CN113629737A - 一种风光储蓄系统中化学储能的容量配置方法 - Google Patents

一种风光储蓄系统中化学储能的容量配置方法 Download PDF

Info

Publication number
CN113629737A
CN113629737A CN202111017031.4A CN202111017031A CN113629737A CN 113629737 A CN113629737 A CN 113629737A CN 202111017031 A CN202111017031 A CN 202111017031A CN 113629737 A CN113629737 A CN 113629737A
Authority
CN
China
Prior art keywords
energy storage
power
electrochemical energy
cost
determining
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
CN202111017031.4A
Other languages
English (en)
Other versions
CN113629737B (zh
Inventor
李璟延
艾澜
夏川淋
史林军
李杨
吴峰
李杨松
徐帅
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.)
Hubei Bailianhe Pumped Storage Power Co ltd
Hohai University HHU
State Grid Xinyuan Co Ltd
Original Assignee
Hubei Bailianhe Pumped Storage Power Co ltd
Hohai University HHU
State Grid Xinyuan 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 Hubei Bailianhe Pumped Storage Power Co ltd, Hohai University HHU, State Grid Xinyuan Co Ltd filed Critical Hubei Bailianhe Pumped Storage Power Co ltd
Priority to CN202111017031.4A priority Critical patent/CN113629737B/zh
Publication of CN113629737A publication Critical patent/CN113629737A/zh
Application granted granted Critical
Publication of CN113629737B publication Critical patent/CN113629737B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in 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
    • H02J3/38—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
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • 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)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Water Supply & Treatment (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请涉及储能优化配置技术领域，公开了一种风光储蓄系统中化学储能的容量配置方法，方法首先获取风光储蓄系统数据，包括风电、光伏发电数据以及抽水蓄能机组的运行数据。然后确定不同场景下电化学储能和抽水蓄能机组的参考平抑功率。接着以综合成本最小为目标生成综合成本模型，以功率偏差指标为目标生成功率偏差模型。最后通过对所述综合成本模型和所述功率偏差模型进行迭代优化处理，确定最优容量配置方法。本申请可以有效确定电化学储能最优容量配置方案，更好的通过电化学储能帮助抽水蓄能机组进行新能源侧的功率波动平抑。

Description

一种风光储蓄系统中化学储能的容量配置方法
技术领域
本申请涉及储能优化配置技术领域，尤其涉及一种风光储蓄系统中化学储能的容量配置方法。
背景技术
如图1所示，风光储蓄系统是指风力发电、光伏等新能源发电系统，由于可再生能源的不确定性，风光储蓄系统的输出功率一般会有很大的波动，直接接入电网将对电网产生很大的负担。目前一般通过建设储能电站缓解风光储蓄系统的并网波动。其中抽水蓄能机组由于装机容量大，调节灵活等优点，有着调峰、填谷、调频的作用，常用于新能源侧以减轻发电负担。
现有技术中，常规抽水蓄能机组发电状态频繁变化出力会造成机组损耗，同时抽水与静止状态缺乏调节能力，难以对风光储蓄系统的功率快速波动进行抑制。而电化学储能具有安装灵活、充放电速度快等优点，可以很好地弥补抽水蓄能机组的不足，基于此，配置电化学储能可以较好的辅助抽水蓄能机组平抑新能源侧的功率波动。
但是目前主要的研究集中在电化学储能和超级电容组成的混合储能，缺乏针对辅助抽水蓄能机组运行的电化学储能的容量配置方法。
发明内容
本申请公开了一种风光储蓄系统中化学储能的容量配置方法，以解决现有技术中，集中在电化学储能和超级电容组成的混合储能，缺乏针对辅助抽水蓄能机组运行的电化学储能的容量配置方法的技术问题。
本申请公开了一种风光储蓄系统中化学储能的容量配置方法，包括：
获取风光储蓄系统数据，所述风光储蓄系统数据包括：风光联合功率、抽水蓄能机组的运行状态、购买电池花费的功率成本、购买电池花费的容量成本、计划建设规划的电化学储能额定功率、计划建设规划的储能额定容量、全寿命周期内电化学储能的更换次数、电化学储能单位容量的年均维护成本、电化学储能的荷电状态、电化学储能充电功率、电化学储能放电功率和抽水蓄能机组的功率；
根据所述风光联合功率和所述抽水蓄能机组的运行状态，确定电化学储能和抽水蓄能机组的参考平抑功率；
根据所述购买电池花费的功率成本、所述购买电池花费的容量成本、所述计划建设规划的电化学储能额定功率、所述计划建设规划的储能额定容量和预设的折现率，确定初始投资成本；
根据所述全寿命周期内电化学储能的更换次数、所述购买电池花费的功率成本、所述购买电池花费的容量成本、所述计划建设规划的电化学储能额定功率和所述计划建设规划的储能额定容量，确定更换成本；
根据所述电化学储能单位容量的年均维护成本、所述计划建设规划的电化学储能额定功率和所述计划建设规划的储能额定容量，确定所述维护成本；
根据所述预设的回收率、所述初始投资成本和所述更换成本，确定回收价值；
根据所述初始投资成本、所述更换成本、所述维护成本和所述回收价值，确定电化学储能投资的全寿命周期；
根据所述电化学储能充电功率、所述电化学储能放电功率和所述抽水蓄能机组的功率，确定电化学储能和抽水蓄能机组的联合输出功率；
根据所述联合输出功率和所述参考平抑功率，确定功率偏差；
根据所述功率偏差和预设的量化风险系数，确定风险补偿成本；
根据所述电化学储能投资的全寿命周期、所述风险补偿成本、预设的第一比例系数和预设的第二比例系数，生成综合成本模型，其中，所述第一比例系数和所述第二比例系数的和为1；
根据所述电化学储能的荷电状态、所述电化学储能充电功率、所述电化学储能放电功率、预设的储能充电系数、预设的储能放电系数和所述计划建设规划的储能额定容量，确定储能电量平衡约束；
根据所述电化学储能充电功率和所述电化学储能放电功率，确定储能出力约束；
根据所述电化学储能的荷电状态、预设的荷电状态允许的下限和预设的荷电状态允许的上限，确定荷电状态约束；
根据所述功率偏差、所述储能电量平衡约束、所述储能出力约束和所述荷电状态约束，生成功率偏差模型；
对所述综合成本模型和所述功率偏差模型进行迭代优化处理，确定最优容量配置方法。
可选的，所述根据所述风光联合功率和所述抽水蓄能机组的运行状态，确定电化学储能和抽水蓄能机组的参考平抑功率，包括：
根据所述风光联合功率，确定多个本征模态分量；
根据所述多个本征模态分量，确定高频分量和中频分量；
根据所述抽水蓄能机组的运行状态、所述高频分量和所述中频分量，确定所述电化学储能和抽水蓄能机组的参考平抑功率。
可选的，所述根据所述抽水蓄能机组的运行状态、所述高频分量和所述中频分量，确定所述电化学储能和抽水蓄能机组的参考平抑功率，包括：
通过如下公式确定所述参考平抑功率：
Figure BDA0003240235000000031
其中，Pref表示所述参考平抑功率，Punit,h表示所述高频分量，Punit,m表示所述中频分量，qtps＝1表示所述抽水蓄能机组的运行状态为发电工况，qtps≠1表示所述抽水蓄能机组的运行状态为停止或抽水工况。
可选的，所述根据所述电化学储能投资的全寿命周期、所述风险补偿成本、预设的第一比例系数和预设的第二比例系数，生成综合成本模型，包括：
通过如下公式生成所述综合成本模型：
minF1＝k1Cbat+k2Ccomp；
其中，minF1表示所述综合成本模型的目标函数，Cbat表示所述电化学储能投资的全寿命周期，Ccomp表示所述风险补偿成本，k1表示所述第一比例系数，k2表示所述第一比例系数。
可选的，所述风光储蓄系统数据包括多个按采样时间获取的风光联合功率、多个按采样时间获取的电化学储能的荷电状态、多个按采样时间获取的电化学储能充电功率、多个按采样时间获取的电化学储能放电功率和多个按采样时间获取的抽水蓄能机组的功率。
可选的，所述根据所述功率偏差、所述储能电量平衡约束、所述储能出力约束和所述荷电状态约束，生成功率偏差模型，包括：
通过如下公式生成所述功率偏差模型：
minF2＝Qdev；
SOCt+1＝SOCt+Pc,tηc△t/EBA-Pd,t△t/ηd/EBA；
-PBA≤Pba,t≤PBA；
SOCmin≤SOCt≤SOCmax；
其中，minF2表示所述功率偏差模型的目标函数，Qdev表示所述功率偏差，SOCt+1表示t+1时刻所述电化学储能的荷电状态，SOCt表示t时刻所述电化学储能的荷电状态，Pc,t表示所述电化学储能充电功率，Pd,t表示所述电化学储能放电功率，ηc表示所述储能充电系数，ηd表示所述储能放电系数，△t表示t+1时刻与t时刻之间的时间间隔，EBA表示所述计划建设规划的储能额定容量，Pba,t表示t时刻所述电化学储能充电功率和电化学储能放电功率之和，PBA表示所述计划建设规划的电化学储能额定功率，SOCmin表示所述荷电状态允许的下限，SOCmax表示所述荷电状态允许的上限。
可选的，所述根据所述初始投资成本、所述更换成本、所述维护成本和所述回收价值，确定电化学储能投资的全寿命周期，包括：
通过如下公式确定所述电化学储能投资的全寿命周期：
Cbat＝Cinv+Cre+Cmaint-Crec；
其中，Cbat表示所述电化学储能投资的全寿命周期，Cinv表示所述初始投资成本，Cre表示所述更换成本，Cmaint表示所述维护成本，Crec表示所述回收价值。
可选的，所述根据所述功率偏差和预设的量化风险系数，确定风险补偿成本，包括：
通过如下公式确定所述风险补偿成本：
Ccomp＝ωQdev；
其中，Ccomp表示所述风险补偿成本，ω表示所述量化风险系数，Qdev表示所述功率偏差。
可选的，所述荷电状态允许的下限为0.3，所述荷电状态允许的上限为0.8。
可选的，所述迭代优化处理包括：
所述迭代优化处理的最大迭代次数为100。
本申请涉及储能优化配置技术领域，公开了一种风光储蓄系统中化学储能的容量配置方法，方法首先获取风光储蓄系统数据，包括风电、光伏发电数据以及抽水蓄能机组的运行数据。然后确定不同场景下电化学储能和抽水蓄能机组的参考平抑功率。接着以综合成本最小为目标生成综合成本模型，以功率偏差指标为目标生成功率偏差模型。最后通过对所述综合成本模型和所述功率偏差模型进行迭代优化处理，确定最优容量配置方法。本申请可以有效确定电化学储能最优容量配置方案，更好的通过电化学储能帮助抽水蓄能机组进行新能源侧的功率波动平抑。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，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为本申请实施例提供的一种风光储蓄系统的结构示意图；
图2为本申请实施例提供的一种风光储蓄系统中化学储能的容量配置方法的工作流程示意图。
具体实施方式
为了解决现有技术中，集中在电化学储能和超级电容组成的混合储能，缺乏针对辅助抽水蓄能机组运行的电化学储能的容量配置方法的技术问题，本申请通过以下实施例公开了一种风光储蓄系统中化学储能的容量配置方法。
本申请实施例公开了一种风光储蓄系统中化学储能的容量配置方法，参见图2所示的工作流程示意图，具体包括以下步骤：
步骤S201，获取风光储蓄系统数据，所述风光储蓄系统数据包括：风光联合功率、抽水蓄能机组的运行状态、购买电池花费的功率成本、购买电池花费的容量成本、计划建设规划的电化学储能额定功率、计划建设规划的储能额定容量、全寿命周期内电化学储能的更换次数、电化学储能单位容量的年均维护成本、电化学储能的荷电状态、电化学储能充电功率、电化学储能放电功率和抽水蓄能机组的功率。
具体来说，首先是读取典型场景风电、光伏发电数据，抽水蓄能机组的各种运行数据。其中所述风光储蓄系统数据包括多个按采样时间获取的风光联合功率、多个按采样时间获取的电化学储能的荷电状态、多个按采样时间获取的电化学储能充电功率、多个按采样时间获取的电化学储能放电功率和多个按采样时间获取的抽水蓄能机组的功率。在本申请部分实施例中，采样时间的间隔为1分钟，读取当天典型场景风电、光伏发电数据，抽水蓄能机组的各种运行数据,则采样点个数n＝1440。
步骤S202，根据所述风光联合功率和所述抽水蓄能机组的运行状态，确定电化学储能和抽水蓄能机组的参考平抑功率。
进一步的，所述根据所述风光联合功率和所述抽水蓄能机组的运行状态，确定电化学储能和抽水蓄能机组的参考平抑功率，包括：
根据所述风光联合功率，确定多个本征模态分量。
根据所述多个本征模态分量，确定高频分量和中频分量。
根据所述抽水蓄能机组的运行状态、所述高频分量和所述中频分量，确定所述电化学储能和抽水蓄能机组的参考平抑功率。
具体来说，针对任一风光联合功率，设置分解尺度K，对所述任一风光联合功率进行变分模态分解，得到K个本征模态分量uk，具体通过如下公式确定：
Figure BDA0003240235000000061
其中，Punit表示所述风光联合功率。
通过根据实际应用场景确定的分界频率，讲所述本征模态分量分为三类，高频分量Punit,h，中频分量Punit,m和低频分量Punit,l。
在本申请的部分实施例中，所述根据所述抽水蓄能机组的运行状态、所述高频分量和所述中频分量，确定所述电化学储能和抽水蓄能机组的参考平抑功率，包括：
通过如下公式确定所述参考平抑功率：
Figure BDA0003240235000000062
其中，Pref表示所述参考平抑功率，Punit,h表示所述高频分量，Punit,m表示所述中频分量，qtps＝1表示所述抽水蓄能机组的运行状态为发电工况，qtps≠1表示所述抽水蓄能机组的运行状态为停止或抽水工况。
具体来说，根据抽水蓄能机组的运行状态确定电化学储能和抽水蓄能机组参考平抑功率。抽蓄机组处于发电工况下，以高频分量与中频分量的和作为参考平抑分量，抽蓄机组处于停止或者抽水工况下，仅以高频分量作为参考平抑分量。
步骤S203，根据所述购买电池花费的功率成本、所述购买电池花费的容量成本、所述计划建设规划的电化学储能额定功率、所述计划建设规划的储能额定容量和预设的折现率，确定初始投资成本。
具体来说，通过如下公式确定所述初始投资成本：
Cinv＝(cpbPBA+cebEBA)γ；
其中，Cinv表示所述初始投资成本，cpb表示所述购买电池花费的功率成本，ceb表示所述购买电池花费的容量成本，PBA表示所述计划建设规划的电化学储能额定功率，EBA表示所述计划建设规划的储能额定容量，γ表示所述折现率，所述折现率γ根据实际应用场景进行确定。
步骤S204，根据所述全寿命周期内电化学储能的更换次数、所述购买电池花费的功率成本、所述购买电池花费的容量成本、所述计划建设规划的电化学储能额定功率和所述计划建设规划的储能额定容量，确定更换成本。
具体来说，通过如下公式确定所述更换成本：
Cre＝nba(cpbPBA+cebEBA)；
其中，Cre表示所述更换成本，nba表示所述全寿命周期内电化学储能的更换次数。
步骤S205，根据所述电化学储能单位容量的年均维护成本、所述计划建设规划的电化学储能额定功率和所述计划建设规划的储能额定容量，确定所述维护成本。
具体来说，通过如下公式确定所述维护成本：
Cmaint＝cmaint,baEBA+cmaint,baPBA；
其中，Cmaint表示所述维护成本，cmaint,ba表示所述电化学储能单位容量的年均维护成本。
步骤S206，根据所述预设的回收率、所述初始投资成本和所述更换成本，确定回收价值。
具体来说，通过如下公式确定所述回收价值：
Crec＝crec(Cinv+Cre)；
其中，Crec表示所述回收价值，crec表示所述回收率，所述回收率crec根据实际应用场景进行确定，一般为3％～5％。
步骤S207，根据所述初始投资成本、所述更换成本、所述维护成本和所述回收价值，确定电化学储能投资的全寿命周期。
进一步的，所述根据所述初始投资成本、所述更换成本、所述维护成本和所述回收价值，确定电化学储能投资的全寿命周期，包括：
通过如下公式确定所述电化学储能投资的全寿命周期：
Cbat＝Cinv+Cre+Cmaint-Crec；
其中，Cbat表示所述电化学储能投资的全寿命周期，Cinv表示所述初始投资成本，Cre表示所述更换成本，Cmaint表示所述维护成本，Crec表示所述回收价值。
步骤S208，根据所述电化学储能充电功率、所述电化学储能放电功率和所述抽水蓄能机组的功率，确定电化学储能和抽水蓄能机组的联合输出功率。
具体来说，通过如下公式确定所述联合输出功率：
Pstorage＝Pba+Ppsu；
Pba＝Pc+Pd；
其中，Pstorage表示所述联合输出功率，Pba表示所述电化学储能的充放电功率，Ppsu表示所述抽水蓄能机组的功率，Pc表示所述电化学储能充电功率，Pd表示所述电化学储能放电功率。
步骤S209，根据所述联合输出功率和所述参考平抑功率，确定功率偏差。
具体来说，通过如下公式确定所述功率偏差：
Figure BDA0003240235000000081
其中，Qdev表示所述功率偏差，n表示所述采样点个数，Pstorage(t)表示t时刻的联合输出功率，Pref(t)表示t时刻的参考平抑功率。
步骤S210，根据所述功率偏差和预设的量化风险系数，确定风险补偿成本。
进一步的，所述根据所述功率偏差和预设的量化风险系数，确定风险补偿成本，包括：
通过如下公式确定所述风险补偿成本：
Ccomp＝ωQdev；
其中，Ccomp表示所述风险补偿成本，ω表示所述量化风险系数，Qdev表示所述功率偏差。其中所述量化风险系数ω根据实际应用场景进行确定。
步骤S211，根据所述电化学储能投资的全寿命周期、所述风险补偿成本、预设的第一比例系数和预设的第二比例系数，生成综合成本模型，其中，所述第一比例系数和所述第二比例系数的和为1。
进一步的，所述根据所述电化学储能投资的全寿命周期、所述风险补偿成本、预设的第一比例系数和预设的第二比例系数，生成综合成本模型，包括：
通过如下公式生成所述综合成本模型：
minF1＝k1Cbat+k2Ccomp；
k1+k2＝1；
其中，minF1表示所述综合成本模型的目标函数，Cbat表示所述电化学储能投资的全寿命周期，Ccomp表示所述风险补偿成本，k1表示所述第一比例系数，k2表示所述第一比例系数。
步骤S212，根据所述电化学储能的荷电状态、所述电化学储能充电功率、所述电化学储能放电功率、预设的储能充电系数、预设的储能放电系数和所述计划建设规划的储能额定容量，确定储能电量平衡约束。
通过如下公式确定储能电量平衡约束：
SOCt+1＝SOCt+Pc,tηc△t/EBA-Pd,t△t/ηd/EBA；
其中，SOCt+1表示t+1时刻所述电化学储能的荷电状态，SOCt表示t时刻所述电化学储能的荷电状态，Pc,t表示所述电化学储能充电功率，Pd,t表示所述电化学储能放电功率，ηc表示所述储能充电系数，ηd表示所述储能放电系数，△t表示t+1时刻与t时刻之间的时间间隔，EBA表示所述计划建设规划的储能额定容量。
具体来说，储能的荷电状态相当于衡量储能电量的标幺值。
步骤S213，根据所述电化学储能充电功率和所述电化学储能放电功率，确定储能出力约束。
通过如下公式确定储能电量平衡约束：
-PBA≤Pba,t≤PBA；
其中，Pba,t表示t时刻所述电化学储能充电功率和电化学储能放电功率之和，PBA表示所述计划建设规划的电化学储能额定功率。
步骤S214，根据所述电化学储能的荷电状态、预设的荷电状态允许的下限和预设的荷电状态允许的上限，确定荷电状态约束。
SOCmin≤SOCt≤SOCmax；
其中，SOCmin表示所述荷电状态允许的下限，SOCmax表示所述荷电状态允许的上限。
步骤S215，根据所述功率偏差、所述储能电量平衡约束、所述储能出力约束和所述荷电状态约束，生成功率偏差模型。
进一步的，所述根据所述功率偏差、所述储能电量平衡约束、所述储能出力约束和所述荷电状态约束，生成功率偏差模型，包括：
通过如下公式生成所述功率偏差模型：
minF2＝Qdev；
其中，minF2表示所述功率偏差模型的目标函数，Qdev表示所述功率偏差。
在本申请的部分实施例中，所述荷电状态允许的下限为0.3，所述荷电状态允许的上限为0.8。
步骤S216，对所述综合成本模型和所述功率偏差模型进行迭代优化处理，确定最优容量配置方法。
在本申请的部分实施例中，所述迭代优化处理包括：
所述迭代优化处理的最大迭代次数为100。
在本申请的部分实施例中，读取典型场景风电、光伏发电数据，抽水蓄能机组的运行数据。通过变分模态分解方法确定出不同场景下电化学储能和抽水蓄能机组的参考平抑功率。建立储能配置的外层模型，外层以综合成本最小为目标。外层模型生成包含功率、容量信息的粒子，通过调用内层模型来计算每个粒子的信息和适应值。建立内层模型，以功率偏差指标为目标。根据外层模型给的电化学储能额定容量EBA和电化学储能额定功率PBA求解得到最优的储能充放电曲线和抽水蓄能的出力变化值，计算当前例子的适应值，再返回到外层模型。采用自适应粒子群算法和cplex求解器对外层和内层模型进行迭代循环求解，直到得到一组较优的解，即为最后配置的方案。当满足设置的迭代次数后，可以认为得到了最优解，本文设定最大迭代次数为100次。
由以上技术方案可知，本申请上述实施例公开了一种风光储蓄系统中化学储能的容量配置方法，首先获取风光储蓄系统数据，包括风电、光伏发电数据以及抽水蓄能机组的运行数据。然后确定不同场景下电化学储能和抽水蓄能机组的参考平抑功率。接着以综合成本最小为目标生成综合成本模型，以功率偏差指标为目标生成功率偏差模型。最后通过对所述综合成本模型和所述功率偏差模型进行迭代优化处理，确定最优容量配置方法。
在实际应用过程中，本申请可以有效确定电化学储能最优容量配置方案，更好的通过电化学储能帮助抽水蓄能机组进行新能源侧的功率波动平抑。
以上结合具体实施方式和范例性实例对本申请进行了详细说明，不过这些说明并不能理解为对本申请的限制。本领域技术人员理解，在不偏离本申请精神和范围的情况下，可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进，这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。

Claims (10)

1.一种风光储蓄系统中化学储能的容量配置方法，其特征在于，包括：
获取风光储蓄系统数据，所述风光储蓄系统数据包括：风光联合功率、抽水蓄能机组的运行状态、购买电池花费的功率成本、购买电池花费的容量成本、计划建设规划的电化学储能额定功率、计划建设规划的储能额定容量、全寿命周期内电化学储能的更换次数、电化学储能单位容量的年均维护成本、电化学储能的荷电状态、电化学储能充电功率、电化学储能放电功率和抽水蓄能机组的功率；
根据所述风光联合功率和所述抽水蓄能机组的运行状态，确定电化学储能和抽水蓄能机组的参考平抑功率；
根据所述购买电池花费的功率成本、所述购买电池花费的容量成本、所述计划建设规划的电化学储能额定功率、所述计划建设规划的储能额定容量和预设的折现率，确定初始投资成本；
根据所述全寿命周期内电化学储能的更换次数、所述购买电池花费的功率成本、所述购买电池花费的容量成本、所述计划建设规划的电化学储能额定功率和所述计划建设规划的储能额定容量，确定更换成本；
根据所述电化学储能单位容量的年均维护成本、所述计划建设规划的电化学储能额定功率和所述计划建设规划的储能额定容量，确定所述维护成本；
根据所述预设的回收率、所述初始投资成本和所述更换成本，确定回收价值；
根据所述初始投资成本、所述更换成本、所述维护成本和所述回收价值，确定电化学储能投资的全寿命周期；
根据所述电化学储能充电功率、所述电化学储能放电功率和所述抽水蓄能机组的功率，确定电化学储能和抽水蓄能机组的联合输出功率；
根据所述联合输出功率和所述参考平抑功率，确定功率偏差；
根据所述功率偏差和预设的量化风险系数，确定风险补偿成本；
根据所述电化学储能投资的全寿命周期、所述风险补偿成本、预设的第一比例系数和预设的第二比例系数，生成综合成本模型，其中，所述第一比例系数和所述第二比例系数的和为1；
根据所述电化学储能的荷电状态、所述电化学储能充电功率、所述电化学储能放电功率、预设的储能充电系数、预设的储能放电系数和所述计划建设规划的储能额定容量，确定储能电量平衡约束；
根据所述电化学储能充电功率和所述电化学储能放电功率，确定储能出力约束；
根据所述电化学储能的荷电状态、预设的荷电状态允许的下限和预设的荷电状态允许的上限，确定荷电状态约束；
根据所述功率偏差、所述储能电量平衡约束、所述储能出力约束和所述荷电状态约束，生成功率偏差模型；
对所述综合成本模型和所述功率偏差模型进行迭代优化处理，确定最优容量配置方法。
2.根据权利要求1所述的风光储蓄系统中化学储能的容量配置方法，其特征在于，所述根据所述风光联合功率和所述抽水蓄能机组的运行状态，确定电化学储能和抽水蓄能机组的参考平抑功率，包括：
根据所述风光联合功率，确定多个本征模态分量；
根据所述多个本征模态分量，确定高频分量和中频分量；
根据所述抽水蓄能机组的运行状态、所述高频分量和所述中频分量，确定所述电化学储能和抽水蓄能机组的参考平抑功率。
3.根据权利要求2所述的风光储蓄系统中化学储能的容量配置方法，其特征在于，所述根据所述抽水蓄能机组的运行状态、所述高频分量和所述中频分量，确定所述电化学储能和抽水蓄能机组的参考平抑功率，包括：
通过如下公式确定所述参考平抑功率：
Figure FDA0003240234990000021
其中，Pref表示所述参考平抑功率，Punit,h表示所述高频分量，Punit,m表示所述中频分量，qtps＝1表示所述抽水蓄能机组的运行状态为发电工况，qtps≠1表示所述抽水蓄能机组的运行状态为停止或抽水工况。
4.根据权利要求1所述的风光储蓄系统中化学储能的容量配置方法，其特征在于，所述根据所述电化学储能投资的全寿命周期、所述风险补偿成本、预设的第一比例系数和预设的第二比例系数，生成综合成本模型，包括：
通过如下公式生成所述综合成本模型：
min F1＝k1Cbat+k2Ccomp；
其中，min F1表示所述综合成本模型的目标函数，Cbat表示所述电化学储能投资的全寿命周期，Ccomp表示所述风险补偿成本，k1表示所述第一比例系数，k2表示所述第一比例系数。
5.根据权利要求1所述的风光储蓄系统中化学储能的容量配置方法，其特征在于，所述风光储蓄系统数据包括多个按采样时间获取的风光联合功率、多个按采样时间获取的电化学储能的荷电状态、多个按采样时间获取的电化学储能充电功率、多个按采样时间获取的电化学储能放电功率和多个按采样时间获取的抽水蓄能机组的功率。
6.根据权利要求5所述的风光储蓄系统中化学储能的容量配置方法，其特征在于，所述根据所述功率偏差、所述储能电量平衡约束、所述储能出力约束和所述荷电状态约束，生成功率偏差模型，包括：
通过如下公式生成所述功率偏差模型：
minF2＝Qdev；
SOCt+1＝SOCt+Pc,tηc△t/EBA-Pd,t△t/ηd/EBA；
-PBA≤Pba,t≤PBA；
SOCmin≤SOCt≤SOCmax；
其中，minF2表示所述功率偏差模型的目标函数，Qdev表示所述功率偏差，SOCt+1表示t+1时刻所述电化学储能的荷电状态，SOCt表示t时刻所述电化学储能的荷电状态，Pc,t表示所述电化学储能充电功率，Pd,t表示所述电化学储能放电功率，ηc表示所述储能充电系数，ηd表示所述储能放电系数，Δt表示t+1时刻与t时刻之间的时间间隔，EBA表示所述计划建设规划的储能额定容量，Pba,t表示t时刻所述电化学储能充电功率和电化学储能放电功率之和，PBA表示所述计划建设规划的电化学储能额定功率，SOCmin表示所述荷电状态允许的下限，SOCmax表示所述荷电状态允许的上限。
7.根据权利要求1所述的风光储蓄系统中化学储能的容量配置方法，其特征在于，所述根据所述初始投资成本、所述更换成本、所述维护成本和所述回收价值，确定电化学储能投资的全寿命周期，包括：
通过如下公式确定所述电化学储能投资的全寿命周期：
Cbat＝Cinv+Cre+Cmaint-Crec；
其中，Cbat表示所述电化学储能投资的全寿命周期，Cinv表示所述初始投资成本，Cre表示所述更换成本，Cmaint表示所述维护成本，Crec表示所述回收价值。
8.根据权利要求1所述的风光储蓄系统中化学储能的容量配置方法，其特征在于，所述根据所述功率偏差和预设的量化风险系数，确定风险补偿成本，包括：
通过如下公式确定所述风险补偿成本：
Ccomp＝ωQdev；
其中，Ccomp表示所述风险补偿成本，ω表示所述量化风险系数，Qdev表示所述功率偏差。
9.根据权利要求1所述的风光储蓄系统中化学储能的容量配置方法，其特征在于，所述荷电状态允许的下限为0.3，所述荷电状态允许的上限为0.8。
10.根据权利要求1所述的风光储蓄系统中化学储能的容量配置方法，其特征在于，所述迭代优化处理包括：
所述迭代优化处理的最大迭代次数为100。
CN202111017031.4A 2021-08-31 2021-08-31 一种风光储蓄系统中化学储能的容量配置方法 Active CN113629737B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111017031.4A CN113629737B (zh) 2021-08-31 2021-08-31 一种风光储蓄系统中化学储能的容量配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111017031.4A CN113629737B (zh) 2021-08-31 2021-08-31 一种风光储蓄系统中化学储能的容量配置方法

Publications (2)

Publication Number Publication Date
CN113629737A true CN113629737A (zh) 2021-11-09
CN113629737B CN113629737B (zh) 2023-06-27

Family

ID=78388724

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111017031.4A Active CN113629737B (zh) 2021-08-31 2021-08-31 一种风光储蓄系统中化学储能的容量配置方法

Country Status (1)

Country Link
CN (1) CN113629737B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103336998A (zh) * 2013-06-06 2013-10-02 山东大学 一种风电场功率波动平抑目标值的优化计算方法
CN103927588A (zh) * 2014-02-24 2014-07-16 国家电网公司 用于平抑风电功率波动的混合储能电站容量确定方法
CN105160440A (zh) * 2015-10-09 2015-12-16 国家电网公司 考虑电网经济调度的储能平抑波动功率的容量规划方法
WO2017161785A1 (zh) * 2016-03-23 2017-09-28 严利容 基于储能运行状态的光伏功率稳定输出控制方法
CN110854880A (zh) * 2019-11-28 2020-02-28 华北水利水电大学 一种基于抽水储能电站平抑风力发电功率波动的方法
CN111431213A (zh) * 2020-03-13 2020-07-17 郑州大学 激励风电场和抽水蓄能电站联合运行的厂网协调方法及其联合调度方法
CN111525627A (zh) * 2020-05-08 2020-08-11 清华大学 含抽蓄与新能源发电的柔性直流输电系统日前调度方法
CN111614087A (zh) * 2020-06-09 2020-09-01 国网吉林省电力有限公司电力科学研究院 一种参与电网调峰的储能双层优化配置方法
CN112636367A (zh) * 2020-12-09 2021-04-09 南京工程学院 一种平抑风电波动的混合储能容量优化配置方法
CN112994051A (zh) * 2021-02-26 2021-06-18 南方电网调峰调频发电有限公司 一种含可变速机组的海水抽水蓄能电站容量优化配置方法
CN113098008A (zh) * 2021-04-30 2021-07-09 华北电力大学 一种基于改进政治优化算法的光储容量优化配置方法

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103336998A (zh) * 2013-06-06 2013-10-02 山东大学 一种风电场功率波动平抑目标值的优化计算方法
CN103927588A (zh) * 2014-02-24 2014-07-16 国家电网公司 用于平抑风电功率波动的混合储能电站容量确定方法
CN105160440A (zh) * 2015-10-09 2015-12-16 国家电网公司 考虑电网经济调度的储能平抑波动功率的容量规划方法
WO2017161785A1 (zh) * 2016-03-23 2017-09-28 严利容 基于储能运行状态的光伏功率稳定输出控制方法
CN110854880A (zh) * 2019-11-28 2020-02-28 华北水利水电大学 一种基于抽水储能电站平抑风力发电功率波动的方法
CN111431213A (zh) * 2020-03-13 2020-07-17 郑州大学 激励风电场和抽水蓄能电站联合运行的厂网协调方法及其联合调度方法
CN111525627A (zh) * 2020-05-08 2020-08-11 清华大学 含抽蓄与新能源发电的柔性直流输电系统日前调度方法
CN111614087A (zh) * 2020-06-09 2020-09-01 国网吉林省电力有限公司电力科学研究院 一种参与电网调峰的储能双层优化配置方法
CN112636367A (zh) * 2020-12-09 2021-04-09 南京工程学院 一种平抑风电波动的混合储能容量优化配置方法
CN112994051A (zh) * 2021-02-26 2021-06-18 南方电网调峰调频发电有限公司 一种含可变速机组的海水抽水蓄能电站容量优化配置方法
CN113098008A (zh) * 2021-04-30 2021-07-09 华北电力大学 一种基于改进政治优化算法的光储容量优化配置方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨天蒙;满林坤;齐阳;吴蒙;吴志明;: "含风电电力系统中复合储能系统容量优化方法", 电工电气, no. 03, pages 11 - 15 *
赵洋;: "风电与抽水蓄能电站最佳容量配比研究现状及展望", 通信电源技术, no. 01, pages 114 - 116 *

Also Published As

Publication number Publication date
CN113629737B (zh) 2023-06-27

Similar Documents

Publication Publication Date Title
WO2017000853A1 (zh) 主动配电网多时间尺度协调优化调度方法和存储介质
US11539213B2 (en) Microgrid power plan for optimizing energy performance resulting from proportional predictive demand
Lee Operating schedule of battery energy storage system in a time-of-use rate industrial user with wind turbine generators: A multipass iteration particle swarm optimization approach
WO2017161785A1 (zh) 基于储能运行状态的光伏功率稳定输出控制方法
Yuan et al. Applications of battery energy storage system for wind power dispatchability purpose
CN103986190A (zh) 基于发电功率曲线的风光储联合发电系统平滑控制方法
CN108011437B (zh) 带有过充过放保护装置的混合储能功率分配方法
JPWO2003092110A1 (ja) レドックスフロー電池システムの設計方法
US20110257803A1 (en) Power control method, and power control apparatus
CN110581571A (zh) 一种主动配电网动态优化调度方法
Bai et al. Lithium-ion battery, sodium-ion battery, or redox-flow battery: A comprehensive comparison in renewable energy systems
Vašak et al. A battery management system for efficient adherence to energy exchange commands under longevity constraints
CN115313516A (zh) 一种光伏发电和储能微电网结合的随机优化运行策略
KR102064586B1 (ko) 에너지 저장 시스템의 충전 관리 방법
CN106953318A (zh) 一种基于成本的微电网优化控制方法
CN113629737B (zh) 一种风光储蓄系统中化学储能的容量配置方法
US20230148201A1 (en) Method and system for supplying power to device, and related device
Ullah et al. Feasibility study of energy storage technologies for remote microgrid's energy management systems
CN114977441A (zh) 一种电池的充电和放电的控制方法、装置以及介质
Roy et al. Cost optimization of battery and Supercapacitor Hybrid Energy Storage System for dispatching solar PV Power
CN115207940A (zh) 一种基于储能电池参与一次调频的综合控制方法
CN117728474B (zh) 清洁能源基地储能容量优化配置方法、装置、设备及介质
Morita et al. Variable State of Charge-based Power Leveling Method using Multiple Energy Storage Systems
KR102593444B1 (ko) 에너지 저장 장치가 마련된 변전 시스템, 에너지 저장 장치 용량 산정 방법 및 이를 위한 제어 장치
CN112542857B (zh) 控制微网系统稳定输出的方法、装置及设备

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
GR01 Patent grant
GR01 Patent grant