CN115764935A - 一种高渗透率分布式光伏配电网储能容量规划方法及装置 - Google Patents
一种高渗透率分布式光伏配电网储能容量规划方法及装置 Download PDFInfo
- Publication number
- CN115764935A CN115764935A CN202211012202.9A CN202211012202A CN115764935A CN 115764935 A CN115764935 A CN 115764935A CN 202211012202 A CN202211012202 A CN 202211012202A CN 115764935 A CN115764935 A CN 115764935A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- distribution network
- distributed photovoltaic
- power distribution
- permeability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- 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
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及储能容量规划技术领域,具体提供了一种高渗透率分布式光伏配电网储能容量规划方法及装置,包括:将待规划的高渗透率分布式光伏配电网中的电气参量代入至预先构建的储能容量规划模型,求解所述储能容量规划模型,得到高渗透率分布式光伏配电网储能容量规划的储能额定容量;利用所述高渗透率分布式光伏配电网储能容量规划的储能额定容量对待规划的高渗透率分布式光伏配电网储能容量进行规划;其中,所述高渗透率分布式光伏配电网为分布式光伏渗透率大于预设值的配电网。本发明提供的技术方案,能够实现在分布式光伏的完全消纳,提高配电承载力,并能够制定出配电网未来的储能容量规划路径。
Description
技术领域
本发明涉及储能容量规划技术领域,具体涉及一种高渗透率分布式光伏配电网储能容量规划方法及装置。
背景技术
随着分布式发电技术、直流技术的快速发展,大量分布式光伏开始规模化接入配电网,对配电网的线路潮流、短路电流、运行经济性与可靠性等带来了深刻影响。在高渗透率分布式光伏的配电网中,分布式光伏发电功率受自然环境条件的影响,具有较大的波动性、不确定性,无法提供稳定的电力供应,其输出电能质量一般较差,且由于其渗透率较高,极易出现弃光现象,造成资源浪费。近年来,随着先进储能技术的快速发展,配电网中开始建设大量储能电站。储能设备通过存储电能、释放电能实现能量转移,可以实现在日照充足时段,将分布式光伏产生的富裕电能存储起来,在阴天、夜晚释放,提高配电分布式电源承载力。
储能设备的建设投资者需根据建设地区的资源禀赋情况、负荷种类及特性、网架架构等基础条件,确定储能设备建设容量,以期实现在较小的投资成本下,提高分布式光伏的消纳能力。因此,在高渗透率分布式光伏的配电网场景下,储能容量规划至关重要。
现阶段储能容量规划方面的研究大多是针对某一固定典型配电网场景,在储能规划过程中考虑运行问题,用运行指导规划,以等年值投资成本最小为目标确定某一年的储能最优配置容量。
现有方案并不适用于高渗透率分布式光伏的配电网场景,并不能很好的实现该场景下配电网内分布式光伏发电的完全消纳,易造成日照资源丰富地区的大量光伏资源的浪费。
现有方案并不能给出储能在未来不同典型阶段的发展路径,缺乏长期规划的指导。
发明内容
为了克服上述缺陷,本发明提出了一种高渗透率分布式光伏配电网储能容量规划方法及装置。
第一方面,提供一种高渗透率分布式光伏配电网储能容量规划方法,所述高渗透率分布式光伏配电网储能容量规划方法包括:
将待规划的高渗透率分布式光伏配电网中的电气参量代入至预先构建的储能容量规划模型,求解所述储能容量规划模型,得到高渗透率分布式光伏配电网储能容量规划的储能额定容量;
利用所述高渗透率分布式光伏配电网储能容量规划的储能额定容量对待规划的高渗透率分布式光伏配电网储能容量进行规划;
其中,所述高渗透率分布式光伏配电网为分布式光伏渗透率大于预设值的配电网。
优选的,所述分布式光伏渗透率的计算式如下:
上式中,RPV为配电网的分布式光伏渗透率,CPV为配电网中分布式光伏的安装容量, Pload为配电网中分布式光伏的典型日发电数据。
进一步的,当配电网的分布式光伏渗透率不大于预设值时,按下述方式对配电网进行规划:
步骤1更新配电网中分布式光伏接入节点的分布式光伏容量为RPVnew/RPV*CPV,更新配电网中分布式光伏典型日发电功率为RPVnew/RPV*PPV,其中,RPVnew为配电网的分布式光伏渗透率更新值。
步骤2判断配电网的分布式光伏渗透率是否大于预设值,若是,则结束操作,否则,返回步骤1。
优选的,所述预先构建的储能容量规划模型包括:
以储能投资容量的等年值投资成本最小为目标构建的目标函数,以及为高渗透率分布式光伏配电网储能容量规划配置的约束条件。
进一步的,所述目标函数的计算式如下:
上式中,F为目标函数值,r为贴现率,IESS为储能单元的单位容量投资成本,En为第n个进行储能容量规划的储能额定容量,yearESS为储能单元的规划运行年限,n∈[1,N],N为高渗透率分布式光伏配电网中的储能总数。
进一步的,所述约束条件包括下述中的至少一种:荷电状态上下限约束、光伏发电量完全消纳约束、配电网线路载流量约束、配电网的功率平衡约束、光伏本地消纳约束。
进一步的,所述荷电状态上下限约束的数学模型如下:
SOCmin≤SOCt≤SOCmax
进一步的,所述光伏发电量完全消纳约束的数学模型如下:
所述配电网线路载流量约束的数学模型如下:
所述配电网的功率平衡约束的数学模型如下:
所述光伏本地消纳约束的数学模型如下:
上式中,为t时刻的分布式光伏能产生的电功率,为t时刻的分布式光伏能产生的最大电功率,为t时刻的线路流过的电流数值,Imax为线路最大载流量,为t时刻从外部大电网的购电量,为t时刻负荷i的需求功率,为t时刻储能单元j 的充放电功率,为t时刻线路m损耗功率,为t时刻分布式光伏q出力功率, Nload、NESS、Nbranch和NPV分别为负荷总数、储能单元总数、支路总数、分布式光伏总数。
优选的,所述求解所述储能容量规划模型,得到高渗透率分布式光伏配电网储能容量规划的储能额定容量的过程中,采用帝国竞争算法对所述储能容量规划模型进行求解。
第二方面,提供一种高渗透率分布式光伏配电网储能容量规划装置,所述高渗透率分布式光伏配电网储能容量规划装置包括:
分析模块,用于将待规划的高渗透率分布式光伏配电网中的电气参量代入至预先构建的储能容量规划模型,求解所述储能容量规划模型,得到高渗透率分布式光伏配电网储能容量规划的储能额定容量;
规划模块,用于利用所述高渗透率分布式光伏配电网储能容量规划的储能额定容量对待规划的高渗透率分布式光伏配电网储能容量进行规划;
其中,所述高渗透率分布式光伏配电网为分布式光伏渗透率大于预设值的配电网。
优选的,所述分析模块中,分布式光伏渗透率的计算式如下:
上式中,RPV为配电网的分布式光伏渗透率,CPV为配电网中分布式光伏的安装容量,进一步的,所述系统还包括:调节模块具体用于:
当配电网的分布式光伏渗透率不大于预设值时,按下述方式对配电网进行规划:
步骤1更新配电网中分布式光伏接入节点的分布式光伏容量为RPVnew/RPV*CPV,更新配电网中分布式光伏典型日发电功率为RPVnew/RPV*PPV,其中,RPVnew为配电网的分布式光伏渗透率更新值。
步骤2判断配电网的分布式光伏渗透率是否大于预设值,若是,则结束操作,否则,返回步骤1。
优选的,所述分析模块中,预先构建的储能容量规划模型包括:
以储能投资容量的等年值投资成本最小为目标构建的目标函数,以及为高渗透率分布式光伏配电网储能容量规划配置的约束条件。
进一步的,所述目标函数的计算式如下:
上式中,F为目标函数值,r为贴现率,IESS为储能单元的单位容量投资成本,En为第n个进行储能容量规划的储能额定容量,yearESS为储能单元的规划运行年限,n∈[1,N],N为高渗透率分布式光伏配电网中的储能总数。
进一步的,所述约束条件包括下述中的至少一种:荷电状态上下限约束、光伏发电量完全消纳约束、配电网线路载流量约束、配电网的功率平衡约束、光伏本地消纳约束。
进一步的,所述荷电状态上下限约束的数学模型如下:
SOCmin≤SOCt≤SOCmax
进一步的,所述光伏发电量完全消纳约束的数学模型如下:
所述配电网线路载流量约束的数学模型如下:
所述配电网的功率平衡约束的数学模型如下:
所述光伏本地消纳约束的数学模型如下:
上式中,为t时刻的分布式光伏能产生的电功率,为t时刻的分布式光伏能产生的最大电功率,为t时刻的线路流过的电流数值,Imax为线路最大载流量,为t时刻从外部大电网的购电量,为t时刻负荷i的需求功率,为t时刻储能单元j 的充放电功率,为t时刻线路m损耗功率,为t时刻分布式光伏q出力功率, Nload、NESS、Nbranch和NPV分别为负荷总数、储能单元总数、支路总数、分布式光伏总数。
优选的,所述分析模块中,求解所述储能容量规划模型,得到高渗透率分布式光伏配电网储能容量规划的储能额定容量的过程中,采用帝国竞争算法对所述储能容量规划模型进行求解。
第三方面,提供一种计算机设备,包括:一个或多个处理器;
所述处理器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,实现所述的高渗透率分布式光伏配电网储能容量规划方法。
第四方面,提供一种计算机可读存储介质,其上存有计算机程序,所述计算机程序被执行时,实现所述的高渗透率分布式光伏配电网储能容量规划方法。
本发明上述一个或多个技术方案,至少具有如下一种或多种有益效果:
本发明提供了一种高渗透率分布式光伏配电网储能容量规划方法及装置,包括:将待规划的高渗透率分布式光伏配电网中的电气参量代入至预先构建的储能容量规划模型,求解所述储能容量规划模型,得到高渗透率分布式光伏配电网储能容量规划的储能额定容量;利用所述高渗透率分布式光伏配电网储能容量规划的储能额定容量对待规划的高渗透率分布式光伏配电网储能容量进行规划;其中,所述高渗透率分布式光伏配电网为分布式光伏渗透率大于预设值的配电网。本发明提供的技术方案,可确定分布式光伏完全本地消纳情况下的储能装机容量最小值,能够实现在分布式光伏的完全消纳,提高配电承载力,并能够制定出配电网未来的储能容量规划路径。
附图说明
图1是本发明实施例的高渗透率分布式光伏配电网储能容量规划方法的主要步骤流程示意图;
图2是本发明实施例的配电网拓扑结构图;
图3是本发明实施例的某典型日多类型负荷变化曲线图;
图4是本发明实施例的某典型日分布式光伏发电变化曲线图;
图5是本发明实施例的不同典型年储能与分布式光伏装机容量比柱形图;
图6是本发明实施例的高渗透率分布式光伏配电网储能容量规划装置的主要结构框图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
为使本发明实施例的目的、技术方案和优点更加清楚,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它实施例,都属于本发明保护的范围。
如背景技术中所公开的,储能设备的建设投资者需根据建设地区的资源禀赋情况、负荷种类及特性、网架架构等基础条件,确定储能设备建设容量,以期实现在较小的投资成本下,提高分布式光伏的消纳能力。因此,在高渗透率分布式光伏的配电网场景下,储能容量规划至关重要。
现阶段储能容量规划方面的研究大多是针对某一固定典型配电网场景,在储能规划过程中考虑运行问题,用运行指导规划,以等年值投资成本最小为目标确定某一年的储能最优配置容量。
现有方案并不适用于高渗透率分布式光伏的配电网场景,并不能很好的实现该场景下配电网内分布式光伏发电的完全消纳,易造成日照资源丰富地区的大量光伏资源的浪费。
现有方案并不能给出储能在未来不同典型阶段的发展路径,缺乏长期规划的指导。
为了改善上述问题,本发明提供的一种高渗透率分布式光伏配电网储能容量规划方法及装置,包括:将待规划的高渗透率分布式光伏配电网中的电气参量代入至预先构建的储能容量规划模型,求解所述储能容量规划模型,得到高渗透率分布式光伏配电网储能容量规划的储能额定容量;利用所述高渗透率分布式光伏配电网储能容量规划的储能额定容量对待规划的高渗透率分布式光伏配电网储能容量进行规划;其中,所述高渗透率分布式光伏配电网为分布式光伏渗透率大于预设值的配电网。本发明提供的技术方案,可确定分布式光伏完全本地消纳情况下的储能装机容量最小值,能够实现在分布式光伏的完全消纳,提高配电承载力,并能够制定出配电网未来的储能容量规划路径。下面对上述方案进行详细阐述。
实施例1
参阅附图1,图1是本发明的一个实施例的高渗透率分布式光伏配电网储能容量规划方法的主要步骤流程示意图。如图1所示,本发明实施例中的高渗透率分布式光伏配电网储能容量规划方法主要包括以下步骤:
步骤S101:将待规划的高渗透率分布式光伏配电网中的电气参量代入至预先构建的储能容量规划模型,求解所述储能容量规划模型,得到高渗透率分布式光伏配电网储能容量规划的储能额定容量;
步骤S102:利用所述高渗透率分布式光伏配电网储能容量规划的储能额定容量对待规划的高渗透率分布式光伏配电网储能容量进行规划;
其中,所述高渗透率分布式光伏配电网为分布式光伏渗透率大于预设值的配电网。
本实施例中,所述分布式光伏渗透率的计算式如下:
上式中,RPV为配电网的分布式光伏渗透率,CPV为配电网中分布式光伏的安装容量, Pload为配电网中分布式光伏的典型日发电数据。
在一个实施方式中,当配电网的分布式光伏渗透率不大于预设值时,按下述方式对配电网进行规划:
步骤1更新配电网中分布式光伏接入节点的分布式光伏容量为RPVnew/RPV*CPV,更新配电网中分布式光伏典型日发电功率为RPVnew/RPV*PPV,其中,RPVnew为配电网的分布式光伏渗透率更新值。
步骤2判断配电网的分布式光伏渗透率是否大于预设值,若是,则结束操作,否则,返回步骤1。
本实施例中,所述预先构建的储能容量规划模型包括:
以储能投资容量的等年值投资成本最小为目标构建的目标函数,以及为高渗透率分布式光伏配电网储能容量规划配置的约束条件。
在一个实施方式中,所述目标函数的计算式如下:
上式中,F为目标函数值,r为贴现率,IESS为储能单元的单位容量投资成本,En为第n个进行储能容量规划的储能额定容量,yearESS为储能单元的规划运行年限,n∈[1,N],N为高渗透率分布式光伏配电网中的储能总数。
进一步的,所述约束条件包括下述中的至少一种:荷电状态上下限约束、光伏发电量完全消纳约束、配电网线路载流量约束、配电网的功率平衡约束、光伏本地消纳约束。
进一步的,所述荷电状态上下限约束的数学模型如下:
SOCmin≤SOCt≤SOCmax
进一步的,所述光伏发电量完全消纳约束的数学模型如下:
所述配电网线路载流量约束的数学模型如下:
所述配电网的功率平衡约束的数学模型如下:
所述光伏本地消纳约束的数学模型如下:
上式中,为t时刻的分布式光伏能产生的电功率,为t时刻的分布式光伏能产生的最大电功率,为t时刻的线路流过的电流数值,Imax为线路最大载流量,为t时刻从外部大电网的购电量,为t时刻负荷i的需求功率,为t时刻储能单元j 的充放电功率,为t时刻线路m损耗功率,为t时刻分布式光伏q出力功率, Nload、NESS、Nbranch和NPV分别为负荷总数、储能单元总数、支路总数、分布式光伏总数。
优选的,所述求解所述储能容量规划模型,得到高渗透率分布式光伏配电网储能容量规划的储能额定容量的过程中,采用帝国竞争算法对所述储能容量规划模型进行求解。
采用帝国竞争算法的原因在于,该算法,相比于传统的粒子群算法及遗传算法,收敛速度更快、收敛精度更高,具有较强的全局收敛性。算法利用殖民地向帝国主义国家移动进行局部搜索,即在较优区域内进行大力度开采,保证了算法的局部搜索能力。同时,帝国竞争操作使帝国内的殖民地可以向其他帝国移动,突破了原来的搜索范围,增加了种群多样性,在一定程度上起到克服“早熟”现象的作用。
基于上述方法,本发明提供了一个最优的实施方式,在如图2所示的配电网结构中执行下述步骤:
(1)获取配电网拓扑结构、线路参数(线路阻抗、线路长度、线路最大载流量);
所有线路采用JKLGYJ-240架空线路,电阻为0.132Ω/km,电抗为0.369Ω/km,最大载流量为505A。
(2)获取某年下负荷的典型日数据、分布式光伏的安装节点、分布式光伏的安装容量、分布式光伏的典型日发电数据,如表1所示;
表1
节点 | 负荷类型 | 典型负荷(kW) | 节点 | 负荷类型 | 典型负荷(kW) |
2 | 居民负荷 | 190 | 30 | 工业负荷 | 100 |
4 | 居民负荷 | 100 | 31 | 居民负荷 | 220 |
6 | 居民负荷 | 100 | 32 | 商业负荷 | 220 |
7 | 农业负荷 | 50 | 33 | 工业负荷 | 550 |
8 | 居民负荷 | 30 | 34 | 工业负荷 | 220 |
9 | 农业负荷 | 50 | 35 | 居民负荷 | 50 |
10 | 居民负荷 | 50 | 36 | 商业负荷 | 350 |
11 | 农业负荷 | 250 | 37 | 居民负荷 | 50 |
13 | 居民负荷 | 150 | 38 | 居民负荷 | 100 |
15 | 居民负荷 | 100 | 39 | 居民负荷 | 220 |
17 | 农业负荷 | 50 | 40 | 居民负荷 | 300 |
18 | 农业负荷 | 50 | 41 | 居民负荷 | 150 |
19 | 农业负荷 | 50 | 43 | 工业负荷 | 200 |
20 | 居民负荷 | 200 | 44 | 工业负荷 | 150 |
21 | 居民负荷 | 80 | 45 | 商业负荷 | 300 |
22 | 居民负荷 | 160 | 46 | 商业负荷 | 150 |
24 | 工业负荷 | 50 | 47 | 农业负荷 | 500 |
25 | 工业负荷 | 50 | 48 | 居民负荷 | 100 |
27 | 工业负荷 | 110 | 49 | 居民负荷 | 200 |
29 | 工业负荷 | 50 | 50 | 居民负荷 | 300 |
51 | 农业负荷 | 650 |
某典型日多类型负荷变化曲线如图3所示,某典型日分布式光伏发电变化曲线如图4所示;
配电网分布式光伏参数如表2所示:
表2
(3)获取分散式储能的安装节点等数据;
所有储能单元以分散式配置的方式直接配置在分布式光伏节点,其初始安装容量为同节点的分布式光伏容量的10%,即储能比为10%。
(4)获取2020-2025年的负荷增长率如表3所示、2020-2025年的分布式光伏装机容量增长率如表4所示。
表3
年份 | 农业负荷 | 工业负荷 | 商业负荷 | 居民负荷 |
2020-2025 | 7.16% | 5.39% | 6.91% | 4.94% |
2025-2030 | 8.98% | 8.98% | 8.98% | 8.98% |
2030-2035 | 2.20% | 2.20% | 2.20% | 2.20% |
2035-2040 | 1.37% | 1.37% | 1.37% | 1.37% |
2040-2045 | 0.88% | 0.88% | 0.88% | 0.88% |
2045-2050 | 0.71% | 0.71% | 0.71% | 0.71% |
2050-2055 | 0.55% | 0.55% | 0.55% | 0.55% |
2055-2060 | 0.31% | 0.31% | 0.31% | 0.31% |
表4
年份 | 分布式光伏装机容量增长率 |
2020-2025 | 15.0% |
2025-2030 | 11.1% |
2030-2035 | 8.4% |
2035-2040 | 5.9% |
2040-2045 | 4.6% |
2045-2050 | 1.9% |
2050-2055 | 1.5% |
2055-2060 | 2.2% |
(5)以获取的配电网数据为模型输入,基于约束条件、目标函数的规划模型,采用帝国竞争算法进行模型求解;
(6)获得当前年该配电网场景下的储能容量最经济的配置方案,其中,不同典型年储能与分布式光伏装机容量比如图5所示。
实施例2
基于同一种发明构思,本发明还提供了一种高渗透率分布式光伏配电网储能容量规划装置,如图6所示,所述高渗透率分布式光伏配电网储能容量规划装置包括:
分析模块,用于将待规划的高渗透率分布式光伏配电网中的电气参量代入至预先构建的储能容量规划模型,求解所述储能容量规划模型,得到高渗透率分布式光伏配电网储能容量规划的储能额定容量;
规划模块,用于利用所述高渗透率分布式光伏配电网储能容量规划的储能额定容量对待规划的高渗透率分布式光伏配电网储能容量进行规划;
其中,所述高渗透率分布式光伏配电网为分布式光伏渗透率大于预设值的配电网。
优选的,所述分析模块中,分布式光伏渗透率的计算式如下:
上式中,RPV为配电网的分布式光伏渗透率,CPV为配电网中分布式光伏的安装容量,进一步的,所述系统还包括:调节模块具体用于:
当配电网的分布式光伏渗透率不大于预设值时,按下述方式对配电网进行规划:
步骤1更新配电网中分布式光伏接入节点的分布式光伏容量为RPVnew/RPV*CPV,更新配电网中分布式光伏典型日发电功率为RPVnew/RPV*PPV,其中,RPVnew为配电网的分布式光伏渗透率更新值。
步骤2判断配电网的分布式光伏渗透率是否大于预设值,若是,则结束操作,否则,返回步骤1。
优选的,所述分析模块中,预先构建的储能容量规划模型包括:
以储能投资容量的等年值投资成本最小为目标构建的目标函数,以及为高渗透率分布式光伏配电网储能容量规划配置的约束条件。
进一步的,所述目标函数的计算式如下:
上式中,F为目标函数值,r为贴现率,IESS为储能单元的单位容量投资成本,En为第n个进行储能容量规划的储能额定容量,yearESS为储能单元的规划运行年限,n∈[1,N],N为高渗透率分布式光伏配电网中的储能总数。
进一步的,所述约束条件包括下述中的至少一种:荷电状态上下限约束、光伏发电量完全消纳约束、配电网线路载流量约束、配电网的功率平衡约束、光伏本地消纳约束。
进一步的,所述荷电状态上下限约束的数学模型如下:
SOCmin≤SOCt≤SOCmax
进一步的,所述光伏发电量完全消纳约束的数学模型如下:
所述配电网线路载流量约束的数学模型如下:
所述配电网的功率平衡约束的数学模型如下:
所述光伏本地消纳约束的数学模型如下:
上式中,为t时刻的分布式光伏能产生的电功率,为t时刻的分布式光伏能产生的最大电功率,为t时刻的线路流过的电流数值,Imax为线路最大载流量,为t时刻从外部大电网的购电量,为t时刻负荷i的需求功率,为t时刻储能单元j 的充放电功率,为t时刻线路m损耗功率,为t时刻分布式光伏q出力功率, Nload、NESS、Nbranch和NPV分别为负荷总数、储能单元总数、支路总数、分布式光伏总数。
优选的,所述分析模块中,求解所述储能容量规划模型,得到高渗透率分布式光伏配电网储能容量规划的储能额定容量的过程中,采用帝国竞争算法对所述储能容量规划模型进行求解。
实施例3
基于同一种发明构思,本发明还提供了一种计算机设备,该计算机设备包括处理器以及存储器,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application SpecificIntegrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其是终端的计算核心以及控制核心,其适于实现一条或一条以上指令,具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能,以实现上述实施例中一种高渗透率分布式光伏配电网储能容量规划方法的步骤。
实施例4
基于同一种发明构思,本发明还提供了一种存储介质,具体为计算机可读存储介质 (Memory),所述计算机可读存储介质是计算机设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质,当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间,该存储空间存储了终端的操作系统。并且,在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机可读存储介质可以是高速RAM存储器,也可以是非不稳定的存储器 (non-volatile memory),例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令,以实现上述实施例中一种高渗透率分布式光伏配电网储能容量规划方法的步骤。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和 /或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内。
Claims (20)
1.一种高渗透率分布式光伏配电网储能容量规划方法,其特征在于,所述方法包括:
将待规划的高渗透率分布式光伏配电网中的电气参量代入至预先构建的储能容量规划模型,求解所述储能容量规划模型,得到高渗透率分布式光伏配电网储能容量规划的储能额定容量;
利用所述高渗透率分布式光伏配电网储能容量规划的储能额定容量对待规划的高渗透率分布式光伏配电网储能容量进行规划;
其中,所述高渗透率分布式光伏配电网为分布式光伏渗透率大于预设值的配电网。
3.如权利要求2所述的方法,其特征在于,当配电网的分布式光伏渗透率不大于预设值时,按下述方式对配电网进行规划:
步骤1更新配电网中分布式光伏接入节点的分布式光伏容量为RPVnew/RPV*CPV,更新配电网中分布式光伏典型日发电功率为RPVnew/RPV*PPV,其中,RPVnew为配电网的分布式光伏渗透率更新值;
步骤2判断配电网的分布式光伏渗透率是否大于预设值,若是,则结束操作,否则,返回步骤1。
4.如权利要求1所述的方法,其特征在于,所述预先构建的储能容量规划模型包括:
以储能投资容量的等年值投资成本最小为目标构建的目标函数,以及为高渗透率分布式光伏配电网储能容量规划配置的约束条件。
6.如权利要求5所述的方法,其特征在于,所述约束条件包括下述中的至少一种:荷电状态上下限约束、光伏发电量完全消纳约束、配电网线路载流量约束、配电网的功率平衡约束、光伏本地消纳约束。
9.如权利要求1所述的方法,其特征在于,所述求解所述储能容量规划模型,得到高渗透率分布式光伏配电网储能容量规划的储能额定容量的过程中,采用帝国竞争算法对所述储能容量规划模型进行求解。
10.一种高渗透率分布式光伏配电网储能容量规划装置,其特征在于,所述装置包括:
分析模块,用于将待规划的高渗透率分布式光伏配电网中的电气参量代入至预先构建的储能容量规划模型,求解所述储能容量规划模型,得到高渗透率分布式光伏配电网储能容量规划的储能额定容量;
规划模块,用于利用所述高渗透率分布式光伏配电网储能容量规划的储能额定容量对待规划的高渗透率分布式光伏配电网储能容量进行规划;
其中,所述高渗透率分布式光伏配电网为分布式光伏渗透率大于预设值的配电网。
12.如权利要求11所述的装置,其特征在于,所述系统还包括:调节模块具体用于:
当配电网的分布式光伏渗透率不大于预设值时,按下述方式对配电网进行规划:
步骤1更新配电网中分布式光伏接入节点的分布式光伏容量为RPVnew/RPV*CPV,更新配电网中分布式光伏典型日发电功率为RPVnew/RPV*PPV,其中,RPVnew为配电网的分布式光伏渗透率更新值;
步骤2判断配电网的分布式光伏渗透率是否大于预设值,若是,则结束操作,否则,返回步骤1。
13.如权利要求10所述的装置,其特征在于,所述分析模块中,预先构建的储能容量规划模型包括:
以储能投资容量的等年值投资成本最小为目标构建的目标函数,以及为高渗透率分布式光伏配电网储能容量规划配置的约束条件。
15.如权利要求14所述的装置,其特征在于,所述约束条件包括下述中的至少一种:荷电状态上下限约束、光伏发电量完全消纳约束、配电网线路载流量约束、配电网的功率平衡约束、光伏本地消纳约束。
18.如权利要求10所述的装置,其特征在于,所述分析模块中,求解所述储能容量规划模型,得到高渗透率分布式光伏配电网储能容量规划的储能额定容量的过程中,采用帝国竞争算法对所述储能容量规划模型进行求解。
19.一种计算机设备,其特征在于,包括:一个或多个处理器;
所述处理器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行时,实现如权利要求1至9中任意一项所述的高渗透率分布式光伏配电网储能容量规划方法。
20.一种计算机可读存储介质,其特征在于,其上存有计算机程序,所述计算机程序被执行时,实现如权利要求1至9中任意一项所述的高渗透率分布式光伏配电网储能容量规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211012202.9A CN115764935A (zh) | 2022-08-23 | 2022-08-23 | 一种高渗透率分布式光伏配电网储能容量规划方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211012202.9A CN115764935A (zh) | 2022-08-23 | 2022-08-23 | 一种高渗透率分布式光伏配电网储能容量规划方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115764935A true CN115764935A (zh) | 2023-03-07 |
Family
ID=85349199
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211012202.9A Pending CN115764935A (zh) | 2022-08-23 | 2022-08-23 | 一种高渗透率分布式光伏配电网储能容量规划方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115764935A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117879015A (zh) * | 2024-03-08 | 2024-04-12 | 宁德时代新能源科技股份有限公司 | 储能容量确定方法、装置、介质及产品 |
-
2022
- 2022-08-23 CN CN202211012202.9A patent/CN115764935A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117879015A (zh) * | 2024-03-08 | 2024-04-12 | 宁德时代新能源科技股份有限公司 | 储能容量确定方法、装置、介质及产品 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108470239B (zh) | 计及需求侧管理和储能的主动配电网多目标分层规划方法 | |
CN107528345B (zh) | 一种多时间尺度的网源荷储协调控制方法 | |
CN112467722B (zh) | 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法 | |
Cao et al. | Probabilistic optimal PV capacity planning for wind farm expansion based on NASA data | |
CN107994595A (zh) | 一种削峰填谷控制方法和系统以及应用该控制方法的系统 | |
CN109768573A (zh) | 基于多目标差分灰狼算法的配电网无功优化方法 | |
CN113541166B (zh) | 一种分布式储能优化配置方法、系统、终端和存储介质 | |
Arefin et al. | Optimized hybrid wind-diesel energy system with feasibility analysis | |
CN111146821A (zh) | 一种计及光伏不确定性的dstatcom优化配置方法 | |
CN109672215A (zh) | 基于负荷可时移特性的分布式光伏消纳控制方法 | |
CN111009914A (zh) | 一种面向主动配电网的储能装置选址定容方法 | |
CN107230003A (zh) | 一种新能源发电系统的功率预测方法 | |
CN115764935A (zh) | 一种高渗透率分布式光伏配电网储能容量规划方法及装置 | |
CN113378100A (zh) | 考虑碳排放的配电网源网荷储协同优化调度模型和方法 | |
CN115169723A (zh) | 发电功率预测方法、负荷预测方法及模型训练方法 | |
Ahmadi et al. | Optimal allocation of multi-type distributed generators for minimization of power losses in distribution systems | |
CN116402210A (zh) | 一种综合能源系统多目标优化方法、系统、设备和介质 | |
CN103488820A (zh) | 一种基于长过程时序仿真的分布式电源规划方法 | |
CN110943465A (zh) | 一种储能系统选址定容优化方法 | |
Murugesan et al. | Cost optimization of PV-diesel systems in nanogrid using LJ Cuckoo search and its application in mobile towers | |
CN116341855A (zh) | 一种分布式储能规划方法、装置、设备及介质 | |
CN114530848A (zh) | 一种光储虚拟电厂多时间尺度动态划分方法 | |
CN112906961A (zh) | 储能控制方法、装置、非易失性存储介质及电子装置 | |
Alguhi et al. | Battery energy storage planning in distribution network with renewable resources | |
CN110690719B (zh) | 一种微电网电池储能配置方法及可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |