CN113629705A - 一种用户侧储能优化配置方法 - Google Patents
一种用户侧储能优化配置方法 Download PDFInfo
- Publication number
- CN113629705A CN113629705A CN202110903974.0A CN202110903974A CN113629705A CN 113629705 A CN113629705 A CN 113629705A CN 202110903974 A CN202110903974 A CN 202110903974A CN 113629705 A CN113629705 A CN 113629705A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- user
- user side
- rated
- power
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 212
- 238000000034 method Methods 0.000 title claims abstract description 23
- 238000005457 optimization Methods 0.000 claims abstract description 63
- 230000008901 benefit Effects 0.000 claims abstract description 46
- 238000011161 development Methods 0.000 claims abstract description 26
- 238000004088 simulation Methods 0.000 claims description 42
- 230000005611 electricity Effects 0.000 claims description 36
- 230000008859 change Effects 0.000 claims description 12
- 238000012423 maintenance Methods 0.000 claims description 8
- QSNQXZYQEIKDPU-UHFFFAOYSA-N [Li].[Fe] Chemical group [Li].[Fe] QSNQXZYQEIKDPU-UHFFFAOYSA-N 0.000 claims description 7
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000003203 everyday effect Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 description 9
- 238000011160 research Methods 0.000 description 9
- 230000009467 reduction Effects 0.000 description 8
- 230000006872 improvement Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000002354 daily effect Effects 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000352 storage cell Anatomy 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
-
- 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
-
- 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
-
- 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]
-
- 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
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Power Engineering (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种用户侧储能优化配置方法,包括:建立考虑发展因素的用户侧储能优化配置模型,该用户侧储能优化配置模型以用户储能月综合效益最大为目标;选取储能类型,求解所述用户侧储能优化配置模型,得到用户侧储能优化配置的初始额定容量及额定功率;对用户侧储能优化配置的初始额定功率和额定容量进行修正,给出最终用户侧储能优化配置的额定容量及额定功率。本发明可以实现安装储能后用户效益的最大化,且考虑了节假日和天气状况等因素,满足用户的个性化需求。
Description
技术领域
本发明涉及一种用户侧储能优化配置方法,属于电力调控技术领域。
背景技术
近年来,随着我国经济的迅猛发展,电力工业也顺应经济的发展应运而生并逐渐壮大,用户侧用电的需求量也随之增加。对于大部分用电大用户来说,不同时段用电量的差异明显,很容易出现负荷峰值时段用电量不足,而低谷时段电网中的电能大量耗费的现象。因此,为解决这一现象,可以采取引导用户通过加装储能的方式,顺应电网销售侧近年来日趋合理的峰谷分时电价制度,分配用户负荷,实现降低投资运营成本并且有效削峰填谷的目标,这些对于电力工业的发展和用户用电需求的满足都具有重要的社会意义和研究价值。由于储能系统本身具有较为高昂的投资和运行成本,为提高用户侧加装储能的经济性,所以储能配置的优化工作至关重要。
在两部制电价制度的背景之下,目前国内外学者对于用户侧储能优化配置的研究日趋深入,其研究针对的用户基本是工业大用户,而对于商业及学校这种较小的用户则少有涉及。在储能配置收益的指标方面,一般可分为加装储能后降低月最大负荷所产生的需量削减收益以及顺应峰谷电价分布调峰而产生的调峰收益,部分研究的收益只考虑其中一个方面,不够完备。在随着时间推移的经济发展层面,部分研究也未考虑到储能安装后若干年内的物价和支付水平变化所对储能配置经济效益造成的影响。此外,用户在诸如节假日和天气因素等不同场景下,其储能容量选择有着明显差异,目前的研究缺少多场景下储能容量配置的最终决策。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷,提供一种用户侧储能优化配置方法,立足于工业、商业、学校等多个典型用户主体,基于电网公司的分时电价和两部制电价制度,建立了由调峰和削减需量两部分收益组成的储能优化配置模型,满足用户的个性化需求。
为解决上述技术问题,本发明提供一种用户侧储能优化配置方法,包括:
建立考虑发展因素的用户侧储能优化配置模型,所述用户侧储能优化配置模型以用户储能月综合效益最大为目标;
选取储能类型,求解所述用户侧储能优化配置模型,得到用户侧储能优化配置的初始额定容量及额定功率;
对用户侧储能优化配置的初始额定功率和额定容量进行修正,给出最终用户侧储能优化配置的额定容量及额定功率。
进一步的,所述建立考虑发展因素的用户侧储能优化配置模型,包括:
Bj=α(PBmax,j-PAmax,j)
其中,F为储能月综合效益,Bj为仿真周期内第j月的需量削减收益,Bi为仿真周期内第i天的调峰收益,C为月折算储能成本费用,m和d分别为仿真周期内总的月份数和天数,α为基本电费的单位价格,PBmax,j和PAmax,j分别为仿真周期内第j月加装储能前的用户月最大负荷值和加装储能后能够实现的月最大负荷值,PESS,i,t为仿真周期内第i天第t个时刻所配置储能的实时运行功率,dt为第t个时刻所对应的峰谷分时电价,cS为储能单位容量每千瓦时的投资单价,cP为储能每千瓦的购买单价,cop为储能每千瓦的运维成本,PN为储能的额定功率,SN为储能的额定容量,N为储能的寿命,γy为第y年需要考虑的发展系数,λinf为通货膨胀率,λdis为贴现率,Y为储能的全寿命周期。
进一步的,所述求解所述用户侧储能优化配置模型,需满足以下约束条件:
a、储能实时功率约束:
-PN≤PESS,i,t≤PN
b、储能电池容量约束:
Smin≤SESS,i,t≤SN
其中,SESS,i,t为仿真周期内第i天第t个时刻储能的实时电量,Smin为储能的电量下限;
c、储能电池能量倍率约束:
SN=βPN
其中,β为储能的能量倍率;
d、用户侧实时功率约束:
0≤PL,i,t+PESS,i,t≤PBmax,j
其中,PL,i,t为所在月第i天第t个时刻用户的实时负荷。
进一步的,基于YALMIP工具箱调用Cplex求解器求解所述用户侧储能优化配置模型,得到用户侧储能的额定容量及额定功率。
进一步的,还包括:
根据求解得到的用户侧储能优化配置的初始额定容量及额定功率计算储能月综合效益,进而计算加装储能后的全寿命周期收益;
计算加装储能后的投资回报率为,加装储能后的全寿命周期收益占用户的投资成本的百分比;
根据投资回报率决定是否需要加装储能。
进一步的,所述对用户侧储能优化配置的初始额定功率和额定容量进行修正,给出最终用户侧储能优化配置的额定容量及额定功率,包括:
计算不同场景高负荷的时刻在整个仿真周期中出现的频率,对用户侧储能优化配置的额定功率进行修正:
P′N=(1-fh)PN
其中,P′N为最终决策确定的储能额定功率,fh为高负荷的时刻在整个仿真周期中出现的频率;
根据额定容量和额定功率之间的倍率关系确定最终决策确定的储能额定容量:
S'N=βP'N
其中,S'N为最终决策确定的储能额定容量。
进一步的,所述计算不同场景高负荷的时刻在整体仿真周期中出现的频率,包括:
获取与仿真周期时间相同的用户侧历史负荷数据;
在获取的时间段内,每月选取一日作为典型日,选取典型日最大负荷值最大的六个月,对该六个月的典型日最大负荷值取平均值作为标准值;
计算所有典型日中负荷值超过标准值的时刻所占的比例,作为高负荷的时刻在整个仿真周期中出现的频率;其中,每日采集96个时刻点负荷数据。
进一步的,仿真周期属于不同季节,仿真周期中气温高低变化不同,仿真周期中天气晴雨变化不同和仿真周期中有无节假日。
进一步的,所述用户包括小工业、大工业、商业用户和学校用户。
进一步的,所述储能类型选取为铁锂电池。
本发明所达到的有益效果:
本发明提供一种用户侧储能优化配置方法,立足于工业、商业、学校等多个典型用户主体,基于电网公司的分时电价和两部制电价制度,建立了由调峰和削减需量两部分收益组成的用户侧储能优化配置模型;考虑到储能安装后一定时间周期内经济和技术发展的问题,在效益函数中特别加入了相关参数;本发明可以实现安装储能后用户效益的最大化,且考虑了节假日和天气状况等因素,满足用户的个性化需求。
附图说明
图1为本发明的用户侧储能优化配置方法流程图;
图2为用户加装储能示意图;
图3为本发明实施例中峰谷分时电价分布图;图3(a)为用户A和C的峰谷分时电价分布;图3(b)为用户B的峰谷分时电价分布;图3(c)为用户D的峰谷分时电价分布;
图4为本发明实施例中用户A在不同储能配置下的收益变化;
图5为本发明实施例中用户A在电池转换效率改变时的收益变化;
图6为本发明实施例中用户A各月典型日负荷曲线。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明提供一种用户侧储能优化配置方法,参见图1,包括:
步骤1:对于有需求且初步判定适合加装储能的大用户,获取其用户历史负荷数据。
步骤2:建立考虑发展因素的用户侧储能优化配置模型,该用户侧储能优化配置模型以用户储能月综合效益最大为目标,并设置储能运行约束条件。
步骤3:基于历史负荷数据和搭建好的用户侧储能优化配置模型,选取市面上广泛投入的电池类型,利用Cplex求解器求解所述用户侧储能优化配置模型,得到用户侧储能配置的额定容量及额定功率。
步骤4:根据用户侧储能优化配置计算结果计算投入该类型的电池的投资回报率,评定用户加装储能的经济性,确定该用户是否需要安装储能电池,将该用户储能配置功率及容量作为初步优化结果输出。
步骤5:对有个性化需求的用户,基于不同场景出现的频率,对用户侧储能配置的初始结果进行修正,给出最终决策。
用户加装储能如图2所示。
具体的,步骤2中,本发明中建立考虑发展因素的用户侧储能优化配置模型以用户储能月综合效益最大为目标,并设置储能运行约束条件。具体如下:
(1)对于大用户的电费,供电公司采取两部制分时电价制度进行收费,将电费分为基本电费和电度电费两部分。其中对于基本电费而言,收取电费的标准有很多种,目前最普遍的是根据每月最大用电需求量作为衡量标准,即把需量电费作为基本电费;对于电度电费则通过用户实时的用电量进行计算并收取。
首先,对于电费的基本电费这一部分来说,通过合理的调度分配负荷,改善了用户的用电行为,实现了月最大用电需量的大幅削减,进而产生需量削减收益。其次,对于电度电费,由于峰谷分时电价制度,加装的储能电池在谷时充电、在峰时放电,利用峰谷电价差异从而实现收益,这一部分称之为调峰收益。将上述两部分收益公式化,如下式所示:
Bj=α(PBmax,j-PAmax,j)
式中:Bj为第j月的需量削减收益,α为基本电费的单位价格,PBmax,j和PAmax,j分别为该月加装储能电池前的用户月最大负荷值和加装储能电池后可以实现的月最大负荷值,两者的差值即为可以削减的月需量值,Bi为第i天的调峰收益,每日有96个时刻点,PESS,i,t为第i天第t个时刻所配置储能电池的实时运行功率,该功率有正负之分,充电时功率为正,放电时功率为负,dt为第t个时刻所对应的峰谷分时电价,0.25为两时刻点间的间隔长度,即15min。
(2)设定成本与收益的发展系数
储能电池的成本包含投资时的购买成本和运行时的运维成本。同时,安装储能电池有一定的使用年限,所以其成本是和电池使用寿命密切相关的。而本发明求解的目标是最大月综合效益,所以将储能电池成本平均到每个月,根据相关电池参数计算得到月折算储能电池成本费用C,具体的折算公式如下所示:
式中:cS为储能电池单位容量每千瓦时的投资单价,cP为储能电池每千瓦的购买单价,cop为储能电池每千瓦的运维成本,PN为储能电池的额定功率,N为储能电池的寿命,以年为单位。
由于储能电池有着一定的使用寿命,引入发展系数,用以考虑储能电池投入后几年内发展所产生的费用变化。该参数考虑了社会经济发展中的物价和支付等方面的影响,量化为通货膨胀率和贴现率,以年为单位考虑今后几年的收益变化和运维成本变化。该参数如下所示:
式中:γy为第y年需要考虑的发展系数,λinf为通货膨胀率,λdis为贴现率。
该发展系数在储能运维成本和加装储能收益中都会有所运用,需要在各成本或者收益的表达式的基础上逐年乘以对应的发展系数,并以年为单位累加到全寿命周期,从而使得模型更加精准和具有发展性。
(3)建立用户侧储能优化配置的目标函数
用户侧储能配置优化模型的目标函数F为用户储能月均收益与月折算储能成本的差值,并加入考虑发展因素的参数,具体计算如下式所示:
式中:m和d分别为仿真周期内总的月份数和天数,Y为储能电池的全寿命周期,单位为年。该模型的仿真周期为若干个月,可根据用户实际负荷情况进行设置。
(4)设置储能运行约束条件包括:
a、储能实时功率约束
储能电池的实时运行功率不能超过储能额定功率:
-PN≤PESS,i,t≤PN
式中:PN为储能电池的额定功率。
b、储能电池容量约束
储能电池在工作的每个时刻中其电量应在一定的上限和下限之间:
Smin≤SESS,i,t≤SN
式中:SESS,i,t为第i天第t个时刻储能电池的实时电量,SN为储能电池的额定容量,Smin为储能电池的电量下限。
对于电量下限一般不能达到或者很接近零,这是因为为了保证储能电池安全可靠运行,需要留出一定的缓冲区域。
c、储能电池能量倍率约束
储能电池的额定功率和额定容量之间存在一个固定的倍数关系:
SN=βPN
式中:β为储能电池的能量倍率。
d、用户侧实时功率约束
如图1所示,在用户侧加装储能电池后,经过储能电池的充放电调整,此时的用户侧实际负荷需要在原来未安装储能时的用户负荷基础之上叠加一个储能电池的实时出力。
因此,在储能运行情况下需要对用户历史实际负荷加上储能的实时运行功率的数值进行约束限制。首先,这个值不能小于0,否则将向电网倒送功率;其次,这个值不能超过用户月最大需量值,即不能超过这个月内负荷的最大值,否则使得削减需量这个优化目标失去效果。约束如下:
0≤PL,i,t+PESS,i,t≤PBmax,j
式中:PL,i,t为该月第i天第t个时刻用户的实时负荷。该量从用户历史负荷数据可以得到。
具体的,步骤3中,本发明的储能优化配置模型将在MATLAB软件中基于YALMIP工具箱调用Cplex求解器进行求解,得到加装储能电池的额定容量及额定功率。
具体的,步骤4中,根据用户侧储能优化配置计算结果计算投入该类型的电池的投资回报率,评定用户加装储能的经济性,投资回报率即加装储能的全寿命周期收益占用户的投资成本的百分比。
根据步骤3所确定的加装储能电池的额定容量及额定功率,计算用户储能月均收益F,进而得到全寿命周期收益。
具体的,步骤5中,基于不同场景出现的频率,对储能配置的初始结果进行修正,给出最终决策,包括:
在仿真周期内,用户可能经历季节和天气变化、天气晴雨、气温高低、节假日有无等不同场景,有时较高负荷的场景出现频次可能较低,通过对初步配置的储能电池额定功率和额定容量进行修正,使其在满足要求的同时进一步降低配置成本。本发明实施例提供一种简单的决策方法,通过选定一个高负荷标准,计算高负荷的时刻在整体仿真周期中出现的频率,将这个频率作为修正参数对初始仿真结果进行最终决策。如下式所示:
P′N=(1-fh)PN
式中:P′N为最终决策确定的储能额定功率,fh为高负荷出现的频率。
本发明中,高负荷的选定标准为:
每月选取一日作为典型日,选取仿真周期内典型日最大负荷值最大的六个月,对其取平均值,即为高负荷标准。典型日可人为设定。
所有典型日中负荷值超过高负荷标准值的时刻所占的比例,即为高负荷的时刻在整体仿真周期中出现的频率;其中,每日采集96个时刻点负荷数据。
基于额定容量和额定功率之间的倍数关系:SN=βPN
计算得到修正后的额定容量:
S'N=βP'N。
实施例
本实施例选取江苏省内4家典型大用户为例,基于各自的历史负荷数据进行储能优化配置。在4家典型大用户中,用户A为小型工业用户,用户B为大工业用户,用户C为商业用户,用户D为学校用户。
在历史负荷数据方面,4家大用户均选取一年12个月作为仿真周期,每月用一日典型日表示,且每日典型日划分为96个负荷采集点时刻。本实施例中选取每月的10号作为典型日。
在电费计价方面,4家用户均采用江苏省两部制电价制度计价,其中基本电费为40元,峰谷平实时电价分布由于4家用户的类型不同而不同,峰谷分时电价价格分布如图3所示,分别对应用户A和C、用户B及用户D。
在储能选型方面,根据已有的研究成果,本实施例直接选取市面上广泛使用的铁锂电池为例,其基本参数如下:电池能量倍率为2,充放电效率为75%,寿命为8年,单位功率购买成本和运维成本分别为600元/kW和155元/kW,单位容量的投资单价为1600元/(kW·h)。
在发展因素的系数方面,选取通货膨胀率为2%,贴现率为10%。
基于以上4家大用户的历史负荷数据和电价峰谷分布,采用本发明所述的储能配置优化模型,分别对4家用户搭建各自的优化模型,并在各储能运行约束条件下进行优化求解,通过投资回报率进行比较,优化结果如表1所示。
表1储能优化配置结果
由表1可以得出,用户A和用户B的投资回报率高于用户C和用户D,即工业用户加装储能后所得收益会高于商业和学校用户,这就说明了工业用户更适合加装储能。结合负荷特性可以看出,工业用户每日的负荷峰谷差异较大,储能的负荷分配和调峰减需的作用也体现得更为明显;反观商业用户和学校用户,其负荷曲线相较于工业用户更为平缓,所以储能所带来得收益不如工业用户,但收益仍较为可观,也可以配置储能。
以用户A为例,考虑多场景对储能优化结果作最终配置,分析其原始负荷数据,该用户全年各月典型日负荷曲线如图6所示,可见,其较高的负荷峰值主要出现在2月、7月和8月的典型日中,选定847kW这个负荷值作为标准,计算超过该负荷值的时刻在仿真周期里出现的频次,其在12个月的典型日中出现的时刻共55次,因此高负荷出现的频率fh计算为55/(12*96),进而得到用户A最终配置功率为(1-fh)PN=283.77kW,进一步削减了储能的配置成本,实现了综合效益的进一步提高。
为进一步阐释不同储能配置对用户综合效益的影响,以下将从优化结果的正确性、储能成本和电池效率对配置经济性的影响多个方面进行仿真验证:
(1)优化结果的正确性和合理性
为验证本发明储能配置优化结果的正确性和合理性,以用户A为例,通过改变储能配置的额定功率作多次优化,优化得到其不同配置额定功率情况下的效益与之的关系,以此探究是否在以上优化求解的最优值处取到效益最大值,通过多次优化仿真的结果进行记录取点,拟合得到不同储能配置条件下该用户可实现的效益关系曲线如图4所示。
由图4可以观察得出,随着储能电池配置的额定功率的增大,月综合效益曲线和全寿命周期预计收益曲线均呈现先增后降的趋势,且两条曲线均在用户A储能优化配置求解结果的最优配置功率处实现最大效益。这就验证了优化求解结果的正确性,确实在此处可以实现最大的用户效益,进而就验证了储能优化配置模型和算法的合理性。
(2)储能成本对经济性的影响
储能技术的发展必然会带来储能电池成本的降低,这将对储能电池配置的经济收益产生多大影响,其经济性是否有比成本降低幅度更大的提升。根据以上的探究目标,以用户A为例,分别假设储能电池的成本降低10%、20%和30%,其中这个成本包含了电池投资时的各方面成本,即包括购买成本、容量投资成本以及运维成本。将成本降低后的参数代入储能优化配置模型中进行优化求解,得到对应情况下的经济效益。优化结果如表2所示。
表2不同成本下的储能配置综合效益
成本/原始成本 | 90% | 80% | 70% |
现综合效益/万元 | 124.22 | 150.30 | 172.41 |
增加效益/原效益 | 24.05% | 50.09% | 72.17% |
由上表可以看出,当储能电池的成本下降时,全寿命周期的综合效益有很明显的提高。对于该用户来说,当成本降低10%、20%和30%时,量化后数据表明效益的增幅明显大于成本的降幅。因此,对于目前来说,降低储能电池的成本仍然是提升储能配置经济性的重要解决方法,想要进一步提高储能配置的经济效益,需要重点关注储能电池的成本降低问题。
