CN114418453A - 一种基于电力市场的微电网多时间尺度能量管理系统 - Google Patents
一种基于电力市场的微电网多时间尺度能量管理系统 Download PDFInfo
- Publication number
- CN114418453A CN114418453A CN202210198582.3A CN202210198582A CN114418453A CN 114418453 A CN114418453 A CN 114418453A CN 202210198582 A CN202210198582 A CN 202210198582A CN 114418453 A CN114418453 A CN 114418453A
- Authority
- CN
- China
- Prior art keywords
- time
- energy management
- power
- battery
- management controller
- 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
Links
- 239000003990 capacitor Substances 0.000 claims abstract description 56
- 238000003860 storage Methods 0.000 claims abstract description 52
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000005611 electricity Effects 0.000 claims abstract description 17
- 238000005096 rolling process Methods 0.000 claims abstract description 5
- 238000006731 degradation reaction Methods 0.000 claims description 52
- 230000015556 catabolic process Effects 0.000 claims description 50
- 238000007599 discharging Methods 0.000 claims description 45
- 238000005457 optimization Methods 0.000 claims description 33
- 238000004146 energy storage Methods 0.000 claims description 29
- 230000006870 function Effects 0.000 claims description 27
- 230000003993 interaction Effects 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 17
- 230000008859 change Effects 0.000 claims description 4
- 238000010248 power generation Methods 0.000 claims description 4
- 230000007423 decrease Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 230000032683 aging Effects 0.000 description 4
- 230000007774 longterm Effects 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000011244 liquid electrolyte Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003446 memory effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000013643 reference control Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请提供一种基于电力市场的微电网多时间尺度能量管理系统,基于由光伏系统、风电系统、超级电容、蓄电池构成的交流微电网,所述系统包括上层能量管理控制器和下层能量管理控制器。所述上层能量管理控制器和下层能量管理控制器通过滚动求解单个时间步长内每层能量管理策略的目标函数可以得到该步长下每层的控制量,并且一层的控制结果会对另一层的控制产生影响。本申请可以在不同定价策略、不同预测时域、不同预测误差下对蓄电池和超级电容进行控制,实现预定的控制目标。
