CN113537562B - 一种新能源场站储能配置计算方法及*** - Google Patents
一种新能源场站储能配置计算方法及*** Download PDFInfo
- Publication number
- CN113537562B CN113537562B CN202110645631.9A CN202110645631A CN113537562B CN 113537562 B CN113537562 B CN 113537562B CN 202110645631 A CN202110645631 A CN 202110645631A CN 113537562 B CN113537562 B CN 113537562B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- new energy
- curve
- power
- energy
- 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 247
- 238000004364 calculation method Methods 0.000 title claims abstract description 22
- 238000005457 optimization Methods 0.000 claims abstract description 38
- 238000009434 installation Methods 0.000 claims abstract description 14
- 238000010248 power generation Methods 0.000 claims description 36
- 238000000034 method Methods 0.000 claims description 35
- 238000010276 construction Methods 0.000 claims description 28
- 238000007599 discharging Methods 0.000 claims description 8
- 230000003750 conditioning effect Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 claims description 2
- 238000005265 energy consumption Methods 0.000 abstract description 4
- 238000003860 storage Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000012821 model calculation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种新能源场站储能配置计算方法及***,针对不同新能源装机规模设计标准化供应曲线,即配置储能后的新能源场站计划出力曲线,并建立供应曲线偏差度指标;通过权衡储能投资成本和供应曲线偏差成本,建立了新能源场站储能配置优化模型,该模型可以计算在现有新能源装机规模和电力***负荷水平的条件下新能源与储能之间的最优容量配比,在保证储能投资经济性的前提下,降低新能源对电力***带来的调峰压力,促进新能源消纳。
Description
技术领域
本发明属于电力***中的多能互补电源规划技术领域,具体涉及一种新能源场站储能配置计算方法及***。
背景技术
随着新能源大规模并网,电源侧随机性对电力***的冲击越来越大,调峰压力增大,网络潮流不均,使***规划和运行遇到巨大挑战。近期,新能源配套储能政策的提出,要求新建新能源场站配套建设储能设施,用于缓解***调峰压力。新能源出力特性和负荷需求特性存在地区性差异,因此需要研究一套新能源场站储能配置计算方法,针对不同地区差异化配套储能。
由于新能源配套储能政策刚刚提出,已有研究中关于如何对新能源场站配置储能的研究较少,且在研究中通常考虑新能源-储能联合出力波动方差最小,很少考虑联合出力曲线与负荷曲线匹配,计算方法不够灵活。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种新能源场站储能配置计算方法及***,用于对新能源场站配置储能,从而在保证储能投资经济性的前提下,降低新能源对电力***带来的调峰压力。
本发明采用以下技术方案:
一种新能源场站储能配置计算方法,包括以下步骤:
S1、获取新能源***基本技术数据与***运行预测数据;
S2、根据步骤S1获取的新能源***基本技术数据与***运行预测数据,分别针对单一新能源场站和新能源发电基地制定标准化供应曲线;采用偏差积分电量与总发电量之间的百分比表示新能源-储能联合出力曲线与标准化供应曲线之间的偏差程度;
S3、利用步骤S2得到的单一新能源场站标准化供应曲线和新能源发电基地标准化供应曲线构建新能源场站储能配置优化模型的目标函数;构建储能投建容量约束,储能运行约束以及新能源-储能联合出力约束;建立新能源场站储能配置优化模型;采用商业求解器对新能源场站储能配置优化模型进行求解得到包含储能投建容量和电量的结果,将结果作为新能源场站的储能配置结果。
具体的,步骤S1中,***基本技术数据包括新能源的装机容量储能的单位投资成本cES,I,储能的调节周期TES,储能的充电/放电效率ηES,c/ηES,d,储能投建电量与投建容量的比例α;***运行预测数据包括典型运行场景下整个电力***各时刻负荷功率的预测值PD,新能源各时刻的预测发电功率PNE。
具体的,步骤S2中,单一新能源场站的标准化供应曲线的形状与***负荷曲线形状相同;单一新能源场站的标准化供应曲线的总电量等于新能源场站实际发电量;采用积分电量的形式表示新能源-储能联合出力曲线与标准化供应曲线间的偏差。
进一步的,标准化供应曲线的电量和功率关系表示如下:
其中,T为典型场景内包含的时段数;Δt为运行时间粒度;为标准化供应曲线的总电量;/>为标准化供应曲线在时刻t的功率;Pt D为***实际负荷曲线在时刻t的功率。
具体的,步骤S2中,新能源发电基地标准化供应曲线的形状为***负荷曲线减去理想净负荷曲线得到的曲线,具体为:
其中,T为典型场景内包含的时段数,Pt D为***实际负荷曲线在时刻t的功率,Δt为运行时间粒度,Pt G为配置储能后的新能源发电基地出力曲线在时刻t的功率。
具体的,步骤S2中,应曲线偏差度指标ν表示为:
其中,为偏差积分电量,/>为标准化供应曲线的总电量。
具体的,步骤S3中,目标函数包括:
在满足储能投资经济性的前提下,新能源-储能联合出力曲线与标准化供应曲线之间的偏差程度最小,具体为:
其中,ΩS为典型场景集合,CI为投资成本,为场景s的运行成本,πs为场景s的概率;λ为折算系数;
采用供应曲线偏差度指标控制联合出力曲线与标准化供应曲线之间的偏差积分电量,具体为:
其中,为允许的供应曲线偏差度上限;/>为配置储能后的新能源场站在场景s内的发电量;ΔEs为场景s内超出允许范围的偏差积分电量;/>为场景s内时刻t的新能源-储能联合出力;/>为场景s内时刻t的标准化供应曲线;
偏差积分电量成本为:
其中,cE为单位偏差积分电量成本,ΔEs,t为场景s内超出允许范围的偏差积分电量;
偏差功率成本为:
其中,为第j段单位偏差功率成本,ΔPs,j,t为新能源-储能联合出力曲线与标准化供应曲线在场景s内时刻t的第j段功率偏差值,T为典型场景内包含的时段数,m为偏差功率分段数。
具体的,步骤S3中,储能投建容量约束;
其中,为新能源装机容量;/>为允许配置储能比例的上下限;
储能运行约束包括:
储能充放电功率约束:
其中,为储能在场景s内时刻t的充电/放电状态;/>为储能在场景s内时刻t的充电/放电功率;
储能运行状态逻辑约束
储能电量上限约束
其中,为储能投建电量,/>为储能在场景s内时刻t的存储电量;γ为储能存储电量下限值所占投建电量的比例;
储能荷电状态约束
其中,ηES,c/ηES,d为储能的充电/放电效率,为储能在场景s内时刻t+1的存储电量,/>为储能在场景s内时刻t的充电/放电功率;
储能调节周期约束
其中,TES为储能调节周期;为储能在场景s内的初始存储电量,t为场景的运行时刻, k为非负整数,/>为非负整数的集合。
具体的,步骤S3中,新能源-储能联合出力约束包括:
运行功率约束:
其中,为新能源在场景s内时刻t的预测发电功率;
出力偏差控制约束:
ws,t=vs,t
其中,为联合出力-计划出力偏差正向/负向松弛变量,/>为新能源出力-计划出力偏差正向/负向松弛变量,ws,t为联合出力-计划出力偏差方向变量,vs,t为新能源出力-计划出力偏差方向变量。
本发明的另一技术方案是,一种新能源场站储能配置计算***,包括:
数据模块,获取新能源***基本技术数据与***运行预测数据;
曲线模块,根据数据模块获取的新能源***基本技术数据与***运行预测数据,分别针对单一新能源场站和新能源发电基地制定标准化供应曲线;采用偏差积分电量与总发电量之间的百分比表示新能源-储能联合出力曲线与标准化供应曲线之间的偏差程度;
计算模块,利用曲线模块得到的单一新能源场站标准化供应曲线和新能源发电基地标准化供应曲线构建新能源场站储能配置优化模型的目标函数;构建储能投建容量约束,储能运行约束以及新能源-储能联合出力约束;建立新能源场站储能配置优化模型;采用商业求解器对新能源场站储能配置优化模型进行求解得到包含储能投建容量和电量的结果,将结果作为新能源场站的储能配置结果。
与现有技术相比,本发明至少具有以下有益效果:
本发明提出一种基于标准化供应曲线的新能源场站储能配置计算方法,首先针对不同规模的新能源场站,设计不同的标准化供应曲线,即配置储能后的新能源场站计划出力曲线;然后根据新能源-储能联合出力曲线与标准化供应曲线,定义供应曲线偏差度指标用于后续分析;最后,在新能源装机容量已知的前提下,综合考虑储能投资成本与供应曲线偏差成本,建立新能源场站储能配置优化模型。基于本发明所提方法,可以很容易扩展到新能源-储能联合规划的应用场景,针对不同装机规模的新能源场站制定合适的标准化供应曲线,并且综合考虑储能投资成本与供应曲线偏差成本之间的权衡,为新能源场站制定最优的储能容量配比,从而降低新能源场站对电力***带来的调峰压力,促进新能源消纳。
进一步的,获取新能源场站和待投建储能基本技术数据与***运行预测数据,一方面新能源场站和待投建储能基础技术数据可以为我们的储能配置方案提供经济技术参数,用于衡量储能的投资经济性,另一方面***的运行预测数据,可以用于衡量典型运行场景下储能配置方案的运行经济性,从而为制定最终的新能源场站储能配置方案提供关键的数据支撑。
进一步的,针对单一新能源场站,制定标准化供应曲线,使其能够对***负荷产生“削薄”的效果,这是在无法得知其他新能源出力时,制定的最稳妥的发电计划,有利于促进新能源就地消纳。
进一步的,针对新能源发电基地,制定标准化供应曲线的形状为***负荷曲线减去理想净负荷曲线得到的曲线,使其能够对***负荷产生“削平”的效果,由于是对大规模新能源场站制定计划发电曲线,***其它电源以可调度的常规电源为主,此时制定的新能源发电策略可以使净负荷接近一条平稳的直线,波动程度最小,最有利于***调峰。
进一步的,制定供应偏差度指标,可以刻画新能源-储能联合出力曲线与标准化供应曲线之间的偏差程度,为新能源场站储能配置优化模型制定偏差成本提供计算依据。
进一步的,新能源场站储能配置优化模型的目标函数,除了考虑常规的储能投资成本外,还额外考虑了新能源-储能联合运行的偏差成本,且将偏差成本划分为积分电量偏差成本和发电功率偏差成本,通过对每时刻的偏差功率以及对全时段的偏差电量设置考核成本,能够使得求解结果既保证了储能投资经济性,也降低了新能源场站对电力***产生的调峰压力。
进一步的,构建储能投建容量约束,使储能投建容量与新能源装机容量的比例控制在一定范围内,避免出现投资过多或投资过少的不合理结果,构建储能运行约束,详细刻画了储能的运行情况,保证了模型结果的合理性。
进一步的,构建新能源-储能联合出力约束,保证了联合出力必定减小供应曲线偏差度,且偏差方向不发生变化,是保证模型优化结果合理性的的关键约束。
综上所述,本发明具有更强的适用性,相比传统的多能互补电源规划方法,考虑了不同装机规模下新能源场站表现出的不同特性,定制化设计了标准化供应曲线;同时在建立新能源场站储能配置优化模型时,综合考虑了储能投资成本和供应曲线偏差成本之间的权衡,使得计算结果更加合理。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为区域A配置储能后新能源发电基地出力曲线图;
图2为区域A新能源发电基地出力曲线对比图;
图3为区域A净负荷曲线对比图;
图4为区域B配置储能后风电场出力曲线图;
图5为区域B风电场出力曲线对比图;
图6为本发明流程图。
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。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
在附图中示出了根据本发明公开实施例的各种结构示意图。这些图并非是按比例绘制的,其中为了清楚表达的目的,放大了某些细节,并且可能省略了某些细节。图中所示出的各种区域、层的形状及它们之间的相对大小、位置关系仅是示例性的,实际中可能由于制造公差或技术限制而有所偏差,并且本领域技术人员根据实际所需可以另外设计具有不同形状、大小、相对位置的区域/层。
本发明提供了一种新能源场站储能配置计算方法,针对不同新能源装机规模设计标准化供应曲线,即配置储能后的新能源场站计划出力曲线,并建立供应曲线偏差度指标;通过权衡储能投资成本和供应曲线偏差成本,建立新能源场站储能配置优化模型,计算在现有新能源装机规模和电力***负荷水平的条件下新能源与储能之间的最优容量配比,在保证储能投资经济性的前提下,降低新能源对电力***带来的调峰压力,促进新能源消纳。
请参阅图6,本发明一种新能源场站储能配置计算方法,在已知新能源装机容量和电力***负荷曲线的前提下,针对不同新能源场站装机规模设计标准化供应曲线,并建立供应曲线偏差度指标;通过权衡储能投资成本和供应曲线偏差成本,建立了新能源场站储能配置优化模型,该模型可以计算在现有新能源装机规模和电力***负荷水平的条件下新能源与储能之间的最优容量配比,从而降低新能源对电力***带来的调峰压力,促进新能源消纳。包括以下步骤:
S1、从电力***规划部门获取新能源场站和待投建储能的基本技术数据与个电力***的运行预测数据;
***基本技术数据:新能源的装机容量储能的单位投资成本cES,I,储能的调节周期 TES,储能的充电/放电效率ηES,c/ηES,d,储能投建电量与投建容量的比例α。
***运行预测数据:典型运行场景下整个电力***各时刻负荷功率的预测值PD,新能源各时刻的预测发电功率PNE。
S2、针对不同装机规模的新能源场站,设计标准化供应曲线;
S201、针对单一新能源场站,制定标准化供应曲线;
假设已知整个电力***的负荷需求,但对其他新能源场站的发电情况未知。由于该新能源场站的发电量规模相对于整个电力***负荷需求而言很小,难以显著影响整个电力***的调峰需求,此时制定的标准化供应曲线应尽可能与负荷趋势一致,达到对***负荷各时刻功率值等比例“削薄”的效果。因此,标准化供应曲线应具有以下特性:
1)形状:与***负荷曲线形状相同,即各时刻功率间的比值保持一致;
2)大小:曲线总电量应等于新能源场站实际发电量;
3)偏差:新能源-储能联合出力曲线与标准化供应曲线间的偏差采用积分电量的形式表示。
因此,标准化供应曲线的电量和功率关系可表示如下:
其中,T为典型场景内包含的时段数,本发明取24h;Δt为运行时间粒度,本发明取1h;为标准化供应曲线的总电量;/>为标准化供应曲线在时刻t的功率;Pt D为***实际负荷曲线在时刻t的功率。
式(2)保证了标准化供应曲线与实际负荷曲线形状相同。
S202、针对新能源发电基地,制定标准化供应曲线;
新能源发电基地包含大规模新能源场站,假设已知整个电力***的负荷需求,***内其他电源以可调度的常规电源为主。此时新能源基地的发电规模足以影响整个电力***的净负荷趋势,为了尽最大可能降低常规电源的调峰压力,新能源发电基地制定的标准化供应曲线应能够将***负荷曲线“削平”。
定义理想净负荷曲线:将净负荷电量(***实际负荷电量减去配置储能后的新能源基地发电量)均分至各时刻得到的曲线,该理想净负荷曲线各时刻功率值相等。
标准化供应曲线应具有以下特性:
(1)形状:为***负荷曲线减去理想净负荷曲线得到的曲线;
(2)大小和偏差与单一新能源场站定义相同。
标准化供应曲线表示如下:
其中,Pt G为配置储能后的新能源发电基地出力曲线在时刻t的功率。
S203、定义供应曲线偏差度指标。
新能源-储能联合出力曲线与标准化供应曲线之间的偏差程度,采用偏差积分电量与总发电量之间的百分比表示。
偏差积分电量表示为:
对应的供应曲线偏差度指标ν表示为:
S3、建立新能源场站储能配置优化模型;
S301、构建新能源场站储能配置优化模型的目标函数;
假设新能源电量通过储能调节后全消纳,在满足储能投资经济性的前提下,使新能源-储能联合出力曲线与标准化供应曲线之间的偏差程度最小。
其中,ΩS为典型场景集合,每个典型场景内包含的时段数一致;CI为投资成本,包括储能投资成本;为场景s的运行成本,包括新能源-储能联合出力曲线与标准化供应曲线间的偏差考核成本;πs为场景s的概率;λ为折算系数,使投资成本和运行成本具有可比性。
(1)投资成本项
其中,cES,I为储能单位投资成本,本发明假设储能投建电量与容量之间为固定比例,因此该单位投资成本已同时考虑了电量与容量的投建;为储能投建容量。
储能投建容量与电量之间的关系:
其中,α为储能投建电量与投建容量的比例;为储能投建电量。
(2)运行成本项
其中,为场景s的偏差积分电量成本;/>为场景s的偏差功率成本。
偏差积分电量考核成本
对于配置储能后的新能源场站,要求其联合出力曲线与标准化供应曲线之间的偏差积分电量控制在一定范围内,具体用供应曲线偏差度指标进行控制:
其中,为允许的供应曲线偏差度上限,超出该值后需要设置偏差积分电量成本;为配置储能后的新能源场站在场景s内的发电量;ΔEs为场景s内超出允许范围的偏差积分电量;/>为场景s内时刻t的新能源-储能联合出力;/>为场景s内时刻t的标准化供应曲线,对于/>的具体取值需根据互新能源场站规模而定。
对于单一新能源场站:
对于新能源发电基地:
其中,为场景s内整个电力***在时刻t的负荷功率。
偏差积分电量成本表示为:
其中,cE为单位偏差积分电量成本。
偏差功率成本
若仅设置偏差积分电量成本,新能源-储能联合出力曲线可能出现极端偏差的情况,即某时刻偏差功率极大,而其他时刻偏差功率很小,虽然总偏差电量很小,但曲线波动剧烈,不符合实际运行情况。因此,为避免这种情况发生,本发明采用分段形式设置偏差功率成本,偏差功率越大,单位成本越高:
其中,m为偏差功率分段数;为第j段偏差功率占新能源装机比例上限;/>为新能源装机容量;ΔPs,j,t为新能源-储能联合出力曲线与标准化供应曲线在场景s内时刻t的第j段功率偏差值。
偏差功率成本表示为:
其中,为第j段单位偏差功率成本。
S302、构建储能投建容量约束;
其中,为新能源装机容量;/>为允许配置储能比例的上下限。
模型要求储能容量配置应在新能源装机容量的一定比例范围内。
S303、构建储能运行约束,包括:储能充放电功率约束,储能运行状态逻辑约束,储能电量上限约束,储能荷电状态约束以及储能调节周期约束;
储能充放电功率约束
其中,为储能在场景s内时刻t的充电/放电状态;/>为储能在场景s内时刻t的充电/放电功率。
由于约束中存在双线性项与/>需要对其线性化处理:
将约束(20)替换为(21)和(22),保证模型解空间不变,并消除双线性项。
储能运行状态逻辑约束
保证储能在同一时刻不能出现同充同放现象。
储能电量上限约束
其中,为储能在场景s内时刻t的存储电量;γ为储能存储电量下限值所占投建电量的比例。
储能荷电状态约束
其中,ηES,c/ηES,d为储能的充电/放电效率。
储能调节周期约束
其中,TES为储能调节周期,本发明取24h;为储能在场景s内的初始存储电量;
要求储能在一个调节周期内进行循环充放电,调节周期初始时刻和结束时刻的荷电状态一致。
S304、构建新能源-储能联合出力约束,包括:运行功率约束以及出力偏差控制约束。
(1)运行功率约束:
其中,为新能源在场景s内时刻t的预测发电功率,为已知量。
(2)出力偏差控制约束:
由于该模型允许功率产生偏差,优化结果可能出现某一时刻的功率偏差比原始功率偏差还大的情况,还有可能出现偏差功率绝对值相比原始功率偏差降低但偏差方向相反的情况,虽然整体成本最小,但优化结果不符合实际运行情况。
为防止这些情况发生,要求储能调节保证联合出力曲线-标准化供应曲线偏差在任何时刻都不比新能源出力曲线-标准化供应曲线偏差大,且偏差功率方向相同,即:
/>
式(28)保证了联合出力曲线-标准化供应曲线偏差不大于新能源出力曲线-标准化供应曲线偏差,式(29)保证了两项偏差的方向相同。显然,两个不等式都是非线性的,需要进行线性化处理。
a)偏差功率约束线性化
针对式(28),引入松弛变量和/>令:
添加约束:
其中,M为足够大的正数;ws,t/vs,t为0-1变量,取0代表负方向,取1代表正方向。
分析式(31),当ws,t=1时,当ws,t=0时,/> 保证了/>恒成立。同理可分析式(32)。因此在式(31)~(32)的条件下,式(28)等价于如下形式:
b)偏差方向约束线性化
在偏差功率约束线性化基础上,添加约束:
ws,t=vs,t (34)
即可保证偏差功率方向是同向的。
以上对新能源场站储能配置优化模型进行了完整建立,该模型是一个标准的混合整数线性规划模型,可以采用成熟的商业求解器直接求解,得到的计算结果包括新能源场站的储能配置容量和电量,以及相应的投资和运行经济性指标,而且还有典型场景的运行模拟结果,可以直观展示储能投建后的效益。
在实际应用中,通过设置储能投建后预期能达到的供应曲线偏差度,以及对应的偏差成本,用来权衡储能投资经济性和新能源-储能联合出力偏差程度,从而根据规划决策者的具体目标提供对应的新能源场站储能配置方案
本发明再一个实施例中,提供一种新能源场站储能配置计算***,该***能够用于实现上述新能源场站储能配置计算方法,具体的,该新能源场站储能配置计算***包括数据模块、曲线模块以及计算模块。
其中,数据模块,获取新能源***基本技术数据与***运行预测数据;
曲线模块,根据数据模块获取的新能源***基本技术数据与***运行预测数据,分别针对单一新能源场站和新能源发电基地制定标准化供应曲线;采用偏差积分电量与总发电量之间的百分比表示新能源-储能联合出力曲线与标准化供应曲线之间的偏差程度;
计算模块,利用曲线模块得到的单一新能源场站标准化供应曲线和新能源发电基地标准化供应曲线构建新能源场站储能配置优化模型的目标函数;构建储能投建容量约束,储能运行约束以及新能源-储能联合出力约束;建立新能源场站储能配置优化模型;采用商业求解器对新能源场站储能配置优化模型进行求解得到包含储能投建容量和电量的结果,将结果作为新能源场站的储能配置结果。
本发明再一个实施例中,提供了一种终端设备,该终端设备包括处理器以及存储器,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(Central ProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor、DSP)、专用集成电路 (Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray, FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其是终端的计算核心以及控制核心,其适于实现一条或一条以上指令,具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能;本发明实施例所述的处理器可以用于新能源场站储能配置计算方法的操作,包括:
获取新能源***基本技术数据与***运行预测数据;根据获取的新能源***基本技术数据与***运行预测数据,分别针对单一新能源场站和新能源发电基地制定标准化供应曲线;采用偏差积分电量与总发电量之间的百分比表示新能源-储能联合出力曲线与标准化供应曲线之间的偏差程度;利用单一新能源场站标准化供应曲线和新能源发电基地标准化供应曲线构建新能源场站储能配置优化模型的目标函数;构建储能投建容量约束,储能运行约束以及新能源-储能联合出力约束;建立新能源场站储能配置优化模型;采用商业求解器对新能源场站储能配置优化模型进行求解得到包含储能投建容量和电量的结果,将结果作为新能源场站的储能配置结果。
本发明再一个实施例中,本发明还提供了一种存储介质,具体为计算机可读存储介质 (Memory),所述计算机可读存储介质是终端设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机可读存储介质既可以包括终端设备中的内置存储介质,当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间,该存储空间存储了终端的操作***。并且,在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机可读存储介质可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令,以实现上述实施例中有关新能源场站储能配置计算方法的相应步骤;计算机可读存储介质中的一条或一条以上指令由处理器加载并执行如下步骤:
获取新能源***基本技术数据与***运行预测数据;根据获取的新能源***基本技术数据与***运行预测数据,分别针对单一新能源场站和新能源发电基地制定标准化供应曲线;采用偏差积分电量与总发电量之间的百分比表示新能源-储能联合出力曲线与标准化供应曲线之间的偏差程度;利用单一新能源场站标准化供应曲线和新能源发电基地标准化供应曲线构建新能源场站储能配置优化模型的目标函数;构建储能投建容量约束,储能运行约束以及新能源-储能联合出力约束;建立新能源场站储能配置优化模型;采用商业求解器对新能源场站储能配置优化模型进行求解得到包含储能投建容量和电量的结果,将结果作为新能源场站的储能配置结果。
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中的描述和所示的本发明实施例的组件可以通过各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
实施例
为验证本发明所提方法的有效性,选取某测试***进行计算分析。该***可分为两个区域,区域A年最大负荷为10421MW,其中有装机为7000MW的新能源发电基地,新能源年发电量比例占负荷电量的26.71%;区域B年最大负荷为4069MW,有一个风电场装机为200MW,风电场年发电量比例占负荷电量的1.67%。按照本发明方法,对此配置进行储能。
采用K-means聚类方法对全年曲线进行聚类,分别得到两个区域的8个典型规划场景。设置新能源配套储能容量比例范围为0-30%,储能投建容量和投建电量的比例为1:4。
区域A新能源发电基地配置储能的结果分析
经过设置标准化供应曲线并进行模型计算,该区域新能源场站应配置24.39%的储能,装机容量为1695.84MW。
配置后的效果是将供应曲线偏差度由48.69%降到29.56%。优化后偏差积分电量乘以新能源-负荷比例,可以得到针对***负荷仅有不足8%的负荷波动电量需要其余电源进行调节,大大降低***调峰压力。选取某典型场景做进一步直观分析:
图1给出了配置储能后的新能源发电基地出力曲线;图2给出了新能源资源曲线、新能源 -储能联合出力曲线与标准化供应曲线之间的对比结果,可以看出,经过优化,联合出力曲线相比新能源资源曲线,每个时刻的出力偏差都减小或不变,没有出现偏差增大的情况;图3 给出了净负荷曲线的变化情况,针对新能源发电基地优化,理想净负荷曲线应是一条直线,可以看出,配置储能场景相比无储能场景,净负荷曲线的波动程度显著降低,储能起到了很好的削峰填谷作用。
区域B风电场配置储能的结果分析
请参阅图4和图5,经过设置标准化出力曲线并进行模型计算,该区域可对风电场配置 18.30%的储能,装机容量为36.60MW,将供需曲线偏差度由37.47%降低到19.83%。由于该区域的新能源装机占比很小,不足以显著影响***调节能力,在优化时选择等比例跟踪负荷形状。其配套储能优化运行后,对净负荷(负荷曲线减去风电场出力曲线)的影响也不会很大,不再展示净负荷曲线变化情况。
选取某典型场景做进一步直观分析:可以看出,配置储能后,风电场出力更加平稳,且更贴近负荷曲线形状,达到了很好的调节作用。
综上所述,本发明一种新能源场站储能配置计算方法及***,针对不同规模的新能源场站在电力***中的定位,差异化制定储能配置方案。制定的储能配置方案可以使单一新能源场站的运行曲线形状更贴近于电力***负荷形状,促进新能源的就近消纳;同时也可以使大规模新能源发电基地的发电曲线最大程度地实现削峰填谷效果,降低整个***的调峰压力,有利于电力***的安全稳定运行。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质 (包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/ 或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上内容仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明权利要求书的保护范围之内。
Claims (8)
1.一种新能源场站储能配置计算方法,其特征在于,包括以下步骤:
S1、获取新能源***基本技术数据与***运行预测数据;
S2、根据步骤S1获取的新能源***基本技术数据与***运行预测数据,分别针对单一新能源场站和新能源发电基地制定标准化供应曲线;采用偏差积分电量与总发电量之间的百分比表示新能源-储能联合出力曲线与标准化供应曲线之间的偏差程度,单一新能源场站的标准化供应曲线的形状与***负荷曲线形状相同;单一新能源场站的标准化供应曲线的总电量等于新能源场站实际发电量;采用积分电量的形式表示新能源-储能联合出力曲线与标准化供应曲线间的偏差,新能源发电基地标准化供应曲线的形状为***负荷曲线减去理想净负荷曲线得到的曲线,具体为:
其中,T为典型场景内包含的时段数,Pt D为***实际负荷曲线在时刻t的功率,Δt为运行时间粒度,Pt G为配置储能后的新能源发电基地出力曲线在时刻t的功率;
S3、利用步骤S2得到的单一新能源场站标准化供应曲线和新能源发电基地标准化供应曲线构建新能源场站储能配置优化模型的目标函数;构建储能投建容量约束,储能运行约束以及新能源-储能联合出力约束;建立新能源场站储能配置优化模型;采用商业求解器对新能源场站储能配置优化模型进行求解得到包含储能投建容量和电量的结果,将结果作为新能源场站的储能配置结果。
2.根据权利要求1所述的方法,其特征在于,步骤S1中,***基本技术数据包括新能源的装机容量储能的单位投资成本cES,I,储能的调节周期TES,储能的充电/放电效率ηES,c/ηES,d,储能投建电量与投建容量的比例α;***运行预测数据包括典型运行场景下整个电力***各时刻负荷功率的预测值PD,新能源各时刻的预测发电功率PNE。
3.根据权利要求1所述的方法,其特征在于,步骤S2中,标准化供应曲线的电量和功率关系表示如下:
其中,T为典型场景内包含的时段数;Δt为运行时间粒度;为标准化供应曲线的总电量;/>为标准化供应曲线在时刻t的功率;Pt D为***实际负荷曲线在时刻t的功率。
4.根据权利要求1所述的方法,其特征在于,步骤S2中,供应曲线的偏差度指标ν表示为:
其中,为偏差积分电量,/>为标准化供应曲线的总电量。
5.根据权利要求1所述的方法,其特征在于,步骤S3中,目标函数包括:
在满足储能投资经济性的前提下,新能源-储能联合出力曲线与标准化供应曲线之间的偏差程度最小,具体为:
其中,ΩS为典型场景集合,CI为投资成本,为场景s的运行成本,πs为场景s的概率;λ为折算系数;
采用供应曲线偏差度指标控制联合出力曲线与标准化供应曲线之间的偏差积分电量,具体为:
其中,为允许的供应曲线偏差度上限;/>为配置储能后的新能源场站在场景s内的发电量;ΔEs为场景s内超出允许范围的偏差积分电量;/>为场景s内时刻t的新能源-储能联合出力;/>为场景s内时刻t的标准化供应曲线;
偏差积分电量成本为:
其中,cE为单位偏差积分电量成本,ΔEs,t为场景s内超出允许范围的偏差积分电量;
偏差功率成本为:
其中,为第j段单位偏差功率成本,ΔPs,j,t为新能源-储能联合出力曲线与标准化供应曲线在场景s内时刻t的第j段功率偏差值,T为典型场景内包含的时段数,m为偏差功率分段数。
6.根据权利要求1所述的方法,其特征在于,步骤S3中,储能投建容量约束;
其中,为新能源装机容量;β//>为允许配置储能比例的上下限;
储能运行约束包括:
储能充放电功率约束:
其中,为储能在场景s内时刻t的充电/放电状态;/>为储能在场景s内时刻t的充电/放电功率;
储能运行状态逻辑约束
储能电量上限约束
其中,为储能投建电量,/>为储能在场景s内时刻t的存储电量;γ为储能存储电量下限值所占投建电量的比例;
储能荷电状态约束
其中,ηES,c/ηES,d为储能的充电/放电效率,为储能在场景s内时刻t+1的存储电量,为储能在场景s内时刻t的充电/放电功率;
储能调节周期约束
其中,TES为储能调节周期;为储能在场景s内的初始存储电量,t为场景的运行时刻,k为非负整数,/>为非负整数的集合。
7.根据权利要求1所述的方法,其特征在于,步骤S3中,新能源-储能联合出力约束包括:
运行功率约束:
其中,为新能源在场景s内时刻t的预测发电功率;
出力偏差控制约束:
ws,t=vs,t
其中,为联合出力-计划出力偏差正向/负向松弛变量,/>为新能源出力-计划出力偏差正向/负向松弛变量,ws,t为联合出力-计划出力偏差方向变量,vs,t为新能源出力-计划出力偏差方向变量。
8.一种新能源场站储能配置计算***,其特征在于,包括:
数据模块,获取新能源***基本技术数据与***运行预测数据;
曲线模块,根据数据模块获取的新能源***基本技术数据与***运行预测数据,分别针对单一新能源场站和新能源发电基地制定标准化供应曲线;采用偏差积分电量与总发电量之间的百分比表示新能源-储能联合出力曲线与标准化供应曲线之间的偏差程度,单一新能源场站的标准化供应曲线的形状与***负荷曲线形状相同;单一新能源场站的标准化供应曲线的总电量等于新能源场站实际发电量;采用积分电量的形式表示新能源-储能联合出力曲线与标准化供应曲线间的偏差,新能源发电基地标准化供应曲线的形状为***负荷曲线减去理想净负荷曲线得到的曲线,具体为:
其中,T为典型场景内包含的时段数,Pt D为***实际负荷曲线在时刻t的功率,Δt为运行时间粒度,Pt G为配置储能后的新能源发电基地出力曲线在时刻t的功率;
计算模块,利用曲线模块得到的单一新能源场站标准化供应曲线和新能源发电基地标准化供应曲线构建新能源场站储能配置优化模型的目标函数;构建储能投建容量约束,储能运行约束以及新能源-储能联合出力约束;建立新能源场站储能配置优化模型;采用商业求解器对新能源场站储能配置优化模型进行求解得到包含储能投建容量和电量的结果,将结果作为新能源场站的储能配置结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110645631.9A CN113537562B (zh) | 2021-06-09 | 2021-06-09 | 一种新能源场站储能配置计算方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110645631.9A CN113537562B (zh) | 2021-06-09 | 2021-06-09 | 一种新能源场站储能配置计算方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113537562A CN113537562A (zh) | 2021-10-22 |
CN113537562B true CN113537562B (zh) | 2023-07-25 |
Family
ID=78095802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110645631.9A Active CN113537562B (zh) | 2021-06-09 | 2021-06-09 | 一种新能源场站储能配置计算方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113537562B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114118579B (zh) * | 2021-11-26 | 2023-06-09 | 南方电网调峰调频发电有限公司 | 一种新能源场站储能配置规划方法、装置及计算机设备 |
CN114498637B (zh) * | 2022-04-13 | 2022-07-12 | 清华四川能源互联网研究院 | 一种新能源场配置储能对利用率影响的分析方法 |
CN116011624B (zh) * | 2022-12-15 | 2023-06-23 | 山东大学 | 计及分段点优化的发电商最优供应曲线获取方法及*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018103232A1 (zh) * | 2016-12-08 | 2018-06-14 | 中山大洋电机股份有限公司 | 一种新能源微电网电动汽车充电站的控制方法 |
CN109787259A (zh) * | 2019-01-23 | 2019-05-21 | 西安交通大学 | 一种基于新能源随机波动的多类型储能联合规划方法 |
CN110752602A (zh) * | 2019-12-06 | 2020-02-04 | 国网江苏省电力有限公司淮安供电分公司 | 一种负荷响应与储能对***消纳新能源能力的评估方法 |
CN111525627A (zh) * | 2020-05-08 | 2020-08-11 | 清华大学 | 含抽蓄与新能源发电的柔性直流输电***日前调度方法 |
WO2021098352A1 (zh) * | 2019-11-22 | 2021-05-27 | 国网福建省电力有限公司 | 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法 |
CN112886625A (zh) * | 2021-03-23 | 2021-06-01 | 国网浙江省电力有限公司电力科学研究院 | 一种储能电站辅助新能源调频运行优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11878602B2 (en) * | 2019-11-22 | 2024-01-23 | State Grid Fujian Electric Power Co., Ltd. | Method for establishing active distribution network planning model considering location and capacity determination of electric vehicle charging station |
-
2021
- 2021-06-09 CN CN202110645631.9A patent/CN113537562B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018103232A1 (zh) * | 2016-12-08 | 2018-06-14 | 中山大洋电机股份有限公司 | 一种新能源微电网电动汽车充电站的控制方法 |
CN109787259A (zh) * | 2019-01-23 | 2019-05-21 | 西安交通大学 | 一种基于新能源随机波动的多类型储能联合规划方法 |
WO2021098352A1 (zh) * | 2019-11-22 | 2021-05-27 | 国网福建省电力有限公司 | 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法 |
CN110752602A (zh) * | 2019-12-06 | 2020-02-04 | 国网江苏省电力有限公司淮安供电分公司 | 一种负荷响应与储能对***消纳新能源能力的评估方法 |
CN111525627A (zh) * | 2020-05-08 | 2020-08-11 | 清华大学 | 含抽蓄与新能源发电的柔性直流输电***日前调度方法 |
CN112886625A (zh) * | 2021-03-23 | 2021-06-01 | 国网浙江省电力有限公司电力科学研究院 | 一种储能电站辅助新能源调频运行优化方法 |
Non-Patent Citations (4)
Title |
---|
Auto tuning for new energy dispatch problem: A case study;Jue Wang 等;Future Generation Computer Systems;全文 * |
基于智能电网调度控制***基础平台的新能源优化调度;刘纯;黄越辉;张楠;礼晓飞;刘德伟;姚姣;;电力***自动化(第01期);全文 * |
新能源站侧规模化应用储能的电力***运行模拟;冉亮;郭建华;袁铁江;;分布式能源(第03期);全文 * |
考虑灵活性的冷热电联供型微网优化调度;慕明良;李守茂;孟祥鹤;白星振;;智慧电力(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113537562A (zh) | 2021-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113537562B (zh) | 一种新能源场站储能配置计算方法及*** | |
CN107979111A (zh) | 一种基于两阶段鲁棒优化的微电网能量管理方法 | |
CN103872694B (zh) | 区域风电场群储能电站的容量优化及其辅助调峰方法 | |
CN102694391B (zh) | 风光储联合发电***日前优化调度方法 | |
CN107069776B (zh) | 一种平滑微网联络线功率的储能前瞻分布式控制方法 | |
CN107392395A (zh) | 一种基于价格激励机制的配电网和微电网协调优化方法 | |
Li et al. | A coordinated peak shaving strategy using neural network for discretely adjustable energy-intensive load and battery energy storage | |
CN102622475B (zh) | 基于二次规划模型的电池储能***削峰填谷日前优化方法 | |
CN115733178A (zh) | 基于成本和风险多目标的光储充电站容量配置方法及*** | |
CN114154790A (zh) | 基于需量管理和柔性负荷的工业园区光储容量配置方法 | |
CN114548537A (zh) | 基于本征空间的能源优化调度方法及其电力交易方法 | |
CN116957294A (zh) | 基于数字孪生的虚拟电厂参与电力市场交易的调度方法 | |
Keyvandarian et al. | Optimal sizing of a reliability-constrained, stand-alone hybrid renewable energy system using robust satisficing | |
CN114358378A (zh) | 一种用于考虑需量管理的用户侧储能优化配置***及方法 | |
CN108683211B (zh) | 一种考虑分布式电源波动性的虚拟发电厂组合优化方法及模型 | |
CN115065075B (zh) | 风储集群中储能站优化调度方法、***及存储介质 | |
CN116865270A (zh) | 一种含嵌入式直流的柔性互联配电网优化调度方法及*** | |
CN110717694B (zh) | 基于新能源消纳期望值的储能配置随机决策方法及装置 | |
CN114629135A (zh) | 风储调频容量的调节方法、装置、计算机设备及存储介质 | |
CN109214624A (zh) | 一种基于蒙特卡洛法的储能容量优化方法、装置及*** | |
Krishnan et al. | Slow dynamics model of compressed air energy storage and battery storage technologies for automatic generation control | |
Hao et al. | A Novel Stochastic Economic Dispatch Method Considering Renewable Energy Correlation and Demand Response | |
Li et al. | Robust unit commitment with high penetration of renewable energy based on demand response and power consumption contract of electrical vehicles | |
Li et al. | Coordinated control strategy of wind/battery energy storage system hybrid power output based on adaptive dynamic programming | |
CN114465288B (zh) | 一种互联微电网惯性控制方法及*** |
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 |