CN115473285A - 基于合作博弈论的多类型储能系统最优容量配置方法 - Google Patents

基于合作博弈论的多类型储能系统最优容量配置方法 Download PDF

Info

Publication number
CN115473285A
CN115473285A CN202211019700.6A CN202211019700A CN115473285A CN 115473285 A CN115473285 A CN 115473285A CN 202211019700 A CN202211019700 A CN 202211019700A CN 115473285 A CN115473285 A CN 115473285A
Authority
CN
China
Prior art keywords
power
storage battery
super capacitor
energy storage
wind
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
CN202211019700.6A
Other languages
English (en)
Inventor
吕清泉
张珍珍
周强
赵龙
高鹏飞
沈渭程
张健美
张睿骁
张彦琪
王定美
张金平
李津
刘丽娟
郑翔宇
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.)
STATE GRID GASU ELECTRIC POWER RESEARCH INSTITUTE
State Grid Corp of China SGCC
State Grid Gansu Electric Power Co Ltd
Original Assignee
STATE GRID GASU ELECTRIC POWER RESEARCH INSTITUTE
State Grid Corp of China SGCC
State Grid Gansu 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 STATE GRID GASU ELECTRIC POWER RESEARCH INSTITUTE, State Grid Corp of China SGCC, State Grid Gansu Electric Power Co Ltd filed Critical STATE GRID GASU ELECTRIC POWER RESEARCH INSTITUTE
Priority to CN202211019700.6A priority Critical patent/CN115473285A/zh
Publication of CN115473285A publication Critical patent/CN115473285A/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
    • H02J3/38—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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network 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
    • H02J3/28—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
    • 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
    • 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

Abstract

本发明属于电力系统的节能减排技术领域，特别涉及到一种基于合作博弈论的多类型储能系统最优容量配置方法。通过对蓄电池、超级电容器的协调控制，平抑系统功率波动，保证系统功率平衡，由于太阳能发电具有周期性、风力发电短时输出功率波动大，新能源发电系统具有很大的不稳定性，需要储能系统补充系统功率平衡。利用能量型储能装置蓄电池和功率型储能装置超级电容器保证功率平抑的准确性和快速性。充分利用不同种类储能装置的优势，满足功率平衡的同时，降低储能系统建设维护成本。

Description

基于合作博弈论的多类型储能系统最优容量配置方法
技术领域
本发明属于电力系统的节能减排技术领域，特别涉及到一种基于合作博弈论的多类型储能系统最优容量配置方法。
背景技术
新世纪以来中国乃至世界各个国家都面临着能源短缺与保护环境相互冲突的问题，迫切需要新兴产业和技术，低污染低耗能的同时保障社会能源供应，新能源技术应运而生。近年来中国每年投入上千亿元大力发展新能源产业，在国内大规模建设风电场，光伏发电站，水电站等新能源发电设施，其中有不少项目都位于中西部省份。
而在各个中西部省份里，甘肃的新能源产业发展最为迅速。甘肃省大面积的荒原，草原，沙漠等地形使得建设大规模的光伏发电站与风力发电厂的成本低廉。据统计，2021年甘肃省的新能源发电总量甘肃省的新能源发电量为446亿千瓦时，占全省年总发电总量的23％，这节约了1600万吨煤炭和4000万吨二氧化碳排放。
截至2021年底，甘肃新能源装机容量达2897万千瓦，占总装机47.08％，比例位居全国第一，是省内第一大电源。但新能源的装机容量比例与实际出力比例有较大差距。这反映出了新能源的固有特性，那就是难以保障发电的稳定性，特别是风电与光电受天气的影响较大。
风力发电受自然风的影响，风向风力难以精确预测，有季节性、间歇性的特征；光伏发电受太阳光照的影响，只能在白天工作，并且不具备有功输出调度调节能力，当太阳光强迅速变化时，输出功率会大幅度地快速波动。最终迫使电网增加更多的旋转备用容量来补偿风电、光伏发电系统出力的波动，这反而增加了系统用电成本。而当新能源最大出力超过常规电源调节范围时，电网还将主动断开与新能源设施的连接，将这部分能量放弃，等待输出稳定后再重新连接，即“弃风、弃光”现象。
为解决上述问题，在风、光资源等较为充足的地区，又建设了一些风光互补发电系统，能够部分缓解单种新能源出力不足的问题。但是由于风、光的不稳定性和间歇性依旧没得到解决，电网调峰除了以往面临的负荷的问题以外，还需要平衡新能源的出力波动，这严重影响了电网稳定性，严重时会导致整个电网崩溃和全面断电，造成重大的事故。
通过合理配置储能单元，优化电网的运行模式，可以用来解决新能源消纳，特别是风光互补发电系统中功率大波动的难题。通过增设储能调峰调频设施，可以增强电网的调节能力，改善电能品质，促进新能源的消纳，从而提高电网经济效益。
蓄电池储能(能量型储能)是目前应用最广泛、最有前途的电储能方式。蓄电池的能量比高，方便长时间存储电能，能增加整个发电系统的能量调节范围，能有效缓解系统高峰负荷时的电能需求，还可以用来协助无功补偿装置，有效抑制电网电压波动和闪变。
然而蓄电池的充电电压和充电电流有严格限制，要求与蓄电池对接的充电器具有稳压限压和稳流限流功能，高昂的设计建设成本限制了蓄电池的大范围应用；蓄电池的功率密度低、充放电时间长，也无法适应短期调频的需求。蓄电池的循环寿命短，约2到5年就必须更换，维修费用高：普通锂离子电池具有较高的充放电次数不过2000次，普通铅酸蓄电池充放电次数只有500次。过度充电或短路时还会升温爆炸，安全性差。蓄电池中使用了铅等有害金属，无法分解，生产、工作、报废时均会对环境产生不良影响，不能随意处理和丢弃。
超级电容器(功率型储能)指的是由特殊材质制作的多孔介质，比普通电容介电常数更高，耐压管理功率密度以及储能容量更大，同时具备了电容器释放能量速度快的优势。超级电容器的储能原理和蓄电池机制不同，前者利用双电层储能机制，蓄电池则采用化学储能机制。超级电容功率特性好，在运行过程中没有运动部件，能实现大电流快速充放电；超级电容器的容量级别能够达到法拉级，即使是负荷高的、复杂的电路，超级电容器也能够满足运行需要。其对外接充电器的要求不高，不需要特意设置额外的充电、放电电路，不易受到过充或者是过放的影响。其维修工作量极少，维护成本低，具有较高的可靠性。超级电容储能的循环寿命长，有助于抑制系统的短时功率波动。超级电容器是一种绿色能源，在材料构成、生产、使用以及储能、甚至是在拆解的过程中都不会对环境产生污染，是一种理想的环保能源。
但是超级电容器也具有一定的缺陷，如电容串联均压、端电压波动范围大、能量密度低，无法长时间存储电能等问题。
因此可以将超级电容器与蓄电池两种储能设备有机的结合起来构成多类型储能系统，能够提升储能系统的输入输出能力、减少储能系统的响应时间，降低系统内部损耗；超级电容为蓄电池优化工作状态，能有效减少蓄电池充放电循环次数，减少不健康工况对蓄电池的非必要损耗，延长其使用寿命。
这种系统兼顾两种储能方式的优点，一定程度上弥补了各自的缺点，提高了储能系统整体的性能。在新能源+储能的电网中有望改善系统的供电质量，提高整体运行稳定性与经济性，解决局部电压骤降、电压跌落等问题。
实践中建设大规模储能系统的规划非常复杂。特别是随着规划对象的丰富及规划场景的拓展，需要进一步实现对各类新能源、新型电网及其他系统元件的精细化建模，这也会为模型引入各类非线性因素，规划定容问题的求解难度进一步加大。通常储能系统容量越大，其补偿新能源输出功率波动的能力也越强，但是一味地增加额定容量，也会大幅提升成本，使其难以进一步提高经济性。此外，蓄电池储能和超级电容储能的收益不仅与所规划的容量有关，还与系统运行时的能量协调控制策略有关：多能源系统中存在多个利益主体，如蓄电池储能、超级电容储能，其容量配置方案是根据自身所有者决策的结果，而非考虑整体利益而得到的优化结果。
我们需要综合考虑参与者收益与电力系统整体经济性之间的均衡问题。而博弈论作为一种分析竞争策略的理论，可有效处理多个参与者间的相互作用决策。博弈的分类根据不同的基准也有不同的分类。一般认为，博弈主要可以分为合作博弈和非合作博弈。合作博弈和非合作博弈的区别在于相互发生作用的当事人之间有没有一个具有约束力的协议，如果有，就是合作博弈，如果没有，就是非合作博弈。
蓄电池和超级电容，在装机容量上相互竞争，在电网能量调度中又相互合作，是以考虑基于合作博弈论，来实现多类型储能系统经济性和对新能源的消纳调节能力之间的平衡。
发明内容
本发明的目的是针对上述现有技术中的不足，提出了一种基于合作博弈论的多类型储能系统最优容量配置方案，解决新能源发电的不稳定性问题。同时，考虑投入电网本身的旋转备用，以提高新能源消纳；兼顾了多类型储能系统的投资运行维护成本和新能源消纳量之间的平衡。
为实现上述目的，本发明采用的技术方案具体步骤如下：
基于合作博弈论的多类型储能系统包括：风电站、光伏电站、蓄电池组、以及超级电容；决策变量为蓄电池的建设容量、超级电容的建设容量；
合作博弈的基本要素包括参与者和特征函数，假设一个二元组博弈G＝<N,v>，其中N＝{1,2,···,n}表示联盟成员的集合；v为联盟的特征函数，对于N的任一子集S∈N,v(S)表示联盟S的总收益；
进一步地，所述蓄电池作为主调峰单元，在大时间尺度根据日前、日内计划平滑风光出力，解决新能源发电的周期性问题；储能电站的超级电容作为主调频单元，在短时间尺度根据电网频率实时调整自身出力，自动平滑风光出力，解决新能源发电的不稳定性问题；储能系统系统通过双向DC/DC变换器接入直流母线，其中，蓄电池仅在额定功率和额定电压运行。
基于合作博弈论的多类型储能系统最优容量配置方法，包括以下步骤：
S1.确定目标函数：考虑到多类型储能系统的目的在于提高新能源消纳，风电场、光伏电站、蓄电池以及超级电容形成联盟S后，以联盟的最大年净收益为待优化的目标函数，即联盟运行收入减去投资运行成本；
S2.确定目标函数以及系统的约束条件，约束包括：光伏电站出力、风电站出力、系统、蓄电池充放电以及超级电容充放电约束；
S3.优化模型求解，采用天牛须搜索(BeetleAntennaeSearch-BAS)算法；
S4.合作博弈的Shapley值分配模型，采用Shapley值的概念分配联盟中各成员的利润。
进一步地，所述步骤S1中，各主体的年化净收益分别如下表示：
光伏电站：
Figure BDA0003813653050000051
式中：NPV是光伏电站的总个数；T是总时间；PPVi,t是光伏电站i在t时刻的上网功率；RPV是光伏上网电价；CPV是光伏单位电量运行维护成本；ΔT是单位时间,以小时计；
风电场：
Figure BDA0003813653050000061
式中，NWT是风电场的总个数；T是总时间；PWTj,t是风电场j在t时刻的上网功率；RWT是风电上网电价；CWT是风电单位电量运行维护成本；ΔT是单位时间,以小时计，光伏电站、风电场的生产成本只计运行维护成本,不包括初始投资的分摊成本；
储能电站的蓄电池年化收益：
为精确计算容量，对储能系统的成本进行精细建模，蓄电池、超级电容各储能系统初始投资成本Cm、Cn可以近似假设为关于容量和额定功率的二次函数，将初始投资成本折算到规划年,可得规划年初始投资的分摊成本C1、C2，蓄电池的运行维修成本可以看成是初始投资成本的线性函数C3，目标函数的各项表达式具体为：
Figure BDA0003813653050000062
Figure BDA0003813653050000063
Figure BDA0003813653050000064
C3＝λCm
式中，T为总时间；ΔT是单位时间,以小时计，NBAT是蓄电池的总个数；Cdis为蓄电池单位放电收益，Pdism,t为蓄电池m在t时刻的放电功率；Cch为蓄电池单位购电成本，Pchm,t为蓄电池m在t时刻的充电功率；
Cm是蓄电池组的初始投资；Cbs是蓄电池配置容量，Pbs是蓄电池额定功率；a0、a1、a2、b1、b2为配置系数；γ是储能电站资金的年利率；Cbats是蓄电池组的残值；k是设备年限；λ是维修费用比例，λ大于1；
储能电站的超级电容年化收益：
Figure BDA0003813653050000071
Figure BDA0003813653050000072
Figure BDA0003813653050000073
式中：T为总时间；ΔT是单位时间,以小时计，NSC是超级电容器的总个数；RSC为超级电容单位调频收益，PSCn,t为t时刻超级电容n的输出功率，放电时为正值，充电时为负值；由于超级电容可充放电次数多寿命长，且不易损坏，其运行维护成本可忽略不计，超级电容工作时，会快速地充放电，无法从购电卖电时的电价差中获得利益，应该由电网公司处收取调频费用，按累计调频功率计算。
Cn是超级电容的初始投资；Css是超级电容配置容量，Pss是超级电容额定功率；a3、a4、a5、b3、b4为配置系数；Cscs是超级电容的残值。
进一步地，所述步骤S2中，目标函数以及系统的约束条件：
光伏电站出力约束：
第i个光伏电站在t时刻的实际调度出力PPVi,t的变化范围可用闭区间表示，其中
Figure BDA0003813653050000074
分别为第i个光伏电站正常发电时出力的最小值和最大值，
Figure BDA0003813653050000075
风电站出力约束
第j个风场在t时刻的风功率PWTj,t的变化范围可用闭区间表示，其中
Figure BDA0003813653050000076
分别为第j个风场正常运行时出力的最小值和最大值，
Figure BDA0003813653050000081
系统约束
