CN114254551A - 分布式储能多目标优化配置方法及系统 - Google Patents
分布式储能多目标优化配置方法及系统 Download PDFInfo
- Publication number
- CN114254551A CN114254551A CN202111240893.3A CN202111240893A CN114254551A CN 114254551 A CN114254551 A CN 114254551A CN 202111240893 A CN202111240893 A CN 202111240893A CN 114254551 A CN114254551 A CN 114254551A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- storage system
- model
- optimization
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本公开提供了一种分布式储能多目标优化配置方法及系统,包括以下步骤:获取待配置储能系统的数据,得到目标数据;基于所得到的目标数据,分别构建不同投资主体下储能系统优化配置的混合整数非线性模型,确定优化目标函数;采用二阶锥规划算法,对所述混合整数非线性模型进行转化,得到锥优化模型;求解所述锥优化模型,输出储能系统的优化配置结果。充分考虑多场景需求的储能系统优化配置问题,对分布式电源侧和用户侧储能系统进行优化建模,满足“源、荷”侧应用场景及投资主体的需求,在考虑源、荷侧配置储能系统后的配电网电源和负荷特性的基础上,配置电网侧储能系统,满足电网主体对储能方案系统的需求。
Description
技术领域
本公开属于电力系统优化配置技术领域,具体涉及一种分布式储能多目标优化配置方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
随着储能技术的发展与储能应用成本的降低,,储能技术越来越多的被应用于电力系统的中的各个方面。尽管分布式电源具有安装地点靠近负荷中心、控制灵活、投资与运行成本较低、环境友好等优势,分布式电源容易受到气候与环境的影响,本身出力具有随机波动性以及不确性,在分布式电源接入比例较高的地区,会对其并网的电力系统的电能质量与安全运行造成负面影响。
储能系统在配电网中有着双重作用。当系统中的供电过剩时,储能系统在系统中作为负荷进行充电;当系统中供电不足时,储能系统在系统中作为电源进行放电。因此,储能在配电网中可以起到协调发电与负荷的供需平衡的作用。
分布式储能技术是指电能通过某种装置转化成其他形式的能量并且高效存储起来,需要时所储存的能量可以方便地转化成需要的能量形式。电力生产过程是连续进行的,发电、输电、变电、配电,用电必须时刻保持平衡;电力系统的负荷存在峰谷差,必须留有很大的备用容量,否则将造成系统设备运行效率低。应用储能技术可以对负荷削峰填谷,提高系统可靠性和稳定性,减少系统备用需求及停电损失。另外,随着新能源发电规模的日益扩大和分布式发电技术的不断发展,电力储能系统的重要性也日益凸显。储能技术的应用是在传统电力系统生产模式基础上增加一个存储电能的环节,使原来几乎完全刚性的系统变得柔性起来,电网运行的安全性、可靠性、经济性、灵活性也会因此得到大幅度的提高。
分布式储能是智能电网中最重要的环节之一,可对风电厂、光伏发电站送出的电能进行存储进入稳定送入电网,有效解决风能和太阳能发电不稳定对电网造成的冲击。
因此,如何通过储能与分布式电源进行协调配合来提高配电网稳定性,以及通过合适的优化算法对储能进行容量优化配置,提高配电网运行的经济性,具有很高的研究价值与实际意义。
发明内容
为了解决上述问题,本公开提出了一种分布式储能多目标优化配置方法及系统,充分考虑多场景需求的储能系统优化配置问题,对分布式电源侧和用户侧储能系统进行优化建模,满足“源、荷”侧应用场景及投资主体的需求,在考虑源、荷侧配置储能系统后的配电网电源和负荷特性的基础上,配置电网侧储能系统,满足电网主体对储能方案。系统的需求,实现“源-网-荷-储”协调发展、集成互补的总体优化。
根据一些实施例,本公开的第一方案提供了一种分布式储能多目标优化配置方法,采用如下技术方案:
一种分布式储能多目标优化配置方法,包括以下步骤:
获取待配置储能系统的数据,得到目标数据;
基于所得到的目标数据,分别构建不同投资主体下储能系统优化配置的混合整数非线性模型,确定优化目标函数;
采用二阶锥规划算法,对所述混合整数非线性模型进行转化,得到锥优化模型;
