考虑差异储能类型的园区新能源调度方法、装置与系统
文献发布时间:2024-04-18 19:58:26
技术领域
本发明涉及电力调度技术领域,尤其涉及一种考虑差异储能类型的园区新能源调度方法、装置与系统。
背景技术
当前,国际能源和环保问题严峻,各国都在积极开展本国的能源产业革命。吸纳更多新能源入网,促进综合能源之间的互相协调与互相补充,升级我国能源消费模式已经成为了能源发展的重中之重。工商业负荷汇集的园区成为新能源消纳的新战场。
新能源的接入使得园区变成一个有源系统,此外带来电源出力的波动性特征,为缓解园区电源出力的波动情况,通常采取储能配置的方式平抑新能源波动,同时储能所具备的电能存储能力支持跨长时间维度的能量平移,有助于缓解园区用电紧张的情况。
现有的研究针对储能的充、放电规律开展了大量研究,通常情况下采取用电低谷时段进行储能充电,在用电高峰时进行储能放电,或结合新能源出力特征形成储能的充放电策略,取得良好的运行效果。
现有的园区新能源经济调度,通过储能设备平抑新能源出力的波动特点,但现阶段通常配置单一类型的储能设备进行园区能量管理调节,有许多研究对园区、微网进行了储能调度策略的优化研究,蓄电池是常用的可调节资源,然而,以蓄电池为代表的电化学储能存在响应时间长,同时,蓄电池反复的充放电将严重降低储能的寿命,而置换储能带来经济成本的增加,同时,还影响电网运行的稳定性。
发明内容
本发明提供了一种考虑差异储能类型的园区新能源调度方法、装置与系统,解决了蓄电池反复的充放电将严重降低储能的寿命,而置换储能带来经济成本的增加,同时,还影响电网运行的稳定性的技术问题。
有鉴于此,本发明第一方面提供了一种考虑差异储能类型的园区新能源调度方法,包括以下步骤:
获取园区内新能源机组的机组类型,所述机组类型包括蓄电池和超级电容器;
获取园区从主系统侧的购售电成本,以蓄电池的运行成本最小为目标,构建第一阶段优化目标模型,以保持系统功率平衡为约束,对所述第一阶段优化目标模型进行求解,得到主系统侧的购电功率预测值和蓄电池的功率预测值;
以考虑新能源机组的随机出力的储能、超级电容器及购电累计总和成本最小为目标,构建第二阶段优化目标模型,以保持系统功率平衡为约束,对所述第二阶段优化目标模型进行求解,得到调节偏差修正后的主系统侧的购电功率调度值、调节偏差修正后的蓄电池的功率调度值和超级电容器的功率调度值;
根据主系统侧的购电功率调度值、蓄电池的功率调度值和超级电容器的功率调度值形成新能源调度计划,将所述新能源调度计划下发至相应的各个新能源机组。
优选地,获取园区从主系统侧的购售电成本,以蓄电池的运行成本最小为目标,构建第一阶段优化目标模型,以保持系统功率平衡为约束,对所述第一阶段优化目标模型进行求解,得到主系统侧的购电功率预测值和蓄电池的功率预测值的步骤,具体包括:
设置第一阶段优化目标模型的状态变量为{P
获取园区从主系统侧的购售电成本,以蓄电池的运行成本最小为目标,构建第一阶段优化目标模型的目标函数为:
式中,t
C
式中,c
其中,当前时段节点的调控蓄电池产生的运行成本C
C
式中,d
式中,P
其中,约束条件为系统功率平衡,表示为
式中,
通过Gurobi数学规划优化器对第一阶段优化目标模型的目标函数进行求解,得到主系统侧的购电功率预测值和蓄电池的运行功率预测值。
优选地,以考虑新能源机组的随机出力的储能、超级电容器及购电累计总和成本最小为目标,构建第二阶段优化目标模型,以保持系统功率平衡为约束,对所述第二阶段优化目标模型进行求解,得到调节偏差修正后的主系统侧的购电功率调度值、调节偏差修正后的蓄电池的功率调度值和超级电容器的功率调度值的步骤,具体包括:
设置第一阶段优化目标模型的状态变量为{P
其中,
P
P
P
式中,ΔP
以考虑新能源机组的随机出力的储能、超级电容器及购电累计总和成本最小为目标,构建第二阶段优化目标模型的目标函数为:
式中,T
式中,SOC
