本发明涉及一种新能源接入下计及输电阻塞的储能快速优化配置方法,属于电网规划技术。
背景技术:
由于传统能源发电带来了一系列的环境污染以及不可再生资源的分配问题,随着风电和光伏为代表的可再生能源得到迅速发展,风/光新能源发电是未来发展的必然途径。然而,风/光发电受周围环境的影响而不能持续稳定地向电网输入电能,容易对输电线路造成输电阻塞,并对电网的电能质量及其稳定性产生较大的影响。同时,风/光发电的时序特性与负荷不匹配,会增大系统净负荷峰谷差。这些因素限制了可再生能源发展在发电系统中的推广应用。储能不仅能够快速调节功率,还能够实现能量在时间上的转移,因此通过在电网中配置储能能够有效平抑因风光接入造成的波动性、改善电能质量。
技术实现要素:
发明目的:为了克服现有技术中存在的不足,本发明提供一种新能源接入下计及输电阻塞的储能快速优化配置方法,缓解新能源对输电线路造成的输电阻塞,提高电网的电能质量和稳定性。
技术方案:为实现上述目的,本发明采用的技术方案为:
一种新能源接入下计及输电阻塞的储能快速优化配置方法,包括如下步骤:
s1、获取系统内各新能源机组的典型出力和典型负荷;
s2、对系统建立考虑分时电价的储能双层优化配置模型,储能双层优化配置模型包括未考虑储能的外层模型和考虑储能的内层模型;外层模型以系统综合运行成本和储能投资最低为优化目标,通过外层模型求解各时刻各输电线路的输送功率;内层模型以系统综合运行成本最低为优化目标,通过内层模型对系统进行潮流优化;
s3、求解外层模型,根据各时刻各线路的输送功率建立计及输电阻塞的储能选址筛选策略,初步确定储能节点;
s4、对初步确定的储能节点和储能容量进行实数编码,并采用基于改进佳点集的种群初始化策略进行优化,得到种群中的每个个体对应的储能节点和储能容量;
s5、针对种群中的每个个体,采用内点法求解内层模型中储能在各时刻的出力和对应的系统综合运行成本;
s6、将储能的最大出力作为额定功率,求出种群中的每个个体的系统综合运行成本;
s7、计算种群中的每个个体的适应度;
s8、判断是否达到最大迭代次数:如果达到最大迭代次数,则进入s9;否则,进入s12;
s9、得到适应度最好的个体并确定储能的位置和容量信息,转入s12;
s10、采用差分进化算法的交叉策略对种群中的个体进行交叉操作;针对离散变量的处理要求,对差分进化算法的变异策略进行改进,提出一种考虑离散特性的种群个体变异处理策略处理离散变量;
s13、采用精英策略进行个体选择得到新种群,转入步骤s5;
s14、输出结果,结束本次计算。
具体的,所述步骤s2中,考虑分时电价的储能双层优化配置模型具体为:
(1)建立成本函数:
(a1)常规机组的燃料成本f1:
其中:ak、bk和ck分别表示常规机组k的正常运行的成本系数,pdk(t)表示常规机组k在第d个运行日的t时刻的日前预测出力值,n表示常规机组总数,d表示一年内的运行日总数,每个运行日按小时划分出24个时刻;
(a2)新能源机组弃风光的惩罚价格f2:
其中:ρdro.n(t)表示t时刻新能源机组n的弃风弃光惩罚系数,
(a3)切负荷惩罚成本f3:
其中:λi表示储能节点i处的切负荷惩罚系数,plc.di(t)表示t时刻储能节点i处的切负荷量,i表示储能节点总数;
(a4)储能典型日内等效投资成本f4:
其中:ce和cp分别表示储能的单位容量成本系数和单位功率成本系数,en和pn分别表示储能的最大输出容量和最大输出功率,
(a5)储能分时电价收益f5:
其中:pdis.d(t)和pch.d(t)分别表示储能在第d个运行日的t时刻的放电功率和充电功率,ξdis.d(t)=1表示储能在第d个运行日的t时刻放电,ξdis.d(t)=0表示储能在第d个运行日的t时刻不放电,ξch.d(t)=1表示储能在第d个运行日的t时刻充电,ξch.d(t)=0表示储能在第d个运行日的t时刻不充电,md(t)表示第d个运行日的t时刻的电价,f5一般小于0;
(2)建立目标函数
(b1)外层模型以系统综合运行成本和储能投资最低为优化目标,目标函数为:
f=min(f1+f2+f3+f4+f5)
(b2)内层模型在外层模型提供的储能节点和储能容量基础上,考虑各种运行约束,以系统综合运行成本最低为优化目标对含有储能的配电网进行潮流优化,目标函数为:
g=min(f1+f2+f3+f5)
(3)建立约束条件
(c1)发电机出力约束
其中:
(c2)发电机爬坡约束:
0≤|pdk(t)-pdk(t-1)|≤rdk
其中:rdk表示常规机组k所允许的最大爬坡速率;
(c3)系统备用旋转约束:
其中:ru(t)表示负荷旋转备用;
(c4)输电阻塞约束:
-plmax≤pdl(t)=alpin.d(t)≤plmax
其中:al表示输电线路l的灵敏度系数向量矩阵,al为1×(n-1)矩阵,pin.d(t)表示第d个运行日的t时刻,除平衡节点外的其余非平衡节点注入功率向量矩阵,pin.d(t)为(n-1)×1矩阵,pdl(t)表示输电线路l在第d个运行日的t时刻的输送功率,plmax表示输电线路l的最大输送功率;n为系统节点总数,系统节点包括平衡节点和非平衡节点;
(c5)储能电量约束:
socminen≤ed(t)≤socmaxen
其中:ed(t)表示第d个运行日的t时刻的储能电量,ηch和ηdis分别表示储能的充电效率和放电效率,socmax和socmin分别表示储能电量的上下限约束因子;
(c6)储能能量平衡约束
ed(0)=ed+1(0)
其中:ed(0)和ed+1(0)分别表示储能在第d个运行日和第d+1个运行日零时刻的储能容量。
具体的,所述步骤s3中,建立计及输电阻塞的储能选址筛选策略,初步确定储能节点,包括如下步骤:
s31、当系统节点较多时,将每个节点都考虑进去会导致计算量的增加,为了减少计算量和节约计算时间,可先对没有安装储能的系统进行潮流优化,根据输电阻塞风险程度,初步确定储能节点,以没有安装储能的系统运行经济性为目标构建模型:
c=min(f1+f2+f3)
其中:c表示没有安装储能的系统的最优运行成本;
s32、建立等式或不等式约束:
0≤pw.dn(t)≤pwp.dn(t)
0≤|pdk(t)-pdk(t-1)|≤rdk
|pdl(t)|≤plmax
s33、定义输电阻塞风险指标为:
其中:hl表示输电线路l发生输电阻塞的风险指标值,风险指标值越大越容易发生输电阻塞;
s34、根据定义的阈值,选择出风险指标值大于阈值的所有输电线路,将选择出的输电线路两端的可行节点作为初步确定的储能节点。
具体的,所述步骤s4中,基于改进佳点集的种群初始化策略包括如下步骤:
s41、先给出初始种群个体的实数编码:
其中:esi为实数编码下个体i的初始解,an为初步确定的储能节点的总数,
s42、传统佳点集只能是处理连续变量,本文对传统方法进行改进,提出一种能处理离散变量的改进佳点集策略,通过将离散变量连续化来处理原有的离散变量,即将
s43、使用佳点集策略更新连续变量
其中:aj,max和aj,min为
s44、对使用佳点集策略更新后得到的
s45、使用步骤s44离散化后得到的
具体的,差分进化算法(differentevolution,de)具有的全局搜索能力,但de算法通常只适用于连续变量的优化,本发明中需要对离散变量进行优化,则需要提出一种新的适合离散变量优化的变异策略;因此,在所述步骤s10中,对差分进化算法的变异策略进行改进,提出一种考虑离散特性的种群个体变异处理策略处理离散变量;传统de算法的变异算子为
其中:gi为种群的第i次迭代,gmax为种群的总迭代次数,α为(0.5,1)之间的随机数;当cs<α时,说明此时进化处于前期,需要大范围寻优,此时应在扰动范围内进行多点变异策略(本案选择在扰动范围内进行2点随机变异),即两点以上变异;当cs≥α时,说明此时进化进入后期,不宜进行大范围内寻优,为提高局部搜索效率,应选择在扰动范围内进行单点随机变异。
有益效果:储能系统在电力系统中将发挥着重要作用,本发明在传统储能优化配置模型的基础上考虑储能因分时电价带来的收益对成本的影响,建立了储能选址定容的双层优化模型,相对于现有技术,具有如下优势:1、针对配电网中储能配置优化问题,以系统综合运行成本为目标,提出储能配置的双层优化模型,采用改进离散差分算法和内点法相结合的方法对模型进行分解和迭代求解,节约了求解时间,提高了求解效率;2、通过求解本发明提出的储能配置双层优化模型,有效减少了弃风和弃光量,降低了系统综合运行成本,提高了系统整体运行的经济性和系统对风光能源的消纳能力;3、本发明所提出的储能待安装节点筛选策略降低了求解过程的计算量,进一步提高计算和优化效率。
附图说明
图1为本发明的总体流程示意图;
图2为非夏季电度单价及时段分布图;
图3为夏季电度单价及时段分布图;
图4为改进de变异过程图。
具体实施方式
下面结合附图对本发明作更进一步的说明。
如图1所示为一种新能源接入下计及输电阻塞的储能快速优化配置方法,下面就各个步骤加以具体说明。
步骤1:获取系统内各新能源机组的典型出力和典型负荷。
步骤2:对系统建立考虑分时电价的储能双层优化配置模型,储能双层优化配置模型包括未考虑储能的外层模型和考虑储能的内层模型。
(1)建立成本函数:
(a1)常规机组的燃料成本f1:
其中:ak、bk和ck分别表示常规机组k的正常运行的成本系数,pdk(t)表示常规机组k在第d个运行日的t时刻的日前预测出力值,n表示常规机组总数,d表示一年内的运行日总数,每个运行日按小时划分出24个时刻;
(a2)新能源机组弃风光的惩罚价格f2:
其中:ρdro.n(t)表示t时刻新能源机组n的弃风弃光惩罚系数,
(a3)切负荷惩罚成本f3:
其中:λi表示储能节点i处的切负荷惩罚系数,plc.di(t)表示t时刻储能节点i处的切负荷量,i表示储能节点总数;
(a4)储能典型日内等效投资成本f4:
其中:ce和cp分别表示储能的单位容量成本系数和单位功率成本系数,en和pn分别表示储能的最大输出容量和最大输出功率,
(a5)储能分时电价收益f5:
储能具有实现能量在时间上的转移的作用,合理的调度能够使储能带来经济收益。如图1和图2所示,该图分别显示了某省非夏季与夏季的电度单价和时段分布。当选择储能谷时段和平时段充电,峰时段放电,便能造成经济收益。所以在考虑系统运行的综合成本时需要从以上成本中减去因储能调度带来的经济效益。
其中:pdis.d(t)和pch.d(t)分别表示储能在第d个运行日的t时刻的放电功率和充电功率,ξdis.d(t)=1表示储能在第d个运行日的t时刻放电,ξdis.d(t)=0表示储能在第d个运行日的t时刻不放电,ξch.d(t)=1表示储能在第d个运行日的t时刻充电,ξch.d(t)=0表示储能在第d个运行日的t时刻不充电,md(t)表示第d个运行日的t时刻的电价,f5一般小于0;
(2)建立目标函数
(b1)外层模型以系统综合运行成本和储能投资最低为优化目标,目标函数为:
f=min(f1+f2+f3+f4+f5)
(b2)内层模型在外层模型提供的储能节点和储能容量基础上,考虑各种运行约束,以系统综合运行成本最低为优化目标对含有储能的配电网进行潮流优化,目标函数为:
g=min(f1+f2+f3+f5)
(3)建立约束条件
(c1)发电机出力约束
其中:
(c2)发电机爬坡约束:
0≤|pdk(t)-pdk(t-1)|≤rdk
其中:rdk表示常规机组k所允许的最大爬坡速率;
(c3)系统备用旋转约束:
其中:ru(t)表示负荷旋转备用;
(c4)输电阻塞约束:
-plmax≤pdl(t)=alpin.d(t)≤plmax
其中:al表示输电线路l的灵敏度系数向量矩阵,al为1×(n-1)矩阵,pin.d(t)表示第d个运行日的t时刻,除平衡节点外的其余非平衡节点注入功率向量矩阵,pin.d(t)为(n-1)×1矩阵,pdl(t)表示输电线路l在第d个运行日的t时刻的输送功率,plmax表示输电线路l的最大输送功率;n为系统节点总数,系统节点包括平衡节点和非平衡节点;
(c5)储能电量约束:
socminen≤ed(t)≤socmaxen
其中:ed(t)表示第d个运行日的t时刻的储能电量,ηch和ηdis分别表示储能的充电效率和放电效率,socmax和socmin分别表示储能电量的上下限约束因子;
(c6)储能能量平衡约束
ed(0)=ed+1(0)
其中:ed(0)和ed+1(0)分别表示储能在第d个运行日和第d+1个运行日零时刻的储能容量。
步骤3:外层模型以系统综合运行成本和储能投资最低为优化目标,通过外层模型求解各时刻各输电线路的输送功率。
步骤4:根据各时刻各线路的输送功率建立计及输电阻塞的储能选址筛选策略,初步确定储能节点。
s41、当系统节点较多时,将每个节点都考虑进去会导致计算量的增加,为了减少计算量和节约计算时间,可先对没有安装储能的系统进行潮流优化,根据输电阻塞风险程度,初步确定储能节点,以没有安装储能的系统运行经济性为目标构建模型:
c=min(f1+f2+f3)
其中:c表示没有安装储能的系统的最优运行成本;
s42、建立等式或不等式约束:
0≤pw.dn(t)≤pwp.dn(t)
0≤|pdk(t)-pdk(t-1)|≤rdk
|pdl(t)|≤plmax
s43、定义输电阻塞风险指标为:
其中:hl表示输电线路l发生输电阻塞的风险指标值,风险指标值越大越容易发生输电阻塞;
s44、根据定义的阈值,选择出风险指标值大于阈值的所有输电线路,将选择出的输电线路两端的可行节点作为初步确定的储能节点。
步骤5:对初步确定的储能节点和储能容量进行实数编码,并采用基于改进佳点集的种群初始化策略进行优化,得到种群中的每个个体对应的储能节点和储能容量。
基于改进佳点集的种群初始化策略包括如下步骤:
s51、先给出初始种群个体的实数编码:
其中:esi为实数编码下个体i的初始解,an为初步确定的储能节点的总数,
s52、传统佳点集只能是处理连续变量,本文对传统方法进行改进,提出一种能处理离散变量的改进佳点集策略,通过将离散变量连续化来处理原有的离散变量,即将
s53、使用佳点集策略更新连续变量
其中:aj,max和aj,min为
s54、对使用佳点集策略更新后得到的
s55、使用步骤s54离散化后得到的
步骤6:内层模型以系统综合运行成本最低为优化目标,通过内层模型对系统进行潮流优化。
步骤7:针对种群中的每个个体,采用内点法求出内层模型中储能在各时刻的出力和对应的系统综合运行成本。
步骤8:将储能的最大出力作为额定功率,求出种群中的每个个体的系统综合运行成本。
步骤9:计算种群中的每个个体的适应度。
步骤10:判断是否达到最大迭代次数:如果达到最大迭代次数,则进入步骤11;否则,进入步骤12。
步骤11:得到适应度最好的个体并确定储能的位置和容量信息,转入步骤14。
步骤12:采用差分进化算法的交叉策略对种群中的个体进行交叉操作;针对离散变量的处理要求,对差分进化算法的变异策略进行改进,提出一种考虑离散特性的种群个体变异处理策略处理离散变量。
差分进化算法(differentevolution,de)具有的全局搜索能力,但de算法通常只适用于连续变量的优化,本发明中需要对离散变量进行优化,则需要提出一种新的适合离散变量优化的变异策略;因此,在所述步骤s12中,对差分进化算法的变异策略进行改进,提出一种考虑离散特性的种群个体变异处理策略处理离散变量;传统de算法的变异算子为
其中:gi为种群的第i次迭代,gmax为种群的总迭代次数,α为(0.5,1)之间的随机数;当cs<α时,说明此时进化处于前期,需要大范围寻优,此时应在扰动范围内进行多点变异策略(本案选择在扰动范围内进行2点随机变异),即两点以上变异;当cs≥α时,说明此时进化进入后期,不宜进行大范围内寻优,为提高局部搜索效率,应选择在扰动范围内进行单点随机变异。
步骤13:采用精英策略进行个体选择得到新种群,转入步骤7。
步骤14:输出结果,结束本次计算。
以上所述仅是本发明的优选实施方式,应当指出:对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。