求解所述锥优化模型,输出储能系统的优化配置结果。
根据一些实施例,本公开的第二方案提供了一种分布式储能多目标优化配置系统,采用如下技术方案:
一种分布式储能多目标优化配置系统,包括:
输入单元,用于获取待配置储能系统的数据,得到目标数据;
建模单元,基于所得到的目标数据,分别构建不同投资主体下储能系统优化配置的混合整数非线性模型,确定优化目标函数;
优化单元,采用二阶锥规划算法,对所述混合整数非线性模型进行转化,得到锥优化模型;
输出单元,用于求解所述锥优化模型,输出储能系统的优化配置结果。
与现有技术相比,本公开的有益效果为:
本公开充分考虑多场景需求的储能系统优化配置问题,对分布式电源侧和用户侧储能系统进行优化建模,满足“源、荷”侧应用场景及投资主体的需求,在考虑源、荷侧配置储能系统后的配电网电源和负荷特性的基础上,配置电网侧储能系统,满足电网主体对储能方案。系统的需求,实现“源-网-荷-储”协调发展、集成互补的总体优化。
本公开所提出的分布式储能系统多目标优化配置方法及系统,适用于源、网、荷侧多种应用场景,通过合理配置储能系统,能有效降低分布式电源出力的波动,降低用户侧用能成本,改善用户的负荷特性,在满足配电网安全运行等约束条件的情况下满足源网荷各主体的需求和利益,从而实现储能系统效益的最大化。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解,本公开的示意性实施例及其说明用于解释本公开,并不构成对本公开的不当限定。
图1是本公开实施例一中的分布式储能多目标优化配置方法的流程图;
图2是本公开实施例一中的储能系统并网运行结构图;
图3是本公开实施例一中的储能系统并网运行状态图;
图4是本公开实施例一中的不同应用场景下储能系统配置目标的对应关系图;
图5(a)是本公开实施例一中的区域配电网拓扑结构图;
图5(b)是本公开实施例一中的用户侧园区配电网拓扑结构图;
图6是本公开实施例一中的分布式电源侧储能系统配置前后系统出力图;
图7是本公开实施例一中的用户侧储能系统配置前后系统出力图;
图8是本公开实施例二中的分布式储能多目标优化配置系统的结构框图。
具体实施方式:
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本公开提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
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。
在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
实施例一
本公开实施例介绍了一种分布式储能多目标优化配置方法。
如图1所示的分布式储能多目标优化配置方法,具体步骤如下:
步骤S01:根据选定的配电系统,输入线路参数、负荷水平、网络拓扑连接关系、分布式电源接入位置与容量、储能系统参数、系统节点电压和支路电流限制、系统基准电压和基准功率初值;
步骤S02:分别建立不同投资主体下储能系统优化配置的混合整数非线性模型,确定优化目标函数,综合考虑配电系统潮流约束、配电系统安全约束、储能系统运行约束和储能系统规划约束;
步骤S03:将步骤S02中所得模型转化为可以高效求解的混合整数二阶锥规划模型,其中包括目标函数线性化、等式约束线性化和不等式约束线性化,并根据网络结构和规模引入旋转锥约束,得到混合整数二阶锥规划模型;
步骤S04:对步骤S03中得到的混合整数二阶锥规划模型使用成熟的数学优化工具CPLEX进行求解;
步骤S05:输出储能系统规划结果,即储能系统的功率、容量配置方案及每个时刻点的充放电情况。
作为一种或多种实施方式,在步骤S02中,所述混合整数非线性模型包括配电网储能系统运行边界模型、储能系统接入配电网的经济性指标模型和储能系统接入配电网的技术指标模型。
(1)配电网储能系统运行边界模型
电化学储能系统主要由电池储能单元和变流器构成,通常与控制器一起并网运行,如图2所示;其控制器主要负责监测电网运行状况、发出信号等工作。变流器作为储能单元与电网相连的电气接口,是储能系统与配电网进行能量交换的枢纽,可实现有功功率吸收和释放。并且,储能变流器具有一定的无功功率辅助功能,在执行充电和放电功能的同时,通过控制无功功率为电网提供电压支持。
综合储能变流器的有功和无功功率特性,其在静态断面下的快速充放电过程可以描述为四象限运行状态,具体如图3所示。
构建如下所示的储能系统运行边界模型:
