CN111697604B - 多站合一的配置方法、系统及设备 - Google Patents

多站合一的配置方法、系统及设备 Download PDF

Info

Publication number
CN111697604B
CN111697604B CN202010567553.0A CN202010567553A CN111697604B CN 111697604 B CN111697604 B CN 111697604B CN 202010567553 A CN202010567553 A CN 202010567553A CN 111697604 B CN111697604 B CN 111697604B
Authority
CN
China
Prior art keywords
station
energy storage
storage system
power
comprehensive
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
CN202010567553.0A
Other languages
English (en)
Other versions
CN111697604A (zh
Inventor
马会萌
李相俊
刘超群
贾学翠
谢志佳
靳文涛
修晓青
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
China Electric Power Research Institute Co Ltd CEPRI
State Grid Shanghai Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Shanghai 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, China Electric Power Research Institute Co Ltd CEPRI, State Grid Shanghai Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202010567553.0A priority Critical patent/CN111697604B/zh
Publication of CN111697604A publication Critical patent/CN111697604A/zh
Application granted granted Critical
Publication of CN111697604B publication Critical patent/CN111697604B/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
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/10—Photovoltaic [PV]
    • 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
    • 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
    • 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

Abstract

本发明公开多站合一的配置方法、系统及设备，所述配置方法主要包括：根据预设的综合站的多站融合方案，建立约束条件；将建立的约束条件输入综合站配置模型中；对综合站配置模型中的目标函数进行约束；对约束条件下的综合站配置模型中的目标函数进行求解，得到配置结果。提升现有变电站闲余土地资源利用率，还能够拓展电网对外输出通信、储能、数据计算等业务能力；其适用于作为现有变电站配置数据中心、储能系统、分布式光伏系统、5G通信基站、电动汽车充换电站各系统的提供合理配置数量的计算方法。

Description

多站合一的配置方法、系统及设备
技术领域
本发明属于电气工程技术领域，尤其涉及一种多站合一的配置方法、系统及设备。
背景技术
目前，变电站、储能系统、电动汽车充换电站、数据中心、分布式光伏、5G通信基站等系统在土地资源、变配电容量的需求上存在一定的可互补性，现有各系统的独立建设运行方式造成了资源的冗余和浪费。为此，需要一种适用于多站合一应用场景的系统配置方法，解决现有技术的变电站、储能系统、电动汽车充换电站、数据中心、分布式光伏、5G通信基站等系统独立建设运行方式造成了资源的冗余和浪费的问题。
发明内容
本发明提供一种适用于多站合一应用场景配置方法、系统及设备，解决现有技术的变电站、储能系统、电动汽车充换电站、数据中心、分布式光伏系统、5G通信基站等系统独立建设运行方式造成了资源的冗余和浪费的问题，其基于泛在电力物联网提出的多站合一模式，是国家电网公司发展经营理念和经营方式的创新，通过多站联合建设、联合运营，可共享现有变电站冗余的土地资源和变配电容量，就地融合分布式光伏资源，就近为负荷供电，提供供电可靠性、同时降低电能传输成本和损耗，从而最终提高电站的能效水平及综合收益，成为未来综合能源服务的重要载体之一。
本发明提供一种多站合一的配置方法，根据预设的综合站的多站融合方案，建立约束条件；将建立的约束条件输入综合站配置模型中，对综合站配置模型中的目标函数进行约束；对约束条件下的综合站配置模型中的目标函数进行求解，得到配置结果。
优选的，所述综合站包括变电站、数据中心、分布式光伏系统、储能系统、电动汽车充换电站和5G通信基站。
进一步，在建立约束条件之前，还包括采用如下步骤进行综合站配置模型的搭建：
S1、定义变量，每个所述变量代表每个站的相关参数；
S2、根据储能系统的成本、分布式光伏系统的产能以及峰谷差价，建立目标函数；完成配置模型的搭建。
再进一步，定义的所述变量包括，
变电站可利用空地总面积：S1；
变电站可利用屋顶总面积：S2；
集装箱式数据中心台数：N1；
单台集装箱式数据中心配置UPS设备的电池设备的额定功率和额定容量：P1、E1；
集装箱式储能系统台数：N2；
单台集装箱式储能系统的额定功率和额定容量：PESS、EESS；
分布式光伏系统单元数量：N3；
小型电动汽车充换电站数量：N4；
小型电动汽车充换电站内可提供充换电车位数量：C1；
中型电动汽车充换电站数量：N5；
中型电动汽车充换电站内可提供充换电车位数量：C2；
大型电动汽车充换电站数量：N6；
大型电动汽车充换电站内可提供充换电车位数量：C3；
5G通信基站数量：N7；
5G通信基站配置UPS设备的电池设备的额定功率和额定容量：P2、E2；
单台集装箱式数据中心计算能力：Q1；
数据中心业务需求量：Qdata；
电动汽车充换电位需求量：Cnum。
再进一步，所述约束条件包括以下方面：
每个站中各设备数量N1、N2、N3、N4、N5、N6和N7均为非负整数；
空余场地不超过变电站可利用空地总面积；N1·84+N2·153+N4·200+N5·1000+N6·2000≤S1；
可用屋顶面积不超过变电站可利用屋顶总面积：N3·15+N7·4.5≤S2；
数据中心规模配置以业务需求量为上限边界：N1·Q1≤Qdata；
电动汽车充换电站总量约束：N4+N5+N6≤1；
电动汽车充换电位数量满足需求约束：N4·C1≤Cnum，N5·C2≤Cnum，N6·C3≤Cnum；
5G通信基站的约束：
UPS电源约束：
2·N1·P1+N7·P2≤N2·PESS
2·N1·E1+N7·E2≤N2·EESS
优先级约束：
设定数据中心的建设优先级高于电动汽车充换电站，分布式光伏储能系统优先级高于电动汽车充换电站：
当N1<Qdata/Q1,N2＝0且N4＝N5＝N6＝0
当N2＝0,N4＝N5＝N6＝0
储能系统的约束：
Figure BDA0002548382010000031
SOCmin+(2·N1·E1+N7·E2)/(N2·Erate)≤SOCk≤SOCmax
Figure BDA0002548382010000032
Figure BDA0002548382010000033
其中，
Figure BDA0002548382010000034
为k时刻电池储能系统输出的功率，
Figure BDA0002548382010000035
为k时刻电池储能系统的充电效率，
Figure BDA0002548382010000041
为k时刻电池储能系统的放电效率，SOCmin为电池储能系统的最低荷电量；SOCkk时刻电池储能系统的荷电量；SOCmax电池储能系统的最高荷电量。
再进一步，在S2中，所述目标函数包括第一函数和第二函数；
所述第一函数用于计算综合站年度电费支出与储能系统的费用年值总和的最小值；所述第一函数用下式表示：
MIN(Cstation+AC)
其中，Cstation为综合站年度净电费支出，AC为储能系统的费用年值总和；
所述第二函数用于计算分布式光伏系统反馈回电网的发电量的最小值，所述第二函数用下式表示：
Figure BDA0002548382010000042
其中：
Figure BDA0002548382010000043
Figure BDA0002548382010000044
Figure BDA0002548382010000045
Figure BDA0002548382010000046
Figure BDA0002548382010000047
式中：
Figure BDA0002548382010000048
为k时刻光伏发电单元的输出有功功率值，
Figure BDA0002548382010000049
为k时刻每个储能系统集装箱的输出有功功率值，
Figure BDA00025483820100000410
为第i个电动汽车充电桩在k时刻的负荷值，
Figure BDA00025483820100000411
为k时刻每个数据中心的负荷值，
Figure BDA00025483820100000412
为k时刻每套5G通信设备的负荷值。
再进一步，在第一函数中，所述综合站年度净电费支出的最小值MIN Cstation采用如下函数表示：
Figure BDA00025483820100000413
式中:Cstation为多站合一后综合站年度净电费支出，即向电网购电费用-分布式光伏馈电收入，m为年度内总时刻数，
Figure BDA0002548382010000051
为第k时刻的充电站负荷，
Figure BDA0002548382010000052
为第k时刻的数据中心负荷，
Figure BDA0002548382010000053
为第k时刻的5G通信基站负荷，
Figure BDA0002548382010000054
为第k时刻分布式光伏系统输出功率，
Figure BDA0002548382010000055
为第k时刻电池储能系统吞吐功率，定义电池放电为正、充电为负，
Figure BDA0002548382010000056
为第k时刻市电电价，CPV为分布式光伏的上网电价。
再进一步，在第一函数中，储能系统的费用年值，为根据储能系统的使用寿命和基准收益率，将储能系统投资总成本在其寿命期内进行成本分摊后与储能系统的年维护成本叠加所得；储能系统费用年值AC采用如下函数表示：
Figure BDA0002548382010000057
式中:CP为储能系统单位功率成本，CE为储能系统单位容量成本，n为储能系统的使用寿命年限，i为储能项目投资收益率，Cm为储能系统的单位运维成本，Q为储能系统的年放电总量。
一种多站合一的配置系统，实施如上述任意一项中所述方法的步骤，包括，
约束条件创建模块，用于根据预设的综合站的多站融合方案，建立约束条件，并将建立的约束条件输入综合站配置模型中；
综合站配置模型，用于将接收到的约束条件对目标函数进行约束；
求解模块，用于对约束条件下的综合站配置模型中的目标函数进行求解，得到配置结果。
一种多站合一的配置设备，包括存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如上所述方法的步骤。
本发明提供的多站融合方法、系统及设备，相比于现有技术，解决现有技术所存在的变电站、储能系统、电动汽车充换电站、数据中心、分布式光伏、5G通信基站等系统独立建设运行方式造成了资源的冗余和浪费的问题出发；其适用于多站合一应用场景的系统的分布式光储供电系统在多站合一场景下，同一套储能系统的部分容量为数据中心、5G通信基站提供UPS服务，其余容量通过在峰谷电价政策下低储高发实现价差盈利，降低多站合一整站的电费支出，在这个过程中在大多数时间内市电供电正常，提供UPS服务的电池电量一直存储在储能系统内，其余电池容量在低储高发过程中，储能系统浅充浅放/慢充慢放，实现了延长储能系统使用寿命的作用，取得将储能系统的电能时移作用和UPS服务的电容量备用作用相结合产生的主要优势。
本发明提供的方法，其首先确定多站合一应用场景下多种系统间的功能融合方案，然后搭建面向多站合一应用场景的系统配置模型，最后对所建立的配置模型进行求解，其适用于为现有变电站配置数据中心、储能系统、分布式光伏系统、5G通信基站、电动汽车充换电站各系统的提供合理配置数量，能够提升现有变电站闲余土地资源利用率，还能够拓展电网对外输出通信、储能、数据计算等业务能力。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明的多站合一配置方法的储能系统兼容UPS服务和价差盈利功能示意图。
图2为本发明的多站合一配置方法的适用于多站合一场景的系统配置流程图。
具体实施方式
下面将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
以下详细说明均是示例性的说明，旨在对本发明提供进一步的详细说明。除非另有指明，本发明所采用的所有技术术语与本发明所属领域的一般技术人员的通常理解的含义相同。本发明所使用的术语仅是为了描述具体实施方式，而并非意图限制根据本发明的示例性实施方式。
如图1所示，本发明提供一种多站合一的配置方法，包括
101、根据预设的综合站的多站融合方案，建立约束条件；
102、将建立的约束条件输入综合站配置模型中；对综合站配置模型中的目标函数进行约束；
103、对约束条件下的综合站配置模型中的目标函数进行求解，得到配置结果。优选的可以采用选择多目标优化算法对约束条件下的综合站配置模型中的目标函数进行求解。
优选的，综合站包括变电站、集装箱式数据中心、分布式光伏储能系统、电动汽车充换电站、5G通信基站。
其中，如图2所示，在预设多站融合方案时，为使各系统的配置满足在现有变电站内扩展建设方便、后期运行维护方便、系统运行安全等要求，首先设定下列配置原则：
(1)数据中心配置原则
数据中心采用室外集装箱式建设形式，采用40尺标准集装箱，1台数据中心40尺集装箱(包括安全距离)占地面积不小于84m2(14m*6m)。
(2)储能系统配置原则
储能系统采用室外集装箱式建设形式，采用40尺标准集装箱，1台储能系统40尺集装箱(包括安全距离)占地面积不小于153m2(18m*8.5m)。
(3)电动汽车充换电站配置原则
电动汽车充换电站室外建设，参考相关建设标准《电动汽车充电基础设施建设技术规范》(DG/TJ08-2093-2012)，大型充换电站实际用地面积不小于2000m2，中型充换电站实际用地面积不小于1000m2，小型充换电站实际用地面积不小于200m2。
(4)分布式光伏系统配置原则
以最大化利用空间为原则，分布式光伏系统利用变电站的可用屋顶面积建设，分布式光伏系统发电以“多站合一”站内“自发自用，余电上网”为原则使用，另据目前屋顶铺设分布式光伏的工程经验，1千瓦分布式光伏占用屋顶面积约15～20m2。
(5)5G通信基站配置原则
在存在通信需求的地域建设5G通信基站，考虑建设密度、变电站间距等因素，以最大化利用空间为原则，5G通信基站利用变电站的可用屋顶面积建设，要求可用屋顶满足5G通信基站的建设要求，面积大于4.5m2，屋顶高度超过13m。
具体的在“多站合一”应用场景下，多个系统之间的能量流功能融合可描述如下：
(1)分布式光储供电系统
储能系统与分布式光伏系统组成分布式光储系统，为数据中心、电动汽车充换电站、5G通信基站提供电源，实现最大化分布式光伏就地消纳、最低化“多站合一”站内的电费支出。
(2)储能UPS系统
在“多站合一”场景下，可通过储能系统的部分容量替代数据中心/5G通信基站的UPS设备，储能系统的其余容量基于峰谷电价政策实现价差套利，降低数据中心/5G通信基站/电动汽车充换电站的电费支出，在该应用场景下，锂电池浅充浅放/或铅炭电池慢充慢放，可在很大程度上延长储能系统的使用寿命，为项目收益提供保证，并且在该应用场景下储能系统每天充放电，从每天的储能系统放电电压数据情况可以观察电池设备的健康状况，可同时降低数据中心/5G通信基站/电动汽车充换电站电费支出、UPS设备资源浪费等情况。
具体地，由储能系统为数据中心和5G通信基站提供UPS电源服务时，以数据中心IT负荷和非IT负荷总最大负荷的1.2倍双路*15min配置替换UPS设备的储能容量。根据数据中心国标GB50174-2017要求，双路电源需要物理隔离，因此需要配置在两个储能集装箱内；储能系统替换5G通信基站的UPS设备，为5G通信基站提供UPS服务，需要满足提供4小时不间断电源的容量要求。
在本发明的一个是实施例中，在建立约束条件之前，还包括采用如下步骤进行综合站配置模型的搭建：
S1、定义变量，每个所述变量代表每个站的相关参数；
S2、根据储能系统的成本、光伏发电站的产能以及峰谷差价，建立目标函数；完成配置模型的搭建。
在步骤S1中，定义的所述变量包括
变电站可利用空地总面积：S1；
变电站可利用屋顶总面积：S2；
集装箱式数据中心台数：N1；
单台集装箱式数据中心配置UPS设备的电池设备的额定功率和额定容量：P1、E1；
集装箱式储能系统台数：N2；
单台集装箱式储能系统的额定功率和额定容量：PESS、EESS；
分布式光伏系统单元数量：N3；
小型电动汽车充换电站数量：N4；
小型电动汽车充换电站内可提供充换电车位数量：C1；
中型电动汽车充换电站数量：N5；
中型电动汽车充换电站内可提供充换电车位数量：C2；
大型电动汽车充换电站数量：N6；
大型电动汽车充换电站内可提供充换电车位数量：C3
5G通信基站数量：N7；
5G通信基站配置UPS设备的电池设备的额定功率和额定容量：P2、E2
单台集装箱式数据中心计算能力：Q1
数据中心业务需求量：Qdata
电动汽车充换电位需求量：Cnum。
在本发明的另一个实施例中，在S2中，目标函数包括第一函数和第二函数；
所述第一函数用于计算综合站年度电费支出与储能系统的费用年值总和的最小值；所述第一函数用下式表示：
MIN(Cstation+AC)
其中，Cstation为综合站年度净电费支出，AC为储能系统的费用年值总和
第二函数用于计算分布式光伏储能系统反馈回电网的发电量的最小值，所述第二函数用下式表示：
Figure BDA0002548382010000091
其中：
Figure BDA0002548382010000101
Figure BDA0002548382010000102
Figure BDA0002548382010000103
Figure BDA0002548382010000104
Figure BDA0002548382010000105
式中：
Figure BDA0002548382010000106
为k时刻光伏发电单元的输出有功功率值，
Figure BDA0002548382010000107
为k时刻每个储能系统集装箱的输出有功功率值，
Figure BDA0002548382010000108
为第i个电动汽车充电桩在k时刻的负荷值，
Figure BDA0002548382010000109
为k时刻每个数据中心集装箱的负荷值，
Figure BDA00025483820100001010
为k时刻每套5G通信设备的负荷值。
进一步，在第一函数中，所述综合站年度净电费支出的最小值MIN Cstation采用如下函数表示：
Figure BDA00025483820100001011
式中:Cstation为“多站合一”综合站年度净电费支出(向电网购电费用-分布式光伏馈电收入)，m为年度内总时刻数，
Figure BDA00025483820100001012
为第k时刻的充电站负荷，
Figure BDA00025483820100001013
为第k时刻的数据中心负荷，
Figure BDA00025483820100001014
为第k时刻的5G通信基站负荷，
Figure BDA00025483820100001015
为第k时刻分布式光伏系统输出功率，
Figure BDA00025483820100001016
为第k时刻电池储能系统吞吐功率，定义电池放电为正、充电为负，
Figure BDA00025483820100001017
为第k时刻市电电价，CPV为分布式光伏的上网电价。
进一步，在第一函数中，储能系统的费用年值AC为根据储能系统的使用寿命和基准收益率，将储能系统投资总成本在其寿命期内进行成本分摊后与储能系统的年维护成本叠加所得。储能系统费用年值采用如下函数表示：
Figure BDA00025483820100001018
式中:CP为储能系统单位功率成本，CE为储能系统单位容量成本，n为储能系统的使用寿命年限，i为储能项目投资收益率，为储能系统的单位运维成本，Q为储能系统的年放电总量。
在本发明的另一个实施例中，设定约束条件对上述目标函数进行约束时，包括以下方面：
每个站中各设备数量N1、N2、N3、N4、N5、N6、N7均为非负整数；
空余场地不超过变电站可利用空地总面积；N1·84+N2·153+N4·200+N5·1000+N6·2000≤S1
可用屋顶面积不超过变电站可利用屋顶总面积：N3·15+N7·4.5≤S2
数据中心规模配置以业务需求量为上限边界：N1·Q1≤Qdata
电动汽车充换电站总量约束：N4+N5+N6≤1
电动汽车充换电位数量满足需求约束：
N4·C1≤Cnum，N5·C2≤Cnum，N6·C3≤Cnum
5G通信基站的约束：
N7≤1
UPS电源约束：
2·N1·P1+N7·P2≤N2·PESS
2·N1·E1+N7·E2≤N2·EESS
优先级约束：
设定数据中心的建设优先级高于电动汽车充换电站，分布式光伏储能系统优先级高于电动汽车充换电站：
当N1<Qdata/Q1,N2＝0且N4＝N5＝N6＝0
当N2＝0,N4＝N5＝N6＝0
储能系统的约束：
Figure BDA0002548382010000111
SOCmin+(2·N1·E1+N7·E2)/(N2·Erate)≤SOCk≤SOCmax
Figure BDA0002548382010000112
Figure BDA0002548382010000113
其中，
Figure BDA0002548382010000114
为k时刻电池储能系统输出的功率，
Figure BDA0002548382010000115
为k时刻电池储能系统的充电效率，
Figure BDA0002548382010000121
为k时刻电池储能系统的放电效率，SOCmin为电池储能系统的最低荷电量；SOCkk时刻电池储能系统的荷电量；SOCmax电池储能系统的最高荷电量。选择多目标优化算法对约束条件下的综合站配置模型中的目标函数进行求解，得到配置结果。
本发明还提供给一种多站合一的配置系统，实施如上述方法，包括
约束条件创建模块，用于根据预设的综合站的多站融合方案，建立约束条件，并将建立的约束条件输入综合站配置模型中；
综合站配置模型，用于将接收到的约束条件对目标函数进行约束；
求解模块，用于选择多目标优化算法，对约束条件下的综合站配置模型中的目标函数进行求解，得到配置结果。
本发明提供一种多站合一的配置设备，包括存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现如上所述方法的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

Claims (6)

1.一种多站合一的配置方法，其特征在于：
采用如下步骤S1-S2进行综合站配置模型的搭建；所述综合站包括变电站、数据中心、分布式光伏系统、储能系统、电动汽车充换电站和5G通信基站；
S1、定义变量，每个所述变量代表每个站的相关参数；
定义的所述变量包括，
变电站可利用空地总面积：S1；
变电站可利用屋顶总面积：S2；
集装箱式数据中心台数：N1；
单台集装箱式数据中心配置UPS设备的电池设备的额定功率和额定容量：P1、E1；
集装箱式储能系统台数：N2；
单台集装箱式储能系统的额定功率和额定容量：PESS、EESS；
分布式光伏系统单元数量：N3；
小型电动汽车充换电站数量：N4；
小型电动汽车充换电站内可提供充换电车位数量：C1；
中型电动汽车充换电站数量：N5；
中型电动汽车充换电站内可提供充换电车位数量：C2；
大型电动汽车充换电站数量：N6；
大型电动汽车充换电站内可提供充换电车位数量：C3；
5G通信基站数量：N7；
5G通信基站配置UPS设备的电池设备的额定功率和额定容量：P2、E2；
单台集装箱式数据中心计算能力：Q1；
数据中心业务需求量：Qdata；
电动汽车充换电位需求量：Cnum；
S2、根据储能系统的成本、分布式光伏系统的产能以及峰谷差价，建立目标函数；完成配置模型的搭建；所述目标函数包括第一函数和第二函数；
所述第一函数用于计算综合站年度电费支出与储能系统的费用年值总和的最小值；所述第一函数用下式表示：
MIN(Cstation+AC)
其中，Cstation为综合站年度净电费支出，AC为储能系统的费用年值总和；
所述第二函数用于计算分布式光伏系统反馈回电网的发电量的最小值，所述第二函数用下式表示：
Figure FDA0003362764200000021
其中：
Figure FDA0003362764200000022
Figure FDA0003362764200000023
Figure FDA0003362764200000024
Figure FDA0003362764200000025
Figure FDA0003362764200000026
式中：
Figure FDA0003362764200000027
为k时刻光伏发电单元的输出有功功率值，
Figure FDA0003362764200000028
为k时刻每个储能系统集装箱的输出有功功率值，
Figure FDA0003362764200000029
为第i个电动汽车充电桩在k时刻的负荷值，
Figure FDA00033627642000000210
为k时刻每个数据中心的负荷值，
Figure FDA00033627642000000211
为k时刻每套5G通信设备的负荷值；
根据预设的综合站的多站融合方案，建立约束条件；
将建立的约束条件输入预先搭建的综合站配置模型中，对综合站配置模型中的目标函数进行约束；
对约束条件下的综合站配置模型中的目标函数进行求解，得到配置结果。
2.根据权利要求1所述的方法，其特征在于：所述约束条件包括以下方面：
每个站中各设备数量N1、N2、N3、N4、N5、N6和N7均为非负整数；
空余场地不超过变电站可利用空地总面积；N1·84+N2·153+N4·200+N5·1000+N6·2000≤S1；
可用屋顶面积不超过变电站可利用屋顶总面积：N3·15+N7·4.5≤S2；
数据中心规模配置以业务需求量为上限边界：N1·Q1≤Qdata；
电动汽车充换电站总量约束：N4+N5+N6≤1；
电动汽车充换电位数量满足需求约束：N4·C1≤Cnum，N5·C2≤Cnum，N6·C3≤Cnum；
5G通信基站的约束：
UPS电源约束：
2·N1·P1+N7·P2≤N2·PESS
2·N1·E1+N7·E2≤N2·EESS
优先级约束：
设定数据中心的建设优先级高于电动汽车充换电站，分布式光伏储能系统优先级高于电动汽车充换电站：
当N1<Qdata/Q1,N2＝0且N4＝N5＝N6＝0
当N2＝0,N4＝N5＝N6＝0
储能系统的约束：
Figure FDA0003362764200000031
SOCmin+(2·N1·E1+N7·E2)/(N2·Erate)≤SOCk≤SOCmax
Figure FDA0003362764200000032
Figure FDA0003362764200000033
其中，
Figure FDA0003362764200000034
为k时刻电池储能系统输出的功率，
Figure FDA0003362764200000035
为k时刻电池储能系统的充电效率，
Figure FDA0003362764200000036
为k时刻电池储能系统的放电效率，SOCmin为电池储能系统的最低荷电量；SOCkk时刻电池储能系统的荷电量；SOCmax电池储能系统的最高荷电量。
3.根据权利要求1所述的方法，其特征在于：在第一函数中，所述综合站年度净电费支出的最小值MINCstation采用如下函数表示：
Figure FDA0003362764200000041
式中:Cstation为多站合一后综合站年度净电费支出，即向电网购电费用-分布式光伏馈电收入，m为年度内总时刻数，
Figure FDA0003362764200000042
为第k时刻的充电站负荷，
Figure FDA0003362764200000043
为第k时刻的数据中心负荷，
Figure FDA0003362764200000044
为第k时刻的5G通信基站负荷，
Figure FDA0003362764200000045
为第k时刻分布式光伏系统输出功率，
Figure FDA0003362764200000046
为第k时刻电池储能系统吞吐功率，定义电池放电为正、充电为负，
Figure FDA0003362764200000047
为第k时刻市电电价，CPV为分布式光伏的上网电价。
4.根据权利要求1所述的方法，其特征在于：在第一函数中，储能系统的费用年值，为根据储能系统的使用寿命和基准收益率，将储能系统投资总成本在其寿命期内进行成本分摊后与储能系统的年维护成本叠加所得；储能系统费用年值AC采用如下函数表示：
Figure FDA0003362764200000048
式中:CP为储能系统单位功率成本，CE为储能系统单位容量成本，n为储能系统的使用寿命年限，i为储能项目投资收益率，Cm为储能系统的单位运维成本，Q为储能系统的年放电总量。
5.一种多站合一的配置系统，其特征在于：包括，
进行综合站配置模型搭建的模块，用于执行如下S1-S2的步骤；所述综合站包括变电站、数据中心、分布式光伏系统、储能系统、电动汽车充换电站和5G通信基站；
S1、定义变量，每个所述变量代表每个站的相关参数；
S2、根据储能系统的成本、分布式光伏系统的产能以及峰谷差价，建立目标函数；完成配置模型的搭建；所述目标函数包括第一函数和第二函数；
所述第一函数用于计算综合站年度电费支出与储能系统的费用年值总和的最小值；所述第一函数用下式表示：
MIN(Cstation+AC)
其中，Cstation为综合站年度净电费支出，AC为储能系统的费用年值总和；
所述第二函数用于计算分布式光伏系统反馈回电网的发电量的最小值，所述第二函数用下式表示：
Figure FDA0003362764200000051
其中：
Figure FDA0003362764200000052
Figure FDA0003362764200000053
Figure FDA0003362764200000054
Figure FDA0003362764200000055
Figure FDA0003362764200000056
式中：
Figure FDA0003362764200000057
为k时刻光伏发电单元的输出有功功率值，
Figure FDA0003362764200000058
为k时刻每个储能系统集装箱的输出有功功率值，
Figure FDA0003362764200000059
为第i个电动汽车充电桩在k时刻的负荷值，
Figure FDA00033627642000000510
为k时刻每个数据中心的负荷值，
Figure FDA00033627642000000511
为k时刻每套5G通信设备的负荷值；
约束条件创建模块，用于根据预设的综合站的多站融合方案，建立约束条件，并将建立的约束条件输入预先搭建的综合站配置模型中；
求解模块，用于对约束条件下的综合站配置模型中的目标函数进行求解，得到配置结果。
6.一种多站合一的配置设备，其特征在于：包括存储器，用于存储计算机程序；处理器，
用于执行所述计算机程序时实现如权利要求1至4中任一项所述方法的步骤。
CN202010567553.0A 2020-06-19 2020-06-19 多站合一的配置方法、系统及设备 Active CN111697604B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010567553.0A CN111697604B (zh) 2020-06-19 2020-06-19 多站合一的配置方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010567553.0A CN111697604B (zh) 2020-06-19 2020-06-19 多站合一的配置方法、系统及设备

Publications (2)

Publication Number Publication Date
CN111697604A CN111697604A (zh) 2020-09-22
CN111697604B true CN111697604B (zh) 2021-12-28

Family

ID=72482261

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010567553.0A Active CN111697604B (zh) 2020-06-19 2020-06-19 多站合一的配置方法、系统及设备

Country Status (1)

Country Link
CN (1) CN111697604B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112417656B (zh) * 2020-11-10 2022-08-12 苏州沃联新能源有限公司 光储系统的能量调度策略的优化方法、装置和存储介质
CN112736986A (zh) * 2020-12-24 2021-04-30 国网经济技术研究院有限公司 一种基于变电站扩展的多站融合设施综合能效系统
CN112688347A (zh) * 2021-01-12 2021-04-20 国网上海市电力公司 一种电网负荷波动的平缓系统和方法
CN112952876B (zh) * 2021-02-04 2024-04-09 国网福建省电力有限公司厦门供电公司 一种分布式数据中心型变电站协同运行与优化调度方法
CN112598203B (zh) * 2021-03-03 2021-06-15 广东南海电力设计院工程有限公司 光伏混合储能配置方法、装置及计算机可读存储介质
CN113094902A (zh) * 2021-04-08 2021-07-09 国网上海市电力公司 一种多站融合容量联合规划方法
CN113313295A (zh) * 2021-05-19 2021-08-27 国网江苏省电力有限公司南京供电分公司 一种多站融合模式下综合站优化运行方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109510224B (zh) * 2018-11-16 2021-11-09 上海交通大学 光伏储能与分布式能源联合的容量配置与运行优化方法
CN110737971A (zh) * 2019-09-27 2020-01-31 国网河北省电力有限公司经济技术研究院 一种电储能盈亏平衡充放电价差测算方法及其应用
CN110829508A (zh) * 2019-10-30 2020-02-21 中国能源建设集团湖南省电力设计院有限公司 一种适用于“多站融合”的“两交一直”混联微网结构
CN110855004B (zh) * 2019-11-28 2023-05-09 国网天津市电力公司 基于多站融合的智慧站一体化监控系统

Also Published As

Publication number Publication date
CN111697604A (zh) 2020-09-22

Similar Documents

Publication Publication Date Title
CN111697604B (zh) 多站合一的配置方法、系统及设备
Wang et al. Coordinated electric vehicle charging with reactive power support to distribution grids
Mahoor et al. Least-cost operation of a battery swapping station with random customer requests
US20210402889A1 (en) Method and apparatus for charging a battery using local power grid topology information
Tan et al. Integration of electric vehicles in smart grid: A review on vehicle to grid technologies and optimization techniques
Li et al. Optimal planning of energy storage system in active distribution system based on fuzzy multi-objective bi-level optimization
Singh et al. Distributed power generation planning for distribution networks using electric vehicles: Systematic attention to challenges and opportunities
CN207069596U (zh) 模块化变流储能系统和能量转换系统pcs模块
Zhang et al. Islanding and scheduling of power distribution systems with distributed generation
CN107392395A (zh) 一种基于价格激励机制的配电网和微电网协调优化方法
Yang et al. Optimal dispatching strategy for shared battery station of electric vehicle by divisional battery control
CN103248064A (zh) 一种复合型能源充电储能系统及其方法
Hossain et al. Design a novel controller for stability analysis of microgrid by managing controllable load using load shaving and load shifting techniques; and optimizing cost analysis for energy storage system
Abdi-Siab et al. Distribution expansion planning in the presence of plug-in electric vehicle: A bilevel optimization approach
Roos et al. Optimizing the technical and economic value of energy storage systems in LV networks for DNO applications
Yang et al. Optimization and self-adaptive dispatching strategy for multiple shared battery stations of electric vehicles
CN112152200A (zh) 一种基于智能微电网的多站融合集成方法及系统
Zhang et al. A coordinated restoration method of hybrid AC–DC distribution network with electric buses considering transportation system influence
Feizi et al. Data-driven distributionally robust unbalanced operation of distribution networks with high penetration of photovoltaic generation and electric vehicles
CN111325423A (zh) 一种区域多能源互联运营优化方法和计算设备
CN115496427B (zh) 一种多微网系统柔性互联投资规划决策方法
Oloo et al. Modelling and optimisation studies for generator dispatch strategies for deployment of an off-grid micro-grid in South Africa
CN108988336B (zh) 具有嵌套式微电网的充电桩系统的优化规划方法
Shang et al. Distributed V2G dispatching via LSTM network within cloud-edge collaboration framework
Singh et al. Energy management of an active distribution network considering correlation between uncertain input variables

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