CN111509750A - 电网侧储能系统容量配置优化方法 - Google Patents

电网侧储能系统容量配置优化方法 Download PDF

Info

Publication number
CN111509750A
CN111509750A CN202010345698.6A CN202010345698A CN111509750A CN 111509750 A CN111509750 A CN 111509750A CN 202010345698 A CN202010345698 A CN 202010345698A CN 111509750 A CN111509750 A CN 111509750A
Authority
CN
China
Prior art keywords
energy storage
storage system
ess
load
power grid
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
Application number
CN202010345698.6A
Other languages
English (en)
Other versions
CN111509750B (zh
Inventor
吴昌龙
罗华伟
徐志强
禹海峰
陈霖华
欧名勇
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.)
Hunan Jingyan Electric Power Design Co ltd
Economic and Technological Research Institute of State Grid Hunan Electric Power Co Ltd
Original Assignee
Hunan Jingyan Electric Power Design Co ltd
Economic and Technological Research Institute of State Grid Hunan Electric Power 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 Hunan Jingyan Electric Power Design Co ltd, Economic and Technological Research Institute of State Grid Hunan Electric Power Co Ltd filed Critical Hunan Jingyan Electric Power Design Co ltd
Priority to CN202010345698.6A priority Critical patent/CN111509750B/zh
Publication of CN111509750A publication Critical patent/CN111509750A/zh
Application granted granted Critical
Publication of CN111509750B publication Critical patent/CN111509750B/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
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种电网侧储能系统容量配置优化方法，包括获取电网的运行参数；建立下层储能系统运行模型并得到规划日削峰量；建立上层规划模型并得到储能系统规模；利用粒子群优化算法对上层规划模型和下层储能系统运行模型进行联合求解得到最终的电网侧储能系统容量配置结果。本发明建立了电网侧储能系统单位规模应用效果模型，提出了电网侧储能系统对多电压层级电网及电源应用效果计算方法，充分体现了储能一处应用多处受益的优势；而且建立了电网侧储能系统上下双层优化配置模型，采用改进型粒子群算法进行优化计算，快速得到综合最优的配置结果；因此，本发明方法可靠性高、实用性好且兼顾电网侧储能系统整体效果与利用效率。

