CN111062532A - 一种考虑v2g的增量配电园区内电网容量配置优化方法 - Google Patents

一种考虑v2g的增量配电园区内电网容量配置优化方法 Download PDF

Info

Publication number
CN111062532A
CN111062532A CN201911287554.3A CN201911287554A CN111062532A CN 111062532 A CN111062532 A CN 111062532A CN 201911287554 A CN201911287554 A CN 201911287554A CN 111062532 A CN111062532 A CN 111062532A
Authority
CN
China
Prior art keywords
incremental
storage battery
power
formula
electric automobile
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
CN201911287554.3A
Other languages
English (en)
Inventor
郭小璇
韩帅
杨艺云
秦丽娟
吴宛潞
孙乐平
肖静
吴宁
林溪桥
张阁
黎新
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.)
Electric Power Research Institute of Guangxi Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Guangxi 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 Electric Power Research Institute of Guangxi Power Grid Co Ltd filed Critical Electric Power Research Institute of Guangxi Power Grid Co Ltd
Priority to CN201911287554.3A priority Critical patent/CN111062532A/zh
Publication of CN111062532A publication Critical patent/CN111062532A/zh
Pending legal-status Critical Current

Links

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
    • 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
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (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)
  • Entrepreneurship & Innovation (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种考虑V2G的增量配电园区内电网容量配置优化方法，涉及综合能源优化技术领域，通过分析园区内电网的运行原理，建立光伏阵列模型、风力发电模型、蓄电池的电量模型、电动汽车的充放电模型；根据建立的模型的设置V2G系统的目标函数、各设备约束条件和能源供给平衡约束条件；通过差分进化算法，对V2G系统的增量配电园区内电网的容量配置进行优化，是优化的配置能够满足系统正常运行条件下，优化调度各设备的出力，最大限度地减少运行费用，提高系统的经济效益。

Description

一种考虑V2G的增量配电园区内电网容量配置优化方法
技术领域
本发明属于综合能源优化技术领域，尤其涉及一种考虑V2G的增量配电园区内电网容量配置优化方法。
背景技术
能源是社会、经济发展的基础，关系着经济的持续和稳定发展。进入21世纪以来，人类对能源的需求急速增加。然而，化石能源日益枯竭、环境污染日益加重逐步成为全球性问题且愈发严峻。中国作为世界最大的能源消耗国和碳排放国，能源问题带来的压力尤为明显，因此，高效、清洁、环保的综合能源系统越来越受到人们的关注。
园区增量配电业务试点作为新一轮电力体制改革的重要抓手，目前国家发改委、能源局已确定3批共320个增量配电业务改革试点，第4批增量配电试点也在计划中，增量配电业务的改革进入更加务实、落地的阶段。增量配电园区的发展有利于分布式发电、储能、电动汽车充电设施等新型电源按市场资源配置原则公平接入配网，有利于综合能源服务的发展，有利于风能、光伏等清洁能源的发展和消纳。
园区中不同能源系统存在差异，相对独立，缺乏协调供能的能力，导致能源利用率低、园区内电网可靠性低等问题，因此建设并优化多能互补的园区内电网十分有意义。现阶段，很少有文献将电动汽车充放电问题与综合能源优化结合起来，但由于V2G技术能够平滑新能源发电导致的负荷波动，优化负荷峰谷差，因此将电动汽车引入增量配电园区内电网容量配置中，对考虑V2G的增量配电园区内电网容量配置进行优化，具有重大的研究意义。
发明内容
本发明的目的在于提供一种考虑V2G的增量配电园区内电网容量配置优化方法，从而克服了现有配电园区没有将电动汽车充放电问题与综合能源优化结合起来的缺点。
为实现上述目的，本发明提供了一种考虑V2G的增量配电园区内电网容量配置优化方法，包括以下步骤：
步骤1、根据光伏阵列的倾角和太阳辐射量，采用最大功率点跟踪法，对光伏阵列进行建模；
步骤2、根据风力发电机的实际风速、切入风速、切出风速、额定风速的统计数据，建立风力发电模型；
步骤3、根据t-1时刻蓄电池的状态以及t-1时刻与t时刻的蓄电池电量的供求关系，确定t时刻蓄电池的充放电状态，并建立相应的蓄电池的电量模型；
步骤4、根据电动汽车的电池容量、负荷状态、充放电功率与充放电效率，建立电动汽车的充放电模型；
步骤5、根据步骤1到步骤4建立的模型的设置V2G系统的目标函数、各设备约束条件和能源供给平衡约束条件；
步骤6、通过差分进化算法，对V2G系统的增量配电园区内电网的容量配置进行优化。
进一步的，所述步骤1中，所述光伏阵列的太阳总辐射量的Itt；根据MPPT法，得到光伏阵列的输出功率Ppv与总辐射量Itt、倾角β的计算公式为：
Ppv＝f(Itt,β) (1)
进一步的，所述步骤2中，所述风力发电模型为：
Figure BDA0002318456840000021
式(2)中，v为风力发电机轮毂高度处的风速；vci为切入风速；vco为切出风速；vr为额定风速；Pr为额定输出功率。
进一步的，所述步骤3中，t时刻蓄电池的电量模型为：
Figure BDA0002318456840000031
式(3)中，Pb(t)为t时刻蓄电池的存储能量，Pt(t)为t时刻光伏阵列和风力发电机的总可用能量，Pload(t)为t时刻的负载，z1为蓄电池每小时的自放电系数，z2为逆变器效率，z3为蓄电池充电效率。
进一步的，所述步骤4中，设定某园区内电动汽车放电时功率恒定，电动汽车放电时长计算公式为：
Figure BDA0002318456840000032
式(4)中，Bc为电动汽车的电池容量，Soc1为放电时电动汽车的负荷状态即剩余电量百分比，L为电动汽车的电池容量下限，Pa为电动汽车的放电功率，μa为电动汽车的放电效率；
电动汽车充电时长计算公式为：
Figure BDA0002318456840000033
式(5)中，Bc为电动汽车的电池容量，Soc2为充电时电动汽车的负荷状态即剩余电量百分比，Pb为充电功率，μb为电动汽车充电效率。
进一步的，所述步骤4中，充放电模型的充放电时间根据需要进行设定。
进一步的，所述步骤5中，V2G系统的综合成本考虑了初始建设成本和运行维护成本，目标函数为：
min Ctotal＝min∑(CWG+CPV+CSB+CEV) (6)
式(6)中，Ctotal为V2G系统的总成本；CWG为风力发电机的总成本,CPV为光伏阵列的总成本，CSB为蓄电池的总成本，CEV电动汽车充放电桩的总成本；
Figure BDA0002318456840000041
式(7)中，m0(PWG)、m0(PPV)、m0(PSB)、m0(PEV)分别为风力发电机、光伏矩阵、蓄电池和电动汽车充放电桩的初始建设成本，R为折现率，y为设备折旧年限，r为运行维护成本系数。
进一步的，所述步骤5中，风力发电机、光伏矩阵、蓄电池设备个数N的约束条件为：
0≤N≤Nmax (8)
式(8)中，Nmax为各设备独立供电时能够满足用户负荷Pload所需要的个数；
其中，蓄电池的电量变化约束条件为：
Figure BDA0002318456840000042
式(9)中，Pb为每小时内蓄电池电量的变化量，Pb,min为蓄电池的最小电量，Pb,max为蓄电池的最大电量，Pb,cap,max为规定的每小时内蓄电池电量的最大变化量；
电动汽车放电时的约束条件为：
BcSoct＞L (10)
式(10)中，Bc为电动汽车的电池容量，Soct为t时刻电动汽车的负荷状态即剩余电量百分比，BcSoct为t时刻电动汽车的实际电池容量，L为电动汽车的电池容量下限。
进一步的，采用MATLAB语言进行编程。
进一步的，所述步骤6，根据考虑V2G系统所需负荷量Pload，对V2G系统中风机、光伏、蓄电池的个数进行寻优，得到V2G系统最优容量配置。
与现有的技术相比，本发明具有如下有益效果：
本发明所提供的一种考虑V2G的增量配电园区内电网容量配置优化方法，通过分析园区内电网的运行原理，建立光伏阵列模型、风力发电模型、蓄电池的电量模型、电动汽车的充放电模型；根据建立的模型的设置V2G系统的目标函数、各设备约束条件和能源供给平衡约束条件；通过差分进化算法，对V2G系统的增量配电园区内电网的容量配置进行优化，是优化的配置能够满足系统正常运行条件下，优化调度各设备的出力，最大限度地减少运行费用，提高系统的经济效益。
与光伏或风能独立供电系统相比，光伏与风能互补混合供电，且加入蓄电池和电动汽车作为储能设备的园区内电网更为可靠，更能适应环境变化，可以减小新能源出力对园区内电网的负荷冲击，优化负荷峰谷差。所述的优化方法根据风能、太阳能、储能、负荷的特性，建立了风机、光伏、蓄电池以及电动汽车的集成园区内电网模型。综合模型从经济角度出发，在满足系统基本性能指标的前提下，以综合成本最低为目标，运用差分进化算法优化了考虑V2G的增量配电园区内电网中风机、光伏、蓄电池的容量配置。本发明能够快速、可靠地计算出考虑V2G的增量配电园区内电网中风机、光伏、蓄电池的最优容量配置，提高增量配电园区内电网供能经济效益。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施例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个实施例，对于本领域普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明一种考虑V2G的增量配电园区内电网容量配置优化方法的流程图。
具体实施方式
下面结合本发明实施例中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，本发明所提供的考虑V2G的增量配电园区内电网容量配置优化方法包括以下步骤：
步骤1、根据光伏阵列的倾角和太阳辐射量，采用最大功率点跟踪法，对光伏电池进行建模。光伏阵列的太阳总辐射量的Itt；根据MPPT法，得到光伏阵列的输出功率Ppv与总辐射量Itt、倾角β的计算公式为：
Ppv＝f(Itt,β) (1)。
步骤2、根据风力发电机的实际风速、切入风速、切出风速、额定风速等统计数据，建立风力发电模型；风力发电模型为：
Figure BDA0002318456840000061
式(2)中，v为风力发电机轮毂高度处的风速；vci为切入风速；vco为切出风速；vr为额定风速；Pr为额定输出功率。
步骤3、根据t-1时刻蓄电池的状态以及t-1时刻与t时刻的蓄电池电量的供求关系，确定t时刻蓄电池的充放电状态，并建立相应的蓄电池的电量模型；t时刻蓄电池的电量模型为：
Figure BDA0002318456840000071
式(3)中，Pb(t)为t时刻蓄电池的存储能量，Pt(t)为t时刻光伏阵列和风力发电机的总可用能量，Pload(t)为t时刻的负载，z1为蓄电池每小时的自放电系数，z2为逆变器效率，z3为蓄电池充电效率。
步骤4、根据电动汽车的电池容量、负荷状态、充放电功率与充放电效率，建立电动汽车的充放电模型，制定充放电策略。设定某园区内电动汽车放电时功率恒定，电动汽车放电时长计算公式为：
Figure BDA0002318456840000072
式(4)中，Bc为电动汽车的电池容量(kW·h)，Soc1为放电时电动汽车的负荷状态即剩余电量百分比，L为电动汽车的电池容量下限(kW·h)，Pa为电动汽车的放电功率，μa为电动汽车的放电效率；
电动汽车充电时长计算公式为：
Figure BDA0002318456840000073
式(5)中，Bc为电动汽车的电池容量(kW·h)，Soc2为充电时电动汽车的负荷状态即剩余电量百分比，Pb为充电功率，μb为电动汽车充电效率。
充放电策略为：根据晚用电高峰时段设定电动汽车参与充放电时段。设定电动汽车放电时段为用电峰时段：18:00-23:00，设定电动汽车充电时段为用电谷时段：23:00-08:00。设定充放电桩从18:00开启电动汽车放电模式，无论23:00电动汽车是否放电至电池容量下限，在23:00都直接转为充电模式。充放电策略可以根据需要进行设定，并不局限于上述说明。
步骤5、考虑增量配电园区内电网的经济性，根据步骤1到步骤4建立的模型的设置V2G系统的目标函数、各设备约束条件和能源供给平衡约束条件；以降低考虑V2G的增量配电园区内电网的综合成本。
V2G系统的综合成本考虑了初始建设成本和运行维护成本，目标函数为：
min Ctotal＝min∑(CWG+CPV+CSB+CEV) (6)
式(6)中，Ctotal为V2G系统的总成本；CWG为风力发电机的总成本,CPV为光伏阵列的总成本，CSB为蓄电池的总成本，CEV电动汽车充放电桩的总成本；
Figure BDA0002318456840000081
式(7)中，m0(PWG)、m0(PPV)、m0(PSB)、m0(PEV)分别为风力发电机、光伏矩阵、蓄电池和电动汽车充放电桩的初始建设成本，R为折现率，y为设备折旧年限，r为运行维护成本系数。
本发明面向孤岛运行系统，即在一个增量配电园区内形成一个单独的供用电系统，该系统内电能自给自足。因此不需要考虑与大电网的交易，即运行成本不考虑蓄电池、电动汽车充放电的电价。
风力发电机、光伏矩阵、蓄电池设备个数N的约束条件为：
0≤N≤Nmax (8)
式(8)中，Nmax为各设备独立供电时能够满足用户负荷Pload所需要的个数；
其中，蓄电池的电量变化约束条件为：
Figure BDA0002318456840000091
式(9)中，Pb为每小时内蓄电池电量的变化量，Pb,min为蓄电池的最小电量，Pb,max为蓄电池的最大电量，Pb,cap,max为规定的每小时内蓄电池电量的最大变化量；
由于电动汽车在V2G过程中不能过度放电，电动汽车放电时的约束条件为：
BcSoct＞L (10)
式(10)中，Bc为电动汽车的电池容量(kW·h)，Soct为t时刻电动汽车的负荷状态即剩余电量百分比，BcSoct为t时刻电动汽车的实际电池容量，L为电动汽车的电池容量下限。
步骤6、通过差分进化算法，对V2G系统的增量配电园区内电网的容量配置进行优化，得到V2G系统中风机、光伏、蓄电池的最优个数，即考虑V2G系统的综合成本，根据V2G系统所需负荷量Pload，对V2G系统中风机、光伏、蓄电池的个数进行寻优，得到V2G系统最优容量配置。
对本发明考虑V2G的增量配电园区内电网容量配置优化方法的操作方法进行详细说明，以使本领域技术人员更了解本发明：
采用MATLAB语言编程实现，以某夏季典型日为例分析，包括以下步骤：
步骤1、光伏阵列的倾角取23°，某夏季典型日以小时为单位的太阳总辐射量，代入式(1)进行计算，得到的以小时为单位的太阳总辐射量(即光伏阵列的输出功率)如表1所示；
表1以小时为单位的太阳总辐射量(W)表
Figure BDA0002318456840000101
步骤2、实际的风机额定功率为1500kW，风机切入风速为3m/s，风机切出风速为25m/s，风机额定风速为12m/s，某夏季典型日以小时为单位的风机实际风速，代入风力发电模型式(2)得到的数据如表2所示；
表2以小时为单位的风机实际风速(m/s)表
Figure BDA0002318456840000102
步骤3、以z1＝0.0001，z2＝0.99，z3＝0.85，z1、z2、z3分别为蓄电池每小时的自放电系数、逆变器效率和蓄电池充电效率，代入根据t时刻蓄电池的电量模型(式(3))；
步骤4、电动汽车数量为300辆；电动汽车充放电桩数量为150个；电池容量为24kW·h；电池容量下限为4.8kW·h；充电功率为3kW；放电功率为2kW；充放电效率均为75％；负荷状态即剩余电量可直接读取，参与放电前的电动汽车Soc1平均值为50％，参与充电前的电动汽车Soc2平均值为25％，由此根据式(4)和式(5)计算电动汽车平均放电时长为：
Figure BDA0002318456840000103
电动汽车平均充电时长为：
Figure BDA0002318456840000111
充放电策略：根据晚用电高峰时段设定电动汽车参与充放电时段。设定电动汽车放电时段为用电峰时段：18:00-23:00，设定电动汽车充电时段为用电谷时段：23:00-08:00。设定充放电桩从18:00开启电动汽车放电模式，无论23:00电动汽车是否放电至电池容量下限，在23:00都直接转为充电模式。
步骤5、以R＝0.06，y＝20，r＝0.015，R为折现率，y为设备折旧年限，r为运行维护成本系数；风机单位建设成本为900万元，光伏电池单位建设成本为0.45万元，蓄电池单位建设成本为1.6万元，电动汽车充放电桩单位建设成本为20万元，带入式(6)、式(7)计算；
步骤6、本实例中某夏季典型日的系统所需负荷量Pload如表3所示；
表3以小时为单位的系统所需负荷量Pload(kW)表
Figure BDA0002318456840000112
根据本实例中的电动汽车数量，得到考虑V2G情况下的系统最优容量配置结果如表4所示，
表4系统最优容量配置结果(单位：个数)
Figure BDA0002318456840000113
综上，本发明一种考虑V2G的增量配电园区内电网容量配置优化方法，通过分析园区内电网的运行原理建立相应设备的数学模型，满足系统正常运行条件下，优化调度各设备的出力，最大限度地减少运行费用，提高系统的经济效益。
以上所揭露的仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或变型，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种考虑V2G的增量配电园区内电网容量配置优化方法，其特征在于：包括以下步骤：
步骤1、根据光伏阵列的倾角和太阳辐射量，采用最大功率点跟踪法，对光伏阵列进行建模；
步骤2、根据风力发电机的实际风速、切入风速、切出风速、额定风速的统计数据，建立风力发电模型；
步骤3、根据t-1时刻蓄电池的状态以及t-1时刻与t时刻蓄电池电量的供求关系，确定t时刻蓄电池的充放电状态，并建立相应的蓄电池的电量模型；
步骤4、根据电动汽车的电池容量、负荷状态、充放电功率与充放电效率，建立电动汽车的充放电模型；
步骤5、根据步骤1到步骤4建立的模型的设置V2G系统的目标函数、各设备约束条件和能源供给平衡约束条件；
步骤6、通过差分进化算法，对V2G系统的增量配电园区内电网的容量配置进行优化。
2.根据权利要求1所述的考虑V2G的增量配电园区内电网容量配置优化方法，其特征在于：所述步骤1中，所述光伏阵列的太阳总辐射量的Itt；根据MPPT法，得到光伏阵列的输出功率Ppv与总辐射量Itt、倾角β的计算公式为：
Ppv＝f(Itt,β) (1)。
3.根据权利要求1所述的考虑V2G的增量配电园区内电网容量配置优化方法，其特征在于：所述步骤2中，所述风力发电模型为：
Figure FDA0002318456830000021
式(2)中，v为风力发电机轮毂高度处的风速；vci为切入风速；vco为切出风速；vr为额定风速；Pr为额定输出功率。
4.根据权利要求1所述的考虑V2G的增量配电园区内电网容量配置优化方法，其特征在于：所述步骤3中，t时刻蓄电池的电量模型为：
Figure FDA0002318456830000022
式(3)中，Pb(t)为t时刻蓄电池的存储能量，Pt(t)为t时刻光伏阵列和风力发电机的总可用能量，Pload(t)为t时刻的负载，z1为蓄电池每小时的自放电系数，z2为逆变器效率，z3为蓄电池充电效率。
5.根据权利要求1所述的考虑V2G的增量配电园区内电网容量配置优化方法，其特征在于：所述步骤4中，设定某园区内电动汽车放电时功率恒定，电动汽车放电时长计算公式为：
Figure FDA0002318456830000023
式(4)中，Bc为电动汽车的电池容量，Soc1为放电时电动汽车的负荷状态即剩余电量百分比，L为电动汽车的电池容量下限，Pa为电动汽车的放电功率，μa为电动汽车的放电效率；
电动汽车充电时长计算公式为：
Figure FDA0002318456830000024
式(5)中，Bc为电动汽车的电池容量，Soc2为充电时电动汽车的负荷状态即剩余电量百分比，Pb为充电功率，μb为电动汽车充电效率。
6.根据权利要求1所述的考虑V2G的增量配电园区内电网容量配置优化方法，其特征在于：所述步骤4中，充放电模型的充放电时间根据需要进行设定。
7.根据权利要求1所述的考虑V2G的增量配电园区内电网容量配置优化方法，其特征在于：所述步骤5中，V2G系统的综合成本考虑了初始建设成本和运行维护成本，目标函数为：
min Ctotal＝min∑(CWG+CPV+CSB+CEV) (6)
式(6)中，Ctotal为V2G系统的总成本；CWG为风力发电机的总成本,CPV为光伏阵列的总成本，CSB为蓄电池的总成本，CEV电动汽车充放电桩的总成本；
Figure FDA0002318456830000031
式(7)中，m0(PWG)、m0(PPV)、m0(PSB)、m0(PEV)分别为风力发电机、光伏矩阵、蓄电池和电动汽车充放电桩的初始建设成本，R为折现率，y为设备折旧年限，r为运行维护成本系数。
8.根据权利要求1所述的考虑V2G的增量配电园区内电网容量配置优化方法，其特征在于：所述步骤5中，风力发电机、光伏矩阵、蓄电池设备个数N的约束条件为：
0≤N≤Nmax (8)
式(8)中，Nmax为各设备独立供电时能够满足用户负荷Pload所需要的个数；
其中，蓄电池的电量变化约束条件为：
Figure FDA0002318456830000041
式(9)中，Pb为每小时内蓄电池电量的变化量，Pb,min为蓄电池的最小电量，Pb,max为蓄电池的最大电量，Pb,cap,max为规定的每小时内蓄电池电量的最大变化量；
电动汽车放电时的约束条件为：
BcSoct＞L (10)
式(10)中，Bc为电动汽车的电池容量，Soct为t时刻电动汽车的负荷状态即剩余电量百分比，BcSoct为t时刻电动汽车的实际电池容量，L为电动汽车的电池容量下限。
9.根据权利要求1所述的考虑V2G的增量配电园区内电网容量配置优化方法，其特征在于：采用MATLAB语言进行编程。
10.根据权利要求1所述的考虑V2G的增量配电园区内电网容量配置优化方法，其特征在于：所述步骤6，根据考虑V2G系统所需负荷量Pload，对V2G系统中风机、光伏、蓄电池的个数进行寻优，得到V2G系统最优容量配置。
CN201911287554.3A 2019-12-14 2019-12-14 一种考虑v2g的增量配电园区内电网容量配置优化方法 Pending CN111062532A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911287554.3A CN111062532A (zh) 2019-12-14 2019-12-14 一种考虑v2g的增量配电园区内电网容量配置优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911287554.3A CN111062532A (zh) 2019-12-14 2019-12-14 一种考虑v2g的增量配电园区内电网容量配置优化方法

Publications (1)

Publication Number Publication Date
CN111062532A true CN111062532A (zh) 2020-04-24

Family

ID=70301658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911287554.3A Pending CN111062532A (zh) 2019-12-14 2019-12-14 一种考虑v2g的增量配电园区内电网容量配置优化方法

Country Status (1)

Country Link
CN (1) CN111062532A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113673779A (zh) * 2021-08-30 2021-11-19 西安建筑科技大学 一种农村家庭新能源系统优化配置方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108537409A (zh) * 2018-03-15 2018-09-14 广东电网有限责任公司电网规划研究中心 一种考虑多能源耦合特性的工业园区配电网协同规划方法
CN110277781A (zh) * 2019-03-26 2019-09-24 国网浙江省电力有限公司嘉兴供电公司 一种含光储充园区电网的电力系统经济调度方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108537409A (zh) * 2018-03-15 2018-09-14 广东电网有限责任公司电网规划研究中心 一种考虑多能源耦合特性的工业园区配电网协同规划方法
CN110277781A (zh) * 2019-03-26 2019-09-24 国网浙江省电力有限公司嘉兴供电公司 一种含光储充园区电网的电力系统经济调度方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
孙乐平: "增量配电放开背景下基于合作博弈的多主体投资比例优化策略", 《电网技术》 *
张宏伟: "基于V2G的含充放电站的并网微网配置与运行优化", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *
李佳颖: "共享电动汽车的充放电协调控制", 《电力系统及其自动化学报》 *
金东: "储能电池在风光互补发电系统中的容量配置分析", 《能源研究与信息》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113673779A (zh) * 2021-08-30 2021-11-19 西安建筑科技大学 一种农村家庭新能源系统优化配置方法
CN113673779B (zh) * 2021-08-30 2024-04-30 西安建筑科技大学 一种农村家庭新能源系统优化配置方法

Similar Documents

Publication Publication Date Title
CN110188950A (zh) 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法
CN109217290B (zh) 计及电动汽车充放电的微网能量优化管理方法
CN111626527B (zh) 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法
CN110633854A (zh) 一种考虑储能电池多重分段服务全生命周期优化规划方法
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
CN110635514B (zh) 一种并网型微网优化配置方法
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
Nayak et al. Technoeconomic analysis of a grid-connected PV and battery energy storagesystem considering time of use pricing
CN110783959A (zh) 一种新能源发电系统的稳定状态控制系统
CN111762057B (zh) 一种区域微网中v2g电动汽车智能充放电管理方法
CN115173453A (zh) 一种储能辅助电网调峰的优化配置方法
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
Meiqin et al. Economic analysis of the microgrid with multi-energy and electric vehicles
CN116061742B (zh) 一种分时电价光伏园区内电动汽车的充电控制方法和系统
Chen et al. Sizing of energy storage system for microgrids
CN118412929A (zh) 一种考虑调度响应能力的虚拟电厂运行控制方法
CN110768303A (zh) 一种海岛型能源系统设备容量的优化配置方法
CN114725930A (zh) 一种自适应电力系统调度方法及装置
CN114611957A (zh) 一种用于供需预测偏差二次修正储能能量管理算法
CN112260274A (zh) 一种基于全景理论的虚拟电厂组建方法
CN111062532A (zh) 一种考虑v2g的增量配电园区内电网容量配置优化方法
CN114884133B (zh) 一种计及电动汽车的微电网经济调度优化方法及系统
CN116362400A (zh) 一种基于光储系统配置的大工业用户电费优化方法
Ran et al. Economic dispatch of off-grid photovoltaic generation system with hybrid energy storage
CN116131303A (zh) 基于蓄能-储能-光伏电池的综合能源系统协同优化方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200424