CN112491041B - 一种储能混合微电网混合线性经济性规划方法 - Google Patents

一种储能混合微电网混合线性经济性规划方法 Download PDF

Info

Publication number
CN112491041B
CN112491041B CN202011312419.2A CN202011312419A CN112491041B CN 112491041 B CN112491041 B CN 112491041B CN 202011312419 A CN202011312419 A CN 202011312419A CN 112491041 B CN112491041 B CN 112491041B
Authority
CN
China
Prior art keywords
energy storage
hybrid
cost
grid
battery
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
Application number
CN202011312419.2A
Other languages
English (en)
Other versions
CN112491041A (zh
Inventor
杨沛豪
孙钢虎
兀鹏越
柴琦
王小辉
寇水潮
高峰
姜宁
郭新宇
孙梦瑶
李志鹏
赵俊博
薛磊
贺婷
张立松
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.)
Xian Thermal Power Research Institute Co Ltd
Original Assignee
Xian Thermal Power Research Institute 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 Xian Thermal Power Research Institute Co Ltd filed Critical Xian Thermal Power Research Institute Co Ltd
Priority to CN202011312419.2A priority Critical patent/CN112491041B/zh
Publication of CN112491041A publication Critical patent/CN112491041A/zh
Application granted granted Critical
Publication of CN112491041B publication Critical patent/CN112491041B/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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—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
    • H02J3/28—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
    • H02J2203/20—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
    • 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
    • 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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • 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
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • 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
    • 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

Abstract

本发明公开了一种储能混合微电网混合线性经济性规划方法，包括：通过混合线性经济性规划框架建立太阳能电池板输出功率分解式，风电机组的输出功率分解式，储能系统充放电功率表达式；定义储能系统充放电功率表达式中电池组充放电限制；建立含有耗电变量的储能混合微网功率配置方程；建立混合储能微电网第k个组件的总成本方程；定义资本回收系数；得到第k个组件的年初始成本、第k个组件的年重置成本及第k个组件的剩余价值；得到混合系统组件的年单位成本，进一步得到第k个组件的净现成本；得到储能混合微电网的总净现成本；分析储能混合微电网的总净现成本，应用混合线性经济性规划方法提高储能混合微电网经济性。本发明能够提高储能混合微电网经济性。

Description

一种储能混合微电网混合线性经济性规划方法
技术领域
本发明涉及一种储能混合微电网混合线性经济性规划方法，具体涉及一种采用混合整数线性规划(MILP)的方法对储能混合微电网经济模型进行优化的方法。
背景技术
风能和太阳能被认为是重要的可再生资源。这些资源产生的能量随时间而变化，通常不满足需求侧使用。这种不匹配的现象增加了离网系统的储能容量。另外，如果光伏(PV)系统或风电机组(WT)分别独立使用，系统规模和投资成本将增加。混合使用这些能源可以提高系统的可靠性，并可以减少投资成本和微电网储能系统容量。
在储能混合微电网优化过程中建立的负荷模型通常忽略了需求侧响应的重要作用，这就从本质上忽略了源-网-负荷-储能可能存在的交互影响，可能导致无法得到最优的规划方案。
发明内容
本发明的目的在于提供一种储能混合微电网混合线性经济性规划方法，通过MILP框架对储能混合微电网组件进行建模，得出各组件的数学模型。建立储能混合微电网系统模型，根据建立的模型提出储能混合微电网优化目标，通过转移负荷时域和对负荷进行调度规划，减少或消除发电侧与耗电侧的不平衡从而实现成本消减，提高储能混合微电网经济性。
本发明采取如下技术方案来实现的：
一种储能混合微电网混合线性经济性规划方法，包括以下步骤：
1)通过混合线性经济性规划框架建立太阳能电池板输出功率分解式，风电机组的输出功率分解式，储能系统充放电功率表达式；
2)为了防止每个电池使用寿命的减少，定义步骤1)储能系统充放电功率表达式中电池组充放电限制，每个电池的最大容量和最小容量及电池充放电功率限度；
3)根据步骤1)太阳能电池板输出功率分解式，风电机组的输出功率分解式，储能系统充放电功率表达式和步骤2)电池组充放电限制，每个电池的最大容量和最小容量及电池充放电功率限度，建立含有耗电变量的储能混合微网功率配置方程；
4)建立混合储能微电网第k个组件的总成本方程；
5)为了将步骤4)混合储能微电网第k个组件的总成本方程中的初始成本转换为年度成本，定义资本回收系数；
6)根据步骤5)得到的资本回收系数，得到第k个组件的年初始成本、第k个组件的年重置成本及第k个组件的剩余价值；
7)根据步骤6)第k个组件的年初始成本、第k个组件的年重置成本及第k个组件的剩余价值得到混合系统组件的年单位成本，进一步得到第k个组件的净现成本；
8)根据优化问题目标函数，在步骤7)得到第k个组件的净现成本，全寿命周期内最小化微网的总净现成本基础上，得到储能混合微电网的总净现成本；
9)分析步骤8)储能混合微电网的总净现成本，应用混合线性经济性规划方法提高储能混合微电网经济性。
本发明进一步的改进在于，步骤1)的具体实现方法为：通过混合线性经济性规划框架建立太阳能电池板输出功率分解式：
Figure GDA0003962545990000021
其中：Gt(t)(W/m2)是垂直于阵列表面的辐射入射功率；Ppv-rated是面板在标准测试STC条件下的额定功率；-pv是太阳能电池板功率折减系数，TC,STC是电池在STC下的温度，βT是光伏温度系数，TC是运行时的电池温度，表示为：
Figure GDA0003962545990000022
其中：NOCT是正常运行电池温度，Tamb是环境温度；风电机组的输出功率分解式：
Figure GDA0003962545990000031
其中：v(m/s)，vr，vcut-in，和vcut-out分别是风机轮毂高度、额定转速、切入速度和截止转速；Pr代表额定转速下的输出功率；储能系统充放电功率表达式：PB(t)＝PWT(t)+PPV(t)-PL(t)/ηinv；其中：PL是t时刻总用电负荷，ηinv是逆变器效率；如果PB＝0那么电池组既不充电也不放电，如果PB＞0或PB＜0，那么电池组会由于储能混合微电网产生过剩电量而进行充电或放电；在电池组充电或放电过程中新荷电状态为：SOCB(t)＝SOCB(t-1)×(1-σ)±PB×vb；其中：SOCB(t)和SOCB(t-1)是电池组t时刻和t-1时刻荷电状态，σ是电池组的自放电系数，ηb是电池组的效率；为了防止电池组中的能量积聚，每个规划周期开始和结束时的初始状态应该相等：SOC(t＝0)＝SOC(t＝T)。
本发明进一步的改进在于，步骤2)的具体实现方法为：为了防止每个电池使用寿命的减少，定义步骤1)储能系统充放电功率表达式中电池组充放电限制：
Figure GDA0003962545990000032
其中：Ebat(t)代表每个电池的储能能量，Ebatmax，Ebatmin，SOCmax和SOCmin分别是每个电池储存的最大和最小能量以及储能系统荷电数量的最大和最小值，Nbat是指电池的数量；每个电池的最大容量和最小容量及电池充放电功率限度：Ebatmin＝(1-DOD)×Ebatmax；其中：DOD是每个电池的允许放电深度；为防止电池损坏，每个电池的充放电功率不得超过规定的限度：
Figure GDA0003962545990000033
其中：PESSch(t)和PESSdis(t)分别是电池组在t时刻充放电功率限制；Ebat(t)和Ebat(t-1)分别是蓄电池在t时刻和t-1时刻的能量。
本发明进一步的改进在于，步骤3)的具体实现方法为：根据步骤1)太阳能电池板输出功率分解式，风电机组的输出功率分解式，储能系统充放电功率表达式和步骤2)电池组充放电限制，每个电池的最大容量和最小容量及电池充放电功率限度，建立含有耗电变量的储能混合微网功率配置方程：
Figure GDA0003962545990000041
其中：Ploadncl(t)，Ploadcl(t)，PEESch(t)，Ploaddump(t)和PEESdis(t)分别是不可调度负荷功率，可调度负荷功率，电池充电电能，多余负荷功率和电池放电电能。
本发明进一步的改进在于，步骤4)的具体实现方法为：建立混合储能微电网第k个组件的总成本方程：TUCk＝ICk+Repk+Mk-RVk；其中：ICk为采购和安装的初始成本、Repk为重置成本、Mk为运行维护成本，RVk为剩余价值。
本发明进一步的改进在于，步骤5)的具体实现方法为：为了将步骤4)混合储能微电网第k个组件的总成本方程中的初始成本转换为年度成本，定义资本回收系数：
Figure GDA0003962545990000042
其中：i是利率，n是系统生命周期，nk是第k个组件的生命周期。
本发明进一步的改进在于，步骤6)的具体实现方法为：根据步骤5)得到的资本回收系数，得到第k个组件的年初始成本：AICk＝ICk×CRF(i,n)、第k个组件的年重置成本：
Figure GDA0003962545990000043
第k个组件的剩余价值：
Figure GDA0003962545990000044
本发明进一步的改进在于，步骤7)的具体实现方法为：根据步骤6)第k个组件的年初始成本、第k个组件的年重置成本及第k个组件的剩余价值得到混合系统组件的年单位成本：ATUCk＝AICk+APepk+Mk-ARVk，进一步得到第k个组件的净现成本：NPCUk＝ATUCk/CRF(i,n)。
本发明进一步的改进在于，步骤8)的具体实现方法为：根据优化问题目标函数：储能混合微电网的全寿命周期内最小化微网的总净现成本，在步骤7)得到第k个组件的净现成本，全寿命周期内最小化微网的总净现成本基础上，得到储能混合微电网的总净现成本：
Figure GDA0003962545990000045
其中：NPCUk是第k个组件的净现成本，Nk是第k个组件的数量/容量，NWT和NBatt是整数决策变量，NPV和NINVER是连续决策变量。
本发明进一步的改进在于，步骤9)的具体实现方法为：分析步骤8)储能混合微电网的总净现成本，应用混合线性经济性规划方法提高储能混合微电网经济性。
与现有技术相比，本发明至少具有如下有益的技术效果：
1.本发明提出一种储能混合微电网混合线性经济性规划方法，通过MILP框架对储能混合微电网组件进行建模，得出各组件的数学模型
2.本发明建立储能混合微电网系统模型，根据建立的模型提出储能混合微电网优化目标，通过转移负荷时域和对负荷进行调度规划，减少或消除发电侧与耗电侧的不平衡从而实现成本消减，提高储能混合微电网经济性。
附图说明
图1为储能混合微电网系统示意图；
图2为储能微电网经济优化过程示意图；
图3为各个季节平均每小时太阳光辐射和一年中各月不同风速下的频率分布数据图；图3(a)为各个季节平均每小时太阳光辐，图3(b)为一年中各月不同风速下的频率分布；
图4为一年中每日负荷变化样本数据图。
具体实施方式
下面通过附图，对本发明的技术方案做进一步的详细描述。
如图1所示，储能混合微电网是指由分布式电源、储能装置、能量转换装置、负荷、监控和保护装置等组成的小型发配电系统。光伏阵列将太阳光发出的能量转化为电能传输给微电网系统，风力机将风能转化为电能传输给微电网系统，二者作为微电网的混合能源为微电网提供电能。由于混合能源的不确定性，需要电池组对多余的能量进行存储，当能量不足时提供电能，充放电调节器起到对电池组进行充放电调节的作用，其中备用负载也可以起到消耗多余电能的作用。
如图2所示，通过MILP框架对储能混合微电网组件进行建模得出各组件的数学模型。
总目标是最小化储能混合微电网的全寿命周期费用。在这个优化上，特别关注了可调度组件的运行方式。决策变量是太阳能和风能的容量以及电池的容量和电池充放电规则，另外还有指定的时间段内可调度负荷的运行次数，未分配和不足能源的数量。约束条件包括组件的运行和物理限制，能量平衡，产能限制，设备能力和电池约束。优化过程包括输入数据(如气象、负荷、规范和组件的经济参数)，并且被看作是由能量管理系统(EMS)进行联合调度的MILP模型。目标是在储能混合微电网总寿命周期内最小化微电网的总净现成本。
通过采集的气象数据、负载要求、组件经济和规格参数计算微电网系统的成本，利用需求侧响应过程和本发明建立的储能混合微电网混合整数线性规划模型对微电网经济性进行优化。用电电器分为两类：一为可移动设备(包括水电泵，干衣机，洗衣机和洗碗机)，它们可以在一天的灵活时间范围内运行(通过EMS进行控制)，二为不可移动设备，它们不可控制，不能规划。
太阳能电池板直接把太阳光转换成电能。太阳能电池板(PPV)的输出直流功率取决于太阳光辐射强度、吸收容量、面板面积和电池温度，光伏输出功率公式：
Figure GDA0003962545990000061
式(1)中：Gt(t)(W/m2)是垂直于阵列表面的辐射入射功率；Ppv-rated是面板在标准测试(STC)条件下的额定功率；ηpv是太阳能电池板功率折减系数(％)，TC,STC是电池在STC下的温度，βT是光伏温度系数，TC是运行时的电池温度，可表示为：
Figure GDA0003962545990000062
式(2)中：NOCT是正常运行电池温度，Tamb是环境温度。
风电机组的输出功率是在风机轮毂高度下风速的函数，可表示为：
Figure GDA0003962545990000071
式(3)中：v(m/s)，vr，vcut-in，和vcut-out分别是风机轮毂高度、额定转速、切入速度和截止转速。Pr代表额定转速下的输出功率。
储能系统用于使供需达到平衡，在微电网中电池可以作为储能系统。根据发电和耗电电量来决定是否充电或放电，电池的输入功率可以是正的或负的，这取决于电池组的充放电状态，储能电池的输出功率为：
PB(t)＝PWT(t)+PPV(t)-PL(t)/ηinv (4)
式(4)中：PL是t时刻总用电负荷，ηinv是逆变器效率。
如果PB＝0那么电池组既不充电也不放电，如果PB＞0或PB＜0，那么电池组会由于储能混合微电网产生过剩电量而进行充电或放电。在电池组充电或放电过程中新荷电状态为：
SOCB(t)＝SOCB(t-1)×(1σ)±PB×ηb (5)
式(5)中：SOCB(t)和SOCB(t-1)是电池组t时刻和t-1时刻荷电状态，σ是电池组的自放电系数，ηb是电池组的效率。
为了防止电池组中的能量积聚，每个规划周期开始和结束时的初始状态应该相等：
SOC(t＝0)＝SOC(t＝T) (6)
为了防止每个电池使用寿命的减少，定义电池组充放电限制为：
Figure GDA0003962545990000072
式(7)中：Ebat(t)代表每个电池的储能能量，Ebatmax，Ebatmin，SOCmax和SOCmin分别是每个电池储存的最大和最小能量以及储能系统荷电数量的最大和最小值，Nbat是指电池的数量。每个电池的最大容量和最小容量关系为：
Ebatmin＝(1-DOD)×Ebatmax (8)
式(8)中：DOD是每个电池的允许放电深度。为防止电池损坏，每个电池的充放电功率不得超过规定的限度：
Figure GDA0003962545990000081
式(9)中：PESSch(t)和PESSdis(t)分别是电池组在t时刻充放电功率限制。Ebat(t)和Ebat(t-1)分别是蓄电池在t时刻和t-1时刻的能量。充电和放电的电量必须满足上述的公式，如果一个电池在t时间段内放电，那么它需要在这一段时间段内有充足的荷电量。
为了使电力系统稳定，总消耗功率约等于总发电功率，在每一个时间段内可调度负荷和不可调度负荷消耗的电能加上储能系统充电的电能应该等于光伏和风能提供的电能加上储能系统的放电电能。在每个时间段内完美平衡是不可能的，这是由于对储能系统充放电速率的限制和对可调度负荷能力的限制以及可再生能源发电量的不可控性。为了克服上述问题，本发明建立含有耗电变量的储能混合微网功率配置方程：
Figure GDA0003962545990000082
式(10)中：Ploadncl(t)，Ploadcl(t)，PEESch(t)，Ploaddump(t)和PEESdis(t)分别是不可调度负荷功率，可调度负荷功率，电池充电电能，多余负荷功率和电池放电电能。
在混合储能微电网中，第k个组件的总成本包括以下内容：采购和安装的初始成本ICk、重置成本Repk，运行维护成本Mk，和剩余价值RVk。第k个组件的总成本TUCk为：
TUCk＝ICk+Repk+Mk-RVk (11)
为了将初始成本转换为年度成本，定义资本回收系数为：
Figure GDA0003962545990000083
式(12)中：i是利率，n是系统生命周期，nk是第k个组件的生命周期。第k个组件的年初始成本为：
AICk＝ICk×CRF(i,n) (13)
第k个组件的年重置成本为：
Figure GDA0003962545990000091
第k个组件的剩余价值(残值)为：
Figure GDA0003962545990000092
混合系统组件的年单位成本为：
ATUCk＝AICk+APepk+Mk-ARVk (16)
因此，第k个组件的净现成本为：
NPCUk＝ATUCk/CRF(i,n) (17)
优化问题的目标函数是在储能混合微电网的全寿命周期内最小化微网的总净现成本。储能混合微电网的总净现成本为：
Figure GDA0003962545990000093
式(18)中：NPCUk是第k个组件的净现成本，Nk是第k个组件的数量/容量，NWT和NBatt是整数决策变量，NPV和NINVER是连续决策变量。
如图3所示，各个季节平均每小时太阳光辐射和一年中各月不同风速下的频率分布数据这反映了储能混合微电网系统的光能、风能在一定周期内的分布状态。
如图4所示，控制负荷规划的时间段为15分钟，一天有96个时间段。储能混合微电网的负荷消耗包含四个可调度设备，总消耗量为3.95kWh/天(约占总负荷消耗的7.5％)。还有一些不可调度的设备，消耗量为47.89kWh/天。每个可调度设备一天的输入信息列于表1，其中时间单位为本发明规定的时间段单位。
表1可调度设备的参考规范
Figure GDA0003962545990000101
通过本发明建立的数学模型对微电网组件的年单位成本和净现成本费用进行了计算。结果如表2所示。
表2微电网组件的年单位成本和净现成本费用
Figure GDA0003962545990000102
微电网规模优化已经分两种情况完成：优化之前的情况和优化之后的情况，优化之前和优化之后对比如表3。
表3微电网组件规模优化结果
Figure GDA0003962545990000103
两种情况下的消耗的功率相等，在充放电过程中会产生部分的能量浪费。这种光伏电池功率略有不同的原因就是这种浪费。但如该表所示，MILP的应用使得电池容量和逆变器功率大幅减少，减少了电池和逆变器的使用数量，使得微电网的总成本大幅降低，从而提高了微电网系统的经济性。造成这个成本减少有两个原因：首先，由于耗电侧和发电侧电能的接近；其次由于负荷峰值的减少。
此外，还获得了各组件应用MILP和没有应用MILP的净现成本和微电网的总净现成本，如表4所示.
表4两种情况组件的净现成本比较
Figure GDA0003962545990000111
根据表4可知：MILP的实施导致了组件容量数量和能源供应成本的显著减少。从表4可以看出MILP的应用还减少了储能系统的功率、逆变器功率、光伏电池容量和总成本分别为35％，35.6％，1.8％和17.2％，从而提高了微电网经济优化水平。
以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。

Claims (10)

1.一种储能混合微电网混合线性经济性规划方法，其特征在于，包括以下步骤：
1)通过混合线性经济性规划框架建立太阳能电池板输出功率分解式，风电机组的输出功率分解式，储能系统充放电功率表达式；
2)为了防止每个电池使用寿命的减少，定义步骤1)储能系统充放电功率表达式中电池组充放电限制，每个电池的最大容量和最小容量及电池充放电功率限度；
3)根据步骤1)太阳能电池板输出功率分解式，风电机组的输出功率分解式，储能系统充放电功率表达式和步骤2)电池组充放电限制，每个电池的最大容量和最小容量及电池充放电功率限度，建立含有耗电变量的储能混合微网功率配置方程；
4)建立混合储能微电网第k个组件的总成本方程；
5)为了将步骤4)混合储能微电网第k个组件的总成本方程中的初始成本转换为年度成本，定义资本回收系数；
6)根据步骤5)得到的资本回收系数，得到第k个组件的年初始成本、第k个组件的年重置成本及第k个组件的剩余价值；
7)根据步骤6)第k个组件的年初始成本、第k个组件的年重置成本及第k个组件的剩余价值得到混合系统组件的年单位成本，得到第k个组件的净现成本；
8)根据优化问题目标函数，在步骤7)得到第k个组件的净现成本，全寿命周期内最小化微网的总净现成本基础上，得到储能混合微电网的总净现成本；
9)分析步骤8)储能混合微电网的总净现成本，应用混合线性经济性规划方法提高储能混合微电网经济性。
2.根据权利要求1所述的一种储能混合微电网混合线性经济性规划方法，其特征在于，步骤1)的具体实现方法为：通过混合线性经济性规划框架建立太阳能电池板输出功率分解式：
Figure FDA0003962545980000011
其中：Gt(t)(W/m2)是垂直于阵列表面的辐射入射功率；Ppv-rated是面板在标准测试STC条件下的额定功率；ηpv是太阳能电池板功率折减系数，TC,STC是电池在STC下的温度，βT是光伏温度系数，TC是运行时的电池温度，表示为：
Figure FDA0003962545980000021
其中：NOCT是正常运行电池温度，Tamb是环境温度；风电机组的输出功率分解式：
Figure FDA0003962545980000022
其中：v(m/s)，vr，vcut-in，和vcut-out分别是风机轮毂高度、额定转速、切入速度和截止转速；Pr代表额定转速下的输出功率；储能系统充放电功率表达式：PB(t)＝PWT(t)+PPV(t)-PL(t)/ηinv；其中：PL是t时刻总用电负荷，ηinv是逆变器效率；如果PB＝0那么电池组既不充电也不放电，如果PB＞0或PB＜0，那么电池组会由于储能混合微电网产生过剩电量而进行充电或放电；在电池组充电或放电过程中新荷电状态为：SOCB(t)＝SOCB(t-1)×(1-σ)±PB×ηb；其中：SOCB(t)和SOCB(t-1)是电池组t时刻和t-1时刻荷电状态，σ是电池组的自放电系数，ηb是电池组的效率；为了防止电池组中的能量积聚，每个规划周期开始和结束时的初始状态应该相等：SOC(t＝0)＝SOC(t＝T)。
3.根据权利要求2所述的一种储能混合微电网混合线性经济性规划方法，其特征在于，步骤2)的具体实现方法为：为了防止每个电池使用寿命的减少，定义步骤1)储能系统充放电功率表达式中电池组充放电限制：
Figure FDA0003962545980000023
其中：Ebat(t)代表每个电池的储能能量，Ebatmax，Ebatmin，SOCmax和SOCmin分别是每个电池储存的最大和最小能量以及储能系统荷电数量的最大和最小值，Nbat是指电池的数量；每个电池的最大容量和最小容量及电池充放电功率限度：Ebatmin＝(1-DOD)×Ebatmax；其中：DOD是每个电池的允许放电深度；为防止电池损坏，每个电池的充放电功率不得超过规定的限度：
Figure FDA0003962545980000024
其中：PESSch(t)和PESSdis(t)分别是电池组在t时刻充放电功率限制；Ebat(t)和Ebat(t-1)分别是蓄电池在t时刻和t-1时刻的能量。
4.根据权利要求3所述的一种储能混合微电网混合线性经济性规划方法，其特征在于，步骤3)的具体实现方法为：根据步骤1)太阳能电池板输出功率分解式，风电机组的输出功率分解式，储能系统充放电功率表达式和步骤2)电池组充放电限制，每个电池的最大容量和最小容量及电池充放电功率限度，建立含有耗电变量的储能混合微网功率配置方程：
Figure FDA0003962545980000031
其中：Ploadncl(t)，Ploadcl(t)，PEESch(t)，Ploaddump(t)和PEESdis(t)分别是不可调度负荷功率，可调度负荷功率，电池充电电能，多余负荷功率和电池放电电能。
5.根据权利要求4所述的一种储能混合微电网混合线性经济性规划方法，其特征在于，步骤4)的具体实现方法为：建立混合储能微电网第k个组件的总成本方程：TUCk＝ICk+Repk+Mk-RVk；其中：ICk为采购和安装的初始成本、Re pk为重置成本、M k为运行维护成本，R Vk为剩余价值。
6.根据权利要求5所述的一种储能混合微电网混合线性经济性规划方法，其特征在于，步骤5)的具体实现方法为：为了将步骤4)混合储能微电网第k个组件的总成本方程中的初始成本转换为年度成本，定义资本回收系数：
Figure FDA0003962545980000032
其中：i是利率，n是系统生命周期，nk是第k个组件的生命周期。
7.根据权利要求6所述的一种储能混合微电网混合线性经济性规划方法，其特征在于，步骤6)的具体实现方法为：根据步骤5)得到的资本回收系数，得到第k个组件的年初始成本：AICk＝ICk×CRF(i,n)、第k个组件的年重置成本：
Figure FDA0003962545980000033
第k个组件的剩余价值：
Figure FDA0003962545980000034
8.根据权利要求7所述的一种储能混合微电网混合线性经济性规划方法，其特征在于，步骤7)的具体实现方法为：根据步骤6)第k个组件的年初始成本、第k个组件的年重置成本及第k个组件的剩余价值得到混合系统组件的年单位成本：ATUCk＝AICk+APepk+Mk-ARVk，得到第k个组件的净现成本：NPCUk＝ATUCk/CRF(i,n)。
9.根据权利要求8所述的一种储能混合微电网混合线性经济性规划方法，其特征在于，步骤8)的具体实现方法为：根据优化问题目标函数：储能混合微电网的全寿命周期内最小化微网的总净现成本，在步骤7)得到第k个组件的净现成本，全寿命周期内最小化微网的总净现成本基础上，得到储能混合微电网的总净现成本：
Figure FDA0003962545980000041
其中：NPCUk是第k个组件的净现成本，Nk是第k个组件的数量/容量，NWT和NBatt是整数决策变量，NPV和NINVER是连续决策变量。
10.根据权利要求9所述的一种储能混合微电网混合线性经济性规划方法，其特征在于，步骤9)的具体实现方法为：分析步骤8)储能混合微电网的总净现成本，应用混合线性经济性规划方法提高储能混合微电网经济性。
CN202011312419.2A 2020-11-20 2020-11-20 一种储能混合微电网混合线性经济性规划方法 Active CN112491041B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011312419.2A CN112491041B (zh) 2020-11-20 2020-11-20 一种储能混合微电网混合线性经济性规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011312419.2A CN112491041B (zh) 2020-11-20 2020-11-20 一种储能混合微电网混合线性经济性规划方法

Publications (2)

Publication Number Publication Date
CN112491041A CN112491041A (zh) 2021-03-12
CN112491041B true CN112491041B (zh) 2023-02-07

Family

ID=74932339

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011312419.2A Active CN112491041B (zh) 2020-11-20 2020-11-20 一种储能混合微电网混合线性经济性规划方法

Country Status (1)

Country Link
CN (1) CN112491041B (zh)

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014153946A1 (zh) * 2013-03-27 2014-10-02 国网浙江省电力公司电力科学研究院 独立微网系统的优化方法
CN104765967A (zh) * 2015-04-20 2015-07-08 中国人民解放军国防科学技术大学 一种离网混合可再生能源系统的多目标优化设计方法
CN105260797A (zh) * 2015-10-22 2016-01-20 华北电力大学 一种计及经济性评估的微网储能电站规划控制方法
CN106887841A (zh) * 2017-03-23 2017-06-23 东北大学 一种含电动汽车微电网容量配置的多种群遗传粒子群优化方法
WO2017161786A1 (zh) * 2016-03-23 2017-09-28 严利容 基于光储系统运行优化的混合储能配比计算方法
CN107834601A (zh) * 2017-11-17 2018-03-23 燕山大学 一种考虑柔性负荷的独立微电网系统容量优化配置方法
WO2018196433A1 (zh) * 2017-04-24 2018-11-01 国家电网公司 多类型储能多级控制方法
CN109066750A (zh) * 2018-09-11 2018-12-21 重庆大学 基于需求侧响应的光伏-电池微电网混合能量调度管理方法
CN109740827A (zh) * 2019-02-14 2019-05-10 华北电力大学 一种基于双层优化的区域综合能源系统规划优化方法
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN110365034A (zh) * 2019-07-04 2019-10-22 苏州瑞城电力科技有限公司 一种计及储能容量配置的微电网电能优化调度方法
CN110490460A (zh) * 2019-08-21 2019-11-22 广东电网有限责任公司 一种用户侧分布式储能系统经济性评估方法
CN110635514A (zh) * 2019-11-13 2019-12-31 燕山大学 一种并网型微网优化配置方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015027281A1 (en) * 2013-08-29 2015-03-05 Applied Hybrid Energy Pty Ltd Energy control and generation method and system
CN108448636B (zh) * 2018-05-10 2021-02-05 合肥工业大学 一种考虑线路因素的交直流混合微电网优化规划方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014153946A1 (zh) * 2013-03-27 2014-10-02 国网浙江省电力公司电力科学研究院 独立微网系统的优化方法
CN104765967A (zh) * 2015-04-20 2015-07-08 中国人民解放军国防科学技术大学 一种离网混合可再生能源系统的多目标优化设计方法
CN105260797A (zh) * 2015-10-22 2016-01-20 华北电力大学 一种计及经济性评估的微网储能电站规划控制方法
WO2017161786A1 (zh) * 2016-03-23 2017-09-28 严利容 基于光储系统运行优化的混合储能配比计算方法
CN106887841A (zh) * 2017-03-23 2017-06-23 东北大学 一种含电动汽车微电网容量配置的多种群遗传粒子群优化方法
WO2018196433A1 (zh) * 2017-04-24 2018-11-01 国家电网公司 多类型储能多级控制方法
CN107834601A (zh) * 2017-11-17 2018-03-23 燕山大学 一种考虑柔性负荷的独立微电网系统容量优化配置方法
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN109066750A (zh) * 2018-09-11 2018-12-21 重庆大学 基于需求侧响应的光伏-电池微电网混合能量调度管理方法
CN109740827A (zh) * 2019-02-14 2019-05-10 华北电力大学 一种基于双层优化的区域综合能源系统规划优化方法
CN110365034A (zh) * 2019-07-04 2019-10-22 苏州瑞城电力科技有限公司 一种计及储能容量配置的微电网电能优化调度方法
CN110490460A (zh) * 2019-08-21 2019-11-22 广东电网有限责任公司 一种用户侧分布式储能系统经济性评估方法
CN110635514A (zh) * 2019-11-13 2019-12-31 燕山大学 一种并网型微网优化配置方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Optimal Planning of CHP-based Microgrids Considering DERs and Demand Response Programs;Saeid Qaeini等;《2020 IEEE 20th Mediterranean Electrotechnical Conference ( MELECON)》;20200715;全文 *
基于频谱分析的微网混合储能容量优化配置;罗鹏等;《电网技术》;20160229(第02期);全文 *
计及电池寿命和经济运行的微电网储能容量优化;肖浩等;《高电压技术》;20151031(第10期);全文 *

Also Published As

Publication number Publication date
CN112491041A (zh) 2021-03-12

Similar Documents

Publication Publication Date Title
Chen et al. Sizing of energy storage for microgrids
Belfkira et al. Modeling and optimal sizing of hybrid renewable energy system
Ku et al. Implementation of battery energy storage system for an island microgrid with high PV penetration
Moghimi et al. Battery energy storage cost and capacity optimization for university research center
Chen et al. Sizing of energy storage system for microgrids
Nayak et al. Optimal design of battery energy storage system for peak load shaving and time of use pricing
Jo et al. Optimal scheduling method of community microgrid with customer-owned distributed energy storage system
Spertino et al. Renewable sources with storage for cost-effective solutions to supply commercial loads
Panajotovic et al. Design and “inteligent” control of hybrid power system in telecommunication
Nayak et al. Optimal battery energy storage sizing for grid connected PV system using IHSA
Zhang et al. Optimized scheduling model for isolated microgrid of wind-photovoltaic-thermal-energy storage system with demand response
Setyawan et al. Optimal Depth-of-Discharge range and capacity settings for battery energy storage in microgrid operation
CN110535187A (zh) 一种主动配电网的复合储能容量的能量调度方法及系统
Belboul et al. Optimal sizing of hybrid pv/wind/battery/diesel microgrid system using a multi-objective grasshopper optimization algorithm: A case study in djelfa city algeria
Maulik et al. Determination of optimal size of battery energy storage system (BESS) for a renewable power based microgrid
Jain et al. A Simple Methodology for Sizing of Stand-Alone PV-Battery System
CN112491086B (zh) 一种风光储独立微电网优化配置方法
CN112491041B (zh) 一种储能混合微电网混合线性经济性规划方法
CN112491087B (zh) 一种基于需求侧响应的风光储独立微电网经济优化方法
JP7180993B2 (ja) 発電システム
Fenglei et al. An uncertainty reduction strategy to schedule and operate microgrids with renewable energy sources
Tetuko et al. Optimal Scheduling of Battery-Flywheel Hybrid Energy Storage System for Off-Grid Power System with Renewable Energy
CN109119988B (zh) 基于动态批发市价的光伏-电池微电网能量调度管理方法
Belfkira et al. Modeling and optimization of wind/PV system for stand-alone site
CN112488370B (zh) 一种采用需求侧响应规划的储能优化方法

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