其中,为t时刻在节点i接入储能系统的充放电功率,放电时为正,充电式为负;为t时刻在节点i接入储能系统的无功功率;为节点i上储能系统的容量;Pi ESS ,max、分别为节点i上储能系统的有功功率和无功功率上限;Pi ESS,L为t时段节点i上储能系统的损耗功率;为节点i上储能系统的损耗系数;Vt为时间步长;为t时刻节点i上储能系统的电量;分别为节点i 上储能系统存储电量的上下限,储能单元的电荷量在时序上具有绝对的连续性,它严格按照时间顺序根据充放电功率大小进行累计计算,并且每个时间点的储能量应满足能量上下限的要求;分别表示节点i上储能系统充放电功率增加和减少时的爬坡功率;Et=T,i为节点i配置分布式储能系统在调度周期末的电量;zi为节点i配置分布式储能系统的额定容量;为初始荷电状态;T为一天总时段数。
(2)储能系统接入配电网的经济性指标模型
建立储能系统经济性指标主要考虑储能系统的费用和收益两部分,其中储能系统的费用包括储能变流器的费用和储能电池的费用,收益包括削峰填谷直接收益、间接收益、延缓电网升级收益等。由于不同的投资主体下收益考虑的因素和计算方式不同,建立的经济性指标模型考虑了多种投资利益主体。
2.1)分布式储能系统费用最小
分布式储能系统变流器的费用与额定功率相关,储能电池的费用与额定容量相关。建立分布式储能系统费用最小模型如下:
其中,CESS为分布式储能系统的费用;d为贴现率;yESS为分布式储能系统的使用年限;N为节点总数;Cp、Ce分别为储能系统单位功率投资成本和单位容量投资成本;yi为节点i配置分布式储能系统的额定功率。
对于目前配电网中常用的铅炭电池、磷酸铁锂电池、全钒液流电池等不同种类的电化学储能系统,优化时将主要考虑其单位容量的投资成本和使用年限的差异,以确定不同应用场景下的最优配置方案。
2.2)从上级电网购电费用最小
储能系统应用于配电网,可起到削峰填谷、减小系统网络损耗等作用,当配电运营商为投资主体时,储能系统削峰填谷减少损耗的收益从配电网整体考虑,可转换为减少配电网从上级电网购电的收益。建立从上级电网购电费用最小模型如下:
式中,CEXT为配电网从上级电网购电费用;λt为分时电价;Pt S为主网与配电网交换的有功功率,当Pt S>0时,Pt S为t时段主网向配电网输送的有功功率,当Pt S<0时,Pt S为t时段配电网向主网输送的有功功率。
2.3)储能系统充放电收益最大
储能系统应用于用户侧,削峰填谷的收益从用户角度来看体现为储能系统充放电收益,即在高电价时放电、在低电价时充电所获收益。建立储能系统充放电收益最大模型如下:
式中,CDIR为储能系统充放电收益。
2.4)变电设备扩容费用最小
随着负荷增长,当原有变电设备容量不能满足负荷要求时,须将原有变电设备进行扩容,储能系统应用于电网侧或用户侧,可延缓电网或用户配电设施扩容投资。建立扩容费用最小模型如下:
式中,CSUB为扩容费用;Sg为原有变电设备容量;ysub为扩容变电储备使用年限;Cs为单位容量扩容费用;Z为自然数,表示扩容容量与原有变电设备容量的比值,ZSg为扩容容量。
(3)储能系统接入配电网的技术指标模型
3.1)分布式电源功率波动最小
配电网中接入分布式电源,通过与储能系统配合,可有效平抑分布式电源的功率波动,建立分布式电源功率波动最小模型如下:
3.2)电压偏差最小
建立节点电压偏差最小模型如下:
式中,Ut,i为t时刻负荷节点i的电压幅值标幺值;Uthr,max、Uthr,min分别为节点电压幅值标幺值的优化区间上下限,当节点电压不在优化区间[Uthr,min,Uthr,max]时,系统通过出力及无功功率控制时电压偏离优化区间的程度减小。
在本实施例中,配电网分布式储能系统容量优化配置需考虑投资主体的不同,根据应用场景确定相应的优化模型;主要分为以下三种情况:
(1)考虑电源侧分布式电源业主为投资主体时,储能系统主要起到平滑出力,提高新能源发电并网友好性的作用,优化目标主要是功率波动最小、节点电压偏差最小储能系统费用最小;
(2)考虑配电网运营商为投资主体时,配置储能系统的主要作用是整体最优,从配电网整体角度考虑,优化目标主要为从上级电网购电费用最小、储能系统费用最小、变电设备扩容费用最小、电压偏差最小;
(3)考虑负荷侧的用户为储能系统的投资主体时,储能系统主要起削峰填谷、延缓用户变电设备扩容的作用,优化目标主要是储能系统充放电收益最大、储能系统投资最小、用户变电设备扩容费用最小。
考虑储能系统接入后能够在源、网、荷侧多场景下发挥多方面支撑作用,给出分布式储能系统配置的整体解决方案。即应先进行用户侧和分布式电源侧储能系统优化配置;在考虑用户侧和分布式电源侧储能系统配置的基础上开展配电网侧储能系统优化配置,使得在投资成本最小的情况下,实现配电系统整体效果最佳。
