CN115954903A - 一种控制分布式储能设备充放电的方法及系统 - Google Patents

一种控制分布式储能设备充放电的方法及系统 Download PDF

Info

Publication number
CN115954903A
CN115954903A CN202211333948.XA CN202211333948A CN115954903A CN 115954903 A CN115954903 A CN 115954903A CN 202211333948 A CN202211333948 A CN 202211333948A CN 115954903 A CN115954903 A CN 115954903A
Authority
CN
China
Prior art keywords
energy storage
distributed
user
demand
equipment
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
CN202211333948.XA
Other languages
English (en)
Inventor
刘阳
李旻
乔云池
李奥
胥威汀
潘一凡
王子峣
王苗苗
元博
徐波
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 Sichuan Economic Research Institute
Original Assignee
State Grid Sichuan Economic Research Institute
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 Sichuan Economic Research Institute filed Critical State Grid Sichuan Economic Research Institute
Priority to CN202211333948.XA priority Critical patent/CN115954903A/zh
Publication of CN115954903A publication Critical patent/CN115954903A/zh
Priority to PCT/CN2023/126637 priority patent/WO2024088327A1/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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • 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
    • 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
    • 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
    • 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

Landscapes

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

Abstract

本发明属于电力系统运行分析技术领域，公开了一种控制分布式储能设备充放电的方法及系统，通过对分布式储能设备的供需资源、分布式光伏设备的供需资源、分布式热‑电联产设备的供需资源和分布式锅炉的供需资源进行量化，得到分布式储能供需资源量化结果；然后获取储能资源盈余用户提交的闲置储能资源量，接下来向用户推送实际运行日的云储能资源价格，获取用户提交的云储能资源需求量；最后将闲置储能资源量与所述云储能资源需求量进行匹配，得到分布式储能设备的实际充放电功率。本发明可实现优化储能设备的充放电，提升园区的用能效率得。

Description

一种控制分布式储能设备充放电的方法及系统
技术领域
本发明涉及电力系统运行分析技术领域，具体而言，涉及一种控制分布式储能设备充放电的方法及系统。
背景技术
面对构建新型电力系统的迫切需求，储能被视作重要抓手和关键环节。基于此，将现存的大量分布式储能以资源共享模式聚合到云端，形成一定的虚拟储能容量来替代传统用户侧的实体储能，具有“一储多场”应用形式的云储能概念应运而生。
目前分布式储能技术尚且成熟，但是具体的运营模式与分散的单一储能装置间协同运行方案的缺乏制约了储能市场化的发展，分别在体现在：用户侧使用分布式储能经济性不高，云储能服务方案不完善以及分布式储能在电网运行优化控制模式单一。
有鉴于此，特提出本申请。
发明内容
本发明所要解决的技术问题是：现有的分布式储能技术不利于提高储能的综合利用率和新能源的消纳能力。目的在于提供一种控制分布式储能设备充放电的方法及系统，结合用户的分布式储能设备利用情况与储能资源需求情况，对储能资源盈余用户和需求用户的行为进行分析，通过匹配闲置储能资源量和云储能资源需求量，实现对分布式储能设备的实际充放电功率进行控制，从而优化储能设备的充放电，提高提高储能的综合利用率和新能源的消纳能力。
本发明通过下述技术方案实现：
一方面，本发明提供一种控制分布式储能设备充放电的方法，包括以下步骤：S1：分别对分布式储能设备的供需资源、分布式光伏设备的供需资源、分布式热-电联产设备的供需资源和分布式锅炉的供需资源进行量化，得到分布式储能供需资源量化结果；S2：获取储能资源盈余用户提交的闲置储能资源量，所述闲置储能资源量由储能资源盈余用户以实际运行日的综合日用能成本最小为目标，并根据所述分布式储能供需资源量化结果计算得到；S3：向用户推送实际运行日的云储能资源价格，获取用户提交的云储能资源需求量；所述云储能资源需求量由用户以实际运行日的综合日用能成本最小为目标，并根据所述云储能资源价格、所述分布式储能供需资源量化结果和自身需求计算得到；S4：将所述闲置储能资源量与所述云储能资源需求量进行匹配，得到分布式储能设备的实际充放电功率。
进一步的，S1包括：S11：建立分布式储能设备的物理模型、分布式光伏设备的物理模型、分布式热-电联产设备的物理模型和分布式锅炉的物理模型；S12：利用所述分布式储能设备的物理模型对分布式储能设备的供需资源进行量化，利用所述分布式光伏设备的物理模型对分布式光伏设备的供需资源进行量化，利用所述分布式热-电联产设备的物理模型对分布式热-电联产设备的供需资源进行量化，利用所述分布式锅炉的物理模型对分布式锅炉的供需资源进行量化。
其中，
布式储能设备的物理模型表示为：
Figure SMS_1
Figure SMS_2
Figure SMS_3
Figure SMS_4
其中，
Figure SMS_5
为用户d的分布式储能设备的最大充/放电功率；Pt d,CH和Pt d,DCH分别为用户d的分布式储能设备在t时段的充/放电功率；ηST为分布式储能设备的充/放电效率；
Figure SMS_6
为0-1变量，用以表示储能的充放电状态，
Figure SMS_7
为1时表示充电，为0时表示放电；
Figure SMS_8
为用户d的分布式储能设备的最大存储容量。
分布式光伏设备的物理模型的表达式为：
Figure SMS_9
Figure SMS_10
其中，
Figure SMS_11
表示用户d的分布式光伏设备在t时段的最大出力；
Figure SMS_12
为光伏设备在t时段的功率比，与光照辐射强度、光照入射角度太阳能板的效率等因素有关；
Figure SMS_13
为用户d的光伏设备装机容量；Pt d.PV表示用户d的光伏设备在t时段的出力。
分布式热-电联产设备的物理模型表示为：
Figure SMS_14
Figure SMS_15
Figure SMS_16
Figure SMS_17
其中，Pt d.CHP表示用户d的分布式CHP设备在t时段的电输出功率；Ft d.CHP为分布式CHP设备在t时段消耗天然气的功率；ηCHP.e为分布式CHP设备的发电效率；q为天然气热值；
Figure SMS_18
表示分布式CHP设备在t时段的最大热输出功率；ηCHP.l为分布式CHP设备的散热损失系数；δ为分布式CHP设备的制热系数；当近似认为ηCHP.e和ηCHP.l保持不变时，则分布式CHP机组的电/热输出功率之比为定值，用kCHP表示。
分布式锅炉的物理模型表示为：
Figure SMS_19
Figure SMS_20
其中，
Figure SMS_21
为用户d的分布式电锅炉输出的热功率；Pt d.EB为电锅炉输入的电功率；ηEB为电锅炉的转换系数。
进一步的，
储能资源盈余用户的最小综合日用能成本的模型表达式为：
min Ci.DR+Ci.G+Ci.M-Ci.IL，
Figure SMS_22
Figure SMS_23
Ci.IL＝k*Pricei.EEi.YIL+k*Pricei.PPi.YIL，
其中，Ci.DR为储能资源盈余用户i的购电成本；Ci.G为储能资源盈余用户i的购气成本；Ci.M为储能资源盈余用户i的设备维护成本；Ci.IL为储能资源盈余用户i提交闲置储能资源后可能获得的收入；
约束条件：
Figure SMS_24
Figure SMS_25
Figure SMS_26
Figure SMS_27
Figure SMS_28
Figure SMS_29
其中，Pt i.DR为用户i在时段t的购电功率，需大于等于0；
Figure SMS_30
为时段t的天然气价格；k为云储能资源的收购价格系数；Pricei.E和Pricei.P为用户i对云储能资源价格的估计值；Ei.YIL和Pi.YIL为用户i准备向云储能平台提交的储能资源闲置量；
闲置储能资源量的模型表达式为
Figure SMS_31
进一步的，
储能资源需求用户的最小综合日用能成本的模型表达式为：
min Cj.DR+Cj.G+Cj.M+Cj.ST，
Figure SMS_32
Figure SMS_33
Cj.ST＝k*PriceEEj.YDM+k*PricePPj.YDM，
其中，Cj.DR为储能资源盈余用户j的购电成本；Cj.G为储能资源盈余用户j的购气成本；Cj.M为储能资源盈余用户j的设备维护成本；Cj.IL为储能资源盈余用户j提交闲置储能资源后可能获得的收入；
约束条件：
Figure SMS_34
Figure SMS_35
Figure SMS_36
Figure SMS_37
Figure SMS_38
Figure SMS_39
其中，Pt j.DR为用户j在时段t的购电功率，需大于等于0；
Figure SMS_40
为时段t的天然气价格；k为云储能资源的收购价格系数；Pricej.E和Pricej.P为用户j对云储能资源价格的估计值；Ej.YIL和Pj.YIL为用户j准备向云储能平台提交的储能资源闲置量；
云储能资源需求量的模型表达式为：
Figure SMS_41
进一步的，S4包括：S41：建立储能资源盈余用户的分布式储能设备的实际充/放电功率模型；S42：求解所述分布式储能设备的实际充/放电功率模型得到分布式储能设备的实际充放电功率。
其中，
分布式储能设备的实际充放电功率模型的表达式为：
Figure SMS_42
Figure SMS_43
其中，
Figure SMS_44
和
Figure SMS_45
分别为储能资源盈余用户i的最优充/放电策略，运算(·)+和(·)-表示为：
Figure SMS_46
另一方面，本发明提供一种控制分布式储能设备充放电的系统，包括供需资源量化模块，用于对分布式储能设备的供需资源、分布式光伏设备的供需资源、分布式热-电联产设备的供需资源和分布式锅炉的供需资源进行量化，得到分布式储能供需资源量化结果；闲置储能资源量获取模块，用于获取储能资源盈余用户提交的闲置储能资源量，所述闲置储能资源量由储能资源盈余用户以实际运行日的综合日用能成本最小为目标，并根据所述分布式储能供需资源量化结果计算得到；信息推送模块，用于向用户推送实际运行日的云储能资源价格；云储能资源需求量获取模块，用于获取用户提交的云储能资源需求量；所述云储能资源需求量由用户以实际运行日的综合日用能成本最小为目标，并根据所述云储能资源价格、所述分布式储能供需资源量化结果和自身需求计算得到；匹配模块，用于将所述闲置储能资源量与所述云储能资源需求量进行匹配，得到分布式储能设备的实际充放电功率。
本发明与现有技术相比，具有如下的优点和有益效果：结合用户的分布式储能设备利用情况与储能资源需求情况，建立了分布式储能供需资源量化模型，可高效、准确地挖掘出不同用户用电行为等高价值信息，有效支撑分布式储能云服务；对供需侧用户的储能利用情况进行分析，可有效衡量园区分布式储能资源供需情况；同时制定了园区储能设备的充放电控制方法，根据充放电控制方法对分布式储能设备的实际充放电功率进行配置，实现提高园区的用能效率，使得园区多种能源能够协调运行。
附图说明
为了更清楚地说明本发明示例性实施方式的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本发明实施例2提供的云储能园区结构示意图；
图2为本发明实施例2提供的一般工商业用户24小时分时电价示意图；
图3为本发明实施例2提供的云储能模式应用前的预期充/放电策略示意图；
图4为本发明实施例2提供的光伏出力示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例1
由于现有的分布式储能技术不利于提高储能的综合利用率和新能源的消纳能力，本实施例提供一种控制分布式储能设备充放电的方法，包括以下步骤：
S1：分别对分布式储能设备的供需资源、分布式光伏设备的供需资源、分布式热-电联产设备的供需资源和分布式锅炉的供需资源进行量化，得到分布式储能供需资源量化结果。
具体的，其中，S1包括：
S11：建立分布式储能设备的物理模型、分布式光伏设备的物理模型、分布式热-电联产设备的物理模型和分布式锅炉的物理模型。
S12：利用所述分布式储能设备的物理模型对分布式储能设备的供需资源进行量化，利用所述分布式光伏设备的物理模型对分布式光伏设备的供需资源进行量化，利用所述分布式热-电联产设备的物理模型对分布式热-电联产设备的供需资源进行量化，利用所述分布式锅炉的物理模型对分布式锅炉的供需资源进行量化。
(1)分布式储能设备在运行过程中可以存储/释放电能，使得用户可以实现清洁能源消纳、平移用电曲线、优化多能耦合设备发电计划等操作。对于平台所有用户组成的集合D中的第d(1≤d≤n+m)个用户，其分布式储能设备的物理模型可以表示为：
Figure SMS_47
Figure SMS_48
Figure SMS_49
Figure SMS_50
其中，
Figure SMS_51
为用户d的分布式储能设备的最大充/放电功率；Pt d,CH和Pt d,DCH分别为用户d的分布式储能设备在t时段的充/放电功率；ηST为分布式储能设备的充/放电效率；
Figure SMS_52
为0-1变量，用以表示储能的充放电状态，
Figure SMS_53
为1时表示充电，为0时表示放电；
Figure SMS_54
为用户d的分布式储能设备的最大存储容量。
(2)分布式光伏设备的输出功率与光照辐射强度、光照入射角度等因素有关。对于集合D中的第d(1≤d≤n+m)个用户，其光伏设备的物理模型通常可以表示为：
Figure SMS_55
Figure SMS_56
其中，
Figure SMS_57
表示用户d的分布式光伏设备在t时段的最大出力；
Figure SMS_58
为光伏设备在t时段的功率比，与光照辐射强度、光照入射角度太阳能板的效率等因素有关；
Figure SMS_59
为用户d的光伏设备装机容量；Pt d.PV表示用户d的光伏设备在t时段的出力。
(3)分布式热-电联产(CHP)设备在输出电功率的同时可以满足用户的热需求。对于集合D中的第d(1≤d≤n+m)个用户，其分布式热-电联产设备的物理模型可用下式表示：
Figure SMS_60
Figure SMS_61
Figure SMS_62
Figure SMS_63
其中，Pt d.CHP表示用户d的分布式CHP设备在t时段的电输出功率；Ft d.CHP为分布式CHP设备在t时段消耗天然气的功率；ηCHP.e为分布式CHP设备的发电效率；q为天然气热值；
Figure SMS_64
表示分布式CHP设备在t时段的最大热输出功率；ηCHP.l为分布式CHP设备的散热损失系数；δ为分布式CHP设备的制热系数；当近似认为ηCHP.e和ηCHP.l保持不变时，则分布式CHP机组的电/热输出功率之比为定值，用kCHP表示。
(4)分布式电锅炉可以将电能转化为热能。对于集合D中的第d(1≤d≤n+m)个用户，其分布式电锅炉的物理模型可以表示为：
Figure SMS_65
Figure SMS_66
其中，
Figure SMS_67
为用户d的分布式电锅炉输出的热功率；Pt d.EB为电锅炉输入的电功率；ηEB为电锅炉的转换系数。
S2：获取储能资源盈余用户提交的闲置储能资源量，所述闲置储能资源量由储能资源盈余用户以实际运行日的综合日用能成本最小为目标，并根据所述分布式储能供需资源量化结果计算得到。
在闲置储能提交阶段，储能资源盈余用户可以向云储能平台提交运行日当天的闲置储能资源，而云储能平台则负责将其与市场上的云储能资源需求量进行匹配。
其中，储能资源盈余用户的最小综合日用能成本的模型表达式如下：
(1)目标函数
储能资源盈余用户需要在实际运行日前一天根据第二日的电、热负荷等情况，考虑储能与其他分布式设备间的相互配合，以综合日用能成本最小为目标决定向平台提交的闲置储能量，对于所有储能资源盈余用户组成的集合I中的第i个用户，其目标函数可以表示为：
min Ci.DR+Ci.G+Ci.M-Ci.IL，
式中，Ci.DR为储能资源盈余用户i的购电成本；Ci.G为储能资源盈余用户i的购气成本；Ci.M为储能资源盈余用户i的设备维护成本；Ci.IL为储能资源盈余用户i提交闲置储能资源后可能获得的收入。设备维护成本本文忽略不计。
目标函数表达式中，
Figure SMS_68
Figure SMS_69
Ci.IL＝k*Pricei.EEi.YIL+k*Pricei.PPi.YIL，
式中，Pt i.DR为用户i在时段t的购电功率，需大于等于0；
Figure SMS_70
为时段t的天然气价格；k为云储能资源的收购价格系数；Pricei.E和Pricei.P为用户i对云储能资源价格的估计值；Ei.YIL和Pi.YIL为用户i准备向云储能平台提交的储能资源闲置量。
(2)约束条件：
Figure SMS_71
Figure SMS_72
Figure SMS_73
Figure SMS_74
Figure SMS_75
Figure SMS_76
(3)闲置储能资源量的模型
根据上述优化模型可以得到储能资源盈余用户i向平台提交的闲置储能资源量，其向云储能平台提交的闲置储能资源可以表示为：
Figure SMS_77
用户在实际运行日中就按照上述最优用能策略控制各分布式设备的出力，而用户提交给云储能平台的充放电请求
Figure SMS_78
和
Figure SMS_79
则为：
Figure SMS_80
S3：向用户推送实际运行日的云储能资源价格，获取用户提交的云储能资源需求量；所述云储能资源需求量由用户以实际运行日的综合日用能成本最小为目标，并根据所述云储能资源价格、所述分布式储能供需资源量化结果和自身需求计算得到。
在云储能需求提交阶段，云储能平台需要首先向用户推送云储能资源的价格，储能资源需求用户则可根据云储能资源的价格以及自身需求(例如完成清洁能源消纳、平移用电曲线等)向云储能平台提交云储能资源的需求量。
其中，储能资源需求用户的最小综合日用能成本的模型表达式为：
(1)目标函数
储能资源需求用户会在实际运行日前一天根据第二日的电、热负荷等情况以及云储能资源的价格决定云储能资源的需求量。储能资源需求用户的需求量决策以日综合用能成本最小为目标，对于平台所有储能资源需求用户组成的集合J中的第j个用户，其目标函数可以表示为：
min Cj.DR+Cj.G+Cj.M+Cj.ST，
式中，Cj.DR为储能资源盈余用户j的购电成本；Cj.G为储能资源盈余用户j的购气成本；Cj.M为储能资源盈余用户j的设备维护成本；Cj.IL为储能资源盈余用户j提交闲置储能资源后可能获得的收入。设备维护成本本文忽略不计。
目标函数表达式中，
Figure SMS_81
Figure SMS_82
Cj.ST＝k*PriceEEj.YDM+k*PricePPj.YDM。
(2)约束条件
Figure SMS_83
Figure SMS_84
式中，令
Figure SMS_85
则：
Figure SMS_86
Figure SMS_87
此外，约束条件还有：
Figure SMS_88
Figure SMS_89
Figure SMS_90
Figure SMS_91
其中，Pt j.DR为用户j在时段t的购电功率，需大于等于0；
Figure SMS_92
为时段t的天然气价格；k为云储能资源的收购价格系数；Pricej.E和Pricej.P为用户j对云储能资源价格的估计值；Ej.YIL和Pj.YIL为用户j准备向云储能平台提交的储能资源闲置量；
根据上述优化模型可以得到储能资源需求用户j的最优云储能资源需求量决策Ej.YDM*和Pj.YDM*，则储能资源需求用户j向云储能平台提交的云储能资源需求量Ej.DM和Pj.DM可以用下式表示为：
Figure SMS_93
S4：将所述闲置储能资源量与所述云储能资源需求量进行匹配，得到分布式储能设备的实际充放电功率。
用户在运行日当天就按照上述最优用能策略控制各分布式设备的出力，但需要注意的是，储能资源盈余用户的闲置储能资源被云储能平台收购后，云储能平台就拥有了在实际运行日对这部分闲置储能资源进行控制的权力。当云储能平台对这部分储能资源发送控制命令时，储能资源盈余用户则需要执行。因此，对于实际运行日的某一时段t，储能资源盈余用户的储能设备实际充/放电功率可以表示为：
Figure SMS_94
Figure SMS_95
其中，
Figure SMS_96
和
Figure SMS_97
分别为储能资源盈余用户i的最优充/放电策略，运算(·)+和(·)-表示为：
Figure SMS_98
综上，本实施例提供的一种控制分布式储能设备充放电的方法，首先针对园区中的储能资源盈余用户以及需求用户，在分布式能源设备运行模型的基础上对其在云储能商业模式中的行为进行了详细分析。然后在实时控制阶段建立了用户的盈余/需求量决策模型以及用能策略模型，优化储能设备的充放电，使得园区的用能效率得以提升。
实施例2
为进一步说明上述方法的有效性，本实施例选取综合能源园区A的6家企业用户(I1-I6)，结合其实地的光伏可装机面积以及电、热需求，分别设置适当的分布式光伏设备、分布式CHP机组、分布式电锅炉以及分布式储能设备装机容量，然后以这6家企业为云储能平台的用户，对云储能运行模型进行仿真，以此验证云储能商业模式及其运行模型的合理性和可行性。综合能源园区A的结构如图1所示，综合能源园区A中设备的参数信息见表1。
Figure SMS_99
表1
用户I1为写字楼群，属于一般工商业用户，用户I2为加工制造行业，属于一般工商业用户，用户I3为酒店，属于一般工商业用户，用户I4为纺织化纤行业，属于大工业用户，用户I5为水泥制造行业，属于大工业用户，用户I6为钢铁制造行业，属于大工业用户。对于用户I3-I6的非居民用户用电以及生活用电来说，由于其从事生产行业，属于金融性，故这部分用电按照一般的工商业用电计算。所以本实施例对用户I1-I6(用户I3-I6的负荷指其非居民负荷以及生活负荷)的电价按照一般工商业用户电价计算，24小时分时电价如图2所示。
此外，园区附近还拥有其他居民用电负荷。煤电厂上网电价λnp＝0.4012元，输变电设备平均单位容量成本λinv＝4500元/kw，均摊年限Y′＝10年。
根据云储能运行模型，用户需要在闲置储能提交阶段根据第二日的电、热负荷等情况决定向云储能平台的闲置储能资源量。令盈余用户i对云储能资源价格的估计值为云储能资源价格的最小值，收购价格系数k＝0.8，根据闲置储能量决策模型可以得到各用户向云储能平台提交的闲置储能资源量，如下表2所示。
Figure SMS_100
表2
从表2中可以看出，用户I1、I3、I5向云储能平台提交了盈余的储能资源量，为储能资源盈余用户，用户I2、I4、I6的闲置储能资源提交量则为零。本实施例以用户I1为例，对其闲置储能资源的提交策略进行详细分析。表4对比了应用云储能模式前后用户I1的预期用能成本，从总量来看，应用云储能模式后用户I1的预期用能成本下降了129.81元，这部分下降的成本由预期电量购买成本、预期天然气购买成本以及预期储能资源出售收益的变动构成：应用云储能模式后，用户I1的预期天然气购买成本上升了64元，但预期电能购买成本下降了约53元，同时增加了额外约140元的预期储能资源出售收入。也就是说，在应用云储能模式后，用户I1用能策略的改变虽然使得预期购电成本以及购气成本之和有所上升，但由于储能资源出现了盈余量，而这部分盈余量对应的收入会抵消购能成本的增加，最终使得其在云储能模式下的预期总用能成本得到减少。应用云储能模式前后用户I1预期用能成本对比见表3。
Figure SMS_101
表3
图3为云储能模式应用前用户I1的储能预期充/放电策略，功率大于0时表示储能设备处于充电状态，功率小于0时表示储能设备处于放电状态。，用户的充电时段为时段2、3、4、5、13、14、15、16，其中用户在2时段的充电功率达到最大值500kW，用户的放电时段为时段7、8、9、10、11、12、17、18、19、21、22、23、24，其中储能设备在时段17的放电功率达到最大值376kW。图3为云储能模式应用后用户储能设备的预期充/放电策略，充电时段为3、4、5、13、14、15、23，其中储能设备在时段3、4的充电功率达到最大值376kW，放电时段为时段8、9、10、11、17、18、19、21、22、24，其中储能设备的放电功率达到最大值376kW。
对比图3和图4可以看出，在引入云储能模式后，储能设备充电峰值的出现时间发生了转移，从原本的时段2变为了时段3、4，并且充电峰值也从500kW降低至376kW，由于放电峰值未发生改变，因此用户I1就拥有了123kW的闲置功率容量。此外，引入云储能模式后，用户I1的储能设备存储的最大电量也有所减小，从而提供了417kW/h的闲置存储容量。
综上所述，引入云储能模式后，用户出于用能成本的考虑会改变预期用能策略来降低储能设备的充/放电功率峰值、电量存储峰值，并最终向云储能平台提交闲置储能资源来降低自身预期用能成本。
实施例3
与实施例1对应的，本实施例提供一种控制分布式储能设备充放电的系统，包括：
供需资源量化模块，用于对分布式储能设备的供需资源、分布式光伏设备的供需资源、分布式热-电联产设备的供需资源和分布式锅炉的供需资源进行量化，得到分布式储能供需资源量化结果；
闲置储能资源量获取模块，用于获取储能资源盈余用户提交的闲置储能资源量，所述闲置储能资源量由储能资源盈余用户以实际运行日的综合日用能成本最小为目标，并根据所述分布式储能供需资源量化结果计算得到；
信息推送模块，用于向用户推送实际运行日的云储能资源价格；
云储能资源需求量获取模块，用于获取用户提交的云储能资源需求量；所述云储能资源需求量由用户以实际运行日的综合日用能成本最小为目标，并根据所述云储能资源价格、所述分布式储能供需资源量化结果和自身需求计算得到；
匹配模块，用于将所述闲置储能资源量与所述云储能资源需求量进行匹配，得到分布式储能设备的实际充放电功率。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种控制分布式储能设备充放电的方法，其特征在于，包括以下步骤：
S1：分别对分布式储能设备的供需资源、分布式光伏设备的供需资源、分布式热-电联产设备的供需资源和分布式锅炉的供需资源进行量化，得到分布式储能供需资源量化结果；
S2：获取储能资源盈余用户提交的闲置储能资源量，所述闲置储能资源量由储能资源盈余用户以实际运行日的综合日用能成本最小为目标，并根据所述分布式储能供需资源量化结果计算得到；
S3：向用户推送实际运行日的云储能资源价格，获取用户提交的云储能资源需求量；所述云储能资源需求量由用户以实际运行日的综合日用能成本最小为目标，并根据所述云储能资源价格、所述分布式储能供需资源量化结果和自身需求计算得到；
S4：将所述闲置储能资源量与所述云储能资源需求量进行匹配，得到分布式储能设备的实际充放电功率。
2.根据权利要求1所述的一种控制分布式储能设备充放电的方法，其特征在于，所述S1包括：
S11：建立分布式储能设备的物理模型、分布式光伏设备的物理模型、分布式热-电联产设备的物理模型和分布式锅炉的物理模型；
S12：利用所述分布式储能设备的物理模型对分布式储能设备的供需资源进行量化，利用所述分布式光伏设备的物理模型对分布式光伏设备的供需资源进行量化，利用所述分布式热-电联产设备的物理模型对分布式热-电联产设备的供需资源进行量化，利用所述分布式锅炉的物理模型对分布式锅炉的供需资源进行量化。
3.根据权利要求2所述的一种控制分布式储能设备充放电的方法，其特征在于，所述布式储能设备的物理模型表示为：
Figure FDA0003914649660000011
Figure FDA0003914649660000012
Figure FDA0003914649660000013
Figure FDA0003914649660000014
其中，
Figure FDA0003914649660000015
为用户d的分布式储能设备的最大充/放电功率；Pt d,CH和Pt d,DCH分别为用户d的分布式储能设备在t时段的充/放电功率；ηST为分布式储能设备的充/放电效率；
Figure FDA0003914649660000016
为0-1变量，用以表示储能的充放电状态，
Figure FDA0003914649660000017
为1时表示充电，为0时表示放电；
Figure FDA0003914649660000018
为用户d的分布式储能设备的最大存储容量。
4.根据权利要求2所述的一种控制分布式储能设备充放电的方法，其特征在于，所述分布式光伏设备的物理模型的表达式为：
Figure FDA0003914649660000021
Figure FDA0003914649660000022
其中，
Figure FDA0003914649660000023
表示用户d的分布式光伏设备在t时段的最大出力；
Figure FDA0003914649660000024
为光伏设备在t时段的功率比，与光照辐射强度、光照入射角度太阳能板的效率等因素有关；
Figure FDA0003914649660000025
为用户d的光伏设备装机容量；Pt d.PV表示用户d的光伏设备在t时段的出力。
5.根据权利要求2所述的一种控制分布式储能设备充放电的方法，其特征在于，所述分布式热-电联产设备的物理模型表示为：
Figure FDA0003914649660000026
Figure FDA0003914649660000027
Figure FDA0003914649660000028
Figure FDA0003914649660000029
其中，Pt d.CHP表示用户d的分布式CHP设备在t时段的电输出功率；Ft d.CHP为分布式CHP设备在t时段消耗天然气的功率；ηCHP.e为分布式CHP设备的发电效率；q为天然气热值；
Figure FDA00039146496600000210
表示分布式CHP设备在t时段的最大热输出功率；ηCHP.l为分布式CHP设备的散热损失系数；δ为分布式CHP设备的制热系数；当近似认为ηCHP.e和ηCHP.l保持不变时，则分布式CHP机组的电/热输出功率之比为定值，用kCHP表示。
6.根据权利要求2所述的一种控制分布式储能设备充放电的方法，其特征在于，所述分布式锅炉的物理模型表示为：
Figure FDA00039146496600000211
Figure FDA00039146496600000212
其中，
Figure FDA00039146496600000213
为用户d的分布式电锅炉输出的热功率；Pt d.EB为电锅炉输入的电功率；ηEB为电锅炉的转换系数。
7.根据权利要求1所述的一种控制分布式储能设备充放电的方法，其特征在于，
储能资源盈余用户的最小综合日用能成本的模型表达式为：
min Ci.DR+Ci.G+Ci.M-Ci.IL，
Figure FDA0003914649660000031
Figure FDA0003914649660000032
Ci.IL＝k*Pricei.EEi.YIL+k*Pricei.PPi.YIL，
其中，Ci.DR为储能资源盈余用户i的购电成本；Ci.G为储能资源盈余用户i的购气成本；Ci.M为储能资源盈余用户i的设备维护成本；Ci.IL为储能资源盈余用户i提交闲置储能资源后可能获得的收入；
约束条件：
Figure FDA0003914649660000033
Figure FDA0003914649660000034
Figure FDA0003914649660000035
Figure FDA0003914649660000036
Figure FDA0003914649660000037
Figure FDA0003914649660000038
其中，Pt i.DR为用户i在时段t的购电功率，需大于等于0；
Figure FDA0003914649660000039
为时段t的天然气价格；k为云储能资源的收购价格系数；Pricei.E和Pricei.P为用户i对云储能资源价格的估计值；Ei.YIL和Pi.YIL为用户i准备向云储能平台提交的储能资源闲置量；
闲置储能资源量的模型表达式为
Figure FDA00039146496600000310
8.根据权利要求1所述的一种控制分布式储能设备充放电的方法，其特征在于，
储能资源需求用户的最小综合日用能成本的模型表达式为：
min Cj.DR+Cj.G+Cj.M+Cj.ST，
Figure FDA0003914649660000041
Figure FDA0003914649660000042
Cj.ST＝k*PriceEEj.YDM+k*PricePPj.YDM，
其中，Cj.DR为储能资源盈余用户j的购电成本；Cj.G为储能资源盈余用户j的购气成本；Cj.M为储能资源盈余用户j的设备维护成本；Cj.IL为储能资源盈余用户j提交闲置储能资源后可能获得的收入；
约束条件：
Figure FDA0003914649660000043
Figure FDA0003914649660000044
Figure FDA0003914649660000045
Figure FDA0003914649660000046
Figure FDA0003914649660000047
Figure FDA0003914649660000048
其中，Pt j.DR为用户j在时段t的购电功率，需大于等于0；
Figure FDA0003914649660000049
为时段t的天然气价格；k为云储能资源的收购价格系数；Pricej.E和Pricej.P为用户j对云储能资源价格的估计值；Ej.YIL和Pj.YIL为用户j准备向云储能平台提交的储能资源闲置量；
云储能资源需求量的模型表达式为：
Figure FDA00039146496600000410
9.根据权利要求1所述的一种控制分布式储能设备充放电的方法，其特征在于，所述S4包括：
S41：建立储能资源盈余用户的分布式储能设备的实际充/放电功率模型；
S42：求解所述分布式储能设备的实际充/放电功率模型得到分布式储能设备的实际充放电功率；
所述分布式储能设备的实际充放电功率模型的表达式为：
Figure FDA00039146496600000411
Figure FDA0003914649660000051
其中，
Figure FDA0003914649660000053
和
Figure FDA0003914649660000054
分别为储能资源盈余用户i的最优充/放电策略，运算(·)+和(·)-表示为：
Figure FDA0003914649660000052
10.一种控制分布式储能设备充放电的系统，其特征在于，包括
供需资源量化模块，用于对分布式储能设备的供需资源、分布式光伏设备的供需资源、分布式热-电联产设备的供需资源和分布式锅炉的供需资源进行量化，得到分布式储能供需资源量化结果；
闲置储能资源量获取模块，用于获取储能资源盈余用户提交的闲置储能资源量，所述闲置储能资源量由储能资源盈余用户以实际运行日的综合日用能成本最小为目标，并根据所述分布式储能供需资源量化结果计算得到；
信息推送模块，用于向用户推送实际运行日的云储能资源价格；
云储能资源需求量获取模块，用于获取用户提交的云储能资源需求量；所述云储能资源需求量由用户以实际运行日的综合日用能成本最小为目标，并根据所述云储能资源价格、所述分布式储能供需资源量化结果和自身需求计算得到；
匹配模块，用于将所述闲置储能资源量与所述云储能资源需求量进行匹配，得到分布式储能设备的实际充放电功率。
CN202211333948.XA 2022-10-28 2022-10-28 一种控制分布式储能设备充放电的方法及系统 Pending CN115954903A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202211333948.XA CN115954903A (zh) 2022-10-28 2022-10-28 一种控制分布式储能设备充放电的方法及系统
PCT/CN2023/126637 WO2024088327A1 (zh) 2022-10-28 2023-10-26 控制分布式储能设备充放电的方法、系统及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211333948.XA CN115954903A (zh) 2022-10-28 2022-10-28 一种控制分布式储能设备充放电的方法及系统

Publications (1)

Publication Number Publication Date
CN115954903A true CN115954903A (zh) 2023-04-11

Family

ID=87286470

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211333948.XA Pending CN115954903A (zh) 2022-10-28 2022-10-28 一种控制分布式储能设备充放电的方法及系统

Country Status (2)

Country Link
CN (1) CN115954903A (zh)
WO (1) WO2024088327A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024088327A1 (zh) * 2022-10-28 2024-05-02 国网四川省电力公司经济技术研究院 控制分布式储能设备充放电的方法、系统及设备

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102276949B1 (ko) * 2018-12-27 2021-07-13 한국남동발전 주식회사 수요반응에 기반한 에너지 저장 시스템 충방전 제어 기능을 갖는 가상발전소 운영 시스템 및 그 운영 방법
CN112016824B (zh) * 2020-08-25 2023-01-10 国网四川省电力公司经济技术研究院 一种基于共享经济理念的储能资源匹配方法
CN112288242B (zh) * 2020-10-19 2022-07-15 国网四川省电力公司经济技术研究院 一种基于闲置量聚合的分布式能源共享服务资源匹配方法
KR20220088067A (ko) * 2020-12-18 2022-06-27 한국전기연구원 소형 분산자원 기반의 집합자원 관리 방법 및 그 장치
CN113224758A (zh) * 2021-05-25 2021-08-06 上海玫克生储能科技有限公司 光储充电站的储能充放电的控制方法、系统、设备及介质
CN115170343A (zh) * 2022-05-23 2022-10-11 国网江苏省电力有限公司南京供电分公司 一种区域综合能源系统分布式资源和储能协同规划方法
CN115954903A (zh) * 2022-10-28 2023-04-11 国网四川省电力公司经济技术研究院 一种控制分布式储能设备充放电的方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024088327A1 (zh) * 2022-10-28 2024-05-02 国网四川省电力公司经济技术研究院 控制分布式储能设备充放电的方法、系统及设备

Also Published As

Publication number Publication date
WO2024088327A1 (zh) 2024-05-02

Similar Documents

Publication Publication Date Title
CN109670730B (zh) 一种综合能源系统日前经济调度方法
CN111738502B (zh) 促进富余风电消纳的多能互补系统需求响应运行优化方法
CN110348709B (zh) 基于氢能与储能设备的多能源系统的运行优化方法和装置
CN108173282B (zh) 一种考虑电转气运行成本综合能源系统优化调度方法
CN110826815B (zh) 一种考虑综合需求响应的区域综合能源系统运行优化方法
CN115241931B (zh) 基于时变电碳因子曲线的园区综合能源系统调度方法
CN108510122B (zh) 基于最优双约束条件的综合能源系统优化方法
CN110661254A (zh) 一种区域综合能源系统冷热电互补效益量化方法
CN115018230A (zh) 考虑减排成本的综合能源系统低碳鲁棒经济优化运行方法
CN109741103A (zh) 一种短期多目标双层优化调度方法
CN111799772B (zh) 一种考虑机组深度调峰的电热系统优化调度方法
CN111668878A (zh) 一种可再生微能源网的优化配置方法和系统
CN116579502A (zh) 基于画像标签的多能源综合需求响应与协同优化方法
CN114065530A (zh) 一种能源站运行优化和综合评估方法
WO2024088327A1 (zh) 控制分布式储能设备充放电的方法、系统及设备
CN115455719A (zh) 一种基于全生命周期碳成本的综合能源系统优化仿真方法
CN115186902A (zh) 温室综合能源系统的调控方法、装置、终端及存储介质
CN115864376A (zh) 一种多时间尺度电力保供分析方法及系统
Dong et al. Low carbon optimization of integrated energy microgrid based on life cycle analysis method and multi time scale energy storage
CN113806952B (zh) 一种考虑源-荷-储的冷热电综合能源系统及其优化运行方法
CN115906456A (zh) 考虑需求侧响应不确定性的含氢储能ies调度优化模型
CN115271171A (zh) 一种考虑碳-绿证联合交易的跨境综合能源系统协同运行优化方法
CN114186875A (zh) 一种高新能源占比的园区多能源优化调度控制方法
CN114218865A (zh) 分布式供热系统的多目标协同优化方法及装置
Qiao et al. Energy hub‐based configuration optimization method of integrated energy system

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