CN114722615B - 一种基于生产运营模拟的储能容量优化配置方法 - Google Patents
一种基于生产运营模拟的储能容量优化配置方法 Download PDFInfo
- Publication number
- CN114722615B CN114722615B CN202210405174.0A CN202210405174A CN114722615B CN 114722615 B CN114722615 B CN 114722615B CN 202210405174 A CN202210405174 A CN 202210405174A CN 114722615 B CN114722615 B CN 114722615B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- power
- max
- time
- production operation
- 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.)
- Active
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 121
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 38
- 238000004088 simulation Methods 0.000 title claims abstract description 38
- 238000010276 construction Methods 0.000 claims abstract description 24
- 238000005457 optimization Methods 0.000 claims abstract description 18
- 238000005265 energy consumption Methods 0.000 claims abstract description 17
- 238000010248 power generation Methods 0.000 claims description 21
- 230000005540 biological transmission Effects 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000005611 electricity Effects 0.000 claims description 4
- 238000007600 charging Methods 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000004445 quantitative analysis Methods 0.000 claims description 3
- 238000000342 Monte Carlo simulation Methods 0.000 abstract description 2
- 238000004870 electrical engineering Methods 0.000 abstract description 2
- 230000033228 biological regulation Effects 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
-
- 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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/06—Wind turbines or wind farms
-
- 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于生产运营模拟的储能容量优化配置方法，属于电气工程技术领域。所述储能容量配置方法首先采用蒙特卡洛法量化负荷、风电、光伏等不确定性因素，生成电力系统典型运行场景。进一步，建立基于生产运营模拟的储能容量优化配置模型，以建设成本、运行成本、新能源消纳水平、电能质量为优化目标，保证方案在规划层面和运行层面的全局最优性。最后，与无储能的电力系统运行情况进行对比，通过新能源消纳指标与电压质量指标，衡量储能配置方案的综合效益。
Description
技术领域
本发明涉及电气工程技术领域，尤其是涉及一种基于生产运营模拟的储能容量优化配置方法。
背景技术
建设以新能源为主体的新型电力系统，是实现“碳达峰、碳中和”战略目标的重要支撑手段。然而，随着以风电、光伏的广泛接入，其随机性、间歇性将给系统电力电量平衡、调峰调频、电压稳定等带来严峻挑战。储能设备具备能量的跨时空分配能力，能在风电、光伏大发时作为负荷存储电能，也能在风电、光伏出力低谷期间作为电源输出电能。因此，通过储能与新能源间的协同运行，可有效减小新能源带来的负面影响，提高电力系统运行的安全性与稳定性。
储能能给电力系统运行带来诸多效益：1)储能与新能源协同运行，能有效平抑新能源出力的随机性、间歇性，减小系统运行调频调峰压力；2)储能具有能量时空转移能力，能有效提高新能源消纳水平；3)储能具有功率主动调节能力，能够调整系统潮流分布，提高电能质量。
然而，由于储能设备建设成本较高，大规模建设将给电力系统经济高效运行带来严峻挑战。因此，基于电力系统所在区域实际运行特点，考虑储能设备与新能源间的协同效应，研究储能设备容量优化配置方法具有重要理论与工程价值。
发明内容
针对现有技术中存在的问题，本发明基于电力系统生产运营模拟，考虑储能设备运行的综合效益，提出一种储能容量优化配置方法，以准确量化电力系统的储能配置需求。
为实现上述目的，本发明采用如下技术方案：一种基于生产运营模拟的储能容量优化配置方法，包括如下步骤：
(1)利用蒙特卡洛随机生产模拟方法分析电力系统历史运行数据，将负荷、风电、太阳能发电等不确定性因素进行量化，生成典型运行场景，用于后续储能容量优化配置分析。
具体地，对于不确定性因素的量化，采用正态分布表征负荷的不确定性，采用威布尔分布表征风电的不确定性，采用Beta分布表征太阳能发电的不确定性。
(2)以步骤(1)生成的典型运行场景为边界条件，建立基于生产运营模拟的储能优化配置模型，以储能建设成本、运行成本、电压质量、新能源消纳为优化目标，考虑节点功率平衡、汽轮机技术特性、储能技术特性、输电线路热稳定等约束，进行24小时典型日的电力系统生产运营模拟。
具体地，基于生产运营模拟的储能优化配置模型中的储能建设选址点为新能源场站，以便新能源与储能设备协同运行。
进一步地，储能优化配置模型的目标函数包含了储能建设成本、电力系统运行成本、电压质量指标、新能源消纳指标。
所述方法储能建设成本为：
其中：CE为单位容量储能建设成本，为一固定常数；Ne为新能源场站数量；Ee,max为新能源站点e储能设备的建设容量。
所属方法电力系统运行成本为：
其中：Nt为生产运营模拟的时间尺度；Ng为电力系统汽轮机数量；Pg,t为汽轮机g在时间t的发电量；Cg为汽轮机g的售电价格。
所述方法配电压质量指标为：
其中：CV为电压偏移的惩罚系数；Nb为电力系统的节点数量；Vi,t为节点i在时间t的电压。
所述方法新能源消纳指标为：
其中：CW为弃风的惩罚系数；Nw为风电的场站数量；Pw,t,max为典型场景中风场w在时间t的最大发电量；Pw,t为风场w在时间t的实际发电量；CS为弃光的惩罚系数；Ns为光伏的场站数量；Ps,t,max为典型场景中光场s在时间t的最大发电量；Ps,t为光场s在时间t的实际发电量。
所述方法储能优化配置模型的优化目标为：
进一步地，约束条件包含节点功率平衡、潮流方程、输电线路热稳定、汽轮机技术特性、储能技术特性、风电、光伏电源技术特性等约束。
所述方法节点功率平衡约束包含有功功率平衡与无功功率平衡，具体如下：
Pi,t＝PG,i,t-PD,i,t-(PCh,i,t-PDch,i,t)
Qi,t＝QG,i,t-QD,i,t
其中：Pi,t为节点i在时间t的注入有功功率；PG,i,t为节点i所接机组在时间t的有功功率，包含汽轮机、风电、光伏发电；PD,i,t为节点i在时间t的有功负荷；PCh,i,t/PDch,i,t节点i所接储能设备在时间t的充电/放电功率；Qi,t为节点i在时间t的注入无功功率；QG,i,t为节点i所接机组在时间t的无功功率，为汽轮机所发无功；QD,i,t为节点i在时间t的无功负荷。
所述方法潮流方程约束包含有功与无功，具体如下：：
其中：G/B为电力系统节点导纳矩阵的实部/虚部，Gij/Bij为节点i、j之间对应的支路电导、电纳；θj,t为节点j在时间t的相角。
所述方法输电线路热稳定约束为：
-fij,max≤-Gij(Vi,t-Vj,t)+Bij(θi,t-θj,t)≤fij,max
其中：fij,max为节点i、j之间线路有功传输上限。
所述方法汽轮机技术特性约束包含有功出力上下限约束、无功出力上下限约束以及机组爬坡约束，具体如下：
0≤Pg,t≤Pg,max
0≤Qg,t≤Qg,max
-Pg,ramp≤Pg,t-Pg,t-1≤Pg,ramp
其中：Pg,max为汽轮机g的最大有功出力；Qg,t为汽轮机g在时间t的实际无功出力；Qg,max为汽轮机g的最大无功出力；Pg,ramp为汽轮机g的最大爬坡速率。
所述方法储能设备技术特性约束包含储能容量约束、储能状态约束、电量约束、充放电功率约束，具体如下：
ηEe,max≤Ee,t≤Ee,max
Ee,Nt≥Ee,1
PCh,e≥0,PDch,e≥0
-Pe,max≤PCh,e,t-PDch,e,t≤Pe,max
其中：Ee,t为储能设备e在时间t的电量状态；η为储能设备允许的最小电量比例；ξe为储能设备e充放电损失系数；PCh,e,t/PDch,e,t为储能设备e在时间t的充电/放电功率；Pe,max为储能设备e的最大充放电功率。
所述方法风电、光伏电源技术特性约束具体为：
0≤Pw,t≤Pw,t,max
0≤Ps,t≤Ps,t,max
进一步地，基于生产运营模拟的储能优化配置模型，是一个二次规划问题，利用商业求解器Gurobi进行计算。
(3)根据步骤(2)的生产运营模拟结果，得到储能最优配置方案。进一步对储能设备配置方案的综合效益进行定量分析。
具体地，储能设备综合效益分析是通过对比无储能场景，即各新能源站点储能设备容量Ee,max为0，量化储能设备配置的综合效益。
进一步地，通过电压质量的改善效果及新能源消纳的提升效益进行定量分析，具体计算方式为：
其中：V′diff,i,t、P′w,t、P′s,t分别为无储能设备情况下，电力系统的节点电压、风电出力、光伏出力。
与现有技术相比，本发明的有益效果如下：
1、利用蒙特卡洛法模拟电力系统的运行情况，量化运行过程中负荷、风电、光伏等不确定因素，为后续储能配置提供数据支撑。
2、通过规划-运行一体化的储能容量优化配置模型，统筹考虑建设成本、运行成本、电压质量等多方面因素，得到最优储能定容方案。
3、通过新能源消纳指标与电压质量指标，从技术和经济两方面量化储能配置方案的综合效益。
附图说明
图1为本发明储能容量优化配置方法的框架图。
具体实施方式
下面结合附图及具体实施示例对本发明作进一步详细说明。
如图1为本发明基于生产运营模拟的储能容量优化配置方法的框架图，所述方法包括如下步骤：
(1)利用蒙特卡洛随机生产模拟方法分析电力系统历史运行数据，将负荷、风电、太阳能发电等不确定性因素进行量化，生成典型运行场景，用于后续储能容量优化配置分析。
具体地，对于不确定性因素的量化，采用正态分布表征负荷的不确定性，采用威布尔分布表征风电的不确定性，采用Beta分布表征太阳能发电的不确定性。
(2)以步骤(1)生成的典型运行场景为边界条件，建立基于生产运营模拟的储能优化配置模型，以储能建设成本、运行成本、电压质量、新能源消纳为优化目标，考虑节点功率平衡、汽轮机技术特性、储能技术特性、输电线路热稳定等约束，进行24小时典型日的电力系统生产运营模拟。
具体地，基于生产运营模拟的储能优化配置模型中的储能建设选址点为新能源场站，以便新能源与储能设备协同运行。
进一步地，储能优化配置模型的目标函数包含了储能建设成本、电力系统运行成本、电压质量指标、新能源消纳指标。
所述方法储能建设成本为：
其中：CE为单位容量储能建设成本，为一固定常数；Ne为新能源场站数量；Ee,max为新能源站点e储能设备的建设容量。
所属方法电力系统运行成本为：
其中：Nt为生产运营模拟的时间尺度；Ng为电力系统汽轮机数量；Pg,t为汽轮机g在时间t的发电量；Cg为汽轮机g的售电价格。
所述方法配电压质量指标为：
其中：CV为电压偏移的惩罚系数；Nb为电力系统的节点数量；Vi,t为节点i在时间t的电压。
所述方法新能源消纳指标为：
其中：CW为弃风的惩罚系数；Nw为风电的场站数量；Pw,t,max为典型场景中风场w在时间t的最大发电量；Pw,t为风场w在时间t的实际发电量；CS为弃光的惩罚系数；Ns为光伏的场站数量；Ps,t,max为典型场景中光场s在时间t的最大发电量；Ps,t为光场s在时间t的实际发电量。
所述方法储能优化配置模型的优化目标为：
进一步地，约束条件包含节点功率平衡、潮流方程、输电线路热稳定、汽轮机技术特性、储能技术特性、风电、光伏电源技术特性等约束。
所述方法节点功率平衡约束包含有功功率平衡与无功功率平衡，具体如下：
Pi,t＝PG,i,t-PD,i,t-(PCh,i,t-PDch,i,t)
Qi,t＝QG,i,t-QD,i,t
其中：Pi,t为节点i在时间t的注入有功功率；PG,i,t为节点i所接机组在时间t的有功功率，包含汽轮机、风电、光伏发电；PD,i,t为节点i在时间t的有功负荷；PCh,i,t/PDch,i,t节点i所接储能设备在时间t的充电/放电功率；Qi,t为节点i在时间t的注入无功功率；QG,i,t为节点i所接机组在时间t的无功功率，为汽轮机所发无功；QD,i,t为节点i在时间t的无功负荷。
所述方法潮流方程约束包含有功与无功，具体如下：：
其中：G/B为电力系统节点导纳矩阵的实部/虚部，Gij/Bij为节点i、j之间对应的支路电导、电纳；θj,t为节点j在时间t的相角。
所述方法输电线路热稳定约束为：
-fij,max≤-Gij(Vi,t-Vj,t)+Bij(θi,t-θj,t)≤fij,max
其中：fij,max为节点i、j之间线路有功传输上限。
所述方法汽轮机技术特性约束包含有功出力上下限约束、无功出力上下限约束以及机组爬坡约束，具体如下：
0≤Pg,t≤Pg,max
0≤Qg,t≤Qg,max
-Pg,ramp≤Pg,t-Pg,t-1≤Pg,ramp
其中：Pg,max为汽轮机g的最大有功出力；Qg,t为汽轮机g在时间t的实际无功出力；Qg,max为汽轮机g的最大无功出力；Pg,ramp为汽轮机g的最大爬坡速率。
所述方法储能设备技术特性约束包含储能容量约束、储能状态约束、电量约束、充放电功率约束，具体如下：
ηEe,max≤Ee,t≤Ee,max
Ee,Nt≥Ee,1
PCh,e≥0,PDch,e≥0
-Pe,max≤PCh,e,t-PDch,e,t≤Pe,max
其中：Ee,t为储能设备e在时间t的电量状态；η为储能设备允许的最小电量比例；ξe为储能设备e充放电损失系数；PCh,e,t/PDch,e,t为储能设备e在时间t的充电/放电功率；Pe,max为储能设备e的最大充放电功率。
所述方法风电、光伏电源技术特性约束具体为：
0≤Pw,t≤Pw,t,max
0≤Ps,t≤Ps,t,max
进一步地，基于生产运营模拟的储能优化配置模型，是一个二次规划问题，本发明实施例中利用商业求解器Gurobi进行计算。
(3)根据步骤(2)的生产运营模拟结果，得到储能最优配置方案。进一步对储能设备配置方案的综合效益进行定量分析。
具体地，储能设备综合效益分析是通过对比无储能场景，即各新能源站点储能设备容量Ee,max为0，量化储能设备配置的综合效益。
进一步地，通过电压质量的改善效果及新能源消纳的提升效益进行定量分析，具体计算方式为：
其中：V′diff,i,t、P′w,t、P′s,t分别为无储能设备情况下，电力系统的节点电压、风电出力、光伏出力。
利用含新能源的电力系统系统验证所提储能优化配置方法的正确性和有效性，电力系统拓扑、负荷数据、风电、光伏发电数据均采用国内某省实际数据。结果显示，储能接入能有效提高新能源消纳水平，改善系统电压质量。同时，结合储能配置综合效益指标，可以预估储能设备建设成本的回收周期。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
Claims (9)
1.一种基于生产运营模拟的储能容量优化配置方法，其特征在于，包括如下步骤：
(1)利用蒙特卡洛随机生产模拟方法分析电力系统历史运行数据，将负荷、风电、太阳能发电在内的不确定性因素进行量化，生成典型运行场景，用于后续储能容量优化配置分析；
(2)以步骤(1)生成的典型运行场景为边界条件，建立基于生产运营模拟的储能优化配置模型，以储能建设成本、电力系统运行成本、电压质量指标、新能源消纳指标为优化目标，考虑节点功率平衡，潮流方程，输电线路热稳定，汽轮机技术特性，风电、光伏电源技术特性，储能技术特性在内的约束，进行24小时典型日的电力系统生产运营模拟；
所述储能建设成本为：
其中：CE为单位容量储能建设成本；Ne为新能源场站数量；Ee,max为新能源站点e储能设备的建设容量；
所述电力系统运行成本为：
其中：Nt为生产运营模拟的时间尺度；Ng为电力系统汽轮机数量；Pg,t为汽轮机g在时间t的发电量；Cg为汽轮机g的售电价格；
所述电压质量指标为：
其中：CV为电压偏移的惩罚系数；Nb为电力系统的节点数量；Vi,t为节点i在时间t的电压；
所述新能源消纳指标为：
其中：CW为弃风的惩罚系数；Nw为风电的场站数量；Pw,t,max为典型场景中风场w在时间t的最大发电量；Pw,t为风场w在时间t的实际发电量；CS为弃光的惩罚系数；Ns为光伏的场站数量；Ps,t,max为典型场景中光场s在时间t的最大发电量；Ps,t为光场s在时间t的实际发电量；
(3)根据步骤(2)的生产运营模拟结果，得到储能最优配置方案；进一步对储能设备配置方案的综合效益进行定量分析。
2.根据权利要求1所述基于生产运营模拟的储能容量优化配置方法，其特征在于，所述步骤(1)采用正态分布表征负荷的不确定性，采用威布尔分布表征风电的不确定性，采用Beta分布表征太阳能发电的不确定性。
3.根据权利要求1所述基于生产运营模拟的储能容量优化配置方法，其特征在于，所述步骤(2)中基于生产运营模拟的储能优化配置模型的储能建设选址为新能源场站点，以便于与新能源的协同运行。
4.根据权利要求1所述基于生产运营模拟的储能容量优化配置方法，其特征在于，根据储能建设成本、电力系统运行成本、电压质量指标、新能源消纳指标得到储能优化配置模型的优化目标为：
5.根据权利要求1所述基于生产运营模拟的储能容量优化配置方法，其特征在于，
所述节点功率平衡约束包含有功功率平衡与无功功率平衡，具体如下：
Pi,t＝PG,i,t-PD,i,t-(PCh,i,t-PDch,i,t)
Qi,t＝QG,i,t-QD,i,t
其中：Pi,t为节点i在时间t的注入有功功率；PG,i,t为节点i所接机组在时间t的有功功率，包含汽轮机、风电、光伏发电；PD,i,t为节点i在时间t的有功负荷；PCh,i,t/PDch,i,t节点i所接储能设备在时间t的充电/放电功率；Qi,t为节点i在时间t的注入无功功率；QG,i,t为节点i所接机组在时间t的无功功率，为汽轮机所发无功；QD,i,t为节点i在时间t的无功负荷；
所述潮流方程约束包含有功与无功，具体如下：
其中：G/B为电力系统节点导纳矩阵的实部/虚部，Gij/Bij为节点i、j之间对应的支路电导、电纳；θj,t为节点j在时间t的相角；
所述输电线路热稳定约束为：
-fij,max≤-Gij(Vi,t-Vj,t)+Bij(θi,t-θj,t)≤fij,max
其中：fij,max为节点i、j之间线路有功传输上限。
6.根据权利要求1所述基于生产运营模拟的储能容量优化配置方法，其特征在于，
所述汽轮机技术特性约束包含有功出力上下限约束、无功出力上下限约束以及机组爬坡约束，具体如下：
0≤Pg,t≤Pg,max
0≤Qg,t≤Qg,max
-Pg,ramp≤Pg,t-Pg,t-1≤Pg,ramp
其中：Pg,max为汽轮机g的最大有功出力；Qg,t为汽轮机g在时间t的实际无功出力；Qg,max为汽轮机g的最大无功出力；Pg,ramp为汽轮机g的最大爬坡速率；
所述储能设备技术特性约束包含储能容量约束、储能状态约束、电量约束、充放电功率约束，具体如下：
ηEe,max≤Ee,t≤Ee,max
Ee,Nt≥Ee,1
PCh,e≥0,PDch,e≥0
-Pe,max≤PCh,e,t-PDch,e,t≤Pe,max
其中：Ee,t为储能设备e在时间t的电量状态；η为储能设备允许的最小电量比例；ξe为储能设备e充放电损失系数；PCh,e,t/PDch,e,t为储能设备e在时间t的充电/放电功率；Pe,max为储能设备e的最大充放电功率；
所述风电、光伏电源技术特性约束具体为：
0≤Pw,t≤Pw,t,max
0≤Ps,t≤Ps,t,max。
7.根据权利要求1所述基于生产运营模拟的储能容量优化配置方法，其特征在于，所述基于生产运营模拟的储能优化配置模型是一个二次规划问题。
8.根据权利要求1所述基于生产运营模拟的储能容量优化配置方法，其特征在于，所述步骤(3)中储能设备综合效益分析具体为：通过对比无储能场景，即各新能源站点储能设备容量Ee,max为0，量化储能设备配置的综合效益。
9.根据权利要求8所述基于生产运营模拟的储能容量优化配置方法，其特征在于，所述步骤(3)中储能设备综合效益分析具体为：通过电压质量的改善效果及新能源消纳的提升效益进行定量分析，具体计算方式为：
其中：V′i,t、P′w,t、P′s,t分别为无储能设备情况下，电力系统的节点电压、风电出力、光伏出力。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210405174.0A CN114722615B (zh) | 2022-04-18 | 2022-04-18 | 一种基于生产运营模拟的储能容量优化配置方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210405174.0A CN114722615B (zh) | 2022-04-18 | 2022-04-18 | 一种基于生产运营模拟的储能容量优化配置方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114722615A CN114722615A (zh) | 2022-07-08 |
| CN114722615B true CN114722615B (zh) | 2024-05-31 |
Family
ID=82243468
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210405174.0A Active CN114722615B (zh) | 2022-04-18 | 2022-04-18 | 一种基于生产运营模拟的储能容量优化配置方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114722615B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116307935B (zh) * | 2023-05-16 | 2023-08-29 | 南方电网调峰调频发电有限公司储能科研院 | 一种电力系统运行模拟的抽水蓄能价值评价方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109508857A (zh) * | 2018-09-28 | 2019-03-22 | 国网浙江省电力有限公司经济技术研究院 | 一种主动配电网多阶段规划方法 |
| CN110071505A (zh) * | 2019-06-04 | 2019-07-30 | 清华大学 | 含大规模风电接入的输电网扩建与储能配置联合规划方法 |
| WO2019196375A1 (zh) * | 2018-04-13 | 2019-10-17 | 华南理工大学 | 基于需求侧响应的微电网最优机组及分时电价的优化方法 |
| WO2021098352A1 (zh) * | 2019-11-22 | 2021-05-27 | 国网福建省电力有限公司 | 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法 |
| CN114069688A (zh) * | 2020-08-07 | 2022-02-18 | 华北电力大学（保定） | 一种基于时序生产模拟的多电源容量布局规划方法 |
-
2022
- 2022-04-18 CN CN202210405174.0A patent/CN114722615B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019196375A1 (zh) * | 2018-04-13 | 2019-10-17 | 华南理工大学 | 基于需求侧响应的微电网最优机组及分时电价的优化方法 |
| CN109508857A (zh) * | 2018-09-28 | 2019-03-22 | 国网浙江省电力有限公司经济技术研究院 | 一种主动配电网多阶段规划方法 |
| CN110071505A (zh) * | 2019-06-04 | 2019-07-30 | 清华大学 | 含大规模风电接入的输电网扩建与储能配置联合规划方法 |
| WO2021098352A1 (zh) * | 2019-11-22 | 2021-05-27 | 国网福建省电力有限公司 | 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法 |
| CN114069688A (zh) * | 2020-08-07 | 2022-02-18 | 华北电力大学（保定） | 一种基于时序生产模拟的多电源容量布局规划方法 |
Non-Patent Citations (4)
| Title |
|---|
| 含风电接入的配电网储能系统优化配置;田录林;张欣;侯彤晖;柴俊岭;吕恒;吴瞻;;西北水电;20181031(第05期);第1-7页 * |
| 基于随机规划理论的电网侧储能配置方法研究;李朝晖;杨海晶;施涛;;电力电子技术;20200320(第03期);第40-43页 * |
| 沈志恒等.一种考虑能源政策更新的电源建设方案优化算法.《能源工程》.(第第02期期),第37-41页. * |
| 结合随机规划和序贯蒙特卡洛模拟的风电场储能优化配置方法;吴玮坪;胡泽春;宋永华;;电网技术;20171123(第04期);第1055-1062页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114722615A (zh) | 2022-07-08 |
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 | |
| CN110350523B (zh) | 基于需求响应的多能源互补优化调度方法 | |
| Li et al. | Improving wind power integration by regenerative electric boiler and battery energy storage device | |
| CN106849190A (zh) | 一种基于Rollout算法的多能互补微网实时调度方法 | |
| CN110350518B (zh) | 一种用于调峰的电网储能容量需求评估方法及系统 | |
| Li et al. | Optimized operation of hybrid system integrated with MHP, PV and PHS considering generation/load similarity | |
| CN114977320A (zh) | 一种配电网源网荷储多目标协同规划方法 | |
| CN114066204A (zh) | 一种综合能源系统的一体化优化规划与运行方法及装置 | |
| CN114722615B (zh) | 一种基于生产运营模拟的储能容量优化配置方法 | |
| CN115577929A (zh) | 基于多场景分析的乡村综合能源系统随机优化调度方法 | |
| CN112072643A (zh) | 一种基于深度确定性梯度策略的光-蓄系统在线调度方法 | |
| Shi et al. | Research on energy management of hydrogen electric coupling system based on deep reinforcement learning | |
| CN105305463B (zh) | 计及光伏发电和谐波污染的基于随机潮流的无功优化方法 | |
| CN117408853A (zh) | 基于CVaR的含碳交易机制的综合能源系统多目标规划方法 | |
| 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 | |
| Han et al. | Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation | |
| 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 | |
| CN114004390A (zh) | 计及风电外送及投资风险的储能系统容量规划方法 | |
| CN111952996A (zh) | 一种基于经济效益评估的含储能的分布式光伏调峰控制方法 | |
| Hu et al. | Dynamic Hosting Capacity Evaluation of DGs in Active Distribution Network | |
| CN116227751B (zh) | 配电网优化配置方法及装置 | |
| Li et al. | Application research on energy storage in power grid supply and demand regulation based on differentiated electricity prices | |
| Yang et al. | Multi-source scheduling method on supply side of microgrid based on reinforcement learning algorithm | |
| Zhang et al. | A novel random optimal scheduling of virtual power plant with multiple wind farms | |
| Zhou et al. | Optimization method of distribution network energy storage and capacity planning considering uncertainty of new energy sources |
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 |