【技术实现步骤摘要】
基于多目标粒子群算法的分布式储能聚合商优化调度方法
[0001]本专利技术涉及分布式储能聚合商的调度策略，主要
为分布式储能聚合商的优化调度方法。
技术介绍
[0002]得益于分布式能源的开发利用，分布式是未来新型电力系统的重要趋势之一。与集中式储能相比，分布式储能的选址安装更加灵活便利，更易实现分布式能源的就地快速消纳。此外，分布式储能相比于集中式储能减少了电能在线路上的损耗，减少了线路投资压力。分布式储能在“分散”状态下易实现分布式能源就地消纳，在“聚合”状态下同集中式储能一样，仍可以实现调频调峰、延缓电网改造、提高电网运行稳定性等功能。然而相对于大电网的传统运行模式，分布式储能在空间接入和出力上具有布局分散、个体容量小、可控性差的特点，难以受电力系统单独调控管理，为充分挖掘分布式储能的调控潜力带来阻碍。此外，如果任由各分布式储能自发运行，相当于接入大批随机性电源，它们的无序运行将严重危害电力系统的安全性和可靠性。
[0003]针对分布式储能无法直接参与电网侧调节的难题，引入分布式储能聚合商这一第三方。分布...
【技术保护点】
【技术特征摘要】
1.基于多目标粒子群算法的分布式储能聚合商优化调度方法，其特征在于，包括如下步骤：S1：根据储能电池的特征参数与充放电特性，结合分布式储能用户本身的用电习惯建立分布式储能可调度潜力模型；S2：对分布式储能聚合商运行成本与经济收益进行计算，建立分布式储能聚合商的经济模型；S3：将分布式储能用户的充放电行为调整作为量化依据，建立分布式储能用户满意度模型；S4：结合上述分布式储能可调度潜力模型，建立考虑用户满意度的分布式储能聚合商优化调度模型。2.根据权利要求1所述的基于多目标粒子群算法的分布式储能聚合商优化调度方法，其特征在于，步骤S1中建立分布式储能可调度潜力模型，具体包括：假设储能用户的用电时段为t1，则分布式储能聚合商可以调度的时间段T
s
为：T
s
＝{1,2,
…
,t1‑
1,t1+1,
…
,24}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)基于用电时段以及调度时段的分析，得到分布式储能聚合商可调度的充、放电容量E
SAP,C
、E
SAP,D
分别为：分别为：式中：N为被聚合的分布式储能数量；P
i,C,t
、P
i,D,t
分别为分布式储能i在t时段可被调度的充电功率、放电功率，t∈T
s
；η
C
、η
D
分别为储能电池的充电效率、放电效率；Δt为单位时间段间隔时长。3.根据权利要求1所述的基于多目标粒子群算法的分布式储能聚合商优化调度方法，其特征在于，步骤S2中建立分布式储能聚合商的经济模型，具体过程包括：(1)分布式储能聚合商收益模型1)峰谷套利收益式中：p
price,t
为电网t时段的峰谷电价；2)削峰填谷收益分布式储能聚合商帮助电网削峰填谷，从而获得削峰填谷服务补偿，这部分收益表示为F
shave
，计算公式如下：F
shave
＝k
r
P
shave
Δt
shave
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)式中：k
r
为单位容量获得的补偿；P
shave
为实际响应功率；Δt
shave
为实际响应时间；(2)分布式储能聚合商成本模型分布式储能聚合商的成本主要来源于要支付给用户的调度成本，支付给用户的调度成本表示为C
afford
，计算公式如下：
式中：L
afford
为分布式储能聚合商需要支付给用户的单位功率调节补偿费用；ΔP
i,t
为分布式储能i在接受调度后t时段的功率调节量；分布式储能聚合商针对用户的功率调节补偿费用L
afford
与用户的功率调节量呈线性关系，计算公式如下：L
afford
＝αΔP
i,t
+β
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)式中：α、β为功率调节补偿费用系数；根据式(6)(7)得到分布式储能聚合商需要支付给用户的调度成本，计算公式如下：根据上述分析，得到单个分布式储能用户接受聚合商调度得到的收益，计算公式如下：式中：F
i,user
为分布式储能i接受聚合商调度得到的收益；在分布式储能用户开始用电前，分布式储能聚合商需要将用户的储能充电至用户所需要的电量，在计算分布式储能聚合商的充电成本时应该将此部分成本扣除，计算此部分成本时直接按照最低电价计算，计算公式如下：式中：C
deduct
为分布式储能聚合商为满足用户运行需求而产生的充电成本；E
i,rate
为分布式储能i的额定容量；p
price,min
为分时电价中的谷时电价；根据上述分析，得到单个分布式储能用户的充电成本，计算公式如下：式中：C
i,user...
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。