CN111009895B - 一种微网优化调度方法、系统以及设备 - Google Patents

一种微网优化调度方法、系统以及设备 Download PDF

Info

Publication number
CN111009895B
CN111009895B CN201911184403.5A CN201911184403A CN111009895B CN 111009895 B CN111009895 B CN 111009895B CN 201911184403 A CN201911184403 A CN 201911184403A CN 111009895 B CN111009895 B CN 111009895B
Authority
CN
China
Prior art keywords
energy storage
microgrid
power
charge
model
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
Application number
CN201911184403.5A
Other languages
English (en)
Other versions
CN111009895A (zh
Inventor
郭琳
何宇俊
陈锦鹏
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.)
Guangdong Power Grid Co Ltd
Huizhou Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Huizhou Power Supply Bureau of Guangdong Power Grid 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 Guangdong Power Grid Co Ltd, Huizhou Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN201911184403.5A priority Critical patent/CN111009895B/zh
Publication of CN111009895A publication Critical patent/CN111009895A/zh
Application granted granted Critical
Publication of CN111009895B publication Critical patent/CN111009895B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种微网优化调度方法、系统以及设备，本发明包括以下步骤：建立不考虑电储能循环寿命的微网经济调度模型MO并进行求解得到预期的储能充放电功率曲线；根据曲线建立线性化的储能循环损耗模型；将线性化的储能循环损耗模型代入不考虑电储能循环寿命的微网经济调度模型MO中，得到考虑储能循环损耗成本的微网经济调度模型M1并进行求解得到考虑储能循环寿命的微网优化调度决策。本发明通过预期的储能充放电功率曲线建立线性化的储能循环损耗模型，从而使得在对微网的优化调度过程中考虑储能循环寿命损耗，能够让微网运营商避免采取过度充放电的微网运行策略，本发明能够对微网的优化运行计划提供依据和参考，具有实际的指导意义。

Description

一种微网优化调度方法、系统以及设备
技术领域
本发明涉及电力调度技术领域，尤其涉及一种微网优化调度方法、系统以及设备。
背景技术
微网的优化调度是指在一定的控制策略下，以微电网运行经济性、环保性或电能质量等最优为优化目标，通过优化分配微电网中的各分布式电源及储能装置的输出功率以满足负荷需求和保证微电网安全稳定运行。微电网往往需要高额的初始投资，目前微电网的建设维护成本居高不下，而有关分布式发电以及微网相关设备特别是针对储能的补贴尚未出台，储能系统成本占到整个微电网控制系统成本的1/3。由于储能成本仍然较高，对储能的过度充放电会影响储能的使用寿命，从而导致提前更换设备，增加了微网的运行成本，因此选择合理的储能充放电策略是微网优化调度的关键。在微网的优化调度中，针对储能系统的调度是优化决策的难点。然而，目前对包含储能系统的微电网研究中并没有考虑储能循环寿命损耗的问题。
综上所述，现有技术对包含储能系统的微电网研究中，存在着没有考虑储能循环寿命损耗的技术问题。
发明内容
本发明提供了一种微网优化调度方法、系统以及设备，解决了现有技术对包含储能系统的微电网研究中，存在着没有考虑储能循环寿命损耗的技术问题。
本发明提供的一种微网优化调度方法，包括以下步骤：
步骤S1：获取微网中的电网参数；
步骤S2：根据电网参数以及微网的系统约束条件，建立不考虑电储能循环寿命的微网经济调度模型MO；
步骤S3：求解不考虑电储能循环寿命的微网经济调度模型MO，得到预期的储能充放电功率曲线；
步骤S4：根据预期的储能充放电功率曲线建立线性化的储能循环损耗模型；
步骤S5：将线性化的储能循环损耗模型代入不考虑电储能循环寿命的微网经济调度模型MO中，得到考虑储能循环损耗成本的微网经济调度模型M1；
步骤S6：求解考虑储能循环损耗成本的微网经济调度模型M1，得到考虑储能循环寿命的微网优化调度决策。
优选的，步骤S1中电网参数包括：包括光伏发电运行参数、风电等分布式发电运行参数、可调度机组运行参数、储能运行参数、微网内部负荷预测值以及现货市场的电价。
优选的，获取可调度机组运行参数的具体步骤如下：
设微网中有NG台可调度发电机组，采用统一的等值建模方式，设发电成本为二次函数形式，公式如下：
Figure BDA0002292062370000021
其中，an，bn，cn分别为第n台机组的发电成本系数，n＝1,2,...,NG，
Figure BDA0002292062370000022
为第n台机组的发电功率，
Figure BDA0002292062370000023
满足以下约束条件，
Figure BDA0002292062370000024
Figure BDA0002292062370000025
其中
Figure BDA0002292062370000026
为第n台机组的额定功率，
Figure BDA0002292062370000027
与
Figure BDA0002292062370000028
为分别为最大向上和最大向下爬坡速率，Δt为时间间隔。
优选的，获取储能运行参数的具体步骤如下：
设储能的初始荷电状态水平为
Figure BDA0002292062370000029
t时刻的荷电状态水平为
Figure BDA00022920623700000210
t＝1,2,...,T，储能的总容量为EBS，最大充放电功率为
Figure BDA00022920623700000211
充放电转换效率分别为ηch与ηdis，储能的荷电状态变化方程为：
Figure BDA00022920623700000212
其中，
Figure BDA00022920623700000213
与
Figure BDA00022920623700000214
分别为t时刻的充电功率以及放电功率，且满足以下约束条件：
Figure BDA00022920623700000215
Figure BDA00022920623700000216
荷电状态满足以下约束条件：
Figure BDA0002292062370000031
其中，
Figure BDA0002292062370000032
与
Figure BDA0002292062370000033
分别为最大和最小荷电状态值。
优选的，设现货市场电价为
Figure BDA0002292062370000034
t＝1,2,...,T；当微网净负荷超过0时，按现货市场出清价格计算购电费用。
优选的，步骤S2中，微网的系统约束条件为负荷平衡约束条件。
优选的，步骤S3中，通过求解不考虑电储能循环寿命的微网经济调度模型MO，得到一组预期的储能充放电功率曲线；
预期的储能充放电功率曲线为
Figure BDA0002292062370000035
t＝1,2,...,T；
其中，
Figure BDA0002292062370000036
与
Figure BDA0002292062370000037
分别为不考虑电储能循环寿命的微网经济调度模型MO充电功率的最优决策以及放电功率的最优决策。
优选的，步骤S4包括以下步骤：
步骤S401：求解储能等效循环次数；
步骤S402：根据预期的储能充放电功率曲线以及储能等效循环次数建立循环损耗成本函数；
步骤S403：基于循环损耗成本函数建立线性化的储能循环损耗模型。
一种微网优化调度系统，包括电网参数获取模块、不考虑电储能循环寿命的微网经济调度模型模块、线性化的储能循环损耗模型模块以及考虑储能循环损耗成本的微网经济调度模型模块；
所述电网参数获取模块用于获取微网中的电网参数；
所述不考虑电储能循环寿命的微网经济调度模型模块用于构建不考虑电储能循环寿命的微网经济调度模型并进行求解；
所述线性化的储能循环损耗模型模块用于构建线性化的储能循环损耗模型并进行求解；
所述考虑储能循环损耗成本的微网经济调度模型模块用于构建考虑储能循环损耗成本的微网经济调度模型并进行求解。
一种微网优化调度设备，所述设备包括处理器以及存储器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行上述的微网优化调度方法。
从以上技术方案可以看出，本发明具有以下优点：
本发明实施例通过预期的储能充放电功率曲线建立线性化的储能循环损耗模型，从而使得在对微网的优化调度过程中考虑储能循环寿命损耗，能够让微网运营商避免采取过度充放电的微网运行策略，本发明能够对微网的优化运行计划提供依据和参考，具有实际的指导意义。
本发明的另一个实施例具有以下优点：
