CN111899054A - 面向分布式可再生能源产消者的共享储能控制方法和系统 - Google Patents

面向分布式可再生能源产消者的共享储能控制方法和系统 Download PDF

Info

Publication number
CN111899054A
CN111899054A CN202010742863.1A CN202010742863A CN111899054A CN 111899054 A CN111899054 A CN 111899054A CN 202010742863 A CN202010742863 A CN 202010742863A CN 111899054 A CN111899054 A CN 111899054A
Authority
CN
China
Prior art keywords
energy
energy storage
storage service
decision
renewable 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
Application number
CN202010742863.1A
Other languages
English (en)
Other versions
CN111899054B (zh
Inventor
王燕舞
崔世常
肖江文
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.)
Huazhong University of Science and Technology
State Grid Hubei Electric Power Co Ltd
Original Assignee
Huazhong University of Science and Technology
State Grid Hubei 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 Huazhong University of Science and Technology, State Grid Hubei Electric Power Co Ltd filed Critical Huazhong University of Science and Technology
Priority to CN202010742863.1A priority Critical patent/CN111899054B/zh
Publication of CN111899054A publication Critical patent/CN111899054A/zh
Application granted granted Critical
Publication of CN111899054B publication Critical patent/CN111899054B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • 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
    • 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
    • Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
    • Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Finance (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Accounting & Taxation (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开面向分布式可再生能源产消者的共享储能控制方法和系统，属于能源消纳领域。包括：以所有参与共享储能的产消者、储能方和运营商的总能源成本最小化为目标函数；在电力市场的能源交易成本以运营商与电力系统接口的下行和上行能量为决策量；产消者可调度负荷通过用电产生效益以各产消者控制时段实控灵活负荷耗能和通过运营商间接向储能方提出的能源消纳为决策量，储能方储能损耗成本以各储能方控制时段充放电速度和通过运营商间接接收产消者提出的能源消纳为决策量，对各决策变量构建约束条件，以构建能源系统共享储能优化控制模型；采用分布式优化对能源系统共享储能优化控制模型求解，获得多产消者对多储能共享的控制方案。

Description

面向分布式可再生能源产消者的共享储能控制方法和系统
技术领域
本发明属于电力系统中可再生能源消纳领域，更具体地，涉及面向分布式可再生能源产消者的共享储能控制方法和系统。
背景技术
由于传统化石能源的日益紧张，可再生能源开始被广泛关注和发展，除了大规模的可再生能源接入电网以外，各种小型的分散式可再生能源产消者，如安装屋顶光伏系统可再生能源产消者等也开始迅速发展。可再生能源具有间歇性和随机性的特点，对电网的调度工作提出了挑战；可再生能源的并网对大电网电压和频率的影响非常大，严重影响大电网电能质量；由于电力市场的不完善，可再生能源的利用率得不到提升，弃用率较高。
目前提升新能源消纳的最直接可靠的方式是利用储能设备将过剩的可再生能源存储起来在后续时段放电用于电力消耗。但是在目前的技术发展和商业条件下，小型新能源可再生能源产消者直接配备储能设备的投资成本较大因此经济性不强。另一方面，电动汽车的普及和现有储能电池回收再利用业务发展提供了公共储能服务的可能，这样的新型公共储能服务平均成本低，通过提供共享储能服务可实现可盈利运营业务，因此共享储能有望成为一类重要的新能源消纳的控制手段之一。
发明内容
针对现有技术面向可再生能源产消者的多储能共享的改进需求，本发明提供了面向分布式可再生能源产消者的共享储能控制方法和系统，其目的在于提高可再生能源产消者的新能源消纳减少对主电网的依赖和不利影响，提高电力系统的稳定性。
为实现上述目的，按照本发明的第一方面，提供了一种面向分布式可再生能源产消者的共享储能控制方法，该方法包括以下步骤：
S1.以所有参与共享储能业务可再生能源产消者、储能服务提供方和运营商的总能源成本最小化为目标函数，所述总能源成本＝在电力市场的能源交易成本－所有可再生能源产消者可调度负荷通过用电产生的效益+所有储能服务提供方的储能损耗成本；所述在电力市场的能源交易成本以运营商与电力系统接口的下行和上行能量为决策变量；所述可再生能源产消者可调度负荷通过用电产生的效益以各可再生能源产消者优化控制时段实控灵活负荷耗能和通过运营商间接向储能服务提供方提出的能源消纳为决策变量；所述储能服务提供方的储能损耗成本以各储能服务提供方优化控制时段的充电速度、放电速度和通过运营商间接接收可再生能源产消者提出的能源消纳为决策变量；并对各决策变量构建约束条件，从而构建包括决策变量、目标函数和约束条件的能源系统共享储能优化控制模型；
S2.采用分布式优化方法，对构建的能源系统共享储能优化控制模型求解，获得多可再生能源产消者对多储能共享的控制方案。
优选地，所述目标函数表示如下：
Figure BDA0002606119770000021
其中，xn表示可再生能源产消者n决策量，ym表示储能服务提供方m决策量，zo表示运营商决策量，Xn表示决策变量xn独立约束集，Ym表示决策变量ym独立约束集，Zo表示决策变量zo独立约束集，
Figure BDA0002606119770000022
表示整个优化控制期间在电力市场的能源交易成本，
Figure BDA0002606119770000023
表示可再生能源产消者n在整个优化控制期间的可调度负荷通过用电产生的效益，
Figure BDA0002606119770000031
表示储能服务提供方m在整个优化控制期间的储能损耗成本，
Figure BDA0002606119770000032
分别表示优化控制时段h运营商与电力系统接口的下行和上行能量，
Figure BDA0002606119770000033
表示可再生能源产消者优化控制时段h的实控灵活负荷耗能，
Figure BDA0002606119770000034
分别表示储能服务提供方m优化控制时段h的充电速度和放电速度，N表示能源系统中可再生能源产消者的数量，M表示能源系统中储能服务提供方的数量。
优选地，可再生能源产消者n在整个优化控制期间的可调度负荷通过用电产生的效益计算公式如下：
Figure BDA0002606119770000035
其中，Mn,αn表示可再生能源产消者n的已知效益参数，
Figure BDA0002606119770000036
表示可再生能源产消者优化控制时段h的预设灵活负荷耗能，H表示优化控制时段的数量。
优选地，储能服务提供方m在整个优化控制期间的储能损耗成本计算公式如下：
Figure BDA0002606119770000037
其中，βm为储能服务提供方m已知损耗参数，H表示优化控制时段的数量。
优选地，整个优化控制期间在电力市场的能源交易成本计算公式如下：
Figure BDA0002606119770000038
其中，
Figure BDA0002606119770000039
表示本地电力波动调控成本，ω表示波动成本参数，
Figure BDA00026061197700000310
分别表示消耗和回馈电能的电力市场的价格，H表示优化控制时段的数量。
优选地，决策变量
Figure BDA0002606119770000041
独立约束集Xn表示如下：
Figure BDA0002606119770000042
决策变量
Figure BDA0002606119770000043
独立约束集Ym表示如下：
Figure BDA0002606119770000044
决策变量
Figure BDA0002606119770000045
独立约束集Zo表示如下：
Figure BDA0002606119770000046
其中，
Figure BDA0002606119770000047
表示可再生能源产消者n优化控制时段h灵活负荷调度区间，
Figure BDA0002606119770000048
表示可再生能源产消者n优化控制时段h的基础固定负荷，
Figure BDA0002606119770000049
表示可再生能源产消者n优化控制时段h可再生能源发电，
Figure BDA00026061197700000410
表示储能服务提供方m优化控制时段h通过运营商间接接收可再生能源产消者提出的能源消纳，
Figure BDA00026061197700000411
表示储能服务提供方m最大充电速度，
Figure BDA00026061197700000412
表示储能服务提供方m最大放电速度，Sm,h表示储能服务提供方m优化控制时段h时的储能水平，ηchr表示充电效率，ηdis表示放电效率，
Figure BDA00026061197700000413
分别表示储能服务提供方m最小储能水平和最大储能水平。
优选地，步骤S2包括以下步骤：
S21.引入辅助变量
Figure BDA00026061197700000414
将约束集Zo的全局耦合约束
Figure BDA00026061197700000415
Figure BDA00026061197700000416
解耦为两两耦合约束
Figure BDA0002606119770000051
和辅助变量独立约束
Figure BDA0002606119770000052
所述能源系统共享储能优化控制模型转化为：
Figure BDA0002606119770000053
Figure BDA0002606119770000054
其中，λn,h,λm,h表示对应约束的对偶乘子；
S22.基于转化后的目标函数，构建如下拉格朗日函数：
Figure BDA0002606119770000055
Figure BDA0002606119770000056
其中，μ,υ表示给定的罚参数；
S23.对所有可再生能源产消者决策变量和所有储能服务提供方决策变量，通过交替方向乘子法协同分布式迭代求解上述拉格朗日函数；
S24.求得的拉格朗日乘子作为可再生能源产消者进行能源消纳和储能提供服务的单价，对业务运营进行完整结算。
优选地，步骤S23中，采用交替方向乘子法求解优化控制问题时，以k表示当前迭代次数，在每一次迭代时，需要执行如下步骤：
(1)更新可再生能源产消者n决策量
Figure BDA0002606119770000057
(2)更新储能服务提供方m更新决策量
Figure BDA0002606119770000061
(3)更新运营商决策量
Figure BDA0002606119770000062
(4)更新对偶乘子
Figure BDA0002606119770000063
Figure BDA0002606119770000064
Figure BDA0002606119770000065
(5)当两次迭代的决策更新变化小于设定阈值时，停止迭代。
优选地，步骤S24中，对可再生能源产消者n而言，其结算控制方案表示为
Figure BDA0002606119770000066
即所有可再生能源产消者按乘子对其决策共享储能消纳需求向运营商进行结算；对与共享储能的储能服务提供方m而言，其结算控制方案表示为
Figure BDA0002606119770000067
即所有储能服务提供方按乘子对其决策的共享储能业务时的消纳方案向运营商进行结算；运营商协同所有可再生能源产消者和储能进行信息验证和结算。
为实现上述目的，按照本发明的第二方面，提供了一种面向分布式可再生能源产消者的共享储能控制系统，包括：计算机可读存储介质和处理器；
所述计算机可读存储介质用于存储可执行指令；
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行第一方面所述的面向分布式可再生能源产消者的共享储能控制方法。
总体而言，通过本发明所构思的以上技术方案，能够取得以下有益效果：
本发明通过分布式决策所有可再生能源产消者负荷计划及可再生能源消纳需求，所有储能服务提供方提供共享储能服务的充放电计划及对应消纳方案，设计优化控制问题充分考虑可再生能源产消者可调度负荷通过用电产生的效益、储能服务提供方的储能损耗成本、本地电力波动调控成本，通过分布式方法求解优化控制问题进行决策，在求解优化控制问题后根据消纳需求，相关约束对应得到的影子价格作为可再生能源产消者能源消纳和储能服务提供方提供储能服务的相应结算价格，实现完整的共享储能业务控制方法。发明中分布式控制特点避免了集中式优化控制涉及的隐私保护问题、利用节点算力充分减少运营商的计算负担；多储能分享控制方法最主要实现了可再生能源的本地消纳，减少能源弃用或对电网冲击影响以提升电网能效和稳定性。
附图说明
图1为本发明提供的一种面向分布式可再生能源产消者的共享储能控制方法流程图；
图2为本发明提供的能源系统框架示意图。
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。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示，本发明提供了一种面向分布式可再生能源产消者的共享储能控制方法，该方法包括以下步骤：
步骤S1.构建能源系统共享储能优化控制模型。
如图2所示，能源系统内包括：N个可再生能源产消者，M个储能服务提供方，以及运营商。其中，可再生能源产消者n∈{1,2,…,N}是指屋顶光伏用户、能源楼宇或者一般微电网，用于配备可再生能源发电设备和可调度灵活负荷，因为可再生能源产消者具备新能源发电能力，其发电和用电并不匹配，因此考虑通过利用共享储能服务提高新能源消纳水平，具体地，通过运营商间接向储能服务提供方提出能源消纳需求；储能服务提供方m∈{1,2,…,M}是指大型储能电站、电动汽车停车场或者小型储能设备等，用于提供储能设备和可调度充放电计划，通过运营商间接接收可再生能源产消者消纳需求，在新能源发电高水平时将多余能量进行充电，以在新能源发电低水平时放电用于电力需求；运营商是指电力公司、配电站或者一般电力交易平台，用于控制整体需求，并提供相应的共享储能业务结算功能，由运营商协同多可再生能源产消者多储能实现共享控制，提高全局能效和减少对电网的净需求。
优化控制考虑调度区间时间段包含多个单位时间，单位时间可以是小时或其他，表示为时段h∈{1,2,…,H}。例如，对一天进行规划或控制，若以小时为单位时间，则一次优化控制整24个小时的能源消纳。
以
Figure BDA0002606119770000081
表示可再生能源产消者n优化控制时段h的基础固定负荷，以
Figure BDA0002606119770000082
分别表示可再生能源产消者优化控制时段h的预设灵活负荷耗能和实控灵活负荷耗能(反映可再生能源产消者的负荷计划)，以
Figure BDA0002606119770000083
表示可再生能源产消者n在整个优化控制区间的可调度负荷通过用电产生的效益，其中，Mn,αn为每个可再生能源产消者的已知效益参数。例如，温度调节类负荷，Mn可以表示为实现目标温度时的基本效益，当实际温度偏离时会产生损失，此时，αn表示温度敏感系数。以
Figure BDA0002606119770000084
表示可再生能源产消者n优化控制时段h灵活负荷调度区间。以
Figure BDA0002606119770000085
表示可再生能源产消者n优化控制时段h可再生能源发电，以
Figure BDA0002606119770000086
表示可再生能源产消者n优化控制时段h通过运营商间接向储能提出的能源消纳(反映可再生能源产消者对可再生能源消纳需求)。
Figure BDA0002606119770000091
表示需要向储能输送能量进行存储，
Figure BDA0002606119770000092
表示需要向储能获取能量进行利用。
以
Figure BDA0002606119770000093
表示储能服务提供方m优化控制时段h通过运营商间接接收可再生能源产消者提出的能源消纳(反映储能方消纳方案)，
Figure BDA0002606119770000094
表示储能服务提供方m优化控制时段h接收可再生能源产消者的传输能量存储到系统中，
Figure BDA0002606119770000095
表示储能服务提供方m优化控制时段h释放能量并传输至可再生能源产消者进行消纳。以
Figure BDA0002606119770000096
分别表示储能服务提供方m优化控制时段h的充电速度和放电速度(反映储能方共享储能服务的充放电计划)，由此以
Figure BDA0002606119770000097
建立储能服务提供方m在整个时间段的储能损耗成本，其中，βm为每个储能服务提供方已知损耗参数。
以
Figure BDA0002606119770000098
分别表示优化控制时段h运营商与电力系统接口的下行和上行能量，前者表示从电网消耗的电能，后者表示回馈给电网的电能，消耗和回馈电能分别通过电力市场的价格
Figure BDA0002606119770000099
进行结算。因此，整个时间段在电力市场的能源交易成本表示为
Figure BDA00026061197700000910
Figure BDA00026061197700000911
其中，
Figure BDA00026061197700000912
表示本地电力波动调控成本，ω表示波动成本参数。
综上所述，本发明以所有参与共享储能业务可再生能源产消者、储能和运营的总能源成本最小化为优化控制目标，目标函数表示如下：
Figure BDA00026061197700000913
Figure BDA00026061197700000914
Figure BDA00026061197700000915
Figure BDA0002606119770000101
其中，xn表示可再生能源产消者n决策量，ym表示储能服务提供方m决策量，zo表示运营商决策量。
决策变量独立约束集Xn表示如下：
Figure BDA0002606119770000102
第一行约束表示灵活负荷调度区间约束；第二行约束表示可再生能源产消者能量系统在考虑共享储能时的供需平衡。
决策变量独立约束集Ym表示如下：
Figure BDA0002606119770000103
其中，
Figure BDA0002606119770000104
表示储能服务提供方m最大充电速度，
Figure BDA0002606119770000105
表示储能服务提供方m最大放电速度，Sm,h表示储能服务提供方m优化控制时段h时的储能水平，ηchr表示充电效率，ηdis表示放电效率，
Figure BDA0002606119770000106
分别表示储能服务提供方m最小储能水平约束和最大储能水平约束。
第一行约束表示充放电功率约束；第二行约束表示储能服务提供方m储能状态且必须满足第三行的储能约束；第四行表示储能服务提供方在提供共享储能服务时的本地供需平衡。
决策变量独立约束集Zo表示如下：
Figure BDA0002606119770000107
第一行约束表示多可再生能源产消者多储能共享整个系统的供需平衡，是多可再生能源产消者和多储能的耦合约束；第二行约束表示买电和卖电都是非负的。
步骤S2.对构建的能源系统共享储能优化控制模型求解，获得多可再生能源产消者对多储能共享的控制方案。
本发明引入辅助变量
Figure BDA0002606119770000111
用于将约束集Zo的全局耦合约束
Figure BDA0002606119770000112
解耦为两两耦合约束
Figure BDA0002606119770000113
和辅助变量独立约束
Figure BDA0002606119770000114
便于分布式求解。
以
Figure BDA0002606119770000115
Figure BDA0002606119770000116
表示运营商加入辅助变量后的决策向量，其单独约束集
Figure BDA0002606119770000117
表示为：
Figure BDA0002606119770000118
将以上优化控制问题变成如下形式：
Figure BDA0002606119770000119
Figure BDA00026061197700001110
其中，λn,h,λm,h表示对应约束的对偶乘子，其意义也可以引申为对应决策量
Figure BDA00026061197700001111
的边际单位价格。
构建如下拉格朗日函数：
Figure BDA0002606119770000121
Figure BDA0002606119770000122
其中，μ,υ表示给定的罚参数(常数)，即可将本发明中的优化控制问题通过交替方向乘子法由所有可再生能源产消者、储能服务提供方、和运营商协同分布式迭代求解。
采用交替方向乘子法求解优化控制问题，以k表示当前迭代次数，在每一次迭代时，需要执行如下步骤：
1.更新可再生能源产消者n决策量
Figure BDA0002606119770000123
2.更新储能服务提供方m更新决策量
Figure BDA0002606119770000124
3.更新运营商决策量
Figure BDA0002606119770000125
4.更新对偶乘子
Figure BDA0002606119770000126
Figure BDA0002606119770000127
Figure BDA0002606119770000128
5.当两次迭代的决策更新变化足够小时，即实现收敛可停止迭代。
初始值可以全都设置为0，迭代停止条件为乘子的变化低于设定阈值。在本发明中，求得的拉格朗日乘子作为可再生能源产消者进行能源消纳和储能提供服务的单价，以便于对业务运营进行完整结算。
具体地，对可再生能源产消者n而言，其结算控制方案表示为
Figure BDA0002606119770000131
即所有可再生能源产消者按乘子(价格)对其决策共享储能消纳需求向运营商进行结算；对与共享储能的储能服务提供方m而言，其结算控制方案表示为
Figure BDA0002606119770000132
即所有储能服务提供方按乘子(价格)对其决策的共享储能业务时的消纳方案向运营商进行结算。运营商协同所有可再生能源产消者和储能进行信息验证和结算。所有可再生能源产消者和储能服务提供方实际运行时，按照消纳控制方案对可再生能源进行消纳。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种面向分布式可再生能源产消者的共享储能控制方法，其特征在于，该方法包括以下步骤：
S1.以所有参与共享储能业务的可再生能源产消者、储能服务提供方和运营商的总能源成本最小化为目标函数，所述总能源成本＝在电力市场的能源交易成本-所有可再生能源产消者可调度负荷通过用电产生的效益+所有储能服务提供方的储能损耗成本；所述在电力市场的能源交易成本以运营商与电力系统接口的下行和上行能量为决策变量；所述可再生能源产消者可调度负荷通过用电产生的效益以各可再生能源产消者优化控制时段实控灵活负荷耗能和通过运营商间接向储能服务提供方提出的能源消纳为决策变量；所述储能服务提供方的储能损耗成本以各储能服务提供方优化控制时段的充电速度、放电速度和通过运营商间接接收可再生能源产消者提出的能源消纳为决策变量；并对各决策变量构建约束条件，从而构建包括决策变量、目标函数和约束条件的能源系统共享储能优化控制模型；
S2.采用分布式优化方法，对构建的能源系统共享储能优化控制模型求解，获得多可再生能源产消者对多储能共享的控制方案。
2.如权利要求1所述的方法，其特征在于，所述目标函数表示如下：
Figure FDA0002606119760000011
其中，xn表示可再生能源产消者n决策量，ym表示储能服务提供方m决策量，zo表示运营商决策量，Xn表示决策变量xn独立约束集，Ym表示决策变量ym独立约束集，Zo表示决策变量zo独立约束集，
Figure FDA0002606119760000012
表示整个优化控制期间在电力市场的能源交易成本，
Figure FDA0002606119760000013
表示可再生能源产消者n在整个优化控制期间的可调度负荷通过用电产生的效益，
Figure FDA0002606119760000014
表示储能服务提供方m在整个优化控制期间的储能损耗成本，
Figure FDA0002606119760000021
分别表示优化控制时段h运营商与电力系统接口的下行和上行能量，
Figure FDA0002606119760000022
表示可再生能源产消者优化控制时段h的实控灵活负荷耗能，
Figure FDA0002606119760000023
分别表示储能服务提供方m优化控制时段h的充电速度和放电速度，N表示能源系统中可再生能源产消者的数量，M表示能源系统中储能服务提供方的数量。
3.如权利要求2所述的方法，其特征在于，可再生能源产消者n在整个优化控制期间的可调度负荷通过用电产生的效益计算公式如下：
Figure FDA0002606119760000024
其中，Mn，αn表示可再生能源产消者n的已知效益参数，
Figure FDA0002606119760000025
表示可再生能源产消者优化控制时段h的预设灵活负荷耗能，H表示优化控制时段的数量。
4.如权利要求2或3所述的方法，其特征在于，储能服务提供方m在整个优化控制期间的储能损耗成本计算公式如下：
Figure FDA0002606119760000026
其中，βm为储能服务提供方m已知损耗参数，H表示优化控制时段的数量。
5.如权利要求2至4任一项所述的方法，其特征在于，整个优化控制期间在电力市场的能源交易成本计算公式如下：
Figure FDA0002606119760000027
其中，ω表示波动成本参数，
Figure FDA0002606119760000028
分别表示消耗和回馈电能的电力市场的价格，H表示优化控制时段的数量。
6.如权利要求2至5任一项所述的方法，其特征在于，决策变量
Figure FDA0002606119760000031
独立约束集Xn表示如下：
Figure FDA0002606119760000032
决策变量
Figure FDA0002606119760000033
独立约束集Ym表示如下：
Figure FDA0002606119760000034
决策变量
Figure FDA0002606119760000035
独立约束集Zo表示如下：
Figure FDA0002606119760000036
其中，
Figure FDA0002606119760000037
表示可再生能源产消者n优化控制时段h灵活负荷调度区间，
Figure FDA0002606119760000038
表示可再生能源产消者n优化控制时段h的基础固定负荷，
Figure FDA0002606119760000039
表示可再生能源产消者n优化控制时段h可再生能源发电，
Figure FDA00026061197600000310
表示储能服务提供方m优化控制时段h通过运营商间接接收可再生能源产消者提出的能源消纳，
Figure FDA00026061197600000311
表示储能服务提供方m最大充电速度，
Figure FDA00026061197600000312
表示储能服务提供方m最大放电速度，Sm，h表示储能服务提供方m优化控制时段h时的储能水平，ηchr表示充电效率，ηdis表示放电效率，
Figure FDA00026061197600000313
分别表示储能服务提供方m最小储能水平和最大储能水平。
7.如权利要求6所述的方法，其特征在于，步骤S2包括以下步骤：
S21.引入辅助变量
Figure FDA00026061197600000314
和
Figure FDA00026061197600000315
将约束集Zo的全局耦合约束
Figure FDA00026061197600000316
解耦为两两耦合约束
Figure FDA00026061197600000317
和辅助变量独立约束
Figure FDA0002606119760000041
所述能源系统共享储能优化控制模型转化为：
Figure FDA0002606119760000042
Figure FDA0002606119760000043
其中，λn，h，λm，h表示对应约束的对偶乘子；
S22.基于转化后的目标函数，构建如下拉格朗日函数：
Figure FDA0002606119760000044
Figure FDA0002606119760000045
其中，μ，υ表示给定的罚参数；
S23.对所有可再生能源产消者决策变量和所有储能服务提供方决策变量，通过交替方向乘子法协同分布式迭代求解上述拉格朗日函数；
S24.求得的拉格朗日乘子作为可再生能源产消者进行能源消纳和储能提供服务的单价，对业务运营进行完整结算。
8.如权利要求7所述的方法，其特征在于，步骤S23中，采用交替方向乘子法求解优化控制问题时，以k表示当前迭代次数，在每一次迭代时，需要执行如下步骤：
(1)更新可再生能源产消者n决策量
Figure FDA0002606119760000046
(2)更新储能服务提供方m更新决策量
Figure FDA0002606119760000047
(3)更新运营商决策量
Figure FDA0002606119760000051
(4)更新对偶乘子
Figure FDA0002606119760000052
Figure FDA0002606119760000053
Figure FDA0002606119760000054
(5)当两次迭代的决策对偶乘子更新变化小于设定阈值时，停止迭代。
9.如权利要求7或8所述的方法，其特征在于，步骤S24中，对可再生能源产消者n而言，其结算控制方案表示为
Figure FDA0002606119760000055
即所有可再生能源产消者按乘子对其决策共享储能消纳需求向运营商进行结算；对与共享储能的储能服务提供方m而言，其结算控制方案表示为
Figure FDA0002606119760000056
即所有储能服务提供方按乘子对其决策的共享储能业务时的消纳方案向运营商进行结算；运营商协同所有可再生能源产消者和储能进行信息验证和结算。
10.一种面向分布式可再生能源产消者的共享储能控制系统，其特征在于，包括：计算机可读存储介质和处理器；
所述计算机可读存储介质用于存储可执行指令；
所述处理器用于读取所述计算机可读存储介质中存储的可执行指令，执行权利要求1至9任一项所述的面向分布式可再生能源产消者的共享储能控制方法。
CN202010742863.1A 2020-07-28 2020-07-28 面向分布式可再生能源产消者的共享储能控制方法和系统 Active CN111899054B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010742863.1A CN111899054B (zh) 2020-07-28 2020-07-28 面向分布式可再生能源产消者的共享储能控制方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010742863.1A CN111899054B (zh) 2020-07-28 2020-07-28 面向分布式可再生能源产消者的共享储能控制方法和系统

Publications (2)

Publication Number Publication Date
CN111899054A true CN111899054A (zh) 2020-11-06
CN111899054B CN111899054B (zh) 2024-04-26

Family

ID=73182516

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010742863.1A Active CN111899054B (zh) 2020-07-28 2020-07-28 面向分布式可再生能源产消者的共享储能控制方法和系统

Country Status (1)

Country Link
CN (1) CN111899054B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112330492A (zh) * 2020-11-24 2021-02-05 国网河南省电力公司经济技术研究院 一种基于通信可靠性约束的主动配电网能源共享方法
CN113162058A (zh) * 2021-04-22 2021-07-23 华北电力大学 一种配电网调压方法及系统
CN114066080A (zh) * 2021-11-04 2022-02-18 国网冀北电力有限公司经济技术研究院 一种配电侧加共享储能的调控方法
CN114123260A (zh) * 2021-11-16 2022-03-01 华中科技大学 面向可再生能源的多能源微电网共享储能控制方法及系统
CN114219291A (zh) * 2021-12-15 2022-03-22 山东理工大学 基于p2p交易模式和mes电能共享的配电系统韧性提升方法
CN114581221A (zh) * 2022-05-05 2022-06-03 支付宝(杭州)信息技术有限公司 分布式计算系统以及计算机设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120185106A1 (en) * 2011-01-14 2012-07-19 International Business Machines Corporation Integration of demand response and renewable resources for power generation management
CN107545325A (zh) * 2017-08-21 2018-01-05 浙江工业大学 一种基于博弈论的多微网互联运行优化方法
CN107807523A (zh) * 2017-10-18 2018-03-16 国网天津市电力公司电力科学研究院 考虑分时电价的区域能源互联网多源协调优化运行策略
CN110245839A (zh) * 2019-05-21 2019-09-17 上海国孚电力设计工程股份有限公司 基于能源共享的主动配电网电力市场双层交易方法
CN111030188A (zh) * 2019-11-28 2020-04-17 云南电网有限责任公司电力科学研究院 一种含分布式和储能的分层分级控制策略

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120185106A1 (en) * 2011-01-14 2012-07-19 International Business Machines Corporation Integration of demand response and renewable resources for power generation management
CN107545325A (zh) * 2017-08-21 2018-01-05 浙江工业大学 一种基于博弈论的多微网互联运行优化方法
CN107807523A (zh) * 2017-10-18 2018-03-16 国网天津市电力公司电力科学研究院 考虑分时电价的区域能源互联网多源协调优化运行策略
CN110245839A (zh) * 2019-05-21 2019-09-17 上海国孚电力设计工程股份有限公司 基于能源共享的主动配电网电力市场双层交易方法
CN111030188A (zh) * 2019-11-28 2020-04-17 云南电网有限责任公司电力科学研究院 一种含分布式和储能的分层分级控制策略

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘志清 等: "储能在电力系统源网荷三侧应用及相关政策综述", 山东电力技术, vol. 47, no. 07, 25 July 2020 (2020-07-25) *
王燕舞 等: "社区产消者能量分享研究综述", 控制与决策, vol. 35, no. 10, 27 May 2020 (2020-05-27) *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112330492A (zh) * 2020-11-24 2021-02-05 国网河南省电力公司经济技术研究院 一种基于通信可靠性约束的主动配电网能源共享方法
CN113162058A (zh) * 2021-04-22 2021-07-23 华北电力大学 一种配电网调压方法及系统
CN113162058B (zh) * 2021-04-22 2022-09-27 华北电力大学 一种配电网调压方法及系统
CN114066080A (zh) * 2021-11-04 2022-02-18 国网冀北电力有限公司经济技术研究院 一种配电侧加共享储能的调控方法
CN114123260A (zh) * 2021-11-16 2022-03-01 华中科技大学 面向可再生能源的多能源微电网共享储能控制方法及系统
CN114123260B (zh) * 2021-11-16 2023-10-03 华中科技大学 面向可再生能源的多能源微电网共享储能控制方法及系统
CN114219291A (zh) * 2021-12-15 2022-03-22 山东理工大学 基于p2p交易模式和mes电能共享的配电系统韧性提升方法
CN114581221A (zh) * 2022-05-05 2022-06-03 支付宝(杭州)信息技术有限公司 分布式计算系统以及计算机设备
CN114581221B (zh) * 2022-05-05 2022-07-29 支付宝(杭州)信息技术有限公司 分布式计算系统以及计算机设备

Also Published As

Publication number Publication date
CN111899054B (zh) 2024-04-26

Similar Documents

Publication Publication Date Title
CN111899054A (zh) 面向分布式可再生能源产消者的共享储能控制方法和系统
Ruiz-Cortes et al. Optimal charge/discharge scheduling of batteries in microgrids of prosumers
Galus et al. Investigating PHEV wind balancing capabilities using heuristics and model predictive control
Shi et al. Vehicle-to-grid service development logic and management formulation
Rui et al. A distributed charging strategy based on day ahead price model for PV-powered electric vehicle charging station
CN107453407B (zh) 一种智能微电网分布式能源调度方法
Mets et al. Distributed smart charging of electric vehicles for balancing wind energy
CN111786422B (zh) 基于bp神经网络的微电网参与上层电网实时优化调度方法
Li et al. Hierarchical optimal scheduling method for regional integrated energy systems considering electricity-hydrogen shared energy
Zhang et al. Grid-connected photovoltaic battery systems: A comprehensive review and perspectives
KR20130035758A (ko) 전력저장장치 운영장치 및 방법
KR20210094033A (ko) 에너지 관리 시스템을 동작시키기 위한 방법, 그 방법을 수행하기 위한 전자 컴퓨팅 디바이스, 컴퓨터 프로그램, 및 데이터 캐리어
CN115994656A (zh) 分时电价下计及激励需求响应的虚拟电厂经济调度方法
Kim et al. Bidirectional energy trading for residential load scheduling and electric vehicles
CN116109076A (zh) 能量和调峰市场下考虑需求响应的虚拟电厂优化调度方法
CN116599148A (zh) 一种面向新能源消纳的氢电混合储能两阶段协同规划方法
Cai et al. Optimal scheduling of a hybrid AC/DC multi-energy microgrid considering uncertainties and Stackelberg game-based integrated demand response
Michael et al. Economic scheduling of virtual power plant in day-ahead and real-time markets considering uncertainties in electrical parameters
Zhang et al. Multi-time-scale economic scheduling method for electro-hydrogen integrated energy system based on day-ahead long-time-scale and intra-day MPC hierarchical rolling optimization
Liu et al. Optimal scheduling of electric vehicle charging with energy storage facility in smart grid
Taniguchi et al. Demand response minimizing the impact on the consumers' utility considering forecast error on renewable energy resource
Spasova et al. Energy exchange strategy for local energy markets with heterogenous renewable sources
Issimova et al. Profit analysis of residential energy management systems with energy storage
Wang et al. Optimal allocation of bi-level energy storage based on the dynamic ancillary service price
Xu et al. Day-ahead Economic Dispatch for Active Distribution Network Considering Plug-in Electric Vehicles Aggregation

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