CN111859608A - 考虑缓解电力缺口场景的储能选址定容优化方法 - Google Patents
考虑缓解电力缺口场景的储能选址定容优化方法 Download PDFInfo
- Publication number
- CN111859608A CN111859608A CN202010471828.0A CN202010471828A CN111859608A CN 111859608 A CN111859608 A CN 111859608A CN 202010471828 A CN202010471828 A CN 202010471828A CN 111859608 A CN111859608 A CN 111859608A
- Authority
- CN
- China
- Prior art keywords
- power
- energy storage
- node
- bess
- storage system
- 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
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 104
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000005457 optimization Methods 0.000 title claims abstract description 12
- 238000004519 manufacturing process Methods 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 9
- 238000007599 discharging Methods 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 15
- 150000001875 compounds Chemical class 0.000 claims description 9
- 238000009434 installation Methods 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 3
- 239000004576 sand Substances 0.000 claims description 3
- 230000002459 sustained effect Effects 0.000 claims description 3
- 230000007717 exclusion Effects 0.000 claims 1
- 238000005070 sampling Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 abstract 2
- 238000007781 pre-processing Methods 0.000 abstract 1
- 238000004513 sizing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Geometry (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提出考虑缓解电力缺口场景的储能选址定容优化方法,通过以下步骤进行实现:获得发电机组出力数据、可再生能源数据以及负荷数据;对数据进行预处理,根据实际的系统需求,设定储能电站初始数据;考虑储能电站代替调峰机组参与电网调峰的系统功率约束,以储能系统经济效益最大为目标,建立考虑缓解电网供电缺口的储能选址定容综合目标模型;通过Matlab仿真平台利用随机生产模拟算法对模型进行求解,得到储能的最佳位置和容量等。本发明采用随机生产模拟,能够考虑电力系统生产的时序特征,拟合效果较佳,同时以储能的经济效益为目标,充分考虑了系统的安全性、可靠性,能够缓解电网供电缺口问题。
Description
技术领域
本发明属于电力系统规划运行领域,涉及一种考虑缓解电网供电缺口的储能选址定容优化运行方法。
背景技术
随着供电需求的不断加大,电力紧缺的范围也不断扩大,部分地区存在电力供需紧张的情况,电力缺口不断变大。电力缺口产生的原因是系统的电源,包括燃煤机组、核电、燃气机组、风电、光伏和外来电不能满足某个时刻系统的负荷需求。
一般在电力缺口场景下的普遍措施是结合供需的形式变化,将具备投产条件的应急储备电源纳入投产计划中,提高供应保障能,以充分发挥大电网的作用,实现电力大范围的资源优化配置。然而传统解决方案存在调度困难且经济性差的问题,而储能系统 (BESS)具有削峰填谷的多重功效,同时又因其具有配置灵活、可调度性高等特点,通过增设储能系统来解决高峰时段增长的负荷需求,解决负荷供电缺口问题十分合适。针对电力缺口场景,合理安排储能的选址定容规划,不仅保证储能的经济效益,同时缓解了区域电网供电缺口的问题。
发明内容
为了解决上述供电缺口的问题,本发明提供一种考虑缓解电力缺口场景的储能选址定容优化方法。以储能系统经济效益最大为目标建立综合目标模型,包含储能投资成本和储能收益两部分,同时考虑储能系统的模型约束、运行条件和电网系统的功率约束,采用随机生产模拟算法确定储能的最佳位置及其存储容量,有效缓解电网供电缺口并降低储能的运行成本。
本发明的实现步骤如下所示:
步骤1、收集供区的发电机组出力数据、可再生能源(风电/光伏/水电等)出力数据以及负荷功率数据;
步骤2、建立考虑缓解电网供电缺口的储能选址定容综合目标模型,该模型在常规电网的基础上增设储能系统参与电网调度,以储能的位置,容量和储能的荷电状态(SOC)作为优化变量,以储能系统的经济效益最大为目标,且考虑了储能系统的模型约束、运行条件和电网系统的功率约束。
步骤3、根据步骤(2)建立的模型,通过matlab软件平台,初始设定储能系统的功率以及容量。采用随机生产模拟算法模拟电力系统的生产调度,从而确定储能的最佳位置及其容量、对应的荷电状态和储能收益。
与传统的储能选址定容方法相比,考虑了电网系统的功率约束,以及储能系统的模型约束,充分考虑了储能系统与电网系统的安全性和可靠性指标。目标函数包括系统的投资成本和储能收益两部分,使储能系统的经济效益最大,并通过增设储能系统有效缓解电力缺口的情况。
考虑缓解电力缺口场景的储能选址定容综合目标模型:
(1)储能系统模型
BESS的充放电特性可以由以下六个参数进行描述,即容量、功率、充电效率、放电效率、自放电率和荷电状态。具体的模型如下:
(2)目标函数
规模化BESS接入配电网可以大幅改善配电网运行水平,提高配电网运行水平,提高配电网消纳可再生能源的能力,增强配电网的灵活性,降低配电网损耗。BESS可以采用最优充放电策略通过电价差获取运行经济效益。另一方面,BESS的投资成本较高,因此缓解电力缺口场景下的储能选址定容方法以BESS为研究对象,该目标函数是使得储能的经济效益最大。目标函数包括储能和投资成本和储能收益两部分,优化目标函数如下:
式中,Nbus是电网系统的节点总数,C0是BESS的额定容量,m是BESS的单位容量成本造价,T表示采样数据所取的最大时刻,和分别是BESS在t时刻的充电和放电功率,q(t)表示电网分时电价,Δt是时间间隔。zi是在i节点的二进制变量,如下式所示:
(3)约束条件
1)BESS及其功率约束
式中,和分别是储能系统在t时刻的最大充电和放电功率,和分别是BESS的最大持续充电和放电功率;S(t)是储能在t时刻的荷电状态;C是储能系统的容量;σ为BESS的自放电率;ηc和ηd分别是充电和放电效率,Δt是时间间隔。
储能充放电功率约束可表达为
2)储能系统的容量约束
3)储能装设数量约束
4)电网系统功率约束
PG(t)+Pi(t)+Pin(t)-PL(t)≥0
式中,PG(t)是某发电机组在t时刻的出力,Pi(t)是BESS与电网之间的交换功率,Pin(t)是外网输入功率,PL(t)是区域负荷。其中交换功率Pi(t)如下:
5)常规机组输出功率约束
6)节点功率约束
式中,Pi和Qi分别是i节点的有功和无功注入功率,Vi和Vj分别是i节点和j节点的电压,θij是i节点和j节点之间的电压相角差,Gij和Bij分别是i节点和j节点之间的电导和电纳;
7)节点电压的幅值和相角约束
本发明具有以下有益效果:
本发明通过增设储能系统来解决高峰时段增长的负荷需求,以储能经济效益最大化为目标,包含储能投资成本和储能收益,同时考虑储能系统的模型约束、运行条件和电网系统的功率约束,,充分考虑系统的安全性和稳定性等指标,建立综合目标模型。另外由于随机生产模拟算法可以充分考虑发电机组停运、负荷波动等不确定因素,能够很好地描述电力生产中的随机性,采用随机生产模拟算法确定储能的最佳位置、存储容量、功率以及荷电状态(SOC)、最小投资成本与最大储能收益等,在尽可能实现储能经济效益最大化的基础上,有效缓解电网供电缺口问题。
附图说明
图1为本发明的具体流程图;
图2为基于随机生产模拟算法的求解分析示意图。
具体实施方式
下面结合附图对本发明中的技术方案进行清楚、完整地描述。
参考图1,本发明所述的考虑缓解电网供电缺口的储能选址定容优化运行方法的具体操作包括以下步骤:
步骤1、收集供区的发电机组出力数据、可再生能源(风电/光伏/水电等)出力数据以及负荷功率数据;
步骤2、建立考虑缓解电网供电缺口的储能选址定容综合目标模型,该模型在常规电网的基础上增设储能系统参与电网调度,以储能的位置,容量和储能的荷电状态(SOC)作为优化变量,以储能系统的经济效益最大为目标,且考虑了储能系统的模型约束、运行条件和电网系统的功率约束。
步骤3、根据步骤2建立的模型,通过matlab软件平台,初始设定储能系统的功率以及容量。采用图2随机生产模拟算法模拟电力系统的生产调度,从而确定储能的最佳位置及其容量、对应的荷电状态和储能收益。算法求解过程参考图2。
与传统的储能选址定容方法相比,考虑了电网系统的功率约束,以及储能系统的模型约束,充分考虑了储能系统与电网系统的安全性和可靠性指标。目标函数包括系统的投资成本和储能收益两部分,使储能系统的经济效益最大,并通过增设储能系统有效缓解电力缺口的情况。
考虑缓解电力缺口场景的储能选址定容综合目标模型:
(1)储能系统模型
BESS的充放电特性可以由以下六个参数进行描述,即容量、功率、充电效率、放电效率、自放电率和荷电状态。具体的模型如下:
(2)目标函数
规模化BESS接入配电网可以大幅改善配电网运行水平,提高配电网运行水平,提高配电网消纳可再生能源的能力,增强配电网的灵活性,降低配电网损耗。BESS可以采用最优充放电策略通过电价差获取运行经济效益。另一方面,BESS的投资成本较高,因此缓解电力缺口场景下的储能选址定容方法以BESS为研究对象,该目标函数是使得储能的经济效益最大。目标函数包括储能和投资成本和储能收益两部分,优化目标函数如下:
式中,Nbus是电网系统的节点总数,C0是BESS的额定容量,m是BESS的单位容量成本造价,T表示采样数据所取的最大时刻,和分别是BESS在t时刻的充电和放电功率,q(t)表示电网分时电价,Δt是时间间隔。zi是在i节点的二进制变量,如下式所示:
(3)约束条件
1)BESS及其功率约束
式中,和分别是储能系统在t时刻的最大充电和放电功率,和分别是BESS的最大持续充电和放电功率;S(t)是储能在t时刻的荷电状态;C是储能系统的容量;σ为BESS的自放电率;ηc和ηd分别是充电和放电效率,Δt是时间间隔。
