,RPS,y=(max(PL,t)-max(PGim,t))·GFPS,GFPS为单位电量每年因峰值调节获得的经济收益;
PGim,t和PGex,t的约束条件如下:
6)建立光伏-电池微电网系统最高经济收益NPV和最高自给率SSR的模型:
式中:Cinv为系统建设投资成本;Cmai,y为运行维护成本,Crep,y为置换成本;Ry为系统总收益;dr为折现率;T是指光伏组件的使用寿命,现有国家标准规定的光伏组件的使用寿命为T=25年,当然根据国家标准的改变,光伏组件的标准使用寿命还可为其它值。
关于光伏-电池微电网系统中光伏系统和电池系统的成本参数如下表3所示。
表3光伏-电池微电网系统各模块成本
表3所示成本参数包括逆变器、控制器等元器件的安装和运行维护成本。即光伏-电池微电网系统中所有组件成本均包含在电池系统或者光伏系统中,因此光伏-电池系统总成本即等于电池系统成本加上光伏系统成本,其计算如式(12)所示:
Cinv=UICbattery·CAPbattery+UICPV·CAPPV (12)
式中:UICbattery为单位电池容量成本;CAPbattery为电池储能容量;UICPV为单位光伏容量成本;CAPPV为光伏电力源容量。
其中,在系统全生命周期内,电池系统由于寿命低于光伏寿命周期,存在置换成本,其置换费用与电池系统投资成本一致。另外针对运行维护成本的计算,这里为便于计算,设定每年运行维护成本不变,即:
Crep,y=UICbattery·CAPbattery·rrep,battery+UICPV·CAPPV·rrep,PV (13)
式中:rrep,battery为全生命周期内,电池储能系统运行维护参数因子;rrep,PV为全生命周期内,光伏系统运行维护参数因子。
自给率SSR表示用户电力需求中微电网供电的比例,最高自给率SSR如下:
对上述最高经济收益NPV和最高自给率SSR的模型求解,找出Pareto最优解。本实施例中具体采用基于非支配排序多目标遗传算法(NSGA-II)对最高经济收益NPV和最高自给率SSR的模型进行求解,该遗传算法来自MATLAB的全局优化工具箱,根据求解效率和求解精度对算法的参数配置如下表4所示,该算法的分解迭代流程如图5所示。
表4多目标遗传算法参数配置表
7)在考虑微电网系统外部动态批发电价的基础上,结合负载功率PL,t与光伏功率PPV,t的关系,根据输入的决策变量ELr,L与ELr,H,确定PG,t与PB,t的功率数值,所述决策变量ELr,H和ELr,L分别表示动态市场零售电价高低两个决策变量,通过将动态市场电价ELr,t与ELr,H、ELr,L比较,控制光伏-电池微电网系统中由锂电池组成的蓄能电池单元在以下工作状态之间切换:
①当地区动态市场电价ELr,t低于ELr,L时,即ELr,t<ELr,L时,让主网全部承担用户负载;并使蓄能电池单元处于荷电状态,且以最大充电功率PMchar,t进行快速充电,并确定光伏-电池微电网系统在该工作状态下的约束条件为:
(PPV,t+Pchar,t)·ηinv+PG,t=PL,t
PMchar,t<PB,t≤0
PPV,t+PB,t≥0
②当地区动态市场电价ELr,t高于ELr,H时,即ELr,t>ELr,L时,由蓄能电池单元和光伏电力源承担用户负载,蓄能电池单元处于放电状态,并确定光伏-电池微电网系统在该工作状态下的约束条件为:
(PPV,t+Pchar,t)·ηinv+PG,t=PL,t
PMchar,t<PB,t≤PMdisc,t
PPV,t+PB,t≥0
③当地区动态市场电价ELr,t在ELr,H、ELr,L之间时,即ELr,L≤ELr,t≤ELr,H时,蓄能电池单元工作在荷电状态下,但蓄能电池单元不一定在最大充电功率PMchar,t下进行快速充电,而是由光伏系统在满足负载时,将额外的功率用于对蓄能电池单元充电,即满足PMchart≤PB,t≤0,在该状态下存在以下两种约束情况:
情况1:PB,t+PPV,t≥0:
在这种运行状态下满足PPV,t+PB,t≥0,电能总是从直流母线向交流母线输出,同时锂电池充电只能来自于光伏电力源,不会来自电网;因此满足(PB,t+PPV,t)·ηinv=PL,t-PG,t;
情况2:PB,t+PPV,t<0:
在这种运行状态下满足PPV,t+PB,t<0,电能可以从交流母线向直流母线输出,由于光伏系统供电功率不能满足蓄电池在最大荷电功率下充电,主网在满足用户负载的情况下,与光伏系统同时为蓄电池系统进行充电,因此有约束条件:PB,t+PPV,t=(PL,t-PG,t)·ηinv。
步骤1)中光伏电流等效电路模型和步骤2)中光伏发电系统最大功输出率模型涉及能量调度管理策略中的PPV,t(PPV,t为光伏系统的输出功率)以保证系统无论处于何种状态,光伏系统都处于最大功率跟踪控制状态,保证最大功率输出;步骤3中建立光伏发电系统的蓄电池的电压与电流之间的方程关系涉及Pchar,t,Pchar,t表示蓄电池单元的荷电状态;步骤4中用标准充放电次数测算锂离子电池的寿命,测算出的锂离子电池寿命如表3所示取值为15年,小于光伏系统寿命25年,系统以25年为寿命周期,因此锂离子电池需要计算置换成本(Crep,y为置换成本),用于计算系统的收益(NPV);步骤6)建立光伏-电池微电网系统最高经济收益NPV和最高自给率SSR的模型,是表达基于动态批发市价的能量调度运行策略的两个目标函数模型。
图7是基于动态批发市价的能量调度运行策略流程简图,其展示出了控制光伏-电池微电网系统中蓄能电池单元在几种工作状态之间切换的流程关系。系统以t-1电池状态SOCt-1、负载功率PL,t、光伏功率PPV,t和市场ELr,t作为系统的输入,通过功率供需关系计算锂离子电池储能系统充放电功率,结合决策变量ELH,t、ELL,t与市场电价ELr,t的关系,对系统的四种工作状态进行无缝切换,以锂离子电池储能系统和电网的工作状态PB,t和PG,t确定整体系统运行方案。其中,无论在任意工作状态都需要尽可能减少用户从电网购电,即min(|PG,t|),以使微电网系统获得最大的经济效益(NPV取最大);同样无论在任意工作状态都需要尽可能减少用户从电网购电,即min(|PG,t|),增加满足用户负载需求中微电网系统的供电比例,即系统获得最高的自给率(SSR取最高)。
最后说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的宗旨和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (1)
1.一种基于动态批发市价的光伏-电池微电网能量调度管理方法,其特征在于:包括以下步骤:
1)设计光伏发电系统的光伏电流等效电路模型如下:
式中:IPH为光伏电流,单位为A;I0为二极管模型反向饱和电流,单位为A;a为理想参数因子;Rsh为分流电阻,单位为Ω;Rs为串联电阻,单位为Ω;IPV为模拟光伏系统供电电流,VPV为模拟光伏系统供电电压;
2)建立光伏发电系统最大功输出率模型如下:
PPV,mpp=max(VPV,IPV) (2)
3)光伏发电系统的蓄电池采用锂离子电池,在考虑锂离子电池的荷电状态下,建立电池的电压与电流之间的方程关系如下:
式中:V为锂离子电池的电压,单位为V;E0为锂离子电池的开路电压,单位为V;K为偏振常数,单位为V/Ah;Q为锂离子电池的容量量;∫it为累计充电电量;A为指数区域振幅,单位为V;i为锂离子电池的电流;i*为过滤电流;R为内部电阻;B为指数区时间常数的倒数。
4)用标准充放电次数测算锂离子电池的寿命,锂离子电池充放电次数与充放电深度之间的关系如下:
式中:N为锂离子电池充放电次数,DOD表示锂离子电池充放电深度,c、m、d为通过拟合确定的参数;
根据充放电深度的标准,建立充放电次数与锂离子电池的循环使用寿命关系的方程:
式中:Nst为标准条件下的检测循环次数;Nred单位年内锂离子电池的充放电次数;DODi为第i次循环充放电中锂离子电池充放电深度;DODst为标准检测条件下的充放电深度;Ri取值为周期数,一般取值0.5和1;
将循环次数计算所得Lcycle与产品标准寿命Lcal进行比较,为保证系统供电可靠性,锂离子电池寿命取其小值:
L=min(Lcycle,Lcal) (7)
5)建立光伏-电池微电网系统的总经济收益模型Ry为:
Ry=REX,y+RER,y+RPS,y (8)
其中:RER,y是由光伏、电池储能电力源的接入,减少从电网购电,带来的经济收益;M为单位年内小时数,一年中M设定取值为8760小时;ELr,t是动态市场电价;PL,t为t时刻用户负载,PGim,t为t时刻电网输出的电量;
REX,y是光伏-电池系统输出电能获得的经济收益,PGex,t为t时刻电网购入电量;ELw,t是单位电量实时批发动态电价,即光伏-电池系统将额外电能向电网售出的电价;
RPS,y是由光伏-电池微电网系统中的电池储能系统根据市场电价和用户负载需求,进行峰值调节获得的经济收益,RPS,y=(max(PL,t)-max(PGim,t))·GFPS,GFPS为单位电量每年因峰值调节获得的经济收益;
PGim,t和PGex,t的约束条件如下:
PG,t是电网向光伏-电池微电网系统的交换功率,当电网向微电网输电时,为正值,当微电网向电网售电,为负值;
6)建立光伏-电池微电网系统最高经济收益NPV和最高自给率SSR的模型:
式中:Cinv为系统建设投资成本;Cmai,y为运行维护成本,Crep,y为置换成本;Ry为系统总收益;dr为折现率;T是指光伏系统的标准使用寿命,T的设定取值为25年;其中:
Cinv=UICbattery·CAPbattery+UICPV·CAPPV (12)
式中:UICbattery为单位电池容量成本;CAPbattery为电池储能容量;UICPV为单位光伏容量成本;CAPPV为光伏电力源容量。
其中,在系统全生命周期内,由于电池系统的使用寿命低于光伏系统的使用寿命,因此电池系统存在置换成本,其置换费用与电池系统投资成本一致;另外光伏-电池微电网系统还存在运行维护成本,设定每年运行维护成本不变,即:
Crep,y=UICbattery·CAPbattery·rrep,battery+UICPV·CAPPV·rrep,PV (13)
式中:rrep,battery为全生命周期内,电池储能系统运行维护参数因子;rrep,PV为全生命周期内,光伏系统运行维护参数因子;
最高自给率SSR的模型如下:
M为单位年内小时数,一年中M设定取值为8760小时;
对上述最高经济收益NPV和最高自给率SSR的模型求解,找出Pareto最优解;
7)在考虑微电网系统外部动态批发电价的基础上,结合负载功率PL,t与光伏功率PPV,t的关系,根据输入的决策变量ELr,L与ELr,H,确定PG,t与PB,t的功率数值,所述决策变量ELr,H和ELr,L分别表示动态市场零售电价高低两个决策变量,通过将动态市场电价ELr,t与ELr,H、ELr,L比较,控制光伏-电池微电网系统中由锂电池组成的蓄能电池单元在以下工作状态之间切换:
①当地区动态市场电价ELr,t低于ELr,L时,即ELr,t<ELr,L时,让主网全部承担用户负载;并使蓄能电池单元处于荷电状态,且以最大充电功率PMchar,t进行快速充电,并确定光伏-电池微电网系统在该工作状态下的约束条件为:
(PPV,t+Pchar,t)·ηinv+PG,t=PL,t
PMchar,t<PB,t≤0
PPV,t+PB,t≥0
PL,t为用户用电需求的负载功率;
PPV,t为光伏系统的输出功率;
PG,t是电网与微电网系统的交换功率,当电网向微电网输电时,为正值,当微电网向电网售电,为负值;
PB,t是蓄能电池单元的荷电功率,当蓄能电池单元处于放电状态时,为正值,当蓄电池单元处于充电状态时,为负值;
ηinv表示直流母线和交流母线之间的逆变器转化效率,取数值为0.95;
Pchar,t表示蓄电池单元的荷电状态的数值;
②当地区动态市场电价ELr,t高于ELr,H时,即ELr,t>ELr,L时,由蓄能电池单元和光伏电力源承担用户负载,蓄能电池单元处于放电状态,并确定光伏-电池微电网系统在该工作状态下的约束条件为:
(PPV,t+Pchar,t)·ηinv+PG,t=PL,t
PMchar,t<PB,t≤PMdisc,t
PPV,t+PB,t≥0
PMdisc,t表示蓄电池处于放电状态时的最小值,即下限值;
PMchar,t表示蓄电池处于充电状态时的最大值,即上限值;
③当地区动态市场电价ELr,t在ELr,H、ELr,L之间时,即ELr,L≤ELr,t≤ELr,H时,蓄能电池单元工作在荷电状态下,但蓄能电池单元不一定在最大充电功率PMchar,t下进行快速充电,而是由光伏系统在满足负载时,将额外的功率用于对蓄能电池单元充电,即满足PMchart≤PB,t≤0,在该状态下存在以下两种约束情况:
情况1:PB,t+PPV,t≥0:
在这种运行状态下满足PPV,t+PB,t≥0,电能总是从直流母线向交流母线输出,同时锂电池充电只能来自于光伏电力源,不会来自电网,约束条件为:(PB,t+PPV,t)·ηinv=PL,t-PG,t;
情况2:PB,t+PPV,t<0:
在这种运行状态下满足PPV,t+PB,t<0,电能可以从交流母线向直流母线输出,由于光伏系统供电功率不能满足蓄电池在最大荷电功率下充电,主网在满足用户负载的情况下,与光伏系统一起为蓄电池系统进行充电,约束条件为:PB,t+PPV,t=(PL,t-PG,t)·ηinv。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811057803.5A CN109119988B (zh) | 2018-09-11 | 2018-09-11 | 基于动态批发市价的光伏-电池微电网能量调度管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811057803.5A CN109119988B (zh) | 2018-09-11 | 2018-09-11 | 基于动态批发市价的光伏-电池微电网能量调度管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109119988A true CN109119988A (zh) | 2019-01-01 |
CN109119988B CN109119988B (zh) | 2020-05-15 |
Family
ID=64859180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811057803.5A Expired - Fee Related CN109119988B (zh) | 2018-09-11 | 2018-09-11 | 基于动态批发市价的光伏-电池微电网能量调度管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109119988B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113325896A (zh) * | 2021-05-31 | 2021-08-31 | 浙江工业大学 | 一种智能零售机的多目标温度优化控制方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002198079A (ja) * | 2000-12-27 | 2002-07-12 | Matsushita Electric Ind Co Ltd | 燃料電池システムの制御装置 |
US20140067142A1 (en) * | 2009-10-23 | 2014-03-06 | Viridity Energy, Inc. | System and method for energy management |
CN104065072A (zh) * | 2014-06-16 | 2014-09-24 | 四川大学 | 一种基于动态电价的微电网运行优化方法 |
CN104767224A (zh) * | 2015-03-04 | 2015-07-08 | 华南理工大学 | 一种含多类储能的并网型风光储微电网的能量管理方法 |
CN105977991A (zh) * | 2016-05-10 | 2016-09-28 | 浙江工业大学 | 一种考虑价格型需求响应的独立型微网优化配置方法 |
CN106229992A (zh) * | 2016-08-29 | 2016-12-14 | 西电通用电气自动化有限公司 | 电力市场下的微电网能量管理方法 |
CN106709611A (zh) * | 2017-02-28 | 2017-05-24 | 南京国电南自电网自动化有限公司 | 全寿命周期框架下的微电网优化配置方法 |
CN107565607A (zh) * | 2017-10-24 | 2018-01-09 | 华北电力大学(保定) | 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 |
CN107609693A (zh) * | 2017-08-31 | 2018-01-19 | 安徽大学 | 基于Pareto档案粒子群算法的微电网多目标优化方法 |
-
2018
- 2018-09-11 CN CN201811057803.5A patent/CN109119988B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002198079A (ja) * | 2000-12-27 | 2002-07-12 | Matsushita Electric Ind Co Ltd | 燃料電池システムの制御装置 |
US20140067142A1 (en) * | 2009-10-23 | 2014-03-06 | Viridity Energy, Inc. | System and method for energy management |
CN104065072A (zh) * | 2014-06-16 | 2014-09-24 | 四川大学 | 一种基于动态电价的微电网运行优化方法 |
CN104767224A (zh) * | 2015-03-04 | 2015-07-08 | 华南理工大学 | 一种含多类储能的并网型风光储微电网的能量管理方法 |
CN105977991A (zh) * | 2016-05-10 | 2016-09-28 | 浙江工业大学 | 一种考虑价格型需求响应的独立型微网优化配置方法 |
CN106229992A (zh) * | 2016-08-29 | 2016-12-14 | 西电通用电气自动化有限公司 | 电力市场下的微电网能量管理方法 |
CN106709611A (zh) * | 2017-02-28 | 2017-05-24 | 南京国电南自电网自动化有限公司 | 全寿命周期框架下的微电网优化配置方法 |
CN107609693A (zh) * | 2017-08-31 | 2018-01-19 | 安徽大学 | 基于Pareto档案粒子群算法的微电网多目标优化方法 |
CN107565607A (zh) * | 2017-10-24 | 2018-01-09 | 华北电力大学(保定) | 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 |
Non-Patent Citations (2)
Title |
---|
吴杰,温晨阳等: "基于分时电价的光伏-储能系统容量优化配置", 《电工电能新技术》 * |
肖浩,裴玮等: "基于模型预测控制的微电网多时间尺度协调优化调度", 《电力系统自动化》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113325896A (zh) * | 2021-05-31 | 2021-08-31 | 浙江工业大学 | 一种智能零售机的多目标温度优化控制方法 |
CN113325896B (zh) * | 2021-05-31 | 2022-03-01 | 浙江工业大学 | 一种智能零售机的多目标温度优化控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109119988B (zh) | 2020-05-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Optimal sizing of distributed generations in DC microgrids with comprehensive consideration of system operation modes and operation targets | |
CN106651026B (zh) | 多时间尺度微电网能量管理优化调度方法 | |
Rana et al. | A review on hybrid photovoltaic–Battery energy storage system: Current status, challenges, and future directions | |
CN106487036B (zh) | 一种基于多目标优化算法的独立光伏拖动系统容量配置方法 | |
CN109066750B (zh) | 基于需求侧响应的光伏-电池微电网混合能量调度管理方法 | |
Bhatti et al. | A comprehensive overview of electric vehicle charging using renewable energy | |
Zhao et al. | Fuzzy logic based coordinated control of battery energy storage system and dispatchable distributed generation for microgrid | |
CN109193757A (zh) | 光储充系统的能量控制方法和控制系统 | |
CN109713712A (zh) | 光储荷智能化管理一体机及光储荷智能化管理方法 | |
CN104767224A (zh) | 一种含多类储能的并网型风光储微电网的能量管理方法 | |
CN112865075B (zh) | 一种交直流混合微电网优化方法 | |
CN106451553A (zh) | 一种多时间尺度的光伏微网区间优化调度方法 | |
Liu et al. | Multi-time scale optimal power flow strategy for medium-voltage DC power grid considering different operation modes | |
Tur et al. | A review of active power and frequency control in smart grid | |
jing Hu et al. | Capacity optimization of wind/PV/storage power system based on simulated annealing-particle swarm optimization | |
CN110048396B (zh) | 一种光储直流微网的控制系统及方法 | |
CN109119988A (zh) | 基于动态批发市价的光伏-电池微电网能量调度管理方法 | |
Sharma et al. | Comparative analysis of different types of micro-grid architectures and controls | |
Wang et al. | Improved PSO-based energy management of Stand-Alone Micro-Grid under two-time scale | |
Li et al. | Optimal operation of AC/DC hybrid microgrid under spot price mechanism | |
AL-Maaitah et al. | Particle Swarm Optimizer for BESS Operation to Mitigate Voltage Deviation of the Modified IEEE 9-bus Power System | |
CN209389722U (zh) | 光储荷智能化管理一体机 | |
Kang et al. | Day-ahead microgrid energy management optimization scheduling scheme | |
Abegaz et al. | Optimal dispatch control of energy storage systems using forward-backward induction | |
Yang et al. | Power coordinated control of the islanded multi-layer microgrids |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200515 Termination date: 20210911 |
|
CF01 | Termination of patent right due to non-payment of annual fee |