用户侧储能装置运行策略优化及经济性分析

发布时间：2017-10-16 13:43

  本文关键词：用户侧储能装置运行策略优化及经济性分析

  更多相关文章： 储能装置 用户侧 现货电力市场 峰谷分时电价 协同进化算法 运行策略 经济性分析

【摘要】：理论上而言,用户安装储能装置可以为用户平滑负荷、提高供电可靠性、改善电能质量；对于大中型电力用户而言,储能装置还可以减少专用配变容量投资。但由于储能技术和制造方面的约束,使得储能经济性偏低,以至于目前安装分布式储能的用户很少。因此,对合理安排储能的充放电时间,最终实现用户获利最大化,进而使储能达到最佳经济性进行研究是很有必要的。本文的主要内容如下：(1)对在现货电价市场下普通用户储能装置的经济效益以及储能装置成本进行了分析和建模,储能装置的经济效益主要是通过调峰填谷减少用户电费支出获得。然后,以储能收益最大为目标函数,以储能充放电特性为约束条件,分析了同一用户投资两种不同电池储能装置：PSB(polysulfide-bromine battery)和VRB(vanadium redox battery)的运行策略和经济性,结果得出PSB更适合于用户使用。并分析了储能装置的投资规模对经济性的影响。(2)对在峰谷电价下大中型电力用户的经济效益进行了分析和建模：减少用户电费支出、减少专用配变容量投资、提高用户供电可靠性。结合储能装置年投资成本建立了以年净收益最大的目标函数,以储能充放电特性为约束条件,分析了大中型用户投资储能装置的运行策略和经济性,并分析了储能装置充放电效率和储能部分投资成本对经济性的影响。通过以上储能装置的运行策略和经济性的研究,得出分时电价是促进储能技术应用的条件之一；同时所得结果,也为用户投资储能装置以及储能厂商的生产提供一定的参考,为储能技术实用化研究指明方向。
【关键词】：储能装置 用户侧 现货电力市场 峰谷分时电价 协同进化算法 运行策略 经济性分析
【学位授予单位】：广西大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TM732
【目录】：

• 摘要4-6
• ABSTRACT6-10
• 前言10-14
• 1 用户侧储能装置运行策略研究的背景及意义10-11
• 2 储能装置运行策略研究现状11-12
• 3 本文的主要工作12-14
• 第一章 用户侧储能系统14-24
• 1.1 储能分类及特性14-18
• 1.1.1 储能技术分类14-15
• 1.1.2 几种常见储能形式及特性15-18
• 1.2 适合应用于用户侧的储能形式18-20
• 1.3 用户侧储能装置的作用20-24
• 第二章 普通电力用户储能装置运行策略及经济性分析24-38
• 2.1 引言24
• 2.2 储能装置模型24-27
• 2.2.1 储能装置任一时刻电量模型24-25
• 2.2.2 储能装置成本模型25-27
• 2.3 用户侧储能装置价值分析及建模27
• 2.4 优化运行策略模型27-31
• 2.4.1 目标函数27
• 2.4.2 约束条件27-28
• 2.4.3 求解策略28-31
• 2.5 算例分析31-37
• 2.5.1 运行策略优化31-34
• 2.5.2 储能装置经济性分析34-35
• 2.5.3 储能装置投资规模对经济性的影响35-37
• 2.6 本章小结37-38
• 第三章 大中型电力用户储能装置运行策略及经济性分析38-47
• 3.1 引言38
• 3.2 峰谷电价模型38-39
• 3.3 用户收益分析模型39-42
• 3.3.1 减少用户电量电费支出39
• 3.3.2 减少用户所建设配电容量39-40
• 3.3.3 提高用户供电可靠性40-42
• 3.4 运行策略优化模型42-43
• 3.4.1 目标函数42
• 3.4.2 约束条件42-43
• 3.5 算例分析43-46
• 3.5.1 储能装置最优运行策略43-45
• 3.5.2 充放电效率和储能部分单位造价成本对经济性的影响45-46
• 3.6 本章小结46-47
• 第四章 总结47-49
• 4.1 全文总结47
• 4.2 研究展望47-49
• 参考文献49-53
• 致谢53-54
• 攻读硕士学位期间发表论文情况54

【参考文献】

中国期刊全文数据库 前10条

1 王承民;孙伟卿;衣涛;颜志敏;张焰;;智能电网中储能技术应用规划及其效益评估方法综述[J];中国电机工程学报;2013年07期

2 颜志敏;王承民;郑健;张宇;时志雄;张征;;配电网中蓄电池储能系统的价值评估模型[J];电力自动化设备;2013年02期

3 陈满;陆志刚;刘怡;丁泽俊;饶宏;鲍冠南;陆超;;电池储能系统恒功率削峰填谷优化策略研究[J];电网技术;2012年09期

4 骆妮;李建林;;储能技术在电力系统中的研究进展[J];电网与清洁能源;2012年02期

5 李亚非;曹长虎;;基于粒子群优化和遗传算法的协同聚类算法[J];计算机工程;2011年16期

6 李萍萍;裴炳南;胡立军;;改进的自适应LMS算法[J];计算机工程与应用;2011年13期

7 甄晓亚;尹忠东;孙舟;;先进储能技术在智能电网中的应用和展望[J];电气时代;2011年01期

8 Thang Ngoc Cong;;Progress in electrical energy storage system:A critical review[J];Progress in Natural Science;2009年03期

9 张宇;俞国勤;施明融;杨林青;何维国;卫春;;电力储能技术应用前景分析[J];华东电力;2008年04期

10 张文亮;丘明;来小康;;储能技术在电力系统中的应用[J];电网技术;2008年07期

中国博士学位论文全文数据库 前1条

1 秦全德;粒子群算法研究及应用[D];华南理工大学;2011年

中国硕士学位论文全文数据库 前1条

1 颜志敏;智能电网中蓄电池储能的价值评估研究[D];上海交通大学;2012年

，

本文编号：1043008