CN109546645B - 压缩空气储能系统的容量补贴计算方法及装置 - Google Patents

压缩空气储能系统的容量补贴计算方法及装置 Download PDF

Info

Publication number
CN109546645B
CN109546645B CN201811223786.8A CN201811223786A CN109546645B CN 109546645 B CN109546645 B CN 109546645B CN 201811223786 A CN201811223786 A CN 201811223786A CN 109546645 B CN109546645 B CN 109546645B
Authority
CN
China
Prior art keywords
energy storage
compressed air
air energy
layer
power station
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
Application number
CN201811223786.8A
Other languages
English (en)
Other versions
CN109546645A (zh
Inventor
梅生伟
林其友
陈来军
潘静
卢强
陈锋
郑天文
傅中
薛小代
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.)
Tsinghua University
Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd
State Grid Anhui Electric Power Co Ltd
Sichuan Energy Internet Research Institute EIRI Tsinghua University
Wuhu Power Supply Co of State Grid Anhui Electric Power Co Ltd
Original Assignee
Tsinghua University
Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd
State Grid Anhui Electric Power Co Ltd
Sichuan Energy Internet Research Institute EIRI Tsinghua University
Wuhu Power Supply Co of State Grid Anhui Electric Power 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 Tsinghua University, Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd, State Grid Anhui Electric Power Co Ltd, Sichuan Energy Internet Research Institute EIRI Tsinghua University, Wuhu Power Supply Co of State Grid Anhui Electric Power Co Ltd filed Critical Tsinghua University
Priority to CN201811223786.8A priority Critical patent/CN109546645B/zh
Publication of CN109546645A publication Critical patent/CN109546645A/zh
Application granted granted Critical
Publication of CN109546645B publication Critical patent/CN109546645B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • H02J15/00—Systems for storing electric energy
    • H02J15/006—Systems for storing electric energy in the form of pneumatic energy, e.g. compressed air energy storage [CAES]
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • 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]
    • 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
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/20—Climate change mitigation technologies for sector-wide applications using renewable energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明实施例提供一种压缩空气储能系统的容量补贴计算方法及装置，其中方法包括：以压缩空气储能电站收益最大作为第一优化目标构建第一目标函数，并根据储能运行特性确定压缩空气储能电站的运行约束条件；以电网收益最大作为第二优化目标构建第二目标函数，并根据传统机组和风电机组的运行特性确定电网侧约束条件；基于所述第一目标函数、压缩空气储能电站的运行约束条件、第二目标函数和电网侧约束条件，以压缩空气储能电站作为下层主体、电网作为上层主体，构建双层博弈模型；并利用KKT条件法将双层模型转化为单层求解，获得所述压缩空气储能系统的最优容量补贴。本发明实施例可为电网企业制定容量补贴策略提供理论依据。

Description

压缩空气储能系统的容量补贴计算方法及装置
技术领域
本发明实施例涉及压缩空气储能技术领域，更具体地，涉及一种压缩空气储能系统的容量补贴计算方法及装置。
背景技术
以风能、太阳能为代表的可再生能源具有储量大、易获得、清洁无污染等优点，是应对当前愈发严重的能源危机和环境污染问题的重要手段。然而，随着可再生能源装机容量的增加，其固有的间歇性和不确定性会严重地影响电网的安全稳定运行。大容量的储能系统具有较强的能量时空转移能力，可为电力价值链的各个环节提供灵活性服务，为实现电力系统的低碳转型提供有效的手段。
压缩空气储能是一种先进的新型大规模储能技术，可实现低谷电和弃风弃光电的高效存储和转换，具有容量大、寿命长、环保无污染等特点，并且不依赖于地质条件，可灵活选址，为电网提供各种灵活性服务。但是，储能提供的有价值的服务，如调频、调峰、旋转备用、黑启动、峰谷套利等，都难以货币化，即没有价格信号反映其实际价值。因此，在没有补贴的情况下，储能电站难以弥补成本，厂商缺乏动力投资储能容量建设。
现有的储能补贴方法主要以两部制电价为主，但存在计算方法粗犷，补贴方法单一的问题，无法体现储能电站的实际价值，难以实现有效的激励。
发明内容
本发明实施例提供一种克服上述问题或者至少部分地解决上述问题的压缩空气储能系统的容量补贴计算方法及装置。
第一方面，本发明实施例提供一种压缩空气储能系统的容量补贴计算方法，包括：
以压缩空气储能电站收益最大作为第一优化目标构建第一目标函数，并根据储能运行特性确定所述压缩空气储能电站的运行约束条件；
以电网收益最大作为第二优化目标构建第二目标函数，并确定电网侧约束条件；
基于所述第一目标函数、所述压缩空气储能电站的运行约束条件、所述第二目标函数和所述电网侧约束条件，以所述压缩空气储能电站作为下层主体、电网作为上层主体，构建压缩空气储能系统的双层博弈模型；
采用KKT最优条件法将所述压缩空气储能系统的双层博弈模型等效替换为单层优化问题后进行求解，获得所述压缩空气储能系统的最优容量补贴。
第二方面，本发明实施例提供一种压缩空气储能系统的容量补贴计算装置，包括：
储能分析模块，用于以压缩空气储能电站收益最大作为第一优化目标构建第一目标函数，并根据储能运行特性确定所述压缩空气储能电站的运行约束条件；
电网分析模块，用于以电网收益最大作为第二优化目标构建第二目标函数，并确定电网侧约束条件；
模型构建模块，用于基于所述第一目标函数、所述压缩空气储能电站的运行约束条件、所述第二目标函数和所述电网侧约束条件，以所述压缩空气储能电站作为下层主体、电网作为上层主体，构建压缩空气储能系统的双层博弈模型；
计算模块，用于采用KKT最优条件法将所述压缩空气储能系统的双层博弈模型等效替换为单层优化问题后进行求解，获得所述压缩空气储能系统的最优容量补贴。
第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所提供的压缩空气储能系统的容量补贴计算方法的步骤。
第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所提供的压缩空气储能系统的容量补贴计算方法的步骤。
本发明实施例提供的压缩空气储能系统的容量补贴计算方法及装置，以电网为上层主体、压缩空气储能电站为下层主体构建双层博弈模型，以容量补贴作为优化变量对所构建的双层博弈模型进行求解，既可以体现储能系统的实际容量价值，同时能够兼顾电网和压缩空气储能电站的经济性，可为电网企业制定容量补贴策略提供理论依据，从而实现有效的激励。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的压缩空气储能系统的容量补贴计算方法的流程示意图；
图2为本发明实施例提供的基于双层博弈的压缩空气储能电站容量配置的结构示意图；
图3为本发明实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
压缩空气储能系统的工作原理是利用低谷电、弃风电、弃光电等对空气进行压缩，并将高压空气密封存储，在电网负荷高峰期释放压缩空气推动透平机发电。
为了克服现有技术存在的问题，本发明实施例提供了一种压缩空气储能系统的容量补贴计算方法及装置，其发明构思为：以电网为上层主体、压缩空气储能电站为下层主体构建双层博弈模型。其中，电网为优化自身经济性，对储能电站给予补贴鼓励储能容量的发展；储能电站接收到容量补贴信号后，决定容量建设值和出力模式，使自身经济效益最大化。然后，以容量补贴作为决策变量，求解上述双层博弈模型，最终获得最优的容量补贴。这样做的好处在于既可以体现储能系统的实际容量价值，同时能够兼顾电网和压缩空气储能电站的经济性，可为电网企业制定容量补贴策略提供理论依据，从而实现有效的激励。
如图1所示，为本发明实施例提供的压缩空气储能系统的容量补贴计算方法的流程示意图，包括：
步骤10、以压缩空气储能电站收益最大作为第一优化目标构建第一目标函数，并根据储能的运行特性确定所述压缩空气储能电站的运行约束条件。
具体地，压缩空气储能电站的总收益＝售电收益+补贴收益-等年值成本，而压缩空气储能电站的等年值成本包括：容量建设成本、运行维护成本和购电成本。
在一个实施例中，压缩空气储能电站的等年值成本Ctotal可表示为
Figure BDA0001835437830000041
其中，
Figure BDA0001835437830000042
公式(1)中，CpPsA为容量建设成本，ComPs为运行维护成本，
Figure BDA0001835437830000043
为购电成本，Cp为压缩空气储能电站的单位功率投资成本，Ps为压缩空气储能电站的容量，r为银行的年折现率，Ls为储能电站的寿命，Com为压缩空气储能电站的单位维护成本，Ps ch(t)为压缩空气储能电站在t时刻的充电功率， R(t)为t时刻的网电价格，T为总计算时间。
压缩空气储能电站的收益Is total可表示为
Figure BDA0001835437830000044
公式(2)中，
Figure BDA0001835437830000045
为储能电站在t时刻的放电功率，Ss为电网给予储能电站的单位容量补贴。
根据公式(1)和(2)可确定压缩空气储能电站的总收益为Is total-Cs total，以压缩空气储能电站收益最大作为第一优化目标构建第一目标函数。
因此，第一目标函数可以表示为：
Figure BDA0001835437830000051
其中，Rs total表示压缩空气储能电站的总收益，Ps dc(t)为压缩空气储能电站在t时刻的放电功率，R(t)为t时刻的网电价格，Ps为压缩空气储能电站的容量，Ss为单位容量补贴，Ps ch(t)为压缩空气储能电站在t时刻的充电功率，Com为单位维护成本，Cp为单位功率投资成本，r为银行的折现率，Ls为压缩空气储能电站的寿命，T为总周期时间。
根据储能运行特性确定所述压缩空气储能电站的运行约束条件，具体包括：
电价低谷时，弃风电和低谷电通过驱动压缩机压缩空气将电能转化为释能存储起来，电站的储能功率一般不超过压缩机的额定功率，释能功率不超过电站的最大容量，即有
Figure BDA0001835437830000052
0≤Ps dc(t)≤udc(t)Ps (5)
Figure BDA0001835437830000055
公式(6)中，uch(t)和udc(t)为0-1变量，代表t时刻储能电站的充放电状态，此状态变量的设置可保证储能电站充电放电不在同一时刻发生。公式(4) 中
Figure BDA0001835437830000053
为储能电站最大充电功率，一般以压缩机的额定功率取值。
能量平衡约束为：
Figure BDA0001835437830000054
其中，Es(t)为储能电站在t时刻所储存的能量，ηs为储能电站的储能效率。
与电池储能电站类似，储气库所存储能能量需保持在一定范围内，因此有如下约束：
αlEA≤Es(t)≤αuEA (8)
其中，αl、αu分别为能量上下限约束，EA为储气库所能存储的最大能量。
步骤20、以电网收益最大作为第二优化目标构建第二目标函数，并根据传统机组和风电机组的运行特性确定电网侧约束条件。
具体地，本发明实施例中电网系统由储能系统、风电机组和传统机组组成。电网的目标是在满足负荷需求的情况下，尽量减少弃风量，降低弃风损失，同时通过储能机组提供的灵活性服务优化自身的经济性，因此要确定合适的容量补贴成本。
首先，评估弃风损失，根据历史t时刻风速v(t)情况，确定本地的t时刻风电机组最大出力Pw(t)，用以计算弃风导致的经济损失。有：
Figure BDA0001835437830000061
其中，a、b、c为风速系数，vi、vo、vr分别为风机的切入风速、切出风速和额定风速，PW为风机的容量。
电网的成本包括弃风惩罚成本、传统机组发电成本、支付给储能的购电成本和补贴成本。电网的收益包括：售电收益和缓建收益。
在一个实施例中，电网的成本
Figure BDA0001835437830000062
可表示为
Figure BDA0001835437830000063
公式(10)中，Cwl为单位弃风惩罚成本，
Figure BDA0001835437830000064
为t时刻的风电实际出力，β1和β2为传统机组发电成本系数，Pg(t)为传统机组在t时刻的出力。
电网收益
Figure BDA0001835437830000065
可表示为：
Figure BDA0001835437830000066
其中，K为电网单位缓建收益。
以电网收益最大作为第二优化目标构建第二目标函数，第二目标函数具体为：
Figure BDA0001835437830000071
其中，Ps为压缩空气储能电站的容量，K为电网单位缓建收益，
Figure BDA0001835437830000072
为售电收益，Cwl为单位弃风惩罚成本，
Figure BDA0001835437830000073
为t时刻的风电实际出力，Pw(t) 表示t时刻风电机组最大出力，
Figure BDA0001835437830000074
为传统机组发电成本，β1和β2为传统机组发电成本系数，Pg(t)为传统机组在t时刻的出力，
Figure BDA0001835437830000075
为支付给储能的购电成本，SsPs为补贴成本。
然后，确定电网侧约束条件，由于传统机组和风电机组是电网的重要组成部分，根据传统机组和风电机组自身的运行特性确定电网的运行约束。
其中，传统机组出力约束为
Figure BDA0001835437830000076
其中，
Figure BDA0001835437830000077
和
Figure BDA0001835437830000078
为传统机组出力的上下限。
传统机组受到爬坡约束的限制，可表示为：
Figure BDA0001835437830000079
其中，
Figure BDA00018354378300000710
和
Figure BDA00018354378300000711
为传统机组爬坡速率的上下限。
风电机组的最大出力由当地的风速确定：
Figure BDA00018354378300000712
风电、传统机组和储能系统的总出力需满足当地的负荷值，有：
Figure BDA00018354378300000713
其中，Pd(t)为t时刻当地的负荷值。
步骤30、基于所述第一目标函数、所述压缩空气储能电站的运行约束条件、所述第二目标函数和所述电网侧约束条件，以所述压缩空气储能电站作为下层主体、电网作为上层主体，构建压缩空气储能系统的双层博弈模型。
具体地，以电网为上层主体、压缩空气储能电站为下层主体构建双层博弈模型，具体为：
Figure BDA0001835437830000081
其中，f(x,y)表示压缩空气储能电站的收益函数，即第一目标函数，h(x,y) 表示压缩空气储能电站的等式约束，g(x,y)表示压缩空气储能电站的不等式约束；F(x,y)表示电网的收益函数，即第二目标函数，H(x,y)是电网的等式约束， G(x,y)是电网的不等式约束；x，y分别为上层主体和下层主体的决策变量。
将所述第一目标函数、所述压缩空气储能电站的运行约束条件、所述第二目标函数和所述电网侧约束条件代入上述双层博弈模型，则获得压缩空气储能系统的双层博弈模型。双层博弈模型也可以看作是一个双层优化问题。
步骤40、采用KKT最优条件法将所述压缩空气储能系统的双层博弈模型等效替换为单层优化问题后进行求解，获得所述压缩空气储能系统的最优容量补贴；
具体地，用拉格朗日函数对所述压缩空气储能系统的双层博弈模块的下层目标函数(即第一目标函数)进行等效替代，当达到最优解时，拉格朗日函数的值为零，即将该下层目标函数转化为了等式约束。同时，根据互补松弛条件，引入新的等式约束，将新生成的等式约束与上层电网侧约束条件进行组合，最终将双层优化问题转换为单层问题进行求解。最后，以电网的容量补贴Ss为决策变量对所述转换后的单层问题进行求解，获得所述压缩空气储能系统的最优容量补贴。
本发明实施例提供的压缩空气储能系统的容量补贴计算方法，以电网为上层主体、压缩空气储能电站为下层主体构建双层博弈模型，以容量补贴作为优化变量对所构建的双层博弈模型进行求解，并将下层优化问题转化为约束条件，使双层优化问题简化为常规优化问题，进而求解出储能电站的最优容量补贴，降低了计算复杂度，既可以体现储能系统的实际容量价值，同时能够兼顾电网和压缩空气储能电站的经济性，可为电网企业制定容量补贴策略提供理论依据，从而实现有效的激励。
基于上述实施例的内容，所述采用KKT最优条件法将所述压缩空气储能系统的双层博弈模型等效替换为单层优化问题后进行求解，获得所述压缩空气储能系统的最优容量补贴的步骤，具体为：
引入对偶变量，将所述压缩空气储能系统的双层博弈模型的下层目标函数进行拉格朗日等效替代，获得等式约束；
引入互补松弛条件，更新所述压缩空气储能系统的双层博弈模型的下层约束条件；
将所述等式约束、更新后的所述下层约束条件与所述压缩空气储能系统的双层博弈模型的上层约束条件进行组合，获得单层优化问题；
求解所述单层优化问题，获得所述压缩空气储能电站的最优容量补贴。
具体地，引入对偶变量λ和μ，将所述压缩空气储能系统的双层博弈模型的下层目标函数进行拉格朗日等效替代，达到最优解时，拉格朗日函数值为零。则所述下层目标函数被转化为如下等式约束
R(t)(udc(t)-uch(t))+Ss-CpA-Com-λ1-λ2+λ3+λ4+μ1ηs-μ2＝0 (18)
公式(18)中，λ1、λ2、λ3、λ4、μ1、μ2为引入的对偶变量。
根据互补松弛条件，引入新的等式约束约束，所述压缩空气储能系统的双层博弈模型的下层约束条件更新为：
Figure BDA0001835437830000091
将所述等式约束公式(18)、更新后的所述下层约束条件公式(19)与所述压缩空气储能系统的双层博弈模型的上层约束条件进行组合，获得单层优化问题。
通过上述步骤原有的非线性问题已转化为传统的线性优化问题，将电网的容量补贴值作为决策变量，以电网收益最大为目标函数通过matlab调用 CPLEX求解器直接求解最优容量补贴Ss。
如图2所示，为本发明实施例提供的基于双层博弈的压缩空气储能电站容量配置的结构示意图，包括：储能分析模块210、电网分析模块220、模型构建模块230和计算模块240，其中，
储能分析模块210，用于以压缩空气储能电站收益最大作为第一优化目标构建第一目标函数，并根据储能运行特性确定所述压缩空气储能电站的运行约束条件。
具体地，压缩空气储能电站的总收益＝售电收益+补贴收益-等年值成本，而压缩空气储能电站的等年值成本包括：容量建设成本、运行维护成本和购电成本。储能分析模块210以压缩空气储能电站收益最大作为第一优化目标构建第一目标函数，并根据储能运行特性确定所述压缩空气储能电站的运行约束条件。
其中，所述第一目标函数具体为：
Figure BDA0001835437830000101
其中，Rs total表示压缩空气储能电站的总收益，Ps dc(t)为压缩空气储能电站在t时刻的放电功率，R(t)为t时刻的网电价格，Ps为压缩空气储能电站的容量，Ss为单位容量补贴，Ps ch(t)为压缩空气储能电站在t时刻的充电功率，Com为单位维护成本，Cp为单位功率投资成本，r为银行的折现率，Ls为压缩空气储能电站的寿命，T为总周期时间。
储能分析模块210还根据储能运行特性确定所述压缩空气储能电站的运行约束条件。
电网分析模块220，用于以电网收益最大作为第二优化目标构建第二目标函数，并根据传统机组和风电机组的运行特性确定电网侧约束条件。
具体地，电网的成本包括弃风惩罚成本、传统机组发电成本、支付给储能的购电成本和补贴成本。电网的收益包括：售电收益和缓建收益。电网分析模块220首先评估弃风损失，根据历史t时刻风速v(t)情况，确定本地的t 时刻风电机组最大出力Pw(t)，用以计算弃风导致的经济损失。然后，由于传统机组和风电机组是电网的重要组成部分，电网分析模块220根据传统机组和风电机组自身的运行特性确定电网的运行约束。
其中，所述第二目标函数具体为：
Figure DEST_PATH_1
其中，Ps为压缩空气储能电站的容量，K为电网单位缓建收益，
Figure BDA0001835437830000112
为售电收益，Cwl为单位弃风惩罚成本，
Figure BDA0001835437830000113
为t时刻的风电实际出力，Pw(t) 表示t时刻风电机组最大出力，
Figure BDA0001835437830000114
为传统机组发电成本，β1和β2为传统机组发电成本系数，Pg(t)为传统机组在t时刻的出力，
Figure BDA0001835437830000115
为支付给储能的购电成本，SsPs为补贴成本。
模型构建模块230，用于基于所述第一目标函数、所述压缩空气储能电站的运行约束条件、所述第二目标函数和所述电网侧约束条件，以所述压缩空气储能电站作为下层主体、电网作为上层主体，构建压缩空气储能系统的双层博弈模型。
具体地，模型构建模块230以电网为上层主体、压缩空气储能电站为下层主体构建双层博弈模型，具体为：
Figure BDA0001835437830000116
其中，f(x,y)表示压缩空气储能电站的收益函数，即第一目标函数，h(x,y) 表示压缩空气储能电站的等式约束，g(x,y)表示压缩空气储能电站的不等式约束；F(x,y)表示电网的收益函数，即第二目标函数，H(x,y)是电网的等式约束， G(x,y)是电网的不等式约束；x，y分别为上层主体和下层主体的决策变量。
模型构建模块230将所述第一目标函数、所述压缩空气储能电站的运行约束条件、所述第二目标函数和所述电网侧约束条件代入上述双层博弈模型，则获得压缩空气储能系统的双层博弈模型。双层博弈模型也可以看作是一个双层优化问题。
计算模块240，用于采用KKT最优条件法将所述压缩空气储能系统的双层博弈模型等效替换为单层优化问题后进行求解，获得所述压缩空气储能系统的最优容量补贴。
具体地，用拉格朗日函数对所述压缩空气储能系统的双层博弈模块的下层目标函数(即第一目标函数)进行等效替代，当达到最优解时，拉格朗日函数的值为零，即将该下层目标函数转化为了等式约束。同时，根据互补松弛条件，引入新的等式约束，将新生成的等式约束与上层电网侧约束条件进行组合，最终将双层优化问题转换为单层问题进行求解。最后，以电网的容量补贴Ss为决策变量对所述转换后的单层问题进行求解，获得所述压缩空气储能系统的最优容量补贴。
本发明实施例提供的压缩空气储能系统的容量补贴计算装置，以电网为上层主体、压缩空气储能电站为下层主体构建双层博弈模型，以容量补贴作为优化变量对所构建的双层博弈模型进行求解，并将下层优化问题转化为约束条件，使双层优化问题简化为常规优化问题，进而求解出储能电站的最优容量补贴，降低了计算复杂度，既可以体现储能系统的实际容量价值，同时能够兼顾电网和压缩空气储能电站的经济性，可为电网企业制定容量补贴策略提供理论依据，从而实现有效的激励。
基于上述实施例的内容，所述计算模块具体用于：
引入对偶变量，将所述压缩空气储能系统的双层博弈模型的下层目标函数进行拉格朗日等效替代，获得等式约束；
根据互补松弛条件，更新所述压缩空气储能系统的双层博弈模型的下层约束条件；
将所述等式约束、更新后的所述下层约束条件与所述压缩空气储能系统的双层博弈模型的上层约束条件进行组合，获得单层优化问题；
求解所述单层优化问题，获得所述压缩空气储能电站的最优容量补贴。
具体地，引入对偶变量λ和μ，将所述压缩空气储能系统的双层博弈模型的下层目标函数进行拉格朗日等效替代，达到最优解时，拉格朗日函数值为零。则所述下层目标函数被转化为如下等式约束：
R(t)(udc(t)-uch(t))+Ss-CpA-Com-λ1-λ2+λ3+λ4+μ1ηs-μ2＝0
其中，λ1、λ2、λ3、λ4、μ1、μ2为引入的对偶变量。
根据互补松弛条件，引入新的等式约束约束，所述压缩空气储能系统的双层博弈模型的下层约束条件更新为：
Figure BDA0001835437830000131
μ2(Ps dc(t)-udc(t)Ps)＝0
μ3Ps ch(t)＝0
μ4Ps dc(t)＝0
将所述等式约束公式、更新后的所述下层约束条件公式与所述压缩空气储能系统的双层博弈模型的上层约束条件进行组合，获得单层优化问题。
通过上述步骤原有的非线性问题已转化为传统的线性优化问题，将电网的容量补贴值作为决策变量，以电网收益最大为目标函数通过matlab调用 CPLEX求解器直接求解最优容量补贴Ss。
图3为本发明实施例提供的电子设备的实体结构示意图，如图3所示，该电子设备可以包括：处理器(processor)310、通信接口(Communications Interface)320、存储器(memory)330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信。处理器310可以调用存储在存储器330上并可在处理器310上运行的计算机程序，以执行上述各实施例提供的压缩空气储能系统的容量补贴计算方法，例如包括：以压缩空气储能电站收益最大作为第一优化目标构建第一目标函数，并根据储能运行特性确定所述压缩空气储能电站的运行约束条件；以电网收益最大作为第二优化目标构建第二目标函数，并根据传统机组和风电机组的运行特性确定电网侧约束条件；基于所述第一目标函数、所述压缩空气储能电站的运行约束条件、所述第二目标函数和所述电网侧约束条件，以所述压缩空气储能电站作为下层主体、电网作为上层主体，构建压缩空气储能系统的双层博弈模型；采用KKT最优条件法将所述压缩空气储能系统的双层博弈模型等效替换为单层优化问题后进行求解，获得所述压缩空气储能系统的最优容量补贴。
此外，上述的存储器330中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的压缩空气储能系统的容量补贴计算方法，例如包括：以压缩空气储能电站收益最大作为第一优化目标构建第一目标函数，并根据储能运行特性确定所述压缩空气储能电站的运行约束条件；以电网收益最大作为第二优化目标构建第二目标函数，并根据传统机组和风电机组的运行特性确定电网侧约束条件；基于所述第一目标函数、所述压缩空气储能电站的运行约束条件、所述第二目标函数和所述电网侧约束条件，以所述压缩空气储能电站作为下层主体、电网作为上层主体，构建压缩空气储能系统的双层博弈模型；采用KKT最优条件法将所述压缩空气储能系统的双层博弈模型等效替换为单层优化问题后进行求解，获得所述压缩空气储能系统的最优容量补贴。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，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发明各实施例技术方案的精神和范围。

Claims (8)

1.一种压缩空气储能系统的容量补贴计算方法，其特征在于，包括：
以压缩空气储能电站收益最大作为第一优化目标构建第一目标函数，并根据储能运行特性确定所述压缩空气储能电站的运行约束条件；
以电网收益最大作为第二优化目标构建第二目标函数，并根据传统机组和风电机组的运行特性确定电网侧约束条件；
基于所述第一目标函数、所述压缩空气储能电站的运行约束条件、所述第二目标函数和所述电网侧约束条件，以所述压缩空气储能电站作为下层主体、电网作为上层主体，构建压缩空气储能系统的双层博弈模型；
采用KKT最优条件法将所述压缩空气储能系统的双层博弈模型等效替换为单层优化问题后进行求解，获得所述压缩空气储能系统的最优容量补贴；
其中，以所述压缩空气储能电站作为下层主体、电网作为上层主体，构建压缩空气储能系统的双层博弈模型，具体为：
Figure FDA0002424158840000011
其中，f(x,y)表示压缩空气储能电站的收益函数，即第一目标函数，h(x,y)表示压缩空气储能电站的等式约束，g(x,y)表示压缩空气储能电站的不等式约束；F(x,y)表示电网的收益函数，即第二目标函数，H(x,y)是电网的等式约束，G(x,y)是电网的不等式约束；x，y分别为上层主体和下层主体的决策变量；
其中，所述采用KKT最优条件法将所述压缩空气储能系统的双层博弈模型等效替换为单层优化问题后进行求解，获得所述压缩空气储能系统的最优容量补贴的步骤，具体为：
引入对偶变量，将所述压缩空气储能系统的双层博弈模型的下层目标函数进行拉格朗日等效替代，获得等式约束；
根据互补松弛条件，更新所述压缩空气储能系统的双层博弈模型的下层约束条件；
将所述等式约束、更新后的所述下层约束条件与所述压缩空气储能系统的双层博弈模型的上层约束条件进行组合，获得单层优化问题；
求解所述单层优化问题，获得所述压缩空气储能电站的最优容量补贴。
2.根据权利要求1所述的方法，其特征在于，所述第一目标函数具体为：
Figure FDA0002424158840000021
其中，Rs total表示压缩空气储能电站的总收益，
Figure FDA0002424158840000022
为压缩空气储能电站在t时刻的放电功率，R(t)为t时刻的网电价格，Ps为压缩空气储能电站的容量，Ss为单位容量补贴，
Figure FDA0002424158840000023
为压缩空气储能电站在t时刻的充电功率，Com为单位维护成本，Cp为单位功率投资成本，r为银行的折现率，Ls为压缩空气储能电站的寿命，T为总周期时间。
3.根据权利要求1所述的方法，其特征在于，所述第二目标函数为：
Figure FDA0002424158840000024
其中，
Figure FDA0002424158840000025
为电网系统总收益，Ps为压缩空气储能电站的容量，K为电网单位缓建收益，
Figure FDA0002424158840000031
为售电收益，Cwl为单位弃风惩罚成本，
Figure FDA0002424158840000032
为t时刻的风电实际出力，Pw(t)表示t时刻风电机组最大出力，
Figure FDA0002424158840000033
为传统机组发电成本，β1和β2为传统机组发电成本系数，Pg(t)为传统机组在t时刻的出力，
Figure FDA0002424158840000034
为支付给储能的购电成本，SsPs为补贴成本。
4.一种基于双层博弈的压缩空气储能电站容量配置装置，其特征在于，包括：
储能分析模块，用于以压缩空气储能电站收益最大作为第一优化目标构建第一目标函数，并根据储能运行特性确定所述压缩空气储能电站的运行约束条件；
电网分析模块，用于以电网收益最大作为第二优化目标构建第二目标函数，并根据传统机组和风电机组的运行特性确定电网侧约束条件；
模型构建模块，用于基于所述第一目标函数、所述压缩空气储能电站的运行约束条件、所述第二目标函数和所述电网侧约束条件，以所述压缩空气储能电站作为下层主体、电网作为上层主体，构建压缩空气储能系统的双层博弈模型；
计算模块，用于采用KKT最优条件法将所述压缩空气储能系统的双层博弈模型等效替换为单层优化问题后进行求解，获得所述压缩空气储能系统的最优容量补贴；
其中，以所述压缩空气储能电站作为下层主体、电网作为上层主体，构建压缩空气储能系统的双层博弈模型，具体为：
Figure FDA0002424158840000041
其中，f(x,y)表示压缩空气储能电站的收益函数，即第一目标函数，h(x,y)表示压缩空气储能电站的等式约束，g(x,y)表示压缩空气储能电站的不等式约束；F(x,y)表示电网的收益函数，即第二目标函数，H(x,y)是电网的等式约束，G(x,y)是电网的不等式约束；x，y分别为上层主体和下层主体的决策变量；
其中，所述计算模块具体用于：
引入对偶变量，将所述压缩空气储能系统的双层博弈模型的下层目标函数进行拉格朗日等效替代，获得等式约束；
根据互补松弛条件，更新所述压缩空气储能系统的双层博弈模型的下层约束条件；
将所述等式约束、更新后的所述下层约束条件与所述压缩空气储能系统的双层博弈模型的上层约束条件进行组合，获得单层优化问题；
求解所述单层优化问题，获得所述压缩空气储能电站的最优容量补贴。
5.根据权利要求4所述的装置，其特征在于，所述第一目标函数具体为：
Figure FDA0002424158840000042
其中，Rs total表示压缩空气储能电站的总收益，
Figure FDA0002424158840000043
为压缩空气储能电站在t时刻的放电功率，R(t)为t时刻的网电价格，Ps为压缩空气储能电站的容量，Ss为单位容量补贴，
Figure FDA0002424158840000051
为压缩空气储能电站在t时刻的充电功率，Com为单位维护成本，Cp为单位功率投资成本，r为银行的折现率，Ls为压缩空气储能电站的寿命，T为总周期时间。
6.根据权利要求4所述的装置，其特征在于，所述第二目标函数为：
Figure FDA0002424158840000052
其中，
Figure FDA0002424158840000053
为电网系统总收益，Ps为压缩空气储能电站的容量，K为电网单位缓建收益，
Figure FDA0002424158840000054
为售电收益，Cwl为单位弃风惩罚成本，
Figure FDA0002424158840000055
为t时刻的风电实际出力，Pw(t)表示t时刻风电机组最大出力，
Figure FDA0002424158840000056
为传统机组发电成本，β1和β2为传统机组发电成本系数，Pg(t)为传统机组在t时刻的出力，
Figure FDA0002424158840000057
为支付给储能的购电成本，SsPs为补贴成本。
7.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至3任一所述的方法。
8.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至3任一所述的方法。
CN201811223786.8A 2018-10-19 2018-10-19 压缩空气储能系统的容量补贴计算方法及装置 Active CN109546645B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811223786.8A CN109546645B (zh) 2018-10-19 2018-10-19 压缩空气储能系统的容量补贴计算方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811223786.8A CN109546645B (zh) 2018-10-19 2018-10-19 压缩空气储能系统的容量补贴计算方法及装置

Publications (2)

Publication Number Publication Date
CN109546645A CN109546645A (zh) 2019-03-29
CN109546645B true CN109546645B (zh) 2020-06-23

Family

ID=65844335

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811223786.8A Active CN109546645B (zh) 2018-10-19 2018-10-19 压缩空气储能系统的容量补贴计算方法及装置

Country Status (1)

Country Link
CN (1) CN109546645B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111082435B (zh) * 2019-12-13 2021-10-08 葛洲坝中科储能技术有限公司 一种风电搭配压缩空气储能的出力控制系统及方法
CN111009927B (zh) * 2019-12-17 2021-10-08 葛洲坝中科储能技术有限公司 一种风电配合压缩空气储能容量优化方法及系统
CN113255141B (zh) * 2021-05-31 2023-10-24 国网重庆市电力公司 储能电站投资容量和安装位置计算方法
CN114725971B (zh) * 2022-06-10 2022-09-06 北京大学 一种基于混合储能系统的运行决策方法及系统
CN117674212B (zh) * 2023-12-06 2024-06-11 国网青海省电力公司清洁能源发展研究院 一种构网型储能控制方法及系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015021603A1 (en) * 2013-08-13 2015-02-19 Accenture Global Services Limited System, method and apparatus for integrated multi-energy scheduling in a micro-grid and a tangible computer readable medium
CN104948389B (zh) * 2014-03-25 2017-09-22 国网上海市电力公司 分布式压缩空气储能系统的容量配置方法
CN105305419B (zh) * 2015-10-12 2017-07-25 山东大学 一种含有压缩空气储能的独立微网容量优化配置方法
CN105262129B (zh) * 2015-10-22 2018-01-16 华南理工大学 一种含复合储能微电网的多目标优化系统及方法
US11107169B2 (en) * 2015-11-18 2021-08-31 General Electric Company Systems and methods for controlling and monitoring power assets
CN107992966A (zh) * 2017-11-27 2018-05-04 清华大学 含压缩空气储能的综合能源系统优化配置方法及装置
CN107994609B (zh) * 2017-12-11 2020-02-14 清华大学 考虑压缩空气储能的风电并网备用整定方法及装置

Also Published As

Publication number Publication date
CN109546645A (zh) 2019-03-29

Similar Documents

Publication Publication Date Title
CN109546645B (zh) 压缩空气储能系统的容量补贴计算方法及装置
CN110188950B (zh) 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法
CN111404206B (zh) 考虑投资回报约束的风光储发电系统容量双层规划方法
CN108053057A (zh) 一种基于CVaR的虚拟电厂优化调度建模方法
CN102103720A (zh) 一种基于风险的微电网分布式发电备用优化配置方法
CN112564152A (zh) 一种面向充电站运营商的储能优化配置方法
CN113723870A (zh) 一种分布式发电co2减排核算方法、装置、设备及介质
CN114970986A (zh) 一种基于纳什均衡的分布式电源及储能的协同规划方法
CN105930919A (zh) 基于两阶段随机规划的虚拟电厂风险规避优化运行方法
KR101758307B1 (ko) 에너지 저장장치 운영방법
CN115102231A (zh) 一种多尺度电-碳模式下风光储场站优化控制方法和系统
CN117436773B (zh) 一种含可中断负荷的独立微网资源规划方法和系统
Basu Heat and power generation augmentation planning of isolated microgrid
CN112653195B (zh) 一种并网型微电网鲁棒优化容量配置方法
CN117353345A (zh) 一种计及配电网潮流约束的多产消者电能共享方法
CN116914821A (zh) 一种基于改进粒子群算法的微电网低碳优化调度方法
CN114298383A (zh) 一种虚拟电厂储能容量配置方法及装置
CN115204944A (zh) 一种计及全寿命周期的储能最优峰谷价差测算方法及装置
CN112541778B (zh) 一种基于微电网参与两阶段市场出清系统优化运行方法
CN114169636A (zh) 一种综合能源系统日前调度方法
Zhang et al. Optimal bidding strategy of PV-storage system in the electricity market
CN114172148A (zh) 一种基于合作博弈的黑启动容量配置方法
CN113255957A (zh) 综合服务站不确定因素的定量优化分析方法及系统
CN102709952B (zh) 一种确定电网中各机组的有功功率的方法和系统
CN117154801B (zh) 一种电网系统储能配置和出力方案确定方法和装置

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