根据分布式电源、用户侧、电网侧的具体应用场景,建立如图4 所示的储能系统配置优化目标图:
1)分布式电源侧应用场景
分布式电源侧应用场景下优化目标综合考虑储能系统成本、分布式电源功率波动和节点电压波动,结合公式(2)、公式(6)和公式 (7)建立目标函数,即
minCSOU=WINVCESS+WFLUCFLU+WVOLCBLA (8)
式中,WINV、WFLU、和WVOL分别为储能系统成本、功率波动、电压波动指标的权重系数。在应用中,可根据实际应用场景下分布式电源处理、电压波动的大小及储能成本,采用专家打分、层析分析法或人工神经网络等算法对各子项的权重进行赋值。
2)用户侧应用场景
用户侧应用场景下优化目标主要考虑储能系统成本最小、放电收益最大和变电设备扩容费用最小,根据公式(2)、公式(4)和公式 (5)建立优化目标函数,即
minCCUS=CESS-CDIR+CSUB (9)
3)电网侧应用场景
电网侧应用场景下优化目标综合变电站节点处向上级电网购电费用、源节点处配电设备的投资成本、储能系统投资成本和节点电压偏差,根据公式(3)、公式(5)和公式(7)建立优化目标函数,即
minCNET=WECI(CESS+CEXT+CSUB)+WTEIUBLA (10)
式中,WECI、WTEI分别为经济指标和技术指标的权重系数。在应用中,可根据电网运行对经济指标和技术指标的要求,采用与分布式电源侧应用场景类似方法对各子项的权重进行赋值。
储能系统优化配置模型的建立还需满足配电网及储能系统等相关约束。
a)配电网潮流约束
建立配电网潮流约束条件模型如下:
式中,Ω为支路集合;rij为支路ij的电阻;xij为支路ij的电抗; Pt,ij、Qt,ij、Pt,ji、Qt,ij、Pt,ik、Qt,ik分别为t时刻支路ij、ji、ik上流过的有功功率和无功功率;Pt,i和Qt,i分别为t时刻节点i注入的有功功率和无功功率之和;和分别为t时刻节点i上分布式电源注入的有功功率和无功功率;和分别为t时刻节点i上变流器输出的有功功率和无功功率;和分别为节点i上负荷消耗的有功功率和无功功率;Pt S为t时刻从主变压器高压侧流向配电网的无功功率; r为变电站的负载率。
b)配电系统安全约束
建立配电网电压水平约束和支路电流约束,如下:
c)储能系统配置约束
式中,SBGT、EBGT分别为储能系统规划总功率与总容量;δi∈{0,1},当δi=1时表示节点i安装储能系统,当δi=0时表示节点i不安装储能系统;nESS为允许装有储能系统节点的最大个数。
作为一种或多种实施方式,在步骤S03中,结合公式(8)、公式 (9)和公式(10)所描述的储能系统多目标优化配置问题,采用二阶锥规划算法进行大规模混合整数非线性规划问题,能够同时满足快速收敛和最优求解的需求。
求解所述锥优化模型的过程中,预先对目标函数和约束条件模型作相应的锥转化处理,使得处理后的目标函数和约束条件模型满足线性目标函数和凸锥搜索空间的要求,将大规模混合整数非线性模型转化为混合整数二阶锥优化模型。
结合算例分析,对本实施例中所提出的分布式储能多目标优化配置方法进行进一步的说明。
以某区域实际配电网储能系统配置为案例进行分析,图5(a) 为该区域配电网拓扑结构,其中线路3用户装有分布式光伏发电系统,容量为2MW。线路10、11为用户侧园区配电网,拓扑结构如图5(b)所示。本算例给出配电网储能系统整体的配置方案,首先对分布式电源侧和用户侧配置储能系统,在此基础上,对电网侧储能系统需求进行优化配置。
储能系统配置考虑目前较成熟的3种储能电池,根据具体优化结果选择相应的电池种类。常用的储能电池的具体参数如下表1所示
表1常用的3类储能电池参数
1)分布式电源侧
本算例中线路3装有分布式光伏系统,为用户自发自用不允许向系统送电,根据公式(8)的优化模型设定优化目标,以实现储能系统的经济性最优、光伏出力波动最小为优化目标,考虑实际光伏波动情况,经专家打分,设定权重系数WFLU=0.54,WINV=0.46,储能系统配置优化结果如下表2所示:
表2分布式光伏侧储能系统配置结果
配置储能系统前分布式光伏出力和配置储能系统后的光伏、储能系统总出力情况如图6所示。
2)用户侧
根据公式(9)的优化模型设定优化目标,实现园区用户的经济性最优。用户侧配置储能系统最主要的目的为峰谷套利,电价参考江苏地区10kv工业用户峰谷电价,如下表3所示。综合考虑储能系统峰谷套利收益和储能系统投资成本,针对表1中常用的3种储能电池,优化结果如下表4所示。
表3江苏10kV大工业用户峰谷电价
表4用户侧储能系统配置结果
考虑初始投资成本和投资回收期,根据表4的配置结果,用户侧宜选择配置铅炭电池。优化前后园区用户整体负荷特性及储能系统充放电曲线如图7所示.
3)电网侧
根据公式(10)的优化模型设定优化目标。在本算例中,储能系统优化需求主要考虑经济性效益,经济性指标和技术性指标的优化权重分别设为WECI=0.938,WTEC=0.062。其中储能系统成本采用磷酸铁锂电池计算,从上级电网购电费用参考如表3所示的江苏地区峰谷电价,变电设备扩容费用以实际配电网负荷增长所需的扩容容量考虑,本实施例中考虑扩容31.5MV·A。技术性指标方面,考虑系统各节点电压波动最小,电压上下限分别为0.98pu、1.02pu。
储能系统配置情况如表4所示,优化后的配电网经济性指标与不安装储能系统的情况折算到每天的费用对比结果如表5所示。
表4储能系统配置情况
表5优化结果经济指标对比
采用源网荷协调优化进行对比分析,优化对象为图5(a)、图5 (b)所示的配电网,根据公式(8)、公式(9)和公式(10),确定优化目标函数为:
minCNET=WECI(CESS+CEXT-CDIR+CSUB)+WTEI(CFLU+UBLA) (14)
在对比算例中,经济性指标和技术性指标的优化权重采用电网侧优化的专家打分结构,分别设为WECI=0.938,WTEC=0.062。
对比算例得到的磷酸铁锂电池配置情况如下表6所示:
表6对比算例储能系统配置情况
由结果可以看出,对比算例配置的储能功率和容量较提出的配置方法得到的源网荷侧总量有所减少,但对比算例的优化结果倾向于通过电网侧多配置储能系统来优化用户的负荷特性。采用对比算例配置储能系统,一方面增加了电网侧的投资,另一方面减少了负荷侧配置储能系统峰谷套利收益,不利于满足各投资主体利益。
对于提出的分布式储能系统多目标优化配置方法适用于源、网、荷侧多种应用场景,通过合理配置储能系统,能有效降低分布式电源出力的波动,降低用户侧用能成本,改善用户的负荷特性,在满足配电网安全运行等约束条件的情况下满足源网荷各主体的需求和利益,从而实现储能系统效益的最大化。
实施例二
本实施例介绍了一种基于实施例一中所述方法的分布式储能多目标优化配置系统。
如图8所示的一种分布式储能多目标优化配置系统,包括:
输入单元,用于获取待配置储能系统的数据,得到目标数据;
建模单元,基于所得到的目标数据,分别构建不同投资主体下储能系统优化配置的混合整数非线性模型,确定优化目标函数;
优化单元,采用二阶锥规划算法,对所述混合整数非线性模型进行转化,得到锥优化模型;
输出单元,用于求解所述锥优化模型,输出储能系统的优化配置结果。
分布式储能多目标优化配置系统的具体工作步骤与实施例一中所介绍的分布式储能多目标优化配置方法相同,在此不再赘述。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开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公开的保护范围以内。
Claims (10)
1.分布式储能多目标优化配置方法,其特征在于,包括以下步骤:
获取待配置储能系统的数据,得到目标数据;
基于所得到的目标数据,分别构建不同投资主体下储能系统优化配置的混合整数非线性模型,确定优化目标函数;
采用二阶锥规划算法,对所述混合整数非线性模型进行转化,得到锥优化模型;
求解所述锥优化模型,输出储能系统的优化配置结果。
2.如权利要求1中所述的分布式储能多目标优化配置方法,其特征在于,所述目标数据包括线路参数、负荷水平、网络拓扑连接关系、分布式电源接入位置与容量、储能系统参数、系统节点电压和支路电流限制、系统基准电压和基准功率初值。
3.如权利要求1中所述的分布式储能多目标优化配置方法,其特征在于,所述混合整数非线性模型包括配电网储能系统运行边界模型、储能系统接入配电网的经济性指标模型和储能系统接入配电网的技术指标模型。
4.如权利要求3中所述的分布式储能多目标优化配置方法,其特征在于,所述储能系统接入配电网的经济性指标模型包括分布式储能系统费用最小模型、从上级电网购电费用最小模型、储能系统充放电收益最大模型和变电设备扩容费用最小模型。
5.如权利要求3中所述的分布式储能多目标优化配置方法,其特征在于,所述系统接入配电网的技术指标模型包括分布式电源功率波动最小模型和节点电压偏差最小模型。
6.如权利要求1中所述的分布式储能多目标优化配置方法,其特征在于,所述不同投资主体包括电源侧分布式电源、配电网运营商和负荷侧的用户。
7.如权利要求1中所述的分布式储能多目标优化配置方法,其特征在于,所述构建储能系统优化配置的混合整数非线性模型的约束条件模型包括配电网潮流约束模型、配电系统安全约束模型和储能系统配置约束模型。
8.如权利要求7中所述的分布式储能多目标优化配置方法,其特征在于,求解所述锥优化模型的过程中,预先对目标函数和约束条件模型作相应的锥转化处理,使得处理后的目标函数和约束条件模型满足线性目标函数和凸锥搜索空间的要求,将大规模混合整数非线性模型转化为混合整数二阶锥优化模型。
9.如权利要求1中所述的分布式储能多目标优化配置方法,其特征在于,所述储能系统的优化配置结果包括储能系统的功率、容量配置方案和每个时刻点的充放电情况。
10.分布式储能多目标优化配置系统,其特征在于,包括:
输入单元,用于获取待配置储能系统的数据,得到目标数据;
建模单元,基于所得到的目标数据,分别构建不同投资主体下储能系统优化配置的混合整数非线性模型,确定优化目标函数;
优化单元,采用二阶锥规划算法,对所述混合整数非线性模型进行转化,得到锥优化模型;
输出单元,用于求解所述锥优化模型,输出储能系统的优化配置结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111240893.3A CN114254551A (zh) | 2021-10-25 | 2021-10-25 | 分布式储能多目标优化配置方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111240893.3A CN114254551A (zh) | 2021-10-25 | 2021-10-25 | 分布式储能多目标优化配置方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114254551A true CN114254551A (zh) | 2022-03-29 |
Family
ID=80792181
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111240893.3A Pending CN114254551A (zh) | 2021-10-25 | 2021-10-25 | 分布式储能多目标优化配置方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114254551A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116167192A (zh) * | 2023-04-23 | 2023-05-26 | 北京和瑞储能科技有限公司 | 一种基于局域电网模型的储能配置方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470231A (zh) * | 2018-01-24 | 2018-08-31 | 天津大学 | 考虑储能系统量化特征的配电网分布式储能选址定容方法 |
CN110570015A (zh) * | 2019-08-07 | 2019-12-13 | 广东电网有限责任公司 | 一种配电网多目标规划方法 |
CN112734098A (zh) * | 2020-12-31 | 2021-04-30 | 国网山东省电力公司青岛供电公司 | 一种基于源-荷-网平衡的配电网电力调度方法及系统 |
CN113363964A (zh) * | 2021-05-26 | 2021-09-07 | 国网天津市电力公司 | 考虑重要负荷供电的配电网分布式储能规划方法及装置 |
-
2021
- 2021-10-25 CN CN202111240893.3A patent/CN114254551A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108470231A (zh) * | 2018-01-24 | 2018-08-31 | 天津大学 | 考虑储能系统量化特征的配电网分布式储能选址定容方法 |
CN110570015A (zh) * | 2019-08-07 | 2019-12-13 | 广东电网有限责任公司 | 一种配电网多目标规划方法 |
CN112734098A (zh) * | 2020-12-31 | 2021-04-30 | 国网山东省电力公司青岛供电公司 | 一种基于源-荷-网平衡的配电网电力调度方法及系统 |
CN113363964A (zh) * | 2021-05-26 | 2021-09-07 | 国网天津市电力公司 | 考虑重要负荷供电的配电网分布式储能规划方法及装置 |
Non-Patent Citations (1)
Title |
---|
孙充勃等: "考虑多场景需求的配电网分布式储能多目标优化配置方法", 《电力建设》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116167192A (zh) * | 2023-04-23 | 2023-05-26 | 北京和瑞储能科技有限公司 | 一种基于局域电网模型的储能配置方法及系统 |
CN116167192B (zh) * | 2023-04-23 | 2023-09-15 | 北京和瑞储能科技有限公司 | 一种基于局域电网模型的储能配置方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kumar et al. | A review on overall control of DC microgrids | |
CN107800155B (zh) | 考虑智能软开关的有源配电网多时段孤岛运行方法 | |
EP3057192B1 (en) | An energy internet and a hierarchical control system and a control method thereof | |
Yu et al. | An integrated and reconfigurable hybrid AC/DC microgrid architecture with autonomous power flow control for nearly/net zero energy buildings | |
WO2013097602A1 (zh) | 锂-液流电池联合储能电站的实时功率分配方法及系统 | |
CN110266038A (zh) | 一种多虚拟电厂分布式协调调控方法 | |
CN108832646A (zh) | 一种适用于可动态重构电池储能系统的管理系统及其方法 | |
CN111291978A (zh) | 一种基于Benders分解的两阶段储能方法及系统 | |
CN112018790B (zh) | 基于分层分布式储能参与需求响应调节控制方法 | |
CN110265991B (zh) | 一种直流微电网的分布式协调控制方法 | |
CN110808597A (zh) | 主动配电网中考虑三相不平衡的分布式电源规划方法 | |
CN113690947B (zh) | 一种面向家用电能路由器的直流微网功率控制策略 | |
Kaysal et al. | Hierarchical energy management system with multiple operation modes for hybrid DC microgrid | |
CN116365506A (zh) | 含分布式光伏主动配电网节能降损优化方法及系统 | |
Raducu et al. | Design and implementation of a hybrid power plant controller | |
CN108695840A (zh) | 一种直流配电网电压控制方法及系统 | |
CN114548597A (zh) | 一种交直流混合光储配电网优化方法 | |
CN114254551A (zh) | 分布式储能多目标优化配置方法及系统 | |
CN113361078A (zh) | 一种考虑光伏发电不确定性的配电网云边协同调控方法 | |
CN105977992B (zh) | 一种基于负载变化智能调节无功输出的配电系统 | |
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 | |
CN108173286A (zh) | 一种智能电池储能系统 | |
CN109004642B (zh) | 用于平抑分布式电源功率波动的配网分布式储能评价方法 | |
CN111242389A (zh) | 一种智能储能软开关规划方法、系统、设备及介质 | |
CN110717633A (zh) | 电力与天然气能源互补优化方法、装置及可读存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220329 |