当前位置: 首页 > 专利查询>清华大学专利>正文

考虑投资回报约束的风光储发电系统容量双层规划方法技术方案

技术编号:24861395 阅读:175 留言:0更新日期:2020-07-10 19:12
本发明专利技术涉及一种考虑投资回报约束的风光储发电系统容量双层规划方法,获取风光储发电系统中光照辐射强度、风速的典型日数据、负荷需求数据以及风光储发电系统内部各供能设备参数;构建风光储发电系统内部各供能设备的数学模型;构建风光储发电系统双层优化模型,上层优化模型以风光储发电系统在给定投资回报率下年净收益最大为目标对系统设备容量进行规划,下层优化模型以风光储发电系统日售电收益最大为目标对系统运行状态进行优化;对双层优化模型求解,得到风光储发电系统最优容量配置结果。本发明专利技术将投资回报约束引入到风光储发电系统双层规划模型中,能在总收益基本保持不变的情况下降低系统投资成本,从而提高投资回报率,缩短投资回报年限。

【技术实现步骤摘要】
考虑投资回报约束的风光储发电系统容量双层规划方法
本专利技术涉及能源规划
,尤其涉及一种考虑投资回报约束的风光储发电系统容量双层规划方法。
技术介绍
为应对传统化石能源枯竭与环境污染问题,以光伏、风电为代表的可再生清洁能源得到了广泛应用。风力资源与光照资源在时间尺度上呈现较好的互补特性。利用这种互补特性构建的风光储发电系统又称为微电网系统,能有效的提升资源利用效率。风力资源与光照资源受环境因素影响较大,具有较强随机性与间歇性,因此需配置一定容量的储能设备以稳定系统输出,但高昂的储能价格增加了系统的成本压力。为提升风光储发电系统的经济性,需对系统中光伏、风机和储能电池等设备容量进行合理规划。现有综合能源系统规划首先确定系统的结构,之后选取系统中所需的设备类型与单体容量。根据可再生能源的历史典型数据与负荷的历史典型数据,以系统收益最大或成本最低等作为优化目标构建优化模型,采用数学规划方法或智能算法对模型进行求解,得出最优综合能源系统设备容量。对于一个具体的风光储发电系统项目而言,经济效益是投资建设者对一个风光储发电系统评估的最本文档来自技高网...

【技术保护点】
1.一种考虑投资回报约束的风光储发电系统容量双层规划方法,其特征在于,包括:/n获取风光储发电系统中光照辐射强度、风速的典型日数据、负荷需求数据以及风光储发电系统内部各供能设备参数;/n构建风光储发电系统内部各供能设备的数学模型;/n构建风光储发电系统双层优化模型,上层优化模型以风光储发电系统在给定投资回报率下年净收益最大为目标对系统设备容量进行规划,下层优化模型以风光储发电系统日售电收益最大为目标对系统运行状态进行优化;/n基于风光储发电系统中光照辐射强度、风速的典型日数据、负荷需求数据以及风光储发电系统内部各供能设备参数,采用自适应惯性权重粒子群算法对所述双层优化模型求解,得到风光储发电系...

【技术特征摘要】
1.一种考虑投资回报约束的风光储发电系统容量双层规划方法,其特征在于,包括:
获取风光储发电系统中光照辐射强度、风速的典型日数据、负荷需求数据以及风光储发电系统内部各供能设备参数;
构建风光储发电系统内部各供能设备的数学模型;
构建风光储发电系统双层优化模型,上层优化模型以风光储发电系统在给定投资回报率下年净收益最大为目标对系统设备容量进行规划,下层优化模型以风光储发电系统日售电收益最大为目标对系统运行状态进行优化;
基于风光储发电系统中光照辐射强度、风速的典型日数据、负荷需求数据以及风光储发电系统内部各供能设备参数,采用自适应惯性权重粒子群算法对所述双层优化模型求解,得到风光储发电系统最优容量配置结果。


2.根据权利要求1所述的考虑投资回报约束的风光储发电系统容量双层规划方法,其特征在于,构建风光储发电系统内部各供能设备的数学模型包括:构建风力发电机、光伏发电系统、换流设备以及储能电池的数学模型;换流设备包括:光伏变换器、风机变换器、储能变换器和双向DC/AC变换器。


3.根据权利要求2所述的考虑投资回报约束的风光储发电系统容量双层规划方法,其特征在于,风力发电机数学模型如下:



PWT是风力发电机输出功率,Pwtr是风力发电机额定输出功率,vci是风力发电机切入风速,vco是风力发电机切出风速,vr是风力发电机额定风速;
光伏发电系统数学模型如下:
PPV=ηPVPstcG/Gstc(1+ηT(T-Tstc))
PPV是光伏发电系统输出功率,ηPV是光伏发电系统发电效率,Pstc是额定条件下光伏发电系统输出功率,G是光伏面板上实际光照辐射强度,Gstc是额定光照强度,T是光伏发电系统实际所处温度,Tstc是光伏发电系统额定温度,ηT是光伏发电系统的温度变化系数;
换流设备数学模型如下:
Pin=KconPout
Pin是换流器输入功率,Kcon是换流器转换效率,Pout是换流器输出功率;
储能电池数学模型如下:



E(t)是储能电池t时刻剩余能量;dc(t)和dd(t)分别是一组互斥的0-1状态变量,分别代表储能装置的充能与放能状态,互斥表示储能装置在某一时刻只进行充能或放能一种动作;ηc表示充能效率,ηd表示放能效率,Pc(t)表示充能功率,Pd(t)表示放能功率。


4.根据权利要求1或2所述的考虑投资回报约束的风光储发电系统容量双层规划方法,其特征在于,上层优化模型的优化目标为:
maxF1=Cmony-(CINV+CCON+COP)
Cmony是系统年售电总收益,CINV是设备购置成本,CCON是建设成本,COP是运行维护成本;
Cmony=365Cmond



CCON=KCONCINI
COP=KOPCINI
其中,Cmond是风光储发电系统日售电收益;CINI是系统设备投资成本;mpv和mwd分别是光伏和风机的单体价格;Npv和Nwd是光伏与风机的数量;r0是折现率;Yy是光伏与风机的使用寿命;表示第i种变换器单体价格;表示第i种变换器的数量;表示第i种变换器的使用寿命;ms是储能电池的单体价格,Ns是储能电池的数量;Ys是储能电池使用寿命;KCON为建设成本系数;KOP为维护成本系数。


5.根据权利要求4所述的考虑投资回报约束的风光储发电系统容量双层规划方法,其特征在于,上层模型约束条件包括:
(1)设备配置容量约束












其中,和分别为光伏、风机、换流器和储能电池的最大配置数量;
(2)投资回报约束
ROI≥ROIref
其中,ROI为风光储发电系统投资回报率,ROIref为投资回报率设定值;
投资回报率计算方法如下:



CM是风光储发电系统年售电收益,CTOTAL为系统总投资成本。

【专利技术属性】
技术研发人员:肖曦杨博文田培根
申请(专利权)人:清华大学
类型:发明
国别省市:北京;11

网友询问留言 已有0条评论
  • 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。

1