CN115241930A - 多形式储能与多类型电源的协同运行方法、***及介质 - Google Patents

多形式储能与多类型电源的协同运行方法、***及介质 Download PDF

Info

Publication number
CN115241930A
CN115241930A CN202210968229.9A CN202210968229A CN115241930A CN 115241930 A CN115241930 A CN 115241930A CN 202210968229 A CN202210968229 A CN 202210968229A CN 115241930 A CN115241930 A CN 115241930A
Authority
CN
China
Prior art keywords
energy storage
data
load
hydrogen
peak regulation
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.)
Pending
Application number
CN202210968229.9A
Other languages
English (en)
Inventor
修晓青
李煜阳
李蓓
李相俊
牛萌
马会萌
王凯丰
曾玥霖
黄碧斌
沈玉明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Economic and Technological Research Institute of State Grid Anhui Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
Economic and Technological Research Institute of State Grid Anhui Electric Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, Economic and Technological Research Institute of State Grid Anhui Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202210968229.9A priority Critical patent/CN115241930A/zh
Publication of CN115241930A publication Critical patent/CN115241930A/zh
Pending legal-status Critical Current

Links

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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • 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)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种多形式储能与多类型电源的协同运行方法、***及介质，获取多形式储能与源网荷数据；利用多形式储能与源网荷数据进行电/热/氢解耦计算，得到热/氢负荷节点对应的电负荷；将热/氢负荷节点对应的电负荷与传统电负荷统一为电热氢综合电负荷，利用电热氢综合电负荷进行源网荷优化运行计算，得到储能调峰报价先导参数；利用储能调峰报价先导参数计算得到储能调峰报价数据；利用储能调峰报价数据进行源网荷储协同优化运行计算，得到***运营成本及储能运营效益、电/热/氢储能运行功率时序数据。在面向含高比例可再生电源的电力***时，本发明可以提升可再生能源消纳率、降低失负荷率。

Description

多形式储能与多类型电源的协同运行方法、***及介质
技术领域
本发明属于储能在电力***中应用技术领域，具体涉及一种多形式储能与多类型电源的协同运行方法、***及介质。
背景技术
储能技术是支撑以新能源为主体的新型电力***的关键技术之一。根据能量存储形式的不同，可分为电储能、热储能、氢储能等技术类型。现阶段，电储能技术处于商业化初期阶段，热储能、氢储能仍处于实验示范阶段，上述储能技术均与电力***存在时空耦合关系，可以适应不同节点下的多时间尺度电、热、氢需求。计及可再生电源发电出力特性、电-热-氢负荷需求特性存在季节性、地域性差异，尤其是电力市场环境下，协同优化高比例可再生电源、常规电源、多形式储能的运行策略，一方面，有利于提升可再生电源利用水平；另一方面，提升多形式储能的运营效益。现有技术中，侯慧等以储能经济效益最大、能量损耗最小以及储能调度参与下微网与外网间功率波动最小为目标，建立储能多目标优化调度模型；刘海涛等以***运行成本和环境成本为目标，提出了电－气－热－氢的优化运行调度方案。然而现有技术的分析场景为微网或综合能源***，有关电力***中计及电力网络约束，以及电力市场环境下的广域多形式储能与多类型电源间的协同优化技术不足。
[1]侯慧,刘鹏,刘志刚,何书耘,肖振锋,姚颖.电热氢多元储能***优化调度方法[J].高电压技术,2022,48(02):536-545.DOI:10.13336/j.1003-6520.hve.20210009.
[2]刘海涛,朱海南,李***,孙华忠,王娟娟,姜心怡,陈健.计及碳成本的电-气-热-氢综合能源***经济运行策略[J].电力建设,2021,42(12):21-29.
发明内容
本发明的目的在于提供一种多形式储能与多类型电源的协同运行方法、***及介质，以克服现有技术存在的缺陷，本发明以多形式储能、多类型电源为对象，考虑未来高比例可再生能源的消纳需求，结合电力调峰辅助服务政策，通过电热氢解耦计算，形成电热氢综合电负荷的实际需求，确立了储能调峰报价方法，可以提升可再生能源消纳率，降低失负荷率。
为达到上述目的，本发明采用如下技术方案：
一种多形式储能与多类型电源的协同运行方法，包括：
获取多形式储能与源网荷数据；
利用多形式储能与源网荷数据进行电/热/氢解耦计算，得到热/氢负荷节点对应的电负荷；
将热/氢负荷节点对应的电负荷与传统电负荷统一为电热氢综合电负荷，利用电热氢综合电负荷进行源网荷优化运行计算，得到储能调峰报价先导参数；
利用储能调峰报价先导参数计算得到储能调峰报价数据；
利用储能调峰报价数据进行源网荷储协同优化运行计算，得到电/热/氢储能运行功率时序数据。
进一步地，所述多形式储能与源网荷数据包括电/热/氢多形式储能基础数据、多类型电源基础数据、电网及电/热/氢负荷基础数据、电力市场数据、预期收益率。
进一步地，所述电/热/氢多形式储能基础数据包括：电/热/氢储能的并网节点、额定功率、额定容量、全寿命周期投资运维成本、寿命、能量转换效率以及平准化电力成本；
所述多类型电源基础数据包括：可再生电源的并网节点及装机容量，理论出力时序数据，可再生电源消纳率边界值，火电机组的并网节点及装机容量、最小技术出力、发电成本；
所述电网及电/热/氢负荷基础数据包括：母线名称，交流线、并/串联电容电抗、直流线、变压器的基础数据，电/热/氢负荷的节点及负荷需求时序数据；
所述电力市场数据包括：峰谷分时电价，储能充放电电价，可再生电源单位电量弃电成本，单位电量失负荷成本，火电机组深度调峰区间及报价。
进一步地，所述电/热/氢解耦计算具体为：以用电成本最小为目标，考虑满足热/氢负荷需求、电制氢/热设备额定功率、储氢/热设备容量与容量状态转换约束，优化热/氢储能的运行功率时序数据，得到热/氢负荷节点对应的电负荷；
优化时所采用算法为非线性规划算法、遗传算法或粒子群算法。
进一步地，所述源网荷优化运行计算具体为：以火电机组发电成本、火电机组调峰成本、可再生电源弃电成本、失负荷成本之和最小为目标，考虑火电机组运行功率、可再生电源理论出力、节点功率平衡、潮流、电负荷需求约束，优化各节点火电机组、可再生电源的出力，得出储能调峰报价先导参数，所述储能调峰报价先导参数包括火电机组深度调峰时段与调峰价格、可再生电源实际出力与消纳率、可再生电源弃电功率时序数据、失负荷时段；
优化时所采用算法为非线性规划算法、遗传算法或粒子群算法。
进一步地，所述储能调峰报价数据包括储能向下调峰报价数据和储能向上调峰报价数据；
所述储能向下调峰报价数据计算具体为：基于火电机组调峰时段与调峰价格，按照下式计算储能向下调峰报价数据：
Figure BDA0003795634950000041
式中，
Figure BDA0003795634950000042
为储能s在时刻t的向下调峰报价数据；
Figure BDA0003795634950000043
为火电机组i在时刻t的深度调峰报价数据；
Figure BDA0003795634950000044
为储能s的平准化电力成本；
Figure BDA0003795634950000045
为储能s的放电价格；
Figure BDA0003795634950000046
为储能s的能量转换效率；T1为火电机组调峰时段；
所述储能向上调峰报价数据计算具体为：基于失负荷时段T2与单位电量失负荷成本，按照下式计算储能向上调峰报价数据：
Figure BDA0003795634950000047
式中，
Figure BDA0003795634950000048
为储能s在时刻t的向上调峰报价数据；
Figure BDA0003795634950000049
为储能s的放电价格；Cl(t)为时刻t的单位电量失负荷成本；T2为失负荷时段。
进一步地，所述源网荷储协同优化运行计算具体为：基于火电机组深度调峰时段与调峰价格、储能调峰报价数据，以火电机组发电成本、火电机组调峰成本、储能调峰成本之和最小为目标，考虑火电机组运行功率、可再生电源理论出力及消纳率、节点功率平衡、潮流、电负荷需求约束，优化各节点火电机组、可再生电源、储能的运行曲线，得到电/热/氢储能运行功率时序数据；
优化时所采用算法为非线性规划算法、遗传算法或粒子群算法。
一种多形式储能与多类型电源的协同运行***，包括：
数据获取模块：用于获取多形式储能与源网荷数据；
热/氢负荷节点对应的电负荷计算模块：用于利用多形式储能与源网荷数据进行电/热/氢解耦计算，得到热/氢负荷节点对应的电负荷；
储能调峰报价先导参数计算模块：用于将热/氢负荷节点对应的电负荷与传统电负荷统一为电热氢综合电负荷，利用电热氢综合电负荷进行源网荷优化运行计算，得到储能调峰报价先导参数；
储能调峰报价数据计算模块：用于利用储能调峰报价先导参数计算得到储能调峰报价数据；
源网荷储协同优化运行计算模块：用于利用储能调峰报价数据进行源网荷储协同优化运行计算，得到电/热/氢储能运行功率时序数据。
进一步地，所述数据获取模块中，多形式储能与源网荷数据包括电/热/氢多形式储能基础数据、多类型电源基础数据、电网及电/热/氢负荷基础数据、电力市场数据、预期收益率；
所述电/热/氢多形式储能基础数据包括：电/热/氢储能的并网节点、额定功率、额定容量、全寿命周期投资运维成本、寿命、能量转换效率以及平准化电力成本；
所述多类型电源基础数据包括：可再生电源的并网节点及装机容量，理论出力时序数据，可再生电源消纳率边界值，火电机组的并网节点及装机容量、最小技术出力、发电成本；
所述电网及电/热/氢负荷基础数据包括：母线名称，交流线、并/串联电容电抗、直流线、变压器的基础数据，电/热/氢负荷的节点及负荷需求时序数据；
所述电力市场数据包括：峰谷分时电价，储能充放电电价，可再生电源单位电量弃电成本，单位电量失负荷成本，火电机组深度调峰区间及报价。
进一步地，所述热/氢负荷节点对应的电负荷计算模块中，电/热/氢解耦计算具体为：以用电成本最小为目标，考虑满足热/氢负荷需求、电制氢/热设备额定功率、储氢/热设备容量与容量状态转换约束，优化热/氢储能的运行功率时序数据，得到热/氢负荷节点对应的电负荷；
优化时所采用算法为非线性规划算法、遗传算法或粒子群算法。
进一步地，所述储能调峰报价先导参数计算模块中，源网荷优化运行计算具体为：以火电机组发电成本、火电机组调峰成本、可再生电源弃电成本、失负荷成本之和最小为目标，考虑火电机组运行功率、可再生电源理论出力、节点功率平衡、潮流、电负荷需求约束，优化各节点火电机组、可再生电源的出力，得出储能调峰报价先导参数，所述储能调峰报价先导参数包括火电机组深度调峰时段与调峰价格、可再生电源实际出力与消纳率、可再生电源弃电功率时序数据、失负荷时段；
优化时所采用算法为非线性规划算法、遗传算法或粒子群算法。
进一步地，所述储能调峰报价数据计算模块中，储能调峰报价数据包括储能向下调峰报价数据和储能向上调峰报价数据；
所述储能向下调峰报价数据计算具体为：基于火电机组调峰时段与调峰价格，按照下式计算储能向下调峰报价数据：
Figure BDA0003795634950000061
式中，
Figure BDA0003795634950000062
为储能s在时刻t的向下调峰报价数据；
Figure BDA0003795634950000063
为火电机组i在时刻t的深度调峰报价数据；
Figure BDA0003795634950000064
为储能s的平准化电力成本；
Figure BDA0003795634950000065
为储能s的放电价格；
Figure BDA0003795634950000066
为储能s的能量转换效率；T1为火电机组调峰时段；
所述储能向上调峰报价数据计算具体为：基于失负荷时段T2与单位电量失负荷成本，按照下式计算储能向上调峰报价数据：
Figure BDA0003795634950000067
式中，
Figure BDA0003795634950000068
为储能s在时刻t的向上调峰报价数据；
Figure BDA0003795634950000069
为储能s的放电价格；Cl(t)为时刻t的单位电量失负荷成本；T2为失负荷时段。
进一步地，所述源网荷储协同优化运行计算具体为：基于火电机组深度调峰时段与调峰价格、储能调峰报价数据，以火电机组发电成本、火电机组调峰成本、储能调峰成本之和最小为目标，考虑火电机组运行功率、可再生电源理论出力及消纳率、节点功率平衡、潮流、电负荷需求约束，优化各节点火电机组、可再生电源、储能的运行曲线，得到电/热/氢储能运行功率时序数据；
优化时所采用算法为非线性规划算法、遗传算法或粒子群算法。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述多形式储能与多类型电源的协同运行方法的步骤。
与现有技术相比，本发明具有以下有益的技术效果：
