一种基于多目标粒子群算法的云储能优化出清方法技术

本发明专利技术公开了一种基于多目标粒子群算法的云储能优化出清方法，包括如下步骤：(1)制定由客户、分布式发电运营商和云储能运营商这三方利益主体参与的运营机制；(2)分析用户侧收益来源，初步分析并定义用户出借储能的机会成本，建立机会成本模型及收益模型；(3)分析分布式发电运营商收益来源，建立收益模型；(4)分析云储能运营商收益来源并建立优化调度模型，一次性解决云储能定价出清问题。本发明专利技术能够分析云储能参与者的收益来源并对储能资源进行优化调度，一次性解决云储能优化出清问题。

【技术实现步骤摘要】
一种基于多目标粒子群算法的云储能优化出清方法
本专利技术涉及云储能和电力市场
，尤其是一种基于多目标粒子群算法的云储能优化出清方法。
技术介绍
未来可再生能源渗透率高的电力系统的特征之一是灵活资源稀缺化。而储能作为一种潜在的灵活性资源，可以跨越多个时间尺度为发电侧和需求侧提供各种辅助服务，有助于提高供电的可靠性和稳定性。风速和光强的随机性和间歇性会导致实时电价的明显变化，还会直接导致分布式发电系统的输出功率波动。这些波动也需要通过大规模的能源储存系统来消除。这为储能运营商带来了经济机遇，尤其是通过能源套利。但目前储能较高的成本限制了用户侧储能或分布式储能的广泛应用。有学者引入了云储能的概念，即以集中的储能设施为住宅和商业用户提供分布式存储服务，在满足用户负荷需求的同时加强储能的合理调度及配置，利用平台的信息优势和规模经济来促进用户侧储能的普及应用。原概念中强调了云储能运营商所拥有的并非是实体储能，而是虚拟储能容量池。针对不同的用户，这个容量可以是指能量容量，也可以是指功率容量。储能在电力市场中的潜在收益也分为容量和功率两个方面，其本文档来自技高网...

【技术保护点】
1.一种基于多目标粒子群算法的云储能优化出清方法，其特征在于，包括如下步骤：/n(1)制定由客户、分布式发电运营商和云储能运营商这三方利益主体参与的运营机制；/n(2)分析用户侧收益来源，初步分析并定义用户出借储能的机会成本，建立机会成本模型及收益模型；/n(3)分析分布式发电运营商收益来源，建立收益模型；/n(4)分析云储能运营商收益来源并建立优化调度模型，一次性解决云储能定价出清问题。/n

【技术特征摘要】
1.一种基于多目标粒子群算法的云储能优化出清方法，其特征在于，包括如下步骤：
(1)制定由客户、分布式发电运营商和云储能运营商这三方利益主体参与的运营机制；
(2)分析用户侧收益来源，初步分析并定义用户出借储能的机会成本，建立机会成本模型及收益模型；
(3)分析分布式发电运营商收益来源，建立收益模型；
(4)分析云储能运营商收益来源并建立优化调度模型，一次性解决云储能定价出清问题。


2.如权利要求1所述的基于多目标粒子群算法的云储能优化出清方法，其特征在于，步骤(1)中，所述运营机制为：云储能参与者分别为云储能运营商、持有储能的用户群体以及分布式发电运营商；用户包含了储能设施、普通工商业用户以及居民用户；在日前运行中，用户向云储能运营商提供自身的负荷需求、储能设施状态，以及可供出借的储能容量等信息，分布式发电运营商向云储能运营商提供可再生能源出力曲线，以及所需借用的储能容量等信息，云储能运营商需要向能源市场获取实时电价的信息，以及辅助服务市场的能源出清价格预测信息，在得到这些信息后，云储能运营商需要首先确定好储能充放电策略，再根据用户侧和分布式发电侧各自的储能调度策略，优化、决策出最优交易容量和单价。


3.如权利要求1所述的基于多目标粒子群算法的云储能优化出清方法，其特征在于，步骤(2)中，用户侧出借储能的机会成本定义为：
用户侧出借储能的机会成本是指用户出借储能后所得收益与不出借这部分储能所得收益之差；
现在假设用户将这部分储能用来满足自身负荷需求或参与辅助服务市场；
所述用户侧出借储能的机会成本模型为：



M(PESS)＝PESS·Δt·Ccon
π(XESS-d)＝πrc(XESS-d)+πg(XESS-d)
πrc(XESS-d)＝(XESS-d)·prc
πg(XESS-d)＝c％·(XESS-d)·pg
gcon...

【专利技术属性】
技术研发人员：袁越，吴彦铮，朱俊澎，陈继忠，
申请(专利权)人：河海大学，中国电力科学研究院有限公司，
类型：发明
国别省市：江苏;32