CN114243760A - 适用于配电网的光伏储能协调配置方法 - Google Patents

适用于配电网的光伏储能协调配置方法 Download PDF

Info

Publication number
CN114243760A
CN114243760A CN202111412107.3A CN202111412107A CN114243760A CN 114243760 A CN114243760 A CN 114243760A CN 202111412107 A CN202111412107 A CN 202111412107A CN 114243760 A CN114243760 A CN 114243760A
Authority
CN
China
Prior art keywords
energy storage
power
storage system
load
constraint
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.)
Pending
Application number
CN202111412107.3A
Other languages
English (en)
Inventor
杨翾
徐祥海
商佳宜
张俊
富岑滢
陈致远
陆海波
张志鹏
龚莺飞
赵天煜
方响
陈嘉宁
王岗
陈琳
徐航
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.)
Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Hangzhou Power Supply Co of State Grid Zhejiang 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 Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd filed Critical Hangzhou Power Supply Co of State Grid Zhejiang Electric Power Co Ltd
Priority to CN202111412107.3A priority Critical patent/CN114243760A/zh
Publication of CN114243760A publication Critical patent/CN114243760A/zh
Pending legal-status Critical Current

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
    • H02J3/04—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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

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

Abstract

本申请实施例提出了适用于配电网的光伏储能协调配置方法，包括确定光伏储能最优化目标函数；构建用于对分布式电源接入的区域配电网进行储能的储能系统，结合储能系统运行曲线确定储能系统的配置容量；基于包括储能功率约束、储能运行约束、潮流平衡在内的条件确定针对储能系统的约束总条件；在约束总条件约束条件下基于粒子群优化算法对最优化目标函数进行求解，确定储能调节策略。以削峰填谷作为负荷控制的优化目标，以光伏储能系统成本优化作为储能配置目标，并将成本控制与负荷控制相结合，得到合理的储能系统优化配置结果。

Description

适用于配电网的光伏储能协调配置方法
技术领域
本申请提涉及能量调配领域，尤其涉及适用于配电网的光伏储能协调配置方法。
背景技术
要构建以新能源为主体的新型电力系统。在此背景下，新能源将迎来新一轮发展，如何满足大规模新能源接入、消纳成为实现“30·60”碳排放目标的必答题。在“化石能源清洁化、清洁能源规模化、源网荷储互动化、能源消费电气化”的新形势下，探索新能源与储能、电网协调发展以有效解决新能源波动性、电网调峰、调频能力不足等问题，提高电力与电量平衡的协同度，全面提升清洁能源消纳能力、大电网安全稳定运行水平和电网运行效率是必要的。
近年来，光伏、风电等可再生能源在微电网领域迅速兴起，但随着发电容量的不断扩大，其出力的随机性和波动性极大阻碍了该领域的进步。为改善电能质量，以满足用电设备或并网的基本需求，将新能源发电应用为可调度的电源，并同时依靠储能平抑功率波动和维持电压稳定。但是，储能装置价格昂贵且运行周期有限，因此在微电网稳定运行的条件下，合理的配置储能容量并对其进行优化具有重要的意义。
发明内容
本申请实施例提出了适用于配电网的光伏储能协调配置方法，以削峰填谷作为负荷控制的优化目标，以光伏储能系统成本优化作为储能配置目标，并将成本控制与负荷控制相结合，得到合理的储能系统优化配置结果。
具体的，本申请实施例提出的适用于配电网的光伏储能协调配置方法，所述方法包括：
确定光伏储能最优化目标函数；
构建用于对分布式电源接入的区域配电网进行储能的储能系统，结合储能系统运行曲线确定储能系统的配置容量；
基于包括储能功率约束、储能运行约束、潮流平衡在内的条件确定针对储能系统的约束总条件；
在约束总条件约束条件下基于粒子群优化算法对最优化目标函数进行求解，确定储能调节策略。
可选的，所述确定光伏储能最优化目标函数，包括：
分别以负荷峰谷差最小化、负荷方差最小化为目标构建最优化目标函数。
可选的，所述确定光伏储能最优化目标函数，包括：
以负荷峰谷差作为优化目标，构建如公式一所示的最优化目标：
Min(max(P1,P2...PT)-min(P1,P2...PT)) 公式一；
其中，P1,P2...PT表示对应时刻的有功功率，T为设定的仿真总时长。
可选的，所述确定光伏储能最优化目标函数，包括：
利用负荷方差作为优化目标，构建如公式二所示的目标：
Figure BDA0003374515490000023
其中，Pt＝Pload,t-PPV,t-Pwind,t+Pstorage,t，
Figure BDA0003374515490000022
其中，Pt为系统第t时刻的有功负荷；Pload,t、PPV,t、Pwind,t、Pstorage,t分别为系统第t时刻的负荷、光伏、风电和储能的有功功率，储能有功功率定义充电为正，放电为负，Paverage为系统仿真时长内的平均有功负荷。
可选的，所述构建用于对分布式电源接入的区域配电网进行储能的储能系统，结合储能系统运行曲线确定储能系统的配置容量，包括：
构建如公式三所示的配置目标表达式；
Min(α1·Pmax+α2·S) 公式三；
其中，α1(元/kW/h)，α2(元/kWh/h)为储能成本参数，Pmax为储能功率容量，S为储能能量容量，其中，Pmax＝max(Pstorage,t),t＝1,2,...,T；
将储能系统运行曲线的充放电过程分为若干区间，选取最大区间容量作为储能系统配置容量。
可选的，所述将储能系统运行曲线的充放电过程分为若干区间，选取最大区间容量作为储能系统配置容量，包括：
根据优化运算得出储能系统一个时间周期内的运行功率曲线；
将储能系统运行曲线的充放电过程分为若干区间，每个区间只能有一种状态，将每个区间对时间进行累加，得到如公式四所示的每个区间的容量；
Figure BDA0003374515490000031
公式四；
选取最大区间容量S＝max(S(t))作为储能系统配置容量，其中，t＝1,2,...,T。
可选的，所述基于包括储能功率约束、储能运行约束、潮流平衡在内的条件确定针对储能系统的约束总条件，包括：
储能功率约束是指储能系统在进行充放电时，不超过系统充放电功率上下限，-Pmax≤Pstorage≤Pmax；
储能运行约束是指储能系统在运行过程中，为了在一个时间周期内需要保持充放电能量平衡，
Figure BDA0003374515490000041
其中，[ta,tb]即为充放电时长上下限，Pch、Pdis分别是在该时间周期内充电和放电的功率，ε为充放电平衡指标；
潮流平衡约束及电压约束，
Figure BDA0003374515490000042
Figure BDA0003374515490000043
Vmin≤Vit≤Vmax，
Pi、Qi分别表示节电i的有功和无功值，e和f为节电电压实部和虚部分量，Gij和Bij为支路导纳矩阵的实分量和虚分量；Vmin和Vmax为系统电压限值。
可选的，所述约束条件还包括：
其他约束Pload,t≥PDG,t+Pstorage,t；
表示系统总负荷Pload,t要不小于分布式电源功率和储能系统充放电功率的综合，即负荷节电不出现逆流。
可选的，所述在约束总条件约束条件下基于粒子群优化算法对最优化目标函数进行求解，确定储能调节策略，包括：
第一阶段粒子群进行负荷控制策略优化，第二阶段粒子群进行储能配置策略优化，
Figure BDA0003374515490000044
Figure BDA0003374515490000045
Figure BDA0003374515490000051
其中，
Figure BDA0003374515490000052
表示粒子位置变量，
Figure BDA0003374515490000053
表示粒子速度变量，pid、pgd分别表示个体最优解和群体最优解，c1、c2为常数，r1、r2为随机数，ω(k)为惯性权重，ωstart＝0.9，ωend＝0.4。
有益效果：
以负荷峰谷差最小化为优化目标的“削峰填谷”负荷控制方法，相对于控制负荷峰谷差和负荷率更为有效。
附图说明
为了更清楚地说明本申请的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提出的适用于配电网的光伏储能协调配置方法的流程示意图；
图2为本申请实施例提出的基于策略一的储能配置后对比图；
图3为本申请实施例提出的基于策略二的储能配置后对比图；
图4为本申请实施例提出的夏季典型日线路运行曲线示意图；
图5为本申请实施例提出的冬季典型日线路运行曲线示意图。
具体实施方式
为使本申请的结构和优点更加清楚，下面将结合附图对本申请的结构作进一步地描述。
具体的，本申请实施例提出的适用于配电网的光伏储能协调配置方法，如图1所示，所述方法包括：
11、确定光伏储能最优化目标函数；
12、构建用于对分布式电源接入的区域配电网进行储能的储能系统，结合储能系统运行曲线确定储能系统的配置容量；
13、基于包括储能功率约束、储能运行约束、潮流平衡在内的条件确定针对储能系统的约束总条件；
14、在约束总条件约束条件下基于粒子群优化算法对最优化目标函数进行求解，确定储能调节策略。
在实施中，在区域配电网中，由于分布式电源(如光伏、风电)的随机性和间歇性，其接入电网后，造成接入点负荷波动加剧，特别是对于可再生能源渗透率较髙的接入点。由此，本申请以“削峰填谷”作为负荷控制的优化目标，以储能系统成本优化作为储能配置目标，并将成本控制与负荷控制相结合，得到合理的储能系统优化配置结果。
具体的，步骤11提出确定光伏储能最优化目标函数，包括：
分别以负荷峰谷差最小化、负荷方差最小化为目标构建最优化目标函数。
在实施中，以负荷峰谷差作为优化目标，主要是解决系统负荷峰值过大的问题，特别是分布式电源在负荷低谷时段消纳负荷所导致的系统负荷谷值过低，抑或是电动汽车负荷在充电高峰时期的负荷峰值过高等问题，因此抑制峰谷差可以起到削峰填谷的作用。构建如公式一所示的最优化目标：
Min(max(P1,P2...PT)-min(P1,P2...PT)) 公式一；
其中，P1,P2...PT表示对应时刻的有功功率，T为设定的仿真总时长。
同样的，利用负荷方差作为优化目标，从负荷特性来讲，有利于降低系统的负荷波动，实现移峰填谷的负荷优化目标。同时，在放射性网络拓扑中，负荷方差和系统馈线损耗成正比，降低负荷方差有利于系统损耗的降低。构建如公式二所示的目标：
Figure BDA0003374515490000073
其中，Pt＝Pload,t-PPV,t-Pwind,t+Pstorage,t，
Figure BDA0003374515490000072
其中，Pt为系统第t时刻的有功负荷；Pload,t、PPV,t、Pwind,t、Pstorage,t分别为系统第t时刻的负荷、光伏、风电和储能的有功功率，储能有功功率定义充电为正，放电为负，Paverage为系统仿真时长内的平均有功负荷。
步骤12提出的了构建用于对分布式电源接入的区域配电网进行储能的储能系统，结合储能系统运行曲线确定储能系统的配置容量，包括：
储能系统在分布式电源接入的区域配电网中扮演十分重要的角色，而且由于电池成本问题，因此如何让储能系统在有限的容量范围内，发挥最大的作用是储能容量配置的关键问题。而储能系统的成本和其能量容量、最大充放电功率即功率容量都有很大的相关性。
构建如公式三所示的配置目标表达式；
Min(α1·Pmax+α2·S) 公式三；
其中，α1(元/kW/h)，α2(元/kWh/h)为储能成本参数，Pmax为储能功率容量，S为储能能量容量，其中，Pmax＝max(Pstorage,t),t＝1,2,...,T；
将储能系统运行曲线的充放电过程分为若干区间，选取最大区间容量作为储能系统配置容量。
其中，借助将储能系统运行曲线的充放电过程分为若干区间，选取最大区间容量作为储能系统配置容量，包括：
根据优化运算得出储能系统一个时间周期内的运行功率曲线；
将储能系统运行曲线的充放电过程分为若干区间，每个区间只能有一种状态，将每个区间对时间进行累加，得到如公式四所示的每个区间的容量；
Figure BDA0003374515490000081
公式四；
选取最大区间容量S＝max(S(t))作为储能系统配置容量，其中，t＝1,2,...,T。
步骤13提出的基于包括储能功率约束、储能运行约束、潮流平衡在内的条件确定针对储能系统的约束总条件，在储能系统的容量配置策略中，综合考虑储能功率约束、储能运行约束、潮流平衡以及电压约束等，以确保在满足上述约束的情况下，容量配置策略可以正常运行。
储能功率约束是指储能系统在进行充放电时，不超过系统充放电功率上下限，-Pmax≤Pstorage≤Pmax；
储能运行约束是指储能系统在运行过程中，为了在一个时间周期内需要保持充放电能量平衡，
Figure BDA0003374515490000082
其中，[ta,tb]即为充放电时长上下限，Pch、Pdis分别是在该时间周期内充电和放电的功率，ε为充放电平衡指标；
除考虑储能功率及平衡约束以外，要求所有的优化结果都要满足系统的有功、无功平衡约束，并通过潮流计算得到系统电压指标，保证系统电压在标准限值以内，潮流平衡约束及电压约束，
Figure BDA0003374515490000091
Figure BDA0003374515490000092
Vmin≤Vit≤Vmax，
Pi、Qi分别表示节电i的有功和无功值，e和f为节电电压实部和虚部分量，Gij和Bij为支路导纳矩阵的实分量和虚分量；Vmin和Vmax为系统电压限值。
可选的，所述约束条件还包括：
其他约束Pload,t≥PDG,t+Pstorage,t；该表达式表示系统总负荷Pload,t要不小于分布式电源功率和储能系统充放电功率的综合，即负荷节电不出现逆流。
可选的，所述在约束总条件约束条件下基于粒子群优化算法对最优化目标函数进行求解，确定储能调节策略，包括：
粒子群具有搜索速度快和搜索能力强的优点，但容易陷入局部最优解；本文中的模型涉及两阶段的优化策略，包括负荷优化策略以及储能配置策略。以储能系统在仿真过程中的运行功率为变量，同时涉及到含分布式电源的配电系统稳态计算问题，以及储能功率和运行平衡约束等，利用精确模型求解困难，因此本文使用粒子群优化算法进行模型求解，并极大改善了模型的求解速度。
粒子群具有搜索速度快和搜索能力强的优点，但容易陷入局部最优解。本文在基本粒子群算法[7]的基础上进行改进，避免优化过程陷入局部最优解。同时将原有的粒子群算法扩展至两阶段算法，第一阶段粒子群进行负荷控制策略优化，第二阶段粒子群进行储能配置策略优化。
第一阶段粒子群进行负荷控制策略优化，第二阶段粒子群进行储能配置策略优化，
Figure BDA0003374515490000101
Figure BDA0003374515490000102
Figure BDA0003374515490000103
其中，
Figure BDA0003374515490000104
表示粒子位置变量，
Figure BDA0003374515490000105
表示粒子速度变量，pid、pgd分别表示个体最优解和群体最优解，c1、c2为常数，r1、r2为随机数，ω(k)为惯性权重，ωstart＝0.9，ωend＝0.4。
本申请中的模型涉及两阶段的优化策略，包括负荷优化策略以及储能配置策略。以储能系统在仿真过程中的运行功率为变量，同时涉及到含分布式电源的配电系统稳态计算问题，以及储能功率和运行平衡约束等，利用精确模型求解困难，因此本申请使用粒子群优化算法进行模型求解，并极大改善了模型的求解速度。
粒子群具有搜索速度快和搜索能力强的优点，但容易陷入局部最优解。本申请在基本粒子群算法[7]的基础上进行改进，避免优化过程陷入局部最优解。同时将原有的粒子群算法扩展至两阶段算法，第一阶段粒子群进行负荷控制策略优化，第二阶段粒子群进行储能配置策略优化。
在仿真计算时，首先在不对光伏储能系统进行功率约束的前提下，研究二种优化策略，哪种策略对“削峰填谷”的优化能力最强。在考虑经济性的前提下，按照峰谷差最小(策略一)、负荷方差最小化(策略二)进行储能容量配置可以得到表1的优化结果，效果图如图2、3。在表中可以看出，在上述模型运算下，利用策略一的优化算法对负荷进行“削峰填谷”的能力最强，其负荷峰谷差将原来11.57％降至4.19％。
表1储能配置后各项指标对比
特性指标 原系统 光伏接入 策略一 策略二
峰谷差/MW 9.36 11.57 4.19 5.66
负荷率 0.78 0.70 0.85 0.80
负荷方差变化量 91.09 180.58 36.33 16.36
储能功率容量/MW -- -- 4.97 4.5
储能系统容量/MWH -- -- 15.7 18.5
投资/亿元 -- -- 0.41 0.46
从上述结果来看，在策略一仿真下，储能充放电功率需要达到4.97MW，其容量需要达到15.70MWh，储能投资约0.41亿元；在策略二仿真下，储能充放电功率需要达到4.50MW，其容量需要达到18.5MWh，储能投资约0.46亿元。相较于策略二，策略一且配置的成本更为经济。
考虑经济性的情况下，按照策略一进行储能配置，其效果图如图4、5所示。
根据上述不同目标下储能的配置过程可以看出得出结论：以负荷峰谷差最小化为优化目标的“削峰填谷”负荷控制方法，相对于控制负荷峰谷差和负荷率更为有效。如果需要最大化的实现“削峰填谷”，往往需要较高的储能配置，而实际除非特殊情况，通常不需要将负荷优化到这种程度。
本申请研究利用光伏储能实现“削峰填谷”，判定不同的优化目标在一定的约束条件下光伏储能的负荷控制效果。在对华东某县地区新能源资源进行调研分析的基础上，从其自身新能源可开发实际情况出发，对不同策略的储能配置效果进行分析，得出光伏储能在“削谷填峰”负荷控制方面，以负荷峰谷差最小化为优化目标效果更好。
以上所述仅为本申请的实施例，并不用以限制本申请，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。

Claims (9)

1.适用于配电网的光伏储能协调配置方法，其特征在于，所述方法包括：
确定光伏储能最优化目标函数；
构建用于对分布式电源接入的区域配电网进行储能的储能系统，结合储能系统运行曲线确定储能系统的配置容量；
基于包括储能功率约束、储能运行约束、潮流平衡在内的条件确定针对储能系统的约束总条件；
在约束总条件约束条件下基于粒子群优化算法对最优化目标函数进行求解，确定储能调节策略。
2.根据权利要求1所述的适用于配电网的光伏储能协调配置方法，其特征在于，所述确定光伏储能最优化目标函数，包括：
分别以负荷峰谷差最小化、负荷方差最小化为目标构建最优化目标函数。
3.根据权利要求2所述的适用于配电网的光伏储能协调配置方法，其特征在于，所述确定光伏储能最优化目标函数，包括：
以负荷峰谷差作为优化目标，构建如公式一所示的最优化目标：
Min(max(P1,P2...PT)-min(P1,P2...PT)) 公式一；
其中，P1,P2...PT表示对应时刻的有功功率，T为设定的仿真总时长。
4.根据权利要求2所述的适用于配电网的光伏储能协调配置方法，其特征在于，所述确定光伏储能最优化目标函数，包括：
利用负荷方差作为优化目标，构建如公式二所示的目标：
Figure FDA0003374515480000011
其中，Pt＝Pload,t-PPV,t-Pwind,t+Pstorage,t，
Figure FDA0003374515480000012
其中，Pt为系统第t时刻的有功负荷；Pload,t、PPV,t、Pwind,t、Pstorage,t分别为系统第t时刻的负荷、光伏、风电和储能的有功功率，储能有功功率定义充电为正，放电为负，Paverage为系统仿真时长内的平均有功负荷。
5.根据权利要求1所述的适用于配电网的光伏储能协调配置方法，其特征在于，所述构建用于对分布式电源接入的区域配电网进行储能的储能系统，结合储能系统运行曲线确定储能系统的配置容量，包括：
构建如公式三所示的配置目标表达式；
Min(α1·Pmax+α2·S) 公式三；
其中，α1(元/kW/h)，α2(元/kWh/h)为储能成本参数，Pmax为储能功率容量，S为储能能量容量，其中，Pmax＝max(Pstorage,t),t＝1,2,...,T；
将储能系统运行曲线的充放电过程分为若干区间，选取最大区间容量作为储能系统配置容量。
6.根据权利要求5所述的适用于配电网的光伏储能协调配置方法，其特征在于，所述将储能系统运行曲线的充放电过程分为若干区间，选取最大区间容量作为储能系统配置容量，包括：
根据优化运算得出储能系统一个时间周期内的运行功率曲线；
将储能系统运行曲线的充放电过程分为若干区间，每个区间只能有一种状态，将每个区间对时间进行累加，得到如公式四所示的每个区间的容量；
Figure FDA0003374515480000021
选取最大区间容量S＝max(S(t))作为储能系统配置容量，其中，t＝1,2,...,T。
7.根据权利要求1所述的适用于配电网的光伏储能协调配置方法，其特征在于，所述基于包括储能功率约束、储能运行约束、潮流平衡在内的条件确定针对储能系统的约束总条件，包括：
储能功率约束是指储能系统在进行充放电时，不超过系统充放电功率上下限，-Pmax≤Pstorage≤Pmax；
储能运行约束是指储能系统在运行过程中，为了在一个时间周期内需要保持充放电能量平衡，
Figure FDA0003374515480000031
其中，[ta,tb]即为充放电时长上下限，Pch、Pdis分别是在该时间周期内充电和放电的功率，ε为充放电平衡指标；
潮流平衡约束及电压约束，
Figure FDA0003374515480000032
Figure FDA0003374515480000033
Vmin≤Vit≤Vmax，
Pi、Qi分别表示节电i的有功和无功值，e和f为节电电压实部和虚部分量，Gij和Bij为支路导纳矩阵的实分量和虚分量；Vmin和Vmax为系统电压限值。
8.根据权利要求7所述的适用于配电网的光伏储能协调配置方法，其特征在于，所述约束条件还包括：
其他约束Pload,t≥PDG,t+Pstorage,t；
表示系统总负荷Pload,t要不小于分布式电源功率和储能系统充放电功率的综合，即负荷节电不出现逆流。
9.根据权利要求1所述的适用于配电网的光伏储能协调配置方法，其特征在于，所述在约束总条件约束条件下基于粒子群优化算法对最优化目标函数进行求解，确定储能调节策略，包括：
第一阶段粒子群进行负荷控制策略优化，第二阶段粒子群进行储能配置策略优化，
Figure FDA0003374515480000041
Figure FDA0003374515480000042
Figure FDA0003374515480000043
其中，
Figure FDA0003374515480000044
表示粒子位置变量，
Figure FDA0003374515480000045
表示粒子速度变量，pid、pgd分别表示个体最优解和群体最优解，c1、c2为常数，r1、r2为随机数，ω(k)为惯性权重，ωstart＝0.9，ωend＝0.4。
CN202111412107.3A 2021-11-25 2021-11-25 适用于配电网的光伏储能协调配置方法 Pending CN114243760A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111412107.3A CN114243760A (zh) 2021-11-25 2021-11-25 适用于配电网的光伏储能协调配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111412107.3A CN114243760A (zh) 2021-11-25 2021-11-25 适用于配电网的光伏储能协调配置方法

Publications (1)

Publication Number Publication Date
CN114243760A true CN114243760A (zh) 2022-03-25

Family

ID=80751149

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111412107.3A Pending CN114243760A (zh) 2021-11-25 2021-11-25 适用于配电网的光伏储能协调配置方法

Country Status (1)

Country Link
CN (1) CN114243760A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115882478A (zh) * 2022-10-13 2023-03-31 襄阳诚智电力设计有限公司 一种含光伏配电网的储能容量配置方法与系统
CN116599087A (zh) * 2023-06-12 2023-08-15 华能罗源发电有限责任公司 一种储能系统的调频策略优化方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104037793A (zh) * 2014-07-07 2014-09-10 北京交通大学 一种应用于主动配电网的储能单元容量配置方法
US20200161867A1 (en) * 2018-11-15 2020-05-21 Hefei University Of Technology Method, system and storage medium for load dispatch optimization for residential microgrid

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104037793A (zh) * 2014-07-07 2014-09-10 北京交通大学 一种应用于主动配电网的储能单元容量配置方法
US20200161867A1 (en) * 2018-11-15 2020-05-21 Hefei University Of Technology Method, system and storage medium for load dispatch optimization for residential microgrid

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
杨玉青;牛利勇;田立亭;黄梅;鲍谚;时玮;: "考虑负荷优化控制的区域配电网储能配置", 电网技术, no. 04, pages 1019 - 1025 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115882478A (zh) * 2022-10-13 2023-03-31 襄阳诚智电力设计有限公司 一种含光伏配电网的储能容量配置方法与系统
CN115882478B (zh) * 2022-10-13 2023-09-08 襄阳诚智电力设计有限公司 一种含光伏配电网的储能容量配置方法与系统
CN116599087A (zh) * 2023-06-12 2023-08-15 华能罗源发电有限责任公司 一种储能系统的调频策略优化方法及系统
CN116599087B (zh) * 2023-06-12 2024-02-06 华能罗源发电有限责任公司 一种储能系统的调频策略优化方法及系统

Similar Documents

Publication Publication Date Title
CN109325608B (zh) 考虑储能并计及光伏随机性的分布式电源优化配置方法
CN108667052B (zh) 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统
CN107947231B (zh) 一种面向配电网优化运行的混合储能系统控制方法
CN107732949B (zh) 一种综合风电全年多季节特性的储能布点定容方法
CN103151797A (zh) 基于多目标调度模型的并网运行方式下微网能量控制方法
CN107634518A (zh) 一种“源‑网‑荷”相协调的主动配电网经济调度方法
CN114243760A (zh) 适用于配电网的光伏储能协调配置方法
CN111490554A (zh) 分布式光伏-储能系统多目标优化配置方法
CN109523065A (zh) 一种基于改进量子粒子群算法的微能源网优化调度方法
CN105990838A (zh) 一种计及可调度和可平移负荷的海岛微电网优化调度方法
CN105574620A (zh) 一种结合双主控协作与mpso算法的微电网动态优化调度方法
CN202651806U (zh) 一种电池储能电站平滑风光发电控制系统
CN114050609B (zh) 一种高比例新能源电力系统自适应鲁棒日前优化调度方法
Huang et al. A Hierarchical Strategy for Multi-Objective Optimization of Distribution Network Considering DGs and V2G-Enabled EVs Integration
CN110323779B (zh) 一种分布式发电与储能装置的功率动态聚合的方法和系统
CN109687423B (zh) 一种直流电网的储能配置方法
CN115940284B (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
CN116436096A (zh) 耦合于虚拟电厂的电动公交车储能收益最大化的控制方法
CN107591794A (zh) 基于负荷分类的主动配电网源‑储容量优化配置方法
CN114825469B (zh) 一种分布式电源集群出力评估方法及系统
CN113705991B (zh) 一种多能源园区的建立及低碳调度方法
Wang et al. Application of improved cluster division method in active distribution network
Lei et al. Power optimization allocation strategy for energy storage station responding to dispatch instruction
CN114398777A (zh) 一种基于巴什博弈理论的电力系统灵活性资源配置方法
CN113013909A (zh) 一种基于平抑牵引的储能容量改进方法

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