CN111598304A - 一种用于风光储多主体系统容量优化配置的方法 - Google Patents

一种用于风光储多主体系统容量优化配置的方法 Download PDF

Info

Publication number
CN111598304A
CN111598304A CN202010318320.7A CN202010318320A CN111598304A CN 111598304 A CN111598304 A CN 111598304A CN 202010318320 A CN202010318320 A CN 202010318320A CN 111598304 A CN111598304 A CN 111598304A
Authority
CN
China
Prior art keywords
wind
energy storage
capacity
light
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.)
Pending
Application number
CN202010318320.7A
Other languages
English (en)
Inventor
马倩
汪惟源
史林军
郭洋
王荃荃
胡晓燕
吴峰
王海潜
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.)
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Hohai University HHU
Economic and Technological Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Jiangsu Electric Power Co Ltd
Hohai University HHU
Economic and Technological Research Institute of State Grid Jiangsu 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 State Grid Corp of China SGCC, State Grid Jiangsu Electric Power Co Ltd, Hohai University HHU, Economic and Technological Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202010318320.7A priority Critical patent/CN111598304A/zh
Publication of CN111598304A publication Critical patent/CN111598304A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • 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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种用于风光储多主体系统容量优化配置的方法，属于电力系统领域，解决了对含分布式风/光/储系统，在不同主体下，在不同博弈模式下的容量优化配置的计算问题，其技术方案要点如下，它包括以下步骤：第一，设定风光储容量初值；第二，基于“自发自用，余量上网”的分布式风电、光伏情况，建立风/光收益模型、储能收益模型；第三，根据风光储系统主体进行合作或非合作博弈迭代计算；第四，输出结果为风光储能配置容量。本发明适用于分布式风光储系统的容量优化配置。

Description

一种用于风光储多主体系统容量优化配置的方法
技术领域
本发明涉及一种容量优化配置方法，特别涉及一种用于风光储多主体系统容量优化配置的方法。
背景技术
目前已有许多学者对风光储容量优化配置问题进行了研究。其基本思路是将该问题转化为考虑系统由投资成本、运维成本、环保成本等组成的综合成本最低与供电可靠性最优的多目标优化问题，然后通过优化算法进行求解。但随着电力市场的逐步开放，风光储不一定同属一个投资商，这样使得电力系统存在多主体的运营模式。对于多主体的运营模式，各主体间存在合作或非合作的关系，因此，个别学者引入博弈论的概念，建立了多种风光储合作和非合作博弈模型，考虑不同博弈模式下各自收益的最大化，并分别求解其Nash均衡策略，即可得到各博弈模式下的风光储最优容量配置方案。然而其研究的风光储为集中式，且运营主体模式有限。
本设计人基于从事此类产品工程应用多年丰富的实务经验及专业知识，并配合学理的运用，积极加以研究创新，以期创设一种用于风光储多主体系统容量优化配置的方法，使其更具有实用性。
发明内容
本发明的目的是提供一种用于风光储多主体系统容量优化配置的方法，解决了对含分布式风/光/储系统，在不同主体下，在不同博弈模式下的容量优化配置的计算问题。
本发明的上述技术目的是通过以下技术方案得以实现的：
一种用于风光储多主体系统容量优化配置的方法，包括以下步骤：
Step1：设定风光储容量初值；
Step2：基于“自发自用，余量上网”的分布式风电、光伏情况，建立风/光收益模型、储能收益模型；
其中，风/光收益模型：
Figure BDA0002460392050000021
式中，
Figure BDA0002460392050000022
为风/光的年售电收入，Ii D为风/光的年报废收入，
Figure BDA0002460392050000023
为风/光的年投资成本，
Figure BDA0002460392050000024
为风/光的年维护成本；
储能收益模型：
Figure BDA0002460392050000025
式中，
Figure BDA0002460392050000026
为储能的售电收入，
Figure BDA0002460392050000027
为储能设备的年投资成本，
Figure BDA0002460392050000028
为储能设备的年运行维护成本；
Step3：根据风光储系统主体进行合作或非合作博弈迭代计算；
Step4：输出结果为风光储能配置容量。
进一步的，所述风/光的年售电收入：
Figure BDA0002460392050000029
式中，
Figure BDA00024603920500000210
为风/光“自发自用”的年收益，
Figure BDA00024603920500000211
为风/光“余量上网”的年收入；
将典型日内划分的时段数为T，时间间隔为Δt，t为其中的某一个时刻，所述风/光“自发自用”的年收益：
Figure BDA00024603920500000212
式中，
Figure BDA00024603920500000214
为日-年的转化系数，R(t)为典型日实时电价，δi为政府补贴风/光电价，Pi sell(t)为风/光在t时刻的就地消纳功率；
所述风/光“余量上网”的年收入：
Figure BDA00024603920500000213
式中，
Figure BDA0002460392050000031
为日-年的转化系数，ζ为上网售电电价，δi为政府补贴风/光电价，Pi(t)为风/光在t时刻的输出功率，Pi sell(t)为风/光在t时刻的就地消纳功率；
其中，风/光在t时刻的就地消纳功率：
Figure BDA0002460392050000032
式中，Pi(t)为风/光在t时刻的输出功率；Pmax(t)为风/光在典型日下t时刻的功率裕度；
其中，风/光在典型日下t时刻的功率裕度：Pmax(t)＝PW(t)+PS(t)-PD(t)；
式中，PW(t)、PS(t)分别为风电和光伏在t时刻的输出功率，PD(t)为t时刻当地的负荷需求。
进一步的，所述风/光的年报废收入：
Figure BDA0002460392050000033
式中，ri为风机/光伏板的贴现率，Li为风机/光伏板的使用寿命，Di为单位容量的风机/光伏板报废收入，Pi为风机/光伏板配置容量。
进一步的，所述风/光的年投资成本：
Figure BDA0002460392050000034
式中，ri为风机/光伏板的贴现率，Li为风机/光伏板的使用寿命，Ui为单位容量的风机/光伏板投资成本，Pi为风机/光伏板配置容量。
进一步的，所述风/光的年维护成本：
Figure BDA0002460392050000035
式中，Pi为风机/光伏板配置容量，Mi为单位容量的风机/光伏板年运行维护成本。
进一步的，所述储能的年售电收入包括调峰收入和调频收入，所述调峰收入为利用峰谷差价买卖电量所得的收入，所述调频收入为通过平抑风光增发电量和欠发电量获得政府补贴得到的收入。
进一步的，将典型日内划分的时段数为T，时间间隔为Δt，t为其中的某一个时刻；
当在用电峰时储能为系统提供存储的全部电能，并将其按峰时电价优先策略售出，获得所述储能的年售电收入：
Figure BDA0002460392050000041
式中，
Figure BDA0002460392050000042
为日-年的转化系数，IB'为典型日下储能的日售电收入；
在风光储电力系统中，当风电和光伏发电的总发电量大于负荷需求时，则风光增发电量为：
Figure BDA0002460392050000043
式中，PB为储能额定充/放电功率，PWS(t)为风光在t时刻的总输出功率，PD(t)为t时刻当地的负荷需求；
当风电和光伏发电的总发电量小于负荷需求时，则风光欠发电量为：
Figure BDA0002460392050000044
式中，PB为储能额定充/放电功率，PWS(t)为风光在t时刻的总输出功率；
在峰时电价区间，当风电和光伏发电的总发电量小于负荷需求时，则风光欠发电量为：
Figure BDA0002460392050000045
式中，PB为储能额定充/放电功率，PWS(t)为风光在t时刻的总输出功率；
所述典型日下储能的日售电收入IB'如下：
1)当ΔW-＜ΔW+，
Figure BDA0002460392050000051
2)当
Figure BDA0002460392050000052
Figure BDA0002460392050000053
3)当
Figure BDA0002460392050000054
Figure BDA0002460392050000055
式中，πps为典型日峰谷电价之差与储能参与辅助服务获得的单位电量收益总和，πvs为典型日储能参与辅助服务获得的单位电量收益；
Figure BDA0002460392050000056
为储能实际可用容量，与最大容量EB的关系为：
Figure BDA0002460392050000057
η为储能放电深度；储能的额定充/放电功率PB与配置容量存在比例关系为：PB＝λEB。
进一步的，当存在n个储能时，各储能收入按最大容量进行分配，第i个储能分配到的收入为：
Figure BDA0002460392050000058
式中，
Figure BDA0002460392050000059
为系统储能总收入，EBi为第i个储能的最大容量。
进一步的，所述储能设备的年投资成本：
Figure BDA00024603920500000510
式中，rB为储能设备的贴现率，LB为储能设备的使用寿命，CB为储能设备的投资成本；
其中，储能设备的投资成本与额定充/放电功率和额定容量的关系为：CB＝CPPB+CeEB；
式中，CP为储能设备单位充/放电功率的花费，PB为储能设备的额定充/放电功率，Ce为单位容量储能设备的造价，EB为储能设备的额定容量。
进一步的，所述储能设备的年运行维护成本：
Figure BDA0002460392050000061
式中，EB为储能设备的额定容量，MB为储能设备单位容量的年运行维护成本。
本发明具有以下有益效果：
本发明利用了博弈论的思想，通过设置风、光、储系统不同主体的容量初值，依次改变各主体容量大小后计算收益，根据各主体收益的变化判断是否需要改变各自容量值。将各主体容量值反复进行迭代，最终得到以各主体收益最优为目标的容量值。本发明能很好地解决含分布式风/光/储系统，在不同主体下，在不同博弈模式下的容量优化配置的计算问题。
附图说明
图1是本实施例中用于体现风光储三主体系统容量优化配置的非合作博弈的方法；
图2是本实施例中用于体现风储-光储四主体系统容量优化配置的非合作博弈的方法；
图3是本实施例中用于体现风光储多主体系统容量优化配置的合作博弈的方法；
图4是本实施例中用于体现在双主体系统不同博弈模式下的计算结果；
图5是本实施例中用于体现在三主体系统不同博弈模式下的计算结果；
图6是本实施例中用于体现在四主体系统不同博弈模式下的计算结果。
具体实施方式
以下结合附图对本发明作进一步详细说明。
其中相同的零部件用相同的附图标记表示。需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“底面”和“顶面”、“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。
一种用于风光储多主体系统容量优化配置的方法，如图X所示，包括以下步骤：
Step1：设定风光储容量初值；
Step2：基于“自发自用，余量上网”的分布式风电、光伏情况，建立风/光收益模型、储能收益模型；
Step3：根据风光储系统主体进行合作或非合作博弈迭代计算；
Step4：输出结果为风光储能配置容量。
本发明利用了博弈论的思想，通过设置风、光、储系统不同主体的容量初值，依次改变各主体容量大小后计算收益，根据各主体收益的变化判断是否需要改变各自容量值。将各主体容量值反复进行迭代，最终得到以各主体收益最优为目标的容量值。在计算时，需要获得风电、光伏日(月、年均可)出力曲线、同时间下的负荷曲线、风电、光伏补贴电价、上网电价、辅助服务单价、贴现率、风光储单位投资费用、寿命、年维修费用、报废收入、储能放电深度、储能功率容量比例系数。本发明用以解决对含分布式风/光/储系统，在不同主体下，在不同博弈模式下的容量优化配置的计算问题，因此，还须知道风光储多主体系统的运营主体之间的关系，才能分别对各主体进行迭代计算。
具体的，本发明的具体操作分为三步：设定初值、迭代计算、输出结果。设定初值时，需要设定风电、光伏日(月、年均可)出力曲线、同时间下的负荷曲线、风电、光伏补贴电价、上网电价、辅助服务单价、贴现率、风光储单位投资费用、寿命、年维修费用、报废收入、储能放电深度、储能功率容量比例系数等参数。迭代计算需根据风光储系统主体关系，进行合作或非合作博弈迭代计算。输出结果为风光储配置容量。
1.风/光收益模型具体如下：
风/光收益为其各项收入与总成本之差，总成本考虑风/光的全寿命周期成本，因此，风/光收益模型具体为：
Figure BDA0002460392050000081
式中，
Figure BDA0002460392050000082
为风/光的年售电收入，
Figure BDA0002460392050000083
为风/光的年报废收入，
Figure BDA0002460392050000084
为风/光的年投资成本，
Figure BDA0002460392050000085
为风/光的年维护成本。
本发明中的风电和光伏为分布式，其风/光的年售电收入：
Figure BDA0002460392050000086
式中，
Figure BDA0002460392050000087
为风/光“自发自用”的年收益，
Figure BDA0002460392050000088
为风/光“余量上网”的年收入；
将典型日内划分的时段数为T，时间间隔为Δt，t为其中的某一个时刻，所述风/光“自发自用”的年收益：
Figure BDA0002460392050000089
式中，
Figure BDA00024603920500000810
为日-年的转化系数，R(t)为典型日实时电价，δi为政府补贴风/光电价，Pi sell(t)为风/光在t时刻的就地消纳功率；
风/光“余量上网”的年收入：
Figure BDA0002460392050000091
式中，
Figure BDA0002460392050000092
为日-年的转化系数，ζ为上网售电电价，δi为政府补贴风/光电价，Pi(t)为风/光在t时刻的输出功率，Pi sell(t)为风/光在t时刻的就地消纳功率；
其中，风/光在t时刻的就地消纳功率：
Figure BDA0002460392050000093
式中，Pi(t)为风/光在t时刻的输出功率；Pmax(t)为风/光在典型日下t时刻的功率裕度；
其中，风/光在典型日下t时刻的功率裕度：Pmax(t)＝PW(t)+PS(t)-PD(t)；
式中，PW(t)、PS(t)分别为风电和光伏在t时刻的输出功率，PD(t)为t时刻当地的负荷需求。
风/光的年报废收入：
Figure BDA0002460392050000094
式中，ri为风机/光伏板的贴现率，Li为风机/光伏板的使用寿命，Di为单位容量的风机/光伏板报废收入，Pi为风机/光伏板配置容量；
所述风/光的年投资成本：
Figure BDA0002460392050000095
式中，ri为风机/光伏板的贴现率，Li为风机/光伏板的使用寿命，Ui为单位容量的风机/光伏板投资成本，Pi为风机/光伏板配置容量；
所述风/光的年维护成本：
Figure BDA0002460392050000096
式中，Pi为风机/光伏板配置容量，Mi为单位容量的风机/光伏板年运行维护成本。
2.储能收益模型具体如下：
计算储能设备的收益时，不计其报废收入，只考虑其年售电收入、年投资成本和年运行维护成本。因此，储能收益模型具体为：
Figure BDA0002460392050000101
式中，
Figure BDA0002460392050000102
为储能的售电收入，
Figure BDA0002460392050000103
为储能设备的年投资成本，
Figure BDA0002460392050000104
为储能设备的年运行维护成本。
储能的年售电收入包括调峰收入和调频收入，所述调峰收入为利用峰谷差价买卖电量所得的收入，所述调频收入为通过平抑风光增发电量和欠发电量获得政府补贴得到的收入，可以统一将其按照储能的年售电收入计算。
在负荷预测和风光出力预测的基础上，考虑储能功率约束和容量约束，将典型日内划分的时段数为T，时间间隔为Δt，t为其中的某一个时刻；
当在用电峰时储能为系统提供存储的全部电能，并将其按峰时电价优先策略售出，获得所述储能的年售电收入：
Figure BDA0002460392050000105
式中，
Figure BDA0002460392050000106
为日-年的转化系数，IB'为典型日下储能的日售电收入；
在风光储电力系统中，当风电和光伏发电的总发电量大于负荷需求时，则风光增发电量为：
Figure BDA0002460392050000107
式中，PB为储能额定充/放电功率，PWS(t)为风光在t时刻的总输出功率，PD(t)为t时刻当地的负荷需求；
当风电和光伏发电的总发电量小于负荷需求时，则风光欠发电量为：
Figure BDA0002460392050000111
式中，PB为储能额定充/放电功率，PWS(t)为风光在t时刻的总输出功率；
在峰时电价区间，当风电和光伏发电的总发电量小于负荷需求时，则风光欠发电量为：
Figure BDA0002460392050000112
式中，PB为储能额定充/放电功率，PWS(t)为风光在t时刻的总输出功率；
所述典型日下储能的日售电收入IB'如下：
1)当ΔW-＜ΔW+，
Figure BDA0002460392050000113
2)当
Figure BDA0002460392050000114
Figure BDA0002460392050000115
3)当
Figure BDA0002460392050000116
Figure BDA0002460392050000117
式中，πps为典型日峰谷电价之差与储能参与辅助服务获得的单位电量收益总和，πvs为典型日储能参与辅助服务获得的单位电量收益；
Figure BDA0002460392050000118
为储能实际可用容量，与最大容量EB的关系为：
Figure BDA0002460392050000119
η为储能放电深度；储能的额定充/放电功率PB与配置容量存在比例关系为：PB＝λEB。
当存在n个储能时，各储能收入按最大容量进行分配，第i个储能分配到的收入为：
Figure BDA0002460392050000121
式中，
Figure BDA0002460392050000122
为系统储能总收入，EBi为第i个储能的最大容量。
所述储能设备的年投资成本：
Figure BDA0002460392050000123
式中，rB为储能设备的贴现率，LB为储能设备的使用寿命，CB为储能设备的投资成本；
其中，储能设备的投资成本与额定充/放电功率和额定容量的关系为：CB＝CPPB+CeEB；
式中，CP为储能设备单位充/放电功率的花费，PB为储能设备的额定充/放电功率，Ce为单位容量储能设备的造价，EB为储能设备的额定容量。
所述储能设备的年运行维护成本：
Figure BDA0002460392050000124
式中，EB为储能设备的额定容量，MB为储能设备单位容量的年运行维护成本。
如图1所示，针对风光储三主体系统容量优化配置的非合作博弈的方法如下：
第一，输入负荷、风光储等各项相关参数；
第二，设定风光储容量初值；
第三，各自容量策略带入收益模型(风/光收益模型和储能收益模型)；
第四，三方各自采用PSO算法独立优化容量策略；
第五，信息共享；
第六，三方各自调整容量策略；
第七，检测两次策略是否相同，如果两次策略相同，则输出结果；如果不相同，则返回第四步后依次向下执行直至两次策略相同。
如图2所示，针对风储-光储四主体系统容量优化配置的非合作博弈的方法如下：
第一，设定风储光储容量初值；
第二，光储容量不变，寻找风储最大收益；
第三，寻找对应的风储容量；
第四，风储容量不变，寻找光储最大收益；
第五，寻找对应的光储容量；
第六，检测风储、光储容量，当风储、光储容量不再改变，则输出结果；若果改变，则返回第二步后依次向下执行，直至风储、光储容量不再改变。
如图3所示，针对风光储多主体系统容量优化配置的合作博弈的方法如下：
第一，输入负荷、风光储等各项相关参数；
第二，设定风光储容量初值；
第三，将各自容量策略代入收益模型(风/光收益模型和储能收益模型)；
第四，寻找局部最优值和全局最优值；
第五，更新粒子速度和位置；
第六，计算风光储容量和收益；
第七，更新局部最优值和全剧最优值；当满足收敛条件时，即风电、光伏、储能容量不变，则输出结果；当不满足收敛条件时，返回第五步后向下执行，直至满足收敛条件。本优化方法是结合粒子群(PSO)和博弈论进行计算，合作博弈时用PSO对全系统进行优化计算。第四步和第五步是粒子群计算的中间过程。
将风光储投资商视为该博弈问题的参与者，分别记为“W”，“S”，“B”，“{W&S}”表示风光合作，“{W},{S}”表示风光非合作，以此类推。
进行迭代计算后，在双主体系统不同博弈模式下的计算结果如图4所示。
进行迭代计算后，在三主体系统不同博弈模式下的计算结果如图5所示。
进行迭代计算后，在四主体系统不同博弈模式下的计算结果如图6所示。
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。

Claims (10)

1.一种用于风光储多主体系统容量优化配置的方法，其特征在于，包括以下步骤：
Step1：设定风光储容量初值；
Step2：基于“自发自用，余量上网”的分布式风电、光伏情况，建立风/光收益模型、储能收益模型；
其中，风/光收益模型：
Figure FDA00024603920400000115
式中，
Figure FDA0002460392040000012
为风/光的年售电收入，
Figure FDA0002460392040000013
为风/光的年报废收入，
Figure FDA0002460392040000014
为风/光的年投资成本，
Figure FDA0002460392040000015
为风/光的年维护成本；
储能收益模型：
Figure FDA0002460392040000016
式中，
Figure FDA0002460392040000017
为储能的售电收入，
Figure FDA0002460392040000018
为储能设备的年投资成本，
Figure FDA0002460392040000019
为储能设备的年运行维护成本；
Step3：根据风光储系统主体进行合作或非合作博弈迭代计算；
Step4：输出结果为风光储能配置容量。
2.根据权利要求1所述的一种用于风光储多主体系统容量优化配置的方法，其特征在于，所述风/光的年售电收入：
Figure FDA00024603920400000110
式中，
Figure FDA00024603920400000111
为风/光“自发自用”的年收益，
Figure FDA00024603920400000112
为风/光“余量上网”的年收入；
将典型日内划分的时段数为T，时间间隔为Δt，t为其中的某一个时刻，所述风/光“自发自用”的年收益：
Figure FDA00024603920400000116
式中，
Figure FDA00024603920400000114
为日-年的转化系数，R(t)为典型日实时电价，δi为政府补贴风/光电价，Pi sell(t)为风/光在t时刻的就地消纳功率；
所述风/光“余量上网”的年收入：
Figure FDA0002460392040000021
式中，
Figure FDA0002460392040000022
为日-年的转化系数，ζ为上网售电电价，δi为政府补贴风/光电价，Pi(t)为风/光在t时刻的输出功率，Pi sell(t)为风/光在t时刻的就地消纳功率；
其中，风/光在t时刻的就地消纳功率：
Figure FDA0002460392040000023
式中，Pi(t)为风/光在t时刻的输出功率；Pmax(t)为风/光在典型日下t时刻的功率裕度；
其中，风/光在典型日下t时刻的功率裕度：Pmax(t)＝PW(t)+PS(t)-PD(t)；
式中，PW(t)、PS(t)分别为风电和光伏在t时刻的输出功率，PD(t)为t时刻当地的负荷需求。
3.根据权利要求1所述的一种用于风光储多主体系统容量优化配置的方法，其特征在于，所述风/光的年报废收入：
Figure FDA0002460392040000024
式中，ri为风机/光伏板的贴现率，Li为风机/光伏板的使用寿命，Di为单位容量的风机/光伏板报废收入，Pi为风机/光伏板配置容量。
4.根据权利要求1所述的一种用于风光储多主体系统容量优化配置的方法，其特征在于，所述风/光的年投资成本：
Figure FDA0002460392040000025
式中，ri为风机/光伏板的贴现率，Li为风机/光伏板的使用寿命，Ui为单位容量的风机/光伏板投资成本，Pi为风机/光伏板配置容量。
5.根据权利要求1所述的一种用于风光储多主体系统容量优化配置的方法，其特征在于，所述风/光的年维护成本：
Figure FDA0002460392040000031
式中，Pi为风机/光伏板配置容量，Mi为单位容量的风机/光伏板年运行维护成本。
6.根据权利要求1所述的一种用于风光储多主体系统容量优化配置的方法，其特征在于，所述储能的年售电收入包括调峰收入和调频收入，所述调峰收入为利用峰谷差价买卖电量所得的收入，所述调频收入为通过平抑风光增发电量和欠发电量获得政府补贴得到的收入。
7.根据权利要求6所述的一种用于风光储多主体系统容量优化配置的方法，其特征在于，将典型日内划分的时段数为T，时间间隔为Δt，t为其中的某一个时刻；
当在用电峰时储能为系统提供存储的全部电能，并将其按峰时电价优先策略售出，获得所述储能的年售电收入：
Figure FDA0002460392040000032
式中，
Figure FDA0002460392040000033
为日-年的转化系数，IB'为典型日下储能的日售电收入；
在风光储电力系统中，当风电和光伏发电的总发电量大于负荷需求时，则风光增发电量为：
Figure FDA0002460392040000034
式中，PB为储能额定充/放电功率，PWS(t)为风光在t时刻的总输出功率，PD(t)为t时刻当地的负荷需求；
当风电和光伏发电的总发电量小于负荷需求时，则风光欠发电量为：
Figure FDA0002460392040000035
式中，PB为储能额定充/放电功率，PWS(t)为风光在t时刻的总输出功率；
在峰时电价区间，当风电和光伏发电的总发电量小于负荷需求时，则风光欠发电量为：
Figure FDA0002460392040000041
式中，PB为储能额定充/放电功率，PWS(t)为风光在t时刻的总输出功率；
所述典型日下储能的日售电收入IB'如下：
1)当ΔW-＜ΔW+，
Figure FDA0002460392040000042
2)当
Figure FDA0002460392040000043
Figure FDA0002460392040000044
3)当
Figure FDA0002460392040000045
Figure FDA0002460392040000046
式中，πps为典型日峰谷电价之差与储能参与辅助服务获得的单位电量收益总和，πvs为典型日储能参与辅助服务获得的单位电量收益；
Figure FDA0002460392040000047
为储能实际可用容量，与最大容量EB的关系为：
Figure FDA0002460392040000048
η为储能放电深度；储能的额定充/放电功率PB与配置容量存在比例关系为：PB＝λEB。
8.根据权利要求7所述的一种用于风光储多主体系统容量优化配置的方法，其特征在于，当存在n个储能时，各储能收入按最大容量进行分配，第i个储能分配到的收入为：
Figure FDA0002460392040000051
式中，
Figure FDA0002460392040000052
为系统储能总收入，EBi为第i个储能的最大容量。
9.根据权利要求1所述的一种用于风光储多主体系统容量优化配置的方法，其特征在于，所述储能设备的年投资成本：
Figure FDA0002460392040000053
式中，rB为储能设备的贴现率，LB为储能设备的使用寿命，CB为储能设备的投资成本；
其中，储能设备的投资成本与额定充/放电功率和额定容量的关系为：CB＝CPPB+CeEB；
式中，CP为储能设备单位充/放电功率的花费，PB为储能设备的额定充/放电功率，Ce为单位容量储能设备的造价，EB为储能设备的额定容量。
10.根据权利要求1所述的一种用于风光储多主体系统容量优化配置的方法，其特征在于，所述储能设备的年运行维护成本：
Figure FDA0002460392040000054
式中，EB为储能设备的额定容量，MB为储能设备单位容量的年运行维护成本。
CN202010318320.7A 2020-04-21 2020-04-21 一种用于风光储多主体系统容量优化配置的方法 Pending CN111598304A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010318320.7A CN111598304A (zh) 2020-04-21 2020-04-21 一种用于风光储多主体系统容量优化配置的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010318320.7A CN111598304A (zh) 2020-04-21 2020-04-21 一种用于风光储多主体系统容量优化配置的方法

Publications (1)

Publication Number Publication Date
CN111598304A true CN111598304A (zh) 2020-08-28

Family

ID=72192399

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010318320.7A Pending CN111598304A (zh) 2020-04-21 2020-04-21 一种用于风光储多主体系统容量优化配置的方法

Country Status (1)

Country Link
CN (1) CN111598304A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112564183A (zh) * 2020-12-02 2021-03-26 中国电力工程顾问集团华北电力设计院有限公司 电网规划中风光火储的容量优化配置方法
CN113554219A (zh) * 2021-07-02 2021-10-26 国网安徽省电力有限公司电力科学研究院 一种可再生能源发电站共享储能容量规划方法及装置
CN114123171A (zh) * 2021-11-12 2022-03-01 国网江苏省电力有限公司经济技术研究院 一种基于势博弈的增量配电网分布式优化规划方法及介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108304961A (zh) * 2017-12-29 2018-07-20 北京国网普瑞特高压输电技术有限公司 一种风储接入网源的协调方法及系统
CN109657946A (zh) * 2018-09-19 2019-04-19 清华大学 基于博弈论的区域能源互联网规划的数学模型和规划方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108304961A (zh) * 2017-12-29 2018-07-20 北京国网普瑞特高压输电技术有限公司 一种风储接入网源的协调方法及系统
CN109657946A (zh) * 2018-09-19 2019-04-19 清华大学 基于博弈论的区域能源互联网规划的数学模型和规划方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
郭洋等: ""风-光-储系统在不同运营模式下的最优容量配置策略及考虑网损补贴的经济性分析"" *
郭洋等: "风-光-储系统在不同运营模式下的最优容量配置策略及考虑网损补贴的经济性分析" *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112564183A (zh) * 2020-12-02 2021-03-26 中国电力工程顾问集团华北电力设计院有限公司 电网规划中风光火储的容量优化配置方法
CN112564183B (zh) * 2020-12-02 2022-11-15 中国电力工程顾问集团华北电力设计院有限公司 电网规划中风光火储的容量优化配置方法
CN113554219A (zh) * 2021-07-02 2021-10-26 国网安徽省电力有限公司电力科学研究院 一种可再生能源发电站共享储能容量规划方法及装置
CN113554219B (zh) * 2021-07-02 2023-11-07 国网安徽省电力有限公司电力科学研究院 一种可再生能源发电站共享储能容量规划方法及装置
CN114123171A (zh) * 2021-11-12 2022-03-01 国网江苏省电力有限公司经济技术研究院 一种基于势博弈的增量配电网分布式优化规划方法及介质

Similar Documents

Publication Publication Date Title
CN107464010B (zh) 一种虚拟电厂容量优化配置方法
CN111738497B (zh) 计及需求侧响应的虚拟电厂双层优化调度方法
CN109713673B (zh) 售电环境下并网型微电网系统配置及优化运行的方法
CN111598304A (zh) 一种用于风光储多主体系统容量优化配置的方法
CN110717259B (zh) 面向用户侧的电池储能配置与运行优化方法
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
CN110086187B (zh) 计及负荷特性的储能调峰日前优化调度方法
CN103217900A (zh) 基于实时电价的中压微网混沌pso最优潮流实现方法
CN110570015B (zh) 一种配电网多目标规划方法
CN108053057A (zh) 一种基于CVaR的虚拟电厂优化调度建模方法
CN111311012A (zh) 基于多智能体的微电网电力市场双层竞价优化方法
CN112529249B (zh) 一种计及绿证交易的虚拟电厂优化调度及交易管理方法
CN114926254A (zh) 储能电站参与调频辅助服务市场的竞价方法
CN116488144A (zh) 基于节点碳强度及分时电价引导需求响应的电力系统双层优化策略
CN117394404A (zh) 考虑碳效益和辅助调频的风电场储能容量配置方法
Burgio et al. Economic evaluation in using storage to reduce imbalance costs of renewable sources power plants
CN112713621A (zh) 一种交直流混合系统的多目标优化配置方法和系统
CN115600757A (zh) 海上风电共享储能参与现货市场交易协调优化方法及系统
CN116307029A (zh) 促进多虚拟网格间源储荷协调的双层优化调度方法及系统
CN115313349A (zh) 电动船舶直流微电网充电系统控制方法、系统及存储介质
CN114372608A (zh) 一种面向新能源就地消纳的园区储能与电价协调优化方法
CN107453409B (zh) 一种基于短周期均值方差的新能源储能配置优化方法
Lin et al. Benefit Evaluation for Industrial Users Utilizing User-Side Energy Storages Participating Auxiliary Services
CN114037331B (zh) 一种考虑典型日特征权重动态分配的综合能源系统规划方法
CN117592621B (zh) 一种虚拟电厂集群两阶段调度优化方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200828