CN111900746A - 一种基于双层模型的储能参与调峰的容量配置方法 - Google Patents

一种基于双层模型的储能参与调峰的容量配置方法 Download PDF

Info

Publication number
CN111900746A
CN111900746A CN202010779360.1A CN202010779360A CN111900746A CN 111900746 A CN111900746 A CN 111900746A CN 202010779360 A CN202010779360 A CN 202010779360A CN 111900746 A CN111900746 A CN 111900746A
Authority
CN
China
Prior art keywords
energy storage
storage system
power
peak
objective function
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
CN202010779360.1A
Other languages
English (en)
Other versions
CN111900746B (zh
Inventor
沈宝兴
林琳
徐一剑
陈琦
张谓江
吴星昂
於国芳
吕浩华
吴慧青
俞梅
李军徽
李翠萍
张嘉辉
张昊
马得轩
严干贵
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.)
Zhejiang Huayun Clean Energy Co ltd
Original Assignee
Zhejiang Huayun Clean Energy 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 Zhejiang Huayun Clean Energy Co ltd filed Critical Zhejiang Huayun Clean Energy Co ltd
Priority to CN202010779360.1A priority Critical patent/CN111900746B/zh
Publication of CN111900746A publication Critical patent/CN111900746A/zh
Application granted granted Critical
Publication of CN111900746B publication Critical patent/CN111900746B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请公开了一种基于双层模型的储能参与调峰的容量配置方法、装置、设备及计算机可读存储介质，方法包括：以储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数，设置约束条件；以调度日内弃风电量的标幺值和净负荷峰谷标准差的标幺值之和最小为目标构建第二层优化目标函数；利用约束条件对第一层优化目标函数进行约束，根据第一层优化目标函数得到对应的待选配置方案；根据第二层优化目标函数对多个待选配置方案进行筛选，确定储能系统的最优配置方案。本申请公开的上述技术方案，可以使储能系统在参与调峰时既能达到比较好的调峰效果，又能获得比较好的净收益，从而提高储能系统配置的合理性和准确性。

Description

一种基于双层模型的储能参与调峰的容量配置方法
技术领域
本申请涉及储能配置技术领域，更具体地说，涉及一种基于双层模型的储能参与调峰的容量配置方法、装置、设备及计算机可读存储介质。
背景技术
在目前的能源互联网中，如何提高能源利用率、促进可再生能源消纳是目前研究的热点。以风电为例，伴随着风电等可再生能源渗透率的不断提高，由弃风造成的经济性问题仍较为严重。为解决上述调峰问题，需要充分发挥火电机组调峰能力，但使机组进入深度调峰阶段甚至启停调峰阶段会增加机组运行损耗，降低其经济性，而储能技术由于其优越的性能，已经逐渐成为解决电网调峰问题的重要手段之一。
在风电高渗透电网配置储能系统可以有效改善电网调峰压力，增加电网风电接纳量，但储能系统的配置方案影响储能参与调峰的效果及其经济性，故需合理的设计储能系统运行的配置策略，使其兼顾调峰技术性和经济性。但是，当前关于储能配置的研究并未兼顾优化储能充放电功率以及全寿命周期内的净收益，因此，则会降低储能系统配置的合理性和准确性。
综上所述，如何使储能系统在参与调峰时既能达到比较好的调峰效果，又能获得比较好的净收益，是目前本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此，本申请的目的是提供一种基于双层模型的储能参与调峰的容量配置方法、装置、设备及计算机可读存储介质，用于使储能系统在参与调峰时既能达到比较好的调峰效果，又能获得比较好的净收益。
为了实现上述目的，本申请提供如下技术方案：
一种基于双层模型的储能参与调峰的容量配置方法，包括：
以储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数，并设置约束条件；
获取所述储能系统加入电网后调度日内弃风电量和净负荷峰谷标准差，以所述调度日内弃风电量的标幺值和所述净负荷峰谷标准差的标幺值之和最小为目标构建第二层优化目标函数；
利用所述约束条件对所述第一层优化目标函数进行约束，根据所述第一层优化目标函数得到所述储能系统全寿命周期内的净收益最大时对应的待选配置方案；
根据所述第二层优化目标函数对多个所述待选配置方案进行筛选，以确定所述储能系统的最优配置方案。
优选的，以储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数，包括：
利用
Figure BDA0002619635760000021
计算所述储能系统的套利收益incar，利用
Figure BDA0002619635760000022
计算所述储能系统的环境收益incsu，利用
Figure BDA0002619635760000023
计算新增风电上网收益incw，利用
Figure BDA0002619635760000024
计算所述储能系统的补偿收益inccp，利用costinv＝(CPEEB+CPPPB)计算所述储能系统的投资成本costinv，并利用
Figure BDA0002619635760000025
计算所述储能系统的运行成本costrun；
以所述储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数maxf1：maxf1＝incar+incsu+incw+inccp-costinv-costrun；
其中，D为所述储能系统运行寿命总天数，T为调度日内采样点数，Ipv,t为t时刻的峰谷电价，ηD为所述储能系统放电效率，
Figure BDA0002619635760000026
和
Figure BDA0002619635760000027
分别为第d天第t时刻的储能充电功率和放电功率，Δt为时间间隔，POLLk为生产单位电能时第k种污染物排放量，IPO,k为第k种污染物单位排放量费用，IW为风电上网电价，Pwind,d,t为第d天第t时刻的风电功率，
Figure BDA0002619635760000028
为第d天第t时刻所述储能系统加入后的弃风功率，Pjnwind,d,t为第d天第t时刻无所述储能系统的风电接纳功率，Ic为补偿单价，CPE和CPP分别为所述储能系统的容量单价与功率单价，EB和PB分别为所述储能系统额定容量配置与额定功率配置，COC为所述储能系统运行单价。
优选的，获取所述储能系统加入电网后调度日内弃风电量和净负荷峰谷标准差，以所述调度日内弃风电量的标幺值和所述净负荷峰谷标准差的标幺值之和最小为目标构建第二层优化目标函数，包括：
利用
Figure BDA0002619635760000031
计算所述储能系统加入电网后t时刻的弃风功率
Figure BDA0002619635760000032
并利用
Figure BDA0002619635760000033
计算所述调度日内弃风电量
Figure BDA0002619635760000034
其中，Pwind,t为t时刻风电功率，
Figure BDA0002619635760000035
为t时刻风电接纳可行域，Pload,t为t时刻负荷功率，
Figure BDA0002619635760000036
和
Figure BDA0002619635760000037
分别为t时刻所述储能系统充电功率及放电功率，PG,min为火电机组常规调峰最低出力；
利用
Figure BDA0002619635760000038
计算所述储能系统加入电网后的所述净负荷峰谷标准差
Figure BDA0002619635760000039
其中，
Figure BDA00026196357600000310
为所述储能系统加入后t时刻净负荷功率，
Figure BDA00026196357600000311
为所述储能系统加入后净负荷功率平均值；
利用
Figure BDA00026196357600000312
对所述调度日内弃风电量
Figure BDA00026196357600000313
进行标幺，以得到所述调度日内弃风电量的标幺值
Figure BDA00026196357600000314
并利用
Figure BDA00026196357600000315
对所述净负荷峰谷标准差
Figure BDA00026196357600000316
进行标幺，以得到所述净负荷峰谷标准差的标幺值
Figure BDA00026196357600000317
其中，
Figure BDA00026196357600000318
Pnetload,t＝Pload,t-Pjnwind,t，Pnetload,sd为无所述储能系统时的净负荷标准差，Pnetload,t为无所述储能系统时t时刻净负荷功率，Pnetload,ver为无所述储能系统时净负荷功率平均值，Pjnwind,t为无所述储能系统时的风电接纳量；
根据
Figure BDA00026196357600000319
得到所述第二层优化目标函数min f2。
优选的，根据所述第二层优化目标函数对多个所述待选配置方案进行筛选，以确定所述储能系统的最优配置方案，包括：
根据所述第二层优化目标函数利用粒子群算法从多个所述待选配置方案中确定所述储能系统的最优配置方案。
优选的，设置约束条件，包括：
设置系统功率供需平衡约束：
Figure BDA00026196357600000320
其中，PG,t为t时刻所述火电机组出力；
设置所述储能系统充放电功率约束：
Figure BDA0002619635760000041
设置所述储能系统荷电状态约束：
Figure BDA0002619635760000042
ESOC,min≤ESOC,t≤ESOC,max、ESOC,start＝ESOC,end；其中，ESOC,t为t时刻所述储能系统荷电状态，ESOC,t-1为t-1时刻所述储能系统荷电状态，ηC为所述储能系统充电效率，ESOC,max和ESOC,min分别为所述储能系统荷电状态的上、下限值，ESOC,start为初始时刻所述储能系统荷电状态，ESOC,end为末尾时刻所述储能系统荷电状态；
设置所述火电机组出力限制约束：PG,min≤PG,t≤PG,max；其中，PG,max为所述火电机组运行最高出力。
一种基于双层模型的储能参与调峰的容量配置装置，包括：
第一构建模块，用于以储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数，并设置约束条件；
第二构建模块，用于获取所述储能系统加入电网后调度日内弃风电量和净负荷峰谷标准差，以所述调度日内弃风电量的标幺值和所述净负荷峰谷标准差的标幺值之和最小为目标构建第二层优化目标函数；
求解模块，用于利用所述约束条件对所述第一层优化目标函数进行约束，根据所述第一层优化目标函数得到所述储能系统全寿命周期内的净收益最大时对应的待选配置方案；
确定模块，用于根据所述第二层优化目标函数对多个所述待选配置方案进行筛选，以确定所述储能系统的最优配置方案。
优选的，所述第一构建模块包括：
第一计算单元，用于利用
Figure BDA0002619635760000043
计算所述储能系统的套利收益incar，利用
Figure BDA0002619635760000044
计算所述储能系统的环境收益incsu，利用
Figure BDA0002619635760000045
计算新增风电上网收益incw，利用
Figure BDA0002619635760000046
计算所述储能系统的补偿收益inccp，利用costinv＝(CPEEB+CPPPB)计算所述储能系统的投资成本cos tinv，并利用
Figure BDA0002619635760000047
计算所述储能系统的运行成本cos trun；
第一构建单元，用于以所述储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数max f1：max f1＝incar+incsu+incw+inccp-cos tinv-cos trun；
其中，D为所述储能系统运行寿命总天数，T为调度日内采样点数，Ipv,t为t时刻的峰谷电价，ηD为所述储能系统放电效率，
Figure BDA0002619635760000051
和
Figure BDA0002619635760000052
分别为第d天第t时刻的储能充电功率和放电功率，Δt为时间间隔，POLLk为生产单位电能时第k种污染物排放量，IPO,k为第k种污染物单位排放量费用，IW为风电上网电价，Pwind,d,t为第d天第t时刻的风电功率，
Figure BDA0002619635760000053
为第d天第t时刻所述储能系统加入后的弃风功率，Pjnwind,d,t为第d天第t时刻无所述储能系统的风电接纳功率，Ic为补偿单价，CPE和CPP分别为所述储能系统的容量单价与功率单价，EB和PB分别为所述储能系统额定容量配置与额定功率配置，COC为所述储能系统运行单价。
优选的，所述第二构建模块包括：
第二计算单元，用于利用
Figure BDA0002619635760000054
计算所述储能系统加入电网后t时刻的弃风功率
Figure BDA0002619635760000055
并利用
Figure BDA0002619635760000056
计算所述调度日内弃风电量
Figure BDA0002619635760000057
其中，Pwind,t为t时刻风电功率，
Figure BDA0002619635760000058
Figure BDA0002619635760000059
为t时刻风电接纳可行域，Pload,t为t时刻负荷功率，
Figure BDA00026196357600000510
和
Figure BDA00026196357600000511
分别为t时刻所述储能系统充电功率及放电功率，PG,min为火电机组常规调峰最低出力；
第三计算单元，用于利用
Figure BDA00026196357600000512
计算所述储能系统加入电网后的所述净负荷峰谷标准差
Figure BDA00026196357600000513
其中，
Figure BDA00026196357600000514
为所述储能系统加入后t时刻净负荷功率，
Figure BDA00026196357600000515
为所述储能系统加入后净负荷功率平均值；
标幺单元，用于利用
Figure BDA00026196357600000516
对所述调度日内弃风电量
Figure BDA00026196357600000517
进行标幺，以得到所述调度日内弃风电量的标幺值
Figure BDA00026196357600000518
并利用
Figure BDA00026196357600000519
对所述净负荷峰谷标准差
Figure BDA00026196357600000520
进行标幺，以得到所述净负荷峰谷标准差的标幺值
Figure BDA00026196357600000521
其中，
Figure BDA00026196357600000522
Pnetload,t＝Pload,t-Pjnwind,t，Pnetload,sd为无所述储能系统时的净负荷标准差，Pnetload,t为无所述储能系统时t时刻净负荷功率，Pnetload,ver为无所述储能系统时净负荷功率平均值，Pjnwind,t为无所述储能系统时的风电接纳量；
第二构建单元，用于根据
Figure BDA00026196357600000523
得到所述第二层优化目标函数minf2。
一种基于双层模型的储能参与调峰的容量配置设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述任一项所述的基于双层模型的储能参与调峰的容量配置方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的基于双层模型的储能参与调峰的容量配置方法的步骤。
本申请提供了一种基于双层模型的储能参与调峰的容量配置方法、装置、设备及计算机可读存储介质，其中，该方法包括：以储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数，并设置约束条件；获取储能系统加入电网后调度日内弃风电量和净负荷峰谷标准差，以调度日内弃风电量的标幺值和净负荷峰谷标准差的标幺值之和最小为目标构建第二层优化目标函数；利用约束条件对第一层优化目标函数进行约束，根据第一层优化目标函数得到储能系统全寿命周期内的净收益最大时对应的待选配置方案；根据第二层优化目标函数对多个待选配置方案进行筛选，以确定储能系统的最优配置方案。
本申请公开的上述技术方案，以储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数，同时可以构建以调度日内弃风电量的标幺值和净负荷峰谷标准差的标幺值之和最小为目标构建第二层优化目标函数，然后，在满足约束条件下情况下利用第一层优化目标函数得到储能系统全寿命周期内的净收益最大时对应的待选配置方案，之后，可以根据第二层优化目标函数对多个待选配置方案进行筛选而从多个待选配置方案中确定出最优配置方案，以使得所确定出的最优配置方案不仅可以满足净收益最大，而且可以满足调度日内弃风电量的标幺值和净负荷峰谷标准差的标幺值之和最小，即使得储能系统在参与调峰时既能达到比较好的调峰效果，又能获得比较好的净收益，从而提高风电高渗透电网中储能系统配置的合理性和准确性，以使得风电高渗透电网中根据最优配置方案进行配置的储能系统可以有效地改善电网调峰压力，并增加电网风电接纳量，以减少弃风量，提高风电利用率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种基于双层模型的储能参与调峰的容量配置方法的流程图；
图2为本申请实施例提供的多个待选配置方案的计算流程图；
图3(a)为本申请实施例提供的火电机组负荷功率示意图；
图3(b)为本申请实施例提供的风电功率示意图；
图3(c)为本申请实施例提供的净负荷数据的示意图；
图4为本申请实施例提供的在不同配置方案下储能系统全寿命周期内的净收益三维热点图；
图5为本申请实施例提供的储能系统在最优配置方案下的调峰效果图；
图6为本申请实施例提供的储能系统在最优配置方案下的充放电功率及荷电状态；
图7为本申请实施例提供的一种基于双层模型的储能参与调峰的容量配置装置的结构示意图；
图8为本申请实施例提供的一种基于双层模型的储能参与调峰的容量配置设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
参见图1，其示出了本申请实施例提供的一种基于双层模型的储能参与调峰的容量配置方法的流程图，本申请实施例提供的一种基于双层模型的储能参与调峰的容量配置方法，可以包括：
S11：以储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数，并设置约束条件。
在风电高渗透电网中配置储能系统时，可以先以储能系统全寿命周期内的净收益最大为目标而构建第一层优化目标函数，并可以同时设置约束条件，以使得储能系统的配置可以满足约束条件。
S12：获取储能系统加入电网后调度日内弃风电量和净负荷峰谷标准差，以调度日内弃风电量的标幺值和净负荷峰谷标准差的标幺值之和最小为目标构建第二层优化目标函数。
在执行步骤S11的同时，可以以储能系统参与调峰时的调峰技术性指标最优为目标而构建第二层优化目标函数。
具体地，储能系统参与调峰时的调峰技术性指标可以包括储能系统加入电网后调度日内弃风电量的标幺值和净负荷标准差的标幺值，因此，则可以获取基础负荷风电数据、火电机组常规调峰出力范围等参数，并根据这些参数获取储能系统加入电网后调度日内弃风电量和净负荷峰谷标准差，然后，分别对调度日内弃风电量和净负荷峰谷标准差进行标幺处理，得到调度日内弃风电量的标幺值和净负荷峰谷标准差的标幺值，并以调度日内弃风电量的标幺值和净负荷峰谷标准差的标幺值之和最小为目标构建第二层优化目标函数。
S13：利用约束条件对第一层优化目标函数进行约束，根据第一层优化目标函数得到储能系统全寿命周期内的净收益最大时对应的待选配置方案。
在步骤S11的基础上，可以利用所设置的约束条件对第一层优化目标函数以及第二层优化目标函数进行约束，以使得所求解出的解(即储能系统的配置方案)可以满足约束条件。
在利用约束条件对第一层优化目标函数进行约束的基础上，可以采用迭代计算方法得到各配置方案下的储能系统全寿命周期内的净收益，并选取净收益最大时对应的配置方案为储能系统的待选配置方案，以便于实现储能系统配置的经济性，从而便于提高储能系统配置的合理性和有效性。其中，采用迭代计算方法得到待选配置方案的计算流程具体如图2所示，其示出了本申请实施例提供的多个待选配置方案的计算流程图，其中，EB和PB分别为储能系统额定容量配置与额定功率配置，Emax和Pmax分别为储能系统额定容量配置的最大值与额定功率配置的最大值，其计算流程具体为：输入负荷、风电数据及火电机组常规调峰出力范围；令EB＝初始值；令PB＝初始值；根据第二层优化目标函数求解优化的储能系统充、放电功率及新增风电接纳量；根据每日充放电深度计算储能系统运行寿命；计算在该配置下储能系统全寿命周期内净收益；令PB＝PB+第一固定值；判断PB是否大于Pmax，若否，则返回执行根据第二层优化目标函数求解优化的储能系统充、放电功率及新增风电接纳量的步骤，若是，则令EB＝EB+第二固定值；判断EB是否大于Emax，若否，则返回执行令PB＝初始值的步骤，若是，则得到各配置方案下储能系统全寿命周期内净收益；选取净收益最大的配置方案作为储能系统的待选配置方案。其中，这里提及的待选配置方案可以包括储能系统的额定功率配置、额定容量配置和充放电功率。需要说明的是，图2中的EB和PB的初始值、PB每次所加的第一固定值和EB每次所加的第二固定值的具体大小均可以根据实际情况进行设定，这里对这些具体的值并不做任何限定，例如：EB的初始值可以为1MWh，PB的初始值可以为1MW，第一固定值及第二固定值均可以为1。
S14：根据第二层优化目标函数对多个待选配置方案进行筛选，以确定储能系统的最优配置方案。
在根据第一层优化目标函数得到储能系统全寿命周期内的净收益最大时对应的待选配置方案之后，可以根据所构建的第二层优化目标函数对多个待选配置方案进行筛选，具体地，可以以储能系统充放电功率为变量，并以调度日内弃风电量的标幺值和净负荷峰谷标准差的标幺值之和最小为目标进行优化，从而对待选配置方案进行筛选和剔除，以从待选配置方案中确定出储能系统的最优配置方案，该最优配置方案不仅满足储能系统全寿命周期内的净收益最大，而且满足调度日内弃风电量的标幺值和净负荷峰谷标准差的标幺值之和最小，即该最优配置方案可以同时满足净收益最大和储能系统参与调峰时的调峰技术指标最优，因此，在通过最终所确定出的最优配置方案在风电高渗透电网中进行储能系统配置时，则可以使所配置的储能系统能够比较可靠且有效地改善电网调峰压力、增加电网风电接纳量，即使得储能系统可以达到比较好的调峰性能，从而可以有效地提高风电利用率和消纳率，降低弃风量。
本申请公开的上述技术方案，以储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数，同时可以构建以调度日内弃风电量的标幺值和净负荷峰谷标准差的标幺值之和最小为目标构建第二层优化目标函数，然后，在满足约束条件下情况下利用第一层优化目标函数得到储能系统全寿命周期内的净收益最大时对应的待选配置方案，之后，可以根据第二层优化目标函数对多个待选配置方案进行筛选而从多个待选配置方案中确定出最优配置方案，从而使得所确定出的最优配置方案不仅可以满足净收益最大，而且可以满足调度日内弃风电量的标幺值和净负荷峰谷标准差的标幺值之和最小，即使得储能系统在参与调峰时既能达到比较好的调峰效果，又能获得比较好的净收益，从而提高风电高渗透电网中储能系统配置的合理性和准确性，以使得风电高渗透电网中根据最优配置方案进行配置的储能系统可以有效地改善电网调峰压力，并增加电网风电接纳量，以减少弃风量，提高风电利用率。
本申请实施例提供的一种基于双层模型的储能参与调峰的容量配置方法，以储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数，可以包括：
利用
Figure BDA0002619635760000101
计算储能系统的套利收益incar，利用
Figure BDA0002619635760000102
计算储能系统的环境收益incsu，利用
Figure BDA0002619635760000103
计算新增风电上网收益incw，利用
Figure BDA0002619635760000104
计算储能系统的补偿收益inccp，利用costinv＝(CPEEB+CPPPB)计算储能系统的投资成本cos tinv，并利用
Figure BDA0002619635760000105
计算储能系统的运行成本cos trun；
以储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数max f1：max f1＝incar+incsu+incw+inccp-cos tinv-cos trun；
其中，D为储能系统运行寿命总天数，T为调度日内采样点数，Ipv,t为t时刻的峰谷电价，ηD为储能系统放电效率，
Figure BDA0002619635760000106
和
Figure BDA0002619635760000107
分别为第d天第t时刻的储能充电功率和放电功率，Δt为时间间隔，POLLk为生产单位电能时第k种污染物排放量，IPO,k为第k种污染物单位排放量费用，IW为风电上网电价，Pwind,d,t为第d天第t时刻的风电功率，
Figure BDA0002619635760000111
为第d天第t时刻储能系统加入后的弃风功率，Pjnwind,d,t为第d天第t时刻无储能系统的风电接纳功率，Ic为补偿单价，CPE和CPP分别为储能系统的容量单价与功率单价，EB和PB分别为储能系统额定容量配置与额定功率配置，COC为储能系统运行单价。
在本申请中，第一层优化目标函数以储能系统全寿命周期内的净收益最优为目标，对基于双层模型的储能参与调峰的容量配置进行优化，其净收益组成结构主要包括储能系统的投资成本、储能系统的运行成本、储能系统的套利收益、储能系统的环境收益及新增风电上网收益，其中，
(1)储能系统的投资成本
储能系统的投资成本由功率成本及容量成本构成，其计算公式具体为costinv＝(CPEEB+CPPPB)；
其中，CPE和CPP分别为储能系统的容量单价与功率单价，EB和PB分别为储能系统额定容量配置与额定功率配置。
(2)储能系统的运行成本
储能系统在运行过程中会产生一定的运行费用，其计算公式具体为
Figure BDA0002619635760000112
其中，COC为储能系统运行单价，
Figure BDA0002619635760000113
和
Figure BDA0002619635760000114
分别为第d天第t时刻的储能充电功率和放电功率，D为储能系统运行寿命总天数，T为调度日内采样点数，Δt为时间间隔。
(3)储能系统的套利收益
储能系统通过低储高发，可以利用峰谷电价获得套利收益，其计算公式具体为
Figure BDA0002619635760000115
其中，Ipv,t为t时刻的峰谷电价；
(4)储能系统的环境收益
储能系统在负荷尖峰时段放电可以降低机组出力，减少煤炭消耗及污染物排放，从而获得环境收益，其计算公式具体为
Figure BDA0002619635760000116
其中，POLLk为生产单位电能时第k种污染物排放量，IPO,k为第k种污染物单位排放量费用；
(5)新增风电上网收益
储能系统可以增加风电上网电量，其风电上网收益计算公式具体为
Figure BDA0002619635760000121
其中，IW为风电上网电价，Pwind,d,t为第d天第t时刻的风电功率，
Figure BDA0002619635760000122
为第d天第t时刻储能系统加入后的弃风功率，Pjnwind,d,t为第d天第t时刻无储能系统的风电接纳功率；
(6)储能系统的补偿收益
为了鼓励储能技术发展，部分地区出台了相关补偿政策，其补偿收益计算公式为
Figure BDA0002619635760000123
其中，Ic为补偿单价。
在得到上述六个相关参数之后，则第一层优化目标函数具体即为：max f1＝incar+incsu+incw+inccp-cos tinv-cos trun。
由上述第一层优化目标函数的构建可知，最终确定出的最优配置方案还可以降低火电机组的出力，减少煤炭消耗及污染物的排放，以减少对环境所造成的污染。
本申请实施例提供的一种基于双层模型的储能参与调峰的容量配置方法，获取储能系统加入电网后调度日内弃风电量和净负荷峰谷标准差，以调度日内弃风电量的标幺值和净负荷峰谷标准差的标幺值之和最小为目标构建第二层优化目标函数，可以包括：
利用
Figure BDA0002619635760000124
计算储能系统加入电网后t时刻的弃风功率
Figure BDA0002619635760000125
并利用
Figure BDA0002619635760000126
计算调度日内弃风电量
Figure BDA0002619635760000127
其中，Pwind,t为t时刻风电功率，
Figure BDA0002619635760000128
为t时刻风电接纳可行域，Pload,t为t时刻负荷功率，
Figure BDA0002619635760000129
和
Figure BDA00026196357600001210
分别为t时刻储能系统充电功率及放电功率，PG,min为火电机组常规调峰最低出力；
利用
Figure BDA00026196357600001211
计算储能系统加入电网后的净负荷峰谷标准差
Figure BDA00026196357600001212
其中，
Figure BDA00026196357600001213
为储能系统加入后t时刻净负荷功率，
Figure BDA00026196357600001214
为储能系统加入后净负荷功率平均值；
利用
Figure BDA0002619635760000131
对调度日内弃风电量
Figure BDA0002619635760000132
进行标幺，以得到调度日内弃风电量的标幺值
Figure BDA0002619635760000133
并利用
Figure BDA0002619635760000134
对净负荷峰谷标准差
Figure BDA0002619635760000135
进行标幺，以得到净负荷峰谷标准差的标幺值
Figure BDA0002619635760000136
其中，
Figure BDA0002619635760000137
Pnetload,t＝Pload,t-Pjnwind,t，Pnetload,sd为无储能系统时的净负荷标准差，Pnetload,t为无储能系统时t时刻净负荷功率，Pnetload,ver为无储能系统时净负荷功率平均值，Pjnwind,t为无储能系统时的风电接纳量；
根据
Figure BDA0002619635760000138
得到第二层优化目标函数min f2。
在本申请中，第二层优化目标函数以储能参与调峰时的调峰技术性指标最优为目标，对储能系统充放电功率进行优化，其主要包括系统弃风电量及净负荷标准差，其中，关于获取储能系统加入电网后调度日内弃风电量和净负荷峰谷标准差，以调度日内弃风电量的标幺值和净负荷峰谷标准差的标幺值之和最小为目标构建第二层优化目标函数的具体过程可以参见上述描述，其中，储能系统加入后，可以有效地改善电网弃风电量(其计算公式如上所示)，且储能系统通过削峰填谷作用可以减少系统峰谷差，平滑机组出力，其净负荷峰谷标准差计算公式所上所示，在得到调度日内弃风电量和净负荷峰谷标准差之后，可以采用上述对应的公式分别对这两个参数进行标幺，并根据标幺后的结果构建如上述所示的第二层优化目标函数。
本申请实施例提供的一种基于双层模型的储能参与调峰的容量配置方法，根据第二层优化目标函数对多个待选配置方案进行筛选，以确定储能系统的最优配置方案，可以包括：
根据第二层优化目标函数利用粒子群算法从多个待选配置方案中确定储能系统的最优配置方案。
在根据第二层优化目标函数对多个待选配置方案进行筛选，以确定储能系统的最优配置方案时，具体可以利用粒子群算法从多个待选配置方案中确定储能系统的最优配置方案，其实现过程具体为：a)以储能充放电功率为变量，设置迭代次数、种群规模以及个体和速度极值；b)初始化粒子位置及速度，并以调度日内弃风电量和净负荷峰谷标准差为目标，具体以调度日内弃风电量的标幺值和净负荷峰谷标准差的标幺值之和最小为目标，也即以第二层优化目标函数为目标，计算个体极值和群体极值的适应度值；c)进行迭代，更新粒子位置及速度，更新个体极值和群体极值适应度值，并输出最优结果，以确定储能系统的最优配置方案。
本申请实施例提供的一种基于双层模型的储能参与调峰的容量配置方法，设置约束条件，可以包括：
设置系统功率供需平衡约束：
Figure BDA0002619635760000141
其中，PG,t为t时刻火电机组出力；
设置储能系统充放电功率约束：
Figure BDA0002619635760000142
设置储能系统荷电状态约束：
Figure BDA0002619635760000143
ESOC,min≤ESOC,t≤ESOC,max、ESOC,start＝ESOC,end；其中，ESOC,t为t时刻储能系统荷电状态，ESOC,t-1为t-1时刻储能系统荷电状态，ηC为储能系统充电效率，ESOC,max和ESOC,min分别为储能系统荷电状态的上、下限值，ESOC,start为初始时刻储能系统荷电状态，ESOC,end为末尾时刻储能系统荷电状态；
设置火电机组出力限制约束：PG,min≤PG,t≤PG,max；其中，PG,max为火电机组运行最高出力。
在本申请中，储能系统的配置方案需满足系统功率供需平衡约束、储能系统各项运行约束及火电机组处理上下限制约束，其约束形式具体如上述公式所示。
另外，在本申请中，可以采用某局部电网3天典型负荷及风电数据进行仿真验证，在计算储能系统全寿命周期内经济性时，将三天数据扩展至整个寿命周期，该电网火电机组装机容量为3200MW，其负荷功率、风电功率及净负荷数据如图3(a)-3(c)所示，其中，图3(a)示出了本申请实施例提供的火电机组负荷功率的示意图，图3(b)示出了本申请实施例提供的风电功率示意图，图3(c)示出了本申请实施例提供的净负荷数据的示意图。
本申请采用目前已有广泛应用的锂离子电池储能系统参与电网调峰，其参数如表1所示：
表1锂电池储能系统参数表
Figure BDA0002619635760000144
该电网峰谷电价如表2所示：
表2峰谷电价参数表
Figure BDA0002619635760000151
机组产生单位电能排放污染物密度及排放单价如表3所示：
表3污染物单位排放密度及单位排放费用参数表
Figure BDA0002619635760000152
此在，本申请所采用的风电上网电价为0.61元/kWh，补偿单价为0.5元/kWh，折现率为0.02。
在不同功率及不同容量配置方案下，储能系统全寿命周期内的净收益三位热点图如图4所示，其示出了本申请实施例提供的在不同配置方案下储能系统全寿命周期内的净收益三维热点图，从图4可以看出，当储能系统的功率配置及容量配置成一定比例同时增加时，储能系统全寿命周期内的净收益呈先增加后降低的趋势，当功率配置为240MW，容量配置为740MWh时，储能系统全寿命周期内的净收益最优，为6.06亿元。在该配置方案下的储能系统的调峰效果如图5所示，其示出了本申请实施例提供的储能系统在最优配置方案下的调峰效果图，储能系统充放电功率及荷电状态如图6所示，其示出了本申请实施例提供的储能系统在最优配置方案下的充放电功率及荷电状态，从图5和图6中可以看出，储能系统通过合理的充放电，极大的平滑了净负荷曲线，增加了负荷低谷时期的风电接纳空间，并且其充放电功率及荷电状态都保持在限制范围之内，其中，该配置方案下的各项经济性参数及调峰技术性参数如表4所示；
表4储能调峰经济性及技术性参数表
Figure BDA0002619635760000153
Figure BDA0002619635760000161
通过计算，配置240MW/740MWh的锂电池储能系统后，日平均新增风电接纳量为613.40MWh，占总风电电量的2.99％，日平均净负荷峰谷差改善量为339.20MW，为原净负荷峰谷差的28.87％，可见，储能系统的加入有效的改善了系统调峰压力，增加风电接纳量。
从经济性角度分析，在该配置下，储能系统全寿命周期内的净收益为6.06亿元。储能系统在调峰过程中的主要成本为投资成本，运行成本仅占总成本的2.92％，而随着储能技术的发展，其投资成本会进一步降低，从而提高储能系统经济性。
由上述可知，基于本申请所提供的基于双层模型的储能参与调峰的容量配置方法，可以得到如下结论：
(1)基于本申请上述提及的算例条件得到的锂电池储能系统优化配置方案为240MW/740MWh，该配置下的储能系统全寿命周期内净收益最高，为6.06亿元。
(2)锂电池储能系统以最优配置参与电网调峰时的日平均新增风电接纳量为613.40MWh，占总风电电量的2.99％，日平均净负荷峰谷差改善量为339.20MW，为原净负荷峰谷差的28.87％。
本申请实施例还提供了一种基于双层模型的储能参与调峰的容量配置装置，参见图7，其示出了本申请实施例提供的一种基于双层模型的储能参与调峰的容量配置装置的结构示意图，可以包括：
第一构建模块71，用于以储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数，并设置约束条件；
第二构建模块72，用于获取储能系统加入电网后调度日内弃风电量和净负荷峰谷标准差，以调度日内弃风电量的标幺值和净负荷峰谷标准差的标幺值之和最小为目标构建第二层优化目标函数；
求解模块73，用于利用约束条件对第一层优化目标函数进行约束，根据第一层优化目标函数得到储能系统全寿命周期内的净收益最大时对应的待选配置方案；
确定模块74，用于根据第二层优化目标函数对多个待选配置方案进行筛选，以确定储能系统的最优配置方案。
本申请实施例提供的一种基于双层模型的储能参与调峰的容量配置装置，第一构建模块71可以包括：
第一计算单元，用于利用
Figure BDA0002619635760000171
计算储能系统的套利收益incar，利用
Figure BDA0002619635760000172
计算储能系统的环境收益incsu，利用
Figure BDA0002619635760000173
计算新增风电上网收益incw，利用
Figure BDA0002619635760000174
计算储能系统的补偿收益inccp，利用cos tinv＝(CPEEB+CPPPB)计算储能系统的投资成本cos tinv，并利用
Figure BDA0002619635760000175
计算储能系统的运行成本cos trun；
第一构建单元，用于以储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数max f1：max f1＝incar+incsu+incw+inccp-cos tinv-cos trun；
其中，D为储能系统运行寿命总天数，T为调度日内采样点数，Ipv,t为t时刻的峰谷电价，ηD为储能系统放电效率，
Figure BDA0002619635760000176
和
Figure BDA0002619635760000177
分别为第d天第t时刻的储能充电功率和放电功率，Δt为时间间隔，POLLk为生产单位电能时第k种污染物排放量，IPO,k为第k种污染物单位排放量费用，IW为风电上网电价，Pwind,d,t为第d天第t时刻的风电功率，
Figure BDA0002619635760000178
为第d天第t时刻储能系统加入后的弃风功率，Pjnwind,d,t为第d天第t时刻无储能系统的风电接纳功率，Ic为补偿单价，CPE和CPP分别为储能系统的容量单价与功率单价，EB和PB分别为储能系统额定容量配置与额定功率配置，COC为储能系统运行单价。
本申请实施例提供的一种基于双层模型的储能参与调峰的容量配置装置，第二构建模块72可以包括：
第二计算单元，用于利用
Figure BDA0002619635760000179
计算储能系统加入电网后t时刻的弃风功率
Figure BDA00026196357600001710
并利用
Figure BDA00026196357600001711
计算调度日内弃风电量
Figure BDA0002619635760000181
其中，Pwind,t为t时刻风电功率，
Figure BDA0002619635760000182
为t时刻风电接纳可行域，Pload,t为t时刻负荷功率，
Figure BDA0002619635760000183
和
Figure BDA0002619635760000184
分别为t时刻储能系统充电功率及放电功率，PG,min为火电机组常规调峰最低出力；
第三计算单元，用于利用
Figure BDA0002619635760000185
计算储能系统加入电网后的净负荷峰谷标准差
Figure BDA0002619635760000186
其中，
Figure BDA0002619635760000187
为储能系统加入后t时刻净负荷功率，
Figure BDA0002619635760000188
为储能系统加入后净负荷功率平均值；
标幺单元，用于利用
Figure BDA0002619635760000189
对调度日内弃风电量
Figure BDA00026196357600001810
进行标幺，以得到调度日内弃风电量的标幺值
Figure BDA00026196357600001811
并利用
Figure BDA00026196357600001812
对净负荷峰谷标准差
Figure BDA00026196357600001813
进行标幺，以得到净负荷峰谷标准差的标幺值
Figure BDA00026196357600001814
其中，
Figure BDA00026196357600001815
Pnetload,t＝Pload,t-Pjnwind,t，Pnetload,sd为无储能系统时的净负荷标准差，Pnetload,t为无储能系统时t时刻净负荷功率，Pnetload,ver为无储能系统时净负荷功率平均值，Pjnwind,t为无储能系统时的风电接纳量；
第二构建单元，用于根据
Figure BDA00026196357600001816
得到第二层优化目标函数min f2。
本申请实施例提供的一种基于双层模型的储能参与调峰的容量配置装置，确定模块74可以包括：
确定单元，用于根据第二层优化目标函数利用粒子群算法从多个待选配置方案中确定储能系统的最优配置方案。
本申请实施例提供的一种基于双层模型的储能参与调峰的容量配置装置，第一构建模块71可以包括：
第一设置单元，用于设置系统功率供需平衡约束：
Figure BDA00026196357600001817
其中，PG,t为t时刻火电机组出力；
第二设置单元，用于设置储能系统充放电功率约束：
Figure BDA00026196357600001818
第三设置单元，用于设置储能系统荷电状态约束：
Figure BDA00026196357600001819
ESOC,min≤ESOC,t≤ESOC,max、ESOC,start＝ESOC,end；其中，ESOC,t为t时刻储能系统荷电状态，ESOC,t-1为t-1时刻储能系统荷电状态，ηC为储能系统充电效率，ESOC,max和ESOC,min分别为储能系统荷电状态的上、下限值，ESOC,start为初始时刻储能系统荷电状态，ESOC,end为末尾时刻储能系统荷电状态；
第四设置单元，用于设置火电机组出力限制约束：PG,min≤PG,t≤PG,max；其中，PG,max为火电机组运行最高出力。
本申请实施例还提供了一种基于双层模型的储能参与调峰的容量配置设备，参见图8，其示出了本申请实施例提供的一种基于双层模型的储能参与调峰的容量配置设备的结构示意图，可以包括：
存储器81，用于存储计算机程序；
处理器82，用于执行存储器81存储的计算机程序时可实现如下步骤：
以储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数，并设置约束条件；获取储能系统加入电网后调度日内弃风电量和净负荷峰谷标准差，以调度日内弃风电量的标幺值和净负荷峰谷标准差的标幺值之和最小为目标构建第二层优化目标函数；利用约束条件对第一层优化目标函数进行约束，根据第一层优化目标函数得到储能系统全寿命周期内的净收益最大时对应的待选配置方案；根据第二层优化目标函数对多个待选配置方案进行筛选，以确定储能系统的最优配置方案。
本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质中存储有计算机程序，计算机程序被处理器执行时可实现如下步骤：
以储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数，并设置约束条件；获取储能系统加入电网后调度日内弃风电量和净负荷峰谷标准差，以调度日内弃风电量的标幺值和净负荷峰谷标准差的标幺值之和最小为目标构建第二层优化目标函数；利用约束条件对第一层优化目标函数进行约束，根据第一层优化目标函数得到储能系统全寿命周期内的净收益最大时对应的待选配置方案；根据第二层优化目标函数对多个待选配置方案进行筛选，以确定储能系统的最优配置方案。
该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本申请实施例提供的一种基于双层模型的储能参与调峰的容量配置装置、设备及计算机可读存储介质中相关部分的说明可以参见本申请实施例提供的一种基于双层模型的储能参与调峰的容量配置方法中对应部分的详细说明，在此不再赘述。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外，本申请实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种基于双层模型的储能参与调峰的容量配置方法，其特征在于，包括：
以储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数，并设置约束条件；
获取所述储能系统加入电网后调度日内弃风电量和净负荷峰谷标准差，以所述调度日内弃风电量的标幺值和所述净负荷峰谷标准差的标幺值之和最小为目标构建第二层优化目标函数；
利用所述约束条件对所述第一层优化目标函数进行约束，根据所述第一层优化目标函数得到所述储能系统全寿命周期内的净收益最大时对应的待选配置方案；
根据所述第二层优化目标函数对多个所述待选配置方案进行筛选，以确定所述储能系统的最优配置方案。
2.根据权利要求1所述的基于双层模型的储能参与调峰的容量配置方法，其特征在于，以储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数，包括：
利用
Figure FDA0002619635750000011
计算所述储能系统的套利收益incar，利用
Figure FDA0002619635750000012
计算所述储能系统的环境收益incsu，利用
Figure FDA0002619635750000013
计算新增风电上网收益incw，利用
Figure FDA0002619635750000014
计算所述储能系统的补偿收益inccp，利用costinv＝(CPEEB+CPPPB)计算所述储能系统的投资成本costinv，并利用
Figure FDA0002619635750000015
计算所述储能系统的运行成本costrun；
以所述储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数maxf1：maxf1＝incar+incsu+incw+inccp-costinv-costrun；
其中，D为所述储能系统运行寿命总天数，T为调度日内采样点数，Ipv,t为t时刻的峰谷电价，ηD为所述储能系统放电效率，
Figure FDA0002619635750000016
和
Figure FDA0002619635750000017
分别为第d天第t时刻的储能充电功率和放电功率，Δt为时间间隔，POLLk为生产单位电能时第k种污染物排放量，IPO,k为第k种污染物单位排放量费用，IW为风电上网电价，Pwind,d,t为第d天第t时刻的风电功率，
Figure FDA0002619635750000021
为第d天第t时刻所述储能系统加入后的弃风功率，Pjnwind,d,t为第d天第t时刻无所述储能系统的风电接纳功率，Ic为补偿单价，CPE和CPP分别为所述储能系统的容量单价与功率单价，EB和PB分别为所述储能系统额定容量配置与额定功率配置，COC为所述储能系统运行单价。
3.根据权利要求2所述的基于双层模型的储能参与调峰的容量配置方法，其特征在于，获取所述储能系统加入电网后调度日内弃风电量和净负荷峰谷标准差，以所述调度日内弃风电量的标幺值和所述净负荷峰谷标准差的标幺值之和最小为目标构建第二层优化目标函数，包括：
利用
Figure FDA0002619635750000022
计算所述储能系统加入电网后t时刻的弃风功率
Figure FDA0002619635750000023
并利用
Figure FDA0002619635750000024
计算所述调度日内弃风电量
Figure FDA0002619635750000025
其中，Pwind,t为t时刻风电功率，
Figure FDA0002619635750000026
Figure FDA0002619635750000027
为t时刻风电接纳可行域，Pload,t为t时刻负荷功率，
Figure FDA0002619635750000028
和
Figure FDA0002619635750000029
分别为t时刻所述储能系统充电功率及放电功率，PG,min为火电机组常规调峰最低出力；
利用
Figure FDA00026196357500000210
计算所述储能系统加入电网后的所述净负荷峰谷标准差
Figure FDA00026196357500000211
其中，
Figure FDA00026196357500000212
为所述储能系统加入后t时刻净负荷功率，
Figure FDA00026196357500000213
为所述储能系统加入后净负荷功率平均值；
利用
Figure FDA00026196357500000214
对所述调度日内弃风电量
Figure FDA00026196357500000215
进行标幺，以得到所述调度日内弃风电量的标幺值
Figure FDA00026196357500000216
并利用
Figure FDA00026196357500000217
对所述净负荷峰谷标准差
Figure FDA00026196357500000218
进行标幺，以得到所述净负荷峰谷标准差的标幺值
Figure FDA00026196357500000219
其中，
Figure FDA00026196357500000220
Pnetload,t＝Pload,t-Pjnwind,t，Pnetload,sd为无所述储能系统时的净负荷标准差，Pnetload,t为无所述储能系统时t时刻净负荷功率，Pnetload,ver为无所述储能系统时净负荷功率平均值，Pjnwind,t为无所述储能系统时的风电接纳量；
根据
Figure FDA00026196357500000221
得到所述第二层优化目标函数minf2。
4.根据权利要求3所述的基于双层模型的储能参与调峰的容量配置方法，其特征在于，根据所述第二层优化目标函数对多个所述待选配置方案进行筛选，以确定所述储能系统的最优配置方案，包括：
根据所述第二层优化目标函数利用粒子群算法从多个所述待选配置方案中确定所述储能系统的最优配置方案。
5.根据权利要求3所述的基于双层模型的储能参与调峰的容量配置方法，其特征在于，设置约束条件，包括：
设置系统功率供需平衡约束：
Figure FDA0002619635750000031
其中，PG,t为t时刻所述火电机组出力；
设置所述储能系统充放电功率约束：
Figure FDA0002619635750000032
设置所述储能系统荷电状态约束：
Figure FDA0002619635750000033
ESOC,min≤ESOC,t≤ESOC,max、ESOC,start＝ESOC,end；其中，ESOC,t为t时刻所述储能系统荷电状态，ESOC,t-1为t-1时刻所述储能系统荷电状态，ηC为所述储能系统充电效率，ESOC,max和ESOC,min分别为所述储能系统荷电状态的上、下限值，ESOC,start为初始时刻所述储能系统荷电状态，ESOC,end为末尾时刻所述储能系统荷电状态；
设置所述火电机组出力限制约束：PG,min≤PG,t≤PG,max；其中，PG,max为所述火电机组运行最高出力。
6.一种基于双层模型的储能参与调峰的容量配置装置，其特征在于，包括：
第一构建模块，用于以储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数，并设置约束条件；
第二构建模块，用于获取所述储能系统加入电网后调度日内弃风电量和净负荷峰谷标准差，以所述调度日内弃风电量的标幺值和所述净负荷峰谷标准差的标幺值之和最小为目标构建第二层优化目标函数；
求解模块，用于利用所述约束条件对所述第一层优化目标函数进行约束，根据所述第一层优化目标函数得到所述储能系统全寿命周期内的净收益最大时对应的待选配置方案；
确定模块，用于根据所述第二层优化目标函数对多个所述待选配置方案进行筛选，以确定所述储能系统的最优配置方案。
7.根据权利要求6所述的基于双层模型的储能参与调峰的容量配置装置，其特征在于，所述第一构建模块包括：
第一计算单元，用于利用
Figure FDA0002619635750000041
计算所述储能系统的套利收益incar，利用
Figure FDA0002619635750000042
计算所述储能系统的环境收益incsu，利用
Figure FDA0002619635750000043
计算新增风电上网收益incw，利用
Figure FDA0002619635750000044
计算所述储能系统的补偿收益inccp，利用costinv＝(CPEEB+CPPPB)计算所述储能系统的投资成本costinv，并利用
Figure FDA0002619635750000045
计算所述储能系统的运行成本costrun；
第一构建单元，用于以所述储能系统全寿命周期内的净收益最大为目标构建第一层优化目标函数maxf1：maxf1＝incar+incsu+incw+inccp-costinv-costrun；
其中，D为所述储能系统运行寿命总天数，T为调度日内采样点数，Ipv,t为t时刻的峰谷电价，ηD为所述储能系统放电效率，
Figure FDA0002619635750000049
和
Figure FDA00026196357500000410
分别为第d天第t时刻的储能充电功率和放电功率，Δt为时间间隔，POLLk为生产单位电能时第k种污染物排放量，IPO,k为第k种污染物单位排放量费用，IW为风电上网电价，Pwind,d,t为第d天第t时刻的风电功率，
Figure FDA00026196357500000411
为第d天第t时刻所述储能系统加入后的弃风功率，Pjnwind,d,t为第d天第t时刻无所述储能系统的风电接纳功率，Ic为补偿单价，CPE和CPP分别为所述储能系统的容量单价与功率单价，EB和PB分别为所述储能系统额定容量配置与额定功率配置，COC为所述储能系统运行单价。
8.根据权利要求7所述的基于双层模型的储能参与调峰的容量配置装置，其特征在于，所述第二构建模块包括：
第二计算单元，用于利用
Figure FDA0002619635750000046
计算所述储能系统加入电网后t时刻的弃风功率
Figure FDA00026196357500000412
并利用
Figure FDA0002619635750000047
计算所述调度日内弃风电量
Figure FDA00026196357500000413
其中，Pwind,t为t时刻风电功率，
Figure FDA00026196357500000414
Figure FDA00026196357500000415
为t时刻风电接纳可行域，Pload,t为t时刻负荷功率，
Figure FDA00026196357500000416
和
Figure FDA00026196357500000417
分别为t时刻所述储能系统充电功率及放电功率，PG,min为火电机组常规调峰最低出力；
第三计算单元，用于利用
Figure FDA0002619635750000048
计算所述储能系统加入电网后的所述净负荷峰谷标准差
Figure FDA00026196357500000418
其中，
Figure FDA00026196357500000419
为所述储能系统加入后t时刻净负荷功率，
Figure FDA0002619635750000052
为所述储能系统加入后净负荷功率平均值；
标幺单元，用于利用
Figure FDA0002619635750000053
对所述调度日内弃风电量
Figure FDA0002619635750000054
进行标幺，以得到所述调度日内弃风电量的标幺值
Figure FDA0002619635750000055
并利用
Figure FDA0002619635750000056
对所述净负荷峰谷标准差
Figure FDA0002619635750000057
进行标幺，以得到所述净负荷峰谷标准差的标幺值
Figure FDA0002619635750000058
其中，
Figure FDA0002619635750000051
Pnetload,t＝Pload,t-Pjnwind,t，Pnetload,sd为无所述储能系统时的净负荷标准差，Pnetload,t为无所述储能系统时t时刻净负荷功率，Pnetload,ver为无所述储能系统时净负荷功率平均值，Pjnwind,t为无所述储能系统时的风电接纳量；
第二构建单元，用于根据
Figure FDA0002619635750000059
得到所述第二层优化目标函数minf2。
9.一种基于双层模型的储能参与调峰的容量配置设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述的基于双层模型的储能参与调峰的容量配置方法的步骤。
10.一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中存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的基于双层模型的储能参与调峰的容量配置方法的步骤。
CN202010779360.1A 2020-08-05 2020-08-05 一种基于双层模型的储能参与调峰的容量配置方法 Active CN111900746B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010779360.1A CN111900746B (zh) 2020-08-05 2020-08-05 一种基于双层模型的储能参与调峰的容量配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010779360.1A CN111900746B (zh) 2020-08-05 2020-08-05 一种基于双层模型的储能参与调峰的容量配置方法

Publications (2)

Publication Number Publication Date
CN111900746A true CN111900746A (zh) 2020-11-06
CN111900746B CN111900746B (zh) 2022-02-08

Family

ID=73247120

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010779360.1A Active CN111900746B (zh) 2020-08-05 2020-08-05 一种基于双层模型的储能参与调峰的容量配置方法

Country Status (1)

Country Link
CN (1) CN111900746B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112580850A (zh) * 2020-11-13 2021-03-30 国网河南综合能源服务有限公司 一种电力调峰市场的出清方法及系统
CN112600227A (zh) * 2020-12-18 2021-04-02 华北电力大学 一种基于典型日挖掘的储能辅助调峰容量配置方法
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
CN113794224A (zh) * 2021-08-06 2021-12-14 中国长江三峡集团有限公司 基于风电场应用场景的储能系统优化配置方法及装置
CN114172180A (zh) * 2021-11-25 2022-03-11 国网福建省电力有限公司电力科学研究院 考虑退化成本的电池储能参与调峰双层滚动优化控制方法
CN117424263A (zh) * 2023-12-19 2024-01-19 平高集团储能科技有限公司 飞轮-锂离子电池混合储能系统的优化运行方法及系统
CN117595329A (zh) * 2023-11-30 2024-02-23 华能山东发电有限公司 考虑风电场反调峰特性的储能配置方法、装置及存储介质

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102593853A (zh) * 2012-02-27 2012-07-18 东北电力大学 提高风电接纳能力的储能系统容量优化配置方法
US9306396B2 (en) * 2011-03-25 2016-04-05 Green Charge Networks Llc Utility distribution control system
CN107039990A (zh) * 2017-06-14 2017-08-11 哈尔滨工业大学 一种提高风电消纳能力的多热源协调调度策略制定方法
CN107506895A (zh) * 2017-07-26 2017-12-22 国网能源研究院 一种含新能源发电的电力系统运行经济性综合评价系统
CN107944733A (zh) * 2017-12-06 2018-04-20 华中科技大学 一种含风电、需求响应和压缩空气储能的电网调度方法
CN108092290A (zh) * 2017-08-16 2018-05-29 华东理工大学 一种联合储能容量配置与优化运行的微网能量配置方法
CN109256799A (zh) * 2018-09-17 2019-01-22 大连理工大学 一种基于样本熵的新能源电力系统优化调度方法
CN109687444A (zh) * 2018-12-27 2019-04-26 广东电网有限责任公司 一种微电网电源多目标双层优化配置方法
CN109830979A (zh) * 2019-01-25 2019-05-31 重庆大学 一种基于时序模拟的计算及常规机组随机故障的发电系统灵活性评估方法
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
CN111241463A (zh) * 2020-03-03 2020-06-05 国网江苏省电力有限公司镇江供电分公司 一种基于双层优化模型的用户侧储能装置容量配置方法
CN111384719A (zh) * 2020-03-17 2020-07-07 国网江苏省电力有限公司经济技术研究院 一种光伏并网时的分布式储能电站削峰填谷优化调度方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9306396B2 (en) * 2011-03-25 2016-04-05 Green Charge Networks Llc Utility distribution control system
CN102593853A (zh) * 2012-02-27 2012-07-18 东北电力大学 提高风电接纳能力的储能系统容量优化配置方法
CN107039990A (zh) * 2017-06-14 2017-08-11 哈尔滨工业大学 一种提高风电消纳能力的多热源协调调度策略制定方法
CN107506895A (zh) * 2017-07-26 2017-12-22 国网能源研究院 一种含新能源发电的电力系统运行经济性综合评价系统
CN108092290A (zh) * 2017-08-16 2018-05-29 华东理工大学 一种联合储能容量配置与优化运行的微网能量配置方法
CN107944733A (zh) * 2017-12-06 2018-04-20 华中科技大学 一种含风电、需求响应和压缩空气储能的电网调度方法
CN109256799A (zh) * 2018-09-17 2019-01-22 大连理工大学 一种基于样本熵的新能源电力系统优化调度方法
CN109687444A (zh) * 2018-12-27 2019-04-26 广东电网有限责任公司 一种微电网电源多目标双层优化配置方法
CN109830979A (zh) * 2019-01-25 2019-05-31 重庆大学 一种基于时序模拟的计算及常规机组随机故障的发电系统灵活性评估方法
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
CN111241463A (zh) * 2020-03-03 2020-06-05 国网江苏省电力有限公司镇江供电分公司 一种基于双层优化模型的用户侧储能装置容量配置方法
CN111384719A (zh) * 2020-03-17 2020-07-07 国网江苏省电力有限公司经济技术研究院 一种光伏并网时的分布式储能电站削峰填谷优化调度方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
FANQI YANG，等: "Characteristic analysis of peak-valley regulation of Central China power grid under DifferentWind Power Consumption Situations", 《2018 CHINA INTERNATIONAL CONFERENCE ON ELECTRICITY DISTRIBUTION》 *
LI LIN,等: "An Optimal Capacity Configuration Method of Wind/PV and Energy Storage Co-generation System", 《2014 IEEE PES GENERAL MEETING | CONFERENCE & EXPOSITION》 *
WANG SHUNJIANG，等: "Rsearch on Optimal Scheduling Method for Large-Scale Wind Power Grid Connection", 《2018 INTERNATIONAL CONFERENCE ON ENGINEERING SIMULATION AND INTELLIGENT CONTROL》 *
徐国栋，等: "用于缓解电网调峰压力的储能系统规划方法综述", 《电力自动化设备》 *
李军徽，等: "储能辅助火电机组深度调峰的分层优化调度", 《电网技术》 *
石亮缘，等: "基于时间序列相似性度量的新能源－负荷特性指标", 《电力自动化设备》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112580850A (zh) * 2020-11-13 2021-03-30 国网河南综合能源服务有限公司 一种电力调峰市场的出清方法及系统
CN112600227A (zh) * 2020-12-18 2021-04-02 华北电力大学 一种基于典型日挖掘的储能辅助调峰容量配置方法
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
CN113794224A (zh) * 2021-08-06 2021-12-14 中国长江三峡集团有限公司 基于风电场应用场景的储能系统优化配置方法及装置
CN114172180A (zh) * 2021-11-25 2022-03-11 国网福建省电力有限公司电力科学研究院 考虑退化成本的电池储能参与调峰双层滚动优化控制方法
CN114172180B (zh) * 2021-11-25 2024-04-05 国网福建省电力有限公司电力科学研究院 考虑退化成本的电池储能参与调峰双层滚动优化控制方法
CN117595329A (zh) * 2023-11-30 2024-02-23 华能山东发电有限公司 考虑风电场反调峰特性的储能配置方法、装置及存储介质
CN117424263A (zh) * 2023-12-19 2024-01-19 平高集团储能科技有限公司 飞轮-锂离子电池混合储能系统的优化运行方法及系统
CN117424263B (zh) * 2023-12-19 2024-02-27 平高集团储能科技有限公司 飞轮-锂离子电池混合储能系统的优化运行方法及系统

Also Published As

Publication number Publication date
CN111900746B (zh) 2022-02-08

Similar Documents

Publication Publication Date Title
CN111900746B (zh) 一种基于双层模型的储能参与调峰的容量配置方法
CN109727158B (zh) 一种基于改进弱鲁棒优化的电热综合能源系统调度方法
CN107464010B (zh) 一种虚拟电厂容量优化配置方法
CN111241463A (zh) 一种基于双层优化模型的用户侧储能装置容量配置方法
CN104966127B (zh) 一种基于需求响应的电动汽车经济调度方法
CN110633854A (zh) 一种考虑储能电池多重分段服务全生命周期优化规划方法
CN110245794B (zh) 考虑灵活性的多能源汇集中心火储容量双层优化方法
CN113792953A (zh) 一种虚拟电厂优化调度方法及系统
CN112395748A (zh) 考虑供需双侧灵活性资源的电力系统旋转备用容量优化方法
CN111668878A (zh) 一种可再生微能源网的优化配置方法和系统
Du et al. RETRACTED ARTICLE: Optimal scheduling of integrated energy system based on improved grey wolf optimization algorithm
CN110796373A (zh) 面向风电消纳的多阶段场景生成电热系统优化调度方法
CN115456242A (zh) 基于多重不确定性表征的虚拟电厂市场化优化调度方法
CN114781740B (zh) 考虑碳排放成本下用户需求响应特性的综合能源系统运行优化装置
CN115423260A (zh) 一种电力市场及政策服务新能源利用的量化分析方法
Hussain et al. Energy management of buildings with energy storage and solar photovoltaic: A diversity in experience approach for deep reinforcement learning agents
Lopes et al. Metaheuristic methods applied to the pumps and turbines configuration design of water pumped storage systems
CN114358378A (zh) 一种用于考虑需量管理的用户侧储能优化配置系统及方法
CN117575709A (zh) 基于CVaR的多能虚拟电厂分布式点对点电热碳联合交易方法
CN110048421B (zh) 储能装置容量选择方法及装置
CN107622331A (zh) 一种发电机组与电力用户直接交易方式的优化方法和装置
CN111027757A (zh) 一种基于皮亚诺曲线降维的用户侧储能优化配置方法
CN115441494A (zh) 基于柔性直流互联系统的换流站容量优化配置方法和装置
Qi et al. Capacity and Power Allocation Strategy of Energy Storage Participating in Grid Peak Shaving
Bai et al. Distributed optimization method for multi-area integrated energy systems considering demand response

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