CN114142517A - 光蓄充一体化系统与电网并网运行的控制方法 - Google Patents

光蓄充一体化系统与电网并网运行的控制方法 Download PDF

Info

Publication number
CN114142517A
CN114142517A CN202111089186.9A CN202111089186A CN114142517A CN 114142517 A CN114142517 A CN 114142517A CN 202111089186 A CN202111089186 A CN 202111089186A CN 114142517 A CN114142517 A CN 114142517A
Authority
CN
China
Prior art keywords
power
grid
load
period
ess
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
CN202111089186.9A
Other languages
English (en)
Other versions
CN114142517B (zh
Inventor
路晓敏
嵇文路
王立伟
周航
赵扬
邓星
王璞
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.)
Nanjing Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Nanjing Power Supply Co 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 Nanjing Power Supply Co of State Grid Jiangsu Electric Power Co Ltd filed Critical Nanjing Power Supply Co of State Grid Jiangsu Electric Power Co Ltd
Priority to CN202111089186.9A priority Critical patent/CN114142517B/zh
Publication of CN114142517A publication Critical patent/CN114142517A/zh
Application granted granted Critical
Publication of CN114142517B publication Critical patent/CN114142517B/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
    • H02J3/38—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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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]
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种光蓄充一体化系统与电网并网运行的控制方法，属于由两个以上发电并联馈电的装置技术领域。该方法首先构建光伏发电和电动汽车充电构成的微电网的多目标优化调度模型，具体是按照峰谷平分为三个时段来建立与峰谷平三个时段关联的两个目标函数，然后制定电价三个时段的运行规则，再根据三个时段的运行规则，采用基于正态分布交叉的非支配排序遗传算法计算一个周期内的目标函数值，最后根据求得的目标函数值最优解得到转移负荷大小、光伏充电站的购电及蓄电池的出力，将得到的转移负荷大小、光伏充电站的购电及蓄电池的出力作为光蓄充一体化系统与电网并网运行的控制计划并执行。该方法既保障了用户的负荷需求，又促进了新能源的消纳，更平稳了负荷曲线。

Description

光蓄充一体化系统与电网并网运行的控制方法
技术领域
本发明涉及一种光伏发电及自储能同时结合电网并网情况下与电动汽车充电桩形成光蓄充一体化系统的运行控制方法，尤其是涉及在分时电价下对该光蓄充一体化系统进行多目标优化运行控制方法，属于技术领域。
背景技术
电动汽车作为一种“绿色”交通工具快速增长的同时，光伏发电也以其安全和清洁等优点成为新能源开发的重点。伴随着光伏储能技术和充电技术的飞速发展，将光伏发电及其储能系统与电动汽车充电桩就地集成的光蓄充一体化设备应运而生。光蓄充一体化设备一经诞生就运用到与传统电网的并网运行当中，而如何优化控制该光蓄充一体化设备的并网运行，提高运行效率和经济性已成为重要发展方向。
如何在满足光蓄充一体化设备与电网并网运行负荷需求的同时保证其整体运行的经济性，是光蓄充一体化设备并网运行中面临的关键问题。但是光蓄充一体化设备的并网运行，不仅包括整个并网运行的经济性，更要考虑电动汽车无序充电给整个并网运行带来的影响。电动汽车的高密集且无序的充电行为将可能导致局部地区的功率供给压力，增大系统负荷峰谷差，对光蓄充一体化设备并网和电网的可靠性和经济性都将产生不良的影响。而现有技术一方面忽略了分时电价下电网购售电和储能充放计划的复杂性，另一方面对于分时电价下用户参与响应时的情况考虑也不充分，因此不利于电网对光伏发电并网接纳能力的提升，也难以消除因电动汽车无序充电而加大电网峰谷差的不良影响。
发明内容
本发明要解决的技术问题是：改进现有光蓄充一体化系统与传统大电网并网运行的控制方法，以提升光蓄充一体化系统与电网并网运行时的融合稳定性和经济性。
本发明为解决上述技术问题提出的技术方案是：一种光蓄充一体化系统与电网并网运行的控制方法，所述光蓄充一体化系统包括光伏发电装置、光伏蓄电池和用于电动车充电的光伏充电站，所述光蓄充一体化系统形成电力传输的微电网，所述微电网具有充电负荷，所述电网具有基础负荷，所述微电网与所述电网形成并网，所述充电负荷和基础负荷构成所述微电网与电网并网时的总负荷，包括以下步骤：
步骤A、以一天24小时为一个周期T，按照分时电价将一天分为峰谷平三个时间段，以每个整点时刻为时间节点，分别设定电价峰时段的集合S1＝{9,10,11,12,19,20,21,22}，电价平时段的集合S2＝{13,14,15,16,17,18,23,24}，电价谷时段的集合S3＝{1,2,3,4,5,6,7,8}；
步骤B、构建所述微电网的多目标优化调度模型
步骤B1、按照峰谷平分为三个时段来建立与峰谷平三个时段关联的两个目标函数，
以所述微电网内负荷峰谷差最小的第一目标函数C1如下式(1)，
minC1＝min(maxPi(t)-minPi(t)) (1)
式(1)中，Pi(t)是经用户响应后的负荷，表达如下式(2)，
Figure BDA0003266639360000021
式(2)中，P0(t1)、P0(t2)、P0(t3)分别是电价峰时段、电价平时段和电价谷时段用户响应前的负荷，ΔPZ(t1)、ΔPZ(t2)和ΔPZ(t3)分别是电价峰时段、电价平时段和电价谷时段的转移负荷，ΔPZ(t1)是用电负荷高峰削减的负荷，ΔPZ(t3)是用电低谷时增加的负荷，ΔPZ(t2)＝0；
根据蒙特卡洛法对电动汽车无序充电模拟，可得到电动汽车日充电的负荷，加上电网基础负荷得到用户响应前的总负荷P0(t)；
以所述微电网内经济运行费用最小的第二目标函数C2如下式(3)，
Figure BDA0003266639360000022
式(3)中，CPV(t)是t时段的光伏发电成本，表达如下式(4)；CESS(t)是t时段光伏储能的运维成本，表达如下式(5)；CG(t)是t时段的购售电补贴，表达如下式(6)；CL(t)是t时段参与需求响应负荷的转移补贴，表达如下式(7)；
CPV(t)＝kPVPPV(t) (4)
式(4)中，kPV是光伏发电成本系数，PPV(t)是t时段的光伏发电功率；
CESS(t)＝kESS|PESS(t) (5)
式(5)中，kESS是所述蓄电池的维护系数，PESS(t)是t时段所述蓄电池的充放电功率；
CG＝kG(t)PG(t) (6)
式(6)中，kG(t)是t时段的售电或购电电价，PG(t)是t时段所述微电网与电网的交换功率；
CL＝kLΔPZ(t) (7)
式(7)中，kL是可转移负荷的补偿费用，ΔPZ(t)是t时段转移负荷功率；
步骤B2、对所述目标函数构建约束
(1)功率平衡约束如下式(8)，
PPV(t)+PG(t)+PESS(t)＝PL(t)+PEV(t) (8)
式(8)中，PG是所述光蓄充一体化设备与电网交换功率，购电为正，售电为负；PESS是所述蓄电池的充放电功率，充电为负，放电为正；
(2)光伏发电有功出力约束如下式(9)，
Ppv·min＜PPV(t)＜Ppv.max (9)
式(9)中，Ppv·min，Ppv.max分别是所述光伏发电装置的最小功率和最大功率；
(3)蓄电池荷电状态与功率约束如下式(10)-(11)，
|PESS(t)|≤Pess.max (10)
SOCmin＜SOC(t)＜SOCmax (11)
式(10)-(11)中，Pess.max是所述蓄电池的最大充放电功率，SOC(t)是所述蓄电池的荷电状态；
(4)微电网与电网传输容量约束如下式(12)，
|PG(t)|＜PGmax (12)
式(12)中，PGmax是微电网与电网之间的最大交换功率；
(5)转移负荷功率约束如下式(13)，
ΔPz.min＜ΔPZ(t)＜ΔPz·max (13)
(6)负荷转移总量约束如下式(14)，
Figure BDA0003266639360000031
步骤C、制定电价三个时段的运行规则
步骤C1、制定电价峰时段的运行规则如下：
1)当光伏发电尚有余力，则余电通过微电网与电网的联络线并网，大小为PG，此时限定第二目标函数C2中的PESS为0；
2)当所述PPV不足时，所述PESS作为首要备用电源释放电能供给总负荷需求，此时限定蓄电池仅放电，即PESS>0，微电网与大电网的交换功率为PG；
3)若所述PESS与PPV仍旧不能满足，微电网通过联络线从电网购电，此时由电网和微电网共同供电，购电大小记为PG；
步骤C2、制定电价平时段的运行规则如下：
1)当光伏发电出力过剩时，对蓄电池的荷电状态进行监测，若蓄电池电量处于饱和状态，即所述SOC(t)达到SOCmax，此时限定所述PESS为0，并将余电通过微电网与电网的联络线并网，交换功率记为PG；否则将光伏发电供给蓄电池充电至SOCmax，充电结束的余电通过微电网与电网的联络线并网，交换功率记为PG；
2)当所述PPV无法满足总负荷需求时，考虑由所述PESS与PPV共同供电，若仍旧不能满足负荷需求，微电网从电网购电，购电量记为PG；
步骤C3、制定电价谷时段的运行规则
限定所述PESS<0，若蓄电池的荷电状态未饱和，则所述PEV、PL和PESS将同时由电网提供,交换功率记为PG；
步骤D、根据步骤C的三个时段运行规则，采用基于正态分布交叉的非支配排序遗传算法计算一个周期T内的目标函数值
步骤D1、输入改进的非支配排序遗传算法(NSGA-Ⅱ)相关参数；
步骤D2、种群初始化，随机产生初始种群p＝{PG、PESS、ΔPZ}；
步骤D3、计算第一目标函数C1和第二目标函数C2的函数值,按照计算得到的函数值大小对种群进行非劣排序以及拥挤度计算；
步骤D4、通过锦标赛选择方式根据拥挤在约束度比较算子选择出子代种群Qn1；
步骤D5、对子代种群Qn1进行正态分布交叉操作和交异操作得到新的种群Qn，合井种群Nn＝Pn∪Qn；
步骤D6、求取种群Qn中各个体在一个周期T内的第一目标函数C1和第二目标函数C2的函数值，根据计算得到函数值进行快速非支配排序，计算种群中每个个体的拥挤距离；
步骤D7、根据精英策略选取前N个个体产生父代种群Pn+1，若达到结束条件则结束，否则转到步骤D4；
步骤E、根据求得的最优解即可得到所述转移负荷ΔPZ(t)大小、光伏充电站的购电及蓄电池的出力，将得到的转移负荷ΔPZ(t)大小、光伏充电站的购电及蓄电池的出力作为所述光蓄充一体化系统与电网并网运行的控制计划并执行。
本发明的有益效果是：首先构建光伏发电和电动汽车充电构成的微电网的多目标优化调度模型，具体是按照峰谷平分为三个时段来建立与峰谷平三个时段关联的两个目标函数，然后制定电价三个时段的运行规则，再根据三个时段的运行规则，采用基于正态分布交叉的非支配排序遗传算法计算一个周期T内的目标函数值，最后根据求得的目标函数值最优解得到转移负荷大小、光伏充电站的购电及蓄电池的出力，将得到的转移负荷大小、光伏充电站的购电及蓄电池的出力作为光蓄充一体化系统与电网并网运行的控制计划并执行。由于考虑光伏发电与电网并网后的总负荷需求响应的参与，按照分时电价将一天分为峰谷平三个时间段，以优先光伏发电满足负荷需求为原则，考虑储能的荷电状态，分别对峰谷平三个时间段制定优化运行规则，因此既保障了用户的负荷需求，又促进了新能源的消纳，更平稳了负荷曲线。此外，由于考虑在电价高峰、电价低谷和平时段三种情况下根据实时光伏发电的功率制定电网购售电和储能充放计划，基于需求响应技术通过价格补偿引导用户进行负荷峰谷转移，因此建立的多目标优化模型，在满足电动汽车充电和负荷需求的同时可以减小整体负荷峰谷差，实现光储充一体化系统的最优经济运行。
进一步，所述步骤D1中的相关参数是，遗传代数为1000，染色体长度为40，交叉率为0.8，变异率为0.05。
附图说明
下面结合附图对本发明的光蓄充一体化系统与电网并网运行的控制方法作进一步说明。
图1是实施例中光蓄充一体化系统与电网并网运行下的典型日负荷曲线图。
图2是实施例中夏季光照度较强典型日光伏发电输出功率曲线图。
图3是实施例中采用遗传算法帕累托求解第1000次迭代前沿曲线图。
图4是采用实施例的控制方法前后的并网总负荷变化曲线图。
图5是光伏系统、储能系统和电网的出力曲线图。
具体实施方式
实施例
本实施例的光蓄充一体化系统与电网并网运行的控制方法，是将包括光伏发电装置、光伏蓄电池和光伏充电站的光蓄充一体化系统来形成电力传输并用于电动汽车充电的微电网，并将该微电网与传统的电网形成并网运行，微电网的负荷是主要充电负荷，电网的负荷是指其基础负荷，充电负荷和基础负荷构成微电网与电网并网时的总负荷，具体包括以下步骤：
步骤A、以一天24小时为一个周期T，按照分时电价将一天分为峰谷平三个时间段，以每个整点时刻为时间节点，分别设定电价峰时段的集合S1＝{9,10,11,12,19,20,21,22}，电价平时段的集合S2＝{13,14,15,16,17,18,23,24}，电价谷时段的集合S3＝{1,2,3,4,5,6,7,8}；
步骤B、构建微电网的多目标优化调度模型
步骤B1、按照峰谷平分为三个时段来建立与峰谷平三个时段关联的两个目标函数，
以微电网内负荷峰谷差最小的第一目标函数C1如下式(1)，
minC1＝min(maxPi(t)-minPi(t)) (1)
式(1)中，Pi(t)是经用户响应后的负荷，表达如下式(2)，
Figure BDA0003266639360000061
式(2)中，P0(t1)、P0(t2)、P0(t3)分别是电价峰时段、电价平时段和电价谷时段用户响应前的负荷，ΔPZ(t1)、ΔPZ(t2)和ΔPZ(t3)分别是电价峰时段、电价平时段和电价谷时段的转移负荷，ΔPZ(t1)是用电负荷高峰削减的负荷，ΔPZ(t3)是用电低谷时增加的负荷，ΔPZ(t2)＝0；
根据蒙特卡洛法对电动汽车无序充电模拟，可得到电动汽车日充电的负荷，电网基础负荷按照现有预测技术得到，此处不再赘述，二者相加即可得到用户响应前的总负荷P0(t)，如图1所示；
以微电网内经济运行费用最小的第二目标函数C2如下式(3)，
Figure BDA0003266639360000062
式(3)中，CPV(t)是t时段的光伏发电成本，表达如下式(4)；CESS(t)是t时段光伏储能的运维成本，表达如下式(5)；CG(t)是t时段的购售电补贴，表达如下式(6)；CL(t)是t时段参与需求响应负荷的转移补贴，表达如下式(7)；
CPV(t)＝kPVPPV(t) (4)
式(4)中，kPV是光伏发电成本系数，PPV(t)是t时段的光伏发电功率；
CESS(t)＝kESS|PESS(t)| (5)
式(5)中，kESS是蓄电池的维护系数，PESS(t)是t时段蓄电池的充放电功率，根据蓄电池的基本参数得到，充电为负，放电为正；
CG＝kG(t)PG(t) (6)
式(6)中，kG(t)是t时段的售电或购电电价，PG(t)是t时段所述微电网与电网的交换功率，购电为正，售电为负，由所述微电网的变压器容量决定；
CL＝kLΔPZ(t) (7)
式(7)中，kL是可转移负荷的补偿费用，ΔPZ(t)是t时段转移负荷功率；
选取夏季典型日下光蓄充一体化系统的光伏发电作为各时刻出力功率PPV(t)，蓄电池维护系数kESS为0.16元/kWh；kG(t)峰时段为0.5583元/kWh,谷时段为0.3583元/kWh,平时段为0.4235元/kWh；分布式光伏上网电价为0.485元/kWh，考虑光伏发电补贴政策，则光伏上网的电价kPV为0.620元/kWh。光伏上网的电价kPV为0.620元/kWh。，用户负荷转移补贴kL为0.4元/kWh。光伏发电出力曲线如图2所示，由图2可知，日总负荷峰值是197.65kW，大约出现在晚上八点左右；总负荷的谷值是71.43kW，大约出现在凌晨四点左右；总负荷峰谷差是126.22kW；充电负荷的峰值是82.32kW，充电负荷峰谷差为74.66kW，充电负荷在峰时段与总负荷峰时段有重叠，出现明显的“峰上加峰”现象。
步骤B2、对所述目标函数构建约束
(1)功率平衡约束如下式(8)，
PPV(t)+PG(t)+PESS(t)＝PL(t)+PEV(t) (8)
式(8)中，PG是所述光蓄充一体化设备与电网交换功率，购电为正，售电为负；PESS是所述蓄电池的充放电功率，充电为负，放电为正；
(2)光伏发电有功出力约束如下式(9)，
Ppv·min＜PPV(t)＜Ppv.max (9)
式(9)中，Ppv·min，Ppv.max分别是所述光伏发电装置的最小功率和最大功率；
(3)蓄电池荷电状态与功率约束如下式(10)-(11)，
|PESS(t)|≤Pess.max (10)
SOCmin＜SOC(t)＜SOCmax (11)
式(10)-(11)中，Pess.max是所述蓄电池的最大充放电功率，SOC(t)是所述蓄电池的荷电状态；
(4)微电网与电网传输容量约束如下式(12)，
|PG(t)|＜PGmax (12)
式(12)中，PGmax是微电网与电网之间的最大交换功率；微电网与电网的传输功率受配变容量的影响，不能超过传输容量的最大值；
(5)转移负荷功率约束如下式(13)，
ΔPz.min＜ΔPZ(t)＜ΔPz·max (13)
考虑用户的用电体验，每个时段转移的负荷量不允许超过最大负荷转移量。
(6)负荷转移总量约束如下式(14)，
Figure BDA0003266639360000081
根据转移负荷的原则，在同一个周期T内，电价低谷转入的负荷与电价高峰转出负荷应该相等。光伏发电最大功率Ppv.max为300kW,蓄电池的最大充放电功率Pess.max为50kW，荷电状态SOC的上限SOCmax和下限SOCmin分别为1.0和0.4，初始荷电状态为0.8。系统进行负荷转移时，考虑用户的用电满意度，每个时段的最大可转移负荷ΔPz·max为35kW，此外PG.max设为300kW。
步骤C、制定电价三个时段的运行规则
步骤C1、制定电价峰时段的运行规则如下：
1)当光伏发电尚有余力，则余电通过微电网与电网的联络线并网，大小为PG，此时限定第二目标函数C2中的PESS为0。
2)当PPV不足时，PESS作为首要备用电源释放电能供给总负荷需求，此时限定蓄电池仅放电,即PESS>0，微电网与大电网的交换功率为PG。
3)若PESS与PPV仍旧不能满足，微电网通过联络线从电网购电，此时由电网和微电网共同供电，购电大小记为PG；
电价峰时段为上午8：00到12：00和晚上18：00到22:00，此时用电需求较大。因上午光照一般比较充足，优先采用光伏发电PPV给电动汽车负荷和电网基础负荷供电。
步骤C2、制定电价平时段的运行规则如下：
1)当光伏发电出力过剩时，对蓄电池的荷电状态进行监测，若蓄电池电量处于饱和状态，即SOC(t)达到SOCmax，此时限定PESS为0，并将余电通过微电网与电网的联络线并网，交换功率记为PG；否则将光伏发电供给蓄电池充电至SOCmax，充电结束的余电通过微电网与电网的联络线并网，交换功率记为PG。
2)当PPV无法满足总负荷需求时，考虑由PESS与PPV共同供电，若仍旧不能满足负荷需求，微电网从电网购电，购电量记为PG。
电价平时段的负荷曲线整体较为稳定，无较大波动，此时限定步骤B中目标函数C1中转移负荷ΔPZ(t)为0。正常情况下，下午的光照条件也较为充足，优先采用光伏发电PPV供电。
步骤C3、制定电价谷时段的运行规则
限定PESS<0，若蓄电池的荷电状态未饱和，则PEV、PL和PESS将同时由电网提供,交换功率记为PG；
电价谷时段的用电需求低，光伏发电装置处于夜间低谷时期，无法满足微电网用电需求。考虑充放电次数对储能电池寿命的影响，夜间用电低谷时期储能系统不再放电，即限定PESS<0。
步骤D、根据步骤C的三个时段运行规则，采用改进非支配排序遗传算法(基于正态分布交叉的非支配排序遗传算法(NSGA-II算法)计算一个周期T内的目标函数值。
在光储充一体化系统的微电网与电网并网运行场景下建立的上述两个目标函数，在实施分时电价负荷转移之前，光储充一体化系统整体的运行费用保持比较小，但峰谷差总是很大；但是当峰谷差最小时，考虑到对用户负荷转移的补贴，此时光储充一体化系统运行费用肯定会随用电方式的改变而增加。因此，采用正态分布交叉算子代替常用的模拟二进制交叉算子，对带精英策略的快速非支配排序遗传算法NSGA-Ⅱ交叉算子进行了改进，即采用基于正态分布交叉的NSGA-II算法对上述两个目标函数进行求解。
步骤D1、输入改进的非支配排序遗传算法(NSGA-Ⅱ)相关参数，其中遗传代数为1000，染色体长度为40，交叉率为0.8，变异率为0.05；
步骤D2、种群初始化，随机产生初始种群p＝{PG、PESS、ΔPZ}；
步骤D3、计算第一目标函数C1和第二目标函数C2的函数值,按照计算得到的函数值大小对种群进行非劣排序以及拥挤度计算；
步骤D4、通过锦标赛选择方式根据拥挤在约束度比较算子选择出子代种群Qn1；
步骤D5、对子代种群Qn1进行正态分布交叉操作和交异操作得到新的种群Qn，合井种群Nn＝Pn∪Qn；
步骤D6、求取种群Qn中各个体在一个周期T内的第一目标函数C1和第二目标函数C2的函数值，根据计算得到函数值进行快速非支配排序，计算种群中每个个体的拥挤距离；
步骤D7、根据精英策略选取前N个个体产生父代种群Pn+1，若达到结束条件则结束，否则转到步骤D4。采用遗传算法帕累托求解第1000次迭代前沿如图3所示。从图中可以看出，负荷峰谷差越小，系统运行的经济费用越高，随着负荷峰谷差的增大，运行的经济费用逐渐减小。经过上述运行控制前后的负荷曲线如图4所示，从图4中可以看出经过上述运行控制后的负荷曲线变缓，削峰填谷效果明显，负荷转出主要七点到九点的电价高峰时段，负荷转入主要在凌晨三点至五点的电价低谷时段。
步骤E、根据求得的最优解即可得到转移负荷ΔPZ(t)大小、光伏充电站的购电及蓄电池的出力，将得到的转移负荷ΔPZ(t)大小、光伏充电站的购电及蓄电池的出力作为所述光蓄充一体化系统与电网并网运行的控制计划并执行。
取图3中(82.06,1352)作为最优解，此时光伏系统、储能系统、电网(或者称大电网)的出力情况如图5所示。转移负荷ΔPZ(t)的转入转出时间及大小如下表1所示：
表1
Figure BDA0003266639360000101
Figure BDA0003266639360000111
从图5中可以看出，光蓄充一体化系统“两充两放”，光伏出力全部利用，除了给微电网和电网并网时的总负荷供电和充电外，几乎没有多余的电量向大电网传输。在夜间光伏出力为0时，电价谷阶段由电网出力给微电网充电；电价峰阶段，由电网和蓄电池同时为总负荷供电，期间光伏储能出力大于电价谷时段和平时段，可以判断至少由两组以上的蓄电池同时放电。在午间时段的光伏出力较强时，除供给总负荷外的余电给光伏蓄电池车充电。
通过以上结果可知，按照本实施例提出的上述运行控制方法能够在控制一定的经济费用上升比例内，减小微电网和电网并网时总负荷的峰谷差。采用本实施例的光蓄充一体化系统的管理者也可以根据微电网和电网并网运行的不同场景，根据光照条件或者负荷类型选择对应的最优方案。
以上所述仅为本发明的较佳实施例而已，但本发明并不局限于此，比如，。所有根据本发明的构思及其技术方案加以等同替换或等同改变均应涵盖在本发明的保护范围之内。

Claims (2)

1.一种光蓄充一体化系统与电网并网运行的控制方法，所述光蓄充一体化系统包括光伏发电装置、光伏蓄电池和用于电动车充电的光伏充电站，所述光蓄充一体化系统形成电力传输的微电网，所述微电网具有充电负荷，所述电网具有基础负荷，所述微电网与所述电网形成并网，所述充电负荷和基础负荷构成所述微电网与电网并网时的总负荷，其特征在于包括以下步骤：
步骤A、以一天24小时为一个周期T，按照分时电价将一天分为峰谷平三个时间段，以每个整点时刻为时间节点，分别设定电价峰时段的集合S1＝{9,10,11,12,19,20,21,22}，电价平时段的集合S2＝{13,14,15,16,17,18,23,24}，电价谷时段的集合S3＝{1,2,3,4,5,6,7,8}；
步骤B、构建所述微电网的多目标优化调度模型
步骤B1、按照峰谷平分为三个时段来建立与峰谷平三个时段关联的两个目标函数，
以所述微电网内负荷峰谷差最小的第一目标函数C1如下式(1)，
minC1＝min(maxPi(t)-minPi(t)) (1)
式(1)中，Pi(t)是经用户响应后的负荷，表达如下式(2)，
Figure FDA0003266639350000011
式(2)中，P0(t1)、P0(t2)、P0(t3)分别是电价峰时段、电价平时段和电价谷时段用户响应前的负荷，ΔPZ(t1)、ΔPZ(t2)和ΔPZ(t3)分别是电价峰时段、电价平时段和电价谷时段的转移负荷，ΔPZ(t1)是用电负荷高峰削减的负荷，ΔPZ(t3)是用电低谷时增加的负荷，ΔPZ(t2)＝0；
根据蒙特卡洛法对电动汽车无序充电模拟，可得到电动汽车日充电的负荷，加上电网基础负荷得到用户响应前的总负荷P0(t)；
以所述微电网内经济运行费用最小的第二目标函数C2如下式(3)，
Figure FDA0003266639350000021
式(3)中，CPV(t)是t时段的光伏发电成本，表达如下式(4)；CESS(t)是t时段光伏储能的运维成本，表达如下式(5)；CG(t)是t时段的购售电补贴，表达如下式(6)；CL(t)是t时段参与需求响应负荷的转移补贴，表达如下式(7)；
CPV(t)＝kPVPPV(t) (4)
式(4)中，kPV是光伏发电成本系数，PPV(t)是t时段的光伏发电功率；
CESS(t)＝kESS|PESS(t)| (5)
式(5)中，kESS是所述蓄电池的维护系数，PESS(t)是t时段所述蓄电池的充放电功率；
CG＝kG(t)PG(t) (6)
式(6)中，kG(t)是t时段的售电或购电电价，PG(t)是t时段所述微电网与电网的交换功率；
CL＝kLΔPZ(t) (7)
式(7)中，kL是可转移负荷的补偿费用，ΔPZ(t)是t时段转移负荷功率；
步骤B2、对所述目标函数构建约束
(1)功率平衡约束如下式(8)，
PPV(t)+PG(t)+PESS(t)＝PL(t)+PEV(t) (8)
式(8)中，PG是所述光蓄充一体化设备与电网交换功率，购电为正，售电为负；PESS是所述蓄电池的充放电功率，充电为负，放电为正；
(2)光伏发电有功出力约束如下式(9)，
Ppv·min＜PPV(t)＜Ppv.max (9)
式(9)中，Ppv·min，Ppv.max分别是所述光伏发电装置的最小功率和最大功率；
(3)蓄电池荷电状态与功率约束如下式(10)-(11)，
|PESS(t)|≤Pess.max (10)
SOCmin＜SOC(t)＜SOCmax (11)
式(10)-(11)中，Pess.max是所述蓄电池的最大充放电功率，SOC(t)是所述蓄电池的荷电状态；
(4)微电网与电网传输容量约束如下式(12)，
|PG(t)|＜PGmax (12)
式(12)中，PGmax是微电网与电网之间的最大交换功率；
(5)转移负荷功率约束如下式(13)，
ΔPz.min＜ΔPZ(t)＜ΔPz·max (13)
(6)负荷转移总量约束如下式(14)，
Figure FDA0003266639350000031
步骤C、制定电价三个时段的运行规则
步骤C1、制定电价峰时段的运行规则如下：
1)当光伏发电尚有余力，则余电通过微电网与电网的联络线并网，大小为PG，此时限定第二目标函数C2中的PESS为0；
2)当所述PPV不足时，所述PESS作为首要备用电源释放电能供给总负荷需求，此时限定蓄电池仅放电，即PESS>0，微电网与大电网的交换功率为PG；
3)若所述PESS与PPV仍旧不能满足，微电网通过联络线从电网购电，此时由电网和微电网共同供电，购电大小记为PG；
步骤C2、制定电价平时段的运行规则如下：
1)当光伏发电出力过剩时，对蓄电池的荷电状态进行监测，若蓄电池电量处于饱和状态，即所述SOC(t)达到SOCmax，此时限定所述PESS为0，并将余电通过微电网与电网的联络线并网，交换功率记为PG；否则将光伏发电供给蓄电池充电至SOCmax，充电结束的余电通过微电网与电网的联络线并网，交换功率记为PG；
2)当所述PPV无法满足总负荷需求时，考虑由所述PESS与PPV共同供电，若仍旧不能满足负荷需求，微电网从电网购电，购电量记为PG；
步骤C3、制定电价谷时段的运行规则
限定所述PESS<0，若蓄电池的荷电状态未饱和，则所述PEV、PL和PESS将同时由电网提供,交换功率记为PG；
步骤D、根据步骤C的三个时段运行规则，采用基于正态分布交叉的非支配排序遗传算法计算一个周期T内的目标函数值
步骤D1、输入改进的非支配排序遗传算法(NSGA-Ⅱ)相关参数；
步骤D2、种群初始化，随机产生初始种群p＝{PG、PESS、ΔPZ}；
步骤D3、计算第一目标函数C1和第二目标函数C2的函数值,按照计算得到的函数值大小对种群进行非劣排序以及拥挤度计算；
步骤D4、通过锦标赛选择方式根据拥挤在约束度比较算子选择出子代种群Qn1；
步骤D5、对子代种群Qn1进行正态分布交叉操作和交异操作得到新的种群Qn，合井种群Nn＝Pn∪Qn；
步骤D6、求取种群Qn中各个体在一个周期T内的第一目标函数C1和第二目标函数C2的函数值，根据计算得到函数值进行快速非支配排序，计算种群中每个个体的拥挤距离；
步骤D7、根据精英策略选取前N个个体产生父代种群Pn+1，若达到结束条件则结束，否则转到步骤D4；
步骤E、根据求得的最优解即可得到所述转移负荷ΔPZ(t)大小、光伏充电站的购电及蓄电池的出力，将得到的转移负荷ΔPZ(t)大小、光伏充电站的购电及蓄电池的出力作为所述光蓄充一体化系统与电网并网运行的控制计划并执行。
2.根据权利要求1所述光蓄充一体化系统与电网并网运行的控制方法，其特征在于：所述步骤D1中的相关参数是，遗传代数为1000，染色体长度为40，交叉率为0.8，变异率为0.05。
CN202111089186.9A 2021-09-16 2021-09-16 光蓄充一体化系统与电网并网运行的控制方法 Active CN114142517B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111089186.9A CN114142517B (zh) 2021-09-16 2021-09-16 光蓄充一体化系统与电网并网运行的控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111089186.9A CN114142517B (zh) 2021-09-16 2021-09-16 光蓄充一体化系统与电网并网运行的控制方法

Publications (2)

Publication Number Publication Date
CN114142517A true CN114142517A (zh) 2022-03-04
CN114142517B CN114142517B (zh) 2023-08-15

Family

ID=80394901

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111089186.9A Active CN114142517B (zh) 2021-09-16 2021-09-16 光蓄充一体化系统与电网并网运行的控制方法

Country Status (1)

Country Link
CN (1) CN114142517B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117498416A (zh) * 2024-01-03 2024-02-02 合肥国轩高科动力能源有限公司 储能电池的放电策略制定方法、装置及电子设备
CN117977564A (zh) * 2024-01-02 2024-05-03 国网江苏省电力有限公司宿迁供电分公司 一种区域配电网双侧优化调度方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109193812A (zh) * 2018-09-25 2019-01-11 科大智能（合肥）科技有限公司 一种园区光储荷微电网经济调度实现方法
CN109740846A (zh) * 2018-11-30 2019-05-10 国网江苏省电力有限公司电力科学研究院 智能小区需求响应调度方法和系统
CN110112734A (zh) * 2019-06-04 2019-08-09 华北电力大学 一种基于启发式规则的微网优化调度方法
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN113013906A (zh) * 2021-02-23 2021-06-22 南京邮电大学 考虑电动汽车v2g模式下的光伏储能容量优化配置方法
CN113313295A (zh) * 2021-05-19 2021-08-27 国网江苏省电力有限公司南京供电分公司 一种多站融合模式下综合站优化运行方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019196375A1 (zh) * 2018-04-13 2019-10-17 华南理工大学 基于需求侧响应的微电网最优机组及分时电价的优化方法
CN109193812A (zh) * 2018-09-25 2019-01-11 科大智能（合肥）科技有限公司 一种园区光储荷微电网经济调度实现方法
CN109740846A (zh) * 2018-11-30 2019-05-10 国网江苏省电力有限公司电力科学研究院 智能小区需求响应调度方法和系统
CN110112734A (zh) * 2019-06-04 2019-08-09 华北电力大学 一种基于启发式规则的微网优化调度方法
CN113013906A (zh) * 2021-02-23 2021-06-22 南京邮电大学 考虑电动汽车v2g模式下的光伏储能容量优化配置方法
CN113313295A (zh) * 2021-05-19 2021-08-27 国网江苏省电力有限公司南京供电分公司 一种多站融合模式下综合站优化运行方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
陈理宁;杨俊杰;: "计及电动汽车充电的微网能量优化管理", 仪表技术, no. 02 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117977564A (zh) * 2024-01-02 2024-05-03 国网江苏省电力有限公司宿迁供电分公司 一种区域配电网双侧优化调度方法
CN117498416A (zh) * 2024-01-03 2024-02-02 合肥国轩高科动力能源有限公司 储能电池的放电策略制定方法、装置及电子设备
CN117498416B (zh) * 2024-01-03 2024-04-19 合肥国轩高科动力能源有限公司 储能电池的放电策略制定方法、装置及电子设备

Also Published As

Publication number Publication date
CN114142517B (zh) 2023-08-15

Similar Documents

Publication Publication Date Title
CN103490410B (zh) 一种基于多目标优化的微电网规划和容量配置方法
CN103840457B (zh) 考虑电动汽车充放电影响的配电网内dg优化配置方法
CN107508284B (zh) 计及电气互联的微电网分布式优化调度方法
CN106026152A (zh) 一种电动汽车接入微电网的充放电调度方法
CN109740786A (zh) 一种多端柔性互联配电网规划方法及系统
CN106339778A (zh) 一种考虑多目标的光蓄微电网运行优化方法
CN104915725B (zh) 计及实时电价的微网用户群电能优化互济交易方法
CN114142517B (zh) 光蓄充一体化系统与电网并网运行的控制方法
CN114155103A (zh) 基于区块链合作博弈的能量共享联盟灵活性交易方法
CN109873449A (zh) 一种户用微网中光储容量优化配置方法
Habibifar et al. Optimal scheduling of multi-carrier energy system based on energy hub concept considering power-to-gas storage
CN115102159A (zh) 计及碳排放流的共享储能优化运行方法
CN105391092A (zh) 基于相关机会规划的虚拟电厂多目标竞价的调控优化方法
CN112734116A (zh) 一种含分布式储能的主动配电网优化调度方法
CN117096868A (zh) 一种考虑多种柔性负荷和电动汽车的微电网能量调度方法
CN109950900B (zh) 基于电动汽车负荷最小峰值模型的微网负荷削减控制方法
CN107092975A (zh) 一种基于储能损耗积分的交直流混合微网经济优化方法
Zhang et al. Multi-objective optimal scheduling strategy of microgrid based on v2g technology
CN105260824A (zh) 一种基于统一电力市场含蓄电池的虚拟电厂优化调度方法
CN115907488A (zh) 考虑用户积极性的新能源微电网多层级车网协同优化方法
CN115693737A (zh) 一种基于v2g电动汽车聚合参与配电网调度的方法
CN112766571B (zh) 一种分布式与集中式相协同的微网群调度方法
CN111987729B (zh) 一种含p2g微网的储电储气容量配置与调度优化方法
Arcos-Aviles et al. Fuzzy control-based energy management system for interconnected residential microgrids using the forecasts of power generation and load demand
CN114491997A (zh) 考虑需求响应及电动汽车的虚拟电厂运行优化方法及系统

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