CN115882523A - 含分布式储能的电力***优化运行方法、***及设备 - Google Patents
含分布式储能的电力***优化运行方法、***及设备 Download PDFInfo
- Publication number
- CN115882523A CN115882523A CN202310081216.4A CN202310081216A CN115882523A CN 115882523 A CN115882523 A CN 115882523A CN 202310081216 A CN202310081216 A CN 202310081216A CN 115882523 A CN115882523 A CN 115882523A
- Authority
- CN
- China
- Prior art keywords
- power
- energy storage
- storage device
- distribution network
- cost
- 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
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 210
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000009826 distribution Methods 0.000 claims abstract description 132
- 238000005457 optimization Methods 0.000 claims abstract description 54
- 230000005611 electricity Effects 0.000 claims description 33
- 238000010248 power generation Methods 0.000 claims description 28
- 238000007599 discharging Methods 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 16
- 230000008901 benefit Effects 0.000 claims description 15
- 230000033228 biological regulation Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000000694 effects Effects 0.000 claims description 11
- 230000009194 climbing Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000006872 improvement Effects 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 7
- 238000013486 operation strategy Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及分布式储能技术领域,涉及一种含分布式储能的电力***优化运行方法、***及设备,包括:步骤1:获取***的初始参数;步骤2:建立含分布式储能的配电网优化运行模型;以配电网一日运行成本最低为优化目标,确定出***运行各部分约束条件,使用混合整数规划法与二阶锥线性规划法,对建立的配电网日前经济调度模型进行求解;步骤3:调用Gurobi求解器对模型进行优化求解;步骤4:通过改变储能装置接入配电网***的位置或储能装置的充放电功率参数,研究储能装置接入配电网位置或充放电功率参数对风电消纳与***运行经济状况的影响。本发明能较佳地优化电力***。
Description
技术领域
本发明涉及分布式储能技术领域,具体地说,涉及一种含分布式储能的电力***优化运行方法、***及设备。
背景技术
当前,新能源接入配电网后优化运行策略的研究成为了电力***领域的热点课题之一。与传统电力***的能源出力相比,新能源发电有绿色环保、能源利用率高、经济效益高等优点,但同时,新能源出力的不确定性,也给电网稳定运行带来了挑战。新能源出力不确定性引起的配电网安全性及可靠性下降问题可通过接入储能装置进行解决,同时,分布式储能装置接入对降低配电网经济成本有积极作用。
风力发电技术是指将风能转化为电能,是目前的新能源发电中技术理论发展较为完善的、最具有发展潜力的新能源技术之一。风电等新能源大规模接入电网丰富了能源结构,但配电网结构也因此会发生深刻转变,由于***供电侧与用电侧随机性都太强,且独立性高,电网出力与负荷可能发生失衡,电网运行的安全性与经济性都降低。经大量研究证明,对于新能源发电所遇到的瓶颈,可以采用接入分布式储能装置的方法,降低由于风电等新能源发电方式出力不确定性与间歇性给电网带来的危害。
分布式储能技术是指根据负荷、电源位置将储能装置在接入配电网中的特定位置接入,多应用于本实施例提供了一种分布式储能参与含风电并网的配电网调峰填谷优化运行策略方法,通过在***中加入多个分布式储能装置优化风电的消纳情况,降低弃风情况发生概率,通过分布式储能装置调峰填谷的作用,增加***经济效益。建立了以优化全网一日运行经济效益最高为目标函数,考虑了节点功率平衡约束、电压降与支路电流约束、火电机组出力约束、火电机组爬坡率约束、火电机组启停约束、风电出力约束、分布式储能装置容量约束、分布式储能装置充放电运行约束,再对节点平衡非线性约束进行一定程度的松弛,将其转化为混合整数二阶锥优化模型进行求解。输配电侧、微电网与用户侧,参与调峰填谷、缓解电网阻塞与提升供电可靠性等多方面,接入方式更灵活,且分布式储能的功率、容量的规模相对较小。
分布式储能技术在可再生能源领域的项目最多,增势也最明显,这一类项目通常是指将分布式储能技术应用于风电等新能源接入的电网,采用储能及技术进行电力***的调峰填谷与能量的协同调度。
