一种储能复用的双层优化配置方法

1.本发明设计储能配置技术领域，尤其涉及一种储能复用的双层优化配置方法。


背景技术：

2.在储能系统中，储能容量配置是一个关键问题。储能容量配置指的是确定储能系统中储能设备的容量大小、数量、布局等参数，以最大化储能系统的效益。储能容量配置的优化可以通过建立储能系统的数学模型和算法求解来实现。
3.现阶段储能配置大多是针对特定区域、单一用途进行配置，储能的成本较高，利用率低，投资回收周期长。储能的配置一般是根据其初期投入成本和运行成本进行配置，采用单一目标进行优化求解即可，但对于储能复用的场景，往往要考虑率多种因素，需采用多目标函数来对储能进行合理的配置。


技术实现要素：

4.本发明针对现阶段储能场景应用单一、储能利用率低、成本回收周期长的问题，提供了一致储能复用的双层优化配置方法，在储能复用情况下，对储能进行配置；分别从规划建设和运行两个层面，构建其双层优化配置模型，得到其最优配置结果。
5.一种储能复用的双层优化配置方法，包括如下步骤：
6.步骤s1：对储能进行复用，在平抑风电波动的同时，参与系统的调频；
7.步骤s2：在步骤s1的基础上，建立储能的互相耦合的双层优化配置模型；上层是以储能年收益率最大为目标函数，求解的是储能初期规划建设的问题；下层以储能年运行成本最小为目标函数，求解的是储能调频出力的问题。
8.步骤s3：在步骤s2的基础上，对双层优化模型进行求解；下层采用gurobi商业求解器进行求解，得到调频下垂系数，并将每次结果传递给上层；上层模型采用粒子群算法进行求解，得到储能的容量及功率配置情况，同样将每次的结果反馈给下层；如此迭代反复后得到最优的储能配置情况。
9.优选的是，本发明步骤s2中建立上层优化配置模型的具体过程为：
10.(1)目标函数
[0011][0012]
式中，r
rel
为年收益率；c
eac
储能初期投入的等值年成本；r
total
为储能的年收益；
[0013][0014]rtotal
＝r
wind-sto
+r
fre
[0015]
式中，γ为折现率；c
inv
为储能初期投入成本；ce为储能的容量成本；c
pcs
为变流器成本；c
bms
为电池管理系统成本；cs为储能电站安全防护设施建造成本；n
clc
为储能的全生命周期；r
wind-sto
为储能消纳风电收益；r
fre
为储能参与系统调频收益；
[0016]ce
＝cee
rated
[0017]
式中，ce为单位容量成本，万元/mw
·
h；e
rated
为配置的储能容量，mw
·
h；
[0018]cpcs
＝c
pcs
p
rated
[0019]
式中，c
pcs
为变流器单位功率成本，万元/mw；p
rated
为储能的最大功率，mw；
[0020]rwind-sto
＝c
sellewind-sto
[0021]
式中，c
sell
为储能售电单价；e
wind-sto
为储能减少的弃风电量；
[0022][0023]
式中，c
cap,t
为t时刻调频容量价格，万元/mw；c
mil,t
为t时刻调频里程价格，万元/mw；p
cap,t
为t时刻的调频容量；p
mil,t
为t时刻的调频里程；
[0024]
(2)约束条件
[0025]
功率平衡及充放电约束
[0026]
p
b,t
＝δp
w,t
+δp
g,t
[0027]
δp
w,t
＝p
w-disc,t-p
w-ch,t
[0028]
δp
g,t
＝p
g-disc,t-p
g-ch,t
[0029]
0≤p
w-disc,t
≤p
rated
[0030]
0≤p
w-ch,t
≤p
rated
[0031]
0≤p
g-disc,t
≤p
rated
[0032]
0≤p
g-ch,t
≤p
rated
[0033]
0≤p
w-disc,t
+p
g-disc,t
≤p
rated
[0034]
0≤p
w-ch,t
+p
g-ch,t
≤p
rated
[0035]
式中，p
b,t
为储能t时刻的输出功率；δp
w,t
为储能t时刻平抑风电波动所发功率；δp
g,t
为储能t时刻辅助电网调频所发功率；p
w-disc,t
为储能t时刻向风电场放电的功率；p
w-ch,t
为风电厂t时刻对储能的充电功率；p
g-disc,t
为储能t时刻参与调频向电网放电的功率；p
g-ch,t
为储能t时刻参与调频，电网对储能充电的功率；
[0036]
能量约束
[0037]
0≤e
t
＝e
t-1
+[η
ch
(p
w-ch,t
+p
g-ch,t
)-(p
w-disc,t
+p
g-disc,t
)/η
disc
]δt≤e
rated
[0038]
式中，η
ch
为储能的充电效率，η
disc
为储能的放电效率；e
t
为t时刻储能的能量；e
t-1
为t-1时刻储能的能量；δt储能单次充放电时间；e
rated
为储能的配置容量；
[0039]
soc约束
[0040][0041]
式中，soc
min
为储能soc下限；soc
max
为储能soc上限；soc
t-1
为储能t-1时刻的荷电状态。
[0042]
优选的是，本发明步骤s2中建立下层优化配置模型的具体过程为：
[0043]
(1)目标函数
[0044]crun-year
＝c
con
+c
var
[0045]ccon
＝c
run-eerated
+c
run-p
p
rated
[0046][0047]
式中，c
run-year
为储能年运行维护总成本；c
con
为储能固定的年运行维护成本；c
var
为储能电站的可变运行维护成本；c
run-e
为单位容量年运行维护成本，万元/mw
·
h；e
rated
为配置的储能容量，mw
·
h；c
run-p
为单位功率年运行维护成本，万元/mw；p
rated
为储能的最大功率，mw；c
buy
为储能向下调频时的购电单价，万元/mw
·
h；p
g-ch,t
为t时刻储能调频，电网对其充电的功率，mw；c
pun
为储能调频不足时的惩罚单价，万元/mw
·
h；p
man
为电网调频需求，万元/mw
·
h。
[0048]
(2)约束条件
[0049]
δp
g,t
＝kδf
t
＝p
g-disc,t-p
g-ch,t
[0050]-p
rated
≤kδf≤p
rated
[0051]
式中，δp
g,t
为储能的调频功率；-p
rated
为储能最大充电功率；k为储能参与调频的下垂系数；δf
t
为t时刻的频率偏差；
[0052]
优选的是，本发明步骤s3中双层优化模型进行求解，具体过程为：
[0053]
(1)载入双层优化模型的基本参数；
[0054]
(2)设定额定功率p
rated
和额定容量e
rated
的初值；
[0055]
(3)将额定容量和额定功率的初值分别传给下层优化配置模型，调用gurobi，定义下层优化配置模型及其变量，并设置约束条件后，对模型进行求解，得到下垂系数k；
[0056]
(4)将下层优化配置模型求解出的下垂系数k反馈给上层优化配置模型，并采用粒子群算法进行求解，首先载入历史调频、风电波动数据，并对粒子群算法迭代次数、种群规模、迭代次数等各项参数进行整定；根据适应度函数，优化求解额定功率p
rated
和额定容量e
rated
，并更新全局最优解，将结果再次反馈给下层优化配置模型；
[0057]
(5)重复步骤(3)和(4)，直至达到最大迭代次数或收敛条件，最终得到最优的额定功率p
rated
和额定容量e
rated
。
[0058]
本发明采用上述技术方案，与现有技术相比具有如下优点：
[0059]
1、本发明在储能复用情况下，对储能进行配置；然后，分别从规划建设和运行两个层面，构建其双层优化配置模型，并运用pso算法及gurobi商业求解器进行求解，得到其最优配置结果。储能电站一方面参与电网的调频，另一方面平抑风电的波动，可以大大提高储能的利用率，同时，采用双层优化模型对储能进行配置，能够更好地解决成本和收益之间的矛盾问题。
[0060]
2、本发明针对储能复用的场景进行配置，一方面，可以提高储能的收益；另外一方面，可以提高储能的利用率，减少其放电深度过低的问题。
[0061]
3、在储能复用情况下，收益率不仅反应了收益的大小，同时还反映了收益与投入成本之间的比例关系，将年收益率最大化作为上层模型的目标函数，对储能进行配置，可以将收益最大化，同时减少成本回收周期。
附图说明
[0062]
图1是储能复用模型结构图；
[0063]
图2是储能复用的双层优化配置模型的结构框图；
[0064]
图3是储能配置求解的流程图。
具体实施方式
[0065]
本发明提出了一种储能复用的双层优化配置方法，下面节后附图和具体实施例对本发明进一步说明。
[0066]
步骤s1：储能的复用
[0067]
储能参与系统调频，同时平抑风电波动旨在提高储能的利用率，避免储能在运行过程中放电深度过低的问题；如图1所示，p
wind-disc
和p
wind-ch
分别为储能平抑风电波动发出及吸收的功率；p
g-disc
和p
g-ch
分别为储能向上调频发出的功率及向下调频吸收的功率；储能一方面参与平抑风电的波动，在风速较高的时候，利用储能的时移能力，将多余的电能存储起来，减少弃风量，在风速较低时，弥补风电的出力不足，支撑风电场并网功率；另外一方面，储能参与系统调频，系统频率下降时，储能向上调频，向电网增发功率，系统频率上升时，储能向下调频，吸收来自电网的功率。
[0068]
步骤s2：建立储能优化配置双层模型
[0069]
储能复用情况下的双层优化配置，其模型结构如图2所示。上层模型以年收益率最大为目标函数，决策变量为额定功率p
rated
和额定容量e
rated
；目标函数收益部分主要包括调频收益和消纳风电带来的收益；初期投入成本部分主要包括电池的容量成本、变流器的功率成本及安全墙的建设成本；约束条件主要是储能的功率约束、能量约束和soc约束；下层模型年运行成本最小为目标函数，决策变量为调频下垂系数k；年运行成本由两部分构成，一部分是固定成本，主要是人工和电池本体维护成本；一部分是可变成本，包括调频成本和调频不足带来的调频惩罚成本。
[0070]
建立上层优化配置模型的具体过程为：
[0071]
(1)目标函数
[0072][0073]
式中，r
rel
为年收益率；c
eac
储能初期投入的等值年成本；r
total
为储能的年收益；
[0074][0075]rtotal
＝r
wind-sto
+r
fre
[0076]
式中，γ为折现率；c
inv
为储能初期投入成本；ce为储能的容量成本；c
pcs
为变流器成本；c
bms
为电池管理系统成本；cs为储能电站安全防护设施建造成本；n
clc
为储能的全生命周期；r
wind-sto
为储能消纳风电收益；r
fre
为储能参与系统调频收益；
[0077]ce
＝cee
rated
[0078]
式中，ce为单位容量成本，万元/mw
·
h；e
rated
为配置的储能容量，mw
·
h；
[0079]cpcs
＝c
pcs
p
rated
[0080]
式中，c
pcs
为变流器单位功率成本，万元/mw；p
rated
为储能的最大功率，mw；
[0081]rwind-sto
＝c
sellewind-sto
[0082]
式中，c
sell
为储能售电单价；e
wind-sto
为储能减少的弃风电量；
[0083][0084]
式中，c
cap,t
为t时刻调频容量价格，万元/mw；c
mil,t
为t时刻调频里程价格，万元/mw；p
cap,t
为t时刻的调频容量；p
mil,t
为t时刻的调频里程；
[0085]
(2)约束条件
[0086]
功率平衡及充放电约束
[0087]
p
b,t
＝δp
w,t
+δp
g,t
[0088]
δp
w,t
＝p
w-disc,t-p
w-ch,t
[0089]
δp
g,t
＝p
g-disc,t-p
g-ch,t
[0090]
0≤p
w-disc,t
≤p
rated
[0091]
0≤p
w-ch,t
≤p
rated
[0092]
0≤p
g-disc,t
≤p
rated
[0093]
0≤p
g-ch,t
≤p
rated
[0094]
0≤p
w-disc,t
+p
g-disc,t
≤p
rated
[0095]
0≤p
w-ch,t
+p
g-ch,t
≤p
rated
[0096]
式中，p
b,t
为储能t时刻的输出功率；δp
w,t
为储能t时刻平抑风电波动所发功率；δp
g,t
为储能t时刻辅助电网调频所发功率；p
w-disc,t
为储能t时刻向风电场放电的功率；p
w-ch,t
为风电厂t时刻对储能的充电功率；p
g-disc,t
为储能t时刻参与调频向电网放电的功率；p
g-ch,t
为储能t时刻参与调频，电网对储能充电的功率；
[0097]
能量约束
[0098]
0≤e
t
＝e
t-1
+[η
ch
(p
w-ch,t
+p
g-ch,t
)-(p
w-disc,t
+p
g-disc,t
)/η
disc
]δt≤e
rated
[0099]
式中，η
ch
为储能的充电效率，η
disc
为储能的放电效率；e
t
为t时刻储能的能量；e
t-1
为t-1时刻储能的能量；δt储能单次充放电时间；e
rated
为储能的配置容量；
[0100]
soc约束
[0101][0102]
式中，soc
min
为储能soc下限；soc
max
为储能soc上限；soc
t-1
为储能t-1时刻的荷电状态。
[0103]
建立下层优化配置模型的具体过程为：
[0104]
(1)目标函数
[0105]crun-year
＝c
con
+c
var
[0106]ccon
＝c
run-eerated
+c
run-p
p
rated
[0107][0108]
式中，c
run-year
为储能年运行维护总成本；c
con
为储能固定的年运行维护成本；c
var
为储能电站的可变运行维护成本；c
run-e
为单位容量年运行维护成本，万元/mw
·
h；e
rated
为配置的储能容量，mw
·
h；c
run-p
为单位功率年运行维护成本，万元/mw；p
rated
为储能的最大功率，mw；c
buy
为储能向下调频时的购电单价，万元/mw
·
h；p
g-ch,t
为t时刻储能调频，电网对其
充电的功率，mw；c
pun
为储能调频不足时的惩罚单价，万元/mw
·
h；p
man
为电网调频需求，万元/mw
·
h。
[0109]
(2)约束条件
[0110]
δp
g,t
＝kδf
t
＝p
g-disc,t-p
g-ch,t
[0111]-p
rated
≤kδf≤p
rated
[0112]
式中，δp
g,t
为储能的调频功率；-p
rated
为储能最大充电功率；k为储能参与调频的下垂系数；δf
t
为t时刻的频率偏差。
[0113]
步骤s3双层优化模型的求解
[0114]
本模型采用pso算法和商业求解器gurobi进行求解。如图3所示，首先，在设定参数和初值后，先对下层模型进行求解，决策变量为调频下垂系数k，下层对储能调频出力情况进行模拟，并将求解结果传递给上层，上层以年收益率最大化为目标，进行求解，计算出储能的额定容量e
rated
和额定功率p
rated
，不断迭代后得到储能的最优配置。具体步骤如下：
[0115]
(1)载入双层优化模型的基本参数；
[0116]
(2)设定额定功率p
rated
和额定容量e
rated
的初值；
[0117]
(3)将额定容量和额定功率的初值分别传给下层优化配置模型，调用gurobi，定义下层优化配置模型及其变量，并设置约束条件后，对模型进行求解，得到下垂系数k；
[0118]
(4)将下层优化配置模型求解出的下垂系数k反馈给上层优化配置模型，并采用粒子群算法进行求解，首先载入历史调频、风电波动数据，并对粒子群算法迭代次数、种群规模、迭代次数等各项参数进行整定；根据适应度函数，优化求解额定功率p
rated
和额定容量e
rated
，并更新全局最优解，将结果再次反馈给下层优化配置模型；
[0119]
(5)重复步骤(3)和(4)，直至达到最大迭代次数或收敛条件，最终得到最优的额定功率p
rated
和额定容量e
rated
。
[0120]
此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

技术特征：
1.一种储能复用的双层优化配置方法，其特征在于，包括如下步骤：步骤s1：对储能进行复用，在平抑风电波动的同时，参与系统的调频；步骤s2：在步骤s1的基础上，建立储能的互相耦合的双层优化配置模型；上层是以储能年收益率最大为目标函数，求解的是储能初期规划建设的问题；下层以储能年运行成本最小为目标函数，求解的是储能调频出力的问题。步骤s3：在步骤s2的基础上，对双层优化模型进行求解；下层采用gurobi商业求解器进行求解，得到调频下垂系数，并将每次结果传递给上层；上层模型采用粒子群算法进行求解，得到储能的容量及功率配置情况，同样将每次的结果反馈给下层；如此迭代反复后得到最优的储能配置情况。2.根据权利要求书1所述的一种储能复用的双层优化配置方法，其特征在于，所述步骤s2中建立上层优化配置模型的具体过程为：(1)目标函数式中，r
rel
为年收益率；c
eac
储能初期投入的等值年成本；r
total
为储能的年收益；r
total
＝r
wind-sto
+r
fre
式中，γ为折现率；c
inv
为储能初期投入成本；c
e
为储能的容量成本；c
pcs
为变流器成本；c
bms
为电池管理系统成本；c
s
为储能电站安全防护设施建造成本；n
clc
为储能的全生命周期；r
wind-sto
为储能消纳风电收益；r
fre
为储能参与系统调频收益；c
e
＝c
e
e
rated
式中，c
e
为单位容量成本，万元/mw
·
h；e
rated
为配置的储能容量，mw
·
h；c
pcs
＝c
pcs
p
rated
式中，c
pcs
为变流器单位功率成本，万元/mw；p
rated
为储能的最大功率，mw；r
wind-sto
＝c
sell
e
wind-sto
式中，c
sell
为储能售电单价；e
wind-sto
为储能减少的弃风电量；式中，c
cap,t
为t时刻调频容量价格，万元/mw；c
mil,t
为t时刻调频里程价格，万元/mw；p
cap,t
为t时刻的调频容量；p
mil,t
为t时刻的调频里程；(2)约束条件功率平衡及充放电约束p
b,t
＝δp
w,t
+δp
g,t
δp
w,t
＝p
w-disc,t-p
w-ch,t
δp
g,t
＝p
g-disc,t-p
g-ch,t
0≤p
w-disc,t
≤p
rated
0≤p
w-ch,t
≤p
rated
0≤p
g-disc,t
≤p
rated
0≤p
g-ch,t
≤p
rated
0≤p
w-disc,t
+p
g-disc,t
≤p
rated
0≤p
w-ch,t
+p
g-ch,t
≤p
rated
式中，p
b,t
为储能t时刻的输出功率；δp
w,t
为储能t时刻平抑风电波动所发功率；δp
g,t
为储能t时刻辅助电网调频所发功率；p
w-disc,t
为储能t时刻向风电场放电的功率；p
w-ch,t
为风电厂t时刻对储能的充电功率；p
g-disc,t
为储能t时刻参与调频向电网放电的功率；p
g-ch,t
为储能t时刻参与调频，电网对储能充电的功率；能量约束0≤e
t
＝e
t-1
+[η
ch
(p
w-ch,t
+p
g-ch,t
)-(p
w-disc,t
+p
g-disc,t
)/η
disc
]δt≤e
rated
式中，η
ch
为储能的充电效率，η
disc
为储能的放电效率；e
t
为t时刻储能的能量；e
t-1
为t-1时刻储能的能量；δt为储能单次充放电时间；e
rated
为储能的配置容量；soc约束式中，soc
min
为储能soc下限；soc
max
为储能soc上限；soc
t-1
为储能t-1时刻的荷电状态。3.根据权利要求书2所述的一种储能复用的双层优化配置方法，其特征在于，所述步骤s2中建立下层优化配置模型的具体过程为：(1)目标函数c
run-year
＝c
con
+c
var
c
con
＝c
run-e
e
rated
+c
run-p
p
rated
式中，c
run-year
为储能年运行维护总成本；c
con
为储能固定的年运行维护成本；c
var
为储能电站的可变运行维护成本；c
run-e
为单位容量年运行维护成本，万元/mw
·
h；e
rated
为配置的储能容量，mw
·
h；c
run-p
为单位功率年运行维护成本，万元/mw；p
rated
为储能的最大放电功率，mw；c
buy
为储能向下调频时的购电单价，万元/mw
·
h；p
g-ch,t
为t时刻储能调频，电网对其充电的功率，mw；c
pun
为储能调频不足时的惩罚单价，万元/mw
·
h；p
man
为电网调频需求，万元/mw
·
h。(2)约束条件δp
g,t
＝kδf
t
＝p
g-disc,t-p
g-ch,t-p
rated
≤kδf≤p
rated
式中，δp
g,t
为储能的调频功率；-p
rated
为储能最大充电功率；k为储能参与调频的下垂系数；δf
t
为t时刻的频率偏差。4.根据权利要求3所述的一种储能复用的双层优化配置方法，其特征在于，所述步骤s3中双层优化模型进行求解，具体过程为：(1)载入双层优化模型的基本参数；(2)设定额定功率p
rated
和额定容量e
rated
的初值；(3)将额定容量和额定功率的初值分别传给下层优化配置模型，调用gurobi，定义下层
优化配置模型及其变量，并设置约束条件后，对模型进行求解，得到下垂系数k；(4)将下层优化配置模型求解出的下垂系数k反馈给上层优化配置模型，并采用粒子群算法进行求解，首先载入历史调频、风电波动数据，并对粒子群算法迭代次数、种群规模、迭代次数等各项参数进行整定；根据适应度函数，优化求解额定功率p
rated
和额定容量e
rated
，并更新全局最优解，将结果再次反馈给下层优化配置模型；(5)重复步骤(3)和(4)，直至达到最大迭代次数或收敛条件，最终得到最优的额定功率p
rated
和额定容量e
rated
。

技术总结
本发明公开了一种储能复用的双层优化配置方法。首先，针对现阶段储能场景应用单一、储能利用率低、成本回收周期长的问题，在储能复用情况下，对储能进行配置；然后，分别从规划建设和运行两个层面，构建其双层优化配置模型，并运用PSO算法及gurobi商业求解器进行求解，得到其最优配置结果。储能电站一方面参与电网的调频，另一方面平抑风电的波动，可以大大提高储能的利用率，同时，采用双层优化模型对储能进行配置，能够更好地解决成本和收益之间的矛盾问题。矛盾问题。矛盾问题。


技术研发人员：王红艳 刘柏岑 顾义标 宋国辉
受保护的技术使用者：南京工程学院
技术研发日：2023.05.31
技术公布日：2023/10/15