CN111555316B - 一种可参与电网辅助服务的分布式云储能调度控制方法 - Google Patents

一种可参与电网辅助服务的分布式云储能调度控制方法 Download PDF

Info

Publication number
CN111555316B
CN111555316B CN202010324053.4A CN202010324053A CN111555316B CN 111555316 B CN111555316 B CN 111555316B CN 202010324053 A CN202010324053 A CN 202010324053A CN 111555316 B CN111555316 B CN 111555316B
Authority
CN
China
Prior art keywords
energy storage
cloud
distributed
cloud energy
power
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
Application number
CN202010324053.4A
Other languages
English (en)
Other versions
CN111555316A (zh
Inventor
张宁
刘静琨
杜尔顺
康重庆
夏清
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN202010324053.4A priority Critical patent/CN111555316B/zh
Publication of CN111555316A publication Critical patent/CN111555316A/zh
Application granted granted Critical
Publication of CN111555316B publication Critical patent/CN111555316B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • 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]
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Power Engineering (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出一种可参与电网辅助服务的分布式云储能调度控制方法，属于电网中储能技术应用领域。该方法首先建立分布式云储能参与电网辅助服务的日前优化模型并求解；然后分别建立分布式云储能充电功率实时修正优化模型和分布式云储能放电功率实时修正优化模型，利用日前优化模型的最优解对该两个修正优化模型求解，分别得到实时运行中各时段云储能提供商的各分布式储能的充电功率和放电功率的最优解，实现调度。本发明方法能够拓宽云储能系统中储能资源的来源，同时为电网的调频、调峰等辅助服务需求提供有益的支撑，还可以提高云储能系统中所集成的分布式储能资源的利用率，使得分布式云储能的调度控制更加合理、有效。

