CN109217364A - 大规模分布式电源消纳的光伏-储能容量优化配置策略 - Google Patents

Abstract

本发明公开了一种大规模分布式电源消纳的光伏‑储能容量优化配置策略：采用峰谷分时电价反映用户需求侧响应，确立分时电价政策；建立分时电价下光伏微网运行策略；综合研究光伏出力特性、负荷特性、储能系统特性和分时电价下光伏微网运行策略，分别构建光伏系统收益模型和多目标优化配置模型；综合考虑光伏出力与负荷需求后确定各决策变量的上、下限，依据光伏微网运行策略，采用改进型遗传算法进行求解即可求得光伏‑储能容量的最佳配置。本发明能够促进分布式光伏就地消纳、提高光伏系统效能，对电能的转化和实际利用都具有现实意义。

Description

大规模分布式电源消纳的光伏-储能容量优化配置策略

技术领域

本发明涉及新能源利用领域，更具体的说，是涉及一种大规模分布式电源消纳的光伏-储能容量优化配置策略。

背景技术

随着电力市场的完善和通讯、计量设施的普遍应用，用户侧参与需求响应带来的负荷优化成为规划运行中不可忽视的因素，因此研究多时段需求响应对光伏微网储能配置的影响，对光伏商业化投资决策有着重要的意义。

由于储能器件价格昂贵，储能容量的配置不宜过大，过大的储能容量将显著增加投资成本；储能容量的配置也不能过小，过小的储能容量无法保证系统在离网时段的稳定运行，也不利于促进光伏的消纳。

当前，微网内储能优化的研究主要在于：1)单一储能配置和复合储能配置两种应用场景下储能的配置方法；2)微网离网和并网运行下储能配置原则与方法；3)储能优化分析方法，如差额补充法、波动平抑分析方法等；4)针对特定类型微网，如工业、商业微网，定量分析储能配置用户收益、系统经济性的影响等。

用户需求响应的研究主要在于：1)基于实时电价的自动需求响应技术的优化数学模型；2)考虑用户需求侧响应的微网优化运行问题；3)采用智能优化算法或博弈论方法，对参与需求响应的资源进行协调优化。

发明内容

本发明的目的是为了克服现有技术中的不足，提供一种利用光伏发电与储能配合过程中容量优化配置方法，具体为一种大规模分布式电源消纳的光伏-储能容量优化配置策略,结合当前大规模分布式光伏并网和消纳困难，弃光严重的实际问题的基础上，利用光伏微网中配置合理容量的储能，能够促进分布式光伏就地消纳、提高光伏系统效能，对电能的转化和实际利用都具有现实意义。

本发明的目的是通过以下技术方案实现的。

本发明的大规模分布式电源消纳的光伏-储能容量优化配置策略，包括以下步骤：

步骤一，采用峰谷分时电价反映用户需求侧响应，确立分时电价政策；

步骤二，建立分时电价下光伏微网运行策略；

步骤三，综合研究光伏出力特性、负荷特性、储能系统特性和分时电价下光伏微网运行策略，分别构建光伏系统收益模型和多目标优化配置模型；

步骤四，综合考虑光伏出力与负荷需求后确定各决策变量的上、下限，依据光伏微网运行策略，采用改进型遗传算法进行求解即可求得光伏-储能容量的最佳配置。

步骤二中所述分时电价下光伏微网运行策略：

①夜间电价的低谷时段，从电网购电对储能电池的功率缺额进行弥补；

②上午电价的平时段或高峰时段，储能电池对负荷供电；

③午间光伏出力大于负荷时段，将光伏对负荷供电的剩余电能对储能电池充电；若储能充满，多余光伏上网；

④夜间电价的高峰时段，储能电池对负荷供电，至储能电池荷电状态下降至初始值，放电停止。

步骤三中所述储能系统特性包括储能方式选择和配置方法选择。其中储能方式选择包括储能介质选择和储能容量选择，配置方法选择包括单一储能配置和复合储能配置以及储能优化分析方法。

步骤三中所述光伏系统收益模型由光伏微网投资年成本C_I和光伏微网典型日收益C₀参数表示；

光伏微网投资年成本C_I表达式为：

C_I＝C_PV+C_B+C_C；

其中，C_PV为光伏系统年成本，C_B为储能系统年成本，C_C为储能双向变流器模块年成本，Q_PV为用光伏系统容量，I_PV为光伏组件单价，r₀为贴现率，μ(A)为光伏年运行和维护费用，Q_B为储能系统容量，I_B为储能电池单价，R_E为储能电池更换次数，μ(B)为储能年运行和维护费用，P_C为储能双向变流器总功率，I_C为储能变流器单价，μ(C)为储能双向变流器；

光伏微网典型日收益C₀表达式为：

其中，e_d(t)为用户电价，e_e为光伏上网电价，e_i(t)为微网从电网的购电电价，e_pv为光伏补贴电价，P_d(t)为用户负荷功率，P_e(t)为微网上网电能功率，P_i(t)为微网向电网购入电能功率，P_PV(t)为光伏出力，T为典型日时长，△t为时间长度。

步骤三中所述多目标优化配置模型包括目标函数和约束条件，所述目标函数包括光伏微网系统的年净利润C_net和光伏消纳率S_PV，所述约束条件包括微网可靠性、储能电池性能和用户购电成本；

光伏微网系统的年净利润C_net表达式为：

C_net＝C₀R－C_I

其中，R为相似日；

光伏消纳率S_PV表达式为：

其中，E_SC为光伏微网中每天负荷消纳的光伏电能，E_FC为柔性容量储能所消纳的光伏电能；

微网可靠性约束表达式为：

Q_B≥Q_RC·min

其中，Q_RC·min为刚性容量最小值；

储能电池性能约束表达式为：

E_b(t+Δt)＝E_b(t)+ε_cP_c(t)Δt·η_c-ε_dcP_dc(t)Δt/η_dc

S_soc(t+Δt)＝[E_b(t)+ΔE_b]/E_rate

D_OD≤0.8

ε_c+ε_dc＝1,ε_c,ε_dc∈{0,1}

其中，E_b为储能电池容量，P_c、P_dc分别为储能充、放电功率，ε_c、ε_dc分别为储能是否充、放电的二进制数，η_c、η_dc分别为储能充、放电效率，S_soc为储能电池的荷电状态，ΔE_b为储能电池容量变化量，E_rate为储能电池的额定容量，D_OD为储能电池的放电深度；

用户购电成本约束表达式为：

其中，EI为购电成本，e₀为基本电价，T_f、T_p、T_g分别为峰、平、谷时段的时长，e_f、e_p、e_g分别为峰、平、谷时段的电价。

与现有技术相比，本发明的技术方案所带来的有益效果是：

针对大规模分布式光伏并网、消纳困难、弃光等现象严重制约了分布式光伏发电的进一步发展。配置合理容量的光伏和储能装置不仅能提高配电网系统运行的经济性，还能缓解系统的功率波动，有一定的削峰填谷效应。因此，在现有的电力市场环境下，考虑需求响应对光伏微网储能系统配置的影响，对光伏微网商业化投资决策具有重要意义。

在峰谷分时电价场景下，本发明构建基于电量电价弹性矩阵的用户多时段电价响应模型，并提出分时电价下储能充放电策略及微网优化运行策略，构建微网投资收益模型，进而以光伏利用率最大和年净利润最大为目标，采用改进遗传算法求解所建储能多目标优化配置模型，分析用户多时段需求响应对光伏微网储能配置的影响，对光伏微网商业化投资决策有着重要的意义。

本发明在一定程度的消除了光伏发电过程带来的随机性和不确定性导致的供电随机性变化且变化幅度较大的弊端，减小了系统在并网运行过程中产生的瞬时功率波动，对供电的电能质量、可靠性和稳定性等供电指标都有所改善。

