CN114004390A - 计及风电外送及投资风险的储能系统容量规划方法 - Google Patents

计及风电外送及投资风险的储能系统容量规划方法 Download PDF

Info

Publication number
CN114004390A
CN114004390A CN202111169910.9A CN202111169910A CN114004390A CN 114004390 A CN114004390 A CN 114004390A CN 202111169910 A CN202111169910 A CN 202111169910A CN 114004390 A CN114004390 A CN 114004390A
Authority
CN
China
Prior art keywords
energy storage
cost
risk
wind power
investment
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
CN202111169910.9A
Other languages
English (en)
Inventor
程瑜
朱瑾
陈熙
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.)
North China Electric Power University
Original Assignee
North China Electric Power 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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN202111169910.9A priority Critical patent/CN114004390A/zh
Publication of CN114004390A publication Critical patent/CN114004390A/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
    • G06Q10/04—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
    • G06Q10/0635—Risk analysis of enterprise or organisation 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
    • 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
    • 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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • H02J2300/28—The renewable source being wind energy
    • 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
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • 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
    • Y02E40/10—Flexible AC transmission systems [FACTS]
    • 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

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

Abstract

本发明公开了计及风电外送及投资风险的储能系统容量规划方法，步骤包括：S1：采用场景分析法处理风电不确定性，获得典型气象场景集合；S2：选取合适的方法度量风电不确定性给储能规划带来的风险；S3：不考虑BESS，利用多场景分析法，以系统运行成本及风险成本最小为目标，确定系统的运行策略；S4：考虑BESS，在确定厌恶系数前提下，利用多场景分析法，以系统投资运行成本及风险成本最小为目标，确定储能的最优容量配置及系统运行策略；S5：考虑BESS，得到风险厌恶系数与储能配置的关系。本发明计及外送通道空间分布和新能源汇集区对储能选址的影响，并考虑了风电不确定性对储能规划的影响，有利于更好的权衡储能规划成本与投资风险的关系。