储能充放电功率约束可表达为
2)储能系统的容量约束
3)储能装设数量约束
4)电网系统功率约束
PG(t)+Pi(t)+Pin(t)-PL(t)≥0
式中,PG(t)是某发电机组在t时刻的出力,Pi(t)是BESS与电网之间的交换功率,Pin(t)是外网输入功率,PL(t)是区域负荷。其中交换功率Pi(t)如下:
5)常规机组输出功率约束
6)节点功率约束
式中,Pi和Qi分别是i节点的有功和无功注入功率,Vi和Vj分别是i节点和j节点的电压,θij是i节点和j节点之间的电压相角差,Gij和Bij分别是i节点和j节点之间的电导和电纳;
7)节点电压的幅值和相角约束
对于本领域的技术人员而言,本发明不限于上述实施例的细节,应将实施例看作为示范性的,而非必要性的,可以在满足基本特征和技术方案的范围内以其他的形式实现本发明,对本发明的方案进行一定的修改或者等同替换,其均应涵盖在本发明的权利要求范围中,不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (1)
1.考虑缓解电力缺口场景的储能选址定容优化方法,其特征在于包括以下步骤:
步骤1、收集供区的发电机组出力数据、可再生能源出力数据以及负荷功率数据;
步骤2、在常规电网的基础上增设储能系统参与电网调度,以储能的位置、容量和储能的荷电状态(SOC)作为优化变量,以储能系统的经济效益最大为目标,且考虑了储能系统的模型约束、运行条件和电网系统的功率约束,建立考虑缓解电网供电缺口的储能选址定容综合目标模型:
(1)储能系统模型
(2)目标函数
式中,Nbus是电网系统的节点总数,C0是BESS的额定容量,m是BESS的单位容量成本造价,T表示采样数据所取的最大时刻,和分别是BESS在t时刻的充电和放电功率,q(t)表示电网分时电价,Δt是时间间隔;zi是在i节点的二进制变量,如下式所示:
(3)约束条件
1)BESS及其功率约束
式中,和分别是储能系统在t时刻的最大充电和放电功率,和分别是BESS的最大持续充电和放电功率;S(t)是储能在t时刻的荷电状态;C是储能系统的容量;σ为BESS的自放电率;ηc和ηd分别是储能的充电和放电效率,Δt是时间间隔;
2)储能系统的容量约束
3)储能装设数量约束
4)电网系统功率约束
PG(t)+Pi(t)+Pin(t)-PL(t)≥0
式中,PG(t)是某发电机组在t时刻的功率,Pi(t)是BESS与电网之间的交换功率,Pin(t)是外网输入功率,PL(t)是区域负荷功率;其中交换功率Pi(t)如下:
5)常规机组输出功率约束
6)节点功率约束
式中,Pi和Qi分别是i节点的有功和无功注入功率,Vi和Vj分别是i节点和j节点的电压,θij是i节点和j节点之间的电压相角差,Gij和Bij分别是i节点和j节点之间的电导和电纳;
7)节点电压的幅值和相角约束
步骤3、根据步骤(2)建立的模型,通过matlab软件平台,初始设定储能系统的功率以及容量,采用随机生产模拟算法模拟电力系统的生产调度,从而确定储能的最佳位置及其容量、对应的荷电状态和储能收益。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010471828.0A CN111859608A (zh) | 2020-05-29 | 2020-05-29 | 考虑缓解电力缺口场景的储能选址定容优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010471828.0A CN111859608A (zh) | 2020-05-29 | 2020-05-29 | 考虑缓解电力缺口场景的储能选址定容优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111859608A true CN111859608A (zh) | 2020-10-30 |
Family
ID=72985337
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010471828.0A Pending CN111859608A (zh) | 2020-05-29 | 2020-05-29 | 考虑缓解电力缺口场景的储能选址定容优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111859608A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114362225A (zh) * | 2021-12-30 | 2022-04-15 | 国网吉林省电力有限公司经济技术研究院 | 一种考虑新能源消纳的储能系统选址定容方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110034571A (zh) * | 2019-03-21 | 2019-07-19 | 国网浙江省电力有限公司经济技术研究院 | 一种考虑可再生能源出力的分布式储能选址定容方法 |
-
2020
- 2020-05-29 CN CN202010471828.0A patent/CN111859608A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110034571A (zh) * | 2019-03-21 | 2019-07-19 | 国网浙江省电力有限公司经济技术研究院 | 一种考虑可再生能源出力的分布式储能选址定容方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114362225A (zh) * | 2021-12-30 | 2022-04-15 | 国网吉林省电力有限公司经济技术研究院 | 一种考虑新能源消纳的储能系统选址定容方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103236718A (zh) | 一种智能微网的源-网-荷自动控制系统及控制方法 | |
CN106549415A (zh) | 分布式风光互补发电系统实现有效调度的方法 | |
CN104377724A (zh) | 提高风电/光伏混合储能系统经济性的协调优化控制方法 | |
CN111762057B (zh) | 一种区域微网中v2g电动汽车智能充放电管理方法 | |
Amir et al. | Integration of EVs aggregator with microgrid and impact of V2G power on peak regulation | |
CN111859608A (zh) | 考虑缓解电力缺口场景的储能选址定容优化方法 | |
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 | |
He et al. | Research on the frequency regulation strategy of large-scale Battery energy storage in the power grid system | |
Hao et al. | Optimal Configuration Of An Island Microgrid Considering Demand Response Strategy | |
Li et al. | Multi-energy coordinated operation optimization model for wind-solar-hydro-thermal-energy storage system considering the complementary characteristics of different power resources | |
Zhou et al. | Research review on energy storage technology in power grid | |
CN114977182A (zh) | 计及光伏接入的柔性牵引供电系统区间最优潮流优化方法 | |
Cong et al. | Multi-objective capacity optimal allocation of photovoltaic microgrid energy storage system based on time-sharing energy complementarity | |
CN112713520A (zh) | 一种离网风光储智能供电系统 | |
CN202737479U (zh) | 基于可再生能源的分布式发电装置 | |
Yuan et al. | Optimization strategy design of distribution network based on orderly charging control of electric vehicles | |
CN112886624A (zh) | 一种三站合一变电站储能装置规划设计系统及方法 | |
Yun et al. | Optimization of Operation Strategy of Virtual Power Plants Involved in Peak Shaving | |
Zhou et al. | Research about energy optimization management of large-scale charging piles for virtual power plant | |
Liu et al. | Optimal planning and operation of photovoltaic-storage systems based on multi-period voltage control at PCC | |
Yang et al. | Research on user energy storage optimization system considering a grid-on new energy | |
Ni et al. | Cooperative Optimization of Hybrid Energy Storage in an Isolated Microgrid Considering Battery Grouping | |
Xiao et al. | Optimization of Distribution Network Considering Distributed Renewable Energy and V2G of Electric Vehicles | |
Liang et al. | Allowable Capacity Analysis of Distributed Renewable Energy Resources in Active Distribution Network | |
Zhang | Study on the Effects of Different Measures in Promoting Renewable Energy Consumption |
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 |