CN111064209B - 一种综合储能优化配置方法和*** - Google Patents
一种综合储能优化配置方法和*** Download PDFInfo
- Publication number
- CN111064209B CN111064209B CN201911249186.3A CN201911249186A CN111064209B CN 111064209 B CN111064209 B CN 111064209B CN 201911249186 A CN201911249186 A CN 201911249186A CN 111064209 B CN111064209 B CN 111064209B
- Authority
- CN
- China
- Prior art keywords
- energy
- energy storage
- period
- comprehensive
- load
- 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.)
- Active
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 166
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000004519 manufacturing process Methods 0.000 claims abstract description 38
- 238000006243 chemical reaction Methods 0.000 claims abstract description 32
- 230000009467 reduction Effects 0.000 claims abstract description 24
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 238000007599 discharging Methods 0.000 claims description 21
- 238000010248 power generation Methods 0.000 claims description 15
- 230000003993 interaction Effects 0.000 claims description 4
- 230000000452 restraining effect Effects 0.000 claims description 4
- 239000004576 sand Substances 0.000 claims description 4
- SYHGEUNFJIGTRX-UHFFFAOYSA-N methylenedioxypyrovalerone Chemical compound C=1C=C2OCOC2=CC=1C(=O)C(CCC)N1CCCC1 SYHGEUNFJIGTRX-UHFFFAOYSA-N 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 6
- 238000001816 cooling Methods 0.000 abstract description 4
- 238000005485 electric heating Methods 0.000 abstract description 2
- 230000005611 electricity Effects 0.000 description 8
- 238000005338 heat storage Methods 0.000 description 5
- 230000021715 photosynthesis, light harvesting Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000001737 promoting effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000004378 air conditioning Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
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
-
- 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
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