Description

电网侧储能系统容量配置优化方法
技术领域
本发明属于电气自动化领域，具体涉及一种电网侧储能系统容量配置优化方法。
背景技术
随着经济技术的发展和人们生活水平的提高，电能已经成为了人们生产和生活中必不可少的二次能源，给人们的生产和生活带来了无尽的便利。因此，电力系统的稳定可靠运行，就成为了电力系统最重要的任务之一。
在电力行业，风能、太阳能等新能源和智能电网产业迅速崛起。但由于新能源出力不稳定，电网的安全稳定运行面临挑战。储能技术被认为是解决高比例新能源接入问题的重要解决方案以及智能电网关键支撑技术，近来年得到了越来越广泛的应用；储能系统成本也随之持续降低，技术性能不断提升。
储能技术部署灵活，调节性能好，在电力系统电源侧、电网侧、用户侧均有很大发挥作用的空间。在电网侧，储能系统可以改善电能质量增强系统稳定性，提升新能源消纳能力，削峰填谷减小峰谷差，延缓配变设备的更新升级，提升设备利用率。然而已实施的电网侧储能工程，在容量规划上大都采用“自上而下”模式，主要根据总量及场地情况进行经验配置，缺乏对最佳应用效果的科学考虑。
此外，目前的储能系统配置研究中，多是针对新能源及用户侧应用，在电网侧储能配置方面，更多地考虑电网可靠性、经济效益等储能系统总体应用效果，对于储能系统利用效率并未作考量。这使得目前在电网侧的储能系统容量配置过程，还没有较好的解决方案。
发明内容
本发明的目的在于提供一种可靠性高、实用性好且兼顾电网侧储能系统整体效果与利用效率的电网侧储能系统容量配置优化方法。
本发明提供的这种电网侧储能系统容量配置优化方法，包括如下步骤：
S1.获取电网的运行参数；
S2.以储能系统充放电功率为控制变量，以规划日负荷曲线优化效果最佳为目标，建立下层储能系统运行模型，并得到规划日削峰量；
S3.以单位规模储能系统应用效果最优为目标，建立上层规划模型，并得到储能系统规模；
S4.上层规划模型向下层储能系统运行模型传递储能系统规模参数，下层储能系统运行模型向上层规划模型传递规划日削峰量参数，并利用粒子群优化算法实现对上层规划模型和下层储能系统运行模型的联合求解，从而得到最终的电网侧储能系统容量配置结果。
步骤S2所述的以储能系统充放电功率为控制变量，以规划日负荷曲线优化效果最佳为目标，建立下层储能系统运行模型，并得到规划日削峰量，具体为采用如下步骤建立下层储能系统运行模型并计算规划日削峰量：
A.采用如下算式作为下层储能系统运行模型的目标函数：
Figure BDA0002470112430000021
式中Sess为储能系统电池的容量；Pess·t为储能系统t时刻的运行功率；T为日负荷特性曲线的时段数；P′L·t为经储能系统优化后的日负荷特性曲线的负荷；
Figure BDA0002470112430000022
为经储能系统优化后的日负荷特性曲线的的平均值；
B.采用如下算式作为下层储能系统运行模型的约束条件：
SOCmin≤SOC≤SOCmax
Figure BDA0002470112430000031
-Pess≤Pess·t≤Pess
式中SOC为储能系统荷电状态；SOCmin为储能系统允许最小荷电状态；SOCmax为允许最大荷电状态；η为储能系统充放电效率；Pch为储能系统充电功率；Pdis为储能系统放电功率；Δt为时段长度；Pess·t为储能系统t时刻的运行功率；
C.采用如下算式计算规划日削峰量ΔP：
ΔP＝max(PL·t)-max(P′L·t)
式中PL·t为优化前的日负荷特性曲线的负荷；P′L·t为经储能系统优化后的日负荷特性曲线的负荷。
步骤S3所述的以单位规模储能系统应用效果最优为目标，建立上层规划模型，并得到储能系统规模，具体为采用如下步骤建立上层规划模型并计算储能系统规模：
a.采用如下公式作为上层规划模型的目标函数：
Figure BDA0002470112430000032
式中
Figure BDA0002470112430000033
为单位规模储能系统的应用效果，且
Figure BDA0002470112430000034
