本发明涉及一种基于双层优化模型的用户侧储能装置容量配置方法,属于电力系统技术领域。
背景技术:
本发明主要用于工业用户侧储能场景。近年来,随着我国经济的迅速发展,用户侧用电量显著增多,用户侧负荷峰谷差异也会逐渐加大,可能会出现电力系统供需不平衡,即负荷高峰时段用电需求无法满足,而负荷低谷时段电网电能大量浪费的现象。目前,对于储能应用的研究主要集中在储能配置和调度运行两方面,对于储能系统规划和运行相互影响研究较少。另外,针对储能规划和调度运行难以分开的问题,一些学者做出相应尝试,将其描述为双层决策问题,外层主要包括储能的选址定容,内层求解储能系统的运行问题,以经济性最优为目标对储能系统进行优化配置,但对于储能系统的应用都集中在供电侧,均未涉及用户侧场景下考虑负荷需量管理对于储能配置的影响。因此,随着用户用电负荷峰谷差进一步扩大,如何鼓励用户主动参与到负荷调节中来,并结合现有的电力设备为电网公司设计更为合理、精准的电价制度,从而实现用户侧用电负荷的削峰填谷,电网公司资源的合理配置,具有较重要的研究价值和社会意义。
技术实现要素:
本发明的目的在于提供一种基于双层优化模型的用户侧储能装置容量配置方法,用于精准计算得到储能最优容量配置结果。
本发明的目的通过以下技术方案予以实现:
一种基于双层优化模型的用户侧储能装置容量配置方法,包括以下步骤:
步骤一:输入基础数据到excel,在matlab中读取excel的数据;
步骤二:随机生成初始种群p;
步骤三:调用外层模型,得到仿真周期内初始种群p中每个个体在调度周期内的储能最优充放电曲线和月负荷削峰率;
步骤四:调用内层模型根据储能容量、额定功率、年负荷削峰率、储能充放电曲线、月负荷削峰率计算初始种群p中个体的适应度值;
步骤五:将初始种群p进行选择交叉变异的遗传操作得到子代种群p’;
步骤六:调用外层模型,得到仿真周期内子代种群p’每个个体在调度周期内的储能最优充放电曲线和月负荷削峰率;
步骤七:调用内层模型,根据储能容量、额定功率、年负荷削峰率和储能充放电曲线、月负荷削峰率计算初始种群p’中个体的适应度值;
步骤八:将步骤五中的初始种群p替换为p’,重复步骤五至七,直到满足终止条件为止,得到最终优化结果。
本发明的目的还可以通过以下技术措施来进一步实现:
前述一种基于双层优化模型的用户侧储能装置容量配置方法,其中:
步骤一所述基础数据,包括仿真时长、调度周期(一天24h)、负荷曲线(即电力系统中各类电力负荷随时间变化的曲线)、储能技术指标(包括储能电池寿命、倍率性能)。
前述一种基于双层优化模型的用户侧储能装置容量配置方法,其中:
步骤二所述随机生成种群p,具体为生成100的初始种群p,种群中每个个体包含储能容量、储能额定功率、年负荷削峰率信息,年负荷削峰率为一年中负荷峰值减少量与安装储能装置前负荷峰值的比值。
前述一种基于双层优化模型的用户侧储能装置容量配置方法,其中,
步骤三具体为:利用matlab软件调用cplex平台,调用外层模型,得到仿真周期内初始种群p中每个个体在调度周期内的储能最优充放电曲线和月负荷削峰率,月负荷削峰率为一年中负荷峰值减少量与安装储能装置前负荷峰值的比值,外层模型的具体模型:
31)目标函数如下:
maxf=cinc+ctran+crec-cinv-cope
式中:f为储能全寿命周期内的净收益;
311)cinc为用户侧储能系统经济运行的总收益,具体表达如下:
cinc=cinc1+cinc2
式中:cinc1为月时间尺度下最大负荷削峰基本电价减少量,cinc2为日尺度周期下储能高峰放电低谷充电的价格套利收益,其具体表达式如下:
式中:cele,t,d为储能装置第t年d天的价格套利;cbas,t,y为储能第t年y月基本电费减少值;d为年运行天数;y为年运行月数;t为电池寿命;ir为通货膨胀率;dr为贴现率,贴现率为将未来支付改变为现值所使用的利率;
312)ctran为峰值负荷减少所降低的变压器成本,具体表达式如下:
式中:α为变压器安装费用占设备造价比率;cd为工业用户侧变压器单位造价;k为变压器的负载率;
313)crec用户侧储能的回收价值,即当储能达到寿命年限时通过回收利用获取的一定收益,与安装成本cinv和回收系数γ相关,γ取0.2,表达式如下:
crec=γcinv
314)安装成本cinv为用户侧储能的全寿命周期一次性固定投资成本,与其自身额定容量和额定充/放电功率相关,具体表达式如下:
cinv=ceemax+cppmax
式中:emax和pmax分别为储能装置额定容量和额定充/放电功率;ce和cp分别为储能单位容量和单位充/放电功率造价;
315)cope为用户侧储能装置的全寿命周期运行维护成本,与其额定功率相关,具体表达式如下:
式中:cop为储能电池单位充/放电功率的年运行维护成本;
32)约束条件具体如下:
321)功率平衡约束:
pgrid=p′load=pload+pess
式中:pgrid为负荷与电网交换功率,pload为工厂负荷功率,pess为储能装置功率;
322)投资成本约束:
式中:
前述一种基于双层优化模型的用户侧储能装置容量配置方法,其中,
步骤四所述调用内层模型,根据储能电池容量和额定功率、年负荷削峰率和储能充放电曲线、月负荷削峰率计算初始种群p中个体的适应度值(适应度值即目标函数值),其具体模型为:
41)目标函数如下:
cbas=aδmppeak,m
式中:i为时间段;δti为i段持续时间,δti=15min;nd为一个调度周期时间段总数,以24h作为一个调度周期;pdis(i)、pch(i)分别为储能放电、充电功率,cele为储能装置价格套利,cbas为基本电费减少值;
42)约束条件如下:
421)储能削峰约束,即在满足调度周期内负荷峰值约束的同时,工厂母线侧合成负荷不得超过年最大限值,具体表达式如下:
pload(i)-pdis(i)+pch(i)≤(1-δm)ppeak,m
(1-δm)ppeak,m≤(1-δy)ppeak,y
式中:ppeak,m、p′peak,m和ppeak,y、p′peak,y分别为加入储能装置前后的月负荷峰值和年负荷峰值,δm、δy为加入储能后的月负荷削峰率和年负荷削峰率;
422)充放电功率约束,即在运行过程中充放电功率不超过额定值:
式中:bdis(i)、bch(i)为0至1的变量且满足任意时刻bdis(i)+bdis(i)≤1;
423)荷电状态soc约束,即在任一时刻,储能的荷电状态都必须小于socmax且大于socmin,此外,储能系统每个调度周期始末存储能量即荷电状态一致可确保其连续运行的周期性,具体表达式如下:
soc(0)=soc(nd)
socmin≤soc(i)≤socmax
式中:ηch、ηdis分别为储能充电、放电时的能量转化效率。
步骤六所述为利用matlab遗传算法工具箱调用外层模型,得到仿真周期内子代种群p’每个个体在调度周期内的储能最优充放电曲线和月负荷削峰率,外层模型目标函数、约束条件与步骤3所述模型目标函数、约束条件相同。
步骤七所述调用内层模型根据储能容量、额定功率、年负荷削峰率和储能充放电曲线、月负荷削峰率计算子代种群p’中个体的适应度值,模型目标函数、约束条件与步骤4所述模型目标函数、约束条件相同。
与现有技术相比,本发明的有益效果是:以用户侧储能系统全寿命周期内总的净收益为外层目标函数,综合考虑了储能削峰收益、峰谷套利收益、全寿命周期成本等因素,用cplex求解器进行求解;以储能系统日调度周期内收益为内层目标函数,研究用户侧储能系统各时段充/放电值的优化,用遗传算法进行求解,最终得到储能系统最优容量配置结果,实现了对储能最优容量配置结果的精准计算。
附图说明
图1是本发明的工业用户侧储能系统结构图;
图2是双层优化模型的用户侧储能装置容量配置方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步说明。
如图1所示,为本发明应用场景的工业用户侧储能系统结构图。
如图2所示,本发明基于双层优化模型的用户侧储能装置容量配置方法,包括以下步骤:
步骤一:输入基础数据到excel,在matlab中读取excel的数据;
步骤一所述基础数据,包括仿真时长、调度周期(一天24h)、负荷曲线(即电力系统中各类电力负荷随时间变化的曲线)、储能技术指标(包括储能电池寿命、倍率性能)。
步骤二:随机生成初始种群p;
步骤二所述随机生成种群p,具体为生成100的初始种群p,种群中每个个体包含储能容量、储能额定功率、年负荷削峰率信息,年负荷削峰率为一年中负荷峰值减少量与安装储能装置前负荷峰值的比值。
步骤三:调用外层模型,得到仿真周期内初始种群p中每个个体在调度周期内的储能最优充放电曲线和月负荷削峰率;
步骤三具体为:利用matlab软件调用cplex平台,调用外层模型,得到仿真周期内初始种群p中每个个体在调度周期内的储能最优充放电曲线和月负荷削峰率,月负荷削峰率为一年中负荷峰值减少量与安装储能装置前负荷峰值的比值,外层模型的具体模型:
31)目标函数如下:
maxf=cinc+ctran+crec-cinv-cope
式中:f为储能全寿命周期内的净收益;
311)cinc为用户侧储能系统经济运行的总收益,具体表达如下:
cinc=cinc1+cinc2
式中:cinc1为月时间尺度下最大负荷削峰基本电价减少量,cinc2为日尺度周期下储能高峰放电低谷充电的价格套利收益,其具体表达式如下:
式中:cele,t,d为储能装置第t年d天的价格套利;cbas,t,y为储能第t年y月基本电费减少值;d为年运行天数;y为年运行月数;t为电池寿命;ir为通货膨胀率;dr为贴现率,贴现率为将未来支付改变为现值所使用的利率;
312)ctran为峰值负荷减少所降低的变压器成本,具体表达式如下:
式中:α为变压器安装费用占设备造价比率;cd为工业用户侧变压器单位造价;k为变压器的负载率;
313)crec用户侧储能的回收价值,即当储能达到寿命年限时通过回收利用获取的一定收益,与安装成本cinv和回收系数γ相关,γ取0.2,表达式如下:
crec=γcinv
314)安装成本cinv为用户侧储能的全寿命周期一次性固定投资成本,与其自身额定容量和额定充/放电功率相关,具体表达式如下:
cinv=ceemax+cppmax
式中:emax和pmax分别为储能装置额定容量和额定充/放电功率;ce和cp分别为储能单位容量和单位充/放电功率造价;
315)cope为用户侧储能装置的全寿命周期运行维护成本,与其额定功率相关,具体表达式如下:
式中:cop为储能电池单位充/放电功率的年运行维护成本;
32)约束条件具体如下:
321)功率平衡约束:
pgrid=p′load=pload+pess
式中:pgrid为负荷与电网交换功率,pload为工厂负荷功率,pess为储能装置功率;
322)投资成本约束:
式中:
步骤四:调用内层模型根据储能容量、额定功率、年负荷削峰率、储能充放电曲线、月负荷削峰率计算初始种群p中个体的适应度值;
步骤四所述调用内层模型,根据储能电池容量和额定功率、年负荷削峰率和储能充放电曲线、月负荷削峰率计算初始种群p中个体的适应度值(适应度值即目标函数值),其具体模型为:
41)目标函数如下:
cbas=aδmppeak,m
式中:i为时间段;δti为i段持续时间,δti=15min;nd为一个调度周期时间段总数,以24h作为一个调度周期;pdis(i)、pch(i)分别为储能放电、充电功率,cele为储能装置价格套利,cbas为基本电费减少值;
42)约束条件如下:
421)储能削峰约束,即在满足调度周期内负荷峰值约束的同时,工厂母线侧合成负荷不得超过年最大限值,具体表达式如下:
pload(i)-pdis(i)+pch(i)≤(1-δm)ppeak,m
(1-δm)ppeak,m≤(1-δy)ppeak,y
式中:ppeak,m、p′peak,m和ppeak,y、p′peak,y分别为加入储能装置前后的月负荷峰值和年负荷峰值,δm、δy为加入储能后的月负荷削峰率和年负荷削峰率;
422)充放电功率约束,即在运行过程中充放电功率不超过额定值:
式中:bdis(i)、bch(i)为0至1的变量且满足任意时刻bdis(i)+bdis(i)≤1;
423)荷电状态soc约束,即在任一时刻,储能的荷电状态都必须小于socmax且大于socmin,此外,储能系统每个调度周期始末存储能量即荷电状态一致可确保其连续运行的周期性,具体表达式如下:
soc(0)=soc(nd)
socmin≤soc(i)≤socmax
式中:ηch、ηdis分别为储能充电、放电时的能量转化效率。
步骤五:将初始种群p进行选择交叉变异的遗传操作得到子代种群p’;
步骤六:调用外层模型,得到仿真周期内子代种群p’每个个体在调度周期内的储能最优充放电曲线和月负荷削峰率;
步骤七:调用内层模型,根据储能容量、额定功率、年负荷削峰率和储能充放电曲线、月负荷削峰率计算初始种群p’中个体的适应度值;
步骤八:将步骤五中的初始种群p替换为p’,重复步骤五至七,直到满足终止条件为止,得到最终优化结果。
步骤六所述为利用matlab遗传算法工具箱调用外层模型,得到仿真周期内子代种群p’每个个体在调度周期内的储能最优充放电曲线和月负荷削峰率,外层模型目标函数、约束条件与步骤3所述模型目标函数、约束条件相同。
步骤七所述调用内层模型根据储能容量、额定功率、年负荷削峰率和储能充放电曲线、月负荷削峰率计算子代种群p’中个体的适应度值,模型目标函数、约束条件与步骤4所述模型目标函数、约束条件相同。
除上述实施例外,本发明还可以有其他实施方式,凡采用等同替换或等效变换形成的技术方案,均落在本发明要求的保护范围内。