CN113762792A - 固定式与移动式混合储能系统优化配置系统及方法 - Google Patents

固定式与移动式混合储能系统优化配置系统及方法 Download PDF

Info

Publication number
CN113762792A
CN113762792A CN202111068160.6A CN202111068160A CN113762792A CN 113762792 A CN113762792 A CN 113762792A CN 202111068160 A CN202111068160 A CN 202111068160A CN 113762792 A CN113762792 A CN 113762792A
Authority
CN
China
Prior art keywords
energy storage
storage system
configuration
distribution network
power distribution
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
CN202111068160.6A
Other languages
English (en)
Inventor
陈健
姜心怡
邱吉福
杨天佑
李志泰
陈明
安树怀
魏振
时翔
史蕾玚
孙振海
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.)
QINGDAO POWER SUPPLY Co OF STATE GRID SHANDONG ELECTRIC POWER Co
State Grid Corp of China SGCC
Shandong University
Original Assignee
QINGDAO POWER SUPPLY Co OF STATE GRID SHANDONG ELECTRIC POWER Co
State Grid Corp of China SGCC
Shandong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by QINGDAO POWER SUPPLY Co OF STATE GRID SHANDONG ELECTRIC POWER Co, State Grid Corp of China SGCC, Shandong University filed Critical QINGDAO POWER SUPPLY Co OF STATE GRID SHANDONG ELECTRIC POWER Co
Priority to CN202111068160.6A priority Critical patent/CN113762792A/zh
Publication of CN113762792A publication Critical patent/CN113762792A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • H02J2203/20—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
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Educational Administration (AREA)
  • Evolutionary Biology (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种固定式与移动式混合储能系统优化配置系统及方法，对配电网的实际运行场景进行聚类，确定最佳聚类数目，确定配电网正常运行情况下的典型运行场景；在典型运行场景下，构建混合整数线性规划模型，进行优化配置，得到第一储能配置结果；在配电网故障场景下，构建两阶段鲁棒优化配置模型，以第一储能配置结果中的节点为候选节点，进行优化配置，并采用列与约束生成算法进行求解，得到第二储能配置结果；综合考虑第一储能配置结果、第二储能配置结果和各储能安装节点的地理位置，进行优化，得到最优配置结果。本发明在正常运行情况下提高配电网运行经济性，在故障情况下最大化提高配电网负荷恢复率。

Description

固定式与移动式混合储能系统优化配置系统及方法
技术领域
本发明属于弹性配电网系统优化技术领域，具体涉及一种固定式与移动式混合储能系统优化配置系统及方法。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
储能系统(Energy storage systems,ESSs)在配电网(Distribution network，DN)中能够起到配电网调压、平滑负荷曲线、通过峰谷电价差异进行套利、提高可再生能源渗透率、提高电力系统可靠性、参与需求侧响应改善电能质量等作用。除目前应用较广泛的固定式储能系统，近年来可移动式储能系统凭借其可移动性、运行灵活性和在故障情况下的支撑能力引起了研究学者的广泛关注。固定式储能系统(Station energy storagesystems,SESSs)和移动式储能系统(Mobile energy storage systems,MESSs)的存在和发展将在未来配电网中起到至关重要的作用。如何利用固定式储能系统和移动式储能系统的各自优势，在不同优化目标下改善配电网运行情况，对二者进行合理有效的配置将是一个复杂的问题。
目前对于储能系统的优化配置的研究主要集中在针对不同优化目标的固定式储能系统的优化配置上。通过储能系统的优化配置最小化配电网运行费用，实现运行经济性最优；通过储能系统的优化配置提高配电网运行可靠性，进行电压管理；通过储能系统的优化配置，优化运行储能系统与光伏的功率，提高可再生能源的接纳水平。为解决配电网中的储能系统的优化配置问题，一般采用启发式算法、数学规划方法和混合算法来解决。启发式算法易于实现，能够处理整数变量和复杂约束，但并不能保证解决方案的全局最优性，且参数设置较为主观。数学规划方法，通过线性化方法和混合整数二阶锥规划将原始问题转化为混合整数线性规划(Mixed integer linear programming,MILP)问题，采用求解器进行求解，但当问题规模扩大时，该种方法的计算效率会变差。第三种方法是混合算法，通过将上述两种方法进行结合或者通过将数学问题分解为主问题和子问题，采用Benders算法等迭代求解算法进行求解。
与SESS相比，MESS具有灵活的接口来支持即插即用功能，MESS的移动特性使单个储能系统具有移动到不同位置完成多个储能系统功能的作用。目前对于移动式储能系统的研究主要围绕以下几个方面：通过移动式储能系统的优化配置实现配电网的经济运行；通过对移动式储能系统的调度策略研究，将移动式储能系统作为应急电源参与到配电网的综合服务恢复中；对移动式储能系统的能量管理系统进行研究，使移动式储能系统能够通过能量转移对配电网进行无功支持。但配电网正常运行状态下故障的机率较低，在配电网中配置应急电源会存在资源冗余和利用效率低等问题。
发明内容
本发明为了解决上述问题，提出了一种固定式与移动式混合储能系统优化配置系统及方法，本发明通过在配电网正常运行场景和故障运行场景下的两步储能系统优化配置相结合，充分发挥固定式与移动式储能系统的利用价值，在正常运行情况下提高配电网运行经济性，在故障情况下最大化提高配电网负荷恢复率。
根据一些实施例，本发明采用如下技术方案：
一种固定式与移动式混合储能系统优化配置方法，包括以下步骤：
对一段时间内的配电网的实际运行场景进行聚类，确定最佳聚类数目，确定配电网正常运行情况下的典型运行场景；
在所述典型运行场景下，构建混合整数线性规划模型，进行配电网正常运行情况下的优化配置，得到第一储能配置结果；
在配电网故障场景下，构建两阶段鲁棒优化配置模型，以所述第一储能配置结果中的节点为候选节点，进行储能系统的优化配置，并采用列与约束生成算法进行求解，得到第二储能配置结果；
综合考虑第一储能配置结果、第二储能配置结果和各储能安装节点在各自子区域的地理位置，确定各储能配置节点的权重，采用混合优化配置策略进行优化，得到固定式与移动式混合储能系统最优配置结果。
作为可选择的实施方式，对一段时间内的配电网的实际运行场景进行聚类，确定最佳聚类数目的具体过程包括：
采用K-means聚类方法生成配电网正常运行的典型运行场景，采用手肘法确定聚类场景数目，手肘法使用类内平均距离和类间平均距离的比值作为聚类误差的指标。
作为可选择的实施方式，构建混合整数线性规划模型，进行配电网正常运行情况下的第一步混合储能系统优化配置的具体过程包括：在配电网正常运行场景下，以配电网投资期间的运行费用最小为优化目标，约束条件包括储能系统的配置功率和容量约束、配电网潮流约束、安全运行约束、储能系统运行约束和光伏变电站出力约束。
作为可选择的实施方式，构建两阶段鲁棒优化配置模型，以所述第一步混合储能系统配置结果中的节点为候选节点，进行储能系统的优化配置的具体过程包括：在配电网的子区域中断线故障不确定下，建立配电网中储能配置的两阶段鲁棒优化配置模型，得到储能系统的最优配置方案，以保证在配电网最恶劣故障情况下保证重要负荷持续供电。
第二步混合储能系统配置过程的优化目标为在配电网最恶劣故障场景下最小化储能系统投资费用和年综合负荷损失费用，约束条件包括储能系统配置容量和功率约束条件、储能系统运行模型约束条件、配电网线路故障数目约束条件、配电网潮流约束条件、配电网失负荷量约束条件、光伏约束条件和配电网安全运行约束条件；
两阶段鲁棒优化模型采用C&CG算法进行求解。
作为可选择的实施方式，采用混合优化配置策略进行优化的具体过程包括：采用主客观组合赋权法对预选的储能系统配置位置进行分析，得到m个安装位置的权重顺序；采用G1-CRITIC主客观权重赋权法与每个节点的地理位置相结合，进行权重分析；根据m个安装节点的权重结果，确定最终配置节点，根据每个区域剩余的m个候选节点到确定的安装位置之间的距离，确定安装储能系统类别为移动式储能系统或固定式储能系统。
作为可选择的实施方式，考虑配电网各储能安装节点在各自子区域的地理位置进行优化，需要满足以下条件：
在一个区域中，在每个区域中分配至少一个移动式储能系统，以确保移动式储能系统可以用作应急电源；
安装在该区域中的储能系统总数必须与该区域中的节点总数成比例；
靠近候选节点的储能优先考虑安装节点安装移动式储能系统；
重要负荷的节点优先考虑配置固定式储能系统；
未配置储能系统的候选节点需要安装移动式储能系统安装接口；
固定式储能系统和移动式储能系统的配置容量设置为各种运行场景下的最大配置容量。
一种固定式与移动式混合储能系统优化配置系统，包括：
聚类模块，被配置为对一年内的配电网的实际运行场景进行聚类，确定最佳聚类数目，确定配电网正常运行情况下的典型运行场景；
第一步混合储能系统优化配置模块，被配置为在所述典型运行场景下，构建混合整数线性规划模型，进行配电网正常运行情况下的优化配置，得到第一储能配置结果；
第二步混合储能系统优化配置模块，被配置为在配电网故障场景下，构建两阶段鲁棒优化配置模型，以所述第一储能配置结果中的节点为候选节点，进行储能系统的优化配置，并采用列与约束生成算法进行求解，得到第二储能配置结果；
混合储能系统优化配置模块，被配置为综合考虑第一储能配置结果、第二储能配置结果和各储能安装节点在各自子区域的地理位置，确定各储能配置节点的权重，采用混合优化配置策略进行优化，得到固定式与移动式混合储能系统最优配置结果。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述一种固定式与移动式混合储能系统优化配置方法中的步骤。
一种终端设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述一种固定式与移动式混合储能系统优化配置方法中的步骤。
与现有技术相比，本发明的有益效果为：
本发明提出的固定式与移动式混合储能系统优化配置方法，通过综合考虑配电网正常运行情况和故障运行情况，得出固定式与移动式混合储能系统优化配置结果。实现了混合储能系统接入配电网后，不仅能够在配电网正常运行情况下提高配电网运行经济性，保障配电网安全经济运行，还能够在配电网故障运行情况下，最大化利用固定式与移动式储能系统维持配电网中重要负荷不断电。
本发明提出的固定式与移动式混合储能系统优化配置方法，MESS不仅能够在正常运行情况下参与配电网优化运行，还能够在配电网故障情况下保障配电网电能供应的情况下，作为应急电源，恢复失去供电的节点负荷供电。MESS可在配电网发生故障后，协同配电网中多重灾后恢复措施策略，共同快速安全可靠的恢复负荷供电，保障电能供应，提高配电网弹性。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明的方法提供的灾后响应流程图；
图2为本发明的方法提供的固定式与移动式储能系统在弹性配电网中混合优化配置方法流程图；
图3为C&CG算法求解流程示意图；
图4为固定式与移动式混合储能系统优化配置策略；
图5为本发明应用的典型系统。
具体实施方式：
下面结合附图与实施例对本发明作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在配电网中接入储能系统后，为了保障配电网能够实现安全经济可靠运行。同时为充分发挥固定式和移动式储能系统的优势，提高储能系统的利用效率，本发明提出了一种固定式与移动式混合储能系统在弹性配电网中优化配置系统和方法。所提发明充分发挥了储能系统各自优势，提高了储能系统利用效率，保证了配电网的安全可靠经济运行，提高了配电网的弹性。
配电网的弹性提升方法按照时间的先后顺序分为如图1所示的四个阶段，弹性规划、预防响应、紧急响应和灾后恢复。弹性规划主要是正常运行阶段通过配置资源和规划网络线路提高配电网的抵御灾害的能力；预防响应主要针对预测到灾害来临前对配电网采取一定的措施提高配电网抵御灾害的能力；紧急响应主要是针对灾害发生后短暂时间内系统运行如何再调整恢复配电网正常运行状态；灾后恢复主要是配电网弹性提升的最后一个阶段，在保证灾后负荷几乎完全恢复供电的同时，提高配电网灾后恢复的经济性，优化弹性提高措施的手段。本发明的混合储能系统规划方法主要是图1所示的第一阶段-弹性规划，本发明中的MESS的优化配置还可应用到第三阶段-紧急响应和第四阶段-灾后恢复中。
所提一种固定式与移动式混合储能系统优化配置方法的具体实施流程如图2所示，首先，进行配电网典型运行场景生成，采用手肘法和K-means聚类的方法。其次，在配电网正常运行和故障运行情况下，进行配电网两步储能系统优化配置，分别建立了混合整数线性规划和两阶段鲁棒优化模型。最后，提出混合储能系统优化配置模型，采用主客观赋权法进行求解。
本实施例中，固定式与移动式混合储能系统优化配置方法参照图2，具体为：首先本发明充分考虑到配电网正常运行中季节、节假日和天气等因素导致的运行场景的不同。基于配电网一年中光伏和负荷数据生成了配电网正常运行的典型场景，采用手肘法确定最佳聚类数目，采用K-means聚类方法得出聚类结果。
其次，建立了两步固定式与移动式混合储能系统优化配置模型。在第一步中，本发明建立了配电网正常运行下的MILP模型，得到典型场景下的储能系统最优配置结果。在第二步中，基于第一步储能配置结果，建立了两阶段鲁棒优化模型，得到配电网故障情况下的储能系统最优配置结果，采用C&CG算法对模型进行求解。
最后，本发明提出了固定式与移动式混合储能系统优化配置策略，给出最终储能系统优化配置结果。综合考虑主观权重和具有多影响因素的客观权重，采用G1-CRITIC组合赋权法对储能系统的安装节点进行权重计算。考虑了配电网各储能安装节点在各自子区域的地理位置，最终得出混合储能系统最优配置结果。
关键问题解释：
1、典型场景生成
在本发明中，采用K-means聚类方法生成配电网正常运行的典型运行场景，采用手肘法确定聚类场景数目。手肘法使用类内平均距离(nSE)和类间平均距离(wSE)的比值作为聚类误差的指标。将真实聚类数目设置为k，手肘法模型可表示为：
Figure BDA0003259160840000101
Figure BDA0003259160840000102
Figure BDA0003259160840000103
式中：δi表示第i类，ks表示δi中样本；mi表示δi中样本均值；kn表示δi中样本数目。
2、第一步储能系统优化配置
在第一步储能系统的优化配置中，本发明在配电网正常运行场景下，以配电网投资期间的运行费用最小为优化目标。通过配电网峰谷电价差异提高可再生能源利用率，进而提高配电网运行经济性，本发明基于典型运行场景，建立了第一步储能系统的最优配置模型，问题可以被表述为如下所示：
Figure BDA0003259160840000111
Figure BDA0003259160840000112
Figure BDA0003259160840000113
Figure BDA0003259160840000114
Figure BDA0003259160840000115
Figure BDA0003259160840000116
Figure BDA0003259160840000117
Figure BDA0003259160840000118
Figure BDA0003259160840000119
Figure BDA00032591608400001110
Figure BDA00032591608400001111
Figure BDA00032591608400001112
Figure BDA00032591608400001113
Figure BDA00032591608400001114
Figure BDA00032591608400001115
Figure BDA00032591608400001116
Figure BDA00032591608400001117
Figure BDA0003259160840000121
Figure BDA0003259160840000122
Figure BDA0003259160840000123
Figure BDA0003259160840000124
Figure BDA0003259160840000125
Figure BDA0003259160840000126
Figure BDA0003259160840000127
Figure BDA0003259160840000128
Figure BDA0003259160840000129
式中：ΩL表示配电网中线路集合；fκ表示配电网投资储能系统期间的总费用；
Figure BDA00032591608400001210
表示储能系统的总投资费用；
Figure BDA00032591608400001211
表示配电网运行的购电费用；
Figure BDA00032591608400001212
表示配电网运行过程中产生的额网络损耗费用；πess表示资本回收系数，将当前投资成本转换为规划期间的年费用；Csit表示安装储能系统的固定费用；Cinv,1和Cinv,2分别表示安装储能系统的单位容量费用和单位功率费用；
Figure BDA00032591608400001213
表示第一步储能系统规划中节点i安装储能系统的标志位；
Figure BDA00032591608400001214
表示第一步储能系统规划中节点i安装储能系统的容量；
Figure BDA00032591608400001215
表示第一步储能规划中节点i安装储能系统功率；Co&m表示储能系统的单位维护费用；
Figure BDA00032591608400001216
和
Figure BDA00032591608400001217
分别表示场景k下t时刻变电站的有功和无功功率；ft e表示实时电价；Closs表示配电网中单位网络损失费用；I2,l,κ,t和U2,i,κ,t分别表示新定义的配电网中与电流和电压有关的变量；Ny表示投资年限；α和αess分别表示储能系统的折现率和增长率；Ness 和
Figure BDA0003259160840000131
分别表示配置储能系统个数的上下限；Eess 和
Figure BDA0003259160840000132
分别表示储能系统配置容量的上线限；
Figure BDA0003259160840000133
表示储能系统配置的最大功率；Pl,κ,t和Ql,κ,t分别表示配电网中线路l在t时刻的有功和无功功率；Rl和Xl分别表示配电网中线路l的电阻和电抗；
Figure BDA0003259160840000134
和
Figure BDA0003259160840000135
分别表示节点i在场景k时刻t的注入有功和无功功率；
Figure BDA0003259160840000136
和
Figure BDA0003259160840000137
分别表示节点i在场景k时刻t时发出的有功功率和无功功率；
Figure BDA0003259160840000138
和
Figure BDA0003259160840000139
分别表示节点i安装的储能系统在时刻t发出放出的有功和无功功率；
Figure BDA00032591608400001310
和
Figure BDA00032591608400001311
分别表示节点i安装的储能系统在时刻t吸收的有功和无功功率；
Figure BDA00032591608400001312
和
Figure BDA00032591608400001313
分别表示节点i在场景k下的有功和无功负荷；Umin和Umax分别表示配电网中电压的下限和上限；Imax表示配电网中电流的最大值；
Figure BDA00032591608400001314
表示储能系统的逆变器的最大视在功率；
Figure BDA00032591608400001315
表示节点i的储能系统在t时刻的容量；ηch和ηdis分别表示储能系统的充放电效率；SOCmin和SOCmax分别表示储能系统允许的SOC范围；
Figure BDA00032591608400001316
和
Figure BDA00032591608400001317
分别表示变电站输出有功和无功功率的上限；
Figure BDA00032591608400001318
和
Figure BDA00032591608400001319
分别表示光伏在节点i的有功和无功功率上限；
Figure BDA00032591608400001320
表示节点i安装的光伏的无功功率下限。
3、第二步储能系统优化配置
第二步储能系统的优化配置是在配电网故障的情况下进行储能系统的优化配置，在配电网的子区域中断线故障不确定下，建立配电网中储能配置的两阶段鲁棒优化配置模型，得到储能系统的最优配置方案，保证在配电网最恶劣故障情况下保证重要负荷持续供电。综上所述，第二步储能系统优化配置的优化目标为在配电网最恶劣故障场景下最小化储能系统投资费用和年综合负荷损失费用。
min(finv+max min fload+fpur) (30)
Figure BDA0003259160840000141
Figure BDA0003259160840000142
Figure BDA0003259160840000143
Figure BDA0003259160840000144
Figure BDA0003259160840000145
Figure BDA0003259160840000146
Figure BDA0003259160840000147
Figure BDA0003259160840000148
Figure BDA0003259160840000149
Figure BDA00032591608400001410
Figure BDA00032591608400001411
Figure BDA00032591608400001412
Figure BDA00032591608400001413
Umin≤Ui,t≤Umax (44)
Figure BDA00032591608400001414
Figure BDA00032591608400001415
Figure BDA00032591608400001416
式中：fload表示配电网中失负荷费用；
Figure BDA0003259160840000151
和
Figure BDA0003259160840000152
分别表示配电网发生故障后恢复的有功和无功功率；Pi inv,2表示第二步储能优化配置中节点i配置的储能系统的功率；
Figure BDA0003259160840000153
表示第二步储能系统优化配置中节点i配置的储能系统的容量；zl,t表示线路l在t时刻的线路连接状态；M表示一个足够大的正数；U0表示额定电压；
Figure BDA0003259160840000154
表示线路l上最大传输功率；Kp表示在p个子区域的线路最大断线数量。
两阶段鲁棒优化模型采用C&CG算法进行求解，求解流程如图3所示。
4、固定式与移动式混合储能系统的优化配置策略
经过两步储能系统的优化配置后，本发明提出固定式与移动式混合储能系统优化配置策略对配电网两种运行状态下得到的最优储能系统配置结果进行综合考虑，以获得最优混合储能系统的优化配置方案。首先，采用主客观组合赋权法对预选的储能系统配置位置进行分析，得到m个安装位置的权重顺序。采用G1-CRITIC主客观权重赋权法与每个节点的地理位置相结合，进行权重分析。其次根据m个安装节点的权重结果，确定最终配置节点，根据每个区域剩余的m个候选节点到确定的安装位置之间的距离，确定安装固定式与移动式储能系统类别：SESS和MESS。提出的混合储能系统分配策略如图4所示，该策略应该遵循以下准则：
(1)在一个区域中，有必要在每个区域中分配至少一个MESS，以确保MESS可以用作应急电源。
(2)安装在该区域中的储能系统总数必须与该区域中的节点总数成比例。
(3)优先考虑靠近候选节点的储能安装节点安装MESS，以确保混合最优分配结果能够满足配电网中不同场景的要求。
(4)优先为重要负荷的节点配置SESS。
(5)未配置ESS的候选节点需要安装MESS安装接口。
(6)MESS和SESS的配置容量设置为各种运行场景下的最大配置容量。
本发明应用的典型系统如图5所示，由修改后的33节点配电网电力系统组成，其中配电系统中包括3台光伏，节点10、11、16、19、24、31为重要负荷节点。
在另一些实施方式中，公开了一种终端设备，其包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行实施例一中所述的固定式与移动式混合储能系统在弹性配电网中优化配置方法。
在另一些实施方式中，公开了一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行实施例中所述的一种固定式与移动式混合储能系统在弹性配电网中优化配置方法。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、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。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.一种固定式与移动式混合储能系统优化配置方法，其特征是：包括以下步骤：