本发明实施例提供的微网优化调度方法由于考虑了储能循环寿命损耗，提高了储能系统的运行寿命，能够帮助微网投资运营商降低运行成本，提高运行收益，同时本发明提供的实施例大大简化了储能循环损耗的计算，降低了模型的非线性度，使得模型可通过Cplex等高效的商业线性规划求解器求解，同时对模型精度的损失很小。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明提供的一种微网优化调度方法、系统以及设备的方法流程图。
图2为本发明提供的一种微网优化调度方法、系统以及设备的储能荷电状态变化曲线图。
具体实施方式
本发明实施例提供了一种微网优化调度方法、系统以及设备，用于解决现有技术对包含储能系统的微电网研究中，存在着没有考虑储能循环寿命损耗的技术问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
本发明实施例的目的是为微网运营商提供一种微网优化调度方法。微网的优化调度是指在满足系统的各约束条件的前提下，使得总运行成本最小化的微网电源能量管理和经济调度方法。微网中包含风电、光伏等不可控发电资源、可调度机组以及电池储能设备。本发明通过对不同电源设备的运行参数建模，以总发电成本最小化为目标建立微网的日前计划调度策略优化模型，以期得到各电源的发电计划分解曲线。
对于储能循环损耗的建模过程，其难点在于需要在确认荷电状态变化曲线后通过选取局部极值点来辨识每个循环，适用于事后评估寿命损耗情况。然而在微网的优化调度决策模型中，由于模型的决策变量会影响储能的运行策略(储能的充放电功率)，进而改变荷电状态变化曲线和局部极值点，对于任何一套可行的微网优化调度策略，都必须重新搜索荷电状态极值点、辨识每个半循环，以计算循环寿命损耗。
目前，对包含储能系统的微电网优化调度问题，国内外学者已做了一些相关的研究。有文献对不同策略下含储能系统的微网优化配置展开了研究，并给出了各策略的微网优化方案。有文献基于不同的运行模式，分析了分布式发电和储能装置的基本出力特性，按经济最优原则制定了运行方案，但以上文献并没有涉及储能的损耗问题。频繁地充放电使得储能寿命相对较短，因此在微网经济运行中需要计及储能的损耗费用。有文献在微网调度中以恒定损耗系数描述储能损耗费用，没有考虑荷电状态(SOC)对损耗成本的影响；有文献计及储能充放电深度对充放电循环次数的影响，通过累积储能充放电损耗来确定一个调度周期内储能的损耗成本，但不同SOC下充放电相同深度带来的损耗并不相同，呈现高度非线性特征。由于储能的运行特性会对微网的经济运行产生巨大影响，因此须采用较为精确且实用的储能损耗模型，然而总的来说，在现有的微网优化调度研究中，针对储能循环寿命损耗的精确建模方法还不多见。
针对储能循环损耗函数的高度非线性特征，如何处理决策变量、荷电状态变化曲线的极值点以及循环寿命损耗这三者的耦合关系是本发明实施例的重点。本发明实施例首先通过不考虑电储能循环寿命的微网经济调度模型得到初始的储能充放电功率曲线以及荷电状态曲线，然后通过对包含决策变量的函数在初始值附近进行线性化近似，大大简化了储能循环损耗的计算，降低了模型的非线性度，使得模型可通过Cplex等高效的商业线性规划求解器求解，同时对模型精度的损失很小。
请参阅图1，图1为本发明实施例提供的一种微网优化调度方法的方法流程图。
如图1所示，本发明提供的一种微网优化调度方法，包括以下步骤：
步骤S1：获取微网中的电网参数；
步骤S2：根据电网参数以及微网的系统约束条件，建立不考虑电储能循环寿命的微网经济调度模型MO；
步骤S3：求解不考虑电储能循环寿命的微网经济调度模型MO，得到预期的储能充放电功率曲线；
步骤S4：根据预期的储能充放电功率曲线建立线性化的储能循环损耗模型；
步骤S5：将线性化的储能循环损耗模型代入不考虑电储能循环寿命的微网经济调度模型MO中，得到考虑储能循环损耗成本的微网经济调度模型M1；
步骤S6：求解考虑储能循环损耗成本的微网经济调度模型M1，得到考虑储能循环寿命的微网优化调度决策。
作为一个优选的实施例，步骤S1中电网参数包括：包括光伏发电运行参数、风电等分布式发电运行参数、可调度机组运行参数、储能运行参数、微网内部负荷预测值以及现货市场的电价。
光伏与风电为不可控发电资源，原则上要求全部消纳，当超过微网最大消纳能力时可以切断一部分出力。设光伏设备的最大出力为
Figure BDA0002292062370000061
光伏的预测出力为
Figure BDA0002292062370000062
t＝1,2,...,T，光伏的上网标杆电价为
Figure BDA0002292062370000063
光伏“弃光”的惩罚成本为
Figure BDA0002292062370000064
设风电设备的最大出力为
Figure BDA0002292062370000065
风电的预测出力为
Figure BDA0002292062370000066
t＝1,2,...,T，风电的上网标杆电价为
Figure BDA0002292062370000067
风电“弃风”的惩罚成本为
Figure BDA0002292062370000068
微网负荷为不可控负荷，设微网负荷的预测值为
Figure BDA0002292062370000071
t＝1,2,...,T。
作为一个优选的实施例，获取可调度机组运行参数的具体步骤如下：
设微网中有NG台可调度发电机组，采用统一的等值建模方式，设发电成本为二次函数形式，公式如下：
Figure BDA0002292062370000072
其中，an，bn，cn分别为第n台机组的发电成本系数，n＝1,2,...,NG，
Figure BDA0002292062370000073
为第n台机组的发电功率，
Figure BDA0002292062370000074
满足以下约束条件，
Figure BDA0002292062370000075
Figure BDA0002292062370000076
其中
Figure BDA0002292062370000077
为第n台机组的额定功率，
Figure BDA0002292062370000078
与
Figure BDA0002292062370000079
为分别为最大向上和最大向下爬坡速率，Δt为时间间隔。
作为一个优选的实施例，获取储能运行参数的具体步骤如下：
设储能的初始荷电状态水平为
Figure BDA00022920623700000710
t时刻的荷电状态水平为
Figure BDA00022920623700000711
