CN105977991A - 一种考虑价格型需求响应的独立型微网优化配置方法 - Google Patents
一种考虑价格型需求响应的独立型微网优化配置方法 Download PDFInfo
- Publication number
- CN105977991A CN105977991A CN201610303635.8A CN201610303635A CN105977991A CN 105977991 A CN105977991 A CN 105977991A CN 201610303635 A CN201610303635 A CN 201610303635A CN 105977991 A CN105977991 A CN 105977991A
- Authority
- CN
- China
- Prior art keywords
- price
- period
- electricity
- bess
- micro
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
-
- 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
-
- 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
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
- H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
- H02J2310/62—The condition being non-electrical, e.g. temperature
- H02J2310/64—The condition being economic, e.g. tariff based load management
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
- Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
-
- 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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种考虑价格型需求响应的独立型微网优化配置方法,包括如下步骤:S1:将一天连续24h的时间进行离散化处理,均分为T个时段,对于任意第t时段,第t时段的时长为Δt,绘制微网内常规负荷曲线;S2:绘制短期新能源发电功率曲线,根据新能源发电功率曲线和常规负荷曲线,制定面向微网用户的实时电价,当新能源发电功率曲线大于常规负荷曲线的时段为低电价,当新能源发电功率曲线小于常规负荷曲线的时段为高电价;S3:建立需求响应优化模型,引导用户的用电行为;S4:确定风光柴储等微电源发电模型,以微网全寿命周期等年值成本为目标建立微网优化配置模型;S5:求解建立的微网优化配置模型,得到优化配置方案。本发明经济效益较好。
Description
技术领域
本发明属于微电网的规划设计技术领域,具体涉及一种考虑价格型需求响应的独立型微网优化配置方法。
背景技术
微网作为风光等新电源的有效组织形式,近年来受到了广泛关注并得到越来越多的应用,是解决海岛和偏远地区用电问题的有效方案。微网可提高供电可靠性和电能质量,同时从柴发转为以风光发电为主,减少污染排放。但风光资源的随机性和波动性,增加了发电的不确定性,存在严重风光消纳问题,单纯依靠配置储能平抑波动经济性差。需求响应是电力市场通过价格信号或激励手段,利用需求弹性引导电力用户做出响应,改变负荷特性。负荷配合甚至主动追踪电力供给有利于大量间歇性新能源的接入。微网优化配置是微网规划设计阶段需要解决的首要问题,优化配置方案合理与否将直接决定微网的安全运行和经济效益。在微网中为适应风光发电的波动性,有必要结合新能源发电和负荷情况制定灵活的电价机制引导用户用电行为,研究其对微网配置和经济效益的影响。
发明内容
为了克服已有微网优化配置方法的经济效益较差的不足,本发明提供一种经济效益较好的考虑价格型需求响应的独立型微网优化配置方法。
本发明解决其技术问题所采用的技术方案是:
一种考虑价格型需求响应的独立型微网优化配置方法,所述优化配置方法包括以下步骤:
步骤1:将一天连续24h的时间进行离散化处理,均分为T个时段,对于任意第t时段,有t∈{1,2,...,T},且第t时段的时长为Δt,绘制微网内常规负荷曲线;
步骤2:绘制短期新能源发电功率曲线,根据新能源发电功率曲线和常规负荷曲线,制定面向微网用户的实时电价,当新能源发电功率曲线大于常规负荷曲线的时段为低电价,当新能源发电功率曲线小于常规负荷曲线的时段为高电价;
步骤3:建立需求响应优化模型,引导用户的用电行为,过程如下,
步骤3-1:采用替代弹性来表示电力需求的相对变化和电力价格相对变化的关系;
替代弹性可表示为:
式中:seu,k为替代弹性系数;Qu、Qk为u、k时段电力需求量;Pu、Pk为u、k时段电价,对于任意第u、k时段,均有u∈{1,2,...,T}、k∈{1,2,...,T};
步骤3-2:基于替代弹性的峰谷电价下,用户峰/谷时段的负荷削减比例%ΔLp和增加比例%ΔLo表示为:
式中:下标p和o分别表示峰时段和谷时段,C为峰或谷时段电费占日总电费的比例;为峰或谷时段的平均电价;
步骤3-3:以新能源发电和负荷需求的差值累计和为需求响应目标,表达式为:
约束条件为:
I2≥(1-α)I1 (5)
p2≤p1 (6)
Q1=Q2 (7)
mload≤Mload (8)
式(3)~(4)中:Linit(t)、L(t)为微电网内t时段的初始的负荷需求量和参与价格型需求响应后的负荷需求量,%ΔL为负荷增加或消减比例;PWT(t)、PPV(t)、Pnew(t)分别为微电网内t时段风机、光伏和新能源总发电量;
式(5)~(8)中:I1为未实施需求响应时微网售电收入;I2为实时电价下微网售电收入;α为利益转让系数,表示因为实时需求响应引起的供电成本减少而可以接受的利益转移百分比,p1为未实施需求响应时用户用电平均价格;p2为实时电价下用户用电平均价格,Q1为未实施需求响应时用电总量;Q2为实施实时电价后的用电总量,mload为实际负荷转移量;Mload为可转移负荷容量;
根据需求响应优化模型(3)~(8),基于实时电价引导电力用户的用电行为,依据需求价格弹性得出考虑需求响应后的负荷数据;
步骤4:确定风光柴储微电源发电模型,以微网全寿命周期等年值成本为目标,建立微网优化配置模型,过程如下:
经济性作为微网优化配置的首要目标,由其寿命周期内总等年值成本Ctotal决定,总成本由设备初始投资和置换成本、设备残值、运行维护成本、燃料成本和污染治理成本组成;
minCtotal=CWT+CPV+CDE+CBESS+CPO (9)
式中:WT、PV、DE、BESS分别为风机、光伏、柴油发电机、蓄电池储能,CWT、CPV、CDE、CBESS、CPO分别为WT、PV、DE、BESS和污染治理等年值成本;CWT,init,CPV,init,CDE,init,CBESS,init分别为WT,PV,DE和BESS的初始投资等年值成本;CWT,om,CPV,om,CDE,om,CBESS,om分别为WT,PV,DE和BESS的年运行和维护成本;CDE,rep,CBESS,rep分别为DE和BESS的置换等年值成本;CDE,sal,CBESS,sal分别为DE和BESS的等年值回收残值;Cfuel为柴油发电机的燃料等年值成本;EDE为柴发年发电量;Cpog为单位电量的污染治理成本,工程全寿命周期为20年,WT和PV的寿命预计可达20年,DE和BESS的寿命相对较短,在全寿命周期内需要更换;
其中设备全寿命周期内等年值成本由净现值成本求得,计算公式如下:
式中:Cdev,eav为等年值成本;Cdev为净现值成本;i(1+i)l/((1+i)l-1)为资金回收系数,其中,i为贴现率,l为***寿命期望值;
根据优化配置模型(9)~(10)对微电网内风光柴储的容量进行优化配置时,为充分考虑价格型需求响应对微电网优化配置的影响,考虑如下约束条件:
4.1)微电网供需平衡约束
L(t)=PPV(t)+PWT(t)+PDE(t)+PBESS(t) (12)
式中:L(t)为微电网内t时段的负荷参与价格型需求响应后的负荷需求量;PWT(t)、PPV(t)、PDE(t)分别为微电网内t时段WT、PV和DE发电量;PBESS(t)为微电网内t时段BESS的充放电功率;
4.2)储能蓄电池安全约束
储能蓄电池的寿命和充放电深度相关,过充过放都会增加蓄电池寿命损耗,所以需对蓄电池荷电状态进行约束:
SOCmin≤SOC(t)≤SOCmax (13)
式中:SOCmax和SOCmin分别为t时段储能蓄电池荷电状态SOC(t)的上下限;
此外,需将储能蓄电池t时段的充、放电功率PBESSin(t)、PBESSout(t)限制为:
式中:PBESSin,max和PBESSout,max分别为蓄电池最大充、放电功率,一般与储能蓄电池总容量有关;
4.3)微电网分布式电源装机容量约束
微电网内可再生能源装机容量与峰值负荷的比值设定为50%以上,柴油机应作为冷备用,将其发电量设定为微电网总电量需求的40%以下;
步骤5:求解建立的微网优化配置模型,得到优化配置方案。
进一步,所述步骤5,采用遗传算法求解建立的微网优化配置模型,求解过程如下:
步骤5-1:输入风光资源,负荷数据和实时电价;
步骤5-2:以风光柴储的配置容量作为个体编码,生成规模为N的初始种群P,通过遗传算法操作得到子代种群Q,将上述2个种群结合形成中间种群R;
步骤5-3:由电价、风光负荷数据和风光配置容量,依据需求价格弹性得出考虑需求响应后的负荷数据,以微网等年值成本为优化目标求出个体的适应度;
步骤5-4:对中间种群R依据适应度进行排序,保留最优的N个个体,形成新的父代种群P’;
步骤5-5:再通过遗传算法操作产生新的子代种群Q’,将P’和Q’合并形成新的中间种群R’,重复S3~S5步骤,直到满足结束条件。
本发明的技术构思为:将价格型需求响应因素添加到独立型微网优化配置中,对微网的经济性和配置产生有益影响。
本发明的有益效果主要表现在:1、提出的电价制定方法有效,通过实施需求响应,改善负荷特性,减少弃风弃光和柴发储能的使用,提高微网经济效益。
2、从经济性角度出发需求响应技术增加了总体新能源配置容量,可提升新能源接入水平。特别要指出的是,峰谷电价比的提高会增强需求响应的效应,利于微网增加新能源装机容量,减少储能配置。
具体实施方式
下面对本发明作进一步描述。
一种考虑价格型需求响应的独立型微网优化配置方法,包括以下步骤:
