劉譯聰, 牛淑婭,楊洋,劉文霞,李永賢,劉座銘
(1.新能源電力系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室(華北電力大學(xué)), 北京市 102206;2.國網(wǎng)天津市電力公司城西供電分公司,天津市 300110;3. 國網(wǎng)寧夏電力公司,銀川市 750001;4. 國網(wǎng)吉林省電力有限公司電力科學(xué)研究院,長春市 130012)
電池儲能系統(tǒng)最優(yōu)容量與合同價(jià)格的雙層優(yōu)化規(guī)劃方法
劉譯聰1, 牛淑婭2,楊洋1,劉文霞1,李永賢3,劉座銘4
(1.新能源電力系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室(華北電力大學(xué)), 北京市 102206;2.國網(wǎng)天津市電力公司城西供電分公司,天津市 300110;3. 國網(wǎng)寧夏電力公司,銀川市 750001;4. 國網(wǎng)吉林省電力有限公司電力科學(xué)研究院,長春市 130012)
電池儲能系統(tǒng)因其兼具供蓄能力,已成為電網(wǎng)優(yōu)化運(yùn)行的重要調(diào)控手段。該文以電池獨(dú)立運(yùn)營商在配電網(wǎng)層面投資建設(shè)電池儲能系統(tǒng),配電網(wǎng)公司以合同電價(jià)形式引導(dǎo)儲能充放電策略為應(yīng)用場景,建立了電池儲能系統(tǒng)最優(yōu)容量與合同價(jià)格的雙層優(yōu)化規(guī)劃模型。針對模型求解過程易陷入局部最優(yōu)的缺點(diǎn),對粒子群算法的自適應(yīng)權(quán)重計(jì)算公式進(jìn)行改進(jìn)并引入Cauchy-Gaussian消減變異因子,對局部最優(yōu)極值進(jìn)行擾動調(diào)整。以改進(jìn)IEEE-33節(jié)點(diǎn)配電系統(tǒng)為例驗(yàn)證了所提模型的可行性與有效性。
電池儲能系統(tǒng); 合同電價(jià); 最優(yōu)容量配置; 改進(jìn)粒子群算法; 雙層規(guī)劃
隨著分布式電源的不斷發(fā)展,間歇性分布式電源規(guī)?;尤雽﹄娋W(wǎng)的負(fù)面影響逐步顯現(xiàn)。因此,兼具供蓄能力的電池儲能系統(tǒng)(battery energy storage system,BESS)需求量大增,成為未來電網(wǎng)優(yōu)化運(yùn)行的重要調(diào)控手段。但我國儲能行業(yè)起步晚,技術(shù)尚待進(jìn)一步成熟,儲能相關(guān)的推動政策仍處在初期發(fā)展階段。2016年6月,國家能源局頒布了《關(guān)于促進(jìn)電儲能參與“三北”地區(qū)電力輔助服務(wù)補(bǔ)償(市場)機(jī)制試點(diǎn)工作的通知》,積極鼓勵儲能設(shè)施建設(shè),包括鼓勵發(fā)電和售電企業(yè)等投資、規(guī)劃新能源發(fā)電基地時配臵、在用戶側(cè)建設(shè)分布式儲能設(shè)施等[1],但仍無對儲能的補(bǔ)貼價(jià)格與具體的補(bǔ)貼政策進(jìn)行說明,缺乏明確的補(bǔ)貼機(jī)制和具體技術(shù)路線,投資回報(bào)較低。在目前配置成本高昂的背景下,我國電池儲能技術(shù)的大規(guī)模發(fā)展應(yīng)用受到阻礙。因此,深入挖掘儲能接入電力系統(tǒng)的多種潛在經(jīng)濟(jì)效益,探討多種形態(tài)的儲能投資運(yùn)行方式,對促進(jìn)儲能發(fā)展,推動其實(shí)際應(yīng)用具有重要意義。
目前,國內(nèi)外針對BESS在配電網(wǎng)中的優(yōu)化配置已做了廣泛研究,并取得了一定的研究成果。文獻(xiàn)[2]建立了BESS價(jià)值評估模型,并以總經(jīng)濟(jì)價(jià)值最優(yōu)為優(yōu)化目標(biāo),建模決策BESS的最佳配置容量。但由于文中BESS的投資主體指代不明,導(dǎo)致計(jì)及的多項(xiàng)收益的受益主體相互矛盾。文獻(xiàn)[3]以配電網(wǎng)公司凈收益最大為目標(biāo),建立了考慮運(yùn)行策略及投資主體利益的BESS優(yōu)化配置模型,但文獻(xiàn)[3]中的各項(xiàng)成本收益分析均以配電網(wǎng)公司為研究主體,將投資主體進(jìn)行了統(tǒng)一,但僅局限于電網(wǎng)公司??梢?,目前大部分已有的研究對投資主體缺乏明確的指代,研究角度較為單一,無法保證多種投資主體利益共贏。因此,本文在文獻(xiàn)[3]的基礎(chǔ)之上,從不同的應(yīng)用角度出發(fā),探討不同投資主體在配電網(wǎng)中配置電池儲能系統(tǒng)的優(yōu)化規(guī)劃方法,科學(xué)合理地對BESS進(jìn)行優(yōu)化配置,可使BESS的投資規(guī)模擴(kuò)大,推進(jìn)其大規(guī)模應(yīng)用。
在我國儲能補(bǔ)貼力度不足、經(jīng)濟(jì)性低、投資與受益主體不明確的現(xiàn)狀下,本文以電池獨(dú)立運(yùn)營商在配電網(wǎng)中投資建設(shè)電池儲能系統(tǒng)為應(yīng)用場景,提出一種BESS運(yùn)營商與配電網(wǎng)公司協(xié)同規(guī)劃的電池儲能最優(yōu)容量雙層規(guī)劃方法,將充放電合同電價(jià)作為優(yōu)化變量,在電池儲能配置過程中計(jì)及配電網(wǎng)公司對BESS的優(yōu)化調(diào)度。上層為配電網(wǎng)經(jīng)濟(jì)調(diào)度模型,對粒子群算法的自適應(yīng)權(quán)重計(jì)算公式進(jìn)行改進(jìn)并引入Cauchy-Gaussian消減變異因子,對局部最優(yōu)極值進(jìn)行擾動調(diào)整;下層模型針對BESS優(yōu)化配置,采用MATLAB中的YALMIP工具箱求解。上下層決策過程相互反饋,不斷循環(huán)迭代優(yōu)化,從而實(shí)現(xiàn)BESS運(yùn)營商與配電網(wǎng)公司同時獲利。最后,以改進(jìn)IEEE-33節(jié)點(diǎn)配電系統(tǒng)為例驗(yàn)證所提模型的可行性與有效性。
電池儲能運(yùn)營商與配電網(wǎng)公司協(xié)同規(guī)劃的分級模型結(jié)構(gòu)如圖1所示。
圖1 分級模型結(jié)構(gòu)示意圖Fig.1 Hierarchical model structure diagram
模型中共涉及2個參與主體,配電網(wǎng)公司(distribution company, DISCO)和BESS運(yùn)營商。作為新的市場參與主體,BESS運(yùn)營商迫切希望通過儲能系統(tǒng)的最優(yōu)配置獲益,但如果DISCO任由BESS任意配置及隨意進(jìn)行充放電,則很大可能會對配電網(wǎng)造成不利影響。因此,DISCO必須參與到BESS的配置過程中,對其運(yùn)行過程實(shí)施干預(yù)。
根據(jù)文獻(xiàn)[4],該問題屬于雙層規(guī)劃模型。本文設(shè)定上層模型仿真配電網(wǎng)的經(jīng)濟(jì)調(diào)度過程,以BESS配置前后DISCO的經(jīng)濟(jì)效益差值最大為優(yōu)化目標(biāo),并向BESS運(yùn)營商提供各時刻充放電的合同電價(jià);下層模型重點(diǎn)解決BESS的優(yōu)化配置問題,使得BESS運(yùn)營商的凈收益最大,決策BESS的額定容量及額定功率,并根據(jù)上層的合同電價(jià)優(yōu)化BESS運(yùn)行策略,同時將優(yōu)化后的充放電計(jì)劃返回上層。上層DISCO根據(jù)下層反饋的電池儲能充放電功率,重新調(diào)整調(diào)度過程并修改合同電價(jià)。如此循環(huán)迭代,直至達(dá)到最大迭代次數(shù)或上下層決策變量變動小于允許值時結(jié)束[5]。
1.1 上層優(yōu)化模型
