CN113255141B - 储能电站投资容量和安装位置计算方法 - Google Patents

储能电站投资容量和安装位置计算方法 Download PDF

Info

Publication number
CN113255141B
CN113255141B CN202110602435.3A CN202110602435A CN113255141B CN 113255141 B CN113255141 B CN 113255141B CN 202110602435 A CN202110602435 A CN 202110602435A CN 113255141 B CN113255141 B CN 113255141B
Authority
CN
China
Prior art keywords
energy storage
power
cost
investment
power station
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
CN202110602435.3A
Other languages
English (en)
Other versions
CN113255141A (zh
Inventor
周倩
王皓宇
朱元
蒋川
牟凡
邓芳
金宵
夏沛
张晓星
张哲亮
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.)
Nanchuan Power Supply Branch Of State Grid Chongqing Electric Power Co
Hubei University of Technology
State Grid Chongqing Electric Power Co Ltd
Original Assignee
Nanchuan Power Supply Branch Of State Grid Chongqing Electric Power Co
Hubei University of Technology
State Grid Chongqing Electric Power 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 Nanchuan Power Supply Branch Of State Grid Chongqing Electric Power Co, Hubei University of Technology, State Grid Chongqing Electric Power Co Ltd filed Critical Nanchuan Power Supply Branch Of State Grid Chongqing Electric Power Co
Priority to CN202110602435.3A priority Critical patent/CN113255141B/zh
Publication of CN113255141A publication Critical patent/CN113255141A/zh
Application granted granted Critical
Publication of CN113255141B publication Critical patent/CN113255141B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/06—Wind turbines or wind farms
    • 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
    • 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
    • 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

公开了一种储能电站投资容量和安装位置计算方法，针对储能投资规划问题在规划和运行阶段的耦合性，计及了运行阶段可再生能源发电功率的不确定性，确保了优化解在可行区间的有效性。同时，本发明基于储能充放电的等效全循环次数模型，考虑了储能投资能力约束，确保储能投资规划决策的经济性和可行性；本发明方法所构建的面向多能源发电系统的储能投资规划模型，最终转化为双层混合整数线性规划模型，可调用高效的商业求解器直接求解。

Description

储能电站投资容量和安装位置计算方法
技术领域
本发明涉及电力系统的投资、规划与运行领域，尤其是涉及面向多能源发电系统的储能电站投资容量和安装位置计算方法。
背景技术
能源互联网背景下，以水电、风电、光伏为代表的可再生能源发电在电力系统中的占比不断提高，多能源发电成为能源互联网能量供应的重要特征。然而，风电、光伏发电功率的不确定性也给传统电力系统的规划与运行带来了巨大的挑战。先进的储能技术是支撑风电、光伏大规模接入并实现电力系统安全经济运行的关键。以锂离子电池为代表的电化学储能具有高效率、高能量密度和高功率密度的优点，在动力电池领域获得了广泛的应用。近年来，电化学储能技术已逐步应用于电网的调峰调频。有关储能投资规划的研究多集中在配电网侧或微电网侧、用户侧。随着大规模储能技术的发展，储能在电网侧的投资规划问题越来越受到研究人员的关注。储能投资规划的难点集中在储能电站的选址和定容问题需要同步考虑，并且储能在规划和运行阶段具有耦合特性，需综合考虑储能的规划与运行问题。此外，考虑到储能运行中可能出现的频繁充放电会严重影响电池储能循环寿命，而电池储能循环寿命与其达到寿命终点的循环次数直接相关，因此，储能的投资规划模型还需要计及储能循环寿命的影响。
含高比例可再生能源的多能源发电系统受水电机组运行特性影响，其调峰能力与水量计划有关，原则上应尽量避免水电弃水调峰。因此，有必要针对多能源发电系统的调峰特性权衡储能投资规划的经济性和安全性。
发明内容
本发明解决能源互联网背景下，多能源发电系统中的储能投资规划问题，基于双层优化和鲁棒优化理论，提供一种储能电站投资容量和安装位置计算方法。
根据本发明实施例的一方面，提供一种面向多能源发电系统的储能电站投资容量和安装位置计算方法，包括：
获取常规机组运行参数，构建外层优化模型的目标函数及约束条件，建立计及系统调峰能力的多能源发电系统储能投资规划模型；
构建内层优化模型的目标函数及约束条件，计及系统调峰能力，建立含储能的多能源发电系统优化运行模型；
将外层优化模型转化成混合整数线性优化模型；
将内层优化模型转化成混合整数线性优化模型；
调用商业求解器求解上述双层混合整数线性规划问题，将外层优化模型输出的储能电站投资容量和安装位置作为传输变量进入内层优化模型，将内层优化模型计算的风电容许波动区间返回给外层优化模型，计算得到新的储能电站投资容量和安装位置；
外层优化模型和内层优化模型构成的双层优化模型的优化解否满足收敛条件时计算终止，输出储能电站最优的投资容量和安装位置。
本发明具有以下优点：
(1)本发明方法考虑了多能源发电系统中常规机组的调峰能力，计及了运行阶段风电/光伏发电功率的不确定性，确保了优化解在可行区间的有效性；
(2)本发明方法考虑了储能投资能力约束，确保储能投资规划决策的经济性和可行性；
(3)本发明方法所构建的多能源发电系统的储能投资规划模型，最终转化为双层混合整数线性规划模型，可调用高效的商业求解器直接求解。
附图说明
下面结合附图和具体实施方式对本发明作进一步详细说明。
图1是面向多能源发电系统的储能电站投资容量和安装位置计算方法流程图。
图2是根据本发明一实施例的水量计划增加时各成本变化趋势。
图3是根据本发明一实施例的风电接入功率增加时各成本变化趋势。
具体实施方式
本发明针对储能投资规划问题在规划和运行阶段的耦合性，计及了运行阶段可再生能源发电功率的不确定性，确保了优化解在可行区间的有效性。同时，本发明基于储能充放电的等效全循环次数模型，考虑了储能投资能力约束，确保储能投资规划决策的经济性和可行性；本发明方法所构建的面向多能源发电系统的储能投资规划模型，最终转化为双层混合整数线性规划模型，可调用高效的商业求解器直接求解。图1示出了面向多能源发电系统的储能电站投资容量和安装位置计算方法，其具体包括以下步骤：
步骤1，获取常规机组运行参数，构建外层优化模型的目标函数及约束条件，建立计及系统调峰能力的多能源发电系统储能投资规划模型，具体参考下文步骤1.1～1.3。
步骤1.1，建立以常规机组运行成本、风电/光伏消纳惩罚成本和储能日投资总成本最小的目标函数：
min{FT+FH+FW+FE} (1)
FE＝Finv+Fop-Frec-Finc (5)
Frec＝σrecβi(r,Ti cyc)Finv (9)
式(1)中，FT和FH分别为调度周期T内的火电、水电机组的运行成本；FW为风电/光伏消纳惩罚成本；FE为储能电站日投资总成本；N1为火电机组台数，N2为水电机组台数，N3为风电场与光伏电站总个数。式(2)中，Si和Di分别为火电机组i的单位启、停成本；ui,t和vi,t分别为第t时段火电机组i的启、停状态；为火电机组i的最小技术出力，xi,t为第t时段火电机组i的运行状态；C(pi,t,xi,t)为第t时段火电机组i的燃料成本，为二次函数；Np为功率的分段数，kn1,t和pn1,t分别为各分段的斜率和功率。式(3)中，Ci为弃水惩罚成本系数，/>为水电机组i的计划水量，ωi,t为第t时段水电机组的发电流量。式(4)中，/>和/>分别为风电场/光伏电站i的弃风/光、切负荷惩罚系数，/>和/>分别为第t时段风电场/光伏电站i的弃风/光、切负荷量。式(5)中，Finv、Fop、Frec、Finc分别为储能电站日投资成本、运行维护成本、回收残值收益和延缓输电设备投资收益。式(6)～(7)中，NB为节点数；r为贴现率；/>为储能电站的实际循环寿命；/>表征在节点i处安装储能装置的数量；/>和/>分别为在节点i处储能投资的单位容量成本和单位功率成本；/>和/>分别为储能电站在节点i处的额定容量和额定功率；/>为资本回收系数。式(8)中，/>和/>分别为节点i处储能装置单位容量和单位功率的运行维护成本。式(9)～(10)中，σrec为回收残值率，通常取3％～5％；为一次支付现值系数。式(11)中，/>和ηi分别为节点i处输电设备的固定资产折旧率、单位容量造价和计及了储能装置损耗和蓄电池充放电损耗的等效系数。
步骤1.2，描述步骤1.1所建立目标函数的约束条件，主要包括：常规机组约束条件(火电机组：最小启停时间约束、技术出力约束、机组爬坡约束、旋转备用释放约束；水电机组：技术出力约束、功率与水量转换约束、水量约束)、风电场/光伏电站发电功率约束、储能投资规划约束条件、基于直流潮流的系统节点功率平衡约束、调峰需求约束。
常规机组约束条件和风电场/光伏电站发电功率约束条件都是常规的。
储能投资能力约束条件被描述为：
式(12)中，表征在节点i处安装储能装置的标识变量；/>表征在节点i处安装储能装置的最大数量；xEmax表征储能电站投资的最大节点数量。
调峰需求约束被描述为：
式(13)中，NG为含储能的调峰机组台数，pg,t、和/>分别为调峰机组的出力及其上、下限值；/>和/>分别为风电场/光伏电站的波动区间上、下限值。
步骤2，构建内层优化模型的目标函数及约束条件，计及系统调峰能力，建立含储能的多能源发电系统优化运行模型；
步骤2.1，建立以常规机组运行成本、风电/光伏消纳惩罚成本最小的目标函数；
步骤2.2，描述约束条件，主要包括：常规机组约束条件(火电机组：最小启停时间约束、技术出力约束、机组爬坡约束、旋转备用释放约束；水电机组：技术出力约束、功率与水量转换约束、水量约束)、风电场/光伏电站发电功率约束条件、输电线路潮流约束条件、储能运行约束条件、系统功率平衡约束；
内层目标函数中常规机组运行成本、风电/光伏消纳惩罚成本在外层优化模型有描述，此处不再赘述。
步骤3，将外层优化模型转化成混合整数线性优化模型；
步骤3.1，将火电机组约束条件线性化；
步骤3.2，将储能投资成本及其约束条件线性化；
步骤3.3，系统调峰需求约束条件线性化。
其中，蓄电池回收残值收益为指数函数形式，利用分段线性化方法将其转化为：
式(14)中，Ai和Bi为第i段拟合系数，L(n)为引入的辅助变量。
步骤4，将内层优化模型转化成混合整数线性优化模型；
步骤4.1，将火电机组约束条件线性化；
步骤4.2，将输电线路潮流约束转化为确定性约束条件。
步骤5，调用商业求解器求解上述双层混合整数线性规划问题，将外层输出的储能电站投资容量和安装位置作为传输变量进入内层优化模型，将内层优化模型计算的风电容许波动区间返回给外层优化模型，计算得到新的储能电站投资容量和安装位置。
步骤6，判断双层优化模型的优化解是否满足收敛条件，若满足收敛条件，则计算终止，输出储能电站最优的投资容量和安装位置；否则，返回第5步。
以修改的IEEE 30节点测试系统为例，对本发明所提方法的可行性及有效性进行分析及验证。以风电接入为例，火电机组接入节点1、2、22、23、27，装机容量分别为240MW、240MW、150MW、90MW、165MW。水电机组接入节点13，装机容量为100MW。风电场接入节点5，装机容量为450MW。负荷需求最小值为350.87MW，最大值为914.53MW，平均值为641.68MW。储能电池最大充放电功率为60MW，容量为150MWh。储能安装成本分别为2万元/MW和3万元/MWh。弃水惩罚成本系数系数为25元/(m3·s)，弃风功率惩罚成本系数为400元/MW，切负荷功率惩罚成本系数为600元/MW。定义如下三种运行场景：场景1：计及不确定性，未安装储能；2)未计及不确定性，安装储能；3)计及不确定性，安装储能。
由表1可知，场景1的运行方式下，仅依靠常规机组的调峰能力不足以应对风电波动，并出现了弃水现象。安装储能后，并未发生弃水现象，水电利用率提高。场景2和场景3相比，采用确定性的优化模型时，仍然具有弃风、切负荷风险，而采用鲁棒优化模型时，虽然储能的安装位置和容量均明显增加，但是风电波动带来的消极影响能被完全抵消。另一方面，从场景1到场景3，火电机组的运行成本也进一步下降了。
表1不同场景下的计算结果对比
由图1可知，随着水量计划呈倍数增加(从1.5倍增加到3倍)时，水电运行经济性提高，在系统并未发生弃风、切负荷损失的情况下，储能的日投资总成本和火电运行成本也逐步降低，导致总成本明显下降。
在图2中，当风电接入倍数从1.1增加到1.2时，火电运行成本有所降低，受限于储能投资能力约束，储能的日投资总成本并未增加。然而，当风电接入倍数从1.15增加到1.2时，均出现弃风损失，导致了总成本增加。据上述算例测试结果可以看出，本发明方法可以有效权衡风电的允许波动区间和所决策结果的经济性。
附图1中的流程图，图示了按照本发明各种实施例的系统、方法的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

Claims (3)

1.一种面向多能源发电系统的储能电站投资容量和安装位置计算方法，其特征在于，包括：
获取常规机组运行参数，构建外层优化模型的目标函数及约束条件，建立计及系统调峰能力的多能源发电系统储能投资规划模型，外层优化模型的目标函数是以常规机组运行成本、风电/光伏消纳惩罚成本和储能日投资总成本最小的目标函数，外层优化模型的目标函数的约束条件包括：常规机组约束条件、风电场/光伏电站功率约束条件、储能投资规划约束条件、系统节点功率平衡约束条件和调峰需求约束条件；
构建内层优化模型的目标函数及约束条件，计及系统调峰能力，建立含储能的多能源发电系统优化运行模型，内层优化模型的目标函数是以常规机组运行成本和风电/光伏消纳惩罚成本最小的目标函数，内层优化模型的目标函数的约束条件包括：常规机组约束条件、风电场/光伏电站功率约束条件、输电线路潮流约束条件、储能运行约束条件和系统功率平衡约束条件；
将外层优化模型转化成混合整数线性优化模型；
将内层优化模型转化成混合整数线性优化模型；
调用商业求解器求解上述双层混合整数线性规划问题，将外层优化模型输出的储能电站投资容量和安装位置作为传输变量进入内层优化模型，将内层优化模型计算的风电容许波动区间返回给外层优化模型，计算得到新的储能电站投资容量和安装位置；
外层优化模型和内层优化模型构成的双层优化模型的优化解满足收敛条件时计算终止，输出储能电站最优的投资容量和安装位置，
外层优化模型的目标函数被描述为：min{FT+FH+FW+FE}，
式中，FT和FH分别为调度周期T内的火电、水电机组的运行成本；FW为风电/光伏消纳惩罚成本；FE为储能电站日投资总成本；N1为火电机组台数，N2为水电机组台数，N3为风电场与光伏电站总个数；
火电机组运行成本
式中，Si和Di分别为火电机组i的单位启、停成本；ui,t和vi,t分别为第t时段火电机组i的启、停状态；为火电机组i的最小技术出力，xi,t为第t时段火电机组i的运行状态；C(pi,t,xi,t)为第t时段火电机组i的燃料成本，为二次函数；Np为功率的分段数，kn1,t和pn1,t分别为各分段的斜率和功率；
水电机组运行成本
式中，Ci为弃水惩罚成本系数，为水电机组i的计划水量，ωi,t为第t时段水电机组的发电流量；
风电/光伏消纳惩罚成本
式中，和/>分别为风电场/光伏电站i的弃风/光、切负荷惩罚系数，Δwiu,t和Δwl i,t分别为第t时段风电场/光伏电站i的弃风/光、切负荷量；
储能电站日投资总成本
FE＝Finv+Fop-Frec-Finc
式中，Finv、Fop、Frec、Finc分别为储能电站日投资成本、运行维护成本、回收残值收益和延缓输电设备投资收益；
储能电站日投资成本
式中，NB为节点数；r为贴现率；为储能电站的实际循环寿命；/>表征在节点i处安装储能电站的数量；/>和/>分别为在节点i处储能投资的单位容量成本和单位功率成本；和/>分别为储能电站在节点i处的额定容量和额定功率；/>为资本回收系数；
储能电站运行维护成本
式中，和/>分别为节点i处储能装置单位容量和单位功率的运行维护成本；
储能电站回收残值收益
Frec＝σrecβi(r,Ti cyc)Finv
式中，σrec为回收残值率，通常取3％～5％；为一次支付现值系数；
储能电站延缓输电设备投资收益
式中，和ηi分别为节点i处输电设备的固定资产折旧率、单位容量造价和计及了储能装置损耗和蓄电池充放电损耗的等效系数。
2.根据权利要求1所述的方法，其特征在于，外层优化模型的目标函数的约束条件被描述为：
储能投资规划约束条件被描述为：
式中，表征在节点i处安装储能装置的标识变量；/>表征在节点i处安装储能装置的最大数量；xEmax表征储能电站投资的最大节点数量；
调峰需求约束被描述为：
式中，NG为含储能的调峰机组台数，pg,t、和/>分别为调峰机组的出力及其上、下限值；/>和/>分别为风电场/光伏电站的波动区间上、下限值。
3.根据权利要求1所述的方法，其特征在于，储能电站回收残值收益为指数函数形式，将其分段线性化后转化为：
式中，Ai和Bi为第i段拟合系数，L(n)为引入的辅助变量。
CN202110602435.3A 2021-05-31 2021-05-31 储能电站投资容量和安装位置计算方法 Active CN113255141B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110602435.3A CN113255141B (zh) 2021-05-31 2021-05-31 储能电站投资容量和安装位置计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110602435.3A CN113255141B (zh) 2021-05-31 2021-05-31 储能电站投资容量和安装位置计算方法

Publications (2)

Publication Number Publication Date
CN113255141A CN113255141A (zh) 2021-08-13
CN113255141B true CN113255141B (zh) 2023-10-24

Family

ID=77185511

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110602435.3A Active CN113255141B (zh) 2021-05-31 2021-05-31 储能电站投资容量和安装位置计算方法

Country Status (1)

Country Link
CN (1) CN113255141B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105976108A (zh) * 2016-05-05 2016-09-28 国网浙江省电力公司电力科学研究院 一种配电网分布式储能规划方法
CN107732949A (zh) * 2017-10-17 2018-02-23 华中科技大学 一种综合风电全年多季节特性的储能布点定容方法
CN109546645A (zh) * 2018-10-19 2019-03-29 国网安徽省电力有限公司 压缩空气储能系统的容量补贴计算方法及装置
CN110262845A (zh) * 2019-04-30 2019-09-20 北京邮电大学 区块链使能的分布式计算任务卸载方法及系统
EP3547234A1 (en) * 2018-03-29 2019-10-02 Johnson Controls Technology Company Building energy optimization system with capacity market program (cmp) participation

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11210617B2 (en) * 2015-10-08 2021-12-28 Johnson Controls Technology Company Building management system with electrical energy storage optimization based on benefits and costs of participating in PDBR and IBDR programs

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105976108A (zh) * 2016-05-05 2016-09-28 国网浙江省电力公司电力科学研究院 一种配电网分布式储能规划方法
CN107732949A (zh) * 2017-10-17 2018-02-23 华中科技大学 一种综合风电全年多季节特性的储能布点定容方法
EP3547234A1 (en) * 2018-03-29 2019-10-02 Johnson Controls Technology Company Building energy optimization system with capacity market program (cmp) participation
CN109546645A (zh) * 2018-10-19 2019-03-29 国网安徽省电力有限公司 压缩空气储能系统的容量补贴计算方法及装置
CN110262845A (zh) * 2019-04-30 2019-09-20 北京邮电大学 区块链使能的分布式计算任务卸载方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Optimal operation scheduling of wind power integrated with compressed air energy storage (CAES);M. Abbaspour等;《ELSEVIER》;53-59 *
Optimal Planning of Battery Energy Storage in the Wind-Thermal-Hydro Power System;Qian Zhou等;《IEEE》;507-514 *

Also Published As

Publication number Publication date
CN113255141A (zh) 2021-08-13

Similar Documents

Publication Publication Date Title
Abdalla et al. Integration of energy storage system and renewable energy sources based on artificial intelligence: An overview
CN109325608B (zh) 考虑储能并计及光伏随机性的分布式电源优化配置方法
CN103490410B (zh) 一种基于多目标优化的微电网规划和容量配置方法
WO2022100091A1 (zh) 一种广义源储系统调度的集中控制方法
CN107276122B (zh) 适应大规模可再生能源并网的调峰资源调用决策方法
Yao et al. Energy storage sizing optimization for large-scale PV power plant
CN111541244A (zh) 考虑储能装置度电成本的电网侧储能装置容量计算方法
CN110867907B (zh) 一种基于多类型发电资源同质化的电力系统调度方法
CN113255141B (zh) 储能电站投资容量和安装位置计算方法
CN116742664A (zh) 一种短期电池储能和季节性储氢协同规划方法及系统
CN116805192A (zh) 考虑最优弃能率的综合能源系统双层规划优化方法及应用
CN114996908B (zh) 考虑智能软开关接入的主动配电网扩展规划方法及系统
Garmabdari et al. Multi energy system modelling and operation optimisation for university research facility
CN115882486A (zh) 一种基于双层模型的配电网综合效益最优储能配置方法
Huang et al. A multi-time scale scheduling method for wind-PV-pumped storage-electrochemical energy storage integrated generation system
CN114465226A (zh) 一种电力系统多级备用获取联合优化模型的建立方法
Di Carlo et al. Optimizing renewable power management in transmission congestion. an energy hub model using hydrogen storage
Biroon et al. Inverter's nonlinear efficiency and demand-side management challenges
Ma et al. Multi-Point Layout Planning of Multi-Energy Power Supplies Based on Time-series Production Simulation
Yang et al. Coordinated Optimal Configuration Method of Hybrid Energy Storage Systems in Energy Internet System
CN110649592A (zh) 含蓄热式电锅炉的电热互联能源系统多场景经济调度方法
Ling et al. Bi-level Optimization of Energy Storage Considering Flexibility and New Energy Consumption
Wang et al. Control strategies of battery energy storage systems for smoothing wind power fluctuations
Zou et al. Day-ahead Capacity Management for Directly Dispatched Multiple Battery Energy Storage Participating in Peak Regulation
Brown Evaluation of integration of pumped storage units in an isolated network

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