Description

计及风电外送及投资风险的储能系统容量规划方法
技术领域
本发明涉及输电网储能规划领域，具体地，涉及计及风电外送及投资风险的储能系统容 量规划方法。
背景技术
电池储能系统(Battery energy storage system，BESS)作为电能存储的重要方式，也是最 常用的储能装置，功率和能量可根据不同应用需求灵活配置，不受地理资源等外部条件的限 制，具有双向充放电、体积小、反应速度快以及商业化程度高等优点特点，已成为电网安全、 灵活运行的重要灵活性资源支撑。尤其是电化学储能资源还具有建设周期短，布局灵活，与 新能源场站建设周期匹配度高的优势，益于在重点区域快速提升可再生能源利用率好的系统 调节能力。在当前新能源的快速发展的背景下，风电、光伏等洁净可再生能源电能大规模并 网成为必然，但新能源发电具有随机波动性，这也给电网的运行和规划带来了一系列的影响， 加之我国资源禀赋等特点，新能源消纳问题上也面临着更大的挑战，局部地区弃风问题尤为 突出，主要由电网调峰容量不足以及系统网架结构受限所导致。
为缓解能源消纳的矛盾，可建立可再生能源外送线路，将可再生能源长距离输送到负荷 中心进行可再生能源的消纳，但风电出力具有反调峰特性，导致无法实现风电有效消纳且外 送线路利用率较低。借助大规模储能系统可实现对负荷的“削峰填谷”，有效缓解电网调峰能 力、网架结构的限制，提高风电的接纳能力，确保外送线路的相对稳定输出。
发明内容
有鉴于此，本发明的目的是针对现有技术的不足，提供计及风电外送及投资风险的储能 系统容量规划方法，在综合考虑储能在规划过程中面临的风险的前提下，缓解高比例风电接 入系统后新能源消纳率及外送通道利用率较低的问题。
为达到上述目的，本发明采用以下技术方案：
计及风电外送及投资风险的储能系统容量规划方法，包括以下步骤：
S1：采用场景分析法处理风电不确定性，获得典型气象场景集合；
S2：选取合适的方法度量风电不确定性给储能规划带来的风险；
S3：不考虑BESS，利用多场景分析法，以系统运行成本及风险成本最小为目标，确定 系统的运行策略；
S4：考虑BESS，在确定厌恶系数前提下，利用多场景分析法，以系统投资运行成本及 风险成本最小为目标，确定储能的最优容量配置及系统运行策略；
S5：考虑BESS，得到风险厌恶系数与储能配置的关系。
进一步地，在步骤S1中，权利要求1中所述的计及风电外送及投资风险的储能系统容量 规划方法，其特征在于，所述步骤S1中，所述气象场景指风力发电有功出力，采用的场景分 析法具体为：考虑风电出力的场景集为w＝{ws,s＝1,2,…,Ns}，其中Ns为风电出力对应的场 景个数，各场景的概率为π(ws)，将随机规划问题转变为确定性优化问题。
进一步地，在步骤S2中，所述度量风电资源不确定性给储能规划带来的风险的步骤如下：
1)采用CVaR作为风电资源不确定性给储能规划带来的风险投资风险评估的工具；
2)将CVaR以平均风险损失的形式与目标函数相结合，即将CVaR以乘以一个风险厌恶 系数的形式加入目标函数中，表达式如下：
Figure RE-GDA0003437687960000021
式中，xe为储能配置位置的决策变量，E为储能配置的容量，PN为储能配置的额定功率， f(x,y)为损失函数表示系统成本，L为风险厌恶系数，δ为CVaR的值，其中CVaR的值δ可表 示为以下形式：
Figure RE-GDA0003437687960000022
式中，α即为VaR的值，β为置信度，
Figure RE-GDA0003437687960000023
为引入的辅助变量；
3)为了便于计算，需对CVaR度量项进行线性化处理，可将辅助变量δ松弛为以下两个 不等式，从而将CVaR转化为线性问题进行优化求解，表达式如下：
Figure RE-GDA0003437687960000024
Figure RE-GDA0003437687960000025
式中，
Figure RE-GDA0003437687960000026
进一步地，在步骤S3中，以系统运行成本及风险成本最小为目标，确定系统的运行策略 的步骤如下：
1)在典型风电出力集合下，系统运行成本及风险成本最小的目标函数如下：
Figure RE-GDA0003437687960000027
式中，目标函数包括系统等值年运行成本及CVaR成本两部分，Foper为系统的运行费用， 主要包括机组发电费用Coper、环境处理费用Cdeal和失负荷成本Closs，Fline为系统的外送电力收 益，各成本/收益项具体表达式如下：
a)常规机组的发电费用Coper表达式为：
Figure RE-GDA0003437687960000031
式中，Nt为一天总时段数，Tt为每一时间段的间隔时间，Ωg为常规机组节点集，
Figure RE-GDA0003437687960000032
为s 场景下t时刻节点i常规机组的发电量，cgi为常规机组的燃料成本；
b)常规机组产生的污染气体的环境处理费用Cdeal表达式为：
Figure RE-GDA0003437687960000033
式中，cdeal为常规燃煤发电的环境成本；
c)系统失负荷成本表达式为Closs：
