CN109510242A - 一种微电网储能系统配置优化方法及存储介质 - Google Patents

一种微电网储能系统配置优化方法及存储介质 Download PDF

Info

Publication number
CN109510242A
CN109510242A CN201811603152.5A CN201811603152A CN109510242A CN 109510242 A CN109510242 A CN 109510242A CN 201811603152 A CN201811603152 A CN 201811603152A CN 109510242 A CN109510242 A CN 109510242A
Authority
CN
China
Prior art keywords
battery
power
storage system
moment
energy
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
Application number
CN201811603152.5A
Other languages
English (en)
Other versions
CN109510242B (zh
Inventor
徐琪
张弛
曾杰
赵伟
钟国彬
谢宁
张威
梅成林
刘鑫
彭嘉俊
陈滢
任智君
郭敏铧
郭琳
刘尧
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Power Grid Co Ltd
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Power Grid Co Ltd, Electric Power Research Institute of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN201811603152.5A priority Critical patent/CN109510242B/zh
Publication of CN109510242A publication Critical patent/CN109510242A/zh
Application granted granted Critical
Publication of CN109510242B publication Critical patent/CN109510242B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more 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
    • 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
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本申请实施例公开了一种微电网储能系统配置优化方法，包括：根据输入的蓄电池参数，计算蓄电池在寿命周期内对应的单体放电量；根据输入的预估蓄电池放电量及所述单体放电量，计算蓄电池的基础数量；以蓄电池配置数量大于等于所述基础数量为第一约束条件，以系统功率平衡为第二约束条件，以系统失电率小于等于预设失电率为第三约束条件，以储能系统投资费用模型中的蓄电池配置数量及超级电容器配置数量为变量，对目标函数以预设算法进行优化；目标函数为取储能系统投资费用的最小值；解决了如何在满足系统运行需求的基础上，对储能系统容量进行合理的优化配置以节省投资成本的技术问题。

Description

一种微电网储能系统配置优化方法及存储介质
技术领域
本申请涉及智能优化技术领域，尤其涉及一种微电网储能系统配置优化方法及计算机可读存储介质。
背景技术
在能源和生态环境的双重压力下，分布式电源技术在世界范围内越来越受到重视。然而高渗透可再生分布式能源的接入将给传统电网带来很大的冲击和挑战：第一，可再生能源出力具有随机性和波动性的特点，可控性差；第二，分布式电源的接入将改变传统配电网络单向潮流的基本格局，可能严重影响正常的电压水平、供电效率和供电可靠性。
而微电网技术的出现很大程度上解决了上述的分布式电源的问题。微电网作为一种将分布式电源、负荷、储能装置、变流器以及监控保护装置有机整合在一起的小型发配电系统，能够凭借微电网的运行控制和能量管理等关键技术，从而降低了间歇性分布式电源给配电网带来的不利影响，最大限度地吸纳了分布式电源，提高了供电可靠性和电能质量。
储能系统作为微电网中必不可少的部分，可以有效的平抑微电网中可再生能源发电的随机性和波动性，改善电能质量，维持系统稳定以及实现并/孤网无缝切换等功能。但是目前储能装置造价较昂贵，运行寿命也较短，使得其大规模推广及应用受到了较大的制约，因此，如何在满足系统运行需求的基础上，对储能系统容量进行合理的优化配置以节省投资成本是本领域技术人员亟待解决的技术问题。
发明内容
本申请实施例提供了一种微电网储能系统配置优化方法及计算机可读存储介质，解决了如何在满足系统运行需求的基础上，对储能系统容量进行合理的优化配置以节省投资成本的技术问题。
有鉴于此，本申请第一方面提供了一种微电网储能系统配置优化方法，包括：
根据输入的蓄电池参数，计算蓄电池在寿命周期内对应的单体放电量；
根据输入的预估蓄电池放电量及所述单体放电量，计算蓄电池的基础数量；
以蓄电池配置数量大于等于所述基础数量为第一约束条件，以系统功率平衡为第二约束条件，以系统失电率小于等于预设失电率为第三约束条件，以储能系统投资费用模型中的蓄电池配置数量及超级电容器配置数量为变量，对目标函数以预设算法进行优化；
所述目标函数为取储能系统投资费用的最小值。
优选的，所述储能系统投资费用模型具体为：
其中，Y为微电网设计年限，β为银行年利率，为蓄电池的额定功率，为超级电容器的额定功率，为蓄电池的额定容量，为超级电容器的额定容量，为蓄电池的单位功率成本，为蓄电池的单位容量成本，为超级电容器的单位功率成本，为超级电容器的单位容量成本，nbat为所述蓄电池配置数量，ncap为所述超级电容器配置数量，Cann为储能系统投资费用。
优选的，所述根据输入的蓄电池参数，计算蓄电池在寿命周期内对应的单体放电量；根据输入的预估蓄电池放电量及所述单体放电量，计算蓄电池的基础数量具体包括：
根据输入的蓄电池参数，计算蓄电池在寿命周期内对应的单体有效安培小时数；
根据录入的历史放电事件数据，计算预期运行年限内的预估蓄电池总有效安培小时数；
以所述预估蓄电池总有效安培小时数除以所述单体有效安培小时数，得到蓄电池的基础数量。
优选的，所述根据输入的蓄电池参数，计算蓄电池在寿命周期内对应的单体有效安培小时数具体包括：
根据输入的蓄电池参数及第一公式，计算蓄电池在寿命周期内对应的单体有效安培小时数；
所述第一公式为：ΓR＝LRDRCR；其中，LR为蓄电池在额定放电电流与额定放电深度下的循环次数；DR为蓄电池的额定放电深度；CR为蓄电池在额定放电电流下的额定容量；
所述根据录入的历史放电事件数据，计算预期运行年限内的预估蓄电池总有效安培小时数具体包括：
根据录入的历史放电事件数据及第二公式，计算预期运行年限内的预估蓄电池总有效安培小时数；
所述第二公式为：
其中，deff为每次放电事件的有效安培小时数，DA为实际放电深度，CA为实际放电容量，dact为实际放电电流下的安培小时数，n为微电网运行年限的蓄电池总放电次数，u0和u1均为通过厂商提供的数据拟合得到拟合参数。
优选的，所述以系统功率平衡为第二约束条件具体包括：
以为第二约束条件；
其中，PLOAD(t)为t时刻的电力负荷功率，PDG(t)为t时刻的分布式电源发电功率，为t时刻的蓄电池充电功率，为t时刻的超级电容器充电功率，为t时刻的蓄电池放电功率，为t时刻的超级电容器放电功率。
优选的，
以为第二约束条件之前包括：
预先建立储能系统充电模型和储能系统放电模型；
所述储能系统充电模型为：
其中，PDG(t)-PLOAD(t)＝PHF(t)+PLF(t)；
为超级电容器最大荷电状态，SoCcap(t)为t时刻的超级电容器荷电状态，为t时刻的蓄电池最大充电功率，PHF(t)为t时刻的净负荷高频功率，PLF(t)为t时刻的净负荷低频功率；
所述储能系统放电模型为：
其中，为超级电容器最小荷电状态，为t时刻的蓄电池最大放电功率。
优选的，
其中，为蓄电池最大荷电状态，为蓄电池最大充电电流，为蓄电池额定容量，SoCbat(t)为t时刻的蓄电池荷电状态，Vbat(t)为t时刻的蓄电池端电压；
其中，为蓄电池最大荷电状态，为蓄电池最大放电电流。
优选的，所述以系统失电率小于等于预设失电率为第三约束条件具体包括：
以为第三约束条件；
其中，
LLRSP为系统负载失电率，为根据系统允许的最大负载失电率设置的预设失电率，PLPS(t)为储能系统t时刻的失电功率，T为系统运行周期。
优选的，所述预设算法为改进粒子群算法。
本申请第二方面提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行上述第一方面任一项所述的微电网储能系统配置优化方法。
从以上技术方案可以看出，本申请实施例具有以下优点：
本申请实施例中，提供了一种微电网储能系统配置优化方法，通过输入的蓄电池参数，计算蓄电池在寿命周期内对应的单体放电量，再根据输入的预估蓄电池放电量及单体放电量，计算蓄电池的基础数量，从而将蓄电池的寿命以放电量的形式量化，计算出为满足待建微电网所在区域的供电需求，待建微电网至少应当配置的蓄电池的基础数量。以蓄电池配置数量大于等于基础数量为第一约束条件，以系统功率平衡为第二约束条件，以系统失电率小于等于预设失电率为第三约束条件，以储能系统投资费用模型中的蓄电池配置数量及超级电容器配置数量为变量，对取储能系统投资费用的最小值目标函数以预设算法进行优化。可见，本申请实施例提供的方法，可以优化出既满足待建微电网区域的供电需求与供电可靠性，又满足经济性的蓄电池配置数量及超级电容器配置数量，对微电网的规划建设有深度的指导意义。
附图说明
图1为本申请第一个实施例提供的一种微电网储能系统配置优化方法的流程图；
图2为本申请第二个实施例提供的一种微电网储能系统配置优化方法的流程图；
图3为本申请实施例提供的微电网储能系统配置优化方法的应用例中某海岛的全年各电源出力和负荷曲线图；
图4为本申请实施例提供的微电网储能系统配置优化方法的应用例中某海岛的一天各电源出力和负荷曲线图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提供了一种微电网储能系统配置优化方法及计算机可读存储介质，解决了如何在满足系统运行需求的基础上，对储能系统容量进行合理的优化配置以节省投资成本的技术问题。
为了便于理解，请参阅图1，图1为本申请第一个实施例提供的一种微电网储能系统配置优化方法的流程图，该方法包括：
步骤101、根据输入的蓄电池参数，计算蓄电池在寿命周期内对应的单体放电量。
在微电网的储能系统投资费用中，蓄电池的置换成本是不得不考虑的一部分。本实施例中，通过将蓄电池的寿命量化为其寿命周期的单体放电量，从而可以根据待建微电网区域的电网运行数据，分析出对应微电网的预估蓄电池放电量，进一步结合蓄电池的单体放电量计算出蓄电池的基础数量，从而在储能系统的投资费用中考虑了蓄电池的置换成本。
步骤102、根据输入的预估蓄电池放电量及上述单体放电量，计算蓄电池的基础数量。
利用预估蓄电池放电量除以单体放电量，可以得到蓄电池的基础数量。需要说明的是，预估蓄电池放电量是针对蓄电池放电的预估值，计算出的蓄电池基础数量是为满足待建微电网所在区域的基本电力需求，储能系统需要配备的蓄电池的最少数量。在实际建设时，蓄电池的配置数量应当大于等于蓄电池的基础数量。
步骤103、以蓄电池配置数量大于等于蓄电池的基础数量为第一约束条件，以系统功率平衡为第二约束条件，以系统失电率小于等于预设失电率为第三约束条件，以储能系统投资费用模型中的蓄电池配置数量及超级电容器配置数量为变量，对取储能系统投资费用的最小值的目标函数以预设算法进行优化。
本申请意在满足微电网的供电需求的同时节省储能系统的投资成本。因此，需要建立储能系统投资费用模型。
本实施例提供了一种较为合理的储能系统投资费用模型，其考虑了储能系统中蓄电池与超级电容器的投资时的容量成本，蓄电池与超级电容器的运行时的功率成本，还考虑了通货膨胀的影响。具体的，储能系统投资费用模型如下：
其中，Y为微电网设计年限，β为银行年利率，为蓄电池的额定功率，为超级电容器的额定功率，为蓄电池的额定容量，为超级电容器的额定容量，为蓄电池的单位功率成本，为蓄电池的单位容量成本，为级电容器的单位功率成本，为超级电容器的单位容量成本，nbat为所述蓄电池配置数量，ncap为所述超级电容器配置数量，Cann为储能系统投资费用。
在蓄电池的型号确定后，上述除了蓄电池和超级电容器的配置数量为变量外，其他都是确定的参数，可以通过设置约束条件，利用优化算法对蓄电池配置数量和超级电容器配置数量进行优化。
约束条件可以设置三个，其中，第一约束条件为：蓄电池配置数量大于等于蓄电池的基础数量。具体可以参考步骤102的说明。
第二约束条件对应系统功率平衡的条件。系统功率平衡，即对应每一时刻t而言，该时刻的电力负荷功率应当等于，该时刻的分布式电源发电功率减去该时刻储能系统蓄电池和超级电容器各自的充电功率再加上该时刻储能系统蓄电池和超级电容器的各自的放电功率，可以用以下公式表示：
其中，PLOAD(t)为t时刻的电力负荷功率，PDG(t)为t时刻的分布式电源发电功率，为t时刻的蓄电池充电功率，为t时刻的超级电容器充电功率，为t时刻的蓄电池放电功率，为t时刻的超级电容器放电功率。
需要说明的是，蓄电池和超级电容器的充放电模型需要预先建立。本实施例提供一种合理的储能系统充电模型和储能系统放电模型，具体如下：
储能系统充电模型为：
其中，PDG(t)-PLOAD(t)＝PHF(t)+PLF(t)；
为超级电容器最大荷电状态，SoCcap(t)为t时刻的超级电容器荷电状态，为t时刻的蓄电池最大充电功率，PHF(t)为t时刻的净负荷高频功率，PLF(t)为t时刻的净负荷低频功率；
储能系统放电模型为：
其中，为超级电容器最小荷电状态，为t时刻的蓄电池最大放电功率。
t时刻的蓄电池最大充电功率可以通过以下公式计算得出：
其中，为蓄电池最大荷电状态，为蓄电池最大充电电流，为蓄电池额定容量，SoCbat(t)为t时刻的蓄电池荷电状态，Vbat(t)为t时刻的蓄电池端电压。
t时刻的蓄电池最大放电功率可以通过以下公式计算得出：
其中，为蓄电池最大荷电状态，为蓄电池最大放电电流。
当然，储能系统的充放电模型也可以用其他的数学模型来实现，只要符合蓄电池和超级电容器的本身的特性即可，在此不一一列举。
第三约束条件为系统失电率小于等于预设失电率。将系统失电率进行限制，可以保证独立微网中的负荷用电正常，保证负荷用电可靠性在可接受范围内。
具体的，系统失电率可以通过以下公式计算得出：
其中，
T为系统运行周期。
而第三约束条件则可以用表示，为根据系统允许的最大负载失电率设置的预设失电率。
可以理解的是，目标函数应当取储能系统投资费用的最小值，即：
minf＝minCann。
对于优化算法，可以有多种选择，比如遗传算法、蚁群算法、粒子群算法等，本实施例中，选择了改进粒子群算法对目标函数进行优化。
本实施例中，提供了一种微电网储能系统配置优化方法，通过输入的蓄电池参数，计算蓄电池在寿命周期内对应的单体放电量，再根据输入的预估蓄电池放电量及单体放电量，计算蓄电池的基础数量，从而将蓄电池的寿命以放电量的形式量化，计算出为满足待建微电网所在区域的供电需求，待建微电网至少应当配置的蓄电池的基础数量。以蓄电池配置数量大于等于基础数量为第一约束条件，以系统功率平衡为第二约束条件，以系统失电率小于等于预设失电率为第三约束条件，以储能系统投资费用模型中的蓄电池配置数量及超级电容器配置数量为变量，对取储能系统投资费用的最小值目标函数以预设算法进行优化。可见，本申请实施例提供的方法，可以优化出既满足待建微电网区域的供电需求与供电可靠性，又满足经济性的蓄电池配置数量及超级电容器配置数量，对微电网的规划建设有深度的指导意义。
以上为对本申请第一个实施例提供的一种微电网储能系统配置优化方法的详细说明，下面请参见图2，图2为本申请第二个实施例提供的一种微电网储能系统配置优化方法的流程图，该方法包括：
步骤201、根据输入的蓄电池参数，计算蓄电池在寿命周期内对应的单体有效安培小时数。
在对蓄电池寿命周期的出力进行量化时，可以进一步用有效安培小时数来表示。具体的，可以根据输入的蓄电池参数及第一公式，计算蓄电池在寿命周期内对应的单体有效安培小时数。
第一公式为：ΓR＝LRDRCR；其中，LR为蓄电池在额定放电电流与额定放电深度下的循环次数；DR为蓄电池的额定放电深度；CR为蓄电池在额定放电电流下的额定容量。
步骤202、根据录入的历史放电事件数据，计算预期运行年限内的预估蓄电池总有效安培小时数。
与蓄电池单体的有效安培小时数相对应的，微电网预期运行年限内的预估用电量同样需要转化为有效安培小时数。可以根据录入的历史放电事件数据及第二公式，计算预期运行年限内的预估蓄电池总有效安培小时数。
第二公式为：
其中，deff为每次放电事件的有效安培小时数，DA为实际放电深度，CA为实际放电容量，dact为实际放电电流下的安培小时数，n为微电网运行年限的蓄电池总放电次数，u0和u1均为通过厂商提供的数据拟合得到拟合参数。
从历史放电事件数据中可以得到上述第二公式所需的各个参数，从而将每一件放电事件均转化为有效安培小时数，并叠加所有放电事件的有效安培小时数，得到预期运行年限内的预估蓄电池总有效安培小时数。
步骤203、以预估蓄电池总有效安培小时数除以所述单体有效安培小时数，得到蓄电池的基础数量。
均用有效安培小时数量化后，可以直接相除得到蓄电池的基础数量。
步骤204、以蓄电池配置数量大于等于蓄电池的基础数量为第一约束条件，以系统功率平衡为第二约束条件，以系统失电率小于等于预设失电率为第三约束条件，以储能系统投资费用模型中的蓄电池配置数量及超级电容器配置数量为变量，对取储能系统投资费用的最小值的目标函数以预设算法进行优化。
该步骤与上述第一个实施例的步骤103相同，在此不再赘述。
本实施例中，提供了一种微电网储能系统配置优化方法，通过输入的蓄电池参数，计算蓄电池在寿命周期内对应的单体放电量，再根据输入的预估蓄电池放电量及单体放电量，计算蓄电池的基础数量，从而将蓄电池的寿命以放电量的形式量化，计算出为满足待建微电网所在区域的供电需求，待建微电网至少应当配置的蓄电池的基础数量。以蓄电池配置数量大于等于基础数量为第一约束条件，以系统功率平衡为第二约束条件，以系统失电率小于等于预设失电率为第三约束条件，以储能系统投资费用模型中的蓄电池配置数量及超级电容器配置数量为变量，对取储能系统投资费用的最小值目标函数以预设算法进行优化。可见，本申请实施例提供的方法，可以优化出既满足待建微电网区域的供电需求与供电可靠性，又满足经济性的蓄电池配置数量及超级电容器配置数量，对微电网的规划建设有深度的指导意义。
下面提供了一个应用本申请实施例提供的微电网储能系统配置优化方法的示例。
选取某沿海城市海岛作为研究对象，假设在该海岛上建立含蓄电池与超级电容器两种储能装置的混合储能系统的独立型微电网，设其电源配置组合为“风、光、混合储能”。已知该海岛全年风电出力序列曲线、全年光伏出力序列曲线、全年负荷序列曲线、全年净负荷曲线序列曲线如图3所示，一天风电出力序列曲线、一天光伏出力序列曲线、一天负荷序列曲线、一天净负荷曲线如图4所示。
结合实际工程技术情况，选取的储能装置类型及其参数如表1所示。
表1储能装置类型及其参数
参数 数值
单个铅酸蓄电池容量(kWh) 0.64
铅酸蓄电池单价(万元) 0.16
单个铅酸蓄电池年维护成本(万元) 0.024
铅酸蓄电池SOC上限 0.9
铅酸蓄电池SOC下限 0.3
单个超级电容器容量(kWh) 0.0528
超级电容器单价(万元) 0.6
超级电容器SOC上限 0.9
超级电容器SOC下限 0.2
负载缺电率限制 1％
将表1中储能装置基础参数输入至储能系统投资费用模型，以蓄电池配置数量及超级电容器配置数量为优化变量，以取储能系统投资费用的最小值为优化目标，结合以蓄电池配置数量大于等于所述基础数量为第一约束条件，以系统功率平衡为第二约束条件，以系统失电率小于等于预设失电率为第三约束条件，通过改进粒子群算法对模型的求解，得出独立型微电网混合储能系统的容量配置方案，如表2所示。
表2独立型微电网混合储能系统的容量配置方案
当改变系统失电率要求时，得到混合储能系统的容量配置方案如表3所示。可见，当降低负载缺电率要求时，微电网所需两种储能容量均减小。
表3不同系统失电率要求下混合储能系统的容量配置方案
本申请实施例还提供一种计算机可读存储介质，用于存储程序代码，该程序代码用于执行前述各个实施例所述的一种微电网储能系统配置优化方法中的任意一种实施方式。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本申请中，“至少一个(项)”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，用于描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：只存在A，只存在B以及同时存在A和B三种情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，“a和b”，“a和c”，“b和c”，或“a和b和c”，其中a，b，c可以是单个，也可以是多个。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种微电网储能系统配置优化方法，其特征在于，包括：
根据输入的蓄电池参数，计算蓄电池在寿命周期内对应的单体放电量；
根据输入的预估蓄电池放电量及所述单体放电量，计算蓄电池的基础数量；
以蓄电池配置数量大于等于所述基础数量为第一约束条件，以系统功率平衡为第二约束条件，以系统失电率小于等于预设失电率为第三约束条件，以储能系统投资费用模型中的蓄电池配置数量及超级电容器配置数量为变量，对目标函数以预设算法进行优化；
所述目标函数为取储能系统投资费用的最小值。
2.根据权利要求1所述的方法，其特征在于，所述储能系统投资费用模型具体为：
其中，Y为微电网设计年限，β为银行年利率，为蓄电池的额定功率，为超级电容器的额定功率，为蓄电池的额定容量，为超级电容器的额定容量，为蓄电池的单位功率成本，为蓄电池的单位容量成本，为超级电容器的单位功率成本，为超级电容器的单位容量成本，nbat为所述蓄电池配置数量，ncap为所述超级电容器配置数量，Cann为储能系统投资费用。
3.根据权利要求1所述的方法，其特征在于，所述根据输入的蓄电池参数，计算蓄电池在寿命周期内对应的单体放电量；根据输入的预估蓄电池放电量及所述单体放电量，计算蓄电池的基础数量具体包括：
根据输入的蓄电池参数，计算蓄电池在寿命周期内对应的单体有效安培小时数；
根据录入的历史放电事件数据，计算预期运行年限内的预估蓄电池总有效安培小时数；
以所述预估蓄电池总有效安培小时数除以所述单体有效安培小时数，得到蓄电池的基础数量。
4.根据权利要求3所述的方法，其特征在于，所述根据输入的蓄电池参数，计算蓄电池在寿命周期内对应的单体有效安培小时数具体包括：
根据输入的蓄电池参数及第一公式，计算蓄电池在寿命周期内对应的单体有效安培小时数；
所述第一公式为：ΓR＝LRDRCR；其中，LR为蓄电池在额定放电电流与额定放电深度下的循环次数；DR为蓄电池的额定放电深度；CR为蓄电池在额定放电电流下的额定容量；
所述根据录入的历史放电事件数据，计算预期运行年限内的预估蓄电池总有效安培小时数具体包括：
根据录入的历史放电事件数据及第二公式，计算预期运行年限内的预估蓄电池总有效安培小时数；
所述第二公式为：
其中，deff为每次放电事件的有效安培小时数，DA为实际放电深度，CA为实际放电容量，dact为实际放电电流下的安培小时数，n为微电网运行年限的蓄电池总放电次数，u0和u1均为通过厂商提供的数据拟合得到拟合参数。
5.根据权利要求2所述的方法，其特征在于，所述以系统功率平衡为第二约束条件具体包括：
以为第二约束条件；
其中，PLOAD(t)为t时刻的电力负荷功率，PDG(t)为t时刻的分布式电源发电功率，为t时刻的蓄电池充电功率，为t时刻的超级电容器充电功率，为t时刻的蓄电池放电功率，为t时刻的超级电容器放电功率。
6.根据权利要求5所述的方法，其特征在于，
以为第二约束条件之前包括：
预先建立储能系统充电模型和储能系统放电模型；
所述储能系统充电模型为：
其中，PDG(t)-PLOAD(t)＝PHF(t)+PLF(t)；
为超级电容器最大荷电状态，SoCcap(t)为t时刻的超级电容器荷电状态，为t时刻的蓄电池最大充电功率，PHF(t)为t时刻的净负荷高频功率，PLF(t)为t时刻的净负荷低频功率；
所述储能系统放电模型为：
其中，为超级电容器最小荷电状态，为t时刻的蓄电池最大放电功率。
7.根据权利要求6所述的方法，其特征在于，
其中，为蓄电池最大荷电状态，为蓄电池最大充电电流，为蓄电池额定容量，SoCbat(t)为t时刻的蓄电池荷电状态，Vbat(t)为t时刻的蓄电池端电压；
其中，为蓄电池最大荷电状态，为蓄电池最大放电电流。
8.根据权利要求7所述的方法，其特征在于，所述以系统失电率小于等于预设失电率为第三约束条件具体包括：
以为第三约束条件；
其中，
LLRSP为系统负载失电率，为根据系统允许的最大负载失电率设置的预设失电率，PLPS(t)为储能系统t时刻的失电功率，T为系统运行周期。
9.根据权利要求1所述的方法，其特征在于，所述预设算法为改进粒子群算法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储程序代码，所述程序代码用于执行权利要求1-9任一项所述的微电网储能系统配置优化方法。
CN201811603152.5A 2018-12-26 2018-12-26 一种微电网储能系统配置优化方法及存储介质 Active CN109510242B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811603152.5A CN109510242B (zh) 2018-12-26 2018-12-26 一种微电网储能系统配置优化方法及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811603152.5A CN109510242B (zh) 2018-12-26 2018-12-26 一种微电网储能系统配置优化方法及存储介质

Publications (2)

Publication Number Publication Date
CN109510242A true CN109510242A (zh) 2019-03-22
CN109510242B CN109510242B (zh) 2021-04-23

Family

ID=65755469

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811603152.5A Active CN109510242B (zh) 2018-12-26 2018-12-26 一种微电网储能系统配置优化方法及存储介质

Country Status (1)

Country Link
CN (1) CN109510242B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110570015A (zh) * 2019-08-07 2019-12-13 广东电网有限责任公司 一种配电网多目标规划方法
CN115062259A (zh) * 2022-06-15 2022-09-16 国网山东省电力公司冠县供电公司 一种基于多维度的微电网状态评估方法及系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105226691A (zh) * 2015-11-11 2016-01-06 重庆大学 一种孤立微电网混合储能优化配置方法
CN107732960A (zh) * 2017-09-18 2018-02-23 国网甘肃省电力公司电力科学研究院 微电网储能系统容量优化配置方法
US20180358839A1 (en) * 2017-06-12 2018-12-13 S&C Electric Company Multi-Function Energy Station

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105226691A (zh) * 2015-11-11 2016-01-06 重庆大学 一种孤立微电网混合储能优化配置方法
US20180358839A1 (en) * 2017-06-12 2018-12-13 S&C Electric Company Multi-Function Energy Station
CN107732960A (zh) * 2017-09-18 2018-02-23 国网甘肃省电力公司电力科学研究院 微电网储能系统容量优化配置方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
钟国彬等: ""计及储能寿命的微电网混合储能容量优化配置"", 《广东电力》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110570015A (zh) * 2019-08-07 2019-12-13 广东电网有限责任公司 一种配电网多目标规划方法
CN110570015B (zh) * 2019-08-07 2022-07-26 广东电网有限责任公司 一种配电网多目标规划方法
CN115062259A (zh) * 2022-06-15 2022-09-16 国网山东省电力公司冠县供电公司 一种基于多维度的微电网状态评估方法及系统

Also Published As

Publication number Publication date
CN109510242B (zh) 2021-04-23

Similar Documents

Publication Publication Date Title
Wong et al. Review on the optimal placement, sizing and control of an energy storage system in the distribution network
CN105226688B (zh) 基于机会约束模型的多类型储能系统容量优化配置方法
CN103151798B (zh) 独立微网系统的优化方法
CN106160091B (zh) 促进可再生能源消纳的电动汽车换电站充放电调度方法
CN103485977B (zh) 风力发电系统实时功率预测的修正方法
CN103248064B (zh) 一种复合型能源充电储能系统及其方法
CN105576677B (zh) 一种光伏储能系统能量管理控制方法
CN106058900B (zh) 一种并网风光发电中混合储能容量优化配置方法
CN109948823B (zh) 一种光储充电塔自适应鲁棒日前优化调度方法
CN109119983A (zh) 一种电-氢孤岛直流微电网能量管理方法
CN106485358A (zh) 结合序列运算和粒子群算法的独立微电网优化配置方法
CN104348256A (zh) 考虑充放电倍率的多类型电池储能电站能量管理方法
CN105896610B (zh) 一种微电网调度方法
CN105140942B (zh) 考虑荷电状态偏差的混合储能优化功率分配方法
CN109217290A (zh) 计及电动汽车充放电的微网能量优化管理方法
CN108551176B (zh) 一种结合储能均衡技术的储能电池系统容量配置方法
CN109754112A (zh) 一种考虑配电网削峰填谷的光储充电塔随机优化调度方法
CN106505558B (zh) 一种直流配电网的能量输送控制方法及装置
CN108695868A (zh) 基于电力电子变压器的配电网储能选址定容方法
CN108933451A (zh) 微电网系统及其微网中央控制器和功率分配控制方法
CN109510242A (zh) 一种微电网储能系统配置优化方法及存储介质
CN105574681A (zh) 一种多时间尺度社区能源局域网能量调度方法
CN106451510B (zh) 一种适应削峰填谷的储能站容量及充放电功率的配置方法
CN105958520A (zh) 一种配电网中蓄电池储能系统的运行控制策略
CN103915851B (zh) 一种递进步长和期望输出均可变的储能系统优化控制方法

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
GR01 Patent grant
GR01 Patent grant