步骤1:将一天连续24h的时间进行离散化处理,均分为T个时段,对于任意第t时段,有t∈{1,2,...,T},且第t时段的时长为Δt,绘制微网内常规负荷曲线;
步骤2:绘制短期新能源发电功率曲线,根据新能源发电功率曲线和常规负荷曲线,制定面向微网用户的实时电价,当新能源发电功率曲线大于常规负荷曲线的时段为低电价,当新能源发电功率曲线小于常规负荷曲线的时段为高电价;
步骤3:建立需求响应优化模型,引导用户的用电行为,过程如下,
步骤3-1:采用替代弹性来表示电力需求的相对变化和电力价格相对变化的关系;
替代弹性可表示为:
式中:seu,k为替代弹性系数;Qu、Qk为u、k时段电力需求量;Pu、Pk为u、k时段电价,对于任意第u、k时段,均有u∈{1,2,...,T}、k∈{1,2,...,T};
步骤3-2:基于替代弹性的峰谷电价下,用户峰/谷时段的负荷削减比例%ΔLp和增加比例%ΔLo表示为:
式中:下标p和o分别表示峰时段和谷时段,C为峰或谷时段电费占日总电费的比例;为峰或谷时段的平均电价;
步骤3-3:以新能源发电和负荷需求的差值累计和为需求响应目标,表达式为:
约束条件为:
I2≥(1-α)I1 (5)
p2≤p1 (6)
Q1=Q2 (7)
mload≤Mload (8)
式(3)~(4)中:Linit(t)、L(t)为微电网内t时段的初始的负荷需求量和参与价格型需求响应后的负荷需求量,%ΔL为负荷增加或消减比例;PWT(t)、PPV(t)、Pnew(t)分别为微电网内t时段风机、光伏和新能源总发电量。
由需求响应模型(3)~(4)可知:新能源总发电量和负荷需求量的差值越小,价格型需求响应的优化效果越好。
式(5)~(8)中:I1为未实施需求响应时微网售电收入;I2为实时电价下微网售电收入;α为利益转让系数,表示因为实时需求响应引起的供电成本减少而可以接受的利益转移百分比,p1为未实施需求响应时用户用电平均价格;p2为实时电价下用户用电平均价格,Q1为未实施需求响应时用电总量;Q2为实施实时电价后的用电总量,mload为实际负荷转移量;Mload为可转移负荷容量;
根据需求响应优化模型(3)~(8),基于实时电价引导电力用户的用电行为,依据需求价格弹性得出考虑需求响应后的负荷数据;
步骤4:确定风光柴储等微电源发电模型,以微网全寿命周期等年值成本为目标,建立微网优化配置模型。具体包括,
经济性作为微网优化配置的首要目标,由其寿命周期内总等年值成本Ctotal决定。总成本由设备初始投资和置换成本、设备残值、运行维护成本、燃料成本和污染治理成本组成;
minCtotal=CWT+CPV+CDE+CBESS+CPO (9)
式中:WT、PV、DE、BESS分别为风机、光伏、柴油发电机、蓄电池储能,CWT、CPV、CDE、CBESS、CPO分别为WT、PV、DE、BESS和污染治理等年值成本;CWT,init,CPV,init,CDE,init,CBESS,init分别为WT,PV,DE和BESS的初始投资等年值成本;CWT,om,CPV,om,CDE,om,CBESS,om分别为WT,PV,DE和BESS的年运行和维护成本;CDE,rep,CBESS,rep分别为DE和BESS的置换等年值成本;CDE,sal,CBESS,sal分别为DE和BESS的等年值回收残值;Cfuel为柴油发电机的燃料等年值成本;EDE为柴发年发电量;Cpog为单位电量的污染治理成本.工程全寿命周期为20年,WT和PV的寿命预计可达20年,DE和BESS的寿命相对较短,在全寿命周期内需要更换;
其中设备全寿命周期内等年值成本由净现值成本求得,计算公式如下:
式中:Cdev,eav为等年值成本;Cdev为净现值成本;i(1+i)l/((1+i)l-1)为资金回收系数,其中,i为贴现率,l为***寿命期望值;
根据优化配置模型(9)~(10)对微电网内风光柴储的容量进行优化配置时,为充分考虑价格型需求响应对微电网优化配置的影响,考虑如下约束条件:
4.1)微电网供需平衡约束
L(t)=PPV(t)+PWT(t)+PDE(t)+PBESS(t) (12)
式中:L(t)为微电网内t时段的负荷参与价格型需求响应后的负荷需求量;PWT(t)、PPV(t)、PDE(t)分别为微电网内t时段WT、PV和DE发电量;PBESS(t)为微电网内t时段BESS的充放电功率;
4.2)储能蓄电池安全约束
储能蓄电池的寿命和充放电深度相关,过充过放都会增加蓄电池寿命损耗,所以需对蓄电池荷电状态进行约束:
SOCmin≤SOC(t)≤SOCmax (13)
式中:SOCmax和SOCmin分别为t时段储能蓄电池荷电状态SOC(t)的上下限;
此外,将储能蓄电池t时段的充、放电功率PBESSin(t)、PBESSout(t)限制为:
式中:PBESSin,max和PBESSout,max分别为蓄电池最大充、放电功率,一般与储能蓄电池总容量有关;
4.3)微电网分布式电源装机容量约束
微电网内可再生能源装机容量与峰值负荷的比值设定为50%以上,柴油机应作为冷备用,将其发电量设定为微电网总电量需求的40%以下;
步骤5:采用遗传算法求解建立的微网优化配置模型,得到优化配置方案。具体步骤如下,
步骤5-1:输入风光资源,负荷数据和实时电价;
步骤5-2:以风光柴储的配置容量作为个体编码,生成规模为N的初始种群P。通过遗传算法操作得到子代种群Q,将上述2个种群结合形成中间种群R;
步骤5-3:由电价、风光负荷数据和风光配置容量,依据需求价格弹性得出考虑需求响应后的负荷数据。以微网等年值成本为优化目标求出个体的适应度;
步骤5-4:对中间种群R依据适应度进行排序,保留最优的N个个体,形成新的父代种群P’;
步骤5-5:再通过遗传算法操作产生新的子代种群Q’,将P’和Q’合并形成新的中间种群R’,重复S3~S5步骤,直到满足结束条件。
为使本领域技术人员更好地理解本发明,申请人还应用电考虑价格型需求响应的独立型微网优化配置方法以某海岛微网为例进行算例仿真分析。
该地负荷平均功率约为788.98kW/h,最大负荷为2056kW,平均风速约为7.13m/s,日平均太阳光照辐照度约为3.90(kW·h)/(m2·d)。本文中选取替代弹性sep,o为0.5,选取利益转让系数α为5%。微网实行固定电价时电价为0.908元/(kW·h),实行分时电价和实时电价时,峰谷电价分别为1.108元/(kW·h)和0.596元/(kW·h)。
各微电源经济参数见表1,污染治理成本参数见表2,柴油价格为0.511元/L。
表2
为了更好的体现出实时电价作为需求响应技术相对最优的结论,将固定电价和分时电价进行仿真对比分析,固定电价24小时电价不变,不随新能源发电或负荷需求的改变而改变,不进行需求响应。分时定价把一天24小时分成高峰电价和低谷电价两时段。通过统计长期新能源发电和负荷需求情况制定,即风光等新能源发电平均值大于负荷值的时段为低电价时段,反之为高电价时段。高低电价时段确定后长期不变。
首先求得实行固定电价时微网经济性最优配置,设为方案1。在与方案1相同配置下实行分时电价和实时电价,分别设为方案2和方案3。对比3组配置相同,电价机制不同的方案,分析需求响应对微网经济效益影响。
从表3可得出:在微网电源配置相同的情况下,通过价格型需求响应,在分时电价下有7.0%的负荷转移,实时电价下有5.4%的负荷转移。需求响应优化目标,即新能源发电与负荷差值累计和,在实行固定电价时每年为6 024 993kW·h,分时电价为5 649 674kW·h,实时电价为5 373 727kW·h,实时电价响应效果最优。新能源发电和负荷差值累计越小,意味着弃风弃光越少,以及柴发和储能使用越少,使柴发成本和污染治理成本减少,电池寿命增长,储能成本也减少。固定电价下的柴发成本、污染治理成本和储能成本分别为373.8万元、135.2万元和175.8万元,分时电价下相应项分别减少23.5万元、10.0万元和4.0万元,实时电价分别减少35.8万元、14.6万元和13.1万元,三种方案的风机和光伏成本相同。因而,总成本实行固定电价最高为1074.9万元,其次是分时电价总成本为1037.4万元,实时电价最低为1011.4万元。同时,三种电价下新能源渗透率分别为74.9%、76.8%和77.6%,分时电价和实时电价都有提高。
可见通过制定有效电价机制,实施需求响应,改善负荷特性,提高微网经济效益,其中实时电价效果更优。
表3
续表3
求得实行分时电价和实时电价时微网经济性最优配置,分别设为方案4和方案5。
从表3中可得出:与方案1固定电价相比,方案4和方案5的光伏装机容量分别增加300kW和360kW,储能容量也相应增加,新能源渗透率分别提高至78.3%和79.4%。虽然方案4和方案5光伏成本增加,但柴发发电得以减少,柴发成本和污染物治理成本减少的更多,而储能因其寿命变长其成本没有增加。总成本实行固定电价最高为1074.9万元,其次是分时电价总成本为1032.9万元,实时电价最低为1008.0万元。
可见从经济性角度出发,需求响应技术增加了总体新能源配置容量,提高新能源接入水平。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,本领域的技术人员可以将本说明书中描述的不同实施例或示例进行结合和组合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (2)
1.一种考虑价格型需求响应的独立型微网优化配置方法,其特征在于:所述优化配置方法包括以下步骤:
步骤1:将一天连续24h的时间进行离散化处理,均分为T个时段,对于任意第t时段,有t∈{1,2,...,T},且第t时段的时长为Δt,绘制微网内常规负荷曲线;
步骤2:绘制短期新能源发电功率曲线,根据新能源发电功率曲线和常规负荷曲线,制定面向微网用户的实时电价,当新能源发电功率曲线大于常规负荷曲线的时段为低电价,当新能源发电功率曲线小于常规负荷曲线的时段为高电价;
步骤3:建立需求响应优化模型,引导用户的用电行为,过程如下,
步骤3-1:采用替代弹性来表示电力需求的相对变化和电力价格相对变化的关系;
替代弹性可表示为:
式中:seu,k为替代弹性系数;Qu、Qk为u、k时段电力需求量;Pu、Pk为u、k时段电价,对于任意第u、k时段,均有u∈{1,2,...,T}、k∈{1,2,...,T};
步骤3-2:基于替代弹性的峰谷电价下,用户峰/谷时段的负荷削减比例%ΔLp和增加比例%ΔLo表示为:
式中:下标p和o分别表示峰时段和谷时段,C为峰或谷时段电费占日总电费的比例;为峰或谷时段的平均电价;
步骤3-3:以新能源发电和负荷需求的差值累计和为需求响应目标,表达式为:
约束条件为:
I2≥(1-α)I1 (5)
p2≤p1 (6)
Q1=Q2 (7)
mload≤Mload (8)
式(3)~(4)中:Linit(t)、L(t)为微电网内t时段的初始的负荷需求量和参与价格型需求响应后的负荷需求量,%ΔL为负荷增加或消减比例;PWT(t)、PPV(t)、Pnew(t)分别为微电网内t时段风机、光伏和新能源总发电量;
式(5)~(8)中:I1为未实施需求响应时微网售电收入;I2为实时电价下微网售电收入;α为利益转让系数,表示因为实时需求响应引起的供电成本减少而可以接受的利益转移百分比,p1为未实施需求响应时用户用电平均价格;p2为实时电价下用户用电平均价格,Q1为未实施需求响应时用电总量;Q2为实施实时电价后的用电总量,mload为实际负荷转移量;Mload为可转移负荷容量;
根据需求响应优化模型(3)~(8),基于实时电价引导电力用户的用电行为,依据需求价格弹性得出考虑需求响应后的负荷数据;
步骤4:确定风光柴储微电源发电模型,以微网全寿命周期等年值成本为目标,建立微网优化配置模型,过程如下:
经济性作为微网优化配置的首要目标,由其寿命周期内总等年值成本Ctotal决定,总成本由设备初始投资和置换成本、设备残值、运行维护成本、燃料成本和污染治理成本组成;
min Ctotal=CWT+CPV+CDE+CBESS+CPO (9)
式中:WT、PV、DE、BESS分别为风机、光伏、柴油发电机、蓄电池储能,CWT、CPV、CDE、CBESS、CPO分别为WT、PV、DE、BESS和污染治理等年值成本;CWT,init,CPV,init,CDE,init,CBESS,init分别为WT,PV,DE和BESS的初始投资等年值成本;CWT,om,CPV,om,CDE,om,CBESS,om分别为WT,PV,DE和BESS的年运行和维护成本;CDE,rep,CBESS,rep分别为DE和BESS的置换等年值成本;CDE,sal,CBESS,sal分别为DE和BESS的等年值回收残值;Cfuel为柴油发电机的燃料等年值成本;EDE为柴发年发电量;Cpog为单位电量的污染治理成本,工程全寿命周期为20年,WT和PV的寿命预计可达20年,DE和BESS的寿命相对较短,在全寿命周期内需要更换;
其中设备全寿命周期内等年值成本由净现值成本求得,计算公式如下:
式中:Cdev,eav为等年值成本;Cdev为净现值成本;i(1+i)l/((1+i)l-1)为资金回收系数,其中,i为贴现率,l为***寿命期望值;
根据优化配置模型(9)~(10)对微电网内风光柴储的容量进行优化配置时,为充分考虑价格型需求响应对微电网优化配置的影响,考虑如下约束条件:
4.1)微电网供需平衡约束
L(t)=PPV(t)+PWT(t)+PDE(t)+PBESS(t) (12)
式中:L(t)为微电网内t时段的负荷参与价格型需求响应后的负荷需求量;PWT(t)、PPV(t)、PDE(t)分别为微电网内t时段WT、PV和DE发电量;PBESS(t)为微电网内t时段BESS的充放电功率;
4.2)储能蓄电池安全约束
储能蓄电池的寿命和充放电深度相关,过充过放都会增加蓄电池寿命损耗,所以需对蓄电池荷电状态进行约束:
SOCmin≤SOC(t)≤SOCmax (13)
式中:SOCmax和SOCmin分别为t时段储能蓄电池荷电状态SOC(t)的上下限;
此外,将储能蓄电池t时段的充、放电功率PBESSin(t)、PBESSout(t)限制为:
式中:PBESSin,max和PBESSout,max分别为蓄电池最大充、放电功率,一般与储能蓄电池总容量有关;
4.3)微电网分布式电源装机容量约束
微电网内可再生能源装机容量与峰值负荷的比值设定为50%以上,柴油机应作为冷备用,将其发电量设定为微电网总电量需求的40%以下;
步骤5:求解建立的微网优化配置模型,得到优化配置方案。
2.如权利要求1所述的一种考虑价格型需求响应的独立型微网优化配置方法,其特征在于:所述步骤5中,采用遗传算法求解建立的微网优化配置模型,求解过程如下:
步骤5-1:输入风光资源,负荷数据和实时电价;
步骤5-2:以风光柴储的配置容量作为个体编码,生成规模为N的初始种群P,通过遗传算法操作得到子代种群Q,将上述2个种群结合形成中间种群R;
步骤5-3:由电价、风光负荷数据和风光配置容量,依据需求价格弹性得出考虑需求响应后的负荷数据,以微网等年值成本为优化目标求出个体的适应度;
步骤5-4:对中间种群R依据适应度进行排序,保留最优的N个个体,形成新的父代种群P’;
步骤5-5:再通过遗传算法操作产生新的子代种群Q’,将P’和Q’合并形成新的中间种群R’,重复S3~S5步骤,直到满足结束条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610303635.8A CN105977991B (zh) | 2016-05-10 | 2016-05-10 | 一种考虑价格型需求响应的独立型微网优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610303635.8A CN105977991B (zh) | 2016-05-10 | 2016-05-10 | 一种考虑价格型需求响应的独立型微网优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105977991A true CN105977991A (zh) | 2016-09-28 |
CN105977991B CN105977991B (zh) | 2018-07-10 |
Family
ID=56991779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610303635.8A Active CN105977991B (zh) | 2016-05-10 | 2016-05-10 | 一种考虑价格型需求响应的独立型微网优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105977991B (zh) |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106505614A (zh) * | 2016-11-07 | 2017-03-15 | 国网天津市电力公司 | 多约束条件下用户效益最大化的光伏发电调控策略 |
CN107403256A (zh) * | 2017-07-01 | 2017-11-28 | 华中科技大学 | 一种考虑需求响应不确定性的光伏微网电池储能配置方法 |
CN107947178A (zh) * | 2017-12-15 | 2018-04-20 | 华北电力大学(保定) | 一种基于文化基因算法的交直流混合微网优化运行方法 |
CN107967533A (zh) * | 2017-11-08 | 2018-04-27 | 国网冀北电力有限公司 | 一种计及分布式电源和需求侧响应的负荷预测方法 |
CN108649553A (zh) * | 2018-03-23 | 2018-10-12 | 中国电力科学研究院有限公司 | 一种微能源网供能***的配置选优方法及装置 |
CN108869059A (zh) * | 2018-06-26 | 2018-11-23 | 广东电网有限责任公司 | 燃气机组的冷备用补偿计算方法、装置、设备及存储介质 |
CN109119988A (zh) * | 2018-09-11 | 2019-01-01 | 重庆大学 | 基于动态批发市价的光伏-电池微电网能量调度管理方法 |
CN109272355A (zh) * | 2018-09-18 | 2019-01-25 | 国家能源投资集团有限责任公司 | 基于微网的虚拟售电模块构建方法及装置 |
CN109285016A (zh) * | 2017-07-21 | 2019-01-29 | 南方电网科学研究院有限责任公司 | 一种分布式光伏发电定价方法 |
CN109636056A (zh) * | 2018-12-24 | 2019-04-16 | 浙江工业大学 | 一种基于多智能体技术的多能源微网去中心化优化调度方法 |
CN110380405A (zh) * | 2019-07-04 | 2019-10-25 | 上海交通大学 | 考虑需求响应与储能协同优化微电网运行方法 |
CN110414804A (zh) * | 2019-07-08 | 2019-11-05 | 华中科技大学 | 一种基于多维度响应特性的价格型需求响应建模方法 |
CN112491087A (zh) * | 2020-11-20 | 2021-03-12 | 西安热工研究院有限公司 | 一种基于需求侧响应的风光储独立微电网经济优化方法 |
CN112883584A (zh) * | 2021-03-12 | 2021-06-01 | 国网上海市电力公司 | 一种考虑利益交互的多能微网群冷热电多能耦合优化方法 |
CN113988392A (zh) * | 2021-10-19 | 2022-01-28 | 华北电力大学(保定) | 一种考虑可靠性需求响应的微网优化规划方法 |
CN114301081A (zh) * | 2022-01-11 | 2022-04-08 | 大连理工大学 | 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法 |
CN115459348A (zh) * | 2022-10-17 | 2022-12-09 | 东南大学溧阳研究院 | 一种考虑峰谷电价的微电网最优资源调控方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015050826A (ja) * | 2013-08-30 | 2015-03-16 | 大阪瓦斯株式会社 | デマンドレスポンスシステム |
CN104578160A (zh) * | 2015-01-14 | 2015-04-29 | 天津大学 | 一种微网能量控制方法 |
CN104795833A (zh) * | 2015-05-08 | 2015-07-22 | 武汉大学 | 一种独立微电网蓄电池储能***容量优化配置方法 |
-
2016
- 2016-05-10 CN CN201610303635.8A patent/CN105977991B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015050826A (ja) * | 2013-08-30 | 2015-03-16 | 大阪瓦斯株式会社 | デマンドレスポンスシステム |
CN104578160A (zh) * | 2015-01-14 | 2015-04-29 | 天津大学 | 一种微网能量控制方法 |
CN104795833A (zh) * | 2015-05-08 | 2015-07-22 | 武汉大学 | 一种独立微电网蓄电池储能***容量优化配置方法 |
Non-Patent Citations (1)
Title |
---|
赵波等: ""考虑需求侧响应的光储并网型微电网优化配置"", 《中国电机工程学报》 * |
Cited By (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106505614A (zh) * | 2016-11-07 | 2017-03-15 | 国网天津市电力公司 | 多约束条件下用户效益最大化的光伏发电调控策略 |
CN107403256A (zh) * | 2017-07-01 | 2017-11-28 | 华中科技大学 | 一种考虑需求响应不确定性的光伏微网电池储能配置方法 |
CN107403256B (zh) * | 2017-07-01 | 2020-12-18 | 华中科技大学 | 一种考虑需求响应不确定性的光伏微网电池储能配置方法 |
CN109285016A (zh) * | 2017-07-21 | 2019-01-29 | 南方电网科学研究院有限责任公司 | 一种分布式光伏发电定价方法 |
CN107967533A (zh) * | 2017-11-08 | 2018-04-27 | 国网冀北电力有限公司 | 一种计及分布式电源和需求侧响应的负荷预测方法 |
CN107947178B (zh) * | 2017-12-15 | 2019-03-05 | 华北电力大学(保定) | 一种基于文化基因算法的交直流混合微网优化运行方法 |
CN107947178A (zh) * | 2017-12-15 | 2018-04-20 | 华北电力大学(保定) | 一种基于文化基因算法的交直流混合微网优化运行方法 |
CN108649553A (zh) * | 2018-03-23 | 2018-10-12 | 中国电力科学研究院有限公司 | 一种微能源网供能***的配置选优方法及装置 |
CN108869059A (zh) * | 2018-06-26 | 2018-11-23 | 广东电网有限责任公司 | 燃气机组的冷备用补偿计算方法、装置、设备及存储介质 |
CN109119988A (zh) * | 2018-09-11 | 2019-01-01 | 重庆大学 | 基于动态批发市价的光伏-电池微电网能量调度管理方法 |
CN109119988B (zh) * | 2018-09-11 | 2020-05-15 | 重庆大学 | 基于动态批发市价的光伏-电池微电网能量调度管理方法 |
CN109272355A (zh) * | 2018-09-18 | 2019-01-25 | 国家能源投资集团有限责任公司 | 基于微网的虚拟售电模块构建方法及装置 |
CN109636056A (zh) * | 2018-12-24 | 2019-04-16 | 浙江工业大学 | 一种基于多智能体技术的多能源微网去中心化优化调度方法 |
CN110380405B (zh) * | 2019-07-04 | 2023-04-25 | 上海交通大学 | 考虑需求响应与储能协同优化微电网运行方法 |
CN110380405A (zh) * | 2019-07-04 | 2019-10-25 | 上海交通大学 | 考虑需求响应与储能协同优化微电网运行方法 |
CN110414804A (zh) * | 2019-07-08 | 2019-11-05 | 华中科技大学 | 一种基于多维度响应特性的价格型需求响应建模方法 |
CN110414804B (zh) * | 2019-07-08 | 2022-02-18 | 华中科技大学 | 一种基于多维度响应特性的价格型需求响应建模方法 |
CN112491087A (zh) * | 2020-11-20 | 2021-03-12 | 西安热工研究院有限公司 | 一种基于需求侧响应的风光储独立微电网经济优化方法 |
CN112883584A (zh) * | 2021-03-12 | 2021-06-01 | 国网上海市电力公司 | 一种考虑利益交互的多能微网群冷热电多能耦合优化方法 |
CN112883584B (zh) * | 2021-03-12 | 2024-05-03 | 国网上海市电力公司 | 一种考虑利益交互的多能微网群冷热电多能耦合优化方法 |
CN113988392A (zh) * | 2021-10-19 | 2022-01-28 | 华北电力大学(保定) | 一种考虑可靠性需求响应的微网优化规划方法 |
CN113988392B (zh) * | 2021-10-19 | 2024-05-28 | 华北电力大学(保定) | 一种考虑可靠性需求响应的微网优化规划方法 |
CN114301081A (zh) * | 2022-01-11 | 2022-04-08 | 大连理工大学 | 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法 |
CN114301081B (zh) * | 2022-01-11 | 2024-06-14 | 大连理工大学 | 一种考虑蓄电池储能寿命损耗与需求响应的微电网优化方法 |
CN115459348A (zh) * | 2022-10-17 | 2022-12-09 | 东南大学溧阳研究院 | 一种考虑峰谷电价的微电网最优资源调控方法 |
CN115459348B (zh) * | 2022-10-17 | 2023-10-20 | 东南大学溧阳研究院 | 一种考虑峰谷电价的微电网最优资源调控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105977991B (zh) | 2018-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105977991A (zh) | 一种考虑价格型需求响应的独立型微网优化配置方法 | |
CN108173283B (zh) | 一种含风光可再生能源的热电联供***运行方法 | |
Zhang et al. | Multi-objective load dispatch for microgrid with electric vehicles using modified gravitational search and particle swarm optimization algorithm | |
Ju et al. | A two-stage optimal coordinated scheduling strategy for micro energy grid integrating intermittent renewable energy sources considering multi-energy flexible conversion | |
Javidsharifi et al. | Multi-objective short-term scheduling of a renewable-based microgrid in the presence of tidal resources and storage devices | |
Jin et al. | Game theoretical analysis on capacity configuration for microgrid based on multi-agent system | |
CN105071389B (zh) | 计及源网荷互动的交直流混合微电网优化运行方法及装置 | |
CN110659830A (zh) | 面向综合能源***的多能源微网规划方法 | |
CN109149651B (zh) | 一种计及调压辅助服务收益的光储***优化运行方法 | |
CN106127389A (zh) | 一种虚拟电厂热电联合调度鲁棒优化模型 | |
CN103151797A (zh) | 基于多目标调度模型的并网运行方式下微网能量控制方法 | |
CN103606014B (zh) | 一种基于多目标的海岛分布式电源优化方法 | |
CN104881716A (zh) | 一种微电网电源的优化规划及评估方法 | |
HassanzadehFard et al. | A novel objective function for optimal DG allocation in distribution systems using meta-heuristic algorithms | |
CN103854070A (zh) | 独立微网***的随机优化规划方法 | |
CN109948849A (zh) | 一种计及储能接入的配电网网架规划方法 | |
Aliari et al. | Planning for integration of wind power capacity in power generation using stochastic optimization | |
CN106529737A (zh) | 一种配电网供给侧调峰电源规划布局方法 | |
CN111668878A (zh) | 一种可再生微能源网的优化配置方法和*** | |
CN116402307A (zh) | 考虑可调度柔性资源运行特性的电网规划容量分析方法 | |
Meng et al. | Multi-objective optimal dispatching of demand response-enabled microgrid considering uncertainty of renewable energy generations based on two-level iterative strategy | |
CN115117940A (zh) | 考虑风电、光伏及负荷不确定的风光水火储***低碳调度模型建模方法 | |
CN106779250A (zh) | 一种基于新型优化模型的孤立分布式电网配置方法 | |
CN104616071B (zh) | 一种风光储互补发电***优化配置方法 | |
Melo et al. | A decision-making method to choose optimal systems considering financial and environmental aspects: Application in hybrid CCHP 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 | ||
GR01 | Patent grant |