基于电池损耗和分布式电网电池储能日前随机调度的方法技术

本发明专利技术公开了一种基于电池损耗和分布式电网电池储能日前随机调度的方法，包括以下步骤：输入日前系统负荷预测数据和日前光伏电站功率预测数据、系统线路参数、日前光伏电站功率历史统计数据；确定生成分布式光伏日前功率随机变量的场景集合；建模电池储能日前随机调度模型；基于拉格朗日对偶松弛算法求解电池储能日前随机调度模型；输出日前电池储能的计划出力。本发明专利技术考虑电池储能模型及约束、光伏电站无功功率约束和配电网潮流约束，建立考虑电池损耗和分布式可再生能源的储能日前调度模型；进行求解得到考虑电池损耗和分布式可再生能源的储能日前调度的最优解，输出日前储能电池的计划出力曲线。

Based on battery loss and distributed grid battery energy storage day ahead random scheduling method

【技术实现步骤摘要】
基于电池损耗和分布式电网电池储能日前随机调度的方法
本专利技术属于电力系统运行与控制领域，涉及一种基于电池损耗和分布式发电的配电网电池储能日前随机调度的方法。
技术介绍
近几年来，电池储能技术备受关注，并在电力系统运行中发挥重要作用。在可再生能源渗透率日益提高的配电网中，由于配电网中的分布式可再生能源主要为分布式光伏电站，可再生能源出力的随机性对电力系统调峰及配电网电压稳定造成了严重冲击，电池储能作为一种灵活快速的技术方案，通过合理的充放电策略，可以有效应对由分布式能源引起的调峰和电压稳定性问题。对此，国内外很多学者针对电池储能技术的调度问题进行研究；然而，两个重要方面尚未得到充分解决甚至被忽视，一是储能电池的损耗折旧成本并未在调度模型中充分考虑，储能电池的损耗折旧成本相比于维护成本大得多，极大影响电池储能方案的经济性；二是配电网中分布式电源，以光伏发电为主，出力具备很强的随机性和相关性会极大地影响了储能电池调度的调度结果优劣。基于随机优化方法来分析电力系统配电网经济调度，进而得到考虑电池储能和分布式发电的配电网日前储能电池充放电计划，国内外学者对此开展了大量研究，研究方法大致可分为两类：(1)不考虑电池储能损耗成本的配电网日前随机经济调度方法，该方法仅考虑电池储能的维护成本或者固定的建设成本，该方法适用于电力系统中电池储能的规划问题，并不适合于计算配电网日前储能电池充放电计划的随机经济调度问题。(2)基于线性近似函数考虑电池储能损耗成本的配电网日前随机经济调度方法，该方法将储能电池的成本损耗理想地用一个与充放电功率有关的线性函数进行简化，这种研究方法没有考虑储能电池在充放电深度的积累效应，即不同充放电深度和时序对储能电池非线性的损耗，这种方法得到的电池充放电计划会严重偏离最佳调度结果。有鉴于此，急需提供一种基于电池损耗和分布式电网电池储能日前随机调度的方法。
技术实现思路
为了解决上述技术问题，本专利技术所采用的技术方案是提供了一种基于电池损耗和分布式电网电池储能日前随机调度的方法，包括以下步骤：S1、输入日前系统负荷预测数据和日前光伏电站功率预测数据、系统线路参数、历史统计数据；S2、确定生成分布式光伏日前功率随机变量的场景集合；S3、建模电池储能日前随机调度模型；包括建模电池储能损耗模型、光伏电站无功约束、潮流约束与系统有功损耗成本模型，及配电网电池储能日前随机调度模型；S4、基于拉格朗日对偶松弛算法求解电池储能日前随机调度模型；S5、根据步骤S4的结果，输出日前电池储能的计划出力。在上述方法中，所述步骤S2包括：将配电网分布式光伏电站的历史出力功率的预测和实测数据标幺化，根据光伏电站的预测值的不同，在不同光伏电站功率预测水平下，得到相应的一定数量的光伏电站日前出力功率场景。在上述方法中，所述步骤S2具体包括以下步骤：第i个光伏电站的预测功率wf,i和以预测为条件的实际功率wa,i，配电网系统中光伏电站的总数为i＝1，2，…，I；基于Copula函数与CDF函数，光伏电站的预测功率函数可写为：F(wa,1...wa,I,wf,1...wf,I)＝C(F(wa,1)...F(wa,I),F(wf,1)...F(wf,I))(1)式中：F(wa,i)、F(wf,i)分别为第i个光伏电站的实际功率和预测功率边缘CDF；Copula函数将随机变量各自的CDF函数F(wa,1)...F(wa,I)、F(wf,1)...F(wf,I)用一个Copula函数C(·)连接起来，得到联合CDF函数F(wa,1...wa,I,wf,1...wf,I)，且联合PDF函数为：仅考虑预测功率，则联合PDF函数为：在日前电池储能调度中，系统根据预测的分布式光伏出力，得到分布式光伏实际可能出力，结合式(2)和式(3)，可得：以(4)式中分布式光伏电站功率的条件联合概率密度函数为输入，基于抽样方法，生成含分布式光伏电站出力随机性与相关性的光伏功率场景。在上述方法中，所述建模电池储能损耗模型如下：电池储能损耗的雨流模型：式中，cBES为电池储能替换成本，Kchj和Kdisj分别是电池储能j的充、放电循环数，k＝1…K，j＝1，2，…，J为配网系统中储能电池的数量，j∈J；和分别是电池储能j在第k次充、放电循环的充放电深度；和分别是充、放电循环深度压力函数；和分别为所有充、放电循环产生的电池j的总损耗；采用多项式型电池损耗模型：式中，k1、k2为电池损耗模型系数，基于雨流模型，和可由下式确定：式中，SoCj,t为电池j在时刻t的电量状态，t＝1，2，…，T为日前调度时刻的总数；电池储能的其他约束条件如下：SoCj,1＝SoCj,ini(8)其中，式(8)、式(9)分别为电池储能在一天内的起、止电量约束；式(10)为充放电前后的电量变化，其中ηc和ηd分别为充放电效率，Δt为相邻两时刻的时间间隔，为第j个储能电池在调度时间t的充电功率，为第j个储能电池在调度时间t的放电功率；式(11)中的和分别为电池储能的电量约束；式(12)、式(13)中的和分别为储能充放电功率约束；在上述方法中，所述光伏电站无功约束、潮流约束具体如下：基于所述分布式光伏电站场景生成方法，生成数量为S的光伏功率场景其中，每个场景对应的概率为πs，光伏逆变器在将直流电流转化为交流电流产生或消耗无功功率，光伏电站i在场景s下的无功功率为则式中，sw,i为光伏电站i的最大视在功率容量；建模潮流约束条件：式中，分别为在时刻t场景s下注入节点n的有功功率和无功功率，分别为在时刻t场景s下注入节点n+1下消耗和产生的有功功率，分别为在时刻t场景s下注入节点n+1下消耗和产生的无功功率；为节点n在时刻t场景s下的电压值；V0为变电站电压值，为常数；rn和xn为节点n的电阻和电抗值；ε为容许的节点电压偏移程度。在上述方法中，所述系统有功损耗成本模型如下：floss,t＝clossPloss,tt∈T(20)式中，Ploss,t为配电网的有功损耗，closs为有功损耗的成本系数。在上述方法中，所述电池储能日前随机调度模型具体如下：配电网电池储能日前随机经济调度确定储能电池的充放电功率以最小化下式的社会成本，社会成本包括储能电池的损耗成本、系统有功损耗成本和配电网购电成本，即其中，约束条件为式(6)、式(8)～(18)，为从变电站流过的购入有功功率，css,p为购入有功功率成本系数。在上述方法中，所述步骤S4具体如下：对潮流约束中式(15)、式(16)进行松弛，得到拉格本文档来自技高网...

【技术保护点】
1.基于电池损耗和分布式电网电池储能日前随机调度的方法，其特征在于，包括以下步骤：/nS1、输入日前系统负荷预测数据和日前光伏电站功率预测数据、系统线路参数、历史统计数据；/nS2、确定生成分布式光伏日前功率随机变量的场景集合；/nS3、建模电池储能日前随机调度模型；/n包括建模电池储能损耗模型，光伏电站无功约束、潮流约束与系统有功损耗成本模型，及配电网电池储能日前随机调度模型；/nS4、基于拉格朗日对偶松弛算法求解电池储能日前随机调度模型；/nS5、根据步骤S4的结果，输出日前电池储能的计划出力。/n

【技术特征摘要】
1.基于电池损耗和分布式电网电池储能日前随机调度的方法，其特征在于，包括以下步骤：
S1、输入日前系统负荷预测数据和日前光伏电站功率预测数据、系统线路参数、历史统计数据；
S2、确定生成分布式光伏日前功率随机变量的场景集合；
S3、建模电池储能日前随机调度模型；
包括建模电池储能损耗模型，光伏电站无功约束、潮流约束与系统有功损耗成本模型，及配电网电池储能日前随机调度模型；
S4、基于拉格朗日对偶松弛算法求解电池储能日前随机调度模型；
S5、根据步骤S4的结果，输出日前电池储能的计划出力。


2.如权利要求1所述的方法，其特征在于，所述步骤S2包括：
将配电网分布式光伏电站的历史出力功率的预测和实测数据标幺化，根据光伏电站的预测值的不同，在不同光伏电站功率预测水平下，得到相应的一定数量的光伏电站日前出力功率场景。


3.如权利要求2所述的方法，其特征在于，所述步骤S2具体包括以下步骤：
第i个光伏电站的预测功率wf,i和以预测为条件的实际功率wa,i，配电网系统中光伏电站的总数为i＝1，2，…，I；
基于Copula函数与CDF函数，光伏电站的预测功率函数可写为：
F(wa,1...wa,I,wf,1...wf,I)＝C(F(wa,1)...F(wa,I),F(wf,1)...F(wf,I))(1)
式中：F(wa,i)、F(wf,i)分别为第i个光伏电站的实际功率和预测功率边缘CDF；Copula函数将随机变量各自的CDF函数F(wa,1)...F(wa,I)、F(wf,1)...F(wf,I)用一个Copula函数C(·)连接起来，得到联合CDF函数F(wa,1...wa,I,wf,1...wf,I)，且联合PDF函数为：



仅考虑预测功率，则联合PDF函数为：



在日前电池储能调度中，系统根据预测的分布式光伏出力，得到分布式光伏实际可能出力，结合式(2)和式(3)，可得：



以(4)式中分布式光伏电站功率的条件联合概率密度函数为输入，基于抽样方法，生成含分布式光伏电站出力随机性与相关性的光伏功率场景。


4.如权利要求3所述的方法，其特征在于，所述建模电池储能损耗模型如下：
电池储能损耗的雨流模型：



式中，cBES为电池储能替换成本，Kchj和Kdisj分别是电池储能j的充、放电循环数，k＝1…K，j＝1，2，…，J为配网系统中储能电池的数量，j∈J；和分别是电池储能j在第k次充、放电循环的充放电深度；和分别是充、放电循环深度压力函数；和分别为所有充、放电循环产生的电池j的总损耗；
采用多项式型电池损耗模型：



式中，k1、k2为电池损耗模型系数，基于雨流模型，和可由下式确定：



式中，SoCj,t为电池j在时刻t的电量状态，t＝1，2，…，T为日前调度时刻的总数；
电池储能的其他约束条件如下：
SoCj,1＝SoCj,ini(8)















其中，式(8)、式(9)分别为电池储能在一天内的起、止电量约束；
式(10)为充放电前后的电量变化，其中ηc和ηd分别为充放电效率，Δt为相邻两时刻的时间间隔，为第j个储能电池在调度时间t的充电功率，为第j个储能电池在调度时间t的放电功率；
式(11)中的和分别为电池储能的电量约束；
式(12)、式(13)中的和分别为储能充放电功率约束。


5.如权利要求4...

【专利技术属性】
技术研发人员：唐程辉，张凡，梁才，马莉，薛松，曲昊源，胡源，武泽辰，陈珂宁，宋海旭，李景，
申请(专利权)人：国网能源研究院有限公司，
类型：发明
国别省市：北京;11