傳統(tǒng)處理配電網(wǎng)經(jīng)濟(jì)調(diào)度問題的方法,是將配電網(wǎng)運(yùn)行成本(包括購電成本、網(wǎng)損成本和環(huán)境成本等)最小作為優(yōu)化目標(biāo)函數(shù),這種處理方法僅計(jì)及了BESS接入帶給配電網(wǎng)的直接收益,如削峰填谷、減小網(wǎng)絡(luò)損耗等,而忽略了其潛在收益,如延緩電網(wǎng)升級改造和在故障過程中的經(jīng)濟(jì)效益?;诖耍疚脑诜抡媾潆娋W(wǎng)經(jīng)濟(jì)調(diào)度問題時,以BESS配置前后DISCO的經(jīng)濟(jì)效益差最大為優(yōu)化目標(biāo),如下所示:
maxFD=Bdir+Bdel+Benv+Brel
(1)
式中:FD代表BESS配置前后DISCO的經(jīng)濟(jì)效益增量;Bdir為直接收益增量;Bdel為延緩電網(wǎng)升級改造獲利;Benv為環(huán)境效益;Brel為減小停電損失獲利。其中,Bdir需計(jì)及DISCO向BESS運(yùn)營商購電的成本和儲能系統(tǒng)充電的收益,具體如式(2)所示:
(2)
在故障過程中,儲能系統(tǒng)服從系統(tǒng)調(diào)度,可作為緊急電源向重要用戶供電,提高了系統(tǒng)的可靠性,降低了系統(tǒng)的停電損失。因此,儲能系統(tǒng)應(yīng)獲得一定激勵性質(zhì)的補(bǔ)償。此時Brel需計(jì)及BESS在故障過程中發(fā)揮效用的補(bǔ)償。Brel的具體表達(dá)式如下:
(3)
式中:I為配電網(wǎng)中的重要用戶數(shù);EENS.j為重要用戶j的年期望缺供電量;Sres為BESS在系統(tǒng)故障時的期望剩余電量;Smin為BESS的最小允許剩余電量;pBIO.j為僅有儲能系統(tǒng)和重要用戶j位于同一孤島的概率,即BESS能夠在故障時繼續(xù)為用戶j供電的概率;RIEA.j為用戶j的單位缺供電量經(jīng)濟(jì)損失,元/(kW·h);cBR為BESS參與緊急需求側(cè)響應(yīng)的單位支付價(jià)格,參考緊急需求側(cè)響應(yīng)對用戶負(fù)荷的支付價(jià)格,并考慮到國內(nèi)生產(chǎn)消費(fèi)水平及經(jīng)濟(jì)發(fā)展等實(shí)際因素,BESS故障過程中服從DISCO調(diào)度,參與緊急需求側(cè)響應(yīng)的支付價(jià)格取10美元/(kW·h)[6];SDG為系統(tǒng)故障期間DG的期望輸出;pDBI.j為DG、儲能系統(tǒng)和重要用戶j同時位于同一孤島的概率[7]。
上層模型需滿足如下約束:
(1)合同電價(jià)范圍約束。
為縮小最優(yōu)解的搜索空間,給定各時刻BESS充放電的合同電價(jià)上下限范圍約束:
0≤λt≤λmax
(4)
式中λmax為合同電價(jià)的取值上限。
(2)系統(tǒng)功率平衡約束[8]。
(5)
式中:pDG.n.t為t時刻第n個DG的出力;ps.t為t時刻
系統(tǒng)的總負(fù)荷;pls.t表示系統(tǒng)的網(wǎng)絡(luò)損耗。
(3)節(jié)點(diǎn)電壓、線路電流約束。
(6)
式中:Vi為節(jié)點(diǎn)i處的電壓值;Vmin為電壓下限;Vmax為電壓上限;Iij為節(jié)點(diǎn)i與節(jié)點(diǎn)j之間線路上的電流;Iij.max為線路最大允許載流量。
(4)上級電網(wǎng)輸入功率約束。
0≤pg.t≤pg.max
(7)
式中pg.max為配電網(wǎng)與上級電網(wǎng)交換功率的上限。
1.2 下層優(yōu)化模型
下層優(yōu)化模型在上層給定充放電合同電價(jià)的基礎(chǔ)上確定BESS的最優(yōu)容量與最優(yōu)功率配置及各時刻充放電功率。目標(biāo)函數(shù)如下:
maxFBESS=Bnop+Baop-Ctol
(8)
式中:FBESS代表BESS運(yùn)營商的經(jīng)濟(jì)效益;Bnop為BESS在系統(tǒng)正常運(yùn)行過程中通過低儲高發(fā)獲得的運(yùn)行收益,表達(dá)式見式(9);Baop為BESS在系統(tǒng)故障過程中參與緊急需求側(cè)響應(yīng)獲得的故障收益,表達(dá)式見式(10);Ctol為BESS的配置成本[9]。
(9)
(10)
下層模型滿足以下約束條件:
(1)儲能電池在任意時間段內(nèi)充電、放電僅能存在其中一種狀態(tài),如式(11):
(11)