Description
技术领域
本申请涉及继电保护管理技术领域,特别涉及一种基于电力市场的微电网多时间尺度能量管理系统。
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。
能量管理策略通常根据一定时间段内预测的电源出力、负荷需求、市场信息等进行制定,根据不同的优化目标,能量管理系统可以在满足约束条件的基础上对各设备进行灵活的调度以实现微电网的优化运行。按照微电网运行方式的不同,微电网的运行优化主要分为并网型微电网的运行优化和独立型微电网的运行优化,由于孤岛状态下的微电网要维持母线电压实现系统的长期稳定运行,所以独立型微电网的运行优化策略更具有挑战性。考虑到微电网中新能源输出功率存在较大的波动性和间歇性,微电网的能量管理在信息预测和优化调度等方面与传统电网有很大的不同。
微电网的能量管理策略可分为优化式策略和启发式策略,一般前者能获得比后者更理想的优化效果。为了利用新能源输出功率的预测误差随时间尺度的减小而减小的特点,通过逐级提高调度指令精度以逐级降低调度误差的多时间尺度优化策略得到了广泛的关注。并网型微电网的优化目标多集中于最小化本地分布式电源的运行成本和减少与大电网的电力交易成本的问题。通过对现有的研究进行分析可以发现,现存的微电网能量管理策略通常假设电价是固定的,故很少考虑电价变化对微电网中电源、负荷、储能调度结果的影响。此外,蓄电池的调度策略不同于微电源,一方面,短期调度策略对蓄电池的长期使用寿命有重要影响,频繁的充放电会大大降低蓄电池的使用寿命;另一方面,微电网储能的配置需要权衡经济性和安全性,增加储能容量可以减少负荷损失,但增加了额外的投资。另外,根据混合储能介质特性的不同应在不同的时间尺度和不同的优化目标下分别调度:对于能量密度大的储能介质,如蓄电池,主要控制目标是与其他微电源和电网交互剩余电能;对于额定功率比较大的储能介质,如超级电容器,通常用于补偿瞬时的不平衡功率。包含混合储能系统的微电网能量管理策略需要考虑时间尺度和控制目标的不同综合设计,因此有必要利用双层多时间尺度能量管理策略对包含混合储能的微电网进行分层控制,其中长时间尺度主要实现微电网的经济运行,短时间尺度主要实现微电网的安全运行。
发明内容
本申请为了解决上述问题提出了一种基于电力市场的微电网多时间尺度能量管理系统,上层能量管理控制器的控制目标是实现微电网运行成本的最小化,下层能量管理控制器的控制目标是减小由于预测误差引起的功率波动。
本申请提供了一种基于电力市场的微电网多时间尺度能量管理系统,基于由光伏系统、风电系统、超级电容、蓄电池构成的交流微电网,所述系统包括上层能量管理控制器和下层能量管理控制器;
所述上层能量管理控制器和下层能量管理控制器通过滚动求解单个时间步长内每层能量管理策略的目标函数可以得到该步长下每层的控制量,并且一层的控制结果会对另一层的控制产生影响,具体优化过程为:
在当前时刻,上层能量管理控制器基于输入交流微电网参数信息,通过求解上层的目标函数得到时域Tu范围内的控制序列,但只将控制序列中的第一个量,即TlΔtl+Δtu时刻的控制量作为下层控制的参考值;下层能量管理控制器基于实时反馈的预测功率误差信息,在上层控制量的基础上于每一个时间步长Δtl求解下层的目标函数得到时域Tl范围内的控制序列,并将控制序列中的第一个控制量作用于微电网的储能系统;经过时间Δtu后,下层能量管理控制器将新的状态量信息反馈到上层能量管理控制器,在下一时间步长Δtu内重复上述优化过程,Tu和Tl分别表示上层和下层的预测时域,Δtu和Δti分别表示上层和下层的时间步长。
优选地,所述上层能量管理控制器和下层能量管理控制器的策略模型的计算方法为:
S1:计算蓄电池的退化成本模型;
S2:计算超级电容的退化成本模型;
S3:计算由蓄电池和超级电容构成的储能系统的功效模型;
S4:计算上层能量管理控制器的策略模型和下层能量管理控制器的策略模型。
优选地,蓄电池的退化成本模型的计算方法为:
定义蓄电池的放电深度为放电电量与额定容量的百分比,计蓄电池由充电状态转换为放电状态或由放电状态转换为充电状态为一个充放电循环,则蓄电池的寿命LB与放电深度dB的关系可以表示为:
式中:a,b,c为寿命曲线的拟合系数;
假设从时间t开始以平均功率PB(t)对蓄电池放电,则经过时间Δt后蓄电池的放电深度可以表示为:
式中:EBA(t)——t时刻蓄电池的实际容量,定义蓄电池的充放电效率分别为ηBc和ηBd,则在单位放电功率下的蓄电池的平均退化成本可以表示为:
式中:CB——电池的替换成本,则以功率PB(t)对蓄电池进行放电时的退化成本可以表示为:
经过时间t+Δt后蓄电池的容量降低,此时蓄电池的实际容量可以表示为:
式中:EB.rated——蓄电池的额定容量。
优选地,超级电容的退化成本模型的计算方法为:
从时刻t开始经时间Δt后的超级电容退化成本可以表示为:
式中:CSC——超级电容的替换成本;LSC——超级电容的预期寿命。
优选地,所述储能系统的功效模型的计算方法为:
在任意时刻t,能量管理系统的上层和下层都要满足功率平衡的等式约束条件:
PL(t)=PM(t)+PB(t)+PSC(t)+PPV(t)+PWT(t),t∈{tu,tl} (7)
PL(t)为负荷功率,PM(t)为微电网与电网交互功率,PB(t)为蓄电池充放电功率,PSC(t)为超级电容充放电功率,PPV(t)光伏发电功率,PWT(t)为风机发电功率,混合储能系统经过时间Δt后储存的能量可以表示为:
式中:EB(t)——t时刻蓄电池储存的能量;ESC(t)——t时刻超级电容储存的能量;ηSCc——超级电容的充电效率;ηSCd——超级电容的放电效率,微电网的功率不等式约束包括电网交互功率约束和混合储能系统充放电功率约束,分别表示为:
式中——t时刻微电网与电网交互功率的下限;——t时刻微电网与电网交互功率的上限;——t时刻蓄电池充电功率的上限;——t时刻蓄电池放电功率的上限;——t时刻超级电容充电功率的上限;——t时刻超级电容放电功率的上限;为了防止对混合储能系统的过度充放电,需要对蓄电池和超级电容的荷电状态进行限制:
优选地,计算上层能量管理控制器的策略模型的计算方法为:
式中:cm(tu)——tu时刻的电价;这里引入辅助的二进制变量g(tu)以表示两个连续的时间间隔内蓄电池充电和放电的状态转换:
定义Ea(tu)为改变充放电状态前的累积电量:
Ea(tu)=(1-g(tu))Ea(tu-1)+PB(tu)Δtu (17)
上层能量管理控制器的目标是最小化电力交易成本和蓄电池的运行成本,由于蓄电池退化的成本模型是高度非线性的,因此上层能量管理控制器是一个非线性优化问题,结合上述的约束条件,上层能量管理控制器的优化问题Fu可以表示为:
优选地,计算上层能量管理控制器的策略模型的计算方法为:
综合上述的超级电容退化成本模型和以二次项表示的罚函数项,下层能量管理控制器的目标函数可以表示为如下的优化问题:
与现有技术相比,本申请的有益效果为:
本申请在新能源出力存在波动性的情况下实现了微电网运行成本的最小化,基于将长期运行成本转换为短期运行成本的蓄电池和超级电容退化成本模型,在上层能量管理控制器实现了微电网运行成本的最小化,下层能量管理控制器实现了功率波动和预测误差对系统干扰的最小化。还用于包含蓄电池、超级电容、光伏、风机、负荷组成的并网运行状态下的微电网,本申请可以在不同定价策略、不同预测时域、不同预测误差下对蓄电池和超级电容进行控制,实现预定的控制目标。
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为系统结构图;
图2为能量管理策略实施过程。
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2所示,本申请提供一种基于电力市场的微电网多时间尺度能量管理系统,基于由光伏系统、风电系统、超级电容、蓄电池构成的交流微电网,所述系统包括上层能量管理控制器和下层能量管理控制器。
所述上层能量管理控制器和下层能量管理控制器通过滚动求解单个时间步长内每层能量管理策略的目标函数可以得到该步长下每层的控制量,并且一层的控制结果会对另一层的控制产生影响,具体优化过程为:
在当前时刻,上层能量管理控制器基于输入交流微电网参数信息,通过求解上层的目标函数得到时域Tu范围内的控制序列,但只将控制序列中的第一个量,即TlΔtl+Δtu时刻的控制量作为下层控制的参考值;下层能量管理控制器基于实时反馈的预测功率误差信息,在上层控制量的基础上于每一个时间步长Δtl求解下层的目标函数得到时域Tl范围内的控制序列,并将控制序列中的第一个控制量作用于微电网的储能系统;经过时间Δtu后,下层能量管理控制器将新的状态量信息反馈到上层能量管理控制器,在下一时间步长Δtu内重复上述优化过程,Tu和Tl分别表示上层和下层的预测时域,Δtu和Δti分别表示上层和下层的时间步长。
我国目前大多实行分时电价和阶梯电价的定价策略,由于这种定价方案是预先设定的并不会随着电网运行条件的改变而改变,通常对用户的用电方式影响较小。随着电力市场化改革的推进,电价随着电网运行状况和市场情况的改变而改变的定价策略逐渐被提出,当允许微电网与大电网进行双向功率交换时,微电网可以将剩余电量出售给电网获利,本发明的优化策略将同时考虑分时定价方案和动态定价方案。
本申请的混合储能介质由蓄电池和超级电容器组成,由于不同的储能介质在功率密度、能量密度、使用寿命和成本方面有所不同,所以可以利用蓄电池的高能量密度和超级电容器的高功率密度的互补特性,实现对充放电指令的快速响应。在实际优化运行过程中,蓄电池电池主要对分布式发电单元进行经济调度,而超级电容器主要用于平抑瞬时的功率波动以提高系统运行的鲁棒性。
考虑到风机和光伏输出功率的波动性和功率预测误差的不确定性,为了实现有限时间段内微电源和负荷功率的最优分配,实现微电网的经济运行,可以利用蓄电池和超级电容的互补特性和模型预测控制的反馈校正机制补偿由于短期功率预测误差对微电网造成的影响,通过模型预测控制的滚动优化策略实现微电网的安全经济运行。
微电网中的微电源为风电系统和光伏系统,光伏系统的输出功率和风电系统的输出功率的预测误差通常与预测模型、数据集质量、预测时间尺度密切相关。一般而言,随着预测时间尺度的增加,预测误差会增大。本发明考虑了预测误差对微电网能量管理策略的影响。
上层能量管理控制器的控制目标是实现微电网运行成本的最小化,下层能量管理控制器的控制目标是减小由于预测误差引起的功率波动。
所述上层能量管理控制器和下层能量管理控制器的策略模型的计算方法为:
S1:计算蓄电池的退化成本模型;
S2:计算超级电容的退化成本模型;
S3:计算由蓄电池和超级电容构成的储能系统的功效模型;
S4:计算上层能量管理控制器的策略模型和下层能量管理控制器的策略模型。
具体地,计算蓄电池的退化成本模型的步骤如下:
反映蓄电池的寿命退化主要有两个指标:其一是反映电池单元可达到总循环计数的循环寿命老化,其二是反应可使用存储能量的容量损耗。频繁的充放电次数、过高的充放电速度、过大的放电深度都会加速蓄电池的老化,此外高温也会加快蓄电池的寿命衰减过程,考虑到蓄电池管理系统通常情况下会配备温控器,因此可以近似忽略由外界环境因素引起的电池老化。当蓄电池在额定电流范围内进行充放电时,充放电速度对电池寿命的影响也可以忽略不计,因此影响蓄电池寿命的主要因素是容量损耗和放电深度。
定义蓄电池的放电深度为放电电量与额定容量的百分比,计蓄电池由充电状态转换为放电状态或由放电状态转换为充电状态为一个充放电循环,则蓄电池的寿命LB与放电深度dB的关系可以表示为:
式中:a,b,c——寿命曲线的拟合系数,曲线的参数通常由生产厂商提供。由于a,b,c>0,可以看到蓄电池的寿命随着放电深度的增加而缩短。
为了进一步建立蓄电池的退化成本模型,做出如下假设:蓄电池的退化是随着时间线性变化的过程;在荷电状态不同放电深度相同的情况下每个充放电周期的退化成本相同。假设从时间t开始以平均功率PB(t)对蓄电池放电,则经过时间Δt后蓄电池的放电深度可以表示为:
式中:EBA(t)——t时刻蓄电池的实际容量。定义蓄电池的充放电效率分别为ηBc和ηBd,则在单位放电功率下的蓄电池的平均退化成本可以表示为:
式中:CB——电池的替换成本。则以功率PB(t)对蓄电池进行放电时的退化成本可以表示为:
经过时间t+Δt后蓄电池的容量降低,此时蓄电池的实际容量可以表示为:
式中:EB.rated——蓄电池的额定容量。
蓄电池充电过程的计算方法与放电过程相同,并假设充电过程的电池替换成本等于放电过程的电池替换成本。蓄电池在过高或过低的电量下运行会导致电池内部阻抗的增大和电解质分解速度的增加,但这种情况造成的蓄电池退化与充放电过程造成的退化相比可以忽略不计。此外只要充放电电流不超过额定电流,那么可以近似忽略蓄电池长期运行过程中温度和放电速率等参数对蓄电池寿命的影响。
超级电容的退化成本模型的计算步骤如下:
超级电容可以承受数万次的深度充放电循环,并且具有大电流放电能力强、能量转换效率高、功率密度高等优点。由于没有“记忆效应”的影响,其使用寿命可达十余年。超级电容器的使用寿命主要取决于液体电解质的蒸发速率,而电介质的蒸发速率与超级电容的温度和端电压有关,过高的温度和端电压会加速电容的老化过程,使超级电容器的使用寿命缩短,而超级电容的充放电速率对其寿命的影响可以忽略不计。
通常情况下,超级电容的预期寿命是生产厂商根据超级电容工作在最高额定温度、额定电压范围内的条件下测试得到的数据,因此如果超级电容运行在额定参数范围内,则超级电容可以达到预期寿命,可以认为超级电容的退化过程是时间的线性函数而与充放电循环无关,则从时刻t开始经时间Δt后的超级电容退化成本可以表示为:
式中:CSC——超级电容的替换成本;LSC——超级电容的预期寿命。由式(6)可以看到,超级电容器的退化成本与充放电循环过程无关,因此常将超级电容用于需要频繁充电放电以平滑瞬时功率波动的场合。
储能系统的功效模型的计算步骤如下:
在任意时刻t,能量管理系统的上层和下层都要满足功率平衡的等式约束条件:
PL(t)=PM(t)+PB(t)+PSC(t)+PPV(t)+PWT(t),t∈{tu,tl} (30)
式中各符号所代表的物理含义与图1相同。在上层和下层的优化过程中,考虑蓄电池和超级电容的充放电效率,混合储能系统经过时间Δt后储存的能量可以表示为:
式中:EB(t)——t时刻蓄电池储存的能量;ESC(t)——t时刻超级电容储存的能量;ηSCc——超级电容的充电效率;ηSCd——超级电容的放电效率。微电网的功率不等式约束包括电网交互功率约束和混合储能系统充放电功率约束,分别表示为:
式中——t时刻微电网与电网交互功率的下限;——t时刻微电网与电网交互功率的上限;——t时刻蓄电池充电功率的上限;——t时刻蓄电池放电功率的上限;——t时刻超级电容充电功率的上限;——t时刻超级电容放电功率的上限。为了防止对混合储能系统的过度充放电,需要对蓄电池和超级电容的荷电状态进行限制:
上层能量管理控制器的策略模型的计算方法为:
上层能量管理控制器通过最小化目标函数得到上层的控制变量以实现微电网的经济运行,微电网的运行成本包括电网的电力交易成本和蓄电池的退化成本,蓄电池的退化成本模型在上文已经给出,在tu时刻微电网与电网的交互成本可以表示为:
式中:cm(tu)——tu时刻的电价。由储能的退化成本模型可以看到,只有在充电或放电过程结束时才可以计算该时间段的退化成本,因此必须事先确定储能系统的功率流向,这里引入辅助的二进制变量g(tu)以表示两个连续的时间间隔内蓄电池充电和放电的状态转换:
定义Ea(tu)为改变充放电状态前的累积电量:
Ea(tu)=(1-g(tu))Ea(tu-1)+PB(tu)Δtu (40)
上层能量管理控制器的目标是最小化电力交易成本和蓄电池的运行成本,由于蓄电池退化的成本模型是高度非线性的,因此上层能量管理控制器是一个非线性优化问题,结合上述的约束条件,上层能量管理控制器的优化问题Fu可以表示为:
下层能量管理控制器的策略模型的计算方法为:
由式(20)可以看到超级电容器的退化成本与充放电的功率无关,下层能量管理控制器的策略模型的目标函数包括超级电容的退化成本和由于新能源功率预测误差引起的上层能量管理控制器提供的参考功率与反馈的实际功率偏差的惩罚项,记和分别表示蓄电池的功率偏差和与电网交互的功率偏差的罚函数项,那么给定上层参考功率和下层的实际功率后,罚函数可以分别表示为:
综合上述的超级电容退化成本模型和以二次项表示的罚函数项,下层能量管理控制器的目标函数可以表示为如下的优化问题:
由式(17)和式(24)可以看出,上层能量管理控制器通过最小化包括交互成本和退化成本在内的微电网运行成本,将控制量[PB(tu),PM(tu)]传送到下层作为下层能量管理控制器的参考;考虑到负载的波动和新能源发电功率的预测误差,下层能量管理控制器以时间间隔ΔTl对下层目标函数进行优化,并执行优化后的控制量,当下层执行完Δtu时间段内的控制量后,下层能量管理控制器将更新后的状态变量[EB(Tl),ESC(Tl)]返回上层并开始tu=tu+1时间段内的优化。
由于上层的目标函数Fu同时包含反映电池退化成本的非线性项和交易成本的整数项所以上层能量管理策略本质上是混合整数非线性规划问题。同理,下层能量管理策略本质上是混合整数二次规划问题。此外在下层的能量管理过程中,当新能源发电的功率逐渐增大时,超级电容可能会达到容量的极限,由于上层能量管理控制器下发到下层能量管理控制器的蓄电池参考功率是恒定的,因此下层能量管理控制器需要对上层的参考控制量进行实时微调以满足超级电容的容量约束条件。
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 (7)
1.一种基于电力市场的微电网多时间尺度能量管理系统,其特征在于:基于由光伏系统、风电系统、超级电容、蓄电池构成的交流微电网,所述系统包括上层能量管理控制器和下层能量管理控制器;
所述上层能量管理控制器和下层能量管理控制器通过滚动求解单个时间步长内每层能量管理策略的目标函数可以得到该步长下每层的控制量,并且一层的控制结果会对另一层的控制产生影响,具体优化过程为:
在当前时刻,上层能量管理控制器基于输入交流微电网参数信息,通过求解上层的目标函数得到时域Tu范围内的控制序列,但只将控制序列中的第一个量,即TlΔtl+Δtu时刻的控制量作为下层控制的参考值;下层能量管理控制器基于实时反馈的预测功率误差信息,在上层控制量的基础上于每一个时间步长Δtl求解下层的目标函数得到时域Tl范围内的控制序列,并将控制序列中的第一个控制量作用于微电网的储能系统;经过时间Δtu后,下层能量管理控制器将新的状态量信息反馈到上层能量管理控制器,在下一时间步长Δtu内重复上述优化过程,Tu和Tl分别表示上层和下层的预测时域,Δtu和Δti分别表示上层和下层的时间步长。
2.根据权利要求1所述的一种基于电力市场的微电网多时间尺度能量管理系统,其特征在于:
所述上层能量管理控制器和下层能量管理控制器的策略模型的计算方法为:
S1:计算蓄电池的退化成本模型;
S2:计算超级电容的退化成本模型;
S3:计算由蓄电池和超级电容构成的储能系统的功效模型;
S4:计算上层能量管理控制器的策略模型和下层能量管理控制器的策略模型。
3.根据权利要求2所述的一种基于电力市场的微电网多时间尺度能量管理系统,其特征在于:
蓄电池的退化成本模型的计算方法为:
定义蓄电池的放电深度为放电电量与额定容量的百分比,计蓄电池由充电状态转换为放电状态或由放电状态转换为充电状态为一个充放电循环,则蓄电池的寿命LB与放电深度dB的关系可以表示为:
式中:a,b,c为寿命曲线的拟合系数;
假设从时间t开始以平均功率PB(t)对蓄电池放电,则经过时间Δt后蓄电池的放电深度可以表示为:
式中:EBA(t)——t时刻蓄电池的实际容量,定义蓄电池的充放电效率分别为ηBc和ηBd,则在单位放电功率下的蓄电池的平均退化成本可以表示为:
式中:CB——电池的替换成本,则以功率PB(t)对蓄电池进行放电时的退化成本可以表示为:
经过时间t+Δt后蓄电池的容量降低,此时蓄电池的实际容量可以表示为:
式中:EB.rated——蓄电池的额定容量。
5.根据权利要求4所述的一种基于电力市场的微电网多时间尺度能量管理系统,其特征在于:
所述储能系统的功效模型的计算方法为:
在任意时刻t,能量管理系统的上层和下层都要满足功率平衡的等式约束条件:
PL(t)=PM(t)+PB(t)+PSC(t)+PPV(t)+PWT(t),t∈{tu,tl} (7)
PL(t)为负荷功率,PM(t)为微电网与电网交互功率,PB(t)为蓄电池充放电功率,PSC(t)为超级电容充放电功率,PPV(t)光伏发电功率,PWT(t)为风机发电功率,混合储能系统经过时间Δt后储存的能量可以表示为:
式中:EB(t)——t时刻蓄电池储存的能量;ESC(t)——t时刻超级电容储存的能量;ηSCc——超级电容的充电效率;ηSCd——超级电容的放电效率,微电网的功率不等式约束包括电网交互功率约束和混合储能系统充放电功率约束,分别表示为:
式中——t时刻微电网与电网交互功率的下限;——t时刻微电网与电网交互功率的上限;——t时刻蓄电池充电功率的上限;——t时刻蓄电池放电功率的上限;——t时刻超级电容充电功率的上限;——t时刻超级电容放电功率的上限;为了防止对混合储能系统的过度充放电,需要对蓄电池和超级电容的荷电状态进行限制:
6.根据权利要求5所述的一种基于电力市场的微电网多时间尺度能量管理系统,其特征在于:
计算上层能量管理控制器的策略模型的计算方法为:
式中:cm(tu)——tu时刻的电价;这里引入辅助的二进制变量g(tu)以表示两个连续的时间间隔内蓄电池充电和放电的状态转换:
定义Ea(tu)为改变充放电状态前的累积电量:
Ea(tu)=(1-g(tu))Ea(tu-1)+PB(tu)Δtu (17)
上层能量管理系统的目标是最小化电力交易成本和蓄电池的运行成本,由于蓄电池退化的成本模型是高度非线性的,因此上层能量管理系统是一个非线性优化问题,结合上述的约束条件,上层能量管理系统的优化问题Fu可以表示为:
s.t.(4-11),(4-12),(4-14),(4-15),(4-17)-(4-20)
7.根据权利要求6所述的一种基于电力市场的微电网多时间尺度能量管理系统,其特征在于:
计算上层能量管理控制器的策略模型的计算方法为:
综合上述的超级电容退化成本模型和以二次项表示的罚函数项,下层能量管理系统的目标函数可以表示为如下的优化问题:
s.t.(4-12)-(4-18),(4-24)-(4-27)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210198582.3A CN114418453B (zh) | 2022-03-02 | 2022-03-02 | 一种基于电力市场的微电网多时间尺度能量管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210198582.3A CN114418453B (zh) | 2022-03-02 | 2022-03-02 | 一种基于电力市场的微电网多时间尺度能量管理系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114418453A true CN114418453A (zh) | 2022-04-29 |
CN114418453B CN114418453B (zh) | 2024-06-25 |
Family
ID=81261144
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210198582.3A Active CN114418453B (zh) | 2022-03-02 | 2022-03-02 | 一种基于电力市场的微电网多时间尺度能量管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114418453B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115062259A (zh) * | 2022-06-15 | 2022-09-16 | 国网山东省电力公司冠县供电公司 | 一种基于多维度的微电网状态评估方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170337646A1 (en) * | 2016-05-19 | 2017-11-23 | Hefei University Of Technology | Charging and discharging scheduling method for electric vehicles in microgrid under time-of-use price |
US20200161867A1 (en) * | 2018-11-15 | 2020-05-21 | Hefei University Of Technology | Method, system and storage medium for load dispatch optimization for residential microgrid |
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 |
CN114069678A (zh) * | 2021-11-24 | 2022-02-18 | 安徽工业大学 | 一种考虑储能退化成本的光储直流微电网能量调度方法 |
-
2022
- 2022-03-02 CN CN202210198582.3A patent/CN114418453B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170337646A1 (en) * | 2016-05-19 | 2017-11-23 | Hefei University Of Technology | Charging and discharging scheduling method for electric vehicles in microgrid under time-of-use price |
US20200161867A1 (en) * | 2018-11-15 | 2020-05-21 | Hefei University Of Technology | Method, system and storage medium for load dispatch optimization for residential microgrid |
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 |
CN114069678A (zh) * | 2021-11-24 | 2022-02-18 | 安徽工业大学 | 一种考虑储能退化成本的光储直流微电网能量调度方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115062259A (zh) * | 2022-06-15 | 2022-09-16 | 国网山东省电力公司冠县供电公司 | 一种基于多维度的微电网状态评估方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114418453B (zh) | 2024-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110311421B (zh) | 基于需求侧响应的微电网多时间尺度能量管理方法 | |
Purvins et al. | Application of battery-based storage systems in household-demand smoothening in electricity-distribution grids | |
CN106099965B (zh) | 交流微电网并网状态下复杂混合储能系统的协调控制方法 | |
CN108667052A (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 | |
CN108539739A (zh) | 微电网运行能量管理优化方法 | |
CN107769235B (zh) | 一种基于混合储能与电动汽车的微网能量管理方法 | |
Hossain et al. | Design a novel controller for stability analysis of microgrid by managing controllable load using load shaving and load shifting techniques; and optimizing cost analysis for energy storage system | |
CN103443984A (zh) | 基于电能成本运行液流电池系统的方法和系统 | |
CN115313516A (zh) | 一种光伏发电和储能微电网结合的随机优化运行策略 | |
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 | |
CN116667406A (zh) | 基于非线性规划的储能充放电策略优化方法 | |
CN117559526A (zh) | 一种基于光储充一体化充电站的拟路由器能量调控方法 | |
CN115663791A (zh) | 基于运行环境时变性的智能配电网多目标自适应调度方法 | |
CN114583735A (zh) | 一种储能系统调度控制方法及系统 | |
CN114418453B (zh) | 一种基于电力市场的微电网多时间尺度能量管理系统 | |
CN118117568A (zh) | 一种适用于离网风光氢储耦合系统的复合能量管理策略 | |
CN109510242B (zh) | 一种微电网储能系统配置优化方法及存储介质 | |
CN115983890A (zh) | 5g基站储能系统的soc偏移优化控制方法及系统 | |
CN115912442A (zh) | 一种用户侧光储优化配置及其盈亏平衡分析方法 | |
CN114336703A (zh) | 一种大规模风光储电站自动协同控制方法 | |
Siqi et al. | Optimal coordinated operation for microgrid with hybrid energy storage and diesel generator | |
Song et al. | Unit commitment optimization model of wind storage combined system considering peak load regulation of energy storage system | |
CN112039057A (zh) | 一种基于两阶段调度的低电压治理方法 | |
KR101299269B1 (ko) | 배터리 에너지 저장 시스템 | |
Haiyun et al. | Optimal Capacity Allocation Method of Multi-types of Energy Storage for Wind Power Plant |
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 |