一种多时间尺度分布式储能聚合调峰方法与流程

本发明涉及电网调峰，尤其涉及一种多时间尺度分布式储能聚合调峰方法。

背景技术：

1、风电、光伏发电作为新型能源革命的产物，在电力系统中的占比不断上升，因其具有出力间歇性和波动性的特点，给新型电力系统的发展带来了巨大挑战。分布式储能储能具有响应速度快、灵活可调、便于精准控制与双向调节等特点，电力系统可通过安装分布式储能装置参与需求响应，实现削峰填谷，减少电网的调峰压力，提高电网对新能源的消纳能力及运行效率。然而分布式储能具有布局分散、个体容量小且可控性较差的特点，其独立接入电网后的无序运行会对电力系统的安全性和可靠性造成严重影响，因而难以直接为电网调用。如何对分布式储能进行集群控制管理对于提高电网稳定调度运行意义重大。

2、目前，国内外对于分布式储能参与电网调峰的研究中大多引入聚合商，对分布式储能进行聚合管理能够充分挖掘其调控潜力，聚合后的分步式储能参与电网调峰具有快速调节、灵活调度等优势。现有涉及分布式储能聚合参与电网调峰优化技术中，一种多能源互联网下分布式储能聚合参与电网调峰策略(zl202111552265.9)提出了一种在多能源互联网下分布式储能聚合参与电网调峰的方法，侧重于分布式储能聚合与多能源协同运行多目标优化的模型建立，并采用启发式智能算法对模型优化求解；一种分布式储能参与系统调峰需求响应的聚合方法(zl202211512482.x)提出了考虑分类聚合不同类型的分布式储能资源以提高聚合后的储能参与电网调峰需求响应的效率，侧重于优化电动汽车储能这类分布式储能资源聚合在时序和规模上的可靠性，属于日前调度的范畴；一种分布式储能协同控制方法(zl202110333872.x)，综合考虑分布式储能充放电折旧成本、建设成本、运维成本等多个指标建立分布式储能聚合调峰模型，采用自然选择的粒子群算法替代传统粒子群算法求解各分布式储能的出力情况，提高各分布式储能电站的调峰潜力。

3、以上几种专利方法都主要是解决了分布式储能聚合参与电网调峰的日前调度优化模型，都是以调度成本最低为目标对分布式储能聚合调度模型进行优化，制定最优调度策略，但电力系统在实时调度过程中，往往会出现分布式储能聚合商实际充放电出力与日前预测不一致的情况，导致电网调峰成本增加、聚合商获利减少等局面，难以有效实现削峰填谷的效果。

4、基于此，本发明提出一种多时间尺度分布式储能参与电网调峰方法。

技术实现思路

1、为解决上述问题，本发明提出一种多时间尺度分布式储能聚合调峰方法。

2、为了实现上述的技术目的，本发明所采用的技术方案为：

3、一种多时间尺度分布式储能聚合调峰方法，包括如下步骤：

4、1)获取在日前调度阶段，电力交易中心公布的次日深度调峰、削峰时段以及电量；

5、2)通过聚合商对所辖内分布式储能历史数据进行行为特性预测；

6、3)聚合商采用阶梯报价制定日前报价最优策略；

7、4)电力交易中心以调峰调度成本最小为目标建立日前调度优化模型；

8、5)考虑实际聚合可控容量与预测偏差调度成本和储能电池损耗成本，以聚合商自身利益最大化为目标建立聚合商实时调度优化模型；

9、6)引入混沌策略改进蝗虫优化算法，求解实际调度优化模型的最优解；

10、7)最终确定调度周期内各时段聚合商出力情况。

11、作为一种可能的实施方式，进一步，步骤1)中所述电量包括各时段需要的深度调峰电量和削峰电量。

12、作为一种可能的实施方式，进一步，步骤2)中通过聚合商对所辖内分布式储能历史数据进行行为特性预测，具体为：聚合商基于所辖内分布式储能历史行为特性预测次日的聚合可控容量。

13、作为一种可能的实施方式，进一步，步骤3)中聚合商采用阶梯报价制定日前报价最优策略，具体为：聚合商按照阶梯报价制定次日调峰最优策略参与竞价，并将报价策略上报至电力交易中心；

14、对任意深度调峰时段t∈tv，分布式储能聚合商(desap)首先确定该时段的投标电量；

15、

16、式中，tv为深度调峰的时段，ec lim,t为desap在时间尺度t上聚合的分布式储能资源可充电调度潜力，rv(t)为电网在t时段所需的深度调峰电量。

17、阶梯报价策略时，desap分m段报价，各段报价和投标电量满足下式：

18、

19、

20、

21、式中pdv(t,m)、分别为t时段desap第m个申报价格和投标电量，为desap的申报价格上限。

22、作为一种可能的实施方式，进一步，步骤4)中电力交易中心以调峰调度成本最小为目标建立日前调度优化模型，具体为：电力交易中心以调峰调度成本最小为目标制定日前调度计划，建立日前调度优化模型，表达如下：

23、

24、

25、

26、

27、

28、式中，cv为深度调峰调度成本；pmv(t)为t时段深度调峰市场的需求侧边际成本；为t时段深度调峰市场desap第m个中标电量；puv(t,n)、分别为t时段深度调峰机组的第n个申报价格、投标电量和中标电量。

29、作为一种可能的实施方式，进一步，步骤5)具体为：考虑实际聚合可控容量与预测偏差调度成本和储能电池损耗成本，以聚合商自身利益最大化为目标建立聚合商实时调度优化模型，执行充放电出力优化计划，分布式储能聚合商实时调度优化模型目标函数为：

30、

31、

32、

33、式中，f为聚合商获得的利益；t为实时调度的时间尺度；x为某分布式储能；x为t时段参与聚合的闲置分布式储能数量；pc(x,t)、pdis(x,t)分别表示分布式储能x在t时段的充电功率和放电功率；δt为一个调度时段；pt是t时段能量市场的价格；closs表示desap需向分布式储能用户支付的电池损耗补偿费用；cdv、cp分别是深度调峰和削峰的实际补偿费用，削峰实际补偿费用的计算函数与深度调峰一致；α为缺额单位电量罚款；β为充/放单位电能折合的电池损耗费用率；pc(t)、pdis(t)分别为x个分布式储能在t时段的充电功率和放电功率。

34、作为一种可能的实施方式，进一步，为了避免desap过响应能量市场的价格信号，对其出力设置如下约束：

35、

36、

37、式中，p1(t)分别为初始负荷和计及desap出力后的负荷；ε为相邻时段负荷允许的变化率。

38、作为一种可能的实施方式，进一步，步骤6)中引入混沌策略改进蝗虫优化算法，其中混沌初始化步骤如下：

39、s1：随机产生一个d维的每个分量在[0,1]之间的向量zi＝[zi1,zi2,…zid]。

40、s2：根据logistic映射得到混沌序列：

41、zij＝μzij(1-zij)   (223)

42、(j＝1,2,…,d)

43、式中μ是控制参数，当μ＝4时处于完全混沌状态；

44、s3：将混沌序列zi的各个分量映射到变量的取值范围，得到m个个体:

45、xij＝blj+(buj-blj)zij#(24)

46、式中，xij表示蝗虫个体位置；i表示种群规模，i＝1,2,…，m；j表示混沌序号，对应个体空间维度，j＝1,2,…,d；[blj,buj]表示蝗虫个体位置的搜索范围。

47、s4：计算个体适应度函数值，从m个蝗虫个体中选择适应度值较好的n个作为蝗虫优化算法的初始种群规模

48、采用上述的技术方案，本发明与现有技术相比，其具有的有益效果为：

49、本发明考虑了分布式储能聚合商在实时调度过程中电池损耗对电网调峰能力的影响，并采用了引入混沌策略的改进蝗虫优化算法对调度模型进行优化求解，提高收敛精度和搜索速度，最终确定各时段聚合商的出力情况，电网基于和出力预测值的误差进行罚款以降低电网调峰成本，结果表明该方法能够在满足电网调峰调度成本最小的目标下，提高分布式储能聚合参与电网调峰的经济性，并且达到了削峰填谷的效果。

50、此外，本发明采用引进混沌策略的蝗虫优化算法对模型最优值进行求解，相较于传统蝗虫优化算法，收敛速度更快、精度更高且全搜索能力更强，更易得出聚合商最优出力情况。