CN115564142A - 一种混合储能系统的选址定容优化方法及系统 - Google Patents

一种混合储能系统的选址定容优化方法及系统 Download PDF

Info

Publication number
CN115564142A
CN115564142A CN202211373687.4A CN202211373687A CN115564142A CN 115564142 A CN115564142 A CN 115564142A CN 202211373687 A CN202211373687 A CN 202211373687A CN 115564142 A CN115564142 A CN 115564142A
Authority
CN
China
Prior art keywords
energy storage
storage system
hybrid energy
optimization model
layer optimization
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
CN202211373687.4A
Other languages
English (en)
Other versions
CN115564142B (zh
Inventor
赵龙
孙东磊
孙凯祺
石冰珂
王耀
刘晓明
梁荣
陈博
张中娜
李猛
宁静
孙毅
王宪
刘蕊
田鑫
曹相阳
王轶群
高效海
袁振华
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.)
Economic and Technological Research Institute of State Grid Shandong Electric Power Co Ltd
Original Assignee
Economic and Technological Research Institute of State Grid Shandong 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 Economic and Technological Research Institute of State Grid Shandong Electric Power Co Ltd filed Critical Economic and Technological Research Institute of State Grid Shandong Electric Power Co Ltd
Priority to CN202211373687.4A priority Critical patent/CN115564142B/zh
Publication of CN115564142A publication Critical patent/CN115564142A/zh
Application granted granted Critical
Publication of CN115564142B publication Critical patent/CN115564142B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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"
    • G06Q10/043—Optimisation of two dimensional placement, e.g. cutting of clothes or wood
    • 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
    • G06Q10/06311—Scheduling, planning or task assignment for a person or group
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

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

Abstract

本公开属于电力系统技术领域，具体涉及一种混合储能系统的选址定容优化方法及系统，包括：获取混合储能系统；构建所获取的混合储能系统的选址定容双层优化模型，其中，所述选址定容双层优化模型包括上层优化模型和下层优化模型，所述上层优化模型以混合储能系统的全寿命周期成本最小为目标，所述下层优化模型以网损最小为目标；基于二阶锥松弛进行所述下层优化模型的线性化计算，将所述下层优化模型的计算结果反馈至所述上层优化模型，完成所述选址定容双层优化模型的优化求解，得到混合储能系统的选址定容优化配置方案。

Description

一种混合储能系统的选址定容优化方法及系统
技术领域
本公开属于电力系统技术领域，具体涉及一种混合储能系统的选址定容优化方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
以光伏和风电为代表的分布式可再生能源密集接入配电网系统后，输出功率的随机性和波动性会改变传统配电网原有的辐射状供电模式，极易引起系统馈线功率波动，使配电网末端出现电压波动和电压越限等供电质量问题，同时面临网损增加及灵活性失衡等威胁，进而限制了分布式电源接入电网的规模。因此，需要在配电系统中配置储能以缓冲可再生能源的波动性和随机性造成的不良影响。储能系统作为改善功率平衡的关键技术，其接入配电系统时应充分考虑经济成本和系统运行安全等多方面目标，建立面对含高比例可再生能源配电系统的储能配置优化模型，实现对可再生能源和负荷的波动性在配电网造成不利影响的缓冲，提升系统供配电运行的经济性和可靠性。这使得对储能装置选址定容配置策略的优化研究非常必要。
针对配电网中储能配置优化模型，目前较多研究选定经济投资成本作为单一目标函数，认为配置储能的经济成本是储能系统大规模应用的主要限制条件之一。而储能装置在以“高发低储”的工作模式实际运行中，能够一定程度上缓解配电系统经济方面的紧张，但节点电压和馈线功率的大幅波动及网络损耗急剧增加等运行安全问题不可忽视。因此，仅以经济投资成本作为衡量配电网储能配置目标函数的唯一指标是不完全的，需要综合考虑经济成本、网络损耗等多个优化目标，以此搭建合理的优化模型。
据发明人了解，在提出合理的多目标优化模型基础上，储能配置的优化对象多为混合储能形式，即考虑各种单一储能的技术经济特征，引入由能量型储能技术与功率型储能组成的混合储能系统，实现功率型储能的高效充放电和能量型储能的高能量吞吐间的均衡，进而大幅提升储能系统的综合性能。但目前研究主要致力于为混合储能容量配置优化问题寻找解决方案，少有研究考虑混合储能的接入位置对容量配置的影响，因此无法提供配电系统中混合储能装置的选址定容方案。
发明内容
为了解决上述问题，本公开提出了一种混合储能系统的选址定容优化方法及系统，用于含高比例可再生能源配电网中混合储能系统，选取蓄电池和超级电容器分别作为能量型和功率型储能组成混合储能系统，基于考虑全寿命周期成本和网络损耗的双层优化模型，以实现含高比例可再生能源配电网中混合储能系统的选址定容优化配置。
根据一些实施例，本公开的第一方案提供了一种混合储能系统的选址定容优化方法，采用如下技术方案：
一种混合储能系统的选址定容优化方法，包括：
获取混合储能系统；
构建所获取的混合储能系统的选址定容双层优化模型，其中，所述选址定容双层优化模型包括上层优化模型和下层优化模型，所述上层优化模型以混合储能系统的全寿命周期成本最小为目标，所述下层优化模型以网损最小为目标；
基于二阶锥松弛进行所述下层优化模型的线性化计算，将所述下层优化模型的计算结果反馈至所述上层优化模型，完成所述选址定容双层优化模型的优化求解，得到混合储能系统的选址定容优化配置方案。
作为进一步的技术限定，所述混合储能系统包括采用蓄电池的能量型储能子系统和采用超级电容器的功率型储能子系统。
作为进一步的技术限定，所述上层优化模型采用混合储能全寿命周期成本模型，以全寿命周期成本最小为上层目标函数f1；即得：
f1＝minC＝min(Csys+Crep+Cdis+Cope)
Figure BDA0003925108290000031
Figure BDA0003925108290000032
Figure BDA0003925108290000033
Figure BDA0003925108290000034
其中，C表示混合储能系统的全寿命周期成本；Csys、Crep、Cope及Cdis分别表示混合储能系统的初始安装成本、更换成本、运行维护成本及回收成本；EHESS、PHESS分别表示混合储能系统的额定容量和额定功率；CE,sys、CP,sys分别表示混合储能系统的配置容量和功率的初始安装成本系数；CE,rep，CP,rep分别表示混合储能系统的的配置容量和功率的更换成本系数；CE,dis，CP,dis分别表示混合储能系统的配置容量和功率的回收成本系数；k表示储能装置的更换次数；Y表示储能项目规划年限；σ表示折现率；PHESS(t)表示储能系统日内输出功率；Cc(t)表示实时电价；G表示年运行总天数。
进一步的，所述上层目标函数对所述上层优化模型中的储能配置总节点数，以及各节点配置的额定容量和额定功率进行约束，即：
PHESS,min≤PHESS,i≤PHESS,max
EHESS,min≤EHESS,i≤EHESS,max
nHESS≤N
其中，PHESS,i和EHESS,i分别表示第i节点所配置的额定功率和额定容量；nHESS和N分别表示配电系统实际装载储能系统节点数及最大节点数。
作为进一步的技术限定，所述下层优化模型以网络损耗最小为下层目标函数，经二阶锥凸松弛处理后的下层目标函数f2为：
Figure BDA0003925108290000041
其中，Closs表示配电系统网络损耗，rij表示支路电阻，lij表示支路电流幅值的平方，L表示配电系统支路集合。
作为进一步的技术限定，利用自适应遗传算法对所述上层优化模型进行优化，每代种群的适应度包括考虑实时电价的混合储能系统的运行维护成本，所述混合储能系统的运行维护成本根据储能充放电功率相关。
进一步的，所述下层优化模型经二阶锥凸松弛后得到最优潮流模型，即将混合整数二阶锥规划模型转换成线性凸模型，求解所得到的线性凸模型，当网络损耗达到最优时，将此时的运行维护成本反馈至上层种群适应度，继续上层优化模型的寻优，以完成双层优化的迭代计算，得到配电网混合储能系统选址定容问题的最优解。
根据一些实施例，本公开的第二方案提供了一种混合储能系统的选址定容优化系统，采用如下技术方案：
一种混合储能系统的选址定容优化系统，包括：
获取模块，其被配置为获取混合储能系统；
建模模块，其被配置为构建所获取的混合储能系统的选址定容双层优化模型，其中，所述选址定容双层优化模型包括上层优化模型和下层优化模型，所述上层优化模型以混合储能系统的全寿命周期成本最小为目标，所述下层优化模型以网损最小为目标；
优化模块，其被配置为基于二阶锥松弛进行所述下层优化模型的线性化计算，将所述下层优化模型的计算结果反馈至所述上层优化模型，完成所述选址定容双层优化模型的优化求解，得到混合储能系统的选址定容优化配置方案。
根据一些实施例，本公开的第三方案提供了一种计算机可读存储介质，采用如下技术方案：
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开第一方面所述的混合储能系统的选址定容优化方法中的步骤。
根据一些实施例，本公开的第四方案提供了一种电子设备，采用如下技术方案：
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开第一方面所述的混合储能系统的选址定容优化方法中的步骤。
与现有技术相比，本公开的有益效果为：
本公开通过构建包含蓄电池和超级电容器的混合储能系统，兼顾能量管理和功率管理，均衡功率型储能的高效充放电和能量型储能的高能量吞吐，实现储能系统综合性能的大幅提升；通过建立合理的混合储能配置优化目标，将全寿命周期成本和网络损耗分别确定为双层优化模型的目标函数，在考虑经济成本最优的同时，根据最小网损运行状态下的储能运行成本修正当前配置方案，能够避免配置储能后配电系统的网络损耗急剧增加，从而综合提升配电系统的经济性能和稳定性能；利用自适应遗传算法和二阶锥凸松弛实现双层优化算法的求解，借助二阶锥松弛实现下层模型的线性化，并与上层自适应遗传算法迭代，提升求解过程的收敛速度性。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1是本公开实施例一中的混合储能系统的选址定容优化方法的流程图；
图2是本公开实施例一中的用于含高比例可再生能源配电网中混合储能系统选址定容的双层优化模型示意图；
图3是本公开实施例一中的含分布式可再生能源和混合储能系统的配电网结构示意图；
图4是本公开实施例一中的储能系统全寿命周期成本示意图；
图5是本公开实施例一中的支路潮流模型示意图；
图6是本公开实施例一中的二阶锥凸松弛处理最优潮流模型过程示意图；
图7是本公开实施例一中的含分布式光伏和风电的33节点配电系统示意图；
图8是本公开实施例一中的典型日下负荷需求功率；
图9是本公开实施例一中的典型日下分布式光伏和风电输出功率；
图10是本公开实施例一中的以蓄电池为单一储能形式在33节点配电网接入节点示意图；
图11是本公开实施例一中的以蓄电池和超级电容器为混合储能形式在33节点配电网接入节点示意图；
图12(a)是本公开实施例一中的功率型储能系统的SOC运行曲线；
图12(b)是本公开实施例一中的能量型储能系统的SOC运行曲线；
图13(a)是本公开实施例一中的功率型储能系统的有功功率输出曲线示意图；
图13(b)是本公开实施例一中的能量型储能系统的的有功功率输出曲线示意图；
图14是本公开实施例二中的混合储能系统的选址定容优化系统的结构框图。
具体实施方式
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
实施例一
本公开实施例一介绍了一种混合储能系统的选址定容优化方法。
如图1所示的一种混合储能系统的选址定容优化方法，包括：
获取混合储能系统；
构建所获取的混合储能系统的选址定容双层优化模型，其中，所述选址定容双层优化模型包括上层优化模型和下层优化模型，所述上层优化模型以混合储能系统的全寿命周期成本最小为目标，所述下层优化模型以网损最小为目标；
基于二阶锥松弛进行所述下层优化模型的线性化计算，将所述下层优化模型的计算结果反馈至所述上层优化模型，完成所述选址定容双层优化模型的优化求解，得到混合储能系统的选址定容优化配置方案。
如图2所示，本实施例提供了一种用于含高比例可再生能源配电网中混合储能系统选址定容的双层优化配置方法，具体为：
鉴于混合储能系统能够高效兼顾单一储能的能量管理和功率管理，选取蓄电池和超级电容器分别作为能量型储能和功率型储能组成混合储能系统；
针对含光伏和风电等分布式电源的配电系统，提出分别以全寿命周期成本和网络损耗为上下层优化目标的混合储能选址定容双层优化模型。上层优化目标为混合储能装置全寿命周期成本，包括以实时电价和储能装置日内运行功率之积表示的混合储能运行维护成本；下层优化基于上层决策和支路潮流模型，建立以配电系统网络损耗最小为目标的混合整数二阶锥规划模型，其中以支路电阻和流经该支路电流幅值的平方之积刻画储能配置后配电系统的网络损耗；
利用自适应遗传算法对上层模型进行求解，每代种群的适应度包括考虑实时电价的混合储能运行维护成本；利用Cplex求解器计算下层二阶锥规划，当网络损耗达到最优时，将该状态下的运行维护成本反馈至上层种群适应度，并继续上层自适应遗传算法的寻优过程，以此完成双层优化的迭代计算。
作为一种或多种实施方式，结合各类储能形式的技术经济特性，选定待配置的储能形式。本实施例中，鉴于混合储能系统作为一种兼顾能量管理和功率管理的高效系统，相较于单一储能，该系统能够协同工作倍率和循环寿命，均衡功率型储能的高效充放电和能量型储能的高能量吞吐，实现储能系统综合性能的大幅提升，因此采用蓄电池作为能量型储能、超级电容器作为功率型储能组成混合储能系统。
基于储能装置的双向功率传输特性建立混合储能功率模型；含分布式可再生能源和混合储能系统的配电网结构示意图如图3所示，由能量型储能和功率型储能组成的混合储能系统经直流斩波装置变流后连接到配电网络中。
作为一种或多种实施方式，基于全寿命周期理论建立混合储能系统的全寿命周期经济成本，其组成部分如图4所示。其中，而储能系统年运行维护成本则需由运行过程中的储能充放电功率、实时电价和年运行总天数表示：
Figure BDA0003925108290000111
其中，Cope表示储能系统运行维护成本；PHESS(t)为储能系统日内输出功率；Cc(t)为实时电价；G为年运行总天数。
基于上述储能功率模型和全寿命周期成本模型，本实施例提供了一种用于含高比例可再生能源配电系统的混合储能选址定容优化配置模型。配电系统在接入储能后，不仅需要承担较高的经济投资成本，还可能面临节点电压越限、网络损耗剧增等稳定性威胁，故从经济型和稳定性等多方面明确储能配置优化模型的目标函数是合理优化储能配置的重要前提。
基于混合储能全寿命周期成本模型，上层优化的目标函数表示如下：
f1＝minC＝min(Csys+Crep+Cdis+Cope) (2)
Figure BDA0003925108290000112
Figure BDA0003925108290000113
Figure BDA0003925108290000114
Figure BDA0003925108290000115
其中，C表示配置储能系统的全寿命周期成本；Csys、Crep、Cope及Cdis分别表示储能系统初始安装成本、更换成本、运行维护成本及回收成本；EHESS，PHESS分别为额定容量和额定功率；CE,sys，CP,sys分别为配置容量和功率的初始安装成本系数；CE,rep，CP,rep分别为配置容量和功率的更换成本系数；CE,dis，CP,dis分别表示配置容量和功率的回收成本系数；k为储能装置的更换次数；Y(年)为储能项目规划年限；σ为折现率(％)。
对上层优化模型中的配电系统储能配置总节点数，及各节点配置的额定容量和额定功率做出以下约束：
PHESS,min≤PHESS,i≤PHESS,max (7)
EHESS,min≤EHESS,i≤EHESS,max (8)
nHESS≤N (9)
其中，PHESS,i和EHESS,i分别表示第i节点所配置的额定功率和额定容量；nHESS和N分别表示该配电系统实际装载储能系统节点数及最大节点数。
在本实施例中，支路潮流模型如图5所示，下层最优潮流模型以网络损耗为目标函数，利用支路电阻rij和流经该支路电流幅值的平方|Iij|2表示配电系统网络损耗Closs如下：
Figure BDA0003925108290000121
其中，L为配电系统支路集合。
但最优潮流中存在二次项
Figure BDA0003925108290000122
和rij|Iij|2导致模型非凸，不方便现有求解器直接计算，因此，本发明采用二阶锥凸松弛处理上述最优潮流模型，松弛过程示意图如图6所示。经二阶锥凸松弛处理后的目标函数如式(7)。
Figure BDA0003925108290000131
其中，lij为支路电流幅值的平方。
在本实施例中，利用自适应遗传算法对上层优化模型进行优化，每代种群的适应度包括考虑实时电价的混合储能运行维护成本，如式(1)所示，而该成本需根据储能充放电功率表示；如式(11)所示，经二阶锥凸松弛后的最优潮流模型，即混合整数二阶锥规划模型为线性凸模型，可直接利用Cplex求解器计算下层二阶锥规划，当网络损耗达到最优时，将该状态下的运行维护成本反馈至上层种群适应度，并继续上层遗传算法的寻优过程，以此完成双层优化的迭代计算，求得配电网混合储能系统选址定容问题的最优解。
作为一种或多种实施方式，为验证本实施例中所提出优化方法的有效性，搭建含分布式风电和风机的IEEE 33节点配电系统，系统模型结构如图7所示，并对配电系统及储能装置的参数做出以下设定。
针对待配置储能的IEEE 33节点配电系统，该系统分别在节点1接入额定功率100kW为分布式光伏装置，在节点17和节点32分别接入额定功率为250kW的分布式风机装置，混合储能装置的待接入点为1-32。
以典型日24h为代表，采样间隔为1h，该配电网中的负荷、分布式光伏和分布式风机在典型日下的有功功率曲线如图8和图9所示，为了方便统一对比上述数据的变化趋势，图8和图9中所绘制的数据均为归一化之后的数据。
针对待接入配电系统的储能装置，本实施例设置以蓄电池为储能形式的单一储能接入为算例一，以蓄电池和超级电容器为储能形式的混合储能接入为算例二，分别计算两种储能算例下的选址定容问题。其中，假设单一储能算例中单个节点的可配置功率和容量分别为8MW和8MWh；假设混合储能算例中单个节点的各类储能形式可配置功率和容量分别为4MW和4MWh，并假设储能装置全寿命成本模型中折现率为5％，项目周期为20年，其他储能装置参数设定详细见表1。
表1.储能装置参数设定
Figure BDA0003925108290000141
记录实施例中单一储能和混合储能的配置方案及方案下系统的运行情况，包括：储能安装节点、配置容量及功率、网路损耗及目标成本。图10为以蓄电池为单一储能形式在IEEE 33节点配电系统中选址定容的优化结果示意图；图11为以蓄电池和超级电容器为混合储能形式在33节点配电系统中选址定容的优化结果示意图；两种算例下的优化结果目标函数以及各个节点下配置容量的具体数值见表2。
表2.单一储能和混合储能选址定容运行结果
Figure BDA0003925108290000151
由图10、图11及表2可知，混合储能装置的投资成本即全生命周期成本比单一储能形式低27.77％；网络损耗较单一储能低48.4kW。通过上述混合储能和单一储能配置结果的对比，证明了相较于单一储能，混合储能接入配电系统后，在保证节点电压稳定的同时，具备降低网络损耗并节省投资成本的优势。
基于算例所求得混合储能的优化配置方案，进一步计算典型日内混合储能装置和配电网系统的运行情况。图12(a)、图12(b)分别为各安装节点下储能装置的荷电状态运行曲线，其中，图12(a)表示26节点所配置储能装置的荷电状态运行曲线，图12(b)表示30节点所配置储能装置的荷电状态运行曲线；图13(a)、图13(b)为各安装节点下储能装置的有功功率运行曲线，其中，图13(a)表示26节点所配置储能装置的有功功率运行曲线，图13(b)表示30节点所配置储能装置的有功功率运行曲线。
由图12(a)、图12(b)、图13(a)和图13(b)可得，在所求混合储能配置方案下，各储能装置均能够在其荷电状态和有功功率允许范围内安全稳定运行。
本实施例通过构建包含蓄电池和超级电容器的混合储能系统，兼顾能量管理和功率管理，均衡功率型储能的高效充放电和能量型储能的高能量吞吐，实现储能系统综合性能的大幅提升；通过建立合理的混合储能配置优化目标，将全寿命周期成本和网络损耗分别确定为双层优化模型的目标函数，在考虑经济成本最优的同时，根据最小网损运行状态下的储能运行成本修正当前配置方案，能够避免配置储能后配电系统的网络损耗急剧增加，从而综合提升配电系统的经济性能和稳定性能；利用自适应遗传算法和二阶锥凸松弛实现双层优化算法的求解，借助二阶锥松弛实现下层模型的线性化，并与上层自适应遗传算法迭代，提升求解过程的收敛速度性。
实施例二
本公开实施例二介绍了一种混合储能系统的选址定容优化系统。
如图14所示的一种混合储能系统的选址定容优化系统，包括：
获取模块，其被配置为获取混合储能系统；
建模模块，其被配置为构建所获取的混合储能系统的选址定容双层优化模型，其中，所述选址定容双层优化模型包括上层优化模型和下层优化模型，所述上层优化模型以混合储能系统的全寿命周期成本最小为目标，所述下层优化模型以网损最小为目标；
优化模块，其被配置为基于二阶锥松弛进行所述下层优化模型的线性化计算，将所述下层优化模型的计算结果反馈至所述上层优化模型，完成所述选址定容双层优化模型的优化求解，得到混合储能系统的选址定容优化配置方案。
详细步骤与实施例一提供的混合储能系统的选址定容优化方法相同，在此不再赘述。
实施例三
本公开实施例三提供了一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本公开实施例一所述的混合储能系统的选址定容优化方法中的步骤。
详细步骤与实施例一提供的混合储能系统的选址定容优化方法相同，在此不再赘述。
实施例四
本公开实施例四提供了一种电子设备。
一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本公开实施例一所述的混合储能系统的选址定容优化方法中的步骤。
详细步骤与实施例一提供的混合储能系统的选址定容优化方法相同，在此不再赘述。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。

Claims (10)

1.一种混合储能系统的选址定容优化方法，其特征在于，包括：
获取混合储能系统；
构建所获取的混合储能系统的选址定容双层优化模型，其中，所述选址定容双层优化模型包括上层优化模型和下层优化模型，所述上层优化模型以混合储能系统的全寿命周期成本最小为目标，所述下层优化模型以网损最小为目标；
基于二阶锥松弛进行所述下层优化模型的线性化计算，将所述下层优化模型的计算结果反馈至所述上层优化模型，完成所述选址定容双层优化模型的优化求解，得到混合储能系统的选址定容优化配置方案。
2.如权利要求1中所述的一种混合储能系统的选址定容优化方法，其特征在于，所述混合储能系统包括采用蓄电池的能量型储能子系统和采用超级电容器的功率型储能子系统。
3.如权利要求1中所述的一种混合储能系统的选址定容优化方法，其特征在于，所述上层优化模型采用混合储能全寿命周期成本模型，以全寿命周期成本最小为上层目标函数f1；即得：
f1＝minC＝min(Csys+Crep+Cdis+Cope)
Figure FDA0003925108280000011
Figure FDA0003925108280000012
Figure FDA0003925108280000013
Figure FDA0003925108280000021
其中，C表示混合储能系统的全寿命周期成本；Csys、Crep、Cope及Cdis分别表示混合储能系统的初始安装成本、更换成本、运行维护成本及回收成本；EHESS、PHESS分别表示混合储能系统的额定容量和额定功率；CE，sys、CP，sys分别表示混合储能系统的配置容量和功率的初始安装成本系数；CE，rep，CP，rep分别表示混合储能系统的的配置容量和功率的更换成本系数；CE，dis，CP，dis分别表示混合储能系统的配置容量和功率的回收成本系数；k表示储能装置的更换次数；Y表示储能项目规划年限；σ表示折现率；PHESS(t)表示储能系统日内输出功率；Cc(t)表示实时电价；G表示年运行总天数。
4.如权利要求3中所述的一种混合储能系统的选址定容优化方法，其特征在于，所述上层目标函数对所述上层优化模型中的储能配置总节点数，以及各节点配置的额定容量和额定功率进行约束，即：
PHESS，min≤PHESS，i≤PHESS，max
EHESS，min≤EHESS，i≤EHESS，max
nHESS≤N
其中，PHESS，i和EHESS，i分别表示第i节点所配置的额定功率和额定容量；nHESS和N分别表示配电系统实际装载储能系统节点数及最大节点数。
5.如权利要求1中所述的一种混合储能系统的选址定容优化方法，其特征在于，所述下层优化模型以网络损耗最小为下层目标函数，经二阶锥凸松弛处理后的下层目标函数f2为：
Figure FDA0003925108280000031
其中，Closs表示配电系统网络损耗，rij表示支路电阻，lij表示支路电流幅值的平方，L表示配电系统支路集合。
6.如权利要求1中所述的一种混合储能系统的选址定容优化方法，其特征在于，利用自适应遗传算法对所述上层优化模型进行优化，每代种群的适应度包括考虑实时电价的混合储能系统的运行维护成本，所述混合储能系统的运行维护成本根据储能充放电功率相关。
7.如权利要求6中所述的一种混合储能系统的选址定容优化方法，其特征在于，所述下层优化模型经二阶锥凸松弛后得到最优潮流模型，即将混合整数二阶锥规划模型转换成线性凸模型，求解所得到的线性凸模型，当网络损耗达到最优时，将此时的运行维护成本反馈至上层种群适应度，继续上层优化模型的寻优，以完成双层优化的迭代计算，得到配电网混合储能系统选址定容问题的最优解。
8.一种混合储能系统的选址定容优化系统，其特征在于，包括：
获取模块，其被配置为获取混合储能系统；
建模模块，其被配置为构建所获取的混合储能系统的选址定容双层优化模型，其中，所述选址定容双层优化模型包括上层优化模型和下层优化模型，所述上层优化模型以混合储能系统的全寿命周期成本最小为目标，所述下层优化模型以网损最小为目标；
优化模块，其被配置为基于二阶锥松弛进行所述下层优化模型的线性化计算，将所述下层优化模型的计算结果反馈至所述上层优化模型，完成所述选址定容双层优化模型的优化求解，得到混合储能系统的选址定容优化配置方案。
9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的混合储能系统的选址定容优化方法中的步骤。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的混合储能系统的选址定容优化方法中的步骤。
CN202211373687.4A 2022-11-03 2022-11-03 一种混合储能系统的选址定容优化方法及系统 Active CN115564142B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211373687.4A CN115564142B (zh) 2022-11-03 2022-11-03 一种混合储能系统的选址定容优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211373687.4A CN115564142B (zh) 2022-11-03 2022-11-03 一种混合储能系统的选址定容优化方法及系统

Publications (2)

Publication Number Publication Date
CN115564142A true CN115564142A (zh) 2023-01-03
CN115564142B CN115564142B (zh) 2023-06-02

Family

ID=84768990

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211373687.4A Active CN115564142B (zh) 2022-11-03 2022-11-03 一种混合储能系统的选址定容优化方法及系统

Country Status (1)

Country Link
CN (1) CN115564142B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116742673A (zh) * 2023-06-13 2023-09-12 华能罗源发电有限责任公司 主动配电网混合储能系统的选址定容双层优化方法及系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107301470A (zh) * 2017-05-24 2017-10-27 天津大学 一种配电网扩展规划与光储选址定容的双层优化方法
CN109962485A (zh) * 2019-03-08 2019-07-02 台州宏创电力集团有限公司 一种面向源网荷友好互动的复合储能装置选址定容方法
CN110969284A (zh) * 2019-10-29 2020-04-07 国网河南省电力公司经济技术研究院 一种配电网双层优化调度方法
CN111027807A (zh) * 2019-11-12 2020-04-17 国网河北省电力有限公司经济技术研究院 一种基于潮流线性化的分布式发电选址定容方法
CN111191820A (zh) * 2019-12-17 2020-05-22 国网浙江省电力有限公司 一种综合能源系统中储能装置的选址定容优化规划方法
CN112039069A (zh) * 2020-09-04 2020-12-04 国网山东省电力公司济宁供电公司 一种配电网储能与柔性开关的双层协同规划方法及系统
CN112234613A (zh) * 2020-09-30 2021-01-15 天津大学 一种交直流混合系统储能优化配置方法
CN112668186A (zh) * 2020-12-30 2021-04-16 华中科技大学 基于elm的输配一体储能系统选址定容协同优化方法
WO2021128223A1 (zh) * 2019-12-26 2021-07-01 上海电气风电集团股份有限公司 风电场布局的优化方法、优化系统及计算机可读存储介质
CN114336636A (zh) * 2022-01-10 2022-04-12 国网宁夏电力有限公司经济技术研究院 一种交直流混合配电网系统双层储能配置方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107301470A (zh) * 2017-05-24 2017-10-27 天津大学 一种配电网扩展规划与光储选址定容的双层优化方法
CN109962485A (zh) * 2019-03-08 2019-07-02 台州宏创电力集团有限公司 一种面向源网荷友好互动的复合储能装置选址定容方法
CN110969284A (zh) * 2019-10-29 2020-04-07 国网河南省电力公司经济技术研究院 一种配电网双层优化调度方法
CN111027807A (zh) * 2019-11-12 2020-04-17 国网河北省电力有限公司经济技术研究院 一种基于潮流线性化的分布式发电选址定容方法
CN111191820A (zh) * 2019-12-17 2020-05-22 国网浙江省电力有限公司 一种综合能源系统中储能装置的选址定容优化规划方法
WO2021128223A1 (zh) * 2019-12-26 2021-07-01 上海电气风电集团股份有限公司 风电场布局的优化方法、优化系统及计算机可读存储介质
CN112039069A (zh) * 2020-09-04 2020-12-04 国网山东省电力公司济宁供电公司 一种配电网储能与柔性开关的双层协同规划方法及系统
CN112234613A (zh) * 2020-09-30 2021-01-15 天津大学 一种交直流混合系统储能优化配置方法
CN112668186A (zh) * 2020-12-30 2021-04-16 华中科技大学 基于elm的输配一体储能系统选址定容协同优化方法
CN114336636A (zh) * 2022-01-10 2022-04-12 国网宁夏电力有限公司经济技术研究院 一种交直流混合配电网系统双层储能配置方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116742673A (zh) * 2023-06-13 2023-09-12 华能罗源发电有限责任公司 主动配电网混合储能系统的选址定容双层优化方法及系统
CN116742673B (zh) * 2023-06-13 2024-02-06 华能罗源发电有限责任公司 主动配电网混合储能系统的选址定容双层优化方法及系统

Also Published As

Publication number Publication date
CN115564142B (zh) 2023-06-02

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
CN109948849B (zh) 一种计及储能接入的配电网网架规划方法
CN107732958B (zh) 一种计及源荷协同恢复的独立微电网黑启动优化方法
WO2023060815A1 (zh) 一种提高配电网可靠性的储能容量优化配置方法
CN105207573A (zh) 基于离散概率模型的风光互补供电系统定量优化配置方法
CN109214713B (zh) 含有分布式电源的主动配电网规划方法
CN115564142A (zh) 一种混合储能系统的选址定容优化方法及系统
CN117394366A (zh) 一种含多微网的主动配电网不确定性分层调度方法
CN109638837B (zh) 一种面向新能源并网的动态负载管理方法及系统
Hong et al. A study of evaluation system based on large scale photovoltaic power generation
Ding et al. Multi-Objective optimial configuration of distributed wind-solar generation considering energy storage
Ma et al. Research on two-stage optimization control method for energy storage systems based on multi service attribute utility evaluation
CN113013909A (zh) 一种基于平抑牵引的储能容量改进方法
CN111313478A (zh) 一种基于功率平滑的可再生能源储能优化配置方法
Wang et al. Equivalent Modeling of PV Cluster Dynamic Process Based on K-medoids Clustering
Chen et al. Optimal voltage control for active distribution networks
Zeng et al. Optimal configuration of new energy grid connected energy storage capacity from the perspective of dual carbon
Zhong et al. Double-Layer-Optimizing Method of Hybrid Energy Storage Microgrid Based on Improved Grey Wolf Optimization.
Wu et al. Optimal Configuration of Flexible Interconnection Devices for Transferring Photovoltaic Power in Active Distribution Network
Chang et al. Optimal Configuration of Hybrid Energy Storage Capacity Based on Northern Goshawk Optimization
CN117094745B (zh) 基于igdt-效用熵的综合能源系统优化控制方法及装置
Wang et al. Optimal sizing of Battery Energy Storage System for household microgrid
Wang et al. Coordinated Planning of Power Grids in Information Parks considering the Time-Space Transfer Characteristics of Data Center Loads
Luo et al. Summary of Research on Optimal Allocation of Energy Storage in the Distribution Network
Liu et al. Research on Distributed Grid-connected Optimal Operation of Wind-Solar-Storage Microgrid Considering Multi-objective Programming

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