CN116231691A - 一种光储充站点自主最优化运行策略生成方法 - Google Patents

一种光储充站点自主最优化运行策略生成方法 Download PDF

Info

Publication number
CN116231691A
CN116231691A CN202211548274.5A CN202211548274A CN116231691A CN 116231691 A CN116231691 A CN 116231691A CN 202211548274 A CN202211548274 A CN 202211548274A CN 116231691 A CN116231691 A CN 116231691A
Authority
CN
China
Prior art keywords
power
energy storage
charging
electricity
optical storage
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
CN202211548274.5A
Other languages
English (en)
Inventor
张毅
马兴
王鹏
张东宁
康荣
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.)
Hangzhou Qingzhou Technology Co ltd
Original Assignee
Hangzhou Qingzhou 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 Hangzhou Qingzhou Technology Co ltd filed Critical Hangzhou Qingzhou Technology Co ltd
Priority to CN202211548274.5A priority Critical patent/CN116231691A/zh
Publication of CN116231691A publication Critical patent/CN116231691A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • H02J3/26—Arrangements for eliminating or reducing asymmetry in polyphase 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0068—Battery or charger load switching, e.g. concurrent charging and load 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/007—Regulation of charging or discharging current or voltage
    • H02J7/00712—Regulation of charging or discharging current or voltage the cycle being controlled or terminated in response to electric parameters
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H02J7/35—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering with light sensitive cells
    • 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]
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种光储充站点自主最优化运行策略生成方法，包括以下步骤，获取光储充站点的用电运行数据；将储能充电和放电作为可并行的两个能量转换过程，定义决策变量、以用电成本最小化为目标，构建运筹优化模型；在优化约束条件部分引入能量转换效率因素；根据光储充站点的各时间段的用电运行数据，输入至对应的所述运筹优化模型，且基于设置的所述约束条件，得到最小化用电成本和对应的储能系统充放电策。本发明的有益效果：不需要再引入整数变量来实现充放互斥，从而将模型求解从混合整数规划简化为了普通线性规划问题,求解可在1秒内完成，因此可在电站实时控制过程中进行智能规划,确保全站始终运行在当前约束下的最优策略上。

Description

一种光储充站点自主最优化运行策略生成方法
技术领域
本发明涉及电动汽车充电站光储充控制的技术领域，尤其涉及一种光储充站点自主最优化运行策略生成方法。
背景技术
近年来，随着电动车辆保有量的快速增加，充电需求不断增大，为此也催生了大量的充电站点，但规模化的电动汽车充电仍可能会导致配电网运行指标越限、电网系统峰值负荷超额等问题，对电力系统供需平衡和电网安全稳定运行造成了很大压力。
光伏和储能的应用在一定程度上缓解了上述问题，通过在充电站点配置光伏发电设备和储能设备以增加电力供应和对电能进行削峰填谷。两种措施中光伏发电属于被动增加电力供应，发电功率主要取决于光伏的装机功率和光照强度；储能则通过对电能的存储实现电能在时间维度上的重新分配进而实现对电网的削峰填谷和充电站点的盈利，因此储能系统的控制策略将显得至关重要。
目前存在对储能系统进行控制的多种策略，并形成了与之相关的控制技术，这些控制策略和技术总结下来主要有两类，一类是基于规则的储能系统控制策略，另一类是基于运筹优化模型生成控制策略。第一类基于规则的储能系统控制策略，该类方法通过人工配置规则,构成决策树，利用时间点、电池SOC、负载功率等收入、依据决策树得出控制指令，这类方法通常可保证电站自动持续运行,但经济性难以达到最优。由于基于规则的控制策略,是启发式的算法，本质上只基于当前观测到的系统状态,决定下一刻的控制动作，决策过程不考虑未来可能出现的变化(如负载波动,光伏发电量波动等),因此只能做到当前的局部最优,不能达到全局最优，无法自适应调整策略，人工检测多，维护成本较高，运行经济性和自主性较差；第二类基于运筹优化模型生成的控制策略，这类方法引入了运筹优化模型,通过模型求解,得出理论最优策略，目前该类策略生成方法,在建模上通常忽略能量转换效率等因素,求解方法上利用混合整数规划求解,虽在一定程度上避免了第一类方法的不足，但存在模型变量多、求解效率低,无法在光伏和负载快速变化的场景下迅速调整策略，存在明显的延时问题，因而难以在实际工业控制场景下部署应用。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有策略和技术的不足，提出了本发明。
本发明解决的技术问题是：提供一种光储充站点自主最优化运行策略生成方法，使得光储充电站点运行经济性达到最优，同时保证所建立模型能够快速求解从而满足工业级部署的要求。
为解决上述技术问题，本发明提供如下技术方案：
一种光储充站点自主最优化运行策略生成方法，包括以下步骤，获取光储充站点的用电运行数据；将储能充电和放电作为可并行的两个能量转换过程，定义决策变量、以用电成本最小化为目标，以实际场景的各种限制为约束条件，构建运筹优化模型；根据光储充站点的各时间段的用电运行数据，输入至对应的所述运筹优化模型，且基于设置的所述约束条件，得到最小化用电成本和对应的储能系统充放电策略。
优选的，所述定义决策变量包括，光储充站点在未来N个时段中：
t时段储能直流侧放电量sddt,t＝1,2,…,N；
t时段储能交流侧放电量sadt,t＝1,2,…,N；
t时段储能直流侧充电量sdct,t＝1,2,…,N；
t时段储能交流侧充电量sact,t＝1,2,…,N；
t时段从电网购电电量gint,t＝1,2,…,N；
t时段向电网售电电量goutt,t＝1,2,…,N。
优选的，所述运筹优化模型的目标函数如下式(1)
Figure BDA0003980152730000021
其中pint和poutt分别是第t时段的电网购电价格和售电价格，当不允许售电时,售电价格poutt设置为0。
优选的，所述约束条件包括母线电量平衡,储能系统的容量限制,充放设备功率限制。
优选的，所述母线电量平衡为交流母线的功率和电量平衡，即在任一时刻t，所述母线电量平衡为交流母线的功率和电量平衡，即所述储能交流侧放电量sadt、所述从电网购电量gint、光伏发电量pvt三者之和等于所述储能交流侧充电量sact、所述向电网售电量goutt、负载用电量ldt三者之和。
优选的，所述母线电量平衡的约束如下式(2)，
sadt+gint+pvt＝sact+goutt+ldt (2)
储能交流侧放电量sadt与储能直流侧放电量sddt之间存在等式约束关系：
sadt＝deff·sddt
储能交流侧充电量sact与储能直流侧充电量sdct之间存在等式约束关系：
sact＝sddt/ceff
其中ldt和pvt分别是t时段预测负载用电量和光伏发电量，以及deff为放电能量转换效率、ceff为充电能量转换效率。
优选的，所述储能系统的容量限制为直流测的储能容量和SOC不超限，即：在时段t内,充放电不会导致储能电量超过SOC最大和最小限制，如下式(3)和(4)：
Figure BDA0003980152730000031
Figure BDA0003980152730000032
其中cap0是初始电量,capmax是SOC上限对应电量,capmin是SOC下限对应电量。
优选的，所述充放设备功率限制包括PCS功率限制和变压器功率限制，实际转换成对应时段上的做功量限制，在t时段,有如下式(5)、(6)、(7)、(8)约束:
0≤sadt≤dpwt·Tt (5)
0≤sact≤cpwt·Tt (6)
0≤gint≤pwint·Tt (7)
0≤goutt≤pwoutt·Tt (8)
其中dpwt,cpwt为PCS充放功率限制，pwint,pwoutt为电网变压器功率限制，Tt为第t时段时长。综和以上目标函数及约束条件，就得到了针对光储充电站点运行策略的运筹优化模型，可表达为
Figure BDA0003980152730000041
Figure BDA0003980152730000042
以上(*)为多变量的先行约束优化模型，通过求解该模型即可得到该模型的解。目前对于此类问题的实际求解，已经有专门的求解工具，如运筹优化求解器CPLEX、GUROBI、COPT、SCIP等，另外开源编程语言Python等都有相应的求解工具包可直接用于求解此类问题，只需依据其书写规则，针对具体问题将以上变量的值输入即可快速得到求解结果。
在得到最优目标函数值y*及对应的最优解
x*＝[gint,goutt,sadt,sact,sddt,sdct](t＝1,2,…,N)
之后，取当前第一个时刻交流侧储能充放电功率值sac1-sad1作为储能系统实际运行过程中执行的策略。
优选的，所述光储充站点的用电运行数据包括储能充放功率、光伏发电功率、变压器功率和负载功率。
优选的，所述储能充放功率、所述光伏发电功率、所述变压器功率和所述负载功率通过在光储充站点内安装储能表、光伏表、总表、负载表,分别用于测量以上功率值
本发明的有益效果：本发明所述光储充站点自主最优化运行策略生成方法，具有如下优势：
1.毫秒级快速求解,由于本模型为线性规划模型，求解快速简单，因而能够实时响应光伏和负载功率变化，迅速自适应调整策略；
2.本方法将储能充电和放电视为可并行的两个能量转换过程,通过在“优化约束”部分引入能量转换效率因素(deff和ceff),避免了通过引入整数变量来实现充放互斥，从而将模型求解从混合整数规划简化为了普通线性规划问题，问题复杂度大幅降低，求解难度大幅下降，实时响应速率大幅提升。
3.本发明所述方法能量流动刻画更接近实际,规划解更接近实际最优解:针对能量流动,模型区分交流测和直流测，并引入能量转换效率刻画交直流转换中的能量损失程度，同时,引入能量转换效率后,并行的充放电过程,其效率必然低于单纯的充电或者放电过程.从而自然实现了充放互斥。
4.本发明所述方法部署简单，维护成本低，可在电站实时控制过程中进行智能规划,确保全站始终运行在当前约束下的最优策略上，进而实现电站运行的经济性最优，最大化充电站点的运行收益。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明设备的安装位置示意图；
图2为本发明未来24小时电价变化情况的示意图；
图3为本发明预测的负荷和光伏发电量变化情况，以及模型规划求解得到的购电和售电电量的示意图；
图4为本发明依据模型规划电量,求得的规划储能充放功率的示意图；
图5为本发明在此规划下,预期的储能电量变化的示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明，显然所描述的实施例是本发明的一部分实施例，而不是全部实施例。基于本发明中的实施例，本领域普通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，都应当属于本发明的保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中，需要说明的是，术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一、第二或第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定，术语“安装、相连、连接”应做广义理解，例如：可以是固定连接、可拆卸连接或一体式连接；同样可以是机械连接、电连接或直接连接，也可以通过中间媒介间接相连，也可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1
当前光储充站点运行策略主要有两类：基于规则的储能系统控制策略和基于运筹优化模型生成控制策略。
第一类基于规则的储能系统控制策略，该类方法通过人工配置规则,构成决策树，利用时间点、电池SOC、负载功率等收入、依据决策树得出控制指令，这类方法通常可保证电站自动持续运行,但经济性难以达到最优。由于基于规则的控制策略,是启发式的算法，本质上只基于当前观测到的系统状态,决定下一刻的控制动作.决策过程不考虑未来可能出现的变化(如负载波动,光伏发电量波动等),因此只能做到当前的局部最优,不能达到全局最优。
第二类基于运筹优化模型生成控制策略，这类方法引入了运筹优化模型,通过模型求解,得出理论最优策略，目前该类策略生成方法,在建模上通常忽略能量转换效率等因素,求解方法上利用混合整数规划求解,变量多效率低,无法在光伏和负载快速变化的场景下快速调整策略。在本实施例中光储充站点自主最优化运行策略生成的方法，具有毫秒级求解,实时响应光伏和负载功率变化的效果，本方法将储能充电和放电视为可并行的两个能量转换过程,在每个决策周期内可以同时动作,不需要再引入整数变量来实现充放互斥，从而将模型求解从混合整数规划简化为了普通线性规划问题，求解可在1秒内完成(2GHz单核处理器)。因此可在电站实时控制过程中进行智能规划,确保全站始终运行在当前约束下的最优策略上。
本实施例中将储能充电和放电视为可并行的两个能量转换过程,通过在“优化约束”部分引入能量转换效率因素(deff和ceff),避免了通过引入整数变量来实现充放互斥，从而将模型求解从混合整数规划简化为了普通线性规划问题，问题复杂度大幅降低，求解难度大幅下降，实时响应速率大幅提升。同时本方法能量流动刻画更接近实际,规划解更接近实际最优解:针对能量流动,模型区分交流测和直流测，并引入能量转换效率刻画交直流转换中的能量损失程度，同时,引入能量转换效率后,并行的充放电过程,其效率必然低于单纯的充电或者放电过程.从而自然实现了充放互斥。另外，本实施例具有部署简单，维护成本低，可在电站实时控制过程中进行智能规划,确保全站始终运行在当前约束下的最优策略上，进而实现电站运行的经济性最优，最大化充电站点的运行收益。
现有运筹优化模型同本方法的区别主要是：
(1)现有模型将充放电过程简化为能量的无损流动,不考能量损耗以及交直流测对电量度量的区别，本申请区分了交直流测能量,对转换过程进行了建模,引入了双向的能量转换效率因素,模型更接近实际。
(2)传统模型通过整数变量,控制充放互斥以及规划周期内的充放循环次数,本申请的模型对充放流程进行了建模,无需增加额外的整数变量做限制,减少变量的同时,提升了求解效率。
为验证本方法的实际效果，现基于本发明所建立的约束优化模型(*)，通过以下实例进一步说明。
某一光储充电站点在某日23:59分需确定第二日24小时的储能运行策略。该站点的储能装机容量为500kWh，装机功率为100kW。储能系统的充放电效率ceff、deff均为90％，初始SOC为20％，SOC的上限和下限分别为80％、20％，各时刻储能系统的充电功率限制cpwt、放电功率限制dpwt为50kW、75kW，从电网购电功率限制pwint和售电功率限制pwoutt分别为100kW、0kW。取优化时间窗长度N＝24小时，第二日各时刻的参数如下表所示：
t pin_t pout_t pv_t ld_t
1 0.5 0 0 10
2 0.5 0 0 20
3 0.5 0 0 10
4 0.5 0 0 20
5 0.5 0 0 10
6 0.5 0 0 20
7 0.5 0 5 100
8 0.5 0 1 100
9 1.3 0 3 100
10 1.3 0 4 100
11 1.3 0 5 30
12 1.3 0 9 100
13 1 0 8 90
14 1 0 5 50
15 1 0 5 50
16 1 0 5 50
17 1 0 3 50
18 1 0 1 80
19 1.5 0 5 100
20 1.5 0 0 100
21 1.5 0 0 100
22 1.5 0 0 100
23 1 0 0 50
24 1 0 0 50
表中各列依次为时段、从电网购电价格(单位：元/kWh)、向电网售电价格(单位：元/kWh)、光伏发电功率(单位：kW)、预测负载功率(单位：kW)。
通过将以上各个参数的数值带入到模型(*)并进行求解，即可得到在当前条件下的最优运行策略，最终结果可参照图2～5的示意，其中图2示意出未来24小时电价变化情况(其中售电价格为0代表不能售电)；图3示意出预测的负荷和光伏发电量变化情况，以及模型规划求解得到的购电和售电电量；图4示意出依据模型规划电量,求得的规划储能充放功率；图5示意出在此规划下,预期的储能电量变化。
针对规划结果的含义,说明如下：
(1)时段1-6，为电网价格“谷”段，对光储电站而言，此时从电网购电成本为0.3103元/千瓦时，光伏出力基本为0，用户负荷也在较低水平，此时从电网大量购电，一方面用于满足用户负荷，另一方面储能系统以最大功率进行充电，从而为电网价格“峰”段的调节做准备。
(2)时段8-10以及13-18，为电网价格“峰”段，对光储电站而言，此时从电网购电成本为1.0532元/千瓦时，光伏出力达到全天出力平均水平之上，用户负荷在较高水平，此时从电网购电成本较高，储能系统容量也在较高水平(SOC约在60％)，因而储能系统以较高功率进行放电，从而在满足用户负荷的前提下，尽量降低从电网购电的成本。
(3)时段19-20，电网价格达到“尖”段，此时从电网购电成本达到了1.237元/千瓦时，因而储能系统以所允许的最大功率放电，并且放电完成后其当前容量已经到达其自身容量下限，最大程度地降低了用电成本。
综合来看，本申请中模型生成的策略，可以自动实现“削峰填谷”效果，使得光储电站的用电成本降到最低，可证实本发明所述方法的有效性。
不难理解的是，本实施例中光储充站点的用电运行数据包括储能充放功率、光伏发电功率、变压器功率和负载功率。储能充放功率、光伏发电功率、变压器功率和负载功率通过在光储充站点内安装储能表、光伏表、总表、负载表,分别用于测量以上功率值。功率测量装置展示了模型中需要的功率数据是如何测量的，参照图1的示意，图示了相应电表的接线位置。
需要说明的是，本实施例中最小化用电成本是业务目标，模型中表示为目标函数，目标函数表达了成本计算的方法,即每个时段的(购电费用-卖电收益)的和。优化约束,表达了使目标函数实现最小化的同时,必须满足的约束条件,包括交流母线的功率和电量平衡,储能系统的容量限制,充放设备的功率限制等.在模型中体现为对应的不等式组。
因此本实施例中最终的优化目标，由线性规划求解器保证，因此本实施例不涉及求解器本身，旨在提出光储充站点自主最优化运行策略生成的方法，对于如何线性规划求解器不做详述。
应当认识到，本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现，其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而，若需要，该程序可以以汇编或机器语言实现。在任何情况下，该语言可以是编译或解释的语言。此外，为此目的该程序能够在编程的专用集成电路上运行。
此外，可按任何合适的顺序来执行本文描述的过程的操作，除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行，并且可作为共同地在一个或多个处理器上执行的代码(例如，可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步，所述方法可以在可操作地连接至合适的任何类型的计算平台中实现，包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现，无论是可移动的还是集成至计算平台，如硬盘、光学读取和/或写入存储介质、RAM、ROM等，使得其可由可编程计算机读取，当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外，机器可读代码，或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时，本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时，本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能，从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中，转换的数据表示物理和有形的对象，包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的，术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体，该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如，组件可以是，但不限于是：在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例，在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中，并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外，这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如，来自一个组件的数据，该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号，以本地和/或远程过程的方式进行通信。
还应当理解的是，本发明通过实施方式加以描述，实施例仅为针对本发明权利要求所提出技术方案能够实现所给出清楚完整的说明，即对权利要求的解释说明，因此当评判本发明说明书记载的技术方案是否公开充分时，应当予以充分考虑权利要求所限定方案的旨在核心要义，而在说明书中必然存在与本实施例所提出解决核心技术问题相无关的其他技术问题，其对应的技术特征、技术方案均不属于本实施例要义所指，属于非必要技术特征，故可参照隐含公开，本领域技术人员完全可以结合现有技术和公知常识进行实现，因此无任何必要做详述。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种光储充站点自主最优化运行策略生成方法，其特征在于：包括以下步骤，
获取光储充站点的用电运行数据；
将储能充电和放电作为可并行的两个能量转换过程，定义决策变量、以用电成本最小化为目标，构建运筹优化模型；
在所述运筹优化模型实现最小化的同时,设置需满足的约束条件，在优化约束条件部分引入能量转换效率因素；
根据光储充站点各时间段的用电运行数据，输入至对应的所述运筹优化模型，且基于设置的所述约束条件，得到最小化用电成本和对应的储能系统充放电策略。
2.如权利要求1所述的光储充站点自主最优化运行策略生成方法，其特征在于：所述定义决策变量包括，
定义光储充站点在未来N个时段中：
t时段储能直流侧放电量sddt,t＝1,2,…,N；
t时段储能交流侧放电量sadt,t＝1,2,…,N；
t时段储能直流侧充电量sdct,t＝1,2,…,N；
t时段储能交流侧充电量sact,t＝1,2,…,N；
t时段从电网购电电量gint,t＝1,2,…,N；
t时段向电网售电电量goutt,t＝1,2,…,N。
3.如权利要求2所述的光储充站点自主最优化运行策略生成方法，其特征在于：所述运筹优化模型包括的目标函数如下式(1)
Figure FDA0003980152720000011
其中pint和poutt分别是第t时段的电网购电价格和售电价格，当不允许售电时,售电价格poutt设置为0。
4.如权利要求3所述的光储充站点自主最优化运行策略生成方法，其特征在于：所述约束条件包括母线电量平衡、储能系统的容量限制、充放设备功率限制。
5.如权利要求4所述的光储充站点自主最优化运行策略生成方法，其特征在于：在任一时刻t，所述母线电量平衡为交流母线的功率和电量平衡，即所述储能交流侧放电量sadt、所述从电网购电量gint、光伏发电量pvt三者之和等于所述储能交流侧充电量sact、所述向电网售电量goutt、负载用电量ldt三者之和。
6.如权利要求5所述的光储充站点自主最优化运行策略生成方法，其特征在于：所述母线电量平衡的约束如下式(2)，
sadt+gint+pvt＝sact+goutt+ldt (2)
储能交流侧放电量sadt与储能直流侧放电量sddt之间存在等式约束关系：
sadt＝deff·sddt
储能交流侧充电量sact与储能直流侧充电量sdct之间存在等式约束关系：
sact＝sddt/ceff
其中ldt和pvt分别是t时段预测负载用电量和光伏发电量，以及deff为储能系统的放电能量转换效率、ceff为储能系统的充电能量转换效率。
7.如权利要求4所述的光储充站点自主最优化运行策略生成方法，其特征在于：所述储能系统的容量限制为直流测的储能容量和SOC不超限，即：
在时段t内,充放电不会导致储能电量超过SOC最大和最小限制，如下式(3)和(4)：
Figure FDA0003980152720000021
Figure FDA0003980152720000022
其中cap0是初始电量,capmax是SOC上限对应电量,capmin是SOC下限对应电量。
8.如权利要求4所述的光储充站点自主最优化运行策略生成方法，其特征在于：所述充放设备功率限制包括PCS功率限制和变压器功率限制，实际转换成对应时段上的电量限制，在t时段,有如下式(5)、(6)、(7)、(8)约束:
0≤sadt≤dpwt·Tt (5)
0≤sact≤cpwt·Tt (6)
0≤gint≤pwint·Tt (7)
0≤goutt≤pwoutt·Tt (8)
其中dpwt,cpwt为PCS充放功率限制，pwint,pwoutt为电网变压器功率限制，Tt为第t时段时长。
9.如权利要求1所述的光储充站点自主最优化运行策略生成方法，其特征在于：所述光储充站点的用电运行数据包括储能充放功率、光伏发电功率、变压器功率和负载功率。
10.如权利要求9所述的光储充站点自主最优化运行策略生成方法，其特征在于：所述储能充放功率、所述光伏发电功率、所述变压器功率和所述负载功率通过在光储充站点内安装储能表、光伏表、总表、负载表,分别用于测量以上功率值。
CN202211548274.5A 2022-12-05 2022-12-05 一种光储充站点自主最优化运行策略生成方法 Pending CN116231691A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211548274.5A CN116231691A (zh) 2022-12-05 2022-12-05 一种光储充站点自主最优化运行策略生成方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211548274.5A CN116231691A (zh) 2022-12-05 2022-12-05 一种光储充站点自主最优化运行策略生成方法

Publications (1)

Publication Number Publication Date
CN116231691A true CN116231691A (zh) 2023-06-06

Family

ID=86589908

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211548274.5A Pending CN116231691A (zh) 2022-12-05 2022-12-05 一种光储充站点自主最优化运行策略生成方法

Country Status (1)

Country Link
CN (1) CN116231691A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117895655A (zh) * 2024-01-26 2024-04-16 主力能源(北京)有限公司 一种分布式光伏储能方法及系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117895655A (zh) * 2024-01-26 2024-04-16 主力能源(北京)有限公司 一种分布式光伏储能方法及系统

Similar Documents

Publication Publication Date Title
Hasankhani et al. Stochastic energy management of smart microgrid with intermittent renewable energy resources in electricity market
Sharma et al. A modeling framework for optimal energy management of a residential building
JP6429200B2 (ja) 電力系統を運転するための方法およびシステム
Zhang et al. Bidding modes for renewable energy considering electricity-carbon integrated market mechanism based on multi-agent hybrid game
Bendato et al. Design criteria for the optimal sizing of integrated photovoltaic-storage systems
Yi et al. Joint optimization of charging station and energy storage economic capacity based on the effect of alternative energy storage of electric vehicle
He et al. The many-objective optimal design of renewable energy cogeneration system
Li et al. Informed decision making of battery storage for solar-PV homes using smart meter data
CN110783950B (zh) 一种配电网节点光伏最佳配置容量确定方法
Abdi-Siab et al. Distribution expansion planning in the presence of plug-in electric vehicle: A bilevel optimization approach
Yaldız et al. Optimal sizing and economic analysis of Photovoltaic distributed generation with Battery Energy Storage System considering peer-to-peer energy trading
CN115313378A (zh) 一种风光储发电站日前有功出力优化调度方法及系统
Ameli et al. Profit-based DG planning considering environmental and operational issues: A multiobjective approach
Mehrtash et al. A new bi-objective approach for optimal sizing of electrical and thermal devices in zero energy buildings considering environmental impacts
CN114154744A (zh) 综合能源系统的扩容规划方法、装置及电子设备
CN116231691A (zh) 一种光储充站点自主最优化运行策略生成方法
CN110994697B (zh) 含光储联合体的交直流配电网优化运行控制方法及系统
CN115358519A (zh) 一种虚拟电厂优化调度方法及装置
Ding et al. Distributionally robust capacity configuration for energy storage in microgrid considering renewable utilization
CN112653195B (zh) 一种并网型微电网鲁棒优化容量配置方法
Zhao et al. Multi-objective bi-level planning of the integrated energy system considering uncertain user loads and carbon emission during the equipment manufacturing process
Zhou et al. Optimization of building demand flexibility using reinforcement learning and rule-based expert systems
CN117791625A (zh) 电动汽车有序充放电规划方法、设备及介质
CN116861636A (zh) 一种资源与状态任务网络下的用能灵活性评估方法及系统
Philippou et al. Effective dynamic tariffs for price-based Demand Side Management with grid-connected PV systems

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