CN109713666A - 一种基于K-means聚类的电力市场下分布式储能经济性调控方法 - Google Patents
一种基于K-means聚类的电力市场下分布式储能经济性调控方法 Download PDFInfo
- Publication number
- CN109713666A CN109713666A CN201910042585.6A CN201910042585A CN109713666A CN 109713666 A CN109713666 A CN 109713666A CN 201910042585 A CN201910042585 A CN 201910042585A CN 109713666 A CN109713666 A CN 109713666A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- distributed energy
- indicate
- power
- distributed
- 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
-
- 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
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种基于K‑means聚类的电力市场下分布式储能经济性调控方法,包括以下步骤:步骤1:采集电网数据、负荷数据和分布式储能数据。步骤2:建立分布式储能经济性模型,分析其运行成本与收益。步骤3:输入分布式储能的参数,随进确定初始聚类中心。步骤4:使用K‑means聚类算法对分布式储能进行聚类分组。步骤5:以提高分布式储能经济性并最大程度保存其可调控潜力为目标函数,以聚类完成的分组为控制单位,对分布式储能的充放电功率进行优化。步骤6:下达分布式储能的充放电指令。本发明能够平衡运行过程中分布式储能个体之间寿命损耗的差异,降低总运行成本,并提高运行过程中分布式储能总体的调控潜力。
Description
技术领域
本发明属于储能技术领域,涉及分布式储能,尤其是一种基于K-means聚类的电力市场下分布式储能经济性调控方法。
背景技术
过去几年,随着负荷高峰需求的稳步增长以及间歇性可再生能源资源的大规模使用,电网变得更加脆弱。分布式储能可以将电能转化为更为稳定的形式储存在装置内,在需要时释放出来。这种特性使分布式储能在电网中同时承担了“源”、“荷”的作用,能够有效地缓解分布式电源接入和负荷快速增长给电力***的带来的问题。
影响分布式储能推广的一个重要原因是其运行成本较高。国外学者在期刊Officeof Scientific&Technical Information Technical Reports上发表的文献[Energystorage systems cost update:a study for the DOE Energy Storage SystemsProgram]通过量化储能的成本和收益表明使用独立的分布式储能成本非常高,独立运行的分布式储能尚不具备经济上的可行性。因此,提供合理的解决方案来减少使用储能设备所带来的费用将是十分必要的。就单个分布式储能而言,其容量有限,且功率较小,相比之下,聚合的分布式储能具有数量可观,调度方式灵活,参与***调度潜力巨大,这就需要一种合适的调控策略来对分布式储能进行控制。研究人员在会议Decision and Control发表的文献[Ledwich G.Estimating benefits of energy storage for aggregate storageapplications in electricity distribution networks in Queensland]提出了一种新型的分布式算法,用于优化包含储能的能源共享网络,通过最大限度地提高消费者之间的合作以及资源共享提高可调度潜力,然而该算法只将分散的储能简单地看作一个整体,没有考虑到分布式储能内部的优化,并不能充分利用分布式储能的可调度潜力。因此,一种能够最小化分布式储能运行成本并最大化其经济收益的资源调度方案是十分必要的。
发明内容:
