CN115221699B - 一种基于共享合作社的储能系统容量优化方法 - Google Patents

一种基于共享合作社的储能系统容量优化方法 Download PDF

Info

Publication number
CN115221699B
CN115221699B CN202210801113.6A CN202210801113A CN115221699B CN 115221699 B CN115221699 B CN 115221699B CN 202210801113 A CN202210801113 A CN 202210801113A CN 115221699 B CN115221699 B CN 115221699B
Authority
CN
China
Prior art keywords
energy storage
storage system
life cycle
power
charge
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
Application number
CN202210801113.6A
Other languages
English (en)
Other versions
CN115221699A (zh
Inventor
张宸
詹昕
于翔
赵越
刘恒门
李培培
彭冰月
阮文青
刘钰
张炜
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.)
Yangzhou Power Supply Branch Of State Grid Jiangsu Electric Power Co ltd
State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Yangzhou Power Supply Branch Of State Grid Jiangsu Electric Power Co ltd
State Grid Jiangsu 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 Yangzhou Power Supply Branch Of State Grid Jiangsu Electric Power Co ltd, State Grid Jiangsu Electric Power Co Ltd filed Critical Yangzhou Power Supply Branch Of State Grid Jiangsu Electric Power Co ltd
Priority to CN202210801113.6A priority Critical patent/CN115221699B/zh
Publication of CN115221699A publication Critical patent/CN115221699A/zh
Application granted granted Critical
Publication of CN115221699B publication Critical patent/CN115221699B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393Score-carding, benchmarking or key performance indicator [KPI] analysis
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

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)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • Power Engineering (AREA)
  • Geometry (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种基于共享合作社的储能系统容量优化方法。包括以下步骤:1)建立峰谷分时电价下的收益模型;2)建立计及储能系统全生命周期的投资成本模型;3)建立基于时间权重的储能成本分摊模型;4)综合考虑步骤1)‑步骤3)中的模型,以共享合作社内用户的净收益最大,建立季节性储能优化配置模型;5)明确储能系统的约束条件;6)以储能系统的额定功率和额定容量为优化变量,采用遗传算法求解季节性储能优化配置模型,输出最优解。本发明能够满足多用户季节性高峰需求,减少共享合作社内单个用户的投资成本,缩短储能投资回收周期,同时提高储能装置的年利用率,充分发挥储能系统短期动态增容的作用。

Description

一种基于共享合作社的储能系统容量优化方法
技术领域
本发明涉及储能系统容量优化领域,具体涉及一种基于共享合作社的储能系统容量优化方法。
背景技术
随着我国可再生能源发展迅速、装机规模不断提高,储能技术逐渐被引入到电力系统中,储能系统凭借其良好的充放电特点,可以有效的实现需求侧管理。季节性间歇性负荷由于季节变化,用电需求呈现较大的差异。若采取变压器扩容措施,则将在非高峰季节造成变压器资源的过度浪费。投资储能系统实现高峰季节的动态增容,能够有效避免资源过度浪费现象。
但储能系统的投资成本很高,即使在峰谷价差较高的地区,投资回报周期也普遍在七年以上。共享储能正是在此背景下产生的新一代储能理念,其实质上是基于共享经济的一种新型储能商业模式,在临时性负荷、尖峰负荷等短期负荷需求方面具有重要的意义。
目前,针对临时性负荷、尖峰负荷等短期用电负荷,单独投资储能系统的成本昂贵,并且一年大部分时间储能系统处于闲置状态,未能得到充分利用。
因此,基于共享模式,对储能系统的容量优化显得尤为重要。
发明内容
本发明针对以上问题,提供一种基于共享合作社的储能系统容量优化方法。
本发明的技术方案为:包括以下步骤:
步骤1):建立峰谷分时电价下的收益模型;
步骤2):建立计及储能系统全生命周期的投资成本模型;
步骤3):建立基于时间权重的储能成本分摊模型;
步骤4):综合考虑步骤1)-步骤3)中的模型,以共享合作社内用户的净收益最大,建立季节性储能优化配置模型;其中,共享合作为:将季节性高峰用电需求月份的用户聚合,共同出资建设一个储能系统,供用户共享使用;
步骤5):明确储能系统的约束条件;
步骤6):以储能系统的额定功率和额定容量为优化变量,采用遗传算法求解季节性储能优化配置模型,输出最优解。
步骤1)中,
所述峰谷分时电价下的收益模型为:
R=R1+R2+R3 (1)
其中,R为峰谷分时电价下计及储能全生命周期的收益,R1为峰谷分时电价下计及储能全生命周期的电量电费削减收益,R2为计及储能全生命周期的变压器容量电费削减收益,R3为计及储能全生命周期的政府补贴收益;
式中,T为共享储能的全寿命周期,D为储能的年运行天数,k为一天24个小时段,Δt为时段间隔,Pdis(t)、Pch(t)分别为t时段储能系统的放电、充电功率,均为正值,m(t)为t时段所对应的电度电费,tr为年通货膨胀率,dr为贴现率;
式中,T为共享储能的全寿命周期,M为一年的运行月数,h为需量电费电价,Hbmax为配置储能前的负荷最大需量,Hamax为配置储能后的负荷最大需量,tr为年通货膨胀率,dr为贴现率;
式中,Tg为储能投运后政府补贴年限,D为储能的年运行天数,k为一天24个小时段,Pdis(t)为t时段储能系统的放电功率,mg为政府补贴价格,tr为年通货膨胀率,dr为贴现率。
步骤2)中,
所述计及储能系统全生命周期的投资成本模型为:
C=C1+C2 (5)
其中,C为计及储能系统全生命周期的总投资成本,C1为储能系统的一次性投资成本,C2为储能系统全生命周期内的运行维护成本;
C1=CEEbat+CPPbat (6)
式中,CE为储能的单位容量成本,CP为单位功率成本,Ebat为储能系统的额定容量,Pbat为储能系统的额定功率;
式中,T为共享储能的全寿命周期,Cm为储能系统单位功率运行维护成本,Pbat为储能系统的额定功率,tr为年通货膨胀率,dr为贴现率。
步骤3)中,
基于时间权重的储能成本分摊模型为:
Cshare,i=γiC (8)
其中,Cshare,i为第i个用户分摊的储能系统的成本,C为计及储能系统全生命周期的总投资成本,n为用户数量,γi为第i个用户的时间权重,Ti为第i个用户一年内使用储能的天数。
步骤4)中,
以共享合作社内用户的净收益最大,建立季节性储能优化配置模型:
其中,F为共享合作社储能系统的净收益,n为用户数量,γi为第i个用户的时间权重,R1为峰谷分时电价下计及储能全生命周期的电量电费削减收益,R2为计及储能全生命周期的变压器容量电费削减收益,R3为计及储能全生命周期的政府补贴收益;C1为储能系统的一次性投资成本,C2为储能系统全生命周期内的运行维护成本。
步骤5)中,
储能系统的约束条件包括功率约束、荷电状态约束、充放电状态约束和负荷功率约束;功率约束表达式:
其中,λ为充放电倍率,Pdis(t)、Pch(t)分别为t时段储能系统的放电、充电功率,Ebat为储能系统的额定容量,Pbat为储能系统的额定功率;
荷电状态约束表达式:
其中,SoC(t)为t时刻储能系统的荷电状态,SoCmax和SoCmin分别为储能系统最大、最小荷电状态,SoC(0)和SoC(24)分别为储能系统在一天内始、末荷电状态,E(t+1)和E(t)分别为第t+1时刻和t时刻储能系统的剩余容量,η为储能系统的充放电效率;
充放电约束表达式:
Sdis(t)·Sch(t)=0 (13)
其中,Sdis和Sch均为0-1变量,分别表示t时段储能系统的充放电状态,充电时,Sdis=0,Sch=1;放电时,Sdis=1,Sch=0;既不充电也不放电时,Sdis=Sch=0;
负荷功率约束表达式:
其中,loadb(t)为使用储能前t时刻的负荷功率,loada(t)为使用储能后t时刻的负荷功率,Pdis(t)、Pch(t)分别为t时段储能系统的放电、充电功率,Hbmax为配置储能前的负荷最大需量,Hamax为配置储能后的负荷最大需量。
本发明提出了一种基于共享合作社的储能系统容量优化方法,以季节性间歇性用户储能为研究对象,建立了基于共享关系的计及储能全生命周期的储能优化配置模型。相较于用户单独配置储能,共享模式下共同投资运营储能装置既可以降低单个用户的投资压力,降低用户自身的购电成本,同时也提高了储能装置的利用率,充分发挥储能系统的作用。
附图说明
图1是本发明的流程图;
图2是本发明在遗传算法流程图。
具体实施方式
以下结合附图对本发明的实施方案和具体的操作过程做出说明,但本发明的保护范围不限于下述的具体说明。
本发明如图1所示,包括以下步骤:
步骤1):根据用户动态增容、削峰填谷的运行策略,建立峰谷分时电价下的收益模型;
峰谷分时电价下的收益模型考虑三部分,包括峰谷套利收益、削减的容量电费收益和政府对投资储能的补贴。
峰谷套利是最基本的收益;削减的容量电费收益为:如果为了满足用电需求而进行变压器增容,则需要多缴纳容量电费,而投资储能可以减少这部分支出;政府补贴为:政府为了鼓励扶持地方储能的发展而出台的一个补贴政策。
通过这三部分之和作为用户投资储能后的收益。
峰谷分时电价下的收益模型为:
R=R1+R2+R3 (1)
其中,R为峰谷分时电价下计及储能全生命周期的收益。
季节性高峰用户投资储能的收益包括:峰谷套利下的电量电费削减收益、变压器容量电费削减收益和政府补贴收益;
用户电量电费削减收益为:
其中,R1为峰谷分时电价下计及储能全生命周期的电量电费削减收益,T为共享储能的全寿命周期,D为储能的年运行天数,k为一天24个小时段,Δt为时段间隔(以1h为界),Pdis(t)、Pch(t)分别为t时段储能系统的放电、充电功率,均为正值,m(t)为t时段所对应的电度电费,tr为年通货膨胀率,dr为贴现率;
变压器容量电费削减收益为:
其中,R2为计及储能全生命周期的变压器容量电费削减收益,M为一年的运行月数,h为需量电费电价,Hbmax为配置储能前的负荷最大需量,Hamax为配置储能后的负荷最大需量;
政府补贴收益为:
其中,R3为计及储能全生命周期的政府补贴收益,Tg为储能投运后政府补贴年限,mg为政府补贴价格,仅在峰期放电有效;
步骤2):综合考虑储能系统功率成本、容量成本和运行维护成本,建立计及储能系统全生命周期的投资成本模型;
计及储能系统全生命周期的投资成本模型为:
C=C1+C2 (5)
其中,C为计及储能系统全生命周期的总投资成本。
储能系统的一次性投资成本包括储能功率成本和容量成本;
储能系统的一次性投资成本模型为:
C1=CEEbat+CPPbat (6)
其中,C1为储能系统的一次性投资成本,CE为储能的单位容量成本,CP为单位功率成本,Ebat为储能系统的额定容量,Pbat为储能系统的额定功率;
储能系统全生命周期内的运行维护成本模型为:
其中,C2为储能系统全生命周期内的运行维护成本,Cm为储能系统单位功率运行维护成本;
步骤3):根据季节性用户高峰需求月份的时间互补性,建立基于时间权重的储能成本分摊模型;
一年内在月度用电高峰互补的多个用户共同投资一个储能系统,需要对储能的投资成本进行分摊。因此,制定基于用户使用储能时长的成本分摊模型。
考虑到共享合作社内各用户实际使用储能的时长不同,因此各自所投入的成本也有所差异。本文以年为单位,共享合作社内各成员根据时间权重分摊储能系统的投资成本;
基于时间权重的储能成本分摊模型为:
Cshare,i=γiC (8)
其中,Cshare,i为第i个用户分摊的储能系统的成本,C为计及储能系统全生命周期的总投资成本,n为用户数量,γi为第i个用户的时间权重,Ti为第i个用户一年内使用储能的天数。
步骤4):综合考虑步骤1)-步骤3)中的模型,以共享合作社内用户的净收益最大,建立季节性储能优化配置模型;其中,共享合作为:将季节性高峰用电需求月份的用户聚合,共同出资建设一个储能系统,供用户共享使用;
综合考虑共享合作社用户收益、一次性投资成本、运行维护成本三方面因素,以共享合作社内用户的净收益最大,建立季节性储能优化配置模型:
其中,F为共享合作社储能系统的净收益,n为用户数量,γi为第i个用户的时间权重,R1为峰谷分时电价下计及储能全生命周期的电量电费削减收益,R2为计及储能全生命周期的变压器容量电费削减收益,R3为计及储能全生命周期的政府补贴收益;C1为储能系统的一次性投资成本,C2为储能系统全生命周期内的运行维护成本。
步骤5):明确储能系统的约束条件;
储能系统的约束条件包括功率约束、荷电状态约束、充放电状态约束和负荷功率约束;
充放电倍率是反映电池充放电速度和能力的标志,可以用最大充放电电流与额定容量之比表示,在储能系统运行时,该倍率直接决定了最大充放电功率,并且用户的充放电功率不能超过储能系统本身的额定功率,功率约束表达式:
其中,λ为充放电倍率,Pdis(t)、Pch(t)分别为t时段储能系统的放电、充电功率,Ebat为储能系统的额定容量,Pbat为储能系统的额定功率;
电池储能系统输出功率大小与电芯寿命有关,为了避免储能系统过充过放,在运行时需要保持各时段的电量维持在允许的上下限内,同时,为了保证储能系统运行一个周期结束后回到初始荷电状态,需要始末荷电状态一致,并且荷电状态具有连续性特点,荷电状态约束表达式:
其中,SoC(t)为t时刻储能系统的荷电状态,SoCmax和SoCmin分别为储能系统最大、最小荷电状态,SoC(0)和SoC(24)分别为储能系统在一天内始、末荷电状态,E(t+1)和E(t)分别为第t+1时刻和t时刻储能系统的剩余容量,η为储能系统的充放电效率。
由于储能系统的工作状态只能为充电或者放电,二者不能同时进行,充放电约束表达式:
Sdis(t)·Sch(t)=0 (13)
其中,Sdis和Sch均为0-1变量,分别表示t时段储能系统的充放电状态,充电时,Sdis=0,Sch=1;放电时,Sdis=1,Sch=0;既不充电也不放电时,Sdis=Sch=0;
配置储能后,各工业用户在t时段的负荷功率不应超过最大需量值,并且以降低负荷峰值为目标,因此在配置储能后,负荷最大需量本身应不大于原来负荷的峰值,避免形成新的负荷高峰,同时,使用储能后的负荷功率不应小于0,负荷功率约束表达式:
其中,loadb为原始负荷功率,loada为使用储能后的负荷功率,Pdis(t)、Pch(t)分别为t时段储能系统的放电、充电功率,Hbmax为配置储能前的负荷最大需量,Hamax为配置储能后的负荷最大需量。
步骤6):以储能系统的额定功率和额定容量为优化变量,采用遗传算法求解季节性储能优化配置模型,输出最优解。
以储能系统的额定功率和额定容量为优化变量,借助Python软件,采用如图2中的遗传算法进行优化,求解季节性储能优化配置模型的最优解(即储能系统的总体容量)。
储能系统相关参数如表1所示。
表1储能系统相关参数
根据苏发改价格发[2020]1183号文件约定,两部制电价机制下峰谷电价如表2所示。
表2峰谷分时机制下的两部制电价表
利用遗传算法进行优化后的储能系统优化配置结果如表3所示。
表3共享合作社4位用户优化结果
最优解得出的参数为表3配置的储能系统容量和功率。
若用户1单独配置储能,10年的净收益仅为1.7万元左右,投资回报年限长达9年,与共享合作社相比,净收益少,回报年限长。由于用户2-4一年中使用的储能时长太短,若单独配置储能,则在储能系统的寿命周期内无法收回成本,无法用具体的数值表示。
与单个用户单独投资储能相比,共享合作社模式可以有效增加各用户的净收益,减少储能投资成本,缩短投资回报年限,减少储能系统的闲置时间,从而提高储能系统的利用率。
本发明将一年内在时间上高峰需求有互补特性的用户聚合起来,共同投资一个储能系统。
本发明实现了基于共享合作社的储能系统的应用目标前提下,减少了投资者的投资成本,提高了储能系统的时间利用率。
本文中所描述的有关方法步骤和数据只是本发明的具体实施例,是对本发明精神的总体阐述和举例说明,本发明所属领域的技术人员还可以意识到变型或可选的实施例的多种可能性,在本发明的精神和原理启发下,作各种修改、补充、改进或者替代。可以理解的是,这些修改、补充、改进或者替代井被认为是包括在本发明中,而并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (4)

1.一种基于共享合作社的储能系统容量优化方法,其特征在于,包括以下步骤:
步骤1):建立峰谷分时电价下的收益模型;
步骤2):建立计及储能系统全生命周期的投资成本模型;
步骤3):建立基于时间权重的储能成本分摊模型;
步骤4):综合考虑步骤1)-步骤3)中的模型,以共享合作社内用户的净收益最大,建立季节性储能优化配置模型;其中,共享合作为:将季节性高峰用电需求月份的用户聚合,共同出资建设一个储能系统,供用户共享使用;
步骤5):明确储能系统的约束条件;
步骤6):以储能系统的额定功率和额定容量为优化变量,采用遗传算法求解季节性储能优化配置模型,输出最优解;
步骤4)中,
以共享合作社内用户的净收益最大,建立季节性储能优化配置模型:
其中,F为共享合作社储能系统的净收益,n为用户数量,γi为第i个用户的时间权重,R1为峰谷分时电价下计及储能全生命周期的电量电费削减收益,R2为计及储能全生命周期的变压器容量电费削减收益,R3为计及储能全生命周期的政府补贴收益;C1为储能系统的一次性投资成本,C2为储能系统全生命周期内的运行维护成本;
步骤5)中,
储能系统的约束条件包括功率约束、荷电状态约束、充放电状态约束和负荷功率约束;
功率约束表达式:
其中,λ为充放电倍率,Pdis(t)、Pch(t)分别为t时段储能系统的放电、充电功率,Ebat为储能系统的额定容量,Pbat为储能系统的额定功率;
荷电状态约束表达式:
其中,SoC(t)为t时刻储能系统的荷电状态,SoCmax和SoCmin分别为储能系统最大、最小荷电状态,SoC(0)和SoC(24)分别为储能系统在一天内始、末荷电状态,E(t+1)和E(t)分别为第t+1时刻和t时刻储能系统的剩余容量,η为储能系统的充放电效率;
充放电约束表达式:
Sdis(t)·Sch(t)=0 (13)
其中,Sdis和Sch均为0-1变量,分别表示t时段储能系统的充放电状态,充电时,Sdis=0,Sch=1;放电时,Sdis=1,Sch=0;既不充电也不放电时,Sdis=Sch=0;
负荷功率约束表达式:
其中,loadb(t)为使用储能前t时刻的负荷功率,loada(t)为使用储能后t时刻的负荷功率,Pdis(t)、Pch(t)分别为t时段储能系统的放电、充电功率,Hbmax为配置储能前的负荷最大需量,Hamax为配置储能后的负荷最大需量,k为一天24个小时段。
2.根据权利要求1所述的一种基于共享合作社的储能系统容量优化方法,其特征在于,步骤1)中,
所述峰谷分时电价下的收益模型为:
R=R1+R2+R3 (1)
其中,R为峰谷分时电价下计及储能全生命周期的收益,R1为峰谷分时电价下计及储能全生命周期的电量电费削减收益,R2为计及储能全生命周期的变压器容量电费削减收益,R3为计及储能全生命周期的政府补贴收益;
式中,T为共享储能的全寿命周期,D为储能的年运行天数,k为一天24个小时段,Δt为时段间隔,Pdis(t)、Pch(t)分别为t时段储能系统的放电、充电功率,均为正值,m(t)为t时段所对应的电度电费,tr为年通货膨胀率,dr为贴现率;
式中,T为共享储能的全寿命周期,M为一年的运行月数,h为需量电费电价,Hbmax为配置储能前的负荷最大需量,Hamax为配置储能后的负荷最大需量,tr为年通货膨胀率,dr为贴现率;
式中,Tg为储能投运后政府补贴年限,D为储能的年运行天数,k为一天24个小时段,Pdis(t)为t时段储能系统的放电功率,mg为政府补贴价格,tr为年通货膨胀率,dr为贴现率。
3.根据权利要求1所述的一种基于共享合作社的储能系统容量优化方法,其特征在于,步骤2)中,
所述计及储能系统全生命周期的投资成本模型为:
C=C1+C2 (5)
其中,C为计及储能系统全生命周期的总投资成本,C1为储能系统的一次性投资成本,C2为储能系统全生命周期内的运行维护成本;
C1=CEEbat+CPPbat (6)
式中,CE为储能的单位容量成本,CP为单位功率成本,Ebat为储能系统的额定容量,Pbat为储能系统的额定功率;
式中,T为共享储能的全寿命周期,Cm为储能系统单位功率运行维护成本,Pbat为储能系统的额定功率,tr为年通货膨胀率,dr为贴现率。
4.根据权利要求1所述的一种基于共享合作社的储能系统容量优化方法,其特征在于,步骤3)中,
基于时间权重的储能成本分摊模型为:
Cshare,i=γiC (8)
其中,Cshare,i为第i个用户分摊的储能系统的成本,C为计及储能系统全生命周期的总投资成本,n为用户数量,γi为第i个用户的时间权重,Ti为第i个用户一年内使用储能的天数,D为储能的年运行天数。
CN202210801113.6A 2022-07-08 2022-07-08 一种基于共享合作社的储能系统容量优化方法 Active CN115221699B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210801113.6A CN115221699B (zh) 2022-07-08 2022-07-08 一种基于共享合作社的储能系统容量优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210801113.6A CN115221699B (zh) 2022-07-08 2022-07-08 一种基于共享合作社的储能系统容量优化方法

Publications (2)

Publication Number Publication Date
CN115221699A CN115221699A (zh) 2022-10-21
CN115221699B true CN115221699B (zh) 2023-10-27

Family

ID=83610382

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210801113.6A Active CN115221699B (zh) 2022-07-08 2022-07-08 一种基于共享合作社的储能系统容量优化方法

Country Status (1)

Country Link
CN (1) CN115221699B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117709636B (zh) * 2023-12-11 2024-06-25 通号(长沙)轨道交通控制技术有限公司 地面储能系统容量配置方法、终端设备及存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111241463A (zh) * 2020-03-03 2020-06-05 国网江苏省电力有限公司镇江供电分公司 一种基于双层优化模型的用户侧储能装置容量配置方法
CN113034174A (zh) * 2021-03-05 2021-06-25 国网安徽省电力有限公司电力科学研究院 用户侧的共享储能电站优化配置方法和系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9300141B2 (en) * 2010-11-18 2016-03-29 John J. Marhoefer Virtual power plant system and method incorporating renewal energy, storage and scalable value-based optimization

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111241463A (zh) * 2020-03-03 2020-06-05 国网江苏省电力有限公司镇江供电分公司 一种基于双层优化模型的用户侧储能装置容量配置方法
CN113034174A (zh) * 2021-03-05 2021-06-25 国网安徽省电力有限公司电力科学研究院 用户侧的共享储能电站优化配置方法和系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Optimal operation of distributed energy storage systems to improve distribution network load and generation hosting capability.IEEE.2016,第250-261页. *

Also Published As

Publication number Publication date
CN115221699A (zh) 2022-10-21

Similar Documents

Publication Publication Date Title
CN110188950B (zh) 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法
CN110556850B (zh) 电动汽车退役电池用于换电站储能的容量配置方法
CN110516855B (zh) 一种面向负荷聚合商的分布式储能控制权优化调度方法
CN109217290B (zh) 计及电动汽车充放电的微网能量优化管理方法
CN107769235B (zh) 一种基于混合储能与电动汽车的微网能量管理方法
CN111049198B (zh) 考虑储能寿命和调频性能的风储联合运行优化方法及系统
CN110633854A (zh) 一种考虑储能电池多重分段服务全生命周期优化规划方法
CN110912166B (zh) 一种多用户共享储能模式的储能容量配置方法
CN115994656A (zh) 分时电价下计及激励需求响应的虚拟电厂经济调度方法
CN110126679B (zh) 一种燃料电池最佳工作点的获取方法
WO2023226368A1 (zh) 电动汽车集群充放电控制方法、系统及相关设备
CN110492482A (zh) 一种用于延缓配电设备升级改造的储能经济调度方法
CN111177637A (zh) 电动汽车换电站动力电池的容量配置方法
CN112101632B (zh) 基于分布式估计算法楼宇负荷优化调度方法
CN115221699B (zh) 一种基于共享合作社的储能系统容量优化方法
CN112865146A (zh) 一种用户侧储能系统协调化运行策略的生成方法
CN116388246A (zh) 一种电氢综合能源系统的优化调度方法及系统
Yi et al. Power demand side response potential and operating model based on EV mobile energy storage
Jiang et al. Electricity charge saved for industrial and commercial utilizing cloud energy storage services
CN116362400A (zh) 一种基于光储系统配置的大工业用户电费优化方法
Li et al. A V2G Scheduling Strategy Based on Electric Vehicle Users' Willingness Model
CN114069669B (zh) 一种共享储能运行模式控制方法
CN116316844A (zh) 发电侧储能电站的建设与运行分层优化设计方法
CN114971154A (zh) 一种包含碳交易机制的可再生能源消纳方法
CN111952996B (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

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