CN110929947B - 储能配置方法、装置、计算机设备和存储介质 - Google Patents
储能配置方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN110929947B CN110929947B CN201911204926.1A CN201911204926A CN110929947B CN 110929947 B CN110929947 B CN 110929947B CN 201911204926 A CN201911204926 A CN 201911204926A CN 110929947 B CN110929947 B CN 110929947B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- optimization target
- storage configuration
- energy
- optimization
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 286
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000005457 optimization Methods 0.000 claims abstract description 265
- 230000007613 environmental effect Effects 0.000 claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 6
- 238000004590 computer program Methods 0.000 claims description 13
- 238000007599 discharging Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 230000008859 change Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
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
- G06Q10/06315—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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Educational Administration (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种储能配置方法、装置、计算机设备和存储介质。该方法包括,计算机设备通过获取能源供给系统的初始参数,初始参数至少包括能源需求参数、系统设备参数和环境参数,根据该初始参数,确定储能配置的优化目标以及对应的边界条件,根据优化目标和边界条件,构建储能配置规划模型,将初始参数代入储能配置规划模型中,得到储能配置结果。本方法中,由于计算机设备在获取参数时,充分考虑了环境因素对各电力设备储能容量、充放电功率、负荷功率的影响,从储能配置的经济性和节能性出发,构建储能配置规划模型,将各影响参数代入模型中计算,得到更加准确的储能配置结果,使得能源供给系统的协同优化更加合理。
Description
技术领域
本申请涉及能源技术领域,特别是涉及一种储能配置方法、装置、计算机设备和存储介质。
背景技术
工业园区是伴随着我国工业化和城市化进程的新产物,国内各地方政府和各类开发区都在大力建设工业园区。目前许多工业园都存在能源供给不平衡等问题,具有能耗大、区域集中、需求量大、用能种类多、时段互补、时间长、管理水平参差不齐和设备及供应网络效率偏低的特点。园区能源供给的协同优化成为本领域的一个研究热点。
现有的园区能源供给的协同优化包含两个层面的优化问题。一是系统规划优化,二是运行调度优化。针对系统规划优化,是通过对园区各类能源资源条件和负荷需求的分析,对能源系统进行统筹规划,解决能源优化配置的问题。
但是,现有的园区能源供给系统在能源优化配置方面考虑因素较为局限,导致能源规划设计结果不够准确,使得园区能源供给的协同优化效果不佳。
发明内容
基于此,有必要针对上述技术问题,提供一种储能配置方法、装置、计算机设备和存储介质。
第一方面,本申请提供一种储能配置方法,该方法包括:
获取能源供给系统的初始参数;初始参数至少包括能源需求参数、系统设备参数和环境参数;
根据初始参数,确定储能配置的优化目标以及对应的边界条件;优化目标用于指示储能配置的成本优化指标和节能优化指标;
根据优化目标和边界条件,构建储能配置规划模型;
将初始参数代入储能配置规划模型中,得到储能配置结果。
在其中一个实施例中,上述环境参数为通过传感设备获取的参数;环境参数用于构建能源供给系统的风电光伏典型日出力曲线和典型日负荷曲线;风电光伏典型日出力曲线用于表征典型日风电、光伏在不同时刻的出力;典型日负荷曲线用于表征典型日电、热、冷等负荷在不同时刻所消耗的功率。
在其中一个实施例中,优化目标包括外层优化目标和内层优化目标;储能配置规划模型包括外层优化目标对应的外层储能配置规划模型和内层优化目标对应的内层储能配置模型。
