CN115102159A - 计及碳排放流的共享储能优化运行方法 - Google Patents

计及碳排放流的共享储能优化运行方法 Download PDF

Info

Publication number
CN115102159A
CN115102159A CN202210685421.7A CN202210685421A CN115102159A CN 115102159 A CN115102159 A CN 115102159A CN 202210685421 A CN202210685421 A CN 202210685421A CN 115102159 A CN115102159 A CN 115102159A
Authority
CN
China
Prior art keywords
energy storage
power
carbon emission
shared
carbon
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
CN202210685421.7A
Other languages
English (en)
Inventor
许烽
霍群海
王文勇
丁超
陆翌
尹靖元
韦统振
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.)
Institute of Electrical Engineering of CAS
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
Original Assignee
Institute of Electrical Engineering of CAS
Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd
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 Institute of Electrical Engineering of CAS, Electric Power Research Institute of State Grid Zhejiang Electric Power Co Ltd filed Critical Institute of Electrical Engineering of CAS
Priority to CN202210685421.7A priority Critical patent/CN115102159A/zh
Publication of CN115102159A publication Critical patent/CN115102159A/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
    • H02J3/002—Flicker reduction, e.g. compensation of flicker introduced by non-linear load
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • H02J3/48—Controlling the sharing of the in-phase component
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • H02J2300/26—The renewable source being solar energy of photovoltaic origin involving maximum power point tracking control for photovoltaic sources
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Biophysics (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Water Supply & Treatment (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)

Abstract

本发明属于电力系统低碳技术领域，具体涉及一种计及碳排放流的共享储能优化运行方法。针对现有共享储能运行方法并未考虑碳排放问题的不足，本发明采用如下技术方案：计及碳排放流的共享储能优化运行方法，包括：获取可再生能源发电曲线预测数据和负荷曲线预测数据；分析共享储能电站各节点的富余或缺失功率情况；以T个时段内的总碳排放量最少为目标，建立上层模型；以充放电经济效益最大化、充放电后负荷波动最小为目标，建立下层模型；求出多目标函数最优解，最终确定共享储能电站内潮流调控装置的转移功率大小和储能设备的充放电情况。本发明的有益效果是：利用储能设备提升可再生能源发电，兼顾经济性和碳排放。

