CN113824111A - 一种光储能场景中储能容量配置和调度方法 - Google Patents

一种光储能场景中储能容量配置和调度方法 Download PDF

Info

Publication number
CN113824111A
CN113824111A CN202110883961.1A CN202110883961A CN113824111A CN 113824111 A CN113824111 A CN 113824111A CN 202110883961 A CN202110883961 A CN 202110883961A CN 113824111 A CN113824111 A CN 113824111A
Authority
CN
China
Prior art keywords
energy storage
power
battery
photovoltaic
charging
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
CN202110883961.1A
Other languages
English (en)
Inventor
祁建程
楼旸
杨洋
徐一帆
董远云
董树锋
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.)
Wanke Energy Technology Co ltd
Original Assignee
Wanke Energy Technology 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 Wanke Energy Technology Co ltd filed Critical Wanke Energy Technology Co ltd
Priority to CN202110883961.1A priority Critical patent/CN113824111A/zh
Publication of CN113824111A publication Critical patent/CN113824111A/zh
Pending legal-status Critical Current

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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • 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
    • 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
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Power Engineering (AREA)
  • Economics (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)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种光储能场景中储能容量配置和调度方法，建了一个以储能收益最优为目标的线性规划数学模型，能够根据历史光伏发电曲线和用电负荷曲线，真实模拟储能实际的运行状况，在短时间内计算出理论最优的储能配置和充放电策略，投资收益总和，投资收回年限，使得能够为储能投资快速决策，采用何种储能配置可以达到投资收益比最优，结合未来一段周期的发电功率和负荷预测数据，实时计算未来一段周期的充放电功率，可以有效的降低负荷高峰功率，减少用电高峰期的负荷压力，实现峰谷平滑，提高光伏的用电效率，减少光伏的弃光率。

