CN109492824A - 考虑源-网-荷多方利益的分散式风储系统优化方法 - Google Patents
考虑源-网-荷多方利益的分散式风储系统优化方法 Download PDFInfo
- Publication number
- CN109492824A CN109492824A CN201811430446.2A CN201811430446A CN109492824A CN 109492824 A CN109492824 A CN 109492824A CN 201811430446 A CN201811430446 A CN 201811430446A CN 109492824 A CN109492824 A CN 109492824A
- Authority
- CN
- China
- Prior art keywords
- power
- grid
- energy
- storage system
- blower
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000005457 optimization Methods 0.000 title claims abstract description 38
- 238000009826 distribution Methods 0.000 claims abstract description 78
- 230000004044 response Effects 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims abstract description 9
- 230000005611 electricity Effects 0.000 claims description 91
- 238000004146 energy storage Methods 0.000 claims description 72
- 238000012546 transfer Methods 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 16
- 239000003344 environmental pollutant Substances 0.000 claims description 14
- 231100000719 pollutant Toxicity 0.000 claims description 14
- 238000012423 maintenance Methods 0.000 claims description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 9
- 230000002068 genetic effect Effects 0.000 claims description 8
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 claims description 6
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 6
- 238000005430 electron energy loss spectroscopy Methods 0.000 claims description 6
- 238000010348 incorporation Methods 0.000 claims description 6
- 230000035699 permeability Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000001939 inductive effect Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 239000002253 acid Substances 0.000 claims description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 claims description 3
- 239000001569 carbon dioxide Substances 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000029087 digestion Effects 0.000 claims description 3
- 238000011234 economic evaluation Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 claims 1
- 230000008901 benefit Effects 0.000 description 6
- 238000009434 installation Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001154 acute effect Effects 0.000 description 1
- 238000004458 analytical method Methods 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
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 231100000219 mutagenic Toxicity 0.000 description 1
- 230000003505 mutagenic effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (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)
- Educational Administration (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种考虑源‑网‑荷多方利益的分散式风储系统优化方法,将风储系统并网前后配电网运营商的运行成本差值最大作为其优化目标;将分布式电源投资商的内部收益率最大作为其目标;将用户实行需求侧响应后的收益最大作为其目标;基于配电网运营商、分布式电源投资商和用户三方利益主体的多目标优化规划模型,采用分散式风储系统调度策略,并充分考虑风储系统无功调节能力的情况下,使上述电网运营商、分布式电源投资商和用户的利益进行优化。本发明在分布式电源规划过程中,考虑源‑网‑荷三方利益体的规划方案更具有实际工程意义,能提高分布式电源投资商的收益,增大可再生能源利用率。
Description
技术领域
本发明涉及一种考虑源-网-荷多方利益的分散式风储系统优化方法。
背景技术
随着分布式电源和多样性负荷的接入,配电网由“无源”变为“有源”,潮流由“单向”变为“多向”,呈现出愈加复杂的“多源性”特征,通过对分布式电源(DG)、储能单元(ESS)的优化规划和调控,能够实现配电网中源-网-荷的协调运行,充分消纳可再生能源。近年我国集中式风电爆发增长,‘弃风限电’、‘补贴缺口’问题日益尖锐,分散式风电被认为是风电产业的补充,逐渐受到越来越多人的的关注。分散风电通常指位于用电负荷中心附近,装机容量一般在6—50MW之间的风机(WT)单元,单个项目总装机容量不超过50MW,接入电压等级为35kV及以下电压等级,且不允许向110kV(66kV)及以上电压等级送电。不同于传统集中式风电场,分散式风电具有装机容量较小,占地面积小,建设周期短,选址灵活,低压接入,就地消纳等特点,通过合理优化分散式风电的接入位置和容量,可以明显降低电能损耗,改善电网末端的电能质量。同时,配置储能单元可以有效地实现需求侧管理,削峰填谷,平滑负荷,提高设备利用率,改善电能质量,维持系统稳定。
针对配电网中分布式电源和储能单元的优化规划,现有的文献考虑了需求侧响应和配电网网络重构,以年度综合成本最小作为优化目标,以电网收益最大化作为优化目标,提出了基于短期最优潮流算法的储能系统规划方法,提出了分布式电源和储能系统的双层规划方法,第一层采用损耗灵敏度系数确定分布式电源位置,第二层综合考虑了系统收益、电压稳定性和网损,构建了多目标优化模型求解分布式电源容量。但以上文献均未考虑源-网-荷多方利益,将是其作为一个利益整体进行优化,不具有实际工程参考意义。以配电网公司和分布式电源投资商利益同时最大化为优化目标,构建了多目标最优潮流优化模型,同时考虑分布式电源投资商收益和配电网公司成本,构建了两步最优规划模型,但未对分布式电源的容量进行优化,现有文献开始探讨了在分布式电源规划过程中存在的不同利益主体,但未考虑需求侧响应,未将用户主动参与配电网运行的行为纳入规划过程中,忽略了用户这一利益体。
风电输出功率受风速影响呈现不确定性,将直接影响系统潮流,进而影响系统功率控制和电压调节。现有文献提出了微电网规划和运行联合优化模型;针对微电网能量管理,提出了一种新的双层协调控制方法,但其在控制策略中都忽略了分布式电源并网点电压问题,特别是当风电输出功率较大时,可能导致配电网潮流倒送,并网点电压抬高至超过电网允许范围的情况。也提出了一种基于多类型分布式电源渗透率的优化模型,并考虑了电压约束,针对接入分布式电源的配电网系统,提出了一种电压性能评估方法,并采用配置静态无功发生器的方式来调节电压。实际上,风机变流器和储能功率控制系统(PCS)均具有无功输出能力,鉴于国家缺乏相关强制规定,造成了我国绝大部分风电机组的无功容量无法被有效利用,特别是针对分散式并网的风储系统,利用风机变流器和储能PCS的无功调节能力即可满足系统电压要求。
发明内容
本发明为解决上述问题,提供一种考虑源-网-荷多方利益的分散式风储系统优化方法,针对中压配电网中的分散式风储系统优化规划问题,考虑了需求侧响应以及在风储系统优化规划过程中存在的不同利益主体,并针对可再生能源并网点电压问题,提出了考虑风机变流器和储能PCS无功调节能力的风储调度策略,所提方法将风储系统的配置容量和安装位置作为优化变量,同时考虑到目前尚未形成专门针对分散式风电的上网电价机制问题,将风电上网电价作为变量进行优化,以得到具有实际工程意义的分散式风储系统并网规划方案。
为实现上述目的,本发明提出的考虑源-网-荷多方利益的分散式风储系统优化方法,其特征是:
(一)配电网运营商:负责电网的稳定运行,需保证系统电能质量和供电可靠性;最大化配电网运营商的收益,我们将风储系统并网前后配电网运营商的运行成本差值最大作为其优化目标;
(二)分布式电源投资商:负责投资分散式风储系统;将分布式电源投资商的内部收益率最大作为其目标;
(三)用户:希望得到可靠的电力供应与稳定的电能质量,将用户实行需求侧响应后的收益最大作为其目标;
基于配电网运营商、分布式电源投资商和用户三方利益主体的多目标优化规划模型,旨在分布式电源规划过程中充分考虑不同利益体的博弈状态,获得最优PARETO前沿,为实际工程中提供有效参考,多目标模型如下:
电网运营商
分布式电源投资商f2:max(IRRWT) (2)
用户
式中,SDNO,y表示分散式风储系统并网前后第y年配电网运营商运行成本的差值;IRRWT为分布式电源投资商的内部收益率;Cresp,y为用户侧在第y年的需求侧响应收益;Y是规划周期年数;αy为第y年年值的折现系数,αy=1/(1+i)y,i为第y年的利率;
采用分散式风储系统调度策略,并充分考虑风储系统无功调节能力的情况下,使上述电网运营商、分布式电源投资商和用户的利益进行优化。
对于配电网运营商来说,分散式风储系统并网前后在第y年产生的配电网运行成本分别为CDNO_uw,y和CDNO,y,其分别包括向主网购电成本Cgrid_uw,y,Cgrid,y,向DG购电成本CDG,y,需求侧响应成本Cresp_uw,y,Cresp,y,污染物排放Cemis_uw,y,Cemis,y,和线路及变电站升级改造成本Cdef_uw,y,Cdef,y,表达式为:
SDNO,y=CDNO_uw,y-CDNO,y(4)
CDNO_uwDG,y=Cgrid_uw,y+Cresp_uw,y+Cemis_uw,y+Cdef_uw,y(5)
CDNO_wDG,y=CDG,y+Cgrid,y+Cresp,y+Cemis,y+Cdef,y(6)
(1.1)CDG,y
分散式风储系统采用专线并网的运行模式,优先使用风电供应区域负荷,风电不足部分由配电网运营商向主网购电;为提高可再生能源渗透率,由分布式电源投资商配置储能单元的运行方式,CDG,y的表达式如下:
式中,ξDG为风电上网电价,PDG,y,s,t为第y年s个场景下第t小时的风机出力,PESSD,y,s,t为储能单元的放电功率,PDGcur,y,s,t为风机因调峰导致的削减电量;λs为第s个场景的天数;
(1.2)Cgrid,y
为保证主网安全稳定运行,分散式风电不允许向主网倒送,因此规定配网向主网的购电功率需大于零;
式中,ξgrid,t为向主网购电电价,Pgrid,y,t,s为配网向主网购电量;
(1.3)Cresp,y
需求侧响应是针对电力市场价格信号或激励机制,用户改变固有电力消费模式的供需互动形式;需求侧响应考虑通过改变可转移负荷使用时间,有效引导用户用电行为与可再生能源出力更贴近,保障在区域供电均衡的条件下,负荷资源得到最优配置,用户方和售电方实现收益共享;表达式如下:
式中,ξres为转移单位电量负荷时的价格补偿系数,包括分时电价差价和政府补贴;Lout,y,t,s为转移负荷量,Lout,y,t,s为当前负荷乘以转移负荷比例αout,y,t,s;
(1.4)Cemis,y
