CN111898801A - 一种用于配置多能互补供电系统的方法及系统 - Google Patents
一种用于配置多能互补供电系统的方法及系统 Download PDFInfo
- Publication number
- CN111898801A CN111898801A CN202010604609.5A CN202010604609A CN111898801A CN 111898801 A CN111898801 A CN 111898801A CN 202010604609 A CN202010604609 A CN 202010604609A CN 111898801 A CN111898801 A CN 111898801A
- Authority
- CN
- China
- Prior art keywords
- power supply
- supply system
- complementary power
- energy complementary
- energy
- 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
Links
- 230000000295 complement effect Effects 0.000 title claims abstract description 146
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005457 optimization Methods 0.000 claims abstract description 64
- 238000004088 simulation Methods 0.000 claims abstract description 14
- 238000004146 energy storage Methods 0.000 claims description 47
- 239000010410 layer Substances 0.000 claims 12
- 239000002355 dual-layer Substances 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 5
- 230000006855 networking Effects 0.000 abstract description 3
- 230000006870 function Effects 0.000 description 21
- 238000010248 power generation Methods 0.000 description 17
- 230000005611 electricity Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 238000009826 distribution Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000007599 discharging Methods 0.000 description 4
- 230000003993 interaction Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种用于配置多能互补供电系统的方法及系统,属于供电系统规划设计技术领域。本发明方法,包括:获取多能互补供电系统的基本信息,根据基本信息,建立多能互补供电系统的双层优化模型;获取多能互补供电系统的双层优化模型配置数据;进行初始化设置,当初始化完成后,根据配置数据,对多能互补供电系统的双城优化模型进行仿真运行,获取配置方案,根据配置方案配置多能互补供电系统。本发明能够同时适用于并网型及独立型多能互补供电系统配置方案设计,具备良好的通用性。
Description
技术领域
本发明涉及供电系统规划设计技术领域,并且更具体地,涉及一种用于配置多能互补供电系统的方法及系统。
背景技术
随着大规模分布式可再生能源发电和可控负荷接入电网,如何进行合理规划与配置,实现系统集成和高效管控成为当前主要命题。多能互补供电系统可将分布式电源、负荷、储能装置、变流器以及监控保护装置有机得整合到一起,进而可实现多种分布式电源的接入与集成控制,例如:光伏发电、风电、储能、微型同步机等。通过多能互补供电系统的运行控制和能量管理,可以有效降低间歇性分布式电源给电网带来的不利影响,最大限度地消纳分布式电源的出力,提高供电可靠性和电能质量。多能互补供电系统的配置方案的合理性将直接决定整个系统的安全运行与经济效益,因此,需要对多能互补供电系统进行优化配置。
随着多能互补供电系统技术的快速发展,目前已有部分针对多能互补供电系统的优化配置的相关研究,例如:中国发明专利201910913092.5公开了一种微电网的优化配置方法,该方法针对含有风力发电、光伏发电、水利发电、蓄电池储能和柴油发电机的独立型多能互补微电网,考虑了水力发电单元的季节出力特性和市场的分时电价机制,建立了微电网容量优化配置的优化模型,通过模型的求解可进一步得到微电网系统总成本最小的微源配置方案,中国发明专利201810609624.1公开了一种独立微电网系统容量优化配置方法,该方法考虑了柔性负荷作为一种可调度的资源协调储能系统对风/光供电的平抑作用,建立了以微电网基础投资成本、柔性负荷调度成本和可再生能源消纳率综合最优的多目标优化配置模型,并采用引入动态惯性权重的粒子群算法对容量优化配置模型进行求解。A.M.Pasha等人在《IET Generation,Transmission&Distribution》2019年第13卷第16期所著《Optimal allocation of distributed generation for planning master-slavecontrolled microgrids》针对并网型主从控制下的微电网,建立了系统内分布式电源优化配置的混合整数非线性规划模型,并在其中考虑了整个系统的最优潮流,能够实现并网型微电网配置方案的优化设计。
上述的相关研究都仅能适用于独立型或并网型微电网的优化配置,现有的相关研究中尚无能够通用于并网型和独立型多能互补供电系统的优化配置方法。
发明内容
针对上述问题,本发明提供了一种用于配置多能互补供电系统的方法,包括:
获取多能互补供电系统的基本信息,根据基本信息,建立多能互补供电系统的双层优化模型;
获取多能互补供电系统的双层优化模型配置数据;
根据配置数据,对多能互补供电系统的双城优化模型进行仿真运行,获取配置方案,根据配置方案配置多能互补供电系统。
可选的,配置数据,包括:仿真时长、调度周期、风/光出力参数和负荷参数。
可选的,多能供电系统的双层优化模型,包括:
上层优化模型,所述上层优化模型根据上层目标函数和约束条件进行构建,以多能互补供电系统投资期内的总成本为目标,对多能互补供电系统内各电源的配置容量进行优化;
下层优化模型,所述下层优化模型根据下层目标函数和约束条件进行构建,以多能互补供电系统日运行的最小成本和可再生能源利用率为目标,确定多能互补供电系统的配置方案。
可选的,获取配置方案,具体包括:
生成预设规模的初始种群,确定多能互补供电系统的风机容量初始值、逆变器容量初始值和储能出力范围;
根据多能互补供电系统的风机容量初始值、逆变器容量初始值和储能出力范围,确定最优调度方案及储能各时段出力范围;
根据最优调度方案及储能各时段出力范围确定储能容量,并根据多能互补供电系统的运行条件,确定最优个体和最优种群;
以预设方式对最优个体和最优种群进行更新,终止更新后,输出最优结果,所述最优结果即为配置方案。
可选的,配置方案为多能互补供电系统的经济调度方案。
本发明还提供了一种用于配置多能互补供电系统的系统,包括:
模型生成模块,获取多能互补供电系统的基本信息,根据基本信息,建立多能互补供电系统的双层优化模型;
采集模块,获取多能互补供电系统的双层优化模型配置数据;
输出模块,根据配置数据,对多能互补供电系统的双城优化模型进行仿真运行,获取配置方案,根据配置方案配置多能互补供电系统。
可选的,配置数据,包括:仿真时长、调度周期、风/光出力参数和负荷参数。
可选的,多能供电系统的双层优化模型,包括:
上层优化模型,所述上层优化模型根据上层目标函数和约束条件进行构建,以多能互补供电系统投资期内的总成本为目标,对多能互补供电系统内各电源的配置容量进行优化;
下层优化模型,所述下层优化模型根据下层目标函数和约束条件进行构建,以多能互补供电系统日运行的最小成本和可再生能源利用率为目标,确定多能互补供电系统的配置方案。
可选的,获取配置方案,具体包括:
生成预设规模的初始种群,确定多能互补供电系统的风机容量初始值、逆变器容量初始值和储能出力范围;
根据多能互补供电系统的风机容量初始值、逆变器容量初始值和储能出力范围,确定最优调度方案及储能各时段出力范围;
根据最优调度方案及储能各时段出力范围确定储能容量,并根据多能互补供电系统的运行条件,确定最优个体和最优种群;
以预设方式对最优个体和最优种群进行更新,终止更新后,输出最优结果,所述最优结果即为配置方案。
可选的,配置方案为多能互补供电系统的经济调度方案。
本发明能够同时适用于并网型及独立型多能互补供电系统配置方案设计,具备良好的通用性。
附图说明
图1为本发明一种用于配置多能互补供电系统的方法流程图;
图2为本发明一种用于配置多能互补供电系统的方法实施例获取配置方案流程图;
图3为本发明一种用于配置多能互补供电系统的系统结构图。
具体实施方式
现在参考附图介绍本发明的示例性实施方式,然而,本发明可以用许多不同的形式来实施,并且不局限于此处描述的实施例,提供这些实施例是为了详尽地且完全地公开本发明,并且向所属技术领域的技术人员充分传达本发明的范围。对于表示在附图中的示例性实施方式中的术语并不是对本发明的限定。在附图中,相同的单元/元件使用相同的附图标记。
除非另有说明,此处使用的术语(包括科技术语)对所属技术领域的技术人员具有通常的理解含义。另外,可以理解的是,以通常使用的词典限定的术语,应当被理解为与其相关领域的语境具有一致的含义,而不应该被理解为理想化的或过于正式的意义。
本发明提出了一种用于配置多能互补供电系统的方法,如图1所示,包括:
获取多能互补供电系统的基本信息,根据基本信息,建立多能互补供电系统的双层优化模型;
获取多能互补供电系统的双层优化模型配置数据;
进行初始化设置,当初始化完成后,根据配置数据,对多能互补供电系统的双城优化模型进行仿真运行,获取配置方案,根据配置方案配置多能互补供电系统。
其中,配置方案为多能互补供电系统的经济调度方案。
其中,配置数据,包括:仿真时长、调度周期、风/光出力参数和负荷参数。
其中,多能供电系统的双层优化模型,包括:
上层优化模型,所述上层优化模型根据上层目标函数和约束条件进行构建,以多能互补供电系统投资期内的总成本为目标,对多能互补供电系统内各电源的配置容量进行优化;
下层优化模型,所述下层优化模型根据下层目标函数和约束条件进行构建,以多能互补供电系统日运行的最小成本和可再生能源利用率为目标,确定多能互补供电系统的配置方案。
其中,获取配置方案,具体包括:
生成预设规模的初始种群,确定多能互补供电系统的风机容量初始值、逆变器容量初始值和储能出力范围;
根据多能互补供电系统的风机容量初始值、逆变器容量初始值和储能出力范围,确定最优调度方案及储能各时段出力范围;
根据最优调度方案及储能各时段出力范围确定储能容量,并根据多能互补供电系统的运行条件,确定最优个体和最优种群;
以预设方式对最优个体和最优种群进行更新,终止更新后,输出最优结果,所述最优结果即为配置方案。
下面结合实施例对本发明进行进一步说明:
建立多能互补供电系统的双层优化配置模型;
多能互补供电系统的双层优化配置模型,包括:上层优化模型和下层优化模型,上层优化模型以项目投资期内多能互补供电系统的总成本为目标,优化多能互补供电系统内各电源的配置容量,下层优化模型以多能互补系统日运行成本最小和可再生能源利用率为目标,确定多能互补供电系统的经济调度方案;
其中,上层优化模型由目标函数1和约束条件1构成;
目标函数1,目标在于寻求多能互补供电系统的供电经济性最优化,表达式如下:
minCdev-eav (1)
公式(1)中,Cdev-eav为设备等年值成本,且有:
公式(2)中,i为贴现率,l为系统的全寿命周期(单位为年);
为资金回收系数、Cinit,Com,Crep分别为设备总初始投资成本、年运行维护成本和总置换成本现值,且有:
公式(3)中,Cwt,in,Cpv,in,Cbess,in,Cinvr,in分别为风力发电机、光伏发电、电池储能、逆变器的初始投资成本、Cwt,om,Cpv,om,Cbess,om,Cinvr,om分别为风力发电机、光伏发电单元、电池储能、逆变器的运行维护成本现值、Cbess,rep为电池储能的置换成本现值、Nwt为风力发电机台数、Npv为光伏发电单元的组数、Nbess为电池储能单体个数和Ninvr为逆变器台数;
公式(2)中,Cex为多能互补供电系统与配电网的交互成本,当多能互补供电系统并网时可以选择不同的运营方式,主要包括余电上网运营模式和全额上网运营模式;
多能互补供电系统采用余电上网运营模式所产生的综合运营总收入包括:多能互补系统向上级电网卖电收益、多能互补系统向上级电网的购电费用、光伏发电的补贴以及用户负荷节省的用电费用,此时多能互补供电系统与配电网的交互成本Cex可表示为:
公式(4)中,cw为正常用电电价、cs为正常售电电价、cpv-bu为单位光伏发电补贴、Pbuy、Psell为多能互补系统向配电网的购电和售电功率、PPV为光伏总发电功率和Pload为用户负荷功率;
多能互补供电系统采用全额上网运营模式所产生的综合运营总收入包括:光伏和风电向上级电网卖电收益、储能电池低充高放收益以及用户负荷所支付的用电成本费用,此时多能互补供电系统与配电网的交互成本Cex可表示为:
公式(5)中,CMES-s为多能互补系统年运营净收入,cPV、cWT为光伏和风电的标杆电价,PWT为风机总发电功率,PBS_D、PBS_C分别为储能系统总放电和充电功率;
公式(2)中,CDR为多能互补供电系统参与需求侧响应的成本,可基于阶梯式的多电价的需求侧响应模型计算得出,所述的基于阶梯式的多电价的需求侧响应模型以24小时为一个调度周期,根据分时电价政策,设置不同时段的补偿费用,并对中断次数、单次中断容量、连续中断时间进行约束,其具体模型如下:
公式(6)中,式中:ξm_H为不同电价等级m类负荷的单位容量的成本;Lin_t,Lout_t为转入、转出负荷量,Ll_d,t不考虑需求响应的负荷量,LG_t为并网消纳负荷功率输出,LMES_i,b,t为消纳负荷功率输出;
约束条件1,其中包含:决策变量约束、功率平衡约束1、充放电功率约束1以及荷电状态约束1;
所述的决策变量约束,用于在进行优化计算时将决策变量限制在有效的合理范围内,其数学表达式如下所示:
公式(7)中,Nwt-max、Npv-max、Nbess-max、Ninvr-max分别为Nwt、Npv、Nbess、Ninvr的上限值,上限值可根据实际投资预算及安装占地面积等因素来进行设置;
功率平衡约束1,为多能互补供电系统的运行功率应当满足的约束条件,其数学表达式为:
Pwt,h+Ppv,h-Pbess-in,h+Pbess-out,h=Pload,h (8)
在公式(8)中,Pwt,h,Ppv,h,Pbess-in,h,Pbess-out,h,Pload,h分别为h时刻下的风力发电机输出功率、光伏发电输出功率、电池储能充电功率、电池储能放电功率、负荷功率;
充放电功率约束1,用于表示电池储能的充放电功率的最大限值,其数学表达式为:
公式(9)中,Pmaxcharge和Pmaxdischarge分别为电池储能中单个电池最大充、放电功率限值,kbi和kbo分别为电池储能的充、放电转换效率,fbi和fbo为0-1变量,表示电池储能的充、放电标志位;
荷电状态约束1,用于表示电池储能的荷电状态的允许范围,其数学表达式为:
公式(10)中,Sh和Sh+Δt分别为h和h+Δt时刻下电池储能的荷电状态值,Bcap为电池储能的总容量;
多能互补供电系统的双层优化配置模型中,下层优化模型由目标函数2和约束条件2构成;
目标函数2,以多能互补供电系统的日运行成本和可再生能源未利用率最小为目标,其数学表达式为:
F=min(F1,F2) (11)
公式(11)中,F为目标函数2的优化目标,其中包含两个优化子目标F1和F2,F1表示多能互补供电系统的日运行成本最小,F2表示多能互补供电系统的可再生能源未利用率最小;
在目标函数2中,所属的优化子目标F1的数学表达式为:
公式(12)中,Cbess为储能在第h时段的调度成本,CΔPV为光伏的弃光成本,CΔWT为风机的弃风成本,其计算公式分别为:
Cbess=kbess(Pbess-out/kbo+Pbess-inkbi)Δt (13)
CΔPV=kpvΔPpvΔt (14)
CΔWT=kwtΔPwtΔt (15)
其中,kbess为储能系统单位调度成本、kpv为光伏单位弃光成本、ΔPpv为多能互补系统中光伏系统的削减功率、kwt为风机单位弃风成本和ΔPwt为多能互补系统中风机系统的削减功率;
将可再生能源未利用率定义为弃风弃光与可再生能源发电量的比值的百分比,在目标函数2中,所属的优化子目标F2的数学表达式为:
公式(16)中,PPV为光伏总发电功率、PWT为风机总发电功率、ΔPpv为多能互补系统中光伏系统的削减功率和ΔPwt为多能互补系统中风机系统的削减功率;
约束条件2,其中包含:功率平衡约束2、充放电功率约束2、荷电状态约束2和弃风弃光量约束;
功率平衡约束2,为调度运行时系统运行功率应当满足的约束条件,其数学表达式为:
Pload,h=Pwt,h-ΔPwt+Ppv,h-ΔPpv+Pbess-out,h-Pbess-in,h (17)
充放电功率约束2,其数学表达式同公式(9)。
荷电状态约束2,其数学表达式同公式(10)。
弃风弃光量约束,为弃风弃光量的大小应满足的取值范围限制,其数学表达式为:
收集多能互补供电系统优化配置计算所需的数据资料,在此基础上,基于多能互补供电系统的双层优化配置模型的优化求解,得到多能互补供电系统的优化配置方案;
多能互补供电系统优化配置计算所需的数据资料包含:当地的自然资源的典型日数据(例如风、光资源的典型日数据)、当地负荷需求典型日数据和系统占地面积等等;
多能互补供电系统的双层优化配置模型,其求解采用双层优化算法,上层优化模型的求解方法为改进型十进制遗传算法,下层优化模型的求解方法为大规模数学规划求解器(Gurobi)。具体的求解步骤如图2所示包括:
步骤101,进行初始化定义;
步骤102,读取多能互补供电系统的基本参数与相关数据,包含:仿真时长、调度周期、自然资源(风光出力参数)、负荷等所需参数和数据;
步骤103,随机产生初始种群;
步骤104,将种群输入下层优化模型,对下层优化模型进行求解,并将得到的求解结果返回上层优化模型;
步骤105,在上层优化模型中,基于罚函数法计算目标函数值,找出当前最优个体和最优种群;
步骤106,判断是否达到迭代次数,若是,则执行步骤109,输出最优结果,该结果即为多能互补供电系统的最优配置方案;若否,则执行步骤107,进行遗传算法中的选择、交叉、变异操作,在此基础上,进一步执行步骤108,更新并生成新的种群,并返回步骤104;
步骤107,进行遗传算法中的选择、交叉、变异操作;
步骤108,更新并生成新的种群;
步骤109,输出最优结果,该结果即为多能互补供电系统的最优配置方案。
本发明还提供了一种用于配置多能互补供电系统的系统200,如图3所示,包括:
模型生成模块201,获取多能互补供电系统的基本信息,根据基本信息,建立多能互补供电系统的双层优化模型;
采集模块202,获取多能互补供电系统的双层优化模型配置数据;
输出模块203,进行初始化设置,当初始化完成后,根据配置数据,对多能互补供电系统的双城优化模型进行仿真运行,获取配置方案,根据配置方案配置多能互补供电系统。
其中,配置方案为多能互补供电系统的经济调度方案。
其中,配置数据,包括:仿真时长、调度周期、风/光出力参数和负荷参数。
其中,多能供电系统的双层优化模型,包括:
上层优化模型,所述上层优化模型根据上层目标函数和约束条件进行构建,以多能互补供电系统投资期内的总成本为目标,对多能互补供电系统内各电源的配置容量进行优化;
下层优化模型,所述下层优化模型根据下层目标函数和约束条件进行构建,以多能互补供电系统日运行的最小成本和可再生能源利用率为目标,确定多能互补供电系统的配置方案。
其中,获取配置方案,具体包括:
生成预设规模的初始种群,确定多能互补供电系统的风机容量初始值、逆变器容量初始值和储能出力范围;
根据多能互补供电系统的风机容量初始值、逆变器容量初始值和储能出力范围,确定最优调度方案及储能各时段出力范围;
根据最优调度方案及储能各时段出力范围确定储能容量,并根据多能互补供电系统的运行条件,确定最优个体和最优种群;
以预设方式对最优个体和最优种群进行更新,终止更新后,输出最优结果,所述最优结果即为配置方案。
本发明能够同时适用于并网型及独立型多能互补供电系统配置方案设计,具备良好的通用性;
本发明考虑了多能互补供电系统与配电网的交互成本、需求响应成本等经济性指标,在规划建设初期可以准确量化多能互补供电系统运行经济性;
本发明考虑了全寿命周期建设成本,同样适用于在变电站站内的并网型多能互补供电系统的优化配置和方案优选。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请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,本申请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。本申请实施例中的方案可以采用各种计算机语言实现,例如,面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、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。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样,倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种用于配置多能互补供电系统的方法,所述方法包括:
获取多能互补供电系统的基本信息,根据基本信息,建立多能互补供电系统的双层优化模型;
获取多能互补供电系统的双层优化模型配置数据;
根据配置数据,对多能互补供电系统的双城优化模型进行仿真运行,获取配置方案,根据配置方案配置多能互补供电系统。
2.根据权利要求1所述的方法,所述配置数据,包括:仿真时长、调度周期、风/光出力参数和负荷参数。
3.根据权利要求1所述的方法,所述多能供电系统的双层优化模型,包括:
上层优化模型,所述上层优化模型根据上层目标函数和约束条件进行构建,以多能互补供电系统投资期内的总成本为目标,对多能互补供电系统内各电源的配置容量进行优化;
下层优化模型,所述下层优化模型根据下层目标函数和约束条件进行构建,以多能互补供电系统日运行的最小成本和可再生能源利用率为目标,确定多能互补供电系统的配置方案。
4.根据权利要求1所述的方法,所述获取配置方案,具体包括:
生成预设规模的初始种群,确定多能互补供电系统的风机容量初始值、逆变器容量初始值和储能出力范围;
根据多能互补供电系统的风机容量初始值、逆变器容量初始值和储能出力范围,确定最优调度方案及储能各时段出力范围;
根据最优调度方案及储能各时段出力范围确定储能容量,并根据多能互补供电系统的运行条件,确定最优个体和最优种群;
以预设方式对最优个体和最优种群进行更新,终止更新后,输出最优结果,所述最优结果即为配置方案。
5.根据权利要求1所述的方法,所述配置方案为多能互补供电系统的经济调度方案。
6.一种用于配置多能互补供电系统的系统,所述系统包括:
模型生成模块,获取多能互补供电系统的基本信息,根据基本信息,建立多能互补供电系统的双层优化模型;
采集模块,获取多能互补供电系统的双层优化模型配置数据;
输出模块,根据配置数据,对多能互补供电系统的双城优化模型进行仿真运行,获取配置方案,根据配置方案配置多能互补供电系统。
7.根据权利要求6所述的系统,所述配置数据,包括:仿真时长、调度周期、风/光出力参数和负荷参数。
8.根据权利要求6所述的系统,所述多能供电系统的双层优化模型,包括:
上层优化模型,所述上层优化模型根据上层目标函数和约束条件进行构建,以多能互补供电系统投资期内的总成本为目标,对多能互补供电系统内各电源的配置容量进行优化;
下层优化模型,所述下层优化模型根据下层目标函数和约束条件进行构建,以多能互补供电系统日运行的最小成本和可再生能源利用率为目标,确定多能互补供电系统的配置方案。
9.根据权利要求6所述的系统,所述获取配置方案,具体包括:
生成预设规模的初始种群,确定多能互补供电系统的风机容量初始值、逆变器容量初始值和储能出力范围;
根据多能互补供电系统的风机容量初始值、逆变器容量初始值和储能出力范围,确定最优调度方案及储能各时段出力范围;
根据最优调度方案及储能各时段出力范围确定储能容量,并根据多能互补供电系统的运行条件,确定最优个体和最优种群;
以预设方式对最优个体和最优种群进行更新,终止更新后,输出最优结果,所述最优结果即为配置方案。
10.根据权利要求6所述的系统,所述配置方案为多能互补供电系统的经济调度方案。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010604609.5A CN111898801B (zh) | 2020-06-28 | 2020-06-28 | 一种用于配置多能互补供电系统的方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010604609.5A CN111898801B (zh) | 2020-06-28 | 2020-06-28 | 一种用于配置多能互补供电系统的方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111898801A true CN111898801A (zh) | 2020-11-06 |
CN111898801B CN111898801B (zh) | 2024-04-23 |
Family
ID=73207155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010604609.5A Active CN111898801B (zh) | 2020-06-28 | 2020-06-28 | 一种用于配置多能互补供电系统的方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111898801B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112734253A (zh) * | 2021-01-15 | 2021-04-30 | 上海交通大学 | 机组组合嵌入的储能规划方法、电子终端及存储介质 |
CN112803491A (zh) * | 2020-12-31 | 2021-05-14 | 西安理工大学 | 一种耦合弃电风险的风光水多能互补短期优化调度方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140350743A1 (en) * | 2012-08-27 | 2014-11-27 | Nec Laboratories America, Inc. | Tiered power management system for microgrids |
WO2019134532A1 (zh) * | 2018-01-02 | 2019-07-11 | 佛山科学技术学院 | 一种含风光可再生能源的热电联供系统运行方法 |
CN110070198A (zh) * | 2018-01-22 | 2019-07-30 | 山东大学 | 一种多能互补建筑能源系统及其储能配置优化方法 |
CN110350523A (zh) * | 2019-07-10 | 2019-10-18 | 佳源科技有限公司 | 基于需求响应的多能源互补优化调度方法 |
-
2020
- 2020-06-28 CN CN202010604609.5A patent/CN111898801B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140350743A1 (en) * | 2012-08-27 | 2014-11-27 | Nec Laboratories America, Inc. | Tiered power management system for microgrids |
WO2019134532A1 (zh) * | 2018-01-02 | 2019-07-11 | 佛山科学技术学院 | 一种含风光可再生能源的热电联供系统运行方法 |
CN110070198A (zh) * | 2018-01-22 | 2019-07-30 | 山东大学 | 一种多能互补建筑能源系统及其储能配置优化方法 |
CN110350523A (zh) * | 2019-07-10 | 2019-10-18 | 佳源科技有限公司 | 基于需求响应的多能源互补优化调度方法 |
Non-Patent Citations (3)
Title |
---|
XIONG WEN; LIU YUQUAN; SU WANHUANG: ""Optimal configuration of multi-energy storage in regional integrated energy system considering multi-energy complementation"", 《 ELECTRIC POWER AUTOMATION EQUIPMENT》, vol. 39, no. 1, 31 January 2019 (2019-01-31) * |
刘振国;胡亚平;陈炯聪;余南华;: "基于双层优化的微电网系统规划设计方法", 电力系统保护与控制, no. 08, 16 April 2015 (2015-04-16) * |
吴鸣;任学婧;周丹;苏剑;寇凌峰;梁惠施;: "新电改背景下产业园区供电系统容量优化配置方法", 电力系统自动化, no. 05, 14 November 2017 (2017-11-14) * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112803491A (zh) * | 2020-12-31 | 2021-05-14 | 西安理工大学 | 一种耦合弃电风险的风光水多能互补短期优化调度方法 |
CN112803491B (zh) * | 2020-12-31 | 2023-07-04 | 西安理工大学 | 一种耦合弃电风险的风光水多能互补短期优化调度方法 |
CN112734253A (zh) * | 2021-01-15 | 2021-04-30 | 上海交通大学 | 机组组合嵌入的储能规划方法、电子终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111898801B (zh) | 2024-04-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nwulu et al. | Optimal dispatch for a microgrid incorporating renewables and demand response | |
Athari et al. | Operational performance of energy storage as function of electricity prices for on-grid hybrid renewable energy system by optimized fuzzy logic controller | |
Zhang et al. | An improved charging/discharging strategy of lithium batteries considering depreciation cost in day-ahead microgrid scheduling | |
Gabash et al. | Flexible optimal operation of battery storage systems for energy supply networks | |
Ju et al. | A Tri-dimensional Equilibrium-based stochastic optimal dispatching model for a novel virtual power plant incorporating carbon Capture, Power-to-Gas and electric vehicle aggregator | |
Cheng et al. | A particle swarm optimization based power dispatch algorithm with roulette wheel re-distribution mechanism for equality constraint | |
CN113437752B (zh) | 一种含混合储能的综合能源系统运行控制方法 | |
CN103107558A (zh) | 多模态可定制绿色能量集线器及其方法 | |
CN111898801B (zh) | 一种用于配置多能互补供电系统的方法及系统 | |
Basu | Heat and power generation augmentation planning of isolated microgrid | |
Roldán-Blay et al. | Optimal sizing and design of renewable power plants in rural microgrids using multi-objective particle swarm optimization and branch and bound methods | |
Kolhe et al. | Techno-economic analysis of off-grid hybrid renewable energy system for Sri Lanka | |
CN112653195A (zh) | 一种并网型微电网鲁棒优化容量配置方法 | |
CN109119988B (zh) | 基于动态批发市价的光伏-电池微电网能量调度管理方法 | |
Li et al. | Optimization scheduling model based on source-load-energy storage coordination in power systems | |
CN116961008A (zh) | 计及电力弹簧与负荷需求响应的微电网容量双层优化方法 | |
Meng et al. | Optimal configuration of cooperative stationary and mobile energy storage considering ambient temperature: A case for Winter Olympic Game | |
Zhou et al. | Dynamic pricing of integrated energy service providers based on master-slave game | |
Meng et al. | A revenue-risk equilibrium model for distributed energy integrated virtual power plants considering uncertainties of wind and photovoltaic power | |
Azaroual et al. | Model predictive control-based energy management strategy for grid-connected residential photovoltaic–wind–battery system | |
Gong et al. | Economic dispatching strategy of double lead-acid battery packs considering various factors | |
Villanueva et al. | A strategy for power generation optimization in a hybrid wind-BESS power plant | |
Zhao et al. | Two-stage Robust Stochastic Optimal Dispatch of Regional Integrated Energy System Considering Renewable Energy and Load Uncertainty | |
Hossain et al. | Optimal sizing capacities of solar photovoltaic and battery energy storage systems for grid-connected commercial buildings in Malaysia | |
Su et al. | Operating characteristics analysis and capacity configuration optimization of wind-solar-hydrogen hybrid multi-energy complementary system |
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 |