要实现能源结构由煤炭为主进入到以新能源为主的跨越式转型。以新能源为主的分布式电源并网很大程度上影响着配电网的安全、经济运行,因此,分布式电源的并网导致的诸多电能质量问题引起了国内外的高度重视。
新能源渗透率不断增加,这给配电网也带来了巨大的挑战。引入分布式储能装置与分布式电源构成多能互补的综合能源电力***,进行协同配合调度、调峰填谷,维持***的安全性与经济性。分布式储能装置接入***的目的是参与配电网的优化调度,例如削峰填谷,以此降低配电网运行成本。现有技术对分布式储能装置的投资优化的根本目的是“提升配电网资产经济性”,在其优化策略中仅单一的讨论了分布式储能装置的投资优化问题,若做出相应的优化,可能导致***其他机组出力变化进而出现整个***运行成本不降反升的情况,这样的情况显然不利于配电网长期运行健康发展。因此,在考虑对分布式储能装置的配置与运行优化时,因将***中的其它机组与电力负荷并入考虑范围,做出对整个***的运行成本优化。
发明内容
本发明的内容是提供一种含分布式储能的电力***优化运行方法、***及设备,其能够解决分布式储能装置参与含分布式电源能源***的优化调度问题。
根据本发明的一种含分布式储能的电力***优化运行方法,其包括以下步骤:
步骤1:获取***的初始参数,包括配电网结构参数、风电场预测出力、储能装置运行参数、向上级电网购电费用、弃风惩罚成本、火电机组运行成本、储能装置运行成本、切负荷成本;
步骤2:建立含分布式储能的配电网优化运行模型,模型包括:火电机组、风力发电机组、储能装置、电力负荷;以配电网一日运行成本最低为优化目标,确定出***运行各部分约束条件,使用混合整数规划法与二阶锥线性规划法,对建立的配电网日前经济调度模型进行求解;
步骤3:在Matlab软件中调用Gurobi求解器对模型进行优化求解,形成日前购电量、风电机组与火电机组出力及分布式储能装置充放电计划,以及分布式储能装置在参与***调峰填谷的作用及其对***经济效益的提高情况;
步骤4:通过改变储能装置接入配电网***的位置或储能装置的充放电功率参数,研究储能装置接入配电网位置或充放电功率参数对风电消纳与***运行经济状况的影响。
作为优选,步骤2中,建立含分布式储能的配电网优化运行模型,以最小化配电网的总运行成本为优化目标;配电网运行成本包括:配电网从上级电网的购电成本、火电机组发电成本、风电机组弃风惩罚成本、储能装置的运行成本以及失负荷成本,由此得出配电网优化运行模型的目标函数如下:
其中:为配电网从上级电网购电费用,/>为火电机组运行成本,/>为弃风惩罚成本,/>为储能装置运行成本,/>为失负荷成本;/>为t时段配电网从上级电网的购电成本,/>为t时段配电网从上级电网的购电有功功率;A、B、C为火电机组发电成本系数;/>表示火电机组g在t时段的出力;/>风电机组/>的弃风惩罚成本;/>表示风电场w在t时段的预测出力;/>表示风电场w在t时段的出力;/>为储能使用成本,/>表示储能d在t时段的放电量;/>为配电网切负荷成本,/>表示在shed处在t时段的切负荷电量。
作为优选,步骤2中,利用DistFlow模型来描述配电网节点功率平衡,***运行约束条件表示为:
节点功率平衡约束:
其中,集合为连接到配电网节点j的设备集合;/>为配电网中以j为首端节点的支路末端节点集合;/>为配电线路ij的电阻,/>为配电线路ij的电抗;/>为t时段配电线路ij的电流;/>为t时段节点i的电压大小;/>为t时段第g台火电机组的有功发电功率;/>为第w台风电机组在t时段的有功发电功率;/>表示分布式储能装置d在t时段的有功放电量,/>表示储能d在t时段的有功充电量;/>为t时段上级电网向配电网输送的有功功率;/>为t时段上级电网向配电网输送的无功功率;/>为t时刻失电负荷功率,/>为t时段负荷d的功率因数;/>指t时段配电线路ij段的有功功率;/>指t时段配电线路ij段的无功功率;/>指t时段配电线路ij段的有功功率;/>指t时段配电线路ij段的无功功率;/>分别为t时段负荷d的有功负荷值和无功负荷值;/>和/>为输电线路ij段的电流大小限制;/>和/>为节点i的电压大小限制。
作为优选,步骤2中,火电机组具体运行约束条件表示为:
其中:为状态变量,表示火电机组的工作状态;/>火电机组出力的最小限制;火电机组提供出力的最大限制;/>和/>分别为火电机组g的上、下爬坡率;/>和分别指火电机组g的开机和停机时间计数器;/>和/>分别指燃气机组g的最小开机和停机时间。
作为优选,步骤2中,风电机组具体运行约束条件表示为:
作为优选,步骤2中,储能装置具体约束条件表示为:
其中:、/>为储能装置充放电功率限制的最小值与最大值;/>是储能装置t时段的电量;/>是储能装置初始时刻的电量, />是储能装置一天结束时刻的电量;/>是储能装置的在t时段的充放电功率;/>是储能装置的充放电效率;为储能装置在t时段充放电的状态变量,取值为0或1;/>为储能装置充放电功率的最大值限制。
作为优选,步骤2中,电压降与支路电流约束表示的配电网节点电流方程是线性非凸的,所以对节点平衡非线性约束进行一定程度的松弛,将其转化为二阶锥优化模型进行求解:
对接点电压降落方程进行松弛处理得到:
进一步转换得到二阶锥方程:
作为优选,步骤3中,将***参数、目标函数与约束条件转换成Matlab软件中的语句进行编译,并在Matlab软件中调用Gurobi商业求解器对模型进行优化求解,得出风电机组、火电机组的出力计划,以及分布式储能装置在参与***调峰填谷的作用与对***经济效应的提高情况。
本发明还提供了一种含分布式储能的电力***优化运行***,其采用上述的含分布式储能的电力***优化运行方法,并包括:
数据获取模块,用于获取一日内配电网结构参数、风电场预测出力、储能装置运行参数、向上级电网购电费用、弃风惩罚成本、火电机组运行成本、储能装置运行成本、切负荷成本;
建模模块,用于基于日前配电网各机组出力与运行状态、储能装置运行状态数据构建风电并网的分布式储能装置参与配电网优化调度模型;
优化计算模块,用于将调度模型构建为易于求解的混合整数规划模型,引入0-1二进制状态变量对部分变量进行约束,采用混合整数二阶锥规划法对配电网节点的非线性潮流约束进行改写处理,并通过设置实例分析求解结果;
输出出力计划模块,用于输出优化计算模块的优化计算结果,并且得出***各机组出力日前计划。
本发明还提供了一种含分布式储能的电力***优化运行设备,其包括处理器,处理器执行计算机程序时实现如上述的含分布式储能的电力***优化运行方法。
本发明模拟了含分布式储能的配电网***,建立了风电、分布式储能装置接入的配电网日前优化调度模型,模拟实际***运行情况。本发明能达到的技术效果内容如下:
(1)确定配电网***框架,对配电网内风力发电、火电机组发电、分布式储能装置建立出力数学模型。在数学模型的基础上,建立了并网模式下配电网日前经济调度模型;根据各分布式电源出力特点,提出以一日运行成本最小为目的的目标函数,目标函数中考虑了配电网从上级电网的购电成本、火电机组发电成本、风电机组弃风惩罚成本、储能一日运行成本、失负荷成本,并通过如功率平衡约束、电网电压电流安全约束、风力发电机出来约束、电网安全约束、火电机组出力爬坡率约束、储能装置充放电功率约束等将模型变得更贴近实际配电网***。
(2)将调度模型构建为易于求解的混合整数规划模型,引入0-1二进制状态变量对部分变量进行约束,采用混合整数二阶锥规划法对配电网节点的非线性潮流约束进行改写处理,并通过设置实例分析求解结果体现本发明的技术效果,在Matlab中编程后采用商业求解器Gurobi进行求解。在不同的实例中,分别考虑了接入风电机组和分布式储能装置、风电渗透率、储能装置位置与功率参数对***运行和***经济效益的影响,并且得出***各机组出力日前计划。通过对各实例数据分析,通过本发明的技术可得出结论:分布式储能装置的引入,可使配电网在负荷低谷时段将剩余电量存入储能装置,提高***对风电的消纳;在有功率缺额时由分布式储能装置进行放电来进行补偿,避免在电价较高时大量购电,达到调峰填谷的效果,提高***运行的经济效益。分布式储能装置的位置、装置的参数也影响着其参与***能源调度的情况。
附图说明
图1为实施例1中一种含分布式储能的电力***优化运行方法的流程图;
图2为实施例1中电力***动态经济调度优化方法的应用环境图;
图3为实施例1中计算机设备的示意图;
图4为实施例2中配电网***节点结构图;
图5(a)为实施例2中实例1经过优化后得出的各机组出力日前计划示意图;
图5(b)为实施例2中实例2经过优化后得出的各机组出力日前计划示意图;
图6为实施例2中实例3中三种运行方式的***结构示意图;
具体实施方式
为进一步了解本发明的内容,结合附图和实施例对本发明作详细描述。应当理解的是,实施例仅仅是对本发明进行解释而并非限定。
实施例1:
如图1所示,本实施例提供了一种含分布式储能的电力***优化运行方法,其包括以下步骤:
步骤1:获取***的初始参数,包括配电网结构参数、风电场预测出力、储能装置运行参数、向上级电网购电费用、弃风惩罚成本、火电机组运行成本、储能装置运行成本、切负荷成本;
步骤2:建立含分布式储能的配电网优化运行模型,模型包括:火电机组、风力发电机组、储能装置、电力负荷;以配电网一日运行成本最低为优化目标,确定出***运行各部分约束条件,使用混合整数规划法与二阶锥线性规划法,对建立的配电网日前经济调度模型进行求解;
步骤3:在Matlab软件中调用Gurobi求解器对模型进行优化求解,形成日前购电量、风电机组与火电机组出力及分布式储能装置充放电计划,以及分布式储能装置在参与***调峰填谷的作用及其对***经济效益的提高情况;
步骤4:通过改变储能装置接入配电网***的位置或储能装置的充放电功率参数,研究储能装置接入配电网位置或充放电功率参数对风电消纳与***运行经济状况的影响。
图2是本实施例提供的电力***动态经济调度优化方法的应用环境图。本实施例提供的电力***动态经济调度优化方法可以但不限于应用于该应用环境。如图2所示,该应用环境包括:电力数据采集设备、计算机设备104和调度中心105。
电力数据采集设备101~103可以是机电一体式电表、全电子式电表等智能电表,在此不作限定。具有用户端控制、多种数据传输模式的双向数据通信等智能化的功能。计算机设备104可以是服务器(Server)、终端(Terminal)等,在此不作限定。服务器,可以在网络环境下为客户机(Client,此处通常指可以发出调度需求指令的计算机)提供某种服务的专用计算机,服务器安装有网络操作***(如Windows Server、Linux、Unix等)和各种服务器应用***软件(此处主要指可以完成含分布式储能的电力***优化运行策略过程的Matlab软件)的计算机。终端通常是指那些与集中式主机***(例如IBM大型计算机)相连的用户设备,终端从用户接收键盘输入的数据采集指令与优化运算指令,并且将这些输入发送给主机***。调度中心105配置在线调度计算机设备104,通过人机对话方式完成对含分布式储能的电力***优化运行策略的计算。
调度中心105向计算机设备104发送优化指令。计算机设备104用于在收到优化指令后,向目标区域内的电力数据采集设备101~103发送采集指令。电力数据采集设备101~103用于在收到采集指令后,采集电力***在一日内的各机组运行数据和储能装置运行数据,并将采集到的数据发送到计算机设备104中。计算机设备104在接收到电力***在一日内的各机组运行数据和储能装置运行数据后,建立风电、分布式储能装置接入的配电网日前优化调度模型,并将得到的各机组一日运行计划出力结果发送到调度中心105中。
步骤2中,建立含分布式储能的配电网优化运行模型,以最小化配电网的总运行成本为优化目标;配电网运行成本包括:配电网从上级电网的购电成本、火电机组发电成本、风电机组弃风惩罚成本、储能装置的运行成本以及失负荷成本,由此得出配电网优化运行模型的目标函数如下:
其中:为配电网从上级电网购电费用,/>为火电机组运行成本,/>为弃风惩罚成本,/>为储能装置运行成本,/>为失负荷成本;/>为t时段配电网从上级电网的购电成本,/>为t时段配电网从上级电网的购电有功功率;A、B、C为火电机组发电成本系数;/>表示火电机组g在t时段的出力;/>风电机组/>的弃风惩罚成本;/>表示风电场w在t时段的预测出力;/>表示风电场w在t时段的出力;/>为储能使用成本,/>表示储能d在t时段的放电量;/>为配电网切负荷成本,/>表示在shed处在t时段的切负荷电量。
约束条件
1)利用DistFlow模型来描述配电网节点功率平衡,***运行约束条件表示为:
节点功率平衡约束:
其中,集合为连接到配电网节点j的设备集合;/>为配电网中以j为首端节点的支路末端节点集合;/>为配电线路ij的电阻,/>为配电线路ij的电抗;/>为t时段配电线路ij的电流;/>为t时段节点i的电压大小;/>为t时段第g台火电机组的有功发电功率;/>为第w台风电机组在t时段的有功发电功率;/>表示分布式储能装置d在t时段的有功放电量,/>表示储能d在t时段的有功充电量;/>为t时段上级电网向配电网输送的有功功率;/>为t时段上级电网向配电网输送的无功功率;/>为t时刻失电负荷功率,/>为t时段负荷d的功率因数;/>指t时段配电线路ij段的有功功率;/>指t时段配电线路ij段的无功功率;/>指t时段配电线路ij段的有功功率;/>指t时段配电线路ij段的无功功率;/>分别为t时段负荷d的有功负荷值和无功负荷值;/>和/>为输电线路ij段的电流大小限制;/>和/>为节点i的电压大小限制。
2)由于火电机组性能与数量是确定的,其出力有一定的限制,此外,火电机组还有启停约束与爬坡约束,火电机组具体运行约束条件表示为:
其中:为状态变量(0、1),表示火电机组的工作状态;/>火电机组出力的最小限制;/>火电机组提供出力的最大限制;/>和/>分别为火电机组g的上、下爬坡率;和/>分别指火电机组g的开机和停机时间计数器;/>和/>分别指燃气机组g的最小开机和停机时间。
3)由于风电机组性能与数量确定,其出力有一定的限制,从风电机组输送到配电网的出力有上下界限制,风电机组具体运行约束条件表示为:
4)由于储能装置受到本身制造工艺和***中变流器的限制,存在电池充放电功率最大、最小值,因此储能装置充放电功率约束;每次充放电前后满足电量的约束为;考虑充放电功率上限,引入表示任一时刻分布式储能装置只能处于充电、放电、不充不放3种状态之一,而不存在既充电又放电的物理不可行现象,得出每次充放电功率限制;且储能装置在24小时充放电后的电量与当天初始时刻的电量相等。储能装置具体约束条件表示为:
储能装置充放电功率约束:
其中:、/>为储能装置充放电功率限制的最小值与最大值;/>是储能装置t时段的电量;/>是储能装置初始时刻的电量,/>是储能装置一天结束时刻的电量;、/>是储能装置的在t时段的充放电功率;/>是储能装置的充放电效率;为储能装置在t时段充放电的状态变量,取值为0或1;/>为储能装置充放电功率的最大值限制。
电压降与支路电流约束表示的配电网节点电流方程是线性非凸的,所以对节点平衡非线性约束进行一定程度的松弛,将其转化为二阶锥优化模型进行求解:
对接点电压降落方程进行松弛处理得到:
进一步转换得到二阶锥方程:
步骤3中,将***参数、目标函数与约束条件转换成Matlab软件中的语句进行编译,并在Matlab软件中调用Gurobi商业求解器对模型进行优化求解,得出风电机组、火电机组的出力计划,以及分布式储能装置在参与***调峰填谷的作用与对***经济效应的提高情况。
本实施例提供了一种含分布式储能的电力***优化运行***,其采用上述的一种含分布式储能的电力***优化运行方法,并包括:
数据获取模块,用于获取一日内配电网结构参数、风电场预测出力、储能装置运行参数、向上级电网购电费用、弃风惩罚成本、火电机组运行成本、储能装置运行成本、切负荷成本;
建模模块,用于基于日前配电网各机组出力与运行状态、储能装置运行状态数据构建风电并网的分布式储能装置参与配电网优化调度模型;
优化计算模块,用于将调度模型构建为易于求解的混合整数规划模型,引入0-1二进制状态变量对部分变量进行约束,采用混合整数二阶锥规划法对配电网节点的非线性潮流约束进行改写处理,并通过设置实例分析求解结果;
输出出力计划模块,用于输出优化计算模块的优化计算结果,并且得出***各机组出力日前计划。
本实施例提供了一种含分布式储能的电力***优化运行设备,即计算机设备300(也是图2中计算机设备104),计算机设备300可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备,计算机设备示意框图参阅图3,但图3仅仅是计算机设备300的示例,并不构成对计算机设备300的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端还可以包括输入输出设备、网络接入设备、总线等。计算机设备300包括处理器301、电源302、有线或无线接口308、输入输出接口309、存储器307,以及在存储器307中并可在所述处理器301上的操作***303、计算机程序304、数据库305、非易失性存储介质306。处理器301执行计算机程序304时实现如上述的含分布式储能的电力***优化运行方法。
1)处理器301是内置于计算机设备300超大规模集成电路,它包括运算逻辑部件、寄存器部件和控制部件等。它可以从存储器中取出指令,放入指令寄存器,并对指令译码,它把指令分解成一系列的微操作,然后发出各种控制命令,执行微操作系列,从而完成一条指令的执行。处理器301可以是中央处理单元(Central Processing Unit,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)、现场可编程门阵列(Field-Programmable Gate Array,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,在此不作限定。
2)电源302是为计算机设备300中所有单元或模块正常运行提供功率的装置。
3)存储器307,以及在所述存储器中并可在所述处理器上的操作***303、计算机程序304、数据库305可以作为一个集成的模块存储于计算机的非易失性存储介质306中。
操作***303是方便用户、管理和控制计算机软硬件资源的***软件(或程序集合),同时也是计算机***的核心与基石,充当软件和硬件之间的媒介。它可以为用户提供交互式命令接口、批处理命令接口、程序接口等。操作***303可以是Windows、Maxos x、Linux等,在此不作限定。
计算机程序304是指一组指示计算机或其他具有消息处理能力装置,通常用某种程序设计语言编写,运行于某种目标体系结构上。其中,计算机程序304包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等,在本专利讨论的实例中,计算机程序304将第一方面建立的配电网数学模型将以Matlab软件中代码的形式存储,并根据优化算法进行编译。
数据库305是指结构化信息或数据的有序集合,一般以电子形式存储在计算机***中,通常由数据库管理*** (DBMS) 来控制。其基本结构分为物理数据层、 概念数据层和用户数据层这三个层次。数据库305使用 SQL 编程语言来查询、操作和定义数据,进行数据访问控制。
存储器307的主要功能是存放程序和数据。程序是计算机操作的依据,数据是计算机操作的对象。不管是程序还是数据,在存储器中都是用二进制的形式来表示的,并统称信息。存储器主要分为主存储器(内存)和辅助存储器(外存)。存储器307可以是随机存取存储器(RAM)、主存储器(内存)、只读存储器(ROM)、存储器、硬盘、辅助存储器(外存)软盘、光盘等,在此不作限定。
4)非易失性存储介质306是计算机程序304的存储介质,其特点是在关闭计算机或者突然性、意外性关闭计算机的时候数据也不会丢失。在很多的存储***的写操作程序中,内存作为控制器和硬盘之间的重要桥梁,提供更快速的性能,但是如果发生突然间断电的情况,非易失性存储介质可以有效保护内存中的数据不丢失。非易失性存储介质306可是任何包含或存储程序的有形介质,其可以是电、磁、光、电磁、红外线、半导体的***、装置、设备,更具体的例子包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、光纤、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件,或它们任意合适的组合。
5)有线或无线接口308负责处理从终端用户设备到无线介质之间的数字通信,保证电力数据采集设备101~103、计算机设备、调度中心之间通过线路进行数据交互,还可以通过网络或蓝牙等方式进行数据交互,在此不做限定。输入输出接口309是计算机设备300中处理器301与外部设备之间交换信息的连接电路,它们通过总线与处理器301相连。输入输出接口分为总线接口和通信接口两类,一般做成电路插卡的形式,输入输出接口309可以是软盘驱动器适配卡、硬盘驱动器适配卡、并行打印机适配卡等形式,在此不作限定。
6)上述计算机设备300各模块的设计与划分,是根据***优化调度需求确定之后需要对计算机设备***进行整体分析和设计的。在实际工程应用中,还需根据实际需求调用计算机设备中的不同的功能单元、模块完成目标。上述单元或模块的存在形式是可以灵活变化的,可以将所有单元或模块集成在同一个处理单元中,也可以根据计算机设备设计将任意个单元集成在一个单元中。上述单元或模块的功能实现形式可以是软件也可以是硬件形式,具体根据实际工程需求进行选择即可,在此不作限定。
实施例2:
本实施例提供了一种分布式储能参与含风电并网的配电网调峰填谷优化运行策略方法,通过在***中加入多个分布式储能装置优化风电的消纳情况,降低弃风情况发生概率,通过分布式储能装置调峰填谷的作用,增加***经济效益。建立了以优化全网一日运行经济效益最高为目标函数,考虑了节点功率平衡约束、电压降与支路电流约束、火电机组出力约束、火电机组爬坡率约束、火电机组启停约束、风电出力约束、分布式储能装置容量约束、分布式储能装置充放电运行约束,再对节点平衡非线性约束进行一定程度的松弛,将其转化为混合整数二阶锥优化模型进行求解。
在风电出力建模方面,考虑风电出力为确定性出力方式,具体出力情况参照某风电场某日实际出力情况。为促进分布式储能装置对风电的消纳,将弃风惩罚成本调高,使***在优化过程中尽量通过消纳风电减少弃风。在分布式储能装置建模方面,对储能装置的容量、充放电状态以及充放电功率进行了合理的限制。
通过以下实例的技术效果说明本发明的技术思想,实例中的数据均采用标幺值形式表示。
实例以含分布式储能的配电网***以标准IEEE33节点配电网***为基础,节点1处为变电站节点,即配电网向上级电网购电节点,该节点没有电力负荷,其余节点皆有电力负荷,另外,在***中接入了一台火电机组、三台风电机组和四台分布式储能装置,将风电场位置设置在节点12、节点19、节点27处,将火电机组节点设置在节点2处,将分布式储能装置位置设置在节点13、节点14、节点20、节点29处,配电网***结构图如图4所示。
通过设置如下实例分析储能装置在***中调峰填谷以及对增强***对风电的消纳作用,实例1:***接入风电机组但无储能装置;实例2:***接入风电机组且接入储能装置;实例3:储能装置接入点变化对***运行产生的影响;实例4:储能装置充放电功率变化对***运行产生的影响。
得出了实例1与实例2的一日运行经济效益情况,如表1。
表1实例1与实例2的一日运行经济效益情况
从图5(a)、图5(b)中***各机组出力情况可以看出,在用电负荷的低谷时段,如0点-8点时间段,由于绝大多数居民都在休息,生活活动少,用电负荷很低,风电机组产生的电量存在消纳不足的问题,此时储能装置可以储存部分的过剩风电;到了用电高峰时段,如11点-14点时间段、17点-20点时间段,此时居民生活活动较多,用电负荷增加,储能装置的通过释放储存电量对***进行供电。上述措施一定程度上减小了***的购电成本,降低了***的供电压力,运行经济性得到提高。
从表1两个实例的一日运行经济效益情况可以看出,由于储能装置接入***,促进了***对风电的消纳,购电量与火电机组出力均下降,***的经济效益提高。
本实施例相比现有技术有如下优点:
实例3通过改变四个储能装置相对于风力发电机组的距离提出了三种不同的***运行方式(方式3.1、方式3.2、方式3.3),三种运行方式的***结构如图6所示,储能装置接入点发生变化的原则是距离所在线路的风力发电机组越来越远。以上三个方式设置的***通过本发明的优化技术后得出的储能装置内部电量的变化情况如图4所示,此外,得出了方式3.1、方式3.2、方式3.3的一日运行经济效益情况,如表2。
表2方式3.1、方式3.2、方式3.3的一日运行经济效益情况
从表2中可以看出,随着储能装置接入点距离风力发电机组位置的增大,***购电成本不断升高,储能装置使用成本不断降低,***一日运行总成本不断升高,这说明,当储能装置距离风电机组的位置越近时,储能装置对于风电的消纳情况更好,储能装置的使用更充足,对于***调峰填谷的最用更明显,可以在一定程度上提高***运行的经济性。
图7通过储能装置内部电量的变化情况,说明了当储能装置相对于风电机组位置变化时,储能装置的使用情况,从方式3.1方式3.3,储能装置一日运行中总充电量不断降,总放电量也不断降低,总体上即可说明储能装置的使用是在降低的,对于***调峰填谷的作用也降低了。
实例4通过改变储能装置的充、放电功率上限变化提出了三种不同的***运行方式(方式4.1、方式4.2、方式4.3、方式4.4、方式4.5),这五种运行方式的变化规律是将的值不断提高。以上五个方式设置的***通过本发明的优化技术后得出的各机组出力结果如图8所示,此外,得出了方式4.1、方式4.2、方式4.3、方式4.4、方式4.5的一日运行经济效益情况,如表3。
表3方式4.1、方式4.2、方式4.3、方式4.4、方式4.5的一日运行经济效益情况
图8描绘了五种运行方式下储能装置电量的变化情况,从图中可以看出,从方式4.1到方式4.5,随着储能装置的充、放电功率上限/>不断升高,储能装置电量/>变化幅度更大,即储能装置使用量不断提升,方式4.4与方式4.5的储能装置电量/>变化曲线完全重合,这说明在/>后,/>不再是限制储能装置使用的因素。/>
表3是实例4中五种运行方式下的各出力成本与总成本比较,从表中可以看出,从方式4.1到方式4.5,储能装置的充、放电功率上限不断提高时,***成本显著降低,火电机组成本有微小的降低,储能装置使用成本不断上升,***一日运行总成本不断升高,这说明,/>的限制影响了储能装置的使用,当/>的值提高,储能装置可以更大程度的投入***能量的调度。值得注意的是,方式4.4与方式4.5的各部分成本相同,说明此时/>已经不是限制储能装置使用的参数,在此***下,如果不对/>进行限制,储能装置的充、放电功率最大在0.5-0.6之间。
此外,类比实例4,可以用相似的控制变量的方法证明储能装置容量也是限制储能装置参与***调峰填谷的一个重要参数,储能装置的容量上限不断提高时,***成本显著降低,火电机组成本有微小的降低,储能装置使用成本不断上升,***一日运行总成本不断升高,这说明,/>的限制影响了储能装置的使用,当/>的值提高,储能装置可以更大程度的投入***能量的调度。
以上示意性的对本发明及其实施方式进行了描述,该描述没有限制性,附图中所示的也只是本发明的实施方式之一,实际的结构并不局限于此。所以,如果本领域的普通技术人员受其启示,在不脱离本发明创造宗旨的情况下,不经创造性的设计出与该技术方案相似的结构方式及实施例,均应属于本发明的保护范围。
Claims (10)
1.含分布式储能的电力***优化运行方法,其特征在于:包括以下步骤:
步骤1:获取***的初始参数,包括配电网结构参数、风电场预测出力、储能装置运行参数、向上级电网购电费用、弃风惩罚成本、火电机组运行成本、储能装置运行成本、切负荷成本;
步骤2:建立含分布式储能的配电网优化运行模型,模型包括:火电机组、风力发电机组、储能装置、电力负荷;以配电网一日运行成本最低为优化目标,确定出***运行各部分约束条件,使用混合整数规划法与二阶锥线性规划法,对建立的配电网日前经济调度模型进行求解;
步骤3:在Matlab软件中调用Gurobi求解器对模型进行优化求解,形成日前购电量、风电机组与火电机组出力及分布式储能装置充放电计划,以及分布式储能装置在参与***调峰填谷的作用及其对***经济效益的提高情况;
步骤4:通过改变储能装置接入配电网***的位置或储能装置的充放电功率参数,研究储能装置接入配电网位置或充放电功率参数对风电消纳与***运行经济状况的影响。
2.根据权利要求1所述的含分布式储能的电力***优化运行方法,其特征在于:步骤2中,建立含分布式储能的配电网优化运行模型,以最小化配电网的总运行成本为优化目标;配电网运行成本包括:配电网从上级电网的购电成本、火电机组发电成本、风电机组弃风惩罚成本、储能装置的运行成本以及失负荷成本,由此得出配电网优化运行模型的目标函数如下:
3.根据权利要求2所述的含分布式储能的电力***优化运行方法,其特征在于:步骤2中,利用DistFlow模型来描述配电网节点功率平衡,***运行约束条件表示为:
节点功率平衡约束:
其中,集合为连接到配电网节点j的设备集合;/>为配电网中以j为首端节点的支路末端节点集合;/>为配电线路ij的电阻,/>为配电线路ij的电抗;/>为t时段配电线路ij的电流;/>为t时段节点i的电压大小;/>为t时段第g台火电机组的有功发电功率;/>为第w台风电机组在t时段的有功发电功率;/>表示分布式储能装置d在t时段的有功放电量,/>表示储能d在t时段的有功充电量;/>为t时段上级电网向配电网输送的有功功率;/>为t时段上级电网向配电网输送的无功功率;/>为t时刻失电负荷功率,/>为t时段负荷d的功率因数;/>指t时段配电线路ij段的有功功率;/>指t时段配电线路ij段的无功功率;/>指t时段配电线路ij段的有功功率;/>指t时段配电线路ij段的无功功率;/>分别为t时段负荷d的有功负荷值和无功负荷值;/>和/>为输电线路ij段的电流大小限制;/>和/>为节点i的电压大小限制。
8.根据权利要求7所述的含分布式储能的电力***优化运行方法,其特征在于:步骤3中,将***参数、目标函数与约束条件转换成Matlab软件中的语句进行编译,并在Matlab软件中调用Gurobi商业求解器对模型进行优化求解,得出风电机组、火电机组的出力计划,以及分布式储能装置在参与***调峰填谷的作用与对***经济效应的提高情况。
9.含分布式储能的电力***优化运行***,其特征在于:其采用如权利要求1-8中任一所述的含分布式储能的电力***优化运行方法,并包括:
数据获取模块,用于获取一日内配电网结构参数、风电场预测出力、储能装置运行参数、向上级电网购电费用、弃风惩罚成本、火电机组运行成本、储能装置运行成本、切负荷成本;
建模模块,用于基于日前配电网各机组出力与运行状态、储能装置运行状态数据构建风电并网的分布式储能装置参与配电网优化调度模型;
优化计算模块,用于将调度模型构建为易于求解的混合整数规划模型,引入0-1二进制状态变量对部分变量进行约束,采用混合整数二阶锥规划法对配电网节点的非线性潮流约束进行改写处理,并通过设置实例分析求解结果;
输出出力计划模块,用于输出优化计算模块的优化计算结果,并且得出***各机组出力日前计划。
10.含分布式储能的电力***优化运行设备,其特征在于:包括处理器,处理器执行计算机程序时实现如权利要求1-8中任一所述的含分布式储能的电力***优化运行方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310081216.4A CN115882523A (zh) | 2023-02-08 | 2023-02-08 | 含分布式储能的电力***优化运行方法、***及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310081216.4A CN115882523A (zh) | 2023-02-08 | 2023-02-08 | 含分布式储能的电力***优化运行方法、***及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115882523A true CN115882523A (zh) | 2023-03-31 |
Family
ID=85760878
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310081216.4A Pending CN115882523A (zh) | 2023-02-08 | 2023-02-08 | 含分布式储能的电力***优化运行方法、***及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115882523A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117195605A (zh) * | 2023-11-08 | 2023-12-08 | 山东理工大学 | 一种基于线性插值的电力***双线性模型松弛求解方法 |
CN117374942A (zh) * | 2023-10-13 | 2024-01-09 | 国网安徽省电力有限公司芜湖供电公司 | 一种基于生产计划和负荷预测的储能经济优化调度方法 |
CN118281946A (zh) * | 2024-06-04 | 2024-07-02 | 国网浙江省电力有限公司营销服务中心 | 考虑需求响应的新能源数据处理方法及平台 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112803479A (zh) * | 2021-01-06 | 2021-05-14 | 国网辽宁省电力有限公司 | 一种计及深度调峰的火电机组建模方法及模型 |
CN113363964A (zh) * | 2021-05-26 | 2021-09-07 | 国网天津市电力公司 | 考虑重要负荷供电的配电网分布式储能规划方法及装置 |
CN114298393A (zh) * | 2021-12-23 | 2022-04-08 | 国网安徽省电力有限公司亳州供电公司 | 考虑不确定性的储能电站动态配置方法、***及设备 |
CN115276111A (zh) * | 2022-07-08 | 2022-11-01 | 国网宁夏电力有限公司经济技术研究院 | 一种协调优化模型的构建方法及配电网规划方法 |
CN115622104A (zh) * | 2022-10-26 | 2023-01-17 | 国网湖北省电力有限公司电力科学研究院 | 一种有源配电网移动储能规划配置方法 |
-
2023
- 2023-02-08 CN CN202310081216.4A patent/CN115882523A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112803479A (zh) * | 2021-01-06 | 2021-05-14 | 国网辽宁省电力有限公司 | 一种计及深度调峰的火电机组建模方法及模型 |
CN113363964A (zh) * | 2021-05-26 | 2021-09-07 | 国网天津市电力公司 | 考虑重要负荷供电的配电网分布式储能规划方法及装置 |
CN114298393A (zh) * | 2021-12-23 | 2022-04-08 | 国网安徽省电力有限公司亳州供电公司 | 考虑不确定性的储能电站动态配置方法、***及设备 |
CN115276111A (zh) * | 2022-07-08 | 2022-11-01 | 国网宁夏电力有限公司经济技术研究院 | 一种协调优化模型的构建方法及配电网规划方法 |
CN115622104A (zh) * | 2022-10-26 | 2023-01-17 | 国网湖北省电力有限公司电力科学研究院 | 一种有源配电网移动储能规划配置方法 |
Non-Patent Citations (1)
Title |
---|
党建: ""含分布式储能的主动配电网经济优化调度研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117374942A (zh) * | 2023-10-13 | 2024-01-09 | 国网安徽省电力有限公司芜湖供电公司 | 一种基于生产计划和负荷预测的储能经济优化调度方法 |
CN117195605A (zh) * | 2023-11-08 | 2023-12-08 | 山东理工大学 | 一种基于线性插值的电力***双线性模型松弛求解方法 |
CN117195605B (zh) * | 2023-11-08 | 2024-01-26 | 山东理工大学 | 一种基于线性插值的电力***双线性模型松弛求解方法 |
CN118281946A (zh) * | 2024-06-04 | 2024-07-02 | 国网浙江省电力有限公司营销服务中心 | 考虑需求响应的新能源数据处理方法及平台 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lu et al. | Optimization model for the short-term joint operation of a grid-connected wind-photovoltaic-hydro hybrid energy system with cascade hydropower plants | |
Zhang et al. | Unit commitment model in smart grid environment considering carbon emissions trading | |
Ju et al. | A two-stage optimal coordinated scheduling strategy for micro energy grid integrating intermittent renewable energy sources considering multi-energy flexible conversion | |
WO2018059096A1 (zh) | 一种多类电源发电计划组合决策方法及存储介质 | |
CN102694391B (zh) | 风光储联合发电***日前优化调度方法 | |
CN115882523A (zh) | 含分布式储能的电力***优化运行方法、***及设备 | |
Kwon et al. | Meeting inelastic demand in systems with storage and renewable sources | |
CN103324848B (zh) | 基于诱导目标函数的含电量约束月度机组组合优化方法 | |
Xie et al. | Two-stage compensation algorithm for dynamic economic dispatching considering copula correlation of multiwind farms generation | |
Yang et al. | Research on heat and electricity coordinated dispatch model for better integration of wind power based on electric boiler with thermal storage | |
CN103455729B (zh) | 一种确定光储并网联合发电调度值的方法 | |
CN114662319A (zh) | 计及数据中心的主动配电网规划模型的构建方法 | |
Nikoobakht et al. | Co-operation of electricity and natural gas systems including electric vehicles and variable renewable energy sources based on a continuous-time model approach | |
CN114156951B (zh) | 一种源网荷储***的控制优化方法和装置 | |
CN115271397A (zh) | 一种电力日前市场出清的计算方法、装置及储存介质 | |
Yuan et al. | Bess aided renewable energy supply using deep reinforcement learning for 5g and beyond | |
CN113298407B (zh) | 一种工业园区电-气综合能源***优化调度模型建立方法 | |
Luo et al. | Bi-level load peak shifting and valley filling dispatch model of distribution systems with virtual power plants | |
CN116128193A (zh) | 一种基于区块链技术的园区微网调度方法及调度*** | |
Liu et al. | Micro grid energy management based on two-stage robust optimization | |
Li et al. | Optimal peak regulation strategy of virtual and thermal power plants | |
Su et al. | A novel data-driven robust method applied to OPF with uncertain wind power | |
CN110929938B (zh) | 能源***的优化方法及装置、存储介质、电子装置 | |
CN114513016B (zh) | 一种整合光储燃的虚拟电厂出力协调博弈方法及终端设备 | |
Gou et al. | Research on optimal dispatching method of power systems with high proportion of clean energy based on multi-energy complementarity |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230331 |
|
RJ01 | Rejection of invention patent application after publication |