不接入分散式风储系统时,区域配电网的电量全部由传统火电厂供应,化石能源在燃烧过程中会产生大量的氮氧化物、二氧化硫和二氧化碳等污染物,清洁能源的并网能够有效减少传统火电厂发电量,进而降低污染物排放量,因此用Cemis表征污染物排放惩罚成本:
其中,ξemis为单位电量的环保惩罚系数;
(1.5)Cdef,y
随着负荷的增长,配电网线路将因载流量或电流限制而面临改造升级甚至是扩建,而分布式电源的接入能够有效延缓配电网的改造升级;因改造升级的线路寿命可能要长于规划周期,本申请通过将第y年的改造升级成本通过公式转化为其寿命周期内的年等值费用,并采用贴现系数求取投资现值;
Ldef,y,s,l为第l条线路需改造的长度,ξdef为第l条线路单位线路长度的升级改造成本,Tdef,y,s为变压器的改造成本,al,x为第l条线路和变压器的等年值转化系数,xl和xt分别为线路和变压器的寿命周期;
Cgrid_uw,y,Cemis_uw,y和Cdef_uw,y分别为分散式风储系统并网前向主网购电成本、污染物排放成本和线路及变电站升级改造成本,Cgrid_uw,y、Cemis_uw,y和Cdef_uw,y计算公式与Cgrid,y,Cemis,y和Cdef,y相同,只是代入的参数数值为并网后的相应参数数值。
对于分布式电源投资商来说,内部收益率是指项目净现值等于零时的折现率,计算公式如下:
其中IWT和IESS分别是分散式风机和储能单元的初始投资费用,IESS包括储能电池投资费用IBAT和PCS投资费用IPCS;SDG,y为分布式电源投资商第y年现金总流入与流出的差值,公式如下:
SDG,y=CDG,y-Cdr,y-Cdm,y-BdT(14)
Cdr,y和Cdm,y分别为WT和ESS第y年替换和维护费用,其中Cdm,y包括风机维护费用Cdm_WT,y和储能单元维护费用Cdm_BAT,y,Cdm_BAT,y为IESS与维护系数αdm_ESS的乘积;BdT代表设备残值,产生于经济评估寿命的最后一年,其余年份为零。
考虑无功调节能力的分散式风储系统的调度策略,分散式风机采取专线接入10kV配电网中,分散式风机采用永磁直驱风机,其可控功率因数变化范围在-0.95—0.95之间,分布式电源投资商在投资风机的同时配置储能单元,储能单元包含蓄电池和PCS,蓄电池采用铅酸电池;
分散式风储系统均由分布式运营商投资,在每一个步长内,当风机总发电量PDG,y,s,t超过区域配电网的消纳能力时,多余风电量按照储能容量比给各风机配置的储能单元充电;储能单元采用低储高发的运行模式,当风机出力较大,并网点电压越限时启用调压策略,当多个并网点电压同时越限时,同时采取电压调节策略,具体策略如下:
I.并网点电压越上限
1)调节储能单元充放电功率,若此时处于放电状态,则减小其放电功率PESSD,y,s,t至电压水平恢复正常,若放电功率减小为零时电压仍越上限,转2);若储能处于充电状态,则增大其充电功率PESS,y,s,t至电压水平恢复正常,若充电功率达到最大时电压仍越上限,转3);
2)由风机给储能单元充电至电压水平恢复正常,若储能SOC达到最大值电压仍越上限,转下述步骤3);
3)按步长调节储能PCS无功输出量,使其发出感性无功直至电压水平恢复正常,若储能PCS无功输出达到最大值时电压仍越上限,则转4);
4)判断风机是否工作于额定状态(即是否具备无功调节能力),采用风机变流器的无功调节能力调节电压,至电压水平恢复正常,若风机已不具备无功调节能力或其无功调节能力达到最大时电压仍越上限,转5);
5)削减风电上网电量至电压水平恢复正常,多余风电作为弃电量PDGcur,y,s,t;
II并网点电压越下限
采用风机无功调节能力调节电压,至电压水平恢复正常。
对于用户来说,所述需求侧响应包括分时电价和负荷转移;峰谷分时电价推行的对象包括工业、商业及居民生活用电以及大中小电力用户;负荷转移主要针对工业大用户,在不影响整体生产流程的前提下在一定时间范围内移动用电负荷,能够减小电费支出并获得政府补贴;对于可转移负荷,规定一天24h内的转出负荷需等于转入负荷,转出负荷小于负荷总负荷的30%,转移持续时间最少为1小时;将风机的数量、储能单元的容量、分散式风储系统的接入位置以及配电网运行商和分布式电源投资商之间的风电上网协议电价作为优化变量,并采用多目标遗传算法NSGA-II求解提出的多目标优化模型。
本发明针对分散式风储系统,提出了考虑需求侧响应的基于源-网-荷三方利益的多目标优化规划方法,并针对可再生能源并网点电压问题,提出了考虑风机变流器和储能PCS无功调节能力的分散式风储系统调度策略。通过本发明所提出的基于源-网-荷三方利益的多目标优化规划方法和风储系统调度策略,可得到分散式风储系统的配置节点和配置容量,以及配电网运营商和分布式电源投资商之间的风电上网协议电价。所提的多目标优化模型通过多目标遗传算法求解得到Pareto前沿解集,每个解代表三方利益体不同的盈亏状态,能够为配电网运营商、分布式电源投资商以及用户之间的磋商提供有效参考,具有实际工程意义。因而本发明具有以下优点:在分布式电源规划过程中,存在配电网运营商、分布式电源投资商和用户三方利益体,其利益相互冲突,考虑源-网-荷三方利益体的规划方案更具有实际工程意义。当风机并网点出现电压越限时,风机变流器和储能单元的无功调节能力能够有效减小风机有功削减电量,提高分布式电源投资商的收益,增大可再生能源利用率。需求侧响应的实施通过改善负荷曲线,能够同时提高配电网运营商和分布式电源投资商的利益,并使用户通过峰谷电价差和政府补贴获取收益。
附图说明
图1是本发明中一种实施例的10kV配电网系统架构图;
图2是图1实施例中一个场景下的典型日的电压特性曲线图;
图3是图1实施例中一个场景下的典型日的功率曲线图。
具体实施方式
本发明一种考虑源-网-荷多方利益的分散式风储系统优化方法,其特征是:
(一)配电网运营商:负责电网的稳定运行,需保证系统电能质量和供电可靠性。配电网中接入分布式电源能够降低电网运营商的污染物排放惩罚成本,延缓线路和变电站的改造升级,但大量的风电上网将影响电力系统的稳定运行,尤其是并网点电压可能因潮流逆流而出现越上限的情况,因此电网运营商同时需要限制风电的上网电量以保证系统电能质量。为得到风储系统的最优配置方案,最大化配电网运营商的收益,我们将风储系统并网前后配电网运营商的运行成本差值最大作为其优化目标。
(二)分布式电源投资商:负责投资分散式风储系统。对于分布式电源投资商来说,更多的上网电量意味着更多的收益,但是大量的不可调度电能将影响电网稳定运行,即风储系统的上网电量将受到系统运行约束的限制。分布式电源投资商关注项目的投资回报率和项目操作过程中的抗风险能力,相比收益现值,内部收益率能够从动态的角度直接反映投资项目的实际收益水平,是反映项目盈利能力的重要指标,因此将分布式电源投资商的内部收益率最大作为其目标;
(三)用户:希望得到可靠的电力供应与稳定的电能质量,同时在不影响自己生产生活条件的前提下,能够在政府的激励政策下通过转移在系统高峰时的负荷主动参与配电网调度运行,通过分时电价降低电费成本,获取政府补贴。因此将用户实行需求侧响应后的收益最大作为其目标;
基于配电网运营商、分布式电源投资商和用户三方利益主体的多目标优化规划模型,旨在分布式电源规划过程中充分考虑不同利益体的博弈状态,获得最优PARETO前沿,为实际工程中提供有效参考,多目标模型如下:
电网运营商
分布式电源投资商f2:max(IRRWT) (2)
用户
式中,SDNO,y表示分散式风储系统并网前后第y年配电网运营商运行成本的差值;IRRWT为分布式电源投资商的内部收益率;Cresp,y为用户侧在第y年的需求侧响应收益;Y是规划周期年数;αy为第y年年值的折现系数,αy=1/(1+i)y,i为第y年的利率;
采用分散式风储系统调度策略,并充分考虑风储系统无功调节能力的情况下,使上述电网运营商、分布式电源投资商和用户的利益进行优化。
对于配电网运营商来说,分散式风储系统并网前后在第y年产生的配电网运行成本分别为CDNO_uw,y和CDNO,y,其分别包括向主网购电成本Cgrid_uw,y,Cgrid,y,向DG购电成本CDG,y,需求侧响应成本Cresp_uw,y,Cresp,y,污染物排放Cemis_uw,y,Cemis,y,和线路及变电站升级改造成本Cdef_uw,y,Cdef,y,表达式为:
SDNO,y=CDNO_uw,y-CDNO,y (4)
CDNO_uwDG,y=Cgrid_uw,y+Cresp_uw,y+Cemis_uw,y+Cdef_uw,y (5)
CDNO_wDG,y=CDG,y+Cgrid,y+Cresp,y+Cemis,y+Cdef,y (6)
(1.1)CDG,y
分散式风储系统采用专线并网的运行模式,优先使用风电供应区域负荷,风电不足部分由配电网运营商向主网购电;为提高可再生能源渗透率,由分布式电源投资商配置储能单元的运行方式,CDG,y的表达式如下:
式中,ξDG为风电上网电价,PDG,y,s,t为第y年s个场景下第t小时的风机出力,PESSD,y,s,t为储能单元的放电功率,PDGcur,y,s,t为风机因调峰导致的削减电量;λs为第s个场景的天数;
(1.2)Cgrid,y
为保证主网安全稳定运行,分散式风电不允许向主网倒送,因此规定配网向主网的购电功率需大于零;
式中,ξgrid,t为向主网购电电价,Pgrid,y,t,s为配网向主网购电量;
(1.3)Cresp,y
需求侧响应是针对电力市场价格信号或激励机制,用户改变固有电力消费模式的供需互动形式;需求侧响应考虑通过改变可转移负荷使用时间,有效引导用户用电行为与可再生能源出力更贴近,保障在区域供电均衡的条件下,负荷资源得到最优配置,用户方和售电方实现收益共享;表达式如下:
式中,ξres为转移单位电量负荷时的价格补偿系数,包括分时电价差价和政府补贴;Lout,y,t,s为转移负荷量,Lout,y,t,s为当前负荷乘以转移负荷比例αout,y,t,s;
(1.4)Cemis,y
不接入分散式风储系统时,区域配电网的电量全部由传统火电厂供应,化石能源在燃烧过程中会产生大量的氮氧化物、二氧化硫和二氧化碳等污染物,清洁能源的并网能够有效减少传统火电厂发电量,进而降低污染物排放量,因此用Cemis表征污染物排放惩罚成本:
其中,ξemis为单位电量的环保惩罚系数;
(1.5)Cdef,y
随着负荷的增长,配电网线路将因载流量或电流限制而面临改造升级甚至是扩建,而分布式电源的接入能够有效延缓配电网的改造升级;因改造升级的线路寿命可能要长于规划周期,本申请通过将第y年的改造升级成本通过公式转化为其寿命周期内的年等值费用,并采用贴现系数求取投资现值;
Ldef,y,s,l为第l条线路需改造的长度,ξdef为第l条线路单位线路长度的升级改造成本,Tdef,y,s为变压器的改造成本,al,x为第l条线路和变压器的等年值转化系数,xl和xt分别为线路和变压器的寿命周期;
Cgrid_uw,y,Cemis_uw,y和Cdef_uw,y分别为分散式风储系统并网前向主网购电成本、污染物排放成本和线路及变电站升级改造成本,Cgrid_uw,y、Cemis_uw,y和Cdef_uw,y计算公式与Cgrid,y,Cemis,y和Cdef,y相同,只是代入的参数数值为并网后的相应参数数值。
对于分布式电源投资商来说,内部收益率是指项目净现值等于零时的折现率,计算公式如下:
其中IWT和IESS分别是分散式风机和储能单元的初始投资费用,IESS包括储能电池投资费用IBAT和PCS投资费用IPCS;SDG,y为分布式电源投资商第y年现金总流入与流出的差值,公式如下:
SDG,y=CDG,y-Cdr,y-Cdm,y-BdT (14)
Cdr,y和Cdm,y分别为WT和ESS第y年替换和维护费用,其中Cdm,y包括风机维护费用Cdm_WT,y和储能单元维护费用Cdm_BAT,y,Cdm_BAT,y为IESS与维护系数αdm_ESS的乘积;BdT代表设备残值,产生于经济评估寿命的最后一年,其余年份为零。
考虑无功调节能力的分散式风储系统的调度策略,分散式风机采取专线接入10kV配电网中,在用户用电高峰期,配置的风电可能无法完全满足用户的用电需求,而在用户的用电低谷期,可能又因风电过剩造成弃风,此时配置储能单元可以有效提供电量调剂余缺。需要注意的是,当风机有功出力超过一定值时,风机并网点由受端变成送端,其出力变化将影响并网点无功分布和电压水平,特别是当配电网轻载而风机出力较高时,风机并网点处容易出现过电压。基于以上情况,储能单元的配置不仅能够使不可调度的间歇性能源出力平稳,提高风能利用率和系统运行稳定性,实现削峰填谷功能;同时利用储能PCS的无功调度能力,能够有效调节风机并网点电压,当并网点因风机出力较大而越上限时,储能单元无功调节可以有效避免风机有功电量的削减。因此,储能在削峰和调压两方面的作用均能提高风机上网电量,若由分布式电源投资商在投资风机的同时配置储能单元,将能增大可再生能源渗透率,并提高其经济效益;本申请采用的是永磁直驱风机,其可控功率因数变化范围在-0.95—0.95之间,具体风机模型参见现有技术中的相关文献。储能单元包含蓄电池和PCS,本申请采用铅酸电池,并用简化模型描述蓄电池特性、时间耦合特性以及寿命特性描述参考现有技术的相关文献。
风机变流器具有无功调节能力,鉴于国家无相关强制规定,我国绝大部分风电机组的无功容量没有被有效利用。目前集中式风电场要求无功功率电压控制系统(包括风机、静态无功补偿装置、电容器/电抗器等)接收无功电压指令,进行优化、协调分配并发出控制指令,满足电力系统电压调节要求,但是对于分散接入的风机,因其接入电压等级低、配置容量小的特点,比起配置大量无功补偿设备,利用风机自身变流器和储能PCS的无功调节能力将具有更好的调节效果和经济效益。因此本申请针对配电网中的分散式风储系统,提出了考虑风机变流器和储能PCS无功调节能力的分散式风储系统调度策略,在改善电压质量、降低网损的同时,能够节省额外的无功补偿装置投入成本,分散式风储系统均由分布式运营商投资,考虑到同一配网区域风速差异性较小,为保障大电网运行的可靠性,在每一个步长内,步长指的是设定的一段时间,当风机总发电量PDG,y,s,t超过区域配电网的消纳能力时,多余风电量按照储能容量比给各风机配置的储能单元充电。此外,为提高分布式电源投资商的收益,在分时电价下,储能单元采用低储高发的运行模式,即电价低谷时段由主网给储能充电,高峰时刻储能放电,实现削峰填谷的同时利用峰谷差价最大化分布式电源投资商利益。当风机出力较大,并网点电压越限时启用调压策略,需要注意的是,本申请考虑了多处分散式风机配置,当多个并网点电压同时越限时,同时采取电压调节策略,具体策略如下:
I.并网点电压越上限
1)调节储能单元充放电功率,若此时处于放电状态,则减小其放电功率PESSD,y,s,t至电压水平恢复正常,若放电功率减小为零时电压仍越上限,转2);若储能处于充电状态,则增大其充电功率PESS,y,s,t至电压水平恢复正常,若充电功率达到最大时电压仍越上限,转3);
2)由风机给储能单元充电至电压水平恢复正常,若储能SOC达到最大值电压仍越上限,转下述步骤3);
3)按步长调节储能PCS无功输出量,使其发出感性无功直至电压水平恢复正常,若储能PCS无功输出达到最大值时电压仍越上限,则转4);
4)判断风机是否工作于额定状态(即是否具备无功调节能力),采用风机变流器的无功调节能力调节电压,至电压水平恢复正常,若风机已不具备无功调节能力或其无功调节能力达到最大时电压仍越上限,转5);
5)削减风电上网电量至电压水平恢复正常,多余风电作为弃电量PDGcur,y,s,t;
II并网点电压越下限
采用风机无功调节能力调节电压,至电压水平恢复正常。
对于用户来说,本申请提出的需求侧响应包括分时电价和负荷转移。峰谷分时电价推行的对象比较广泛,工业、商业及居民生活用电以及大中小电力用户均可采用;负荷转移主要针对工业大用户,在不影响整体生产流程的前提下在一定时间范围内移动用电负荷,能够减小电费支出并获得政府补贴。对于可转移负荷,规定一天24h内的转出负荷需等于转入负荷,转出负荷小于负荷总负荷的30%,转移持续时间最少为1小时。在本申请提出的优化模型中,将风机的数量、储能单元的容量(包括电池容量和PCS容量)、分散式风储系统的接入位置以及配电网运行商和分布式电源投资商之间的风电上网协议电价作为优化变量,并采用广泛使用的多目标遗传算法NSGA-II求解提出的多目标优化模型,这种多目标遗传算法NSGA-II求解提出的多目标优化模型的具体内容以及算法皆为现有技术,在此不再详细赘述。
下面结合附图和下述的实施例对上述方法进行进一步的描述。
实施例:
某地区10kV配电网系统架构图如图1所示,图中#6,#32,#39,#24,#17节点为风储系统候选节点,分别标记为候选节点#1-5,我们将选择其中的三个节点配置不同容量的分散式风储系统。当地最大负荷为20.0043MW,按照2%的速率增长,功率因数为0.9875。风机和储能单元的物理和经济参数如表1和表2所示,分时电价信息如表3所示,配电网运营商和分布式电源投资商之间的负荷转移协议如表4所示。规划周期为10年,仿真步长为1小时。为了避免NSGA-II求解过程中陷入局部最优,遗传算法的交叉因子、变异因子和遗传代数分别取0.8,0.1和250,均高于普遍使用的参数设置,同时将优化过程重复执行多次以避免陷入局部最优。
表1风机的物理和经济参数
表2储能单元的物理和经济参数
表3分时电价信息
表4负荷转移协议
分散式风储系统配置方案
从多目标遗传算法求解得到的Pareto前沿解集中选取3个典型解,如表5所示。由表可知,尽管配电网运营商和分布式电源投资商之间的协议电价要高于配电网向主网购电电价,但风机和储能单元的接入以及需求侧响应的实施仍然能够使配电网运营商,分布式电源投资商和用户三方同时受益。此外,在配电网运营商和分布式电源投资商之间存在利益博弈,即更高的风电上网电价会增加分布式电源投资商的收入,但将增大配电网运营商的运行成本。分散式风储系统的最佳接入节点为候选节点#3、#4、#5,均靠近于馈线末端和系统中负荷较重的节点,这样能够改善系统潮流,有效减小馈线上的网损成本,提高可再生能源利用率。多目标优化模型求解得到的是一个解集,每个解代表三方利益体不同的盈亏状态,能够为不同利益体之间的磋商提供有效参考。
表5规划方案
不同调度策略比较
为了验证文中所提方法的有效性,我们将表5的方案1在三种不同场景下进行对比分析:1)采用本申请所提的调度策略;2)不考虑需求侧响应的调度策略;3)不考虑电压调节的调度策略,对比结果如表6所示。
表6不同调度策略场景下的方案比较
如表6所示,不采用需求侧响应策略时,因负荷曲线无法得到有效改善,在全寿命周期内风机的上网电量下降了15758MWh,相应地,分布式电源投资商的内部收益率从4.87%下降至4.04%;同时,配电网运营商的运行成本上升了0.89亿元,因为在负荷高峰时刻其不得不向主网和分布式电源投资商购买更多的电量;此外,工业大用户不参与需求侧响应,也无法得到高达0.59亿元的电费差价和政府补贴。不采用电压调节策略时,风机变流器和储能单元不输出无功电量调节并网点电压,导致风电的削减电量增大了1.6905MWh,从而导致分布式电源投资商的内部收益率从4.87%下降至3.17%。为了进一步论证文中所提方法的有效性,我们在采用所提策略的场景下选取一个典型日,其电压特性曲线和功率曲线如图2和图3所示。
从图2可以看出,在第1-7,11,17-21和23-24小时因风速较大出现了风机并网点电压越限的情况,结合图3可以看出,采用所提的分散式风储调度策略,通过在第4-7小时降低储能单元的放电量,第1-7、18-20小时中PCS发出感性无功,能够有效减少风电的削减电量。其中,在第3小时和第5-6小时中,因储能PCS无功输出量达到上限,风机变流器发出无功来调节并网点电压。因此,通过采取本申请所提的电压调节措施,有效降低了风电弃电量,提高了可再生能源的利用率。
上述虽然结合附图对本发明的具体实施方式和有效性进行了描述和验证,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (5)
1.一种考虑源-网-荷多方利益的分散式风储系统优化方法,其特征是:
(一)配电网运营商:负责电网的稳定运行,需保证系统电能质量和供电可靠性;最大化配电网运营商的收益,我们将风储系统并网前后配电网运营商的运行成本差值最大作为其优化目标;
(二)分布式电源投资商:负责投资分散式风储系统;将分布式电源投资商的内部收益率最大作为其目标;
(三)用户:希望得到可靠的电力供应与稳定的电能质量,将用户实行需求侧响应后的收益最大作为其目标;
基于配电网运营商、分布式电源投资商和用户三方利益主体的多目标优化规划模型,旨在分布式电源规划过程中充分考虑不同利益体的博弈状态,获得最优PARETO前沿,为实际工程中提供有效参考,多目标模型如下:
电网运营商
分布式电源投资商f2:max(IRRWT) (2)
用户
式中,SDNO,y表示分散式风储系统并网前后第y年配电网运营商运行成本的差值;IRRWT为分布式电源投资商的内部收益率;Cresp,y为用户侧在第y年的需求侧响应收益;Y是规划周期年数;αy为第y年年值的折现系数,αy=1/(1+i)y,i为第y年的利率;
采用分散式风储系统调度策略,并充分考虑风储系统无功调节能力的情况下,使上述电网运营商、分布式电源投资商和用户的利益进行优化。
2.如权利要求1所述的考虑源-网-荷多方利益的分散式风储系统优化方法,其特征是,对于配电网运营商来说,分散式风储系统并网前后在第y年产生的配电网运行成本分别为CDNO_uw,y和CDNO,y,其分别包括向主网购电成本Cgrid_uw,y,Cgrid,y,向DG购电成本CDG,y,需求侧响应成本Cresp_uw,y,Cresp,y,污染物排放Cemis_uw,y,Cemis,y,和线路及变电站升级改造成本Cdef_uw,y,Cdef,y,表达式为:
SDNO,y=CDNO_uw,y-CDNO,y (4)
CDNO_uwDG,y=Cgrid_uw,y+Cresp_uw,y+Cemis_uw,y+Cdef_uw,y (5)
CDNO_wDG,y=CDG,y+Cgrid,y+Cresp,y+Cemis,y+Cdef,y (6)
(1.1)CDG,y
分散式风储系统采用专线并网的运行模式,优先使用风电供应区域负荷,风电不足部分由配电网运营商向主网购电;为提高可再生能源渗透率,由分布式电源投资商配置储能单元的运行方式,CDG,y的表达式如下:
式中,ξDG为风电上网电价,PDG,y,s,t为第y年s个场景下第t小时的风机出力,PESSD,y,s,t为储能单元的放电功率,PDGcur,y,s,t为风机因调峰导致的削减电量;λs为第s个场景的天数;
(1.2)Cgrid,y
为保证主网安全稳定运行,分散式风电不允许向主网倒送,因此规定配网向主网的购电功率需大于零;
式中,ξgrid,t为向主网购电电价,Pgrid,y,t,s为配网向主网购电量;
(1.3)Cresp,y
需求侧响应是针对电力市场价格信号或激励机制,用户改变固有电力消费模式的供需互动形式;需求侧响应考虑通过改变可转移负荷使用时间,有效引导用户用电行为与可再生能源出力更贴近,保障在区域供电均衡的条件下,负荷资源得到最优配置,用户方和售电方实现收益共享;表达式如下:
式中,ξres为转移单位电量负荷时的价格补偿系数,包括分时电价差价和政府补贴;Lout,y,t,s为转移负荷量,Lout,y,t,s为当前负荷乘以转移负荷比例αout,y,t,s;
(1.4)Cemis,y
不接入分散式风储系统时,区域配电网的电量全部由传统火电厂供应,化石能源在燃烧过程中会产生大量的氮氧化物、二氧化硫和二氧化碳等污染物,清洁能源的并网能够有效减少传统火电厂发电量,进而降低污染物排放量,因此用Cemis表征污染物排放惩罚成本:
其中,ξemis为单位电量的环保惩罚系数;
(1.5)Cdef,y
随着负荷的增长,配电网线路将因载流量或电流限制而面临改造升级甚至是扩建,而分布式电源的接入能够有效延缓配电网的改造升级;因改造升级的线路寿命可能要长于规划周期,本文通过将第y年的改造升级成本通过公式转化为其寿命周期内的年等值费用,并采用贴现系数求取投资现值;
Ldef,y,s,l为第l条线路需改造的长度,ξdef为第l条线路单位线路长度的升级改造成本,Tdef,y,s为变压器的改造成本,al,x为第l条线路和变压器的等年值转化系数,xl和xt分别为线路和变压器的寿命周期;
Cgrid_uw,y,Cemis_uw,y和Cdef_uw,y分别为分散式风储系统并网前向主网购电成本、污染物排放成本和线路及变电站升级改造成本,Cgrid_uw,y、Cemis_uw,y和Cdef_uw,y计算公式与Cgrid,y,Cemis,y和Cdef,y相同,只是代入的参数数值为并网后的相应参数数值。
3.如权利要求2所述的考虑源-网-荷多方利益的分散式风储系统优化方法,其特征是,对于分布式电源投资商来说,内部收益率是指项目净现值等于零时的折现率,计算公式如下:
其中IWT和IESS分别是分散式风机和储能单元的初始投资费用,IESS包括储能电池投资费用IBAT和PCS投资费用IPCS;SDG,y为分布式电源投资商第y年现金总流入与流出的差值,公式如下:
SDG,y=CDG,y-Cdr,y-Cdm,y-BdT (14)
Cdr,y和Cdm,y分别为WT和ESS第y年替换和维护费用,其中Cdm,y包括风机维护费用Cdm_WT,y和储能单元维护费用Cdm_BAT,y,Cdm_BAT,y为IESS与维护系数αdm_ESS的乘积;BdT代表设备残值,产生于经济评估寿命的最后一年,其余年份为零。
4.如权利要求1所述考虑源-网-荷多方利益的分散式风储系统优化方法,其特征是,考虑无功调节能力的分散式风储系统的调度策略,分散式风机采取专线接入10kV配电网中,分散式风机采用永磁直驱风机,其可控功率因数变化范围在-0.95—0.95之间,分布式电源投资商在投资风机的同时配置储能单元,储能单元包含蓄电池和PCS,蓄电池采用铅酸电池;
分散式风储系统均由分布式运营商投资,在每一个步长内,当风机总发电量PDG,y,s,t超过区域配电网的消纳能力时,多余风电量按照储能容量比给各风机配置的储能单元充电;储能单元采用低储高发的运行模式,当风机出力较大,并网点电压越限时启用调压策略,当多个并网点电压同时越限时,同时采取电压调节策略,具体策略如下:
I.并网点电压越上限
1)调节储能单元充放电功率,若此时处于放电状态,则减小其放电功率PESSD,y,s,t至电压水平恢复正常,若放电功率减小为零时电压仍越上限,转2);若储能处于充电状态,则增大其充电功率PESS,y,s,t至电压水平恢复正常,若充电功率达到最大时电压仍越上限,转3);
2)由风机给储能单元充电至电压水平恢复正常,若储能SOC达到最大值电压仍越上限,转下述步骤3);
3)按步长调节储能PCS无功输出量,使其发出感性无功直至电压水平恢复正常,若储能PCS无功输出达到最大值时电压仍越上限,则转4);
4)判断风机是否工作于额定状态(即是否具备无功调节能力),采用风机变流器的无功调节能力调节电压,至电压水平恢复正常,若风机已不具备无功调节能力或其无功调节能力达到最大时电压仍越上限,转5);
5)削减风电上网电量至电压水平恢复正常,多余风电作为弃电量PDGcur,y,s,t;
II并网点电压越下限
采用风机无功调节能力调节电压,至电压水平恢复正常。
5.如权利要求1-4中任一项所述考虑源-网-荷多方利益的分散式风储系统优化方法,其特征是,对于用户来说,所述需求侧响应包括分时电价和负荷转移;峰谷分时电价推行的对象包括工业、商业及居民生活用电以及大中小电力用户;负荷转移主要针对工业大用户,在不影响整体生产流程的前提下在一定时间范围内移动用电负荷,能够减小电费支出并获得政府补贴;对于可转移负荷,规定一天24h内的转出负荷需等于转入负荷,转出负荷小于负荷总负荷的30%,转移持续时间最少为1小时;将风机的数量、储能单元的容量、分散式风储系统的接入位置以及配电网运行商和分布式电源投资商之间的风电上网协议电价作为优化变量,并采用多目标遗传算法NSGA-II求解提出的多目标优化模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811430446.2A CN109492824B (zh) | 2018-11-28 | 2018-11-28 | 考虑源-网-荷多方利益的分散式风储系统优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811430446.2A CN109492824B (zh) | 2018-11-28 | 2018-11-28 | 考虑源-网-荷多方利益的分散式风储系统优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109492824A true CN109492824A (zh) | 2019-03-19 |
CN109492824B CN109492824B (zh) | 2022-04-26 |
Family
ID=65697913
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811430446.2A Active CN109492824B (zh) | 2018-11-28 | 2018-11-28 | 考虑源-网-荷多方利益的分散式风储系统优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109492824B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110197439A (zh) * | 2019-05-05 | 2019-09-03 | 三峡大学 | 一种考虑源网荷多边不完全信息博弈的增量配电网规划方法 |
CN110309989A (zh) * | 2019-07-24 | 2019-10-08 | 华能国际电力股份有限公司 | 一种用处侧储能配置的供电方法 |
CN110601254A (zh) * | 2019-08-23 | 2019-12-20 | 国网福建省电力有限公司 | 一种考虑动态载流特性的风电场储能优化配置方法及系统 |
CN111725807A (zh) * | 2019-11-26 | 2020-09-29 | 四川大学 | 一种面向多投资主体与多元交互的配电网协同运行方法 |
CN112039122A (zh) * | 2020-09-24 | 2020-12-04 | 南方电网科学研究院有限责任公司 | 基于电网准入容量设计分布式电源并网的规划方法及装置 |
CN113964828A (zh) * | 2021-10-28 | 2022-01-21 | 国网宁夏电力有限公司经济技术研究院 | 一种基于区间概率统计模型的配电网协同规划方法 |
CN114463058A (zh) * | 2022-01-26 | 2022-05-10 | 华北电力大学 | 一种以消纳受阻新能源激励电价为引导的储能响应控制方法 |
CN116826816A (zh) * | 2023-08-30 | 2023-09-29 | 湖南大学 | 考虑电能质量分级治理的储能有功-无功协调复用方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110106321A1 (en) * | 2009-11-03 | 2011-05-05 | Spirae, Inc. | Dynamic distributed power grid control system |
WO2017029821A1 (ja) * | 2015-08-20 | 2017-02-23 | シャープ株式会社 | 電源システム、出力制御装置、出力制御方法、及び、記録媒体 |
CN107706937A (zh) * | 2016-08-08 | 2018-02-16 | 锐电科技有限公司 | 一种储能型双馈风电机组的协调控制方法 |
CN107924540A (zh) * | 2016-02-25 | 2018-04-17 | 欧姆龙株式会社 | 电力交易匹配系统、电力交易匹配方法及电力交易匹配程序 |
-
2018
- 2018-11-28 CN CN201811430446.2A patent/CN109492824B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110106321A1 (en) * | 2009-11-03 | 2011-05-05 | Spirae, Inc. | Dynamic distributed power grid control system |
WO2017029821A1 (ja) * | 2015-08-20 | 2017-02-23 | シャープ株式会社 | 電源システム、出力制御装置、出力制御方法、及び、記録媒体 |
CN107924540A (zh) * | 2016-02-25 | 2018-04-17 | 欧姆龙株式会社 | 电力交易匹配系统、电力交易匹配方法及电力交易匹配程序 |
CN107706937A (zh) * | 2016-08-08 | 2018-02-16 | 锐电科技有限公司 | 一种储能型双馈风电机组的协调控制方法 |
Non-Patent Citations (5)
Title |
---|
M.H. ALBADI等: "Wind Power in Ontario: An Economical Valuation", 《2007 IEEE CANADA ELECTRICAL POWER CONFERENCE》 * |
李山: "参考电网建模及优化方法研究", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
李山等: "风储联合发电系统建模与协调控制策略研究", 《计算机仿真》 * |
沈婷婷等: "基于风电的大规模储能对并网协调控制的影响研究", 《自动化应用》 * |
田春光: "储能的多环节应用提升我国"三北"地区风电消纳能力", 《电气应用》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110197439A (zh) * | 2019-05-05 | 2019-09-03 | 三峡大学 | 一种考虑源网荷多边不完全信息博弈的增量配电网规划方法 |
CN110197439B (zh) * | 2019-05-05 | 2023-03-31 | 三峡大学 | 考虑源网荷多边不完全信息博弈的增量配电网规划方法 |
CN110309989A (zh) * | 2019-07-24 | 2019-10-08 | 华能国际电力股份有限公司 | 一种用处侧储能配置的供电方法 |
CN110601254A (zh) * | 2019-08-23 | 2019-12-20 | 国网福建省电力有限公司 | 一种考虑动态载流特性的风电场储能优化配置方法及系统 |
CN111725807A (zh) * | 2019-11-26 | 2020-09-29 | 四川大学 | 一种面向多投资主体与多元交互的配电网协同运行方法 |
CN111725807B (zh) * | 2019-11-26 | 2023-07-14 | 国网福建省电力有限公司厦门供电公司 | 一种面向多投资主体与多元交互的配电网协同运行方法 |
CN112039122A (zh) * | 2020-09-24 | 2020-12-04 | 南方电网科学研究院有限责任公司 | 基于电网准入容量设计分布式电源并网的规划方法及装置 |
CN113964828B (zh) * | 2021-10-28 | 2024-05-03 | 国网宁夏电力有限公司经济技术研究院 | 一种基于区间概率统计模型的配电网协同规划方法 |
CN113964828A (zh) * | 2021-10-28 | 2022-01-21 | 国网宁夏电力有限公司经济技术研究院 | 一种基于区间概率统计模型的配电网协同规划方法 |
CN114463058A (zh) * | 2022-01-26 | 2022-05-10 | 华北电力大学 | 一种以消纳受阻新能源激励电价为引导的储能响应控制方法 |
CN114463058B (zh) * | 2022-01-26 | 2024-06-04 | 华北电力大学 | 一种以消纳受阻新能源激励电价为引导的储能响应控制方法 |
CN116826816B (zh) * | 2023-08-30 | 2023-11-10 | 湖南大学 | 考虑电能质量分级治理的储能有功-无功协调复用方法 |
CN116826816A (zh) * | 2023-08-30 | 2023-09-29 | 湖南大学 | 考虑电能质量分级治理的储能有功-无功协调复用方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109492824B (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109492824A (zh) | 考虑源-网-荷多方利益的分散式风储系统优化方法 | |
Rabiee et al. | Optimal operation of microgrids through simultaneous scheduling of electrical vehicles and responsive loads considering wind and PV units uncertainties | |
Yang et al. | Optimal energy flow control strategy for a residential energy local network combined with demand-side management and real-time pricing | |
CN105977991B (zh) | 一种考虑价格型需求响应的独立型微网优化配置方法 | |
CN103346562B (zh) | 计及需求响应的多时间尺度微网能量控制方法 | |
Nykamp et al. | Value of storage in distribution grids—Competition or cooperation of stakeholders? | |
CN108470239A (zh) | 计及需求侧管理和储能的主动配电网多目标分层规划方法 | |
CN107316125A (zh) | 一种基于经济运行域的主动配电网经济运行评价方法 | |
Zhang et al. | Utilizing distributed energy resources to support frequency regulation services | |
CN107968439A (zh) | 基于混合整数线性规划的主动配电网联合优化算法 | |
CN113690877B (zh) | 一种考虑能源消纳的有源配电网与集中能源站互动方法 | |
CN104866924A (zh) | 主动配电网规划及运行联合优化方法 | |
CN116402307A (zh) | 考虑可调度柔性资源运行特性的电网规划容量分析方法 | |
CN109685287A (zh) | 增量配电网电源容量多目标优化配置方法 | |
CN111864811B (zh) | 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 | |
CN114301064A (zh) | 一种基于网架灵活性和储能接入的分布式电源消纳能力提升方法 | |
Chandio et al. | Gridpeaks: Employing distributed energy storage for grid peak reduction | |
CN105207240A (zh) | 基于能效云终端的分布式储能调度优化控制方法及系统 | |
CN116961008A (zh) | 计及电力弹簧与负荷需求响应的微电网容量双层优化方法 | |
Jiang et al. | Low-carbon economic optimal dispatch strategy of integrated energy system considering electric-heat flexible load and carbon trading | |
CN115622104A (zh) | 一种有源配电网移动储能规划配置方法 | |
Chen et al. | Cost-benefit analysis of distributed energy storage in distribution grids with renewables | |
CN115392784A (zh) | 一种主动配电网源-储协同规划方法 | |
CN106230010B (zh) | 一种百兆瓦电池储能系统容量优化配置方法和系统 | |
Su et al. | Optimal VPP operation strategy in liberalized electricity markets |
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 |