CN116029532B - 一种面向配电网承载力提升的储能规划方法 - Google Patents

一种面向配电网承载力提升的储能规划方法 Download PDF

Info

Publication number
CN116029532B
CN116029532B CN202310154969.3A CN202310154969A CN116029532B CN 116029532 B CN116029532 B CN 116029532B CN 202310154969 A CN202310154969 A CN 202310154969A CN 116029532 B CN116029532 B CN 116029532B
Authority
CN
China
Prior art keywords
energy storage
distribution network
cost
capacity
planning
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
Application number
CN202310154969.3A
Other languages
English (en)
Other versions
CN116029532A (zh
Inventor
李映雪
朱文广
彭怀德
钟士元
刘念
罗路平
郭泉辉
王敏
张雪婷
吴浩
戴奇奇
熊云
王伟
熊宁
宫嘉炜
郑春
孔强
周威
黄晓伟
黄玉晶
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.)
Jiangxi Tengda Electric Power Design Institute Co ltd
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Jiangxi Electric Power Co Ltd
Jiangxi Ganfeng Lienergy Technology Co Ltd
Original Assignee
Jiangxi Tengda Electric Power Design Institute Co ltd
State Grid Corp of China SGCC
Economic and Technological Research Institute of State Grid Jiangxi Electric Power Co Ltd
Jiangxi Ganfeng Lienergy Technology 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 Jiangxi Tengda Electric Power Design Institute Co ltd, State Grid Corp of China SGCC, Economic and Technological Research Institute of State Grid Jiangxi Electric Power Co Ltd, Jiangxi Ganfeng Lienergy Technology Co Ltd filed Critical Jiangxi Tengda Electric Power Design Institute Co ltd
Priority to CN202310154969.3A priority Critical patent/CN116029532B/zh
Publication of CN116029532A publication Critical patent/CN116029532A/zh
Application granted granted Critical
Publication of CN116029532B publication Critical patent/CN116029532B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开一种面向配电网承载力提升的储能规划方法，包括：根据多维指标计算配网承载力，以及根据投资成本、运行成本和储能退化成本计算储能规划成本，再以配电网承载力最大和储能规划成本最小为目标函数构建配网储能规划多目标优化模型，对模型进行求解得到储能规划方案。解决了分布式光储接入配电网改变了原有配电网的运行特征，无法对配电网储能进行规划的问题，并且建立了储能健康状态和储能退化成本系数之间的数学关系，从而实现了在计算电池储能退化成本时考虑了储能的健康状态。

Description

一种面向配电网承载力提升的储能规划方法
技术领域
本发明属于电力自动化技术领域，尤其涉及一种面向配电网承载力提升的储能规划方法。
背景技术
由于分布式光伏固有的波动性和随机性特征，其高比例接入将对配电网的安全稳定运行。分布式储能可有效平抑分布式光伏的强随机性，分布式光储协同开发将成为促进分布式光伏消纳的必然选择。但分布式光储接入配电网改变了原有配电网的运行特征，增大了配电网储能规划的难度。为此，急需开展面向配电网承载力提升的储能规划方法研究。
发明内容
本发明提供一种面向配电网承载力提升的储能规划方法，用于解决分布式光储接入配电网改变了原有配电网的运行特征，无法对配电网储能进行规划的技术问题。
本发明提供一种面向配电网承载力提升的储能规划方法，包括：
步骤1、根据多维指标计算配网承载力，其中，计算所述配网承载力的表达式为：
Figure SMS_1
，
式中，
Figure SMS_2
为配网承载力，/>
Figure SMS_3
为电压合格率指标，/>
Figure SMS_4
为电压波动指标，/>
Figure SMS_5
为谐波畸变率指标，/>
Figure SMS_6
为线损率指标，/>
Figure SMS_7
为线路最大负载率指标；
步骤2、根据投资成本、运行成本和储能退化成本计算储能规划成本，其中，计算所述储能规划成本的表达式为：
Figure SMS_8
，
式中，
Figure SMS_9
为储能规划成本，/>
Figure SMS_10
为储能投资成本，/>
Figure SMS_11
为储能运行成本，/>
Figure SMS_12
为储能退化成本；
其中，计算所述储能退化成本的表达式为：
Figure SMS_13
，
式中，
Figure SMS_14
为退化成本系数，/>
Figure SMS_15
为储能最大运行功率，/>
Figure SMS_16
为规划总年限，/>
Figure SMS_17
为第n个规划年；
步骤3、以配电网承载力最大和储能规划成本最小为目标函数构建配网储能规划多目标优化模型，并对所述配网储能规划多目标优化模型进行求解，得到储能规划方案。
进一步地，在步骤1中，所述多维指标包括电压合格率指标、电压波动指标、谐波畸变率指标、线损率指标以及线路最大负载率指标；
其中，计算所述电压合格率指标的表达式为：
Figure SMS_18
，
式中，
Figure SMS_19
为配电网中满足电压水平要求的节点数，/>
Figure SMS_20
为配电网中满足电压水平要求的节点总数；
计算所述电压波动指标的表达式为：
Figure SMS_21
，
式中，
Figure SMS_22
为储能接入前的电压水平，/>
Figure SMS_23
为储能接入后的电压水平，/>
Figure SMS_24
为优化时间间隔；
计算所述谐波畸变率指标的表达式为：
Figure SMS_25
，
式中，
Figure SMS_26
为最高次谐波，/>
Figure SMS_27
为基波电压，/>
Figure SMS_28
为电压的/>
Figure SMS_29
次高次谐波；
计算所述线损率指标的表达式为：
Figure SMS_30
，
式中，
Figure SMS_31
为第/>
Figure SMS_32
条支路的电流幅值，/>
Figure SMS_33
为第/>
Figure SMS_34
条支路的电阻，/>
Figure SMS_35
为线路的供给功率值，/>
Figure SMS_36
为支路集合；
计算所述线路最大负载率指标的表达式为：
Figure SMS_37
，
式中，
Figure SMS_38
为平均负载。
进一步地，在步骤2中，计算退化成本系数的表达式为：
Figure SMS_39
，
式中，
Figure SMS_41
为第i阶段的退化成本系数，/>
Figure SMS_50
为电池的单位容量投资成本，/>
Figure SMS_52
为电池容量，/>
Figure SMS_42
为设计电池寿命，/>
Figure SMS_44
为电池倍率系数，/>
Figure SMS_47
为放电系数，/>
Figure SMS_49
为额定放电功率，
Figure SMS_40
为电池寿命周期第i阶段的电池SOH的最大值，/>
Figure SMS_48
为电池寿命周期第i阶段的电池SOH的最小值，/>
Figure SMS_51
为储能额定放电深度，/>
Figure SMS_53
为模型拟合系数，/>
Figure SMS_43
为模型拟合系数，/>
Figure SMS_45
为储能健康状态，/>
Figure SMS_46
为第n个规划年。
进一步地，在步骤2中，计算所述储能投资成本的表达式为：
Figure SMS_54
，
式中，
Figure SMS_55
为折现率，/>
Figure SMS_56
为规划总年限，/>
Figure SMS_57
为储能单位能量容量投资成本，/>
Figure SMS_58
为储能单位功率容量投资成本，/>
Figure SMS_59
为储能能量容量，/>
Figure SMS_60
为储能功率容量；
计算所述储能运行成本的表达式为：
Figure SMS_61
，
式中，
Figure SMS_62
为储能运行成本系数，/>
Figure SMS_63
为储能最大运行功率。
进一步地，在步骤3中，所述配网储能规划多目标优化模型的目标函数为：
Figure SMS_64
，
式中，
Figure SMS_65
为配电网承载力最大的目标函数，/>
Figure SMS_66
为配电网经济性成本最小的目标函数；
其中，所述配网储能规划多目标优化模型的约束条件包括选址约束以及容量约束，所述选址约束的表达式为：
Figure SMS_67
，
式中，
Figure SMS_68
为0-1变量，表示不配置储能，/>
Figure SMS_69
表示配置储能；
所述容量约束的表达式为：
Figure SMS_70
，
式中，
Figure SMS_71
为储能电量，/>
Figure SMS_72
为最大放电比率，/>
Figure SMS_73
为储能最大容量。
进一步地，在步骤3中，所述对所述配网储能规划多目标优化模型进行求解，得到储能规划方案，包括：
构建配网储能多目标规划模型的Stackelberg博弈形式：
Figure SMS_74
，
式中，
Figure SMS_75
、/>
Figure SMS_76
分别为配电网承载力最大的目标函数、配电网经济性成本最小的目标函数，/>
Figure SMS_77
、/>
Figure SMS_78
分别为配电网承载力最大的目标函数的策略集和配电网经济性成本最小的目标函数的策略集，/>
Figure SMS_79
均为S1的博弈策略，/>
Figure SMS_80
均为S2的博弈策略；
对目标函数博弈方策略集计算，具体为：
分别对配电网承载力最大的目标函数
Figure SMS_82
和配电网经济性成本最小的目标函数/>
Figure SMS_84
进行多目标优化，得到各目标的优化解/>
Figure SMS_86
和/>
Figure SMS_83
，其中，/>
Figure SMS_85
，
Figure SMS_87
，/>
Figure SMS_88
均为S1的最优博弈策略，/>
Figure SMS_81
均为 S2的最优博弈策略；
对配电网承载力最大的目标函数
Figure SMS_89
任意设计变量/>
Figure SMS_90
，在可行空间中按步长/>
Figure SMS_91
等分为 T 段，第/>
Figure SMS_92
个设计变量/>
Figure SMS_93
对配电网经济性成本最小的目标函数/>
Figure SMS_94
的影响因子/>
Figure SMS_95
为：
Figure SMS_96
，
式中
Figure SMS_97
、/>
Figure SMS_98
为F1的最优设计变量；
令分类样品为
Figure SMS_99
，/>
Figure SMS_102
为任意第/>
Figure SMS_106
个设计变量对配电网承载力最大的目标函数/>
Figure SMS_100
和配电网经济性成本最小的目标函数/>
Figure SMS_104
的影响因子集合，分类样品全体为
Figure SMS_105
，/>
Figure SMS_107
为第n个分类样品，对分类样品全体进行模糊聚类，将设计变量集合 X 分类为各博弈方的策略集/>
Figure SMS_101
和策略集/>
Figure SMS_103
；
假设配电网承载力最大的目标函数
Figure SMS_108
为博弈领导者，优先进行优化，配电网经济性成本最小的目标函数/>
Figure SMS_109
为博弈的跟随者，根据配电网承载力最大的目标函数/>
Figure SMS_110
的策略集
Figure SMS_111
和策略集/>
Figure SMS_112
，并通过多轮次的博弈优化，最终得到博弈均衡解，并计算得到配电网承载力最大的目标函数/>
Figure SMS_113
和配电网经济性成本最小的目标函数/>
Figure SMS_114
的结果，即得到储能规划方案。
本申请的一种面向配电网承载力提升的储能规划方法，根据多维指标计算配网承载力，以及根据投资成本、运行成本和储能退化成本计算储能规划成本，再以配电网承载力最大和储能规划成本最小为目标函数构建配网储能规划多目标优化模型，对模型进行求解得到储能规划方案，解决了分布式光储接入配电网改变了原有配电网的运行特征，无法对配电网储能进行规划的问题，并且建立了储能健康状态和储能退化成本系数之间的数学关系，从而实现了在计算电池储能退化成本时考虑了储能的健康状态。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一实施例提供的一种面向配电网承载力提升的储能规划方法的流程图。
具体实施方式
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。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。
请参阅图1，其示出了本申请的一种面向配电网承载力提升的储能规划方法的流程图。
如图1所示，面向配电网承载力提升的储能规划方法具体包括以下步骤：
步骤1、根据多维指标计算配网承载力。
在本实施例中，所述多维指标包括电压合格率指标、电压波动指标、谐波畸变率指标、线损率指标以及线路最大负载率指标；
其中，电压水平合格率是指配电网中满足电压水平要求的节点数与配电网中节点总数的比值，用于评估电动汽车充电站接入后配电网电压水平是否达到技术合理水平，计算电压合格率指标的表达式为：
Figure SMS_115
，（1）
式中，
Figure SMS_116
为配电网中满足电压水平要求的节点数，/>
Figure SMS_117
为配电网中满足电压水平要求的节点总数；
电压波动是指两个相邻的采样周期内，同一个节点电压幅值的变化，计算电压波动指标的表达式为：
Figure SMS_118
，（2）
式中，
Figure SMS_119
为储能接入前的电压水平，/>
Figure SMS_120
为储能接入后的电压水平，/>
Figure SMS_121
为优化时间间隔；
谐波畸变率反映了电压的高次谐波相对于基波所占的比例，计算谐波畸变率指标的表达式为：
Figure SMS_122
，（3）
式中，
Figure SMS_123
为最高次谐波，/>
Figure SMS_124
为基波电压，/>
Figure SMS_125
为电压的/>
Figure SMS_126
次高次谐波；
线损率是指馈线的有功功率损耗占馈线始端输入功率的百分数，计算线损率指标的表达式为：
Figure SMS_127
，（4）
式中，
Figure SMS_128
为第/>
Figure SMS_129
条支路的电流幅值，/>
Figure SMS_130
为第/>
Figure SMS_131
条支路的电阻，/>
Figure SMS_132
为线路的供给功率值，/>
Figure SMS_133
为支路集合；
线路最大负载率是指线路的最大负载与线路最大传输有功功率的比值，计算线路最大负载率指标的表达式为：
Figure SMS_134
，（5）
式中，
Figure SMS_135
为平均负载；
具体地，计算配网承载力的表达式为：
Figure SMS_136
，（6）
式中，
Figure SMS_137
为配网承载力，/>
Figure SMS_138
为电压合格率指标，/>
Figure SMS_139
为电压波动指标，/>
Figure SMS_140
为谐波畸变率指标，/>
Figure SMS_141
为线损率指标，/>
Figure SMS_142
为线路最大负载率指标。
步骤2、根据投资成本、运行成本和储能退化成本计算储能规划成本。
在本实施例中，计算所述储能规划成本的表达式为：
Figure SMS_143
，（7）
式中，
Figure SMS_144
为储能规划成本，/>
Figure SMS_145
为储能投资成本，/>
Figure SMS_146
为储能运行成本，/>
Figure SMS_147
为储能退化成本；
计算储能投资成本的表达式为：
Figure SMS_148
，（8）
式中，
Figure SMS_149
为折现率，/>
Figure SMS_150
为规划年限，/>
Figure SMS_151
为储能单位能量容量投资成本，/>
Figure SMS_152
为储能单位功率容量投资成本，/>
Figure SMS_153
为储能能量容量，/>
Figure SMS_154
为储能功率容量；
计算储能运行成本的表达式为：
Figure SMS_155
，（9）
式中，
Figure SMS_156
为储能运行成本系数，/>
Figure SMS_157
为储能最大运行功率。
计算储能退化成本的表达式为：
Figure SMS_158
，（10）
式中，
Figure SMS_159
为退化成本系数，/>
Figure SMS_160
为储能最大运行功率，/>
Figure SMS_161
为规划总年限，/>
Figure SMS_162
为第n个规划年；
需要说明的是，电池的健康状态由电池的剩余循环寿命与同类型新电池的循环寿命之比来表征。电池的实际循环寿命和DoD满足以下关系。
Figure SMS_163
，（11）
Figure SMS_164
，（12）
式中，
Figure SMS_166
为电池的实际循环寿命，/>
Figure SMS_169
和/>
Figure SMS_173
分别为标准循环条件下的DoD和放电功率，/>
Figure SMS_165
为标准循环条件下的循环寿命，/>
Figure SMS_168
、/>
Figure SMS_171
均为模型拟合系数，/>
Figure SMS_174
为实际放电深度，/>
Figure SMS_167
为电池放电系数，/>
Figure SMS_170
是平均充电功率或放电功率，/>
Figure SMS_172
为电池容量， />
Figure SMS_175
为修正系数。
电池充放电过程中，放电功率与电流之间存在近似的比例关系，放电电流与电池循环寿命之间存在线性关系：
Figure SMS_176
，（13）
式中，
Figure SMS_177
为电池倍率系数。
通过将式（12）- 式（13）带入式（11）中，可以导出电池实际循环寿命的数学表达式为：
Figure SMS_178
，（14）
在正常情况下，电池的剩余容量会逐渐衰减。不同健康阶段的电池的每充电/放电功率的退化成本可以由式(15)- 式(16)表示，每阶段的每充电/放电功率的退化成本是该阶段的DoD的函数。
Figure SMS_179
，（15）
Figure SMS_180
，（16）
式中，
Figure SMS_181
为第i个阶段的退化成本系数，/>
Figure SMS_182
为电池的单位容量投资成本，/>
Figure SMS_183
为电池容量，/>
Figure SMS_184
为放电深度，/>
Figure SMS_185
为第i个阶段的电池的实际循环寿命；
根据电池特性，DoD受到电池容量的严格限制，而电池容量与电池退化有关。因此，可以得出结论，电池在不同健康阶段的最大DoD是电池退化系数的函数。
Figure SMS_186
，（17）
Figure SMS_187
，（18）
式中，
Figure SMS_188
为ES的最大存储容量，/>
Figure SMS_189
为电池退化系数，/>
Figure SMS_190
为最大放电深度。
另外，根据电池SOH的定义，SOH是电池在各健康阶段的最大容量与额定容量的比值。
Figure SMS_191
，（19）
式中，
Figure SMS_192
为第i阶段的储能健康状态；
电池的最大DoD和SOH之间的关系可以通过式(17)- 式(19)获得。
Figure SMS_193
，（20）
式中，
Figure SMS_194
为第i阶段的最大放电深度；
在初始健康阶段，电池处于最佳健康状态，容量大，深度放电潜力大，这也导致电池在初始健康阶段的退化成本系数高于后期健康阶段。随着电池的持续运行，电池的容量开始下降，最大DOD也变小，降低了电池在生命周期后期的退化成本。因此，可以用最大DoD来清楚地区分电池在生命周期不同阶段的退化情况。
Figure SMS_195
，（21）
用各健康阶段最大和最小SOH的中间值来表示SOH的平均值。
Figure SMS_196
，（22）
式中，
Figure SMS_197
为电池寿命周期第i阶段的电池SOH的最大值，/>
Figure SMS_198
为电池寿命周期第i阶段的电池SOH的最小值。
式(21)-式(22)是联合建模，可以得到每个健康阶段ES的退化成本系数。
Figure SMS_199
，（23）
式中，
Figure SMS_201
为第i阶段的电池退化成本系数，/>
Figure SMS_204
为电池的单位容量投资成本，/>
Figure SMS_208
为电池容量，/>
Figure SMS_203
为设计电池寿命，/>
Figure SMS_207
为电池倍率系数，/>
Figure SMS_210
为放电系数，/>
Figure SMS_212
为额定放电功率，
Figure SMS_200
为电池寿命周期第i阶段的电池SOH的最大值，/>
Figure SMS_206
为电池寿命周期第i阶段的电池SOH的最小值，/>
Figure SMS_209
为储能额定放电深度，/>
Figure SMS_211
、/>
Figure SMS_202
均为模型拟合系数，/>
Figure SMS_205
为第i阶段的储能健康状态。
步骤3、以配电网承载力最大和储能规划成本最小为目标函数构建配网储能规划多目标优化模型，并对所述配网储能规划多目标优化模型进行求解，得到储能规划方案。
在本实施例中，综合考虑储能接入后的配网承载力、储能规划的经济性两个因素，构建承载力最大和经济成本最小的配网储能规划多目标优化模型。其中，配网储能规划多目标优化模型的目标函数为：
Figure SMS_213
，（24）
式中，
Figure SMS_214
为配电网承载力最大的目标函数，/>
Figure SMS_215
为配电网经济性成本最小的目标函数；
其中，配网储能规划多目标优化模型的约束条件包括选址约束以及容量约束，选址约束的表达式为：
Figure SMS_216
，（25）
式中，
Figure SMS_217
为0-1变量，/>
Figure SMS_218
表示不配置储能，/>
Figure SMS_219
表示配置储能
容量约束的表达式为：
Figure SMS_220
，（26）
式中，
Figure SMS_221
为储能电量，/>
Figure SMS_222
为最大放电比率，/>
Figure SMS_223
为储能最大容量。
需要说明的是，针对构建的配网储能规划多目标优化模型，采用多目标Stackelberg博弈求解算法（Multiple Objectives-Stackelberg Game, MO-SG）进行求解，包括：
构建配网储能多目标规划模型的Stackelberg博弈形式：
Figure SMS_224
，
式中，
Figure SMS_225
、/>
Figure SMS_226
分别为配电网承载力最大的目标函数、配电网经济性成本最小的目标函数，/>
Figure SMS_227
、/>
Figure SMS_228
分别为配电网承载力最大的目标函数的策略集和配电网经济性成本最小的目标函数的策略集，/>
Figure SMS_229
均为S1的博弈策略，/>
Figure SMS_230
均为S2的博弈策略；
对目标函数博弈方策略集计算，具体为：
分别对配电网承载力最大的目标函数
Figure SMS_232
和配电网经济性成本最小的目标函数/>
Figure SMS_235
进行多目标优化，得到各目标的优化解/>
Figure SMS_236
和/>
Figure SMS_233
，其中，/>
Figure SMS_234
，
Figure SMS_237
，/>
Figure SMS_238
均为S1的最优博弈策略，/>
Figure SMS_231
均为 S2的最优博弈策略；
对配电网承载力最大的目标函数
Figure SMS_239
任意设计变量/>
Figure SMS_240
，在可行空间中按步长/>
Figure SMS_241
等分为 T 段，第/>
Figure SMS_242
个设计变量/>
Figure SMS_243
对配电网经济性成本最小的目标函数/>
Figure SMS_244
的影响因子/>
Figure SMS_245
为：
Figure SMS_246
，
式中，
Figure SMS_247
、/>
Figure SMS_248
均为F1的最优设计变量；
令分类样品为
Figure SMS_250
，/>
Figure SMS_252
为任意第/>
Figure SMS_255
个设计变量对配电网承载力最大的目标函数/>
Figure SMS_251
和配电网经济性成本最小的目标函数/>
Figure SMS_254
的影响因子集合，分类样品全体为
Figure SMS_256
，/>
Figure SMS_257
为第n个分类样品，对分类样品全体进行模糊聚类，将设计变量集合 X 分类为各博弈方的策略集/>
Figure SMS_249
和策略集/>
Figure SMS_253
；
假设配电网承载力最大的目标函数
Figure SMS_258
为博弈领导者，优先进行优化，配电网经济性成本最小的目标函数/>
Figure SMS_259
为博弈的跟随者，根据配电网承载力最大的目标函数/>
Figure SMS_260
的策略集
Figure SMS_261
和策略集/>
Figure SMS_262
，并通过多轮次的博弈优化，最终得到博弈均衡解，并计算得到配电网承载力最大的目标函数/>
Figure SMS_263
和配电网经济性成本最小的目标函数/>
Figure SMS_264
的结果，即得到储能规划方案。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (3)

1.一种面向配电网承载力提升的储能规划方法，其特征在于，包括：
步骤1、根据多维指标计算配网承载力，其中，所述多维指标包括电压合格率指标、电压波动指标、谐波畸变率指标、线损率指标以及线路最大负载率指标，计算所述配网承载力的表达式为：
Figure QLYQS_1
，
式中，
Figure QLYQS_2
为配网承载力，/>
Figure QLYQS_3
为电压合格率指标，/>
Figure QLYQS_4
为电压波动指标，/>
Figure QLYQS_5
为谐波畸变率指标，
Figure QLYQS_6
为线损率指标，/>
Figure QLYQS_7
为线路最大负载率指标；
其中，计算所述电压合格率指标的表达式为：
Figure QLYQS_8
，
式中，
Figure QLYQS_9
为配电网中满足电压水平要求的节点数，/>
Figure QLYQS_10
为配电网中满足电压水平要求的节点总数；
计算所述电压波动指标的表达式为：
Figure QLYQS_11
，
式中，
Figure QLYQS_12
为储能接入前的电压水平，/>
Figure QLYQS_13
为储能接入后的电压水平，/>
Figure QLYQS_14
为优化时间间隔；
计算所述谐波畸变率指标的表达式为：
Figure QLYQS_15
，
式中，
Figure QLYQS_16
为最高次谐波，/>
Figure QLYQS_17
为基波电压，/>
Figure QLYQS_18
为电压的/>
Figure QLYQS_19
次高次谐波；
计算所述线损率指标的表达式为：
Figure QLYQS_20
，
式中，
Figure QLYQS_21
为第条支路的电流幅值，/>
Figure QLYQS_22
为第条支路的电阻，/>
Figure QLYQS_23
为线路的供给功率值，/>
Figure QLYQS_24
为支路集合；
计算所述线路最大负载率指标的表达式为：
Figure QLYQS_25
，
式中，
Figure QLYQS_26
为平均负载；
步骤2、根据投资成本、运行成本和储能退化成本计算储能规划成本，其中，计算所述储能规划成本的表达式为：
Figure QLYQS_27
，
式中，
Figure QLYQS_28
为储能规划成本，/>
Figure QLYQS_29
为储能投资成本，/>
Figure QLYQS_30
为储能运行成本，/>
Figure QLYQS_31
为储能退化成本；
其中，计算所述储能退化成本的表达式为：
Figure QLYQS_32
，
式中，
Figure QLYQS_33
为退化成本系数，/>
Figure QLYQS_34
为储能最大运行功率，/>
Figure QLYQS_35
为规划总年限，/>
Figure QLYQS_36
为第n个规划年；
步骤3、以配电网承载力最大和储能规划成本最小为目标函数构建配网储能规划多目标优化模型，并对所述配网储能规划多目标优化模型进行求解，得到储能规划方案，其中，所述配网储能规划多目标优化模型的目标函数为：
Figure QLYQS_37
，
式中，
Figure QLYQS_38
为配电网承载力最大的目标函数，/>
Figure QLYQS_39
为配电网经济性成本最小的目标函数；
其中，所述配网储能规划多目标优化模型的约束条件包括选址约束以及容量约束，所述选址约束的表达式为：
Figure QLYQS_40
，
式中，
Figure QLYQS_41
为0-1变量，/>
Figure QLYQS_42
表示不配置储能，/>
Figure QLYQS_43
表示配置储能；
所述容量约束的表达式为：
Figure QLYQS_44
，
式中，
Figure QLYQS_45
为储能电量，/>
Figure QLYQS_46
为最大放电比率，/>
Figure QLYQS_47
为储能最大容量；
所述对所述配网储能规划多目标优化模型进行求解，得到储能规划方案，包括：
构建配网储能多目标规划模型的Stackelberg博弈形式：
Figure QLYQS_48
，
式中，
Figure QLYQS_49
、/>
Figure QLYQS_50
分别为配电网承载力最大的目标函数、配电网经济性成本最小的目标函数，
Figure QLYQS_51
、/>
Figure QLYQS_52
分别为配电网承载力最大的目标函数的策略集和配电网经济性成本最小的目标函数的策略集，/>
Figure QLYQS_53
均为S1的博弈策略，/>
Figure QLYQS_54
均为S2的博弈策略；
对目标函数博弈方策略集计算，具体为：
分别对配电网承载力最大的目标函数
Figure QLYQS_56
和配电网经济性成本最小的目标函数/>
Figure QLYQS_58
进行多目标优化，得到各目标的优化解/>
Figure QLYQS_61
和/>
Figure QLYQS_57
，其中，/>
Figure QLYQS_59
，/>
Figure QLYQS_60
，/>
Figure QLYQS_62
均为S1的最优博弈策略，/>
Figure QLYQS_55
均为 S2的最优博弈策略；
对配电网承载力最大的目标函数
Figure QLYQS_63
任意设计变量/>
Figure QLYQS_64
，在可行空间中按步长/>
Figure QLYQS_65
等分为 T段，第/>
Figure QLYQS_66
个设计变量/>
Figure QLYQS_67
对配电网经济性成本最小的目标函数/>
Figure QLYQS_68
的影响因子/>
Figure QLYQS_69
为：
Figure QLYQS_70
，
式中，
Figure QLYQS_71
、/>
Figure QLYQS_72
均为F1的最优设计变量；
令分类样品为
Figure QLYQS_74
，/>
Figure QLYQS_77
为任意第/>
Figure QLYQS_79
个设计变量对配电网承载力最大的目标函数/>
Figure QLYQS_75
和配电网经济性成本最小的目标函数/>
Figure QLYQS_76
的影响因子集合，分类样品全体为，/>
Figure QLYQS_78
为第n个分类样品，对分类样品全体进行模糊聚类，将设计变量集合 X 分类为各博弈方的策略集/>
Figure QLYQS_80
和策略集/>
Figure QLYQS_73
；
假设配电网承载力最大的目标函数
Figure QLYQS_81
为博弈领导者，优先进行优化，配电网经济性成本最小的目标函数/>
Figure QLYQS_82
为博弈的跟随者，根据配电网承载力最大的目标函数/>
Figure QLYQS_83
的策略集/>
Figure QLYQS_84
和策略集/>
Figure QLYQS_85
，并通过多轮次的博弈优化，最终得到博弈均衡解，并计算得到配电网承载力最大的目标函数/>
Figure QLYQS_86
和配电网经济性成本最小的目标函数/>
Figure QLYQS_87
的结果，即得到储能规划方案。
2.根据权利要求1所述的一种面向配电网承载力提升的储能规划方法，其特征在于，在步骤2中，计算退化成本系数的表达式为：
Figure QLYQS_88
，
式中，
Figure QLYQS_91
为第i阶段的退化成本系数，/>
Figure QLYQS_94
为电池的单位容量投资成本，/>
Figure QLYQS_97
为电池容量，/>
Figure QLYQS_92
为设计电池寿命，/>
Figure QLYQS_93
为电池倍率系数，/>
Figure QLYQS_96
为放电系数，/>
Figure QLYQS_99
为额定放电功率，/>
Figure QLYQS_89
为电池寿命周期第i阶段的电池SOH的最大值，/>
Figure QLYQS_95
为电池寿命周期第i阶段的电池SOH的最小值，/>
Figure QLYQS_98
为储能额定放电深度，/>
Figure QLYQS_100
为模型拟合系数，/>
Figure QLYQS_90
为模型拟合系数，/>
Figure QLYQS_101
为储能健康状态，/>
Figure QLYQS_102
为第n个规划年。
3.根据权利要求1所述的一种面向配电网承载力提升的储能规划方法，其特征在于，在步骤2中，计算所述储能投资成本的表达式为：
Figure QLYQS_103
，
式中，
Figure QLYQS_104
为折现率，/>
Figure QLYQS_105
为规划总年限，/>
Figure QLYQS_106
为储能单位能量容量投资成本，/>
Figure QLYQS_107
为储能单位功率容量投资成本，/>
Figure QLYQS_108
为储能能量容量，/>
Figure QLYQS_109
为储能功率容量；
计算所述储能运行成本的表达式为：
Figure QLYQS_110
，
式中，
Figure QLYQS_111
为储能运行成本系数，/>
Figure QLYQS_112
为储能最大运行功率。
CN202310154969.3A 2023-02-23 2023-02-23 一种面向配电网承载力提升的储能规划方法 Active CN116029532B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310154969.3A CN116029532B (zh) 2023-02-23 2023-02-23 一种面向配电网承载力提升的储能规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310154969.3A CN116029532B (zh) 2023-02-23 2023-02-23 一种面向配电网承载力提升的储能规划方法

Publications (2)

Publication Number Publication Date
CN116029532A CN116029532A (zh) 2023-04-28
CN116029532B true CN116029532B (zh) 2023-07-14

Family

ID=86074090

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310154969.3A Active CN116029532B (zh) 2023-02-23 2023-02-23 一种面向配电网承载力提升的储能规划方法

Country Status (1)

Country Link
CN (1) CN116029532B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114362171A (zh) * 2022-01-14 2022-04-15 西安交通大学 一种计及新能源出力不确定性的电力***规划运行优化方法
CN115693787A (zh) * 2023-01-03 2023-02-03 国网江西省电力有限公司经济技术研究院 考虑源荷随机性的光储配电网新能源接纳能力分析方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107301470B (zh) * 2017-05-24 2020-12-01 天津大学 一种配电网扩展规划与光储选址定容的双层优化方法
CN109102125B (zh) * 2018-08-27 2022-01-28 国网河北省电力有限公司经济技术研究院 一种考虑天然气网络和电动汽车协调的区域综合能源***规划方法
CN110570015B (zh) * 2019-08-07 2022-07-26 广东电网有限责任公司 一种配电网多目标规划方法
CN110690702B (zh) * 2019-11-01 2022-04-08 国网四川省电力公司经济技术研究院 一种考虑综合承载力的主动配电网优化调度及运行方法
KR102266099B1 (ko) * 2020-09-24 2021-06-18 주식회사 아이티맨 소규모 전력 중개거래를 위한 ess운영시스템 및 방법
CN113489033A (zh) * 2021-06-11 2021-10-08 国网上海市电力公司 面向韧性提升的配电网分布式电源储能控制方法及***
CN113392535B (zh) * 2021-06-28 2024-03-19 Abb电网投资(中国)有限公司 蓄热式电采暖双层优化配置方法
CN113393172B (zh) * 2021-07-15 2023-10-10 华北电力大学 一种考虑配电网多设备时序运行的“源网储”规划方法
CN114977320A (zh) * 2022-06-01 2022-08-30 深圳供电局有限公司 一种配电网源网荷储多目标协同规划方法
CN115577852A (zh) * 2022-11-03 2023-01-06 华北电力科学院有限责任公司 基于集群划分的配电网分布式储能选址定容双层优化方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114362171A (zh) * 2022-01-14 2022-04-15 西安交通大学 一种计及新能源出力不确定性的电力***规划运行优化方法
CN115693787A (zh) * 2023-01-03 2023-02-03 国网江西省电力有限公司经济技术研究院 考虑源荷随机性的光储配电网新能源接纳能力分析方法

Also Published As

Publication number Publication date
CN116029532A (zh) 2023-04-28

Similar Documents

Publication Publication Date Title
CN107611966B (zh) 一种考虑差异可靠性的有源配电网供电能力评估方法
CN112039069A (zh) 一种配电网储能与柔性开关的双层协同规划方法及***
CN111244985B (zh) 基于节点综合灵敏度系数的分布式储能序次优化配置方法
CN109818369B (zh) 一种计及出力模糊随机性的分布式电源规划方法
Tang et al. Study on day-ahead optimal economic operation of active distribution networks based on Kriging model assisted particle swarm optimization with constraint handling techniques
CN112103980A (zh) 一种联合火电机组agc调频的混合储能***能量管理方法
CN110635478B (zh) 一种基于单目标的新能源接入下的输电网规划的优化方法
CN110570015A (zh) 一种配电网多目标规划方法
CN114243791A (zh) 风光氢蓄***的多目标优化配置方法、***及存储介质
Khunkitti et al. Optimal location and sizing of BESS for performance improvement of distribution systems with high DG penetration
CN105634058A (zh) 一种电池组的智能均衡方法和智能均衡***
CN113962159A (zh) 一种基于合理弃光的配电网光伏最大接入容量的评估方法
CN116388252A (zh) 风电场储能容量优化配置方法、***、计算机设备及介质
CN109934476B (zh) 一种基于主体有限理性决策的微电网源-储联合规划多策略演化博弈分析方法
CN115764849A (zh) 一种混合储能容量优化配置方法及其配置***
CN115204672A (zh) 一种考虑主动配电网脆弱性的分布式储能配置方法
Saric et al. Optimal DG allocation for power loss reduction considering load and generation uncertainties
CN117808151A (zh) 一种基于粒子群-遗传融合算法的变电站无功优化方法
CN116029532B (zh) 一种面向配电网承载力提升的储能规划方法
Ebrahimi et al. Stochastic scheduling of energy storage systems in harmonic polluted active distribution networks
CN116995644A (zh) 一种基于ibpao-sa算法的高比例新能源配电网故障恢复的方法
CN114759616B (zh) 一种考虑电力电子器件特性的微电网鲁棒优化调度方法
CN116258417A (zh) 一种基于nsga-2遗传算法的锂电池均衡指标优化方法
CN115514001A (zh) 一种配电网光伏接纳能力计算方法、装置、设备及介质
CN114498690A (zh) 支持大规模可再生能源消纳的多元复合储能优化配置方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant