A coordinated optimal dispatching method for regional charging and storage integrated power plant microgrid group includes the following steps: taking into account the demand for electric vehicles and the stochastic characteristics of photovoltaic and wind power generation, establishing charging and discharging models, photovoltaic and wind power models of charging and switching power plants, establishing life loss cost models of integrated power plants and operation loss models, and constructing regional integration. The mathematical model of coordinated optimal dispatch of microgrid group in power plant is established; the decomposition of optimal dispatch plan is arranged into power batteries and energy storage batteries in integrated power plant by dual theory and its decentralization; the coordinated dispatch and battery charging and discharging of charging and exchanging power plants and energy storage power stations in integrated power plant are optimized by rolling window optimization method. The method of the invention provides theoretical basis and technical support for the construction of electric vehicle charging and switching infrastructure, and is beneficial to improving the economic benefits of the operation of power grid, micro-grid and its charging and switching power station.
【技术实现步骤摘要】
一种区域充换储一体化电站微电网群协调优化调度方法
本专利技术涉及微网运行优化
,具体是一种区域充换储一体化电站微电网群协调优化调度方法。
技术介绍
将电动汽车(EV)通过充换电站接入新能源微电网,可以有效缓解大规模EV接入电网带来的负面影响,就地消纳可再生能源,实现低碳。但目前研究主要针对单个充换电站,且基于分时电价的有序充电易产生新的负荷尖峰和充电负荷骤降现象。据此提出区域充换储一体化电站微电网(ISMG)群的分层协调调度,将ISMG群级调度与一体化电站(IS)调度解耦,并分解IS充放电任务,从而合理地分散充放电分布,实现削峰填谷,减少对电网的负载影响与不必要的装机投资。拟基于对偶理论和时段电价滚动更新策略,研究ISMG群级的分散式优化协调调度;采用基于启发式规则的滑动窗口法,研究IS中充换电站和储能电站的协调调度;最终计及电池状态转换,优化动力电池和储能电池充放电。通过修正模型、算法和系统结构,完善区域ISMG群协调调度模型和计算方法,为实现V2G和B2G互动技术、支撑EV和电网的协同发展奠定基础。
技术实现思路
本专利技术提供一种区域充换储一体化电站微电网 ...
【技术保护点】
1.一种区域充换储一体化电站微电网群协调优化调度方法,其特征在于包括以下步骤:步骤(1):考虑电动汽车换电需求和光伏、风力发电的随机特性,建立充换电站的充放电模型、以及光伏、风力发电功率的模型;步骤(2):建立一体化电站的损耗模型;步骤(3):构建区域一体化电站微电网群协调优化调度的数学模型;步骤(4):利用对偶理论及其分散式,将优化调度计划的分解安排到一体化电站中的充换电站动力电池和储能电站电池;步骤(5):利用滚动窗口优化方法,对一体化电站内充换电站和储能电站的协调调度及电池充放电进行优化。
【技术特征摘要】
1.一种区域充换储一体化电站微电网群协调优化调度方法,其特征在于包括以下步骤:步骤(1):考虑电动汽车换电需求和光伏、风力发电的随机特性,建立充换电站的充放电模型、以及光伏、风力发电功率的模型;步骤(2):建立一体化电站的损耗模型;步骤(3):构建区域一体化电站微电网群协调优化调度的数学模型;步骤(4):利用对偶理论及其分散式,将优化调度计划的分解安排到一体化电站中的充换电站动力电池和储能电站电池;步骤(5):利用滚动窗口优化方法,对一体化电站内充换电站和储能电站的协调调度及电池充放电进行优化。2.根据权利要求1所述一种区域充换储一体化电站微电网群协调优化调度方法,其特征在于:所述步骤1中,充换电站的充放电模型为:PBCSSi,s,ch=nPBi,s,ch·PPBi,s,ch/ηchPBCSSi,s,dis=nPBi,s,dis·PPBi,s,dis·ηdis式中:nPB,ch、nPB,dis分别为正在充、放电的动力电池数;PPB,ch、PPB,dis分别为动力电池的充、放电功率。3.根据权利要求1所述一种区域充换储一体化电站微电网群协调优化调度方法,其特征在于:所述步骤1中,风电出力模型如下:式中:PWT(v)是预测的风力发电功率,v为预测风速,vc为切入风速,vf为切出风速,vr为额定风速,Pr为风机额定功率;风速v是随机性较强的因素,利用韦伯分布来确定v的概率分布:式中:为尺度参数;π为形状参数;V为v概率密度函数的具体表现形式;得出风机出力的概率密度函数为:α=Vc+βPWT因此求得风机出力的累积分布函数为:光伏发电出力模型:PPV=LMθ式中:PPV为光伏发电出力功率;L为太阳辐照度;M为受光面积;θ为发电效率;光伏发电出力PPV的概率密度为:式中:为为光伏发电出力最大值;则光伏发电出力的累积分布函数为:电动汽车日车辆日行驶里程近似为对数正态分布,其概率密度函数为:式中,σD=3.20,μD=0.88;x为行驶距离;由上式可计算电动汽车日行驶距离的期望为:则电动汽车的换电概率分布为:fEX(x)=αE(x)NEV其中:α为电动汽车每公里耗电量;NEV电动汽车数量;电动汽车和风电、光伏所有场景的集合用S表示,τs为系统在场景s下的概率:τs=αE(x)·NEV·FPV(PPV)·FWT(PWT)最后使用快速正演算法削减场景。4.根据权利要求1所述一种区域充换储一体化电站微电网群协调优化调度方法,其特征在于:所述步骤2中,一体化电站的寿命损耗成本模型及其运行损耗模型为:设蓄电池充放电深度为x,x∈[0,1],对应的最大循环次数为N(x),表示为:N(x)=-3278x4-5x3+12823x2-14122x+5112;充换储一体化电站寿命损耗成本模型:x=|SOCstart-SOCend|其中:Cinit为充换储一体化电站内蓄电池投资成本;Cch,Cdis分别为充、放电损耗成本;SOCmax,SOCmin、SOCstart,SOCend分别为最大、最小荷电状态、充放电始末荷电状态;Pch、Pdis分别为充放电功率;kch,kdis分别为充放电影响因子。5.根据权利要求1所述一种区域充换储一体化电站微电网群协调优化调度方法,其特征在于:所述步骤3中,区域一体化电站微电网群协调优化调度的数学模型为:其中:CDG为柴油发电机成本;CExch与电网交互成本;CCSSIS充换储一体化电站成本;a、b、c、ρ分别为柴油发电机成本系数、污染惩罚因子...
【专利技术属性】
技术研发人员:程杉,倪凯旋,徐康仪,赵孟雨,闫海,
申请(专利权)人:三峡大学,
类型:发明
国别省市:湖北,42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。