CN114094608A - 一种面向光伏电站的多类型储能容量优化配置方法及装置 - Google Patents

一种面向光伏电站的多类型储能容量优化配置方法及装置 Download PDF

Info

Publication number
CN114094608A
CN114094608A CN202111398627.3A CN202111398627A CN114094608A CN 114094608 A CN114094608 A CN 114094608A CN 202111398627 A CN202111398627 A CN 202111398627A CN 114094608 A CN114094608 A CN 114094608A
Authority
CN
China
Prior art keywords
energy storage
capacity
storage device
representing
objective function
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
CN202111398627.3A
Other languages
English (en)
Other versions
CN114094608B (zh
Inventor
赵静波
贾勇勇
周前
朱宇萌
朱鑫要
李文博
徐珂
解兵
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.)
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
State Grid Jiangsu Electric Power Co Ltd
Electric Power Research Institute of State Grid Jiangsu Electric Power 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 State Grid Jiangsu Electric Power Co Ltd, Electric Power Research Institute of State Grid Jiangsu Electric Power Co Ltd filed Critical State Grid Jiangsu Electric Power Co Ltd
Priority to CN202111398627.3A priority Critical patent/CN114094608B/zh
Publication of CN114094608A publication Critical patent/CN114094608A/zh
Application granted granted Critical
Publication of CN114094608B publication Critical patent/CN114094608B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • H02J3/002—Flicker reduction, e.g. compensation of flicker introduced by non-linear load
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • 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
    • H02J3/30—Arrangements for balancing of the load in a network by storage of energy using dynamo-electric machines coupled to flywheels
    • 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
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H02J7/345—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering using capacitors as storage or buffering devices
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/16—Mechanical energy storage, e.g. flywheels or pressurised fluids
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Nonlinear Science (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本申请涉及配电网优化技术领域，公开了一种面向光伏电站的多类型储能容量优化配置方法及装置。在该方法中，首先获取多类型储能系统的充放电模型，然后在所述充放电模型的基础上，建立经济性目标函数和运行特性目标函数，进一步建立多目标优化函数，最后根据所述充放电模型、所述多目标优化函数和优化约束条件，确定容量优化配置模型，对多类型储能系统进行容量优化配置。本申请采用三种储能混合的方式，建立兼顾经济性和运行特性的多类型储能系统的容量优化配置模型，充分发挥了不同储能的优势和它们之间的互补特性，提升各储能装置的利用效率，实现对光伏的消纳，有效改善电能质量，提高多类型储能系统经济性和稳定性。

Description

一种面向光伏电站的多类型储能容量优化配置方法及装置
技术领域
本申请涉及配电网优化技术领域，尤其涉及一种面向光伏电站的多类型储能容量优化配置方法及装置。
背景技术
光伏(Photovoltaic，PV)发电易受光照等自然环境条件影响产生波动，破坏系统的运行稳定性，使得电网的电能质量下降。在光伏电站配置一定的储能装置可以提高光伏渗透率，很好地平仰光伏发电的波动性。目前电网中主要采用的储能装置是蓄电池，但这种单一的储能方式在性能和经济性方面都存在劣势。
与此同时，新型储能技术日益成熟，采用多类型储能系统(Hybrid EnergyStorage System,HESS)能够增大系统总性能，使系统兼备更长循环寿命和更卓越放电性能，但是现有技术中，面向光伏电站的多类型储能系统存在年均成本较高、储能装置利用效率较低的问题。
发明内容
本申请公开了一种面向光伏电站的多类型储能容量优化配置方法及装置，用于解决现有技术中，面向光伏电站的多类型储能系统存在年均成本较高、储能装置利用效率较低的技术问题。
本申请第一方面公开了一种面向光伏电站的多类型储能容量优化配置方法，包括：
获取预先构建的多类型储能系统的充放电模型，所述充放电模型基于储能装置的充放电特性建立，用于确定所述储能装置的容量、所述储能装置的实时功率、所述储能装置的额定功率和所述储能装置的额定容量，其中，所述储能装置包括蓄电池储能、飞轮储能和超级电容储能；
根据所述充放电模型，以年均成本最小为目标建立经济性目标函数，以储能装置功率偏差和负荷峰谷差最小为目标建立运行特性目标函数；
根据所述经济性目标函数和所述运行特性目标函数，建立多目标优化函数；
根据所述充放电模型、所述多目标优化函数和预先确定的优化约束条件，确定容量优化配置模型，用于对所述多类型储能系统进行容量优化配置，其中，所述优化约束条件基于储能装置的运行特征建立，包括供需平衡约束、荷电状态约束和功率约束。
可选的，所述充放电模型包括充电模型和放电模型，其中，所述充电模型为多类型储能系统在充电时，所述储能装置的容量与所述储能装置的实时功率的的关系模型；所述放电模型为多类型储能系统在放电时，所述储能装置的容量与所述储能装置的实时功率的的关系模型。
可选的，所述充电模型通过如下公式构建：
Eb(t)＝Eb(t-1)+Pb(t)Δt·ηbc；
Ef(t)＝Ef(t-1)+Pf(t)Δt·ηfc；
Ec(t)＝Ec(t-1)+Pc(t)Δt·ηcc；
其中，Eb(t)表示蓄电池储能在t时刻的容量；Ef(t)表示飞轮储能在t时刻的容量；Ec(t)表示超级电容储能在t时刻的容量；Eb(t-1)表示蓄电池储能在t-1时刻的容量；Ef(t-1)表示飞轮储能在t-1时刻的容量；Ec(t-1)表示超级电容储能在t-1时刻的容量；Pb(t)表示蓄电池储能在t时刻的实时功率；Pf(t)表示飞轮储能在t时刻的实时功率；Pc(t)表示超级电容储能在t时刻的实时功率；Δt表示预设的采样时间间隔；ηbc表示预设的蓄电池储能的充电效率；ηfc表示预设的飞轮储能的充电效率；ηcc表示预设的超级电容储能的充电效率。
可选的，所述放电模型通过如下公式构建：
Eb(t)＝Eb(t-1)+Pb(t)Δt/ηbd；
Ef(t)＝Ef(t-1)+Pf(t)Δt/ηfd；
Ec(t)＝Ec(t-1)+Pc(t)Δt/ηcd；
其中，Eb(t)表示蓄电池储能在t时刻的容量；Ef(t)表示飞轮储能在t时刻的容量；Ec(t)表示超级电容储能在t时刻的容量；Eb(t-1)表示蓄电池储能在t-1时刻的容量；Ef(t-1)表示飞轮储能在t-1时刻的容量；Ec(t-1)表示超级电容储能在t-1时刻的容量；Pb(t)表示蓄电池储能在t时刻的实时功率；Pf(t)表示飞轮储能在t时刻的实时功率；Pc(t)表示超级电容储能在t时刻的实时功率；Δt表示预设的采样时间间隔；ηbd表示预设的蓄电池储能的放电效率；ηfd表示预设的飞轮储能的放电效率；ηcd表示预设的超级电容储能的放电效率。
可选的，所述储能装置的额定功率通过如下公式确定：
Pn＝max|P*(t)|；
Figure BDA0003364382270000021
其中，Pn表示储能装置的额定功率；P*(t)表示储能装置在t时刻的需求功率；P(t)表示储能装置的实时功率；ηc表示预设的储能装置的充电效率；ηd表示预设的储能装置的放电效率。
可选的，所述储能装置的额定容量通过如下公式确定：
Figure BDA0003364382270000031
其中，En表示储能装置的额定容量；E(t)表示储能装置在t时刻的容量；kmax.soc表示预设的储能装置荷电状态的最大值；kmin.soc表示预设的储能装置荷电状态的最小值。
可选的，所述以年均成本最小为目标建立经济性目标函数，包括：
所述经济性目标函数通过如下公式确定：
C1＝min(F1+F2+F3+F4)；
其中，C1表示所述经济性目标函数；F1表示预设的建设投资成本目标函数；F2表示预设的运行维护成本目标函数；F3表示预设的储能装置更换成本目标函数；F4表示预设的传统发电厂发电成本目标函数。
可选的，所述以储能装置功率偏差和负荷峰谷差最小为目标建立运行特性目标函数，包括：
所述运行特性目标函数通过如下公式确定：
C2＝min(M1+M2)；
其中，C2表示所述运行特性目标函数；M1表示储能装置功率偏差目标函数；M2表示负荷峰谷差目标函数。
可选的，所述根据所述经济性目标函数和所述运行特性目标函数，建立多目标优化函数包括：
所述多目标优化函数通过如下公式建立：
C＝min(α1C1+α2C2)；
其中，C表示所述多目标优化函数；C1表示所述经济性目标函数；C2表示所述运行特性目标函数；α1表示预设的第一权重系数；α2表示预设的第二权重系数。
本申请第二方面公开了一种面向光伏电站的多类型储能容量优化配置装置，所述面向光伏电站的多类型储能容量优化配置装置应用于本申请第一方面公开的面向光伏电站的多类型储能容量优化配置方法，所述面向光伏电站的多类型储能容量优化配置装置包括：
充放电模型获取模块，用于获取预先构建的多类型储能系统的充放电模型，所述充放电模型基于储能装置的充放电特性建立，用于确定所述储能装置的容量、所述储能装置的实时功率、所述储能装置的额定功率和所述储能装置的额定容量，其中，所述储能装置包括蓄电池储能、飞轮储能和超级电容储能；
子目标函数建立模块，用于根据所述充放电模型，以年均成本最小为目标建立经济性目标函数，以储能装置功率偏差和负荷峰谷差最小为目标建立运行特性目标函数；
总目标函数建立模块，用于根据所述经济性目标函数和所述运行特性目标函数，建立多目标优化函数；
容量优化配置模块，用于根据所述充放电模型、所述多目标优化函数和预先确定的优化约束条件，确定容量优化配置模型，用于对所述多类型储能系统进行容量优化配置，其中，所述优化约束条件基于储能装置的运行特征建立，包括供需平衡约束、荷电状态约束和功率约束。
可选的，所述充放电模型包括充电模型和放电模型，其中，所述充电模型为多类型储能系统在充电时，所述储能装置的容量与所述储能装置的实时功率的的关系模型；所述放电模型为多类型储能系统在放电时，所述储能装置的容量与所述储能装置的实时功率的的关系模型。
可选的，所述充放电模型获取模块包括：
充电模型确定单元，用于通过如下公式构建所述充电模型：
Eb(t)＝Eb(t-1)+Pb(t)Δt·ηbc；
Ef(t)＝Ef(t-1)+Pf(t)Δt·ηfc；
Ec(t)＝Ec(t-1)+Pc(t)Δt·ηcc；
其中，Eb(t)表示蓄电池储能在t时刻的容量；Ef(t)表示飞轮储能在t时刻的容量；Ec(t)表示超级电容储能在t时刻的容量；Eb(t-1)表示蓄电池储能在t-1时刻的容量；Ef(t-1)表示飞轮储能在t-1时刻的容量；Ec(t-1)表示超级电容储能在t-1时刻的容量；Pb(t)表示蓄电池储能在t时刻的实时功率；Pf(t)表示飞轮储能在t时刻的实时功率；Pc(t)表示超级电容储能在t时刻的实时功率；Δt表示预设的采样时间间隔；ηbc表示预设的蓄电池储能的充电效率；ηfc表示预设的飞轮储能的充电效率；ηcc表示预设的超级电容储能的充电效率。
可选的，所述充放电模型获取模块包括：
放电模型确定单元，用于通过如下公式构建所述放电模型：
Eb(t)＝Eb(t-1)+Pb(t)Δt/ηbd；
Ef(t)＝Ef(t-1)+Pf(t)Δt/ηfd；
Ec(t)＝Ec(t-1)+Pc(t)Δt/ηcd；
其中，Eb(t)表示蓄电池储能在t时刻的容量；Ef(t)表示飞轮储能在t时刻的容量；Ec(t)表示超级电容储能在t时刻的容量；Eb(t-1)表示蓄电池储能在t-1时刻的容量；Ef(t-1)表示飞轮储能在t-1时刻的容量；Ec(t-1)表示超级电容储能在t-1时刻的容量；Pb(t)表示蓄电池储能在t时刻的实时功率；Pf(t)表示飞轮储能在t时刻的实时功率；Pc(t)表示超级电容储能在t时刻的实时功率；Δt表示预设的采样时间间隔；ηbd表示预设的蓄电池储能的放电效率；ηfd表示预设的飞轮储能的放电效率；ηcd表示预设的超级电容储能的放电效率。
可选的，所述充放电模型获取模块包括：
额定功率确定单元，用于通过如下公式确定所述储能装置的额定功率：
Pn＝max|P*(t)|；
Figure BDA0003364382270000051
其中，Pn表示储能装置的额定功率；P*(t)表示储能装置在t时刻的需求功率；P(t)表示储能装置的实时功率；ηc表示预设的储能装置的充电效率；ηd表示预设的储能装置的放电效率。
可选的，所述充放电模型获取模块包括：
额定容量确定单元，用于通过如下公式确定所述储能装置的额定容量：
Figure BDA0003364382270000052
其中，En表示储能装置的额定容量；E(t)表示储能装置在t时刻的容量；kmax.soc表示预设的储能装置荷电状态的最大值；kmin.soc表示预设的储能装置荷电状态的最小值。
可选的，所述子目标函数建立模块包括：
经济性目标函数确定单元，用于通过如下公式确定所述经济性目标函数：
C1＝min(F1+F2+F3+F4)；
其中，C1表示所述经济性目标函数；F1表示预设的建设投资成本目标函数；F2表示预设的运行维护成本目标函数；F3表示预设的储能装置更换成本目标函数；F4表示预设的传统发电厂发电成本目标函数。
可选的，所述子目标函数建立模块包括：
运行特性目标函数确定单元，用于通过如下公式确定所述运行特性目标函数：
C2＝min(M1+M2)；
其中，C2表示所述运行特性目标函数；M1表示储能装置功率偏差目标函数；M2表示负荷峰谷差目标函数。
可选的，总目标函数建立模块包括：
多目标优化函数确定单元，用于通过如下公式建立所述多目标优化函数：
C＝min(α1C1+α2C2)；
其中，C表示所述多目标优化函数；C1表示所述经济性目标函数；C2表示所述运行特性目标函数；α1表示预设的第一权重系数；α2表示预设的第二权重系数。
本申请涉及配电网优化技术领域，公开了一种面向光伏电站的多类型储能容量优化配置方法及装置。在该方法中，首先获取多类型储能系统的充放电模型，然后在所述充放电模型的基础上，建立经济性目标函数和运行特性目标函数，进一步建立多目标优化函数，最后根据所述充放电模型、所述多目标优化函数和优化约束条件，确定容量优化配置模型，对多类型储能系统进行容量优化配置。本申请采用三种储能混合的方式，建立兼顾经济性和运行特性的多类型储能系统的容量优化配置模型，充分发挥了不同储能的优势和它们之间的互补特性，提升各储能装置的利用效率，实现对光伏的消纳，有效改善电能质量，提高多类型储能系统经济性和稳定性。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种面向光伏电站的多类型储能容量优化配置方法的工作流程示意图；
图2为本申请实施例公开的一种面向光伏电站的多类型储能容量优化配置方法中，多类型储能系统仿真示例的结构示意图；
图3为本申请实施例公开的一种面向光伏电站的多类型储能容量优化配置方法中，仿真示例春分场景下的容量配置结果示意图；
图4为本申请实施例公开的一种面向光伏电站的多类型储能容量优化配置方法中，仿真示例夏至场景下的容量配置结果示意图；
图5为本申请实施例公开的一种面向光伏电站的多类型储能容量优化配置方法中，仿真示例秋分场景下的容量配置结果示意图；
图6为本申请实施例公开的一种面向光伏电站的多类型储能容量优化配置方法中，仿真示例冬至场景下的容量配置结果示意图；
图7为本申请实施例公开的一种面向光伏电站的多类型储能容量优化配置装置的结构示意图。
具体实施方式
为了解决现有技术中，面向光伏电站的多类型储能系统存在年均成本较高、储能装置利用效率较低的技术问题，本申请通过以下两个实施例公开了一种面向光伏电站的多类型储能容量优化配置方法及装置。
本申请第一实施例公开了一种面向光伏电站的多类型储能容量优化配置方法，参见图1所示的工作流程示意图，所述多类型储能容量优化配置方法包括：
步骤S101，获取预先构建的多类型储能系统的充放电模型，所述充放电模型基于储能装置的充放电特性建立，用于确定所述储能装置的容量、所述储能装置的实时功率、所述储能装置的额定功率和所述储能装置的额定容量，其中，所述储能装置包括蓄电池储能、飞轮储能和超级电容储能。
本实施例采用多类型储能的方式，能够充分发挥蓄电池低成本、大容量优势以及飞轮和超级电容充放电的灵活性与快速响应的特点，相比单一的储能方式，能更好地进行光伏消纳，电能质量得到大幅提高。
在本申请的部分实施例中，所述充放电模型包括充电模型和放电模型，其中，所述充电模型为多类型储能系统在充电时，所述储能装置的容量与所述储能装置的实时功率的的关系模型。所述放电模型为多类型储能系统在放电时，所述储能装置的容量与所述储能装置的实时功率的的关系模型。
所述充电模型和所述放电模型用于表示多类型储能系统在充电和放电时，储能装置在t时间点和t-1时间点时的容量与充电功率的关系。
在本申请的部分实施例中，所述充电模型通过如下公式构建：
Eb(t)＝Eb(t-1)+Pb(t)Δt·ηbc；
Ef(t)＝Ef(t-1)+Pf(t)Δt·ηfc；
Ec(t)＝Ec(t-1)+Pc(t)Δt·ηcc；
其中，Eb(t)表示蓄电池储能在t时刻的容量；Ef(t)表示飞轮储能在t时刻的容量；Ec(t)表示超级电容储能在t时刻的容量；Eb(t-1)表示蓄电池储能在t-1时刻的容量；Ef(t-1)表示飞轮储能在t-1时刻的容量；Ec(t-1)表示超级电容储能在t-1时刻的容量；Pb(t)表示蓄电池储能在t时刻的实时功率；Pf(t)表示飞轮储能在t时刻的实时功率；Pc(t)表示超级电容储能在t时刻的实时功率；Δt表示预设的采样时间间隔，预先根据实际应用场景进行确定；ηbc表示预设的蓄电池储能的充电效率，预先根据实际应用场景进行确定；ηfc表示预设的飞轮储能的充电效率，预先根据实际应用场景进行确定；ηcc表示预设的超级电容储能的充电效率，预先根据实际应用场景进行确定。
在本申请的部分实施例中，所述放电模型通过如下公式构建：
Eb(t)＝Eb(t-1)+Pb(t)Δt/ηbd；
Ef(t)＝Ef(t-1)+Pf(t)Δt/ηfd；
Ec(t)＝Ec(t-1)+Pc(t)Δt/ηcd；
其中，Eb(t)表示蓄电池储能在t时刻的容量；Ef(t)表示飞轮储能在t时刻的容量；Ec(t)表示超级电容储能在t时刻的容量；Eb(t-1)表示蓄电池储能在t-1时刻的容量；Ef(t-1)表示飞轮储能在t-1时刻的容量；Ec(t-1)表示超级电容储能在t-1时刻的容量；Pb(t)表示蓄电池储能在t时刻的实时功率；Pf(t)表示飞轮储能在t时刻的实时功率；Pc(t)表示超级电容储能在t时刻的实时功率；Δt表示预设的采样时间间隔；ηbd表示预设的蓄电池储能的放电效率，预先根据实际应用场景进行确定；ηfd表示预设的飞轮储能的放电效率，预先根据实际应用场景进行确定；ηcd表示预设的超级电容储能的放电效率，预先根据实际应用场景进行确定。
在本申请的部分实施例中，所述储能装置的额定功率通过如下公式确定：
Pn＝max|P*(t)|；
Figure BDA0003364382270000081
其中，Pn表示储能装置的额定功率；P*(t)表示储能装置在t时刻的需求功率；P(t)表示储能装置的实时功率；ηc表示预设的储能装置的充电效率，预先根据实际应用场景进行确定；ηd表示预设的储能装置的放电效率，预先根据实际应用场景进行确定。
在本申请的部分实施例中，所述储能装置的额定容量通过如下公式确定：
Figure BDA0003364382270000091
其中，En表示储能装置的额定容量；E(t)表示储能装置在t时刻的容量；kmax.soc表示预设的储能装置荷电状态的最大值，预先根据实际应用场景进行确定；kmin.soc表示预设的储能装置荷电状态的最小值，预先根据实际应用场景进行确定。
步骤S102，根据所述充放电模型，以年均成本最小为目标建立经济性目标函数，以储能装置功率偏差和负荷峰谷差最小为目标建立运行特性目标函数。
具体来说，结合三种储能装置特性，以年均成本、储能装置功率偏差和负荷峰谷差最小为目标，建立多目标优化函数。
以多类型储能系统的年均成本最小为优化目标，基于多类型储能系统的初始投资成本、运行维护成本和更换成本建立经济性目标函数
在本申请的部分实施例中，所述以年均成本最小为目标建立经济性目标函数，包括：
所述经济性目标函数通过如下公式确定：
C1＝min(F1+F2+F3+F4)；
其中，C1表示所述经济性目标函数；F1表示预设的建设投资成本目标函数；F2表示预设的运行维护成本目标函数；F3表示预设的储能装置更换成本目标函数；F4表示预设的传统发电厂发电成本目标函数。
具体来说，考虑到储能设备的折旧率，三种储能的建设投资成本目标函数F1通过如下公式确定：
F1＝Rre(βbPnb+βcPnc+βfPnf+γbEnb+γcEnc+γfEnf)；
Figure BDA0003364382270000092
其中，Rre表示折旧率，预先根据实际应用场景进行确定；IntRate表示利率，本实施例取0.03；Ny表示全寿命周期，本实施例取20，单位为年；βb、βc、βf分别表示蓄电池储能、超级电容储能、飞轮储能的功率成本系数，均预先根据实际应用场景进行确定；Pnb、Pnc、Pnf分别表示蓄电池储能、超级电容储能、飞轮储能的额定功率；γb、γc、γf分别表示蓄电池储能、超级电容储能、飞轮储能的容量成本系数，均预先根据实际应用场景进行确定；Enb、Enc、Enf分别表示蓄电池储能、超级电容储能、飞轮储能的容量。
运行维护成本目标函数F2通过如下公式确定：
F2＝kbγbEnb+kfγfEnf+kcγcEnc；
其中，kb、kf、kc分别表示蓄电池储能、飞轮储能、超级电容储能的年均维护成本系数，均预先根据实际应用场景进行确定。
储能装置更换成本目标函数F3通过如下公式确定：
F3＝εbγbEnb+εfγfEnf+εcγcEnc；
其中，εb、εf、εc分别表示蓄电池储能、飞轮储能、超级电容储能的更换成本系数，均预先根据实际应用场景进行确定。
若光伏的发容量和多类型储能系统供电容量均难以满足用户侧负荷需求，需要传统发电厂给系统提供一定电力支撑以保证系统可以稳定运行。本实施例以春分、夏至、秋分和冬至为四个典型场景，将传统发电厂向多类型储能系统年均发电成本目标函数F4定义为：
Figure BDA0003364382270000101
其中，Di表示每一场景的总天数；Ptr,i表示每一场景每天t时刻传统发电厂向多类型储能系统发电的功率；Tt表示传统发电厂发电的分时电价，预先根据实际应用场景进行确定。
在本申请的部分实施例中，所述以储能装置功率偏差和负荷峰谷差最小为目标建立运行特性目标函数，包括：
所述运行特性目标函数通过如下公式确定：
C2＝min(M1+M2)；
其中，C2表示所述运行特性目标函数；M1表示储能装置功率偏差目标函数；M2表示负荷峰谷差目标函数。
具体来说，为提高储能装置的利用效率，同时为避免出现能量过剩现象，希望储能装置功率偏移即储能额定功率与实时功率之间的差值尽量小，因此定义储能装置功率偏差目标函数M1为：
Figure BDA0003364382270000102
为了解决系统负荷峰谷差值过大的问题，将负荷峰谷差作为一个优化目标，建立负荷峰谷差目标函数M2为：
M2＝max(Ps(1),Ps(2),Ps(3),…,Ps(24))-min(Ps(1),Ps(2),Ps(3),…,Ps(24))；
Ps(t)＝Pload(t)-Ppv(t)+Pb(t)+Pf(t)+Pc(t)；
其中，Ps(t)表示多类型储能系统在t时刻经过调整后的有功负荷。
除了消纳光伏，削峰填谷也是多类型储能系统的一个重要功能，通过最小化峰谷差，能够保证负载的平稳性，从而获得更多削峰填谷收益。
步骤S103，根据所述经济性目标函数和所述运行特性目标函数，建立多目标优化函数。
具体来说，结合三种储能装置特性，以年均成本、储能功率偏差和负荷峰谷差最小为目标，建立多目标优化函数。
在本申请的部分实施例中，所述根据所述经济性目标函数和所述运行特性目标函数，建立多目标优化函数包括：
所述多目标优化函数通过如下公式建立：
C＝min(α1C1+α2C2)；
其中，C表示所述多目标优化函数；C1表示所述经济性目标函数；C2表示所述运行特性目标函数；α1表示预设的第一权重系数，预先根据实际应用场景进行确定；α2表示预设的第二权重系数，预先根据实际应用场景进行确定。
本实施例基于不同储能的特性和它们之间的互补性，建立兼顾经济性和运行特性的多类型储能系统容量优化配置模型，有效降低系统的年均成本，提高储能装置的利用效率，达到很好的削峰填谷效果，提高多类型储能系统的优越性。
步骤S104，根据所述充放电模型、所述多目标优化函数和预先确定的优化约束条件，确定容量优化配置模型，用于对所述多类型储能系统进行容量优化配置，其中，所述优化约束条件基于储能装置的运行特征建立，包括供需平衡约束、荷电状态约束和功率约束。
具体来说，基于不同储能设备的运行特性，建立供需平衡约束、荷电状态约束和功率约束等优化约束条件，得到最终的容量优化配置模型，对多类型储能系统进行容量优化配置。
所述供需平衡约束通过如下公式确定：
Ppv(t)+Pc(t)+Pf(t)+Pb(t)+Ptr(t)＝Pload(t)；
其中，Ppv(t)表示光伏设备在t时刻的的输出功率；Pload(t)表示多类型储能系统在t时刻的的负荷。
为延长储能装置的寿命，储能装置不过充过放，需要在一定的荷电安全范围进行工作，因此多类型储能系统的荷电状态约束为：
SOCb.min≤SOCb(t)≤SOCb.max；
SOCf.min≤SOCf(t)≤SOCf.max；
SOCc.min≤SOCc(t)≤SOCc.max；
其中，SOCb(t)、SOCc(t)、SOCf(t)分别表示蓄电池储能、超级电容储能、飞轮储能在t时刻的荷电状态；SOCb.min、SOCc.min、SOCf.min分别表示蓄电池储能、超级电容储能、飞轮储能的最小荷电状态均预先根据实际应用场景进行确定；SOCb.max、SOCc.max、SOCf.max分别表示蓄电池储能、超级电容储能、飞轮储能的最大荷电状态，均预先根据实际应用场景进行确定。
储能装置的充、放电功率在一定范围内可调，但不能同时充电又放电，因此需要满足一定的功率约束，功率约束通过如下公式确定：
Figure BDA0003364382270000121
其中，Emax和Emin分别表示储能装置实时容量的最大值和最小值，均预先根据实际应用场景进行确定。
本申请上述实施例公开一种面向光伏电站的多类型储能容量优化配置方法，首先获取多类型储能系统的充放电模型，然后在所述充放电模型的基础上，建立经济性目标函数和运行特性目标函数，进一步建立多目标优化函数，最后根据所述充放电模型、所述多目标优化函数和优化约束条件，确定容量优化配置模型，对多类型储能系统进行容量优化配置。本申请采用三种储能混合的方式，建立兼顾经济性和运行特性的多类型储能系统的容量优化配置模型，充分发挥了不同储能的优势和它们之间的互补特性，提升各储能装置的利用效率，实现对光伏的消纳，有效改善电能质量，提高多类型储能系统经济性和稳定性。
下面验证本实施例的效果，示例性的，多类型储能系统的仿真结构如图2所示，其中光伏装机容量为10MW，负荷峰值为8MW。使用Yalmip+Cplex进行建模求解，选择春分、夏至、秋分和冬至四个典型场景对多类型储能系统进行容量配置。
传统发电厂的分时电价如表1所示；
表1
时段 电价(元/kW)
0:00～6:00&22:00～24:00 0.25
7:00～10:00&15:00～18:00 0.53
11:00～14:00&19:00～21:00 0.92
本实施例的一些相关参数如表2所示：
表2
Figure BDA0003364382270000122
Figure BDA0003364382270000131
通过求解所建立的容量最优配置模型，得到配置结果如表3所示，其中方案1采用多类型储能系统，方案2采用单一的蓄电池储能系统用来与方案1做比较。
表3
参数 方案1 方案2
蓄电池额定功率(MW) 1.0125 1.7963
飞轮额定功率(MW) 0.3372 0
超级电容额定功率(MW) 0.1368 0
蓄电池额定容量(MWh) 6.8850 12.2148
飞轮额定容量(MWh) 0.3204 0
超级电容额定容量(MWh) 0.1026 0
投资建设成本(元) 7.5647×105 5.0625×105
运行维护成本(元) 3.6945×105 1.7550×105
更换成本(元) 3.6793×105 3.9375×105
传统发电厂发电成本(元) 6.2908×105 8.4041×105
总成本(元) 7.7918×106 9.4796×106
传统电厂支撑 3.4124×104 5.5993×104
储能功率偏差 1.5524×104 1.6555×104
由表三可知，方案2的投资建设成本和运行维护成本低于方案1，而更换成本高于方案1，这是由于蓄电池的单位功率及容量成本远低于飞轮和超级电容，但蓄电池使用寿命较短，更换次数远高于飞轮和超级电容。方案2中只有蓄电池一种储能装置，因为蓄电池不能过度充放电，在负荷需求量很大时，需要由传统发电厂大量发电才能够维持系统功率平衡，而方案1由于加入了飞轮和超级电容这样的快速响应型储能，可以在蓄电池无法满足负荷需求时补偿部分不平衡功率，因此需由传统发电厂提供的电力支撑相对方案2较少，综合来看，方案1的总成本反而低于方案2。对比储能功率偏差指标可得，方案1中该指标更小，说明方案1的储能装置利用率更高，运行特性更好。综上所述，本实施例所提出的方案1具有更强的经济性和运行特性。
四个典型场景容量配置结果分别如图3、图4、图5和图6所示，在所有场景中，由于光伏设备在夜间不产生电力，凌晨1点到5点，需由传统发电厂为多类型储能系统提供大量的电力支持以满足供需平衡。同时，这个阶段分时电价是最低的，蓄电池在这一时段大量存储能量，能够提高系统的经济性。在晚上6点到11点期间，分时电价不是最低的，但因为负荷需求量很大，储能系统仍应与传统发电厂配合来支撑负荷需求。如图4所示，在夏季，由于光照充足，光伏设备的发电量很大，但同时系统的电力需求也很大。因此，在上述两个阶段，多类型储能系统需要从传统发电厂获得大量的能量。如图3和图5所示，多类型储能系统在春季和秋季的电力需求比夏季少，所需传统发电厂的电力支持也少。如图6所示，由于冬季光照不足，光伏发电量较小，但冬季系统负荷较大，导致所需传统发电厂的发电量较大。
在光伏满发时，蓄电池都处于充电状态，而飞轮与超级电容以高频率进行充放电，并且传统电厂不需要向系统提供任何电力支撑。在光伏不足以维持系统负荷的需求时，多出的负荷量主要由蓄电池承担，飞轮及超级电容交互承担小部分，这是因为蓄电池属于容量型储能，可以长时间的大量充放电，而飞轮及超级电容属于功率型储能，可以实现快充快放，能及时快速的为系统的重要负荷提供电力支撑。综上所述，该实施例所配置的储能容量能够很好地维持系统的负荷需求，对光伏进行消纳，避免资源浪费，也能体现出三种储能的特性。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
本申请第二实施例公开了一种面向光伏电站的多类型储能容量优化配置装置，所述面向光伏电站的多类型储能容量优化配置装置应用于本申请第一实施例公开的面向光伏电站的多类型储能容量优化配置方法，参见图7所示的结构示意图，所述面向光伏电站的多类型储能容量优化配置装置包括：
充放电模型获取模块10，用于获取预先构建的多类型储能系统的充放电模型，所述充放电模型基于储能装置的充放电特性建立，用于确定所述储能装置的容量、所述储能装置的实时功率、所述储能装置的额定功率和所述储能装置的额定容量，其中，所述储能装置包括蓄电池储能、飞轮储能和超级电容储能。
子目标函数建立模块20，用于根据所述充放电模型，以年均成本最小为目标建立经济性目标函数，以储能装置功率偏差和负荷峰谷差最小为目标建立运行特性目标函数。
总目标函数建立模块30，用于根据所述经济性目标函数和所述运行特性目标函数，建立多目标优化函数。
容量优化配置模块40，用于根据所述充放电模型、所述多目标优化函数和预先确定的优化约束条件，确定容量优化配置模型，用于对所述多类型储能系统进行容量优化配置，其中，所述优化约束条件基于储能装置的运行特征建立，包括供需平衡约束、荷电状态约束和功率约束。
在本申请的部分实施例中，所述充放电模型包括充电模型和放电模型，其中，所述充电模型为多类型储能系统在充电时，所述储能装置的容量与所述储能装置的实时功率的的关系模型。所述放电模型为多类型储能系统在放电时，所述储能装置的容量与所述储能装置的实时功率的的关系模型。
在本申请的部分实施例中，所述充放电模型获取模块10包括：
充电模型确定单元，用于通过如下公式构建所述充电模型：
Eb(t)＝Eb(t-1)+Pb(t)Δt·ηbc；
Ef(t)＝Ef(t-1)+Pf(t)Δt·ηfc；
Ec(t)＝Ec(t-1)+Pc(t)Δt·ηcc；
其中，Eb(t)表示蓄电池储能在t时刻的容量；Ef(t)表示飞轮储能在t时刻的容量；Ec(t)表示超级电容储能在t时刻的容量；Eb(t-1)表示蓄电池储能在t-1时刻的容量；Ef(t-1)表示飞轮储能在t-1时刻的容量；Ec(t-1)表示超级电容储能在t-1时刻的容量；Pb(t)表示蓄电池储能在t时刻的实时功率；Pf(t)表示飞轮储能在t时刻的实时功率；Pc(t)表示超级电容储能在t时刻的实时功率；Δt表示预设的采样时间间隔；ηbc表示预设的蓄电池储能的充电效率；ηfc表示预设的飞轮储能的充电效率；ηcc表示预设的超级电容储能的充电效率。
在本申请的部分实施例中，所述充放电模型获取模块10包括：
放电模型确定单元，用于通过如下公式构建所述放电模型：
Eb(t)＝Eb(t-1)+Pb(t)Δt/ηbd；
Ef(t)＝Ef(t-1)+Pf(t)Δt/ηfd；
Ec(t)＝Ec(t-1)+Pc(t)Δt/ηcd；
其中，Eb(t)表示蓄电池储能在t时刻的容量；Ef(t)表示飞轮储能在t时刻的容量；Ec(t)表示超级电容储能在t时刻的容量；Eb(t-1)表示蓄电池储能在t-1时刻的容量；Ef(t-1)表示飞轮储能在t-1时刻的容量；Ec(t-1)表示超级电容储能在t-1时刻的容量；Pb(t)表示蓄电池储能在t时刻的实时功率；Pf(t)表示飞轮储能在t时刻的实时功率；Pc(t)表示超级电容储能在t时刻的实时功率；Δt表示预设的采样时间间隔；ηbd表示预设的蓄电池储能的放电效率；ηfd表示预设的飞轮储能的放电效率；ηcd表示预设的超级电容储能的放电效率。
在本申请的部分实施例中，所述充放电模型获取模块10包括：
额定功率确定单元，用于通过如下公式确定所述储能装置的额定功率：
Pn＝max|P*(t)|；
Figure BDA0003364382270000161
其中，Pn表示储能装置的额定功率；P*(t)表示储能装置在t时刻的需求功率；P(t)表示储能装置的实时功率；ηc表示预设的储能装置的充电效率；ηd表示预设的储能装置的放电效率。
在本申请的部分实施例中，所述充放电模型获取模块10包括：
额定容量确定单元，用于通过如下公式确定所述储能装置的额定容量：
Figure BDA0003364382270000162
其中，En表示储能装置的额定容量；E(t)表示储能装置在t时刻的容量；kmax.soc表示预设的储能装置荷电状态的最大值；kmin.soc表示预设的储能装置荷电状态的最小值。
在本申请的部分实施例中，所述子目标函数建立模块20包括：
经济性目标函数确定单元，用于通过如下公式确定所述经济性目标函数：
C1＝min(F1+F2+F3+F4)；
其中，C1表示所述经济性目标函数；F1表示预设的建设投资成本目标函数；F2表示预设的运行维护成本目标函数；F3表示预设的储能装置更换成本目标函数；F4表示预设的传统发电厂发电成本目标函数。
在本申请的部分实施例中，所述子目标函数建立模块20包括：
运行特性目标函数确定单元，用于通过如下公式确定所述运行特性目标函数：
C2＝min(M1+M2)；
其中，C2表示所述运行特性目标函数；M1表示储能装置功率偏差目标函数；M2表示负荷峰谷差目标函数。
在本申请的部分实施例中，总目标函数建立模块30包括：
多目标优化函数确定单元，用于通过如下公式建立所述多目标优化函数：
C＝min(α1C1+α2C2)；
其中，C表示所述多目标优化函数；C1表示所述经济性目标函数；C2表示所述运行特性目标函数；α1表示预设的第一权重系数；α2表示预设的第二权重系数。
以上结合具体实施方式和范例性实例对本申请进行了详细说明，不过这些说明并不能理解为对本申请的限制。本领域技术人员理解，在不偏离本申请精神和范围的情况下，可以对本申请技术方案及其实施方式进行多种等价替换、修饰或改进，这些均落入本申请的范围内。本申请的保护范围以所附权利要求为准。

Claims (10)

1.一种面向光伏电站的多类型储能容量优化配置方法，其特征在于，包括：
获取预先构建的多类型储能系统的充放电模型，所述充放电模型基于储能装置的充放电特性建立，用于确定所述储能装置的容量、所述储能装置的实时功率、所述储能装置的额定功率和所述储能装置的额定容量，其中，所述储能装置包括蓄电池储能、飞轮储能和超级电容储能；
根据所述充放电模型，以年均成本最小为目标建立经济性目标函数，以储能装置功率偏差和负荷峰谷差最小为目标建立运行特性目标函数；
根据所述经济性目标函数和所述运行特性目标函数，建立多目标优化函数；
根据所述充放电模型、所述多目标优化函数和预先确定的优化约束条件，确定容量优化配置模型，用于对所述多类型储能系统进行容量优化配置，其中，所述优化约束条件基于储能装置的运行特征建立，包括供需平衡约束、荷电状态约束和功率约束。
2.根据权利要求1所述的面向光伏电站的多类型储能容量优化配置方法，其特征在于，所述充放电模型包括充电模型和放电模型，其中，所述充电模型为多类型储能系统在充电时，所述储能装置的容量与所述储能装置的实时功率的的关系模型；所述放电模型为多类型储能系统在放电时，所述储能装置的容量与所述储能装置的实时功率的的关系模型。
3.根据权利要求2所述的面向光伏电站的多类型储能容量优化配置方法，其特征在于，所述充电模型通过如下公式构建：
Eb(t)＝Eb(t-1)+Pb(t)Δt·ηbc；
Ef(t)＝Ef(t-1)+Pf(t)Δt·ηfc；
Ec(t)＝Ec(t-1)+Pc(t)Δt·ηcc；
其中，Eb(t)表示蓄电池储能在t时刻的容量；Ef(t)表示飞轮储能在t时刻的容量；Ec(t)表示超级电容储能在t时刻的容量；Eb(t-1)表示蓄电池储能在t-1时刻的容量；Ef(t-1)表示飞轮储能在t-1时刻的容量；Ec(t-1)表示超级电容储能在t-1时刻的容量；Pb(t)表示蓄电池储能在t时刻的实时功率；Pf(t)表示飞轮储能在t时刻的实时功率；Pc(t)表示超级电容储能在t时刻的实时功率；Δt表示预设的采样时间间隔；ηbc表示预设的蓄电池储能的充电效率；ηfc表示预设的飞轮储能的充电效率；ηcc表示预设的超级电容储能的充电效率。
4.根据权利要求2所述的面向光伏电站的多类型储能容量优化配置方法，其特征在于，所述放电模型通过如下公式构建：
Eb(t)＝Eb(t-1)+Pb(t)Δt/ηbd；
Ef(t)＝Ef(t-1)+Pf(t)Δt/ηfd；
Ec(t)＝Ec(t-1)+Pc(t)Δt/ηcd；
其中，Eb(t)表示蓄电池储能在t时刻的容量；Ef(t)表示飞轮储能在t时刻的容量；Ec(t)表示超级电容储能在t时刻的容量；Eb(t-1)表示蓄电池储能在t-1时刻的容量；Ef(t-1)表示飞轮储能在t-1时刻的容量；Ec(t-1)表示超级电容储能在t-1时刻的容量；Pb(t)表示蓄电池储能在t时刻的实时功率；Pf(t)表示飞轮储能在t时刻的实时功率；Pc(t)表示超级电容储能在t时刻的实时功率；Δt表示预设的采样时间间隔；ηbd表示预设的蓄电池储能的放电效率；ηfd表示预设的飞轮储能的放电效率；ηcd表示预设的超级电容储能的放电效率。
5.根据权利要求1所述的面向光伏电站的多类型储能容量优化配置方法，其特征在于，所述储能装置的额定功率通过如下公式确定：
Pn＝max|P*(t)|；
Figure FDA0003364382260000021
其中，Pn表示储能装置的额定功率；P*(t)表示储能装置在t时刻的需求功率；P(t)表示储能装置的实时功率；ηc表示预设的储能装置的充电效率；ηd表示预设的储能装置的放电效率。
6.根据权利要求1所述的面向光伏电站的多类型储能容量优化配置方法，其特征在于，所述储能装置的额定容量通过如下公式确定：
Figure FDA0003364382260000031
其中，En表示储能装置的额定容量；E(t)表示储能装置在t时刻的容量；kmax.soc表示预设的储能装置荷电状态的最大值；kmin.soc表示预设的储能装置荷电状态的最小值。
7.根据权利要求1所述的面向光伏电站的多类型储能容量优化配置方法，其特征在于，所述以年均成本最小为目标建立经济性目标函数，包括：
所述经济性目标函数通过如下公式确定：
C1＝min(F1+F2+F3+F4)；
其中，C1表示所述经济性目标函数；F1表示预设的建设投资成本目标函数；F2表示预设的运行维护成本目标函数；F3表示预设的储能装置更换成本目标函数；F4表示预设的传统发电厂发电成本目标函数。
8.根据权利要求1所述的面向光伏电站的多类型储能容量优化配置方法，其特征在于，所述以储能装置功率偏差和负荷峰谷差最小为目标建立运行特性目标函数，包括：
所述运行特性目标函数通过如下公式确定：
C2＝min(M1+M2)；
其中，C2表示所述运行特性目标函数；M1表示储能装置功率偏差目标函数；M2表示负荷峰谷差目标函数。
9.根据权利要求1所述的面向光伏电站的多类型储能容量优化配置方法，其特征在于，所述根据所述经济性目标函数和所述运行特性目标函数，建立多目标优化函数包括：
所述多目标优化函数通过如下公式建立：
C＝min(α1C1+α2C2)；
其中，C表示所述多目标优化函数；C1表示所述经济性目标函数；C2表示所述运行特性目标函数；α1表示预设的第一权重系数；α2表示预设的第二权重系数。
10.一种面向光伏电站的多类型储能容量优化配置装置，其特征在于，所述面向光伏电站的多类型储能容量优化配置装置应用于权利要求1-9任一项所述的面向光伏电站的多类型储能容量优化配置方法，所述面向光伏电站的多类型储能容量优化配置装置包括：
充放电模型获取模块，用于获取预先构建的多类型储能系统的充放电模型，所述充放电模型基于储能装置的充放电特性建立，用于确定所述储能装置的容量、所述储能装置的实时功率、所述储能装置的额定功率和所述储能装置的额定容量，其中，所述储能装置包括蓄电池储能、飞轮储能和超级电容储能；
子目标函数建立模块，用于根据所述充放电模型，以年均成本最小为目标建立经济性目标函数，以储能装置功率偏差和负荷峰谷差最小为目标建立运行特性目标函数；
总目标函数建立模块，用于根据所述经济性目标函数和所述运行特性目标函数，建立多目标优化函数；
容量优化配置模块，用于根据所述充放电模型、所述多目标优化函数和预先确定的优化约束条件，确定容量优化配置模型，用于对所述多类型储能系统进行容量优化配置，其中，所述优化约束条件基于储能装置的运行特征建立，包括供需平衡约束、荷电状态约束和功率约束。
CN202111398627.3A 2021-11-19 2021-11-19 一种面向光伏电站的多类型储能容量优化配置方法及装置 Active CN114094608B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111398627.3A CN114094608B (zh) 2021-11-19 2021-11-19 一种面向光伏电站的多类型储能容量优化配置方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111398627.3A CN114094608B (zh) 2021-11-19 2021-11-19 一种面向光伏电站的多类型储能容量优化配置方法及装置

Publications (2)

Publication Number Publication Date
CN114094608A true CN114094608A (zh) 2022-02-25
CN114094608B CN114094608B (zh) 2024-06-11

Family

ID=80303720

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111398627.3A Active CN114094608B (zh) 2021-11-19 2021-11-19 一种面向光伏电站的多类型储能容量优化配置方法及装置

Country Status (1)

Country Link
CN (1) CN114094608B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117613959A (zh) * 2023-11-28 2024-02-27 国网江苏省电力有限公司镇江供电分公司 一种计及电动汽车的新型配电系统混合储能优化配置方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150311710A1 (en) * 2013-09-18 2015-10-29 Jiangsu Nanjing Power Supply Company A time based global optimization dispatching method
CN107947231A (zh) * 2017-12-01 2018-04-20 国网江苏省电力有限公司电力科学研究院 一种面向配电网优化运行的混合储能系统控制方法
WO2018196433A1 (zh) * 2017-04-24 2018-11-01 国家电网公司 多类型储能多级控制方法
CN109936170A (zh) * 2019-04-08 2019-06-25 东北电力大学 考虑电源灵活性裕度的风光水火互补协调优化调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150311710A1 (en) * 2013-09-18 2015-10-29 Jiangsu Nanjing Power Supply Company A time based global optimization dispatching method
WO2018196433A1 (zh) * 2017-04-24 2018-11-01 国家电网公司 多类型储能多级控制方法
CN107947231A (zh) * 2017-12-01 2018-04-20 国网江苏省电力有限公司电力科学研究院 一种面向配电网优化运行的混合储能系统控制方法
CN109936170A (zh) * 2019-04-08 2019-06-25 东北电力大学 考虑电源灵活性裕度的风光水火互补协调优化调度方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117613959A (zh) * 2023-11-28 2024-02-27 国网江苏省电力有限公司镇江供电分公司 一种计及电动汽车的新型配电系统混合储能优化配置方法

Also Published As

Publication number Publication date
CN114094608B (zh) 2024-06-11

Similar Documents

Publication Publication Date Title
CN108667052B (zh) 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统
CN108470239B (zh) 计及需求侧管理和储能的主动配电网多目标分层规划方法
Li et al. On the determination of battery energy storage capacity and short-term power dispatch of a wind farm
CN110633854A (zh) 一种考虑储能电池多重分段服务全生命周期优化规划方法
CN111490554A (zh) 分布式光伏-储能系统多目标优化配置方法
CN107453402B (zh) 一种降低含风储一体化电站电力系统运行风险的调度方法
CN115360734A (zh) 考虑光、荷多场景的分布式储能容量配置方法及装置
CN111313444A (zh) 一种面向高密度光伏配网台区侧的储能系统优化配置方法
CN202651806U (zh) 一种电池储能电站平滑风光发电控制系统
Etherden et al. Quantification of ancillary services from a virtual power plant in an existing subtransmision network
Wu et al. Optimized capacity configuration of an integrated power system of wind, photovoltaic and energy storage device based on improved particle swarm optimizer
CN115313516A (zh) 一种光伏发电和储能微电网结合的随机优化运行策略
CN114094608B (zh) 一种面向光伏电站的多类型储能容量优化配置方法及装置
Ruiz-Cortés et al. Energy management strategy to coordinate batteries and ultracapacitors of a hybrid energy storage system in a residential prosumer installation
CN112269966A (zh) 一种考虑备用需求的通信基站虚拟电厂发电容量测量方法
CN109510242B (zh) 一种微电网储能系统配置优化方法及存储介质
Yang et al. Over-voltage mitigation control strategies for distribution system with high PV penetration
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
CN115642620A (zh) 一种储能参与低碳灵活调峰的双层优化方法
CN113675846A (zh) 基于聚合效应的配电网分布式储能优化调度方法
Haiyun et al. Optimal Capacity Allocation Method of Multi-types of Energy Storage for Wind Power Plant
Ruiz-Cortés et al. Comprehensive study of the benefits of integrating a sharing energy strategy between prosumers
Kordkheili et al. Managing high penetration of renewable energy in MV grid by electric vehicle storage
Yao et al. Planning Scheme Design for Multi-time Scale Energy Storage at the City Level
Zhao et al. Optimal capacity configuration of hybrid energy storage system for photovoltaic plant

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