CN114498754A - 一种依托重力储能的风-储联合发电系统容量优化方法 - Google Patents

一种依托重力储能的风-储联合发电系统容量优化方法 Download PDF

Info

Publication number
CN114498754A
CN114498754A CN202210196952.XA CN202210196952A CN114498754A CN 114498754 A CN114498754 A CN 114498754A CN 202210196952 A CN202210196952 A CN 202210196952A CN 114498754 A CN114498754 A CN 114498754A
Authority
CN
China
Prior art keywords
wind
power
energy storage
power generation
generation system
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
CN202210196952.XA
Other languages
English (en)
Inventor
宋杭选
刘智洋
刘生
王莹莹
问海亮
穆兴华
宋智
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.)
State Grid Heilongjiang Electric Power Co Ltd Electric Power Research Institute
State Grid Corp of China SGCC
Original Assignee
State Grid Heilongjiang Electric Power Co Ltd Electric Power Research Institute
State Grid Corp of China SGCC
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 State Grid Heilongjiang Electric Power Co Ltd Electric Power Research Institute, State Grid Corp of China SGCC filed Critical State Grid Heilongjiang Electric Power Co Ltd Electric Power Research Institute
Priority to CN202210196952.XA priority Critical patent/CN114498754A/zh
Publication of CN114498754A publication Critical patent/CN114498754A/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
    • H02J15/00—Systems for storing electric energy
    • H02J15/007—Systems for storing electric energy involving storage in the form of mechanical energy, e.g. fly-wheels
    • 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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • H02J2300/28—The renewable source being wind energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Wind Motors (AREA)

Abstract

一种依托重力储能的风‑储联合发电系统容量优化方法，涉及一种发电系统容量优化技术，为了解决现有的发电系统容量优化研究集中于电池储能的形式，存在一定局限性的问题。本发明依托重力储能系统作为发电系统，以发电系统的总成本最小为目标函数，以初始成本、运维成本、购电成本、售电收益和环保收益为影响因子，建立系统模型；并输入风电数据、储能数据以及负荷数据，将发电系统容量作为原始种群进行初始化，同时进行精英选择；利用风‑荷互补率、供电损失率以及风‑储联合发电系统贡献率构成约束条件，并判断新种群是否满足约束条件；如果满足约束条件，则输出发电系统最优容量，优化结束；否则，则重新初始化。有益效果为优化的可靠性高。

Description

一种依托重力储能的风-储联合发电系统容量优化方法
技术领域
本发明涉及一种发电系统容量优化技术。
背景技术
近些年风电装机容量持续增加，消纳能力不足的情况比较严重，弃风现象时有发生，成为制约风电发展的瓶颈；而同时存在的，是电网调峰能力不足的问题；储能技术的发展，是解决上述两个问题的重要手段之一，其既能提高风电的消纳能力，又能提高发电系统的可靠性和经济性；而目前可选的储能形式，包括抽水蓄能、化学电池、飞轮、压缩空气等多种形式，但受地理条件或温度限制，都不适合在高寒地区进行大规模建设，无法满足超大规模的工业民用储能需求；针对上述需要，一种基于重力势能的储能形式被提出；其具有较强的适应性，在平地可设计为垂直升降的塔式结构，在山体上可设计为轨道滑动的斜坡式结构，因此能匹配各种地形，且不受温度影响，尤其适合在地形多变、年温差大的地区进行规模化建设；同时因其储能载体可以是石头、沙子或其他密度较大且容易就地取材的重物，基本没有环境污染，能够循环使用，只要维护得当，寿命较长，具有广阔的应用前景；而如何有效地设置重力储能和风电的容量及配比，无论对新能源还是储能系统运行的可靠性和经济性有较大影响；当容量配置过小时，对于负荷的电力供给作用被减弱；配置过大时，初始建设成本大大增加，将出现不必要的浪费；因此，科学合理地规划风电及重力储能的容量是未来新能源规划及经济性评价的关键问题之一；针对并网型新能源联合发电系统容量的优化问题，其中有以降低运行成本为目标，提出了并网型联合发电系统的容量优化模型；有在容量优化模型中对投资成本进行了优化；也有通过预测风速，并根据峰值负荷要求，对新能源联合发电系统容量进行规划，使总成本最小；还有从能量损失率、缺失率等角度考虑了系统的供电可靠性因素，然而其针对容量优化问题的研究基本集中于电池储能等形式，存在一定的局限性。
发明内容
本发明的目的是为了解决现有的发电系统容量优化研究集中于电池储能的形式，存在一定局限性的问题，提出了一种依托重力储能的风-储联合发电系统容量优化方法。
本发明所述的一种依托重力储能的风-储联合发电系统容量优化方法，其特征在于，该优化方法包括以下步骤：
步骤一、依托重力储能系统作为发电系统，以发电系统的总成本最小为目标函数，以初始成本、运维成本、购电成本、售电收益和环保收益为影响因子，建立风-储联合发电系统模型；
步骤二、向步骤一建立的风-储联合发电系统模型输入风电数据、储能数据以及负荷数据，输出发电系统容量；
步骤三、将步骤二输出的发电系统容量作为原始种群进行初始化，得到初始化种群；
步骤四、对步骤三得到的初始化种群进行精英选择，得出新种群；
步骤五、利用风-荷互补率、供电损失率以及风-储联合发电系统贡献率作为评价指标，构成约束条件，并判断步骤四得出的新种群是否满足约束条件；如果满足约束条件，则执行步骤六；如果不满足约束条件，则返回执行步骤三；
步骤六、输出发电系统最优容量，优化结束。
本发明的有益效果是：依托重力储能系统，建立了以总成本最小为目标函数的并网型风-储联合发电系统容量优化模型，利用加入教育策略的遗传算法对模型进行了优化；通过分析结果，得出对比不同储能形式时的优化结果，重力储能的总成本最小，评价指标最优，即重力储能时的容量优化可靠性更高，并不具有局限性；同时重力储能在高寒地区有广阔的地域优势，若在新能源发电中进行推广，可有效地提高能源利用密度，提高新能源发电的消纳能力，具有广阔的应用前景。
附图说明
图1为具体实施方式一所述的一种依托重力储能的风-储联合发电系统容量优化方法流程图；
图2为具体实施方式二中的重力储能的能量转换流程图；
图3为具体实施方式五中风-储联合发电系统的结构示意图；
图4为具体实施方式八中选取的地区典型日负荷曲线图；
图5为具体实施方式八中不同储能形式的成本柱状图。
具体实施方式
具体实施方式一：结合图1说明本实施方式，本实施方式所述的一种依托重力储能的风-储联合发电系统容量优化方法包括以下步骤：
步骤一、依托重力储能系统作为发电系统，以发电系统的总成本最小为目标函数，以初始成本、运维成本、购电成本、售电收益和环保收益为影响因子，建立风-储联合发电系统模型；
步骤二、向步骤一建立的风-储联合发电系统模型输入风电数据、储能数据以及负荷数据，输出发电系统容量；
步骤三、将步骤二输出的发电系统容量作为原始种群进行初始化，得到初始化种群；
步骤四、对步骤三得到的初始化种群进行精英选择，得出新种群；
步骤五、利用风-荷互补率、供电损失率以及风-储联合发电系统贡献率作为评价指标，构成约束条件，并判断步骤四得出的新种群是否满足约束条件；如果满足约束条件，则执行步骤六；如果不满足约束条件，则返回执行步骤三；
步骤六、输出发电系统最优容量，优化结束。
具体实施方式二：结合图2说明本实施方式，本实施方式是对具体实施方式一所述的一种依托重力储能的风-储联合发电系统容量优化方法进一步限定，在本实施方式中，步骤一中的重力储能系统分为两种，一种是利用铁塔或深井的垂直式储能形式，另一种是利用山体修筑轨道的斜坡式储能形式；并且两种重力储能系统的能量转换过程均分为：储能过程和释能过程；所述储能过程是在电力负荷低谷时，电动机从电网吸收电力，提升重物运动达到一定高度，完成从电能到重力势能的能量转换，以重力势能的形式将电能储存起来；所述释能过程是在电力负荷高峰时，将处在高位的重物释放，带动发电机发电，回馈至电网，完成从重力势能到电能的能量转换。
在本实施方式中，重力储能的能量转换过程如图2所示。
具体实施方式三：本实施方式是对具体实施方式一所述的一种依托重力储能的风-储联合发电系统容量优化方法进一步限定，在本实施方式中，所述储能过程中，关于电动机的提升牵引功率具体计算方法为：
针对垂直式重力储能系统，重物受力平衡用公式(1)表示；
Fdrag＝mg+Fμ1 (1)
其中，Fdrag为电动机提升牵引力；Fμ1为滑轮系统摩擦力；m为重物质量；g为重力加速度；
针对斜坡式重力储能系统，重物受力平衡用公式(2)表示；
Fdrag＝mg·sinθ+Fμ1+Fμ2 (2)
其中，Fμ2为轨道系统摩擦力；θ为斜坡角度；
两种情况下电动机的提升牵引功率分别用公式(3)和公式(4)表示：
Pdrag＝Fdrag·vdrag＝(mg+Fμ1)·vdrag (3)
Pdrag＝Fdrag·vdrag＝(mg·sinθ+Fμ1+Fμ2)·vdrag (4)
其中，Pdrag为电动机提升牵引功率；vdrag为重物匀速上升速度。
在本实施方式中，重力储能存储和释放能量的多少，与提升高度和重物质量有关，存储和释放能量的功率，与提升速度和重物质量有关；其中存储过程中，电动机消耗电能，将重物利用滑轮组进行提升，在此过程中重力势能增加，最终在高位存储起来，电动机提升重物过程中保持匀速。
具体实施方式四：本实施方式是对具体实施方式一所述的一种依托重力储能的风-储联合发电系统容量优化方法进一步限定，在本实施方式中，所述释能过程中，关于电动机的提升牵引功率具体计算方法为：
针对垂直式和斜坡式的重力储能系统重物受力平衡情况均用公式(5)和公式(6)表示；
Fgen＝mg-Fμ1-Fdrag2 (5)
Fgen＝mg·sinθ-Fμ1-Fμ2-Fdrag2 (6)
其中，Fgen为发电机牵引力；Fdrag2为电动机维持牵引力；
两种情况下发电机的牵引功率分别用公式(7)和公式(8)表示；
Pgen＝Fgen·vrels＝(mg-Fμ1-Fdrag2)·vrels (7)
Pgen＝Fgen·vrels＝(mg·sinθ-Fμ1-Fμ2-Fdrag2)·vrels (8)
其中，Pgen为发电机的牵引功率；vrels为重物匀速下降速度。
在本实施方式中，释能过程相对复杂，重物下降过程分为加速阶段和并网阶段，下降过程带动发电机发电，重力势能减少，转化成电能，用来供给负荷或反馈给电网。其中在加速阶段，重物速度由零开始逐渐加速下降，发电机出力不稳定，为避免入网功率的波动过大，对电网造成不良影响，该过程不并网。当重物加速到某一恒定速度，并保持匀速下降，为使发电机发电功率均衡，并保护装置安全，需附加一定的电动机牵引力，此时针对垂直式和斜坡式的重力储能系统；重物下降过程中电动机维持重物速度所施加牵引力消耗的电能由电网提供。
具体实施方式五：结合图3说明本实施方式，本实施方式是对具体实施方式一所述的一种依托重力储能的风-储联合发电系统容量优化方法进一步限定，在本实施方式中，计算目标函数、初始成本、运维成本、购电成本、售电收益以及环保收益的具体方法如下：
目标函数与初始成本、运维成本、购电成本、售电收益以及环保收益的数学表达式如公式(9)所示；
minCall＝min(CIN+COP+CB-CS-CEV) (9)
其中，Call为总成本；CIN为初始成本；COP为运维成本；CB为购电成本；CS为售电收益；CEV为环保收益；
利用公式(10)得到CIN；
CIN＝f·(Ww·Cw+Wg·Cg) (10)
其中，Ww为风电场容量；Cw为风电场单位容量建设成本；Wg为重力储能系统容量；Cg为重力储能单位容量建设成本；f为折旧系数；
折旧系数f按如下方式计算：
Figure BDA0003526248940000051
其中，d为折旧率；y为使用年限；
重力储能系统运维成本COP按下式计算：
COP＝tw·cwOP+tg·cgOP (12)
其中，tw为风电场全年运行时间；cwOP为风电场单位时间运维成本；tg为重力储能系统全年运行时间；cgOP—重力储能系统单位时间运维成本；
重力储能系统向电网的购电成本CB为：
CB＝∫EB(t)·HB(t) (13)
其中：EB(t)为重力储能系统向电网购买的电量；HB(t)为t时刻的购电电价；
重力系统向电网的售电收益CS为：
CS＝∫(ESG(t)·cSG(t)+ESL(t)·cSL(t)) (14)
其中，ESG(t)为重力储能系统向电网出售的电量；cSG(t)为t时刻的上网电价；ESL(t)为系统向负荷出售的电量；cSL(t)为t时刻的售电电价；
同时存在一定环境保护的外部性收益，这部分间接收益CEV可按下式进行衡量：
CEV＝Ew·∑(ctEV-cwEV) (15)
其中，Ew为风电场的发电量；ctEV为火力发电的环境价值成本；cwEV为风力发电的环境价值成本；∑表示对各种不同污染物的价值成本收益进行加和。
在本实施方式中，风-储联合发电系统利用风能进行发电，利用重力储能系统存储风电发出的电量；当有负荷需求时，通过输电线路进行供给，多余的电量馈入电网；若风电发电量不足以供给负荷，欠缺的部分向电网购买；风-储联合发电系统系统结构如图3所示。
具体实施方式六：本实施方式是对具体实施方式一所述的一种依托重力储能的风-储联合发电系统容量优化方法进一步限定，在本实施方式中，步骤四中，对步骤三得到的初始化种群进行精英选择，得出新种群的具体方法为：
步骤四一、对初始化种群以轮盘赌的方式进行选择，获得交配池种群；
步骤四二、对步骤四一中获得的交配池种群以交叉变异的方式进行选择，得到子代种群；
步骤四三、对步骤四二得到的子代种群进行教育，得到受教育的子代种群；
步骤四四、对步骤四三得到的受教育的子代种群进行重新排列，得到新种群。
具体实施方式七：本实施方式是对具体实施方式一所述的一种依托重力储能的风-储联合发电系统容量优化方法进一步限定，在本实施方式中，步骤五中风-荷互补率、供电损失率以及风-储联合发电系统贡献率的具体计算方法为：
风-荷互补率为风力发电的输出功率相对于负荷功率的波动，其表达式为：
Figure BDA0003526248940000061
其中，DEV为风-荷互补率；
Figure BDA0003526248940000062
为负荷的平均功率；Pw(t)为t时刻风电发出的功率；PL(t)为t时刻负荷的功率；
供电损失率是用来反映风-储联合发电系统供电的可靠性，其表达式为
Figure BDA0003526248940000063
其中，fEV为供电损失率；Pg(t)为t时刻重力储能功率；
对于风-储联合发电系统贡献率为以风-储联合发电系统提供给负荷的功率所占负荷功率的比值，其表达式为
Figure BDA0003526248940000064
其中，REV为风-储联合发电系统贡献率；PWg(t)为t时刻风-储联合发电系统提供给负荷的功率。
在本实施方式中，根据DEV的定义，DEV越小，系统的发电功率越能满足负荷需求，说明风-荷互补性越好，需要配置的重力储能容量也越小，成本越低；
根据fEV的定义，fEV越小，系统供电越可靠；
根据REV的定义，REV越大，风-储联合发电系统贡献率就越大，从电网购买的电量就越小。
具体实施方式八：结合图4和图5说明本实施方式，本实施方式是对具体实施方式七所述的一种依托重力储能的风-储联合发电系统容量优化方法进一步限定，在本实施方式中，步骤五中具体的约束条件为：
DEV≤DR (19)
fEV≤fR (20)
REV≥RR (21)
其中：DR为指定的最大风-荷互补率；fR为指定的最大供电损失率；RR为指定的最小风-储联合发电系统贡献率。
算例分析：
选取某地区的数据进行仿真算例分析；该地区有较多的山地和大面积的平原，满足大规模重力储能的建设条件；选取典型日的方法，选择该地区具有代表性的一天风速，得到风电出力；选取冬季典型日的负荷曲线如图4所示。
风-储联合发电系统优化使用年限设定为20年，折旧率取5％。参与对比的其他类型储能的数学模型，各类型储能的安装及运维成本如表1所示，污染物的环境价值成本如表2所示，购电和售电单价参照现行价格。
表1系统安装及运维成本
Figure BDA0003526248940000071
表2污染物的环境价值成本
Figure BDA0003526248940000072
利用加入教育策略的遗传算法对考虑重力储能时的风-储联合发电系统容量优化模型进行求解，得到容量优化结果；与电池储能、压缩空气储能时的计算结果比较，不同储能形式下的容量优化结果如表3所示，成本如图5所示。
表3不同储能的容量优化结果
Figure BDA0003526248940000081
由表3可知，不同储能形式的优化结果不同，这主要是由于不同储能形式的安装及运维成本不同，对系统总成本有影响。
同时，对比图5中不同储能形式的成本可知，重力储能的总成本最小，压缩空气的总成本最大。由日净收益可知，重力储能的日净收益最大，结合日初始成本分析，重力储能系统能在运行年限内最快收回成本，其次是压缩空气；从长远看，重力储能的容量优化结果最优。

Claims (8)

1.一种依托重力储能的风-储联合发电系统容量优化方法，其特征在于，该优化方法包括以下步骤：
步骤一、依托重力储能系统作为发电系统，以发电系统的总成本最小为目标函数，以初始成本、运维成本、购电成本、售电收益和环保收益为影响因子，建立风-储联合发电系统模型；
步骤二、向步骤一建立的风-储联合发电系统模型输入风电数据、储能数据以及负荷数据，输出发电系统容量；
步骤三、将步骤二输出的发电系统容量作为原始种群进行初始化，得到初始化种群；
步骤四、对步骤三得到的初始化种群进行精英选择，得出新种群；
步骤五、利用风-荷互补率、供电损失率以及风-储联合发电系统贡献率作为评价指标，构成约束条件，并判断步骤四得出的新种群是否满足约束条件；如果满足约束条件，则执行步骤六；如果不满足约束条件，则返回执行步骤三；
步骤六、输出发电系统最优容量，优化结束。
2.根据权利要求1所述的一种依托重力储能的风-储联合发电系统容量优化方法，其特征在于，步骤一中的重力储能系统分为两种，一种是利用铁塔或深井的垂直式储能形式，另一种是利用山体修筑轨道的斜坡式储能形式；并且两种重力储能系统的能量转换过程均分为：储能过程和释能过程；所述储能过程是在电力负荷低谷时，电动机从电网吸收电力，提升重物运动达到一定高度，完成从电能到重力势能的能量转换，以重力势能的形式将电能储存起来；所述释能过程是在电力负荷高峰时，将处在高位的重物释放，带动发电机发电，回馈至电网，完成从重力势能到电能的能量转换。
3.根据权利要求2所述的一种依托重力储能的风-储联合发电系统容量优化方法，其特征在于，所述储能过程中，关于电动机的提升牵引功率具体计算方法为：
针对垂直式重力储能系统，重物受力平衡用公式(1)表示；
Fdrag＝mg+Fμ1 (1)
其中，Fdrag为电动机提升牵引力；Fμ1为滑轮系统摩擦力；m为重物质量；g为重力加速度；
针对斜坡式重力储能系统，重物受力平衡用公式(2)表示；
Fdrag＝mg•sinθ+Fμ1+Fμ2 (2)
其中，Fμ2为轨道系统摩擦力；θ为斜坡角度；
两种情况下电动机的提升牵引功率分别用公式(3)和公式(4)表示：
Pdrag＝Fdrag·vdrag＝(mg+Fμ1)·vdrag (3)
Pdrag＝Fdrag·vdrag＝(mg·sinθ+Fμ1+Fμ2)·vdrag (4)
其中，Pdrag为电动机提升牵引功率；vdrag为重物匀速上升速度。
4.根据权利要求2所述的一种依托重力储能的风-储联合发电系统容量优化方法，其特征在于，所述释能过程中，关于电动机的提升牵引功率具体计算方法为：
针对垂直式和斜坡式的重力储能系统重物受力平衡情况均用公式(5)和公式(6)表示；
Fgen＝mg-Fμ1-Fdrag2 (5)
Fgen＝mg·sinθ-Fμ1-Fμ2-Fdrag2 (6)
其中，Fgen为发电机牵引力；Fdrag2为电动机维持牵引力；
两种情况下发电机的牵引功率分别用公式(7)和公式(8)表示；
Pgen＝Fgen·vrels＝(mg-Fμ1-Fdrag2)·vrels (7)
Pgen＝Fgen·vrels＝(mg·sinθ-Fμ1-Fμ2-Fdrag2)·vrels (8)
其中，Pgen为发电机的牵引功率；vrels为重物匀速下降速度。
5.根据权利要求1所述的一种依托重力储能的风-储联合发电系统容量优化方法，其特征在于，计算目标函数、初始成本、运维成本、购电成本、售电收益以及环保收益的具体方法如下：
目标函数与初始成本、运维成本、购电成本、售电收益以及环保收益的数学表达式如公式(9)所示；
minCall＝min(CIN+COP+CB-CS-CEV) (9)
其中，Call为总成本；CIN为初始成本；COP为运维成本；CB为购电成本；CS为售电收益；CEV为环保收益；
利用公式(10)得到CIN；
CIN＝f·(Ww·Cw+Wg·Cg) (10)
其中，Ww为风电场容量；Cw为风电场单位容量建设成本；Wg为重力储能系统容量；Cg为重力储能单位容量建设成本；f为折旧系数；
折旧系数f按如下方式计算：
Figure FDA0003526248930000021
其中，d为折旧率；y为使用年限；
重力储能系统运维成本COP按下式计算：
COP＝tw·cwOP+tg·cgOP (12)
其中，tw为风电场全年运行时间；cwOP为风电场单位时间运维成本；tg为重力储能系统全年运行时间；cgOP—重力储能系统单位时间运维成本；
重力储能系统向电网的购电成本CB为：
CB＝∫EB(t)·HB(t) (13)
其中：EB(t)为重力储能系统向电网购买的电量；HB(t)为t时刻的购电电价；
重力系统向电网的售电收益CS为：
CS＝∫(ESG(t)·cSG(t)+ESL(t)·cSL(t)) (14)
其中，ESG(t)为重力储能系统向电网出售的电量；cSG(t)为t时刻的上网电价；ESL(t)为系统向负荷出售的电量；cSL(t)为t时刻的售电电价；
同时存在一定环境保护的外部性收益，这部分间接收益CEV可按下式进行衡量：
CEV＝Ew·∑(ctEV-cwEV) (15)
其中，Ew为风电场的发电量；ctEV为火力发电的环境价值成本；cwEV为风力发电的环境价值成本；∑表示对各种不同污染物的价值成本收益进行加和。
6.根据权利要求1所述的一种依托重力储能的风-储联合发电系统容量优化方法，其特征在于，步骤四中，对步骤三得到的初始化种群进行精英选择，得出新种群的具体方法为：
步骤四一、对初始化种群以轮盘赌的方式进行选择，获得交配池种群；
步骤四二、对步骤四一中获得的交配池种群以交叉变异的方式进行选择，得到子代种群；
步骤四三、对步骤四二得到的子代种群进行教育，得到受教育的子代种群；
步骤四四、对步骤四三得到的受教育的子代种群进行重新排列，得到新种群。
7.根据权利要求1所述的一种依托重力储能的风-储联合发电系统容量优化方法，其特征在于，步骤五中风-荷互补率、供电损失率以及风-储联合发电系统贡献率的具体计算方法为：
风-荷互补率为风力发电的输出功率相对于负荷功率的波动，其表达式为：
Figure FDA0003526248930000031
其中，DEV为风-荷互补率；
Figure FDA0003526248930000041
为负荷的平均功率；Pw(t)为t时刻风电发出的功率；PL(t)为t时刻负荷的功率；
供电损失率是用来反映风-储联合发电系统供电的可靠性，其表达式为
Figure FDA0003526248930000042
其中，fEV为供电损失率；Pg(t)为t时刻重力储能功率；
对于风-储联合发电系统贡献率为以风-储联合发电系统提供给负荷的功率所占负荷功率的比值，其表达式为
Figure FDA0003526248930000043
其中，REV为风-储联合发电系统贡献率；PWg(t)为t时刻风-储联合发电系统提供给负荷的功率。
8.根据权利要求7所述的一种依托重力储能的风-储联合发电系统容量优化方法，其特征在于，步骤五中具体的约束条件为：
DEV≤DR (19)
fEV≤fR (20)
REV≥RR (21)
其中：DR为指定的最大风-荷互补率；fR为指定的最大供电损失率；RR为指定的最小风-储联合发电系统贡献率。
CN202210196952.XA 2022-03-01 2022-03-01 一种依托重力储能的风-储联合发电系统容量优化方法 Pending CN114498754A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210196952.XA CN114498754A (zh) 2022-03-01 2022-03-01 一种依托重力储能的风-储联合发电系统容量优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210196952.XA CN114498754A (zh) 2022-03-01 2022-03-01 一种依托重力储能的风-储联合发电系统容量优化方法

Publications (1)

Publication Number Publication Date
CN114498754A true CN114498754A (zh) 2022-05-13

Family

ID=81484881

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210196952.XA Pending CN114498754A (zh) 2022-03-01 2022-03-01 一种依托重力储能的风-储联合发电系统容量优化方法

Country Status (1)

Country Link
CN (1) CN114498754A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115108420A (zh) * 2022-05-23 2022-09-27 中国天楹股份有限公司 一种重力储能系统动机构运动控制方法
CN115182858A (zh) * 2022-08-11 2022-10-14 北京科技大学 空气压缩与重力势能混合储/生发电系统及定量设计方法
CN117318127A (zh) * 2023-11-30 2023-12-29 国网江苏省电力有限公司经济技术研究院 一种用于复合储能的协调控制系统、方法及设备

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115108420A (zh) * 2022-05-23 2022-09-27 中国天楹股份有限公司 一种重力储能系统动机构运动控制方法
CN115108420B (zh) * 2022-05-23 2023-06-09 中国天楹股份有限公司 一种重力储能系统动机构运动控制方法
CN115182858A (zh) * 2022-08-11 2022-10-14 北京科技大学 空气压缩与重力势能混合储/生发电系统及定量设计方法
CN115182858B (zh) * 2022-08-11 2023-02-17 北京科技大学 空气压缩与重力势能混合储/生发电系统及定量设计方法
CN117318127A (zh) * 2023-11-30 2023-12-29 国网江苏省电力有限公司经济技术研究院 一种用于复合储能的协调控制系统、方法及设备
CN117318127B (zh) * 2023-11-30 2024-02-23 国网江苏省电力有限公司经济技术研究院 一种用于复合储能的协调控制系统、方法及设备

Similar Documents

Publication Publication Date Title
CN114498754A (zh) 一种依托重力储能的风-储联合发电系统容量优化方法
Wang et al. PSO-based multi-criteria optimum design of a grid-connected hybrid power system with multiple renewable sources of energy
Senjyu et al. Optimal configuration of power generating systems in isolated island with renewable energy
Chen et al. Multi-area economic generation and reserve dispatch considering large-scale integration of wind power
CN112418605A (zh) 一种光储式充电站储能系统优化运行方法
Emrani et al. Improved techno-economic optimization of an off-grid hybrid solar/wind/gravity energy storage system based on performance indicators
CN110009244B (zh) 一种考虑抗灾恢复的区域综合能源系统优化调度方法
CN107274085B (zh) 一种双电型船舶的储能设备的优化管理方法
CN112508221A (zh) 一种有限储能下考虑源-荷不确定性的日前调度决策方法
CN109783890A (zh) 基于钩缓装置模型的重载列车运行曲线多目标优化方法
Venayagamoorthy et al. Energy dispatch controllers for a photovoltaic system
CN110910272B (zh) 一种城市综合能源系统多目标优化方法
Kalantari et al. An overview of directions for decarbonization of energy systems in cold climate remote mines
CN108711878A (zh) 考虑出力特性的光伏电站多类型组件容量配置方法
CN110796279A (zh) 一种多能互补优化运行方法与系统
Wang et al. Day-ahead multi-objective optimal operation of Wind–PV–Pumped Storage hybrid system considering carbon emissions
CN104578160A (zh) 一种微网能量控制方法
CN115333161A (zh) 一种绿色水厂供电系统的容量优化配置方法
CN104616071A (zh) 一种风光储互补发电系统优化配置方法
CN106529699A (zh) 一种考虑需求侧的微电网的规划设计方法
CN112836423A (zh) 基于改进差分进化算法的微网容量优化配置方法
Welch et al. Comparison of two optimal control strategies for a grid independent photovoltaic system
CN115147245B (zh) 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法
CN113937811B (zh) 一种多能耦合配电系统优化调度方法
CN109840621A (zh) 考虑储能系统影响的并网型微电网日前多目标优化方法

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