构建蓄电池和超级电容器的充放电特性模型分别为:
式中,E
其中,对于荷电状态,有:
式中,
其中,约束条件为系统功率平衡,表示为:
式中,
将所述第二阶段优化目标模型的目标函数采用马尔可夫状态转移过程进行训练,构成马尔可夫状态转移的奖励函数,通过强化学习算法对马尔可夫状态转移的奖励函数进行求解,得到主系统侧的购电功率的调节偏差值、蓄电池的运行功率的调节偏差值和超级电容器的荷电状态;
根据所述主系统侧的购电功率的调节偏差值和所述蓄电池的运行功率的调节偏差值分别对所述主系统侧的购电功率和蓄电池的运行功率进行修正,得到调节偏差修正后的主系统侧的购电功率调度值、调节偏差修正后的蓄电池的功率调度值,通过超级电容器的充放电特性模型将所述超级电容器的荷电状态转换为超级电容器的运行功率。
第二方面,本发明还提供了一种考虑差异储能类型的园区新能源调度装置,包括:
机组获取单元,用于获取园区内新能源机组的机组类型,所述机组类型包括蓄电池和超级电容器;
第一阶段预测单元,用于获取园区从主系统侧的购售电成本,以蓄电池的运行成本最小为目标,构建第一阶段优化目标模型,以保持系统功率平衡为约束,对所述第一阶段优化目标模型进行求解,得到主系统侧的购电功率预测值和蓄电池的功率预测值;
第二阶段优化单元,用于以考虑新能源机组的随机出力的储能、超级电容器及购电累计总和成本最小为目标,构建第二阶段优化目标模型,以保持系统功率平衡为约束,对所述第二阶段优化目标模型进行求解,得到调节偏差修正后的主系统侧的购电功率调度值、调节偏差修正后的蓄电池的功率调度值和超级电容器的功率调度值;
机组功率调度单元,用于根据主系统侧的购电功率调度值、蓄电池的功率调度值和超级电容器的功率调度值形成新能源调度计划,将所述新能源调度计划下发至相应的各个新能源机组。
优选地,所述第一阶段预测单元具体包括:
第一变量设置模块,用于设置第一阶段优化目标模型的状态变量为{P
第一目标构建模块,用于获取园区从主系统侧的购售电成本,以蓄电池的运行成本最小为目标,构建第一阶段优化目标模型的目标函数为:
式中,t
C
式中,c
其中,当前时段节点的调控蓄电池产生的运行成本C
C
式中,d
式中,P
其中,约束条件为系统功率平衡,表示为
式中,
第一求解模块,用于通过Gurobi数学规划优化器对第一阶段优化目标模型的目标函数进行求解,得到主系统侧的购电功率预测值和蓄电池的运行功率预测值。
优选地,所述第二阶段优化单元具体包括:
第二变量设置模块,用于设置第一阶段优化目标模型的状态变量为{P
其中,
P
P
P
式中,ΔP
第二目标构建模块,用于以考虑新能源机组的随机出力的储能、超级电容器及购电累计总和成本最小为目标,构建第二阶段优化目标模型的目标函数为:
式中,T
式中,SOC
构建蓄电池和超级电容器的充放电特性模型分别为:
式中,E
其中,对于荷电状态,有:
式中,
其中,约束条件为系统功率平衡,表示为:
式中,
第二求解模块,用于将所述第二阶段优化目标模型的目标函数采用马尔可夫状态转移过程进行训练,构成马尔可夫状态转移的奖励函数,通过强化学习算法对马尔可夫状态转移的奖励函数进行求解,得到主系统侧的购电功率的调节偏差值、蓄电池的运行功率的调节偏差值和超级电容器的荷电状态;
功率调节模块,用于根据所述主系统侧的购电功率的调节偏差值和所述蓄电池的运行功率的调节偏差值分别对所述主系统侧的购电功率和蓄电池的运行功率进行修正,得到调节偏差修正后的主系统侧的购电功率调度值、调节偏差修正后的蓄电池的功率调度值,通过超级电容器的充放电特性模型将所述超级电容器的荷电状态转换为超级电容器的运行功率。
第三方面,本发明还提供了一种考虑差异储能类型的园区新能源调度系统,包括:能源电源管理模块、能源调度管理模块和数据交互模块,所述能源电源管理模块通过所述数据交互模块与所述能源调度管理模块进行数据交互;
所述能源电源管理模块包括主系统电源管理子模块与新能源电源管理子模块;
所述主系统电源管理子模块用于获取主系统侧的联络线运行约束信息和联络线功率状态信息,还用于获取园区接网点节点的电价信息;
所述新能源电源管理子模块用于监测园区内的新能源机组的运行功率,还用于对园区内的新能源机组的并网点进行监测以及并网容量统计;
所述能源调度管理模块用于执行上述的考虑差异储能类型的园区新能源调度方法的步骤。
第四方面,本发明还提供了一种电子设备,包括:处理器、存储器、通信元件和通信总线,所述处理器、所述存储器和所述通信元件通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如上述的对象特征提取方法相应的操作。
第五方面,本发明还提供了一种计算机可读存储介质,其上存储有计算机程序指令,其中,所述程序指令被处理器执行时实现上述对象特征提取方法的步骤。
从以上技术方案可以看出,本发明具有以下优点:
本发明通过以蓄电池的运行成本最小为目标,构建第一阶段优化目标模型,从而对蓄电池的充放电进行优化设计,再以考虑新能源机组的随机出力的储能、超级电容器及购电累计总和成本最小为目标,构建第二阶段优化目标模型,对主系统侧的购电功率和蓄电池的功率进行修正,并得出调度值和超级电容器的功率调度值,从而通过调整第一阶段可控资源的出力情况,并加入超级电容器实现功率的实时平衡,实现了对不同类型的储能设备进行差异化的经济成本模型、响应特性模型搭建,并结合长时间尺度的蓄电池与短时间尺度的超级电容器进行两阶段的调度策略优化,实现对不同类型的储能设备进行差异化储能的协同调度,降低了园区内可调节资源调控的运行成本,提高了电网运行的稳定性。
附图说明
图1为本发明实施例提供的一种考虑差异储能类型的园区新能源调度方法的流程图;
图2为本发明实施例提供的一种考虑差异储能类型的园区新能源调度装置的结构示意图;
图3为本发明实施例提供的一种考虑差异储能类型的园区新能源调度系统的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
为了便于理解,请参阅图1,本发明提供的一种考虑差异储能类型的园区新能源调度方法,包括以下步骤:
步骤101,获取园区内新能源机组的机组类型,机组类型包括蓄电池和超级电容器。
其中,在园区内新能源机组系统运行过程中,还需要建立主系统联络线功率限额,建立主系统实时的联络线功率监测值,描述各时间断面联络线的功率取值,同时,主系统实时的联络线功率期望指导园区调度员进行联络线功率控制;建立园区通过主系统购售电的价格费用,在分时电价的策略下,价格为24小时独立取值。
建立新能源电源出力限额,当含多组新能源时,对出力条件分别单独建模;建立新能源实时出力监测值描述各时间断面新能源的功率取值;建立新能源出力预测值,表示提前一天的出力预测结果。
其中,新能源机组除了蓄电池和超级电容器之外,还可以包含其他分布式新能源机组。
步骤102,获取园区从主系统侧的购售电成本,以蓄电池的运行成本最小为目标,构建第一阶段优化目标模型,以保持系统功率平衡为约束,对第一阶段优化目标模型进行求解,得到主系统侧的购电功率预测值和蓄电池的功率预测值。
步骤103,以考虑新能源机组的随机出力的储能、超级电容器及购电累计总和成本最小为目标,构建第二阶段优化目标模型,以保持系统功率平衡为约束,对第二阶段优化目标模型进行求解,得到调节偏差修正后的主系统侧的购电功率调度值、调节偏差修正后的蓄电池的功率调度值和超级电容器的功率调度值。
需要说明的是,第一阶段优化目标模型对主系统侧的购电功率预测值和蓄电池的功率预测值进行优化,从而对蓄电池的充放电曲线进行优化设计,第二阶段优化目标模型是通过调整第一阶段可控资源的出力情况,并加入超级电容器实现功率的实时平衡。
步骤104,根据主系统侧的购电功率调度值、蓄电池的功率调度值和超级电容器的功率调度值形成新能源调度计划,将新能源调度计划下发至相应的各个新能源机组。
其中,不同的储能可调节资源类型,存在不同的充放电特性。蓄电池(电化学储能)能够在长时间尺度内保证园区能量调度的经济性,而超级电容器则具有瞬时满足功率平衡的优势,两者都在园区的运行控制中发挥重要的作用。协同两种储能资源,针对不同的运行控制目标给出具体的控制计划安排,能够保证园区运行控制的经济最优,弥补传统园区运用单一储能进行能源管理与优化调度策略简单、经济性不足的情况。
需要说明的是,本发明提供的一种考虑差异储能类型的园区新能源调度方法,通过以蓄电池的运行成本最小为目标,构建第一阶段优化目标模型,从而对蓄电池的充放电进行优化设计,再以考虑新能源机组的随机出力的储能、超级电容器及购电累计总和成本最小为目标,构建第二阶段优化目标模型,对主系统侧的购电功率和蓄电池的功率进行修正,并得出调度值和超级电容器的功率调度值,从而通过调整第一阶段可控资源的出力情况,并加入超级电容器实现功率的实时平衡,实现了对不同类型的储能设备进行差异化的经济成本模型、响应特性模型搭建,并结合长时间尺度的蓄电池与短时间尺度的超级电容器进行两阶段的调度策略优化,实现对不同类型的储能设备进行差异化储能的协同调度,降低了园区内可调节资源调控的运行成本,提高了电网运行的稳定性。
在一个具体实施例中,步骤102具体包括:
1021,设置第一阶段优化目标模型的状态变量为{P
1022,获取园区从主系统侧的购售电成本,以蓄电池的运行成本最小为目标,构建第一阶段优化目标模型的目标函数为:
式中,t
C
式中,c
其中,当前时段节点的调控蓄电池产生的运行成本C
C
式中,d
式中,P
其中,蓄电池的折旧成本C
其中,
其中,约束条件为系统功率平衡,表示为
式中,
1023,通过Gurobi数学规划优化器对第一阶段优化目标模型的目标函数进行求解,得到主系统侧的购电功率预测值和蓄电池的运行功率预测值。
其中,Gurobi数学规划优化器内置强化学习工具对第一阶段优化目标模型的目标函数进行求解。
在一个具体实施例中,步骤103具体包括:
1031,设置第一阶段优化目标模型的状态变量为{P
其中,
P
P
P
式中,ΔP
1032,以考虑新能源机组的随机出力的储能、超级电容器及购电累计总和成本最小为目标,构建第二阶段优化目标模型的目标函数为:
式中,T
式中,SOC
其中,超级电容器折旧成本C
式中,
构建蓄电池和超级电容器的充放电特性模型分别为:
式中,E
其中,对于荷电状态,有:
/>
式中,
其中,约束条件为系统功率平衡,表示为:
式中,
1033,将第二阶段优化目标模型的目标函数采用马尔可夫状态转移过程进行训练,构成马尔可夫状态转移的奖励函数,通过强化学习算法对马尔可夫状态转移的奖励函数进行求解,得到主系统侧的购电功率的调节偏差值、蓄电池的运行功率的调节偏差值和超级电容器的荷电状态;
1034,根据主系统侧的购电功率的调节偏差值和蓄电池的运行功率的调节偏差值分别对主系统侧的购电功率和蓄电池的运行功率进行修正,得到调节偏差修正后的主系统侧的购电功率调度值、调节偏差修正后的蓄电池的功率调度值,通过超级电容器的充放电特性模型将超级电容器的荷电状态转换为超级电容器的运行功率。
以上为本发明提供的一种考虑差异储能类型的园区新能源调度方法的实施例的详细描述,以下为本发明提供的一种考虑差异储能类型的园区新能源调度系统的实施例的详细描述。
为了便于理解,请参阅图2,本发明提供了一种考虑差异储能类型的园区新能源调度装置,包括:
机组获取单元10,用于获取园区内新能源机组的机组类型,机组类型包括蓄电池和超级电容器;
第一阶段预测单元20,用于获取园区从主系统侧的购售电成本,以蓄电池的运行成本最小为目标,构建第一阶段优化目标模型,以保持系统功率平衡为约束,对第一阶段优化目标模型进行求解,得到主系统侧的购电功率预测值和蓄电池的功率预测值;
第二阶段优化单元30,用于以考虑新能源机组的随机出力的储能、超级电容器及购电累计总和成本最小为目标,构建第二阶段优化目标模型,以保持系统功率平衡为约束,对第二阶段优化目标模型进行求解,得到调节偏差修正后的主系统侧的购电功率调度值、调节偏差修正后的蓄电池的功率调度值和超级电容器的功率调度值;
机组功率调度单元40,用于根据主系统侧的购电功率调度值、蓄电池的功率调度值和超级电容器的功率调度值形成新能源调度计划,将新能源调度计划下发至相应的各个新能源机组。
在一个具体实施例中,第一阶段预测单元具体包括:
第一变量设置模块,用于设置第一阶段优化目标模型的状态变量为{P
第一目标构建模块,用于获取园区从主系统侧的购售电成本,以蓄电池的运行成本最小为目标,构建第一阶段优化目标模型的目标函数为:
式中,t
C
式中,c
其中,当前时段节点的调控蓄电池产生的运行成本C
C
式中,d
式中,P
其中,约束条件为系统功率平衡,表示为
式中,
第一求解模块,用于通过Gurobi数学规划优化器对第一阶段优化目标模型的目标函数进行求解,得到主系统侧的购电功率预测值和蓄电池的运行功率预测值。
在一个具体实施例中,第二阶段优化单元具体包括:
第二变量设置模块,用于设置第一阶段优化目标模型的状态变量为{P
其中,
P
P
P
式中,ΔP
第二目标构建模块,用于以考虑新能源机组的随机出力的储能、超级电容器及购电累计总和成本最小为目标,构建第二阶段优化目标模型的目标函数为:
式中,T
式中,SOC
构建蓄电池和超级电容器的充放电特性模型分别为:
式中,E
其中,对于荷电状态,有:
式中,
其中,约束条件为系统功率平衡,表示为:
式中,
第二求解模块,用于将第二阶段优化目标模型的目标函数采用马尔可夫状态转移过程进行训练,构成马尔可夫状态转移的奖励函数,通过强化学习算法对马尔可夫状态转移的奖励函数进行求解,得到主系统侧的购电功率的调节偏差值、蓄电池的运行功率的调节偏差值和超级电容器的荷电状态;
功率调节模块,用于根据主系统侧的购电功率的调节偏差值和蓄电池的运行功率的调节偏差值分别对主系统侧的购电功率和蓄电池的运行功率进行修正,得到调节偏差修正后的主系统侧的购电功率调度值、调节偏差修正后的蓄电池的功率调度值,通过超级电容器的充放电特性模型将超级电容器的荷电状态转换为超级电容器的运行功率。
如图3所示,本发明还提供了一种考虑差异储能类型的园区新能源调度系统,包括:能源电源管理模块100、能源调度管理模块200和数据交互模块300,能源电源管理模块100通过数据交互模块300与能源调度管理模块200进行数据交互;
能源电源管理模块100包括主系统电源管理子模块与新能源电源管理子模块;
主系统电源管理子模块用于获取主系统侧的联络线运行约束信息和联络线功率状态信息,还用于获取园区接网点节点的电价信息;
其中,联络线运行约束信息包括联络线的可用容量约束和传输速度限值等,联络线功率状态信息包括联络线传输的有功功率值和无功功率值以及功率波动信息。
新能源电源管理子模块用于监测园区内的新能源机组的运行功率,还用于对园区内的新能源机组的并网点进行监测以及并网容量统计;
能源调度管理模块200用于执行上述的考虑差异储能类型的园区新能源调度方法的步骤。
本发明还提供了一种电子设备,包括:处理器、存储器、通信元件和通信总线,处理器、存储器和通信元件通过通信总线完成相互间的通信;
存储器用于存放至少一可执行指令,可执行指令使处理器执行如上述的对象特征提取方法相应的操作。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序指令,其中,程序指令被处理器执行时实现上述对象特征提取方法的步骤
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
- 园区新能源储能系统的调度方法、装置、设备及存储介质
- 一种考虑负荷需求差异性的储能系统运行调度方法