CN109687444A - 一种微电网电源多目标双层优化配置方法 - Google Patents
一种微电网电源多目标双层优化配置方法 Download PDFInfo
- Publication number
- CN109687444A CN109687444A CN201811612387.0A CN201811612387A CN109687444A CN 109687444 A CN109687444 A CN 109687444A CN 201811612387 A CN201811612387 A CN 201811612387A CN 109687444 A CN109687444 A CN 109687444A
- Authority
- CN
- China
- Prior art keywords
- micro
- capacitance sensor
- multiple target
- power
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 93
- 239000002355 dual-layer Substances 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004146 energy storage Methods 0.000 claims abstract description 119
- 239000010410 layer Substances 0.000 claims abstract description 92
- 230000005611 electricity Effects 0.000 claims abstract description 65
- 238000010248 power generation Methods 0.000 claims abstract description 18
- 230000007613 environmental effect Effects 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 26
- 238000012423 maintenance Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 4
- 238000011068 loading method Methods 0.000 claims description 4
- 238000011084 recovery Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 230000007812 deficiency Effects 0.000 abstract description 3
- 238000002156 mixing Methods 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 8
- 238000003860 storage Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 230000006872 improvement Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 239000002245 particle Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 239000000446 fuel Substances 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 238000007747 plating Methods 0.000 description 2
- 241000282461 Canis lupus Species 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 102000010029 Homer Scaffolding Proteins Human genes 0.000 description 1
- 229910052493 LiFePO4 Inorganic materials 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
-
- 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
-
- H02J3/382—
-
- 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]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/388—Islanding, i.e. disconnection of local power supply from the network
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请提供的一种微电网电源多目标双层优化配置方法,包括:建立微电网分布式发电与混合储能系统模型;建立包括微电网投资运维等年值成本、微电网负荷缺电概率、微电网弃风弃光率、系统净负荷功率波动率的综合优化配置多目标指标体系;建立多目标双层优化配置模型,包括上层优化配置模型和下层优化配置模型;分别对上层优化配置模型和下层优化配置模型进行求解,得到优化的微电网电源配置方案。本申请在考虑含混合储能的微电网配置时,充分考虑了经济性、可靠性和环保性的统一,并在基于多时间尺度下对模型进行解耦简化,简化了计算难度,弥补了当前混合微电网优化配置方面的不足,解决了传统的优化方法未能综合考虑混合储能系统的技术问题。
Description
技术领域
本申请涉及电网技术领域,尤其涉及一种微电网电源多目标双层优化配置方法。
背景技术
随着化石能源枯竭和环境污染等问题日益加剧,发展和利用清洁能源已经成为了各国可持续发展的重要战略,其中以风电、太阳能为核心的可再生能源发电技术得到了迅速发展和广泛应用。与此同时,随着传统电网规模的不断扩大,超高压、远距离的集中输电方式受到越来越多的挑战,供电可靠性受到自然灾害、恐怖袭击和战争等影响较大,大面积的停电容易波及全网。
基于以上背景,分布式发电(Distributed Generation,DG)技术得到了国内外研究人员的广泛关注与重视。一方面,分布式发电技术的发展,可以提高可在生能源的利用率和渗透率,改善能源结构,降低环境污染,还能有效改善电网末梢的电压水平,提高现有电网的供电可靠性、电能质量和供电效率,并可减缓和减少传统电网的建设或改造工程,从而降低电网的输配电设备投资成本。而另一方面,含有大量随机发电特性的分布式发电系统直接接入电网会带来一系列冲击。
微电网概念的提出有效解决了分布式发电系统直接并网接入带来的对电网的冲击问题,协调分布式电源与配电网之间的矛盾,提高了可再生能源的利用率。由于特殊的地理条件和对电力能源的需求,含多种能源互补发电的型微电网运行技术自提出后就在电网建设中得到应用。但目前,我国微电网研究及混合储能技术应用均处于探索阶段。
经过对现有技术文献的检索发现,基于变寿命模型的改善风电可调度性的电池储能容量优化(易林,娄素华,吴耀武,等.基于变寿命模型的改善风电可调度性的电池储能容量优化[J].电工技术学报,2015,30(15):53-59)以风储联合系统年收益最大为目标,提出综合考虑风电调度功率优化和变寿命特性的电池储能容量优化模型,能够合理配置电池储能容量,有效提高风电的可调度能力。但该文献仅考虑了单一的经济性指标,对可靠性与环保性指标考虑不足;基于净效益最大化的微电网电源优化配置(李登峰,谢开贵,胡博,等.基于净效益最大化的微电网电源优化配置[J].电力系统保护与控制,2013,41(20):20-26.)综合考虑电源投资、运行和维护、燃料购买等成本,以及节能、减排、降损、改善可靠性和延缓电网投资等效益,建立微电网年化净效益计算模型,得出了能够取得较大社会经济效益的微电网电源配置方案。但该模型仅考虑配置了能量型蓄电池储能,没有涉及含有功率型储能的混合储能系统模型,也因此未能解决净负荷功率波动率大的问题。
发明内容
本申请提供了一种微电网电源多目标双层优化配置方法,用于解决传统的优化方法未能综合考虑混合储能系统的技术问题。
有鉴于此,本申请第一方面提供了一种微电网电源多目标双层优化配置方法,包括:
S1:建立微电网分布式发电与混合储能系统模型;
S2:建立包括微电网投资运维等年值成本、微电网负荷缺电概率、微电网弃风弃光率、系统净负荷功率波动率的综合优化配置多目标指标体系;
S3:建立多目标双层优化配置模型,包括上层优化配置模型和下层优化配置模型;
S4:分别对上层优化配置模型和下层优化配置模型进行求解,得到优化的微电网电源配置方案。
优选地,所述步骤S2包括:
建立综合优化配置多目标指标体系中的微电网投资运维等年值成本函数为:
C=CPEμCRF(r,LY)+COM+CEC+CREμCRF(r,LY)-BMR;
其中,LY为微电网的工程寿命;CPE为设备初始投资成本;COM、CEC分别为运行维护等年值成本、环保折算等年值成本;CRE为微电网工程寿命期内的设备部件总更新等年值成本;BMR为微电网等年值收益;r为贴现率;μCRF(r,LY)为资金回收率;
建立综合优化配置多目标指标体系中的微电网负荷缺电概率函数为:
其中,ELPSP,t指第t小时系统的缺电量,单位为kWh;ELoad,t指第t小时系统负荷的总需求量,单位为kWh;
建立综合优化配置多目标指标体系中的微电网弃风弃光率函数为:
其中,EDEP,t指第t小时弃风弃光电量,单位为kWh;分别是第t小时光伏发电系统、风力发电系统的理论发电量;
建立综合优化配置多目标指标体系中的系统净负荷功率波动率函数为:
RRFR=max|Pnld(k)-Pnld(k+Δk)|;
其中,Pnld(k)、Pnld(k+Δk)分别为系统净负荷k时刻以及k+Δk的功率值,单位为kW;Δk为步长。
优选地,所述步骤S3包括:
建立多目标双层优化配置模型的上层优化配置模型的目标函数为:
min f=min{C(X),RLPSP(X)};
其中,C(X)为微电网投资运维等年值成本,RLPSP(X)微电网负荷缺电概率,X为不包括功率型储能系统配置的微电网电源配置参数。
优选地,所述步骤S3包括:
建立多目标双层优化配置模型的上层优化配置模型的间歇性电源运行约束条件、能量型储能系统运行约束条件和柴油发电系统运行约束条件;
间歇性电源运行约束条件为:
其中,为第t小时的光伏发电系统、风力发电系统的理论最大发电量,单位为kWh;
能量型储能系统运行约束条件为:
其中,和分别为储能系统的最大放电功率和最大充电功率;SOCmin2和SOCmax1分别表示储能系统的正常运行范围的边界值;SOCmin1和SOCmax2分别表示储能系统的过充过放警告荷电状态值;
柴油发电系统运行约束条件为:
其中,为柴油发电机组出力最小限值,Δt1为上层优化模型的仿真步长。
优选地,所述步骤S3包括:
建立多目标双层优化配置模型的上层优化配置模型的系统能量平衡约束条件:
Eload(t)=Ede(t)+Epv(t)+Ewt(t)+Ee(t)+Ep(t);
其中,Ede(t)、Epv(t)、Ewt(t)、Ee(t)、Ep(t)分别表示柴油发电机、光伏发电系统、风力发电系统、能量型储能、功率型储能在第t小时的电量,单位为kWh;Eload(t)为微网负荷在第t小时的功率,单位为kWh。
优选地,所述步骤S3包括:
建立多目标双层优化配置模型的上层优化配置模型的分布式电源最大装机容量约束条件和可再生能源装机容量占比约束条件;
分布式电源最大装机容量约束条件为:
其中,分别为光伏发电系统、风力发电系统、柴油发电系统、能量型储能系统的最大安装数量;
可再生能源装机容量占比约束条件为:
其中,为微电网负荷峰值,单位为kW;fthr,min为可再生能源装机容量占比的最小值。
优选地,所述步骤S3包括:
建立多目标双层优化配置模型的上层优化配置模型的系统缺电概率约束条件和微电网弃风弃光率约束条件;
系统缺电概率约束条件为:
RLPSP≤RLPSP,max;
其中,RLPSP,max为系统缺电概率上限值;
微电网弃风弃光率约束条件为:
RDEP≤RDEP,max;
其中,RDEP,max为系统弃风弃光率上限值。
优选地,所述步骤S3包括:
建立多目标双层优化配置模型的下层优化配置模型的目标函数为:
min f=min{C(Y),RRFR(Y)};
其中,C(Y)为微电网投资运维等年值成本,RRFR(Y)为系统净负荷功率波动率,Y为功率型储能系统配置参数。
优选地,所述步骤S3包括:
建立多目标双层优化配置模型的下层优化配置模型的功率型储能最大装机容量约束条件为:
其中,np、分别为功率型储能系统实际配置数目和最大配置数目。
优选地,所述步骤S3包括:
建立多目标双层优化配置模型的下层优化配置模型的功率型储能系统运行约束条件。
本申请第二方面提供一种微电网电源多目标双层优化配置设备,所述设备包括处理器以及存储器:
所述存储器用于存储程序代码,并将所述程序代码传输给所述处理器;
所述处理器用于根据所述程序代码中的指令,执行如上述第一方面所述的微电网电源多目标双层优化配置方法的步骤。
本申请第三方面提供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所述的微电网电源多目标双层优化配置方法。
本申请第四方面提供一种包括指令的计算机程序产品,当其在计算机上运行时,使得所述计算机执行上述第一方面所述的微电网电源多目标双层优化配置方法。
从以上技术方案可以看出,本申请具有以下优点:
本申请提供的一种微电网电源多目标双层优化配置方法,包括:S1:建立微电网分布式发电与混合储能系统模型;S2:建立包括微电网投资运维等年值成本、微电网负荷缺电概率、微电网弃风弃光率、系统净负荷功率波动率的综合优化配置多目标指标体系;S3:建立多目标双层优化配置模型,包括上层优化配置模型和下层优化配置模型;S4:分别对上层优化配置模型和下层优化配置模型进行求解,得到优化的微电网电源配置方案。本申请在考虑含混合储能的微电网配置时,充分考虑了经济性、可靠性和环保性的统一,并在基于多时间尺度下对模型进行解耦简化,简化了计算难度,弥补了当前混合微电网优化配置方面的不足,解决了传统的优化方法未能综合考虑混合储能系统的技术问题。
附图说明
为了更清楚地说明本申请实施例,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本申请提供的一种微电网电源多目标双层优化配置方法的一个实施例的示意图;
图2为本申请提供的一种微电网电源多目标双层优化配置方法的另一个实施例的示意图;
图3为本申请提供的一种微电网电源多目标双层优化配置方法的应用例中上层优化配置的帕累托前沿的示意图;
图4为本申请提供的一种微电网电源多目标双层优化配置方法的应用例中下层优化配置的帕累托前沿的示意图。
具体实施方式
本申请提供了一种微电网电源多目标双层优化配置方法,用于解决传统的优化方法未能综合考虑混合储能系统的技术问题。
为使得本申请的发明目的、特征、优点能够更加的明显和易懂,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,下面所描述的实施例仅仅是本申请一部分实施例,而非全部的实施例。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它实施例,都属于本申请保护的范围。
请参阅图1,本申请提供的一种微电网电源多目标双层优化配置方法的一个实施例,包括:
101:建立微电网分布式发电与混合储能系统模型;
微电网分布式发电与混合储能系统模型可包括:风力发电系统准稳态出力模型、光伏发电系统准稳态出力模型、混合储能系统模型、柴油发电系统准稳态出力模型;
风力发电系统准稳态出力模型是指其输出功率与风速之间的函数关系;光伏发电系统准稳态出力模型是指其输出功率与温度、光照强度的函数关系;混合储能系统模型表示能量型储能和功率型储能剩余电量与充、放电功率之间的递推关系;柴油发电系统准稳态出力模型是指其输出功率与耗油量的函数关系;
102:建立包括微电网投资运维等年值成本、微电网负荷缺电概率、微电网弃风弃光率、系统净负荷功率波动率的综合优化配置多目标指标体系;
103:建立多目标双层优化配置模型,包括上层优化配置模型和下层优化配置模型;
上层优化配置模型以忽略功率型储能影响的系统最小投资运维净等年值成本、最小化负荷缺电概率为优化目标建立目标函数,该目标函数的优化变量X为不包括功率型储能系统配置的微电网电源配置参数,例如, 分别表示微电网内风力发电机组台数、光伏电池阵列数目、柴油发电机的数量、能量型储能电池个数、功率型储能电池个数、风力发电机组类型、光伏电池阵列类型、柴油发电机类型、能量型储能类型、功率型储能类型及其他上层运行策略相关参数。
下层优化配置模型以最小化功率型储能系统投资运维净等年值成本、最小化系统净负荷功率波动率为优化目标建立目标函数,该目标函数的优化变量Y为功率型储能系统配置参数,例如, 分别表示功率型储能系统的数量、功率型储能系统的类型及上层运行策略相关参数。
104:分别对上层优化配置模型和下层优化配置模型进行求解,得到优化的微电网电源配置方案。
需要说明的是,可以通过(改进)粒子群算法分别对上层优化配置模型和下层优化配置模型进行求解,或者是狼群算法、神经网络算法等寻优算法进行求解,此处不做限定。
求解得到上层优化配置模型对应的微电网电源配置参数后,可以将上层优化配置模型对应的微电网电源配置参数作为已知数据输入下层优化配置模型,即可实现在上层优化配置模型优化后的基础上在下层优化配置模型再次进行优化,双重优化使得优化效果更好。
本申请在考虑含混合储能的微电网配置时,充分考虑了经济性、可靠性和环保性的统一,并在基于多时间尺度下对模型进行解耦简化,简化了计算难度,弥补了当前混合微电网优化配置方面的不足,解决了传统的优化方法未能综合考虑混合储能系统的技术问题。
进一步地,步骤102包括:
建立综合优化配置多目标指标体系中的微电网投资运维等年值成本函数为:
C=CPEμCRF(r,LY)+COM+CEC+CREμCRF(r,LY)-BMR;
其中,LY为微电网的工程寿命;CPE为设备初始投资成本;COM、CEC分别为运行维护等年值成本、环保折算等年值成本;CRE为微电网工程寿命期内的设备部件总更新等年值成本;BMR为微电网等年值收益;r为贴现率;μCRF(r,LY)为资金回收率;
建立综合优化配置多目标指标体系中的微电网负荷缺电概率函数为:
其中,ELPSP,t指第t小时系统的缺电量,单位为kWh;ELoad,t指第t小时系统负荷的总需求量,单位为kWh;
建立综合优化配置多目标指标体系中的微电网弃风弃光率函数为:
其中,EDEP,t指第t小时弃风弃光电量,单位为kWh;分别是第t小时光伏发电系统、风力发电系统的理论发电量;
建立综合优化配置多目标指标体系中的系统净负荷功率波动率函数为:
RRFR=max|Pnld(k)-Pnld(k+Δk)|;
其中,Pnld(k)、Pnld(k+Δk)分别为系统净负荷k时刻以及k+Δk的功率值,单位为kW;Δk为步长。
进一步地,步骤103包括:
建立多目标双层优化配置模型的上层优化配置模型的目标函数为:
min f=min{C(X),RLPSP(X)};
其中,C(X)为微电网投资运维等年值成本,RLPSP(X)微电网负荷缺电概率,X为不包括功率型储能系统配置的微电网电源配置参数。 分别表示微电网内风力发电机组台数、光伏电池阵列数目、柴油发电机的数量、能量型储能电池个数、功率型储能电池个数、风力发电机组类型、光伏电池阵列类型、柴油发电机类型、能量型储能类型、功率型储能类型及其他上层运行策略相关参数。
进一步地,步骤103包括:
建立多目标双层优化配置模型的上层优化配置模型的间歇性电源运行约束条件、能量型储能系统运行约束条件和柴油发电系统运行约束条件;
间歇性电源运行约束条件为:
其中,为第t小时的光伏发电系统、风力发电系统的理论最大发电量,单位为kWh;
能量型储能系统运行约束条件为:
其中,和分别为储能系统的最大放电功率和最大充电功率;SOCmin2和SOCmax1分别表示储能系统的正常运行范围的边界值;SOCmin1和SOCmax2分别表示储能系统的过充过放警告荷电状态值;
柴油发电系统运行约束条件为:
其中,为柴油发电机组出力最小限值,Δt1为上层优化模型的仿真步长。
进一步地,步骤103包括:
建立多目标双层优化配置模型的上层优化配置模型的系统能量平衡约束条件:
Eload(t)=Ede(t)+Epv(t)+Ewt(t)+Ee(t)+Ep(t);
其中,Ede(t)、Epv(t)、Ewt(t)、Ee(t)、Ep(t)分别表示柴油发电机、光伏发电系统、风力发电系统、能量型储能、功率型储能在第t小时的电量,单位为kWh;Eload(t)为微网负荷在第t小时的功率,单位为kWh。
进一步地,步骤103包括:
建立多目标双层优化配置模型的上层优化配置模型的分布式电源最大装机容量约束条件和可再生能源装机容量占比约束条件;
分布式电源最大装机容量约束条件为:
其中,分别为光伏发电系统、风力发电系统、柴油发电系统、能量型储能系统的最大安装数量;
可再生能源装机容量占比约束条件为:
其中,为微电网负荷峰值,单位为kW;fthr,min为可再生能源装机容量占比的最小值。
进一步地,步骤103包括:
建立多目标双层优化配置模型的上层优化配置模型的系统缺电概率约束条件和微电网弃风弃光率约束条件;
系统缺电概率约束条件为:
RLPSP≤RLPSP,max;
其中,RLPSP,max为系统缺电概率上限值;
微电网弃风弃光率约束条件为:
RDEP≤RDEP,max;
其中,RDEP,max为系统弃风弃光率上限值。
进一步地,步骤103包括:
建立多目标双层优化配置模型的下层优化配置模型的目标函数为:
min f=min{C(Y),RRFR(Y)};
其中,C(Y)为微电网投资运维等年值成本,RRFR(Y)为系统净负荷功率波动率,Y为功率型储能系统配置参数。 分别表示功率型储能系统的数量、功率型储能系统的类型及上层运行策略相关参数。
进一步地,步骤103包括:
建立多目标双层优化配置模型的下层优化配置模型的功率型储能最大装机容量约束条件为:
其中,np、分别为功率型储能系统实际配置数目和最大配置数目。
进一步地,步骤103包括:
建立多目标双层优化配置模型的下层优化配置模型的功率型储能系统运行约束条件。功率型储能系统运行约束条件与上层优化配置模型的能量型储能系统运行约束条件一致,因此不再赘述。
以上是对本申请提供的一种微电网电源多目标双层优化配置方法的一个实施例进行详细的描述,以下将对本申请提供的一种微电网电源多目标双层优化配置方法的另一个实施例进行详细的描述。
请参阅图2,本申请提供的一种微电网电源多目标双层优化配置方法的另一个实施例,包括:
步骤1:建立微电网分布式发电与混合储能系统模型,包括:风力发电系统准稳态出力模型、光伏发电系统准稳态出力模型、混合储能系统模型、柴油发电系统准稳态出力模型;
步骤2:提出涵盖微电网投资运维等年值成本、微电网负荷缺电概率、微电网弃风弃光率、系统净负荷功率波动率的综合优化配置多目标指标体系;
步骤3:建立考虑多时间尺度运行控制策略的微电源多目标双层优化配置模型,并将多目标双层优化配置模型解耦简化成两阶段优化模型;
步骤4:基于改进粒子群算法对模型进行求解,得到优化的微电网电源配置方案。
(1)建立微电网分布式发电与混合储能系统模型,包括:风力发电系统准稳态出力模型、光伏发电系统准稳态出力模型、混合储能系统模型、柴油发电系统准稳态出力模型;
1)风力发电系统准稳态出力模型是指其输出功率与风速之间的函数关系;
2)光伏发电系统准稳态出力模型是指其输出功率与温度、光照强度的函数关系;
3)混合储能系统模型表示能量型储能和功率型储能剩余电量与充、放电功率之间的递推关系;
4)柴油发电系统准稳态出力模型是指其输出功率与耗油量的函数关系;
(2)提出涵盖微电网投资运维等年值成本、微电网负荷缺电概率、微电网弃风弃光率、系统净负荷功率波动率的综合优化配置多目标指标体系,包括:
1)微电网投资运维等年值成本
C=CPEμCRF(r,LY)+COM+CEC+CREμCRF(r,LY)-BMR
式中,LY为微电网的工程寿命;CPE为设备初始投资成本;COM、CEC分别为运行维护等年值成本、环保折算等年值成本;CRE为微电网工程寿命期内的设备部件总更新等年值成本;BMR为微电网等年值收益;r为贴现率;μCRF(r,LY)为资金回收率。
2)微电网负荷缺电概率
式中,ELPSP,t指第t小时系统的缺电量,单位为kWh;ELoad,t指第t小时系统负荷的总需求量,单位为kWh。
3)微电网弃风弃光率
式中,EDEP,t指第t小时弃风弃光电量,单位为kWh;分别是第t小时光伏发电系统、风力发电系统的理论发电量。
4)系统净负荷功率波动率
RRFR=max|Pnld(k)-Pnld(k+Δk)|
式中,Pnld(k)、Pnld(k+Δk)分别为系统净负荷k时刻以及k+Δk的功率值,单位为kW;Δk为步长,对于超级电容储能系统等功率密度大容量小的功率型储能,步长时间尺度为秒级。
(3)建立考虑多时间尺度运行控制策略的电源优化配置简化双层模型;
本发明构建了简化的电源优化配置双层多目标规划模型。考虑到双层优化计算量较大,为提高计算效率,对双层优化配置模型进行了简化。简化过程如下所述:
上层优化配置模型属于长时间尺度优化配置,因此从电量的角度上考虑如何进行电源优化配置;因为功率型储能容量配置值一般远低于其他分布式电源容量配置,所以可忽略功率型储能优化变量对上层优化模型目标函数及约束条件的影响。多目标双层优化模型可简化为上下两层两个相对解耦的优化配置模型。
上层优化配置模型:
目标函数:
上层优化配置模型以忽略功率型储能影响的系统最小投资运维净等年值成本、最小化负荷缺电概率为多目标优化函数,数学表达式如下式所示:
min f=min{C(X),RLPSP(X)};
分别表示微电网内风力发电机组台数、光伏电池阵列数目、柴油发电机的数量、能量型储能电池个数、功率型储能电池个数、风力发电机组类型、光伏电池阵列类型、柴油发电机类型、能量型储能类型、功率型储能类型及其他上层运行策略相关参数。
约束条件:
1)间歇性电源运行约束
对于光伏发电系统、风力发电系统等间歇性电源系统,其运行约束时刻受到自然环境条件的影响,其运行约束可由下式描述:
式中,为第t小时的光伏发电系统、风力发电系统的理论最大发电量,单位为kWh。
2)能量型储能系统运行约束
能储能系统在任意荷电状态下的有功功率上下限值,数学表达式如下所示:
其中
式中:和分别为储能系统的最大放电功率和最大充电功率;SOCmin2和SOCmax1分别表示储能系统的正常运行范围的边界值;SOCmin1和SOCmax2分别表示储能系统的过充过放警告荷电状态值。上述参数的确定,需要视具体储能系统的性能技术特点及厂家建议后给出。
3)柴油发电系统运行约束
柴油发电系统低负载率运行时,发电效率显著下降,耗油量接近满载,且长期低负载率运行容易对柴油发电机组造成损害。因此,为了保障柴油发电系统的安全稳定运行和经济性,其第t小时的发电量需满足以下约束条件:
式中,为柴油发电机组出力最小限值,一般取柴油发电系统按额定功率的30%。Δt1为上层优化模型的仿真步长,取1h。
4)系统能量平衡约束
在微电网电源优化配置上层优化模型中,以1h为步长进行优化计算,独立微电网系统的能量平衡约束如下式所示:
Eload(t)=Ede(t)+Epv(t)+Ewt(t)+Ee(t)+Ep(t)
式中,Ede(t)、Epv(t)、Ewt(t)、Ee(t)、Ep(t)分别表示柴油发电机、光伏发电系统、风力发电系统、能量型储能、功率型储能在第t小时的电量,单位为kWh;Eload(t)为微网负荷在第t小时的功率,单位为kWh。
5)分布式电源最大装机容量约束
对于新建、改建、扩建的微电网而言,考虑到土地资源、负荷需求、发电资源等因素,光伏发电系统、风力发电系统、混合储能系统、柴油发电系统等分布式电源均存在最大装机容量约束,该约束可转化为利用优化配置决策变量表示,如下式描述:
式中,分别为光伏发电系统、风力发电系统、柴油发电系统、能量型储能系统的最大安装数量。
6)可再生能源装机容量占比约束
在独立型(或弱联型)新能源微电网规划建设过程中,可再生能源装机功率原则上应不低于峰值负荷功率的50%。因此,可再生能源装机容量占比约束可通过下式描述:
式中,为微电网负荷峰值,单位为kW;fthr,min为可再生能源装机容量占比的最小值,取50%。
7)系统缺电概率约束
当负荷需求高于微电网供电能力时,部分负荷需被切除。为保证微电网的供电可靠性,要求负荷切除总量占负荷总量的比例不超过某一上限值。因此,微电网供电可靠性约束可由下式描述:
RLPSP≤RLPSP,max
式中,RLPSP,max为系统缺电概率上限值。
8)微电网弃风弃光率约束
微电网弃风弃光率约束可由下式描述:
RDEP≤RDEP,max
式中,RDEP,max为系统弃风弃光率上限值。
下层优化配置模型:
目标函数:
下层优化模型以最小化功率型储能系统投资运维净等年值成本、最小化系统净负荷功率波动率为优化目标,数学表达式如下式所示:
min f=min{C(Y),RRFR(Y)}
优化变量:
分别表示功率型储能系统的数量、功率型储能系统的类型及上层运行策略相关参数。
约束条件:
1)功率型储能最大装机容量约束
功率型储能系统最大装机容量约束如下:
式中,np、分别为功率型储能系统实际配置数目最大配置数目。
2)功率型储能系统运行约束
功率型储能系统运行约束包括功率约束以及电量约束,与上层优化模型所述的能量型储能系统运行约束条件一致,在此不再赘述。
(4)上下层模型均通过改进粒子群算法进行求解,得到上层优化模型与下层优化模型的最优解集,进而得到微电网电源配置的整体优化方案。
本发明具有以下效果:本发明构建了涵盖投资运维等年值成本、负荷缺电概率、净负荷功率波动率的离网型微电网多目标优化指标体系,为微电网的电源优化配置提供全面的定量指标评估方法;构建了电源优化配置双层多目标规划模型,并将多目标双层模型解耦成两阶段优化模型;基于改进粒子群算法对多模型进行求解,得到优化的微电网电源配置方案。该方案提升可再生能源消纳比例,为含多种类型微电源的混合储能微电网综合优化配置提供深度的指导意见。
以下将根据本申请的实施例提供应用例如下:
选取我国广东省某沿海城市海岛作为研究对象。利用美国国家可再生能源实验室NREL的Homer软件,根据该海岛的经纬度数据产生一年8760个小时的风速序列、光照强度序列以及某典型日时间尺度为1s的风速、光照强度、负荷功率曲线数据。风力发电系统、光伏发电系统、柴油发电系统、能量型储能系统、功率型储能系统的相关参数如表所示,表1为风力发电系统相关配置参数,表2为光伏发电系统相关配置参数,表3为柴油发电系统相关配置参数,表4为能量型储能系统相关配置参数,表5为功率型储能系统相关配置参数。
表1
设备参数 | 风机选型一 | 风机选型二 |
型号 | WD49/50—750(A) | GW 66/1500 |
发电机类型 | 异步发电机 | 永磁直驱 |
额定功率(kW) | 750 | 1500 |
单价(万元/台) | 400 | 750 |
年维护成本(万元/年) | 0.8 | 1.5 |
切入风速(m/s) | 3.5 | 3 |
额定风速(m/s) | 14 | 12.5 |
切出风速(m/s) | 25 | 27 |
设计寿命(年) | 20 | 20 |
表2
设备参数 | 光伏阵列选型一 |
型号 | YI5C—200M |
额定功率(kW) | 0.2 |
单价(万元/台) | 0.22 |
年维护成本(万元/年) | 0.0005 |
功率降额因数 | 0.9 |
功率温度系数(%/K) | -0.35 |
设计寿命(年) | 15 |
表3
表4
设备参数 | 能量型储能选型一 | 能量型储能选型二 |
类型 | 磷酸铁锂(3.2V 200Ah) | 铅炭电池(12V 100Ah) |
额定容量(kWh) | 0.64 | 1.2 |
单价(万元/台) | 0.16 | 0.15 |
年维护成本(万元/年) | 0.024 | 0.012 |
SOC最小值 | 0.30 | 0.20 |
SOC最大值 | 0.90 | 0.80 |
充放电效率(%) | 90 | 95 |
表5
设备参数 | 功率型储能选型一 |
类型 | 超级电容(48V165F) |
最大储能量(kWh) | 0.0528 |
单价(万元/台) | 0.6 |
年维护成本(万元/年) | 0.005 |
SOC最小值 | 0.20 |
SOC最大值 | 0.90 |
充放电效率(%) | 95 |
通过模型的建立和算例的求解,得到上下层优化配置结果。
(1)上层优化配置:
将基础数据及运行控制策略输入至上层优化配置多目标模型中,以“风、光、柴、能量储”的类型及数量作为优化变量,以微电网投资运维净等年值成本、微电网负荷缺电概率作为优化目标,将微电网弃风弃光率转化为不等式约束,利用改进粒子群算法对上层模型进行求解,得到上层优化配置的帕累托前沿,如图3所示。由图3可知,微电网投资运维净等年值成本与微电网负荷缺电概率是两个相互矛盾的优化目标。下表6为上层配置帕累托最优解。
表6
(2)下层优化配置:
相比于配置②,配置③只需要增加少许经济成本即可大幅度降低微网的负荷缺电概率,且负荷缺电概率低于0.5%;在配置③的基础上继续增加经济成本的投入,其微网负荷缺电概率的改善已经微乎其微。因此,取表6中的“风光柴储”配置③作为上层优化的最优解,输入至下层优化模型,进行下层优化模型的功率型储能配置,得到下层优化模型的帕累托前沿如图4所示。由图4可知,功率型储能投资运维等年值成本与所能取得的净负荷最大功率波动率是两个相互矛盾的优化目标。表7为帕累托前沿中选择的四种配置的结果。
表7
综合上下两层优化配置结果,设计人员需根据微电网实际需求,在经济性与供电可靠性之间进行合理权衡。
以上对本发明所提供的一种含混合储能的微电网电源多目标双层优化配置方法进行了详细介绍,本文中对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
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)
1.一种微电网电源多目标双层优化配置方法,其特征在于,包括:
S1:建立微电网分布式发电与混合储能系统模型;
S2:建立包括微电网投资运维等年值成本、微电网负荷缺电概率、微电网弃风弃光率、系统净负荷功率波动率的综合优化配置多目标指标体系;
S3:建立多目标双层优化配置模型,包括上层优化配置模型和下层优化配置模型;
S4:分别对上层优化配置模型和下层优化配置模型进行求解,得到优化的微电网电源配置方案。
2.根据权利要求1的一种微电网电源多目标双层优化配置方法,其特征在于,所述步骤S2具体包括:
建立综合优化配置多目标指标体系中的微电网投资运维等年值成本函数为:
C=CPEμCRF(r,LY)+COM+CEC+CREμCRF(r,LY)-BMR;
其中,LY为微电网的工程寿命;CPE为设备初始投资成本;COM、CEC分别为运行维护等年值成本、环保折算等年值成本;CRE为微电网工程寿命期内的设备部件总更新等年值成本;BMR为微电网等年值收益;r为贴现率;μCRF(r,LY)为资金回收率;
建立综合优化配置多目标指标体系中的微电网负荷缺电概率函数为:
其中,ELPSP,t为第t小时系统的缺电量,单位为kWh;ELoad,t为第t小时系统负荷的总需求量,单位为kWh;
建立综合优化配置多目标指标体系中的微电网弃风弃光率函数为:
其中,EDEP,t为第t小时弃风弃光电量,单位为kWh;分别为第t小时光伏发电系统、风力发电系统的理论发电量;
建立综合优化配置多目标指标体系中的系统净负荷功率波动率函数为:
RRFR=max|Pnld(k)-Pnld(k+Δk)|;
其中,Pnld(k)、Pnld(k+Δk)分别为系统净负荷k时刻以及k+Δk的功率值,单位为kW;Δk为步长。
3.根据权利要求1的一种微电网电源多目标双层优化配置方法,其特征在于,所述步骤S3具体包括:
建立多目标双层优化配置模型的上层优化配置模型的目标函数为:
minf=min{C(X),RLPSP(X)};
其中,C(X)为微电网投资运维等年值成本,RLPSP(X)为微电网负荷缺电概率,X为不包括功率型储能系统配置的微电网电源配置参数。
4.根据权利要求1的一种微电网电源多目标双层优化配置方法,其特征在于,所述步骤S3具体包括:
建立多目标双层优化配置模型的上层优化配置模型的间歇性电源运行约束条件、能量型储能系统运行约束条件和柴油发电系统运行约束条件;
所述间歇性电源运行约束条件为:
其中,为第t小时的光伏发电系统、风力发电系统的理论最大发电量,单位为kWh;
所述能量型储能系统运行约束条件为:
其中,和分别为储能系统的最大放电功率和最大充电功率;SOCmin2和SOCmax1分别表示储能系统的正常运行范围的边界值;SOCmin1和SOCmax2分别表示储能系统的过充过放警告荷电状态值;
所述柴油发电系统运行约束条件为:
其中,为柴油发电机组出力最小限值,Δt1为上层优化模型的仿真步长。
5.根据权利要求1的一种微电网电源多目标双层优化配置方法,其特征在于,所述步骤S3具体包括:
建立多目标双层优化配置模型的上层优化配置模型的系统能量平衡约束条件:
Eload(t)=Ede(t)+Epv(t)+Ewt(t)+Ee(t)+Ep(t);
其中,Ede(t)、Epv(t)、Ewt(t)、Ee(t)、Ep(t)分别表示柴油发电机、光伏发电系统、风力发电系统、能量型储能、功率型储能在第t小时的电量,单位为kWh;Eload(t)为微网负荷在第t小时的功率,单位为kWh。
6.根据权利要求1的一种微电网电源多目标双层优化配置方法,其特征在于,所述步骤S3具体包括:
建立多目标双层优化配置模型的上层优化配置模型的分布式电源最大装机容量约束条件和可再生能源装机容量占比约束条件;
分布式电源最大装机容量约束条件为:
其中,分别为光伏发电系统、风力发电系统、柴油发电系统、能量型储能系统的最大安装数量;
可再生能源装机容量占比约束条件为:
其中,为微电网负荷峰值,单位为kW;fthr,min为可再生能源装机容量占比的最小值。
7.根据权利要求1的一种微电网电源多目标双层优化配置方法,其特征在于,所述步骤S3具体包括:
建立多目标双层优化配置模型的上层优化配置模型的系统缺电概率约束条件和微电网弃风弃光率约束条件;
系统缺电概率约束条件为:
RLPSP≤RLPSP,max;
其中,RLPSP,max为系统缺电概率上限值;
微电网弃风弃光率约束条件为:
RDEP≤RDEP,max;
其中,RDEP,max为系统弃风弃光率上限值。
8.根据权利要求1的一种微电网电源多目标双层优化配置方法,其特征在于,所述步骤S3具体包括:
建立多目标双层优化配置模型的下层优化配置模型的目标函数为:
minf=min{C(Y),RRFR(Y)};
其中,C(Y)为微电网投资运维等年值成本,RRFR(Y)为系统净负荷功率波动率,Y为功率型储能系统配置参数。
9.根据权利要求1的一种微电网电源多目标双层优化配置方法,其特征在于,所述步骤S3具体包括:
建立多目标双层优化配置模型的下层优化配置模型的功率型储能最大装机容量约束条件为:
其中,np、分别为功率型储能系统实际配置数目和最大配置数目。
10.根据权利要求1的一种微电网电源多目标双层优化配置方法,其特征在于,所述步骤S3具体包括:
建立多目标双层优化配置模型的下层优化配置模型的功率型储能系统运行约束条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811612387.0A CN109687444B (zh) | 2018-12-27 | 2018-12-27 | 一种微电网电源多目标双层优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811612387.0A CN109687444B (zh) | 2018-12-27 | 2018-12-27 | 一种微电网电源多目标双层优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109687444A true CN109687444A (zh) | 2019-04-26 |
CN109687444B CN109687444B (zh) | 2021-05-28 |
Family
ID=66190499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811612387.0A Active CN109687444B (zh) | 2018-12-27 | 2018-12-27 | 一种微电网电源多目标双层优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109687444B (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110365034A (zh) * | 2019-07-04 | 2019-10-22 | 苏州瑞城电力科技有限公司 | 一种计及储能容量配置的微电网电能优化调度方法 |
CN110414185A (zh) * | 2019-08-26 | 2019-11-05 | 电子科技大学 | 一种用于多可再生能源发电系统的储能设备容量优化方法 |
CN110503266A (zh) * | 2019-08-27 | 2019-11-26 | 国网河北省电力有限公司邢台供电分公司 | 高可靠电网的优化配置方法、终端设备及存储介质 |
CN111159916A (zh) * | 2020-01-05 | 2020-05-15 | 开沃新能源汽车集团有限公司 | 一种车载双电池复合储能系统及其参数优化设计方法 |
CN111200281A (zh) * | 2019-12-23 | 2020-05-26 | 北京交通大学 | 互联微网储能配置扩容优化方法 |
CN111445067A (zh) * | 2020-03-09 | 2020-07-24 | 北京交通大学 | 一种适用于高铁站综合能源系统的多目标规划方法 |
CN111900746A (zh) * | 2020-08-05 | 2020-11-06 | 浙江华云清洁能源有限公司 | 一种基于双层模型的储能参与调峰的容量配置方法 |
CN112311000A (zh) * | 2020-03-10 | 2021-02-02 | 南通理工学院 | 一种微电网电源双层优化配置方法 |
CN112507507A (zh) * | 2020-10-12 | 2021-03-16 | 上海电力大学 | 一种基于经济性与可靠性的综合能源设备优化配置方法 |
CN112531788A (zh) * | 2020-12-17 | 2021-03-19 | 浙江大学 | 考虑多重不确定性和自趋优运行的透明微网群规划方法 |
CN112688328A (zh) * | 2020-12-04 | 2021-04-20 | 国网江苏省电力有限公司连云港供电分公司 | 一种交直流混合微电网时间协调能量优化配置方法 |
CN112803495A (zh) * | 2021-02-24 | 2021-05-14 | 华北电力大学 | 基于能量共享的5g基站微网光储系统容量优化配置方法 |
CN116488237A (zh) * | 2023-03-31 | 2023-07-25 | 青岛创统科技发展有限公司 | 一种船用能源路由系统及其双层协调优化控制方法 |
CN116742673A (zh) * | 2023-06-13 | 2023-09-12 | 华能罗源发电有限责任公司 | 主动配电网混合储能系统的选址定容双层优化方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205552A (zh) * | 2015-09-11 | 2015-12-30 | 东南大学 | 一种独立新能源混合发电系统优化规划方法 |
CN108599206A (zh) * | 2018-04-28 | 2018-09-28 | 国网湖南省电力有限公司 | 高比例不确定电源场景下的配电网混合储能配置方法 |
-
2018
- 2018-12-27 CN CN201811612387.0A patent/CN109687444B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105205552A (zh) * | 2015-09-11 | 2015-12-30 | 东南大学 | 一种独立新能源混合发电系统优化规划方法 |
CN108599206A (zh) * | 2018-04-28 | 2018-09-28 | 国网湖南省电力有限公司 | 高比例不确定电源场景下的配电网混合储能配置方法 |
Non-Patent Citations (3)
Title |
---|
YONGLI WANG等: "Optimal scheduling of the RIES considering time-based demand response programs with energy price", 《ENERGY》 * |
周梦公编著: "《智能节电技术》", 31 July 2016 * |
高峰等: "独立风/光/储混合微电网多目标电源容量优化配置", 《智能电网》 * |
Cited By (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110365034B (zh) * | 2019-07-04 | 2023-12-12 | 苏州瑞城电力科技有限公司 | 一种计及储能容量配置的微电网电能优化调度方法 |
CN110365034A (zh) * | 2019-07-04 | 2019-10-22 | 苏州瑞城电力科技有限公司 | 一种计及储能容量配置的微电网电能优化调度方法 |
CN110414185A (zh) * | 2019-08-26 | 2019-11-05 | 电子科技大学 | 一种用于多可再生能源发电系统的储能设备容量优化方法 |
CN110414185B (zh) * | 2019-08-26 | 2022-06-14 | 电子科技大学 | 一种用于多可再生能源发电系统的储能设备容量优化方法 |
CN110503266A (zh) * | 2019-08-27 | 2019-11-26 | 国网河北省电力有限公司邢台供电分公司 | 高可靠电网的优化配置方法、终端设备及存储介质 |
CN111200281A (zh) * | 2019-12-23 | 2020-05-26 | 北京交通大学 | 互联微网储能配置扩容优化方法 |
CN111200281B (zh) * | 2019-12-23 | 2021-06-08 | 北京交通大学 | 互联微网储能配置扩容优化方法 |
CN111159916A (zh) * | 2020-01-05 | 2020-05-15 | 开沃新能源汽车集团有限公司 | 一种车载双电池复合储能系统及其参数优化设计方法 |
CN111159916B (zh) * | 2020-01-05 | 2023-09-12 | 开沃新能源汽车集团有限公司 | 一种车载双电池复合储能系统及其参数优化设计方法 |
CN111445067A (zh) * | 2020-03-09 | 2020-07-24 | 北京交通大学 | 一种适用于高铁站综合能源系统的多目标规划方法 |
CN112311000A (zh) * | 2020-03-10 | 2021-02-02 | 南通理工学院 | 一种微电网电源双层优化配置方法 |
CN111900746A (zh) * | 2020-08-05 | 2020-11-06 | 浙江华云清洁能源有限公司 | 一种基于双层模型的储能参与调峰的容量配置方法 |
CN112507507A (zh) * | 2020-10-12 | 2021-03-16 | 上海电力大学 | 一种基于经济性与可靠性的综合能源设备优化配置方法 |
CN112507507B (zh) * | 2020-10-12 | 2022-06-17 | 上海电力大学 | 一种基于经济性与可靠性的综合能源设备优化配置方法 |
CN112688328A (zh) * | 2020-12-04 | 2021-04-20 | 国网江苏省电力有限公司连云港供电分公司 | 一种交直流混合微电网时间协调能量优化配置方法 |
CN112688328B (zh) * | 2020-12-04 | 2024-02-13 | 国网江苏省电力有限公司连云港供电分公司 | 一种交直流混合微电网时间协调能量优化配置方法 |
CN112531788A (zh) * | 2020-12-17 | 2021-03-19 | 浙江大学 | 考虑多重不确定性和自趋优运行的透明微网群规划方法 |
CN112803495A (zh) * | 2021-02-24 | 2021-05-14 | 华北电力大学 | 基于能量共享的5g基站微网光储系统容量优化配置方法 |
CN116488237A (zh) * | 2023-03-31 | 2023-07-25 | 青岛创统科技发展有限公司 | 一种船用能源路由系统及其双层协调优化控制方法 |
CN116742673A (zh) * | 2023-06-13 | 2023-09-12 | 华能罗源发电有限责任公司 | 主动配电网混合储能系统的选址定容双层优化方法及系统 |
CN116742673B (zh) * | 2023-06-13 | 2024-02-06 | 华能罗源发电有限责任公司 | 主动配电网混合储能系统的选址定容双层优化方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109687444B (zh) | 2021-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109687444A (zh) | 一种微电网电源多目标双层优化配置方法 | |
Petrescu et al. | Ecosphere protection through green energy | |
CN103151797B (zh) | 基于多目标调度模型的并网运行方式下微网能量控制方法 | |
CN105205552B (zh) | 一种独立新能源混合发电系统优化规划方法 | |
CN108054784A (zh) | 一种海岛微电网多源协调优化控制方法 | |
CN109325608A (zh) | 考虑储能并计及光伏随机性的分布式电源优化配置方法 | |
CN106327006A (zh) | 一种基于综合效益分析的微电网优化配置方法 | |
Duffy et al. | Energy sources and supply grids–the growing need for storage | |
CN104881716A (zh) | 一种微电网电源的优化规划及评估方法 | |
CN102969780B (zh) | 一种离网型风光储互补发电系统容量优化配置方法 | |
Islam | Increasing wind energy penetration level using pumped hydro storage in island micro-grid system | |
CN105576709A (zh) | 一种基于混合算法的风蓄火联合运行的优化方法 | |
CN108233430A (zh) | 一种计及系统能源波动性的交直流混合微网优化方法 | |
Liu et al. | Optimal configuration of hybrid solar-wind distributed generation capacity in a grid-connected microgrid | |
CN105574620A (zh) | 一种结合双主控协作与mpso算法的微电网动态优化调度方法 | |
CN105226639B (zh) | 基于系统等效电价最低的微网系统设计方案及测试平台 | |
Zhu et al. | Multi-objective optimization of a hybrid energy system integrated with solar-wind-PEMFC and energy storage | |
Modu et al. | Energy management and capacity planning of photovoltaic-wind-biomass energy system considering hydrogen-battery storage | |
CN112269966B (zh) | 一种考虑备用需求的通信基站虚拟电厂发电容量测量方法 | |
CN110391673A (zh) | 一种高比例风电接入下考虑需求侧响应的多时段主动配网重构方法 | |
CN105552894B (zh) | 一种微电网低碳化运行的优化控制方法 | |
Huang et al. | Optimal design of an island microgrid with considering scheduling optimization | |
Alnejaili et al. | An advanced energy management system with an economical optimization for a multi-sources stand-alone Home | |
Lagouir et al. | Optimal power flow management strategies of MicroGrid, using Petri Nets and fuzzy logic approaches | |
CN106329554B (zh) | 一种适用于园区型微电网的储能额定容量的计算方法 |
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 |