CN112564152A - 一种面向充电站运营商的储能优化配置方法 - Google Patents
一种面向充电站运营商的储能优化配置方法 Download PDFInfo
- Publication number
- CN112564152A CN112564152A CN202011461627.9A CN202011461627A CN112564152A CN 112564152 A CN112564152 A CN 112564152A CN 202011461627 A CN202011461627 A CN 202011461627A CN 112564152 A CN112564152 A CN 112564152A
- Authority
- CN
- China
- Prior art keywords
- bess
- energy storage
- load
- charge
- soc
- 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
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 118
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000005457 optimization Methods 0.000 title claims abstract description 32
- 238000012423 maintenance Methods 0.000 claims description 24
- 230000005611 electricity Effects 0.000 claims description 22
- 238000007599 discharging Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 18
- 238000011084 recovery Methods 0.000 claims description 15
- 230000008901 benefit Effects 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 8
- 230000000694 effects Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 4
- 239000013256 coordination polymer Substances 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims 2
- 230000037430 deletion Effects 0.000 claims 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 230000001932 seasonal effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000011160 research Methods 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
- H02J3/28—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
- H02J3/008—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
- 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]
-
- 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
- Y02E40/10—Flexible AC transmission systems [FACTS]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
一种面向充电站运营商的储能优化配置方法,涉及电池储能系统的功率和容量优化配置方法技术领域,本发明参数的设定、典型日的获取、优化配置模型约束条件选取、建立用户侧储能优化配置模型、将优化配置模型转化为LP、评估指标的选取和求解,其中典型日的选取采用K‑means聚类方法,将其聚类中心设在为2,分别表示为工作日和非工作日,同时将模型的非线性求解转化为LP(线性规划)问题,具有求解速度快,得到的解为全局最优解,具有比较强的实际意义,能够有效促进储能商业化的发展。
Description
技术领域
本发明涉及电池储能系统的功率和容量优化配置方法技术领域,具体涉及一种面向充电站运营商的储能优化配置方法。
背景技术
随着电动汽车规模逐步提升,城市公共充电站规模逐步增加,对配网容量要求越来越高。为缓冲无序充电行为对配网的冲击,因此在充电站中扮演越来越重要的角色。但是,配置储能成本非常高,加上充电站的储能配置往往是分布式的,难以形成规模效应来减低成本,这些原因使得储能虽然有一定发展,但是大都集中在电网侧。
近年来中国出台了一系列政策,不仅大力支持储能发展,而且提出要适当扩大销售侧峰谷电价差,未来用户峰谷价差有望继续拉大,并且随着储能成本的逐步降低,充电站储能配置得到越来越广泛地关注。充电站储能可通过“低储高放”策略,即在充电负荷及电价较低的时候存储电能,在充电负荷及电价较高的时候放出电能,在不改变用户充电行为的情况下,平滑充电站负荷每月最大需量值,减少基本电费的同时产生削峰填谷收益,是降低充电运营商经营成本的重要手段。由于各地方充电客户不同,导致充电站具有区域性负荷特征,其是否适合配置储能以及配置多大功率及容量的储能不尽相同。因此,为充电站运营商提出一套科学有效的储能配置方法显得迫在眉睫。
充电站储能优化配置属于用户侧储能优化配置的一种特殊场景。现有的针对用户侧储能优化配置的研究主要是目的在于提高电网安全稳定性,而且典型日的选取尚未形成一套令人信服的方法。如已公开专利《一种基于调峰效果的负荷侧储能优化配置方法》(授权公告号:CN 107800148B)依据负荷数据的标准差和平均单向持续时长生成候选配置集合,然后将配置集合中每一个配置元素作为边界条件,修改计算储能调峰效果的不等式约束,以混合整数规划求新负荷曲线的方差最优值,最后将每一个候选配置点的成本按照功率和容量进行计算,进行候选集合中最优配置的选择。已公开专利《一种综合储能优化配置方法和系统》(授权公告号:CN 111064209 A)构建了用户侧综合能源系统的架构,给定各时段系统的能源需求、各时段系统内能量生产,建立以负荷方差最小、可再生能源削减量最小、综合储能容量最小为目标的综合储能优化配置模型。以上公开的专利均从电网安全稳定性的角度构建储能优化配置模型,未充分考虑充电站运营商配置储能的收益等情况。
发明内容
本发明的目的在于:为解决背景技术中提出的技术问题,本发明提供一种面向充电站运营商的储能优化配置方法。
本发明为了实现上述目的具体采用以下技术方案:
一种面向充电站运营商的储能优化配置方法,包括以下步骤:
步骤一、参数的设定:设置储能成本参数和特性参数,上传实时电价数据和典型充电站一年的历史负荷数据,并且将负荷数据还原成12个月的负荷数据;
步骤二、典型日的获取:用K-Means方法对每个月的负荷曲线进行聚类,聚类中心数设置为2,2个聚类中心分别代表每月的工作和非工作日,并且把聚类中心作为该月的典型日负荷曲线,同时输出每个月的聚类中心所占该月天数的权重;
步骤三、优化配置模型约束条件选取:选择荷电状态(SOC)、储能SOC连续性约束、SOC循环初始与结束相等约束、充/放电功率约束、充/放电状态约束、削峰负荷约束;
步骤四、建立用户侧储能优化配置模型:以BESS全寿命周期净收益最大为目标函数,对储能配置功率和容量进行优化,具体表述为:
maxU=U1+U2-C1-C2
其中,U为BESS全寿命周期内的净收益,U1为BESS“低储高放”的套利收益,U2为减少用户基本电费收益,C1为BESS初始投资成本,C2为运行维护成本;
步骤五、将步骤四中的模型转化为进行LP转化:将模型约束条件中的储能SOC连续性约束和充/放电功率约束进行LP处理;
步骤六、评估指标的选取:以BESS全寿命周期内的净收益、投资回收年限和投资回报率作为决策指标为评估指标对建立的优化配置方法结果进行评估;
步骤七、求解:调用gurobi求解器进行求解,并输出求解结果,即储能配置功率、容量、BESS全寿命周期内的净收益、投资回收年限和投资回报率作为决策指标。
进一步地,所述步骤三种的约束条件具体为:
(1)荷电状态(SOC):在一个BESS充/放电周期内,BESS各时刻储能容量值应保持在一定的范围内,具体为:
SOCmin≤SOCi,j≤SOCmax
其中,SOCmin和SOCmax分别对应BESS可调度储能容量上限和下限;
(2)储能SOC连续性约束,具体为:
其中,ηc和ηd为BESS的充/放电效率;
(3)SOC循环初始与结束相等约束,为了第二天可以正常连续运行,一天运行完毕后BESS还要回复到初始SOC状态,具体为:
(4)充/放电功率约束,BESS在运行过程中应控制每次充/放电功率不超过其额定值,具体为:
其中,Pdis,min为最小放电功率,Pdis,max为最大放电功率,Pch,min为最小充电功率,Pch,max最大充电功率;
(5)充/放电状态约束,BESS不能同时充电和放电,应满足:
Boin,j(i)+Bin,j(i)≤1
其中,Bin,j(i)和Bout,j(i)都是0-1变量,分别表示BESS充放电状态;