本发明是考虑电热氢负荷需求的多形式储能与多类型电源的协同运行方法，基于加载与设置的多形式储能与源网荷基础数据信息，进行电热氢解耦计算，优化不含储能的源网荷运行结果，设置储能调峰报价，最终实现源网荷储协同优化运行，在面向含高比例可再生电源的电力***时，可以提升可再生能源消纳率、降低失负荷率。
附图说明
说明书附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明多形式储能与多类型电源的协同运行方法流程图；
图2为本发明多形式储能与多类型电源的协同运行***结构图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
如图1所示，本发明提供一种多形式储能与多类型电源的协同运行方法，首先，获取多形式储能与源网荷数据；其次，电/热/氢解耦计算及源网荷优化运行；然后，设置储能调峰报价；最后，源网荷储协同优化运行计算及结果输出。
(1)获取多形式储能与源网荷数据
多形式储能与源网荷数据包括但不限于加载与设置多形式储能基础数据、多类型电源基础数据、电网及电/热/氢负荷基础数据、电力市场数据、预期收益率等。
多形式储能基础数据包括但不限于：电/热/氢储能的并网节点及额定功率与容量、全寿命周期投资运维成本、寿命、能量转换效率、平准化电力成本等。
多类型电源基础数据包括但不限于可再生电源的并网节点及装机容量、理论出力时序数据、可再生电源消纳率边界值，火电机组的并网节点及装机容量、最小技术出力、发电成本等。
电网及电/热/氢负荷基础数据包括但不限于母线名称、交流线、并/串联电容电抗、直流线、变压器等元器件基础数据，电/热/氢负荷的节点及负荷需求时序数据。
电力市场数据包括但不限于峰谷分时电价、储能充放电电价、可再生电源单位电量弃电成本、单位电量失负荷成本、火电机组深度调峰区间及报价，需依据当地调峰辅助服务政策与不同节点火电机组最小技术出力，分别设置火电机组在不同负荷率水平下的报价。
(2)电/热/氢解耦计算
电/热/氢解耦计算方法为：以用电成本最小为目标，考虑满足热/氢负荷需求、电制氢/热设备额定功率、储氢/热设备容量与容量状态转换约束，优化热/氢储能的运行功率时序数据，优化算法包括但不限于非线性规划、遗传算法、粒子群算法等，得出热/氢负荷节点对应的电负荷，与传统电负荷统一为电热氢综合电负荷，用于源网荷协同优化运行。
(3)源网荷优化运行计算
源网荷优化运行计算方法为：以火电机组发电成本、火电机组调峰成本、可再生电源弃电成本、失负荷成本之和最小为目标，考虑火电机组运行功率、可再生电源理论出力、节点功率平衡、潮流、电负荷需求约束，优化各节点火电机组、可再生电源的出力，优化算法包括但不限于非线性规划、遗传算法、粒子群算法等，得出火电机组深度调峰时段T1与调峰价格、可再生电源实际出力与消纳率、可再生电源弃电功率时序数据、失负荷时段T2等参量。
(4)设置储能调峰报价
储能调峰报价设置方法包括但不限于设置储能向下调峰报价数据、储能向上调峰报价数据。
储能向下调峰报价数据设置方法：基于火电机组调峰时段T1与调峰价格，按照下述方法设置储能向下调峰报价数据
Figure BDA0003795634950000101
式中，
Figure BDA0003795634950000102
为储能s在时刻t的向下调峰报价数据；
Figure BDA0003795634950000103
为火电机组i在时刻t的深度调峰报价数据；
Figure BDA0003795634950000104
为储能s的平准化电力成本；
Figure BDA0003795634950000105
为储能s的放电价格；
Figure BDA0003795634950000106
为储能s的能量转换效率。
储能向上调峰报价数据设置方法：基于失负荷时段T2与单位电量失负荷成本，按照下述方法设置储能向上调峰报价数据
Figure BDA0003795634950000107
式中，
Figure BDA0003795634950000108
为储能s在时刻t的向上调峰报价数据；Cl(t)为时刻t的单位电量失负荷成本。
(5)源网荷储协同优化运行。
源网荷储协同优化运行计算方法为：基于火电机组深度调峰时段与调峰价格、储能调峰报价数据，以火电机组发电成本、火电机组调峰成本、储能调峰成本之和最小为目标，考虑火电机组运行功率、可再生电源理论出力及消纳率、节点功率平衡、潮流、电负荷需求约束，优化各节点火电机组、可再生电源、储能的运行曲线，优化算法包括但不限于非线性规划、遗传算法、粒子群算法等，得出电/热/氢储能运行功率时序数据。
优选地，除了电/热/氢储能运行功率时序数据外，还可以得到***运营成本及储能运营效益；
储能年运营经济效益计算方法：
Figure BDA0003795634950000111
式中，
Figure BDA0003795634950000112
为储能s向下调峰年收益；
Figure BDA0003795634950000113
为储能s向上调峰年收益；
Figure BDA0003795634950000114
为储能s充放电价差套利年收益；
Figure BDA0003795634950000115
为储能s全寿命周期投资运维成本；i0为预期收益率；n为寿命。
(6)结果输出。
结果输出包括但不限于***运营成本及储能运营效益、电/热/氢储能运行功率时序数据。
目前，电化学储能已步入商业化应用初期阶段，氢、热储能仍处于项目示范建设阶段，电-热-氢多形式储能共存是未来能源发展方向，本发明提出多形式储能与多类型电源的协同运行方法，解决电网安全、稳定、经济运行问题。