为使得新能源能够尽可能消纳，新能源+储能系统能直接与区域电网预期负荷达到功率平衡(仅考虑有功功率平衡)：
Figure BDA0003813653050000082
式中，PL，t为t时刻系统的电负荷；
蓄电池充放电约束：
Figure BDA0003813653050000083
式中：Qbatm,t为t时刻蓄电池m的储电量；ρ为蓄电池储电能量损失率；ηch、vdis分别表示蓄电池的储电、放电效率；
Figure BDA0003813653050000084
和
Figure BDA0003813653050000085
分别为蓄电池组的最大充电功率和最大放电功率。
蓄电池不能同时处于充电和放电的状态，且其充放电功率不能超过规划时的额定功率：
Pchm,t·Pdism,t＝0
Figure BDA00038136530500000814
Figure BDA0003813653050000086
Figure BDA0003813653050000087
为避免蓄电池的局部过充或过放，
Figure BDA0003813653050000088
分别为蓄电池m输出功率向下调节和向上调节的速率极限值，
Figure BDA0003813653050000089
Figure BDA00038136530500000810
和
Figure BDA00038136530500000811
为蓄电池容量下限和上限；
超级电容充放电约束
Figure BDA00038136530500000812
Figure BDA00038136530500000813
Figure BDA0003813653050000091
式中：Qscn,t为t时刻超级电容的储电量；
Figure BDA0003813653050000092
为超级电容储电能量损失率；μ表示超级电容的充放电效率；
Figure BDA0003813653050000093
和
Figure BDA0003813653050000094
分别为超级电容的最大充电功率和最大放电功率；
Figure BDA0003813653050000095
和
Figure BDA0003813653050000096
为超级电容容量下限和上限。
进一步地，所述步骤S4中，合作博弈的Shapley值分配模型其分配模型要求各参与者获得其所属每个联盟所做贡献平均值的收益，各成员利益分配方案：
Figure BDA0003813653050000097
式中：S为包含i的所有联盟集合；n是N的参与者个数；|S|为联盟S元素个数；v(S)为所有包含i的联盟收益；v(S\i)为所有不包含i的联盟收益,W(S)是表示各自联盟的加权因子，即分配系数。
本发明还公开了基于合作博弈论的多类型储能系统的控制方法为：
“新能源+储能”模式下的多类型储能系统，看作是风-光-储微网的一部分，其中多类型储能系统由蓄电池和超级电容共同组成，系统通过双向DC/DC变换器接入直流母线；为尽可能延长蓄电池的使用寿命，蓄电池仅在额定功率和额定电压运行；
首先由各风电、光伏发电单元采集汇总电压电流信息传递给电网主控端并与预设负载的功率进行对比，计算得到功率差额△P；
其次，采集超级电容充放电电流和直流母线电压，计算超级电容现有储存容量，决定是否可以参与调峰；若超级电容不能参与调频或由于功率限制依旧有功率缺口，采集蓄电池端的电压、电流和蓄电池的环境温度等数据并传递到主控端与预设数据进行对比判断蓄电池的充放电条件，决定是否可以增大调峰力度；
最后，若功率依旧不平衡，向电网购电或弃风、弃光以保证电网的安全稳定运行；
若所述的功率差额△P小于0时：
风电、光伏发出的电能首先给负载供电，同时，判断超级电容是否可以参与调频，可行则提高储能电容令超级电容放电开始调频；若不可则开始蓄电池调峰；
计算对比超级电容调频后再次计算得到的平均功率差额△P1，如果△P1＝0，则系统功率已经平衡，调度结束；如果△P1<0，判断蓄电池是否可放电(已经在放电作业的，提高放电功率)，若可则蓄电池参与调峰；若不可则微网向电网购电直至功率平衡，调度周期结束；
计算对比蓄电池调峰后最终计算得到的功率差额△P2，如果△P2<0，则微网向电网购电直至功率平衡，调度周期结束；如果△P2＝0，则系统功率已经平衡，调度周期结束；
若所述功率差额△P大于0时：
首先判断超级电容是否可以充电调频，若可则令超级电容器充电；若容量已达上限不可调峰则考虑蓄电池调峰；
计算对比超级电容调峰后再次计算得到的功率差额△P1，如果△P1＝0，则系统功率已经平衡，调度结束；如果P1>0，判断蓄电池是否可充电(已经在充电作业的，提高充电功率)，若可则蓄电池充电调峰；若不可则弃风、弃光直至功率平衡，调度结束；
计算对比蓄电池调峰后最终计算得到的功率差额△P2，如果△P2>0，则弃风、弃光直至功率平衡，调度周期结束；如果P2＝PL，则系统功率已经平衡，调度周期结束。
且综上所述，由于采用了上述技术方案，发明的有益技术效果是：
一种基于合作博弈论的多类型储能系统及最优容量配置方法，将超级电容器与蓄电池两种储能设备有机的结合起来构成多类型储能系统，能够提升储能系统的输入输出能力、减少储能系统的响应时间，降低系统内部损耗；超级电容为蓄电池优化工作状态，能有效减少蓄电池充放电循环次数，减少不健康工况对蓄电池的非必要损耗，延长其使用寿命。
这种系统兼顾两种储能方式的优点，一定程度上弥补了各自的缺点，提高了储能系统整体的性能。在新能源+储能的电网中有望改善系统的供电质量，提高整体运行稳定性与经济性，解决局部电压骤降、电压跌落等问题。
附图说明
图1为本发明多类型储能系统控制策略流程图。
图2为本发明天牛须搜索(BeetleAntennaeSearch-BAS)算法优化模型求解流程图。
图3为本发明中“新能源+储能”模式下的多类型储能系统结构图。
具体实施方式
为了使发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释发明，并不用于限定发明。
一种基于合作博弈论的多类型储能系统包括：风电站、光伏电站、蓄电池组、以及超级电容。在基于合作博弈论的多类型储能系统最优容量配置方案模型中，电网建设人员的决策变量包含2个部分，分别为蓄电池的建设容量、超级电容的建设容量。
合作博弈的基本要素包括参与者和特征函数。假设一个二元组博弈G＝<N,v>，其中N＝{1,2,···,n}表示联盟成员的集合；v为联盟的特征函数，对于N的任一子集S∈N,v(S)表示联盟S的总收益。
目标函数
考虑到多类型储能系统的目的在于提高新能源消纳，风电场、光伏电站、蓄电池、超级电容形成联盟S后，以联盟的最大年净收益为待优化的目标函数，即联盟运行收入减去投资运行成本，如下式所示：
V(s)＝max(FPV+FWT+FBAT+FSC)
各主体的年化净收益分别如下表示：
(1)光伏电站：
Figure BDA0003813653050000121
式中：NPV是光伏电站的总个数；T是总时间；PPVi,t是光伏电站i在t时刻的上网功率；RPV是光伏上网电价；CPV是光伏单位电量运行维护成本；ΔT是单位时间,以小时计。
(2)风电场：
Figure BDA0003813653050000122
式中，NWT是风电场的总个数；T是总时间；PWTj,t是风电场j在t时刻的上网功率；RWT是风电上网电价；CWT是风电单位电量运行维护成本；ΔT是单位时间,以小时计。光伏电站、风电场的生产成本只计运行维护成本,不包括初始投资的分摊成本。
(3)储能电站的蓄电池年化收益：
为精确计算容量，对储能系统的成本进行精细建模。蓄电池、超级电容各储能系统初始投资成本Cm、Cn可以近似假设为关于容量和额定功率的二次函数。将初始投资成本折算到规划年,可得规划年初始投资的分摊成本C1、C2。蓄电池的运行维修成本可以看成是初始投资成本的线性函数C3。目标函数的各项表达式具体为：
Figure BDA0003813653050000123
Figure BDA0003813653050000124
Figure BDA0003813653050000131
C3＝λCm
式中，T为总时间；ΔT是单位时间,以小时计。NBAT是蓄电池的总个数；Cdis为蓄电池单位放电收益，Pdism,t为蓄电池m在t时刻的放电功率；Cch为蓄电池单位购电成本，Pchm,t为蓄电池m在t时刻的充电功率。
Cm是蓄电池组的初始投资；Cbs是蓄电池配置容量，Pbs是蓄电池额定功率；a0、a1、a2、b1、b2为配置系数；γ是储能电站资金的年利率；Cbats是蓄电池组的残值；k是设备年限；λ是维修费用比例。
在电化学储能项目中，储能元件的蓄电池因为循环次数较少，在运行过程中需多次替换，就产生了蓄电池的更新成本。在通常情况下，电池和设备的使用寿命小于储能电站项目周期，因此在项目的运行周期内需考虑到电池的更换成本。次。当储能电池超过使用年限时，将电池全部更换是不经济、不环保的。因此在实际运行中，根据电池的年衰减率每年增补一定的容量，保证蓄电池组的可用容量。为方便计算，可选取时间跨度为10年，设定电池寿命为5年，即储能电站蓄电池均至少更换一次，即λ大于1。
(4)储能电站的超级电容年化收益：
Figure BDA0003813653050000132
Figure BDA0003813653050000133
Figure BDA0003813653050000134
式中：T为总时间；ΔT是单位时间,以小时计。NSC是超级电容器的总个数；RSC为超级电容单位调频收益，PSCn,t为t时刻超级电容n的输出功率，放电时为正值，充电时为负值；由于超级电容可充放电次数多寿命长，且不易损坏，其运行维护成本可忽略不计。超级电容工作时，会快速地充放电，无法从购电卖电时的电价差中获得利益，应该由电网公司处收取调频费用，按累计调频功率计算。
Cn是超级电容的初始投资；Css是超级电容配置容量，Pss是超级电容额定功率；a3、a4、a5、b3、b4为配置系数；Cscs是超级电容的残值。
2.约束条件
光伏电站出力约束
第i个光伏电站在t时刻的实际调度出力PPVi,t的变化范围可用闭区间表示，其中
Figure BDA0003813653050000141
分别为第i个光伏电站正常发电时出力的最小值和最大值。
Figure BDA0003813653050000142
风电站出力约束
第j个风场在t时刻的风功率PWTj,t的变化范围可用闭区间表示，其中
Figure BDA0003813653050000143
Figure BDA0003813653050000144
分别为第j个风场正常运行时出力的最小值和最大值。
Figure BDA0003813653050000145
系统约束
为使得新能源能够尽可能消纳，在设计时令新能源+储能系统能直接与区域电网预期负荷达到功率平衡(仅考虑有功功率平衡)：
Figure BDA0003813653050000146
式中，PL，t为t时刻系统的电负荷。
蓄电池充放电约束：
Figure BDA0003813653050000147
式中：Qbatm,t为t时刻蓄电池m的储电量；ρ为蓄电池储电能量损失率；ηch、ηdis分别表示蓄电池的储电、放电效率；
Figure BDA0003813653050000151
和
Figure BDA0003813653050000152
分别为蓄电池组的最大充电功率和最大放电功率。
蓄电池不能同时处于充电和放电的状态，且其充放电功率不能超过规划时的额定功率：
Pchm,t·Pdism,t＝0
Figure BDA0003813653050000153
Figure BDA0003813653050000154
Figure BDA0003813653050000155
为避免蓄电池的局部过充或过放，
Figure BDA0003813653050000156
分别为蓄电池m输出功率向下调节和向上调节的速率极限值。
Figure BDA0003813653050000157
Figure BDA0003813653050000158
和
Figure BDA0003813653050000159
为蓄电池容量下限和上限。
超级电容充放电约束
Figure BDA00038136530500001510
Figure BDA00038136530500001511
Figure BDA00038136530500001512
式中：Qscn,t为t时刻超级电容的储电量；
Figure BDA00038136530500001513
为超级电容储电能量损失率；μ表示超级电容的充放电效率；
Figure BDA00038136530500001514
和
Figure BDA00038136530500001515
分别为超级电容的最大充电功率和最大放电功率；
Figure BDA00038136530500001516
和
Figure BDA00038136530500001517
为超级电容容量下限和上限。
4优化模型求解
为解决上述优化问题，采用天牛须搜索(BeetleAntennaeSearch-BAS)算法，其类似于遗传算法、粒子群算法、模拟退火等智能优化算法，但不需要知道函数的具体形式，不需要梯度信息，就可以实现高效寻优。相比于粒子群算法，天牛须搜索只需要一个个体，即一只天牛，运算量大大降低。具体流程如图1所示：
5.合作博弈的Shapley值分配模型
公平合理的利润分配机制是合作博弈必要环节，当对联盟的总收益进行分配时，每个成员的分摊额就是一种支付，定义支付向量X＝{x1,x2,···,xn}表示收益的分摊方案。本发明中，“新能源+储能”系统的效益可以转移，即存在转移支付协调系统内部各方受益。
本发明拟采用Shapley值的概念分配联盟中各成员的利润。Shapley值作为合作博弈理论中常见的利润分配方法，其解具有唯一性。其分配模型要求各参与者获得其所属每个联盟所做贡献平均值的收益，各成员利益分配方案如下所示：
Figure BDA0003813653050000161
式中：S为包含i的所有联盟集合；n是N的参与者个数；|S|为联盟S元素个数；v(S)为所有包含i的联盟收益；v(S＼i)为所有不包含i的联盟收益,W(S)是表示各自联盟的加权因子，即分配系数。
6.多类型储能系统控制过程
“新能源+储能”模式下的多类型储能系统，可以看作是风-光-储微网的一部分，其结构如图1所示。
其中多类型储能系统由蓄电池和超级电容共同组成，系统通过双向DC/DC变换器接入直流母线。其系统控制流程图如图2所示。为尽可能延长蓄电池的使用寿命，蓄电池仅在额定功率和额定电压运行。
首先由各风电、光伏发电单元采集汇总电压电流信息传递给电网主控端并与预设负载的功率进行对比，计算得到功率差额△P；其次，采集超级电容充放电电流和直流母线电压，计算超级电容现有储存容量，决定是否可以参与调峰；若超级电容不能参与调频或由于功率限制依旧有功率缺口，采集蓄电池端的电压、电流和蓄电池的环境温度等数据并传递到主控端与预设数据进行对比判断蓄电池的充放电条件，决定是否可以增大调峰力度；最后，若功率依旧不平衡，向电网购电或弃风、弃光以保证电网的安全稳定运行。
若功率差额△P小于0：
(1)此时，风电、光伏发出的电能首先给负载供电，同时，判断超级电容是否可以参与调频，可行则提高储能电容令超级电容放电开始调频；若不可则开始蓄电池调峰。
(2)计算对比超级电容调频后再次计算得到的平均功率差额△P1，如果△P1＝0，则系统功率已经平衡，调度结束。如果△P1<0，判断蓄电池是否可放电(已经在放电作业的，提高放电功率)，若可则蓄电池参与调峰；若不可则微网向电网购电直至功率平衡，调度周期结束。
(3)计算对比蓄电池调峰后最终计算得到的功率差额△P2，如果△P2<0，则微网向电网购电直至功率平衡，调度周期结束。如果△P2＝0，则系统功率已经平衡，调度周期结束。
若功率差额△P大于0：
(1)此时，首先判断超级电容是否可以充电调频，若可则令超级电容器充电；若容量已达上限不可调峰则考虑蓄电池调峰。
(2)计算对比超级电容调峰后再次计算得到的功率差额△P1，如果△P1＝0，则系统功率已经平衡，调度结束。如果P1>0，判断蓄电池是否可充电(已经在充电作业的，提高充电功率)，若可则蓄电池充电调峰；若不可则弃风、弃光直至功率平衡，调度结束。
(3)计算对比蓄电池调峰后最终计算得到的功率差额△P2，如果△P2>0，则弃风、弃光直至功率平衡，调度周期结束。如果P2＝PL，则系统功率已经平衡，调度周期结束。
以上所述为发明的较佳实施例，并不用以限制发明，凡在发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在发明的保护范围之内。