附图说明

图1为光伏-储能系统容量优化配置策略一个光伏并网发电系统结构；

图2为光伏-储能系统容量优化配置策略一个光伏微网优化运行策略；

图3为光伏-储能系统容量优化配置策略一个改进遗传算法算法流程图；

图4为光伏-储能系统容量优化配置策略一个模型实现流程图。

具体实施方式

下面结合附图对本发明作进一步的描述。

本发明的本发明的大规模分布式电源消纳的光伏-储能容量优化配置策略，包括以下步骤：

步骤一，采用峰谷分时电价反映用户需求侧响应，确立分时电价政策。

分布式光伏发电并网系统的拓扑结构如图1所示，系统由光伏电池阵列、储能系统和电能转换器件构成。光伏电池阵列将太阳能转化为电能，直流变换器(DC/DC)将光伏电池阵列的端电压升高至并网光伏系统直流母线的电压等级，并实现最大功率点跟踪功能，提高光伏电池阵列对太阳能的利用率。储能设备及其相应的充放电装置组成储能系统，光伏并网系统通过一定的控制策略决定储能系统的充放电功率，实现对入网功率的平滑、对剩余光伏发电功率的吸收或者对负荷用电的支撑。光伏并网系统通过逆变器与公共电网以及家庭生活用电负荷连接，负荷需求一方面可由光伏电池阵列输出的电能提供，一方面可通过向公共电网购电来得到满足。

施行峰谷分时电价是一种有效的需求响应方式，通过削峰填谷来提高微网的收益并提高电力系统可靠性。在电力市场平衡点附近，电价e与电量E近似成线性关系，其表达式为：

E＝-ae+b (1)

其中，a和b为电量电价曲线参数。

根据电量电价需求平衡关系和多时段电量电价弹性矩阵，电量变化率与电价变化率之比可描述为电量电价弹性指标m，表达式为：

其中，ΔE为电量变化量；Δe为电价变化量。

此时用m_ff、m_pp、m_gg表示峰、平、谷时段的电量电价自弹性系数，其余元素m_fp、m_fg、m_pf、m_pg、m_gf、m_gp均为交叉弹性系数。基于峰谷分时电价的电量电价弹性矩阵M表达式为:

用下标0、out分别表示施行峰谷分时电价前、后，则多时段需求响应后峰、平、谷3个时段的用电量表达式为：

其中，Δe_f、Δe_p、Δe_g分别为峰、平、谷时段电价变化量，e₀为基本电价，E_0,f、E_0,p、E_0,g分别为施行峰谷电价前的峰、平、谷3个时段的电量，E_out为实施峰谷分时电价后的电量，E₀为实施峰谷分时电价前的电量。

步骤二，建立分时电价下光伏微网运行策略。

光伏微网运行策略如图2所示。其中，设储能电池中仅剩余刚性容量时对应的储能电池荷电状态(state ofcharge，SOC)为数值M。C1至C10分别表示Case1至Case10发生的次数。

Case1：电价高峰时段，光伏对负荷供电，且多余的光伏为储能电池充电；

Case2：若储能电池已充满，多余光伏上网；

Case3：电价低谷时段，储能电池未充满，多余光伏和主网共同为储能电池充电；

Case4：若储能电池已充满，多余光伏上网；

Case5：电价平时段，储能电池无充放，多余光伏上网。

以上Case1至Case5为光伏出力大于负荷的情况。

Case6：电价高峰时段，储能电池SOC高于M，光伏、储能电池和主网共同对负荷供电；

Case7：储能电池不高于M，光伏和主网共同对负荷供电；

Case8：电价低谷时段，储能电池未充满，除光伏和主网共同对负荷供电外，主网对储能电池充电；

Case9：电价低谷时段，储能电池已充满，光伏和主网共同对负荷供电；

Case10：电价平时段，储能电池无充放，光伏和主网共同对负荷供电。

以上Case6至Case10为光伏出力小于负荷的情况。

综合上述分析，分时电价下光伏微网运行策略可概括为：

①夜间电价的低谷时段，从电网购电对储能电池的功率缺额进行弥补；

②上午电价的平时段或高峰时段，储能电池对负荷供电；

③午间光伏出力大于负荷时段，将光伏对负荷供电的剩余电能对储能电池充电；若储能充满，多余光伏上网；

④夜间电价的高峰时段，储能电池对负荷供电，至储能电池荷电状态下降至初始值，放电停止。

步骤三，综合研究光伏出力特性、负荷特性、储能系统特性和分时电价下光伏微网运行策略，分别构建光伏系统收益模型和多目标优化配置模型。

储能系统特性包括储能方式选择和配置方法选择。其中储能方式选择包括储能介质选择和储能容量选择，配置方法选择包括单一储能配置和复合储能配置以及储能优化分析方法。

光伏微网用于满足离网运行时系统期望稳定运行时间要求而配置的储能容量为刚性容量Q_RC，用于促进光伏消纳对应的储能容量为柔性容量Q_FC，则储能系统容量Q_B的表达式为：

