一种适用于智慧园区的储能容量配置方法
阅读说明：本技术 一种适用于智慧园区的储能容量配置方法 (Energy storage capacity configuration method suitable for smart park ) 是由 凌在汛 郑景文 崔一铂 蔡万里 陈文� 熊平 康逸群 游力 向慕超 熊昊哲 于 2021-07-12 设计创作，主要内容包括：本发明提供一种适用于智慧园区的储能容量配置方法,先建立电动汽车充电负荷模型,再结合分时电价的限制,建立含电动汽车与可再生能源的智慧园区配电网数学模型,以此确定混合储能需要平抑的功率,并采用高通滤波算法对其进行分配,确定超级电容器和锂电池各自需要平抑的功率,以此建立混合储能容量配置模型,以混合储能年收益最大为目标函数,构建混合储能约束条件,采用优化算法进行求解,得到混合储能最优容量配置。本发明与现有的混合储能配置方法相比,考虑了在智慧园区中分时电价的限制,对混合储能系统需要平抑的功率进行求解并建立混合储能容量配置模型,可以较好的提高系统的经济性,实现平抑电动汽车充电和光伏发电功率波动的有效控制。(The invention provides an energy storage capacity configuration method suitable for a smart park, which comprises the steps of firstly establishing an electric automobile charging load model, then establishing a smart park power distribution network mathematical model containing electric automobiles and renewable energy sources by combining time-of-use electricity price limitation, determining power required to be stabilized by hybrid energy storage, distributing the power by adopting a high-pass filtering algorithm, determining power required to be stabilized by a super capacitor and a lithium battery respectively, establishing a hybrid energy storage capacity configuration model, establishing a hybrid energy storage constraint condition by taking the annual income maximum of the hybrid energy storage as an objective function, and solving by adopting an optimization algorithm to obtain the optimal capacity configuration of the hybrid energy storage. Compared with the existing hybrid energy storage configuration method, the method considers the time-of-use electricity price limit in the intelligent park, solves the power required to be stabilized by the hybrid energy storage system and establishes the hybrid energy storage capacity configuration model, can better improve the economical efficiency of the system, and realizes the effective control of stabilizing the charging of the electric automobile and the photovoltaic power generation power fluctuation.)
技术领域
本发明涉及电力技术领域，具体是一种适用于智慧园区的储能容量配置方法。
背景技术
随着全球气候环境的变差，人们越来越关注新能源的使用。太阳能作为新能源的代表之一，由于其环境友好、安全可靠性高、安装方便等优点，得到了迅速的发展。当前智慧园区已经加强了对光伏发电的推广与应用，但是光伏发电的输出功率受温度和光照强度的影响较大，其发电输出功率是极不稳定的，从而影响电网的电能质量与供电可靠性。其次，随着经济和技术的发展，电动汽车数量快速增长，将导致大量的电动汽车充电站接入电网，给电网电能质量、用户端带来了很大的影响，造成了电网功率不平衡和设备老化等问题。针对上述问题，可以在智慧园区中配备储能，利用储能的削峰填谷的作用来减少电动汽车充电对电网的冲击以及光伏发电功率输出不稳定给电网带来的不利影响。
储能系统的种类主要有：能量型储能、功率型储能和混合储能。其中混合储能能够结合两种储能的优势，对光伏发电和电动汽车充电有较好的平抑作用。但是由于储能成本昂贵，配备的储能容量过大过小都不行，过大则降低系统的经济性，过小则难以满足系统稳定运行要求，因此在智慧园区配电网中寻求储能最优容量配置极其重要。
发明内容
本发明所要解决的问题是提供一种适用于智慧园区的储能容量配置方法，确定智慧园区储能最优配置方案，为智慧园区的储能规划提供技术支持。
本发明的目的是通过以下技术方案实现的：
一种适用于智慧园区的混合储能容量配置方法，包括以下步骤：
S1，建立电动汽车充电负荷模型，预测电动汽车充电负荷；
S2，考虑分时电价的限制，建立含电动汽车与可再生能源的智慧园区配电网数学模型，通过步骤S1预测的电动汽车充电负荷数据及智慧园区光伏发电数据，确定混合储能系统需要平抑的功率；
S3，根据步骤S2确定的混合储能需要平抑的功率，通过高通滤波算法对混合储能系统的功率进行分配，确定超级电容器和锂电池各自需要平抑的功率；
S4，考虑分时电价的限制，建立混合储能容量配置模型；
S5，以年收益最大为混合储能系统的目标函数，构建混合储能系统的约束条件；
S6，根据步骤S3确定的超级电容器和锂电池各自需要平抑的功率及步骤S5 构建的混合储能系统的约束条件，结合优化算法对步骤S4建立的混合储能容量配置模型进行模型求解，得到混合储能系统最优容量配置。
进一步的，步骤S1考虑起始充电时间、汽车日行驶里程、充电功率和充电时长四个因素的影响建立所述电动汽车充电负荷模型，具体如下：
S11：电汽车最后一次出行时刻作为起始充电时间，电动汽车最后一次出行的结束时刻满足正态分布，其公式如下：
其中t为起始充电时间；μs为起始充电时间的标准差；σs为起始充电时刻的标准差，μs和σs随车辆类型不同而变化；
S12：电动汽车日行驶里程满足对数正态分布，其公式如下：
其中，s为日行驶里程，单位为km；μD为lns的期望；σD为lns的标准差。
S13：电动汽车充电时长由日行驶里程计算得到，符合对数正态分布，其公式如下：
其中，μtc＝ln[W100/(100ηPc)]+μD为充电时长期望，W100为汽车行驶100km 的耗电量，单位为(kW·h)/百公里,σtc＝σD为充电时长标准差，η为充电效率。
进一步的，步骤S2中考虑分时电价的限制，建立含电动汽车与可再生能源的智慧园区配电网数学模型，具体如下：
混合储能要平抑配电网中光伏发电和电动汽车充电负荷的功率波动，保证电网的供需平衡，使配电网能够稳定运行，混合储能系统的功率PHESS如下所示：
PHESS＝Psc+Pb
PHESS＝PEV-PPV-Pgrid
式中：Psc、Pb分别为超级电容和锂电池的充放电功率；PEV为电动汽车充电功率；PPV为光伏发电功率，Pgrid为电网传输功率；
考虑分时电价的限制，在低电价时把电网传输功率Pgrid设定为最大，在电价平价时将电网传输功率Pgrid设定较低，在电价高价时将电网传输功率Pgrid设定为最小，在电动汽车充电功率PEV小于光伏发电功率PPV时将电网传输功率Pgrid设定为0。
进一步的，步骤S3具体如下：
采用高通滤波器对混合储能系统的功率PHESS进行滤波，得到其高频波动分量作为超级电容器储能的主动指令Psc，然后将高通滤波后的剩余功率指令作为锂电池储能的主动指令Pb，混合储能系统功率分配存在以下关系：
其中，s为微分算子；Tf为滤波时间常数，根据超级电容器储能系统需要平抑的功率波动频带确定，常为秒级到分钟级；
由于超级电容器的能量密度低，而锂电池的能量密度高，因此在混合储能的总功率小于0时将时间常数Tf设定的很小，将大部分能量储存在锂电池中。
进一步的，步骤S4考虑分时电价的限制来进行建模，具体如下：
考虑分时电价的限制，混合储能在低电价充电，在电价平价和电价高价进行放电，两种储能在充电或者放电时应该满足荷电状态的限制，因此在电价高价和电价平价放电时应该满足从最大荷电状态放电到最小荷电状态的限制，两种储能装置的额定容量计算公式如下：
其中，超级电容器的额定容量，t为储能起始放电时间，Δtp为电价平价时间段，Δth为电价高价时间段；SOCsc,max和SOCsc,min为超级电容器的荷电状态的最大值和最小值；
其中，为锂电池的额定容量，SOCb，max和SOCb,min为锂电池的荷电状态的最大值和最小值
进一步的，步骤S5具体如下：
S51：储能系统的收益是储能系统在低电价的时候买入电力，在高电价的时候卖出电力，，混合储能系统直接利润如下表示：
其中，Δt1表示第i时刻超级电容器充放电时间，Δt2表示第i时刻锂电池充放电时间，同一时刻储能只能维持充电或者放电的状态，不能同时进行充放电；Ri表示第i时刻的电价，k表示天数；
S52：混合储能系统的建设成本主要与其自身容量有关，计算公式如下：
C1＝αscPsc+αbPb+βscQsc+βbQb
其中，C1为混合储能系统的建设成本；αsc为超级电容器的单位功率单价；Psc为超级电容器充放电功率；αb为锂电池的单位功率单价；Pb为锂电池的充放电功率；βsc为级电容器的单位容量单价；Qsc为超级电容器的容量；βb为锂电池的单位容量单价；Qb为锂电池的容量；
S53：混合储能系统从开始投入到报废的全过程都需要维护费用，计算公式如下：
其中，εsc为超级电容器的运行维护成本系数；εb为锂电池的运行维护成本系数；
S54：由以上得出混合储能系统的目标函数为：
其中r为贴现率，l为储能使用年限；
S55：为确保储能系统能够正常运行，应满足以下约束：
(1)能量守恒约束，电力必须在任何时候都能满足供需平衡；
(2)输出功率约束，光伏、超级电容和锂电池应根据各自的局限性，合理设置自己的输出功率；
(3)荷电状态(SOC)约束，应根据储能的特点合理设置荷电状态的上限和下限，避免过充和过放电，影响电池寿命；
综上，约束条件为：
其中，Psc，cmax,Pb,cmax，Psc,dmax,Pb,dmax分别为超级电容器和蓄电池的充放电最大
功率；PPV，max为光伏的最大出力；SOCmax，SOCmin为电池的最大最小荷电状态。
进一步的，步骤S6中所述的优化算法为自适应权重粒子群算法。
本发明提出的适用于智慧园区的混合储能容量配置方法，考虑分时电价的限制，有益效果如下：
1)本发明考虑分时电价和负荷高峰的限制，对混合储能进行配置，使其既满足平抑不稳定性需求，也满足收益要求，具有较好的经济性；
2)本发明考虑了功率型与能量型储能的互补性能，可有效提高储能的平抑效果。
附图说明
图1是本发明实施例适用于智慧园区的储能容量配置方法的流程图；
图2是本发明实施例电动汽车充电负荷的预测流程图；
图3是本发明实施例电动汽车充电负荷的预测结果曲线；
图4是本发明实施例智慧园区配电网架构图；
图5是本发明实施例混合储能系统需要平抑的功率；
图6是本发明实施例高通滤波算法图；
图7是本发明实施例超级电容器和锂电池需要平抑的功率；
图8是本发明实施例自适应权重粒子群算法流程图；
图9是本发明实施例适应度算法流程图；
图10是本发明实施例混合储能系统最佳收益变化曲线图；
图11是本发明实施例储能荷电状态变化曲线图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明的一部分实施例，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的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。
参见图1，本发明实施例提供了一种适用于智慧园区的储能容量配置方法，该方法先建立电动汽车充电负荷模型，再结合分时电价的限制，建立含电动汽车与可再生能源的智慧园区配电网数学模型，以此确定混合储能需要平抑的功率，并采用高通滤波算法对其进行分配，确定超级电容器和锂电池各自需要平抑的功率，并以此建立混合储能容量配置模型。以混合储能年收益最大为目标函数，构建混合储能约束条件，采用自适应权重粒子群算法进行求解，得到混合储能最优容量配置。所述方法具体包括如下步骤：
(S1)建立电动汽车充电负荷模型，预测电动汽车充电负荷；
电动汽车的充电负荷受多种因素影响，包括电动汽车本身的状况、充电设施、用户习惯等诸多因素。为了简化研究，选取起始充电时刻、日行驶里程、充电功率和充电时间等主要影响因素，建立电动汽车充电概率模型。
电汽车最后一次出行时刻作为起始充电时间，电动汽车最后一次出行的结束时刻满足正态分布，其公式如下：
其中t为起始充电时间；μs为起始充电时间的标准差；σs为起始充电时刻的标准差，μs和σs随车辆类型不同而变化。
电动汽车日行驶里程满足对数正态分布，其公式如下:
其中，s为日行驶里程，单位为km；μD为lns的期望；σD为lns的标准差。
电动汽车常用的充电模式有慢充、常规充、快充三种，根据不同类型的电动汽车选取不同的充电模式。
电动汽车充电时长由日行驶里程计算得到，符合对数正态分布，其公式如下：
其中，μtc＝ln[W100/(100ηPc)]+μD为充电时长期望，W100为汽车行驶100km 的耗电量，单位为(kW·h)/百公里,σtc＝σD为充电时长标准差，η为充电效率。
各种电动汽车的初始充电时间、日里程、充电功率都是独立的随机变量，车辆每次都充满电，第i时刻的充电负荷如下：
其中N为i时刻充电的电动汽车总数，Pn，i为第n辆电动汽车在i时刻的充电功率。
电动汽车充电负荷预测流程图如图2所示，设定电动汽车数量固定，考虑三种类型电动汽车，即出租车、私家车和公务车，总数量200，三种电动汽车的比例分别为0.16，0.58，0.26，所得预测结果图如图3所示。
(S2)考虑分时电价的限制，建立含电动汽车与可再生能源的智慧园区配电网数学模型，通过步骤(S1)预测的电动汽车充电负荷数据及智慧园区光伏发电数据，确定混合储能系统需要平抑的功率；
智慧园区配电网架构参见图4，混合储能要平抑配电网中光伏发电和电动汽车充电负荷的功率波动，保证电网的供需平衡，使配电网能够稳定运行。混合储能的功率如下所示：
PHESS＝Psc+Pb
PHESS＝PEV-PPV-Pgrid
式中：Psc、Pb分别为超级电容和锂电池的充放电功率；PEV为电动汽车的充电功率；PPV为光伏发电的功率，Pgrid为电网传输功率。
考虑分时电价的限制，在低电价时把电网传输功率Pgrid设定为最大，在电价平价时将电网传输功率Pgrid设定较低，在电价高价时将电网传输功率Pgrid设定为最小，在电动汽车充电负荷PEV小于光伏发电功率PPV时将电网传输功率Pgrid设定为0。
将电动汽车的充电负荷预测数据以及智慧园区的光伏发电数据作为此模型的输入，计算得到混合储能系统需要平抑的功率，所得结果如图5所示。
(S3)根据步骤(S2)确定的混合储能需要平抑的功率，通过高通滤波算法(如图6所示)对混合储能系统功率进行分配，确定超级电容器和锂电池各自需要平抑的功率；
采用高通滤波器对混合储能系统的功率PHESS进行滤波，得到其高频波动分量作为超级电容器储能的主动指令Psc，然后将高通滤波后的剩余功率指令作为锂电池储能的主动指令Pb，混合储能系统功率分配存在以下关系：
其中，s为微分算子；Tf为滤波时间常数，根据超级电容器储能系统需要平抑的功率波动频带确定，常为秒级到分钟级。
由于超级电容器的能量密度低，而锂电池的能量密度高，所以在混合储能的总功率小于0时将时间常数设定的很小，将大部分能量储存在锂电池中。
将步骤(S2)得到的混合储能需要平抑的功率作为步骤(S3)的输入，计算得到两种储能各自需要平抑的功率，所得结果如图7所示。
(S4)考虑分时电价的限制，建立混合储能容量配置模型；
混合储能在低电价充电，在电价平价和电价高价进行放电。两种储能在充电或者放电时应该满足荷电状态的限制，所以它们在电价高价和电价平价放电时应该满足从最大荷电状态放电到最小荷电状态的限制，两种储能装置的额定容量计算公式如下：
其中，超级电容器的额定容量，t为储能起始放电时间，Δtp为电价平价时间段，Δth为电价高价时间段；SOCsc,max和SOCsc,min为超级电容器的荷电状态的最大值和最小值；
其中，为锂电池的额定容量，SOCb,max和SOCb,min为锂电池的荷电状态的最大值和最小值。
荷电状态是用来衡量储能系统的剩余容量，储能的荷电状态计算公式如下所示：
其中，SOC(t)，SOC(t-1)分别表示电池t时刻和t-1时刻的荷电状态；P(t)表示t时刻的充放电功率(大于0表示放电，小于0表示充电)；EN表示储能的额定容量；ηc,ηd分别表示充放电效率；δ表示自放电效率；Δt为步长。
将步骤(S3)得到的两种储能各自需要平抑的功率作为步骤(S4)的输入，初步计算两种储能的容量上下限。
(S5)以年收益最大为混合储能系统的目标函数，构建混合储能系统的约束条件；
储能系统的收益是储能系统在低电价的时候买入电力，在高电价的时候卖出电力，混合储能系统直接利润如下表示：
其中，Δt1表示第i时刻超级电容器充放电时间，Δt2表示第i时刻锂电池充放电时间，同一时刻储能只能维持充电或者放电的状态，不能同时进行充放电；Ri表示第i时刻的电价，k表示天数。
混合储能系统的建设成本主要与其自身容量有关，计算公式如下：
C1＝αscPsc+αbPb+βscQsc+βbQb
其中，C1为混合储能系统的建设成本；αsc为超级电容器的单位功率单价；Psc为超级电容器充放电功率；αb为锂电池的单位功率单价；Pb为锂电池的充放电功率；βsc为级电容器的单位容量单价；Qsc为超级电容器的容量；βb为锂电池的单位容量单价；Qb为锂电池的容量。
混合储能系统从开始投入到报废的全过程都需要维护费用，计算公式如下：
其中，εsc为超级电容器的运行维护成本系数；εb为锂电池的运行维护成本系数。
由以上可以得出混合储能系统的目标函数为：
其中r为贴现率，l为储能使用年限。
为确保储能系统能够正常运行，应满足以下约束：
(1)能量守恒约束，电力必须在任何时候都能满足供需平衡；
(2)输出功率约束，光伏、超级电容和锂电池应根据各自的局限性，合理设置自己的输出功率；
(3)荷电状态(SOC)约束，应根据储能的特点合理设置荷电状态的上限和下限，避免过充和过放电，影响电池寿命。
由以上，约束条件为：
其中，Psc，cmax,Pb,cmax,Psc,dmax，Pb，dmax分别为超级电容器和蓄电池的充放电最大功率；PPV,max为光伏的最大出力；SOCmax，SOCmin为电池的最大最小荷电状态。
(S6)根据步骤(S3)确定的超级电容器和锂电池各自需要平抑的功率及步骤 (S5)构建的混合储能系统的约束条件，结合优化算法对步骤(S4)建立的混合储能容量配置模型进行模型求解，得到混合储能系统最优容量配置。
所用的优化算法为APSO(Adaptive Particle Swarm Optimization)自适应权重粒子群算法，其算法流程如图8所示，其适应度算法流程如图9所示。
为使混合储能系统容量配置具有较高的精度和较稳定的特征，选取的种群规模为80，粒子迭代次数为80次，惯性权重系数的最大值和最小值分别为0.9和 0.4，学习因子都选取为2，仿真步长为5min。通过参数设定(见表1)及限制条件，采用自适应权重粒子群算法获取混合储能容量优化配置结果如表2、图10 和图11所示。
表1
表2
锂电池额定功率/kW
112
超级电容器额定容量/kW·h
910
混合储能年利润/元
346040
折算年成本/元
323030
年收益/元
23015
由图10可以看出，随着迭代次数的增加，混合储能的收益逐渐增大，在迭代次数到达9次时，混合储能的年收益达到最大值为23015元。
同时由图11可以看出，超级电容器和锂电池在0点到12点充电到其荷电状态的上限；在12点到15及19点之后，超级电容器和锂电池开始放电，荷电状态开始急剧下降；在15点到19点，超级电容器和锂电池充电。在整个过程，超级电容器和锂电池的荷电状态都满足在其荷电状态范围内变化，且满足能量守恒约束。采用此配置方法可以减少混合储能的充放电次数，一定程度上延长了混合储能的寿命。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何属于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。