CN116526519A - 提升电网灵活性的储能容量优化配置方法及装置 - Google Patents

提升电网灵活性的储能容量优化配置方法及装置 Download PDF

Info

Publication number
CN116526519A
CN116526519A CN202310354246.8A CN202310354246A CN116526519A CN 116526519 A CN116526519 A CN 116526519A CN 202310354246 A CN202310354246 A CN 202310354246A CN 116526519 A CN116526519 A CN 116526519A
Authority
CN
China
Prior art keywords
energy storage
flexibility
power grid
storage capacity
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.)
Pending
Application number
CN202310354246.8A
Other languages
English (en)
Inventor
范越
郑波珅
汪莹
魏韡
王炜
王聪
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.)
Northwest Branch Of State Grid Corp Of China
Tsinghua University
Original Assignee
Northwest Branch Of State Grid Corp Of China
Tsinghua University
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 Northwest Branch Of State Grid Corp Of China, Tsinghua University filed Critical Northwest Branch Of State Grid Corp Of China
Priority to CN202310354246.8A priority Critical patent/CN116526519A/zh
Publication of CN116526519A publication Critical patent/CN116526519A/zh
Pending legal-status Critical Current

Links

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种提升电网灵活性的储能容量优化配置方法及装置，通过获取电网运行灵活性优化模型，电网运行灵活性优化模型根据灵活性指标构建；将电网运行灵活性优化模型转换为灵活性指标关于储能容量参数的线性解析函数；获取投资成本关于储能容量参数的储能成本模型；根据线性解析函数函数和储能成本模型获取储能优化配置结果，由于线性解析函数易于求解，因此，可以减少计算量，通过加入灵活性指标，可以提升灵活性调节的灵敏度，促进新能源的消纳，支撑新型电力系统低碳建设。

Description

提升电网灵活性的储能容量优化配置方法及装置
技术领域
本发明涉及储能优化配置技术领域，尤其涉及一种提升电网灵活性的储能容量优化配置方法及装置。
背景技术
随着新能源广泛接入电力系统，电力系统电源侧发生了显著变化，传统可控的火电机组在逐步退出运行，同时，不可控的风电、光伏成为了发电主力。由于电力系统需要时刻保持电力供需平衡，当电力供应或者需求发生变化时，电力系统需要及时调节，从而实现电力供需的动态平衡，保障电力系统频率稳定运行，因此灵活性调节对整个电网的正常运行起到关键作用。对于新能源接入的电网，合理配置储能可以提高电网运行灵活性。
传统的储能容量配置是通过对储能容量下带来的收益价值进行评估来不断优化储能容量配置，即通过求解储能容量配置模型对应的优化问题对储能容量价值进行评估，以得到配置结果。但在灵活性调节过程中，储能容量不断变化，当储能容量变化时，需要重新求解优化问题，不仅计算复杂，而且灵敏度差，难以快速、定量反映出储能容量变化对电网中其他模块的影响，导致储能容量配置不合理，影响电网运行灵活性。
发明内容
本发明提供一种提升电网灵活性的储能容量优化配置方法及装置，用以解决传统的储能容量优化配置方法在容量评估计算复杂，而且容量变化反应的灵敏度差的缺陷。
本发明提供一种提升电网灵活性的储能容量优化配置方法，包括：
获取电网运行灵活性优化模型，所述电网运行灵活性优化模型根据灵活性指标构建；
将所述电网运行灵活性优化模型转换为灵活性指标关于储能容量参数的线性解析函数；
获取投资成本关于储能容量参数的储能成本模型；
根据所述线性解析函数函数和所述储能成本模型获取储能优化配置结果。
根据本发明提供的一种提升电网灵活性的储能容量优化配置方法，所述电网运行灵活性优化模型构建方法，包括：
根据电网中可控资源和不可控资源的功率差构建灵活性指标；
以灵活性指标最大化为优化目标，基于火电机组运行约束、储能运行约束、可控资源约束构建电网运行灵活性优化模型。
根据本发明提供的一种提升电网灵活性的储能容量优化配置方法，所述可控资源功率包括火电机组出力值、火电机组出力和储能充放电功率；
所述不可控资源功率为新能源功率。
根据本发明提供的一种提升电网灵活性的储能容量优化配置方法，所述将所述电网运行灵活性优化模型转换为灵活性指标关于储能容量的线性解析函数包括：
以储能容量为参数，以灵活性指标为目标构建电网调度参数规划模型；
求解所述电网调度参数规划模型，获取灵活性指标关于储能容量的分段线性函数，将所述灵活性指标关于储能容量的分段线性函数作为线性解析函数。
根据本发明提供的一种提升电网灵活性的储能容量优化配置方法，所述求解所述电网调度参数规划模型包括：
将所述电网调度参数规划模型转化为多参数线性规划基本模型；
求解所述多参数线性规划基本模型，获取所有覆盖参数可行域的关键区域；
将所述关键区域与电网调度参数规划模型的储能优化参数映射转换，获取灵活性指标关于储能容量参数的分段线性函数。
根据本发明提供的一种提升电网灵活性的储能容量优化配置方法，所述获取投资成本关于储能容量参数的储能成本模型，包括：
根据单位能量容量和能量容量参数获取能量容量投资成本，以及，根据单位功率容量和功率容量参数获取功率容量投资成本；
基于所述能量容量投资成本和功率容量投资成本获取储能成本模型。
根据本发明提供的一种提升电网灵活性的储能容量优化配置方法，所述根据所述线性解析函数函数和所述储能成本模型获取储能优化配置结果，包括：
根据所述线性解析函数函数和所述储能成本模型构建基于纳什谈判的储能优化配置模型；
采样多个储能容量参数点，根据多个储能容量参数点对应的灵活性指标和储能投资成本绘制出Pareto前沿；
从Pareto前沿中选择使得所述基于纳什谈判的储能优化配置模型输出值最大的点，将所述基于纳什谈判的储能优化配置模型输出值最大的点对应的储能容量参数作为储能优化配置结果。
本发明还提供一种提升电网灵活性的储能容量优化配置装置，包括：
第一获取模块，用于获取电网运行灵活性优化模型；
转换模块，用于将所述电网运行灵活性优化模型转换为灵活性指标关于储能容量参数的线性解析函数；
第二获取模块，用于获取投资成本关于储能容量参数的储能成本模型；
输出模块，用于根据所述线性解析函数函数和所述储能成本模型获取储能优化配置结果。
本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述的提升电网灵活性的储能容量优化配置方法。
