CN113991723A - 一种提高多馈入直流系统电压稳定性的储能电站配置方法 - Google Patents

一种提高多馈入直流系统电压稳定性的储能电站配置方法 Download PDF

Info

Publication number
CN113991723A
CN113991723A CN202111230709.7A CN202111230709A CN113991723A CN 113991723 A CN113991723 A CN 113991723A CN 202111230709 A CN202111230709 A CN 202111230709A CN 113991723 A CN113991723 A CN 113991723A
Authority
CN
China
Prior art keywords
energy storage
power station
storage power
feed
configuration
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
CN202111230709.7A
Other languages
English (en)
Other versions
CN113991723B (zh
Inventor
龚贤夫
卢洵
李猛
刘新苗
余浩
娄源媛
卫凯
肖建华
刘晓光
郑伟
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.)
Guangdong Power Grid Co Ltd
Yunfu Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Yunfu Power Supply Bureau of Guangdong Power Grid 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 Guangdong Power Grid Co Ltd, Yunfu Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202111230709.7A priority Critical patent/CN113991723B/zh
Publication of CN113991723A publication Critical patent/CN113991723A/zh
Application granted granted Critical
Publication of CN113991723B publication Critical patent/CN113991723B/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
    • H02J3/36—Arrangements for transfer of electric power between ac networks via a high-tension dc link
    • 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
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种提高多馈入直流系统电压稳定性的储能电站配置方法，所述方法包括：先根据储能电站的功率数据和多馈入交互作用因子计算矩阵进行计算，得到第一计算结果；并根据第一计算结果计算多馈入直流系统的电压稳定性指标。再根据电压稳定性指标构建储能电站的配置模型，以使储能电站的配置模型根据预设算法计算得到储能电站的配置方案。最后根据配置方案对储能电站进行配置。其中，配置方案包括配置位置，配置位置为储能电站在多馈入直流系统中的预设安装位置。采用本发明实施例能提高多馈入直流系统的电压稳定性。