Sess为储能系统电池的容量；Pess为储能系统电池的系统功率；kp为储能系统功率占比系数；E(Sess,Pess)为储能系统的应用效果，且E(Sess,Pess)＝(eg+eu+ep)ΔP；eg为储能系统对本级电网负荷优化的效果系数且
Figure BDA0002470112430000035
N0为储能系统寿命，Ng为储能系统作用年限且
Figure BDA0002470112430000041
Figure BDA0002470112430000042
为向下取整符号；Pa为重载负荷水平阈值且Pa＝r·Str；r为重载负载率阈值；Str为设备额定容量；ΔP为规划日削峰量；PL·max为负荷最大值；ε为负荷增长率；eu为储能系统对上级电网负荷优化效果系数且eu＝βu；βu为本级负荷对上级电网的同时率；ep为储能系统对电厂容量减少效果系数且ep＝βp(1+rres)；βp为本电压层级负荷汇总至电源端的同时率；rres为发电容量负荷备用率；
b.采用如下算式作为约束条件：
0≤Pess≤Pess·max
0≤Sess≤Sess·max
其中
Figure BDA0002470112430000043
Ptr为所接入的变电设备的剩余容量；Parea为场地最大可安装规模；Pacc为接入点允许接入最大容量；
Figure BDA0002470112430000044
为典型负荷日最大负荷与平均负荷的差值；
Figure BDA0002470112430000045
PL·t为典型日负荷值。
步骤S4所述的利用粒子群优化算法实现对上层规划模型和下层储能系统运行模型的联合求解，具体为采用如下步骤进行求解：
(1)初始化参数；
(2)在上层约束条件下，随机配置上层粒子(Sess,Pess)的位置和速度，并下发下层储能系统运行模型；其中Sess为储能系统电池的容量；Pess为储能系统电池的系统功率；
(3)下层储能系统运行模型将接收的上层粒子的位置和速度作为已知条件，并在下层约束条件下，随机配置储能运行功率序列粒子Pess·t的位置和速度；
(4)在步骤(3)的基础上，求解下层储能系统运行模型，得到最优解；
(5)将步骤(4)得到的最优解上传至上层规划模型，并计算上层规划模型的适应度函数；
(6)判断变异概率pk，进行自适应变异操作，并判定是否保留操作结果，并同步更新粒子群个体最优值pbestid、粒子群群体最优值gbestd和粒子的位置及速度；
(7)循环步骤(4)～(6)直至满足终止条件，从而得到最终的电网侧储能系统容量配置结果：最优单位规模储能系统应用效果、最优储能配置结果和对应于最优储能配置结果的储能系统充放电功率序列Pess·t。
所述的粒子群优化算法，具体包括如下步骤：
1)采用如下算式作为粒子群算法的自适应变异公式：
Figure BDA0002470112430000051
式中pk为第k次迭代的变异概率，σk为第k次迭代的适应度方差；pmax为变异概率的最大值；pmin为变异概率的最小值；n为迭代次数；
2)采用如下算式作为粒子群算法的速度更新公式：
Figure BDA0002470112430000052
式中w为惯性权重且
Figure BDA0002470112430000053
run为当前迭代次数；runmax为最大迭代次数；
Figure BDA0002470112430000054
为第k次迭代粒子i飞行速度矢量的第d维分量；
Figure BDA0002470112430000055
为第k次迭代粒子位置矢量的第d维分量；c1为第一加速度常数；c2为第二加速度常数；r1为第一随机数；r2为第二随机数；pbestid为粒子群个体最优值；gbestd为粒子群群体最优值。
本发明提供的这种电网侧储能系统容量配置优化方法，建立了电网侧储能系统单位规模应用效果模型，提出了电网侧储能系统对多电压层级电网及电源应用效果计算方法，充分体现了储能一处应用多处受益的优势；而且建立了电网侧储能系统上下双层优化配置模型，上层优化目标为单位规模应用效果，下层目标为整体负荷优化运行效果，采用改进型粒子群算法进行优化计算，快速得到综合最优的配置结果；因此，本发明方法的可靠性高、实用性好且兼顾电网侧储能系统整体效果与利用效率。
附图说明
图1为本发明方法的方法流程示意图。
图2为本发明方法的实施例的储能优化前后日负荷曲线示意图。
图3为本发明方法的实施例的储能出力曲线示意图。
图4为本发明方法的实施例的优化迭代过程示意图。
具体实施方式
如图1所示为本发明方法的方法流程示意图：本发明提供的这种电网侧储能系统容量配置优化方法，包括如下步骤：
S1.获取电网的运行参数；
S2.以储能系统充放电功率为控制变量，以规划日负荷曲线优化效果最佳为目标，建立下层储能系统运行模型，并得到规划日削峰量；具体为采用如下步骤建立下层储能系统运行模型并计算规划日削峰量：
A.采用如下算式作为下层储能系统运行模型的目标函数：
Figure BDA0002470112430000061
式中Sess为储能系统电池的容量；Pess·t为储能系统t时刻的运行功率；T为日负荷特性曲线的时段数；P′L·t为经储能系统优化后的日负荷特性曲线的负荷；
Figure BDA0002470112430000071
为经储能系统优化后的日负荷特性曲线的的平均值；
B.采用如下算式作为下层储能系统运行模型的约束条件：
SOCmin≤SOC≤SOCmax(储能系统荷电状态约束)
Figure BDA0002470112430000072
(充放电量平衡约束)
-Pess≤Pess·t≤Pess(充放电功率约束)
式中SOC为储能系统荷电状态；SOCmin为储能系统允许最小荷电状态；SOCmax为允许最大荷电状态；η为储能系统充放电效率；Pch为储能系统充电功率；Pdis为储能系统放电功率；Δt为时段长度；Pess·t为储能系统t时刻的运行功率；
C.采用如下算式计算规划日削峰量ΔP：
ΔP＝max(PL·t)-max(P′L·t)
式中PL·t为优化前的日负荷特性曲线的负荷；P′L·t为经储能系统优化后的日负荷特性曲线的负荷；
S3.以单位规模储能系统应用效果最优为目标，建立上层规划模型，并得到储能系统规模；具体为采用如下步骤建立上层规划模型并计算储能系统规模：
a.采用如下公式作为上层规划模型的目标函数：
Figure BDA0002470112430000073
式中
Figure BDA0002470112430000074
为单位规模储能系统的应用效果，且
Figure BDA0002470112430000075
Sess为储能系统电池的容量；Pess为储能系统电池的系统功率；kp为储能系统功率占比系数；E(Sess,Pess)为储能系统的应用效果，且E(Sess,Pess)＝(eg+eu+ep)ΔP；eg为储能系统对本级电网负荷优化的效果系数且
Figure BDA0002470112430000081
N0为储能系统寿命，Ng为储能系统作用年限且
Figure BDA0002470112430000082
Figure BDA0002470112430000083
为向下取整符号；Pa为重载负荷水平阈值且Pa＝r·Str；r为重载负载率阈值；Str为设备额定容量；ΔP为规划日削峰量；PL·max为负荷最大值；ε为负荷增长率；eu为储能系统对上级电网负荷优化效果系数且eu＝βu；βu为本级负荷对上级电网的同时率；ep为储能系统对电厂容量减少效果系数且ep＝βp(1+rres)；βp为本电压层级负荷汇总至电源端的同时率；rres为发电容量负荷备用率；
b.采用如下算式作为约束条件：
0≤Pess≤Pess·max(储能系统电池容量约束)
0≤Sess≤Sess·max(储能系统电池功率约束)
其中
Figure BDA0002470112430000084
Ptr为所接入的变电设备的剩余容量；Parea为场地最大可安装规模；Pacc为接入点允许接入最大容量；
Figure BDA0002470112430000085
为典型负荷日最大负荷与平均负荷的差值；
Figure BDA0002470112430000086
