CN113783213A - 一种集中式储能电站选址定容两阶段优化方法 - Google Patents

一种集中式储能电站选址定容两阶段优化方法 Download PDF

Info

Publication number
CN113783213A
CN113783213A CN202110939436.7A CN202110939436A CN113783213A CN 113783213 A CN113783213 A CN 113783213A CN 202110939436 A CN202110939436 A CN 202110939436A CN 113783213 A CN113783213 A CN 113783213A
Authority
CN
China
Prior art keywords
energy storage
power station
storage power
node
representing
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
CN202110939436.7A
Other languages
English (en)
Other versions
CN113783213B (zh
Inventor
王进仕
章硕
严俊杰
种道彤
刘继平
刘明
陈伟雄
韩小渠
赵全斌
邢秦安
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong 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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202110939436.7A priority Critical patent/CN113783213B/zh
Publication of CN113783213A publication Critical patent/CN113783213A/zh
Application granted granted Critical
Publication of CN113783213B publication Critical patent/CN113783213B/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
    • G06Q10/04—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
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • H02J15/00—Systems for storing electric 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
    • H02J3/008—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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
    • 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]
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种集中式储能电站选址定容两阶段优化方法，该方法根据逐时发电量和负荷的平衡关系、储能电站自身功率限制和充放电状态、可再生能源时序特性，建立了集中式储能电站运行策略；从介数中心性、负荷大小、可再生能源发电装机容量和相邻节点平均距离四个方面综合考虑存储位置预选；然后以调峰获利、投资成本和有功网损为目标，通过NSGA‑II对储能电站位置和容量进行多目标优化；最终以电网运行成本最低进行最优潮流计算，得到储能电站优化后的充放电功率。本发明能够针对具体应用场景，实现定量优化，避免储能电站装机容量分配出现冗余或不足等情况，有效提高可再生能源消纳比例，降低电网运行成本，为指导集中式储能电站建设提供了技术指导。

Description

一种集中式储能电站选址定容两阶段优化方法
技术领域
本发明属于储能电站规划设计领域，具体涉及一种集中式储能电站选址定容两阶段优化方法。
背景技术
能源和气候问题长久以来都是国内和国际社会关注的重点，根据国际统计局发布的数据，我国2020年煤炭消费量占能源消费总量的56.8％，虽比上年下降0.9个百分点，但以煤炭为主的能源结构尚未根本转变。同时，可再生能源的波动性、间歇性与随机性等特性导致弃风、弃光，制约了自身的发展。储能可以缓解电力系统中风能和太阳能等可再生能源产生的不确定性和可变性问题，成为了实现可再生能源高比例接入电网的必要手段，是实现能源转型，绿色低碳重要发展方向。近年来，各省份要求新建可再生能源电站需要配置一定比例的储能设备，并且随着我国储能技术的高速发展，主流储能技术的成本已经有了大幅降低，未来势必会出现大规模储能电站。对储能电站进行合理规划，能够平抑风光出力波动、改善可再生能源消纳比例、提高电网安全性等。
在现有研究大多针对35kV及以下配电网和新能源发电配套的分布式储能，缺乏对于集中式储能电站的规划设计方法的情况下，本发明提出一种集中式储能电站选址定容两阶段优化方法。
发明内容
本发明的目的在于针对现有技术的不足，提供了一种集中式储能电站选址定容两阶段优化方法，为指导集中式储能电站建设提供了依据。
为实现上述目的，本发明采用如下的技术方案：
集中式储能电站选址定容两阶段优化方法，包括以下步骤：
步骤1：根据整个地区电网净负荷、储能电站自身功率限制和充放电状态、可再生能源时序特性，建立集中式储能电站运行策略，具体模型如下：
首先单个定义电网节点的净负荷，然后将电网内所有节点的净负荷相加，得到电网净负荷：
Figure BDA0003214161230000021
Figure BDA0003214161230000022
式中：
Figure BDA0003214161230000023
中为t时刻电网节点i的净负荷，kW；Li(t)为t时刻电网节点i的负荷，kW；Pi g(t)为t时刻电网节点i的有功发电量，kW；
Figure BDA0003214161230000024
和
Figure BDA0003214161230000025
分别表示t时刻由线路j注入和流出电网节点i的有功功率，kW；L(t)为t时刻电网净负荷，kW；
净负荷会出现大于零、等于零、小于零三种情况，分别对应放电、闲置、充电三种工作状态；同时，储能电站的运行会受到电网的限制以及设备自身的荷电状态、功率方面的限制，具体如下式：
Figure BDA0003214161230000026
式中：
Figure BDA0003214161230000027
表示t时刻储能电站i的充电功率，kW；
Figure BDA0003214161230000028
表示储能电站i的最大充电功率,kW；
Figure BDA0003214161230000029
表示t时刻储能电站i的放电功率，kW；
Figure BDA00032141612300000210
表示储能电站i的最大放电功率,kW；SOC表示储能电站的荷电状态；
步骤2：通过由新能源电站出力、介数中心性、负荷大小、相邻电网节点平均距离构成的综合指标进行预选址，得到重要度高的电网节点，以降低计算复杂度，提高优化速度；
1)介数中心性通过式(4)计算获得：
Figure BDA0003214161230000031
式中：σst(v)表示由节点s到节点t且经过节点v的最短路径条数；σst表示节点s到节点t的最短路径条数；
2)由于各指标单位不同，需要进行归一化处理后进行加和：
Figure BDA0003214161230000032
F·(v)＝a·F1 ·(v)+b·F2 ·(v)+c·F3 ·(v)+d·F4 ·(v) (6)
式中：Fn ·(v)表示节点v归一化后的第n个指标；Fn(v)表示节点v的第n个指标；
Figure BDA0003214161230000033
表示所有节点中第n个指标的最小值；
Figure BDA0003214161230000034
表示所有节点中第n个指标的最大值；F·(v)表示节点v的综合指标，F1 ·(v)表示节点v归一化后的新能源电站出力；F2 ·(v)表示节点v归一化后的介数中心性；F3 ·(v)表示节点v归一化后的负荷大小；F4 ·(v)表示节点v归一化后的相邻电网节点平均距离；a，b，c，d表示各指标对应的权重；
步骤3：根据集中式储能电站运行策略，将电网和储能设备自身约束作为边界条件，以调峰获利、投资成本、有功网损为目标，通过多目标优化算法NSGA-II对储能电站位置和容量进行多目标优化，得到储能电站合理的位置和容量，具体过程如下：
1)建立调峰获利、投资成本、有功网损三个目标函数的数学模型：
Figure BDA0003214161230000041
式中：S表示所有储能电站单日的调峰获利，元；Pd(i,t)和Pc(i,t)分别为储能电站i在t时刻前一小时的放电量和充电量，kWh；s为当前时刻电价，元；C表示所有储能电站的总投资，元；Crb(i)为储能电站i的额定装机容量，kWh；I(i)和M(i)表示储能电站i单位容量建设和运行维护费用，元；L表示所有储能电站单日有功网损，kWh；Ploss(j,t)为线路j在t时刻前一小时的有功线损，kW；
2)选取储能电站总装机容量、各预选节点储能容量占比作为优化变量；
3)通过NSGA-II算法进行多目标优化，得到Pareto解集；
4)通过理想点法从Pareto解集中选取最优解，理想点法见下式：
minD(i)＝||Fideal-F(i)|| 0<i≤n (8)
式中：minD(i)表示Pareto解集中点i与理想点的最短空间距离；Fideal表示理想解；F(i)表示Pareto解集中点i；
步骤4：在前述步骤3得到的储能电站的位置和容量的基础上，以电网运行成本最低为目标，对加入储能电站后的电网进行最优潮流计算，保证电网能够稳定运行的同时进一步对储能电站的充放电功率优化。
所述步骤1中的电网节点，针对220kV及以上电压等级的输电网；
所述步骤1中的荷电状态最小值SOCmin等于0.3；
所述步骤2中各指标对应的权重a，b，c，d为等权重。
所述步骤3中的优化变量，以整个地区储能电站容量和各储能电站占总容量的比例作为优化变量，能够同时对选址和容量进行优化。
所述储能电站容量的寻优范围为对应新能源装机容量的100％～500％。
所述步骤3中的多目标优化算法为遗传算法，其中种群规模为300～400，最优个体系数为0.1～0.3，每代中直接保留上一代个体的数量为10～18，交叉概率为0.6～0.8，迭代代数为150。
所述步骤4中的最优潮流采用内点法实现优化计算。
与现有技术相比，本发明具有以下的优点：
(1)本发明能够以调峰获利、投资成本、有功网损等经济性指标为目标，同时对储能电站的安装地点、安装容量进行多目标优化；
(2)本发明能够针对具体应用场景，实现定量优化，避免储能电站装机容量分配出现冗余或不足等情况，有效提高可再生能源消纳比例；
(3)本发明为集中式储能电站设计了一种新的运行策略，该策略以整个地区电网和用户之间的供需平衡为依据指导储能电站运行；
(4)本发明通过最优潮流计算，使得电网和储能电站能够实现协调运行，有效降低电网运行成本；
附图说明
图1为本发明优化方法流程图；
图2为本发明各节点重要性示意图；
图3为本发明集中式储能电站选址定容的结果示意图；
图4为本发明优化后的储能电站典型日运行情况示意图；
图5为加入储能前后可再生能源消纳对比示意图。
具体实施方式
下面结合附图和具体实施方案对本发明作进一步的详细说明。
本发明提出的一种集中式储能电站选址定容两阶段优化方法，以国内某省电网数据为例进行优化，图1展示了优化方法的实现步骤，具体如下：
步骤1：根据整个地区电网净负荷、储能电站自身功率限制和充放电状态、可再生能源时序特性，建立集中式储能电站运行策略，具体模型如下：
首先单个定义电网节点的净负荷，然后将电网内所有节点的净负荷相加，得到电网净负荷：
Figure BDA0003214161230000061
Figure BDA0003214161230000062
式中：
Figure BDA0003214161230000063
中为t时刻电网节点i的净负荷，kW；Li(t)为t时刻电网节点i的负荷，kW；Pi g(t)为t时刻电网节点i的有功发电量，kW；
Figure BDA0003214161230000064
和
Figure BDA0003214161230000065
分别表示t时刻由线路j注入和流出电网节点i的有功功率，kW；L(t)为t时刻电网净负荷，kW；
净负荷会出现大于零、等于零、小于零三种情况，分别对应放电、闲置、充电三种工作状态；同时，储能电站的运行会受到电网的限制以及设备自身的荷电状态、功率方面的限制，具体如下式：
Figure BDA0003214161230000066
式中：
Figure BDA0003214161230000067
表示t时刻储能电站i的充电功率，kW；
Figure BDA0003214161230000068
表示储能电站i的最大充电功率,kW；
Figure BDA0003214161230000069
表示t时刻储能电站i的放电功率，kW；
Figure BDA00032141612300000610
表示储能电站i的最大放电功率,kW；SOC表示储能电站的荷电状态；
步骤2：通过由新能源电站出力、介数中心性、负荷大小、相邻电网节点平均距离构成的综合指标进行预选址，得到重要度高的电网节点，以降低计算复杂度，提高优化速度；
1)介数中心性通过式(4)计算获得：
Figure BDA0003214161230000071
式中：σst(v)表示由节点s到节点t且经过节点v的最短路径条数；σst表示节点s到节点t的最短路径条数；
2)由于各指标单位不同，需要进行归一化处理后进行加和：
Figure BDA0003214161230000072
F·(v)＝a·F1 ·(v)+b·F2 ·(v)+c·F3 ·(v)+d·F4 ·(v) (6)
式中：Fn ·(v)表示节点v归一化后的第n个指标；Fn(v)表示节点v的第n个指标；
Figure BDA0003214161230000073
表示所有节点中第n个指标的最小值；
Figure BDA0003214161230000074
表示所有节点中第n个指标的最大值；F·(v)表示节点v的综合指标，F1 ·(v)表示节点v归一化后的新能源电站出力；F2 ·(v)表示节点v归一化后的介数中心性；F3 ·(v)表示节点v归一化后的负荷大小；F4 ·(v)表示节点v归一化后的相邻电网节点平均距离；a，b，c，d表示各指标对应的权重；
图2展示了以国内某省220kV及以上电网数据为例，通过步骤2所述过程，得到的各个节点的综合重要性，数字越大表示在该节点安装储能电站的可能性越大。在本案例中，选取了节点7、8、12、22、25、28、29和30共8个节点作为预选安装节点。
步骤3：根据集中式储能电站运行策略，将电网和储能设备自身约束作为边界条件，以调峰获利、投资成本、有功网损为目标，通过多目标优化算法NSGA-II对储能电站位置和容量进行多目标优化，得到储能电站合理的位置和容量，具体过程如下：
1)建立调峰获利、投资成本、有功网损三个目标函数的数学模型：
Figure BDA0003214161230000081
式中：S表示所有储能电站单日的调峰获利，元；Pd(i,t)和Pc(i,t)分别为储能电站i在t时刻前一小时的放电量和充电量，kWh；s为当前时刻电价，元；C表示所有储能电站的总投资，元；Crb(i)为储能电站i的额定装机容量，kWh；I(i)和M(i)表示储能电站i单位容量建设和运行维护费用，元；L表示所有储能电站单日有功网损，kWh；Ploss(j,t)为线路j在t时刻前一小时的有功线损，kW；
2)选取储能电站总装机容量、各预选节点储能容量占比作为优化变量；
3)通过NSGA-II算法进行多目标优化，得到Pareto解集；
4)通过理想点法从Pareto解集中选取最优解，理想点法见下式：
minD(i)＝||Fideal-F(i)|| 0<i≤n (8)
式中：minD(i)表示Pareto解集中点i与理想点的最短空间距离；Fideal表示理想解；F(i)表示Pareto解集中点i；
图3展示了按照步骤3所述过程，在目标函数综合最优时，各预选节点是否安装储能电站以及各预选节点储能电站的装机容量。
步骤4：在前述步骤3得到的储能电站的位置和容量的基础上，以电网运行成本最低为目标，对加入储能电站后的电网进行最优潮流计算，保证电网能够稳定运行的同时进一步对储能电站的充放电功率优化。
图4展示了安装在节点8的储能电站在一天的充放电情况以及荷电状态。可以看到，该储能电站早上9:00-10:00进行充电，在10:00荷电状态达到上限1；晚上20:00-23:00进行放电，在23:00达到荷电状态下限0.3。通过图4，表明通过本发明的优化方法得到的储能电站能够有效实现削峰填谷。
图5展示了实施方案的案例中，全省和省内各地区安装储能电站前后的新能源消纳对比。可以看到，安装储能电站后新能源消纳水平得到了有效提升。
作为本发明的优选实施方式，所述步骤1中的电网节点，针对220kV及以上电压等级的输电网；
作为本发明的优选实施方式，所述步骤1中的荷电状态最小值SOCmin等于0.3；
作为本发明的优选实施方式，所述步骤2中各指标对应的权重a，b，c，d为等权重。
作为本发明的优选实施方式，所述步骤3中的优化变量，以整个地区储能电站容量和各储能电站占总容量的比例作为优化变量，能够同时对选址和容量进行优化。
作为本发明的优选实施方式，所述储能电站容量的寻优范围为对应新能源装机容量的100％～500％。
作为本发明的优选实施方式，所述步骤3中的多目标优化算法为遗传算法，其中种群规模为300～400，最优个体系数为0.1～0.3，每代中直接保留上一代个体的数量为10～18，交叉概率为0.6～0.8，迭代代数为150。
作为本发明的优选实施方式，所述步骤4中的最优潮流采用内点法实现优化计算。
以上所述仅为本发明的一种实施方式，不是全部或唯一的实施方式，本领域普通技术人员通过阅读本发明说明书而对本发明技术方案采取的任何等效的变换，均为本发明的权利要求所涵盖。

Claims (8)

1.集中式储能电站选址定容两阶段优化方法，其特征在于，包括以下步骤：
步骤1：根据整个地区电网净负荷、储能电站自身功率限制和充放电状态、可再生能源时序特性，建立集中式储能电站运行策略，具体模型如下：
首先单个定义电网节点的净负荷，然后将电网内所有节点的净负荷相加，得到电网净负荷：
Figure FDA0003214161220000011
Figure FDA0003214161220000012
式中：
Figure FDA0003214161220000013
中为t时刻电网节点i的净负荷，kW；Li(t)为t时刻电网节点i的负荷，kW；
Figure FDA0003214161220000014
为t时刻电网节点i的有功发电量，kW；
Figure FDA0003214161220000015
和
Figure FDA0003214161220000016
分别表示t时刻由线路j注入和流出电网节点i的有功功率，kW；L(t)为t时刻电网净负荷，kW；
净负荷会出现大于零、等于零、小于零三种情况，分别对应放电、闲置、充电三种工作状态；同时，储能电站的运行会受到电网的限制以及设备自身的荷电状态、功率方面的限制，具体如下式：
Figure FDA0003214161220000017
式中：
Figure FDA0003214161220000018
表示t时刻储能电站i的充电功率，kW；
Figure FDA0003214161220000019
表示储能电站i的最大充电功率,kW；
Figure FDA00032141612200000110
表示t时刻储能电站i的放电功率，kW；
Figure FDA00032141612200000111
表示储能电站i的最大放电功率,kW；SOC表示储能电站的荷电状态；
步骤2：通过由新能源电站出力、介数中心性、负荷大小、相邻电网节点平均距离构成的综合指标进行预选址，得到重要度高的电网节点，以降低计算复杂度，提高优化速度；
1)介数中心性通过式(4)计算获得：
Figure FDA0003214161220000021
式中：σst(v)表示由节点s到节点t且经过节点v的最短路径条数；σst表示节点s到节点t的最短路径条数；
2)由于各指标单位不同，需要进行归一化处理后进行加和：
Figure FDA0003214161220000022
F·(v)＝a·F1 ·(v)+b·F2 ·(v)+c·F3 ·(v)+d·F4 ·(v) (6)
式中：Fn ·(v)表示节点v归一化后的第n个指标；Fn(v)表示节点v的第n个指标；
Figure FDA0003214161220000023
表示所有节点中第n个指标的最小值；
Figure FDA0003214161220000024
表示所有节点中第n个指标的最大值；F·(v)表示节点v的综合指标，F1 ·(v)表示节点v归一化后的新能源电站出力；F2 ·(v)表示节点v归一化后的介数中心性；F3 ·(v)表示节点v归一化后的负荷大小；F4 ·(v)表示节点v归一化后的相邻电网节点平均距离；a，b，c，d表示各指标对应的权重；
步骤3：根据集中式储能电站运行策略，将电网和储能设备自身约束作为边界条件，以调峰获利、投资成本、有功网损为目标，通过多目标优化算法NSGA-II对储能电站位置和容量进行多目标优化，得到储能电站合理的位置和容量，具体过程如下：
1)建立调峰获利、投资成本、有功网损三个目标函数的数学模型：
Figure FDA0003214161220000031
式中：S表示所有储能电站单日的调峰获利，元；Pd(i,t)和Pc(i,t)分别为储能电站i在t时刻前一小时的放电量和充电量，kWh；s为当前时刻电价，元；C表示所有储能电站的总投资，元；Crb(i)为储能电站i的额定装机容量，kWh；I(i)和M(i)表示储能电站i单位容量建设和运行维护费用，元；L表示所有储能电站单日有功网损，kWh；Ploss(j,t)为线路j在t时刻前一小时的有功线损，kW；
2)选取储能电站总装机容量、各预选节点储能容量占比作为优化变量；
3)通过NSGA-II算法进行多目标优化，得到Pareto解集；
4)通过理想点法从Pareto解集中选取最优解，理想点法见下式：
min D(i)＝||Fideal-F(i)||0<i≤n (8)
式中：minD(i)表示Pareto解集中点i与理想点的最短空间距离；Fideal表示理想解；F(i)表示Pareto解集中点i；
步骤4：在前述步骤3得到的储能电站的位置和容量的基础上，以电网运行成本最低为目标，对加入储能电站后的电网进行最优潮流计算，保证电网能够稳定运行的同时进一步对储能电站的充放电功率优化。
2.根据权利要求1所述的集中式储能电站选址定容两阶段优化方法，其特征在于：步骤1中的电网节点，针对220kV及以上电压等级的输电网。
3.根据权利要求1所述的集中式储能电站选址定容两阶段优化方法，其特征在于：步骤1中的荷电状态最小值SOCmin等于0.3。
4.根据权利要求1所述的集中式储能电站选址定容两阶段优化方法，其特征在于：步骤2中各指标对应的权重a，b，c，d为等权重。
5.根据权利要求1所述的集中式储能电站选址定容两阶段优化方法，其特征在于：步骤3中的优化变量，以整个地区储能电站容量和各储能电站占总容量的比例作为优化变量，能够同时对选址和容量进行优化。
6.根据权利要求5所述的集中式储能电站选址定容两阶段优化方法，其特征在于：所述储能电站容量的寻优范围为对应新能源装机容量的100％～500％。
7.根据权利要求1所述的集中式储能电站选址定容两阶段优化方法，其特征在于：步骤3中的多目标优化算法为遗传算法，其中种群规模为300～400，最优个体系数为0.1～0.3，每代中直接保留上一代个体的数量为10～18，交叉概率为0.6～0.8，迭代代数为150。
8.根据权利要求1所述的集中式储能电站选址定容两阶段优化方法，其特征在于：步骤4中最优潮流，采用内点法实现优化计算。
CN202110939436.7A 2021-08-16 2021-08-16 一种集中式储能电站选址定容两阶段优化方法 Active CN113783213B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110939436.7A CN113783213B (zh) 2021-08-16 2021-08-16 一种集中式储能电站选址定容两阶段优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110939436.7A CN113783213B (zh) 2021-08-16 2021-08-16 一种集中式储能电站选址定容两阶段优化方法

Publications (2)

Publication Number Publication Date
CN113783213A true CN113783213A (zh) 2021-12-10
CN113783213B CN113783213B (zh) 2024-04-09

Family

ID=78838097

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110939436.7A Active CN113783213B (zh) 2021-08-16 2021-08-16 一种集中式储能电站选址定容两阶段优化方法

Country Status (1)

Country Link
CN (1) CN113783213B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107482660A (zh) * 2017-09-04 2017-12-15 国网江苏省电力公司经济技术研究院 一种基于双储能系统的主动配电网储能配置方法
CN109492815A (zh) * 2018-11-15 2019-03-19 郑州大学 一种市场机制下面向电网的储能电站选址定容优化方法
WO2019141041A1 (zh) * 2018-01-22 2019-07-25 佛山科学技术学院 一种风电场机组布局多目标优化方法
CN110135662A (zh) * 2019-06-06 2019-08-16 杭州电子科技大学 一种考虑减小峰谷差的储能选址定容多目标优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107482660A (zh) * 2017-09-04 2017-12-15 国网江苏省电力公司经济技术研究院 一种基于双储能系统的主动配电网储能配置方法
WO2019141041A1 (zh) * 2018-01-22 2019-07-25 佛山科学技术学院 一种风电场机组布局多目标优化方法
CN109492815A (zh) * 2018-11-15 2019-03-19 郑州大学 一种市场机制下面向电网的储能电站选址定容优化方法
CN110135662A (zh) * 2019-06-06 2019-08-16 杭州电子科技大学 一种考虑减小峰谷差的储能选址定容多目标优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XIAOQU HAN等: "Thermodynamic analysis of an improved flue gas pre-dried lignite-fired power system integrated with water recovery and drying exhaust gas recirculation", DRYING TECHNOLOGY, 25 April 2019 (2019-04-25) *
郜宁;张慧媛;王子琪;许军;程杰慧;高荣刚;赵建平;: "区域电网分布式储能选址定容规划", 高压电器, no. 08, 16 August 2020 (2020-08-16) *

Also Published As

Publication number Publication date
CN113783213B (zh) 2024-04-09

Similar Documents

Publication Publication Date Title
CN111969593B (zh) 基于混合储能的热电联供微网模型预测控制优化调度方法
CN111244988B (zh) 考虑分布式电源的电动汽车和储能优化调度方法
CN110994606A (zh) 一种基于复杂适应系统理论的多能源电源容量配置方法
CN105552896B (zh) 一种基于分布式光伏发电的配电网高峰负荷控制方法
CN117096908A (zh) 基于麻雀搜索的并网型微电网优化调度方法
CN110098623B (zh) 一种基于智能负载的Prosumer单元控制方法
CN108667071B (zh) 一种主动配电网负荷精准控制计算方法
CN113078684B (zh) 一种基于双层优化的区域能源社区规划方法
Saber et al. Smart micro-grid optimization with controllable loads using particle swarm optimization
CN113158547A (zh) 计及经济性和可靠性的区域综合能源系统优化配置方法
CN116191558A (zh) 配电网高可靠性的分布式光伏储能优化配置方法及装置
Bai et al. A Renewable Energy Capacity Allocation Planning Method Considering the Balance of Renewable Energy Accommodation and System Investment Costs
CN116054250A (zh) 一种储能分组的风光储耦合制氢系统调度方法
CN113054685B (zh) 基于乌鸦算法和模式搜索算法的太阳能微电网调度方法
CN113783213B (zh) 一种集中式储能电站选址定容两阶段优化方法
Bagherinezhad et al. Indirect congestion management approach in distribution system with high PV penetration
CN109447369B (zh) 一种基于模拟退火算法的考虑多因素的产能端功率分配方法
CN114530848A (zh) 一种光储虚拟电厂多时间尺度动态划分方法
Li et al. The expansion planning of wind-thermal co-generation system based on harmony search algorithm under smart grid
Zhu et al. Coordination planning of integrated energy system and electric vehicle charging station considering carbon emission reduction
Xie et al. Multi-objective stochastic optimization planning method based on microgrid
Zhu et al. Isolated Microgrid Capacity Configuration Considering Economic Risk of Customer Interruption
Yang et al. Multi-time scale collaborative scheduling strategy of distributed energy systems for energy Internet
Chen et al. Optimization and analysis of microgrid based on different operational strategies
CN111931322B (zh) 自主式元胞电网的电源及耦合点规划方法及系统

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