Description

一种提高多馈入直流系统电压稳定性的储能电站配置方法
技术领域
本发明涉及数据处理技术领域，尤其涉及一种提高多馈入直流系统电压稳定性的储能电站配置方法。
背景技术
基于电网换相换流器的高压直流输电(line-commutated-converter based highvoltage direct current，LCC-HVDC)在远距离、大容量输电等方面具有天然优势，其已成为西电东送工程的主要方式。然而随着西电东送工程的持续推进，部分地区电网存在直流集中馈入的现象，形成了典型的多馈入直流系统。
LCC-HVDC采用晶闸管作为换流器件，其无自关断能力并且换相过程依赖换流站换流母线电压支撑，存在换相失败的风险；在多馈入直流系统中，由于交流与直流、直流与直流之间存在相互作用，可能引发多回直流同时或级联换相失败，给电网的安全稳定运行带来了很大威胁。所以提高多馈入直流系统的电压稳定性、以提高换相的成功率，成为亟待解决的问题。
目前对多馈入直流系统的研究主要集中在电压稳定性评估及电压稳定性提升措施两方面。对于多馈入直流系统的电压稳定性评估，常用多馈入短路比描述多馈入直流系统的强度，用MIIF(多馈入交互作用因子)定量描述直流间交互影响程度；对于多馈入直流系统的电压稳定性提升措施，包含动态无功补偿装置statcom、调相机的优化配置，直流落点的合理选择等。
储能具有动作迅速、四象限灵活运行以及配置灵活的优势，“碳中和”背景下储能在电力系统中的作用日趋重要，发展迅速。但现有的提高多馈入直流系统电压稳定性的技术中，并没有考虑储能电站的配置对多馈入直流系统电压稳定性的影响，以至于多馈入直流系统的电压稳定性无法进一步提升。
发明内容
本发明实施例提供一种提高多馈入直流系统电压稳定性的储能电站配置方法，在计算多馈入交互作用因子中引入了储能电站的功率，能够考虑到储能电站的配置对多馈入直流系统的影响，进一步提高多馈入直流系统的电压稳定性。
本申请实施例的第一方面提供了一种提高多馈入直流系统电压稳定性的储能电站配置方法，包括：
根据储能电站的功率数据和多馈入交互作用因子计算矩阵进行计算，得到第一计算结果；
根据第一计算结果计算多馈入直流系统的电压稳定性指标；
根据电压稳定性指标构建储能电站的配置模型，以使储能电站的配置模型根据预设算法计算得到储能电站的配置方案；
根据配置方案对储能电站进行配置；其中，配置方案包括配置位置，配置位置为储能电站在多馈入直流系统中的预设安装位置。
在第一方面的一种可能的实现方式中，根据电压稳定性指标构建储能电站的配置模型，具体为：
将电压稳定性指标作为储能电站的配置模型的第一目标函数，将经济性指标作为储能电站的配置模型的第二目标函数，将多馈入直流系统实时运行成本的最小值作为第三目标函数。
在第一方面的一种可能的实现方式中，所述储能电站的配置模型根据预设算法计算得到储能电站的配置方案，具体为：
所述预设算法包括：非支配度排序遗传算法和gurobi求解器；
根据非支配度排序遗传算法和预设约束条件进行计算，得到储能电站的多个初始方案；
将多个初始方案输入至所述第一目标函数中，得到多个初始方案对应的多个电压稳定性指标；
将多个初始方案输入至所述第三目标函数中，并结合gurobi求解器得到多个初始方案对应的多个系统实时运行成本后，将多个系统实时运行成本输入至所述第二目标函数中，以使第二目标函数指标生成多个所述初始方案对应的多个经济性指标；
根据多个电压稳定性指标和多个经济性指标，从多个初始方案中获取储能电站的配置方案。
在第一方面的一种可能的实现方式中，根据储能电站的功率数据和多馈入交互作用因子计算矩阵进行计算，得到第一计算结果，具体为：
获取多馈入交互作用因子计算矩阵中的第一节点和第二节点，在所述第一节点处引入储能电站的功率数据后，计算第一节点和第二节点之间的多馈入交互作用因子，得到所述第一计算结果。
在第一方面的一种可能的实现方式中，根据所述第一计算结果计算多馈入直流系统的电压稳定性指标，具体为：
根据第一计算结果，计算多馈入交互作用因子的变化量；
根据变化量，计算多馈入直流系统的电压稳定性指标。
在第一方面的一种可能的实现方式中，根据多个电压稳定性指标和多个经济性指标，从多个初始方案中获取储能电站的配置方案，具体为：
根据多个电压稳定性指标和多个经济性指标，得到多个初始方案对应的帕累托等级；
根据精英保留策略和帕累托等级从多个初始方案中获得多个第一方案作为父代进行进化，并在进化结束时生成多个第一方案的帕累托前沿解；
根据多个第一方案的帕累托前沿解和多个第一方案，获得储能电站的配置方案。
在第一方面的一种可能的实现方式中，配置方案还包括：配置功率和配置容量。
本申请实施例的第二方面提供了一种提高多馈入直流系统电压稳定性的储能电站配置装置，包括：计算模块、构建模块和配置模块；
其中，计算模块用于根据储能电站的功率数据和多馈入交互作用因子计算矩阵进行计算，得到第一计算结果；根据第一计算结果计算多馈入直流系统的电压稳定性指标；
构建模块用于根据电压稳定性指标构建储能电站的配置模型，以使储能电站的配置模型根据预设算法计算得到储能电站的配置方案；
配置模块用于根据配置方案对储能电站进行配置；其中，配置方案包括配置位置，配置位置为储能电站在多馈入直流系统中的预设安装位置。
本申请实施例的第三方面提供了一种移动终端，包括处理器和存储器，存储器存储有计算机可读程序代码，处理器执行计算机可读程序代码时实现上述一种提高多馈入直流系统电压稳定性的储能电站配置方法的步骤。
本申请实施例的第四方面提供了一种存储介质，存储介质存储计算机可读程序代码，当计算机可读程序代码被执行时实现上述一种提高多馈入直流系统电压稳定性的储能电站配置方法的步骤。
相比于现有技术，本发明实施例提供的一种提高多馈入直流系统电压稳定性的储能电站配置方法，其中，配置方法包括：先根据储能电站的功率数据和多馈入交互作用因子计算矩阵进行计算，得到第一计算结果；并根据第一计算结果计算多馈入直流系统的电压稳定性指标。再根据电压稳定性指标构建储能电站的配置模型，以使储能电站的配置模型根据预设算法计算得到储能电站的配置方案。最后根据配置方案对储能电站进行配置。其中，配置方案包括配置位置，配置位置为储能电站在多馈入直流系统中的预设安装位置。
其有益效果在于：本发明实施例在计算多馈入交互作用因子多馈入交互作用因子的过程中考虑了储能电站的功率数据，能够降低多馈入交互作用因子多馈入交互作用因子值，而多馈入交互作用因子多馈入交互作用因子用于描述多馈入直流系统中直流间的交互影响程度。所以多馈入交互作用因子多馈入交互作用因子值的变小意味着多馈入直流系统中直流间的交互影响变弱，降低了多馈入直流系统级联换相失败的风险，导致多馈入直流系统的电压稳定性的提高。
而在计算多馈入交互作用因子多馈入交互作用因子的过程中考虑了储能电站的功率数据后得到第一计算结果，并根据第一计算结果得到电压稳定性指标、根据电压稳定性指标构建配置模型后通过配置模型计算得到配置方案，根据配置方案对位于多馈入直流系统中的储能电进行配置，便可在现实中实现对多馈入直流系统的电压稳定性的提高。
此外，由于将储能电站引入多馈入直流系统中会导致经济成本的增加，所以构建配置模型的目标函数包括：电压稳定性指标、经济性指标和系统实时运行成本的最小值，以使配置模型在计算配置方案的过程中兼顾了经济性，便可在现实中实现对多馈入直流系统的经济性的提高。
附图说明
图1是本发明一实施例提供的一种提高多馈入直流系统电压稳定性的储能电站配置方法的流程示意图；
图2是本发明一实施例提供的多馈入直流系统的测试系统示意图；
图3是本发明一实施例提供的在多馈入直流系统中按照配置方案引入储能电站前/后多馈入直流系统的MIIF值对比图；
图4是本发明一实施例提供的一种提高多馈入直流系统电压稳定性的储能电站配置装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，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。
参照图1，图1是本发明一实施例提供的一种提高多馈入直流系统电压稳定性的储能电站配置方法的流程示意图，包括S101-S104：
S101：根据储能电站的功率数据和多馈入交互作用因子计算矩阵进行计算，得到第一计算结果。
在本实施例中，所述根据储能电站的功率数据和多馈入交互作用因子计算矩阵进行计算，得到第一计算结果，具体为：
获取所述多馈入交互作用因子计算矩阵中的第一节点和第二节点，在所述第一节点处引入所述储能电站的功率数据后，计算所述第一节点和所述第二节点之间的多馈入交互作用因子，得到所述第一计算结果。其中，多馈入交互作用因子计算矩阵中第一节点为引入储能电站的功率数据的节点；多馈入交互作用因子计算矩阵中第二节点为不引入储能电站的功率数据的节点。
在一具体实施例中，对于MIIF(即多馈入交互作用因子)的计算采用节点阻抗矩阵方法，将做无功-电压下垂控制的储能电站引入MIIF的计算中，体现为储能电站的功率数据对MIIF的影响，具体为：
对交流系统，采用P-Q解耦其潮流方程计算MIIF，多馈入交互作用因子计算矩阵如下所示：
Figure BDA0003315818290000061
其中，ΔP、ΔQ代表潮流方程中注入有功、无功的不平衡量，Δδ、ΔU代表节点功角和电压的不平衡量，JPδ、JQU为潮流雅克比矩阵的元素，U为节点的电压。
当有功变化量为零时，多馈入交互作用因子计算矩阵如下所示：
Figure BDA0003315818290000062
其中Bij为节点导纳矩阵的元素，对节点导纳矩阵求逆后，可得到以下矩阵：
Figure BDA0003315818290000063
其中，Zij为节点阻抗的元素，以MIIF21的计算为例，其定义为节点1电压变化1％对节点2电压的影响，令ΔQi＝0，i＝2,3,…,n，则MIIF21计算式如下：
Figure BDA0003315818290000064
节点i(即第一节点)处并入做无功电压下垂控制的储能电站后，在第一节点处引入所述储能电站的功率数据可由以下公式所示：
Figure BDA0003315818290000071
其中，
Figure BDA0003315818290000072
为节点i电压变化ΔUi时储能电站i发出的无功功率，kq为无功-电压下垂系数。在节点2处并入储能电站，但计算MIIF21要求节点2无功变化量为零，因此将方程(2)左侧第二行储能电站无功出力变化移至方程右侧后，可得到以下矩阵：
Figure BDA0003315818290000073
接着根据(3)式和(4)式求MIIF21，MIIF21的值会由于储能电站的并入而发生变化，最终得到第一计算结果。所述第一计算结果为，考虑了储能电站的多馈入交互作用因子值。
S102：根据第一计算结果计算多馈入直流系统的电压稳定性指标。
在本实施例中，所述根据所述第一计算结果计算多馈入直流系统的电压稳定性指标，具体为：
根据所述第一计算结果，计算所述多馈入交互作用因子的变化量；
