CN111564868B - 离网型光储微电网系统容量配置评估方法及装置 - Google Patents
离网型光储微电网系统容量配置评估方法及装置 Download PDFInfo
- Publication number
- CN111564868B CN111564868B CN202010518971.0A CN202010518971A CN111564868B CN 111564868 B CN111564868 B CN 111564868B CN 202010518971 A CN202010518971 A CN 202010518971A CN 111564868 B CN111564868 B CN 111564868B
- Authority
- CN
- China
- Prior art keywords
- grid
- ess
- optical storage
- model
- type optical
- 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
- 238000003860 storage Methods 0.000 title claims abstract description 161
- 230000003287 optical effect Effects 0.000 title claims abstract description 155
- 238000011156 evaluation Methods 0.000 title claims abstract description 23
- 238000004458 analytical method Methods 0.000 claims abstract description 102
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000004088 simulation Methods 0.000 claims abstract description 30
- 238000004146 energy storage Methods 0.000 claims description 32
- 238000007599 discharging Methods 0.000 claims description 23
- 238000009826 distribution Methods 0.000 claims description 16
- 238000012423 maintenance Methods 0.000 claims description 16
- 230000008439 repair process Effects 0.000 claims description 16
- 238000005457 optimization Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 239000013256 coordination polymer Substances 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims 2
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 101150110390 Slc10a6 gene Proteins 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 101150067055 minC gene Proteins 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000002474 experimental method Methods 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
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000009827 uniform distribution Methods 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/388—Islanding, i.e. disconnection of local power supply from the network
-
- 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
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Water Supply & Treatment (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本公开是关于一种离网型光储微电网系统容量配置评估方法及装置。其中，该方法包括：建立包含MT输出功率模型、PV输出功率随机模型、ESS充放电模型及负荷综合时序模型的离网型光储微电网系统；对所述离网型光储微电网系统进行全时序仿真状态分析及可靠性分析；对所述离网型光储微电网系统进行经济性分析；将可靠性分析结果及经济性分析结果，基于预设算例系统，评估所述离网型光储微电网系统的容量配置，生成所述离网型光储微电网系统的容量配置方案。本公开通过分析离网型光储微电网系统的容量配置，可有效提高离网型光储微电网系统的经济性及可靠性。
Description
技术领域
本公开涉及新能源储能领域，具体而言，涉及一种离网型光储微电网系统容量配置评估方法及装置。
背景技术
微电网作为电力系统的有效补充，在提升电力系统可靠性方面效果显著，但提升效果易受分布式电源间歇出力与波动性的影响。通过引入储能系统平抑分布式电源功率波动，并作适量的负荷削减不仅能取得较好的可靠性收益，也能节约微电网运行成本。但高可靠性与经济性具有的矛盾属性，使得投资者不会为了高可靠性而不断增加投入，同时为了减少用户用电损失，也必须将可靠性保证在一定范围内。因此，如何兼顾可靠性和经济性的微电网系统配置是亟待研究的问题。
需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的目的在于提供一种离网型光储微电网系统容量配置评估方法，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本公开的一个方面，提供一种离网型光储微电网系统容量配置评估方法，包括：
建立包含微型燃气轮机MT输出功率模型、光伏PV输出功率随机模型、储能系统ESS充放电模型及负荷综合时序模型的离网型光储微电网系统；
以微型燃气轮机MT输出功率模型反映的MT故障与修复状态、光伏PV输出功率随机模型反映的PV输出功率分布状态、储能系统ESS充放电模型反映的ESS充放电状态及负荷综合时序模型反映的负荷波动性作为输入，对所述离网型光储微电网系统进行全时序仿真状态分析及可靠性分析，生成可靠性分析结果；
以微型燃气轮机MT输出功率模型、光伏PV输出功率随机模型、储能系统ESS充放电模型的容量配置为输入，以系统造价、运行和维护成本最小为约束条件，对所述离网型光储微电网系统进行经济性分析，生成经济性分析结果；
将可靠性分析结果及经济性分析结果，基于预设算例系统，评估所述离网型光储微电网系统的容量配置，生成所述离网型光储微电网系统的容量配置方案，根据所述容量配至方案进行离网型光储微电网系统的配置。
在本公开的一种示例性实施例中，所述建立包含MT输出功率模型、PV输出功率随机模型、ESS充放电模型及负荷综合时序模型的离网型光储微电网系统包括：
根据离网型光储微电网系统的特点，建立离网型光储微电网系统结构：
PL(h)＝PPV(h)+PMT(h)+PESS(h)
其中，PL(h)为负荷总功率，PPV(h)为PV输出功率，PMT(h)为MT输出功率，PESS(h)为ESS输出功率。
在本公开的一种示例性实施例中，所述建立包含MT输出功率模型、PV输出功率随机模型、ESS充放电模型及负荷综合时序模型的离网型光储微电网系统包括：
建立MT输出功率模型：PMT(h)∈[0,PMT]
其中，PMT为MT额定容量；
建立PV输出功率随机模型：
其中，α、β是Beta分布的形状参数，
是PV最大输出功率；
建立ESS充放电模型：
其中，Pch(h)和Pdch(h)分别是ESS充放电功率，ηch和ηdch分别是充放电效率，Δh是时间间隔，
和
分别是ESS储存能量上、下限容许值；
建立负荷综合时序模型：
其中，负荷的时变特性模型
可表示为
Py为年负荷峰值，Py-m为月负荷峰值占年负荷峰值的百分比，Pm-d为日负荷峰值占月负荷峰值的百分比，Pd-h为时负荷峰值占日负荷峰值的百分比；
建立发电机组可靠性模型：TTTF,i＝-MMTTF,ilnx，TTTR,i＝-MMTTR,ilny
其中，MMTTF,i和MMTTR,i分别为元件i的平均无故障工作时间和平均修复时间，元件i的无故障工作时间TTTF,i和修复时间TTTR,i均服从指数分布，x和y为服从[0,1]之间均匀分布的随机变量。
在本公开的一种示例性实施例中，所述ESS充放电模型在充电过量，即
时：
所述ESS充放电模型在放电过量即
时：
在本公开的一种示例性实施例中，对所述离网型光储微电网系统进行全时序仿真状态分析包括：
分析MT、PV、ESS均正常运行时，所述离网型光储微电网系统中各模型的工作状态；
分析MT故障，PV及ESS正常运行时，所述离网型光储微电网系统中各模型的工作状态；
分析PV故障或处于出力间歇期，MT及ESS正常运行时，所述离网型光储微电网系统中各模型的工作状态；
分析ESS故障，MT及PV正常运行时，所述离网型光储微电网系统中各模型的工作状态。
在本公开的一种示例性实施例中，对所述离网型光储微电网系统进行可靠性分析包括：
基于所述离网型光储微电网系统进行全时序仿真状态分析，对所述离网型光储微电网系统进行全时序仿真可靠性分析。
在本公开的一种示例性实施例中，对所述离网型光储微电网系统进行经济性分析包括：
建立离网型光储微电网系统经济优化目标函数：
minC＝CMT+CPV+CESS
其中，CMT、CPV、CESS分别为MT、PV年成本，ESS全寿命周期成本；
建立以ESS容量和功率、荷电状态、微网内实时供需平衡的约束条件：
其中，
和
分别为荷电状态值、
和
分别为ESS充/放电功率最大容许值。
在本公开的一种示例性实施例中，所述建立离网型光储微电网系统经济优化目标函数包括：
建立PV、MT的年成本函数：
建立ESS的全寿命周期成本函数：
其中，αMT、αPV分别为MT、PV造价成本，μMT、μPV分别为MT、PV年运行维护成本，yMT、yPV、yESS分别为MT、PV、ESS运行年限，NMT、NPV、分别为MT、PV机组数量，CCC和COC分别为ESS的一次性建设成本与运行维护成本，CE,ESS、CP,ESS分别为ESS的单位容量与单位功率成本，EESS和PESS分别为ESS容量与功率，λ是运行至目标年的运行维护成本与初期投资成本的比值，r0为贴现率。
在本公开的一种示例性实施例中，将可靠性分析结果及经济性分析结果，基于预设算例系统，评估所述离网型光储微电网系统的容量配置，生成所述离网型光储微电网系统的容量配置方案包括：
以改进的RBTS BUS6 F4馈线系统为算例系统，分别在线路16、20、24和25处接入光储系统并与线路上负荷点组成微电网系统；
采用失负荷概率、用户平均停电持续时间指数、系统平均停电频率指数、系统平均停电持续时间指数、平均供电可用率指数作为所述离网型光储微电网系统的可靠性指标；
以用户平均停电持续时间指数的方差系数：
作为算法的收敛判据，以其小于0.015作为迭代终止条件进行收敛性测试；
其中，βCAIDI为CAIDI的方差系数，VCAIDI和ECAIDI分别为CAIDI的方差与期望，H为仿真时长。
本公开的另一个方面，还提供了一种离网型光储微电网系统容量配置评估装置，该装置包括：
模型建立模块，用于建立包含微型燃气轮机MT输出功率模型、光伏PV输出功率随机模型、储能系统ESS充放电模型及负荷综合时序模型的离网型光储微电网系统；
第一分析模块，用于以微型燃气轮机MT输出功率模型反映的MT故障与修复状态、光伏PV输出功率随机模型反映的PV输出功率分布状态、储能系统ESS充放电模型反映的ESS充放电状态及负荷综合时序模型反映的负荷波动性作为输入，对所述离网型光储微电网系统进行全时序仿真状态分析及可靠性分析，生成可靠性分析结果；
第二分析模块，用于以微型燃气轮机MT输出功率模型、光伏PV输出功率随机模型、储能系统ESS充放电模型的容量配置为输入，以系统造价、运行和维护成本最小为约束条件，对所述离网型光储微电网系统进行经济性分析，生成经济性分析结果；
方案生成模块，用于将可靠性分析结果及经济性分析结果，基于预设算例系统，评估所述离网型光储微电网系统的容量配置，生成所述离网型光储微电网系统的容量配置方案，根据所述容量配至方案进行离网型光储微电网系统的配置。
本公开的示例性实施例中的离网型光储微电网系统容量配置评估方法，该方法包括：建立包含MT输出功率模型、PV输出功率随机模型、ESS充放电模型及负荷综合时序模型的离网型光储微电网系统；对所述离网型光储微电网系统进行全时序仿真状态分析及可靠性分析；对所述离网型光储微电网系统进行经济性分析；将可靠性分析结果及经济性分析结果，基于预设算例系统，评估所述离网型光储微电网系统的容量配置，生成所述离网型光储微电网系统的容量配置方案，根据所述容量配至方案进行离网型光储微电网系统的配置。本公开通过分析离网型光储微电网系统的容量配置，可有效提高离网型光储微电网系统的可靠性与经济性分析。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
通过参照附图来详细描述其示例实施例，本公开的上述和其它特征及优点将变得更加明显。
图1示出了根据本公开一示例性实施例的离网型光储微电网系统容量配置评估方法的流程图；
图2示出了根据本公开一示例性实施例的兼顾可靠性与经济性的离网型光储微电网系统的结构图；
图3示出了根据本公开一示例性实施例的离网型光储微电网系统容量配置评估方法的全时序仿真状态分析图；
图4示出了根据本公开一示例性实施例的离网型光储微电网系统容量配置评估方法的微电网全时序仿真可靠性评估流程图；
图5示出了根据本公开一示例性实施例的离网型光储微电网系统容量配置评估方法的改进的RBTS BUS6 F4馈线系统示意图；
图6示出了根据本公开一示例性实施例的离网型光储微电网系统容量配置评估方法的4个微电网系统48小时内负荷波动曲线图；
图7示出了根据本公开一示例性实施例的离网型光储微电网系统容量配置评估装置的结构框图。
具体实施方式
现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的实施例；相反，提供这些实施例使得本公开将全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。
此外，所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中，提供许多具体细节从而给出对本公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有所述特定细节中的一个或更多，或者可以采用其它的方法、组元、材料、装置、步骤等。在其它情况下，不详细示出或描述公知结构、方法、装置、实现、材料或者操作以避免模糊本公开的各方面。
附图中所示的方框图仅仅是功能实体，不一定必须与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个软件硬化的模块中实现这些功能实体或功能实体的一部分，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
在本示例实施例中，首先提供了一种离网型光储微电网系统容量配置评估方法；参考图1中所示，该离网型光储微电网系统容量配置评估方法可以包括以下步骤：
步骤S110，建立包含微型燃气轮机MT输出功率模型、光伏PV输出功率随机模型、储能系统ESS充放电模型及负荷综合时序模型的离网型光储微电网系统；
步骤S120，以微型燃气轮机MT输出功率模型反映的MT故障与修复状态、光伏PV输出功率随机模型反映的PV输出功率分布状态、储能系统ESS充放电模型反映的ESS充放电状态及负荷综合时序模型反映的负荷波动性作为输入，对所述离网型光储微电网系统进行全时序仿真状态分析及可靠性分析，生成可靠性分析结果；
步骤S130，以微型燃气轮机MT输出功率模型、光伏PV输出功率随机模型、储能系统ESS充放电模型的容量配置为输入，以系统造价、运行和维护成本最小为约束条件，对所述离网型光储微电网系统进行经济性分析，生成经济性分析结果；
步骤S140，将可靠性分析结果及经济性分析结果，基于预设算例系统，评估所述离网型光储微电网系统的容量配置，生成所述离网型光储微电网系统的容量配置方案，根据所述容量配至方案进行离网型光储微电网系统的配置。
本公开的示例性实施例中的离网型光储微电网系统容量配置评估方法，该方法包括：建立包含MT输出功率模型、PV输出功率随机模型、ESS充放电模型及负荷综合时序模型的离网型光储微电网系统；对所述离网型光储微电网系统进行全时序仿真状态分析及可靠性分析；对所述离网型光储微电网系统进行经济性分析；将可靠性分析结果及经济性分析结果，基于预设算例系统，评估所述离网型光储微电网系统的容量配置，生成所述离网型光储微电网系统的容量配置方案。本公开通过对离网型光储微电网系统进行可靠性与经济性分析，开展了不同容量配置方案下的比选研究，为离网型光储微电网系统的布局规划，容量配置提供积极参考。
下面，将对本示例实施例中的离网型光储微电网系统容量配置评估方法进行进一步的说明。
本公开提出考虑可靠性与经济性的光储微电网系统容量配置模型。一方面，根据微电网分布式电源出力特性，搭建了含微型燃气轮机(Micro Turbine，MT)输出功率模型、光伏(Photovoltaic，PV)输出功率随机模型，储能系统(Energy Storage System，ESS)充放电模型及负荷综合时序模型的离网型光储微电网系统；进而分析了微电网全时序仿真状态，提出了可靠性评估流程；另一方面，以容量及功率为约束条件，以系统总成本最小为目标函数，得到可靠性与经济性俱优的容量配置方式。最后，以改进的RBTS BUS6 F4馈线系统为算例系统，对划分的4个微电网系统进行可靠性与经济性分析，开展了不同容量配置方案下的比选研究。
在步骤S110中，可以建立包含微型燃气轮机MT输出功率模型、光伏PV输出功率随机模型、储能系统ESS充放电模型及负荷综合时序模型的离网型光储微电网系统。
在本示例的实施例中，所述离网型微电网系统由MT、PV、ESS及负荷组成，其结构可以参考图2所示。PL(h)为负荷总功率；PPV(h)、PMT(h)、PESS(h)分别为PV、MT、ESS输出功率。对图1所示的离网型光储微电网系统而言，由于缺乏上级电网支撑，为维持系统供需平衡，分布式电源发出的能量需在系统内部消纳。具体为：
PL(h)＝PPV(h)+PMT(h)+PESS(h) (1)
在本示例的实施例中，所述建立包含MT输出功率模型、PV输出功率随机模型、ESS充放电模型及负荷综合时序模型的离网型光储微电网系统包括：
根据离网型光储微电网系统的特点，建立离网型光储微电网系统结构：
PL(h)＝PPV(h)+PMT(h)+PESS(h)
其中，PL(h)为负荷总功率，PPV(h)为PV输出功率，PMT(h)为MT输出功率，PESS(h)为ESS输出功率。
在本示例的实施例中，所述建立包含MT输出功率模型、PV输出功率随机模型、ESS充放电模型及负荷综合时序模型的离网型光储微电网系统包括：
建立MT输出功率模型：
PMT(h)∈[0,PMT]
其中，PMT为MT额定容量；
建立PV输出功率随机模型：
其中，α、β是Beta分布的形状参数，
是PV最大输出功率；
建立ESS充放电模型：
其中，Pch(h)和Pdch(h)分别是ESS充放电功率，ηch和ηdch分别是充放电效率，Δh是时间间隔，
和
分别是ESS储存能量上、下限容许值；
建立负荷综合时序模型：
其中，负荷的时变特性模型
可表示为
Py为年负荷峰值，Py-m为月负荷峰值占年负荷峰值的百分比，Pm-d为日负荷峰值占月负荷峰值的百分比，Pd-h为时负荷峰值占日负荷峰值的百分比；
建立发电机组可靠性模型：
TTTF,i＝-MMTTF,ilnx，TTTR,i＝-MMTTR,ilny
其中，MMTTF,i和MMTTR,i分别为元件i的平均无故障工作时间和平均修复时间，元件i的无故障工作时间TTTF,i和修复时间TTTR,i均服从指数分布，x和y为服从[0,1]之间均匀分布的随机变量。
在本示例的实施例中，MT输出功率可控，当MT处于工作状态时，MT输出功率PMT(h)∈[0,PMT](PMT为MT额定容量)。
PV输出功率受环境温度与光照强度的影响，具有较强的随机性。但一定时间内的光照强度近似服从Beta分布，具体为：
PV输出功率应满足：
式中，α、β是Beta分布的形状参数；
是PV最大输出功率。
ESS剩余容量EESS(h)，取决于前一时刻运行策略、PV和MT出力、负荷波动、荷电状态、每一时刻ESS充放电功率等。计及ESS最大充放电功率和容量等式与不等式约束，建立的ESS模型如下：
为避免ESS因为过充或过放产生大量不可行解，对ESS过充或过放进行如下处理：充电过量，根据式(4)计算储能电量，若
此时：
放电过量时，根据式(5)计算储能电量，若
此时：
式中，Pch(h)和Pdch(h)分别是ESS充放电功率；ηch和ηdch分别是充放电效率；Δh是时间间隔；
和
分别是ESS储存能量上、下限容许值。
负荷的时变特性与随机特性导致了负荷的波动性。本公开根据上述特性，采用负荷综合时序模型模拟其波动性。
负荷综合时序模型可表示为：
负荷的时变特性模型
可表示为：
式中，Py为年负荷峰值；Py-m为月负荷峰值占年负荷峰值的百分比；Pm-d为日负荷峰值占月负荷峰值的百分比；Pd-h为时负荷峰值占日负荷峰值的百分比。
负荷的随机特性密度函数
可表示为：
式中，μL为负荷波动期望值；σL为负荷波动标准差。
发电机组可靠性模型采用常规二态(故障-修复)模型，MMTTF,i和MMTTR,i分别为元件i的平均无故障工作时间和平均修复时间，元件i的无故障工作时间TTTF,i和修复时间TTTR,i均服从指数分布，可通过以下式(11)和式(12)确定：
TTTF,i＝-MMTTF,ilnx (11)
TTTR,i＝-MMTTR,ilny (12)
式中，x和y为服从[0,1]之间均匀分布的随机变量。
在本示例的实施例中，所述ESS充放电模型在充电过量，即
时：
所述ESS充放电模型在放电过量即
时：
在在步骤S120中，可以以微型燃气轮机MT输出功率模型反映的MT故障与修复状态、光伏PV输出功率随机模型反映的PV输出功率分布状态、储能系统ESS充放电模型反映的ESS充放电状态及负荷综合时序模型反映的负荷波动性作为输入，对所述离网型光储微电网系统进行全时序仿真状态分析及可靠性分析，生成可靠性分析结果。
在本示例的实施例中，对所述离网型光储微电网系统进行全时序仿真状态分析包括：
分析MT、PV、ESS均正常运行时，所述离网型光储微电网系统中各模型的工作状态；
分析MT故障，PV及ESS正常运行时，所述离网型光储微电网系统中各模型的工作状态；
分析PV故障或处于出力间歇期，MT及ESS正常运行时，所述离网型光储微电网系统中各模型的工作状态；
分析ESS故障，MT及PV正常运行时，所述离网型光储微电网系统中各模型的工作状态。
PV出力的间歇性与波动性、发电机组的故障与修复状态、ESS的充放电状态及负荷波动性将直接影响离网型微电网系统可靠性。本公开建立如图3所示的微电网全时序仿真状态分析，对各时段元件所处状态及负荷削减与否，按以下4种情形进行分析。其中，横坐标为仿真时长，纵坐标为元件所处状态。PDG(h)为DG(MT与PV输出功率之和)输出功率。
情形1：MT、PV、ESS均正常运行。
此时ESS根据DG输出功率与负荷总功率的变化适时调整充放电状态维持供需平衡,若ESS完全放电后仍不能满足负荷需求，需削减负荷量为
如时段t1、t2所示。
情形2：MT故障，PV及ESS正常运行。
此时微电网以PV供电为主，ESS放电为辅，若ESS完全放电后仍不能满足负荷需求,需削减负荷量为
如时段t3、t4所示。
情形3：PV故障或处于出力间歇期，MT及ESS正常运行。
此时微电网以MT供电为主，ESS放电为辅，若ESS完全放电后仍不能满足负荷需求,需削减负荷量为
如时段t5、t6所示。
情形4：ESS故障，MT及PV正常运行。
由于缺少ESS对PV出力的平抑，PV无法独自对负荷供电，需切除与PV出力相当的负荷维持供需平衡，此时微电网以MT供电为主，需削减负荷量为
如时段t7、t8所示。
如图4所示，为微电网全时序仿真可靠性评估流程图，对所述离网型光储微电网系统进行可靠性分析包括：
基于所述离网型光储微电网系统进行全时序仿真状态分析，对所述离网型光储微电网系统进行全时序仿真可靠性分析。
在步骤S130中，以微型燃气轮机MT输出功率模型、光伏PV输出功率随机模型、储能系统ESS充放电模型的容量配置为输入，以系统造价、运行和维护成本最小为约束条件，对所述离网型光储微电网系统进行经济性分析，生成经济性分析结果。
在本示例的实施例中，对所述离网型光储微电网系统进行经济性分析包括：
建立离网型光储微电网系统经济优化目标函数：
minC＝CMT+CPV+CESS
其中，CMT、CPV、CESS分别为MT、PV年成本，ESS全寿命周期成本；
建立以ESS容量和功率、荷电状态、微网内实时供需平衡的约束条件：
其中，
和
分别为荷电状态值、
和
分别为ESS充/放电功率最大容许值。
在本示例的实施例中，所述建立离网型光储微电网系统经济优化目标函数包括：
建立PV、MT的年成本函数：
建立ESS的全寿命周期成本函数：
其中，αMT、αPV分别为MT、PV造价成本，μMT、μPV分别为MT、PV年运行维护成本，yMT、yPV、yESS分别为MT、PV、ESS运行年限，NMT、NPV、分别为MT、PV机组数量，CCC和COC分别为ESS的一次性建设成本与运行维护成本，CE,ESS、CP,ESS分别为ESS的单位容量与单位功率成本，EESS和PESS分别为ESS容量与功率，λ是运行至目标年的运行维护成本与初期投资成本的比值，r0为贴现率。
在步骤S140中，可以将可靠性分析结果及经济性分析结果，基于预设算例系统，评估所述离网型光储微电网系统的容量配置，生成所述离网型光储微电网系统的容量配置方案，根据所述容量配至方案进行离网型光储微电网系统的配置。
在本示例的实施例中，将可靠性分析结果及经济性分析结果，基于预设算例系统，评估所述离网型光储微电网系统的容量配置，生成所述离网型光储微电网系统的容量配置方案包括：
以改进的RBTS BUS6 F4馈线系统为算例系统，分别在线路16、20、24和25处接入光储系统并与线路上负荷点组成微电网系统；
采用失负荷概率、用户平均停电持续时间指数、系统平均停电频率指数、系统平均停电持续时间指数、平均供电可用率指数作为所述离网型光储微电网系统的可靠性指标；
以用户平均停电持续时间指数的方差系数：
作为算法的收敛判据，以其小于0.015作为迭代终止条件进行收敛性测试；
其中，βCAIDI为CAIDI的方差系数；VCAIDI和ECAIDI分别为CAIDI的方差与期望；H为仿真时长。
在本示例的实施例中，如图5为改进的RBTS BUS6 F4馈线系统，如图6为4个微电网系统48小时内负荷波动曲线，由图6可以看出，所划分的4个微电网中系统A和D，系统B和C具有相近的负荷需求，因此将系统A和D的MT容量固定为1.8MW，系统B和C的MT容量固定为0.8MW，使得MT的容量在维持微电网供电的同时，尽可能减少其对系统可靠性的干扰。采取固定ESS容量和功率分别为4MW·h、2MW，逐步增加PV容量的方式，得到系统可靠性指标变化情况。其中，光伏容量由0.2MW增至7.2MW，步长为0.2MW。
以ASAI为例，由所得到系统可靠性指标变化情况可以看出：
可靠性方面：系统A和D配置的MT及ESS功率与容量相同，但由于两系统中负荷需求不同，所反映的微电网可靠性水平也不一样，在相同的MT容量、ESS容量及功率配置下，系统A的可靠性要优于系统D，系统C的可靠性要优于系统B。
经济性方面：以ASAI率先达到98.5％作为可靠性水平参照，系统A所需要的配置如下：MT容量1.8MW、ESS容量及功率为4MW·h和2MW、PV容量为2.6MW。系统C所需要的配置如下：MT容量0.8MW、ESS容量及功率为4MW·h和2MW、PV容量为0.6MW。由MT、PV、ESS年成本公式(13)-(16)并结合表1成本参数可以算出，在可靠性一致的情况下，系统A所需总成本为1267.08万元，系统C所需总成本为1079.58万元，系统C更能在可靠性一致情况下实现总成本最小。
充裕度方面：PV容量增长初期对系统可靠性水平提升较大，但PV容量大于2MW后，系统可靠性趋于稳定。因此，为减少PV容量投入成本，后续可靠性与经济性评估实验中对PV容量的提升上限设定为2MW。
在本示例的实施例中，容量与充、放电功率是ESS的重要技术指标。在光储微电网系统中采取PV与ESS容量及功率的综合配置方案对微电网可靠性的影响显著。与上述实施例中MT的容量相同。PV容量由0.2MW增至2MW，步长为0.2MW，ESS容量由0.6MW·h增至8MW·h，步长为0.2MW·h，ESS功率设定为ESS容量的50％。得到微电网可靠性指标在PV和ESS容量坐标系下的变化情况。
以ASAI、SAIDI为例，由所得到微电网可靠性指标在PV和ESS容量坐标系下的变化情况可以看出：
1)增加PV容量初期，系统可靠性提升较大，当PV容量大于0.6MW时，对系统可靠性提升贡献度有限。
2)不同PV容量下，增加ESS容量及功率对提升系统可靠性效果不同，PV容量大于0.6MW时通过增加ESS容量及功率在提升系统可靠性水平方面要优于PV容量小于0.6MW时。
3)当PV容量大于0.6MW时，对系统可靠性提升贡献度有限。此时增大ESS容量及功率能取得较好的可靠性收益。同样的，当ESS容量大于4MW·h时(ESS功率大于2MW)，此时增大PV容量能较快的提升系统可靠性水平。
上述结果表明，PV与ESS容量及功率在提升系统可靠性水平方面存在耦合关系，采取PV与ESS容量及功率的综合配置方案可以快速提升系统的可靠性。
具体的综合配置方案如下：
1)根据不同时刻下的负荷需求，划定系统可靠性指标设定值。
2)采取固定ESS容量及功率，并以一定步长逐渐增加PV容量的方式，计算不同PV容量下可靠性指标测定值ASAI、SAIDI。
3)比较2)PV容量下的可靠性指标测定值与1)可靠性指标设定值，若不满足则以一定的步长增加ESS容量及功率，继续进行步骤2)；若满足则进行步骤4)
4)以PV、ESS当前容量及功率作为PV、ESS最佳容量及功率综合配置方案。
表1示出了光储容量及功率最优配置表，为上述综合配置方案下4个微网系统中满足可靠性指标设定值ASAI≥99.9％、SAIDI≤5hr/customer·yr的PV、ESS容量及功率最优配置。
表1
从表1可以看出，从可靠性角度而言，在满足可靠性设定值基础上，系统B、C的可靠性最好，系统A次之，系统D的可靠性最差。从经济性角度而言，在满足可靠性设定值基础上时，系统D所需总成本最大，系统A、B次之，系统C的总成本最小。其中，系统C可以获得与系统B可靠性水平一致的前提下，所需总成本更小。换句话说，系统C可以实现总成本与可靠性的有效折衷，显著优于其他系统。
在本示例的实施例中，本公开提出考虑可靠性与经济性的光储微电网系统容量配置模型。一方面，根据微电网分布式电源出力特性，搭建了含MT输出功率模型、PV输出功率随机模型，ESS充放电模型及负荷综合时序模型的离网型光储微电网系统；进而分析了微电网全时序仿真状态，提出了可靠性评估流程；另一方面，以容量及功率为约束条件，以系统总成本最小为目标函数，得到可靠性与经济性俱优的容量配置方式。最后，以改进的RBTSBUS6 F4馈线系统为算例系统，对划分的4个微电网系统进行可靠性与经济性分析，开展了不同容量配置方案下的比选研究，可有效提高离网型光储微电网系统的经济性及可靠性。算例结果表明：
1)不同负荷需求所反映的系统可靠性水平不一。
增加PV容量初期可以有效提升系统可靠性水平，但提升幅度随PV容量的持续增加而逐步变缓。
2)光储容量及功率存在耦合关系，采取光储容量及功率综合配置的方式可取得较好的可靠性收益。
3)在负荷需求较低的位置安装光储系统能在取得较好可靠性收益的同时实现总成本最小，进而可以为光储微电网系统选址定容提供一定的参考。
本公开的另一个方面，如图7所示，还提供了一种离网型光储微电网系统容量配置评估装置700，该装置包括：
模型建立模块710，用于建立包含微型燃气轮机MT输出功率模型、光伏PV输出功率随机模型、储能系统ESS充放电模型及负荷综合时序模型的离网型光储微电网系统；
第一分析模块720，用于以微型燃气轮机MT输出功率模型反映的MT故障与修复状态、光伏PV输出功率随机模型反映的PV输出功率分布状态、储能系统ESS充放电模型反映的ESS充放电状态及负荷综合时序模型反映的负荷波动性作为输入，对所述离网型光储微电网系统进行全时序仿真状态分析及可靠性分析，生成可靠性分析结果；
第二分析模块730，用于以微型燃气轮机MT输出功率模型、光伏PV输出功率随机模型、储能系统ESS充放电模型的容量配置为输入，以系统造价、运行和维护成本最小为约束条件，对所述离网型光储微电网系统进行经济性分析，生成经济性分析结果；
方案生成模块740，用于将可靠性分析结果及经济性分析结果，基于预设算例系统，评估所述离网型光储微电网系统的容量配置，生成所述离网型光储微电网系统的容量配置方案。
需要说明的是，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。
此外，上述附图仅是根据本发明示例性实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其他实施例。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限。
Claims (9)
1.一种离网型光储微电网系统容量配置评估方法，其特征在于，所述方法包括：
建立包含微型燃气轮机MT输出功率模型、光伏PV输出功率随机模型、储能系统ESS充放电模型及负荷综合时序模型的离网型光储微电网系统；
以微型燃气轮机MT输出功率模型反映的MT故障与修复状态、光伏PV输出功率随机模型反映的PV输出功率分布状态、储能系统ESS充放电模型反映的ESS充放电状态及负荷综合时序模型反映的负荷波动性作为输入，对所述离网型光储微电网系统进行全时序仿真状态分析及可靠性分析，生成可靠性分析结果；所述离网型光储微电网系统进行全时序仿真状态分析包括：分析MT、PV、ESS均正常运行时，所述离网型光储微电网系统中各模型的工作状态；分析MT故障，PV及ESS正常运行时，所述离网型光储微电网系统中各模型的工作状态；分析PV故障或处于出力间歇期，MT及ESS正常运行时，所述离网型光储微电网系统中各模型的工作状态；分析ESS故障，MT及PV正常运行时，所述离网型光储微电网系统中各模型的工作状态；
以微型燃气轮机MT输出功率模型、光伏PV输出功率随机模型、储能系统ESS充放电模型的容量配置为输入，以系统造价、运行和维护成本最小为目标函数，对所述离网型光储微电网系统进行经济性分析，生成经济性分析结果；
将可靠性分析结果及经济性分析结果，基于预设算例系统，评估所述离网型光储微电网系统的容量配置，生成所述离网型光储微电网系统的容量配置方案，根据所述容量配置方案进行离网型光储微电网系统的配置。
2.如权利要求1所述的方法，其特征在于，所述建立包含MT输出功率模型、PV输出功率随机模型、ESS充放电模型及负荷综合时序模型的离网型光储微电网系统，包括：
根据离网型光储微电网系统的特点，建立离网型光储微电网系统结构：
PL(h)＝PPV(h)+PMT(h)+PESS(h)
其中，PL(h)为负荷总功率，PPV(h)为PV输出功率，PMT(h)为MT输出功率，PESS(h)为ESS输出功率。
3.如权利要求1所述的方法，其特征在于，所述建立包含MT输出功率模型、PV输出功率随机模型、ESS充放电模型及负荷综合时序模型的离网型光储微电网系统包括：
建立MT输出功率模型：
PMT(h)∈[0,PMT]
其中，PMT为MT额定容量；
建立PV输出功率随机模型：
其中，α、β是Beta分布的形状参数，
是PV最大输出功率；
建立ESS充放电模型：
其中，Pch(h)和Pdch(h)分别是ESS充放电功率，ηch和ηdch分别是充放电效率，Δh是时间间隔；
建立负荷综合时序模型：
其中，负荷的时变特性模型
可表示为
Py为年负荷峰值，Py-m为月负荷峰值占年负荷峰值的百分比，Pm-d为日负荷峰值占月负荷峰值的百分比，Pd-h为时负荷峰值占日负荷峰值的百分比；
负荷的随机特性密度函数
可表示为：
其中，μL为负荷波动期望值；σL为负荷波动标准差；
建立发电机组可靠性模型：
TTTF,i＝-MMTTF,ilnx，TTTR,i＝-MMTTR,ilny
其中，MMTTF,i和MMTTR,i分别为元件i的平均无故障工作时间和平均修复时间，元件i的无故障工作时间TTTF,i和修复时间TTTR,i均服从指数分布，x和y为服从[0,1]之间均匀分布的随机变量。
4.如权利要求3所述的方法，其特征在于，所述ESS充放电模型在充电过量，即
时：
所述ESS充放电模型在放电过量即
时：
其中，
和
分别是ESS储存能量上、下限容许值。
5.如权利要求1所述的方法，其特征在于，对所述离网型光储微电网系统进行可靠性分析包括：
基于所述离网型光储微电网系统进行全时序仿真状态分析，对所述离网型光储微电网系统进行全时序仿真可靠性分析。
6.如权利要求1所述的方法，其特征在于，对所述离网型光储微电网系统进行经济性分析包括：
建立离网型光储微电网系统经济优化目标函数：
min C＝CMT+CPV+CESS
其中，CMT、CPV、CESS分别为MT、PV年成本，ESS全寿命周期成本；
建立以ESS容量和功率、荷电状态、微网内实时供需平衡的约束条件：
其中，
和
分别为荷电状态值，PL(h)为负荷总功率；PPV(h)、PMT(h)、PESS(h)分别为PV、MT、ESS输出功率，
和
分别为ESS充/放电功率最大容许值，
和
分别为ESS容量最大值和最小值。
7.如权利要求6所述的方法，其特征在于，所述建立离网型光储微电网系统经济优化目标函数包括：
建立PV、MT的年成本函数：
建立ESS的全寿命周期成本函数：
其中，αMT、αPV分别为MT、PV造价成本，μMT、μPV分别为MT、PV年运行维护成本，yMT、yPV、yESS分别为MT、PV、ESS运行年限，NMT、NPV、分别为MT、PV机组数量，CCC和COC分别为ESS的一次性建设成本与运行维护成本，CE,ESS、CP,ESS分别为ESS的单位容量与单位功率成本，EESS和PESS分别为ESS容量与功率，λ是运行至目标年的运行维护成本与初期投资成本的比值，r0为贴现率。
8.如权利要求1所述的方法，其特征在于，将可靠性分析结果及经济性分析结果，基于预设算例系统，评估所述离网型光储微电网系统的容量配置，生成所述离网型光储微电网系统的容量配置方案包括：
以改进的RBTS BUS6 F4馈线系统为算例系统，分别在线路16、20、24和25处接入光储系统并与线路上负荷点组成微电网系统；
采用失负荷概率、用户平均停电持续时间指数、系统平均停电频率指数、系统平均停电持续时间指数、平均供电可用率指数作为所述离网型光储微电网系统的可靠性指标；
以用户平均停电持续时间指数的方差系数作为算法的收敛判据，以其小于0.015作为迭代终止条件进行收敛性测试；其中，用户平均停电持续时间指数的方差系数为：
其中，βCAIDI为CAIDI的方差系数，VCAIDI和ECAIDI分别为CAIDI的方差与期望，H为仿真时长。
9.一种离网型光储微电网系统容量配置评估装置，其特征在于，所述装置包括：
模型建立模块，用于建立包含微型燃气轮机MT输出功率模型、光伏PV输出功率随机模型、储能系统ESS充放电模型及负荷综合时序模型的离网型光储微电网系统；
第一分析模块，用于以微型燃气轮机MT输出功率模型反映的MT故障与修复状态、光伏PV输出功率随机模型反映的PV输出功率分布状态、储能系统ESS充放电模型反映的ESS充放电状态及负荷综合时序模型反映的负荷波动性作为输入，对所述离网型光储微电网系统进行全时序仿真状态分析及可靠性分析，生成可靠性分析结果；所述离网型光储微电网系统进行全时序仿真状态分析包括：分析MT、PV、ESS均正常运行时，所述离网型光储微电网系统中各模型的工作状态；分析MT故障，PV及ESS正常运行时，所述离网型光储微电网系统中各模型的工作状态；分析PV故障或处于出力间歇期，MT及ESS正常运行时，所述离网型光储微电网系统中各模型的工作状态；分析ESS故障，MT及PV正常运行时，所述离网型光储微电网系统中各模型的工作状态；
第二分析模块，用于以微型燃气轮机MT输出功率模型、光伏PV输出功率随机模型、储能系统ESS充放电模型的容量配置为输入，以系统造价、运行和维护成本最小为目标函数，对所述离网型光储微电网系统进行经济性分析，生成经济性分析结果；
方案生成模块，用于将可靠性分析结果及经济性分析结果，基于预设算例系统，评估所述离网型光储微电网系统的容量配置，生成所述离网型光储微电网系统的容量配置方案，根据所述容量配置方案进行离网型光储微电网系统的配置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010518971.0A CN111564868B (zh) | 2020-06-09 | 2020-06-09 | 离网型光储微电网系统容量配置评估方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010518971.0A CN111564868B (zh) | 2020-06-09 | 2020-06-09 | 离网型光储微电网系统容量配置评估方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111564868A CN111564868A (zh) | 2020-08-21 |
| CN111564868B true CN111564868B (zh) | 2022-05-06 |
Family
ID=72075230
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010518971.0A Active CN111564868B (zh) | 2020-06-09 | 2020-06-09 | 离网型光储微电网系统容量配置评估方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111564868B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112417640B (zh) * | 2020-09-15 | 2024-03-29 | 国网浙江省电力有限公司湖州供电公司 | 一种含储能的馈线可开放容量评估方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106992549A (zh) * | 2017-05-22 | 2017-07-28 | 河南森源电气股份有限公司 | 一种独立微电网系统的容量优化配置方法及装置 |
| CN107591833A (zh) * | 2016-07-08 | 2018-01-16 | 华北电力大学（保定） | 一种计及不同运行策略的微网可靠性评估方法 |
| CN110365034A (zh) * | 2019-07-04 | 2019-10-22 | 苏州瑞城电力科技有限公司 | 一种计及储能容量配置的微电网电能优化调度方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104362681B (zh) * | 2014-11-18 | 2016-06-22 | 湖北省电力勘测设计院 | 一种考虑随机性的孤岛微电网容量优化配置方法 |
| CN109904869A (zh) * | 2019-03-01 | 2019-06-18 | 广东工业大学 | 一种微电网混合储能容量配置的优化方法 |
| CN110932312B (zh) * | 2019-11-14 | 2021-05-14 | 北方工业大学 | 风光储微电网系统可靠性评估方法 |
-
2020
- 2020-06-09 CN CN202010518971.0A patent/CN111564868B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107591833A (zh) * | 2016-07-08 | 2018-01-16 | 华北电力大学（保定） | 一种计及不同运行策略的微网可靠性评估方法 |
| CN106992549A (zh) * | 2017-05-22 | 2017-07-28 | 河南森源电气股份有限公司 | 一种独立微电网系统的容量优化配置方法及装置 |
| CN110365034A (zh) * | 2019-07-04 | 2019-10-22 | 苏州瑞城电力科技有限公司 | 一种计及储能容量配置的微电网电能优化调度方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111564868A (zh) | 2020-08-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Liu et al. | Optimal sizing of a wind-energy storage system considering battery life | |
| Lujano-Rojas et al. | Operating conditions of lead-acid batteries in the optimization of hybrid energy systems and microgrids | |
| Zhang et al. | An improved charging/discharging strategy of lithium batteries considering depreciation cost in day-ahead microgrid scheduling | |
| Dufo-López | Optimisation of size and control of grid-connected storage under real time electricity pricing conditions | |
| Yang et al. | Reliability evaluation of power systems in the presence of energy storage system as demand management resource | |
| Zhou et al. | Battery behavior prediction and battery working states analysis of a hybrid solar–wind power generation system | |
| Purvins et al. | Application of battery-based storage systems in household-demand smoothening in electricity-distribution grids | |
| Coppitters et al. | Surrogate-assisted robust design optimization and global sensitivity analysis of a directly coupled photovoltaic-electrolyzer system under techno-economic uncertainty | |
| Dufo-Lopez et al. | Optimization of control strategies for stand-alone renewable energy systems with hydrogen storage | |
| Wang et al. | Optimal planning of stand-alone microgrids incorporating reliability | |
| CN110570015B (zh) | 一种配电网多目标规划方法 | |
| Bahloul et al. | An analytical approach for techno-economic evaluation of hybrid energy storage system for grid services | |
| Mohammadi et al. | Optimal operation management of microgrids using the point estimate method and firefly algorithm while considering uncertainty | |
| Wang et al. | Research on planning optimization of integrated energy system based on the differential features of hybrid energy storage system | |
| CN103326388A (zh) | 基于功率预测的微电网储能系统及容量配置方法 | |
| Li et al. | Optimal configuration of photovoltaic energy storage capacity for large power users | |
| CN103326389A (zh) | 基于功率预测的微电网储能系统及容量配置方法 | |
| CN110661250B (zh) | 含风光储发输电系统的可靠性评估方法及系统 | |
| CN107359611B (zh) | 考虑多种随机因素的配电网等值方法 | |
| CN115733178A (zh) | 基于成本和风险多目标的光储充电站容量配置方法及系统 | |
| Guo et al. | Economically optimal power flow management of grid-connected photovoltaic microgrid based on dynamic programming algorithm and grid I/O strategy for different weather scenarios | |
| CN111564868B (zh) | 离网型光储微电网系统容量配置评估方法及装置 | |
| CN110765591A (zh) | 一种基于区块链技术的配电网分布式状态感知与优化方法 | |
| Tahir et al. | Efficiency evaluation of the microgrid for selection of common bus using copula function-based efficiency curves of the converters | |
| Gholami et al. | Enhanced microgrid reliability through optimal battery energy storage system type and sizing |
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 |