本发明公开了一种综合储能优化配置方法和***,结合用户侧综合能源***的架构,给定各时段***的能源需求、各时段***内能量生产单元的最大出力;建立***内能量转换单元和储能单元的物理模型;建立以负荷方差最小、可再生能源削减量最小、综合储能容量最小为目标的综合储能优化配置模型,模型的最优解为各类型储能装置应当配置的最优容量。可以应用于各种具体架构的用户侧综合能源***,通过多能互补和多能流的协调优化调度,充分挖掘用户侧综合能源***对于减少电网负荷峰谷差、提升可再生能源消纳能力的作用。该方法可以协调配合电热冷综合储能促进削峰填谷和可再生能源消纳,有效提升了电力***的运行安全性和经济性。
Description
技术领域
本发明涉及综合能源技术领域,公开了一种综合储能优化配置方法和***。
背景技术
近年来,我国电网负荷峰谷差进一步拉大,电网负荷特性恶化,不利于电力***的经济运行。此外,风电、光伏发电等可再生能源发电的比重不断增加,由于电力***灵活性调节容量的不足,可再生能源发电面临着严峻的消纳问题。
面对负荷峰谷差拉大和可再生能源消纳等问题,不少研究从用户侧寻求解决方案,如在微网中合理配置电储能,通过充放电的优化调度减少用电负荷的峰谷差,同时提升微网中分布式可再生能源的消纳能力。
上述众多技术仅考虑了电能这一种能量形式,然而用户的能源需求越来越多元化、综合化,用户侧电、热、冷***的耦合程度日益加深,用户侧能源***常常是多种能源的综合***。因此,以用户侧综合能源***为场景,在***中合理配置电、热、冷等综合储能装置,通过多能互补和多种能源的协调优化调度来减少负荷峰谷差、提升分布式可再生能源的消纳能力,还有待进一步的研究。
发明内容
发明目的:为了在用户侧综合能源***中合理配置综合储能,减少负荷峰谷差和提升分布式可再生能源的消纳能力,本发明提供了一种综合储能优化配置方法和***。
技术方案:为实现上述目的,本发明采用的技术方案为:一种综合储能优化配置方法,包括如下步骤:
根据预先建立的综合储能优化配置模型,以用户侧综合负荷方差最小、可再生能源削减量最小、综合储能容量最小为目标,求解模型最优解,得到各类型储能装置应当配置的最优容量。
进一步的,所述用户侧综合负荷方差f1N为:
f1,s为第s种能源的负荷方差:
所述可再生能源削减量f2N为:
f2,s为第s种能源的可再生能源削减量:
其中:Wpromax,s(t)为第s种能源的能量生产单元在t时段的最大出力;Wpro,s(t)为第s种能源的能量生产单元在t时段的实际出力;
所述综合储能容量f3N为:
进一步的,所述综合储能优化配置模型包括:
目标函数fN:
其中:λ1、λ2、λ3为每个目标的权重,满足λ1+λ2+λ3=1;f1,base为综合负荷方差的基准值;f2,base为综合可再生能源削减量的基准值;f3,base为综合储能容量的基准值;
约束条件包括:
(1)储能配置容量约束:
s=1,2,...,N
(2)能量供需平衡约束:
s=1,2,...,N
其中:Wbuy,s(t)为第s种能源在t时段的购买量;Wdis,s(t)和Wch,s(t)为第s种储能装置在t时段的放能量和充能量;Wpro,s(t)为第s种能源的能量生产单元在t时段的实际出力;Wload,s(t)为第s种能源在t时段的用户负荷;在能量的转换方面,假设能量只能从高品位向低品位转变(能量1至能量N品位依次降低):Wi,s(t)为t时段能量i转换成能量s消耗的能量i的量,Ki,s(t)为对应能量转换设备的转换效率;Ws,j(t)为t时段能量s转换成能量j消耗的能量s的量;
(3)储能单元约束:
0≤Es(t)≤Es
0≤Wch,s(t)ηch,s≤PsΔt
Es(tstart)=Es(tstart+tperiod)
其中:Es(t+1)和Es(t)分别为第s种储能装置在t+1时段前和t时段前存储的能量;δs为第s种储能装置的自放能率;ηch,s和ηdis,s为第s种储能装置的充能效率和放能效率;Ps为第s种储能装置的额定功率;tstart为调度周期的起始时刻,tperiod为调度周期时长;Δt为每个时段的长度;
(4)能量生产单元约束:
0≤Wpro,s(t)≤Wpromax,s(t)
s=1,2,...,N
其中:Wpromax,s(t)为第s种能源的能量生产单元在t时段的最大出力;Wpro,s(t)为第s种能源的能量生产单元在t时段的实际出力;
(5)能量转换单元约束:
Ki,j(t)=f0(Wi,j(t))
i,j=1,2,...,N i<j
(6)与能源供应商交互功率约束:
s=1,2,...,N
进一步的,所述第s种能源在t时段的用户负荷Wload,s(t)为:
Wload,s(t)
s=1,2,...,N t=1,2,...,8760
其中:N为用户侧综合能源***包括的能量形式的数目;
所述第s种能源的能量生产单元在t时段的最大出力为:
进一步的,所述能量转换单元为将能量转换为其他形式的能量的单元。
进一步的,所述能量生产单元为用户侧的能量产生单元,包括位于用户侧的分布式风电或光伏发电单元。
进一步的,所述储能单元包括电储能、热储能、冷储能单元。
一种综合储能优化配置***,包括:
储能优化配置模型求解模块,用于根据预先建立的综合储能优化配置模型,以用户侧综合负荷方差最小、可再生能源削减量最小、综合储能容量最小为目标,求解模型最优解,得到各类型储能装置应当配置的最优容量。
进一步的,所述用户侧综合负荷方差f1N为:
f1,s为第s种能源的负荷方差:
所述可再生能源削减量f2N为:
f2,s为第s种能源的可再生能源削减量:
其中:Wpromax,s(t)为第s种能源的能量生产单元在t时段的最大出力;Wpro,s(t)为第s种能源的能量生产单元在t时段的实际出力;
所述综合储能容量f3N为:
进一步的,所述综合储能优化配置模型包括:
目标函数fN:
其中:λ1、λ2、λ3为每个目标的权重,满足λ1+λ2+λ3=1;f1,base为综合负荷方差的基准值;f2,base为综合可再生能源削减量的基准值;f3,base为综合储能容量的基准值;
约束条件包括:
(1)储能配置容量约束:
s=1,2,...,N
(2)能量供需平衡约束:
s=1,2,...,N
其中:Wbuy,s(t)为第s种能源在t时段的购买量;Wdis,s(t)和Wch,s(t)为第s种储能装置在t时段的放能量和充能量;Wpro,s(t)为第s种能源的能量生产单元在t时段的实际出力;Wload,s(t)为第s种能源在t时段的用户负荷;在能量的转换方面,假设能量只能从高品位向低品位转变(能量1至能量N品位依次降低):Wi,s(t)为t时段能量i转换成能量s消耗的能量i的量,Ki,s(t)为对应能量转换设备的转换效率;Ws,j(t)为t时段能量s转换成能量j消耗的能量s的量;
(3)储能单元约束:
0≤Es(t)≤Es
0≤Wch,s(t)ηch,s≤PsΔt
Es(tstart)=Es(tstart+tperiod)
其中:Es(t+1)和Es(t)分别为第s种储能装置在t+1时段前和t时段前存储的能量;δs为第s种储能装置的自放能率;ηch,s和ηdis,s为第s种储能装置的充能效率和放能效率;Ps为第s种储能装置的额定功率;tstart为调度周期的起始时刻,tperiod为调度周期时长;Δt为每个时段的长度;
(4)能量生产单元约束:
0≤Wpro,s(t)≤Wpromax,s(t)
s=1,2,...,N
其中:Wpromax,s(t)为第s种能源的能量生产单元在t时段的最大出力;Wpro,s(t)为第s种能源的能量生产单元在t时段的实际出力;
(5)能量转换单元约束:
Ki,j(t)=f0(Wi,j(t))
i,j=1,2,...,N i<j
(6)与能源供应商交互功率约束:
s=1,2,...,N
本发明的有益效果:本发明以用户侧整体负荷方差最小、可再生能源削减量最小、综合储能容量最小为目标对综合储能进行优化配置,充分发挥综合储能对于促进削峰填谷和可再生能源消纳的作用。
本发明提供的方法以负荷方差最小、可再生能源削减量最小、综合储能容量最小为目标对用户侧综合能源***中电、热、冷等综合储能的容量进行优化配置,可以应用于各种具体架构的用户侧综合能源***,通过多能互补和多能流的协调优化调度,充分挖掘用户侧综合能源***对于减少电网负荷峰谷差、提升可再生能源消纳能力的作用。该方法可以协调配合电热冷综合储能促进削峰填谷和可再生能源消纳,有效提升了电力***的运行安全性和经济性。
附图说明
图1是本发明方法的实施流程图;
图2是用户侧综合能源***的抽象模型示意图;
图3是具体实施例中用户侧综合能源***的架构示意图;
图4是标有物理符号的用户侧综合能源***的架构示意图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图2所示,描述了用户侧综合能源***的抽象模型,一种用户侧综合能源***,包括:外部能源(如配电网电能、北方供暖***提供的热能)、能量生产单元、能量转换单元、储能单元、用户侧负荷;
能量生产单元为用户侧的能量产生单元,包括位于用户侧的分布式风电或光伏发电单元;
能量转换单元为将能量如电能转换为其他形式的能量的单元,如电锅炉、空调;
储能单元包括电储能、热储能、冷储能单元;
负荷包括:普通电负荷、热负荷、冷负荷;
如图3所示,本实施例中的一种用户侧综合能源***,包括:配电网(外部能源)、风电单元(能量生产单元)、电锅炉(能量转换单元)、空调(能量转换单元)、电储能、热储能、冷储能(储能单元)、电负荷、热负荷、冷负荷(用户侧负荷);
如图1、3所示,一种综合储能优化配置方法,包括步骤:
步骤1:结合图3中用户侧综合能源***的架构,给定各时段***的能源需求、各时段***内能量生产单元的最大出力:
(1-1)给定一年8760个时段的能源需求:
①给定电能需求:
其中:Wload(t)为t时段的用户电负荷。
②给定热能需求:
其中:Qload,h(t)为t时段的用户热负荷。
③给定冷能需求:
其中:Qload,c(t)为t时段的用户冷负荷。
(1-2)给定一年8760个时段的***内能量生产单元(即分布式可再生能源生产单元)的最大出力:
给定风力发电的最大出力:
其中:Wwindmax(t)为风力发电在t时段的最大出力。
本实施例中热负荷和冷负荷没有能量生产单元。
步骤2:建立***内能量转换单元和储能单元的物理模型;
(2-1)根据能量转换单元的输入输出关系构建其物理模型:
①构建空调的物理模型:
Cac=COPcPac (5)
其中:Pac为空调输入的电功率,单位kW;Cac为空调输出的冷功率,单位kW;COPc为空调制冷时的能效比。
②构建电锅炉的物理模型:
Heb=ηebPeb (6)
其中:Peb为电锅炉输入的电功率,单位kW;Heb为电锅炉输出的热功率,单位kW;ηeb为电锅炉的电热转换效率。
(2-2)根据储能单元的充放能构建其物理模型:
①构建电储能的物理模型:
其中:E(t+1)和E(t)分别为电储能在(t+1)时段前和t时段前存储的电量;δe为电储能的自放电率;Wch(t)和Wdis(t)为电储能在t时段的充、放电量;ηch,e和ηdis,e为电储能的充、放电效率。
②构建热储能的物理模型:
其中:Qh(t+1)和Qh(t)分别为热储能在(t+1)时段前和t时段前存储的热量;δh为热储能的热能耗散率;Qch,h(t)和Qdis,h(t)为热储能在t时段的充、放热量;ηch,h和ηdis,h为热储能的充、放热效率。
③构建冷储能的物理模型:
其中:Qc(t+1)和Qc(t)分别为冷储能在(t+1)时段前和t时段前存储的冷量;δc为冷储能的冷能耗散率;Qch,c(t)和Qdis,c(t)为冷储能在t时段的充、放冷量;ηch,c和ηdis,c为冷储能的充、放冷效率。
步骤3:建立以用户侧综合负荷方差最小、可再生能源削减量最小、综合储能容量最小为目标的综合储能优化配置模型,模型的最优解为各类型储能装置应当配置的最优容量。
(3-1)计算***N种能量形式的综合负荷方差:
本实施例中***仅从配电网购买电能,综合负荷方差就是(净)电负荷的方差f1:
(3-2)计算***综合的可再生能源削减量:
实施例中***的分布式可再生能源生产单元仅为风力发电,综合的可再生能源削减量就是风电的削减量f2:
其中:Wwindmax(t)为风力发电在t时段的最大出力;Wwind(t)为风力发电在t时段的实际出力。
(3-3)计算综合储能的容量f3:
f3=γeEe+γhEh+γcEc (12)
其中:Ee、Eh、Ec分别为电储能、热储能、冷储能的配置容量;γe、γh、γc分别为决策者给电、热、冷储能容量分配的权重,满足γe+γh+γc=1。
(3-4)决策各类型储能装置应当配置的容量
各类型储能装置容量的决策是一个以综合负荷方差最小、可再生能源削减量最小、综合储能容量最小为目标的多目标规划问题,用线性加权和法将多目标规划转化为单目标规划,目标函数如下:
其中:f为目标函数,λ1、λ2、λ3为决策者为每个目标分配的权重,满足λ1+λ2+λ3=1,λ越大,说明决策者更看重该目标的实现。由于三个目标的量纲不同,在线性加权求和之前,应先进行归一化,综合负荷方差的基准值f1,base可取不配置储能时计算得到的综合负荷方差,综合可再生能源削减量的基准值f2,base可取不配置储能时***的综合可再生能源削减量,综合储能容量的基准值f3,base可取按可配容量上限计算得到的综合储能容量。
约束条件包括:
(1)储能配置容量约束
(2)能量供需平衡约束
在调度周期内的各个时段,***的电、热、冷三种能源保持供需平衡。
①电能供需平衡:
其中:Wbuy(t)为电能在t时段的购买量;Wwind(t)为t时段风电的实际出力;Wac,c(t)为空调在t时段制冷消耗的电量;Web(t)为电锅炉在t时段消耗的电量;Wdis(t)和Wch(t)为电储能在t时段的放电量和充电量;Wload(t)为t时段的电负荷。
②热能供需平衡:
Qeb(t)+Qdis,h(t)=Qch,h(t)+Qload,h(t) (16)
其中:Qeb(t)为电锅炉在t时段产生的热量;Qdis,h(t)和Qch,h(t)为热储能在t时段的放热量和充热量;Qload,h(t)为t时段的热负荷。
③冷能供需平衡:
Qac,c(t)+Qdis,c(t)=Qch,c(t)+Qload,c(t) (17)
其中:Qac,c(t)为空调在t时段的制冷量;Qdis,c(t)和Qch,c(t)为冷储能在t时段的放冷量和充冷量;Qload,c(t)为t时段的冷负荷。
(3)储能单元约束
①电储能约束:
其中:E(t+1)和E(t)分别为电储能在(t+1)时段前和t时段前存储的电量;δe为电储能的自放电率;ηch,e和ηdis,e为电储能的充电效率和放电效率;Emax和Emin为电储能存储电量的上限和下限;Pe为电储能装置的额定功率;Δt为每个时段的长度。tstart为调度周期的起始时刻,tperiod为调度周期时长,通常选取一天为一个调度周期,此时tperiod=24。
②热储能约束:
其中:Qh(t+1)和Qh(t)分别为热储能在(t+1)时段前和t时段前存储的热量;δh为热储能的热能耗散率;ηch,h和ηdis,h为热储能的充热效率和放热效率;和为热储能存储热量的上限和下限,Ph为热储能装置的额定功率。
③冷储能约束:
其中:Qc(t+1)和Qc(t)分别为冷储能在(t+1)时段前和t时段前存储的冷量;δc为冷储能的冷能耗散率;ηch,c和ηdis,c为冷储能的充冷效率和放冷效率;和为冷储能存储冷量的上限和下限,Pc为冷储能装置的额定功率。
(4)能量生产单元约束
风力发电在各时段的实际出力不应超过其最大出力:
0≤Wwind(t)≤Wwindmax(t) (21)
其中:Wwindmax(t)为风力发电在t时段的最大出力;Wwind(t)为风力发电在t时段的实际出力。
(5)能量转换单元约束
①空调约束:
②电锅炉约束:
(6)与能源供应商交互功率约束
一种综合储能优化配置***,包括:
储能优化配置模型求解模块,用于根据预先建立的综合储能优化配置模型,以用户侧综合负荷方差最小、可再生能源削减量最小、综合储能容量最小为目标,求解模型最优解,得到各类型储能装置应当配置的最优容量。
本发明以用户侧整体负荷方差最小、可再生能源削减量最小、综合储能容量最小为目标对综合储能进行优化配置,充分发挥综合储能对于促进削峰填谷和可再生能源消纳的作用。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种综合储能优化配置方法,其特征在于:包括如下步骤:
根据预先建立的综合储能优化配置模型,以用户侧综合负荷方差最小、可再生能源削减量最小、综合储能容量最小为目标,求解模型最优解,得到各类型储能装置应当配置的最优容量;
所述用户侧综合负荷方差f1N为:
f1,s为第s种能源的负荷方差:
所述可再生能源削减量f2N为:
f2,s为第s种能源的可再生能源削减量:
其中:Wpromax,s(t)为第s种能源的能量生产单元在t时段的最大出力;Wpro,s(t)为第s种能源的能量生产单元在t时段的实际出力;
所述综合储能容量f3N为:
所述综合储能优化配置模型包括:
目标函数fN:
其中:λ1、λ2、λ3为每个目标的权重,满足λ1+λ2+λ3=1;f1,base为综合负荷方差的基准值;f2,base为综合可再生能源削减量的基准值;f3,base为综合储能容量的基准值;
约束条件包括:
(1)储能配置容量约束:
s=1,2,...,N
(2)能量供需平衡约束:
s=1,2,...,N
其中:Wbuy,s(t)为第s种能源在t时段的购买量;Wdis,s(t)和Wch,s(t)为第s种储能装置在t时段的放能量和充能量;Wpro,s(t)为第s种能源的能量生产单元在t时段的实际出力;Wload,s(t)为第s种能源在t时段的用户负荷;在能量的转换方面,假设能量只能从高品位向低品位转变;Wi,s(t)为t时段能量i转换成能量s消耗的能量i的量,Ki,s(t)为对应能量转换设备的转换效率;Ws,j(t)为t时段能量s转换成能量j消耗的能量s的量;
(3)储能单元约束:
0≤Es(t)≤Es
0≤Wch,s(t)ηch,s≤PsΔt
Es(tstart)=Es(tstart+tperiod)
其中:Es(t+1)和Es(t)分别为第s种储能装置在t+1时段前和t时段前存储的能量;δs为第s种储能装置的自放能率;ηch,s和ηdis,s为第s种储能装置的充能效率和放能效率;Ps为第s种储能装置的额定功率;tstart为调度周期的起始时刻,tperiod为调度周期时长;Δt为每个时段的长度;
(4)能量生产单元约束:
0≤Wpro,s(t)≤Wpromax,s(t)
s=1,2,...,N
其中:Wpromax,s(t)为第s种能源的能量生产单元在t时段的最大出力;Wpro,s(t)为第s种能源的能量生产单元在t时段的实际出力;
(5)能量转换单元约束:
Ki,j(t)=f0(Wi,j(t))
i,j=1,2,...,N i<j
(6)与能源供应商交互功率约束:
s=1,2,...,N
3.根据权利要求1所述的综合储能优化配置方法,其特征在于:所述能量转换单元为将能量转换为其他形式的能量的单元。
4.根据权利要求1所述的综合储能优化配置方法,其特征在于:所述能量生产单元为用户侧的能量产生单元,包括位于用户侧的分布式风电或光伏发电单元。
5.根据权利要求1所述的综合储能优化配置方法,其特征在于:所述储能单元包括电储能、热储能、冷储能单元。
6.一种综合储能优化配置***,其特征在于:包括:
储能优化配置模型求解模块,用于根据预先建立的综合储能优化配置模型,以用户侧综合负荷方差最小、可再生能源削减量最小、综合储能容量最小为目标,求解模型最优解,得到各类型储能装置应当配置的最优容量;
所述用户侧综合负荷方差f1N为:
f1,s为第s种能源的负荷方差:
所述可再生能源削减量f2N为:
f2,s为第s种能源的可再生能源削减量:
其中:Wpromax,s(t)为第s种能源的能量生产单元在t时段的最大出力;Wpro,s(t)为第s种能源的能量生产单元在t时段的实际出力;
所述综合储能容量f3N为:
目标函数fN:
其中:λ1、λ2、λ3为每个目标的权重,满足λ1+λ2+λ3=1;f1,base为综合负荷方差的基准值;f2,base为综合可再生能源削减量的基准值;f3,base为综合储能容量的基准值;
约束条件包括:
(1)储能配置容量约束:
s=1,2,...,N
(2)能量供需平衡约束:
s=1,2,...,N
其中:Wbuy,s(t)为第s种能源在t时段的购买量;Wdis,s(t)和Wch,s(t)为第s种储能装置在t时段的放能量和充能量;Wpro,s(t)为第s种能源的能量生产单元在t时段的实际出力;Wload,s(t)为第s种能源在t时段的用户负荷;在能量的转换方面,假设能量只能从高品位向低品位转变(能量1至能量N品位依次降低):Wi,s(t)为t时段能量i转换成能量s消耗的能量i的量,Ki,s(t)为对应能量转换设备的转换效率;Ws,j(t)为t时段能量s转换成能量j消耗的能量s的量;
(3)储能单元约束:
0≤Es(t)≤Es
0≤Wch,s(t)ηch,s≤PsΔt
Es(tstart)=Es(tstart+tperiod)
其中:Es(t+1)和Es(t)分别为第s种储能装置在t+1时段前和t时段前存储的能量;δs为第s种储能装置的自放能率;ηch,s和ηdis,s为第s种储能装置的充能效率和放能效率;Ps为第s种储能装置的额定功率;tstart为调度周期的起始时刻,tperiod为调度周期时长;Δt为每个时段的长度;
(4)能量生产单元约束:
0≤Wpro,s(t)≤Wpromax,s(t)
s=1,2,...,N
其中:Wpromax,s(t)为第s种能源的能量生产单元在t时段的最大出力;Wpro,s(t)为第s种能源的能量生产单元在t时段的实际出力;
(5)能量转换单元约束:
Ki,j(t)=f0(Wi,j(t))
i,j=1,2,...,Ni<j
(6)与能源供应商交互功率约束:
s=1,2,...,N
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911249186.3A CN111064209B (zh) | 2019-12-09 | 2019-12-09 | 一种综合储能优化配置方法和*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911249186.3A CN111064209B (zh) | 2019-12-09 | 2019-12-09 | 一种综合储能优化配置方法和*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111064209A CN111064209A (zh) | 2020-04-24 |
CN111064209B true CN111064209B (zh) | 2021-06-15 |
Family
ID=70299974
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911249186.3A Active CN111064209B (zh) | 2019-12-09 | 2019-12-09 | 一种综合储能优化配置方法和*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111064209B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111695740B (zh) * | 2020-06-17 | 2024-01-05 | 山东大学 | 一种基于参数控制的主动储能运行方法及*** |
CN113610659B (zh) * | 2021-04-30 | 2023-12-19 | 中国农业大学 | 一种提升电网灵活性与经济性的多时间窗储能配置方法 |
CN115622056B (zh) * | 2022-12-20 | 2023-04-04 | 国网江西省电力有限公司经济技术研究院 | 一种基于线性加权和选解法的储能优化配置方法及*** |
CN116628413B (zh) * | 2023-07-24 | 2023-12-08 | 国网山西电力勘测设计研究院有限公司 | 一种用户侧储能装置容量的计算方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104734168A (zh) * | 2015-03-13 | 2015-06-24 | 山东大学 | 一种基于电热联合调度的微电网运行优化***及方法 |
CN107508303A (zh) * | 2017-08-09 | 2017-12-22 | 国电南瑞科技股份有限公司 | 一种面向微电网的模块化储能装置优化配置及控制方法 |
CN109193729A (zh) * | 2018-11-12 | 2019-01-11 | 浙江大学 | 一种配网自动化***中储能***的选址方法 |
CN110071505A (zh) * | 2019-06-04 | 2019-07-30 | 清华大学 | 含大规模风电接入的输电网扩建与储能配置联合规划方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190036341A1 (en) * | 2017-07-26 | 2019-01-31 | Nec Laboratories America, Inc. | Method for Operation of Energy Storage Systems to Reduce Demand Charges and Increase Photovoltaic (PV) Utilization |
-
2019
- 2019-12-09 CN CN201911249186.3A patent/CN111064209B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104734168A (zh) * | 2015-03-13 | 2015-06-24 | 山东大学 | 一种基于电热联合调度的微电网运行优化***及方法 |
CN107508303A (zh) * | 2017-08-09 | 2017-12-22 | 国电南瑞科技股份有限公司 | 一种面向微电网的模块化储能装置优化配置及控制方法 |
CN109193729A (zh) * | 2018-11-12 | 2019-01-11 | 浙江大学 | 一种配网自动化***中储能***的选址方法 |
CN110071505A (zh) * | 2019-06-04 | 2019-07-30 | 清华大学 | 含大规模风电接入的输电网扩建与储能配置联合规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111064209A (zh) | 2020-04-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111064209B (zh) | 一种综合储能优化配置方法和*** | |
CN110689189B (zh) | 考虑供能侧和需求侧的冷热电联合供需平衡优化调度方法 | |
CN106779291B (zh) | 智能用电园区需求响应策略 | |
CN106651026B (zh) | 多时间尺度微电网能量管理优化调度方法 | |
CN111882105B (zh) | 含共享储能***的微电网群及其日前经济优化调度方法 | |
CN110659788B (zh) | 一种用户侧综合能源***的供需平衡分析方法和*** | |
CN111860965B (zh) | 考虑储能多类型服务的用户综合能源***优化调度方法 | |
EP3696765A1 (en) | Method for improving the performance of the energy management in a nearly zero energy building and system therefor | |
CN109409595B (zh) | 一种园区多能互补***日前调度方法 | |
CN105990838A (zh) | 一种计及可调度和可平移负荷的海岛微电网优化调度方法 | |
CN107294212B (zh) | 考虑不同空调负荷特性的微网双层优化调度方法及*** | |
CN113962828A (zh) | 考虑碳消耗的综合能源***协调调度方法 | |
CN109685396B (zh) | 一种计及公共楼宇需求响应资源的配电网能量管理方法 | |
CN110880761A (zh) | 一种基于p2p平台的风光抽蓄混合***的联合调度方法 | |
CN110611336B (zh) | 包含双级需求侧响应的园区多能源***优化运行方法 | |
CN113537618B (zh) | 一种考虑居民用户需求响应的综合能源***优化调度方法 | |
CN108182487A (zh) | 基于粒子群优化和本德尔分解的家庭能量数据优化方法 | |
Tang et al. | Schedule of air-conditioning systems with thermal energy storage considering wind power forecast errors | |
CN111125611B (zh) | 面向多场景的冷-热-电微能网群两阶段优化调度方法 | |
CN109995030B (zh) | 一种考虑脱网风险的储能装置soc下限值最优设置方法 | |
CN109687518B (zh) | 一种家庭微电网***的优化调度方法 | |
Tziovani et al. | Energy scheduling in non-residential buildings integrating battery storage and renewable solutions | |
CN114240010A (zh) | 应对需求侧不确定性的热电联产燃气轮机组调度方法 | |
Du et al. | Day-ahead bidding strategy for the smart-building virtual power plant participating in energy and frequency regulation market | |
US11038372B2 (en) | Method and control device for operating a stationary, electric energy storage that is provided for an electric consumption unit |
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 |