CN109586324A - 基于双层博弈的压缩空气储能电站容量配置方法及装置 - Google Patents

基于双层博弈的压缩空气储能电站容量配置方法及装置 Download PDF

Info

Publication number
CN109586324A
CN109586324A CN201811223750.XA CN201811223750A CN109586324A CN 109586324 A CN109586324 A CN 109586324A CN 201811223750 A CN201811223750 A CN 201811223750A CN 109586324 A CN109586324 A CN 109586324A
Authority
CN
China
Prior art keywords
compressed
energy storage
air energy
power station
storage power
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
CN201811223750.XA
Other languages
English (en)
Other versions
CN109586324B (zh
Inventor
梅生伟
潘静
陈来军
严胜
卢强
郑天文
林其友
薛小代
刘亚南
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
State Grid Corp of China SGCC
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
State Grid Corp of China SGCC
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, State Grid Corp of China SGCC, 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 CN201811223750.XA priority Critical patent/CN109586324B/zh
Publication of CN109586324A publication Critical patent/CN109586324A/zh
Application granted granted Critical
Publication of CN109586324B publication Critical patent/CN109586324B/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
    • H02J3/28—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
    • H02J15/00—Systems for storing electric energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明实施例提供一种基于双层博弈的压缩空气储能电站容量配置方法及装置，所述方法包括：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，根据压缩空气储能电站的物理特性确定运行约束条件；以计及弃风损失的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；基于第一目标函数、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，构建压缩空气储能电站容量优化配置的双层博弈模型；求解所述双层博弈模型，获得所述压缩空气储能电站的最优容量。本发明实施例兼顾了电网和压缩空气储能电站的经济性，并考虑了压缩空气储能电站的动态特性。

Description

基于双层博弈的压缩空气储能电站容量配置方法及装置
技术领域
本发明涉及压缩空气储能技术领域，更具体地，涉及一种基于双层博弈的压缩空气储能电站容量配置方法及装置。
背景技术
风、光等可再生能源被认为是解决当前愈发严重的能源危机和环境污染问题的重要手段，然而其固有的间歇性和不确定性为电力系统的安全稳定运行带来严重的负面影响，阻碍了其健康发展。储能技术的应用可实现可再生能源灵活调度，增强电网的灵活性，进而提升电网运行的经济性。压缩空气储能(Compressed air energy storage，CAES)是一种新型大规模物理储能技术，具有存储容量大、使用寿命长、安全稳定等优点，是实现可再生能源大规模接入、电力系统低碳转型的重要手段。
然而，储能的发展受成本问题的制约，当储能容量无法与需求匹配时，将严重抑制储能电站的经济性。同时，压缩空气储能电站运行涉及压缩、储气、膨胀释能等多个物理过程，能量转换过程复杂多变，增大了压缩空气储能电站容量配置的复杂性。现有容量配置相关的研究往往将压缩空气储能电站的物理模型进行大幅简化，然而简化后的模型无法准确描述其运行过程中的动态特性，降低了容量配置结果的可信度。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的基于双层博弈的压缩空气储能电站容量配置方法及装置。
第一方面，本发明实施例提供一种基于双层博弈的压缩空气储能电站容量配置方法，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，并根据所述压缩空气储能电站的物理特性确定所述压缩空气储能电站的运行约束条件；
以计及弃风损失的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，构建压缩空气储能电站容量优化配置的双层博弈模型；
求解所述压缩空气储能电站容量优化配置的双层博弈模型，获得所述压缩空气储能电站的最优容量。
第二方面，本发明实施例提供一种基于双层博弈的压缩空气储能电站容量配置装置，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，并根据所述压缩空气储能电站的物理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，用于以计及弃风损失的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，构建压缩空气储能电站容量优化配置的双层博弈模型；
求解模块，用于求解所述压缩空气储能电站容量优化配置的双层博弈模型，获得所述压缩空气储能电站的最优容量。
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基于双层博弈的压缩空气储能电站容量配置方法的步骤。
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基于双层博弈的压缩空气储能电站容量配置方法的步骤。
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，兼顾了电网和压缩空气储能电站的经济性，并且考虑了压缩空气储能电站的动态特性，可为压缩空气储能电站的容量的优化决策提供有效的理论依据。
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基于双层博弈的压缩空气储能电站容量配置方法的流程示意图；
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，并将高压空气密封在地下盐穴、地下矿洞、过期油气井或新建储气室中，在电网负荷高峰期释放压缩空气推动透平机(气轮机、涡轮机等)发电。
为了克服现有研究存在的问题，本发明实施例提供了一种基于双层博弈的压缩空气储能电站容量配置方法，其发明构思为：电网为了减少弃风损失，增强自身经济性，对压缩空气储能电站给予一定的补贴，鼓励储能容量建设；压缩空气储能电站在得到容量补贴信号后，决定自己的容量建设值，使自身收益最大化；为了兼顾电网和压缩空气储能电站的经济性，实现储能电站和电网的双赢，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，以压缩空气储能电站收益最大作为下层优化目标构建目标函数，并考虑压缩空气储能电站压缩、储气、膨胀等过程的物理特性，确定压缩空气储能电站的运行约束条件；确定计及弃风损失的电站收益目标函数和电站运行的约束条件。然后，求解上述双层博弈模型，获得储能电站的最优容量。这样做的好处在于兼顾电网和压缩空气储能电站的经济性，并充分考虑压缩空气储能电站的动态特性，为压缩空气储能电站的容量的优化决策提供理论依据。
如图1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，并根据所述压缩空气储能电站的物理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收益由以下部分组成：1)压缩空气储能电站的初始投资成本；2)压缩空气储能电站的运行维护成本；3)压缩空气储能电站的购电成本；4)压缩空气储能电站的启停成本；5)压缩空气储能电站的售电收益；6)压缩空气储能电站从电网获得的补贴收益。压缩空气储能电站的收益＝售电收益+补贴收益-(初始投资成本+运行维护成本+购电成本+启停成本)，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。
具体地，第一目标函数为：
其中，Rs total表示压缩空气储能电站的总收益，Res表示压缩空气储能电站的售电收益，Rsub表示压缩空气储能电站从电网获得的补贴收益，Ceb表示压缩空气储能电站的购电成本，Cm表示压缩空气储能电站的运行维护成本，Cst表示压缩空气储能电站的启停成本，Ccap表示压缩空气储能电站的初始投资成本，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，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，Cexp为膨胀机的启动成本，为启停变量，表示t时刻膨胀机是否启动，Ccom为压缩机的启动成本，为启停变量，表示t时刻压缩机是否启动。
根据压缩空气储能电站的物理特性确定压缩空气储能电站的运行约束条件是指根据压缩空气储能电站压缩、储气、膨胀等过程的物理特性，确定运行约束条件。
步骤20、以计及弃风损失的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。
电网为减少弃风损失，增强自身经济性，对压缩空气储能电站给予一定的补贴，鼓励储能容量建设。因此，以计及弃风损失的电网收益最大作为第二优化目标构建第二目标函数。电网收益由以下几部分组成：弃风惩罚成本、购电成本、补贴成本、售电收益和缓建收益，即电网收益＝缓建收益+售电收益-(弃风惩罚成本+购电成本+补贴成本)。
具体地，第二目标函数为：
其中，Ps为压缩空气储能电站的容量，M为机组缓建收益，为售电收益，Cw为单位弃风惩罚成本，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，为购电成本，SsPs为补贴成本。
其中，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：
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。
然后，确定电网侧约束条件:
上述公式(4)中，Pd(t)为t时刻当地的负荷需求，第一行约束条件为风电机组的出力约束，第二行约束条件为功率平衡约束。
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，构建压缩空气储能电站容量优化配置的双层博弈模型。
具体地，为了兼顾电网和压缩空气储能电站的经济性，实现储能电站和电网的双赢，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：
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，则获得了压缩空气储能电站容量优化配置的双层博弈模型。
步骤40、求解所述压缩空气储能电站容量优化配置的双层博弈模型，获得所述压缩空气储能电站的最优容量。
最后，对所述压缩空气储能电站容量优化配置的双层博弈模型进行求解，获得所述压缩空气储能电站的最优容量Ps。
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，一方面建立了压缩空气储能系统的线性模型，较为精确的描述了运行过程中的物理状态，另一方面双层优化的方法可兼顾储能电站和电网侧的经济效益，达到双赢的效果，可为压缩空气储能电站的容量的优化决策提供理论依据。
基于上述实施例的内容，所述求解所述压缩空气储能电站容量优化配置的双层博弈模型，获得所述压缩空气储能电站的最优容量的步骤，具体为：
采用KKT最优条件法求解所述压缩空气储能电站容量优化配置的双层博弈模型，获得所述压缩空气储能电站的最优容量。
具体地，KKT最优条件法是指将下层目标函数及相关约束用其KKT等效条件替代，将双层优化问题转化为单层线性优化问题进行求解，即用拉格朗日函数将下层目标函数等效替代，达到最优解时，拉格朗日函数值为零，下层目标函数被转化为等式约束，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优化问题进行组合，最终将双层优化问题转换为单层问题进行求解。
本发明实施例用KKT最优条件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，降低了计算复杂度。
基于上述实施例的内容，所述根据所述压缩空气储能电站的物理特性确定所述压缩空气储能电站的运行约束条件的步骤，具体为：
根据所述压缩空气储能电站压缩过程中的物理特性，建立压缩机线性模型，确定压缩机运行约束；
根据所述压缩空气储能电站储气过程中的物理特性，建立储气室线性模型，确定储气室运行约束；
根据所述压缩空气储能电站膨胀过程中的物理特征，建立膨胀机线性模型，确定膨胀机运行约束；
确定所述系统的其它约束。
具体地，当系统功率富裕时，使用弃风电驱动压缩机压缩空气，将能量存储，据此建立压缩机线性模型，确定压缩机运行约束如下所示：
其中，Prcom(t)表示压缩机的排气压力，表示压缩机的输入功率，也即压缩空气储能电站在t时刻的充电功率，Amfcom(t)表示压缩机的排气质量流量，α1、α2、α3、α4是转换系数，ucom(t)是表示压缩机是否运行的0-1变量，和分别是压缩机输入功率的上下限，Prgs(t)是储气库的压力，和分别表示压缩机排气质量流量的上下限。
上述公式(6)中，第1行公式表示压缩机的排气压力和压缩机输入功率之间呈现线性关系；第2行公式表示压缩机的排气质量和压缩机输入功率之间呈现线性关系；第3、4、5行公式是保证压缩机正常运行的基本约束，表示了压缩机的运行区间，包括功率、排气压力和排气质量流量的正常工作范围。
当系统功率富裕时，空气被压缩存储到储气室中，功率不足时储气室排气推动透平做功。因此，储气室的模型及运行约束为
其中，AMgs(t)表示t时刻储气室存储的空气质量，Amfcom(t)为压缩机的排气质量流量，Amfout(t)为储气室排出的空气质量流量，Prgs(t)是储气库的压力，Vgs表示储气室的体积，Rgc为气体常数，T为储气室的温度，和分别为储气室最大最小压力。
上述公式(7)中，第1行公式是质量守恒约束；第2行公式表示经过一个周期，储气室恢复到初始状态，为下一个周期做好准备；第3行公式是热力学基本公式，用于实时计算储气室压力；第4行公式是储气室压力运行区间。
当系统功率不足时，储气室排出高压空气经过膨胀机推动透平做功。膨胀机的模型及运行约束为：
其中，β1和β2为转换系数，uexp(t)为膨胀机是否运行的0-1变量，为压缩空气储能电站在t时刻的放电功率，为膨胀机的最小出力，和为储气室排出的空气质量流量的上下限。
上述公式(8)中，第1行公式描述了膨胀功率与进气质量流量之间的线性关系；第2行公式表示压缩空气储能电站的出力约束；第3行公式为膨胀机的运行约束。
确定压缩空气储能电站的启停运行约束如下：
其中，为压缩机关闭时的指示变量，为膨胀机关闭时的指示变量。公式(9)为压缩机和膨胀机的启停约束，保证压缩机和膨胀机的启动和关闭不在同一时刻发生。
基于上述实施例的内容，所述采用KKT最优条件法求解所述压缩空气储能电站容量优化配置的双层博弈模型，获得所述压缩空气储能电站的最优容量的步骤，具体为：
引入对偶变量，将所述压缩空气储能电站容量优化配置的双层博弈模型的下层目标函数利用拉格朗日函数进行等效替代，获得等式约束；
引入互补松弛条件，更新所述压缩空气储能电站容量优化配置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电站容量优化配置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。
具体地，引入对偶变量λ和μ，则下层优化问题的拉格朗日函数为：
引入互补松弛条件，所述下层优化问题的互补松弛的条件为：
构建基于KKT最优条件的优化问题，当引入对偶变量和KKT最优条件后，原双层优化问题可转换为如下优化问题：
公式(12)中的变量均为连续型变量和整型变量，约束为线性约束，可直接通过CPLEX求解出储能电站的最优容量Ps。
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和求解模块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，并根据所述压缩空气储能电站的物理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收益由以下部分组成：1)压缩空气储能电站的初始投资成本；2)压缩空气储能电站的运行维护成本；3)压缩空气储能电站的购电成本；4)压缩空气储能电站的启停成本；5)压缩空气储能电站的售电收益；6)压缩空气储能电站从电网获得的补贴收益。压缩空气储能电站的收益＝售电收益+补贴收益-(初始投资成本+运行维护成本+购电成本+启停成本)，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，并根据压缩空气储能电站压缩、储气、储热、膨胀等过程的物理特性，确定运行约束条件。
电网分析模块220，用于以计及弃风损失的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。
具体地，电网要减少弃风损失，增强自身经济性，同时对压缩空气储能电站给予一定的补贴，鼓励储能容量建设，因此电网分析模块220以计及弃风损失的电网收益最大作为第二优化目标构建第二目标函数。电网收益由以下几部分组成：弃风惩罚成本、购电成本、补贴成本、售电收益和缓建收益，即电网收益＝缓建收益+售电收益-(弃风惩罚成本+购电成本+补贴成本)。电网侧约束条件包括：风电机组的出力约束和功率平衡约束。
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，构建压缩空气储能电站容量优化配置的双层博弈模型。
具体地，为了兼顾电网和压缩空气储能电站的经济性，实现储能电站和电网的双赢，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：
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，则获得了压缩空气储能电站容量优化配置的双层博弈模型。
求解模块240，用于求解所述压缩空气储能电站容量优化配置的双层博弈模型，获得所述压缩空气储能电站的最优容量。
最后，对所述压缩空气储能电站容量优化配置的双层博弈模型进行求解，获得所述压缩空气储能电站的最优容量Ps。
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，兼顾了电网和压缩空气储能电站的经济性，并且考虑了压缩空气储能电站的动态特性，可为压缩空气储能电站的容量的优化决策提供有效的理论依据。
基于上述实施例的内容，所述求解模块240具体用于：采用KKT最优条件法求解所述压缩空气储能电站容量优化配置的双层博弈模型，获得所述压缩空气储能电站的最优容量。
具体地，KKT最优条件法是指将下层约束用其KKT等效条件替代，将双层优化问题转化为单层线性优化问题进行求解，即求解模块240用拉格朗日函数将下层目标函数等效替代，达到最优解时，拉格朗日函数值为零，下层目标函数被转化为等式约束，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优化问题进行组合，最终将双层优化问题转换为单层问题进行求解。
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基于双层博弈的压缩空气储能电站容量配置方法，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，并根据所述压缩空气储能电站的物理特性确定所述压缩空气储能电站的运行约束条件；以计及弃风损失的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，构建压缩空气储能电站容量优化配置的双层博弈模型；求解所述压缩空气储能电站容量优化配置的双层博弈模型，获得所述压缩空气储能电站的最优容量。
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基于双层博弈的压缩空气储能电站容量配置方法，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，并根据所述压缩空气储能电站的物理特性确定所述压缩空气储能电站的运行约束条件；以计及弃风损失的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，构建压缩空气储能电站容量优化配置的双层博弈模型；求解所述压缩空气储能电站容量优化配置的双层博弈模型，获得所述压缩空气储能电站的最优容量。
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 (10)

1.一种基于双层博弈的压缩空气储能电站容量配置方法，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，并根据所述压缩空气储能电站的物理特性确定所述压缩空气储能电站的运行约束条件；
以计及弃风损失的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，构建压缩空气储能电站容量优化配置的双层博弈模型；
求解所述压缩空气储能电站容量优化配置的双层博弈模型，获得所述压缩空气储能电站的最优容量。
2.根据权利要求1所述的方法，其特征在于，所述求解所述压缩空气储能电站容量优化配置的双层博弈模型，获得所述压缩空气储能电站的最优容量的步骤，具体为：
采用KKT最优条件法求解所述压缩空气储能电站容量优化配置的双层博弈模型，获得所述压缩空气储能电站的最优容量。
3.根据权利要求1所述的方法，其特征在于，所述根据所述压缩空气储能电站的物理特性确定所述压缩空气储能电站的运行约束条件的步骤，具体为：
根据所述压缩空气储能电站压缩过程中的物理特性，建立压缩机线性模型，确定压缩机运行约束；
根据所述压缩空气储能电站储气过程中的物理特性，建立储气室线性模型，确定储气室运行约束；
根据所述压缩空气储能电站膨胀过程中的物理特征，建立膨胀机线性模型，确定膨胀机运行约束；
确定所述压缩空气储能电站的启停运行约束。
4.根据权利要求2所述的方法，其特征在于，所述采用KKT最优条件法求解所述压缩空气储能电站容量优化配置的双层博弈模型，获得所述压缩空气储能电站的最优容量的步骤，具体为：
引入对偶变量，将所述压缩空气储能电站容量优化配置的双层博弈模型的下层目标函数利用拉格朗日函数进行等效替代，获得等式约束；
引入互补松弛条件，更新所述压缩空气储能电站容量优化配置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电站容量优化配置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。
5.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：
其中，Rs total表示压缩空气储能电站的总收益，Res表示压缩空气储能电站的售电收益，Rsub表示压缩空气储能电站从电网获得的补贴收益，Ceb表示压缩空气储能电站的购电成本，Cm表示压缩空气储能电站的运行维护成本，Cst表示压缩空气储能电站的启停成本，Ccap表示压缩空气储能电站的初始投资成本，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，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，Cexp为膨胀机的启动成本，为启停变量，表示t时刻膨胀机是否启动，Ccom为压缩机的启动成本，为启停变量，表示t时刻压缩机是否启动。
6.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：
其中，Ps为压缩空气储能电站的容量，M为机组缓建收益，为售电收益，Cw为单位弃风惩罚成本，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，为购电成本，SsPs为补贴成本。
7.一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，并根据所述压缩空气储能电站的物理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，用于以计及弃风损失的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，构建压缩空气储能电站容量优化配置的双层博弈模型；
求解模块，用于求解所述压缩空气储能电站容量优化配置的双层博弈模型，获得所述压缩空气储能电站的最优容量。
8.根据权利要求7所述的装置，其特征在于，所述求解模块具体用于：
采用KKT最优条件法求解所述压缩空气储能电站容量优化配置的双层博弈模型，获得所述压缩空气储能电站的最优容量。
9.一种电子设备，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6任一所述的方法。
10.一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6任一所述的方法。
CN201811223750.XA 2018-10-19 2018-10-19 基于双层博弈的压缩空气储能电站容量配置方法及装置 Active CN109586324B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811223750.XA CN109586324B (zh) 2018-10-19 2018-10-19 基于双层博弈的压缩空气储能电站容量配置方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811223750.XA CN109586324B (zh) 2018-10-19 2018-10-19 基于双层博弈的压缩空气储能电站容量配置方法及装置

Publications (2)

Publication Number Publication Date
CN109586324A true CN109586324A (zh) 2019-04-05
CN109586324B CN109586324B (zh) 2019-11-19

Family

ID=65920191

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811223750.XA Active CN109586324B (zh) 2018-10-19 2018-10-19 基于双层博弈的压缩空气储能电站容量配置方法及装置

Country Status (1)

Country Link
CN (1) CN109586324B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111009927A (zh) * 2019-12-17 2020-04-14 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
CN112531676A (zh) * 2019-09-19 2021-03-19 清华大学 基于能量共享博弈的可再生能源消纳方法和装置

Citations (6)

* 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
CN104948389A (zh) * 2014-03-25 2015-09-30 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
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
CN105305419A (zh) * 2015-10-12 2016-02-03 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
CN107742901A (zh) * 2017-11-14 2018-02-27 清华大学 考虑压缩空气储能的风电并网机组组合方法及装置
CN107947161A (zh) * 2017-11-29 2018-04-20 清华大学 非补燃压缩空气储能系统的经济性评估方法及装置

Patent Citations (6)

* 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
CN104948389A (zh) * 2014-03-25 2015-09-30 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
CN105305419A (zh) * 2015-10-12 2016-02-03 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
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
CN107742901A (zh) * 2017-11-14 2018-02-27 清华大学 考虑压缩空气储能的风电并网机组组合方法及装置
CN107947161A (zh) * 2017-11-29 2018-04-20 清华大学 非补燃压缩空气储能系统的经济性评估方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李瑞 等: "先进绝热压缩空气储能电站日前电力市场主从博弈竞标策略", 《控制理论与应用》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112531676A (zh) * 2019-09-19 2021-03-19 清华大学 基于能量共享博弈的可再生能源消纳方法和装置
CN112531676B (zh) * 2019-09-19 2022-06-03 清华大学 基于能量共享博弈的可再生能源消纳方法和装置
CN111009927A (zh) * 2019-12-17 2020-04-14 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
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

Also Published As

Publication number Publication date
CN109586324B (zh) 2019-11-19

Similar Documents

Publication Publication Date Title
Marano et al. Application of dynamic programming to the optimal management of a hybrid power plant with wind turbines, photovoltaic panels and compressed air energy storage
CN109546645B (zh) 压缩空气储能系统的容量补贴计算方法及装置
CN104092241B (zh) 一种考虑备用需求的风电消纳能力分析方法
CN106253315B (zh) 一种考虑电动汽车充电站可调度性的储能容量配置方法
CN109494769A (zh) 一种风场参与调频方法及系统
CN109586324B (zh) 基于双层博弈的压缩空气储能电站容量配置方法及装置
Ricosti et al. An assessment of wind power prospects in the Brazilian hydrothermal system
CN107979111A (zh) 一种基于两阶段鲁棒优化的微电网能量管理方法
CN103138256A (zh) 一种新能源电力消纳全景分析系统及方法
CN105305419A (zh) 一种含有压缩空气储能的独立微网容量优化配置方法
CN112994013A (zh) 考虑频率约束的多源电力系统日前优化调度方法
CN107732949A (zh) 一种综合风电全年多季节特性的储能布点定容方法
CN103855718A (zh) 抽水蓄能电站参与含风电电力系统的调度方法
CN109066687A (zh) 一种电力系统潮流计算方法、系统及电子设备
CN104037755A (zh) 一种求解风蓄火联合运行系统多时段Pareto解集的优化方法
Göransson et al. Large scale integration of wind power: moderating thermal power plant cycling
Qin et al. Offshore wind energy storage concept for cost-of-rated-power savings
CN104167765A (zh) 一种基于接纳能力分布的最大风电装机容量计算方法
CN106779250B (zh) 一种基于新型优化模型的孤立分布式电网配置方法
CN109449987A (zh) 新能源发电并网的电力系统模拟方法及系统
CN109658006A (zh) 一种大规模风电场群辅助调度方法及装置
CN105488735A (zh) 考虑资源环境约束的区域电力综合资源战略规划方法
CN110362845A (zh) 一种区域电力市场发展规划模式确定方法和装置
CN112332454A (zh) 基于含抽蓄柔性直流输电系统的电池储能处理方法及装置
CN106096849A (zh) 分布式光伏接入电网综合评价系统及方法

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