一种含P2G微网的储电储气容量配置与调度优化方法技术

本发明专利技术公开了一种含P2G微网的储电储气容量配置与调度优化方法，根据含P2G单元的微网运行模型构建储电储气配置模型和调度模型，储电储气配置模型采用粒子群优化算法对储电装置和储气装置的额定容量进行配置，调度模型采用差分进化算法以微网每日运行成本最低为目标函数对储电装置的充放电功率，储气装置的充放气功率，售电功率，购电功率，负荷转移功率和P2G设备的输入功率进行调整，并将目标函数值作为适应值返回给储电储气配置模型，再根据适应值对储电储气装置进行优化配置。本发明专利技术适用于含有P2G的微网运行多场景下的储电储气配置策略和微网优化调度，在降低不合理的储电储气配置成本的同时提高了能源的利用效率。

【技术实现步骤摘要】
一种含P2G微网的储电储气容量配置与调度优化方法
本专利技术涉及一种含P2G微网的储电储气容量配置与调度优化方法，属于电力系统运行调度

技术介绍
传统的化石能源发电不仅会造成不可再生能源的不断消耗，也会给环境带来一定的影响。因此，新能源发电的发展已经是不可逆转的趋势，最具典型的就是采用光伏发电。据统计，我国2019年光伏装机容量为30.1GW，在光伏大规模的接入微网的背景下，不仅使得配电网的光伏消纳较为困难，而且影响着微网的安全性与稳定性，弃光现象比较严重。如何在保证微网的安全性与稳定性的前提下，对光伏进行消纳处理并且兼顾经济性已经成为当今热门的研宄方向。迄今为止，国内外专家和学者对高渗透率的光伏消纳已经有了较为系统和卓有成效的研宄。对于高渗透率光伏的消纳出力措施主要包含以下方面：能源之间的相互转化、储能配置和负荷转移。能源之间的转化是将多余的光伏电能通过能源设备转化为其他形式的能源，如P2G(PowertoGas)技术。P2G技术是将电能转化为天然气。主要分为两个过程：电转氢以及甲烷化过程。电转氢是将多余的电能通过电本文档来自技高网...

【技术保护点】
1.一种含P2G微网的储电储气容量配置与调度优化方法，其特征在于，包括：/n针对含有P2G单元的微网，构建储电储气配置模型和调度模型；所述储电储气配置模型采用粒子群优化算法对储电装置和储气装置的额定容量进行配置；所述调度模型采用差分进化算法对储电装置的充放电功率，储气装置的充放气功率，售电功率，购电功率，负荷转移功率和P2G设备的输入功率进行调整；/n将储电储气配置模型中每一个粒子的位置分别输入到调度模型；所述粒子的位置为储电装置和储气装置的额定容量；/n调度模型随机初始化差分进化算法中每一个粒子在一个调度周期内储电装置的充放电功率，储气装置的充放气功率，购电功率，售电功率，负荷转移功率和P2...

【技术特征摘要】
1.一种含P2G微网的储电储气容量配置与调度优化方法，其特征在于，包括：
针对含有P2G单元的微网，构建储电储气配置模型和调度模型；所述储电储气配置模型采用粒子群优化算法对储电装置和储气装置的额定容量进行配置；所述调度模型采用差分进化算法对储电装置的充放电功率，储气装置的充放气功率，售电功率，购电功率，负荷转移功率和P2G设备的输入功率进行调整；
将储电储气配置模型中每一个粒子的位置分别输入到调度模型；所述粒子的位置为储电装置和储气装置的额定容量；
调度模型随机初始化差分进化算法中每一个粒子在一个调度周期内储电装置的充放电功率，储气装置的充放气功率，购电功率，售电功率，负荷转移功率和P2G设备的输入功率；
调度模型基于目标函数进行一个调度周期内储电装置的充放电优化和储气装置的充放气优化，直到达到迭代终止条件，并将最终的目标函数值作为适应值反馈给储电储气配置模型中的粒子；
储电储气配置模型根据适应值更新粒子的位置和速度，判断当前迭代次数是否达到储电储气配置模型的迭代终止次数，如果未达到则将每一个粒子的位置重新输入到调度模型中，否则以当前储电装置额定容量配置储电装置，以当前储气装置额定容量配置储气装置，根据当前适应值对应的充放电功率和充放气功率调度储电装置和储气装置，并输出当前适应值。


2.根据权利要求1所述的一种含P2G微网的储电储气容量配置与调度优化方法，其特征在于，还包括对储电储气配置模型和调度模型相关参数进行配置；
配置储电储气配置模型的相关参数包括：日负荷曲线和光伏出力曲线；
配置储电储气配置模型的粒子群优化算法的相关参数包括：粒子群的数量、迭代次数、权重大小以及加速系数。
配置调度模型的相关参数包括：日负荷曲线、光伏出力曲线、储电装置、储气装置各自的单位容量维修成本；P2G设备的单位功率维修成本；储电装置、储气装置单位容量投资成本、使用寿命以及基准折现率；P2G设备的单位功率投资成本、使用寿命以及基准折现率；购电单位成本；折算成气功率的售气单位收益；售电的单位收益；负荷功率的单位转移成本；储电装置的充放电效率以及荷电状态的上下限值；储气装置的充放气效率以及容量状态的上下限值；
配置调度模型的差分进化算法的相关参数包括：种群数量、迭代次数、缩放因子和交叉概率。


3.根据权利要求1所述的一种含P2G微网的储电储气容量配置与调度优化方法，其特征在于，所述储电储气配置模型采用粒子群优化算法对储电装置和储气装置的额定容量进行配置，需满足约束条件：



Spv＝∑(Psur(t))



其中，Semin、Semax为储电装置荷电状态的下限和上限，Sgmin、Sgmax为储气装置容量状态的下限和上限，Spv为满足负荷需求多余的光伏容量，Psur(t)为t时刻需要消纳的光伏功率，Ppv(t)为t时刻的光伏功率，Pload(t)为t时刻的负载功率。


4.根据权利要求1所述的一种含P2G微网的储电储气容量配置与调度优化方法，其特征在于，所述调度模型包括：
Pg(t)＝PP2G(t)ηP2G









其中，Pg(t)为t时刻经过P2G设备输出的天然气功率，P...

【专利技术属性】
技术研发人员：梅飞，顾佳琪，陆继翔，陆进军，江玉寒，张家堂，
申请(专利权)人：南瑞集团有限公司，河海大学，
类型：发明
国别省市：江苏;32