CN116454946A - 考虑储能损耗成本的火-储混合电站容量优化方法及装置 - Google Patents
考虑储能损耗成本的火-储混合电站容量优化方法及装置 Download PDFInfo
- Publication number
- CN116454946A CN116454946A CN202310399373.XA CN202310399373A CN116454946A CN 116454946 A CN116454946 A CN 116454946A CN 202310399373 A CN202310399373 A CN 202310399373A CN 116454946 A CN116454946 A CN 116454946A
- Authority
- CN
- China
- Prior art keywords
- bess
- fire
- capacity
- discharge
- charge
- 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
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000004146 energy storage Methods 0.000 title claims abstract description 38
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 13
- 238000004088 simulation Methods 0.000 claims description 52
- 230000008901 benefit Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 15
- 230000009194 climbing Effects 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 5
- 238000010248 power generation Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- 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
- 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"
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/067—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
- 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
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/002—Flicker reduction, e.g. compensation of flicker introduced by non-linear load
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
- H02J3/241—The oscillation concerning frequency
-
- 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
-
- 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]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/10—The dispersed energy generation being of fossil origin, e.g. diesel generators
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Power Engineering (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Nonlinear Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth 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
本发明提供一种考虑储能损耗成本的火‑储混合电站容量优化方法、装置、设备及存储介质,所述方法包括:建立电池储能系统(BESS)损耗成本模型;基于所述BESS损耗成本模型,以火‑储混合电站参与二次调频的利润增加额最大为优化目标,建立BESS容量优化模型;基于所述BESS容量优化模型,采用序贯蒙特卡洛模拟方法对火‑储混合电站的运行进行模拟,并求解得到BESS最优容量配置结果。本发明通过考虑储能系统自身的损耗成本来实现火‑储混合电站容量优化,从而能够提高火‑储混合电站二次调频性能。
Description
技术领域
本发明涉及火电厂二次调频技术领域,尤其是涉及一种考虑储能损耗成本的火-储混合电站容量优化方法、装置、设备及存储介质。
背景技术
随着化石燃料的逐步枯竭与环境污染的日益加剧,大力发展以风、光为代表的新能源成为世界各国的共识。在风、光等新能源大规模并网的背景下,电力系统呈现“高新能源渗透率”、“高电力电子化”等新型特征,其弱惯性和随机波动性显著增加了传统火电机组的调频压力,对电网频率安全造成巨大威胁。电池储能技术的快速发展,为利用电池储能系统(Battery energy storage systems,BESS)辅助火电机组参与二次调频,缓解电网调频压力提供了新的技术选择。
针对BESS参与二次调频的问题,现有的火-储混合电站储能容量配置优化方法,通常以降低储能系统整体成本为目标,没有考虑储能系统自身的损耗成本,具有一定的局限性,因此,亟需提出一种考虑储能损耗成本的火-储混合电站容量优化,以提高火-储混合电站二次调频性能。
发明内容
本发明旨在提供一种考虑储能损耗成本的火-储混合电站容量优化方法、装置、设备及存储介质,以解决上述技术问题,从而能够提高火-储混合电站二次调频性能。
为了解决上述技术问题,本发明提供了一种考虑储能损耗成本的火-储混合电站容量优化方法,包括:
建立BESS损耗成本模型;
基于所述BESS损耗成本模型,以火-储混合电站参与二次调频的利润增加额最大为优化目标,建立BESS容量优化模型;
基于所述BESS容量优化模型,采用序贯蒙特卡洛模拟方法对火-储混合电站的运行进行模拟,并求解得到BESS最优容量配置结果。
进一步地,所述BESS损耗成本模型表示为:
式中:Vcost为BESS参与二次调频导致的损耗成本;Vinvest为单位容量BESS投资成本;Ec为BESS容量;Ddod,k为第k次充、放电循环对应的放电深度;m为BESS的充、放电循环次数;Mlife(Ddod,k)为放电深度Ddod,k下的电池循环寿命,采用四阶函数拟合,其表示为:
式中,al为拟合系数,其由BESS技术特性决定。
进一步地,所述BESS容量优化模型表示为:
maxVprofit=Vbenefit-Vcost
式中,Vprofit为火-储混合电站参与二次调频的利润增加额;Vbenefit为BESS参与二次调频后,火-储混合电站的收益增加额,由下式进行计算:
Vbenefit=ρ1(M′DEIT-MDEIT)+ρ2MTCDE
式中,ρ1为AGC跟踪偏差电量惩罚价格;M′DEIT、MDEIT分别为BESS参与二次调频前后,火-储混合电站实际出力与AGG目标出力间的电量偏差;ρ2为补偿价格,MTCDE为BESS典型日内的总充放电电量;
BESS容量优化模型包括以下约束:
MPOST≤β
式中,MPOST为火-储混合电站典型日内AGC指令跟踪成功概率,β为期望达到的AGC指令跟踪成功概率。
进一步地,所述基于所述BESS容量优化模型,采用序贯蒙特卡洛模拟方法对火-储混合电站的运行进行模拟,并求解得到BESS最优容量配置结果,具体包括:
S3.1:设定最大模拟次数hmax,模拟次数索引h初始化为1;运行指标MDEIT、MTCDE、MPOST与Vcost初始化为零;
S3.2:AGC指令索引i初始化为1,即令i=1;将BESS分为容量相等的两部分接入火电厂,假定第一部分BESS与第二部分BESS初始充、放电状态分别为放电状态与充电状态;第一部分BESS与第二部分BESS的SOC均初始化为0.5,即令SⅠ,t=0.5、SⅠI,t=0.5;
S3.3:根据AGC指令随机特性,随机生成AGC指令i的持续时间、间隔时间、调节速率和调节方向;
S3.4:若AGC指令调节方向为正,则控制处于放电状态的BESS辅助火电机组进行二次调频,火电机组发电出力表示为:
式中,Pg,t为火电机组在时刻t的发电出力;i为AGC指令索引;Ts,i为AGC指令i的开始时刻;T1,i为火电机组在AGC指令周期i持续时间内跟踪上AGC指令目标出力的时刻;Ts,i+1为下一个AGC指令的下发时刻;P0 g,i为火电机组在AGC指令i下发时刻的发电出力;PAGC,i为AGC指令i的目标出力;T2,i为火电机组在下一个AGC指令下发之前跟踪上AGC指令i目标出力的时刻;vup为火电机组最大上爬坡速率;
BESS放电功率表示为:
式中,PI b,t为第一部分BESS在下一个AGC指令下发之前的放电功率;PI dmax,t为第一部分BESS在时刻t能提供的最大放电功率,其表示为:
式中,Pdis为单位容量BESS额定放电功率;Ec为接入火电厂的BESS总容量;ηd为放电效率;ΔT为模拟时刻的长度;Smin为BESS荷电状态最小允许值;SⅠ,t为第一部分BESS在时刻t的荷电状态;
若AGC指令调节方向为负,则控制处于充电状态的BESS辅助火电机组进行二次调频,火电机组发电出力表示为:
式中,vdown为火电机组最大下爬坡速率;
BESS充电功率表示为:
式中,PII b,t为第二部分BESS在下一个AGC指令下发之前的充电功率;PII cmax,t为第二部分BESS在时刻t能提供的最大充电功率,其表示为:
式中,Pch为单位容量BESS额定充电功率;ηc为充电效率;Smax为荷电状态最大允许值;SⅠI,t为第二部分BESS在时刻t的荷电状态;
S3.5:按下式更新第一部分BESS与第二部分BESS在AGC指令周期i内各时刻的SOC:
式中,SⅠ,t-1为第一部分BESS在前一时刻的荷电状态;PI b,t-1为第一部分BESS在前一时刻的放电功率;SⅠI,t-1为第二部分BESS在前一时刻的荷电状态;PII b,t-1为第二部分BESS在前一时刻的充电功率;
判断AGC指令周期i内是否有BESS到达满充或满放状态,若有,则同时切换两部分BESS的充、放电状态;
S3.6:判断本次模拟是否已覆盖整个评价周期,若已覆盖,则执行S3.7,否则,令AGC指令索引i=i+1,执行S3.3;
S3.7:计算本次模拟对应的运行指标MDEIT,h、MTCDE,h、MPOST,h与Vcost,h,具体计算方式为:
式中,Nh为本次模拟中调度中下发的AGC指令数;Pd,t为火-储混合电站在时段t的发电出力;Pb,t为第一部分BESS与第二部分BESS在时刻t的充、放电功率之和;Pr{·}表示括号中事件发生的概率;为火-储混合电站在AGC指令i结束时刻Te,i的发电出力;mh为本次模拟中第一部分BESS、第二部分BESS的充放电循环次数;DⅠ,k、DⅡ,k分别为第一部分BESS、第二部分BESS第k次充、放电循环对应的放电深度;Mlife(DⅠ,k)、Mlife(DⅡ,k)分别为放电深度DⅠ,k、DⅡ,k下的电池循环寿命;
S3.8:按下式分别更新运行指标MDEIT、MTCDE、MPOST与Vcost;
S3.9:判断是否到达最大模拟次数hmax,若达到,则结束模拟,输出模拟结果,并基于模拟结果确定BESS最优容量配置结果;否则,则令模拟次数h=h+1,跳转至步骤S3.1,继续进行模拟。
本发明还提供一种考虑储能损耗成本的火-储混合电站容量优化装置,包括:
模型构建模块,用于建立BESS损耗成本模型;
模型优化模块,用于基于所述BESS损耗成本模型,以火-储混合电站参与二次调频的利润增加额最大为优化目标,建立BESS容量优化模型;
模拟求解模块,用于基于所述BESS容量优化模型,采用序贯蒙特卡洛模拟方法对火-储混合电站的运行进行模拟,并求解得到BESS最优容量配置结果。
本发明还提供一种终端设备,包括处理器和存储有计算机程序的存储器,所述处理器执行所述计算机程序时实现任一项所述的考虑储能损耗成本的火-储混合电站容量优化方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现任一项所述的考虑储能损耗成本的火-储混合电站容量优化方法。
与现有技术相比,本发明具有如下有益效果:
本发明提供了一种考虑储能损耗成本的火-储混合电站容量优化方法、装置、设备及存储介质,所述方法包括:建立BESS损耗成本模型;基于所述BESS损耗成本模型,以火-储混合电站参与二次调频的利润增加额最大为优化目标,建立BESS容量优化模型;基于所述BESS容量优化模型,采用序贯蒙特卡洛模拟方法对火-储混合电站的运行进行模拟,并求解得到BESS最优容量配置结果。本发明通过考虑储能系统自身的损耗成本来实现火-储混合电站容量优化,从而能够提高火-储混合电站二次调频性能。
附图说明
图1是本发明提供的考虑储能损耗成本的火-储混合电站容量优化方法的流程示意图;
图2是本发明提供的火-储混合电站拓扑结构示意图;
图3是本发明提供的不同BESS容量下的火-储混合电站二次调频成本、收益、利润与AGC指令跟踪成功概率示意图;
图4是本发明提供的不同AGC跟踪偏差电量惩罚价格下的火-储混合电站运行利润示意图;
图5是本发明提供的不同BESS二次调频电量补偿价格下的火-储混合电站运行利润示意图;
图6是本发明提供的考虑储能损耗成本的火-储混合电站容量优化装置的结构示意图。
具体实施方式
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、完整的描述,显然,所描述的实施例仅仅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作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。
请参见图1,本发明实施例提供了一种考虑储能损耗成本的火-储混合电站容量优化方法,可以包括步骤:
S1、建立BESS损耗成本模型;
S2、基于所述BESS损耗成本模型,以火-储混合电站参与二次调频的利润增加额最大为优化目标,建立BESS容量优化模型;
S3、基于所述BESS容量优化模型,采用序贯蒙特卡洛模拟方法对火-储混合电站的运行进行模拟,并求解得到BESS最优容量配置结果
需要说明的是,针对BESS参与二次调频的问题,文献一《以净效益最大为目标的储能电池参与二次调频的容量配置方法》(电工技术学报,2019年,第34卷,第5期,第963-972页)提出了一种以净效益最大为目标,综合考虑实时出力、调频需求约束和荷电状态约束的的BESS参与二次调频的容量配置方法。文献二《混合储能参与自动发电控制容量优化配置》(电气技术,2021年,第22卷,第9期,第34-40页)提出了一种辅助二次调频的混合BESS功率分配和容量配置方法,构建了综合考虑BESS年平均成本和调频收益的混合BESS容量配置模型。文献三《储能电池参与电网二次调频的高效性评估》(太阳能学报,2019年,第40卷,第9期,第2608-2615页)阐述了BESS参与二次调频的两种信号模式,并定义在两者调频效果相同时BESS容量和调频机组容量之比为BESS的高效倍数,仿真验证评估两种模式下BESS高效倍数。然而,这些方法均未考虑BESS损耗成本,具有一定的局限性。
针对现有技术存在的不足,本发明实施例提供了一种公开了面向二次调频的考虑储能损耗成本的火-储混合电站容量优化方法,可以通过以下步骤实现:
S1:建立BESS损耗成本模型:
(1)BESS损耗成本模型:
公式(1)中:Vcost为BESS参与二次调频导致的损耗成本;Vinvest为单位容量BESS投资成本;Ec为BESS容量;Ddod,k为第k次充、放电循环对应的放电深度;m为BESS的充、放电循环次数;
(2)BESS循环寿命
公式(2)中:Mlife(Ddod,k)为放电深度Ddod,k下的电池循环寿命;al为拟合系数,由BESS技术特性决定。
S2:以火-储混合电站参与二次调频的利润增加额最大为优化目标建立BESS容量优化模型;
(1)BESS容量优化模型
maxVprofit=Vbenefit-Vcost (3)
公式(3)中:Vprofit为火-储混合电站参与二次调频的利润增加额;Vbenefit为BESS参与二次调频后,火-储混合电站的收益增加额,可由下式进行计算:
Vbenefit=ρ1(M′DEIT-MDEIT)+ρ2MTCDE (4)
公式(4)中:ρ1为AGC跟踪偏差电量(Deviation energy in tracking,DEIT)惩罚价格;M′DEIT、MDEIT分别为BESS参与二次调频前后,火-储混合电站实际出力与AGG目标出力间的电量偏差;ρ2为补偿价格,MTCDE为BESS典型日内的总充放电电量(Total changing-discharging energy,TCDE)。
(1)BESS容量优化模型约束:
MPOST≤β (5)
公式(5)中:MPOST为火-储混合电站典型日内AGC指令跟踪成功概率(Probabilityof successful tracking,POST),β为期望达到的AGC指令跟踪成功概率。
S3:采用序贯蒙特卡洛模拟方法对火-储混合电站的运行进行模拟,并给出BESS最优容量。
其中,所述序贯蒙特卡洛模拟方法,具体如下:
S3.1:给定最大模拟次数hmax,模拟次数索引h初始化为1;运行指标MDEIT、MTCDE、MPOST与Vcost初始化为零。
S3.2:AGC指令索引i初始化为1,即令i=1;将BESS分为容量相等的两部分接入火电厂(BESSⅠ与BESSⅡ),假定BESSⅠ与BESSⅡ初始充、放电状态分别为放电状态与充电状态;BESSⅠ与BESSⅡ的SOC均初始化为0.5,即令SⅠ,t=0.5、SⅠI,t=0.5。
S3.3:根据AGC指令随机特性,随机生成AGC指令i的持续时间、间隔时间、调节速率和调节方向。
S3.4:若AGC指令调节方向为正,则处于放电状态的BESS辅助火电机组二次调频,火电机组发电出力具体如下式所示:
公式(6)至(8)中:Pg,t为火电机组在时刻t的发电出力;i为AGC指令索引;Ts,i为AGC指令i的开始时刻;T1,i为火电机组在AGC指令周期i持续时间内跟踪上AGC指令目标出力的时刻;Ts,i+1为下一个AGC指令(即AGC指令i+1)的下发时刻;P0 g,i为火电机组在AGC指令i下发时刻的发电出力;PAGC,i为AGC指令i的目标出力;T2,i为火电机组在下一个AGC指令(即AGC指令i+1)下发之前跟踪上AGC指令i目标出力的时刻;vup为火电机组最大上爬坡速率。
BESS放电功率由下式所示:
公式(9)中:PI b,t为BESSⅠ在下一个AGC指令(即AGC指令i+1)下发之前的放电功率;PI dmax,t为BESSⅠ在时刻t能提供的最大放电功率,如公式(10)所示:
公式(10)中:Pdis为单位容量BESS额定放电功率;Ec为接入火电厂的BESS总容量;ηd为放电效率;ΔT为模拟时刻的长度;Smin为BESS荷电状态最小允许值;SⅠ,t为BESSⅠ在时刻t的荷电状态。
若AGC指令调节方向为负,则处于充电状态的BESS辅助火电机组二次调频,火电机组发电出力具体如下式所示:
公式(11)至(13)中:vdown为火电机组最大下爬坡速率。
BESS充电功率由下式所示:
公式(14)中:PII b,t为BESSⅡ在下一个AGC指令(即AGC指令i+1)下发之前的充电功率;PII cmax,t为BESSⅡ在时刻t能提供的最大充电功率,如公式(15)所示:
公式(15)中,Pch为单位容量BESS额定充电功率;ηc为充电效率;Smax为荷电状态最大允许值;SⅠI,t为BESSⅡ在时刻t的荷电状态。
S3.5:按下式更新BESSⅠ与BESSⅡ在AGC指令周期i内各时刻的SOC:
公式(16)至(17)中:SⅠ,t-1为BESSⅠ在前一时刻(即时刻t-1)的荷电状态;PI b,t-1为BESSⅠ在前一时刻(即时刻t-1)的放电功率;SⅠI,t-1为BESSⅡ在前一时刻(即时刻t-1)的荷电状态;PII b,t-1为BESSⅡ在前一时刻(即时刻t-1)的充电功率。
判断AGC指令周期i内是否有BESS到达满充或满放状态,若有,则同时切换两BESS的充、放电状态。
S3.6:判断本次模拟是否已覆盖整个评价周期,若已覆盖,则执行S3.7,否则,令AGC指令索引i=i+1,执行S3.3。
S3.7:计算本次模拟对应的运行指标MDEIT,h、MTCDE,h、MPOST,h与Vcost,h,具体如下:
公式(18)至(21)中:Nh为本次模拟中调度中下发的AGC指令数;Pd,t为火-储混合电站在时段t的发电出力;Pb,t为BESS I与BESS II在时刻t的充、放电功率之和;Pr{·}表示括号中事件发生的概率;为火-储混合电站在AGC指令i结束时刻Te,i的发电出力;mh为本次模拟中BESSⅠ、BESS II的充放电循环次数;DⅠ,k、DⅡ,k分别为BESSⅠ、BESS II第k次充、放电循环对应的放电深度;Mlife(DⅠ,k)、Mlife(DⅡ,k)分别为放电深度DⅠ,k、DⅡ,k下的电池循环寿命。
S3.8:按下式分别更新运行指标MDEIT、MTCDE、MPOST与Vcost;
S3.9:判断是否到达最大模拟次数hmax,若达到,则结束模拟,输出模拟结果;否则,则令模拟次数h=h+1,跳转至步骤1,继续进行模拟。
下面结合实际应用场景对本发明实施例提供的技术方案进行详细说明,算例调频电厂位于我国东南某省,机组额定容量为480MW,机组最大上、下爬坡速率均为15MW/min,AGC跟踪偏差电量惩罚价格ρ1为1000¥/MW·h。为提升AGC响应性能,将总容量为40MW·h的BESS按图2给出的方案接入算例调频电厂,即BESSⅠ与BESSⅡ的容量均为20MW·h,BESS二次调频电量补偿价格ρ2为500¥/MW·h。单位容量(即1MW·h)BESS的技术参数如表1所示。式(2)中参数a0、a1、a2、a3与a4分别为20230、-67467、86484、-37736、376,BESS容量优化中,期望达到的AGC指令跟踪成功概率为80%,即参数β的取值为80%。
表1BESS技术参数(1MW·h)
从附图3可看出,随着BESS容量增加,火-储混合电站二次调频收益增加额Vbenefit随之增大,但BESS损耗成本Vcost也随之增大。BESS容量较小时,若增加BESS配置容量,二次调频收益增加额Vbenefit的增速高于BESS损耗成本Vcost的增速,因此,火-储混合电站二次调频利润增加额Vprofit呈递增趋势。BESS容量增加到一定程度后,若进一步增加BESS配置容量,二次调频收益增加额Vbenefit的增加趋于平缓,但BESS损耗成本Vcost依旧线性上升,此时,火-储混合电站二次调频利润增加额Vprofit呈现递减趋势。从图3中可看出,当BESS配置容量为24MW·h时,火-储混合电站二次调频利润增加额Vprofit达到最大值¥35,117。
附图3显示:火-储混合电站典型日内的AGC指令跟踪成功概率MPOST随BESS容量增加而单调递增,不过,增幅逐渐递减,当BESS容量增加到一定程度后,呈现“饱和”趋势。当BESS容量增至20MW·h时,AGC指令跟踪成功概率MPOST超过80%,满足式(5)给出的AGC指令跟踪成功概率约束,因此,最优BESS配置容量为24MW·h。
从附图4可看出,当AGC跟踪偏差电量惩罚价格ρ1由1,000¥/(MW·h)下调为600¥/(MW·h)时,火-储混合电站二次调频利润增加额Vprofit显著下降,峰值向左移动,当BESS容量为18MW·h时,达到最大值¥14,479。但是,只有当BESS配置容量大于20MW·h时,AGC指令跟踪成功概率MPOST才能超过80%,即满足式(5)给出的约束。因此,当AGC跟踪偏差电量惩罚价格ρ1为600¥/(MW·h)时,BESS最优配置容量为20MW·h,对应的火-储混合电站二次调频利润增加额Vprofit为¥14,479。反之,当AGC跟踪偏差电量惩罚价格ρ1由1,000¥/(MW·h)上调为1400¥/(MW·h)时,火-储混合电站二次调频利润增加额Vprofit明显上升,峰值向右移动,当BESS容量为28MW·h时,达到最大值¥58,450。此时,AGC指令跟踪成功概率MPOST超过80%,满足式(5)给出的约束,也就是说,28MW·h为最优BESS配置容量。从以上分析可看出,调整AGC跟踪偏差电量惩罚价格ρ1将影响火-储混合电站二次调频利润增加额,进而影响BESS容量优化结果。
从附图5可看出,当BESS二次调频电量补偿价格ρ2由500¥/(MW·h)下调为300¥/(MW·h)时,火-储混合电站二次调频利润增加额Vprofit显著下降,峰值向左移动,当BESS容量为22MW·h时,达到最大值¥24,303。反之,当BESS二次调频电量补偿价格ρ2由500¥/(MW·h)下调为700¥/(MW·h)时,火-储混合电站二次调频利润增加额Vprofit显著上升,峰值向右移动,当BESS容量为26MW·h时,达到最大值¥46,617。对火-储混合电站来说,只要BESS配置容量大于20MW·h,AGC指令跟踪成功概率MPOST就能满足式(5)给出的约束,也就是说,当BESS二次调频电量补偿价格ρ2分别为300¥/(MW·h)与700¥/(MW·h)时,最优BESS配置容量分别为22MW·h与26MW·h。以上分析表明,调整BESS二次调频电量补偿价格ρ2同样会影响火-储混合电站二次调频利润增加额Vprofit与BESS容量优化结果。
需要说明的是,对于以上方法或流程实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于可选实施例,所涉及的动作并不一定是本发明实施例所必须的。
请参见图6,本发明实施例还提供一种考虑储能损耗成本的火-储混合电站容量优化装置,包括:
模型构建模块1,用于建立BESS损耗成本模型;
模型优化模块2,用于基于所述BESS损耗成本模型,以火-储混合电站参与二次调频的利润增加额最大为优化目标,建立BESS容量优化模型;
模拟求解模块3,用于基于所述BESS容量优化模型,采用序贯蒙特卡洛模拟方法对火-储混合电站的运行进行模拟,并求解得到BESS最优容量配置结果。
可以理解的是上述装置项实施例,是与本发明方法项实施例相对应的,本发明实施例提供的一种考虑储能损耗成本的火-储混合电站容量优化装置,可以实现本发明任意一项方法项实施例提供的考虑储能损耗成本的火-储混合电站容量优化方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现任一项所述的考虑储能损耗成本的火-储混合电站容量优化方法。
需说明的是,以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。另外,本发明提供的装置实施例附图中,模块之间的连接关系表示它们之间具有通信连接,具体可以实现为一条或多条通信总线或信号线。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
所述领域的技术人员可以清楚地了解到,为了方便和简洁,上述描述的装置的具体工作过程,可参考前述方法实施例中对应的过程,在此不再赘述。
终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述终端设备可包括,但不仅限于,处理器、存储器。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,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。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述终端设备的控制中心,利用各种接口和线路连接整个终端设备的各个部分。
所述存储器可用于存储所述计算机程序,所述处理器通过运行或执行存储在所述存储器内的计算机程序,以及调用存储在存储器内的数据,实现所述终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序等;存储数据区可存储根据手机的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
所述存储介质为计算机可读存储介质,所述计算机程序存储在所述计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种考虑储能损耗成本的火-储混合电站容量优化方法,其特征在于,包括:
建立BESS损耗成本模型;
基于所述BESS损耗成本模型,以火-储混合电站参与二次调频的利润增加额最大为优化目标,建立BESS容量优化模型;
基于所述BESS容量优化模型,采用序贯蒙特卡洛模拟方法对火-储混合电站的运行进行模拟,并求解得到BESS最优容量配置结果。
2.根据权利要求1所述的考虑储能损耗成本的火-储混合电站容量优化方法,其特征在于,所述BESS损耗成本模型表示为:
式中:Vcost为BESS参与二次调频导致的损耗成本;Vinvest为单位容量BESS投资成本;Ec为BESS容量;Ddod,k为第k次充、放电循环对应的放电深度;m为BESS的充、放电循环次数;Mlife(Ddod,k)为放电深度Ddod,k下的电池循环寿命,采用四阶函数拟合,其表示为:
式中,al为拟合系数,其由BESS技术特性决定。
3.根据权利要求2所述的考虑储能损耗成本的火-储混合电站容量优化方法,其特征在于,所述BESS容量优化模型表示为:
maxVprofit=Vbenefit-Vcost
式中,Vprofit为火-储混合电站参与二次调频的利润增加额;Vbenefit为BESS参与二次调频后,火-储混合电站的收益增加额,由下式进行计算:
Vbenefit=ρ1(M′DEIT-MDEIT)+ρ2MTCDE
式中,ρ1为AGC跟踪偏差电量惩罚价格;M′DEIT、MDEIT分别为BESS参与二次调频前后,火-储混合电站实际出力与AGG目标出力间的电量偏差;ρ2为补偿价格,MTCDE为BESS典型日内的总充放电电量;
BESS容量优化模型包括以下约束:
MPOST≤β
式中,MPOST为火-储混合电站典型日内AGC指令跟踪成功概率,β为期望达到的AGC指令跟踪成功概率。
4.根据权利要求3所述的考虑储能损耗成本的火-储混合电站容量优化方法,其特征在于,所述基于所述BESS容量优化模型,采用序贯蒙特卡洛模拟方法对火-储混合电站的运行进行模拟,并求解得到BESS最优容量配置结果,具体包括:
S3.1:设定最大模拟次数hmax,模拟次数索引h初始化为1;运行指标MDEIT、MTCDE、MPOST与Vcost初始化为零;
S3.2:AGC指令索引i初始化为1,即令i=1;将BESS分为容量相等的两部分接入火电厂,假定第一部分BESS与第二部分BESS初始充、放电状态分别为放电状态与充电状态;第一部分BESS与第二部分BESS的SOC均初始化为0.5,即令SⅠ,t=0.5、SⅠI,t=0.5;
S3.3:根据AGC指令随机特性,随机生成AGC指令i的持续时间、间隔时间、调节速率和调节方向;
S3.4:若AGC指令调节方向为正,则控制处于放电状态的BESS辅助火电机组进行二次调频,火电机组发电出力表示为:
式中,Pg,t为火电机组在时刻t的发电出力;i为AGC指令索引;Ts,i为AGC指令i的开始时刻;T1,i为火电机组在AGC指令周期i持续时间内跟踪上AGC指令目标出力的时刻;Ts,i+1为下一个AGC指令的下发时刻;P0 g,i为火电机组在AGC指令i下发时刻的发电出力;PAGC,i为AGC指令i的目标出力;T2,i为火电机组在下一个AGC指令下发之前跟踪上AGC指令i目标出力的时刻;vup为火电机组最大上爬坡速率;
BESS放电功率表示为:
式中,PI b,t为第一部分BESS在下一个AGC指令下发之前的放电功率;PI dmax,t为第一部分BESS在时刻t能提供的最大放电功率,其表示为:
式中,Pdis为单位容量BESS额定放电功率;Ec为接入火电厂的BESS总容量;ηd为放电效率;ΔT为模拟时刻的长度;Smin为BESS荷电状态最小允许值;SⅠ,t为第一部分BESS在时刻t的荷电状态;
若AGC指令调节方向为负,则控制处于充电状态的BESS辅助火电机组进行二次调频,火电机组发电出力表示为:
式中,vdown为火电机组最大下爬坡速率;
BESS充电功率表示为:
式中,PII b,t为第二部分BESS在下一个AGC指令下发之前的充电功率;PII cmax,t为第二部分BESS在时刻t能提供的最大充电功率,其表示为:
式中,Pch为单位容量BESS额定充电功率;ηc为充电效率;Smax为荷电状态最大允许值;SⅠI,t为第二部分BESS在时刻t的荷电状态;
S3.5:按下式更新第一部分BESS与第二部分BESS在AGC指令周期i内各时刻的SOC:
式中,SⅠ,t-1为第一部分BESS在前一时刻的荷电状态;PIb,t-1为第一部分BESS在前一时刻的放电功率;SⅠI,t-1为第二部分BESS在前一时刻的荷电状态;PIIb,t-1为第二部分BESS在前一时刻的充电功率;
判断AGC指令周期i内是否有BESS到达满充或满放状态,若有,则同时切换两部分BESS的充、放电状态;
S3.6:判断本次模拟是否已覆盖整个评价周期,若已覆盖,则执行S3.7,否则,令AGC指令索引i=i+1,执行S3.3;
S3.7:计算本次模拟对应的运行指标MDEIT,h、MTCDE,h、MPOST,h与Vcost,h,具体计算方式为:
式中,Nh为本次模拟中调度中下发的AGC指令数;Pd,t为火-储混合电站在时段t的发电出力;Pb,t为第一部分BESS与第二部分BESS在时刻t的充、放电功率之和;Pr{·}表示括号中事件发生的概率;为火-储混合电站在AGC指令i结束时刻Te,i的发电出力;mh为本次模拟中第一部分BESS、第二部分BESS的充放电循环次数;DⅠ,k、DⅡ,k分别为第一部分BESS、第二部分BESS第k次充、放电循环对应的放电深度;Mlife(DⅠ,k)、Mlife(DⅡ,k)分别为放电深度DⅠ,k、DⅡ,k下的电池循环寿命;
S3.8:按下式分别更新运行指标MDEIT、MTCDE、MPOST与Vcost;
S3.9:判断是否到达最大模拟次数hmax,若达到,则结束模拟,输出模拟结果,并基于模拟结果确定BESS最优容量配置结果;否则,则令模拟次数h=h+1,跳转至步骤S3.1,继续进行模拟。
5.一种考虑储能损耗成本的火-储混合电站容量优化装置,其特征在于,包括:
模型构建模块,用于建立BESS损耗成本模型;
模型优化模块,用于基于所述BESS损耗成本模型,以火-储混合电站参与二次调频的利润增加额最大为优化目标,建立BESS容量优化模型;
模拟求解模块,用于基于所述BESS容量优化模型,采用序贯蒙特卡洛模拟方法对火-储混合电站的运行进行模拟,并求解得到BESS最优容量配置结果。
6.根据权利要求5所述的考虑储能损耗成本的火-储混合电站容量优化装置,其特征在于,所述BESS损耗成本模型表示为:
式中:Vcost为BESS参与二次调频导致的损耗成本;Vinvest为单位容量BESS投资成本;Ec为BESS容量;Ddod,k为第k次充、放电循环对应的放电深度;m为BESS的充、放电循环次数;Mlife(Ddod,k)为放电深度Ddod,k下的电池循环寿命,采用四阶函数拟合,其表示为:
式中,al为拟合系数,其由BESS技术特性决定。
7.根据权利要求6所述的考虑储能损耗成本的火-储混合电站容量优化装置,其特征在于,所述BESS容量优化模型表示为:
maxVprofit=Vbenefit-Vcost
式中,Vprofit为火-储混合电站参与二次调频的利润增加额;Vbenefit为BESS参与二次调频后,火-储混合电站的收益增加额,由下式进行计算:
Vbenefit=ρ1(M′DEIT-MDEIT)+ρ2MTCDE
式中,ρ1为AGC跟踪偏差电量惩罚价格;M′DEIT、MDEIT分别为BESS参与二次调频前后,火-储混合电站实际出力与AGG目标出力间的电量偏差;ρ2为补偿价格,MTCDE为BESS典型日内的总充放电电量;
BESS容量优化模型包括以下约束:
MPOST≤β
式中,MPOST为火-储混合电站典型日内AGC指令跟踪成功概率,β为期望达到的AGC指令跟踪成功概率。
8.根据权利要求7所述的考虑储能损耗成本的火-储混合电站容量优化装置,其特征在于,所述基于所述BESS容量优化模型,采用序贯蒙特卡洛模拟方法对火-储混合电站的运行进行模拟,并求解得到BESS最优容量配置结果,具体包括:
S3.1:设定最大模拟次数hmax,模拟次数索引h初始化为1;运行指标MDEIT、MTCDE、MPOST与Vcost初始化为零;
S3.2:AGC指令索引i初始化为1,即令i=1;将BESS分为容量相等的两部分接入火电厂,假定第一部分BESS与第二部分BESS初始充、放电状态分别为放电状态与充电状态;第一部分BESS与第二部分BESS的SOC均初始化为0.5,即令SⅠ,t=0.5、SⅠI,t=0.5;
S3.3:根据AGC指令随机特性,随机生成AGC指令i的持续时间、间隔时间、调节速率和调节方向;
S3.4:若AGC指令调节方向为正,则控制处于放电状态的BESS辅助火电机组进行二次调频,火电机组发电出力表示为:
式中,Pg,t为火电机组在时刻t的发电出力;i为AGC指令索引;Ts,i为AGC指令i的开始时刻;T1,i为火电机组在AGC指令周期i持续时间内跟踪上AGC指令目标出力的时刻;Ts,i+1为下一个AGC指令的下发时刻;P0 g,i为火电机组在AGC指令i下发时刻的发电出力;PAGC,i为AGC指令i的目标出力;T2,i为火电机组在下一个AGC指令下发之前跟踪上AGC指令i目标出力的时刻;vup为火电机组最大上爬坡速率;
BESS放电功率表示为:
式中,PI b,t为第一部分BESS在下一个AGC指令下发之前的放电功率;PI dmax,t为第一部分BESS在时刻t能提供的最大放电功率,其表示为:
式中,Pdis为单位容量BESS额定放电功率;Ec为接入火电厂的BESS总容量;ηd为放电效率;ΔT为模拟时刻的长度;Smin为BESS荷电状态最小允许值;SⅠ,t为第一部分BESS在时刻t的荷电状态;
若AGC指令调节方向为负,则控制处于充电状态的BESS辅助火电机组进行二次调频,火电机组发电出力表示为:
式中,vdown为火电机组最大下爬坡速率;
BESS充电功率表示为:
式中,PII b,t为第二部分BESS在下一个AGC指令下发之前的充电功率;PII cmax,t为第二部分BESS在时刻t能提供的最大充电功率,其表示为:
式中,Pch为单位容量BESS额定充电功率;ηc为充电效率;Smax为荷电状态最大允许值;SⅠI,t为第二部分BESS在时刻t的荷电状态;
S3.5:按下式更新第一部分BESS与第二部分BESS在AGC指令周期i内各时刻的SOC:
式中,SⅠ,t-1为第一部分BESS在前一时刻的荷电状态;PIb,t-1为第一部分BESS在前一时刻的放电功率;SⅠI,t-1为第二部分BESS在前一时刻的荷电状态;PIIb,t-1为第二部分BESS在前一时刻的充电功率;
判断AGC指令周期i内是否有BESS到达满充或满放状态,若有,则同时切换两部分BESS的充、放电状态;
S3.6:判断本次模拟是否已覆盖整个评价周期,若已覆盖,则执行S3.7,否则,令AGC指令索引i=i+1,执行S3.3;
S3.7:计算本次模拟对应的运行指标MDEIT,h、MTCDE,h、MPOST,h与Vcost,h,具体计算方式为:
式中,Nh为本次模拟中调度中下发的AGC指令数;Pd,t为火-储混合电站在时段t的发电出力;Pb,t为第一部分BESS与第二部分BESS在时刻t的充、放电功率之和;Pr{·}表示括号中事件发生的概率;为火-储混合电站在AGC指令i结束时刻Te,i的发电出力;mh为本次模拟中第一部分BESS、第二部分BESS的充放电循环次数;DⅠ,k、DⅡ,k分别为第一部分BESS、第二部分BESS第k次充、放电循环对应的放电深度;Mlife(DⅠ,k)、Mlife(DⅡ,k)分别为放电深度DⅠ,k、DⅡ,k下的电池循环寿命;
S3.8:按下式分别更新运行指标MDEIT、MTCDE、MPOST与Vcost;
S3.9:判断是否到达最大模拟次数hmax,若达到,则结束模拟,输出模拟结果,并基于模拟结果确定BESS最优容量配置结果;否则,则令模拟次数h=h+1,跳转至步骤S3.1,继续进行模拟。
9.一种终端设备,包括处理器和存储有计算机程序的存储器,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至4任一项所述的考虑储能损耗成本的火-储混合电站容量优化方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至4任一项所述的考虑储能损耗成本的火-储混合电站容量优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310399373.XA CN116454946B (zh) | 2023-04-13 | 2023-04-13 | 考虑储能损耗成本的火-储混合电站容量优化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310399373.XA CN116454946B (zh) | 2023-04-13 | 2023-04-13 | 考虑储能损耗成本的火-储混合电站容量优化方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116454946A true CN116454946A (zh) | 2023-07-18 |
CN116454946B CN116454946B (zh) | 2023-10-10 |
Family
ID=87128309
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310399373.XA Active CN116454946B (zh) | 2023-04-13 | 2023-04-13 | 考虑储能损耗成本的火-储混合电站容量优化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116454946B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112529257A (zh) * | 2020-11-25 | 2021-03-19 | 华中科技大学 | 一种计及agc信号影响的储能电站联合优化方法及系统 |
CN113315168A (zh) * | 2018-10-09 | 2021-08-27 | 南通大学 | 基于序贯蒙特卡洛模拟的风-储混合电站运行模拟方法 |
CN113361715A (zh) * | 2021-06-24 | 2021-09-07 | 南通大学 | 一种基于遗传算法的风-储混合电站日运行策略优化方法 |
CN115498698A (zh) * | 2022-10-27 | 2022-12-20 | 国电南京自动化股份有限公司 | 一种基于调频服务的新型光-储电站容量规划方法 |
WO2023274425A1 (zh) * | 2021-06-28 | 2023-01-05 | 国网甘肃省电力公司电力科学研究院 | 一种风光水火储系统的多能容量优化配置方法 |
-
2023
- 2023-04-13 CN CN202310399373.XA patent/CN116454946B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113315168A (zh) * | 2018-10-09 | 2021-08-27 | 南通大学 | 基于序贯蒙特卡洛模拟的风-储混合电站运行模拟方法 |
CN112529257A (zh) * | 2020-11-25 | 2021-03-19 | 华中科技大学 | 一种计及agc信号影响的储能电站联合优化方法及系统 |
CN113361715A (zh) * | 2021-06-24 | 2021-09-07 | 南通大学 | 一种基于遗传算法的风-储混合电站日运行策略优化方法 |
WO2023274425A1 (zh) * | 2021-06-28 | 2023-01-05 | 国网甘肃省电力公司电力科学研究院 | 一种风光水火储系统的多能容量优化配置方法 |
CN115498698A (zh) * | 2022-10-27 | 2022-12-20 | 国电南京自动化股份有限公司 | 一种基于调频服务的新型光-储电站容量规划方法 |
Non-Patent Citations (2)
Title |
---|
张新松;袁越;茅靖峰;顾菊平;曹阳;华亮;郭晓丽;: "基于蒙特卡洛模拟的电池储能系统容量优化配置", 电力自动化设备, vol. 37, no. 04, pages 87 - 93 * |
张新松等: "用于风功率波动平抑的储能运行策略对比分析", 《高电压技术》, vol. 45, no. 09, pages 2797 - 2805 * |
Also Published As
Publication number | Publication date |
---|---|
CN116454946B (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109146320B (zh) | 一种考虑配电网安全性的虚拟电厂优化调度方法 | |
CN112529249B (zh) | 一种计及绿证交易的虚拟电厂优化调度及交易管理方法 | |
CN114820046A (zh) | 一种区域电网混合储能辅助调频经济优化与补偿定价方法 | |
CN112332454A (zh) | 基于含抽蓄柔性直流输电系统的电池储能处理方法及装置 | |
CN113689068B (zh) | 一种电力电量平衡规划方法、装置及终端设备 | |
CN112564160B (zh) | 一种计及风电不确定性的储能系统随机配置方法、终端及存储介质 | |
CN114036825A (zh) | 多虚拟电厂的协同优化调度方法、装置、设备及存储介质 | |
CN116454946B (zh) | 考虑储能损耗成本的火-储混合电站容量优化方法及装置 | |
CN109638886B (zh) | 一种基于CVaR的风电日前出力申报优化方法 | |
CN109617100B (zh) | 一种数据驱动的风电场储能容量规划方法 | |
CN116613733A (zh) | 计及源荷不确定性的多元能源系统优化调度方法及装置 | |
CN116454943B (zh) | 考虑agc指令随机特性的火-储混合电站模拟方法及装置 | |
CN115549137A (zh) | 分布式电网调控系统及调控方法 | |
CN112909932B (zh) | 一种调峰型虚拟电厂的优化方法及终端 | |
CN115764936A (zh) | 电网储能配置的优化方法、装置、设备及存储介质 | |
CN113919657A (zh) | 一种含梯级水电的电力市场出清方法、装置、设备及介质 | |
CN109066797B (zh) | 含光伏发电的电力系统运行控制方法及装置 | |
CN110401210A (zh) | 需求响应参与下风电储能系统调度方法 | |
CN114640104A (zh) | 储能系统运行优化方法、系统及可读存储介质 | |
CN116454945B (zh) | 基于电池储能系统的火-储混合电站协同运行方法及装置 | |
CN113077096B (zh) | 一种电力交易中心计划电比例确定方法 | |
CN115438521B (zh) | 虚拟电厂参与的电力市场出清方法、装置、设备及介质 | |
CN117526376B (zh) | 一种虚拟电厂的光伏发电与储能聚合管理方法及装置 | |
CN117638972A (zh) | 一种储能辅助火电机组一次调频控制方法及系统 | |
CN116722585A (zh) | 一种基于市场化的抽水蓄能电站调度方法、介质及设备 |
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 |