CN114172180A - 考虑退化成本的电池储能参与调峰双层滚动优化控制方法 - Google Patents

考虑退化成本的电池储能参与调峰双层滚动优化控制方法 Download PDF

Info

Publication number
CN114172180A
CN114172180A CN202111414135.9A CN202111414135A CN114172180A CN 114172180 A CN114172180 A CN 114172180A CN 202111414135 A CN202111414135 A CN 202111414135A CN 114172180 A CN114172180 A CN 114172180A
Authority
CN
China
Prior art keywords
bes
layer
time
rolling optimization
formula
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
CN202111414135.9A
Other languages
English (en)
Other versions
CN114172180B (zh
Inventor
邓超平
李智诚
唐志军
戴立宇
林国栋
晁武杰
熊嘉丽
蔡强
张伟骏
鲍国俊
林少真
郭健生
胡文旺
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.)
Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
Original Assignee
Electric Power Research Institute of State Grid Fujian 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 Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd filed Critical Electric Power Research Institute of State Grid Fujian Electric Power Co Ltd
Priority to CN202111414135.9A priority Critical patent/CN114172180B/zh
Publication of CN114172180A publication Critical patent/CN114172180A/zh
Application granted granted Critical
Publication of CN114172180B publication Critical patent/CN114172180B/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
    • 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
    • H02J3/008—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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
    • H02J3/24—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
    • H02J3/38—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
    • 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
    • Y02E10/70—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
    • 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)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出考虑退化成本的电池储能参与调峰双层滚动优化控制方法，首先，考虑到调峰目标和经济成本属于不同维度，引入经济折算系数，将调峰目标映射到经济维度。而后，由于电池储能参与调峰过程中会频繁充放电，加速电池储能退化过程，因此，建立了考虑放电深度和循环寿命的电池储能退化成本模型。最后，为了进一步应对风电的间歇性和不确定性，提出一种双层滚动优化控制方法，上层长时间尺度滚动优化层以最小化系统综合运行成本为目标，通过多步滚动优化制定调度计划，下层短时间尺度实时滚动调整层则基于短时间尺度的风电和负荷预测数据，跟踪和修正上层的调度计划。本发明增强了电网应对不确定性的能力，实现了经济有效调峰。

Description

考虑退化成本的电池储能参与调峰双层滚动优化控制方法
技术领域
本发明涉及电网运行控制技术领域，尤其是考虑退化成本的电池储能参与调峰双层滚动优化控制方法。
背景技术
大规模并网的风电(WindTurbine，WT)具有反调峰特性，导致电力系统的负荷峰谷差大幅增加，采用具有灵活运行特性的电池储能(Battery Energy Storage，BES)参与调峰引起了的广泛关注。然而，风电的不确定性和间歇性以及负荷预测误差，会影响BES参与调峰的性能，因此，需要制定合理有效的BES 参与调峰的优化控制策略，在最小化系统经济成本的同时，实现有效调峰。此外， BES参与调峰过程中的频繁充放电，会加速BES退化过程，缩短BES循环寿命。因此，在制定BES参与调峰的优化控制策略时，需要建立既能准确反映BES退化过程，又易于求解的退化成本模型。
目前，针对电池储能参与调峰的优化控制方法主要包括日前优化调度方法和基于模型预测控制(Model Predictive Control，MPC)的优化控制方法，其中基于MPC的优化控制方法又包括单时间尺度滚动优化控制方法和日前优化调度与日内MPC滚动优化相结合的多时间尺度优化控制方法。
日前优化调度是一次离线全时段优化，其调度计划的准确性在很大程度上取决于不确定性因素的预测精度。如果风电和负荷的预测精度较低，将导致日前优化调度计划与实际运行存在较大偏差，不利于电力系统的经济安全运行。
单时间尺度的滚动优化控制方法，包括短时间尺度或长时间尺度的滚动优化控制方法。单时间尺度的滚动优化控制方法虽然在不确定环境下具有较强的鲁棒性，但存在一定的局限性，具体表现为：当采用短时间尺度的滚动优化控制方法时，由于较短的预测时域包含较少的信息量，为保证系统做出更符合实际运行情况的计划，需选取较长的预测时域使滚动优化模型包含更丰富的未来信息量，然而当预测时域较长时，滚动优化模型难以获取未来所有调度时段内较为精确的预测数据；当采用长时间尺度的滚动优化控制方法时，由于预测精度会随着时间尺度的增大而逐渐降低，因此长时间尺度滚动优化所获取到的预测数据精度较低，从而会导致优化控制结果的准确度降低，难以保证系统运行经济性。
基于日前调度与日内MPC滚动优化相结合的多时间尺度优化控制方法，通过多时间尺度的形式削弱了不确定性因素的影响。然而，日前优化调度计划与实际运行情况存在较大偏差，不利于日内滚动优化根据短期预测数据对其进行跟踪与修正。
针对风电的不确定性和间歇性，以上三种方法均存在过度依赖预测信息精度的不足。此外，当前关于电池储能参与调峰的研究存在忽略BES退化成本的不足。
基于上述分析，本发明提出一种考虑退化成本的电池储能参与调峰的双层滚动优化控制方法。
发明内容
本发明提出考虑退化成本的电池储能参与调峰双层滚动优化控制方法，能够增强电网应对不确定性的能力，实现电网经济有效调峰。
本发明采用以下技术方案。
考虑退化成本的电池储能参与调峰双层滚动优化控制方法，用于制定电池储能BES(Battery Energy Storage的简写)参与的电网调峰控制策略，所述方法包括以下步骤：
步骤一、将BES和WT出力视为广义负荷，定义电负荷、BES出力、WT实际出力的差为净负荷，以最小化相邻时段净负荷差的平方为调峰目标，建立BES 参与调峰模型，调峰模型中的调峰目标与经济目标属于不同维度，通过引入经济折算系数，建立调峰折算成本模型，从而将多目标优化模型转化为单目标优化模型；
步骤二、在BES参与调峰过程中，建立考虑放电深度和循环寿命的BES退化成本模型，所述退化成本模型为准确反映BES退化过程的易求解模型；
步骤三、针对风电和负荷预测不确定性对BES参与调峰性能的影响，以上层为长时间尺度滚动优化层，下层为短时间尺度实时滚动调整层，实施双层滚动优化控制。
所述调峰折算成本模型中，将BES和WT出力视为广义负荷，净负荷以公式表示为
Figure BDA0003375323370000031
式中，Ωload表示节点集合，Li(t)是t时刻节点i的有功负荷，Pwt(t)表示t时刻 WT的实际出力；
调峰折算成本模型中，引入经济折算系数ω，将调峰目标转化至经济维度，从而将多目标优化模型转化为单目标优化模型；调峰成本Cnet表示为
Cnet＝ω(Pnet(t)-Pnet(t-1))2 公式二；
所述电池储能退化成本考虑BES放电深度和循环寿命，BES循环寿命曲线的公式为
Figure BDA0003375323370000032
式中，db表示BES的放电深度，Lb(db)表示BES的循环寿命，α,β,γ>0是BES 循环寿命曲线的拟合系数；
BES退化成本模型以公式表示为
Figure BDA0003375323370000033
式中，Cb是BES置换成本，Pb,ch(t)、Pb,dis(t)分别表示BES充电和放电功率，Eb是BES的额定容量，ηbc、ηbd分别表示BES的充电和放电效率。
所述双层滚动优化控制方法包括上层长时间尺度滚动优化层和下层短时间尺度实时滚动调整层；所述双层滚动优化控制包括以下步骤：
步骤S1：长时间尺度滚动优化层，基于未来Tl个时段内风电和负荷的预测数据以及系统运行约束，求解上层目标函数，得到最优调度计划序列解；
步骤S2：长时间尺度滚动优化层下发序列解的第一个荷电状态(State of Charge，简写为SoC)值作为短时间尺度滚动优化调整层SoC的初始值，并将上层序列解的第一个功率计划值作为短时间尺度滚动优化层的参考值；
