CN113793022B - 基于分布式云储能的电网投资规划方案生成方法及系统 - Google Patents
基于分布式云储能的电网投资规划方案生成方法及系统 Download PDFInfo
- Publication number
- CN113793022B CN113793022B CN202111065929.9A CN202111065929A CN113793022B CN 113793022 B CN113793022 B CN 113793022B CN 202111065929 A CN202111065929 A CN 202111065929A CN 113793022 B CN113793022 B CN 113793022B
- Authority
- CN
- China
- Prior art keywords
- power
- power grid
- planning
- investment
- scheme
- 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.)
- Active
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 110
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000009826 distribution Methods 0.000 claims abstract description 79
- 238000007405 data analysis Methods 0.000 claims abstract description 46
- 230000005540 biological transmission Effects 0.000 claims abstract description 43
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 230000008901 benefit Effects 0.000 claims description 26
- 238000010276 construction Methods 0.000 claims description 18
- 238000010248 power generation Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 abstract description 6
- 238000012423 maintenance Methods 0.000 description 10
- 238000009434 installation Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000012614 Monte-Carlo sampling Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012067 mathematical method Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- 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
-
- 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
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Technology Law (AREA)
- Data Mining & Analysis (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
本发明公开了基于分布式云储能的电网投资规划方案生成方法及系统，通过获取电网的电力系统现状，对所述电网进行电源规划和电力电量平衡分析，生成预测的所述电网的电源分布点、容量及所需要的发电量；同时结合所述电网的实际情况，生成电网变电站和送电线路的架设方案及分布式云储能平台架构方案；并制定多个电网投资规划方案；对所述多个电网投资规划方案进行运营数据分析，根据运营数据分析结果，获取最优的电网投资规划方案。相比于现有技术，通过引入分布式云储能平台架构方案，对电网的投资规划按规划层和运行层双层考虑，提高了电网投资规划方案数据的精准性，实现电网投资规划方案的最优化。
Description
技术领域
本发明涉及电力系统投资规划的技术领域，特别是涉及基于分布式云储能的电网投资规划方案生成方法及系统。
背景技术
云储能是在现有电网基础上发展起来的一种通用的储能技术。分布式储能减少了集中储能电站的线路损耗和投资压力，且合理规划的分布式储能，不但可以通过“削峰填谷”起到降低配电网容量的作用，还可以弥补分布式的随机性对电网安全和经济运行的负面影响。
目前电网的投资规划方法有传统方法和数学方法。传统方法简单来说，通常是指规划人员根据自己积累的经验，提出一些规划参比方案，然后对这些方案进行经济技术比较，最终选择最佳方案。而数学方法分为启发式方法和数学优化方法。启发式方法是以直观分析为依据的算法，通常基于系统某一性能指标对可行路径上一些线路参数的灵敏度，根据一定的原则，逐步迭代直到得到满足要求的方案为止。而数学优化方法就是将电网规划问题用数学优化模型进行描述，然后通过一定的算法求解，从而获得满足系统要求的最优规划方案。但上述两种投资规划方法都没有考虑电网的投资所产生的经济效益和社会效益，所获得的电网投资规划方案并不全面，容易出现实际数据与规划数据差别较大的问题。
发明内容
本发明要解决的技术问题是：基于分布式云储能的电网投资规划方案生成方法及系统，通过在电网投资规划中引入分布式云储能架构设计，提高了电网投资规划方案数据的精准性，实现电网投资规划方案的最优化。
为了解决上述技术问题，本发明提供了基于分布式云储能的电网投资规划方案生成方法及系统，包括：
获取电网的电力系统现状，根据所述电力系统现状对电力需求进行预测，获取预测结果；
根据所述预测结果，对所述电网进行电源规划和电力电量平衡分析，生成预测的所述电网的电源分布点、容量及所需要的发电量；
同时结合所述电网的实际情况，生成电网变电站和送电线路的架设方案及分布式云储能平台架构方案；
根据所述电网变电站和送电线路的架设方案及分布式云储能平台架构方案，制定多个电网投资规划方案；
对所述多个电网投资规划方案进行运营数据分析，根据运营数据分析结果，获取最优的电网投资规划方案。
进一步地，在获取电网的电力系统现状前，还包括：
建立电网双层投资规划模型，其中，所述电网双层投资规划模型包括规划层和运行层；
所述规划层包括分布式云储能投资成本、集中式云储能投资成本和电网变电站和送电线路投资成本；
所述运行层包括配电网运行成本。
进一步地，将所述分布式云储能投资成本、所述集中式云储能投资成本、所述电网变电站和送电线路投资成本和所述配电网运行成本代入预设公式中计算目标函数值，其中，所述目标函数值为配电网年综合成本最小值。
进一步地，所述对所述多个电网投资规划方案进行运营数据分析，根据运营数据分析结果获取最优的电网投资规划方案，具体为：
对所述多个电网投资规划方案的运营数据进行分析，获取所述多个电网投资规划方案的运营数据分析结果，其中，所述运营数据包括成本、经济效益和社会效益；
将所述运营数据分析结果与所述配电网年综合成本最小值对比，若所述运营数据分析结果大于等于所述配电网年综合成本最小值，则认为所述运营数据分析结果对应的电网投资规划方案满足规划要求，若存在多个运营数据分析结果大于等于所述配电网年综合成本最小值，则将所述多个运营数据分析结果作对比，获取最优的电网投资规划方案；
若所述运营数据分析结果小于所述配电网年综合成本最小值，则返回步骤“根据所述电网变电站和送电线路的架设方案及分布式云储能平台架构方案，制定多个电网投资规划方案”。
进一步地，根据所述电力系统现状对电力需求进行预测，获取预测结果，具体为：
从所述电力系统现状中提取出所述电力系统的历史负荷数据，对所述历史负荷数据进行调查和分析，同时根据所述电力系统的运行状态和增容决策，预测并获取未来预设时刻的负荷数据。
进一步地，根据所述预测结果，对所述电网进行电源规划和电力电量平衡分析，生成预测的所述电网的电源分布点、容量及所需要的发电量，具体为：
根据预测的所述负荷数据，结合所述电力系统的资源禀赋情况和负荷分布情况，对所述电网进行电源规划，生成预测的所述电网的电源分布点和容量；
根据预设规划期限内电源建设方案和所述负荷数据，对所述电网进行电力电量平衡计算，分析预设规划期限内所述电力系统的电力供应情况，生成预设的所述电网所需要的发电量。
进一步地，所述分布式云储能平台架构方案为在传统电网规划中引入分布式云储能平台。
进一步地，本发明还提供了一种基于分布式云储能的电网投资规划方案生成系统，包括：获取模块、第一生成模块、第二生成模块、方案制定模块和分析模块；
其中，所述获取模块用于获取电网的电力系统现状，根据所述电力系统现状对电力需求进行预测，获取预测结果；
所述第一生成模块用于根据所述预测结果，对所述电网进行电源规划和电力电量平衡分析，生成预测的所述电网的电源分布点、容量及所需要的发电量；
所述第二生成模块用于同时结合所述电网的实际情况，生成所述电网变电站和送电线路的架设方案及分布式云储能平台架构方案；
所述方案制定模块用于根据所述电网变电站和送电线路的架设方案及分布式云储能平台架构方案，制定多个电网投资规划方案；
所述分析模块用于对所述多个电网投资规划方案进行运营数据分析，根据运营数据分析结果，获取最优的电网投资规划方案。
进一步地，本发明还提供一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述的基于分布式云储能的电网投资规划方案生成方法。
进一步地，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任意一项所述的基于分布式云储能的电网投资规划方案生成方法。
本发明实施例基于分布式云储能的电网投资规划方案生成方法及系统，与现有技术相比，具有如下有益效果：
本发明提供的基于分布式云储能的电网投资规划方案生成方法及系统，在电网投资规划方面，通过根据电网的电力系统的现状进行分析预测，对电网的电力需求、电源规划和电力平衡等信息数据进行整合规划，生成分布式云储能平台架构方案，并将生成分布式云储能平台架构方案融入到制定的电网投资规划方案中，使得电网规划方案中的数据更贴近实际情况，同时在电网投资运行方面，根据制定的电网投资规划方案进行运营数据分析，进一步提高了电网投资规划方案数据的精准性，根据运营数据分析结果，获取最优的电网投资规划方案，与现有技术相比，本发明通过引入分布式云储能平台架构方案，对电网的投资规划按规划层和运行层双层考虑，提高了电网投资规划方案数据的精准性，实现电网投资规划方案的最优化。
附图说明
图1是本发明提供的基于分布式云储能的电网投资规划方案生成方法的一种实施例的流程示意图；
图2是本发明提供的基于分布式云储能的电网投资规划方案生成系统的一种实施例的结构示意图。
具体实施方式
下面将结合本发明中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
参见图1，图1是本发明提供的基于分布式云储能的电网投资规划方案生成方法的一种实施例的流程示意图，如图1所示，该方法包括步骤101-步骤104，具体如下：
本实施例中，在进行步骤101获取电网的电力系统现状前，建立电网双层投资规划模型，电网双层投资规划模型包括规划层，其中，规划层包括分布式云储能投资成本、集中式云储能投资成本和电网变电站和送电线路投资成本。
分布式云储能投资成本的计算要考虑以下几个因素：云储能的成本降低系数，；单位储能容量运维价格/>；单位储能容量系统租赁价格/>；电网运营商拟购买的储能容量/>；分布式储能租赁决策变量/>；将上述因素代入分布式云储能的投资总成本以及维护成本/>的计算公式中，公式如下所示：
。
集中式云储能投资建设成本可从以下几个因素考虑：集中式储能建设容量，储能投建决策变量/>，单位储能容量运维价格/>，单位储能容量系统建设价格/>，折旧系数k，折旧率r，工程年限l。将上述因素代入集中式云储能投资建设成本以及维护成本/>的计算公式中，该公式如下所示：
，
。
变电站和线路的配电网网架投资成本需从变电站单位投资成本/>、馈线单位投资成本/>、变电站增容容量/>、馈线ij投资决策变量/>四方面进行考虑。将上述因素代入变电站和线路的配电网网架投资成本/>的计算公式中，该公式如下所示：
。
本实施例中，电网双层投资规划模型还包括运行层，其中，运行层包括配电网运行成本。配电网运行成本则考虑向上级电网购电单位成本、单位网损成本/>、失负荷单位成本/>、向上级电网购电量/>，支路电流/>、支路电阻/>以及节点失负荷功率/>等因素。将上述因素代入配电网运行成本/>的计算公式中，该公式如下所示：
。
本实施例中，电网双层投资规划模型以设定配电网年综合成本最小为目标函数，包括配电网年运行成本和折算到每年的储能系统投资成本，将所述分布式云储能投资成本、所述集中式云储能投资成本、所述电网变电站和送电线路投资成本和所述配电网运行成本代入预设公式中计算目标函数值，其中，目标函数的计算公式如下所示：
。
步骤101：获取电网的电力系统现状，根据所述电力系统现状对电力需求进行预测，获取预测结果。
本实施例中，获取电力系统的现状，其中，电力系统的现状包括电力系统已有的电源点和电源装机容量，输电系统的现状，输电线路的条数和容量，变电站的个数及容量，配电网的分布构架，电力系统所在地的社会经济发展情况和资源配置形势等；并根据获取到的电力系统现状进行电力需求预测，从所述电力系统现状中提取出所述电力系统的历史负荷数据，对所述历史负荷数据进行调查和分析，同时根据所述电力系统的运行状态和增容决策，预测并获取未来预设时刻的负荷数据，其中，未来预设时刻的负荷数据的通过蒙特卡洛抽样模拟，输入获取到的电力系统的历史负荷数据，在matlab系统中应用相应代码进行数据抽样，确认初始负荷数据来计算充放电负荷，在误差不超过原始数据的百分之三十的情况下随机生成若干情况下的随机数据，对随机数据进行叠加，输出负荷预测结果，记录数据及其相应曲线。
步骤102：根据所述预测结果，对所述电网进行电源规划和电力电量平衡分析，生成预测的所述电网的电源分布点、容量及所需要的发电量。
本实施例中，由于电网的电源分布点以及容量由未来预设时刻的负荷数据、资源禀赋情况和负荷分布情况共同决定，因此根据获取的未来预设时刻的负荷数据，结合所述电力系统的资源禀赋情况和负荷分布情况，对所述电网进行电源规划，生成预测的所述电网的电源分布点和容量，同时根据系统的电源现状判断电力系统规划需要增加的发电容量。在增加发电容量的前提下，再对电网进行电力电量平衡分析，计算电网所需要的发电量，以使达到电网电力电量供需之间的平衡，通过根据预设规划期限内电源建设方案和所述负荷数据，分析预设规划期限内所述电力系统的电力供应情况，生成预设的所述电网所需要的发电量。本实施例中，计算电力电量平衡，主要是计算节点功率的平衡，其计算公式如下所示：
式中，为接入节点/>的机组集合；/>接入节点/>的可再生新能源机组集合；与/>为节点/>中的母线路和子线路集合；/>为场景/>下/>时段线路/>的有功潮流；为场景/>下/>时段可再生新能源机组/>的可再生新能源出力预测值；/>为场景/>下/>时段节点/>的负荷需求。
步骤103：同时结合所述电网的实际情况，生成电网变电站和送电线路的架设方案及分布式云储能平台架构方案。
本实施例中，根据上述步骤101至步骤102中的计算分析，对生成预测的所述电网的电源分布点、容量及所需要的发电量，架构设计电网需要的变电站和输电线路，生成变电站和送电线路的架设方案；同时在传统电网规划中引用分布式云储能平台架构方案。本实施例中，传统电网规划被定义为，规划人员根据自己累积的经验提出一些规划参考方案并进行经济技术比较之后所选出的最佳方案的电网规划，其特点在于保证电力系统基本可以安全可靠地运行情况下，使得电网投资成本最小；然而其缺点为忽略了电网投资带来的经济效益与社会效益，并受制于电力系统发展带来的不确定性与额外的投资成本，而本实施例中，对电网应用分布式云储能平台架构设计，云储能提供商投资大量的储能设备，并将分散在用户侧的闲置储能集中起来，用云端虚拟的储能容量替代用户实体储能。且分布式云储能的投资建设虽然需要一定的成本，但云储能运行也会产生一定的经济效益。利用分布式云储能系统的动态能力，有效降低了电网峰值之间的差距，减少峰值负荷时的超载电能，减少低谷期的超载电能损失。除此之外，随着分布式云储能系统的发展成熟，大量的商业用户将产生显著的聚合效果，即在多用户应用场景中，降低用户峰值负载可减少对电力设备或发电峰值的投资，大大提高网络的规划运行效率，将具有较大的应用价值。
本实施例中，将生成电网变电站和送电线路的架设方案及分布式云储能平台架构方案待入电网投资规划模型中，计算生成电网变电站和送电线路的架设方案及分布式云储能平台架构方案所对应的投资建设成本及维护成本，为电网规划方案的运营分析提供和参考依据。
步骤104：根据所述电网变电站和送电线路的架设方案及分布式云储能平台架构方案，制定多个电网投资规划方案。
本实施例中，根据所述电网变电站和送电线路的架设方案及分布式云储能平台架构方案，综合考虑分布式云储能的沉没、运行成本，以及其带来的如步骤103所述的经济效益，规划人员需要结合不同地区的峰谷差，并根据不同模式下的沉没成本与运行成本对分布式云储能在电力系统装机中的比例做出一个取舍，来制定几种有可能的电网投资规划方案，作为本实施例中的一种优选方案，制定的电网投资规划方案至少包含三种不一样的电网投资规划方案。
步骤105：对所述多个电网投资规划方案进行运营数据分析，根据运营数据分析结果，获取最优的电网投资规划方案。
本实施例中，对所述多个电网投资规划方案的运营数据进行分析，获取所述多个电网投资规划方案的运营数据分析结果，其中，所述运营数据包括建设成本、经济效益和社会效益；作为本实施例中的一种优选方案，电网投资规划方案的经济效益和社会效益的计算，可通过结合负荷预测抽样模拟，构建相应的数学模型，对于不同的新能源装机方案，以二十年为周期，分别在建造新能源装机成本、运维成本、租赁成本等因素的基础上在仿真软件中画出简要成本、经济效益与社会效益的折线图。将所述运营数据分析结果与电网投资规划模型中的计算出的所述配电网电年综合成本最小值对比，若所述运营数据分析结果大于等于所述配电网年综合成本最小值，则认为所述运营数据分析结果对应的电网投资规划方案满足规划要求，若存在多个运营数据分析结果大于等于所述配电网年综合成本最小值，则将所述多个运营数据分析结果作对比，获取最优的电网投资规划方案；若所述运营数据分析结果小于所述配电网年综合成本最小值，则返回步骤104“根据所述电网变电站和送电线路的架设方案及分布式云储能平台架构方案，制定多个电网投资规划方案”。
参见图2，图2是本发明提供的基于分布式云储能的电网投资规划方案生成系统的一种实施例的结构示意图，如图2所示，该结构包括获取模块201、第一生成模块202、第二生成模块203、方案制定模块204和分析模块205，具体如下：
本实施例中，基于分布式云储能的电网投资规划方案生成系统还包括模型建立模块，在获取模块201获取电网的电力系统现状前，建立电网双层投资规划模型，电网双层投资规划模型包括规划层，其中，规划层包括分布式云储能投资成本、集中式云储能投资成本和电网变电站和送电线路投资成本。
分布式云储能投资成本的计算要考虑以下几个因素：云储能的成本降低系数，；单位储能容量运维价格/>；单位储能容量系统租赁价格/>；电网运营商拟购买的储能容量/>；分布式储能租赁决策变量/>；将上述因素代入分布式云储能的投资总成本以及维护成本/>的计算公式中，公式如下所示：
。
集中式云储能投资建设成本可从以下几个因素考虑：集中式储能建设容量，储能投建决策变量/>，单位储能容量运维价格/>，单位储能容量系统建设价格/>，折旧系数k，折旧率r，工程年限l。将上述因素代入集中式云储能投资建设成本以及维护成本/>的计算公式中，该公式如下所示：
，
。
变电站和线路的配电网网架投资成本需从变电站单位投资成本/>、馈线单位投资成本/>、变电站增容容量/>、馈线ij投资决策变量/>四方面进行考虑。将上述因素代入变电站和线路的配电网网架投资成本/>的计算公式中，该公式如下所示：
。
本实施例中，电网双层投资规划模型还包括运行层，其中，运行层包括配电网运行成本。配电网运行成本则考虑向上级电网购电单位成本、单位网损成本/>、失负荷单位成本/>、向上级电网购电量/>，支路电流/>、支路电阻/>以及节点失负荷功率/>等因素。将上述因素代入配电网运行成本/>的计算公式中，该公式如下所示：
。
本实施例中，电网双层投资规划模型以设定配电网年综合成本最小为目标函数，包括配电网年运行成本和折算到每年的储能系统投资成本，将所述分布式云储能投资成本、所述集中式云储能投资成本、所述电网变电站和送电线路投资成本和所述配电网运行成本代入预设公式中计算目标函数值，其中，目标函数的计算公式如下所示：
；
获取模块201用于获取电网的电力系统现状，根据所述电力系统现状对电力需求进行预测，获取预测结果。
本实施例中，获取电力系统的现状，其中，电力系统的现状包括电力系统已有的电源点和电源装机容量，输电系统的现状，输电线路的条数和容量，变电站的个数及容量，配电网的分布构架，电力系统所在地的社会经济发展情况和资源配置形势等；并根据获取到的电力系统现状进行电力需求预测，从所述电力系统现状中提取出所述电力系统的历史负荷数据，对所述历史负荷数据进行调查和分析，同时根据所述电力系统的运行状态和增容决策，预测并获取未来预设时刻的负荷数据，其中，未来预设时刻的负荷数据的通过蒙特卡洛抽样模拟，输入获取到的电力系统的历史负荷数据，在matlab系统中应用相应代码进行数据抽样，确认初始负荷数据来计算充放电负荷，在误差不超过原始数据的百分之三十的情况下随机生成若干情况下的随机数据，对随机数据进行叠加，输出负荷预测结果，记录数据及其相应曲线。
第一生成模块202用于根据所述预测结果，对所述电网进行电源规划和电力电量平衡分析，生成预测的所述电网的电源分布点、容量及所需要的发电量。
本实施例中，由于电网的电源分布点以及容量由未来预设时刻的负荷数据、资源禀赋情况和负荷分布情况共同决定，因此根据获取的未来预设时刻的负荷数据，结合所述电力系统的资源禀赋情况和负荷分布情况，对所述电网进行电源规划，生成预测的所述电网的电源分布点和容量，同时根据系统的电源现状判断电力系统规划需要增加的发电容量。在增加发电容量的前提下，再对电网进行电力电量平衡分析，计算电网所需要的发电量，以使达到电网电力电量供需之间的平衡，通过根据预设规划期限内电源建设方案和所述负荷数据，分析预设规划期限内所述电力系统的电力供应情况，生成预设的所述电网所需要的发电量。本实施例中，计算电力电量平衡，主要是计算节点功率的平衡，其计算公式如下所示：
式中，为接入节点/>的机组集合；/>接入节点/>的可再生新能源机组集合；与/>为节点/>中的母线路和子线路集合；/>为场景/>下/>时段线路/>的有功潮流；为场景/>下/>时段可再生新能源机组/>的可再生新能源出力预测值；/>为场景/>下/>时段节点/>的负荷需求。
第二生成模块203用于同时结合所述电网的实际情况，生成所述电网变电站和送电线路的架设方案及分布式云储能平台架构方案。
本实施例中，根据上述获取模块201和第一生成模块202中的计算分析，对生成预测的所述电网的电源分布点、容量及所需要的发电量，架构设计电网需要的变电站和输电线路，生成变电站和送电线路的架设方案；同时在传统电网规划中引用分布式云储能平台架构方案。本实施例中，传统电网规划被定义为，规划人员根据自己累积的经验提出一些规划参考方案并进行经济技术比较之后所选出的最佳方案的电网规划，其特点在于保证电力系统基本可以安全可靠地运行情况下，使得电网投资成本最小；然而其缺点为忽略了电网投资带来的经济效益与社会效益，并受制于电力系统发展带来的不确定性与额外的投资成本，而本实施例中，对电网应用分布式云储能平台架构设计，云储能提供商投资大量的储能设备，并将分散在用户侧的闲置储能集中起来，用云端虚拟的储能容量替代用户实体储能。且分布式云储能的投资建设虽然需要一定的成本，但云储能运行也会产生一定的经济效益。利用分布式云储能系统的动态能力，有效降低了电网峰值之间的差距，减少峰值负荷时的超载电能，减少低谷期的超载电能损失。除此之外，随着分布式云储能系统的发展成熟，大量的商业用户将产生显著的聚合效果，即在多用户应用场景中，降低用户峰值负载可减少对电力设备或发电峰值的投资，大大提高网络的规划运行效率，将具有较大的应用价值。
本实施例中，将生成电网变电站和送电线路的架设方案及分布式云储能平台架构方案待入电网投资规划模型中，计算生成电网变电站和送电线路的架设方案及分布式云储能平台架构方案所对应的投资建设成本及维护成本，为电网规划方案的运营分析提供和参考依据。
方案制定模块204用于根据所述电网变电站和送电线路的架设方案及分布式云储能平台架构方案，制定多个电网投资规划方案。
本实施例中，根据所述电网变电站和送电线路的架设方案及分布式云储能平台架构方案，综合考虑分布式云储能的沉没、运行成本，以及其带来的如第二生成模块203所述的经济效益，规划人员需要结合不同地区的峰谷差，并根据不同模式下的沉没成本与运行成本对分布式云储能在电力系统装机中的比例做出一个取舍，来制定几种有可能的电网投资规划方案，作为本实施例中的一种优选方案，制定的电网投资规划方案至少包含三种不一样的电网投资规划方案。
分析模块205用于对所述多个电网投资规划方案进行运营数据分析，根据运营数据分析结果，获取最优的电网投资规划方案。
本实施例中，对所述多个电网投资规划方案的运营数据进行分析，获取所述多个电网投资规划方案的运营数据分析结果，其中，所述运营数据包括建设成本、经济效益和社会效益；作为本实施例中的一种优选方案，电网投资规划方案的经济效益和社会效益的计算，可通过结合负荷预测抽样模拟，构建相应的数学模型，对于不同的新能源装机方案，以二十年为周期，分别在建造新能源装机成本、运维成本、租赁成本等因素的基础上在仿真软件中画出简要成本、经济效益与社会效益的折线图。将所述运营数据分析结果与电网投资规划模型中的计算出的所述配电网电年综合成本最小值对比，若所述运营数据分析结果大于等于所述配电网年综合成本最小值，则认为所述运营数据分析结果对应的电网投资规划方案满足规划要求，若存在多个运营数据分析结果大于等于所述配电网年综合成本最小值，则将所述多个运营数据分析结果作对比，获取最优的电网投资规划方案；若所述运营数据分析结果小于所述配电网年综合成本最小值，则返回方案制定模块204“根据所述电网变电站和送电线路的架设方案及分布式云储能平台架构方案，制定多个电网投资规划方案”。
本实施例中，还提供了一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述实施例所述的基于分布式云储能的电网投资规划方案生成方法。
本实施例中，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述实施例中所述的基于分布式云储能的电网投资规划方案生成方法。
综上，本发明基于分布式云储能的电网投资规划方案生成方法及系统，通过获取电网的电力系统现状，根据所述电力系统现状对电力需求进行预测，获取预测结果；根据所述预测结果，对所述电网进行电源规划和电力电量平衡分析，生成预测的所述电网的电源分布点、容量及所需要的发电量；同时结合所述电网的实际情况，生成电网变电站和送电线路的架设方案及分布式云储能平台架构方案；根据所述电网变电站和送电线路的架设方案及分布式云储能平台架构方案，制定多个电网投资规划方案；对所述多个电网投资规划方案进行运营数据分析，根据运营数据分析结果，获取最优的电网投资规划方案。相比于现有技术，通过引入分布式云储能平台架构方案，对电网的投资规划按规划层和运行层双层考虑，提高了电网投资规划方案数据的精准性，实现电网投资规划方案的最优化。
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替换，这些改进和替换也应视为本发明的保护范围。
Claims (7)
1.一种基于分布式云储能的电网投资规划方案生成方法，其特征在于，包括以下步骤：
建立电网双层投资规划模型，其中，所述电网双层投资规划模型包括规划层和运行层；
所述规划层包括分布式云储能投资成本、集中式云储能投资成本和电网变电站和送电线路投资成本；
所述运行层包括配电网运行成本；
将所述分布式云储能投资成本、所述集中式云储能投资成本、所述电网变电站和送电线路投资成本和所述配电网运行成本代入预设公式中计算目标函数值，其中，所述目标函数值为配电网年综合成本最小值；
获取电网的电力系统现状，根据所述电力系统现状对电力需求进行预测，获取预测结果；
根据所述预测结果，对所述电网进行电源规划和电力电量平衡分析，生成预测的所述电网的电源分布点、容量及所需要的发电量；
同时结合所述电网的实际情况，生成电网变电站和送电线路的架设方案及分布式云储能平台架构方案；
根据所述电网变电站和送电线路的架设方案及分布式云储能平台架构方案，制定多个电网投资规划方案；
对所述多个电网投资规划方案的运营数据进行分析，获取所述多个电网投资规划方案的运营数据分析结果，其中，所述运营数据包括成本、经济效益和社会效益；
将所述运营数据分析结果与所述配电网年综合成本最小值对比，若所述运营数据分析结果大于等于所述配电网年综合成本最小值，则认为所述运营数据分析结果对应的电网投资规划方案满足规划要求，若存在多个运营数据分析结果大于等于所述配电网年综合成本最小值，则将所述多个运营数据分析结果作对比，获取最优的电网投资规划方案；
若所述运营数据分析结果小于所述配电网年综合成本最小值，则返回步骤“根据所述电网变电站和送电线路的架设方案及分布式云储能平台架构方案，制定多个电网投资规划方案”。
2.如权利要求1所述的基于分布式云储能的电网投资规划方案生成方法，其特征在于，根据所述电力系统现状对电力需求进行预测，获取预测结果，具体为：
从所述电力系统现状中提取出所述电力系统的历史负荷数据，对所述历史负荷数据进行调查和分析，同时根据所述电力系统的运行状态和增容决策，预测并获取未来预设时刻的负荷数据。
3.如权利要求2所述的基于分布式云储能的电网投资规划方案生成方法，其特征在于，根据所述预测结果，对所述电网进行电源规划和电力电量平衡分析，生成预测的所述电网的电源分布点、容量及所需要的发电量，具体为：
根据预测的所述负荷数据，结合所述电力系统的资源禀赋情况和负荷分布情况，对所述电网进行电源规划，生成预测的所述电网的电源分布点和容量；
根据预设规划期限内电源建设方案和预测的所述负荷数据，对所述电网进行电力电量平衡计算，分析预设规划期限内所述电力系统的电力供应情况，生成预测的所述电网所需要的发电量。
4.如权利要求1所述的基于分布式云储能的电网投资规划方案生成方法，其特征在于，所述分布式云储能平台架构方案为在传统电网规划中引入分布式云储能平台。
5.一种基于分布式云储能的电网投资规划方案生成系统，其特征在于，包括：模型建立模块、获取模块、第一生成模块、第二生成模块、方案制定模块和分析模块；
其中，所述模型建立模块用于建立电网双层投资规划模型，所述电网双层投资规划模型包括规划层，其中，所述规划层包括分布式云储能投资成本、集中式云储能投资成本和电网变电站和送电线路投资成本；所述电网双层投资规划模型还包括运行层，其中，所述运行层包括配电网运行成本；将所述分布式云储能投资成本、所述集中式云储能投资成本、所述电网变电站和送电线路投资成本和所述配电网运行成本代入预设公式中计算目标函数值，其中，所述目标函数值为配电网年综合成本最小值；
所述获取模块用于获取电网的电力系统现状，根据所述电力系统现状对电力需求进行预测，获取预测结果；
所述第一生成模块用于根据所述预测结果，对所述电网进行电源规划和电力电量平衡分析，生成预测的所述电网的电源分布点、容量及所需要的发电量；
所述第二生成模块用于同时结合所述电网的实际情况，生成电网变电站和送电线路的架设方案及分布式云储能平台架构方案；
所述方案制定模块用于根据所述电网变电站和送电线路的架设方案及分布式云储能平台架构方案，制定多个电网投资规划方案；
所述分析模块用于对所述多个电网投资规划方案的运营数据进行分析，获取所述多个电网投资规划方案的运营数据分析结果，其中，所述运营数据包括成本、经济效益和社会效益；将所述运营数据分析结果与所述配电网年综合成本最小值对比，若所述运营数据分析结果大于等于所述配电网年综合成本最小值，则认为所述运营数据分析结果对应的电网投资规划方案满足规划要求，若存在多个运营数据分析结果大于等于所述配电网年综合成本最小值，则将所述多个运营数据分析结果作对比，获取最优的电网投资规划方案；若所述运营数据分析结果小于所述配电网年综合成本最小值，则返回所述方案制定模块。
6.一种终端设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至4任意一项所述的基于分布式云储能的电网投资规划方案生成方法。
7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至4中任意一项所述的基于分布式云储能的电网投资规划方案生成方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111065929.9A CN113793022B (zh) | 2021-09-10 | 2021-09-10 | 基于分布式云储能的电网投资规划方案生成方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111065929.9A CN113793022B (zh) | 2021-09-10 | 2021-09-10 | 基于分布式云储能的电网投资规划方案生成方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113793022A CN113793022A (zh) | 2021-12-14 |
| CN113793022B true CN113793022B (zh) | 2024-03-29 |
Family
ID=79182953
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111065929.9A Active CN113793022B (zh) | 2021-09-10 | 2021-09-10 | 基于分布式云储能的电网投资规划方案生成方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113793022B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117910828A (zh) * | 2024-01-19 | 2024-04-19 | 国网宁夏电力有限公司经济技术研究院 | 一种配电网规划决策方法和系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109948849A (zh) * | 2019-03-19 | 2019-06-28 | 国网福建省电力有限公司 | 一种计及储能接入的配电网网架规划方法 |
| CN110335171A (zh) * | 2019-06-18 | 2019-10-15 | 清华大学 | 集中式云储能系统及其交易结算方法、存储介质及终端 |
| CN111105089A (zh) * | 2019-12-18 | 2020-05-05 | 国家电网有限公司 | 一种考虑主配网协调的城市电网规划方法 |
| CN111160599A (zh) * | 2019-11-18 | 2020-05-15 | 中国电力企业联合会电力建设技术经济咨询中心 | 一种新型电网规划推算分析方法 |
| CN111159619A (zh) * | 2019-11-29 | 2020-05-15 | 国网甘肃省电力公司建设分公司 | 一种基于分布式电源协调机制下的配电网规划方法 |
-
2021
- 2021-09-10 CN CN202111065929.9A patent/CN113793022B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109948849A (zh) * | 2019-03-19 | 2019-06-28 | 国网福建省电力有限公司 | 一种计及储能接入的配电网网架规划方法 |
| CN110335171A (zh) * | 2019-06-18 | 2019-10-15 | 清华大学 | 集中式云储能系统及其交易结算方法、存储介质及终端 |
| CN111160599A (zh) * | 2019-11-18 | 2020-05-15 | 中国电力企业联合会电力建设技术经济咨询中心 | 一种新型电网规划推算分析方法 |
| CN111159619A (zh) * | 2019-11-29 | 2020-05-15 | 国网甘肃省电力公司建设分公司 | 一种基于分布式电源协调机制下的配电网规划方法 |
| CN111105089A (zh) * | 2019-12-18 | 2020-05-05 | 国家电网有限公司 | 一种考虑主配网协调的城市电网规划方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113793022A (zh) | 2021-12-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhuo et al. | Incorporating massive scenarios in transmission expansion planning with high renewable energy penetration | |
| Hu et al. | Coordinated energy management of prosumers in a distribution system considering network congestion | |
| Li et al. | Flexible transmission expansion planning associated with large‐scale wind farms integration considering demand response | |
| Peng et al. | Dynamic economic dispatch for wind-thermal power system using a novel bi-population chaotic differential evolution algorithm | |
| CN107679658B (zh) | 一种高比例清洁能源接入下的输电网规划方法 | |
| Orfanos et al. | Transmission expansion planning of systems with increasing wind power integration | |
| CN103545832B (zh) | 一种基于发电预测误差的光伏系统储能容量配置方法 | |
| Huang et al. | An endogenous approach to quantifying the wind power reserve | |
| Nikoobakht et al. | Electric vehicle mobility and optimal grid reconfiguration as flexibility tools in wind integrated power systems | |
| Xing et al. | Multi-type electric vehicle load prediction based on Monte Carlo simulation | |
| Lin et al. | An efficient Nataf transformation based probabilistic power flow for high-dimensional correlated uncertainty sources in operation | |
| CN107947164A (zh) | 一种考虑多重不确定性及相关性的电力系统日前鲁棒调度方法 | |
| CN105226651B (zh) | 一种考虑风险的含大规模风电输电网规划系统 | |
| Ma et al. | Decentralized and coordinated scheduling model of interconnected multi-microgrid based on virtual energy storage | |
| Wu et al. | Multi-time scale energy management of electric vehicle model-based prosumers by using virtual battery model | |
| CN103996147A (zh) | 配电网综合评估方法 | |
| Shi et al. | Modelling and solutions of coordinated economic dispatch with wind–hydro–thermal complex power source structure | |
| Chen et al. | Multi-objective optimization strategy of multi-sources power system operation based on fuzzy chance constraint programming and improved analytic hierarchy process | |
| CN107171365A (zh) | 基于场景解耦和异步迭代的多目标随机动态经济调度方法 | |
| Yao et al. | Management of cascading outage risk based on risk gradient and Markovian tree search | |
| Zeng et al. | Stochastic economic dispatch strategy based on quantile regression | |
| Zou et al. | Hierarchical evaluation framework for coupling effect enhancement of renewable energy and thermal power coupling generation system | |
| CN113793022B (zh) | 基于分布式云储能的电网投资规划方案生成方法及系统 | |
| Kushwaha et al. | Fast frequency response constrained electric vehicle scheduling for low inertia power systems | |
| Sun et al. | An incremental-variable-based state enumeration method for power system operational risk assessment considering safety margin |
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 |