CN111697603B - 基于电池衰减的电化学储能系统的配置与策略制定方法 - Google Patents

基于电池衰减的电化学储能系统的配置与策略制定方法 Download PDF

Info

Publication number
CN111697603B
CN111697603B CN202010412424.4A CN202010412424A CN111697603B CN 111697603 B CN111697603 B CN 111697603B CN 202010412424 A CN202010412424 A CN 202010412424A CN 111697603 B CN111697603 B CN 111697603B
Authority
CN
China
Prior art keywords
storage system
energy storage
electrochemical energy
unit
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010412424.4A
Other languages
English (en)
Other versions
CN111697603A (zh
Inventor
曹锐鑫
张瑾
曹龙
种蕊
胡波
尚敏青
王振峰
艾腾飞
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 CN202010412424.4A priority Critical patent/CN111697603B/zh
Publication of CN111697603A publication Critical patent/CN111697603A/zh
Application granted granted Critical
Publication of CN111697603B publication Critical patent/CN111697603B/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

本发明提供了一种基于电池衰减的电化学储能系统的配置与策略制定方法，适用于大工业用户，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和提取月最大需量值；获取大工业用户每月每日的实时电价；基于了电池衰减特性，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、年需量收益模型、电池年衰减模型和电化学储能系统的初期投资成本模型；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。本发明考虑电池衰减特性，提供了储能系统更接近于实际运行的收益和经济性，为储能技术的大规模产业化推广提供有利条件。

Description

基于电池衰减的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，具体涉及一种基于电池衰减的电化学储能系统的配置与策略制定方法。
背景技术
电化学储能系统因能量密度大、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。
用户侧电化学储能系统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)，电化学储能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电化学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，提供一种基于电池衰减的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：
一种基于电池衰减的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，提取典型日负荷和提取月最大需量值；
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；
从年度逐时用电负荷数据中提取每个月的月最大需量值，所述月最大需量值是指一个月内逐时最大用电负荷数据；
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、年需量收益模型、电池年衰减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 BDA0002493716060000031
Figure BDA0002493716060000032
Figure BDA0002493716060000033
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 BDA0002493716060000034
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，确定年需量收益模型：
若大工业用户的基本电费采用容量计费，需量收益可采用式2式进行计算；若大工业用户的基本电费采用需量计费，需量收益可采用式3式进行计算；
Figure BDA0002493716060000041
式中：
EDS为年需量收益，单位：元/年；
M为年度中的第M月；
CT为变压器容量，单位：kVA；
PMD为大工业用户设置电化学储能系统前的月最大需量，单位：kW；
PMDB为大工业用户设置电化学储能系统后的月最大需量，单位：kW；
PC为容量计费单价，单位：元/(kVA·月)；
PD为需量计费单价，单位：元/(kW·月)；
步骤403，获取电化学储能系统的电池年衰减模型：
Figure BDA0002493716060000042
γ＝γ0·n·Nd 式5
CBF＝Nd·ηc·ηdisc·[P峰-P谷+(n-1)·(P峰-P平)]·DOD 式6
式中：
FB为电池年衰减成本，单位：元/年；
CBF为电化学储电系统年运行单位容量衰减成本，单位：％；
CS为电化学储能系统的额定容量，单位：kWh；
Nl为电化学储能系统的装置寿命，单位：年；
n为电化学储能系统的日循环次数，单位：次；
γ0为电池次衰减率，单位：％；
γ为电化学储电系统日循环次数为n时的电池年衰减率，单位：％；
Nd为电化学储电系统年运行天数，单位：天；
DOD为电池的充放电深度，单位：％；
步骤404，获取电化学储能系统的初期投资成本模型：
Figure BDA0002493716060000051
ha＝CS·Ca·Na 式8
Sr＝CS·Cr·Rr 式9
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 BDA0002493716060000052
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10至式16：
Figure BDA0002493716060000053
Figure BDA0002493716060000054
当PS(t)>0，PS(t)<PL(t) 式12
PMD≥PL(t)-PS(t) 式13
(1-DOD)≤SOC(t)≤1 SOC(0)＝SOC(23)＝DOD 式14
Figure BDA0002493716060000061
Figure BDA0002493716060000062
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 BDA0002493716060000063
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17
Figure BDA0002493716060000071
式中：
NS为电化学储电系统最小回收期，单位：年；
y为电化学储能系统运行第y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计算系统最优容量、制定最优运行策略，削峰填谷，同时削减尖峰负荷，最大程度降低用户度电成本和需量电费。
(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，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，准确提供系统的经济性；考虑需量收益，将大幅降低系统回收期，考虑电池衰减特性，提供了储能系统更接近于实际运行的收益和经济性，为储能技术的大规模产业化推广提供有利条件。
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(基于电池衰减)。
图5为应用例中夏季典型日运行策略(基于电池衰减)。
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。
需要说明的是，本发明中的需量调节指的是为大工业用户设置电化学储能系统后，通过模型寻优计算最优策略，削减用户的尖峰负荷，降低用户每月的最大需量值；其中，最大需量值指的是一定时间范围内用户负荷的峰值，单位为千瓦。
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：
本实施例给出一种基于电池衰减的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，提取典型日负荷和提取月最大需量值；
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；
从年度逐时用电负荷数据中提取每个月的月最大需量值，所述月最大需量值是指一个月内逐时最大用电负荷数据；
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、年需量收益模型、电池年衰减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 BDA0002493716060000091
Figure BDA0002493716060000092
Figure BDA0002493716060000101
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 BDA0002493716060000102
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，确定年需量收益模型：
若大工业用户的基本电费采用容量计费，需量收益可采用式2式进行计算；若大工业用户的基本电费采用需量计费，需量收益可采用式3式进行计算；
Figure BDA0002493716060000103
式中：
EDS为年需量收益，单位：元/年；
M为年度中的第M月；
CT为变压器容量，单位：kVA；
PMD为大工业用户设置电化学储能系统前的月最大需量，单位：kW；
PMDB为大工业用户设置电化学储能系统后的月最大需量，单位：kW；
PC为容量计费单价，单位：元/(kVA·月)；
PD为需量计费单价，单位：元/(kW·月)；
步骤403，获取电化学储能系统的电池年衰减模型：
Figure BDA0002493716060000111
γ＝γ0·n·Nd 式5
CBF＝Nd·ηc·ηdisc·[P峰-P谷+(n-1)·(P峰-P平)]·DOD 式6
式中：
FB为电池年衰减成本，单位：元/年；
CBF为电化学储电系统年运行单位容量衰减成本，单位：％；
CS为电化学储能系统的额定容量，单位：kWh；
Nl为电化学储能系统的装置寿命，单位：年；
n为电化学储能系统的日循环次数，单位：次；
γ0为电池次衰减率，单位：％；
γ为电化学储电系统日循环次数为n时的电池年衰减率，单位：％；
Nd为电化学储电系统年运行天数，单位：天；
DOD为电池的充放电深度，单位：％；
步骤404，获取电化学储能系统的初期投资成本模型：
Figure BDA0002493716060000112
Sa＝CS·Ca·Na 式8
Sr＝CS·Cr·Rr 式9
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 BDA0002493716060000121
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10至式16：
Figure BDA0002493716060000122
Figure BDA0002493716060000123
当PS(t)>0，PS(t)<PL(t) 式12
PMD≥PL(t)-PS(t) 式13
(1-DOD)≤SOC(t)≤1 SOC(0)＝SOC(23)＝DOD 式14
Figure BDA0002493716060000124
Figure BDA0002493716060000125
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 BDA0002493716060000131
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17
Figure BDA0002493716060000132
式中：
NS为电化学储电系统最小回收期，单位：年；
y为电化学储能系统运行第y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。
应用例：
以苏州某大工业用户为例，遵从上述实施例中的基于电池衰减的电化学储能系统的配置与策略制定方法，给出一个具体的基于电池衰减的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 BDA0002493716060000141
Figure BDA0002493716060000151
表4：苏州夏季(7-8月)电价表
Figure BDA0002493716060000152
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，考虑电池的衰减特性，取电池的年衰减系数为3％，计算削峰填谷与需量调节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：基于电池衰减的电化学储电系统最优配置及最小回收期
Figure BDA0002493716060000153
考虑电池衰减的电化学储电系统，按照上述条件计算出的系统最优额定容量为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，实际每日实际充放电量为1149kWh，装置回收期为2.5年。非夏季，无尖峰电价时，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(8:00～11:00)放出电量，荷电状态由100％变到42％，在平段电池继续充电，荷电状态由42％变到80％，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5，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36％，在平段电池继续充电，荷电状态由36％变到76％，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％。
在电化学储电系统装置运行年限期间电池衰减成本见表6。
表6：电化学储电系统装置运行年限期间电池衰减成本
年限(年) 1 2 3 4 5 6 7 8 9
衰减成本(万元) 0.58 0.56 0.54 0.53 0.51 0.5 0.48 0.47 0.45
通过建立基于电池衰减的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，为基于电池衰减的储能系统配置及策略计算提供科学的计算方法，提供了储能系统更接近于实际运行的收益和经济性，为电化学储能技术市场推广提供必要条件。

Claims (1)

1.一种基于电池衰减的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，提取典型日负荷和提取月最大需量值；
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；
从年度逐时用电负荷数据中提取每个月的月最大需量值，所述月最大需量值是指一个月内逐时最大用电负荷数据；
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、年需量收益模型、电池年衰减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 FDA0003158469420000021
Figure FDA0003158469420000022
Figure FDA0003158469420000023
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 FDA0003158469420000024
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，确定年需量收益模型：
若大工业用户的基本电费采用容量计费，需量收益可采用式2式进行计算；若大工业用户的基本电费采用需量计费，需量收益可采用式3式进行计算；
Figure FDA0003158469420000025
式中：
EDS为年需量收益，单位：元/年；
M为年度中的第M月；
CT为变压器容量，单位：kVA；
PMD为大工业用户设置电化学储能系统前的月最大需量，单位：kW；
PMDB为大工业用户设置电化学储能系统后的月最大需量，单位：kW；
PC为容量计费单价，单位：元/(kVA·月)；
PD为需量计费单价，单位：元/(kW·月)；
步骤403，获取电化学储能系统的电池年衰减模型：
Figure FDA0003158469420000031
γ＝γ0·n·Nd 式5
CBF＝Nd·ηch·ηdisch·[P峰-P谷 +(n-1)·(P峰-P平)]·DOD 式6
式中：
FB为电池年衰减成本，单位：元/年；
CBF为电化学储电系统年运行单位容量衰减成本，单位：％；
CS为电化学储能系统的额定容量，单位：kWh；
Nl为电化学储能系统的装置寿命，单位：年；
n为电化学储能系统的日循环次数，单位：次；
γ0为电池次衰减率，单位：％；
γ为电化学储电系统日循环次数为n时的电池年衰减率，单位：％；
Nd为电化学储电系统年运行天数，单位：天；
DOD为电池的充放电深度，单位：％；
步骤404，获取电化学储能系统的初期投资成本模型：
Figure FDA0003158469420000041
Sa＝CS·Ca·Na 式8
Sr＝CS·Cr·Rr 式9
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 FDA0003158469420000042
为电化学储能系统的总投资成本；
N为电化学储能系统的总项数；
Sj为电化学储能系统中第j项的投资成本；
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10至式16：
Figure FDA0003158469420000043
Figure FDA0003158469420000044
当PS(t)＞0，PS(t)＜PL(t) 式12
PMD≥PL(t)-PS(t) 式13
(1-DOD)≤SOC(t)≤1 SOC(0)＝SOC(23)＝DOD 式14
Figure FDA0003158469420000051
Figure FDA0003158469420000052
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 FDA0003158469420000053
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17
Figure FDA0003158469420000061
式中：
NS为电化学储电系统最小回收期，单位：年；
y为电化学储能系统运行第y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。
CN202010412424.4A 2020-05-15 2020-05-15 基于电池衰减的电化学储能系统的配置与策略制定方法 Active CN111697603B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010412424.4A CN111697603B (zh) 2020-05-15 2020-05-15 基于电池衰减的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
CN202010412424.4A CN111697603B (zh) 2020-05-15 2020-05-15 基于电池衰减的电化学储能系统的配置与策略制定方法

Publications (2)

Publication Number Publication Date
CN111697603A CN111697603A (zh) 2020-09-22
CN111697603B true CN111697603B (zh) 2021-10-01

Family

ID=72477843

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010412424.4A Active CN111697603B (zh) 2020-05-15 2020-05-15 基于电池衰减的电化学储能系统的配置与策略制定方法

Country Status (1)

Country Link
CN (1) CN111697603B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113762626A (zh) * 2021-09-10 2021-12-07 国网江苏省电力有限公司扬州供电分公司 一种考虑经济性的混合储能系统容量优化方法
CN115099489B (zh) * 2022-06-24 2023-11-14 江苏为恒智能科技有限公司 一种基于最优经济测算的工商业储能系统容量配置方法
CN116544999B (zh) * 2023-07-05 2024-01-16 深圳海辰储能控制技术有限公司 储能系统的装机容量确定方法、装置、设备和介质

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105072656B (zh) * 2015-07-10 2019-04-23 桂林电子科技大学 基于K-means聚类和蚁群算法的多级异构无线传感器网络分簇路由方法
CN107919675B (zh) * 2017-12-13 2021-05-07 上海电机学院 综合考虑车主和运营商利益的充电站负荷调度模型
CN108258710A (zh) * 2018-02-02 2018-07-06 珠海派诺科技股份有限公司 一种计及电池容量衰减的电池储能系统优化配置方法
CN108470240A (zh) * 2018-03-02 2018-08-31 东南大学 一种基于需量管理的储能两阶段优化方法
JP6899807B2 (ja) * 2018-09-25 2021-07-07 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
CN109858759B (zh) * 2018-12-29 2023-04-07 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
CN109980742B (zh) * 2019-04-15 2023-07-25 广东电网有限责任公司电网规划研究中心 计及动力电池梯次利用基于mmc结构的充电站优化方法
CN110188991B (zh) * 2019-04-26 2023-09-01 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
CN110060165B (zh) * 2019-06-03 2022-07-15 阳光新能源开发股份有限公司 光伏储能系统收益测算方法及能量管理控制方法
CN110490460A (zh) * 2019-08-21 2019-11-22 广东电网有限责任公司 一种用户侧分布式储能系统经济性评估方法

Also Published As

Publication number Publication date
CN111697603A (zh) 2020-09-22

Similar Documents

Publication Publication Date Title
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
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
CN112103946B (zh) 一种基于粒子群算法的微电网储能优化配置方法
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
CN110661246B (zh) 一种城市轨道交通光伏储能系统的容量优化配置方法
US20230070151A1 (en) Hierarchical energy management for community microgrids with integration of second-life battery energy storage systems and photovoltaic solar energy
Guo et al. A new collaborative optimization method for a distributed energy system combining hybrid energy storage
CN111082446B (zh) 一种考虑电池自消耗的储能优化配置方法
CN114069687B (zh) 一种计及逆变器无功调节作用的分布式光伏规划方法
CN113128844A (zh) 一种基于供电设备容量限制下分布式电源规划方法
CN113536205B (zh) 低压台区用能优化潜力评价方法及用能优化台区筛选系统
CN110417037A (zh) 一种光储联合系统容量配置方法
CN118174333A (zh) 一种用于家庭光伏系统的储能容量优化方法及系统
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
CN116362400A (zh) 一种基于光储系统配置的大工业用户电费优化方法
CN113469436B (zh) 一种城市电网侧储能规划方法
CN116361674A (zh) 基于期望成本最小化的光储型园区负荷曲线最优聚类方法
CN113937798B (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
CN114142469A (zh) 考虑多元调节资源的源网荷储分层分级经济适配方法
CN115207949A (zh) 一种考虑时段划分的光储系统优化运行方法
CN114400653A (zh) 一种基于日前负荷预测值的电动汽车充电优化方法
CN115271807A (zh) 一种面向新能源消纳的深谷电价机制的设计方法
CN113904328B (zh) 获取风电场储能系统最佳充放电功率的方法
CN114221435B (zh) 一种基于电力载波的负荷资源调控系统及方法
CN118864164A (zh) 一种计及高龄光伏出力衰减的配电网储能经济优化配置方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant