CN109787259A - 一种基于新能源随机波动的多类型储能联合规划方法 - Google Patents
一种基于新能源随机波动的多类型储能联合规划方法 Download PDFInfo
- Publication number
- CN109787259A CN109787259A CN201910064401.6A CN201910064401A CN109787259A CN 109787259 A CN109787259 A CN 109787259A CN 201910064401 A CN201910064401 A CN 201910064401A CN 109787259 A CN109787259 A CN 109787259A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- build
- node
- energy
- constraint
- 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
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于新能源随机波动的多类型储能联合规划方法,获取多类型储能规划数据、系统基本技术数据、系统运行约束条件数据、系统运行预测数据;构建确定多类型储能选址定容的联合规划模型;对联合规划模型进行求解得到各待选节点储能设备投建电量/容量,不同弃新能源风险和新能源消纳率下投建方案的投建及运行成本,以及电量利用率和容量利用率,根据以上数据实现储能设备的最优选址定容。本发明所提出多类型储能的联合规划方法相比于单一类型储能规划方法具有更优的经济性和储能利用效率,其能够更好的满足系统运行的多方面需求,从而极大地提高了新能源的消纳水平。
Description
技术领域
本发明属于电源规划技术领域,具体涉及一种基于新能源随机波动的多类型储能联合规划方法。
背景技术
新能源发电的随机波动性和不可控性给电力系统的运行调度带来了巨大的挑战,为了在确保系统安全运行的同时保障对高比例新能源的足额消纳,电力系统应具有足够的调节灵活性以缓解新能源出力的短时波动影响,并应对新能源出力与负荷的时序不匹配问题。而随着储能设备在技术层面和商业层面上的日渐成熟,规模型储能逐渐成为为新能源并网消纳提供系统运行所需灵活性的潜在解决方案。因此,需要一种考虑新能源随机波动性的多类型储能联合规划方法,在规划层面上分析采用储能设备来改善系统新能源消纳能力的可行性。
以推动新能源消纳为目标的储能规划研究需要同时考虑新能源出力的随机分布特性和时序波动特性。若仅采用储能设备来确保系统对新能源的全额消纳,则可能需要投建具有足额功率以及足额电量的储能设备来响应系统极限运行场景下的新能源尖峰出力和尖峰波动功率。当前阶段储能设备的造价仍然较高,储能设备的投建经济性与弃新能源量损失之间可能同样存在着尖锐的相互冲突关系。其次,对于具有高比例新能源的电力系统而言,其在运行调度过程中的电力电量平衡需求是极为复杂多变的,不可能存在一种理想的储能设备能够在保证规划经济性的前提下恰好满足系统运行的多方位灵活性需求。实际上,不同类型的储能设备具有不同的运行特征和投建成本构成,相应地其也具有不同的应用领域和应用时间尺度。
因此通过组合多种不同类型的储能设备,理论上能够更有针对性的满足电力系统运行的不同需求。目前涉及多类型储能的投资组合优化研究才刚刚起步,现有研究还并未就面向推动新能源消纳的多类型储能选址定容优化问题展开深入调研。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种基于新能源随机波动的多类型储能联合规划方法,对储能电站的选址定容进行优化,对于储能设备的实际建设具有更强的指导意义。
本发明采用以下技术方案:
一种基于新能源随机波动的多类型储能联合规划方法,获取多类型储能规划数据、系统基本技术数据、系统运行约束条件数据、系统运行预测数据;构建确定多类型储能选址定容的联合规划模型;对联合规划模型进行求解得到各待选节点储能设备投建电量/容量,不同弃新能源风险和新能源消纳率下投建方案的投建及运行成本,以及电量利用率和容量利用率,根据以上数据实现储能设备的最优选址定容。
具体的,构建确定多类型储能选址定容的联合规划模型的步骤如下:
S201、构建确定多类型储能选址定容的联合规划模型目标,以最小化电力系统规划运行的多方面综合成本为目标函数;
S202、构建包括包括储能节点投建约束和储能系统投建约束的储能投建决策约束条件;
S203、构建包括输电网络潮流约束、常规发电机出力约束和节点功率平衡约束的系统运行基础约束条件;
S204、构建包括储能最大充放电功率约束、储能充放电状态互斥约束、储能荷电状态约束和储能荷电状态与充放电功率间的时序耦合约束的储能运行约束条件;
S205、构建包括弃风上限约束和针对系统新能源消纳水平的机会约束的新能源合理消纳约束条件;
S206、对原始储能联合规划模型的松弛变形。
进一步的,步骤S201中,以最小化电力系统规划运行的多方面综合成本为目标函数构建构多类型储能选址定容的联合规划模型目标V如下:
其中:CCap为储能设备的规划投建成本;CFOM为储能设备的固定运行维护成本,pk为场景k出现的概率;CVOM,k为规划场景k下储能的可变运行维护成本;CG,k为规划场景k下常规发电机组的燃料成本;CLoss,k为规划场景k下储能的运行损耗成本。
进一步的,步骤S202中,储能节点投建约束即各类型储能设备在各节点上的投建限制,约束如下:
式中,i∈Ω,q∈Η,为整数决策变量,表征第q类储能设备在节点i的投建个数; ERq为针对第q类储能设备,单个储能单元的额定投建电量;为第q类储能设备在节点i 上的投建电量上限;
储能系统投建约束即在整个系统层面上限定了各类型储能设备的投建总量,约束如下:
式中:q∈Η,为第q类储能设备在整个系统中的投建电量上限。
进一步的,步骤S203中,输电网络潮流约束包括输电线路传输容量约束和直流潮流约束,输电线路传输容量约束表示如下:
式中,ij∈Φ,k∈Ψ,t∈Γ,Fijk(t)为规划场景k下,输电线路i-j在时刻t上的传输功率;为输电线路i-j上的反向/正向最大有功传输功率参数;
直流潮流约束表示如下:
式中,θjk(t)为规划场景k下,节点j在时刻t上的相角,θik(t)为规划场景k下,节点i 在时刻t上的相角;xij为输电线路i-j上的电抗参数;
常规发电机组出力约束包括各常规发电机组出力上下限约束和各常规发电机向上/向下爬坡速率限制,表示如下:
式中,i∈Ω,α=1,...,l,PG,ik(t)为规划场景k下,位于节点i的常规发电机组在时刻t 的出力;为位于节点i的常规发电机组的最小出力参数;为位于节点i的常规发电机组在线性分段α上的最大出力参数;
常规发电机组爬坡约束表示如下:
式中,t≤|Γ|-1,为位于节点i的常规发电机组在单位时段内的最大爬坡速率;
节点功率平衡约束如下:
式中,PW,ik(t)为规划场景输入参数,表征规划场景k下,位于节点i的新能源机组在时刻 t的实际出力;PL,ik(t)为规划场景输入参数,表征规划场景k下,节点i在时刻t的负荷需求; CWik(t)为对应于新能源消纳的松弛变量,表征规划场景k下,位于节点i的新能源机组在时刻t的弃新能源功率。
进一步的,步骤S204中,储能最大充放电功率约束;
式中,i∈Ω,k∈Ψ,q∈Η,t∈Γ,为0-1决策变量,表征规划场景k下,位于节点i的第q类储能设备在时刻t的充电/放电状态;
储能充放电状态互斥约束;
储能荷电状态约束;
式中,i∈Ω,k∈Ψ,q∈Η,t∈Γ,为规划场景k下,位于节点i的第q类储能设备在时刻t的荷电状态;
储能荷电状态与充放电功率间的时序耦合约束;
式中,i∈Ω,k∈Ψ,q∈Η,t≤|Γ|-1,为规划场景k下,位于节点i的第q类储能设备在时刻t的荷电状态;为规划场景k下,位于节点i的第q类储能设备在时刻t的放电/充电功率;为第q类储能设备的充电/放电效率。
进一步的,步骤S205中,弃新能源上限约束表示如下:
0≤CWik(t)≤PW,ik(t)
针对系统新能源消纳水平的机会约束表示如下:
式中,i∈Ω,k∈Ψ,t∈Γ,γκ为新能源保障消纳率参数,表征规划决策者对于系统新能源消纳比例的预期程度;γε为弃新能源风险水平参数,表征规划决策者对于系统弃新能源风险的可接受程度;
将原机会约束以离散场景的形式重构为下式:
式中,zk为0-1指示变量,表征所得规划方案是否需在规划场景k下满足给定新能源保障消纳率下的新能源消纳需求。
进一步的,步骤S206中,首先针对双线性项CWik(t)zk,采用McCormick线性化方法对其进行处理,将线性重构为:
式中,是辅助变量,表征双线性项CWik(t)zk的等价项;
另一种线性重构形式如下:
采用实际新能源发电总量作为惩罚系数;
其次,引入各类型储能设备的运行维护成本和储能运行损耗成本做为目标函数的组成部分,以系统运行经济性最优来引导系统运行的优化调度能够有效避免各类型储能设备的同时充放电,松弛变形如下:
其中,为规划场景k下,位于节点i的第q类储能设备在时刻t的放电/ 充电功率;为整数决策变量,表征第q类储能设备在节点i的投建个数;ERq为针对第q 类储能设备,单个储能单元的额定投建电量;Tq为第q类储能设备的典型持续充放电时间。
具体的,电量利用率计算如下:
其中,为规划场景k下,位于节点i的第q类储能设备在时刻t的荷电状态,为整数决策变量,表征第q类储能设备在节点i的投建个数;ERq为针对第q类储能设备,单个储能单元的额定投建电量。
具体的,容量利用率计算如下:
其中,k∈Ψ,q∈Η,为规划场景k下,位于节点i的第q类储能设备在时刻t的放电/充电功率;为整数决策变量,表征第q类储能设备在节点i的投建个数;ERq为针对第q类储能设备,单个储能单元的额定投建电量;Tq为第q类储能设备的典型持续充放电时间。
与现有技术相比,本发明至少具有以下有益效果:
本发明一种基于新能源随机波动的多类型储能联合规划方法,以满足新能源的并网消纳为规划目的,以多种类型储能设备的投建组合优化为研究目标,在充分考虑新能源出力随机波动特征的基础上,构建了含机会约束的多类型储能联合规划模型。规划模型涉及了不同储能类型的多方面特性差异,并包含了可同时调节系统弃新能源风险水平和新能源保障消纳率的机会约束条件,能够帮助实现更为灵活、经济的规划决策。
进一步的,采用时间序列典型规划场景集来表征风电出力和负荷的时序波动不确定性,在给定风电-负荷水平、系统电源配置以及网架拓扑结构的基础上,将多个类型的储能设备作为补充系统灵活性的特殊电源,按照本发明的设置的步骤,可以寻找能够有效应用风电-负荷不确定性,并支撑一定系统风电消纳水平的最为经济的多类型储能联合规划方案。
进一步的,对涉及各类型储能和常规发电机组的主要投建、运行成本构成进行了细致建模。与现有的储能规划研究不同,除了在储能投建成本系数、储能全寿命周期上体现不同类型储能设备的成本差异外,还引入了单个储能单元的投建电量参数ERq和典型持续充放电时间Tq来进一步区分不同类型储能设备的应用领域差异,如针对抽水蓄能等电量型储能设备,将赋予其数值较大的单位储能投建电量和典型持续充放电时间;此外,本发明认为当储能投建达到一定规模时,其在充放电运行中所产生的电能损耗也应考虑至规划模型中,以反映各类型储能设备充放电效率差异对于储能组合优化结果的影响,因此在目标函数中引入了储能运行损耗成本项。
进一步的,构建的储能投建决策约束条件给出了各类型储能设备在各节点上的投建限制,通过对该投建电量上限赋值为0,能够有效反映对部分类型储能,如抽水蓄能的地理位置投建限制;以及在整个系统层面上限定了各类型储能设备的投建总量,可以反映不同类型储能设备的投建困难程度。
进一步的,进行储能规划研究在系统调度运行方面主要关注于有功功率的优化分配,故此处基于线性的直流潮流模型对二阶段的系统经济调度问题进行建模。此外,为了确保所构建模型的可求解性,本发明也对常规机组的发电调度方式进行了简化,并未考虑其机组组合问题。
进一步的,对于储能设备这一类可在充/放电模式间快速转换的灵活可控电源,为保障其安全运行,需要在调度建模中对其各时段的荷电状态和最大充放电功率进行限制。需要指出的是,由于各类型储能设备通常具有较快的向上/向下功率调节速率,因此在储能规划研究中通常不考虑其爬坡约束。基于此,本发明构建了相应的储能运行约束条件。
进一步的,围绕风电并网消纳问题,为了在规划决策中实现对系统风电消纳水平的灵活管理,针对储能规划模型中的弃风变量设计了相关的约束条件。
进一步的,构建的含机会约束的多类型储能联合规划模型是一个具有复杂约束条件的混合整数规划问题,典型规划场景集的引入则进一步增大了问题规模,同时约束中的双线性项也给该问题带来了非线性特征,因此提出了针对该复杂联合规划模型的合理松弛策略,从而实现求解速度的极大提升。
进一步的,构建了电量利用率指标来反映系统日运行调度对于电量时序转移的需求。
进一步的,构建了容量利用率来反映系统日运行调度对于时序功率调节的需求。
综上所述,本发明所提出多类型储能的联合规划方法相比于单一类型储能规划方法具有更优的经济性和储能利用效率,其能够更好的满足系统运行的多方面需求,从而极大地提高了新能源的消纳水平。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明方法流程图;
图2为不确定性下规划方案R1-R3储能利用情况统计分布特征,其中,(a)为储能电量利用率,(b)为储能容量利用率;
图3为不确定性下规划方案R7储能利用情况统计分布特征,其中,(a)为储能电量利用率,(b)为储能容量利用率;
图4为某典型日运行场景下系统日功率平衡图,其中,(a)为未投建储能设备,(b)为投建储能设备。
具体实施方式
本发明提供了一种基于新能源随机波动的多类型储能联合规划方法,以满足新能源的并网消纳为规划目的,以多种类型储能设备的投建组合优化为研究目标,在充分考虑新能源出力随机波动特征的基础上,构建含机会约束的多类型储能联合规划模型。该规划模型涉及不同储能类型的多方面特性差异,并包含了可同时调节系统弃新能源风险水平和新能源保障消纳率的机会约束条件,能够帮助实现更为灵活、经济的规划决策。本发明弥补了传统规划方法中的缺陷,实现了对储能电站的选址定容优化规划,对于储能设备的实际建设具有更强的指导意义。
应用本发明所提模型时,需要首先从相关部门获取所需数据,从相关部门获取的计算模型输入数据包括如下数据;
多类型储能规划数据:
各类型储能设备单位电量/容量投建成本cE/cP;各类型储能设备的固定/可变运行维护成本cF/cV;各类型储能设备的运行损耗成本cLoss;各类型储能充/放电效率ηC/ηD;各类型储能设备在节点/系统投建电量上限ESto;储能设备投建成本的等年值折算系数γSto。
系统基本技术数据:
规划水平年系统负荷PL;位于节点i的常规发电机组的最小发电成本参数位于节点 i常规发电机组在线性分段上单位出力的燃料成本参数输电线路i-j上单回线路的电抗参数xij。
系统运行约束条件数据:
输电线路i-j上的反向/正向最大有功传输功率参数位于节点i的常规发电机组的最小/最大出力参数位于节点i的常规发电机组在单位时段内的最大爬坡速率面向新能源消纳的新能源保障消纳率参数γκ;弃新能源风险水平参数γε;规划场景k 下,位于节点i的第q类储能设备在时刻t的荷电状态
系统运行预测数据:
运行场景总数K;场景k发生的概率pk;场景k下节点i单位容量新能源机组出力曲线;场景k下节点i规划水平年负荷曲线。
从相关部门获取上述信息后,按步骤进行涉及新能源随机波动的多类型储能联合规划方法计算。
请参阅图1,本发明一种基于新能源随机波动的多类型储能联合规划方法,包括以下步骤:
S1、从电力系统规划部门获取多类型储能规划数据、系统基本技术数据、系统运行约束条件数据、系统运行预测数据;
多类型储能规划数据包括各类型储能设备单位电量/容量投建成本、各类型储能设备的固定/可变运行维护成本、各类型储能设备的运行损耗成本、各类型储能充/放电效率、各类型储能设备在节点/系统投建电量上限和储能设备投建成本的等年值折算系数。
系统基本技术数据包括负荷数据、发电机数据、输电线数据和新能源厂站数据。
系统运行约束条件数据包括各输电线反向/正向最大有功传输功率、各发电机组出力上下限、各发电机组最大爬坡速率、面向新能源消纳的新能源保障消纳率参数、弃新能源风险水平参数和储能设备的连续满发(持续充放电)时间及荷电状态的上下界。
系统运行预测数据包括运行场景总数、每种场景发生的概率、每种场景下各节点单位容量新能源机组出力曲线和每种场景各节点规划水平年负荷。
S2、构建确定多类型储能选址定容的联合规划模型;
S201、构建确定多类型储能选址定容的联合规划模型目标:以最小化电力系统规划运行的多方面综合成本为目标函数;
构建确定多类型储能选址定容的联合规划模型目标,以最小化电力系统规划运行的多方面综合成本为目标函数表示如下:
式中:CCap为储能设备的规划投建成本;CFOM为储能设备的固定运行维护成本;pk为场景k出现的概率;CVOM,k为规划场景k下储能的可变运行维护成本;CG,k为规划场景k下常规发电机组的燃料成本;CLoss,k为规划场景k下储能的运行损耗成本。
储能设备的规划投建成本表示如下:
式中:为第q类储能设备投建成本的等年值折算系数;为整数决策变量,表征第 q类储能设备在节点i的投建个数;ERq为针对第q类储能设备,单个储能单元的额定投建电量;为第q类储能设备的单位电量/容量投建成本参数;Tq为第q类储能设备的典型持续充放电时间。
储能固定运行维护成本表示如下:
式中:为第q类储能设备的固定运行维护成本参数。
储能可变运行维护成本表示如下:
式中:为规划场景k下,位于节点i的第q类储能设备在时刻t的放电功率;为第q类储能设备的可变运行维护成本参数。
常规发电机组的燃料成本表示如下:
式中:为位于节点i的常规发电机组的最小发电成本参数;为位于节点i常规发电机组在线性分段α上单位出力的燃料成本参数;为规划场景k下,位于节点i的常规发电机组在线性分段α、时刻t上的机组出力。
储能运行损耗成本表示如下:
式中:cLoss为电能损失成本系数;为规划场景k下,位于节点i的第q类储能设备在时刻t的充电/放电功率;为第q类储能设备的充电/放电效率。
S202、构建储能投建决策约束条件,包括储能节点投建约束和储能系统投建约束。
储能节点投建约束即各类型储能设备在各节点上的投建限制,约束如下:
式中:i∈Ω,q∈Η,为整数决策变量,表征第q类储能设备在节点i的投建个数; ERq为针对第q类储能设备,单个储能单元的额定投建电量;为第q类储能设备在节点i 上的投建电量上限。
上式中各类型储能设备在各节点上的投建限制,通过对该投建电量上限赋值为0,能够有效反映对部分类型储能,如抽水蓄能的地理位置投建限制。
储能系统投建约束即在整个系统层面上限定了各类型储能设备的投建总量,约束如下:
式中:q∈Η,为第q类储能设备在整个系统中的投建电量上限。
该约束条件在整个系统层面上限定了各类型储能设备的投建总量,可以反映不同类型储能设备的投建困难程度。
S203、构建系统运行基础约束条件,包括输电网络潮流约束、常规发电机出力约束和节点功率平衡约束;
输电网络潮流约束包括输电线路传输容量约束和直流潮流约束;
输电线路传输容量约束表示如下:
式中:ij∈Φ,k∈Ψ,t∈Γ,Fijk(t)为规划场景k下,输电线路i-j在时刻t上的传输功率;为输电线路i-j上的反向/正向最大有功传输功率参数。
直流潮流约束表示如下:
式中:ij∈Φ,k∈Ψ,t∈Γ,θjk(t)为规划场景k下,节点j在时刻t上的相角,θik(t)为规划场景k下,节点i在时刻t上的相角;xij为输电线路i-j上的电抗参数。
常规发电机组出力约束包括各常规发电机组出力上下限约束和各常规发电机向上/向下爬坡速率限制,表示如下:
式中:i∈Ω,k∈Ψ,t∈Γ,α=1,...,l,PG,ik(t)为规划场景k下,位于节点i的常规发电机组在时刻t的出力;为位于节点i的常规发电机组的最小出力参数;为位于节点i 的常规发电机组在线性分段α上的最大出力参数。
常规发电机组爬坡约束
式中:i∈Ω,k∈Ψ,t≤|Γ|-1,为位于节点i的常规发电机组在单位时段内的最大爬坡速率。
节点功率平衡约束如下:
式中:i∈Ω,k∈Ψ,t∈Γ,PW,ik(t)为规划场景输入参数,表征规划场景k下,位于节点 i的新能源机组在时刻t的实际出力;PL,ik(t)为规划场景输入参数,表征规划场景k下,节点i 在时刻t的负荷需求;CWik(t)为对应于新能源消纳的松弛变量,表征规划场景k下,位于节点i的新能源机组在时刻t的弃新能源功率。
S204、构建储能运行约束条件,包括如下:
储能最大充放电功率约束;
式中:i∈Ω,k∈Ψ,q∈Η,t∈Γ,为0-1决策变量,表征规划场景k下,位于节点i的第q类储能设备在时刻t的充电/放电状态。
储能充放电状态互斥约束;
该约束规定上述表征储能充电/放电状态的两个0-1决策变量为互斥变量,确保各类型储能设备不会发生同时充放电行为。
储能荷电状态约束;
式中:为规划场景k下,位于节点i的第q类储能设备在时刻t的荷电状态。
该约束将各类型储能设备的荷电状态限制在投建电量范围以内,并令起始时段和结束时段的储能荷电状态相同,以确保储能运行的可持续性。
储能荷电状态与充放电功率间的时序耦合约束;
式中,i∈Ω,k∈Ψ,q∈Η,t≤|Γ|-1,为规划场景k下,位于节点i的第q类储能设备在时刻t的荷电状态;为规划场景k下,位于节点i的第q类储能设备在时刻t的放电/充电功率;为第q类储能设备的充电/放电效率。
S205、构建新能源合理消纳约束条件,包括:
弃新能源上限约束;
针对系统新能源消纳水平的机会约束;
式中:i∈Ω,k∈Ψ,t∈Γ,γκ为新能源保障消纳率参数,表征规划决策者对于系统新能源消纳比例的预期程度;γε为弃新能源风险水平参数,表征规划决策者对于系统弃新能源风险的可接受程度。
此处基于时间序列典型规划场景集,将原机会约束(20)以离散场景的形式重构为下式:
式中:zk为0-1指示变量,表征所得规划方案是否需在规划场景k下满足给定新能源保障消纳率下的新能源消纳需求。
S206、对原始储能联合规划模型的松弛变形;
首先针对式(21)中的双线性项CWik(t)zk,此处可采用McCormick线性化方法对其进行处理,将式(21)线性重构为:
式中:是辅助变量,表征双线性项CWik(t)zk的等价项。
显然式(22)与(21)完全等价,其对弃新能源量的限制同样仅作用于响应场景(zk=0)。但其也具有引入额外辅助变量和约束条件、增大规划问题规模的固有缺点。
实际上,由于弃新能源变量具有实际意义上的物理上限,即其取值不会超过各节点的实际新能源出力,借助于该物理上限取值,此处给出式(21)的另一种线性重构形式如下所示:
可以看出,式(23)在响应场景下(zk=0)与(21)等价,而在非响应场景下(zk=1)则由实际的新能源发电总量作为弃新能源量上限,其约束关系同样是成立的。需要指出的是,若将式(23)中的zk∑t∈ΓPW,ik(t)更换为zkM,则式(23)即为传统的Big-M重构方法,而本节采用实际新能源发电总量作为惩罚系数,既避免了采用过大Big-M参数可能引发的求解效率降低问题,也避免了采用McCormick线性化方法导致需要引入额外的辅助变量和约束条件。
其次,在储能充放电约束条件(式(15))中,双线性项和不仅会引入非线性特征,0-1决策变量和的使用还使得二阶段系统运行优化问题具有了非凸性质,给Benders分解算法的应用造成了困难。实际上,0-1变量和的引入主要是为了配合式(16)来描述储能充放电状态的互斥关系,而本章所构建的多类型储能联合规划模型已通过对系统运行经济性的优化来避免出现储能充放电功率同时大于零的情况。其中,式(4)表征的各类型储能设备的运行维护成本与储能放电功率直接相关,而同时充放电则会导致储能放电功率无谓的增加;式(6)表征的储能运行损耗成本则同时涉及储能的充电和放电功率,而同时充放电更是会大幅度加剧储能运行损耗。可以看出,通过引入式(4)和 (6)做为目标函数的组成部分,以系统运行经济性最优来引导系统运行的优化调度能够有效避免各类型储能设备的同时充放电。因此对于式(15)和(16),此处移除表征储能充放电状态的0-1变量和将其松弛为以下形式:
其中,i∈Ω,k∈Ψ,q∈Η,t∈Γ,为规划场景k下,位于节点i的第 q类储能设备在时刻t的放电/充电功率;为整数决策变量,表征第q类储能设备在节点i 的投建个数;ERq为针对第q类储能设备,单个储能单元的额定投建电量;Tq为第q类储能设备的典型持续充放电时间;式(24)基于储能充放电功率变量的凸包构建,实现了对非凸约束条件(式(15)和(16))的线性松弛,同时减少了2|Ω||Ψ||Η||Γ|个0-1决策变量和|Ω||Ψ||Η||Γ| 条约束条件,降低了原规划模型的问题规模。
S3、将步骤S1得到的数据输入到步骤S2中构建的联合规划模型中,进行求解。
求解结果包括:各待选节点储能设备投建电量/容量,不同弃新能源风险和新能源消纳率下投建方案的投建及运行成本,以及包含电量利用率和容量利用率等两个评估指标。该规划方案为确保对新能源的保障性消纳,实现了储能设备的最优选址定容。
第q类储能设备在节点i的投建个数规划场景k下,位于节点i的常规发电机组在线性分段、时刻t上的机组出力规划场景k下,位于节点i的第q类储能设备在时刻 t的充电/放电功率以及如下两个评估指标,用以分析在新能源出力和负荷不确定性的影响下,规划方案所投建储能设备参与系统运行调节的实际利用情况:
电量利用率(Energy Capacity Utilization Level,ECUL),该指标用于反映系统日运行调度对于电量时序转移的需求,其计算公式为:
其中,k∈Ψ,q∈Η,为规划场景k下,位于节点i的第q类储能设备在时刻t的荷电状态,为整数决策变量,表征第q类储能设备在节点i的投建个数;ERq为针对第q类储能设备,单个储能单元的额定投建电量。
容量利用率(Power Capacity Utilization Level,PCUL),该指标用于反映系统日运行调度对于时序功率调节的需求,其计算公式为:
其中,k∈Ψ,q∈Η,为规划场景k下,位于节点i的第q类储能设备在时刻t的放电/充电功率;为整数决策变量,表征第q类储能设备在节点i的投建个数;ERq为针对第q类储能设备,单个储能单元的额定投建电量;Tq为第q类储能设备的典型持续充放电时间。
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。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。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。
IEEE RTS24测试系统算例分析
本发明选用IEEE RTS24测试系统验来证所提机会约束多类型储能联合规划模型的可行性和有效性。本发明对原测试系统做出如下调整,使其适用于测试本章所研究的多类型储能联合规划问题:
(1)为提高测试系统的灵活性需求,此处降低该测试系统的可靠性并增加线路输电阻塞,将基准负荷扩展为原数据的1.3倍,将所有输电线路的传输容量缩减20%。
(2)新增五个风电场,其装机容量分别为250MW、250MW、250MW、550MW、550MW,分别接入节点1、4、5、14和17,风电渗透率为49.93%。
(3)测试系统中允许投建三种不同类型的储能设备,分别为抽水蓄能(PumpedHydro Energy Storage,PHES),压缩空气储能(Compressed Air Energy Storage,CAES)以及电池储能(Battery Energy Storage,BES),各类型储能设备的详细参数参见表1。
(4)为适当降低该测试系统的调节灵活性,设置具有高发电装机规模节点13和23发电机的时序爬坡速率为其装机容量的40%,并设置少量发电机组不参与时序调节。
表1各类型储能设备参数信息
本发明的风电并网规划场景为时间序列的节点负荷和风电出力数据,具体以系统的日运行方式为场景对象,生成共包括3年1095个日运行方式的原始规划场景集,各日运行方式的采集时间尺度为小时。对应于各负荷节点和风电节点,单个规划场景(日运行方式)由表征24 个时刻的17组日负荷时间序列和3组日风电出力时间序列所组成,其中日负荷时间序列是在负荷时空分布数据的基础上增加服从正态分布的5%负荷扰动所产生,日风电出力时间序列则基于EWITS提供的时序风速数据转换而来,各节点风电、节点负荷之间的一一对应性和时空相关性已在原始规划场景集构建中反映。进而采用第三章提出的时间序列典型规划场景生成方法,从原始规划场景集中选取出包含55个场景成员的典型时间序列集,用于本节的储能规划算例测试。
在机会约束储能规划问题求解中,单位弃风电量和储能损耗电量的成本损失参数设置为 50$/MWh;设置CPLEX求解MILP问题和LP问题的优化精度为0.1%,所提出的Benders分解算法的收敛精度同样设置为0.1%。
1)不同类型储能单独参与规划的算例结果
本节针对单一类型储能规划问题展开算例测试,旨在分析不同类型储能设备由于运行特性和成本参数相异对最终规划结果的影响。此处设置三组规划算例如下所述:
(1)R1:以PHES做为规划对象,考虑PHES的地理投建限制,设置其可选投建位置为节点3、7、22。
(2)R2:以CAES作为规划对象,其可选投建位置与算例R1相同。
(3)R3:以BES作为规划对象,根据测试系统中具有较高输电阻塞隐患的输电线路位置,设置其可选投建位置为节点6、8、10、16、17。
设置弃风风险水平为10%,风电保障消纳率为95%,通过求解上述三个算例下的含机会约束储能规划问题,得到具体规划结果如表2所示。
表2不同储能类型下的储能投建方案比对
由表2可知,各类型储能的投建运行特性对于储能规划结果具有直接影响。具体而言,由于BES具有三种储能类型中最小的单位设备投建电量,且相比于PHES和CAES具有更为灵活的可选投建地点,这使得规划方案R3中所投建的储能电量规模是三者中最小的,仅为1000MWh,相比于规划方案R1和R2分别下降了66.67%和58.33%。而与之对应地,考虑到BES的实际应用特点,其持续额定充放电时间参数要远小于PHES和CAES,这也导致规划方案R3中相应投建的总储能容量高达500MW,为规划方案R1和R2的1.67倍。可以看出,对于BES而言,尽管其单位设备的投建规模最小,投建方式最为灵活,但其过低的持续充放电时间并不契合于系统运行对于电量时序转移的高额需求,为了满足该储能电量的投建需求,规划方案R3被迫投建了超额的储能容量;而对于PHES和CAES而言,由于其投建位置受限,且作为电量型储能均具有较高的储能电量/容量比,为满足系统运行在部分极限场景下的时序功率调节需求,规划方案R1和R2同样可能存在有超额投建储能电量的问题,导致一定程度的投资浪费。
利用典型规划场景集来表征风电出力和负荷的随机波动性,通过计算各场景下的评估指标 ECUL和PCUL,得到规划方案R1-R3中各类型储能设备利用率的统计分布特征如图2所示,其中仅展示储能电量/容量利用率超过40%的概率分布信息,以说明各规划方案下系统运行对于所投建储能设备的利用充分程度。具体从图2(a)中可以看出,在储能电量利用率方面,规划方案R3几乎在所有场景下均高额利用了所投建的BES储能电量;相比之下,规划方案R1 和R2在极限运行场景下的最大储能电量利用率均未超过80%,这意味着两个规划方案中的储能投建电量均已超出了系统运行的电量时序转移需求,存在较为严重的冗余投建问题。另一方面,从图2(b)中可以看出,规划方案R1和R2较好的利用了所投建的储能容量,其储能容量利用超过总投建容量80%的场景占比分别达到了26.01%和14.39%;相比之下,规划方案R3 则在93.97%的情况下储能容量利用不足总投建容量的60%。考虑到规划方案R1和R2均以较小的储能投建容量满足了系统对时序功率调节的需求,进一步证实了规划方案R3中存在储能容量的冗余投建问题。
上述分析结果表明,由于三种储能类型具有不同的投建、运行特性,在规划方案R1-R3 中,针对PHES和CAES投建的主要驱动因素为系统运行对于时序功率调节的需求,而针对BES 投建的主要驱动因素则为系统运行对于电量时序转移的需求。同时,上述分析结果也证实了仅投建单一类型的储能设备难以经济的满足系统运行在电力电量平衡上的多方面需求,容易引发储能设备的冗余投建问题。
2)多类型储能联合规划算例结果
本发明针对多类型储能联合规划问题展开算例测试,旨在分析多类型储能投建组合对规划结果的影响。基于三种储能类型,本发明共设置了四组规划算例R4-R7如下所述。
(1)R4:以PHES和CAES做为规划对象,考虑两者的地理投建限制,设置其可选投建位置为节点3、7、22。
(2)R5:以PHES和BES作为规划对象,其中PHES的可选投建位置与算例R4相同,BES的可选位置根据测试系统中具有较高输电阻塞隐患的输电线路确定为节点6、8、10、16、17。
(3)R6:以CAES和BES作为规划对象,其中CAES的可选投建位置与算例R4相同,BES的可选投建位置与算例R5相同。
(4)R7:以PHES、CAES和BES作为规划对象,三者的可选投建位置与算例R4-R6保持一致。
此处同样设置弃风风险水平为10%,保障风电消纳率为95%,求解上述四个算例下的含机会约束多类型储能联合规划问题,得到具体规划结果如表3所示。
表3不同储能组合下的储能投建方案比对
可以看出,四个涉及多类型储能的规划方案R4-R7的规划运行总成本要低于之前给出的仅具有单一类型储能的规划方案;更重要的是,同时引入三种储能类型的联合规划方案R7具有所有规划方案R1-R7中最低的规划运行总成本,这表明在储能规划中通过引入多种储能类型进行投资组合能够有效改善规划经济性。
通过观察表3中规划总成本的四个成本组成可以看出,这四项成本之间并不存在明确的正相关或负相关关系,也不存在一项能够起到主导作用的成本。以规划方案R7为例,其储能总投建成本高于规划方案R6,总发电成本和储能运维成本高于规划方案R4,总发电成本和储能损耗成本则高于规划方案R5,其各项成本的取值均不是四种规划方案中最低的,只有基于各项成本之和才能准确判断出该规划方案具有最优的规划经济性,这说明了本章所构建储能规划模型引入这四项成本作为目标函数的必要性。
为了观察引入多种储能类型后规划方案中储能利用率的变化情况,此处以包含三种储能类型的规划方案R7为例,通过计算各典型规划场景下的评估指标ECUL和PCUL,得到该规划方案中各类型储能设备利用率的统计分布特征如图3所示。对比图3和图2中可以看出,与仅采用单一储能类型的规划方案相比,规划方案R7中对于所投建储能设备的利用情况得到了明显改善。其中在储能投建容量的利用率方面,针对PHES、CAES和BES,其储能容量利用超过总投建容量80%的概率从单一类型储能规划方案中的26.01%、14.39%和1.12%显著增加至规划方案R7中的40.16%、26.27%和6.41%;而在储能投建电量的利用率方面,规划方案R7也在一定程度上缓解了PHES和CAES的冗余投建问题,其储能电量利用超过总投建电量60%的概率从之前的42.1%和1.55%分别增加至49.87%和16.71%。从规划方案R7中各类型储能的具体投建组合可以看出,其通过投建电量型储能PHES和CAES来满足系统运行对储能电量的投建需求,进而通过补充一定的BES来填补系统运行对于储能容量的需求缺口,其有效利用了PHES、CAES 单位储能电量投建成本更低的优势以及BES灵活投建的优势,获得了更为经济、合理的储能规划结果,因此本节选取规划方案R7作为该测试系统的推荐储能投建方案。
为了说明多类型规模型储能在IEEE RTS24测试系统运行中的实际作用,此处基于推荐规划方案R7,挑选出具有高额风电出力的典型日运行场景,分别分析储能设备投建前后的系统日运行功率平衡情况如图4所示。从图中可以看出,该典型日运行场景具有一定的风电反调峰特征和负荷双峰特征,在未投建储能设备时,由于现有常规发电机组可提供的系统调节灵活性较为有限,为了优先满足系统负荷,尤其是峰荷的安全供应,其在谷荷时段仍然需要保持一定的发电水平,这也导致其在谷荷时段的向下调节能力不足,无法保障相应时段高额风电出力的足额消纳;此外,风电并网节点17的附近线路存在有较为严重的输电阻塞问题,同样也是制约风电并网消纳的重要因素。相比之下,在投建储能设备后,由图4(b)中的风电消纳情况可以看出,借助于各类型储能的电力电量调节、缓解输电阻塞作用,系统在该高风电出力典型日运行场景下的实际风电消纳量占比达到95%以上,少量弃风仅发生在凌晨具有高风电出力的谷荷时段,这既说明了本章所设计风电保障消纳约束的有效性,也侧面反映了利用储能的功率双向调节特性能够有效提高系统的风电消纳水平。就各类型储能设备的具体作用而言,PHES 和CAES作为电量型储能主要作用于对风电发电量的时序转移,而BES除了参与削峰填谷外,其在部分时段(如时刻10和15)也起到了参与短时功率平衡调节的作用,同时缓解了风电并网节点17邻近线路的阻塞状况,这与之前分析所得到的各类型储能在提供系统运行灵活性上的定位相吻合,即PHES和CAES作为电量型储能主要用于满足系统运行的电量时序转移需求,而BES作为单位投建容量/电量最小的灵活型储能则可用于填补系统运行中出现的短时功率调节缺口。
3)灵敏度分析和求解算法有效性验证
(1)弃风风险水平与风电保障消纳率灵敏度分析
为了分析弃风风险水平参数取值对储能规划结果的影响,本节以规划方案R6(γε=10%) 为基准,表4给出了弃风风险水平分别为7.5%、10%和12.5%时的储能规划方案。其中,各规划方案的日综合成本中额外考虑了基于后评估得到的日期望弃风成本,单位弃风电量的成本参数同样设置为50$/MWh,与储能损耗成本一致。
表4不同弃风风险水平下的储能投建方案比对
从表4中可以看出,就系统的日规划运行综合成本而言,弃风风险水平最高的规划方案 R9具有最优的整体经济性。相比于弃风风险水平最低的规划方案R8,随着弃风风险水平的增加,规划方案R6和R9的储能投建成本分别降低了14.62%和38.11%。更重要的是,后两个规划方案中因弃风风险水平升高而增加的弃风电量损失成本均要低于相应所节省的系统投建运行成本,这主要是因为风电的高水平出力和大幅波动在概率分布上均具有典型的尖峰分布特征,其所对应的风电实际发电量非常有限,而这与保障该部分风电消纳所需的储能投建成本不匹配。
进一步地,为了分析风电保障消纳率参数取值对储能规划结果的影响,此处同样以规划方案R6(γκ=95%)为基准,给出风电保障消纳率分别为97.5%、92.5%和90%时的储能规划方案,以及各规划方案的后评估日期望弃风成本如表5所示。
表5不同风电保障消纳率下的储能投建方案比对
可以看出,类似地,随着风电保障消纳率的降低,各规划方案在日弃风成本逐渐增加的情况下,其日综合成本反而逐渐降低,并在风电保障消纳率最低的情况下达到系统规划运行的整体经济性最优。此外需要注意的是,规划方案R12在弃风电量增加的情况下其发电机燃料成本反而低于规划方案R11,这主要是因为系统自身灵活性不足,在极限运行场景下为消纳足量风电出力会被迫降低低燃料成本的不可调度机组出力,变相产生调峰成本。
上述两组灵敏度分析结果表明通过适度降低系统的风电消纳水平,能够有效节省储能投建成本,并在一定程度上改善电力系统规划及运行的整体经济性;而盲目提高系统的风电消纳水平则可能会产生经济性较差的储能规划方案。
(2)储能设备投建影响因素分析
为了分析风电出力与系统负荷这两类不确定性对于储能设备投建的影响,本节以PHES和 BES作为储能规划对象,在多类型储能联合规划模型中移除了风电合理消纳约束(1-20),并求解得到相应的储能规划方案R13如表6所示。
表6无风电合理消纳约束下的储能投建方案
从表6中可以看出,在放开系统弃风限制后,为满足面向负荷安全、经济供应的系统灵活性调节需求,规划方案R13共投建了总容量/电量为240MW/1080MWh的储能设备,其投建的主要驱动因素是在负荷峰谷差较大的日运行场景中为系统提供削峰填谷能力,以及在系统负荷水平骤降时段为系统提供向下功率调节能力。由于规划方案R13仅考虑了负荷安全供应而忽视了对弃风的限制,此处称该方案下的储能投建规模为满足该系统基本灵活性需求的基础储能投建规模。
进而,与引入风电合理消纳约束、但风电消纳水平相对较低的规划方案R12对比可以看出,规划方案R12下的储能总投建容量/电量为240MW/1080MWh,等同于规划方案R13下的基础储能投建规模,其与规划方案R13的区别在于各类型储能的投建位置不同。具体而言,与规划方案R13中各储能设备主要投建在系统的左侧区域不同,规划方案R12因引入风电合理消纳约束,其储能设备的投建位置更为分散,受风电并网节点所处位置的影响程度更高,这也表明在储能规划问题中有必要引入网架约束以实现对储能定容和选址的同时优化。
另一方面,与引入风电合理消纳约束、但风电消纳水平相对较高的规划方案R6对比可以看出,规划方案R6的储能总投建容量/电量为350MW/1600MWh,相比于规划方案R13的基础储能投建规模增建了110MW/520MWh的储能设备。这表明在规划方案R6中,仅投建基础投建规模的储能设备已经无法支撑对风电的足额消纳,换句话说,系统风电消纳水平的提高会逐步增加系统的灵活性调节需求,致使投建额外的储能设备。
此外,结合后评估得到的系统日弃风成本可以看出,在放开系统弃风限制后,规划方案 R13具有较差的整体经济性,其日综合成本达到了1370.256×103$,高于上文同样采用CAES 和BES作为储能规划对象,但引入风电合理消纳约束的规划方案,包括R6、R9、R11和R12 共4种规划方案。这表明在储能规划中有必要对风电的消纳水平进行合理性约束,以避免因过量弃风而导致的系统整体经济性下降问题,同时也验证了在系统灵活性规划中,通过对储能设备的选址定容优化来满足系统风电消纳水平、减少系统弃风损失是经济可行的。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (10)
1.一种基于新能源随机波动的多类型储能联合规划方法,其特征在于,获取多类型储能规划数据、系统基本技术数据、系统运行约束条件数据、系统运行预测数据;构建确定多类型储能选址定容的联合规划模型;对联合规划模型进行求解得到各待选节点储能设备投建电量/容量,不同弃新能源风险和新能源消纳率下投建方案的投建及运行成本,以及电量利用率和容量利用率,根据以上数据实现储能设备的最优选址定容。
2.根据权利要求1所述的基于新能源随机波动的多类型储能联合规划方法,其特征在于,构建确定多类型储能选址定容的联合规划模型的步骤如下:
S201、构建确定多类型储能选址定容的联合规划模型目标,以最小化电力系统规划运行的多方面综合成本为目标函数;
S202、构建包括包括储能节点投建约束和储能系统投建约束的储能投建决策约束条件;
S203、构建包括输电网络潮流约束、常规发电机出力约束和节点功率平衡约束的系统运行基础约束条件;
S204、构建包括储能最大充放电功率约束、储能充放电状态互斥约束、储能荷电状态约束和储能荷电状态与充放电功率间的时序耦合约束的储能运行约束条件;
S205、构建包括弃风上限约束和针对系统新能源消纳水平的机会约束的新能源合理消纳约束条件;
S206、对原始储能联合规划模型的松弛变形。
3.根据权利要求2所述的基于新能源随机波动的多类型储能联合规划方法,其特征在于,步骤S201中,以最小化电力系统规划运行的多方面综合成本为目标函数构建构多类型储能选址定容的联合规划模型目标V如下:
其中:CCap为储能设备的规划投建成本;CFOM为储能设备的固定运行维护成本,pk为场景k出现的概率;CVOM,k为规划场景k下储能的可变运行维护成本;CG,k为规划场景k下常规发电机组的燃料成本;CLoss,k为规划场景k下储能的运行损耗成本。
4.根据权利要求2所述的基于新能源随机波动的多类型储能联合规划方法,其特征在于,步骤S202中,储能节点投建约束即各类型储能设备在各节点上的投建限制,约束如下:
式中,i∈Ω,q∈Η,为整数决策变量,表征第q类储能设备在节点i的投建个数;ERq为针对第q类储能设备,单个储能单元的额定投建电量;为第q类储能设备在节点i上的投建电量上限;
储能系统投建约束即在整个系统层面上限定了各类型储能设备的投建总量,约束如下:
式中:q∈Η,为第q类储能设备在整个系统中的投建电量上限。
5.根据权利要求2所述的基于新能源随机波动的多类型储能联合规划方法,其特征在于,步骤S203中,输电网络潮流约束包括输电线路传输容量约束和直流潮流约束,输电线路传输容量约束表示如下:
式中,ij∈Φ,k∈Ψ,t∈Γ,Fijk(t)为规划场景k下,输电线路i-j在时刻t上的传输功率;为输电线路i-j上的反向/正向最大有功传输功率参数;
直流潮流约束表示如下:
式中,θjk(t)为规划场景k下,节点j在时刻t上的相角,θik(t)为规划场景k下,节点i在时刻t上的相角;xij为输电线路i-j上的电抗参数;
常规发电机组出力约束包括各常规发电机组出力上下限约束和各常规发电机向上/向下爬坡速率限制,表示如下:
式中,i∈Ω,α=1,...,l,PG,ik(t)为规划场景k下,位于节点i的常规发电机组在时刻t的出力;为位于节点i的常规发电机组的最小出力参数;为位于节点i的常规发电机组在线性分段α上的最大出力参数;
常规发电机组爬坡约束表示如下:
式中,t≤|Γ|-1,为位于节点i的常规发电机组在单位时段内的最大爬坡速率;
节点功率平衡约束如下:
式中,PW,ik(t)为规划场景输入参数,表征规划场景k下,位于节点i的新能源机组在时刻t的实际出力;PL,ik(t)为规划场景输入参数,表征规划场景k下,节点i在时刻t的负荷需求;CWik(t)为对应于新能源消纳的松弛变量,表征规划场景k下,位于节点i的新能源机组在时刻t的弃新能源功率。
6.根据权利要求2所述的基于新能源随机波动的多类型储能联合规划方法,其特征在于,步骤S204中,储能最大充放电功率约束;
式中,i∈Ω,k∈Ψ,q∈Η,t∈Γ,为0-1决策变量,表征规划场景k下,位于节点i的第q类储能设备在时刻t的充电/放电状态;
储能充放电状态互斥约束;
储能荷电状态约束;
式中,i∈Ω,k∈Ψ,q∈Η,t∈Γ,为规划场景k下,位于节点i的第q类储能设备在时刻t的荷电状态;
储能荷电状态与充放电功率间的时序耦合约束;
式中,i∈Ω,k∈Ψ,q∈Η,t≤|Γ|-1,为规划场景k下,位于节点i的第q类储能设备在时刻t的荷电状态;为规划场景k下,位于节点i的第q类储能设备在时刻t的放电/充电功率;为第q类储能设备的充电/放电效率。
7.根据权利要求2所述的基于新能源随机波动的多类型储能联合规划方法,其特征在于,步骤S205中,弃新能源上限约束表示如下:
0≤CWik(t)≤PW,ik(t)
针对系统新能源消纳水平的机会约束表示如下:
式中,i∈Ω,k∈Ψ,t∈Γ,γκ为新能源保障消纳率参数,表征规划决策者对于系统新能源消纳比例的预期程度;γε为弃新能源风险水平参数,表征规划决策者对于系统弃新能源风险的可接受程度;
将原机会约束以离散场景的形式重构为下式:
式中,zk为0-1指示变量,表征所得规划方案是否需在规划场景k下满足给定新能源保障消纳率下的新能源消纳需求。
8.根据权利要求2所述的基于新能源随机波动的多类型储能联合规划方法,其特征在于,步骤S206中,首先针对双线性项CWik(t)zk,采用McCormick线性化方法对其进行处理,将线性重构为:
式中,是辅助变量,表征双线性项CWik(t)zk的等价项;
另一种线性重构形式如下:
采用实际新能源发电总量作为惩罚系数;
其次,引入各类型储能设备的运行维护成本和储能运行损耗成本做为目标函数的组成部分,以系统运行经济性最优来引导系统运行的优化调度能够有效避免各类型储能设备的同时充放电,松弛变形如下:
其中,为规划场景k下,位于节点i的第q类储能设备在时刻t的放电/充电功率;为整数决策变量,表征第q类储能设备在节点i的投建个数;ERq为针对第q类储能设备,单个储能单元的额定投建电量;Tq为第q类储能设备的典型持续充放电时间。
9.根据权利要求1所述的基于新能源随机波动的多类型储能联合规划方法,其特征在于,电量利用率计算如下:
其中,为规划场景k下,位于节点i的第q类储能设备在时刻t的荷电状态,为整数决策变量,表征第q类储能设备在节点i的投建个数;ERq为针对第q类储能设备,单个储能单元的额定投建电量。
10.根据权利要求1所述的基于新能源随机波动的多类型储能联合规划方法,其特征在于,容量利用率计算如下:
其中,k∈Ψ,q∈Η,为规划场景k下,位于节点i的第q类储能设备在时刻t的放电/充电功率;为整数决策变量,表征第q类储能设备在节点i的投建个数;ERq为针对第q类储能设备,单个储能单元的额定投建电量;Tq为第q类储能设备的典型持续充放电时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910064401.6A CN109787259B (zh) | 2019-01-23 | 2019-01-23 | 一种基于新能源随机波动的多类型储能联合规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910064401.6A CN109787259B (zh) | 2019-01-23 | 2019-01-23 | 一种基于新能源随机波动的多类型储能联合规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109787259A true CN109787259A (zh) | 2019-05-21 |
CN109787259B CN109787259B (zh) | 2020-10-27 |
Family
ID=66502175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910064401.6A Active CN109787259B (zh) | 2019-01-23 | 2019-01-23 | 一种基于新能源随机波动的多类型储能联合规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109787259B (zh) |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110245794A (zh) * | 2019-06-06 | 2019-09-17 | 云南电网有限责任公司 | 考虑灵活性的多能源汇集中心火储容量双层优化方法 |
CN110516855A (zh) * | 2019-08-08 | 2019-11-29 | 西安交通大学 | 一种面向负荷聚合商的分布式储能控制权优化调度方法 |
CN110929947A (zh) * | 2019-11-29 | 2020-03-27 | 广州供电局有限公司 | 储能配置方法、装置、计算机设备和存储介质 |
CN111080082A (zh) * | 2019-11-27 | 2020-04-28 | 国网山东省电力公司经济技术研究院 | 一种适应低碳电源发展的电网规划方法 |
CN111725826A (zh) * | 2020-07-02 | 2020-09-29 | 国网青海省电力公司 | 一种基于高比例光伏接入电力系统的储能综合定容方法 |
CN112332454A (zh) * | 2020-11-13 | 2021-02-05 | 国网冀北电力有限公司电力科学研究院 | 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 |
CN112653122A (zh) * | 2020-09-07 | 2021-04-13 | 东北电力大学 | 一种应对调峰不足与输电阻塞的储-输联合规划方法 |
CN112865084A (zh) * | 2021-01-22 | 2021-05-28 | 华中科技大学 | 一种考虑火电机组深度调峰的发电厂储能方式设置方法 |
CN112886624A (zh) * | 2021-02-05 | 2021-06-01 | 国网新疆电力有限公司经济技术研究院 | 一种三站合一变电站储能装置规划设计系统及方法 |
CN112989612A (zh) * | 2021-03-18 | 2021-06-18 | 贵州电网有限责任公司 | 一种基于麦考密克包络的电热综合能源系统线性建模方法 |
CN113162101A (zh) * | 2021-04-02 | 2021-07-23 | 华中科技大学 | 一种含互斥约束的交直流受端电网优化规划方法及系统 |
CN113381400A (zh) * | 2021-05-28 | 2021-09-10 | 国网青海省电力公司 | 储能消纳新能源能力评估方法和装置 |
CN113537562A (zh) * | 2021-06-09 | 2021-10-22 | 西安交通大学 | 一种新能源场站储能配置计算方法及系统 |
CN113888237A (zh) * | 2021-10-25 | 2022-01-04 | 国网能源研究院有限公司 | 一种考虑系统成本的新能源经济开发规模规划方法 |
CN114069671A (zh) * | 2021-11-26 | 2022-02-18 | 国网甘肃省电力公司电力科学研究院 | 一种计及消纳水平的高比例新能源电网储能需求分析方法 |
CN114417625A (zh) * | 2022-01-24 | 2022-04-29 | 太原理工大学 | 一种考虑风气互补特性的季节储能解决方法 |
CN114937997A (zh) * | 2022-06-13 | 2022-08-23 | 合肥工业大学 | 基于潮流约束线性边界化和评价指标的储能选址规划方法 |
CN116629457A (zh) * | 2023-07-24 | 2023-08-22 | 国网浙江省电力有限公司经济技术研究院 | 面向持续性无风场景的长周期储能优化配置方法及装置 |
CN117195605A (zh) * | 2023-11-08 | 2023-12-08 | 山东理工大学 | 一种基于线性插值的电力系统双线性模型松弛求解方法 |
CN117439128A (zh) * | 2023-10-26 | 2024-01-23 | 国网青海省电力公司清洁能源发展研究院 | 一种多元储能与新能源协同规划配置方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102904288A (zh) * | 2012-09-28 | 2013-01-30 | 南方电网科学研究院有限责任公司 | 一种用于含风光柴储孤立微电网的稳态运行策略 |
CN105740973A (zh) * | 2016-01-25 | 2016-07-06 | 天津大学 | 基于混合整数锥规划的智能配电网综合电压无功优化方法 |
CN107301470A (zh) * | 2017-05-24 | 2017-10-27 | 天津大学 | 一种配电网扩展规划与光储选址定容的双层优化方法 |
US20170331298A1 (en) * | 2013-09-26 | 2017-11-16 | Wellhead Electric Company, Inc. | Hybrid energy system and method |
CN108667054A (zh) * | 2017-03-28 | 2018-10-16 | 中国电力科学研究院 | 一种储能规划方法及装置 |
-
2019
- 2019-01-23 CN CN201910064401.6A patent/CN109787259B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102904288A (zh) * | 2012-09-28 | 2013-01-30 | 南方电网科学研究院有限责任公司 | 一种用于含风光柴储孤立微电网的稳态运行策略 |
US20170331298A1 (en) * | 2013-09-26 | 2017-11-16 | Wellhead Electric Company, Inc. | Hybrid energy system and method |
CN105740973A (zh) * | 2016-01-25 | 2016-07-06 | 天津大学 | 基于混合整数锥规划的智能配电网综合电压无功优化方法 |
CN108667054A (zh) * | 2017-03-28 | 2018-10-16 | 中国电力科学研究院 | 一种储能规划方法及装置 |
CN107301470A (zh) * | 2017-05-24 | 2017-10-27 | 天津大学 | 一种配电网扩展规划与光储选址定容的双层优化方法 |
Non-Patent Citations (1)
Title |
---|
欧阳森等: "配电网分布式风电与电池储能的协调优化配置", 《华南理工大学学报(自然科学版)》 * |
Cited By (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110245794A (zh) * | 2019-06-06 | 2019-09-17 | 云南电网有限责任公司 | 考虑灵活性的多能源汇集中心火储容量双层优化方法 |
CN110245794B (zh) * | 2019-06-06 | 2022-07-15 | 云南电网有限责任公司 | 考虑灵活性的多能源汇集中心火储容量双层优化方法 |
CN110516855A (zh) * | 2019-08-08 | 2019-11-29 | 西安交通大学 | 一种面向负荷聚合商的分布式储能控制权优化调度方法 |
CN110516855B (zh) * | 2019-08-08 | 2022-04-22 | 西安交通大学 | 一种面向负荷聚合商的分布式储能控制权优化调度方法 |
CN111080082A (zh) * | 2019-11-27 | 2020-04-28 | 国网山东省电力公司经济技术研究院 | 一种适应低碳电源发展的电网规划方法 |
CN111080082B (zh) * | 2019-11-27 | 2023-08-18 | 国网山东省电力公司经济技术研究院 | 一种适应低碳电源发展的电网规划方法 |
CN110929947B (zh) * | 2019-11-29 | 2022-03-18 | 广东电网有限责任公司广州供电局 | 储能配置方法、装置、计算机设备和存储介质 |
CN110929947A (zh) * | 2019-11-29 | 2020-03-27 | 广州供电局有限公司 | 储能配置方法、装置、计算机设备和存储介质 |
CN111725826A (zh) * | 2020-07-02 | 2020-09-29 | 国网青海省电力公司 | 一种基于高比例光伏接入电力系统的储能综合定容方法 |
CN112653122A (zh) * | 2020-09-07 | 2021-04-13 | 东北电力大学 | 一种应对调峰不足与输电阻塞的储-输联合规划方法 |
CN112332454A (zh) * | 2020-11-13 | 2021-02-05 | 国网冀北电力有限公司电力科学研究院 | 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 |
CN112865084A (zh) * | 2021-01-22 | 2021-05-28 | 华中科技大学 | 一种考虑火电机组深度调峰的发电厂储能方式设置方法 |
CN112886624A (zh) * | 2021-02-05 | 2021-06-01 | 国网新疆电力有限公司经济技术研究院 | 一种三站合一变电站储能装置规划设计系统及方法 |
CN112886624B (zh) * | 2021-02-05 | 2023-05-05 | 国网新疆电力有限公司经济技术研究院 | 一种三站合一变电站储能装置规划设计系统及方法 |
CN112989612B (zh) * | 2021-03-18 | 2023-09-19 | 贵州电网有限责任公司 | 一种基于麦考密克包络的电热综合能源系统线性建模方法 |
CN112989612A (zh) * | 2021-03-18 | 2021-06-18 | 贵州电网有限责任公司 | 一种基于麦考密克包络的电热综合能源系统线性建模方法 |
CN113162101A (zh) * | 2021-04-02 | 2021-07-23 | 华中科技大学 | 一种含互斥约束的交直流受端电网优化规划方法及系统 |
CN113381400B (zh) * | 2021-05-28 | 2022-09-27 | 国网青海省电力公司 | 储能消纳新能源能力评估方法和装置 |
CN113381400A (zh) * | 2021-05-28 | 2021-09-10 | 国网青海省电力公司 | 储能消纳新能源能力评估方法和装置 |
CN113537562B (zh) * | 2021-06-09 | 2023-07-25 | 西安交通大学 | 一种新能源场站储能配置计算方法及系统 |
CN113537562A (zh) * | 2021-06-09 | 2021-10-22 | 西安交通大学 | 一种新能源场站储能配置计算方法及系统 |
CN113888237A (zh) * | 2021-10-25 | 2022-01-04 | 国网能源研究院有限公司 | 一种考虑系统成本的新能源经济开发规模规划方法 |
CN114069671A (zh) * | 2021-11-26 | 2022-02-18 | 国网甘肃省电力公司电力科学研究院 | 一种计及消纳水平的高比例新能源电网储能需求分析方法 |
CN114417625A (zh) * | 2022-01-24 | 2022-04-29 | 太原理工大学 | 一种考虑风气互补特性的季节储能解决方法 |
CN114417625B (zh) * | 2022-01-24 | 2024-03-26 | 太原理工大学 | 一种考虑风气互补特性的季节储能解决方法 |
CN114937997A (zh) * | 2022-06-13 | 2022-08-23 | 合肥工业大学 | 基于潮流约束线性边界化和评价指标的储能选址规划方法 |
CN114937997B (zh) * | 2022-06-13 | 2024-03-01 | 合肥工业大学 | 基于潮流约束线性边界化和评价指标的储能选址规划方法 |
CN116629457A (zh) * | 2023-07-24 | 2023-08-22 | 国网浙江省电力有限公司经济技术研究院 | 面向持续性无风场景的长周期储能优化配置方法及装置 |
CN116629457B (zh) * | 2023-07-24 | 2023-10-20 | 国网浙江省电力有限公司经济技术研究院 | 面向持续性无风场景的长周期储能优化配置方法及装置 |
CN117439128A (zh) * | 2023-10-26 | 2024-01-23 | 国网青海省电力公司清洁能源发展研究院 | 一种多元储能与新能源协同规划配置方法 |
CN117439128B (zh) * | 2023-10-26 | 2024-03-26 | 国网青海省电力公司清洁能源发展研究院 | 一种多元储能与新能源协同规划配置方法 |
CN117195605A (zh) * | 2023-11-08 | 2023-12-08 | 山东理工大学 | 一种基于线性插值的电力系统双线性模型松弛求解方法 |
CN117195605B (zh) * | 2023-11-08 | 2024-01-26 | 山东理工大学 | 一种基于线性插值的电力系统双线性模型松弛求解方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109787259B (zh) | 2020-10-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109787259A (zh) | 一种基于新能源随机波动的多类型储能联合规划方法 | |
Li et al. | A coordinated dispatch method with pumped-storage and battery-storage for compensating the variation of wind power | |
Wang et al. | Analysis of operation cost and wind curtailment using multi-objective unit commitment with battery energy storage | |
Ali et al. | A peer-to-peer energy trading for a clustered microgrid–Game theoretical approach | |
Petrelli et al. | A novel multi-objective method with online Pareto pruning for multi-year optimization of rural microgrids | |
Adeoye et al. | Quantifying the integration of renewable energy sources in West Africa's interconnected electricity network | |
Nasrolahpour et al. | Bidding strategy for an energy storage facility | |
Ali | Development and Improvement of Renewable Energy Integrated with Energy Trading Schemes based on Advanced Optimization Approaches | |
Sperstad et al. | Cost-benefit analysis of battery energy storage in electric power grids: Research and practices | |
Barone et al. | The role of energy communities in electricity grid balancing: A flexible tool for smart grid power distribution optimization | |
Ding et al. | Long-term operation rules of a hydro–wind–photovoltaic hybrid system considering forecast information | |
Bucher | On operational flexibility in transmission constrained electric power systems | |
Tavakkoli et al. | An approach to divide wind power capacity between day-ahead energy and intraday reserve power markets | |
Le Cadre et al. | Is energy storage an economic opportunity for the eco-neighborhood? | |
Mohseni et al. | Probabilistic sizing and scheduling co-optimisation of hybrid battery/super-capacitor energy storage systems in micro-grids | |
Moreira | Business models for energy storage systems | |
Sarkar | Minding the P's and Q's: Real and reactive power assessment of hybrid energy conversion systems with wind and solar resources | |
Fedorchuk et al. | Using the Concept of Prosumers as a Staff for Balancing at the Power Grid | |
Minai et al. | Evolution and role of virtual power plants: Market strategy with integration of renewable based microgrids | |
Nam et al. | An EV-Based Wind Power Curtailment Scheme Utilizing the Power Sensitivity of the Distribution Network | |
Thapa | Operating risk analysis of wind integrated generation systems | |
Berg et al. | Implementation of Battery Energy Storage Systems in Residential Buildings: A case study of a multifamily building in southern Sweden, exploring profitability, self-sufficiency and environmental performance | |
Khalid | Optimal sizing of microgrids: A comparison of herd-behaviour-oriented meta-heuristics | |
Cordova et al. | Netload Range Cost Curves for a Transmission-Aware Distribution System Planning under DER Growth Uncertainty | |
Sajjadi et al. | Integration of Electric Vehicles into Multi‐energy Systems |
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 |