[发明专利]一种峰谷电价驱动的储能调峰日前优化调度方法

摘要

本发明是一种峰谷电价驱动的储能调峰日前优化调度方法，其特点是，包含：充放电区间优先级确立、储能调峰日前优化调度流程、储能系统在运行的过程中需要满足的约束条件、储能系统充放电状态约束、基于粒子群算法的功率优化方法、调度方案评价指标等步骤，通过对储能系统的充分利用，从而提高了储能系统的削峰填谷效果以及其经济性。具有方法科学合理，适用性强，效果佳等优点。

主权项

1.一种峰谷电价驱动的储能调峰日前优化调度方法，其特征是，它包含以下步骤：1)充放电区间优先级确立电网各时段的电价状态时序矩阵，起始点为谷值电价时段的初始时刻：其中S_price为电网各时段的电价状态时序矩阵，S_p,1～S_p,T为各时段的电价状态量，谷值电价时段为‑1，平值电价时段为0，峰值电价时段为1；t为第一个谷值与峰值时段过渡时刻或第一个平值与峰值时段过渡时刻；令S_pc与S_pd内对应的区间分别为储能的充放电区间；根据S_price确定充放电优先级区间；在S_pc中：S_p,i＝‑1的时段为一级充电区间，S_p,i＝0的时段为二级充电区间i∈[1,t]；在S_pd中：S_p,j＝1的时段为一级放电区间，S_p,j＝0的时段为二级放电区间j∈[t+1,T]；2)储能调峰日前优化调度流程结合步骤1)充放电区间优先级，建立储能调峰优化调度方案，其流程为：a)对于给定的预测负荷曲线，寻找其谷值P_load,min，令储能系统最大充电功率P_Cmax初始值为额定功率P，以P_Cmax+P_load,min为值做直线L，交负荷曲线于两点t₁、t₂，该两点内储能系统充电电量为：其中E_T为两点内储能系统充电电量，E_S为前一天的剩余电量；P_load,t为各时刻的负荷功率；P_load,min为负荷功率最小值；P_Cmax为最大填谷功率；η_C为储能系统充电效率；b)以E_T和储能额定容量E为判定条件，若E_T>E，则充电电量无法满足额定容量约束，将P_Cmax以ΔP为步长向下迭代，直至满足约束：0＜E‑E_T＜ε                        (3)其中ε为接近于0的常数；若E_T≤E，储能系统有盈余可充电电量E_Y＝E‑E_T，在除去t₁～t₂后，首先计算S_pc内剩余的一级充电时段数T₁，以平均值法来分配各时段的充电电量P_C＝E_Y/T₁×η_C，计算在储能功率约束P下是否还存在盈余电量，如仍存在盈余电量，则在二级充电时段内进行充电，计算S_pc内剩余的二级充电时段数T₂，二级充电时段内的储能盈余电量为E_Y’＝E_Y–P×T₁×η_C，计算在满足储能功率约束下的盈余电量，并输出储能系统充电后的电量状态E_BT；c)通过储能系统充电后的电量状态E_BT，根据给定的预测负荷曲线，寻找其峰值P_load,max，令储能系统最大放电功率P_Dmax初始值为0，并以ΔP为步长向上迭代，以P_load,max‑(P_Dmax×η_D)为值做直线L’，交负荷曲线于N个两点t₁’、t₂’，该两点内储能系统放电电量为：其中E_P为两点内储能系统放电电量，P_load,t为各时刻的负荷功率；P_load,max为负荷功率最大值；P_Dmax为最大削峰功率；η_D为储能系统放电效率；d)以E_P和E_BT为判定条件，若P_Dmax在达到额定功率P前，满足约束：0＜E_BT‑E_P＜ε                    (5)则迭代结束；若无法满足约束条件，则储能系统有剩余可放电电量E_S＝E_BT‑E_P，在除去N个t₁’～t₂’后，首先计算S_pd内剩余的一级放电时段数T₁’，以平均值法来分配各时段的放电电量P_D＝E_S/T₁’，计算在储能功率约束P下是否还存在剩余电量，如仍存在剩余电量，则在二级放电时段内进行充电，计算S_pd内剩余的二级放电时段数T₂’，二级放电时段内的储能剩余电量为E_S’＝E_S–P×T₁’，计算在满足储能功率约束下的剩余电量，并输出储能系统放电后的电量状态E_BS，使其利用率最大化；3)储能系统在运行的过程中，需要满足的约束条件a)储能系统功率约束其中P_C,t为储能系统t时刻的充电功率，P_D,t为储能系统t时刻的放电功率；P_C为储能系统最大充电功率；P_D为储能系统最大放电功率；b)储能系统荷电状态约束E_SOC,min≤E_SOC,t≤E_SOC,max                          (8)E_SOC,start＝E_SOC,end                                (9)式中E_SOC,t为储能系统t时刻的荷电状态；E为储能系统的额定容量；η_C为储能系统的充放电效率；E_SOC,min为储能系统荷电上限值，E_SOC,max为储能系统荷电下限值；E_SOC,start为初始时刻储能系统的荷电状态；E_SOC,end为末尾时刻储能系统的荷电状态；4)储能系统充放电状态约束B_C,t×B_D,t＝0，(B_C,t、B_D,t)∈[0,1]                        (10)其中B_C,t为t时刻储能系统的充电运行状态，B_D,t为t时刻储能系统的放电运行状态，运行为1，停止为0；5)基于粒子群算法的功率优化方法除去储能系统基本充放电时段t₁～t₂以及N个t₁’～t₂’以外，其余各时段的充放电功率应以尽量减小负荷波动性的原则来选取；而在上述方法中仅根据盈余或剩余电量，以及对应的时段进行平均分配，虽然计算速度快，但无法达到最优的效果，故采用改进的粒子群寻优算法，来优化各时段的储能系统充放电功率；粒子群算法(PSO)是一种群体智能算法具有搜索速度快，搜索效率高的优点。然而，基本PSO也存在容易产生局部最优解的不足。因此采用改进PSO，对速度惯性权重和学习因子进行如下改进，修正后的位置速度公式为：其中v_id,t为第i个粒子在第t次迭代中第d维的速度，x_id,t为第i个粒子在第t次迭代中第d维的位置；p_id,t为第i个粒子在第d维的个体最优值；p_gd,t为群体在第d维的全局最优值；c₁和c₂为学习因子；r₁和r₂均为(0,1)之间的随机数；ω为惯性权重，其具体的求解流程为：a)建立目标函数，即适应度函数为：其中P_load,t为各时刻的负荷功率；P_t为各时刻的储能系统充放电功率；P_aload,ver为经削峰填谷后的负荷功率平均值；T为一天内总的采样点数；在实际的计算过程中，需要先现在低谷充电区间内对储能系统的充电功率进行优化，所以T为充电区间内的总采样点数；而在高峰放电区间内为对储能系统的放电功率进行优化，所以T为放电区间内的总采样点数；b)确定粒子的初始位置和速度：由于每天的负荷特性不同，故每个粒子的维度应根据每天实际所需的充放电时段来确定，并且每个粒子所有维度的总值应等于所需要的充放电电量；c)计算粒子适应度值将粒子中各维度的值作为输入量，以对应区间的负荷标准差为计算公式，计算其适应度值；d)进行迭代根据确定的迭代次数以及种群数量，进行迭代，并更新个体最优值以及群体最优值，直至迭代结束并输出最优解；6)调度方案评价指标a)储能系统利用率将储能系统在负荷低谷时段的充电电量和在负荷高峰时段的放电电量作为该指标的评判依据，其公式为：其中P_C,t为储能系统各时刻的充电功率；P_D,t为能系统各时刻的放电功率；η_C为储能系统充电效率；E为储能系统额定容量；b)储能系统套利率储能系统套利率指标由储能系统充电时段的购电成本和放电时段的售电收益组成，其结果应根据各时段具体的充放电电量以及电价决定，计算公式为：其中E_C1为储能系统在一级充电时段内的充电电量；E_C2为储能系统在二级充电时段内的充电电量；E_D1为储能系统在一级放电时段内的放电电量；E_D2为储能系统在二级放电时段内的放电电量；H_p为峰值电价，F_p平值电价，L_p为谷值电价；η_C为储能系统充电效率，η_D为储能系统放电效率；E为储能系统额定容量；c)峰谷差改善率峰谷差改善率指标为经储能系统削峰填谷后，减小的峰谷差与原负荷峰谷差的比值，为负荷极值间的对比，从局部的角度评价储能系统的作用，其计算公式为：其中P_Cmin为储能系统在削峰填谷时的最大充电功率；P_Dmax为储能系统在削峰填谷时的最大放电功率；P_load,min为负荷曲线的最小值，P_load,max为负荷曲线的最大值；d)负荷标准差经储能系统削峰填谷后，引入标准差，从全局的角度来评价储能系统的作用，其计算公式为：其中P_load,t为各时刻的负荷功率；P_t为各时刻的储能系统充放电功率；P_aload,ver为经削峰填谷后的负荷功率平均值；T为一天内总的采样点数；e)负荷波动率计算低谷时期的负荷波动率，其公式为：其中P_load,t为各时刻的负荷功率；P_aload,t为经削峰填谷后各时刻的负荷功率；t₁为填谷时段的起始时刻，t₂为填谷时段的结束时刻。