CN116167192A - 一种基于局域电网模型的储能配置方法及系统 - Google Patents

一种基于局域电网模型的储能配置方法及系统 Download PDF

Info

Publication number
CN116167192A
CN116167192A CN202310436675.XA CN202310436675A CN116167192A CN 116167192 A CN116167192 A CN 116167192A CN 202310436675 A CN202310436675 A CN 202310436675A CN 116167192 A CN116167192 A CN 116167192A
Authority
CN
China
Prior art keywords
energy storage
model
power grid
storage configuration
grid model
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
CN202310436675.XA
Other languages
English (en)
Other versions
CN116167192B (zh
Inventor
杨子康
刘雨佳
郭霄宇
于浩
邢宇
周杰
马晨璨
王皓
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.)
Beijing Herui Energy Storage Technology Co ltd
Original Assignee
Beijing Herui Energy Storage Technology 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 Beijing Herui Energy Storage Technology Co ltd filed Critical Beijing Herui Energy Storage Technology Co ltd
Priority to CN202310436675.XA priority Critical patent/CN116167192B/zh
Publication of CN116167192A publication Critical patent/CN116167192A/zh
Application granted granted Critical
Publication of CN116167192B publication Critical patent/CN116167192B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
    • 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
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • H02J3/28—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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • 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
    • H02J2203/10—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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Geometry (AREA)
  • Power Engineering (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biophysics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Medical Informatics (AREA)
  • Computational Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明属于电力技术领域，公开一种基于局域电网模型的储能配置方法及系统，其中方法包括：建立拟配置储能系统的电网系统的网架模型；在网架模型中设置拟配置储能系统的类型和容量；输入储能系统的成本参数和技术参数求解网架模型，获取电网系统的储能系统配置方案。本发明同时提高计算效率与求解全面性，提高了用户工作效率；本发明求解速度快，求解可得到多个计算结果，并可按需求选择。

Description

一种基于局域电网模型的储能配置方法及系统
技术领域
本发明属于电力技术领域，特别涉及一种基于局域电网模型的储能配置方法及系统。
背景技术
储能具有削峰填谷，改善电能质量等作用，在配电网中具有极其重要的地位。实际应用中需研究制定蓄电池储能系统运行策略，并用其指导配电网中储能配置问题。实际算法中具体需以综合经济效益最大为上层规划目标函数，储能配置容量为控制变量，考虑储能投资成本，运行维护成本，节约电能损耗收入和储能低储高放套利收入等因素。
目前，由于电网中含有的不同类型发电方式、负荷及不同参数的线路，外加不同储能方式在技术性和经济性上天然存在巨大差异，而现有储能配置方式考虑因素单一、求解速度慢，已不能满足现在要求，进而导致实际配有储能系统的电网不能完全在经济性和技术性两方面上得到最优均衡，降低了储能系统的使用效果。
发明内容
针对上述问题，本发明提供一种基于局域电网模型的储能配置方法及系统，采用以下技术方案：
一种基于局域电网模型的储能配置方法，包括以下步骤：
建立拟配置储能系统的电网系统的网架模型；
在网架模型中设置拟配置储能系统的类型和容量；
输入储能系统的成本参数和技术参数求解网架模型，获取电网系统的储能系统配置方案。
进一步的，建立拟配置储能系统的电网系统的网架模型包括以下步骤：
基于IEEE33节点模型，根据获取的电网系统中的发电节点、变压器节点和线路参数，建立网架模型。
进一步的，基于IEEE33节点模型，根据获取的电网系统中的发电节点、变压器节点和线路参数，建立网架模型具体如下：
数据获取步骤：获取电网系统的收资数据；
节点模型调用步骤：调用Matlab内的IEEE33节点模型；
确定基准功率步骤：根据电网系统的收资数据，确定电网系统的基准功率；
模型参数输入步骤：确认电网系统区域网节点数量，更改IEEE33节点模型节点数量，查询电网系统收资内节点电气数据，在IEEE33节点模型内确定节点类型，输入节点电气数据，确定节点连接方式，查询电网系统收资内线路数据，建立路线模型，输入线路数据；
模型验证步骤：通过潮流计算对IEEE33节点模型进行验证，若验证结果正确，则获得网架模型，若验证结果错误，则返回确定基准功率步骤。
进一步的，收资数据包括负荷类型、发电类型、线路阻抗参数、发电/负荷功率和电压等级。
进一步的，输入储能系统的成本参数和技术参数求解网架模型，获取电网系统的储能系统配置方案包括以下步骤：
建立网架模型的目标函数；
建立网架模型的约束函数；
基于网架模型的目标函数和网架模型的约束函数，向网架模型输入储能系统的成本参数和技术参数，通过蒙特卡洛算法求解网架模型并剔除不符合技术参数要求的储能配置方案，获得储能配置方案集合；
通过粒子群优化算法对储能配置方案集合中的多个储能配置方案进行综合成本测算，获得储能配置方案集合中多个储能配置方案的综合成本；
对储能配置方案集合中多个储能配置方案分别按照综合成本、充放电功率进行排名，根据排名结果对多个储能配置方案进行综合成本评分和充放电功率评分；
根据储能配置方案集合中多个储能配置方案的综合成本评分和充放电功率评分，确定每个储能配置方案的储能节点综合评估因子，将储能节点综合评估因子最大值对应的储能配置方案，作为最终的电网系统的储能系统配置方案。
进一步的，建立网架模型的目标函数包括以下步骤：
确定储能延缓设备扩容的收益；
确定储能系统投资成本；
确定储能系统的运维成本；
确定储能电池更换成本；
以储能系统的投资运营成本最低为目标，建立最终的优化目标函数。
进一步的，建立网架模型的约束函数包括以下步骤：
建立电池剩余容量的约束条件；
建立电池容量范围的约束条件；
建立电池的容量始末一致的约束条件；
建立电池剩余电量的约束条件；
建立电池充放电功率的约束条件；
建立剩余容量不满足所需充放电功率的约束条件。
进一步的，技术参数包括电池充放电功率，成本参数包括投资成本、运维成本和电池更换成本。
进一步的，确定每个储能配置方案的储能节点综合评估因子
Figure SMS_1
，具体如下：
Figure SMS_2
式中，
Figure SMS_3
为综合成本得分的权重，
Figure SMS_4
为储能配置方案的综合成本得分，
Figure SMS_5
为充放电功率得分的权重，
Figure SMS_6
为储能配置方案的充放电功率得分，其中，
Figure SMS_7
Figure SMS_8
式中，
Figure SMS_9
为储能配置方案集合中的储能配置方案总数，
Figure SMS_10
为储能配置方案的综合成本排名，
Figure SMS_11
为储能配置方案的充放电功率排名。
本发明还提供一种基于局域电网模型的储能配置系统，包括：
模型建立模块，用于建立拟配置储能系统的电网系统的网架模型；
参数输入模块，用于在网架模型中设置拟配置储能系统的类型和容量；
数据计算模块，用于输入储能系统的成本参数和技术参数求解网架模型，获取电网系统的储能系统配置方案。
本发明的有益效果：
1.同时提高计算效率与求解全面性，提高了用户工作效率；
2.由于算法优化，求解速度明显提高；
3.用户得到多个计算结果，并可按需求选择。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书以及附图中所指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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的附图。
图1示出了根据本发明实施例的一种基于局域电网模型的储能配置方法流程示意图；
图2示出了根据本发明实施例的建立网架模型流程示意图；
图3示出了根据本发明实施例的IEEE33节点模型中的母线数据示意图；
图4示出了根据本发明实施例的IEEE33节点模型中的发电数据和分支数据示意图；
图5示出了根据本发明实施例的电网系统的储能系统配置方案的计算结果示意图；
图6示出了根据本发明实施例的一种基于局域电网模型的储能配置系统结构示意图。
具体实施方式
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、完整地说明，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他实施例，都属于本发明保护的范围。
本发明实施例提供一种基于局域电网模型的储能配置方法及系统，以实际电网的现有配置为配置基础，该方法拥有考虑结果全面、求解速度快、考虑配置目标多等优点，大幅提高储能配置计算的速度和结果准确性。
如图1所示，一种基于局域电网模型的储能配置方法，包括以下步骤：建立拟配置储能系统的电网系统的网架模型；在网架模型中设置拟配置储能系统的类型和容量；输入储能系统的成本参数和技术参数求解网架模型，获取电网系统的储能系统配置方案。
本发明实施例的储能配置方法，以拟配置储能系统的经济性和技术性两方面最优均衡为配置目标，
在一个实施例中，如图2所示，建立拟配置储能系统的电网系统的网架模型包括以下步骤：基于IEEE33节点模型，根据获取的电网系统中的发电节点、变压器节点和线路参数，建立网架模型，具体如下：
S11、数据获取步骤：获取电网系统的收资数据，收资数据包括负荷类型、发电类型、线路阻抗参数、发电/负荷功率和电压等级。
S12、节点模型调用步骤：调用Matlab内的IEEE33节点模型，MATLAB是一种仿真分析软件，可用于电网控制系统，IEEE33节点模型为常用的配电网模型。
S13、确定基准功率步骤：根据电网系统的收资数据，确定电网系统的基准功率。
S14、模型参数输入步骤：确认电网系统区域网节点数量，更改IEEE33节点模型节点数量，查询电网系统收资内节点电气数据，在IEEE33节点模型内确定节点类型，输入节点电气数据，确定节点连接方式，查询电网系统收资内线路数据，建立路线模型，输入线路数据。
S15、模型验证步骤：通过潮流计算对IEEE33节点模型进行验证，若验证结果正确，则获得网架模型，若验证结果错误，则返回步骤S13重新确定基准功率。
建模完成后，得到程序模型如图3和图4所示，图中，bus data表示母线数据，generator data表示发电数据，branch data表示分支数据。
在一个实施例中，输入储能系统的成本参数和技术参数求解网架模型，获取电网系统的储能系统配置方案包括以下步骤：
S21、建立网架模型的目标函数，具体如下：
S211、确定储能延缓设备扩容的收益，具体如下：
确定储能延缓设备扩容的年限，具体如下：
Figure SMS_12
储能延缓设备扩容的收益，具体如下：
Figure SMS_13
式中，
Figure SMS_14
为储能延缓设备扩容的收益，
Figure SMS_15
为储能延缓设备扩容的年限；
Figure SMS_16
为储能系统的削峰率；
Figure SMS_17
为负荷年增长率；
Figure SMS_18
为配电设备与线路的升级扩容投资成本；
Figure SMS_19
为储能减少的峰值负荷需求；
Figure SMS_20
为设定的预期收益率。
S212、确定储能系统投资成本，具体如下：
Figure SMS_21
Figure SMS_22
式中，
Figure SMS_23
为储能系统投资成本；
Figure SMS_24
为单位功率PCS的成本；
Figure SMS_25
为储能的额定功率；
Figure SMS_26
为储能的额定容量；
Figure SMS_27
为单位容量储能电池组的成本；
Figure SMS_28
为储能装置持续放电时间。
S213、确定储能系统的运维成本，具体如下：
Figure SMS_29
式中，
Figure SMS_30
为储能系统的运维成本；
Figure SMS_31
为单位发电电量储能装置运维成本；
Figure SMS_32
为储能装置年发电量。
S214、确定储能电池更换成本，具体如下：
Figure SMS_33
式中，
Figure SMS_34
为储能电池更换成本，
Figure SMS_35
为电池替换率。
S215、根据储能延缓设备扩容的收益、储能系统投资成本、储能系统的运维成本和储能电池更换成本，以储能系统的投资运营成本最低为目标，建立最终的优化目标函数：
Figure SMS_36
式中，
Figure SMS_37
为储能系统的投资运营成本，
Figure SMS_38
为折现率；
Figure SMS_39
为储能设备预期使用寿命。
S22、建立网架模型的约束函数，包括以下步骤：
S221、建立电池剩余容量的约束条件，具体如下：
Figure SMS_40
式中，
Figure SMS_41
为
Figure SMS_42
时段内储能的剩余容量；
Figure SMS_43
为单位步长；
Figure SMS_44
为充放电效率；
Figure SMS_45
为
Figure SMS_46
时段内储能的充放电功率。
S222、建立电池容量范围的约束条件，具体如下：
Figure SMS_47
式中，
Figure SMS_48
和
Figure SMS_49
为电池允许的最小和最大容量值。
S223、建立电池的容量始末一致的约束条件，具体如下：
Figure SMS_50
参数：
Figure SMS_51
和
Figure SMS_52
为电池充放电循环结束后和循环开始时的容量值。
S224、建立电池剩余电量（stateofcharge，SOC）的约束条件，具体如下：
Figure SMS_53
其中，电池剩余电量SOC计算，具体如下：
Figure SMS_54
S225、建立电池充放电功率的约束条件，具体如下：
Figure SMS_55
S226、建立剩余容量不满足所需充放电功率的约束条件，具体如下：
Figure SMS_56
式中，
Figure SMS_57
为调度指令功率；
Figure SMS_58
为剩余电量；
Figure SMS_59
为最大电量；
Figure SMS_60
为最小电量。
S23、基于网架模型的目标函数和网架模型的约束函数，向网架模型输入储能系统的成本参数和技术参数，通过蒙特卡洛算法求解网架模型并剔除不符合技术参数要求的储能配置方案，获得储能配置方案集合，其中，技术参数包括电池充放电功率，成本参数包括投资成本、运维成本和电池更换成本。
如图5所示，通过本步骤可获得多个计算结果，本步骤中，蒙特卡洛算法中的模拟场景数可改变，使得该算法可根据实际需求改变求解结果的数量，即对于简单场景，可减少计算结果输出数量，提高计算速度，对于复杂场景，由于待计算的成本和技术性参数较多，可增加计算结果输出数量，提高结果的全面性。因此本发明实施例采用蒙特卡洛算法平衡了计算的效率与求解全面性，提高用户的工作效率。
S24、通过粒子群优化算法对储能配置方案集合中的多个储能配置方案进行综合成本测算，获得储能配置方案集合中多个储能配置方案的综合成本。
S25、对储能配置方案集合中多个储能配置方案分别按照综合成本、充放电功率进行排名，根据排名结果对多个储能配置方案进行综合成本评分和充放电功率评分。
S26、根据储能配置方案集合中多个储能配置方案的综合成本评分和充放电功率评分，确定每个储能配置方案的储能节点综合评估因子，将储能节点综合评估因子最大值对应的储能配置方案，作为最终的电网系统的储能系统配置方案。
其中，确定储能节点综合评估因子α，具体如下：
Figure SMS_61
式中，
Figure SMS_62
为综合成本得分的权重，例如，
Figure SMS_63
可以取值0.6，
Figure SMS_64
为储能配置方案的综合成本得分，
Figure SMS_65
为充放电功率得分的权重，例如，
Figure SMS_66
可以取值0.4，
Figure SMS_67
为储能配置方案的充放电功率得分，其中，
Figure SMS_68
Figure SMS_69
式中，
Figure SMS_70
为储能配置方案集合中的储能配置方案总数，
Figure SMS_71
为储能配置方案的综合成本排名，
Figure SMS_72
为储能配置方案的充放电功率排名。
本发明实施例在求解速度上，分两部分进行计算，不符合第一部分要求的结果将不代入到第二部分运算，减少了冗余的计算量。在设置相同初始条件下，同类算法计算时间一般达到1-3分钟，本发明实施例的储能配置方法将计算时间缩短到30秒，大幅提高了工作效率。
本发明实施例在计算完成后可展现所有符合需求的计算结果，并标识出最优的结果，即储能节点综合评估因子α最大值，在此基础上用户也可根据实际选择合适配置方式。
基于上述基于局域电网模型的储能配置方法，如图6所示，本发明实施例还提供一种基于局域电网模型的储能配置系统，包括模型建立模块、参数输入模块和数据计算模块，其中，模型建立模块，用于建立拟配置储能系统的电网系统的网架模型；参数输入模块，用于在网架模型中设置拟配置储能系统的类型和容量；数据计算模块，用于输入储能系统的成本参数和技术参数求解网架模型，获取电网系统的储能系统配置方案。
本发明实施例的储能配置方法分段采用了蒙特卡罗法和粒子群优化算法，拥有考虑结果全面、求解速度快、考虑配置目标多等优点。本发明实施例不仅给出最优计算结果，还可列举出所有可接受的计算结果，以便用户在综合考虑选取方案。
尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种基于局域电网模型的储能配置方法，其特征在于，包括以下步骤：
建立拟配置储能系统的电网系统的网架模型；
在网架模型中设置拟配置储能系统的类型和容量；
输入储能系统的成本参数和技术参数求解网架模型，获取电网系统的储能系统配置方案。
2.根据权利要求1所述的基于局域电网模型的储能配置方法，其特征在于，建立拟配置储能系统的电网系统的网架模型包括以下步骤：
基于IEEE33节点模型，根据获取的电网系统中的发电节点、变压器节点和线路参数，建立网架模型。
3.根据权利要求2所述的基于局域电网模型的储能配置方法，其特征在于，基于IEEE33节点模型，根据获取的电网系统中的发电节点、变压器节点和线路参数，建立网架模型具体如下：
数据获取步骤：获取电网系统的收资数据；
节点模型调用步骤：调用Matlab内的IEEE33节点模型；
确定基准功率步骤：根据电网系统的收资数据，确定电网系统的基准功率；
模型参数输入步骤：确认电网系统区域网节点数量，更改IEEE33节点模型节点数量，查询电网系统收资内节点电气数据，在IEEE33节点模型内确定节点类型，输入节点电气数据，确定节点连接方式，查询电网系统收资内线路数据，建立路线模型，输入线路数据；
模型验证步骤：通过潮流计算对IEEE33节点模型进行验证，若验证结果正确，则获得网架模型，若验证结果错误，则返回确定基准功率步骤。
4.根据权利要求3所述的基于局域电网模型的储能配置方法，其特征在于，收资数据包括负荷类型、发电类型、线路阻抗参数、发电/负荷功率和电压等级。
5.根据权利要求1所述的基于局域电网模型的储能配置方法，其特征在于，输入储能系统的成本参数和技术参数求解网架模型，获取电网系统的储能系统配置方案包括以下步骤：
建立网架模型的目标函数；
建立网架模型的约束函数；
基于网架模型的目标函数和网架模型的约束函数，向网架模型输入储能系统的成本参数和技术参数，通过蒙特卡洛算法求解网架模型并剔除不符合技术参数要求的储能配置方案，获得储能配置方案集合；
通过粒子群优化算法对储能配置方案集合中的多个储能配置方案进行综合成本测算，获得储能配置方案集合中多个储能配置方案的综合成本；
对储能配置方案集合中多个储能配置方案分别按照综合成本、充放电功率进行排名，根据排名结果对多个储能配置方案进行综合成本评分和充放电功率评分；
根据储能配置方案集合中多个储能配置方案的综合成本评分和充放电功率评分，确定每个储能配置方案的储能节点综合评估因子，将储能节点综合评估因子最大值对应的储能配置方案，作为最终的电网系统的储能系统配置方案。
6.根据权利要求5所述的基于局域电网模型的储能配置方法，其特征在于，建立网架模型的目标函数包括以下步骤：
确定储能延缓设备扩容的收益；
确定储能系统投资成本；
确定储能系统的运维成本；
确定储能电池更换成本；
以储能系统的投资运营成本最低为目标，建立最终的优化目标函数。
7.根据权利要求5所述的基于局域电网模型的储能配置方法，其特征在于，建立网架模型的约束函数包括以下步骤：
建立电池剩余容量的约束条件；
建立电池容量范围的约束条件；
建立电池的容量始末一致的约束条件；
建立电池剩余电量的约束条件；
建立电池充放电功率的约束条件；
建立剩余容量不满足所需充放电功率的约束条件。
8.根据权利要求5-7任一所述的基于局域电网模型的储能配置方法，其特征在于，技术参数包括电池充放电功率，成本参数包括投资成本、运维成本和电池更换成本。
9.根据权利要求5-7任一所述的基于局域电网模型的储能配置方法，其特征在于，确定每个储能配置方案的储能节点综合评估因子
Figure QLYQS_1
，具体如下：
Figure QLYQS_2
；式中，
Figure QLYQS_3
为综合成本得分的权重，
Figure QLYQS_4
为储能配置方案的综合成本得分，
Figure QLYQS_5
为充放电功率得分的权重，
Figure QLYQS_6
为储能配置方案的充放电功率得分，其中，
Figure QLYQS_7
；
Figure QLYQS_8
；式中，
Figure QLYQS_9
为储能配置方案集合中的储能配置方案总数，
Figure QLYQS_10
为储能配置方案的综合成本排名，
Figure QLYQS_11
为储能配置方案的充放电功率排名。
10.一种基于局域电网模型的储能配置系统，其特征在于，包括：
模型建立模块，用于建立拟配置储能系统的电网系统的网架模型；
参数输入模块，用于在网架模型中设置拟配置储能系统的类型和容量；
数据计算模块，用于输入储能系统的成本参数和技术参数求解网架模型，获取电网系统的储能系统配置方案。
CN202310436675.XA 2023-04-23 2023-04-23 一种基于局域电网模型的储能配置方法及系统 Active CN116167192B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310436675.XA CN116167192B (zh) 2023-04-23 2023-04-23 一种基于局域电网模型的储能配置方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310436675.XA CN116167192B (zh) 2023-04-23 2023-04-23 一种基于局域电网模型的储能配置方法及系统

Publications (2)

Publication Number Publication Date
CN116167192A true CN116167192A (zh) 2023-05-26
CN116167192B CN116167192B (zh) 2023-09-15

Family

ID=86411753

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310436675.XA Active CN116167192B (zh) 2023-04-23 2023-04-23 一种基于局域电网模型的储能配置方法及系统

Country Status (1)

Country Link
CN (1) CN116167192B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109871989A (zh) * 2019-01-29 2019-06-11 国网山西省电力公司吕梁供电公司 一种含分布式电源的配电网分层规划方法
CN111244988A (zh) * 2020-01-06 2020-06-05 华北电力大学 考虑分布式电源的电动汽车和储能优化调度方法
CN111313445A (zh) * 2020-03-19 2020-06-19 象山电力实业有限公司 一种基于模型预测控制的储能设备优化配置方法
CN114254551A (zh) * 2021-10-25 2022-03-29 国网山东省电力公司青岛供电公司 分布式储能多目标优化配置方法及系统
US20220209533A1 (en) * 2020-12-28 2022-06-30 Electric Power Science & Research Institute Of State Grid Tianjin Electric Power Company Method for making spatio-temporal combined optimal scheduling strategy of mobile energy storage (mes) system
CN115841216A (zh) * 2022-09-30 2023-03-24 国网河南省电力公司兰考县供电公司 计及分布式光伏消纳率的配电网储能优化配置方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109871989A (zh) * 2019-01-29 2019-06-11 国网山西省电力公司吕梁供电公司 一种含分布式电源的配电网分层规划方法
CN111244988A (zh) * 2020-01-06 2020-06-05 华北电力大学 考虑分布式电源的电动汽车和储能优化调度方法
CN111313445A (zh) * 2020-03-19 2020-06-19 象山电力实业有限公司 一种基于模型预测控制的储能设备优化配置方法
US20220209533A1 (en) * 2020-12-28 2022-06-30 Electric Power Science & Research Institute Of State Grid Tianjin Electric Power Company Method for making spatio-temporal combined optimal scheduling strategy of mobile energy storage (mes) system
CN114254551A (zh) * 2021-10-25 2022-03-29 国网山东省电力公司青岛供电公司 分布式储能多目标优化配置方法及系统
CN115841216A (zh) * 2022-09-30 2023-03-24 国网河南省电力公司兰考县供电公司 计及分布式光伏消纳率的配电网储能优化配置方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
卢跃;周玲;: "计及风力发电和储能设备的经济调度模型", 电子设计工程, no. 06 *
肖冰等: "蒙东地区适应新能源消纳的储能系统配置效果分析", 热力发电, vol. 49, no. 7, pages 1 - 8 *

Also Published As

Publication number Publication date
CN116167192B (zh) 2023-09-15

Similar Documents

Publication Publication Date Title
CN102289223B (zh) 自动电压控制系统全网最优控制参数校验方法
JP4992134B2 (ja) 太陽光発電システムの制御方法とその装置
CN107292516B (zh) 一种计及负荷分级和能量调度的负荷可靠性评估方法
CN110350518B (zh) 一种用于调峰的电网储能容量需求评估方法及系统
CN113657739B (zh) 一种多场景下定量储能评价的方法
CN117277392B (zh) 一种面向配电系统弹性提升的应急资源优化配置方法
CN115510677B (zh) 一种风电场发电能力评估方法及系统
CN109193729A (zh) 一种配网自动化系统中储能系统的选址方法
CN110365058A (zh) 基于模拟退火粒子群算法的孤立微电网运行优化方法
CN115811070A (zh) 辅助火电机组调频的飞轮储能自适应容量配置方法及系统
CN115774935A (zh) 弱联型风光储微电网运行优化方法及系统
CN116454914A (zh) 一种多类型资源复合调频模型的构建方法及装置
Martinez-Rico et al. Energy storage sizing based on automatic frequency restoration reserve market participation of hybrid renewable power plants
CN110059840B (zh) 一种受端电网中电池储能系统选址方法及系统
Tang et al. Coordinated control of a wind turbine and battery storage system in providing fast-frequency regulation and extending the cycle life of battery
CN116167192B (zh) 一种基于局域电网模型的储能配置方法及系统
CN107179688B (zh) 考虑蒙特卡罗状态抽样截尾的电力系统可靠性分析方法
CN110661250A (zh) 含风光储发输电系统的可靠性评估方法及系统
CN113642988A (zh) 一种多工况多类型储能电站成本效益分析方法及定型系统
CN116979619A (zh) 一种微电网储能配置方法、装置、计算机设备及存储介质
CN117254464A (zh) 一种储能系统的控制方法及系统
CN112039126A (zh) 含分布式电源的配电网多时间尺度协调调度方法及系统
CN114094608B (zh) 一种面向光伏电站的多类型储能容量优化配置方法及装置
CN111092450A (zh) 一种基于性价比分析的储能容量配置的方法
CN110994639A (zh) 一种电厂储能辅助调频的仿真定容方法、装置及设备

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