Description

计及碳排放流的共享储能优化运行方法
技术领域
本发明属于电力系统低碳技术领域，具体涉及一种计及碳排放流的共享储能优化运行方法。
背景技术
随着可再生能源的发展，电力系统越来越多的配置储能系统，储能系统可以有效解决可再生能源并网给系统带来的运行压力，实现能量的时空转移，增强系统的灵活性。
然而，现有储能系统普遍存在利用率较低的问题，大多数储能都成为了“睡资产”，不但增加了设备的投入，还浪费了电力资源。同时，储能设备的运行影响系统碳排放流的分配过程。现有储能设备运行方法并未考虑到碳排放问题。
此外，由于分布式电源设备运行受限于用户自身用能、外部环境等约束，导致了一定的供能能力闲置或供能冗余，设备整体上还存在着较大的效率优化空间和效益提升潜力。
因此，研究如何将共享理念应用于新型电力系统并设计合理的优化方式，对于减少碳排放、提升分布式能源和电网设备整体利用率等方面具有重要意义。
发明内容
本发明针对现有共享储能运行方法并未考虑碳排放问题的不足，提供一种计及碳排放流的共享储能优化运行方法，提升共享储能利用率的同时，减少碳排放总量。
为实现上述目的，本发明采用如下技术方案：计及碳排放流的共享储能优化运行方法，所述计及碳排放流的共享储能优化运行方法包括：
步骤S1、获取可再生能源发电曲线预测数据和负荷曲线预测数据；
步骤S2、根据可再生能源发电曲线预测数据和负荷曲线预测数据分析共享储能电站各节点的富余或缺失功率情况；
步骤S3、根据各节点的功率情况、共享储能电站内潮流调控装置的系统上限和下限以及系统约束条件，以T个时段内的总碳排放量最少为目标，建立关于各节点需要转移的功率的上层模型；
步骤S4、根据实时电价及共享储能电站各节点的运行状态，以充放电经济效益最大化、充放电后负荷波动最小为目标，建立关于各节点需要转移的功率的下层模型；
步骤S5、通过算法反复迭代，求出关于上层模型和下层模型的多目标函数最优解，最终确定共享储能电站内潮流调控装置的转移功率大小和储能设备的充放电情况。
本发明的计及碳排放流的共享储能优化运行方法，建立上层模型和下层模型，上层模型考虑总碳排放量，下层模型考虑经济效益和负荷波动，通过算法反复迭代，求出多目标函数最优解，最终确定共享储能电站内潮流调控装置的转移功率大小和储能设备的充放电情况，提升共享储能利用率的同时，可以减少碳排放总量。
作为改进，共享储能电站包括储能设备和电氢转换设备。在其它方案中，共享储能电站还可以只包括储能设备而没有电氢转换设备。
作为改进，上层模型目标函数用公式表达为：
Figure BDA0003699751130000021
式中，FE,t表示在T个时段储能设备的碳排放量；FH-E,t表示在T个时段电氢转换设备的碳排放量；FB,t表示在T个时段传统能源支路s的碳排放量；FGi,t表示在T个时段可再生能源发电机组的碳排放量；
碳排放量＝有功出力或有功功率*放电碳势，用公式表示为：
FE,t＝PE,teE,t
FH-E,t＝PH-E,teH-E,t
Figure BDA0003699751130000022
Figure BDA0003699751130000023
式中，PE,t、eE,t分别表示在T个时段来自储能设备的有功出力和储能放电碳势；PH-E,t、eH-E,t分别表示在T个时段来自电氢转换设备的有功出力和电氢转换设备的微型燃气轮机的放电碳势；PBs,t、eBs,t分别表示在T个时段来自传统能源支路s的有功功率和主网碳势；PGi,t、eGi,t分别表示在T个时段来自第i台可再生能源发电机组的有功出力和机组碳势，K表示可再生能源发电机组数量。
作为改进，假设储能设备在t1-t2时刻积累电量，然后在t2时刻释放电量，储能设备的放电碳势可通过下式计算：
Figure BDA0003699751130000024
式中：QE和FE表示储能设备在t1时刻的电量和累积的碳排放量；
Figure BDA0003699751130000025
和
Figure BDA0003699751130000026
表示储能设备在t1-t2时刻累积的电量和碳排放量；ηE为储能充放电的工作效率；
作为改进，将
Figure BDA0003699751130000027
和
Figure BDA0003699751130000028
转化为求和项，放电碳势公式等同为：
Figure BDA0003699751130000031
式中：NE1和NE2分别为储能设备从传统能源支路s或可再生能源发电机组吸收有功功率的时段数；Δt为时段长度，取h/12、h/6)、h/4、h/2、1h。
作为改进，传统能源支路s的主网碳势基本等于一常数CS，可再生能源发电机组的机组碳势基本等于一常数Cr，CS远大于Cr。
作为改进，多目标函数模型采用改进型带精英策略的非支配遗传算法NSGA-II进行求解。
作为改进，改进型带精英策略的非支配遗传算法NSGA-II的计算过程如下：
1)种群初始化，随机生成规模为N的父代种群P0，根据约束条件修正不可行解，然后对父代种群进行非支配排序，进一步的进行选择、交叉和变异，生成子代种群Q0。
2)将第t代生成的父代种群Pt和子代种群Qt结合成规模为2N的新的种群Rt；
3)对Rt进行快速非支配排序，并优先将等级最低的2％N个随机个体放入新的父代种群，产生非支配集Fj并计算拥挤度，对拥挤度排序，生成新的父代种群Pt+1，然后再进行选择、交叉和变异产生新的子代种群Qt+1；
4)将Pt+1与Qt+1合并形成新的种群Rt+1，重复以上操作，若运行迭代次数达到最大值，则算法结束运行。
作为改进，还包括步骤S6、通过NSGA-II得到Pareto最优(帕累托最优)前沿后，使用模糊隶属度函数来评价决策者对各非劣解的综合满意度，选取综合隶属度作为最优折衷解。
作为改进，定义模糊隶属度函数为：
Figure BDA0003699751130000032
Figure BDA0003699751130000033
式中：fi为第i个目标函数值；fi,min、fj,max为第i个目标函数的最小值和最大值；Φ为目标函数的综合隶属度。
本发明的计及碳排放流的共享储能优化运行方法的有益效果是：建立上层模型和下层模型，上层模型考虑总碳排放量，下层模型考虑经济效益和负荷波动，通过算法反复迭代，求出多目标函数最优解，最终确定共享储能电站内潮流调控装置的转移功率大小和储能设备的充放电情况，从而尽可能的利用储能设备提升可再生能源发电，减少传统能源发电，提升共享储能利用率的同时，可以减少碳排放总量。
附图说明
图1是储能设备充放电过程与碳排放流关系图。
图2是共享储能系统结构图。
图3是图2中的三种储能电站的框图(其中1是35kV及以上高压储能电站，2是400V低压储能电站，3是400V、10kV和35kV高低压共用储能电站)。
图4是本发明的计及碳排放流的共享储能优化运行方法的流程图。
图5是本发明的计及碳排放流的共享储能优化运行方法的模型求解的流程图。
图6为某港区光伏Ppv、风电Pwt 和负荷Pload在24h内的数据曲线。
图7为某港区分时电价数据曲线，单位：$(美元)。
图8为按照单目标经济性对该港区多源出力系统进行优化时，电储能设备和电氢转换设备运行结果。
图9为按照单目标经济性对该港区多源出力系统进行优化时，电储能设备和电氢转换设备碳势变化曲线。
图10为当按照单目标碳流对该港区多源出力系统进行优化时，电储能设备和电氢转换设备运行结果。
图11为采用NSGA-II优化后的该港区的电储能设备和电氢转换设备运行结果。
图12为四种不同情况下经济对比图。
图13为为四种不同情况下碳排放曲线对比图。
具体实施方式
下面结合本发明创造实施例的附图，对本发明创造实施例的技术方案进行解释和说明，但下述实施例仅为本发明创造的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的其他实施例，都属于本发明创造的保护范围。
参见图1至图13，计及碳排放流的共享储能优化运行方法，所述计及碳排放流的共享储能优化运行方法包括：
步骤S1、获取可再生能源发电曲线预测数据和负荷曲线预测数据；
步骤S2、根据可再生能源发电曲线预测数据和负荷曲线预测数据分析共享储能电站各节点的富余或缺失功率情况；
步骤S3、根据各节点的功率情况、共享储能电站内潮流调控装置的系统上限和下限以及系统约束条件，以T个时段内的总碳排放量最少为目标，建立关于各节点需要转移的功率的上层模型；
步骤S4、根据实时电价及共享储能电站各节点的运行状态，以充放电经济效益最大化、充放电后负荷波动最小为目标，建立关于各节点需要转移的功率的下层模型；
步骤S5、通过算法反复迭代，求出关于上层模型和下层模型的多目标函数最优解，最终确定共享储能电站内潮流调控装置的转移功率大小和储能设备的充放电情况。
储能设备的运行影响系统碳排放流的分配过程。储能设备充电既是积累电量的过程，同时也是积累碳排放的过程；储能设备放电既是释放电量的过程，同时也是将碳排放注回电力系统的过程。当可再生能源发电充裕时，通过储能设备存储可再生能源发电，当传统能源发电量欠缺时，由储能设备放电进行补充，即通过储能设备的充放电优化可再生能源发电和传统能源发电，可以减少碳排放。
