CN111987729A - 一种含p2g微网的储电储气容量配置与调度优化方法 - Google Patents

一种含p2g微网的储电储气容量配置与调度优化方法 Download PDF

Info

Publication number
CN111987729A
CN111987729A CN202010794809.1A CN202010794809A CN111987729A CN 111987729 A CN111987729 A CN 111987729A CN 202010794809 A CN202010794809 A CN 202010794809A CN 111987729 A CN111987729 A CN 111987729A
Authority
CN
China
Prior art keywords
power
storage device
gas storage
electricity
time
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
CN202010794809.1A
Other languages
English (en)
Other versions
CN111987729B (zh
Inventor
梅飞
顾佳琪
陆继翔
陆进军
江玉寒
张家堂
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.)
Hohai University HHU
NARI Group Corp
Original Assignee
Hohai University HHU
NARI Group Corp
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 Hohai University HHU, NARI Group Corp filed Critical Hohai University HHU
Priority to CN202010794809.1A priority Critical patent/CN111987729B/zh
Publication of CN111987729A publication Critical patent/CN111987729A/zh
Application granted granted Critical
Publication of CN111987729B publication Critical patent/CN111987729B/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
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • H02J3/008—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
    • H02J3/38—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
    • H02J2203/20—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
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种含P2G微网的储电储气容量配置与调度优化方法，根据含P2G单元的微网运行模型构建储电储气配置模型和调度模型，储电储气配置模型采用粒子群优化算法对储电装置和储气装置的额定容量进行配置，调度模型采用差分进化算法以微网每日运行成本最低为目标函数对储电装置的充放电功率，储气装置的充放气功率，售电功率，购电功率，负荷转移功率和P2G设备的输入功率进行调整，并将目标函数值作为适应值返回给储电储气配置模型，再根据适应值对储电储气装置进行优化配置。本发明适用于含有P2G的微网运行多场景下的储电储气配置策略和微网优化调度，在降低不合理的储电储气配置成本的同时提高了能源的利用效率。

Description

一种含P2G微网的储电储气容量配置与调度优化方法
技术领域
本发明涉及一种含P2G微网的储电储气容量配置与调度优化方法，属于电力系统运行调度技术领域。
背景技术
传统的化石能源发电不仅会造成不可再生能源的不断消耗，也会给环境带来一定的影响。因此，新能源发电的发展已经是不可逆转的趋势，最具典型的就是采用光伏发电。据统计，我国2019年光伏装机容量为30.1GW，在光伏大规模的接入微网的背景下，不仅使得配电网的光伏消纳较为困难，而且影响着微网的安全性与稳定性，弃光现象比较严重。如何在保证微网的安全性与稳定性的前提下，对光伏进行消纳处理并且兼顾经济性已经成为当今热门的研宄方向。
迄今为止，国内外专家和学者对高渗透率的光伏消纳已经有了较为系统和卓有成效的研宄。对于高渗透率光伏的消纳出力措施主要包含以下方面：能源之间的相互转化、储能配置和负荷转移。能源之间的转化是将多余的光伏电能通过能源设备转化为其他形式的能源，如P2G(Power to Gas)技术。
P2G技术是将电能转化为天然气。主要分为两个过程：电转氢以及甲烷化过程。电转氢是将多余的电能通过电解水产生氢气后直接将氢气注入天然气管道或者氢气存储设备中进行存储，其能量转换效率可达75％～85％。甲烷化过程是在电转氢的基础上，在催化剂的作用下将电解水生成的氢气和二氧化碳反应生成甲烷和水，这个过程能量转换效率约为75％～80％。通过两个阶段的化学反应，电转气的综合转化效率在45％～60％。P2G技术增强了气网和电网之间的耦合特性，提高了能源使用效率。
储能设备可以进行能源的存储以及释放，有利于实现发电设备的平滑输出，进行能源的消纳以及调峰调频处理等；而需求侧响应则通过改变用户的用电模式，改变用电时间，将用电高峰期转移到光伏出力的高峰期或者用电的低谷期。
如今对微网新能源的消纳研宄也是基于这三种方向。陶琼等人通过储电设备与负荷、光伏的时序配合来提高光伏消纳，从而减少电压波动。在储电装置配置成本过高的情况下，大力的发展储气设备，可以降低成本，提高能源的利用率，减少弃风弃光的影响。当能源转化与储能配置共同配置下，将进一步提高能源的利用率。陈沼宇等人将风电通过P2G技术转化为天然气，配合储气、储电等设备，减少微网的能源成本。而彭政等人是通过储电装置和可转移负荷的共同作用下，提高了光伏的消纳能力，并且减小了微网的成本。
目前，大部分的研宄均是在先已给定额定的储电容量和储气容量下，对微网进行日前经济调度，未根据实际需求进行容量配置。不合适的储能容量会直接影响光伏消纳能力与微网的经济性，同时，现有研宄也并未根据场景的不同进行合理的调度策略优化。
发明内容
本发明的目的在于提供一种含P2G微网的储电储气容量配置与调度优化方法，在不同场景下进行合理的储能配置以及最优的日前经济调度，使得微网在保证光伏消纳能力的前提下，实现经济性的最大化。
为实现上述目的，本发明采用如下的技术方案：
本发明提供一种含P2G微网的储电储气容量配置与调度优化方法，包括：
针对含有P2G单元的微网，构建储电储气配置模型和调度模型；所述储电储气配置模型采用粒子群优化算法对储电装置和储气装置的额定容量进行配置；所述调度模型采用差分进化算法对储电装置的充放电功率，储气装置的充放气功率，售电功率，购电功率，负荷转移功率和P2G设备的输入功率进行调整；
将储电储气配置模型中每一个粒子的位置分别输入到调度模型；所述粒子的位置为储电装置和储气装置的额定容量；
调度模型随机初始化差分进化算法中每一个粒子在一个调度周期内储电装置的充放电功率，储气装置的充放气功率，购电功率，售电功率，负荷转移功率和P2G设备的输入功率；
调度模型基于目标函数进行一个调度周期内储电装置的充放电优化和储气装置的充放气优化，直到达到迭代终止条件，并将最终的目标函数值作为适应值反馈给储电储气配置模型中的粒子；
储电储气配置模型根据适应值更新粒子的位置和速度，判断当前迭代次数是否达到储电储气配置模型的迭代终止次数，如果未达到则将每一个粒子的位置重新输入到调度模型中，否则以当前储电装置额定容量配置储电装置，以当前储气装置额定容量配置储气装置，根据当前适应值对应的充放电功率和充放气功率调度储电装置和储气装置，并输出当前适应值。
进一步的，还包括对储电储气配置模型和调度模型相关参数进行配置；
配置储电储气配置模型的相关参数包括：日负荷曲线和光伏出力曲线；
配置储电储气配置模型的粒子群优化算法的相关参数包括：粒子群的数量、迭代次数、权重大小以及加速系数。
配置调度模型的相关参数包括：日负荷曲线、光伏出力曲线、储电装置、储气装置各自的单位容量维修成本；P2G设备的单位功率维修成本；储电装置、储气装置单位容量投资成本、使用寿命以及基准折现率；P2G设备的单位功率投资成本、使用寿命以及基准折现率；购电单位成本；折算成气功率的售气单位收益；售电的单位收益；负荷功率的单位转移成本；储电装置的充放电效率以及荷电状态的上下限值；储气装置的充放气效率以及容量状态的上下限值；
配置调度模型的差分进化算法的相关参数包括：种群数量、迭代次数、缩放因子和交叉概率。
进一步的，所述储电储气配置模型采用粒子群优化算法对储电装置和储气装置的额定容量进行配置，需满足约束条件：
Figure BDA0002625170610000031
Spv＝∑(Psur(t))
Figure BDA0002625170610000041
其中，Se min、Se max为储电装置荷电状态的下限和上限，Sg min、Sg max为储气装置容量状态的下限和上限，Spv为满足负荷需求多余的光伏容量，Psur(t)为t时刻需要消纳的光伏功率，Ppv(t)为t时刻的光伏功率，Pload(t)为t时刻的负载功率。
进一步的，所述调度模型包括：
Pg(t)＝PP2G(t)ηP2G
Figure BDA0002625170610000042
Figure BDA0002625170610000043
Figure BDA0002625170610000044
其中，Pg(t)为t时刻经过P2G设备输出的天然气功率，PP2G(t)为t时刻P2G设备的输入功率，ηP2G为P2G设备的转化效率，Se(t)为储电装置t时刻的荷电状态，Se(t-1)为储电装置t-1时刻的荷电状态，ηech为储电装置的充电效率，ηedis为储电装置的放电效率，SNe为储电装置的额定容量，Pech(t)为t时刻储电装置的充电功率，Pedis(t)为t时刻储电装置的放电功率，Δt为一个调度时段，Pgch(t)表示t时刻储气装置的充气功率，Pgdis(t)表示t时刻储气装置的放气功率，Sg(t)为储气装置t时刻的容量状态，Sg(t-1)为储气装置t-1时刻的容量状态，ηgch为储气装置的充气效率，ηgdis为储气装置的放气效率，SNg为储气装置的额定容量，Pcin(t)为t时刻转入负荷，Pcout(t)为t时刻转出负荷，Pmax为可调度负荷功率最大值，T为调度周期。
进一步的，所述调度模型以一个调度周期经济调度成本最低为目标函数：
Figure BDA0002625170610000045
Ce(t)＝Cee|Pech(t)-Pedis(t)|
Cg(t)＝Cgg|Pgch(t)-Pgdis(t)|
CP2G(t)＝CP2GGPP2G(t)
CBE(t)＝CBEEPBE(t)
CPC(t)＝CcompPcin(t)
Figure BDA0002625170610000051
CSE(t)＝CSEEPSE(t)
Figure BDA0002625170610000052
其中，f为每日调度成本，Ce(t)为t时刻储电装置维修成本，Cg(t)为t时刻储气装置维修成本，CP2G(t)为t时刻P2G设备维修成本，CBE(t)为t时刻购电成本，CPC(t)为t时刻负荷转移成本，CGAS(t)为t时刻出售天然气收益，CSE(t)为t时刻售电收益，Cin为储电装置、储气装置和P2G设备单位时间投资成本之和，Cee、Cgg、CP2GG、CBEE、Ccomp、CGASS、CSEE分别为储电装置的单位容量维修成本、储气装置的单位容量维修成本、P2G设备的单位功率维修成本、上网购电单位成本、负荷转移的单位补贴、向天然气网售气单位立方价格以及向主网售电单位费用，SNs、Cs、ns表示设备s的额定容量、单位容量安装成本以及使用寿命，s＝1表示储电装置，s＝2表示储气装置，PN表示P2G设备的额定功率，CP2G表示P2G设备的单位功率安装成本，np表示P2G设备的使用寿命，r表示基准折现率，PBE(t)为t时刻购电功率，PSE(t)为t时刻售电功率，HCVNG为天然气低热值。
进一步的，所述调度模型基于目标函数进行一个调度周期内储电装置的充放电优化和储气装置的充放气优化，需满足约束条件：
功率平衡约束：
Figure BDA0002625170610000053
其中，Ppv(t)为t时刻的光伏功率，Pload(t)为t时刻的负载功率；
储电装置约束：
Pech(t)·Pedis(t)＝0；
Se min≤Se(t)≤Se max；
其中，Se(t)为t时刻储电装置的荷电状态；
储气装置约束：
Pgch(t)·Pgdis(t)＝0；
Sg min≤Sg(t)≤Sg max；
其中，Sg(t)为t时刻储气装置的容量状态。
本发明的有益效果为：
本发明提供一种含P2G微网的储电储气容量配置与调度优化方法，根据含P2G单元的微网运行模型构建储电储气配置模型和调度模型，储电储气配置模型采用粒子群优化算法对储电装置和储气装置的额定容量进行配置，调度模型采用差分进化算法以微网每日运行成本最低为目标函数对储电装置和储气装置进行调度，实现了配置场景下100％消纳光伏功率的最为合适的储电储气容量，能够避免不合适的储能容量对光伏消纳以及微网经济的影响；同时，在降低不合理的储能配置成本的同时提高了能源的利用效率。
附图说明
图1是本发明中电-气转化的微网调度结构图；
图2是本发明中含P2G微网的储电储气容量配置与调度优化方法流程图；
图3是本发明实施例中场景一的光伏出力与日负荷曲线；
图4是本发明实施例中场景二的光伏出力与日负荷曲线；
图5是本发明实施例中场景一最优策略的调度方案；
图6是本发明实施例中场景二最优策略的调度方案；
图7是本发明实施例中经过负荷转移之后的日负荷曲线。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明提供一种含P2G微网的储电储气容量配置与调度优化方法，包括：
步骤一、进行参数配置，
本发明针对含有P2G单元的微网，构建储电储气配置模型和调度模型，
所述储电储气配置模型为对储电装置和储气装置的额定容量进行配置；
所述调度模型为对储电装置的充放电功率，储气装置的充放气功率，售电功率，购电功率，负荷转移功率和P2G设备的输入功率进行调整。
所述储电储气配置模型采用粒子群(PSO)算法求解，本发明针对储电储气配置模型进行参数配置如下：
储电储气配置模型的相关参数为日负荷曲线和光伏出力曲线；
求解储电储气配置模型的粒子群算法的相关参数为粒子群的数量、迭代次数、权重大小以及加速系数。
所述调度模型采用差分进化(DE)算法求解，本发明针对调度模型进行参数配置如下：
调度模型的相关参数为日负荷曲线、光伏出力曲线、储电装置、储气装置各自的单位容量维修成本；P2G设备的单位功率维修成本；储电装置、储气装置单位容量投资成本、使用寿命以及基准折现率；P2G设备的单位功率投资成本、使用寿命以及基准折现率；购电单位成本；折算成气功率的售气单位收益；售电的单位收益；负荷功率的单位转移成本；储电装置的充放电效率以及荷电状态的上下限值；储气装置的充放气效率以及容量状态的上下限值。
求解调度模型的差分进化算法的相关参数为种群数量、迭代次数、缩放因子和交叉概率。
步骤二、在满足储电储气配置模型约束条件的前提下，随机初始化储电储气配置模型中每一个粒子的位置和速度，其位置和速度为不同的储电储气容量配置方案。
所述储电储气配置模型的约束条件为：
Figure BDA0002625170610000071
Spv＝∑(Psur(t))
Figure BDA0002625170610000081
式中，Se min、Se max为储电装置荷电状态的下限和上限，Sg min、Sg max为储气装置容量状态的下限和上限，Spv为满足负荷需求多余的光伏容量，Psur(t)为t时刻需要消纳的光伏功率，Ppv(t)为t时刻的光伏功率，通过光伏出力曲线获取，Pload(t)为t时刻的负载功率，通过日负荷曲线获取。
步骤三、将储电储气配置模型中每一个粒子的位置分别输入到调度模型。
步骤四、在满足调度模型约束条件的前提下，随机初始化DE算法中每一个粒子在一个调度周期内储电装置的充放电功率、储气装置的充放气功率、购电功率、售电功率、负荷转移功率和P2G设备的输入功率。
所述的调度模型根据图1进行构建，包括储能设备、P2G设备以及负荷转移。
1、P2G设备，P2G技术是将电功率转化为气功率：
Pg(t)＝PP2G(t)ηP2G
其中，PP2G(t)为t时刻P2G设备的输入功率，Pg(t)为t时刻经过P2G设备输出的天然气功率，ηP2G为P2G设备的转化效率，目前此效率为60％左右。
2、储能设备
(1)储电装置
储电装置t时刻的荷电状态和t-1时刻的荷电状态与t时刻的充放电功率有关：
Figure BDA0002625170610000082
其中，Se(t)为储电装置t时刻的荷电状态，Se(t-1)为储电装置t-1时刻的荷电状态，ηech为储电装置的充电效率，ηedis为储电装置的放电效率，SNe为储电装置的额定容量，Pech(t)为t时刻储电装置的充电功率，Pedis(t)为t时刻储电装置的放电功率，Δt为一个调度时段。
(2)储气装置
储气装置的储气状态与前一刻充气和放气功率有关：
Figure BDA0002625170610000091
其中：Pgch(t)表示t时刻储气装置的充气功率，Pgdis(t)表示t时刻储气装置的放气功率，Sg(t)为储气装置t时刻的容量状态，Sg(t-1)为储气装置t-1时刻的容量状态，ηgch为储气装置的充气放率，ηgdis为储气装置的放气放率，SNg为储气装置的额定容量。
3、可转移负荷
可转移负荷是限据供需双方签订好一定的协议，由调度中心发出命令，将用电高时期的负荷转移到新能源出力的高峰期或者负荷的低谷期。可转移负荷一般以空调、热水器等为主。在一个调度周期内，转入负荷与转出负荷保持相等，并且负荷的转入和转出必须小于调度最大值，如下式所示：
Figure BDA0002625170610000092
其中，Pcin(t)为t时刻转入负荷，Pcout(t)为t时刻转出负荷，Pmax为可调度负荷功率最大值，T为调度周期。
所述调度模型的约束条件为：
功率平衡约束：
功率平衡约束需满足对于t时刻保持电负荷平衡：
Figure BDA0002625170610000093
其中：PP2G(t)为t时刻P2G设备的输入功率，Pech(t)为t时刻储电装置的充电功率，Pcin(t)为t时刻转入负荷，Pedis(t)为t时刻储电装置的放电功率，Pcout(t)为t时刻转出负荷，PBE(t)为t时刻购电功率。
储电装置约束：
在同一时刻，充放电功率不能同时进行，如下式所示：
Pech(t)·Pedis(t)＝0
Se min≤Se(t)≤Se max
其中，Se(t)为t时刻储电装置的荷电状态。
储气装置约束：
充气功率和放气功率不能同时进行，也需要收到储气状态的上下限约束：
Pgch(t)·Pgdis(t)＝0
Sg min≤Sg(t)≤Sg max
其中，Pgch(t)表示t时刻储气装置的充气功率，Pgdis(t)表示t时刻储气装置的放气功率，Sg(t)为t时刻储气装置的容量状态。
步骤五、根据调度模型的目标函数进行粒子在一个调度周期内储电和储气装置的充放功率策略优化，直到达到调度模型的终止迭代条件，并将调度模型的目标函数值反馈给配置模型中的粒子，作为粒子的适应值。
所述调度模型以一个调度周期经济调度成本最低为目标函数：
Figure BDA0002625170610000101
Ce(t)＝Cee|Pech(t)-Pedis(t)|
Cg(t)＝Cgg|Pgch(t)-Pgdis(t)|
CP2G(t)＝CP2GGPP2G(t)
CBE(t)＝CBEEPBE(t)
CPC(t)＝CcompPcin(t)
Figure BDA0002625170610000102
CSE(t)＝CSEEPSE(t)
Figure BDA0002625170610000103
式中：f为每日调度成本，Ce(t)为t时刻储电装置维修成本，Cg(t)为t时刻储气装置维修成本，CP2G(t)为t时刻P2G设备维修成本，CBE(t)为t时刻购电成本，CPC(t)为t时刻负荷转移成本，CGAS(t)为t时刻出售天然气收益，CSE(t)为t时刻售电收益，Cin为储电装置、储气装置和P2G设备单位时间投资成本之和，Cee、Cgg、CP2GG、CBEE、Ccomp、CGASS、CSEE分别为储电装置的单位容量维修成本、储气装置的单位容量维修成本、P2G设备的单位功率维修成本、上网购电单位成本、负荷转移的单位补贴、向天然气网售气单位立方价格以及向主网售电单位费用，SNs、Cs、ns表示设备s的额定容量、单位容量安装成本以及使用寿命，s＝1表示储电装置，s＝2表示储气装置，PN表示P2G设备的额定功率，CP2G表示P2G设备的单位功率安装成本，np表示P2G设备的使用寿命，r表示基准折现率，PBE(t)为t时刻购电功率，PSE(t)为t时刻售电功率，HCVNG为天然气低热值，取9.7kW·h/m3，Δt为一个调度时段，T为调度周期。
步骤六、储电储气配置模型中的粒子根据适应值更新粒子的速度和位置，判断当前迭代次数是否达到储电储气配置模型的终止迭代条件，如果未达到迭代次数则转到步骤三，否则输出最优储电和储气容量配置以及该储能容量配置下的适应值(每日调度成本)。
实施例
输入配置：考虑每日调度的经济性，将总的设备成本折算成每日的设备成本，并且分时向主网进行购电。分时电价的时间划分段如下：峰时段为：10：00-15：00，18：00-21：00；平时段为07：00-10：00，15：00-18：00及21：00-23：00；谷时段为00：00-07：00，23：00-24：00。峰时段的购电价为0.83元/kW·h，平时段的购电价为0.38元/kW·h，谷时段的购电价为0.17元/kW·h。若储能装置在满足负荷需求的之后，仍有盈余，同时为保证下一周期的储电的初始状态，则向电网进行售电，均以0.3元/kW·h进行售出，具体数据如下表1和表2所示。通过P2G产生的天然气向气网公司进行出售，天然气的价格为2.5元/m3。考虑负荷转移的补贴价格为0.1元/kW。设调度周期为24h，单位调度时间为1h。
表1储能装置基础数据
Figure BDA0002625170610000121
表2 P2G基础数据
Figure BDA0002625170610000122
拟采用两种场景两种策略进行对比研宄，场景一为光伏所发出的电量小于负荷需求，场景二为光伏所发出的电量大于负荷需求，所用策略则是在每一种的场景下，对光伏消纳措施进行经济对比，策略一为储电装置与负荷转移结合，策略二为储电、储气、负荷转移以及P2G使用，通过横纵对比来验证多种消纳措施的经济性。
采用两种场景，如图3以及图4所示，场景一中一天所发的光伏电量为2997kW，而一天的负荷总的需求是4113kW，光伏发电总量为负荷需求的72.9％；在场景二中一天的光伏电量为5095kW，此时发电总量为负荷需求的124％，此时危害系统的稳定性。
对两种场景采用两种策略进行光伏消纳，表3为不同情景不同策略成本与容量配置，
表3不同情景不同策略成本与容量配置
Figure BDA0002625170610000123
根据表3可知，对于场景一来说，当光伏所发的电量小于负荷需求的时候，通过寻优结果来看，只配置储电装置的成本为最小，这是由于P2G技术的每日成本比储电装置成本高，若将通过P2G技术进行消纳无疑增大成本，因此，在场景一下，只配置储电装置将更加划算；对比不同场景的策略一可知，当光伏大于负荷需求的时候，储电装置的配置过大，每日成本将进一步增大，当配置P2G技术，一方面降低了储电装置的成本，然后通过向气网进行售气，以减小微电网的成本，每日将会降低20元左右，一年对于整个微网节省7300元的费用，提高了微网的经济性。因此，对于整个负荷需求小于光伏功率的时候，通过P2G技术和储电设备结合更具有经济性。
在上述多种措施结合经济性下，合理的调度有利于进一步减少微网成本，针对场景一与场景二中的储能装置与储气装置，结合负荷转移，进行对负荷进行优化调度，如图5、图6所示。
图5和图6中的消纳电功率低于0的部分代表着负荷所需的功率，大于0的部分代表着所需要消纳光伏的功率，从负荷调度的结果可以看出，针对不同的场景，不同设备消纳的光伏功率也不一样，场景一在光伏大于负荷需求的时刻，优先进行大规模的储电消纳，而在场景二则优先进行大规模能源转换，而在纵向对比两种场景下的放电时刻，可以知道优先在峰时进行放电以满足负荷需求，减少电价。而经过负荷转移之后的负荷曲线更加贴合光伏曲线，如图7所示。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

Claims (6)

1.一种含P2G微网的储电储气容量配置与调度优化方法，其特征在于，包括：
针对含有P2G单元的微网，构建储电储气配置模型和调度模型；所述储电储气配置模型采用粒子群优化算法对储电装置和储气装置的额定容量进行配置；所述调度模型采用差分进化算法对储电装置的充放电功率，储气装置的充放气功率，售电功率，购电功率，负荷转移功率和P2G设备的输入功率进行调整；
将储电储气配置模型中每一个粒子的位置分别输入到调度模型；所述粒子的位置为储电装置和储气装置的额定容量；
调度模型随机初始化差分进化算法中每一个粒子在一个调度周期内储电装置的充放电功率，储气装置的充放气功率，购电功率，售电功率，负荷转移功率和P2G设备的输入功率；
调度模型基于目标函数进行一个调度周期内储电装置的充放电优化和储气装置的充放气优化，直到达到迭代终止条件，并将最终的目标函数值作为适应值反馈给储电储气配置模型中的粒子；
储电储气配置模型根据适应值更新粒子的位置和速度，判断当前迭代次数是否达到储电储气配置模型的迭代终止次数，如果未达到则将每一个粒子的位置重新输入到调度模型中，否则以当前储电装置额定容量配置储电装置，以当前储气装置额定容量配置储气装置，根据当前适应值对应的充放电功率和充放气功率调度储电装置和储气装置，并输出当前适应值。
2.根据权利要求1所述的一种含P2G微网的储电储气容量配置与调度优化方法，其特征在于，还包括对储电储气配置模型和调度模型相关参数进行配置；
配置储电储气配置模型的相关参数包括：日负荷曲线和光伏出力曲线；
配置储电储气配置模型的粒子群优化算法的相关参数包括：粒子群的数量、迭代次数、权重大小以及加速系数。
配置调度模型的相关参数包括：日负荷曲线、光伏出力曲线、储电装置、储气装置各自的单位容量维修成本；P2G设备的单位功率维修成本；储电装置、储气装置单位容量投资成本、使用寿命以及基准折现率；P2G设备的单位功率投资成本、使用寿命以及基准折现率；购电单位成本；折算成气功率的售气单位收益；售电的单位收益；负荷功率的单位转移成本；储电装置的充放电效率以及荷电状态的上下限值；储气装置的充放气效率以及容量状态的上下限值；
配置调度模型的差分进化算法的相关参数包括：种群数量、迭代次数、缩放因子和交叉概率。
3.根据权利要求1所述的一种含P2G微网的储电储气容量配置与调度优化方法，其特征在于，所述储电储气配置模型采用粒子群优化算法对储电装置和储气装置的额定容量进行配置，需满足约束条件：
Figure FDA0002625170600000021
Spv＝∑(Psur(t))
Figure FDA0002625170600000022
其中，Semin、Semax为储电装置荷电状态的下限和上限，Sgmin、Sgmax为储气装置容量状态的下限和上限，Spv为满足负荷需求多余的光伏容量，Psur(t)为t时刻需要消纳的光伏功率，Ppv(t)为t时刻的光伏功率，Pload(t)为t时刻的负载功率。
4.根据权利要求1所述的一种含P2G微网的储电储气容量配置与调度优化方法，其特征在于，所述调度模型包括：
Pg(t)＝PP2G(t)ηP2G
Figure FDA0002625170600000023
Figure FDA0002625170600000024
Figure FDA0002625170600000025
其中，Pg(t)为t时刻经过P2G设备输出的天然气功率，PP2G(t)为t时刻P2G设备的输入功率，ηP2G为P2G设备的转化效率，Se(t)为储电装置t时刻的荷电状态，Se(t-1)为储电装置t-1时刻的荷电状态，ηech为储电装置的充电效率，ηedis为储电装置的放电效率，SNe为储电装置的额定容量，Pech(t)为t时刻储电装置的充电功率，Pedis(t)为t时刻储电装置的放电功率，Δt为一个调度时段，Pgch(t)表示t时刻储气装置的充气功率，Pgdis(t)表示t时刻储气装置的放气功率，Sg(t)为储气装置t时刻的容量状态，Sg(t-1)为储气装置t-1时刻的容量状态，ηgch为储气装置的充气效率，ηgdis为储气装置的放气效率，SNg为储气装置的额定容量，Pcin(t)为t时刻转入负荷，Pcout(t)为t时刻转出负荷，Pmax为可调度负荷功率最大值，T为调度周期。
5.根据权利要求4所述的一种含P2G微网的储电储气容量配置与调度优化方法，其特征在于，所述调度模型以一个调度周期经济调度成本最低为目标函数：
Figure FDA0002625170600000031
Ce(t)＝Cee|Pech(t)-Pedis(t)|
Cg(t)＝Cgg|Pgch(t)-Pgdis(t)|
CP2G(t)＝CP2GGPP2G(t)
CBE(t)＝CBEEPBE(t)
CPC(t)＝CcompPcin(t)
Figure FDA0002625170600000032
CSE(t)＝CSEEPSE(t)
Figure FDA0002625170600000033
其中，f为每日调度成本，Ce(t)为t时刻储电装置维修成本，Cg(t)为t时刻储气装置维修成本，CP2G(t)为t时刻P2G设备维修成本，CBE(t)为t时刻购电成本，CPC(t)为t时刻负荷转移成本，CGAS(t)为t时刻出售天然气收益，CSE(t)为t时刻售电收益，Cin为储电装置、储气装置和P2G设备单位时间投资成本之和，Cee、Cgg、CP2GG、CBEE、Ccomp、CGASS、CSEE分别为储电装置的单位容量维修成本、储气装置的单位容量维修成本、P2G设备的单位功率维修成本、上网购电单位成本、负荷转移的单位补贴、向天然气网售气单位立方价格以及向主网售电单位费用，SNs、Cs、ns表示设备s的额定容量、单位容量安装成本以及使用寿命，s＝1表示储电装置，s＝2表示储气装置，PN表示P2G设备的额定功率，CP2G表示P2G设备的单位功率安装成本，np表示P2G设备的使用寿命，r表示基准折现率，PBE(t)为t时刻购电功率，PSE(t)为t时刻售电功率，HCVNG为天然气低热值。
6.根据权利要求5所述的一种含P2G微网的储电储气容量配置与调度优化方法，其特征在于，所述调度模型基于目标函数进行一个调度周期内储电装置的充放电优化和储气装置的充放气优化，需满足约束条件：
功率平衡约束：
Figure FDA0002625170600000041
其中，Ppv(t)为t时刻的光伏功率，Pload(t)为t时刻的负载功率；
储电装置约束：
Pech(t)·Pedis(t)＝0；
Semin≤Se(t)≤Semax；
其中，Se(t)为t时刻储电装置的荷电状态；
储气装置约束：
Pgch(t)·Pgdis(t)＝0；
Sgmin≤Sg(t)≤Sgmax；
其中，Sg(t)为t时刻储气装置的容量状态。
CN202010794809.1A 2020-08-10 2020-08-10 一种含p2g微网的储电储气容量配置与调度优化方法 Active CN111987729B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010794809.1A CN111987729B (zh) 2020-08-10 2020-08-10 一种含p2g微网的储电储气容量配置与调度优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010794809.1A CN111987729B (zh) 2020-08-10 2020-08-10 一种含p2g微网的储电储气容量配置与调度优化方法

Publications (2)

Publication Number Publication Date
CN111987729A true CN111987729A (zh) 2020-11-24
CN111987729B CN111987729B (zh) 2021-10-22

Family

ID=73444746

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010794809.1A Active CN111987729B (zh) 2020-08-10 2020-08-10 一种含p2g微网的储电储气容量配置与调度优化方法

Country Status (1)

Country Link
CN (1) CN111987729B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023236625A1 (zh) * 2022-06-10 2023-12-14 华为数字能源技术有限公司 储能充电系统的调度方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100111841A1 (en) * 2008-10-31 2010-05-06 Searete Llc Compositions and methods for surface abrasion with frozen particles
CN105513661A (zh) * 2016-01-15 2016-04-20 中国科学技术大学 一种聚变堆热室清洗废气变压吸附净化再生利用方法及装置
CN108964048A (zh) * 2018-08-15 2018-12-07 国家电网有限公司 微电网容量配置与运行调度方法及装置
CN109165788A (zh) * 2018-09-04 2019-01-08 河北工业大学 一种冷热电联供系统的优化方法
CN109301852A (zh) * 2018-11-23 2019-02-01 武汉理工大学 一种微电网分级多目标联合的经济调度方法
CN109523065A (zh) * 2018-10-29 2019-03-26 西安理工大学 一种基于改进量子粒子群算法的微能源网优化调度方法
CN109885009A (zh) * 2019-03-19 2019-06-14 广东电网有限责任公司电网规划研究中心 计及电转气规划的多能互补园区能源优化配置方法
CN110110897A (zh) * 2019-04-11 2019-08-09 华北电力大学 一种考虑不同储能运行策略的综合能源系统优化方法
CN110829504A (zh) * 2019-11-08 2020-02-21 山东大学 弃风参与电网调频的电转气-储气-燃气轮机容量优化配置方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100111841A1 (en) * 2008-10-31 2010-05-06 Searete Llc Compositions and methods for surface abrasion with frozen particles
CN105513661A (zh) * 2016-01-15 2016-04-20 中国科学技术大学 一种聚变堆热室清洗废气变压吸附净化再生利用方法及装置
CN108964048A (zh) * 2018-08-15 2018-12-07 国家电网有限公司 微电网容量配置与运行调度方法及装置
CN109165788A (zh) * 2018-09-04 2019-01-08 河北工业大学 一种冷热电联供系统的优化方法
CN109523065A (zh) * 2018-10-29 2019-03-26 西安理工大学 一种基于改进量子粒子群算法的微能源网优化调度方法
CN109301852A (zh) * 2018-11-23 2019-02-01 武汉理工大学 一种微电网分级多目标联合的经济调度方法
CN109885009A (zh) * 2019-03-19 2019-06-14 广东电网有限责任公司电网规划研究中心 计及电转气规划的多能互补园区能源优化配置方法
CN110110897A (zh) * 2019-04-11 2019-08-09 华北电力大学 一种考虑不同储能运行策略的综合能源系统优化方法
CN110829504A (zh) * 2019-11-08 2020-02-21 山东大学 弃风参与电网调频的电转气-储气-燃气轮机容量优化配置方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
CHRIS MARNAY等: "Optimal_Technology_Selection_and_Operation_of_Commercial-Building_Microgrids", 《IEEE TRANSACTIONS ON POWER SYSTEMS》 *
RUI MA等: "Improved particle swarm optimization algorithm to multi-objective optimization energy hub model with P2G and energy storage", 《2017 IEEE CONFERENCE ON ENERGY INTERNET AND ENERGY SYSTEM INTEGRATION(EI2)》 *
涂群章等: "DEHPSO算法在电传动系统能量管理中的应用", 《电气传动》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023236625A1 (zh) * 2022-06-10 2023-12-14 华为数字能源技术有限公司 储能充电系统的调度方法及装置

Also Published As

Publication number Publication date
CN111987729B (zh) 2021-10-22

Similar Documents

Publication Publication Date Title
CN111445090B (zh) 一种离网型综合能源系统双层规划方法
CN109242350B (zh) 计及可平移负荷的冷热电联供系统容量优化配置方法
CN108154309B (zh) 计及冷热电多负荷动态响应的能源互联网经济调度方法
CN109523092B (zh) 多能互补冷热电联供系统及其协同调度方法
CN110826815B (zh) 一种考虑综合需求响应的区域综合能源系统运行优化方法
CN113159407B (zh) 基于区域综合能源系统的多能储存模块容量优化配置方法
CN113256045A (zh) 考虑风光不确定性的园区综合能源系统日前经济调度方法
CN105186583B (zh) 基于多智能体建模的能量路由器及其能量调度方法
CN115036918A (zh) 一种光储充电站经济运行费用和负荷方差优化的方法
CN110635514B (zh) 一种并网型微网优化配置方法
CN110957722B (zh) 一种含电转气设备的微型能源网日前优化调度方法
Ma et al. Optimal dispatch of hybrid energy islanded microgrid considering V2G under TOU tariffs
CN112036652A (zh) 基于机会约束规划的光伏-储能综合能源系统规划方法
CN116307072A (zh) 一种综合能源配电网多目标优化调度方法
CN111987729B (zh) 一种含p2g微网的储电储气容量配置与调度优化方法
CN112488363B (zh) 基于广义储能的多能源电力系统优化调度方法
Li et al. Planning model of integrated energy system considering P2G and energy storage
CN107871052A (zh) 一种计及可再生能源和储能的能源集线器优化调度模型
CN117081143A (zh) 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法
CN111210119A (zh) 多种市场下vpp电、热、气优化调度模型的建立方法
CN115995832A (zh) 一种计及柔性负荷的户用氢能系统优化运行方法及装置
CN113313329B (zh) 一种含综合能源系统的配电网优化调度方法
CN112952915B (zh) 一种综合能源系统中平抑电网峰谷的优化调度方法
CN115882460A (zh) 一种考虑需求侧管理的两阶段新能源微电网优化调度方法
CN110783928B (zh) 一种考虑柔性负荷的并网型交直流混合微电网系统容量优化配置方法

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