一种基于移动储能的多微电网灵活性提升方法技术

一种基于移动储能的多微电网灵活性提升方法，属于微电网技术领域。计算风机和光伏出力的置信区间；建立考虑风光不确定性的风险评估模型；建立考虑卡车运输时间和阻塞延迟的移动储能运输模型；建立基于移动储能的多微电网优化运行模型；对多微电网优化运行模型求解，得到移动储能位置和充放电功率的配置方案及柴油发电机、风机和光伏的调度方案。本通过协调运行策略能够有效应对风光资源不确定环境下系统灵活性不足的问题，确定了移动储能位置和充放电功率的配置方案及柴油发电机、风机和光伏的调度方案。光伏的调度方案。光伏的调度方案。

【技术实现步骤摘要】
一种基于移动储能的多微电网灵活性提升方法


[0001]一种基于移动储能的多微电网灵活性提升方法，属于微电网


技术介绍

[0002]随着全球经济加速发展，能源短缺和环境污染已经成为当前面临的严峻问题，这也推动 了可再生能源发电的研究和发展，风光资源在众多可再生能源资源中占有十分重要的地位。 整合高渗透的风光资源的配电网，将带来减少用电损耗、降低环境污染、提高可再生能源渗 透率等诸多好处。微电网作为可再生能源的有效利用形式得到快速发展。微电网的优势包括 提高电力供应的可靠性、可持续性、电能质量并降低运行费用，输配电线路的损耗。因此， 研究微电网技术对整合风光资源具有重要意义。
[0003]当大规模的风光资源整合到微电网中，由于其固有的不确定性，导致了净负荷的剧烈波 动，影响电力系统的正常运行，会使微电网的灵活性不足问题凸显。因此，微电网需要足够 的灵活性来应对风光资源的缺点。当负荷需求过大或过小时，为了保证微电网系统运行的稳 定性，需要适当的切负荷和弃风弃光。这两种方法违背了发展可再生能源和提高微电网经济 运行的初衷。储能技术的发展为上述问题提供了一个切实有效的方案，储能系统为微电网系 统提供充放电服务，起到削峰填谷的作用。因此，储能系统能够很好的解决净负荷剧烈波动 所带来的灵活性不足的问题。
[0004]当某一区域分布多个微电网系统时，为解决净负荷剧烈波动的情况，需要为微电网系统 配备储能系统。目前，固定式储能系统前期投资运行成本较高，而且大规模使用储能将增加 微电网运行成本。此外，目前固定式储能系统缺乏灵活性，降低了储能运行效率。

技术实现思路

[0005]本专利技术要解决的技术问题是：克服现有技术的不足，提供一种得到移动储能位置和充放 电功率的配置方案及柴油发电机、风机和光伏的调度方案的基于移动储能的多微电网灵活性 提升方法。
[0006]本专利技术解决其技术问题所采用的技术方案是：该基于移动储能的多微电网灵活性提升方 法，其特征在于：包括如下步骤：
[0007]计算风机和光伏出力的置信区间；
[0008]建立考虑风光不确定性的风险评估模型；
[0009]建立考虑卡车运输时间和阻塞延迟的移动储能运输模型；
[0010]建立基于移动储能的多微电网优化运行模型；
[0011]对多微电网优化运行模型求解，得到移动储能位置和充放电功率的配置方案及柴油发电 机、风机和光伏的调度方案。
[0012]优选的，风机输出功率的置信区间为：
[0013][0014]其中，P
W
为风机的输出功率，μ
W
为风机输出功率的预测值，σ
W
表示风机输出功率 的标准差。
[0015]优选的，光伏输出功率的置信区间为：
[0016][0017]其中，P
S
为光伏的输出功率，μ
S
为光伏输出功率的预测值，σ
S为
光伏输出功率的标 准差。
[0018]优选的，所述方法还包括，风机输出功率的概率密度函数为：
[0019][0020]其中，P
W
为风机的输出功率，μ
W
为风机输出功率的预测值，σ
W
表示风机输出功率 的标准差；
[0021]光伏输出功率的概率密度函数为：
[0022][0023]其中，P
S
为光伏的输出功率，μ
S
为光伏输出功率的预测值，σ
S
为光伏输出功率的标 准差。
[0024]优选的，所述方法还包括，风机输出功率的功率不足期望值为：
[0025][0026]光伏输出功率的功率不足期望值为：
[0027][0028]其中，X表示积分变量，PW，min、PS，min分别表示风电和光伏出力下限。
[0029]优选的，所述方法还包括，移动储能在t时从微电网n出发，在时到达微电网m 的模型为：
[0030][0031]其中，为移动储能从微电网n运输到微电网m所需的最小时间间隔；表示时间 间隔，且且表示移动储能在t时与微电网n的连接状态；
[0032][0033][0034]其中，round()为四舍五入运算，η
t
为t时刻阻塞延迟时间系数，D
n，m
为微电网n与m 之间的距离，v
MESS
为移动储能运输的平均速度，N
MG
为微电网的总数。
[0035]优选的，在调度时间内建立移动储能的运输模型Q为：
[0036][0037]其中，O、I分别为零矩阵和单位矩阵，N
t
为调度间隔数，表示移动矩阵。
[0038]优选的，所述的移动矩阵为：
[0039][0040][0041][0042]其中，是一个二进制变量，表示移动储能在t时从微电网n出发，到达微电网m的 概率；当表示在时移动储能可以到达微电网m站点，否则，
[0043]优选的，移动储能的多微电网优化运行模型为：
[0044][0044][0045]其中，为t时微电网n中柴油发电机的输出功率；为微电网n中柴油发电 机的运行成本系数；为t时微电网n与主电网的交易功率；为t时的交易电价； 为t时移动储能的充放电功率；分别表示移动储能充电和放电功率；分别表示第n台风电和光伏在第t个小时的功率不足期望值；e
MESS
为移动 储能的运行成本系数；C
labor
为人工成本；为t时微电网n中风机和光伏的输出功 率；分别为微电网n中风机输出功率的上下限；分别为微电网n 中光伏输出功率的上下限；分别为微电网n中柴油发电机输出功
率的上下限；分别为微电网n中柴油发电机的升速和降速功率限制；为移动储能的充 放电功率的最大值；SoE(t)、SoC(t)分别为移动储能的能量状态和荷电状态；E
MESS
为移 动储能的最大容量；分别为移动储能的充放电效率；β(t)为二进制状态， β(t)＝1表示移动储能处于放电状态，β(t)＝0表示移动储能处于充电状态；SoC
max
、 SoC
min
分别为移动储能荷电状态的上下限。
[0046]优选的，基于进化捕食智能优化算法对多微电网优化运行模型进行求解。
[0047]与现有技术相比，本专利技术所具有的有益效果是：
[0048]本基于移动储能的多微电网灵活性提升方法构造了基于移动储能的多微电网优化运行模 型，得到移动储能位置和充放电功率的配置方案及柴油发电机、风机和光伏的调度方案，解 决了风光资源不确定性引起的系统灵活性不足的问题；通过协调运行策略能够有效应对风光 资源不确定环境下系统灵活性不足的问题，确定了移动储能位置和充放电功率的配置方案及 柴油发电机、风机和光伏的调度方案。
附图说明
[0049]图1为基于移动储能的多微电网灵活性提升方法的流程图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于移动储能的多微电网灵活性提升方法，其特征在于：包括如下步骤：计算风机和光伏出力的置信区间；建立考虑风光不确定性的风险评估模型；建立考虑卡车运输时间和阻塞延迟的移动储能运输模型；建立基于移动储能的多微电网优化运行模型；对多微电网优化运行模型求解，得到移动储能位置和充放电功率的配置方案及柴油发电机、风机和光伏的调度方案。2.根据权利要求1所述的基于移动储能的多微电网灵活性提升方法，其特征在于：风机输出功率的置信区间为：其中，P
W
为风机的输出功率，μ
W
为风机输出功率的预测值，σ
W
表示风机输出功率的标准差。3.根据权利要求1所述的基于移动储能的多微电网灵活性提升方法，其特征在于：光伏输出功率的置信区间为：其中，P
S
为光伏的输出功率，μ
S
为光伏输出功率的预测值，σ
S
为光伏输出功率的标准差。4.根据权利要求1所述的基于移动储能的多微电网灵活性提升方法，其特征在于：所述方法还包括，风机输出功率的概率密度函数为：其中，P
W
为风机的输出功率，μ
W
为风机输出功率的预测值，σ
W
表示风机输出功率的标准差；光伏输出功率的概率密度函数为：其中，P
S
为光伏的输出功率，μ
S
为光伏输出功率的预测值，σ
S
为光伏输出功率的标准差。5.根据权利要求4所述的基于移动储能的多微电网灵活性提升方法，其特征在于：所述方法还包括，风机输出功率的功率不足期望值为：
光伏输出功率的功率不足期望值为：其中，X表示积分变量，PW，min、PS，min分别表示风电和光伏出力下限。6.根据权利要求1所述的基于移动储能的多微电网灵活性提升方法，其特征在于：所述方法还包括，移动储能在t时从微电网n出发，在时到达微电网m的模型为：其中，为移动储能从微电网n运输到微电网m所需的最小时间间隔；表示时间间隔，且表示移动储能在t时与微电网n的连接状态；表示移动储能在t时与微电网n的连接状态；其中，round()为四舍五入运算...

【专利技术属性】
技术研发人员：陈佳佳，曲祚林，徐丙垠，杨自娟，陈文刚，
申请(专利权)人：山东理工大学，
类型：发明
国别省市：