CN111082446A

CN111082446A - 一种考虑电池自消耗的储能优化配置方法

Info

Publication number: CN111082446A
Application number: CN202010076428.XA
Authority: CN
Inventors: 龚诚; 张�诚; 谢朝晖; 张明; 赵国祥; 马天星; 顾辉; 万佑红; 张帅帅; 高山; 厉国舜
Original assignee: Jiangsu Nantong Power Generation Co Ltd; Southeast University; Nanjing University of Posts and Telecommunications
Current assignee: Jiangsu Nantong Power Generation Co Ltd; Southeast University; Nanjing University of Posts and Telecommunications
Priority date: 2020-01-23
Filing date: 2020-01-23
Publication date: 2020-04-28
Anticipated expiration: 2040-01-23
Also published as: CN111082446B

Abstract

本发明公开了一种考虑电池自消耗的储能优化配置方法，属于发电、变电或配电的技术领域。该方法：以配置储能后微网运行的年收益为上层目标函数、以系统的污染物排放量为下层目标函数，建立储能配置的双层优化模型；上层优化模型中考虑储能电池的自身电能消耗，并将电池的循环次数和储能的容量、功率配置共同作为决策变量；对上层目标函数进行优化得到功率分配方案及储能配置方案，将上层配置方案传递给下层优化模型以优化系统购电功率，将系统购电功率返回上层模型计算系统的年收益进行迭代优化直至输出储能的最优配置结果。本发明通过考虑了电池自身电能消耗和循环使用次数约束的双层优化模型得到更加符合实际运行特征的储能容量配置方案。

Description

一种考虑电池自消耗的储能优化配置方法

技术领域

本发明公开了一种考虑电池自消耗的储能优化配置方法，涉及微电网储能容量配置调度优化技术，属于发电、变电或配电的技术领域。

背景技术

随着储能产业呈现爆发式增长的趋势，电化学储能已是电力储能系统中发展最迅速的技术路线，其中，储能和现有光伏系统的融合因为能有效改善电能质量、提升经济效益而得到了广泛应用，具有良好的市场前景。在光储系统中，储能的科学合理配置是用户侧储能应用规划的重要环节。储能容量配置过多将导致系统成本升高，不能充分发挥削峰填谷作用，回收期加长，而储能容量配置过少会降低用户配置储能的经济收益，所以合理规划配置储能装置容量对光储系统的经济性和运行效果至关重要。

针对光储系统的储能配置问题，现有的方法主要从电能质量、配置成本的角度设计储能配置的目标函数，一般以电池的可用容量在整个寿命周期内保持不变为前提。然而，在实际系统运行中，随着储能电池的循环使用，电池因老化、内阻变大、性能衰退等问题会出现一定程度的容量损失。另一方面，减少气体污染物排放是微网节能减排发电调度的一个重要目标。

本发明旨在建立考虑了电池自消耗特性的双层优化模型得到系统运行经济收益和污染物排放达到综合最佳状态的储能配置方案。

发明内容

本发明的发明目的是针对上述背景技术的不足，提供了一种考虑电池自消耗的储能优化配置方法，通过建立考虑了电池自身消耗及循环使用次数的双层优化模型实现微网功率分配的得到储能容量和功率的最佳配置，解决了现有储能优化配置方案因忽略储能容量自消耗而过于理想化的技术问题。

本发明为实现上述发明目的采用如下技术方案：

一种考虑电池自消耗的储能优化配置方法，包括如下步骤：

(1)对含光伏的微网历史运行数据进行分析进而估计出光伏的典型日出力曲线和典型日负荷曲线

(2)储能配置的上层目标函数计算

系统的经济效益是用户的重点关注对象，上层优化模型将微网运行的年经济收益作为目标函数。由光伏和储能发电所节省的电费减去电网给储能的充电费用以及储能系统的投资成本得到年经济收益。其中，在上层优化模型中，将储能电池的最佳循环次数设为优化参数之一，该参数影响储能系统投资的资产折旧系数和电池本身的能量损耗大小。同时，在储能电池充放电的约束条件中引入电池的自身电量消耗。

