CN110661246B - 一种城市轨道交通光伏储能系统的容量优化配置方法 - Google Patents
一种城市轨道交通光伏储能系统的容量优化配置方法 Download PDFInfo
- Publication number
- CN110661246B CN110661246B CN201910977097.4A CN201910977097A CN110661246B CN 110661246 B CN110661246 B CN 110661246B CN 201910977097 A CN201910977097 A CN 201910977097A CN 110661246 B CN110661246 B CN 110661246B
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- load
- energy storage
- power
- energy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J1/00—Circuit arrangements for dc mains or dc distribution networks
- H02J1/10—Parallel operation of dc sources
-
- 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
- H02J1/00—Circuit arrangements for dc mains or dc distribution networks
- H02J1/14—Balancing the load in a network
Abstract
本发明公开一种城市轨道交通光伏储能系统的容量优化配置方法,根据城市轨道交通的早晚高峰负荷量大的运行特点,制定分时运行策略,以确定不同时段光伏、储能及电网的运行状态;研究典型日负荷曲线和光伏输出曲线进行出力适应性分析,综合光伏、储能分时运行特性和出力适应性分析,建立以电压波动和经济性为目标函数的优化模型,通过赋权值的方式将多目标化成单目标优化函数,采用粒子群优化算法求解,得到系统储能容量的最优配置。本发明有利于促进城轨系统节能减排以及当地光伏的消纳,同时降低网压波动以提升牵引侧电能质量,分时运行并利用储能对光伏的削峰填谷及对负荷削峰可提升系统的经济性。
Description
技术领域
本发明属于城市轨道交通供电系统技术领域,特别是涉及一种城市轨道交通光伏储能系统的容量优化配置方法。
背景技术
随着国民经济水平的提高、城市化进程加快,城市轨道交通在国内大中城市得到了快速发展,迎来了全面发展的新时期。在传统能源结构模式下,大规模用电将带来巨大的能源消耗并使环境污染越发严重,极大地影响城市环境和可持续发展的建设。因此,太阳能、风能等可再生能源的接入,对城市轨道交通的绿色发展和节能减排具有重要意义。
目前,太阳能作为最理想和最清洁的能源得到了广泛关注和应用,由于光伏输出的随机性和波动性,通常须配置储能平抑功率波动并“削峰填谷”。城轨负荷运行时间相对固定并且与光伏发电时间相匹配,同时运输线路遍布全市,户外具有大面积停车场、车辆段以及高架车站等,均为光伏-储能的接入提供了有利条件。
近年来,多地尝试安装城市轨道交通光伏发电系统,光伏发电技术虽然较之前得到了较大发展和进步,但储能技术尚不成熟而且成本偏高,目前关于光储接入城轨直流牵引网络的研究较少,尚未有城轨光伏-储能系统容量优化配置的相关研究及应用,对于接入城轨直流供电系统的新能源供电系统进行储能的容量配置至关重要,不仅影响着系统整体的经济效益以及稳定运行,也能最大限度地促进可再生能源的消纳。
发明内容
为了解决上述问题,本发明提出了一种城市轨道交通光伏储能系统的容量优化配置方法,适用于城市轨道交通直流供电系统,通过对储能系统容量的合理配置,不仅可实现最大限度地促进可再生能源的消纳,减少弃光,有利于促进城轨系统节能减排以及当地光伏的消纳,同时降低网压波动以提升牵引侧电能质量,分时运行并利用储能对光伏的削峰填谷及对负荷削峰可提升系统的经济性,从而增加系统整体经济效益,实现节能减排。
为达到上述目的,本发明采用的技术方案是:一种城市轨道交通光伏储能系统的容量优化配置方法,包括步骤:
S100,根据城市轨道交通的早晚高峰负荷量大的运行状态,制定分时运行策略,以确定不同时段光伏、储能及电网的运行状态;
S200,根据对典型日负荷曲线和光伏输出曲线进行出力适应性,综合分析光伏、储能分时运行特性和出力适应性;
S300,根据对光伏、储能分时运行特性和出力适应性分析,建立多目标优化模型;通过赋权值的方式将多目标化成单目标优化函数,采用粒子群优化算法求解,得到系统储能容量的最优配置。
进一步的是,所述步骤S100的分时运行策略为:根据以往负荷数据将整日运营时间分为高峰时段和非高峰时段,并分析不同时段下电网、光伏、储能的输出特性;包括步骤:
S101,若处于负荷高峰时段,在满足储能放电条件SOC>SOCmin下,储能系统始终处于放电状态,同时光伏也为负荷供电,缺额由电网补足;
S102,若处于非高峰时段,负荷制动情况下,光伏、电网均不向负荷输出电能;在满足储能充电条件SOC<SOCmax,储能系统始终处于充电状态,若储能完全吸收再生制动能量后进行充电,则光伏所发电能为储能充电;负荷非制动情况下,由光伏、储能依次供电,不足由电网补足,若光伏发电有剩余则在充电条件SOC<SOCmax下为储能充电。
进一步的是,在所述步骤S200中,根据对日负荷曲线和光伏输出曲线进行出力适应性,综合分析光伏、储能分时运行特性和出力适应性分析,包括步骤:
S201,由牵引计算得到列车运行的取流-距离曲线和取流-时间曲线,按照全日不同发车间隔需求进行全线典型负荷曲线的生成;根据生成的全线典型负荷曲线得到系统的全日典型负荷曲线;
S202,获取当地天气的历史资料,包括全年每日辐射量和温度,获取铺设光伏组件有效面积;对全年每日天气情况进行聚类,确定全日典型天气变化曲线,计算光伏典型日出力曲线;
S203,根据所述系统的全日典型负荷曲线和光伏典型日出力曲线,对二者输出功率进行适应性分析,获得光伏出力与负荷曲线的最大差值。
进一步的是,在所述步骤S203中,根据所述系统的全日典型负荷曲线和光伏典型日出力曲线,对二者输出功率进行适应性分析,包括步骤:
非制动状态下的光伏出力与负荷曲线的最大正差为此时储能需要吸收的最大功率P′cmax1,即若PPV-Pload>0且Pload>0,则P′cmax1=max(PPV-Pload);其中,PPV为光伏输出功率,Pload为负荷功率;若P′cmax1<Pcmax,Pcmax为储能能够吸收最大功率,说明在负荷非制动状态下,光伏剩余能量能被储能完全消纳,不会弃光;若P′cmax1>Pcmax,说明存在储能无法完全吸收光伏剩余能量的时刻,将造成一定程度的弃光;
制动状态下的光伏出力与负荷曲线的最大正差为此时储能需要吸收的最大功率为P′cmax2,即若PPV-Pload>0且Pload<0,则P′cmax2=max(PPV-Pload),此时段出现在下午非负荷高峰人流密度不大且日照辐射强烈时;若P′cmax2<Pcmax,说明在负荷制动状态下,储能不仅能吸收负荷产生的再生制动能量,也能完全吸收光伏所发电能,不会产生弃光;若P′cmax2>Pcmax,说明存在储能无法完全吸收光伏电能,将产生弃光;
光伏出力与负荷曲线的最大负差为储能需要输出的最大功率P'dmax,即若 PPV-Pload<0,则P′dmax=max(Pload-Ppv),此时段出现在早、晚高峰人流量密集且日照辐射较弱、光伏出力较小时;若P′dmax<Pdmax,Pdmax为储能能够输出最大功率,说明光伏在加入储能为负荷供电后,能够满足负荷供电需求;若P′dmax>Pdmax,说明存在光伏及储能系统输出的电能均不能满足负荷需求的情况,需电网参与供电。
进一步的是,在所述步骤S300中,根据对光伏、储能分时运行特性和出力适应性分析,建立多目标优化模型,包括构建目标函数和设置约束条件;
所述目标函数,包括:
其中,Umax和Umin为系统运营期间电压最大、最小值,UN为标称电压;
2)年净收益最大:maxf2=R-C;
其中,R为系统年收益,C为系统的年投资成本;
所述约束条件,包括:
1)功率平衡约束:PPV+PES+PG=Pload;PPV为光伏输出功率,PES为储能放电功率,PG为电网输出功率,Pload为负荷功率;
2)储能荷电状态约束:SOCmin≤SOC(t)≤SOCmax;SOC(t)为储能荷电状态值,SOCmin为储能最小荷电状态值,SOCmax为储能最大荷电状态值;
3)储能容量约束:QES_min≤QES≤QES_max;QES为储能容量,QES_min为最小储能容量,QES_max为最大储能容量。
进一步的是,所述系统年收益R表达式为:
R=D·R日;
其中,D为系统一年内正常运营工作的天数,R日为系统每个运营工作日的收益;
R日包括光伏上网补贴R1和由新能源装置发电而减少从电网购电的费用R2,表达式为:
其中,T为整日运营时间,TP为负荷高峰时段,Tn为负荷非高峰时段,as为光伏补贴上网电价,PPV(t)为t时刻光伏输出功率,ag1为高峰时段城轨从电网购电价格,PES(t)为储能放电功率,ag2为非高峰时段购电价格,Pm(t)为非高峰时段新能源系统输出功率,af为弃光惩罚电价,Ppun(t)为弃光功率。
进一步的是,确定所述储能放电功率PES(t)的方法为:
若储能处于放电模式,则储能以PES(t)=min{Pload-Ppv,Pdmax}放电;若处于充电模式,储能以PES(t)=-min{Ppv-Pload,Pcmax}充电;其中Pcmax=γcmax*QES,Pdmax=γdmax*QES,γcmax、γdmax分别为储能最大充、放电系数,QES为储能容量。
进一步的是,根据分工况的方式确定所述非高峰时段新能源系统输出功率 Pm(t)及弃光功率Ppun(t)的大小:
制动状态下Pload<0,Pm(t)=0;判断有无弃光(判断过程可采用所述步骤S203中判断方式),若无,Ppun(t)=0,若有,Ppun(t)的表达式为:
非制动状态下Pload>0;当PPV-Pload>0时,Pm(t)=Pload(t);判断有无弃光 (判断过程可采用所述步骤S203中判断方式),若无,Ppun(t)=0,若有, Ppun(t)=max{Ppv-Pload-Pcmax,0};当PPV-Pload<0,Ppun(t)=0;判断储能加入后能否满足负荷需求(判断过程可采用所述步骤S203中判断方式),若能满足, Pm(t)=Pload(t),若否,Pm(t)的表达式为:
进一步的是,所述年投资成本C包括光伏投资成本C1和储能投资成本C2,表达式为:
C=C1+C2;
光伏投资成本C1包括初始投资成本和运维成本,表达式为:
其中,Qpv为光伏装机容量且为已知量,C组件_pv为光伏所有组件单价之和,r 为贴现率,n1为光伏额定寿命,a1为光伏运维费率;
储能投资成本C2包括初始投资成本和运维成本,表达式为:
其中,QES为储能装机容量,C组件_ES为储能所有组件单价之和,r为贴现率, n2为储能额定寿命,a2为储能运维费率。
进一步的是,在优化目标中,由于自变量储能容量的增加(减少)将引起目标函数f1——电压偏差的降低(增加),而对f2——年净收益带来的增降趋势无法准确确定。因此将f2取倒数与f1赋以相同权值,将多目标优化转化成单目标优化,这样避免了f1、f2变化趋势不冲突,而导致无法得到最优容量配置的现象,最终目标函数表达式为:
采用本技术方案的有益效果:
本发明能够应用于城市轨道交通直流供电系统,考虑其早晚高峰时间固定且负荷量大的特点,实现光伏储能系统的分时运行,合理配置储能容量,对负荷起到削峰填谷的作用,提高系统的经济性,同时减少弃光,促进当地新能源的消纳。通过对储能系统容量的合理配置,不仅可实现最大限度地促进可再生能源的消纳,减少弃光,有利于促进城轨系统节能减排以及当地光伏的消纳,同时降低网压波动以提升牵引侧电能质量,分时运行并利用储能对光伏的削峰填谷及对负荷削峰可提升系统的经济性,从而增加系统整体经济效益,实现节能减排。
本发明以电压波动和经济性为目标进行容量配置,兼顾经济效益的同时,使新能源接入城轨牵引网后的电能质量得到有效提升;采用多目标优化算法求解,得到最优解解集,实现城市轨道交通光伏储能供电系统优化控制。
附图说明
图1为本发明的一种城市轨道交通光伏储能系统的容量优化配置方法流程示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚,下面结合附图对本发明作进一步阐述。
在本实施例中,参见图1所示,本发明提出了一种城市轨道交通光伏储能系统的容量优化配置方法,
一种城市轨道交通光伏储能系统的容量优化配置方法,包括步骤:
S100,根据城市轨道交通的早晚高峰负荷量大的运行状态,制定分时运行策略,以确定不同时段光伏、储能及电网的运行状态;
S200,根据对典型日负荷曲线和光伏输出曲线进行出力适应性,综合分析光伏、储能分时运行特性和出力适应性;
S300,根据对光伏、储能分时运行特性和出力适应性分析,建立多目标优化模型;通过赋权值的方式将多目标化成单目标优化函数,采用粒子群优化算法求解,得到系统储能容量的最优配置。
作为上述实施例的优化方案,所述步骤S100的分时运行策略为:根据以往负荷数据将整日运营时间分为高峰时段和非高峰时段,并分析不同时段下电网、光伏、储能的输出特性;包括步骤:
S101,若处于负荷高峰时段,在满足储能放电条件SOC>SOCmin下,储能系统始终处于放电状态,同时光伏也为负荷供电,缺额由电网补足;
S102,若处于非高峰时段,负荷制动情况下,光伏、电网均不向负荷输出电能;在满足储能充电条件SOC<SOCmax,储能系统始终处于充电状态,若储能完全吸收再生制动能量后进行充电,则光伏所发电能为储能充电;负荷非制动情况下,由光伏、储能依次供电,不足由电网补足,若光伏发电有剩余则在充电条件SOC<SOCmax下为储能充电。
作为上述实施例的优化方案,在所述步骤S200中,根据对日负荷曲线和光伏输出曲线进行出力适应性,综合分析光伏、储能分时运行特性和出力适应性分析,包括步骤:
S201,由牵引计算得到列车运行的取流-距离曲线和取流-时间曲线,按照全日不同发车间隔需求进行全线典型负荷曲线的生成;根据生成的全线典型负荷曲线得到系统的全日典型负荷曲线;
S202,获取当地天气的历史资料,包括全年每日辐射量和温度,获取铺设光伏组件有效面积;对全年每日天气情况进行聚类,确定全日典型天气变化曲线,计算光伏典型日出力曲线;
S203,根据所述系统的全日典型负荷曲线和光伏典型日出力曲线,对二者输出功率进行适应性分析,获得光伏出力与负荷曲线的最大差值。
其中,在所述步骤S203中,根据所述系统的全日典型负荷曲线和光伏典型日出力曲线,对二者输出功率进行适应性分析,包括步骤:
非制动状态下的光伏出力与负荷曲线的最大正差为此时储能需要吸收的最大功率P′cmax1,即若PPV-Pload>0且Pload<0,则P′cmax1=max(PPV-Pload);其中,PPV为光伏输出功率,Pload为负荷功率;若P′cmax1<Pcmax,Pcmax为储能能够吸收最大功率,说明在负荷非制动状态下,光伏剩余能量能被储能完全消纳,不会弃光;若P′cmax1>Pcmax,说明存在储能无法完全吸收光伏剩余能量的时刻,将造成一定程度的弃光;
制动状态下的光伏出力与负荷曲线的最大正差为此时储能需要吸收的最大功率为P′cmax2,即若PPV-Pload>0且Pload<0,则P′cmax2=max(PPV-Pload),此时段出现在下午非负荷高峰人流密度不大且日照辐射强烈时;若P′cmax2<Pcmax,说明在负荷制动状态下,储能不仅能吸收负荷产生的再生制动能量,也能完全吸收光伏所发电能,不会产生弃光;若P′cmax2>Pcmax,说明存在储能无法完全吸收光伏电能,将产生弃光;
光伏出力与负荷曲线的最大负差为储能需要输出的最大功率P'dmax,即若 PPV-Pload<0,则P′dmax=max(Pload-Ppv),此时段出现在早、晚高峰人流量密集且日照辐射较弱、光伏出力较小时;若P′dmax<Pdmax,Pdmax为储能能够输出最大功率,说明光伏在加入储能为负荷供电后,能够满足负荷供电需求;若P′dmax>Pdmax,说明存在光伏及储能系统输出的电能均不能满足负荷需求的情况,需电网参与供电。
作为上述实施例的优化方案,在所述步骤S300中,根据对光伏、储能分时运行特性和出力适应性分析,建立多目标优化模型,包括构建目标函数和设置约束条件;
所述目标函数,包括:
其中,Umax和Umin为系统运营期间电压最大、最小值,UN为标称电压;
2)年净收益最大:maxf2=R-C;
其中,R为系统年收益,C为系统的年投资成本;
所述约束条件,包括:
1)功率平衡约束:PPV+PES+PG=Pload;PPV为光伏输出功率,PES为储能放电功率,PG为电网输出功率,Pload为负荷功率;
2)储能荷电状态约束:SOCmin≤SOC(t)≤SOCmax;SOC(t)为储能荷电状态值,SOCmin为储能最小荷电状态值,SOCmax为储能最大荷电状态值;
4)储能容量约束:QES_min≤QES≤QES_max;QES为储能容量,QES_min为最小储能容量,QES_max为最大储能容量。
其中,所述系统年收益R表达式为:
R=D·R日;
其中,D为系统一年内正常运营工作的天数,R日为系统每个运营工作日的收益;
R日包括光伏上网补贴R1和由新能源装置发电而减少从电网购电的费用R2,表达式为:
其中,T为整日运营时间,TP为负荷高峰时段,Tn为负荷非高峰时段,as为光伏补贴上网电价,PPV(t)为t时刻光伏输出功率,ag1为高峰时段城轨从电网购电价格,PES(t)为储能放电功率,ag2为非高峰时段购电价格,Pm(t)为非高峰时段新能源系统输出功率,af为弃光惩罚电价,Ppun(t)为弃光功率。
确定所述储能放电功率PES(t)的方法为:
若储能处于放电模式,则储能以PES(t)=min{Pload-Ppv,Pdmax}放电;若处于充电模式,储能以PES(t)=-min{Ppv-Pload,Pcmax}充电;其中Pcmax=γcmax*QES, Pdmax=γdmax*QES,γcmax、γdmax分别为储能最大充、放电系数,QES为储能容量。
根据分工况的方式确定所述非高峰时段新能源系统输出功率Pm(t)及弃光功率Ppun(t)的大小:
制动状态下Pload<0,Pm(t)=0;判断有无弃光(判断过程可采用所述步骤 S203中判断方式),若无,Ppun(t)=0,若有,Ppun(t)的表达式为:
非制动状态下Pload>0;当PPV-Pload>0时,Pm(t)=Pload(t);判断有无弃光 (判断过程可采用所述步骤S203中判断方式),若无,Ppun(t)=0,若有, Ppun(t)=max{Ppv-Pload-Pcmax,0};当PPV-Pload<0,Ppun(t)=0;判断储能加入后能否满足负荷需求(判断过程可采用所述步骤S203中判断方式),若能满足, Pm(t)=Pload(t),若否,Pm(t)的表达式为:
其中,所述年投资成本C包括光伏投资成本C1和储能投资成本C2,表达式为:
C=C1+C2;
光伏投资成本C1包括初始投资成本和运维成本,表达式为:
其中,Qpv为光伏装机容量且为已知量,C组件_pv为光伏所有组件单价之和,r 为贴现率,n1为光伏额定寿命,a1为光伏运维费率;
储能投资成本C2包括初始投资成本和运维成本,表达式为:
其中,QES为储能装机容量,C组件_ES为储能所有组件单价之和,r为贴现率, n2为储能额定寿命,a2为储能运维费率。
作为上述实施例的优化方案,在优化目标中,由于变量储能容量的变化引起 f2的增减趋势无法确定,因此将f2取倒数与f1赋以相同权值,将多目标优化化成单目标优化,最终目标函数表达式为:
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (8)
1.一种城市轨道交通光伏储能系统的容量优化配置方法,其特征在于,包括步骤:
S100,根据城市轨道交通的早晚高峰负荷量大的运行状态,制定分时运行策略,以确定不同时段光伏、储能及电网的运行状态;
S200,根据对典型日负荷曲线和光伏输出曲线进行出力适应性,综合分析光伏、储能分时运行特性和出力适应性,包括步骤:
S201,由牵引计算得到列车运行的取流-距离曲线和取流-时间曲线,按照全日不同发车间隔需求进行全线典型负荷曲线的生成;根据生成的全线典型负荷曲线得到系统的全日典型负荷曲线;
S202,获取当地天气的历史资料,包括全年每日辐射量和温度,获取铺设光伏组件有效面积;对全年每日天气情况进行聚类,确定全日典型天气变化曲线,计算光伏典型日出力曲线;
S203,根据所述系统的全日典型负荷曲线和光伏典型日出力曲线,对二者输出功率进行适应性分析,获得光伏出力与负荷曲线的最大差值;
S300,根据对光伏、储能分时运行特性和出力适应性分析,建立多目标优化模型;通过赋权值的方式将多目标化成单目标优化函数,采用粒子群优化算法求解,得到系统储能容量的最优配置;
建立多目标优化模型,包括构建目标函数和设置约束条件;
所述目标函数,包括:
其中,Umax和Umin为系统运营期间电压最大、最小值,UN为标称电压;
2)年净收益最大:max f2=R-C;
其中,R为系统年收益,C为系统的年投资成本;
所述约束条件,包括:
1)功率平衡约束:PPV+PES+PG=Pload;PPV为光伏输出功率,PES为储能放电功率,PG为电网输出功率,Pload为负荷功率;
2)储能荷电状态约束:SOCmin≤SOC(t)≤SOCmax;SOC(t)为储能荷电状态值,SOCmin为储能最小荷电状态值,SOCmax为储能最大荷电状态值;
3)储能容量约束:QES_min≤QES≤QES_max;QES为储能容量,QES_min为最小储能容量,QES_max为最大储能容量。
2.根据权利要求1所述的一种城市轨道交通光伏储能系统的容量优化配置方法,其特征在于,所述步骤S100的分时运行策略为:根据以往负荷数据将整日运营时间分为高峰时段和非高峰时段,并分析不同时段下电网、光伏、储能的输出特性;包括步骤:
S101,若处于负荷高峰时段,在满足储能放电条件SOC>SOCmin下,储能系统始终处于放电状态,同时光伏也为负荷供电,缺额由电网补足;
S102,若处于非高峰时段,负荷制动情况下,光伏、电网均不向负荷输出电能;在满足储能充电条件SOC<SOCmax,储能系统始终处于充电状态,若储能完全吸收再生制动能量后进行充电,则光伏所发电能为储能充电;负荷非制动情况下,由光伏、储能依次供电,不足由电网补足,若光伏发电有剩余则在充电条件SOC<SOCmax下为储能充电。
3.根据权利要求1所述的一种城市轨道交通光伏储能系统的容量优化配置方法,其特征在于,在所述步骤S203中,根据所述系统的全日典型负荷曲线和光伏典型日出力曲线,对二者输出功率进行适应性分析,包括步骤:
非制动状态下的光伏出力与负荷曲线的最大正差为此时储能需要吸收的最大功率P′cmax1,即若PPV-Pload>0且Pload>0,则P′cmax1=max(PPV-Pload);其中,PPV为光伏输出功率,Pload为负荷功率;若P′cmax1<Pcmax,Pcmax为储能能够吸收最大功率,说明在负荷非制动状态下,光伏剩余能量能被储能完全消纳,不会弃光;若P′cmax1>Pcmax,说明存在储能无法完全吸收光伏剩余能量的时刻,将造成一定程度的弃光;
制动状态下的光伏出力与负荷曲线的最大正差为此时储能需要吸收的最大功率为P′cmax2,即若PPV-Pload>0且Pload<0,则P′cmax2=max(PPV-Pload),此时段出现在下午非负荷高峰人流密度不大且日照辐射强烈时;若P′cmax2<Pcmax,说明在负荷制动状态下,储能不仅能吸收负荷产生的再生制动能量,也能完全吸收光伏所发电能,不会产生弃光;若P′cmax2>Pcmax,说明存在储能无法完全吸收光伏电能,将产生弃光;
光伏出力与负荷曲线的最大负差为储能需要输出的最大功率P'dmax,即若PPV-Pload<0,则P′dmax=max(Pload-Ppv),此时段出现在早、晚高峰人流量密集且日照辐射较弱、光伏出力较小时;若P′dmax<Pdmax,Pdmax为储能能够输出最大功率,说明光伏在加入储能为负荷供电后,能够满足负荷供电需求;若P′dmax>Pdmax,说明存在光伏及储能系统输出的电能均不能满足负荷需求的情况,需电网参与供电。
5.根据权利要求4所述的一种城市轨道交通光伏储能系统的容量优化配置方法,其特征在于,确定所述储能放电功率PES(t)的方法为:
若储能处于放电模式,则储能以PES(t)=min{Pload-Ppv,Pdmax}放电;若处于充电模式,储能以PES(t)=-min{Ppv-Pload,Pcmax}充电;其中Pcmax=γcmax*QES,Pdmax=γdmax*QES,γcmax、γdmax分别为储能最大充、放电系数,QES为储能容量,Pdmax为储能最大放电功率,Pcmax为储能最大充电功率。
6.根据权利要求4所述的一种城市轨道交通光伏储能系统的容量优化配置方法,其特征在于,根据分工况的方式确定所述非高峰时段新能源系统输出功率Pm(t)及弃光功率Ppun(t)的大小:
制动状态下Pload<0,Pm(t)=0;判断有无弃光,若无,Ppun(t)=0,若有,Ppun(t)的表达式为:
非制动状态下Pload>0;当PPV-Pload>0时,Pm(t)=Pload(t);判断有无弃光,若无,Ppun(t)=0,若有,Ppun(t)=max{Ppv-Pload-Pcmax,0};当PPV-Pload<0,Ppun(t)=0;判断储能加入后能否满足负荷需求,若能满足,Pm(t)=Pload(t),若否,Pm(t)的表达式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910977097.4A CN110661246B (zh) | 2019-10-15 | 2019-10-15 | 一种城市轨道交通光伏储能系统的容量优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910977097.4A CN110661246B (zh) | 2019-10-15 | 2019-10-15 | 一种城市轨道交通光伏储能系统的容量优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110661246A CN110661246A (zh) | 2020-01-07 |
CN110661246B true CN110661246B (zh) | 2021-03-02 |
Family
ID=69040907
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910977097.4A Active CN110661246B (zh) | 2019-10-15 | 2019-10-15 | 一种城市轨道交通光伏储能系统的容量优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110661246B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311031A (zh) * | 2020-03-27 | 2020-06-19 | 天合光能股份有限公司 | 一种户用光伏储能供电系统的能量管理方法 |
CN113839423B (zh) * | 2020-06-24 | 2024-01-02 | 中兴通讯股份有限公司 | 控制管理方法、装置、设备及存储介质 |
CN111823876B (zh) * | 2020-08-05 | 2022-03-08 | 中车株洲电力机车研究所有限公司 | 一种智能供电控制方法及其系统 |
CN112556109B (zh) * | 2020-11-25 | 2022-07-12 | 国网上海市电力公司 | 一种基于全局温度调整的中央空调需求响应方案优化方法 |
CN112615387B (zh) * | 2020-12-21 | 2023-06-23 | 清华大学 | 储能容量配置方法、装置、计算机设备及可读存储介质 |
CN113629742B (zh) * | 2021-07-28 | 2023-06-16 | 西南交通大学 | 电气化铁路地面混合式储能系统容量配置方法 |
CN113743828B (zh) * | 2021-09-23 | 2023-04-07 | 西南交通大学 | 一种城市轨道交通运行调度方法及系统 |
CN113872225B (zh) * | 2021-11-09 | 2022-06-24 | 国网湖南省电力有限公司 | 基于源-荷-储协调控制的储能系统容量优化配置方法 |
CN113972660B (zh) * | 2021-11-16 | 2024-02-06 | 国网江苏省电力有限公司常州供电分公司 | 交直流混合配电网的日前调度方法 |
CN114268172B (zh) * | 2021-12-02 | 2022-09-30 | 国网江苏省电力有限公司镇江供电分公司 | 一种多类型储能运营控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105846423A (zh) * | 2016-03-28 | 2016-08-10 | 华北电力大学 | 一种计及需求响应的光伏微电网储能多目标容量配置方法 |
CN108365634A (zh) * | 2018-04-23 | 2018-08-03 | 西南交通大学 | 一种再生制动能量回收的铁路光伏储能系统及控制方法 |
CN109449973A (zh) * | 2018-11-09 | 2019-03-08 | 西华大学 | 一种含光伏和储能的轨道交通供电系统能量优化方法 |
-
2019
- 2019-10-15 CN CN201910977097.4A patent/CN110661246B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105846423A (zh) * | 2016-03-28 | 2016-08-10 | 华北电力大学 | 一种计及需求响应的光伏微电网储能多目标容量配置方法 |
CN108365634A (zh) * | 2018-04-23 | 2018-08-03 | 西南交通大学 | 一种再生制动能量回收的铁路光伏储能系统及控制方法 |
CN109449973A (zh) * | 2018-11-09 | 2019-03-08 | 西华大学 | 一种含光伏和储能的轨道交通供电系统能量优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110661246A (zh) | 2020-01-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110661246B (zh) | 一种城市轨道交通光伏储能系统的容量优化配置方法 | |
CN109523128B (zh) | 一种促进消纳的可再生能源容量配置方法 | |
CN102694391B (zh) | 风光储联合发电系统日前优化调度方法 | |
Li et al. | The capacity allocation method of photovoltaic and energy storage hybrid system considering the whole life cycle | |
CN106532764B (zh) | 一种就地消纳光伏发电的电动汽车充电负荷调控方法 | |
CN108876000A (zh) | 一种光伏充电站光、储、变压器容量协调优化配置方法 | |
CN111313480B (zh) | 一种基于多目标寻优的多能互补系统的设计方法 | |
WO2022193794A1 (zh) | 考虑退役电池的智能社区微网超多目标能量管理方法 | |
CN112734098B (zh) | 一种基于源-荷-网平衡的配电网电力调度方法及系统 | |
CN105205552A (zh) | 一种独立新能源混合发电系统优化规划方法 | |
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 | |
CN107732937B (zh) | 含风-光-储-电动汽车的并网型微网的削峰填谷方法 | |
Wang et al. | The application of electric vehicles as mobile distributed energy storage units in smart grid | |
Liu et al. | Research on optimization of energy storage regulation model considering wind–solar and multi-energy complementary intermittent energy interconnection | |
Yi et al. | Power demand side response potential and operating model based on EV mobile energy storage | |
CN115936244A (zh) | 考虑可再生能源发电不确定性的虚拟电厂优化调度方法 | |
Chupradit et al. | Modeling and Optimizing the Charge of Electric Vehicles with Genetic Algorithm in the Presence of Renewable Energy Sources | |
CN111762057B (zh) | 一种区域微网中v2g电动汽车智能充放电管理方法 | |
CN110826210B (zh) | 基于功率互联的多区域楼宇虚拟电厂建模及优化协调方法 | |
CN110443406B (zh) | 一种电动汽车充电设施与分布式电源的分层规划方法 | |
CN117239771A (zh) | 一种综合能源系统中的负荷柔性调度方法及系统 | |
CN107591794A (zh) | 基于负荷分类的主动配电网源‑储容量优化配置方法 | |
CN110571868A (zh) | 微电网的优化配置方法 | |
Wang et al. | Optimal sizing of photovoltaic and battery energy storage of electric vehicle charging station based on two-part electricity pricing | |
CN114723278A (zh) | 一种考虑光伏储能的社区微电网调度方法及系统 |
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 |