為線性化約束條件,式(11)也可用式(12)表示。
(12)
式中:λm為0-1二值變量;M為一數(shù)值較大的正數(shù)。
(2)電池的荷電狀態(tài)(state of charge,SOC),與每時刻充放電功率有關(guān),應(yīng)滿足如式(13)所示的遞歸關(guān)系。并且為保證下一調(diào)度周期內(nèi)儲能系統(tǒng)具有最大的靈活性,將初始時刻電池的荷電狀態(tài)定為50%[10]。
(13)
式中:ηc、ηd分別為BESS的充放電效率;Soc.t為t時刻儲能系統(tǒng)的荷電狀態(tài);ΔT為單位時間間隔,本文取1 h。
為減小電池壽命損耗,電池的荷電狀態(tài)不能超出其物理允許的上下限:
Soc.min≤Soc.t≤Soc.max
(14)
式中Soc.max和Soc.min分別為儲能系統(tǒng)物理允許的荷電狀態(tài)上下限。
一般而言,電池允許充放電的最大功率與額定容量有關(guān),滿足式(15)。
(15)
式中γc、γd分別為單位時間內(nèi)充、放電的最大功率與儲能電池額定容量Snom的比值。
1.3 雙層模型結(jié)構(gòu)
雙層模型結(jié)構(gòu)示意圖如圖2所示。
圖2 BESS最優(yōu)容量與合同價(jià)格雙層優(yōu)化模型Fig.2 Bi-level optimization planning method of BESSoptimal capacity and contract price
上層模型為經(jīng)濟(jì)調(diào)度問題,由于常規(guī)粒子群算法沒有考慮到迭代過程中的粒子特性,取值缺乏指導(dǎo),故本文采用改進(jìn)粒子群算法(improved particle swarm optimizer,IPSO)進(jìn)行求解[11]。
針對PSO算法存在易陷入局部最優(yōu)的缺點(diǎn),本文引入Cauchy-Gaussian消減變異因子[12],對局部最優(yōu)極值進(jìn)行擾動調(diào)整。對粒子個體位置xi=[xi.1,xi.2,…,xi.d]執(zhí)行Cauchy-Gaussian消減變異后的位置如式(16)、(17)所示。
xi=[xi.1×Δ,xi.2×Δ,...,xi.d×Δ]
(16)
Δ=1+ξ[(α×k)/K]×δ
(17)
式中:ξ稱為變異能效系數(shù),服從式(18);δ為消減變異因子,滿足式(19);K為最大迭代次數(shù)。
x∈[0,α],ξ∈[0,1)
(18)
式中α和β是控制參數(shù)。當(dāng)x取最小值時,ξ取值接近于1;當(dāng)x取最大值時,ξ取值為0;當(dāng)x取值于最大值和最小值之間的某數(shù)值時,ξ為1和0之間的消減數(shù)值。當(dāng)ξ越大時,變異效能越大。
(19)
式中:C(0,1)是標(biāo)準(zhǔn)柯西分布;G(0,1)是標(biāo)準(zhǔn)的高斯分布;Υ為分段控制變量,取值為黃金分割點(diǎn)0.618;k為當(dāng)前迭代次數(shù)。由此可見,Cauchy-Gaussian動態(tài)消減變異因子δ融合了Cauchy變異和Gaussian變異,其中Cauchy變異的擾動能力強(qiáng)于Gaussian變異,適合于全局開發(fā),而Gaussian變異更適合于局部搜索。根據(jù)迭代的進(jìn)程交替選用Cauchy變異和Gaussian變異,從而可同時提高求解精度和速度。
下層模型為BESS優(yōu)化配置問題,屬于非凸非線性優(yōu)化問題,可采用MATLAB中的YALMIP工具箱求解[13]。
模型求解過程如圖3所示。
3.1 系統(tǒng)參數(shù)
本文以改進(jìn)IEEE-33節(jié)點(diǎn)系統(tǒng)為例進(jìn)行研究,并引入分布式風(fēng)電,位置及容量分布見圖4,規(guī)劃基準(zhǔn)年峰值負(fù)荷為3.775+j2.300 MV·A,向上級電網(wǎng)購電的BESS以新興的鈉硫電池為例,電池相關(guān)參數(shù)[9]見表1,配電網(wǎng)向上級電網(wǎng)購電的實(shí)時電價(jià)如圖5所示,該級電網(wǎng)售電電價(jià)取為購電電價(jià)的1.2倍[14]。上級電網(wǎng)生產(chǎn)單位電能的污染物排放情況[9]見表2。系統(tǒng)元件故障率和修復(fù)時間如表3所示。其余系統(tǒng)參數(shù)參見表4。
圖3 雙層模型求解流程圖Fig.3 Bi-level model solving process
圖4 改進(jìn)IEEE-33節(jié)點(diǎn)系統(tǒng)Fig.4 Modified IEEE-33 nodes system
圖5 配電網(wǎng)向上級電網(wǎng)購電的實(shí)時電價(jià)Fig.5 Spot price of distribution network purchasingfrom upper system
表3 元件故障率和修復(fù)時間Table 3 Failure rate and repair time of elements
表4 系統(tǒng)參數(shù)Table 4 System parameters
3.2 優(yōu)化結(jié)果
為驗(yàn)證所提方法的有效性,本文對比分析了2種方案的優(yōu)化結(jié)果,其中方案一為原始方案,DISCO不參與BESS的優(yōu)化配置過程,BESS運(yùn)營商以自身利益最大(即僅計(jì)及下層目標(biāo)maxFBESS)為配置目標(biāo);方案二為本文所建立的雙層優(yōu)化方法。優(yōu)化結(jié)果如表5—7所示。
表52個方案中BESS最優(yōu)配置結(jié)果及各項(xiàng)收益
Table5BESSoptimalallocationresultsandbenefitsoftwocases
表6 2個方案中DISCO收益Table 6 DISCO benefits of two cases
萬元
表7 不同方案下風(fēng)電消納情況Table 7 Wind power absorption in different schemes
2種方案中BESS各時刻充放電功率及合同電價(jià)如圖6所示。
圖6 2種方案下BESS各時刻充放電功率及合同電價(jià)Fig.6 BESS charge and discharge power ofeach time amp; contract price in two cases
表5顯示,在方案1中,電池儲能系統(tǒng)的配置規(guī)格為1 924 kW/7 622.5 kW·h,比在方案2中的配置規(guī)模要大。這是因?yàn)?,方?僅考慮BESS自身利益,即由低儲高發(fā)獲得的運(yùn)行收益與故障過程獲得的收益。而此時,BESS的低儲高發(fā)的標(biāo)準(zhǔn)為原始電價(jià),由圖6可知,原始電價(jià)的波動性與合同電價(jià)相比要小很多。因此,BESS要想獲得較高的收益,只能增大容量和功率。與此同時,成本也在增加,當(dāng)收益的增加幅度小于成本的增加幅度時,凈收益開始減小,存在一個凈收益的最高點(diǎn),此時即對應(yīng)BESS容量和功率的最優(yōu)值。
另一方面,方案一環(huán)境效益為負(fù)值且數(shù)值較大,是影響DISCO總增值收益的主要因素。導(dǎo)致方案一中環(huán)境效益為負(fù)的主要原因有2個,其一BESS本身存在功率損耗,充電總功率大于放電總功率;其二BESS充放電策略的制定僅考慮自身利益,即僅關(guān)注配電網(wǎng)的售電電價(jià),這就導(dǎo)致與配電網(wǎng)的實(shí)際負(fù)荷需求不符,如在01:00時,風(fēng)電大,但負(fù)荷需求較小,BESS應(yīng)充電,但此時電價(jià)較高,BESS僅關(guān)注自身利益而選擇放電,造成更大量的棄風(fēng);反之,在17:00時,風(fēng)電不足以滿足原始負(fù)荷需求,BESS應(yīng)放電,彌補(bǔ)風(fēng)力發(fā)電的不足,但由于此時電價(jià)較低,BESS選擇在該時刻充電,DISCO必須向上級電網(wǎng)購入更多電能,最終導(dǎo)致環(huán)境效益惡化。為驗(yàn)證該結(jié)論,在表7中對比顯示2種方案下風(fēng)電的利用情況,其中方案一的棄風(fēng)率相比于未配置BESS時更大。采用雙層規(guī)劃方法后(方案二),DISCO通過制定合理的BESS充放電合同電價(jià),對BESS的充放電過程進(jìn)行了修正,從而使得DISCO的環(huán)境效益顯著提高,并且風(fēng)電利用率也得到提升。
另外,由表6可知,方案二中除減小停電損失獲利以外的其他收益均比方案一中有所提高,且由圖7可知,除23:00外,BESS各時刻充放電合同電價(jià)均比原始電價(jià)高,且波動幅度增大,這說明雙層規(guī)劃方法中DISCO通過設(shè)定合同電價(jià)實(shí)現(xiàn)對BESS的優(yōu)化調(diào)度,進(jìn)而深入挖掘BESS在配電網(wǎng)層面配置的多種潛在收益,使得自身利益最大。同時,合同電價(jià)實(shí)現(xiàn)了DISCO與BESS之間的收益轉(zhuǎn)移,使得BESS也從中獲利,驗(yàn)證了本文所提方法的有效性。而減小停電損失獲利與BESS的額定配置容量與功率呈正相關(guān),由表5可知,方案二中BESS最優(yōu)額定容量、額定功率均比方案一小,因此,方案二中減小停電損失獲利較小,另一方面也表明DISCO參與BESS的優(yōu)化配置過程,可減小BESS的容量及功率需求,防止BESS配置的無序增長。
3.3 不同DG類型的影響
不同類型的DG具有不同的出力特性,對BESS容量配置及充放電合同電價(jià)的制定影響較大。為考慮不同DG類型對本文模型優(yōu)化結(jié)果的影響,將算例中風(fēng)電替代為等容量的光伏,其出力特性及優(yōu)化結(jié)果分別如圖7和表8所示。
圖7 風(fēng)電、光伏出力及原始負(fù)荷曲線Fig.7 WTG, PV output and original load curve
圖8 不同DG接入BESS各時刻充放電功率及合同電價(jià)Fig.8 Optimization results of different DGs
由圖7可知,光伏具有正負(fù)荷調(diào)節(jié)特性,由于各時刻系統(tǒng)原始負(fù)荷均大于光伏出力,因此該種情形下配置BESS不能減小DISCO向上級的購電電量,相反,由于BESS本身存在能量損耗,配置BESS后將增大DISCO從上級的購入電量,導(dǎo)致環(huán)境效益的惡化。表8中接入光伏時DISCO的環(huán)境效益為負(fù)值可證明這一結(jié)論。DISCO收益的降低直接影響到對BESS的調(diào)度過程,由圖8可知,光伏接入情況下BESS充放電的平均合同電價(jià)也降低,進(jìn)一步影響B(tài)ESS的優(yōu)化配置,因此,表8中光伏接入情況下BESS的額定容量、額定功率和凈收益均比接入風(fēng)電時降低??梢灶A(yù)計(jì),如果環(huán)境效益的減少量比其他3項(xiàng)收益之和更大時,將不能尋找到使BESS和DISCO同時受益的合同電價(jià)。由此可知,接入DG的類型將影響到采用本文方法計(jì)算所得的DISCO與BESS收益,當(dāng)系統(tǒng)中接入具有逆調(diào)峰特性的風(fēng)電比接入具有正調(diào)峰特性的光伏更能凸顯儲能的效益。
(1)雙層規(guī)劃方法使得DISCO通過合同電價(jià)實(shí)現(xiàn)對BESS的優(yōu)化調(diào)度,從而間接參與到BESS的優(yōu)化配置過程中;合同電價(jià)實(shí)現(xiàn)了DISCO與BESS之間的收益轉(zhuǎn)移,使得BESS也從中獲利。
(2)采用本文方法計(jì)算所得的DISCO與BESS收益受接入DG類型的影響較大,系統(tǒng)中接入具有逆調(diào)峰特性的風(fēng)電比接入具有正調(diào)峰特性的光伏更能凸顯儲能的效益。
在當(dāng)前儲能補(bǔ)貼力度不足的現(xiàn)狀下,本文的研究工作提供了一種新的儲能配置方法,對促進(jìn)儲能系統(tǒng)的發(fā)展具有一定的實(shí)際意義和參考價(jià)值。
[1] 北極星儲能網(wǎng). 中國儲能需求細(xì)分我國近年來儲能政策大盤點(diǎn)[EB/OL]. (2016-04-05)[2017-03-10]. http://news.bjx.com.cn/html/20160405/722076.shtml.
[2] 顏志敏, 王承民, 鄭健, 等. 配電網(wǎng)中蓄電池儲能系統(tǒng)的價(jià)值評估模型[J]. 電力自動化設(shè)備, 2013, 33(2): 57-61.
YAN Zhimin, WANG Chengmin, ZHENG Jian, et al. Value assessment model of battery energy storage system in distribution network [J]. Electric Power Automation Equipment, 2013, 33(2): 57-61.
[3] 向育鵬, 衛(wèi)志農(nóng), 孫國強(qiáng), 等. 基于全壽命周期成本的配電網(wǎng)蓄電池儲能系統(tǒng)的優(yōu)化配置[J]. 電網(wǎng)技術(shù), 2015, 39(1): 264-270.
XIANG Yupeng, WEI Zhinong, SUN Guoqiang, et al. Lifecycle cost based optimal configuration of battery energy storage system in distribution network [J]. Power System Technology, 2015, 39(1): 264-270.
[4] 溫俊強(qiáng), 曾博, 張建華. 市場環(huán)境下考慮各利益主體博弈的分布式電源雙層規(guī)劃方法[J]. 電力系統(tǒng)自動化, 2015, 39(15): 61-67.
WEN Junqiang, ZENG Bo, ZHANG Jianhua. Bi-level programming method for distribution generator considering stakeholders game relationship in an electricity market environment [J]. Automation of Electric Power Systems, 2015, 39(15): 61-67.
[5] 曾博,劉念,張玉瑩,等. 促進(jìn)間歇性分布式電源高效利用的主動配電網(wǎng)雙層場景規(guī)劃方法[J]. 電工技術(shù)學(xué)報(bào),2013,28(9):155-163.
ZENG Bo, LIU Nian, ZHANG Yuying, et al. Bi-level scenario programming of active distribution network for promoting intermittent distributed generation utilization [J]. Transactions of China Electrotechnical Society, 2013, 28(9):155-163.
[6] NGUYEN H T, CUONG T D, SHAOLEI R, et al. Incentive mechanisms for economic and emergency demand responses of colocation datacenters[J]. IEEE Journal on Selected Areas in Communications, 2015, 33(12): 2892-2905.
[7] LIU W X, NIU S Y, XU H T. Optimal planning of battery energy storage considering reliability benefit and operation strategy in active distribution system[J]. Journal of Modern Power System Clean Energy, 2017, 5(2): 177-186.
[8] LIU W X, XU H T, NIU S Y, et al. Optimal distributed generator allocation method considering voltage control cost[J]. Sustainability, 2016,8(2):193.
[9] 劉文霞, 牛淑婭, 石道桂, 等. 考慮運(yùn)行策略及投資主體利益的主動配電系統(tǒng)儲能優(yōu)化配置[J]. 電網(wǎng)技術(shù), 2015, 39(10): 2697-2704.
LIU Wenxia, NIU Shuya, SHI Daogui,et al. Optimal allocation of ADS battery energy storage considering operation strategy and investment subject benefit[J]. Power System Technology, 2015, 39(10): 2697-2704.
[10] 蔣程,劉文霞,張建華. 含電池儲能風(fēng)電場的電力系統(tǒng)風(fēng)險(xiǎn)評估[J]. 電網(wǎng)技術(shù),2014,38(8):2087-2094.
JIANG Cheng, LIU Wenxia, ZHANG Jianhua. Risk assessment for power system with wind farm and battery energy storage[J]. Power System Technology, 2014, 38(8):2087-2094.
[11] 吳小剛, 劉宗歧, 田立亭, 等. 基于改進(jìn)多目標(biāo)粒子群算法的配電網(wǎng)儲能選址定容[J]. 電網(wǎng)技術(shù), 2014, 38(12): 3405-3411.
WU Xiaogang, LIU Zongqi, TIAN Liting, et al. Energy storage device locating and sizing for distribution network based on improved multi-objective particle swarm optimizer [J]. Power System Technology, 2014,38(12):3405-3411.
[12] 杜曉昕,張劍飛,郭媛,等. 基于柯西-高斯動態(tài)消減變異的果蠅優(yōu)化算法研究[J]. 計(jì)算機(jī)工程與科學(xué),2016,38(6):1171-1176.
DU Xiaoxin, ZHANG Jianfei, GUO Yuan,et al. A fruit fly optimization algorithm with Cauchy-Gaussian dynamic reduction mutation[J]. Computer Engineering amp; Science, 2016, 38(6): 1171-1176.
[13] LOFBERG J. YALMIP: A toolbox for modeling and optimization in MATLAB[C]//In Proceedings of the 2004 IEEE International Symposium on Computer Aided Control. Systems Design. Taipei, Taiwan:IEEE, 2004:284-289.
[14] 牛淑婭,曾博,劉文霞,等. 基于合作博弈的電動汽車換電站優(yōu)化配置[J]. 南方電網(wǎng)技術(shù),2016,10(12):53-60.
NIU Shuya, ZENG Bo, LIU Wenxia, et al. Cooperative game based optimal capacity configuration model of battery switch station for electric vehicles [J]. Southern Power System Technology, 2016, 10(12):53-60.
[15] 張世翔,邵慧壯. 基于分布式電源的配電網(wǎng)綜合效益評估[J].上海電力學(xué)院學(xué)報(bào), 2015, 31(1): 19-23.
ZHANG Shixiang, SHAO Huizhuang. Overall efficiency assessment of power distribution network based on distribution network[J]. Journal of Shanghai University of Electric Power, 2015,31(1): 19-23.
2017-05-20
劉譯聰(1994),女,通信作者,碩士研究生,主要研究方向?yàn)殡娏ο到y(tǒng)規(guī)劃、儲能技術(shù);
牛淑婭(1991),女,碩士,主要研究方向?yàn)榕潆娋W(wǎng)規(guī)劃與電池儲能技術(shù);
楊洋(1992),女,碩士研究生,主要研究方向?yàn)殡娏ο到y(tǒng)規(guī)劃;
劉文霞(1967),女,博士,教授,主要研究方向?yàn)殡娏ο到y(tǒng)規(guī)劃與可靠性、電力系統(tǒng)風(fēng)險(xiǎn)評估、電力系統(tǒng)通信;
李永賢(1964),男,本科,高級工程師,主要從事電力安全管理工作;
劉座銘(1982),男,碩士,教授,高級工程師,主要研究方向?yàn)殡娏ο到y(tǒng)穩(wěn)定計(jì)算及電能質(zhì)量。
(編輯 張小飛)
Bi-LevelOptimizationPlanningMethodofBatteryEnergyStorageSystemOptimalCapacityandContractPrice
LIU Yicong1, NIU Shuya2, YANG Yang1, LIU Wenxia1, LI Yongxian3, LIU Zuoming4
(1. State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources (North China Electric Power University), Beijing 102206, China; 2. Chengxi Power Supply Branch Company, State Grid Tianjin Electric Power Company, Tianjin 300110, China; 3. State Grid Ningxia Electric Power Company, Yinchuan 750001, China; 4. Jilin Electric Power Research Institute, Changchun 130012, China)
Battery energy storage system (BESS) with abilities of both power supply and storage has become important control measure of power grid optimizing operation. With the application scenarios that battery independent operators invest BESS at the distribution network level, and distribution company (DISCO) guides the charging and discharging strategy of BESS in the form of contract price, this paper proposes a bi-level optimization planning method of BESS optimal capacity and contract price. In view of the model solving process easy to fall into local optimum, this paper improves adaptive weighted formula of particle swarm algorithm, introduces the Cauchy-Gaussian reduction mutation factor, as well as disturbs and adjusts the local optimum extremum. IEEE-33 nodes distribution system is taken as an example to verify the validity and feasibility of the model.
battery energy storage system; contract price; optimal capacity allocation; improved particle swarm algorithm; bi-level optimization planning
國家電網(wǎng)公司科技項(xiàng)目(B3441317K002)
TM715
A
1000-7229(2017)11-0097-08
10.3969/j.issn.1000-7229.2017.11.013