CN113344614A - 一种电网侧储能经济性的评估方法、系统和存储介质 - Google Patents
一种电网侧储能经济性的评估方法、系统和存储介质 Download PDFInfo
- Publication number
- CN113344614A CN113344614A CN202110582362.6A CN202110582362A CN113344614A CN 113344614 A CN113344614 A CN 113344614A CN 202110582362 A CN202110582362 A CN 202110582362A CN 113344614 A CN113344614 A CN 113344614A
- Authority
- CN
- China
- Prior art keywords
- power grid
- energy storage
- model
- power
- grid side
- 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 113
- 238000011156 evaluation Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 29
- 230000002860 competitive effect Effects 0.000 claims abstract description 23
- 238000013210 evaluation model Methods 0.000 claims abstract description 16
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 238000013528 artificial neural network Methods 0.000 claims abstract description 9
- 238000007781 pre-processing Methods 0.000 claims abstract description 9
- 230000008901 benefit Effects 0.000 claims description 34
- BNOODXBBXFZASF-UHFFFAOYSA-N [Na].[S] Chemical compound [Na].[S] BNOODXBBXFZASF-UHFFFAOYSA-N 0.000 claims description 20
- 238000007599 discharging Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 12
- 230000002829 reductive effect Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000005265 energy consumption Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 description 12
- 230000005540 biological transmission Effects 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009194 climbing Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011234 economic evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Images
Classifications
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- 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
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Finance (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电网侧储能经济性的评估方法、系统和存储介质,所述方法包括:获取电网的运行数据,并对所述电网的运行数据进行预处理,获得预处理后的运行数据;根据所述预处理后的数据,采用BP神经网络算法,建立电网侧传统业务利润的模型、电网侧隐性利润的模型和电网侧竞争性业务利润的模型;根据所述电网侧传统业务利润的模型、电网侧隐性利润的模型和电网侧竞争性业务利润的模型,构建电网侧储能经济性的评估模型;获取电网侧储能的相关数据,并将所述相关数据输入电网侧储能经济性的评估模型,得到电网侧储能经济性的评估结果。本发明不但能够准确快速的计算出电网运行费用,还能增加电网供电能力和提升电网安全稳定性。
Description
技术领域
本发明涉及电力系统经济性评估技术领域,特别是涉及一种电网侧储能经济的评估方法、系统和存储介质。
背景技术
储能在电力系统中可以发挥调峰、调频、缓解电网阻塞、支撑新能源消纳、支撑电网安全稳定运行等多方面作用,投资方分为电网公司、电源公司、用户以及第三方投资主体,接入地点分为电网侧、电源侧或用户侧,不同的接入地点、投资方以及获利方的评价指标也不一样。有的储能配置回收困难,以电网公司投资的电网侧储能为例,2019年第二轮输配电定价成本监审办法明确电储能设施不得计入输配电定价成本,电网侧储能面临应用价值难以评估,成本无法收回的问题。
目前,虽然国内外对电网侧储能经济性的研究较多,但标准的量化评价方法仍然较少,特别是一些传统储能经济性评价方法混淆了投资主体和接入位置,使得理论上的经济性评估模型和实际上的经验模型有较大差异。
发明内容
本发明的目的是:提供一种电网侧储能经济性的评估方法、系统和存储介质,不但能够准确快速的计算出电网运行费用,还能增加电网供电能力和提升电网安全稳定性。
为了实现上述目的,本发明提供了一种电网侧储能经济性的评估方法,包括:
获取电网的运行数据,并对所述电网的运行数据进行预处理,获得预处理后的运行数据;
根据所述预处理后的数据,采用BP神经网络算法,建立电网侧传统业务利润的模型、电网侧隐性利润的模型和电网侧竞争性业务利润的模型;
根据所述电网侧传统业务利润的模型、电网侧隐性利润的模型和电网侧竞争性业务利润的模型,构建电网侧储能经济性的评估模型;
获取电网侧储能的相关数据,并将所述相关数据输入电网侧储能经济性的评估模型,得到电网侧储能经济性的评估结果。
进一步地,所述预处理,包括:剔除空值和坏值,其中,所述坏值是指不在预设范围的值。
进一步地,所述电网侧传统业务利润的模型,包括:缓解电网阻塞的收益、降低网损的收益和调峰能力的收益。其中,所述缓解电网阻塞的收益,包括:增供电量收益和延缓电网投资收益。
进一步地,所述电网侧隐性利润的模型,包括:电网侧储能产生支撑新能源消纳的收益和降低用户限电、提升供电的收益。
进一步地,所述电网侧储能产生支撑新能源消纳的收益,包括:
充电udisch(t)状态和放电uch(t)状态,其中udisch(t),uch(t)∈{0,1},其持续放电周期Tdur和Npulse的关系为:
钠硫电池内部的容量Ebat(t)随时间变化的表达式如下:
①充电状态时:
Ebat(t+1)=Ebat(t)+Px(t)×Δt×ηc
②放电状态时:
Ebat(t+1)=Ebat(t)-Px(t)×Δt×ηf
式中,ηc和ηf为钠硫电池的充电和放电效率,Px(t)为t时刻钠硫电站的调度出力,Δt表示充放电的时间,Ebat(t)、Ebat(t+1)分别为t、t+1时刻钠硫电池电站的能量状态。
进一步地,所述降低用户限电、提升供电的收益,包括:可削减负荷和电网侧储能增加的供电量产生效益;
可削减负荷的模型表示为:
电网侧储能增加的供电量ΔQb表示为:
进一步地,所述电网侧竞争性业务利润,包括:电力辅助市场收益和租赁共享储能装置收益。
进一步地,所述电力辅助市场收益,包括:调峰收益、备用收益、二次调频收益和电网紧急调用收益。
本发明还提供一种电网侧储能经济性的评估系统,包括:数据处理模块、构建模块、评估模块和处理模块,其中,
所述数据处理模块,用于获取电网的运行数据,并对所述电网的运行数据进行预处理,获得预处理后的运行数据;
所述构建模块,根据所述预处理后的数据,采用BP神经网络算法,建立电网侧传统业务利润的模型、电网侧隐性利润的模型和电网侧竞争性业务利润的模型;
所述评估模块,用于根据所述电网侧传统业务利润的模型、电网侧隐性利润的模型和电网侧竞争性业务利润的模型,构建电网侧储能经济性的评估模型;
所述处理模块,用于获取电网侧储能的相关数据,并将所述相关数据输入电网侧储能经济性的评估模型,得到电网侧储能经济性的评估结果。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一项所述的电网侧储能经济性的评估方法。
本发明提供的一种电网侧储能经济性的评估方法、系统和存储介质与现有技术相比,其有益效果在于:
本发明通过获取电网的运行数据,并采用BP神经网络算法,构建电网公司电网侧的传统业务、隐性收益和竞争性业务三个方面的利润模型,并搭建了包括供电阻塞模型、输电网线损模型、新能源配储能装置并网模型、需求侧响应后用户侧电量模型和储能装置全生命周期模型,通过上述模型,不但能够准确快速的计算出电网运行费用,还能增加电网供电能力和提升电网安全稳定性。
附图说明
图1是本发明提供的一种电网侧储能经济性的评估方法的流程示意图;
图2是本发明提供的一种电网侧储能经济性的评估系统的结构示意图。
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。
如图1所示,本发明实施例的一种电网侧储能经济性的评估方法,包括:
S101、获取电网的运行数据,并对所述电网的运行数据进行预处理,获得预处理后的运行数据;
具体地,通过获取电网的运行数据,并对所述电网的运行数据进行预处理,获得预处理后的运行数据;
需要说明的是,所述预处理,包括:剔除空值和坏值,其中,所述坏值是指不在预设范围的值。
S102、根据所述预处理后的数据,采用BP神经网络算法,建立电网侧传统业务利润的模型、电网侧隐性利润的模型和电网侧竞争性业务利润的模型;
具体地,供电企业的传统业务利润公式一般可表达为:
式中,V为电网公司购售电利润;psi为第i个行业的销售电价;Qsi为第i个行业的销售电量;pbj为第j个机组的上网电价;Qbj为第j个机组的上网电量;Cf为供电企业投资成本和其他恒定成本。
利润与平均购售电价差之间的关系可以表达为:
式中,η为线损率;ps为平均售电电价;pb为平均购电电价;Cf为供电企业投资成本和其他恒定成本;Qs为总售电量。
考虑电网侧储能对电网公司传统业务的经济影响,分别对电网侧储能缓解电网阻塞、降低网损和调峰能力三方面进行建模。
(1)供电阻塞带来的经济性影响主要从①增供电量效益②延缓电网投资收益以下两方面讨论。
①采用储能减少供电阻塞,增加供电量,获得了增供电量效益。这部分供电量变化对利润的影响可以用下式简要表示:
利润的变化为:
式中,ΔQs为增加的供电量,Vsto是储能的总投资费用和运行维护成本,Csto为使用储能装置的支出费用:
Csto=psto×Qsto (5)
式中,psto为储能充电时的平均电价,Qsto为储能充放的损耗电量。
式中,PL(X)表示由储能充放电功率决策变量X计算得到的潮流,Pes,t为时刻t的储能功率,Pload,t为负荷需求,PG,t为电源出力,Ploss,t为网损;Plim为潮流限值,α为预控负荷比例,且α≤1;;m为时间周期T内潮流PL(X)>αPlim的窗口总数,Lj为第j个时间窗口单位停电损失费用。
②如果存在电网供电阻塞,电网可以采取增加或改造现有输配电设施,但是采用储能也能够减少供电阻塞,从而延缓了增加或改造输配电设施投资,获得了延缓投资的财务效益。该部分效益可以用下式表达:
式中,Ce为电网扩建所需投资;p为年利率;ΔN为延缓时间,计算方法如下:
式中,ΔN为配置储能电池延缓电网升级的年数,峰值负荷的年度增长率为τ,储能电池系统的削峰率为λ。
Ce计算方法如下:
Ce=Pinfeinf (11)
式中,Pinf为储能电池延缓配网扩建的容量,单位是kW;einf为单位扩建容量的费用,单位是万元/kW。
综上,当配置的储能既可以发挥一定的增供电量效益,也可以发挥一定的延缓输配电投资的财务效益时,总增长效益可以用下式表达:
ΔV=ΔCs-Csto-Vsto+Vdef (12)
(2)网损降低对利润的影响可以用下式表示:
式中,Δη为近似减少的网损率,利润增加部分为:
ΔV”=V”-V (14)
ΔV″的计算方式如下:
网损的计算式可确定为:
ΔP'=(IL+IS)2RLtL+(IL-IS)2RHtH (15)
式中,ΔP,ΔP′为安装储能电池系统前后的网损;IH,IL为用电高峰和低谷时的电流大小;RH,RL为用电高峰和低谷时电源和负荷之间输配电网的等效电阻(RH>RL);tH,tL为储能电池系统在用电高峰时段的放电时间和低谷时段的充电时间。线路中电流可表示为:
式中,e为低谷和高峰时的近似电价。
(3)电网侧储能对调峰的影响:
电网企业投资的电网侧储能参与调峰平衡,对于电网来说,获得了替代燃气机组调用的效益,可用于计算购买电价成本变动效益:
式中,Δpb为电网侧储能替代了燃气机组导致的电网公司购电成本变动,具体可数据通过调研获得。
需要说明的是,电网公司隐性利润的模型包含电网侧储能产生支撑新能源消纳的收益和降低用户限电、提升供电可靠性的收益。
(1)电网侧储能支撑新能源消纳的收益可以用以下模型表示:
首先对经典储能装置钠硫电池进行建模,在电力系统调度中,钠硫电池一般有两种运行状态:充电udisch(t)状态和放电uch(t)状态,其中udisch(t),uch(t)∈{0,1},其持续放电周期Tdur和Npulse的关系为:
钠硫电池内部的容量Ebat(t)随时间变化的表达式如下:
①充电状态时:
Ebat(t+1)=Ebat(t)+Px(t)×Δt×ηc
②放电状态时:
Ebat(t+1)=Ebat(t)-Px(t)×Δt×ηf
式中,ηc和ηf为钠硫电池的充电和放电效率,Px(t)为t时刻钠硫电站的调度出力,Δt表示充放电的时间,Ebat(t)、Ebat(t+1)分别为t、t+1时刻钠硫电池电站的能量状态。
以风光联合出力最大和火电机组运行成本最小为目标,以火电机组出力约束、火电机组爬坡率约束、正旋转备用约束、负旋转备用约束、风光电输出功率约束、钠硫电池充放电功率约束、钠硫电池容量约束和功率平衡约束为约束条件建立新能源参与的电力系统调度模型,用优化算法解得电网侧储能在不同场景下的出力曲线和火电机组的运行成本,运行成本的降低减去风光联合出力成本的增加即为安装电网侧储能的隐性利润收益。
(2)电网侧储能降低用户限电的效益可以用以下模型表示:
电网公司的需求侧响应等措施对于可削减负荷的影响会限制用户用电行为,而加装电网侧储能可以获得降低限电频率的效益。
可削减负荷的模型可表示为:
电网侧储能增加的供电量ΔQb可以表示为:
需要说明的是,电网企业的其他竞争性业务包括参与电力辅助市场收益和租赁共享储能装置收益等。具体数据由调研新能源配置储能项目及储能参与辅助服务市场定价规定获得,并总结得到经验性模型,其中储能装置能参与的电力辅助服务市场的项目分为以下四点:①调峰收益;②备用收益;③二次调频收益;④电网紧急调用收益。
S103、根据所述电网侧传统业务利润的模型、电网侧隐性利润的模型和电网侧竞争性业务利润的模型,构建电网侧储能经济性的评估模型;
具体的,将所述电网侧传统业务利润的模型、电网侧隐性利润的模型和电网侧竞争性业务利润的模型,合并成一个电网侧储能经济性的评估模型。
S104、获取电网侧储能的相关数据,并将所述相关数据输入电网侧储能经济性的评估模型,得到电网侧储能经济性的评估结果。
具体地,通过获取电网传统业务利润变量、供电阻塞相关变量、网损降低相关变量、电网调峰相关变量、隐性利润相关变量和其他竞争性业务相关参数。然后根据储能全生命周期分析推导,得到电网侧储能在不同应用场景下的应用价值评估,其在其生命周期内的收益占总投资和运营成本的百分比,其经济性和投资价值,以及市场化模式和租赁模式下的不同收益分析。
在本发明的某一个实施例中,所述预处理,包括:剔除空值和坏值,其中,所述坏值是指不在预设范围的值。
在本发明的某一个实施例中,所述电网侧传统业务利润的模型,包括:缓解电网阻塞的收益、降低网损的收益和调峰能力的收益,其中,所述缓解电网阻塞的收益,包括:增供电量收益和延缓电网投资收益。
在本发明的某一个实施例中,所述电网侧隐性利润的模型,包括:电网侧储能产生支撑新能源消纳的收益和降低用户限电、提升供电的收益。
在本发明的某一个实施例中,所述电网侧储能产生支撑新能源消纳的收益,包括:
充电udisch(t)状态和放电uch(t)状态,其中udisch(t),uch(t)∈{0,1},其持续放电周期Tdur和Npulse的关系为:
钠硫电池内部的容量Ebat(t)随时间变化的表达式如下:
①充电状态时:
Ebat(t+1)=Ebat(t)+Px(t)×Δt×ηc
②放电状态时:
Ebat(t+1)=Ebat(t)-Px(t)×Δt×ηf
式中,ηc和ηf为钠硫电池的充电和放电效率,Px(t)为t时刻钠硫电站的调度出力,Δt表示充放电的时间,Ebat(t)、Ebat(t+1)分别为t、t+1时刻钠硫电池电站的能量状态。
在本发明的某一个实施例中,所述降低用户限电、提升供电的收益,包括:可削减负荷和电网侧储能增加的供电量产生效益;
可削减负荷的模型表示为:
电网侧储能增加的供电量ΔQb表示为:
在本发明的某一个实施例中,所述电网侧竞争性业务利润,包括:电力辅助市场收益和租赁共享储能装置收益。
在本发明的某一个实施例中,所述电力辅助市场收益,包括:调峰收益、备用收益、二次调频收益和电网紧急调用收益。
本发明提供的一种电网侧储能经济性的评估方法与现有技术相比,其有益效果在于:
本发明通过对电网公司电网侧的传统业务、隐性收益和竞争性业务三个方面分析了其利润来源和相关受影响的变量,并搭建了包括供电阻塞模型、输电网线损模型、新能源配储能装置并网模型、需求侧响应后用户侧电量模型和储能装置全生命周期模型,以安装电网侧储能为背景,对各个模型进行整合,并配置实例进行验证,形成了流程化的经济性评估模型。
如图2所示,本发明还提供一种电网侧储能经济性的评估系统200,包括:数据处理模块201、构建模块202、评估模块203和处理模块204,其中,
所述数据处理模块201,用于获取电网的运行数据,并对所述电网的运行数据进行预处理,获得预处理后的运行数据;
所述利润模块202,根据所述预处理后的数据,采用BP神经网络算法,建立电网侧传统业务利润的模型、电网侧隐性利润的模型和电网侧竞争性业务利润的模型;
所述评估模块203,用于根据所述电网侧传统业务利润的模型、电网侧隐性利润的模型和电网侧竞争性业务利润的模型,构建电网侧储能经济性的评估模型;
所述处理模块20,用于获取电网侧储能的相关数据,并将所述相关数据输入电网侧储能经济性的评估模型,得到电网侧储能经济性的评估结果。
本发明提供的一种电网侧储能经济性的评估系统与现有技术相比,其有益效果在于:
本发明通过获取电网的运行数据,并采用BP神经网络算法,构建电网公司电网侧的传统业务、隐性收益和竞争性业务三个方面的利润模型,并搭建了包括供电阻塞模型、输电网线损模型、新能源配储能装置并网模型、需求侧响应后用户侧电量模型和储能装置全生命周期模型,通过上述模型,不但能够准确快速的计算出电网运行费用,还能增加电网供电能力和提升电网安全稳定性。
本发明还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一项所述的电网侧储能经济性的评估方法。
需要说明的是,所述计算机程序可以被分割成一个或多个模块/单元(如计算机程序、计算机程序),所述一个或者多个模块/单元被存储在所述存储器中,并由所述处理器执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述终端设备中的执行过程。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步的详细说明,应当理解,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围。特别指出,对于本领域技术人员来说,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种电网侧储能经济性的评估方法,其特征在于,包括:
获取电网的运行数据,并对所述电网的运行数据进行预处理,获得预处理后的运行数据;
根据所述预处理后的数据,采用BP神经网络算法,建立电网侧传统业务利润的模型、电网侧隐性利润的模型和电网侧竞争性业务利润的模型;
根据所述电网侧传统业务利润的模型、电网侧隐性利润的模型和电网侧竞争性业务利润的模型,构建电网侧储能经济性的评估模型;
获取电网侧储能的相关数据,并将所述相关数据输入电网侧储能经济性的评估模型,得到电网侧储能经济性的评估结果。
2.根据权利要求根据权利要求1所述的电网侧储能经济性的评估方法,其特征在于,所述预处理,包括:剔除空值和坏值,其中,所述坏值是指不在预设范围的值。
3.根据权利要求1所述的电网侧储能经济性的评估方法,其特征在于,所述电网侧传统业务利润,包括:缓解电网阻塞的收益、降低网损的收益和调峰能力的收益,其中,所述缓解电网阻塞的收益,包括:增供电量收益和延缓电网投资收益。
4.根据权利要求1所述的电网侧储能经济性的评估方法,其特征在于,所述电网侧隐性利润,包括:电网侧储能产生支撑新能源消纳的收益和降低用户限电、提升供电的收益。
5.根据权利要求4所述的电网侧储能经济性的评估方法,其特征在于,所述电网侧储能产生支撑新能源消纳的收益,包括:
充电udisch(t)状态和放电uch(t)状态,其中udisch(t),uch(t)∈{0,1},其持续放电周期Tdur和Npulse的关系为:
钠硫电池内部的容量Ebat(t)随时间变化的表达式如下:
①充电状态时:
Ebat(t+1)=Ebat(t)+Px(t)×Δt×ηc
②放电状态时:
Ebat(t+1)=Ebat(t)-Px(t)×Δt×ηf
式中,ηc和ηf为钠硫电池的充电和放电效率,Px(t)为t时刻钠硫电站的调度出力,Δt表示充放电的时间,Ebat(t)、Ebat(t+1)分别为t、t+1时刻钠硫电池电站的能量状态。
7.根据权利要求1所述的电网侧储能经济性的评估方法,其特征在于,所述电网侧竞争性业务利润,包括:电力辅助市场收益和租赁共享储能装置收益。
8.根据权利要求7所述电网侧储能经济性的评估方法,其特征在于,所述电力辅助市场收益,包括:调峰收益、备用收益、二次调频收益和电网紧急调用收益。
9.一种电网侧储能经济性的评估系统,其特征在于,包括:数据处理模块、构建模块、评估模块和处理模块,其中,
所述数据处理模块,用于获取电网的运行数据,并对所述电网的运行数据进行预处理,获得预处理后的运行数据;
所述构建模块,根据所述预处理后的数据,采用BP神经网络算法,建立电网侧传统业务利润的模型、电网侧隐性利润的模型和电网侧竞争性业务利润的模型;
所述评估模块,用于根据所述电网侧传统业务利润的模型、电网侧隐性利润的模型和电网侧竞争性业务利润的模型,构建电网侧储能经济性的评估模型;
所述处理模块,用于获取电网侧储能的相关数据,并将所述相关数据输入电网侧储能经济性的评估模型,得到电网侧储能经济性的评估结果。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至8任一项所述的电网侧储能经济性的评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110582362.6A CN113344614A (zh) | 2021-05-26 | 2021-05-26 | 一种电网侧储能经济性的评估方法、系统和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110582362.6A CN113344614A (zh) | 2021-05-26 | 2021-05-26 | 一种电网侧储能经济性的评估方法、系统和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113344614A true CN113344614A (zh) | 2021-09-03 |
Family
ID=77471663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110582362.6A Pending CN113344614A (zh) | 2021-05-26 | 2021-05-26 | 一种电网侧储能经济性的评估方法、系统和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113344614A (zh) |
-
2021
- 2021-05-26 CN CN202110582362.6A patent/CN113344614A/zh active Pending
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 | |
CN109787261B (zh) | 电网侧及用户侧储能系统容量优化配置方法 | |
Yi et al. | Joint optimization of charging station and energy storage economic capacity based on the effect of alternative energy storage of electric vehicle | |
CN113095791A (zh) | 一种综合能源系统运行方法及系统 | |
CN113592133A (zh) | 一种能量枢纽优化配置方法及系统 | |
CN112671022A (zh) | 光储充电站容量优化配置方法、系统、终端及存储介质 | |
CN114971899A (zh) | 新能源参与下的日前、日内和实时市场电能交易优化方法 | |
CN112085394A (zh) | 一种计及需求侧响应的用户侧储能评估方法及系统 | |
CN114462884A (zh) | 储能代替性价值测算方法、系统、电子设备及存储介质 | |
Li et al. | A scheduling framework for VPP considering multiple uncertainties and flexible resources | |
CN112053253A (zh) | 一种基于博弈论的光储接入条件下的电网规划方法 | |
CN113570155A (zh) | 一种基于储能装置计及欺诈行为的多社区能源合作博弈管理模型 | |
CN111160767A (zh) | 一种综合能源服务效益评估方法 | |
CN114140176B (zh) | 一种负荷聚集平台的可调容量预测方法及装置 | |
CN111478326A (zh) | 基于无模型强化学习的综合能源能量优化方法及装置 | |
CN110929978A (zh) | 一种电力市场风险评估方法及评估系统 | |
CN113344614A (zh) | 一种电网侧储能经济性的评估方法、系统和存储介质 | |
CN115204944A (zh) | 一种计及全寿命周期的储能最优峰谷价差测算方法及装置 | |
CN116187019A (zh) | 一种考虑阶梯碳价的含风光储的虚拟电厂经济调度方法 | |
CN112865101B (zh) | 一种考虑可再生能源出力不确定性的线性化交易方法 | |
CN113361781A (zh) | 一种电网投资规模优化方法、系统、设备及存储介质 | |
CN113255957A (zh) | 综合服务站不确定因素的定量优化分析方法及系统 | |
CN112861376A (zh) | 一种基于单元调度模型的评估方法及装置 | |
CN113869927A (zh) | 一种促进社区微网内部多产消者能源共享的分时定价方法 | |
Abdollahi et al. | Energy Management of a Microgrid with Emission limitations under Uncertainty |
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: 20210903 |