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
大规模分布式电源消纳的光伏-储能容量优化配置策略 Download PDFInfo
- Publication number
- CN109217364A CN109217364A CN201811052298.5A CN201811052298A CN109217364A CN 109217364 A CN109217364 A CN 109217364A CN 201811052298 A CN201811052298 A CN 201811052298A CN 109217364 A CN109217364 A CN 109217364A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- energy
- power
- microgrid
- storage
- 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.)
- Pending
Links
- 238000004146 energy storage Methods 0.000 claims abstract description 136
- 238000005457 optimization Methods 0.000 claims abstract description 11
- 230000002068 genetic effect Effects 0.000 claims abstract description 4
- 230000005611 electricity Effects 0.000 claims description 56
- 238000000034 method Methods 0.000 claims description 15
- 230000002457 bidirectional effect Effects 0.000 claims description 9
- 239000002131 composite material Substances 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000013433 optimization analysis Methods 0.000 claims description 2
- 230000032258 transport Effects 0.000 claims 1
- 238000006243 chemical reaction Methods 0.000 abstract description 2
- 230000008030 elimination Effects 0.000 abstract description 2
- 238000003379 elimination reaction Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 6
- 238000010248 power generation Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 238000013486 operation strategy Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
- H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
- H02J2310/62—The condition being non-electrical, e.g. temperature
- H02J2310/64—The condition being economic, e.g. tariff based load management
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
- Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
-
- 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
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Photovoltaic Devices (AREA)
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
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CI和光伏微网典型日收益C0参数表示;
光伏微网投资年成本CI表达式为:
CI=CPV+CB+CC;
其中,CPV为光伏系统年成本,CB为储能系统年成本,CC为储能双向变流器模块年成本,QPV为用光伏系统容量,IPV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,QB为储能系统容量,IB为储能电池单价,RE为储能电池更换次数,μ(B)为储能年运行和维护费用,PC为储能双向变流器总功率,IC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,ed(t)为用户电价,ee为光伏上网电价,ei(t)为微网从电网的购电电价,epv为光伏补贴电价,Pd(t)为用户负荷功率,Pe(t)为微网上网电能功率,Pi(t)为微网向电网购入电能功率,PPV(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Cnet和光伏消纳率SPV,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Cnet表达式为:
Cnet=C0R-CI
其中,R为相似日;
光伏消纳率SPV表达式为:
其中,ESC为光伏微网中每天负荷消纳的光伏电能,EFC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:
QB≥QRC·min
其中,QRC·min为刚性容量最小值;
储能电池性能约束表达式为:
Eb(t+Δt)=Eb(t)+εcPc(t)Δt·ηc-εdcPdc(t)Δt/ηdc
Ssoc(t+Δt)=[Eb(t)+ΔEb]/Erate
DOD≤0.8
εc+εdc=1,εc,εdc∈{0,1}
其中,Eb为储能电池容量,Pc、Pdc分别为储能充、放电功率,εc、εdc分别为储能是否充、放电的二进制数,ηc、ηdc分别为储能充、放电效率,Ssoc为储能电池的荷电状态,ΔEb为储能电池容量变化量,Erate为储能电池的额定容量,DOD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,Tf、Tp、Tg分别为峰、平、谷时段的时长,ef、ep、eg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mff、mpp、mgg表示峰、平、谷时段的电量电价自弹性系数,其余元素mfp、mfg、mpf、mpg、mgf、mgp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,Δef、Δep、Δeg分别为峰、平、谷时段电价变化量,e0为基本电价,E0,f、E0,p、E0,g分别为施行峰谷电价前的峰、平、谷3个时段的电量,Eout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QRC,用于促进光伏消纳对应的储能容量为柔性容量QFC,则储能系统容量QB的表达式为:
QB=QRC+QFC (5)
光伏系统收益模型由光伏微网投资年成本CI和光伏微网典型日收益C0参数表示。
光伏微网投资年成本CI表达式为:
CI=CPV+CB+CC (6)
其中,CPV为光伏系统年成本,CB为储能系统年成本,CC为储能双向变流器模块年成本,QPV为用光伏系统容量,IPV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,QB为储能系统容量,IB为储能电池单价,RE为储能电池更换次数,μ(B)为储能年运行和维护费用,PC为储能双向变流器总功率,IC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,ed(t)为用户电价,ee为光伏上网电价,ei(t)为微网从电网的购电电价,epv为光伏补贴电价,Pd(t)为用户负荷功率,Pe(t)为微网上网电能功率,Pi(t)为微网向电网购入电能功率,PPV(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Cnet和光伏消纳率SPV,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Cnet表达式为:
Cnet=C0R-CI (11)
其中,R为相似日。
光伏消纳率SPV表达式为:
其中,ESC为光伏微网中每天负荷消纳的光伏电能,EFC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:
QB≥QRC·min (14)
其中,QRC·min为刚性容量最小值;
储能电池性能约束表达式为:
Eb(t+Δt)=Eb(t)+εcPc(t)Δt·ηc-εdcPdc(t)Δt/ηdc (16)
Ssoc(t+Δt)=[Eb(t)+ΔEb]/Erate (17)
DOD≤0.8 (20)
εc+εdc=1,εc,εdc∈{0,1} (21)
其中,Eb为储能电池容量,Pc、Pdc分别为储能充、放电功率,εc、εdc分别为储能是否充、放电的二进制数,ηc、ηdc分别为储能充、放电效率,Ssoc为储能电池的荷电状态,ΔEb为储能电池容量变化量,Erate为储能电池的额定容量,DOD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,Tf、Tp、Tg分别为峰、平、谷时段的时长,ef、ep、eg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CI和光伏微网典型日收益C0参数表示;
光伏微网投资年成本CI表达式为:
CI=CPV+CB+CC;
其中,CPV为光伏系统年成本,CB为储能系统年成本,CC为储能双向变流器模块年成本,QPV为用光伏系统容量,IPV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,QB为储能系统容量,IB为储能电池单价,RE为储能电池更换次数,μ(B)为储能年运行和维护费用,PC为储能双向变流器总功率,IC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,ed(t)为用户电价,ee为光伏上网电价,ei(t)为微网从电网的购电电价,epv为光伏补贴电价,Pd(t)为用户负荷功率,Pe(t)为微网上网电能功率,Pi(t)为微网向电网购入电能功率,PPV(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Cnet和光伏消纳率SPV,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Cnet表达式为:
Cnet=C0R-CI
其中,R为相似日。
光伏消纳率SPV表达式为:
其中,ESC为光伏微网中每天负荷消纳的光伏电能,EFC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:
QB≥QRC·min
其中,QRC·min为刚性容量最小值;
储能电池性能约束表达式为:
Eb(t+Δt)=Eb(t)+εcPc(t)Δt·ηc-εdcPdc(t)Δt/ηdc
Ssoc(t+Δt)=[Eb(t)+ΔEb]/Erate
DOD≤0.8
εc+εdc=1,εc,εdc∈{0,1}
其中,Eb为储能电池容量,Pc、Pdc分别为储能充、放电功率,εc、εdc分别为储能是否充、放电的二进制数,ηc、ηdc分别为储能充、放电效率,Ssoc为储能电池的荷电状态,ΔEb为储能电池容量变化量,Erate为储能电池的额定容量,DOD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,Tf、Tp、Tg分别为峰、平、谷时段的时长,ef、ep、eg分别为峰、平、谷时段的电价。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811052298.5A CN109217364A (zh) | 2018-09-10 | 2018-09-10 | 大规模分布式电源消纳的光伏-储能容量优化配置策略 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811052298.5A CN109217364A (zh) | 2018-09-10 | 2018-09-10 | 大规模分布式电源消纳的光伏-储能容量优化配置策略 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109217364A true CN109217364A (zh) | 2019-01-15 |
Family
ID=64988025
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811052298.5A Pending CN109217364A (zh) | 2018-09-10 | 2018-09-10 | 大规模分布式电源消纳的光伏-储能容量优化配置策略 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109217364A (zh) |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109713702A (zh) * | 2019-02-27 | 2019-05-03 | 新奥数能科技有限公司 | 一种确定光伏微网的储能容量的方法及装置 |
CN109861277A (zh) * | 2019-01-23 | 2019-06-07 | 国家电网有限公司 | 一种充电站光伏和储能容量的配置方法及系统 |
CN110112783A (zh) * | 2019-05-23 | 2019-08-09 | 深圳市建筑科学研究院股份有限公司 | 光伏蓄电池微电网调度控制方法 |
CN110334927A (zh) * | 2019-06-24 | 2019-10-15 | 深圳供电局有限公司 | 一种综合用能行为评估方法及系统 |
CN110362874A (zh) * | 2019-06-19 | 2019-10-22 | 安徽工程大学 | 一种光伏太阳能充电桩收益最优计算方法 |
CN110518606A (zh) * | 2019-09-18 | 2019-11-29 | 合肥阳光新能源科技有限公司 | 一种储能设备参数配置方法和装置 |
CN110635518A (zh) * | 2019-08-22 | 2019-12-31 | 国网浙江海宁市供电有限公司 | 一种基于光伏高渗透率的源网荷储优化方法 |
CN110717694A (zh) * | 2019-10-28 | 2020-01-21 | 国网河南省电力公司电力科学研究院 | 基于新能源消纳期望值的储能配置随机决策方法及装置 |
CN111311031A (zh) * | 2020-03-27 | 2020-06-19 | 天合光能股份有限公司 | 一种户用光伏储能供电系统的能量管理方法 |
CN111555329A (zh) * | 2020-06-05 | 2020-08-18 | 西安石油大学 | 一种自治型微电网储能容量配置方法 |
CN111952996A (zh) * | 2020-07-16 | 2020-11-17 | 国网江西省电力有限公司南昌供电分公司 | 一种基于经济效益评估的含储能的分布式光伏调峰控制方法 |
CN112365089A (zh) * | 2020-11-26 | 2021-02-12 | 南方电网能源发展研究院有限责任公司 | 考虑分时电价的长时间尺度储能容量配置与控制优化方法 |
CN112564173A (zh) * | 2020-12-15 | 2021-03-26 | 贵州电网有限责任公司 | 一种基于光伏阵列mgp并网的有功功率调节系统 |
CN112651105A (zh) * | 2020-11-30 | 2021-04-13 | 北京华能新锐控制技术有限公司 | 一种基于博弈论的微网容量配置优化方法 |
CN112721706A (zh) * | 2020-12-08 | 2021-04-30 | 国网河南省电力公司经济技术研究院 | 考虑弹性的电动汽车充电站储能系统的容量优化方法 |
CN113193577A (zh) * | 2021-05-06 | 2021-07-30 | 浙江华云信息科技有限公司 | 一种增强用户侧弹性裕度的储能复合功能辅助决策方法 |
CN113507113A (zh) * | 2021-06-28 | 2021-10-15 | 东北电力大学 | 一种基于电价驱动的光储系统控制策略 |
CN113673779A (zh) * | 2021-08-30 | 2021-11-19 | 西安建筑科技大学 | 一种农村家庭新能源系统优化配置方法 |
CN113690878A (zh) * | 2021-08-03 | 2021-11-23 | 北京京能能源技术研究有限责任公司 | 一种微电网三切控制方法 |
WO2022247811A1 (zh) * | 2021-05-25 | 2022-12-01 | 上海玫克生储能科技有限公司 | 光储充电站的储能充放电的控制方法、系统、设备及介质 |
CN115996016A (zh) * | 2023-03-22 | 2023-04-21 | 赫里欧新能源有限公司 | 基于bipv的充发电一体能源存储管理系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105846423A (zh) * | 2016-03-28 | 2016-08-10 | 华北电力大学 | 一种计及需求响应的光伏微电网储能多目标容量配置方法 |
CN107403256A (zh) * | 2017-07-01 | 2017-11-28 | 华中科技大学 | 一种考虑需求响应不确定性的光伏微网电池储能配置方法 |
-
2018
- 2018-09-10 CN CN201811052298.5A patent/CN109217364A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105846423A (zh) * | 2016-03-28 | 2016-08-10 | 华北电力大学 | 一种计及需求响应的光伏微电网储能多目标容量配置方法 |
CN107403256A (zh) * | 2017-07-01 | 2017-11-28 | 华中科技大学 | 一种考虑需求响应不确定性的光伏微网电池储能配置方法 |
Non-Patent Citations (2)
Title |
---|
周楠等: "基于需求响应的光伏微网储能系统多目标容量优化配置", 《电网技术》 * |
周楠等: "考虑多种上网价格规制的光伏微网运营对比研究", 《电力建设》 * |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109861277A (zh) * | 2019-01-23 | 2019-06-07 | 国家电网有限公司 | 一种充电站光伏和储能容量的配置方法及系统 |
CN109713702A (zh) * | 2019-02-27 | 2019-05-03 | 新奥数能科技有限公司 | 一种确定光伏微网的储能容量的方法及装置 |
CN110112783A (zh) * | 2019-05-23 | 2019-08-09 | 深圳市建筑科学研究院股份有限公司 | 光伏蓄电池微电网调度控制方法 |
CN110362874A (zh) * | 2019-06-19 | 2019-10-22 | 安徽工程大学 | 一种光伏太阳能充电桩收益最优计算方法 |
CN110334927A (zh) * | 2019-06-24 | 2019-10-15 | 深圳供电局有限公司 | 一种综合用能行为评估方法及系统 |
CN110635518B (zh) * | 2019-08-22 | 2022-05-24 | 国网浙江海宁市供电有限公司 | 一种基于光伏高渗透率的源网荷储优化方法 |
CN110635518A (zh) * | 2019-08-22 | 2019-12-31 | 国网浙江海宁市供电有限公司 | 一种基于光伏高渗透率的源网荷储优化方法 |
CN110518606B (zh) * | 2019-09-18 | 2021-07-13 | 合肥阳光新能源科技有限公司 | 一种储能设备参数配置方法和装置 |
CN110518606A (zh) * | 2019-09-18 | 2019-11-29 | 合肥阳光新能源科技有限公司 | 一种储能设备参数配置方法和装置 |
CN110717694B (zh) * | 2019-10-28 | 2023-02-03 | 国网河南省电力公司电力科学研究院 | 基于新能源消纳期望值的储能配置随机决策方法及装置 |
CN110717694A (zh) * | 2019-10-28 | 2020-01-21 | 国网河南省电力公司电力科学研究院 | 基于新能源消纳期望值的储能配置随机决策方法及装置 |
CN111311031A (zh) * | 2020-03-27 | 2020-06-19 | 天合光能股份有限公司 | 一种户用光伏储能供电系统的能量管理方法 |
CN111555329A (zh) * | 2020-06-05 | 2020-08-18 | 西安石油大学 | 一种自治型微电网储能容量配置方法 |
CN111555329B (zh) * | 2020-06-05 | 2022-01-28 | 西安石油大学 | 一种自治型微电网储能容量配置方法 |
CN111952996A (zh) * | 2020-07-16 | 2020-11-17 | 国网江西省电力有限公司南昌供电分公司 | 一种基于经济效益评估的含储能的分布式光伏调峰控制方法 |
CN111952996B (zh) * | 2020-07-16 | 2022-05-06 | 国网江西省电力有限公司南昌供电分公司 | 一种基于经济效益评估的含储能的分布式光伏调峰控制方法 |
CN112365089A (zh) * | 2020-11-26 | 2021-02-12 | 南方电网能源发展研究院有限责任公司 | 考虑分时电价的长时间尺度储能容量配置与控制优化方法 |
CN112651105A (zh) * | 2020-11-30 | 2021-04-13 | 北京华能新锐控制技术有限公司 | 一种基于博弈论的微网容量配置优化方法 |
CN112651105B (zh) * | 2020-11-30 | 2023-09-12 | 北京华能新锐控制技术有限公司 | 一种基于博弈论的微网容量配置优化方法 |
CN112721706A (zh) * | 2020-12-08 | 2021-04-30 | 国网河南省电力公司经济技术研究院 | 考虑弹性的电动汽车充电站储能系统的容量优化方法 |
CN112564173B (zh) * | 2020-12-15 | 2023-09-12 | 贵州电网有限责任公司 | 一种基于光伏阵列mgp并网的有功功率调节系统 |
CN112564173A (zh) * | 2020-12-15 | 2021-03-26 | 贵州电网有限责任公司 | 一种基于光伏阵列mgp并网的有功功率调节系统 |
CN113193577A (zh) * | 2021-05-06 | 2021-07-30 | 浙江华云信息科技有限公司 | 一种增强用户侧弹性裕度的储能复合功能辅助决策方法 |
CN113193577B (zh) * | 2021-05-06 | 2022-07-12 | 浙江华云信息科技有限公司 | 一种增强用户侧弹性裕度的储能复合功能辅助决策方法 |
WO2022247811A1 (zh) * | 2021-05-25 | 2022-12-01 | 上海玫克生储能科技有限公司 | 光储充电站的储能充放电的控制方法、系统、设备及介质 |
CN113507113A (zh) * | 2021-06-28 | 2021-10-15 | 东北电力大学 | 一种基于电价驱动的光储系统控制策略 |
CN113690878A (zh) * | 2021-08-03 | 2021-11-23 | 北京京能能源技术研究有限责任公司 | 一种微电网三切控制方法 |
CN113690878B (zh) * | 2021-08-03 | 2023-11-21 | 北京京能能源技术研究有限责任公司 | 一种微电网三切控制方法 |
CN113673779A (zh) * | 2021-08-30 | 2021-11-19 | 西安建筑科技大学 | 一种农村家庭新能源系统优化配置方法 |
CN113673779B (zh) * | 2021-08-30 | 2024-04-30 | 西安建筑科技大学 | 一种农村家庭新能源系统优化配置方法 |
CN115996016A (zh) * | 2023-03-22 | 2023-04-21 | 赫里欧新能源有限公司 | 基于bipv的充发电一体能源存储管理系统及方法 |
CN115996016B (zh) * | 2023-03-22 | 2023-06-13 | 赫里欧新能源有限公司 | 基于bipv的充发电一体能源存储管理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109217364A (zh) | 大规模分布式电源消纳的光伏-储能容量优化配置策略 | |
Li | Optimal sizing of grid-connected photovoltaic battery systems for residential houses in Australia | |
CN107301470B (zh) | 一种配电网扩展规划与光储选址定容的双层优化方法 | |
CN105846423B (zh) | 一种计及需求响应的光伏微电网储能多目标容量配置方法 | |
CN105205552B (zh) | 一种独立新能源混合发电系统优化规划方法 | |
CN109740786A (zh) | 一种多端柔性互联配电网规划方法及系统 | |
CN107578182A (zh) | 基于需求侧响应下光储微电网运行控制方法 | |
CN109149651A (zh) | 一种计及调压辅助服务收益的光储系统优化运行方法 | |
CN107370172B (zh) | 高渗透率光伏配网中电池储能系统综合运行控制系统及方法 | |
CN113988444A (zh) | 一种光储系统的电费优化控制系统及方法 | |
CN110209135A (zh) | 基于微型热电联产多时间尺度的家庭能源优化调度方法 | |
CN104915725A (zh) | 计及实时电价的微网用户群电能优化互济交易方法 | |
Rossi et al. | Real-time optimization of the battery banks lifetime in hybrid residential electrical systems | |
CN112734116A (zh) | 一种含分布式储能的主动配电网优化调度方法 | |
CN109494813A (zh) | 一种电力调度方法、电子设备及存储介质 | |
CN105574681A (zh) | 一种多时间尺度社区能源局域网能量调度方法 | |
CN108599146A (zh) | 考虑阶梯电价的家庭光伏和电池储能系统容量配置方法 | |
CN110417037A (zh) | 一种光储联合系统容量配置方法 | |
CN108494014A (zh) | 一种混合能源热电联产经济性优化管理方法 | |
Hennessy | European town microgrid and energy storage application study | |
CN109286186A (zh) | 一种主动配电网优化重构方法 | |
CN115622104A (zh) | 一种有源配电网移动储能规划配置方法 | |
CN115841216A (zh) | 计及分布式光伏消纳率的配电网储能优化配置方法 | |
Kasturi et al. | Optimal PV & BES units integration to enhance power distribution network Performance | |
CN113869593A (zh) | 基于综合需求响应的园区综合能源系统多阶段规划方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190115 |