CN112487752B - 一种基于最优潮流的储能电站选址方法 - Google Patents
一种基于最优潮流的储能电站选址方法 Download PDFInfo
- Publication number
- CN112487752B CN112487752B CN202011354842.9A CN202011354842A CN112487752B CN 112487752 B CN112487752 B CN 112487752B CN 202011354842 A CN202011354842 A CN 202011354842A CN 112487752 B CN112487752 B CN 112487752B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- power
- node
- peak
- load
- 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 91
- 238000010187 selection method Methods 0.000 title claims abstract description 17
- 238000009434 installation Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000004088 simulation Methods 0.000 claims abstract description 12
- 238000000034 method Methods 0.000 claims abstract description 5
- 238000012216 screening Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/39—Circuit design at the physical level
- G06F30/392—Floor-planning or layout, e.g. partitioning or placement
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Computer Hardware Design (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Architecture (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于最优潮流的储能电站选址方法,该基于最优潮流的储能电站选址方法,通过两次潮流仿真并结合各节点的最大负荷占比,得出储能安装优选点,符合工程实际需求。本发明的基于最优潮流的储能电站选址方法,相较于现有选址方法,计算过程简单,便于操作。
Description
技术领域:
本发明涉及一种基于最优潮流的储能电站选址方法,属于电力领域。
背景技术:
电网侧储能有效增加了电网的调节手段和能力,有助于电网安全稳定运行。随着新能源高比例渗透和特高压电网的快速发展,系统波动等电网安全问题日益严重,电网需要构建高比例、泛在化、可广域协同的储能形态。电网侧储能区别于电源侧和用户侧,是应用于输配电领域的储能类型。作为电网中优质的有功无功调节电源,它的主要功能是有效提高电网安全运行水平,实现电能在时间和空间上的负荷匹配,增强可再生能源消纳能力,在电网系统备用、缓解高峰负荷供电压力和调峰调频方面意义重大。
从储能选址角度分析,为了提高配电网系统电压稳定性,有学者提出了时序电压灵敏度、网损灵敏度等方法优化储能选址,满足了配网多种运行方式下的电压需求,优化储能位置以减小配电功率损耗,通过配置储能达到最优潮流优化。也有学者建立了多目标模型,综合考虑了系统节点电压波动、负荷波动、储能容量、削峰填谷、提高电能质量等技术经济性指标,利用多目标算法求解储能最优选址配置结果。还有学者通过对网络有功损耗和平均电压偏移赋予不同权重,并以此作为储能电站选址定容的目标函数,约束条件中考虑了储能电站的输出电流和配电网电流保护。
大部分研究都是将储能选址配置整体建模,这种处理方式更偏重经济性指标而忽略技术性指标,选址的优化结果缺乏理论依据。将储能选址问题单独进行建模求解的研究中,考虑的指标较为单一,而且没有提及储能的充放电状态对指标的影响,没有做到与储能配置问题的有机结合。
发明内容:
本发明的发明目的在于提出一种符合工程实际需求的计算简单的储能选址方法。
为达到上述发明目的,本发明提出一种基于最优潮流的储能电站选址方法,其技术方案如下:
一种基于最优潮流的储能电站选址方法,包括如下具体步骤:
1)获取目标区域的电力系统拓扑结构和电力系统节点信息,搭建电网模型;
2)基于所述电网模型,进行第一次潮流仿真计算,得到电网模型中各节点在典型日各个时段的负荷功率大小;
3)计算各节点的最大负荷占比,筛选出最大负荷占比超出70%的节点作为储能安装备选点;
4)基于步骤1)中电力系统节点信息,计算得到各储能安装备选点的削峰填谷作用量,筛选出削峰填谷作用量超过300MW的储能安装备选点作为储能安装优选点;所述各节点的削峰填谷作用量为系统净负荷功率的方差;
5)基于所述电网模型以及储能电站容量,进行第二次潮流仿真计算,得到储能电站安装在各储能安装优选点前后,电网模型各薄弱节点的峰谷值改善度,进而得到储能电站安装在各储能安装优选点前后电网模型薄弱节点的平均峰谷值改善度;
6)选取对应平均峰谷值改善度最大的储能安装优选点,作为储能电站安装位置。
优选地,步骤1)中所述电力系统节点信息包括各节点传输的有功功率、无功功率、电压幅值、相角、电压基准值、电压上限和电压下限;
优选地,步骤4)中所述各节点的削峰填谷作用量按如下公式计算得到:
式中,f1为节点的削峰填谷作用量;Psystem(ti)为高渗透率光伏并网场景下电网模型第i时段的净负荷功率;Psystem(tj)为高渗透率光伏并网场景下电网模型第i时段的净负荷功率;T为典型日时段总数;ti为典型日第i时段,i=1,2,...,T;tj为典型日第j时段,j=1,2,...,T。
本发明相比现有技术具有如下有益效果:
本发明的基于最优潮流的储能电站选址方法,通过两次潮流仿真并结合各节点的最大负荷占比,得出储能安装优选点,符合工程实际需求。
本发明的基于最优潮流的储能电站选址方法,相较于现有选址方法,计算过程简单,便于操作。
附图说明:
图1为实施例中选址方法的流程图;
图2为实施例中电力系统拓扑结构;
图3为实施例中各节点最大运行功率示意图;
图4为实施例中江苏某市典型日各节点削峰填谷作用量示意图。
具体实施方式:
下面结合附图以及具体实施例对本发明进行详细说明。
实施例一:
本实施例的一种基于最优潮流的储能电站选址方法,如图1所示,包括如下具体步骤:
1)获取目标区域的电力系统拓扑结构和电力系统节点信息,搭建电网模型;其中,电力系统节点信息包括各节点传输的有功功率、无功功率、电压幅值、相角、电压基准值、电压上限和电压下限;
2)基于电网模型,进行第一次潮流仿真计算,得到电网模型中各节点在典型日各个时段的负荷功率大小;
3)计算各节点的最大负荷占比,筛选出最大负荷占比超出70%的节点作为储能安装备选点;
4)基于步骤1)中电力系统节点信息,计算得到各储能安装备选点的削峰填谷作用量,筛选出削峰填谷作用量超过300MW的储能安装备选点作为储能安装优选点;各节点的削峰填谷作用量为系统净负荷功率的方差;各节点的削峰填谷作用量按如下公式计算得到:
式中,f1为节点的削峰填谷作用量;Psystem(ti)为高渗透率光伏并网场景下电网模型第i时段的净负荷功率;Psystem(tj)为高渗透率光伏并网场景下电网模型第i时段的净负荷功率;T为典型日时段总数;ti为典型日第i时段,i=1,2,...,T;tj为典型日第j时段,j=1,2,...,T。
5)基于所述电网模型以及储能电站容量,进行第二次潮流仿真计算,得到储能电站安装在各储能安装优选点前后,电网模型各薄弱节点的峰谷值改善度,进而得到储能电站安装在各储能安装优选点前后电网模型薄弱节点的平均峰谷值改善度;
6)选取对应平均峰谷值改善度最大的储能安装优选点,作为储能电站安装位置。
实施例二:
本实施例对江苏某市电网系统实施本发明的基于最优潮流的储能电站选址方法,包括如下具体步骤:
1)搭建电网模型
以江苏某市电网系统为例,选取了一典型日负荷作为辅助储能系统选址的理论依据,其典型日各个时刻的负荷如表所示。
表1-1江苏某市典型日各时刻负荷单位:MW
时段 | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
负荷 | 103 | 96.75 | 93.75 | 87.75 | 85.25 | 85 | 85.25 | 93.25 |
时段 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 |
负荷 | 112.75 | 132 | 140 | 140.25 | 141.75 | 141 | 116.75 | 113.25 |
时段 | 16 | 17 | 18 | 19 | 20 | 21 | 22 | 23 |
负荷 | 111.5 | 106.5 | 101 | 104.25 | 106 | 106.75 | 102.5 | 96.25 |
该电力系统总共包含30个节点,电力系统节点信息及电力系统拓扑结构如表1-2和图2所示,搭建电网模型。
表1-2电力系统节点信息表
表1-2中,其中Ps,Qs分别代表系统有功功率和无功功率,Ubase代表系统基准电压,Us和φ分别表示节点电压幅值和相位角,Umax和Umin分别表示节点电压幅值最大值和最小值;节点类型中1、2、3分别表示PQ节点、PV节点和平衡节点
2)进行第一次潮流计算
电网模型中各节点在典型日各个时段的负荷功率大小,将表1-1中的数据代入到图2所示的电网模型中,各时段的节点功率总量为该市各时段的负荷大小。通过计算系统的最优潮流,求解电网模型中各时段各节点负荷功率的大小。通过等效计算后得到的各个节点在各个时段的负荷功率大小。
各节点负荷在夜晚较小,各节点谷值集中在5时、6时、7时,负荷在白天较大,峰值集中在11时、13时和14时,且不同的节点峰谷差值不同。节点1、2、4、6的负荷功率波动幅值较大,其中节点1为平衡节点,代表与系统相连的无穷大系统,实际应用中,一般为系统中的主调频发电厂,或者是与另一更大的电力系统相连为主调频发电厂。因此负荷曲线波动情况最显著,在13时的功率最大可达274.22MW,峰谷差可达187.04MW,各节点最大运行功率Pmax(MW)和额定功率Ps(MW)如表1-3所示。
表1-3各节点最大运行功率和额定功率单位:MW
3)安全距离计算
为了对各节点在典型日各个时段的负荷功率进行归一化处理,通过安全距离统一量化分析各节点运行安全情况,安全距离的计算结果如图3所示。
通过统计结果可知,节点2、3、4的安全距离均超过了安全距离规范要求(70%),这些薄弱节点的变压器等设备处于过度使用状态,应该优先考虑安装储能装置缓解潮流阻塞情况,所以将节点2、3、4作为储能安装备选点。
4)计算削峰填谷评价指标
由于江苏新能源快速增长,其反调峰特性将导致系统调峰需求骤增,然而调峰燃机及抽蓄机组装机发展缓慢,低谷负荷期间将出现较大的调峰缺口。同时江苏电网夏季空调降温负荷快速增长,导致全省尖峰负荷时段持续时间较短,高峰负荷时段电力缺口较大,而全年总体电量供应能力相对富裕。因此,针对不满足安全距离要求的相关节点,以削峰填谷作用量作为主要优化指标,进行进一步的储能选址的判断依据,本实施例中通过将系统各节点负荷带入下式,各节点的削峰填谷作用量如图4所示,再筛选出削峰填谷作用量超过300MW的储能安装备选点作为储能安装优选点;上述削峰填谷作用量为系统净负荷功率的方差,按如下公式计算得到:
式中,f1为节点的削峰填谷作用量;Psystem(ti)为高渗透率光伏并网场景下电网模型第i时段的净负荷功率;Psystem(tj)为高渗透率光伏并网场景下电网模型第i时段的净负荷功率;T为典型日时段总数;ti为典型日第i时段,i=1,2,...,T;tj为典型日第j时段,j=1,2,...,T。
5)再次进行潮流计算
通过图4可知,在供电薄弱环节的几个节点中,节点2、3、4的负荷波动情况剧烈程度依次降低。因此,首先考虑在节点2安装一容量无限大的储能系统。
为了对比储能安装前后,系统负荷曲线改善情况,选取系统平衡节点1和薄弱节点2、3、4作为典型节点,基于所述电网模型以及储能电站容量,进行第二次潮流仿真计算,通过仿真结果分析可知,系统在节点2安装储能系统后,各薄弱节点负荷波动情况得到明显改善,相关峰谷值数据如表1-4所示。为了对比储能系统不同安装位置对系统的影响,分别对节点3和节点4安装储能系统的负荷波动效果进行了仿真分析,峰谷值数据如表1-4所示。
表1-4储能安装前后各薄弱节点峰谷值分析单位:MW
通过以上仿真分析可知,电网模型添加储能电站后各薄弱节点负荷波动情况得到明显改善。为了进一步量化其改善效果,引入峰谷值改善度进行量化分析。峰谷值改善度为电网模型安装储能后系统某节点减少的峰谷差与无储能时该节点负荷峰谷差的比值。经计算后,系统各薄弱节点峰谷值改善度如表1-5所示。
表1-5储能安装前后各薄弱节点峰谷值改善度
储能安装位置 | 节点1 | 节点2 | 节点3 | 节点4 |
2 | 68.09% | 83.68% | 34.36% | 10.60% |
3 | 33.33% | 40.86% | 16.80% | 5.58% |
4 | 49.69% | 60.98% | 25.07% | 7.74% |
6)确定储能安装位置
通过表1-5的分析,得到储能电站安装在各储能安装优选点前后电网模型薄弱节点的平均峰谷值改善度,节点2处安装储能系统对系统各薄弱节点负荷波动情况改善效果最明显。因此,在经济性的约束下,节点2为储能安装优选点,推荐在节点2安装储能系统,能有效平滑系统负荷曲线,对系统有明显的削峰填谷作用。
Claims (3)
1.一种基于最优潮流的储能电站选址方法,其特征在于:包括如下具体步骤:
1)获取目标区域的电力系统拓扑结构和电力系统节点信息,搭建电网模型;
2)基于所述电网模型,进行第一次潮流仿真计算,得到电网模型中各节点在典型日各个时段的负荷功率大小;
3)计算各节点的最大负荷占比,筛选出最大负荷占比超出70%的节点作为储能安装备选点;
4)基于步骤1)中电力系统节点信息,计算得到各储能安装备选点的削峰填谷作用量,筛选出削峰填谷作用量超过300MW的储能安装备选点作为储能安装优选点;所述各节点的削峰填谷作用量为系统净负荷功率的方差;
5)基于所述电网模型以及储能电站容量,进行第二次潮流仿真计算,得到储能电站安装在各储能安装优选点前后,电网模型各薄弱节点的峰谷值改善度,进而得到储能电站安装在各储能安装优选点前后电网模型薄弱节点的平均峰谷值改善度;所述峰谷值改善度为电网模型安装储能后系统某节点减少的峰谷差与无储能时该节点负荷峰谷差的比值;
6)选取对应平均峰谷值改善度最大的储能安装优选点,作为储能电站安装位置。
2.根据权利要求1所述的基于最优潮流的储能电站选址方法,其特征在于:步骤1)中所述电力系统节点信息包括各节点传输的有功功率、无功功率、电压幅值、相角、电压基准值、电压上限和电压下限。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011354842.9A CN112487752B (zh) | 2020-11-26 | 2020-11-26 | 一种基于最优潮流的储能电站选址方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011354842.9A CN112487752B (zh) | 2020-11-26 | 2020-11-26 | 一种基于最优潮流的储能电站选址方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112487752A CN112487752A (zh) | 2021-03-12 |
CN112487752B true CN112487752B (zh) | 2022-07-19 |
Family
ID=74935873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011354842.9A Active CN112487752B (zh) | 2020-11-26 | 2020-11-26 | 一种基于最优潮流的储能电站选址方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112487752B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135662A (zh) * | 2019-06-06 | 2019-08-16 | 杭州电子科技大学 | 一种考虑减小峰谷差的储能选址定容多目标优化方法 |
CN110264110A (zh) * | 2019-07-08 | 2019-09-20 | 国网湖南省电力有限公司 | 基于配电网多应用场景的储能电站选址定容方法 |
-
2020
- 2020-11-26 CN CN202011354842.9A patent/CN112487752B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110135662A (zh) * | 2019-06-06 | 2019-08-16 | 杭州电子科技大学 | 一种考虑减小峰谷差的储能选址定容多目标优化方法 |
CN110264110A (zh) * | 2019-07-08 | 2019-09-20 | 国网湖南省电力有限公司 | 基于配电网多应用场景的储能电站选址定容方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112487752A (zh) | 2021-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108470231B (zh) | 考虑储能系统量化特征的配电网分布式储能选址定容方法 | |
CN103762589B (zh) | 一种电网中新能源容量配比分层优化方法 | |
CN102856917B (zh) | 一种配电网无功优化方法 | |
CN107437824A (zh) | 一种基于遗传算法的地区分布式电源准入容量的计算方法 | |
CN103986193B (zh) | 一种最大风电并网容量获取的方法 | |
CN106447218A (zh) | 基于多风电场的抽水蓄能系统的可靠性评估方法 | |
CN115017854A (zh) | 一种基于多维评估指标体系的配电网dg最大准入容量计算方法 | |
CN113489003A (zh) | 一种考虑风光水一体化互补运行的源网协调规划方法 | |
CN115811070A (zh) | 辅助火电机组调频的飞轮储能自适应容量配置方法及系统 | |
CN103530822A (zh) | 一种甘肃电网降损潜力分析方法 | |
CN116488231A (zh) | 一种计及输配电网形态演变的风光储协同规划方法 | |
CN114118787A (zh) | 一种基于lstm算法的城市分布式源网荷储的调度优化方法 | |
Akbari et al. | Participation of Renewable Energy in Providing Demand Response in Presence of Energy Storage | |
CN112487752B (zh) | 一种基于最优潮流的储能电站选址方法 | |
CN110323779B (zh) | 一种分布式发电与储能装置的功率动态聚合的方法和系统 | |
CN117411007A (zh) | 一种分布式光伏和储能联合的配网低电压治理方法 | |
CN117239792A (zh) | 一种区域化分布式储能选址定容方法及装置 | |
CN116029197A (zh) | 以变电站为落点的综合能源搭载及容量优化配置方法 | |
CN109861272B (zh) | 考虑电量外送的多电压等级电网分布式电源优化配置方法 | |
CN116316865A (zh) | 一种高比例新能源区域电力系统全环节协调规划优化方法 | |
Liu et al. | Research on Effect of Renewable Energy Power Generation on Available Transfer Capability. | |
CN113327065A (zh) | 针对发电侧的用户复杂用电情况的能源管理方法及系统 | |
CN113013909A (zh) | 一种基于平抑牵引的储能容量改进方法 | |
CN106549412B (zh) | 针对风电场并网的供电效益评估方法 | |
Lazaroiu et al. | Renewable Energy Sources for Decarbonization of Smart Cities |
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 |