CN111697601A - 适用于大工业用户电化学储能系统的配置与策略制定方法 - Google Patents

适用于大工业用户电化学储能系统的配置与策略制定方法 Download PDF

Info

Publication number
CN111697601A
CN111697601A CN202010411660.4A CN202010411660A CN111697601A CN 111697601 A CN111697601 A CN 111697601A CN 202010411660 A CN202010411660 A CN 202010411660A CN 111697601 A CN111697601 A CN 111697601A
Authority
CN
China
Prior art keywords
energy storage
storage system
electrochemical energy
time
charge
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010411660.4A
Other languages
English (en)
Other versions
CN111697601B (zh
Inventor
曹锐鑫
张瑾
尚敏青
胡波
艾腾飞
种蕊
曹龙
王振峰
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.)
Xi'an Lianchuang Distributed Renewable Energy Research Institute Co ltd
Original Assignee
Xi'an Lianchuang Distributed Renewable Energy Research Institute 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 Xi'an Lianchuang Distributed Renewable Energy Research Institute Co ltd filed Critical Xi'an Lianchuang Distributed Renewable Energy Research Institute Co ltd
Priority to CN202010411660.4A priority Critical patent/CN111697601B/zh
Publication of CN111697601A publication Critical patent/CN111697601A/zh
Application granted granted Critical
Publication of CN111697601B publication Critical patent/CN111697601B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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

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

Abstract

本发明提供了一种适用于大工业用户电化学储能系统的配置与策略制定方法，该方法采用k‑means聚类算法，从大工业用户的年度逐时用电负荷数据中提取典型日负荷；获取大工业用户每月每日的实时电价；建立电化学储能系统的经济性模型；设置约束条件；以经济性最优为目标函数，采用遗传算法寻优，将电化学储能系统的最优系统额定容量和最优系统额定充放电功率作为所述的电化学储能系统的配置；将典型日的逐时充放电状态和充放电功率应用到该典型日对应的季节的每一天作为电化学储能系统的策略。本发明根据电化学储能系统的经济性模型计算系统最优配置、制定最优运行策略，通过削峰填谷降低用户度电成本。

Description

适用于大工业用户电化学储能系统的配置与策略制定方法
技术领域
本发明属于储能领域，涉及用户侧储能，具体涉及一种适用于大工业用户电化学储能系统的配置与策略制定方法。
背景技术
储能电池因能量密度大、占地面积小、低噪音、建设周期短，已经成为众多储能技术中的翘楚。根据中国太阳能行业协会(CPIA)统计数据，截至2019年底，全球累计电化学装机达8.22GW，同比增长24.02％，从应用端来看，用户侧储能占比最高为28％；我国电化学储能累计装机1592.3MW，同比增长48.4％，其中用户侧仍是储能最大的应用市场，占比为51％。从以上数据可以看出，用户侧储能占据储能市场的一席之地，因此对于用户侧储能的应用研究非常必要。
用户侧削峰填谷储能装置的经济性主要由初期投资和装置收益决定，初期投资主要受系统成本(由电池成本决定)，储能装置系统配置等因素影响；装置收益主要由储能系统配置、充放电策略、地区峰平谷差价、系统效率、电池循环次数、电池充放电深度等因素决定。目前，现有技术中缺少最优的储能系统配置和充放电策略计算方法，系统配置主要根据用户负荷凭借经验设定，充放电策略也是人为设定，以此设计出的储能装置并非是经济性最好的。
发明内容
针对现有技术存在的不足，本发明的目的在于，提供一种适用于大工业用户电化学储能系统的配置与策略制定方法，解决现有技术中的方法经济性不足的技术问题。
为了解决上述技术问题，本发明采用如下技术方案予以实现：
一种适用于大工业用户电化学储能系统的配置与策略制定方法，该方法包括以下步骤：
步骤1，采集大工业用户的年度逐时用电负荷数据；
步骤2，提取典型日负荷；
采用k-means聚类算法，输入步骤1中采集的年度逐时用电负荷数据，以最大值、最小值、平均值、标准差、极差和众数作为提取特征，输出年度内春季、夏季、秋季和冬季最靠近聚类中心的电负荷数据和日期分别作为春季典型日负荷、夏季典型日负荷、秋季典型日负荷和冬季典型日负荷；
步骤3，获取大工业用户每月每日的实时电价；
所述的实时电价包括尖峰时段的电价P尖、峰段时段的电价P峰、平段时段的电价P平和谷段时段的电价P谷；
所述的尖峰时段为实时电价为尖峰时段的电价时对应的时间段，所述的峰段时段为实时电价为峰段时段的电价时对应的时间段，所述的平段时段为实时电价为平段时段的电价时对应的时间段，所述的谷段时段为实时电价为谷段时段的电价时对应的时间段；
步骤4，获取电化学储能系统中电池的参数及电化学储能系统的系统初期投资成本，建立电化学储能系统的经济性模型，电化学储能系统的经济性模型包括年峰谷收益模型和电化学储能系统的初期投资成本模型；
所述的电化学储能系统的经济性模型的建立过程包括以下子步骤：
步骤401，确定年峰谷收益模型：
Figure BDA0002493491650000021
Figure BDA0002493491650000031
Figure BDA0002493491650000032
式中：
EPV为年峰谷收益，单位：元/年；
i为年度中的第i天；
t为每天中的时刻；
PL(t)为t时刻逐时用电负荷数据，单位：kW；
PEL(t)为t时刻电价，单位：元；
PS(t)为电化学储能系统的t时刻的充放电功率，单位：kW；
Figure BDA0002493491650000035
为电化学储能系统的额定充放电功率，单位：kW；
ηS(t)为电化学储能系统的t时刻充放电效率；
ηch为电化学储能系统的充电效率；
ηdisch为电化学储能系统的放电效率；
步骤402，获取电化学储能系统的初期投资成本模型：
Figure BDA0002493491650000033
Sa＝CS·Ca·Na 式3
Sr＝CS·Cr·Rr 式4
式中：
Io为电化学储能系统的初期投资成本，单位：元；
j为电化学储能系统的第j项；
Figure BDA0002493491650000034
为电化学储能系统的总投资成本；
Sr为电池回收成本，单位：元；
Sa为政策补贴收益，单位：元；
Ca为补贴单价，单位：元/(kWh·年)；
CS为电化学储能系统的额定容量，单位：kWh；
Na为补贴年限，单位：年；
Cr为电池回收单价，单位：元/kWh；
Rr为电池回收百分比；
步骤5，设置电化学储能系统的经济性模型的约束条件：
所述的约束条件为式5至式11：
Figure BDA0002493491650000041
Figure BDA0002493491650000042
当PS(t)>0，PS(t)<PL(t) 式7
PMD≥PL(t)-PS(t) 式8
(1-DOD)≤SOC(t)≤1 SOC(0)＝SOC(23)＝DOD 式9
Figure BDA0002493491650000043
Figure BDA0002493491650000044
式中：
PLmax为大工业用户负荷最大值，单位：kW；
CTF为大工业用户的变压器剩余容量，单位，kVA；
DOD为电池的充放电深度，单位：％；
SOC(t)为t时刻电化学储能系统电池的荷电状态，单位：％；
Figure BDA0002493491650000051
为储电系统日循环次数，单位：次；
T为电化学储能系统的额定充放电时间，单位：h；
V为电池充电倍率；
步骤6，以经济性最优为目标函数，采用遗传算法寻优，以电化学储能系统电池的荷电状态作为底层寻优变量，电化学储能系统的系统额定容量和电化学储能系统的系统额定充放电功率作为外层寻优变量，进行寻优计算；
通过寻优计算获得电化学储能系统的最优系统额定容量和最优系统额定充放电功率，然后将电化学储能系统的最优系统额定容量和最优系统额定充放电功率作为所述的电化学储能系统的配置；
通过寻优计算获得每个季节的典型日的逐时充放电状态和充放电功率，然后将典型日的逐时充放电状态和充放电功率应用到该典型日对应的季节的每一天作为电化学储能系统的策略；
其中：
根据步骤4建立的电化学储能系统的经济性模型，确定目标函数为式12；
NS＝I0/(EPV) 式12
式中：
NS为以年峰谷收益计算的电化学储电系统最小回收期，单位：年；
所述的电池的荷电状态、系统额定充放电功率和系统额定容量的约束条件采用步骤5的约束条件。
本发明与现有技术相比，具有如下技术效果：
(Ⅰ)本发明根据电化学储能系统的经济性模型制定典型日运行策略，削峰填谷，最大程度降低用户度电成本。
(Ⅱ)本发明以经济性最优为目标，采用遗传算法，对配置和策略进行双层优化计算；借助建立的模型，模拟电化学储能系统最优系统配置、充放电策略及系统经济性分析，为用户侧电化学储能系统配置及策略制定提供科学的方法，同时能够准确提供系统的经济性。
附图说明
图1为采用遗传算法寻优的流程图。
图2为应用例中非夏季典型日逐时负荷曲线与峰平谷电价。
图3为应用例中夏季典型日逐时负荷曲线与尖峰平谷电价。
图4为应用例中非夏季典型日运行策略(削峰填谷)。
图5为应用例中夏季典型日运行策略(削峰填谷)。
以下结合实施例对本发明的具体内容作进一步详细解释说明。
具体实施方式
需要说明的是，本发明中的大工业用户指的是用户受电变压器总容量(包括不经过变压器的高压电压的容量)在315kVA的一切工业用电企业，同时包含实行峰平谷电价的商业用户。
需要说明的是，本发明中的电化学储能系统指的是以电化学电池为电能存储介质，通过电能和化学能之间的相互转化，赋予电力可以存储属性的系统。
需要说明的是，本发明中的电化学储能系统的总投资成本为各子系统、电缆材料和土建施工的总投资成本。电化学储能系统的子系统包括电池、双向储能变流器、电池管理系统和能量管理系统。
需要说明的是，本发明中的k-means聚类算法和遗传算法均为已知算法。
以下给出本发明的具体实施例，需要说明的是本发明并不局限于以下具体实施例，凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。
实施例：
本实施例给出一种适用于大工业用户电化学储能系统的配置与策略制定方法，该方法包括以下步骤：
步骤1，采集大工业用户的年度逐时用电负荷数据；
步骤2，提取典型日负荷；
采用k-means聚类算法，输入步骤1中采集的年度逐时用电负荷数据，以最大值、最小值、平均值、标准差、极差和众数作为提取特征，输出年度内春季、夏季、秋季和冬季最靠近聚类中心的电负荷数据和日期分别作为春季典型日负荷、夏季典型日负荷、秋季典型日负荷和冬季典型日负荷；
步骤3，获取大工业用户每月每日的实时电价；
所述的实时电价包括尖峰时段的电价P尖、峰段时段的电价P峰、平段时段的电价P平和谷段时段的电价P谷；
所述的尖峰时段为实时电价为尖峰时段的电价时对应的时间段，所述的峰段时段为实时电价为峰段时段的电价时对应的时间段，所述的平段时段为实时电价为平段时段的电价时对应的时间段，所述的谷段时段为实时电价为谷段时段的电价时对应的时间段；
步骤4，获取电化学储能系统中电池的参数及电化学储能系统的系统初期投资成本，建立电化学储能系统的经济性模型，电化学储能系统的经济性模型包括年峰谷收益模型和电化学储能系统的初期投资成本模型；
所述的电化学储能系统的经济性模型的建立过程包括以下子步骤：
步骤401，确定年峰谷收益模型：
Figure BDA0002493491650000071
Figure BDA0002493491650000081
Figure BDA0002493491650000082
式中：
EPV为年峰谷收益，单位：元/年；
i为年度中的第i天；
t为每天中的时刻；
PL(t)为t时刻逐时用电负荷数据，单位：kW；
PEL(t)为t时刻电价，单位：元；
PS(t)为电化学储能系统的t时刻的充放电功率，单位：kW；
Figure BDA0002493491650000083
为电化学储能系统的额定充放电功率，单位：kW；
ηS(t)为电化学储能系统的t时刻充放电效率；
ηch为电化学储能系统的充电效率；
ηdisch为电化学储能系统的放电效率；
步骤402，获取电化学储能系统的初期投资成本模型：
Figure BDA0002493491650000084
Sa＝CS·Ca·Na 式3
Sr＝CS·Cr·Rr 式4
式中：
IO为电化学储能系统的初期投资成本，单位：元；
j为电化学储能系统的第j项；
Figure BDA0002493491650000085
为电化学储能系统的总投资成本；
Sr为电池回收成本，单位：元；
Sa为政策补贴收益，单位：元；
Ca为补贴单价，单位：元/(kWh·年)；
CS为电化学储能系统的额定容量，单位：kWh；
Na为补贴年限，单位：年；
Cr为电池回收单价，单位：元/kWh；
Rr为电池回收百分比；
步骤5，设置电化学储能系统的经济性模型的约束条件：
所述的约束条件为式5至式11：
Figure BDA0002493491650000091
Figure BDA0002493491650000092
当PS(t)>0，PS(t)<PL(t) 式7
PMD≥PL(t)-PS(t) 式8
(1-DOD)≤SOC(t)≤1 SOC(0)＝SOC(23)＝DOD 式9
Figure BDA0002493491650000093
Figure BDA0002493491650000094
式中：
PLmax为大工业用户负荷最大值，单位：kW；
CTF为大工业用户的变压器剩余容量，单位，kVA；
DOD为电池的充放电深度，单位：％；
SOC(t)为t时刻电化学储能系统电池的荷电状态，单位：％；
Figure BDA0002493491650000101
为储电系统日循环次数，单位：次；
T为电化学储能系统的额定充放电时间，单位：h；
V为电池充电倍率；
步骤6，以经济性最优为目标函数，采用遗传算法寻优，以电化学储能系统电池的荷电状态作为底层寻优变量，电化学储能系统的系统额定容量和电化学储能系统的系统额定充放电功率作为外层寻优变量，进行寻优计算；
通过寻优计算获得电化学储能系统的最优系统额定容量和最优系统额定充放电功率，然后将电化学储能系统的最优系统额定容量和最优系统额定充放电功率作为所述的电化学储能系统的配置；
通过寻优计算获得每个季节的典型日的逐时充放电状态和充放电功率，然后将典型日的逐时充放电状态和充放电功率应用到该典型日对应的季节的每一天作为电化学储能系统的策略；
其中：
根据步骤4建立的电化学储能系统的经济性模型，确定目标函数为式12；
Ns＝I0/(EPV) 式12
式中：
NS为以年峰谷收益计算的电化学储电系统最小回收期，单位：年；
所述的电池的荷电状态、系统额定充放电功率和系统额定容量的约束条件采用步骤5的约束条件。
本实施例中，采用遗传算法寻优的具体过程如图1所示。
本实施例中，式12为削峰填谷模式。
应用例：
以苏州某大工业用户为例，遵从上述实施例中的适用于大工业用户电化学储能系统的配置与策略制定方法，给出一个具体的适用于大工业用户电化学储能系统的配置与策略制定方法的例子。用于验证本实施例的方法的技术效果。
表1是苏州某大工业用户(用电等级：1-10kV)典型日逐时负荷，企业变压器信息见表2，苏州地区尖、峰、平、谷电价及时段见表3、4；企业典型日曲线与电价曲线如图2、3。
表1：典型日逐时负荷
时段 0:00-1:00 1:00-2:00 2:00-3:00 3:00-4:00 4:00-5:00 5:00-6:00
负荷kW 119 123 124 120 117 121
时段 6:00-7:00 7:00-8:00 8:00-9:00 9:00-10:00 10:00-11:00 11:00-12:00
负荷kW 368 201 321 824 440 424
时段 12:00-13:00 13:00-14:00 14:00-15:00 15:00-16:00 16:00-17:00 17:00-18:00
负荷kW 393 396 400 389 412 363
时段 18:00-19:00 19:00-20:00 20:00-21:00 21:00-22:00 22:00-23:00 23:00-24:00
负荷kW 266 396 768 320 321 132
表2：用电企业变压器信息
变压器容量 高压侧电压 低压侧电压 变压器设计负载率 理论剩余容量
1600kVA 10kV 400V 70％ 480kVA
表3：苏州非夏季(1-6月、9-12月)电价表
Figure BDA0002493491650000111
表4：苏州夏季(7-8月)电价表
Figure BDA0002493491650000121
应用例针对上述苏州用电企业电价信息、典型日逐时负荷，选用磷酸铁锂电池，计算削峰填谷模式下的系统最优配置和最小回收期，结果见表5，系统最优运行策略见图4和图5。
表5：削峰填谷模式下系统最优配置及最小回收期
Figure BDA0002493491650000122
考虑削峰填谷收益模式，按照上述条件计算出的系统最优容量为821kWh，系统最优额定充放电功率为144kW，装置年限为9.5年，系统每日循环次数为1.4，实际每日充放电量为1149.4kWh，装置回收期为7.1年。非夏季，无尖峰电价时，系统最优运行策略如图3，在谷段充电约5个小时(0:00～4:00)，充电功率为144kW，荷电状态由10％变到100％，电池充满；在峰段(8:00～11:00)放出电量，荷电状态由100％变到40％，在平段电池继续充电，荷电状态由40％变到75％，在第二个电价高峰，电池继续放电，直到荷电状态恢复到最初10％；在夏季，系统最优运行策略如图4，在谷段充电约5个小时(0:00～4:00)，充电功率为144kW，荷电状态由10％变到100％，电池充满；在峰段(8:00～10:00)放出电量，荷电状态由100％变到54％，在尖峰时段(10:00～11:00)以接近额定功率继续放出电量，荷电状态由54％变到37％，在平段电池继续充电，荷电状态由37％变到77％，在第二个电价高峰，电池继续放电，直到荷电状态恢复到最初10％。
通过建立大工业用户电化学储能系统经济性模型，以系统经济性最优为目标函数，得到系统最优额定容量、最优额定充放电功率、最优运行策略及装置最小回收期，为大工业用户侧储能系统配置及策略计算提供科学的计算方法，同时能够准确提供系统的经济性，为电化学储能技术市场推广提供必要条件。

Claims (1)

1.一种适用于大工业用户电化学储能系统的配置与策略制定方法，其特征在于，该方法包括以下步骤：
步骤1，采集大工业用户的年度逐时用电负荷数据；
步骤2，提取典型日负荷；
采用k-means聚类算法，输入步骤1中采集的年度逐时用电负荷数据，以最大值、最小值、平均值、标准差、极差和众数作为提取特征，输出年度内春季、夏季、秋季和冬季最靠近聚类中心的电负荷数据和日期分别作为春季典型日负荷、夏季典型日负荷、秋季典型日负荷和冬季典型日负荷；
步骤3，获取大工业用户每月每日的实时电价；
所述的实时电价包括尖峰时段的电价P尖、峰段时段的电价P峰、平段时段的电价P平和谷段时段的电价P谷；
所述的尖峰时段为实时电价为尖峰时段的电价时对应的时间段，所述的峰段时段为实时电价为峰段时段的电价时对应的时间段，所述的平段时段为实时电价为平段时段的电价时对应的时间段，所述的谷段时段为实时电价为谷段时段的电价时对应的时间段；
步骤4，获取电化学储能系统中电池的参数及电化学储能系统的系统初期投资成本，建立电化学储能系统的经济性模型，电化学储能系统的经济性模型包括年峰谷收益模型和电化学储能系统的初期投资成本模型；
所述的电化学储能系统的经济性模型的建立过程包括以下子步骤：
步骤401，确定年峰谷收益模型：
Figure FDA0002493491640000011
Figure FDA0002493491640000021
Figure FDA0002493491640000022
式中：
EPV为年峰谷收益，单位：元/年；
i为年度中的第i天；
t为每天中的时刻；
PL(t)为t时刻逐时用电负荷数据，单位：kW；
PEL(t)为t时刻电价，单位：元；
PS(t)为电化学储能系统的t时刻的充放电功率，单位：kW；
Figure FDA0002493491640000023
为电化学储能系统的额定充放电功率，单位：kW；
ηS(t)为电化学储能系统的t时刻充放电效率；
ηch为电化学储能系统的充电效率；
ηdisch为电化学储能系统的放电效率；
步骤402，获取电化学储能系统的初期投资成本模型：
Figure FDA0002493491640000024
Sa＝CS·Ca·Na 式3
Sr＝CS·Cr·Rr 式4
式中：
IO为电化学储能系统的初期投资成本，单位：元；
j为电化学储能系统的第j项；
Figure FDA0002493491640000025
为电化学储能系统的总投资成本；
Sr为电池回收成本，单位：元；
Sa为政策补贴收益，单位：元；
Ca为补贴单价，单位：元/(kWh·年)；
CS为电化学储能系统的额定容量，单位：kWh；
Na为补贴年限，单位：年；
Cr为电池回收单价，单位：元/kWh；
Rr为电池回收百分比；
步骤5，设置电化学储能系统的经济性模型的约束条件：
所述的约束条件为式5至式11：
Figure FDA0002493491640000031
Figure FDA0002493491640000032
当PS(t)＞0，PS(t)＜PL(t) 式7
PMD≥PL(t)-PS(t) 式8
(1-DOD)≤SOC(t)≤1 SOC(0)＝SOC(23)＝DOD 式9
Figure FDA0002493491640000033
Figure FDA0002493491640000034
式中：
PLmax为大工业用户负荷最大值，单位：kW；
CTF为大工业用户的变压器剩余容量，单位，kVA；
DOD为电池的充放电深度，单位：％；
SOC(t)为t时刻电化学储能系统电池的荷电状态，单位：％；
Figure FDA0002493491640000041
为储电系统日循环次数，单位：次；
T为电化学储能系统的额定充放电时间，单位：h；
V为电池充电倍率；
步骤6，以经济性最优为目标函数，采用遗传算法寻优，以电化学储能系统电池的荷电状态作为底层寻优变量，电化学储能系统的系统额定容量和电化学储能系统的系统额定充放电功率作为外层寻优变量，进行寻优计算；
通过寻优计算获得电化学储能系统的最优系统额定容量和最优系统额定充放电功率，然后将电化学储能系统的最优系统额定容量和最优系统额定充放电功率作为所述的电化学储能系统的配置；
通过寻优计算获得每个季节的典型日的逐时充放电状态和充放电功率，然后将典型日的逐时充放电状态和充放电功率应用到该典型日对应的季节的每一天作为电化学储能系统的策略；
其中：
根据步骤4建立的电化学储能系统的经济性模型，确定目标函数为式12；
NS＝I0/(EPV) 式12
式中：
NS为以年峰谷收益计算的电化学储电系统最小回收期，单位：年；
所述的电池的荷电状态、系统额定充放电功率和系统额定容量的约束条件采用步骤5的约束条件。
CN202010411660.4A 2020-05-15 2020-05-15 适用于大工业用户电化学储能系统的配置与策略制定方法 Active CN111697601B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010411660.4A CN111697601B (zh) 2020-05-15 2020-05-15 适用于大工业用户电化学储能系统的配置与策略制定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010411660.4A CN111697601B (zh) 2020-05-15 2020-05-15 适用于大工业用户电化学储能系统的配置与策略制定方法

Publications (2)

Publication Number Publication Date
CN111697601A true CN111697601A (zh) 2020-09-22
CN111697601B CN111697601B (zh) 2021-10-01

Family

ID=72477840

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010411660.4A Active CN111697601B (zh) 2020-05-15 2020-05-15 适用于大工业用户电化学储能系统的配置与策略制定方法

Country Status (1)

Country Link
CN (1) CN111697601B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112564152A (zh) * 2020-12-11 2021-03-26 国网重庆市电力公司营销服务中心 一种面向充电站运营商的储能优化配置方法
CN114362219A (zh) * 2022-01-10 2022-04-15 中国能源建设集团浙江省电力设计院有限公司 一种用户侧电池储能的全生命周期投资优化方法
CN115579918A (zh) * 2022-12-08 2023-01-06 国网天津市电力公司电力科学研究院 一种用户侧储能调峰方法、系统、设备及介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104795829A (zh) * 2015-04-29 2015-07-22 中国电力科学研究院 一种基于削峰填谷的储能系统调度方法
CN106849143A (zh) * 2017-01-20 2017-06-13 浙江大学 一种基于概率分布统计和最优电池充放电调度的储能系统容量配置方法
CN109713666A (zh) * 2019-01-17 2019-05-03 华北电力大学（保定） 一种基于K-means聚类的电力市场下分布式储能经济性调控方法
CN109858759A (zh) * 2018-12-29 2019-06-07 陕西鼓风机（集团）有限公司 一种工业园区综合能源平衡调度方法
CN109995063A (zh) * 2019-04-02 2019-07-09 常州大学 一种用户侧储能控制策略
CN110188991A (zh) * 2019-04-26 2019-08-30 陕西鼓风机（集团）有限公司 基于供给侧和需求侧的自适应分布式能源管理系统
CN110428103A (zh) * 2019-07-31 2019-11-08 广东电网有限责任公司 一种综合能源系统中可再生能源储能系统协同规划方法
JP2020054040A (ja) * 2018-09-25 2020-04-02 Kddi株式会社 各蓄電池の充放電電力量を制御するアグリゲータ装置、プログラム及び需給調整方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104795829A (zh) * 2015-04-29 2015-07-22 中国电力科学研究院 一种基于削峰填谷的储能系统调度方法
CN106849143A (zh) * 2017-01-20 2017-06-13 浙江大学 一种基于概率分布统计和最优电池充放电调度的储能系统容量配置方法
JP2020054040A (ja) * 2018-09-25 2020-04-02 Kddi株式会社 各蓄電池の充放電電力量を制御するアグリゲータ装置、プログラム及び需給調整方法
CN109858759A (zh) * 2018-12-29 2019-06-07 陕西鼓风机（集团）有限公司 一种工业园区综合能源平衡调度方法
CN109713666A (zh) * 2019-01-17 2019-05-03 华北电力大学（保定） 一种基于K-means聚类的电力市场下分布式储能经济性调控方法
CN109995063A (zh) * 2019-04-02 2019-07-09 常州大学 一种用户侧储能控制策略
CN110188991A (zh) * 2019-04-26 2019-08-30 陕西鼓风机（集团）有限公司 基于供给侧和需求侧的自适应分布式能源管理系统
CN110428103A (zh) * 2019-07-31 2019-11-08 广东电网有限责任公司 一种综合能源系统中可再生能源储能系统协同规划方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
HUIYONG CHUN等: "Parameter Estimation of an Electrochemical Li-ion", 《2018-2018 IEEE地区10大会》 *
唐文左等: "配电网中分布式储能系统的优化配置方法", 《电力建设》 *
季宇等: "基于经济运行模型的储能系统投资效益分析", 《电力系统保护与控制》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112564152A (zh) * 2020-12-11 2021-03-26 国网重庆市电力公司营销服务中心 一种面向充电站运营商的储能优化配置方法
CN112564152B (zh) * 2020-12-11 2023-08-22 国网重庆市电力公司营销服务中心 一种面向充电站运营商的储能优化配置方法
CN114362219A (zh) * 2022-01-10 2022-04-15 中国能源建设集团浙江省电力设计院有限公司 一种用户侧电池储能的全生命周期投资优化方法
CN114362219B (zh) * 2022-01-10 2024-04-16 中国能源建设集团浙江省电力设计院有限公司 一种用户侧电池储能的全生命周期投资优化方法
CN115579918A (zh) * 2022-12-08 2023-01-06 国网天津市电力公司电力科学研究院 一种用户侧储能调峰方法、系统、设备及介质

Also Published As

Publication number Publication date
CN111697601B (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
CN111697602B (zh) 基于需量调节的电化学储能系统的配置与策略制定方法
CN111697603B (zh) 基于电池衰减的电化学储能系统的配置与策略制定方法
CN111697601B (zh) 适用于大工业用户电化学储能系统的配置与策略制定方法
CN112103946B (zh) 一种基于粒子群算法的微电网储能优化配置方法
CN105846423B (zh) 一种计及需求响应的光伏微电网储能多目标容量配置方法
US20230070151A1 (en) Hierarchical energy management for community microgrids with integration of second-life battery energy storage systems and photovoltaic solar energy
CN108711878B (zh) 考虑出力特性的光伏电站多类型组件容量配置方法
Fan et al. Two-layer collaborative optimization for a renewable energy system combining electricity storage, hydrogen storage, and heat storage
CN106849143A (zh) 一种基于概率分布统计和最优电池充放电调度的储能系统容量配置方法
Lin et al. Optimal control of battery energy storage system integrated in PV station considering peak shaving
CN109038655B (zh) 限电要求下大型光伏电站的配套储能容量计算方法
CN110417037A (zh) 一种光储联合系统容量配置方法
CN111082446B (zh) 一种考虑电池自消耗的储能优化配置方法
CN113128844A (zh) 一种基于供电设备容量限制下分布式电源规划方法
CN109245143B (zh) 一种考虑锂离子电池寿命的储能调峰电站优化运行方法
CN115829141A (zh) 一种基于短期智能电表数据的储能系统优化配置方法
CN112085381B (zh) 一种多目标优化的电动汽车充电站规划方法
CN114400653A (zh) 一种基于日前负荷预测值的电动汽车充电优化方法
CN113937798A (zh) 一种多站融合场景下考虑新能源消纳的储能系统配置方法
Ding et al. Research on optimal strategy of residential buildings energy based on standardized euclidean distance measure similarity search method
CN113469436A (zh) 一种城市电网侧储能规划方法
CN112668918A (zh) 一种基于数据化模型算法的储能选型方法
Luo et al. Multi-objective hierarchical optimal scheduling of microgrids with V2G price incentives
CN114221435B (zh) 一种基于电力载波的负荷资源调控系统及方法
Chen et al. Economic benefit evaluation and incentive strategy research on Wind energy and BESS jointly participating in reducing the forecast deviation penalty

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