t＝1,2,...,T，储能的总容量为EBS，最大充放电功率为
Figure BDA00022920623700000712
充放电转换效率分别为ηch与ηdis，储能充电时相当于负荷，实时功率为负，储能储存的能量增大；当储能放电时候相当于发电设备，实时功率为正，储能储存的能量减小。储能的荷电状态变化方程为：
Figure BDA00022920623700000713
其中，
Figure BDA00022920623700000714
与
Figure BDA00022920623700000715
分别为t时刻的充电功率以及放电功率，且满足以下约束条件：
Figure BDA00022920623700000716
Figure BDA00022920623700000717
荷电状态满足以下约束条件：
Figure BDA00022920623700000718
其中，
Figure BDA00022920623700000719
与
Figure BDA00022920623700000720
分别为最大和最小荷电状态值。
作为一个优选的实施例，设现货市场电价为
Figure BDA00022920623700000721
t＝1,2,...,T；当微网净负荷超过0时，按现货市场出清价格计算购电费用。
作为一个优选的实施例，步骤S2中，微网的系统约束条件为负荷平衡约束条件，微网通过与主网联络点(PCC)的电能交换保持自身负荷平衡，设微网对主网的输入功率和输出功率分别为
Figure BDA0002292062370000081
与
Figure BDA0002292062370000082
则微网必须满足负荷平衡条件：
Figure BDA0002292062370000083
其中，
Figure BDA00022920623700000820
为风电发电功率，
Figure BDA00022920623700000821
为光伏发电功率、
Figure BDA00022920623700000822
为储能放电功率，
Figure BDA00022920623700000823
为储能充电功率，
Figure BDA0002292062370000084
与
Figure BDA0002292062370000085
不能超过联络点的最大交换功率
Figure BDA0002292062370000086
且不得同时为0，故满足以下约束条件：
Figure BDA0002292062370000087
Figure BDA0002292062370000088
其中αt为0-1变量。
通过联立以上条件，得到不考虑电储能循环寿命的微网经济调度模型MO如下：
Figure BDA0002292062370000089
Figure BDA00022920623700000810
Figure BDA00022920623700000811
Figure BDA00022920623700000812
Figure BDA00022920623700000813
Figure BDA00022920623700000814
Figure BDA00022920623700000815
作为一个优选的实施例，步骤S3中，通过不考虑电储能循环寿命的微网经济调度模型MO，得到一组预期的储能充放电功率曲线；
预期的储能充放电功率曲线为
Figure BDA00022920623700000816
t＝1,2,...,T；荷电状态曲线为
Figure BDA00022920623700000817
其中，
Figure BDA00022920623700000818
与
Figure BDA00022920623700000819
分别为不考虑电储能循环寿命的微网经济调度模型MO充电功率的最优决策以及放电功率的最优决策。
作为一个优选的实施例，步骤S4包括以下步骤：
步骤S401：求解储能等效循环次数；
在电池储能的运行调度中，需要考虑充放电深度(depth of discharge,DOD)对电池储能的循环寿命和效率的影响，并建立储能的循环损耗模型。循环寿命取决于电池的循环策略。电池充放电越频繁，充放电深度越深，老化越快，循环寿命越短，对于充放电深度不变的循环方式，电池的循环寿命Tcycle如下式：
Figure BDA0002292062370000091
其中
Figure BDA0002292062370000092
是使新电池失效的充放电深度为d的循环次数，表示为
Figure BDA0002292062370000093
基于电池生产商的实验数据通过拟合方法得到；
Figure BDA0002292062370000094
是每天充放电深度为d的循环次数；Nday代表储能设备一年的运行天数。
电池循环寿命损失(以总成本的百分比计)如下式，nd是充放电深度为d的循环次数；
Figure BDA0002292062370000095
考虑到幂函数描述不同种类的电池寿命的广泛适用性，定义Nf(d)为放电深度d的幂函数，如下式：
Figure BDA0002292062370000096
其中是kP常数，通常取值为0.8-2.1；
Figure BDA0002292062370000097
是满循环(即d＝100％)的失效次数，由储能设备商通过产品测试得到。
因此，通过对蓄电池充放电过程的计量，可以得到蓄电池的循环寿命以及每次充放电过程的损耗成本，每日的等效满循环次数为：
Figure BDA0002292062370000098
步骤S402：根据预期的储能充放电功率曲线以及储能等效循环次数建立循环损耗成本函数；
根据预期的储能充放电功率曲线，得到荷电状态曲线
Figure BDA0002292062370000099
如图2所示，在荷电状态曲线
Figure BDA00022920623700000910
每两相邻的局部极值点之间，储能电池完成了一次半循环，可得每个半循环的充放电深度如下：
Figure BDA0002292062370000101
其中
Figure BDA0002292062370000102
为荷电状态曲线
Figure BDA0002292062370000103
第k个局部极值点的值。
因此，可得荷电状态曲线
Figure BDA0002292062370000104
对应的循环损耗
Figure BDA0002292062370000105
为：
Figure BDA0002292062370000106
其中，C为局部极值点的集合，cBS为储能的投资成本。
步骤S403：基于循环损耗成本函数建立线性化的储能循环损耗模型。
假设考虑循环损耗后的储能荷电状态曲线为
Figure BDA0002292062370000107
通过对
Figure BDA0002292062370000108
进行泰勒多项式展开可得到在
Figure BDA0002292062370000109
附近的一次形式，公式如下：
Figure BDA00022920623700001010
其中，
Figure BDA00022920623700001011
为常数。
因此，线性化的储能循环损耗模型表示为
Figure BDA00022920623700001012
作为一个优选的实施例，在步骤S5中，为了保持核电状态水平曲线
Figure BDA00022920623700001013
在优化后极值点位置分布不发生改变，需要对
Figure BDA00022920623700001014
设置以下约束条件：
Figure BDA00022920623700001015
即当
Figure BDA00022920623700001016
时，要保证
Figure BDA00022920623700001017
反之当
Figure BDA00022920623700001018
时，
Figure BDA00022920623700001019
综合以上，得到考虑储能循环损耗成本的微网经济调度模型M1如下：
Figure BDA00022920623700001020
Figure BDA0002292062370000111
Figure BDA0002292062370000112
Figure BDA0002292062370000113
Figure BDA0002292062370000114
Figure BDA0002292062370000115
Figure BDA0002292062370000116
Figure BDA0002292062370000117
以上模型为混合整数线性规划(MILP)问题，对M1求解即可得到微网的优化调度策略，包括储能以及各发电单元的发电计划分解曲线。
一种微网优化调度系统，包括电网参数获取模块、不考虑电储能循环寿命的微网经济调度模型模块、线性化的储能循环损耗模型模块以及考虑储能循环损耗成本的微网经济调度模型模块；
所述电网参数获取模块用于获取微网中的电网参数；
所述不考虑电储能循环寿命的微网经济调度模型模块用于构建不考虑电储能循环寿命的微网经济调度模型并进行求解；
所述线性化的储能循环损耗模型模块用于构建线性化的储能循环损耗模型并进行求解；
所述考虑储能循环损耗成本的微网经济调度模型模块用于构建考虑储能循环损耗成本的微网经济调度模型并进行求解。
一种微网优化调度设备，所述设备包括处理器以及存储器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令上述的微网优化调度方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种微网优化调度方法，其特征在于，包括以下步骤：
步骤S1：获取微网中的电网参数；
步骤S2：根据电网参数以及微网的系统约束条件，建立不考虑电储能循环寿命的微网经济调度模型MO；
所述不考虑电储能循环寿命的微网经济调度模型MO具体为：
Figure FDA0003131331560000011
Figure FDA0003131331560000012
Figure FDA0003131331560000013
Figure FDA0003131331560000014
Figure FDA0003131331560000015
Figure FDA0003131331560000016
Figure FDA0003131331560000017
其中，
Figure FDA0003131331560000018
为发电成本，
Figure FDA0003131331560000019
为第n台机组的发电功率，
Figure FDA00031313315600000110
为风电的上网标杆电价,
Figure FDA00031313315600000111
为风电发电功率，
Figure FDA00031313315600000112
为光伏的上网标杆电价，
Figure FDA00031313315600000113
为光伏发电功率，
Figure FDA00031313315600000114
为现货市场电价，
Figure FDA00031313315600000115
为微网对主网的输入功率，
Figure FDA00031313315600000116
为微网对主网的输出功率，
Figure FDA00031313315600000117
为光伏弃光的惩罚成本，
Figure FDA00031313315600000118
为风电的预测出力，
Figure FDA00031313315600000119
为光伏的预测出力，
Figure FDA00031313315600000120
为第n台机组的额定功率，
Figure FDA00031313315600000121
为最大向下爬坡速率，
Figure FDA00031313315600000122
为最大向上爬坡速率，
Figure FDA00031313315600000123
为t时刻的荷电状态水平，ηch为充电转换效率，
Figure FDA00031313315600000124
为光伏的预测出力，EBS为储能的总容量，Δt为时间间隔，ηdis为放电转换效率，
Figure FDA00031313315600000125
为t时刻的充电功率，
Figure FDA00031313315600000126
为t时刻的放电功率，
Figure FDA00031313315600000127
为最大充放电功率，
Figure FDA00031313315600000128
为最小荷电状态值，
Figure FDA00031313315600000129
为最大荷电状态值，
Figure FDA00031313315600000130
为微网对主网的输入功率，
Figure FDA00031313315600000131
为微网对主网的输出功率，
Figure FDA00031313315600000132
为微网负荷的预测值，
Figure FDA00031313315600000133
为联络点的最大交换功率；
步骤S3：求解不考虑电储能循环寿命的微网经济调度模型MO，得到预期的储能充放电功率曲线；预期的储能充放电功率曲线具体为
Figure FDA00031313315600000134
其中，
Figure FDA00031313315600000135
为不考虑电储能循环寿命的微网经济调度模型MO充电功率的最优决策，
Figure FDA00031313315600000136
为不考虑电储能循环寿命的微网经济调度模型MO放电功率的最优决策；
步骤S4：根据预期的储能充放电功率曲线建立线性化的储能循环损耗模型，具体包括：
S401：求解储能等效循环次数，每日的等效满循环次数为
Figure FDA0003131331560000021
其中，nd是充放电深度为d的循环次数，kP为常数，d为充放电深度；
S402：根据预期的储能充放电功率曲线以及储能等效循环次数建立循环损耗成本函数，循环损耗成本函数为：
Figure FDA0003131331560000022
其中，C为局部极值点的集合，cBS为储能的投资成本，
Figure FDA0003131331560000023
是满循环的失效次数，
Figure FDA0003131331560000024
为荷电状态曲线
Figure FDA0003131331560000025
第k个局部极值点的值；
S403：基于循环损耗成本函数建立线性化的储能循环损耗模型，所述储能循环损耗模型为：
Figure FDA0003131331560000026
其中，
Figure FDA0003131331560000027
为常数，
Figure FDA0003131331560000028
为考虑循环损耗后的储能荷电状态曲线，
Figure FDA0003131331560000029
为储能荷电状态曲线第k个局部极值点的值；
步骤S5：将线性化的储能循环损耗模型代入不考虑电储能循环寿命的微网经济调度模型MO中，得到考虑储能循环损耗成本的微网经济调度模型M1；
其中，所述考虑储能循环损耗成本的微网经济调度模型M1为：
Figure FDA0003131331560000031
Figure FDA0003131331560000032
Figure FDA0003131331560000033
Figure FDA0003131331560000034
Figure FDA0003131331560000035
Figure FDA0003131331560000036
Figure FDA0003131331560000037
Figure FDA0003131331560000038
步骤S6：求解考虑储能循环损耗成本的微网经济调度模型M1，得到考虑储能循环寿命的微网优化调度决策。
2.根据权利要求1所述的一种微网优化调度方法，其特征在于，步骤S1中电网参数包括：包括光伏发电运行参数、风电分布式发电运行参数、可调度机组运行参数、储能运行参数、微网内部负荷预测值以及现货市场的电价。
3.根据权利要求2所述的一种微网优化调度方法，其特征在于，获取可调度机组运行参数的具体步骤如下：
设微网中有NG台可调度发电机组，采用统一的等值建模方式，设发电成本为二次函数形式，公式如下：
Figure FDA0003131331560000039
其中，an，bn，cn分别为第n台机组的发电成本系数，n＝1,2,...,NG，
Figure FDA00031313315600000310
为第n台机组的发电功率，
Figure FDA00031313315600000311
满足以下约束条件，
Figure FDA00031313315600000312
Figure FDA00031313315600000313
其中
Figure FDA00031313315600000314
为第n台机组的额定功率，
Figure FDA00031313315600000315
与
Figure FDA00031313315600000316
为分别为最大向上和最大向下爬坡速率，Δt为时间间隔。
4.根据权利要求2所述的一种微网优化调度方法，其特征在于，获取储能运行参数的具体步骤如下：
设储能的初始荷电状态水平为
Figure FDA0003131331560000041
t时刻的荷电状态水平为
Figure FDA0003131331560000042
Figure FDA0003131331560000043
储能的总容量为EBS，最大充放电功率为
Figure FDA0003131331560000044
充放电转换效率分别为ηch与ηdis，储能的荷电状态变化方程为：
Figure FDA0003131331560000045
其中，
Figure FDA0003131331560000046
与
Figure FDA0003131331560000047
分别为t时刻的充电功率以及放电功率，且满足以下约束条件：
Figure FDA0003131331560000048
Figure FDA0003131331560000049
荷电状态满足以下约束条件：
Figure FDA00031313315600000410
其中，
Figure FDA00031313315600000411
与
Figure FDA00031313315600000412
分别为最大和最小荷电状态值。
5.根据权利要求2所述的一种微网优化调度方法，其特征在于，设现货市场电价为
Figure FDA00031313315600000413
当微网净负荷超过0时，按现货市场出清价格计算购电费用。
6.根据权利要求5所述的一种微网优化调度方法，其特征在于，步骤S2中，微网的系统约束条件为负荷平衡约束条件。
7.一种微网优化调度系统，其特征在于，包括电网参数获取模块、不考虑电储能循环寿命的微网经济调度模型模块、线性化的储能循环损耗模型模块以及考虑储能循环损耗成本的微网经济调度模型模块；
所述电网参数获取模块用于获取微网中的电网参数；
所述不考虑电储能循环寿命的微网经济调度模型模块用于构建不考虑电储能循环寿命的微网经济调度模型并进行求解，得到预期的储能充放电功率曲线；
其中，所述不考虑电储能循环寿命的微网经济调度模型具体为：
Figure FDA0003131331560000051
Figure FDA0003131331560000052
Figure FDA0003131331560000053
Figure FDA0003131331560000054
Figure FDA0003131331560000055
Figure FDA0003131331560000056
Figure FDA0003131331560000057
其中，
Figure FDA0003131331560000058
为发电成本，
Figure FDA0003131331560000059
为第n台机组的发电功率，
Figure FDA00031313315600000510
为风电的上网标杆电价,
Figure FDA00031313315600000511
为风电发电功率，
Figure FDA00031313315600000512
为光伏的上网标杆电价，
Figure FDA00031313315600000513
为光伏发电功率，
Figure FDA00031313315600000514
为现货市场电价，
Figure FDA00031313315600000515
为微网对主网的输入功率，
Figure FDA00031313315600000516
为微网对主网的输出功率，
Figure FDA00031313315600000517
为光伏弃光的惩罚成本，
Figure FDA00031313315600000518
为风电的预测出力，
Figure FDA00031313315600000519
为光伏的预测出力，
Figure FDA00031313315600000520
为第n台机组的额定功率，
Figure FDA00031313315600000521
为最大向下爬坡速率，
Figure FDA00031313315600000522
为最大向上爬坡速率，
Figure FDA00031313315600000523
为t时刻的荷电状态水平，ηch为充电转换效率，
Figure FDA00031313315600000524
为光伏的预测出力，EBS为储能的总容量，Δt为时间间隔，ηdis为放电转换效率，
Figure FDA00031313315600000525
为t时刻的充电功率，
Figure FDA00031313315600000526
为t时刻的放电功率，
Figure FDA00031313315600000527
为最大充放电功率，
Figure FDA00031313315600000528
为最小荷电状态值，
Figure FDA00031313315600000529
为最大荷电状态值，
Figure FDA00031313315600000530
为微网对主网的输入功率，
Figure FDA00031313315600000531
为微网对主网的输出功率，
Figure FDA00031313315600000532
为微网负荷的预测值，
Figure FDA00031313315600000533
为联络点的最大交换功率；
预期的储能充放电功率曲线具体为
Figure FDA00031313315600000534
其中，
Figure FDA00031313315600000535
为不考虑电储能循环寿命的微网经济调度模型MO充电功率的最优决策，
Figure FDA00031313315600000536
为不考虑电储能循环寿命的微网经济调度模型MO放电功率的最优决策；
所述线性化的储能循环损耗模型模块用于构建线性化的储能循环损耗模型并进行求解，所述构建线性化的储能循环损耗模型具体包括：
S401：求解储能等效循环次数，每日的等效满循环次数为
Figure FDA00031313315600000537
其中，nd是充放电深度为d的循环次数，kP为常数，d为充放电深度；
S402：根据预期的储能充放电功率曲线以及储能等效循环次数建立循环损耗成本函数，循环损耗成本函数为：
Figure FDA0003131331560000061
其中，C为局部极值点的集合，cBS为储能的投资成本，
Figure FDA0003131331560000062
是满循环的失效次数，
Figure FDA0003131331560000063
为荷电状态曲线
Figure FDA0003131331560000064
第k个局部极值点的值；
S403：基于循环损耗成本函数建立线性化的储能循环损耗模型，所述储能循环损耗模型为：
Figure FDA0003131331560000065
其中，
Figure FDA0003131331560000066
为常数，
Figure FDA0003131331560000067
为考虑循环损耗后的储能荷电状态曲线，
Figure FDA0003131331560000068
为储能荷电状态曲线第k个局部极值点的值；
所述考虑储能循环损耗成本的微网经济调度模型模块用于构建考虑储能循环损耗成本的微网经济调度模型并进行求解；
其中,所述考虑储能循环损耗成本的微网经济调度模型为：
Figure FDA0003131331560000069
Figure FDA00031313315600000610
Figure FDA00031313315600000611
Figure FDA00031313315600000612
Figure FDA00031313315600000613
Figure FDA00031313315600000614
Figure FDA00031313315600000615
Figure FDA00031313315600000616
8.一种微网优化调度设备，其特征在于，所述设备包括处理器以及存储器；
所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
所述处理器用于根据所述程序代码中的指令执行权利要求1-6任一项所述的微网优化调度方法。
CN201911184403.5A 2019-11-27 2019-11-27 一种微网优化调度方法、系统以及设备 Active CN111009895B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911184403.5A CN111009895B (zh) 2019-11-27 2019-11-27 一种微网优化调度方法、系统以及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911184403.5A CN111009895B (zh) 2019-11-27 2019-11-27 一种微网优化调度方法、系统以及设备

Publications (2)

Publication Number Publication Date
CN111009895A CN111009895A (zh) 2020-04-14
CN111009895B true CN111009895B (zh) 2022-01-11

Family

ID=70113349

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911184403.5A Active CN111009895B (zh) 2019-11-27 2019-11-27 一种微网优化调度方法、系统以及设备

Country Status (1)

Country Link
CN (1) CN111009895B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111539586B (zh) * 2020-06-05 2022-04-26 中国电力科学研究院有限公司 一种电力调度中心及辅助决策方法
CN112366757A (zh) * 2020-09-28 2021-02-12 华北电力大学 微电网能量管理调控方法和装置
CN113725913B (zh) * 2021-07-31 2024-04-09 国家电网公司华北分部 一种适应源网荷储多类型资源协同的自动功率控制方法
CN117154801B (zh) * 2023-11-01 2024-01-26 国网冀北电力有限公司 一种电网系统储能配置和出力方案确定方法和装置
CN117353306B (zh) * 2023-12-06 2024-03-22 浙江浙石油综合能源销售有限公司 一种光储充放电调度方法、系统、电子设备、存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102664401A (zh) * 2012-04-16 2012-09-12 中国电力科学研究院 一种基于电池寿命模型的微电网控制方法
CN103762611A (zh) * 2014-01-22 2014-04-30 天津大学 一种平滑微网联络线功率的方法
CN105958479A (zh) * 2016-05-24 2016-09-21 广东电网有限责任公司电力科学研究院 一种含钠硫电池的微电网能量管理优化方法
JP2018139468A (ja) * 2017-02-24 2018-09-06 株式会社日立製作所 電力需給調整力調達計画支援装置、方法、および電力需給調整力調達計画支援システム
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
CN109193772A (zh) * 2018-09-29 2019-01-11 东北大学 一种基于风光微网的储能优化配置系统及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102664401A (zh) * 2012-04-16 2012-09-12 中国电力科学研究院 一种基于电池寿命模型的微电网控制方法
CN103762611A (zh) * 2014-01-22 2014-04-30 天津大学 一种平滑微网联络线功率的方法
CN105958479A (zh) * 2016-05-24 2016-09-21 广东电网有限责任公司电力科学研究院 一种含钠硫电池的微电网能量管理优化方法
JP2018139468A (ja) * 2017-02-24 2018-09-06 株式会社日立製作所 電力需給調整力調達計画支援装置、方法、および電力需給調整力調達計画支援システム
CN109193772A (zh) * 2018-09-29 2019-01-11 东北大学 一种基于风光微网的储能优化配置系统及方法
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

Also Published As

Publication number Publication date
CN111009895A (zh) 2020-04-14

Similar Documents

Publication Publication Date Title
CN111009895B (zh) 一种微网优化调度方法、系统以及设备
Rodrigues et al. Modelling and sizing of NaS (sodium sulfur) battery energy storage system for extending wind power performance in Crete Island
CN102694391B (zh) 风光储联合发电系统日前优化调度方法
CN111200293B (zh) 基于电池损耗和分布式电网电池储能日前随机调度的方法
CN105207259B (zh) 基于能量管理的并网状态下的微电网系统调度方法
CN113326467B (zh) 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统
CN111404206A (zh) 考虑投资回报约束的风光储发电系统容量双层规划方法
CN116307087B (zh) 考虑电动汽车充放电的微电网系统储能优化配置方法和系统
CN114069678A (zh) 一种考虑储能退化成本的光储直流微电网能量调度方法
Sharma et al. Optimal energy management in microgrid including stationary and mobile storages based on minimum power loss and voltage deviation
CN114154790A (zh) 基于需量管理和柔性负荷的工业园区光储容量配置方法
CN116961008A (zh) 计及电力弹簧与负荷需求响应的微电网容量双层优化方法
CN111932025A (zh) 考虑光伏随机性的综合能源系统建设多阶段规划方法
CN116914821A (zh) 一种基于改进粒子群算法的微电网低碳优化调度方法
Han et al. Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation
CN115618616A (zh) 一种源、网、荷资源的混合储能可靠性评估模型构建方法
Yin et al. Economic and technical comparison of energy storage technologies for renewable accommodation
Siqi et al. Optimal coordinated operation for microgrid with hybrid energy storage and diesel generator
Gong et al. Economic dispatching strategy of double lead-acid battery packs considering various factors
Wu et al. Optimal Capacity Allocation of Large‐Scale Wind‐PV‐Battery Units
Zhang et al. Optimization Method of User-Side Energy Storage Capacity Considering Typical Daily Load Characteristics
Wang et al. Spatial-Temporal Power Balance Method for Active Distribution Systems Based on Time Series Operation Simulation with Source-Load-Storage Coordination
Luo et al. The dynamic multi-objective optimal dispatch of grid-connected micro grid
Liang et al. Multi-objective Optimal Configuration of Distributed Energy Storage in Distribution Network Considering Different User Characteristics
Zhang et al. Stochastic model predictive control based economic dispatch for hybrid energy system including wind and energy storage devices

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