CN114186757A - 分布式能源系统站点选取及储能配置系统 - Google Patents

分布式能源系统站点选取及储能配置系统 Download PDF

Info

Publication number
CN114186757A
CN114186757A CN202210079289.5A CN202210079289A CN114186757A CN 114186757 A CN114186757 A CN 114186757A CN 202210079289 A CN202210079289 A CN 202210079289A CN 114186757 A CN114186757 A CN 114186757A
Authority
CN
China
Prior art keywords
queue
electric energy
station
energy storage
value
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
CN202210079289.5A
Other languages
English (en)
Other versions
CN114186757B (zh
Inventor
田志军
井嵘
杜保明
李士峰
刘广生
黄录录
王琪
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.)
Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
Guangrao Power Supply Co Of State Grid Shandong Electric Power Co
Original Assignee
Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
Guangrao Power Supply Co Of State Grid Shandong Electric Power Co
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 Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co, Guangrao Power Supply Co Of State Grid Shandong Electric Power Co filed Critical Dongying Power Industry Bureau Of State Grid Shandong Electric Power Co
Priority to CN202310509068.1A priority Critical patent/CN117196085A/zh
Priority to CN202210079289.5A priority patent/CN114186757B/zh
Publication of CN114186757A publication Critical patent/CN114186757A/zh
Application granted granted Critical
Publication of CN114186757B publication Critical patent/CN114186757B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06313—Resource planning in a project environment
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

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

Abstract

本申请提供了分布式能源系统站点选取及储能配置系统，包括：电网控制模块、均值估算模块、站点电能缓存估算模块、队列管理模块、站点配置优化模块、站点选择配置模块，各模块相互配合进行站点选取及储能配置，采用优化迭代策略，对站点的价值系数及站点数进行持续自优化，从而实现分布式系统站点的优选，达到降低储能开支及站点数，提升站点建设效能的目的。

Description

分布式能源系统站点选取及储能配置系统
技术领域
本申请涉及涉及分布式站点选取领域，特别涉及分布式能源系统站点选取及储能配置系统。
背景技术
本部分的陈述仅仅是提供了与本申请相关的背景技术信息，不必然构成在先技术。
随着人类信息化、工业化的快速发展，人类社会能源消耗长期呈高速增长态势，给能源供给带来极大的挑战，作为牵涉社会民生、工业基础的电能供应，更是如此。
为了缓解电能供应压力，国家出台相关政策鼓励分布式发电并网政策，由此调动各区域民间资源，广泛的利用水力发电、风力发电、太阳能、生物能(沼气)、海潮能这些能源，来为电能提供有效补充，从而达到通过广泛发展绿色能源来缓解电能供应压力的目的。
然而，目前对于分布式发电网点的选择评估、管理，则存在极大的滞后性，导致分布式发电并网后，普遍存在供应严重过剩、分布式电源站点储能裕量过大等问题，导致成本过高，整体效能低下。因此，提出分布式能源系统站点选取及储能配置系统，提升站点选择的科学性、优化站点储能定量配置，则是现有技术有待解决的问题。
发明内容
本申请为了解决上述问题提出了分布式能源系统站点选取及储能配置系统，提升站点选择的科学性、优化站点储能定量配置。
本申请提供了分布式能源系统站点选取及储能配置系统，包括：电网控制模块、均值估算模块、站点电能缓存估算模块、队列管理模块、站点配置优化模块、站点选择配置模块，各模块相互配合进行站点选取及储能配置的步骤如下：
步骤1、电网控制模块获取备选站点列表ListOption中各元素的发电拟合曲线Qi(t)，i为站点编号，取值为1、2、3、...、I，I为ListOption的站点总数；
步骤2、均值估算模块根据Qi(t)计算预设时段[TS，TE]内每个备选站点的电能产出均值Ei；
步骤3、站点电能缓存估算模块根据Qi(t)及Ei计算站点i满足电能均值产出Ei所需的电能储存容量Si及储能最大时长Ti；
步骤4、队列管理模块计算Ei/Si得到备选站点i的电能产出价值系数Pi，而后基于Pi由高到低进行排序，并选出满足总电能需求Sum的前F个站点，放进队列Q1，并把ListOption中除所述F个站点外的剩余站点放进队列Q2中；
步骤5、站点配置优化模块基于优化迭代策略，对Q2的电能产出均值进行优化配置，并更新Q1、Q2队列元素；
步骤6、站点选择配置模块把Q1队列中各站点确定为分布式能源系统所选取的站点，并输出所述Q1列表中优化后各个站点的电能产出均值AEj、站点储能ASj，j取值为1、2、3、...、K，其中K为Q1队列的总站点数。
优选地，所述步骤1中，拟合曲线Qi(t)基于站点i的传感参数拟合得到，具体的拟合方法采用内插法、阶梯法中的任意一种。
优选地，所述步骤2中，根据Qi(t)对时段[TS，TE]进行积分，而后除以(TE-TS)得到Ei。
优选地，所述步骤5中，所述基于优化迭代策略，对Q2的电能产出均值进行优化配置，并更新Q1、Q2队列元素，具体的操作为：
步骤5.1、设置Index为0、Q1_num为Q1队列元素总个数，Q2_num为Q2队列元素总个数，UnAdjustCnt为0，而后计算队列Q1的综合价值系数TK，具体计算方法为：获取队列Q1中站点数Q1_num；计算队列Q1中前(Q1_num-1)个站点的电能产出值SumPart和电能储存容量SPart；总电能需求Sum减去SumPart得到SumDelta；而后根据电能产生均值为SumDelta计算队列Q1中第Q1_num个站点的的电能储存容量S_F；计算Sum/(SPart+S_F)得到TK；
步骤5.2、Index加1后赋值给Index，如果Index大于Q2_num，则把Index设为1，接着判定UnAdjustCnt是否大于等于Q2_num，如果是，则跳转到步骤5.5，如果否，则跳转到步骤5.3；
