CN116822908B - 一种可快速求解的多时间尺度储能规划方法及设备 - Google Patents
一种可快速求解的多时间尺度储能规划方法及设备 Download PDFInfo
- Publication number
- CN116822908B CN116822908B CN202311071651.5A CN202311071651A CN116822908B CN 116822908 B CN116822908 B CN 116822908B CN 202311071651 A CN202311071651 A CN 202311071651A CN 116822908 B CN116822908 B CN 116822908B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- time
- day
- long
- 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
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 321
- 238000000034 method Methods 0.000 title claims abstract description 83
- 238000010977 unit operation Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 10
- 230000007774 longterm Effects 0.000 claims description 45
- 238000007599 discharging Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 17
- 238000012423 maintenance Methods 0.000 claims description 12
- 230000008878 coupling Effects 0.000 claims description 10
- 238000010168 coupling process Methods 0.000 claims description 10
- 238000005859 coupling reaction Methods 0.000 claims description 10
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 7
- 229910052799 carbon Inorganic materials 0.000 claims description 7
- 230000003247 decreasing effect Effects 0.000 claims description 4
- 238000012546 transfer Methods 0.000 description 7
- 230000001932 seasonal effect Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000009194 climbing Effects 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 238000010248 power generation Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012983 electrochemical energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000013507 mapping 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
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种可快速求解的多时间尺度储能规划方法，包括：构建多时间尺度储能协同规划模型，多时间尺度储能协同规划模型包括最小化系统总成本为目标的目标函数和若干约束条件；所述若干约束条件包括多时间尺度储能规划约束、多时间尺度储能运行约束、功率平衡约束、可再生能源运行约束、火电机组运行约束；以基于聚类算法提取的短时储能运行典型场景为输入，根据所述约束条件求解目标函数，得到短时储能组件和长时储能装置的规划方案。
Description
技术领域
本发明涉及一种可快速求解的多时间尺度储能规划方法及设备，属于储能规划领域。
背景技术
考虑到高比例新能源并网的背景下，火电的装机份额不断被风电、光伏取代，传统的灵活性资源不足以满足新型电力系统的灵活性调节需求，为应对电力电量不平衡加剧的挑战，储能将成为未来电力系统主要的灵活性调节资源。以电化学储能为代表的短时储能主要提供日内调频、调峰、爬坡等服务，平抑短时间尺度新能源出力与负荷需求的电量不平衡。而长时储能可实现长时间尺度的能量转移，平抑数日、数周、季节性的电量波动，解决季节性电量供需不匹配问题。因此，长短时储能的协同规划配置，为新能源出力和负荷需求不同时间尺度的不平衡问题提供了解决思路，对满足高比例新能源电力系统不同时间尺度灵活性需求具有重要意义。
储能规划模型旨在通过合理规划和管理储能资源，以最大程度地提高能源系统的效率、稳定性和可持续性。为体现长时储能装置（LDES）可实现长时间范围内能量转移的能力，所建立的模型计算复杂度高，求解难度大。现有技术中均以小时分辨率协同优化长短时储能的规划配置和运行，模型规模过大，计算效率极低。因此，需要一种能同时满足高准确性和低求解时间的储能规划方法。
CN112072655A《一种并网风储发电系统混合储能优化配置方法》公开了：对历史风电输出功率进行频域分解，统计历史风电输出功率的高、低频分量，并基于概率分布函数确定混合储能额定功率；构建以全年成本净现值最小和目标出力满足率最大为目标的风电场全生命周期混合储能容量优化模型；基于聚类算法提取风电输出功率日典型场景，统计各典型场景的时间占比，作为风电场全生命周期混合储能容量优化模型的输入场景；采用多目标优化算法求解，得到最优的并网风储发电系统混合储能容量配置方案。该方法中仍构建小时级的储能规划模型，模型复杂度高。
CN110350518A《一种用于调峰的电网储能容量需求评估方法及系统》公开了：预先设定若干个包含不同储能功率容量的规划方案；利用电力系统运行模拟技术对各个规划方案进行全年365天的日运行模拟，得到每个规划方案下储能全年调峰时段充放电调度情况；根据每个规划方案全年储能出力运行数据进行统计学分析建模，得到储能设备存储能量的累计概率分布函数，设定储能设备满足全网调峰需求的期望概率，计算对应的储能能量容量需求；最后计算全系统综合运行成本得到的最小值对应的规划方案即为最优规划方案。同样，该方案进行小时级的日运行模拟，计算复杂度高。
发明内容
为了克服现有技术中存在的问题，本发明设计了一种可快速求解的多时间尺度储能规划方法，基于短时储能保障日内供电充裕度、长时储能作为季节性电量支撑的不同功能定位，在长短时储能协同规划问题中将长短时储能离散化处理，并根据不同时间尺度储能能量转移特性的差异，简化长短时储能间的耦合关系，得到以最小化系统总成本为目标的多时间尺度储能协同规划模型。
为了实现上述目的，本发明采用如下技术方案：
技术方案一：
一种可快速求解的多时间尺度储能规划方法，包括以下步骤：
构建多时间尺度储能协同规划模型，多时间尺度储能协同规划模型包括最小化系统总成本为目标的目标函数和若干约束条件；
所述若干约束条件包括多时间尺度储能规划约束、多时间尺度储能运行约束、功率平衡约束、可再生能源运行约束、火电机组运行约束；
所述多时间尺度储能运行约束包括小时级短时储能运行约束、日级长时储能运行约束；
所述功率平衡约束包括典型日内小时级短时储能与长时储能协同参与的第一功率平衡约束、规划年内日级长时储能参与的第二功率平衡约束、第一功率平衡约束与第二功率平衡约束的耦合关系；
以基于聚类算法提取的短时储能运行典型场景为输入，根据所述约束条件求解目标函数，得到短时储能组件和长时储能装置的规划方案。
进一步地，所述系统总成本包括投资成本、储能运维成本、运行成本、碳排放成本、弃风惩罚；
其中，储能投资成本、储能运维成本，以公式表达为：
式中， 、 为短时储能、长时储能规划新增的储能容量；为短时储能的功率容量；、为长时储能的充、放电功率容量； 、 分别为储能容量、放电功率容量、充电功率容量的单位投资成本；为贴现率，为储能系统全生命周期；B、LO分别为短时储能、长时储能的技术参数集合； 、 、 分别为储能容量、放电功率容量、充电功率容量的单位运维成本。
进一步地，所述多时间尺度储能规划约束，包括：
设置短时储能规划新增的储能功率、储能容量的取值范围；
设置长时储能规划新增的充电功率容量、放电功率容量、储能容量的取值范围。
进一步地，所述日级长时储能运行约束，以公式表达为：
式中，为长时储能装置在第r天的剩余电量荷电状态；分别为长时储能装置、放电功率； 、 分别为长时储能装置的充、放电效率；LO为长时储能的技术参数集合；N R为规划年的天数； 、 、 分别为长时储能系统规划新增的储能容量、放电功率容量、充电功率容量；表示长时储能装置在第r天的充、放电状态；为长时储能装置的初始电量比例。
进一步地，所述第一功率平衡约束，以公式表达为：
式中，为典型日；为典型日时刻火电机组的出力；为火电机组数；表示典型日时刻风电机组的实际出力；为风电机组数； 、 分别表示典型日时刻短时储能装置的充、放电功率； 、 分别表示典型日d时刻t长时储能装置的充、放电功率；分别为短时储能装置数、长时储能装置数；为典型日时刻的负荷需求；为典型日天数；为每天的小时数。
进一步地，所述第二功率平衡约束，以公式表达为：
式中，为第r天t时刻火电机组的出力；为火电机组数；表示第r天t时刻风电机组的实际出力；为风电机组数； 、 分别为长时储能装置、放电功率；为长时储能装置数；为每天的小时数；为第r天时刻的负荷需求；N R为规划年的天数。
进一步地，所述耦合关系，以公式表达为：
式中，分别表示典型日d时刻t长时储能装置的充放电功率；表示典型日和规划年内具体日的对应关系；、分别为长时储能装置、放电功率；为典型日天数；为每天的小时数；LO为长时储能的技术参数集合；表示长时储能装置在典型日最终时刻的剩余电量荷电状态；表示长时储能装置在规划年内具体日的剩余电量荷电状态。
进一步地，所述可再生能源运行约束，以公式表达为：
式中，表示第r天t时刻风电机组的实际出力；表示第r天t时刻风电机组的最大出力限值；为风电消纳率；为风电机组数；N R为规划年的天数；为每天的小时数。
进一步地，所述火电机组运行约束，以公式表达为：
式中，为第r天t时刻火电机组的出力；表示火电机组g在第r天t时刻的启停状态，、分别表示机组g的最小、最大出力限值；表示火电机组g在第r天k时刻的启停状态；为火电机组数；为每天的小时数；N R为规划年的天数；、分别表示机组g单位时间内增加、减少的出力；、分别为机组的最小关停时间、最小开机时间；为旋转备用容量系数,为第r天时刻的负荷需求。
技术方案二：
一种可快速求解的多时间尺度储能规划设备，其特征在于，包括处理器和用于存储所述处理器可执行指令的存储器；存储器搭载有技术方案一所述多时间尺度储能协同规划模型；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现技术方案一所述步骤。
与现有技术相比本发明有以下特点和有益效果：
基于短时储能保障日内供电充裕度、长时储能作为季节性电量支撑的不同功能定位，在长短时储能协同规划问题中将长短时储能离散化处理，并根据不同时间尺度储能能量转移特性的差异，简化长短时储能间的耦合关系，得到以最小化系统总成本为目标的多时间尺度储能协同规划模型。
多时间尺度储能协同规划模型协同火电、风电、多时间尺度储能的优化运行，统筹规划不同时间尺度储能的投建。其中，考虑到长时储能的充电组件、放电组件、储能组件均可以解耦设计，对其充电功率容量、放电功率容量、储能容量进行独立规划配置。针对模型规模大、求解困难的问题，将长短时储能分别应用于解决不同时间尺度的功率不平衡，典型日内按小时级精确度描述短时储能运行，全年365天按日级精确度描述长时储能运行，体现长时储能季节性能量转移能力的同时降低模型复杂度，加速模型求解。
附图说明
图1是本发明流程图。
具体实施方式
现有技术中长时储能运行模型和短时储能运行模型均以小时分辨率进行构建。为便于理解，下文以一组约束条件表示小时级长时储能运行模型：
长时储能装置在相邻时刻能量平衡：
（1）
式中，为长时储能装置在第r天t时刻的剩余电量荷电状态（SOC）； 、 分别表示长时储能装置在第r天t时刻的充、放电功率；、分别表示长时储能装置的充、放电效率；LO为长时储能技术参数集合；N T为每天的小时数；N R为规划水平年的天数。
长时储能装置的荷电状态、充放电功率不允许超过其规划容量的上限：
（2）
（3）
（4）
式中，、、分别为长时储能规划新增的储能容量、放电功率容量、充电功率容量，、分别为表示长时储能装置在第r天t时刻的充放电状态的0-1变量。
长时储能装置不能同时进行充放电：
（5）
长时储能装置在平衡周期内达到能量平衡，即能量水平在初始时刻和最后时刻均回归初始水平：
（6）
其中，为长时储能装置的初始电量比例。
同理，小时级短时储能装置也具有如上约束，限制短时储能装置在第r天第t时的能量平衡（相邻时刻和平衡周期）、荷电状态、充放电功率、充放状态，此处不再详述。
下面结合实施例对本发明进行更详细的描述。
实施例一
如图1所示，一种可快速求解的多时间尺度储能规划方法，包括以下步骤：
构建多时间尺度储能协同规划模型，多时间尺度储能协同规划模型包括最小化系统总成本为目标的目标函数和若干约束条件；
所述若干约束条件包括多时间尺度储能规划约束、多时间尺度储能运行约束、功率平衡约束、可再生能源运行约束、火电机组运行约束；
所述多时间尺度储能运行约束包括小时级短时储能运行约束、日级长时储能运行约束；
所述功率平衡约束包括典型日内小时级短时储能与长时储能协同参与的第一功率平衡约束、规划年内日级长时储能参与的第二功率平衡约束、第一功率平衡约束与第二功率平衡约束的耦合关系；
以基于聚类算法提取的短时储能运行典型场景为输入，根据所述约束条件求解目标函数，得到短时储能组件和长时储能装置的规划方案。
