CN112751350B - 一种移动储能时空联合优化调度策略的制定方法 - Google Patents
一种移动储能时空联合优化调度策略的制定方法 Download PDFInfo
- Publication number
- CN112751350B CN112751350B CN202011579799.6A CN202011579799A CN112751350B CN 112751350 B CN112751350 B CN 112751350B CN 202011579799 A CN202011579799 A CN 202011579799A CN 112751350 B CN112751350 B CN 112751350B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- mobile energy
- power
- node
- 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.)
- Active
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 197
- 238000005457 optimization Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000009826 distribution Methods 0.000 claims abstract description 40
- 238000009472 formulation Methods 0.000 claims abstract description 4
- 239000000203 mixture Substances 0.000 claims abstract description 4
- 230000009467 reduction Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000008439 repair process Effects 0.000 claims description 4
- 230000003321 amplification Effects 0.000 claims description 3
- 230000005251 gamma ray Effects 0.000 claims description 3
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 14
- 238000005096 rolling process Methods 0.000 description 8
- 101100512896 Arabidopsis thaliana MES2 gene Proteins 0.000 description 7
- 101100512898 Arabidopsis thaliana MES3 gene Proteins 0.000 description 6
- 101150037847 MES1 gene Proteins 0.000 description 5
- 101100097991 Schizosaccharomyces pombe (strain 972 / ATCC 24843) rar1 gene Proteins 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 238000007599 discharging Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 101100401100 Caenorhabditis elegans mes-1 gene Proteins 0.000 description 1
- 101100512899 Caenorhabditis elegans mes-3 gene Proteins 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
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
- H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
-
- 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)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及一种移动储能时空联合优化调度策略的制定方法，包括以下步骤：步骤1、输入电力系统、交通系统和移动储能数据；步骤2、设定时间间隔Δt，时间间隔计数器N＝0，初始时间t＝0；步骤3、输入故障、交通和移动储能的实时数据；步骤4、优化求解并下发移动储能调控决策指令；步骤5、等待NΔt时间后，若故障未结束，N＝N+1，转至步骤3；否则，调度策略制定结束。本发明能够实现问题的精确建模与高效求解，为移动储能的优化调度决策提供指导，进而支撑配电网的高可靠性运行。
Description
技术领域
本发明属于移动储能优化调度技术领域，涉及移动储能时空联合优化调度策略的制定方法，尤其是一种面向高可靠性配电网的移动储能时空联合优化调度策略的制定方法。
背景技术
随着能源结构变革与新能源技术的迅速发展，储能技术破解了能源生产和消费在时间上的不同步问题，在电力系统中承担起重要的战略性作用。而移动储能作为传统固定式储能的升级补充，可以更加灵活地调控移动，已初步应用于季节性尖峰负荷缓消、紧急供电恢复、重载台区扩容、电压控制等场景。随着新基建的逐步开展，5G通信、物联网、云计算、北斗导航等技术投入实际应用，对移动储能进行实时定位与调控，充分发挥其时空灵活性优势，实现其在交通网和配电网下的友好互动和优化调控，提升配电网的供电可靠性，是移动储能亟待发展的重要应用场景。
配电网发生故障停电、检修预停电等事件后，移动储能车可以依据优化调控策略，即插即用、有序接入，满足用户紧急电力需求，从而构建更加可靠的坚强智能配电网。移动储能保障范围广、调配灵活，相较于传统固定式储能只能对重点负荷进行应急供电，移动储能可以覆盖配电网全域；绿色清洁、环境友好，柴油发电机的排放和噪音难以满足城市核心地区的低碳环保标准，在城市配电网中应用受限；模式灵活，移动储能除供电保障外，还可参与电网峰谷套利、削峰填谷等业务，资源利用效率高，避免资源闲置。此外，随着新材料、新技术的发展，储能成本进一步下降，移动储能优势会更加凸显。
移动储能的优化调控主要考虑两方面：一是路径规划，二是电池功率决策。路径规划是指对移动储能车的行驶路径和接入目的地进行优化选择；电池功率决策是指对移动储能电池的充放电时间及功率进行优化决策。但目前对于储能系统优化调度策略的研究大多是以韧性提升为目标，尚缺乏专门针对可靠性提升的相关研究。以可靠性提升为目标的移动储能时空优化调控本质上是一个大规模混合整数非线性规划问题，交通路况、故障位置、车辆位置和电池电量等状态构成了“移动储能—交通道路—配电网络”的复杂时空耦合关系，使得整个问题的变量约束具有高度的时空耦合复杂性，模型复杂且求解困难。
同时，移动储能的运行调度具有时空分布广、耦合约束多、不可预测性强等特性，例如故障预期持续时间等故障信息预测精度低，道路拥堵、交通事故等路况信息存在偶然性，移动储能车可能未按计划达到预定位置等，上述电网、交通和移动储能的不确定性因素均会给调控运行带来较大偏差，若仅依靠在故障发生初决策的调控计划，不能保证达到最优的调控效果。因此，一种高效准确的移动储能时空联合优化调度策略的制定方法对系统规划、运行、调度等过程都有着极为重要的意义，是本领域研究技术人员待遇解决的难题。
发明内容
本发明的目的在于克服现有技术的不足，提出一种设计合理、高效准确且面向高可靠性配电网的移动储能时空联合优化调度策略的制定方法。
本发明解决其现实问题是采取以下技术方案实现的：
一种移动储能时空联合优化调度策略的制定方法，包括以下步骤：
步骤1、输入电力系统、交通系统和移动储能数据；
步骤2、设定时间间隔Δt，时间间隔计数器N＝0，初始时间t＝0；
步骤3、输入故障、交通和移动储能的实时数据；
步骤4、优化求解并下发移动储能调控决策指令；
步骤5、等待NΔt时间后，若故障未结束，N＝N+1，转至步骤3；否则，调度策略制定结束。
而且，所述步骤1的电力系统、交通系统和移动储能数据包括：电力系统的线路参数、负荷数据、发电机数据、拓扑结构，交通系统的道路参数、拓扑结构，移动储能车台数，移动储能电池容量、有功和无功功率输出上限、电池容量上下限、电池充放电效率和移动储能车平均行驶速度。
而且，所述步骤3的故障、交通和移动储能的实时数据包括：
电力线路故障位置、预期修复时间、交通系统道路拥堵系数、移动储能车实时位置和电池电量。
而且，所述步骤4的移动储能调控决策指令包括路径类指令和功率类指令。
而且，所述步骤4的具体步骤包括：
(1)建立移动储能优化调控模型，其目标函数设置为时间集合[NΔt,T]内负荷削减量最小，具体表示为：
式中：En、Eb分别为配电网中节点集合和支路集合；为t时刻节点i的负荷削减量；rij、Iij,t分别为支路ij的电阻和t时刻电流的平方；Δt为时间间隔；前一项表示配电网负荷削减量，后一项用于保证二阶锥松弛优化后模型求解的准确性，λ为一个较大的正数；
(2)移动储能优化调控模型的约束条件设置有路径交通约束、储能电池约束和配网潮流约束；
路径交通约束为移动储能车要遵照所下发的路径类调控指令完成行驶过程；pi,s,t是二进制决策变量，表示t时刻移动储能s是否位于节点i，pi,s,t＝1表示t时刻移动储能s位于节点i；
式中：Wn为交通网节点集合；Ωs为移动储能车集合；移动储能车的行驶轨迹也需要满足交通路网约束，保证规定时间内移动储能车可以到达预期位置，具体如下：
式中：Li,j,t为t时刻移动储能车从节点i行驶到j所需时间；Wij为节点ij之间耗时最短路径内道路的集合，由floyd算法求得；γk,t为t时刻道路k的拥堵系数，基于交通拥堵、道路施工等因素，衡量道路实际通行能力；dk、v分别为道路k的长度和移动储能车平均行驶速度。
储能电池约束与功率类指令相关，功率类指令是指移动储能车到达目的地接入电网后，储能电池的有功无功放电功率和/>储能电池约束包括容量约束(5)(6)和功率约束(7)-(9)，相应约束如下：
式中：Es,t为t时刻移动储能s的电池容量；和/>为t时刻移动储能s在节点i的充放电有功功率和无功功率；ηdis为放电效率；Es为移动储能的电池容量；σmax、σmin分别为移动储能电池容量的上下限；/>分别为移动储能s有功和无功放电功率上限；M是一个较大的正数；sta表示移动储能集中站的位置。
配网潮流约束为移动储能即插即用、有序接入配电网之后，配电系统应满足功率平衡约束(10)-(13)，运行安全约束(14)(15)，约束可表示为：
式中：xij为支路ij的电抗；Pij,t、Qij,t分别为t时刻节点i流向节点j的有功功率、无功功率；Ui,t为t时刻节点i电压的平方；分别为t时刻节点i上负荷的有功功率和无功功率；/>分别为t时刻节点i上负荷削减的有功功率和无功功率；/>分别为t时刻节点i上发电机注入的有功功率和无功功率。
式中：Umaxi、Umini分别为节点i电压平方的上下限；Imaxij为支路ij最大允许电流值的平方。
本发明的优点和有益效果：
本发明提供一种移动储能时空联合优化调度策略的制定方法，移动储能具有独特的时空灵活性，通过对其行驶路径和充放电功率进行合理调控，可以为配电网的应急供电、可靠性提升等方面提供重要支撑。针对配电网绿色高效的可靠性提升需求，本发明提出了移动储能时空联合优化模型，对储能车、交通网和配电网的时空耦合状态进行描述。在此基础上，分析了交通堵塞等不确定因素，构建了用于实时修正调控策略的移动储能滚动优化框架，根据车路网实时信息，对移动储能优化调控策略进行滚动更新修正，最大限度地消除因各类不确定性因素导致调控偏差过大的现象。本发明一种移动储能时空联合优化调度策略的制定方法能够实现问题的精确建模与高效求解，为移动储能的优化调度决策提供指导，进而支撑配电网的高可靠性运行。
附图说明
图1是本发明的移动储能时空联合调度策略的滚动优化框架图；
图2是本发明的移动储能时空联合调度策略的滚动优化流程图；
图3是本发明的测试系统拓扑示意图；
图4(a)是本发明的场景1移动储能优化调控策略的移动储能路径决策示意图；
图4(b)是本发明的场景1移动储能优化调控策略的移动储能电池容量情况示意图；
图4(c)是本发明的场景1移动储能优化调控策略的移动储能充放电功率决策示意图；
图5(a)是本发明的场景2移动储能优化调控策略的移动储能路径决策示意图；
图5(b)是本发明的场景2移动储能优化调控策略的移动储能电池容量情况示意图；
图5(c)是本发明的场景2移动储能优化调控策略的移动储能充放电功率决策示意图；
图6(a)是本发明的场景3移动储能优化调控策略的移动储能路径决策示意图；
图6(b)是本发明的场景3移动储能优化调控策略的移动储能电池容量情况示意图；
图6(c)是本发明的场景3移动储能优化调控策略的移动储能充放电功率决策示意图；
图7(a)是本发明的场景4移动储能优化调控策略的移动储能路径决策示意图；
图7(b)是本发明的场景4移动储能优化调控策略的移动储能电池容量情况示意图；
图7(c)是本发明的场景4移动储能优化调控策略的移动储能充放电功率决策示意图；
具体实施方式
以下结合附图对本发明实施例作进一步详述：
一种移动储能时空联合优化调度策略的制定方法，其滚动优化框架如图1所示，滚动优化流程如图2所示，包括以下步骤：
步骤1、输入电力系统、交通系统和移动储能数据；
所述步骤1的电力系统、交通系统和移动储能数据包括：电力系统的线路参数、负荷数据、发电机数据、拓扑结构，交通系统的道路参数、拓扑结构，移动储能车台数，移动储能电池容量、有功和无功功率输出上限、电池容量上下限、电池充放电效率、移动储能车平均行驶速度；
步骤2、设定时间间隔Δt，时间间隔计数器N＝0，初始时间t＝0；
步骤3、输入故障、交通和移动储能的实时数据；
所述步骤3的故障、交通和移动储能的实时数据包括：
电力线路故障位置、预期修复时间、交通系统道路拥堵系数、移动储能车实时位置和电池电量；
步骤4、优化求解并下发移动储能调控决策指令；
所述步骤4的移动储能调控决策指令包括路径类指令和功率类指令；
所述步骤4的具体步骤包括：
移动储能调控决策可通过求解移动储能优化调控模型得到，在配电网与交通网耦合约束下求解以可靠性为目标的移动储能车最佳调控方案，其优化调控指令包括：路径类指令和功率类指令。
(1)建立移动储能优化调控模型，其目标函数设置为时间集合[NΔt,T]内负荷削减量最小，具体表示为：
式中：En、Eb分别为配电网中节点集合和支路集合；为t时刻节点i的负荷削减量；rij、Iij,t分别为支路ij的电阻和t时刻电流的平方；Δt为时间间隔；前一项表示配电网负荷削减量，后一项用于保证二阶锥松弛优化后模型求解的准确性，λ为一个较大的正数；
(2)移动储能优化调控模型的约束条件设置有路径交通约束、储能电池约束和配网潮流约束；
路径交通约束为移动储能车要遵照所下发的路径类调控指令完成行驶过程；pi,s,t是二进制决策变量，表示t时刻移动储能s是否位于节点i，pi,s,t＝1表示t时刻移动储能s位于节点i；
式中：Wn为交通网节点集合；Ωs为移动储能车集合；移动储能车的行驶轨迹也需要满足交通路网约束，保证规定时间内移动储能车可以到达预期位置，具体如下：
式中：Li,j,t为t时刻移动储能车从节点i行驶到j所需时间；Wij为节点ij之间耗时最短路径内道路的集合，由floyd算法求得；γk,t为t时刻道路k的拥堵系数，基于交通拥堵、道路施工等因素，衡量道路实际通行能力；dk、v分别为道路k的长度和移动储能车平均行驶速度。
储能电池约束与功率类指令相关，功率类指令是指移动储能车到达目的地接入电网后，储能电池的有功无功放电功率和/>储能电池约束包括容量约束(5)(6)和功率约束(7)-(9)，相应约束如下：
式中：Es,t为t时刻移动储能s的电池容量；和/>为t时刻移动储能s在节点i的充放电有功功率和无功功率；ηdis为放电效率；Es为移动储能的电池容量；σmax、σmin分别为移动储能电池容量的上下限；/>分别为移动储能s有功和无功放电功率上限；M是一个较大的正数；sta表示移动储能集中站的位置。
配网潮流约束为移动储能即插即用、有序接入配电网之后，配电系统应满足功率平衡约束(10)-(13)，运行安全约束(14)(15)，约束可表示为：
式中：xij为支路ij的电抗；Pij,t、Qij,t分别为t时刻节点i流向节点j的有功功率、无功功率；Ui,t为t时刻节点i电压的平方；分别为t时刻节点i上负荷的有功功率和无功功率；/>分别为t时刻节点i上负荷削减的有功功率和无功功率；/>分别为t时刻节点i上发电机注入的有功功率和无功功率。
式中：Umaxi、Umini分别为节点i电压平方的上下限；Imaxij为支路ij最大允许电流值的平方。
步骤5、等待NΔt时间后，若故障未结束，N＝N+1，转至步骤3；否则，调度策略制定结束。
本发明的一种移动储能时空联合优化调度策略的制定方法，实现了故障情况下每一辆移动储能车的滚动优化调度决策，充分挖掘了移动储能灵活性对系统可靠性的支撑潜力，为移动储能调度策略的制定提供了指导。
对于本发明的实施例，选取某市城区部分干道作为交通路网，路网包括29个节点和49条道路，采用IEEE33节点标准配电网作为测试配电系统，配电网包括33个节点、1台发电机和37条支路，路网与配电网的拓扑关系如图3所示。算例设置3台移动储能车(MES1，MES2，MES3)，均采用集装箱式磷酸铁锂电池，相关参数见表1，移动储能集中站位于节点1。对4组场景的移动储能调度方案分析比较，图4至图7为各场景下的移动储能优化调控策略结果。
场景1：提前3h预安排线路(30,31)(17,18)断电，预计故障修复时间5h。
场景2：线路(30,31)(17,18)断电，预计故障修复时间5h。
场景3：场景2第1时刻，道路(4,7)禁行，道路(7,8)拥堵系数30％。
场景4：故障同场景2，时间间隔为15min。
线路故障类型的影响分析如下：
场景1中，移动储能车目的地分别为节点18、31和32，1号移动储能车MES1的最短移动路径为1→19→32→18，2号移动储能车MES2为1→19→20→31，3号移动储能车MES3为1→19→32→19→1→19→32，三辆移动储能车提前充电，故障发生时满容量接入电网，MES3在第5时刻返回集中站更换新的满容量电池，通过上述调控策略，系统未出现负荷削减。由图4可知，该策略下，移动储能向负荷最重节点(18,31,32)直接供电，从而减少线路损耗，整个过程中相关线路功率见表2。
场景2中，MES1的移动路径为1→19→20→31，MES2的移动路径为1→19→20→31→19→20→1→19→32，MES3的移动路径为1→19→32→18→33→18→32→19→1→19→32→18，系统负荷削减量为0.255MWh。故障发生后，节点18,31,32,33形成孤网，0.51MW负荷无法得到供应，由于单台移动储能车最大供电功率为0.3MW，所以至少需要两个移动储能车同时接入电网才能满足用电负荷。这导致MES2和MES3立刻前往目的地，以负荷削减量最小为首要目标，然后分别在1.5h和2.5h返回集中站更换电池。参考场景1调控策略，在电池电量充足情况下，受线路传输损耗影响，移动储能车的最佳接入点依旧是主要负荷点，表3为场景2中相关线路功率。
对比图4和图5，预安排停电情况下，移动储能的调控空间更加充裕，可以为系统提供更多的应急支持。同时，电池容量和故障持续时间是移动储能路径类指令的关键影响因素。若某一移动储能车返回集中站更换电池，则对应节点负荷由其他节点移动储能车供应，可能会造成线路传输损耗，因此移动储能车更换电池次数越少，电能传输损耗越少。可以看出，所提出的移动储能调控策略可以同时保证负荷削减量和传输损耗最少。
路网故障的影响分析如下：
场景3中，由于路网堵塞，MES1的移动路径为31→22→33→18，MES2为31→20→19→1→19→20→31，MES3为33→22→31→20→19→1→19→20→31→32。为了保证系统不出现负荷削减，首先MES1和MES2共同接入节点31，这是因为集中站到节点31耗时最短，而后为了减少传输损耗，接入点逐步调整到节点18，31和32。图5和图6表明，所提出的滚动优化模型可以充分考虑路网故障等不确定性因素，对调控策略进行实时修正，从而实现移动储能的高效接入。
调控时间尺度的影响分析如下：
场景4中，MES1的移动路径为1→19→32→19→1→19→32，MES2为1→19→20→31，MES3为1→19→32→19→1→19→32→18。缩小调控时间尺度，使得路径运行时间预测更加精确，集中站到节点32路径最短，这导致移动储能车优先接入节点32，从而保证系统负荷削减量最低。相应地，与场景1～3一致，为了减少网络损耗，移动储能车最终依旧会选择接入18，31和32。总之，在提高调控指令精度的同时，需要结合现场实际，设置合理的优化调控时间尺度。
表1参数设置
表2场景1线路功率(MW)
表3场景2线路功率(MW)
表4IEEE 33节点系统节点参数
其中，节点类型1表示PQ节点，2表示PV节点，3表示平衡节
表5IEEE 33节点系统发电机参数
表6IEEE 33节点系统电力线路参数
表7配电网节点与交通网节点编号对应表
注:“—”代表着配电网节点没有与交通网节点耦合。
表8交通系统道路参数
需要强调的是，本发明所述实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。
Claims (4)
1.一种移动储能时空联合优化调度策略的制定方法，其特征在于：包括以下步骤：
步骤1、输入电力系统、交通系统和移动储能数据；
步骤2、设定时间间隔Δt，时间间隔计数器N＝0，初始时间t＝0；
步骤3、输入故障、交通和移动储能的实时数据；
步骤4、优化求解并下发移动储能调控决策指令；
步骤5、等待NΔt时间后，若故障未结束，N＝N+1，转至步骤3；否则，调度策略制定结束；
所述步骤4的具体步骤包括：
(1)建立移动储能优化调控模型，其目标函数设置为时间集合[NΔt,T]内负荷削减量最小，具体表示为：
式中：En、Eb分别为配电网中节点集合和支路集合；为t时刻节点i的负荷削减量；rij、Iij,t分别为支路ij的电阻和t时刻电流的平方；Δt为时间间隔；前一项表示配电网负荷削减量，后一项用于保证二阶锥松弛优化后模型求解的准确性，λ为一个正数；
(2)移动储能优化调控模型的约束条件设置有路径交通约束、储能电池约束和配网潮流约束；
路径交通约束为移动储能车要遵照所下发的路径类调控指令完成行驶过程；pi,s,t是二进制决策变量，表示t时刻移动储能s是否位于节点i，pi,s,t＝1表示t时刻移动储能s位于节点i；
式中：Wn为交通网节点集合；Ωs为移动储能车集合；移动储能车的行驶轨迹也需要满足交通路网约束，保证规定时间内移动储能车可以到达预期位置，具体如下：
式中：Li,j,t为t时刻移动储能车从节点i行驶到j所需时间；Wij为节点ij之间耗时最短路径内道路的集合，由floyd算法求得；γk,t为t时刻道路k的拥堵系数，基于交通拥堵、道路施工等因素，衡量道路实际通行能力；dk、v分别为道路k的长度和移动储能车平均行驶速度；
储能电池约束与功率类指令相关，功率类指令是指移动储能车到达目的地接入电网后，储能电池的有功无功放电功率和/>储能电池约束包括容量约束(5)(6)和功率约束(7)-(9)，相应约束如下：
式中：Es,t为t时刻移动储能s的电池容量；和/>为t时刻移动储能s在节点i的充放电有功功率和无功功率；ηdis为放电效率；Es为移动储能的电池容量；σmax、σmin分别为移动储能电池容量的上下限；/>分别为移动储能s有功和无功放电功率上限；M是一个较大的正数；sta表示移动储能集中站的位置；
配网潮流约束为移动储能即插即用、有序接入配电网之后，配电系统应满足功率平衡约束(10)-(13)，运行安全约束(14)(15)，约束可表示为：
式中：xij为支路ij的电抗；Pij,t、Qij,t分别为t时刻节点i流向节点j的有功功率、无功功率；Ui,t为t时刻节点i电压的平方；分别为t时刻节点i上负荷的有功功率和无功功率；/>分别为t时刻节点i上负荷削减的有功功率和无功功率；/>分别为t时刻节点i上发电机注入的有功功率和无功功率；
式中：Umaxi、Umini分别为节点i电压平方的上下限；Imaxij为支路ij最大允许电流值的平方。
2.根据权利要求1所述的一种移动储能时空联合优化调度策略的制定方法，其特征在于：所述步骤1的电力系统、交通系统和移动储能数据包括：电力系统的线路参数、负荷数据、发电机数据、拓扑结构，交通系统的道路参数、拓扑结构，移动储能车台数，移动储能电池容量、有功和无功功率输出上限、电池容量上下限、电池充放电效率和移动储能车平均行驶速度。
3.根据权利要求1所述的一种移动储能时空联合优化调度策略的制定方法，其特征在于：所述步骤3的故障、交通和移动储能的实时数据包括：
电力线路故障位置、预期修复时间、交通系统道路拥堵系数、移动储能车实时位置和电池电量。
4.根据权利要求1所述的一种移动储能时空联合优化调度策略的制定方法，其特征在于：所述步骤4的移动储能调控决策指令包括路径类指令和功率类指令。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011579799.6A CN112751350B (zh) | 2020-12-28 | 2020-12-28 | 一种移动储能时空联合优化调度策略的制定方法 |
| PCT/CN2021/113907 WO2022142392A1 (zh) | 2020-12-28 | 2021-08-20 | 一种移动储能时空联合优化调度策略的制定方法 |
| US17/525,862 US11949234B2 (en) | 2020-12-28 | 2021-11-12 | Method for making spatio-temporal combined optimal scheduling strategy of mobile energy storage (MES) system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011579799.6A CN112751350B (zh) | 2020-12-28 | 2020-12-28 | 一种移动储能时空联合优化调度策略的制定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112751350A CN112751350A (zh) | 2021-05-04 |
| CN112751350B true CN112751350B (zh) | 2024-03-19 |
Family
ID=75646618
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011579799.6A Active CN112751350B (zh) | 2020-12-28 | 2020-12-28 | 一种移动储能时空联合优化调度策略的制定方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112751350B (zh) |
| WO (1) | WO2022142392A1 (zh) |
Families Citing this family (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112751350B (zh) * | 2020-12-28 | 2024-03-19 | 国网天津市电力公司电力科学研究院 | 一种移动储能时空联合优化调度策略的制定方法 |
| CN113705986B (zh) * | 2021-08-12 | 2023-11-07 | 武汉大学 | 一种基于风险理论的核心骨干网架构建方法 |
| CN114006390B (zh) * | 2021-10-29 | 2023-11-07 | 国网江苏省电力有限公司苏州供电分公司 | 一种电动汽车充电负荷参与电网互动仿真方法及系统 |
| CN114188936B (zh) * | 2021-11-09 | 2024-09-06 | 国网江苏省电力有限公司电力科学研究院 | 一种传统火电机组黑启动移动储能系统的优化调度方法 |
| CN114243901B (zh) * | 2021-11-12 | 2024-08-09 | 国网浙江省电力有限公司杭州供电公司 | 一种城市电网故障快速响应系统及方法 |
| CN115456489B (zh) * | 2022-11-11 | 2023-02-14 | 北京大学 | 混合储能系统库存路径规划方法、装置及电子设备 |
| CN115545588A (zh) * | 2022-12-06 | 2022-12-30 | 北京大学 | 固定储能系统选址确定方法、装置、电子设备及存储介质 |
| CN116014769B (zh) * | 2023-01-16 | 2023-08-11 | 天津大学 | 一种低压台区侧移动储能日前调度方法 |
| CN116093995B (zh) * | 2023-03-07 | 2023-07-14 | 国网江西省电力有限公司经济技术研究院 | 一种配电系统多目标网络重构方法及系统 |
| CN116073449B (zh) * | 2023-03-22 | 2024-03-22 | 国网山东省电力公司临沂供电公司 | 一种基于低碳效益和不确定性的可控光伏参与调峰方法 |
| CN116215266B (zh) * | 2023-05-08 | 2023-07-21 | 国网湖北省电力有限公司经济技术研究院 | 一种电动汽车多充电方式联合充电引导方法及系统 |
| CN116758740B (zh) * | 2023-06-14 | 2024-03-22 | 广西大学 | 一种基于数字孪生和信息树的智慧交通高效模拟方法 |
| CN116885763B (zh) * | 2023-09-07 | 2023-11-17 | 深圳市健网科技有限公司 | 一种适用于分布式储能系统的能量管理装置及方法 |
| CN116937580B (zh) * | 2023-09-19 | 2023-11-28 | 华北电力大学 | 一种基于直流线路互联的区-隧供电系统弹性恢复方法 |
| CN117081067B (zh) * | 2023-10-12 | 2023-12-19 | 四川大学 | 一种提高配电网供电能力的运行优化方法 |
| CN117096882B (zh) * | 2023-10-16 | 2024-01-05 | 国网浙江省电力有限公司宁波供电公司 | 一种配网潮流调控方法及系统 |
| CN117236672A (zh) * | 2023-11-16 | 2023-12-15 | 山东理工大学 | 考虑应急时间可靠性的移动储能鲁棒选址与路径规划方法 |
| CN117375037B (zh) * | 2023-12-06 | 2024-02-27 | 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) | 一种基于电压灵敏度分析的移动储能系统调度方法 |
| CN117556549B (zh) * | 2024-01-08 | 2024-04-19 | 山东大学 | 一种面向风光氢储充综合能源的时空联合运行优化方法 |
| CN117973822B (zh) * | 2024-04-02 | 2024-06-18 | 国网吉林省电力有限公司经济技术研究院 | 满足农业机井通电需求的移动储能车预配置及调度方法 |
| CN118336733A (zh) * | 2024-04-08 | 2024-07-12 | 浙江大学 | 一种基于极端灾害天气的电网预警和调度方法及系统 |
| CN118017507A (zh) * | 2024-04-09 | 2024-05-10 | 合肥工业大学 | 一种基于虚拟潮流的含智能软开关配电系统故障恢复方法 |
| CN118074199B (zh) * | 2024-04-22 | 2024-07-26 | 始途科技(杭州)有限公司 | 一种储充设备多向能源调度系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108183498A (zh) * | 2017-12-30 | 2018-06-19 | 国网天津市电力公司电力科学研究院 | 一种含风光储配电网背景下的车储混合配置方法 |
| CN109103912A (zh) * | 2018-07-18 | 2018-12-28 | 合肥工业大学 | 考虑电网调峰需求的工业园区主动配电系统调度优化方法 |
| CN111555280A (zh) * | 2020-05-29 | 2020-08-18 | 山东大学 | 基于电-气综合能源系统的弹性配电网灾后恢复控制方法 |
| CN111654036A (zh) * | 2020-05-18 | 2020-09-11 | 天津大学 | 一种计及储能快充电站的配电网两阶段鲁棒优化调度方法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8762189B2 (en) * | 2012-02-24 | 2014-06-24 | Nec Laboratories America, Inc. | Systems and methods for stochastically using electric vehicles as mobile energy storage |
| US10909641B2 (en) * | 2018-10-19 | 2021-02-02 | Gridspan Energy LLC | Systems and methods for modular mobile energy storage |
| CN111864775A (zh) * | 2019-04-30 | 2020-10-30 | 中国电力科学研究院有限公司 | 一种移动式储能车辆的调度方法、装置及系统 |
| CN111082444B (zh) * | 2019-11-21 | 2021-07-30 | 南京国电南自电网自动化有限公司 | 一种多移动储能车路径规划方法、系统及装置 |
| CN112751350B (zh) * | 2020-12-28 | 2024-03-19 | 国网天津市电力公司电力科学研究院 | 一种移动储能时空联合优化调度策略的制定方法 |
-
2020
- 2020-12-28 CN CN202011579799.6A patent/CN112751350B/zh active Active
-
2021
- 2021-08-20 WO PCT/CN2021/113907 patent/WO2022142392A1/zh active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108183498A (zh) * | 2017-12-30 | 2018-06-19 | 国网天津市电力公司电力科学研究院 | 一种含风光储配电网背景下的车储混合配置方法 |
| CN109103912A (zh) * | 2018-07-18 | 2018-12-28 | 合肥工业大学 | 考虑电网调峰需求的工业园区主动配电系统调度优化方法 |
| CN111654036A (zh) * | 2020-05-18 | 2020-09-11 | 天津大学 | 一种计及储能快充电站的配电网两阶段鲁棒优化调度方法 |
| CN111555280A (zh) * | 2020-05-29 | 2020-08-18 | 山东大学 | 基于电-气综合能源系统的弹性配电网灾后恢复控制方法 |
Non-Patent Citations (2)
| Title |
|---|
| 含高渗透率可再生能源的配电网广义储能优化配置;茆美琴;刘云晖;张榴晨;张健;;电力系统自动化(第08期);全文 * |
| 基于不同时间尺度的交直流混合配电网分层优化控制策略;孟明;李宽;朱国林;;华北电力大学学报(自然科学版)(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022142392A1 (zh) | 2022-07-07 |
| CN112751350A (zh) | 2021-05-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112751350B (zh) | 一种移动储能时空联合优化调度策略的制定方法 | |
| Galus et al. | The role of electric vehicles in smart grids | |
| Mehta et al. | Double-layered intelligent energy management for optimal integration of plug-in electric vehicles into distribution systems | |
| CN108470239A (zh) | 计及需求侧管理和储能的主动配电网多目标分层规划方法 | |
| CN113452051B (zh) | 考虑应急电源车调度的有源配电网故障均衡供电恢复方法 | |
| CN110826880B (zh) | 一种大规模电动汽车接入的主动配电网优化调度方法 | |
| Zhang et al. | Yen’s algorithm-based charging facility planning considering congestion in coupled transportation and power systems | |
| CN104253470A (zh) | 电动汽车与电网互动协调的有序充电控制方法 | |
| US11949234B2 (en) | Method for making spatio-temporal combined optimal scheduling strategy of mobile energy storage (MES) system | |
| Lv et al. | Power and traffic nexus: From perspective of power transmission network and electrified highway network | |
| CN107453381B (zh) | 基于两阶段交叉控制的电动汽车集群功率调节方法及系统 | |
| Zhang et al. | A coordinated restoration method of electric buses and network reconfiguration in distribution systems under extreme events | |
| CN108269008A (zh) | 考虑用户满意度和配网可靠性的充电设施优化规划方法 | |
| CN116402307A (zh) | 考虑可调度柔性资源运行特性的电网规划容量分析方法 | |
| CN114204580A (zh) | 一种电动汽车聚合商基于调频的实时调控方法及计算装置 | |
| CN112183882A (zh) | 一种基于电动汽车快充需求的智慧充电站充电优化方法 | |
| Qian et al. | Electric vehicles charging scheduling optimization for total elapsed time minimization | |
| CN116307562A (zh) | 一种轨道交通自洽能源系统的光储规划配置方法及装置 | |
| CN113067355B (zh) | 提升电网可靠性的电动汽车灵活性挖掘与协同调控方法 | |
| CN114529220A (zh) | 一种考虑储能动态调度容量的多站融合经济调度方法 | |
| CN115130721A (zh) | 一种能源与交通网耦合下电动汽车负荷聚合调控优化方法 | |
| CN111882137B (zh) | 计及天然气管网压力能消纳的充电设施优化规划方法 | |
| CN113904340B (zh) | 基于拓扑优化和可调度负荷优化的利用率提升方法及系统 | |
| Shu et al. | Locational Price Driven Electric Bus Fleet Operation and Charging Demand Management | |
| CN116307524B (zh) | 基于改善动态用户均衡的电动汽车充电站选址规划方法 |
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 |