步骤5.3、从队列Q2中获取第Index个元素，把该元素的储能最大时长赋值给t，电能均值产出赋值给E，电能储存容量赋值给S；而后根据
Figure BDA0003485425600000031
计算δE，并基于电能均值产出为(E-δE)重新计算该元素的电能储存容量值S_adjust及储能最大时长T_adjust；接着计算(E-δE)/S_adjust得到队列Q2中第Index个元素的价值系数TK_index；并把(E-δE)赋值给该元素的电能均值产出值，把S_adjust赋值给该元素的电能储存容量值、把T_adjust赋值给该元素的储能最大时长值；
步骤5.4、判定TK_index是否大于队列Q1最后一个元素的价值系数，
如果否，UnAdjustCnt加1赋值给UnAdjustCnt，并跳转到步骤5.2；
如果是，则把队列Q2中第Index个元素，按照价值系数排序移入队列Q1中，并核算Q1队列中满足总电能需求Sum所需的元素个数NeedQ1，
如果NeedQ1大于Q1_num，则把第Index个元素从队列Q1中撤回到Q2队列中，UnAdjustCnt加1赋值给UnAdjustCnt，并跳转到步骤5.2；
如果NeedQ1小于等于Q1_num，则对UnAdjustCnt清零，并把队列Q1中倒数(Q1_num-NeedQ1+1)个元素移入队列Q2中，并把Q2_num+(Q1_num-NeedQ1)赋值给Q2_num，NeedQ1赋值给Q1_num，并根据步骤5.1中“队列Q1的综合价值系数TK”计算方法，更新队列Q1中的综合价值系数TK，而后跳转到步骤5.2；
步骤5.5、计算队列Q1中前(Q1_num-1)个站点的电能产出值SumPart和电能储存容量SPart；总电能需求Sum减去SumPart得到SumDelta；而后根据电能产生均值为SumDelta计算队列Q1中第Q1_num个站点的的电能储存容量S_F，并把SumDelta赋值给队列Q1中第Q1_num个站点的电能产出均值，把S_F赋值给队列Q1中第Q1_num个站点的电能储存容量值，完成迭代优化操作。
与现有技术相比，本申请的有益效果为：
本申请首先建立初始综合价值系数及站点数，而后以综合价值系数为参考对Q2队列中元素的电能产出均值进行优化，并以价值系数及站点数改善为前提，根据Q2队列元素优化结果更新Q1队列元素，如是迭代直到Q2队列各元素的优化操作无法更新Q1队列元素为止，而后把Q1队列元素中各站点确定为分布式能源系统所选取的站点，并配置各站点按照优化后的电能产出均值进行工作，本发明采用优化迭代策略，对站点的价值系数及站点数进行持续自优化，从而实现分布式系统站点的优选，达到降低储能开支及站点数，提升站点建设效能的目的。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
图1是本申请一种实施例的方法流程示意；
图2是本申请一种实施例的系统原理示意；
图3是本申请一种实施例的实施现场示意。
具体实施方式：
下面结合附图与实施例对本申请作进一步说明。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在本公开中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本公开各部件或元件结构关系而确定的关系词，并非特指本公开中任一部件或元件，不能理解为对本公开的限制。
如图1至图3所示，本申请提供了分布式能源系统站点选取及储能配置系统，包括：电网控制模块、均值估算模块、站点电能缓存估算模块、队列管理模块、站点配置优化模块、站点选择配置模块，各模块的功能如下：
电网控制模块，该模块负责获取备选站点列表ListOption中各元素的发电拟合曲线Qi(t)，i为站点编号，取值为1、...、I，I为ListOption的站点总数；
均值估算模块，该模块负责根据Qi(t)计算预设时段[TS，TE]内每个备选站点的电能产出均值Ei；
站点电能缓存估算模块，该模块负责根据Qi(t)及Ei计算站点i满足电能均值产出Ei所需的电能储存容量Si及储能最大时长Ti；
队列管理模块，该模块负责计算Ei/Si得到备选站点i的电能产出价值系数Pi，而后基于Pi由高到低进行排序，并选出满足总电能需求Sum的前F个站点，放进队列Q1，并把ListOption中除所述F个站点外的剩余站点放进队列Q2中；
站点配置优化模块，该模块负责基于优化迭代策略，对Q2的电能产出均值进行优化配置，并更新Q1、Q2队列元素；
站点选择配置模块，该模块负责把Q1队列中各站点确定为分布式能源系统所选取的站点，并输出所述Q1列表中优化后各个站点的电能产出均值AEj、站点储能ASj，j取值为1、..、K，其中K为Q1队列的总站点数。
本申请还提供分布式能源系统站点选取及储能配置方法，具体步骤步骤如下：
步骤1、电网控制模块获取备选站点列表ListOption中各元素的发电拟合曲线Qi(t)，i为站点编号，取值为1、2、3、...、I，I为ListOption的站点总数；
步骤2、均值估算模块根据Qi(t)计算预设时段[TS，TE]内每个备选站点的电能产出均值Ei；
步骤3、站点电能缓存估算模块根据Qi(t)及Ei计算站点i满足电能均值产出Ei所需的电能储存容量Si及储能最大时长Ti；
步骤4、队列管理模块计算Ei/Si得到备选站点i的电能产出价值系数Pi，而后基于Pi由高到低进行排序，并选出满足总电能需求Sum的前F个站点，放进队列Q1，并把ListOption中除所述F个站点外的剩余站点放进队列Q2中；
步骤5、站点配置优化模块基于优化迭代策略，对Q2的电能产出均值进行优化配置，并更新Q1、Q2队列元素；
步骤6、站点选择配置模块把Q1队列中各站点确定为分布式能源系统所选取的站点，并输出所述Q1列表中优化后各个站点的电能产出均值AEj、站点储能ASj，j取值为1、2、3、...、K，其中K为Q1队列的总站点数。
所述步骤1中，拟合曲线Qi(t)基于站点i的传感参数拟合得到，具体的拟合方法采用内插法、阶梯法中的任意一种。
所述步骤2中，根据Qi(t)对时段[TS，TE]进行积分，而后除以(TE-TS)得到Ei。
所述步骤3中，所述电能储存容量Si及储能最大时长Ti采用现有技术的方法进行估算，具体不做限制，比如申请号为202111283987.9，专利名称为“分布式电源系统储能节点容量需求估算系统”的专利提供的储能节点容量需求估算方法。
所述步骤5中，所述基于优化迭代策略，对Q2的电能产出均值进行优化配置，并更新Q1、Q2队列元素，具体的操作为：
步骤5.1、设置Index为0、Q1_num为Q1队列元素总个数，Q2_num为Q2队列元素总个数，UnAdjustCnt为0，而后计算队列Q1的综合价值系数TK，具体计算方法为：获取队列Q1中站点数Q1_num；计算队列Q1中前(Q1_num-1)个站点的电能产出值SumPart和电能储存容量SPart；总电能需求Sum减去SumPart得到SumDelta；而后根据电能产生均值为SumDelta计算队列Q1中第Q1_num个站点的的电能储存容量S_F；计算Sum/(SPart+S_F)得到TK；
步骤5.2、Index加1后赋值给Index，如果Index大于Q2_num，则把Index设为1，接着判定UnAdjustCnt是否大于等于Q2_num，如果是，则跳转到步骤5.5，如果否，则跳转到步骤5.3；
步骤5.3、从队列Q2中获取第Index个元素，把该元素的储能最大时长赋值给t，电能均值产出赋值给E，电能储存容量赋值给S；而后根据
Figure BDA0003485425600000081
计算δE，并基于电能均值产出为(E-δE)重新计算该元素的电能储存容量值S_adjust及储能最大时长T_adjust；接着计算(E-δE)/S_adjust得到队列Q2中第Index个元素的价值系数TK_index；并把(E-δE)赋值给该元素的电能均值产出值，把S_adjust赋值给该元素的电能储存容量值、把T_adjust赋值给该元素的储能最大时长值；
步骤5.4、判定TK_index是否大于队列Q1最后一个元素的价值系数，
如果否，UnAdjustCnt加1赋值给UnAdjustCnt，并跳转到步骤5.2；
如果是，则把队列Q2中第Index个元素，按照价值系数排序移入队列Q1中，并核算Q1队列中满足总电能需求Sum所需的元素个数NeedQ1，
如果NeedQ1大于Q1_num，则把第Index个元素从队列Q1中撤回到Q2队列中，UnAdjustCnt加1赋值给UnAdjustCnt，并跳转到步骤5.2；
如果NeedQ1小于等于Q1_num，则对UnAdjustCnt清零，并把队列Q1中倒数(Q1_num-NeedQ1+1)个元素移入队列Q2中，并把Q2_num+(Q1_num-NeedQ1)赋值给Q2_num，NeedQ1赋值给Q1_num，并根据步骤5.1中“队列Q1的综合价值系数TK”计算方法，更新队列Q1中的综合价值系数TK，而后跳转到步骤5.2；
步骤5.5、计算队列Q1中前(Q1_num-1)个站点的电能产出值SumPart和电能储存容量SPart；总电能需求Sum减去SumPart得到SumDelta；而后根据电能产生均值为SumDelta计算队列Q1中第Q1_num个站点的的电能储存容量S_F，并把SumDelta赋值给队列Q1中第Q1_num个站点的电能产出均值，把S_F赋值给队列Q1中第Q1_num个站点的电能储存容量值，完成迭代优化操作。
下面用具体的实施例来描述一种分布式能源系统站点选取及储能配置装置的具体实施方式：
如图3所述，本实施例中，所述预设时间段如[TS，TE]所示，即图3中整个横轴坐标跨度；本实施例中备选站点列表ListOption总共包括六个站点，详见表1，各个站点的电能产出均值Ei、电能储存容量Si及储能最大时长Ti核算结果详见表1；
接着，队列管理模块计算Ei/Si得到备选站点i的电能产出价值系数Pi，而后基于Pi由高到低进行排序，并选出满足总电能需求Sum的前F个站点(本实施例是4)，放进队列Q1，并把ListOption中除所述F个站点外的剩余站点(即剩余的两个站点)放进队列Q2中，执行上述操作后，队列Q1、队列Q2的元素构成详见表4中“初始化”部分；
接着，站点配置优化模块基于优化迭代策略，根据步骤5.1至步骤5.5，对Q2的电能产出均值进行优化配置，并更新Q1、Q2队列元素，期间总共完成了5次迭代优化，前面两次迭代优化过程如下：
第一次迭代优化：根据TK等于3.8、S等于130、E等于380，t等于6，根据
Figure BDA0003485425600000101
计算得到δE等于5.2，而后基于站点5的发电拟合曲线Q5(t)、电能均值产出为(E-δE)重新计算该元素的电能储存容量值S_adjust等于125、储能最大时长T_adjust等于5；接着计算(E-δE)/S_adjust得到队列Q2中第1个元素(即站点5)的价值系数TK_1等于3.0；并把(E-δE)赋值给该元素的电能均值产出值，把S_adjust赋值给该元素的电能储存容量值、把T_adjust赋值给该元素的储能最大时长值，详见表2及表4中“第1次迭代优化”部分；此时，由于TK_1小于队列Q1最后一个元素(即站点4)的价值系数，因此，UnAdjustCnt加1赋值给UnAdjustCnt(此时等于1)，并跳转到步骤5.2，开始下一个元素的优化；
第二次迭代优化：获取对队列Q2中第2个元素(即站点6)进行优化，根据TK等于3.8、S等于180、E等于500，t等于39，根据
Figure BDA0003485425600000102
计算得到δE等于1.25，而后基于站点6的发电拟合曲线Q6(t)、电能均值产出为(E-δE)重新计算该元素的电能储存容量值S_adjust等于108、储能最大时长T_adjust等于10；接着计算((E-δE)/S_adjust得到队列Q2中第2个元素(即站点6)的价值系数TK_2等于4.6；并把(E-δE)赋值给该元素的电能均值产出值，把S_adjust赋值给该元素的电能储存容量值、把T_adjust赋值给该元素的储能最大时长值，详见表3及表4中“第2次迭代优化”部分；此时，由于TK_2大于Q1最后一个元素(即站点4)的价值系数，接着按照步骤5.4的处理逻辑，把队列Q2中第2个元素(即站点6)，按照价值系数排序移入队列Q1中，并核算Q1队列中满足总电能需求Sum所需的元素个数NeedQ1(即为3)，接着判定到NeedQ1(即3)小于等于Q1_num(即4)，因此，对UnAdjustCnt清零，并把队列Q1中倒数(Q1_num-NeedQ1+1)(即倒数2个)个元素移入队列Q2中，并把Q2_num+(Q1_num-NeedQ1)赋值给Q2_num(即3)，NeedQ1赋值给Q2_num(即3个)，并根据步骤5.1中“队列Q1的综合价值系数TK”计算方法，更新队列Q1中的综合价值系数TK，而后跳转到步骤5.2；
本实施例中假定后续第3至第5次迭代优化过程，都没有对Q1产生更新，因此，经过第3至第5次迭代后，UnAdjustCnt取值为3，判定UnAdjustCnt大于等于Q2_num，因此停止迭代优化。
最后，站点选择配置模块把Q1队列中各站点确定为分布式能源系统所选取的站点，并输出所述Q1列表中优化后各个站点的电能产出均值AEj、站点储能ASj，j取值为1、..、K，其中K为Q1队列的总站点数，详见表3中“第2次迭代优化”中队列Q1的配置信息。
从本实施例可以看成，采用本发明的方法，迭代优化后，选站综合价值系数从3.8提升到4.7，站点数从4个降低到3个，整体效能提升明显。
表1备选站点列表ListOption信息_初始状态
Figure BDA0003485425600000121
表2备选站点列表ListOption信息_第一次迭代优化结果
Figure BDA0003485425600000122
表3备选站点列表ListOption信息_第二次迭代优化结果
Figure BDA0003485425600000123
Figure BDA0003485425600000131
表4迭代优化过程示意
Figure BDA0003485425600000132
Figure BDA0003485425600000141
从上述实施例可以看出，本发明首先建立初始综合价值系数及站点数，而后以综合价值系数为参考对Q2队列中元素的电能产出均值进行优化，并以价值系数及站点数改善为前提，根据Q2队列元素优化结果更新Q1队列元素，如是迭代直到Q2队列各元素的优化操作无法更新Q1队列元素为止，而后把Q1队列元素中各站点确定为分布式能源系统所选取的站点，并配置各站点按照优化后的电能产出均值进行工作，本发明采用优化迭代策略，对站点的价值系数及站点数进行持续自优化，从而实现分布式系统站点的优选，达到降低储能开支及站点数，提升站点建设效能的目的。
以上仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
上述虽然结合附图对本申请的具体实施方式进行了描述，但并非对本申请保护范围的限制，所属领域技术人员应该明白，在本申请的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本申请的保护范围以内。

Claims (4)

1.分布式能源系统站点选取及储能配置系统，其特征在于，包括：
电网控制模块、均值估算模块、站点电能缓存估算模块、队列管理模块、站点配置优化模块、站点选择配置模块，各模块相互配合进行站点选取及储能配置的步骤如下：
步骤1、电网控制模块获取备选站点列表ListOption中各元素的发电拟合曲线Qi(t)，i为站点编号，取值为1、2、3、...、I，I为ListOption的站点总数；
步骤2、均值估算模块根据Qi(t)计算预设时段[TS，TE]内每个备选站点的电能产出均值Ei；
步骤3、站点电能缓存估算模块根据Qi(t)及Ei计算站点i满足电能均值产出Ei所需的电能储存容量Si及储能最大时长Ti；
步骤4、队列管理模块计算Ei/Si得到备选站点i的电能产出价值系数Pi，而后基于Pi由高到低进行排序，并选出满足总电能需求Sum的前F个站点，放进队列Q1，并把ListOption中除所述F个站点外的剩余站点放进队列Q2中；
步骤5、站点配置优化模块基于优化迭代策略，对Q2的电能产出均值进行优化配置，并更新Q1、Q2队列元素；
步骤6、站点选择配置模块把Q1队列中各站点确定为分布式能源系统所选取的站点，并输出所述Q1列表中优化后各个站点的电能产出均值AEj、站点储能ASj，j取值为1、2、3、...、K，其中K为Q1队列的总站点数。
2.根据权利要求1所述的分布式能源系统站点选取及储能配置系统，其特征在于：
所述步骤1中，拟合曲线Qi(t)基于站点i的传感参数拟合得到，具体的拟合方法采用内插法、阶梯法中的任意一种。
3.根据权利要求1所述的分布式能源系统站点选取及储能配置系统，其特征在于：
所述步骤2中，根据Qi(t)对时段[TS，TE]进行积分，而后除以(TE-TS)得到Ei。
4.根据权利要求1所述的分布式能源系统站点选取及储能配置系统，其特征在于：
所述步骤5中，所述基于优化迭代策略，对Q2的电能产出均值进行优化配置，并更新Q1、Q2队列元素，具体的操作为：
步骤5.1、设置Index为0、Q1_num为Q1队列元素总个数，Q2_num为Q2队列元素总个数，UnAdjustCnt为0，而后计算队列Q1的综合价值系数TK，具体计算方法为：获取队列Q1中站点数Q1_num；计算队列Q1中前(Q1_num-1)个站点的电能产出值SumPart和电能储存容量SPart；总电能需求Sum减去SumPart得到SumDelta；而后根据电能产生均值为SumDelta计算队列Q1中第Q1_num个站点的的电能储存容量S_F；计算Sum/(SPart+S_F)得到TK；
步骤5.2、Index加1后赋值给Index，如果Index大于Q2_num，则把Index设为1，接着判定UnAdjustCnt是否大于等于Q2_num，如果是，则跳转到步骤5.5，如果否，则跳转到步骤5.3；
步骤5.3、从队列Q2中获取第Index个元素，把该元素的储能最大时长赋值给t，电能均值产出赋值给E，电能储存容量赋值给S；而后根据
Figure FDA0003485425590000021
计算δE，并基于电能均值产出为(E-δE)重新计算该元素的电能储存容量值S_adjust及储能最大时长T_adjust；接着计算(E-δE)/S_adjust得到队列Q2中第Index个元素的价值系数TK_index；并把(E-δE)赋值给该元素的电能均值产出值，把S_adjust赋值给该元素的电能储存容量值、把T_adjust赋值给该元素的储能最大时长值；
步骤5.4、判定TK_index是否大于队列Q1最后一个元素的价值系数，
如果否，UnAdjustCnt加1赋值给UnAdjustCnt，并跳转到步骤5.2；
如果是，则把队列Q2中第Index个元素，按照价值系数排序移入队列Q1中，并核算Q1队列中满足总电能需求Sum所需的元素个数NeedQ1，
如果NeedQ1大于Q1_num，则把第Index个元素从队列Q1中撤回到Q2队列中，UnAdjustCnt加1赋值给UnAdjustCnt，并跳转到步骤5.2；
如果NeedQ1小于等于Q1_num，则对UnAdjustCnt清零，并把队列Q1中倒数(Q1_num-NeedQ1+1)个元素移入队列Q2中，并把Q2_num+(Q1_num-NeedQ1)赋值给Q2_num，NeedQ1赋值给Q1_num，并根据步骤5.1中“队列Q1的综合价值系数TK”计算方法，更新队列Q1中的综合价值系数TK，而后跳转到步骤5.2；
步骤5.5、计算队列Q1中前(Q1_num-1)个站点的电能产出值SumPart和电能储存容量SPart；总电能需求Sum减去SumPart得到SumDelta；而后根据电能产生均值为SumDelta计算队列Q1中第Q1_num个站点的的电能储存容量S_F，并把SumDelta赋值给队列Q1中第Q1_num个站点的电能产出均值，把S_F赋值给队列Q1中第Q1_num个站点的电能储存容量值，完成迭代优化操作。
CN202210079289.5A 2022-01-24 2022-01-24 分布式能源系统站点选取及储能配置系统 Active CN114186757B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202310509068.1A CN117196085A (zh) 2022-01-24 2022-01-24 基于迭代优化的分布式能源站点配置方法
CN202210079289.5A CN114186757B (zh) 2022-01-24 2022-01-24 分布式能源系统站点选取及储能配置系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210079289.5A CN114186757B (zh) 2022-01-24 2022-01-24 分布式能源系统站点选取及储能配置系统

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202310509068.1A Division CN117196085A (zh) 2022-01-24 2022-01-24 基于迭代优化的分布式能源站点配置方法

Publications (2)

Publication Number Publication Date
CN114186757A true CN114186757A (zh) 2022-03-15
CN114186757B CN114186757B (zh) 2023-05-16

Family

ID=80606961

Family Applications (2)

Application Number Title Priority Date Filing Date
CN202310509068.1A Pending CN117196085A (zh) 2022-01-24 2022-01-24 基于迭代优化的分布式能源站点配置方法
CN202210079289.5A Active CN114186757B (zh) 2022-01-24 2022-01-24 分布式能源系统站点选取及储能配置系统

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN202310509068.1A Pending CN117196085A (zh) 2022-01-24 2022-01-24 基于迭代优化的分布式能源站点配置方法

Country Status (1)

Country Link
CN (2) CN117196085A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2402871A1 (fr) * 2010-06-29 2012-01-04 France Telecom Gestion du lieu de stockage de données dans un système de stockage distribué
CN103034912A (zh) * 2012-12-20 2013-04-10 诸暨市供电局 一种分布式电源选址定容的优化方法
US20140277599A1 (en) * 2013-03-13 2014-09-18 Oracle International Corporation Innovative Approach to Distributed Energy Resource Scheduling
CN107370170A (zh) * 2017-06-23 2017-11-21 浙江大学 一种考虑容量电价和负荷预测误差的储能系统容量配置方法
JP2019133651A (ja) * 2019-01-09 2019-08-08 富士通株式会社 最適化装置及び最適化装置の制御方法
CN112598203A (zh) * 2021-03-03 2021-04-02 广东南海电力设计院工程有限公司 光伏混合储能配置方法、装置及计算机可读存储介质
US20210203159A1 (en) * 2019-12-27 2021-07-01 North China Electric Power University Power load forecasting method in multi-energy coupling mode
CN113128746A (zh) * 2020-01-13 2021-07-16 华北电力大学（保定） 一种基于多代理的综合能源系统多主体联合优化运行方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2402871A1 (fr) * 2010-06-29 2012-01-04 France Telecom Gestion du lieu de stockage de données dans un système de stockage distribué
CN103034912A (zh) * 2012-12-20 2013-04-10 诸暨市供电局 一种分布式电源选址定容的优化方法
US20140277599A1 (en) * 2013-03-13 2014-09-18 Oracle International Corporation Innovative Approach to Distributed Energy Resource Scheduling
CN107370170A (zh) * 2017-06-23 2017-11-21 浙江大学 一种考虑容量电价和负荷预测误差的储能系统容量配置方法
JP2019133651A (ja) * 2019-01-09 2019-08-08 富士通株式会社 最適化装置及び最適化装置の制御方法
US20210203159A1 (en) * 2019-12-27 2021-07-01 North China Electric Power University Power load forecasting method in multi-energy coupling mode
CN113128746A (zh) * 2020-01-13 2021-07-16 华北电力大学（保定） 一种基于多代理的综合能源系统多主体联合优化运行方法
CN112598203A (zh) * 2021-03-03 2021-04-02 广东南海电力设计院工程有限公司 光伏混合储能配置方法、装置及计算机可读存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
吴仁光;王云葛;李凯鹏;林明河;彭家从;孙圳;宁轲;: "考虑季节特性及节点电压偏移的储能系统优化配置" *
杨江涛;刘佳;孙春顺;杨安;陈辉;刘诗涵;: "计及分布式电源的配电网储能配置研究" *
滕松;刘毅;钟睿;张敬;梁睿;: "基于高比例可再生能源的废矿抽蓄电站优化配置研究" *
高凡;吴军;刘涤尘;罗金山;王琪鑫;汪凯;朱学栋;: "大规模新能源外送容量优化分析" *

Also Published As

Publication number Publication date
CN117196085A (zh) 2023-12-08
CN114186757B (zh) 2023-05-16

Similar Documents

Publication Publication Date Title
CN107147110B (zh) 考虑多风场预测误差时空相关性的储能容量优化配置方法
CN111049173B (zh) 多端直流配网自组织下垂控制方法
CN103488847B (zh) 一种基于神经网络集成的气动外形优化方法
CN110112789B (zh) 基于自适应快速粒子群的孤岛型微网多目标优化配置算法
CN1731645A (zh) 电力系统中基于软分区的电压控制方法
CN108923461B (zh) 一种计及继电保护约束的分布式逆变器电源入网优化方法
CN110867903A (zh) 一种基于深度神经网络的智能电网系统实时最优功率分配方法
CN103577896A (zh) 一种大规模电网整定计算的区域划分方法
CN114662751B (zh) 基于lstm的园区多能短期负荷预测及优化方法
CN112418636A (zh) 虚拟电厂自组织聚合运行调度方法
CN109888817B (zh) 对光伏电站和数据中心进行位置部署和容量规划方法
CN114186757A (zh) 分布式能源系统站点选取及储能配置系统
CN106815656B (zh) 一种梯级水库蓄能调度图获取方法
CN117269838A (zh) 一种确定构网型电力电子设备短路电流的方法及系统
CN111697607B (zh) 一种多端柔性直流输电受端电网接入方法及系统
CN109635999A (zh) 一种基于粒子群-细菌觅食的水电站调度方法及系统
CN115526267A (zh) 一种配电网运行场景提取方法及装置
CN113326135B (zh) 一种多目标下的云资源调度方法
CN112152267B (zh) 一种计及源荷不确定性的电网随机无功优化调度方法
CN104182909A (zh) 一种水电系统优化调度的多核并行逐次逼近方法
CN114493090A (zh) 工业园区综合能源智能管控方法及装置
CN107395438B (zh) 一种基于代数连通度的网络节能方法
CN112613654A (zh) 一种基于多类型储能的综合能源系统灵活性评估方法
CN105447598A (zh) 一种基于误差修正模型的电力系统中负荷预测装置及方法
CN106779182B (zh) 一种基于动态规划的水库调度图优化方法

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