一种考虑容量电价和负荷预测误差的储能系统容量配置方法技术方案

本发明专利技术公开了一种考虑容量电价和负荷预测误差的储能系统容量配置方法，属于电力系统技术领域。该方法基于分布式能源管理系统，将本地储能系统电池分为用于对日前预测负荷进行优化调度的优化调度部分以及用于对负荷预测误差导致的不确定性负荷进行优化补偿的应急部分，通过引入容量电价收费制度、储能系统经济性模型和最优充放电调度策略，以最小化单个用户整体日均成本为优化目标进行储能系统最优容量配置。本发明专利技术提出一种结合遍历迭代理论与双阶段优化理论的优化算法，采用混合整数线性规划模型来分别描述两阶段电池容量优化求解。对用户而言，提高了储能系统容量配置方法的科学性和准确性，对储能系统的研究推广具有重要科学意义和应用价值。

Capacity allocation method of energy storage system considering capacity price and load forecasting error

The invention discloses a capacity configuration method of energy storage system considering capacity price and load forecasting error, which belongs to the technical field of power system. This method is based on the distributed energy management system, the local storage system for battery optimized scheduling optimization of part before the load forecasting and for load forecasting error due to emergency part optimization compensation for uncertainty load, by introducing the capacity of electricity charging system, energy storage system, economic model and the optimal discharge scheduling strategy, with a minimum of individual users overall average daily costs as the optimization target of energy storage capacity optimal system configuration. In this paper, an optimization algorithm combining ergodic iteration theory and two-stage optimization theory is proposed, and the mixed integer linear programming model is used to describe the optimal solution of the two stage battery capacity respectively. For users, it improves the accuracy and accuracy of the energy storage system capacity allocation method, and has important scientific significance and application value for the research and promotion of energy storage system.

【技术实现步骤摘要】
一种考虑容量电价和负荷预测误差的储能系统容量配置方法
本专利技术涉及一种分布式能源管理系统考虑电力负荷预测不确定性的储能系统容量配置方法，通过引入容量电价收费制度、储能系统经济性模型和最优充放电调度策略，最小化用户的日均成本，面向城市电网用户端的优化问题，属于电力系统领域。
技术介绍
随着社会经济的发展和人民生活水平的不断提高，电力系统中负荷呈现出峰谷负荷差逐年增大，而最大负荷利用小时数却逐年下降的特点。负荷的不断增长导致负荷的峰谷差日益增大，进而导致电力系统的供需出现不平衡的现象。高峰电力短缺状况的频繁出现严重影响当地居民的正常生活质量和当地经济产业的发展，为了解决这种峰谷差，国家不得不斥巨资修建调峰电厂、抽水蓄能电站等进行调峰，成本较高且容易造成资源浪费。随着国务院和发改委一系列文件的发布，我国电力体制改革进程持续深入，售电业务也不断向社会开放，电价政策将呈现灵活性、个性化、精细化的特点。广东省优先进行电力市场交易规则试点，针对工商业中的电力大用户推出由容量电价和电量电价组成的两部制电价，并引入惩罚机制处理负荷峰值超过限额的用户。这种惩罚机制的引入促使了用户对自身电能使用进行优化，以提高效益。事实上，在以美国为代表的国外电力市场中，为了缓解高峰时段的电力短缺状况，普遍针对工商业用户采用名为“DemandCharge”的需求收费模式：用户的实际电费账单由两部分组成，一部分是按实际用电量来收费，单位是kWh，另一部分是按一段时间内的最大功率值收费，单位是kW。在收费周期内，如果用户峰值平均功率增加1kW，其产生的需求收费可与多用近百度电的电费相当。北美电力市场的需求收费模式与广东电力市场两部制收费模式非常类似，例如一个用户的用电需求时间序列是(p1,p2,…,pn)，那么该用户在该收费周期内的电费可以表示成c1·∑pi+c2·max{pi}，其中c1为针对实际用电量的电费收费，c2为针对需求用电量的需求收费。根据电费单结构不同，一般来说，峰值产生的费用会占到电费的20％～30％，对于一些大型商业用户或者特定的工业用户，需求收费所占电费比例会增大，部分用户甚至达到50％。因此，通过一定的手段削减用户用电的峰值，能够直接带来费用上的收益。为了解决上述问题，储能技术被引入到电力系统中。用户侧储能是一种重要的储能技术，区别于发电侧储能与输、配电级储能，单体项目要小得多，更接近普通电力用户。该种储能方式可以有效的实现需求侧管理，具有消除峰谷差，平滑负荷，促进新能源的利用，降低供电成本等功能，具有广泛的研究价值。在现阶段实际运用中，研究人员通过分布式能源管理系统来实现上述功能，即系统主要由本地端能源管理系统及远程服务器构成，远程服务器定期存储本地端发送的用户电力负荷使用情况，通过设计好的负荷预测算法实现高精度的负荷预测功能并将预测结果定时发送给本地端；本地端结合负荷预测情况计算理想最大峰值，并控制储能系统充放电确保在实际负荷情况下实现优化目标，通过将电池分为两部分，基础优化部分电池用于对理想预测负荷进行优化，备用部分电池则用于弥补负荷预测不准造成的随机性误差。在储能系统削峰优化及最小化电力成本方面的研究过程中，储能系统容量往往是决定优化结果的一个关键因素。而由于储能系统成本昂贵，实际最佳容量的往往取决于各种因素，例如储能系统成本、电网收费机制、负载曲线、电网端的限制、甚至负荷预测算法准确性等等，如何结合实际应用场景选择合适大小的储能系统往往是该类优化问题的关键，即最大化净效益。
技术实现思路
本专利技术的目的在于针对现有技术的不足，提供一种考虑容量电价和负荷预测误差的储能系统容量配置方法，该方法基于分布式能源管理系统，将本地储能系统电池分为两部分：用于对日前预测负荷进行优化调度的优化调度部分以及用于对负荷预测误差导致的不确定性负荷进行优化补偿的应急部分，通过引入容量电价收费制度、储能系统经济性模型和最优充放电调度策略，以最小化单个用户整体日均成本为优化目标，进行储能系统最优容量配置。特别的,本方法提出一种结合遍历迭代理论与双阶段优化理论的优化算法，采用混合整数线性规划模型来分别描述两阶段电池容量优化求解。本专利技术的目的是通过以下技术方案来实现的：一种考虑容量电价和负荷预测误差的储能系统容量配置方法，包括以下步骤：(1)获取用户的历史用电负荷，通过获取分布式能源管理系统数据库中存储的历史数据，采用K均值聚类的方法将负荷分为典型工作日、非典型工作日和休息日三种情况，保留具有实际优化意义的典型工作日负荷数据；选用每小时的电力负荷的平均值，即1天24个数据点进行分析；(2)获取用户的历史预测负荷，通过改进支持向量回归负荷预测算法，加入温度、天气影响因子，基于用户历史数据设计训练集、调整参数，训练模型，获得未来预测负荷；(3)针对容量电价收费制度进行数学建模，实际电费由两部分组成：一部分按照用户用电总量来收费，另外一部分按照一定收费周期内用户用电功率的最大峰值来收费，满足以下公式：EB＝Cpeak*Ptarget+CE*Etotal其中，EB为用户总电费，Cpeak为针对最大峰值收取的需求费用，Ptarget为日内最大峰值，CE为用户每使用1kWh电所花费的电费，Etotal为日内用电总量；(4)由于储能系统削峰优化针对单日负荷进行操作，故需要计算储能系统日均成本，日均成本Ccd满足以下公式：其中，Ccy表示储能系统年均成本，Cref表示储能系统电池容量，OM表示储能系统年均维护成本，FC表示每安装1kWh电池所需的固定成本，Co表示安装整套储能设备需要的附加成本，i表示储能系统返利率，l表示储能系统设计使用年限；(5)将储能系统电池容量Cref分为Cref1、Cref2两部分，其中Cref1为针对预测负荷执行优化调度功能的电池容量，Cref2为针对真实负荷与预测负荷偏差进行补偿的应急部分电池容量；(6)最小化单个用户的日均成本，日均成本包括用户单日用电费用与储能系统日均成本，定义目标函数fc，其表达式如下：fc＝Cpeak*Ptarget+CE*Etotal+Ccd1*Cref1+Ccd2*Cref2其中Ccd1，Ccd2为两部分电池各自的日均成本；目标函数fc通过一种将遍历理论与双阶段优化理论相结合的优化算法进行求解，具体实现步骤为假定每次双阶段优化过程中Ptarget为一个常数，分别进行双阶段优化依次求解Cref1、Cref2，第一阶段优化得到的结果作为常数参数输入到第二阶段优化中求解Cref2，整个优化过程在合理范围内按一定的步长遍历Ptarget，分别计算日均电费与储能系统日均成本，遍历结束后可得到总经济效益最好的一组解；(7)进行第一阶段优化：假设负荷预测完全准确，针对储能系统优化调度部分电池充放电过程建立混合整数线性规划模型，根据电池充放电功率限制和电池电荷状态限制构建约束条件，约束条件表达式如下：minfstageI＝minCcd1*Cref1其中：fstageI表示第一阶段的优化目标，表示电池充电功率，表示储能系统逆变器最大充电功率，表示电池放电功率，表示逆变器最大放电功率。uone(t)为0-1变量，用以控制储能系统同一时刻下只能充电或者放电，其中1为充电情况，0为放电情况。表示t时刻该阶段电池的实际电本文档来自技高网...

【技术保护点】
一种考虑容量电价和负荷预测误差的储能系统容量配置方法，其特征在于，包括以下步骤：(1)获取用户的历史用电负荷，通过获取分布式能源管理系统数据库中存储的历史数据，采用K均值聚类的方法将负荷分为典型工作日、非典型工作日和休息日三种情况，保留具有实际优化意义的典型工作日负荷数据；选用每小时的电力负荷的平均值，即1天24个数据点进行分析；(2)获取用户的历史预测负荷，通过改进支持向量回归负荷预测算法，加入温度、天气影响因子，基于用户历史数据设计训练集、调整参数，训练模型，获得未来预测负荷；(3)针对容量电价收费制度进行数学建模，实际电费由两部分组成：一部分按照用户用电总量来收费，另外一部分按照一定收费周期内用户用电功率的最大峰值来收费，满足以下公式：EB＝Cpeak*Ptarget+CE*Etotal其中，EB为用户总电费，Cpeak为针对最大峰值收取的需求费用，Ptarget为日内最大峰值，CE为用户每使用1kWh电所花费的电费，Etotal为日内用电总量；(4)计算储能系统日均成本，日均成本Ccd满足以下公式：

【技术特征摘要】
1.一种考虑容量电价和负荷预测误差的储能系统容量配置方法，其特征在于，包括以下步骤：(1)获取用户的历史用电负荷，通过获取分布式能源管理系统数据库中存储的历史数据，采用K均值聚类的方法将负荷分为典型工作日、非典型工作日和休息日三种情况，保留具有实际优化意义的典型工作日负荷数据；选用每小时的电力负荷的平均值，即1天24个数据点进行分析；(2)获取用户的历史预测负荷，通过改进支持向量回归负荷预测算法，加入温度、天气影响因子，基于用户历史数据设计训练集、调整参数，训练模型，获得未来预测负荷；(3)针对容量电价收费制度进行数学建模，实际电费由两部分组成：一部分按照用户用电总量来收费，另外一部分按照一定收费周期内用户用电功率的最大峰值来收费，满足以下公式：EB＝Cpeak*Ptarget+CE*Etotal其中，EB为用户总电费，Cpeak为针对最大峰值收取的需求费用，Ptarget为日内最大峰值，CE为用户每使用1kWh电所花费的电费，Etotal为日内用电总量；(4)计算储能系统日均成本，日均成本Ccd满足以下公式：其中，Ccy表示储能系统年均成本，Cref表示储能系统电池容量，OM表示储能系统年均维护成本，FC表示每安装1kWh电池所需的固定成本，Co表示安装整套储能设备需要的附加成本，i表示储能系统返利率，l表示储能系统设计使用年限；(5)将储能系统电池容量Cref分为Cref1、Cref2两部分，其中Cref1为针对预测负荷执行优化调度功能的电池容量，Cref2为针对真实负荷与预测负荷偏差进行补偿的应急部分电池容量；(6)最小化单个用户的日均成本，日均成本包括用户单日用电费用与储能系统日均成本，定义目标函数fc，其表达式如下：fc＝Cpeak*Ptarget+CE*Etotal+Ccd1*Cref1+Ccd2*Cref2其中Ccd1，Ccd2为两部分电池各自的日均成本；目标函数fc通过一种将遍历理论与双阶段优化理论相结合的优化算法进行求解，具体实现步骤为假定每次双阶段优化过程中Ptarget为一个常数，分别进行双阶段优化依次求解Cref1、Cref2，第一阶段优化得到的结果作为常数参数输入到第二阶段优化中求解Cref2，整个优化过程在合理范围内按一定的步长遍历Ptarget，分别计算日均电费与储能系统日均成本，遍历结束后可得到总经济效益最好的一组解；(7)进行第一阶段优化：假设负荷预测完全准确，针对储能系统优化调度部分电池充放电过程建立混合整数线性规划模型，根据电池充放电功率限制和电池电荷状态限制构建约束条件，约束条件表达式如下：minfstageI＝minCcd1*Cref1其中：fstageI表示第一阶段的优化目标，表示电池充电功率，表示储能系统逆变器最大充电功率，表示电池放电功率，表示逆变器最大放电功率；uone(t)为0-1变量，用以控制储能系统同一时刻下只能充电或者放电，其中1为充电情况，0为放电情况；表示t时刻该阶段电池的实际电荷容量，ηcharge表示电池充电效率，Δt表示时间间隔，ηdischarge表示电池放电效率，SOCmin表示电池最小可用容量，SOCmax表示电池最大可用容量，SoCini为起始时刻电池电荷容量，为初始时刻的储能系统电荷容量，为单日结束时刻储能系统的电荷容量，为电网端实际负...

【专利技术属性】
技术研发人员：杨秦敏，李越，王旭东，陈积明，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33