CN115347586A - 多约束多目标优化的新能源场站储能优化配置系统与方法 - Google Patents
多约束多目标优化的新能源场站储能优化配置系统与方法 Download PDFInfo
- Publication number
- CN115347586A CN115347586A CN202211045777.0A CN202211045777A CN115347586A CN 115347586 A CN115347586 A CN 115347586A CN 202211045777 A CN202211045777 A CN 202211045777A CN 115347586 A CN115347586 A CN 115347586A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- charge
- power
- discharge
- constraint condition
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 262
- 238000005457 optimization Methods 0.000 title claims description 76
- 238000000034 method Methods 0.000 title claims description 53
- 230000005611 electricity Effects 0.000 claims abstract description 82
- 238000012545 processing Methods 0.000 claims abstract description 32
- 238000003860 storage Methods 0.000 claims abstract description 13
- 230000006870 function Effects 0.000 claims description 76
- 230000008901 benefit Effects 0.000 claims description 29
- 238000006243 chemical reaction Methods 0.000 claims description 27
- 238000007599 discharging Methods 0.000 claims description 26
- 238000010977 unit operation Methods 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 7
- 125000004122 cyclic group Chemical group 0.000 claims description 6
- 238000011084 recovery Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000009776 industrial production Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000012261 overproduction Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 101150082690 Pou3f1 gene Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process 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
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- 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
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- H02J3/007—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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given 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
- 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
- H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Power Engineering (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本公开提出一种多约束多目标优化的新能源场站储能优化配置系统与方法，该系统包括获取模块获取场站市场数据，场站市场数据包括结算收入、电量电价、储能系统的充放电功率、额定功率、储能充电量、可用容量和额定容量；目标函数处理模块基于结算收入、电量电价、额定功率、储能充电量、和额定容量构造目标函数；约束条件处理模块基于充放电功率、额定功率、储能充电量、可用容量和额定容量确定约束条件；控制模块在约束条件满足的情况下，获取目标函数的最优解，从而获得储能系统的最优容量和最优功率，基于最优容量和最优功率对场站储能进行配置。根据本公开的系统能够从多个角度综合考虑使得储能系统的配置更合理。
Description
技术领域
本公开涉及新能源场站储能优化技术领域，尤其涉及一种多约束多目标优化的新能源场站储能优化配置系统与方法。
背景技术
随着经济的迅猛发展，各行各业对于能源的需求也在不断增加。但是与此同时，传统化石能源作为不可再生能源的不断消耗逐渐衰竭，和其使用过程中产生的一系列环境污染、碳排放问题，使得能源行业需要加快转变步伐，才能跟得上经济的发展。能源产业结构发生改变，绿色清洁、可持续发展的可再生能源逐步替代化石能源成为必然。
大量光伏、风电作为可再生能源受到环境因素的影响，存在出力的间歇性、波动性和不确定性，导致可再生能源的预测出力和实际出力之间存在偏差，使得可再生能源在现货市场中产生超额获利回收损失和超发损失，偏差越大损失越大。其中，超额获利回收损失一般是指由于在电力现货交易市场中，实发电量和日前出清电量的差异会造成风电损失，将风电市场分时偏差电量超出允许偏差范围的电量，纳入资金余缺处理，产生“超额获利回收损失”。超发损失一般是指实发电量和日前出清电量的偏差在电力现货交易市场中会造成风电损失，其中风电市场实际电量与申报电量的偏差，并且标杆电价与实时电价的差值，两种因素共同作用导致“超发损失”。
现有技术中一般通过储能系统对可再生能源的实际出力进行调节以改变偏差，进而减少损失、提高收益。当现货价格低并且可再生能源发电输出功率过剩时，将超出期望功率的电能存储起来；当现货价格高并且可再生能源发电不足时，向电网提供功率缺额，以提高经济效益。然而，由于不同的储能设备，其制作材料、应用性能及应用场景不同，导致目前储能成本较高。如果储能系统的容量、功率过小，则调节能力有限，无法有效改变可再生能源预测出力与实际出力的偏差、减少损失、提高收益；而储能系统的容量、功率过大，则会为储能系统带来更高的投资成本和维护成本，严重制约了储能的应用空间。长期以来，工程人员一直在关注如何优化储能配置，合理地选择储能系统容量和功率，使得储能系统在投资成本与电力市场收益之间取得平衡。
在现阶段的研究中，有些研究为了获得更好的利益，通过分时定价机制，采用低谷能量存储和峰值能量释放的策略，动态调节负荷功率与电网侧功率，来确定储能容量和功率的配置。而有些研究则以储能成本最小为优化目标，从可再生能源调度角度出发，构建系统优化调度模型，仅对储能容量进行配置。然而现有的通过分时定价机制来确定储能系统容量、功率配置的方法，仅仅依赖固定的分时价格高低决定经济效益，忽略了储能系统投资、运维成本问题和电力现货场景下价格随时间变化、新能源收益的问题，并且对储能的配置研究不够深入，没有考虑到储能容量、功率配置带来的成本和收益影响，使得储能系统的有效配比不够科学。以储能系统成本最小为优化目标的方法，对应用场景中功率带来的成本和收益考虑不足，不够全面。因此现有技术缺少一种能够综合多个角度使得储能系统的配置更合理的新能源场站储能优化配置方法。
发明内容
本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本公开的第一个目的在于提出一种多约束多目标优化的新能源场站储能优化配置系统，以从多个角度综合考虑使得储能系统的配置更合理。
本公开的第二个目的在于提出一种多约束多目标优化的新能源场站储能优化配置方法。
本公开的第三个目的在于提出一种电子设备。
为达上述目的，本公开第一方面实施例提出了一种多约束多目标优化的新能源场站储能优化配置系统，包括：
获取模块，用于获取场站市场数据，所述场站市场数据包括结算收入、电量电价、储能系统的充放电功率、额定功率、储能充电量、可用容量和额定容量；
目标函数处理模块，用于基于所述结算收入、所述电量电价、所述额定功率、所述储能充电量和所述额定容量构造目标函数；
约束条件处理模块，用于基于所述充放电功率、所述额定功率、所述储能充电量、所述可用容量和所述额定容量确定约束条件；
控制模块，用于在所述约束条件满足的情况下，获取所述目标函数的最优解，从而获得储能系统的最优容量和最优功率，基于所述最优容量和所述最优功率对场站储能进行配置。
在本公开的一个实施例中，所述目标函数处理模块，具体用于：所述电量电价包括申报电量、实际电量、标杆电价和实时电价，所述目标函数包括成本目标函数和综合效益目标函数；基于所述结算收入、所述申报电量、所述实际电量、所述标杆电价和所述实时电价构建所述综合效益目标函数；基于所述额定功率、所述额定容量和所述储能充电量构建所述成本目标函数。
在本公开的一个实施例中，所述约束条件处理模块，具体用于：所述场站市场数据还包括充放电转换效率，所述约束条件包括机组运行约束条件和额定功率约束条件；基于所述充放电功率和所述额定功率确定所述机组运行约束条件；基于所述充放电功率和充放电转换效率确定所述额定功率约束条件。
在本公开的一个实施例中，所述约束条件处理模块，具体用于：所述场站市场数据还包括最大充放电倍率，所述约束条件还包括储能系统运行约束条件、储能最大充放电倍率约束条件、充放电速率约束条件、储能系统的循环充放电次数约束条件和年已续航能力约束条件；基于所述储能系统的可用容量、所述充放电功率和充放电转换效率确定所述储能系统运行约束条件和所述充放电速率约束条件；基于所述额定容量和最大充放电倍率确定所述储能最大充放电倍率约束条件；基于所述储能充电量确定所述储能系统的循环充放电次数约束条件；基于所述储能系统的额定容量和所述储能充电量确定年已续航能力约束条件。
在本公开的一个实施例中，所述多约束多目标优化的新能源场站储能优化配置系统还包括预处理模型，所述预处理模型用于对所述获取模块获取的场站市场数据进行归类处理。
为达上述目的，本公开第二方面实施例提出了一种多约束多目标优化的新能源场站储能优化配置方法，包括：
获取场站市场数据，所述场站市场数据包括结算收入、电量电价、储能系统的充放电功率、额定功率、储能充电量、可用容量和额定容量；
基于所述结算收入、所述电量电价、所述额定功率、所述储能充电量和所述额定容量构造目标函数；
基于所述充放电功率、所述额定功率、所述储能充电量、所述可用容量和所述额定容量确定约束条件；
在所述约束条件满足的情况下，获取所述目标函数的最优解，从而获得储能系统的最优容量和最优功率，基于所述最优容量和所述最优功率对场站储能进行配置。
在本公开的一个实施例中，所述基于所述结算收入、所述电量电价、所述额定功率、所述储能充电量和所述额定容量构造目标函数，包括：所述电量电价包括申报电量、实际电量、标杆电价和实时电价，所述目标函数包括成本目标函数和综合效益目标函数；基于所述结算收入、所述申报电量、所述实际电量、所述标杆电价和所述实时电价构建所述综合效益目标函数；基于所述额定功率、所述额定容量和所述储能充电量构建所述成本目标函数。
在本公开的一个实施例中，所述基于所述充放电功率、所述额定功率、所述储能充电量、所述可用容量和所述额定容量确定约束条件，包括：所述场站市场数据还包括充放电转换效率，所述约束条件包括机组运行约束条件和额定功率约束条件；基于所述充放电功率和所述额定功率确定所述机组运行约束条件；基于所述充放电功率和充放电转换效率确定所述额定功率约束条件。
在本公开的一个实施例中，所述基于所述充放电功率、所述额定功率、所述储能充电量、所述可用容量和所述额定容量确定约束条件，包括：所述场站市场数据还包括最大充放电倍率，所述约束条件还包括储能系统运行约束条件、储能最大充放电倍率约束条件、充放电速率约束条件、储能系统的循环充放电次数约束条件和年已续航能力约束条件；基于所述储能系统的可用容量、所述充放电功率和充放电转换效率确定所述储能系统运行约束条件和所述充放电速率约束条件；基于所述额定容量和最大充放电倍率确定所述储能最大充放电倍率约束条件；基于所述储能充电量确定所述储能系统的循环充放电次数约束条件；基于所述储能系统的额定容量和所述储能充电量确定年已续航能力约束条件。
为达上述目的，本公开第三方面实施例提出了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开第二方面实施例的多约束多目标优化的新能源场站储能优化配置方法。
在本公开一个或多个实施例中，获取模块获取场站市场数据，场站市场数据包括结算收入、电量电价、储能系统的充放电功率、额定功率、可用容量和额定容量；目标函数处理模块基于结算收入、电量电价、额定功率和额定容量构造目标函数；约束条件处理模块基于充放电功率、额定功率、可用容量和额定容量确定约束条件；控制模块在约束条件满足的情况下，获取目标函数的最优解，从而获得储能系统的最优容量和最优功率，基于最优容量和最优功率对场站储能进行配置。在这种情况下，综合结算收入、电量电价、储能系统的充放电功率、额定功率、可用容量和额定容量获得目标函数和约束条件，进而获得储能系统的最优容量和最优功率，并于所述最优容量和所述最优功率对场站储能进行配置，由此实现了从多个角度综合考虑使得储能系统的配置更合理。
本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
为了更清楚地说明本公开具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本公开的一些实施方式，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。本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本公开实施例所提供的一种多约束多目标优化的新能源场站储能优化配置方法的流程示意图；
图2为本公开实施例提供的一种多约束多目标优化的新能源场站储能优化配置系统的框图；
图3是用来实现本公开实施例的多约束多目标优化的新能源场站储能优化配置方法的电子设备的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开实施例的一些方面相一致的装置和方法的例子。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本公开的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。还应当理解，本公开中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。
本公开提供了一种多约束多目标优化的新能源场站储能优化配置系统与方法，主要目的在于从多个角度综合考虑使得储能系统的配置更合理。
在第一个实施例中，图1为本公开实施例所提供的一种多约束多目标优化的新能源场站储能优化配置方法的流程示意图。如图1所示，该多约束多目标优化的新能源场站储能优化配置方法包括以下步骤：
步骤S11，获取场站市场数据，场站市场数据包括结算收入、电量电价、储能系统的充放电功率、额定功率、储能充电量、可用容量和额定容量。
具体地，在步骤S11中，场站市场数据指的是新能源场站数据和现货市场结算数据。其中新能源场站数据包括储能系统的充放电功率、额定功率、储能充电量、可用容量和额定容量等，现货市场结算数据包括结算收入和电量电价等。
在一些实施例中，新能源场站数据还包括充放电转换效率等。
在一些实施例中，在步骤S11中还可以对获取的场站市场数据进行预处理，预处理后的数据再进行后续步骤处理。预处理例如可以是整理归类等处理。具体地，在步骤S11中还可以对获取的新能源场站数据和现货市场结算数据进行整理归类处理。
步骤S12，基于结算收入、电量电价、额定功率、储能充电量和额定容量构造目标函数。
在一些实施例中，步骤S12中基于结算收入、电量电价、额定功率、储能充电量和额定容量构造目标函数，包括：电量电价包括申报电量、实际电量、标杆电价、和实时电价，目标函数包括成本目标函数和综合效益目标函数；基于结算收入、申报电量、实际电量、标杆电价和实时电价构建综合效益目标函数；基于额定功率、额定容量和储能充电量构建成本目标函数。
在一些实施例中，电量电价还包括基数电量等。
具体地，基于结算收入、申报电量、实际电量、标杆电价和实时电价构建综合效益目标函数，包括：
基于申报电量、实际电量、基数电量、标杆电价和实时电价，获得超额获利回收损失；
基于结算收入和超额获利回收损失收入获得综合效益，以综合效益最大化作为综合效益目标函数。
在一些实施例中，电量电价还包括电能量损失单价等。
具体地，基于额定功率、额定容量和储能充电量构建成本目标函数，包括：
基于额定功率和额定容量获得投资总成本；
基于储能充电量、充放电转换效率和电能量损失单价获得电能量损失收入；
基于投资总成本和电能量损失收入获得储能系统成本，以储能系统成本最小化作为成本目标函数。
综合效益目标函数和成本目标函数分别满足：
式中，Jjiesuan为结算收入，J1为超额获利回收损失收入，J3为投资总成本，J_subsidy为电能量损失收入。
在综合效益目标函数中，申报电量与实际电量的大小关系影响超额获利回收损失收入J1的取值。
具体地，当申报电量高于实际电量时，可能需要放电，当Q1t>Q2t×(1+λ)且标杆电价大于实时电价时，产生的超额获利回收损失收入J1结算公式如下所示：
当申报电量低于实际电量时，可能需要充电，当Q1t<Q2t×(1-λ)且标杆电价小于实时电价时，产生的超额获利回收损失收入J1结算公式如下所示：
式中，t表示时刻，Q1t表示t时刻的申报电量，Q2t表示t时刻的实际电量，Q3t表示t时刻的基数电量，P1t表示t时刻的标杆电价，P2t表示t时刻的实时电价，λ表示设定系数。
综上，超额获利回收损失收入J1结算公式满足：
在成本目标函数中，投资总成本满足：
J3＝H1Prate+H2Srate+H3
式中，H1为单位功率造价，H2为单位容量造价，H3为其他成本，Prate为额定功率，Srate为额定容量。
在成本目标函数中，电能量损失收入满足：
式中，P_energyloss为电能量损失单价，η为充放电转换效率，ut为t时刻的储能充电量。
步骤S13，基于充放电功率、额定功率、储能充电量、可用容量和额定容量确定约束条件。
在一些实施例中，步骤S13中基于充放电功率、额定功率、储能充电量、可用容量和额定容量确定约束条件，包括：场站市场数据还包括充放电转换效率，约束条件包括机组运行约束条件和额定功率约束条件；基于充放电功率和额定功率确定机组运行约束条件；基于充放电功率和充放电转换效率确定额定功率约束条件。
在一些实施例中，步骤S13中基于充放电功率、额定功率、储能充电量、可用容量和额定容量确定约束条件，包括：场站市场数据还包括最大充放电倍率，约束条件还包括储能系统运行约束条件、储能最大充放电倍率约束条件、充放电速率约束条件、储能系统的循环充放电次数约束条件和年已续航能力约束条件；基于储能系统的可用容量、充放电功率和充放电转换效率确定储能系统运行约束条件和充放电速率约束条件；基于额定容量和最大充放电倍率确定储能最大充放电倍率约束条件；基于储能充电量确定储能系统的循环充放电次数约束条件；基于储能系统的额定容量和储能充电量确定年已续航能力约束条件。
具体地，新能源场站数据还包括最大充放电倍率。约束条件包括机组运行约束条件、额定功率约束条件、储能系统运行约束条件、储能最大充放电倍率约束条件、充放电速率约束条件、储能系统的循环充放电次数约束条件和年已续航能力约束条件。
其中考虑到不同机组由于装机容量以及运行状态等制约，在实际运行过程中存在出力限值约束，即储能系统充放电功率不超过储能系统的额定功率，从而建立机组运行约束条件。机组运行约束条件满足：
-Prate≤Pess，t≤Prate
其中Pess,t为t时刻储能系统的充放电功率，Prate为额定功率。易于理解地，t时刻储能系统的充放电功率Pess,t在储能系统充电时指的是充电功率，在储能系统放电时指的是放电功率。
考虑到储能系统的额定功率需要满足自身最大充/放电功率需求，从而建立额定功率约束条件。额定功率约束条件满足：
其中Pessch,t表示t时刻储能系统的充电功率，Pessdis,t表示t时刻储能系统的放电功率，η表示充放电转换效率。
考虑到储能系统的容量和充放电情况，建立储能系统运行约束条件，储能系统运行约束条件满足：
式中SOC0为初始状态时的可用容量，Srate为额定容量，SOCt表示t时刻储能系统的可用容量，SOCt-1表示t-1时刻储能系统的可用容量，△t为时间步长，Pess,t为t时刻储能系统的充放电功率，ηc表示储能系统的充电转换效率，ηd表示储能系统的放电转换效率，SOCmin为储能系统容量的下限，SOCmax为储能系统容量的上限，在一些实施例中，时间步长Δt例如为15分钟。
考虑到充电速率或放电速率过快将缩减储能系统寿命，且储能系统充放电过程中电池本身、双向变流器等会带来电能损耗，需要考虑能量转换效率(即充放电转换效率)对充电电量与放电电量差额的影响，从而建立充放电速率约束条件，其中预设条件中设计的储能系统最大允许充放电功率应大于实际所需的情况。充放电速率约束条件满足：
式中Pessch,t-1表示t-1时刻储能系统的充电功率，Pessdis,t-1表示t-1时刻储能系统的放电功率。
考虑到储能系统的充放电功率受其荷电状态和最大充放电功率限值等参数的影响，建立最大充放电倍率约束条件，最大充放电倍率约束条件满足：
式中Kess max为最大充放电倍率，Prate为额定功率，Srate为储能系统的额定容量。
循环充放电次数是指将储能系统充放电电量折合成满充满放的状态下使用的次数；全寿命循环充放电次数是指储能系统在全新状态下的可利用循环充放电次数。考虑到储能系统运行过程中最为主要的影响寿命因素是循环充放电次数，建立循环充放电次数约束条件，具体地，在循环充放电次数约束条件中需要计算储能系统寿命，计算步骤包括：对储能系统的运行状态进行预估；计算各时刻储能系统的电池荷电状态值(即各时刻的储能系统的可用容量，SOC)；分析储能SOC并计算充放电深度及平均荷电状态；对一年各典型日SOC进行计算，从而得到循环充放电次数约束条件，即循环充放电次数约束条件满足：
R≥0.8
式中，γ(j)为第j次储能充放电寿命衰减率，Cmax为全寿命循环充放电次数，R表示储能系统的剩余寿命，
表示充放电次数取整，Ct为t时刻的储能充电量ut等价的充电次数。
考虑到储能系统的续航需求，建立年已续航能力约束条件，年已续航能力约束条件满足：
ut＝η×Pess，t×Δt
式中，ut为t时刻的储能充电量，Ct为t时刻的储能充电量ut等价的充电次数
步骤S14，在约束条件满足的情况下，获取目标函数的最优解，从而获得储能系统的最优容量和最优功率，基于最优容量和最优功率对场站储能进行配置。
在步骤S14中，可以根据新能源场站的新能源场站数据(例如风电场的历史发电数据)以及现货市场结算数据，采用整数约束规划求解器(scip求解器)获取在约束条件满足的情况下的目标函数的最优解，确定储能系统的最优容量和最优功率，基于最优容量和最优功率对储能系统的额定容量和额定功率进行配置调节。在这种情况下，以储能系统的成本最小化、现货市场收益的综合效益最大化为目标，综合考虑储能系统的循环充放电次数约束、储能容量限制、额定功率约束、储能最大充放电倍率约束、储能系统配置等约束建立的多目标约束优化模型；从不同角度来考虑模型约束能够在储能系统的投资成本和经济性效益之间取得折中的方案，使得储能系统成本相对较低、现货收益相对较高，通过运筹优化算法，同时寻求最优的容量、功率组合，使得储能系统最终的配置参数更加合理。
在本公开实施例的多约束多目标优化的新能源场站储能优化配置方法中，获取场站市场数据，场站市场数据包括结算收入、电量电价、储能系统的充放电功率、额定功率、可用容量和额定容量，基于结算收入、电量电价、额定功率和额定容量构造目标函数，基于充放电功率、额定功率、可用容量和额定容量确定约束条件，在约束条件满足的情况下，获取目标函数的最优解，从而获得储能系统的最优容量和最优功率，基于最优容量和最优功率对场站储能进行配置。在这种情况下，综合结算收入、电量电价、储能系统的充放电功率、额定功率、可用容量和额定容量获得目标函数和约束条件，进而获得储能系统的最优容量和最优功率，并于最优容量和最优功率对场站储能进行配置，由此实现了从多个角度综合考虑使得储能系统的配置更合理。本公开的方法在进行储能功率和容量的配置时，将新能源和储能系统进行组合，分析储能系统运行过程中寿命衰减情况，在考虑储能投资成本、运维成本以及现货收益的情况下，对储能系统的容量、功率进行优化计算，解决新能源如何合理配置储能系统的问题。与现有技术相比，本公开的方法综合考虑了现货市场带来的价格变化问题、对新能源场站的考核问题，算法模型结构设计简单，不涉及大量建模及复杂方法求解，可直接用于工业生产实际的应用，辅助风电厂确定储能容量、功率的最优组合方案，提高风电的可控性和经济效益。另外，本公开的方法克服已有方法的不足，解决储能系统容量、功率配置优化问题时将储能系统在实际应用工程中的成本和经济性相结合，是一种适用于电力现货场景多目标优化的新能源场站储能优化配置方法。
下述为本公开系统实施例，可以用于执行本公开方法实施例。对于本公开系统实施例中未披露的细节，请参照本公开方法实施例。
请参见图2，图2为本公开实施例提供的一种多约束多目标优化的新能源场站储能优化配置系统的框图。该多约束多目标优化的新能源场站储能优化配置系统10包括获取模块11、目标函数处理模块12、约束条件处理模块13和控制模块14，其中：
获取模块11，用于获取场站市场数据，场站市场数据包括结算收入、电量电价、储能系统的充放电功率、额定功率、储能充电量、可用容量和额定容量；
目标函数处理模块12，用于基于结算收入、电量电价、额定功率、储能充电量和额定容量构造目标函数；
约束条件处理模块13，用于基于充放电功率、额定功率、储能充电量、可用容量和额定容量确定约束条件；
控制模块14，用于在约束条件满足的情况下，获取目标函数的最优解，从而获得储能系统的最优容量和最优功率，基于最优容量和最优功率对场站储能进行配置。
可选地，目标函数处理模块12，具体用于：电量电价包括申报电量、实际电量、标杆电价和实时电价，目标函数包括成本目标函数和综合效益目标函数；基于结算收入、申报电量、实际电量、标杆电价和实时电价构建综合效益目标函数；基于额定功率、额定容量和储能充电量构建成本目标函数。
可选地，约束条件处理模块13，具体用于：场站市场数据还包括充放电转换效率，约束条件包括机组运行约束条件和额定功率约束条件；基于充放电功率和额定功率确定机组运行约束条件；基于充放电功率和充放电转换效率确定额定功率约束条件。
可选地，约束条件处理模块14，具体用于：场站市场数据还包括最大充放电倍率，约束条件还包括储能系统运行约束条件、储能最大充放电倍率约束条件、充放电速率约束条件、储能系统的循环充放电次数约束条件和年已续航能力约束条件；基于储能系统的可用容量、充放电功率和充放电转换效率确定储能系统运行约束条件和充放电速率约束条件；基于额定容量和最大充放电倍率确定储能最大充放电倍率约束条件；基于储能充电量确定储能系统的循环充放电次数约束条件；基于储能系统的额定容量和储能充电量确定年已续航能力约束条件。
可选地，多约束多目标优化的新能源场站储能优化配置系统10还包括预处理模型，预处理模型用于对获取模块获取的场站市场数据进行归类处理。
需要说明的是，前述对多约束多目标优化的新能源场站储能优化配置方法实施例的解释说明也适用于该实施例的多约束多目标优化的新能源场站储能优化配置系统，此处不在赘述。
在本公开实施例的多约束多目标优化的新能源场站储能优化配置系统中，获取模块获取场站市场数据，场站市场数据包括结算收入、电量电价、储能系统的充放电功率、额定功率、可用容量和额定容量；目标函数处理模块基于结算收入、电量电价、额定功率和额定容量构造目标函数；约束条件处理模块基于充放电功率、额定功率、可用容量和额定容量确定约束条件；控制模块在约束条件满足的情况下，获取目标函数的最优解，从而获得储能系统的最优容量和最优功率，基于最优容量和最优功率对场站储能进行配置。在这种情况下，综合结算收入、电量电价、储能系统的充放电功率、额定功率、可用容量和额定容量获得目标函数和约束条件，进而获得储能系统的最优容量和最优功率，并于最优容量和最优功率对场站储能进行配置，由此实现了从多个角度综合考虑使得储能系统的配置更合理。本公开的系统在进行储能功率和容量的配置时，将新能源和储能系统进行组合，分析储能系统运行过程中寿命衰减情况，在考虑储能投资成本、运维成本以及现货收益的情况下，对储能系统的容量、功率进行优化计算，解决新能源如何合理配置储能系统的问题。与现有技术相比，本公开的系统综合考虑了现货市场带来的价格变化问题、对新能源场站的考核问题，算法模型结构设计简单，不涉及大量建模及复杂方法求解，可直接用于工业生产实际的应用，辅助风电厂确定储能容量、功率的最优组合方案，提高风电的可控性和经济效益。另外，本公开的系统克服已有方法的不足，解决储能系统容量、功率配置优化问题时将储能系统在实际应用工程中的成本和经济性相结合，是一种适用于电力现货场景多目标优化的新能源场站储能优化配置系统。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图3是用来实现本公开实施例的多约束多目标优化的新能源场站储能优化配置方法的电子设备的框图。电子设备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。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴电子设备和其它类似的计算装置。本公开所示的部件、部件的连接和关系、以及部件的功能仅仅作为示例，并且不意在限制本公开中描述的和/或者要求的本公开的实现。
如图3所示，电子设备20包括计算单元21，其可以根据存储在只读存储器(ROM)22中的计算机程序或者从存储单元28加载到随机访问存储器(RAM)23中的计算机程序，来执行各种适当的动作和处理。在RAM 23中，还可存储电子设备20操作所需的各种程序和数据。计算单元21、ROM 22以及RAM 23通过总线24彼此相连。输入/输出(I/O)接口25也连接至总线24。
电子设备20中的多个部件连接至I/O接口25，包括：输入单元26，例如键盘、鼠标等；输出单元27，例如各种类型的显示器、扬声器等；存储单元28，例如磁盘、光盘等，存储单元28与计算单元21通信连接；以及通信单元29，例如网卡、调制解调器、无线通信收发机等。通信单元29允许电子设备20通过诸如因特网的计算机网络和/或各种电信网络与其他电子设备交换信息/数据。
计算单元21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。计算单元21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计算单元、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。计算单元21执行上述所描述的各个方法和处理，例如执行多约束多目标优化的新能源场站储能优化配置方法。例如，在一些实施例中，多约束多目标优化的新能源场站储能优化配置方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元28。在一些实施例中，计算机程序的部分或者全部可以经由ROM 22和/或通信单元29而被载入和/或安装到电子设备20上。当计算机程序加载到RAM23并由计算单元21执行时，可以执行上述描述的多约束多目标优化的新能源场站储能优化配置方法的一个或多个步骤。备选地，在其他实施例中，计算单元21可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行多约束多目标优化的新能源场站储能优化配置方法。
本公开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)、负载可编程逻辑电子设备(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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码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或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码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。
在本公开中，机器可读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、装置或电子设备使用或与指令执行系统、装置或电子设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读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、装置或电子设备，或者上述内容的任何合适组合。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)、光学储存电子设备、磁储存电子设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：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计算机。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)、互联网和区块链网络。
计算机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("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
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，本公开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，只要能够实现本公开公开的技术方案所期望的结果，本公开在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (10)
1.一种多约束多目标优化的新能源场站储能优化配置系统，其特征在于，包括：
获取模块，用于获取场站市场数据，所述场站市场数据包括结算收入、电量电价、储能系统的充放电功率、额定功率、储能充电量、可用容量和额定容量；
目标函数处理模块，用于基于所述结算收入、所述电量电价、所述额定功率、所述储能充电量和所述额定容量构造目标函数；
约束条件处理模块，用于基于所述充放电功率、所述额定功率、所述储能充电量、所述可用容量和所述额定容量确定约束条件；
控制模块，用于在所述约束条件满足的情况下，获取所述目标函数的最优解，从而获得储能系统的最优容量和最优功率，基于所述最优容量和所述最优功率对场站储能进行配置。
2.根据权利要求1所述的多约束多目标优化的新能源场站储能优化配置系统，其特征在于，所述目标函数处理模块，具体用于：
所述电量电价包括申报电量、实际电量、标杆电价和实时电价，所述目标函数包括成本目标函数和综合效益目标函数；
基于所述结算收入、所述申报电量、所述实际电量、所述标杆电价和所述实时电价构建所述综合效益目标函数；基于所述额定功率、所述额定容量和所述储能充电量构建所述成本目标函数。
3.根据权利要求2所述的多约束多目标优化的新能源场站储能优化配置系统，其特征在于，所述约束条件处理模块，具体用于：
所述场站市场数据还包括充放电转换效率，所述约束条件包括机组运行约束条件和额定功率约束条件；
基于所述充放电功率和所述额定功率确定所述机组运行约束条件；基于所述充放电功率和充放电转换效率确定所述额定功率约束条件。
4.根据权利要求3所述的多约束多目标优化的新能源场站储能优化配置系统，其特征在于，所述约束条件处理模块，具体用于：
所述场站市场数据还包括最大充放电倍率，所述约束条件还包括储能系统运行约束条件、储能最大充放电倍率约束条件、充放电速率约束条件、储能系统的循环充放电次数约束条件和年已续航能力约束条件；
基于所述储能系统的可用容量、所述充放电功率和充放电转换效率确定所述储能系统运行约束条件和所述充放电速率约束条件；基于所述额定容量和最大充放电倍率确定所述储能最大充放电倍率约束条件；基于所述储能充电量确定所述储能系统的循环充放电次数约束条件；基于所述储能系统的额定容量和所述储能充电量确定年已续航能力约束条件。
5.根据权利要求1所述的多约束多目标优化的新能源场站储能优化配置系统，其特征在于，所述多约束多目标优化的新能源场站储能优化配置系统还包括预处理模型，所述预处理模型用于对所述获取模块获取的场站市场数据进行归类处理。
6.一种多约束多目标优化的新能源场站储能优化配置方法，其特征在于，包括：
获取场站市场数据，所述场站市场数据包括结算收入、电量电价、储能系统的充放电功率、额定功率、储能充电量、可用容量和额定容量；
基于所述结算收入、所述电量电价、所述额定功率、所述储能充电量和所述额定容量构造目标函数；
基于所述充放电功率、所述额定功率、所述储能充电量、所述可用容量和所述额定容量确定约束条件；
在所述约束条件满足的情况下，获取所述目标函数的最优解，从而获得储能系统的最优容量和最优功率，基于所述最优容量和所述最优功率对场站储能进行配置。
7.根据权利要求6所述的多约束多目标优化的新能源场站储能优化配置方法，其特征在于，所述基于所述结算收入、所述电量电价、所述额定功率、所述储能充电量和所述额定容量构造目标函数，包括：
所述电量电价包括申报电量、实际电量、标杆电价和实时电价，所述目标函数包括成本目标函数和综合效益目标函数；
基于所述结算收入、所述申报电量、所述实际电量、所述标杆电价和所述实时电价构建所述综合效益目标函数；基于所述额定功率、所述额定容量和所述储能充电量构建所述成本目标函数。
8.根据权利要求7所述的多约束多目标优化的新能源场站储能优化配置方法，其特征在于，所述基于所述充放电功率、所述额定功率、所述储能充电量、所述可用容量和所述额定容量确定约束条件，包括：
所述场站市场数据还包括充放电转换效率，所述约束条件包括机组运行约束条件和额定功率约束条件；
基于所述充放电功率和所述额定功率确定所述机组运行约束条件；基于所述充放电功率和充放电转换效率确定所述额定功率约束条件。
9.根据权利要求8所述的多约束多目标优化的新能源场站储能优化配置方法，其特征在于，所述基于所述充放电功率、所述额定功率、所述储能充电量、所述可用容量和所述额定容量确定约束条件，包括：
所述场站市场数据还包括最大充放电倍率，所述约束条件还包括储能系统运行约束条件、储能最大充放电倍率约束条件、充放电速率约束条件、储能系统的循环充放电次数约束条件和年已续航能力约束条件；
基于所述储能系统的可用容量、所述充放电功率和充放电转换效率确定所述储能系统运行约束条件和所述充放电速率约束条件；基于所述额定容量和最大充放电倍率确定所述储能最大充放电倍率约束条件；基于所述储能充电量确定所述储能系统的循环充放电次数约束条件；基于所述储能系统的额定容量和所述储能充电量确定年已续航能力约束条件。
10.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求6-9中任一项所述的多约束多目标优化的新能源场站储能优化配置方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211045777.0A CN115347586A (zh) | 2022-08-30 | 2022-08-30 | 多约束多目标优化的新能源场站储能优化配置系统与方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211045777.0A CN115347586A (zh) | 2022-08-30 | 2022-08-30 | 多约束多目标优化的新能源场站储能优化配置系统与方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115347586A true CN115347586A (zh) | 2022-11-15 |
Family
ID=83954619
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211045777.0A Pending CN115347586A (zh) | 2022-08-30 | 2022-08-30 | 多约束多目标优化的新能源场站储能优化配置系统与方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115347586A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116544976A (zh) * | 2023-05-05 | 2023-08-04 | 国网江苏省电力有限公司泰州供电分公司 | 一种计及负荷不确定性的储能系统容量规划方法及装置 |
| CN118071036A (zh) * | 2024-04-19 | 2024-05-24 | 广东采日能源科技有限公司 | 储能设备装设容量的确定方法、装置及电子设备 |
-
2022
- 2022-08-30 CN CN202211045777.0A patent/CN115347586A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116544976A (zh) * | 2023-05-05 | 2023-08-04 | 国网江苏省电力有限公司泰州供电分公司 | 一种计及负荷不确定性的储能系统容量规划方法及装置 |
| CN118071036A (zh) * | 2024-04-19 | 2024-05-24 | 广东采日能源科技有限公司 | 储能设备装设容量的确定方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2017368470B2 (en) | System and method for dynamic energy storage system control | |
| CN111525601B (zh) | 用户侧储能设备的充放电控制方法、装置及存储介质 | |
| Wu et al. | Statistical distribution for wind power forecast error and its application to determine optimal size of energy storage system | |
| CN115347586A (zh) | 多约束多目标优化的新能源场站储能优化配置系统与方法 | |
| Ghadimi et al. | PSO based fuzzy stochastic long-term model for deployment of distributed energy resources in distribution systems with several objectives | |
| Nazari et al. | A two-stage stochastic model for energy storage planning in a microgrid incorporating bilateral contracts and demand response program | |
| CN114938035B (zh) | 考虑储能退化成本的共享储能能量调度方法及系统 | |
| Graça Gomes et al. | Optimal operation scheduling of a pump hydro storage system coupled with a wind farm | |
| CN115513984A (zh) | 储能系统日前充放电功率的确定方法、装置、存储介质 | |
| CN113779874A (zh) | 一种离网微电网建设的多目标优化方法 | |
| Martinez-Rico et al. | Sizing a battery energy storage system for hybrid renewable power plants based on optimal market participation under different market scenarios | |
| CN114298383A (zh) | 一种虚拟电厂储能容量配置方法及装置 | |
| CN116244567B (zh) | 基于激励的配电网多阶段增量规划方法及系统 | |
| JP2018078669A (ja) | 管理装置、及び発電システム | |
| CN116307511A (zh) | 一种园区电网储能配置方法、装置、设备及介质 | |
| CN113255957A (zh) | 综合服务站不确定因素的定量优化分析方法及系统 | |
| CN115912503A (zh) | 一种微网发电的调度方法、装置、设备及存储介质 | |
| CN117391311B (zh) | 计及碳排放和不确定性的充电站和配电网协同规划方法及装置 | |
| WO2019117957A1 (en) | System device, and method for mode-based energy storage management using machine learning | |
| CN115456455A (zh) | 一种储能配置方法、装置、设备及存储介质 | |
| Betge et al. | Efficient Assessment of Electricity Distribution Network Adequacy with the Cross-Entropy Method | |
| CN114971422A (zh) | 电力中长期分时交易的旬交易辅助控制系统及方法 | |
| CN114971088A (zh) | 一种风电场储能最优配置方法、装置及存储介质 | |
| CN115408854A (zh) | 输配电系统bess调度模型构建方法、装置、设备及存储介质 | |
| CN116596214A (zh) | 一种电源规划方法、装置、设备及存储介质 |
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 |