Q_B＝Q_RC+Q_FC (5)

光伏系统收益模型由光伏微网投资年成本C_I和光伏微网典型日收益C₀参数表示。

光伏微网投资年成本C_I表达式为：

C_I＝C_PV+C_B+C_C (6)

其中，C_PV为光伏系统年成本，C_B为储能系统年成本，C_C为储能双向变流器模块年成本，Q_PV为用光伏系统容量，I_PV为光伏组件单价，r₀为贴现率，μ(A)为光伏年运行和维护费用，Q_B为储能系统容量，I_B为储能电池单价，R_E为储能电池更换次数，μ(B)为储能年运行和维护费用，P_C为储能双向变流器总功率，I_C为储能变流器单价，μ(C)为储能双向变流器；

光伏微网典型日收益C₀表达式为：

其中，e_d(t)为用户电价，e_e为光伏上网电价，e_i(t)为微网从电网的购电电价，e_pv为光伏补贴电价，P_d(t)为用户负荷功率，P_e(t)为微网上网电能功率，P_i(t)为微网向电网购入电能功率，P_PV(t)为光伏出力，T为典型日时长，△t为时间长度。

多目标优化配置模型包括目标函数和约束条件，所述目标函数包括光伏微网系统的年净利润C_net和光伏消纳率S_PV，所述约束条件包括微网可靠性、储能电池性能和用户购电成本。

光伏微网系统的年净利润C_net表达式为：

C_net＝C₀R－C_I (11)

其中，R为相似日。

光伏消纳率S_PV表达式为：

其中，E_SC为光伏微网中每天负荷消纳的光伏电能，E_FC为柔性容量储能所消纳的光伏电能。

根据上述光伏系统收益模型现选择光伏微网系统的年净利润和光伏消纳率作为目标，求二者的最大化。将微网可靠性、储能电池性能和用户购电成本作为约束条件，其中：

微网可靠性约束表达式为：

Q_B≥Q_RC·min (14)

其中，Q_RC·min为刚性容量最小值；

储能电池性能约束表达式为：

E_b(t+Δt)＝E_b(t)+ε_cP_c(t)Δt·η_c-ε_dcP_dc(t)Δt/η_dc (16)

S_soc(t+Δt)＝[E_b(t)+ΔE_b]/E_rate (17)

D_OD≤0.8 (20)

ε_c+ε_dc＝1,ε_c,ε_dc∈{0,1} (21)

其中，E_b为储能电池容量，P_c、P_dc分别为储能充、放电功率，ε_c、ε_dc分别为储能是否充、放电的二进制数，η_c、η_dc分别为储能充、放电效率，S_soc为储能电池的荷电状态，ΔE_b为储能电池容量变化量，E_rate为储能电池的额定容量，D_OD为储能电池的放电深度；

用户购电成本约束表达式为：

其中，EI为购电成本，e₀为基本电价，T_f、T_p、T_g分别为峰、平、谷时段的时长，e_f、e_p、e_g分别为峰、平、谷时段的电价。

步骤四，综合考虑光伏出力与负荷需求后确定各决策变量的上、下限，依据光伏微网运行策略，采用改进型遗传算法进行求解即可求得光伏-储能容量的最佳配置，求解流程图见图3、图4。

尽管上面结合附图对本发明的功能及工作过程进行了描述，但本发明并不局限于上述的具体功能和工作过程，上述的具体实施方式仅仅是示意性的，而不是限制性的，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之内。

Claims (5)

1.一种大规模分布式电源消纳的光伏-储能容量优化配置策略，其特征在于，包括以下步骤：

步骤一，采用峰谷分时电价反映用户需求侧响应，确立分时电价政策；

步骤二，建立分时电价下光伏微网运行策略；

步骤三，综合研究光伏出力特性、负荷特性、储能系统特性和分时电价下光伏微网运行策略，分别构建光伏系统收益模型和多目标优化配置模型；

步骤四，综合考虑光伏出力与负荷需求后确定各决策变量的上、下限，依据光伏微网运行策略，采用改进型遗传算法进行求解即可求得光伏-储能容量的最佳配置。

2.根据权利要求1所述的大规模分布式电源消纳的光伏-储能容量优化配置策略，其特征在于，步骤二中所述分时电价下光伏微网运行策略：

①夜间电价的低谷时段，从电网购电对储能电池的功率缺额进行弥补；

②上午电价的平时段或高峰时段，储能电池对负荷供电；

③午间光伏出力大于负荷时段，将光伏对负荷供电的剩余电能对储能电池充电；若储能充满，多余光伏上网；

④夜间电价的高峰时段，储能电池对负荷供电，至储能电池荷电状态下降至初始值，放电停止。

3.根据权利要求1所述的大规模分布式电源消纳的光伏-储能容量优化配置策略，其特征在于，步骤三中所述储能系统特性包括储能方式选择和配置方法选择。其中储能方式选择包括储能介质选择和储能容量选择，配置方法选择包括单一储能配置和复合储能配置以及储能优化分析方法。

4.根据权利要求1所述的大规模分布式电源消纳的光伏-储能容量优化配置策略，其特征在于，步骤三中所述光伏系统收益模型由光伏微网投资年成本C_I和光伏微网典型日收益C₀参数表示；

光伏微网投资年成本C_I表达式为：

C_I＝C_PV+C_B+C_C；

其中，C_PV为光伏系统年成本，C_B为储能系统年成本，C_C为储能双向变流器模块年成本，Q_PV为用光伏系统容量，I_PV为光伏组件单价，r₀为贴现率，μ(A)为光伏年运行和维护费用，Q_B为储能系统容量，I_B为储能电池单价，R_E为储能电池更换次数，μ(B)为储能年运行和维护费用，P_C为储能双向变流器总功率，I_C为储能变流器单价，μ(C)为储能双向变流器；

光伏微网典型日收益C₀表达式为：

其中，e_d(t)为用户电价，e_e为光伏上网电价，e_i(t)为微网从电网的购电电价，e_pv为光伏补贴电价，P_d(t)为用户负荷功率，P_e(t)为微网上网电能功率，P_i(t)为微网向电网购入电能功率，P_PV(t)为光伏出力，T为典型日时长，△t为时间长度。

5.根据权利要求1所述的大规模分布式电源消纳的光伏-储能容量优化配置策略，其特征在于，步骤三中所述多目标优化配置模型包括目标函数和约束条件，所述目标函数包括光伏微网系统的年净利润C_net和光伏消纳率S_PV，所述约束条件包括微网可靠性、储能电池性能和用户购电成本；

光伏微网系统的年净利润C_net表达式为：

C_net＝C₀R－C_I

其中，R为相似日。

光伏消纳率S_PV表达式为：

其中，E_SC为光伏微网中每天负荷消纳的光伏电能，E_FC为柔性容量储能所消纳的光伏电能；

微网可靠性约束表达式为：

Q_B≥Q_RC·min

其中，Q_RC·min为刚性容量最小值；

储能电池性能约束表达式为：

E_b(t+Δt)＝E_b(t)+ε_cP_c(t)Δt·η_c-ε_dcP_dc(t)Δt/η_dc

S_soc(t+Δt)＝[E_b(t)+ΔE_b]/E_rate

D_OD≤0.8

ε_c+ε_dc＝1,ε_c,ε_dc∈{0,1}

其中，E_b为储能电池容量，P_c、P_dc分别为储能充、放电功率，ε_c、ε_dc分别为储能是否充、放电的二进制数，η_c、η_dc分别为储能充、放电效率，S_soc为储能电池的荷电状态，ΔE_b为储能电池容量变化量，E_rate为储能电池的额定容量，D_OD为储能电池的放电深度；

用户购电成本约束表达式为：

其中，EI为购电成本，e₀为基本电价，T_f、T_p、T_g分别为峰、平、谷时段的时长，e_f、e_p、e_g分别为峰、平、谷时段的电价。