一种储能成本和收益的经济优化方法及系统与流程

本发明涉及电力系统自动化技术领域，具体涉及一种储能成本和收益的经济优化方法及系统。

背景技术：

太阳能作为可再生能源，其大规模开发和利用为应对能源危机和环境污染开辟了新的途径。但由于光伏所具有的随机性、间歇性和不可准确预测性，其输出很难保持稳定，配置储能系统能实现对光伏输出功率的有效抑制，从而提高光伏的可调度性；但当前储能初始投资较大，在短时间内很难收回成本，获得可观利润，所以从长远角度考虑储能系统全寿命周期内的收入和成本具有实际意义。

目前对于储能应用的研究，主要是集中在储能系统的配置和运行策略的优化两方面，由储能套利、热备用和参与调频等收入来确定储能装置的运行策略；但考虑储能参与现货市场交易、考虑储能建设投资补贴和光伏发电补贴两者同时进行优化的研究仍然很少。储能系统成本高，且光伏发电中存在收益不明确问题，同时可再生能源所固有的间歇性和随机性等不确定性因素以及储能设备在运行过程中的寿命损伤会对储能系统的收益与支出造成影响，目前的研究还无法解决在储能系统全寿命周期内总的净收益和储能装置运行策略之间的平衡问题，无法充分利用储能系统，使其在全寿命周期内的收益最大化。

技术实现要素：

为解决上述问题，本发明提供一种储能成本和收益的经济优化方法及系统，通过基于储能投资成本和收益，确定储能全寿命周期内成本和收益的优化目标函数和约束条件，采用粒子群优化算法，实现储能在光伏发电中应用的全寿命周期经济效益最大化。

一种储能成本和收益的经济优化方法，其改进之处在于，所述方法包括：

获取储能投资成本和收益信息；

采用粒子群算法将获取的储能投资成本和收益信息带入预先设定的储能在全寿命周期内优化目标函数和约束条件中，进行计算，获取所述储能在光伏应用中在全寿命周期内最优经济效益；

所述优化目标函数和约束条件基于储能投资成本与收益构建。

优选地，所述储能在寿命周期内成本和收益的优化目标函数的构建包括：

基于储能投资成本与收益，计算电价补贴收入、光伏与储能所构成的微网与现货市场交易所得收入、储能在全寿命周期内所获利润和储能投资成本；

基于所述电价补贴收入、光伏与储能所构成的微网与现货市场交易所得收入、储能在全寿命周期内所获利润和储能投资成本，确定储能全寿命周期内成本和收益的优化目标函数。

优选地，所述优化目标函数如下式所示：

maxf＝f1+f2+f3-f4

式中，f1：电价补贴收入；f2：光伏与储能所构成的微网与现货市场交易所得收入；f3：储能在全寿命周期内所获利润，；f4为储能投资成本。

优选地，所述电价补贴收入f1按下式进行计算：

式中，m：一天中所处的时段，m＝1，2……24；t：储能使用年份；t为储能寿命；csub：政府额外补贴电价；pdis(m)：储能电池m时段放电功率；udis(m)：储能m时段的充电状态变量；y1：储能一年中放电天数；ir：通货膨胀率；dr：贴现率；

优选地，所述光伏与储能所构成的微网与现货市场交易所得收入f2按下式进行计算：

式中，csell：售电电价；ppv(m)：m时段光伏发电输出功率；pbat：储能电池的额定功率；pload(m)：负荷需求功率；ωt：微网与现货市场交易控制变量；cbuy：储能向现货市场购电电价；y2：储能一年中与现货市场交易天数；

优选地，所述储能在全寿命周期内所获利润f3，按下式进行计算：

式中，cprice：储能与现货市场交互电价；pch(m)：储能电池m时段充电功率；uch(m)：储能m时段的放电状态变量；y3：储能一年中与现货市场交易套利天数；

所述储能成本投入f4包括储能固定投资成本和运行维护成本，按下式进行计算：。

式中，cm：储能单位充放电功率的年运行维护成本；pbat：储能电池的额定功率；ebat：储能额定容量；η：储能转换效率，0≤η≤1；政府对于储能建设投资补贴；ce：储能单位容量投资成本。

优选地，所述约束条件包括：功率平衡约束条件、储能充放电约束条件、补贴电价约束条件和光伏输出功率范围；

其中，所述功率平衡约束条件如下式所示：

pload(m)＝ppv(m)+pbat(m)+pbos(m)

式中，pload(m)：负荷需求功率；ppv(m)：m时段光伏发电输出功率；pbat：储能电池的额定功率；pbos(m)：m时段光伏与储能所构成的微网向现货市场购电或售电功率，售电功率为负、购电为正。

其中，所述储能充放电约束条件如下所示：

式中，储能放电功率最小值；储能充电功率最小值；ebat：储能额定容量；ebat(m)：储能m时段存储容量；储能放电功率最大值；储能充电功率最小值；pdis(m)：储能电池m时段放电功率；udis(m)：储能m时段的充电状态变量；pch(m)：储能电池m时段充电功率；uch(m)：储能m时段的放电状态变量；ηd：储能电池放电效率；ηc：储能电池充电效率；n：储能设备全寿命周期内充放电限制次数。

其中，所述补贴电价约束条件如下所示：

式中，政府对于储能发电额外补贴电价最小值；政府对于储能发电额外补贴电价最大值；储能建设投资补贴最小值；储能建设投资补贴最大值；csub：政府额外补贴电价；为政府对于储能建设投资补贴。

优选地，所述采用粒子群算法将获取的储能投资成本和收益信息带入预先设定的储能在全寿命周期内优化目标函数和约束条件中，进行计算，获取所述储能在光伏应用中在全寿命周期内最优经济效益包括：

依据储能全寿命周期内成本和收益的优化目标函数，设置粒子群算法初始化参数；

基于所述初始化参数，随机初始化种群中粒子的位置和速度，评价所述种群中各个粒子的适应度；

采用更新算法更新所述种群中各个粒子的速度和位置，将所述每个粒子的适应度与其经历过的最好位置做比较，若优于历史最佳则替换，否则保持，直至符合迭代停止条件，终止迭代，获得粒子群全局最优值及其位置；

所述粒子群全局最优值及其位置为所述储能在光伏应用中在寿命周期内的最优经济效益。

一种储能成本和收益的经济优化系统，包括：获取模块和计算模块；

获取模块：用于获取储能投资成本和收益信息；

计算模块：用于采用粒子群算法将获取的储能投资成本和收益信息带入预先设定的储能在全寿命周期内优化目标函数和约束条件中，进行计算，获取所述储能在光伏应用中在全寿命周期内最优经济效益。

优选的，所述计算模块中，所述优化目标函数如下式所示:

maxf＝f1+f2+f3-f4

式中，f1：电价补贴收入；f2：光伏与储能所构成的微网与现货市场交易所得收入；f3：储能在全寿命周期内所获利润，；f4为储能投资成本；

所述约束条件包括：功率平衡约束条件、储能充放电约束条件、补贴电价约束条件和光伏输出功率范围。

与最接近的已有技术比，本发明提供的技术方案具有以下有益效果：

本发明提供的技术方案，通过分析电价补贴收入、光伏与储能所构成的微网与现货市场交易所得收入、储能在全寿命周期内所获利润、储能投资成本之间的相互制约关系，在保证储能、用户、现货市场三者之间最佳调度状态的情况下，实现储能系统在光伏应用中全寿命周期内的经济效益最大化。

本发明提供的技术方案，建立了储能全寿命周期内成本和收益的优化目标函数和约束条件，采用粒子群优化算法求解，易于实现、能够快速收敛、优化精度高。

附图说明

图1是本发明储能成本和收益的经济优化方法的示意图；

图2是本发明光伏电网中基于储能全寿命周期成本和收益的经济优化框图；

图3是本发明储能成本和收益的经济优化系统的示意图。

具体实施方式

为了更好地理解本发明，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。

实施例一、

储能系统的引入可以提高光伏发电的可调度性及利用率，在实际运行中，对于同一光伏发电场而言，储能容量越大，同等的放电量对应的放电深度越浅，对储能寿命造成的损伤越小，其运行维护成本也就越小，但储能投资建设成本也会增加；此外，由于储能容量的增加，光伏发电系统的弃光率也会有所降低，向现货市场售电量也会增加，有利于提高光伏利用率，从而提高光伏电场经济效益。因此，在同样的充放电条件下，从经济成本最优的角度来看，电池容量增加，其投资成本增加，运行维护成本降低，储能与现货市场之间的售电收益也有所增加，反之亦然。

在光伏发电应用中，储能系统各部分收入与成本之间存在制约关系，因此，对目标函数的寻优过程中，考虑两者之间的相互关系，得到储能在全寿命周期内经济效益最大时的容量配置结果以及储能最优充放电量和充放电时机。

一种储能成本和收益的经济优化方法，如图1所示，所述方法包括：

步骤1：获取储能投资成本和收益信息；

步骤2：采用粒子群算法将获取的储能投资成本和收益信息带入预先设定的储能在全寿命周期内优化目标函数和约束条件中，进行计算，获取所述储能在光伏应用中在全寿命周期内最优经济效益；

所述优化目标函数和约束条件基于储能投资成本与收益构建。

步骤1：获取储能投资成本和收益信息；

步骤2：采用粒子群算法将获取的储能投资成本和收益信息带入预先设定的储能在全寿命周期内优化目标函数和约束条件中，进行计算，获取所述储能在光伏应用中在全寿命周期内最优经济效益，如图2所示，包括：

具体地，确定储能全寿命周期内成本和收益的优化目标函数包括：

基于储能投资成本与收益，计算电价补贴收入、光伏与储能所构成的微网与现货市场交易所得收入、储能在全寿命周期内所获利润和储能投资成本；

基于所述电价补贴收入、光伏与储能所构成的微网与现货市场交易所得收入、储能在全寿命周期内所获利润和储能投资成本，确定储能全寿命周期内成本和收益的优化目标函数。

具体地，所述优化目标函数如下式所示：

maxf＝f1+f2+f3-f4

式中，f1：电价补贴收入；f2：光伏与储能所构成的微网与现货市场交易所得收入；f3：储能在全寿命周期内所获利润；f4为储能投资成本。

其中，所述电价补贴收入f1按下式进行计算：

式中，m：一天中所处的时段，m＝1，2……24；t：储能使用年份；t为储能寿命；csub：政府额外补贴电价；pdis(m)：储能电池m时段放电功率；udis(m)：储能m时段的充电状态变量；y1：储能一年中放电天数；ir：通货膨胀率；dr：贴现率；

所述光伏与储能所构成的微网与现货市场交易所得收入f2按下式进行计算：

式中，csell：售电电价；ppv(m)：m时段光伏发电输出功率；pbat：储能电池的额定功率；pload(m)：负荷需求功率；ωt：微网与现货市场交易控制变量；cbuy：储能向现货市场购电电价；y2：储能一年中与现货市场交易天数；

所述储能在全寿命周期内所获利润f3，按下式进行计算：

式中，cprice：储能与现货市场交互电价；pch(m)：储能电池m时段充电功率；uch(m)：储能m时段的放电状态变量；y3：储能一年中与现货市场交易套利天数；

所述储能成本投入f4包括储能固定投资成本和运行维护成本，按下式进行计算：。

式中，cm：储能单位充放电功率的年运行维护成本；pbat：储能电池的额定功率；ebat：储能额定容量；η：储能转换效率，0≤η≤1；政府对于储能建设投资补贴；ce：储能单位容量投资成本。

具体地，所述约束条件包括：功率平衡约束条件、储能充放电约束条件、补贴电价约束条件和光伏输出功率范围。

其中，所述功率平衡约束条件如下式所示：

pload(m)＝ppv(m)+pbat(m)+pbos(m)

式中，pload(m)：负荷需求功率；ppv(m)：m时段光伏发电输出功率；pbat：储能电池的额定功率；pbos(m)：m时段光伏与储能所构成的微网向现货市场购电或售电功率，售电功率为负、购电为正。

所述储能充放电约束条件如下所示：

式中，储能放电功率最小值；储能充电功率最小值；ebat：储能额定容量；ebat(m)：储能m时段存储容量；储能放电功率最大值；储能充电功率最小值；pdis(m)：储能电池m时段放电功率；udis(m)：储能m时段的充电状态变量；pch(m)：储能电池m时段充电功率；uch(m)：储能m时段的放电状态变量；ηd：储能电池放电效率；ηc：储能电池充电效率；n：储能设备全寿命周期内充放电限制次数。

所述补贴电价约束条件如下所示：

式中，政府对于储能发电额外补贴电价最小值；政府对于储能发电额外补贴电价最大值；储能建设投资补贴最小值；储能建设投资补贴最大值；csub：政府额外补贴电价；为政府对于储能建设投资补贴。

具体地，采用粒子群算法获取获取所述储能在光伏应用中在全寿命周期内最优经济效益包括：

依据储能全寿命周期内成本和收益的优化目标函数，设置粒子群算法初始化参数；

依据所述储能全寿命周期内成本和收益的优化的目标函数和约束条件随机初始化种群中粒子的位置和速度，基于粒子与各个粉子的距离评价所述种群中各个粒子的适应度；

采用更新算法更新所述种群中各个粒子的速度和位置，将每个粒子的适应度与其经历过的最好位置做比较，若优于历史最佳则替换，否则保持，直至符合迭代停止条件，终止迭代，获得粒子群全局最优值及其对应的位置；

所述粒子群全局最优值及其对应的位置为所述储能在光伏应用中在寿命周期内的最优经济效益。

具体地，所述，粒子群初始化参数包括：储能充放电功率、售购电功率、粒子数、最大速度、学习因子、惯性因子和迭代停止条件；所述迭代停止条件包括：预设运算精度或最大迭代次数。

具体地，所述更新算法如下式所示：

式中，ω：惯性权重；c1：第一正学习因子；c2：第二正学习因子；r1、r2：0到1之间均匀分布的随机数；vi,j(t+1)：第i个粒子j维t+1次迭代时的速度；xi,j(t+1)：第i个粒子j维t+1次迭代时位置；pi,j：第i个粒子j维的个体；pg,j：第i个粒子j维的全局最优值。

实施例二、

一种储能成本和收益的经济优化系统，如图3所示，包括：确定模块和计算模块；

获取模块：用于获取储能投资成本和收益信息；

计算模块：用于采用粒子群算法将获取的储能投资成本和收益信息带入预先设定的储能在全寿命周期内优化目标函数和约束条件中，进行计算，获取所述储能在光伏应用中在全寿命周期内最优经济效益。

具体地，所述确定模块中，基于储能投资成本与收益，确定储能全寿命周期内成本和收益的优化目标函数包括：

基于储能投资成本与收益，计算电价补贴收入、光伏与储能所构成的微网与现货市场交易所得收入、储能在全寿命周期内所获利润和储能投资成本；

基于所述电价补贴收入、光伏与储能所构成的微网与现货市场交易所得收入、储能在全寿命周期内所获利润和储能投资成本，确定储能全寿命周期内成本和收益的优化目标函数。

具体地，所述储能全寿命周期内成本和收益的优化目标函数如下式所示：

maxf＝f1+f2+f3-f4

式中，f1：电价补贴收入；f2：光伏与储能所构成的微网与现货市场交易所得收入；f3：储能在全寿命周期内所获利润，；f4为储能投资成本。

具体地，所述电价补贴收入f1按下式进行计算：

式中，m：一天中所处的时段，m＝1，2……24；t：储能使用年份；t为储能寿命；csub：政府额外补贴电价；pdis(m)：储能电池m时段放电功率；udis(m)：储能m时段的充电状态变量；y1：储能一年中放电天数；ir：通货膨胀率；dr：贴现率；

具体地，所述光伏与储能所构成的微网与现货市场交易所得收入f2按下式进行计算：

式中，csell：售电电价；ppv(m)：m时段光伏发电输出功率；pbat：储能电池的额定功率；pload(m)：负荷需求功率；ωt：微网与现货市场交易控制变量；cbuy：储能向现货市场购电电价；y2：储能一年中与现货市场交易天数；

具体地，所述储能在全寿命周期内所获利润f3，按下式进行计算：

式中，cprice：储能与现货市场交互电价；pch(m)：储能电池m时段充电功率；uch(m)：储能m时段的放电状态变量；y3：储能一年中与现货市场交易套利天数；

所述储能成本投入f4包括储能固定投资成本和运行维护成本，按下式进行计算：。

式中，cm：储能单位充放电功率的年运行维护成本；pbat：储能电池的额定功率；ebat：储能额定容量；η：储能转换效率，0≤η≤1；政府对于储能建设投资补贴；ce：储能单位容量投资成本。

所述确定模块中，储能全寿命周期内成本和收益的约束条件包括：功率平衡约束条件、储能充放电约束条件、补贴电价约束条件和光伏输出功率范围。

具体地，所述功率平衡约束条件如下式所示：

pload(m)＝ppv(m)+pbat(m)+pbos(m)

式中，pload(m)：负荷需求功率；ppv(m)：m时段光伏发电输出功率；pbat：储能电池的额定功率；pbos(m)：m时段光伏与储能所构成的微网向现货市场购电或售电功率，售电功率为负、购电为正。

其中，所述储能充放电约束条件如下所示：

式中，储能放电功率最小值；储能充电功率最小值；ebat：储能额定容量；ebat(m)：储能m时段存储容量；储能放电功率最大值；储能充电功率最小值；pdis(m)：储能电池m时段放电功率；udis(m)：储能m时段的充电状态变量；pch(m)：储能电池m时段充电功率；uch(m)：储能m时段的放电状态变量；ηd：储能电池放电效率；ηc：储能电池充电效率；n：储能设备全寿命周期内充放电限制次数。

其中，所述补贴电价约束条件如下所示：

式中，政府对于储能发电额外补贴电价最小值；政府对于储能发电额外补贴电价最大值；储能建设投资补贴最小值；储能建设投资补贴最大值；csub：政府额外补贴电价；为政府对于储能建设投资补贴。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换，这些未脱离本发明精神和范围的任何修改或者等同替换，均在申请待批的本发明的权利要求保护范围之内。