CN113554219A - 一种可再生能源发电站共享储能容量规划方法及装置 - Google Patents

一种可再生能源发电站共享储能容量规划方法及装置 Download PDF

Info

Publication number
CN113554219A
CN113554219A CN202110751418.6A CN202110751418A CN113554219A CN 113554219 A CN113554219 A CN 113554219A CN 202110751418 A CN202110751418 A CN 202110751418A CN 113554219 A CN113554219 A CN 113554219A
Authority
CN
China
Prior art keywords
energy storage
storage capacity
participant
power
scheme
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
Application number
CN202110751418.6A
Other languages
English (en)
Other versions
CN113554219B (zh
Inventor
李金中
潘东
魏韡
谢毓广
梅生伟
郑天文
高博
黄杰
陈来军
王小明
徐斌
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.)
Tsinghua University
Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd
State Grid Anhui Electric Power Co Ltd
Sichuan Energy Internet Research Institute EIRI Tsinghua University
Original Assignee
Tsinghua University
Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd
State Grid Anhui Electric Power Co Ltd
Sichuan Energy Internet Research Institute EIRI Tsinghua University
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 Tsinghua University, Electric Power Research Institute of State Grid Anhui Electric Power Co Ltd, State Grid Anhui Electric Power Co Ltd, Sichuan Energy Internet Research Institute EIRI Tsinghua University filed Critical Tsinghua University
Priority to CN202110751418.6A priority Critical patent/CN113554219B/zh
Publication of CN113554219A publication Critical patent/CN113554219A/zh
Application granted granted Critical
Publication of CN113554219B publication Critical patent/CN113554219B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (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)
  • Entrepreneurship & Innovation (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

本发明提供一种可再生能源发电站共享储能容量规划方法及装置，包括：建立共享储能系统的运行模型，运行模型表示在设定联盟方式中各参与者、负载侧及电网侧之间的关系；根据运行模型确定设定联盟方式下系统总收益方案；基于双层博弈理论根据系统总收益方案对各参与者收益进行迭代优化，得到各参与者的最优收益分配方案；根据最优收益分配方案对各参与者储能容量进行迭代优化，得到各参与者最优储能容量规划方案。利用优化方法对每时刻的各参与者的储能容量调度问题进行规划，使得在这种运行方式下最大化每个参与者的利益，同时改善电力系统的运行情况。

Description

一种可再生能源发电站共享储能容量规划方法及装置
技术领域
本发明涉及新型能源技术领域，尤其涉及一种可再生能源发电站共享储能容量规划方法及装置。
背景技术
近年来，受环境问题的关注，以可再生能源为基础的各类发电技术蓬勃发展，可再生能源装机容量在传统发电系统中的比重越来越大。然而，风能和太阳能大规模整合的能源的主要问题在于其固有的特性，如可变性、间歇性和不确定性等，这些问题会对电力系统运行的可靠性和效率产生重大影响。多种可再生能源的合作为可再生能源的可变性提供了解决方案，风能和太阳能在时间和地域上可以互补。此外，考虑与附加储能系统的配合，还可以在发电机出力过多时储存剩余电力，弥补电力缺口。因此，将这两种可再生能源与储能相结合是产生更稳定可靠的电力输出的一种很有前途的方法。
风电、太阳能和蓄电池的最优储能容量规划是稳定经济运行的前提。合作建立的共享储能系统通过三部分的储能容量按照最高性价比构造，以获得最高的回报。然而设备在实际工作中会存在较复杂的情况，如风速会影响风机的功率输出，进而影响利润，考虑到风速的不确定性，问题变得更加复杂。现有技术中，中心化建模方法无法描述各个参与者分散决策的情况，不能客观地反映每个参与者在目标是最大化自身利益时做出决策的过程，因此规划出的储能容量方案不是最优的系统最高回报方案。
发明内容
本发明提供一种可再生能源发电站共享储能容量规划方法及装置，用以解决现有技术中多种可再生能源整合调度决策时不能客观反映每个参与者自身目标的缺陷，实现多种可再生能源整合调度决策时客观反映每个参与者自身利益最大化目标的同时，得到最优的系统回报。
第一方面，本发明提供一种可再生能源发电站共享储能容量规划方法，包括：
建立共享储能系统的运行模型，其中，所述共享储能系统包括负载侧、电网侧以及多个参与者，各参与者在设定联盟方式下协同工作，所述运行模型表示在设定联盟方式中各参与者、负载侧及电网侧之间的关系；
根据所述运行模型确定设定联盟方式下系统总收益方案，其中，通过调整各参与者的储能容量改变所述系统总收益方案；
基于双层博弈理论根据所述系统总收益方案对各参与者收益进行迭代优化，得到各参与者的最优收益分配方案；根据所述最优收益分配方案对各参与者储能容量进行迭代优化，得到各参与者最优储能容量规划方案。
根据本发明提供的一种可再生能源发电站共享储能容量规划方法，所述参与者包括风力发电机、光伏发电机及储能设备。
根据本发明提供的一种可再生能源发电站共享储能容量规划方法，所述建立共享储能系统的运行模型，包括：
Pb(t)＝Pw(t)+Ps(t)-Pd(t)-Pg(t)
0≤Pg(t)≤Plmax
ηlbPB≤SOC(t)≤PB
0≤|Pb(t)|≤PB-SOC(t)
Figure BDA0003146436450000031
0≤|Pb(t)|≤hPB,t＝1,2,…,T
其中，Pb为储能设备功率，Pw为风力发电机发电功率，Ps为光伏发电机发电功率，Pd为负载侧需求功率，Pg为输送至电网侧功率，Plmax为系统可输送至电网侧最大功率，SOC表示储能设备剩余电量状态，PB为储能设备最大储能容量，ηlb为储能设备剩余最低电量系数，Pc为储能设备充电功率，Pdc为储能设备放电功率，ηc为储能设备充电系数，ηdc为充能设备放电系数，h为储能设备充放电功率与储能设备储能容量的比值系数。
根据本发明提供的一种可再生能源发电站共享储能容量规划方法，所述根据所述运行模型确定设定联盟方式下系统总收益方案，包括：
Figure BDA0003146436450000032
其中IWSB为系统总收益，IW为风力发电机收益利润，IS为光伏发电机收益利润，IB为储能设备收益利润。
根据本发明提供的一种可再生能源发电站共享储能容量规划方法，根据系统总收益，系统中各参与者的收益为：
II＝IIsel-CIcur-CIeens-CIinc-CIope
其中I＝W、S或B，IIsel为总售电收入，CIcur为放弃资源惩罚，CIeens为资源不足惩罚，CIinv为投资成本，CIope为运行成本；
Figure BDA0003146436450000033
Figure BDA0003146436450000034
Figure BDA0003146436450000041
Figure BDA0003146436450000042
CIope＝PIMI
其中R、C、K分别为价格系数，UI、r、LI、MI分别为系统参数，UI为单位功率造价，r为贴现率，LI为设备寿命，MI为单位运维费用，当I＝W时PI为风力发电机最大储能容量，当I＝S时PI为光伏发电机最大储能容量，当I＝B时PI为储能设备最大储能容量，PIsell为参与者销售功率，PIcur为参与者对负载侧机电网侧供电剩余时的惩罚功率，PIeens为参与者对负载侧机电网侧供电不足时的惩罚功率；
Figure BDA0003146436450000043
Figure BDA0003146436450000044
当I＝W或S时
Figure BDA0003146436450000045
当I＝B时
Figure BDA0003146436450000046
Pmax＝Pd+Pb+Plmax
Psur＝Pw+Ps-Pmax
Pless＝Pd+Pb-Pw-Ps
其中Pmax为负载侧和电网侧可消耗的最大功率，Psur为系统剩余功率，Pless为系统输出不足的缺乏功率。
根据本发明提供的一种可再生能源发电站共享储能容量规划方法，所述基于双层博弈理论根据所述系统总收益方案对各参与者收益进行迭代优化，得到各参与者的最优收益分配方案，包括：根据合作博弈理论，对联盟内各参与者之间的合作可实现额外经济回报进行分析，构造特征函数：
Figure BDA0003146436450000051
其中ν(S)为额外利润，表示各参与者的最大利润之和与最优储能容量规划方案中系统最大利润的差值，特征函数用于表征联盟的价值；
根据特征函数获得合作博弈的核仁：
LPm：εm＝maxε
Figure BDA0003146436450000052
Figure BDA0003146436450000053
Figure BDA0003146436450000054
根据迭代优化线性化方程LPm的最优解和核仁分配x*，得到联盟中各参与者最优收益分配方案。
根据本发明提供的一种可再生能源发电站共享储能容量规划方法，所述根据所述最优收益分配方案对各参与者储能容量进行迭代优化，得到各参与者最优储能容量规划方案，包括：进行储能容量迭代优化时，预设一个参与者的储能容量可变且其他参与者储能容量不变，根据最优收益分配方案中各参与者的收益与其储能容量之间的关系，通过粒子群优化方法得到预设参与者最大投资收益比时对应的储能容量，并将对应的储能容量作为预设参与者下次迭代的储能容量；当改变任一参与者的储能容量，所有参与者的最大投资收益比不变时，各参与者的储能容量达到纳什均衡，得到最优储能容量规划方案。
第二方面，本发明提供一种可再生能源发电站共享储能容量规划装置，包括：共享储能系统建模单元，用于建立共享储能系统的运行模型，其中，所述共享储能系统包括负载侧、电网侧以及多个参与者，各参与者在设定联盟方式下协同工作，所述运行模型表示在设定联盟方式中各参与者、负载侧及电网侧之间的关系；
系统收益方案确定单元，用于根据所述运行模型确定设定联盟方式下系统总收益方案，其中，通过调整各参与者的储能容量改变所述系统总收益方案；
储能容量规划单元，用于基于双层博弈理论根据所述系统总收益方案对各参与者收益进行迭代优化，得到各参与者的最优收益分配方案；根据所述最优收益分配方案对各参与者储能容量进行迭代优化，得到各参与者最优储能容量规划方案。
第三方面，本发明提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述可再生能源发电站共享储能容量规划方法的步骤。
第四方面，本发明提供一种非暂态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种所述可再生能源发电站共享储能容量规划方法的步骤。
本发明提供的可再生能源发电站共享储能容量规划方法，根据共享储能系统中的各参与者及负载侧和电网侧建立合作联盟方式下的系统运行模型，根据模型确定系统总收益方案，根据系统总收益方案运用双层博弈理论规划模型，并通过迭代优化得到各参与者的最优储能容量策略。利用优化方法对每时刻的各参与者的储能容量调度问题进行规划，使得在这种运行方式下最大化每个参与者的利益，同时改善电力系统的运行情况。
附图说明
为了更清楚地说明本发明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一简单地介绍，显而易见地，下面描述中的附图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是本发明提供的再生能源发电站共享储能容量规划方法流程图；
图2是本发明提供的共享储能系统的结构示意图；
图3是本发明提供的再生能源发电站共享储能容量规划装置结构示意图；
图4是本发明提供的电子设备的结构示意图。
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，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
如图1所示，本发明实施例提供一种可再生能源发电站共享储能容量规划方法，包括：
步骤110：建立共享储能系统的运行模型，其中，所述共享储能系统包括负载侧、电网侧以及多个参与者，各参与者在设定联盟方式下协同工作，所述运行模型表示在设定联盟方式中各参与者、负载侧及电网侧之间的关系；
本发明实施例中的参与者包括风力发电机、光伏发电机及储能设备，风力发电机、光伏发电机、储能设备通过输电线路与电网侧和负载侧相连。如图2中显示了参与者与负载侧及电网侧之间的七种类型联盟方式，其余联盟方式还有三个参与者分别单独与负载侧及电网侧连接工作、三个参与者两两合作与负载侧及电网侧连接工作，例如，风力发电机和光伏发电机协同工作，就不需要考虑储能设备。本发明实施例中构建了一个由风力发电机、光伏发电机和储能设备组成的新型发电共享储能系统。建立储能系统的运行模型有助于分析多种联盟方式下的系统运行情况。相比于单一的风力发电或者光伏发电，多个新能源发电厂的联合使用可以改善发电厂的出力曲线，起到削峰填谷的作用，并且使得曲线与负载侧需求曲线更加贴合。风力发电机、光伏发电机与储能设备统一使用，每个参与者都是独立做出决策的主体，都可以决定自身的储能容量，系统运行中的所有参数都与储能容量相关，因此共享储能系统中的各参与者的储能容量是一个规划问题。风电、太阳能和蓄电池的最优(储能)容量规划是共享储能系统稳定经济运行的前提。
本步骤中建立的运行模型表示为：
Pb(t)＝Pw(t)+Ps(t)-Pd(t)-Pg(t) (1)
0≤Pg(t)≤Plmax (2)
ηlbPB≤SOC(t)≤PB (3)
0≤|Pb(t)|≤PB-SOC(t) (4)
Figure BDA0003146436450000081
0≤|Pb(t)|≤hPB，t＝1，2，…，T (6)
其中，(1)式表示系统运行功率平衡公式，(2)式表示电网侧传输线功率约束，(3)和(5)为储能设备SOC约束，(4)和(6)为储能设备功率约束；Pb为储能设备功率，Pw为风力发电机发电功率，Ps为光伏发电机发电功率，Pd为负载侧需求功率，Pg为输送至电网侧功率，Plmax为系统可输送至电网侧最大功率(忽略线损)，SOC表示储能设备剩余电量状态，PB为储能设备最大储能容量，ηlb为储能设备剩余最低电量系数，Pc为储能设备充电功率，Pdc为储能设备放电功率，ηc为储能设备充电系数，ηdc为充能设备放电系数，h为储能设备充放电功率与储能设备储能容量的比值系数，t为时间步长，t＝1,2,...,T，例如时间步长为1小时，1年的系统运行时间的总长T＝8760小时。
步骤120：根据所述运行模型确定设定联盟方式下系统总收益方案，其中，通过调整各参与者的储能容量改变所述系统总收益方案；
本步骤中确定的系统总收益方案表示为：
Figure BDA0003146436450000091
其中IWSB为系统总收益，IW为风力发电机收益利润，IS为光伏发电机收益利润，IB为储能设备收益利润。
根据本发明提供的一种可再生能源发电站共享储能容量规划方法，根据系统总收益，系统中各参与者的收益为：
II＝IIsel-CIcur-CIeens-CIinv-CIope (8)
其中I＝W、S或B，IIsel为总售电收入，CIcur为放弃资源惩罚，CIeens为资源不足惩罚，CIinv为投资成本，CIope为运行成本；
Figure BDA0003146436450000092
Figure BDA0003146436450000093
Figure BDA0003146436450000094
Figure BDA0003146436450000095
CIope＝PIMI (13)
其中R、C、K分别为价格系数，UI、r、LI、MI分别为系统参数，UI为单位功率造价，r为贴现率，LI为设备寿命，MI为单位运维费用，当I＝W时PI为风力发电机最大储能容量，当I＝S时PI为光伏发电机最大储能容量，当I＝B时PI为储能设备最大储能容量，PIsell为参与者销售功率，PIcur为参与者对负载侧机电网侧供电剩余时的惩罚功率，PIeens为参与者对负载侧机电网侧供电不足时的惩罚功率；
Figure BDA0003146436450000101
Figure BDA0003146436450000102
当I＝W或S时
Figure BDA0003146436450000103
当I＝B时
Figure BDA0003146436450000104
Pmax＝Pd+Pb+Plmax (18)
Psur＝Pw+Ps-Pmax (19)
Pless＝Pd+Pb-Pw-Ps (20)
其中Pmax为负载侧和电网侧可消耗的最大功率，Psur为系统剩余功率，Pless为系统输出不足的缺乏功率。如果Psur的值为正，则说明共享发电系统产生的电力不能被负载和电网完全消耗，则系统需要进行限电并受到如(14)式所示的惩罚；如果Pless为负，则负载侧无法获得足够的电量，这可能会导致系统故障，相应的惩罚如(15)式所示。
步骤130：基于双层博弈理论根据所述系统总收益方案对各参与者收益进行迭代优化，得到各参与者的最优收益分配方案；根据所述最优收益分配方案对各参与者储能容量进行迭代优化，得到各参与者最优储能容量规划方案。
本步骤中，通过优化联盟内三个参与者的储能容量从而得到最大的(7)式的系统总收益。
本步骤中，基于双层博弈理论根据所述系统总收益方案对各参与者收益进行迭代优化，得到各参与者的最优收益分配方案，包括：在合作博弈理论中提供了一个框架来分析联盟内参与者之间的合作可以实现额外经济回报的情况，应用标准方法在构建的三参与者模型上分析合作博弈。根据合作博弈理论，对联盟内各参与者之间的合作可实现额外经济回报进行分析，构造特征函数：
Figure BDA0003146436450000111
其中ν(S)为额外利润，表示各参与者的最大利润之和与最优储能容量规划方案中系统最大利润的差值，特征函数用于表征联盟的价值；
根据特征函数获得合作博弈的核仁：
LPm：εm＝maxε (22)
Figure BDA0003146436450000112
Figure BDA0003146436450000113
根据迭代优化线性化方程LPm的最优解和核仁分配x*，得到联盟中各参与者最优收益分配方案。
本步骤中，通过对核仁进行迭代优化得到各参与者最优收益分配方案，方程约束(24)式是根据所有先前迭代步骤中的约束建立的，约束(25)式有助于找到剩余联盟的最大值，直到找到唯一的LPm的最优解和分配x*，整个迭代过程终止，x*表示合作博弈的核仁分配。
在给定一组确定的风速和太阳光照强度后，可以获得相应的实时风力发电机和光伏发电机的出力，通过使用合作博弈论寻找最大联盟利润，可容易获得大联盟中风电场、太阳能电池板和电池存储的最佳容量，并且核仁作为一种适当的计算方法来确保每个参与者获得额外的公平奖励。
本步骤中，根据所述最优收益分配方案对各参与者储能容量进行迭代优化，得到各参与者最优储能容量规划方案，包括：进行储能容量迭代优化时，预设一个参与者的储能容量可变且其他参与者储能容量不变，根据最优收益分配方案中各参与者的收益与其储能容量之间的关系，通过粒子群优化方法得到预设参与者最大投资收益比时对应的储能容量，并将对应的储能容量作为预设参与者下次迭代的储能容量；当改变任一参与者的储能容量，所有参与者的最大投资收益比不变时，各参与者的储能容量达到纳什均衡，得到最优储能容量规划方案。
本发明实施例中三个参与者的规划决策将改变所有联盟的特征函数，进而改变系统总收益，在计算核仁后，我们可以获得每个参与者的收益。因此，当在一个迭代步骤中获得一个参与者的收益时，剩余两个参与者的决策需要固定。获得储能容量值与相应收益之间的关系后，我们可以应用粒子群优化(PSO)算法来找到一个参与者的最大投资收益比，也即最高的回报率(RoR)。PSO算法已被验证在解决许多优化问题时具有鲁棒性，例如本发明实施例中，采用100个粒子和50次迭代。而且三个参与者的最佳运行模式应该是大合作联盟，每个参与者都会影响联盟的利润，也即，其中一个参与者的规划决策会影响其他参与者的收益值和RoR系数，这就是优化目标。因此，当三个参与者的最大RoR全部实现且没有参与者打算改变其储能容量时，三个参与者将达到寻求纳什均衡。可以验证，对于相应的决策变量，储能容量，收益都是凹函数，理论上，无论初始点如何选择，总能得到纳什均衡。
以一具体实例描述风力发电机、光伏发电机和储能设备的最优储能容量的求解过程，我们遵循以下详细迭代过程：
1、初始化规划参数，包括负载需求、预测风速和光照强度、混合电力系统参数、电价、惩罚系数等基本数据；
2、构建共享储能系统的运行模型；
3、初始化策略集合中随机选择三个参与者的储能容量；
4、替换初始值将风力发电、太阳能发电和储能容量纳入系统总收益方案模型中，对于每次迭代，{PW，PS，PB}中的任意两个都是固定的，变量只是其中的一个储能容量，计算100组风速的鲁棒特征函数并计算核仁，在PSO算法处理后得到的最优储能容量的值和RoR返回至下一次迭代中；3次循环迭代更新了参与者的三个储能容量值；
5、评估系统是否找到纳什均衡，当一整轮没有参与者改变其储能容量时，整个迭代过程终止并输出结果。最终输出的最优储能容量规划方案表示为：
Figure BDA0003146436450000131
如图3所示，本发明实施例还提供一种可再生能源发电站共享储能容量规划装置，包括：
共享储能系统建模单元310，用于建立共享储能系统的运行模型，其中，所述共享储能系统包括负载侧、电网侧以及多个参与者，各参与者在设定联盟方式下协同工作，所述运行模型表示在设定联盟方式中各参与者、负载侧及电网侧之间的关系；
本发明实施例中的参与者包括风力发电机、光伏发电机及储能设备，风力发电机、光伏发电机、储能设备通过输电线路与电网侧和负载侧相连。在共享储能系统中三个参与者与电网侧和负载侧协作工作在多种联盟方式下。本发明实施例中构建了一个由风力发电机、光伏发电机和储能设备组成的新型发电共享储能系统。建立储能系统的运行模型有助于分析多种联盟方式下的系统运行情况。风力发电机、光伏发电机与储能设备统一使用，每个参与者都是独立做出决策的主体，都可以决定自身的储能容量，系统运行中的所有参数都与储能容量相关，因此共享储能系统中的各参与者的储能容量是一个规划问题。风电、太阳能和蓄电池的最优(储能)容量规划是共享储能系统稳定经济运行的前提。
系统收益方案确定单元320，用于根据所述运行模型确定设定联盟方式下系统总收益方案，其中，通过调整各参与者的储能容量改变所述系统总收益方案；
本发明实施例中，改变联盟中的三个参与者的储能容量会改变系统总收益。
储能容量规划单元330，用于基于双层博弈理论根据所述系统总收益方案对各参与者收益进行迭代优化，得到各参与者的最优收益分配方案；根据所述最优收益分配方案对各参与者储能容量进行迭代优化，得到各参与者最优储能容量规划方案。
本发明实施例中，通过优化联盟内三个参与者的储能容量从而得到最大的系统总收益。
下面结合图4描述本发明实施例提供的一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理410，通信接口420，存储430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行可再生能源发电站共享储能容量规划方法，该方法包括：建立共享储能系统的运行模型，其中，所述共享储能系统包括负载侧、电网侧以及多个参与者，各参与者在设定联盟方式下协同工作，所述运行模型表示在设定联盟方式中各参与者、负载侧及电网侧之间的关系；根据所述运行模型确定设定联盟方式下系统总收益方案，其中，通过调整各参与者的储能容量改变所述系统总收益方案；基于双层博弈理论根据所述系统总收益方案对各参与者收益进行迭代优化，得到各参与者的最优收益分配方案；根据所述最优收益分配方案对各参与者储能容量进行迭代优化，得到各参与者最优储能容量规划方案。
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明实施例还提供一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法所提供的可再生能源发电站共享储能容量规划方法，该方法包括：建立共享储能系统的运行模型，其中，所述共享储能系统包括负载侧、电网侧以及多个参与者，各参与者在设定联盟方式下协同工作，所述运行模型表示在设定联盟方式中各参与者、负载侧及电网侧之间的关系；根据所述运行模型确定设定联盟方式下系统总收益方案，其中，通过调整各参与者的储能容量改变所述系统总收益方案；基于双层博弈理论根据所述系统总收益方案对各参与者收益进行迭代优化，得到各参与者的最优收益分配方案；根据所述最优收益分配方案对各参与者储能容量进行迭代优化，得到各参与者最优储能容量规划方案。
又一方面，本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各提供的可再生能源发电站共享储能容量规划方法：建立共享储能系统的运行模型，其中，所述共享储能系统包括负载侧、电网侧以及多个参与者，各参与者在设定联盟方式下协同工作，所述运行模型表示在设定联盟方式中各参与者、负载侧及电网侧之间的关系；根据所述运行模型确定设定联盟方式下系统总收益方案，其中，通过调整各参与者的储能容量改变所述系统总收益方案；基于双层博弈理论根据所述系统总收益方案对各参与者收益进行迭代优化，得到各参与者的最优收益分配方案；根据所述最优收益分配方案对各参与者储能容量进行迭代优化，得到各参与者最优储能容量规划方案。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种可再生能源发电站共享储能容量规划方法，其特征在于，包括：
建立共享储能系统的运行模型，其中，所述共享储能系统包括负载侧、电网侧以及多个参与者，各参与者在设定联盟方式下协同工作，所述运行模型表示在设定联盟方式中各参与者、负载侧及电网侧之间的关系；
根据所述运行模型确定设定联盟方式下系统总收益方案，其中，通过调整各参与者的储能容量改变所述系统总收益方案；
基于双层博弈理论根据所述系统总收益方案对各参与者收益进行迭代优化，得到各参与者的最优收益分配方案；根据所述最优收益分配方案对各参与者储能容量进行迭代优化，得到各参与者最优储能容量规划方案。
2.根据权利要求1所述的可再生能源发电站共享储能容量规划方法，其特征在于，所述参与者包括风力发电机、光伏发电机及储能设备。
3.根据权利要求2所述的可再生能源发电站共享储能容量规划方法，其特征在于，所述建立共享储能系统的运行模型，包括：
Pb(t)＝Pw(t)+Ps(t)-Pd(t)-Pg(t)
0≤Pg(t)≤Plmax
ηlbPB≤SOC(t)≤PB
0≤|Pb(t)|≤PB-SOC(t)
Figure FDA0003146436440000011
0≤|Pb(t)|≤hPB，t＝1，2，...，T
其中，Pb为储能设备功率，Pw为风力发电机发电功率，Ps为光伏发电机发电功率，Pd为负载侧需求功率，Pg为输送至电网侧功率，Plmax为系统可输送至电网侧最大功率，SOC表示储能设备剩余电量状态，PB为储能设备最大储能容量，ηlb为储能设备剩余最低电量系数，Pc为储能设备充电功率，Pdc为储能设备放电功率，ηc为储能设备充电系数，ηdc为充能设备放电系数，h为储能设备充放电功率与储能设备储能容量的比值系数。
4.根据权利要求3所述的可再生能源发电站共享储能容量规划方法，其特征在于，所述根据所述运行模型确定设定联盟方式下系统总收益方案，包括：
Figure FDA0003146436440000021
其中IWSB为系统总收益，IW为风力发电机收益利润，IS为光伏发电机收益利润，IB为储能设备收益利润。
5.根据权利要求4所述的可再生能源发电站共享储能容量规划方法，其特征在于，根据所述系统总收益，系统中各参与者的收益为：
II＝IIsel-CIcur-CIeens-CIinv-CIope
其中I＝W、S或B，IIsel为总售电收入，CIcur为放弃资源惩罚，CIeens为资源不足惩罚，CIinv为投资成本，CIope为运行成本；
Figure FDA0003146436440000022
Figure FDA0003146436440000023
Figure FDA0003146436440000024
Figure FDA0003146436440000025
CIope＝PIMI
其中R、C、K分别为价格系数，UI、r、LI、MI分别为系统参数，UI为单位功率造价，r为贴现率，LI为设备寿命，MI为单位运维费用，当I＝W时PI为风力发电机最大储能容量，当I＝S时PI为光伏发电机最大储能容量，当I＝B时PI为储能设备最大储能容量，PIsell为参与者销售功率，PIcur为参与者对负载侧机电网侧供电剩余时的惩罚功率，PIeens为参与者对负载侧机电网侧供电不足时的惩罚功率；
Figure FDA0003146436440000031
Figure FDA0003146436440000032
当I＝W或S时
Figure FDA0003146436440000033
当I＝B时
Figure FDA0003146436440000034
Pmax＝Pd+Pb+Plmax
Psur＝Pw+Ps-Pmax
Pless＝Pd+Pb-Pw-Ps
其中Pmax为负载侧和电网侧可消耗的最大功率，Psur为系统剩余功率，Pless为系统输出不足的缺乏功率。
6.根据权利要求5所述的可再生能源发电站共享储能容量规划方法，其特征在于，所述基于双层博弈理论根据所述系统总收益方案对各参与者收益进行迭代优化，得到各参与者的最优收益分配方案，包括：根据合作博弈理论，对联盟内各参与者之间的合作可实现额外经济回报进行分析，构造特征函数：
Figure FDA0003146436440000035
其中v(S)为额外利润，表示各参与者的最大利润之和与最优储能容量规划方案中系统最大利润的差值，特征函数用于表征联盟的价值；
根据特征函数获得合作博弈的核仁：
LPm：εm＝maxε
Figure FDA0003146436440000041
Figure FDA0003146436440000042
Figure FDA0003146436440000043
根据迭代优化线性化方程LPm的最优解和核仁分配x*，得到联盟中各参与者最优收益分配方案。
7.根据权利要求6述的可再生能源发电站共享储能容量规划方法，其特征在于，所述根据所述最优收益分配方案对各参与者储能容量进行迭代优化，得到各参与者最优储能容量规划方案，包括：进行储能容量迭代优化时，预设一个参与者的储能容量可变且其他参与者储能容量不变，根据最优收益分配方案中各参与者的收益与其储能容量之间的关系，通过粒子群优化方法得到预设参与者最大投资收益比时对应的储能容量，并将对应的储能容量作为预设参与者下次迭代的储能容量；当改变任一参与者的储能容量，所有参与者的最大投资收益比不变时，各参与者的储能容量达到纳什均衡，得到最优储能容量规划方案。
8.一种可再生能源发电站共享储能容量规划装置，其特征在于，包括：
共享储能系统建模单元，用于建立共享储能系统的运行模型，其中，所述共享储能系统包括负载侧、电网侧以及多个参与者，各参与者在设定联盟方式下协同工作，所述运行模型表示在设定联盟方式中各参与者、负载侧及电网侧之间的关系；
系统收益方案确定单元，用于根据所述运行模型确定设定联盟方式下系统总收益方案，其中，通过调整各参与者的储能容量改变所述系统总收益方案；
储能容量规划单元，用于基于双层博弈理论根据所述系统总收益方案对各参与者收益进行迭代优化，得到各参与者的最优收益分配方案；根据所述最优收益分配方案对各参与者储能容量进行迭代优化，得到各参与者最优储能容量规划方案。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述可再生能源发电站共享储能容量规划方法的步骤。
10.一种非暂态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7任一项所述可再生能源发电站共享储能容量规划方法的步骤。
CN202110751418.6A 2021-07-02 2021-07-02 一种可再生能源发电站共享储能容量规划方法及装置 Active CN113554219B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110751418.6A CN113554219B (zh) 2021-07-02 2021-07-02 一种可再生能源发电站共享储能容量规划方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110751418.6A CN113554219B (zh) 2021-07-02 2021-07-02 一种可再生能源发电站共享储能容量规划方法及装置

Publications (2)

Publication Number Publication Date
CN113554219A true CN113554219A (zh) 2021-10-26
CN113554219B CN113554219B (zh) 2023-11-07

Family

ID=78131256

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110751418.6A Active CN113554219B (zh) 2021-07-02 2021-07-02 一种可再生能源发电站共享储能容量规划方法及装置

Country Status (1)

Country Link
CN (1) CN113554219B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114336696A (zh) * 2021-12-30 2022-04-12 国网安徽省电力有限公司电力科学研究院 一种兆瓦级氢储能电站容量配置方法及系统

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130024243A1 (en) * 2011-07-20 2013-01-24 Nec Laboratories America, Inc. Systems and methods for optimizing microgrid capacity and storage investment under environmental regulations
CN105160490A (zh) * 2015-09-30 2015-12-16 南京邮电大学 一种基于合作博弈与dea的输电系统固定成本分摊方法
CN107992966A (zh) * 2017-11-27 2018-05-04 清华大学 含压缩空气储能的综合能源系统优化配置方法及装置
CN108304961A (zh) * 2017-12-29 2018-07-20 北京国网普瑞特高压输电技术有限公司 一种风储接入网源的协调方法及系统
CN109190824A (zh) * 2018-09-04 2019-01-11 东北大学 基于用户侧区域综合能源系统的联盟博弈优化运行方法
CN109657946A (zh) * 2018-09-19 2019-04-19 清华大学 基于博弈论的区域能源互联网规划的数学模型和规划方法
AU2019101317A4 (en) * 2019-10-30 2019-12-05 Southeast University A Bi-level Game-Based Planning Framework for Distribution Networks with multiple Micro-girds
CN111008739A (zh) * 2019-12-04 2020-04-14 华北电力大学 一种热电联产虚拟电厂优化调控及收益分配方法及系统
CN111598304A (zh) * 2020-04-21 2020-08-28 国网江苏省电力有限公司 一种用于风光储多主体系统容量优化配置的方法
CN111682526A (zh) * 2020-05-28 2020-09-18 国网浙江省电力有限公司湖州供电公司 一种基于合作博弈的虚拟电厂能量管理方法
CN111881616A (zh) * 2020-07-02 2020-11-03 国网河北省电力有限公司经济技术研究院 一种基于多主体博弈的综合能源系统的运行优化方法
CN112053253A (zh) * 2020-01-08 2020-12-08 国网吉林省电力有限公司 一种基于博弈论的光储接入条件下的电网规划方法
CN112651105A (zh) * 2020-11-30 2021-04-13 北京华能新锐控制技术有限公司 一种基于博弈论的微网容量配置优化方法
CN112736987A (zh) * 2020-12-29 2021-04-30 山东大学 一种基于非合作博弈的综合能源系统容量配置方法及系统

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130024243A1 (en) * 2011-07-20 2013-01-24 Nec Laboratories America, Inc. Systems and methods for optimizing microgrid capacity and storage investment under environmental regulations
CN105160490A (zh) * 2015-09-30 2015-12-16 南京邮电大学 一种基于合作博弈与dea的输电系统固定成本分摊方法
CN107992966A (zh) * 2017-11-27 2018-05-04 清华大学 含压缩空气储能的综合能源系统优化配置方法及装置
CN108304961A (zh) * 2017-12-29 2018-07-20 北京国网普瑞特高压输电技术有限公司 一种风储接入网源的协调方法及系统
CN109190824A (zh) * 2018-09-04 2019-01-11 东北大学 基于用户侧区域综合能源系统的联盟博弈优化运行方法
CN109657946A (zh) * 2018-09-19 2019-04-19 清华大学 基于博弈论的区域能源互联网规划的数学模型和规划方法
AU2019101317A4 (en) * 2019-10-30 2019-12-05 Southeast University A Bi-level Game-Based Planning Framework for Distribution Networks with multiple Micro-girds
CN111008739A (zh) * 2019-12-04 2020-04-14 华北电力大学 一种热电联产虚拟电厂优化调控及收益分配方法及系统
CN112053253A (zh) * 2020-01-08 2020-12-08 国网吉林省电力有限公司 一种基于博弈论的光储接入条件下的电网规划方法
CN111598304A (zh) * 2020-04-21 2020-08-28 国网江苏省电力有限公司 一种用于风光储多主体系统容量优化配置的方法
CN111682526A (zh) * 2020-05-28 2020-09-18 国网浙江省电力有限公司湖州供电公司 一种基于合作博弈的虚拟电厂能量管理方法
CN111881616A (zh) * 2020-07-02 2020-11-03 国网河北省电力有限公司经济技术研究院 一种基于多主体博弈的综合能源系统的运行优化方法
CN112651105A (zh) * 2020-11-30 2021-04-13 北京华能新锐控制技术有限公司 一种基于博弈论的微网容量配置优化方法
CN112736987A (zh) * 2020-12-29 2021-04-30 山东大学 一种基于非合作博弈的综合能源系统容量配置方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
侯晨佳;梁海宁;赵冬梅;: "基于博弈论的虚拟电厂电源优化配置", 现代电力, no. 04 *
周楠;樊玮;刘念;林心昊;张建华;雷金勇;: "光伏微电网的多主体合作运营模式及效益分配", 电网与清洁能源, no. 05 *
宋少群;黄文英;陈峰;陈杰;付蓉;覃杰;: "基于合作博弈的分布式能源优化运行策略研究", 电器与能效管理技术, no. 20 *
梅生伟;王莹莹;刘锋;: "风―光―储混合电力系统的博弈论规划模型与分析", 电力系统自动化, no. 20 *
谭忠富;谭彩霞;蒲雷;杨佳澄;: "基于协同免疫量子粒子群优化算法的虚拟电厂双层博弈模型", 电力建设, no. 06 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114336696A (zh) * 2021-12-30 2022-04-12 国网安徽省电力有限公司电力科学研究院 一种兆瓦级氢储能电站容量配置方法及系统
CN114336696B (zh) * 2021-12-30 2022-09-16 国网安徽省电力有限公司电力科学研究院 一种兆瓦级氢储能电站容量配置方法及系统

Also Published As

Publication number Publication date
CN113554219B (zh) 2023-11-07

Similar Documents

Publication Publication Date Title
CN108960510B (zh) 一种基于两阶段随机规划的虚拟电厂优化交易策略装置
CN108599373B (zh) 高比例可再生能源电力系统输配协调调度目标级联分析法
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
Wu et al. A multi-agent-based energy-coordination control system for grid-connected large-scale wind–photovoltaic energy storage power-generation units
La et al. Power management of intelligent buildings facilitated by smart grid: A market approach
CN111008739B (zh) 一种热电联产虚拟电厂优化调控及收益分配方法及系统
CN107706921B (zh) 基于纳什博弈的微电网电压调节方法和装置
CN114256836B (zh) 一种新能源电站共享储能的容量优化配置方法
CN112952908B (zh) 一种多合作微电网主体分布式协调交易方法
CN111340299A (zh) 一种微电网多目标优化调度方法
CN111815018A (zh) 一种虚拟电厂的优化调度方法及装置
CN113888204A (zh) 多主体博弈的虚拟电厂容量优化配置法
Lopes et al. Metaheuristic methods applied to the pumps and turbines configuration design of water pumped storage systems
CN113554219B (zh) 一种可再生能源发电站共享储能容量规划方法及装置
CN116307029A (zh) 促进多虚拟网格间源储荷协调的双层优化调度方法及系统
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
Ye et al. Coordinated optimization scheduling of data center and electricity retailer based on cooperative game theory
CN104951650A (zh) 一种评估含大规模风电电网关口外送电交易能力的方法
CN114298383A (zh) 一种虚拟电厂储能容量配置方法及装置
CN113870030A (zh) 基于改进纳什议价方法的多微网能源交易机制设计方法
CN111967646A (zh) 一种虚拟电厂可再生能源优化配置方法
Qing et al. Trading model of virtual power plant considering shapley contribution based revenue distribution
Yao et al. Performance optimization and evaluation of V2G in regulated and deregulated microgrid
CN117674300B (zh) 虚拟电厂资源调度方法、装置、终端设备以及存储介质
CN117713157A (zh) 储能系统的调度方法、装置、电子设备及存储介质

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