CN114156870B - 一种储能系统参与多应用领域优化调度方法 - Google Patents
一种储能系统参与多应用领域优化调度方法 Download PDFInfo
- Publication number
- CN114156870B CN114156870B CN202111396061.0A CN202111396061A CN114156870B CN 114156870 B CN114156870 B CN 114156870B CN 202111396061 A CN202111396061 A CN 202111396061A CN 114156870 B CN114156870 B CN 114156870B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- storage system
- day
- output
- power
- 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.)
- Active
Links
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
- H02J3/007—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
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/008—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
- H02J3/241—The oscillation concerning frequency
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- 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
- H02J2300/26—The renewable source being solar energy of photovoltaic origin involving maximum power point tracking control for photovoltaic sources
-
- 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
- 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
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/20—Climate change mitigation technologies for sector-wide applications using renewable 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
- 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
Abstract
本发明涉及一种储能系统参与多应用领域优化调度方法,首先,用户自定义要考虑的经济技术指标以及各指标间的相对重要程度,建立AHP综合评价指标,其次,建立以经济效益最优为决策目标的日前优化模型和以风电出力误差最小决策为目标的日内优化模型,再建立以AHP综合评价指标最优为决策目标的上层优化模型;根据历史数据模拟运行确定储能在不同应用领域的出力分配,最大限度避免了储能设备使用率不足的问题、有效利用了各应用之间的协同作用;采用层次分析法进行综合效益评价,根据所在电网的实际情况和用户的主观需求选取指标并设定其重要程度,使得本发明具有广泛适用性;本发明对于制定储能系统运行方案、保障储能投资厂商的合理效益、提升电网对新能源的消纳能力和安全稳定运行具有重要的参考价值,是很有前景的一种储能系统优化调度方法。
Description
技术领域
本发明涉及一种储能系统的优化调度方法,具体为一种储能系统参与多应用领域优化调度方法。
背景技术
可再生能源发电的大规模开发及高比例并网对电力系统的灵活调节能力提出了更高要求,推动了储能产业的发展。储能已成为现代能源系统的重要环节,是智能电网的关键支撑技术之一,充分发挥储能对电网的主动支撑能力,并保证储能投资厂商的合理效益,对于推动储能产业发展,提升电网对新能源的消纳能力和安全稳定运行具有非常重要的意义。
有关储能系统应用及其效益的研究主要集中在平抑可再生能源波动、减少弃风弃光领域,但储能在辅助服务领域拥有巨大潜力,探索储能在调频、调峰等应用途径中的作用也逐渐成为新的研究热点。
然而,当前的文献大多只针对储能系统参与单一用途的控制策略进行研究,或在储能系统参与多应用领域时,仅按照时段划分参与的用途,同一时段下的多应用协调控制研究较少。随着风电短期/超短期预测技术的进步,实际风功率大幅度偏离预测值的情况罕有发生,风电预测误差大于装机容量10%的情况占20%左右,但大于装机容量30%的极端情况仅为1%。若过多的容量和运行时段投入风电波动平抑将导致储能系统利用率低下,难以保证储能投资商效益,不利于储能产业长远发展;然而若储能机组以参与收益较高的调频和能量市场为主而投入风电平抑领域的容量过少,电网的新能源接纳能力将受到影响,造成弃风现象频繁发生。由此可见,随着储能并网容量增大以及市场交易规则的逐步完善,亟需开展储能参与多种应用领域的协调控制策略研究。
发明内容
为了克服上述现有技术存在的缺陷,本发明的目的在于提供一种储能系统参与多应用领域优化调度方法,本发明通过层次分析法建立储能在电网运行、经济和环境等领域的效益评价指标,以不同应用的出力上限为决策变量,以该评价指标最优为决策目标并依据历史数据进行模拟运行,最终得出适宜的出力分配方案;由于储能系统在每个调度时段均可参与多项电力交易,最大限度的避免了储能容量的浪费;利用层次分析法可构建出充分反映储能用户需求的综合评价指标,使得本发明具有广泛适用性,可根据所在电网的实际情况和用户的主观需求合理设计出力分配方案,解决了储能系统在同时参与调频、调峰和减少风电预测误差领域时,其自身出力在各应用之间的分配比例如何划定的问题。
本发明采用的优化调度方法如下:
1.一种储能系统参与多应用领域优化调度方法,其特征在于:包括以下步骤:
步骤1、用户自定义要考虑的经济技术指标以及各指标间的相对重要程度,通过AHP将相对重要程度量化为对应的数值,将量化后的相对重要性数值填入层次分析法所用的判断矩阵中,建立AHP综合评价指标;
步骤2、建立以经济效益最优为决策目标的日前优化模型:
在削峰时段,储能系统按照申报的调峰容量即调峰分配的功率上限,持续放电;深度调峰时段则按照申报的调峰容量持续充电;在其它时段,储能系统依据峰谷电价被动参与调峰,即峰电价时段储能系统尽可能放电,谷电价时段储能系统尽可能充电;添加SOC为偏离中值惩罚项,电量过高时抑制充电,电量过低时抑制放电,避免储能系统接近极限影响其它应用调用;具体如下,
通过线性求解器求解储能出力曲线:
削峰时段:Pdis=Ppmax;
深度调峰时段:Pch=Ppmax;
其它时段:
式中:Pdis为放电功率kW;Pch为充电功率kW;Ppmax为分配的最大调峰功率kW;SOC为储能荷电状态;nD为削峰调峰时段以外的时段数;d为峰谷电价,元/kW·h;β为平衡系数,用于使各式之间数量级一致;Δt(h)为每个时段的持续时间;
步骤3、建立风电出力误差最小决策为目标的日内MPC滚动优化模型:
调峰分配功率与平抑波动分配功率合并,在满足调峰调用的基础上,剩余容量均响应平抑波动调用,响应的深度由以下优化取得:将前述日前优化模型求得的储能系统出力曲线与风电出力日前预测曲线合成为风储日前预测,在每一个调度时段,以风储日前预测误差最小为目标函数,根据当前风电场出力、储能系统SOC状态和超短期预测信息求解后续数个时段储能系统出力,将控制序列第一个元素输出作为储能系统出力,不断循环此过程,其传递方程如下:
其中,风电出力日前预测曲线为根据国家规定,风电场需在运行日前上报的出力预测信息;超短期预测信息是风电场在日内运行时必须实时上报的,风电接下来4小时以内的出力预测信息;状态变量x1(k)为风储实际功率与风储日前预测值之差,状态变量x2(k)为储能系统当前电量;控制变量u1(k)和u2(k)为储能系统调峰和平抑波动的放电/充电功率;扰动变量r1(k)为风电实际功率与预测值的误差,r2(k)为调频消耗的电量,扰动变量的值可以通过风电场自身的超短期预测和调度中心的指令获得;ηch、ηdis分别为储能系统充电、放电时的能量转化效率;日内优化目标为最小,每一步优化中的u1(1)、u2(1)输出为储能系统实际出力曲线;
步骤4、建立以AHP综合评价指标最优为决策目标的上层优化模型,模型的决策变量为储能系统在不同应用之间的功率分配比例,目标函数为AHP综合评价指标最优;具体方法为,通过人工智能算法生成若干调频、调峰和平抑波动领域各自的分配功率的分配方案,各领域分配功率作为日前、日内优化模型中各应用领域可调用出力上限,日内MPC滚动优化模型采用mpt工具箱求解出该分配方案下的储能系统实际出力曲线;根据储能系统实际出力曲线,得出步骤1中自定义的各指标值,通过步骤1中的判断矩阵将各指标值合成为各分配方案的AHP综合指标值,选取AHP综合指标最优的分配方案,用于储能调度。
所述步骤1中通过AHP将相对重要程度量化为对应的数值采用指数型标度法。
所述步骤1中层次分析法所用的判断矩阵为:
选择指标为n个,构建的判断矩阵A为:
其中,aij表示指标i对比指标j的重要程度,aji=1/aij。
所述步骤2中线性求解器采用cplex商用求解器。
所述步骤2中日前优化模型形成储能系统的预测出力曲线,上报调度中心,步骤3中日内MPC滚动优化模型形成储能系统出力曲线,平抑风电波动和响应调频指令。
所述步骤4中决策变量包含调频、调峰和平抑波动领域各自的功率分配比例。
所述步骤4中人工智能算法采用粒子群算法。
本发明提供了一种基于综合效益评价的储能系统参与多应用领域优化调度方法,该发明有以下优势:
1、储能系统可在同一时段下参与不同的应用领域,最大限度避免了储能设备参与单一应用时设备使用率不足的问题,且可以有效利用各应用之间的协同作用,尤其是减小风电预测误差与调峰应用间可能出现需求出力相反互相抵消的情况,储能系统同时参与多应用领域可以避免该情况下调用储能系统造成能量的浪费。
2、利用层次分析法可构建出充分反映储能用户需求的综合评价指标,可根据所在电网的实际情况和用户的主观需求选取指标和设定其重要程度,使得本发明在具有广泛适用性。由于层次分析法自身特性,各方案之间通过比值的形式比较某一指标优劣程度,因此形成综合指标时不会因指标的单位和数量级不同而影响其精度。
3、日内模拟运行中使用模型预测法进行滚动优化,将优化建立在当前实际数据和未来数个时段的超短期预测上,在不使用未来实际出力数据的情况下优化储能系统出力,以保证模拟日内优化与确定分配方案后实际进行日内优化的结果不出现较大的偏差。
附图说明
图1为本发明储能系统参与多应用领域优化调度策略图。
图2为本发明日前、日内优化模型示意图。
具体实施方式
下面结合附图对本发明进一步详细描述。
一种储能系统参与多应用领域优化调度方法,具体包括
以下步骤:
步骤1、用户自定义要考虑的经济技术指标以及各指标间的相对重要程度,对照AHP中的标度表将相对重要程度量化为具体的数值,将量化后的相对重要性值填入层次分析法所用的判断矩阵中,建立AHP综合评价指标;层次分析法中采用指数型标度法可使得判断矩阵均匀性与一致性较好,故本发明采用如下标度:
若选择了n个指标,则构建的判断矩阵A为:
其中,aij表示指标i对比指标j的重要程度,aji=1/aij;例如若指标1为风电预测准确率,指标2为收益,投资者认为风电预测准确率指标相较于收益明显重要,则查表可知量化的标度2.226,即a12=2.226,a21=1/a12=0.4492;
步骤2、建立日前优化模型和日内优化模型;
日前优化调度策略为:在削峰时段,由于储能系统优先调用的优惠政策,可以认为储能系统在该时段可按照分配的调峰功率持续放电;深度调峰时段则按照分配的调峰功率持续充电;在其它时段,储能系统依据峰谷电价被动参与调峰,即峰电价时段储能尽可能放电,谷电价时段储能系统尽可能充电;储能系统接近极限将影响其它应用调用,添加SOC偏离中值惩罚项,电量过高时抑制充电,电量过低时抑制放电;该模型为线性优化问题,采用cplex商用求解器求解储能出力曲线:
削峰时段:Pdis=Ppmax;
深度调峰时段:Pch=Ppmax;
其它时段:
式中:Pdis为放电功率(kW);Pch为充电功率(kW);Ppmax为分配的最大调峰功率(kW);SOC为储能荷电状态;nD为削峰调峰时段以外的时段数;d为峰谷电价(元/kW·h);β为平衡系数,用于使各式之间数量级一致;Δt(h)为每个时段的持续时间;日前优化模型形成储能系统的预测出力曲线,上报调度中心;
步骤3、日内采用模型预测法(Model Predictive Control,MPC)滚动优化:
储能系统全部功率中,调频领域分配的功率随时接受AGC调频指令;调峰分配功率与平抑波动分配功率合并,在满足调峰调用的基础上,剩余容量均可响应平抑波动调用,响应的深度由以下优化取得:日前优化模型求得的储能系统出力曲线与风电日前预测曲线合成为风储日前预测,在每一个调度时段,以风储预测误差最小为目标函数,根据当前风电场出力、储能系统SOC状态和风电场实时上报的超短期预测信息求解后续数个时段储能出力,将控制序列第一个元素输出作为储能出力,不断循环此过程,具体流程如下图所示,其传递方程如下:
其中风电出力日前预测曲线为根据国家规定,风电场需在运行日前上报的出力预测信息;超短期预测信息是风电场在日内运行时必须实时上报的,风电接下来4小时以内的出力预测信息;状态变量x1(k)为风储实际功率与风储日前预测值之差,状态变量x2(k)为储能系统当前电量;控制变量u1(k)和u2(k)为储能调峰和平抑波动的放电/充电功率;扰动变量r1(k)为风电实际功率与预测值的误差,r2(k)为调频消耗的电量,扰动变量的值可以通过风电场自身的超短期预测和调度中心的指令获得;ηch、ηdis分别为储能系统充电、放电时的能量转化效率;日内优化目标为最小,每一步优化中的u1(1)、u2(1)输出为储能实际出力曲线;日内MPC滚动优化模型形成储能系统出力曲线,平抑风电波动和响应调频指令;
步骤4、建立以AHP综合评价指标最优为决策目标的上层优化模型,模型的决策变量为储能在不同应用之间的功率分配比例,目标函数为AHP综合评价指标最优;具体方法为,使用粒子群算法生成若干调频、调峰和平抑波动领域各自的分配功率的分配方案,各领域分配功率作为步骤2中日前、日内优化模型中各应用领域可调用出力上限,日内MPC滚动优化模型采用mpt工具箱求解出该分配方案下的储能系统实际出力曲线;根据储能系统实际出力曲线,得出步骤1中自定义的各指标值,通过步骤1中的判断矩阵将各指标值合成为各分配方案的AHP综合指标值,选取AHP综合指标最优的分配方案,用于储能系统调度。
Claims (7)
1.一种储能系统参与多应用领域优化调度方法,其特征在于:包括以下步骤:
步骤1、用户自定义要考虑的经济技术指标以及各指标间的相对重要程度,通过AHP将相对重要程度量化为对应的数值,将量化后的相对重要性数值填入层次分析法所用的判断矩阵中,建立AHP综合评价指标;
步骤2、建立以经济效益最优为决策目标的日前优化模型:
在削峰时段,储能系统按照申报的调峰容量即调峰分配的功率上限,持续放电;深度调峰时段则按照申报的调峰容量持续充电;在其它时段,储能系统依据峰谷电价被动参与调峰,即峰电价时段储能系统尽可能放电,谷电价时段尽可能充电;添加SOC为偏离中值惩罚项,电量过高时抑制充电,电量过低时抑制放电,避免储能系统接近极限影响其它应用调用;具体如下,
通过线性求解器求解储能出力曲线:
削峰时段:Pdis=Ppmax;
深度调峰时段:Pch=Ppmax;
其它时段:
式中:Pdis为放电功率kW;Pch为充电功率kW;Ppmax为分配的最大调峰功率kW;SOC为储能荷电状态;nD为削峰调峰时段以外的时段数;d为峰谷电价,元/kW·h;β为平衡系数,用于使各式之间数量级一致;Δt(h)为每个时段的持续时间;
步骤3、建立风电出力误差最小决策为目标的日内MPC滚动优化模型:
调峰分配功率与平抑波动分配功率合并,在满足调峰调用的基础上,剩余容量均响应平抑波动调用,响应的深度由以下优化取得:将前述日前优化模型求得的储能系统出力曲线与风电出力日前预测曲线合成为风储日前预测,在每一个调度时段,以风储日前预测误差最小为目标函数,根据当前风电场出力、储能系统SOC状态和超短期预测信息求解后续数个时段储能系统出力,将控制序列第一个元素输出作为储能出力,不断循环此过程,其传递方程如下:
其中,风电出力日前预测曲线为根据国家规定,风电场需在运行日前上报的出力预测信息;超短期预测信息是风电场在日内运行时必须实时上报的,风电接下来4小时以内的出力预测信息;状态变量x1(k)为风储实际功率与风储日前预测值之差,状态变量x2(k)为储能系统当前电量;控制变量u1(k)和u2(k)为储能系统调峰和平抑波动的放电/充电功率;扰动变量r1(k)为风电实际功率与预测值的误差,r2(k)为调频消耗的电量,扰动变量的值可以通过风电场自身的超短期预测和调度中心的指令获得;ηch、ηdis分别为储能系统充电、放电时的能量转化效率;日内优化目标为最小,每一步优化中的u1(1)、u2(1)输出为储能实际出力曲线;
步骤4、建立以AHP综合评价指标最优为决策目标的上层优化模型,模型的决策变量为储能系统在不同应用之间的功率分配比例,目标函数为AHP综合评价指标最优;具体方法为,通过人工智能算法生成若干调频、调峰和平抑波动领域各自的分配功率的分配方案,各领域分配功率作为日前、日内优化模型中各应用领域可调用出力上限,日内MPC滚动优化模型采用mpt工具箱求解出该分配方案下的储能系统实际出力曲线;根据储能系统实际出力曲线,得出步骤1中自定义的各指标值,通过步骤1中的判断矩阵将各指标值合成为各分配方案的AHP综合指标值,选取AHP综合指标最优的分配方案,用于储能系统调度。
2.根据权利要求1所述的一种储能系统参与多应用领域优化调度方法,其特征在于:所述步骤1中通过AHP将相对重要程度量化为对应的数值采用指数型标度法。
3.根据权利要求1所述的一种储能系统参与多应用领域优化调度方法,其特征在于:所述步骤1中层次分析法所用的判断矩阵为:
选择指标为n个,构建的判断矩阵A为:
其中,aij表示指标i对比指标j的重要程度,aji=1/aij。
4.根据权利要求1所述的一种储能系统参与多应用领域优化调度方法,其特征在于:所述步骤2中线性求解器采用cplex商用求解器。
5.根据权利要求1所述的一种储能系统参与多应用领域优化调度方法,其特征在于:所述步骤2中日前优化模型形成储能系统的预测出力曲线,上报调度中心,步骤3中日内MPC滚动优化模型形成储能系统出力曲线,平抑风电波动和响应调频指令。
6.根据权利要求1所述的一种储能系统参与多应用领域优化调度方法,其特征在于:所述步骤4中决策变量包含调频、调峰和平抑波动领域各自的功率分配比例。
7.根据权利要求1所述的一种储能系统参与多应用领域优化调度方法,其特征在于:所述步骤4中人工智能算法采用粒子群算法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111396061.0A CN114156870B (zh) | 2021-11-23 | 2021-11-23 | 一种储能系统参与多应用领域优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111396061.0A CN114156870B (zh) | 2021-11-23 | 2021-11-23 | 一种储能系统参与多应用领域优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114156870A CN114156870A (zh) | 2022-03-08 |
CN114156870B true CN114156870B (zh) | 2023-08-22 |
Family
ID=80457483
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111396061.0A Active CN114156870B (zh) | 2021-11-23 | 2021-11-23 | 一种储能系统参与多应用领域优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114156870B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115065075B (zh) * | 2022-07-27 | 2022-11-29 | 湖南华大电工高科技有限公司 | 风储集群中储能站优化调度方法、系统及存储介质 |
CN115423388B (zh) * | 2022-11-04 | 2023-02-07 | 国网浙江省电力有限公司金华供电公司 | 一种电网侧独立储能站容量动态分配方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015062277A1 (zh) * | 2013-10-30 | 2015-05-07 | 江苏省电力公司南京供电公司 | 一种智能配电系统递进式调度方法 |
CN106651026A (zh) * | 2016-12-20 | 2017-05-10 | 太原理工大学 | 多时间尺度微电网能量管理优化调度方法 |
CN110417018A (zh) * | 2018-12-14 | 2019-11-05 | 特变电工西安电气科技有限公司 | 一种多应用模式的并网型微电网能量管理方法及装置 |
WO2020143104A1 (zh) * | 2019-01-08 | 2020-07-16 | 南京工程学院 | 一种考虑阻塞和储能分时电价的电网混合滚动调度方法 |
CN112001598A (zh) * | 2020-07-28 | 2020-11-27 | 四川大学 | 基于储能选型的不同用户储能配置评估与运行优化方法 |
CN112465181A (zh) * | 2020-09-11 | 2021-03-09 | 国网天津市电力公司电力科学研究院 | 一种支持源-网-荷-储多元泛在协调的两阶段优化调度方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10167850B2 (en) * | 2014-09-02 | 2019-01-01 | Siemens Industry, Inc. | Systems, methods and apparatus for improved energy management systems with security constrained dynamic dispatch for wind power management |
-
2021
- 2021-11-23 CN CN202111396061.0A patent/CN114156870B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015062277A1 (zh) * | 2013-10-30 | 2015-05-07 | 江苏省电力公司南京供电公司 | 一种智能配电系统递进式调度方法 |
CN106651026A (zh) * | 2016-12-20 | 2017-05-10 | 太原理工大学 | 多时间尺度微电网能量管理优化调度方法 |
CN110417018A (zh) * | 2018-12-14 | 2019-11-05 | 特变电工西安电气科技有限公司 | 一种多应用模式的并网型微电网能量管理方法及装置 |
WO2020143104A1 (zh) * | 2019-01-08 | 2020-07-16 | 南京工程学院 | 一种考虑阻塞和储能分时电价的电网混合滚动调度方法 |
CN112001598A (zh) * | 2020-07-28 | 2020-11-27 | 四川大学 | 基于储能选型的不同用户储能配置评估与运行优化方法 |
CN112465181A (zh) * | 2020-09-11 | 2021-03-09 | 国网天津市电力公司电力科学研究院 | 一种支持源-网-荷-储多元泛在协调的两阶段优化调度方法 |
Non-Patent Citations (1)
Title |
---|
基于模型预测控制的微电网多时间尺度协调优化调度;肖浩;裴玮;孔力;;电力系统自动化(第18期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114156870A (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108683179B (zh) | 基于混合整数线性规划的主动配电网优化调度方法及系统 | |
Zhang et al. | An improved charging/discharging strategy of lithium batteries considering depreciation cost in day-ahead microgrid scheduling | |
CN107464010B (zh) | 一种虚拟电厂容量优化配置方法 | |
CN112465181A (zh) | 一种支持源-网-荷-储多元泛在协调的两阶段优化调度方法 | |
CN110782363A (zh) | 一种计及风电不确定性的交直流配电网调度方法 | |
CN114156870B (zh) | 一种储能系统参与多应用领域优化调度方法 | |
CN114336702B (zh) | 基于双层随机规划的风光储场站群功率分配协同优化方法 | |
Guo et al. | Evaluating effects of battery storage on day-ahead generation scheduling of large hydro–wind–photovoltaic complementary systems | |
CN113258581B (zh) | 一种基于多智能体的源荷协调电压控制方法及装置 | |
CN114243794A (zh) | 风光水多能互补系统灵活性需求量化及协调优化方法 | |
CN114819373A (zh) | 一种基于合作博弈的共享混合储能电站的储能规划方法 | |
CN114154790A (zh) | 基于需量管理和柔性负荷的工业园区光储容量配置方法 | |
Ren et al. | Multi-objective optimal dispatching of virtual power plants considering source-load uncertainty in V2G mode | |
Dai et al. | An equilibrium model of the electricity market considering the participation of virtual power plants | |
CN110601233B (zh) | 一种电力系统中储能电站的调峰调度方法 | |
Jiang et al. | Monthly electricity purchase and decomposition optimization considering wind power accommodation and day-ahead schedule | |
CN116191505A (zh) | 一种低压台区源荷储充全局动态互动的调节方法及装置 | |
CN114725961A (zh) | 平抑风电波动的制氢系统容量分层优化配置方法 | |
Jing et al. | Benefit compensation of hydropower-wind-photovoltaic complementary operation in the large clean energy base | |
CN113255957A (zh) | 综合服务站不确定因素的定量优化分析方法及系统 | |
Yongzhen et al. | Grid reactive power optimization research under the background of source network load and storage | |
Zhu et al. | Cooperative game-based energy storage planning for wind power cluster aggregation station | |
Xie et al. | Design of Peak Cutting Listing Trading Considering Strategic Quotation of Load Aggregators | |
Tao et al. | Optimal Dispatch of Inter-regional Wind Power Consumption Based On Grid-wide Coordination and Multi-time Scale | |
Cheng et al. | Research on economic scheduling model and algorithm of virtual power plant with hybrid energy storage under time-of-use electricity prices |
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 |