CN115545290A - 一种含光伏发电配电网中的分布式储能经济优化配置方法 - Google Patents

一种含光伏发电配电网中的分布式储能经济优化配置方法 Download PDF

Info

Publication number
CN115545290A
CN115545290A CN202211186011.4A CN202211186011A CN115545290A CN 115545290 A CN115545290 A CN 115545290A CN 202211186011 A CN202211186011 A CN 202211186011A CN 115545290 A CN115545290 A CN 115545290A
Authority
CN
China
Prior art keywords
energy storage
power
node
model
optimal
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
CN202211186011.4A
Other languages
English (en)
Inventor
蔡仲启
杨昆
刘新苗
顾延勋
娄源媛
欧仲曦
钱利宏
刘超
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.)
Zhuhai Power Supply Bureau of Guangdong Power Grid Co Ltd
Original Assignee
Zhuhai Power Supply Bureau of Guangdong Power Grid 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 Zhuhai Power Supply Bureau of Guangdong Power Grid Co Ltd filed Critical Zhuhai Power Supply Bureau of Guangdong Power Grid Co Ltd
Priority to CN202211186011.4A priority Critical patent/CN115545290A/zh
Publication of CN115545290A publication Critical patent/CN115545290A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • H02J3/28—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
    • H02J3/381—Dispersed generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Power Engineering (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及一种含光伏发电配电网中的分布式储能经济优化配置方法，属于配电网分布式储能系统经济规划技术领域，其针对含光伏发电的配电网，基于网侧分布式储能技术的多功能应用需求，将储能系统规划分解为选址布点和容量配置双层次问题：选址布点层面，结合网侧稳定经济运行需求，建立基于多时段灵敏系数的储能系统选址综合技术评估模型，获取储能多点布局最优策略；容量配置层面，建立上下层规划分析模型，上层优化多点储能系统功率容量，下层优化储能系统运行方式，获取储能容量配置最优策略。通过选址定容双层次动态规划方式，实现网侧储能系统的整体经济优化配置。

Description

一种含光伏发电配电网中的分布式储能经济优化配置方法
技术领域
本发明属于配电网分布式储能系统经济规划技术领域，具体涉及一种含光伏发电配电网中的分布式储能经济优化配置方法。
背景技术
在新能源大规模并网与负荷需求快速增长背景下，源荷特性及其分布差异日益突出，线路负载提升、损耗增加，新能源消纳与时序负荷矛盾日益严重，电网亟需提高安全稳定运行能力。而电网侧储能技术的应用将有效解决上述问题，其功能应用需求主要为延缓输配电建设投资，降低网损，提供备用辅助服务，调节线路负载水平，以及提升新能源消纳能力等。近年来，储能应用技术不断进步、设备成本有所下降，电网侧储能百兆瓦级示范项目在我国江苏、广东及湖南等省份不断开展，并对储能系统各项应用功能得到有效验证。
目前，由于规模化储能装置的经济规划方法指导尚不完备，储能系统的合理配置将直接提升其技术经济性，因此亟需研究储能经济优化配置方法。国内外学者已针对储能在源、荷侧的优化配置方法进行了广泛研究。区别于源、荷侧典型场景下优化配置问题，电网侧储能需结合网侧系统运行特性，对储能应用功能需求进行安全性与经济性的综合分析，并对其选址定容策略进行研究。
近年来，国内外学者综合考虑储能全寿命周期投资成本等各经济因素，提供了较多网侧储能优化配置的相关方法。然而，现阶段电网侧储能配置优化研究仍存在如下问题：1)针对储能系统选址问题的研究较少，或将选址与定容问题混淆处理，未能规划过程明晰选址结果对系统全局潮流产生的影响，未能通过储能最优布点策略提升优化配置结果；2)未全面分析电网侧储能系统应用需求，在模型目标中应综合考虑配置储能对系统安全稳定与经济运行产生的调节效益。
发明内容
本发明目的在于提供一种含光伏发电配电网中的分布式储能经济优化配置方法，用于解决上述现有技术中存在的技术问题，针对储能系统选址问题的研究较少，或将选址与定容问题混淆处理，未能规划过程明晰选址结果对系统全局潮流产生的影响，未能通过储能最优布点策略提升优化配置结果；未全面分析电网侧储能系统应用需求，在模型目标中应综合考虑配置储能对系统安全稳定与经济运行产生的调节效益。
为实现上述目的，本发明的技术方案是：
一种含光伏发电配电网中的分布式储能经济优化配置方法，包括以下步骤：
S1、针对电网侧储能多功能应用需求，综合考虑线路负载率、网损灵敏系数、电压灵敏系数及光伏接纳能力系数四项技术评估指标，建立基于多时段灵敏系数的储能系统选址综合技术评估模型，利用层次分析法进行模型综合评估，获取全局储能最优布局策略；
S2、基于选址布点结果，在储能容量配置层面建立上下层分析模型，上层模型设置储能系统由封装单体模块组成，规范单体模块额定容量及运行功率范围，将储能系统接入状态矩阵定义为0-1规划问题，建立计及全寿命周期投资成本的储能经济优化配置模型；下层模型以储能对网络系统发电成本和弃光成本调节效益最大化为目标，建立基于二阶锥松弛的多时段动态最优潮流模型，进行储能运行方式最优决策；
S3、分别采用分支定界法及二阶锥规划算法求解上下层模型，上下层模型进行交互迭代计算获取最优配置方案；
S4、以全模型最优规划作为迭代终止条件，若未至最优，则将下层运行策略反馈至上层，调整储能经济配置方案，并循环迭代直至规划性能最优。
进一步的，所述步骤S1具体包括：首先构建基于多时段灵敏系数的储能系统选址综合技术评估模型，针对电网侧储能多功能应用需求，综合考虑线路负载率、网损灵敏系数、电压灵敏系数及光伏接纳能力系数四项技术评估指标：
线路负载率：
分别计算网络节点关联支路负载程度，得到线路负载率矩阵H1＝[h1(1),h1(2),…,h1(i),…,h1(N)]T，其中h1(i)为节点i关联支路线路负载率；N为网络节点数目；h1(i)由下式计算，
Figure BDA0003867723410000021
式中：
Figure BDA0003867723410000022
为t时刻节点i相关支路j的流通功率；Pj为支路j传输容量；
网损灵敏系数：
表示为节点注入功率受网络损耗的影响程度，得到网损灵敏系数矩阵
Figure BDA0003867723410000031
其中h2(1)计算如下：
Figure BDA0003867723410000032
Figure BDA0003867723410000033
式中：
Figure BDA0003867723410000034
表示t时刻网损；
Figure BDA0003867723410000035
表示t时刻节点i注入功率；kt表示储能运行状态变量；
Figure BDA0003867723410000036
表示系统t时负荷需求水平；
Figure BDA0003867723410000037
表示系统日平均负荷水平；
电压灵敏系数：
表示为节点注入功率对系统电压的影响水平，得到节点电压灵敏度矩阵H3＝[h3(1),h3(2),…,h3(i),…,h3(N)]T，其中h3(i)为系统电压对节点i注入功率的偏导数：
Figure BDA0003867723410000038
式中
Figure BDA0003867723410000039
分别为t时刻节点i、j的电压；
光伏接纳能力：
仅将光伏发出有功功率纳入计算校核，得到系统节点对光伏资源接纳能力系数矩阵H4＝[h4(1),h4(2),…,h4(i),…,h4(N)]T，其中h4(i)为光伏发电接入节点i的负载率校验：
Figure BDA00038677234100000310
式中，h4(i)为网络线路负载率；
Figure BDA00038677234100000311
为节点i相关线路j在t时刻负荷；
Figure BDA00038677234100000312
为光伏接入节点i后的有功出力；Pn,j为节点i相关线路j的额定容量；
针对选址综合评估模型，采用层次分析法，构造指标成对判断矩阵，得到各功能指标特征向量λ1、λ2、λ3、λ4；并计算特征向量λ＝[λ(1)λ(2)λ(3)λ(4)]T，得节点i的综合评估指标，计算公式为：
