CN111680829A - 一种考虑充放成本的分布式储能集群调度方法 - Google Patents

一种考虑充放成本的分布式储能集群调度方法 Download PDF

Info

Publication number
CN111680829A
CN111680829A CN202010449101.2A CN202010449101A CN111680829A CN 111680829 A CN111680829 A CN 111680829A CN 202010449101 A CN202010449101 A CN 202010449101A CN 111680829 A CN111680829 A CN 111680829A
Authority
CN
China
Prior art keywords
energy storage
scheduling
cluster
storage cluster
storage device
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
CN202010449101.2A
Other languages
English (en)
Inventor
彭嵩
潘斌
陈旗展
余俊杰
阮志杰
李国号
钟毅
杨涌新
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.)
Guangdong Power Grid Co Ltd
Zhongshan Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Zhongshan Power Supply Bureau of Guangdong Power Grid 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 Guangdong Power Grid Co Ltd, Zhongshan Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202010449101.2A priority Critical patent/CN111680829A/zh
Publication of CN111680829A publication Critical patent/CN111680829A/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
    • 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
    • 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
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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

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

Abstract

本发明公开了一种考虑充放成本的分布式储能集群调度方法，包括以下步骤：设定储能集群优化调度的约束条件，所述约束条件包括：单个储能设备的充放电功率的最大值约束、储能设备的能量约束、储能设备的爬坡约束；构建优化目标函数；获取可再生能源最大出力预测值和负荷预测值，结合储能设备当前的约束条件和目标函数得到储能集群不同模式下的的储能调度计划，根据储能调度计划对储能设备进行调度。本发明实现了对储能集群的优化调度。

Description

一种考虑充放成本的分布式储能集群调度方法
技术领域
本发明涉及电力系统的运行控制技术领域，更具体地，涉及一种考虑充放成本的分布式储能集群调度方法。
背景技术
储能设备集群可以实现电网的调峰等辅助服务，利用多个储能设备构成的集群，融合了发电、负荷和储能设备于一体，储能设备的参与可以有效实现对关口输送功率波动的平抑。然而，储能设备自身存在多种约束条件，各个时间的充放电之间存在耦合约束关系，而且为了设备维护成本的考虑，储能设备的充放电功率不能进行频繁的波动，上述特性给储能设备集群的优化调度带来了困难。
在现有技术中，公开号为CN109687454A的发明专利公开了一种分布式能源集群优化调度系统、方法及装置，包括：利用基于ADMM算法建立的用户侧优化目标的用户侧决策变量函数、分布式能源集群运行成本目标函数和历史运营商决策变量，以分布式能源集群最小运行成本为目标，得到用户侧决策变量；利用基于ADMM算法建立的运营商侧优化目标的运营商侧决策变量函数和用户侧决策变量，以最小化网损成本为目标，得到运营商决策变量；利用运营商决策变量和历史运行商决策变量，更新拉格朗日乘子；判断运营商决策变量是否满足预设的优选条件；直至达到预设的迭代次数，输出当前运营商决策变量；该申请是基于ADMM算法，利用交换期望和交换功率，完成优化调度，无需利用各设备的隐私信息，避免了隐私泄露，该专利涉及的是电网的商业运营和调度并不是对储能设备集群的调度也不涉及储能集群内部的充放电等。
公开号为CN109636668A的发明专利，其公开了一种商业化运营的规模化电池储能系统集群参与电网辅助服务的控制方法，运营方通过与不同业主签约，整合隶属于不同业主的规模化电池储能系统，形成容量和功率达到一定数量级的规模化电池储能系统集群，参与电力市场辅助服务交易或者向用户提供服务，并定期与用户、电力调度机构进行结算，按合同约定收付款。该专利是采用商业化运营模式，有效整合并网储能系统资源，参与电网辅助服务交易，但并没有涉及到分布式储能集群调度。
发明内容
本发明为克服上述现有技术中没有在考虑集群内部储能设备约束的前提下，通过平抑关口功率波动的和避免储能设备充放电功率的目标函数来进行储能集群的优化调度的缺陷，提供一种考虑充放成本的分布式储能集群调度方法。
本发明的首要目的是为解决上述技术问题，本发明的技术方案如下：
一种考虑充放成本的分布式储能集群调度方法，包括以下步骤：
S1：设定储能集群优化调度的约束条件，所述约束条件包括：单个储能设备的充放电功率的最大值约束、储能设备的能量约束、储能设备的爬坡约束；
S2：构建优化目标函数；
S3：获取可再生能源最大出力预测值和负荷预测值，结合储能设备当前的约束条件和目标函数得到储能储能集群在不同模式下的的储能调度计划，根据储能调度计划对储能集群进行调度。
本方案中，单个储能设备其充放电功率的最大值约束为：
Figure BDA0002507027850000021
Figure BDA0002507027850000022
其中，
Figure BDA0002507027850000023
和
Figure BDA0002507027850000024
分别表示储能集群中第i个储能设备在时刻t的充电和放电功率；
Figure BDA0002507027850000025
和
Figure BDA0002507027850000026
分别表示储能集群中第i个储能设备最大充电和放电功率。
本方案中，为避免充放电功率至少一个为0，
Figure BDA0002507027850000027
和
Figure BDA0002507027850000028
需满足条件如下：
Figure BDA0002507027850000029
本方案中，所述储能设备的能量约束为：
Figure BDA00025070278500000210
Figure BDA00025070278500000211
Figure BDA00025070278500000212
其中，
Figure BDA00025070278500000213
表示第i个储能设备t时刻的能量值；
Figure BDA00025070278500000214
和
Figure BDA00025070278500000215
分别表示第i个储能设备的能量初值、最小值和最大值；ηch,i和ηdis,i分别表示第i个储能设备的充电和放电效率；μi表示第i个储能设备自然的损耗率；Δt表示两个时间点之间的间隔；T表示时间点的个数。
本方案中，所述储能设备的爬坡约束为：
定义第i个储能设备在时刻t的净输出功率为：
Figure BDA0002507027850000031
储能设备存在如下爬坡约束：
Figure BDA0002507027850000032
ri up，ri down分别表示第i个储能设备向上向下爬坡参数，
Figure BDA0002507027850000033
和
Figure BDA0002507027850000034
分别表示储能集群中第i个储能设备在时刻t的充电和放电功率，T表示时间点的个数。
本方案中，构建优化目标函数的步骤为：
求解储能集群关口各时刻的总预测注入功率，总的预测注入功率表示为：
Figure BDA0002507027850000035
其中，
Figure BDA0002507027850000036
表示节点i在时刻t除储能设备外的预测净有功注入功率；
Figure BDA0002507027850000037
表示时刻t的除储能设备外的集群总净预测有功注入功率，T表示时间点的个数；对储能集群的总预测注入功率进行低通滤波处理，表示如下：
Figure BDA0002507027850000038
其中，
Figure BDA0002507027850000039
表示滤波后的时刻t的除储能设备外的储能集群的总净预测有功注入功率；ts、te表示滤波区间的起始、终止时刻：
Figure BDA00025070278500000310
Figure BDA00025070278500000311
其中，τ表示滤波参数；
Figure BDA00025070278500000312
表示
Figure BDA00025070278500000313
的向下取整函数；
分别求解各个时刻储能集群的预测关口功率：
Figure BDA00025070278500000314
其中，n表示储能集群中储能设备的数量；
定义各个时刻储能集群的预测关口功率的均值为：
Figure BDA00025070278500000315
以最小化预测关口功率波动的平方和与储能设备输出功率波动的平方和加权的形式作为目标函数，目标函数表示如下：
Figure BDA0002507027850000041
其中，
Figure BDA0002507027850000042
表示第i个储能设备在时刻t的净输出功率；ε表示目标函数优化问题的比例系数，用于调节预测关口功率波动和储能设备输出功率波动之间的关系。
本方案中，ε计算公式为：
Figure BDA0002507027850000043
其中，
Figure BDA0002507027850000044
表示储能集群中第i个储能设备最大充电功率，n表示储能集群中储能设备的数量。
本方案中，所述低通滤波采用滑动均值滤波器进行滤波。
本方案中，所述不同模式包括：日前优化调度模式、滚动优化调度模式、实时优化调度模式，其中所述日前优化调度模式以15分钟作为一个决策时刻间隔，所考量的时间范围为未来一天24小时的时段，所述日前优化调度模式输出储能集群中储能设备未来一天的充放电调度计划，也即未来一天24时每个决策时刻每个储能设备的净输出功率；所述储能集群储能集群中储能设备未来一天的充放电调度计划也是未来一天的储能集群的储能调度计划；
所述滚动优化调度模式以15分钟作为一个决策时刻间隔，所考量的时间范围为未来的3个小时，所述滚动优化调度模式输出储能集群中储能设备未来三个小时的充放电调度计划，即未来3个小时每个决策时刻每个储能设备的净输出功率；储能集群中储能设备未来三个小时的充放电调度计划也即未来三个小时的储能集群的储能调度计划；
所述实时优化调度模式以15分钟作为一个决策时刻间隔，所考量的时间范围为未来的15分钟，所述实时优化调度模式输出储能集群中储能设备未来15分钟的充放电调度计划，即下一个决策时刻每个储能设备的净输出功率；输出储能集群中储能设备未来15分钟的充放电调度计划也即未来15分钟的储能集群的储能调度计划。
本方案中，所述日前优化调度模式、滚动优化调度模式、实时优化调度模式时间尺度不同，通过三种模式的结合进行储能集群的调度，具体为：在储能集群下一天开始之前，首先进行日前优化调度，获取未来一天储能集群的储能调度计划；每隔1个小时，再进行滚动优化调度，在未来一天储能集群的储能调度计划的基础之上更新未来3个小时的储能集群的储能调度计划；每隔15分钟，再进行实时优化调度，在日前优化调度和滚动优化调度的调度计划基础之上，更新未来15分钟的储能集群的储能调度计划。
与现有技术相比，本发明技术方案的有益效果是：
本发明通过对单个储能设备的约束条件建模，同时兼顾储能设备充放电功率约束和能量约束条件，针对集群关口功率的波动给出了平抑关口功率波动的和避免储能设备充放电功率的目标函数，通过对目标函数的解优，进而对储能集群优化调度。
附图说明
图1为本发明方法流程图。
图2为本发明实施例提供的一种分布式储能集群调度系统的示意图。
图3为本发明调度优化效果示意图。
图4为本发明中集群中全体储能设备的输出功率和总的能量值所占最大值的比例示意图。
具体实施方式
为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。
实施例1
如图1所示，一种考虑充放成本的分布式储能集群调度方法，包括以下步骤：
S1：设定储能集群优化调度的约束条件，所述约束条件包括：单个储能设备的充放电功率的最大值约束、储能设备的能量约束、储能设备的爬坡约束；
其中本方案中，单个储能设备其充放电功率的最大值约束为：
Figure BDA0002507027850000061
Figure BDA0002507027850000062
其中，
Figure BDA0002507027850000063
和
Figure BDA0002507027850000064
分别储能表示集群中第i个储能设备在时刻t的充电和放电功率；
Figure BDA0002507027850000065
和
Figure BDA0002507027850000066
分别表示集群中第i个储能设备最大充电和放电功率；
为避免充放电功率至少一个为0，
Figure BDA0002507027850000067
和
Figure BDA0002507027850000068
需满足条件如下：
Figure BDA0002507027850000069
所述储能设备的能量约束为：
Figure BDA00025070278500000610
Figure BDA00025070278500000611
Figure BDA00025070278500000612
其中，
Figure BDA00025070278500000613
表示第i个储能设备t时刻的能量值；
Figure BDA00025070278500000614
和
Figure BDA00025070278500000615
分别表示第i个储能设备的能量初值、最小值和最大值；ηch,i和ηdis,i分别表示第i个储能设备的充电和放电效率；μi表示第i个储能设备自然的损耗率；Δt表示两个时间点之间的间隔；T表示时间点的个数。
所述储能设备的爬坡约束为：
定义第i个储能设备在时刻t的净输出功率为：
Figure BDA00025070278500000616
储能设备存在如下爬坡约束：
Figure BDA00025070278500000617
ri up，ri down分别表示第i个储能设备向上向下爬坡参数，
Figure BDA00025070278500000618
和
Figure BDA00025070278500000619
分别表示储能集群中第i个储能设备在时刻t的充电和放电功率。
S2：构建优化目标函数；
本方案中，构建优化目标函数的步骤为：
求解储能集群关口各时刻的总预测注入功率，总的预测注入功率表示为：
Figure BDA00025070278500000620
其中，
Figure BDA00025070278500000621
表示节点i在时刻t除储能设备外的预测净有功注入功率；
Figure BDA00025070278500000622
表示时刻t的除储能设备外的储能集群总净预测有功注入功率；
对储能集群的总预测注入功率进行低通滤波处理，表示如下：
Figure BDA0002507027850000071
其中，
Figure BDA0002507027850000072
表示滤波后的时刻t的除储能设备外的储能集群的总净预测有功注入功率；ts、te表示滤波区间的起始、终止时刻：
Figure BDA0002507027850000073
Figure BDA0002507027850000074
其中，τ表示滤波参数；
Figure BDA0002507027850000075
表示
Figure BDA0002507027850000076
的向下取整函数；
分别求解各个时刻储能集群的预测关口功率：
Figure BDA0002507027850000077
其中，n表示储能集群中储能设备的数量；
定义各个时刻储能集群的预测关口功率的均值为：
Figure BDA0002507027850000078
以最小化预测关口功率波动的平方和与储能设备输出功率波动的平方和加权的形式作为目标函数，目标函数表示如下：
Figure BDA0002507027850000079
其中，
Figure BDA00025070278500000710
表示第i个储能设备在时刻t的净输出功率；ε表示目标函数优化问题的比例系数，用于调节预测关口功率波动和储能设备输出功率波动之间的关系，ε计算公式为：
Figure BDA00025070278500000711
其中，
Figure BDA00025070278500000712
表示储能集群中第i个储能设备最大充电功率，n表示集群中储能设备的数量。
S3：获取可再生能源最大出力预测值和负荷预测值，结合储能设备当前的约束条件和目标函数得到储能集群不同模式下的储能调度计划，根据储能调度计划对储能集群进行调度。
本方案中，所述低通滤波采用滑动均值滤波器进行滤波。
如图2所示，本发明提供了一种分布式储能集群调度系统的实施例，所述系统采用本发明的调度方法，具体调度方法实施流程如下：
如图2所示上层控制中心、下层为分布在集群内部的各个储能设备控制器，所述调度系统可以实施本发明所述的三种不同模式的调度即日前优化调度模式、滚动优化调度模式、实时优化调度模式，其中所述日前优化调度模式以15分钟作为一个决策时刻间隔，所考量的时间范围为未来一天24小时的时段；
所述滚动优化调度模式以15分钟作为一个决策时刻间隔，所考量的时间范围为未来的3个小时；
所述实时优化调度模式以15分钟作为一个决策时刻间隔，所考量的时间范围为未来的15分钟。
其中，所述日前优化调度模式，以15分钟作为一个决策时刻间隔，所考量的时间范围为未来一天24小时的时段，此时目标函数及约束条件中对应的输出时刻数量为96个。调度系统下层的分布式储能设备控制器将储能设备现有的能量值
Figure BDA0002507027850000081
上传给上层的控制中心；控制中心收集电网侧所采集的未来一天的可再生能源最大出力预测值和负荷预测值，基于最大出力预测值和负荷预测值获得未来一天各个时刻节点的预测净有功注入功率
Figure BDA0002507027850000082
进而得到未来一天的集群关口功率预测值
Figure BDA0002507027850000083
其中t＝1,...,T。基于最大出力预测值和负荷预测值、未来一天各个时刻节点的预测净有功注入功率
Figure BDA0002507027850000084
未来一天的集群关口功率预测值
Figure BDA0002507027850000085
通过目标函数和约束条件计算得到优化结果，即储能集群未来一天的储能调度计划(也是储能集群储能集群中储能设备未来一天的充放电调度计划)，也即未来一天24时每个决策时刻储能集群中每个储能设备的净输出功率；按照输出的调度计划对储能设备进行调度可实现在避免集群储能设备频繁充放电的情况下实现对关口波动的平抑。
所述滚动优化调度模式所考量的时间范围为未来的3个小时，此时目标函数及约束条件中输出时刻数量为12个。下层的分布式储能设备控制器仍然将储能设备现有的能量值
Figure BDA0002507027850000091
上传给控制中心，控制中心基于当前最新的可再生能源出力预测值和负荷预测值，得到当前时刻至日末的最新预测结果，更新相应的预测净有功注入功率
Figure BDA0002507027850000092
和集群关口功率预测值
Figure BDA0002507027850000093
基于当前最新的可再生能源出力预测值和负荷预测值、预测净有功注入功率
Figure BDA0002507027850000094
和集群关口功率预测值
Figure BDA0002507027850000095
通过目标函数和约束条件计算得到优化结果，即输出储能集群未来三个小时的储能调度计划(储能集群中储能设备未来三个小时的充放电调度计划)，
Figure BDA0002507027850000096
其中t＝τ+1,...,τ+12，τ表示当前时刻，也即未来3个小时每个决策时刻储能集群中每个储能设备的净输出功率；
所述实时优化调度模式所考量的时间范围为未来的15分钟，此时目标函数及约束条件中输出时刻数量为1个。上层控制中心收集下层分布式储能设备的实时能量值
Figure BDA0002507027850000097
并基于实时的可再生能源出力和负荷预测值获取实时的
Figure BDA0002507027850000098
和
Figure BDA0002507027850000099
通过目标函数和约束条件计算得到优化结果，即求解出当前时刻至日末时刻的储能调度优化问题，更新储能集群未来15分钟的储能调度计划(即输出储能集群中储能设备未来15分钟的充放电调度计划)
Figure BDA00025070278500000910
表示当前时刻。
需要说明的是，上述三种调度模式涉及的时间尺度不同，通过三种调度模式结合的方式进行分布式储能集群的调度。具体为：储能集群在下一天开始之前，控制中心进行日前优化调度，获取未来一天(即下一天)储能集群的储能调度计划；每隔1个小时，控制中心进行滚动优化调度，在未来一天储能集群的储能调度计划的基础之上更新未来3个小时的储能集群的储能调度计划；每隔15分钟，控制中心进行实时优化调度，在日前优化调度和滚动优化调度的调度计划基础之上，更新未来15分钟的储能集群的储能调度计划。既保证了对储能设备未来调度计划预期的产生，又能够根据最近获取的更加精确的预测结果实现优化调度。
分布式储能集群调度方法的优化效果示意图如附图3所示。该算例储能集群中含有分布式储能设备17个，总的最大充放电功率为70MW，所有储能设备的初始能量占储能设备最大存储能量的比例信息如表1所示，表1为分布式储能设备参数信息表：
表1
Figure BDA0002507027850000101
设定各个储能设备储能最小能量、最大能量占储能设备最大储存能量的比例分别为0.2和1.0，所有储能设备的充电和放电效率全部设定为95％，自然的损耗率设定为0.99。
本算例测试在CPU为i7-8550U，1.8GHz和内存为16GB配置的笔记本电脑上进行。利用MATLAB软件上的YALMIP工具箱[15]和CPLEX求解器进行求解计算。
基于实际系统的天气预测，得到可再生能源最大输出功率预测值和集群的负荷节点预测值，在未加入储能设备充放电的网络中，假设一天中各个时间节点的关口输出功率的预测值曲线如3中虚线所示。按照分布式储能集群调度方法中求解储能设备的集群优化调度问题，可以得到储能集群关口图3中实线所示的储能集群关口输出功率结果。
如附图4所示，(a)表示集群中全体储能设备的输出功率，(b)图储能设备总的能量值所占最大值的比例,可以看到，在加入储能设备后，集群关口功率的波动幅值明显得到改善，最大关口峰值功率由205MW下降到了121MW，降低了约40％。同时，从储能调度曲线来看，当储能设备输出功率大于0时表示放电、小于0时表示充电，可以看到优化后得到的曲线中，储能设备的输出功率没有频繁地在正负之间转换，即无频繁充放电切换的现象出现，满足的优化问题的要求。另外，从储能设备的能量值变化过程来看，储能设备中的能量所占储能设备最大存储能量的百分比没有低于最小值0.2，也没有超出最大值1.0，保证了储能设备自身功率约束和能量约束条件的成立。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种考虑充放成本的分布式储能集群调度方法，其特征在于，包括以下步骤：
S1：设定储能集群优化调度的约束条件，所述约束条件包括：单个储能设备的充放电功率的最大值约束、储能设备的能量约束、储能设备的爬坡约束；
S2：构建优化目标函数；
S3：获取可再生能源最大出力预测值和负荷预测值，结合储能设备当前的约束条件和目标函数得到储能集群不同模式下的储能调度计划，根据储能调度计划对储能集群进行调度。
2.根据权利要求1所述的一种考虑充放成本的分布式储能集群调度方法，其特征在于，单个储能设备其充放电功率的最大值约束为：
Figure FDA0002507027840000011
Figure FDA0002507027840000012
其中，
Figure FDA0002507027840000013
和
Figure FDA0002507027840000014
分别表示储能集群中第i个储能设备在时刻t的充电和放电功率；
Figure FDA0002507027840000015
和
Figure FDA0002507027840000016
分别表示储能集群中第i个储能设备最大充电和放电功率。
3.根据权利要求2所述的一种考虑充放成本的分布式储能集群调度方法，其特征在于，为避免充放电功率至少一个为0，
Figure FDA0002507027840000017
和
Figure FDA0002507027840000018
需满足条件如下：
Figure FDA0002507027840000019
4.根据权利要求1所述的一种考虑充放成本的分布式储能集群调度方法，其特征在于，所述储能设备的能量约束为：
Figure FDA00025070278400000110
Figure FDA00025070278400000111
Figure FDA00025070278400000112
其中，
Figure FDA00025070278400000113
表示第i个储能设备t时刻的能量值；
Figure FDA00025070278400000114
和
Figure FDA00025070278400000115
分别表示第i个储能设备的能量初值、最小值和最大值；ηch,i和ηdis,i分别表示第i个储能设备的充电和放电效率；μi表示第i个储能设备自然的损耗率；Δt表示两个时间点之间的间隔；T表示时间点的个数。
5.根据权利要求1所述的一种考虑充放成本的分布式储能集群调度方法，其特征在于，所述储能设备的爬坡约束为：
定义第i个储能设备在时刻t的净输出功率为：
Figure FDA0002507027840000021
储能设备存在如下爬坡约束：
Figure FDA0002507027840000022
ri up，ri down分别表示第i个储能设备向上向下爬坡参数，
Figure FDA0002507027840000023
和
Figure FDA0002507027840000024
分别表示储能集群中第i个储能设备在时刻t的充电和放电功率，T表示时间点的个数。
6.根据权利要求1所述的一种考虑充放成本的分布式储能集群调度方法，其特征在于，构建优化目标函数的步骤为：
求储能解集群关口各时刻的总预测注入功率，总的预测注入功率表示为：
Figure FDA0002507027840000025
其中，
Figure FDA0002507027840000026
表示节点i在时刻t除储能设备外的预测净有功注入功率；
Figure FDA0002507027840000027
表示时刻t的除储能设备外的储能集群总净预测有功注入功率，T表示时间点的个数；
对储能集群的总预测注入功率进行低通滤波处理，表示如下：
Figure FDA0002507027840000028
其中，
Figure FDA0002507027840000029
表示滤波后的时刻t的除储能设备外的储能集群的总净预测有功注入功率；ts、te表示滤波区间的起始、终止时刻：
Figure FDA00025070278400000210
Figure FDA00025070278400000211
其中，τ表示滤波参数；
Figure FDA00025070278400000212
表示
Figure FDA00025070278400000213
的向下取整函数；
分别求解各个时刻储能集群的预测关口功率：
Figure FDA00025070278400000214
其中，n表示储能集群中储能设备的数量；
定义各个时刻储能集群的预测关口功率的均值为：
Figure FDA0002507027840000031
以最小化预测关口功率波动的平方和与储能设备输出功率波动的平方和加权的形式作为目标函数，目标函数表示如下：
Figure FDA0002507027840000032
其中，
Figure FDA0002507027840000033
表示第i个储能设备在时刻t的净输出功率；ε表示目标函数优化问题的比例系数，用于调节预测关口功率波动和储能设备输出功率波动之间的关系。
7.根据权利要求6所述的一种考虑充放成本的分布式储能集群调度方法，其特征在于，ε计算公式为：
Figure FDA0002507027840000034
其中，
Figure FDA0002507027840000035
表示储能集群中第i个储能设备最大充电功率，n表示储能集群中储能设备的数量。
8.根据权利要求6所述的一种考虑充放成本的分布式储能集群调度方法，其特征在于，所述低通滤波采用滑动均值滤波器进行滤波。
9.根据权利要求1所述的一种考虑充放成本的分布式储能集群调度方法，其特征在于，所述不同模式包括：日前优化调度模式、滚动优化调度模式、实时优化调度模式，其中所述日前优化调度模式以15分钟作为一个决策时刻间隔，所考量的时间范围为未来一天24小时的时段，所述日前优化调度模式输出储能集群中储能设备未来一天的充放电调度计划，也即未来一天24时每个决策时刻每个储能设备的净输出功率；所述储能集群储能集群中储能设备未来一天的充放电调度计划也是未来一天的储能集群的储能调度计划；
所述滚动优化调度模式以15分钟作为一个决策时刻间隔，所考量的时间范围为未来的3个小时，所述滚动优化调度模式输出储能集群中储能设备未来三个小时的充放电调度计划，即未来3个小时每个决策时刻每个储能设备的净输出功率；储能集群中储能设备未来三个小时的充放电调度计划也即未来三个小时的储能集群的储能调度计划；
所述实时优化调度模式以15分钟作为一个决策时刻间隔，所考量的时间范围为未来的15分钟，所述实时优化调度模式输出储能集群中储能设备未来15分钟的充放电调度计划，即下一个决策时刻每个储能设备的净输出功率；输出储能集群中储能设备未来15分钟的充放电调度计划也即未来15分钟的储能集群的储能调度计划。
10.根据权利要求9所述的一种考虑充放成本的分布式储能集群调度方法，其特征在于，所述日前优化调度模式、滚动优化调度模式、实时优化调度模式时间尺度不同，通过三种模式的结合进行储能集群的调度，具体为：在储能集群下一天开始之前，首先进行日前优化调度，获取未来一天储能集群的储能调度计划；每隔1个小时，再进行滚动优化调度，在未来一天储能集群的储能调度计划的基础之上更新未来3个小时的储能集群的储能调度计划；每隔15分钟，再进行实时优化调度，在日前优化调度和滚动优化调度的调度计划基础之上，更新未来15分钟的储能集群的储能调度计划。
CN202010449101.2A 2020-05-25 2020-05-25 一种考虑充放成本的分布式储能集群调度方法 Pending CN111680829A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010449101.2A CN111680829A (zh) 2020-05-25 2020-05-25 一种考虑充放成本的分布式储能集群调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010449101.2A CN111680829A (zh) 2020-05-25 2020-05-25 一种考虑充放成本的分布式储能集群调度方法

Publications (1)

Publication Number Publication Date
CN111680829A true CN111680829A (zh) 2020-09-18

Family

ID=72434445

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010449101.2A Pending CN111680829A (zh) 2020-05-25 2020-05-25 一种考虑充放成本的分布式储能集群调度方法

Country Status (1)

Country Link
CN (1) CN111680829A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112329995A (zh) * 2020-10-23 2021-02-05 南方电网调峰调频发电有限公司 分布式储能集群的优化调度方法、装置和计算机设备
CN112510679A (zh) * 2020-10-23 2021-03-16 南方电网调峰调频发电有限公司 分布式储能优化调度方法、装置、计算机设备和存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102510080A (zh) * 2011-11-09 2012-06-20 南方电网科学研究院有限责任公司 一种微电网中储能系统的调度方法
CN106849138A (zh) * 2015-12-07 2017-06-13 贵州电网有限责任公司电力科学研究院 一种基于巴特沃兹滤波器的储能配置方法
CN108808744A (zh) * 2018-06-01 2018-11-13 国网冀北电力有限公司电力科学研究院 有储能参与的新能源发电系统的有功协调控制方法及系统
CN109066744A (zh) * 2018-08-08 2018-12-21 中国电力科学研究院有限公司 一种含储能配电网协调调度方法和系统
CN109149567A (zh) * 2018-09-10 2019-01-04 华南理工大学 含混合储能的独立型微电网的多时间尺度协调控制方法
CN110311421A (zh) * 2019-07-12 2019-10-08 燕山大学 基于需求侧响应的微电网多时间尺度能量管理方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102510080A (zh) * 2011-11-09 2012-06-20 南方电网科学研究院有限责任公司 一种微电网中储能系统的调度方法
CN106849138A (zh) * 2015-12-07 2017-06-13 贵州电网有限责任公司电力科学研究院 一种基于巴特沃兹滤波器的储能配置方法
CN108808744A (zh) * 2018-06-01 2018-11-13 国网冀北电力有限公司电力科学研究院 有储能参与的新能源发电系统的有功协调控制方法及系统
CN109066744A (zh) * 2018-08-08 2018-12-21 中国电力科学研究院有限公司 一种含储能配电网协调调度方法和系统
CN109149567A (zh) * 2018-09-10 2019-01-04 华南理工大学 含混合储能的独立型微电网的多时间尺度协调控制方法
CN110311421A (zh) * 2019-07-12 2019-10-08 燕山大学 基于需求侧响应的微电网多时间尺度能量管理方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
肖浩;裴玮;孔力; *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112329995A (zh) * 2020-10-23 2021-02-05 南方电网调峰调频发电有限公司 分布式储能集群的优化调度方法、装置和计算机设备
CN112510679A (zh) * 2020-10-23 2021-03-16 南方电网调峰调频发电有限公司 分布式储能优化调度方法、装置、计算机设备和存储介质
CN112329995B (zh) * 2020-10-23 2023-05-30 南方电网调峰调频发电有限公司 分布式储能集群的优化调度方法、装置和计算机设备

Similar Documents

Publication Publication Date Title
CN108667052B (zh) 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统
CN108875992B (zh) 一种考虑需求响应的虚拟电厂日前优化调度方法
CN109103912B (zh) 考虑电网调峰需求的工业园区主动配电系统调度优化方法
CN111525601B (zh) 用户侧储能设备的充放电控制方法、装置及存储介质
CN105162149B (zh) 基于模糊自适应调节的光储系统跟踪发电计划出力方法
US20140350743A1 (en) Tiered power management system for microgrids
CN107069776B (zh) 一种平滑微网联络线功率的储能前瞻分布式控制方法
CN107230984B (zh) 一种电力需求响应参与配电网电压调节的方法及控制系统
CN115147245B (zh) 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法
CN107017625B (zh) 用于独立微电网的能量动态调度的方法和设备
CN114938035B (zh) 考虑储能退化成本的共享储能能量调度方法及系统
CN107273968A (zh) 一种基于动态模糊混沌粒子群的多目标调度方法及装置
CN111680829A (zh) 一种考虑充放成本的分布式储能集群调度方法
CN115953011B (zh) 通信基站储能资源调度方法及设备
CN114914923B (zh) 基于网格法的变时长两阶段电动汽车调度方法及系统
CN116231765B (zh) 一种虚拟电厂出力控制方法
CN112836849A (zh) 一种考虑风电不确定性的虚拟电厂调度方法
CN113435730A (zh) 一种变电站储能容量的协同配置方法、装置及系统
CN117060474A (zh) 一种新能源充电站的调度方法、系统、设备及存储介质
CN114944661A (zh) 一种基于储能系统滚动优化的微电网三阶段优化控制方法
CN113487131B (zh) 一种基于充电需求和储能调节的站网互动方法
CN110826801A (zh) 电动车充电站分布式电能管理方法
US20200211128A1 (en) System, device, and method for mode-based energy storage
CN112269966A (zh) 一种考虑备用需求的通信基站虚拟电厂发电容量测量方法
Wang et al. Predictive management of electric vehicles in a community microgrid

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

Application publication date: 20200918