Description

一种光储能场景中储能容量配置和调度方法
技术领域
本发明属于电力技术领域，尤其是涉及一种光储能场景中储能容量配置和调度方法。
背景技术
随着能源危机和环境污染问题的加剧，光伏发电作为可持续的清洁能源受到越来越多的关注，储能在含光伏电力系统中的应用也日益广泛。然而，储能的大规模应用却面临成本高难以推广、收益衡量困难等瓶颈。基于此，研究光伏电站配置储能的经济性。
在光储场景中，储能设备可以产生三部分收益，一部分为削峰填谷的收益，一部分为削减需量的收益，还有一部分为光伏发电的错时充放电收益。在已知过去一段时间光伏的发电曲线和用户的负荷曲线，应该配置多大功率和容量的储能设备、储能采用怎样的充放电策略，使得投资收益最优、在最短时间能够收回储能设备的成本，这是一个复杂的储能配置优化问题。此外，储能设备投入运行后，结合未来24小时的发电功率和负荷预测数据，如何能快速的计算出每个时刻的充放电功率，保障储能电池安全，实现最优的经济运行方式。
发明内容
本发明旨在解决上述技术问题，提供一种光储能场景中储能容量配置和调度方法。
为了达到上述目的，本发明采用如下技术方案：
一种光储能场景中储能容量配置和调度方法，包括：
以数据采集间隔为Δt采集一段时间的配储能前负荷数据和光伏发电数据，计算削峰填谷和光伏发电的错时充放电收益、配储能后获得的需量收益、整个周期的充放电循环成本；
计算配储能后获得的总收益，配储能后获得的总收益为计算削峰填谷和光伏发电的错时充放电收益、配储能后获得的需量收益的和与整个周期的充放电循环成本之差；
采用静态投资成本收回年限作为指标对比不同储能容量配置获得收益，其中，静态投资成本收回年限为削峰填谷和光伏发电的错时充放电收益、配储能后获得的需量收益的和与储能静态投资每千瓦时的成本价格、电池额定容量的积之比；
使用随机森林算法训练历史用电负荷数据，得到能够预测未来一段周期的负荷预测模型，并使用随机森林算法训练历史光伏发电数据，得到能够预测未来一段周期的光伏发电预测模型，然后通过负荷预测模型和光伏发电预测模型预测未来一段周期的负荷和光伏发电数据；
根据不同储能配置分别计算获得收益，求得投入产出比最优的最优储能配置，按照这种最优储能配置的最优储能容量和额定功率采购储能电池，并投入到光伏发电站运行。
作为优选，根据最优储能配置得到未来一段周期的储能电池从电网的充电功率、从光伏的充电功率以及给电网的放电功率，再将充放电功率指令发送给储能变流器，储能变流器对电池按照预测的最优储能配置的充放电功率进行控制。
作为优选，计算削峰填谷和光伏发电的错时充放电收益的方法如下：
计算电网给电池充电成本：
∑vi*PriceEleci*Δt
i∈[1,n],n为采样总数；
其中PriceElec为每个时刻的电网电价，v>＝0为电网给电池的充电功率；
计算光伏给电池充电成本：
∑yi*PriceSolari*Δt
i∈[1,n],n为采样总数；
其中，PriceSolar为每个时刻的光伏电价，y<＝0为光伏给电池的充电功率；
计算电池给电网放电收益：
∑ui*PriceEleci*Δt
i∈[1,n],n为采样总数；
其中，u>＝0为电池给电网的放电功率；
削峰填谷和光伏发电的错时充放电收益总和为电池放电收益减去电网和光伏给电池的充电成本，计算得到削峰填谷和光伏发电的错时充放电收益：
Figure RE-GDA0003359665610000021
作为优选，计算配储能后获得的需量收益的方法如下：
计算配储能前的需量成本：
通过配储能前的负荷功率计算得到配储能前的需量PPreAvg：
Figure RE-GDA0003359665610000022
其中，配储能前的负荷功率为：通过配储能前负荷数据和光伏发电数据，得到使用负荷功率和光伏发电功率，将使用负荷功率减去光伏发电功率，大于等于0的功率为配储能前的负荷功率，记为PPreRTime；
配储能前的最大需量：
DCTPre＝max(PPreAvgi)；
配储能前的需量成本为：
DCTPre*PriceDemand；
其中，PriceDemand为需量电价；
计算配储能后的需量成本：
配储能后的负荷功率为：
PPostRTimei＝PPreRTimei-ui+vi；
其中，u>＝0为电池给电网的放电功率，v>＝0为电网给电池的充电功率；
配储能后的需量：
Figure RE-GDA0003359665610000031
配储能后的最大需量：
DCTPost＝max(PPostAvgi)；
配储能后的需量成本为：
DCTPost*PriceDemand；
计算得到配储能后获得的需量收益：
RDemand＝(DCTPre-DCTPost)*PriceDemand。
作为优选，整个周期的充放电循环成本为：
Figure RE-GDA0003359665610000032
其中，PriceCycle为充放电每千瓦的成本，u>＝0为电池给电网的放电功率，v>＝0为电网给电池的充电功率。
作为优选，所述光储能场景中储能容量配置和调度方法还包括构建评价模型的约束条件，约束条件包括：
每个时刻电池的充放电功率为：
PBRTimei＝ui-vi+yi；
PRate为电池额定功率，u>＝0为电池给电网的放电功率，v>＝0为电网给电池的充电功率，y<＝0为光伏给电池的充电功率；
电池充放电功率要在限制范围内，即电池的充放电功率范围在0与额定功率之间：
PRate＞＝PBRTimei＞＝0。
作为优选，所述光储能场景中储能容量配置和调度方法还包括构建评价模型的约束条件，约束条件包括：
每个时刻的储能容量为：
Figure RE-GDA0003359665610000041
其中，Q0为初始容量，DR是电池放电时的能量转化损失率，CR是电池充电时的能量转化损失率，u>＝0为电池给电网的放电功率，v>＝0为电网给电池的充电功率，y<＝0为光伏给电池的充电功率；
每个时刻的储能容量需要在最小剩余容量和额定容量之间：
QRate＞＝QRTime＞＝QRemain；
其中，QRate为额定容量，QRemain为最小剩余容量。
作为优选，所述光储能场景中储能容量配置和调度方法还包括构建评价模型的约束条件，约束条件包括：
配储能后的负荷要大于等于0，小等于最大需量功率，用DCT表示：
DCT＞＝PPostRTimei＞＝0；
光伏输出给储能功率要小于等于光伏的发电功率：
-yi＜＝-PSolarRTimei。
采用上述技术方案后，本发明具有如下优点：
1.能够根据历史光伏发电曲线和用电负荷曲线，真实模拟储能实际的运行状况，在短时间内计算出理论最优的储能配置和充放电策略、投资收益总和、投资收回年限，使得能够为储能投资快速决策，采用何种储能配置可以达到投资收益比最优。
2.本发明除了考虑削峰填谷的因素之外，还增加了需量因素和光伏发电错时充放电因素，并且剔除了平价时间里无效的充放电，更全面真实的模拟刻画了光储场景的真实运行状况，具有效率高、准确性高的特点，使得储能的充放电收益效益更高，提高了储能配置的准确性、科学性、经济性。
3.结合未来一段周期的发电功率和负荷预测数据，实时计算未来一段周期的充放电功率，可以有效的降低负荷高峰功率，减少用电高峰期的负荷压力，实现峰谷平滑，提高光伏的用电效率，减少光伏的弃光率。
附图说明
图1为一种光储能场景中储能容量配置和调度方法的结构示意图；
图2为光储项目某一天的用电负荷曲线和光伏的发电曲线；
图3为光储项目最优解的某一天的具体解。
具体实施方式
以下结合附图及具体实施例，对本发明作进一步的详细说明。
一种光储能场景中储能容量配置和调度方法，包括以下步骤：
步骤1，以数据采集间隔为Δt采集一段时间的配储能前负荷数据和光伏发电数据，并得到使用负荷功率和光伏发电功率，将使用负荷功率减去光伏发电功率，大于等于0的功率为配储能前的负荷功率，记为PPreRTime，小于0的功率为新的光伏发电功率，记为PSolarRTime；
步骤2，构建储能总收益的评价模型：
步骤2.1，计算削峰填谷和光伏发电的错时充放电收益：
步骤2.1.1，计算电网给电池充电成本：
∑vi*PriceEleci*Δt
i∈[1,n],n为采样总数；
其中PriceElec为每个时刻的电网电价，v>＝0为电网给电池的充电功率；
步骤2.1.2，计算光伏给电池充电成本：
∑yi*PriceSolari*Δt
i∈[1,n],n为采样总数；
其中，PriceSolar为每个时刻的光伏电价，y<＝0为光伏给电池的充电功率；
步骤2.1.3，计算电池给电网放电收益：
∑ui*PriceEleci*Δt
i∈[1,n],n为采样总数；
其中，u>＝0为电池给电网的放电功率；
步骤2.1.4，削峰填谷和光伏发电的错时充放电收益总和为电池放电收益减去电网和光伏给电池的充电成本，计算得到削峰填谷和光伏发电的错时充放电收益：
Figure RE-GDA0003359665610000061
步骤2.2，计算需量收益；
步骤2.2.1，计算配储能前的需量成本：
通过配储能前的负荷功率计算得到配储能前的需量PPreAvg：
Figure RE-GDA0003359665610000062
配储能前的最大需量：
DCTPre＝max(PPreAvgi)；
配储能前的需量成本为：
DCTPre*PriceDemand；
其中，PriceDemand为需量电价；
步骤2.2.2，计算配储能后的需量成本：
配储能后的负荷功率为：
PPostRTimei＝PPreRTimei-ui+vi；
配储能后的需量：
Figure RE-GDA0003359665610000071
配储能后的最大需量：
DCTPost＝max(PPostAvgi)；
配储能后的需量成本为：
DCTPost*PriceDemand；
步骤2.2.3，计算得到配储能后获得的需量收益：
RDemand＝(DCTPre-DCTPost)*PriceDemand；
步骤2.3，为了避免在价格不变的情况下，进行无效的充放电，需要将每次充放电的成本考虑进来，充放电每千瓦的成本为PriceCycle，则整个周期的充放电循环成本为：
Figure RE-GDA0003359665610000072
步骤2.4，计算得到配储能后获得的总收益：
Figure RE-GDA0003359665610000073
步骤3，构建评价模型的约束条件：
步骤3.1，每个时刻电池的充放电功率为：
PBRTimei＝ui-vi+yi；
电池的充放电功率范围在0与额定功率之间，PRate为电池额定功率：
电池充放电功率要在限制范围内：
PRate＞＝PBRTimei＞＝0；
步骤3.2，Q0为初始容量，每个时刻的储能容量为：
Figure RE-GDA0003359665610000081
其中，DR是电池放电时的能量转化损失率，CR是电池充电时的能量转化损失率；
每个时刻的储能容量需要在最小剩余容量和额定容量之间，QRate为额定容量，QRemain 为最小剩余容量:
QRate＞＝QRTime＞＝QRemain；
步骤3.3，配储能后的负荷要大于等于0，小等于DCT：
DCT＞＝PPostRTimei＞＝0；
光伏输出给储能功率要小于等于光伏的发电功率：
-yi＜＝-PSolarRTimei；
步骤4，采用静态投资成本收回年限Ryears作为指标进行对比：
Figure RE-GDA0003359665610000082
其中，RToal为总收益，CCycle为充放电循环成本，QRate是电池额定容量，PriceEPC 是储能静态投资每kwh的成本价格；
步骤5，根据历史用电负荷数据、历史光伏发电数据和不同储能配置，求得最优储能配置，投入产出比最优，按照这种最优储能容量和额定功率采购储能电池，并投入到光伏发电站运行。
在运行过程中，先使用随机森林算法训练历史用电负荷数据，得到能够预测未来24小时的负荷预测模型，并使用随机森林算法训练历史光伏发电数据，得到能够预测未来24小时的光伏发电预测模型。
然后通过模型预测未来24小时负荷和光伏发电数据，输入给储能功率预测调度装置，得到未来24小时的储能电池从电网的充电功率、从光伏的充电功率以及给电网的放电功率。
再将充放电功率指令发送给PCS(Power Conversion System储能变流器)，PCS再对电池按照预测的充放电功率进行控制。
上述方法的流程图如图1所示。
下面介绍一个光储项目使用上述光储场景中储能容量配置和调度方法的范例：
根据该项目一个月用电负荷曲线和光伏发电曲线，储能配置的额定功率区间是[100,200], 充满时长区间是[1,2]小时，放电深度要大等于10％。求得的最佳储能配置是额定功率 150kw，额定容量300kwh。
图2是该项目某一天的用电负荷曲线和光伏的发电曲线，图3是最优解的某一天的具体解，包括储能的每一时刻的充放电功率、每一时刻的SOC曲线、光伏剔除负荷后给储能充电的功率。
采用额定功率150kw，额定容量300kwh这种储能配置方式，使用最优策略运行，只需4 年就可以收回投资成本。若采用一般普通估算方法，由于无法计算出储能最优充放电策略，因此无法准确估算出最优收益，估算出的收益与最优运行策略的收益偏差较大，通常会估算 8年才能收回投资成本。并且估算的储能配置容量会偏大，会采用250kw，额定容量500kwh 的储能配置，也不是最佳的储能的配置方式。
除上述优选实施例外，本发明还有其他的实施方式，本领域技术人员可以根据本发明作出各种改变和变形，只要不脱离本发明的精神，均应属于本发明所附权利要求所定义的范围。

Claims (8)

1.一种光储能场景中储能容量配置和调度方法，其特征在于，包括：
以数据采集间隔为Δt采集一段时间的配储能前负荷数据和光伏发电数据，计算削峰填谷和光伏发电的错时充放电收益、配储能后获得的需量收益、整个周期的充放电循环成本；
计算配储能后获得的总收益，配储能后获得的总收益为计算削峰填谷和光伏发电的错时充放电收益、配储能后获得的需量收益的和与整个周期的充放电循环成本之差；
采用静态投资成本收回年限作为指标对比不同储能容量配置获得收益，其中，静态投资成本收回年限为削峰填谷和光伏发电的错时充放电收益、配储能后获得的需量收益的和与储能静态投资每千瓦时的成本价格、电池额定容量的积之比；
使用随机森林算法训练历史用电负荷数据，得到能够预测未来一段周期的负荷预测模型，并使用随机森林算法训练历史光伏发电数据，得到能够预测未来一段周期的光伏发电预测模型，然后通过负荷预测模型和光伏发电预测模型预测未来一段周期的负荷和光伏发电数据；
根据不同储能配置分别计算获得收益，求得投入产出比最优的最优储能配置，按照这种最优储能配置的最优储能容量和额定功率采购储能电池，并投入到光伏发电站运行。
2.如权利要求1所述的光储能场景中储能容量配置和调度方法，其特征在于，根据最优储能配置得到未来一段周期的储能电池从电网的充电功率、从光伏的充电功率以及给电网的放电功率，再将充放电功率指令发送给储能变流器，储能变流器对电池按照预测的最优储能配置的充放电功率进行控制。
3.如权利要求1所述的光储能场景中储能容量配置和调度方法，其特征在于，计算削峰填谷和光伏发电的错时充放电收益的方法如下：
计算电网给电池充电成本：
Figure FDA0003193270220000011
其中PriceElec为每个时刻的电网电价，v>＝0为电网给电池的充电功率；
计算光伏给电池充电成本：
Figure FDA0003193270220000012
其中，PriceSolar为每个时刻的光伏电价，y<＝0为光伏给电池的充电功率；
计算电池给电网放电收益：
Figure FDA0003193270220000021
其中，u>＝0为电池给电网的放电功率；
削峰填谷和光伏发电的错时充放电收益总和为电池放电收益减去电网和光伏给电池的充电成本，计算得到削峰填谷和光伏发电的错时充放电收益：
Figure FDA0003193270220000022
4.如权利要求1所述的光储能场景中储能容量配置和调度方法，其特征在于，计算配储能后获得的需量收益的方法如下：
计算配储能前的需量成本：
通过配储能前的负荷功率计算得到配储能前的需量PPreAvg：
Figure FDA0003193270220000023
其中，配储能前的负荷功率为：通过配储能前负荷数据和光伏发电数据，得到使用负荷功率和光伏发电功率，将使用负荷功率减去光伏发电功率，大于等于0的功率为配储能前的负荷功率，记为PPreRTime；
配储能前的最大需量：
DCTPre＝max(PPreAvgi)；
配储能前的需量成本为：
DCTPre*PriceDemand；
其中，PriceDemand为需量电价；
计算配储能后的需量成本：
配储能后的负荷功率为：
PPostRTimei＝PPreRTimei-ui+vi；
其中，u>＝0为电池给电网的放电功率，v>＝0为电网给电池的充电功率；
配储能后的需量：
Figure FDA0003193270220000031
配储能后的最大需量：
DCTPost＝max(PPostAvgi)；
配储能后的需量成本为：
DCTPost*PriceDemand；
计算得到配储能后获得的需量收益：
RDemand＝(DCTPre-DCTPost)*PriceDemand。
5.如权利要求1所述的光储能场景中储能容量配置和调度方法，其特征在于，整个周期的充放电循环成本为：
Figure FDA0003193270220000032
其中，PriceCycle为充放电每千瓦的成本，u>＝0为电池给电网的放电功率，v>＝0为电网给电池的充电功率。
6.如权利要求1-5中任意一项所述的光储能场景中储能容量配置和调度方法，其特征在于，所述光储能场景中储能容量配置和调度方法还包括构建评价模型的约束条件，约束条件包括：
每个时刻电池的充放电功率为：
PBRTimei＝ui-vi+yi；
PRate为电池额定功率，u>＝0为电池给电网的放电功率，v>＝0为电网给电池的充电功率，y<＝0为光伏给电池的充电功率；
电池充放电功率要在限制范围内，即电池的充放电功率范围在0与额定功率之间：
PRate＞＝PBRTimei＞＝0。
7.如权利要求1-5中任意一项所述的光储能场景中储能容量配置和调度方法，其特征在于，所述光储能场景中储能容量配置和调度方法还包括构建评价模型的约束条件，约束条件包括：
每个时刻的储能容量为：
Figure FDA0003193270220000041
其中，Q0为初始容量，DR是电池放电时的能量转化损失率，CR是电池充电时的能量转化损失率，u>＝0为电池给电网的放电功率，v>＝0为电网给电池的充电功率，y<＝0为光伏给电池的充电功率；
每个时刻的储能容量需要在最小剩余容量和额定容量之间：
QRate＞＝QRTime＞＝QRemain；
其中，QRate为额定容量，QRemain为最小剩余容量。
8.如权利要求1-5中任意一项所述的光储能场景中储能容量配置和调度方法，其特征在于，所述光储能场景中储能容量配置和调度方法还包括构建评价模型的约束条件，约束条件包括：
配储能后的负荷要大于等于0，小等于最大需量功率，用DCT表示：
DCT＞＝PPostRTimei＞＝0；
光伏输出给储能功率要小于等于光伏的发电功率：
-yi＜＝-PSolarRTimei。
CN202110883961.1A 2021-08-03 2021-08-03 一种光储能场景中储能容量配置和调度方法 Pending CN113824111A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110883961.1A CN113824111A (zh) 2021-08-03 2021-08-03 一种光储能场景中储能容量配置和调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110883961.1A CN113824111A (zh) 2021-08-03 2021-08-03 一种光储能场景中储能容量配置和调度方法

Publications (1)

Publication Number Publication Date
CN113824111A true CN113824111A (zh) 2021-12-21

Family

ID=78912818

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110883961.1A Pending CN113824111A (zh) 2021-08-03 2021-08-03 一种光储能场景中储能容量配置和调度方法

Country Status (1)

Country Link
CN (1) CN113824111A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115579923A (zh) * 2022-10-18 2023-01-06 国网上海能源互联网研究院有限公司 一种用于多场景多目标的储能优化运行方法及装置
CN116231696A (zh) * 2023-04-04 2023-06-06 重庆跃达新能源有限公司 基于负载预测的储能投切控制方法及系统
CN117291756A (zh) * 2023-11-09 2023-12-26 深圳海辰储能科技有限公司 一种储能设备配置调整方法、装置和存储介质
CN117879018A (zh) * 2024-03-12 2024-04-12 国网安徽省电力有限公司经济技术研究院 面向新能源消纳的储能系统的配置运行方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115579923A (zh) * 2022-10-18 2023-01-06 国网上海能源互联网研究院有限公司 一种用于多场景多目标的储能优化运行方法及装置
CN115579923B (zh) * 2022-10-18 2024-02-23 国网上海能源互联网研究院有限公司 一种用于多场景多目标的储能优化运行方法及装置
CN116231696A (zh) * 2023-04-04 2023-06-06 重庆跃达新能源有限公司 基于负载预测的储能投切控制方法及系统
CN116231696B (zh) * 2023-04-04 2023-09-12 重庆跃达新能源有限公司 基于负载预测的储能投切控制方法及系统
CN117291756A (zh) * 2023-11-09 2023-12-26 深圳海辰储能科技有限公司 一种储能设备配置调整方法、装置和存储介质
CN117291756B (zh) * 2023-11-09 2024-02-27 深圳海辰储能科技有限公司 一种储能设备配置调整方法、装置和存储介质
CN117879018A (zh) * 2024-03-12 2024-04-12 国网安徽省电力有限公司经济技术研究院 面向新能源消纳的储能系统的配置运行方法

Similar Documents

Publication Publication Date Title
CN110119886B (zh) 一种主动配网动态规划方法
Liu et al. Optimal sizing of a wind-energy storage system considering battery life
CN112103946B (zh) 一种基于粒子群算法的微电网储能优化配置方法
CN113824111A (zh) 一种光储能场景中储能容量配置和调度方法
CN107370170B (zh) 一种考虑容量电价和负荷预测误差的储能系统容量配置方法
CN110661246B (zh) 一种城市轨道交通光伏储能系统的容量优化配置方法
CN111626527B (zh) 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法
CN111241463A (zh) 一种基于双层优化模型的用户侧储能装置容量配置方法
CN107959301B (zh) 含光伏的低压配电网分布式储能优化配置与运行方法
CN110350518B (zh) 一种用于调峰的电网储能容量需求评估方法及系统
CN112928767B (zh) 一种分布式储能协同控制方法
Zheng et al. Optimal short-term power dispatch scheduling for a wind farm with battery energy storage system
Li et al. Online battery protective energy management for energy-transportation nexus
CN112865075A (zh) 一种交直流混合微电网优化方法
CN115102160A (zh) 一种薄弱电网条件下牵引供电系统日前能量优化调度方法
CN115000985A (zh) 一种用户侧分布式储能设施聚合管控方法及系统
CN114154790A (zh) 基于需量管理和柔性负荷的工业园区光储容量配置方法
CN105119315B (zh) 一种基于能效最大化的储能变流器组合优化方法
CN103972916A (zh) 利用储能装置平抑风光功率波动的微电网运行方法
CN116470543A (zh) 一种虚拟电厂的运行控制方法、装置、设备及介质
CN115276001A (zh) 基于分时电价和发用电预测数据的经济运行能量管理方法
CN115114854A (zh) 一种虚拟电厂分布式资源两级自组织优化聚合方法及系统
CN109950920B (zh) 一种基于动态规划算法的光伏场站侧电化学储能充放电计划制定方法
CN112260274A (zh) 一种基于全景理论的虚拟电厂组建方法
CN104201705A (zh) 一种智能微电网分布式储能设备控制优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination