CN111898805B - 一种储能系统容量配置方法、装置、配置设备和存储介质 - Google Patents
一种储能系统容量配置方法、装置、配置设备和存储介质 Download PDFInfo
- Publication number
- CN111898805B CN111898805B CN202010672168.2A CN202010672168A CN111898805B CN 111898805 B CN111898805 B CN 111898805B CN 202010672168 A CN202010672168 A CN 202010672168A CN 111898805 B CN111898805 B CN 111898805B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- storage system
- annual
- power
- capacity
- 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
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 233
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000005611 electricity Effects 0.000 claims abstract description 81
- 238000007726 management method Methods 0.000 claims abstract description 46
- 238000004519 manufacturing process Methods 0.000 claims abstract description 11
- 230000006870 function Effects 0.000 claims description 46
- 238000000265 homogenisation Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 15
- 238000012423 maintenance Methods 0.000 claims description 12
- 230000008901 benefit Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000007599 discharging Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
-
- 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
- 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]
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Power Engineering (AREA)
- Educational Administration (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及储能系统规划设计技术领域，一种储能系统容量配置方法、装置、配置设备和存储介质，所述储能系统容量配置方法包括以下步骤：获取实施两部制电价场景下的电价信息以及负荷数据；将所述电价信息以及所述负荷数据输入预设的储能参与需量管理的年化总成本的目标函数，对所述储能参与需量管理的年化总成本的目标函数进行二次规划求解；根据所述储能参与需量管理的年化总成本的目标函数的求解结果确定储能系统的容量功率配置、储能输出功率的参考曲线以及每月的最大需量控制值以对储能系统进行容量配置。本发明实施例提供的方法能够综合应对不同的负荷特性曲线、分时电价、储能SoC、电池衰减和充放电功率等多个因素的影响。
Description
技术领域
本发明涉及储能系统规划设计技术领域，一种储能系统容量配置方法、装置、配置设备和存储介质。
背景技术
储能在电力系统调频、削峰填谷、需求侧响应、平抑新能源发电、提高供电可靠性等方面均有较广泛的应用，但电池成本限制了其大规模应用，因此在项目前期，需要对电池的容量配置及经济性进行评估，尤其在以两部制电价的应用场景下，用户支付的电费按电度电费和基本电费进行合计，基本电费可以选择是按变压器容量的容量电费，或者是按月度最大需量结算的需量电费。因此如何配置储能的容量和功率，以及如何指导储能进行最大需量控制和削峰填谷，以达到最大的经济收益是储能投资关注的重点和难点。
储能的需量管理，由于其收益受到负荷特性、分时电价、储能SoC(电池荷电状态)、电池衰减和充放电功率等多个因素的影响，对其投资初期的容量功率优化配置提出了不少挑战。现有储能容量配置方法和运行策略，对储能整体的配置提出了指导思路，但同时在智能规划和经济效益方面仍有考虑不足。现有技术提供了如下方案：方案一、结合光伏、削峰填谷、需量管理进行储能配置，但是储能充放电逻辑判断条件固定，无法结合实际电量变化对最大需量进行全局的控制。方案二、构建月前和日前两阶段的储能优化，然而储能属于一次性投资，需考虑储能在整个年度以至全生命周期的综合收益。方案三、识别储能系统当前所处的时间段，在出力、备电和待机时间段内分别进行逻辑控制，但未考虑到负荷的时变性，无法应对负荷变化影响储能的容量配置以及调节控制效果。
可见，现有技术对于储能系统容量功率优化配置的方法存在着多方面的不足的，需要进行改进。
发明内容
基于此，有必要针对上述的问题，提供一种储能系统容量配置方法、装置、配置设备和存储介质。
本发明实施例是这样实现的，一种储能系统容量配置方法，所述储能系统容量配置方法包括以下步骤：
获取实施两部制电价场景下的电价信息以及负荷数据；
将所述电价信息以及所述负荷数据输入预设的储能参与需量管理的年化总成本的目标函数，对所述储能参与需量管理的年化总成本的目标函数进行二次规划求解；
根据所述储能参与需量管理的年化总成本的目标函数的求解结果确定储能系统的容量功率配置、储能输出功率的参考曲线以及每月的最大需量控制值以对储能系统进行容量配置；
其中，所述储能参与需量管理的年化总成本的目标函数由储能系统年均化投资成本和运行维护成本、考虑电池衰减影响的年均化等效损失成本、储能参与削峰填谷的年均电度电费收益和最小二乘约束以及储能参与需量控制后的年均基本电费收益确定。
在本发明一个实施例中，提供了一种储能系统容量配置装置，所述储能系统容量配置装置包括：
获取模块，所述获取模块用于获取实施两部制电价场景下的电价信息以及负荷数据；
求解模块，所述求解模块用于将所述电价信息以及所述负荷数据输入预设的储能参与需量管理的年化总成本的目标函数，对所述储能参与需量管理的年化总成本的目标函数进行二次规划求解；
配置模块，所述配置模块用于根据所述储能参与需量管理的年化总成本的目标函数的求解结果确定储能系统的容量功率配置、储能输出功率的参考曲线以及每月的最大需量控制值以对储能系统进行容量配置；
其中，所述储能参与需量管理的年化总成本的目标函数由储能系统年均化投资成本和运行维护成本、考虑电池衰减影响的年均化等效损失成本、储能参与削峰填谷的年均电度电费收益和最小二乘约束以及储能参与需量控制后的年均基本电费收益确定。
本发明实施例还提供了一种储能系统容量配置设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述储能系统容量配置方法的步骤。
一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述储能系统容量配置方法的步骤。
本发明实施例提供的储能系统容量配置方法将目标函数构建为带有大规模变量条件约束的模型优化问题，能够综合应对不同的负荷特性曲线、分时电价、储能SoC、电池衰减和充放电功率等多个因素的影响，通过二次规划优化进行求解，可以得出年均总成本最低下的储能最优装机容量、功率配置，以及每月的最大需量控制值和储能功率控制指导，能够对储能的投资收益进行预估判断。
附图说明
图1为本发明实施例提供的储能系统容量配置方法的流程图；
图2为本发明实施例的原始负荷曲线，以及实施需量控制后的需量控制值以及储能充放电功率全局示意图；
图3为本发明实施例的需量控制的七月份负荷曲线示意图；
图4为本发明实施例的七月份典型周的功率曲线图；
图5为本发明实施例的需量控制的一月份负荷曲线示意图；
图6为本发明实施例的一月份典型周的功率曲线图；
图7为本发明实施例的储能未加最小二乘约束的储能输出曲线；
图8为本发明实施例的储能增加最小二乘约束的储能输出曲线；
图9为本发明实施例提供的储能系统容量配置装置的结构框图；
图10为本发明实施例提供的储能系统容量配置设备的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。
如图1所示，在一个实施例中，提出了一种储能系统容量配置方法，具体可以包括步骤S102～S106：
步骤S102，获取实施两部制电价场景下的电价信息以及负荷数据；
步骤S104，将所述电价信息以及所述负荷数据输入预设的储能参与需量管理的年化总成本的目标函数，对所述储能参与需量管理的年化总成本的目标函数进行二次规划求解；
步骤S106，根据所述储能参与需量管理的年化总成本的目标函数的求解结果确定储能系统的容量功率配置、储能输出功率的参考曲线以及每月的最大需量控制值以对储能系统进行容量配置；
其中，所述储能参与需量管理的年化总成本的目标函数由储能系统年均化投资成本和运行维护成本、考虑电池衰减影响的年均化等效损失成本、储能参与削峰填谷的年均电度电费收益和最小二乘约束以及储能参与需量控制后的年均基本电费收益确定。针对年化总成本包含最小二乘约束问题的求解，使用二次规划方法求解。
在本发明实施例中，两部制电价场景下的电价信息包括电度电价(包含每小时时间段的电价费用，通常划分为高峰、平段、低谷三个档次，个别地区额外包含尖峰电价)、基本电价(变压器容量电价(元/KVA.月)以及最大需量电价(元/KW.月)等基本信息)；负荷数据是指储能系统或能量管理系统(EMS)在拟实施储能控制的电网关口进线端，以某一特定采样频率(如15分钟、30分钟或1小时)下收集保存的负荷功率数值。
在一个实施例中，所述储能参与需量管理的年化总成本的目标函数为：
Fcost＝C1+C2-C3-C4
其中，Fcost为储能参与需量管理的年化总成本的目标函数；C1为储能系统年均化投资成本和运行维护成本；C2为考虑电池衰减影响的年均化等效损失成本；C3为储能参与削峰填谷的年均电度电费收益和最小二乘约束，C4为储能参与需量控制后的年均基本电费收益。
在一个实施例中，定义四类待求解变量：储能容量Cbat，装机功率Ppcs，储能输出功率集pi,j bat(t)，月度最大需量控制值Pdem(i)，所述储能参与需量管理的年化总成本的目标函数满足如下条件：
其中，C1函数中r为折现率，Ny系统运营年限，α为运维成本系数，wbat、wpcs分别为储能容量成本系数和装机功率成本系数，Cbat和Ppcs为待求解变量。C2为电池衰减等效损失函数，其中Ss、Se分别为储能初始容量和结束的剩余容量，Mcycle为项目生命周期内的电池总循环次数，M为等效损失系数，η为储能系统的充放电效率，Dmon表示年度的月份数，Dday表示在月份里的天数，T表示一天内的储能控制周期点数，|pi,j bat(t)|为在第i月第j天t时刻的待求解储能输出功率变量的绝对值，Efg、Efp表示峰谷电价差和峰平电价差，N为储能每日循环次数。C3为电度电费收益，在此上加入最小二乘约束，其中β为最小二乘约束系数，B∈Rt*t为对称矩阵，pi,j bat(t)T表示对功率变量进行转置，ep(t)为获取的t时刻的分时电价。C4函数中cd为最大需量电价，Pdem(i)为待求的第i个月的最大需量控制值，E(i)为在实施储能需量控制前的第i个月的基本电费。
在一个实施例中，储能充放电以及最大需量控制的约束条件为：
其中，pi,j load(t)为获取的在第i月第j天t时刻的原始用电负荷功率，SoC为电池的荷电状态，SoCmax和SoCmin表示最高和最低允许荷电状态，SoCini为设定初始的SoC状态值，Nc为储能系统的循环系数。pi,j d(t)为在有储能参与需量控制下的负荷功率，Pmin为允许向电网送电的最小功率值。
在本发明实施例中，上述约束条件中的第一项是储能输出功率小于系统的额定功率配置条件；第二项是储能与负荷共同作用下的功率平衡约束；第三、四项是储能充放电的SoC在SoCmin与SoCmax之间条件约束；第五、六项是电网进线的功率满足在Pmin和最大需量控制值Pdem(i)之间条件约束；第七项是约束储能日充放电起始和结束的状态一致；第八项是储能日充放电循环次数不超过Nc次的条件约束。
以下以具体实施例对本发明进行进一步说明。
原始负荷数据如图2所示，时间跨度为一年，从1月1日至12月31日，数据的间隔为1小时，总共8760个点的负荷功率值。值得注意的是，进一步缩短时间间隔可以提高计算精度，但会面临计算时间的大幅增加。
下面给出利用本发明任意一个实施例提供的储能系统容量配置方法进行容量配置的数据及结果：
系统参数设置r＝0.06，Ny＝10，α＝0.01，wbat＝1500，wpcs＝500，M＝82，Ss＝100％、Se＝80％，Mcycle＝5000，T＝24，Efg＝0.702，Efp＝0.397，N＝1，β＝0.5，B矩阵为8760维对称矩阵。T根据所提供负荷数据的颗粒度进行确定，如负荷为1小时颗粒度则T＝24，负荷为15分钟颗粒度则T＝96，以此类推。
分时电价信息ep(t)＝[0.3328,0.3328,0.3328,0.3328,0.3328,0.3328,0.3328,0.3328,0.638,0.638,0.638,0.638,0.638,0.638,1.0348,1.0348,1.0348,0.638,0.638,1.0348,1.0348,1.0348,0.638,0.638]，最大需量电价cd＝32。
M(i)为在实施储能需量控制前的第i个月基本电费，此处使用未加储能前的需量电费计算，数值为每月原最大需量乘以cd，每月原最大需量＝[263.5,279.18,413.75,416.37,641.14,720.47,661.39,611.10,624.93,579.68,479.12,491.69]。若实施场景未变更为需量计费模式，则按变压器容量计算，基本电费为变压器容量乘以容量电价。
设置SoCmax＝90％，SoCmin＝10％，SoCini＝10％，Pmin＝0。
求解出设备的整机容量和装机功率和月度最大需量控制值计算结果为：
储能容量Cbat＝617kWh，装机功率Ppcs＝138kW。
月度最大需量控制值Pdem＝[193.48,190.03,301.24,298.70,502.79,594.12,527.83,495.38,490.07,462.26,356.68,353.98]。
图2所示为在基于原始负荷数据的基础上，实施需量控制后求得的储能充放电功率pi,j bat以及每月的最大需量控制值Pdem的全局示意图。
图3中取七月份功率数据进行分析，最大需量需控制在527.83kW，图中可以看到，在原始负荷曲线叠加了储能充放电功率之后，功率能够限定在改设定的最大需量控制值之下。对储能的细节进行分析，图4为七月份典型周的数据，在前五天工作日时期，结合分时电价，储能在电价谷期进行充电，当原始负荷超过设定的需量控制值时，储能放电以抵消这部分功率，将负荷控制在最大需量值之下，剩余时刻当处于电价峰值期间，进行均匀放电，实施削峰填谷。在非工作日由于负荷未超出需量控制值，同时满足大于允许向电网送电的最小值，小于最大需量控制值的约束条件，故储能只运行在削峰填谷模式下。
图5中取一月份进行分析，最大需量需控制在193.48kW，图中可以看到，原始负荷的功率值明显较低。由于储能是按照一年的收益进行配置，故在该月储能容量相对较大，但规划指导结果仍然可以满足约束条件的限定，在参与需量控制后，负荷大于允许向电网送电的最小值，同时小于最大需量控制值。
详细分析储能充放电动作，图6为一月份典型周的功率曲线，在工作日，由于在电价谷期末端时期，原始负荷功率较低继续充电将会超出最大需量控制值，因此在电价末端储能充电功率降低，而电价谷期前端时期的充电功率增加，在电价谷期将储能充满。在两个电价峰期，由于第二个电价峰期的负荷较小，故储能在此阶段的放电降低以保证不倒送电，由此第一个电价峰期的储能放电功率相较更大。非工作日，由于在电价高峰期，储能不能完全放空电量，故剩余电量在电价平期进行放电，以完成储能系统设定的充放电循环周期指令。
图7和图8对比储能未加最小二乘约束和增加约束后的储能输出功率，在增加约束后，储能在除去需量控制的时刻，其输出功率连续、数值恒定，相较于未增加约束时的数值波动、随机。可以得到，在增加约束后有助于储能系统稳定持续运行，同时减小由于储能对原始负荷功率的扰动。
经过上述分析可知，本发明的参与需量管理的储能系统容量配置方法，能够自主的按照设定的约束条件进行优化求解，同时给出精确的储能充放电动作。适应在不同的负荷特性数据、分时电价信息、储能SoC信息，电池衰减和充放电功率输出等多个因素的影响下，得出参与需量控制的全生命周期下年均总成本最低的储能容量Cbat，装机功率Ppcs，储能输出功率集pi,j bat，月度最大需量控制值Pdem，该方法不仅可以指导储能的装机容量功率，同时可指导为获得最大收益下的储能充放电动作。实施例以整个年度进行大规模的变量计算求解，该方法同样也可经过降维或者适当调整处理后，应用于日、月、季度的拓展优化，用于指导需量控制。
特别的，针对已经安装了储能的场景，其装机容量和额定功率已知，该方法可经过简单变换，将储能容量、装机功率设为已知值，进而求解储能参与两部制电价下的运行最大年化收益，同时给出每月最大需量控制值和储能充放电功率的管理规划。
如图9所示，在一个实施例中，提供了一种储能系统容量配置装置，所述储能系统容量配置装置包括：
获取模块901，所述获取模块用于获取实施两部制电价场景下的电价信息以及负荷数据；
求解模块902，所述求解模块用于将所述电价信息以及所述负荷数据输入预设的储能参与需量管理的年化总成本的目标函数，对所述储能参与需量管理的年化总成本的目标函数进行二次规划求解；
配置模块903，所述配置模块用于根据所述储能参与需量管理的年化总成本的目标函数的求解结果确定储能系统的容量功率配置、储能输出功率的参考曲线以及每月的最大需量控制值以对储能系统进行容量配置；
其中，所述储能参与需量管理的年化总成本的目标函数由储能系统年均化投资成本和运行维护成本、考虑电池衰减影响的年均化等效损失成本、储能参与削峰填谷的年均电度电费收益和最小二乘约束以及储能参与需量控制后的年均基本电费收益确定。
在本发明实施例中，对于各个模块的具体方法流程，请参考前述任意一个或者多个实施例的组合，本发明实施例对些不再赘述。
本发明实施例提供的储能系统容量配置装置将目标函数构建为带有大规模变量条件约束的模型优化问题，能够综合应对不同的负荷特性曲线、分时电价、储能SoC、电池衰减和充放电功率等多个因素的影响，通过二次规划优化进行求解，可以得出年均总成本最低下的储能最优装机容量、功率配置，以及每月的最大需量控制值和储能功率控制指导，能够对储能的投资收益进行预估判断。
图10示出了一个实施例中储能系统容量配置设备的内部结构图。该储能系统容量配置设备如图10所示，该储能系统容量配置设备包括该储能系统容量配置设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中，存储器包括非易失性存储介质和内存储器。该储能系统容量配置设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现本发明实施例提供的储能系统容量配置方法。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行本发明实施例提供的储能系统容量配置方法。储能系统容量配置设备的显示屏可以是液晶显示屏或者电子墨水显示屏，储能系统容量配置设备的输入装置可以是显示屏上覆盖的触摸层，也可以是储能系统容量配置设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图10中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的储能系统容量配置设备的限定，具体的储能系统容量配置设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，本申请提供的储能系统容量配置装置可以实现为一种计算机程序的形式，计算机程序可在如图10所示的储能系统容量配置设备上运行。储能系统容量配置设备的存储器中可存储组成该储能系统容量配置装置的各个程序模块，比如，图9所示的获取模块、求解模块和配置模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的储能系统容量配置方法中的步骤。
例如，图10所示的储能系统容量配置设备可以通过如图9所示的储能系统容量配置装置中的获取模块执行步骤S102；储能系统容量配置设备可通过求解模块执行步骤S104；储能系统容量配置设备可通过配置模块执行步骤S106。
在一个实施例中，提出了一种储能系统容量配置设备，所述储能系统容量配置设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取实施两部制电价场景下的电价信息以及负荷数据；
将所述电价信息以及所述负荷数据输入预设的储能参与需量管理的年化总成本的目标函数，对所述储能参与需量管理的年化总成本的目标函数进行二次规划求解；
根据所述储能参与需量管理的年化总成本的目标函数的求解结果确定储能系统的容量功率配置、储能输出功率的参考曲线以及每月的最大需量控制值以对储能系统进行容量配置；
其中，所述储能参与需量管理的年化总成本的目标函数由储能系统年均化投资成本和运行维护成本、考虑电池衰减影响的年均化等效损失成本、储能参与削峰填谷的年均电度电费收益和最小二乘约束以及储能参与需量控制后的年均基本电费收益确定。
在一个实施例中，提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，使得处理器执行以下步骤：
获取实施两部制电价场景下的电价信息以及负荷数据；
将所述电价信息以及所述负荷数据输入预设的储能参与需量管理的年化总成本的目标函数，对所述储能参与需量管理的年化总成本的目标函数进行二次规划求解；
根据所述储能参与需量管理的年化总成本的目标函数的求解结果确定储能系统的容量功率配置、储能输出功率的参考曲线以及每月的最大需量控制值以对储能系统进行容量配置；
其中，所述储能参与需量管理的年化总成本的目标函数由储能系统年均化投资成本和运行维护成本、考虑电池衰减影响的年均化等效损失成本、储能参与削峰填谷的年均电度电费收益和最小二乘约束以及储能参与需量控制后的年均基本电费收益确定。
应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
Claims (4)
1.一种储能系统容量配置方法，其特征在于，所述储能系统容量配置方法包括以下步骤：
获取实施两部制电价场景下的电价信息以及负荷数据；
将所述电价信息以及所述负荷数据输入预设的储能参与需量管理的年化总成本的目标函数，对所述储能参与需量管理的年化总成本的目标函数进行二次规划求解；
根据所述储能参与需量管理的年化总成本的目标函数的求解结果确定储能系统的容量功率配置、储能输出功率的参考曲线以及每月的最大需量控制值以对储能系统进行容量配置；
其中，所述储能参与需量管理的年化总成本的目标函数由储能系统年均化投资成本和运行维护成本、考虑电池衰减影响的年均化等效损失成本、储能参与削峰填谷的年均电度电费收益和最小二乘约束以及储能参与需量控制后的年均基本电费收益确定；
所述储能参与削峰填谷的年均电度电费收益和最小二乘约束通过下式确定：；
其中，其中β为最小二乘约束系数，Dmon表示年度的月份数，Dday表示在月份里的天数，T表示一天内的储能控制周期点数，为在第i月第j天t时刻的待求解储能输出功率变量，B∈Rt*t为对称矩阵，/>表示对功率变量进行转置，ep(t)为获取的t时刻的分时电价，η为储能系统的充放电效率；
所述储能参与需量管理的年化总成本的目标函数为：
Fcost＝C1+C2-C3-C4
其中，Fcost为储能参与需量管理的年化总成本的目标函数；C1为储能系统年均化投资成本和运行维护成本；C2为考虑电池衰减影响的年均化等效损失成本；C3为储能参与削峰填谷的年均电度电费收益和最小二乘约束，C4为储能参与需量控制后的年均基本电费收益；
定义四类待求解变量：储能容量Cbat，装机功率Ppcs，储能输出功率集，月度最大需量控制值Pdem(i)，所述储能参与需量管理的年化总成本的目标函数满足如下条件：
；
其中，C1函数中r为折现率，Ny系统运营年限，α为运维成本系数，wbat、wpcs分别为储能容量成本系数和装机功率成本系数，Cbat和Ppcs为待求解变量；C2为电池衰减等效损失函数，其中Ss、Se分别为储能初始容量和结束的剩余容量，Mcycle为项目生命周期内的电池总循环次数，M为等效损失系数，η为储能系统的充放电效率，Dmon表示年度的月份数，Dday表示在月份里的天数，T表示一天内的储能控制周期点数，为在第i月第j天t时刻的待求解储能输出功率变量的绝对值，Efg、Efp表示峰谷电价差和峰平电价差，N为储能每日循环次数；C3为电度电费收益，在此上加入最小二乘约束，其中β为最小二乘约束系数，B∈Rt*t为对称矩阵，表示对功率变量进行转置，ep(t)为获取的t时刻的分时电价；C4函数中cd为最大需量电价，Pdem(i)为待求的第i个月的最大需量控制值，E(i)为在实施储能需量控制前的第i个月的基本电费；
储能充放电以及最大需量控制的约束条件为：
；
其中，为获取的在第i月第j天t时刻的原始用电负荷功率，SoC为电池的荷电状态，SoCmax和SoCmin表示最高和最低允许荷电状态，SoCini为设定初始的SoC状态值，Nc为储能系统的循环系数；/>为在有储能参与需量控制下的负荷功率，Pmin为允许向电网送电的最小功率值。
2.根据权利要求1所述的储能系统容量配置方法得到的一种储能系统容量配置装置，其特征在于，所述储能系统容量配置装置包括：
获取模块，所述获取模块用于获取实施两部制电价场景下的电价信息以及负荷数据；
求解模块，所述求解模块用于将所述电价信息以及所述负荷数据输入预设的储能参与需量管理的年化总成本的目标函数，对所述储能参与需量管理的年化总成本的目标函数进行二次规划求解；
配置模块，所述配置模块用于根据所述储能参与需量管理的年化总成本的目标函数的求解结果确定储能系统的容量功率配置、储能输出功率的参考曲线以及每月的最大需量控制值以对储能系统进行容量配置；
其中，所述储能参与需量管理的年化总成本的目标函数由储能系统年均化投资成本和运行维护成本、考虑电池衰减影响的年均化等效损失成本、储能参与削峰填谷的年均电度电费收益和最小二乘约束以及储能参与需量控制后的年均基本电费收益确定。
3.一种储能系统容量配置设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1所述储能系统容量配置方法的步骤。
4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行权利要求1所述储能系统容量配置方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010672168.2A CN111898805B (zh) | 2020-07-14 | 2020-07-14 | 一种储能系统容量配置方法、装置、配置设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010672168.2A CN111898805B (zh) | 2020-07-14 | 2020-07-14 | 一种储能系统容量配置方法、装置、配置设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111898805A CN111898805A (zh) | 2020-11-06 |
| CN111898805B true CN111898805B (zh) | 2023-09-26 |
Family
ID=73192562
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010672168.2A Active CN111898805B (zh) | 2020-07-14 | 2020-07-14 | 一种储能系统容量配置方法、装置、配置设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111898805B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112488370B (zh) * | 2020-11-20 | 2023-09-22 | 西安热工研究院有限公司 | 一种采用需求侧响应规划的储能优化方法 |
| CN112365089B (zh) * | 2020-11-26 | 2022-12-02 | 南方电网能源发展研究院有限责任公司 | 考虑分时电价的长时间尺度储能容量配置与控制优化方法 |
| CN112906961A (zh) * | 2021-02-08 | 2021-06-04 | 阳光电源（上海）有限公司 | 储能控制方法、装置、非易失性存储介质及电子装置 |
| CN113572182A (zh) * | 2021-07-06 | 2021-10-29 | 水发能源集团有限公司 | 一种光伏建筑储能系统蓄电池组容量的测算方法 |
| CN114928054B (zh) * | 2022-07-18 | 2022-11-08 | 国网江西省电力有限公司经济技术研究院 | 考虑新能源不确定性的储能多目标协调优化方法及系统 |
| 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 |
| CN117273309B (zh) * | 2023-08-28 | 2024-04-30 | 国家电网有限公司华东分部 | 一种储能系统容量配置方法、装置、存储介质及电子设备 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103904686A (zh) * | 2014-04-03 | 2014-07-02 | 国家电网公司 | 一种考虑电力系统协同能力的经济调度方法 |
| 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 |
| CN109325608A (zh) * | 2018-06-01 | 2019-02-12 | 国网上海市电力公司 | 考虑储能并计及光伏随机性的分布式电源优化配置方法 |
| CN109617066A (zh) * | 2019-01-04 | 2019-04-12 | 上海电力学院 | 基于电价体系的储能配置方法 |
| CN109740827A (zh) * | 2019-02-14 | 2019-05-10 | 华北电力大学 | 一种基于双层优化的区域综合能源系统规划优化方法 |
| CN109995025A (zh) * | 2019-03-11 | 2019-07-09 | 上海电力学院 | 一种基于两部制电价体系的储能控制方法 |
| US10382166B1 (en) * | 2017-02-22 | 2019-08-13 | Seagate Technology Llc | Constrained receiver parameter optimization |
| CN110414744A (zh) * | 2019-08-07 | 2019-11-05 | 东北电力大学 | 磷酸铁锂电池储能系统辅助火电机组深度调峰的分层优化方法 |
| CN110417012A (zh) * | 2019-08-01 | 2019-11-05 | 国电南瑞科技股份有限公司 | 一种频率安全约束下的电网储能容量配置方法及系统 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7991512B2 (en) * | 2007-08-28 | 2011-08-02 | General Electric Company | Hybrid robust predictive optimization method of power system dispatch |
| US10416662B2 (en) * | 2015-09-22 | 2019-09-17 | International Business Machines Corporation | Maintenance optimization for asset performance management |
| US20170351234A1 (en) * | 2016-06-03 | 2017-12-07 | Bosch Energy Storage Solutions Llc | Methods and systems for reducing a peak energy purchase |
| US10591926B2 (en) * | 2017-09-18 | 2020-03-17 | Baidu Usa Llc | Smooth road reference for autonomous driving vehicles based on 2D constrained smoothing spline |
-
2020
- 2020-07-14 CN CN202010672168.2A patent/CN111898805B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103904686A (zh) * | 2014-04-03 | 2014-07-02 | 国家电网公司 | 一种考虑电力系统协同能力的经济调度方法 |
| US10382166B1 (en) * | 2017-02-22 | 2019-08-13 | Seagate Technology Llc | Constrained receiver parameter optimization |
| 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 |
| CN109325608A (zh) * | 2018-06-01 | 2019-02-12 | 国网上海市电力公司 | 考虑储能并计及光伏随机性的分布式电源优化配置方法 |
| CN109617066A (zh) * | 2019-01-04 | 2019-04-12 | 上海电力学院 | 基于电价体系的储能配置方法 |
| CN109740827A (zh) * | 2019-02-14 | 2019-05-10 | 华北电力大学 | 一种基于双层优化的区域综合能源系统规划优化方法 |
| CN109995025A (zh) * | 2019-03-11 | 2019-07-09 | 上海电力学院 | 一种基于两部制电价体系的储能控制方法 |
| CN110417012A (zh) * | 2019-08-01 | 2019-11-05 | 国电南瑞科技股份有限公司 | 一种频率安全约束下的电网储能容量配置方法及系统 |
| CN110414744A (zh) * | 2019-08-07 | 2019-11-05 | 东北电力大学 | 磷酸铁锂电池储能系统辅助火电机组深度调峰的分层优化方法 |
Non-Patent Citations (7)
| Title |
|---|
| A Quadratic Programming-Based Power Dispatch Method for a DC-Microgrid;CHANGWOO YOON;IEEE POWER & ENERGY SOCIETY SECTION;第8卷;211924-211936 * |
| Optimal configuration of energy storage capacity in wind farms based on cloud energy storage service;Ting Chen;IET Renewable Power Generation;第16卷(第1期);211-222 * |
| 基于频谱分析的微网混合储能容量优化配置;罗鹏;杨天蒙;娄素华;吴耀武;;电网技术(第02期);50-55 * |
| 电气化铁路再生制动能量利用系统研究;李明林;中国优秀硕士学位论文全文数据库工程科技Ⅱ辑(第7期);C033-527 * |
| 考虑需量管理的用户侧储能优化配置策略研究;张继元;陈皓勇;王卫宏;;电力需求侧管理(第05期);19-24+37 * |
| 面向综合能源系统建模与分析的能量网络理论;陈皓勇;南方电网技术;第14卷(第2期);62-74 * |
| 风储系统容量配置优化目标及优化算法综述;叶筱;蒋克勇;刘磊;刘润东;周亚男;;节能(第06期);173-182 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111898805A (zh) | 2020-11-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111898805B (zh) | 一种储能系统容量配置方法、装置、配置设备和存储介质 | |
| Sukumar et al. | Mix-mode energy management strategy and battery sizing for economic operation of grid-tied microgrid | |
| Lujano-Rojas et al. | Optimizing daily operation of battery energy storage systems under real-time pricing schemes | |
| Chen et al. | Energy storage subsidy estimation for microgrid: A real option game-theoretic approach | |
| David et al. | Consumer rationality assumptions in the real-time pricing of electricity | |
| Wang et al. | Optimal planning of stand-alone microgrids incorporating reliability | |
| Hartmann et al. | Evaluation of business possibilities of energy storage at commercial and industrial consumers–A case study | |
| Lu et al. | A hybrid deep learning-based online energy management scheme for industrial microgrid | |
| Sayfutdinov et al. | Alternating direction method of multipliers for the optimal siting, sizing, and technology selection of Li-ion battery storage | |
| Chandran et al. | Demand response and consumer inconvenience | |
| Kim et al. | Field study on operational performance and economics of lithium-polymer and lead-acid battery systems for consumer load management | |
| Lee et al. | Development of energy storage system scheduling algorithm for simultaneous self-consumption and demand response program participation in South Korea | |
| Biroon et al. | Commercial load profile sensitivity analysis to electricity tariffs and battery characteristics | |
| CN113689068B (zh) | 一种电力电量平衡规划方法、装置及终端设备 | |
| Sheibani et al. | Economics of energy storage options to support a conventional power plant: A stochastic approach for optimal energy storage sizing | |
| Stephen et al. | Impact of storage dispatch assumptions on resource adequacy and capacity credit | |
| Ramos et al. | Effect of price responsive demand on the operation of microgrids | |
| Dong et al. | Day-ahead wind-thermal unit commitment considering historical virtual wind power data | |
| Xu et al. | Identifying the optimum wind capacity for a power system with interconnection lines | |
| CN115936260B (zh) | 虚拟电厂用户储能调度方法、装置、电子设备及存储介质 | |
| Kamyar et al. | Multi-objective dynamic programming for constrained optimization of non-separable objective functions with application in energy storage | |
| Jiang et al. | Monthly electricity purchase and decomposition optimization considering wind power accommodation and day-ahead schedule | |
| Alrumayh et al. | Inclusion of battery SoH estimation in smart distribution planning with energy storage systems | |
| Poncelet et al. | Lusym invest: a generation expansion planning model with a high level of temporal and technical detail | |
| CN112510679B (zh) | 分布式储能优化调度方法、装置、计算机设备和存储介质 |
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 |