Description

一种可参与电网辅助服务的分布式云储能调度控制方法
技术领域
本发明涉及一种可参与电网辅助服务的分布式云储能调度控制方法，属于电网中储能技术应用领域。
背景技术
随着分布式发电技术和实时电价的推广，用户日益希望自主选择储能装置及其充放电时机，实现合理的储能资源利用。用户投资使用本地的实体储能装置可能会面临着过高的单位成本，而且也需要花费一定的精力进行维护。利用共享式云端虚拟储能代替用户本地的实体储能装置是一种较好的替代方式，如已有的一种用于住宅和小型用户的云储能装置(Liu J,Zhang N,Kang C,et al.Cloud energy storage for residential andsmall commercial consumers:Abusiness case study[J].Applied Energy.2017,188:226-236.)。现有的云储能概念是一种基于电网的共享式储能技术，使用户可以随时、随地、按需使用由集中式或分布式的储能设施构成的共享储能资源，并按照使用需求而支付服务费。现有云储能系统主要包括4部分，分别是云储能用户、云储能服务提供商、集中式储能设施以及电网。云储能用户和电网之间以及集中式储能设施和电网之间分别通过电气连接实现能量的双向传输。云储能用户和电网之间、云储能用户和云储能服务提供商之间、云储能服务提供商和集中式储能设施之间分别通过有线或无线通信方式实现信息的双向传输，电网向云储能服务提供商单向传输信息。
云储能服务提供商控制储能装置满足云储能用户的充电和放电需求，同时最大化利用储能资源。可用的储能资源不仅被许多云储能用户所分享，同时也根据充放电需求动态地分配给相应云储能用户。通过优化计划和储能设施的协调控制，提高系统运行效率。云储能通过从配电馈线充放电改变了原有的潮流。云储能用户与储能设施处于同一配电网中。当一个云储能用户向其所分配到的储能资源充电时，储能设施通过向电网吸入能量而充电。当云储能用户使其云端电池放电来使用所存储的能量时，储能设施向电网释放能量去补偿相应用户的负荷。
云储能服务提供商可以利用海量分布式用户之间充电和放电需求的互补性和非同时性实现其所建设的储能设施的能量容量与功率容量分别低于云储能系统中所有分布式用户的能量容量需求总和与功率容量需求总和。如今能源与信息通讯技术愈发深度融合，这就给构建云储能系统提供了软硬件的支撑。但目前的云储能系统尚未考虑到整合大量的分布式储能资源为用户提供云储能服务并同时运用于电网辅助服务。
发明内容
本发明的目的是为克服现有集中式云储能系统不能整合海量分布式储能装置，并利用这些分布式储能装置为用户提供云储能服务的同时为电网提供辅助服务的局限性，提出一种可参与电网辅助服务的分布式云储能调度控制方法。本发明对云储能系统进行了拓展，将分布式储能资源整合到了云储能系统中。在此基础上，提出了分布式云储能参与电网辅助服务的日前优化模型和分布式云储能充、放电功率实时修正优化模型和相关的云储能服务提供商日前和实时决策方法，为云储能服务提供商整合海量分布式储能资源为用户提供云储能服务和为电网提供辅助服务提供了支持。
本发明提出一种可参与电网辅助服务的分布式云储能调度控制方法，其特征在于，包括以下步骤：
1)建立分布式云储能参与电网辅助服务的日前优化模型，该模型由目标函数和约束条件构成；具体步骤如下：
1-1)建立分布式云储能参与电网辅助服务的日前优化模型的目标函数为：
Figure BDA0002462516890000021
式中，(·)+和(·)-分别定义为取括号中的正值和负值部分，即：
Figure BDA0002462516890000022
Figure BDA0002462516890000023
σ1为第一权重系数，σ2为第二权重系数；
τ为日前决策的时段；
k为云储能提供商的分布式储能；
Figure BDA0002462516890000031
为云储能提供商的分布式储能k在τ时段因对外放电导致的荷电状态减少值；
SOCk,τ为云储能提供商的分布式储能k在τ时段末的荷电状态；
T为日前决策的连续时段集合；
K为云储能提供商的在集合T的范围内可以调用的分布式储能的集合；
Δt为时段间隔；
Figure BDA0002462516890000032
为日前τ时段云储能提供商的分布式储能k用于向电网提供辅助服务的放电功率；
Figure BDA0002462516890000033
为日前τ时段云储能提供商的分布式储能k用于向电网提供辅助服务的充电功率；
Figure BDA0002462516890000034
为日前τ时段云储能提供商的分布式储能k用于向云储能用户提供云储能服务的充电功率；
Figure BDA0002462516890000035
为日前τ时段云储能提供商的分布式储能k用于向云储能用户提供云储能服务的放电功率；
Figure BDA0002462516890000036
为日前τ时段电网辅助服务需要云储能服务提供商实现的充电功率；
Figure BDA0002462516890000037
为日前τ时段电网辅助服务需要云储能服务提供商实现的放电功率；
λτ为日前τ时段云储能提供商的分布式储能设施从电网获取电能时，云储能服务提供商需要支付给电网的电费单价；
θτ为日前τ时段云储能提供商的分布式储能设施向电网回馈电能时，云储能服务提供商从电网获得的电费单价；
Figure BDA0002462516890000038
为日前τ时段云储能用户放电功率的总和；
Figure BDA0002462516890000039
为日前τ时段云储能用户使用本地分布式能源充电功率的总和；
Figure BDA00024625168900000310
为日前τ时段云储能服务提供商的充电功率不能满足电网辅助服务需求，即
Figure BDA00024625168900000311
而需要向电网支付的惩罚电费单价；
Figure BDA00024625168900000312
为日前τ时段云储能服务提供商的放电功率不能满足电网辅助服务需求，即
Figure BDA00024625168900000313
而需要向电网支付的惩罚电费单价；
Figure BDA00024625168900000314
为日前τ时段云储能服务提供商的充电功率满足电网辅助服务需求，即
Figure BDA00024625168900000315
而从电网获得的单位能量奖励；
Figure BDA00024625168900000316
为日前τ时段云储能服务提供商的放电功率满足电网辅助服务需求，即
Figure BDA00024625168900000317
而从电网获得的单位能量奖励；
1-2)确定分布式云储能参与电网辅助服务的日前优化模型的约束条件；具体如下：
1-2-1)荷电状态约束；
Figure BDA0002462516890000041
Figure BDA0002462516890000042
Figure BDA0002462516890000043
式中，
Figure BDA0002462516890000044