对一段时间内的配电网的实际运行场景进行聚类，确定最佳聚类数目，确定配电网正常运行情况下的典型运行场景；
在所述典型运行场景下，构建混合整数线性规划模型，进行配电网正常运行情况下的优化配置，得到第一步混合储能系统配置结果；
在配电网故障场景下，构建两阶段鲁棒优化配置模型，以所述第一储能配置结果中的节点为候选节点，进行储能系统的优化配置，并采用列与约束生成算法进行求解，得到第二步混合储能系统配置结果；
综合考虑第一步混合储能系统配置结果、第二步混合储能系统配置结果和各储能安装节点在各自子区域的地理位置，确定各储能配置节点的权重，采用固定式与移动式混合优化配置策略进行优化，得到固定式与移动式混合储能系统最优配置结果。
2.如权利要求1所述的一种固定式与移动式混合储能系统优化配置方法，其特征是：对一段时间内的配电网的实际运行场景进行聚类，确定最佳聚类数目的具体过程包括：
采用K-means聚类方法生成配电网正常运行的典型运行场景，采用手肘法确定聚类场景数目，手肘法使用类内平均距离和类间平均距离的比值作为聚类误差的指标。
3.如权利要求1所述的一种固定式与移动式混合储能系统优化配置方法，其特征是：构建混合整数线性规划模型，进行配电网正常运行情况下的优化配置的具体过程包括：在配电网正常运行场景下，以配电网投资期间的运行费用最小为优化目标，约束条件包括储能系统的配置功率和容量约束、配电网潮流约束、安全运行约束、储能系统运行约束和光伏变电站出力约束。
4.如权利要求1所述的一种固定式与移动式混合储能系统优化配置方法，其特征是：构建两阶段鲁棒优化配置模型，以所述第一步混合储能系统配置结果中的节点为候选节点，进行储能系统的优化配置的具体过程包括：在配电网的子区域中断线故障不确定下，建立配电网中储能配置的两阶段鲁棒优化配置模型，得到储能系统的最优配置方案，以保证在配电网最恶劣故障情况下保证重要负荷持续供电。
5.如权利要求1或4所述的一种固定式与移动式混合储能系统优化配置方法，其特征是：第二步混合储能系统配置过程的优化目标为在配电网最恶劣故障场景下最小化储能系统投资费用和年综合负荷损失费用，约束条件包括储能系统配置容量和功率约束条件、储能系统运行模型约束条件、配电网线路故障数目约束条件、配电网潮流约束条件、配电网失负荷量约束条件、光伏约束条件和配电网安全运行约束条件；该两阶段鲁棒优化模型采用C&CG算法进行求解。
6.如权利要求1所述的一种固定式与移动式混合储能系统优化配置方法，其特征是：采用固定式与移动式混合储能系统优化配置策略进行优化的具体过程包括：采用主客观组合赋权法对预选的储能系统配置位置进行分析，得到m个安装位置的权重顺序；采用G1-CRITIC主客观权重赋权法与每个节点的地理位置相结合，进行权重分析；根据m个安装节点的权重结果，确定最终配置节点，根据每个区域剩余的m个候选节点到确定的安装位置之间的距离，确定安装储能系统类别为移动式储能系统或固定式储能系统。
7.如权利要求1或6所述的一种固定式与移动式混合储能系统优化配置方法，其特征是：考虑配电网各储能安装节点在各自子区域的地理位置进行优化，需要满足以下条件：
在一个区域中，在每个区域中分配至少一个移动式储能系统，以确保移动式储能系统可以用作应急电源；
安装在该区域中的储能系统总数必须与该区域中的节点总数成比例；
靠近候选节点的储能优先考虑安装节点安装移动式储能系统；
重要负荷的节点优先考虑配置固定式储能系统；
未配置储能系统的候选节点需要安装移动式储能系统安装接口；
固定式储能系统和移动式储能系统的配置容量设置为各种运行场景下的最大配置容量。
8.一种固定式与移动式混合储能系统优化配置系统，其特征是：包括：
聚类模块，被配置为对一段时间内的配电网的实际运行场景进行聚类，确定最佳聚类数目，确定配电网正常运行情况下的典型运行场景；
第一步混合储能系统优化配置模块，被配置为在所述典型运行场景下，构建混合整数线性规划模型，进行配电网正常运行情况下的优化配置，得到第一储能配置结果；
第二步混合储能系统优化配置模块，被配置为在配电网故障场景下，构建两阶段鲁棒优化配置模型，以所述第一储能配置结果中的节点为候选节点，进行储能系统的优化配置，并采用列与约束生成算法进行求解，得到第二储能配置结果；
混合储能系统优化配置模块，被配置为综合考虑第一步储能系统配置结果、第二步储能系统配置结果和各储能安装节点在各自子区域的地理位置，确定各储能配置节点的权重，采用混合优化配置策略进行优化，得到固定式与移动式混合储能系统最优配置结果。
9.一种计算机可读存储介质，其特征是：用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7中任一项所述的一种固定式与移动式混合储能系统优化配置方法中的步骤。
10.一种终端设备，其特征是：包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7中任一项所述的一种固定式与移动式混合储能系统优化配置方法中的步骤。
CN202111068160.6A 2021-09-13 2021-09-13 固定式与移动式混合储能系统优化配置系统及方法 Pending CN113762792A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111068160.6A CN113762792A (zh) 2021-09-13 2021-09-13 固定式与移动式混合储能系统优化配置系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111068160.6A CN113762792A (zh) 2021-09-13 2021-09-13 固定式与移动式混合储能系统优化配置系统及方法

Publications (1)

Publication Number Publication Date
CN113762792A true CN113762792A (zh) 2021-12-07

Family

ID=78795126

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111068160.6A Pending CN113762792A (zh) 2021-09-13 2021-09-13 固定式与移动式混合储能系统优化配置系统及方法

Country Status (1)

Country Link
CN (1) CN113762792A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114336749A (zh) * 2021-12-30 2022-04-12 国网北京市电力公司 一种配电网优化方法、系统、装置及存储介质
GB2616602A (en) * 2022-03-11 2023-09-20 Krakenflex Ltd Active and reactive power service management

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150261892A1 (en) * 2014-03-12 2015-09-17 Nec Laboratories America, Inc. Integrated optimal placement, sizing, and operation of energy storage devices in electric distribution networks
CN108470231A (zh) * 2018-01-24 2018-08-31 天津大学 考虑储能系统量化特征的配电网分布式储能选址定容方法
CN109274134A (zh) * 2018-11-08 2019-01-25 东南大学 一种基于时间序列场景分析的主动配电网鲁棒有功无功协调优化方法
WO2019134254A1 (zh) * 2018-01-02 2019-07-11 上海交通大学 一种运用分布式神经网络的实时经济调度计算方法
CN110032828A (zh) * 2019-05-10 2019-07-19 四川大学 一种计及需求响应柔性调节的配电网两阶段分布鲁棒dg优化配置线性方法
CN110556847A (zh) * 2019-09-19 2019-12-10 山东大学 含光伏配电网中储能系统规划运行联合优化方法及系统
CN110729765A (zh) * 2019-08-30 2020-01-24 四川大学 一种考虑sop的配电网灵活性评估指标体系和优化调度方法
CN111291978A (zh) * 2020-01-20 2020-06-16 云南电网有限责任公司 一种基于Benders分解的两阶段储能方法及系统
CN111401664A (zh) * 2020-04-21 2020-07-10 广东电网有限责任公司电力调度控制中心 一种综合能源系统鲁棒优化调度方法及装置
CN112347615A (zh) * 2020-10-20 2021-02-09 天津大学 一种计及光储快充一体站的配电网混合优化调度方法
CN113343426A (zh) * 2021-05-11 2021-09-03 山东大学 考虑现实需求导向的城市配电网线路规方法及系统

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150261892A1 (en) * 2014-03-12 2015-09-17 Nec Laboratories America, Inc. Integrated optimal placement, sizing, and operation of energy storage devices in electric distribution networks
WO2019134254A1 (zh) * 2018-01-02 2019-07-11 上海交通大学 一种运用分布式神经网络的实时经济调度计算方法
CN108470231A (zh) * 2018-01-24 2018-08-31 天津大学 考虑储能系统量化特征的配电网分布式储能选址定容方法
CN109274134A (zh) * 2018-11-08 2019-01-25 东南大学 一种基于时间序列场景分析的主动配电网鲁棒有功无功协调优化方法
CN110032828A (zh) * 2019-05-10 2019-07-19 四川大学 一种计及需求响应柔性调节的配电网两阶段分布鲁棒dg优化配置线性方法
CN110729765A (zh) * 2019-08-30 2020-01-24 四川大学 一种考虑sop的配电网灵活性评估指标体系和优化调度方法
CN110556847A (zh) * 2019-09-19 2019-12-10 山东大学 含光伏配电网中储能系统规划运行联合优化方法及系统
CN111291978A (zh) * 2020-01-20 2020-06-16 云南电网有限责任公司 一种基于Benders分解的两阶段储能方法及系统
CN111401664A (zh) * 2020-04-21 2020-07-10 广东电网有限责任公司电力调度控制中心 一种综合能源系统鲁棒优化调度方法及装置
CN112347615A (zh) * 2020-10-20 2021-02-09 天津大学 一种计及光储快充一体站的配电网混合优化调度方法
CN113343426A (zh) * 2021-05-11 2021-09-03 山东大学 考虑现实需求导向的城市配电网线路规方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
姜心怡: "计及效率提升的弹性配电网中可移动式储能优化配置方法", 《南方电网技术》, vol. 15, no. 2 *
姜心怡等: "弹性配电网中固定和移动储能系统的两步优化配置", 《现代电力系统与清洁能源杂志》, vol. 09, no. 04, pages 788 - 797 *
田蓓;王朝晖;张爽;安静;刘宝柱;: "面向风光综合消纳的电力系统广域储能容量优化配置研究", 智慧电力, no. 06 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114336749A (zh) * 2021-12-30 2022-04-12 国网北京市电力公司 一种配电网优化方法、系统、装置及存储介质
CN114336749B (zh) * 2021-12-30 2023-10-27 国网北京市电力公司 一种配电网优化方法、系统、装置及存储介质
GB2616602A (en) * 2022-03-11 2023-09-20 Krakenflex Ltd Active and reactive power service management
GB2616602B (en) * 2022-03-11 2024-05-01 Krakenflex Ltd Active and reactive power service management

Similar Documents

Publication Publication Date Title
Peker et al. Benefits of transmission switching and energy storage in power systems with high renewable energy penetration
Farzin et al. Enhancing power system resilience through hierarchical outage management in multi-microgrids
Jiang et al. Two-step optimal allocation of stationary and mobile energy storage systems in resilient distribution networks
CN106503839B (zh) 一种海上风电场环形集电网络分层规划方法
CN113762792A (zh) 固定式与移动式混合储能系统优化配置系统及方法
CN107491845B (zh) 一种电网规划建设精准投资方法
CN110490376A (zh) 面向配电网可靠性和经济性提升的智能软开关规划方法
US20240055859A1 (en) Source-grid-load-storage networked collaborative frequency control method
CN112330099A (zh) 配电系统在极端自然灾害天气下的资源调度方法
CN112910012B (zh) 一种配电系统弹性提升评估方法、存储介质及计算设备
CN110854891A (zh) 一种配电网灾前资源配置方法及系统
CN115860205A (zh) 考虑跨季节调度的两阶段分布鲁棒氢储设备优化配置方法
Dong et al. Research on the optimal planning method of hydrogen-storage units in wind–hydrogen energy system considering hydrogen energy source
CN110994697A (zh) 含光储联合体的交直流配电网优化运行控制方法及系统
Liu et al. Consensus-based energy management of multi-microgrid: An improved SoC-based power coordinated control method
CN110649652B (zh) 基于风险量化评估的新能源送出系统调相机配置方法和装置
Yin et al. Improving the resilience of power grids against typhoons with data‐driven spatial distributionally robust optimization
CN114996908B (zh) 考虑智能软开关接入的主动配电网扩展规划方法及系统
CN109995094B (zh) 一种交直流混合微电网的规划方法及系统
CN110112775B (zh) 一种含分布式储能的微能源网系统
CN110717694B (zh) 基于新能源消纳期望值的储能配置随机决策方法及装置
CN111952959A (zh) 压缩电网过程模拟时间的方法、装置及存储介质
CN116937599B (zh) 一种考虑5g基站备用储能的配电网负荷恢复方法及系统
CN112491067A (zh) 一种基于复合储能的主动配电网容量配置方法
Zhao et al. Refined modeling and approximated aggregation method for alkaline water electrolyzers in power system optimal scheduling

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