CN110264110A - 基于配电网多应用场景的储能电站选址定容方法 - Google Patents

基于配电网多应用场景的储能电站选址定容方法 Download PDF

Info

Publication number
CN110264110A
CN110264110A CN201910610234.0A CN201910610234A CN110264110A CN 110264110 A CN110264110 A CN 110264110A CN 201910610234 A CN201910610234 A CN 201910610234A CN 110264110 A CN110264110 A CN 110264110A
Authority
CN
China
Prior art keywords
energy
power
power station
accumulating
node
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
CN201910610234.0A
Other languages
English (en)
Other versions
CN110264110B (zh
Inventor
李湘旗
孟庆强
蒋星
禹海峰
王逸超
章德
李梦娇
朱思睿
李云丰
何书耕
罗华伟
陆雯林
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.)
Hunan Jingyan Electric Power Design Co Ltd
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Hunan Electric Power Co Ltd
Original Assignee
Hunan Jingyan Electric Power Design Co Ltd
State Grid Corp of China SGCC
State Grid Hunan Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Hunan 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 Hunan Jingyan Electric Power Design Co Ltd, State Grid Corp of China SGCC, State Grid Hunan Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Hunan Electric Power Co Ltd filed Critical Hunan Jingyan Electric Power Design Co Ltd
Priority to CN201910610234.0A priority Critical patent/CN110264110B/zh
Publication of CN110264110A publication Critical patent/CN110264110A/zh
Application granted granted Critical
Publication of CN110264110B publication Critical patent/CN110264110B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Genetics & Genomics (AREA)
  • Computational Linguistics (AREA)
  • Water Supply & Treatment (AREA)
  • Physiology (AREA)
  • Primary Health Care (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于配电网多应用场景的储能电站选址定容方法，包括将电网划分为多个暂态控制区域；设定拟建设的储能电站数量并选定初始计算节点；计算储能电站的功率和位置；分析储能电站对电网的影响，从而完成储能电站的选址和定容。本发明方提供了一种兼顾不同时间尺度和空间维度的多应用场景综合需求的储能电站的选址定容方法，而且本发明方法能够为储能电站的选址和定容提供科学可靠的计算依据，而且本发明方法能够保证电网的稳定可靠运行。

Description

基于配电网多应用场景的储能电站选址定容方法
技术领域
本发明具体涉及一种基于配电网多应用场景的储能电站选址定容方法。
背景技术
随着全球科技水平的提高，人们对能源的需求量不断增长，需要进一步扩大电网建设以及提升电厂装机容量。我国目前火电厂发电量依旧占总发电量的七成以上，运用化石能源发电对生态环境造成巨大污染和破坏，同时随着化石能源资源量的枯竭，促使了我国对新能源的开发与利用。具有快速、精准调节能力的电池储能相对其他类型的储能拥有能量密度高、选址限制因素少、功率吞吐灵活、能量损耗小等优点，不仅能有效提高电网消纳风光发电并网的能力，而且可以成为电网优质的辅助服务资源。
储能电站接入电网的前期规划包括储能布点、选址、定容等多方面内容。通常建立以某一经济技术量最大或最小为目标或者综合考虑某几个量最大或最小为目标，并考虑一定技术指标约束的规划模型，然后采取一定的算法(以智能算法为主)进行求解，以期求得储能的布点、选址、定容。由于不同应用场景下，应用目标不同，边界条件不同，从而其规划模型的目标函数与约束条件都不同，因此在进行储能电站的规划研究时，首先需要分析与提炼储能的应用场景。常见的储能应用场景包括储能应用于风(光伏)电场平抑波动与跟踪计划出力，储能辅助电网参与调峰、调频，同时储能还可用于提高系统稳定性，改善电能质量作为备用电源等。挖掘储能电站在源-网-荷三侧接入时的应用场景，则需建立不同应用场景下的经济技术指标，以衡量储能电站接入电网的效益，以及是否会对系统的安全稳定运行产生影响，同时，建立的经济技术指标对储能的布点、选址定容等规划问题具有一定的指导作用。尤毅、刘东、钟清、余南华发表的《主动配电网储能系统的多目标优化配置》[J]一文(详见《电力系统自动化》，2014，38(18)：第46-52页)以网损最小化为目标对储能的安装地点进行选择和规划，并通过粒子群算法确定最优容量。吴小刚、刘宗歧、田立亭、丁冬、杨水丽发表的《基于改进多目标粒子群算法的配电网储能选址定容》[J]一文(详见《电网技术》，2014，38(12)：第3405-3411页)在考虑储能效益与成本的基础上，建立了系统节点电压波动、负荷波动及储能装置总容量为目标的多目标优化模型，并提出一种基于改进多目标粒子群算法的配网储能选址定容方法。鲍冠南、陆超、袁志昌、韩英铎发表的《基于动态规划的电池储能系统削峰填谷实时优化》[J]一文(详见《电力系统自动化》，2012，36(12)：第11-16页)以一日内电池储能系统投资成本和微电网运行成本之和最小为目标，构建选址定容模型。HOSSEINA M，BATHAEE S M T发表的《Optimal scheduling for distributionnetwork with redox flow battery storage》[J]一文(详见《ENERGY CONVERSION ANDMANAGEMENT》，2016，121：第145-151页)结合配电网经济运行和污染气体排放放量，设定其最小为目标，对分布式电源和储能的选址定容进行优化。
综上所述，目前电池储能系统的选址定容研究主要以技术经济指标为目标，基于各类优化算法进行寻优。但是，目前的方法有着明显不足，不仅效率较低，易陷入局部最优，而且出发角度均为经济利益，从而可能使得电网出现不稳定运行等异常情况。
发明内容
本发明的目的在于提供一种科学合理且能够保证电网安全稳定可靠运行的基于配电网多应用场景的储能电站选址定容方法。
本发明提供的这种基于配电网多应用场景的储能电站选址定容方法，包括如下步骤：
S1.将电网划分为多个暂态控制区域；
S2.设定拟建设的储能电站数量，并选定初始计算节点；
S3.根据步骤S2设定的储能电站数量和初始计算节点，计算储能电站的功率和位置；
S4.根部步骤S3得到的储能电站的功率和位置，分析储能电站对电网的影响，从而完成储能电站的选址和定容。
步骤S1所述的将电网划分为多个暂态控制区域，具体为采用临界割集法将电网划分成多个暂态控制区域。
所述的采用临界割集法将电网划分成多个暂态控制区域，具体为待电网的故障清除后，根据支路有功及电压相角差信息识别临界割集，并读取临界机组信息；根据不同位置故障时出现的临界割集频数，将电网划分多个暂态割集区域。
步骤S2所述的选定初始计算节点，具体为选定负荷波动性大(参考国家光伏波动入网标准，有功功率变化率不超过10％装机容量/min)、根据节点电压对负荷灵敏度高低进行排序，将灵敏度高的节点作为初始计算节点；灵敏度计算公式：
式中vni为系统在母线i处的额定电压；Pli为总线i的有功功率；Qli为总线i的无功功率；Pni为i总线在额定电压下的有功功率；Qni为i总线在额定电压下的无功功率；kp为有功功率指数参数；kq为无功功率指数参数，vi为节点i的电压幅值。
步骤S3所述的计算储能电站的功率和位置，具体为根据设定的储能电站数量和初始计算节点进行量子遗传和潮流迭代计算，以节点电压和系统频率偏差最小作为目标函数，当巡游迭代到最大次数后，选取目标函数值最小时的储能电站的位置和功率作为储能电站的选址和定容结果。
所述的量子遗传和潮流迭代计算，具体为在进行量子遗传和潮流迭代计算时，采用如下规则作为约束规则：
R1.节点电压幅值上下限约束：
0.93UN≤vi≤1.07UN
式中vi为节点i的电压幅值，UN为节点电压额定值。
R2.节点负荷对电压灵敏度约束：
式中vni为系统在母线i处的额定电压；Pli为总线i的有功功率；Qli为总线i的无功功率；Pni为i总线在额定电压下的有功功率；Qni为i总线在额定电压下的无功功率；kp为有功功率指数参数；kq为无功功率指数参数；
R3.馈线最大电流约束：
|Iij|≤Iijmaxi,j＝1,2,...,Nd
式中Iij为馈线ij的电流；Iijmax为馈线ij允许流过的最大电流；Nd为节点个数；
R4.储能荷电状态SOC约束：
0.1SOCrate≤SOCk≤0.9SOCrate
式中SOCk为第k储能的荷电水平值；SOCrate为储能电池的额定荷电水平。
步骤S4所述的分析储能电站对电网的影响，具体为采用PSASP6.28程序仿真分析储能电站位置对联络线传输功率及紧急控制的影响，从而验证选址和定容的有效性。
本发明提供的这种基于配电网多应用场景的储能电站选址定容方法，在不同故障下，利用临界割集法，将电网划分成多个暂态区域；其次，基于储能电站调峰、调压、缓解线路供电压力作用，构建以节点电压和系统频率偏差最小为目标函数，利用电网特性作为基本约束条件，考虑系统负荷波动性及节点电压灵敏度因素，利用量子遗传和潮流计算法求解储能电站规划模型，将储能电站均匀分布在各个暂态区域中，形成兼顾不同时间尺度和空间维度的多应用场景综合需求的储能电站的选址定容方法，因此本发明方法能够为储能电站的选址和定容提供科学可靠的计算依据，而且本发明方法能够保证电网的稳定可靠运行。
附图说明
图1为本发明方法的方法流程示意图。
图2为本发明方法的实施例的暂态区域划分示意图。
图3为本发明方法的实施例的不同负荷类型的日负荷曲线示意图。
图4为本发明方法的实施例的储能电站接入前后的曲线示意图。
图5为本发明方法的实施例的储能电站有功变化曲线示意图。
图6为本发明方法的实施例的储能电站SOC荷电水平示意图。
具体实施方式
如图1所示为本发明方法的方法流程示意图：本发明提供的这种基于配电网多应用场景的储能电站选址定容方法，包括如下步骤：
S1.将电网划分为多个暂态控制区域；
在具体实施时，可以采用临界割集法将电网划分成多个暂态控制区域，具体为待电网的故障清除后，根据支路有功及电压相角差信息识别临界割集，并读取临界机组信息；根据不同位置故障时出现的临界割集频数，将电网划分多个暂态割集区域；
S2.设定拟建设的储能电站数量，并选定初始计算节点；具体为选定负荷波动性大(参考国家光伏波动入网标准，有功功率变化率不超过10％装机容量/min)、根据节点电压对负荷灵敏度高低进行排序，将灵敏度高的节点作为初始计算节点；灵敏度计算公式：
式中vni为系统在母线i处的额定电压；Pli为总线i的有功功率；Qli为总线i的无功功率；Pni为i总线在额定电压下的有功功率；Qni为i总线在额定电压下的无功功率；kp为有功功率指数参数；kq为无功功率指数参数，vi为节点i的电压幅值；
将负荷波动性大、节点电压灵敏度较高的节点作为初始点，可有效减少运算次数，加快寻优速度；
S3.根据步骤S2设定的储能电站数量和初始计算节点，计算储能电站的功率和位置；
具体实施时，可以根据设定的储能电站数量和初始计算节点进行量子遗传和潮流迭代计算，以节点电压和系统频率偏差最小作为目标函数，当巡游迭代到最大次数后，选取目标函数值最小时的储能电站的位置和功率作为储能电站的选址和定容结果；具体包括如下步骤：同时，在进行量子遗传和潮流迭代计算时，采用如下规则作为约束规则：
R1.节点电压幅值上下限约束：
0.93UN≤vi≤1.07UN
式中vi为节点i的电压幅值，UN为节点电压额定值。
R2.节点负荷对电压灵敏度约束：
R3.馈线最大电流约束：
|Iij|≤Iijmaxi,j＝1,2,...,Nd
式中Iij为馈线ij的电流；Iijmax为馈线ij允许流过的最大电流；Nd为节点个数；
R4.储能荷电状态SOC约束：
0.1SOCrate≤SOCk≤0.9SOCrate
式中SOCk为第k储能的荷电水平值；SOCrate为储能电池的额定荷电水平。
S4.根部步骤S3得到的储能电站的功率和位置，分析储能电站对电网的影响，从而完成储能电站的选址和定容；具体为采用PSASP6.28程序仿真分析储能电站位置对联络线传输功率及紧急控制的影响。验证本文所提选址规划模型的有效性。
以下结合一个实施例对本发明方法进行进一步说明：
采用IEEE9节点系统做简单仿真验证。暂不考虑紧急暂态场景。其中不同负载有功、无功功率指数如表1所示。
表1 kp和kq参数值
负荷类型 k<sub>p</sub> k<sub>q</sub>
住宅 1.04 4.19
商业 1.50 3.15
工业 0.18 6.00
利用临界割集法将电网划分成多个暂态控制区域；
根据临界割集法对IEEE9节点系统进行暂态区域划分，采用PSASP 6.28进行仿真，仿真发现不管故障位置或类型如何改变，其临界割集始终为{BUS5-BUS2，BUS6-BUS3}。因此，暂态区域划分如图2。
拟定储能电站建设数量，结合分散布置原则和电网负荷波动性、节点电压灵敏度、暂态紧急服务区域的划分；将负荷波动性大、节点电压灵敏度较高的节点作为初始点，可有效减少运算次数，加快寻优速度。
在IEEE9节点系统仿真分析中，暂不考虑紧急暂态场景，主要分析负荷波动性和节点电压灵敏度对电池储能电站规划的影响。因此，设置一个电池储能电站，设负荷节点1、2、3分别为住宅、商业和工业负载，其不同负荷类型的日负荷曲线如图3。
根据初始化的储能电站位置和功率进行量子遗传和潮流迭代计算，以节点电压和系统频率偏差最小作为目标函数。当寻优迭代达到最大后，将目标函数最小时储能电站功率和位置作为最优解。
图4为电池储能电站接入前后负荷曲线，电池储能电站有功出力曲线如图5，SOC荷电状态如图6，其最优规划结果如表2。
表2最优规划结果
由图4、5可知：电池储能电站能有效削峰填谷，在低估时充电，在负荷高峰期放电，降低尖峰负荷，缓解调峰压力。同时降低低谷期电能损失量，提高高峰期用户用电舒适度。根据图6中SOC荷电水平得，储能电池在早高峰期，放掉一半容量，在中午低谷期继续充电，进入晚高峰期后放电。
最后分析电池储能电站安装位置对联络线传输功率及紧急控制的影响。
结合日负荷曲线和表2可知：电池储能电站的位置和功率主要由节点电压灵敏度和负荷曲线的波动性决定。因此，通常选择布置在负荷波动较大且灵敏度较低的负荷中心。

Claims (7)

1.一种基于配电网多应用场景的储能电站选址定容方法，包括如下步骤：
S1.将电网划分为多个暂态控制区域；
S2.设定拟建设的储能电站数量，并选定初始计算节点；
S3.根据步骤S2设定的储能电站数量和初始计算节点，计算储能电站的功率和位置；
S4.根据步骤S3得到的储能电站的功率和位置，分析储能电站对电网的影响，从而完成储能电站的选址和定容。
2.根据权利要求1所述的基于配电网多应用场景的储能电站选址定容方法，其特征在于步骤S1所述的将电网划分为多个暂态控制区域，具体为采用临界割集法将电网划分成多个暂态控制区域。
3.根据权利要求2所述的基于配电网多应用场景的储能电站选址定容方法，其特征在于所述的采用临界割集法将电网划分成多个暂态控制区域，具体为待电网的故障清除后，根据支路有功及电压相角差信息识别临界割集，并读取临界机组信息；根据不同位置故障时出现的临界割集频数，将电网划分多个暂态割集区域。
4.根据权利要求1所述的基于配电网多应用场景的储能电站选址定容方法，其特征在于步骤S2所述的选定初始计算节点，具体为选定负荷波动性大、灵敏度高的节点作为初始计算节点；负荷波动性大定义为：节点有功功率变化率超过每分钟10％*装机容量；灵敏度定义为：采用如下公式计算节点电压对负荷的灵敏度：
式中vni为系统在母线i处的额定电压；Pli为总线i的有功功率；Qli为总线i的无功功率；Pni为i总线在额定电压下的有功功率；Qni为i总线在额定电压下的无功功率；kp为有功功率指数参数；kq为无功功率指数参数，vi为节点i的电压幅值；
选取负荷波动性大、且灵敏度最大的节点作为初始计算节点。
5.根据权利要求1～4之一所述的基于配电网多应用场景的储能电站选址定容方法，其特征在于步骤S3所述的计算储能电站的功率和位置，具体为根据设定的储能电站数量和初始计算节点进行量子遗传和潮流迭代计算，以节点电压和系统频率偏差最小作为目标函数，当巡游迭代到最大次数后，选取目标函数值最小时的储能电站的位置和功率作为储能电站的选址和定容结果。
6.根据权利要求5所述的基于配电网多应用场景的储能电站选址定容方法，其特征在于所述的量子遗传和潮流迭代计算，具体为在进行量子遗传和潮流迭代计算时，采用如下规则作为约束规则：
R1.节点电压幅值上下限约束：
0.93UN≤vi≤1.07UN
式中vi为节点i的电压幅值，UN为节点电压额定值；
R2.节点负荷对电压灵敏度约束：
式中vni为系统在母线i处的额定电压；Pli为总线i的有功功率；Qli为总线i的无功功率；Pni为i总线在额定电压下的有功功率；Qni为i总线在额定电压下的无功功率；kp为有功功率指数参数；kq为无功功率指数参数；
R3.馈线最大电流约束：
|Iij|≤Iijmax i,j＝1,2,...,Nd
式中Iij为馈线ij的电流；Iijmax为馈线ij允许流过的最大电流；Nd为节点个数；
R4.储能荷电状态SOC约束：
0.1SOCrate≤SOCk≤0.9SOCrate
式中SOCk为第k储能的荷电水平值；SOCrate为储能电池的额定荷电水平。
7.根据权利要求5所述的基于配电网多应用场景的储能电站选址定容方法，其特征在于步骤S4所述的根据步骤S3得到的储能电站的功率和位置，分析储能电站对电网的影响，从而完成储能电站的选址和定容，具体为采用PSASP6.28程序仿真分析储能电站位置对联络线传输功率及紧急控制的影响，从而验证选址和定容的有效性。
CN201910610234.0A 2019-07-08 2019-07-08 基于配电网多应用场景的储能电站选址定容方法 Active CN110264110B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910610234.0A CN110264110B (zh) 2019-07-08 2019-07-08 基于配电网多应用场景的储能电站选址定容方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910610234.0A CN110264110B (zh) 2019-07-08 2019-07-08 基于配电网多应用场景的储能电站选址定容方法

Publications (2)

Publication Number Publication Date
CN110264110A true CN110264110A (zh) 2019-09-20
CN110264110B CN110264110B (zh) 2022-11-18

Family

ID=67924900

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910610234.0A Active CN110264110B (zh) 2019-07-08 2019-07-08 基于配电网多应用场景的储能电站选址定容方法

Country Status (1)

Country Link
CN (1) CN110264110B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111355251A (zh) * 2020-04-14 2020-06-30 北方工业大学 一种基于配电网的储能选址方法及系统
CN112487752A (zh) * 2020-11-26 2021-03-12 国网江苏省电力有限公司经济技术研究院 一种基于最优潮流的储能电站选址方法
CN114611338A (zh) * 2022-05-11 2022-06-10 国网江西省电力有限公司电力科学研究院 一种储能电站选址定容方法及系统
WO2023108384A1 (zh) * 2021-12-14 2023-06-22 浙江大学台州研究院 一种基于综合识别指标的储能多场景应用切换控制方法
CN117910836A (zh) * 2024-03-19 2024-04-19 浙江大学 一种提升大电网灵活性的储能电站规划方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012155494A1 (zh) * 2011-05-16 2012-11-22 河北省电力研究院 自动电压控制系统全网最优控制参数校验方法
CN106972523A (zh) * 2016-12-27 2017-07-21 国网浙江省电力公司嘉兴供电公司 有源配电网内储能电站的优化选址定容方法
WO2018049737A1 (zh) * 2016-09-18 2018-03-22 国电南瑞科技股份有限公司 一种基于分区负荷控制的安全校正计算方法
CN109492815A (zh) * 2018-11-15 2019-03-19 郑州大学 一种市场机制下面向电网的储能电站选址定容优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012155494A1 (zh) * 2011-05-16 2012-11-22 河北省电力研究院 自动电压控制系统全网最优控制参数校验方法
WO2018049737A1 (zh) * 2016-09-18 2018-03-22 国电南瑞科技股份有限公司 一种基于分区负荷控制的安全校正计算方法
CN106972523A (zh) * 2016-12-27 2017-07-21 国网浙江省电力公司嘉兴供电公司 有源配电网内储能电站的优化选址定容方法
CN109492815A (zh) * 2018-11-15 2019-03-19 郑州大学 一种市场机制下面向电网的储能电站选址定容优化方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111355251A (zh) * 2020-04-14 2020-06-30 北方工业大学 一种基于配电网的储能选址方法及系统
CN112487752A (zh) * 2020-11-26 2021-03-12 国网江苏省电力有限公司经济技术研究院 一种基于最优潮流的储能电站选址方法
CN112487752B (zh) * 2020-11-26 2022-07-19 国网江苏省电力有限公司经济技术研究院 一种基于最优潮流的储能电站选址方法
WO2023108384A1 (zh) * 2021-12-14 2023-06-22 浙江大学台州研究院 一种基于综合识别指标的储能多场景应用切换控制方法
CN114611338A (zh) * 2022-05-11 2022-06-10 国网江西省电力有限公司电力科学研究院 一种储能电站选址定容方法及系统
CN114611338B (zh) * 2022-05-11 2022-09-02 国网江西省电力有限公司电力科学研究院 一种储能电站选址定容方法及系统
CN117910836A (zh) * 2024-03-19 2024-04-19 浙江大学 一种提升大电网灵活性的储能电站规划方法
CN117910836B (zh) * 2024-03-19 2024-05-28 浙江大学 一种提升大电网灵活性的储能电站规划方法

Also Published As

Publication number Publication date
CN110264110B (zh) 2022-11-18

Similar Documents

Publication Publication Date Title
CN110264110A (zh) 基于配电网多应用场景的储能电站选址定容方法
Sawle et al. Prefeasibility economic and sensitivity assessment of hybrid renewable energy system
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
CN103151797A (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
CN103490410A (zh) 一种基于多目标优化的微电网规划和容量配置方法
CN104951899A (zh) 含大规模可再生能源的配电公司多时间尺度优化调度方法
CN105552860A (zh) 一种基于储能和分布式电源的配电网孤岛运行划分方法
Mladenov et al. Characterisation and evaluation of flexibility of electrical power system
CN115360734A (zh) 考虑光、荷多场景的分布式储能容量配置方法及装置
Machado et al. Multi-source distributed energy resources management system based on pattern search optimal solution using nonlinearized power flow constraints
Xv et al. Day-ahead scheduling with renewable generation considering shared energy storage
CN115392785A (zh) 计及阻塞抵抗性的配电网阻塞调度方法
Li et al. Joint planning of distributed generation, electric vehicle charging station, and active distribution network framework
CN116316865A (zh) 一种高比例新能源区域电力系统全环节协调规划优化方法
Cui et al. ADN multi-objective planning considering collaborative optimization of rdg and GAEP
CN112541778A (zh) 一种基于微电网参与两阶段市场出清系统优化运行方法
CN114447990A (zh) 一种促进电网清洁能源消纳的实时调度方法
Ling et al. Bi-level Optimization of Energy Storage Considering Flexibility and New Energy Consumption
Zhang et al. Study on the microgrid pluripotent complementary and comprehensive economic optimization planning based on virtual energy theory
Inoue et al. Technology evaluation of zero-carbon power generation systems in Japan in terms of cost and CO2 emissions
CN113946981B (zh) 一种水电制氢负荷接入电网的选址定容方法及系统
Wen et al. Energy Storage Economic Optimization Scheduling Method for Multi-Scene Demand of Peak and Frequency Modulation
Mao et al. A Quantitative Energy Storage Evaluation Method Under Multiple Scenarios
Sanyal et al. Frequency Regulation in Deregulated Power Markets: A Review
Yu Optimal allocation of distributed energy storage capacity based on smart node terminal 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
GR01 Patent grant
GR01 Patent grant