PL·t为典型日负荷值；
S4.上层规划模型向下层储能系统运行模型传递储能系统规模参数，下层储能系统运行模型向上层规划模型传递规划日削峰量参数，并利用粒子群优化算法实现对上层规划模型和下层储能系统运行模型的联合求解，从而得到最终的电网侧储能系统容量配置结果；具体为采用如下步骤进行求解：
(1)初始化参数；
(2)在上层约束条件下，随机配置上层粒子(Sess,Pess)的位置和速度，并下发下层储能系统运行模型；其中Sess为储能系统电池的容量；Pess为储能系统电池的系统功率；
(3)下层储能系统运行模型将接收的上层粒子的位置和速度作为已知条件，并在下层约束条件下，随机配置储能运行功率序列粒子Pess·t的位置和速度；
(4)在步骤(3)的基础上，求解下层储能系统运行模型，得到最优解；
(5)将步骤(4)得到的最优解上传至上层规划模型，并计算上层规划模型的适应度函数；
(6)判断变异概率pk，进行自适应变异操作，并判定是否保留操作结果，并同步更新粒子群个体最优值pbestid、粒子群群体最优值gbestd和粒子的位置及速度；
(7)循环步骤(4)～(6)直至满足设定的终止条件，从而得到最终的电网侧储能系统容量配置结果：最优单位规模储能系统应用效果、最优储能配置结果和对应于最优储能配置结果的储能系统充放电功率序列Pess·t。
其中，在粒子群优化算法中，具体包括了如下步骤：
(1)采用如下算式作为粒子群算法的自适应变异公式：
Figure BDA0002470112430000091
式中pk为第k次迭代的变异概率，σk为第k次迭代的适应度方差；pmax为变异概率的最大值；pmin为变异概率的最小值；n为迭代次数；
(2)采用如下算式作为粒子群算法的速度更新公式：
Figure BDA0002470112430000092
式中w为惯性权重且
Figure BDA0002470112430000101
run为当前迭代次数；runmax为最大迭代次数；
Figure BDA0002470112430000102
为第k次迭代粒子i飞行速度矢量的第d维分量；
Figure BDA0002470112430000103
为第k次迭代粒子位置矢量的第d维分量；c1为第一加速度常数；c2为第二加速度常数；r1为第一随机数；r2为第二随机数；pbestid为粒子群个体最优值；gbestd为粒子群群体最优值。
以下结合一个具体实施例，对本发明方法进行进一步说明：
以某110kV变电站侧储能系统配置为例进行说明，该站变电容量70MVA。
2所示是日负荷特性，最大负荷58.44MW，负载率超过80％，属于重载变电站。通过配置储能系统提高电网供电能力。计算参数如表1所示
表1电池系统及电网相关参数
项目 取值
额定容量 70MVA
重载负载率阈值 0.8
系统效率 90％
负荷增长率 1.5％
储能系统对上级电网优化效果系数 0.7
储能系统对发电厂容量减少效果系数 0.7
发电容量负荷备用率 5％
根据双层规划的目标函数、约束条件，借助利用仿真平台编写自适应变异粒子群算法对双层规划模型进行求解。
该案例经自适应变异粒子群算法求解的收敛曲线如图4，寻优过程从快到慢，经历自适应变异，在15次左右实现应用效率目标值最佳的收敛，可见该应用下最佳配置结果可成功收敛，可靠性好，收敛速度快。最优结果稳定在0.735，最优配置的规划结果为7MW/12.4MWh。
在上下双层策略配置结果下，储能出力曲线如图3所示，储能功率充电为负，放电为正，出力大小随负荷进行变动，最大出力可达7MW，且可充分利用储能容量。储能应用后的负荷优化曲线如下图2所示。优化后的峰值负荷分别为51.44MW，削峰率达到11.98％，可将负荷率优化至73.49％，在1.5％的负荷增长率的情况下，可以对本级电网达到5年的延缓年限，满足运行要求。
可见本发明利用自适应变异的粒子群算法可在电网侧储能规划中可以实现最优配置的快速收敛，有较好的寻优能力。规划和运行兼顾的电网侧储能配置双层规划策略可以较好的实现储能应用效果和利用效率最佳，同时配置容量得到充分利用。

Claims (5)

1.一种电网侧储能系统容量配置优化方法，包括如下步骤：
S1.获取电网的运行参数；
S2.以储能系统充放电功率为控制变量，以规划日负荷曲线优化效果最佳为目标，建立下层储能系统运行模型，并得到规划日削峰量；
S3.以单位规模储能系统应用效果最优为目标，建立上层规划模型，并得到储能系统规模；
S4.上层规划模型向下层储能系统运行模型传递储能系统规模参数，下层储能系统运行模型向上层规划模型传递规划日削峰量参数，并利用粒子群优化算法实现对上层规划模型和下层储能系统运行模型的联合求解，从而得到最终的电网侧储能系统容量配置结果。
2.根据权利要求1所述的电网侧储能系统容量配置优化方法，其特征在于步骤S2所述的以储能系统充放电功率为控制变量，以规划日负荷曲线优化效果最佳为目标，建立下层储能系统运行模型，并得到规划日削峰量，具体为采用如下步骤建立下层储能系统运行模型并计算规划日削峰量：
A.采用如下算式作为下层储能系统运行模型的目标函数：
Figure FDA0002470112420000011
式中Sess为储能系统电池的容量；Pess·t为储能系统t时刻的运行功率；T为日负荷特性曲线的时段数；P′L·t为经储能系统优化后的日负荷特性曲线的负荷；
Figure FDA0002470112420000012
为经储能系统优化后的日负荷特性曲线的的平均值；
B.采用如下算式作为下层储能系统运行模型的约束条件：
SOCmin≤SOC≤SOCmax
Figure FDA0002470112420000021
-Pess≤Pess·t≤Pess
式中SOC为储能系统荷电状态；SOCmin为储能系统允许最小荷电状态；SOCmax为允许最大荷电状态；η为储能系统充放电效率；Pch为储能系统充电功率；Pdis为储能系统放电功率；Δt为时段长度；Pess·t为储能系统t时刻的运行功率；
C.采用如下算式计算规划日削峰量ΔP：
ΔP＝max(PL·t)-max(P′L·t)
式中PL·t为优化前的日负荷特性曲线的负荷；P′L·t为经储能系统优化后的日负荷特性曲线的负荷。
3.根据权利要求2所述的电网侧储能系统容量配置优化方法，其特征在于步骤S3所述的以单位规模储能系统应用效果最优为目标，建立上层规划模型，并得到储能系统规模，具体为采用如下步骤建立上层规划模型并计算储能系统规模：
a.采用如下公式作为上层规划模型的目标函数：
Figure FDA0002470112420000022
式中
Figure FDA0002470112420000023
为单位规模储能系统的应用效果，且
Figure FDA0002470112420000024
Sess为储能系统电池的容量；Pess为储能系统电池的系统功率；kp为储能系统功率占比系数；E(Sess,Pess)为储能系统的应用效果，且E(Sess,Pess)＝(eg+eu+ep)ΔP；eg为储能系统对本级电网负荷优化的效果系数且
Figure FDA0002470112420000025
N0为储能系统寿命，Ng为储能系统作用年限且
Figure FDA0002470112420000031
Figure FDA0002470112420000032
为向下取整符号；Pa为重载负荷水平阈值且Pa＝r·Str；r为重载负载率阈值；Str为设备额定容量；ΔP为规划日削峰量；PL·max为负荷最大值；ε为负荷增长率；eu为储能系统对上级电网负荷优化效果系数且eu＝βu；βu为本级负荷对上级电网的同时率；ep为储能系统对电厂容量减少效果系数且ep＝βp(1+rres)；βp为本电压层级负荷汇总至电源端的同时率；rres为发电容量负荷备用率；
b.采用如下算式作为约束条件：
0≤Pess≤Pess·max
0≤Sess≤Sess·max
其中
Figure FDA0002470112420000033
Ptr为所接入的变电设备的剩余容量；Parea为场地最大可安装规模；Pacc为接入点允许接入最大容量；
Figure FDA0002470112420000034
为典型负荷日最大负荷与平均负荷的差值；
Figure FDA0002470112420000035
PL·t为典型日负荷值。
4.根据权利要求1～3之一所述的电网侧储能系统容量配置优化方法，其特征在于步骤S4所述的利用粒子群优化算法实现对上层规划模型和下层储能系统运行模型的联合求解，具体为采用如下步骤进行求解：
(1)初始化参数；
(2)在上层约束条件下，随机配置上层粒子(Sess,Pess)的位置和速度，并下发下层储能系统运行模型；其中Sess为储能系统电池的容量；Pess为储能系统电池的系统功率；
(3)下层储能系统运行模型将接收的上层粒子的位置和速度作为已知条件，并在下层约束条件下，随机配置储能运行功率序列粒子Pess·t的位置和速度；
(4)在步骤(3)的基础上，求解下层储能系统运行模型，得到最优解；
(5)将步骤(4)得到的最优解上传至上层规划模型，并计算上层规划模型的适应度函数；
(6)判断变异概率pk，进行自适应变异操作，并判定是否保留操作结果，并同步更新粒子群个体最优值pbestid、粒子群群体最优值gbestd和粒子的位置及速度；
(7)循环步骤(4)～(6)直至满足终止条件，从而得到最终的电网侧储能系统容量配置结果：最优单位规模储能系统应用效果、最优储能配置结果和对应于最优储能配置结果的储能系统充放电功率序列Pess·t。
5.根据权利要求4所述的电网侧储能系统容量配置优化方法，其特征在于所述的粒子群优化算法，具体包括如下步骤：
1)采用如下算式作为粒子群算法的自适应变异公式：
Figure FDA0002470112420000041
式中pk为第k次迭代的变异概率，σk为第k次迭代的适应度方差；pmax为变异概率的最大值；pmin为变异概率的最小值；n为迭代次数；
2)采用如下算式作为粒子群算法的速度更新公式：
Figure FDA0002470112420000042
式中w为惯性权重且
Figure FDA0002470112420000043
run为当前迭代次数；runmax为最大迭代次数；
Figure FDA0002470112420000044
为第k次迭代粒子i飞行速度矢量的第d维分量；
Figure FDA0002470112420000045
为第k次迭代粒子位置矢量的第d维分量；c1为第一加速度常数；c2为第二加速度常数；r1为第一随机数；r2为第二随机数；pbestid为粒子群个体最优值；gbestd为粒子群群体最优值。
CN202010345698.6A 2020-04-27 2020-04-27 电网侧储能系统容量配置优化方法 Active CN111509750B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010345698.6A CN111509750B (zh) 2020-04-27 2020-04-27 电网侧储能系统容量配置优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010345698.6A CN111509750B (zh) 2020-04-27 2020-04-27 电网侧储能系统容量配置优化方法

Publications (2)

Publication Number Publication Date
CN111509750A true CN111509750A (zh) 2020-08-07
CN111509750B CN111509750B (zh) 2021-02-19

Family

ID=71864935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010345698.6A Active CN111509750B (zh) 2020-04-27 2020-04-27 电网侧储能系统容量配置优化方法

Country Status (1)

Country Link
CN (1) CN111509750B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113193577A (zh) * 2021-05-06 2021-07-30 浙江华云信息科技有限公司 一种增强用户侧弹性裕度的储能复合功能辅助决策方法
CN115549163A (zh) * 2022-12-01 2022-12-30 东南大学 基于随机充放循环特征的储能容量优化配置方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2398125A2 (en) * 2010-06-17 2011-12-21 Sharp Kabushiki Kaisha Device and method for energy management
CN105071433A (zh) * 2015-07-31 2015-11-18 贵州大学 一种分布式电源的优化配置方案
CN108551175A (zh) * 2018-04-28 2018-09-18 国网湖南省电力有限公司 配电网储能容量配置方法
CN108599206A (zh) * 2018-04-28 2018-09-28 国网湖南省电力有限公司 高比例不确定电源场景下的配电网混合储能配置方法
CN109787261A (zh) * 2019-03-14 2019-05-21 国网江苏省电力有限公司镇江供电分公司 电网侧及用户侧储能系统容量优化配置方法
CN109948868A (zh) * 2019-04-17 2019-06-28 上海电力设计院有限公司 高渗透率分布式可再生能源发电集群优化规划方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2398125A2 (en) * 2010-06-17 2011-12-21 Sharp Kabushiki Kaisha Device and method for energy management
CN105071433A (zh) * 2015-07-31 2015-11-18 贵州大学 一种分布式电源的优化配置方案
CN108551175A (zh) * 2018-04-28 2018-09-18 国网湖南省电力有限公司 配电网储能容量配置方法
CN108599206A (zh) * 2018-04-28 2018-09-28 国网湖南省电力有限公司 高比例不确定电源场景下的配电网混合储能配置方法
CN109787261A (zh) * 2019-03-14 2019-05-21 国网江苏省电力有限公司镇江供电分公司 电网侧及用户侧储能系统容量优化配置方法
CN109948868A (zh) * 2019-04-17 2019-06-28 上海电力设计院有限公司 高渗透率分布式可再生能源发电集群优化规划方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113193577A (zh) * 2021-05-06 2021-07-30 浙江华云信息科技有限公司 一种增强用户侧弹性裕度的储能复合功能辅助决策方法
CN113193577B (zh) * 2021-05-06 2022-07-12 浙江华云信息科技有限公司 一种增强用户侧弹性裕度的储能复合功能辅助决策方法
CN115549163A (zh) * 2022-12-01 2022-12-30 东南大学 基于随机充放循环特征的储能容量优化配置方法及系统

Also Published As

Publication number Publication date
CN111509750B (zh) 2021-02-19

Similar Documents

Publication Publication Date Title
CN107301472B (zh) 基于场景分析法和电压调节策略的分布式光伏规划方法
Lin et al. Coordinated control strategies for SMES-battery hybrid energy storage systems
CN110994694B (zh) 计及差异化需求响应的微电网源荷储协调优化调度方法
CN111244988B (zh) 考虑分布式电源的电动汽车和储能优化调度方法
CN103986190A (zh) 基于发电功率曲线的风光储联合发电系统平滑控制方法
CN104779630A (zh) 一种平抑风电输出功率波动的混合储能系统容量配置方法
CN111934360B (zh) 基于模型预测控制的虚拟电厂-储能系统能量协同优化调控方法
Wu et al. A study on use of hybrid energy storage system along with variable filter time constant to smooth DC power fluctuation in microgrid
CN110135662B (zh) 一种考虑减小峰谷差的储能选址定容多目标优化方法
CN112380694B (zh) 一种基于差异化可靠性需求的配电网优化规划方法
CN112865075B (zh) 一种交直流混合微电网优化方法
CN111509750B (zh) 电网侧储能系统容量配置优化方法
CN112928767B (zh) 一种分布式储能协同控制方法
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
CN105896575A (zh) 基于自适应动态规划的百兆瓦储能功率控制方法及系统
CN112053035A (zh) 考虑经济性与灵活性的输电通道与储能联合规划方法
Zhang et al. Sequence control strategy for hybrid energy storage system for wind smoothing
CN115764849A (zh) 一种混合储能容量优化配置方法及其配置系统
CN115115130A (zh) 一种基于模拟退火算法的风光储制氢系统日前调度方法
CN117134398A (zh) 混合储能系统功率控制方法、控制设备及储能网
CN116914850A (zh) 一种区域综合能源系统双层优化调度方法、系统及设备
CN109066823B (zh) 一种适于三端口电力电子变压器的交直流混合微网两层优化方法
CN115940284B (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
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
CN111311032B (zh) 一种基于扇形雷达图模型的微网系统容量优化配置方法

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
GR01 Patent grant
GR01 Patent grant
CB03 Change of inventor or designer information

Inventor after: Wu Changlong

Inventor after: Zhu Xiaonan

Inventor after: Luo Huawei

Inventor after: Xu Zhiqiang

Inventor after: Yu Haifeng

Inventor after: Chen Linhua

Inventor after: Ou Mingyong

Inventor after: Zhou Nianguang

Inventor after: Wang Hongliang

Inventor after: Yue Xiumei

Inventor before: Wu Changlong

Inventor before: Luo Huawei

Inventor before: Xu Zhiqiang

Inventor before: Yu Haifeng

Inventor before: Chen Linhua

Inventor before: Ou Mingyong

CB03 Change of inventor or designer information