CN111244985B - 基于节点综合灵敏度系数的分布式储能序次优化配置方法 - Google Patents
基于节点综合灵敏度系数的分布式储能序次优化配置方法 Download PDFInfo
- Publication number
- CN111244985B CN111244985B CN202010142739.1A CN202010142739A CN111244985B CN 111244985 B CN111244985 B CN 111244985B CN 202010142739 A CN202010142739 A CN 202010142739A CN 111244985 B CN111244985 B CN 111244985B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- node
- power distribution
- distribution network
- distributed energy
- 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 218
- 230000035945 sensitivity Effects 0.000 title claims abstract description 72
- 238000005457 optimization Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000007599 discharging Methods 0.000 claims abstract description 11
- 230000001965 increasing effect Effects 0.000 claims abstract description 8
- 230000008901 benefit Effects 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 10
- 230000005611 electricity Effects 0.000 claims description 9
- 238000011084 recovery Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 230000003111 delayed effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000003786 synthesis reaction Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 3
- 238000009434 installation Methods 0.000 description 12
- 230000006872 improvement Effects 0.000 description 5
- 238000011160 research Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000004064 recycling Methods 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- 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
- H02J3/381—Dispersed generators
-
- 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)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Educational Administration (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了基于节点综合灵敏度系数的分布式储能序次优化配置方法,该方法考虑节点增加单位负荷功率引起的配电网有功损耗变化量和节点电压变化量,及储能充放电特性,提出综合灵敏度系数;计算配电网各节点综合灵敏度系数,将系数最大处节点作为分布式储能第一次接入节点,根据容量优化模型确定储能容量配置;考虑储能接入配电网后对配电网有功损耗和节点电压的影响,更新节点负荷数据并重新计算各节点综合灵敏度系数,选择储能接入节点并计算储能配置容量,直至达到计划配置储能个数为止。本发明为多个分布式储能接入配电网提供了更加合理和经济的序次配置方法,在降低配电网有功损耗、改善节点电压波动和提高储能经济性方面有较大作用。
Description
技术领域
本发明涉及基于节点综合灵敏度系数的分布式储能序次优化配置方法,属于配电网分布式储能规划技术领域。
背景技术
分布式储能系统(Distributed energy storage system,DESS)作为解决配电网中负荷快速增长和分布式电源大量接入的一种有效手段,在未来配电网中具有广泛的应用前景。分布式储能的应用涉及配用电系统中的各个环节,根据应用场景来分,分布式储能一般应用于分布式电源侧、配电网侧、用户侧和微电网等方面。近年来,随着电池成本的不断降低,以及电池储能在增强电网调节能力方面的巨大潜力,应用于配电网侧的储能电站数量及规模显著增加。配电网侧储能系统选址及容量配置的合理性、经济性是影响其建设和发展的重要因素,因此,对配电网侧分布式储能选址定容进行研究具有重要的现实意义。
近年来,对配电网侧储能系统的优化配置研究主要集中在两方面,一部分侧重于根据储能经济性对容量配置进行研究,一部分侧重于根据电压/网损敏感度分析对储能进行布点优化,较少从合理性和经济性两个方面对分布式储能布点及容量配置进行综合性研究。
有功网损灵敏度是衡量节点注入有功对系统网损改善幅度的指标,是确定分布式电源接入配电网位置的方法之一。有功网损灵敏度越大,表明该节点注入有功对系统网损改善程度越好,因此可以根据配电网中不同负荷节点的有功网损灵敏度确定分布式储能布点的优先顺序。但是根据有功网损灵敏度方法确定分布式储能接入位置存在三点不足:1)与分布式电源不同,储能存在充放电两种状态,对配电网有功网损的影响不同;2)只考虑有功网损灵敏度,没有考虑节点电压对储能安装容量变化的灵敏度;3)针对多个分布式储能接入情况,没有考虑储能接入配电网后对有功网损和节点电压的影响。因此,针对多个分布式储能系统规划问题,如何从合理性和经济性两个方面进行综合性研究,使得分布式储能接入配电网后有功网损、节点电压波动和储能经济性得到有效提高,是目前亟需解决的问题。
发明内容
本发明所要解决的技术问题是:提供基于节点综合灵敏度系数的分布式储能序次优化配置方法,为多个分布式储能接入配电网提供了更加合理和经济的序次配置方法。
本发明为解决上述技术问题采用以下技术方案:
基于节点综合灵敏度系数的分布式储能序次优化配置方法,包括如下步骤:
步骤1,预先设置计划配置储能个数,根据配电网各节点负荷数据计算无储能时的配电网各节点电压和配电网有功损耗,分别在各节点增加同一容量储能并计算该情况下的配电网各节点电压和配电网有功损耗,根据前述两种情况下的配电网各节点电压和配电网有功损耗,计算配电网各节点综合灵敏度系数;
步骤2,对步骤1配电网各节点综合灵敏度系数由大到小进行排序,并将综合灵敏度系数最大的节点作为分布式储能的第一个配置节点,根据储能容量优化配置模型,求解得到该配置节点储能的容量及充放电功率;
步骤3,判断是否达到计划配置储能个数,如果是,则输出序次优化配置结果,否则进入步骤4;
步骤4,考虑第l个配置节点接入储能后对配电网各节点电压和配电网有功损耗的影响,更新配电网各节点负荷数据,重新计算接入储能后配电网各节点电压和配电网有功损耗,并计算各节点增加同一容量储能后配电网各节点电压和配电网有功损耗,重新计算配电网各节点综合灵敏度系数,l为≥1的正整数;
步骤5,对步骤4配电网各节点综合灵敏度系数由大到小进行排序,并将综合灵敏度系数最大的节点作为分布式储能的第l+1个配置节点,根据储能容量优化配置模型,求解得到该配置节点储能的容量及充放电功率;
步骤6,判断是否达到计划配置储能个数,如果是,则输出序次优化配置结果,否则令l=l+1,并返回步骤4。
作为本发明的一种优选方案,所述配电网各节点综合灵敏度系数的计算公式为:
其中,α和β为灵敏度系数权重,满足α+β=1;ΔPloss为配电网一天内的有功损耗;ΔPDESS为分布式储能系统的变化容量;ΔUdev为节点电压偏差的变化量;其中,
N为配电网节点个数;Uit表示t时刻节点i的电压;Uref为节点i的基准电压值;
γd和γc分别为储能放电、充电状态下的权重系数,满足γd+γc=1;分别为第l、l-1台分布式储能接入配电网后的配电网有功网损;分别为第l、l-1台分布式储能的放电功率;分别为第l、l-1台分布式储能的充电功率。
作为本发明的一种优选方案,所述储能容量优化配置模型的表达式为:
maxE=max{Eele+Edel+Esub+Erec-Cinv-Cope}
其中,E表示分布式储能全寿命周期内的净效益;Eele为分布式储能系统在电池全寿命周期内低谷充电高峰放电的价格套利总收益;Edel为建设分布式储能后延缓电网升级的收益;Esub为建设分布式储能后获得的政府电价补贴收益;Erec为分布式储能的回收价值;Cinv为一次性固定投资成本;Cope为运行维护成本。
作为本发明的一种优选方案,所述分布式储能系统在电池全寿命周期内低谷充电高峰放电的价格套利总收益Eele,表达式为:
其中,M为储能电池寿命;D为储能年运行天数;ir为通货膨胀率;dr为贴现率;eele,m,d为分布式储能第m年d天的价格套利收益。
作为本发明的一种优选方案,所述建设分布式储能后延缓电网升级的收益Edel,表达式为:
其中,Csh为电网单位容量升级建设成本;Emax为储能系统额定容量;ΔM表示安装分布式储能后可延缓电网升级年数;ir为通货膨胀率;dr为贴现率。
作为本发明的一种优选方案,所述建设分布式储能后获得的政府电价补贴收益Esub,表达式为:
其中,M为储能电池寿命;D为储能年运行天数;esub,m,d表示分布式储能第m年d天的政府电价补贴收入;ir为通货膨胀率;dr为贴现率。
作为本发明的一种优选方案,所述分布式储能的回收价值Erec,表达式为:
Erec=γCinv
其中,γ为回收系数,Cinv为一次性固定投资成本。
作为本发明的一种优选方案,所述一次性固定投资成本Cinv,表达式为:
Cinv=ceEmax+cpPmax
其中,ce和cp分别为储能单位容量和单位充/放电功率成本;Emax和Pmax分别为储能系统额定容量和额定充/放电功率。
作为本发明的一种优选方案,所述运行维护成本Cope,表达式为:
其中,M为储能电池寿命;cm为储能单位充/放电功率的年维护成本;Pmax为储能系统额定充/放电功率;ir为通货膨胀率;dr为贴现率。
本发明采用以上技术方案与现有技术相比,具有以下技术效果:
本发明能够为多个分布式储能接入配电网提供更加合理和经济的序次配置方法,保证电网稳定运行的同时,可以有效的降低配电网有功损耗、改善节点电压波动和提高储能经济性。
附图说明
图1是本发明分布式储能序次优化配置流程图。
图2是实施例IEEE33节点系统示意图。
图3是负荷典型日特性曲线。
图4(a)-图4(d)是场景1、2、3、4下各节点电压变化。
图5是不同场景下节点18电压变化。
图6是场景2下配电网各节点有功网损灵敏度。
图7是序次配置时配电网各节点的节点综合灵敏度系数。
具体实施方式
下面详细描述本发明的实施方式,所述实施方式的示例在附图中示出。下面通过参考附图描述的实施方式是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
如图1所示,为本发明提供的一种基于节点综合灵敏度系数的分布式储能序次优化配置方法的流程图,具体步骤包括:
(1)提出节点综合灵敏度系数。考虑节点增加单位负荷功率引起的配电网有功损耗变化量和节点电压变化量,以及储能充放电状态对配电网有功损耗的影响,提出节点综合灵敏度系数;
(2)构建分布式储能容量优化配置模型。考虑分布式储能在电池全寿命周期内的成本与效益模型,收益方面主要考虑储能在全寿命周期内低储高发套利、延缓电网升级收益、政府电价补贴收益及储能回收价值四个部分,成本主要包括储能固定投资成本和运行维护成本,以全寿命周期内分布式储能系统净效益最大为目标构建储能容量优化配置模型;
(3)根据节点负荷数据计算无储能时的各节点电压和配电网有功损耗,分别在各节点增加同一容量储能并计算该情况下各节点电压和配电网有功损耗,根据节点综合灵敏度系数定义计算配电网各节点综合灵敏度系数,并将综合灵敏度系数最大处节点作为分布式储能第一次接入节点,根据容量优化模型求解得出该配置节点储能的容量及充放电功率;
(4)考虑储能接入配电网后对系统节点电压和有功损耗的影响,更新节点负荷等数据,重新计算接入储能后各节点电压和配电网有功损耗,并计算各节点增加同一容量储能后各节点电压和配电网有功损耗,根据定义重新计算各节点的综合灵敏度系数,并确定选择储能接入节点和计算储能配置容量,直至达到计划配置储能个数为止。
节点综合灵敏度系数是综合衡量系统节点电压及有功损耗对分布式储能安装容量变化的敏感性程度。本发明定义任一节点的综合灵敏度系数为:
上式中,α和β为灵敏度系数权重,满足α+β=1。ΔPloss为配电网一天内的有功损耗;ΔPDESS为分布式储能系统的变化容量;ΔUdev为节点电压偏差的变化量,可表示为:
上式中,N为配电网节点个数;Uit表示t时刻i节点的电压;Uref为节点i的基准电压值。
考虑储能充放电特性和已接入储能对系统有功网损的影响,配置l台分布式储能时的节点有功网损灵敏度可表示为:
上式中,γd和γc分别为储能放电、充电状态下的权重系数,根据储能充电和放电时间确定,满足γd+γc=1。
容量优化配置模型以全寿命周期内分布式储能系统的净效益最大为目标,可表示为:
max E=max{Eele+Edel+Esub+Erec-Cinv-Cope} (4)
上式中,式中,E表示分布式储能全寿命周期内的净效益,考虑成本和收益两方面,由以下部分组成。
Eele为分布式储能系统在电池全寿命周期内低谷充电高峰放电的价格套利总收益,可表示为:
上式中,M为储能电池寿命;D为储能年运行天数;ir为通货膨胀率;dr为贴现率;eele,m,d为分布式储能第m年d天的价格套利收益,可表示为:
上式中,e(t)表示t时刻电价,Pch、Pdis分别表示储能的充放电功率。
Edel为建设分布式储能后延缓电网升级的收益,可表示为:
上式中,Csh为电网单位容量升级建设成本,Emax为储能系统额定容量,ΔM表示安装分布式储能后可延缓电网升级年数,可表示为:
上式中,τ为负荷年增长率,λ为储能削峰率。
Esub表示建设分布式储能后获得的政府电价补贴收益,可表示为:
上式中,esub,m,d表示分布式储能第m年d天的政府电价补贴收入,可表示为:
上式中,ep表示政府补贴电价。
Erec表示分布式储能的回收价值,即当储能达到使用寿命年限时通过回收利用获取的一定收益。其与安装成本Cinv和回收系数γ相关,可表示为:
Erec=γCinv (11)
分布式储能的全寿命周期成本主要包括一次性固定投资成本Cinv和运行维护成本Cope。固定投资成本与储能系统的额定容量和额定充/放电功率相关,可以表示为:
Cinv=ceEmax+cpPmax (12)
上式中,ce和cp分别为储能单位容量和单位充/放电功率成本;Emax和Pmax分别为储能系统额定容量和额定充/放电功率。
分布式储能运行维护成本主要与其额定功率相关,可表示为:
其中,cm为储能单位充/放电功率的年维护成本。
容量优化配置模型在求解分布式储能布点和容量优化配置时,需要考虑以下约束条件:
(1)节点功率平衡约束,即:
上式中,PDESS,i、QDESS,i分别是节点i处分布式储能发出或吸收的有功功率和无功功率;Pload,i、Qload,i分别代表节点i处有功负荷和无功负荷;Ui、Uj分别代表节点i和节点j处电压;Gi,j、Bi,j、θij分别是节点i与j之间的电导、电纳和电压相角差。
(2)节点电压约束,即:
Umin≤Uit≤Umax (15)
上式中,Umin、Umax分别为系统节点电压的下限和上限。
(3)储能规划约束,即:
上式中,xj表示DESS规划的整数变量,为1时表示节点i处布置DESS;Pmax i,DESS、Emax i,DESS分别表示该节点允许接入的储能最大容量和功率;n为该系统允许接入的DESS数量上限。
(4)储能能量平衡约束,即:
上式中,ηdis和ηch分别为储能放电、充电时的能量转换效率。
如图2所示,本实施例选取IEEE33节点配电网系统对所提的分布式储能序次优化配置策略进行仿真分析。统基准电压为12.66kV,总的有功负荷为3715kW,无功负荷为2300kVAr,典型日负荷曲线如图3所示,节点电压上下限分别取1.05UN、0.95UN。电池寿命M=10年,一年内储能运行天数D=250,充放电效率为90%,通货膨胀率ir=1.5%,贴现率dr=9%,负荷年增长率τ=1.5%,储能回收系数按20%计算。仿真所用相关参数见表1,分时电价如表2所示。分布式储能接入节点位置为2-33节点,最大接入个数为3个,最大接入功率为300kW。
表1仿真相关参数
参数 | 数值 | 参数 | 数值 | 参数 | 数值 |
C<sub>sh</sub>(元/kWh) | 2000 | e<sub>p</sub>(元/kWh) | 0.3 | C<sub>e</sub>(元/kWh) | 1400 |
C<sub>p</sub>(元/kW) | 2800 | C<sub>m</sub>(元/kW·年) | 20 | λ(%) | [0,10] |
表2峰谷分时电价表
时段 | 时间 | 电价(元/kWh) |
谷时段 | 0:00—8:00 | 0.3050 |
平时段 | 12:00—17:00、21:00—24:00 | 0.6151 |
峰时段 | 8:00—12:00、17:00—21:00 | 1.0252 |
为验证所提优化模型与方法,以及序次配置策略的有效性,本案例选取以下4个场景进行比较:
场景1:未安装储能;
场景2:基于有功网损灵敏度的储能安装策略;
场景3:基于节点综合灵敏度系数的储能配置策略;
场景4:基于节点综合灵敏度系数的序次配置策略。
不同场景下各目标值的大小以及储能的接入位置、容量以及节点电压偏差和有功网损及全寿命周期内净效益情况如表3所示。
表3不同场景下的优化配置结果
根据表3可知:
1)场景1未安装储能时,配电网有功网损为3105.9kW,节点电压波动为111.22kV。
2)场景2根据有功网损灵敏度安装储能后,配电网有功网损为3081.1kW,相比场景1降低24.8kW,节点电压波动为109.82kV,相比场景1仅降低1.4kV,可见安装储能可有效降低配网损耗,但是根据有功网损灵敏度安装储能对节点电压波动的改善程度较小。场景2下储能净收益为461428元。
3)场景3根据节点综合灵敏度系数安装储能后,配电网有功网损为3070.6kW,节点电压波动为102.63kV,相比场景2,有功网损降低了10.5kW,节点电压波动降低7.19kV,大大改善了节点电压波动和有功网损。但是场景3下储能净收益为454428元,相比场景2,储能经济性没有得到提高。
4)场景4根据节点综合灵敏度系数对储能进行序次配置后,配电网有功网损为3068.8kW,节点电压波动为102.37kV,相比较场景3而言,有功网损和节点电压波动的改善程度较小,但是储能净收益达到535703元,相比场景3,储能在全寿命周期内的经济效益有较大提高,储能经济性更优。
因此,根据对表3情况的分析,基于节点综合灵敏度系数的储能序次配置策略在降低配电网有功损耗、改善节点电压波动和提高储能经济性方面有较大作用,有效验证了该方法在合理性和经济性两方面的优越性。
图4(a)-图4(d)分别为场景1、场景2、场景3、场景4下各节点电压曲线。通过比较图4(a)和图4(b),可以发现根据有功网损灵敏度接入储能后,配电网的节点电压水平没有得到明显提升;通过比较图4(b)、图4(c)和图4(d)可以看出,根据节点综合灵敏度系数接入储能后,系统的节点电压波动出现较大幅度的改善,这说明基于节点综合灵敏度系数安装储能对系统节点电压波动具有较好的抑制作用。
为更清晰显示不同场景下节点电压变化,选取配电网末端节点18为研究对象,比较不同场景下的节点电压变化,如图5所示。从图5可知,安装储能后,场景2下节点电压水平没有明显提升,而场景3和场景4下节点电压波动情况得到明显改善。比较场景3和场景4下18节点电压曲线,可知场景3下18节点电压水平较场景4有更大提升,主要原因是场景3下储能安装节点为18、17和33,使得18节点的电压水平得到较大提升。
图6为场景2下安装储能时各节点的有功网损灵敏度以及各场景下储能安装节点的选择情况,场景2以有功网损灵敏度最高节点,分别为节点30、32、25作为储能安装节点。图7为序次配置时配电网各节点综合灵敏度系数,其中场景3以第一次配置时节点综合灵敏度系数最高的3个节点作为储能安装节点,分别为节点18、17、33。从图7中可知,储能序次配置时,配电网接入储能后,各节点综合灵敏度系数均会发生较大变化,主要原因是储能接入配电网后,储能的充放电特性对配电网有功网损和节点电压产生较大影响。第二次配置时节点综合灵敏度系数最高点为节点32,第三次配置时节点综合灵敏度系数最高点为节点5,因此,序次配置时选择储能安装节点分别为节点18、32、5。
以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。
Claims (9)
1.基于节点综合灵敏度系数的分布式储能序次优化配置方法,其特征在于,包括如下步骤:
步骤1,预先设置计划配置储能个数,根据配电网各节点负荷数据计算无储能时的配电网各节点电压和配电网有功损耗,分别在各节点增加同一容量储能并计算各节点增加同一容量储能情况下的配电网各节点电压和配电网有功损耗,根据无储能和各节点增加同一容量储能这两种情况下的配电网各节点电压和配电网有功损耗,计算配电网各节点综合灵敏度系数;
步骤2,对步骤1配电网各节点综合灵敏度系数由大到小进行排序,并将综合灵敏度系数最大的节点作为分布式储能的第一个配置节点,根据储能容量优化配置模型,求解得到该配置节点储能的容量及充放电功率;
步骤3,判断是否达到计划配置储能个数,如果是,则输出序次优化配置结果,否则进入步骤4;
步骤4,考虑第l个配置节点接入储能后对配电网各节点电压和配电网有功损耗的影响,更新配电网各节点负荷数据,重新计算接入储能后配电网各节点电压和配电网有功损耗,并计算各节点增加同一容量储能后配电网各节点电压和配电网有功损耗,重新计算配电网各节点综合灵敏度系数,l为≥1的正整数;
步骤5,对步骤4配电网各节点综合灵敏度系数由大到小进行排序,并将综合灵敏度系数最大的节点作为分布式储能的第l+1个配置节点,根据储能容量优化配置模型,求解得到该配置节点储能的容量及充放电功率;
步骤6,判断是否达到计划配置储能个数,如果是,则输出序次优化配置结果,否则令l=l+1,并返回步骤4。
2.根据权利要求1所述基于节点综合灵敏度系数的分布式储能序次优化配置方法,其特征在于,所述配电网各节点综合灵敏度系数的计算公式为:
其中,α和β为灵敏度系数权重,满足α+β=1;ΔPloss为配电网一天内的有功损耗;ΔPDESS为分布式储能系统的变化容量;ΔUdev为节点电压偏差的变化量;其中,
N为配电网节点个数;Uit表示t时刻节点i的电压;Uref为节点i的基准电压值;
3.根据权利要求1所述基于节点综合灵敏度系数的分布式储能序次优化配置方法,其特征在于,所述储能容量优化配置模型的表达式为:
maxE=max{Eele+Edel+Esub+Erec-Cinv-Cope}
其中,E表示分布式储能全寿命周期内的净效益;Eele为分布式储能系统在电池全寿命周期内低谷充电高峰放电的价格套利总收益;Edel为建设分布式储能后延缓电网升级的收益;Esub为建设分布式储能后获得的政府电价补贴收益;Erec为分布式储能的回收价值;Cinv为一次性固定投资成本;Cope为运行维护成本。
7.根据权利要求3所述基于节点综合灵敏度系数的分布式储能序次优化配置方法,其特征在于,所述分布式储能的回收价值Erec,表达式为:
Erec=γCinv
其中,γ为回收系数,Cinv为一次性固定投资成本。
8.根据权利要求3所述基于节点综合灵敏度系数的分布式储能序次优化配置方法,其特征在于,所述一次性固定投资成本Cinv,表达式为:
Cinv=ceEmax+cpPmax
其中,ce和cp分别为储能单位容量和单位充/放电功率成本;Emax和Pmax分别为储能系统额定容量和额定充/放电功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010142739.1A CN111244985B (zh) | 2020-03-04 | 2020-03-04 | 基于节点综合灵敏度系数的分布式储能序次优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010142739.1A CN111244985B (zh) | 2020-03-04 | 2020-03-04 | 基于节点综合灵敏度系数的分布式储能序次优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111244985A CN111244985A (zh) | 2020-06-05 |
CN111244985B true CN111244985B (zh) | 2022-06-24 |
Family
ID=70865999
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010142739.1A Active CN111244985B (zh) | 2020-03-04 | 2020-03-04 | 基于节点综合灵敏度系数的分布式储能序次优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111244985B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112100785B (zh) * | 2020-09-24 | 2024-05-14 | 国网江西省电力有限公司经济技术研究院 | 配电网智能终端布局方法、系统、介质及计算机设备 |
CN112491046B (zh) * | 2020-11-25 | 2023-05-09 | 国网湖北省电力有限公司咸宁供电公司 | 一种负载接入位置决策方法、装置、设备及存储介质 |
CN113162078B (zh) * | 2021-03-15 | 2022-07-26 | 国网浙江义乌市供电有限公司 | 一种考虑充放电需求的储能设备无功响应控制方法 |
CN113300477B (zh) * | 2021-05-31 | 2024-04-09 | 深圳供电局有限公司 | 一种中心城区电网储能配置的优化方法 |
CN115882478B (zh) * | 2022-10-13 | 2023-09-08 | 襄阳诚智电力设计有限公司 | 一种含光伏配电网的储能容量配置方法与系统 |
CN117767369B (zh) * | 2023-12-25 | 2024-07-16 | 中国长江电力股份有限公司 | 一种考虑中长期规划的储能选址和分级配置方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106339773A (zh) * | 2016-08-11 | 2017-01-18 | 中国电力科学研究院 | 基于灵敏度的主动配电网分布式电源定容规划方法 |
CN108964102A (zh) * | 2018-07-26 | 2018-12-07 | 华北电力大学(保定) | 配电网中分布式储能的位置和容量优化配置方法 |
-
2020
- 2020-03-04 CN CN202010142739.1A patent/CN111244985B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106339773A (zh) * | 2016-08-11 | 2017-01-18 | 中国电力科学研究院 | 基于灵敏度的主动配电网分布式电源定容规划方法 |
CN108964102A (zh) * | 2018-07-26 | 2018-12-07 | 华北电力大学(保定) | 配电网中分布式储能的位置和容量优化配置方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111244985A (zh) | 2020-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111244985B (zh) | 基于节点综合灵敏度系数的分布式储能序次优化配置方法 | |
CN107301470B (zh) | 一种配电网扩展规划与光储选址定容的双层优化方法 | |
CN108667052B (zh) | 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统 | |
Chedid et al. | Optimal design of a university campus micro-grid operating under unreliable grid considering PV and battery storage | |
CN107994595A (zh) | 一种削峰填谷控制方法和系统以及应用该控制方法的系统 | |
CN104966127B (zh) | 一种基于需求响应的电动汽车经济调度方法 | |
CN112103946A (zh) | 一种基于粒子群算法的微电网储能优化配置方法 | |
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 | |
CN110034561B (zh) | 一种基于云储能租赁服务的风电场储能容量优化方法 | |
CN113507110A (zh) | 提高配电网中新能源消纳的分布式储能集群优化控制方法 | |
CN111523734B (zh) | 一种电动汽车有序充电优化方法 | |
CN116826752A (zh) | 一种台区用能多目标低碳降损优化调度策略方法 | |
CN111009914A (zh) | 一种面向主动配电网的储能装置选址定容方法 | |
CN111614110B (zh) | 一种基于改进多目标粒子群算法的受端电网储能优化配置方法 | |
Astero et al. | Improvement of RES hosting capacity using a central energy storage system | |
CN116308880A (zh) | 一种用户侧电化学储能电站运行维护利益最大化的方法 | |
CN110880776B (zh) | 控制储能系统中储能设备充放电的方法和装置 | |
CN112736944A (zh) | 一种电化学储能电站有功功率调度方法和系统 | |
CN114475331A (zh) | 一种考虑负荷反弹的电动汽车聚合优化调度方法 | |
CN105470947A (zh) | 一种基于量子行为粒子群算法的微电网调度方法 | |
CN110048421B (zh) | 储能装置容量选择方法及装置 | |
US11754633B1 (en) | Energy storage control | |
CN109004642A (zh) | 用于平抑分布式电源功率波动的配网分布式储能评价方法 | |
CN115441494A (zh) | 基于柔性直流互联系统的换流站容量优化配置方法和装置 | |
CN112348245A (zh) | 一种用户侧储能不同运行方式经济性评估方法及系统 |
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 |