一种面向用户侧的储能方式评价及优化配置方法

1.本发明涉及储能领域，具体涉及一种面向用户侧的储能方式评价及优化配置方法。


背景技术：

2.用户侧是我国当前储能市场重点关注的一面，储能市场发展较大，在用户侧配置储能可用于提高供电可靠性及低储高发套利。目前对用户侧储能优化配置的研究主要集中于系统经济性研究，主要包括储能初始投资和配置储能后所带来的收益，其中收益主要来自于分时电价下的峰谷套利收益。大部分研究主要针对于大工业用户，对居民用户和一般工商业用户研究较少，用户侧配置的储能技术多以一种储能技术为主，未能充分考虑不同的储能技术对储能优化配置的影响。在对用户侧储能优化配置进行评价时，一般多采用经济性指标，评价指标比较单一。
3.现有研究在对用户侧储能进行优化配置时，多数研究只考虑峰谷套利收益，未能考虑配置储能装置后带来的其他收益，比如提高用户用电可靠性收益等。对用户侧的储能优化配置大多集中于大工业用户，对一般工商业用户和居民用户的储能配置研究较少，研究不全面。不同类型的储能装置具有不同的特性，在对储能类型进行选型时，没有根据不同的应用场景对储能的种类进行选择。在对储能装置优化配置评价时，多是从经济性角度来评价储能类型，较少考虑到技术性、环境性以及效率性等角度，造成评价不够全面。


技术实现要素：

4.本发明的目的是根据上述现有技术的不足之处，提供一种面向用户侧的储能方式评价及优化配置方法，其考虑了用户侧应用场景下的储能类型选择，从技术、经济、效率和环保等角度建立了用户侧领域应用场景的评价指标体系，并基于bbwm-fcpt方法构建储能多应用场景选型模型；本发明就某一般工商业用户来研究储能的优化配置问题，根据峰谷分时电价和用户典型日负荷数据，建立全寿命周期内的储能技术优化配置模型，以净收益最大为目标函数，充分考虑储能的自身价值和外部价值，保证储能装置与用户的用电规模相匹配,使储能在投入运行后,可实现最佳的经济效益,不出现容量、功率的缺配、超配情况。
5.本发明目的实现由以下技术方案完成：
6.一种面向用户侧储能装置的评价及优化配置方法，其包括：
7.(s1)筛选多个指标，组成储能选型评价指标体系；
8.(s2)计算各候选的用户侧储能装置的累计前景值；
9.(s3)对用户侧储能装置进行优化配置，得到最优的功率容量配置结果。
10.本发明的进一步改进在于，所述储能选型评价指标体系包括的指标包括：资本强度、运维成本、储能容量、循环次数、放电深度、反应速率、安全性、能源效率、能源强度以及co2强度。
11.本发明的进一步改进在于，所述储能选型评价指标体系的指标采用模糊德尔菲法从候选的指标中筛选得出。
12.本发明的进一步改进在于，候选的用户侧储能装置的储能类型包括：压缩空气储能、飞轮储能、锂离子电池、铅酸电池和钠硫电池。
13.本发明的进一步改进在于，步骤s3具体包括：
14.以储能装置全寿命周期内的净收益最大为目标函数，以储能运行相关的性能和状态作为约束条件，建立储能优化配置模型；储能收益包括峰谷套利收益f1、期末回收残值f2、提高用户用电可靠性的收益f3和政府补贴收益f4；储能成本包括有投资成本c1和运行维护成本c2；
[0015][0016]
式中，c
p
为单位充放电功率价格；储能额定功率；ce为单位容量价格；为额定容量；dr为贴现率，为10％；
[0017][0018]
式中，t为电池寿命；cm为储能单位充放电功率年运行维护成本；
[0019][0020][0021]
式中，b1为储能一天的套利收益；d为储能年运行天数；p
chr
(i)、p
dis
(i)为储能在i时的充电和放电功率；u
chr
(i)、u
dis
(i)为储能的充电和放电状态变量；p(i)为i时的电价；
[0022]
f2＝λc1[0023]
式中，λ为期末回收残值率；
[0024]
f3＝p1(q
′‑
q)
[0025]
式中，p1为单位电量的停电损失；q和q
′
分别为运行前后用户的停电电量；
[0026][0027][0028]
式中，b2为政府补贴收益；p1为补贴电价；
[0029]
以净收益最大的目标函数为：
[0030]
maxf＝f1+f2+f3+f
4-c
1-c2。
[0031]
本发明的进一步改进在于，步骤s3中采用群粒子算法对目标函数进行求解，得到最优的功率容量配置结果。
[0032]
本发明的优点是：从经济性、技术性、效率性和环保性四个维度构建了综合评价指
标体系，并采用bbwm-fcpt的储能选型模型对储能在用户侧领域应用场景下的选型进行了研究,得到了最优的储能类型，最大化其在相应应用场景下的收益，来提高储能资源在系统中的利用效率。
附图说明
[0033]
图1为本发明面向用户侧的储能方式评价及优化配置方法的流程图；
[0034]
图2为储能选型评价指标体系的示意图；
[0035]
图3为负荷曲线和电价曲线。
具体实施方式
[0036]
以下结合附图通过实施例对本发明的特征及其它相关特征作进一步详细说明，以便于同行业技术人员的理解：
[0037]
实施例：如图1所示，本发明的实施例包括一种面向用户侧的储能方式评价及优化配置方法，其包含适应各种场景的储能选型评价指标体系，储能用户侧领域应用场景选型建模及用户侧的储能优化配置。
[0038]
本发明从技术性、经济性、效率性及环保性四个维度构建了适应各种场景的储能选型指标体系。评价指标体系的建立可避免单一指标的局限性，从储能投资者实际情况出发，对不同应用场景的储能可行性进行整体评价。
[0039]
本发明对储能在用户侧领域应用场景下的选型进行了研究，本发明构建的基于bbwm-fcpt的储能选型模型考虑了风险和置信度，可以针对特定场景对储能装置进行最优选择，并根据指标进行重要性排序，最大化其在相应应用场景下的收益，来提高储能资源在系统中的利用效率。
[0040]
对用户侧的储能进行优化配置可以保证储能装置与用户的用电规模相匹配,实现最佳的经济效益，本发明在研究储能收益方面综合考虑了自身价值和外部价值，可以避免部分收益未考虑而带来的损失，使最终决策更加符合实际。
[0041]
本发明的实施例具体包括一种面向用户侧储能装置的评价及优化配置方法，其包括：
[0042]
(s1)筛选多个指标，组成储能选型评价指标体系；
[0043]
为了能够高效全面的评估不同应用场景下各储能装置的综合性能，对储能装置进行科学合理的优劣排序，本发明构建了综合的选型评价指标体系。首先基于储能在用户侧领域的应用价值分析，得到储能的典型应用场景:需求响应管理场景，作为储能选型研究的主要场景。其次通过查找相关文献，从经济性、技术性、效率性及环保性四个维度总结出多个初始评价指标。最后根据模糊德尔菲法对总结出的评价指标进行筛选，筛选出10个相对显著的指标组成选型评价指标体系，模糊德尔菲法结合了模糊理论和传统的德尔菲法，综合考虑了专家主观思维的不确定性和模糊性。模糊德尔菲法筛选指标步骤如下：1)5名专家给出对初始指标的重要性判断结果，得到每个指标的保守值和乐观值。2)计算保守三角模糊函数和乐观三角模糊函数判断和的大小，以此得到检验一致性的gi。gi的计算公式如下：
[0044][0045]
式中，分别为专家对i指标判断的保守值的最小值、几何平均值、最大值；分别为专家对i指标判断的乐观值的最小值、几何平均值、最大值。
[0046]
3)计算得到临界值，并与gi比较，筛选出10个相对显著的指标组成储能选型评价指标体系。储能选型评价指标体系如图2所示。
[0047]
(s2)计算各候选的用户侧储能装置的累计前景值；本步骤具体包括：
[0048]
1.确定各指标的性能值作为价值点。
[0049]
指标体系中包含有客观指标和主观指标。主观指标的性能值是通过专家根据自身的知识和经验判断得来的，根据转化规则将模糊的评价结果转化成三角模糊数；客观指标的性能值可通过查阅相关文献得到，将性能值转化三角模糊数。经过转化可得到决策矩阵{z
ij
﹜n×m。
[0050]
2.决策矩阵{z
ij
﹜n×m标准化。
[0051]
3.确定指标的标准参考点，根据参考点计算各指标的损益值x
ij
。
[0052]
4.计算各指标的风险需求价值v(x)。风险需求价值根据损益值，并通过下列公式计算得到：
[0053][0054]
式中，θ和β分别为收益和损失的敏感性递减系数，取值为0.88；λ为风险规避系数，取值为2.25。
[0055]
5.确定用户侧领域应用场景下的指标权重根据计算累计前景权重和累计前景权重可通过下列公式计算得到：
[0056][0057]
式中，η和δ为收益和损失的态度参数，取值分别为0.61和0.69。
[0058]
6.计算该场景下储能装置的混合前景值并进行排序。用户侧场景下的排序结果见表1。由表1可知，在需求响应管理应用场景下，锂离子电池为最优储能选择。
[0059]
表1用户侧场景下储能选型排序
[0060][0061]
(s3)对用户侧储能装置进行优化配置，得到最优的功率容量配置结果，以保证储能装置与用户的用电规模相匹配,实现最佳的经济效益。本步骤中：
[0062]
1.以储能装置全寿命周期内的净收益最大为目标函数，以储能运行相关的性能和状态作为约束条件，建立储能优化配置模型。储能收益包括峰谷套利收益f1、期末回收残值f2、提高用户用电可靠性的收益f3和政府补贴收益f4。储能成本包括有投资成本c1和运行维护成本c2，本发明在收益方面增加了提高用户用电可靠性的收益，使配置结果考虑得更加全面。
[0063][0064]
式中，cp为单位充放电功率价格；储能额定功率；ce为单位容量价格；为额定容量；dr为贴现率，为10％。
[0065][0066]
式中，t为电池寿命；cm为储能单位充放电功率年运行维护成本。
[0067][0068][0069]
式中，b1为储能一天的套利收益；d为储能年运行天数；p
chr
(i)、p
dis
(i)为储能在i时的充电和放电功率；u
chr
(i)、u
dis
(i)为储能的充电和放电状态变量；p(i)为i时的电价。
[0070]
f2＝λc1ꢀꢀ
(8)
[0071]
式中，λ为期末回收残值率。
[0072]
f3＝p1(q
′‑
q)
ꢀꢀ
(9)
[0073]
式中，p1为单位电量的停电损失；q和q
′
分别为运行前后用户的停电电量。
[0074][0075][0076]
式中，b2为政府补贴收益；p1为补贴电价。
[0077]
以净收益最大的目标函数为：
[0078]
maxf＝f1+f2+f3+f
4-c
1-c2ꢀꢀ
(12)
[0079]
2.根据某地一般工商业用户的典型日负荷数据和当地的分时电价，具体如图3所示，对最优储能：锂离子电池，采用粒子群算法优化求解，粒子群算法作为一种基于整个群体的算法，具有收敛快、计算效率高等优点，采用粒子群算法求解更优。除锂离子电池外，对铅酸电池和钠硫电池进行优化配置，验证不同储能对配置结果的影响。配置结果见表2。由表2可知，用户侧选用锂离子电池时，净收益相比于钠硫电池并非最高，在投资回报率和回收年限方面，锂离子电池在三类储能装置中最优，能够以相对较小的成本获得更高的收益。
[0080]
表2储能最优配置结果
[0081][0082]
通过从经济性、技术性、效率性以及环保性四个维度构建综合的储能选型评价指标体系，在综合评价指标体系中，构建了基于bbwm-fcpt的储能选型模型对储能在用户侧领域应用场景下的选型进行了研究，可以针对特定场景对储能装置进行最优选择，并根据指标进行重要性排序，最大化其在相应应用场景下的收益，来提高储能资源在系统中的利用效率。
[0083]
通过增加储能在用户侧的收益方式，使储能优化配置更加全面，针对一般工商业用户来进行优化配置，对用户侧应用场景下最优储能选择进行分析，可以获得最大收益。由于不同的储能装置有着不同的净收益，增加储能类型来研究不同储能类型对配置结果的影响。
[0084]
以上的本发明实施方式，并不构成对本发明保护范围的限定。任何在本发明的精神和原则之内所作的修改、同替换和改进等，均应包含在本发明的保护范围之内。