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如上述任一种所述的提升电网灵活性的储能容量优化配置方法。
本发明提供的提升电网灵活性的储能容量优化配置方法及装置，通过获取电网运行灵活性优化模型，电网运行灵活性优化模型根据灵活性指标构建；将电网运行灵活性优化模型转换为灵活性指标关于储能容量参数的线性解析函数；获取投资成本关于储能容量参数的储能成本模型；根据线性解析函数函数和储能成本模型获取储能优化配置结果，由于线性解析函数易于求解，因此，可以减少计算量，通过加入灵活性指标，可以提升灵活性调节的灵敏度，促进新能源的消纳，支撑新型电力系统低碳建设。
附图说明
为了更清楚地说明本发明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是本发明提供的提升电网灵活性的储能容量优化配置方法的流程示意图之一；
图2是本发明提供的提升电网灵活性的储能容量优化配置方法的流程示意图之二；
图3是本发明提供的电力系统可用资源和不可控资源属性划分示意图；
图4是本发明提供的几何方法的示意图；
图5是本发明提供的多参数线性规划求解流程示意图；
图6是本发明提供的提升电网灵活性的储能容量优化配置方法的流程示意图之三；
图7是本发明提供的纳什谈判结果和储能容量配置结果示意图；
图8是本发明提供的提升电网灵活性的储能容量优化配置装置的结构示意图；
图9是本发明提供的电子设备的结构示意图。
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，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有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。
图1为本发明实施例提供的提升电网灵活性的储能容量优化配置方法的流程图，如图1所示，本发明实施例提供的提升电网灵活性的储能容量优化配置方法包括：
步骤101、获取电网运行灵活性优化模型，所述电网运行灵活性优化模型根据灵活性指标构建；
步骤102、将电网运行灵活性优化模型转换为灵活性指标关于储能容量参数的线性解析函数；
步骤103、获取投资成本关于储能容量参数的储能成本模型；
步骤104、根据线性解析函数函数和储能成本模型获取储能优化配置结果。
传统的储能容量配置是通过对储能容量下带来的收益价值进行评估来不断优化储能容量配置，即通过求解储能容量配置模型对应的优化问题对储能容量价值进行评估，以得到配置结果。但在灵活性调节过程中，储能容量不断变化，当储能容量变化时，需要重新求解优化问题，不仅计算复杂，而且灵敏度差，难以快速、定量反映出储能容量变化对电网中其他模块的影响，导致储能容量配置不合理，影响电网运行灵活性。
本发明实施例提供的提升电网灵活性的储能容量优化配置方法，通过获取电网运行灵活性优化模型，电网运行灵活性优化模型根据灵活性指标构建；将电网运行灵活性优化模型转换为灵活性指标关于储能容量参数的线性解析函数；获取投资成本关于储能容量参数的储能成本模型；根据线性解析函数函数和储能成本模型获取储能优化配置结果，由于线性解析函数易于求解，因此，可以减少计算量，通过加入灵活性指标，可以提升灵活性调节的灵敏度，促进新能源的消纳，支撑新型电力系统低碳建设。
基于上述任一实施例，如图2所示，电网运行灵活性优化模型构建方法包括：
步骤201、根据电网中可控资源和不可控资源的功率差构建灵活性指标；
在本发明实施例中，可控资源功率包括火电机组出力值、火电机组出力和储能充放电功率，不可控资源功率为新能源功率。在构建灵活性指标前首先划分电力系统资源属性，实现确定性资源与不确定性资源的解耦。其中负荷、火电机组、储能等为可控资源，而新能源出力为不可控资源。基于上述划分和电力系统能量实时平衡的特性，定义电网灵活性指标为电网可控资源功率跟随不可控资源功率变化的能力，即当新能源出力在一定范围内波动时，可控资源通过调节自身出力，跟随新能源的出力。因此，该灵活性指标体现出电力系统可控资源应对新能源出力不确定性的能力。
电力系统资源划分情况如图3所示。由于负荷可以提前预测，且预测精度较高，因此被视为可控资源；火电机组可按照日前机组组合开停机，并根据日内计划出力，因此被视为可控资源；储能可以通过指令控制其充放电，亦可视为可控资源；电网中还可能有水电站、燃气轮机等可控资源。而新能源出力受天气影响，波动性大且难以准确预测，长期的准确预测更是困难，而只能预测出力区间，因此为不可控资源。
可控功率值定义为其中/>是火电机组出力；/>为负荷预测值；/>为储能充放电功率，可控功率值具体计算方法为：
通过调节可控资源的出力，可以调节的大小；将可控功率/>能够达到的范围定义为/>其中/>分别为可控资源在时刻t能够达到的出力下界/上界。
不可控功率值为新能源由于新能源出力难以准确预测，只能获得其可能的波动区间，故可定义新能源出力区间预测值为/>其中/>分别为新能源在时刻t预测出力下界/上界。
定义灵活性指标f为
其中新能源预测出力区间提前给定，可控功率区间/>可在求解该电网运行灵活性优化模型获得。灵活性指标f的取值范围为[0，1]，指标越大，表明系统调度灵活性越高。其物理意义表示可控功率/>要尽可能跟随新能源出力/>体现出电力系统应对新能源出力不确定性的能力，即反映出电力系统调度灵活性。
步骤202、以灵活性指标最大化为优化目标，基于火电机组运行约束、储能运行约束、可控资源约束构建电网运行灵活性优化模型。
在本发明实施例中，基于电力系统机组组合模型，构建电网灵活运行模型，并使用线性化方法，将其中的整数变量转化为线性决策变量，其中。火电机组运行约束、储能运行约束、可控资源约束具体包括：
在本发明实施例中，火电机组运行约束为
其中，λg为火电机组最小出力系数,为火电机组最大上爬坡，/>为火电机组最大下爬坡，Tg，on为火电机组最短开机时间，T为调度周期,/>为火电机组开机信号变量,为火电机组停机信号变量。
约束(1-1)-(1-6)为火电机组运行约束。约束(1-1)为火电机组出力约束，0-1变量为机组启停状态。约束(1-2)，(1-3)为机组爬坡约束。约束(1-4)，(1-5)是机组开启/关闭状态持续时间。约束(1-6)是机组启停状态变量和启停信号变量/>之间的关系，机组只会在状态发生变化时/>为1。
储能运行约束为：
其中为储能自放电率，/>为储能充电效率，/>为储能放电效率，Δt为时间间隔，αs为储能容量下界系数，/>为调度周期，储能参数包括储能能量容量/>和储能功率容量/>约束(2-1)为充放电约束，0-1变量/>为充放电状态，1表示充电，0表示放电，储能不能同时充放电。约束(2-2)-(2-3)为储能存储电量的动态方程，且所存电量不能超过储能最大能量容量和最小能量容量。
可控资源约束为：
为了方便后续公式表述，将所有0-1变量和/>线性化，并将所有决策变量记作x，可以将上述约束改为
可控资源功率总和
g(x)≤0：火电储能运行约束
电网灵活运行模型为：
设储能容量参数为 表示投资建设的储能能量容量和功率容量。无储能时，灵活性指标值为f(0)，含储能时，灵活性指标值为f(θ)。
在该电网运行灵活性优化模型中，使用线性化方法，将模型中的整数决策变量线性化，从而将优化问题转化为线性规划问题。在该线性规划中，给定不同的储能容量，就会得到不同的灵活性指标值，灵敏度更高。
基于上述任一实施例，将电网运行灵活性优化模型转换为灵活性指标关于储能容量的线性解析函数包括：
步骤301、以储能容量为参数，以灵活性指标为目标构建电网调度参数规划模型；
步骤302、求解电网调度参数规划模型，获取灵活性指标关于储能容量的分段线性函数，将灵活性指标关于储能容量的分段线性函数作为线性解析函数。
在本发明实施例中，求解电网调度参数规划模型包括：
步骤3021、将电网调度参数规划模型转化为多参数线性规划基本模型；
在本发明实施例中，参数规划是一种优化问题分析方法。对于某一优化问题，将其中的若干参数视为变量并规定其参数域，参数规划可以系统性地将参数域进行划分，并给出每一个子区域内优化问题最优值和最优解与参数之间的解析函数表达式。通过将电网调度参数规划模型转化为多参数线性规划基本模型，将储能容量视为参数，可以帮助决策者获得更加全面的决策信息。
步骤3022、求解多参数线性规划基本模型，获取所有覆盖参数可行域的关键区域；
步骤4023、将关键区域与电网调度参数规划模型的储能优化参数映射转换，获取灵活性指标关于储能容量参数的分段线性函数。
在本发明实施例中，以储能容量为参数，以最大化调度灵活性指标f(θ)为目标，建立的机组出力、储能运行等约束的电网调度参数规划模型是一个含储能参数的线性规划问题，因此可以转化为多参数线性规划模型。利用线性规划对偶理论和多参数规划理论，可证明灵活性指标f(θ)和储能容量参数/>之间为一系列分段线性函数关系。采用均匀采样方法求解一系列线性规划，可以得到分段线性函数的一次项和常数项系数，从而求出调度灵活性指标关于储能容量参数的变化规律。
多参数线性规划基本模型为
s.t.Ax≤b+Fθ
θ∈Θ：＝{θ|Sθ≤h}
其中，θ为参数向量，Θ为参数可行域，v(θ)为最优值函数，cT为目标函数中的常数向量，A为约束条件中变量x的常数矩阵，b为常数向量，F为参数向量θ的常数矩阵，S和h分别为储能容量上下界约束和投资预算约束。
固定θ＝θ0后，上述参数线性规划模型转化为线性规划问题；求解该线性规划可以得到参数θ0下的最优解x0以及对应的拉格朗日乘子λ0。基于此，可以得到起作用约束集：
Akx0＝bk+Fkθ0
λ0，k≥0
其中，Ak为矩阵A第k行，bk为向量b第k个元素，λ0，k为第k行约束所对应的对偶变量。
根据灵敏度基本定理，当参数θ在θ0周围一定区域内变化时，线性规划最优解对应的起作用约束集不变。假定不存在退化问题，在该区域内，线性规划的最优解及对应的拉格朗日乘子满足：
λ＝λ0
基于上式可知，线性规划的最优值是参数的仿射线性函数，而拉格朗日乘子不随参数的变化而变化。当参数θ在θ0周围一定区域(通常称为Critical region，CR)内变化时，为使仍为线性规划问题的最优值，需满足决策变量可行性以及参数可行性，即
因此，当θ在CR0内变化时，线性规划模型的最优解和最优值分别为
显然，CR0是参数可行域的一个子集。当参数在更大范围内变化时，最优解处的起作用约束集以及拉格朗日乘子将发生变化。假定参数可行域Θ为凸集，则在整个参数可行域中，最优解函数x(θ)是连续的分段仿射函数，最优值函数v(θ)是连续的分段仿射凸函数。求解参数线性规划需要计算整个参数可行域中最优值和最优解。
计算参数可行域范围内线性规划的最优值和最优解具体方法包括：
步骤1.定义起始点θ0∈Θ；
步骤2.固定起始点θ0，求解前述线性规划问题；
步骤3.找出最优解处的起作用约束集；
步骤4.根据前述分析计算参数解及关键区域CR0；
步骤5.探索参数可行域内除CR0之外的区域，重新定义起始点并返回步骤2，直至所有关键区域覆盖参数可行域全域。
在步骤5中，需要从CR0向外探索参数可行域。在此介绍一种约束反转(Constraintreversal)的几何方法，如图4所示。假定CR0＝{θ|Gθ≤g}，该几何方法的核心是通过约束反转来完整探索剩余区域Θ\CR0。具体地，依次反转CR0中的约束，可以产生新的子区域：
其中，I为构成CR0的约束数目，j为约束中编号小于i的其他约束序号。对于每一个新的子区域CRi，返回上述算法的步骤2，产生相应的关键区域。
如图5所示，基于上述实施例所述方法求解电网调度参数规划模型，得到灵活性指标f(θ)和储能容量参数之间的分段线性函数关系：
其中，mN为每个分段线性函数的斜率，nN为每个分段线性函数的常数，CRN为每个分段线性函数的参数可行域。
利用线性规划对偶理论和多参数规划理论，可证明调度灵活性指标和储能容量参数之间为一系列分段线性函数关系。采用均匀采样方法求解一系列线性规划，可以得到分段线性函数的一次项和常数项系数，从而求出调度灵活性指标关于储能容量参数的变化规律。
基于上述任一实施例，获取投资成本关于储能容量参数的储能成本模型，包括：
根据单位能量容量和能量容量参数获取能量容量投资成本，以及，根据单位功率容量和功率容量参数获取功率容量投资成本；
基于能量容量投资成本和功率容量投资成本获取储能成本模型。
储能投资成本c(θ)包括能量容量投资成本和功率容量投资成本，如下：
其中cp/ce为单位功率容量/能量容量投资成本。
在本发明实施例中，考虑储能投资成本，投资成本同样为储能容量参数的线性函数，基于纳什谈判理论，将投资成本和灵活性指标视为两个谈判者，进而得到综合考虑储能投资成本与电网运行灵活性的储能优化配置方案。
基于上述任一实施例，如图6所示，根据线性解析函数函数和储能成本模型获取储能优化配置结果，包括：
步骤601、根据线性解析函数函数和储能成本模型构建基于纳什谈判的储能优化配置模型；
步骤602、采样多个储能容量参数点，根据多个储能容量参数点对应的灵活性指标和储能投资成本绘制出Pareto前沿；
在本发明实施例中，绘制Pareto前沿方法包括，将储能容量参数点对应的灵活性指标作为横坐标，储能容量参数点对应的将储能投资成本作为纵坐标，根据横、纵坐标绘制出Pareto前沿。
步骤603、从Pareto前沿中选择使得基于纳什谈判的储能优化配置模型输出值最大的点，将基于纳什谈判的储能优化配置模型输出值最大的点对应的储能容量参数作为储能优化配置结果。
储能容量配置需要综合考虑储能投资成本与相应的灵活性提升效果。储能容量越大，灵活性指标f(θ)越大，电网运行灵活性能力越强，但是投资成本c(θ)也随之增加；反之亦然。因此需要平衡好灵活性提升效果f(θ)与投资成本c(θ)的关系。
纳什谈判可用于平衡灵活性提升效果f(θ)与投资成本c(θ)的关系，基于纳什谈判的储能优化配置模型包括：
其中f(0)和C为谈判破裂，f(θ)为灵活性指标，c(θ)为储能投资成本，θ为储能容量参数，Θ为由储能投资成本约束构成的储能投资决策集合；
在f(0)时，电网灵活性最低，而投资成本最低为0；在C时，电网灵活性达到最高，而储能投资成本最大为C。可以通过对储能容量θ采样100个点，绘制出Pareto前沿，并从中选择使得基于纳什谈判的储能优化配置模型输出最大的点，即可得到储能配置方案，Pareto前沿如图7中斜线所示。
基于纳什谈判，实现了综合考虑储能投资成本与电网运行灵活性的储能优化配置，为电网储能的建设提供有效参考。
本发明实施例提供提升电网灵活性的储能容量优化配置方法，通过基于灵活性指标构建电力系统灵活运行模型，以储能容量为参数，以灵活性指标为目标，构建参数线性规划问题，并根据对偶定理得到灵活性指标关于储能容量的解析表达式。然后基于储能投资回报模型，使用纳什谈判理论，得到储能容量优化配置结果。方法能够兼顾灵活性和经济性，提升电网运行灵活性，促进新能源的消纳。
下面对本发明提供的提升电网灵活性的储能容量优化配置装置进行描述，下文描述的提升电网灵活性的储能容量优化配置装置与上文描述的提升电网灵活性的储能容量优化配置方法可相互对应参照。
图8为本发明实施例提供的提升电网灵活性的储能容量优化配置装置的示意图，如图8所示，本发明实施例提供的提升电网灵活性的储能容量优化配置装置包括：
第一获取模块801，用于获取电网运行灵活性优化模型；
转换模块802，用于将电网运行灵活性优化模型转换为灵活性指标关于储能容量参数的线性解析函数；
第二获取模块803，用于获取投资成本关于储能容量参数的储能成本模型；
输出模块804，用于根据线性解析函数函数和所述储能成本模型获取储能优化配置结果。
本发明实施例提供的提升电网灵活性的储能容量优化配置装置通过获取电网运行灵活性优化模型，电网运行灵活性优化模型根据灵活性指标构建；将电网运行灵活性优化模型转换为灵活性指标关于储能容量参数的线性解析函数；获取投资成本关于储能容量参数的储能成本模型；根据线性解析函数函数和储能成本模型获取储能优化配置结果，由于线性解析函数易于求解，因此，可以减少计算量，通过加入灵活性指标，可以提升灵活性调节的灵敏度，促进新能源的消纳，支撑新型电力系统低碳建设。
图9示例了一种电子设备的实体结构示意图，如图9所示，该电子设备可以包括：处理器(processor)910、通信接口(Communications Interface)920、存储器(memory)930和通信总线940，其中，处理器910，通信接口920，存储器930通过通信总线940完成相互间的通信。处理器910可以调用存储器930中的逻辑指令，以执行提升电网灵活性的储能容量优化配置方法，该方法包括：获取电网运行灵活性优化模型，电网运行灵活性优化模型根据灵活性指标构建；将电网运行灵活性优化模型转换为灵活性指标关于储能容量参数的线性解析函数；获取投资成本关于储能容量参数的储能成本模型；根据线性解析函数函数和储能成本模型获取储能优化配置结果。
此外，上述的存储器930中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，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以执行上述各方法提供的提升电网灵活性的储能容量优化配置方法，该方法包括：获取电网运行灵活性优化模型，电网运行灵活性优化模型根据灵活性指标构建；将电网运行灵活性优化模型转换为灵活性指标关于储能容量参数的线性解析函数；获取投资成本关于储能容量参数的储能成本模型；根据线性解析函数函数和储能成本模型获取储能优化配置结果。
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。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；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)

1.一种提升电网灵活性的储能容量优化配置方法，其特征在于，包括：
获取电网运行灵活性优化模型，所述电网运行灵活性优化模型根据灵活性指标构建；
将所述电网运行灵活性优化模型转换为灵活性指标关于储能容量参数的线性解析函数；
获取投资成本关于储能容量参数的储能成本模型；
根据所述线性解析函数函数和所述储能成本模型获取储能优化配置结果。
2.根据权利要求1所述的提升电网灵活性的储能容量优化配置方法，其特征在于，所述电网运行灵活性优化模型构建方法，包括：
根据电网中可控资源和不可控资源的功率差构建灵活性指标；
以灵活性指标最大化为优化目标，基于火电机组运行约束、储能运行约束、可控资源约束构建电网运行灵活性优化模型。
3.根据权利要求2所述的提升电网灵活性的储能容量优化配置方法，其特征在于，所述可控资源功率包括火电机组出力值、火电机组出力和储能充放电功率；
所述不可控资源功率为新能源功率。
4.根据权利要求1所述的提升电网灵活性的储能容量优化配置方法，其特征在于，所述将所述电网运行灵活性优化模型转换为灵活性指标关于储能容量的线性解析函数包括：
以储能容量为参数，以灵活性指标为目标构建电网调度参数规划模型；
求解所述电网调度参数规划模型，获取灵活性指标关于储能容量的分段线性函数，将所述灵活性指标关于储能容量的分段线性函数作为线性解析函数。
5.根据权利要求4所述的提升电网灵活性的储能容量优化配置方法，其特征在于，所述求解所述电网调度参数规划模型包括：
将所述电网调度参数规划模型转化为多参数线性规划基本模型；
求解所述多参数线性规划基本模型，获取所有覆盖参数可行域的关键区域；
将所述关键区域与电网调度参数规划模型的储能优化参数映射转换，获取灵活性指标关于储能容量参数的分段线性函数。
6.根据权利要求1所述的提升电网灵活性的储能容量优化配置方法，其特征在于，所述获取投资成本关于储能容量参数的储能成本模型，包括：
根据单位能量容量和能量容量参数获取能量容量投资成本，以及，根据单位功率容量和功率容量参数获取功率容量投资成本；
基于所述能量容量投资成本和功率容量投资成本获取储能成本模型。
7.根据权利要求1所述的提升电网灵活性的储能容量优化配置方法，其特征在于，所述根据所述线性解析函数函数和所述储能成本模型获取储能优化配置结果，包括：
根据所述线性解析函数函数和所述储能成本模型构建基于纳什谈判的储能优化配置模型；
采样多个储能容量参数点，根据多个储能容量参数点对应的灵活性指标和储能投资成本绘制出Pareto前沿；
从Pareto前沿中选择使得所述基于纳什谈判的储能优化配置模型输出值最大的点，将所述基于纳什谈判的储能优化配置模型输出值最大的点对应的储能容量参数作为储能优化配置结果。
8.一种提升电网灵活性的储能容量优化配置装置，其特征在于，包括：
第一获取模块，用于获取电网运行灵活性优化模型；
转换模块，用于将所述电网运行灵活性优化模型转换为灵活性指标关于储能容量参数的线性解析函数；
第二获取模块，用于获取投资成本关于储能容量参数的储能成本模型；
输出模块，用于根据所述线性解析函数函数和所述储能成本模型获取储能优化配置结果。
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的提升电网灵活性的储能容量优化配置方法。
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，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的提升电网灵活性的储能容量优化配置方法。
CN202310354246.8A 2023-04-04 2023-04-04 提升电网灵活性的储能容量优化配置方法及装置 Pending CN116526519A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310354246.8A CN116526519A (zh) 2023-04-04 2023-04-04 提升电网灵活性的储能容量优化配置方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310354246.8A CN116526519A (zh) 2023-04-04 2023-04-04 提升电网灵活性的储能容量优化配置方法及装置

Publications (1)

Publication Number Publication Date
CN116526519A true CN116526519A (zh) 2023-08-01

Family

ID=87407344

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310354246.8A Pending CN116526519A (zh) 2023-04-04 2023-04-04 提升电网灵活性的储能容量优化配置方法及装置

Country Status (1)

Country Link
CN (1) CN116526519A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117910836A (zh) * 2024-03-19 2024-04-19 浙江大学 一种提升大电网灵活性的储能电站规划方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117910836A (zh) * 2024-03-19 2024-04-19 浙江大学 一种提升大电网灵活性的储能电站规划方法
CN117910836B (zh) * 2024-03-19 2024-05-28 浙江大学 一种提升大电网灵活性的储能电站规划方法

Similar Documents

Publication Publication Date Title
CN111200293B (zh) 基于电池损耗和分布式电网电池储能日前随机调度的方法
JP2019097267A (ja) エネルギーマネジメントシステム、電力需給計画最適化方法、および電力需給計画最適化プログラム
CN111697625A (zh) 基于分布鲁棒优化的孤岛微电网机会约束能量调度方法
Broneske et al. How do contract parameters influence the economics of vehicle-to-grid?
CN112053034B (zh) 一种考虑风电不确定性分布特征的电网可调节鲁棒优化调度方法
CN115688970B (zh) 基于区间概率不确定集的微电网两阶段自适应鲁棒优化调度方法
CN116526519A (zh) 提升电网灵活性的储能容量优化配置方法及装置
Lu et al. Multistage robust optimization of routing and scheduling of mobile energy storage in coupled transportation and power distribution networks
CN115864611B (zh) 储能电池安全储能管理方法、系统、设备及存储介质
CN115423207A (zh) 风储虚拟电厂在线调度方法和装置
CN117060470A (zh) 一种基于灵活性资源的配电网电压优化控制方法
CN112952831A (zh) 一种负荷侧储能提供堆叠服务的日内优化运行策略
Guiducci et al. A Reinforcement Learning approach to the management of Renewable Energy Communities
Chreim et al. Praha-price based demand response framework for smart homes: Application to smart grids
CN114547821A (zh) 基于灰色关联理论的可调度柔性资源辨识方法、存储介质
Dokuchaev et al. Optimal energy storing and selling in continuous time stochastic multi-battery setting
US12040650B2 (en) Systems and methods for efficient charging of energy storage systems
US20220102998A1 (en) Systems and methods for efficient charging of energy storage systems
Cao et al. LSTM-Aided Reinforcement Learning for Energy Management in Microgrid with Energy Storage and EV Charging
Belany et al. Probability Calculation for Utilization of Photovoltaic Energy in Electric Vehicle Charging Stations
CN117726143B (zh) 基于深度强化学习的环境友好型微网优化调度方法及系统
WO2024138950A1 (zh) 一种含储能电站的微电网多时间尺度功率分配方法与装置
Marrouchi et al. Optimizing Unit Scheduling with Fuzzy Logic: A Strategic Approach for Efficient Power Network Operations
Dokuchaev Optimal energy storing and selling in continuous time stochastic multi-battery setting
Li et al. Distributed Robust Low-Carbon Optimal Energy Management in Islanded Microgrids

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