步骤S3：短时间尺度实时滚动调整层遵循长时间尺度滚动优化层的充放电状态、调峰状态，结合短时间尺度风电和负荷的预测数据以及约束条件，在每个控制时间间隔Δts内对参考值进行跟踪与修正；
步骤S4：下层不断向前滚动优化，直至经过Δtl时间后，将BES的SOC值返回长时间尺度滚动优化层，长时间尺度滚动优化层开始tl＝tl+1的调度；
步骤S5：反复执行上述过程，直至tl＝Tl结束，进而获得全天的调度决策。
所述长时间尺度滚动优化层的控制时间间隔为Δtl，预测时域为Tl，优化目标为最小化预测时域Tl内系统综合成本；
所述长时间尺度滚动优化层的目标函数由非燃气机组发电成本
Figure BDA0003375323370000041
BES退化成本
Figure BDA0003375323370000042
弃风成本
Figure BDA0003375323370000043
和调峰成本
Figure BDA0003375323370000044
构成，表示为
Figure BDA0003375323370000045
式中，tl∈{0,1,...,Tl-1}为上层滚动优化的起始时刻，通过tl依次取0,1,...,Tl-1，进行上层滚动优化；ΩG为非燃气机组集合；
Figure BDA0003375323370000046
是非燃气机组i的发电功率；所述非燃气机组发电成本以公式表示为，
Figure BDA0003375323370000047
式中，ai、bi、ci是非燃气机组i的发电成本系数；
所述弃风成本以公式表示为
Figure BDA0003375323370000048
式中，cwt是弃风成本系数，
Figure BDA0003375323370000049
是WT预测出力；
所述长时间尺度滚动优化层的约束条件包括节点功率平衡约束、线路容量约束、非燃气机组约束、BES约束、风电消纳约束和BES调峰约束；
节点功率平衡约束以公式表示为
Figure BDA00033753233700000410
式中，n表示系统节点数，Pij(tl)表示节点i、j之间的线路容量；
线路容量约束以公式表示为
Figure BDA0003375323370000051
式中，
Figure BDA0003375323370000052
分别表示节点i、j的相角，xij表示节点i、j之间的线路阻抗，
Figure BDA0003375323370000053
表示线路最大容量；
所述非燃气机组约束包括出力约束和爬坡约束，以公式表示为
Figure BDA0003375323370000054
式中，
Figure BDA0003375323370000055
分别表示非燃气机组i出力的上下限，DRG,i、URG,i分别表示非燃气机组i爬坡的上下限；
所述BES约束中，BES在第tl个调度时段的荷电状态与该时段的充/放电功率和前一时段的荷电状态有关，即
Figure BDA0003375323370000056
式中，Sb(tl)表示BES在tl时刻的荷电状态；
BES运行受荷电状态和最大充放电功率约束；模型中同一时刻BES只能进行充电或放电，引入二进制变量用于表示BES充放电状态；调度结束时BES的荷电状态需恢复至初始荷电状态以保证BES满足下一个调度周期的运行，即有公式
Figure BDA0003375323370000061
式中，T为系统调度周期，
Figure BDA0003375323370000062
分别表示BES荷电状态的上下限，
Figure BDA0003375323370000063
Figure BDA0003375323370000064
分别表示BES出力上下限，
Figure BDA0003375323370000065
是表示BES充放电状态的二进制变量，当
Figure BDA0003375323370000066
表示充电，当
Figure BDA0003375323370000067
表示放电；
所述风电消纳约束中，风电消纳被限制在0与风电预测值之间，即
Figure BDA0003375323370000068
所述BES调峰约束中，调峰不足的概率小于设定值以保证调峰的可靠性，以公式表示为
Figure BDA0003375323370000069
式中，
Figure BDA00033753233700000610
表示调峰的功率缺额，ε(tl)为表示调峰状态的二进制变量，当ε(tl)＝1，表示调峰功率缺额；
公式十四中的双线项
Figure BDA00033753233700000611
可以采用Big-M法处理，即引入连续变量χ(tl)表示双线性项，χ(tl)仍需满足以下约束：
-ε(tl)·M≤χ(tl)≤ε(tl)·M 公式十五；
Figure BDA00033753233700000612
式中，M是足够大的正数。
所述短时间尺度实时滚动调整层的目标函数中，短时间尺度实时滚动调整层的控制时间间隔为Δts，预测时域为Ts，优化目标为根据短期的风电和负荷预测值，跟踪和修正上层调度计划，降低预测误差对系统的影响，短时间尺度实时滚动调整层的目标函数表示为最小化功率修正的惩罚成本，以公式表示为
Figure BDA0003375323370000071
式中：ts∈{0,1,...,Ts-1}为下层滚动优化的起始时刻，通过ts依次取0,1,...,Ts-1，进行下层滚动优化；系统内设备数为Ns；
Figure BDA0003375323370000072
表示对设备i进行功率修正的惩罚因子；
Figure BDA0003375323370000073
和
Figure BDA0003375323370000074
分别表示设备j的参考值和修正值；
短时间尺度实时滚动调整层的约束条件与长时间尺度滚动优化层约束条件相同。
相较于现有技术，本发明具有以下有益效果：本发明提出了一种考虑退化成本的电池储能系统参与调峰的双层滚动优化控制方法，该方法增强了电网应对不确定性的能力，平滑了净负荷波动，实现了经济有效调峰。在长时间尺度滚动优化层，引入经济折算系数，将调峰目标折算到经济维度，从而以最小化包含调峰目标、BES退化成本和经济成本的系统综合成本为目标，基于风电和负荷的预测数据以及系统运行约束，通过多步滚动优化求解制定长时间尺度调度计划，使得 BES根据负荷与风电出力的差值进行充放电，平滑了净负荷波动，实现了经济有效调峰。在短时间尺度实时滚动调整层，基于短期风电和负荷预测数据，对长时间尺度调度计划进行跟踪和修正，以减少预测误差引起的电网功率波动，提高了电网适应不确定性环境的能力。此外，本方法具有经济折算系数选择的灵活度，电力调度部门可以根据不同应用需求，灵活设置经济折算系数，实现经济目标与调峰目标的协调。
本发明提出的考虑退化成本的电池储能参与调峰的双层滚动优化控制方法，有机结合了单一长时间尺度滚动优化方法和单一短时间尺度滚动优化方法的优势，长时间尺度滚动优化层可以根据实际需求灵活选择预测时域，从而保证电网能够更好地感知系统未来的变化趋势，做出更符合实际的调度计划，克服了单一短时间尺度滚动优化控制策略预测时域选取受限的缺点；下层短时间尺度实时滚动调整层可以较好地应对预测误差带来的影响，增强电网对短时间尺度系统功率变化的适应能力，克服了单一长时间尺度滚动优化控制策略由于预测误差较大导致电网调度结果可信度较低的问题。相较于日前调度与日内MPC滚动优化相结合的多时间尺度优化控制方法，该方法可以有效地解决由于日前优化调度结果不够精准导致的调峰计划与实际情况偏差较大的问题，在预测不确定性环境下具有较强的鲁棒性。
附图说明
下面结合附图和具体实施方式对本发明进一步详细的说明：
附图1是本发明的控制流程示意图；
附图2是本发明的原理示意图。
具体实施方式
如图所示，考虑退化成本的电池储能参与调峰双层滚动优化控制方法，用于制定电池储能BES(Battery Energy Storage的简写)参与的电网调峰控制策略，所述方法包括以下步骤：
步骤一、将BES和WT出力视为广义负荷，定义电负荷、BES出力、WT实际出力的差为净负荷，以最小化相邻时段净负荷差的平方为调峰目标，建立BES 参与调峰模型，调峰模型中的调峰目标与经济目标属于不同维度，通过引入经济折算系数，建立调峰折算成本模型，从而将多目标优化模型转化为单目标优化模型；
步骤二、在BES参与调峰过程中，建立考虑放电深度和循环寿命的BES退化成本模型，所述退化成本模型为准确反映BES退化过程的易求解模型；
步骤三、针对风电和负荷预测不确定性对BES参与调峰性能的影响，以上层为长时间尺度滚动优化层，下层为短时间尺度实时滚动调整层，实施双层滚动优化控制。
所述调峰折算成本模型中，将BES和WT出力视为广义负荷，净负荷以公式表示为
Figure BDA0003375323370000081
式中，Ωload表示节点集合，Li(t)是t时刻节点i的有功负荷，Pwt(t)表示t时刻 WT的实际出力；
调峰折算成本模型中，引入经济折算系数ω，将调峰目标转化至经济维度，从而将多目标优化模型转化为单目标优化模型；调峰成本Cnet表示为
Cnet＝ω(Pnet(t)-Pnet(t-1))2 公式二；
所述电池储能退化成本考虑BES放电深度和循环寿命，BES循环寿命曲线的公式为
Figure BDA0003375323370000091
式中，db表示BES的放电深度，Lb(db)表示BES的循环寿命，α,β,γ>0是BES 循环寿命曲线的拟合系数；
BES退化成本模型以公式表示为
Figure BDA0003375323370000092
式中，Cb是BES置换成本，Pb,ch(t)、Pb,dis(t)分别表示BES充电和放电功率，Eb是BES的额定容量，ηbc、ηbd分别表示BES的充电和放电效率。
所述双层滚动优化控制方法包括上层长时间尺度滚动优化层和下层短时间尺度实时滚动调整层；所述双层滚动优化控制包括以下步骤；
步骤S1：长时间尺度滚动优化层，基于未来Tl个时段内风电和负荷的预测数据以及系统运行约束，求解上层目标函数，得到最优调度计划序列解；
步骤S2：长时间尺度滚动优化层下发序列解的第一个荷电状态(State of Charge，简写为SoC)值作为短时间尺度滚动优化调整层SoC的初始值，并将上层序列解的第一个功率计划值作为短时间尺度滚动优化层的参考值；
步骤S3：短时间尺度实时滚动调整层遵循长时间尺度滚动优化层的充放电状态、调峰状态，结合短时间尺度风电和负荷的预测数据以及约束条件，在每个控制时间间隔Δts内对参考值进行跟踪与修正；
步骤S4：下层不断向前滚动优化，直至经过Δtl时间后，将BES的SOC值返回长时间尺度滚动优化层，长时间尺度滚动优化层开始tl＝tl+1的调度；
步骤S5：反复执行上述过程，直至tl＝Tl结束，进而获得全天的调度决策。
所述长时间尺度滚动优化层的控制时间间隔为Δtl，预测时域为Tl，优化目标为最小化预测时域Tl内系统综合成本；
所述长时间尺度滚动优化层的目标函数由非燃气机组发电成本
Figure BDA0003375323370000101
BES退化成本
Figure BDA0003375323370000102
弃风成本
Figure BDA0003375323370000103
和调峰成本
Figure BDA0003375323370000104
构成，表示为，
Figure BDA0003375323370000105
式中，tl∈{0,1,...,Tl-1}为上层滚动优化的起始时刻，通过tl依次取0,1,...,Tl-1，进行上层滚动优化；ΩG为非燃气机组集合；
Figure BDA0003375323370000106
是非燃气机组i的发电功率；所述非燃气机组发电成本以公式表示为，
Figure BDA0003375323370000107
式中，ai、bi、ci是非燃气机组i的发电成本系数；
所述弃风成本以公式表示为
Figure BDA0003375323370000108
式中，cwt是弃风成本系数，
Figure BDA0003375323370000109
是WT预测出力；
所述长时间尺度滚动优化层的约束条件包括节点功率平衡约束、线路容量约束、非燃气机组约束、BES约束、风电消纳约束和BES调峰约束；
节点功率平衡约束以公式表示为
Figure BDA00033753233700001010
式中，n表示系统节点数，Pij(tl)表示节点i、j之间的线路容量；
线路容量约束以公式表示为
Figure BDA0003375323370000111
式中，
Figure BDA0003375323370000112
分别表示节点i、j的相角，xij表示节点i、j之间的线路阻抗，
Figure BDA0003375323370000113
表示线路最大容量；
所述非燃气机组约束包括出力约束和爬坡约束，以公式表示为
Figure BDA0003375323370000114
式中，
Figure BDA0003375323370000115
分别表示非燃气机组i出力的上下限，DRG,i、URG,i分别表示非燃气机组i爬坡的上下限；
所述BES约束中，BES在第tl个调度时段的荷电状态与该时段的充/放电功率和前一时段的荷电状态有关，即
Figure BDA0003375323370000116
式中，Sb(tl)表示BES在tl时刻的荷电状态；
BES运行受荷电状态和最大充放电功率约束；模型中同一时刻BES只能进行充电或放电，引入二进制变量用于表示BES充放电状态；调度结束时BES的荷电状态需恢复至初始荷电状态以保证BES满足下一个调度周期的运行，即有公式
Figure BDA0003375323370000117
式中，T为系统调度周期，
Figure BDA0003375323370000121
分别表示BES荷电状态的上下限，
Figure BDA0003375323370000122
Figure BDA0003375323370000123
分别表示BES出力上下限，
Figure BDA0003375323370000124
是表示BES充放电状态的二进制变量，当
Figure BDA0003375323370000125
表示充电，当
Figure BDA0003375323370000126
表示放电；
所述风电消纳约束中，风电消纳被限制在0与风电预测值之间，即
Figure BDA0003375323370000127
所述BES调峰约束中，调峰不足的概率小于设定值以保证调峰的可靠性，以公式表示为
Figure BDA0003375323370000128
式中，
Figure BDA0003375323370000129
表示调峰的功率缺额，ε(tl)为表示调峰状态的二进制变量，当ε(tl)＝1，表示调峰功率缺额；
公式十四中的双线项
Figure BDA00033753233700001210
可以采用Big-M法处理，即引入连续变量χ(tl)表示双线性项，χ(tl)仍需满足以下约束：
-ε(tl)·M≤χ(tl)≤ε(tl)·M 公式十五；
Figure BDA00033753233700001211
式中，M是足够大的正数。
所述短时间尺度实时滚动调整层的目标函数中，短时间尺度实时滚动调整层的控制时间间隔为Δts，预测时域为Ts，优化目标为根据短期的风电和负荷预测值，跟踪和修正上层调度计划，降低预测误差对系统的影响，短时间尺度实时滚动调整层的目标函数表示为最小化功率修正的惩罚成本，以公式表示为
Figure BDA00033753233700001212
式中：ts∈{0,1,...,Ts-1}为下层滚动优化的起始时刻，通过ts依次取0,1,...,Ts-1，进行下层滚动优化；系统内设备数为Ns；
Figure BDA0003375323370000131
表示对设备i进行功率修正的惩罚因子；
Figure BDA0003375323370000132
和
Figure BDA0003375323370000133
分别表示设备j的参考值和修正值；
短时间尺度实时滚动调整层的约束条件与长时间尺度滚动优化层约束条件相同。

Claims (6)

1.考虑退化成本的电池储能参与调峰双层滚动优化控制方法，用于制定电池储能BES参与的电网调峰控制策略，其特征在于：所述方法包括以下步骤：
步骤一、将BES和WT出力视为广义负荷，定义电负荷、BES出力、WT实际出力的差为净负荷，以最小化相邻时段净负荷差的平方为调峰目标，建立BES参与调峰模型，调峰模型中的调峰目标与经济目标属于不同维度，通过引入经济折算系数，建立调峰折算成本模型，从而将多目标优化模型转化为单目标优化模型；
步骤二、在BES参与调峰过程中，建立考虑放电深度和循环寿命的BES退化成本模型，所述退化成本模型为准确反映BES退化过程的易求解模型；
步骤三、针对风电和负荷预测不确定性对BES参与调峰性能的影响，以上层为长时间尺度滚动优化层，下层为短时间尺度实时滚动调整层，实施双层滚动优化控制。
2.根据权利要求1所述的考虑退化成本的电池储能参与调峰双层滚动优化控制方法，其特征在于：所述调峰折算成本模型中，将BES和WT出力视为广义负荷，净负荷以公式表示为
Figure FDA0003375323360000011
式中，Ωload表示节点集合，Li(t)是t时刻节点i的有功负荷，Pwt(t)表示t时刻WT的实际出力；
调峰折算成本模型中，引入经济折算系数ω，将调峰目标转化至经济维度，从而将多目标优化模型转化为单目标优化模型；调峰成本Cnet表示为
Cnet＝ω(Pnet(t)-Pnet(t-1))2 公式二。
3.根据权利要求1所述的考虑退化成本的电池储能参与调峰双层滚动优化控制方法，其特征在于：所述电池储能退化成本考虑BES放电深度和循环寿命，BES循环寿命曲线的公式为
Figure FDA0003375323360000021
式中，db表示BES的放电深度，Lb(db)表示BES的循环寿命，α,β,γ>0是BES循环寿命曲线的拟合系数；
BES退化成本模型以公式表示为
Figure FDA0003375323360000022
式中，Cb是BES置换成本，Pb,ch(t)、Pb,dis(t)分别表示BES充电和放电功率，Eb是BES的额定容量，ηbc、ηbd分别表示BES的充电和放电效率。
4.根据权利要求1所述的考虑退化成本的电池储能参与调峰双层滚动优化控制方法，其特征在于：所述双层滚动优化控制方法包括上层长时间尺度滚动优化层和下层短时间尺度实时滚动调整层；所述双层滚动优化控制包括以下步骤；
步骤S1：长时间尺度滚动优化层，基于未来Tl个时段内风电和负荷的预测数据以及系统运行约束，求解上层目标函数，得到最优调度计划序列解；
步骤S2：长时间尺度滚动优化层下发序列解的第一个荷电状态SoC值作为短时间尺度滚动优化调整层SoC的初始值，并将上层序列解的第一个功率计划值作为短时间尺度滚动优化层的参考值；
步骤S3：短时间尺度实时滚动调整层遵循长时间尺度滚动优化层的充放电状态、调峰状态，结合短时间尺度风电和负荷的预测数据以及约束条件，在每个控制时间间隔Δts内对参考值进行跟踪与修正；
步骤S4：下层不断向前滚动优化，直至经过Δtl时间后，将BES的SOC值返回长时间尺度滚动优化层，长时间尺度滚动优化层开始tl＝tl+1的调度；
步骤S5：反复执行上述过程，直至tl＝Tl结束，进而获得全天的调度决策。
5.根据权利要求4所述的考虑退化成本的电池储能参与调峰双层滚动优化控制方法，其特征在于：所述长时间尺度滚动优化层的控制时间间隔为Δtl，预测时域为Tl，优化目标为最小化预测时域Tl内系统综合成本；
所述长时间尺度滚动优化层的目标函数由非燃气机组发电成本
Figure FDA0003375323360000031
BES退化成本
Figure FDA0003375323360000032
弃风成本
Figure FDA0003375323360000033
和调峰成本
Figure FDA0003375323360000034
构成，表示为
Figure FDA0003375323360000035
式中，tl∈{0,1,...,Tl-1}为上层滚动优化的起始时刻，通过tl依次取0,1,...,Tl-1，进行上层滚动优化；ΩG为非燃气机组集合；
Figure FDA0003375323360000036
是非燃气机组i的发电功率；
所述非燃气机组发电成本以公式表示为
Figure FDA0003375323360000037
式中，ai、bi、ci是非燃气机组i的发电成本系数；
所述弃风成本以公式表示为
Figure FDA0003375323360000038
式中，cwt是弃风成本系数，
Figure FDA0003375323360000039
是WT预测出力；
所述长时间尺度滚动优化层的约束条件包括节点功率平衡约束、线路容量约束、非燃气机组约束、BES约束、风电消纳约束和BES调峰约束；
节点功率平衡约束以公式表示为
Figure FDA00033753233600000310
式中，n表示系统节点数，Pij(tl)表示节点i、j之间的线路容量；
线路容量约束以公式表示为
Figure FDA00033753233600000311
式中，
Figure FDA00033753233600000312
分别表示节点i、j的相角，xij表示节点i、j之间的线路阻抗，
Figure FDA00033753233600000313
表示线路最大容量；
所述非燃气机组约束包括出力约束和爬坡约束，以公式表示为
Figure FDA0003375323360000041
式中，
Figure FDA0003375323360000042
分别表示非燃气机组i出力的上下限，DRG,i、URG,i分别表示非燃气机组i爬坡的上下限；
所述BES约束中，BES在第tl个调度时段的荷电状态与该时段的充/放电功率和前一时段的荷电状态有关，即
Figure FDA0003375323360000043
式中，Sb(tl)表示BES在tl时刻的荷电状态；
BES运行受荷电状态和最大充放电功率约束；模型中同一时刻BES只能进行充电或放电，引入二进制变量用于表示BES充放电状态；调度结束时BES的荷电状态需恢复至初始荷电状态以保证BES满足下一个调度周期的运行，即有公式
Figure FDA0003375323360000044
式中，T为系统调度周期，
Figure FDA0003375323360000045
分别表示BES荷电状态的上下限，
Figure FDA0003375323360000046
Figure FDA0003375323360000047
分别表示BES出力上下限，
Figure FDA0003375323360000048
是表示BES充放电状态的二进制变量，当
Figure FDA0003375323360000049
表示充电，当
Figure FDA00033753233600000410
表示放电；
所述风电消纳约束中，风电消纳被限制在0与风电预测值之间，即
Figure FDA00033753233600000411
所述BES调峰约束中，调峰不足的概率小于设定值以保证调峰的可靠性，以公式表示为
Figure FDA0003375323360000051
式中，
Figure FDA0003375323360000052
表示调峰的功率缺额，ε(tl)为表示调峰状态的二进制变量，当ε(tl)＝1，表示调峰功率缺额；
公式十四中的双线项
Figure FDA0003375323360000053
可以采用Big-M法处理，即引入连续变量χ(tl)表示双线性项，χ(tl)仍需满足以下约束：
-ε(tl)·M≤χ(tl)≤ε(tl)·M 公式十五；
Figure FDA0003375323360000054
式中，M是足够大的正数。
6.根据权利要求4所述的考虑退化成本的电池储能参与调峰双层滚动优化控制方法，其特征在于：所述短时间尺度实时滚动调整层的目标函数中，短时间尺度实时滚动调整层的控制时间间隔为Δts，预测时域为Ts，优化目标为根据短期的风电和负荷预测值，跟踪和修正上层调度计划，降低预测误差对系统的影响，短时间尺度实时滚动调整层的目标函数表示为最小化功率修正的惩罚成本，以公式表示为
Figure FDA0003375323360000055
式中：ts∈{0,1,...,Ts-1}为下层滚动优化的起始时刻，通过ts依次取0,1,...,Ts-1，进行下层滚动优化；系统内设备数为Ns；
Figure FDA0003375323360000056
表示对设备i进行功率修正的惩罚因子；
Figure FDA0003375323360000057
和
Figure FDA0003375323360000058
分别表示设备j的参考值和修正值；
短时间尺度实时滚动调整层的约束条件与长时间尺度滚动优化层约束条件相同。
CN202111414135.9A 2021-11-25 2021-11-25 考虑退化成本的电池储能参与调峰双层滚动优化控制方法 Active CN114172180B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111414135.9A CN114172180B (zh) 2021-11-25 2021-11-25 考虑退化成本的电池储能参与调峰双层滚动优化控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111414135.9A CN114172180B (zh) 2021-11-25 2021-11-25 考虑退化成本的电池储能参与调峰双层滚动优化控制方法

Publications (2)

Publication Number Publication Date
CN114172180A true CN114172180A (zh) 2022-03-11
CN114172180B CN114172180B (zh) 2024-04-05

Family

ID=80480830

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111414135.9A Active CN114172180B (zh) 2021-11-25 2021-11-25 考虑退化成本的电池储能参与调峰双层滚动优化控制方法

Country Status (1)

Country Link
CN (1) CN114172180B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116054241A (zh) * 2022-12-13 2023-05-02 广东工业大学 一种新能源微电网群系统鲁棒能量管理方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109103912A (zh) * 2018-07-18 2018-12-28 合肥工业大学 考虑电网调峰需求的工业园区主动配电系统调度优化方法
CN110932300A (zh) * 2019-12-18 2020-03-27 国网福建省电力有限公司 一种考虑梯次利用储能的配电网优化调度方法
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
AU2020101665A4 (en) * 2020-08-04 2020-09-10 Beijing Electric Power Trading Center Co., Ltd A compensation cost allocation method for auxiliary service of peak load regulation
CN111900746A (zh) * 2020-08-05 2020-11-06 浙江华云清洁能源有限公司 一种基于双层模型的储能参与调峰的容量配置方法
CN112865174A (zh) * 2021-01-07 2021-05-28 福州大学 基于双层模型预测控制的微能网多时间尺度优化控制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109103912A (zh) * 2018-07-18 2018-12-28 合肥工业大学 考虑电网调峰需求的工业园区主动配电系统调度优化方法
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
CN110932300A (zh) * 2019-12-18 2020-03-27 国网福建省电力有限公司 一种考虑梯次利用储能的配电网优化调度方法
AU2020101665A4 (en) * 2020-08-04 2020-09-10 Beijing Electric Power Trading Center Co., Ltd A compensation cost allocation method for auxiliary service of peak load regulation
CN111900746A (zh) * 2020-08-05 2020-11-06 浙江华云清洁能源有限公司 一种基于双层模型的储能参与调峰的容量配置方法
CN112865174A (zh) * 2021-01-07 2021-05-28 福州大学 基于双层模型预测控制的微能网多时间尺度优化控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
肖浩;裴玮;孔力;: "基于模型预测控制的微电网多时间尺度协调优化调度", 电力系统自动化, vol. 40, no. 18, pages 7 - 14 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116054241A (zh) * 2022-12-13 2023-05-02 广东工业大学 一种新能源微电网群系统鲁棒能量管理方法
CN116054241B (zh) * 2022-12-13 2023-09-15 广东工业大学 一种新能源微电网群系统鲁棒能量管理方法

Also Published As

Publication number Publication date
CN114172180B (zh) 2024-04-05

Similar Documents

Publication Publication Date Title
CN110544935B (zh) 一种电-氢多能互补直流微电网协调调度方法
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
CN106953316B (zh) 微电网变时间尺度优化调度方法
CN112564109B (zh) 一种基于储能系统参与含大规模海上风电的调频优化运行方法
CN112381424A (zh) 新能源及负荷不确定性的多时间尺度有功优化决策方法
CN110796373A (zh) 面向风电消纳的多阶段场景生成电热系统优化调度方法
CN114221338A (zh) 考虑电源灵活性和互补性的多能源电力系统优化调度方法
CN113408962A (zh) 一种电网多时间尺度多目标能量优化调度方法
CN113162090A (zh) 一种计及电池模块容量的储能系统容量配置优化方法
CN116316694A (zh) 基于两阶段鲁棒优化的储能电站调频的最优参数选取方法
CN114172180A (zh) 考虑退化成本的电池储能参与调峰双层滚动优化控制方法
CN116805803A (zh) 基于自适应mpc的风光储离网制氢系统能量调度方法
CN114759616B (zh) 一种考虑电力电子器件特性的微电网鲁棒优化调度方法
CN116384655A (zh) 面向新能源消纳的源网荷侧储能系统优化规划方法及系统
CN114912735A (zh) 一种考虑5g基站储能参与电网互动的需求响应优化方法
CN109950920B (zh) 一种基于动态规划算法的光伏场站侧电化学储能充放电计划制定方法
CN111181158A (zh) 一种基于人工神经网络的风电场经济调度方法
CN111740443A (zh) 多分布式电源的独立微电网多时间尺度协同优化调度方法
CN111244989A (zh) 一种基于电池储能的风电机组与火电机组的协调运行方法
Song et al. Unit commitment optimization model of wind storage combined system considering peak load regulation of energy storage system
CN117833299B (zh) 一种混合抽蓄电站群容量分配方法、系统及电子设备
Tang et al. A Two-layer Receding-horizon Optimal Control Strategy for Battery Energy Storage System Participating in Peak Load Shifting Considering Degradation Cost
CN113610411B (zh) 一种多时间尺度嵌套的风光水多能互补调度方法
TP et al. Investigation of Choice of State Space for Reinforcement Learning Based Battery Scheduling in Microgrid
Song et al. Research on Multi-Source Frequency Regulation Strategies Based on the Stackelberg Game and Deep Adaptive Dynamic Programming

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