为日前τ时段云储能提供商的分布式储能k的充电功率；
Figure BDA0002462516890000045
为日前τ时段云储能提供商的分布式储能k的放电功率；
Figure BDA0002462516890000046
为云储能提供商的分布式储能k的充电效率；
Figure BDA0002462516890000047
为云储能提供商的分布式储能k的放电效率；
Figure BDA0002462516890000048
为云储能提供商的分布式储能k的能量容量；Sk为云储能提供商的分布式储能k在每个时间间隔Δt的自放电率；
Figure BDA0002462516890000049
为云储能提供商的分布式储能k的最小荷电状态；SOCk,0为云储能提供商的分布式储能k的初始荷电状态；
1-2-2)充放电功率约束；
Figure BDA00024625168900000410
Figure BDA00024625168900000411
Figure BDA00024625168900000412
Figure BDA00024625168900000413
Figure BDA00024625168900000414
Figure BDA00024625168900000415
式中，Pk Cap为云储能提供商的分布式储能k的功率容量；
2)在进行分布式云储能参与电网辅助服务的日前优化之前，云储能服务提供商从电网调控中心获取时段集合T范围内的运行参数，包括：日前τ时段电网辅助服务需要云储能服务提供商实现的充电功率
Figure BDA00024625168900000416
和放电功率
Figure BDA00024625168900000417
日前τ时段云储能提供商的分布式储能设施从电网获取电能时，云储能服务提供商需要支付给电网的电费单价λτ、日前τ时段云储能提供商的分布式储能设施向电网回馈电能时，云储能服务提供商从电网获得的电费单价θτ、日前τ时段云储能服务提供商的充电功率不能满足电网辅助服务需求而需要向电网支付的惩罚电费单价
Figure BDA00024625168900000418
日前τ时段云储能服务提供商的放电功率不能满足电网辅助服务需求而需要向电网支付的惩罚电费单价
Figure BDA00024625168900000419
日前τ时段云储能服务提供商的充电功率满足电网辅助服务需求而从电网获得的单位能量奖励
Figure BDA00024625168900000420
日前τ时段云储能服务提供商的放电功率满足电网辅助服务需求而从电网获得的单位能量奖励
Figure BDA00024625168900000421
云储能服务提供商根据历史数据预测得到参数，包括日前τ时段云储能用户放电功率的总和
Figure BDA00024625168900000422
日前τ时段云储能用户使用本地分布式能源充电功率的总和
Figure BDA00024625168900000423
3)根据步骤2)得到的运行参数，对步骤1)建立的分布式云储能参与电网辅助服务的日前优化模型进行求解，得到以下决策变量的最优解，包括：日前τ时段云储能提供商的分布式储能k用于向电网提供辅助服务的放电功率
Figure BDA0002462516890000051
和充电功率
Figure BDA0002462516890000052
日前τ时段云储能提供商的分布式储能k用于向云储能用户提供云储能服务的充电功率
Figure BDA0002462516890000053
和放电功率
Figure BDA0002462516890000054
日前τ时段云储能提供商的分布式储能k的充电功率
Figure BDA0002462516890000055
和放电功率
Figure BDA0002462516890000056
4)建立分布式云储能充电功率实时修正优化模型，该模型由目标函数和约束条件构成；具体步骤如下：
4-1)确定分布式云储能充电功率实时修正优化模型的目标函数为：
Figure BDA0002462516890000057
式中，t为当前实时决策的时段；
Kt为t时段可用的云储能提供商的分布式储能的集合；
Nt为t时段可用的云储能提供商的分布式储能的数量；
Figure BDA0002462516890000058
为t时段云储能提供商的分布式储能k的充电功率；
Figure BDA0002462516890000059
是步骤3)求解得到的日前的
Figure BDA00024625168900000510
在实时t时段对应的值；
Figure BDA00024625168900000511
为t时段电网辅助服务需要云储能服务提供商实现的充电功率相较于对应的日前τ时段
Figure BDA00024625168900000512
的增加量；
4-2)确定分布式云储能充电功率实时修正优化模型的约束条件；具体如下：
充电功率约束；
Figure BDA00024625168900000513
Figure BDA00024625168900000514
Figure BDA00024625168900000515
式中，
Figure BDA00024625168900000516
为云储能提供商的分布式储能k在t-1时段末的实际能量；
Figure BDA00024625168900000517
是步骤3)求解得到的日前的
Figure BDA00024625168900000518
在实时t时段对应的值；
5)建立分布式云储能放电功率实时修正优化模型，该模型由目标函数和约束条件构成；具体步骤如下：
5-1)确定分布式云储能放电功率实时修正优化模型的目标函数为：
Figure BDA00024625168900000519
式中，
Figure BDA00024625168900000520
为t时段云储能提供商的分布式储能k的放电功率；
Figure BDA0002462516890000061
为t时段电网辅助服务需要云储能服务提供商实现的放电功率相较于对应的日前τ时段
Figure BDA0002462516890000062
的增加量；
5-2)确定分布式云储能放电功率实时修正优化模型的约束条件；具体如下：
放电功率约束；
Figure BDA0002462516890000063
Figure BDA0002462516890000064
Figure BDA0002462516890000065
6)根据步骤3)得到的
Figure BDA0002462516890000066
的最优解，对步骤4)建立的分布式云储能充电功率实时修正优化模型求解，得到t时段云储能提供商的分布式储能k的充电功率
Figure BDA0002462516890000067
的最优解，对步骤5)建立的分布式云储能放电功率实时修正优化模型求解，得到t时段云储能提供商的分布式储能k的放电功率
Figure BDA0002462516890000068
的最优解；
7)根据步骤6)的结果，控制Kt中的云储能提供商的分布式储能在当前t时段按照功率
Figure BDA0002462516890000069
充电，按照功率
Figure BDA00024625168900000610
放电，调度完毕。
本发明的特点及有益效果：
本发明针对现有云储能系统不能使用分布式储能资源的问题，改进云储能服务提供商决策模型，使云储能服务提供商可以利用分布式的储能资源为用户提供云储能服务，并参与电网的辅助服务。为了提升决策的效率和准确性，云储能服务提供商的调度控制先进行日前优化决策，再根据实时情况进行调整。
本发明方法能够拓宽云储能系统中储能资源的来源，同时为电网的调频、调峰等辅助服务需求提供有益的支撑，还可以提高云储能系统中所集成的分布式储能资源的利用率。通过尽力避免分布式储能资源在较低荷电状态下放电，云储能服务提供商可以在调用分布式储能资源时减少因深度放电所导致的分布式储能的容量衰减和寿命损失，使得分布式云储能的调度控制更加合理、有效。
具体实施方式
本发明提出一种可参与电网辅助服务的分布式云储能调度控制方法，下面结合具体实施例对本发明进一步详细说明如下。
本发明提出一种可参与电网辅助服务的分布式云储能调度控制方法，包括以下步骤：
1)建立分布式云储能参与电网辅助服务的日前优化模型，该模型由目标函数和约束条件构成；具体步骤如下：
1-1)建立分布式云储能参与电网辅助服务的日前优化模型的目标函数为：
Figure BDA0002462516890000071
该目标函数表示最小化时段集合T内的所有集合K中的云储能提供商的分布式储能因放电引起的荷电状态减少值与相应时段的荷电状态之商的加总和，以及与云储能服务提供商的日前运行成本的加权之和；
式中，(·)+和(·)-分别定义为取括号中的正值和负值部分，即：
Figure BDA0002462516890000072
Figure BDA0002462516890000073
σ1为第一权重系数，σ2为第二权重系数；σ1的取值范围是1/(NT·NK)≤σ1≤10/(NT·NK)，NT为集合T中元素总数，NK为集合K中元素总数；σ2取值为云储能服务提供商的前一天的运行成本的倒数；
τ为日前决策的时段；
k为云储能提供商的分布式储能；
Figure BDA0002462516890000074
为云储能提供商的分布式储能k在τ时段因对外放电导致的荷电状态减少值；
SOCk,τ为云储能提供商的分布式储能k在τ时段末的荷电状态；
T为日前决策的连续时段集合；
K为云储能提供商的在集合T的范围内可以调用的分布式储能的集合；
Δt为时段间隔，取值范围一般为5～15分钟；
Figure BDA0002462516890000075
为日前τ时段云储能提供商的分布式储能k用于向电网提供辅助服务的放电功率；
Figure BDA0002462516890000076
为日前τ时段云储能提供商的分布式储能k用于向电网提供辅助服务的充电功率；
Figure BDA0002462516890000077
为日前τ时段云储能提供商的分布式储能k用于向云储能用户提供云储能服务的充电功率；
Figure BDA0002462516890000081
为日前τ时段云储能提供商的分布式储能k用于向云储能用户提供云储能服务的放电功率；
Figure BDA0002462516890000082
为日前τ时段电网辅助服务需要云储能服务提供商实现的充电功率；
Figure BDA0002462516890000083
为日前τ时段电网辅助服务需要云储能服务提供商实现的放电功率；
λτ为日前τ时段云储能提供商的分布式储能设施从电网获取电能时，云储能服务提供商需要支付给电网的电费单价；
θτ为日前τ时段云储能提供商的分布式储能设施向电网回馈电能时，云储能服务提供商从电网获得的电费单价；
Figure BDA0002462516890000084
为日前τ时段云储能用户放电功率的总和；
Figure BDA0002462516890000085
为日前τ时段云储能用户使用本地分布式能源充电功率的总和；
Figure BDA0002462516890000086
为日前τ时段云储能服务提供商的充电功率不能满足电网辅助服务需求，即
Figure BDA0002462516890000087
而需要向电网支付的惩罚电费单价；
Figure BDA0002462516890000088
为日前τ时段云储能服务提供商的放电功率不能满足电网辅助服务需求，即
Figure BDA0002462516890000089
而需要向电网支付的惩罚电费单价；
Figure BDA00024625168900000810
为日前τ时段云储能服务提供商的充电功率满足电网辅助服务需求，即
Figure BDA00024625168900000811
而从电网获得的单位能量奖励；
Figure BDA00024625168900000812
为日前τ时段云储能服务提供商的放电功率满足电网辅助服务需求，即
Figure BDA00024625168900000813
而从电网获得的单位能量奖励；
1-2)确定分布式云储能参与电网辅助服务的日前优化模型的约束条件；具体如下：
1-2-1)荷电状态约束；
Figure BDA00024625168900000814
Figure BDA00024625168900000815
Figure BDA00024625168900000816
式中，
Figure BDA00024625168900000817
为日前τ时段云储能提供商的分布式储能k的充电功率；
Figure BDA00024625168900000818
为日前τ时段云储能提供商的分布式储能k的放电功率；
Figure BDA00024625168900000819
为云储能提供商的分布式储能k的充电效率；
Figure BDA00024625168900000820
为云储能提供商的分布式储能k的放电效率；
Figure BDA00024625168900000821
为云储能提供商的分布式储能k的能量容量；Sk为云储能提供商的分布式储能k在每个时间间隔Δt的自放电率；
Figure BDA00024625168900000822
为云储能提供商的分布式储能k的最小荷电状态；SOCk,0为云储能提供商的分布式储能k的初始荷电状态；
1-2-2)充放电功率约束；
Figure BDA0002462516890000091
Figure BDA0002462516890000092
Figure BDA0002462516890000093
Figure BDA0002462516890000094
Figure BDA0002462516890000095
Figure BDA0002462516890000096
式中，Pk Cap为云储能提供商的分布式储能k的功率容量；
所述分布式云储能参与电网辅助服务的日前优化模型的决策变量为
Figure BDA0002462516890000097
Figure BDA0002462516890000098
中间变量为SOCk,τ、
Figure BDA0002462516890000099
其余为参数；