根据所述变化量，计算所述多馈入直流系统的电压稳定性指标。
在一具体实施例中，根据所述第一计算结果，计算所述多馈入交互作用因子的变化量，可由以下公式表示：
ΔMIIFji＝MIIF′ji|ESS-MIIFji； (7)
其中，MIIF′ji|ESS为引入储能电站后节点j与i之间的MIIF，即第一计算结果；MIIFji为引入储能电站之前的节点j与i之间的MIIF，则ΔMIIFji为多馈入交互作用因子的变化量。
根据所述变化量，计算所述多馈入直流系统的电压稳定性指标，可由以下公式表示：
Figure BDA0003315818290000081
其中，IMIIF为多馈入直流系统的电压稳定性指标，Ndc为馈入直流的数量，ΔMIIFji为多馈入交互作用因子的变化量，
Figure BDA0003315818290000082
为直流i与j的传输功率。
在计算多馈入直流系统的电压稳定性指标的过程中考虑了直流传输功率的大小，能够优先阻断传输功率较大的直流对其它直流的影响。
S103：根据电压稳定性指标构建储能电站的配置模型，以使储能电站的配置模型根据预设算法计算得到储能电站的配置方案。
在本实施例中，所述根据所述电压稳定性指标构建储能电站的配置模型，具体为：
将所述电压稳定性指标作为所述储能电站的配置模型的第一目标函数，将经济性指标作为所述储能电站的配置模型的第二目标函数，将多馈入直流系统实时运行成本的最小值作为第三目标函数。其中，第一目标函数和第二目标函数构成储能电站的配置模型的上层部分；第三目标函数构成储能电站的配置模型的下层部分。
上层部分为储能电站规划层，其为多目标规划。
在一具体实施例中，将所述电压稳定性指标作为所述储能电站的配置模型的第一目标函数，可由以下公式表示：
Figure BDA0003315818290000083
将经济性指标作为所述储能电站的配置模型的第二目标函数，可由以下公式表示：
min f2＝Ctotal＝Cess+Cr； (10)
其中，Ctotal为系统总的成本，即经济性指标，Cess为储能全生命周期规划成本，Cr为系统实时运行成本。
为便于计算，通过折算系数将储能的初始投资成本和运维成本折算到每日后，由以下公式表示：
Figure BDA0003315818290000091
其中，finv为初始投资成本，包括功率成本和容量成本两部分；Ness为储能电站的配置数量；PNessi为储能电站i的配置功率；kS为单位功率成本；ENessi为储能电站i的配置容量，为单位容量成本；kE为维护成本；kom为单位容量运维成本；C为初始投资折算到每年的折算系数；r为年利率；y为储能寿命。
系统实时运行成本Cr可由以下公式表示：
Cr＝Cg+Cabandon； (12)
其中，Cg为火电机组煤耗成本，Cabandon为风电弃风成本。
火电机组煤耗成本Cg可由以下公式表示：
Figure BDA0003315818290000092
其中，T为一天运行总时刻，Ng为发电机数目，Pgit为发电机i在t时刻的出力，fi(Pgit)为发电机的煤耗成本。
fi(Pgit)发电机的煤耗成本以二次函数形式表示：
Figure BDA0003315818290000093
其中，ai、bi、ci为煤耗系数，此函数为二次函数，求解时对其进行分段线性化处理，如下述公式所示：
Figure BDA0003315818290000101
其中，Nw为风电场数目，Caban为单位容量弃风成本，cwit为风电场i在t时刻的弃风率，Pwit为风电场i在t时刻的出力，ΔT为时间步长。
在本实施例中，所述储能电站的配置模型根据预设算法计算得到储能电站的配置方案，具体为：
所述预设算法包括：非支配度排序遗传算法和gurobi求解器；
根据所述非支配度排序遗传算法和预设约束条件进行计算，得到储能电站的多个初始方案；
将多个所述初始方案输入至所述第一目标函数中，得到多个所述初始方案对应的多个电压稳定性指标；
将多个所述初始方案输入至所述第三目标函数中，并结合gurobi求解器得到多个所述初始方案对应的多个系统实时运行成本后，将多个所述系统实时运行成本输入至所述第二目标函数中，以使所述第二目标函数指标生成多个所述初始方案对应的多个经济性指标；
根据多个所述电压稳定性指标和多个所述经济性指标，从多个所述初始方案中获取储能电站的配置方案。其中，配置方案包括：配置位置、配置功率和配置容量。于是，根据配置方案能够在实际中将所述储能电站配置于所述多馈入直流系统内的预设安装位置上，并对所述多馈入直流系统内的所述储能电站的功率和容量进行配置。
在一具体实施例中，预设约束条件如下所示：
1.1、储能电站的配置功率PNessi的约束条件为：
Figure BDA0003315818290000102
其中，
Figure BDA0003315818290000103
为储能电站的配置功率上限，xi为用于表示节点i处是否配置储能电站的0-1变量，1代表配置储能电站，否则不配置。即xi用于表示储能电站的配置位置。
1.2、储能电站的配置容量ENessi的约束条件为：
Figure BDA0003315818290000111
其中，
Figure BDA0003315818290000112
为储能电站的配置容量上限。
1.3、储能电站的配置数目Ness的约束条件为：
Figure BDA0003315818290000113
其中，xi表示储能电站的配置位置。
下层部分为系统运行层，从上层部分中接收到储能电站的配置方案后，进行优化调度，得到运行成本；并向上层部分传递运行成本。
下层部分以运行成本最小为第三目标函数，即，将多馈入直流系统实时运行成本的最小值作为第三目标函数，可由以下公式表示：
min Cr； (19)
其中，Cr为系统实时运行成本。
所述第三目标函数采用系统运行集约束，包括电网运行约束和储能约束。
系统运行集约束包括电网运行约束和储能约束。电网运行约束包括发电机出力上下限约束、爬坡约束、备用约束、弃风约束、直流潮流平衡约束、输电线路传输功率约束；储能约束包括充放电约束、荷电状态平衡约束、荷电状态上下限约束、一天充放电平衡约束。
发电机出力上下限约束为：
Figure BDA0003315818290000114
其中，
Figure BDA0003315818290000115
为发电机i的出力上下限值。
发电机出力爬坡约束为：
-RDgi≤Pgit-Pgi(t-1)≤RUgi； (21)
RDgi、RUgi为发电机i的下爬坡和上爬坡速率限制。
旋转备用约束为：
Figure BDA0003315818290000121
其中Plit为节点i在t时刻的负荷需求，B为电网节点集，
Figure BDA0003315818290000122
为t时刻系统的旋转备用需求。
弃风约束为：
0≤cwit≤1； (23)
直流潮流平衡约束为：
Figure BDA0003315818290000123
其中，Pdcit为直流i在t时刻的出力，
Figure BDA0003315818290000124
为储能电站i在t时刻的放电功率，
Figure BDA0003315818290000125
为储能电站i在t时刻的充电功率，Ωi为与节点i相连的节点集合，θi,t为节点i在t时刻的电压相角。
输电线路传输功率约束为：
Figure BDA0003315818290000126
其中，
Figure BDA0003315818290000127
为线路ij传输功率上限值。
储能充放电约束为：
Figure BDA0003315818290000128
其中，
Figure BDA0003315818290000129
为储能电站处于充电状态0-1变量，1代表充电，
Figure BDA00033158182900001210
为储能电站处于放电状态0-1,1代表放电，且充电不能同时进行，当xi为1时，说明节点i处有储能电站，有储能电站后，该节点处才有可能存在充放电过程，也即充放电状态量才可能为1。所以只有当xi为1时，充放电状态量才可能为1。
储能荷电状态平衡约束为：
Figure BDA0003315818290000131
其中，Eessit为储能电站i在t时刻的储存电量，ηin,i为充电效率，ηout,i为放电效率。
储能荷电状态上下限约束为：
SOCminENessi≤Eessit≤SOCmaxENessi； (28)
其中，SOCmin、SOCmax为储能的荷电状态上下限。
一天充放电平衡约束为：
Figure BDA0003315818290000132
其中，储能电站i一天初始时刻的储存电量
Figure BDA0003315818290000133
和结束时刻的储存电量EessiT应相等。
采用NSGA-Ⅱ(即非支配度排序遗传算法)和gurobi求解器相结合的算法对储能电站的配置模型进行求解，上层储能规划层采用NSGA-Ⅱ求解并传递储能电站的配置方案给下层系统运行层，下层系统运行层调用gurobi求解器求解并传递系统运行成本后传给给上层。
在一具体实施例中，所述根据多个所述电压稳定性指标和多个所述经济性指标，从多个所述初始方案中获取储能电站的配置方案，具体为：
根据多个所述电压稳定性指标和多个所述经济性指标，得到多个所述初始方案对应的帕累托等级；
根据精英保留策略和所述帕累托等级从多个所述初始方案中获得多个第一方案作为父代进行进化，并在进化结束时生成多个所述第一方案的帕累托前沿解；
根据多个所述第一方案的帕累托前沿解和多个所述第一方案，获得所述储能电站的配置方案。
由于MIIF的计算涉及变量之间的除法，线性化困难，因此在上层储能规划层中采用启发式算法NSGA-Ⅱ算法求解并将求得的储能电站配置方案传递给下层系统运行层；其中，配置方案包括：配置位置xi、配置功率PNessi和配置容量
Figure BDA0003315818290000141
下层系统运行层在已知储能电站配置方案的前提下调用gurobi求解，进行一天的优化调度，并将传递系统运行成本传递给上层储能规划层后，进行交替迭代求解最终得到储能电站的配置方案。具体的求解流程如下：
一、系统初始化：设置储能配置参数、NSGA-Ⅱ算法参数，读取电网参数。
二、生成初始种群，并将种群中各个体对应储能配置方案传递给下层系统运行层，下层系统运行层调用gurobi求解器求解，将系统实时运行成本Cr传递给上层，之后进行非支配度排序后，通过遗传操作生成一代子群并将其作为父代，进化代数+1。
三、通过遗传操作生成子代种群，父子代种群合并，将合并后种群传递给下层进行与步骤二相同操作，得到系统实时运行成本Cr后进行非支配排序和拥挤度计算，得到多个所电压稳定性指标和多个经济性指标。
四、根据多个电压稳定性指标和多个经济性指标，得到多个初始方案对应的pareto(帕累托)等级；采用精英保留策略对pareto等级从低到高的初始方案中进行筛选，得到最优种群(即第一方案)。
五、将第一方案作为父代进行进化，判断进化代数是否大于最大进化代数(可按照实际需要设置)，如果大于则得到第一方案的储能电站配置的pareto(帕累托)前沿解，若不大于则进化代数+1，程序跳转至步骤三。
在得到多个所述第一方案的帕累托前沿解后，根据多个所述第一方案的帕累托前沿解和多个所述第一方案，结合实际需要，选取所述储能电站的配置方案后并获得。
步骤S104：利用典型的日负荷需求，风电出力以及储能配置的单位成本等数据，采用NSGA-Ⅱ与gurobi求解器相结合的算法对所提双层多目标储能电站规划模型(即储能电站的配置模型)进行求解，获取能够提升多馈入直流系统电压稳定性的储能电站的配置方案。
S104：根据配置方案对储能电站进行配置。
其中，所述配置方案包括配置位置，所述配置位置为所述储能电站在所述多馈入直流系统中的预设安装位置。
在一具体实施例中，所述配置方案还包括：配置功率和配置容量。
为了进一步说明储能电站的配置对于多馈入直流系统的影响，请参照图2至图4。
图2是本发明一实施例提供的多馈入直流系统的测试系统示意图。如图2所示，在节点6、20、25处分别馈入额定传输功率为1000MW、500MW、800MW的直流，节点6、17、23分别接入有额定功率为500MW、700MW、300MW的风电功率。储能电站的单位功率配置成本为1500￥/kW、3000￥/kWh，运行维护成本为50￥/kWh，寿命为10年，充放电效率为0.9，储能电站的荷电状态范围为0.1～0.9。
预设约束条件为：配置储能电站的配置数目为3，配置功率上限为300MW，配置容量为上限为500MWh。弃风惩罚成本为0.61￥/kWh，把一天按小时为单位划分，T＝24。相关计算均在英特尔酷睿i5-7400处理器3.00GHz，8GB内存计算机上完成，采用MATLAB对算例进行编程求解。
储能电站的配置模型根据预设算法和预设约束条件计算得到的配置方案包括：(1)储能电站1：配置位置：节点4；
配置容量：104MWh；
配置功率：217MW；
(2)储能电站2：配置位置：节点16；
配置容量：19MWh；
配置功率：168MW；
(3)储能电站3：配置位置：节点19；
配置容量：133MWh；
配置功率：285MW。
图3为本发明一实施例提供的在多馈入直流系统中按照配置方案引入储能电站前/后多馈入直流系统的MIIF值对比图。
由图3可得，在按照配置方案引入储能电站之后多馈入直流系统的MIIF值(多馈入交互作用因子)小于按照配置方案引入储能电站之前多馈入直流系统的MIIF值，换言之，引入储能电站以后多馈入直流系统的MIIF值显著变小。而MIIF值用于描述多馈入直流系统中直流间的交互影响程度，则MIIF值变小意味着多馈入直流系统中直流间的交互影响变弱，降低了多馈入直流系统级联换相失败的风险，最终提高了多馈入直流系统的电压稳定性。
在一具体实施例中，一种移动终端，包括处理器和存储器，所述存储器存储有计算机可读程序代码，所述处理器执行所述计算机可读程序代码时实现上述一种提高多馈入直流系统电压稳定性的储能电站配置方法的步骤。
在一具体实施例中，一种存储介质，所述存储介质存储计算机可读程序代码，当所述计算机可读程序代码被执行时实现上述一种提高多馈入直流系统电压稳定性的储能电站配置方法的步骤。
为了进一步说明提高多馈入直流系统电压稳定性的储能电站配置装置，请参照图4，图4是本发明一实施例提供的一种提高多馈入直流系统电压稳定性的储能电站配置装置的结构示意图，包括：计算模块401、构建模块402和配置模块403。
其中，所述计算模块401用于根据储能电站的功率数据和多馈入交互作用因子计算矩阵进行计算，得到第一计算结果；并根据所述第一计算结果计算多馈入直流系统的电压稳定性指标。
所述构建模块402用于根据所述电压稳定性指标构建储能电站的配置模型，以使所述储能电站的配置模型根据预设算法计算得到储能电站的配置方案。
所述配置模块403用于根据所述配置方案对所述储能电站进行配置。
其中，所述配置方案包括配置位置，所述配置位置为所述储能电站在所述多馈入直流系统中的预设安装位置。
本发明实施例先通过计算模块401根据储能电站的功率数据和多馈入交互作用因子计算矩阵进行计算，得到第一计算结果；并根据第一计算结果计算多馈入直流系统的电压稳定性指标。再通过构建模块402根据电压稳定性指标构建储能电站的配置模型，以使储能电站的配置模型根据预设算法计算得到储能电站的配置方案。最后通过配置模块403根据配置方案对储能电站进行配置。其中，配置方案包括配置位置，配置位置为储能电站在多馈入直流系统中的预设安装位置。
本发明实施例在计算多馈入交互作用因子多馈入交互作用因子的过程中考虑了储能电站的功率数据，能够降低多馈入交互作用因子多馈入交互作用因子值，而多馈入交互作用因子用于描述多馈入直流系统中直流间的交互影响程度。所以多馈入交互作用因子值的变小意味着多馈入直流系统中直流间的交互影响变弱，降低了多馈入直流系统级联换相失败的风险，导致多馈入直流系统的电压稳定性的提高。
而在计算多馈入交互作用因子的过程中考虑了储能电站的功率数据后得到第一计算结果，并根据第一计算结果得到电压稳定性指标、根据电压稳定性指标构建配置模型后通过配置模型计算得到配置方案，根据配置方案对位于多馈入直流系统中的储能电进行配置，便可在现实中实现对多馈入直流系统的电压稳定性的提高。
此外，由于将储能电站引入多馈入直流系统中会导致经济成本的增加，所以构建配置模型的目标函数包括：电压稳定性指标、经济性指标和系统实时运行成本的最小值，以使配置模型在计算配置方案的过程中兼顾了经济性，便可在现实中实现对多馈入直流系统的经济性的提高。
以上所述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，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种提高多馈入直流系统电压稳定性的储能电站配置方法，其特征在于，包括：
根据储能电站的功率数据和多馈入交互作用因子计算矩阵进行计算，得到第一计算结果；
根据所述第一计算结果计算多馈入直流系统的电压稳定性指标；
根据所述电压稳定性指标构建储能电站的配置模型，以使所述储能电站的配置模型根据预设算法计算得到储能电站的配置方案；
根据所述配置方案对所述储能电站进行配置；其中，所述配置方案包括配置位置，所述配置位置为所述储能电站在所述多馈入直流系统中的预设安装位置。
2.根据权利要求1所述的一种提高多馈入直流系统电压稳定性的储能电站配置方法，其特征在于，所述根据所述电压稳定性指标构建储能电站的配置模型，具体为：
将所述电压稳定性指标作为所述储能电站的配置模型的第一目标函数，将经济性指标作为所述储能电站的配置模型的第二目标函数，将多馈入直流系统实时运行成本的最小值作为第三目标函数。
3.根据权利要求2所述的一种提高多馈入直流系统电压稳定性的储能电站配置方法，其特征在于，所述储能电站的配置模型根据预设算法计算得到储能电站的配置方案，具体为：
所述预设算法包括：非支配度排序遗传算法和gurobi求解器；
根据所述非支配度排序遗传算法和预设约束条件进行计算，得到储能电站的多个初始方案；
将多个所述初始方案输入至所述第一目标函数中，得到多个所述初始方案对应的多个电压稳定性指标；
将多个所述初始方案输入至所述第三目标函数中，并结合gurobi求解器得到多个所述初始方案对应的多个系统实时运行成本后，将多个所述系统实时运行成本输入至所述第二目标函数中，以使所述第二目标函数指标生成多个所述初始方案对应的多个经济性指标；
根据多个所述电压稳定性指标和多个所述经济性指标，从多个所述初始方案中获取储能电站的配置方案。
4.根据权利要求3所述的一种提高多馈入直流系统电压稳定性的储能电站配置方法，其特征在于，所述根据储能电站的功率数据和多馈入交互作用因子计算矩阵进行计算，得到第一计算结果，具体为：
获取所述多馈入交互作用因子计算矩阵中的第一节点和第二节点，在所述第一节点处引入所述储能电站的功率数据后，计算所述第一节点和所述第二节点之间的多馈入交互作用因子，得到所述第一计算结果。
5.根据权利要求4所述的一种提高多馈入直流系统电压稳定性的储能电站配置方法，其特征在于，所述根据所述第一计算结果计算多馈入直流系统的电压稳定性指标，具体为：
根据所述第一计算结果，计算所述多馈入交互作用因子的变化量；
根据所述变化量，计算所述多馈入直流系统的电压稳定性指标。
6.根据权利要求3所述的一种提高多馈入直流系统电压稳定性的储能电站配置方法，其特征在于，所述根据多个所述电压稳定性指标和多个所述经济性指标，从多个所述初始方案中获取储能电站的配置方案，具体为：
根据多个所述电压稳定性指标和多个所述经济性指标，得到多个所述初始方案对应的帕累托等级；
根据精英保留策略和所述帕累托等级从多个所述初始方案中获得多个第一方案作为父代进行进化，并在进化结束时生成多个所述第一方案的帕累托前沿解；
根据多个所述第一方案的帕累托前沿解和多个所述第一方案，获得所述储能电站的配置方案。
7.根据权利要求6所述的一种提高多馈入直流系统电压稳定性的储能电站配置方法，其特征在于，所述配置方案还包括：配置功率和配置容量。
8.一种提高多馈入直流系统电压稳定性的储能电站配置装置，其特征在于，包括：计算模块、构建模块和配置模块；
其中，所述计算模块用于根据储能电站的功率数据和多馈入交互作用因子计算矩阵进行计算，得到第一计算结果；并根据所述第一计算结果计算多馈入直流系统的电压稳定性指标；
所述构建模块用于根据所述电压稳定性指标构建储能电站的配置模型，以使所述储能电站的配置模型根据预设算法计算得到储能电站的配置方案；
所述配置模块用于根据所述配置方案对所述储能电站进行配置；其中，所述配置方案包括配置位置，所述配置位置为所述储能电站在所述多馈入直流系统中的预设安装位置。
9.一种移动终端，其特征在于，包括处理器和存储器，所述存储器存储有计算机可读程序代码，所述处理器执行所述计算机可读程序代码时实现权利要求1至7中任一项所述的一种提高多馈入直流系统电压稳定性的储能电站配置方法的步骤。
10.一种存储介质，其特征在于，所述存储介质存储计算机可读程序代码，当所述计算机可读程序代码被执行时实现权利要求1至7中任一项所述的一种提高多馈入直流系统电压稳定性的储能电站配置方法的步骤。
CN202111230709.7A 2021-10-22 2021-10-22 一种提高多馈入直流系统电压稳定性的储能电站配置方法 Active CN113991723B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111230709.7A CN113991723B (zh) 2021-10-22 2021-10-22 一种提高多馈入直流系统电压稳定性的储能电站配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111230709.7A CN113991723B (zh) 2021-10-22 2021-10-22 一种提高多馈入直流系统电压稳定性的储能电站配置方法

Publications (2)

Publication Number Publication Date
CN113991723A true CN113991723A (zh) 2022-01-28
CN113991723B CN113991723B (zh) 2024-04-26

Family

ID=79740171

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111230709.7A Active CN113991723B (zh) 2021-10-22 2021-10-22 一种提高多馈入直流系统电压稳定性的储能电站配置方法

Country Status (1)

Country Link
CN (1) CN113991723B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160126739A1 (en) * 2014-11-04 2016-05-05 Nec Laboratories America, Inc. Enhancing power system voltage stability using grid energy storage for voltage support
CN105610168A (zh) * 2016-02-03 2016-05-25 南方电网科学研究院有限责任公司 一种多馈入交直流系统的节点电压稳定性指标的应用方法
CN108233435A (zh) * 2017-12-26 2018-06-29 华中科技大学 一种特高压接入方式的量化评估指标体系及综合评估方法
CN109193732A (zh) * 2018-09-13 2019-01-11 国网山东省电力公司电力科学研究院 计及多馈入直流参与的机组恢复顺序优化方法及系统
CN111509743A (zh) * 2020-04-16 2020-08-07 国网江苏省电力有限公司淮安供电分公司 一种应用储能装置提高电网稳定性的控制方法
CN111668885A (zh) * 2020-06-24 2020-09-15 广东电网有限责任公司 一种改善交直流混合电力系统特性的储能规划方法
CN111900747A (zh) * 2020-08-25 2020-11-06 华中科技大学 用于多馈入直流系统的储能电站暂态无功控制方法和系统
CN113437756A (zh) * 2021-06-21 2021-09-24 三峡大学 考虑配电网静态电压稳定性的微电网优化配置方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160126739A1 (en) * 2014-11-04 2016-05-05 Nec Laboratories America, Inc. Enhancing power system voltage stability using grid energy storage for voltage support
CN105610168A (zh) * 2016-02-03 2016-05-25 南方电网科学研究院有限责任公司 一种多馈入交直流系统的节点电压稳定性指标的应用方法
CN108233435A (zh) * 2017-12-26 2018-06-29 华中科技大学 一种特高压接入方式的量化评估指标体系及综合评估方法
CN109193732A (zh) * 2018-09-13 2019-01-11 国网山东省电力公司电力科学研究院 计及多馈入直流参与的机组恢复顺序优化方法及系统
CN111509743A (zh) * 2020-04-16 2020-08-07 国网江苏省电力有限公司淮安供电分公司 一种应用储能装置提高电网稳定性的控制方法
CN111668885A (zh) * 2020-06-24 2020-09-15 广东电网有限责任公司 一种改善交直流混合电力系统特性的储能规划方法
CN111900747A (zh) * 2020-08-25 2020-11-06 华中科技大学 用于多馈入直流系统的储能电站暂态无功控制方法和系统
CN113437756A (zh) * 2021-06-21 2021-09-24 三峡大学 考虑配电网静态电压稳定性的微电网优化配置方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
周仕豪等: "考虑降低多馈入直流换相失败风险的动态无功补偿配置方法", 高电压技术, no. 10, 23 October 2018 (2018-10-23) *

Also Published As

Publication number Publication date
CN113991723B (zh) 2024-04-26

Similar Documents

Publication Publication Date Title
CN113595158B (zh) 配售电竞争态势下区域配电网的供电能力评估方法
CN107887903B (zh) 考虑元件频率特性的微电网鲁棒优化调度方法
Ma et al. Optimal allocation of hybrid energy storage systems for smoothing photovoltaic power fluctuations considering the active power curtailment of photovoltaic
Maleki et al. Comparative study of artificial intelligence techniques for sizing of a hydrogen-based stand-alone photovoltaic/wind hybrid system
Karaki et al. Probabilistic performance assessment of wind energy conversion systems
Premadasa et al. An innovative approach of optimizing size and cost of hybrid energy storage system with state of charge regulation for stand-alone direct current microgrids
CN110429649B (zh) 考虑灵活性的高渗透率可再生能源集群划分方法
CN112053035B (zh) 考虑经济性与灵活性的输电通道与储能联合规划方法
CN111293718B (zh) 基于场景分析的交直流混合微网分区二层优化运行方法
CN113241803A (zh) 一种基于新能源消纳的储能调度方法及计算机介质
CN113224800A (zh) 一种考虑寿命约束的计及灵活性储能优化调度方法
CN111641205A (zh) 一种基于随机优化的主动配电网故障管理方法
CN109672215A (zh) 基于负荷可时移特性的分布式光伏消纳控制方法
CN115618616A (zh) 一种源、网、荷资源的混合储能可靠性评估模型构建方法
Bhardwaj et al. Sizing optimization of a stand-alone PV/Wind power supply system with hybrid energy storage
Georgiev et al. Optimized power flow control of smart grids with electric vehicles and DER
CN111325423A (zh) 一种区域多能源互联运营优化方法和计算设备
Shyni et al. HESS-based microgrid control techniques empowered by artificial intelligence: A systematic review of grid-connected and standalone systems
CN113364043A (zh) 一种基于条件风险价值的微电网群优化方法
CN114759616B (zh) 一种考虑电力电子器件特性的微电网鲁棒优化调度方法
Zhuang et al. Micro-grid energy storage location and sizing optimization method based on demand response
Singh et al. Stochastic impact assessment of phev charger levels in a microgrid
CN110601233A (zh) 一种电力系统中储能电站的调峰调度方法
CN113991723A (zh) 一种提高多馈入直流系统电压稳定性的储能电站配置方法
CN115345350A (zh) 一种交直流混合配电网规划方法、介质及系统

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