CN109948868A - 高渗透率分布式可再生能源发电集群优化规划方法 - Google Patents
高渗透率分布式可再生能源发电集群优化规划方法 Download PDFInfo
- Publication number
- CN109948868A CN109948868A CN201910308167.7A CN201910308167A CN109948868A CN 109948868 A CN109948868 A CN 109948868A CN 201910308167 A CN201910308167 A CN 201910308167A CN 109948868 A CN109948868 A CN 109948868A
- Authority
- CN
- China
- Prior art keywords
- energy
- storage system
- cluster
- optimization
- sub
- 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.)
- Pending
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 52
- 238000010248 power generation Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000035699 permeability Effects 0.000 title claims abstract description 13
- 238000004146 energy storage Methods 0.000 claims abstract description 137
- 238000005457 optimization Methods 0.000 claims abstract description 75
- 238000003860 storage Methods 0.000 claims abstract description 26
- 240000002853 Nelumbo nucifera Species 0.000 claims abstract description 24
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims abstract description 24
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims abstract description 24
- 230000005611 electricity Effects 0.000 claims description 21
- 230000008901 benefit Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000013256 coordination polymer Substances 0.000 claims description 5
- 230000006698 induction Effects 0.000 claims description 5
- 239000010410 layer Substances 0.000 abstract description 40
- 239000002355 dual-layer Substances 0.000 abstract description 5
- 238000011217 control strategy Methods 0.000 abstract 1
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000003643 water by type Substances 0.000 description 1
Classifications
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种高渗透率分布式可再生能源发电集群优化规划方法,本发明结合配电网网架结构、分布式可再生能源发电集群布点将集群系统划分为若干个子集群,在子集群负荷预测基础上,构建了双层优化规划模型,在规划阶段融入群控群调控制策略,开展以子集群为基本单位的“源网荷储”运行‑规划双重优化。上层优化以年综合费用最小为目标,开展网架及储能系统选址优化;下层优化以储能系统收益最大为目标,考虑储能系统运行约束,开展储能系统容量和功率的优化。通过上下层迭代优化得到最优的子集群优化规划方案。
Description
技术领域
本发明涉及发电集群优化技术领域,具体指的是一种高渗透率分布式可再生能源发电集群优化规划方法。
背景技术
以光伏、风电为代表的新能源具有清洁、环保、节能等优势,近年来,中国新能源产业取得了快速发展。我国新能源发电的发展模式包括集中式和分布式两种。在我国,由于西部地区土地广袤,人口少,光照资源极为丰富,因此集中式光伏电站绝大部分分布在我国甘肃、新疆等西部地区。经过10多年的急速发展,如今西北地区出现了严重的“弃光弃风”现象,2018年全国弃风率达到7%,个别地区窝电现象严重,弃光弃风率高企。
分布式可再生能源发电就近接入用户附近,可以提高系统供电可靠性、降低网络损耗、改善电能质量等,近年来得到了电力工业领域的广泛关注。随着接入到配电网的分布式可再生能源发电容量日益增大,需要充分评估高渗透率分布式可再生能源发电集群接入配电网后对网络损耗、电压分布、短路容量以及保护配置等产生的影响。由于按照目前国家的政策导向,电网企业对于分布式可再生能源发电需要完全接纳,因此分布式可再生能源发电集群规划往往在已知分布式可再生能源发电接入容量的前提下,优化配置储能系统容量、布点以及网架优化,通过合理协调分布式可再生能源发电、电网、负荷和储能系统四者之间的互动关系,将有助于充分发挥分布式可再生能源发电的优势,提高电网运行的安全性和经济性。
分布式可再生能源发电集群规划不同于传统的配电网规划,传统的配电网规划一般是按照负荷预测—电源规划—网架规划的步骤进行的,配电网规划方案满足极端负荷条件供电需求即可满足所有的运行条件。而分布式可再生能源发电集群的出现会使电力系统的负荷预测和运行面临更大的不确定性,同时储能等可控资源也为配电网带来了更多的调控手段,因此,分布式可再生能源发电集群规划必须考虑到分布式电源、配电网网架、负荷需求以及储能系统之间的协调互动关系。
发明内容
有鉴于传统配电网规划不适用于分布式可再生能源发电集群规划,本发明提出一种高渗透率分布式可再生能源发电集群优化规划方法,首先结合配电网网架结构、分布式可再生能源发电集群布点将集群系统划分为若干个子集群,并以子集群为最小单位开展源网荷储协同双层优化规划。上层优化以子集群年综合费用最小为目标,以电网运行安全性为约束,开展网架及储能系统选址优化;下层优化以储能系统收益最大为目标,以储能容量、功率限制为约束条件,开展储能系统容量和功率的优化,通过上下层迭代优化得到最优的子集群优化规划方案。
一种高渗透率分布式可再生能源发电集群优化规划方法,包括以下步骤:
步骤1、将集群系统划分为若干个子集群;
步骤2、生成子集群负荷功率特性曲线,计算子集群内各类型用电负荷的高峰值,结合各类用电负荷特性曲线,拟合得到子集群负荷功率特性曲线;
步骤3、建立子集群源网荷储协同上层优化模型;
步骤4、建立子集群源网荷储协同下层优化模型;
步骤5、上下层优化迭代求解,并得到最优的子集群源网荷储规划方案;
步骤6、组合子集群优化规划方案,得到最优的分布式可再生能源发电集群的优化规划方案。
优选的,所述步骤1将集群系统划分为若干个子集群,划分原则如下:
a、馈线上两个分段开关之间或者分段开关和网络联络开关之间存在可控设备,则将这个区域作为一个子集群;
b、分段开关到末端之间存在可控设备,则将这个区域作为一个子集群。
优选的,所述步骤3建立子集群源网荷储协同上层优化模型的优化目标和约束条件是:
1)优化目标
上层优化模型以最小化集群配电网一年的支出为目标,目标函数表达式如下式:
min C=Cline+Closs (1)
式中,Cline为网架投资的等年值;Closs为年损耗费用。Cline、Closs的计算公式如下式:
Closs=TlossPloss (3)
式中,Fline为网架初始投资费用;r为折现率;n为线路的折旧年限;Tloss为网络损耗小时数;Ploss为根据下层规划得到的储能典型日运行曲线计算的网络损耗;
2)约束条件
系统功率平衡约束:
式中:SB为系统节点集合;
安全性约束:
RN-1=100% (5)
式中:RN-1为N-1通过率,需要达到100%;
可靠性约束:
RS≥RS0 (6)
式中:RS为系统平均供电可靠率;RS0为预定达到的可靠性指标。
优选的,所述步骤4建立子集群源网荷储协同下层优化模型的优化目标和约束条件是:
1)优化目标
下层优化为储能系统容量和功率的优化,以典型日负荷预测为基础,通过优化计算求解出储能的调度策略,由典型日推算全年储能的充放电效益,实现储能运营商的经济利益最大化,其优化目标函数可以归纳总结如下:
式中:Edischarge为计算周期内储能系统的放电能量;Pd为储能系统的放电电价;Echarge为计算周期内储能系统的充电电量;Pc为储能系统的充电电价;Erate为储能系统的额定容量;CE为储能系统的单位容量价格;Prate为储能系统的额定功率;CP为储能系统的单位功率价格;m为储能系统的寿命;
2)约束条件
在配置储能系统时,模型应满足储能系统的运行约束,包括储能系统出力约束以及储能系统SOC约束:
式中:PESSimin(t)、PESSimax(t)为第i个储能系统在阶段t的最小和最大输出功率,与当前阶段储能系统的SOC值、SOC上下限及额定功率相关;PESSi(t)为阶段t储能系统的输出功率;SOCimax、SOCimin为第i个储能系统SOC上下限值;SOCi(t)为阶段t储能系统的SOC值。
优选的,所述步骤3的上层优化模型采用但不局限于遍历方法求解,步骤4的下层优化模型采用但不局限于粒子群算法求解。
优选的,所述步骤3的优化模型将网架规划方案传递给步骤4的优化模型,步骤4的优化模型在给定网架的基础上对储能运行进行优化,并将优化后储能额定容量、额定功率、典型日运行曲线传递给步骤3的优化模型,步骤3的优化模型在此基础上计算目标函数中年综合费用,通过上下层迭代优化得到最优的子集群源网荷储优化规划方案。
本发明有益效果:
本发明首先结合配电网网架结构、分布式可再生能源发电集群布点将集群系统划分为若干个子集群,并以子集群为最小单位开展源网荷储协同双层优化规划。上层优化以子集群年综合费用最小为目标,以电网运行安全性为约束,开展网架及储能系统选址优化;下层优化以储能系统收益最大为目标,以储能容量、功率限制为约束条件,开展储能系统容量和功率的优化,通过上下层迭代优化得到最优的子集群优化规划方案。
附图说明
图1为本发明建立源网荷储协同双层优化规划模型图。
图2为上海某分布式可再生能源发电集群配电网拓扑图。
图3为子集群划分结果图。
图4为子集群2负荷特性曲线图。
具体实施方式
本发明的目的是通过以下技术方案来实现的:本发明以子集群为单位,建立源网荷储协同双层优化规划模型,模型如图1所示。上层优化以子集群年综合费用最小为目标,以电网运行安全性为约束,开展网架及储能系统选址优化;下层优化以储能系统收益最大为目标,以储能容量、功率限制为约束条件,开展储能系统容量和功率的优化,通过上下层迭代优化得到最优的子集群优化规划方案。
(1)上层优化模型
1)优化目标
上层优化模型以最小化集群配电网一年的支出为目标,目标函数表达式如下式。
min C=Cline+Closs (1)
式中,Cline为网架投资的等年值;Closs为年损耗费用。Cline、Closs的计算公式如下式。
Closs=TlossPloss (3)
式中,Fline为网架初始投资费用;r为折现率;n为线路的折旧年限;Tloss为网络损耗小时数;Ploss为根据下层规划得到的储能典型日运行曲线计算的网络损耗。
2)约束条件
系统功率平衡约束:
式中:SB为系统节点集合。
安全性约束:
RN-1=100% (5)
式中:RN-1为N-1通过率,需要达到100%。
可靠性约束:
RS≥RS0 (6)
式中:RS为系统平均供电可靠率;RS0为预定达到的可靠性指标。
(2)下层优化模型
1)优化目标
下层优化为储能系统容量和功率的优化,以典型日负荷预测为基础,通过优化计算求解出储能的调度策略,由典型日推算全年储能的充放电效益,实现储能运营商的经济利益最大化,其优化目标函数可以归纳总结如下:
式中:Edischarge为计算周期内储能系统的放电能量;Pd为储能系统的放电电价;Echarge为计算周期内储能系统的充电电量;Pc为储能系统的充电电价;Erate为储能系统的额定容量;CE为储能系统的单位容量价格;Prate为储能系统的额定功率;CP为储能系统的单位功率价格;m为储能系统的寿命。
2)约束条件
在配置储能系统时,模型应满足储能系统的运行约束,包括储能系统出力约束以及储能系统SOC约束。
式中:PESSimin(t)、PESSimax(t)为第i个储能系统在阶段t的最小和最大输出功率,与当前阶段储能系统的SOC值、SOC上下限及额定功率相关;PESSi(t)为阶段t储能系统的输出功率;SOCimax、SOCimin为第i个储能系统SOC上下限值;SOCi(t)为阶段t储能系统的SOC值。
根据上述建立的模型及定义的各计算函数式,本发明的具体评估步骤如下:
步骤1)将集群系统划分为若干个子集群,划分原则如下:
a、馈线上两个分段开关之间或者分段开关和网络联络开关之间存在可控设备,则将这个区域作为一个子集群;
b、分段开关到末端之间存在可控设备,则将这个区域作为一个子集群。
步骤2)生成子集群负荷功率特性曲线
计算子集群内各类型用电负荷的高峰值,结合各类用电负荷特性曲线,拟合得到子集群负荷功率特性曲线。
步骤3)建立子集群源网荷储协同上层优化模型
1)优化目标
上层优化模型以最小化集群配电网一年的支出为目标,目标函数表达式如下式。
min C=Cline+Closs (1)
式中,Cline为网架投资的等年值;Closs为年损耗费用。Cline、Closs的计算公式如下式。
Closs=TlossPloss (3)
式中,Fline为网架初始投资费用;r为折现率;n为线路的折旧年限;Tloss为网络损耗小时数;Ploss为根据下层规划得到的储能典型日运行曲线计算的网络损耗。
2)约束条件
系统功率平衡约束:
式中:SB为系统节点集合。
安全性约束:
RN-1=100% (5)
式中:RN-1为N-1通过率,需要达到100%。
可靠性约束:
RS≥RS0 (6)
式中:RS为系统平均供电可靠率;RS0为预定达到的可靠性指标。
步骤4)建立子集群源网荷储协同下层优化模型
1)优化目标
下层优化为储能系统容量和功率的优化,以典型日负荷预测为基础,通过优化计算求解出储能的调度策略,由典型日推算全年储能的充放电效益,实现储能运营商的经济利益最大化,其优化目标函数可以归纳总结如下:
式中:Edischarge为计算周期内储能系统的放电能量;Pd为储能系统的放电电价;Echarge为计算周期内储能系统的充电电量;Pc为储能系统的充电电价;Erate为储能系统的额定容量;CE为储能系统的单位容量价格;Prate为储能系统的额定功率;CP为储能系统的单位功率价格;m为储能系统的寿命。
2)约束条件
在配置储能系统时,模型应满足储能系统的运行约束,包括储能系统出力约束以及储能系统SOC约束。
式中:PESSimin(t)、PESSimax(t)为第i个储能系统在阶段t的最小和最大输出功率,与当前阶段储能系统的SOC值、SOC上下限及额定功率相关;PESSi(t)为阶段t储能系统的输出功率;SOCimax、SOCimin为第i个储能系统SOC上下限值;SOCi(t)为阶段t储能系统的SOC值。
步骤5)上下层优化迭代求解,并得到最优的子集群源网荷储规划方案
步骤3的上层优化模型可采用但不局限于遍历方法求解,步骤4的下层优化模型可采用但不局限于粒子群算法求解。步骤3的优化模型将网架规划方案传递给步骤4的优化模型,步骤4的优化模型在给定网架的基础上对储能运行进行优化,并将优化后储能额定容量、额定功率、典型日运行曲线传递给步骤3的优化模型,步骤3的优化模型在此基础上计算目标函数中年综合费用,通过上下层迭代优化得到最优的子集群源网荷储优化规划方案。
步骤6)组合子集群优化规划方案,得到最优的分布式可再生能源发电集群的优化规划方案
本发明实际的应用效果:
以上海市分布式可可再生能源发电集群为例,网络拓扑如图2所示。
(1)将集群系统划分为若干个子集群
a、馈线上两个分段开关之间或者分段开关和网络联络开关之间存在可控设备,则将这个区域作为一个子集群;
b、分段开关到末端之间存在可控设备,则将这个区域作为一个子集群。
根据上述原则,可将配电网划分为3个子集群,如图3所示。
(2)生成子集群负荷功率特性曲线
以子集群2为例,根据子集群2用地面积和负荷密度指标得到各类用地远期负荷,负荷预测结果见表1。在不考虑行业间同时率的情况下,子集群2高峰负荷约为151MW。
表1子集群2负荷预测结果
用地性质 | 代码 | 面积(公顷) | 负荷预测结果(MW) |
居住用地 | R | 22.78 | 20.3 |
公共设施用地 | C | 91.06 | 114.6 |
工业用地 | M | 36.83 | 11.0 |
仓储与科研综合用地 | C6W | 4.44 | 1.1 |
工业与科研综合用地 | C6M | 3.35 | 1.0 |
绿化用地 | G | 30.56 | 0.1 |
市政公共设施 | U | 3.98 | 1.6 |
道路广场用地 | S | 66.63 | 1.3 |
城市建设用地总面积 | 259.63 | 151.0 | |
水域及其他 | E | 13.74 | 0.0 |
规划总用地 | 273.37 | 151.0 |
以上述负荷预测结果为基础,结合各类用地性质负荷特性曲线,叠加后拟合得到子集群2的负荷特性曲线如图4所示。
(3)建立子集群源网荷储协同上层优化模型
1)优化目标
上层优化模型以最小化集群配电网一年的支出为目标,目标函数表达式如下式。
min C=Cline+Closs (1)
式中,Cline为网架投资的等年值;Closs为年损耗费用。Cline、Closs的计算公式如下式。
Closs=TlossPloss (3)
式中,Fline为网架初始投资费用;r为折现率;n为线路的折旧年限;Tloss为网络损耗小时数;Ploss为根据下层规划得到的储能典型日运行曲线计算的网络损耗。
2)约束条件
系统功率平衡约束:
式中:SB为系统节点集合。
安全性约束:
RN-1=100% (5)
式中:RN-1为N-1通过率,需要达到100%。
可靠性约束:
RS≥RS0 (6)
式中:RS为系统平均供电可靠率;RS0为预定达到的可靠性指标。
待选支路集合共6回,如下表所示。
表2子集群2待选支路集合
序号 | 起始站点 | 终止站点 | 线路长度(km) |
① | 金通 | 规划开关站1 | 1.49 |
② | 广北 | 规划开关站1 | 1.30 |
③ | 新北翟 | 规划开关站1 | 1.44 |
④ | 新北翟 | 规划开关站2 | 1.18 |
⑤ | 钟协 | 规划开关站2 | 1.22 |
⑥ | 福泉 | 规划开关站2 | 0.83 |
(4)建立子集群源网荷储协同下层优化模型
1)优化目标
下层优化为储能系统容量和功率的优化,以典型日负荷预测为基础,通过优化计算求解出储能的调度策略,由典型日推算全年储能的充放电效益,实现储能运营商的经济利益最大化,其优化目标函数可以归纳总结如下:
式中:Edischarge为计算周期内储能系统的放电能量;Pd为储能系统的放电电价;Echarge为计算周期内储能系统的充电电量;Pc为储能系统的充电电价;Erate为储能系统的额定容量;CE为储能系统的单位容量价格;Prate为储能系统的额定功率;CP为储能系统的单位功率价格;m为储能系统的寿命。
2)约束条件
在配置储能系统时,模型应满足储能系统的运行约束,包括储能系统出力约束以及储能系统SOC约束。
式中:PESSimin(t)、PESSimax(t)为第i个储能系统在阶段t的最小和最大输出功率,与当前阶段储能系统的SOC值、SOC上下限及额定功率相关;PESSi(t)为阶段t储能系统的输出功率;SOCimax、SOCimin为第i个储能系统SOC上下限值;SOCi(t)为阶段t储能系统的SOC值。
优化计算参数如下表所示。
表3子集群优化参数
(5)上下层优化迭代求解,并得到最优的子集群源网荷储规划方案
上层优化模型可采用遍历方法求解,下层优化模型采用粒子群算法求解。得到子集群2优化的规划方案如表4和表5所示,其中下层优化为储能系统容量和功率的优化,上层优化为网架及储能系统选址优化。
表4子集群2下层优化规划方案
方案 | 额定容量(MWh) | 额定功率(MW) | 净收益(万元) |
方案1 | 8 | 1 | 30.7 |
方案2 | 10 | 1.4 | 33.8 |
最优方案 | 9 | 1.1 | 35.3 |
表5子集群2上层优化规划方案
(6)组合子集群优化规划方案,得到最优的分布式可再生能源发电集群的优化规划方案
其他子集群按子集群2的流程进行规划,汇总后得到最优的分布式可再生能源发电集群的优化规划方案。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (6)
1.一种高渗透率分布式可再生能源发电集群优化规划方法,包括以下步骤:
步骤1、将集群系统划分为若干个子集群;
步骤2、生成子集群负荷功率特性曲线,计算子集群内各类型用电负荷的高峰值,结合各类用电负荷特性曲线,拟合得到子集群负荷功率特性曲线;
步骤3、建立子集群源网荷储协同上层优化模型;
步骤4、建立子集群源网荷储协同下层优化模型;
步骤5、上下层优化迭代求解,并得到最优的子集群源网荷储规划方案;
步骤6、组合子集群优化规划方案,得到最优的分布式可再生能源发电集群的优化规划方案。
2.根据权利要求1所述的高渗透率分布式可再生能源发电集群优化规划方法,其特征在于:所述步骤1将集群系统划分为若干个子集群,划分原则如下:
a、馈线上两个分段开关之间或者分段开关和网络联络开关之间存在可控设备,则将这个区域作为一个子集群;
b、分段开关到末端之间存在可控设备,则将这个区域作为一个子集群。
3.根据权利要求1所述的高渗透率分布式可再生能源发电集群优化规划方法,其特征在于:所述步骤3建立子集群源网荷储协同上层优化模型的优化目标和约束条件是:
1)优化目标
上层优化模型以最小化集群配电网一年的支出为目标,目标函数表达式如下式:
min C=Cline+Closs (1)
式中,Cline为网架投资的等年值;Closs为年损耗费用,Cline、Closs的计算公式如下式:
Closs=TlossPloss (3)
式中,Fline为网架初始投资费用;r为折现率;n为线路的折旧年限;Tloss为网络损耗小时数;Ploss为根据下层规划得到的储能典型日运行曲线计算的网络损耗;
2)约束条件
系统功率平衡约束:
式中:SB为系统节点集合;
安全性约束:
RN-1=100% (5)
式中:RN-1为N-1通过率,需要达到100%;
可靠性约束:
RS≥RS0 (6)
式中:RS为系统平均供电可靠率;RS0为预定达到的可靠性指标。
4.根据权利要求1所述的高渗透率分布式可再生能源发电集群优化规划方法,其特征在于:所述步骤4建立子集群源网荷储协同下层优化模型的优化目标和约束条件是:
1)优化目标
下层优化为储能系统容量和功率的优化,以典型日负荷预测为基础,通过优化计算求解出储能的调度策略,由典型日推算全年储能的充放电效益,实现储能运营商的经济利益最大化,其优化目标函数可以归纳总结如下:
式中:Edischarge为计算周期内储能系统的放电能量;Pd为储能系统的放电电价;Echarge为计算周期内储能系统的充电电量;Pc为储能系统的充电电价;Erate为储能系统的额定容量;CE为储能系统的单位容量价格;Prate为储能系统的额定功率;CP为储能系统的单位功率价格;m为储能系统的寿命;
2)约束条件
在配置储能系统时,模型应满足储能系统的运行约束,包括储能系统出力约束以及储能系统SOC约束:
式中:PESSimin(t)、PESSimax(t)为第i个储能系统在阶段t的最小和最大输出功率,与当前阶段储能系统的SOC值、SOC上下限及额定功率相关;PESSi(t)为阶段t储能系统的输出功率;SOCimax、SOCimin为第i个储能系统SOC上下限值;SOCi(t)为阶段t储能系统的SOC值。
5.根据权利要求1所述的高渗透率分布式可再生能源发电集群优化规划方法,其特征在于:所述步骤3的上层优化模型采用但不局限于遍历方法求解,步骤4的下层优化模型采用但不局限于粒子群算法求解。
6.根据权利要求1所述的高渗透率分布式可再生能源发电集群优化规划方法,其特征在于:所述步骤3的优化模型将网架规划方案传递给步骤4的优化模型,步骤4的优化模型在给定网架的基础上对储能运行进行优化,并将优化后储能额定容量、额定功率、典型日运行曲线传递给步骤3的优化模型,步骤3的优化模型在此基础上计算目标函数中年综合费用,通过上下层迭代优化得到最优的子集群源网荷储优化规划方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910308167.7A CN109948868A (zh) | 2019-04-17 | 2019-04-17 | 高渗透率分布式可再生能源发电集群优化规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910308167.7A CN109948868A (zh) | 2019-04-17 | 2019-04-17 | 高渗透率分布式可再生能源发电集群优化规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109948868A true CN109948868A (zh) | 2019-06-28 |
Family
ID=67015332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910308167.7A Pending CN109948868A (zh) | 2019-04-17 | 2019-04-17 | 高渗透率分布式可再生能源发电集群优化规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109948868A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110380408A (zh) * | 2019-07-08 | 2019-10-25 | 国网湖北省电力有限公司宜昌供电公司 | 一种含分布式电源的配电网分区规划方法 |
CN110428103A (zh) * | 2019-07-31 | 2019-11-08 | 广东电网有限责任公司 | 一种综合能源系统中可再生能源储能系统协同规划方法 |
CN110570327A (zh) * | 2019-08-07 | 2019-12-13 | 广东电网有限责任公司 | 一种计及源荷互动响应的主动配电网双层规划方法 |
CN110676863A (zh) * | 2019-10-22 | 2020-01-10 | 国网安徽省电力有限公司电力科学研究院 | 储能优化配置方法及系统 |
CN110932288A (zh) * | 2019-11-25 | 2020-03-27 | 国网安徽省电力有限公司六安供电公司 | 一种基于分布式发电集群的去中心化电压优化方法 |
CN111030191A (zh) * | 2019-12-10 | 2020-04-17 | 国网浙江省电力有限公司杭州供电公司 | 基于多目标协同和自趋优运行的细胞电网规划方法 |
CN111490554A (zh) * | 2020-04-16 | 2020-08-04 | 国网江苏省电力有限公司淮安供电分公司 | 分布式光伏-储能系统多目标优化配置方法 |
CN111509750A (zh) * | 2020-04-27 | 2020-08-07 | 湖南经研电力设计有限公司 | 电网侧储能系统容量配置优化方法 |
CN112329995A (zh) * | 2020-10-23 | 2021-02-05 | 南方电网调峰调频发电有限公司 | 分布式储能集群的优化调度方法、装置和计算机设备 |
CN113193592A (zh) * | 2021-04-23 | 2021-07-30 | 华中科技大学 | 一种配电网拓扑动态演化过程的优化方法和系统 |
CN114094630A (zh) * | 2021-12-03 | 2022-02-25 | 安徽继远软件有限公司 | 一种分布式可再生能源发电集群划分方法及系统 |
CN114219676A (zh) * | 2021-11-05 | 2022-03-22 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于荷储协同效应的储能装置选址定容方法 |
CN115276126A (zh) * | 2022-09-30 | 2022-11-01 | 北京智芯微电子科技有限公司 | 配电网可调资源集群运行方法、装置及设备 |
WO2023134254A1 (zh) * | 2022-01-11 | 2023-07-20 | 云南电网有限责任公司电力科学研究院 | 一种能源互联系统的设备选型方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107239847A (zh) * | 2017-04-12 | 2017-10-10 | 广州供电局有限公司 | 一种主动配电网储能系统动态规划方法 |
CN108764552A (zh) * | 2018-05-21 | 2018-11-06 | 合肥工业大学 | 一种配电网分布式电源的选址定容规划的确定方法 |
CN109103914A (zh) * | 2018-10-17 | 2018-12-28 | 上海电力设计院有限公司 | 考虑源荷储协同运行的微电网储能优化配置方法 |
-
2019
- 2019-04-17 CN CN201910308167.7A patent/CN109948868A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107239847A (zh) * | 2017-04-12 | 2017-10-10 | 广州供电局有限公司 | 一种主动配电网储能系统动态规划方法 |
CN108764552A (zh) * | 2018-05-21 | 2018-11-06 | 合肥工业大学 | 一种配电网分布式电源的选址定容规划的确定方法 |
CN109103914A (zh) * | 2018-10-17 | 2018-12-28 | 上海电力设计院有限公司 | 考虑源荷储协同运行的微电网储能优化配置方法 |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110380408B (zh) * | 2019-07-08 | 2022-12-06 | 国网湖北省电力有限公司宜昌供电公司 | 一种含分布式电源的配电网分区规划方法 |
CN110380408A (zh) * | 2019-07-08 | 2019-10-25 | 国网湖北省电力有限公司宜昌供电公司 | 一种含分布式电源的配电网分区规划方法 |
CN110428103A (zh) * | 2019-07-31 | 2019-11-08 | 广东电网有限责任公司 | 一种综合能源系统中可再生能源储能系统协同规划方法 |
CN110570327A (zh) * | 2019-08-07 | 2019-12-13 | 广东电网有限责任公司 | 一种计及源荷互动响应的主动配电网双层规划方法 |
CN110570327B (zh) * | 2019-08-07 | 2022-05-10 | 广东电网有限责任公司 | 一种计及源荷互动响应的主动配电网双层规划方法 |
CN110676863B (zh) * | 2019-10-22 | 2021-07-27 | 国网安徽省电力有限公司电力科学研究院 | 储能优化配置方法及系统 |
CN110676863A (zh) * | 2019-10-22 | 2020-01-10 | 国网安徽省电力有限公司电力科学研究院 | 储能优化配置方法及系统 |
CN110932288A (zh) * | 2019-11-25 | 2020-03-27 | 国网安徽省电力有限公司六安供电公司 | 一种基于分布式发电集群的去中心化电压优化方法 |
CN110932288B (zh) * | 2019-11-25 | 2021-05-25 | 国网安徽省电力有限公司六安供电公司 | 一种基于分布式发电集群的去中心化电压优化方法 |
CN111030191A (zh) * | 2019-12-10 | 2020-04-17 | 国网浙江省电力有限公司杭州供电公司 | 基于多目标协同和自趋优运行的细胞电网规划方法 |
CN111030191B (zh) * | 2019-12-10 | 2022-07-19 | 国网浙江省电力有限公司杭州供电公司 | 基于多目标协同和自趋优运行的细胞电网规划方法 |
CN111490554A (zh) * | 2020-04-16 | 2020-08-04 | 国网江苏省电力有限公司淮安供电分公司 | 分布式光伏-储能系统多目标优化配置方法 |
CN111490554B (zh) * | 2020-04-16 | 2023-07-04 | 国网江苏省电力有限公司淮安供电分公司 | 分布式光伏-储能系统多目标优化配置方法 |
CN111509750A (zh) * | 2020-04-27 | 2020-08-07 | 湖南经研电力设计有限公司 | 电网侧储能系统容量配置优化方法 |
CN112329995A (zh) * | 2020-10-23 | 2021-02-05 | 南方电网调峰调频发电有限公司 | 分布式储能集群的优化调度方法、装置和计算机设备 |
CN112329995B (zh) * | 2020-10-23 | 2023-05-30 | 南方电网调峰调频发电有限公司 | 分布式储能集群的优化调度方法、装置和计算机设备 |
CN113193592A (zh) * | 2021-04-23 | 2021-07-30 | 华中科技大学 | 一种配电网拓扑动态演化过程的优化方法和系统 |
CN114219676A (zh) * | 2021-11-05 | 2022-03-22 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于荷储协同效应的储能装置选址定容方法 |
CN114219676B (zh) * | 2021-11-05 | 2024-05-31 | 国网浙江省电力有限公司嘉兴供电公司 | 一种基于荷储协同效应的储能装置选址定容方法 |
CN114094630A (zh) * | 2021-12-03 | 2022-02-25 | 安徽继远软件有限公司 | 一种分布式可再生能源发电集群划分方法及系统 |
CN114094630B (zh) * | 2021-12-03 | 2024-04-12 | 安徽继远软件有限公司 | 一种分布式可再生能源发电集群划分方法及系统 |
WO2023134254A1 (zh) * | 2022-01-11 | 2023-07-20 | 云南电网有限责任公司电力科学研究院 | 一种能源互联系统的设备选型方法 |
CN115276126B (zh) * | 2022-09-30 | 2023-01-20 | 北京智芯微电子科技有限公司 | 配电网可调资源集群运行方法、装置及设备 |
CN115276126A (zh) * | 2022-09-30 | 2022-11-01 | 北京智芯微电子科技有限公司 | 配电网可调资源集群运行方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109948868A (zh) | 高渗透率分布式可再生能源发电集群优化规划方法 | |
Chen et al. | Peak shaving benefit assessment considering the joint operation of nuclear and battery energy storage power stations: Hainan case study | |
Liu et al. | Optimal planning of battery energy storage considering reliability benefit and operation strategy in active distribution system | |
CN109948849B (zh) | 一种计及储能接入的配电网网架规划方法 | |
CN108122068A (zh) | 一种配电网风险规划方法及系统 | |
CN104751246A (zh) | 一种基于随机机会约束的有源配电网规划方法 | |
CN102708426B (zh) | 含电动汽车充电设施的智能小区供电容量规划系统及方法 | |
CN106529737A (zh) | 一种配电网供给侧调峰电源规划布局方法 | |
Liu | Energy station and distribution network collaborative planning of integrated energy system based on operation optimization and demand response | |
CN106803130A (zh) | 分布式电源接入配电网的规划方法 | |
CN117175543A (zh) | 一种可调节负荷的配电网规划策略优化方法及系统 | |
Patel et al. | A comparative analysis for impact of distributed generations with electric vehicles planning | |
CN117134409A (zh) | 考虑电-氢-热互补的微网系统及其多目标优化配置方法 | |
Zhang et al. | Research on active distribution network structure planning for multi distributed generation access | |
Sun et al. | Hierarchical Scheduling Control Method for Cascade Hydro‐PV‐Pumped Storage Generation System | |
CN116167644A (zh) | 一种配网侧零碳新型电力系统评价指标方法 | |
CN115496427A (zh) | 一种多微网系统柔性互联投资规划决策方法 | |
Liu et al. | Hierarchical optimal dispatching strategy for microgrid system considering user-side resources | |
CN109447369B (zh) | 一种基于模拟退火算法的考虑多因素的产能端功率分配方法 | |
Zhang et al. | A Two‐Stage Optimization Model of Capacity Allocation and Regulation Operation for Virtual Power Plant | |
Su et al. | A Data-Driven Multi-Time Scale Coordinated Economic Dispatch Model for Flexible Interconnection Low-voltage Distribution Station Areas | |
Tang et al. | Benefit Evaluation Indicators and Methods for Regional Energy Internet | |
Zhu et al. | Distributed cluster regulation strategy of multipark integrated energy system using multilayer deep Q learning | |
Wang et al. | Discussion on the construction of “sponge” urban power grid based on energy ecological architecture | |
Wang et al. | Research on regional integrated energy cluster management and control technology |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |