CN113361781A - 一种电网投资规模优化方法、系统、设备及存储介质 - Google Patents
一种电网投资规模优化方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN113361781A CN113361781A CN202110643190.9A CN202110643190A CN113361781A CN 113361781 A CN113361781 A CN 113361781A CN 202110643190 A CN202110643190 A CN 202110643190A CN 113361781 A CN113361781 A CN 113361781A
- Authority
- CN
- China
- Prior art keywords
- cost
- energy storage
- investment
- life cycle
- power grid
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000005457 optimization Methods 0.000 title claims abstract description 27
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000004146 energy storage Methods 0.000 claims abstract description 161
- 238000012983 electrochemical energy storage Methods 0.000 claims abstract description 88
- 230000008901 benefit Effects 0.000 claims abstract description 66
- 238000012423 maintenance Methods 0.000 claims abstract description 24
- 238000011084 recovery Methods 0.000 claims abstract description 24
- 238000010276 construction Methods 0.000 claims abstract description 18
- 238000009434 installation Methods 0.000 claims abstract description 17
- 238000006243 chemical reaction Methods 0.000 claims abstract description 16
- 230000005611 electricity Effects 0.000 claims description 72
- 238000004364 calculation method Methods 0.000 claims description 35
- 230000004044 response Effects 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 230000014759 maintenance of location Effects 0.000 claims description 8
- 230000033228 biological regulation Effects 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 abstract description 25
- 230000008859 change Effects 0.000 description 12
- 238000011156 evaluation Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 8
- 238000009472 formulation Methods 0.000 description 6
- 239000000203 mixture Substances 0.000 description 6
- 238000007599 discharging Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000002354 daily effect Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 3
- 239000003245 coal Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007727 cost benefit analysis Methods 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 238000011234 economic evaluation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 231100000817 safety factor Toxicity 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000005266 casting Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000002407 reforming Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- VLPFTAMPNXLGLX-UHFFFAOYSA-N trioctanoin Chemical compound CCCCCCCC(=O)OCC(OC(=O)CCCCCCC)COC(=O)CCCCCCC VLPFTAMPNXLGLX-UHFFFAOYSA-N 0.000 description 1
- 238000010977 unit operation Methods 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
- 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
- G06Q10/0637—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
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电网投资规模优化方法、系统、设备及存储介质，该方法包括根据电化学储能系统成本、功率转换及控制设备成本、施工成本及安装调试成本计算项目的初始投资成本，然后结合财务费用、运行维护成本及回收残值，计算项目的全生命周期成本；计算不同投资主体下的系统全生命周期初始收益，结合全生命周期成本得到不同投资主体下的系统全生命周期综合收益；投资主体包括电源侧储能、电网侧储能及用户侧储能；按照系统全生命周期综合收益的大小为不同投资主体分配对应的投资权重，根据投资权重确定下一电网投资方案的规模。本发明提高了储能效益分析结果的准确性，为制定电网投资方案规模提供了科学指导，增强了方案的合理性及可实施性。
Description
技术领域
本发明涉及电网投资分析技术领域，具体涉及一种电网投资规模优化方法、系统、设备及存储介质。
背景技术
目前，在制定电网投资规模的工作中，电化学储能系统的经济性分析方法十分关键，其结果直接影响了投资规模建立的合理性及项目的可实施性。其中，在电化学储能系统的经济性分析工作中，常用的工具包括储能效益评估软件ESVT、储能经济测算λ和平准化成本LCOE的计算等。
然而，这些分析模型都有着自身的缺点。例如：储能效益评估软件ESVT评估不同使用案例下的储能成本效益，但是这种分析工具往往更适用于从财务层面上进行可行性分析，缺乏针对电化学储能系统经济性的整体分析；储能经济测算λ虽然使用简便易行，但是其通常不考虑土地成本、资金成本、设备运行过程中的容量损耗和设备寿命到期后的回收，在评估储能的成本效益过程中具有局限性；且该方法一般是针对用户侧储能用于在峰谷套利时的经济性评估法，无法进行储能在提供辅助服务等方面的成本效益分析；平准化成本LCOE虽考虑了时间价值影响下的储能成本，但并未考虑电化学储能系统的其他成本和系统的回收残值，进而导致计算结果无法保障。因此，由于现有的效益分析模型的的各种局限性，缺乏全面、客观的因素考量，往往导致效益分析结果不准确，进一步导致在制定电网投资规模时存在的不合理、可实施性差的问题。
发明内容
本发明的目的在于提供一种电网投资规模优化方法、系统、设备及存储介质，以解决现有技术下储能效益分析结果的不准确，进而导致在电网投资规模方案制定过程中存在的不合理、可实施性差的技术问题。
为了克服上述现有技术中的缺陷，本发明提供了一种电网投资规模优化方法，包括：
根据电化学储能系统成本、功率转换及控制设备成本、施工成本及安装调试成本计算项目的初始投资成本；
根据项目的初始投资成本、财务费用、运行维护成本及回收残值，计算项目的全生命周期成本；
计算不同投资主体下的系统全生命周期初始收益，结合所述全生命周期成本得到所述不同投资主体下的系统全生命周期综合收益；所述投资主体包括电源侧储能、电网侧储能及用户侧储能下的投资主体；
按照所述系统全生命周期综合收益的大小为不同投资主体分配对应的投资权重，根据所述投资权重确定下一电网投资方案的规模。
进一步地，所述按照所述系统全生命周期综合收益的大小为不同投资主体分配对应的投资权重，包括：
按照所述系统全生命周期综合收益的比例，等比例的为不同投资主体分配投资权重。
进一步地，所述电源侧储能的系统全生命周期初始收益，包括火电厂配置储能收益及系能源配置储能收益；
所述电网侧储能的系统全生命周期初始收益，包括延缓输配电投资收益、增加供电量收益、减少网络损耗收益、参与调峰平衡收益及安稳措施替代收益；
所述用户侧储能的系统全生命周期初始收益，包括需求侧响应，容量电费回收收益。
进一步地，所述系统全生命周期综合收益的计算模型为：
式中，Rsys为电化学储能系统生命周期内的总收益；Rt为电化学储能系统运行第t年产生的收益；Ct为电化学储能系统运行第t年所需的运行成本；IC0为电化学储能系统初始投资成本；DC为电化学储能系统回收残值；N为电化学储能系统运行寿命年限。
进一步地，所述电化学储能系统成本包括电化学储能系统的能量成本及功率成本；所述运行维护成本包括人工费用、检修维护费用、设备更换费用及折旧费。
进一步地，所述电网投资规模优化方法，还包括：
利用电化学储能系统的循环寿命、放电深度、能量转换效率及容量保持率，计算全生命周期总处理电量；
根据所述全生命周期成本及全生命周期总处理电量，计算电化学储能系统的全生命周期度电成本；
判断所述全生命周期度电成本是否满足预设条件；若是，则确定电网投资方案规模可行，若否，则确定电网投资方案规模不可行。
进一步地，计算所述全生命周期总处理电量采用的模型为：
Eout＝n·DOD·η·ζ
式中，DOD为电化学储能系统放电深度，％；n为电化学储能系统在设计DOD下的循环寿命，次；η为电化学储能系统能量效率，％；ζ为电化学储能系统每次循环的等效容量保持率，％；
计算所述全生命周期度电成本采用的模型为：
式中，LCOEsys为全生命周期度电成本，IC0为项目的初始投资成本，FC为项目的财务费用，OMC为电化学储能系统的运行维护成本，DC为电化学储能系统的回收残值，Eout为电化学储能系统的全生命周期总处理电量。
本发明还提供了一种电网投资规模优化系统，包括：
初始投资成本计算单元，用于根据电化学储能系统成本、功率转换及控制设备成本、施工成本及安装调试成本计算项目的初始投资成本；
全生命周期成本计算单元，用于根据项目的初始投资成本、财务费用、运行维护成本及回收残值，计算项目的全生命周期成本；
综合收益计算单元，用于计算不同投资主体下的系统全生命周期初始收益，结合所述全生命周期成本得到所述不同投资主体下的系统全生命周期综合收益；所述投资主体包括电源侧储能、电网侧储能及用户侧储能下的投资主体；
投资方案规模确定单元，用于按照所述系统全生命周期综合收益的大小为不同投资主体分配对应的投资权重，根据所述投资权重确定下一电网投资方案的规模。
本发明还提供了一种终端设备，包括：
处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序；
所述处理器执行所述计算机程序时实现如上任一项所述的电网投资规模优化方法。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任一项所述的电网投资规模优化方法。
相对于现有技术，本发明的有益效果在于：
本发明公开的电网投资规模优化方法包括：根据电化学储能系统成本、功率转换及控制设备成本、施工成本及安装调试成本计算项目的初始投资成本，然后结合财务费用、运行维护成本及回收残值，计算项目的全生命周期成本；计算不同投资主体下的系统全生命周期初始收益，结合全生命周期成本得到不同投资主体下的系统全生命周期综合收益；投资主体包括电源侧储能、电网侧储能及用户侧储能；按照系统全生命周期综合收益的大小为不同投资主体分配对应的投资权重，根据投资权重确定下一电网投资方案的规模。本发明从全生命周期角度及项目不同阶段给出了不同的计算模型，克服了现有效益评估工具存在的局限性强、分析不全面的缺点，提高了储能效益分析结果的准确性，为电网投资方案规模提供了科学指导；通过不同利益主体的收益分析为投资方案分配不同权重，增强了电网投资方案规模制定的合理性及可实施性。
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电网投资规模优化方法的流程示意图；
图2是本发明某一实施例提供的储能收益计算的总体架构图；
图3是本发明某一实施例提供的电网投资规模优化系统的结构示意图；
图4是本发明某一实施例提供的终端设备的结构示意图。
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。
请参阅图1，本发明某一实施例提供了一种电网投资规模优化方法，包括：
S10、根据电化学储能系统成本、功率转换及控制设备成本、施工成本及安装调试成本计算项目的初始投资成本；
S20、根据项目的初始投资成本、财务费用、运行维护成本及回收残值，计算项目的全生命周期成本；
S30、计算不同投资主体下的系统全生命周期初始收益，结合所述全生命周期成本得到所述不同投资主体下的系统全生命周期综合收益；所述投资主体包括电源侧储能、电网侧储能及用户侧储能下的投资主体；
S40、按照所述系统全生命周期综合收益的大小为不同投资主体分配对应的投资权重，根据所述投资权重确定下一电网投资方案的规模。
首先需要说明的是，鉴于经济性对于储能发展的影响，以及对投资方案规模制定的重要作用，国内外已经开展了储能经济性的相关研究工作，其中主要涉及储能应用的收益测算方法和储能的价值评估方法，并且目前在储能经济性分析方面已形成了几个典型的评价工具，主要包括储能效益评估软件ESVT、储能经济测算λ和平准化成本LCOE的计算等；下面对这三种模型进行如下说明：
1)储能效益评估软件ESVT：
美国电力研究协会、加州公共事业委员会、加州能源委员会等在合作的基础上针对储能效益开发了评估软件ESVT，这个工具可以评估不同使用案例下的储能成本效益。通过使用ESVT的用户界面，用户根据指导完成必要的步骤，输入储能技术模型的相应数据。ESVT计算储能应用案例的价值，综合考虑了电力系统的全部流程，包括系统和市场、输电、配电和客户服务。ESVT也建立了包括多种电池技术、压缩空气储能和抽水蓄能在内的很多预加载储能技术的模型和燃气机组运行的模型，对比研究不同存储技术的成本和性能。其中，所有的技术参数可以定制化输入，以便最大程度地匹配用户的模型特点和成本和性能期望。其中，ESVT的输出结果包括财务数据，如净现值(NPV)、财务预估报表和仿真技术结果(如周期寿命数据)。此外，一些特定的指标也可以通过它得到，例如每个服务项目的年收入和小时调度结果等。其要求输入数据详实，一般更适用于从财务层面上进行具体的可行性分析，缺乏电化学储能系统的全生命周期综合经济性的整体分析。
2)储能经济测算λ：
储能经济测算指数λ的计算式如下：
储能装置的运行利润率为：
Pm＝(λ-1)×100％ (2)
式中，λ为1代表收支平衡，数值越高说明经济性越好；Cout是储能装置向电网售出的电价；Cin为储能装置向电网购买电的成本，或自备分布式电厂的发电成本；η为储能装置的能量效率；C为每千瓦时储能输出的初始投资，也可以用总投资除以能量释放最大值得出；L为储能装置的循环寿命；hDOD为储能装置的充放深度值(电池充、放电量与电池额定容量的百分比，DOD)；Cmain为每千瓦时储能输出对应的运行维护成本。式中分子项可以定义为每千瓦时套利循环的“单循环收益”，而分母项可以定义为每千瓦时套利循环的“单循环成本”。λ的大小能判定储能是否获利的标准，当λ>1时，Pm>0，储能企业盈利，λ越大，利润率越高。这种计算方式虽然简便易行，但是未考虑土地成本、资金成本、设备运行过程中的容量损耗和设备寿命到期后的回收，在评估储能的成本效益过程中具有局限性，计算一般是针对用户侧储能用于在峰谷套利时的经济性评估法，无法进行储能在提供辅助服务等方面的成本效益分析。
3)基于平准化成本的储能经济测算模型：
平准化度电成本(LCOE)，就是对项目生命周期内的成本和发电量进行平准化后计算得到的发电成本，即生命周期内的成本现值/生命周期内发电量现值。LCOE是目前国际上通用的评价度电成本，是衡量发电厂在其生命周期内平均发电成本净现值的指标。其表示在假定的财务寿命和工作周期内，收回建造和运营发电厂的成本所需的每单位发电量的平均收入。其概念表达式为：
式中：Csum为生命周期内的电化学储能系统总成本；Esum为生命周期内储能系总发电量；It为第t年的投资支出的初始成本；Mt为第t年的维修及营运开支；Ft为第t年的燃料或其他相关边际成本开支；Et为第t年的所有发电量的总和；r为项目的贴现率；n为系统的生命周期。该模型虽考虑了时间价值影响下的储能成本，但并未考虑电化学储能系统服役年限内产生的财务税收成本以及系统回收残值，这些均会直接影响其度电成本。且该模型只提出了电化学储能系统的度电成本，未对系统产生的效益进行建模，缺乏系统全生命周期内的综合效益分析。
根据上述三种模型公开的内容可知，其经济性难以准确评估，储能项目的收益得不到经济上的体现，导致其大规模推广应用受到制约。因此在本发明实施例中优先提供一种电网投资规模优化方法，从全生命周期，考虑多种因素对收益的影响进行经济分析。
具体地，在步骤S10中，首先计算项目的初始投资成本。
在某一具体实施方式中，初始投资成本IC0主要由4部分构成：电化学储能系统成本、功率转换及控制设备成本、施工成本、安装调试成本。其中，
电化学储能系统成本Csys：包括电化学储能系统的材料成本和制造成本。根据容量型储能和功率型储能，可分别采用电化学储能系统能量成本Csys-e和电化学储能系统功率成本Csys-p来评价。
功率转换及控制设备成本Cpcs：指电化学储能电站功率转换器(含软件)的成本，计算如下：
Cpcs-e＝λP/ECpcs-p (4)
式中，Cpcs-e为容量型储能功率转换成本；Cpcs-p为功率型储能功率转换成本；λP/E为电化学储能系统额定功率与额定容量的比值。
施工成本Cbop：主要包括储能电站的设计、施工和改建成本，计算如下：
Cbop-e＝λbopCsys-e (5)
Cbop-p＝λbopCsys-p (6)
式中，Cbop-e为容量型储能施工成本；Cbop-p为功率型储能施工成本；λbop为施工成本与电化学储能系统成本的比值。其中，施工成本与电化学储能系统成本比值约为3％～10％(抽水蓄能比较特殊，其土建成本包含在系统成本中)。电化学储能技术中，液流电池的土建成本要高一些，其他电化学储能电站的土建成本比较接近。
安装调试成本Cins：指储能装置在建设完成之后需要进行并网安装及相关性能调试产生的安装调试成本。依据不同的安装区域、时间、储能容量大小及相关政策，此项费用波动较大。
最后综合上述4种构成成本，可得到初始投资成本计算模型：
IC0＝Csys+Cpcs+Cbop+Cins (7)
式中，Csys电化学储能系统成本；Cpcs为功率转换及控制设备成本，元；Cbop为施工成本；Cins为安装调试成本。
进一步地，在步骤S20中，利用步骤S10计算出的初始投资成本，再结合财务费用、运行维护成本及回收残值，计算项目的全生命周期成本；其中，
财务费用：指项目建设期间发生的长期贷款以及项目运营期内发生的流动资金贷款所形成的利息支出，计算模型如下：
式中，FC为电化学储能系统服役期间产生的总财务费用；FCt为第t年电化学储能系统产生的财务费用；i为贴现率；N为储能电站寿命。
运行维护成本：主要包括保障储能电站在服役期间正常运行需要投入的人工费用、检修维护费、零部件更换费以及部分储能器件的重置费用、折旧费，计算模型如下：
式中，OMC为电化学储能系统服役期间产生的总充电成本；OCt为第t年电化学储能系统产生的运行成本；MCt为第t年电化学储能系统产生的维护成本；i为贴现率；N为储能电站寿命。
回收残值：指储能电站服役结束后除去处置成本的剩余价值，如储能电站中的金属材料和部分器件等具有回收再利用价值，计算模型如下：
式中，DC为电化学储能系统退役时的回收残值；D为未考虑贴现率前的回收残值；i为贴现率；N为储能电站寿命。
进一步地，在步骤S30中，需要说明的是，系统全生命周期综合收益的计算模型为：
式中，Rsys为电化学储能系统生命周期内的总收益；Rt为电化学储能系统运行第t年产生的收益；Ct为电化学储能系统运行第t年所需的运行成本；IC0为电化学储能系统初始投资成本；D为电化学储能系统回收残值；N为电化学储能系统运行寿命年限。
进一步地，在不同投资主体下计算对应的收益，包括：
1)电源侧储能：电源侧投资的储能，目前主要包括火电厂配置储能参与二次调频辅助服务以及新能源配置储能。
1.1)火电厂配置储能
对于火电厂配置储能参与二次调频服务，目前投资主要由各发电厂及用户承担，电厂可从中获取的效益主要为二次调频服务，利于本电厂获得AGC竞争的优势和补偿效益，可由下式进行计算：
式中：RH为储能系统的调频效益；b1i为第i台调频火电机组启停时煤炭的消耗率；ni为第i台火电机组每天启动次数；b2i为第i台机组进行调频耗煤量；Ti为第i台机组参与调频的总时间；Ni为第i台机组的机组容量；V为储能系统容量；η为储能系统的效率；nH为储能系统日启动次数；Cps为当前市场电价；Cm为当前市场的煤炭价格。
1.2)新能源配置储能
对于新能源配置储能，电厂可从中获取的效益如下：新能源具备一次调频基本能力，满足并网基本条件，降低各种原因导致的弃风弃光，获得收益；降低波动和出力预测考核费用；提供保证容量，可获得备用收益；参与调峰，应该可以获得调峰收益。
从现有的政策可以发现，目前的新能源配置储能，能发挥的效益主要包括通过储能调节降低出力波动和预测考核费用，通过储能转移电量减少新能源弃电风险和弃电量，利用储能的快速有功支撑能力降低新能源一次调频考核和向上备用限出力费用。这几块费用构成了新能源配置储能目前主要的收益。即：
RW＝RA+RB+RC+RD (13)
式中：RW为新能源配置储能系统后的总收益；RA为降低出力波动考核费用；RB为降低出力预测考核费用；RC为减少弃电量产生的效益；RD为降低一次调频考核费用。
在某一具体实施方式中，以风电场配置储能为例进行上式中各部分收益计算说明：
a)降低出力波动考核费用RA
风电场应按规定配置有功功率控制系统，按有关要求控制有功功率变化值(含正常停机过程)。风电场装机容量在30～150MW(含)时，10分钟有功功率变化最大限值为该风电场装机容量的1/3，1分钟有功功率变化最大限值为该风电场装机容量的1/10；风电场装机容量大于150MW时，10分钟有功功率变化最大限值为50MW，1分钟有功功率变化最大限值为15MW。
风电场有功功率变化按日进行考核，取10分钟内每分钟功率变化差的平均值计算考核量，滚动计算，此项按日进行考核。变化率超出限值按以下公式计算考核电量W功率变化率：
式中：Pi为第i分钟的功率变化值，Plim为功率变化极限值。
进一步得到风电场配置储能后，降低出力波动考核费用RA计算如下：
RA＝W功率变化率×C (15)
式中：C为当前市场电价。
b)降低出力预测考核费用RB
风电场日预报准确率低于75％的，按以下公式考核。风电场日预报准确率按日进行统计、考核。
W日准确率＝(75％-日准确率)×Cap×1(小时) (17)
式中：W日准确率为日准确率考核电量；PMii为时刻的实际功率；Ppi为i时刻的日预报值；Cap为风电场总装机容量；n＝96，为样本个数。
进一步得到风电场配置储能后，降低出力预测考核费用RB计算如下：
RB＝W日准确率×C (18)
c)减少弃电量产生的效益RC
在全国风电和光伏弃电较为常见，国家电网经过努力，将新能源弃电率控制在5％以内。
RC＝ΔW减少弃电×C (19)
式中：ΔW减少弃电为风电场配置储能后减少的弃电量。
d)降低一次调频考核费用RD：该费用为直接取值。
2)电网侧储能
电源侧投资的储能，主要应用于供电和削峰填谷、参与一次调频、参与AGC调频服务等，可通过增加供电量、减少网损、减少购电成本及替代效益发挥其经济效益及安全效益。
电网可从中获取得效益为：①若存在供电阻塞，通过投资储能延缓输配电设施投资，获得延缓投资的财务效益；②若电网总装机容量不足，电网侧储能可参与对最大负荷的供电，增加供电量，获得增供电量效益；③通过减少网络损耗或供电损耗，降低电网电量损失；④参与调峰平衡，替代高价调峰电源，减少购电成本，同时可避免电网采取负荷侧措施(如限制负荷曲线较平的大工业用户用电)，获得增供电量效益；⑤电网暂态安全因素，如支撑频率稳定而采取的一次调频，支撑局部电压稳定而采取的储能紧急调用，保证电网安全运行，获得采取其他类似措施的替代效益。其中，供电企业的利润公式一般可表达为：
式中：V为电网公司购售电利润；Qs为总售电量；ps为平均售电电价；pb为平均购电电价；η为线损率；Cf为供电企业投资成本和其他恒定成本。
2.1)电网供电阻塞，通过建设储能延缓输配电设施获取延缓电网投资收益
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。
其中，Ce的详细计算方法如下：
Ce＝Pinfeinf (23)
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。
需要说明的是，在实际计算中，可能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，因此总增长效益可以用下式表达：
ΔV＝ΔCs-Csto-Vsto+Vdef (24)
2.2)若电网总装机容量不足，电网侧储能可参与对最大负荷的供电，增加供电量，获得增供电量效益
如果存在电网总装机容量不足，电网增加或改造现有输配电设施需要周期较长或代价过大，或新建电源短期难以实现，而阻塞的容量相对较小，可以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：
则利润的变化为：
式中：ΔQs为增加的供电量；Vsto为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，计算如下：
Csto＝psto×Qsto (27)
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。
进一步地，
为增供电量效益ΔCs，具体计算方法如下：
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。
2.3)通过减少网络损耗或供电损耗，降低电网电量损失获得间接收益；
将储能系统接入配网，通过优化系统潮流分布来降低网损。在用电低谷时作为负荷储存电能，在用电高峰时作为电源释放电能，变相削峰填谷，以降低荷峰时线路上的电流，降低较大的网损。网损降低对利润的影响可以用下式表示：
式中：Δη为减少的网损率，由于Δη，使得V”>V，利润增加，增加部分为：
ΔV”＝V”-V (32)
下面将用算法说明ΔV”的计算方式。
其中，网损的计算式可确定为：
式中：ΔP,ΔP'分别为安装储能电池系统前后的网损；IH,IL分别为用电高峰和低谷时的电流大小；RH,RL分别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分别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：
为负荷功率因数；PL，PH为用电低谷和高峰时的功率；u为电压；ΔPL，ΔPH为储能电池在用电低谷和高峰时的充放电功率。
由于储能系统具有4象限运行特性，充放电可以维持负荷的功率因数基本不变，因此可假定功率因数
保持不变。下面从大电网、局部用户评估两方面进行评估。
第一，对于大电网来说，低谷和高峰时的电价是近似相同的，安装储能装置前后网损的花费可确定为：
式中：e为低谷和高峰时的近似电价。
第二，对于局部具体用户来说，低谷和高峰时的电价是不同的，安装储能装置前后网损的花费可确定为：
式中：eL，eH为低谷和高峰时的电价。
在两种评估方法下，可得采用储能装置后在降低网损方面的经济效益ΔV”为：
ΔV”＝W-W' (37)
2.4)参与调峰平衡，替代高价调峰电源，减少购电成本，同时可避免电网采取负荷侧措施(如限制负荷曲线较平的大工业用户用电)，获得增供电量效益。
如果电网公司降低用户侧限电的频率，供电量增加，那么电网运营利润也随之增加，同时电网的供电可靠性也能得到提升。降低用户侧限电对电网公司利润的影响可以用下式表示：
V'＝(Qb+ΔQb)[ps(1-η)-pb]-Cf (38)
式中：ΔQb为用户侧限电减少后增加的供电量。
2.5)电网暂态安全因素，如支撑频率稳定而采取的一次调频，支撑局部电压稳定而采取的储能紧急调用，保证电网安全运行，获得采取其他类似措施的替代效益。
需要说明的是，电网为了系统安全运行，采取的维稳措施，如支撑频率稳定而采取的一次调频，支撑局部电压稳定而采用的无功补偿器件，都会产生一定的费用，而安装电网侧储能，不仅可以使电网获得了更高的安全水平，同时也可以一定程度上替代先前的维稳措施，减少一定的开支。
3)用户侧储能
用户侧投资的储能，主要应用场景包括：工商业用户装设储能来节省电费开支，微网和重要用户装设储能来提高局部电网供电可靠性，分布式新能源配套储能来提供需求侧响应。给用户带来的经济效益为：提供需求侧响应，通过容量电费回收效益。
3.1)提供需求侧响应，通过容量电费回收效益
根据容量市场机制，需求侧响应资源可以在容量市场中与发电资源共同竞争，以容量市场出清价格进行结算。用户在参与容量市场计划并签订合同后需要在容量交付年限提供相应的容量备用，否则将要支付罚金。从用户对主能量市场实时电价进行响应后，利用储能充放电实现最优化用电，储能作为用户侧的快速响应资源可参与容量市场。
a)储能全寿命周期内，用户通过需求响应和储能的运行实现用电费用的减少，包括两个方面：①日时间尺度下用户电量电费的减少；②月时间尺度下用户容量电费的减少。即：
式中：Ce为用户通过需求响应和储能的运行减少的用电费用；Cd为日时间尺度下减少的用户电量电费；Cr为月时间尺度下减少的用户容量电费；cd(t,n)为用户第t年n天减少的电量电费；cr(t,m)为用户第t年m月减少的电量电费；ir为贴现率；dr为通货膨胀；M为运行月数；N为年运行天数；T为储能系统寿命。
b)储能全生命周期内，用户通过需求响应和储能参与容量市场，执行容量合同计划获得的净收益Ccm计算如下：
式中：P(t,n)为用户第t年n天执行合同要求削减相应负荷后获得收益；H(t,n)为用户第t年n天未按合同要求的响应负荷电量进行削减需支付的总罚金。
P(t,n)可由用户一天内的实时响应电量及补贴价格计算得到：
式中：A(i)为第i时刻每小时削减单位负荷获得的激励补贴价格；l0(i)和l(i)分别为第i时刻每小时用户根据实时电价响应前后的用电负荷。
其中，H(t,n)可由用户一天内未按照合同进行响应的电量及单位负荷需支付罚金计算得到：
式中：lIC(i)为合同要求第i时刻每小时进行响应的负荷电量；h(i)第i时刻未响应的单位负荷电量需支付的罚金。
综上所述，用户侧提供需求侧响应，通过容量电费的总收益Cs为：
Cs＝Ce+Ccm (43)
进一步地，在步骤S30中，以不同的投资主体计算出了对应的效益，在步骤S40中按照收益大小的比例，等比例的为其分配权重，组成新的投资方案，例如，计算出的收益比为：电源侧收益：电网侧收益：用户侧收益＝4:3:3，则对应的权重也为电源侧权重：电网侧权重：用户侧权重＝4:3:3，然后按照权重和投资成本，制定下一轮的投资方案规模。
本发明实施例提供的优化方法，从全生命周期角度及项目不同阶段给出了不同的计算模型，克服了现有效益评估工具存在的局限性强、分析不全面的缺点，提高了储能效益分析结果的准确性，为电网投资方案规模提供了科学指导；通过不同利益主体的收益分析为投资方案分配不同权重，增强了电网投资方案规模制定的合理性及可实施性。
在某一具体实施例中，所述电网投资规模优化方法，还包括：
利用电化学储能系统的循环寿命、放电深度、能量转换效率及容量保持率，计算全生命周期总处理电量；
根据所述全生命周期成本及全生命周期总处理电量，计算电化学储能系统的全生命周期度电成本；
判断所述全生命周期度电成本是否满足预设条件；若是，则确定电网投资方案规模可行，若否，则确定电网投资方案规模不可行。
在本实施例中，需要说明的是，度电成本能够为后续的投资方案规模制定的合理性给予有效评估，根据度电成本是否满足预设条件来判断投资方案是否合理。
具体地，如图2所示，首先计算出全生命周期总处理电量：电化学储能系统全生命周期总处理电量与系统充放电深度、能量转换效率、系统容量保持率及循环次数等技术参数强相关，计算模型如下：
Eout＝n·DOD·η·ζ (44)
式中，DOD为电化学储能系统放电深度，％；n为电化学储能系统在设计DOD下的循环寿命，次；η为电化学储能系统能量效率，％；ζ为电化学储能系统每次循环的等效容量保持率，％。
其中对于电化学储能系统，考虑系统随时间的容量损耗，ζ可由下式计算：
式中，ε为系统寿命终止时的容量保持率；x为系统当前的循环次数变量。
其中，对于物理储能，以上各参数说明如下：
(1)DOD：设为100％；
(2)n＝使用寿命(年)×365×每天运行次数(次)×年运行比例(％)；
(3)物理电化学储能系统随时间的容量损耗非常小，ζ设为1。
进一步地，根据度电成本定义，综合电化学储能系统全生命周期成本及总处理电量，最终得出电化学储能系统的度电成本LCOEsys计算模型如下：
式中，LCOEsys为全生命周期度电成本，IC0为项目的初始投资成本，FC为项目的财务费用，OMC为电化学储能系统的运行维护成本，DC为电化学储能系统的回收残值，Eout为电化学储能系统的全生命周期总处理电量。
最后看计算出的度电成本是否满足预设条件，预设条件可以是：当度电成本小于0.4元/每度，则认为投资方案可行；否则为不可行。需要说明的是，预设条件可以根据实际电网经济分析时灵活设置，在此不作任何限定。
在某一个具体地实施方式中，所述电网投资规模优化方法，还包括：
计算项目的内部收益率，并根据所述内部收益率及判断标准判断投资方案的可行性；其中，所述判断标准为：
当所述内部收益率大于或等于基准折现率时，则项目可行；
当所述内部收益率小于基准折现率时，则项目不可行。
如图2所示，在本实施例中是，内部收益率IRR是指使得项目计算期内各年净现金流量的现值累计值等于0时的收益率。该指标是投资者在分析具体投资方案时了解其投资收益水平需关注的一项重要指标，其计算模型如下：
式中，NPV(IRR)为内部收益率IRR下的净现金流量现值累计值；CIt为第t年的现金流入额；COt为第t年的现金流出额；N为项目全寿命周期。
其中，设基准折现率为i0，IRR的判断准则为：若IRR≥i0，则项目投资方案可行；若IRR≤i0，则项目投资方案不可行。通过计算项目内部收益率，可以对项目投资方案规模的可行性进行及时评估，进而优化投资方案规模的制定。
请参阅图3，本发明某一实施例还提供了一种电网投资规模优化系统，包括：
初始投资成本计算单元01，用于根据电化学储能系统成本、功率转换及控制设备成本、施工成本及安装调试成本计算项目的初始投资成本；
全生命周期成本计算单元02，用于根据项目的初始投资成本、财务费用、运行维护成本及回收残值，计算项目的全生命周期成本；
综合收益计算单元03，用于计算不同投资主体下的系统全生命周期初始收益，结合所述全生命周期成本得到所述不同投资主体下的系统全生命周期综合收益；所述投资主体包括电源侧储能、电网侧储能及用户侧储能下的投资主体；
投资方案规模确定单元04，用于按照所述系统全生命周期综合收益的大小为不同投资主体分配对应的投资权重，根据所述投资权重确定下一电网投资方案的规模。
本发明实施例提供的优化系统，从全生命周期角度及项目不同阶段给出了不同的计算模型，克服了现有效益评估工具存在的局限性强、分析不全面的缺点，提高了储能效益分析结果的准确性，为电网投资方案规模提供了科学指导；通过不同利益主体的收益分析为投资方案分配不同权重，增强了电网投资方案规模制定的合理性及可实施性。
本发明某一实施例还提供了一种终端设备，包括：
处理器、存储器和总线；
所述总线，用于连接所述处理器和所述存储器；
所述存储器，用于存储操作指令；
所述处理器，用于通过调用所述操作指令，可执行指令使处理器执行如本申请上述任一项实施例中所示的电网投资规模优化方法对应的操作。
在一个可选实施例中提供了一种终端设备，如图4所示，图4所示的终端设备包括：处理器001和存储器003。其中，处理器001和存储器003相连，如通过总线002相连。可选地，终端设备还可以包括收发器004。需要说明的是，实际应用中收发器004不限于一个，该终端设备的结构并不构成对本申请实施例的限定。
处理器001可以是CPU，通用处理器，DSP，ASIC，FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线002可包括一通路，在上述组件之间传送信息。总线002可以是PCI总线或EISA总线等。总线002可以分为地址总线、数据总线、控制总线等。为便于表示，图4中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器003可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。
存储器003用于存储执行本申请方案的应用程序代码，并由处理器001来控制执行。处理器001用于执行存储器003中存储的应用程序代码，以实现前述任一方法实施例所示的内容。
其中，终端设备包括但不限于：移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。
本发明某一实施例还提供了一种包括程序指令的计算机可读存储介质，该程序指令被处理器执行时实现如上述任一项实施例所述的电网投资规模优化方法的步骤。例如，该计算机可读存储介质可以为上述包括程序指令的存储器，上述程序指令可由终端设备的处理器执行以完成如上述任一项实施例所述的电网投资规模优化方法，并达到如上述方法一致的技术效果。
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)
1.一种电网投资规模优化方法，其特征在于，包括：
根据电化学储能系统成本、功率转换及控制设备成本、施工成本及安装调试成本计算项目的初始投资成本；
根据项目的初始投资成本、财务费用、运行维护成本及回收残值，计算项目的全生命周期成本；
计算不同投资主体下的系统全生命周期初始收益，结合所述全生命周期成本得到所述不同投资主体下的系统全生命周期综合收益；所述投资主体包括电源侧储能、电网侧储能及用户侧储能下的投资主体；
按照所述系统全生命周期综合收益的大小为不同投资主体分配对应的投资权重，根据所述投资权重确定下一电网投资方案的规模。
2.根据权利要求1所述的电网投资规模优化方法，其特征在于，所述按照所述系统全生命周期综合收益的大小为不同投资主体分配对应的投资权重，包括：
按照所述系统全生命周期综合收益的比例，等比例的为不同投资主体分配投资权重。
3.根据权利要求1所述的电网投资规模优化方法，其特征在于，
所述电源侧储能的系统全生命周期初始收益，包括火电厂配置储能收益及系能源配置储能收益；
所述电网侧储能的系统全生命周期初始收益，包括延缓输配电投资收益、增加供电量收益、减少网络损耗收益、参与调峰平衡收益及安稳措施替代收益；
所述用户侧储能的系统全生命周期初始收益，包括需求侧响应，容量电费回收收益。
4.根据权利要求1所述的电网投资规模优化方法，其特征在于，所述系统全生命周期综合收益的计算模型为：
式中，Rsys为电化学储能系统生命周期内的总收益；Rt为电化学储能系统运行第t年产生的收益；Ct为电化学储能系统运行第t年所需的运行成本；IC0为电化学储能系统初始投资成本；DC为电化学储能系统回收残值；N为电化学储能系统运行寿命年限。
5.根据权利要求1所述的电网投资规模优化方法，其特征在于，所述电化学储能系统成本包括电化学储能系统的能量成本及功率成本；所述运行维护成本包括人工费用、检修维护费用、设备更换费用及折旧费。
6.根据权利要求1所述的电网投资规模优化方法，其特征在于，还包括：
利用电化学储能系统的循环寿命、放电深度、能量转换效率及容量保持率，计算全生命周期总处理电量；
根据所述全生命周期成本及全生命周期总处理电量，计算电化学储能系统的全生命周期度电成本；
判断所述全生命周期度电成本是否满足预设条件；若是，则确定电网投资方案规模可行，若否，则确定电网投资方案规模不可行。
7.根据权利要求6所述的电网投资规模优化方法，其特征在于，计算所述全生命周期总处理电量采用的模型为：
Eout＝n·DOD·η·ζ
式中，DOD为电化学储能系统放电深度，％；n为电化学储能系统在设计DOD下的循环寿命，次；η为电化学储能系统能量效率，％；ζ为电化学储能系统每次循环的等效容量保持率，％；
计算所述全生命周期度电成本采用的模型为：
式中，LCOEsys为全生命周期度电成本，IC0为项目的初始投资成本，FC为项目的财务费用，OMC为电化学储能系统的运行维护成本，DC为电化学储能系统的回收残值，Eout为电化学储能系统的全生命周期总处理电量。
8.一种电网投资规模优化系统，其特征在于，包括：
初始投资成本计算单元，用于根据电化学储能系统成本、功率转换及控制设备成本、施工成本及安装调试成本计算项目的初始投资成本；
全生命周期成本计算单元，用于根据项目的初始投资成本、财务费用、运行维护成本及回收残值，计算项目的全生命周期成本；
综合收益计算单元，用于计算不同投资主体下的系统全生命周期初始收益，结合所述全生命周期成本得到所述不同投资主体下的系统全生命周期综合收益；所述投资主体包括电源侧储能、电网侧储能及用户侧储能下的投资主体；
投资方案规模确定单元，用于按照所述系统全生命周期综合收益的大小为不同投资主体分配对应的投资权重，根据所述投资权重确定下一电网投资方案的规模。
9.一种终端设备，其特征在于，包括：
处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序；
所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的电网投资规模优化方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至7中任一项所述的电网投资规模优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110643190.9A CN113361781B (zh) | 2021-06-09 | 2021-06-09 | 一种电网投资规模优化方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110643190.9A CN113361781B (zh) | 2021-06-09 | 2021-06-09 | 一种电网投资规模优化方法、系统、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113361781A true CN113361781A (zh) | 2021-09-07 |
| CN113361781B CN113361781B (zh) | 2023-04-28 |
Family
ID=77533364
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110643190.9A Active CN113361781B (zh) | 2021-06-09 | 2021-06-09 | 一种电网投资规模优化方法、系统、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113361781B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114282815A (zh) * | 2021-12-24 | 2022-04-05 | 中国电力工程顾问集团西北电力设计院有限公司 | 确定储能电站容量和布局的分析方法、系统、设备及存储介质 |
| CN114819335A (zh) * | 2022-04-24 | 2022-07-29 | 山东电力工程咨询院有限公司 | 一种可再生能源耦合抽水蓄能系统的能源优化方法及系统 |
| CN116415799A (zh) * | 2023-06-06 | 2023-07-11 | 南方电网调峰调频发电有限公司储能科研院 | 一种储能规模与结构的规划方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102800032A (zh) * | 2012-07-13 | 2012-11-28 | 中国电力科学研究院 | 一种可再生能源分布式发电运营模式的成本效益分析方法 |
| WO2016142838A2 (en) * | 2015-03-06 | 2016-09-15 | Ecole Polytechnique Federale De Lausanne (Epfl) | High voltage x-ray power supply system with dual energy storage system |
| CN110348768A (zh) * | 2019-08-23 | 2019-10-18 | 国网四川省电力公司经济技术研究院 | 考虑全寿命周期效益的分布式储能投资规划模型构建方法 |
| CN110633854A (zh) * | 2019-09-16 | 2019-12-31 | 长沙理工大学 | 一种考虑储能电池多重分段服务全生命周期优化规划方法 |
-
2021
- 2021-06-09 CN CN202110643190.9A patent/CN113361781B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102800032A (zh) * | 2012-07-13 | 2012-11-28 | 中国电力科学研究院 | 一种可再生能源分布式发电运营模式的成本效益分析方法 |
| WO2016142838A2 (en) * | 2015-03-06 | 2016-09-15 | Ecole Polytechnique Federale De Lausanne (Epfl) | High voltage x-ray power supply system with dual energy storage system |
| CN110348768A (zh) * | 2019-08-23 | 2019-10-18 | 国网四川省电力公司经济技术研究院 | 考虑全寿命周期效益的分布式储能投资规划模型构建方法 |
| CN110633854A (zh) * | 2019-09-16 | 2019-12-31 | 长沙理工大学 | 一种考虑储能电池多重分段服务全生命周期优化规划方法 |
Non-Patent Citations (2)
| Title |
|---|
| 潘福荣等: "用户侧电池储能系统的成本效益及投资风险分析", 《浙江电力》 * |
| 陈青恒等: "投资开放模式下基于全寿命周期分析的离网型微网投资与优化", 《电网技术》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114282815A (zh) * | 2021-12-24 | 2022-04-05 | 中国电力工程顾问集团西北电力设计院有限公司 | 确定储能电站容量和布局的分析方法、系统、设备及存储介质 |
| CN114819335A (zh) * | 2022-04-24 | 2022-07-29 | 山东电力工程咨询院有限公司 | 一种可再生能源耦合抽水蓄能系统的能源优化方法及系统 |
| CN116415799A (zh) * | 2023-06-06 | 2023-07-11 | 南方电网调峰调频发电有限公司储能科研院 | 一种储能规模与结构的规划方法及系统 |
| CN116415799B (zh) * | 2023-06-06 | 2023-09-12 | 南方电网调峰调频发电有限公司储能科研院 | 一种储能规模与结构的规划方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113361781B (zh) | 2023-04-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yu et al. | Uncertainties of virtual power plant: Problems and countermeasures | |
| Obi et al. | Calculation of levelized costs of electricity for various electrical energy storage systems | |
| Haupt et al. | The influence of electric vehicle charging strategies on the sizing of electrical energy storage systems in charging hub microgrids | |
| CN113361781A (zh) | 一种电网投资规模优化方法、系统、设备及存储介质 | |
| Fares et al. | A dynamic model-based estimate of the value of a vanadium redox flow battery for frequency regulation in Texas | |
| Hoffman et al. | Analysis tools for sizing and placement of energy storage for grid applications-A literature review | |
| Shin et al. | Optimal energy storage sizing with battery augmentation for renewable-plus-storage power plants | |
| CN110649598B (zh) | 一种计及区域内虚拟电厂调节节点电价的方法及系统 | |
| CN114140176B (zh) | 一种负荷聚集平台的可调容量预测方法及装置 | |
| CN116388293A (zh) | 一种新能源配建储能电站的联合优化调度方法及系统 | |
| CN106126923A (zh) | 流域梯级龙头水电站效益补偿方法及系统 | |
| Bruck et al. | A levelized cost of energy (LCOE) model for wind farms that includes power purchase agreement (PPA) energy delivery limits | |
| Poli et al. | Techno-economic assessment of future vanadium flow batteries based on real device/market parameters | |
| Vu et al. | Optimal design for a campus microgrid considering ESS discharging incentive and financial feasibility | |
| CN117333058A (zh) | 一种基于典型应用场景的储能综合评价方法 | |
| CN108418210A (zh) | 提高风电消纳能力的可中断负荷机制设计优化方法 | |
| CN111160767A (zh) | 一种综合能源服务效益评估方法 | |
| CN115170189A (zh) | 电力行业精细化定价方法、装置、设备及介质 | |
| CN108376345A (zh) | 一种基于成本学习曲线的分布式天然气发电定价方法 | |
| CN115000980A (zh) | 一种二次调频优化调度方法、装置及终端设备 | |
| Shang et al. | Grid-side energy storage system day-ahead bidding strategy based on two-level decision in spot market | |
| Xiao et al. | Energy Storage Lease Pricing Strategy based on Whole-life Cycle Costs Quantification | |
| Meng | Economic analysis for centralized battery energy storage system with reused battery from EV in Australia | |
| Liang et al. | Multi-objective Optimal Configuration of Distributed Energy Storage in Distribution Network Considering Different User Characteristics | |
| CN113344614A (zh) | 一种电网侧储能经济性的评估方法、系统和存储介质 |
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 |