光储系统的年收益最大化的目标函数为：

考虑了电池自身能量消耗的电池电量约束为：

S(t-1)+η·P_charge(t)-P_discharge(t)/η≤S_max-S_loss，∑P_discharge(t)/η≤16m·S_max，

其中，G是系统运行的年获利部分，

是电池的资产折旧系数，满足循环次数约束的电池最佳循环次数n影响电池资产折旧系数，在电池电量约束下确定的电池充放电量影响微网的功率分配进而影响系统运行性的年获利部分。

(3)储能配置的下层目标函数计算

考虑整个系统运行的清洁环保性，结合上下层目标函数之间的关联性，将系统运行带来的年污染物排放量作为下层目标函数：

minf＝r₁∑[P_G-load(t)+P_G-charge(t)]·E_e(t)，

其中，P_G-load(t)+P_G-charge(t)为系统购电功率，根据上层优化模型确定的微网功率分配以及微网功率流向确定的等式约束求得年污染排放量最小的系统购电功率。

(4)储能配置的双层优化求解

采用差分优化算法对上层模型进行求解得到储能的容量和功率配置、电池的最佳运行循环次数和微网的初始功率分配，传递微网初始功率分配至下层优化模型，采用内点法求解下层线性规划模型得到年污染排放量最小的系统购电功率，再反馈年污染排放量最小的系统购电功率至上层优化模型重新计算年获利部分，进行迭代优化直至满足迭代次数上限，输出储能的容量配置和功率配置、储能的最佳循环使用次数以及微网功率分配策略。采用内点法求解下层线性规划模型能够改善算法的整体收敛速度以及收敛精度。

本发明采用上述技术方案，具有以下有益效果：综合考虑了电池自身电能消耗和循环使用次数对储能容量配置的影响，通过构建双层优化模型以得到更加符合实际运行特征的储能容量配置方案，实现系统运行的年收益最大化和年污染排放量最小化。

附图说明

图1是本发明的一个应用实例中光伏发电的某典型日出力曲线。

图2是本发明的一个应用实例中某典型日负荷功率曲线图。

图3是本发明的一个应用实例中分时电价曲线图。

图4是本发明的微网功率流向图。

图5是本发明的储能双层优化配置流程图。

具体实施方式

为了使本技术领域的人员更好地理解本发明的技术方案，下面将结合本发明实施例中的附图对本发明的技术方案进行清楚、完整地描述。

在本发明实施例中，提供了一种考虑电池自消耗能量的储能双层优化配置方案，具体包括以下5个步骤。

步骤1：对含光伏的微网运行历史数据进行分析，估计出光伏的典型日出力曲线和典型日负荷曲线。

先将光伏电站和日负荷的历史年运行数据按照春、夏、秋、冬四季进行分类，结合历史天气数据再分为晴天、多云、阴天和雨(雪)天气四种情况，对16类数据分别做均值化处理，得到16个典型日的光伏出力曲线和日负荷曲线，每个典型日的时序按照0:00-23:00、单位时段为1小时来划分，某应用实例的冬季晴天场景下的典型日光伏出力P_PV(t)输出曲线如图1所示，典型日负荷P_load(t)输出曲线如图2所示。这样，可以将全年光伏出力、负荷和分时电价等数据转化为384小时的典型场景平均数据。

步骤2：确定储能配置区域所在省份的工商业用电分时电价和光伏上网补贴。

根据拟选取的储能电池的类型和型号确定电池的充放电效率、放电深度、最大循环系数、单位容量成本、单位功率成本等参数，建立储能容量配置的上层优化模型。

上层优化以光储系统的年收益最大化为目标函数：

式(1)中，G是系统运行的年获利部分，G＝∑[(P_PV-load(t)+P_discharge(t)-P_G-charge(t))·C_e(t)+P_PV-G(t)·C_s(t)]，P_PV-load(t)是t时刻光伏提供给负荷的功率，P_discharge(t)是t时刻电池的放电功率，P_G-charge(t)是t时刻从电网购电给电池充电的功率，P_PV-G(t)是t时刻光伏上网的功率，P_PV-G(t)＝P_PV(t)-P_PV-load(t)-P_PV-charge(t)，P_PV(t)是t时刻光伏输出的功率，P_PV-charge(t)是t时刻光伏供给电池的充电功率，C_e是分时电价，C_e(t)是t时刻的电价，C_s是光伏上网补贴，C_s(t)是t时刻的光伏上网补贴。S_max是储能的配置容量，P_max是储能的配置功率，C_c是储能的单位容量成本，C_p是储能的单位功率成本，d是放电深度，r₁是储能系统的实际年运行小时数，

是储能的资产折旧系数。其中，n是储能电池的实际循环使用次数，作为上层目标函数的优化参数之一；r是折现率；m是电池每天在谷充峰放模式下的充放电次数。江苏省大工业分时电价如图3所示。

上层优化目标函数的约束条件包括：(1)功率约束；(2)电池电量约束；(3)电池实际运行循环次数约束。

(1)功率约束

t时刻电池的充电功率P_charge(t)为：

P_charge(t)＝P_G-charge(t)+P_PV-charge(t) (2)，

式(2)中，P_G-charge(t)为t时刻微网供给电池的充电功率。

为了充分发挥储能的削峰填谷作用，电池工作在谷充峰放的模式，则电池的充放电功率满足式(3)：

由图4微网中的功率流向关系可得：

式(4)中，P_load(t)是t时刻的负荷功率。

(2)电池电量约束

考虑电池在运行中的本身能量损耗用Box Lucas模型描述：

S_loss＝k·d(1-βⁿ) (5)，

式(5)中，k和β为电池能量消耗系数，k＞0，0＜β＜1，由电池的类型和型号决定。

某时刻电池电量为其1个小时前的电量加上该小时内电池的充放电量，始终在电池的有效容量范围内：

S(t-1)+η·P_charge(t)-P_discharge(t)/η≤S_max-S_loss (6)，

式(6)中，η是电池的充放电效率。

且有：

∑P_discharge(t)/η≤16m·S_max (7)。(3)电池实际运行循环使用次数约束

n_min≤n≤n_max (8)，

式(8)中，n_min是电池的最小循环使用次数，n_max是电池参数标注的理想循环使用次数。

步骤3：建立储能容量配置的下层优化模型。

下层优化以光储系统的年污染物排放最小化为目标函数：

式(9)中，E_e(t)是电网在t时刻的污染物排放量(g/KWh)。

下层优化模型的约束条件包括：(1)等式约束；(2)不等式约束。

(1)等式约束

P_load(t)＝P_G-load(t)+P_PV-load(t)+P_discharge(t) (10)，

式(10)中，P_G-load(t)、P_PV-load(t)分别为t时刻微网和光伏向负载提供的功率。

(2)不等式约束

式(11)中，P_Gmax是储能接入微网前的年购电功率峰值。

步骤4：求解上层优化模型。

如图5所示，采用差分优化算法对上层目标函数进行求解，得到储能的容量和功率配置、电池的最佳运行循环次数和微网的初始功率分配，将相关功率分配值传递到下层优化模型中。

步骤5：求解下层优化模型。

对下层优化模型采用内点法求解，得到使污染物排放最小的系统购电功率，再将结果返回到上层优化模型中，重新计算储能的年收益。若迭代次数未达到限定值，返回步骤4，否则输出储能的容量配置和运行参数优化结果。

Claims

1.一种考虑电池自消耗的储能优化配置方法，其特征在于，

建立以微网系统的年收益最大化为目标函数的上层优化模型，所述上层优化模型包含储能循环使用次数约束以及考虑电池自身能量消耗的储能充放电约束；

建立以微网系统的年污染排放量最小化为目标函数且以微网系统购电功率为优化参数的下层优化模型；

以储能循环使用次数、储能的容量及功率为决策变量，在储能循环使用次数约束、考虑电池自身能量消耗的储能充放电约束下求解上层优化模型得到储能的容量配置和功率配置、储能的循环使用次数和微网初始功率分配结果，根据微网初始功率分配结果求解下层优化模型得到微网系统购电功率，根据微网系统购电功率更新上层优化模型的目标函数后进入迭代优化过程，迭代优化过程结束后，输出最佳的储能容量配置和功率配置、储能的最佳循环使用次数以及微网功率分配策略。

2.根据权利要求1所述一种考虑电池自消耗的储能优化配置方法，其特征在于，所述微网系统的年收益为微网系统发电所节省的电费减去微网给储能充电的费用以及储能系统投资成本得到的年经济收益，用于计算储能系统投资成本的储能资产折旧系数受限于储能循环使用次数。

3.根据权利要求1所述一种考虑电池自消耗的储能优化配置方法，其特征在于，建立储能循环使用次数约束的方法为将储能实际运行循环次数的有效范围作为储能循环使用次数的可行集。

4.根据权利要求1所述一种考虑电池自消耗的储能优化配置方法，其特征在于，采用Box Lucas模型描述电池自身能量消耗，S_loss＝k·d(1-βⁿ)，S_loss为电池自身消耗，k和β为电池能量消耗系数，k＞0，0＜β＜1。

5.根据权利要求2所述一种考虑电池自消耗的储能优化配置方法，其特征在于，所述微网系统的年收益最大的目标函数为：

其中，F为微网系统的年收益，G为系统运行的年获利部分，G＝∑[(P_PV-load(t)+P_discharge(t)-P_G-charge(t))·C_e(t)+P_PV-G(t)·C_s(t)]，P_PV-load(t)为t时刻光伏提供给负荷的功率，P_discharge(t)为t时刻电池的放电功率，P_G-charge(t)为t时刻从电网购电给电池充电的功率，P_PV-G(t)为t时刻光伏上网的功率，P_PV-G(t)＝P_PV(t)-P_PV-load(t)-P_PV-charge(t)，P_PV(t)为t时刻光伏输出的功率，P_PV-charge(t)为t时刻光伏供给电池的充电功率，C_e(t)为t时刻的电价，C_s(t)为t时刻的光伏上网补贴，S_max为储能的配置容量，P_max为储能的配置功率，C_c为储能的单位容量成本，C_p为储能的单位功率成本，d为放电深度，r₁为储能系统的实际年运行小时数，

为储能的资产折旧系数，n为储能的实际循环使用次数，r为折现率，m为储能每天在谷充峰放模式下的充放电次数。

6.根据权利要求4所述一种考虑电池自消耗的储能优化配置方法，其特征在于，考虑电池自身能量消耗的储能充放电约束通过构建储能电量约束实现，所述储能电量约束为：

S(t-1)+η·P_charge(t)-P_discharge(t)/η≤S_max-S_loss且∑P_discharge(t)/η≤16m·S_max，

其中，S(t-1)为t-1时刻的储能容量，η为储能的充放电效率，P_charge(t)、P_discharge(t)为t时刻的储能充电量和放电量，S_max为储能的配置容量，m为储能每天在谷充峰放模式下的充放电次数。

7.根据权利要求6所述一种考虑电池自消耗的储能优化配置方法，其特征在于，储能充放电约束包括：

P_charge(t)＝P_G-charge(t)+P_PV-charge(t)，

其中，P_G-charge(t)为t时刻微网供给电池的充电功率，P_PV-charge(t)是t时刻光伏供给电池的充电功率，C_e为分时电价，C_e(t)为t时刻的电价，P_PV-load(t)是t时刻光伏提供给负荷的功率，P_load(t)为t时刻的负荷功率，P_PV(t)为t时刻光伏输出的功率。

8.根据权利要求7所述一种考虑电池自消耗的储能优化配置方法，其特征在于，所述t时刻的负荷功率根据典型日负荷功率输出曲线确定，所述t时刻光伏输出的功率根据典型日光伏出力输出曲线确定。

9.根据权利要求5所述一种考虑电池自消耗的储能优化配置方法，其特征在于，所述以微网系统的年污染排放量最小化为目标函数为：

其中，f为微网系统年污染排放量，P_G-load(t)+P_G-charge(t)为t时刻的系统购电功率，P_G-load(t)为t时刻微网系统向负荷提供的功率，P_G-charge(t)为t时刻从微网系统购电给电池充电的功率，E_e(t)为微网系统在t时刻的污染物排放量。

10.根据权利要求9所述一种考虑电池自消耗的储能优化配置方法，其特征在于，所述下层优化模型包括：

等式约束：P_load(t)＝P_G-load(t)+P_PV-load(t)+P_discharge(t)，

不等式约束：

其中，P_load(t)为t时刻的负荷功率，P_PV-load(t)为t时刻光伏向负荷提供的功率，P_discharge(t)为t时刻的储能放电量，P_max为储能的配置功率，P_Gmax为储能接入微网前的年购电功率峰值。