CN113612219A - 一种基于源网荷储互动的减碳微网日前能量优化方法 - Google Patents

一种基于源网荷储互动的减碳微网日前能量优化方法 Download PDF

Info

Publication number
CN113612219A
CN113612219A CN202110692653.0A CN202110692653A CN113612219A CN 113612219 A CN113612219 A CN 113612219A CN 202110692653 A CN202110692653 A CN 202110692653A CN 113612219 A CN113612219 A CN 113612219A
Authority
CN
China
Prior art keywords
cost
power
microgrid
grid
power generation
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
CN202110692653.0A
Other languages
English (en)
Inventor
金安君
苏家鹏
李智豪
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to CN202110692653.0A priority Critical patent/CN113612219A/zh
Publication of CN113612219A publication Critical patent/CN113612219A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于源网荷储互动的减碳微网日前能量优化方法，包括以下步骤：采集源网荷储互动智能微网数据；设置微网中负荷的电力需求与系统内的分布式发电部分、储能部分和外部大电网满足条件；构建微网经济及其碳排放计算模型；计算微电网的净用电成本；计算微网所造成的碳排放量；设置优化目标及其约束条件；利用优化算法及其计算模型得出储能及其可调节负荷的最优结果。上述技术方案通过构建微网经济及碳排放计算模型，计算微网内经济效益和碳排放，实现包括可再生能源发电、可调节负荷、基本负荷、储能以及大电网构成的源网荷储互动智能微网的优化调度，实现源网荷储互动碳减，减少微网内的碳排放，提升电力系统内的协同合作性。

Description

一种基于源网荷储互动的减碳微网日前能量优化方法
技术领域
本发明涉及微电网技术领域，尤其涉及一种基于源网荷储互动的减碳微网日前能量优化方法。
背景技术
微电网是一种将分布式电源、负荷、储能装置、变流器以及监控保护装置有机整合在一起的小型发配电系统。由于传统的微电网具有公共总线和层次控制结构，对微电网的结构和容量扩展非常复杂和昂贵。模块化微电网由三端口变流器、蓄电池、负荷、风光发电单元以及备用柴油发电机组成。模块化微电网便于扩容，且通过运行控制和能量管理等，可以实现模块独立运行或互联运行、降低间歇性分布式电源给配电网带来不利影响，最大限度地利用可再生能源电源出力，提高供电可靠性和电能质量，实现了从传统的柴油发电系统到清洁能源发电系统的转变。
有资料显示，对于微电网的低碳化运行，现有技术对微电网运行优化控制方法的研究已经持续了不少年了，但研究的方向主要集中在投资最小、综合成本最低等经济领域。近年来随着人们对环境保护越来越重视，低碳效应引起人们更多的重视。有必要对微电网采取一定的低碳化运行优化控制来满足环保需求。现有不多的微电网低碳运行研究都没有将低碳作为主要的优化目标，只是将其作为附加的优化目标，对其重视程度不够。同时，研究给出的微电网碳排放公式也过于粗略，不能准确反映能源使用效率以及分布位置对碳排放的影响，会产生较大的误差。现行的研究也没有针对低碳这一目标给出细化的优化控制策略。
现有的微电网优化控制方法多以经济指标为优化目的，没有考虑低碳利益；鲜有的针对低碳因素做出优化的方案中，低碳因素也仅占一小部分且只是作为经济目标下的一个小分支。同时，针对分布式电源碳排放量计算公式也存在很大的可优化空间，也不存在一套针对低碳运行具体的优化措施。
中国专利文献CN108306338B公开了一种“模块化微电网及其日前能量优化调度的方法”。采用了包括：以模块化微电网中各模块内各组成单元之间的能量守恒关系和模块之间的功率交换能量守恒关系为约束条件，建立运行成本目标函数；以各模块内的柴油发电机输出功率时间序列和模块与微电网的交换功率时间序列为日前能量优化的变量，采用粒子群优化算法求解运行成本目标函数，获取运行成本最小的变量矩阵；根据获取的变量矩阵对模块化微电网中模块的日前能量进行配置。上述技术方案价格过高、碳排放过多，没有考虑低碳利益。
发明内容
本发明主要解决原有的技术方案进行微电网优化控制时没有考虑低碳利益，价格过高、碳排放过多的技术问题，提供一种基于源网荷储互动的减碳微网日前能量优化方法，通过构建微网经济及碳排放计算模型，计算微网内经济效益和碳排放，实现包括可再生能源发电、可调节负荷、基本负荷、储能以及大电网构成的源网荷储互动智能微网的优化调度，实现源网荷储互动碳减，减少微网内的碳排放，提升电力系统内的协同合作性。
本发明的上述技术问题主要是通过下述技术方案得以解决的：本发明包括以下步骤：
S1采集源网荷储互动智能微网数据；
S2设置微网中负荷的电力需求与系统内的分布式发电部分、储能部分和外部大电网满足条件；
S3构建微网经济及其碳排放计算模型；
S4计算微电网的净用电成本；
S5计算微网所造成的碳排放量；
S6设置优化目标及其约束条件；
S7利用优化算法及其计算模型得出储能及其可调节负荷的最优结果。
作为优选，所述的步骤S1中源网荷储互动智能微网数据包括可再生能源发电、可调节负荷、基本负荷、储能以及大电网。
作为优选，所述的步骤S2微网中负荷的电力需求需要被系统内的分布式发电部分、储能部分和外部大电网满足，为了保证负荷的用电质量，每个时刻应该满足系统内功率平衡约束，即：
Figure BDA0003127326100000031
Figure BDA0003127326100000032
其中，
Figure BDA0003127326100000033
为负荷CP功率，
Figure BDA0003127326100000034
为发电部分PG功率，
Figure BDA0003127326100000035
为储能系统ES功率，
Figure BDA0003127326100000036
为外部大电网GP功率，发电部分PG和负荷CP的功率都是单向的；储能系统ES向微网内发电时为正，否则为负；外部大电网GP向微网内发电时为正，否则为负。
作为优选，所述的步骤S3微网经济及其碳排放计算模型为：
Figure BDA0003127326100000037
其中第一行代表微网中负荷的电力需求需要被系统内的分布式发电部分、储能部分和外部大电网满足；第二行代表微电网的净用电成本由两部分组成的，即收益和成本；第三行代表微网所造成的碳排放量，
Figure BDA0003127326100000038
为微网实时产生的净用电成本，KC_PG为PG发出度电的成本，KC_ES为ES充放电的度电成本，KC_EX为EX的度电成本，
Figure BDA0003127326100000041
为实时消耗碳排放量，KCD_PG为发电部分PG成本，KCD-ES为储能系统ES成本，KCD-GP为外部大电网GP成本
作为优选，所述的步骤S4微电网的净用电成本包括收益部分和成本部分，所述收益部分通过与电网卖电来最终实现，即微网与外部交互售电收益。
作为优选，所述的成本部分包括发电部分PG发电成本
Figure BDA0003127326100000042
储能系统ES储能和发电成本
Figure BDA0003127326100000043
微网与外部电网交互所产生收益及其成本
Figure BDA0003127326100000044
所述发电部分PG发电成本包括燃料成本、运营成本、设备折损成本；储能系统ES存储和发电成本包括运行维护、设备折损、能量损耗成本，微网实时产生的净用电成本由发电部分PG发电成本
Figure BDA0003127326100000045
储能系统ES储能和发电成本
Figure BDA0003127326100000046
及其微网与大电网交互成本
Figure BDA0003127326100000047
组成：
Figure BDA0003127326100000048
作为优选，所述的发电部分PG发电成本
Figure BDA0003127326100000049
由其燃料所耗成本、运营成本及其设备折损成本组成，即：
Figure BDA00031273261000000410
其中，KC_PG为PG发出度电的成本，KPG-f为PG发出度电燃料成本，KPG-ll为PG发出度电设备折损成本，KPG-opm为PG发出度电运营维护成本，
Figure BDA00031273261000000411
Δt为调度时长，T为1h。
作为优选，所述的储能系统ES储能和发电成本
Figure BDA00031273261000000412
由其运行维护、设备折损及其能量损耗成本组成，即：
Figure BDA00031273261000000413
其中，KC_ES为ES充放电的度电成本,KBat-opm为ES充放电的运营维护成本，KBat-ll为ES充放电的设备折损成本，KBat-el为ES充放电的能量损耗成本，
Figure BDA0003127326100000051
Δt为调度时长，T为1h。
作为优选，所述的微网与外部电网交互所产生收益及其成本
Figure BDA0003127326100000052
Figure BDA0003127326100000053
其中，
Figure BDA0003127326100000054
Δt为调度时长，T为1h，KC_EX为EX的度电成本，当微网向大电网购电时，即采用购电电价Cb；当微网向大电网售电时，即采用售电电价Cb；当微网向大电网购电时，即采用购电电价fs；
Figure BDA0003127326100000055
其中，fs为微网售电电价，cb为微网购电电价，
微网在0-tn时段内累计总净用电成本，为每个调度时段的总和：
Figure BDA0003127326100000056
作为优选，所述的步骤S5微网所造成的碳排放量，
实时消耗碳排放量，由发电部分PG造成的碳排放量
Figure BDA0003127326100000057
储能系统ES造成的碳排放量
Figure BDA0003127326100000058
及其外部大电网GP造成的碳排放量
Figure BDA0003127326100000059
组成，即：
Figure BDA00031273261000000510
Figure BDA00031273261000000511
为发电部分PG造成的碳排放量，
Figure BDA00031273261000000512
为储能系统ES造成的碳排放量，
Figure BDA00031273261000000513
为外部大电网GP造成的碳排放量；
在风光互补微网中：
Figure BDA00031273261000000514
Figure BDA00031273261000000515
Figure BDA00031273261000000516
其中,KCD_PV为光伏发电机发电PV成本，
Figure BDA00031273261000000517
为光伏发电机发电PV的功率，KCD_WT为风力发电机发电WT成本，
Figure BDA0003127326100000061
为风力发电机发电WT的功率，
Figure BDA0003127326100000062
Δt为调度时长，T为1h，
在0-tn时段内累计消耗总碳排放量，为每个调度时段的总和：
Figure BDA0003127326100000063
本发明的有益效果是：通过构建微网经济及碳排放计算模型，计算微网内经济效益和碳排放，实现包括可再生能源发电、可调节负荷、基本负荷、储能以及大电网构成的源网荷储互动智能微网的优化调度，实现源网荷储互动碳减，减少微网内的碳排放，提升电力系统内的协同合作性。
附图说明
图1是本发明的一种流程图。
图2是本发明的一种碳减目标日前优化调度实施流程图。
图3是本发明的一种日前预测光伏、风机及基本负荷出力示意图。
图4是本发明的一种优化前后电动公交出力情况示意图。
图5是本发明的一种优化前后微网供需情况图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：本实施例的一种基于源网荷储互动的减碳微网日前能量优化方法，如图1所示，包括以下步骤
S1采集源网荷储互动智能微网数据，包括可再生能源发电、可调节负荷、基本负荷、储能以及大电网。
S2设置微网中负荷的电力需求与系统内的分布式发电部分、储能部分和外部大电网满足条件，为了保证负荷的用电质量，每个时刻应该满足系统内功率平衡约束，即
Figure BDA0003127326100000071
Figure BDA0003127326100000072
其中，发电部分PG和负荷CP的功率都是单向的；储能系统ES向微网内发电时为正，否则为负；外部大电网GP向微网内发电时为正，否则为负。
S3构建微网经济及其碳排放计算模型，
Figure BDA0003127326100000073
其中第一行代表微网中负荷的电力需求需要被系统内的分布式发电部分、储能部分和外部大电网满足；第二行代表微电网的净用电成本由两部分组成的，即收益和成本；第三行代表微网所造成的碳排放量。
S4计算微电网的净用电成本，微电网的净用电成本由两部分组成的，即收益和成本。
收益部分：
整个系统的收益应该是由能量守恒的前提下，无论是储能峰谷套利，还是发电机产生电能产生的收益，都是通过与电网卖电来最终实现的。即微网与外部交互售电收益。
成本部分：
包括发电部分PG发电成本
Figure BDA0003127326100000074
储能系统ES储能和发电成本
Figure BDA0003127326100000075
微网与外部电网交互所产生收益及其成本
Figure BDA0003127326100000076
所述发电部分PG发电成本包括燃料成本、运营成本、设备折损成本；储能系统ES存储和发电成本包括运行维护、设备折损、能量损耗成本，微网实时产生的净用电成本：
Figure BDA0003127326100000081
发电部分PG发电成本
Figure BDA0003127326100000082
Figure BDA0003127326100000083
其中，KPG为PG发出度电的成本，KPG-f为PG发出度电燃料成本，KPG-ll为PG发出度电设备折损成本，KPG-opm为PG发出度电运营维护成本，
Figure BDA0003127326100000084
Δt为调度时长，T为1h。
储能系统ES储能和发电成本
Figure BDA0003127326100000085
Figure BDA0003127326100000086
其中，KC_ES为ES充放电的度电成本,KBat-opm为ES充放电的运营维护成本，KBat-ll为ES充放电的设备折损成本，KBat-el为ES充放电的能量损耗成本。
微网与外部电网交互所产生收益及其成本
Figure BDA0003127326100000087
Figure BDA0003127326100000088
其中，
Figure BDA0003127326100000089
Δt为调度时长，T为1h，KC_EX为EX的度电成本，
Figure BDA00031273261000000810
其中，fs为微网售电电价，cb为微网购电电价，
微网在0-tn时段内累计净用电成本为：
Figure BDA00031273261000000811
S5计算微网所造成的碳排放量，实时消耗碳排放量：
Figure BDA00031273261000000812
Figure BDA00031273261000000813
为发电部分PG造成的碳排放量，
Figure BDA00031273261000000814
为储能系统ES造成的碳排放量，
Figure BDA00031273261000000815
为外部大电网GP造成的碳排放量；
在风光互补微网中：
Figure BDA0003127326100000091
Figure BDA0003127326100000092
Figure BDA0003127326100000093
其中,KCD_PV为光伏发电机发电PV成本，
Figure BDA0003127326100000094
为光伏发电机发电PV的功率，KCD_WT为风力发电机发电WT成本，
Figure BDA0003127326100000095
为风力发电机发电WT的功率，
Figure BDA0003127326100000096
Δt为调度时长，T为1h，
在0-tn时段内累计消耗碳排放量：
Figure BDA0003127326100000097
S6设置优化目标及其约束条件；
以碳减为目标的基于源网荷储互动的日前优化调度方法及其案例
(1)优化目标为一日的调度周期内微网碳排放量最少，即：
minF(t)＝{ECD}
约束条件：
1)微网内供需功率平衡约束：
Figure BDA0003127326100000098
2)各发电机组出力功率限制：
风力发电机发电功率限制：
Figure BDA0003127326100000099
光伏发电机发电功率限制：
Figure BDA00031273261000000910
电网联络线功率限制：
Figure BDA0003127326100000101
3)电动公交汽车电池离站时必须能够完整的完成一次下一次调度任务，电动公交汽车离站时，车载电池SOC状态上下限限制：
Figure BDA0003127326100000102
电动公交汽车离站时，车载电池SOC状态上限限制：
Figure BDA0003127326100000103
电动公交汽车充电功率限制：
Figure BDA0003127326100000104
具体实施流程及方法如图2所示。
具体实施案例及方针结果
如图3所示，为该案例中获取的风机、光伏、基本负荷的日前预测数据。图中标记部分为可再生能源供给电力大于负荷消耗的部分，此时可再生能源被送至配电网进入大电网至远处负荷消耗；而当可再生能源不足时，又需要从大电网购电，根据前文从大电网购电碳排放要大大高于可再生能源。
对于微网系统中，利用可再生能源产生电力所造成的碳排放要远远小于电网。如图4、图5所示，经过该发明提出的优化方法，可将电动公交的负荷转移至可再生能源富足的区域，在一天的尺度上尽可能多的利用可再生能源，从而达到碳减的目的。
Figure BDA0003127326100000105
Figure BDA0003127326100000111
通过该发明提出的基于源网荷储互动的智能微网及其日内优化方法，可使得微网内碳排放相对于普通微网减少
Figure BDA0003127326100000112
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管本文较多地使用了发电部分、储能部分和外部大电网等术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。

Claims (10)

1.一种基于源网荷储互动的减碳微网日前能量优化方法，其特征在于，包括以下步骤：
S1采集源网荷储互动智能微网数据；
S2设置微网中负荷的电力需求与系统内的分布式发电部分、储能部分和外部大电网满足条件；
S3构建微网经济及其碳排放计算模型；
S4计算微电网的净用电成本；
S5计算微网所造成的碳排放量；
S6设置优化目标及其约束条件；
S7利用优化算法及其计算模型得出储能及其可调节负荷的最优结果。
2.根据权利要求1所述的一种基于源网荷储互动的减碳微网日前能量优化方法，其特征在于，所述步骤S1中源网荷储互动智能微网数据包括可再生能源发电、可调节负荷、基本负荷、储能以及大电网。
3.根据权利要求1所述的一种基于源网荷储互动的减碳微网日前能量优化方法，其特征在于，所述步骤S2微网中负荷的电力需求需要被系统内的分布式发电部分、储能部分和外部大电网满足，为了保证负荷的用电质量，每个时刻应该满足系统内功率平衡约束，即：
Figure FDA0003127326090000011
Figure FDA0003127326090000012
其中，
Figure FDA0003127326090000013
为负荷CP功率，
Figure FDA0003127326090000014
为发电部分PG功率，
Figure FDA0003127326090000015
为储能系统ES功率，
Figure FDA0003127326090000016
为外部大电网GP功率，发电部分PG和负荷CP的功率都是单向的；储能系统ES向微网内发电时为正，否则为负；外部大电网GP向微网内发电时为正，否则为负。
4.根据权利要求3所述的一种基于源网荷储互动的减碳微网日前能量优化方法，其特征在于，所述步骤S5微网经济及其碳排放计算模型为：
Figure FDA0003127326090000021
其中第一行代表微网中负荷的电力需求需要被系统内的分布式发电部分、储能部分和外部大电网满足；第二行代表微电网的净用电成本由两部分组成的，即收益和成本；第三行代表微网所造成的碳排放量，
Figure FDA0003127326090000022
为微网实时产生的净用电成本，KC_PG为PG发出度电的成本，KC_ES为ES充放电的度电成本，KC_EX为EX的度电成本，
Figure FDA0003127326090000023
为实时消耗碳排放量，KCD_PG为发电部分PG成本，KCD-ES为储能系统ES成本，KCD-GP为外部大电网GP成本。
5.根据权利要求1所述的一种基于源网荷储互动的减碳微网日前能量优化方法，其特征在于，所述步骤S4微电网的净用电成本包括收益部分和成本部分，所述收益部分通过与电网卖电来最终实现，即微网与外部交互售电收益。
6.根据权利要求5所述的一种基于源网荷储互动的减碳微网日前能量优化方法，其特征在于，所述成本部分包括发电部分PG发电成本
Figure FDA0003127326090000024
储能系统ES储能和发电成本
Figure FDA0003127326090000025
微网与外部电网交互所产生收益及其成本
Figure FDA0003127326090000026
所述发电部分PG发电成本包括燃料成本、运营成本、设备折损成本；储能系统ES存储和发电成本包括运行维护、设备折损、能量损耗成本，微网实时产生的净用电成本由发电部分PG发电成本
Figure FDA0003127326090000027
储能系统ES储能和发电成本
Figure FDA0003127326090000028
及其微网与大电网交互成本
Figure FDA0003127326090000029
组成：
Figure FDA00031273260900000210
7.根据权利要求6所述的一种基于源网荷储互动的减碳微网日前能量优化方法，其特征在于，所述发电部分PG发电成本
Figure FDA0003127326090000031
由其燃料所耗成本、运营成本及其设备折损成本组成，即：
Figure FDA0003127326090000032
其中，KC_PG为PG发出度电的成本，KPG-f为PG发出度电燃料成本，KPG-ll为PG发出度电设备折损成本，KPG-opm为PG发出度电运营维护成本，
Figure FDA0003127326090000033
Δt为调度时长，T为1h。
8.根据权利要求6所述的一种基于源网荷储互动的减碳微网日前能量优化方法，其特征在于，所述储能系统ES储能和发电成本
Figure FDA0003127326090000034
由其运行维护、设备折损及其能量损耗成本组成，即：
Figure FDA0003127326090000035
其中，KC_ES为ES充放电的度电成本,KBat-opm为ES充放电的运营维护成本，KBat-ll为ES充放电的设备折损成本，KBat-el为ES充放电的能量损耗成本，
Figure FDA0003127326090000036
Δt为调度时长，T为1h。
9.根据权利要求6所述的一种基于源网荷储互动的减碳微网日前能量优化方法，其特征在于，所述微网与外部电网交互所产生收益及其成本
Figure FDA0003127326090000037
Figure FDA0003127326090000038
其中，
Figure FDA0003127326090000039
Δt为调度时长，T为1h，KC_EX为EX的度电成本，当微网向大电网购电时，即采用购电电价Cb；当微网向大电网售电时，即采用售电电价Cb；当微网向大电网购电时，即采用购电电价fs；
Figure FDA00031273260900000310
其中，fs为微网售电电价，cb为微网购电电价，
微网在0-tn时段内累计总净用电成本，为每个调度时段的总和：
Figure FDA0003127326090000041
10.根据权利要求1所述的一种基于源网荷储互动的减碳微网日前能量优化方法，其特征在于，所述步骤S5微网所造成的碳排放量，
实时消耗碳排放量，由发电部分PG造成的碳排放量
Figure FDA0003127326090000042
储能系统ES造成的碳排放量
Figure FDA0003127326090000043
及其外部大电网GP造成的碳排放量
Figure FDA0003127326090000044
组成，即：
Figure FDA0003127326090000045
Figure FDA0003127326090000046
为发电部分PG造成的碳排放量，
Figure FDA0003127326090000047
为储能系统ES造成的碳排放量，
Figure FDA0003127326090000048
为外部大电网GP造成的碳排放量；
在风光互补微网中：
Figure FDA0003127326090000049
Figure FDA00031273260900000410
Figure FDA00031273260900000411
其中,KCD_PV为光伏发电机发电PV成本，
Figure FDA00031273260900000412
为光伏发电机发电PV的功率，KCD_WT为风力发电机发电WT成本，
Figure FDA00031273260900000413
为风力发电机发电WT的功率，
Figure FDA00031273260900000414
Δt为调度时长，T为1h，
在0-tn时段内累计消耗总碳排放量，为每个调度时段的总和：
Figure FDA00031273260900000415
CN202110692653.0A 2021-06-22 2021-06-22 一种基于源网荷储互动的减碳微网日前能量优化方法 Pending CN113612219A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110692653.0A CN113612219A (zh) 2021-06-22 2021-06-22 一种基于源网荷储互动的减碳微网日前能量优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110692653.0A CN113612219A (zh) 2021-06-22 2021-06-22 一种基于源网荷储互动的减碳微网日前能量优化方法

Publications (1)

Publication Number Publication Date
CN113612219A true CN113612219A (zh) 2021-11-05

Family

ID=78336690

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110692653.0A Pending CN113612219A (zh) 2021-06-22 2021-06-22 一种基于源网荷储互动的减碳微网日前能量优化方法

Country Status (1)

Country Link
CN (1) CN113612219A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114925914A (zh) * 2022-02-17 2022-08-19 宁波莲腾智慧能源科技有限公司 基于本征空间的能源优化调度方法及其电力交易方法
CN115860287A (zh) * 2023-03-02 2023-03-28 东方电气集团科学技术研究院有限公司 一种用于储能与发电机组的低碳经济性调度方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130082925A (ko) * 2011-12-23 2013-07-22 주식회사 케이티 발전원에 따른 차등적 탄소배출권을 이용한 절감 에너지 거래 방법 및 시스템
CN107134771A (zh) * 2017-04-10 2017-09-05 电子科技大学 一种基于经济效益评估的微网模式切换控制方法
CN110232583A (zh) * 2019-01-31 2019-09-13 广东电力交易中心有限责任公司 一种考虑碳排放权的电力市场边际价格规划方法
CN111934315A (zh) * 2020-07-31 2020-11-13 国网河北省电力有限公司 考虑需求侧的源网荷储协同优化运行方法及终端设备

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20130082925A (ko) * 2011-12-23 2013-07-22 주식회사 케이티 발전원에 따른 차등적 탄소배출권을 이용한 절감 에너지 거래 방법 및 시스템
CN107134771A (zh) * 2017-04-10 2017-09-05 电子科技大学 一种基于经济效益评估的微网模式切换控制方法
CN110232583A (zh) * 2019-01-31 2019-09-13 广东电力交易中心有限责任公司 一种考虑碳排放权的电力市场边际价格规划方法
CN111934315A (zh) * 2020-07-31 2020-11-13 国网河北省电力有限公司 考虑需求侧的源网荷储协同优化运行方法及终端设备

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114925914A (zh) * 2022-02-17 2022-08-19 宁波莲腾智慧能源科技有限公司 基于本征空间的能源优化调度方法及其电力交易方法
CN115860287A (zh) * 2023-03-02 2023-03-28 东方电气集团科学技术研究院有限公司 一种用于储能与发电机组的低碳经济性调度方法

Similar Documents

Publication Publication Date Title
Goswami et al. Stochastic firefly algorithm enabled fast charging of solar hybrid electric vehicles
CN114498639A (zh) 一种考虑需求响应的多微电网联合互济的日前调度方法
CN113612219A (zh) 一种基于源网荷储互动的减碳微网日前能量优化方法
CN116061742B (zh) 一种分时电价光伏园区内电动汽车的充电控制方法和系统
CN112152200B (zh) 一种基于智能微电网的多站融合集成方法及系统
Chupradit et al. Modeling and Optimizing the Charge of Electric Vehicles with Genetic‎ Algorithm in the Presence of Renewable Energy Sources
Zheng et al. Optimal dispatch for reversible solid oxide cell-based hydrogen/electric vehicle aggregator via stimuli-responsive charging decision estimation
Basu Heat and power generation augmentation planning of isolated microgrid
Abdelsattar et al. An overview of smart grid technology integration with hybrid energy systems based on demand response
Yang et al. A two-stage operation optimization model for isolated integrated energy systems with concentrating solar power plant considering multi-energy and multi-type demand response
CN117639011A (zh) 一种综合能源微网的共享储能系统优化方法及系统
Skander-Mustapha et al. Energy management of rooftop PV system including battery storage: case study of ENIT building
Tang et al. Combined electricity-gas-heat energy internet scheduling with power-to-gas and renewable power uncertainty
CN109615193A (zh) 一种考虑光伏与混合储能的综合能源系统规划方法
Wang et al. An optimal scheduling method of virtual power plant cluster considering generation-grid-load-storage coordination
He et al. Research on optimal dispatching method of integrated energy network in agricultural industrial park considering demand response
Sujil et al. Smart micro grid test system for agent based energy management system
Ye et al. The coordinated operation scheduling of distributed generation, demand response and storage based on the optimization energy hub for minimal energy usage costs
Hui et al. LOW CARBON DISPATCH OF THE PARK INTEGRATED ENERGY SYSTEM BASED ON THE ELECTRIC VEHICLES FLEXIBLE LOAD STORAGE CHARACTERISTICS.
Kurinjimalar et al. Analysis of Vehicle to Grid (V2G) Integration in Renewable based Micro grid
Jadallah Multi-object model for the hybrid wind-solar power generation with energy storage and inverter access capacity configuration
Yang et al. Optimal Scheduling of Thermoelectricity in Integrated Energy System Based on Waste Heat Recovery from Power to Gas and Flexible Thermoelectricity Ratio
Guan et al. Low Carbon Oriented Virtual Power Plant Planning Considering Generation-Load Correlation
Ma et al. Multi-Objective Optimization Scheduling of Integrated Energy System Based on Operational Characteristics Clustering
Shen et al. Energy Storage Capacity Configuration of Integrated Charging Station based on the Full Life Cycle

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