在其中一个实施例中,根据初始参数,确定外层优化目标以及对应的边界条件,包括:
根据风电光伏典型日出力曲线和典型日负荷曲线、能源需求参数和系统设备参数,确定储能配置的外层优化目标;外层优化目标用于指示从储能配置的经济性维度进行储能优化配置;经济性维度至少包括所述能源供给系统的投入资源参数、联络线波动惩罚参数;
根据外层优化目标,确定外层优化目标的边界条件;边界条件用于表征外层优化目标中参数的实际值与约束值的关系;边界条件至少包括储能设备的功率约束和储能设备的容量约束。
在其中一个实施例中,根据外层优化目标和边界条件,构建外层储能配置规划模型,包括:
根据外层优化目标和边界条件,确定外层决策变量;外层决策变量至少包括储能设备的容量配置;
根据外层决策变量,构建外层储能配置规划模型。
在其中一个实施例中,根据初始参数,确定内层优化目标以及对应的边界条件,包括:
根据风电光伏典型日出力曲线和典型日负荷曲线、能源需求参数和系统设备参数,确定储能配置的内层优化目标;内层优化目标用于指示从储能配置的节能性维度进行储能优化配置;节能性维度至少包括储能设备的负荷状态和联络线波动功率;
根据内层优化目标,确定内层优化目标的边界条件;边界条件用于表征所述内层优化目标中参数的实际值与约束值的关系;边界条件至少包括储能设备的充放电功率约束和储能设备的荷电状态约束。
在其中一个实施例中,根据内层优化目标和边界条件,构建内层储能配置规划模型,包括:
根据内层优化目标和边界条件,确定内层决策变量;内层决策变量至少包括储能设备的充放电功率;
根据内层决策变量,构建内层储能配置规划模型。
第二方面,本申请提供一种储能配置装置,该装置包括:
获取模块,用于获取能源供给系统的初始参数;初始参数至少包括能源需求参数、系统设备参数和环境参数;
确定模块,用于根据初始参数,确定储能配置的优化目标以及对应的边界条件;优化目标用于指示储能配置的成本优化指标和节能优化指标;
构建模块,用于根据优化目标和边界条件,构建储能配置规划模型;
计算模块,用于将初始参数代入储能配置规划模型中,得到储能配置结果。
第三方面,本申请提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现上述第一方面中任一项实施例所提供的储能配置方法。
第四方面,本申请提供了一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述第一方面中任一项实施例所提供的储能配置方法。
上述储能配置方法、装置、计算机设备和存储介质,计算机设备通过获取能源供给系统的初始参数,初始参数至少包括能源需求参数、系统设备参数和环境参数,根据该初始参数,确定储能配置的优化目标以及对应的边界条件,该优化目标用于指示储能配置的成本优化指标和节能优化指标,根据优化目标和边界条件,构建储能配置规划模型,将初始参数代入储能配置规划模型中,得到储能配置结果。本方法中,由于计算机设备在获取参数时,充分考虑了环境因素对各电力设备储能容量、充放电功率、负荷功率的影响,获取了能源需求参数、系统设备参数和环境参数,从储能配置的经济性和节能性出发,在对能源供给系统的储能配置优化过程中,确定储能配置的优化目标和边界条件,构建储能配置规划模型,将各影响参数代入模型中计算,得到更加准确的储能配置结果,使得能源供给系统的协同优化更加合理。
附图说明
图1为一个实施例中储能配置方法的应用环境图;
图2为一个实施例中储能配置方法的流程示意图;
图3为另一个实施例中储能配置方法的流程示意图;
图4为另一个实施例中储能配置方法的流程示意图;
图5为另一个实施例中储能配置方法的流程示意图;
图6为另一个实施例中储能配置方法的流程示意图;
图7为一个实施例中储能配置装置的结构框图;
图8为另一个实施例中储能配置装置的结构框图;
图9为另一个实施例中储能配置装置的结构框图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的储能配置方法,可以应用于如图1所示的应用环境中。图1提供了一种计算机设备,该计算机设备可以是服务器,也可以是终端,其内部结构图可以如图1所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、数据库、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储储能配置的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种储能配置的方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
下面将通过实施例并结合附图具体地对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。需要说明的是,本申请图2-图6实施例提供的储能配置方法,其执行主体可以是储能配置装置,该储能配置装置可以通过软件、硬件或者软硬件结合的方式成为计算机设备的部分或全部。下述方法实施例中,均以执行主体是计算机设备为例来进行说明。
