CN113224800A - 一种考虑寿命约束的计及灵活性储能优化调度方法 - Google Patents
一种考虑寿命约束的计及灵活性储能优化调度方法 Download PDFInfo
- Publication number
- CN113224800A CN113224800A CN202110488908.1A CN202110488908A CN113224800A CN 113224800 A CN113224800 A CN 113224800A CN 202110488908 A CN202110488908 A CN 202110488908A CN 113224800 A CN113224800 A CN 113224800A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- flexibility
- constraints
- model
- life
- 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.)
- Pending
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 123
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000005457 optimization Methods 0.000 claims abstract description 23
- 230000004044 response Effects 0.000 claims description 23
- 230000003827 upregulation Effects 0.000 claims description 11
- 230000009194 climbing Effects 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 7
- 125000004122 cyclic group Chemical group 0.000 claims description 5
- 238000010977 unit operation Methods 0.000 claims 1
- 238000007599 discharging Methods 0.000 abstract description 9
- 230000006870 function Effects 0.000 description 18
- 239000000126 substance Substances 0.000 description 17
- 238000004364 calculation method Methods 0.000 description 5
- 150000001875 compounds Chemical class 0.000 description 5
- 230000009467 reduction Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000010835 comparative analysis Methods 0.000 description 2
- 230000000052 comparative effect Effects 0.000 description 2
- 230000003828 downregulation Effects 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012887 quadratic function Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 238000012614 Monte-Carlo sampling Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012546 transfer Methods 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
- H02J3/38—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
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- 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
- 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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种考虑寿命约束的计及灵活性储能优化调度方法，涉及储能电站应用技术领域。包括根据场景形式来刻画电网用电负荷和风电出力的不确定性；其中，所述场景形式包括场景生成和场景削减；根据灵活性供需关系构建灵活性指标模型和储能寿命模型；其中，所述灵活性指标模型包括灵活性需求模型和灵活性供给模型；根据运行成本指标获取目标函数和约束条件，构建优化调度模型；根据混合整数线性规划求解所述优化调度模型。本发明考虑寿命约束对储能优化调度的灵活性和全寿命周期经济性的影响，能够分析运行层面的不确定性对储能充放电策略和循环寿命的影响，合理优化充分发挥储能系统的灵活性调节能力。
Description
技术领域
本发明涉及储能电站应用技术领域，尤其涉及一种考虑寿命约束的计及灵活性储能优化调度方法。
背景技术
灵活性是电力系统运行的重要特征，风电等清洁能源的并网导致电力系统灵活性需求剧增，在电网负荷密集区部分常规电源等被可再生能源替代进一步减少了电力系统的灵活性，单纯依靠备用容量保证系统的安全运行难以有效响应符合不确定性和多变性。
考虑源荷的不确定性，为了提升电网运行的灵活性适应能力，降低弃风、切负荷风险，需要对包括储能在内的多种灵活性资源进行优化调度，但现有的灵活性优化调度并未考虑频繁充放电对于电池储能的寿命损耗因素，相比于微调机组出力，储能寿命对运行经济指标影响很大。因此，合理优化充分发挥储能系统的灵活性调节能力，提高系统运行的灵活性和储能全寿命周期经济性是十分重要的。
发明内容
本发明目的在于，提供一种考虑寿命约束的计及灵活性储能优化调度方法，考虑寿命约束对储能优化调度的灵活性和全寿命周期经济性的影响，分析运行层面的不确定性对储能充放电策略和循环寿命的影响，以保证系统运行的可靠性。
为实现上述目的，本发明实施例提供一种考虑寿命约束的计及灵活性储能优化调度方法，包括：
根据场景形式来刻画电网用电负荷和风电出力的不确定性；其中，所述场景形式包括场景生成和场景削减；
根据灵活性供需关系构建灵活性指标模型和储能寿命模型；其中，所述灵活性指标模型包括灵活性需求模型和灵活性供给模型；
根据运行成本指标获取目标函数和约束条件，构建优化调度模型；
根据混合整数线性规划求解所述优化调度模型。
优选地，所述根据场景形式来刻画电网用电负荷和风电出力的不确定性，包括：
基于自回归滑动平均模型进行场景生成，构建用电负荷和风电出力的预测场景；
对用电负荷和风电出力的预测场景进行聚类，得到典型运行场景。
优选地，所述根据灵活性供需关系构建灵活性指标模型和储能寿命模型，包括：
根据用电负荷和风电出力的不确定性，构建灵活性需求模型；
根据灵活性资源，构建灵活性供给模型。
优选地，所述灵活性需求模型的关系式表示为：
其中，
为t时刻的预测用电负荷值，
为t时刻的风电出力值，当
时代表具有上调灵活性需求，当
时代表具有下调灵活性需求。
优选地，所述灵活性资源包括电网侧常规机组、储能和需求响应。
优选地，所述根据灵活性供需关系构建灵活性指标模型和储能寿命模型，包括：
根据电池完全放电深度充放电的总循环次数、电池实际循环放电深度和电池完全放电深度下的等效全循环放电次数，构建储能寿命模型。
优选地，所述根据电池完全放电深度充放电的总循环次数、电池实际循环放电深度和电池完全放电深度下的等效全循环放电次数，构建储能寿命模型，包括：
所述储能寿命模型的第一关系式表示为：
根据所述第一关系式将一次充放电循环折算为完全放电深度下的等效全循环放电次数，得到的第二关系式表示为：
根据所述第二关系式计算电池储能的循环寿命，所述电池储能的循环寿命的第三关系式表示为：
其中，Ncyc为电池完全放电深度充放电的总循环次数，N0为电池完全放电深度充放电的总循环次数，DoDcyc为电池实际循环放电深度，kp为曲线拟合参数，N0与kp均为电池的固有参数；T为电池储能的循环寿命，ncyc为各次充放电循环对应的等效全循环放电次数。
优选地，所述根据运行成本指标获取目标函数和约束条件，构建优化调度模型中，所述目标函数的关系式表示为：
其中，fi(X0)为运行成本指标函数，X0为优化变量。
优选地，所述运行成本包括火电机组运行成本、储能总成本、需求响应成本、弃风成本、失负荷成本和上/下调灵活性不足风险成本。
优选地，所述约束条件包括配电网运行约束和储能运行约束；
所述配电网运行约束包括火电机组出力约束、火电机组爬坡约束、旋转备用约束、潮流安全约束、风功率约束、节点功率平衡约束和节点失负荷约束；
所述储能运行约束包括储能充放电功率约束、储能荷电状态约束、储能电量平衡约束、储能寿命约束和需求响应约束。
与现有技术相比，本发明具有以下有益效果：
本发明提供的考虑寿命约束的计及灵活性储能优化调度方法，包括根据场景形式来刻画电网用电负荷和风电出力的不确定性；其中，所述场景形式包括场景生成和场景削减；根据灵活性供需关系构建灵活性指标模型和储能寿命模型；其中，所述灵活性指标模型包括灵活性需求模型和灵活性供给模型；根据运行成本指标获取目标函数和约束条件，构建优化调度模型；根据混合整数线性规划求解所述优化调度模型。本发明考虑寿命约束对储能优化调度的灵活性和全寿命周期经济性的影响，能够分析运行层面的不确定性对储能充放电策略和循环寿命的影响，合理优化充分发挥储能系统的灵活性调节能力。
附图说明
为了更清楚地说明本发明的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明某一实施例提供的考虑寿命约束的计及灵活性储能优化调度方法的流程示意图；
图2是本发明另一实施例提供的考虑寿命约束的计及灵活性储能优化调度方法的流程示意图，
图3是本发明某一实施例提供的考虑寿命约束的计及灵活性储能优化调度方法的优化模型示意图。
具体实施方式
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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。
应当理解，文中所使用的步骤编号仅是为了方便描述，不对作为对步骤执行先后顺序的限定。
应当理解，在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
请参阅图1，图1为本发明某一实施例提供的考虑寿命约束的计及灵活性储能优化调度方法的流程示意图。本实施例提供的考虑寿命约束的计及灵活性储能优化调度方法，包括以下步骤：
S100，根据场景形式来刻画电网用电负荷和风电出力的不确定性；其中，场景形式包括场景生成和场景削减。
S200，根据灵活性供需关系构建灵活性指标模型和储能寿命模型；其中，灵活性指标模型包括灵活性需求模型和灵活性供给模型。
S300，根据运行成本指标获取目标函数和约束条件，构建优化调度模型。
S400，根据混合整数线性规划求解优化调度模型。
在某一实施例中，步骤S100采用场景法对源荷不确定性进行处理，场景法是指将风电、光伏和负荷等不确定性因素可能的取值通过某种规则选取出来并进行一一枚举，从而组成一系列“规划场景”，每个“规划场景”对应一组确定的规划参数，从而将不确定性问题处理成一系列确定性问题。概率场景法包括场景的产生和缩减过程，既避免盲目性又充分体现经济性。场景生成法需要所有不确定变量的预测误差均服从已知的概率分布函数，大规模场景集的生成方法有蒙特卡洛抽样法、用基于自回归滑动平均模型的时间序列法、拉丁超立方抽样法、预测功率谱密度法等，这些抽样方法均建立在大数定理的基础之上，只有初始规模足够巨大才能得到高精度的计算结果。由于抽样场景集规模过大、影响到计算效率，因此还需要进行场景缩减，常用的场景缩减方法有同步回代法、快速前代法、场景树构建法、聚类分析法等。
为了刻画电网用电负荷和风电出力的不确定性，本实施例采用自回归滑动平均模型进行场景生成，构建包含用电负荷和风电出力的大量预测场景，描述源荷不确定性，具体内容包括：
确定基于均值和标准差的白噪声，即滑动回归平均参数；
基于基准预测数据，本着残差方差最小原则，生成负荷风电出力各1000个场景数据；
进一步地，对场景形式中的场景削减进行说明，由于基于改进k-means聚类算法，对负荷、风电出力进行削减，生成若干个典型运行场景，具体内容包括：
基于局部密度均值聚类算法寻找初始的数据聚类中心；
基于初始聚类中心，采用k-means聚类算法生成典型运行场景。
在某一实施例中，步骤S200包括根据用电负荷和风电出力的不确定性，构建灵活性需求模型，根据灵活性资源，构建灵活性供给模型，具体内容包括：
(1)建立灵活性充裕度指标，如下：
其中，
代表上调灵活性裕度，
下调灵活性裕度，
代表上调灵活性需求，
代表下调灵活性需求，
代表上调灵活性供给，
代表下调灵活性供给。
(2)建立灵活性需求模型，灵活性需求源于源荷不确定性，如下：
其中，
为t时刻的预测负荷值，
为t时刻的风电出力，当
时代表具有上调灵活性需求，当
时代表具有下调灵活性需求。
(3)建立灵活性供给模型，灵活性供给来源于电网侧常规机组、储能、需求响应等灵活性资源，如下：
其中，
为电网上调灵活性供给，
为常规机组提供的上调灵活性，
为储能提供的上调灵活性，
为需求响应提供的上调灵活性。
其中，
为电网下调灵活性供给，
为常规机组提供的下调灵活性，
为储能提供的下调灵活性，
为需求响应提供的下调灵活性。
对于常规机组，其上调灵活性供给，如下：
其中，
为t时刻常规机组j的有功出力，
为常规机组j的出力上限，
为常规机组的爬坡率。
其中，
为t时刻常规机组j的有功出力，
为常规机组的出力下限，
为常规机组的爬坡率。
对于储能，其上调灵活性供给如下：
其中，
为t时刻储能j的放电功率，
为储能j的电量的最小值，
为储能j的放电功率上限，ηdis为储能的放电效率。
对于储能，其下调灵活性供给如下：
其中，
为t时刻储能j的充电功率，
为储能电量的最大值，
为储能的充电功率上限，ηch为储能的充电效率。
对于需求响应，分为两部分，包括基于价格的需求响应和基于激励的需求响应两部分。
进一步地，基于价格的需求响应即可转移负荷取决于分时电价，可通过调整用电方式实现经济运行，表达如下：
其中，
表示可转移负荷转移至第t时段的负荷量，
表示第t时段可转移负荷的转出负荷量；xi和yi为状态变量，取0或1；
和
分别表示各类可转移负荷第t时段转入和转出的负荷总量。
进一步的，基于激励的需求响应，电网公司通过与用户签订合同，根据系统调控需要，直接控制负荷工作状态，与此同时对切除负荷的终端用户给予一定的经济补偿，满足如下约束条件：
其中，
为t时刻的可中断负荷量，α为可中断负荷占总负荷的比例。
对于需求响应，其上调灵活性供给如下：
其中，
为t时刻的转出负荷，
为t时刻的可中断负荷。
对于需求响应，其下调灵活性供给如下：
其中，
为t时刻的转入负荷。
在某一实施例中，步骤S200包括根据电池完全放电深度充放电的总循环次数、电池实际循环放电深度和电池完全放电深度下的等效全循环放电次数，构建储能寿命模型。
储能运行存在的寿命损耗以其充放电循环次数体现，由放电深度决定。电池的循环寿命由以下幂函数决定：
其中，Ncyc为电池的总循环次数，N0为电池以100％放电深度充放电的总循环次数，DoDcyc为电池实际循环放电深度，kp为曲线拟合参数，N0与kp均为电池的固有参数。
在实际的调度中，若储能在t时刻发生一次充放电循环，则以t-1时刻的荷电状态计算其放电深度，表达如下：
DoDt＝1-SoCt；
式中，DoDt为储能t时刻的放电深度，
为t时刻充放电循环动作的0-1变量，SoCt为t时刻储能的荷电状态。
可以将一次充放电循环折算为100％放电深度下的等效全循环次数，进而计算储能寿命，表达如下：
式中，T为电池储能的循环寿命，单位为年，ncyc为各次充放电循环对应的等效全循环放电次数。
在某一实施例中，步骤S300根据运行成本指标获取目标函数和约束条件，构建优化调度模型，具体包括建立储能成本指标优化目标模型：
其中，fi(X0)为各项运行成本指标函数，X0为优化变量。其中，各运行成本函数如下：
(1)火电机组运行成本
其中，
为第j台火电机组在t时刻的有功出力，a2、a1、a0为煤耗系数。
(2)储能总成本
总成本包括日折损成本和运行成本两部分。储能的额定成本分摊至储能循环寿命即为储能的日折损成本，运行成本与储能的充放电功率有关。
其中，CE为储能投资成本，r为贴现率，T为储能循环寿命，
为储能j在t时刻的充电功率，
为储能j在t时刻的放电功率，Com为储能的运行成本系数。
(3)需求响应成本
其中，
为t时刻可中断负荷量，λinter为单位可中断负荷补偿成本，
为t时刻的转入负荷量，
为t时刻的转出负荷量，λt为t时刻的分时电价。
(4)弃风成本
其中，
为t时刻弃风量，Caban为单位弃风成本。
(5)失负荷成本
其中，
为t时刻失负荷量，Ccut为单位失负荷成本。
(6)上、下调灵活性不足风险成本
采用条件风险价值模型(CVaR)衡量上调、下调灵活性不足带的弃风、切负荷风险，如下：
计算CVaR时,将概率密度函数进行离散化由源荷的Ns个组合场景来表示，ρs表示第s种场景的出现概率，假设损失函数f(x,y)，x为决策变量，y为随机变量。则有
[f(x,yk)-VaRβ]+＝max{f(x,yk)-VaRβ,0}；
所述目标函数采用系统运行集约束，包括配电网运行约束和储能运行约束。
系统运行集约束包括配电网运行约束和储能运行约束。电网运行约束包括：火电机组出力约束、爬坡约束、配电网节点功率平衡约束、线路潮流约束、节点失负荷约束、节点弃风约束、需求响应约束。
(1)火电机组出力约束
式中，
分别为火电机组i的出力上下限,
为火电机组i在t时段的出力。
(2)火电机组爬坡约束
式中，RUi、RDi分别为机组i的上爬坡、下爬坡速率。
(3)旋转备用约束
式中，
为风电场w在t时段的预测出力值，
为送端电网A在时刻t所需的正备用容量，wu、wD分别为风电正备用系数、负荷备用系数。
(4)潮流安全约束
式中，Pij,t为t时段线路(i,j)上的有功功率，
F ij分别为线路ij的传输上下限。
(5)风功率约束
(6)节点功率平衡约束
式中，i，j，s为电网节点，π(j)和δ(j)分别为节点j的父节点集合和子节点集合，Pij,t为t时段线路(i,j)上的有功功率，
为t时段常规机组的有功出力，
为t时段节点j处的储能系统充电、放电功率，
为t时段节点j处正常的有功负荷需求，
为t时段节点j处失去的有功负荷，
为风电场在t时段的出力，
为的负荷在t时段的预测值，
时段的转入负荷，
为t时段的转出负荷。
(7)节点失负荷约束
(8)储能充放电功率约束
(9)储能荷电状态约束
式中，
和
分别为储能系统的最小和最大荷电状态值，
为t时段节点j处储能系统的剩余电量。
(10)储能电量平衡约束
式中，
为τ1时段节点j处储能系统的剩余电量。
(11)储能寿命约束
T≤Tfit；
式中，T为储能实际的循环寿命，Tfit为储能固定的浮充寿命。
(12)需求响应约束
式中，
和
分别表示各类可转移负荷第t时段转入和转出的负荷总量，
为t时刻的可中断负荷量，α为可中断负荷占总负荷的比例。
在某一实施例中，步骤S400为了采用近似线性化方法进行求解，寿命约束的储能运行调度模型中，含有火电机组成本二次函数、二进制变量与连续变量乘积、整数量与连续变量乘积三种形式的非线性项，具体的线性化方法如下：
(1)储能循环的循环放电深度
为二进制变量与连续变量的乘积，利用以下线性约束表示：
其中，M为一个很大的实数，DoDt-1为储能t时刻的放电深度，
为t时刻充放电循环动作0-1变量，取值为1时储能发生充放电循环；
为储能t时刻实际循环放电深度。
(2)储能的日折损成本为非线性函数，引入线性拟合系数如下：
Cbat＝CE(aENcyc+bE)；
式中，aE、bE为各次项线性拟合系数。
(3)火电机组成本函数为二次函数，对于火电机组成本函数采用分段线性化。
请参阅图2-3，图2是本发明另一实施例提供的考虑寿命约束的计及灵活性储能优化调度方法的流程示意图，图3是本发明某一实施例提供的考虑寿命约束的计及灵活性储能优化调度方法的优化模型示意图。在本实施例中与上述实施例相同的部分，在此不再赘述。
根据混合整数线性规划求解优化调度模型后，需要分析储能寿命和运行方式对调度结果的影响，包括：
设置设立消纳优先级,优先让一般负荷和需求响应消纳风电,若可再生能源发出的电能没有被完全消纳,将被转移至储能单元内部存储，与未设置消纳优先级的方案对比；设置考虑寿命约束的调度方法和未考虑寿命约束的调度方法进行对比，从系统运行可靠性和经济性指标进行分析比较。
在某一示例中，某储能电站的用电负荷的基准功率为6060MW，风电出力的基准功率为2000MW，本实施例采用改进的IEEE10机39节点测试系统，在节点4、8、20、24、30分散配置储能，最大功率和容量分别为68MW/88MWh、62MW/94MWh、56MW/87MWh、85MW/110MWh、81MW/120MWh。测试系统负荷峰值为6060MW，谷值为4384MW，考虑一定的旋转备用，开启31—39号机组，总装机容量为6327MW，把一天按小时为单位划分，T＝24。使用混合整数非线性规划方法求解优化调度模型，并对结果进行对比分析，相关计算均在英特尔酷睿i5-7400处理器3.00GHz，8GB内存计算机上完成，采用MATLAB对算例进行编程求解。
为对比分析本发明实施例所引入评估方法模型的有效性与正确性，确立以下对比方案：
对比方案1：设立消纳优先级,优先让一般负荷和需求响应消纳风电,若可再生能源发出的电能没有被完全消纳,将被转移至储能单元内部存储(方案1)与未设置消纳优先级对比(方案2)。运行方式对调度方案的影响如表1所示。
表1运行方式对调度方案的影响
可以看到，通过设置消纳优先级，可以优先采用需求响应满足灵活性需求，储能运行成本、日折损成本等均有所降低，并且需求响应在降低上调灵活性不足导致的切负荷量上具有更好的效果。
对比方案2：为了验证考虑储能寿命损耗的优化调度方法的有效性，考虑寿命约束的调度方法(方案3)和未考虑寿命约束(方案4)的调度方法进行对比。两种策略下得到的储能运行方式如表2所示，寿命约束对调度方案的影响如表3所示。
表2储能运行方式
表3寿命约束对调度方案的影响
通过表3可以看到，在考虑寿命约束的储能优化模型中(方案3)，折算得到的储能单日折损成本明显降低，虽然由于充放电深度较小带来的灵活性成本略升高，但整体的实际运行成本仍低于为考虑寿命约束的方案。两种方案下储能的充放电循环次数一致，但充放电循环深度有较大区别，考虑储能寿命影响是储能偏向于较高荷电状态水平，充放电深度较小。从系统运行可靠性和经济性指标上看计及灵活性的优化调度模型有必要考虑储能寿命。
本发明实施例根据城市负荷中心储能电站的配置，建立计及灵活性的优化调度方法，并对各项成本指标建立数学计算模型，引入单元调度模型优化求解各单元出力以及成本，以储能充放电运行状态为变量，以经济型和灵活性的最优值为目标函数，将模型近似线性化后，利用混合整数线性规划方法求解模型，根据是否考虑寿命约束的优化指标值，对全寿命周期经济型和灵活性进行对比分析，保证了方案的可靠性和最优性。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种考虑寿命约束的计及灵活性储能优化调度方法，其特征在于，包括：
根据场景形式来刻画电网用电负荷和风电出力的不确定性；其中，所述场景形式包括场景生成和场景削减；
根据灵活性供需关系构建灵活性指标模型和储能寿命模型；其中，所述灵活性指标模型包括灵活性需求模型和灵活性供给模型；
根据运行成本指标获取目标函数和约束条件，构建优化调度模型；
根据混合整数线性规划求解所述优化调度模型。
2.根据权利要求1所述的考虑寿命约束的计及灵活性储能优化调度方法，其特征在于，所述根据场景形式来刻画电网用电负荷和风电出力的不确定性，包括：
基于自回归滑动平均模型进行场景生成，构建用电负荷和风电出力的预测场景；
对用电负荷和风电出力的预测场景进行聚类，得到典型运行场景。
3.根据权利要求1所述的考虑寿命约束的计及灵活性储能优化调度方法，其特征在于，所述根据灵活性供需关系构建灵活性指标模型和储能寿命模型，包括：
根据用电负荷和风电出力的不确定性，构建灵活性需求模型；
根据灵活性资源，构建灵活性供给模型。
4.根据权利要求3所述的考虑寿命约束的计及灵活性储能优化调度方法，其特征在于，所述灵活性需求模型Ft d的关系式表示为：
Ft d＝Pt load-Pt wind；
其中，Pt load为t时刻的预测用电负荷值，Pt wind为t时刻的风电出力值，当Ft d>0时代表具有上调灵活性需求，当Ft d<0时代表具有下调灵活性需求。
5.根据权利要求3所述的考虑寿命约束的计及灵活性储能优化调度方法，其特征在于，所述灵活性资源包括电网侧常规机组、储能和需求响应。
6.根据权利要求1所述的考虑寿命约束的计及灵活性储能优化调度方法，其特征在于，所述根据灵活性供需关系构建灵活性指标模型和储能寿命模型，包括：
根据电池完全放电深度充放电的总循环次数、电池实际循环放电深度和电池完全放电深度下的等效全循环放电次数，构建储能寿命模型。
7.根据权利要求6所述的考虑寿命约束的计及灵活性储能优化调度方法，其特征在于，所述根据电池完全放电深度充放电的总循环次数、电池实际循环放电深度和电池完全放电深度下的等效全循环放电次数，构建储能寿命模型，包括：
所述储能寿命模型的第一关系式表示为：
根据所述第一关系式将一次充放电循环折算为完全放电深度下的等效全循环放电次数，得到的第二关系式表示为：
根据所述第二关系式计算电池储能的循环寿命，所述电池储能的循环寿命的第三关系式表示为：
其中，Ncyc为电池完全放电深度充放电的总循环次数，N0为电池完全放电深度充放电的总循环次数，DoDcyc为电池实际循环放电深度，kp为电池特性曲线拟合参数，N0与kp均为电池的固有参数；T为电池储能的循环寿命，ncyc为各次充放电循环对应的等效全循环放电次数。
8.根据权利要求1所述的考虑寿命约束的计及灵活性储能优化调度方法，其特征在于，所述根据运行成本指标获取目标函数和约束条件，构建优化调度模型中，所述目标函数的关系式表示为：
其中，fi(X0)为运行成本指标函数，X0为优化变量。
9.根据权利要求1所述的考虑寿命约束的计及灵活性储能优化调度方法，其特征在于，所述运行成本包括火电机组运行成本、储能总成本、需求响应成本、弃风成本、失负荷成本和上/下调灵活性不足风险成本。
10.根据权利要求1所述的考虑寿命约束的计及灵活性储能优化调度方法，其特征在于，所述约束条件包括配电网运行约束和储能运行约束；
所述配电网运行约束包括火电机组出力约束、火电机组爬坡约束、旋转备用约束、潮流安全约束、风功率约束、节点功率平衡约束和节点失负荷约束；
所述储能运行约束包括储能充放电功率约束、储能荷电状态约束、储能电量平衡约束、储能寿命约束和需求响应约束。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110488908.1A CN113224800A (zh) | 2021-04-29 | 2021-04-29 | 一种考虑寿命约束的计及灵活性储能优化调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110488908.1A CN113224800A (zh) | 2021-04-29 | 2021-04-29 | 一种考虑寿命约束的计及灵活性储能优化调度方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113224800A true CN113224800A (zh) | 2021-08-06 |
Family
ID=77091091
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110488908.1A Pending CN113224800A (zh) | 2021-04-29 | 2021-04-29 | 一种考虑寿命约束的计及灵活性储能优化调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113224800A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113410854A (zh) * | 2021-08-19 | 2021-09-17 | 国网浙江省电力有限公司平阳县供电公司 | 一种多类型储能系统优化运行方法 |
| CN114123169A (zh) * | 2021-11-12 | 2022-03-01 | 国家电网有限公司 | 一种基于储能型柔性开关的配电网故障恢复方法 |
| CN114912722A (zh) * | 2022-07-18 | 2022-08-16 | 广东电网有限责任公司佛山供电局 | 一种电池储能装置的运行安排方法、装置和电子设备 |
| CN116742724A (zh) * | 2023-08-16 | 2023-09-12 | 杭州太阁未名科技有限公司 | 主动配电网优化调度方法、装置、计算机设备及存储介质 |
| CN118014164A (zh) * | 2024-04-08 | 2024-05-10 | 国网江西省电力有限公司经济技术研究院 | 一种考虑灵活性需求的储能容量配置双层优化方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190288555A1 (en) * | 2015-07-04 | 2019-09-19 | Sunverge Energy, Inc. | Virtual power plant |
| CN110492534A (zh) * | 2019-08-23 | 2019-11-22 | 国网新疆电力有限公司经济技术研究院 | 计及灵活性的含风电电力系统随机优化调度方法 |
| CN112446145A (zh) * | 2020-11-20 | 2021-03-05 | 国网山西省电力公司经济技术研究院 | 一种基于kl散度的储能电站分布鲁棒规划方法 |
-
2021
- 2021-04-29 CN CN202110488908.1A patent/CN113224800A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20190288555A1 (en) * | 2015-07-04 | 2019-09-19 | Sunverge Energy, Inc. | Virtual power plant |
| CN110492534A (zh) * | 2019-08-23 | 2019-11-22 | 国网新疆电力有限公司经济技术研究院 | 计及灵活性的含风电电力系统随机优化调度方法 |
| CN112446145A (zh) * | 2020-11-20 | 2021-03-05 | 国网山西省电力公司经济技术研究院 | 一种基于kl散度的储能电站分布鲁棒规划方法 |
Non-Patent Citations (1)
| Title |
|---|
| 葛玉友等: "寿命约束的储能规划", 《中国电机工程学报》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113410854A (zh) * | 2021-08-19 | 2021-09-17 | 国网浙江省电力有限公司平阳县供电公司 | 一种多类型储能系统优化运行方法 |
| CN114123169A (zh) * | 2021-11-12 | 2022-03-01 | 国家电网有限公司 | 一种基于储能型柔性开关的配电网故障恢复方法 |
| CN114912722A (zh) * | 2022-07-18 | 2022-08-16 | 广东电网有限责任公司佛山供电局 | 一种电池储能装置的运行安排方法、装置和电子设备 |
| CN116742724A (zh) * | 2023-08-16 | 2023-09-12 | 杭州太阁未名科技有限公司 | 主动配电网优化调度方法、装置、计算机设备及存储介质 |
| CN116742724B (zh) * | 2023-08-16 | 2023-11-03 | 杭州太阁未名科技有限公司 | 主动配电网优化调度方法、装置、计算机设备及存储介质 |
| CN118014164A (zh) * | 2024-04-08 | 2024-05-10 | 国网江西省电力有限公司经济技术研究院 | 一种考虑灵活性需求的储能容量配置双层优化方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| 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 | |
| CN113224800A (zh) | 一种考虑寿命约束的计及灵活性储能优化调度方法 | |
| CN111738497B (zh) | 计及需求侧响应的虚拟电厂双层优化调度方法 | |
| CN109301818B (zh) | 一种考虑调峰、调压需求的广域分布式储能系统调度方法 | |
| CN103151803B (zh) | 一种含风电系统机组及备用配置的优化方法 | |
| CN107565607B (zh) | 一种基于实时电价机制的微电网多时间尺度能量调度方法 | |
| CN109473976B (zh) | 一种冷热电联供型微网能量调度方法及系统 | |
| Gildenhuys et al. | Optimization of the operational cost and environmental impact of a multi-microgrid system | |
| CN111293718B (zh) | 基于场景分析的交直流混合微网分区二层优化运行方法 | |
| CN112446145B (zh) | 一种基于kl散度的储能电站分布鲁棒规划方法 | |
| CN115860413A (zh) | 基于负荷需求响应与双层可调鲁棒优化的并网冷热电联产微网系统经济调度方法 | |
| Yang et al. | Inverse Proportion Technique Based Scheduling Strategy for Energy Storage System Considering Load Demand Differences | |
| CN115189423A (zh) | 一种风火储系统的多能协调优化调度方法及装置 | |
| Yang et al. | Collaborative optimization of wind-solar-storage configuration in county distribution network considering near-zero carbon emission | |
| CN115441494A (zh) | 基于柔性直流互联系统的换流站容量优化配置方法和装置 | |
| CN115423203A (zh) | 梯次利用动力电池提升电力系统效益的评估方法及装置 | |
| CN112736969A (zh) | 基于新能源经济调度的分布式光伏数据处理方法及系统 | |
| CN111404180A (zh) | 综合能源系统的优化调度方法和系统 | |
| Zhang et al. | Economic analysis based on virtual power plant's optimal bidding strategy | |
| Gao et al. | A Review of Optimization of Microgrid Operation. Energies 2021, 14, 2842 | |
| Shao et al. | Optimal dispatch of grid-connected microgrid considering incentive-based demand response | |
| CN112039057B (zh) | 一种基于两阶段调度的低电压治理方法 | |
| CN109038624B (zh) | 基于双蓄电池容量动态分配的家庭能源调度方法 | |
| CN114219148A (zh) | 一种工业微电网需求响应优化方法及装置 | |
| Hua et al. | Two-stage Robust Optimization Dispatching with Ultra-high Proportion of Electricity-receiving Based on Economic Operation Region Model |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210806 |