(6)削峰负荷约束,储能进行削峰后,系统等效负荷应小于削峰后负荷峰值,即:
Pload(i,j)+Pch(i,j)-Pdis(i,j)≤Pmax,y-ΔPy
其中,Pload(i,j)为未配置储能时的实际负荷,Pmax,y为每月峰值负荷。
进一步地,所述步骤四中U1、U2、C1、和C2具体为:
(1)U1为BESS“低储高放”的套利收益,BESS具有平移负荷,实现负荷的削峰填谷的作用,在分时电价的市场环境下,控制BESS在负荷低谷时进行充电,负荷高峰时进行放电,利用峰谷电价差进而实现套利收入,具体为:
其中,Dj为每种典型负荷天数,Sj,1为第j种典型负荷下一天内BESS的套利收入,Sj,1的计算方式如下:
其中,πj(i)为第j种典型负荷下第i时刻的电价,Pdis,j(i)和Pch,j(i)为第j种典型负荷下第i时刻的实际放/充电功率,Δt为时段持续时间,nd为典型日当中时间段的数量;
(2)U2为减少用户基本电费收益,具体为:
其中,Rb(y)为每月需量电费,ΔP(y)为每个月BESS的削峰量,Y为BESS每年工作的月数,T为电池寿命,tr为通货膨胀率,dr为贴现率;
(3)C1为BESS初始投资成本,具体为:
(4)C2为运行维护成本,具体为:
进一步地,对模型约束条件中的储能SOC连续性约束和充/放电功率约束进行LP处理,具体为:
其中,z为储能电池的电量,Pdis,j(i)和Pch,j(i)为第j种典型负荷下第i时刻的实际放/充电功率,Δt为时段持续时间;
(2)充/放电功率约束进行LP处理,先将充放电状态约束Bout,j(i)+Bin,j(i)≤1删去,删去的原因在与模型的目标函数是净收益最大化,在模型求解过程中求解器自然会避开电池同时充放电的状态,否则不能达到净收益最大的目标。进而可以避免二进制变量Bin和Bout的引入,充/放电功率约束进而转化为:
进一步地,步骤六中评估指标的计算方式具体为:
(1)BESS全寿命周期内净收益,具体为:
U=U1+U2-C1-C2
其中,U为BESS全寿命周期内的净收益,U1为BESS“低储高放”的套利收益,U2为减少用户基本电费收益,C1为BESS初始投资成本,C2为运行维护成本;
(2)投资回收年限,具体为:
其中,f1为每年的峰谷套利,f2为每年需量电费减少带来的收益,C1为BESS初始投资成本,C2为运行维护成本;
(3)投资回报率,具体为:
其中,U为BESS全寿命周期内的净收益,C1为BESS初始投资成本,C2为运行维护成本。
一种使用面向充电站运营商的储能优化配置方法进行储能优化配置的系统,包括:
数据获取模块,用于获取实时电价数据和典型充电站一年的历史负荷数据,并且将负荷数据还原成12个月的负荷数据;
模型建立模块,用于建立储能优化配置模型,建立BESS全寿命周期净收益最大为目标函数的计算模型;
储能配置优化模块,用于求解基于BESS全寿命周期净收益最大的储能优化配置模型,得到保证BESS全寿命周期净收益最大的最优储能配置结果;
综合效益计算模块,用于根据以不同储能配置结果获得的BESS全寿命周期净收益最大化为目标的计算模型,计算不同储能配置功率、容量下的最优储能配置结果所带来的BESS全寿命周期内的净收益、投资回收年限和投资回报率;
输出模块,用于输出使得BESS全寿命周期净收益最大的最优储能配置结果对应的储能配置功率、容量、BESS全寿命周期内的净收益、投资回收年限和投资回报率。
本发明的工作原理及有益效果如下:以净收益最大为目标函数,综合考虑了储能的峰谷套利、需量电费减少带来的收益、储能初始投资成本以及运行维护成本。该方法能够自动计算得出每月的两个典型日,两个典型日分别代表在该月的工作日和节假日,其中的理论依据便是K-Means聚类理论,在得到每月典型日的基础上,根据两部制工业用电电价计量方法,并考虑电价的日内分时段变化及季节性变化,由此计算每月的峰谷套利。并且以典型日的负荷峰值作为配置储能之前的峰值,以原典型日负荷曲线叠加上模型计算得出的储能充放电功率之后得到的最大值为配置储能之后的负荷峰值,由此计算每月的需量电费减少带来的收益。考虑BESS单位充放电功率造价和单位容量造价,由此计算初始投资成本。考虑BESS单位充放电功率年运行维护成本,由此计算运行维护成本。
附图说明
图1是本发明流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。此外,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本发明实施方式的描述中,需要说明的是,术语“内”、“外”、“上”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
实施例1
如图1所示,一种面向充电站运营商的储能优化配置方法,包括以下步骤:
步骤一、参数的设定:设置储能成本参数和特性参数,上传实时电价数据和典型充电站一年的历史负荷数据,并且将负荷数据还原成12个月的负荷数据;
步骤二、典型日的获取:用K-Means方法对每个月的负荷曲线进行聚类,聚类中心数设置为2,2个聚类中心分别代表每月的工作和非工作日,并且把聚类中心作为该月的典型日负荷曲线,同时输出每个月的聚类中心所占该月天数的权重;
步骤三、优化配置模型约束条件选取:选择荷电状态(SOC)、储能SOC连续性约束、SOC循环初始与结束相等约束、充/放电功率约束、充/放电状态约束、削峰负荷约束;
步骤四、建立用户侧储能优化配置模型:以BESS全寿命周期净收益最大为目标函数,对储能配置功率和容量进行优化,具体表述为:
maxU=U1+U2-C1-C2
其中,U为BESS全寿命周期内的净收益,U1为BESS“低储高放”的套利收益,U2为减少用户基本电费收益,C1为BESS初始投资成本,C2为运行维护成本;
步骤五、将步骤四中的模型转化为进行LP转化:将模型约束条件中的储能SOC连续性约束和充/放电功率约束进行LP处理;
步骤六、评估指标的选取:以BESS全寿命周期内的净收益、投资回收年限和投资回报率作为决策指标为评估指标对建立的优化配置方法结果进行评估;
步骤七、求解:调用gurobi求解器进行求解,并输出求解结果,即储能配置功率、容量、BESS全寿命周期内的净收益、投资回收年限和投资回报率作为决策指标。
优选地,所述步骤三种的约束条件具体为:
(1)荷电状态(SOC):在一个BESS充/放电周期内,BESS各时刻储能容量值应保持在一定的范围内,具体为:
SOCmin≤SOCi,j≤SOCmax
其中,SOCmin和SOCmax分别对应BESS可调度储能容量上限和下限;
(2)储能SOC连续性约束,具体为:
其中,ηc和ηd为BESS的充/放电效率;
(3)SOC循环初始与结束相等约束,为了第二天可以正常连续运行,一天运行完毕后BESS还要回复到初始SOC状态,具体为:
(4)充/放电功率约束,BESS在运行过程中应控制每次充/放电功率不超过其额定值,具体为:
其中,Pdis,min为最小放电功率,Pdis,max为最大放电功率,Pch,min为最小充电功率,Pch,max最大充电功率;
(5)充/放电状态约束,BESS不能同时充电和放电,应满足:
Bout,j(i)+Bin,j(i)≤1
其中,Bin,j(i)和Bout,j(i)都是0-1变量,分别表示BESS充放电状态;
(6)削峰负荷约束,储能进行削峰后,系统等效负荷应小于削峰后负荷峰值,即:
Pload(i,j)+Pch(i,j)-Pdis(i,j)≤Pmax,y-ΔPy
其中,Pload(i,j)为未配置储能时的实际负荷,Pmax,y为每月峰值负荷。
优选地,所述步骤四中U1、U2、C1、和C2具体为:
(1)U1为BESS“低储高放”的套利收益,BESS具有平移负荷,实现负荷的削峰填谷的作用,在分时电价的市场环境下,控制BESS在负荷低谷时进行充电,负荷高峰时进行放电,利用峰谷电价差进而实现套利收入,具体为:
其中,Dj为每种典型负荷天数,Sj,1为第j种典型负荷下一天内BESS的套利收入,Sj,1的计算方式如下:
其中,πj(i)为第j种典型负荷下第i时刻的电价,Pdis,j(i)和Pch,j(i)为第j种典型负荷下第i时刻的实际放/充电功率,Δt为时段持续时间,nd为典型日当中时间段的数量;
(2)U2为减少用户基本电费收益,具体为:
其中,Rb(y)为每月需量电费,ΔP(y)为每个月BESS的削峰量,Y为BESS每年工作的月数,T为电池寿命,tr为通货膨胀率,dr为贴现率;
(3)C1为BESS初始投资成本,具体为:
(4)C2为运行维护成本,具体为:
优选地,对模型约束条件中的储能SOC连续性约束和充/放电功率约束进行LP处理,具体为:
其中,z为储能电池的电量,Pdis,j(i)和Pch,j(i)为第j种典型负荷下第i时刻的实际放/充电功率,Δt为时段持续时间;
(2)充/放电功率约束进行LP处理,先将充放电状态约束Bout,j(i)+Bin,j(i)≤1删去,删去的原因在与模型的目标函数是净收益最大化,在模型求解过程中求解器自然会避开电池同时充放电的状态,否则不能达到净收益最大的目标。进而可以避免二进制变量Bin和Bout的引入,充/放电功率约束进而转化为:
优选地,步骤六中评估指标的计算方式具体为:
(1)BESS全寿命周期内净收益,具体为:
U=U1+U2-C1-C2
其中,U为BESS全寿命周期内的净收益,U1为BESS“低储高放”的套利收益,U2为减少用户基本电费收益,C1为BESS初始投资成本,C2为运行维护成本;
(2)投资回收年限,具体为:
其中,f1为每年的峰谷套利,f2为每年需量电费减少带来的收益,C1为BESS初始投资成本,C2为运行维护成本;
(3)投资回报率,具体为:
其中,U为BESS全寿命周期内的净收益,C1为BESS初始投资成本,C2为运行维护成本。
一种使用面向充电站运营商的储能优化配置方法进行储能优化配置的系统,包括:
数据获取模块,用于获取实时电价数据和典型充电站一年的历史负荷数据,并且将负荷数据还原成12个月的负荷数据;
模型建立模块,用于建立储能优化配置模型,建立BESS全寿命周期净收益最大为目标函数的计算模型;
储能配置优化模块,用于求解基于BESS全寿命周期净收益最大的储能优化配置模型,得到保证BESS全寿命周期净收益最大的最优储能配置结果;
综合效益计算模块,用于根据以不同储能配置结果获得的BESS全寿命周期净收益最大化为目标的计算模型,计算不同储能配置功率、容量下的最优储能配置结果所带来的BESS全寿命周期内的净收益、投资回收年限和投资回报率;
输出模块,用于输出使得BESS全寿命周期净收益最大的最优储能配置结果对应的储能配置功率、容量、BESS全寿命周期内的净收益、投资回收年限和投资回报率。
本发明的工作原理及有益效果如下:以净收益最大为目标函数,综合考虑了储能的峰谷套利、需量电费减少带来的收益、储能初始投资成本以及运行维护成本。该方法能够自动计算得出每月的两个典型日,两个典型日分别代表在该月的工作日和节假日,其中的理论依据便是K-Means聚类理论,在得到每月典型日的基础上,根据两部制工业用电电价计量方法,并考虑电价的日内分时段变化及季节性变化,由此计算每月的峰谷套利。并且以典型日的负荷峰值作为配置储能之前的峰值,以原典型日负荷曲线叠加上模型计算得出的储能充放电功率之后得到的最大值为配置储能之后的负荷峰值,由此计算每月的需量电费减少带来的收益。考虑BESS单位充放电功率造价和单位容量造价,由此计算初始投资成本。考虑BESS单位充放电功率年运行维护成本,由此计算运行维护成本。
由技术常识可知,本发明可以通过其他的不脱离其精神实质或必要特征的实施方案来实现。因此,上述公开的实施方案,就各方面而言,都只是举例说明,并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。
Claims (8)
1.一种面向充电站运营商的储能优化配置方法,其特征在于,包括以下步骤:
步骤一、设置储能成本参数和特性参数,上传实时电价数据和典型充电站一年的历史负荷数据,并且将负荷数据还原成12个月的负荷数据;
步骤二、对每个月的负荷数据进行聚类,聚类中心数设置为2,2个聚类中心分别代表每月的工作和非工作日,并且把聚类中心作为该月的典型日负荷曲线,同时输出每个月的聚类中心所占该月天数的权重,以计算目标函数;
步骤三、选择荷电状态SOC、储能SOC连续性约束、SOC循环初始与结束相等约束、充/放电功率约束、充/放电状态约束和削峰负荷约束这六个约束条件来优化通过目标函数建立的模型;
步骤四、以BESS全寿命周期净收益最大为目标函数建立模型,对储能配置功率和容量进行优化;
步骤五、将步骤三模型约束条件中的储能SOC连续性约束和充/放电功率约束进行LP处理,得到线性化的储能SOC连续性约束和充/放电功率约束,并将处理后得到的储能SOC连续性约束和充/放电功率约束用于对步骤四中的模型进行优化;
步骤六、以BESS全寿命周期内的净收益、投资回收年限和投资回报率作为决策指标为评估指标对建立的优化配置方法结果进行评估;
步骤七、进行求解,并输出求解结果。
2.根据权利要求1所述的一种面向充电站运营商的储能优化配置方法,其特征在于,所述步骤三种的约束条件具体为:
(1)在一个BESS充/放电周期内,BESS各时刻储能容量值应保持在一定的范围内,具体为:
SOCmin≤SOCi,j≤SOCmax
其中,SOCmin和SOCmax分别对应BESS可调度储能容量上限和下限,SOCi,j为i时刻第j种典型负荷下的储能容量值;
(2)储能SOC连续性约束,具体为:
其中,ηc和ηd为BESS的充/放电效率,SOCi,j为i时刻第j中典型负荷下的储能容量值,SOCi+1,j为i+1时刻第j种典型负荷下的储能容量值,Pdis,j(i)和Pch,j(i)分别为第j种典型负荷下第i时刻的实际放电功率和充电功率,Δt为时段的持续时间;
(3)SOC循环初始与结束相等约束,为了第二天可以正常连续运行,一天运行完毕后BESS还要回复到初始SOC状态,具体为:
(4)充/放电功率约束,BESS在运行过程中应控制每次充/放电功率不超过其额定值,具体为:
其中,Pdis,min为最小放电功率,Pdis(i)第i时刻的放电功率,Pdis,max为最大放电功率,Pch,min为最小充电功率,Pch(i)第i时刻的充电功率,Pch,max最大充电功率;
(5)充/放电状态约束,BESS不能同时充电和放电,应满足:
Bout,j(i)+Bin,j(i)≤1
其中,Bin,j(i)和Bout,j(i)都是0-1变量,分别表示BESS充放电状态;
(6)削峰负荷约束,储能进行削峰后,系统等效负荷应小于削峰后负荷峰值,即:
Pload(i,j)+Pch(i,j)-Pdis(i,j)≤Pmax,y-ΔPy
其中,Pload(i,j)为未配置储能时的实际负荷,Pmax,y为每月峰值负荷。
3.根据权利要求1所述的一种面向充电站运营商的储能优化配置方法,其特征在于,所述步骤四中目标函数具体表述为:
maxU=U1+U2-C1-C2
其中,U为BESS全寿命周期内的净收益,U1为BESS“低储高放”的套利收益,U2为减少用户基本电费收益,C1为BESS初始投资成本,C2为运行维护成本。
4.根据权利要求3所述的一种面向充电站运营商的储能优化配置方法,其特征在于,所述U1、U2、C1、和C2具体为:
(1)U1为BESS“低储高放”的套利收益,BESS具有平移负荷,实现负荷的削峰填谷的作用,在分时电价的市场环境下,控制BESS在负荷低谷时进行充电,负荷高峰时进行放电,利用峰谷电价差进而实现套利收入,具体为:
其中,Dj为每种典型负荷天数,Sj,1为第j种典型负荷下一天内BESS的套利收入,Sj,1的计算方式如下:
其中,πj(i)为第j种典型负荷下第i时刻的电价,Pdis,j(i)和Pch,j(i)为第j种典型负荷下第i时刻的实际放/充电功率,Δt为时段持续时间,nd为典型日当中时间段的数量;
(2)U2为减少用户基本电费收益,具体为:
其中,Rb(y)为每月需量电费,ΔP(y)为每个月BESS的削峰量,Y为BESS每年工作的月数,T为电池寿命,tr为通货膨胀率,dr为贴现率;
(3)C1为BESS初始投资成本,具体为:
(4)C2为运行维护成本,具体为:
5.根据权利要求2所述的一种面向充电站运营商的储能优化配置方法,其特征在于,对模型约束条件中的储能SOC连续性约束和充/放电功率约束进行LP处理,具体为:
其中,z为储能电池的电量,Pdis,j(i)和Pch,j(i)为第j种典型负荷下第i时刻的实际放/充电功率,Δt为时段持续时间;
7.根据权利要求1所述的一种面向充电站运营商的储能优化配置方法,其特征在于,所述步骤七中求解结果包括储能配置功率、容量、BESS全寿命周期内的净收益、投资回收年限和投资回报率作为决策指标。
8.一种使用权利要求1-7中任一项的方法进行储能优化配置的系统,其特征在于,包括:
数据获取模块,用于获取实时电价数据和典型充电站一年的历史负荷数据,并且将负荷数据还原成12个月的负荷数据;
模型建立模块,用于建立储能优化配置模型,建立BESS全寿命周期净收益最大为目标函数的计算模型;
储能配置优化模块,用于求解基于BESS全寿命周期净收益最大的储能优化配置模型,得到保证BESS全寿命周期净收益最大的最优储能配置结果;
综合效益计算模块,用于根据以不同储能配置结果获得的BESS全寿命周期净收益最大化为目标的计算模型,计算不同储能配置功率、容量下的最优储能配置结果所带来的BESS全寿命周期内的净收益、投资回收年限和投资回报率;
输出模块,用于输出使得BESS全寿命周期净收益最大的最优储能配置结果对应的储能配置功率、容量、BESS全寿命周期内的净收益、投资回收年限和投资回报率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011461627.9A CN112564152B (zh) | 2020-12-11 | 2020-12-11 | 一种面向充电站运营商的储能优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011461627.9A CN112564152B (zh) | 2020-12-11 | 2020-12-11 | 一种面向充电站运营商的储能优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112564152A true CN112564152A (zh) | 2021-03-26 |
CN112564152B CN112564152B (zh) | 2023-08-22 |
Family
ID=75062538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011461627.9A Active CN112564152B (zh) | 2020-12-11 | 2020-12-11 | 一种面向充电站运营商的储能优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112564152B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113159715A (zh) * | 2021-04-06 | 2021-07-23 | 杭州远传新业科技有限公司 | 客服坐席排班方法、系统、电子装置和存储介质 |
CN113629742A (zh) * | 2021-07-28 | 2021-11-09 | 西南交通大学 | 电气化铁路地面混合式储能系统容量配置方法 |
CN113762626A (zh) * | 2021-09-10 | 2021-12-07 | 国网江苏省电力有限公司扬州供电分公司 | 一种考虑经济性的混合储能系统容量优化方法 |
CN114358402A (zh) * | 2021-12-21 | 2022-04-15 | 国网江苏省电力有限公司镇江供电分公司 | 一种考虑储能使用权的共享储能规划方法及系统 |
CN116093934A (zh) * | 2023-02-17 | 2023-05-09 | 江苏云快充新能源科技有限公司 | 储能设备电量信息的测算方法、计算机设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190140465A1 (en) * | 2017-11-06 | 2019-05-09 | Nec Laboratories America, Inc. | Demand charge minimization in behind-the-meter energy management systems |
CN110751368A (zh) * | 2019-09-18 | 2020-02-04 | 清华大学 | 一种考虑充电负荷灵活性的电动汽车储充站规划方法 |
CN111697602A (zh) * | 2020-05-15 | 2020-09-22 | 西安联创分布式可再生能源研究院有限公司 | 基于需量调节的电化学储能系统的配置与策略制定方法 |
CN111697603A (zh) * | 2020-05-15 | 2020-09-22 | 西安联创分布式可再生能源研究院有限公司 | 基于电池衰减的电化学储能系统的配置与策略制定方法 |
CN111697601A (zh) * | 2020-05-15 | 2020-09-22 | 西安联创分布式可再生能源研究院有限公司 | 适用于大工业用户电化学储能系统的配置与策略制定方法 |
-
2020
- 2020-12-11 CN CN202011461627.9A patent/CN112564152B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190140465A1 (en) * | 2017-11-06 | 2019-05-09 | Nec Laboratories America, Inc. | Demand charge minimization in behind-the-meter energy management systems |
CN110751368A (zh) * | 2019-09-18 | 2020-02-04 | 清华大学 | 一种考虑充电负荷灵活性的电动汽车储充站规划方法 |
CN111697602A (zh) * | 2020-05-15 | 2020-09-22 | 西安联创分布式可再生能源研究院有限公司 | 基于需量调节的电化学储能系统的配置与策略制定方法 |
CN111697603A (zh) * | 2020-05-15 | 2020-09-22 | 西安联创分布式可再生能源研究院有限公司 | 基于电池衰减的电化学储能系统的配置与策略制定方法 |
CN111697601A (zh) * | 2020-05-15 | 2020-09-22 | 西安联创分布式可再生能源研究院有限公司 | 适用于大工业用户电化学储能系统的配置与策略制定方法 |
Non-Patent Citations (2)
Title |
---|
唐文左;梁文举;崔荣;曾锐;贾龙;周川杰;胡泽春;: "配电网中分布式储能系统的优化配置方法", 电力建设, no. 04, pages 1 - 5 * |
李秀磊;耿光飞;季玉琦;陆凌芝;: "考虑实际运行的配电网电池储能系统的优化配置研究", 电力系统保护与控制, no. 09, pages 1 - 5 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113159715A (zh) * | 2021-04-06 | 2021-07-23 | 杭州远传新业科技有限公司 | 客服坐席排班方法、系统、电子装置和存储介质 |
CN113629742A (zh) * | 2021-07-28 | 2021-11-09 | 西南交通大学 | 电气化铁路地面混合式储能系统容量配置方法 |
CN113629742B (zh) * | 2021-07-28 | 2023-06-16 | 西南交通大学 | 电气化铁路地面混合式储能系统容量配置方法 |
CN113762626A (zh) * | 2021-09-10 | 2021-12-07 | 国网江苏省电力有限公司扬州供电分公司 | 一种考虑经济性的混合储能系统容量优化方法 |
CN114358402A (zh) * | 2021-12-21 | 2022-04-15 | 国网江苏省电力有限公司镇江供电分公司 | 一种考虑储能使用权的共享储能规划方法及系统 |
CN114358402B (zh) * | 2021-12-21 | 2023-09-26 | 国网江苏省电力有限公司镇江供电分公司 | 一种考虑储能使用权的共享储能规划方法及系统 |
CN116093934A (zh) * | 2023-02-17 | 2023-05-09 | 江苏云快充新能源科技有限公司 | 储能设备电量信息的测算方法、计算机设备及存储介质 |
CN116093934B (zh) * | 2023-02-17 | 2023-11-21 | 江苏云快充新能源科技有限公司 | 储能设备电量信息的测算方法、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112564152B (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112564152A (zh) | 一种面向充电站运营商的储能优化配置方法 | |
CN110188950B (zh) | 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法 | |
CN107370170B (zh) | 一种考虑容量电价和负荷预测误差的储能系统容量配置方法 | |
CN106651026B (zh) | 多时间尺度微电网能量管理优化调度方法 | |
CN111404206B (zh) | 考虑投资回报约束的风光储发电系统容量双层规划方法 | |
CN111049198B (zh) | 考虑储能寿命和调频性能的风储联合运行优化方法及系统 | |
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 | |
CN112270433B (zh) | 考虑可再生能源不确定性和用户满意度的微电网优化方法 | |
CN113326467B (zh) | 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统 | |
CN112508287A (zh) | 基于用户侧bess全寿命周期的储能优化配置方法 | |
CN113644651A (zh) | 一种电价竞价场景下的储能配置优化方法 | |
CN116061742B (zh) | 一种分时电价光伏园区内电动汽车的充电控制方法和系统 | |
CN106849143A (zh) | 一种基于概率分布统计和最优电池充放电调度的储能系统容量配置方法 | |
CN111639866B (zh) | 基于遗传算法的储能充电站的储能容量的配置方法 | |
CN115000985A (zh) | 一种用户侧分布式储能设施聚合管控方法及系统 | |
CN112993985A (zh) | 一种考虑不确定性的微电网多目标规划方法 | |
CN112288130A (zh) | 一种基于两阶段多目标优化的新能源消纳计算方法 | |
CN116914821A (zh) | 一种基于改进粒子群算法的微电网低碳优化调度方法 | |
CN116488140A (zh) | 高速公路综合能源管控系统调度方法、装置、设备、介质 | |
CN116365507A (zh) | 适用于户用光储系统的储能能量管理方法 | |
Yao et al. | Determination of a dispatch strategy to maximize income for a wind turbine-BESS power station | |
CN115221699A (zh) | 一种基于共享合作社的储能系统容量优化方法 | |
Amouzad Mahdiraji et al. | Locating, sizing, and optimal planning of the distribution substations using vanadium flow battery storage to improve the efficiency of the power distribution network | |
Zhang et al. | Optimization Method of User-Side Energy Storage Capacity Considering Typical Daily Load Characteristics | |
CN113077096B (zh) | 一种电力交易中心计划电比例确定方法 |
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 |