一种面向虚拟电厂的储能容量配置方法

技术领域

本发明涉及种适用于MGS的储能容量配置方法，属于MGS储能领域。

背景技术

面向MGS配置储能，统筹管理分布式电源与电力负载，可以减小分布式电源对整个电力系统的安全性、可靠性问题带来的负面影响。随着储能技术的进步和成本的降低，在MGS中应用前景广阔，有必要对储能系统规划配置方法进行研究。

MGS作为未来能源互联网的重要组成部分。然而储能设备作为MGS的核心设备之一，目前应用成本仍然较高，关键问题在于MGS规划过程中储能容量的优化配置。

发明内容

发明目的

为解决上述问题，本发明提出一种面向MGS的储能容量配置方法，充分考虑电网调度需求及分时电价政策对整个MGS出力的影响，有效的提高了微电网群中的储能容量配置，增加MGS运行的经济性和可靠性，具有一定的工程应用价值。

技术方案

首先在保障光伏出力和风力发电机组出力全部被消纳的前提下，构建了一种集中控制模式的MGS，该MGS由LTO和CI组成多类型储能系统，并利用该系统配合分布式PV和WT实现对虚拟电厂中负荷的可靠供电，在保证光伏电源大发时段友好并网的条件下，以MGS的收益为优化目标，基于粒子群算法的函数极值寻优算法，计算储能系统的综合出力，得出储能系统的综合出力曲线，并利用快速傅里叶的方法对综合出力进行分析，从而得到储能的功率和容量，及其对应的MGS收益。一种面向MGS的储能容量配置方法：

步骤1、以MGS净收益最大为目标函数，通过MGS与电网进行电量交互过程中，计算各部分的收益、相关成本以及微电网之间功率传输节省的成本，即可计算得出MGS的净收益。

maxM

其中，t将一天时间平均分成96段，t＝1,2,…,96，每段时间为15分钟。M

步骤1-1

式中：

步骤2、计算MGS总成本

C

式中，

步骤2-1

式中，

步骤2-2

式中，

步骤3、计算ΔL微电网之间功率传输节省的成本

ΔL＝P

式中，P

步骤4、计算MGS向配电网申报计划出力

S

式中，S

步骤5、通过快速傅里叶变换分解储能出力

通过上步骤，可以通过计算微电网群净收益的方法得到多类型储能系统的综合出力，通过快速傅里叶变换算法可以将信号由时域转换到频域，逆变换再将频域转换到时域，然后将储能系统出力进行信号分解，将分解信号分为高频、中频。超级电容作为功率型储能可消纳高频信号；钛酸锂电池能量转换效率高、功率密度大的特点可消纳中频信号。再通过逆变换得到上述储能单元的出力情况。

优点及效果

本发明的优点与积极效果如下：

(1)以MGS净收益最大为目标建立了考虑分布式光伏、发电机组、储能、分时电价等因素的优化模型，该模型考虑了更多因素和控制策略，可以精确的计算MGS净收益；

(2)快速傅里叶变换对储能系统的信号进行很好的处理，可以得到高、中两种频率的储能出力曲线及其对应的各类型储能的功率和容量，分解后得到的储能容量小于分解前，经济性较好；

(3)本发明提出利用LTO和超级电容两种不同特性的储能，发现前者的MGS收益显著高于后者。

附图说明

图1是面向微电网群的储能容量配置流程示意图

图2是粒子群算法的步骤流程图

图3是微电网群控制策略示意图

具体实施方式：

下面结合附图对本发明作进一步详细描述。

首先在保障光伏出力以及风力发电机组出力全部被消纳的前提下，构建了一种集中控制模式的MGS，该MGS由LTO和CI组成多类型储能系统，并利用该系统配合分布式PV和WT实现对微电网群中负荷的可靠供电，在保证光伏电源以及风电机组大发时段友好并网的条件下，以MGS的收益为优化目标，基于粒子群算法的函数极值寻优算法，计算储能系统的综合出力，得出储能系统的综合出力曲线，并利用快速傅里叶的方法对综合出力进行分析，从而得到储能的功率和容量，及其对应的MGS收益。一种面向MGS的储能容量配置方法。具体步骤如图1所示。

步骤1、以MGS净收益最大为目标函数，通过MGS与电网进行电量交互过程中，计算各部分的收益、相关成本以及微电网之间功率传输节省的成本，即可计算得出MGS的净收益。

maxM

其中，t将一天时间平均分成96段，t＝1,2,…,96，每段时间为15分钟。M

步骤1-1

式中：

步骤2、计算MGS总成本

C

式中，

步骤2-1

式中，

步骤2-2

式中，

步骤3、计算ΔL微电网之间功率传输节省的成本

ΔL＝P

式中，P

步骤4、计算MGS向配电网申报计划出力

S

式中，S

步骤5、建立经济最优MGS模型的约束条件

步骤5-1、建立功率平衡等式

式中，δ表示t时段的MGS实际出力与次日预测出力的偏差。

步骤5-2、建立储能电池电量约束

式中，

步骤5-3、建立储能系统充放电约束

步骤5-3-1

式中：

步骤5-3-2

式中：

步骤5-3-3

式中：

步骤6、基于粒子群算法的储能容量配置

首先，在所给的研究范围之内找一群初始条件相同的粒子，其中每个粒子都具有代表最终最优解的概率，并且概率相同；其次，对这些粒子给予一定的标记，如方位、速度以及适应程度，其中适应度可采用函数进行求解得到最终值，它的高与低则直接代表着粒子的好与坏。在计算的过程中需要了解两个特殊的值，即个体值和群体值，个体值代表的是粒子在空间运动中的最优位置，而相应的群体值则代表的是在空间运动中粒子的群体所处的最优的位置。作为随机优化算法中的一种典型算法，粒子群算法的运用比较广泛。其原理是通过一群随机粒子的无规则重复运动，在自身和群体的双重约束下，得到最合适的解决路径。在算法运行过程中，每个粒子会根据自身和群体的两个最优解来实时更新自身路径。

粒子的速度更新公式为

V

粒子的位置更新公式为

X

式中：P

步骤7、通过快速傅里叶变换分解储能出力

通过上步骤，可以通过计算MGS净收益的方法得到多类型储能系统的综合出力，通过快速傅里叶变换算法可以将信号由时域转换到频域，逆变换再将频域转换到时域，然后将储能系统出力进行信号分解，将分解信号分为高频、中频。超级电容作为功率型储能可消纳高频信号；LTO能量转换效率高、功率密度大的特点可消纳中频信号。再通过逆变换得到以上储能单元的出力情况。微电网群控制策略示意如图3所示。