为了克服上述现有技术的不足,本发明提供了一种基于K-means聚类的电力市场下分布式储能经济性调控方法。
本发明采用如下技术方案:
一种基于K-means聚类的电力市场下分布式储能经济性调控方法,所述方法包括以下步骤:
步骤1:采集电网数据、负荷数据和分布式储能数据。
步骤2:建立分布式储能经济性模型,分析其运行成本与收益。
步骤3:输入分布式储能的参数,随进确定初始聚类中心。
步骤4:使用K-means聚类算法对分布式储能进行聚类分组。
步骤5:以提高分布式储能经济性并最大程度保存其可调控潜力为目标函数,以聚类完成的分组为控制单位,对分布式储能的充放电功率进行优化。
步骤6:下达分布式储能的充放电指令。
所述步骤5中,分布式储能运行目标函数为:
f=max(w1f1+w2f2)
其中,
f2=min(min(|pmax,c(t)|,|pmax,d(t)|)),t=1,2,...,24
式中,f1表示储能的经济收益,f2表示储能的可调控潜力,w1,w2是权重,由于储能运行时以获益最高为主要目标,取值时w1>w2,表示t时刻第i个分布式储能的充电功率,表示t时刻第i个分布式储能的放电功率,R(t)表示t时刻电网的电价,Δt表示预设的时间间隔,Bcap分布式储能参与电网辅助服务得到的收益,是第i个储能一天的寿命损耗, pmax,c(t),pmax,d(t)分别表示t时刻分布式储能的最大充放电潜力。
f1的第一项是能源贩卖收益,第二项是能源购买成本,两者共同构成了分布式储能的运行收益,第三项Bcap是帮助电网削峰填谷得到的收益,第四项是储能运行时产生的寿命损耗;f2表示分布式储能在各时刻的可调度潜力。
目标函数的约束条件为:
(1)分布式储能能量和功率约束:
ei=SoCi×Ei
其中,是储能容量的上下界,是储能的最大充放电功率,上能量边界对应于吸收能量的最快路径,而下能量边界对应于消耗能量的最快路径。SoCi是第i个电池的荷电状态,Ei是第i个电池的容量。
容量和功率之间的关系为:
ei(t+1)=ei(t)+pi(t)Δt
其中,ei(t),ei(t+1)表示t时刻及其下一时刻储能i内部的能量,p(t)表示t时刻储能i的功率,Δt表示时间间隔。
(2)分布式储能当前最大充放电功率:
储能的充放电潜力可以通过下式计算:
其中,表示t时刻储能的可充电容量以及可放电容量,表示储能i的内部能量储量的最大值和最小值。
通过当前分布式储能聚合总体的可充电潜力,评估最大充电功率Pmax,c(t),最大充电功率应至少持续一个调度的时间间隔Δt。
epc(t)+Pmax,c(t)×Δt≤emax
分布式储能最大充电功率可以表示为:
其中,P+表示储能本身的充电极限,emax表示储能的最大能量储量,e(t)表示t时刻储能的能量储量。
通过分布式储能聚合总体的可放电潜力,评估最大放电功率Pmax,d(t),最大放电功率应至少持续一个调度的时间间隔Δt。
epd(t)+Pmax,d(t)×Δt≥emin
分布式储能最大放电功率可以表示为:
其中,P-表示储能本身的放电极限,emin表示储能的最小能量储量。
因此,分布式储能的当前最大充放电功率为:
(3)电网功率约束:
其中Pmax,Pmin表示电网可以接受的最大充放电功率。
所述步骤2中1分布式储能经济性模型如下:
目前储能收益基本来自两个部分。其中一部分是电量收益,另一部分是通过服务电网,帮助电网削峰填谷得到的收益。这两部分收益可以表示为:
Bmar=psellesell-pbuyebuy
Bcap=bcapPcap
其中,Bmar表示储能的电量收益,psell,esell表示售电价格以及售电量,pbuy,ebuy表示购电价格以及购电量,Bcap表示储能参与辅助服务得到的收益,bcap表示单位调峰量的补贴,Pcap表示总调峰量。
储能的总收益可以表示为这两部分收益的和:
Bt=Bmar+Bcap
电池储能由储能装置、能量转换装置构成,因此储能装置的成本可以表示为:
Ct=Cbat+CPCS
其中Cbat表示储能装置的成本,CPCS表示能量转换装置的成本。
Cbat=CeEt
CPCS=CpPt
其中,Ce表示储能装置单位容量价格(元/kW·h),Et表示储能安装的总容量(kW·h), Cp表示能量转换装置单位功率价格(元/kW),Pt表示安装的总功率。
进行放电深度为Da的循环一次产生的寿命损耗成本为:
其中N'a是进行放电深度为Da的充放电行为时的折算循环次数。
在市场经济环境下,分布式储能每天的净收益Bd为:
其中n表示实际循环次数。
步骤5所述的一种基于K-means聚类的电力市场下分布式储能经济性调控策略如下:
在实际运行时,放任储能自由充放电不仅会导致储能的寿命受到不必要的损耗,其可调度潜力也会下降;而逐一对其进行控制成本高、工作量大。因此,考虑对参与运行的分布式储能进行聚类分组,以聚合小组为单位参与调控。
对大量分布式储能进行聚类分组的根本目的是通过将具有相近调控潜力和可操作空间的分布式储能聚类为一组,从而在调度的过程中充分发挥储能的需求响应调控能力。储能参与电力***调度的运行状态是一个多维变量,包括功率、荷电状态、可用容量等。
K-means聚类是目前常用的聚类算法,其具有聚类思想简单清晰,可操作性高的优点,已广泛应用于电力***负荷分类中。
调控时需要将分布式储能聚类为拥有相似可调度潜力的K组数据:
其中,以Dk表示第K个聚类组的样本集,Ck表示第K个聚类组的聚类中心,则聚类目标函数为整个聚类的均方差最小:
对于大量储能负荷聚类的实际问题,分类数过少将使得实际调度情况偏移预期调控目标,分类数过大虽然有利于各个聚类组内调控潜力的一致性和相似性,但是增大了聚合商的调控难度。因此在实际调控过程中,负荷代理商可以基于自身调控能力确定最大K值范围,并进一步通过穷举法确定最佳聚类组数。
综上所述,基于储能调控潜力和参数差异性的聚类分组方法流程如下。
步骤1:确定聚类数目K。
步骤2:将所有分布式储能的参数进行排序,确定初始聚类中心。
步骤3:从编号i=1的分布式储能开始,求其到第K个聚类中心的距离,并将样本聚类到相距聚类中心最近的分组中。
步骤4:求每个聚类组的参数之和并求其平均数,并将其更新为新的聚类中心。
步骤5:重复步骤3至4,直至聚类中心满足迭代收敛条件。
在每次调度开始前,聚合商需要获取负荷需求和可再生能源发电量,计算储能当前的可调控潜力,并制定储能运行目标,通过对所辖若干储能聚合小组出力进行优化调整,最大程度地达到运行目标。
本发明的优点和有益效果:
1、本发明提供一种基于K-means聚类的电力市场下分布式储能优化调控模型,该模型能够平衡运行过程中分布式储能个体之间寿命损耗的差异,降低总运行成本,并提高运行过程中分布式储能总体的调控潜力。
2、本发明基于典型日负荷曲线,采用基于K-means聚类的调控方法对分布式储能的充放电功率进行优化。兼顾了电网和储能用户的利益,不仅降低了配电网的负荷峰谷差,还提高了储能用户的经济收益。
附图说明
图1为本发明方法流程示意图;
图2为本发明提出的调控策略基本原理示意图;
图3为使用不同K值时单个储能每日净收益对比图;
图4为使用提出的策略前后分布式储能一天运行产生的寿命损耗对比图;
图5为使用提出的策略前后试验当天典型时刻分布式储能可调控潜力对比图。
具体实施方式
下面结合附图对本发明做进一步详细说明。
如图1所示为本发明所提出的一种基于分时电价的分布式储能的优化运行方法,所述方法包括以下步骤:
步骤1:采集电网数据、负荷数据和分布式储能数据。
步骤2:建立分布式储能经济性模型,分析其运行成本与收益。
步骤3:输入分布式储能的参数,随进确定初始聚类中心。
步骤4:使用K-means聚类算法对分布式储能进行聚类分组。
步骤5:以提高分布式储能经济性并最大程度保存其可调控潜力为目标函数,以聚类完成的分组为控制单位,对分布式储能的充放电功率进行优化。
步骤6:下达分布式储能的充放电指令。
所述步骤5中,分布式储能运行目标函数为:
f=max(w1f1+w2f2)
其中,
f2=min(min(|pmax,c(t)|,|pmax,d(t)|)),t=1,2,...,24
式中,f1表示储能的经济收益,f2表示储能的可调控潜力,w1,w2是权重,由于储能运行时以获益最高为主要目标,取值时w1>w2,表示t时刻第i个分布式储能的充电功率,表示t时刻第i个分布式储能的放电功率,R(t)表示t时刻电网的电价,Δt表示预设的时间间隔,Bcap分布式储能参与电网辅助服务得到的收益,是第i个储能一天的寿命损耗, pmax,c(t),pmax,d(t)分别表示t时刻分布式储能的最大充放电潜力。
f1的第一项是能源贩卖收益,第二项是能源购买成本,两者共同构成了分布式储能的运行收益,第三项Bcap是帮助电网削峰填谷得到的收益,第四项是储能运行时产生的寿命损耗;f2表示分布式储能在各时刻的可调度潜力。
目标函数的约束条件为:
(1)分布式储能能量和功率约束:
ei=SoCi×Ei
其中,是储能容量的上下界,是储能的最大充放电功率,上能量边界对应于吸收能量的最快路径,而下能量边界对应于消耗能量的最快路径。SoCi是第i个电池的荷电状态,Ei是第i个电池的容量。
容量和功率之间的关系为:
ei(t+1)=ei(t)+pi(t)Δt
(2)分布式储能当前最大充放电功率:
储能的充放电潜力可以通过下式计算:
通过当前分布式储能聚合总体的可充电潜力,评估最大充电功率Pmax,c(t),最大充电功率应至少持续一个调度的时间间隔Δt。
epc(t)+Pmax,c(t)×Δt≤emax
分布式储能最大充电功率可以表示为:
通过分布式储能聚合总体的可放电潜力,评估最大放电功率Pmax,d(t),最大放电功率应至少持续一个调度的时间间隔Δt。
epd(t)+Pmax,d(t)×Δt≥emin
分布式储能最大放电功率可以表示为:
因此,分布式储能的当前最大充放电功率为:
(3)电网功率约束:
其中Pmax,Pmin表示电网可以接受的最大充放电功率。
所述步骤2中1分布式储能经济性模型如下:
目前储能收益基本来自两个部分。其中一部分是电量收益,另一部分是通过服务电网,帮助电网削峰填谷得到的收益。这两部分收益可以表示为:
Bmar=psellesell-pbuyebuy
Bcap=bcapPcap
储能的总收益可以表示为这两部分收益的和:
Bt=Bmar+Bcap
电池储能由储能装置、能量转换装置构成,因此储能装置的成本可以表示为:
Ct=Cbat+CPCS
其中Cbat表示储能装置的成本,CPCS表示能量转换装置的成本。
Cbat=CeEt
CPCS=CpPt
其中,Ce表示储能装置单位容量价格(元/kW·h),Et表示储能安装的总容量(kW·h), Cp表示能量转换装置单位功率价格(元/kW),Pt表示安装的总功率。
进行放电深度为Da的循环一次产生的寿命损耗成本为:
其中N'a是进行放电深度为Da的充放电行为时的折算循环次数。
在市场经济环境下,分布式储能每天的净收益Bd为:
其中n表示实际循环次数。
步骤5所述的一种基于K-means聚类的电力市场下分布式储能经济性调控策略,其特征如下:
在实际运行时,放任储能自由充放电不仅会导致储能的寿命受到不必要的损耗,其可调度潜力也会下降,见图3;而逐一对其进行控制成本高、工作量大。因此,考虑对参与运行的分布式储能进行聚类分组,以聚合小组为单位参与调控。
对大量分布式储能进行聚类分组的根本目的是通过将具有相近调控潜力和可操作空间的分布式储能聚类为一组,从而在调度的过程中充分发挥储能的需求响应调控能力。储能参与电力***调度的运行状态是一个多维变量,包括功率、荷电状态、可用容量等。
K-means聚类是目前常用的聚类算法,其具有聚类思想简单清晰,可操作性高的优点,已广泛应用于电力***负荷分类中。
调控时需要将分布式储能聚类为拥有相似可调度潜力的K组数据,以Dk表示第K个聚类组的样本集,Ck表示第K个聚类组的聚类中心,则聚类目标函数为整个聚类的均方差最小:
对于大量储能负荷聚类的实际问题,分类数过少将使得实际调度情况偏移预期调控目标,分类数过大虽然有利于各个聚类组内调控潜力的一致性和相似性,但是增大了聚合商的调控难度。因此在实际调控过程中,负荷代理商可以基于自身调控能力确定最大K值范围,并进一步通过穷举法确定最佳聚类组数。
综上所述,基于储能调控潜力和参数差异性的聚类分组方法流程如下。
步骤1:确定聚类数目K。
步骤2:将所有分布式储能的参数进行排序,确定初始聚类中心。
步骤3:从编号i=1的分布式储能开始,求其到第K个聚类中心的距离,并将样本聚类到相距聚类中心最近的分组中。
步骤4:求每个聚类组的参数之和并求其平均数,并将其更新为新的聚类中心。
步骤5:重复步骤3至4,直至聚类中心满足迭代收敛条件。
在每次调度开始前,聚合商需要获取负荷需求和可再生能源发电量,计算储能当前的可调控潜力,并制定储能运行目标,通过对所辖若干储能聚合小组出力进行优化调整,最大程度地达到运行目标。
实例分析