基于共享理念的储能电站，以电网为纽带，将独立分散的电网侧、电源侧、用户侧可再生能源进行全网的优化配置，交由电网进行统一协调，通过共享储能替代原有的源网荷各端储能，可以推动储能能力全面释放。其中，对储能设备的调控是减少碳排放的核心关键。
本发明的计及碳排放流的共享储能优化运行方法，建立上层模型和下层模型，上层模型考虑总碳排放量，下层模型考虑经济效益和负荷波动，通过算法反复迭代，求出多目标函数最优解，最终确定共享储能电站内潮流调控装置的转移功率大小和储能设备的充放电情况，提升共享储能利用率的同时，可以减少碳排放总量。
实施例一
参见图1至图13，计及碳排放流的共享储能优化运行方法，所述计及碳排放流的共享储能优化运行方法包括：
步骤S1、获取可再生能源发电曲线预测数据和负荷曲线预测数据；
步骤S2、根据可再生能源发电曲线预测数据和负荷曲线预测数据分析共享储能电站各节点的富余或缺失功率情况；
步骤S3、根据各节点的功率情况、共享储能电站内潮流调控装置的系统上限和下限以及系统约束条件，以T个时段内的总碳排放量最少为目标，建立关于各节点需要转移的功率的上层模型；
步骤S4、根据实时电价及共享储能电站各节点的运行状态，以充放电经济效益最大化、充放电后负荷波动最小为目标，建立关于各节点需要转移的功率的下层模型；
步骤S5、结合上层模型和下层模型，构建共享储能优化运行模型，通过算法反复迭代，求出关于上层模型和下层模型的多目标函数最优解，最终确定共享储能电站内潮流调控装置的转移功率大小和储能设备的充放电情况。
本实施例中，共享储能电站包括储能设备和电氢转换设备。
本实施例中，上层模型目标函数用公式表达为：
Figure BDA0003699751130000061
式中，FE,t表示在T个时段储能设备的碳排放量；FH-E,t表示在T个时段电氢转换设备的碳排放量；FB,t表示在T个时段传统能源支路s的碳排放量；FGi,t表示在T个时段可再生能源发电机组的碳排放量；
碳排放量＝有功出力或有功功率*放电碳势，用公式表示为：
FE,t＝PE,teE,t
FH-E,t＝PH-E,teH-E,t
Figure BDA0003699751130000062
Figure BDA0003699751130000063
式中，PE,t、eE,t分别表示在T个时段来自储能设备的有功出力和储能放电碳势；PH-E,t、eH-E,t分别表示在T个时段来自电氢转换设备的有功出力和电氢转换设备的微型燃气轮机的放电碳势；PBs,t、eBs,t分别表示在T个时段来自传统能源支路s的有功功率和主网碳势；PGi,t、eGi,t分别表示在T个时段来自第i台可再生能源发电机组的有功出力和机组碳势，K表示可再生能源发电机组数量。
本实施例中，假设储能设备在t1-t2时刻积累电量，然后在t2时刻释放电量，储能设备的放电碳势可通过下式计算：
Figure BDA0003699751130000064
式中：QE和FE表示储能设备在t1时刻的电量和累积的碳排放量；
Figure BDA0003699751130000065
和
Figure BDA0003699751130000066
表示储能设备在t1-t2时刻累积的电量和碳排放量；ηE为储能充放电的工作效率；
本实施例中，将
Figure BDA0003699751130000067
和
Figure BDA0003699751130000068
转化为求和项，放电碳势公式等同为：
Figure BDA0003699751130000071
式中：NE1和NE2分别为储能设备从传统能源支路或可再生能源发电机组吸收有功功率的时段数；Δt为时段长度，取h/12、h/6)、h/4、h/2、1h。
本实施例中，传统能源支路s的主网碳势基本等于一常数CS，可再生能源发电机组的机组碳势基本等于一常数Cr，CS远大于Cr。
本实施例中，多目标函数模型采用改进型带精英策略的非支配遗传算法NSGA-II进行求解。
本实施例中，改进型带精英策略的非支配遗传算法NSGA-II的计算过程如下：
1)种群初始化，随机生成规模为N的父代种群P0，根据约束条件修正不可行解，然后对父代种群进行非支配排序，进一步的进行选择、交叉和变异，生成子代种群Q0。
2)将第t代生成的父代种群Pt和子代种群Qt结合成规模为2N的新的种群Rt；
3)对Rt进行快速非支配排序，并优先将等级最低的2％N个随机个体放入新的父代种群，产生非支配集Fj并计算拥挤度，对拥挤度排序，生成新的父代种群Pt+1，然后再进行选择、交叉和变异产生新的子代种群Qt+1；
4)将Pt+1与Qt+1合并形成新的种群Rt+1，重复以上操作，若运行迭代次数达到最大值，则算法结束运行。
本实施例中，还包括步骤S6、通过NSGA-II得到Pareto最优(帕累托最优)前沿后，使用模糊隶属度函数来评价决策者对各非劣解的综合满意度，选取综合隶属度作为最优折衷解。
本实施例中，定义模糊隶属度函数为：
Figure BDA0003699751130000072
Figure BDA0003699751130000073
式中：fi为第i个目标函数值；fi,min、fj,max为第i个目标函数的最小值和最大值；Φ为目标函数的综合隶属度。
具体应用实例
以含风光新能源、电储能设备和电氢转换设备接入的某港区多源出力场景为例，对发明的具体应用进行说明，系统运行参数如下表所示。运行调度周期为24h，时间间隔为1h。
系统运行参数
Figure BDA0003699751130000081
多目标优化算法NSGA-II的仿真模型参数如下表所示。
仿真模型参数
Figure BDA0003699751130000082
在图6所示的港区光伏Ppv、风电Pwt 和负荷Pload在24h内的数据曲线和图7所示的分时电价数据曲线(电价单位：$(美元)，1:00-8:00、13:00-17:00谷电价(0.0339$)、9:00-12:00、22:00-24:00平电价(0.0842$)、18:00-21:00峰电价(0.1472$))的基础上，当按照单目标经济性对该港区多源出力系统进行优化时，电储能设备和电氢转换设备运行结果如图8所示。
从图8的运行结果可以看出，当仅考虑经济性优化时，整体上满足低电价时刻充电、高电价时刻放电。但是充放电时刻却不能有效保证系统功率波动，例如1:00-8:00为谷电价时刻，但是却没有在1:00-2:00和8:00电储能设备充电或电氢转换设备制氢，而是在3:00-7:00进行电储能设备充电或电氢转换设备制氢；18:00-21:00为峰电价时刻，但是却在18:00刻进行电储能设备放电或电氢转换设备放电。由此会导致系统功率波动加剧，不利于港区稳定运行。
当按照当按照单目标经济性对该港区多源出力系统进行优化时，电储能设备和电氢转换设备运行结果如图9所示。
从图9可以看出，随着存储火电功率增多，电储能设备和电氢转换设备的碳势值均较高，对港区碳排放不利。
当按照单目标碳流对该港区多源出力系统进行优化时，电储能设备和电氢转换设备运行结果如图10所示。
从图10可以看出，相较于单目标经济性优化，采用单目标碳流优化使电储能设备和电氢转换设备更趋向于存储新能源发出的功率，此时积累的碳排放更小；在负荷功率大于新能源发电功率时，将存储的能量释放回电力系统，相当于将低碳势的能量注回系统。但是经过碳流优化后的电储能设备和电氢转换设备功率变化并未考虑系统经济效益。
采用NSGA-II优化后的电储能设备和电氢转换设备运行结果如图11所示。
从图11可以看出，1:00-2:00新能源出力大于负荷，且处于谷电价，进行满功率充电和制氢状态；3:00-7:00新能源出力小于负荷，电储能设备和电氢转换设备均处于放电状态，将存储的能量全部注回系统；8:00新能源出力大于负荷，且处于谷电价，因此处于满功率充电和制氢状态；9:00处于平电价，因此将存储的谷电价能量释放；10:00-17:00新能源出力大于负荷，因此在谷电价13:00-15:00进行充电和制氢；18:00-24:00新能源出力小于负荷，因此在峰电价18:00-21:00将存储的谷电价能量注回系统。
四种不同情况下的经济对比和碳排放对比，如图12和图13所示。四种不同情况分别为：无优化、单目标经济性优化、单目标碳流优化以及多目标经济性和碳流优化。
从图12和图13可以看出，无优化时的系统经济效益最差，采用单目标经济优化时的系统碳排放量最高。对图12和图13的最终结果进行量化分析，以无优化情况作为基准值，对比结果如下表所示。
优化结果对比
Figure BDA0003699751130000091
本发明的计及碳排放流的共享储能优化运行方法的有益效果是：建立上层模型和下层模型，上层模型考虑总碳排放量，下层模型考虑经济效益和负荷波动，通过算法反复迭代，求出多目标函数最优解，最终确定共享储能电站内潮流调控装置的转移功率大小和储能设备的充放电情况，从而尽可能的利用储能设备提升可再生能源发电，减少传统能源发电，提升共享储能利用率的同时，减少碳排放总量；可以兼顾经济性和碳排放。
以上所述，仅为本发明创造的具体实施方式，但本发明创造的保护范围并不局限于此，熟悉该本领域的技术人员应该明白本发明创造包括但不限于上面具体实施方式中描述的内容。任何不偏离本发明创造的功能和结构原理的修改都将包括在权利要求书的范围中。

Claims (10)

1.计及碳排放流的共享储能优化运行方法，其特征在于：所述计及碳排放流的共享储能优化运行方法包括：
步骤S1、获取可再生能源发电曲线预测数据和负荷曲线预测数据；
步骤S2、根据可再生能源发电曲线预测数据和负荷曲线预测数据分析共享储能电站各节点的富余或缺失功率情况；
步骤S3、根据各节点的功率情况、共享储能电站内潮流调控装置的系统上限和下限以及系统约束条件，以T个时段内的总碳排放量最少为目标，建立关于各节点需要转移的功率的上层模型；
步骤S4、根据实时电价及共享储能电站各节点的运行状态，以充放电经济效益最大化、充放电后负荷波动最小为目标，建立关于各节点需要转移的功率的下层模型；
步骤S5、通过算法反复迭代，求出关于上层模型和下层模型的多目标函数最优解，最终确定共享储能电站内潮流调控装置的转移功率大小和储能设备的充放电情况。
2.根据权利要求1所述的计及碳排放流的共享储能优化运行方法，其特征在于：共享储能电站包括储能设备和电氢转换设备。
3.根据权利要求2所述的计及碳排放流的共享储能优化运行方法，其特征在于：上层模型目标函数用公式表达为：
Figure FDA0003699751120000011
式中，FE,t表示在T个时段储能设备的碳排放量；FH-E,t表示在T个时段电氢转换设备的碳排放量；FB,t表示在T个时段传统能源支路s的碳排放量；FGi,t表示在T个时段可再生能源发电机组的碳排放量；
碳排放量＝有功出力或有功功率*放电碳势，用公式表示为：
FE,t＝PE,teE,t
FH-E,t＝PH-E,teH-E,t
Figure FDA0003699751120000012
Figure FDA0003699751120000013
式中，PE,t、eE,t分别表示在T个时段来自储能设备的有功出力和储能放电碳势；PH-E,t、eH-E,t分别表示在T个时段来自电氢转换设备的有功出力和电氢转换设备的微型燃气轮机的放电碳势；PBs,t、eBs,t分别表示在T个时段来自传统能源支路s的有功功率和主网碳势；PGi,t、eGi,t分别表示在T个时段来自第i台可再生能源发电机组的有功出力和机组碳势，K表示可再生能源发电机组数量。
4.根据权利要求3所述的计及碳排放流的共享储能优化运行方法，其特征在于：假设储能设备在t1-t2时刻积累电量，然后在t2时刻释放电量，储能设备的放电碳势通过下式计算：
Figure FDA0003699751120000021
式中：QE和FE表示储能设备在t1时刻的电量和累积的碳排放量；
Figure FDA0003699751120000022
和
Figure FDA0003699751120000023
表示储能设备在t1-t2时刻累积的电量和碳排放量；ηE为储能充放电的工作效率；
电氢转换设备的放电碳势采用同样的方法计算。
5.根据权利要求4所述的计及碳排放流的共享储能优化运行方法，其特征在于：将
Figure FDA0003699751120000024
和
Figure FDA0003699751120000025
转化为求和项，放电碳势公式等同为：
Figure FDA0003699751120000026
式中：NE1和NE2分别为储能设备从传统能源支路或可再生能源发电机组吸收有功功率的时段数；Δt为时段长度，取h/12、h/6)、h/4、h/2、1h。
6.根据权利要求5所述的计及碳排放流的共享储能优化运行方法，其特征在于：传统能源支路s的主网碳势基本等于一常数CS，可再生能源发电机组的机组碳势基本等于一常数Cr，CS远大于Cr。
7.根据权利要求1所述的计及碳排放流的共享储能优化运行方法，其特征在于：多目标函数模型采用改进型带精英策略的非支配遗传算法NSGA-II进行求解。
8.根据权利要求7所述的计及碳排放流的共享储能优化运行方法，其特征在于：改进型带精英策略的非支配遗传算法NSGA-II的计算过程如下：
1)种群初始化，随机生成规模为N的父代种群P0，根据约束条件修正不可行解，然后对父代种群进行非支配排序，进一步的进行选择、交叉和变异，生成子代种群Q0。
2)将第t代生成的父代种群Pt和子代种群Qt结合成规模为2N的新的种群Rt；
3)对Rt进行快速非支配排序，并优先将等级最低的2％N个随机个体放入新的父代种群，产生非支配集Fj并计算拥挤度，对拥挤度排序，生成新的父代种群Pt+1，然后再进行选择、交叉和变异产生新的子代种群Qt+1；
4)将Pt+1与Qt+1合并形成新的种群Rt+1，重复以上操作，若运行迭代次数达到最大值，则算法结束运行。
9.根据权利要求8所述的计及碳排放流的共享储能优化运行方法，其特征在于：还包括步骤S6、通过NSGA-II得到Pareto最优前沿后，使用模糊隶属度函数来评价决策者对各非劣解的综合满意度，选取综合隶属度作为最优折衷解。
10.根据权利要求9所述的计及碳排放流的共享储能优化运行方法，其特征在于：定义模糊隶属度函数为：
Figure FDA0003699751120000031
Figure FDA0003699751120000032
式中：fi为第i个目标函数值；fi,min、fj,max为第i个目标函数的最小值和最大值；Φ为目标函数的综合隶属度。
CN202210685421.7A 2022-06-17 2022-06-17 计及碳排放流的共享储能优化运行方法 Pending CN115102159A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210685421.7A CN115102159A (zh) 2022-06-17 2022-06-17 计及碳排放流的共享储能优化运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210685421.7A CN115102159A (zh) 2022-06-17 2022-06-17 计及碳排放流的共享储能优化运行方法

Publications (1)

Publication Number Publication Date
CN115102159A true CN115102159A (zh) 2022-09-23

Family

ID=83291592

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210685421.7A Pending CN115102159A (zh) 2022-06-17 2022-06-17 计及碳排放流的共享储能优化运行方法

Country Status (1)

Country Link
CN (1) CN115102159A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115689123A (zh) * 2022-11-17 2023-02-03 国网浙江省电力有限公司物资分公司 一种碳足迹跟踪处理方法、装置以及介质
CN115860287A (zh) * 2023-03-02 2023-03-28 东方电气集团科学技术研究院有限公司 一种用于储能与发电机组的低碳经济性调度方法
CN117057634B (zh) * 2023-10-13 2024-01-02 国网湖北省电力有限公司经济技术研究院 储能电站参与电力现货市场的低碳运行优化方法及系统
CN117521920A (zh) * 2023-12-29 2024-02-06 湖南工商大学 应用于能源系统的协同优化方法和装置
CN117713251A (zh) * 2024-02-05 2024-03-15 华北电力大学 一种电氢碳多能源系统的稳态多能量流计算方法及系统
CN115689123B (zh) * 2022-11-17 2024-10-25 国网浙江省电力有限公司物资分公司 一种碳足迹跟踪处理方法、装置以及介质

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115689123A (zh) * 2022-11-17 2023-02-03 国网浙江省电力有限公司物资分公司 一种碳足迹跟踪处理方法、装置以及介质
CN115689123B (zh) * 2022-11-17 2024-10-25 国网浙江省电力有限公司物资分公司 一种碳足迹跟踪处理方法、装置以及介质
CN115860287A (zh) * 2023-03-02 2023-03-28 东方电气集团科学技术研究院有限公司 一种用于储能与发电机组的低碳经济性调度方法
CN115860287B (zh) * 2023-03-02 2023-05-12 东方电气集团科学技术研究院有限公司 一种用于储能与发电机组的低碳经济性调度方法
CN117057634B (zh) * 2023-10-13 2024-01-02 国网湖北省电力有限公司经济技术研究院 储能电站参与电力现货市场的低碳运行优化方法及系统
CN117521920A (zh) * 2023-12-29 2024-02-06 湖南工商大学 应用于能源系统的协同优化方法和装置
CN117521920B (zh) * 2023-12-29 2024-04-05 湖南工商大学 应用于能源系统的协同优化方法和装置
CN117713251A (zh) * 2024-02-05 2024-03-15 华北电力大学 一种电氢碳多能源系统的稳态多能量流计算方法及系统
CN117713251B (zh) * 2024-02-05 2024-04-26 华北电力大学 一种电氢碳多能源系统的稳态多能量流计算方法及系统

Similar Documents

Publication Publication Date Title
CN109919478B (zh) 一种考虑综合供能可靠性的综合能源微网规划方法
CN115102159A (zh) 计及碳排放流的共享储能优化运行方法
CN105811409B (zh) 一种含电动汽车混合储能系统的微网多目标运行调度方法
CN107508328A (zh) 考虑风电消纳的联合系统能量优化方法
CN112990523B (zh) 区域综合能源系统分层优化运行方法
CN105787605A (zh) 基于改进型量子遗传算法的微网经济优化运行调度方法
CN114221338B (zh) 考虑电源灵活性和互补性的多能源电力系统优化调度方法
CN115640982B (zh) 基于抽水蓄能优先调节的多能互补系统日前优化调度方法
CN109636056A (zh) 一种基于多智能体技术的多能源微网去中心化优化调度方法
CN111668878A (zh) 一种可再生微能源网的优化配置方法和系统
CN113850474A (zh) 一种热电氢多能流综合能源系统及其优化调度方法
CN111293718A (zh) 基于场景分析的交直流混合微网分区二层优化运行方法
CN111884263A (zh) 多目标配电网优化方法
CN117578537A (zh) 基于碳交易和需求响应的微电网优化调度方法
CN117081143A (zh) 促进分布式光伏就地消纳的园区综合能源系统协调优化运行方法
CN116805803A (zh) 基于自适应mpc的风光储离网制氢系统能量调度方法
CN111144633A (zh) 一种cchp微电网运行优化方法
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
CN116865271A (zh) 一种基于数字孪生驱动的微电网多智能体协调优化控制策略
CN116362396A (zh) 一种风光储耦合制氢系统的容量优化配置方法及系统
CN115841216A (zh) 计及分布式光伏消纳率的配电网储能优化配置方法
CN113794241B (zh) 低压智能电网用户侧源储荷的优化调度方法及装置
CN114519249A (zh) 考虑用户体验的虚拟电厂运行优化方法及其应用
CN115375343A (zh) 一种考虑分布式电源消纳效益的配电网协同互动方法
Yu et al. Double-layer planning configuration with distributed PV power and energy storage system

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