在一个实施例中,如图2所示,提供了一种储能配置方法,以该方法应用于图1中的计算机设备为例进行说明,本实施例涉及的是计算机获取能源供给系统的初始参数,通过初始参数,确定储能配置的优化目标以及对应的边界条件,根据优化目标和边界条件,构建储能配置规划模型,将初始参数代入储能配置规划模型中,计算得到储能配置结果的具体过程,包括以下步骤:
S201、获取能源供给系统的初始参数;初始参数至少包括能源需求参数、系统设备参数和环境参数。
其中,初始参数指的是能源供给系统中各电力设备的运行参数,以及影响设备运行的参数;能源需求参数指的是能源供给系统所在园区的能源需求量;系统设备参数指的是能源供给系统中电力设备的运行参数,例如,电力设备的容量、出力、运行成本等;环境参数指的是对电力设备运行产生影响的外界参数,例如光照条件、风力条件等。
在本实施例中,计算机设备可以通过与电力系统通信获取所需要的电力设备的相关参数,也可以直接与所需要的电力设备进行通信,从而获取该电力设备的相关参数;计算机设备可以通过数据库中园区与能源需求量的关联关系,从数据库中匹配获取当前园区的能源需求量;计算机设备可以通过传感设备获取环境参数,也可以通过第三方平台获取环境参数,第三方平台例如气象台等,本实施例对此不做限定。
S202、根据初始参数,确定储能配置的优化目标以及对应的边界条件;优化目标用于指示储能配置的成本优化指标和节能优化指标。
其中,优化目标指的是针对当前园区的能源供给系统的储能配置设定的,储能配置优化后所需达到的成本优化指标和节能优化指标,可以确定多个优化目标,例如,从成本优化出发,可以确定优化目标为初始购买和安装储能设备投入的成本最低,还可以为联络线波动惩罚系数最低;从节能优化出发,可以确定优化目标为系统联络线功率波动最低。边界条件指的是为达到优化目标,对相关电力设备运行参数实际值进行约束的条件。
在本实施例中,示例地,与上述例子对应,计算机设备若确定优化目标为成本优化指标,即确定优化目标为初始购买和安装储能设备投入和联络线波动惩罚系数最低,则可以确定该优化目标对应的边界条件为储能设备的功率和容量实际值的约束条件;若确定优化目标为节能优化指标,即确认优化目标为系统联络线功率波动最低,则可以确定该优化目标对应的边界条件为储能设备的荷电状态和充放电功率实际值的约束条件,本实施例中不以此为限。
S203、根据优化目标和边界条件,构建储能配置规划模型。
其中,储能配置规划模型为根据优化目标和边界条件构建的数学模型,该模型用于针对优化目标,计算储能配置中容量和功率的最优解。若存在多个优化目标和其对应的边界条件时,需要构建多个与优化目标对应的储能配置优化模型。
在本实施例中,计算机设备根据确定的优化目标和边界条件,构建用于求解储能配置最优解的储能配置规划模型,以上述同样的例子说明,当优化目标为经济性优化指标时,即优化目标为初始购买和安装储能设备投入的成本和联络线波动惩罚系数最低,边界条件为储能设备的功率和容量实际值的约束条件,则需要构建与经济性优化目标对应的储能配置规划模型,通过该模型求得满足经济性优化指标的最优解,本实施例对此不做限定。
S204、将初始参数代入储能配置规划模型中,得到储能配置结果。
其中,将初始参数代入储能配置规划模型中指的是将初始参数作为输入值,通过任意一种数学方法,求解储能配置规划模型对应的目标函数的值,计算得到的目标函数的值即为储能配置的结果;该储能配置结果指的是为达到优化目标,对储能配置规划模型求解的储能配置的最优解,根据储能配置规划模型的不同,求得的储能配置的最优解的值也不一样。
在本实施例中,计算机设备通过初始参数对储能配置规划模型进行求解的方式包括多种,计算机设备可以根据储能规划模型中目标函数的性质,通过二次规划求解法、混合整数非线性求解法、动态规划求解法对储能规划模型进行计算,本实施例对此不做限定。
上述储能配置方法中,计算机设备通过获取能源供给系统的初始参数,初始参数至少包括能源需求参数、系统设备参数和环境参数,根据该初始参数,确定储能配置的优化目标以及对应的边界条件,该优化目标用于指示储能配置的成本优化指标和节能优化指标,根据优化目标和边界条件,构建储能配置规划模型,将初始参数代入储能配置规划模型中,得到储能配置结果。本实施例中,由于计算机设备在获取参数时,充分考虑了环境因素对各电力设备储能容量、充放电功率、负荷功率的影响,获取了能源需求参数、系统设备参数和环境参数,从储能配置的经济性和节能性出发,在对能源供给系统的储能配置优化过程中,确定储能配置的优化目标和边界条件,构建储能配置规划模型,将各初始参数代入模型中计算,得到更加准确的储能配置结果,使得能源供给系统的协同优化更加合理。
在一个实施例中,上述环境参数为通过传感设备获取的参数;环境参数用于构建能源供给系统的风电光伏典型日出力曲线和典型日负荷曲线;风电光伏典型日出力曲线用于表征典型日风电、光伏在不同时刻的出力;典型日负荷曲线用于表征典型日电、热、冷等负荷在不同时刻所消耗的功率。
其中,风电光伏典型日出力曲线指的是在考虑典型日风电、光伏对电力设备的影响下,获取到的电力设备不同时刻的功率变化曲线;典型日负荷曲线指的是在考虑典型日电、热、冷等负荷对电力设备的影响下,获取到的电力设备在不同时刻的功率变化曲线。
在本实施例中,计算机可以通过传感设备获取当前典型日风电、光伏的出力数据和典型日电、热、冷等负荷的功率数据;也可以通过从数据库采集历史典型日风电、光伏在不同时刻的出力数据和典型日电、热、冷等负荷在不同时刻所消耗的功率数据,用于构建风电光伏典型日出力曲线和典型日负荷曲线;还可以从第三方平台采集出力数据和功率数据,用于构建风电光伏典型日出力曲线和典型日负荷曲线,本实施例对此不做限定。
在本实施例中,计算机设备在获取电力设备的功率时,充分考虑了环境参数对电力设备的影响,根据环境参数对电力设备的影响得到电力设备的功率变化曲线,从而确定优化目标和边界条件,使得储能配置结果更加合理。
计算机在根据初始参数,确定储能配置的优化目标以及对应的边界条件时,可以确定多个优化目标,多目标优化结果比单目标优化结果更加准确,在一个实施例中,优化目标包括外层优化目标和内层优化目标;储能配置规划模型包括外层优化目标对应的外层储能配置规划模型和内层优化目标对应的内层储能配置模型。
其中,外层优化目标多用于指示从经济性维度对能源供给系统的储能配置进行优化;内层优化目标多用于指示从节能性维度对能源供给系统的储能配置进行优化,不同的优化目标和边界条件,对应不同的储能配置规划模型,具体地,外层优化目标对应的外层储能配置规划模型,用于求解达到外层优化目标的储能配置最优解;内层优化目标对应的内层储能配置规划模型,用于求解达到内层优化目标的储能配置最优解,本实施例对此不做限定。
在一种场景中,优化目标可以为外层优化目标,如图3所示,根据初始参数,确定外层优化目标以及对应的边界条件,包括:
S301、根据风电光伏典型日出力曲线和典型日负荷曲线、能源需求参数和系统设备参数,确定储能配置的外层优化目标;外层优化目标用于指示从储能配置的经济性维度进行储能优化配置;经济性维度至少包括所述能源供给系统的投入资源参数、联络线波动惩罚参数。
其中,能源供给系统的投入资源参数指的是该园区初始购买和安装储能设备投入的成本,联络线波动惩罚参数指的是联络线单位功率波动造成的额外成本的值。
在本实施例中,计算机设备根据电力设备的运行参数和电力设备在风电、光伏、日负荷影响下的功率变化数据,以及从园区能源需求量的经济性方面考虑,确定该园区的能源供给系统的外层优化目标,示例地,可以根据园区的经济性指标要求,确定外层优化目标为储能的投入资源参数与联络线波动惩罚参数最低,本实施例对此不做限定。
S302、根据外层优化目标,确定外层优化目标的边界条件;边界条件用于表征外层优化目标中参数的实际值与约束值的关系;边界条件至少包括储能设备的功率约束和储能设备的容量约束。
在本实施例中,根据确定的外层优化目标,为确保达到外层优化目标且各电力设备可以正常运行,确定外层优化边界条件可以是储能设备的功率约束和储能设备的容量约束,示例地,设定储能设备功率的实际值为PES,设定储能设备功率的约束至为PM,则储能设备功率的边界条件可以为:PES≤PM;还可以设备储能设备容量的实际值为EES,设定储能设备容量的约束值为EM,则储能设备容量的边界条件可以为:EES≤EM,本实施例对此不做限定。
在本实施例中,计算机设备根据电力设备的运行参数、环境影响参数、园区自身的能源需求参数和园区储能配置规划的经济性要求,对应的确定外层优化目标和边界条件,使得通过外层储能配置规划模型求得的储能配置最优解符合经济性性指标的要求。
示例地,当优化目标为外层优化目标时,计算机设备要根据外层优化目标构建对应的外层储能配置规划模型,如图4所示,包括:
S401、根据外层优化目标和边界条件,确定外层决策变量;外层决策变量至少包括储能设备的容量配置。
其中,决策变量指的是储能配置优化的目的参数,该决策变量可以是储能设备的容量配置,也可以是储能设备的功率配置,还可以是储能设备的负荷配置。
在本实施例中,计算机设备根据上述的外层优化目标为储能的投入资源参数与联络线波动惩罚参数最低,边界条件包括储能设备功率PES≤PM和储能设备容量EES≤EM,则确定外层优化目标的决策变量为储能设备的功率和容量配置,换句话说,外层优化目标的优化对象为优化储能设备的功率和容量配置。
S402、根据外层决策变量,构建外层储能配置规划模型。
在本实施例中,计算机设备确定外层决策变量之后,即确定外层优化对象是优化储能设备的功率和容量配置,根据该优化对象,构建外层储能配置规划模型,通过对该模型的求解,可以得到储能设备的功率和容量配置的最优解。
在本实施例中,计算机设备根据外层优化目标和边界条件确定外层决策变量,从而构建外层储能配置规划模型,这种针对优化目标和优化对象的构建模型方式,使得得到的外层储能配置规划模型的规划结果更加准确。
在另一种场景中,优化目标可以为内层优化目标,如图5所示,根据初始参数,确定内层优化目标以及对应的边界条件,包括:
S501、根据风电光伏典型日出力曲线和典型日负荷曲线、能源需求参数和系统设备参数,确定储能配置的内层优化目标;内层优化目标用于指示从储能配置的节能性维度进行储能优化配置;节能性维度至少包括储能设备的负荷状态和联络线波动功率。
其中,储能设备的负荷状态指的是某时刻储能设备的负荷功率值;联络线波动功率指的某时刻系统功率相对于基准功率的波动值。
在本实施例中,计算机设备根据电力设备的运行参数和电力设备在风电、光伏、日负荷影响下的功率变化数据,以及从园区能源需求量的节能性方面考虑,确定该园区的能源供给系统的内层优化目标,示例地,可以根据园区的节能性指标要求,确定内层优化目标为系统联络线功率波动最低,本实施例对此不做限定。
S502、根据内层优化目标,确定内层优化目标的边界条件;边界条件用于表征所述内层优化目标中参数的实际值与约束值的关系;边界条件至少包括储能设备的充放电功率约束和储能设备的荷电状态约束。
在本实施例中,根据确定的内层优化目标,为确保达到内层优化目标且各电力设备可以正常运行,确定内层优化的边界条件可以是储能设备的充放电功率约束和储能设备的荷电状态容量约束,示例地,设定i为储能设备的编号,pES(i)为第i个储能设备的充放电功率的实际值,PES为第i个储能设备充放电功率的约束值,则储能设备的充放电功率的边界条件可以为:-PES≤pES(i)≤PES;设定SOC(i)为第i个储能设备的荷电状态,SOCm为储能设备荷电状态的最小值约束,SOCM为储能设备荷电状态的最大值约束,则储能设备荷电状态的边界条件为:SOCm≤SOC(i)≤SOCM;内层优化目标的边界条件即为-PES≤pES(i)≤PES、SOCm≤SOC(i)≤SOCM,本实施例对此不做限定。
在本实施例中,计算机设备根据电力设备的运行参数、环境影响参数、园区自身的能源需求参数和园区储能配置规划的节能性指标,准确的确定内层优化目标和边界条件,使得通过内层储能配置规划模型求得的储能配置最优解符合节能性指标的要求。
示例地,当优化目标为内层优化目标时,计算机设备要根据内层优化目标构建对应的内层储能配置规划模型,如图6所示,包括:
S601、根据内层优化目标和边界条件,确定内层决策变量;内层决策变量至少包括储能设备的充放电功率。
在本实施例中,计算机设备根据上述的内层优化目标为系统联络线功率波动最低,边界条件包括即为储能设备的充放电功率满足-PES≤pES(i)≤PES和储能设备的荷电状态满足SOCm≤SOC(i)≤SOCM,确定内层优化目标的决策变量为储能设备的充放电功率,也就是说,内层优化目标的优化对象为优化储能设备运行过程中的充放电功率。
S602、根据内层决策变量,构建内层储能配置规划模型。
在本实施例中,计算机设备确定内层决策变量之后,即确定内层优化对象是优化储能设备运行过程中的充放电功率,根据该优化对象,构建内层储能配置规划模型,通过对该模型的求解,可以得到储能设备运行过程中充放电功率的最优解。
在本实施例中,计算机设备根据内层优化目标和边界条件确定内层决策变量,从而构建内层储能配置规划模型,这种针对优化目标和优化对象的构建模型方式,使得得到的内层储能配置规划模型的规划结果更加准确。
应该理解的是,虽然图1-6的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-6中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图7所示,提供了一种储能配置装置,包括:获取模块701、确定模块702、构建模块703和计算模块704,其中:
获取模块701,用于获取能源供给系统的初始参数;初始参数至少包括能源需求参数、系统设备参数和环境参数;
确定模块702,用于根据初始参数,确定储能配置的优化目标以及对应的边界条件;优化目标用于指示储能配置的成本优化指标和节能优化指标;
构建模块703,用于根据优化目标和边界条件,构建储能配置规划模型;
计算模块704,用于将初始参数代入储能配置规划模型中,得到储能配置结果。
在一个实施例中,环境参数为通过传感设备获取的参数;环境参数用于构建能源供给系统的风电光伏典型日出力曲线和典型日负荷曲线;风电光伏典型日出力曲线用于表征典型日风电、光伏在不同时刻的出力;典型日负荷曲线用于表征典型日电、热、冷等负荷在不同时刻所消耗的功率。
在一个实施例中,优化目标包括外层优化目标和内层优化目标;储能配置规划模型包括外层优化目标对应的外层储能配置规划模型和内层优化目标对应的内层储能配置模型。
在一个实施例中,如图8所示,上述确定模块702包括第一确定单元7021和第二确定单元7022,其中:
第一确定单元7021,用于根据风电光伏典型日出力曲线和典型日负荷曲线、能源需求参数和系统设备参数,确定储能配置的外层优化目标;外层优化目标用于指示从储能配置的经济性维度进行储能优化配置;经济性维度至少包括所述能源供给系统的投入资源参数、联络线波动惩罚参数;
第二确定单元7022,用于根据外层优化目标,确定外层优化目标的边界条件;边界条件用于表征外层优化目标中参数的实际值与约束值的关系;边界条件至少包括储能设备的功率约束和储能设备的容量约束。
在一个实施例中,如图9所示,上述构建模块703包括决策变量确定单元7031和构建单元7032,其中:
决策变量确定单元7031,用于根据外层优化目标和边界条件,确定外层决策变量;外层决策变量至少包括储能设备的容量配置;
构建单元7032,用于根据外层决策变量,构建外层储能配置规划模型。
在一个实施例中,上述第一确定单元7021和第二确定单元7022,还用于:
第一确定单元7021,还用于根据风电光伏典型日出力曲线和典型日负荷曲线、能源需求参数和系统设备参数,确定储能配置的内层优化目标;内层优化目标用于指示从储能配置的节能性维度进行储能优化配置;节能性维度至少包括储能设备的负荷状态和联络线波动功率;
第二确定单元7022,还用于根据内层优化目标,确定内层优化目标的边界条件;边界条件用于表征所述内层优化目标中参数的实际值与约束值的关系;边界条件至少包括储能设备的充放电功率约束和储能设备的荷电状态约束。
在一个实施例中,上述决策变量确定单元7031和构建单元7032,还用于:
决策变量确定单元7031,还用于根据内层优化目标和边界条件,确定内层决策变量;内层决策变量至少包括储能设备的充放电功率;
构建单元7032,还用于根据内层决策变量,构建内层储能配置规划模型。
上述所有的储能配置装置实施例,其实现原理和技术效果与上述储能配置方法对应的实施例类似,在此不再赘述。
关于储能配置装置的具体限定可以参见上文中对于储能配置方法的限定,在此不再赘述。上述储能配置装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
本领域技术人员可以理解,图1中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取能源供给系统的初始参数;初始参数至少包括能源需求参数、系统设备参数和环境参数;
根据初始参数,确定储能配置的优化目标以及对应的边界条件;优化目标用于指示储能配置的成本优化指标和节能优化指标;
根据优化目标和边界条件,构建储能配置规划模型;
将初始参数代入储能配置规划模型中,得到储能配置结果。
上述实施例提供的计算机设备,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取能源供给系统的初始参数;初始参数至少包括能源需求参数、系统设备参数和环境参数;
根据初始参数,确定储能配置的优化目标以及对应的边界条件;优化目标用于指示储能配置的成本优化指标和节能优化指标;
根据优化目标和边界条件,构建储能配置规划模型;
将初始参数代入储能配置规划模型中,得到储能配置结果。
上述实施例提供的计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种储能配置方法,其特征在于,所述方法包括:
获取能源供给系统的初始参数;所述初始参数至少包括能源需求参数、系统设备参数和环境参数;
根据所述初始参数,确定储能配置的优化目标;所述优化目标用于指示所述储能配置的成本优化指标和节能优化指标;所述优化目标包括外层优化目标和内层优化目标;所述外层优化目标用于指示从储能配置的经济维度进行储能优化配置;所述经济维度至少包括所述能源供给系统的投入资源参数、联络线波动惩罚参数;所述内层优化目标用于指示从储能配置的节能维度进行储能优化配置;所述节能维度至少包括储能设备的负荷状态和联络线波动功率;
根据所述外层优化目标,确定所述外层优化目标的边界条件;所述外层优化目标的边界条件用于表征所述外层优化目标中参数的实际值与约束值的关系;所述外层优化目标的边界条件至少包括储能设备的功率约束和所述储能设备的容量约束;
根据所述内层优化目标,确定所述内层优化目标的边界条件;所述内层优化目标的边界条件用于表征所述内层优化目标中参数的实际值与约束值的关系;所述内层优化目标的边界条件至少包括储能设备的充放电功率约束和所述储能设备的荷电状态约束;
根据所述外层优化目标、所述外层优化目标的边界条件、所述内层优化目标以及所述内层优化目标的边界条件,构建储能配置规划模型;
将所述初始参数代入所述储能配置规划模型中,得到储能配置结果。
2.根据权利要求1所述的方法,其特征在于,所述环境参数为通过传感设备获取的参数;所述环境参数用于构建所述能源供给系统的风电光伏典型日出力曲线和典型日负荷曲线;所述风电光伏典型日出力曲线用于表征典型日风电、光伏在不同时刻的出力;所述典型日负荷曲线用于表征典型日电负荷、热负荷、冷负荷在不同时刻所消耗的功率。
3.根据权利 要求2所述的方法,其特征在于,所述储能配置规划模型包括外层优化目标对应的外层储能配置规划模型和内层优化目标对应的内层储能配置模型。
4.根据权利 要求3所述的方法,其特征在于,根据所述初始参数,所述确定储能配置的优化目标,包括:
根据所述风电光伏典型日出力曲线和典型日负荷曲线、所述能源需求参数和所述系统设备参数,确定所述储能配置的外层优化目标。
5.根据权利 要求4所述的方法,其特征在于,根据所述外层优化目标和边界条件,构建外层储能配置规划模型,包括:
根据所述外层优化目标和所述边界条件,确定外层决策变量;所述外层决策变量至少包括所述储能设备的容量配置;
根据所述外层决策变量,构建所述外层储能配置规划模型。
6.根据权利 要求3所述的方法,其特征在于,根据所述初始参数,确定储能配置的优化目标,包括:
根据所述风电光伏典型日出力曲线和典型日负荷曲线、所述能源需求参数和所述系统设备参数,确定所述储能配置的内层优化目标。
7.根据权利 要求6所述的方法,其特征在于,根据所述内层优化目标和边界条件,构建内层储能配置规划模型,包括:
根据所述内层优化目标和所述边界条件,确定内层决策变量;所述内层决策变量至少包括所述储能设备的充放电功率;
根据所述内层决策变量,构建所述内层储能配置规划模型。
8.一种储能配置装置,其特征在于,所述装置包括:
获取模块,用于获取能源供给系统的初始参数;所述初始参数至少包括能源需求参数、系统设备参数和环境参数;
确定模块,用于根据所述初始参数,确定储能配置的优化目标;所述优化目标用于指示储能配置的成本优化指标和节能优化指标;所述优化目标包括外层优化目标和内层优化目标;所述外层优化目标用于指示从储能配置的经济维度进行储能优化配置;所述经济维度至少包括所述能源供给系统的投入资源参数、联络线波动惩罚参数;所述内层优化目标用于指示从储能配置的节能维度进行储能优化配置;所述节能维度至少包括储能设备的负荷状态和联络线波动功率;
所述确定模块,还用于根据所述外层优化目标,确定所述外层优化目标的边界条件;所述外层优化目标的边界条件用于表征所述外层优化目标中参数的实际值与约束值的关系;所述外层优化目标的边界条件至少包括储能设备的功率约束和所述储能设备的容量约束;
所述确定模块,还用于根据所述内层优化目标,确定所述内层优化目标的边界条件;所述内层优化目标的边界条件用于表征所述内层优化目标中参数的实际值与约束值的关系;所述内层优化目标的边界条件至少包括储能设备的充放电功率约束和所述储能设备的荷电状态约束;
构建模块,用于根据所述外层优化目标、所述外层优化目标的边界条件、所述内层优化目标以及所述内层优化目标的边界条件,构建储能配置规划模型;
计算模块,用于将所述初始参数代入所述储能配置规划模型中,得到储能配置结果。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911204926.1A CN110929947B (zh) | 2019-11-29 | 2019-11-29 | 储能配置方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911204926.1A CN110929947B (zh) | 2019-11-29 | 2019-11-29 | 储能配置方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110929947A CN110929947A (zh) | 2020-03-27 |
CN110929947B true CN110929947B (zh) | 2022-03-18 |
Family
ID=69847925
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911204926.1A Active CN110929947B (zh) | 2019-11-29 | 2019-11-29 | 储能配置方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110929947B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113240149A (zh) * | 2021-02-18 | 2021-08-10 | 北京国电通网络技术有限公司 | 能源供需的动态配置方法、装置、电子设备及存储介质 |
CN113541176B (zh) * | 2021-07-16 | 2023-08-04 | 广东电网有限责任公司 | 一种电力储能系统调控模型的构建方法、设备和介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108964103A (zh) * | 2018-07-27 | 2018-12-07 | 广州穗华能源科技有限公司 | 一种考虑微网系统可调度性的微网储能配置方法 |
CN109376943A (zh) * | 2018-11-12 | 2019-02-22 | 中国南方电网有限责任公司电网技术研究中心 | 一种基于机会约束的风电场-储能联合规划方法 |
CN109728605A (zh) * | 2019-03-01 | 2019-05-07 | 西安交通大学 | 基于机会约束igdt的风电场-输电网-储能联合规划方法 |
CN109787259A (zh) * | 2019-01-23 | 2019-05-21 | 西安交通大学 | 一种基于新能源随机波动的多类型储能联合规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10534327B2 (en) * | 2017-07-06 | 2020-01-14 | Dalian University Of Technology | Method for long-term optimal operations of interprovincial hydropower system considering peak-shaving demands |
-
2019
- 2019-11-29 CN CN201911204926.1A patent/CN110929947B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108964103A (zh) * | 2018-07-27 | 2018-12-07 | 广州穗华能源科技有限公司 | 一种考虑微网系统可调度性的微网储能配置方法 |
CN109376943A (zh) * | 2018-11-12 | 2019-02-22 | 中国南方电网有限责任公司电网技术研究中心 | 一种基于机会约束的风电场-储能联合规划方法 |
CN109787259A (zh) * | 2019-01-23 | 2019-05-21 | 西安交通大学 | 一种基于新能源随机波动的多类型储能联合规划方法 |
CN109728605A (zh) * | 2019-03-01 | 2019-05-07 | 西安交通大学 | 基于机会约束igdt的风电场-输电网-储能联合规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110929947A (zh) | 2020-03-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20140350743A1 (en) | Tiered power management system for microgrids | |
Yi et al. | Robust scheduling scheme for energy storage to facilitate high penetration of renewables | |
Zhang et al. | Improved cycle aging cost model for battery energy storage systems considering more accurate battery life degradation | |
CN110929947B (zh) | 储能配置方法、装置、计算机设备和存储介质 | |
CN111697625A (zh) | 基于分布鲁棒优化的孤岛微电网机会约束能量调度方法 | |
CN115733168A (zh) | 储能充放电管理方法、系统、控制终端及存储介质 | |
Xu et al. | Multi-objective chance-constrained optimal day-ahead scheduling considering BESS degradation | |
Behboodi et al. | Interconnection-wide hour-ahead scheduling in the presence of intermittent renewables and demand response: A surplus maximizing approach | |
Kiaee et al. | Utilisation of alkaline electrolysers in existing distribution networks to increase the amount of integrated wind capacity | |
CN109272353A (zh) | 计及综合需求响应不确定性的系统动态概率能流分析方法 | |
Mannepalli et al. | Allocation of optimal energy from storage systems using solar energy | |
Goodall et al. | Optimal design and dispatch of a hybrid microgrid system capturing battery fade | |
CN116683508A (zh) | 一种目标对象储能容量的确定方法、装置及电子设备 | |
CN115829134A (zh) | 面向源网荷不确定性的供电调度方法及系统 | |
Cui et al. | An optimal energy co-scheduling framework for smart buildings | |
CN111210048A (zh) | 储能容量配置方法、装置、计算机设备及可读存储介质 | |
CN113344732A (zh) | 电化学储能的运营评估方法、装置、终端设备及存储介质 | |
CN114118532A (zh) | 孤岛微网的调度方法、装置、计算机设备、存储介质 | |
CN105162173A (zh) | 一种接入风力发电的电力系统备用容量确定方法 | |
CN117485177A (zh) | 充电桩智能节能控制系统及方法 | |
CN115313447A (zh) | 一种混合储能系统充放电状态实时优化控制方法 | |
US11854054B2 (en) | Adaptive energy storage operating system for multiple economic services | |
CN115642601A (zh) | 一种园区碳排放流实时监测计算方法和系统 | |
CN112510679B (zh) | 分布式储能优化调度方法、装置、计算机设备和存储介质 | |
CN109063859B (zh) | 电网设备检修优化处理方法与装置 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200925 Address after: 510620 Tianhe District, Guangzhou, Tianhe South Road, No. two, No. 2, No. Applicant after: Guangzhou Power Supply Bureau of Guangdong Power Grid Co.,Ltd. Address before: 510620 Tianhe District, Guangzhou, Tianhe South Road, No. two, No. 2, No. Applicant before: GUANGZHOU POWER SUPPLY Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |