CN110417045A - 一种针对交直流混合微电网容量配置的优化方法 - Google Patents

一种针对交直流混合微电网容量配置的优化方法 Download PDF

Info

Publication number
CN110417045A
CN110417045A CN201910478594.XA CN201910478594A CN110417045A CN 110417045 A CN110417045 A CN 110417045A CN 201910478594 A CN201910478594 A CN 201910478594A CN 110417045 A CN110417045 A CN 110417045A
Authority
CN
China
Prior art keywords
capacity
power
model
energy
capacitance sensor
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
Application number
CN201910478594.XA
Other languages
English (en)
Inventor
康慨
邓少平
孙振宇
张超
张云龙
李慧
钟泰军
曹子珣
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.)
Hubei Electric Survey And Design Institute Co Ltd
Original Assignee
Hubei Electric Survey And Design Institute 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 Hubei Electric Survey And Design Institute Co Ltd filed Critical Hubei Electric Survey And Design Institute Co Ltd
Priority to CN201910478594.XA priority Critical patent/CN110417045A/zh
Publication of CN110417045A publication Critical patent/CN110417045A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Abstract

本发明涉及电网规划技术领域，具体涉及一种针对交直流混合微电网容量配置的优化方法。建立风力发电模型，计算风机容量系数，选择容量系数值最大的风机作为最终微网所用风机型号；建立光伏、柴油机发电模型及储能充放电模型，建立以储能柴油机发电量最小为目标函数的数学模型，求解所需风机和光伏最大容量及储能与柴油机所需设置的最小容量范围；建立微电网总成本的数学模型，通过优化成本，在储能与柴油机所需设置的最小容量范围中寻优，确定储能、柴油机的具体型号与基本容量先选取适宜的风光型号，再计算最优容量。采用分层优化模型进行交直流混合微电网容量配置，避免了综合求解时约束复杂等问题，计算更为简便。

Description

一种针对交直流混合微电网容量配置的优化方法
技术领域
本发明涉及电网规划技术领域，具体涉及一种针对交直流 混合微电网容量配置的优化方法。
背景技术
近年来全球变暖问题越加严重，能源危机不容忽视，以煤 炭为代表的传统能源面临着重污染和储量不足等问题，可再生 能源发电技术的崛起，使得风力发电、光伏发电等清洁而高效 的新型发电形式，逐渐替代传统发电模式，以风光为主力的分 布式电源也迎来发展高潮。微电网作为一种包含多种分布式电 源的电网模式，同时集合了储能，负荷，控制与保护等装置， 既可以作为一个独立的小规模电网离网运行，也可以接入大电 网并网运行，具有清洁环保，发电成本低，就地供电等优点。 因此研究和解决微电网的有关问题已经成为国内外电力行业 的新热点。
由于微电网包含风、光、储、柴等多种电源，因此如何合 理的配置各类电源的容量，对微电网运行极为重要。微电网电 源容量配置是构建微电网的首个关键步骤，根据最优的容量配 置方案搭建微网，不仅可以提高微网系统运行的稳定性，负荷 供电的可靠性，也可以提高可再生能源的利用率，减少弃风弃 光，同时在低成本的基础上实现最大经济效益。
具体的微网容量优化方法，各国学者均进行了深入研究。 一般考虑建立分布式电源的发电模型和负荷模型，利用软件拟 合或自然资源的数据，选取经济性、可靠性、环保性等一个或 多个指标，并通过遗传算法、粒子群算法、蚁群算法等智能优 化算法或者其他混合算法来进行求解，得到各分布式电源、储 能系统的容量配置方案。微网的形式多样，优化过程中考虑的 性能侧重点不同，因此各容量优化配置方法在细节上也有不 同。虽然各容量优化配置方法因侧重点不同而在细节上有所不 同，在大多数优化流程中，往往是直接固定了各电源设备型号 后再进行容量优化。若直接选取风机型号，则忽略了微电网所 建地的风资源特点。由主观选取的风机，发电参数可能与当地 风资源条件不匹配，导致其发电效率低下，在此基础上得到的 微电网容量优化结果并不准确，最终会影响微电网的经济效益。
发明内容
本发明的目的就是针对现有技术的缺陷，提供一种能有效 提高在微电网运行中可再生能源的利用率，考虑微电网建设的工程 实际，提高微电网的运行稳定性与经济效益的针对交直流混合微 电网容量配置的优化方法。
本发明一种针对交直流混合微电网容量配置的优化方法的 技术方案为，包括以下步骤：
步骤1，建立风力发电模型，计算各待选风力发电机组的容 量系数，选择容量系数值最大的风机作为最终微网所用风机型 号；
步骤2，建立光伏、柴油机发电模型及储能充放电模型，使 用步骤1所选型号风机的发电模型以及技术参数，建立以储能 柴油机发电量最小为目标函数的数学模型，求解所需风机和光伏 最大容量及储能与柴油机所需设置的最小容量范围；
步骤3，建立微电网总成本的数学模型，通过优化成本，在 步骤2所得储能与柴油机所需设置的最小容量范围中寻优，确 定储能、柴油机的具体型号与基本容量。
较为优选的，所述步骤1中风力发电模型为：
其中，vci、vr、vco分别为风机切入风速、额定风速和切出 风速；
Pr为风机额定功率；
Pw(v)为风机发电功率关于风速的函数。
较为优选的，所述步骤2中：
光伏发电模型为其中，fPV为 光伏发电系统的功率降额因数，Prated为标准测试条件下的光伏 系统额定发电功率，A、T分别为实际辐照强度和系统表面温 度，AS、TSTC分别为标准测试条件下辐照强度和系统温度，αP为 功率温度系数，PPV为光伏发电功率；
柴油机发电模型为F＝F0Ygen+F1Pgen，其中，Ygen为柴油发电机 额定功率，F0为柴油发电机燃料曲线的截距系数，F1为柴油发 电机燃料曲线斜率，Pgen为柴油机输出功率，F为柴油机耗油 量；
储能充电模型为SOC(t)＝(1-δ)SOC(t-1)+PcΔtηc/E；
储能放电模型为
其中SOC(t)为第t个时段结束时储能系统的剩余电量；δ为 储能系统的自放电率；Pc、Pd分别为储能系统的充、放电功率； ηc、ηd分别为储能系统的充放电效率，E为储能系统的额定容 量，Δt为充放电时间。
较为优选的，所述步骤2中，以储能柴油机发电量最小为目 标函数的数学模型
其目标函数为：
其约束条件为：
电力电量平衡约束Pw+Ppv-PL＝Pbat+Pc
风力发电机组及光伏电池板占地约束NwSw+NpvSpv≤S
储能及柴油机的功率约束Pbat≥0，Pc≤0，Pbat+Ppv+Pw≥Pl；
其中，PL为负荷，Pbat为储能电池功率，Pc为柴油机发电功 率，Nw为风机数量，Sw为单台风机所占面积，Npv为光伏电池 板数量，Spv为单台光伏电池板所占距离，S为微电网所建地限 制占地面积。
较为优选的，所述步骤3中，微电网总成本的数学模型的 目标函数和约束条件分别为：
目标函数Ctotal＝Ca+Cy+Cz+Cr；
约束条件：
电力电量平衡约束Pw+Ppv-PL＝Pbat+Pc；
风力发电机组及光伏电池板占地约束NwSw+NpvSpv≤S；
储能及柴油机的功率约束Pbat≥0，Pc≤0，Pbat+Ppv+Pw≥Pl；
蓄电池容量约束：SOCmin≤SOC≤SOCmax；
各电池发电功率约束：Pmin≤P≤Pmax；
储能约束：NbatPbat≥Pb,amtin；
柴油机约束：NcPc≥Pc,min；
其中Ca为等年值初始投资成本、Cy为年运维成本、Cz为等 年值置换成本，Cr为年燃料成本，PL为负荷，Pbat为储能电池 功率，Pc为柴油机发电功率，Nw为风机数量，Sw为单台风机所 占面积，Npv为光伏电池板数量，Spv为单台光伏电池板所占距 离，S为微电网所建地限制占地面积，SOCmin、SOCmax分别为蓄 电池容量最小值和最大值，Pmin、Pmax分别为各电池发电功率的 最小值与最大值，Nbat、Nc分别为储能电池与柴油机数量，Pc,min， Pbat,min分别为步骤2所求的储能与柴油机所需设置的最小容量 范围的下限。
较为优选的，还包括
步骤4，确定微电网运行策略，通过运行仿真校验可靠性与新 能源利用率评价指标，对步骤3所得结果进行优化修正，得到最终 容量配置结果。
较为优选的，所述步骤4包括：
利用微网性能指标优化初始容量配置方案，通过时序仿真， 计算系统可靠性与新能源利用率评价指标，对性能指标进行校 验，综合考虑投资成本，修正配置结果，优化初始配置方案；
所述系统可靠性评价指标为负荷失载率LPSP，其计算公式 为：
其中，Sloss(t)为系统缺电标记符，值为1时表示缺电，为0 时表示供电满足负荷需求；
所述新能源利用率以再生能源利用率为评价指标，其计算公 式为：
其中，Pwaste为弃风弃光电量；
若负荷失载率与可再生能源利用率均达标，则容量优化配置方 案无需修正；
若负荷失载率或可再生能源利用率不满足要求，则均需增加储 能台数，再次仿真运行检验，直到达标为止。
本发明的有益效果为：本发明的容量优化方法，能够根据 工程实际以及微网所建地的自然发电资源，确定发电效率更高 的风机型号。在此基础上，通过分层考虑规划优化与运行优化， 首先确定风光储柴各电源的基本容量范围，再通过优化成本在 所得范围中寻优，得到容量最优解。避免了综合求解时约束复 杂等问题，计算更为简便。得到利用混和整数规划求解的微电 网容量优化模型，以此得到的容量配置结果，能够提高微电网 系统中可再生能源的利用率，减少储能与柴油机的设置，同时 能保证系统运行的可靠性与经济性，以便更好的在微电网系统 上进行下一步研究以及大规模可再生能源并网。利用混和整数 规划，在考虑经济性的同时也将风光资源的最大化利用作为目 标，得到一种更适用于工程实际的容量配置方案。通过时序仿 真，计算系统可靠性与新能源利用率等评价指标，对性能指标 进行校验，综合考虑投资成本，修正配置结果，能够优化初始 配置方案，使配置方案更加准确。
附图说明
图1为本发明一种针对交直流混合微电网容量配置的优化方 法的流程示意图；
图2为图1流程的运算示意图；
图3为某地区典型年小时平均风速图；
图4为该地区小时平均光照强度图；
图5为该地区小时平均环境温度图；图6为该地区小时平均直流 负荷图；
图7为该地区小时平均交流负荷图；
图8为拟建微网拓扑结构图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步的详细说 明，便于清楚地了解本发明，但它们不对本发明构成限定。
如图1-2所示，本发明一种针对交直流混合微电网容量配 置的优化方法的流程如下：
步骤1，建立风力发电模型，计算各待选风力发电机组的容 量系数，选择容量系数值最大的风机作为最终微网所用风机型 号。
在进行容量优化之前，引入容量系数的概念，通过计算各风 机容量系数值来确定最佳风机型号，容量系数计算公式如下：
其中，Pa为风机年平均输出功率，Pw(v)为 风速的威布尔分布函数，化简得：
风力机的容量系数是风力机的年平均输出功率Pa和风力机 的额定功率Pr，可以作为评估风电场成本和经济效益的目标函 数。对于不同的风力机机型，因为设计参数的不同，所以在特定风 能观测点必定有不同的容量系数，选择最佳的风力机组匹配可以以 容量系数的大小作为参考值，容量系数越大说明该机型在本地点的 经济性越好。
风力发电模型为：
其中，vci、vr、vco分别为风机切入风速、额定风速和切出 风速；
Pr为风机额定功率；
Pw(v)为风机发电功率关于风速的函数。
步骤2，建立光伏、柴油机发电模型及储能充放电模型，使 用步骤1所选型号风机的发电模型以及技术参数，建立以储能 柴油机发电量最小为目标函数的数学模型，求解所需风机和光 伏最大容量及储能与柴油机所需设置的最小容量范围。
光伏发电模型为
其中，fPV为光伏发电系统的功率降额因数，Prated为标准测 试条件下的光伏系统额定发电功率，A、T分别为实际辐照强 度和系统表面温度，AS、TSTC分别为标准测试条件下辐照强度 和系统温度，αP为功率温度系数，PPV为光伏发电功率；
柴油机发电模型为F＝F0Ygen+F1Pgen，其中，Ygen为柴油发电机 额定功率，F0为柴油发电机燃料曲线的截距系数，F1为柴油发 电机燃料曲线斜率，Pgen为柴油机输出功率，F为柴油机耗油 量；
储能充电模型为SOC(t)＝(1-δ)SOC(t-1)+PcΔtηc/E；
储能放电模型为
其中SOC(t)为第t个时段结束时储能系统的剩余电量；δ为 储能系统的自放电率；Pc、Pd分别为储能系统的充、放电功率； ηc、ηd分别为储能系统的充放电效率，E为储能系统的额定容 量，Δt为充放电时间。
由于其目的是初步确定各类电源的容量区间，因此在运行 仿真中，采取最简单的运行策略，储能仅作为消纳电能的元件， 柴油机则作为备用。设定为当新能源发电功率过剩时，储能充 电储存电能；新能源发电不能满足负荷需求时，柴油发电机启 动维持电量平衡。为了配合当地风光资源的发电能力确定合适 的微网容量，进一步最大化的利用当地风光资源，尽可能的依 靠风光出力来维持微网的电量平衡，减少储能和柴油机的设 置，因此以储能柴油机发电量最小为目标函数，数学模型中约 束条件包括：
电力电量平衡约束：Pw+Ppv-PL＝Pbat+Pc
风力发电机组及光伏电池板占地约束：NwSw+NpvSpv≤S
储能及柴油机的功率约束：Pbat≥0，Pc≤0，Pbat+Ppv+Pw≥Pl
目标函数为：
此时风机光伏型号即单台容量已确定，决策变量为风机与 光伏的台数。目标函数中max(Pbat,t)和max(Pc,t)即为储能和柴油机 的容量下限。利用CPLEX软件编程求解。
步骤3，建立微电网总成本的数学模型，通过优化成本，在 步骤2所得储能与柴油机所需设置的最小容量范围中寻优，确 定储能、柴油机的具体型号与基本容量。
储能和柴油机所需的最小容量区间确定后，通过优化微网 的总净现成本，从经济性的角度选择储能和柴油机的型号。总 净现成本主要包括等年值初始投资成本、年运维成本、等年值 置换成本以及年燃料成本等。不同型号的储能、柴油发电机具 有不同的初始投资成本，运维成本，相对于整个项目设计年限， 储能的寿命通常较小，因此考虑其重置成本。柴油机的燃料成 本与其发电功率相关，柴油机的年发电功率则根据时序仿真进 行计算。运行仿真时同样考虑最大化风光供能的运行时间，提 高新能源的利用率，因此选用最大运行时间策略。计算不同型 号储柴组合的总净现成本，根据最小成本确定储柴型号后，储 柴的基本容量也随之确定。
微电网总成本的数学模型的目标函数和约束条件分别为：
目标函数为：微电网总成本Ctotal＝Ca+Cy+Cz+Cr；
约束条件：
电力电量平衡约束Pw+Ppv-PL＝Pbat+Pc；
风力发电机组及光伏电池板占地约束NwSw+NpvSpv≤S；
储能及柴油机的功率约束Pbat≥0，Pc≤0，Pbat+Ppv+Pw≥Pl；
蓄电池容量约束：SOCmin≤SOC≤SOCmax；
各电池发电功率约束：Pmin≤P≤Pmax；
储能约束：NbatPbat≥Pb,amtin；
柴油机约束：NcPc≥Pc,min；
同样利用CPLEX软件编程求解，得到储能与柴油机的配置容 量。
其中Ca为等年值初始投资成本、Cy为年运维成本、Cz为等 年值置换成本，Cr为年燃料成本，PL为负荷，Pbat为储能电池 功率，Pc为柴油机发电功率，Nw为风机数量，Sw为单台风机所 占面积，Npv为光伏电池板数量，Spv为单台光伏电池板所占距 离，S为微电网所建地限制占地面积，SOCmin、SOCmax分别为蓄 电池容量最小值和最大值，Pmin、Pmax分别为各电池发电功率的 最小值与最大值，Nbat、Nc分别为储能电池与柴油机数量，Pc,min， Pbat,min分别为步骤2所求的储能与柴油机所需设置的最小容量 范围的下限。
步骤4，各电源的型号均已确定，同时也得到了不精确的各电 源容量。此时确定微电网运行策略，通过运行仿真校验可靠性与新 能源利用率评价指标，对步骤3所得结果进行优化修正，得到最终 容量配置结果。
其过程如下：
利用微网性能指标优化初始容量配置方案，通过时序仿真， 计算系统可靠性与新能源利用率评价指标，对性能指标进行校 验，综合考虑投资成本，修正配置结果，优化初始配置方案；
所述系统可靠性评价指标为负荷失载率LPSP，其计算公式 为：
其中，Sloss(t)为系统缺电标记符，值为1时表示缺电，为0 时表示供电满足负荷需求；
所述新能源利用率以再生能源利用率为评价指标，其计算公 式为：
其中，Pwaste为弃风弃光电量；
若负荷失载率与可再生能源利用率均达标，则容量优化配置方 案无需修正；
若负荷失载率或可再生能源利用率不满足要求，则均需增加储 能台数，再次仿真运行检验，直到达标为止。
实施例一
以湖北某地区为实例，已知该地区典型年小时平均风速如图3 所示、小时平均光照强度如图4所示、小时平均环境温度如图5所 示、小时平均直流负荷如图6所示和小时平均交流负荷如图7所示， 以及拟建微电网拓扑结构如图8所示。本发明基于CPLEX软件对该地区拟建微电网进行容量优化配置。
步骤1：风机型号选取
计算各型号风机的容量系数如表1。7号风机的容量系数最大， 因此选择该型号的风力发电机。
表1各型号风机参数
序号 型号 P<sub>r</sub> v<sub>ci</sub> v<sub>r</sub> v<sub>co</sub> 容量系数
1 GROWIANI 3000 6.3 11.8 24 0.378
2 WTS-3 3000 6 14.2 21 0.359
3 JACOBS 48/750 750 3.2 15 25 0.391
4 XWEC-JACOBS 600 3 15 24 0.383
5 CONE-450 450 3 12 25 0.361
6 WIND-MASTER 100 4.5 10.8 22 0.358
7 HMZ 75 4.5 8.9 22.4 0.445
步骤2：风光容量选取
光伏电池板则选用典型的BP-Solar3200型号，其参数见表2。
表2电池板参数
开路电压 短路电流 最大功率 成本 维护费用
30.8V 8.7A 200W 650元/块 13台/年
利用CPLEX软件，设置目标函数与约束条件，由混合整数规划 求得风机和光伏容量范围见表3。
表3风光储柴容量
步骤3：储柴型号与容量的选取
采用最大运行时间策略，进行时序仿真计算，根据成本公式计 算不同型号储柴的成本，结果见表4、表5。
表4储能各型号成本
储能型号 额定功率 额定容量 数量 年净现总成本 总容量
1 0.404kW 2V/1000Ah 694 20.61万元 694kWh
2 0.612kW 2V/1500Ah 458 16.32万元 687kWh
3 0.812kW 2V/2000Ah 345 15.88万元 690kWh
表5柴油机各型号成本
柴油机型号 额定功率 数量 年净现总成本 总容量
1 250kW 1 36.42万元 250kW
2 150kW 2 35.9万元 300kW
3 100kW 3 34.32万元 300kW
3号储能以及1号柴油机所需年净现总成本最低，因此根据成 本选择2号储能元件及1号柴油机，并确定对应的容量范围。
步骤4：指标校验及初始方案修正
根据指标计算公式计算可靠性与新能源利用率等评价指标，根 据指标计算结果，优化电源容量。最终结果见表6。
表6最终配置方案及指标
本说明书未作详细描述的内容属于本领域专业技术人员公知的 现有技术。

Claims (8)

1.一种针对交直流混合微电网容量配置的优化方法，其特征在于，包括以下步骤：
步骤1，建立风力发电模型，计算各待选风力发电机组的容量系数，选择容量系数值最大的风机作为最终微网所用风机型号；
步骤2，建立光伏、柴油机发电模型及储能充放电模型，使用步骤1所选型号风机的发电模型以及技术参数，建立以储能柴油机发电量最小为目标函数的数学模型，求解所需风机和光伏最大容量及储能与柴油机所需设置的最小容量范围；
步骤3，建立微电网总成本的数学模型，通过优化成本，在步骤2所得储能与柴油机所需设置的最小容量范围中寻优，确定储能、柴油机的具体型号与基本容量。
2.根据权利要求1所述的一种针对交直流混合微电网容量配置的优化方法，其特征在于，所述步骤1中风力发电模型为：
其中，vci、vr、vco分别为风机切入风速、额定风速和切出风速；
Pr为风机额定功率；
Pw(v)为风机发电功率关于风速的函数。
3.根据权利要求1所述的一种针对交直流混合微电网容量配置的优化方法，其特征在于，所述步骤2中：
光伏发电模型为其中，fPV为光伏发电系统的功率降额因数，Prated为标准测试条件下的光伏系统额定发电功率，A、T分别为实际辐照强度和系统表面温度，AS、TSTC分别为标准测试条件下辐照强度和系统温度，αP为功率温度系数，PPV为光伏发电功率；
柴油机发电模型为F＝F0Ygen+F1Pgen，其中，Ygen为柴油发电机额定功率，F0为柴油发电机燃料曲线的截距系数，F1为柴油发电机燃料曲线斜率，Pgen为柴油机输出功率，F为柴油机耗油量；
储能充电模型为SOC(t)＝(1-δ)SOC(t-1)+PcΔtηc/E；
储能放电模型为
其中SOC(t)为第t个时段结束时储能系统的剩余电量；δ为储能系统的自放电率；Pc、Pd分别为储能系统的充、放电功率；ηc、ηd分别为储能系统的充放电效率，E为储能系统的额定容量，Δt为充放电时间。
4.根据权利要求1所述的一种针对交直流混合微电网容量配置的优化方法，其特征在于，所述步骤2中，以储能柴油机发电量最小为目标函数的数学模型
其目标函数为：
其约束条件为：
电力电量平衡约束Pw+Ppv-PL＝Pbat+Pc
风力发电机组及光伏电池板占地约束NwSw+NpvSpv≤S
储能及柴油机的功率约束Pbat≥0，Pc≤0，Pbat+Ppv+Pw≥Pl；
其中，PL为负荷，Pbat为储能电池功率，Pc为柴油机发电功率，Nw为风机数量，Sw为单台风机所占面积，Npv为光伏电池板数量，Spv为单台光伏电池板所占距离，S为微电网所建地限制占地面积。
5.根据权利要求1所述的一种针对交直流混合微电网容量配置的优化方法，其特征在于，所述步骤3中，微电网总成本的数学模型的目标函数和约束条件分别为：
目标函数Ctotal＝Ca+Cy+Cz+Cr；
约束条件：
电力电量平衡约束Pw+Ppv-PL＝Pbat+Pc；
风力发电机组及光伏电池板占地约束NwSw+NpvSpv≤S；
储能及柴油机的功率约束Pbat≥0，Pc≤0，Pbat+Ppv+Pw≥Pl；
蓄电池容量约束：SOCmin≤SOC≤SOCmax；
各电池发电功率约束：Pmin≤P≤Pmax；
储能约束：NbatPbat≥Pb,amtin；
柴油机约束：NcPc≥Pc,min；
其中Ca为等年值初始投资成本、Cy为年运维成本、Cz为等年值置换成本，Cr为年燃料成本，PL为负荷，Pbat为储能电池功率，Pc为柴油机发电功率，Nw为风机数量，Sw为单台风机所占面积，Npv为光伏电池板数量，Spv为单台光伏电池板所占距离，S为微电网所建地限制占地面积，SOCmin、SOCmax分别为蓄电池容量最小值和最大值，Pmin、Pmax分别为各电池发电功率的最小值与最大值，Nbat、Nc分别为储能电池与柴油机数量，Pc,min，Pbat,min分别为步骤2所求的储能与柴油机所需设置的最小容量范围的下限。
6.根据权利要求1所述的一种针对交直流混合微电网容量配置的优化方法，其特征在于，还包括
步骤4，确定微电网运行策略，通过运行仿真校验可靠性与新能源利用率评价指标，对步骤3所得结果进行优化修正，得到最终容量配置结果。
7.根据权利要求6所述的一种针对交直流混合微电网容量配置的优化方法，其特征在于，所述步骤4包括：
利用微网性能指标优化初始容量配置方案，通过时序仿真，计算系统可靠性与新能源利用率评价指标，对性能指标进行校验，综合考虑投资成本，修正配置结果，优化初始配置方案；
所述系统可靠性评价指标为负荷失载率LPSP，其计算公式为：
其中，Sloss(t)为系统缺电标记符，值为1时表示缺电，为0时表示供电满足负荷需求；
所述新能源利用率以再生能源利用率为评价指标，其计算公式为：
其中，Pwaste为弃风弃光电量；
若负荷失载率与可再生能源利用率均达标，则容量优化配置方案无需修正；
若负荷失载率或可再生能源利用率不满足要求，则均需增加储能台数，再次仿真运行检验，直到达标为止。
8.根据权利要求1所述的一种针对交直流混合微电网容量配置的优化方法，其特征在于：所述步骤2将储能作为消纳电能元件，将柴油机作为备用；
当新能源发电过剩时，储能充电存储电能；
当新能源发电不足时，柴油机启动参与电量平衡。
CN201910478594.XA 2019-06-03 2019-06-03 一种针对交直流混合微电网容量配置的优化方法 Pending CN110417045A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910478594.XA CN110417045A (zh) 2019-06-03 2019-06-03 一种针对交直流混合微电网容量配置的优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910478594.XA CN110417045A (zh) 2019-06-03 2019-06-03 一种针对交直流混合微电网容量配置的优化方法

Publications (1)

Publication Number Publication Date
CN110417045A true CN110417045A (zh) 2019-11-05

Family

ID=68358237

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910478594.XA Pending CN110417045A (zh) 2019-06-03 2019-06-03 一种针对交直流混合微电网容量配置的优化方法

Country Status (1)

Country Link
CN (1) CN110417045A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111525629A (zh) * 2020-05-19 2020-08-11 福州大学 电源容量配置方法、装置、计算机设备和存储介质
CN112491087A (zh) * 2020-11-20 2021-03-12 西安热工研究院有限公司 一种基于需求侧响应的风光储独立微电网经济优化方法
CN114142473A (zh) * 2021-12-06 2022-03-04 浙江华云电力工程设计咨询有限公司 一种风光容量未知情况下的微电网配置方法及系统
CN117293954A (zh) * 2023-09-15 2023-12-26 三峡智控科技有限公司 蓄电池储能方法、装置、电子设备及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103151798A (zh) * 2013-03-27 2013-06-12 浙江省电力公司电力科学研究院 独立微网系统的优化方法
CN104881716A (zh) * 2015-05-28 2015-09-02 贵州电网公司电网规划研究中心 一种微电网电源的优化规划及评估方法
CN106549419A (zh) * 2016-12-07 2017-03-29 国网重庆市电力公司电力科学研究院 基于万有引力算法的独立微网系统设计方法
CN107742900A (zh) * 2017-11-10 2018-02-27 国网四川省电力公司技能培训中心 风光储智能微电网经济调度控制方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103151798A (zh) * 2013-03-27 2013-06-12 浙江省电力公司电力科学研究院 独立微网系统的优化方法
CN104881716A (zh) * 2015-05-28 2015-09-02 贵州电网公司电网规划研究中心 一种微电网电源的优化规划及评估方法
CN106549419A (zh) * 2016-12-07 2017-03-29 国网重庆市电力公司电力科学研究院 基于万有引力算法的独立微网系统设计方法
CN107742900A (zh) * 2017-11-10 2018-02-27 国网四川省电力公司技能培训中心 风光储智能微电网经济调度控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周文君等: "独立型风光柴储微电网的电源容量优化与配置", 《宁波大学学报（理工版）》 *
杨清等: ""独立型水光储微电网系统容量优化配置"", 《电力自动化设备》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111525629A (zh) * 2020-05-19 2020-08-11 福州大学 电源容量配置方法、装置、计算机设备和存储介质
CN112491087A (zh) * 2020-11-20 2021-03-12 西安热工研究院有限公司 一种基于需求侧响应的风光储独立微电网经济优化方法
CN114142473A (zh) * 2021-12-06 2022-03-04 浙江华云电力工程设计咨询有限公司 一种风光容量未知情况下的微电网配置方法及系统
CN114142473B (zh) * 2021-12-06 2024-02-02 浙江华云电力工程设计咨询有限公司 一种风光容量未知情况下的微电网配置方法及系统
CN117293954A (zh) * 2023-09-15 2023-12-26 三峡智控科技有限公司 蓄电池储能方法、装置、电子设备及存储介质

Similar Documents

Publication Publication Date Title
Ahadi et al. A novel approach for optimal combinations of wind, PV, and energy storage system in diesel-free isolated communities
CN110417045A (zh) 一种针对交直流混合微电网容量配置的优化方法
CN105205552B (zh) 一种独立新能源混合发电系统优化规划方法
CN106327006A (zh) 一种基于综合效益分析的微电网优化配置方法
CN109586325A (zh) 一种新能源储能优化配置方法
CN104881716A (zh) 一种微电网电源的优化规划及评估方法
CN106058900B (zh) 一种并网风光发电中混合储能容量优化配置方法
CN104092231A (zh) 一种独立微网混和储能容量优化配置方法
CN110659788A (zh) 一种用户侧综合能源系统的供需平衡分析方法和系统
CN105071444A (zh) 一种用于并网型风光储系统的容量配置方法
Kumaravel et al. Adapted multilayer feedforward ANN based power management control of solar photovoltaic and wind integrated power system
Gao et al. Annual operating characteristics analysis of photovoltaic-energy storage microgrid based on retired lithium iron phosphate batteries
CN110245794A (zh) 考虑灵活性的多能源汇集中心火储容量双层优化方法
CN114243795A (zh) 一种典型充电站综合能源协同交互优化配置方法及系统
CN112365021A (zh) 一种基于混合储能的区域综合能源系统规划优化方法
CN104616071A (zh) 一种风光储互补发电系统优化配置方法
CN107134771A (zh) 一种基于经济效益评估的微网模式切换控制方法
CN109829599A (zh) 基于高比例可再生能源的配电网的集群划分方法及装置
Mulleriyawage et al. Battery system selection in DC microgrids for residential applications: An Australian case study
CN115099473A (zh) 近零碳区域综合能源系统多目标优化方法
Han et al. Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation
Khezri et al. Microgrids planning for residential electrification in rural areas
Soykan et al. Evaluation of the effect of weather conditions on optimal sizing of an isolated microgrid
Khezri et al. Energy management and optimal planning of a residential microgrid with time-of-use electricity tariffs
Xing et al. An Optimization Capacity Design Method of Wind/Photovoltaic/Hydrogen Storage Power System Based on PSO-NSGA-II

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

Application publication date: 20191105

RJ01 Rejection of invention patent application after publication