多能源互联网下分布式储能聚合参与电网调峰策略的制作方法

1.本发明涉及一种分布式储能聚合参与电网的协调运行方法，尤其涉及一种 多能源互联网下分布式储能聚合参与电网调峰策略。


背景技术：

2.未来高比例分布式能源接入，对电网的影响日趋显著，多种储能有机整合 实现多能互补的储能体系将是未来储能系统在电网中应用的主要形式。分布式 储能作为新型电网与能源互联的关键技术，可提高系统运行稳定性，改善电能 质量，提高电网调节的灵活性和供电可靠性，实现负荷消峰填谷，参与系统需 求响应，调峰等。然而，分布式储能单体容量小，分布不均衡，存在系统操作、 管理和运营困难等问题。如何解决分布式储能的统一管理和应用，研究不同类 型分布式储能资源的经济运营机制。为此，提出规模化分布式储能的聚合方法， 基于云平台技术，实现分布式储能与电网多能源的协调运行，是提升电网分布 式储能对电网主动支撑能力的关键问题、意义重大。
3.目前，国内外对分布式储能聚合调峰的研究主要集中在新能源调峰运行方 面，对分布式储能聚合体联合多能源调峰的研究相对较少。通过本发明的研究， 可以实现各类分布式储能的综合应用，实现多能源和电网峰谷的匹配，促进电 网供需平衡，保障电网稳定运行。依托分布式储能聚合方法，可以实现各类特 性不同的储能电源梯次利用，最大限度实现多能源主动参与电网互动运行，推 动配电网高效、稳定、经济运行。依托项目研究的分布式储能运营机制和云储 能平台，可以解决多类分布式能源分散并网，集中应用机制，进而实现高密度 分布式储能接入和多能源全局优化管理。
4.国内外对分布式储能聚合调峰的研究现在主要集中在少数分布式储能聚合 参与电网运行方面，对大规模分布式储能聚合体联合多能源调峰的研究相对较 少。在现有的研究中，大多是利用电池储能技术来跟踪计划发电、平滑风电功 率输出、提升风力发电接入电网能力、减小风电场弃风、提高风电利用小时数， 在新能源并网运行中接受电网调度，发挥暂态有功出力紧急响应和暂态电压紧 急支撑作用的研究。应用于电网调峰领域的也仅限于局部、小规模范围，在应 用大规模调峰领域的研究相对较少。


技术实现要素：

5.本发明就是针对现有技术存在的缺陷，提供一种多能源互联网下分布式储 能聚合参与电网调峰策略。其充分发挥分布式储能设备的作用能够有效的提高 系统的运行可靠性、改善系统的电能质量、提高配电网中可再生能源的接入能 力、增加电网和用户的经济效益，为智能配电网的发展提供有力支撑。
6.本发明针对多能源互联下区域电网分布式储能聚合优化调度参与电网调峰 问题，首先对区域电网现有分布式储能的调峰运行特性及影响因素进行研究， 综合运行参数与约束条件建立分布式储能聚合体，并提出分阶段的优化求解策 略，使用启发式智能优化算法方法，并充分利用已有调度系统的算法和数据， 为分布式储能参与区域电网调峰的实
施提供切实可行的技术理论依据。
7.为实现上述目的，本发明采用如下技术方案，在大规模区域电网系统中， 针对分布式储能当前无法参与电网调峰的情况；将分布式储能单体聚合成若干 组，通过分阶段优化控制和调度系统协调控制，实现分布式储能聚合与多能源 联合运行实时参与电网调峰，从而实现分布式储能聚合参与电网的协调控制和 稳定运行。
8.具体包括以下步骤：
9.步骤1、建立分布式储能聚合参与电网调峰总体控制运行框架；
10.步骤2、建立分布式储能聚合与多能源协同运行多目标优化模型；
11.步骤3、基于启发式智能算法对分布式储能聚合与多能源协同运行多目标优 化模型进行分阶段优化求解。
12.(步骤4、建立分布式储能聚合与多能源联合参与电网调峰策略的 matlab/simulink平台；
13.步骤5、对分布式储能聚合与多能源联合参与电网调峰策略的有效性进行仿 真分析，验证在多能源互联下，超过1000个分布式储能单体聚合后能够实现参 与电力系统调峰的经济性、稳定性。)
14.进一步地，所述步骤1包括：
15.步骤1.1、建立分布式储能聚合与多能源协同运行多目标优化模型，包括： 分布式储能单体模型、分布式储能聚合调度模型、多种能源调度模型；
16.步骤1.2、(由于建立的电力系统多源联合调峰优化模型是一个非线性、多 阶段、存在动态耦合关系、连续变量与离散变量相混合的大规模优化模型；)在 进行解算策略分析的时候提出分布、分阶段求解规则；
17.步骤1.3、使用启发式智能优化算法，利用已有调度系统的算法和数据，证 明分布式储能聚合与多能源互联参与电网调峰的可行性及稳定性。(进一步验证 本发明可行性。)
18.进一步地，所述步骤2包括：
19.步骤2.1、建立储能单体的充放电模型，将多个储能聚合成一个等效分组；
20.步骤2.2、聚合各个储能后，等效集中额定功率、等效集中额定容量和等效 集中充、放电效率，用于代表整个分布式储能系统；
21.步骤2.3、(储能聚合体系统与其他能源相结合，共同参与系统调峰，在储 能容量达到一定规模时也可以单独参与系统调峰；)对于电网多源联合调峰优化 调度，建立如下目标函数：
22.j＝min
23.24.目标函数中:第一项:表征调峰调度中的火电机组发电成本；第二项:表 征调峰调度中的水电机组发电成本；第三项:表征调峰调度中的风电发电成本， 以保证系统在运行条件满足条件下最大的接纳风电，而又不以牺牲高成本调峰 电源为代价；第四项:表征调峰调度中的抽水蓄能机组调峰成本；第五项:表 征调峰调度中的储能聚合体调峰成本；第六项:表征调峰调度中的火电机组启 停调峰成本；第七项:表征调峰调度中的储热装置调峰成本；
25.式中：f
gi
：火电发电成本函数；f
hi
：水电发电成本函数；f
wi
：风电发电成 本函数；c
pu
：抽水蓄能机组调峰成本系数；cn：储能聚合体成本系数；c
tof
： 火电机组启停成本系数；fr：储热和放热功率的成本函数；λ
ga
、λh、λw、λ
p
、 λn、λ
gb
、λr：各类调峰电源调峰成本在目标函数中的权重系数；抽水蓄 能机组投入运行标识参数；火电机组启停标识参数；火电机组启停标识参数；分别为火电机组、水电机组、风电发电容量、抽水蓄能机组调峰容量、 储能聚合体运行容量、储热装置的储热或放热容量。
26.进一步地，所述步骤3包括：
27.步骤3.1、通过获取相关参数包括：日负荷预测结果、地区受电计划、光伏 功率预测参数、水电发电计划、储能电池计划、火电机组等值参数，用以计算 其相应的等值符合参数，采用控制变量集合化手段进行对分布式储能聚合与多 能源协同运行多目标优化模型进行分阶段优化求解；
28.步骤3.2、确定高成本调峰电源的调度策略，忽略常规电源的运行成本，以 高成本调峰电源调峰成本最低为目标，基于启发式智能算法，确定各调峰电源 的调度策略，使整个高成本调峰电源的调峰调度成本最低；
29.步骤3.3、在高成本调峰电源已经确定的条件下，以常规调峰电源的运行成 本最低为优化目标，解算常规调峰电源的优化调度；根据分阶段优化的基本原 理，得到该优化问题的全局最优解算策略。
30.与现有技术相比本发明有益效果。
31.本发明多能源互联下基于启发式智能优化算法的分布式储能聚合参与电网 调峰策略，指在大规模区域电网系统中，针对分布式储能当前无法参与电网调 峰的情况，将分布式储能单体聚合成若干组，通过分阶段优化控制和调度系统 协调控制，实现分布式储能聚合与多能源联合运行实时参与电网调峰，从而实 现分布式储能聚合参与电网的协调控制和稳定运行。
32.本发明便于商业化开发，随着分布式储能技术应用的增多，大规模的分布 式储能聚合平台与多种能源互联参与电网运行的要求更高，该系统的协调控制 方法的开发必然具有较大需求，本发明具有较好的商业开发前景。
附图说明
33.下面结合附图和具体实施方式对本发明做进一步说明。本发明保护范围不 仅局限于以下内容的表述。
34.图1是分布式储能聚合调度结构框图。
35.图2是电力系统的调峰机制图。
36.图3是高成本调峰调度的基本步骤框图。
37.图4是基于启发式智能算法的求解策略图。
38.图5是分布式储能聚合参与电网调峰效果图。
具体实施方式
39.本发明提出得一种多能源互联下分布式储能聚合参与电网协同运行策略的 基本思想是：针对储能单体聚合与多种能源联合参与并网调峰运行，通过将多 个储能单体聚合成组，利用分阶段优化控制及已有的调度系统控制，以达到在 大规模范围内的分布式储能聚合与多种能源互联参与电网调峰控制的目的。
40.如图1-5所示，本发明包括以下步骤：
41.步骤1)、建立分布式储能聚合参与电网调峰总体控制运行框架；
42.(1)建立分布式储能聚合与多能源协同运行多目标优化模型：分别需建立 分布式储能单体模型、分布式储能聚合调度模型、多种能源调度模型。
43.①
分布式储能单体模型：
[0044][0045]
式中：soc0为储能最初时刻的soc值；p
ch
和p
dis
分别为t到t-1时段间的充、 放电功率，最多只能一个不为0；η
ch
和η
dis
分别为充、放电效率；δt为充放电的 一个持续时段；s
rate
为储能的额定容量。
[0046]
储能的约束条件：
[0047]
充电：
[0048][0049]
放电：
[0050][0051]
式中：p
irate
为储能i的额定充放电功率；p
ich
和p
idis
分别为储能i的充放电功率； soci为储能i当前的soc值。
[0052]
聚合各个储能后，只需要等效集中额定功率、等效集中额定容量和等效集 中充、放电效率就可以代表整个分布式储能系统。当各个储能在额定功率下具 有相同的充放电时长时，对应的等效集中储能参数定义如下：
[0053]
等效集中额定功率为：
[0054][0055]
式中：p
allrate
为等效集中储能的额定功率p
irate
为第i个储能的额定功率。
[0056]
等效集中额定容量为
[0057][0058]
式中：s
allrate
为等效集中储能的额定容量；s
irate
为第i个储能的额定容量。
[0059]
等效集中充电效率和等效集中放电效率为
[0060][0061]
式中：η
allch
和η
alldis
分别为等效集中充电效率和等效集中放电效率；η
ich
和η
idis
分 别为第i个储能的充电效率和放电效率。
[0062]
在定义对应的等效集中参数后，在调度时只需一个等效的集中储能来代表 所有的储能，各个储能的功率采用下式进行分配。
[0063]
分布式储能系统充、放电功率约束为：
[0064][0065]
分布式储能系统soc约束为：
[0066]
soc
min
≤soc
all
≤soc
max
[0067]
soc
first
＝soc
last
[0068]
式中：p
jiess
和q
jiess
分别为在第j个负荷功率区间内节点i所安装的储能有功功 率和无功功率；soc
all
为等效集中储能的soc值；soc
min
和soc
max
分别为分布式储 能系统soc所允许的最小值和最大值；soc
first
和soc
last
分别为等效集中储能的初 始soc和最终soc。
[0069]
②
抽水蓄能电站调度模型：
[0070]ef
＝δ
puep
≤em[0071]
其中：ef和e
p
分别为抽水蓄能机组的发电量和抽水负荷所需电量；em为受 库容限制的抽水蓄能电站的最大允许发电量；δ
pu
为抽水蓄能电站的转化效率。 则每蓄单位电量，需要消耗1/δ
pu
的电量，即单位调峰容量对应的成本为： (1/δ
pu-1)c
pu
，其中，c
pu
为系统的平均发电成本。
[0072]
抽水蓄能电站调度模型约束条件：
[0073]
抽水蓄能机组的出力约束：
[0074]
在发电工况下，需满足
[0075][0076]
在抽水工况下，需满足
[0077][0078]
其中：和分别为抽水蓄能机组的发电功率和抽水功率，p
pumin
和p
pumax
分别为抽水蓄能机组的最小、最大发电功率，为抽水蓄能机组 抽水运行时的功率点，m为功率点的数量。
[0079]
上水库库容约束：
[0080]
对于任意时间段t，满足：
[0081][0082]
其中：ηf和η
p
分别为发电和抽水时的平均水量/电量转换常数；c0为上水库 初始水量，c
max
和c
min
分别为抽水蓄能电站上水库的最大和最小水量。上式表达 的是在调度周期内上水库容量约束，由于上下水库在全过程中总的库容之和不 变，实际上也相当于限制了下水库的库容。
[0083]
水量平衡约束：
[0084][0085]
表示，调度周期内的抽水量与发电用水量保持平衡。
[0086]
上述表达式中，抽水蓄能机组在调度周期中各时段的出力作为变量，在调 峰调度中，即是要在最小的抽水蓄能机组运行容量条件下，确定各机组各时段 的运行功率。
[0087]
③
蓄热可调式负荷调度模型：
[0088]
根据热力学定律计算式有：
[0089]qt
＝c
×mt
×
δt
[0090]
其中：q：代表蓄热罐蓄热负荷；c：代表蓄热介质的比热；m：代表蓄 热介质的质量；δt：代表导致热负荷变化的温度差；t：代表某一时间段。
[0091]
储热介质的质量与蓄热负荷的体积密切相关。假定蓄热负荷为规则形状， 若蓄热负荷的底面积为s，在t时刻蓄热负荷中水位液面高度为，在t时刻蓄热 负荷中水的当量温度为t
t
，参考温度为t0，则
[0092]mt
＝ρ
·s·h[0093]
δt＝t
t-t0[0094]
将上两式带入可得
[0095]qt
＝c
·
ρ
·s·h·
δt
[0096]
假定蓄热负荷内水温度按梯度形式分布，从上至下传感器依次为t
t1
、t
t2
、t
t3
、 t
tn
，则上式可变为
[0097][0098]
整理后，得
[0099][0100]
定义t时刻蓄热负荷中水的当量温度
[0101][0102]
则有：
[0103]qt
＝c
·
ρ
·s·h·
δt
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-27)
[0104]
上述公式中，蓄热负荷与介质比热、密度、体积等参数有关，其中介质高 度可测，当量温度可控。电热锅炉控制系统正式通过控制当量温度，来实现蓄 热负荷的控制。
[0105]
蓄热负荷的最大蓄热量
[0106]
由于蓄热负荷中水的比热，密度，底面积在储热和供热过程中不变化，因 此，根据，在蓄热负荷中水位液面达到最大值，蓄热负荷中计算水温达到最大 值，即
[0107]qmax
＝c
·
ρ
·s·hmax
·
(t
max-t0)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2-28)
[0108]
其中，h
max
：蓄热罐中水量盛满装置时水液面高度；t
max
：蓄热罐中水全部 为热水且各层温度一致为最大值时的温度值。
[0109]
蓄热负荷的供热功率
[0110]
根据功率与能量的计算式：
[0111]
p
·
t＝q
[0112]
其中：p：蓄热负荷的供热功率；t：蓄热负荷的供热功率输出时段；q：蓄 热负荷的供热负荷。
[0113]
蓄热负荷在t时段的供热功率p
g(t)
可由下式计算得到：
[0114]
p
g(t)
·
δt＝qo
ut(t)-q
in(t)
[0115]
其中，q
out(t)
、q
in(t)
分别为蓄热负荷在时刻的注入热负荷和流出热负荷
[0116]
假定在t时刻蓄热负荷注入口和流出口的流量分别为g
in(t)
、g
in(t)
单位一般按 kg/h，水流速度分别为v
in(t)
、v
out(t)
，管直径分别为d
in
、d
out
，则有
[0117][0118][0119]
根据热水流速与流量的关系式
[0120][0121]
将上式整合，得到
[0122][0123][0124][0125]
晚上低谷电时段,采用何种模式运行需视的负荷情况而定。一般情况下采用 电锅炉单蓄热模式或边蓄热边供热模式。但对夜间负荷应有所控制,否则过量的 夜间负荷会影响系统蓄热量,可能造成第二天电锅炉的过量运行而增加运行费 用。
[0126]
白天采用蓄热水箱优先的联合供热模式,采用蓄热水箱等速放热方式, 保证蓄热水箱均匀放出热量,同时确保在工作时间段将水箱热量用尽。在计算水 箱的等速放热量时,需考虑电储热的避峰电时段运行,此时段蓄热水箱应全量 供热(即蓄热水箱单供热模式),从而尽量减少电锅炉的运行费用。
[0127]
(2)由于建立的电力系统多源联合调峰优化模型是一个非线性、多阶段、 存在动态耦合关系、连续变量与离散变量相混合的大规模优化模型，因此在进 行解算策略分析的时候提出分布、分阶段求解规则，可将优化问题的复杂程度 大为降低。
[0128]
(3)使用启发式智能优化算法，充分利用已有调度系统的算法和数据，证 明分布式储能聚合与多能源互联参与电网调峰的可行性及稳定性，进一步验证 本发明可行性。
[0129]
步骤2)建立分布式储能聚合与多能源协同运行多目标优化模型
[0130]
(1)建立储能单体的充放电模型，并且将多个储能聚合成一个等效分组；
[0131]
(2)聚合各个储能后，只需要等效集中额定功率、等效集中额定容量和等 效集中充、放电效率就可以代表整个分布式储能系统；
[0132]
(3)储能聚合体系统一般情况下都与其他能源相结合，共同参与系统调峰， 在储能容量达到一定规模时也可以单独参与系统调峰。对于电网多源联合调峰 优化调度问题，建立如下目标函数：
[0133]
j＝min
[0134][0135]
目标函数中:第一项:表征调峰调度中的火电机组发电成本；第二项:表 征调峰调度中的水电机组发电成本；第三项:表征调峰调度中的风电发电成本， 以保证系统在运行
条件满足条件下最大的接纳风电，而又不以牺牲高成本调峰 电源为代价；第四项:表征调峰调度中的抽水蓄能机组调峰成本；第五项:表 征调峰调度中的储能聚合体调峰成本；第六项:表征调峰调度中的火电机组启 停调峰成本；第七项:表征调峰调度中的储热装置调峰成本。
[0136]
式中：f
gi
：火电发电成本函数；f
hi
：水电发电成本函数；f
wi
：风电发电成 本函数；c
pu
：抽水蓄能机组调峰成本系数；cn：储能聚合体成本系数；c
tof
： 火电机组启停成本系数；fr：储热和放热功率的成本函数；λ
ga
、λh、λw、λ
p
、 λn、λ
gb
、λr：各类调峰电源调峰成本在目标函数中的权重系数；抽水蓄 能机组投入运行标识参数；火电机组启停标识参数；火电机组启停标识参数；分别为火电机组、水电机组、风电发电容量、抽水蓄能机组调峰容量、 储能聚合体运行容量、储热装置的储热或放热容量。
[0137]
步骤3)基于启发式智能算法对分布式储能聚合与多能源协同运行多目标优 化模型进行分阶段优化求解。
[0138]
(1)通过获取相关参数如日负荷预测结果、地区受电计划、光伏功率预测 参数、水电发电计划、储能电池计划、火电机组等值参数等等，用以计算其相 应的等值符合参数，采用控制变量集合化手段进行对分布式储能聚合与多能源 协同运行多目标优化模型进行分阶段优化求解；
[0139]
(2)确定高成本调峰电源的调度策略，忽略常规电源的运行成本，以高成 本调峰电源调峰成本最低为目标，基于启发式智能算法，确定各调峰电源的调 度策略，使整个高成本调峰电源的调峰调度成本最低；
[0140]
启发式智能算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物 进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。启发 式智能算法是从代表问题可能潜在的解集的一个种群开始的，而一个种群则由 经过基因编码的一定数目的个体组成。每个个体实际上是染色体带有特征的实 体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现是某种 基因组合，它决定了个体的形状的外部表现，初代种群产生之后，按照适者生 存和优胜劣汰的原理，逐代演化产生出越来越好的近似解，在每一代，根据问 题域中个体的适应度大小选择个体，并借助于遗传算子进行组合交叉和变异， 产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种 群比前代更加适应于环境，末代种群中的最优个体经过解码，可以作为问题近 似最优解。
[0141]
1)连续优化控制变量的解算模式。
[0142]
火电机组中每台发电机的发电功率被限定在p
gmin
和p
gmax
之间，由于每台发电 机其对应的最大和最小值不尽相同，所以每台发电机机的功率区间一般都不相 同，取值范围较大，这对遗传算法的搜索性能增加了难度。对机组的发电功率 原始数据进行如下改变：
[0143]
pg＝(p
gmax-p
gmin
)
×
p
*-p
gmin
[0144]
其中，pg是机组的原始功率，p
*
是一个取值域为0到1的数。经过上述变化， 任一发电机在任一时刻的取值都被限定在了同一取值域。把每一个待求解机组 功率变量参数先在0-1的范围内进行二进制编码得到子串，再把这些子串连接 成染色体。
[0145]
2)机组启停优化控制向量的解算模式。
[0146]
对于机组启停优化，机组的启停可以表示为0-1变量“1”表示开，“0”表 示停。如前
所述，每个机组启停变量可以用一个与研究时段同维数的向量表示， 由于机组启停约束条件比较多，如果仍然随机的产生群体对解算操作非常的不 利，因此产生的群体要求符合机组的启停约束。
[0147]
根据电网调峰的特点，主要存在的问题是下调峰的压负荷问题，为了产生 可行的机组启停状态初始变量，以如下规则产生初始向量：
[0148]
1.机组启停向量初始元素值均为1；
[0149]
2.引入机组关停时段变量toff，to
ff
∈[1,t]，随机产生t
off
；
[0150]
3.引入机组关停时间变量t
off
，to
ff
＝t-t
gon-t
goff
，随机产生t
off
；
[0151]
4.根据随机变量值产生可行的机组启停状态初始变量向量。
[0152]
进行启发式智能搜索算法操作时，对各启停机组的变量t
off
和t
off
进行编码。 采用这样的编码方式,机组的最小开机时间和最小停机时间约束就被包含在决 策变量的二进制串中,其总能被完全满足。
[0153]
(3)在高成本调峰电源已经确定的条件下，以常规调峰电源的运行成本最 低为优化目标，解算常规调峰电源的优化调度。根据分阶段优化的基本原理， 可以得到该优化问题的全局最优解算策略；
[0154]
步骤4)建立分布式储能聚合与多能源联合参与电网调峰策略的 matlab/simulink平台。
[0155]
步骤5)对分布式储能聚合与多能源联合参与电网调峰策略的有效性进行仿 真分析，验证在多能源互联下，超过分布式储能单体聚合后能够实现参与电力 系统调峰的经济性、稳定性。
[0156]
优选地，分布式储能聚合与多能源互联共同参与电网协调运行，保证电力 系统调峰的经济性、稳定性。
[0157]
优选地，建立了考虑分布式储能聚合效应的电网调峰调度多目标优化模型， 该模型考虑了分布式储能聚合体、抽水蓄能、蓄热式可调负荷等多种分布式能 源形式，可用于电网日前调峰调度，时间分辨率小于60分钟。
[0158]
优选地，对电网现有分布式储能的调峰运行特性及影响因素进行研究，综 合运行参数与约束条件建立分布式储能聚合体，并提出分阶段的优化求解策略。
[0159]
优选地，使用启发式智能搜索算法的方法，并充分利用已有调度系统的算 法和数据，为分布式储能参与电网调峰的实施提供切实可行的技术理论依据。
[0160]
图1中，聚合商通过与用户签订合同来获取电力终端设备的调控权限，按 需下达调控指令，调整分布式储能的充放电行为。此时受控设备的运行、决策 以及调控执行均由聚合商完成。该调控模式受合同的约束，并通过计及不同类 型储能的运行特性以及荷电状态，显示出较高的可控性和可靠性，例如，电量 不足的分布式储能优先进行充电，能量充裕的分布式储能优先进行放电。
[0161]
图2中，上调峰极限与日峰荷之间的差值为系统预留的正旋转备用，一般 取最大机组的额定容量或总负荷的3％-5％。下调峰极限与日最小负荷间的差值为 系统的负旋转备用，一般取最小负荷的3％-5％。临界调峰阈值为常规压负荷调峰 容量与高成本调峰容量的分界线，即表示在投入所有常规压负荷调峰容量的情 况下，系统能达到的最小出力水平。当下调峰极限位于临界调峰阈值以下时， 代表需要投入高成本的调峰手段(如抽水蓄
能、储能聚合体调峰、机组启停等)， 才能满足系统调峰要求。
[0162]
图3中，第一步优化问题一个大规模离散变量的优化问题，采用智能优化 搜索策略进行求解；第二步优化问题与常规的电网调峰调度相同，可使用调度 自动化系统里的软件包进行求解，从而最大利用现有的调度平台。问题的关键 是，如何对第一步优化问题，即以高成本调峰电源调峰成本最低为目标，在满 足调峰调度各种约束的条件下，求取变量集合的最优解。
[0163]
图4中，启发式智能算法是模拟达尔文生物进化论的自然选择和遗传学机 理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方 法。启发式智能算法是从代表问题可能潜在的解集的一个种群开始的，而一个 种群则由经过基因编码的一定数目的个体组成。每个个体实际上是染色体带有 特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表 现是某种基因组合，它决定了个体的形状的外部表现，初代种群产生之后，按 照适者生存和优胜劣汰的原理，逐代演化产生出越来越好的近似解，在每一代， 根据问题域中个体的适应度大小选择个体，并借助于遗传算子进行组合交叉和 变异，产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后 生代种群比前代更加适应于环境，末代种群中的最优个体经过解码，可以作为 问题近似最优解。
[0164]
图5是分布式储能参与电网调峰效果图。
[0165]
(1)只考虑分布式储能聚合参与电网调峰。
[0166]
(2)考虑抽水蓄能，可调式储热装置互联的分布式储能聚合参与电网调峰
[0167]
为了便于对分布式储能在该场景下的调峰进行简化分析，储能装置将按照 以下策略进行调度控制，对于容量小、调度灵活性强的储热装置采用优先投入 优先退出的原则，相反地，对于容量大的装置应保证尽可能少的投切次数。弃 风时段，电网与风电机组配合为储热装置蓄热，当弃风电大于储热装置额定容 量时，储热装置投入运行，并由风电机组进行蓄热，反之，系统弃风，从电网 获得电能进行储热。未弃风阶段，储热装置只进行供热，以满足热负荷需求。 仿真时长为24h，时间间隔为60min。
[0168]
(1)储能聚合体参与调峰前：弃风量3359mwh；日负荷峰谷差：峰谷差为 3461mw，峰谷差率25.82％。储能聚合体参与调峰后：弃风量2359mwh：日负荷 峰谷差：峰谷差为3051mw，比调峰前下降了410mw。峰谷差率为23.04％。
[0169]
(2)在其他条件不变的情况下，考虑抽水蓄能，可调式储热装置互联的分 布式储能聚合参与电网调峰，考虑抽水蓄能电站与储能聚合体参与调峰后：；日 负荷峰谷差：峰谷差为2335mw，比调峰前下降了1126mw。峰谷差率为17.42％。 考虑储热装置，抽水蓄能电站与储能聚合体参与调峰后：；日负荷峰谷差：峰谷 差为1875mw，比调峰前下降了1585mw。峰谷差率为13.9％。
[0170]
本发明多能源互联网下分布式储能聚合参与电网调峰策略。其可以实现各 类分布式储能的综合应用，实现多能源和电网峰谷的匹配，促进电网供需平衡， 保障电网稳定运行；依托项目研究的分布式储能聚合方法，可以实现各类特性 不同的储能电源梯次利用，最大限度实现多能源主动参与电网互动运行，推动 配电网高效、稳定、经济运行。
[0171]
可以理解的是，以上关于本发明的具体描述，仅用于说明本发明而并非受 限于本发明实施例所描述的技术方案，本领域的普通技术人员应当理解，仍然 可以对本发明进行
修改或等同替换，以达到相同的技术效果；只要满足使用需 要，都在本发明的保护范围之内。