R(i)＝λ1λ1(i)+λ2λ2(i)+λ3λ3(i)+λ4λ4(i)；
式中λ1(i)、λ2(i)、λ3(i)分别为特征向量λ1-4中的第i个元素；最后，将评估数值综合排序，选取最优S个排序结果，确定储能布点位置。
进一步的，所述步骤S2具体包括：研究储能系统容量的经济配置方法，设置各节点接入储能由封装单体模块组成，各储能模块额定容量为E0，额定运行功率为P0，设定节点最大允许接入模块个数为K，第i个节点允许配置的储能最大容量Pi-max，以此来确定各节点最大可接入单体模块数目Ki,max；其次，确定储能装置运行参数，包括储能充放电深度、储能的年平均充放电次数，以及包括成本计算中的通货膨胀率ir与贴现率dr；
采用0-1规划变量定义节点储能接入状态矩阵U(M×K)；U各行表示储能布点位置，共M行；U各列依次表示模块接入数目，从左往右依次为1至K；每行元素有且仅有一个1元素，代表对应节点配置相应列对应数目的储能单体模块；
上层储能经济优化配置模型，综合考虑储能延缓电网新建或扩容投资建设效益，及储能全寿命周期投资成本模型；
Figure BDA0003867723410000041
式中：g11表示储能系统延缓电网扩容投资建设效益以及，g12表示储能系统全寿命周期成本和运维成本；L为系统网络支路数；ρinf为电力设备单位容量新建或扩容升级的投资成本；
Figure BDA0003867723410000042
表示储能配置前后t时刻线路k的流通功率；i0为预期收益率；Δn为储能系统延缓电网扩容的年限，Δn＝lg(1+γ)/lg(1+λ)，γ表示削峰率，λ为负荷年增长率；N表示评估期；cP为储能单位功率成本；PES为储能系统总配置功率；cE为储能单位容量成本；EES为储能系统总容量；Cm为储能系统年运维成本；
模型约束条件涵盖：1)节点接入单体模块数母限制；2)节点储能接入容量限制；3)完整馈线下储能接入总容量限制，即在保证消纳分布式可再生能源发电的过剩电量下，不得超过上级配网变压器容量的25％，以Pl-min表示负荷最小值，QT表示上级变压器容量；4)为馈线的功率平衡约束：
Figure BDA0003867723410000051
进一步的，所述步骤S2还包括：基于储能布点位置与容量配置结果，针对实际配电网多时段应用场景，计及储能元件运行调控方式，下层模型构建基于二阶锥松弛的多时段动态最优潮流模型：
Figure BDA0003867723410000052
式中：T为总时段数，模型考虑储能元件多状态变量连续时段的耦合关联形式，
Figure BDA0003867723410000053
表征了单一时段最优潮流的模型约束；
Figure BDA0003867723410000054
为各时段各支路下的二阶锥约束关系；
储能动态运行优化模型目的在于，最大化储能降低系统运行成本的调节效益，综合考虑网络损耗成本closs、发电成本cg和弃光成本cpv的调节效果；
Figure BDA0003867723410000055
其中，Plossj,t为支路j在t时刻损耗的有功功率值；Δt表示时段长度；Cep表示单位线损成本，元/(kW·h)；cg为储能参与下减少的系统发电成本；cpv为储能参与下减少弃风成本；Ng为发电机组数量；ai、bi分别为发电机组成本系数；Npv为光伏数量；ρpv为光伏发电上网电价；P′git、Pgit分别为接入储能前、后节点i在t时刻的发电机组出力；P′pvit、Ppvit分别为接入储能前、后节点i在t时刻的光伏发电出力；
储能动态运行优化模型约束条件首先考虑潮流及功率平衡约束、系统安全约束、机组出力约束等，具体为：
Figure BDA0003867723410000061
式中包含节点注入功率(p、q)、支路潮流(P、Q)、节点电压(V)和支路电流(I)，支路阻抗(r、x)；B为系统各节点集合；E表示网络中所有支路集合；
Figure BDA0003867723410000062
Figure BDA0003867723410000063
分别表示t时刻发电机有功、无功功率及其上下限；
Figure BDA0003867723410000064
和
Figure BDA0003867723410000065
分别为光伏元件有功出力值上下限；
2)储能装置运行约束
iv.充放电状态限制
Figure BDA0003867723410000066
v.功率极限
Figure BDA0003867723410000067
vi.容量限制
Figure BDA0003867723410000071
式中：BESS为包含储能的节点集合；充放电状态限制表示同一时刻储能不能同时充放电，
Figure BDA0003867723410000072
和
Figure BDA0003867723410000073
表示储能电池充放电状态；
Figure BDA0003867723410000074
分别为储能充放电功率上下限；
Figure BDA0003867723410000075
为储能第t时段的电量，
Figure BDA0003867723410000076
和
Figure BDA0003867723410000077
表示储能寿命周期条件的上下限值；
Figure BDA0003867723410000078
和
Figure BDA0003867723410000079
表示储能充放电效率，
Figure BDA00038677234100000710
且
Figure BDA00038677234100000711
进一步的，所述步骤S3具体包括：采用分支定界法求解上层模型，获取储能选址定容初始化配置方案，方案输入下层模型，作为动态最优潮流模型约束条件，通过二阶锥规划算法高效求解储能动态最优运行方式，上下层次模型进行交互迭代计算。
进一步的，所述步骤S4具体包括：以全模型最优规划作为迭代终止条件，若未至最优，则将下层运行策略反馈至上层，调整储能经济配置方案，并循环迭代直至规划性能最优，由此确定网络储能最优选址定容方案及运行方式策略。
与现有技术相比，本发明所具有的有益效果为：
本方案其中一个有益效果在于，1.本发明针对分布式光伏参与下的配电网，将储能系统规划分解为选址布点和容量配置规划问题，对两个规划层面进行分别建模，避免了选址定容两个决策过程混为一谈，规划方式缺乏合理性的问题，分层次提升储能系统优化配置的整体效果。
2.选址布点层面，综合考虑线路负载率、网损灵敏系数、电压灵敏系数及光伏接纳能力系数四项技术评估指标，建立基于多时段灵敏系数的储能系统选址综合技术评估模型，利用层次分析法进行模型综合评估，解决了选址过程储能系统应用需求不清晰的问题。
3.容量配置层面，建立上下层规划分析模型，上层优化多点储能系统功率容量，下层优化储能运行方式策略，在模型目标函数构建中，双层均结合电网侧场景特性，细致涵盖网侧储能的调节效益及能力，避免了对网侧储能功能特性考量的缺失。
附图说明
图1为基于多时段灵敏系数的储能系统选址综合技术评估模型框架示意图。
图2为配电网侧储能系统双层经济优化配置方法流程示意图。
具体实施方式
下面结合本发明的附图1-附图2，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。
针对储能系统选址问题的研究较少，或将选址与定容问题混淆处理，未能规划过程明晰选址结果对系统全局潮流产生的影响，未能通过储能最优布点策略提升优化配置结果；未全面分析电网侧储能系统应用需求，在模型目标中应综合考虑配置储能对系统安全稳定与经济运行产生的调节效益。
针对上述不足，本专利将储能系统规划分解为选址布点和容量配置双层次问题：1)选址布点层次，结合网侧储能多功能应用需求设立模型目标函数，以合理布点策略提升经济优化效果；2)容量配置层次，细化储能延缓电网投资扩容升级等经济效益指标，提升方法的工程实际应用效能。
因此，提供一种含光伏发电配电网中的分布式储能经济优化配置方法，其针对含光伏发电的配电网，基于网侧分布式储能技术的多功能应用需求，将储能系统规划分解为选址布点和容量配置双层次问题：选址布点层面，结合网侧稳定经济运行需求，建立基于多时段灵敏系数的储能系统选址综合技术评估模型，获取储能多点布局最优策略；容量配置层面，建立上下层规划分析模型，上层优化多点储能系统功率容量，下层优化储能系统运行方式，获取储能容量配置最优策略。通过选址定容双层次动态规划方式，实现网侧储能系统的整体经济优化配置。
实施例：
如图2所示，配电网侧储能系统双层经济优化配置方法流程图，一种含光伏发电配电网中的分布式储能经济优化配置方法包含以下步骤：
步骤S1具体包括：首先构建基于多时段灵敏系数的储能系统选址综合技术评估模型，评估模型框架如图1所示，针对电网侧储能多功能应用需求，本专利综合考虑线路负载率、网损灵敏系数、电压灵敏系数及光伏接纳能力系数四项技术评估指标：
1)线路负载率：分别计算网络节点关联支路负载程度，得到线路负载率矩阵H1＝[h1(1),h1(2),…,h1(i),…,h1(N)]T，其中h1(i)为节点i关联支路线路负载率；N为网络节点数目。h1(i)由下式计算
Figure BDA0003867723410000091
式中:
Figure BDA0003867723410000092
为t时刻节点i相关支路j的流通功率；Pj为支路j传输容量。
2)网损灵敏系数：表示为节点注入功率受网络损耗的影响程度，得到网损灵敏系数矩阵H2＝[h2(1),h2(2),…,h2(i),…,h2(N)]T，其中h2(1)计算如下
Figure BDA0003867723410000093
Figure BDA0003867723410000094
式中:
Figure BDA0003867723410000095
表示t时刻网损；
Figure BDA0003867723410000096
表示t时刻节点i注入功率；kt表示储能运行状态变量；
Figure BDA0003867723410000097
表示系统t时刻负荷需求水平；
Figure BDA0003867723410000098
为系统日平均负荷水平。
3)电压灵敏系数：表示为节点注入功率对系统电压的影响水平，得到节点电压灵敏度矩阵H3＝[h3(1),h3(2),…,h3(i),…,h3(N)]T，其中h3(i)为系统电压对节点i注入功率的偏导数：
Figure BDA0003867723410000099
式中
Figure BDA00038677234100000910
分别为t时刻节点i、j的电压。
4)光伏接纳能力：仅将光伏发出有功功率纳入计算校核，得到系统节点对光伏资源接纳能力系数矩阵H4＝[h4(1),h4(2),…,h4(i),…,h4(N)]T，其中h4(i)为光伏发电接入节点i的负载率校验：
Figure BDA00038677234100000911
式中，h4(i)为网络线路负载率；
Figure BDA00038677234100000912
为节点i相关线路j在t时刻负荷；
Figure BDA00038677234100000913
为光伏接入节点i后的有功出力；Pn,j为节点i相关线路j的额定容量。
针对选址综合评估模型，采用层次分析法，构造指标成对判断矩阵，得到各功能指标特征向量λ1、λ2、λ3、λ4；并计算特征向量λ＝[λ(1)λ(2)λ(3)λ(4)]T，得节点i的综合评估指标，计算公式为
R(i)＝λ1λ1(i)+λ2λ2(i)+λ3λ3(i)+λ4λ4(i)
式中λ1(i)、λ2(i)、λ3(i)分别为特征向量λ1-4中的第i个元素。最后，将评估数值综合排序，选取最优S个排序结果，确定储能布点位置。
步骤S2具体包括：研究储能系统容量的经济配置方法，为便于灵活配置，且符合实际生产及安装需求，设置各节点接入储能由封装单体模块组成，各储能模块额定容量为E0，额定运行功率为P0，设定节点最大允许接入模块个数为K，第i个节点允许配置的储能最大容量Pi-max，以此来确定各节点最大可接入单体模块数目Ki,max。其次，确定储能装置运行参数，包括储能充放电深度、储能的年平均充放电次数，以及包括成本计算中的通货膨胀率ir与贴现率dr。
可采用0-1规划变量定义节点储能接入状态矩阵U(M×K)。U各行表示储能布点位置，共M行；U各列依次表示模块接入数目，从左往右依次为1至K。每行元素有且仅有一个1元素，代表对应节点配置相应列对应数目的储能单体模块。例如，U3,8＝1时，表示第3个运行接入储能的节点处，将配置8个储能单体模块。
上层储能经济优化配置模型，综合考虑储能延缓电网新建或扩容投资建设效益，及储能全寿命周期投资成本模型。
Figure BDA0003867723410000101
式中：g11表示储能系统延缓电网扩容投资建设效益以及，g12表示储能系统全寿命周期成本和运维成本；L为系统网络支路数；ρinf为电力设备单位容量新建或扩容升级的投资成本；
Figure BDA0003867723410000102
表示储能配置前后t时刻线路k的流通功率；i0为预期收益率；Δn为储能系统延缓电网扩容的年限，Δn＝lg(1+γ)/lg(1+λ)，γ表示削峰率，λ为负荷年增长率；N表示评估期；cP为储能单位功率成本；PES为储能系统总配置功率；cE为储能单位容量成本；EES为储能系统总容量；Cm为储能系统年运维成本。
模型约束条件涵盖：1)节点接入单体模块数母限制；2)节点储能接入容量限制；3)完整馈线下储能接入总容量限制，即在保证消纳分布式可再生能源发电的过剩电量下，不得超过上级配网变压器容量的25％，以Pl-min表示负荷最小值，QT表示上级变压器容量。4)为馈线的功率平衡约束：
Figure BDA0003867723410000111
步骤S3具体包括：基于储能布点位置与容量配置结果，针对实际配电网多时段应用场景，计及储能元件运行调控方式，下层模型构建基于二阶锥松弛的多时段动态最优潮流模型：
Figure BDA0003867723410000112
式中：T为总时段数，模型考虑储能元件多状态变量连续时段的耦合关联形式，
Figure BDA0003867723410000113
表征了单一时段最优潮流的模型约束。
Figure BDA0003867723410000114
为各时段各支路下的二阶锥约束关系。
储能动态运行优化模型目的在于，最大化储能降低系统运行成本的调节效益，综合考虑网络损耗成本closs、发电成本cg和弃光成本cpv的调节效果。
Figure BDA0003867723410000121
其中，Plossj,t为支路j在t时刻损耗的有功功率值；Δt表示时段长度；Cep表示单位线损成本，元/(kW·h)。cg为储能参与下减少的系统发电成本；cpv为储能参与下减少弃风成本；Ng为发电机组数量；ai、bi分别为发电机组成本系数；Npv为光伏数量；ρpv为光伏发电上网电价；P′git、Pgit分别为接入储能前、后节点i在t时刻的发电机组出力；P′pvit、Ppvit分别为接入储能前、后节点i在t时刻的光伏发电出力；
储能动态运行优化模型约束条件首先考虑潮流及功率平衡约束、系统安全约束、机组出力约束等，具体为：
储能动态运行优化模型约束条件首先考虑潮流及功率平衡约束、节点电压约束、发电机组及光伏元件出力约束等，具体为：
Figure BDA0003867723410000122
式中包含节点注入功率(p、q)、支路潮流(P、Q)、节点电压(V)和支路电流(I)，支路阻抗(r、x)；B为系统各节点集合；E表示网络中所有支路集合；
Figure BDA0003867723410000123
Figure BDA0003867723410000124
分别表示t时刻发电机有功、无功功率及其上下限；
Figure BDA0003867723410000125
和
Figure BDA0003867723410000126
分别为光伏元件有功出力值上下限；
3)储能装置运行约束
vii.充放电状态限制
Figure BDA0003867723410000131
viii.功率极限
Figure BDA0003867723410000132
ix.容量限制
Figure BDA0003867723410000133
式中：BESS为包含储能的节点集合；式(13)表示同一时刻储能不能同时充放电，
Figure BDA0003867723410000134
和
Figure BDA0003867723410000135
表示储能电池充放电状态；
Figure BDA0003867723410000136
分别为储能充放电功率上下限；
Figure BDA0003867723410000137
为储能第t时段的电量，
Figure BDA0003867723410000138
和
Figure BDA0003867723410000139
表示储能寿命周期条件的上下限值；
Figure BDA00038677234100001310
和
Figure BDA00038677234100001311
表示储能充放电效率，
Figure BDA00038677234100001312
且
Figure BDA00038677234100001313
步骤S4具体包括：利用分支定界法进行上层容量配置模型的综合分析，获取储能选址定容初始化配置方案，方案输入下层模型，作为动态最优潮流模型约束条件，通过二阶锥规划算法高效求解储能动态最优运行方式，上下层次模型进行交互迭代计算。
步骤S5具体包括：以全模型最优规划作为迭代终止条件，若未至最优，则将下层运行策略反馈至上层，调整储能经济配置方案，并循环迭代直至规划性能最优，由此确定网络储能最优选址定容方案及运行方式策略。
以上是本发明的较佳实施例，凡依本发明技术方案所作的改变，所产生的功能作用未超出本发明技术方案的范围时，均属于本发明的保护范围。

Claims (6)

1.一种含光伏发电配电网中的分布式储能经济优化配置方法，其特征在于，包括以下步骤：
S1、针对电网侧储能多功能应用需求，综合考虑线路负载率、网损灵敏系数、电压灵敏系数及光伏接纳能力系数四项技术评估指标，建立基于多时段灵敏系数的储能系统选址综合技术评估模型，利用层次分析法进行模型综合评估，获取全局储能最优布局策略；
S2、基于选址布点结果，在储能容量配置层面建立上下层分析模型，上层模型设置储能系统由封装单体模块组成，规范单体模块额定容量及运行功率范围，将储能系统接入状态矩阵定义为0-1规划问题，建立计及全寿命周期投资成本的储能经济优化配置模型；下层模型以储能对网络系统发电成本和弃光成本调节效益最大化为目标，建立基于二阶锥松弛的多时段动态最优潮流模型，进行储能运行方式最优决策；
S3、分别采用分支定界法及二阶锥规划算法求解上下层模型，上下层模型进行交互迭代计算获取最优配置方案；
S4、以全模型最优规划作为迭代终止条件，若未至最优，则将下层运行策略反馈至上层，调整储能经济配置方案，并循环迭代直至规划性能最优。
2.如权利要求1所述的一种含光伏发电配电网中的分布式储能经济优化配置方法，其特征在于，所述步骤S1具体包括：首先构建基于多时段灵敏系数的储能系统选址综合技术评估模型，针对电网侧储能多功能应用需求，综合考虑线路负载率、网损灵敏系数、电压灵敏系数及光伏接纳能力系数四项技术评估指标：
线路负载率：
分别计算网络节点关联支路负载程度，得到线路负载率矩阵H1＝[h1(1),h1(2),…,h1(i),…,h1(N)]T，其中h1(i)为节点i关联支路线路负载率；N为网络节点数目；h1(i)由下式计算，
Figure FDA0003867723400000011
式中：
Figure FDA0003867723400000012
为t时刻节点i相关支路j的流通功率；Pj为支路j传输容量；
网损灵敏系数：
表示为节点注入功率受网络损耗的影响程度，得到网损灵敏系数矩阵
Figure FDA0003867723400000021
其中h2(1)计算如下：
Figure FDA0003867723400000022
Figure FDA0003867723400000023
式中：
Figure FDA0003867723400000024
表示t时刻网损；
Figure FDA0003867723400000025
表示t时刻节点i注入功率；kt表示储能运行状态变量；
Figure FDA0003867723400000026
表示系统t时负荷需求水平；
Figure FDA0003867723400000027
表示系统日平均负荷水平；
电压灵敏系数：
表示为节点注入功率对系统电压的影响水平，得到节点电压灵敏度矩阵H3＝[h3(1),h3(2),…,h3(i),…,h3(N)]T，其中h3(i)为系统电压对节点i注入功率的偏导数：
Figure FDA0003867723400000028
式中
Figure FDA0003867723400000029
分别为t时刻节点i、j的电压；
光伏接纳能力：
仅将光伏发出有功功率纳入计算校核，得到系统节点对光伏资源接纳能力系数矩阵H4＝[h4(1),h4(2),…,h4(i),…,h4(N)]T，其中h4(i)为光伏发电接入节点i的负载率校验：
Figure FDA00038677234000000210
式中，h4(i)为网络线路负载率；
Figure FDA00038677234000000211
为节点i相关线路j在t时刻负荷；
Figure FDA00038677234000000212
为光伏接入节点i后的有功出力；Pn,j为节点i相关线路j的额定容量；
针对选址综合评估模型，采用层次分析法，构造指标成对判断矩阵，得到各功能指标特征向量λ1、λ2、λ3、λ4；并计算特征向量λ＝[λ(1)λ(2)λ(3)λ(4)]T，得节点i的综合评估指标，计算公式为：
R(i)＝λ1λ1(i)+λ2λ2(i)+λ3λ3(i)+λ4λ4(i)；
式中λ1(i)、λ2(i)、λ3(i)分别为特征向量λ1-4中的第i个元素；最后，将评估数值综合排序，选取最优S个排序结果，确定储能布点位置。
3.如权利要求2所述的一种含光伏发电配电网中的分布式储能经济优化配置方法，其特征在于，所述步骤S2具体包括：研究储能系统容量的经济配置方法，设置各节点接入储能由封装单体模块组成，各储能模块额定容量为E0，额定运行功率为P0，设定节点最大允许接入模块个数为K，第i个节点允许配置的储能最大容量Pi-max，以此来确定各节点最大可接入单体模块数目Ki,max；其次，确定储能装置运行参数，包括储能充放电深度、储能的年平均充放电次数，以及包括成本计算中的通货膨胀率ir与贴现率dr；
采用0-1规划变量定义节点储能接入状态矩阵U(M×K)；U各行表示储能布点位置，共M行；U各列依次表示模块接入数目，从左往右依次为1至K；每行元素有且仅有一个1元素，代表对应节点配置相应列对应数目的储能单体模块；
上层储能经济优化配置模型，综合考虑储能延缓电网新建或扩容投资建设效益，及储能全寿命周期投资成本模型；
Figure FDA0003867723400000031
式中：g11表示储能系统延缓电网扩容投资建设效益以及，g12表示储能系统全寿命周期成本和运维成本；L为系统网络支路数；ρinf为电力设备单位容量新建或扩容升级的投资成本；
Figure FDA0003867723400000032
表示储能配置前后t时刻线路k的流通功率；i0为预期收益率；Δn为储能系统延缓电网扩容的年限，Δn＝lg(1+γ)/lg(1+λ)，γ表示削峰率，λ为负荷年增长率；N表示评估期；cP为储能单位功率成本；PES为储能系统总配置功率；cE为储能单位容量成本；EES为储能系统总容量；Cm为储能系统年运维成本；
模型约束条件涵盖：1)节点接入单体模块数母限制；2)节点储能接入容量限制；3)完整馈线下储能接入总容量限制，即在保证消纳分布式可再生能源发电的过剩电量下，不得超过上级配网变压器容量的25％，以Pl-min表示负荷最小值，QT表示上级变压器容量；4)为馈线的功率平衡约束：
Figure FDA0003867723400000041
4.如权利要求3所述的一种含光伏发电配电网中的分布式储能经济优化配置方法，其特征在于，所述步骤S2还包括：基于储能布点位置与容量配置结果，针对实际配电网多时段应用场景，计及储能元件运行调控方式，下层模型构建基于二阶锥松弛的多时段动态最优潮流模型：
Figure FDA0003867723400000042
式中：T为总时段数，模型考虑储能元件多状态变量连续时段的耦合关联形式，
Figure FDA0003867723400000043
表征了单一时段最优潮流的模型约束；
Figure FDA0003867723400000044
为各时段各支路下的二阶锥约束关系；
储能动态运行优化模型目的在于，最大化储能降低系统运行成本的调节效益，综合考虑网络损耗成本closs、发电成本cg和弃光成本cpv的调节效果；
Figure FDA0003867723400000051
其中，Plossj,t为支路j在t时刻损耗的有功功率值；Δt表示时段长度；Cep表示单位线损成本，元/(kW·h)；cg为储能参与下减少的系统发电成本；cpv为储能参与下减少弃风成本；Ng为发电机组数量；ai、bi分别为发电机组成本系数；Npv为光伏数量；ρpv为光伏发电上网电价；Pg′it、Pgit分别为接入储能前、后节点i在t时刻的发电机组出力；Pp′vit、Ppvit分别为接入储能前、后节点i在t时刻的光伏发电出力；
储能动态运行优化模型约束条件首先考虑潮流及功率平衡约束、系统安全约束、机组出力约束等，具体为：
Figure FDA0003867723400000052
式中包含节点注入功率(p、q)、支路潮流(P、Q)、节点电压(V)和支路电流(I)，支路阻抗(r、x)；B为系统各节点集合；E表示网络中所有支路集合；
Figure FDA0003867723400000053
Figure FDA0003867723400000054
分别表示t时刻发电机有功、无功功率及其上下限；
Figure FDA0003867723400000055
和
Figure FDA0003867723400000056
分别为光伏元件有功出力值上下限；
1)储能装置运行约束
i.充放电状态限制
Figure FDA0003867723400000061
ii.功率极限
Figure FDA0003867723400000062
iii.容量限制
Figure FDA0003867723400000063
式中：BESS为包含储能的节点集合；充放电状态限制表示同一时刻储能不能同时充放电，
Figure FDA0003867723400000064
和
Figure FDA0003867723400000065
表示储能电池充放电状态；
Figure FDA0003867723400000066
分别为储能充放电功率上下限；
Figure FDA0003867723400000067
为储能第t时段的电量，
Figure FDA0003867723400000068
和
Figure FDA0003867723400000069
表示储能寿命周期条件的上下限值；
Figure FDA00038677234000000610
和
Figure FDA00038677234000000611
表示储能充放电效率，
Figure FDA00038677234000000612
且
Figure FDA00038677234000000613
5.如权利要求4所述的一种含光伏发电配电网中的分布式储能经济优化配置方法，其特征在于，所述步骤S3具体包括：采用分支定界法求解上层模型，获取储能选址定容初始化配置方案，方案输入下层模型，作为动态最优潮流模型约束条件，通过二阶锥规划算法高效求解储能动态最优运行方式，上下层次模型进行交互迭代计算。
6.如权利要求5所述的一种含光伏发电配电网中的分布式储能经济优化配置方法，其特征在于，所述步骤S4具体包括：以全模型最优规划作为迭代终止条件，若未至最优，则将下层运行策略反馈至上层，调整储能经济配置方案，并循环迭代直至规划性能最优，由此确定网络储能最优选址定容方案及运行方式策略。
CN202211186011.4A 2022-09-27 2022-09-27 一种含光伏发电配电网中的分布式储能经济优化配置方法 Pending CN115545290A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211186011.4A CN115545290A (zh) 2022-09-27 2022-09-27 一种含光伏发电配电网中的分布式储能经济优化配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211186011.4A CN115545290A (zh) 2022-09-27 2022-09-27 一种含光伏发电配电网中的分布式储能经济优化配置方法

Publications (1)

Publication Number Publication Date
CN115545290A true CN115545290A (zh) 2022-12-30

Family

ID=84730068

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211186011.4A Pending CN115545290A (zh) 2022-09-27 2022-09-27 一种含光伏发电配电网中的分布式储能经济优化配置方法

Country Status (1)

Country Link
CN (1) CN115545290A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117709651A (zh) * 2023-12-14 2024-03-15 国网青海省电力公司清洁能源发展研究院 一种区域电网多点布局储能系统规划配置方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117709651A (zh) * 2023-12-14 2024-03-15 国网青海省电力公司清洁能源发展研究院 一种区域电网多点布局储能系统规划配置方法及系统

Similar Documents

Publication Publication Date Title
CN103280821B (zh) 智能配电系统多时段动态无功优化方法
CN105449675B (zh) 优化分布式能源接入点和接入比例的电力网络重构方法
CN110247438B (zh) 基于天牛须算法的主动配电网资源优化配置
CN106921164A (zh) 配网电压无功协同优化的混合整数二阶锥规划方法与系统
CN107979092A (zh) 一种考虑分布式电源与软开关接入的配电网动态重构方法
CN105846461A (zh) 一种大规模储能电站自适应动态规划的控制方法和系统
CN107392418B (zh) 一种城市配电网网络重构方法及系统
CN105186556A (zh) 基于改进免疫粒子群算法的大型光伏电站无功优化方法
Aldosary et al. A modified shuffled frog algorithm to improve MPPT controller in PV System with storage batteries under variable atmospheric conditions
CN107546743A (zh) 一种辐射状配电网分布式优化潮流方法
CN108551176B (zh) 一种结合储能均衡技术的储能电池系统容量配置方法
CN111490542B (zh) 一种多端柔性多状态开关的选址定容方法
CN107025520A (zh) 配电网新能源消纳能力确定的双层二阶锥规划方法与系统
CN106058914A (zh) 基于Elman算法的配网发电预测技术的电压优化方法
CN108092321A (zh) 一种考虑不确定性的有源配电网有功无功协调控制方法
CN111884263A (zh) 多目标配电网优化方法
CN108539797A (zh) 一种考虑经济性的孤岛微电网二次频率和电压控制方法
CN109120018A (zh) 基于一致性迭代算法的混合配电网分布式控制方法及系统
CN112734116A (zh) 一种含分布式储能的主动配电网优化调度方法
CN116388153A (zh) 一种有源配电网中柔性互联装备优化配置方法
CN115545290A (zh) 一种含光伏发电配电网中的分布式储能经济优化配置方法
Pan et al. Dual-layer optimal dispatching strategy for microgrid energy management systems considering demand response
Wang et al. Bi-stage operation optimization of active distribution networks with soft open point considering violation risk
Linlin et al. Research on Multi-Objective Reactive Power Optimization of Power Grid With High Proportion of New Energy
CN112085327B (zh) 一种配电商参与的主动配电网多层分区调控方法及系统

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