CN104300564A - 一种基于随机生产模拟的含风光储微网***削峰填谷方法 - Google Patents
一种基于随机生产模拟的含风光储微网***削峰填谷方法 Download PDFInfo
- Publication number
- CN104300564A CN104300564A CN201410437519.6A CN201410437519A CN104300564A CN 104300564 A CN104300564 A CN 104300564A CN 201410437519 A CN201410437519 A CN 201410437519A CN 104300564 A CN104300564 A CN 104300564A
- Authority
- CN
- China
- Prior art keywords
- energy
- dis
- load
- discharge
- power
- 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
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
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供一种基于随机生产模拟的含风光储微网***削峰填谷方法,该方法包括以下步骤:I、读取未来24小时内预测的原始负荷数据、风电出力值和光伏出力值;II、确定等效负荷数据,获得原始等效负荷曲线;III、确定电量不足期望值ENNS和电力不足概率LOLP;IV、根据所需降低的电量不足期望值ENNS或电力不足概率LOLP,确定储能***的充放电功率和放电电量,制定充放电策略;V、验证所达到的削峰填谷效果。该采用了随机生产模拟中简单明了的等效持续负荷曲线进行储能***充放电功率和容量的确定,并结合该曲线制定充放电策略,整个过程简单易行,并实现了将提高供电可靠性与微网***负荷削峰填谷的有效结合。
Description
技术领域
本发明涉及一种微网***运行规划及风光储联合发电技术领域的方法,具体涉及一种基于随机生产模拟的含风光储联合发电***的微网***削峰填谷方法。
背景技术
随着微网技术的不断发展,分布式电源越来越多的应用到微网内,分布式电源中风力发电、光伏发电装机容量的增加使得微网负荷波动的变化及微网内传统机组故障停运的可能,这些都会对负荷供给产生不确定性,供电的可靠性会受到一定的影响。
微网由于其负荷量小,配备的装机容量也较小,为保证供电提高供电的可靠性,应对负荷波动需要配备一定的备用,备用多来自于与大电网相连接的公共耦合点,即在电力不足的情况下,从大电网获得电力供应。微网分为并网运行和独立运行两种运行方式,在独立运行的时候,无法与大电网相连,造成在微网内电力供应不足的情况下,电力供应无法满足。此时就需要加装一定的备用电源,以备不时之需。
传统微网***的备用容量主要是传统能够快速响应的火电机组,在出力不足的情况下进行供电。而微网内加装传统调峰机组作为存在一定的不足,传统机组的启停需要的一定的时间,而且微网负荷较小的情况下,机组也不可能像大电网一样互为备用,造成资源的浪费。
随着储能技术的发展,储能***也成为了微网中备用电源的选择之一。储能***可以利用其快速充放电的特性,有效地抑制波动,并起到削峰填谷的作用,从而提高电力供应的可靠性。
由于火电机组在不同的出力情况下,其运行的经济性不同,等耗量微增率有所差别,即每单位火电机组出力的燃料消耗量有所差别,储能***的使用,可以在一定程度上使原有出力的机组能够较为经济的运行点运行,从而提高电力供应的经济性。
储能***作为快速充放电的装置,十分适合在微网中进行备用,可及时进行削峰填谷,抑制风速的波动。同时,还可起到保持机组稳定运行,使其运行在经济运行点。
储能***加入到微网中,何时进行充放电也会对微网可靠性产生影响,同时也会起到削峰填谷的作用,储能***的使用应尽可能的提高微网供电的可靠性,并降低微网负荷的峰谷差。
随机生产模拟作为电力***规划与发电调度中一种实用的工具,可运用其获得各机组的发电量和***的可靠性指标,可靠性指标包括电量不足期望值EENS和电力不足概率LOLP。
现有技术中考虑了储能***加入到微网***进行相应经济性优化,但并没有考虑在提高其供电的可靠性的同时,实现削峰填谷。因此需要提供一种含风光储的微网***随机生产模拟方法,将随机生产模拟应用的含风光储的微网***中,一方面可获得如何进行储能***的合理配置,以提高经济性与可靠性;另一方面,可以得出应如何合理地调度储能***,以进行削峰填谷,最大程度地降低负荷的峰谷差。
发明内容
为了克服上述现有技术的缺陷,本发明提供了一种基于随机生产模拟的含风光储微网***削峰填谷方法。
为了实现上述发明目的,本发明采取如下技术方案:
一种基于随机生产模拟的含风光储微网***削峰填谷方法,其改进之处在于:所述方法包括以下步骤:
I、读取未来24小时内预测的原始负荷数据、风电出力值和光伏出力值;
II、确定等效负荷数据,获得原始等效负荷曲线;
III、确定电量不足期望值ENNS和电力不足概率LOLP;
IV、根据所需降低的电量不足期望值ENNS或电力不足概率LOLP,确定储能***的充放电功率和放电电量,并制定充放电策略;
V、验证所达到的削峰填谷效果。
进一步的,所述步骤II包括:
S201、按下式确定等效负荷数据:
Peq=Porg-Pwind-Ppv
其中,Porg为所述原始负荷数据,Pwind为所述风电出力值,Ppv为所述光伏出力值;
S202、根据所述等效负荷数据形成所述原始等效负荷曲线f(0)。
进一步的,所述步骤III包括以下步骤:
S301、通过卷积计算,修正原始持续负荷曲线;
S302、获得修正后的等效持续负荷曲线f(n)(P),确定最大等效负荷为Pmax+CS,其中,Cs为***内的总装机容量,Pmax为周期T内的最大负荷;
S303、按下式分别确定电量不足期望值EENS和电力不足概率LOLP:
其中,Cs表示***内的总装机容量;Pmax+CS为最大等效负荷;tL为电力不足时长。
进一步的,所述步骤S301包括:
确定容量为Ci的第i台发电机组的可用率为pi,确定所述发电机的强迫停运率qi=1-pi;
第i台发电机带负荷后,按下式确定第i台发电机组加载到持续负荷曲线后的等效持续负荷曲线:
f(i)(P)=pif(i-1)(P)+qif(i-1)(P-Ci)
其中,Ci表示第i台发电机组的容量;pi表示第i台发电机组的可用率;qi表示第i台发电机组的强迫停运率。
进一步的,所述步骤IV包括以下步骤:
S401、根据降低所述电力不足概率LOLP确定储能***放电功率;包括以下步骤:
根据电力不足概率LOLP的降低量,确定所述降低量的对应的功率长度Pdis为所述储能***的最大放电功率Pdis;
按下式确定所述储能***需要释放的放电电量:
式中,Pdis表示储能***最大放电功率,Cs表示***内的总装机容量,f(n)(P)表示等效持续负荷曲线;Edis表示储能***的放电电量,T表示模拟周期;
S402、根据降低电量不足期望值EENS确定储能***放电功率;包括以下步骤:
对等效持续负荷曲线f(n)(P)进行积分运算,获得下式表征电能的函数:
其中,En(P)表示负荷0到负荷P之间等效持续负荷曲线下所对应的电量;f(n)(P)表示等效持续负荷曲线;T表示模拟周期;
根据下式确定所述储能***的最大放电功率Pdis:
En(Pdis)-En(Cs)=ΔEENS
其中,Cs表示***内的总装机容量;ΔEENS表示电量不足期望值EENS的降低量;
按下式确定放电电量:
式中,Pdis为储能***的最大放电功率f(n)(P)表示等效持续负荷曲线;T表示模拟周期;
S403、根据步骤S401或步骤S402的确定储能***的放电功率和放电电量后,根据裕度系数确定所述储能***的额定放电功率和额定容量;
S404、确定储能***的放电功率和放电电量,制定储能***的充放电策略。
进一步的,所述步骤S403包括以下步骤:
S4031、根据放电功率Pdis,结合裕度系数如下式确定所述储能***的额定放电功率:
Pdis,r=Pdis/(1-αdis)
其中,αdis为放电裕度系数;
S4032、结合电能损耗如下式确定充电电量:
Ech=Edis/(1-γ)
其中,γ为电能损耗率;
S4033、结合所述储能***的容量裕度,如下式确定储能***的额定容量:
Edis,r=Ech/(1-β)
其中,β为裕度系数。
进一步的,所述步骤S404中充放电策略包括充放电功率序列和充放电时间序列;所述步骤S404包括以下步骤:
S4041、根据负荷预测的时间间隔,对电力不足时长分段;
S4042、获得各时段的放电功率;
S4043、获得放电序列,所述放电序列包括:各时段的放电功率的放电功率序列 和放电时长序列 i=1,2,…,m;
按照负荷从高到低将整个放电序列进行放电,实现削峰;
S4044、结合电能损耗率确定充电功率Pch=Pdis/(1-γ),γ为电能损耗率;
确定充电时所形成的充电功率序列
确定充电时长序列:
将未进行削峰的负荷部分从低到高排列,按照充电功率分布序列的从大到小进行充电,实现填谷;
S4045、制定所述充放电策略后,如下式结合裕度确定储能***的额定充电功率:
Pch,r=Pch/(1-αch)
式中,αch为充电的裕度系数。
进一步的,所述步骤V中,根据步骤S404采用储能***充放电操作进行削峰填谷后,得到的新的时序负荷曲线计算峰谷差,并与没有进行削峰填谷的时序负荷曲线的峰谷差进行比较,确定降低电力不足概率或电量不足期望值对减小峰谷差的影响。
与现有技术相比,本发明的有益效果在于:
1、原有的随机生产模拟主要用于计算供电可靠性指标:电量不足期望值或电力不足概率及各机组在模拟周期内的发电量,而本发明的方法则基于随机生产模拟技术,根据微网***需要提高的可靠性,结合随机生产模拟中的等效持续负荷曲线,确定了微网中需要配备储能***额定功率和容量,并制定了储能***充放电策略;
2、原有的随机生产模拟得到的供电可靠性指标:电量不足期望值或电力不足概率一般仅用于评估供电可靠性,本发明的方法通过降低这两个指标:电量不足期望值或电力不足概率,确定微网***中需要配备的储能***的相应功率和容量,包括:最大充放电功率、额定充放电功率和额定容量。
3、原有随机生产模拟中,等效持续负荷曲线仅用于计算电量不足期望值或电力不足概率及各机组在模拟周期内的发电量。本发明的方法基于等效持续负荷曲线制定储能***充放电策略,包括了功率序列和时间序列,功率序列与时间序列即为在何时充放电的功率的大小和时长,而原有的随机生产模拟中并没有将等效持续负荷曲线做此应用;
4、现有技术中供电可靠性水平的提高与负荷削峰填谷关系不大,本发明的方法提高了微网的供电可靠性水平,进而对微网***的负荷进行了削峰填谷。
与现有技术相比,本发明采用了随机生产模拟中简单明了的等效持续负荷曲线进行储能***充放电功率和容量的确定,并结合该曲线制定充放电策略,整个过程简单易行,并且把提高供电可靠性与微网***负荷削峰填谷有效地结合了在一起,突破了现有技术中的不足。
附图说明
图1为本发明方法的流程图;
图2为原始时序负荷曲线;
图3为风机出力时序曲线;
图4为光伏出力时序曲线;
图5为等效时序负荷曲线;
图6为得到等效时序负荷曲线后形成的原始持续负荷曲线;
图7为形成最终等效持续负荷曲线的示意图;
图8为说明计算电力不足概率和电量不足期望值的示意图;
图9为确定放电功率的示意图;
图10为制定放电序列的示意图;
图11为图10的局部放大图;
图12为图11中MN段的局部放大图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1所示,图1为本发明方法的流程图;本发明的方法为一种基于随机生产模拟的含风光储微网***削峰填谷方法,该方法包括以下步骤:
步骤一、读取未来一天内预测的原始负荷数据、风电出力值和光伏出力值;
步骤二、确定等效负荷数据,获得原始等效负荷曲线;
步骤三、确定电量不足期望值ENNS和电力不足概率LOLP;
步骤四、根据所需降低的电量不足期望值ENNS和电力不足概率LOLP,确定储能***的充放电功率和充放电电量,并进一步制定充放电策略;
步骤五、验证所达到的削峰填谷效果。
步骤一中,读取未来一天内原始负荷数据、风电出力值和光伏出力值的预测值,根据所述预测值进行微网***随机生产模拟。
步骤二中,具体包括以下:
S201、如下式确定等效负荷数据:
Peq=Porg-Pwind-Ppv
其中,Porg为所述原始负荷数据,Pwind为所述风电出力值,Ppv为所述光伏出力值;
S202、根据所述等效负荷数据形成所述原始等效负荷曲线f(0)。
如图6所示,图6为得到的等效时序负荷曲线后形成的原始持续负荷曲线,用于表示负荷大于某一值的持续时间,如曲线上任意一点(P,t)表示负荷大于或等于负荷P的持续时间t,即t=F(P)。周期T除以持续时间,获得负荷大于或等于P的概率p=f(P)=F(P)/T。图中,Pmax为模拟周期T内的最大负荷。
步骤三中,确定电量不足期望值ENNS和电力不足概率LOLP;步骤三具体包括以下步骤:
S301、首先,考虑各个发电机组的随机停运状态,通过卷积计算,对原始持续负荷曲线进行修正,方法为:
确定容量为Ci的第i台发电机组的可用率为pi,确定所述发电机的强迫停运率qi=1-pi;
第i台发电机带负荷后,确定第i台发电机组加载到持续负荷曲线后的等效持续负荷曲线如下式:
f(i)(P)=pif(i-1)(P)+qif(i-1)(P-Ci)
其中,Ci表示第i台发电机组的容量;pi表示第i台发电机组的可用率;qi表示第i台发电机组的强迫停运率;通过卷积计算后,可得到加载了最后一台发电机组的等效持续负荷曲线f(n)(P),如图7所示。
S302、获得最终的等效持续负荷曲线f(n)(P),此时最大等效负荷为Pmax+CS,如图7所示,Cs为***内的总装机容量,Pmax为周期T内的最大负荷;
S303、如图8所示,图8中显示了原始持续负荷曲线f(0)(P)和最终的等效持续负荷曲线f(n)(P),结合该图,如下式分别计算得到电量不足期望值EENS和电力不足概率LOLP:
其中,Cs表示***内的总装机容量;Pmax+CS为最大等效负荷;tL为***内的总装机容量Cs均供电后,无法供电部分的持续时间,也称电力不足时长。
提高供电可靠性包括两个参考指标:电力不足概率LOLP、电量不足期望值EENS,本发明的方法为通过降低上述两个可靠性指标其中之一提高供电可靠性。步骤四中对根据两个指标提高供电可靠性的方法均给予说明。
步骤四、根据所述电量不足期望值ENNS或电力不足概率LOLP,确定储能***的放电测量。
实际运用中,具体采用哪一个根据实际需要而定,而降低任何一个指标均可达到提高供电可靠性的目标。
步骤四具体包括以下步骤:
S401、根据降低所述电力不足概率LOLP确定储能***放电功率;包括以下步骤:
如图9所示,图9为确定储能***功率和容量的示意图;当电力不足概率需要从B点降低到D点时,此时的电力不足概率为LOLP1,即原计算得到的电力不足概率从LOLP0降低到LOLP1;此时,对应的储能***的功率长度为Pdis,依此作为储能***的放电功率最大值。并据此计算出储能***需要释放的放电电量,如下式所示:
其中,Pdis表示储能***最大放电功率,Cs表示***内的总装机容量,f(n)(P)表示等效持续负荷曲线;Edis表示储能***的放电电量,即图10中ABDC的面积,ΔEENS=Edis。
上述LOLP1可以根据提高供电可靠性的需要而定。
S402、根据降低电量不足期望值EENS确定储能***放电功率;包括以下步骤:
根据降低电量不足期望值EENS确定储能***放电功率,首先需对等效持续负荷曲线f(n)(P)进行积分运算获得F(n)(P),从而获得表征电能的函数如下式:
该式表示0到P之间等效持续负荷曲线下所对应的电量。
通过求解方程En(Pdis)-En(Cs)=ΔEENS,即可计算出储能***的最大放电功率Pdis;
其中,Cs表示***内的总装机容量;ΔEENS表示需要降低的电量不足期望值。
在实际中,由于负荷的测量的离散化的,等效持续负荷曲线不可能是连续可积的函数,因此在实际中可通过围面积法得到,如图10所示,移动线段CD,以使ABCD所围成面积所代表的电量等于需要降低的电量不足期望值ΔEENS,从而即可确定最大的放电功率Pdis。
上述ΔEENS可以根据提高供电可靠性的需要而定。
S403、分别按步骤S401或步骤S402的两种情况确定储能***的放电功率和放电电量后,考虑一定的裕度系数进而可以确定储能***的额定放电功率和容量;包括以下步骤:
S4031、根据确定最大的放电功率Pdis,结合裕度系数如下式确定所述储能***的额定放电功率:
Pdis,r=Pdis/(1-αdis)
其中,αdis为放电裕度系数;
S4032、结合电能损耗如下式确定充电电量:
Ech=Edis/(1-γ)
其中,γ为电能损耗率;
S4033、结合所述储能***的容量裕度,如下式确定储能***额定容量:
Edis,r=Ech/(1-β)
其中,β为裕度系数。
S404、确定储能***的充放电功率和电量,制定储能***的充放电策略。
考虑在实际中时序负荷曲线和等效持续负荷曲线均为离散化分布,因此在制定放电策略时,放电功率也为离散化分布;如图10所示,图10为制定储能***充放电策略的示意图。
步骤S404中,制定充放电策略,所述充放电策略包括相应的充放电功率序列和充放电时间序列;具体包括以下步骤:
在确定储能***的充放电功率和电量后,下一步即可根据确定储能***的充放电功率的示意图,即图10制定储能***的充放电策略。
在实际中时序负荷曲线和等效持续负荷曲线均为离散化分布,因此在制定放电策略时,放电的功率也为离散化分布。如图10所示,根据负荷预测的时间间隔,将AB段分为:
k=[tAB/tc]
式中,tAB为AB段对应的时间长度,即上述***内的总装机容量Cs均供电后,无法供电部分的持续时间,也称电力不足时长。tc为预测负荷的时间间隔,[]表示取大于或等于的整数。
为了进一步说明制定放电策略的过程,将图10局部放大,如图11所示。为了说明放电序列构成中的功率序列和时间序列,特举例EF段进行说明,对于放电时长为EF段对应的时间长度tEF,放电功率为PFH,据此即可确定A到B中每一小段的放电功率和放电时长,对于时长对两个及以上放电功率的,则进行分段处理,如图11所示的MN段对应了两个不同的功率,其放电时长tMN也分为相应的两段,即如图11的放大图图12所示,时长分为了两段tMU和tUN,而放电功率分别对应为PMR和PNU。
依此类推,即可形成一个放电功率序列i=1,2,…,m,与此也对应着一个放电时长序列两者共同构成了一个放电序列,然后按照负荷从高到低将整个放电序列进行放电,从而实现削峰。
由于充放电过程中所存储的电能会有损失,因此充电功率的确定需要考虑电能损耗率,充电功率确定如下:
Pch=Pdis/(1-γ),其中,γ为电能损耗率,以此确定充电功率,可以有效地简化充电策略。
充电时所形成的充电功率序列按照下式得出:
而充电时长序列与放电时长序列相同:
将未进行削峰的负荷部分从低到高排列,按照充电功率分布序列的从大到小进行充电,即填谷。
制定充电策略后,还需确定储能***的额定充电功率,为了满足一定的裕度,储能***的额定充电功率确定如下:
Pch,r=Pch/(1-αch)
式中,αch为充电的裕度系数。
步骤五中,根据步骤S404采用储能***充放电操作进行削峰填谷后,得到的新的时序负荷曲线计算峰谷差,并与没有进行削峰填谷的时序负荷曲线的峰谷差进行比较,确定降低电力不足概率或电量不足期望值对减小峰谷差的影响。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.一种基于随机生产模拟的含风光储微网***削峰填谷方法,其特征在于:所述方法包括以下步骤:
I、读取未来24小时内预测的原始负荷数据、风电出力值和光伏出力值;
II、确定等效负荷数据,获得原始等效负荷曲线;
III、确定电量不足期望值ENNS和电力不足概率LOLP;
IV、根据所需降低的电量不足期望值ENNS或电力不足概率LOLP,确定储能***的充放电功率和放电电量,并制定充放电策略;
V、验证所达到的削峰填谷效果。
2.如权利要求1所述的方法,其特征在于:所述步骤II包括:
S201、按下式确定等效负荷数据:
Peq=Porg-Pwind-Ppv
其中,Porg为所述原始负荷数据,Pwind为所述风电出力值,Ppv为所述光伏出力值;
S202、根据所述等效负荷数据形成所述原始等效负荷曲线f(0)。
3.如权利要求1所述的方法,其特征在于:所述步骤III包括以下步骤:
S301、通过卷积计算,修正原始持续负荷曲线;
S302、获得修正后的等效持续负荷曲线f(n)(P),确定最大等效负荷为Pmax+CS,其中,Cs为***内的总装机容量,Pmax为周期T内的最大负荷;
S303、按下式分别确定电量不足期望值EENS和电力不足概率LOLP:
其中,Cs表示***内的总装机容量;Pmax+CS为最大等效负荷;tL为电力不足时长。
4.如权利要求3所述的方法,其特征在于:所述步骤S301包括:
确定容量为Ci的第i台发电机组的可用率为pi,确定所述发电机的强迫停运率qi=1-pi;
第i台发电机带负荷后,按下式确定第i台发电机组加载到持续负荷曲线后的等效持续负荷曲线:
f(i)(P)=pif(i-1)(P)+qif(i-1)(P-Ci)
其中,Ci表示第i台发电机组的容量;pi表示第i台发电机组的可用率;qi表示第i台发电机组的强迫停运率。
5.如权利要求1所述的方法,其特征在于:所述步骤IV包括以下步骤:
S401、根据降低所述电力不足概率LOLP确定储能***放电功率;包括以下步骤:
根据电力不足概率LOLP的降低量,确定所述降低量的对应的功率长度Pdis为所述储能***的最大放电功率Pdis;
按下式确定所述储能***需要释放的放电电量:
式中,Pdis表示储能***最大放电功率,Cs表示***内的总装机容量,f(n)(P)表示等效持续负荷曲线;Edis表示储能***的放电电量,T表示模拟周期;
S402、根据降低电量不足期望值EENS确定储能***放电功率;包括以下步骤:
对等效持续负荷曲线f(n)(P)进行积分运算,获得下式表征电能的函数:
其中,En(P)表示负荷0到负荷P之间等效持续负荷曲线下所对应的电量;f(n)(P)表示等效持续负荷曲线;T表示模拟周期;
根据下式确定所述储能***的最大放电功率Pdis:
En(Pdis)-En(Cs)=ΔEENS
其中,Cs表示***内的总装机容量;ΔEENS表示电量不足期望值EENS的降低量;
按下式确定放电电量:
式中,Pdis为储能***的最大放电功率f(n)(P)表示等效持续负荷曲线;T表示模拟周期;
S403、根据步骤S401或步骤S402的确定储能***的放电功率和放电电量后,根据裕度系数确定所述储能***的额定放电功率和额定容量;
S404、确定储能***的放电功率和放电电量,制定储能***的充放电策略。
6.如权利要求5所述的方法,其特征在于:所述步骤S403包括以下步骤:
S4031、根据放电功率Pdis,结合裕度系数如下式确定所述储能***的额定放电功率:
Pdis,r=Pdis/(1-αdis)
其中,αdis为放电裕度系数;
S4032、结合电能损耗如下式确定充电电量:
Ech=Edis/(1-γ)
其中,γ为电能损耗率;
S4033、结合所述储能***的容量裕度,如下式确定储能***的额定容量:
Edis,r=Ech/(1-β)
其中,β为裕度系数。
7.如权利要求5所述的方法,其特征在于:所述步骤S404中充放电策略包括充放电功率序列和充放电时间序列;所述步骤S404包括以下步骤:
S4041、根据负荷预测的时间间隔,对电力不足时长分段;
S4042、获得各时段的放电功率;
S4043、获得放电序列,所述放电序列包括:各时段的放电功率的放电功率序列 和放电时长序列 i=1,2,…,m;
按照负荷从高到低将整个放电序列进行放电,实现削峰;
S4044、结合电能损耗率确定充电功率Pch=Pdis/(1-γ),γ为电能损耗率;
确定充电时所形成的充电功率序列
确定充电时长序列:
将未进行削峰的负荷部分从低到高排列,按照充电功率分布序列的从大到小进行充电,实现填谷;
S4045、制定所述充放电策略后,如下式结合裕度确定储能***的额定充电功率:
Pch,r=Pch/(1-αch)
式中,αch为充电的裕度系数。
8.如权利要求1所述的方法,其特征在于:所述步骤V中,根据步骤S404采用储能***充放电操作进行削峰填谷后,得到的新的时序负荷曲线计算峰谷差,并与没有进行削峰填谷的时序负荷曲线的峰谷差进行比较,确定降低电力不足概率或电量不足期望值对减小峰谷差的影响。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410437519.6A CN104300564B (zh) | 2014-08-29 | 2014-08-29 | 一种基于随机生产模拟的含风光储微网***削峰填谷方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410437519.6A CN104300564B (zh) | 2014-08-29 | 2014-08-29 | 一种基于随机生产模拟的含风光储微网***削峰填谷方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104300564A true CN104300564A (zh) | 2015-01-21 |
CN104300564B CN104300564B (zh) | 2017-12-26 |
Family
ID=52320194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410437519.6A Active CN104300564B (zh) | 2014-08-29 | 2014-08-29 | 一种基于随机生产模拟的含风光储微网***削峰填谷方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104300564B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104600731A (zh) * | 2015-02-06 | 2015-05-06 | 山东理工大学 | 一种用于光储***削峰填谷的储能***控制方法 |
CN105279707A (zh) * | 2015-10-27 | 2016-01-27 | 合肥工业大学 | 一种综合考虑负荷与风电时序特性的随机生产模拟方法 |
CN109560562A (zh) * | 2018-12-28 | 2019-04-02 | 国网湖南省电力有限公司 | 基于超短期负荷预测的储能电站调峰控制方法 |
CN110854933A (zh) * | 2019-11-26 | 2020-02-28 | 三峡大学 | 利用灵活性资源的月度机组组合优化方法 |
CN110912169A (zh) * | 2019-12-03 | 2020-03-24 | 国网天津市电力公司 | 一种交直流微网设计方法及拓扑结构 |
CN110912117A (zh) * | 2018-09-18 | 2020-03-24 | 电力规划总院有限公司 | 一种电力平衡计算方法及装置 |
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 |
CN116613794A (zh) * | 2023-07-17 | 2023-08-18 | 国网山东省电力公司莱芜供电公司 | 一种储能协调控制方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101436222A (zh) * | 2008-12-09 | 2009-05-20 | 西安交通大学 | 一种基于等效电量函数法的随机生产模拟方法 |
CN102856930A (zh) * | 2012-10-11 | 2013-01-02 | 天津市电力公司 | 微网经济调度控制方法 |
CN103326388A (zh) * | 2013-07-04 | 2013-09-25 | 中国能源建设集团广东省电力设计研究院 | 基于功率预测的微电网储能***及容量配置方法 |
CN103986194A (zh) * | 2014-06-04 | 2014-08-13 | 国家电网公司 | 一种独立型微网优化配置方法和装置 |
CN103986190A (zh) * | 2014-05-26 | 2014-08-13 | 电子科技大学 | 基于发电功率曲线的风光储联合发电***平滑控制方法 |
-
2014
- 2014-08-29 CN CN201410437519.6A patent/CN104300564B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101436222A (zh) * | 2008-12-09 | 2009-05-20 | 西安交通大学 | 一种基于等效电量函数法的随机生产模拟方法 |
CN102856930A (zh) * | 2012-10-11 | 2013-01-02 | 天津市电力公司 | 微网经济调度控制方法 |
CN103326388A (zh) * | 2013-07-04 | 2013-09-25 | 中国能源建设集团广东省电力设计研究院 | 基于功率预测的微电网储能***及容量配置方法 |
CN103986190A (zh) * | 2014-05-26 | 2014-08-13 | 电子科技大学 | 基于发电功率曲线的风光储联合发电***平滑控制方法 |
CN103986194A (zh) * | 2014-06-04 | 2014-08-13 | 国家电网公司 | 一种独立型微网优化配置方法和装置 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104600731A (zh) * | 2015-02-06 | 2015-05-06 | 山东理工大学 | 一种用于光储***削峰填谷的储能***控制方法 |
CN105279707A (zh) * | 2015-10-27 | 2016-01-27 | 合肥工业大学 | 一种综合考虑负荷与风电时序特性的随机生产模拟方法 |
CN105279707B (zh) * | 2015-10-27 | 2018-11-06 | 合肥工业大学 | 一种综合考虑负荷与风电时序特性的随机生产模拟方法 |
CN110912117A (zh) * | 2018-09-18 | 2020-03-24 | 电力规划总院有限公司 | 一种电力平衡计算方法及装置 |
CN110912117B (zh) * | 2018-09-18 | 2021-05-14 | 电力规划总院有限公司 | 一种电力平衡计算方法及装置 |
CN109560562A (zh) * | 2018-12-28 | 2019-04-02 | 国网湖南省电力有限公司 | 基于超短期负荷预测的储能电站调峰控制方法 |
CN109560562B (zh) * | 2018-12-28 | 2021-08-17 | 国网湖南省电力有限公司 | 基于超短期负荷预测的储能电站调峰控制方法 |
CN110854933A (zh) * | 2019-11-26 | 2020-02-28 | 三峡大学 | 利用灵活性资源的月度机组组合优化方法 |
CN110854933B (zh) * | 2019-11-26 | 2023-05-02 | 三峡大学 | 利用灵活性资源的月度机组组合优化方法 |
CN110912169A (zh) * | 2019-12-03 | 2020-03-24 | 国网天津市电力公司 | 一种交直流微网设计方法及拓扑结构 |
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 |
CN113361715B (zh) * | 2021-06-24 | 2023-07-21 | 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 |
CN116613794A (zh) * | 2023-07-17 | 2023-08-18 | 国网山东省电力公司莱芜供电公司 | 一种储能协调控制方法及*** |
CN116613794B (zh) * | 2023-07-17 | 2023-09-22 | 国网山东省电力公司莱芜供电公司 | 一种储能协调控制方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN104300564B (zh) | 2017-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104300564B (zh) | 一种基于随机生产模拟的含风光储微网***削峰填谷方法 | |
Martinez-Laserna et al. | Battery second life: Hype, hope or reality? A critical review of the state of the art | |
Liu et al. | Optimal sizing of a wind-energy storage system considering battery life | |
Nunes et al. | Displacing natural gas with electric vehicles for grid stabilization | |
Luca de Tena et al. | Impact of electric vehicles on a future renewable energy‐based power system in Europe with a focus on Germany | |
Yuan et al. | Applications of battery energy storage system for wind power dispatchability purpose | |
US9985438B2 (en) | Optimization method for independent micro-grid system | |
Prodan et al. | Fault tolerant predictive control design for reliable microgrid energy management under uncertainties | |
CN102986109B (zh) | 电力控制方法、程序以及电力控制装置 | |
Javadi et al. | Optimal sizing and siting of electrical energy storage devices for smart grids considering time-of-use programs | |
CN108520314A (zh) | 结合v2g技术的主动配电网调度方法 | |
CN102097808A (zh) | 一种含分布式风电、光伏及储能的配电***可靠性评估方法 | |
CN103473446A (zh) | 用于有源配电网可靠性评估的负荷削减模型及其实现方法 | |
Dusonchet et al. | Technological and legislative status point of stationary energy storages in the EU | |
Hug-Glanzmann | Coordination of intermittent generation with storage, demand control and conventional energy sources | |
CN104167734A (zh) | 基于时序模拟的并网型微网可靠性评估方法 | |
Shokrzadeh et al. | Repurposing batteries of plug-in electric vehicles to support renewable energy penetration in the electric grid | |
CN103746402A (zh) | 一种接入风储互补微网的配电网可靠性评估方法 | |
CN104410089A (zh) | 基于电动汽车的风力发电微网功率平衡实时调度方法 | |
CN111064192A (zh) | 一种计及源荷不确定性的独立型微网容量优化配置方法 | |
CN109245155A (zh) | 基于不确定理论的配电网广义电源变电可信容量评估方法 | |
CN107359611A (zh) | 考虑多种随机因素的配电网等值方法 | |
Bhatti et al. | Charging of electric vehicle with constant price using photovoltaic based grid-connected system | |
CN103001259B (zh) | 一种基于退火算法的并网型微电网优化调度方法 | |
Zhang et al. | A two-stage robust operation approach for combined cooling, heat and power systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |