光伏温室微能网系统多形态储能配置方法及系统技术方案

本发明专利技术实施例提供一种光伏温室微能网系统多形态储能配置方法及系统，该方法包括：建立双层规划模型，双层规划模型包括上层规划模型及下层规划模型，上层规划模型用于以光伏温室微能网系统的一年内投资运行费用低为目标优化配置多形态储能装置的储能容量，下层规划模型用于以光伏电源就地消纳程度大为目标优化一天内各可时移负荷工作状态量及各形态储能装置的输入输出功率；获取光伏温室微能网系统的若干个典型场景日的预测数据及场景日发生天数；根据典型场景日的预测数据对双层规划模型求解，获得光伏温室微能网系统的各形态储能装置的最优储能容量。本发明专利技术实施例实现全年各类气象场景与温室作业场景下光伏发电的高比例就地消纳。

【技术实现步骤摘要】
光伏温室微能网系统多形态储能配置方法及系统
本专利技术实施例涉及能源
，更具体地，涉及一种光伏温室微能网系统多形态储能配置方法及系统。
技术介绍
作为能源互联网的延伸，含有多形态能源的微能网概念的提出为解决分布式发电就地消纳问题提供了新的思路。光伏发电在广大农村地区取得了广泛应用，其中光伏温室大棚是光伏发电与设施农业相结合的典型应用，形成了以现代种植业为主的光伏温室微能网系统。这种光伏温室微能网系统将多能互补控制技术与现代农业种植技术相结合，充分发挥太阳能、生物质能以及新型农业负荷的优势，通过优化调控实现对太阳能“就地收集、就地储存、就地使用”的过程，最终达到促进光伏温室大棚内农作物生长的目的。而“就地储存”环节在优化调控过程中发挥至关重要的能量时空搬移作用，以达成储存光伏电源峰值出力并在出力低谷时段向负荷提供能量的目的，因而如何配置储能类型与容量成为该项技术成功实施的关键前提。目前，有关微能网的研究大多是在概念、架构上的讨论，针对光伏温室微能网系统储能优化配置的研究还未见报道。现有技术中，含光伏电源的微电网中通常采用以蓄电池为主的电储能，储能形式单一且投资及维护成本随蓄电池安装容量的增加而激增，使得微电网中储能容量配置较为保守，且造价与维护费用昂贵；并且以经济性为目标的微电网能量优化调度策略，归根结底是利用储能的能量时空搬移作用实现的，因此蓄电池储能的频繁充放电操作无法避免，储能寿命受频繁充放电影响大大缩短。相比于目前广泛研究的微电网系统中电储能配置而言，光伏温室微能网具有电、热、水等多种能源形态的负荷，因此可以配置多种能源形态的储能，而传统的单一蓄电池的微电网储能优化配置方法在光伏温室微能网系统多形态储能配置中不再适用。
技术实现思路
为了解决上述问题，本专利技术实施例提供一种克服上述问题或者至少部分地解决上述问题的光伏温室微能网系统多形态储能配置方法及系统。根据本专利技术实施例的第一方面，提供一种光伏温室微能网系统多形态储能配置方法，该方法包括：建立双层规划模型，双层规划模型包括上层规划模型及下层规划模型，上层规划模型用于以光伏温室微能网系统的一年内投资运行费用低为目标优化配置多形态储能装置的储能容量，下层规划模型用于以光伏电源就地消纳程度大为目标优化一天内各可时移负荷工作状态量及各形态储能装置的输入输出功率；多形态储能包括蓄水池、沼气池、相变蓄热装置以及蓄电池中的至少两种；获取光伏温室微能网系统的若干个典型场景日的预测数据及场景日发生天数，预测数据包括光伏发电预测数据及光伏温室进行生产活动的各类型负荷预测数据；根据典型场景日的预测数据对双层规划模型求解，获得光伏温室微能网系统的各形态储能装置分别对应的最优储能容量。根据本专利技术实施例第二方面，提供了一种光伏温室微能网系统多形态储能配置系统，该系统包括：建立模块，用于建立双层规划模型，双层规划模型包括上层规划模型及下层规划模型，上层规划模型用于以光伏温室微能网系统的一年内投资运行费用低为目标优化配置多形态储能装置的储能容量，下层规划模型用于以光伏电源就地消纳程度大为目标优化一天内各可时移负荷工作状态量及各形态储能装置的输入输出功率；多形态储能包括蓄水池、沼气池、相变蓄热装置以及蓄电池中的至少两种；获取模块，用于获取光伏温室微能网系统的若干个典型场景日的预测数据及场景日发生天数，预测数据包括光伏发电预测数据及光伏温室进行生产活动的各类型负荷预测数据；求解模块，用于根据典型场景日的预测数据对双层规划模型求解，获得光伏温室微能网系统的各形态储能装置分别对应的最优储能容量。本专利技术实施例提供的光伏温室微能网系统多形态储能配置方法及系统，通过光伏温室微能网系统的若干个典型场景日的预测数据对双层规划模型求解，获得光伏温室微能网系统的各形态储能装置分别对应的最优储能容量，从而能够对多种能源形态的储能装置的储能容量进行配置，既能满足多形态负荷的需求又能降低储能投资与运行维护成本，实现全年各类气象场景与温室作业场景下光伏发电的高比例就地消纳。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些图获得其他的附图。图1为本专利技术实施例提供的光伏温室微能网系统多形态储能配置方法的流程示意图；图2为本专利技术实施例提供的光伏温室微能网系统的结构示意图；图3为本专利技术另一实施例提供的光伏温室微能网系统多形态储能配置方法的流程示意图；图4为本专利技术实施例提供的光伏温室微能网系统多形态储能配置系统的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。针对现有技术中采用单一能源形态进行储能，无法满足多能源形态配置的需求，本专利技术实施例提供一种光伏温室微能网系统多形态储能配置方法。参见图1，该方法包括：101、获取光伏温室微能网系统的若干个典型场景日的预测数据及场景日发生天数，预测数据包括光伏发电预测数据及光伏温室进行生产活动的各类型负荷预测数据。其中，多形态储能至少包括以下形态：蓄水池、沼气池、相变蓄热装置以及蓄电池中的至少两种，本专利技术实施例对具体形态不作限定。各类型负荷包括可时移电负荷、热负荷和势能负荷等。典型场景日的预测数据是一天内的光伏发电预测数据及各类型负荷预测数据。102、建立双层规划模型，双层规划模型包括上层规划模型及下层规划模型，上层规划模型用于以光伏温室微能网系统的一年内投资运行费用低为目标优化配置多形态储能装置的储能容量，下层规划模型用于以光伏电源就地消纳程度大为目标优化一天内各可时移负荷工作状态量及各形态储能装置的输入输出功率；多形态储能包括蓄水池、沼气池、相变蓄热装置以及蓄电池中的至少两种。其中，本专利技术实施例对上层规划模型及下层规划模型的具体的函数表达式不作限定，只需上层规划模型以实现该系统的一年内运行费用尽量低为目标来配置获得各形态储能装置的最优储能容量，而下层规划模型以光伏电源就地消纳程度尽可能大为目标优化配置一天内各可时移负荷工作状态量(即可时移负荷工作计划或功率)及各形态储能装置的输入输出功率。另外，步骤101和步骤102的执行顺序可以互换。103、根据典型场景日的预测数据对双层规划模型求解，获得光伏温室微能网系统的各形态储能装置分别对应的最优储能容量。具体地，基于建立的上述双层规划模型，在根据典型场景日的预测数据对双层规划模型进行求解时，由于广义来说，双层规划模型中下层规划模型的解是上层规划模型的计算参数，因此，在求解过程中可先基于下层规划模型计算得到一天内各可时移负荷工作状态量及各形态储能装置的输入输出功率，然后再对上层规划模型进行求解，最终获得最优储能容量。本专利技术实施例提供的光伏温室微能网系统多形态储能配置方法，通过光伏温室微能网系统的若干个典型场景日的预测数据对双层规划模型求解，获得光伏温室微能网系统本文档来自技高网...

【技术保护点】
1.一种光伏温室微能网系统多形态储能配置方法，其特征在于，包括：建立双层规划模型，所述双层规划模型包括上层规划模型及下层规划模型，所述上层规划模型用于以所述光伏温室微能网系统的一年内投资运行费用低为目标优化配置多形态储能装置的储能容量，所述下层规划模型用于以光伏电源就地消纳程度大为目标优化一天内各可时移负荷工作状态量及所述各形态储能装置的输入输出功率；所述多形态储能包括蓄水池、沼气池、相变蓄热装置以及蓄电池中的至少两种；获取光伏温室微能网系统的若干个典型场景日的预测数据及场景日发生天数，所述预测数据包括光伏发电预测数据及光伏温室进行生产活动的各类型负荷预测数据；根据所述典型场景日的预测数据对双层规划模型求解，获得所述光伏温室微能网系统的各形态储能装置分别对应的最优储能容量。

【技术特征摘要】
1.一种光伏温室微能网系统多形态储能配置方法，其特征在于，包括：建立双层规划模型，所述双层规划模型包括上层规划模型及下层规划模型，所述上层规划模型用于以所述光伏温室微能网系统的一年内投资运行费用低为目标优化配置多形态储能装置的储能容量，所述下层规划模型用于以光伏电源就地消纳程度大为目标优化一天内各可时移负荷工作状态量及所述各形态储能装置的输入输出功率；所述多形态储能包括蓄水池、沼气池、相变蓄热装置以及蓄电池中的至少两种；获取光伏温室微能网系统的若干个典型场景日的预测数据及场景日发生天数，所述预测数据包括光伏发电预测数据及光伏温室进行生产活动的各类型负荷预测数据；根据所述典型场景日的预测数据对双层规划模型求解，获得所述光伏温室微能网系统的各形态储能装置分别对应的最优储能容量。2.根据权利要求1所述的方法，其特征在于，所述上层规划模型的目标函数为所述各形态储能装置分别对应的年投资费用及所述光伏温室微能网系统的年运行维护费用之和；所述上层规划模型的约束条件为所述各形态储能装置分别对应的储能容量的范围。3.根据权利要求2所述的方法，其特征在于，所述光伏温室微能网系统的年运行维护费用为：式中：ds为一年中场景s发生的总天数；N为场景总数；Pcx,i为第i时段微能网系统与配电网间购售电交换功率，购电时取正，售电时取负；Cp,i为i时段实际分时电价，Pcx,i＜0时取该时段的售电分时电价，Pcx,i＞0时取该时段的购电分时电价；PXU,i为第i时段蓄水池功率；CXU_om为蓄水池单位功率维护费用；PZHAO,i为第i时段沼气池功率；CZHAO_om为沼气池单位功率生产维护费用；PRE,i为第i时段相变蓄热装置功率；CRE_om为相变蓄热装置单位功率维护费用；Pbt,i为第i时段蓄电池充放电功率，放电为正，充电为负；Cbt_om为蓄电池单位功率维护费用；Ppv,i为第i时段光伏发电功率；Cpv_om为光伏发电单位功率维护费用。4.根据权利要求1所述的方法，其特征在于，所述下层规划模型的目标函数为一天内负荷用能量与光伏发电量之间差值的平方和；所述下层规划模型的约束条件包括电能平衡约束、热能平衡约束、势能平衡约束、所述光伏温室微能网系统与配电网功率交换约束、各形态储能装置空间约束、可时移负荷连续性工作状态约束、可时移负荷不可工作时段约束及所述各形态储能装置的输入输出状态量互斥约束。5.根据权利要求4所述的方法，其特征在于，所述下层规划模型的目标函数为：式中：Pi为优化后的i时段负荷功率；Ppvi为i时段光伏电源发电功率预测值；Pi由i时段的不可时移负荷、可时移负荷以及储能的输入输出能量组成：Pi＝Pdxi+Pmovei+Pci式中:Pdxi为i时段不可时移负荷总用能量；Pmovei为i时段可时移电、热、势能负荷功率；Pci为i时段储能总输入功率。6.根据权利要求5所述的方法，其特征在于，Pmovei为：式中:n为可时移电负荷个数；m为可时移势能负荷个数；v为可时移热负荷的个数；Pej为第j种可时移电负荷的功率，kW；Ppj为第j种可时移势能负荷的功率，kW；Pqj分别对应第j种可时移热负荷的功率，kW；xej,i为第i调度时段第j种类型可时移电负荷的工作状态量，0表示处于不工作状态，1表示处...

【专利技术属性】
技术研发人员：王维洲，刘福潮，郑晶晶，牛焕娜，王钰竹，周治伊，张建华，彭晶，郑伟，智勇，廖志军，殷平，陈婷，拜润卿，刘文飞，
申请(专利权)人：国网甘肃省电力公司电力科学研究院，国网甘肃省电力公司，国网江西省电力有限公司，中国农业大学，
类型：发明
国别省市：甘肃,62