【技术实现步骤摘要】
面向多能源发电系统的储能投资规划方法
本专利技术涉及电力系统的投资、规划与运行领域,尤其是涉及面向多能源发电系统的储能投资规划方法。
技术介绍
能源互联网背景下,以水电、风电、光伏为代表的可再生能源发电在电力系统中的占比不断提高,多能源发电成为能源互联网能量供应的重要特征。然而,风电、光伏发电功率的不确定性也给传统电力系统的规划与运行带来了巨大的挑战。先进的储能技术是支撑风电、光伏大规模接入并实现电力系统安全经济运行的关键。以锂离子电池为代表的电化学储能具有高效率、高能量密度和高功率密度的优点,在动力电池领域获得了广泛的应用。近年来,电化学储能技术已逐步应用于电网的调峰调频。有关储能投资规划的研究多集中在配电网侧或微电网侧、用户侧。随着大规模储能技术的发展,储能在电网侧的投资规划问题越来越受到研究人员的关注。储能投资规划的难点集中在储能电站的选址和定容问题需要同步考虑,并且储能在规划和运行阶段具有耦合特性,需综合考虑储能的规划与运行问题。此外,考虑到储能运行中可能出现的频繁充放电会严重影响电池储能循环寿命,而电池储能循环寿命与其达到寿命终点的循环次数直接相关,因此,储能的投资规划模型还需要计及储能循环寿命的影响。含高比例可再生能源的多能源发电系统受水电机组运行特性影响,其调峰能力与水量计划有关,原则上应尽量避免水电弃水调峰。因此,有必要针对多能源发电系统的调峰特性权衡储能投资规划的经济性和安全性。
技术实现思路
本专利技术解决能源互联网背景下,多能源发电系统中的储能投资规划问题,基于双层优 ...
【技术保护点】
1.一种面向多能源发电系统的储能投资规划方法,其特征在于,包括:/n获取常规机组运行参数,构建外层优化模型的目标函数及约束条件,建立计及系统调峰能力的多能源发电系统储能投资规划模型;/n构建内层优化模型的目标函数及约束条件,计及系统调峰能力,建立含储能的多能源发电系统优化运行模型;/n将外层优化模型转化成混合整数线性优化模型;/n将内层优化模型转化成混合整数线性优化模型;/n调用商业求解器求解上述双层混合整数线性规划问题,将外层优化模型输出的储能电站投资容量和安装位置作为传输变量进入内层优化模型,将内层优化模型计算的风电容许波动区间返回给外层优化模型,计算得到新的储能电站投资容量和安装位置;/n外层优化模型和内层优化模型构成的双层优化模型的优化解否满足收敛条件时计算终止,输出储能电站最优的投资容量和安装位置。/n
【技术特征摘要】
1.一种面向多能源发电系统的储能投资规划方法,其特征在于,包括:
获取常规机组运行参数,构建外层优化模型的目标函数及约束条件,建立计及系统调峰能力的多能源发电系统储能投资规划模型;
构建内层优化模型的目标函数及约束条件,计及系统调峰能力,建立含储能的多能源发电系统优化运行模型;
将外层优化模型转化成混合整数线性优化模型;
将内层优化模型转化成混合整数线性优化模型;
调用商业求解器求解上述双层混合整数线性规划问题,将外层优化模型输出的储能电站投资容量和安装位置作为传输变量进入内层优化模型,将内层优化模型计算的风电容许波动区间返回给外层优化模型,计算得到新的储能电站投资容量和安装位置;
外层优化模型和内层优化模型构成的双层优化模型的优化解否满足收敛条件时计算终止,输出储能电站最优的投资容量和安装位置。
2.根据权利要求1所述的方法,其特征在于,外层优化模型的目标函数是以常规机组运行成本、风电/光伏消纳惩罚成本和储能日投资总成本最小的目标函数,该最小的目标函数被描述为:
min{FT+FH+FW+FE},
式中,FT和FH分别为调度周期T内的火电、水电机组的运行成本;FW为风电/光伏消纳惩罚成本;FE为储能电站日投资总成本;N1为火电机组台数,N2为水电机组台数,N3为风电场与光伏电站总个数;
火电机组运行成本
式中,Si和Di分别为火电机组i的单位启、停成本;ui,t和vi,t分别为第t时段火电机组i的启、停状态;为火电机组i的最小技术出力,xi,t为第t时段火电机组i的运行状态;C(pi,t,xi,t)为第t时段火电机组i的燃料成本,为二次函数;Np为功率的分段数,kn1,t和pn1,t分别为各分段的斜率和功率;
水电机组运行成本
式中,Ci为弃水惩罚成本系数,为水电机组i的计划水量,ωi,t为第t时段水电机组的发电流量;
风电/光伏消纳惩罚成本
式中,和分别为风电场/光伏电站i的弃风/光、切负荷惩罚系数,和分别为第t时段风...
【专利技术属性】
技术研发人员:周倩,王皓宇,朱元,蒋川,牟凡,邓芳,金宵,夏沛,张晓星,张哲亮,
申请(专利权)人:国网重庆市电力公司,湖北工业大学,国网重庆市电力公司南川供电分公司,
类型:发明
国别省市:重庆;50
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。