(3)储能电池效率对经济性的影响
随着储能电池研究的深入,储能电池的效率也是考虑提升经济性的重要指标,所以对于储能电池效率提高对配置经济效益的影响需要进行考量。同样以用户A为例,探究当作为用户侧储能电池的铁锂电池的能量转换效率改变时,其总效益的变化情况。在铁锂电池的效率0.9周围每1%为间隔,选取0.87-0.93作为效率变化的区间,分别求解各自的优化结果,并绘制关系图象,如图5所示。
由图5可以观察得出,效率的提升能带来显著的效益提高,且效益提升的幅度远高于效率提升的幅度。粗略计算可得,在铁锂电池所取转换效率的0.9的附近,每提升1%的效率,在净收益方面提升了大约7%。因此,提高储能电池特性中的能量转换效率,也是提高经济性的有效途径。
以上所述仅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,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (10)
1.一种用户侧储能优化配置方法,其特征在于,包括:
建立考虑发展因素的用户侧储能优化配置模型,所述用户侧储能优化配置模型以用户储能月综合效益最大为目标;
选取储能类型,求解所述用户侧储能优化配置模型,得到用户侧储能优化配置的初始额定容量及额定功率;
对用户侧储能优化配置的初始额定功率和额定容量进行修正,给出最终用户侧储能优化配置的额定容量及额定功率。
2.根据权利要求1所述的一种用户侧储能优化配置方法,其特征在于,所述建立考虑发展因素的用户侧储能优化配置模型,包括:
Bj=α(PBmax,j-PAmax,j)
其中,F为储能月综合效益,Bj为仿真周期内第j月的需量削减收益,Bi为仿真周期内第i天的调峰收益,C为月折算储能成本费用,m和d分别为仿真周期内总的月份数和天数,α为基本电费的单位价格,PBmax,j和PAmax,j分别为仿真周期内第j月加装储能前的用户月最大负荷值和加装储能后能够实现的月最大负荷值,PESS,i,t为仿真周期内第i天第t个时刻所配置储能的实时运行功率,dt为第t个时刻所对应的峰谷分时电价,cS为储能单位容量每千瓦时的投资单价,cP为储能每千瓦的购买单价,cop为储能每千瓦的运维成本,PN为储能的额定功率,SN为储能的额定容量,N为储能的寿命,γy为第y年需要考虑的发展系数,λinf为通货膨胀率,λdis为贴现率,Y为储能的全寿命周期。
3.根据权利要求2所述的一种用户侧储能优化配置方法,其特征在于,所述求解所述用户侧储能优化配置模型,需满足以下约束条件:
a、储能实时功率约束:
-PN≤PESS,i,t≤PN
b、储能电池容量约束:
Smin≤SESS,i,t≤SN
其中,SESS,i,t为仿真周期内第i天第t个时刻储能的实时电量,Smin为储能的电量下限;
c、储能电池能量倍率约束:
SN=βPN
其中,β为储能的能量倍率;
d、用户侧实时功率约束:
0≤PL,i,t+PESS,i,t≤PBmax,j
其中,PL,i,t为所在月第i天第t个时刻用户的实时负荷。
4.根据权利要求3所述的一种用户侧储能优化配置方法,其特征在于,基于YALMIP工具箱调用Cplex求解器求解所述用户侧储能优化配置模型,得到用户侧储能的额定容量及额定功率。
5.根据权利要求4所述的一种用户侧储能优化配置方法,其特征在于,还包括:
根据求解得到的用户侧储能优化配置的初始额定容量及额定功率计算储能月综合效益,进而计算加装储能后的全寿命周期收益;
计算加装储能后的投资回报率为,加装储能后的全寿命周期收益占用户的投资成本的百分比;
根据投资回报率决定是否需要加装储能。
6.根据权利要求3所述的一种用户侧储能优化配置方法,其特征在于,所述对用户侧储能优化配置的初始额定功率和额定容量进行修正,给出最终用户侧储能优化配置的额定容量及额定功率,包括:
计算不同场景高负荷的时刻在整个仿真周期中出现的频率,对用户侧储能优化配置的额定功率进行修正:
P′N=(1-fh)PN
其中,P′N为最终决策确定的储能额定功率,fh为高负荷的时刻在整个仿真周期中出现的频率;
根据额定容量和额定功率之间的倍率关系确定最终决策确定的储能额定容量:
S'N=βP'N
其中,S'N为最终决策确定的储能额定容量。
7.根据权利要求6所述的一种用户侧储能优化配置方法,其特征在于,所述计算不同场景高负荷的时刻在整体仿真周期中出现的频率,包括:
获取与仿真周期时间相同的用户侧历史负荷数据;
在获取的时间段内,每月选取一日作为典型日,选取典型日最大负荷值最大的六个月,对该六个月的典型日最大负荷值取平均值作为标准值;
计算所有典型日中负荷值超过标准值的时刻所占的比例,作为高负荷的时刻在整个仿真周期中出现的频率;其中,每日采集96个时刻点负荷数据。
8.根据权利要求6所述的一种用户侧储能优化配置方法,其特征在于,所述不同场景包括:仿真周期属于不同季节,仿真周期中气温高低变化不同,仿真周期中天气晴雨变化不同和仿真周期中有无节假日。
9.根据权利要求1至8任意一项所述的一种用户侧储能优化配置方法,其特征在于,所述用户包括小工业、大工业、商业用户和学校用户。
10.根据权利要求1至8任意一项所述的一种用户侧储能优化配置方法,其特征在于,所述储能类型选取为铁锂电池。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110903974.0A CN113629705B (zh) | 2021-08-06 | 2021-08-06 | 一种用户侧储能优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110903974.0A CN113629705B (zh) | 2021-08-06 | 2021-08-06 | 一种用户侧储能优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113629705A true CN113629705A (zh) | 2021-11-09 |
CN113629705B CN113629705B (zh) | 2023-08-01 |
Family
ID=78383324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110903974.0A Active CN113629705B (zh) | 2021-08-06 | 2021-08-06 | 一种用户侧储能优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113629705B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150061086A (ko) * | 2013-11-25 | 2015-06-04 | 한국전기연구원 | 피크저감용 전력저장시스템의 용량 설계장치 및 그 용량 설계방법 |
CN110717259A (zh) * | 2019-09-25 | 2020-01-21 | 浙江大学 | 面向用户侧的电池储能配置与运行优化方法 |
CN111027757A (zh) * | 2019-11-26 | 2020-04-17 | 广西电网有限责任公司 | 一种基于皮亚诺曲线降维的用户侧储能优化配置方法 |
CN111241463A (zh) * | 2020-03-03 | 2020-06-05 | 国网江苏省电力有限公司镇江供电分公司 | 一种基于双层优化模型的用户侧储能装置容量配置方法 |
CN112508287A (zh) * | 2020-12-11 | 2021-03-16 | 国网重庆市电力公司营销服务中心 | 基于用户侧bess全寿命周期的储能优化配置方法 |
-
2021
- 2021-08-06 CN CN202110903974.0A patent/CN113629705B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20150061086A (ko) * | 2013-11-25 | 2015-06-04 | 한국전기연구원 | 피크저감용 전력저장시스템의 용량 설계장치 및 그 용량 설계방법 |
CN110717259A (zh) * | 2019-09-25 | 2020-01-21 | 浙江大学 | 面向用户侧的电池储能配置与运行优化方法 |
CN111027757A (zh) * | 2019-11-26 | 2020-04-17 | 广西电网有限责任公司 | 一种基于皮亚诺曲线降维的用户侧储能优化配置方法 |
CN111241463A (zh) * | 2020-03-03 | 2020-06-05 | 国网江苏省电力有限公司镇江供电分公司 | 一种基于双层优化模型的用户侧储能装置容量配置方法 |
CN112508287A (zh) * | 2020-12-11 | 2021-03-16 | 国网重庆市电力公司营销服务中心 | 基于用户侧bess全寿命周期的储能优化配置方法 |
Non-Patent Citations (2)
Title |
---|
HAOQING ZHU等: "Optimal Allocation of Energy Storage Capacity for Stabilizing Wind Power Fluctuation", 《2020 12TH IEEE PES ASIA-PACIFIC POWER AND ENERGY ENGINEERING CONFERENCE》, pages 1 - 5 * |
赵乙潼 等: "面向用户侧的电池储能配置与运行优化策略", 《电力系统自动化》, vol. 44, no. 06, pages 121 - 128 * |
Also Published As
Publication number | Publication date |
---|---|
CN113629705B (zh) | 2023-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109193720B (zh) | 基于企业用户典型日负荷曲线的用户侧储能容量配置方法 | |
CN111738497B (zh) | 计及需求侧响应的虚拟电厂双层优化调度方法 | |
CN109657946B (zh) | 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 | |
CN110516855B (zh) | 一种面向负荷聚合商的分布式储能控制权优化调度方法 | |
CN111244985B (zh) | 基于节点综合灵敏度系数的分布式储能序次优化配置方法 | |
CN113095791A (zh) | 一种综合能源系统运行方法及系统 | |
CN111416388B (zh) | 一种高比例新能源系统储能需求和储能时长确定方法 | |
CN110880776B (zh) | 控制储能系统中储能设备充放电的方法和装置 | |
CN115293485A (zh) | 考虑电动汽车和需求响应的综合能源系统低碳调度方法 | |
CN110417037B (zh) | 一种光储联合系统容量配置方法 | |
CN113128844A (zh) | 一种基于供电设备容量限制下分布式电源规划方法 | |
CN111160767A (zh) | 一种综合能源服务效益评估方法 | |
CN117039962A (zh) | 一种综合能源服务概算评估方法及系统 | |
CN115983442A (zh) | 抽水蓄能电站参与现货-调频辅助服务市场决策优化方法 | |
CN115204944A (zh) | 一种计及全寿命周期的储能最优峰谷价差测算方法及装置 | |
CN112785093B (zh) | 一种基于电力消费模式的光伏储能容量配置优化方法 | |
CN113629705A (zh) | 一种用户侧储能优化配置方法 | |
CN112348245A (zh) | 一种用户侧储能不同运行方式经济性评估方法及系统 | |
CN112785094B (zh) | 基于斯塔克尔伯格博弈的光伏储能电站容量配置优化方法 | |
CN115660208B (zh) | 一种考虑消纳责任权重的电网企业月度购电优化方法 | |
CN111900734B (zh) | 一种以减小变压器扩容为目标的分布式储能容量配置方法 | |
CN111181182B (zh) | 一种两部制电价引导下储能系统优化运行方法 | |
Wang et al. | Research on the optimal configuration of user-side PV&ES and the marketing pricing of power grid enterprises | |
Ma et al. | Research on the Pricing Strategy of Energy Storage Operator Considering Flexible State Transition | |
CN112785094A (zh) | 基于斯塔克尔伯格博弈的光伏储能电站容量配置优化方法 |
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 |