Capacity Configuration and Optimal Operation Method of Energy Storage Participating in Grid Auxiliary Peak Shaving Based on Minimum Operating Cost

doi:10.16628/j.cnki.2095-8188.2021.11.004

Abstract

Abstract:

From the point of view of peak shaving compensation and coal saving,a capacity configuration and coordinated control method of energy storage participating in power grid auxiliary peak shaving based on the minimum operating cost is proposed.Aiming at maximizing the net profit of the system,the optimal capacity configuration model of energy storage participating in auxiliary peak shaving is established.ABC and PSO algorithms are respectively used to solve the model for the optimal capacity configuration of energy storage systems.With the minimum operating cost of the system as the objective function,an optimized control model for energy storage to participate in the auxiliary peak shaving of the grid is established.After coordination and optimization,the system wind abandonment rate is reduced to 1.078 8%,and the total system operation cost has been reduced to 1 401.08 million yuan.The validity and correctness of the method are verified by simulation analysis of the actual operation data of a power grid in a province.

Key words: energy storage system, auxiliary peak shaving, capacity optimization configuration, coordinated optimization

CLC Number:

TM734

LI Yuxing, LU Yu, LI Hao, WANG Dong, MA Ning, HAN Xiaojuan. Capacity Configuration and Optimal Operation Method of Energy Storage Participating in Grid Auxiliary Peak Shaving Based on Minimum Operating Cost[J]. LOW VOLTAGE APPARATUS, 2021, 0(11): 22-29.

Figures/Tables 13

References 27

[1]	王煜杰, 江岳文. 考虑环境价值及调峰充裕度的多目标风电接纳水平优化[J]. 电器与能效管理技术, 2018(19):26-30.
[2]	陈世锋, 陈北海, 孙玉民, 等. 新能源侧百兆瓦时级储能电站系统集成技术研究与应用[J]. 电器与能效管理技术, 2020(10):47-54.
[3]	李章溢, 房凯, 刘强, 等. 储能技术在电力调峰领域中的应用[J]. 电器与能效管理技术, 2019(10):69-73.
[4]	彭春华, 陈露, 张金克, 等. 基于分类概率机会约束IGDT的配网储能多目标优化配置[J]. 中国电机工程学报, 2020, 40(9):2809-2819.
[5]	YAO L, YANG B, CUI H, et al. Challenges and progresses of energy storage technology and its application in power systems[J]. Journal of Modern Power Systems and Clean Energy, 2016, 4(4):519-528. doi: 10.1007/s40565-016-0248-x
[6]	王源, 南海鹏, 关欣. 风水储微电网优化调度策略研究[J]. 高压电器, 2020, 56(5):216-222.
[7]	李丰, 张粒子, 舒隽, 等. 含风电与储能系统的调峰与经济弃风问题研究[J]. 华东电力, 2012, 40(10):1695-1700.
[8]	HAN X, JI T, ZHAO Z, et al. Economic evaluation of batteries planning in energy storage power stations for load shifting[J]. Renewable Energy, 2015, 78:643-647. doi: 10.1016/j.renene.2015.01.056
[9]	严干贵, 冯晓东, 李军徽, 等. 用于松弛调峰瓶颈的储能系统容量配置方法[J]. 中国电机工程学报, 2012, 32(28):27-35,22.
[10]	娄素华, 易林, 吴耀武, 等. 基于可变寿命模型的电池储能容量优化配置[J]. 电工技术学报, 2015, 30(4):265-271.
[11]	章伟. 市场环境下大规模风电并网系统中储能容量优化配置[D]. 镇江:江苏大学, 2016.
[12]	侯婷婷. 含大规模风电的电力系统储能电源优化配置研究[D]. 武汉:华中科技大学, 2014.
[13]	谢东亮, 薛峰, 宋晓芳. 直流互联下含储电力系统调峰的优化及仿真分析[J]. 电力系统自动化, 2018, 42(5):72-79.
[14]	李军徽, 朱星旭, 严干贵, 等. 抑制风电并网影响的储能系统调峰控制策略设计[J]. 中国电力, 2014, 47(7):91-95,100.
[15]	黎静华, 汪赛. 兼顾技术性和经济性的储能辅助调峰组合方案优化[J]. 电力系统自动化, 2017, 41(9):44-50,150.
[16]	娄素华, 杨天蒙, 吴耀武, 等. 含高渗透率风电的电力系统复合储能协调优化运行[J]. 电力系统自动化, 2016, 40(7):30-35.
[17]	吕泉, 刘永成, 刘乐, 等. 考虑弃风特性的风电供热项目节煤效果与最佳配置方案研究[J]. 中国电机工程学报, 2017, 37(16):4699-4711,4895.
[18]	国家能源局东北监管局,东北电力辅助服务市场运营规则(试行)[G]. 2016.
[19]	徐国栋, 程浩忠, 方斯顿, 等. 用于提高风电场运行效益的电池储能配置优化模型[J]. 电力系统自动化, 2016, 40(5):62-70.
[20]	孙永辉, 赵树野, 张秀路, 等. 提升区域电网电压稳定性的分布式储能协调运行策略[J]. 电力电容器与无功补偿, 2021, 42(5):221-227.
[21]	高海翔, 董超, 孟子杰, 等. 机组-储能联合系统参与调频辅助服务市场的关键技术研究与实践[J]. 广东电力, 2020, 33(6):46-52.
[22]	傅金洲, 何国鑫, 杜炜, 等. 计及循环寿命的电网调频储能容量优化配置[J]. 电力需求侧管理, 2020, 22(6):57-62.
[23]	郄朝辉, 黄慧, 陆承宇, 等. 计及等效转动惯量的储能最优调频控制方法[J]. 浙江电力, 2020, 39(5):15-20.
[24]	邓皓, 崔双喜, 孙彦萍, 等. 孤岛微网中风光储混合建模及仿真研究[J]. 高压电器, 2019, 55(10):141-147.
[25]	顾博川, 尤毅, 孙毅, 等. 计及虚拟储能的社区微网联络线功率平滑方法[J]. 广东电力, 2019, 32(5):13-21.
[26]	王民华, 李凤霞. 混合储能平抑微电网功率波动控制策略研究[J]. 电力电容器与无功补偿, 2020, 41(4):215-220.
[27]	塔伊尔江·巴合依. 提高可再生能源接纳和外送能力的广域储能规划和运行研究[D]. 武汉:华中科技大学, 2016.

参数	数值
功率单价/(元·kW^-1)	4 500
容量电价/(元·kWh^-1)	2 250
单位功率运维成本/(元·kW^-1)	190
单位容量运维成本/(元·kWh^-1)	0.05
充放电效率/%	90
弃风上网电价/(元·kWh^-1)	0.263 1
储能调峰补偿单价/(元·kWh^-1)	0.4
火电机组发电标准煤耗/(g·kWh^-1)	320
煤炭交易价格/(元·t^-1)	500

时段		电价/(元·kWh^-1)
谷时	0:00~7:00 21:00~0:00	0.285 7
平时	12:00~17:00	0.542 4
峰时	7:00~12:00 17:00~21:00	0.790 3

优化结果	ABC算法	PSO算法
额定功率/MW	830.60	856.14
额定容量/MWh	4 972.8	4 582.8
最大日净收益/万元	111.81	110.67
消纳弃风/MWh	4 972.8	4 582.8
节约标准煤/t	1 768.1	1 466.49
仿真时间/s	1 625	1 342

参数	数值
常规机组单位煤耗成本/(元·MWh^-1)	144.2
常规机组上爬坡率限制/MW	1 297.7
常规机组下爬坡率限制/MW	-1 359.6
常规机组最大技术出力/MW	12 877.2
常规机组最小技术出力/MW	6 588
储能系统功率/MW	830.6
储能系统容量/MWh	4 972.8

参数	数值
参数	协调优化前	协调优化后
弃风率/%	6.857 7	1.078 8
总运行成本/万元	1 842.67	1 401.08
常规机组运行成本/万元	3 042.38	2 894.64
弃风惩罚成本/万元	73.60	11.58
储能运行成本/万元	250.93	485.29
外送功率运行成本/万元	1 022.38	1 019.86