实施例二
目标函数以最小化系统总成本为目标，系统总成本包括不同时间尺度储能系统的投资成本、储能运维成本、运行成本、碳排放成本、弃风惩罚，以公式表达为：
（7）
其中，储能投资成本包括长时储能和短时储能的投资成本，以公式表达为：
（8）
式中，、为短时储能、长时储能规划新增的储能容量；为短时储能的功率容量； 、 为长时储能的充、放电功率容量；、、分别为储能容量、放电功率容量、充电功率容量的单位投资成本；为贴现率；为储能系统全生命周期；B、LO分别为短时储能、长时储能的技术参数集合。
同理，储能运维成本，以公式表达为：
（9）
式中，、、分别为储能容量、放电功率容量、充电功率容量的单位运维成本。
运行成本包括火电机组燃料成本、启停成本，以公式表达为：
（10）
式中， 、 、 分别表示第g台机组的单位燃料成本、启动成本、停止成本；为第r天t时刻机组g的出力；、分别为第r天t时刻的启、停机组数；分别为规划水平年的天数、每天的小时数、系统总火电机组数。
碳排放成本，以公式表达为：
（11）
式中，为第g台机组的碳排放系数；为单位碳排放成本。
弃风惩罚，以公式表达为：
（12）
式中，为弃风惩罚系数， 、 分别表示第r天t时刻风电机组的日前预测功率、实际出力；为系统中风电机组数。
目标函数的约束条件，包括：
多时间尺度储能规划约束；
多时间尺度储能运行约束，包括小时级短时储能运行约束、日级长时储能运行约束；
功率平衡约束；
可再生能源运行约束；
火电机组运行约束。
设置多时间尺度储能规划约束如下：
（13）
（14）
（15）
（16）
（17）
其中：、分别为短时储能规划新增的最大功率容量、最大储能容量；、、分别为长时储能规划新增的最大充电功率容量、放电功率容量、储能容量。
考虑到短时储能充放电效率极高，其充放电量差在整个电力电量平衡中占比很小，故近似认为其在24h内充放平衡，仅长时储能解决日级时间尺度的功率不平衡，不再计及短时储能在该长时间尺度上对功率不平衡的贡献，由此将对长时储能的描述由小时级近似至日级时间尺度，并构建相应的功率平衡约束。由此取得的技术效果为：减少了描述长短时储能运行状态决策变量与长短时储能运行约束的数目（如长时储能的充、放电功率、荷电状态等每一运行变量的数量均由8760减少至365），进而大幅度降低整体规划模型的复杂度。
设置日级长时储能运行约束，如下：
（18）
（19）
（20）
（21）
（22）
（23）
式中，为长时储能装置在第r天的剩余电量荷电状态（SOC）； 、 分别为长时储能装置、放电功率； 、 分别为长时储能装置、放电效率； 、 、 分别为长时储能系统规划新增的储能容量、放电功率容量、充电功率容量；表示长时储能系统在第r天的充放电状态的0-1变量；为长时储能装置的初始电量比例。
长短时储能的平衡周期不同，长时储能可实现长时间范围内的能量转移，因此分别设置长时储能装置、短时储能装置的平衡周期为8760h（即年平衡）和24h（即日平衡）。
以自然月天数为数据划分，分别采用K-means聚类算法对风电出力、负荷数据进行规划水平年内各月典型场景的选取，运算得到各月在风电、负荷的典型日。
设置功率平衡约束，如式24-27所示：
通过选取每月典型日的方式，来代表系统规划水平年内短时储能的运行过程，描述短时储能对日内功率不平衡的贡献。在典型日内建立小时级短期功率平衡关系，利用短时储能保证日内供电充裕性；在规划水平年内建立日级长期功率平衡关系，利用长时储能提供季节性电量支撑，解决季节性供需不匹配问题。
典型日内的功率平衡关系，具体如下：
（24）
式中，为典型日， 、 、 、 分别表示典型日时刻短时储能和长时储能的充放电功率，分别为短时储能装置数、长时储能装置数；为典型日时刻的负荷需求，为典型日天数；表示典型日时刻风电机组的实际出力；为典型日时刻机组g的出力。
长时储能解决长时序的功率不平衡，具体如下：
（25）
式中，、分别表示第天长时储能的充放电功率，为第天时刻的负荷需求。
长时储能典型日内小时级调度情况与对应自然天日级调度情况一致，长时储能典型日最终时刻的SOC与对应自然天的SOC相一致，从而建立了两种时序的耦合关系，具体如下：
（26）
（27）
式中，定义映射来描述典型日和规划水平年内具体日的对应关系，分别表示典型日d时刻t长时储能装置的充放电功率， 、 分别为长时储能装置在规划年内具体日的充、放电功率；表示长时储能装置在典型日最终时刻的SOC。
设置可再生能源运行约束，如式28-29所示：
（28）
（29）
式中，为风电消纳率。
设置火电机组运行约束，如式30-34所示：
（30）
（31）（32）
（33）
（34）
式中，表示机组g在第r天t时刻的启停状态；表示火电机组g在第r天k时刻的启停状态；、分别表示机组g的最小、最大出力限值；、分别表示机组g单位时间内增加、减少的出力，即机组的上/下爬坡速率；、分别为机组的最小关停时间、最小开机时间；为旋转备用容量系数。
上述约束分别为火电机组的出力约束、爬坡速率约束、最小停机/开机时间约束、及旋转备用约束。
实施例三
综合实施例二所述目标函数及约束条件，形成用于多时间尺度储能协同规划的混合整数线性规划模型，兼顾精确度的同时极大程度提高了求解效率。以基于聚类算法提取的短时储能运行典型场景为输入，采用单目标优化算法求解，得到短时储能组件和长时储能装置的规划方案。具体地，利用求解器（如Cplex）进行求解，得到的规划方案包括：短时储能组件规划新增的储能容量、功率容量、以及长时储能装置规划新增的充电功率容量、放电功率容量、储能容量。
需要说明的是，上述提出的一种可快速求解的多时间尺度储能规划设备，还用于实现如上述图1所示的一种可快速求解的多时间尺度储能规划方法中各实施例对应的方法步骤，本申请在此不重复叙述。
需要说明的是，在本发明各个实施例中的各功能单元/模块可以集成在一个处理单元/模块中，也可以是各个单元/模块单独物理存在，也可以是两个或两个以上单元/模块集成在一个单元/模块中。上述集成的单元/模块既可以采用硬件的形式实现，也可以采用软件功能单元/模块的形式实现。
通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解，可以以硬件、软件、固件、中间件、代码或其任何恰当组合来实现这里描述的实施例。对于硬件实现，处理器可以在一个或多个下列单元中实现：专用集成电路（ASIC）、数字信号处理器（DSP）、数字信号处理设备（DSPD）、可编程逻辑器件（PLD）、现场可编程门阵列（FPGA）、处理器、控制器、微控制器、微处理器、设计用于实现这里所描述功能的其他电子单元或其组合。对于软件实现，实施例的部分或全部流程可以通过计算机程序来指令相关的硬件来完成。实现时，可以将上述程序存储在计算机可读介质中或作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是计算机能够存取的任何可用介质。计算机可读介质可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其他光盘存储、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当分析，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。
Claims (2)
1.一种可快速求解的多时间尺度储能规划方法，其特征在于，包括以下步骤：
构建多时间尺度储能协同规划模型，多时间尺度储能协同规划模型包括最小化系统总成本为目标的目标函数和若干约束条件；
所述系统总成本包括投资成本、储能运维成本、运行成本、碳排放成本、弃风惩罚；
其中，储能投资成本、储能运维成本，以公式表达为：
式中，、为短时储能、长时储能规划新增的储能容量；为短时储能的功率容量；、为长时储能的充、放电功率容量；、分别为储能容量、放电功率容量、充电功率容量的单位投资成本；为贴现率；为储能系统全生命周期；B、LO分别为短时储能、长时储能的技术参数集合；、、分别为储能容量、放电功率容量、充电功率容量的单位运维成本；
所述若干约束条件包括多时间尺度储能规划约束、多时间尺度储能运行约束、功率平衡约束、可再生能源运行约束、火电机组运行约束；
所述多时间尺度储能规划约束，包括：设置短时储能规划新增的储能功率、储能容量的取值范围；设置长时储能规划新增的充电功率容量、放电功率容量、储能容量的取值范围；
所述多时间尺度储能运行约束包括小时级短时储能运行约束、日级长时储能运行约束；
所述日级长时储能运行约束，以公式表达为：
式中，为长时储能装置在第r天的剩余电量荷电状态；、分别为长时储能装置、放电功率；、分别为长时储能装置的充、放电效率；LO为长时储能的技术参数集合；N R为规划年的天数；、、分别为长时储能系统规划新增的储能容量、放电功率容量、充电功率容量；表示长时储能装置在第r天的充、放电状态；为长时储能装置的初始电量比例；
所述功率平衡约束包括典型日内小时级短时储能与长时储能协同参与的第一功率平衡约束、规划年内日级长时储能参与的第二功率平衡约束、第一功率平衡约束与第二功率平衡约束的耦合关系；
所述第一功率平衡约束，以公式表达为：
式中，为典型日；为典型日时刻火电机组的出力；为火电机组数；表示典型日时刻风电机组的实际出力；为风电机组数； 、 分别表示典型日时刻短时储能装置的充、放电功率； 、 分别表示典型日d时刻t长时储能装置的充、放电功率；分别为短时储能装置数、长时储能装置数；为典型日时刻的负荷需求；为典型日天数；为每天的小时数；
所述第二功率平衡约束，以公式表达为：
式中，为第r天t时刻火电机组的出力；为火电机组数；表示第r天t时刻风电机组的实际出力；为风电机组数； 、 分别为长时储能装置、放电功率；为长时储能装置数；为每天的小时数；为第r天时刻的负荷需求；N R为规划年的天数；
所述耦合关系，以公式表达为：
式中，分别表示典型日d时刻t长时储能装置的充放电功率；表示典型日和规划年内具体日的对应关系； 、分别为长时储能装置在规划年内具体日的充、放电功率；为典型日天数；为每天的小时数；LO为长时储能的技术参数集合；表示长时储能装置在典型日最终时刻的剩余电量荷电状态；表示长时储能装置在规划年内具体日的剩余电量荷电状态；
所述可再生能源运行约束，以公式表达为：
式中，表示第r天t时刻风电机组的实际出力；表示第r天t时刻风电机组的最大出力限值；为风电消纳率；为风电机组数；N R为规划年的天数；为每天的小时数；
所述火电机组运行约束，以公式表达为：
式中，为第r天t时刻火电机组的出力；表示火电机组g在第r天t时刻的启停状态，、分别表示机组g的最小、最大出力限值；表示火电机组g在第r天k时刻的启停状态；为火电机组数；为每天的小时数；N R为规划年的天数；、分别表示机组g单位时间内增加、减少的出力；、分别为机组的最小关停时间、最小开机时间；为旋转备用容量系数,为第r天t时刻的负荷需求；
以基于聚类算法提取的短时储能运行典型场景为输入，根据所述约束条件求解目标函数，得到短时储能组件和长时储能装置的规划方案。
2.一种可快速求解的多时间尺度储能规划设备，其特征在于，包括处理器和用于存储所述处理器可执行指令的存储器；存储器搭载有多时间尺度储能协同规划模型；
所述多时间尺度储能协同规划模型包括最小化系统总成本为目标的目标函数和若干约束条件；
所述系统总成本包括投资成本、储能运维成本、运行成本、碳排放成本、弃风惩罚；
其中，储能投资成本、储能运维成本，以公式表达为：
式中，、为短时储能、长时储能规划新增的储能容量；为短时储能的功率容量；、为长时储能的充、放电功率容量；、分别为储能容量、放电功率容量、充电功率容量的单位投资成本；为贴现率；为储能系统全生命周期；B、LO分别为短时储能、长时储能的技术参数集合；、、分别为储能容量、放电功率容量、充电功率容量的单位运维成本；
所述若干约束条件包括多时间尺度储能规划约束、多时间尺度储能运行约束、功率平衡约束、可再生能源运行约束、火电机组运行约束；
所述多时间尺度储能规划约束，包括：设置短时储能规划新增的储能功率、储能容量的取值范围；设置长时储能规划新增的充电功率容量、放电功率容量、储能容量的取值范围；
所述多时间尺度储能运行约束包括小时级短时储能运行约束、日级长时储能运行约束；
所述日级长时储能运行约束，以公式表达为：
式中，为长时储能装置在第r天的剩余电量荷电状态；、分别为长时储能装置、放电功率；、分别为长时储能装置的充、放电效率；LO为长时储能的技术参数集合；N R为规划年的天数；、、分别为长时储能系统规划新增的储能容量、放电功率容量、充电功率容量；表示长时储能装置在第r天的充、放电状态；为长时储能装置的初始电量比例；
所述功率平衡约束包括典型日内小时级短时储能与长时储能协同参与的第一功率平衡约束、规划年内日级长时储能参与的第二功率平衡约束、第一功率平衡约束与第二功率平衡约束的耦合关系；
所述第一功率平衡约束，以公式表达为：
式中，为典型日；为典型日时刻火电机组的出力；为火电机组数；表示典型日时刻风电机组的实际出力；为风电机组数； 、 分别表示典型日时刻短时储能装置的充、放电功率； 、 分别表示典型日d时刻t长时储能装置的充、放电功率；分别为短时储能装置数、长时储能装置数；为典型日时刻的负荷需求；为典型日天数；为每天的小时数；
所述第二功率平衡约束，以公式表达为：
式中，为第r天t时刻火电机组的出力；为火电机组数；表示第r天t时刻风电机组的实际出力；为风电机组数； 、 分别为长时储能装置、放电功率；为长时储能装置数；为每天的小时数；为第r天时刻的负荷需求；N R为规划年的天数；
所述耦合关系，以公式表达为：
式中，分别表示典型日d时刻t长时储能装置的充放电功率；表示典型日和规划年内具体日的对应关系； 、分别为长时储能装置在规划年内具体日的充、放电功率；为典型日天数；为每天的小时数；LO为长时储能的技术参数集合；表示长时储能装置在典型日最终时刻的剩余电量荷电状态；表示长时储能装置在规划年内具体日的剩余电量荷电状态；
所述可再生能源运行约束，以公式表达为：
式中，表示第r天t时刻风电机组的实际出力；表示第r天t时刻风电机组的最大出力限值；为风电消纳率；为风电机组数；N R为规划年的天数；为每天的小时数；
所述火电机组运行约束，以公式表达为：
式中，为第r天t时刻火电机组的出力；表示火电机组g在第r天t时刻的启停状态，、分别表示机组g的最小、最大出力限值；表示火电机组g在第r天k时刻的启停状态；为火电机组数；为每天的小时数；N R为规划年的天数；、分别表示机组g单位时间内增加、减少的出力；、分别为机组的最小关停时间、最小开机时间；为旋转备用容量系数,为第r天t时刻的负荷需求；
所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现以下步骤：以基于聚类算法提取的短时储能运行典型场景为输入，根据所述约束条件求解目标函数，得到短时储能组件和长时储能装置的规划方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311071651.5A CN116822908B (zh) | 2023-08-24 | 2023-08-24 | 一种可快速求解的多时间尺度储能规划方法及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311071651.5A CN116822908B (zh) | 2023-08-24 | 2023-08-24 | 一种可快速求解的多时间尺度储能规划方法及设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116822908A CN116822908A (zh) | 2023-09-29 |
| CN116822908B true CN116822908B (zh) | 2023-11-17 |
Family
ID=88113041
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311071651.5A Active CN116822908B (zh) | 2023-08-24 | 2023-08-24 | 一种可快速求解的多时间尺度储能规划方法及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116822908B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110071505A (zh) * | 2019-06-04 | 2019-07-30 | 清华大学 | 含大规模风电接入的输电网扩建与储能配置联合规划方法 |
| CN114301064A (zh) * | 2021-12-30 | 2022-04-08 | 国网河南省电力公司经济技术研究院 | 一种基于网架灵活性和储能接入的分布式电源消纳能力提升方法 |
| CN114417625A (zh) * | 2022-01-24 | 2022-04-29 | 太原理工大学 | 一种考虑风气互补特性的季节储能解决方法 |
| CN114818078A (zh) * | 2022-05-09 | 2022-07-29 | 东南大学 | 考虑长短期不确定性的净零能耗建筑能源系统规划方法 |
| CN115983589A (zh) * | 2023-01-03 | 2023-04-18 | 国网重庆市电力公司经济技术研究院 | 一种长时间尺度下的多类型电源时序规划方法和系统 |
| CN116050865A (zh) * | 2023-01-03 | 2023-05-02 | 国网安徽省电力有限公司经济技术研究院 | 一种季节性时间尺度下的氢储能电站规划方法 |
| CN116128315A (zh) * | 2022-12-02 | 2023-05-16 | 上海交通大学 | 长短期储能规划方法、系统、介质及设备 |
| CN116562554A (zh) * | 2023-04-27 | 2023-08-08 | 福州大学 | 一种考虑灵活性供需平衡的长短期储能联合规划方法 |
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 |
-
2023
- 2023-08-24 CN CN202311071651.5A patent/CN116822908B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110071505A (zh) * | 2019-06-04 | 2019-07-30 | 清华大学 | 含大规模风电接入的输电网扩建与储能配置联合规划方法 |
| CN114301064A (zh) * | 2021-12-30 | 2022-04-08 | 国网河南省电力公司经济技术研究院 | 一种基于网架灵活性和储能接入的分布式电源消纳能力提升方法 |
| CN114417625A (zh) * | 2022-01-24 | 2022-04-29 | 太原理工大学 | 一种考虑风气互补特性的季节储能解决方法 |
| CN114818078A (zh) * | 2022-05-09 | 2022-07-29 | 东南大学 | 考虑长短期不确定性的净零能耗建筑能源系统规划方法 |
| CN116128315A (zh) * | 2022-12-02 | 2023-05-16 | 上海交通大学 | 长短期储能规划方法、系统、介质及设备 |
| CN115983589A (zh) * | 2023-01-03 | 2023-04-18 | 国网重庆市电力公司经济技术研究院 | 一种长时间尺度下的多类型电源时序规划方法和系统 |
| CN116050865A (zh) * | 2023-01-03 | 2023-05-02 | 国网安徽省电力有限公司经济技术研究院 | 一种季节性时间尺度下的氢储能电站规划方法 |
| CN116562554A (zh) * | 2023-04-27 | 2023-08-08 | 福州大学 | 一种考虑灵活性供需平衡的长短期储能联合规划方法 |
Non-Patent Citations (2)
| Title |
|---|
| 大规模新能源并网系统电源规划方法;王建学;李清涛;王秀丽;黄启航;刘树桦;钱涛;曹晓宇;;中国电机工程学报(第10期);第64-74页 * |
| 考虑多类型能源转换与存储的综合能源微网优化运行研究;刘敦楠;秦光宇;李奇;;南方电网技术(第03期);第111-121页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116822908A (zh) | 2023-09-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108667052B (zh) | 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统 | |
| CN107732949B (zh) | 一种综合风电全年多季节特性的储能布点定容方法 | |
| CN106485352A (zh) | 一种多类电源发电计划组合决策方法 | |
| CN111404206B (zh) | 考虑投资回报约束的风光储发电系统容量双层规划方法 | |
| CN111009895B (zh) | 一种微网优化调度方法、系统以及设备 | |
| CN110350512A (zh) | 一种智能园区新能源发电站调度优化方法及系统 | |
| CN111932025B (zh) | 考虑光伏随机性的综合能源系统建设多阶段规划方法 | |
| CN114358430A (zh) | 一种基于鲁棒优化的新型农村配电网规划策略 | |
| CN106339773B (zh) | 基于灵敏度的主动配电网分布式电源定容规划方法 | |
| Zhang et al. | Optimized scheduling model for isolated microgrid of wind-photovoltaic-thermal-energy storage system with demand response | |
| CN107359611A (zh) | 考虑多种随机因素的配电网等值方法 | |
| CN112510702B (zh) | 一种可再生能源发电制气的综合能源站规划方法及系统 | |
| CN111523947B (zh) | 一种虚拟电厂发电成本生成方法 | |
| CN116822908B (zh) | 一种可快速求解的多时间尺度储能规划方法及设备 | |
| CN117879063B (zh) | 水风光资源分布鲁棒优化配置方法、装置、设备及介质 | |
| CN114465226A (zh) | 一种电力系统多级备用获取联合优化模型的建立方法 | |
| CN111898801B (zh) | 一种用于配置多能互补供电系统的方法及系统 | |
| CN118074107A (zh) | 一种考虑需求响应贡献度与电网安全的光伏消纳方法及装置 | |
| CN116914860B (zh) | 多能互补发电系统电源容量配置优化方法及系统 | |
| 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 | |
| CN117559391A (zh) | 考虑电力系统灵活性供需平衡的混合储能联合规划方法 | |
| CN114398777B (zh) | 一种基于巴什博弈理论的电力系统灵活性资源配置方法 | |
| CN116029114A (zh) | 一种基于年度时序生产模拟的综合能源基地优化配置方法 | |
| CN117114281A (zh) | 一种灵活资源多阶段规划方案的确定方法 | |
| CN113592125B (zh) | 一种特高压直流配套电源配比优化比选方法和系统 |
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 |