CN115360739A - 一种考虑储能充放电模式的风光储优化运行方法及系统 - Google Patents

一种考虑储能充放电模式的风光储优化运行方法及系统 Download PDF

Info

Publication number
CN115360739A
CN115360739A CN202211276465.0A CN202211276465A CN115360739A CN 115360739 A CN115360739 A CN 115360739A CN 202211276465 A CN202211276465 A CN 202211276465A CN 115360739 A CN115360739 A CN 115360739A
Authority
CN
China
Prior art keywords
energy storage
power
wind
storage battery
charging
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.)
Granted
Application number
CN202211276465.0A
Other languages
English (en)
Other versions
CN115360739B (zh
Inventor
贺平平
陈黎丽
叶冠林
叶家雄
招嘉华
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.)
Foshan Power Supply Bureau of Guangdong Power Grid Corp
Original Assignee
Foshan Power Supply Bureau of Guangdong Power Grid Corp
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 Foshan Power Supply Bureau of Guangdong Power Grid Corp filed Critical Foshan Power Supply Bureau of Guangdong Power Grid Corp
Priority to CN202211276465.0A priority Critical patent/CN115360739B/zh
Publication of CN115360739A publication Critical patent/CN115360739A/zh
Application granted granted Critical
Publication of CN115360739B publication Critical patent/CN115360739B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J3/28—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
    • 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
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • H02J3/002—Flicker reduction, e.g. compensation of flicker introduced by non-linear load
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • 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
    • H02J2203/10—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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Power Engineering (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Nonlinear Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明涉及电力调度优化技术领域，公开了一种考虑储能充放电模式的风光储优化运行方法及系统，其方法通过考虑储能充放电不同模式，以风光储系统的运行成本最小，根据所有子系统的发电功率构建目标函数，并确定约束条件，以提高系统运行的稳定性，并在满足约束条件的情况下，求解目标函数的最优解，得到对所有子系统的发电功率进行调节的优化方案，使得降低储能电池的充放电次数，提高储能电池使用寿命，并提高风光储系统运行的稳定性。

Description

一种考虑储能充放电模式的风光储优化运行方法及系统
技术领域
本发明涉及电力调度优化技术领域，尤其涉及一种考虑储能充放电模式的风光储优化运行方法及系统。
背景技术
由于光照、风力等自然现象具有天然的不确定性，风电、光伏的出力随之存在较大的随机性。将风电、光伏搭配储能电池组成风光储系统，利用储能电池充放电平复新能源出力的波动，以获取较为稳定的能源供应，成为了一种有效提高可再生能源利用率的新方法。
相应的风光储系统优化运行方法得到了较多研究人员的关注，但当前的风光储系统优化运行方法没有考虑储能充放电不同模式，即认为储能电池的充放电过程可瞬时切换，导致储能电池充放电次数大大增加，但储能电池有充放电次数寿命，频繁充放电将大大影响电池的使用寿命，从而影响了风光储系统运行的安全稳定和经济运行。
发明内容
本发明提供了一种考虑储能充放电模式的风光储优化运行方法及系统，用于解决未考虑储能充放电不同模式，导致储能电池频繁充放电，影响储能电池使用寿命的问题。
有鉴于此，本发明第一方面提供了一种考虑储能充放电模式的风光储优化运行方法，包括以下步骤：
S1、获取风光储系统中的子系统，所述子系统包括风电机组、光伏机组和储能电池；
S2、获取所述储能电池的电量，判断所述储能电池的电量是否小于预设最小电量，若所述储能电池的电量小于预设最小电量，则执行步骤S3；若所述储能电池的电量不小于预设最小电量，则运行放电模式；
S3、以风光储系统的运行成本最小，根据所有子系统的发电功率构建目标函数；
S4、确定约束条件，在满足所述约束条件的情况下，以所有子系统的发电功率作为变量，求解所述目标函数的最优解，得到对所有子系统的输出功率进行调节的优化方案；
S5、根据所述优化方案对所述风电机组、所述光伏机组和所述储能电池的输出功率进行调节。
优选地，步骤S3具体包括：
以风光储系统的运行成本最小，根据所有子系统的发电功率构建目标函数为：
Figure 21254DEST_PATH_IMAGE001
式中，
Figure 222428DEST_PATH_IMAGE002
为风光储系统的运行成本，fg为购电成本，fr,in为充电模式下子系统的运行成本，fr,out为放电模式下风光储系统的运行成本，fb为储能电池充放电成本；
其中，
Figure 540277DEST_PATH_IMAGE003
Figure 868621DEST_PATH_IMAGE004
Figure 916212DEST_PATH_IMAGE005
Figure 225970DEST_PATH_IMAGE006
式中，rgrid,t为t时刻的电价，Pgrid,t为t时刻的风光储系统向电网的供电功率，
Figure 342700DEST_PATH_IMAGE007
为运行间隔时间，rwind、rsolar、rbatter分别为风电机组、光伏机组、储能电池的单位功率运行成本，
Figure 396106DEST_PATH_IMAGE008
分别为t时刻风电功率、光伏功率、储能电池充电功率、储能电池放电功率，N为储能电池充放电次数寿命，Rbatter为储能电池购置成本，Soc,n为储能电池的额定蓄电量。
优选地，所述约束条件包括：
1)电量平衡约束：
Figure 298203DEST_PATH_IMAGE009
式中，Pgrid为系统向电网购电功率，Psolar为光伏机组的发电功率，Pwind为风电机组的发电功率，Pload为电力负荷功率，Pbatter,out、Pbatter,in分别为蓄电池放电、充电功率；
2）向电网购电功率约束为：
Figure 778863DEST_PATH_IMAGE010
式中，Pgrid,max为向电网购电最大功率；
3）光伏机组出力功率约束为：
Figure 149933DEST_PATH_IMAGE011
式中，Psolar,t,max为t时刻光照条件下的光伏机组最大功率；
4）光伏机组出力功率爬坡约束：
Figure 741451DEST_PATH_IMAGE012
式中，
Figure 763634DEST_PATH_IMAGE013
、
Figure 744358DEST_PATH_IMAGE014
分别为光伏机组最小、最大爬坡功率；
5）风电机组出力功率约束为：
Figure 524095DEST_PATH_IMAGE015
式中，Pwind,t,max为t时刻风速条件下，风电机组最大功率；
6）风电机组出力功率爬坡约束：
Figure 981621DEST_PATH_IMAGE016
式中，
Figure 609043DEST_PATH_IMAGE017
、
Figure 431505DEST_PATH_IMAGE018
分别为风电机组最小、最大爬坡功率；
7）风光储系统的备用容量约束：
Figure 760855DEST_PATH_IMAGE019
式中，S为风光储系统预设的备用率；
8）储能电池的t时刻充电时的蓄电量约束为：
Figure 271340DEST_PATH_IMAGE020
式中，Soc,t为t时刻的蓄电量，
Figure 940219DEST_PATH_IMAGE021
为储能电池自放电率，
Figure 995899DEST_PATH_IMAGE022
为充电效率，P batter,in,t 为t时刻的充电功率；
储能电池的t时刻放电时的蓄电量约束为：
Figure 563278DEST_PATH_IMAGE023
式中，Pbatter,out,t为t时刻的放电功率，
Figure 565869DEST_PATH_IMAGE024
为放电效率；
其中，储能电池充、放电功率约束分别为：
Figure 151571DEST_PATH_IMAGE025
Figure 315836DEST_PATH_IMAGE026
式中，Pbatter,out,max为储能电池的最大放电功率；
储能电池的蓄电量约束：
Figure 869046DEST_PATH_IMAGE027
式中，
Figure 409749DEST_PATH_IMAGE028
、
Figure 849958DEST_PATH_IMAGE029
分别为储能电池的最小、最大蓄电量；
风光储系统在运行周期初始时的储能电池的蓄电量的约束为：
Figure 263753DEST_PATH_IMAGE030
式中，S oc,t=0、S oc,t=T 分别为运行周期初始时、结束时的储能电池的蓄电量。
优选地，在满足所述约束条件的情况下，以所有子系统的发电功率作为变量，求解所述目标函数的最优解，得到对所有子系统的输出功率进行调节的优化方案的步骤具体包括：
S401、在满足所述约束条件的情况下，随机生成粒子群，设定粒子群中的粒子数、最大迭代次数，初始化粒子群的局部最优解与全局最优解；
S402、以目标函数作为适应度函数，计算每个粒子的适应度值；
S403、比较粒子的适应值，找出每个粒子的历史最优值及其位置，以及达到全局最优值的粒子及其位置；
S404、更新粒子局部最优解与全局最优解；
S405、调整各粒子的位置与速度，返回步骤S402，判断是否满足迭代截止条件，若满足，则输出最终的计算结果，得到对所有子系统的输出功率进行调节的优化方案，若不满足，则重新返回步骤S402；其中，迭代截止条件为迭代次数达到预设的最大迭代次数。
第二方面，本发明还提供了一种考虑储能充放电模式的风光储优化运行系统，包括：
获取模块，用于获取风光储系统中的子系统，所述子系统包括风电机组、光伏机组和储能电池；
判断模块，用于获取所述储能电池的电量，判断所述储能电池的电量是否小于预设最小电量，若所述储能电池的电量小于预设最小电量，若所述储能电池的电量不小于预设最小电量，则运行放电模式；
构建模块，用于以风光储系统的运行成本最小，根据所有子系统的发电功率构建目标函数；
求解模块，用于确定约束条件，在满足所述约束条件的情况下，以所有子系统的发电功率作为变量，求解所述目标函数的最优解，得到对所有子系统的输出功率进行调节的优化方案；
调节模块，用于根据所述优化方案对所述风电机组、所述光伏机组和所述储能电池的输出功率进行调节。
优选地，所述构建模块具体用于，以风光储系统的运行成本最小，根据所有子系统的发电功率构建目标函数为：
Figure 727095DEST_PATH_IMAGE001
式中，
Figure 133806DEST_PATH_IMAGE002
为风光储系统的运行成本，fg为购电成本，fr,in为充电模式下子系统的运行成本，fr,out为放电模式下风光储系统的运行成本，fb为储能电池充放电成本；
其中，
Figure 366204DEST_PATH_IMAGE003
Figure 449435DEST_PATH_IMAGE004
Figure 400074DEST_PATH_IMAGE005
Figure 344896DEST_PATH_IMAGE006
式中，rgrid,t为t时刻的电价，Pgrid,t为t时刻的风光储系统向电网的供电功率，
Figure 697380DEST_PATH_IMAGE007
为运行间隔时间，rwind、rsolar、rbatter分别为风电机组、光伏机组、储能电池的单位功率运行成本，
Figure 452977DEST_PATH_IMAGE008
分别为t时刻风电功率、光伏功率、储能电池充电功率、储能电池放电功率，N为储能电池充放电次数寿命，Rbatter为储能电池购置成本，Soc,n为储能电池的额定蓄电量。
优选地，所述约束条件包括：
1)电量平衡约束：
Figure 890912DEST_PATH_IMAGE009
式中，Pgrid为系统向电网购电功率，Psolar为光伏机组的发电功率，Pwind为风电机组的发电功率，Pload为电力负荷功率，Pbatter,out、Pbatter,in分别为蓄电池放电、充电功率；
2）向电网购电功率约束为：
Figure 639425DEST_PATH_IMAGE010
式中，Pgrid,max为向电网购电最大功率；
3）光伏机组出力功率约束为：
Figure 163859DEST_PATH_IMAGE011
式中，Psolar,t,max为t时刻光照条件下的光伏机组最大功率；
4）光伏机组出力功率爬坡约束：
Figure 277309DEST_PATH_IMAGE012
式中，
Figure 264856DEST_PATH_IMAGE013
、
Figure 489164DEST_PATH_IMAGE014
分别为光伏机组最小、最大爬坡功率；
5）风电机组出力功率约束为：
Figure 629290DEST_PATH_IMAGE015
式中，Pwind,t,max为t时刻风速条件下，风电机组最大功率；
6）风电机组出力功率爬坡约束：
Figure 648061DEST_PATH_IMAGE016
式中，
Figure 122905DEST_PATH_IMAGE017
、
Figure 462488DEST_PATH_IMAGE018
分别为风电机组最小、最大爬坡功率；
7）风光储系统的备用容量约束：
Figure 644071DEST_PATH_IMAGE019
式中，S为风光储系统预设的备用率；
8）储能电池的t时刻充电时的蓄电量约束为：
Figure 161640DEST_PATH_IMAGE020
式中，Soc,t为t时刻的蓄电量，
Figure 795884DEST_PATH_IMAGE021
为储能电池自放电率，
Figure 175044DEST_PATH_IMAGE022
为充电效率，P batter,in,t 为t时刻的充电功率；
储能电池的t时刻放电时的蓄电量约束为：
Figure 539029DEST_PATH_IMAGE023
式中，Pbatter,out,t为t时刻的放电功率，
Figure 165182DEST_PATH_IMAGE024
为放电效率；
其中，储能电池充、放电功率约束分别为：
Figure 598306DEST_PATH_IMAGE025
Figure 968108DEST_PATH_IMAGE026
式中，Pbatter,out,max为储能电池的最大放电功率；
储能电池的蓄电量约束：
Figure 186600DEST_PATH_IMAGE027
式中，
Figure 983654DEST_PATH_IMAGE028
、
Figure 405540DEST_PATH_IMAGE029
分别为储能电池的最小、最大蓄电量；
风光储系统在运行周期初始时的储能电池的蓄电量的约束为：
Figure 375770DEST_PATH_IMAGE030
式中，S oc,t=0、S oc,t=T 分别为运行周期初始时、结束时的储能电池的蓄电量。
优选地，所述求解模块具体包括：
设定模块，用于在满足所述约束条件的情况下，随机生成粒子群，设定粒子群中的粒子数、最大迭代次数，初始化粒子群的局部最优解与全局最优解；
计算模块，用于以目标函数作为适应度函数，计算每个粒子的适应度值；
比较模块，用于比较粒子的适应值，找出每个粒子的历史最优值及其位置，以及达到全局最优值的粒子及其位置；
更新模块，用于更新粒子局部最优解与全局最优解；
调整模块，用于调整各粒子的位置与速度，判断是否满足迭代截止条件，若满足，则输出最终的计算结果，得到对所有子系统的输出功率进行调节的优化方案；其中，迭代截止条件为迭代次数达到预设的最大迭代次数。
从以上技术方案可以看出，本发明具有以下优点：
本发明通过考虑储能充放电不同模式，以风光储系统的运行成本最小，根据所有子系统的发电功率构建目标函数，并确定约束条件，以提高系统运行的稳定性，并在满足约束条件的情况下，求解目标函数的最优解，得到对所有子系统的发电功率进行调节的优化方案，使得降低储能电池的充放电次数，提高储能电池使用寿命，并提高风光储系统运行的稳定性。
附图说明
图1为本发明实施例提供的一种考虑储能充放电模式的风光储优化运行方法的流程图；
图2为本发明实施例提供的一种考虑储能充放电模式的风光储优化运行系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了便于理解，请参阅图1，本发明提供的一种考虑储能充放电模式的风光储优化运行方法，包括以下步骤：
S1、获取风光储系统中的子系统，子系统包括风电机组、光伏机组和储能电池；
S2、获取储能电池的电量，判断储能电池的电量是否小于预设最小电量，若储能电池的电量小于预设最小电量，则执行步骤S3；若储能电池的电量不小于预设最小电量，则运行放电模式。
可以理解的是，在风光储系统开机开始运行后，获取储能电池的电量。
其中，风电功率计算式：
Figure 386451DEST_PATH_IMAGE031
式中，V为风速，单位为m/s，Vci、Vco、Vr分别为切入风速、切出风速和额定风速，Pwind,r为风电额定功率，单位为kW。
光伏功率计算式：
Figure 665991DEST_PATH_IMAGE032
式中，H T,t 为光伏t时刻的太阳辐射强度，H n为欧盟101标准，取1000W/m2，F s 为积尘因子，一般取0.98，F μ 为系统性能失配因子，取0.95，F n为 电路、材料老化等其它因素的影响，取0.98。
S3、以风光储系统的运行成本最小，根据所有子系统的发电功率构建目标函数；
S4、确定约束条件，在满足约束条件的情况下，以所有子系统的发电功率作为变量，求解目标函数的最优解，得到对所有子系统的输出功率进行调节的优化方案；
S5、根据优化方案对风电机组、光伏机组和储能电池的输出功率进行调节。
本实施例提供了一种考虑储能充放电的风光储系统优化运行方法，通过考虑储能充放电不同模式，以风光储系统的运行成本最小，根据所有子系统的发电功率构建目标函数，并确定约束条件，以提高系统运行的稳定性，并在满足约束条件的情况下，求解目标函数的最优解，得到对所有子系统的发电功率进行调节的优化方案，使得降低储能电池的充放电次数，提高储能电池使用寿命，并提高风光储系统运行的稳定性。
在一个具体实施例中，步骤S3具体包括：
以风光储系统的运行成本最小，根据所有子系统的发电功率构建目标函数为：
Figure 762123DEST_PATH_IMAGE001
式中，
Figure 536044DEST_PATH_IMAGE002
为风光储系统的运行成本，fg为购电成本，fr,in为充电模式下子系统的运行成本，fr,out为放电模式下风光储系统的运行成本，fb为储能电池充放电成本；
其中，
Figure 401232DEST_PATH_IMAGE003
Figure 353139DEST_PATH_IMAGE004
Figure 998884DEST_PATH_IMAGE005
Figure 514179DEST_PATH_IMAGE006
式中，rgrid,t为t时刻的电价，Pgrid,t为t时刻的风光储系统向电网的供电功率，
Figure 539598DEST_PATH_IMAGE007
为运行间隔时间，rwind、rsolar、rbatter分别为风电机组、光伏机组、储能电池的单位功率运行成本，
Figure 849357DEST_PATH_IMAGE008
分别为t时刻风电功率、光伏功率、储能电池充电功率、储能电池放电功率，N为储能电池充放电次数寿命，Rbatter为储能电池购置成本，Soc,n为储能电池的额定蓄电量。
其中，f b 是以充放电功率表示的充电次数成本，考虑了储能电池的一次充放电次数的成本进行计算储能电池充放电成本。
在一个具体实施例中，约束条件包括：
1)电量平衡约束：
Figure 982398DEST_PATH_IMAGE009
式中，Pgrid为系统向电网购电功率，Psolar为光伏机组的发电功率，Pwind为风电机组的发电功率，Pload为电力负荷功率，Pbatter,out、Pbatter,in分别为蓄电池放电、充电功率；
其中，电量平衡约束为风光储系统处于放电模式下的电量平衡约束。
2）向电网购电功率约束为：
Figure 848854DEST_PATH_IMAGE010
式中，Pgrid,max为向电网购电最大功率；
3）光伏机组出力功率约束为：
Figure 688634DEST_PATH_IMAGE011
式中，Psolar,t,max为t时刻光照条件下的光伏机组最大功率；
4）光伏机组出力功率爬坡约束：
Figure 231611DEST_PATH_IMAGE012
式中，
Figure 101215DEST_PATH_IMAGE013
、
Figure 692734DEST_PATH_IMAGE014
分别为光伏机组最小、最大爬坡功率；
5）风电机组出力功率约束为：
Figure 449337DEST_PATH_IMAGE015
式中，Pwind,t,max为t时刻风速条件下，风电机组最大功率；
6）风电机组出力功率爬坡约束：
Figure 179527DEST_PATH_IMAGE016
式中，
Figure 959264DEST_PATH_IMAGE017
、
Figure 416790DEST_PATH_IMAGE018
分别为风电机组最小、最大爬坡功率；
7）风光储系统的备用容量约束：
Figure 231162DEST_PATH_IMAGE019
式中，S为风光储系统预设的备用率；
8）储能电池的t时刻充电时的蓄电量约束为：
Figure 365209DEST_PATH_IMAGE020
式中，Soc,t为t时刻的蓄电量，
Figure 632243DEST_PATH_IMAGE021
为储能电池自放电率，
Figure 893460DEST_PATH_IMAGE022
为充电效率，P batter,in,t 为t时刻的充电功率；
储能电池的t时刻放电时的蓄电量约束为：
Figure 562339DEST_PATH_IMAGE023
式中，Pbatter,out,t为t时刻的放电功率，
Figure 368752DEST_PATH_IMAGE024
为放电效率；
其中，储能电池充、放电功率约束分别为：
Figure 185398DEST_PATH_IMAGE025
Figure 922410DEST_PATH_IMAGE026
式中，Pbatter,out,max为储能电池的最大放电功率；
储能电池的蓄电量约束：
Figure 757379DEST_PATH_IMAGE027
式中，
Figure 249541DEST_PATH_IMAGE028
、
Figure 491166DEST_PATH_IMAGE029
分别为储能电池的最小、最大蓄电量；
风光储系统在运行周期初始时的储能电池的蓄电量的约束为：
Figure 579339DEST_PATH_IMAGE030
式中，S oc,t=0、S oc,t=T 分别为运行周期初始时、结束时的储能电池的蓄电量。
需要说明的是，由于风光储系统的运行呈现以天为单位的周期性，为保证储能电池满足下一天的运行需求，运行周期初始时的蓄电量需等于运行周期结束时的蓄电量。
在一个具体实施例中，在满足约束条件的情况下，以所有子系统的发电功率作为变量，求解目标函数的最优解，得到对所有子系统的输出功率进行调节的优化方案的步骤具体包括：
S401、在满足约束条件的情况下，随机生成粒子群，设定粒子群中的粒子数、最大迭代次数，初始化粒子群的局部最优解与全局最优解；
S402、以目标函数作为适应度函数，计算每个粒子的适应度值；
S403、比较粒子的适应值，找出每个粒子的历史最优值及其位置，以及达到全局最优值的粒子及其位置；
S404、更新粒子局部最优解与全局最优解；
S405、调整各粒子的位置与速度，返回步骤S402，判断是否满足迭代截止条件，若满足，则输出最终的计算结果，得到对所有子系统的输出功率进行调节的优化方案，若不满足，则重新返回步骤S402；其中，迭代截止条件为迭代次数达到预设的最大迭代次数。
以上为本发明提供的一种考虑储能充放电模式的风光储优化运行方法的实施例的详细描述，以下为本发明提供的一种考虑储能充放电模式的风光储优化运行系统的实施例的详细描述。
为了方便理解，请参阅图2，本发明提供了一种考虑储能充放电模式的风光储优化运行系统，包括：
获取模块10，用于获取风光储系统中的子系统，子系统包括风电机组、光伏机组和储能电池；
判断模块20，用于获取储能电池的电量，判断储能电池的电量是否小于预设最小电量，若储能电池的电量小于预设最小电量，若储能电池的电量不小于预设最小电量，则运行放电模式；
构建模块30，用于以风光储系统的运行成本最小，根据所有子系统的发电功率构建目标函数；
求解模块40，用于确定约束条件，在满足约束条件的情况下，以所有子系统的发电功率作为变量，求解目标函数的最优解，得到对所有子系统的输出功率进行调节的优化方案；
调节模块50，用于根据优化方案对风电机组、光伏机组和储能电池的输出功率进行调节。
在一个具体实施例中，构建模块30具体用于，以风光储系统的运行成本最小，根据所有子系统的发电功率构建目标函数为：
Figure 222810DEST_PATH_IMAGE001
式中，
Figure 620293DEST_PATH_IMAGE002
为风光储系统的运行成本，fg为购电成本，fr,in为充电模式下子系统的运行成本，fr,out为放电模式下风光储系统的运行成本，fb为储能电池充放电成本；
其中，
Figure 349215DEST_PATH_IMAGE003
Figure 745473DEST_PATH_IMAGE004
Figure 305767DEST_PATH_IMAGE005
Figure 77414DEST_PATH_IMAGE006
式中，rgrid,t为t时刻的电价，Pgrid,t为t时刻的风光储系统向电网的供电功率，
Figure 841102DEST_PATH_IMAGE007
为运行间隔时间，rwind、rsolar、rbatter分别为风电机组、光伏机组、储能电池的单位功率运行成本，
Figure 723608DEST_PATH_IMAGE008
分别为t时刻风电功率、光伏功率、储能电池充电功率、储能电池放电功率，N为储能电池充放电次数寿命，Rbatter为储能电池购置成本，Soc,n为储能电池的额定蓄电量。
在一个具体实施例中，约束条件包括：
1)电量平衡约束：
Figure 138408DEST_PATH_IMAGE009
式中，Pgrid为系统向电网购电功率，Psolar为光伏机组的发电功率，Pwind为风电机组的发电功率，Pload为电力负荷功率，Pbatter,out、Pbatter,in分别为蓄电池放电、充电功率；
2）向电网购电功率约束为：
Figure 80957DEST_PATH_IMAGE010
式中，Pgrid,max为向电网购电最大功率；
3）光伏机组出力功率约束为：
Figure 830476DEST_PATH_IMAGE011
式中，Psolar,t,max为t时刻光照条件下的光伏机组最大功率；
4）光伏机组出力功率爬坡约束：
Figure 251093DEST_PATH_IMAGE012
式中，
Figure 785979DEST_PATH_IMAGE013
、
Figure 899429DEST_PATH_IMAGE014
分别为光伏机组最小、最大爬坡功率；
5）风电机组出力功率约束为：
Figure 637709DEST_PATH_IMAGE015
式中，Pwind,t,max为t时刻风速条件下，风电机组最大功率；
6）风电机组出力功率爬坡约束：
Figure 924334DEST_PATH_IMAGE016
式中，
Figure 985830DEST_PATH_IMAGE017
、
Figure 581766DEST_PATH_IMAGE018
分别为风电机组最小、最大爬坡功率；
7）风光储系统的备用容量约束：
Figure 994293DEST_PATH_IMAGE019
式中，S为风光储系统预设的备用率；
8）储能电池的t时刻充电时的蓄电量约束为：
Figure 84608DEST_PATH_IMAGE020
式中，Soc,t为t时刻的蓄电量，
Figure 79240DEST_PATH_IMAGE021
为储能电池自放电率，
Figure 268913DEST_PATH_IMAGE022
为充电效率，P batter,in,t 为t时刻的充电功率；
储能电池的t时刻放电时的蓄电量约束为：
Figure 231053DEST_PATH_IMAGE023
式中，Pbatter,out,t为t时刻的放电功率，
Figure 797163DEST_PATH_IMAGE024
为放电效率；
其中，储能电池充、放电功率约束分别为：
Figure 410416DEST_PATH_IMAGE025
Figure 770990DEST_PATH_IMAGE026
式中，Pbatter,out,max为储能电池的最大放电功率；
储能电池的蓄电量约束：
Figure 220426DEST_PATH_IMAGE027
式中，
Figure 590228DEST_PATH_IMAGE028
、
Figure 293873DEST_PATH_IMAGE029
分别为储能电池的最小、最大蓄电量；
风光储系统在运行周期初始时的储能电池的蓄电量的约束为：
Figure 153244DEST_PATH_IMAGE030
式中，S oc,t=0、S oc,t=T 分别为运行周期初始时、结束时的储能电池的蓄电量。
在一个具体实施例中，求解模块具体包括：
设定模块，用于在满足约束条件的情况下，随机生成粒子群，设定粒子群中的粒子数、最大迭代次数，初始化粒子群的局部最优解与全局最优解；
计算模块，用于以目标函数作为适应度函数，计算每个粒子的适应度值；
比较模块，用于比较粒子的适应值，找出每个粒子的历史最优值及其位置，以及达到全局最优值的粒子及其位置；
更新模块，用于更新粒子局部最优解与全局最优解；
调整模块，用于调整各粒子的位置与速度，判断是否满足迭代截止条件，若满足，则输出最终的计算结果，得到对所有子系统的输出功率进行调节的优化方案；其中，迭代截止条件为迭代次数达到预设的最大迭代次数。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种考虑储能充放电模式的风光储优化运行方法，其特征在于，包括以下步骤：
S1、获取风光储系统中的子系统，所述子系统包括风电机组、光伏机组和储能电池；
S2、获取所述储能电池的电量，判断所述储能电池的电量是否小于预设最小电量，若所述储能电池的电量小于预设最小电量，则执行步骤S3；若所述储能电池的电量不小于预设最小电量，则运行放电模式；
S3、以风光储系统的运行成本最小，根据所有子系统的发电功率构建目标函数；
S4、确定约束条件，在满足所述约束条件的情况下，以所有子系统的发电功率作为变量，求解所述目标函数的最优解，得到对所有子系统的输出功率进行调节的优化方案；
S5、根据所述优化方案对所述风电机组、所述光伏机组和所述储能电池的输出功率进行调节。
2.根据权利要求1所述的考虑储能充放电模式的风光储优化运行方法，其特征在于，步骤S3具体包括：
以风光储系统的运行成本最小，根据所有子系统的发电功率构建目标函数为：
Figure 670195DEST_PATH_IMAGE001
式中，
Figure 832186DEST_PATH_IMAGE002
为风光储系统的运行成本，fg为购电成本，fr,in为充电模式下子系统的运行成本，fr,out为放电模式下风光储系统的运行成本，fb为储能电池充放电成本；
其中，
Figure 80633DEST_PATH_IMAGE003
Figure 302667DEST_PATH_IMAGE004
Figure 715194DEST_PATH_IMAGE005
Figure 936003DEST_PATH_IMAGE006
式中，rgrid,t为t时刻的电价，Pgrid,t为t时刻的风光储系统向电网的供电功率，
Figure 55269DEST_PATH_IMAGE007
为运行间隔时间，rwind、rsolar、rbatter分别为风电机组、光伏机组、储能电池的单位功率运行成本，
Figure 431892DEST_PATH_IMAGE008
分别为t时刻风电功率、光伏功率、储能电池充电功率、储能电池放电功率，N为储能电池充放电次数寿命，Rbatter为储能电池购置成本，Soc,n为储能电池的额定蓄电量。
3.根据权利要求2所述的考虑储能充放电模式的风光储优化运行方法，其特征在于，所述约束条件包括：
1)电量平衡约束：
Figure 269398DEST_PATH_IMAGE009
式中，Pgrid为系统向电网购电功率，Psolar为光伏机组的发电功率，Pwind为风电机组的发电功率，Pload为电力负荷功率，Pbatter,out、Pbatter,in分别为蓄电池放电、充电功率；
2）向电网购电功率约束为：
Figure 835509DEST_PATH_IMAGE010
式中，Pgrid,max为向电网购电最大功率；
3）光伏机组出力功率约束为：
Figure 324128DEST_PATH_IMAGE011
式中，Psolar,t,max为t时刻光照条件下的光伏机组最大功率；
4）光伏机组出力功率爬坡约束：
Figure 622385DEST_PATH_IMAGE012
式中，
Figure 9504DEST_PATH_IMAGE013
、
Figure 566256DEST_PATH_IMAGE014
分别为光伏机组最小、最大爬坡功率；
5）风电机组出力功率约束为：
Figure 394535DEST_PATH_IMAGE015
式中，Pwind,t,max为t时刻风速条件下，风电机组最大功率；
6）风电机组出力功率爬坡约束：
Figure 191590DEST_PATH_IMAGE016
式中，
Figure 987376DEST_PATH_IMAGE017
、
Figure 98552DEST_PATH_IMAGE018
分别为风电机组最小、最大爬坡功率；
7）风光储系统的备用容量约束：
Figure 296184DEST_PATH_IMAGE019
式中，S为风光储系统预设的备用率；
8）储能电池的t时刻充电时的蓄电量约束为：
Figure 264140DEST_PATH_IMAGE020
式中，Soc,t为t时刻的蓄电量，
Figure 297955DEST_PATH_IMAGE021
为储能电池自放电率，
Figure 196510DEST_PATH_IMAGE022
为充电效率，P batter,in,t 为t时刻的充电功率；
储能电池的t时刻放电时的蓄电量约束为：
Figure 999381DEST_PATH_IMAGE023
式中，Pbatter,out,t为t时刻的放电功率，
Figure 138238DEST_PATH_IMAGE024
为放电效率；
其中，储能电池充、放电功率约束分别为：
Figure 908617DEST_PATH_IMAGE025
Figure 96015DEST_PATH_IMAGE026
式中，Pbatter,out,max为储能电池的最大放电功率；
储能电池的蓄电量约束：
Figure 262380DEST_PATH_IMAGE027
式中，
Figure 509822DEST_PATH_IMAGE028
、
Figure 767497DEST_PATH_IMAGE029
分别为储能电池的最小、最大蓄电量；
风光储系统在运行周期初始时的储能电池的蓄电量的约束为：
Figure 820904DEST_PATH_IMAGE030
式中，S oc,t=0、S oc,t=T 分别为运行周期初始时、结束时的储能电池的蓄电量。
4.根据权利要求3所述的考虑储能充放电模式的风光储优化运行方法，其特征在于，在满足所述约束条件的情况下，以所有子系统的发电功率作为变量，求解所述目标函数的最优解，得到对所有子系统的输出功率进行调节的优化方案的步骤具体包括：
S401、在满足所述约束条件的情况下，随机生成粒子群，设定粒子群中的粒子数、最大迭代次数，初始化粒子群的局部最优解与全局最优解；
S402、以目标函数作为适应度函数，计算每个粒子的适应度值；
S403、比较粒子的适应值，找出每个粒子的历史最优值及其位置，以及达到全局最优值的粒子及其位置；
S404、更新粒子局部最优解与全局最优解；
S405、调整各粒子的位置与速度，返回步骤S402，判断是否满足迭代截止条件，若满足，则输出最终的计算结果，得到对所有子系统的输出功率进行调节的优化方案，若不满足，则重新返回步骤S402；其中，迭代截止条件为迭代次数达到预设的最大迭代次数。
5.一种考虑储能充放电模式的风光储优化运行系统，其特征在于，包括：
获取模块，用于获取风光储系统中的子系统，所述子系统包括风电机组、光伏机组和储能电池；
判断模块，用于获取所述储能电池的电量，判断所述储能电池的电量是否小于预设最小电量，若所述储能电池的电量小于预设最小电量，若所述储能电池的电量不小于预设最小电量，则运行放电模式；
构建模块，用于以风光储系统的运行成本最小，根据所有子系统的发电功率构建目标函数；
求解模块，用于确定约束条件，在满足所述约束条件的情况下，以所有子系统的发电功率作为变量，求解所述目标函数的最优解，得到对所有子系统的输出功率进行调节的优化方案；
调节模块，用于根据所述优化方案对所述风电机组、所述光伏机组和所述储能电池的输出功率进行调节。
6.根据权利要求5所述的考虑储能充放电模式的风光储优化运行系统，其特征在于，所述构建模块具体用于，以风光储系统的运行成本最小，根据所有子系统的发电功率构建目标函数为：
Figure 598367DEST_PATH_IMAGE001
式中，
Figure 265977DEST_PATH_IMAGE002
为风光储系统的运行成本，fg为购电成本，fr,in为充电模式下子系统的运行成本，fr,out为放电模式下风光储系统的运行成本，fb为储能电池充放电成本；
其中，
Figure 558418DEST_PATH_IMAGE003
Figure 353199DEST_PATH_IMAGE004
Figure 234436DEST_PATH_IMAGE005
Figure 823681DEST_PATH_IMAGE006
式中，rgrid,t为t时刻的电价，Pgrid,t为t时刻的风光储系统向电网的供电功率，
Figure 55948DEST_PATH_IMAGE007
为运行间隔时间，rwind、rsolar、rbatter分别为风电机组、光伏机组、储能电池的单位功率运行成本，
Figure 388840DEST_PATH_IMAGE008
分别为t时刻风电功率、光伏功率、储能电池充电功率、储能电池放电功率，N为储能电池充放电次数寿命，Rbatter为储能电池购置成本，Soc,n为储能电池的额定蓄电量。
7.根据权利要求6所述的考虑储能充放电模式的风光储优化运行系统，其特征在于，所述约束条件包括：
1)电量平衡约束：
Figure 124584DEST_PATH_IMAGE009
式中，Pgrid为系统向电网购电功率，Psolar为光伏机组的发电功率，Pwind为风电机组的发电功率，Pload为电力负荷功率，Pbatter,out、Pbatter,in分别为蓄电池放电、充电功率；
2）向电网购电功率约束为：
Figure 150308DEST_PATH_IMAGE010
式中，Pgrid,max为向电网购电最大功率；
3）光伏机组出力功率约束为：
Figure 604292DEST_PATH_IMAGE011
式中，Psolar,t,max为t时刻光照条件下的光伏机组最大功率；
4）光伏机组出力功率爬坡约束：
Figure 740876DEST_PATH_IMAGE012
式中，
Figure 144175DEST_PATH_IMAGE013
、
Figure 590069DEST_PATH_IMAGE014
分别为光伏机组最小、最大爬坡功率；
5）风电机组出力功率约束为：
Figure 282081DEST_PATH_IMAGE015
式中，Pwind,t,max为t时刻风速条件下，风电机组最大功率；
6）风电机组出力功率爬坡约束：
Figure 211903DEST_PATH_IMAGE016
式中，
Figure 672972DEST_PATH_IMAGE017
、
Figure 289767DEST_PATH_IMAGE018
分别为风电机组最小、最大爬坡功率；
7）风光储系统的备用容量约束：
Figure 265813DEST_PATH_IMAGE019
式中，S为风光储系统预设的备用率；
8）储能电池的t时刻充电时的蓄电量约束为：
Figure 744199DEST_PATH_IMAGE020
式中，Soc,t为t时刻的蓄电量，
Figure 574620DEST_PATH_IMAGE021
为储能电池自放电率，
Figure 909787DEST_PATH_IMAGE022
为充电效率，P batter,in,t 为t时刻的充电功率；
储能电池的t时刻放电时的蓄电量约束为：
Figure 576392DEST_PATH_IMAGE023
式中，Pbatter,out,t为t时刻的放电功率，
Figure 842157DEST_PATH_IMAGE024
为放电效率；
其中，储能电池充、放电功率约束分别为：
Figure 340134DEST_PATH_IMAGE025
Figure 783885DEST_PATH_IMAGE026
式中，Pbatter,out,max为储能电池的最大放电功率；
储能电池的蓄电量约束：
Figure 187053DEST_PATH_IMAGE027
式中，
Figure 69559DEST_PATH_IMAGE028
、
Figure 359726DEST_PATH_IMAGE029
分别为储能电池的最小、最大蓄电量；
风光储系统在运行周期初始时的储能电池的蓄电量的约束为：
Figure 489225DEST_PATH_IMAGE030
式中，S oc,t=0、S oc,t=T 分别为运行周期初始时、结束时的储能电池的蓄电量。
8.根据权利要求7所述的考虑储能充放电模式的风光储优化运行系统，其特征在于，所述求解模块具体包括：
设定模块，用于在满足所述约束条件的情况下，随机生成粒子群，设定粒子群中的粒子数、最大迭代次数，初始化粒子群的局部最优解与全局最优解；
计算模块，用于以目标函数作为适应度函数，计算每个粒子的适应度值；
比较模块，用于比较粒子的适应值，找出每个粒子的历史最优值及其位置，以及达到全局最优值的粒子及其位置；
更新模块，用于更新粒子局部最优解与全局最优解；
调整模块，用于调整各粒子的位置与速度，判断是否满足迭代截止条件，若满足，则输出最终的计算结果，得到对所有子系统的输出功率进行调节的优化方案；其中，迭代截止条件为迭代次数达到预设的最大迭代次数。
CN202211276465.0A 2022-10-19 2022-10-19 一种考虑储能充放电模式的风光储优化运行方法及系统 Active CN115360739B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211276465.0A CN115360739B (zh) 2022-10-19 2022-10-19 一种考虑储能充放电模式的风光储优化运行方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211276465.0A CN115360739B (zh) 2022-10-19 2022-10-19 一种考虑储能充放电模式的风光储优化运行方法及系统

Publications (2)

Publication Number Publication Date
CN115360739A true CN115360739A (zh) 2022-11-18
CN115360739B CN115360739B (zh) 2023-01-24

Family

ID=84008997

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211276465.0A Active CN115360739B (zh) 2022-10-19 2022-10-19 一种考虑储能充放电模式的风光储优化运行方法及系统

Country Status (1)

Country Link
CN (1) CN115360739B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103779869A (zh) * 2014-02-24 2014-05-07 国家电网公司 考虑荷电状态动态调整的储能电站容量优化计算方法
CN104022534A (zh) * 2014-06-17 2014-09-03 华北电力大学 风光储发电单元多目标协调运行优化方法
CN104242335A (zh) * 2014-06-30 2014-12-24 江苏华大天益电力科技有限公司 一种基于额定容量的风光储发电单元容量优化配置方法
CN105226688A (zh) * 2015-10-12 2016-01-06 中国电力科学研究院 基于机会约束模型的多类型储能系统容量优化配置方法
CN106384176A (zh) * 2016-11-11 2017-02-08 吉林省电力科学研究院有限公司 一种基于风光互补特性的风光储发电系统容量优化方法
CN108306331A (zh) * 2018-01-15 2018-07-20 南京理工大学 一种风光储混合系统的优化调度方法
CN109510241A (zh) * 2018-12-20 2019-03-22 中国电建集团河北省电力勘测设计研究院有限公司 工业园区风光燃储能能源的并网模式优化配置系统及方法
CN110334856A (zh) * 2019-06-18 2019-10-15 国网浙江省电力有限公司湖州供电公司 一种基于碳交易机制的风光储容量规划方法
CN112821466A (zh) * 2021-01-08 2021-05-18 湖北工业大学 一种含光热发电的独立微电网容量配置方法
CN114725930A (zh) * 2022-04-06 2022-07-08 安徽工程大学 一种自适应电力系统调度方法及装置

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103779869A (zh) * 2014-02-24 2014-05-07 国家电网公司 考虑荷电状态动态调整的储能电站容量优化计算方法
CN104022534A (zh) * 2014-06-17 2014-09-03 华北电力大学 风光储发电单元多目标协调运行优化方法
CN104242335A (zh) * 2014-06-30 2014-12-24 江苏华大天益电力科技有限公司 一种基于额定容量的风光储发电单元容量优化配置方法
CN105226688A (zh) * 2015-10-12 2016-01-06 中国电力科学研究院 基于机会约束模型的多类型储能系统容量优化配置方法
CN106384176A (zh) * 2016-11-11 2017-02-08 吉林省电力科学研究院有限公司 一种基于风光互补特性的风光储发电系统容量优化方法
CN108306331A (zh) * 2018-01-15 2018-07-20 南京理工大学 一种风光储混合系统的优化调度方法
CN109510241A (zh) * 2018-12-20 2019-03-22 中国电建集团河北省电力勘测设计研究院有限公司 工业园区风光燃储能能源的并网模式优化配置系统及方法
CN110334856A (zh) * 2019-06-18 2019-10-15 国网浙江省电力有限公司湖州供电公司 一种基于碳交易机制的风光储容量规划方法
CN112821466A (zh) * 2021-01-08 2021-05-18 湖北工业大学 一种含光热发电的独立微电网容量配置方法
CN114725930A (zh) * 2022-04-06 2022-07-08 安徽工程大学 一种自适应电力系统调度方法及装置

Also Published As

Publication number Publication date
CN115360739B (zh) 2023-01-24

Similar Documents

Publication Publication Date Title
CN111404206B (zh) 考虑投资回报约束的风光储发电系统容量双层规划方法
CN109378846B (zh) 储能电站中储能变流器的电池模块充放电控制方法与装置
WO2015133136A1 (ja) 電源システム
CN111313444A (zh) 一种面向高密度光伏配网台区侧的储能系统优化配置方法
CN108599146B (zh) 考虑阶梯电价的家庭光伏和电池储能系统容量配置方法
CN110535187A (zh) 一种主动配电网的复合储能容量的能量调度方法及系统
CN116780588A (zh) 控制具有高动态负载的电力系统的电池储能系统的方法
Spertino et al. Renewable sources with storage for cost-effective solutions to supply commercial loads
Kharrich et al. Microgrid sizing with environmental and economic optimization
CN107919683B (zh) 一种储能减少风电场弃风电量的优化决策方法
CN115360739B (zh) 一种考虑储能充放电模式的风光储优化运行方法及系统
Tito et al. A simple sizing optimization method for wind-photovoltaic-battery hybrid renewable energy systems
Chauhan et al. Optimal sizing of a stand-alone PV/wind/MHP/biomass based hybrid energy system using PSO algorithm
Quan et al. Optimal Energy Management of Vanadium Redox Flow Batteries Energy Storage System for Frequency Regulation and Peak Shaving in an Islanded Microgrid
CN115882483A (zh) 一种利用容量弹性实现系统最优储能容量配置的方法
JP2019165552A (ja) 集中管理装置
CN111244989B (zh) 一种基于电池储能的风电机组与火电机组的协调运行方法
Amin et al. Implementation of nanogrids for future power system
WO2023068919A1 (en) Energy and power management system for demand and supply of renewable energy in a nanogrid and a method thereof
CN114629135A (zh) 风储调频容量的调节方法、装置、计算机设备及存储介质
CN111668882A (zh) 智慧能环网中微电源出力优化方法及装置
CN105186553A (zh) 一种基于智能微网的风力发电系统
CN112491041B (zh) 一种储能混合微电网混合线性经济性规划方法
Hollis et al. Dispatching of a Scale Nuclear Power Plant using a Battery Storage
Ma et al. A bi-level optimal configuration model of isolated microgrid considering energy storage lifetime

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