CN114444814A - 包含多能源子系统的微网设备选型寻优方法、装置 - Google Patents
包含多能源子系统的微网设备选型寻优方法、装置 Download PDFInfo
- Publication number
- CN114444814A CN114444814A CN202210195604.0A CN202210195604A CN114444814A CN 114444814 A CN114444814 A CN 114444814A CN 202210195604 A CN202210195604 A CN 202210195604A CN 114444814 A CN114444814 A CN 114444814A
- Authority
- CN
- China
- Prior art keywords
- subsystem
- equipment
- power
- optimization
- optimizing
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004146 energy storage Methods 0.000 claims description 68
- 238000010248 power generation Methods 0.000 claims description 37
- 230000004048 modification Effects 0.000 claims description 31
- 238000012986 modification Methods 0.000 claims description 31
- 230000003993 interaction Effects 0.000 claims description 28
- 230000005611 electricity Effects 0.000 claims description 25
- 230000036961 partial effect Effects 0.000 claims description 21
- 238000010521 absorption reaction Methods 0.000 claims description 16
- 238000007599 discharging Methods 0.000 claims description 7
- 230000008901 benefit Effects 0.000 claims description 6
- 230000002269 spontaneous effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 description 20
- 230000008569 process Effects 0.000 description 18
- 238000004590 computer program Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000002829 reductive effect Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000000392 pressure-controlled scanning calorimetry Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000000007 visual 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
- G06Q10/04—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Water Supply & Treatment (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种包含多能源子系统的微网设备选型寻优方法、装置。该方法包括:通过各子系统寻优模型,从选型设备系统模型库中选取设备,执行各子系统的寻优步骤,得到各子系统的寻优结果;其中,所述子系统寻优模型与所述子系统一一对应;各所述子系统之间受关联要素的约束;通过整体系统寻优模型,以所述各子系统的寻优结果为初始值,执行整体系统的寻优步骤,得到整体系统的寻优结果。与现有技术相比,本发明实施例实现了在满足整体指标要求的基础上,满足各子系统的指标要求。
Description
技术领域
本发明涉及新能源技术领域,尤其涉及包含多能源子系统的微网设备选型寻优方法、装置。
背景技术
随着新能源的大规模发展,多种新能源的组合互补是必然趋势。微网中,各类型新能源子系统的容量配置是最为关键的环节。现有技术采用整体评估容量配置的计算方案,以实现微网整体系统总的容量配置寻优。由于不同类型的新能源差异性较大,在整体寻优过程中,无法兼顾各子系统的特殊性和具体设备型号。因此,现有技术虽然能够从总体实现寻优,满足整体的指标要求,但无法满足各子系统的指标要求。
发明内容
本发明提供了一种包含多能源子系统的微网设备选型寻优方法、装置,以在满足整体指标要求的基础上,满足各子系统的指标要求。
根据本发明的一方面,提供了一种包含多能源子系统的微网设备选型寻优方法,包括:
通过各子系统寻优模型,从选型设备系统模型库中选取设备,执行各子系统的寻优步骤,得到各子系统的寻优结果;其中,所述子系统寻优模型与所述子系统一一对应;各所述子系统之间受关联要素的约束;
通过整体系统寻优模型,以所述各子系统的寻优结果为初始值,执行整体系统的寻优步骤,得到整体系统的寻优结果。
可选地,所述执行各子系统的寻优步骤,包括:
优先选择子系统中的核心设备进行寻优;
根据所述核心设备的选型确定所述子系统中的其他辅助设备的选型。
可选地,所述子系统包括:风电子系统、光伏子系统、储能子系统和电动汽车充电子系统中的至少一种。
可选地,所述风电子系统中的核心设备包括:风机机组和风电逆变器;
所述光伏子系统中的核心设备包括:直流组件和光伏逆变器;
所述储能子系统中的核心设备包括:储能电池和储能PCS;
所述电动汽车充电子系统中的核心设备包括:充电桩。
可选地,所述风电子系统的寻优步骤,包括:
根据风资源环境和电网网架容量,确定所选取的设备台数;
根据潮流中节点功率平衡和电价,计算功率流和发电收益;
根据所述风资源环境和弃风率,修改所述设备的单机容量和台数,并计算成本和发电量;
根据所述风电子系统的成本和发电量,修改风机塔的台数。
可选地,所述光伏子系统的寻优步骤,包括:
根据光资源环境、负荷用电和电网网架容量,确定所选取设备的总容量和台数;
根据潮流中节点功率平衡和电价,计算功率流和发电收益;
根据所述光伏子系统的消纳率、弃光率和自发自用率,修改所述设备的总容量;
根据所述光伏子系统的成本和发电收益,修改所述设备的单机容量。
可选地,所述储能子系统的寻优步骤,包括:
根据所述整体系统中除所述储能子系统外的其他发电子系统的峰谷差功率、负荷的平均功率及其累计电量,确定所选取设备的容量;
根据潮流中节点功率平衡和电价,计算功率流和发电收益;
根据所述储能子系统的充电满载程度、放电程度和储能充放电的功率满载程度,修改所述设备的容量。
可选地,所述电动汽车充电子系统的寻优步骤,包括:
根据所述整体系统中除所述电动汽车充电子系统外的其他子系统的供电功率、负荷区域的电动汽车量,确定所选取设备的容量和台数;
根据潮流中节点功率平衡和电价,计算功率流和发电收益;
根据所述电动汽车充电子系统的充电功率的稳定程度和充电电量,修改所述设备的容量和台数。
可选地,各子系统的寻优步骤同步执行。
可选地,所述执行整体系统的寻优步骤,包括:
通过所述各子系统寻优模型,得到各子系统的交互量;
以所述各子系统的交互量为自变量,构建目标函数和约束条件;
对所述目标函数依次计算关于其中一个所述交互量的偏导数;
在所述约束条件的限制下,根据所述目标函数以及所述偏导数的取值范围,确定修改方向、修改幅度。
可选地,所述交互量包括:各子系统的设备功率、成本和收益;
所述目标函数包括消纳率;所述消纳率以各子系统的设备功率为自变量;
所述约束条件包括收益率;所述收益率以各子系统的成本和收益为自变量。
可选地,在执行整体系统的寻优步骤中,若寻优的修改方向与执行子系统寻优的修改方向相反,则以整体系统寻优的修改方向为准。
可选地,所述关联要素包括:功率流。
根据本发明的另一方面,提供了一种包含多能源子系统的微网设备选型寻优装置,包括:
子系统寻优模块,用于通过各子系统寻优模型,从选型设备系统模型库中选取设备,执行各子系统的寻优步骤,得到各子系统的寻优结果;其中,所述子系统寻优模型与所述子系统一一对应;各所述子系统之间受关联要素的约束;
整体系统寻优模块,用于通过整体系统寻优模型,以所述各子系统的寻优结果为初始值,执行整体系统的寻优步骤,得到整体系统的寻优结果。
本发明实施例首先执行各子系统的寻优步骤,然后执行整体系统的寻优步骤。其中,在执行子系统的寻优步骤时,从选型设备系统模型库中选择设备进行寻优,从而能够结合具体的设备进行设备级的容量选型,因此在容量配置寻优过程中充分考虑设备型号的影响,寻优结果为具体型号设备及台数,而非不考虑设备型号的容量参数,使得寻优结果能够更加准确地对实际项目进行指导。以及,本发明实施例首先对微网中各子系统基于各自的影响要素进行分开独立寻优,然后各子系统之间再基于系统层要素进行关联整体寻优,从而实现整体寻优和子系统的寻优相结合。因此,本发明实施例既能够满足项目整体的指标要求,同时也能够满足各子系统的指标要求,寻优结果在兼顾全面的基础上,更加真实、精准。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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发明的一些实施例,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为本发明实施例提供的一种包含多能源子系统的微网设备选型寻优方法流程示意图;
图2为本发明实施例提供的一种包含多能源子系统的微网设备选型寻优方法中信号流的示意图;
图3为本发明实施例提供的一种子系统寻优的流程示意图;
图4为本发明实施例提供的另一种包含多能源子系统的微网设备选型寻优方法中信号流的示意图;
图5为本发明实施例提供的一种风电子系统的寻优步骤的流程示意图;
图6为本发明实施例提供的一种光伏子系统的寻优步骤的流程示意图;
图7为本发明实施例提供的一种储能子系统的寻优步骤的流程示意图;
图8为本发明实施例提供的一种电动汽车充电子系统的寻优步骤的流程示意图;
图9为本发明实施例提供的一种整体系统的寻优方法的流程示意图;
图10为本发明实施例提供的一种包含多能源子系统的微网设备选型寻优装置的结构示意图;
图11为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1为本发明实施例提供的一种包含多能源子系统的微网设备选型寻优方法流程示意图。该方法可适用于风光储充微网系统。该方法由包含多能源子系统的微网设备选型寻优装置执行,该装置可以由软件和/或硬件实现。该装置可集成于计算机等电子设备中。参见图1,包含多能源子系统的微网设备选型寻优方法,包括以下步骤:
S110、通过各子系统寻优模型,从选型设备系统模型库中选取设备,执行各子系统的寻优步骤,得到各子系统的寻优结果。
其中,微网中的一个子系统对应一个子系统寻优模型。示例性地,对于风光储充微网系统,由电网子系统、负荷子系统、风电子系统、光伏子系统、储能子系统、电动汽车充电子系统组成。电网子系统提供整个系统的并网环境。负荷子系统是整个系统需要最终满足的需求方,含有一般的工商民用等各种负荷设备、同时还含有移动式的电动汽车等负荷。风电子系统、光伏子系统、储能子系统、电动汽车充电子系统是系统的寻优对象子系统。子系统寻优模型与子系统一一对应;各子系统之间受关联要素的约束。示例性地,关联要素例如可以是功率流等,以使各子系统的功率匹配。此时,关联要素作为电网整体约束条件。
选型设备系统模型库中包含各子系统所需的设备、以及各设备的型号、性能参数等信息。示例性地,子系统包括:风电子系统、光伏子系统、储能子系统和电动汽车充电子系统中的至少一种。相应地,选型设备系统模型库中包含风电子系统的设备、光伏子系统的设备、储能子系统的设备和电动汽车充电子系统的设备。如图2所示,各子系统在执行寻优步骤的过程中,需要从选型设备系统模型库中选取设备参与子系统寻优。在各子系统的寻优过程中,除了电网整体约束条件,还包括子系统自身的约束条件,例如,成本和发电量等。
S120、通过整体系统寻优模型,以各子系统的寻优结果为初始值,执行整体系统的寻优步骤,得到整体系统的寻优结果。
其中,子系统的寻优结果包括其选择设备的型号、各子系统与整体系统的交互量等。交互量是各子系统与整体系统进行交互的物理量,根据交互量可以得到整体系统寻优的系统层要素。系统层要素即整体系统寻优时的目标函数和约束条件。示例性地,交互量包括:各子系统的设备功率、成本和收益等;目标函数包括消纳率;消纳率以各子系统的设备功率为自变量;约束条件包括收益率;收益率以各子系统的成本和收益为自变量。
综上所述,本发明实施例首先执行各子系统的寻优步骤,然后执行整体系统的寻优步骤。其中,在执行子系统的寻优步骤时,从选型设备系统模型库中选择设备进行寻优,从而能够结合具体的设备进行设备级的容量选型,因此在容量配置寻优过程中充分考虑设备型号的影响,寻优结果为具体型号设备及台数,而非不考虑设备型号的容量参数,使得寻优结果能够更加准确地对实际项目进行指导。以及,本发明实施例首先对微网中各子系统基于各自的影响要素进行分开独立寻优,然后各子系统之间再基于系统层要素进行关联整体寻优,从而实现整体寻优和子系统的寻优相结合。因此,本发明实施例既能够满足项目整体的指标要求,同时也能够满足各子系统的指标要求,寻优结果在兼顾全面的基础上,更加真实、精准。
图3为本发明实施例提供的一种子系统寻优的流程示意图。参见图3,在上述各实施例的基础上,可选地,执行各子系统的寻优步骤,包括:
S111、优先选择子系统中的核心设备进行寻优。
其中,一个子系统中的设备类型包括至少一种,同一类型的设备台数包括至少一台。当子系统中的设备类型超过一种或台数超过一台时,各设备间需要相互匹配。具体地,子系统中的设备可以分为核心设备和其他辅助设备两大类,当核心设备的型号确定后,其他辅助设备的型号也能够相应确定下来。
子系统例如可以是,风电子系统、光伏子系统、储能子系统和电动汽车充电子系统等。如图4所示,示例性地,风电子系统中的核心设备包括:风机机组和风电逆变器。在风电子系统的寻优步骤中,首先对风机机组和风电逆变器进行寻优。光伏子系统中的核心设备包括:直流组件和光伏逆变器。在光伏子系统的寻优步骤中,首先对直流组件和光伏逆变器进行寻优。储能子系统中的核心设备包括:储能电池和储能PCS。在储能子系统的寻优步骤中,首先对储能电池和储能PCS进行寻优。电动汽车充电子系统中的核心设备包括:充电桩。在电动汽车充电子系统的寻优步骤中,首先对充电桩进行寻优。
可选地,若子系统中核心设备的种类为两个或两个以上,则需要依次对不同的核心设备进行寻优。相当于将子系统中的设备进行分解分层,将寻优步骤进行分解,从而降低寻优难度。进一步地,在对子系统中的一种设备进行寻优时,也可以分层处理,每层寻优处理一种设备的一个参数。在对该参数寻优时,寻优的评判标准是基于该参数相关联的约束要素。若该参数的选取满足约束要素,则认为该参数能够满足相关联的子系统指标。
S112、根据核心设备的选型确定子系统中的其他辅助设备的选型。
其中,各子系统中的设备配套使用,当核心设备的型号确定后,其他辅助设备的型号也能够相应确定下来,从而满足各子系统的指标要求。
通过S111-S112完成了子系统寻优。本发明实施例通过对子系统中的设备依次进行寻优,实现了对子系统设备寻优的分多层处理方式。
在上述各实施例的基础上,可选地,选型设备系统模型库中包括多个成套设备组。具体地,在各子系统中的各种设备是配套使用的,当核心设备的型号确定后,其他辅助设备的型号也能够相应确定下来。示例性地,风电子系统中的核心设备包括:风机机组和风电逆变器。风电子系统还包括:传动设备、及其他辅助设备等。在实际应用过程中,将风电子系统中的设备进行抽象化并赋值,得到风电子系统的成套设备组,用{FJi TRi FINVi Ffzi}表示。其中,FJi表示风机机组,TRi表示传动设备,FINVi表示逆变器,Ffzi表示其他辅助设备,i下标表示不同的成套设备组。对应地,第i个成套设备组所对应的参数也用i下标表示。示例性地,风电子系统的参数用{Costi FJCi TRCi FINVCi Facti}表示,其中,Cos ti表示子系统成本,FJCi表示风机容量,TRCi表示传动设备容量,FINVCi表示风电逆变器容量,Facti表示子系统效率。{FJi TRi FINVi Ffzi}和{Costi FJCi TRCi FINVCi Facti}之间存在对应关系,即
在上述各实施例的基础上,可选地,风电子系统中的全部成套设备组构成一个风电子系统设备模型库。在执行风电子系统的寻优步骤中,仅需从风电子系统设备模型库中选择设备即可,有利于提升设备选型的效率。
可选地,光伏子系统中的核心设备包括:直流组件和光伏逆变器。光伏子系统还包括支架、变压器及其他辅助设备。在实际应用过程中,将光伏子系统中的设备进行抽象化并赋值,得到光伏子系统的成套设备组,用 {DPVi ZJi SINVi BYi Ffzi}表示。其中,DPVi表示直流组件,ZJi表示支架,SINVi表示逆变器,BYi表示变压器,Ffzi表示其他辅助设备。相应地,光伏子系统的参数用{Costi DPVCi ZJCi SINVCi BYCi Facti}表示,其中,Costi表示子系统成本,DPVCi表示直流组件容量,ZJCi表示支架容量,SINVCi表示逆变器容量,BYCi表示变压器容量,Facti表示子系统效率。{DPVi ZJi SINVi BYi Ffzi} 和{Costi DPVCi ZJCiSINVCi BYCi Facti}之间存在对应关系,即
在上述各实施例的基础上,可选地,光伏子系统中的全部成套设备组构成一个光伏子系统设备模型库。在执行光伏子系统的寻优步骤中,仅需从光伏子系统设备模型库中选择设备即可,有利于提升设备选型的效率。
可选地,储能子系统中的核心设备包括:储能电池和储能PCS。储能子系统还包括:变压器及其他辅助设备。在实际应用过程中,将储能子系统中的设备进行抽象化并赋值,得到储能子系统的成套设备组,用 {BATi PCSi BYi Ffzi}表示。其中,BATi表示电池,PCSi表示储能PCS,BYi表示变压器,Ffzi表示其他辅助设备。相应地,储能子系统的参数用 {CostiBATCi PCSCi BYCi Facti}表示,其中,Costi表示子系统成本,BATCi表示电池容量,PCSCi表示储能PCS容量,BYCi表示变压器容量,Facti表示子系统效率。{BATi PCSi BYiFfzi}和{Costi BATCi PCSCi BYCi Facti}之间存在对应关系,即
在上述各实施例的基础上,可选地,储能子系统中的全部成套设备组构成一个储能子系统设备模型库。在执行储能子系统的寻优步骤中,仅需从储能子系统设备模型库中选择设备即可,有利于提升设备选型的效率。
可选地,电动汽车充电子系统中的核心设备包括:充电桩。电动汽车充电子系统还包括其他辅助设备。在实际应用过程中,将电动汽车充电子系统中的设备进行抽象化并赋值,得到电动汽车充电子系统的成套设备组,用 {CHGi Ffzi}表示。其中,CHGi表示充电桩,Ffzi表示其他辅助设备。相应地,电动汽车充电子系统的参数用{Costi CHGCi Facti}表示,其中,Costi表示子系统成本,CHGCi表示充电桩容量,Facti表示子系统效率。{CHGi Ffzi}和{Costi CHGCi Facti}之间存在对应关系,即
在上述各实施例的基础上,可选地,电动汽车充电子系统中的全部成套设备组构成一个电动汽车充电子系统设备模型库。在执行电动汽车充电子系统的寻优步骤中,仅需从电动汽车充电子系统设备模型库中选择设备即可,有利于提升设备选型的效率。
下面以几种新能源子系统为例,对其子系统寻优步骤进行说明,但不作为对本发明的限定。
图5为本发明实施例提供的一种风电子系统的寻优步骤的流程示意图。参见图5,在本发明的一种实施方式中,可选地,风电子系统的寻优步骤包括:
S210、根据风资源环境和电网网架容量,确定所选取的设备台数。
其中,所选取的设备为风电子系统中的核心设备,例如,风机机组和风电逆变器等。根据风资源环境和电网网架容量,能够确定风机机组和风电逆变器的总容量。再根据从选型设备系统模型库中选择的风机机组和风电逆变器的型号、单机容量,可以确定风机机组和风电逆变器的台数。此时确定的风机机组和风电逆变器的型号、台数为风电子系统寻优的初始值。
S220、根据潮流中节点功率平衡和电价,计算功率流和发电收益。
其中,在进行子系统寻优的过程中,功率流和发电收益是至关重要的参数。功率流是风电子系统的功率在时间上概念,即功率流包含多个时刻的功率。该功率Pow作为风电子系统和项目整体系统之间的一个交互量。在各子系统之间,需要受到功率流的约束。具体地,根据潮流中节点功率平衡可以计算功率流,根据功率流和电价可以计算发电收益。发电收益的计算分为两部分,一部分直接给负荷供电,用电网电价计量;另一部分是卖给电网的供电部分用上网电价计量。示例性地,发电收益=给负荷用电量×电网电价+ 上网电量×上网电价。该发电收益Income作为风电子系统和项目整体系统之间的一个交互量。
S230、根据风资源环境和弃风率,修改设备的单机容量和台数,并计算成本和发电量。
其中,示例性地,在当前风资源环境下,若弃风率超过最低要求时,则减小风机机组的单机容量和台数;若单机风机机组所发的功率没有被风电逆变器满载转换时,则增大风电逆变器的功率容量,否则降低风电逆变器的功率容量。根据设备的单机容量和台数,能够计算成本和发电量。该成本Cost作为风电子系统和项目整体系统之间的一个交互量。
S240、根据风电子系统的成本和发电量,修改风机塔的台数。
其中,风机塔用于支撑风机机组,并放置风电逆变器,是风电子系统中的重要设备。单风机塔的容量不仅受到风资源环境和地形的影响,不同风机塔相互之间也会有影响。在前述各步骤中从单机发电功率的满载程度寻优单机逆变器容量,并未考虑风机塔之间的相互影响。因此,在该步骤中,还应当考虑风机塔的设置方式,示例性地,在满足单机满载程度和弃风率要求的前提下,再结合项目整体的成本和收益及弃电率要求,寻找风电子系统整体的风塔台数成本和发电量之间的最优关系;从而最终找到合适的单机逆变器容量、单机风机容量、风塔台数。当风机塔的台数修改后,相应地修改了风机机组和风机逆变器的容量和台数,从而需要重新计算风电子系统的成本和发电量。
可选地,在确定风机机组和风电逆变器等核心设备的型号、台数之后,根据其他辅助设备容量和核心设备总容量之间的线性关系,可以确定其他辅助设备的型号、台数。
通过S210-S240,实现了对风电子系统的寻优步骤。
图6为本发明实施例提供的一种光伏子系统的寻优步骤的流程示意图。光伏子系统的寻优原理与风电子系统的寻优原理相同,其具体实现步骤类似。根据光伏子系统的特点,在计算设备容量等物理量时的计算方法有所不同。参见图6,在本发明的一种实施方式中,可选地,光伏子系统的寻优步骤,包括:
S310、根据光资源环境、负荷用电和电网网架容量,确定所选取设备的总容量和台数。
其中,所选取的设备为光伏子系统中的核心设备,例如,直流组件和光伏逆变器等。
S320、根据潮流中节点功率平衡和电价,计算功率流和发电收益。
S330、根据光伏子系统的消纳率、弃光率和自发自用率,修改设备的总容量。
S340、根据光伏子系统的成本和发电收益,修改设备的单机容量。
可选地,在确定直流组件和光伏逆变器等核心设备的型号、台数之后,根据其他辅助设备容量和核心设备总容量之间的线性关系,可以确定其他辅助设备的型号、台数。
通过S310-S340,实现了风电子系统的寻优步骤。
图7为本发明实施例提供的一种储能子系统的寻优步骤的流程示意图。储能子系统的寻优原理与风电子系统的寻优原理相同,其具体实现步骤类似。根据储能子系统的特点,在计算设备容量等物理量时的计算方法有所不同。参见图7,在本发明的一种实施方式中,可选地,储能子系统的寻优步骤,包括:
S410、根据整体系统中除储能子系统外的其他发电子系统的峰谷差功率、负荷的平均功率及其累计电量,确定所选取设备的容量。
其中,所选取的设备为储能子系统中的核心设备,例如,储能电池和储能PCS等。
S420、根据潮流中节点功率平衡和电价,计算功率流和发电收益。
S430、根据储能子系统的充电满载程度、放电程度和储能充放电的功率满载程度,修改设备的容量。
示例性地,若储能电池的充放电满载程度没有达到预设要求,则降低储能电池的总容量。若储能电池充放电时的功率低于储能PCS满载的预设百分比,则降低储能PCS的总容量。
可选地,在确定储能电池和储能PCS等核心设备的型号、台数之后,根据其他辅助设备容量和核心设备总容量之间的线性关系,可以确定其他辅助设备的型号、台数。
通过S410-S430,实现了风电子系统的寻优步骤。
图8为本发明实施例提供的一种电动汽车充电子系统的寻优步骤的流程示意图。电动汽车充电子系统的寻优原理与风电子系统的寻优原理相同,其具体实现步骤类似。根据电动汽车充电子系统的特点,在计算设备容量等物理量时的计算方法有所不同。参见图8,在本发明的一种实施方式中,可选地,电动汽车充电子系统的寻优步骤,包括:
S510、根据整体系统中除电动汽车充电子系统外的其他子系统的供电功率、负荷区域的电动汽车量,确定所选取设备的容量和台数。
其中,所选取的设备为电动汽车充电子系统中的核心设备,例如,充电桩等。
S520、根据潮流中节点功率平衡和电价,计算功率流和发电收益。
S530、根据电动汽车充电子系统的充电功率的稳定程度和充电电量,修改设备的容量和台数。
通过S510-S530,实现了电动汽车充电子系统的寻优步骤。
在上述各实施例的基础上,可选地,各子系统的寻优步骤同步执行。其中,同步执行即同时进行,有利于提高寻优的速度。在各子系统执行寻优步骤时,各子系统相互之间存在关联要素流动和约束,如功率流,以实现各子系统在进行分开独立寻优时的功率流平衡。
在上述各实施例中,实现了对子系统的寻优。其寻优结果可能是最优的,也可能不是最优的,但其寻优结果均能满足对应子系统的预设的指标要求。例如,能够满足子系统的消纳率、成本或发电量等指标的要求。然而,将这些子系统的寻优结果综合起来,可能无法满足整体系统的某一指标或某些指标的要求。因此,还需要执行整体系统的寻优步骤。
图9为本发明实施例提供的一种整体系统的寻优方法的流程示意图。参见图9,在上述各实施例的基础上,可选地,执行整体系统的寻优步骤,包括:
S121、通过各子系统寻优模型,得到各子系统的交互量。
其中,交互量是指各子系统在寻优时得到的需要与整体系统进行交互的物理量。各子系统的交互量影响了整体系统的性能。可选地,交互量包括:各子系统的设备功率、成本和收益等。
S122、以各子系统的交互量为自变量,构建目标函数和约束条件。
其中,目标函数和约束条件根据整体系统的具体要求确定。示例性地,对于新能源系统,应当考虑消纳率的要求,消纳率不应过低,因此,需要确定目标函数包括消纳率。消纳率以各子系统的设备功率为自变量。示例性地,对于风光储充系统,整体系统消纳率XNR定义为如下公式:
若采用各子系统的设备功率为自变量,则可以得到如下公式:
XNR=f(k×FINVCi,n×SIVNCi,m×BATCi,j×PCSCi,h×CHGCi)。
其中,k、n、m、j和h为对应设备的数量。
对于业主而言,在投资设备后,希望收益率越高越好,对收益率有要求。因此,需要确定约束条件包括收益率,收益率以各子系统的成本和收益为自变量。示例性地,对于风光储充系统,整体系统收益率IRP采用如下公式表示:
IRR=f(∑风光储充Costi,∑风光储充Incomei)。
其中,Incomei为子系统收益。
S123、对目标函数依次计算关于其中一个交互量的偏导数。
其中,根据偏导数表征了目标函数关于某一自变量的变化率。根据该变化率能够确定各子系统的设备容量修改方向和修改幅度。示例性地,偏导数大于0,表示目标函数为单调递增;偏导数小于0,表示目标函数递减。偏导数的绝对值越大,表示修改幅度越大;偏导数的绝对值越小,表示修改幅度越小。进一步地,在寻优过程中,在后寻优的步骤调整幅度小于在先寻优的步骤调整幅度。
S124、在约束条件的限制下,根据目标函数以及偏导数的取值范围,确定修改方向、修改幅度。
示例性地,表一示出了各自变量的偏导数的不同取值对应的子系统的修改方向。其中,IRRt+1表示当前寻优步骤中的消纳率,IRRt表示前一寻优步骤中的消纳率,IRR要求表示消纳率的阈值要求。
表一
由表一可以看出,在收益率未满足收益率要求时,若当前寻优步骤的收益率大于前一寻优步骤中的收益率,表明寻优方向正确。且消纳率达到消纳要求时,可以根据各自变量的偏导数确定修改方向和修改幅度。以风电子系统为例,若消纳率对风电逆变器的偏导数大于0,则增加风电逆变器的容量;相反,若消纳率对风电逆变器的偏导数小于0,则降低风电逆变器的容量。这样设置,能够在消纳率满足要求的前提下,使得寻优过程逐步满足收益率的要求。由前述分析可知,在风电子系统中,风电逆变器的容量需要与风机机组匹配,因此,还需要根据风电子系统的指标调整风机机组的容量。
在收益率未满足收益率要求时,若当前寻优步骤的收益率小于前一寻优步骤中的收益率,表明寻优方向相反。且消纳率达到消纳要求时,可以根据各自变量的偏导数确定修改方向和修改幅度。以风电子系统为例,若消纳率对风电逆变器的偏导数大于0,则降低风电逆变器的容量;相反,若消纳率对风电逆变器的偏导数小于0,则增加风电逆变器的容量。这样设置,虽然消纳率在降低,但仍能够满足消纳要求,即能够在消纳率满足要求的前提下,使得寻优过程逐步满足收益率的要求。由前述分析可知,在风电子系统中,风电逆变器的容量需要与风机机组匹配,因此,还需要根据风电子系统的指标调整风机机组的容量。对于光伏子系统、储能子系统和电动汽车充电子系统的修改类似,不再赘述。
在消纳率不满足消纳要求时,表明整体系统的容量过大,需要降低风电子系统和光伏子系统的容量,增加储能子系统和电动汽车充电子系统的容量。
通过S121-S124,实现了整体系统的寻优步骤。
在上述各实施例中,可选地,在执行整体系统的寻优步骤中,若寻优的修改方向与执行子系统寻优的修改方向相反,则以整体系统寻优的修改方向为准。可以理解的是,这样设置有可能会牺牲一部分子系统的指标。但是,与现有技术只进行整体寻优,没有子系统寻优的方案相比,本发明实施例更加符合子系统的各项指标。
综上所述,本发明实施例首先对微网中各子系统中的核心设备基于各自的影响要素进行分开独立层的寻优;然后整体系统根据各子系统之间的功率、成本、收益等系统层要素进行关联整体寻优,从而实现了整体寻优和子系统的核心设备寻优相结合,有利于在满足项目整体的指标要求的同时,满足各子系统自身的最优指标。
本发明实施例还提供了一种包含多能源子系统的微网设备选型寻优装置。该装置可以由软件和/或硬件实现,并集成于计算机等电子设备中。图10为本发明实施例提供的一种包含多能源子系统的微网设备选型寻优装置的结构示意图。参见图10,该装置包括:
子系统寻优模块610,用于通过各子系统寻优模型,从选型设备系统模型库中选取设备,执行各子系统的寻优步骤,得到各子系统的寻优结果;其中,子系统寻优模型与子系统一一对应;各子系统之间受关联要素的约束;
整体系统寻优模块620,用于通过整体系统寻优模型,以各子系统的寻优结果为初始值,执行整体系统的寻优步骤,得到整体系统的寻优结果。
可选地,子系统寻优模块包括:
核心设备寻优单元,用于优先选择子系统中的核心设备进行寻优;
辅助设备确定单元,用于根据核心设备的选型确定子系统中的其他辅助设备的选型。
可选地,子系统包括:风电子系统、光伏子系统、储能子系统和电动汽车充电子系统中的至少一种。
可选地,风电子系统中的核心设备包括:风机机组和风电逆变器;
光伏子系统中的核心设备包括:直流组件和光伏逆变器;
储能子系统中的核心设备包括:储能电池和储能PCS;
电动汽车充电子系统中的核心设备包括:充电桩。
可选地,风电子系统的寻优模块用于:
根据风资源环境和电网网架容量,确定所选取的设备台数;
根据潮流中节点功率平衡和电价,计算功率流和发电收益;
根据风资源环境和弃风率,修改设备的单机容量和台数,并计算成本和发电量;
根据风电子系统的成本和发电量,修改风机塔的台数。
可选地,光伏子系统的寻优模块用于:
根据光资源环境、负荷用电和电网网架容量,确定所选取设备的总容量和台数;
根据潮流中节点功率平衡和电价,计算功率流和发电收益;
根据光伏子系统的消纳率、弃光率和自发自用率,修改设备的总容量;
根据光伏子系统的成本和发电收益,修改设备的单机容量。
可选地,储能子系统的寻优模块用于:
根据整体系统中除储能子系统外的其他发电子系统的峰谷差功率、负荷的平均功率及其累计电量,确定所选取设备的容量;
根据潮流中节点功率平衡和电价,计算功率流和发电收益;
根据储能子系统的充电满载程度、放电程度和储能充放电的功率满载程度,修改设备的容量。
可选地,电动汽车充电子系统的寻优模块用于:
根据整体系统中除电动汽车充电子系统外的其他子系统的供电功率、负荷区域的电动汽车量,确定所选取设备的容量和台数;
根据潮流中节点功率平衡和电价,计算功率流和发电收益;
根据电动汽车充电子系统的充电功率的稳定程度和充电电量,修改设备的容量和台数。
可选地,各子系统的寻优模块同步执行。
可选地,整体系统寻优模块,包括:
交互量获取单元,用于通过各子系统寻优模型,得到各子系统的交互量;
约束获取单元,用于以各子系统的交互量为自变量,构建目标函数和约束条件;
偏导数计算单元,用于对目标函数依次计算关于其中一个交互量的偏导数;
寻优单元,用于在约束条件的限制下,根据目标函数以及偏导数的取值范围,确定修改方向、修改幅度。
可选地,交互量包括:各子系统的设备功率、成本和收益;
目标函数包括消纳率;消纳率以各子系统的设备功率为自变量;
约束条件包括收益率;收益率以各子系统的成本和收益为自变量。
可选地,在执行整体系统的寻优步骤中,若寻优的修改方向与执行子系统寻优的修改方向相反,则以整体系统寻优的修改方向为准。
可选地,关联要素包括:功率流。
本发明实施例所提供的包含多能源子系统的微网设备选型寻优装置可执行本发明任意实施例所提供的包含多能源子系统的微网设备选型寻优方法,具备执行方法相应的功能模块和有益效果。
图11为本发明实施例提供的一种电子设备的结构示意图。电子设备 10旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图11所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器 (RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他辅助设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元 (GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如包含多能源子系统的微网设备选型寻优方法。
在一些实施例中,包含多能源子系统的微网设备选型寻优方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元 18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到 RAM 13并由处理器11执行时,可以执行上文描述的包含多能源子系统的微网设备选型寻优方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行包含多能源子系统的微网设备选型寻优方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/ 或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (14)
1.一种包含多能源子系统的微网设备选型寻优方法,其特征在于,包括:
通过各子系统寻优模型,从选型设备系统模型库中选取设备,执行各子系统的寻优步骤,得到各子系统的寻优结果;其中,所述子系统寻优模型与所述子系统一一对应;各所述子系统之间受关联要素的约束;
通过整体系统寻优模型,以所述各子系统的寻优结果为初始值,执行整体系统的寻优步骤,得到整体系统的寻优结果。
2.根据权利要求1所述的方法,其特征在于,所述执行各子系统的寻优步骤,包括:
优先选择子系统中的核心设备进行寻优;
根据所述核心设备的选型确定所述子系统中的其他辅助设备的选型。
3.根据权利要求1或2所述的方法,其特征在于,所述子系统包括:风电子系统、光伏子系统、储能子系统和电动汽车充电子系统中的至少一种。
4.根据权利要求3所述的方法,其特征在于,所述风电子系统中的核心设备包括:风机机组和风电逆变器;
所述光伏子系统中的核心设备包括:直流组件和光伏逆变器;
所述储能子系统中的核心设备包括:储能电池和储能PCS;
所述电动汽车充电子系统中的核心设备包括:充电桩。
5.根据权利要求3所述的方法,其特征在于,所述风电子系统的寻优步骤,包括:
根据风资源环境和电网网架容量,确定所选取的设备台数;
根据潮流中节点功率平衡和电价,计算功率流和发电收益;
根据所述风资源环境和弃风率,修改所述设备的单机容量和台数,并计算成本和发电量;
根据所述风电子系统的成本和发电量,修改风机塔的台数。
6.根据权利要求3所述的方法,其特征在于,所述光伏子系统的寻优步骤,包括:
根据光资源环境、负荷用电和电网网架容量,确定所选取设备的总容量和台数;
根据潮流中节点功率平衡和电价,计算功率流和发电收益;
根据所述光伏子系统的消纳率、弃光率和自发自用率,修改所述设备的总容量;
根据所述光伏子系统的成本和发电收益,修改所述设备的单机容量。
7.根据权利要求3所述的方法,其特征在于,所述储能子系统的寻优步骤,包括:
根据所述整体系统中除所述储能子系统外的其他发电子系统的峰谷差功率、负荷的平均功率及其累计电量,确定所选取设备的容量;
根据潮流中节点功率平衡和电价,计算功率流和发电收益;
根据所述储能子系统的充电满载程度、放电程度和储能充放电的功率满载程度,修改所述设备的容量。
8.根据权利要求3所述的方法,其特征在于,所述电动汽车充电子系统的寻优步骤,包括:
根据所述整体系统中除所述电动汽车充电子系统外的其他子系统的供电功率、负荷区域的电动汽车量,确定所选取设备的容量和台数;
根据潮流中节点功率平衡和电价,计算功率流和发电收益;
根据所述电动汽车充电子系统的充电功率的稳定程度和充电电量,修改所述设备的容量和台数。
9.根据权利要求1所述的方法,其特征在于,各子系统的寻优步骤同步执行。
10.根据权利要求1所述的方法,其特征在于,所述执行整体系统的寻优步骤,包括:
通过所述各子系统寻优模型,得到各子系统的交互量;
以所述各子系统的交互量为自变量,构建目标函数和约束条件;
对所述目标函数依次计算关于其中一个所述交互量的偏导数;
在所述约束条件的限制下,根据所述目标函数以及所述偏导数的取值范围,确定修改方向、修改幅度。
11.根据权利要求10所述的方法,其特征在于,所述交互量包括:各子系统的设备功率、成本和收益;
所述目标函数包括消纳率;所述消纳率以各子系统的设备功率为自变量;
所述约束条件包括收益率;所述收益率以各子系统的成本和收益为自变量。
12.根据权利要求1-2、4-11任一项所述的方法,其特征在于,在执行整体系统的寻优步骤中,若寻优的修改方向与执行子系统寻优的修改方向相反,则以整体系统寻优的修改方向为准。
13.根据权利要求1-2、4-11任一项所述的方法,其特征在于,所述关联要素包括:功率流。
14.一种包含多能源子系统的微网设备选型寻优装置,其特征在于,包括:
子系统寻优模块,用于通过各子系统寻优模型,从选型设备系统模型库中选取设备,执行各子系统的寻优步骤,得到各子系统的寻优结果;其中,所述子系统寻优模型与所述子系统一一对应;各所述子系统之间受关联要素的约束;
整体系统寻优模块,用于通过整体系统寻优模型,以所述各子系统的寻优结果为初始值,执行整体系统的寻优步骤,得到整体系统的寻优结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210195604.0A CN114444814A (zh) | 2022-03-01 | 2022-03-01 | 包含多能源子系统的微网设备选型寻优方法、装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210195604.0A CN114444814A (zh) | 2022-03-01 | 2022-03-01 | 包含多能源子系统的微网设备选型寻优方法、装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114444814A true CN114444814A (zh) | 2022-05-06 |
Family
ID=81358975
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210195604.0A Pending CN114444814A (zh) | 2022-03-01 | 2022-03-01 | 包含多能源子系统的微网设备选型寻优方法、装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114444814A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110417045A (zh) * | 2019-06-03 | 2019-11-05 | 湖北省电力勘测设计院有限公司 | 一种针对交直流混合微电网容量配置的优化方法 |
CN112084652A (zh) * | 2020-09-07 | 2020-12-15 | 中国电力工程顾问集团西北电力设计院有限公司 | 一种风光储互补发电系统容量配置计算方法及系统 |
CN113949081A (zh) * | 2021-11-22 | 2022-01-18 | 国网甘肃省电力公司陇南供电公司 | 光伏和风电消纳的储热容量优化配置方法、设备及介质 |
-
2022
- 2022-03-01 CN CN202210195604.0A patent/CN114444814A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110417045A (zh) * | 2019-06-03 | 2019-11-05 | 湖北省电力勘测设计院有限公司 | 一种针对交直流混合微电网容量配置的优化方法 |
CN112084652A (zh) * | 2020-09-07 | 2020-12-15 | 中国电力工程顾问集团西北电力设计院有限公司 | 一种风光储互补发电系统容量配置计算方法及系统 |
CN113949081A (zh) * | 2021-11-22 | 2022-01-18 | 国网甘肃省电力公司陇南供电公司 | 光伏和风电消纳的储热容量优化配置方法、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112785027B (zh) | 风光储联合发电系统置信容量评估方法及系统 | |
CN110266031A (zh) | 发电侧储能并网充放电量控制方法、装置、服务器及存储介质 | |
CN102509027B (zh) | 一种基于交叉熵理论的风电功率组合预测方法 | |
CN111311012A (zh) | 基于多智能体的微电网电力市场双层竞价优化方法 | |
CN112836849A (zh) | 一种考虑风电不确定性的虚拟电厂调度方法 | |
CN115187018A (zh) | 一种园区综合能源系统双层优化调度方法及装置 | |
CN112510690B (zh) | 考虑风火储联合和需求响应奖惩的优化调度方法及系统 | |
CN111082424B (zh) | 一种综合能源及微电网系统可靠性预测方法及装置 | |
CN105514988A (zh) | 一种计及动态时空特征的微电网电源规划方案优选方法 | |
CN115313422B (zh) | 主动支撑主网频率的电-气综合能源系统运行控制方法 | |
CN114444814A (zh) | 包含多能源子系统的微网设备选型寻优方法、装置 | |
CN109787217A (zh) | 基于风电多状态模型及机会成本修正的备用出清方法 | |
CN112701679B (zh) | 基于模型-数据混合驱动的主动配电网短期可靠性评估方法 | |
CN115347621A (zh) | 联合发电系统的调度方法、装置、电子设备、介质 | |
CN113255957A (zh) | 综合服务站不确定因素的定量优化分析方法及系统 | |
CN114298383A (zh) | 一种虚拟电厂储能容量配置方法及装置 | |
CN113591224A (zh) | 一种城市电网连锁故障风险评估方法及系统 | |
Gong et al. | Economic dispatching strategy of double lead-acid battery packs considering various factors | |
Wei et al. | Multi‐objective optimal configuration of stand‐alone microgrids based on Benders decomposition considering power supply reliability | |
CN117575175B (zh) | 碳排放评估方法、装置、电子设备和存储介质 | |
US20240195174A1 (en) | Energy prediction device, energy prediction method, and energy prediction program | |
Yao et al. | Economic optimal control of source-storage collaboration based on wind power forecasting for transient frequency regulation | |
CN114389315A (zh) | 资源调度方法、装置及电子设备 | |
CN117878964A (zh) | 一种电力资源调度方法、装置、设备及存储介质 | |
CN117096870A (zh) | 一种基于碳排放流理论的中低压配电系统低碳调度方法 |
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 |