Figure RE-GDA0003437687960000034
式中，Ωl为负荷节点集，
Figure RE-GDA0003437687960000035
为s场景下t时刻节点m处的失负荷量，ces为电网向用户 售电电价；
d)系统的外送电力收益Fline表达式为：
Figure RE-GDA0003437687960000036
式中，Ωp为外送通道节点集，
Figure RE-GDA0003437687960000037
为s场景下t时刻节n处的外送电量，cline为系统单位 外送电量收益；
2)构建系统运行约束(包括功率平衡约束、静态潮流方程约束及支路潮流约束)、常规 机组约束(包括机组处理约束及爬坡约束)、风电约束、外送容量约束和CVaR风险约束， 具体表达式如下：
a)功率平衡约束，其表达式如下：
Figure RE-GDA0003437687960000038
式中，Ωc为风电集群节点集，
Figure RE-GDA0003437687960000039
为s场景下t时刻节点m处的实际负荷并网量，
Figure RE-GDA00034376879600000310
为s场景下t时刻的风电实际并网功率，等于风电实际出力与弃风电量之差；
b)静态潮流方程约束，其表达式如下：
Figure RE-GDA0003437687960000041
式中，Pinj为节点注入功率矩阵，包括常规机组、风电、外送电及其他负荷等出力，θ为 节点相角矩阵，B为直流潮流支路的导纳矩阵，Pij,t为t时刻流过支路ij的潮流，xij为支路ij 的电抗值；
c)支路潮流约束，其表达式如下：
pij，t≤Pij，max
式中，Pij,max为支路ij潮流允许的最大值；
d)机组出力约束，其表达式如下：
Figure RE-GDA0003437687960000042
式中，
Figure RE-GDA0003437687960000043
为机组i允许出力下限，
Figure RE-GDA0003437687960000044
为机组i允许出力上限；
e)爬坡约束，其表达式如下：
Figure RE-GDA0003437687960000045
式中，Di、Ui分别为机组i的下爬坡速率和上爬坡速率允许的最大值；
f)风电出力约束，其表达式如下：
Figure RE-GDA0003437687960000046
式中，
Figure RE-GDA0003437687960000047
和
Figure RE-GDA0003437687960000049
分别为节点k的风电出力的上下限值；
g)外送容量约束，其表达式如下：
Figure RE-GDA00034376879600000410
式中，
Figure RE-GDA00034376879600000411
分别为节点n处的外送通道输送容量的上限值；
h)CVaR约束，其表达式如下：
Figure RE-GDA00034376879600000412
Figure RE-GDA0003437687960000051
式中，
Figure RE-GDA0003437687960000052
为辅助变量，其含义为超过VaR的损失值，表示为
Figure RE-GDA0003437687960000053
损 失函数的具体表达式为f(x,y)＝Foper-Fline，表示系统成本。
进一步地，在步骤S4中，以系统投资运行成本及风险成本最小为目标，确定系统的投资 运行策略包括以下步骤：
1)在典型风电出力集合下，考虑BESS投资的系统运行成本及风险成本最小的目标函数 的表达式如下：
Figure RE-GDA0003437687960000054
式中，包括系统等值年投资运行成本及CVaR成本两部分，Fs为储能投资运维成本，Bcon为延缓输电设备升级改造的容量替代效益表达式如下：
a)延缓输电设备升级改造的容量替代效益Bcon表达式为：
Bcon＝λbcbηPN/365
式中，λb为输电设备的年化系数，cb为输电设备的单位容量造价(万元/MW)，η为储能 装置的储能效率，计及了并网设备的损耗和蓄电池的充放电损耗，PN为BESS的额定功率；
b)储能投资运维成本Fs表达式为：
Fs＝(IERE+lPRPN+GEE+GPPN)/365
式中，IE、IP分别为储能电源单位容量、单位功率的投资费用，R为储能设备的等值年化 系数，GE、GP分别为储能电源单位容量、单位功率的运维费用；
2)构建系统运行约束(包括功率平衡约束、静态潮流方程约束及支路潮流约束)、常规 机组约束(包括机组处理约束及爬坡约束)、风电约束、外送容量约束、储能规划运行约束 (包括储能配置容量及功率的上下限约束，储能的充放电状态约束、充放电功率限制约束以 及容量限制约束)和CVaR风险约束，储能规划约束具体表达式如下:
a)储能配置容量及功率的上下限约束，其表达式如下：
Figure RE-GDA0003437687960000055
式中，nj为0-1变量，
Figure RE-GDA0003437687960000056
和
Figure RE-GDA0003437687960000057
分别为节点j处BESS允许接入的最小和最大储能功 率，Ej,min和Ej，max分别为节点j处BESS允许接入的最小和最大储能容量；
b)储能的充放电状态约束，其表达式如下：
βj，t，ESSc+βj，t，ESSd≤nj
式中，nj＝1表示第j个节点接入BESS，nj＝0表示第j个节点不接入BESS，βj,t,ESSc和βj,t,ESSd分别为t时段节点j处BESS的充电状态和放电状态，取值为0或1，限定BESS 的运行状态只能为充电状态、放电状态或不充放电状态中的一种；
c)充放电功率限制约束，其表达式如下：
Figure RE-GDA0003437687960000061
式中，Pessc,j,t为t时刻节点j处BESS充电功率，Pessc,j,t为t时刻节点j处BESS放电功率；
d)BESS容量限制约束，其表达式如下：
Figure RE-GDA0003437687960000062
式中:EESS,j,t为t时段节点j处BESS的储能容量，μESSc为BESS充电效率系数，μESSd为BESS放电效率系数。
进一步地，在步骤S5中，不同厌恶系数下，以系统投资运行成本及风险成本最小为目标， 得到风险厌恶系数与储能优化配置的关系的步骤如下：
1)选取一系列风险厌恶系数，以系统投资运行成本及风险成本最小为目标，求解储能 系统的最优容量配置及系统运行策略；
2)根据上述结果，分析风险厌恶系数与储能优化配置的关系，根据实际需求选取合适 的分析厌恶系数。
附图说明
图1本发明的整体流程示意图。
具体实施方式
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科 学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是， 诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义， 并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图， 对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部 分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获 得的所有其他实施例，都属于本发明保护的范围。
如图所示，本发明提供计及风电外送及投资风险的储能系统容量规划方法，包括以下步 骤：
S1：采用场景分析法处理风电不确定性，获得典型气象场景集合，步骤如下：
所述气象场景指风力发电有功出力，采用的场景分析法具体为：考虑风电出力的场景集 为w＝{ws,s＝1,2,…,Ns}，其中Ns为风电出力对应的场景个数，各场景的概率为π(ws)，将随 机规划问题转变为确定性优化问题。
S2：选取合适的方法度量风电不确定性给储能规划带来的风险，步骤如下：
1)采用CVaR作为风电资源不确定性给储能规划带来的风险投资风险评估的工具；
2)将CVaR以平均风险损失的形式与目标函数相结合，即将CVaR以乘以一个风险厌恶 系数的形式加入目标函数中，表达式如下：
Figure RE-GDA0003437687960000071
式中，xe为储能配置位置的决策变量，E为储能配置的容量，PN为储能配置的额定功率， f(x,y)为损失函数表示系统成本，L为风险厌恶系数，δ为CVaR的值，其中CVaR的值δ可表 示为以下形式：
Figure RE-GDA0003437687960000072
式中，α即为VaR的值，β为置信度，
Figure RE-GDA0003437687960000073
为引入的辅助变量；
3)为了便于计算，需对CVaR度量项进行线性化处理，可将辅助变量δ松弛为以下两个 不等式，从而将CVaR转化为线性问题进行优化求解，表达式如下：
Figure RE-GDA0003437687960000074
Figure RE-GDA0003437687960000081
式中，
Figure RE-GDA0003437687960000082
S3：不考虑BESS，利用多场景分析法，以系统运行成本及风险成本最小为目标，确定 系统的运行策略，步骤如下：
1)在典型风电出力集合下，系统运行成本及风险成本最小的目标函数如下：
Figure RE-GDA0003437687960000083
式中，目标函数包括系统等值年运行成本及CVaR成本两部分，xe为储能配置位置的决 策变量，E为储能配置的容量，PN为储能配置的额定功率，Ns为风电出力对应的场景个数， 各场景的概率为π(ws)，L为风险厌恶系数，δ为CVaR的值，Foper为系统的运行费用，主要包 括机组发电费用Coper、环境处理费用Cdeal和失负荷成本Closs，Fline为系统的外送电力收益，各 成本/收益项具体表达式如下：
a)常规机组的发电费用Coper表达式为：
Figure RE-GDA0003437687960000084
式中，Nt为一天总时段数，Tt为每一时间段的间隔时间，Ωg为常规机组节点集，
Figure RE-GDA0003437687960000085
为s 场景下t时刻节点i常规机组的发电量，cgi为常规机组的燃料成本；
b)常规机组产生的污染气体的环境处理费用Cdeal表达式为：
Figure RE-GDA0003437687960000086
式中，cdeal为常规燃煤发电的环境成本；
c)系统失负荷成本表达式为Closs：
Figure RE-GDA0003437687960000087
式中，Ωl为负荷节点集，
Figure RE-GDA0003437687960000088
为s场景下t时刻节点m处的失负荷量，ces为电网向用户 售电电价；
d)系统的外送电力收益Fline表达式为：
Figure RE-GDA0003437687960000091
式中，Ωp为外送通道节点集，
Figure RE-GDA0003437687960000092
为s场景下t时刻节n处的外送电量，cline为系统单位 外送电量收益；
2)构建系统运行约束(包括功率平衡约束、静态潮流方程约束及支路潮流约束)、常规 机组约束(包括机组处理约束及爬坡约束)、风电约束、外送容量约束和CVaR风险约束， 具体表达式如下：
a)功率平衡约束，其表达式如下：
Figure RE-GDA0003437687960000093
式中，Ωc为风电集群节点集，
Figure RE-GDA0003437687960000094
为s场景下t时刻节点m处的实际负荷并网量，
Figure RE-GDA0003437687960000095
为s场景下t时刻的风电实际并网功率，等于风电实际出力与弃风电量之差；
b)静态潮流方程约束，其表达式如下：
Figure RE-GDA0003437687960000096
式中，Pinj为节点注入功率矩阵，包括常规机组、风电、外送电及其他负荷等出力，θ为 节点相角矩阵；B为直流潮流支路的导纳矩阵，Pij,t为t时刻流过支路ij的潮流，xij为支路ij 的电抗值；
c)支路潮流约束，其表达式如下：
Pij，t≤Pij，max
式中，Pij,max为支路ij潮流允许的最大值；
d)机组出力约束，其表达式如下：
Figure RE-GDA0003437687960000097
式中，
Figure RE-GDA0003437687960000098
为机组i允许出力下限，
Figure RE-GDA0003437687960000099
为机组i允许出力上限；
e)爬坡约束，其表达式如下：
Figure RE-GDA00034376879600000910
式中，Di、Ui分别为机组i的下爬坡速率和上爬坡速率允许的最大值；
f)风电出力约束，其表达式如下：
Figure RE-GDA0003437687960000101
式中，
Figure RE-GDA0003437687960000102
和
Figure RE-GDA0003437687960000103
分别为节点k的风电出力的上下限值；
g)外送容量约束，其表达式如下：
Figure RE-GDA0003437687960000104
式中，
Figure RE-GDA0003437687960000105
分别为节点n处的外送通道输送容量的上限值；
h)CVaR约束，其表达式如下：
Figure RE-GDA0003437687960000106
Figure RE-GDA0003437687960000107
式中，α即为VaR的值，
Figure RE-GDA0003437687960000108
为辅助变量，其含义为超过VaR的损失值，表示为
Figure RE-GDA0003437687960000109
Figure RE-GDA00034376879600001010
损失函数的具体表达式为f(x,y)＝Foper-Fline，表示系统成本。
S4：考虑BESS，在确定厌恶系数前提下，利用多场景分析法，以系统投资运行成本及 风险成本最小为目标，确定储能的最优容量配置及系统运行策略，步骤如下：
1)在典型风电出力集合下，考虑BESS投资的系统运行成本及风险成本最小的目标函数 的表达式如下：
Figure RE-GDA00034376879600001011
式中，目标函数包括系统等值年运行成本及CVaR成本两部分，xe为储能配置位置的决 策变量，E为储能配置的容量，PN为储能配置的额定功率，Ns为风电出力对应的场景个数， 各场景的概率为π(ws)，L为风险厌恶系数，δ为CVaR的值，Foper为系统的运行费用，主要包 括机组发电费用Coper、环境处理费用Cdeal和失负荷成本Closs，Fline为系统的外送电力收益，包 括系统等值年投资运行成本及CVaR成本两部分，Fs为储能投资运维成本,Bcon为延缓输电设 备升级改造的容量替代效益，具体表达式如下：
a)延缓输电设备升级改造的容量替代效益Bcon表达式为：
Bcon＝λbcbηPN/365
式中，λb为输电设备的年化系数，cb为输电设备的单位容量造价(万元/MW)，η为储能 装置的储能效率，计及了并网设备的损耗和蓄电池的充放电损耗，PN为BESS的额定功率；
b)储能投资运维成本Fs表达式为：
Fs＝(IERE+lPRPN+GEE+GPPN)/365
式中，IE、IP分别为储能电源单位容量、单位功率的投资费用，R为储能设备的等值年化 系数，GE、GP分别为储能电源单位容量、单位功率的运维费用；
2)构建系统运行约束(包括功率平衡约束、静态潮流方程约束及支路潮流约束)、常规 机组约束(包括机组处理约束及爬坡约束)、风电约束、外送容量约束、储能规划运行约束 (包括储能配置容量及功率的上下限约束，储能的充放电状态约束、充放电功率限制约束以 及容量限制约束)和CVaR风险约束，具体表达式如下:
a)功率平衡约束，其表达式如下：
Figure RE-GDA0003437687960000111
式中，Ωe为BESS待选点集合，θc为风电集群节点集，
Figure RE-GDA0003437687960000112
为s场景下t时刻节点m处的实际负荷并网量，
Figure RE-GDA0003437687960000113
为s场景下t时刻的风电实际并网功率，等于风电实际出力与弃风 电量之差，
Figure RE-GDA0003437687960000114
为s场景下储能实际出力，为储能放电功率与充电功率之差；
b)静态潮流方程约束，其表达式如下：
Figure RE-GDA0003437687960000115
式中，Pinj为节点注入功率矩阵，包括常规机组、风电、外送电、储能及其他负荷等出力， θ为节点相角矩阵，B为直流潮流支路的导纳矩阵，Pij,t为t时刻流过支路ij的潮流，xij为支路 ij的电抗值；
c)支路潮流约束，其表达式如下：
Pij，t≤Pij，max
式中，Pij,max为支路ij潮流允许的最大值；
d)机组出力约束，其表达式如下：
Figure RE-GDA0003437687960000116
式中，
Figure RE-GDA0003437687960000121
为机组i允许出力下限，
Figure RE-GDA0003437687960000122
为机组i允许出力上限；
e)爬坡约束，其表达式如下：
Figure RE-GDA0003437687960000123
式中，Di、Ui分别为机组i的下爬坡速率和上爬坡速率允许的最大值；
f)风电出力约束，其表达式如下：
Figure RE-GDA0003437687960000124
式中，
Figure RE-GDA0003437687960000125
和
Figure RE-GDA0003437687960000126
分别为节点k的风电出力的上下限值；
g)外送容量约束，其表达式如下：
Figure RE-GDA0003437687960000127
式中，
Figure RE-GDA0003437687960000128
分别为节点n处的外送通道输送容量的上限值；
h)CVaR约束，其表达式如下：
Figure RE-GDA0003437687960000129
Figure RE-GDA00034376879600001210
式中，α即为VaR的值，
Figure RE-GDA00034376879600001211
为辅助变量，其含义为超过VaR的损失值，表示为
Figure RE-GDA00034376879600001212
Figure RE-GDA00034376879600001213
损失函数的具体表达式为f(x,y)＝Fs+Foper-Bcon-Fline，表示系统成本；
i)储能配置容量及功率的上下限约束，其表达式如下：
Figure RE-GDA00034376879600001214
式中，nj为0-1变量，
Figure RE-GDA00034376879600001215
和
Figure RE-GDA00034376879600001216
分别为节点j处BESS允许接入的最小和最大储能功 率，Ej,min和Ej,max分别为节点j处BESS允许接入的最小和最大储能容量；
j)储能的充放电状态约束，其表达式如下：
βj,t,ESSc+βj,t,ESSd≤nj
式中，nj＝1表示第j个节点接入BESS，nj＝0表示第j个节点不接入BESS，βj,t,ESSc和βj,t,ESSd分别为t时段节点j处BESS的充电状态和放电状态，取值为0或1，限定BESS 的运行状态只能为充电状态、放电状态或不充放电状态中的一种；
k)充放电功率限制约束，其表达式如下：
Figure RE-GDA0003437687960000131
式中，Pessc,j,i为t时刻节点j处BESS充电功率，Pessc,j,t为t时刻节点j处BESS放电功率；
l)BESS容量限制约束，其表达式如下：
Figure RE-GDA0003437687960000132
式中:EESS,j,t为t时段节点j处BESS的储能容量，μESSc为BESS充电效率系数，μESSd为BESS放电效率系数。
S5：考虑BESS，得到风险厌恶系数与储能配置的关系，步骤如下：
1)调整目标函数中
Figure RE-GDA0003437687960000133
的风险 厌恶系数L，以系统投资运行成本及风险成本最小为目标，求解储能系统的最优容量配置及系 统运行策略；
2)根据上述结果，分析风险厌恶系数与储能优化配置的关系，根据实际需求选取合适的 分析厌恶系数。

Claims (6)

1.计及风电外送及投资风险的储能系统容量规划方法，所述方法包括步骤：
S1：采用场景分析法处理风电不确定性，获得典型气象场景集合；
S2：选取合适的方法度量风电不确定性给储能规划带来的风险；
S3：不考虑BESS，利用多场景分析法，以系统运行成本及风险成本最小为目标，确定系统的运行策略；
S4：考虑BESS，在确定厌恶系数前提下，利用多场景分析法，以系统投资运行成本及风险成本最小为目标，确定储能的最优容量配置及系统运行策略；
S5：考虑BESS，得到风险厌恶系数与储能配置的关系。
2.根据权利要求1中所述的计及风电外送及投资风险的储能系统容量规划方法，其特征在于，所述步骤S1中，所述气象场景指风力发电有功出力，采用的场景分析法具体为：考虑风电出力的场景集为w＝{ws,s＝1,2,…,Ns}，其中Ns为风电出力对应的场景个数，各场景的概率为π(ws)，将随机规划问题转变为确定性优化问题。
3.根据权利要求1中所述的计及风电外送及投资风险的储能系统容量规划方法，其特征在于，所述步骤S2中，所述度量风电资源不确定性给储能规划带来的风险的步骤如下：
1)采用CVaR作为风电资源不确定性给储能规划带来的风险投资风险评估的工具；
2)将CVaR以平均风险损失的形式与目标函数相结合，即将CVaR以乘以一个风险厌恶系数的形式加入目标函数中，表达式如下：
Figure FDA0003292730690000011
式中，xe为储能配置位置的决策变量，E为储能配置的容量，PN为储能配置的额定功率，f(x,y)为损失函数表示系统成本，L为风险厌恶系数，δ为CVaR的值，其中CVaR的值δ可表示为以下形式：
Figure FDA0003292730690000012
式中，α即为VaR的值，β为置信度，
Figure FDA0003292730690000013
为引入的辅助变量；
3)为了便于计算，需对CVaR度量项进行线性化处理，可将辅助变量δ松弛为以下两个不等式，从而将CVaR转化为线性问题进行优化求解，表达式如下：
Figure FDA0003292730690000021
Figure FDA0003292730690000022
式中，
Figure FDA0003292730690000023
4.根据权利要求1中所述的计及风电外送及投资风险的储能系统容量规划方法，其特征在于，所述步骤S3中，以系统运行成本及风险成本最小为目标，确定系统的运行策略的步骤如下：
1)在典型风电出力集合下，系统运行成本及风险成本最小的目标函数如下：
包括系统等值年运行成本及CVaR成本两部分，其中系统等值年运行成本包括机组发电费用、环境处理费用、失负荷成本及系统的外送电力收益；
2)构建系统运行约束、常规机组约束、风电约束、外送容量约束和CVaR风险约束。
5.根据权利要求1中所述的计及风电外送及投资风险的储能系统容量规划方法，其特征在于，所述步骤S4中，以系统投资运行成本及风险成本最小为目标，确定系统的投资运行策略的步骤如下：
1)典型风电出力集合下，考虑BESS的系统运行成本及风险成本最小的目标函数如下：
包括系统等值年投资运行成本及CVaR成本两部分，其中系统等值年投资运行成本包括储能的投资运维成本、储能延缓输电设备升级改造的容量替代效益、机组发电费用、环境处理费用、失负荷成本及系统、外送电力收益；
2)考虑BESS的系统运行成本及风险成本最小的约束条件包括上述：储能配置容量及功率的上下限约束，储能的充放电状态约束、充放电功率限制约束以及容量限制约束。
6.根据权利要求1中所述的计及风电外送及投资风险的储能系统容量规划方法，其特征在于，所述步骤S5中，不同厌恶系数下，以系统投资运行成本及风险成本最小为目标，得到风险厌恶系数与储能优化配置的关系的步骤如下：
1)选取一系列风险厌恶系数，以系统投资运行成本及风险成本最小为目标，求解储能系统的最优容量配置及系统运行策略；
2)根据上述结果，分析风险厌恶系数与储能优化配置的关系，根据实际需求选取合适的分析厌恶系数。
CN202111169910.9A 2021-10-08 2021-10-08 计及风电外送及投资风险的储能系统容量规划方法 Pending CN114004390A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111169910.9A CN114004390A (zh) 2021-10-08 2021-10-08 计及风电外送及投资风险的储能系统容量规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111169910.9A CN114004390A (zh) 2021-10-08 2021-10-08 计及风电外送及投资风险的储能系统容量规划方法

Publications (1)

Publication Number Publication Date
CN114004390A true CN114004390A (zh) 2022-02-01

Family

ID=79922307

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111169910.9A Pending CN114004390A (zh) 2021-10-08 2021-10-08 计及风电外送及投资风险的储能系统容量规划方法

Country Status (1)

Country Link
CN (1) CN114004390A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116342069A (zh) * 2023-04-04 2023-06-27 深圳市智越盛电子科技有限公司 一种对超级电容进行综合评估的投放管理系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116342069A (zh) * 2023-04-04 2023-06-27 深圳市智越盛电子科技有限公司 一种对超级电容进行综合评估的投放管理系统
CN116342069B (zh) * 2023-04-04 2024-05-28 深圳市智越盛电子科技有限公司 一种对超级电容进行综合评估的投放管理系统

Similar Documents

Publication Publication Date Title
CN109325608B (zh) 考虑储能并计及光伏随机性的分布式电源优化配置方法
CN107732949B (zh) 一种综合风电全年多季节特性的储能布点定容方法
Hashem et al. Optimal placement and sizing of wind turbine generators and superconducting magnetic energy storages in a distribution system
CN110350518B (zh) 一种用于调峰的电网储能容量需求评估方法及系统
CN110661301B (zh) 一种水光蓄多能互补发电系统的容量配置优化方法
CN103326388A (zh) 基于功率预测的微电网储能系统及容量配置方法
CN114977320A (zh) 一种配电网源网荷储多目标协同规划方法
Linlin et al. Research on multi-objective reactive power optimization of power grid with high proportion of new energy
Sun et al. Review on pumped storage power station in high proportion renewable energy power system
CN114004390A (zh) 计及风电外送及投资风险的储能系统容量规划方法
Ma et al. Coordination of generation and transmission planning for power system with large wind farms
SUN et al. Optimal placement and sizing of grid-scale energy storage in distribution networks with security constrains
CN114188980B (zh) 一种考虑储能装置的透明微网群经济运行域生成方法
Han et al. Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation
CN116014797A (zh) 一种配网新能源接纳能力提升的评估方法
CN115564142A (zh) 一种混合储能系统的选址定容优化方法及系统
CN109615193A (zh) 一种考虑光伏与混合储能的综合能源系统规划方法
CN113471995B (zh) 一种提升新能源高占比区域频率稳定性的储能配置方法
Wang et al. Benefits analysis of energy storage system configured on the renewable energy gathering stations
Zhu et al. Capacity optimization configuration of wind farm energy storage system based on life cycle economic analysis
CN114722615A (zh) 一种基于生产运营模拟的储能容量优化配置方法
Yang et al. Collaborative optimization of wind-solar-storage configuration in county distribution network considering near-zero carbon emission
CN113013909A (zh) 一种基于平抑牵引的储能容量改进方法
CN106253356A (zh) 基于储能电量价值评估的交直流混合微网实时经济调度法
Ntomalis et al. Optimal siting of BESS in distribution networks under high wind power penetration

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication