基于储能进行调峰和频率调节研究超线性增益的联合优化（Matlab代码实现）
Posted 我爱Matlab编程
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了基于储能进行调峰和频率调节研究超线性增益的联合优化（Matlab代码实现）相关的知识，希望对你有一定的参考价值。
💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。
📋📋📋本文目录如下：🎁🎁🎁
目录
💥1 概述
文献来源：
摘要-我们考虑通过联合优化框架同时使用电池存储系统进行调峰和频率调节，该框架捕获电池退化、操作约束以及客户负载和调节信号的不确定性。在此框架下，我们使用真实数据显示，用户的电费可降低12%。此外，我们证明，当电池用于两个单独的应用程序时，联合优化的节省通常大于最优节省的总和。提出了一种简单的阈值实时算法，实现了这种超线性增益。
与之前专注于将电池存储系统用于单一应用的工作相比，我们的结果表明，如果电池联合提供多种服务，它们可以获得比以前想象的更大的经济效益。
指标术语-电池管理系统，数据中心，频率调节服务，电力系统经济。
TTERY储能系统在电力系统运行中正变得越来越重要。随着不确定性和间歇性可再生资源的渗透增加，存储系统对能源系统的稳健性、弹性和效率至关重要。例如，研究表明，到2050年，加州将需要22吉瓦的储能，而整个美国可能需要152吉瓦的储能。这些容量中的大部分预计将由个人消费者拥有的分布式存储系统实现。
目前，拥有大量存储空间的两种最突出的消费者类型是信息技术公司和大型建筑物的运营商。微软和谷歌等公司在其数据中心广泛使用电池存储，作为故障转移到现场本地发电[4]。
今天，尽管这些电池存储系统有潜力用于电网服务，但它们并没有与电力系统集成。对于存储所有者来说，电池是否参与电网服务主要取决于这些服务的经济效益。例如，在正常情况下，数据中心每四年更换一次电池[6]。如果电池参与电力市场，电池可能会更快地退化，需要更频繁地更换。来自市场的收益是否证明额外的运营和资本成本是合理的?以最佳方式运行电池以最大化其经济效益的问题是一个核心问题，并刺激了大量的研究。问题包括能源套利、调峰、频率调节、需求响应等(如[7]-[10]及其参考文献)。在过去的几年里，人们已经认识到，由于电池[11]的高资本成本，服务于单一应用往往很难证明其投资[12]是合理的。此外，选择单一应用程序并没有考虑到多种收入流的可能性，可能会“把钱留在桌子上”。
因此，最近的一系列研究已经开始分析电池的能源套利和调节服务[13]，[14]的共同优化。
本文思想上接近[13]，它捕捉了未来市场的不确定性和多个应用程序的时间尺度差异。但是，与[12]、[13]相比，我们的工作有两个重要的贡献:1)我们提出了电池进行调峰并提供频率调节服务的联合优化框架。该框架考虑了电池退化、操作限制以及客户负载和调节信号的不确定性。据我们所知，之前的所有工作都没有在优化模型中考虑电池的运行成本，这可能会导致激进的充放电响应和严重的次优操作[12]-[16]。
由于电池在用于频率调节和调峰时，每天循环多次，因此降解效应在决定其运行时起着重要作用。
2)我们证明了存在一个超线性增益:其中联合优化的收益大于执行单个应用的总和。我们使用来自两个大型商业用户的真实数据来量化这一收益:微软数据中心和华盛顿大学EE & CSE CSE大楼。图2给出了两种情况下的每日负荷剖面示例。超线性增益与[13]-[15]中先前的观察结果有本质区别，[13]-[15]中仅比较了单个应用的协同优化收益，而不是应用的总和。[12]的结果暗示了协同优化收益与多个收益流之和之间的关系，而主要关注的是不同应用之间的权衡及其“次可加性”。我们在工作中观察到的关键是，如果电池通过探索不同应用的多样性来共同提供多种服务，那么它们可以获得比以前想象的更大的经济效益。
📚2 运行结果
2.1 文献结果
2.2 复现结果
🎉3 参考文献
部分理论来源于网络，如有侵权请联系删除。
🌈4 Matlab代码、数据、文章讲解
优化调度基于matlab求解共享储能电站工业用户日前经济调度优化问题含Matlab源码 XYTQYY001期
一、共享储能电站工业用户日前经济调度优化简介
0 引言
储能技术广泛应用于调频、调峰、平抑可再生能源出力波动、需求侧响应、提高用户可靠性等领域，对能源互联网的发展起到重要支撑作用。通过储能系统在电网电价谷时段存储电能，在电价峰时段释放电能供给用户，可以为用户节省用电成本，同时缓解电网调峰压力。国家和地方政府大力推广储能技术的应用，储能的发展前景广阔。
近年来，共享经济利用现代互联网信息通信技术，通过租、借等共享方式实现物品使用权的转移。将共享经济引入用户侧储能技术中，由共享储能电站运营商负责投资建设和维护储能，并为用户提供储能服务;用户向共享储能电站运营商缴纳服务费获取储能装置的使用权。目前国内外已有对共享储能经济模式的研究，提出“储能容量租借”的概念，租用方将剩余电能存储到提供方，提供方根据租用的储能容量和时间向租用方收取费用。提出“云储能”这种共享储能式技术，并对云储能基本商业模式、云储能投资与规划、云储能运行方式等做出定义和研究。介绍云储能的控制、通信技术和运行原理，基于爱尔兰电力系统的算例验证了云储能系统的可行性和经济性。
目前关于共享储能的研究处于起步阶段，现有的工作以共享储能系统为主要研究对象，分析共享储能系统的商业模式和盈利情况，没有对用户参与共享储能系统的充放电行为和经济效益做深入研究。本文在用户群间引入共享储能电站，建立以用户群日运行成本最优为目标的优化调度模型，分析用户群接入共享储能电站后的充放电行为和经济效益，并对共享储能电站的投资回收年限等经济性指标与服务费定价关系做出进一步的研究。
1 共享储能电站概念及运营模式
共享储能电站的概念如图1所示，储能电站运营商利用资金优势在用户群间建立大型共享储能电站，对储能电站进行统一运营管理，为同一配电网区域内的多个用户提供共享储能服务。共享储能服务即用户使用共享储能电站的储能装置满足用户内部充电和放电的需求，不受时间和容量的限制。用户通过向储能电站运营商缴纳服务费用换取共享储能服务。储能服务费用是用户使用共享储能电站充电和放电，需向共享储能电站缴纳的费用，单位为元/(k W·h)。
图1 共享储能电站示意图
用户缴纳服务费用以日为结算周期，各用户与共享储能电站连接线上安装电能表计，当用户存在剩余电能时，将剩余电能Q1存入到储能电站中;当用户缺电时，优先从储能电站中取回需要的电能Q2;按照每个周期使用储能电站存储和取回的电能量(Q1+Q2)计算应缴纳的服务费用。用户根据历史用电数据预测用电负荷，制定使用共享储能电站进行充电和放电的计划，利用储能装置达到最小的运行经济成本，同时用户节省了安装和维护储能设备所要付出的投资成本。
储能电站运营商在共享储能电站内设置调控中心，根据每个时段各用户的充电需求和放电需求，将需要充电的用户剩余电能直接输送给需要放电的用户。在同一时段内的用户总充放电需求若为充电，调控中心调用储能装置来充电;若总充放电需求为放电，调度中心调用储能装置的剩余电量放电来满足需求。储能电站根据一个结算周期内所有用户每个时段所需的计划充放电功率，来配置所需共享储能电站的容量和最大充放电功率。经过一个运行周期，储能电站电量回到初始状态，以保证下一个运行周期的可持续性。储能电站运营商利用用户用电行为的互补性，即相同用户在不同时段、不同用户在相同时段的用电行为差异，可以最大限度地投资最少的储能来满足用户的储能使用需求。同时，储能电站运营商可以充分利用储能设备的规模效应，大规模共享储能电站比用户投资分布式储能的单位成本要低，可以降低储能电站的总投资成本，缩短储能装置的投资回收年限。
2 基于共享储能的优化调度模型
2.1 目标函数
接入共享储能电站的用户群以典型日运行成本最优为目标函数，确定储能电站的容量、最大充放电功率和各个时段的充放电功率、用户各个时段利用储能电站进行充电和放电的功率。用户群的日运行成本包括从电网购电费用和向储能电站缴纳的服务费。
式中:F为接入共享储能电站的用户群总日运行经济成本;C1为从电网购电费用;C2为向储能电站缴纳的服务费。
式中:N为用户的个数;T为调度周期时段数;γ(t)为从电网购电的电价;Pgrid,i(t)为第i个用户t时段从电网购电的功率;Δt为单位调度时段时长;δ(t)为用户向储能电站缴纳的服务费;Pess,b,i(t)为第i个用户t时段使用共享储能电站放电的功率;Pess,s,i(t)为第i个用户t时段使用共享储能电站充电的功率。
2.2 约束条件
忽略传输损耗和设备损耗，接入共享储能电站的用户群优化调度模型应该满足的约束条件包括:电功率平衡约束、用户使用共享储能电站充放电功率约束、共享储能电站荷电状态连续性约束、储能电站充放电功率约束、储能电站充放电功率和用户利用共享储能电站充放电功率的平衡约束。
1)电功率平衡约束。
式中:Ppv,i(t)为第i个用户t时段的光伏发电功率;Pwind,i(t)为第i个用户t时段的风电出力功率;Pload,i(t)为第i个用户t时段的电负荷功率。
2)用户使用共享储能电站充放电功率约束。
式中:Pessmax为用户使用共享储能电站充电和放电功率的最大值;Uess,b,i和Uess,s,i为第i个用户t时段使用共享储能电站的放电状态位和充电状态位。
3)储能电站荷电状态连续性约束。
式中:Emax和Emin为共享储能电站的最大和最小荷电状态;E(t)为储能电站在t时段的荷电状态;u为储能电站自放电率，一般可以忽略;ηabs和ηrelea分别为储能电站充电效率和放电效率;Pabs(t)和Prelea(t)分别为储能电站充电功率和放电功率。
4)储能电站充放电功率约束。
式中:Uabs和Urelea为储能电站的充电状态位和放电状态位;Pmax为储能电站的最大充放电功率。
5)储能电站充放电功率平衡约束。
各用户利用共享储能电站充放电功率之和为储能电站的充放电功率。
2.3 求解方法
上述模型中的决策变量为各个用户使用共享储能电站的充放电功率和充放电状态位、各用户从电网的购电功率、共享储能电站的容量状态、最大充放电功率和最大容量、共享储能电站的充放电功率和充放电状态位。可以看出约束条件式(7)为非线性约束，采用Big-M法[19]对非线性约束进行线性化，转化为约束条件式(9)，其中M为足够大的常数。
非线性约束经线性化处理后，基于共享储能电站的用户调度模型转换为混合整数线性规划问题，在M atlab 2016中使用商业求解器Cplex 12.8和Yalmip工具箱进行求解。
二、部分源代码
三、运行结果
四、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1] 包子阳,余继周,杨杉.智能优化算法及其MATLAB实例（第2版）[M].电子工业出版社，2016.
[2]张岩,吴水根.MATLAB优化算法源代码[M].清华大学出版社，2017.
[3]李淋,徐青山,王晓晴,凌静,孙海翔.基于共享储能电站的工业用户日前优化经济调度[J].电力建设. 2020,41(05)
以上是关于基于储能进行调峰和频率调节研究超线性增益的联合优化（Matlab代码实现）的主要内容，如果未能解决你的问题，请参考以下文章