CN117081119A - 一种多种储能协同接入下配电网运行优化方法及系统 - Google Patents

一种多种储能协同接入下配电网运行优化方法及系统 Download PDF

Info

Publication number
CN117081119A
CN117081119A CN202310998672.5A CN202310998672A CN117081119A CN 117081119 A CN117081119 A CN 117081119A CN 202310998672 A CN202310998672 A CN 202310998672A CN 117081119 A CN117081119 A CN 117081119A
Authority
CN
China
Prior art keywords
distribution network
energy storage
power distribution
power
storage device
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
CN202310998672.5A
Other languages
English (en)
Inventor
边家瑜
周专
于志勇
吴高磊
余金
史晓超
刘海亮
朱子民
陈衡
侯朗博
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.)
North China Electric Power University
State Grid Xinjiang Electric Power Co Ltd
Original Assignee
North China Electric Power University
State Grid Xinjiang Electric Power 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 North China Electric Power University, State Grid Xinjiang Electric Power Co Ltd filed Critical North China Electric Power University
Priority to CN202310998672.5A priority Critical patent/CN117081119A/zh
Publication of CN117081119A publication Critical patent/CN117081119A/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
    • 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]
    • 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
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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
    • H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
    • H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected 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
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • H02J2203/10—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
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Power Engineering (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Computational Linguistics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种多种储能协同接入下配电网运行优化方法及系统，属于配电网优化调度领域，方法包括：获取配电网历史运行数据及调峰需求；配电网历史运行数据包括负荷历史数据、配电网线路参数、节点输出功率、储能设备信息及环境因素；根据配电网历史运行数据构建节点模型，以确定典型场景；根据调峰需求，以储能设备总投资成本最小为目标，确定配电网中每种储能设备的充放电行为及容量；基于典型场景、配电网中每种储能设备的充放电行为及容量，以配电网中节点总电压最小为目标，建立配电网电压优化模型，并求解得到多种储能协同下的配电网调度方案。本发明提高了多种储能协同接入下配电网运行调峰的效率，使其能更好的响应电网需求的变化。

Description

一种多种储能协同接入下配电网运行优化方法及系统
技术领域
本发明涉及配电网优化调度领域，特别是涉及一种多种储能协同接入下配电网运行优化方法及系统。
背景技术
随着双碳目标的提出，大力发展新能源将是未来能源发展的主线，新能源装机容量的快速增长，高渗透率分布式电源接入对电网的运行、检修及可靠性产生了较大的影响。由于高渗透率分布式能源带来的不确定性、双向潮流等会导致供电可靠性降低、配电网运行经济性和安全性降低。
目前储能技术的发展十分迅速，根据储能介质分类可分为电化学储能、热储能、机械储能和化学储能等等。多种储能方式快速发展，投资运行成本都得到了大幅的降低，因此将多种储能应用于配电网不仅可以促进可再生能源的消纳，还能使电网供电可靠性得到提升。因此对多种储能协同接入的配电网进行运行优化可以充分发挥储能所起的作用，尽可能提高配电网运行时的电能质量，保障供电的可靠性。
为了更好地实现多种储能接入配电网，需要对储能系统的密度进行合理的调配，科学调度配电网各方面出力，保障混合储能系统的稳定运行。对于含多种储能的配电网优化，可以根据已有的节点模型进行改进，选取最佳接入位置，分时调节储能充放电。但含多种储能协同接入的配电网调度存在一定难题，传统算法无法解决相应的非线性优化问题。
发明内容
本发明的目的是提供一种多种储能协同接入下配电网运行优化方法及系统，可提高多种储能协同接入下配电网运行调峰的效率，使其能更好的响应电网需求的变化。
为实现上述目的，本发明提供了如下方案：
一种多种储能协同接入下配电网运行优化方法，包括：
获取配电网历史运行数据及调峰需求；所述配电网历史运行数据包括负荷历史数据、配电网线路参数、节点输出功率、储能设备信息及环境因素；
根据所述配电网历史运行数据构建节点模型，以确定典型场景；
根据所述调峰需求，以储能设备总投资成本最小为目标，确定配电网中每种储能设备的充放电行为及容量；
基于所述典型场景、配电网中每种储能设备的充放电行为及容量，以配电网中节点总电压最小为目标，建立配电网电压优化模型；
求解所述配电网电压优化模型，得到多种储能协同下的配电网调度方案；所述配电网调度方案包括配电网中各节点处的实际电压、有功功率、无功功率、注入有功功率及注入无功功率。
可选地，所述配电网线路参数包括配电网中各节点的连接关系、各节点的类型及线路的阻抗参数；
所述储能设备信息包括储能设备的数量、各储能设备的最大容量、各储能设备的充电效率、各储能设备的放电效率及各储能设备的使用成本；
所述环境因素包括天气、温度、湿度及日照时间。
可选地，所述调峰需求为新能源入网对配电网的调峰需求；
在配电网供电充足且电价低于设定阈值时，储能设备充电，在配电网供电不足且电价高于设定阈值时，储能设备放电。
可选地，采用以下公式计算储能设备总投资成本：
其中，C为储能设备总投资成本，Ql为第l种储能设备的容量，Wkl为第l种储能设备的单位容量成本系数，γl为第l种储能设备的折现率，yl为第l种储能设备的寿命。
可选地，所述配电网电压优化模型的目标函数为：
其中，δU为配电网中节点总电压，Ui为节点i处的实际电压，UN为节点额定电压。
可选地，所述配电网电压优化模型的约束条件为：
SOCESS,min≤SOCESS,t≤SOCESS,max；
其中，储能设备在t时段的充电功率，/>为储能设备在t时段的放电功率，/>为储能设备的最大充电功率，/>为储能设备的最大放电功率，SOCESS,t为储能设备在t时段的电量，SOCESS,min为储能设备的最小电量，SOCESS,max为储能设备的最大电量，σESS,t-1为储能设备在t-1时段的自放电率，/>为储能设备的充电效率，/>为储能设备的放电效率，Δt为t-1时段到t时段的时间间隔，CESS为储能设备的容量，Pi节点i处的有功功率，Qi为节点i处的无功功率，PGi节点i的注入有功功率，QGi为节点i的注入无功功率，PLi为负荷的有功功率，QLi为负荷的无功功率，ULi为负荷的实际电压，Ui为节点i处的实际电压，N为配电网中节点的数量，Y为支路导纳。
可选地，采用PSO优化算法对所述配电网电压优化模型求解。
为实现上述目的，本发明还提供了如下方案：
一种多种储能协同接入下配电网运行优化系统，包括：
数据获取单元，用于获取配电网历史运行数据及调峰需求；所述配电网历史运行数据包括负荷历史数据、配电网线路参数、节点输出功率、储能设备信息及环境因素；
场景确定单元，与所述数据获取单元连接，用于根据所述配电网历史运行数据构建节点模型，以确定典型场景；
充放电确定单元，与所述数据获取单元连接，用于根据所述调峰需求，以储能设备总投资成本最小为目标，确定配电网中每种储能设备的充放电行为及容量；
模型建立单元，分别与所述场景确定单元及所述充放电确定单元连接，用于基于所述典型场景、配电网中每种储能设备的充放电行为及容量，以配电网中节点总电压最小为目标，建立配电网电压优化模型；
优化单元，与所述模型建立单元连接，用于求解所述配电网电压优化模型，得到多种储能协同下的配电网调度方案；所述配电网调度方案包括配电网中各节点处的实际电压、有功功率、无功功率、注入有功功率及注入无功功率。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明通过分析配电网历史运行数据，确定典型场景，以找出配电网运行的薄弱环节及相应优化潜力，根据调峰需求确定储能设备的充放电行为及容量，基于典型场景、配电网中每种储能设备的充放电行为及容量，以配电网中节点总电压最小为目标，建立配电网电压优化模型，并求解得到多种储能协同下的配电网调度方案，提高了多种储能协同接入下配电网运行调峰的效率，使其能更好的响应电网需求的变化。
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他的附图。
图1为本发明提供的多种储能协同接入下配电网运行优化方法的流程图；
图2为本发明提供的多种储能协同接入下配电网运行优化系统的示意图。
符号说明：
1-数据获取单元，2-场景确定单元，3-充放电确定单元，4-模型建立单元，5-优化单元。
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、完整地描述，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。
本发明的目的是提供一种多种储能协同接入下配电网运行优化方法及系统，充分发挥储能的作用，平抑配电网中的波动，提高优化算法的运算速度和收敛性，使其能够更好适应配电网的需求。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例一
如图1所示，本实施例提供了一种多种储能协同接入下配电网运行优化方法，包括：
步骤100：获取配电网历史运行数据及调峰需求。
所述配电网历史运行数据包括负荷历史数据、配电网线路参数、节点输出功率、储能设备信息及环境因素。
其中，配电网线路参数包括配电网中各节点的连接关系、各节点的类型及线路的阻抗参数。
储能设备信息包括储能设备的数量、各储能设备的最大容量、各储能设备的充电效率、各储能设备的放电效率及各储能设备的使用成本。
环境因素为其他能够影响储能充放电的经济性因素和安全性因素。环境因素包括天气、温度、湿度及日照时间。
在步骤200之前，多种储能协同接入下配电网运行优化方法还包括：对配电网历史运行数据进行标准化和归一化处理。包含去掉数据集中空值和异常值、消除数据间量纲的差别和使数据处于同一数量级的操作。
步骤200：根据所述配电网历史运行数据构建节点模型，以确定典型场景。
具体地，利用IEEE节点模型分析台区内配电网的薄弱环节和优化潜力，确定支路中的节点连接关系，在负荷较大处可以设置无功补偿，进一步优化，根据已获取的配电网历史运行数据，结合实际运行经验与大数据分析，判断关键断面、关键线路、关键节点等方面的模式特征，提出大数据背景下的场景划分技术，为储能接入下的复杂配电网提供典型场景，实现多场景优化，从而解决多种储能协同接入下配电网多场景协调优化运行问题。采用相应运行优化方法后，配电网的运行可靠性显著提升。
步骤300：根据所述调峰需求，以储能设备总投资成本最小为目标，确定配电网中每种储能设备的充放电行为及容量。
具体地，根据电力系统内可再生能源的消纳和电价诱导的调峰需求及潮流优化确定多种储能协同下的充放电行为及容量。调峰需求为新能源入网对配电网的调峰需求，在备用容量充足时根据电价进行调峰。
对于充放电行为，在配电网供电充足且电价低于设定阈值时，储能设备充电，在配电网供电不足且电价高于设定阈值时，储能设备放电。兼顾可再生能源出力对电网电能质量的影响，实现电网调峰。
对于储能容量，根据调峰需求确定多种储能协调下的储能容量，充分发挥电价对储能协调的指导作用，对多种储能容量进行优化配置，尽可能降低储能设备总投资成本。
采用以下公式计算储能设备总投资成本：
其中，C为储能设备总投资成本，Ql为第l种储能设备的容量，Wkl为第l种储能设备的单位容量成本系数，γl为第l种储能设备的折现率，yl为第l种储能设备的寿命，为年化第l种储能容量的投资成本。
通过加入0/1约束保证储能设备的充电和放电不会同时进行。
本发明确定的充放电行为满足所需的电负荷，是配电网电压优化模型约束条件中注入有功无功的一部分，确定的容量与充放电调峰极限及运行成本有关，选择满足充放电需求的容量即可。
步骤400：基于所述典型场景、配电网中每种储能设备的充放电行为及容量，以配电网中节点总电压最小为目标，建立配电网电压优化模型。
具体地，根据多种储能充放电行为确定各支路潮流分布，进而可以计算各节点电压。配电网电压优化模型的目标函数为：
其中，δU为配电网中节点总电压，Ui为节点i处的实际电压，UN为节点额定电压。
所述配电网电压优化模型的约束条件为：
SOCESS,min≤SOCESS,t≤SOCESS,max；
其中，储能设备在t时段的充电功率，/>为储能设备在t时段的放电功率，/>为储能设备的最大充电功率，/>为储能设备的最大放电功率，SOCESS,t为储能设备在t时段的电量，蓄电池经过每个时段充放电后，储能设备的电量随之改变，SOCESS,min为储能设备的最小电量，SOCESS,max为储能设备的最大电量，σESS,t-1为储能设备在t-1时段的自放电率，/>为储能设备的充电效率，/>为储能设备的放电效率，Δt为t-1时段到t时段的时间间隔，CESS为储能设备的容量，Pi节点i处的有功功率，Qi为节点i处的无功功率，PGi节点i的注入有功功率，QGi为节点i的注入无功功率，PLi为负荷的有功功率，QLi为负荷的无功功率，ULi为负荷的实际电压，Ui为节点i处的实际电压，N为配电网中节点的数量，Y为支路导纳。
步骤500：求解所述配电网电压优化模型，得到多种储能协同下的配电网调度方案。所述配电网调度方案包括配电网中各节点处的实际电压、有功功率、无功功率、注入有功功率及注入无功功率。
在本实施例中，采用PSO优化算法对所述配电网电压优化模型求解。
配电网电压优化模型为线性规划问题，本发明采用PSO优化算法对配电网电压优化模型求解，降低了配电网整体的电压偏移，使配电网在接入多种储能的情况下实现安全稳定的运行，从而实现储能的合理运用，提高了多种储能协同接入下配电网运行调峰的效率，使其能更好的响应电网需求的变化。
本发明通过分析配电网历史运行数据，找出配电网运行的薄弱环节及相应优化潜力，根据调峰需求确定储能的充放电行为及充放电容量，采用优化算法，以平抑电网波动、减小电压偏移为目标，各项运行过程准则为标准，建立了一套多种储能协同接入下的配电网优化调度体系，提升了配电网优化的精度和效率。
实施例二
为了执行上述实施例一对应的方法，以实现相应的功能和技术效果，下面提供一种多种储能协同接入下配电网运行优化系统。
如图2所示，本实施例提供的多种储能协同接入下配电网运行优化系统包括：数据获取单元1、场景确定单元2、充放电确定单元3、模型建立单元4及优化单元5。
数据获取单元1用于获取配电网历史运行数据及调峰需求。所述配电网历史运行数据包括负荷历史数据、配电网线路参数、节点输出功率、储能设备信息及环境因素。
场景确定单元2与所述数据获取单元1连接，场景确定单元2用于根据所述配电网历史运行数据构建节点模型，以确定典型场景。
充放电确定单元3与所述数据获取单元1连接，充放电确定单元3用于根据所述调峰需求，以储能设备总投资成本最小为目标，确定配电网中每种储能设备的充放电行为及容量。
模型建立单元4分别与所述场景确定单元2及所述充放电确定单元3连接，模型建立单元4用于基于所述典型场景、配电网中每种储能设备的充放电行为及容量，以配电网中节点总电压最小为目标，建立配电网电压优化模型。
优化单元5与所述模型建立单元4连接，优化单元5用于求解所述配电网电压优化模型，得到多种储能协同下的配电网调度方案。所述配电网调度方案包括配电网中各节点处的实际电压、有功功率、无功功率、注入有功功率及注入无功功率。
相对于现有技术，本实施例提供的多种储能协同接入下配电网运行优化系统与实施例一提供的多种储能协同接入下配电网运行优化方法的有益效果相同，在此不再赘述。
实施例三
本实施例提供一种电子设备，包括存储器及处理器，存储器用于存储计算机程序，处理器运行计算机程序以使电子设备执行实施例一的多种储能协同接入下配电网运行优化方法。
可选地，上述电子设备可以是服务器。
另外，本发明实施例还提供一种计算机可读存储介质，其存储有计算机程序，该计算机程序被处理器执行时实现实施例一的多种储能协同接入下配电网运行优化方法。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种多种储能协同接入下配电网运行优化方法，其特征在于，所述多种储能协同接入下配电网运行优化方法包括：
获取配电网历史运行数据及调峰需求；所述配电网历史运行数据包括负荷历史数据、配电网线路参数、节点输出功率、储能设备信息及环境因素；
根据所述配电网历史运行数据构建节点模型，以确定典型场景；
根据所述调峰需求，以储能设备总投资成本最小为目标，确定配电网中每种储能设备的充放电行为及容量；
基于所述典型场景、配电网中每种储能设备的充放电行为及容量，以配电网中节点总电压最小为目标，建立配电网电压优化模型；
求解所述配电网电压优化模型，得到多种储能协同下的配电网调度方案；所述配电网调度方案包括配电网中各节点处的实际电压、有功功率、无功功率、注入有功功率及注入无功功率。
2.根据权利要求1所述的多种储能协同接入下配电网运行优化方法，其特征在于，所述配电网线路参数包括配电网中各节点的连接关系、各节点的类型及线路的阻抗参数；
所述储能设备信息包括储能设备的数量、各储能设备的最大容量、各储能设备的充电效率、各储能设备的放电效率及各储能设备的使用成本；
所述环境因素包括天气、温度、湿度及日照时间。
3.根据权利要求1所述的多种储能协同接入下配电网运行优化方法，其特征在于，所述调峰需求为新能源入网对配电网的调峰需求；
在配电网供电充足且电价低于设定阈值时，储能设备充电，在配电网供电不足且电价高于设定阈值时，储能设备放电。
4.根据权利要求1所述的多种储能协同接入下配电网运行优化方法，其特征在于，采用以下公式计算储能设备总投资成本：
其中，C为储能设备总投资成本，Ql为第l种储能设备的容量，Wkl为第l种储能设备的单位容量成本系数，γl为第l种储能设备的折现率，yl为第l种储能设备的寿命。
5.根据权利要求1所述的多种储能协同接入下配电网运行优化方法，其特征在于，所述配电网电压优化模型的目标函数为：
其中，δU为配电网中节点总电压，Ui为节点i处的实际电压，UN为节点额定电压。
6.根据权利要求1所述的多种储能协同接入下配电网运行优化方法，其特征在于，所述配电网电压优化模型的约束条件为：
SOCESS,min≤SOCESS,t≤SOCESS,max；
其中，储能设备在t时段的充电功率，/>为储能设备在t时段的放电功率，为储能设备的最大充电功率，/>为储能设备的最大放电功率，SOCESS,t为储能设备在t时段的电量，SOCESS,min为储能设备的最小电量，SOCESS,max为储能设备的最大电量，σESS,t-1为储能设备在t-1时段的自放电率，/>为储能设备的充电效率，/>为储能设备的放电效率，Δt为t-1时段到t时段的时间间隔，CESS为储能设备的容量，Pi节点i处的有功功率，Qi为节点i处的无功功率，PGi节点i的注入有功功率，QGi为节点i的注入无功功率，PLi为负荷的有功功率，QLi为负荷的无功功率，ULi为负荷的实际电压，Ui为节点i处的实际电压，N为配电网中节点的数量，Y为支路导纳。
7.根据权利要求1所述的多种储能协同接入下配电网运行优化方法，其特征在于，采用PSO优化算法对所述配电网电压优化模型求解。
8.一种多种储能协同接入下配电网运行优化系统，其特征在于，所述多种储能协同接入下配电网运行优化系统包括：
数据获取单元，用于获取配电网历史运行数据及调峰需求；所述配电网历史运行数据包括负荷历史数据、配电网线路参数、节点输出功率、储能设备信息及环境因素；
场景确定单元，与所述数据获取单元连接，用于根据所述配电网历史运行数据构建节点模型，以确定典型场景；
充放电确定单元，与所述数据获取单元连接，用于根据所述调峰需求，以储能设备总投资成本最小为目标，确定配电网中每种储能设备的充放电行为及容量；
模型建立单元，分别与所述场景确定单元及所述充放电确定单元连接，用于基于所述典型场景、配电网中每种储能设备的充放电行为及容量，以配电网中节点总电压最小为目标，建立配电网电压优化模型；
优化单元，与所述模型建立单元连接，用于求解所述配电网电压优化模型，得到多种储能协同下的配电网调度方案；所述配电网调度方案包括配电网中各节点处的实际电压、有功功率、无功功率、注入有功功率及注入无功功率。
CN202310998672.5A 2023-08-09 2023-08-09 一种多种储能协同接入下配电网运行优化方法及系统 Pending CN117081119A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310998672.5A CN117081119A (zh) 2023-08-09 2023-08-09 一种多种储能协同接入下配电网运行优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310998672.5A CN117081119A (zh) 2023-08-09 2023-08-09 一种多种储能协同接入下配电网运行优化方法及系统

Publications (1)

Publication Number Publication Date
CN117081119A true CN117081119A (zh) 2023-11-17

Family

ID=88716288

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310998672.5A Pending CN117081119A (zh) 2023-08-09 2023-08-09 一种多种储能协同接入下配电网运行优化方法及系统

Country Status (1)

Country Link
CN (1) CN117081119A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118017563A (zh) * 2024-04-08 2024-05-10 太湖能谷(杭州)科技有限公司 一种用户侧共享储能系统的配置方法和系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118017563A (zh) * 2024-04-08 2024-05-10 太湖能谷(杭州)科技有限公司 一种用户侧共享储能系统的配置方法和系统

Similar Documents

Publication Publication Date Title
Xu et al. The control of lithium‐ion batteries and supercapacitors in hybrid energy storage systems for electric vehicles: a review
CN109687444B (zh) 一种微电网电源多目标双层优化配置方法
Etxeberria et al. Hybrid energy storage systems for renewable energy sources integration in microgrids: A review
CN109217290B (zh) 计及电动汽车充放电的微网能量优化管理方法
CN114336702B (zh) 基于双层随机规划的风光储场站群功率分配协同优化方法
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
CN111064214A (zh) 基于电动汽车两阶段滚动式策略的配电网优化调度方法
Gao et al. Economic dispatch containing wind power and electric vehicle battery swap station
CN111244988A (zh) 考虑分布式电源的电动汽车和储能优化调度方法
CN108695871A (zh) 含有电力弹簧的孤岛微电网的降低储能容量需求的配置方法
CN117081119A (zh) 一种多种储能协同接入下配电网运行优化方法及系统
CN116365506A (zh) 含分布式光伏主动配电网节能降损优化方法及系统
CN114123280A (zh) 一种考虑系统效率的电池储能电站能量管理方法
Zhang et al. Sequence control strategy for hybrid energy storage system for wind smoothing
CN117411007A (zh) 一种分布式光伏和储能联合的配网低电压治理方法
Li et al. Research on optimal scheduling method of hybrid energy storage system considering health state of echelon-use lithium-ion battery
CN115000985A (zh) 一种用户侧分布式储能设施聚合管控方法及系统
Han et al. Energy storage frequency response control considering battery aging of electric vehicle
CN109004642B (zh) 用于平抑分布式电源功率波动的配网分布式储能评价方法
CN115940284B (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
CN108183496B (zh) 一种光伏储能系统的能量管理方法
CN107591794A (zh) 基于负荷分类的主动配电网源‑储容量优化配置方法
CN106671816B (zh) 一种基于电压稳定指标的电动汽车无线充放电系统及方法
CN115347590A (zh) 基于可逆固体氧化物电池的混合储能微电网寻优控制方法
Shi et al. Optimal Configuration of Battery Energy Storage System in Bus Charging Station Considering Load Uncertainty

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