CN111144640A - 储能站优化配置方法及终端设备 - Google Patents
储能站优化配置方法及终端设备 Download PDFInfo
- Publication number
- CN111144640A CN111144640A CN201911346110.2A CN201911346110A CN111144640A CN 111144640 A CN111144640 A CN 111144640A CN 201911346110 A CN201911346110 A CN 201911346110A CN 111144640 A CN111144640 A CN 111144640A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- power
- storage station
- ess
- power supply
- 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.)
- Granted
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 233
- 238000000034 method Methods 0.000 title claims abstract description 46
- 230000008901 benefit Effects 0.000 claims abstract description 13
- 239000002245 particle Substances 0.000 claims description 66
- 230000006870 function Effects 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims description 19
- 238000007599 discharging Methods 0.000 claims description 14
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000010977 unit operation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
Abstract
本发明适用于智能配电网技术领域,提供了一种储能站优化配置方法,包括:获取分布式电源出力参数及负荷参数,并根据分布式电源出力参数及负荷参数确定供电区域的至少一个典型运行场景;建立以经济效益最大化为目标的目标函数以及与目标函数对应的约束条件;根据目标函数及约束条件确定各个典型运行场景分别对应的储能站容量及储能站功率,并根据各个典型运行场景分别对应的储能站容量及储能站功率确定目标储能站容量及目标储能站功率。本发明以经济效益最大为目标函数,以供电区域自律为约束条件计算得到储能站的合理容量及功率,储能站参与功率平衡,用最少的投资使得供电区域对外呈现较好的自律及友好特性。
Description
技术领域
本发明属于智能配电网技术领域,尤其涉及一种储能站优化配置方法及终端设备。
背景技术
随着能源利用技术的发展,参考图1,多站融合技术将变电站、储能站、充电站、边缘数据中心等资源进行汇集,通过分布式发电站、储能站的建设优化供电区域分布式能源配置、提升数据感知与运算效率,实现分布式发电就近消纳,是解决配电网用电供需平衡、新能源消纳及配电网安全高效运行的有效手段,得到广泛应用。
但由于供电区域DG(distributed generation,分布式电源)出力、负荷用电的波动将导致供电区域对外呈现高度不确定性,如何合理对储能站的容量及功率进行配置,使用最少的投资使供电区域功率平衡,对外呈现自律及友好特性成为亟待解决的问题。
发明内容
有鉴于此,本发明实施例提供了一种储能站的优化配置方法及终端设备,以解决现有技术中没有有效的方法对储能站的容量及功率进行合理配置,使得供电区域对外呈现自律及友好性的问题。
本发明实施例的第一方面提供了一种储能站优化配置方法,包括:
获取分布式电源出力参数及负荷参数,并根据分布式电源出力参数及负荷参数确定供电区域的至少一个典型运行场景;
建立以经济效益最大化为目标的目标函数以及与目标函数对应的约束条件;其中,约束条件包括:功率平衡约束、储能站容量及功率约束、储能站运行约束和供电区域自律约束;
根据目标函数及约束条件确定各个典型运行场景分别对应的储能站容量及储能站功率,并根据各个典型运行场景分别对应的储能站容量及储能站功率确定目标储能站容量及目标储能站功率。
本发明实施例的第二方面提供了一种终端设备,包括:存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如本发明实施例第一方面提供的储能站优化配置方法的步骤。
本发明实施例的第三方面提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如本发明实施例第一方面提供的储能站优化配置方法的步骤。
本发明实施例提供了一种储能站优化配置方法,包括:获取分布式电源出力参数及负荷参数,并根据分布式电源出力参数及负荷参数确定供电区域的至少一个典型运行场景;建立以经济效益最大化为目标的目标函数以及与目标函数对应的约束条件;约束条件包括:功率平衡约束、储能站容量及功率约束、储能站运行约束及供电区域自律约束;其中,功率平衡约束保证供电区域功率平衡,供电区域自律约束保证供电区域自律运行。根据目标函数及约束条件确定各个典型运行场景分别对应的储能站容量及储能站功率,并根据各个典型运行场景分别对应的储能站容量及储能站功率确定目标储能站容量及目标储能站功率。设置多个典型运行场景,使得计算得到的目标储能站容量及目标储能站功率可以满足多种运行场景的需求。本发明以经济效益最大为目标函数,以供电区域自律为约束条件分别计算得到不能典型运行场景下的储能站的合理容量及功率,进而得到目标储能站容量及目标储能站功率,采用目标储能站容量及目标储能站功率对储能站进行合理配置,使得储能站参与功率平衡,供电区域在全时段对外呈现较好的自律及有好特性。同时节约了投资资金,避免了资源浪费,对储能站的配置具有指导意义。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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他的附图。
图1是本发明实施例提供的一种多站融合供电区域运作模式示意图;
图2是本发明实施例提供的一种储能站优化配置方法的实现流程示意图;
图3是本发明实施例提供的一种供电区域自律调控策略的示意图;
图4是本发明实施例提供的一种储能站优化配置装置的示意图;
图5是本发明实施例提供的一种终端设备的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明的技术方案,下面通过具体实施例来进行说明。
参考图2,本发明实施例提供了一种储能站优化配置方法,包括:
步骤S101:获取分布式电源出力参数及负荷参数,并根据分布式电源出力参数及负荷参数确定供电区域的至少一个典型运行场景。
本发明实施例以供电区域每天24小时的运行数据为例进行说明。在一天中的不同时刻,供电区域的运行状态不断变化,不同时段负荷需求及分布式电源出力状况均不同,供电区域的运行场景不同,不同运行场景下的储能站容量及储能站功率需求也不同,因此,根据分布式电源出力参数及负荷参数确定供电区域的至少一个典型运行场景,分别对不同典型运行场景下的储能站容量及储能站功率进行分析,使得计算得到的储能站容量及储能站功率可以满足一天中各种运行场景的需求。
一些实施例中,根据分布式电源出力参数及负荷参数确定供电区域的至少一个典型运行场景,包括:
根据分布式电源出力参数及负荷参数,得到供电区域的多个初始运行场景;
对多个初始运行场景进行筛选,得到至少一个典型运行场景。
由于一天中包含大量的运行场景,计算量较大,同时这些大量的运行场景对应的储能站容量及储能站功率中有些运行场景下的储能站容量及储能站功率可能会满足其他部分运行场景对应的储能站的需求,造成重复计算,带来了计算资源的浪费,降低了计算效率。因此,本发明实施例中根据分布式电源出力参数及负荷参数采用不确定集合得到供电区域的多个初始运行场景,再对多个初始运行场景进行筛选,例如可以采用鲁棒优化联合端点场景筛选法对多个初始运行场景进行筛选得到可以覆盖多个初始运行场景的至少一个典型运行场景。
一些实施例中,多个初始运行场景为:
其中,PDG,n,t为第n个分布式电源接入节点在第t个小时的功率,PL,l,t为第l个负荷接入节点在第t个小时的功率;为第n个分布式电源接入节点在第t个小时的平均功率,为第l个负荷接入节点在第t个小时的平均功率;为第n个分布式电源接入节点在第t个小时的功率相对于平均功率的最大波动值,为第l个负荷接入节点在第t个小时的功率相对于平均功率的最大波动值,n=1,2,…,m1,m1为分布式电源接入节点的数量;l=1,2,…,m2,m2为负荷接入节点的数量;t=1,2,…,24;ΓDG为分布式电源出力不确定集合保守裕度调节参数,ΓLoad为负荷不确定集合保守裕度调节参数。其中ΓDG和ΓLoad的值越大,则包含越多不确定波动极值,表明方案越保守。可通过统计历史每天各时段光照、风速及负荷曲线等方式获得;和可根据历史预测偏差由规划人员设定。
分布式电源出力参数可以包括:第n个分布式电源接入节点在第t个小时的功率PDG,n,t、第n个分布式电源接入节点在第t个小时的平均功率第n个分布式电源接入节点在第t个小时的功率相对于平均功率的最大波动值及分布式电源出力不确定集合保守裕度调节参数ΓDG。
负荷参数可以包括:第l个负荷接入节点在第t个小时的功率PL,l,t、第l个负荷接入节点在第t个小时的平均功率第l个负荷接入节点在第t个小时的功率相对于平均功率的最大波动值及负荷不确定集合保守裕度调节参数ΓLoad。
至少一个典型运行场景为:
分布式电源接入节点在第t个小时的功率PDG,n,t均选取该时段的分布式电源接入节点的功率上下限值,筛选出极端恶劣场景,在极端恶劣场景下计算得到的储能站容量和储能站功率可以满足其他应用场景的需求。且根据上述方法计算得到的典型运行场景的数量合理,在保证计算结果准确的基础上大大缩减了计算量,提高了计算效率。特定时段的分布式电源接入节点的功率上下限值可根据历史数据或预测得到。
步骤S102:建立以经济效益最大化为目标的目标函数以及与目标函数对应的约束条件;其中,约束条件包括:功率平衡约束、储能站容量及功率约束、储能站运行约束和供电区域自律约束。
供电区域通过调控储能站参与系统调峰及备用等自律控制过程,一方面建设储能站会产生投资及运维成本;另一方面储能站参与调峰、为主网提供备用机辅助服务可获得相关收益。本发明实施例以期储能站在正常运行时参与调峰及自律控制过程中,保证供电区域功率平衡,对外呈现较好的自律及友好型,同时经济效益最大化。因此,以经济效益最大化建立目标函数,功率平衡约束保证了供电区域的功率平衡,储能站容量及功率约束保证储能站容量在最大额定容量以内且储能站功率在最大额定功率以内,储能站运行约束保证储能站正常运行,供电区域自律约束保证供电区域自律运行,对外呈现较好的自律及友好性。
一些实施例中,目标函数f为:
f=max[Rbase+Rwatt+Ras+Rgov-C1-C2]
C1=CEEESS+CPPESS
其中,Rbase为基本电费收益,Rwatt为电度电费收益,Ras为区域外辅助服务收益,Rgov为政府补贴收益,C1为储能站投资成本,C2为储能站运维成本;PG.j为供电区域第j个月向电网公司上报的最大功率需求,PG.peak.t为第t个小时调峰后功率,Ybase供电区域上报的最大功率需缴纳的费用;PESS.t为第t个小时储能站的充放电功率,Ywatt.t第t个小时电网公司根据供电区域实际用电量而收取的费用;PG.t为第t个小时主网对供电区域功率特性需求,Yas.t为电网公司在第t个小时提供的辅助服务补贴电价;ΔSESS.y为第y年高峰负荷储能站削减量,Ygov为削减单位功率高峰负荷而补贴的金额;CE为储能站单位容量投资成本;EESS为储能站的容量;CP为储能站单位功率成本;PESS为储能站的功率;CM.y为第y年储能站的单位运维成本,ΔPESS.y为第y年储能站的运行功率;dr为贴现率,ir为通货膨胀率,y=1,2,…,N,N为储能站使用寿命,j=1,2,…,12,t=1,2,…,24。
一些实施例中,功率平衡约束为:
ΔPD.t=PDG.t-PL.t-PG.t=PESS.t
其中,PDG.t为第t个小时主网对供电区域功率特性需求;PL.t为t个小时的负荷功率,PG.t为第t个小时供电区域与主网的交互功率,PESS.t为第t个小时储能站的充放电功率;ΔPD.t为第t个小时供电区域的不平衡功率;
PG.t>0,表示功率方向由供电区域到主网。若ΔPD.t>0,则表示供电区域内功率富裕;若ΔPD.t<0,则表示供电区域内功率缺额;ΔPD.t=0表示功率平衡。
储能站容量及功率约束为:
EESS≤Er ESS.max
PESS≤Pr ESS.max
其中,EESS为储能站的容量,PESS为储能站的功率,Er ESS.max为储能站最大额定容量、Pr ESS.max为储能站最大额定功率;
储能站运行约束为:
Socmin≤Soc(t)≤Socmax
Soc(0)=Soc(24)
-PESS≤PESS.t≤PESS
其中,Soc(t)为储能站第t个小时的储能荷电状态;EESS为储能站的容量,ηch为充电效率,ηdis为放电效率;PESS.ch.t为第t个小时储能站的充电功率,PESS.dis.t为第t个小时储能站的放电功率;Socmin为最小储能荷电状态,Socmax为最大储能荷电状态;PESS为储能站的功率,PESS.t为第t个小时储能站的充放电功率;当储能站充电时,PESS.t=PESS.ch.t;当储能站放电时,PESS.t=PESS.dis.t。
当Soc(t)>0,表示储能可放电;Soc(t)≤0,表示储能需充电。根据供电区域不平衡功率状态,确定储能站充放电状态。根据以上可制定供电区域自律调控策略,参考图3,当ΔPD.t>0,储能站充电,且充电功率需满足功率平衡约束;当ΔPD.t<0,且Soc(t)>0,则储能站放电,且放电功率满足功率平衡约束;当ΔPD.t<0,且Soc(t)≤0,则储能站无动作。
供电区域自律约束为:
PG.t≤γPL.max
±ΔPG.t=±ΔPESS.t
hESS.t≥ε
Pas.t=PG.t
其中,PG.t为第t个小时主网对供电区域功率特性需求,PL.max为供电区域全年最高负荷功率,γ为电网公司设定的调峰率;为第t个小时供电区域与主网交互功率曲线峰值、为第t个小时供电区域与主网交互功率曲线谷值,δ为峰谷差值裕度;ΔPG.t为第t小时供电区域可调节备用容量裕度,ΔPESS.t为第t小时储能站充放电功率的可调裕度,hESS.t为储能站充放电响应时间,ε为响应速率;Pas.t为第t个小时主网辅助服务需求功率。
步骤S103:根据目标函数及约束条件确定各个典型运行场景分别对应的储能站容量及储能站功率,并根据各个典型运行场景分别对应的储能站容量及储能站功率确定目标储能站容量及目标储能站功率。
目标储能站容量及目标储能站功率即为优化配置得到的储能站的容量及储能站的功率,可采用上述目标储能站容量及目标储能站功率对储能站进行配置,使得储能站参与自律控制,对外呈现自律及友好特性。
一些实施例中,根据目标函数及约束条件确定各个典型运行场景分别对应的储能站容量及储能站功率,包括:
根据目标函数及约束条件,采用粒子群算法确定各个典型运行场景分别对应的储能站容量及储能站功率。
一些实施例中,根据目标函数及约束条件,采用粒子群算法确定各个典型运行场景分别对应的储能站容量及储能站功率,包括:
根据第一典型运行场景、目标函数及约束条件初始化粒子种群,生成父代粒子群;其中,第一典型运行场景为至少一个典型运行场景中的任意一个典型运行场景;
计算父代粒子群中各个粒子的适应度;
选取父代粒子群中目标粒子的适应度和目标粒子的个体最优位置的适应度中的较大值作为目标粒子的个体极值;目标粒子为父代粒子群中的任意一个粒子;
选取父代粒子群中各个粒子的适应度和父代粒子群的群体最优位置的适应度中的最大值作为父代粒子群的局部极值;
根据个体极值及局部极值生成子代粒子群,并将子代粒子群作为下一次迭代的父代粒子群;
若迭代次数达到预设的最大迭代次数,则输出第一典型运行场景对应的储能站容量及储能站功率;
若迭代次数未达到预设的最大迭代次数,则重复执行计算父代粒子群中各个粒子的适应度的步骤。
一些实施例中,根据各个典型运行场景分别对应的储能站容量及储能站功率确定目标储能站容量及目标储能站功率,包括:
选取各个典型运行场景分别对应的储能站容量中最大的储能站容量为目标储能站容量,最大的储能站容量对应的储能站功率为目标储能站功率。
本发明实施例提供了一种储能站优化配置方法,以经济效益最大为目标函数,以供电区域自律为约束条件分别计算得到不能典型运行场景下的储能站的合理容量及功率。设置多个典型运行场景,使得计算得到的目标储能站容量及目标储能站功率可以满足多种运行场景的需求。采用目标储能站容量及目标储能站功率对储能站进行配置,使得储能站参与功率平衡,在经济效益最大的前提下供电区域在全时段对外呈现较好的自律及有好特性。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
参考图4,本发明一实施例提供了一种储能站优化配置装置,可以包括:
场景建立模块31,用于获取分布式电源出力参数及负荷参数,并根据分布式电源出力参数及负荷参数确定供电区域的至少一个典型运行场景;
目标函数建立模块32,用于建立以经济效益最大化为目标的目标函数以及与目标函数对应的约束条件;其中,约束条件包括:功率平衡约束、储能站容量及功率约束、储能站运行约束和供电区域自律约束;
结果输出模块33,用于根据目标函数及约束条件确定各个典型运行场景分别对应的储能站容量及储能站功率,并根据各个典型运行场景分别对应的储能站容量及储能站功率确定目标储能站容量及目标储能站功率。
一些实施例中,场景建立模块31可以包括:
第一场景确定单元,用于根据分布式电源出力参数及负荷参数,得到供电区域的多个初始运行场景;
第二场景确定单元,用于对多个初始运行场景进行筛选,得到至少一个典型运行场景。
一些实施例中,多个初始运行场景为:
其中,PDG,n,t为第n个分布式电源接入节点在第t个小时的功率,PL,l,t为第l个负荷接入节点在第t个小时的功率;为第n个分布式电源接入节点在第t个小时的平均功率,为第l个负荷接入节点在第t个小时的平均功率;为第n个分布式电源接入节点在第t个小时的功率相对于平均功率的最大波动值,为第l个负荷接入节点在第t个小时的功率相对于平均功率的最大波动值,n=1,2,…,m1,m1为分布式电源接入节点的数量;l=1,2,…,m2,m2为负荷接入节点的数量;t=1,2,…,24。ΓDG为分布式电源出力不确定集合保守裕度调节参数,ΓLoad为负荷不确定集合保守裕度调节参数。
至少一个典型运行场景可以为:
一些实施例中,结果输出模块33可以包括:
储能站容量及储能站功率确定单元331,用于根据目标函数及约束条件,采用粒子群算法确定各个典型运行场景分别对应的储能站容量及储能站功率。
一些实施例中,储能站容量及储能站功率确定单元331可以包括:
初始化子单元,用于根据第一典型运行场景、目标函数及约束条件初始化粒子种群,生成父代粒子群;其中,第一典型运行场景为至少一个典型运行场景中的任意一个典型运行场景;
适应度确定子单元,用于计算父代粒子群中各个粒子的适应度;
个体极值确定子单元,用于选取父代粒子群中目标粒子的适应度和目标粒子的个体最优位置的适应度中的较大值作为目标粒子的个体极值;目标粒子为父代粒子群中的任意一个粒子;
局部极值确定子单元,用于选取父代粒子群中各个粒子的适应度和父代粒子群的群体最优位置的适应度中的最大值作为父代粒子群的局部极值;
子代粒子群生成子单元,用于根据个体极值及局部极值生成子代粒子群,并将子代粒子群作为下一次迭代的父代粒子群;
第一判断子单元,用于若迭代次数达到预设的最大迭代次数,则输出第一典型运行场景对应的储能站容量及储能站功率;
第二判断子单元,用于若迭代次数未达到预设的最大迭代次数,则重复执行计算父代粒子群中各个粒子的适应度的步骤。
一些实施例中,结果输出模块33还可以包括:
结果输出单元332,用于选取各个典型运行场景分别对应的储能站容量中最大的储能站容量为目标储能站容量,最大的储能站容量对应的储能站功率为目标储能站功率。
一些实施例中,目标函数为:
f=max[Rbase+Rwatt+Ras+Rgov-C1-C2]
C1=CEEESS+CPPESS
其中,Rbase为基本电费收益,Rwatt为电度电费收益,Ras为区域外辅助服务收益,Rgov为政府补贴收益,C1为储能站投资成本,C2为储能站运维成本;PG.j为供电区域第j个月向电网公司上报的最大功率需求,PG.peak.t为第t个小时调峰后功率,Ybase供电区域上报的最大功率需缴纳的费用;PESS.t为第t个小时储能站的充放电功率,Ywatt.t第t个小时电网公司根据供电区域实际用电量而收取的费用;PG.t为第t个小时主网对供电区域功率特性需求,Yas.t为电网公司在第t个小时提供的辅助服务补贴电价;ΔSESS.y为第y年高峰负荷储能站削减量,Ygov为削减单位功率高峰负荷而补贴的金额;CE为储能站单位容量投资成本;EESS为储能站的容量;CP为储能站单位功率成本;PESS为储能站的功率;CM.y为第y年储能站的单位运维成本,ΔPESS.y为第y年储能站的运行功率;dr为贴现率,ir为通货膨胀率,y=1,2,…,N,N为储能站使用寿命,j=1,2,…,12,t=1,2,…,24。
一些实施例中,功率平衡约束为:
ΔPD.t=PDG.t-PL.t-PG.t=PESS.t
其中,PDG.t为第t个小时主网对供电区域功率特性需求;PL.t为t个小时的负荷功率,PG.t为第t个小时供电区域与主网的交互功率,PESS.t为第t个小时储能站的充放电功率;ΔPD.t为第t个小时供电区域的不平衡功率;
储能站容量及功率约束为:
EESS≤Er ESS.max
PESS≤Pr ESS.max
其中,EESS为储能站的容量,PESS为储能站的功率,Er ESS.max为储能站最大额定容量、Pr ESS.max为储能站最大额定功率;
储能站运行约束为:
Socmin≤Soc(t)≤Socmax
Soc(0)=Soc(24)
-PESS≤PESS.t≤PESS
其中,Soc(t)为储能站第t个小时的储能荷电状态;EESS为储能站的容量,ηch为充电效率,ηdis为放电效率;PESS.ch.t为第t个小时储能站的充电功率,PESS.dis.t为第t个小时储能站的放电功率;Socmin为最小储能荷电状态,Socmax为最大储能荷电状态;PESS为储能站的功率,PESS.t为第t个小时储能站的充放电功率;当储能站充电时,PESS.t=PESS.ch.t;当储能站放电时,PESS.t=PESS.dis.t。
供电区域自律约束为:
PG.t≤γPL.max
±ΔPG.t=±ΔPESS.t
hESS.t≥ε
Pas.t=PG.t
其中,PG.t为第t个小时主网对供电区域功率特性需求,PL.max为供电区域全年最高负荷功率,γ为电网公司设定的调峰率;为第t个小时供电区域与主网交互功率曲线峰值、为第t个小时供电区域与主网交互功率曲线谷值,δ为峰谷差值裕度;ΔPG.t为第t小时供电区域可调节备用容量裕度,ΔPESS.t为第t小时储能站充放电功率的可调裕度,hESS.t为储能站充放电响应时间,ε为响应速率;Pas.t为第t个小时主网辅助服务需求功率。
图5是本发明一实施例提供的终端设备的示意框图。如图5所示,该实施例的终端设备4包括:一个或多个处理器40、存储器41以及存储在存储器41中并可在处理器40上运行的计算机程序42。处理器40执行计算机程序42时实现上述储能站优化配置方法实施例中的步骤,例如图2所示的步骤S101至S103。或者,处理器40执行计算机程序42时实现上述储能站优化配置装置实施例中各模块/单元的功能,例如图4所示模块31至33的功能。
示例性地,计算机程序42可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器41中,并由处理器40执行,以完成本申请。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序42在终端设备4中的执行过程。例如,计算机程序42可以被分割成场景建立模块31、目标函数建立模块32及结果输出模块33。
其它模块或者单元可参照图4所示的实施例中的描述,在此不再赘述。
终端设备4包括但不仅限于处理器40、存储器41。本领域技术人员可以理解,图5仅仅是终端设备的一个示例,并不构成对终端设备4的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端设备4还可以包括输入设备、输出设备、网络接入设备、总线等。
所述处理器40可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器41可以是所述终端设备的内部存储单元,例如终端设备的硬盘或内存。所述存储器41也可以是所述终端设备的外部存储设备,例如所述终端设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器41还可以既包括终端设备的内部存储单元也包括外部存储设备。所述存储器41用于存储所述计算机程序42以及所述终端设备所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的终端设备和方法,可以通过其它的方式实现。例如,以上所描述的终端设备实施例仅是示意性的,例如,所述模块或单元的划分,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,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,在本申请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。
所述集成的模块/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,本申请实现上述实施例方法中的全部或部分流程,也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计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括是电载波信号和电信信号。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
以上所述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,均应包含在本发明的保护范围之内。
Claims (10)
1.一种储能站优化配置方法,其特征在于,包括:
获取分布式电源出力参数及负荷参数,并根据所述分布式电源出力参数及所述负荷参数确定供电区域的至少一个典型运行场景;
建立以经济效益最大化为目标的目标函数以及与所述目标函数对应的约束条件;其中,所述约束条件包括:功率平衡约束、储能站容量及功率约束、储能站运行约束和供电区域自律约束;
根据所述目标函数及所述约束条件确定各个典型运行场景分别对应的储能站容量及储能站功率,并根据所述各个典型运行场景分别对应的储能站容量及储能站功率确定目标储能站容量及目标储能站功率。
2.如权利要求1所述的储能站优化配置方法,其特征在于,所述根据所述分布式电源出力参数及所述负荷参数确定供电区域的至少一个典型运行场景,包括:
根据所述分布式电源出力参数及所述负荷参数,得到供电区域的多个初始运行场景;
对所述多个初始运行场景进行筛选,得到所述至少一个典型运行场景。
3.如权利要求2所述的储能站优化配置方法,其特征在于,
所述多个初始运行场景为:
其中,PDG,n,t为第n个分布式电源接入节点在第t个小时的功率,PL,l,t为第l个负荷接入节点在第t个小时的功率;为第n个分布式电源接入节点在第t个小时的平均功率,为第l个负荷接入节点在第t个小时的平均功率;为第n个分布式电源接入节点在第t个小时的功率相对于平均功率的最大波动值,为第l个负荷接入节点在第t个小时的功率相对于平均功率的最大波动值,n=1,2,…,m1,m1为分布式电源接入节点的数量;l=1,2,…,m2,m2为负荷接入节点的数量;t=1,2,…,24;ΓDG为分布式电源出力不确定集合保守裕度调节参数,ΓLoad为负荷不确定集合保守裕度调节参数;
所述至少一个典型运行场景为:
4.如权利要求1所述的储能站优化配置方法,其特征在于,所述根据所述目标函数及所述约束条件确定各个典型运行场景分别对应的储能站容量及储能站功率,包括:
根据所述目标函数及所述约束条件,采用粒子群算法确定所述各个典型运行场景分别对应的储能站容量及储能站功率。
5.如权利要求4所述的储能站优化配置方法,其特征在于,所述根据所述目标函数及所述约束条件,采用粒子群算法确定所述各个典型运行场景分别对应的储能站容量及储能站功率,包括:
根据第一典型运行场景、所述目标函数及所述约束条件初始化粒子种群,生成父代粒子群;其中,所述第一典型运行场景为所述至少一个典型运行场景中的任意一个典型运行场景;
计算所述父代粒子群中各个粒子的适应度;
选取所述父代粒子群中目标粒子的适应度和所述目标粒子的个体最优位置的适应度中的较大值作为所述目标粒子的个体极值;所述目标粒子为所述父代粒子群中的任意一个粒子;
选取所述父代粒子群中各个粒子的适应度和所述父代粒子群的群体最优位置的适应度中的最大值作为所述父代粒子群的局部极值;
根据所述个体极值及所述局部极值生成子代粒子群,并将所述子代粒子群作为下一次迭代的父代粒子群;
若迭代次数达到预设的最大迭代次数,则输出第一典型运行场景对应的储能站容量及储能站功率;
若迭代次数未达到所述预设的最大迭代次数,则重复执行所述计算所述父代粒子群中各个粒子的适应度的步骤。
6.如权利要求1所述的储能站优化配置方法,其特征在于,所述根据所述各个典型运行场景分别对应的储能站容量及储能站功率确定目标储能站容量及目标储能站功率,包括:
选取所述各个典型运行场景分别对应的储能站容量中最大的储能站容量为所述目标储能站容量,所述最大的储能站容量对应的储能站功率为所述目标储能站功率。
7.如权利要求1所述的储能站优化配置方法,其特征在于,所述目标函数为:
f=max[Rbase+Rwatt+Ras+Rgov-C1-C2]
C1=CEEESS+CPPESS
其中,Rbase为基本电费收益,Rwatt为电度电费收益,Ras为区域外辅助服务收益,Rgov为政府补贴收益,C1为储能站投资成本,C2为储能站运维成本;PG.j为供电区域第j个月向电网公司上报的最大功率需求,PG.peak.t为第t个小时调峰后功率,Ybase供电区域上报的最大功率需缴纳的费用;PESS.t为第t个小时储能站的充放电功率,Ywatt.t第t个小时电网公司根据供电区域实际用电量而收取的费用;PG.t为第t个小时主网对供电区域功率特性需求,Yas.t为电网公司在第t个小时提供的辅助服务补贴电价;ΔSESS.y为第y年高峰负荷储能站削减量,Ygov为削减单位功率高峰负荷而补贴的金额;CE为储能站单位容量投资成本;EESS为储能站的容量;CP为储能站单位功率成本;PESS为储能站的功率;CM.y为第y年储能站的单位运维成本,ΔPESS.y为第y年储能站的运行功率;dr为贴现率,ir为通货膨胀率,y=1,2,…,N,N为储能站使用寿命,j=1,2,…,12,t=1,2,…,24。
8.如权利要求1至7任一项所述的储能站优化配置方法,其特征在于,
所述功率平衡约束为:
ΔPD.t=PDG.t-PL.t-PG.t=PESS,t
其中,PDG.t为第t个小时主网对供电区域功率特性需求;PL.t为t个小时的负荷功率,PG.t为第t个小时供电区域与主网的交互功率,PESS.t为第t个小时储能站的充放电功率;ΔPD.t为第t个小时供电区域的不平衡功率;
所述储能站容量及功率约束为:
EESS≤Er ESS.max
PESS≤Pr ESS.max
其中,EESS为储能站的容量,PESS为储能站的功率,Er ESS.max为储能站最大额定容量、Pr ESS.max为储能站最大额定功率;
所述储能站运行约束为:
Socmin≤Soc(t)≤Socmax
Soc(0)=Soc(24)
-PESS≤PESS.t≤PESS
其中,Soc(t)为储能站第t个小时的储能荷电状态;EESS为储能站的容量,ηch为充电效率,ηdis为放电效率;PESS.ch.t为第t个小时储能站的充电功率,PESS.dis.t为第t个小时储能站的放电功率;Socmin为最小储能荷电状态,Socmax为最大储能荷电状态;PESS为储能站的功率,PESS.t为第t个小时储能站的充放电功率;当储能站充电时,PESS.t=PESS.ch.t;当储能站放电时,PESS.t=PESS.dis.t;
所述供电区域自律约束为:
PG.t≤γPL.max
±ΔPG.t=±ΔPESS.t
hESS.t≥ε
Pas.t=PG.t
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的储能站优化配置方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的储能站优化配置方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911346110.2A CN111144640B (zh) | 2019-12-24 | 2019-12-24 | 储能站优化配置方法及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911346110.2A CN111144640B (zh) | 2019-12-24 | 2019-12-24 | 储能站优化配置方法及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111144640A true CN111144640A (zh) | 2020-05-12 |
CN111144640B CN111144640B (zh) | 2023-05-23 |
Family
ID=70519692
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911346110.2A Active CN111144640B (zh) | 2019-12-24 | 2019-12-24 | 储能站优化配置方法及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111144640B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112039066A (zh) * | 2020-09-01 | 2020-12-04 | 国网河北省电力有限公司邢台供电分公司 | 应用于配电网的新能源消纳能力优化方法及装置 |
CN112949898A (zh) * | 2021-01-04 | 2021-06-11 | 国网上海市电力公司 | 一种多站融合选址规划的优化方法 |
CN116436057A (zh) * | 2023-06-14 | 2023-07-14 | 广东电网有限责任公司东莞供电局 | 一种储能站运行策略的确定方法、装置、设备及介质 |
CN116706951A (zh) * | 2023-06-08 | 2023-09-05 | 国网湖南省电力有限公司 | 基于负荷特性的变电站储能容量配置方法及系统 |
CN117154780A (zh) * | 2023-10-27 | 2023-12-01 | 深圳库博能源股份有限公司 | 分布式协同储能控制方法、装置、设备及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103872694A (zh) * | 2014-02-26 | 2014-06-18 | 山东大学 | 区域风电场群储能电站的容量优化及其辅助调峰方法 |
CN107832905A (zh) * | 2017-09-19 | 2018-03-23 | 国家电网公司 | 一种适应分布式发电和储能站发展的配电网规划方法 |
WO2018103232A1 (zh) * | 2016-12-08 | 2018-06-14 | 中山大洋电机股份有限公司 | 一种新能源微电网电动汽车充电站的控制方法 |
CN109508499A (zh) * | 2018-11-15 | 2019-03-22 | 国网江苏省电力有限公司经济技术研究院 | 多时段多场景分布式电源最优接入位置与容量研究方法 |
-
2019
- 2019-12-24 CN CN201911346110.2A patent/CN111144640B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103872694A (zh) * | 2014-02-26 | 2014-06-18 | 山东大学 | 区域风电场群储能电站的容量优化及其辅助调峰方法 |
WO2018103232A1 (zh) * | 2016-12-08 | 2018-06-14 | 中山大洋电机股份有限公司 | 一种新能源微电网电动汽车充电站的控制方法 |
CN107832905A (zh) * | 2017-09-19 | 2018-03-23 | 国家电网公司 | 一种适应分布式发电和储能站发展的配电网规划方法 |
CN109508499A (zh) * | 2018-11-15 | 2019-03-22 | 国网江苏省电力有限公司经济技术研究院 | 多时段多场景分布式电源最优接入位置与容量研究方法 |
Non-Patent Citations (2)
Title |
---|
DABRA V: "Optimization of photovoltaic power system: a comparative study" * |
高红均 等: "主动配电网分层鲁棒规划模型及其求解方法" * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112039066A (zh) * | 2020-09-01 | 2020-12-04 | 国网河北省电力有限公司邢台供电分公司 | 应用于配电网的新能源消纳能力优化方法及装置 |
CN112039066B (zh) * | 2020-09-01 | 2022-05-03 | 国网河北省电力有限公司邢台供电分公司 | 应用于配电网的新能源消纳能力优化方法及装置 |
CN112949898A (zh) * | 2021-01-04 | 2021-06-11 | 国网上海市电力公司 | 一种多站融合选址规划的优化方法 |
CN116706951A (zh) * | 2023-06-08 | 2023-09-05 | 国网湖南省电力有限公司 | 基于负荷特性的变电站储能容量配置方法及系统 |
CN116436057A (zh) * | 2023-06-14 | 2023-07-14 | 广东电网有限责任公司东莞供电局 | 一种储能站运行策略的确定方法、装置、设备及介质 |
CN116436057B (zh) * | 2023-06-14 | 2023-09-08 | 广东电网有限责任公司东莞供电局 | 一种储能站运行策略的确定方法、装置、设备及介质 |
CN117154780A (zh) * | 2023-10-27 | 2023-12-01 | 深圳库博能源股份有限公司 | 分布式协同储能控制方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111144640B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111144640B (zh) | 储能站优化配置方法及终端设备 | |
CN105684257A (zh) | 用于控制微电网的操作的微电网能量管理系统和方法 | |
Lim et al. | Optimal allocation of energy storage and solar photovoltaic systems with residential demand scheduling | |
An et al. | A distributed and resilient bargaining game for weather-predictive microgrid energy cooperation | |
Li et al. | Two-stage community energy trading under end-edge-cloud orchestration | |
Shi et al. | Lyapunov optimization in online battery energy storage system control for commercial buildings | |
Ibrahim et al. | Energy management of multi-area islanded hybrid microgrids: a stochastic approach | |
CN111126882B (zh) | 虚拟变电站调度方法及终端设备 | |
CN111325423A (zh) | 一种区域多能源互联运营优化方法和计算设备 | |
US20230148201A1 (en) | Method and system for supplying power to device, and related device | |
CN116502832A (zh) | 一种多微电网联合规划方法、系统、存储介质及电子设备 | |
CN116436048A (zh) | 一种多目标驱动的微电网群云储能优化配置方法及装置 | |
CN116316557A (zh) | 一种适应现货市场的储能集群聚合方法和装置 | |
CN115238992A (zh) | 一种电力系统源荷储的协调优化方法、装置及电子设备 | |
CN108683211A (zh) | 一种考虑分布式电源波动性的虚拟发电厂组合优化方法及模型 | |
CN114723278A (zh) | 一种考虑光伏储能的社区微电网调度方法及系统 | |
CN110298715B (zh) | 一种基于分布式储能的能源交易系统和方法 | |
CN111445154A (zh) | 一种电力市场资源自调度优化方法、系统以及设备 | |
CN112906961A (zh) | 储能控制方法、装置、非易失性存储介质及电子装置 | |
CN117639022B (zh) | 一种储能多元复用调控方法、系统及电子设备 | |
CN117096923B (zh) | 一种基于峰谷套利的储能运行控制方法及系统 | |
CN116470500A (zh) | 考虑多微网参与配电网的优化调度方法、系统及存储介质 | |
JP7254737B2 (ja) | 電力制御装置、電力制御システム、電力制御方法、及びプログラム | |
CN106529989A (zh) | 一种绿色数据中心的服务器自适应定价策略 | |
Banaei et al. | A Lightweight Energy Management Method for Hybrid PV/Battery/Load Systems |
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 |