Claims (6)

1.基于合作博弈论的多类型储能系统，其特征在于，包括：风电站、光伏电站、蓄电池组、以及超级电容；决策变量为蓄电池的建设容量、超级电容的建设容量；
合作博弈的基本要素包括参与者和特征函数，假设一个二元组博弈G＝<N,v>，其中N＝{1,2,···,n}表示联盟成员的集合；v为联盟的特征函数，对于N的任一子集S∈N,v(S)表示联盟S的总收益；
其中，蓄电池作为主调峰单元，在大时间尺度根据日前、日内计划平滑风光出力；储能电站的超级电容作为主调频单元，在短时间尺度根据电网频率实时调整自身出力，自动平滑风光出力。
2.根据权利要求1所述的基于合作博弈论的多类型储能系统最优容量配置方法，包括以下步骤：
S1.确定目标函数：考虑到多类型储能系统的目的在于提高新能源消纳，风电场、光伏电站、蓄电池以及超级电容形成联盟S后，以联盟的最大年净收益为待优化的目标函数，即联盟运行收入减去投资运行成本；
S2.确定目标函数以及系统的约束条件，约束包括：光伏电站出力、风电站出力、系统、蓄电池充放电以及超级电容充放电约束；
S3.优化模型求解，采用天牛须搜索(Beetle Antennae Search-BAS)算法；
S4.合作博弈的Shapley值分配模型，采用Shapley值的概念分配联盟中各成员的利润。
3.根据权利要求2所述的基于合作博弈论的多类型储能系统最优容量配置方法，其特征在于：所述步骤S1中，各主体的年化净收益分别如下表示：
光伏电站：
Figure FDA0003813653040000011
式中：NPV是光伏电站的总个数；T是总时间；PPVi,t是光伏电站i在t时刻的上网功率；RPV是光伏上网电价；CPV是光伏单位电量运行维护成本；ΔT是单位时间,以小时计；
风电场：
Figure FDA0003813653040000021
式中，NWT是风电场的总个数；T是总时间；PWTj,t是风电场j在t时刻的上网功率；RWT是风电上网电价；CWT是风电单位电量运行维护成本；ΔT是单位时间,以小时计，光伏电站、风电场的生产成本只计运行维护成本,不包括初始投资的分摊成本；
储能电站的蓄电池年化收益：
为精确计算容量，对储能系统的成本进行精细建模，蓄电池、超级电容各储能系统初始投资成本Cm、Cn可以近似假设为关于容量和额定功率的二次函数，将初始投资成本折算到规划年,可得规划年初始投资的分摊成本C1、C2，蓄电池的运行维修成本可以看成是初始投资成本的线性函数C3，目标函数的各项表达式具体为：
Figure FDA0003813653040000022
Figure FDA0003813653040000023
Figure FDA0003813653040000024
C3＝λCm
式中，T为总时间；ΔT是单位时间,以小时计，NBAT是蓄电池的总个数；Cdis为蓄电池单位放电收益，Pdism,t为蓄电池m在t时刻的放电功率；Cch为蓄电池单位购电成本，Pchm,t为蓄电池m在t时刻的充电功率；
Cm是蓄电池组的初始投资；Cbs是蓄电池配置容量，Pbs是蓄电池额定功率；a0、a1、a2、b1、b2为配置系数；γ是储能电站资金的年利率；Cbats是蓄电池组的残值；k是设备年限；λ是维修费用比例，λ大于1；
储能电站的超级电容年化收益：
Figure FDA0003813653040000031
Figure FDA0003813653040000032
Figure FDA0003813653040000033
式中：T为总时间；ΔT是单位时间,以小时计，NSC是超级电容器的总个数；RSC为超级电容单位调频收益，PSCn,t为t时刻超级电容n的输出功率，放电时为正值，充电时为负值；由于超级电容可充放电次数多寿命长，且不易损坏，其运行维护成本可忽略不计，超级电容工作时，会快速地充放电，无法从购电卖电时的电价差中获得利益，应该由电网公司处收取调频费用，按累计调频功率计算。
Cn是超级电容的初始投资；Css是超级电容配置容量，Pss是超级电容额定功率；a3、a4、a5、b3、b4为配置系数；Cscs是超级电容的残值。
4.根据权利要求2所述的基于合作博弈论的多类型储能系统最优容量配置方法，其特征在于：所述步骤S2中，目标函数以及系统的约束条件：
光伏电站出力约束：
第i个光伏电站在t时刻的实际调度出力PPVi,t的变化范围可用闭区间表示，其中
Figure FDA0003813653040000034
分别为第i个光伏电站正常发电时出力的最小值和最大值，
Figure FDA0003813653040000035
风电站出力约束
第j个风场在t时刻的风功率PWTj,t的变化范围可用闭区间表示，其中
Figure FDA0003813653040000041
分别为第j个风场正常运行时出力的最小值和最大值，
Figure FDA0003813653040000042
系统约束
为使得新能源能够尽可能消纳，新能源+储能系统能直接与区域电网预期负荷达到功率平衡(仅考虑有功功率平衡)：
Figure FDA0003813653040000043
式中，PL，t为t时刻系统的电负荷；
蓄电池充放电约束：
Figure FDA0003813653040000044
式中：Qbatm,t为t时刻蓄电池m的储电量；ρ为蓄电池储电能量损失率；ηch、ηdis分别表示蓄电池的储电、放电效率；
Figure FDA0003813653040000045
和
Figure FDA0003813653040000046
分别为蓄电池组的最大充电功率和最大放电功率。
蓄电池不能同时处于充电和放电的状态，且其充放电功率不能超过规划时的额定功率：
Pchm,t·Pdism,t＝0
Figure FDA0003813653040000047
Figure FDA0003813653040000048
Figure FDA0003813653040000049
为避免蓄电池的局部过充或过放，
Figure FDA00038136530400000410
分别为蓄电池m输出功率向下调节和向上调节的速率极限值，
Figure FDA00038136530400000411
Figure FDA00038136530400000412
和
Figure FDA00038136530400000413
为蓄电池容量下限和上限；
超级电容充放电约束
Figure FDA0003813653040000051
Figure FDA0003813653040000052
Figure FDA0003813653040000053
式中：Qscn,t为t时刻超级电容的储电量；
Figure FDA0003813653040000054
为超级电容储电能量损失率；μ表示超级电容的充放电效率；
Figure FDA0003813653040000055
和
Figure FDA0003813653040000056
分别为超级电容的最大充电功率和最大放电功率；
Figure FDA0003813653040000057
和
Figure FDA0003813653040000058
为超级电容容量下限和上限。
5.根据权利要求2所述的基于合作博弈论的多类型储能系统最优容量配置方法，其特征在于：所述步骤S4中，合作博弈的Shapley值分配模型其分配模型要求各参与者获得其所属每个联盟所做贡献平均值的收益，各成员利益分配方案：
Figure FDA0003813653040000059
式中：S为包含i的所有联盟集合；n是N的参与者个数；|S|为联盟S元素个数；v(S)为所有包含i的联盟收益；v(S\i)为所有不包含i的联盟收益,W(S)是表示各自联盟的加权因子，即分配系数。
6.根据权利要求1-5任意一项所述基于合作博弈论的多类型储能系统的控制方法为：
“新能源+储能”模式下的多类型储能系统，看作是风-光-储微网的一部分，其中多类型储能系统由蓄电池和超级电容共同组成，系统通过双向DC/DC变换器接入直流母线；为尽可能延长蓄电池的使用寿命，蓄电池仅在额定功率和额定电压运行；
首先由各风电、光伏发电单元采集汇总电压电流信息传递给电网主控端并与预设负载的功率进行对比，计算得到功率差额△P；
其次，采集超级电容充放电电流和直流母线电压，计算超级电容现有储存容量，决定是否可以参与调峰；若超级电容不能参与调频或由于功率限制依旧有功率缺口，采集蓄电池端的电压、电流和蓄电池的环境温度等数据并传递到主控端与预设数据进行对比判断蓄电池的充放电条件，决定是否可以增大调峰力度；
最后，若功率依旧不平衡，向电网购电或弃风、弃光以保证电网的安全稳定运行；
其中，若所述的功率差额△P小于0时：
风电、光伏发出的电能首先给负载供电，同时，判断超级电容是否可以参与调频，可行则提高储能电容令超级电容放电开始调频；若不可则开始蓄电池调峰；
计算对比超级电容调频后再次计算得到的平均功率差额△P1，如果△P1＝0，则系统功率已经平衡，调度结束；如果△P1<0，判断蓄电池是否可放电(已经在放电作业的，提高放电功率)，若可则蓄电池参与调峰；若不可则微网向电网购电直至功率平衡，调度周期结束；
计算对比蓄电池调峰后最终计算得到的功率差额△P2，如果△P2<0，则微网向电网购电直至功率平衡，调度周期结束；如果△P2＝0，则系统功率已经平衡，调度周期结束；
其中，若所述功率差额△P大于0时：
首先判断超级电容是否可以充电调频，若可则令超级电容器充电；若容量已达上限不可调峰则考虑蓄电池调峰；
计算对比超级电容调峰后再次计算得到的功率差额△P1，如果△P1＝0，则系统功率已经平衡，调度结束；如果P1>0，判断蓄电池是否可充电(已经在充电作业的，提高充电功率)，若可则蓄电池充电调峰；若不可则弃风、弃光直至功率平衡，调度结束；
计算对比蓄电池调峰后最终计算得到的功率差额△P2，如果△P2>0，则弃风、弃光直至功率平衡，调度周期结束；如果P2＝PL，则系统功率已经平衡，调度周期结束。
CN202211019700.6A 2022-08-24 2022-08-24 基于合作博弈论的多类型储能系统最优容量配置方法 Pending CN115473285A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211019700.6A CN115473285A (zh) 2022-08-24 2022-08-24 基于合作博弈论的多类型储能系统最优容量配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211019700.6A CN115473285A (zh) 2022-08-24 2022-08-24 基于合作博弈论的多类型储能系统最优容量配置方法

Publications (1)

Publication Number Publication Date
CN115473285A true CN115473285A (zh) 2022-12-13

Family

ID=84368240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211019700.6A Pending CN115473285A (zh) 2022-08-24 2022-08-24 基于合作博弈论的多类型储能系统最优容量配置方法

Country Status (1)

Country Link
CN (1) CN115473285A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117172815A (zh) * 2023-07-18 2023-12-05 南京工业大学 一种多水电气能源子系统主动配电网混合博弈方法及系统
CN117277358A (zh) * 2023-11-23 2023-12-22 国网山西省电力公司电力科学研究院 基于主从博弈和改进Shapley值法的风光水火多源调频方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117172815A (zh) * 2023-07-18 2023-12-05 南京工业大学 一种多水电气能源子系统主动配电网混合博弈方法及系统
CN117277358A (zh) * 2023-11-23 2023-12-22 国网山西省电力公司电力科学研究院 基于主从博弈和改进Shapley值法的风光水火多源调频方法
CN117277358B (zh) * 2023-11-23 2024-02-02 国网山西省电力公司电力科学研究院 基于主从博弈和改进Shapley值法的风光水火多源调频方法

Similar Documents

Publication Publication Date Title
CN109325608B (zh) 考虑储能并计及光伏随机性的分布式电源优化配置方法
Zhang et al. An improved charging/discharging strategy of lithium batteries considering depreciation cost in day-ahead microgrid scheduling
CN111900727B (zh) 基于pso的光储充换一体化充电站协同优化调度方法和装置
CN109217290B (zh) 计及电动汽车充放电的微网能量优化管理方法
CN109149651B (zh) 一种计及调压辅助服务收益的光储系统优化运行方法
CN109948823B (zh) 一种光储充电塔自适应鲁棒日前优化调度方法
CN115473285A (zh) 基于合作博弈论的多类型储能系统最优容量配置方法
Hossain et al. Design a novel controller for stability analysis of microgrid by managing controllable load using load shaving and load shifting techniques; and optimizing cost analysis for energy storage system
CN112736952A (zh) 考虑日历寿命的海上风电配置储能系统容量优化方法
CN111815029A (zh) 一种用户侧储能收益深度发掘的方法
CN115115130A (zh) 一种基于模拟退火算法的风光储制氢系统日前调度方法
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
CN114301064A (zh) 一种基于网架灵活性和储能接入的分布式电源消纳能力提升方法
CN116599148A (zh) 一种面向新能源消纳的氢电混合储能两阶段协同规划方法
CN116128096A (zh) 一种微电网系统多利益主体的容量优化配置方法
CN106230010B (zh) 一种百兆瓦电池储能系统容量优化配置方法和系统
CN114498769A (zh) 一种高比例风光孤岛微电网群能量调度方法及系统
Yao et al. Optimal Allocation and Economic Analysis of Energy Storage Capacity of New Energy Power Stations Considering the Full Life Cycle of Energy Storage
CN109754128B (zh) 一种计及气象波动特性差异典型场景的风/光/储/柴微电网优化配置方法
Hongli et al. Day-ahead optimal dispatch of regional power grid based on electric vehicle participation in peak shaving pricing strategy
Luo et al. Multi-objective hierarchical optimal scheduling of microgrids with V2G price incentives
Shiyi et al. Research on User-Side Electrochemical Energy Storage Operation Mode and Its Improvement on New Energy Consumption Capacity
Mao et al. Generalized Energy Storage Configuration Method Based on Bi-level Optimization for Distribution Power System with High Penetration of Renewable Energy
Che et al. An energy optimization and control strategy of microgrids considering the hybrid energy storage system
He et al. Short-Term Stochastic Real-Time Schedule of Power System with Hybrid BESs

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication