CN112234613B - 一种交直流混合系统储能优化配置方法 - Google Patents
一种交直流混合系统储能优化配置方法 Download PDFInfo
- Publication number
- CN112234613B CN112234613B CN202011061821.8A CN202011061821A CN112234613B CN 112234613 B CN112234613 B CN 112234613B CN 202011061821 A CN202011061821 A CN 202011061821A CN 112234613 B CN112234613 B CN 112234613B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- power
- node
- follows
- vsc
- 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 199
- 238000005457 optimization Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000009826 distribution Methods 0.000 claims abstract description 87
- 230000002068 genetic effect Effects 0.000 claims abstract description 16
- 238000002922 simulated annealing Methods 0.000 claims abstract description 9
- 108090000623 proteins and genes Proteins 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000000137 annealing Methods 0.000 claims description 8
- 230000008901 benefit Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000009434 installation Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 claims description 2
- 238000001816 cooling Methods 0.000 claims description 2
- 125000004122 cyclic group Chemical group 0.000 claims description 2
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 230000035772 mutation Effects 0.000 claims description 2
- 238000013459 approach Methods 0.000 claims 1
- 101000813777 Homo sapiens Splicing factor ESS-2 homolog Proteins 0.000 description 5
- 102100039575 Splicing factor ESS-2 homolog Human genes 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 101000712674 Homo sapiens TGF-beta receptor type-1 Proteins 0.000 description 3
- 102100033456 TGF-beta receptor type-1 Human genes 0.000 description 3
- 230000033228 biological regulation Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 229910001386 lithium phosphate Inorganic materials 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- TWQULNDIKKJZPH-UHFFFAOYSA-K trilithium;phosphate Chemical compound [Li+].[Li+].[Li+].[O-]P([O-])([O-])=O TWQULNDIKKJZPH-UHFFFAOYSA-K 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- H02J3/008—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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
一种交直流混合系统储能优化配置方法,根据交直流混合配电网运行特性建立双层优化模型,外层以全寿命净成本最小为目标函数,解决储能容量规划问题,而内层根据外层得到的相关参数以运行净成本最小为目标函数,解决运行优化问题,内外层模型交替求解;具体是首先通过遗传算法和模拟退火算法求解各位置储能的额定容量、额定功率和初始荷电状态,输出储能配置方案;再在保证电压安全运行的同时最大程度进行运行优化,即减少损耗提高套利,具体是通过二阶锥规划对内层模型进行求解,得到储能优化运行方案。本发明可以有效解决电压越限问题,保证系统安全可靠运行,并且通过套利收入降低了储能在交直流系统中的净成本。
Description
技术领域
本发明涉及一种。特别是涉及一种在考虑平抑可再生能源随机波动和直流配电网运行特点基础上的交直流混合系统储能优化配置方法。
背景技术
近年来,由于电力电子技术的蓬勃发展等原因,传统的配电网要适应这些带来的变化,逐步开始转型,为了确保配电网的各项指标(如电能质量、经济效益等)符合国家的要求,学者们开始研究,并发现交直流配电网为解决这些问题提供了可能,配有储能系统的交直流配电网是解决这些问题的有效途。
在对交直流(DC/AC)混合配电网研究时,发现直流(DC)配电网的运用可以提高配电系统的性能。当分布式电源以及直流负荷并网时可以减少电力电子器件的使用,从而减少了交/直变换过程中的损耗,使得在供电质量、经济效益上具有更好的性能;研究表明为了解决分布式(具体能源形式有可再生、非可再生能源)电源与电网之间产生的冲突矛盾,对电网内器件的快速有效控制可以有效方便地解决,是有利的技术手段。众所周知,可再生能源尤其是风机、光伏等这类出力时随机性、波动性较大,正是这样的特点,对电网稳定安全运行提出了挑战,因此除了配电网向直流配网转变还要增加储能设备。研究表明储能系统(ESS)具有调节速度快的特点,ESS为解决新能源并网产生的随机波动、不确定等问题提供了参考,成为了一种有效方式。
在目前能量转型的背景之下,交直流混合配电网以及储能系统的发展可以使可再生能源发电得到更好地利用,减少化石燃料的使用,还可以保护环境,因此有利于可持续发展,但是由于储能系统的成本较高,所以对于交直流混合电网中储能系统的容量配置及优化问题的讨论与解决具有重要的意义,而如何保证接入储能系统的配电网在供电时能够使产生的波动的较小时经济性最好也具有现实意义。
发明内容
本发明所要解决的技术问题是,提供在接入分布式电源的同时保证了系统电压水平安全可靠的交直流混合系统储能优化配置方法。
本发明所采用的技术方案是:一种交直流混合系统储能优化配置方法,根据交直流混合配电网运行特性建立双层优化模型,外层以全寿命净成本最小为目标函数,解决储能容量规划问题,而内层根据外层得到的相关参数以运行净成本最小为目标函数,解决运行优化问题,内外层模型交替求解;具体包括如下步骤:
1)第一阶段生成交直流混合配电网储能配置方案,包括通过遗传算法和模拟退火算法求解各位置储能的额定容量、额定功率和初始荷电状态,输出储能配置方案;
2)第二阶段根据第一阶段的相关参数,在保证电压安全运行的同时最大程度进行运行优化,即减少损耗提高套利,具体是通过二阶锥规划对内层模型进行求解,得到储能优化运行方案。
本发明的一种交直流混合系统储能优化配置方法,考虑了交直流系统中的储能优化配置方法,在接入分布式电源的同时保证了系统电压水平的安全可靠,并且采用了外层与内层双层模型的优化方法,优化模型可以描述交直流系统中线路、换流器、储能的参数以及优化问题,通过遗传算法以及锥改造,更加深入的分析与研究了储能规划问题,而且储能优化问题中考虑储能有无出力的影响,通过实验证明安装储能可以有效解决电压越限问题,保证系统安全可靠运行,并且通过套利收入降低了储能在交直流系统中的净成本。交直流混合配电网储能优化配置方法,储能技术和交直流配电技术的应用,无疑会大大提升光伏发电在电力系统中的消纳水平,但是考虑到储能系统的成本偏高,对交直流配电系统储能系统的优化配置问题开展研究,以减少投资成本、降低电网运行费用和光伏发电弃光量,具有重要的现实意义。
附图说明
图1是本方法的模型求解框图;
图2是第一阶段配置优化算法流程图;
图3是第二阶段运行优化算法流程图;
图4a是光伏1和负荷1的处理功率曲线;
图4b是光伏2和负荷2的处理功率曲线;
图4c是光伏3和负荷3的处理功率曲线;
图5是中压交直流混合配电系统结构图拓扑示意图;
图6是场景二下储能1、储能2、储能3的有功功率运行曲线;
图7是场景三下储能1、储能2、储能3的有功功率运行曲线;
图8是场景三下储能换流器1、储能换流器2的无功功率运行曲线;
图9是各场景下储能系统年套利收入;
图10是各场景下混合系统年均网损成本;
图11是场景二和场景三下各储能年均成本。
具体实施方式
下面结合实施例和附图对本发明的一种交直流混合系统储能优化配置方法做出详细说明。
本发明的一种交直流混合系统储能优化配置方法,是根据交直流混合配电网运行特性建立双层优化模型,外层以全寿命净成本最小为目标函数,解决储能容量规划问题,而内层根据外层得到的相关参数以运行净成本最小为目标函数,解决运行优化问题,内外层模型交替求解;内外层求解模型如图1所示,具体包括如下步骤:
1)第一阶段生成交直流混合配电网储能配置方案,包括通过遗传算法(GA)和模拟退火算法(SA)求解各位置储能的额定容量、额定功率和初始荷电状态(SOC),输出储能配置方案,外层优化模型的流程图如图2所示。包括:
(1.1)生成交直流混合系统中储能优化配置的初始方案,对每个位置的储能的额定容量、额定功率和初始荷电状态进行遗传算法中的编码操作;
(1.2)将配电网线路的阻抗、负荷、光伏、储能和换流器的参数输入交直流混合系统的内层优化模型获得运行优化结果,即在储能的额定容量、额定功率和初始荷电状态条件下的运行功率、年均网损成本和套利收入;其中,所述的交直流混合系统的内层优化模型,包括(1.2.1)内层优化模型的目标函数如下:
f=min(λ1Closs-λ2Carb+λ3ΔV) (1)
式中,Closs为配电网系统损耗成本,Carb为储能系统套利收入,ΔV为电压水平偏差;λ1、λ2和λ3分别为配电网系统损耗成本、储能系统套利收入和电压水平偏差的权重系数;其中,
配电网系统损耗成本计算如下:
式中,K为换流器个数;Ωi为节点i的相邻节点的集合;rij,ac和Iij,ac为交流支路ij的电阻和电流,rij,dc和Iij,dc为直流支路ij的电阻和电流;price(t)为t时刻电价,Nac为交流节点的集合,Ndc为直流节点的集合,PVSC.ac,k(t)为t时段换流器有功输出,A为是换流器的有功损耗系数,G为运行天数;
储能系统套利收入
式中,PESS,i(t)为t时段储能系统有功输出,NESS为储能节点的集合;
电压水平偏差计算如下:
式中,Vi(t)为节点i处在t时的电压幅值;Vthr,max、Vthr,min为节点电压幅值的上下限,储能系统应该在保证经济性的前提之下尽可能将电压趋近或保持在优化区间[Vthr,min,Vthr,max];
(1.2.2)内层优化模型的约束条件如下:
(1.2.2.1)交流子系统约束如式下:
式中,是末节点集合,末节点集合中的节点都是以i为首节点的支路;ψi是首节点集合,首节点集合中的节点都是以i为末节点的支路,Rij,ac和Xij,ac分别是交流线路ij的电阻和电抗;Pi,ac(t)和Qi,ac(t)分别是在节点i处t时段流出的有功以及无功功率;Pij,ac(t)和Qij,ac(t)分别是t时段内节点i流向节点j的有功功率和无功功率;Vi,ac(t)是节点i处的电压;Iij,ac(t)是t时段内支路ij上流过的电流;和是节点i处负荷在t时段内消耗的功率;和分别是节点i处在t时段储能系统输入或输出的有功功率和无功功率;是t时段内节点i接入光伏的输出功率;和分别是t时段内连接换流器的交流节点向换流器传输的有功功率和无功功率,方向从直流配电系统流向交流配电系统为正;
(1.2.2.2)直流Distflow潮流约束如下:
式中,Pij,dc(t)是t时段内i节点流向j节点的有功功率;Rij,dc和Xij,dc分别是支路ij的电阻和电抗;Vi,dc(t)是节点i处的电压;Iij,dc(t)是t时段内支路ij上流过的电流;Pi,dc(t)是t时段内直流节点i处流出的有功功率,由下式获得:
(1.2.2.3)节点电压约束如下:
(1.2.2.4)支路载流量约束如下:
(1.2.2.5)交直流节点的运行电压水平约束如下:
(1.2.2.6)交直流支路的电流约束如下:
(1.2.2.7)换流器功率约束如下:
PVSC.dc(t)=PVSC.ac(t)+PVSC.loss(t) (18)
式中,QVSC.min、QVSC.max、PVSC.min和PVSC.max分别是换流器传输无功功率的最小值和最大值以及传输有功功率的最小值和最大值;SVSC.max是换流器的最大容量;
(1.2.2.8)储能系统中的约束:
SOCmin≤SOC(t)≤SOCmax (19)
式中SOC(t)为储能t时刻荷电状态值;SOCmin和SOCmax分别为储能荷电状态的上下限;
(1.2.2.9)能量平衡约束如下:
能量平衡约束条件保证了储能在一天内的净充放电量为零,有利于储能的循环运行;
(1.2.2.10)剩余容量约束如下:
Erate×SOCmin≤E(t)≤Erate×SOCmax (22)
式中,E(t)为t时段储能中的能量,E(t-1)为t-1时段中的能量,Pess,charge(t)为t时段中储能充电能量,Pess,discharge(t)为t时段中储能放电能量,ηc为充电效率,ηd为放电效率,Δt为时间间隔长度
(1.2.2.11)充电约束如下:
(1.2.2.12)放电约束如下:
(2.12)充放电约束如下:
Pess.i.charge(t)×Pess.i.discharge(t)=0 (25)
式中,Pess.i.charge(t)为充电的标识,当储能在充电时取值是1,储能放电时取值是0,Pess.i.discharge(t)为放电标识,当储能在放电时取值是1,当储能在充电时取值是0。
(1.3)确定交直流混合系统外层优化模型的目标函数,即全寿命净成本:
F=min(Csys+Crep+CFOM+Cdis-(Closs0-Closs)-Carb) (26)
式中,Csys为安装费用,Crep为更换费用,CFOM为固定运维费用,Cdis为处理费用,Closs0、Closs和Carb分别为未进行储能配置交直流混合系统中的网络损耗成本、储能配置后交直流混合系统中的年均网络损耗成本、储能系统年均套利收入;其中
(1.3.1)安装费用计算公式如下:
式中,CE为储能电池单位容量价格;Erate为储能的额定容量;CP为储能电池单位功率价格;PESS,rate为储能的额定功率;CB为辅助设施单位容量价格;σ为贴现率;Y为项目年限周期;
(1.3.2)更换费用计算公式如下:
式中,k为储能的更换次数,取值为Y/n-1,当Y/n-1为非整数时,k向上取整,n为电池的寿命;β为储能初始安装费用的年平均下降比例,ε为更换储能次数;
(1.3.3)固定运维费用计算公式如下:
CFOM=CfPESS,rate (29)
式中,Cf为单位固定运维成本;
(1.3.4)处理费用计算公式如下:
式中,Cd是储能的单位处置成本;
(1.4)交直流混合系统外层优化模型的约束条件:
式中:为储能系统最小投资功率;为储能系统最大投资功率;Prate为储能工作在单位功率因数时所能放出的最大有功功率;储能系统最小投资容量;为储能系统最大投资容量;SOC0为储能初始荷电状态值;SOCmin和SOCmax分别为储能荷电状态的上下限;
(1.5)采用遗传算法计算交直流混合系统外层优化模型的目标函数,首先分别用四位基因编码出各储能的额定容量Erate、额定功率Prate和初始荷电状态值SOC0,再增加一位基因编码作为储能换流器的无功功率运行标志,当该位基因编码是1时储能换流器出力;当该位基因编码是0时储能换流器出力;通过目标函数采用下式评估各个个体的适应度,并通过轮盘赌法更新种群保留适应度最高的个体,
再采用模拟退火法对新种群进行筛选;具体包括:
(1.5.1)以交直流混合系统外层优化模型的目标函数为遗传算法的目标函数,以个体的适应度为适应度函数,以交直流混合系统外层优化模型的约束条件为束条件;
(1.5.2)初始化种群,对初始个体进行编码,每4个基因代表一个储能位置,对每个位置的储能的额定容量、额定功率和初始荷电状态进行遗传算法中的编码操作;
(1.5.3)根据内层优化模型获得的储能运行中年均网损成本和套利收入,通过遗传算法的目标函数评估各个个体适应度;
(5.4)通过轮盘赌法筛选并保留适应度最高的个体进而更新种群;
(1.5.5)对新种群进行模拟退火操作包括;
(1.5.5.1)对每个个体随机选定一个储能并将该储能关闭;
(1.5.5.2)对每个个体随机打开一个储能,并随机设置该储能功率;
(1.5.6)通过轮盘赌法再次筛选适应度最高的个体,对于再次筛选出的适应度最高的个体:
(a)若所述的适应度最高的个体比之前的上一代种群的个体适应度更高则一定被接受;
(b)若所述的适应度最高的个体的适应度比之前的上一代种群的个体适应度低,则根据如下概率接受函数公式计算概率,以逐轮递减的概率被接受,
式中:P为新个体被接受的概率;Fit为退火前种群个体适应度;Fitnew为退火后新形成的个体适应度;α为降温系数,k为退火次数;T为退火初始温度;
(1.5.7)对新形成种群执行交叉和变异操作,并判断是否执行到最后一代,若未执行到最后一代则返回第(5.3),是则进入(5.8);
(1.5.8)依次输出各时刻储能出力。
(1.6)对筛选后的种群执行变异和交叉的例程;
(1.7)重复第(1.1)到第(1.6)步进行循环直到目标函数达到设定的阈值,输出储能配置方案。
2)第二阶段根据第一阶段的相关参数,在保证电压安全运行的同时最大程度进行运行优化,即减少损耗提高套利,具体是通过二阶锥规划对内层模型进行求解,得到储能优化运行方案。所述的通过二阶锥规划对内层模型进行求解,得到储能优化运行方案,包括:所述的通过二阶锥规划对内层模型进行求解,得到储能优化运行方案,内层优化模型流程图如图3所示,包括:
(2.1)改造交直流混合系统的内层优化模型目标函数中的二次项:
由于式(34)中含有绝对值项|PVSC.ac,k(t)|,引入pVSC,k(t)=|PVSC.ac,k(t)|,具体约束如式(36)
而式(33)含有绝对值项|Vi,2(t)-1|,引入辅助变量μi(t)=|Vi,2(t)-1|,具体约束如式(38)所示:
运行约束的改造:由于约束条件中含有电流和电压的二次项,因此对约束条件中的二次项进行改造,采用一次项代替二次项,对约束条件进行线性化改造,改造后的约束条件如下:
将式(46)和(47)再进一进行二阶锥松弛,重构后的形式为:
储能和换流器运行约束公式根据二阶凸松弛技术的基本原理,转化为旋转锥约束:
(2.2)调用锥规划算法包对改造后的交直流混合系统的内层优化模型目标函数进行求解,即在Matlab环境下通过YALMIP编程并采用CPLEX工具求解,获得运行时网络潮流及储能、换流器运行功率;
(2.3)重复第(1)~(2)步,直至满足如下二阶锥松弛条件时输出优化运行结果:
下面给出具体实例。
图5为中压交直流混合配电系统,该算例共61个节点(具体参数如表3)分为三部分,分别为交流配电系统1、交流配电系统2和直流配电系统。选取VSC1作为直流配电系统1的平衡节点,VSC的耗损系数为0.03(换流站的具体系数如表1);直流配电系统的电压等级为±10kV;两个交流配电系统的电压等级均为10kV。电压幅值上下限分别为1.03p.u.和0.97p.u.,节点电压幅值的优化区间上限为1.015p.u.和优化区间的下限为0.985p.u.。采样功率时间为1h,配电系统接入负荷和光伏电源的运行情况如图4所示。该区域实行峰谷分时电价,低谷时段(0时-7时及22时-24时)为每千瓦时0.294元;高峰时段(8时-21时)为每千瓦时0.976元。遗传算法和模拟退火算法参数如表2所示,目标函数中的损耗成本、套利收入以及电压越限的权重系数分别为0.7,0.15,0.15;在该网络中配备磷酸锂铁电池作为公共储能,具体参数如表8。
交直流混合配电网的双层优化模型结果如表4所示。储能配置参数相同时,其运行策略会对交直流混合配电系统运行情况产生影响。因此设置三个不同的场景,分别是:场景一为储能不出力;场景二为储能只发出有功功率,通过储能套利;场景三为储能发出有功和无功功率,并通过储能套利。
场景一:交直流混合配电系统仅由VSC调节运行状态,根据运行结果可知,储能未出力时,存在电压越限的现象。故仅通过VSC对系统进行调节不能保证系统的安全可靠运行。根据全天储能出力以及系统电压水平可以看出交直流混合配电系统是一个统一且协同运行的整体,两者相互支撑。但是没有储能参与时由于VSC的容量有限,仅通过VSC的调节不能维持整个混合系统安全运行。
场景二:此场景中,储能配置情况如表4所示,但其中各储能额定无功功率设定为0。储能调节各系统电压在安全范围内,并且在电压安全范围内进行高发低储套利。各储能的运行情况如图6所示,经过储能以及VSC协调控制后交直流混合配电系统的各子系统电压水平在安全范围。由图6可知,从总体趋势上,储能的放电与系统的电能需求一致,充电与系统中的供应一致,通过VSC和ESS联合运行,可以维持系统电压在安全范围内,且ESS通过VSC配合运行可以实现最大程度高发低储套利。交直流混合配电系统工作在安全电压范围内时,直流配电系统负荷优先就近提供功率支撑。
场景三:此场景中,储能配置情况图表3所示,可以通过改变PCS功率因数使储能系统具有无功支撑能力。储能有功无功出力以及VSC的运行可以进一步调节系统电压并有效地增加储能套利收入从而提高系统经济性。各储能的运行情况如图7和图8所示,根据实验结果可知,储能介入后可以调节各系统电压在安全范围内,并且在电压安全范围内进行高发低储套利。而且PCS无功出力后进一步提高了各系统的电压水平,由PCS进行就地无功补偿比VSC提供无功补偿时调压效果更好。三个储能系统通过相互协调维持系统运行在安全电压范围内并进行高发低储套利。
通过三种场景的对比,由图9可知,PCS无功出力介入后可以较大的增加储能系统的年套利收入,总计约41万元。由图10可知,储能工作后可以减少网损成本,且PCS无功出力前后网损成本变化不大。由图11可知,对比仅计及初始安装成本、更换成本、固定运维成本和处理成本的年均成本,ESS1的年均成本在PCS无功出力前后变化不大,ESS2和ESS3的年均成本在PCS无功出力后有大幅降低分别约为61万元和59万元。由于各储能的安装容量和额定功率不变故其成本下降主要来自更换成本和处理成本。计及储能全寿命周期成本、储能套利收益和通过减少网损成本获得收益的储能系统总年均成本较PCS无功出力前减少161万元。故储能系统的经济性在PCS无功出力后得到了大幅提升。
综上可知,关于系统中负荷过重的问题,进而导致电压偏低,以及系统中分布式光伏接入后导致的电压偏高问题,可以利用储能系统配合交直流换流站VSC协调运行进行缓解,并且储能还要其他的优点,比如可以提高分布式电源的渗透率,增加套利收入从而降低储能配置和运行的净成本。
将中压交直流混合配电系统改造为中压交流配电系统,其中用交流线路代替VSC1连接节点13、152,用联络开关替代VSC2连接节点60、160,直流配电系统线路部分用交流线路代替且负荷和光伏不变,具体参数如表5所示,其他交流部分参数与表3相同。由于交流配电系统不含VSC故此算例中不计及换流器的各项参数及其功率损耗,将优化结果与中压交直流混合配电系统的储能优化配置结果进行对比分析。
交流配电网运行特性的储能双层优化配置模型所得结果如表6所示。对比表4和表6可知,三个储能在交流配电系统中与交直流混合配电系统中的额定有功功率配置结果一样。交直流混合配电系统和交流配电系统储能配置差异主要体现在配置容量上,交流配电系统储能配置容量要比交直流混合配电系统储能配置容量增加2000kW·h。
由表7可知,在交流配电系统中ESS1和ESS2的年均成本小于交直流混合配电系统中的年均成本,但交流配电系统中ESS3的年均成本大于交直流混合配电系统中的年均成本。总年均成本交流配电系统约增加了10万元。交流配电系统中储能系统年套利收入约减少51万元,但交流配电系统中年均网损成本减少13万元。直流线路功率损耗较交流线路小,但计及VSC损耗时交直流混合配电系统网损值要更大。储能系统年均总成本,交流配电系统增加48万元。故相同工况下,在交直流混合配电系统中配置储能其成本要小于交流配电系统。
交流配电系统和交直流混合配电系统中各储能年均成本如表7所示,其中ESS1在两系统中的年均成本差距较小。ESS2在交直流混合配电系统中年均成本较高,其配置容量也较大,这是由于ESS2还要与VSC2配合调节直流配电系统电压波动以及配合ESS3套利,而在交流配电系统中ESS2只需调节交流配电系统2中的节点电压以及套利和降损,故所需配置的容量要小于交直流混合配电系统。ESS3配置容量较小,但其工作周期内荷电状态变化较大致使其使用寿命缩减,更换成本较大。当配置于交流配电系统中,ESS3调压降损任务较重,故其配置容量较大,但此时其无功可以出力协助有功调压降损故其工作周期内荷电状态变化较小从而提高了使用寿命、更换成本相对较小。
根据实验结果,在交流配电系统配置储能后可有效的解决电压越线问题,配置储能后交直流混合配电系统的电压调节效果要优于交流配电系统。
表1
表2
表3
表4
表5
表6
表7
表8
Claims (3)
1.一种交直流混合系统储能优化配置方法,其特征在于,根据交直流混合配电网运行特性建立双层优化模型,外层以全寿命净成本最小为目标函数,解决储能容量规划问题,而内层根据外层得到的相关参数以运行净成本最小为目标函数,解决运行优化问题,内外层模型交替求解;具体包括如下步骤:
1)第一阶段生成交直流混合配电网储能配置方案,包括通过遗传算法和模拟退火算法求解各位置储能的额定容量、额定功率和初始荷电状态,输出储能配置方案;包括:
(1.1)生成交直流混合系统中储能优化配置的初始方案,对每个位置的储能的额定容量、额定功率和初始荷电状态进行遗传算法中的编码操作;
(1.2)将配电网线路的阻抗、负荷、光伏、储能和换流器的参数输入交直流混合系统的内层优化模型获得运行优化结果,即在储能的额定容量、额定功率和初始荷电状态条件下的运行功率、年均网损成本和套利收入;
(1.3)确定交直流混合系统外层优化模型的目标函数,即全寿命净成本:
F=min(Csys+Crep+CFOM+Cdis-(Closs0-Closs)-Carb)
式中,Csys为安装费用,Crep为更换费用,CFOM为固定运维费用,Cdis为处理费用,Closs0、Closs和Carb分别为未进行储能配置交直流混合系统中的网络损耗成本、储能配置后交直流混合系统中的年均网络损耗成本、储能系统年均套利收入;其中
(1.3.1)安装费用计算公式如下:
式中,CE为储能电池单位容量价格;Erate为储能的额定容量;CP为储能电池单位功率价格;PESS,rate为储能的额定功率;CB为辅助设施单位容量价格;σ为贴现率;Y为项目年限周期;
(1.3.2)更换费用计算公式如下:
式中,k为储能的更换次数,取值为Y/n-1,当Y/n-1为非整数时,k向上取整,n为电池的寿命;β为储能初始安装费用的年平均下降比例,ε为更换储能次数;
(1.3.3)固定运维费用计算公式如下:
CFOM=CfPESS,rate
式中,Cf为单位固定运维成本;
(1.3.4)处理费用计算公式如下:
式中,Cd是储能的单位处置成本;
(1.4)交直流混合系统外层优化模型的约束条件:
式中:为储能系统最小投资功率;为储能系统最大投资功率;Prate为储能工作在单位功率因数时所能放出的最大有功功率;储能系统最小投资容量;为储能系统最大投资容量;SOC0为储能初始荷电状态值;SOCmin和SOCmax分别为储能荷电状态的上下限;
(1.5)采用遗传算法计算交直流混合系统外层优化模型的目标函数,首先分别用四位基因编码出各储能的额定容量Erate、额定功率Prate和初始荷电状态值SOC0,再增加一位基因编码作为储能换流器的无功功率运行标志,当该位基因编码是1时储能换流器出力;当该位基因编码是0时储能换流器出力;通过目标函数采用下式评估各个个体的适应度,并通过轮盘赌法更新种群保留适应度最高的个体,
再采用模拟退火法对新种群进行筛选;
(1.6)对筛选后的种群执行变异和交叉的例程;
(1.7)重复第(1.1)到第(1.6)步进行循环直到目标函数达到设定的阈值,输出储能配置方案
2)第二阶段根据第一阶段的相关参数,在保证电压安全运行的同时最大程度进行运行优化,即减少损耗提高套利,具体是通过二阶锥规划对内层模型进行求解,得到储能优化运行方案;所述的通过二阶锥规划对内层模型进行求解,得到储能优化运行方案,包括:
(2.1)改造交直流混合系统的内层优化模型目标函数中的二次项:
对式中含有绝对值项|PVSC.ac,k(t)|的,引入pVSC,k(t)=|PVSC.ac,k(t)|,具体约束如下式
pVSC,k(t)≥0
pVSC,k(t)≥PVSC.ac,k(t)
pVSC,k(t)≥-PVSC.ac,k(t)
对式中含有绝对值项|Vi,2(t)-1|,引入辅助变量μi(t)=|Vi,2(t)-1|,具体约束如下式所示:
μi(t)≥0
μi(t)≥Vi,2(t)-(Vthr,max)2
μi(t)≥-Vi,2(t)+(Vthr,min)2
运行约束的改造:由于约束条件中含有电流和电压的二次项,因此对约束条件中的二次项进行改造,采用一次项代替二次项,对约束条件进行线性化改造,改造后的约束条件如下:
将最后两式再进一进行二阶锥松弛,重构后的形式为:
储能和换流器运行约束公式根据二阶凸松弛技术的基本原理,转化为旋转锥约束:
(2.2)调用锥规划算法包对改造后的交直流混合系统的内层优化模型目标函数进行求解,即在Matlab环境下通过YALMIP编程并采用CPLEX工具求解,获得运行时网络潮流及储能、换流器运行功率;
(2.3)重复第(1)~(2)步,直至满足如下二阶锥松弛条件时输出优化运行结果:
2.根据权利要求1所述的一种交直流混合系统储能优化配置方法,其特征在于,第(1.2)所述的交直流混合系统的内层优化模型,包括
(1.2.1)内层优化模型的目标函数如下:
f=min(λ1Closs-λ2Carb+λ3△V)
式中,Closs为配电网系统损耗成本,Carb为储能系统套利收入,△V为电压水平偏差;λ1、λ2和λ3分别为配电网系统损耗成本、储能系统套利收入和电压水平偏差的权重系数;其中,
配电网系统损耗成本计算如下:
式中,K为换流器个数;Ωi为节点i的相邻节点的集合;rij,ac和Iij,ac为交流支路ij的电阻和电流,rij,dc和Iij,dc为直流支路ij的电阻和电流;price(t)为t时刻电价,Nac为交流节点的集合,Ndc为直流节点的集合,PVSC.ac,k(t)为t时段换流器有功输出,A为是换流器的有功损耗系数,G为运行天数;
储能系统套利收入
式中,PESS,i(t)为t时段储能系统有功输出,NESS为储能节点的集合;
电压水平偏差计算如下:
式中,Vi(t)为节点i处在t时的电压幅值;Vthr,max、Vthr,min为节点电压幅值的上下限,储能系统应该在保证经济性的前提之下尽可能将电压趋近或保持在优化区间[Vthr,min,Vthr ,max];
(1.2.2)内层优化模型的约束条件如下:
(1.2.2.1)交流子系统约束如式下:
式中,是末节点集合,末节点集合中的节点都是以i为首节点的支路;ψi是首节点集合,首节点集合中的节点都是以i为末节点的支路,Rij,ac和Xij,ac分别是交流线路ij的电阻和电抗;Pi,ac(t)和Qi,ac(t)分别是在节点i处t时段流出的有功以及无功功率;Pij,ac(t)和Qij,ac(t)分别是t时段内节点i流向节点j的有功功率和无功功率;Vi,ac(t)是节点i处的电压;Iij,ac(t)是t时段内支路ij上流过的电流;和是节点i处负荷在t时段内消耗的功率;和分别是节点i处在t时段储能系统输入或输出的有功功率和无功功率;是t时段内节点i接入光伏的输出功率;和分别是t时段内连接换流器的交流节点向换流器传输的有功功率和无功功率,方向从直流配电系统流向交流配电系统为正;
(1.2.2.2)直流Distflow潮流约束如下:
式中,Pij,dc(t)是t时段内i节点流向j节点的有功功率;Rij,dc和Xij,dc分别是支路ij的电阻和电抗;Vi,dc(t)是节点i处的电压;Iij,dc(t)是t时段内支路ij上流过的电流;Pi,dc(t)是t时段内直流节点i处流出的有功功率,由下式获得:
(1.2.2.3)节点电压约束如下:
(1.2.2.4)支路载流量约束如下:
(1.2.2.5)交直流节点的运行电压水平约束如下:
(1.2.2.6)交直流支路的电流约束如下:
(1.2.2.7)换流器功率约束如下:
PVSC.dc(t)=PVSC.ac(t)+PVSC.loss(t)
式中,QVSC.min、QVSC.max、PVSC.min和PVSC.max分别是换流器传输无功功率的最小值和最大值以及传输有功功率的最小值和最大值;SVSC.max是换流器的最大容量;
(1.2.2.8)储能系统中的约束:
SOCmin≤SOC(t)≤SOCmax
式中SOC(t)为储能t时刻荷电状态值;SOCmin和SOCmax分别为储能荷电状态的上下限;
(1.2.2.9)能量平衡约束如下:
能量平衡约束条件保证了储能在一天内的净充放电量为零,有利于储能的循环运行;
(1.2.2.10)剩余容量约束如下:
Erate×SOCmin≤E(t)≤Erate×SOCmax
式中,E(t)为t时段储能中的能量,E(t-1)为t-1时段中的能量,Pess,charge(t)为t时段中储能充电能量,Pess,discharge(t)为t时段中储能放电能量,ηc为充电效率,ηd为放电效率,△t为时间间隔长度
(1.2.2.11)充电约束如下:
(1.2.2.12)放电约束如下:
(2.12)充放电约束如下:
Pess.i.charge(t)×Pess.i.discharge(t)=0
式中,Pess.i.charge(t)为充电的标识,当储能在充电时取值是1,储能放电时取值是0,Pess.i.discharge(t)为放电标识,当储能在放电时取值是1,当储能在充电时取值是0。
3.根据权利要求1所述的一种交直流混合系统储能优化配置方法,其特征在于,第(1.5)步包括:
(1.5.1)以交直流混合系统外层优化模型的目标函数为遗传算法的目标函数,以个体的适应度为适应度函数,以交直流混合系统外层优化模型的约束条件为束条件;
(1.5.2)初始化种群,对初始个体进行编码,每4个基因代表一个储能位置,对每个位置的储能的额定容量、额定功率和初始荷电状态进行遗传算法中的编码操作;
(1.5.3)根据内层优化模型获得的储能运行中年均网损成本和套利收入,通过遗传算法的目标函数评估各个个体适应度;
(5.4)通过轮盘赌法筛选并保留适应度最高的个体进而更新种群;
(1.5.5)对新种群进行模拟退火操作包括;
(1.5.5.1)对每个个体随机选定一个储能并将该储能关闭;
(1.5.5.2)对每个个体随机打开一个储能,并随机设置该储能功率;
(1.5.6)通过轮盘赌法再次筛选适应度最高的个体,对于再次筛选出的适应度最高的个体:
(a)若所述的适应度最高的个体比之前的上一代种群的个体适应度更高则一定被接受;
(b)若所述的适应度最高的个体的适应度比之前的上一代种群的个体适应度低,则根据如下概率接受函数公式计算概率,以逐轮递减的概率被接受,
式中:P为新个体被接受的概率;Fit为退火前种群个体适应度;Fitnew为退火后新形成的个体适应度;α为降温系数,k为退火次数;T为退火初始温度;
(1.5.7)对新形成种群执行交叉和变异操作,并判断是否执行到最后一代,若未执行到最后一代则返回第(5.3),是则进入(5.8);
(1.5.8)依次输出各时刻储能出力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011061821.8A CN112234613B (zh) | 2020-09-30 | 2020-09-30 | 一种交直流混合系统储能优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011061821.8A CN112234613B (zh) | 2020-09-30 | 2020-09-30 | 一种交直流混合系统储能优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112234613A CN112234613A (zh) | 2021-01-15 |
CN112234613B true CN112234613B (zh) | 2023-06-02 |
Family
ID=74120963
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011061821.8A Active CN112234613B (zh) | 2020-09-30 | 2020-09-30 | 一种交直流混合系统储能优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112234613B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115882478B (zh) * | 2022-10-13 | 2023-09-08 | 襄阳诚智电力设计有限公司 | 一种含光伏配电网的储能容量配置方法与系统 |
CN115564142B (zh) * | 2022-11-03 | 2023-06-02 | 国网山东省电力公司经济技术研究院 | 一种混合储能系统的选址定容优化方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109861256A (zh) * | 2019-01-20 | 2019-06-07 | 天津大学 | 一种计及全寿命周期成本的配电网储能优化配置方法 |
CN111490554A (zh) * | 2020-04-16 | 2020-08-04 | 国网江苏省电力有限公司淮安供电分公司 | 分布式光伏-储能系统多目标优化配置方法 |
-
2020
- 2020-09-30 CN CN202011061821.8A patent/CN112234613B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109861256A (zh) * | 2019-01-20 | 2019-06-07 | 天津大学 | 一种计及全寿命周期成本的配电网储能优化配置方法 |
CN111490554A (zh) * | 2020-04-16 | 2020-08-04 | 国网江苏省电力有限公司淮安供电分公司 | 分布式光伏-储能系统多目标优化配置方法 |
Non-Patent Citations (2)
Title |
---|
含风电接入的配电网储能系统优化配置;田录林 等;《西北水电》(第5期);1-13 * |
考虑多能互补的区域综合能源系统多种储能优化配置;熊文 等;《电力自动化设备》;第39卷(第1期);118-126 * |
Also Published As
Publication number | Publication date |
---|---|
CN112234613A (zh) | 2021-01-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lei et al. | An MPC-based ESS control method for PV power smoothing applications | |
Belal et al. | Adaptive droop control for balancing SOC of distributed batteries in DC microgrids | |
Shaheen et al. | A multiobjective salp optimization algorithm for techno-economic-based performance enhancement of distribution networks | |
Louie et al. | Superconducting magnetic energy storage (SMES) for energy cache control in modular distributed hydrogen-electric energy systems | |
Bogaraj et al. | A novel energy management scheme using ANFIS for independent microgrid | |
Chelladurai et al. | Interval type-2 fuzzy logic controlled shunt converter coupled novel high-quality charging scheme for electric vehicles | |
CN112271727B (zh) | 含柔性软开关的韧性配电网的故障恢复方法 | |
CN112234613B (zh) | 一种交直流混合系统储能优化配置方法 | |
Zahedmanesh et al. | A sequential decision-making process for optimal technoeconomic operation of a grid-connected electrical traction substation integrated with solar PV and BESS | |
Kaysal et al. | Hierarchical energy management system with multiple operation modes for hybrid DC microgrid | |
CN109842123A (zh) | 调相机与分层结构特高压直流受端换流站的协调动态无功优化方法 | |
CN108695840A (zh) | 一种直流配电网电压控制方法及系统 | |
CN111614110B (zh) | 一种基于改进多目标粒子群算法的受端电网储能优化配置方法 | |
Wang et al. | Multi-objective robust optimization of hybrid AC/DC distribution networks considering flexible interconnection devices | |
Zhao et al. | Reactive power optimization in integrated electricity and gas systems | |
Li et al. | Active and reactive power coordinated optimization of active distribution networks considering dynamic reconfiguration and SOP | |
Yadav et al. | Solar powered grid integrated charging station with hybrid energy storage system | |
CN114548597A (zh) | 一种交直流混合光储配电网优化方法 | |
Meng et al. | Battery storage configuration of AC/DC hybrid distribution networks | |
Li et al. | Coordinated planning for flexible interconnection and energy storage system in low-voltage distribution networks to improve the accommodation capacity of photovoltaic | |
Saini et al. | Optimal siting and sizing of battery in varying PV generation by utilizing genetic algorithm in distribution system | |
Xia et al. | Fuzzy logic based network reconfiguration strategy during power system restoration | |
CN114759616A (zh) | 一种考虑电力电子器件特性的微电网鲁棒优化调度方法 | |
Poullikkas et al. | Storage solutions for power quality problems in cyprus electricity distribution network | |
Helal et al. | Optimal scheduling of battery energy storage systems in unbalanced distribution networks |
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 |