CN113569405A - 考虑多重分时电价的储能调度效益潜力评估方法及设备 - Google Patents

考虑多重分时电价的储能调度效益潜力评估方法及设备 Download PDF

Info

Publication number
CN113569405A
CN113569405A CN202110837434.7A CN202110837434A CN113569405A CN 113569405 A CN113569405 A CN 113569405A CN 202110837434 A CN202110837434 A CN 202110837434A CN 113569405 A CN113569405 A CN 113569405A
Authority
CN
China
Prior art keywords
energy storage
time
electricity price
use electricity
peak
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
Application number
CN202110837434.7A
Other languages
English (en)
Inventor
沈玉明
马静
朱刘柱
荣秀婷
张辉
杨贺钧
时瑞廷
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.)
Economic and Technological Research Institute of State Grid Anhui Electric Power Co Ltd
Original Assignee
Economic and Technological Research Institute of State Grid Anhui Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Economic and Technological Research Institute of State Grid Anhui Electric Power Co Ltd filed Critical Economic and Technological Research Institute of State Grid Anhui Electric Power Co Ltd
Priority to CN202110837434.7A priority Critical patent/CN113569405A/zh
Publication of CN113569405A publication Critical patent/CN113569405A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Geometry (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明的一种考虑多重分时电价的储能调度效益潜力评估方法及设备，包括步骤1获取地区电力负荷观测值，建立基于电价弹性矩阵的需求响应模型，可用于计算分时电价策略后各小时负荷；步骤2基于等步长迭代方法生成多重分时电价，以步骤1中电力负荷观测值为输入量，利用多重分时电价计算各分时电价策略下的小时负荷数据，采用粒子群算法计算基于多重分时电价负荷数据的储能充放电电量；步骤3建立考虑多重分时电价方案的储能调度充放电效益潜力评估模型，并计算储能系统在不同分时电价策略下的充放电潜力。本发明根据已有的典型日负荷曲线，获得实行多重分时电价后的多条日负荷功率曲线，有利于综合分析不同分时电价策略下的储能系统调度计划。

Description

考虑多重分时电价的储能调度效益潜力评估方法及设备
技术领域
本发明涉及需求侧响应中储能调度优化技术领域，具体涉及一种考虑多重分时电价的储能调度效益潜力评估方法及设备。
背景技术
随着储能技术逐渐成熟，经济性愈发成为评估电力市场中储能价值的关键指标，对储能调度策略进行经济性评估，是提高储能技术利润以及减小投资成本的重要理论依据。采用分时电价技术与电力储能系统为配电网络供能相结合的思路，可达成削峰填谷，极大降低运营成本的目标。由于分时电价策略的制定对储能调度策略存在重要影响，本文建立考虑多重分时电价策略的储能调度策略效益潜力评估模型，综合考虑多重分时电价对储能调度策略的影响并量化储能调度策略在多重TOU策略下的效益潜力。
发明内容
本发明提供一种考虑多重分时电价的储能调度效益潜力评估方法及设备，可解决上述技术问题。
为实现上述目的，本发明采用了以下技术方案：
一种考虑多重分时电价的储能调度效益潜力评估方法，包括通过计算机设备实现以下步骤：
S1、获取地区电力负荷观测值及峰平谷时段划分结果，建立基于电价弹性矩阵的需求响应模型，用于计算分时电价策略后各小时负荷；
S2、基于等步长迭代方法生成多重分时电价，以S1中电力负荷观测值为输入量，利用多重分时电价计算各分时电价策略下的小时负荷数据，计算基于多重分时电价负荷数据的储能充放电电量；
S3、基于步骤S2计算的多重分时电价下的储能充放电电量，建立考虑多重分时电价方案的储能调度充放电效益潜力评估模型，并计算储能系统在不同分时电价策略下的充放电潜力。
进一步，所述步骤S1获取地区电力负荷观测值，建立基于电价弹性矩阵的需求响应模型，可用于计算分时电价策略后各小时负荷，具体包括，
步骤1.1、获取地区电力负荷观测值及峰平谷时段划分结果；
步骤1.2、利用公式(1)计算第i时段用电需求量关于第j时段电价的需求价格弹性系数ρij：
Figure BDA0003177725530000021
式(1)中，ΔQi为实行分时电价后i时段负荷变化量；Qi0为分时电价前i时段负荷；Δpj为实行分时电价后j时段电价变化量；pj0为分时电价前i时段电价；i或j的值取1、2、3分别表示峰时段、平时段和谷时段；
步骤1.3、利用公式(2)构建电价弹性矩阵E，其中主对角线元素为自弹性系数，其值为负；非对角线元素为交叉弹性系数，其值为正：
Figure BDA0003177725530000022
步骤1.4、利用公式(3)建立基于分时电价的需求响应模型：
Figure BDA0003177725530000023
式(3)中，Qi为分时电价后第i时段负荷。
进一步的，所述步骤S2中采用粒子群算法计算基于多重分时电价负荷数据的储能充放电电量。
进一步的，所述步骤S2、基于等步长迭代方法生成多重分时电价，以步骤S1中原始电力负荷观测值为输入量，利用多重分时电价计算各分时电价策略下的小时负荷数据，采用粒子群算法计算基于多重分时电价负荷数据的储能充放电电量，具体包括：
步骤2.1、利用公式(4)构建基于等步长迭代的多重分时电价模型：
pm,1＝p(m-1),1+Δp,2≤m≤k (4)
式(4)中，pm,1为第m种分时电价策略峰时段的电价；Δp为迭代步长；k为第k种分时电价策略；
步骤2.2、利用公式(5)构建考虑峰谷差最小的目标函数，共计算k种分时电价的各时段电价，且各分时电价策略的峰时段电价满足公式(4)的约束条件；
min{maxQ(pm,s)-minQ(pm,s)} (5)
式(5)中，maxQ(pm,s)和minQ(pm,s)分别为当采用第m种分时电价策略后，用户一天内负荷最大值和负荷最小值；
步骤2.3、利用公式(6)、(7)、(8)、(9)分别建立储能系统经济收益Bp、储能系统购电成本Cp、放电深度为DDoD(i)时储能系统充放电成本Cdeg(DDoD(i))、第i小时储能系统损耗成本
Figure BDA0003177725530000031
Figure BDA0003177725530000032
Figure BDA0003177725530000033
Figure BDA0003177725530000034
Figure BDA0003177725530000035
式(6)、(7)中，Edch、Ech分别为第i小时储能系统向电网放电的能量、第i小时从电网向储能系统充电的能量；tD、tC分别为储能放电时段、储能充电时段；p(i)为第i小时电价；
式(8)、(9)中，DDoD(i)为第i小时储能系统的放电深度；CB为储能系统替换成本；α、β、γ为函数系数；ηc、ηd分别为储能充、放电效率；
步骤2.4、考虑储能调度过程的约束函数：
步骤2.5、利用粒子群算法计算不同分时电价下的储能充放电电量。
进一步的，所述步骤2.4、考虑储能调度过程的约束函数，具体包括以下步骤，
步骤2.4.1、利用公式(10)、(11)建立电力储能系统荷电状态约束，即电力储能系统的SOC不得超过规定的最大值
Figure BDA0003177725530000036
也不得低于规定的最小值
Figure BDA0003177725530000037
Figure BDA0003177725530000038
Figure BDA0003177725530000039
式(10)、(11)中，SSOC(i)为第i小时储能系统的荷电状态；
步骤2.4.2、利用公式(12)、(13)建立自身功率约束，即储能系统充放电功率分别不得高于储能系统充电功率的最大值
Figure BDA0003177725530000041
和放电功率最大值
Figure BDA0003177725530000042
Figure BDA0003177725530000043
Figure BDA0003177725530000044
步骤2.4.3、利用公式(14)建立激励收益约束，即作为激励措施，储能调度策略带来的经济收益Ff1必须为正数：
Figure BDA0003177725530000045
步骤2.4.4、利用公式(15)建立负荷功率约束，即优化后负荷功率Pload(i)的最大值
Figure BDA0003177725530000046
应比优化前负荷功率P′load(i)的最大值
Figure BDA0003177725530000047
低：
Figure BDA0003177725530000048
步骤2.4.5、利用公式(16)建立峰谷倒置约束，即为保证峰时电价升高后，峰时段放电量和谷时段充电量不至于过高而导致峰谷倒置，峰时段负荷功率P1(i)的最大值P1 max(i)不低于谷时段负荷功率P3(i)最大值P3 max(i)：
P1 max(i)-P3 max(i)≥0 (16)。
进一步的，所述步骤S3建立考虑多重分时电价方案的储能调度充放电效益潜力评估模型，并计算储能系统在不同分时电价策略下的充放电潜力，包括：
步骤3.1、利用公式(17)构造峰时电价和储能系统峰时段充放电电量数据对：
{(p1,1,EΣ,1(p1,1)),(p2,1,EΣ,1(p2,1)),...(pk,1,EΣ,1(pk,1))} (17)
式(17)中，EΣ,1(pk,1)为在峰时段电价为pk,1时储能系统在该时段下电量变化之和；
步骤3.2、利用公式(18)计算第k种分时电价峰时段储能被调度的经济性约束因子δk,s：
Figure BDA0003177725530000049
式(18)中，max Q1(pm,1)、max Q3(pm,1)分别为当采用第m种分时电价策略时峰、谷时段用电量的最大值；
步骤3.3、利用公式(19)计算考虑多重分时电价方案的储能调度效益潜力评估指标rm,1：
Figure BDA0003177725530000051
即rm,1>0时代表第m种分时电价策略下ESS调度潜力为正，增加峰时段电价则储能调度收入上升，则该时段放电量增加；rm,1<0时代表第m种TOU策略下储能调度潜力为负，若继续增加峰时段电价则储能调度收入下降，以峰时段为例，该时段放电量下降。
本发明还公开一种考虑多重分时电价的储能调度效益潜力评估系统，包括以下单元，
需求响应模型建立单元，用于获取地区电力负荷观测值及峰平谷时段划分结果，建立基于电价弹性矩阵的需求响应模型，用于计算分时电价策略后各小时负荷；
计算单元，用于基于等步长迭代方法生成多重分时电价，以需求响应模型建立单元中电力负荷观测值为输入量，利用多重分时电价计算各分时电价策略下的小时负荷数据，计算基于多重分时电价负荷数据的储能充放电电量；
充放电效益潜力评估模型建立单元，用于基于计算单元计算的多重分时电价下的储能充放电电量，建立考虑多重分时电价方案的储能调度充放电效益潜力评估模型，并计算储能系统在不同分时电价策略下的充放电潜力。
进一步的，所述计算单元采用粒子群算法计算基于多重分时电价负荷数据的储能充放电电量。
再一方面，本发明还公开一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述方法的步骤。
又一方面，本发明还公开一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述方法的步骤。
综上所述，为综合考虑分时电价策略的制定对储能系统调度策略的重要影响，本发明提供一种考虑多重分时电价的储能调度效益潜力评估方法量化多重分时电价策略下的电力储能调度策略的效益潜力，其主要体现在储能调度策略的效益潜力评估指标中。包括首先，获取地区电力负荷观测值，建立基于电价弹性矩阵的需求响应模型，可用于计算分时电价策略后各小时负荷；其次，提出基于等步长迭代的多重分时电价策略生成方法，即定义峰时段电价按照等步长增加，并以各峰时段电价为约束条件计算多重分时电价下的负荷曲线；第三，提出考虑多重分时电价方案的储能调度效益潜力评估指标，以刻画不同分时电价策略参与需求侧管理对储能系统调度经济效益潜力的影响。
与已有技术相比，本发明的有益效果体现在：
1、本发明根据已有的典型日负荷曲线，获得实行多重分时电价后的多条日负荷功率曲线，相较于传统方法仅考虑一种分时电价策略，有利于综合分析不同分时电价策略下的储能系统调度计划；
2、本发明构建了考虑多重分时电价方案的储能调度效益潜力评估指标，量化了多重电价策略对储能调度经济效益的影响，采用粒子群算法分别确定多重电价策略下的多种储能调度策略，从经济性角度对于不同分时电价下各储能调度策略进行评估，对于提高储能调度策略经济性和从储能系统经济性角度制定分时电价具有重要意义。
附图说明
图1为本发明考虑多重分时电价的储能调度效益潜力评估方法流程示意图；
图2为各地区的日负荷曲线及时段划分结果示意图；
图3为峰时段电价对ESS调度策略影响结果示意图；
图4为不同峰时段电价下和的结果示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
本实施例公开一种考虑多重分时电价的储能调度效益潜力评估方法，包括以下步骤：
步骤一、获取地区电力负荷观测值及峰平谷时段划分结果，建立基于电价弹性矩阵的需求响应模型，用于计算分时电价策略后各小时负荷；
步骤二、基于等步长迭代方法生成多重分时电价，以步骤一中电力负荷观测值为输入量，利用多重分时电价计算各分时电价策略下的小时负荷数据，计算基于多重分时电价负荷数据的储能充放电电量；
步骤三、基于步骤二计算的多重分时电价下的储能充放电电量，建立考虑多重分时电价方案的储能调度充放电效益潜力评估模型，并计算储能系统在不同分时电价策略下的充放电潜力。
图1是本发明的方法原理图，以下针对每一步骤具体说明：
步骤一、获取地区电力负荷观测值，建立基于电价弹性矩阵的需求响应模型，可用于计算分时电价策略后各小时负荷：
步骤1.1、获取地区电力负荷观测值及峰平谷时段划分结果；
步骤1.2、利用公式(1)计算第i时段用电需求量关于第j时段电价的需求价格弹性系数ρij：
Figure BDA0003177725530000071
式(1)中，ΔQi为实行分时电价后i时段负荷变化量；Qi0为分时电价前i时段负荷；Δpj为实行分时电价后j时段电价变化量；pj0为分时电价前i时段电价；i或j的值取1、2、3分别表示峰时段、平时段和谷时段。
步骤1.3、利用公式(2)构建电价弹性矩阵E:
Figure BDA0003177725530000072
步骤1.4、利用公式(3)建立基于分时电价的需求响应模型：
Figure BDA0003177725530000073
式(3)中，Qi为分时电价后第i时段负荷。
步骤二、基于等步长迭代方法生成多重分时电价，以步骤一中原始电力负荷观测值为输入量，利用多重分时电价计算各分时电价策略下的小时负荷数据，采用粒子群算法计算基于多重分时电价负荷数据的储能充放电电量：
步骤2.1、利用公式(4)构建基于等步长迭代的多重分时电价模型：
pm,1＝p(m-1),1+Δp,2≤m≤k (4)
式(4)中，pm,1为第m种分时电价策略峰时段的电价；Δp为迭代步长；k为第k种分时电价策略。
步骤2.2、利用公式(5)构建考虑峰谷差最小的目标函数，共计算k种分时电价的各时段电价，且各分时电价策略的峰时段电价满足公式(4)的约束条件。
min{maxQ(pm,s)-minQ(pm,s)} (5)
式(5)中，maxQ(pm,s)和minQ(pm,s)分别为当采用第m种分时电价策略后，用户一天内负荷最大值和负荷最小值。
步骤2.3、利用公式(6)、(7)、(8)、(9)分别建立储能系统经济收益Bp、储能系统购电成本Cp、放电深度为DDoD(i)时储能系统充放电成本Cdeg(DDoD(i))、第i小时储能系统损耗成本
Figure BDA0003177725530000081
Figure BDA0003177725530000082
Figure BDA0003177725530000083
Figure BDA0003177725530000084
Figure BDA0003177725530000085
式(6)、(7)中，Edch、Ech分别为第i小时储能系统向电网放电的能量、第i小时从电网向储能系统充电的能量；tD、tC分别为储能放电时段、储能充电时段；p(i)为第i小时电价；
式(8)、(9)中，DDoD(i)为第i小时储能系统的放电深度；CB为储能系统替换成本；α、β、γ为函数系数；ηc、ηd分别为储能充、放电效率。
步骤2.4、考虑储能调度过程的约束函数：
步骤2.4.1、利用公式(10)、(11)建立电力储能系统荷电状态约束，即电力储能系统的SOC不得超过规定的最大值
Figure BDA0003177725530000086
也不得低于规定的最小值
Figure BDA0003177725530000087
Figure BDA0003177725530000088
Figure BDA0003177725530000089
式(10)、(11)中，SSOC(i)为第i小时储能系统的荷电状态。
步骤2.4.2、利用公式(12)、(13)建立自身功率约束，即储能系统充放电功率分别不得高于储能系统充电功率的最大值
Figure BDA0003177725530000091
和放电功率最大值
Figure BDA0003177725530000092
Figure BDA0003177725530000093
Figure BDA0003177725530000094
步骤2.4.3、利用公式(14)建立激励收益约束，即作为激励措施，储能调度策略带来的经济收益Ff1必须为正数：
Figure BDA0003177725530000095
步骤2.4.4、利用公式(15)建立负荷功率约束，即优化后负荷功率Pload(i)的最大值
Figure BDA0003177725530000096
应比优化前负荷功率P′load(i)的最大值
Figure BDA0003177725530000097
低：
Figure BDA0003177725530000098
步骤2.4.5、利用公式(16)建立峰谷倒置约束，即为保证峰时电价升高后，峰时段放电量和谷时段充电量不至于过高而导致峰谷倒置，峰时段负荷功率P1(i)的最大值P1 max(i)不低于谷时段负荷功率P3(i)最大值P3 max(i)：
P1 max(i)-P3 max(i)≥0 (16)
步骤2.5、利用粒子群算法计算不同分时电价下的储能充放电电量。
本实施例是采用粒子群算法计算基于多重分时电价负荷数据的储能充放电电量，具体还可以采用其他算法来实现，比如遗传算法、蚁群算法、萤火虫算法、人工神经网络算法等；
步骤三、建立考虑多重分时电价方案的储能调度充放电效益潜力评估模型，并计算储能系统在不同分时电价策略下的充放电潜力：
步骤3.1、利用公式(17)构造峰时电价和储能系统峰时段充放电电量数据对：
{(p1,1,EΣ,1(p1,1)),(p2,1,EΣ,1(p2,1)),...(pk,1,EΣ,1(pk,1))} (17)
式(17)中，EΣ,1(pk,1)为在峰时段电价为pk,1时储能系统在该时段下电量变化之和。
步骤3.2、利用公式(18)计算第k种分时电价峰时段储能被调度的经济性约束因子δk,s：
Figure BDA0003177725530000101
式(18)中，max Q1(pm,1)、max Q3(pm,1)分别为当采用第m种分时电价策略时峰、谷时段用电量的最大值；即储能调度后峰时段最大用电量高于故事段最大用电量时，储能调度经济性存在增长空间，否则，储能调度经济性不存在增加空间。
步骤3.3、利用公式(19)计算考虑多重分时电价方案的储能调度效益潜力评估指标rm,1：
Figure BDA0003177725530000102
即rm,1>0时代表第m种分时电价策略下ESS调度潜力为正，增加峰时段电价则储能调度收入上升，则该时段放电量增加。rm,1<0时代表第m种TOU策略下储能调度潜力为负，若继续增加峰时段电价则储能调度收入下降，以峰时段为例，该时段放电量下降。
验证本发明“一种考虑多重分时电价的储能调度效益潜力评估方法”，主要包括以下步骤：
1)以A、B、C、D四地区日负荷曲线为研究对象。
日负荷曲线数据及时段划分结果参见图2。
2)未实行分时电价策略的初始电价为0.65元/(kW·h)。各地区储能系统的初始SOC为50％，
Figure BDA0003177725530000103
充电效率ηc和放电效率ηd均为95％，储能系统其他参数如表1所示：
表1 储能系统参数
Figure BDA0003177725530000104
3)未执行多重分时电价策略时，各地区分时电价如表2所示：
表2 四个地区的分时电价
Figure BDA0003177725530000111
4)执行多重分时电价策略时，各地区峰时段电价以0.02元·(kW·h)-1为步长进行迭代，并利用粒子群算法计算基于多重分时电价负荷数据的储能充放电电量，各分时电价下储能充放电功率可参见图3。
5)利用图3中储能充放电量和公式(18)、(19)计算考虑多重分时电价方案的峰时段储能被调度的经济性约束因子和储能调度充放电效益潜力，具体可参考图4。
由图4可知，谷时段的最大负荷功率与峰时段的最大负荷功率的比值呈现递增，表明经济性约束因子单调递减，在峰时段电价较低时，峰时段电价的变化对储能调度策略的经济激励程度较高，若提高该时段电价，则储能系统倾向于在峰时段售电以获得更高的经济收益，因此放电量增加；随着峰时段电价升高，储能调度充放电效益潜力减小，若储能调度充放电效益潜力小于0，峰时段的经济效益将呈下降趋势，此时峰时电价的提高不利于储能系统在峰时段更多放电获利。对比图3可以发现，储能调度充放电效益潜力证明了储能调度策略在各电价方案下的变化规律。
综上所述，本发明所提出的一种考虑多重分时电价的储能调度效益潜力评估方法，综合分析分时电价策略对储能调度策略的影响，定量研究多重分时电价方案下的储能调度策略效益潜力，对进一步提高系统整体经济效益具有重要意义。
同时，本发明实施例还公开一种考虑多重分时电价的储能调度效益潜力评估系统，包括以下单元，
需求响应模型建立单元，用于获取地区电力负荷观测值及峰平谷时段划分结果，建立基于电价弹性矩阵的需求响应模型，用于计算分时电价策略后各小时负荷；
计算单元，用于基于等步长迭代方法生成多重分时电价，以需求响应模型建立单元中电力负荷观测值为输入量，利用多重分时电价计算各分时电价策略下的小时负荷数据，计算基于多重分时电价负荷数据的储能充放电电量；
充放电效益潜力评估模型建立单元，用于基于计算单元计算的多重分时电价下的储能充放电电量，建立考虑多重分时电价方案的储能调度充放电效益潜力评估模型，并计算储能系统在不同分时电价策略下的充放电潜力。
再一方面，本发明还公开一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上述方法的步骤。
又一方面，本发明还公开一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上述方法的步骤。
可理解的是，本发明实施例提供的系统与本发明实施例提供的方法相对应，相关内容的解释、举例和有益效果可以参考上述方法中的相应部分。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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)

1.一种考虑多重分时电价的储能调度效益潜力评估方法，其特征在于，通过计算机设备实现以下步骤，
S1、获取地区电力负荷观测值及峰平谷时段划分结果，建立基于电价弹性矩阵的需求响应模型，用于计算分时电价策略后各小时负荷；
S2、基于等步长迭代方法生成多重分时电价，以S1中电力负荷观测值为输入量，利用多重分时电价计算各分时电价策略下的小时负荷数据，计算基于多重分时电价负荷数据的储能充放电电量；
S3、基于步骤S2计算的多重分时电价下的储能充放电电量，建立考虑多重分时电价方案的储能调度充放电效益潜力评估模型，并计算储能系统在不同分时电价策略下的充放电潜力。
2.根据权利要求1所述的考虑多重分时电价的储能调度效益潜力评估方法，其特征在于：所述步骤S1获取地区电力负荷观测值及峰平谷时段划分结果，建立基于电价弹性矩阵的需求响应模型，用于计算分时电价策略后各小时负荷，具体包括，
步骤1.1、获取地区电力负荷观测值及峰平谷时段划分结果；
步骤1.2、利用公式(1)计算第i时段用电需求量关于第j时段电价的需求价格弹性系数ρij：
Figure FDA0003177725520000011
式(1)中，ΔQi为实行分时电价后i时段负荷变化量；Qi0为分时电价前i时段负荷；Δpj为实行分时电价后j时段电价变化量；pj0为分时电价前i时段电价；i或j的值取1、2、3分别表示峰时段、平时段和谷时段；
步骤1.3、利用公式(2)构建电价弹性矩阵E，其中主对角线元素为自弹性系数，其值为负；非对角线元素为交叉弹性系数，其值为正：
Figure FDA0003177725520000012
步骤1.4、利用公式(3)建立基于分时电价的需求响应模型：
Figure FDA0003177725520000013
式(3)中，Qi为分时电价后第i时段负荷。
3.根据权利要求2所述的考虑多重分时电价的储能调度效益潜力评估方法，其特征在于：所述步骤S2中采用粒子群算法计算基于多重分时电价负荷数据的储能充放电电量。
4.根据权利要求3所述的考虑多重分时电价的储能调度效益潜力评估方法，其特征在于：所述步骤S2具体步骤包括：
步骤2.1、利用公式(4)构建基于等步长迭代的多重分时电价模型：
pm,1＝p(m-1),1+Δp,2≤m≤k (4)
式(4)中，pm,1为第m种分时电价策略峰时段的电价；Δp为迭代步长；k为第k种分时电价策略；
步骤2.2、利用公式(5)构建考虑峰谷差最小的目标函数，共计算k种分时电价的各时段电价，且各分时电价策略的峰时段电价满足公式(4)的约束条件；
min{maxQ(pm,s)-minQ(pm,s)} (5)
式(5)中，maxQ(pm,s)和minQ(pm,s)分别为当采用第m种分时电价策略后，用户一天内负荷最大值和负荷最小值；
步骤2.3、利用公式(6)、(7)、(8)、(9)分别建立储能系统经济收益Bp、储能系统购电成本Cp、放电深度为DDoD(i)时储能系统充放电成本Cdeg(DDoD(i))、第i小时储能系统损耗成本
Figure FDA0003177725520000021
Figure FDA0003177725520000022
Figure FDA0003177725520000023
Figure FDA0003177725520000024
Figure FDA0003177725520000025
式(6)、(7)中，Edch、Ech分别为第i小时储能系统向电网放电的能量、第i小时从电网向储能系统充电的能量；tD、tC分别为储能放电时段、储能充电时段；p(i)为第i小时电价；
式(8)、(9)中，DDoD(i)为第i小时储能系统的放电深度；CB为储能系统替换成本；α、β、γ为函数系数；ηc、ηd分别为储能充、放电效率；
步骤2.4、考虑储能调度过程的约束函数；
步骤2.5、利用粒子群算法计算不同分时电价下的储能充放电电量。
5.根据权利要求4所述的考虑多重分时电价的储能调度效益潜力评估方法，其特征在于：所述步骤2.4、考虑储能调度过程的约束函数，具体步骤如下：
步骤2.4.1、利用公式(10)、(11)建立电力储能系统荷电状态约束，即电力储能系统的SOC不得超过规定的最大值
Figure FDA0003177725520000031
也不得低于规定的最小值
Figure FDA0003177725520000032
Figure FDA0003177725520000033
Figure FDA0003177725520000034
式(10)、(11)中，SSOC(i)为第i小时储能系统的荷电状态；
步骤2.4.2、利用公式(12)、(13)建立自身功率约束，即储能系统充放电功率分别不得高于储能系统充电功率的最大值
Figure FDA0003177725520000035
和放电功率最大值
Figure FDA0003177725520000036
Figure FDA0003177725520000037
Figure FDA0003177725520000038
步骤2.4.3、利用公式(14)建立激励收益约束，即作为激励措施，储能调度策略带来的经济收益Ff1必须为正数：
Figure FDA0003177725520000039
步骤2.4.4、利用公式(15)建立负荷功率约束，即优化后负荷功率Pload(i)的最大值
Figure FDA00031777255200000310
应比优化前负荷功率P′load(i)的最大值
Figure FDA00031777255200000311
低：
Figure FDA00031777255200000312
步骤2.4.5、利用公式(16)建立峰谷倒置约束，即为保证峰时电价升高后，峰时段放电量和谷时段充电量不至于过高而导致峰谷倒置，峰时段负荷功率P1(i)的最大值P1 max(i)不低于谷时段负荷功率P3(i)最大值P3 max(i)：
P1 max(i)-P3 max(i)≥0 (16)。
6.根据权利要求5所述的考虑多重分时电价的储能调度效益潜力评估方法，其特征在于：所述步骤S3建立考虑多重分时电价方案的储能调度充放电效益潜力评估模型，并计算储能系统在不同分时电价策略下的充放电潜力，包括：
步骤3.1、利用公式(17)构造峰时电价和储能系统峰时段充放电电量数据对：
{(p1,1,EΣ,1(p1,1)),(p2,1,EΣ,1(p2,1)),...(pk,1,EΣ,1(pk,1))} (17)
式(17)中，EΣ,1(pk,1)为在峰时段电价为pk,1时储能系统在该时段下电量变化之和；
步骤3.2、利用公式(18)计算第k种分时电价峰时段储能被调度的经济性约束因子δk,s：
Figure FDA0003177725520000041
式(18)中，max Q1(pm,1)、max Q3(pm,1)分别为当采用第m种分时电价策略时峰、谷时段用电量的最大值；
步骤3.3、利用公式(19)计算考虑多重分时电价方案的储能调度效益潜力评估指标rm,1：
Figure FDA0003177725520000042
即rm,1>0时代表第m种分时电价策略下ESS调度潜力为正，增加峰时段电价则储能调度收入上升，则该时段放电量增加；rm,1<0时代表第m种TOU策略下储能调度潜力为负，若继续增加峰时段电价则储能调度收入下降，以峰时段为例，该时段放电量下降。
7.一种考虑多重分时电价的储能调度效益潜力评估系统，其特在于包括以下单元，
需求响应模型建立单元，用于获取地区电力负荷观测值及峰平谷时段划分结果，建立基于电价弹性矩阵的需求响应模型，用于计算分时电价策略后各小时负荷；
计算单元，用于基于等步长迭代方法生成多重分时电价，以需求响应模型建立单元中电力负荷观测值为输入量，利用多重分时电价计算各分时电价策略下的小时负荷数据，计算基于多重分时电价负荷数据的储能充放电电量；
充放电效益潜力评估模型建立单元，用于基于计算单元计算的多重分时电价下的储能充放电电量，建立考虑多重分时电价方案的储能调度充放电效益潜力评估模型，并计算储能系统在不同分时电价策略下的充放电潜力。
8.根据权利要求7所述的一种考虑多重分时电价的储能调度效益潜力评估系统，所述计算单元采用粒子群算法计算基于多重分时电价负荷数据的储能充放电电量。
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
CN202110837434.7A 2021-07-23 2021-07-23 考虑多重分时电价的储能调度效益潜力评估方法及设备 Pending CN113569405A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110837434.7A CN113569405A (zh) 2021-07-23 2021-07-23 考虑多重分时电价的储能调度效益潜力评估方法及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110837434.7A CN113569405A (zh) 2021-07-23 2021-07-23 考虑多重分时电价的储能调度效益潜力评估方法及设备

Publications (1)

Publication Number Publication Date
CN113569405A true CN113569405A (zh) 2021-10-29

Family

ID=78166771

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110837434.7A Pending CN113569405A (zh) 2021-07-23 2021-07-23 考虑多重分时电价的储能调度效益潜力评估方法及设备

Country Status (1)

Country Link
CN (1) CN113569405A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107944630A (zh) * 2017-12-01 2018-04-20 华北电力大学 一种季节性分时电价优化制定方法
CN108683174A (zh) * 2018-04-19 2018-10-19 浙江工业大学 一种基于多时间尺度需求响应模型的网损优化方法
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
AU2020102245A4 (en) * 2019-01-08 2020-10-29 Nanjing Institute Of Technology A grid hybrid rolling dispatching method considering congestion and energy storage tou price
CN111864758A (zh) * 2020-07-29 2020-10-30 合肥工业大学 一种考虑负荷需求差异性的储能系统运行调度方法
CN112288173A (zh) * 2020-10-30 2021-01-29 合肥工业大学 一种考虑分时电价和激励补偿的尖峰负荷调整方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107944630A (zh) * 2017-12-01 2018-04-20 华北电力大学 一种季节性分时电价优化制定方法
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN108683174A (zh) * 2018-04-19 2018-10-19 浙江工业大学 一种基于多时间尺度需求响应模型的网损优化方法
AU2020102245A4 (en) * 2019-01-08 2020-10-29 Nanjing Institute Of Technology A grid hybrid rolling dispatching method considering congestion and energy storage tou price
CN111864758A (zh) * 2020-07-29 2020-10-30 合肥工业大学 一种考虑负荷需求差异性的储能系统运行调度方法
CN112288173A (zh) * 2020-10-30 2021-01-29 合肥工业大学 一种考虑分时电价和激励补偿的尖峰负荷调整方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李洪珠;曹人众;张馨瑜;: "家庭用电背景下基于实时电价的需求响应模型", 电力系统及其自动化学报, no. 11 *

Similar Documents

Publication Publication Date Title
CN110429653B (zh) 考虑储能和dr的农网分布式光伏消纳方法及终端设备
CN110994694A (zh) 计及差异化需求响应的微电网源荷储协调优化调度方法
CN114938035B (zh) 考虑储能退化成本的共享储能能量调度方法及系统
KR102672397B1 (ko) 전력거래 중개 시스템 및 방법
CN106447108A (zh) 一种考虑业扩报装数据的用电需求分析预测方法
Choudhury et al. Artificial intelligence solution to transmission loss allocation problem
CN116882848B (zh) 一种企业电力碳绩效综合评价方法及设备
CN113569405A (zh) 考虑多重分时电价的储能调度效益潜力评估方法及设备
CN117035158A (zh) 一种基于多种收益模式的用户侧储能优化配置评估系统及方法
CN111027779A (zh) 一种储能项目自充自用综合电价模拟预测方法
CN111126716A (zh) 一种基于极端梯度提升算法预测电价的系统模型
CN109687452A (zh) 一种用于配电网供电能力的分析方法、装置及存储介质
CN113283654B (zh) 基于聚合解列机制的微网群优化控制方法及系统
Semko Bayesian estimation of small-scale DSGE model of the Ukrainian economy
CN114358490A (zh) 面向电力需求响应的多可调资源调节能力聚合方法及系统
CN112037082B (zh) 一种电网调峰中可中断负荷电价的计算方法及系统
CN116667356B (zh) 发电主体行为控制方法、装置、设备、介质和产品
CN111899122B (zh) 一种基于储能控制的用户分散出清方法
CN111080468B (zh) 一种中长期电量越限的调整方法及系统
CN117114455B (zh) 一种基于用户参与的需求响应调度方法及装置
CN118365373B (zh) 一种基于业扩数据的预测方法、设备及存储介质
CN109193790B (zh) 分布式光伏电源并网控制方法、装置、设备及存储介质
CN118367552B (zh) 考虑配电网电压质量和用户侧满意度的优化调度方法及系统
CN115936754A (zh) 电力市场短期电力负荷的预测方法、系统、设备和介质
CN118674107A (zh) 面向电力调峰的储能调度方法、装置和计算机设备

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