一种考虑碳交易和需求侧响应的源-储-荷协同规划方法技术

本发明专利技术公开了一种考虑碳交易和需求侧响应的源

【技术实现步骤摘要】
一种考虑碳交易和需求侧响应的源
‑
储
‑
荷协同规划方法


[0001]本专利技术属于电力系统
，特别是涉及一种考虑碳交易和需求侧响应的源
‑
储
‑
荷协同规划方法。

技术介绍

[0002]随着我国“双碳”目标的提出，越来越多的新能源发电装置投入配电网使用，但是以风力发电和光伏发电为代表的新能源发电受天气影响较大，输出功率有很大的波动性，严重影响电力系统的安全和稳定性，为此可以配合使用储能电池来抑制风光发电的波动性。目前针对配电网分布式电源选址定容的研究大多只考虑配电网的运行成本以及电压偏移和网损，未能考虑储能电池的实际运行情况以及负荷峰谷差较大问题。

技术实现思路

[0003]专利技术目的：针对现有技术中存在的问题，本专利技术公开了一种考虑碳交易和需求侧响应的源
‑
储
‑
荷协同规划方法，实现含风力发电、光伏发电以及储能电池的选址定容，达到年运行成本最小的目标。
[0004]技术方案：为实现上述专利技术目的，本专利技术采用如下技术方案：
[0005]一种考虑碳交易和需求侧响应的源
‑
储
‑
荷协同规划方法，包括如下步骤：
[0006]步骤S1、建立风力发电、光伏发电、储能电池以及需求侧响应数学模型；
[0007]步骤S2、考虑价格型需求侧响应和碳交易，以年综合成本最小为目标，以风力发电机、光伏电池及储能电池的接入位置和接入容量为优化变量，建立外层优化数学模型；
[0008]步骤S3、以配电网节点电压偏移最小和配电网有功损耗最低为目标，以外层优化数学模型的优化结果为约束，以储能电池的输出有功功率为优化变量，建立内层优化数学模型；
[0009]步骤S4、利用融合算术优化算法的秃鹰搜索算法求解外层优化数学模型，利用NSGA
‑Ⅱ
算法求解内层优化数学模型，得到风力发电机、光伏电池及储能电池的接入位置和接入容量以及储能电池的运行方式，对配电网进行配置。
[0010]优选的，步骤S1中：
[0011]风力发电模型如下：
[0012][0013]其中，P
WT
、分别为风力发电机的实际功率和额定功率；v、v
in
、v
r
、v
out
分别为风力发电机的实际风速、切入风速、额定风速和切出风速；
[0014]光伏发电模型如下：
[0015][0016]其中，P
PV
、分别为光伏电池的实际功率和额定功率；s、s
r
分别为光伏电池实际工作时的太阳辐照度和额定功率工作时的太阳辐照度；γ为功率温度系数；T、T
r
分别为光伏电池实际工作时的表面温度和额定功率工作时的表面额定温度；
[0017]储能电池模型如下：
[0018][0019]其中，S
soc
(t)、S
soc
(t
‑
1)分别为一天内t时刻和t
‑
1时刻时储能电池的荷电量，η
‑
、η
+
分别为放电功率和充电功率，P
BAT
(t)为一天内t时刻储能电池的功率，小于0时表示放电，大于0时表示充电，等于0时表示既不充电也不放电；
[0020]需求侧响应数学模型如下：
[0021][0022]其中，Q
′
表示经过价格型需求侧响应后的电量负荷，Q
f
表示价格型需求侧响应前的峰时段电量负荷，Q
p
表示价格型需求侧响应前的平时段电量负荷，Q
g
表示价格型需求侧响应前的谷时段电量负荷，Δe
f
、Δe
p
、Δe
g
分别表示峰时段、平时段和谷时段的电价变化量，e
f
、e
p
、e
g
分别表示峰时段、平时段和谷时段的电价；M表示电量电价弹性矩阵，满足：
[0023][0024]其中，m
ff
、m
pp
、m
gg
分别表示峰时段、平时段、谷时段的电量电价自弹性系数，m
fp
表示峰时段和平时段的电量电价交叉弹性系数，m
fg
表示峰时段和谷时段的电量电价交叉弹性系数，m
pf
表示平时段和峰时段的电量电价交叉弹性系数，m
pg
表示平时段和谷时段的电量电价交叉弹性系数，m
gf
表示谷时段和峰时段的电量电价交叉弹性系数，m
gp
表示谷时段和平时段的电量电价交叉弹性系数。
[0025]优选的，步骤S2中：
[0026]目标函数如下：
[0027]min F＝F
inv
+F
on
+F
buy
+F
C
[0028][0029][0030][0031][0032]M(t)＝ε
×
P
Load
(t)
[0033][0034]其中，F为年综合成本，包括：
[0035]F
inv
为年投资成本，r为贴现率，n为投资年限，k表示分布式电源类型，取1表示风力发电机，取2表示光伏电池，取3表示储能电池，Nk表示第k种分布式电源可以安装的节点集合，表示第i个节点第k种分布式电源的单位投资成本，表示第i个节点第k种分布式电源的额定功率；
[0036]F
on
为年维护成本，表示第i个节点第k种分布式电源的单位维护成本，表示一天内以小时为单位进行取样，第t时刻第i个节点第k种分布式电源的输出有功功率，当k取3时，若大于0，表示储能电池放电，若小于0，表示储能电池充电，若等于0，表示储能电池既不放电也不充电；
[0037]F
buy
为年购电成本，c
buy
(t)表示一天内t时刻配电网购电价格，P
Load
(t)表示一天内t时刻电网的负荷值；
[0038]F
C
为年碳交易成本，c(t)表示一天内t时刻碳交易价格，M(t)表示一天内t时刻免费碳排放量，ε表示单位发电量碳排放量，S(t)表示一天内t时刻实际碳排放量，e
buy
(t)表示一天内t时刻配电网购电量的单位碳排放强度；
[0039]约束条件如下：
[0040]分布式电源装机总容量约束：
[0041][0042]接入点分布式电源容量约束：
[0043][0044]其中，为第i个节点第k种分布式电源的接入容量最大值。
[0045]优选的，步骤S3中：
[0046]目标函数如下：
[0047][0048]其中，F1为配电网节点电压偏移，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑碳交易和需求侧响应的源
‑
储
‑
荷协同规划方法，其特征在于，包括如下步骤：步骤S1、建立风力发电、光伏发电、储能电池以及需求侧响应数学模型；步骤S2、考虑价格型需求侧响应和碳交易，以年综合成本最小为目标，以风力发电机、光伏电池及储能电池的接入位置和接入容量为优化变量，建立外层优化数学模型；步骤S3、以配电网节点电压偏移最小和配电网有功损耗最低为目标，以外层优化数学模型的优化结果为约束，以储能电池的输出有功功率为优化变量，建立内层优化数学模型；步骤S4、利用融合算术优化算法的秃鹰搜索算法求解外层优化数学模型，利用NSGA
‑
II算法求解内层优化数学模型，得到风力发电机、光伏电池及储能电池的接入位置和接入容量以及储能电池的运行方式，对配电网进行配置。2.根据权利要求1所述的一种考虑碳交易和需求侧响应的源
‑
储
‑
荷协同规划方法，其特征在于，步骤S1中：风力发电模型如下：其中，P
WT
、分别为风力发电机的实际功率和额定功率；v、v
in
、v
r
、v
out
分别为风力发电机的实际风速、切入风速、额定风速和切出风速；光伏发电模型如下：其中，P
PV
、分别为光伏电池的实际功率和额定功率；s、s
r
分别为光伏电池实际工作时的太阳辐照度和额定功率工作时的太阳辐照度；γ为功率温度系数；T、T
r
分别为光伏电池实际工作时的表面温度和额定功率工作时的表面额定温度；储能电池模型如下：其中，S
soc
(t)、S
soc
(t
‑
1)分别为一天内t时刻和t
‑
1时刻时储能电池的荷电量，η
‑
、η
+
分别为放电功率和充电功率，P
BAT
(t)为一天内t时刻储能电池的功率，小于0时表示放电，大于0时表示充电，等于0时表示既不充电也不放电；需求侧响应数学模型如下：其中，Q
′
表示经过价格型需求侧响应后的电量负荷，Q
f
表示价格型需求侧响应前的峰时
段电量负荷，Q
p
表示价格型需求侧响应前的平时段电量负荷，Q
g
表示价格型需求侧响应前的谷时段电量负荷，Δe
f
、Δe
p
、Δe
g
分别表示峰时段、平时段和谷时段的电价变化量，e
f
、e
p
、e
g
分别表示峰时段、平时段和谷时段的电价；M表示电量电价弹性矩阵，满足：其中，m
ff
、m
pp
、m
gg
分别表示峰时段、平时段、谷时段的电量电价自弹性系数，m
fp
表示峰时段和平时段的电量电价交叉弹性系数，m
fg
表示峰时段和谷时段的电量电价交叉弹性系数，m
pf
表示平时段和峰时段的电量电价交叉弹性系数，m
pg
表示平时段和谷时段的电量电价交叉弹性系数，m
gf
表示谷时段和峰时段的电量电价交叉弹性系数，m
gp
表示谷时段和平时段的电量电价交叉弹性系数。3.根据权利要求2所述的一种考虑碳交易和需求侧响应的源
‑
储
‑
荷协同规划方法，其特征在于，步骤S2中：目标函数如下：min F＝F
inv
+F
on
+F
buy
+F
CCCC
M(t)＝ε
×
P
Load
(t)其中，F为年综合成本，包括：F
inv
为年投资成本，r为贴现率，n为投资年限，k表示分布式电源类型，取1表示风力发电机，取2表示光伏电池，取3表示储能电池，Nk表示第k种分布式电源可以安装的节点集合，表示第i个节点第k种分布式电源的单位投资成本，表示第i个节点第k种分布式电源的额定功率；F
on
为年维护成本，表示第i个节点第k种分布式电源的单位维护成本，表示一天内以小时为单位进行取样，第t时刻第i个节点第k种分布式电源的输出有功功率，当k取3时，若大于0，表示储能电池放电，若小于0，表示储能...

【专利技术属性】
技术研发人员：朱正林，张冕，张欢，熊永旭，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：