CN113300477B - 一种中心城区电网储能配置的优化方法 - Google Patents
一种中心城区电网储能配置的优化方法 Download PDFInfo
- Publication number
- CN113300477B CN113300477B CN202110597459.4A CN202110597459A CN113300477B CN 113300477 B CN113300477 B CN 113300477B CN 202110597459 A CN202110597459 A CN 202110597459A CN 113300477 B CN113300477 B CN 113300477B
- Authority
- CN
- China
- Prior art keywords
- node
- energy storage
- line
- representing
- electricity price
- 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 105
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005457 optimization Methods 0.000 title claims abstract description 27
- 230000005611 electricity Effects 0.000 claims abstract description 89
- 238000013499 data model Methods 0.000 claims abstract description 28
- 238000007667 floating Methods 0.000 claims abstract description 24
- 230000000903 blocking effect Effects 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 25
- 230000005540 biological transmission Effects 0.000 claims description 16
- 230000000116 mitigating effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 3
- 239000002699 waste material Substances 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 10
- 239000000243 solution Substances 0.000 description 10
- 230000002068 genetic effect Effects 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 8
- 238000002347 injection Methods 0.000 description 5
- 239000007924 injection Substances 0.000 description 5
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009432 framing Methods 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000012239 gene modification Methods 0.000 description 1
- 230000005017 genetic modification Effects 0.000 description 1
- 235000013617 genetically modified food Nutrition 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 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
- H02J15/00—Systems for storing electric energy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
- H02J1/00—Circuit arrangements for dc mains or dc distribution networks
-
- 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
- H02J1/00—Circuit arrangements for dc mains or dc distribution networks
- H02J1/14—Balancing the load in a network
-
- 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
- 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
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Genetics & Genomics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种中心城区电网储能配置的优化方法,包括,步骤S1,建立目标网架数据模型、节点电价与储能容量关联模型;步骤S2,确定目标网架直流潮流结果;步骤S3,计算节点边际电价结果、电源出力;步骤S4,确定节点边际电价是否上浮,若上浮,则计算上浮系数并通过预设的节点储能配置优化模型确定最优储能配置方案;若未上浮,则根据预设的安全校核规则对目标网架中双回线路进行安全校核,若满足安全校核时,将参数修改为单回线路,并返回步骤S2;当不满足安全校核时,则将此时的储能配置作为最优储能配置方案输出。本发明消除因线路阻塞引起的节点边际电价上抬现象,规避储能规划布局过程中电池容量的冗余与浪费,实现储能配置容量的最优化。
Description
技术领域
本发明涉及电力系统自动化技术领域,特别是涉及一种中心城区电网储能配置的优化方法。
背景技术
随着国内储能技术的不断发展,电网储能的规模日益壮大,尤其对于用户密集的城市区域而言,在电网侧配置储能往往能够发挥更加重要的作用。而城区储能建设受土地利用率与建设成本的限制较大,如何提出目的性强、经济性好、可靠性高的储能规划布局方案是当前城市大范围区域储能规划所面临的主要问题。
从当前已有的相关储能规划技术来看,尚未形成统一的电网侧储能规划方法,通常根据电网存在的突出问题或者投资方关注的收益点为目标,进行储能布局选址及优化配置,常见的储能规划目标包括以下几种:以低储高发套利、延缓电网升级及提高电网可靠性为目标;以功率平衡最优、可再生能源波动最小、投资成本最低为目标;以储能系统建设成本最小以及故障情况下储能系统紧急支撑能力最大为目标;以节点的电压波动最小和储能的容量最小为目标等,它们的共同特性均是围绕可靠性和经济性开展研究,同时也都存在片面性的问题,缺乏全局与统筹观念。
发明内容
本发明的目的在于,提出一种中心城区电网储能配置的优化方法,解决现有方法无法实现储能布点与容量的最优配置,消除节点边际电价成倍增长现象,提高城市电网配置的可靠性与经济性的技术问题。
一方面,提供一种中心城区电网储能配置的优化方法,包括以下步骤:
步骤S1,获取目标城区电网的目标网架数据,并建立目标网架数据模型、节点电价与储能容量关联模型;
步骤S2,将目标网架数据模型输入预设的直流潮流计算模型,输出目标网架直流潮流结果;
步骤S3,根据目标网架数据模型、目标网架直流潮流结果计算网架中各节点的节点边际电价结果、电源出力;
步骤S4,根据各节点的节点边际电价结果确定节点边际电价是否上浮,若节点边际电价上浮,则计算节点边际电价上浮系数,并根据节点边际电价上浮系数通过预设的节点储能配置优化模型确定最优储能配置方案;若节点边际电价未上浮,则根据预设的安全校核规则对目标网架中双回线路进行安全校核,若存在双回线路不满足安全校核时,将目标网架数据模型中该双回线路的参数修改为单回线路,并返回步骤S2;当不存在双回线路不满足安全校核时,则将此时的储能配置作为最优储能配置方案输出为各节点储能配置数据。
优选地,在步骤S1中,所述目标网架数据模型包括:
节点数据模型GA_Bus:
其中,n表示节点编号;PG表示节点下电厂装机容量;PL表示节点下有功负载;PGmax表示节点下电厂最大出力;PGmin表示节点下电厂最小出力;m表示节点下电厂报价。
优选地,在步骤S1中,所述目标网架数据模型还包括:
目标网架线路数据模型GA_Line:
式中,nf表示线路起始节点;nt表示线路末尾节点;x表示线路电抗;Pline表示线路额定传输容量。
优选地,在步骤S1中,所述节点电价与储能容量关联模型具体包括:
其中,PB表示节点电价与储能容量关联模型;dp表示节点边际电价上浮系数;Bmax表示节点配置储能容量最大值。
优选地,在步骤S3中,根据以下公式计算网架中各节点的节点边际电价结果:
其中,LMPi表示节点边际电价;i表示节点;-λ表示能量价格;-(μ1+μ2)Si表示线路阻塞价格;λ表示等式电力平衡限制等式的拉格朗日乘子;μ1、u2表示线路传输容量限制不等式的拉格朗日乘子;α表示发电机出力限制不等式的拉格朗日乘子;Ploss表示全系统网损;PL拉格朗日函数的系数。
优选地,根据以下公式计算电源出力:
其中,f(Pg)表示节点边际电价满足全网购电成本最小;Pg表示节点下电厂实际出力。
优选地,根据以下公式计算节点边际电价上浮系数:
其中,dpi表示节点边际电价上浮系数;LMPafter表示阻塞时的节点边际电价;LMPbefore表示未发生阻塞时的节点边际电价。
优选地,在步骤S4中,所述预设的节点储能配置优化模型具体包括:
其中,k为拟配置储能节点数量;Bbess表示储能配置容量;Bmax表示储能值容量上限;Pflow表示不限制线路传输容量时的线路直流潮流;Pline表示线路直流潮流限值;Q为阻塞缓解系数。
优选地,所述步骤S4还包括,根据以下公式确定储能值容量上限:
Bmax,i=dpi·Dpi
其中,dpi表示节点边际电价上浮系数;Dpi表示节点所在线路的阻塞容量。
优选地,所述步骤S4还包括,根据以下公式确定节点所在线路的阻塞容量:
Dpi=Pover,i-Pline,i
其中,Pover表示不限制线路传输容量时的直流潮流;Pline表示发生阻塞时的线路的直流潮流。
综上,实施本发明的实施例,具有如下的有益效果:
本发明提供的中心城区电网储能配置的优化方法,从降低社会购电成本、稳定电力现货市场的角度出发,以节点边际电价作为中心城区电网储能布点及容量配置的核心考虑因素,充分研究并探讨了不同场景下引起节点边际电价抬升的原因,详细剖析了节点边际电价的三大组成部分,并通过数学方法定性分析储能配置对节点边际电价的影响。在此基础上,提出基于节点边际电价的节点储能配置优化模型,通过线路传输容量的限制条件及各节点储能容量范围的初步框定,采用改进的遗传算法进行求解,实现储能布点与容量的最优配置,能够以最少的储能配置容量消除节点边际电价成倍增长现象,从而提高城市电网配置的可靠性与经济。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述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例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,根据这些附图获得其他的附图仍属于本发明的范畴。
图1为本发明实施例中一种中心城区电网储能配置的优化方法的主流程示意图。
图2为本发明实施例中一种中心城区电网储能配置的优化方法的逻辑示意图。
图3为本发明实施例中一种用于节点储能配置优化模型求解的改进遗传算法的逻辑示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明作进一步地详细描述。
如图1和图2所示,为本发明提供的一种中心城区电网储能配置的优化方法的一个实施例的示意图。在该实施例中,所述方法包括以下步骤:
步骤S1,获取目标城区电网的目标网架数据,并建立目标网架数据模型、节点电价与储能容量关联模型;可以理解的是,通过获得目标网架的数据模型,为后续直流潮流模型与节点边际电价算法提供数据基础。
具体实施例中,建立目标网架及其相关的数据模型作为后续计算的数据输入、存储及输出载体,同时也是网架参数信息与储能配置信息的集中表现。目标网架数据模型GA分为节点数据模型和线路数据模型,其中,节点数据模型GA_Bus如下:
其中,n表示节点编号;PG表示节点下电厂装机容量;PL表示节点下有功负载;PGmax表示节点下电厂最大出力;PGmin表示节点下电厂最小出力;m表示节点下电厂报价。
目标网架线路数据模型GA_Line如下:
式中,nf表示线路起始节点;nt表示线路末尾节点;x表示线路电抗;Pline表示线路额定传输容量。
节点电价与储能容量关联模型定义如下:
其中,PB表示节点电价与储能容量关联模型;dp表示节点边际电价上浮系数;Bmax表示节点配置储能容量最大值。
步骤S2,将目标网架数据模型输入预设的直流潮流计算模型,输出目标网架直流潮流结果;可以理解的是,采用直流潮流模型结合后续的节点边际电价算法,可计算各节点的节点边际电价及供电片区内外各电源出力数据。
具体实施例中,采用直流潮流计算模型,求解节点边际电价,忽略了电阻及接地并联支路,避免了收敛性问题,在简化计算的同时能够满足本方案的精度要求。电力系统潮流计算是电力系统最基本的计算,也是最重要的计算;就是已知电网的接线方式与参数及运行条件,计算电力系统稳态运行各母线电压、各支路电流与功率及网损。对于正在运行的电力系统,通过潮流计算可以判断电网母线电压、支路电流和功率是否越限,如果有越限,就应采取措施,调整运行方式。对于正在规划的电力系统,通过潮流计算,可以为选择电网供电方案和电气设备提供依据。潮流计算还可以为继电保护和自动装置定整计算、电力系统故障计算和稳定计算等提供原始数据。潮流计算(load flow calculation)根据电力系统接线方式、参数和运行条件计算电力系统稳态运行状态下的电气量。
广泛应用的潮流计算方法都是基于节点电压法的,以节点导纳矩阵Y作为电力网络的数学模型。节点电压Ui和节点注入电流Ii由节点电压方程联系。在实际的电力系统中,已知的运行条件不是节点的注入电流,而是负荷和发电机的功率,而且这些功率一般不随节点电压的变化而变化。由于各节点注入功率与注入电流的关系为:
Si=Pi+jQi=UiIi
式中,Pi和Qi分别为节点i向网络注入的有功功率和无功功率,当i为发电机节点时Pi﹥0;当i为负荷节点时Pi﹤0;当i为无源节点Pi=0,Qi=0;Ui和Ii分别为节点电压相量Ui和节点注入电流相量Ii的共轭。有n个非线性复数方程,亦即潮流计算的基本方程式。它可以在直角坐标也可以在极坐标上建立2n个实数形式功率方程式。
已知网络的接线和各支路参数,可形成潮流计算中的节点导纳矩阵Y。潮流方程式中表征系统运行状态变量是注入有功功率Pi、无功功率Qi和节点电压相量Ui(幅值Ui和相角δi)。n个节点的电力网有4n变量,但只有2n个功率方程式,因此必须给定其中2n个运行状态变量。根据给定节点变量的不同,可以有以下三种类型的节点。
PU节点:(电压控制母线)有功功率Pi和电压幅值Ui为给定。这种类型节点相当于发电机母线节点,或者相当于一个装有调相机或静止补偿器的变电所母线。
PQ节点注入有功功率Pi和无功功率Qi是给定的。相当于实际电力系统中的一个负荷节点,或有功和无功功率给定的发电机母线。
平衡节点:用来平衡全电网的功率。平衡节点的电压幅值Ui和相角δi是给定的,通常以它的相角为参考点,即取其电压相角为零。一个独立的电力网中只设一个平衡节点。
步骤S3,根据目标网架数据模型、目标网架直流潮流结果计算网架中各节点的节点边际电价结果、电源出力;可以理解的是,采用直流潮流模型与节点边际电价算法,可计算各节点的节点边际电价及供电片区内外各电源出力数据,以确定各节点是否存在电价上浮现象初步锁定储能布局点,以电价上浮程度确定节点储能容量配置上限值。
具体实施例中,节点边际电价LMP由能量价格LMP1、线路阻塞价格LMP2及网损价格LMP3三部分组成:
LMP=LMP1+LMP2+LMP3
求解所得到的节点边际电价满足全网购电成本最小,即满足:
式中,Pg表示节点下电厂实际出力(下标i均表示矩阵中的第i列向量)。可以计算电源出力的数值。
同时,还需要满足如下约束:
式中,S表示发电机输出功率转移分布因子(由支路导纳对角矩阵、支路节点关联矩阵以及负节点电纳矩阵相乘求得,推导过程省略),且第一式不计网损。
采用拉格朗日乘数法求解上述问题:
式中,L为拉格朗日函数,λ表示等式电力平衡限制等式的拉格朗日乘子,μ为线路传输容量限制不等式的拉格朗日乘子,α为发电机出力限制不等式的拉格朗日乘子。
各节点电厂报价m为常数,因此对于有电厂的节点:
式中,Si表示矩阵S第i列,因电厂出力通常不会位于上下限,则α1=α2=0,又因线路传输容量不能同时达到上下限,则μ1·μ2=0。通过该方程组即可求解λ、μ1与μ2,此处不再赘述。
结合式拉格朗日函数,对于一般节点,节点边际电价可表示为:
式中,-λ表示能量价格LMP1i部分,-(μ1+μ2)Si表示线路阻塞价格LMP2i部分。
网损价格LMP3部分通过直流潮流模型推导,全系统网损可表示为:
Ploss=[Pg-PL]TK[Pg-PL]
式中,K是仅与线路电抗参数相关的常数矩阵,推导过程不赘述。
则节点i的网损价格(节点增加单位负荷引起的网损增量电价)可表示为:
因此,本实施例中采用的节点边际电价计算模型,即完整的节点i的节点边际电价可表示为:
其中,LMPi表示节点边际电价;i表示节点;-λ表示能量价格;-(μ1+μ2)Si表示线路阻塞价格;λ表示等式电力平衡限制等式的拉格朗日乘子;μ1、u2表示线路传输容量限制不等式的拉格朗日乘子;α表示发电机出力限制不等式的拉格朗日乘子;Ploss表示全系统网损;PL拉格朗日函数的系数。
根据上述分析可知,若把在节点处配置储能等效为减小节点负荷,能量价格LMP1仅与供电片区内外电厂报价及输电线路参数相关,不受储能配置影响;线路阻塞价格LMP2需通过储能配置消除线路阻塞方可使其置零,否则不受储能配置影响;在非电厂节点配置储能,可使网损价格LMP3降低,且对于储能容量没有最低要求,网损价格占比往往较小。因此,通过合理配置储能消除线路阻塞价格,是降低社会总购电成本的主要措施。
步骤S4,根据各节点的节点边际电价结果确定节点边际电价是否上浮,若节点边际电价上浮,则计算节点边际电价上浮系数,并根据节点边际电价上浮系数通过预设的节点储能配置优化模型确定最优储能配置方案;若节点边际电价未上浮,则根据预设的安全校核规则对目标网架中双回线路进行安全校核,若存在双回线路不满足安全校核时,将目标网架数据模型中该双回线路的参数修改为单回线路,并返回步骤S2;当不存在双回线路不满足安全校核时,则将此时的储能配置作为最优储能配置方案输出为各节点储能配置数据;可以理解的是,一般情况下,网架中的双回线路均正常投入运行时,因电厂报价变化、节点负荷大幅增长等原因出现线路阻塞的可能性较小;线路阻塞现象主要出现在部分双回线路单回运行时,若此时内部电厂报价高于外部电厂且部分节点负荷较重,则出现线路阻塞的可能性较高。因此,在明确电源出力的前提下,需要对各双回线路进行N-1安全校核并重新计算节点边际电价,才能进一步明确储能布局节点及其容量配置趋势。
具体实施例中,依据节点边际电价计算结果,针对电价上浮的节点,定义节点边际电价上浮系数:
式中,dpi表示节点边际电价上浮系数;表示LMPafter阻塞时的节点边际电价,LMPbefore表示未发生阻塞时的节点边际电价,因此,上浮系数能够反映各节点电价上浮的程度。
结合直流潮流计算模型,对于发生阻塞的线路,其阻塞容量可表示为:
Dpi=Pover,i-Pline,i
式中,Pover表示不限制线路传输容量时的直流潮流;Pline表示发生阻塞时的线路的直流潮流。
本实施例中,储能布点及配置的原则为:仅在节点边际电价发生上浮的节点适当布置储能,节点配置储能的最大容量(储能值容量上限)由电价上浮系数与阻塞容量共同确定:
Bmax,i=dpi·Dpi
其中,dpi表示节点边际电价上浮系数;Dpi表示节点所在线路的阻塞容量。
由此,节点储能配置优化模型表示如下:
式中,k为拟配置储能节点数量;Bbess表示储能配置容量;Bmax表示储能值容量上限;Pflow表示不限制线路传输容量时的线路直流潮流;Pline表示线路直流潮流限值;Q为阻塞缓解系数(Q≤0),考虑到节点负荷具有波动性,当节点负荷变化时储能配置方案应具有较好的适应性,根据不同网架的负荷波动特性,适当取值。
具体地,上述问题属于多维自变量有约束的优化问题,本实施例中,采用遗传算法进行求解。通常情况下,遗传算法不考虑约束条件,而节点储能配置优化模型不仅需要考虑线路容量的约束条件,且本实施中节点储能配置优化模型的约束条件无法直接通过算式求解,需要将变量代入直流潮流模型求解直流潮流后进行约束校验。因此,本实施例中对基本遗传算法加以补充修改,如图3所示,提出适用于节点储能配置优化模型求解的改进遗传算法:
初始化群体:选择一个满足自变量范围的初始解作为初始群体个体。
评价适应度:将b0代入目标函数(本实施例节点储能配置优化模型),计算解的适应度。同时,按照本实施例节点储能配置优化模型中第一式约束条件,增加对解可行性判别,对于不可行的解(即线路直流潮流求解结果超出限值)直接将其适应度值置为无穷大(相对)。
选择最优个体:选择适应度最小,且可行的解作为最优个体bbest。
遗传:将当前最优个体赋给新一代群体的第一个个体。
选择:采用锦标赛选择法,根据最优保存策略选取适应度最小且具备可行性的解Mate1与Mate2。
交叉:采用算数交叉法产生2个子代
式中,r为介于[0,1]的随机数。
变异:对Child1和Child2采用非均匀变异法进行变异,若Child1为(b1 c1,b2 c1,…,bk c1),则其非均匀变异后的子代Mutated1中的第i个元素可表示为:
式中,t为当前遗传代数,T为最大遗传代数,u为非均匀度参数,random(0,1)表示产生0或1的随机数;Mutated2的取法同理。
至此,新一代群体中已经出现{bbest,Mutated1,Mutated2}三个个体,重复“选择—变异”步骤,直至产生个体数达到群体长度Plen。
评价群体适应度:适应度计算方法同上所述。
执行一次上述从初始化群体至评价群体适应度的步骤计为一次遗传,重复循环上述步骤,直至遗传次数达到设定的最大遗传代数T,终止遗传。当前的最优个体bbest即为最优解,其所对应的自变量值即为各节点储能最优容量配置方案。
综上,实施本发明的实施例,具有如下的有益效果:
本发明提供的中心城区电网储能配置的优化方法,从降低社会购电成本、稳定电力现货市场的角度出发,以节点边际电价作为中心城区电网储能布点及容量配置的核心考虑因素,充分研究并探讨了不同场景下引起节点边际电价抬升的原因,详细剖析了节点边际电价的三大组成部分,并通过数学方法定性分析储能配置对节点边际电价的影响。在此基础上,提出基于节点边际电价的节点储能配置优化模型,通过线路传输容量的限制条件及各节点储能容量范围的初步框定,采用改进的遗传算法进行求解,实现储能布点与容量的最优配置,能够以最少的储能配置容量消除节点边际电价成倍增长现象,从而提高城市电网配置的可靠性与经济。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (9)
1.一种中心城区电网储能配置的优化方法,其特征在于,包括以下步骤:
步骤S1,获取目标城区电网的目标网架数据,并建立目标网架数据模型、节点电价与储能容量关联模型;
步骤S2,将目标网架数据模型输入预设的直流潮流计算模型,输出目标网架直流潮流结果;
步骤S3,根据目标网架数据模型、目标网架直流潮流结果计算网架中各节点的节点边际电价结果、电源出力;
步骤S4,根据各节点的节点边际电价结果确定节点边际电价是否上浮,若节点边际电价上浮,则计算节点边际电价上浮系数,并根据节点边际电价上浮系数通过预设的节点储能配置优化模型确定最优储能配置方案;若节点边际电价未上浮,则根据预设的安全校核规则对目标网架中双回线路进行安全校核,若存在双回线路不满足安全校核时,将目标网架数据模型中该双回线路的参数修改为单回线路,并返回步骤S2;当不存在双回线路不满足安全校核时,则将此时的储能配置作为最优储能配置方案输出为各节点储能配置数据;其中,所述预设的节点储能配置优化模型具体包括:
其中,k为拟配置储能节点数量;Bbess表示储能配置容量;Bmax表示储能值容量上限;Pflow表示不限制线路传输容量时的线路直流潮流;Pline表示线路直流潮流限值;Q为阻塞缓解系数。
2.如权利要求1所述的方法,其特征在于,在步骤S1中,所述目标网架数据模型包括:
节点数据模型GA_Bus:
其中,n表示节点编号;PG表示节点下电厂装机容量;PL表示节点下有功负载;PGmax表示节点下电厂最大出力;PGmin表示节点下电厂最小出力;m表示节点下电厂报价。
3.如权利要求2所述的方法,其特征在于,在步骤S1中,所述目标网架数据模型还包括:
目标网架线路数据模型GA_Line:
其中,nf表示线路起始节点;nt表示线路末尾节点;x表示线路电抗;Pline表示线路额定传输容量。
4.如权利要求3所述的方法,其特征在于,在步骤S1中,所述节点电价与储能容量关联模型具体包括:
其中,PB表示节点电价与储能容量关联模型;dp表示节点边际电价上浮系数;Bmax表示节点配置储能容量最大值。
5.如权利要求4所述的方法,其特征在于,在步骤S3中,根据以下公式计算网架中各节点的节点边际电价结果:
其中,LMPi表示节点边际电价;i表示节点;-λ表示能量价格;-(μ1+μ2)Si表示线路阻塞价格;λ表示等式电力平衡限制等式的拉格朗日乘子;μ1、u2表示线路传输容量限制不等式的拉格朗日乘子;α表示发电机出力限制不等式的拉格朗日乘子;Ploss表示全系统网损;PL拉格朗日函数的系数。
6.如权利要求5所述的方法,其特征在于,在步骤S3中,根据以下公式计算电源出力:
其中,f(Pg)表示节点边际电价满足全网购电成本最小;Pg表示节点下电厂实际出力。
7.如权利要求6所述的方法,其特征在于,在步骤S4中,根据以下公式计算节点边际电价上浮系数:
其中,dpi表示节点边际电价上浮系数;LMPafter表示阻塞时的节点边际电价;LMPbefore表示未发生阻塞时的节点边际电价。
8.如权利要求7所述的方法,其特征在于,所述步骤S4还包括,根据以下公式确定储能值容量上限:
Bmax,i=dpi·Dpi
其中,dpi表示节点边际电价上浮系数;Dpi表示节点所在线路的阻塞容量。
9.如权利要求8所述的方法,其特征在于,所述步骤S4还包括,根据以下公式确定节点所在线路的阻塞容量:
Dpi=Pover,i-Pline,i
其中,Pover表示不限制线路传输容量时的直流潮流;Pline表示发生阻塞时的线路的直流潮流。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110597459.4A CN113300477B (zh) | 2021-05-31 | 2021-05-31 | 一种中心城区电网储能配置的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110597459.4A CN113300477B (zh) | 2021-05-31 | 2021-05-31 | 一种中心城区电网储能配置的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113300477A CN113300477A (zh) | 2021-08-24 |
CN113300477B true CN113300477B (zh) | 2024-04-09 |
Family
ID=77326375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110597459.4A Active CN113300477B (zh) | 2021-05-31 | 2021-05-31 | 一种中心城区电网储能配置的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113300477B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115207947B (zh) * | 2022-06-17 | 2023-04-07 | 南方电网能源发展研究院有限责任公司 | 电网节点储能配置方法、装置、计算机设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107392395A (zh) * | 2017-08-23 | 2017-11-24 | 天津大学 | 一种基于价格激励机制的配电网和微电网协调优化方法 |
CN107563779A (zh) * | 2016-06-30 | 2018-01-09 | 中国电力科学研究院 | 一种节点边际电价求解方法 |
CN107622332A (zh) * | 2017-10-17 | 2018-01-23 | 华中科技大学 | 一种基于静态安全性约束的电网侧储能容量优化配置方法 |
CN109460870A (zh) * | 2018-11-08 | 2019-03-12 | 深圳供电局有限公司 | 考虑阻塞的集群电动汽车交互方法 |
CN111244985A (zh) * | 2020-03-04 | 2020-06-05 | 东南大学 | 基于节点综合灵敏度系数的分布式储能序次优化配置方法 |
CN111799794A (zh) * | 2019-11-15 | 2020-10-20 | 国网四川省电力公司经济技术研究院 | 一种考虑输电阻塞盈余的输电网扩展规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7599866B2 (en) * | 2003-10-24 | 2009-10-06 | Southern California Edison Company | Simultaneous optimal auctions using augmented lagrangian and surrogate optimization |
-
2021
- 2021-05-31 CN CN202110597459.4A patent/CN113300477B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563779A (zh) * | 2016-06-30 | 2018-01-09 | 中国电力科学研究院 | 一种节点边际电价求解方法 |
CN107392395A (zh) * | 2017-08-23 | 2017-11-24 | 天津大学 | 一种基于价格激励机制的配电网和微电网协调优化方法 |
CN107622332A (zh) * | 2017-10-17 | 2018-01-23 | 华中科技大学 | 一种基于静态安全性约束的电网侧储能容量优化配置方法 |
CN109460870A (zh) * | 2018-11-08 | 2019-03-12 | 深圳供电局有限公司 | 考虑阻塞的集群电动汽车交互方法 |
CN111799794A (zh) * | 2019-11-15 | 2020-10-20 | 国网四川省电力公司经济技术研究院 | 一种考虑输电阻塞盈余的输电网扩展规划方法 |
CN111244985A (zh) * | 2020-03-04 | 2020-06-05 | 东南大学 | 基于节点综合灵敏度系数的分布式储能序次优化配置方法 |
Non-Patent Citations (2)
Title |
---|
考虑 输 电 网络 损 耗 的节点 电价计 算方 法;丁晓莺等;《电力系统自动化》;第29卷(第22期);第14-18页 * |
考虑输电阻塞盈余的输电网 双层扩展规划模型;胥威汀 等;《电力建设》;第42卷(第4期);第113页-第120页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113300477A (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109861202B (zh) | 一种柔性互联配电网动态优化调度方法及系统 | |
CN106253335A (zh) | 一种分布式电源容量与接入位置不确定的配电网规划方法 | |
CN102385654B (zh) | 一种基于vsc并网光伏、储能电站的机电暂态建模方法 | |
CN108306285B (zh) | 基于topsis法的含分布式电源的主动配电网可靠性评估方法 | |
CN109659973B (zh) | 一种基于改进型直流潮流算法的分布式电源规划方法 | |
CN109599890B (zh) | 一种低压配电网的高比例光伏消纳方法及系统 | |
Huang et al. | Hybrid optimisation method for optimal power flow using flexible AC transmission system devices | |
CN108681823A (zh) | 一种含微电网的配电网分布式电源规划方法 | |
CN105514990B (zh) | 综合经济性与安全性的输电线路利用率提高装置及方法 | |
CN109066694A (zh) | 含线间潮流控制器的电力系统的多目标潮流优化方法 | |
CN109149564A (zh) | 一种交直流混合配电网分布式电源优化配置方法 | |
CN115640963A (zh) | 一种考虑投资运营模式的海上风电接入系统鲁棒规划方法 | |
Nayanatara et al. | Approach of hybrid PBIL control in distributed generation parameters for IEEE and real time Indian utility system | |
Hemmati et al. | Risk‐based optimal operation of coordinated natural gas and reconfigurable electrical networks with integrated energy hubs | |
CN113300477B (zh) | 一种中心城区电网储能配置的优化方法 | |
Li et al. | Economic dispatch with high penetration of wind power using extreme learning machine assisted group search optimizer with multiple producers considering upside potential and downside risk | |
Hachana et al. | Efficient PMSG wind turbine with energy storage system control based shuffled complex evolution optimizer | |
CN103515964A (zh) | 无功补偿控制方法和无功补偿控制装置 | |
CN109638837B (zh) | 一种面向新能源并网的动态负载管理方法及系统 | |
CN115719972A (zh) | 一种分布式电源接入配电网的节能降损优化方法 | |
CN115528670A (zh) | 基于多主体博弈的分布式电源及配套电网投资决策建模方法 | |
Vakil-Baghmisheh et al. | Dynamic voltage stability assessment of power transmission systems using neural networks | |
CN112736913B (zh) | 含分布式电源的配电网功率优化模式影响因素分析方法 | |
Esmaeili et al. | A new multiobjective optimal allocation of multitype FACTS devices for total transfer capability enhancement and improving line congestion using the harmony search algorithm | |
Krim et al. | Joint optimisation of sizing and fuzzy logic power management of a hybrid storage system considering economic reliability indices |
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 |