***中设置500个储能进行聚合分析,储能的容量分别为100MW·h的储能150个、150MW·h的储能150个、200MW·h的储能200个,额定充放电功率均为1MW,充放电效率为95%,接入时各储能的参数如图5所示,能量转换装置单位功率价格为3224×103(元 /(MW)),储能装置单位容量价格为1085×103(元/(MW·h)),电网售电价格选取北京市峰谷分时电价标准(见表1)。按照我国《关于开展电力需求响应市场试点工作的通知》规定,每响应1千瓦负荷给予最高不超过30元的补偿费用,对此我国某省的限制标准是8次,每千瓦一次的补偿为3.75元,一天高峰时段补偿2次。为了保护电池的使用寿命,储能运行时一般取0.9为荷电状态最大值,取0.1为荷电状态最小值。储能容量按指数模型计算,电池容量下降到60%报废,总循环次数为2511次。
表1北京市峰谷分时电价标准
假设储能聚合商需要对其控制范围内的500台储能进行调控,分布式储能初始荷电状态在0.1-0.9之间随机取值。使用步骤4的聚类方法对这500个储能进行分组,结果见表2。
表2分布式储能经济收益
可以看出,提出的方法可以有效地降低储能运行时的总成本,提高储能的经济收益。同时,由于聚合小组内各储能参数相近,使得每一组具有相似的可操作空间,有利于聚合商进行决策。当分组数达到10时,再提高分组数储能净收益也不会出现明显提高,而由此增加的操作复杂程度却会大大提升,因此本次实验选择将储能分为10组进行调控。
通过图3的对比可以看出,当分组数达到10时,个别储能的净收益有所下降,储能之间的收益波动增大,但储能的总收益获得了较大提升。这是因为通过优化调控策略的控制,年轻的、荷电状态充足的储能将更为频繁地动作,这些储能不可避免的承担了主要盈利的作用。
储能各观察一天运行产生的寿命损耗,见图4。可以看到,不考虑优化调控的运行策略其储能的寿命损耗比较大,这是不利于分布式储能长期运行的。相对的,考虑优化调控的运行策略其储能的寿命损耗比较小,说明本文提出的调控策略有助于分布式储能压缩成本,提高经济效益。
对比聚合前后的储能可调控潜力可以看出:未聚类的储能运行死板,可调度潜力小,聚类的储能运行灵活,可调度潜力大,这是因为有的储能的可用容量不足,使用后在重新放电 (充电)前会暂时丧失充电(放电)能力,导致可调度潜力下降,严重时将导致聚合商不能满足电力***需求。观察图5可以看到,当天11时,由于各储能几乎满电,随机运行的储能中很大一部分丧失了充电能力,可调度潜力大幅下降;而聚合后的储能由于优先使用剩余容量较大的小组进行充电,可调度潜力得到了保存,此时还有一定的充电能力。
综上所述,本文提出的储能聚合模型可以有效地优化提高聚合后储能装置的经济收益,同时分布式储能的充放电潜力也将大大提高。
应理解,本实施例仅用于说明本发明而不用于限制本发明的范围,本领域技术人员根据本发明的技术指示,不脱离本发明范围所做的改进和修改都应在本发明的保护范围之内。
Claims (7)
1.一种基于K-means聚类的电力市场下分布式储能经济性调控方法,其特征在于:包括以下步骤:
步骤1:采集电网数据、负荷数据和分布式储能数据;
步骤2:建立分布式储能经济性模型,分析其运行成本与收益;
步骤3:输入分布式储能的参数,随进确定初始聚类中心;
步骤4:使用K-means聚类算法对分布式储能进行聚类分组;
步骤5:以提高分布式储能经济性并最大程度保存其可调控潜力为目标函数,以聚类完成的分组为控制单位,对分布式储能的充、放电功率进行优化;
步骤6:下达分布式储能的充、放电指令。
2.根据权利要求1所述的基于K-means聚类的电力市场下分布式储能经济性调控方法,其特征在于:
所述步骤5中,分布式储能运行目标函数为:
f=max(w1f1+w2f2)
其中:
f2=min(min(|pmax,c(t)|,|pmax,d(t)|)),t=1,2,...,24
式中,f1表示储能的经济收益,f2表示储能的可调控潜力,w1,w2是权重,由于储能运行时以获益最高为主要目标,取值时w1>w2,表示t时刻第i个分布式储能的充电功率,表示t时刻第i个分布式储能的放电功率,R(t)表示t时刻电网的电价,Δt表示预设的时间间隔,Bcap分布式储能参与电网辅助服务得到的收益,是第i个储能一天的寿命损耗,pmax,c(t),pmax,d(t)分别表示t时刻分布式储能的最大充电功率、最大放电功率;
f1的第一项是能源贩卖收益,第二项是能源购买成本,两者共同构成了分布式储能的运行收益,第三项Bcap是帮助电网削峰填谷得到的收益,第四项是储能运行时产生的寿命损耗;f2表示分布式储能在各时刻的可调度潜力。
3.根据权利要求2所述的基于K-means聚类的电力市场下分布式储能经济性调控方法,其特征在于:
目标函数的分布式储能能量和功率约束为:
ei=SoCi×Ei
其中,ei是第i个分布式储能运行时内部的能量,是储能容量的上、下界,pi是第i个分布式储能运行时的的功率,是储能的最大充、放电功率,上能量边界对应于吸收能量的最快路径,而下能量边界对应于消耗能量的最快路径;SoCi是第i个电池的荷电状态,Ei是第i个电池的容量。
4.根据权利要求2所述的基于K-means聚类的电力市场下分布式储能经济性调控方法,其特征在于:
t时刻分布式储能最大充电功率表示为:
其中,P+表示储能本身的充电极限,emax表示储能的最大能量储量,e(t)表示t时刻储能的能量储量;
t时刻分布式储能最大放电功率表示为:
其中,P-表示储能本身的放电极限,emin表示储能的最小能量储量;
t时刻分布式储能的当前最大充、放电功率为:
5.根据权利要求2所述的基于K-means聚类的电力市场下分布式储能经济性调控方法,其特征在于:电网功率约束:
其中Pmax,Pmin表示电网接受的最大充、放电功率,表示t时刻第i个分布式储能的充电功率,表示t时刻第i个分布式储能的放电功率。
6.根据权利要求2所述的基于K-means聚类的电力市场下分布式储能经济性调控方法,其特征在于:步骤2分布式储能经济性模型如下:
储能的总收益Bt表示为:
Bt=Bmar+Bcap
Bmar=psellesell-pbuyebuy
Bcap=bcapPcap
其中,Bmar表示储能的电量收益,psell,esell表示售电价格以及售电量,pbuy,ebuy表示购电价格以及购电量,Bcap表示储能参与辅助服务得到的收益,bcap表示单位调峰量的补贴,Pcap表示总调峰量;
储能装置的成本Ct表示为:
Ct=Cbat+CPCS
其中Cbat表示储能装置的成本,CPCS表示能量转换装置的成本;
Cbat=CeEt
CPCS=CpPt
其中,Ce表示储能装置单位容量价格,Et表示储能安装的总容量,Cp表示能量转换装置单位功率价格,Pt表示安装的总功率;
进行放电深度为Da的循环一次产生的寿命损耗成本Closs表示为:
其中Na是进行放电深度为Da的充、放电行为时的折算循环次数;
在市场经济环境下,分布式储能每天的净收益Bd为:
其中n表示实际循环次数。
7.根据权利要求1所述的一种基于K-means聚类的电力市场下分布式储能经济性调控策略,其特征在于:步骤4所述的使用K-means聚类算法对分布式储能进行聚类分组的方法流程如下:
步骤1:确定聚类数目K;
步骤2:将所有分布式储能的参数进行排序,确定初始聚类中心;
步骤3:从编号i=1的分布式储能开始,求其到第K个聚类中心的距离,并将样本聚类到相距聚类中心最近的分组中;
步骤4:求每个聚类组的参数之和并求其平均数,并将其更新为新的聚类中心;
步骤5:重复步骤3至4,直至聚类中心满足迭代收敛条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910042585.6A CN109713666B (zh) | 2019-01-17 | 2019-01-17 | 一种基于K-means聚类的电力市场下分布式储能经济性调控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910042585.6A CN109713666B (zh) | 2019-01-17 | 2019-01-17 | 一种基于K-means聚类的电力市场下分布式储能经济性调控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109713666A true CN109713666A (zh) | 2019-05-03 |
CN109713666B CN109713666B (zh) | 2022-08-16 |
Family
ID=66262172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910042585.6A Active CN109713666B (zh) | 2019-01-17 | 2019-01-17 | 一种基于K-means聚类的电力市场下分布式储能经济性调控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109713666B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110518611A (zh) * | 2019-08-30 | 2019-11-29 | 珠海格力电器股份有限公司 | 储能模块的充放电自治控制方法、装置及储能设备 |
CN110752598A (zh) * | 2019-10-25 | 2020-02-04 | 国网河南省电力公司电力科学研究院 | 多点分布式储能***灵活性评价方法和装置 |
CN111262282A (zh) * | 2020-03-17 | 2020-06-09 | 中国科学院电工研究所 | 一种考虑收益的分布式能源和用户交直流***管控方法 |
CN111697601A (zh) * | 2020-05-15 | 2020-09-22 | 西安联创分布式可再生能源研究院有限公司 | 适用于大工业用户电化学储能***的配置与策略制定方法 |
CN111762051A (zh) * | 2020-06-03 | 2020-10-13 | 国网上海市电力公司 | 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法 |
CN113991650A (zh) * | 2021-10-25 | 2022-01-28 | 武汉大学 | 一种基于K-means++算法的光储聚合调峰方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108599206A (zh) * | 2018-04-28 | 2018-09-28 | 国网湖南省电力有限公司 | 高比例不确定电源场景下的配电网混合储能配置方法 |
-
2019
- 2019-01-17 CN CN201910042585.6A patent/CN109713666B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108599206A (zh) * | 2018-04-28 | 2018-09-28 | 国网湖南省电力有限公司 | 高比例不确定电源场景下的配电网混合储能配置方法 |
Non-Patent Citations (2)
Title |
---|
KANGPING LI等: "A Meta-Heuristic Optimization Based Residential Load Pattern Clustering Approach Using Improved Gravitation Search Algorithm", 《2018 IEEE POWER & ENERGY SOCIETY INNOVATIVE SMART GRID TECHNOLOGIES CONFERENCE (ISGT)》 * |
徐青山等: "考虑状态差异性聚类的空调负荷直接负荷控制动态优化方法", 《电力***自动化》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110518611A (zh) * | 2019-08-30 | 2019-11-29 | 珠海格力电器股份有限公司 | 储能模块的充放电自治控制方法、装置及储能设备 |
CN110752598A (zh) * | 2019-10-25 | 2020-02-04 | 国网河南省电力公司电力科学研究院 | 多点分布式储能***灵活性评价方法和装置 |
CN110752598B (zh) * | 2019-10-25 | 2022-08-12 | 国网河南省电力公司电力科学研究院 | 多点分布式储能***灵活性评价方法和装置 |
CN111262282A (zh) * | 2020-03-17 | 2020-06-09 | 中国科学院电工研究所 | 一种考虑收益的分布式能源和用户交直流***管控方法 |
CN111697601A (zh) * | 2020-05-15 | 2020-09-22 | 西安联创分布式可再生能源研究院有限公司 | 适用于大工业用户电化学储能***的配置与策略制定方法 |
CN111762051A (zh) * | 2020-06-03 | 2020-10-13 | 国网上海市电力公司 | 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法 |
CN111762051B (zh) * | 2020-06-03 | 2022-09-02 | 国网上海市电力公司 | 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法 |
CN113991650A (zh) * | 2021-10-25 | 2022-01-28 | 武汉大学 | 一种基于K-means++算法的光储聚合调峰方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109713666B (zh) | 2022-08-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109713666A (zh) | 一种基于K-means聚类的电力市场下分布式储能经济性调控方法 | |
WO2023274425A1 (zh) | 一种风光水火储***的多能容量优化配置方法 | |
CN108667052B (zh) | 一种面向虚拟电厂优化运行的多类型储能***规划配置方法及*** | |
CN110350523A (zh) | 基于需求响应的多能源互补优化调度方法 | |
CN110188950A (zh) | 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法 | |
CN107958300A (zh) | 一种考虑互动响应的多微网互联运行协调调度优化方法 | |
CN103296682A (zh) | 一种多时空尺度渐进趋优的负荷调度模式设计方法 | |
CN108376989A (zh) | 一种基于多智能体的电池储能电站分区控制方法及*** | |
CN112800658A (zh) | 一种考虑源储荷互动的主动配电网调度方法 | |
CN108875992A (zh) | 一种考虑需求响应的虚拟电厂日前优化调度方法 | |
CN108551176B (zh) | 一种结合储能均衡技术的储能电池***容量配置方法 | |
CN109345019A (zh) | 一种基于改进粒子群算法的微电网经济调度优化策略 | |
CN109921449A (zh) | 液流电池储能电站功率分配装置及方法 | |
CN114744687A (zh) | 一种虚拟电厂的能源调控方法及*** | |
CN109494813A (zh) | 一种电力调度方法、电子设备及存储介质 | |
CN115147245A (zh) | 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法 | |
CN116191505A (zh) | 一种低压台区源荷储充全局动态互动的调节方法及装置 | |
CN116191556A (zh) | 考虑新能源消纳和机组组合的5g基站需求响应方法及*** | |
CN113300400A (zh) | 一种分布式微电网调度方法 | |
CN112269966A (zh) | 一种考虑备用需求的通信基站虚拟电厂发电容量测量方法 | |
CN116667337A (zh) | 一种基于配网优化调度的柔性负荷聚合建模方法 | |
CN110165692A (zh) | 基于光伏-蓄电池-温控负荷的虚拟储能调峰***与方法 | |
Li et al. | Optimal operation of AC/DC hybrid microgrid under spot price mechanism | |
CN116108981A (zh) | 考虑分时电价的虚拟电厂电化学储能电站的容量优化配置方法 | |
CN115358633A (zh) | 一种实现虚拟电厂间发电功率协调的优化博弈方法 |
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 |