CN109214624B - 一种基于蒙特卡洛法的储能容量优化方法、装置及系统 - Google Patents
一种基于蒙特卡洛法的储能容量优化方法、装置及系统 Download PDFInfo
- Publication number
- CN109214624B CN109214624B CN201710528436.1A CN201710528436A CN109214624B CN 109214624 B CN109214624 B CN 109214624B CN 201710528436 A CN201710528436 A CN 201710528436A CN 109214624 B CN109214624 B CN 109214624B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- capacity
- storage device
- load
- storage capacity
- 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 224
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000000342 Monte Carlo simulation Methods 0.000 title claims abstract description 31
- 238000005457 optimization Methods 0.000 title claims abstract description 23
- 230000005611 electricity Effects 0.000 claims abstract description 39
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 230000008901 benefit Effects 0.000 claims description 24
- 238000004088 simulation Methods 0.000 claims description 16
- 238000003860 storage Methods 0.000 claims description 10
- 238000007599 discharging Methods 0.000 claims description 8
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000012614 Monte-Carlo sampling Methods 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—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
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种基于蒙特卡洛法的储能容量优化方法、装置和系统，所述方法包括获取分时段电价、单位容量电池价格和单位容量逆变器价格，基于蒙特卡洛方法抽取负载日负荷曲线；根据所述的多个抽取后的负载日负荷曲线，分别以单位储能容量的收益最优为目标，计算出对应的储能装置总容量，将多个计算结果的平均值；作为最终优化储能容量。本实施例可以根据负载的随机波动性，能更好地对储能容量规划，提高储能装置的经济性。
Description
技术领域
本发明涉及电力技术领域，特别涉及一种基于蒙特卡洛法的储能容量优化方法、装置及系统。
背景技术
储能技术对于全球节能减排和优化能源结构有着积极的推动作用，能源互联网的兴起，使得储能技术的应用贯穿于电力系统的发、输、配、用等各个环节。同时，随着社会经济的发展、能源日益紧张，新能源开发成为未来能源战略的重要方向，但新能源并网会给电网带来巨大的冲击。
目前，电网负荷峰谷差日益增大，严重影响了电力系统的经济性。根据负载的随机波动性，如何能更好地对储能容量规划，并对其经济性分析，是同行业中人员亟待解决的难点问题。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题基于蒙特卡洛法的储能容量优化方法、装置及系统。
第一方面，本发明实施例提供一种基于蒙特卡洛法的储能容量优化方法，包括：
周期性地获取负载日负荷曲线、分时段电价、单位容量电池价格和单位容量逆变器价格；
将所述周期性地获取的负载日负荷曲线、分时段电价、单位容量电池价格和单位容量逆变器价格，根据预设的统计模拟法分别对每日的负载日负荷曲线进行抽取以确定曲线形状；
根据所述抽取后的每日的负载日负荷曲线，以单位储能容量收益最大为目标，计算出每个负载日负荷曲线对应的优化储能容量；
统计所述每个负载日负荷曲线对应的优化储能容量，生成优化储能容量数组，计算所述优化储能容量数组的平均值；所述平均值为最终优化储能容量。
在一个实施例中，根据蒙特卡洛法分别对每日的负载日负荷曲线进行抽取。考虑到负荷的波动性，利用蒙特卡洛抽样确认优化前的负荷曲线的形状，在此基础上进行优化储能容量的计算。
在一个实施例中，根据所述抽取后的每日的负载日负荷曲线，以单位储能容量收益最大为目标，计算出每个负载日负荷曲线对应的优化储能容量，包括：
计算每个时刻储能装置电量电费收益以及容量电费收益之和，即得储能装置总收益，将所述储能装置总收益与储能装置容量做比值，得到单位储能容量收益。
在一个实施例中，所述比值为计算出每个负载日负荷曲线对应的单位储能容量收益，包括：
根据以下公式计算出单位储能容量收益：
式中，M为优化单位储能容量收益，Epr，i为储能装置电量电费收益，为第i时刻储能系统通过低储高发的套利，当储能装置充电的时候，Epr，i为负，当储能装置放电的时候，Epr，i为正，正负值表明储能装置的收益；Edef为储能装置容量电费收益，N为储能装置容量最大值。
在一个实施例中，所述Epr，i通过以下方式获得：
Epr，i＝-Ci×Di(i＝1，2，3，...，96)
其中，Ci为第i时段充放电功率，Di为分时段电价第i时段电价，将负载日负荷曲线分为96点，因此i取值范围为1,2,…,96，当储能系统充电时，Ci为正，由于从电网购电，对应电量收益为负值。储能系统放电时，Ci为负，此时利用储能代替从电网购电，对应的电量收益为正值。
在一个实施例中，所述Edef通过以下方式获得：
Edef＝(Pmax-PTmax)×BC
其中，Pmar为电网未加装储能装置时的最大负荷，Pmax＝max(Pi)(i＝1，2，...，96)；PTmar为储能装置调整后的最大负荷，Tmax＝max(PTi)(i＝1，2，3，...，96)；BC为减少单位容量的收益。
在一个实施例中，所述Ci根据放电速度的约束计算得出，根据以下公式：
其中，δ∈[-1，1]，
CN为额定充电功率，n＞C，n为充放电倍率。
第二方面，本发明实施例提供一种基于蒙特卡洛法的储能容量优化装置，包括：获取模块，用于周期性地获取负载日负荷曲线、分时段电价、单位容量电池价格和单位容量逆变器价格；
第一计算模块，用于将所述获取模块获取的负载日负荷曲线、分时段电价、单位容量电池价格和单位容量逆变器价格，根据预设的统计模拟法分别对每日的负载日负荷曲线进行抽取；
第二计算模块，根据所述抽取后的每日的负载日负荷曲线，以单位储能容量收益最大为目标，计算出每个负载日负荷曲线对应的优化储能容量；
第三计算模块，统计所述每个日负荷曲线对应的优化储能容量，生成优化储能容量数组，计算所述单位优化储能容量数组的平均值；所述平均值为最终优化储能容量。
在一个实施例中，所述第一计算模块中根据预设的统计模拟法分别对负载日负荷曲线进行抽取，包括：
根据蒙特卡洛法分别对每日的负载日负荷曲线进行抽取。
在一个实施例中，所述第二计算模块，具体用于根据第一计算模块计算出的每个时刻储能装置电量电费收益与储能装置容量电费收益，计算每个时刻储能装置电量电费收益与储能装置容量电费收益之和，将所述之和与该电网中建设的储能装置容量相比，得到比值；所述比值为计算出每个负载日负荷曲线对应的单位储能容量收益。
在一个实施例中，所述第二计算模块,具体用于根据以下公式计算出单位储能容量收益：
式中，M为优化单位储能容量收益，Epr，i为储能装置电量电费收益，为第i时刻储能系统通过低储高发的套利，当储能装置充电的时候，Epr，i为负，当储能装置放电的时候，Epr，i为正，正负值表明储能装置的收益；Edef为储能装置容量电费收益，N为储能装置容量。
在一个实施例中，所述第二计算模块中的所述Epr，i通过以下方式获得：
Epr，i＝-Ci×Di(i＝1，2，3，...，96)
其中，Ci为第i时段充放电功率，Di为分时段电价第i时段电价。
在一个实施例中，所述第二计算模块中的所述Edef通过以下方式获得：
Edef＝(Pmax-PTmax)×BC
其中，Pmar为电网未加装储能装置时的最大负荷，Pmax＝max(Pi)(i＝1，2，3，...，96)；PTmar为储能装置调整后的最大负荷，PTmax＝max(PTi)(i＝1，2，3，...，96)；BC为减少单位容量的收益。
在一个实施例中，所述第二计算模块中Ci根据放电速度的约束计算得出，根据以下公式：
其中，δ∈[-1，1]，
CN为额定充电功率，n>0，n为充放电倍率。
第三方面，本发明实施例提供一种基于蒙特卡洛法的储能容量优化系统，包括：
至少一个电池、至少一个逆变器和如上述实施例中任一项所述的装置。
本发明实施例提供的上述技术方案的有益效果至少包括：
本发明实施例提供的一种基于蒙特卡洛法的储能容量优化方法、装置及系统，所述方法包括周期性地获取负载日负荷曲线、分时段电价、单位容量电池价格和单位容量逆变器价格；将所述周期性地获取的负载日负荷曲线、分时段电价、单位容量电池价格和单位容量逆变器价格，充分考虑负荷的波动性，根据预设的统计模拟法分别对每日的负载日负荷曲线进行抽取以确定负载日负荷曲线形状；根据所述多个抽取后的负载日负荷曲线和储能装置容量优化值，计算出每个负载日负荷曲线对应的优化储能容量；统计所述每个负载日负荷曲线对应的优化储能容量，生成优化储能容量数组，计算所述优化储能容量数组的平均值；所述平均值为最终优化储能容量。本实施例可以根据负载的随机波动性，能更好地对储能容量规划，提高电网储能装置的经济性。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
图1为本发明实施例提供的基于蒙特卡洛法的储能容量优化方法的流程图；
图2为本发明实施例提供的完整的实施例中的逻辑图；
图3为本发明实施例提供的电网储能容量优化的装置的框图；
图4为本发明实施例提供的电网储能容量优化的系统的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。
本发明实施例针对以储能装置单位容量收益最大为目标，建立模型，考虑储能放电深度、放电速度等约束条件，提供了一种基于蒙特卡洛法的储能容量优化方法，参照图1所示，包括下述步骤S101～S104；
S101、周期性地获取负载日负荷曲线、分时段电价、单位容量电池价格和单位容量逆变器价格；
S102、将所述周期性地获取的负载日负荷曲线、分时段电价、单位容量电池价格和单位容量逆变器价格，根据预设的统计模拟法分别抽取出每日的负载日负荷曲线；
S103、根据所述抽取的每日的所述负载日负荷曲线，以单位储能容量收益最大为目标，计算出每个负载日负荷曲线对应的优化储能容量；
S104、统计所述每个负载日负荷曲线对应的优化储能容量，生成优化储能容量数组，计算所述优化储能容量数组的平均值；所述平均值为最终优化储能容量。
下面对上述步骤进行详细的说明：
本公开实施例中涉及到的储能系统是电网系统中的一部分，涉及到的储能装置是储能系统中的一部分，其中涉及到的储能技术可以包括抽水蓄能、压缩空气、飞轮、化学电池、超级电容器等。例如采用电池储能，比如可以采用锂电池、铅酸电池和流体技术等，本公开实施例对此不做限定。
步骤S101中，负载日负荷曲线反映的是一日内负荷随时间(以小时为单位)变化的曲线图，包括了日负荷率、日最小负荷率、日峰谷差和日峰谷差率等指标参数。分时段电价，指根据电网的负荷变化情况，将每天24小时划分为高峰、平段、低谷等多个时段，对各时段分别制定不同的电价水平，以鼓励用电客户合理安排用电时间，削峰填谷，提高电力资源的利用效率。电池和逆变器，根据单位容量不同，价格不同。步骤S101中周期性地获取上述曲线图和上述分时段电价、单位容量电池价格和单位容量逆变器价格，比如可以是每天获取一次，一年获取365次，从而计算出一年当中电网最优的储能容量；也可以是每小时获取一次，获取24次，计算出一天当中电网最优的储能容量。本实施例中，对获取的周期不做限定。
步骤S102中根据步骤S101获取的曲线图和其他信息，利用预设的统计模拟法或随机抽样技术，从而计算出负载日负荷曲线的形状。
步骤S103中，根据储能容量的能承受的最大值和步骤S102中抽取出的多个负载日负荷曲线，计算出每个负载日负荷曲线对应的优化储能容量。
步骤S104中，统计上述每个负载日负荷曲线对应的优化储能容量，并生成优化储能容量数组，然后计算上述优化储能容量数组的平均值；该平均值为最终优化储能容量。
本实施例中，根据获取的负载、电价、储能单位容量建设成本等基本信息；通过预设的统计模拟法对负载日负荷曲线进行抽取以确定曲线形状；参照建设的电网中储能装置容量的最大值，以单位储能容量收益最大为目标，进行优化计算。比如在一年中，将以上过程计算得出的单位储能容量收益数组，以单位储能容量收益数组的平均值作为最终计算结果。本实施例可以根据负载的随机波动性，能更好地对储能容量规划，提高电网储能装置的经济性。
在一个实施例中，上述预设的统计模拟法，可以是蒙特卡洛法。分别计算每个时刻储能装置电量电费收益与储能装置容量电费收益。蒙特卡洛法采用随机抽样技术，是以概率和统计理论方法为基础的一种计算方法，是使用随机数(或更常见的伪随机数)来解决很多计算问题的方法。将所求解的问题同一定的概率模型相联系，用电子计算机实现统计模拟或抽样，以获得问题的近似解。
本实施例中预设的统计模拟法也可以是对比分析法、平均和变异分析法、综合评价分析法、结构分析法、平衡分析法、动态分析法、因素分析法、相关分析法等等，当然也不限于上述方法，能够实现统计模拟计算出日负荷曲线的方法即可，本实施例对此不做限定。
在一个实施例中，步骤S103根据步骤S102采用蒙特卡洛法分别计算每个时刻储能装置电量电费收益与储能装置容量电费收益，然后计算每个时刻储能装置电量电费收益与储能装置容量电费收益之和，将上述之和与该电网中建设的储能装置容量相比，得到比值；该比值为计算出每个抽取的负载日负荷曲线对应的单位储能容量收益。
在一个实施例中，当根据蒙特卡洛法分别抽取出每日的负载日负荷曲线时，并根据抽取后的负载日负荷曲线得到每个时刻储能装置电量电费收益与储能装置容量电费收益，上述步骤S103，可以根据以下公式计算出单位储能容量收益：
上述公式中，M为优化单位储能容量收益，Epr，i为储能装置电量电费收益，为第i时刻储能系统通过低储高发的套利，当储能装置充电的时候，Epr，i为负，当储能装置放电的时候，Epr，i为正，正负值表明储能装置的收益；Edef为储能装置容量电费收益，N为该电网中建设的储能装置容量最大值。
上述公式中，根据获取每个时刻储能装置电量电费收益和储能装置容量电费收益；
计算每个时刻储能装置电量电费收益与储能装置容量电费收益之和；将上述之和与该电网中建设的储能装置容量相比，得到比值；该比值为每个负载日负荷曲线对应的单位储能容量收益，进一步地统计每个负载日负荷曲线对应的优化储能容量，生成优化储能容量数组，该数组包括多个优化储能容量数值，再计算该数组的平均值，该平均值为最终优化储能容量。
进一步地，在一个实施例中，上述公式一中的Epr，i通过以下方式获得：
Epr，i＝-Ci×Di(i＝1，2，3，...，96)
其中，Ci为第i时段充放电功率，Di为分时段电价第i时段电价。
进一步地，在一个实施例中，上述Edef通过以下方式获得：
Edef＝(Pmax-PTmax)×BC
其中，Pmar为电网未加装储能装置时的最大负荷，Pmar＝max(Pi)(i＝1，2，3，...，96)；PTmar为储能装置调整后的最大负荷，PTmar＝max(PTi)(i＝1，2，3，...，96)；BC为减少单位容量的收益。
进一步地，在一个实施例中，上述Ci根据放电速度的约束条件计算得出，可以参照如下公式：
其中，δ∈[-1，1]，
CN为额定充电功率，n>0，n为充放电倍率。比如当n＝3时，表明充放电功率不超过3C。
下面通过一个完整的实施例予以说明：
例如：(1)将负载日负荷曲线、分时段电价、单位容量电池价格、单位容量逆变器价格等基本信息输入；
(2)后台系统基于通过蒙特卡洛模拟对负载日负荷曲线进行抽取；
(3)后台系统基于负载日负荷曲线，以单位储能容量收益最大为目标，考虑储能装置容量、放电速度的约束，计算优化储能容量的大小；
(4)将步骤1-3过程重复365次，得到优化容量后，将获得的365个容量计算其平均数，该平均数可以作为最终优化储能容量。
参照图2所示，为上述实施例的逻辑图，包括S201～S205；
S201、输入每日负载、电价、储能单位容量建设成本等基本信息；
S202、通过蒙特卡洛模拟对负载日负荷数据进行；
S203、以单位储能容量收益最大为目标，以建设的储能装置容量为变量，进行优化计算；
S204、是否完成365次计算；是，则执行S205，否，则执行S202；
S205、以所有计算结果的平均数作为最终结果。
基于同一发明构思，本发明实施例还提供了一种基于蒙特卡洛法的储能容量优化装置，由于该装置所解决问题的原理与前述实施例一种基于蒙特卡洛法的储能容量优化方法相似，因此该装置的实施可以参见前述方法的实施，重复之处不再赘述。
下述为本发明实施例提供的一种基于蒙特卡洛法的储能容量优化装置，可以用于执行上述基于蒙特卡洛法的储能容量优化方法实施例。
参照图3所示，包括：获取模块31，用于周期性地获取负载日负荷曲线、分时段电价、单位容量电池价格和单位容量逆变器价格；
第一计算模块32，用于将所述获取模块获取的负载日负荷曲线、分时段电价、单位容量电池价格和单位容量逆变器价格，根据预设的统计模拟法分别对每日的负载日负荷曲线进行抽取以确定曲线形状；
第二计算模块33，用于根据所述分别计算出的多个每个负载日负荷曲线和储能装置容量优化值，计算出每个负载日负荷曲线对应的优化储能容量；
第三计算模块34，用于统计所述第二计算模块每个负载日负荷曲线对应的优化储能容量，生成优化储能容量数组，计算所述优化储能容量数组的平均值；所述平均值为最终优化储能容量。
在一个实施例中，所述第一计算模块32中根据预设的统计模拟法分别对每日的负载日负荷曲线进行抽取，包括：
根据蒙特卡洛法分别计算每个时刻储能装置电量电费收益与储能装置容量电费收益。
在一个实施例中，所述第二计算模块33，具体用于根据第一计算模块计算出的每个时刻储能装置电量电费收益与储能装置容量电费收益，计算每个时刻储能装置电量电费收益与储能装置容量电费收益之和，将所述之和与该电网中建设的储能装置容量相比，得到比值；所述比值为计算出每个负载日负荷曲线对应的单位储能容量收益。
在一个实施例中，所述第二计算模块33,具体用于根据以下公式计算出单位储能容量收益：
上述公式中，M为优化单位储能容量收益，Epr，i为储能装置电量电费收益，为第i时刻储能系统通过低储高发的套利，当储能装置充电的时候，Epr，i为负，当储能装置放电的时候，Epr，i为正，正负值表明储能装置的收益；Edef为储能装置容量电费收益，N为储能装置容量最大值。
在一个实施例中，所述第二计算模块33中的所述Epr，i通过以下方式获得：
Epr，i＝-Ci×Di(i＝1，2，3，...，96)
其中，Ci为第i时段充放电功率，Di为分时段电价第i时段电价。
在一个实施例中，所述第二计算模块33中的所述Edef通过以下方式获得：
Edef＝(Pmax-PTmax)×BC
其中，Pmar为电网未加装储能装置时的最大负荷，Pmax＝max(Pi)(i＝1，2，3，...，96)；PTmar为储能装置调整后的最大负荷，PTmax＝max(PTi)(i＝1，2，3，...，96)；BC为减少单位容量的收益。
在一个实施例中，所述第二计算模块33中Ci根据放电速度的约束计算得出，参照如下公式：
其中，δ∈[-1，1]，
CN为额定充电功率，n>0，n为充放电倍率。
根据本公开实施例的第三方面，本发明实施例提供一种基于蒙特卡洛法的储能容量优化系统，参照图4所示，包括：至少一个电池、至少一个逆变器和如上述实施例中任一项所述的装置。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (7)
1.一种基于蒙特卡洛法的储能容量优化方法，其特征在于，包括以下步骤：
步骤一，周期性地获取负载日负荷曲线、分时段电价、单位容量电池价格和单位容量逆变器价格；
步骤二，将所述周期性地获取的负载日负荷曲线，根据预设的统计模拟法分别对每日的负载日负荷曲线进行抽取；
步骤三，根据所述抽取后的每日的负载日负荷曲线，以单位储能容量收益最大为目标，计算出每个负载日负荷曲线对应的优化储能容量；
根据公式(1)计算出单位储能容量收益：
所述公式(1)为：
式中，M为优化单位储能容量收益，Epr，i为储能装置电量电费收益，为第i时刻储能系统通过低储高发的套利，当储能装置充电的时候，Epr，i为负，当储能装置放电的时候，Epr，i为正，正负值表明储能装置的收益；Edef为储能装置容量电费收益，N为储能装置容量；
所述Epr，i通过公式(2)获得：
所述公式(2)为：Epr，i＝-Ci×Di(i＝1，2，3，...，96)
其中，Ci为第i时段充放电功率，Di为分时段电价第i时段电价， 将每个负载日负荷曲线分为96点，因此i取值范围为1，2，...，96，当储能系统充电时，Ci为正，由于从电网购电，对应电量收益为负值，储能系统放电时，Ci为负，此时利用储能代替从电网购电，对应的电量收益为正值；
所述Edef通过公式(3)获得：
所述公式(3)为：Edef＝(Pmax-PTmax)×BC
其中，Pmax为电网未加装储能装置时的最大负荷，Pmax＝max(Pi)(i＝1，2，3，...，96)；PTmax为储能装置调整后的最大负荷，PTmax＝max(PTi)(i＝1，2，3，…，96)；BC为减少单位容量的收益；
所述Ci根据放电速度的约束计算得出，根据以下公式(4)：
所述公式(4)为：
其中，δ∈[-1，1]，
CN为额定充电功率，n>0，n为充放电倍率；
步骤四，统计所述每个负载日负荷曲线对应的优化储能容量，生成优化储能容量数组，计算所述优化储能容量数组的平均值；所述平均值为最终优化储能容量。
2.如权利要求1所述的方法，其特征在于，所述步骤二包括：
根据蒙特卡洛方法分别对每日的负载日负荷曲线进行抽取。
3.如权利要求1所述的方法，其特征在于，所述步骤三包括：
计算每个时刻储能装置电量电费收益和储能装置容量电费收益之和，即得储能装置总收益，将所述储能装置总收益与储能装置容量做比值，得到单位储能容量收益。
4.一种基于蒙特卡洛法的储能容量优化装置，其特征在于，包括：
获取模块，用于周期性地获取负载日负荷曲线、获取分时段电价、单位容量电池价格和单位容量逆变器价格；
第一计算模块，用于将所述获取模块获取的负载日负荷曲线，根据预设的统计模拟法分别对每日的负载日负荷曲线进行抽取；
第二计算模块，根据所述抽取后的每日的负载日负荷曲线，以单位储能容量收益最大为目标，计算每个负载日负荷曲线对应的优化储能容量；
根据公式(1)计算出单位储能容量收益：
所述公式(1)为：
式中，M为优化单位储能容量收益，Epr，i为储能装置电量电费收益，为第i时刻储能系统通过低储高发的套利，当储能装置充电的时候，Epr，i为负，当储能装置放电的时候，Epr，i为正，正负值表明储能装置的收益；Edef为储能装置容量电费收益，N为储能装置容量；
所述Epr，i通过公式(2)获得：
所述公式(2)为：Epr，i＝-Ci×Di(i＝1，2，3，...，96)
其中，Ci为第i时段充放电功率，Di为分时段电价第i时段电价， 将每个负载日负荷曲线分为96点，因此i取值范围为1，2，...，96，当储能系统充电时，Ci为正，由于从电网购电，对应电量收益为负值，储能系统放电时，Ci为负，此时利用储能代替从电网购电，对应的电量收益为正值；
所述Edef通过公式(3)获得：
所述公式(3)为：Edef＝(Pmax-PTmax)×BC
其中，Pmax为电网未加装储能装置时的最大负荷，Pmax＝max(Pi)(i＝1，2，...96)；PTmax为储能装置调整后的最大负荷，PTmax＝max(PTi)(i＝1，2，3，...，96)；BC为减少单位容量的收益；
所述Ci根据放电速度的约束计算得出，根据以下公式(4)：
所述公式(4)为：
其中，δ∈[-1，1]，
CN为额定充电功率，n＞0，n为充放电倍率；
第三计算模块，统计所述优化储能容量，生成优化储能容量数组，计算所述单位优化储能容量数组的平均值；所述平均值为最终优化储能容量。
5.如权利要求4所述的装置，其特征在于，所述第一计算模块中根据预设的统计模拟法分别对每日的负载日负荷曲线进行抽取，包括：
根据蒙特卡洛法对负载日负荷曲线进行抽取。
6.如权利要求4所述的装置，其特征在于，所述第二计算模块，具体用于根据第一计算模块对每日的负载日负荷曲线进行抽取，以单位储能容量收益最大为目标，计算出每个负载日负荷曲线对应的优化储能容量，储能装置总收益为，每个时刻储能装置电量电费收益与储能装置容量电费收益之和，储能装置总收益与储能装置容量之比为单位储能容量收益。
7.一种基于蒙特卡洛法的储能容量优化系统，其特征在于，包括：至少一个电池、至少一个逆变器和如权利要求4-6任一项所述的装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710528436.1A CN109214624B (zh) | 2017-07-01 | 2017-07-01 | 一种基于蒙特卡洛法的储能容量优化方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710528436.1A CN109214624B (zh) | 2017-07-01 | 2017-07-01 | 一种基于蒙特卡洛法的储能容量优化方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109214624A CN109214624A (zh) | 2019-01-15 |
| CN109214624B true CN109214624B (zh) | 2021-12-28 |
Family
ID=64991832
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710528436.1A Active CN109214624B (zh) | 2017-07-01 | 2017-07-01 | 一种基于蒙特卡洛法的储能容量优化方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109214624B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110007613B (zh) * | 2019-04-10 | 2022-04-29 | 北方工业大学 | 用于储热式电暖器的用暖预测方法、系统及存储介质 |
| CN112905948B (zh) * | 2021-02-03 | 2023-03-21 | 广州能源检测研究院 | 一种圆柱体状的储罐的容量表计算方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104700323A (zh) * | 2015-03-27 | 2015-06-10 | 国网上海市电力公司 | 考虑不同主体经济效益指标的储能电站综合评估方法 |
| CN105005872A (zh) * | 2015-08-06 | 2015-10-28 | 北京交通大学 | 一种移峰填谷的储能系统的容量配置方法 |
| CN106570611A (zh) * | 2016-09-29 | 2017-04-19 | 重庆大学 | 一种计及负荷需求响应的并网型微电网可靠性评估方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9367108B2 (en) * | 2012-06-28 | 2016-06-14 | Nec Corporation | Reduction of operational cost using energy storage management and demand response |
| US20140350743A1 (en) * | 2012-08-27 | 2014-11-27 | Nec Laboratories America, Inc. | Tiered power management system for microgrids |
-
2017
- 2017-07-01 CN CN201710528436.1A patent/CN109214624B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104700323A (zh) * | 2015-03-27 | 2015-06-10 | 国网上海市电力公司 | 考虑不同主体经济效益指标的储能电站综合评估方法 |
| CN105005872A (zh) * | 2015-08-06 | 2015-10-28 | 北京交通大学 | 一种移峰填谷的储能系统的容量配置方法 |
| CN106570611A (zh) * | 2016-09-29 | 2017-04-19 | 重庆大学 | 一种计及负荷需求响应的并网型微电网可靠性评估方法 |
Non-Patent Citations (1)
| Title |
|---|
| 基于蒙特卡洛模拟的电池储能系统容量优化配置;张新松 等;《电力自动化设备》;20170430;第37卷(第4期);第82-88页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109214624A (zh) | 2019-01-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108960510B (zh) | 一种基于两阶段随机规划的虚拟电厂优化交易策略装置 | |
| CN103683274B (zh) | 区域中长期风电发电量概率预测方法 | |
| CN111241463A (zh) | 一种基于双层优化模型的用户侧储能装置容量配置方法 | |
| CN110061524B (zh) | 一种基于深度神经网络的分布式电源虚拟电厂有功调度等值聚合方法及系统 | |
| CN109472394A (zh) | 一种储能成本和收益的经济优化方法及系统 | |
| CN112084652A (zh) | 一种风光储互补发电系统容量配置计算方法及系统 | |
| CN113537562B (zh) | 一种新能源场站储能配置计算方法及系统 | |
| CN105226650A (zh) | 基于微燃机-储能联合运行策略的微电网可靠性计算方法 | |
| CN111654045B (zh) | 一种电力现货市场下储能系统充放电优化方法 | |
| CN109214624B (zh) | 一种基于蒙特卡洛法的储能容量优化方法、装置及系统 | |
| CN114897346A (zh) | 计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法 | |
| CN115471044A (zh) | 含光储的配电台区电动汽车调度方法、系统及存储介质 | |
| Wen et al. | ELCC-based capacity value estimation of combined wind-storage system using IPSO algorithm | |
| CN110932296B (zh) | 一种储能控制方法、装置及虚拟电厂 | |
| Zou et al. | Modeling and algorithm to find the economic equilibrium for pool-based electricity market with the changing generation mix | |
| CN117196668A (zh) | 一种基于边际收益大规模新能源基地接入规划方法及系统 | |
| CN110048421B (zh) | 储能装置容量选择方法及装置 | |
| CN111009927B (zh) | 一种风电配合压缩空气储能容量优化方法及系统 | |
| Tahir et al. | Techno-economic analysis of energy storage devices for microgrid's ramp rate control using bi-level evaluation method | |
| CN114912546A (zh) | 一种能源数据的聚合方法及装置 | |
| CN114595891A (zh) | 一种配电网电压及潮流越界风险评估方法、系统及设备 | |
| CN114580251A (zh) | 一种配电台区电动汽车充电负荷分析方法及装置 | |
| CN114036845A (zh) | 一种风电场群模型构建方法 | |
| Shaddiq | A Nexus among Reliability Improvement of Distribution System with Optimal Placement and Capacity of Wind-Based Distributed Generation Management | |
| Zhang et al. | Optimization Method of User-Side Energy Storage Capacity Considering Typical Daily Load Characteristics |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20211122 Address after: 311200 16 / F, block B, Shuiwu building, 1068 Jincheng Road, Beigan street, Xiaoshan District, Hangzhou City, Zhejiang Province Applicant after: Huicheng new energy development (Hangzhou) Co.,Ltd. Address before: 310000 room 11-23, entrepreneurship center, No. 1038, Jincheng Road, Beigan street, Xiaoshan District, Hangzhou City, Zhejiang Province Applicant before: HANGZHOU HUICHENG TECHNOLOGY CO.,LTD. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An energy storage capacity optimization method, device, and system based on Monte Carlo method Granted publication date: 20211228 Pledgee: Xiaoshan Branch of Agricultural Bank of China Ltd. Pledgor: Huicheng new energy development (Hangzhou) Co.,Ltd. Registration number: Y2024330000628 |