实施例二
一种多形式储能与多类型电源的协同运行***，包括：
数据获取模块：用于获取多形式储能与源网荷数据；所述多形式储能与源网荷数据包括电/热/氢多形式储能基础数据、多类型电源基础数据、电网及电/热/氢负荷基础数据、电力市场数据、预期收益率；
其中，所述电/热/氢多形式储能基础数据包括：电/热/氢储能的并网节点、额定功率、额定容量、全寿命周期投资运维成本、寿命、能量转换效率以及平准化电力成本；
所述多类型电源基础数据包括：可再生电源的并网节点及装机容量，理论出力时序数据，可再生电源消纳率边界值，火电机组的并网节点及装机容量、最小技术出力、发电成本；
所述电网及电/热/氢负荷基础数据包括：母线名称，交流线、并/串联电容电抗、直流线、变压器的基础数据，电/热/氢负荷的节点及负荷需求时序数据；
所述电力市场数据包括：峰谷分时电价，储能充放电电价，可再生电源单位电量弃电成本，单位电量失负荷成本，火电机组深度调峰区间及报价。
热/氢负荷节点对应的电负荷计算模块：用于利用多形式储能与源网荷数据进行电/热/氢解耦计算，得到热/氢负荷节点对应的电负荷；
其中，所述电/热/氢解耦计算具体为：以用电成本最小为目标，考虑满足热/氢负荷需求、电制氢/热设备额定功率、储氢/热设备容量与容量状态转换约束，优化热/氢储能的运行功率时序数据，得到热/氢负荷节点对应的电负荷；
优化时所采用算法为非线性规划算法、遗传算法或粒子群算法。
储能调峰报价先导参数计算模块：用于将热/氢负荷节点对应的电负荷与传统电负荷统一为电热氢综合电负荷，利用电热氢综合电负荷进行源网荷优化运行计算，得到储能调峰报价先导参数；
其中，所述源网荷优化运行计算具体为：以火电机组发电成本、火电机组调峰成本、可再生电源弃电成本、失负荷成本之和最小为目标，考虑火电机组运行功率、可再生电源理论出力、节点功率平衡、潮流、电负荷需求约束，优化各节点火电机组、可再生电源的出力，得出储能调峰报价先导参数，所述储能调峰报价先导参数包括火电机组深度调峰时段与调峰价格、可再生电源实际出力与消纳率、可再生电源弃电功率时序数据、失负荷时段；
优化时所采用算法为非线性规划算法、遗传算法或粒子群算法。
储能调峰报价数据计算模块：用于利用储能调峰报价先导参数计算得到储能调峰报价数据；
其中，所述储能向下调峰报价数据计算具体为：基于火电机组调峰时段与调峰价格，按照下式计算储能向下调峰报价数据：
Figure BDA0003795634950000131
式中，
Figure BDA0003795634950000132
为储能s在时刻t的向下调峰报价数据；
Figure BDA0003795634950000133
为火电机组i在时刻t的深度调峰报价数据；
Figure BDA0003795634950000134
为储能s的平准化电力成本；
Figure BDA0003795634950000135
为储能s的放电价格；
Figure BDA0003795634950000136
为储能s的能量转换效率；T1为火电机组调峰时段。
储能向上调峰报价数据计算具体为：基于失负荷时段T2与单位电量失负荷成本，按照下式计算储能向上调峰报价数据：
Figure BDA0003795634950000137
式中，
Figure BDA0003795634950000138
为储能s在时刻t的向上调峰报价数据；
Figure BDA0003795634950000139
为储能s的放电价格；Cl(t)为时刻t的单位电量失负荷成本；T2为失负荷时段。
源网荷储协同优化运行计算模块：用于利用储能调峰报价数据进行源网荷储协同优化运行计算，得到***运营成本及储能运营效益、电/热/氢储能运行功率时序数据。
其中，所述源网荷储协同优化运行计算具体为：基于火电机组深度调峰时段与调峰价格、储能调峰报价数据，以火电机组发电成本、火电机组调峰成本、储能调峰成本之和最小为目标，考虑火电机组运行功率、可再生电源理论出力及消纳率、节点功率平衡、潮流、电负荷需求约束，优化各节点火电机组、可再生电源、储能的运行曲线，得到电/热/氢储能运行功率时序数据；
优化时所采用算法为非线性规划算法、遗传算法或粒子群算法。
优选地，还可以得到***运营成本及储能运营效益。
储能年运营经济效益的计算公式如下：
Figure BDA0003795634950000141
式中，
Figure BDA0003795634950000142
为储能s向下调峰年收益；
Figure BDA0003795634950000143
为储能s向上调峰年收益；
Figure BDA0003795634950000145
为储能s充放电价差套利年收益；
Figure BDA0003795634950000144
为储能s全寿命周期投资运维成本；i0为预期收益率；n为寿命。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、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。
最后应当说明的是：以上实施例仅用于说明本发明的技术方案而非对其保护范围的限制，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:本领域技术人员阅读本发明后依然可对发明的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在发明待批的权利要求保护范围之内。

Claims (14)

1.一种多形式储能与多类型电源的协同运行方法，其特征在于，包括：
获取多形式储能与源网荷数据；
利用多形式储能与源网荷数据进行电/热/氢解耦计算，得到热/氢负荷节点对应的电负荷；
将热/氢负荷节点对应的电负荷与传统电负荷统一为电热氢综合电负荷，利用电热氢综合电负荷进行源网荷优化运行计算，得到储能调峰报价先导参数；
利用储能调峰报价先导参数计算得到储能调峰报价数据；
利用储能调峰报价数据进行源网荷储协同优化运行计算，得到电/热/氢储能运行功率时序数据。
2.根据权利要求1所述的一种多形式储能与多类型电源的协同运行方法，其特征在于，所述多形式储能与源网荷数据包括电/热/氢多形式储能基础数据、多类型电源基础数据、电网及电/热/氢负荷基础数据、电力市场数据、预期收益率。
3.根据权利要求2所述的一种多形式储能与多类型电源的协同运行方法，其特征在于，所述电/热/氢多形式储能基础数据包括：电/热/氢储能的并网节点、额定功率、额定容量、全寿命周期投资运维成本、寿命、能量转换效率以及平准化电力成本；
所述多类型电源基础数据包括：可再生电源的并网节点及装机容量，理论出力时序数据，可再生电源消纳率边界值，火电机组的并网节点及装机容量、最小技术出力、发电成本；
所述电网及电/热/氢负荷基础数据包括：母线名称，交流线、并/串联电容电抗、直流线、变压器的基础数据，电/热/氢负荷的节点及负荷需求时序数据；
所述电力市场数据包括：峰谷分时电价，储能充放电电价，可再生电源单位电量弃电成本，单位电量失负荷成本，火电机组深度调峰区间及报价。
4.根据权利要求3所述的一种多形式储能与多类型电源的协同运行方法，其特征在于，所述电/热/氢解耦计算具体为：以用电成本最小为目标，考虑满足热/氢负荷需求、电制氢/热设备额定功率、储氢/热设备容量与容量状态转换约束，优化热/氢储能的运行功率时序数据，得到热/氢负荷节点对应的电负荷；
优化时所采用算法为非线性规划算法、遗传算法或粒子群算法。
5.根据权利要求3所述的一种多形式储能与多类型电源的协同运行方法，其特征在于，所述源网荷优化运行计算具体为：以火电机组发电成本、火电机组调峰成本、可再生电源弃电成本、失负荷成本之和最小为目标，考虑火电机组运行功率、可再生电源理论出力、节点功率平衡、潮流、电负荷需求约束，优化各节点火电机组、可再生电源的出力，得出储能调峰报价先导参数，所述储能调峰报价先导参数包括火电机组深度调峰时段与调峰价格、可再生电源实际出力与消纳率、可再生电源弃电功率时序数据、失负荷时段；
优化时所采用算法为非线性规划算法、遗传算法或粒子群算法。
6.根据权利要求5所述的一种多形式储能与多类型电源的协同运行方法，其特征在于，所述储能调峰报价数据包括储能向下调峰报价数据和储能向上调峰报价数据；
所述储能向下调峰报价数据计算具体为：基于火电机组调峰时段与调峰价格，按照下式计算储能向下调峰报价数据：
Figure FDA0003795634940000021
式中，
Figure FDA0003795634940000031
为储能s在时刻t的向下调峰报价数据；
Figure FDA0003795634940000032
为火电机组i在时刻t的深度调峰报价数据；
Figure FDA0003795634940000033
为储能s的平准化电力成本；
Figure FDA0003795634940000034
为储能s的放电价格；
Figure FDA0003795634940000035
为储能s的能量转换效率；T1为火电机组调峰时段；
所述储能向上调峰报价数据计算具体为：基于失负荷时段T2与单位电量失负荷成本，按照下式计算储能向上调峰报价数据：
Figure FDA0003795634940000036
式中，
Figure FDA0003795634940000037
为储能s在时刻t的向上调峰报价数据；
Figure FDA0003795634940000038
为储能s的放电价格；Cl(t)为时刻t的单位电量失负荷成本；T2为失负荷时段。
7.根据权利要求6所述的一种多形式储能与多类型电源的协同运行方法，其特征在于，所述源网荷储协同优化运行计算具体为：基于火电机组深度调峰时段与调峰价格、储能调峰报价数据，以火电机组发电成本、火电机组调峰成本、储能调峰成本之和最小为目标，考虑火电机组运行功率、可再生电源理论出力及消纳率、节点功率平衡、潮流、电负荷需求约束，优化各节点火电机组、可再生电源、储能的运行曲线，得到电/热/氢储能运行功率时序数据；
优化时所采用算法为非线性规划算法、遗传算法或粒子群算法。
8.一种多形式储能与多类型电源的协同运行***，其特征在于，包括：
数据获取模块：用于获取多形式储能与源网荷数据；
热/氢负荷节点对应的电负荷计算模块：用于利用多形式储能与源网荷数据进行电/热/氢解耦计算，得到热/氢负荷节点对应的电负荷；
储能调峰报价先导参数计算模块：用于将热/氢负荷节点对应的电负荷与传统电负荷统一为电热氢综合电负荷，利用电热氢综合电负荷进行源网荷优化运行计算，得到储能调峰报价先导参数；
储能调峰报价数据计算模块：用于利用储能调峰报价先导参数计算得到储能调峰报价数据；
源网荷储协同优化运行计算模块：用于利用储能调峰报价数据进行源网荷储协同优化运行计算，得到电/热/氢储能运行功率时序数据。
9.根据权利要求8所述的一种多形式储能与多类型电源的协同运行***，其特征在于，所述数据获取模块中，多形式储能与源网荷数据包括电/热/氢多形式储能基础数据、多类型电源基础数据、电网及电/热/氢负荷基础数据、电力市场数据、预期收益率；
所述电/热/氢多形式储能基础数据包括：电/热/氢储能的并网节点、额定功率、额定容量、全寿命周期投资运维成本、寿命、能量转换效率以及平准化电力成本；
所述多类型电源基础数据包括：可再生电源的并网节点及装机容量，理论出力时序数据，可再生电源消纳率边界值，火电机组的并网节点及装机容量、最小技术出力、发电成本；
所述电网及电/热/氢负荷基础数据包括：母线名称，交流线、并/串联电容电抗、直流线、变压器的基础数据，电/热/氢负荷的节点及负荷需求时序数据；
所述电力市场数据包括：峰谷分时电价，储能充放电电价，可再生电源单位电量弃电成本，单位电量失负荷成本，火电机组深度调峰区间及报价。
10.根据权利要求9所述的一种多形式储能与多类型电源的协同运行***，其特征在于，所述热/氢负荷节点对应的电负荷计算模块中，电/热/氢解耦计算具体为：以用电成本最小为目标，考虑满足热/氢负荷需求、电制氢/热设备额定功率、储氢/热设备容量与容量状态转换约束，优化热/氢储能的运行功率时序数据，得到热/氢负荷节点对应的电负荷；
优化时所采用算法为非线性规划算法、遗传算法或粒子群算法。
11.根据权利要求9所述的一种多形式储能与多类型电源的协同运行***，其特征在于，所述储能调峰报价先导参数计算模块中，源网荷优化运行计算具体为：以火电机组发电成本、火电机组调峰成本、可再生电源弃电成本、失负荷成本之和最小为目标，考虑火电机组运行功率、可再生电源理论出力、节点功率平衡、潮流、电负荷需求约束，优化各节点火电机组、可再生电源的出力，得出储能调峰报价先导参数，所述储能调峰报价先导参数包括火电机组深度调峰时段与调峰价格、可再生电源实际出力与消纳率、可再生电源弃电功率时序数据、失负荷时段；
优化时所采用算法为非线性规划算法、遗传算法或粒子群算法。
12.根据权利要求9所述的一种多形式储能与多类型电源的协同运行***，其特征在于，所述储能调峰报价数据计算模块中，储能调峰报价数据包括储能向下调峰报价数据和储能向上调峰报价数据；
所述储能向下调峰报价数据计算具体为：基于火电机组调峰时段与调峰价格，按照下式计算储能向下调峰报价数据：
Figure FDA0003795634940000051
式中，
Figure FDA0003795634940000052
为储能s在时刻t的向下调峰报价数据；
Figure FDA0003795634940000053
为火电机组i在时刻t的深度调峰报价数据；
Figure FDA0003795634940000054
为储能s的平准化电力成本；
Figure FDA0003795634940000055
为储能s的放电价格；
Figure FDA0003795634940000056
为储能s的能量转换效率；T1为火电机组调峰时段；
所述储能向上调峰报价数据计算具体为：基于失负荷时段T2与单位电量失负荷成本，按照下式计算储能向上调峰报价数据：
Figure FDA0003795634940000057
式中，
Figure FDA0003795634940000061
为储能s在时刻t的向上调峰报价数据；
Figure FDA0003795634940000062
为储能s的放电价格；Cl(t)为时刻t的单位电量失负荷成本；T2为失负荷时段。
13.根据权利要求9所述的一种多形式储能与多类型电源的协同运行***，其特征在于，所述源网荷储协同优化运行计算具体为：基于火电机组深度调峰时段与调峰价格、储能调峰报价数据，以火电机组发电成本、火电机组调峰成本、储能调峰成本之和最小为目标，考虑火电机组运行功率、可再生电源理论出力及消纳率、节点功率平衡、潮流、电负荷需求约束，优化各节点火电机组、可再生电源、储能的运行曲线，得到电/热/氢储能运行功率时序数据；
优化时所采用算法为非线性规划算法、遗传算法或粒子群算法。
14.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述多形式储能与多类型电源的协同运行方法的步骤。
CN202210968229.9A 2022-08-12 2022-08-12 多形式储能与多类型电源的协同运行方法、***及介质 Pending CN115241930A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210968229.9A CN115241930A (zh) 2022-08-12 2022-08-12 多形式储能与多类型电源的协同运行方法、***及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210968229.9A CN115241930A (zh) 2022-08-12 2022-08-12 多形式储能与多类型电源的协同运行方法、***及介质

Publications (1)

Publication Number Publication Date
CN115241930A true CN115241930A (zh) 2022-10-25

Family

ID=83679292

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210968229.9A Pending CN115241930A (zh) 2022-08-12 2022-08-12 多形式储能与多类型电源的协同运行方法、***及介质

Country Status (1)

Country Link
CN (1) CN115241930A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117875675A (zh) * 2024-03-11 2024-04-12 国网安徽省电力有限公司经济技术研究院 基于电网需求的多类型储能***协同规划方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117875675A (zh) * 2024-03-11 2024-04-12 国网安徽省电力有限公司经济技术研究院 基于电网需求的多类型储能***协同规划方法
CN117875675B (zh) * 2024-03-11 2024-06-04 国网安徽省电力有限公司经济技术研究院 基于电网需求的多类型储能***协同规划方法

Similar Documents

Publication Publication Date Title
Li et al. Power system planning based on CSP-CHP system to integrate variable renewable energy
Obara et al. Operation method study based on the energy balance of an independent microgrid using solar-powered water electrolyzer and an electric heat pump
CN114722591A (zh) 一种净零能耗建筑电热氢多能流供能设备规划方法
CN110046780B (zh) 基于分时电价的孤岛微电网需求响应经济调度方法及***
CN111293682A (zh) 一种基于协同模型预测控制的多微网能量管理方法
Dixit et al. Energy management in microgrids with renewable energy sources and demand response
Han et al. Multi-stage distributionally robust optimization for hybrid energy storage in regional integrated energy system considering robustness and nonanticipativity
CN116599148A (zh) 一种面向新能源消纳的氢电混合储能两阶段协同规划方法
Wakui et al. Impact analysis of sampling time interval and battery installation on optimal operational planning of residential cogeneration systems without electric power export
CN115241930A (zh) 多形式储能与多类型电源的协同运行方法、***及介质
CN111126675A (zh) 多能互补微网***优化方法
CN112134307A (zh) 多能互补***的电储能/热储能容量联合优化方法及***
Su et al. Enhancing wind-solar hybrid hydrogen production through multi-state electrolyzer management and complementary energy optimization
CN110661255B (zh) 一种多能源***的热电优化运行方法、装置及设备
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
CN114862163B (zh) 综合能源***优化调度方法
CN115085227A (zh) 一种微电网源储容量配置方法及装置
CN114723278A (zh) 一种考虑光伏储能的社区微电网调度方法及***
CN112068439B (zh) 一种基于可再生能源共享模型的家庭能源管理优化方法
CN114844119A (zh) 一种储能发电装机和容量优化配置方法及***
Comendant et al. Identifying the opportunity to meet the Republic of Moldova Electricity Demand by Combining Renewable Energy Sources and Energy Storage Systems
Krsteski et al. Energy management and voltage regulation of grid-connected microgrid using genetic algorithm
CN110943487A (zh) 一种园区能源***能量优化的方法和装置
Su et al. Operating characteristics analysis and capacity configuration optimization of wind-solar-hydrogen hybrid multi-energy complementary system
CN110400079B (zh) 一种实现新能源用户社区能量分享的日前调度方法及***

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