2)在进行分布式云储能参与电网辅助服务的日前优化之前，云储能服务提供商从电网调控中心获取时段集合T范围内的运行参数，包括：日前τ时段电网辅助服务需要云储能服务提供商实现的充电功率
Figure BDA00024625168900000910
和放电功率
Figure BDA00024625168900000911
日前τ时段云储能提供商的分布式储能设施从电网获取电能时，云储能服务提供商需要支付给电网的电费单价λτ、日前τ时段云储能提供商的分布式储能设施向电网回馈电能时，云储能服务提供商从电网获得的电费单价θτ、日前τ时段云储能服务提供商的充电功率不能满足电网辅助服务需求而需要向电网支付的惩罚电费单价
Figure BDA00024625168900000912
日前τ时段云储能服务提供商的放电功率不能满足电网辅助服务需求而需要向电网支付的惩罚电费单价
Figure BDA00024625168900000913
日前τ时段云储能服务提供商的充电功率满足电网辅助服务需求而从电网获得的单位能量奖励
Figure BDA00024625168900000914
日前τ时段云储能服务提供商的放电功率满足电网辅助服务需求而从电网获得的单位能量奖励
Figure BDA00024625168900000915
云储能服务提供商根据历史数据预测得到参数，包括日前τ时段云储能用户放电功率的总和
Figure BDA00024625168900000916
日前τ时段云储能用户使用本地分布式能源充电功率的总和
Figure BDA00024625168900000917
3)根据步骤2)得到的运行参数，对步骤1)建立的分布式云储能参与电网辅助服务的日前优化模型使用优化求解器Gurobi进行求解，得出以下决策变量的最优解，包括：日前τ时段云储能提供商的分布式储能k用于向电网提供辅助服务的放电功率
Figure BDA00024625168900000918
和充电功率
Figure BDA00024625168900000919
日前τ时段云储能提供商的分布式储能k用于向云储能用户提供云储能服务的充电功率
Figure BDA00024625168900000920
和放电功率
Figure BDA00024625168900000921
日前τ时段云储能提供商的分布式储能k的充电功率
Figure BDA00024625168900000922
和放电功率
Figure BDA00024625168900000923
4)建立分布式云储能充电功率实时修正优化模型，该模型由目标函数和约束条件构成；具体步骤如下：
4-1)确定分布式云储能充电功率实时修正优化模型的目标函数为：
Figure BDA0002462516890000101
该目标函数表示最小化实时运行中t时段集合Kt中的云储能提供商的所有分布式储能的充电功率与经过实时电网辅助服务充电功率修正的集合K中的云储能提供商的分布式储能在对应时段的日前充电功率的偏差与集合Kt中的云储能提供商的所有分布式储能的功率容量总和之比的平方加上t时段集合Kt中的云储能提供商的每个分布式储能因充电所导致的荷电状态变化值的平方的加总之和；式中，
t为当前实时决策的时段；
Kt为t时段可用的云储能提供商的分布式储能的集合；
Nt为t时段可用的云储能提供商的分布式储能的数量，即Kt中元素数量；
Figure BDA0002462516890000102
为t时段云储能提供商的分布式储能k的充电功率；
Figure BDA0002462516890000103
是步骤3)中求解得到的日前的
Figure BDA0002462516890000104
在实时t时段对应的值；
Figure BDA0002462516890000105
为t时段电网辅助服务需要云储能服务提供商实现的充电功率相较于对应的日前τ时段
Figure BDA0002462516890000106
的增加量；
4-2)确定分布式云储能充电功率实时修正优化模型的约束条件；具体如下：
充电功率约束；
Figure BDA0002462516890000107
Figure BDA0002462516890000108
Figure BDA0002462516890000109
式中，
Figure BDA00024625168900001010
为云储能提供商的分布式储能k在t-1时段末的实际能量；
Figure BDA00024625168900001011
是步骤3)求解得到的日前的
Figure BDA00024625168900001012
在实时t时段对应的值；
所述分布式云储能充电功率实时修正优化模型的决策变量为
Figure BDA00024625168900001013
其余为参数；
5)建立分布式云储能放电功率实时修正优化模型，该模型由目标函数和约束条件构成；具体步骤如下：
5-1)确定分布式云储能放电功率实时修正优化模型的目标函数为：
Figure BDA00024625168900001014
该目标函数表示最小化实时运行中t时段集合Kt中的云储能提供商的所有分布式储能的放电功率与经过实时电网辅助服务放电功率修正的集合K中的云储能提供商的分布式储能在对应时段的日前放电功率的差值与集合Kt中的云储能提供商的所有分布式储能的功率容量总和之比的平方加上t时段集合Kt中的云储能提供商的每个分布式储能因放电所导致的荷电状态变化值的平方的加总之和；式中，
Figure BDA0002462516890000111
为t时段云储能提供商的分布式储能k的放电功率；
Figure BDA0002462516890000112
为t时段电网辅助服务需要云储能服务提供商实现的放电功率相较于对应的日前τ时段
Figure BDA0002462516890000113
的增加量；
5-2)确定分布式云储能放电功率实时修正优化模型的约束条件；具体如下：
放电功率约束；
Figure BDA0002462516890000114
Figure BDA0002462516890000115
Figure BDA0002462516890000116
所述分布式云储能放电功率实时修正优化模型的决策变量为
Figure BDA0002462516890000117
其余为参数；
6)根据步骤3)得到的参数
Figure BDA0002462516890000118
的最优解，对步骤4)建立的分布式云储能充电功率实时修正优化模型使用优化求解器Gurobi求解，得到t时段云储能提供商的分布式储能k的充电功率
Figure BDA0002462516890000119
的最优解，对步骤5)建立的分布式云储能放电功率实时修正优化模型使用优化求解器Gurobi求解，得到t时段云储能提供商的分布式储能k的放电功率
Figure BDA00024625168900001110
的最优解；
7)根据步骤6)的结果，控制Kt中的云储能提供商的分布式储能在当前t时段按照功率
Figure BDA00024625168900001111
充电，按照功率
Figure BDA00024625168900001112
放电，当前t时段调度完毕。

Claims (1)

1.一种可参与电网辅助服务的分布式云储能调度控制方法，其特征在于，包括以下步骤：
1)建立分布式云储能参与电网辅助服务的日前优化模型，该模型由目标函数和约束条件构成；具体步骤如下：
1-1)建立分布式云储能参与电网辅助服务的日前优化模型的目标函数为：
Figure FDA0002462516880000011
式中，(·)+和(·)-分别定义为取括号中的正值和负值部分，即：
Figure FDA0002462516880000012
Figure FDA0002462516880000013
σ1为第一权重系数，σ2为第二权重系数；
τ为日前决策的时段；
k为云储能提供商的分布式储能；
Figure FDA0002462516880000014
为云储能提供商的分布式储能k在τ时段因对外放电导致的荷电状态减少值；
SOCk,τ为云储能提供商的分布式储能k在τ时段末的荷电状态；
T为日前决策的连续时段集合；
K为云储能提供商的在集合T的范围内可以调用的分布式储能的集合；
Δt为时段间隔；
Figure FDA0002462516880000015
为日前τ时段云储能提供商的分布式储能k用于向电网提供辅助服务的放电功率；
Figure FDA0002462516880000016
为日前τ时段云储能提供商的分布式储能k用于向电网提供辅助服务的充电功率；
Figure FDA0002462516880000017
为日前τ时段云储能提供商的分布式储能k用于向云储能用户提供云储能服务的充电功率；
Figure FDA0002462516880000021
为日前τ时段云储能提供商的分布式储能k用于向云储能用户提供云储能服务的放电功率；
Figure FDA0002462516880000022
为日前τ时段电网辅助服务需要云储能服务提供商实现的充电功率；
Figure FDA0002462516880000023
为日前τ时段电网辅助服务需要云储能服务提供商实现的放电功率；
λτ为日前τ时段云储能提供商的分布式储能设施从电网获取电能时，云储能服务提供商需要支付给电网的电费单价；
θτ为日前τ时段云储能提供商的分布式储能设施向电网回馈电能时，云储能服务提供商从电网获得的电费单价；
Figure FDA0002462516880000024
为日前τ时段云储能用户放电功率的总和；
Figure FDA0002462516880000025
为日前τ时段云储能用户使用本地分布式能源充电功率的总和；
Figure FDA0002462516880000026
为日前τ时段云储能服务提供商的充电功率不能满足电网辅助服务需求，即
Figure FDA0002462516880000027
而需要向电网支付的惩罚电费单价；
Figure FDA0002462516880000028
为日前τ时段云储能服务提供商的放电功率不能满足电网辅助服务需求，即
Figure FDA0002462516880000029
而需要向电网支付的惩罚电费单价；
Figure FDA00024625168800000210
为日前τ时段云储能服务提供商的充电功率满足电网辅助服务需求，即
Figure FDA00024625168800000211
而从电网获得的单位能量奖励；
Figure FDA00024625168800000212
为日前τ时段云储能服务提供商的放电功率满足电网辅助服务需求，即
Figure FDA00024625168800000213
而从电网获得的单位能量奖励；
1-2)确定分布式云储能参与电网辅助服务的日前优化模型的约束条件；具体如下：
1-2-1)荷电状态约束；
Figure FDA00024625168800000214
Figure FDA00024625168800000215
Figure FDA00024625168800000216
式中，
Figure FDA00024625168800000217
为日前τ时段云储能提供商的分布式储能k的充电功率；
Figure FDA00024625168800000218
为日前τ时段云储能提供商的分布式储能k的放电功率；
Figure FDA00024625168800000219
为云储能提供商的分布式储能k的充电效率；
Figure FDA00024625168800000220
为云储能提供商的分布式储能k的放电效率；
Figure FDA00024625168800000221
为云储能提供商的分布式储能k的能量容量；Sk为云储能提供商的分布式储能k在每个时间间隔Δt的自放电率；
Figure FDA00024625168800000222
为云储能提供商的分布式储能k的最小荷电状态；SOCk,0为云储能提供商的分布式储能k的初始荷电状态；
1-2-2)充放电功率约束；
Figure FDA0002462516880000031
Figure FDA0002462516880000032
Figure FDA0002462516880000033
Figure FDA0002462516880000034
Figure FDA0002462516880000035
Figure FDA0002462516880000036
式中，
Figure FDA0002462516880000037
为云储能提供商的分布式储能k的功率容量；
2)在进行分布式云储能参与电网辅助服务的日前优化之前，云储能服务提供商从电网调控中心获取时段集合T范围内的运行参数，包括：日前τ时段电网辅助服务需要云储能服务提供商实现的充电功率
Figure FDA0002462516880000038
和放电功率
Figure FDA0002462516880000039
日前τ时段云储能提供商的分布式储能设施从电网获取电能时，云储能服务提供商需要支付给电网的电费单价λτ、日前τ时段云储能提供商的分布式储能设施向电网回馈电能时，云储能服务提供商从电网获得的电费单价θτ、日前τ时段云储能服务提供商的充电功率不能满足电网辅助服务需求而需要向电网支付的惩罚电费单价
Figure FDA00024625168800000310
日前τ时段云储能服务提供商的放电功率不能满足电网辅助服务需求而需要向电网支付的惩罚电费单价
Figure FDA00024625168800000311
日前τ时段云储能服务提供商的充电功率满足电网辅助服务需求而从电网获得的单位能量奖励
Figure FDA00024625168800000312
日前τ时段云储能服务提供商的放电功率满足电网辅助服务需求而从电网获得的单位能量奖励
Figure FDA00024625168800000313
云储能服务提供商根据历史数据预测得到参数，包括日前τ时段云储能用户放电功率的总和
Figure FDA00024625168800000314
日前τ时段云储能用户使用本地分布式能源充电功率的总和
Figure FDA00024625168800000315
3)根据步骤2)得到的运行参数，对步骤1)建立的分布式云储能参与电网辅助服务的日前优化模型进行求解，得到以下决策变量的最优解，包括：日前τ时段云储能提供商的分布式储能k用于向电网提供辅助服务的放电功率
Figure FDA00024625168800000316
和充电功率
Figure FDA00024625168800000317
日前τ时段云储能提供商的分布式储能k用于向云储能用户提供云储能服务的充电功率
Figure FDA00024625168800000318
和放电功率
Figure FDA00024625168800000319
日前τ时段云储能提供商的分布式储能k的充电功率
Figure FDA00024625168800000320
和放电功率
Figure FDA00024625168800000321
4)建立分布式云储能充电功率实时修正优化模型，该模型由目标函数和约束条件构成；具体步骤如下：
4-1)确定分布式云储能充电功率实时修正优化模型的目标函数为：
Figure FDA00024625168800000322
式中，t为当前实时决策的时段；
Kt为t时段可用的云储能提供商的分布式储能的集合；
Nt为t时段可用的云储能提供商的分布式储能的数量；
Figure FDA0002462516880000041
为t时段云储能提供商的分布式储能k的充电功率；
Figure FDA0002462516880000042
是步骤3)求解得到的日前的
Figure FDA0002462516880000043
在实时t时段对应的值；
Figure FDA0002462516880000044
为t时段电网辅助服务需要云储能服务提供商实现的充电功率相较于对应的日前τ时段
Figure FDA0002462516880000045
的增加量；
4-2)确定分布式云储能充电功率实时修正优化模型的约束条件；具体如下：
充电功率约束；
Figure FDA0002462516880000046
Figure FDA0002462516880000047
Figure FDA0002462516880000048
式中，
Figure FDA0002462516880000049
为云储能提供商的分布式储能k在t-1时段末的实际能量；
Figure FDA00024625168800000410
是步骤3)求解得到的日前的
Figure FDA00024625168800000411
在实时t时段对应的值；
5)建立分布式云储能放电功率实时修正优化模型，该模型由目标函数和约束条件构成；具体步骤如下：
5-1)确定分布式云储能放电功率实时修正优化模型的目标函数为：
Figure FDA00024625168800000412
式中，
Figure FDA00024625168800000413
为t时段云储能提供商的分布式储能k的放电功率；
Figure FDA00024625168800000414
为t时段电网辅助服务需要云储能服务提供商实现的放电功率相较于对应的日前τ时段
Figure FDA00024625168800000415
的增加量；
5-2)确定分布式云储能放电功率实时修正优化模型的约束条件；具体如下：
放电功率约束；
Figure FDA00024625168800000416
Figure FDA00024625168800000417
Figure FDA00024625168800000418
6)根据步骤3)得到的
Figure FDA00024625168800000419
的最优解，对步骤4)建立的分布式云储能充电功率实时修正优化模型求解，得到t时段云储能提供商的分布式储能k的充电功率
Figure FDA00024625168800000420
的最优解，对步骤5)建立的分布式云储能放电功率实时修正优化模型求解，得到t时段云储能提供商的分布式储能k的放电功率
Figure FDA0002462516880000051
的最优解；
7)根据步骤6)的结果，控制Kt中的云储能提供商的分布式储能在当前t时段按照功率
Figure FDA0002462516880000052
充电，按照功率
Figure FDA0002462516880000053
放电，调度完毕。
CN202010324053.4A 2020-04-22 2020-04-22 一种可参与电网辅助服务的分布式云储能调度控制方法 Active CN111555316B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010324053.4A CN111555316B (zh) 2020-04-22 2020-04-22 一种可参与电网辅助服务的分布式云储能调度控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010324053.4A CN111555316B (zh) 2020-04-22 2020-04-22 一种可参与电网辅助服务的分布式云储能调度控制方法

Publications (2)

Publication Number Publication Date
CN111555316A CN111555316A (zh) 2020-08-18
CN111555316B true CN111555316B (zh) 2021-06-04

Family

ID=72007641

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010324053.4A Active CN111555316B (zh) 2020-04-22 2020-04-22 一种可参与电网辅助服务的分布式云储能调度控制方法

Country Status (1)

Country Link
CN (1) CN111555316B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111864770B (zh) * 2020-08-19 2022-11-15 国网河南省电力公司电力科学研究院 一种基于云储能的储能辅助调频调度方法
CN113361117B (zh) * 2021-06-16 2023-05-26 沈阳工程学院 一种基于聚合条件下的分布式储能聚合度评估指标模型

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107769234A (zh) * 2017-11-27 2018-03-06 国网河南省电力公司电力科学研究院 一种多点储能协调分布式电源的调频能力评价方法
CN109190802A (zh) * 2018-08-13 2019-01-11 南京邮电大学 云储能环境下基于发电预测的多微网博弈优化方法
CN110137981A (zh) * 2019-04-29 2019-08-16 东南大学 一种基于一致性算法的分布式储能聚合器agc方法
CN110890752A (zh) * 2019-11-28 2020-03-17 清华大学 一种可参与电网辅助服务的集中式云储能运行决策方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107769234A (zh) * 2017-11-27 2018-03-06 国网河南省电力公司电力科学研究院 一种多点储能协调分布式电源的调频能力评价方法
CN109190802A (zh) * 2018-08-13 2019-01-11 南京邮电大学 云储能环境下基于发电预测的多微网博弈优化方法
CN110137981A (zh) * 2019-04-29 2019-08-16 东南大学 一种基于一致性算法的分布式储能聚合器agc方法
CN110890752A (zh) * 2019-11-28 2020-03-17 清华大学 一种可参与电网辅助服务的集中式云储能运行决策方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Decision-Making Models for the Participants in Cloud Energy Storage;Jingkun Liu 等;《IEEE TRANSACTIONS ON SMART GRID》;20181130;第9卷(第6期);5512-5521 *
Research on Consumer Side Energy Storage Optimization Configuration Based on Cloud Energy Storage;Haojie Chen 等;《2018 3rd International Conference on Smart City and Systems Engineering (ICSCSE)》;20190506;476-481 *
分布式储能聚合服务商参与电网辅助服务策略研究;林立乾;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20200115(第01期);全文 *

Also Published As

Publication number Publication date
CN111555316A (zh) 2020-08-18

Similar Documents

Publication Publication Date Title
CN107394802B (zh) 分布式储能参与自动发电控制的协调控制方法
CN110890752B (zh) 一种可参与电网辅助服务的集中式云储能运行决策方法
CN111740403B (zh) 一种电网运营商与电动汽车集群的主从博弈调度策略
Zhu et al. A mean field game theoretic approach to electric vehicles charging
CN110728410A (zh) 一种计及需求响应灵活性和不确定性的负荷聚合商经济调度方法
CN111555316B (zh) 一种可参与电网辅助服务的分布式云储能调度控制方法
US11941711B2 (en) Centralized cloud energy storage system and transaction settlement method thereof, storage medium, and terminal
CN112590601B (zh) 基于边缘计算平台的v2g充电场站系统
Li et al. Two-stage community energy trading under end-edge-cloud orchestration
CN115189370A (zh) 一种混合储能参与调频的容量分配方法及系统
CN113887032A (zh) 基于拉格朗日分布式算法的电动汽车有序充放电控制方法
CN110137981A (zh) 一种基于一致性算法的分布式储能聚合器agc方法
Kiani et al. An extended state space model for aggregation of large-scale EVs considering fast charging
CN101448236B (zh) 一种基于业务模型的网络计费系统
CN109383323A (zh) 一种电动汽车群的充放电优化控制方法
CN116995656A (zh) 一种参与削峰填谷辅助服务的充电站优化方法及系统
Meikandasivam Optimal distribution of plug-in-electric vehicle’s storage capacity using water filling algorithm for load flattening and vehicle prioritization using ANFIS
CN115829224A (zh) 电动汽车集群可调度能力的多主体两阶段低碳优化运行方法
CN117595403A (zh) 一种综合能源系统中柔性资源协同调度的方法
CN110826801A (zh) 电动车充电站分布式电能管理方法
CN109327035A (zh) 一种电动汽车充电功率调节方法和系统
CN117977599A (zh) 含有电动汽车的虚拟电厂的调度方法、系统、设备和介质
CN117709552A (zh) 基于分布式能源分类聚合的虚拟电厂调度优化方法
CN115001019A (zh) 电动汽车参与调频辅助服务市场的充放电调度优化方法
CN108493974A (zh) 一种考虑充电成本的电动汽车参与调压的两级调度方法

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