基于改进K-means聚类的电力市场下分布式储能系统经济性调控模型

doi:10.3969/j.issn.1000-7229.2019.05.003

电力建设 ›› 2019, Vol. 40 ›› Issue (5): 20-27.doi: 10.3969/j.issn.1000-7229.2019.05.003

• 储能系统关键技术 ·栏目主持李建林教授级高级工程师· • 上一篇下一篇

基于改进K-means聚类的电力市场下分布式储能系统经济性调控模型

尹渠凯1，米增强1，贾雨龙1，范辉2

1.分布式储能与微网河北省重点实验室（华北电力大学），河北省保定市071003；2.国网河北省电力有限公司，石家庄市050022

出版日期:2019-05-01
作者简介:尹渠凯（1993），男，硕士研究生，主要研究方向为分布式储能系统建模；米增强（1960），男，教授，主要研究方向为新能源电力系统、柔性负荷聚合及调控技术；贾雨龙（1989），男，博士研究生，通信作者，主要研究方向为分布式储能系统运行、柔性负荷聚合技术；范辉（1969），男，高级工程师，主要研究方向为电力系统分析与控制、电网保护与仿真。
基金资助:
国家电网公司科技项目资助（KJGW2018-014）；中央高校基本科研业务费专项资金资助（2018QN075）

Economy Regulation Method for Distributed Energy Storage in Distribution Network According to K-means Clustering

YIN Qukai1， MI Zengqiang1， JIA Yulong1， FAN Hui2

1.Hebei Key Laboratory of Distributed Energy Storage and Microgrid（North China Electric Power University）， Baoding 071003， Hebei Province， China；2. State Grid Hebei Electric Power Co.， Ltd.， Shijiazhuang 050022， China

Online:2019-05-01
Supported by:
This work is supported by State Grid Corporation of China Research Program（No. KJGW2018-014）and Fundamental Research Funds for Central Universities（No. 2018QN075）.

摘要/Abstract

摘要： 随着电力市场的发展和电储能技术经济性的不断提升，在配电网中大量接入分布式储能系统已成为一种发展趋势。为了提高分布式储能技术参与电网运行的经济性，解决其高成本与低收益之间的矛盾，建立了一种基于K-means聚类的电力市场下分布式储能系统优化调控模型。该模型能够平衡运行过程中分布式储能系统个体之间寿命损耗的差异，降低总运行成本，并提高运行过程中分布式储能系统总体的调控潜力。以电力市场下参数不同的500个储能系统1天的运行过程为例进行验证，试验结果证明了所提调控模型的可行性和有效性，为分布式储能技术参与电网运行提供了新思路。

关键词: 储能系统, K-means聚类, 聚合建模, 可调度潜力

Abstract: With the development of power market and the improvement of energy storage technology， it has become a trend to access a large number of distributed energy storage systems in distribution networks. In order to improve the economy of distributed energy storage participating in power grid operation and solve the contradiction between high cost and low profit， this paper establishes an optimal regulation model of distributed energy storage on the basis of improved K-means clustering in power market. The model can balance the difference of life loss between distributed energy storage individuals， reduce the total operating cost and improve the scheduling potentials of distributed energy storage during operation. Finally， 500 energy storage systems with different parameters in the electricity market are taken as examples to verify the feasibility and validity of the proposed regulation model， which provides a new idea for distributed energy storage to participate in the operation of power grid.

Key words: energy storage system, K-means clustering, aggregation modeling, scheduling potential

中图分类号:

TM 732

尹渠凯，米增强，贾雨龙，范辉. 基于改进K-means聚类的电力市场下分布式储能系统经济性调控模型[J]. 电力建设, 2019, 40(5): 20-27.

YIN Qukai， MI Zengqiang， JIA Yulong， FAN Hui. Economy Regulation Method for Distributed Energy Storage in Distribution Network According to K-means Clustering[J]. Electric Power Construction, 2019, 40(5): 20-27.

参考文献

［1］RASTLER D. Electricity energy storage technology options: A white paper primer on applications， costs and benefits［R］. Palo Alto， CA， USA: Electric Power Research Institute， 2010.
［2］韩为超，刘俊勇，向月，等. 基于目标机会约束规划的储能容量优化配置模型［J］. 电力建设， 2017， 38（4）:71-78.
HAN Weichao， LIU Junyong， XIANG Yue， et al. An optimal allocation model of energy storage capacity based on goal-chance constrained programming［J］. Electric Power Construction， 2017， 38（4）:71-78.
［3］YI J， LYONS P F， DAVISON P J， et al. Robust scheduling scheme for energy storage to facilitate high penetration of renewables［J］. IEEE Transactions on Sustainable Energy， 2016， 7（2）:797-807.
［4］李建林，马会萌，袁晓冬，等. 规模化分布式储能的关键应用技术研究综述［J］. 电网技术， 2017， 41（10）:3365-3375.
LI Jianlin， MA Huimeng， YUAN Xiaodong， et al. Overview on key applied technologies of large-scale distributed energy storage［J］. Power System Technology， 2017， 41（10）:3365-3375.
［5］JOUBERT C J， CHOKANI N， ABHARI R S. Impact of large scale battery energy storage on the 2030 central european transmission grid［C］//2018 15th International Conference on the European Energy Market （EEM）. IEEE， 2018: 1-5.
［6］SCHOENUNG S. Energy storage systems cost update: A study for the DOE energy storage systems program［R］. United States Department of Energy by Sandia Corporation， 2011.
［7］ABEYGUNAWARDANA A M A K， LEDWICH G. Estimating benefits of energy storage for aggregate storage applications in electricity distribution networks in Queensland［C］//Power and Energy Society General Meeting. IEEE， 2013:1-5.
［8］MANBACHI M， FARHANGI H， PALIZBAN A， et al. Maintenance scheduling of volt-VAR control assets in smart distribution networks using advanced metering infrastructure［J］. Canadian Journal of Electrical & Computer Engineering， 2016， 39（1）:26-33.
［9］王明深，穆云飞，贾宏杰，等. 考虑用户出行时间和补偿价格的电动汽车集群响应能力评估模型［J］. 华北电力技术， 2017（3）：23-30.
WANG Mingshen， MU Yunfei， JIA Hongjie， et al. Response capacity evaluation model of EV aggregator considering the travelling time and compensation price［J］. North China Electric Power， 2017（3）：23-30.
［10］周奇聪，徐耀良，褚世冲，等. 一种新型的基于蓄电池储能的风功率平抑策略［J］. 现代电力， 2016， 33（2）:59-63.
ZHOU Qicong， XU Yaoliang， CHU Shichong， et al. A new strategy for smoothing wind power fluctuation based on battery energy storage system［J］. Modern Electric Power， 2016， 33（2）:59-63.
［11］PARIDARI K， PARISIO A， SANDBERG H， et al. Demand response for aggregated residential consumers with energy storage sharing［C］// Decision and Control. IEEE， 2015:2024-2030.
［12］张延宇，曾鹏，臧传治. 智能电网环境下家庭能源管理系统优化调度算法［J］. 电力系统保护与控制， 2016， 44（2）:18-26.
ZHANG Yanyu， ZENG Peng， ZANG Chuanzhi. A scheduling algorithm for home energy management system in smart grid［J］. Power System Protection and Control， 2016， 44（2）:18-26.
［13］孙振新，刘汉强，赵喆，等. 储能经济性研究［J］. 中国电机工程学报， 2013， 33（s1）:54-58.
SUN Zhenxin， LIU Hanqiang， ZHAO Zhe， et al. Research on economical efficiency of energy storage［J］. Proceedings of the CSEE， 2013， 33（s1）:54-58.
［14］韩晓娟，程成，籍天明，等. 计及电池使用寿命的混合储能系统容量优化模型［J］. 中国电机工程学报， 2013， 33（34）:91-97.
HAN Xiaojuan， CHEN Cheng， JI Tianming， et al. Capacity optimal modeling of hybrid energy storage systems considering battery life［J］. Proceedings of the CSEE， 2013， 33（34）:91-97.
［15］袁海兵，刘新军. 大型锂电池常温循环性能及其容量损失［J］. 电子产品世界， 2010， 17（9）:32-33.
YUAN Haibing， LIU Xinjun. Cycling performance at normal temperature for large-scale lithium battery and its capacity toss［J］. Electronic Engineering & Product World， 2010， 17（9）:32-33.
［16］郭靖，侯苏. K-means算法最佳聚类数评价指标研究［J］. 软件导刊， 2017， 16（11）:5-8.
GUO Jing， HOU Su. Study on the index of determining the optimal clustering number of K-means algorithm［J］. Software Guide， 2017， 16（11）:5-8.
［17］薛金花，叶季蕾，陶琼，等. 采用全寿命周期成本模型的用户侧电池储能经济可行性研究［J］. 电网技术， 2016， 40（8）:2471-2476.
XUE Jinhua， YE Jilei， TAO Qiong， et al. Economic feasibility of user-side battery energy storage based on whole-life-cycle cost model［J］. Power System Technology， 2016， 40（8）:2471-2476.

[1]	姜达军，吴福保，王麒云，张艳军，孙黎霞，吴英俊. 基于调控云的风储联合鲁棒优化调度[J]. 电力建设, 2020, 41(7): 9-16.
[2]	方朝雄，吴晓升，江岳文. 考虑暂态稳定性的网储多目标双层优化[J]. 电力建设, 2020, 41(7): 58-66.
[3]	张楷，邱晓燕，李凌昊，张浩禹，赵有林，刘梦依. 含风电系统中计及静态电压稳定影响的储能系统配置方案[J]. 电力建设, 2020, 41(7): 110-116.
[4]	张志荣，邱晓燕，孙旭，任昊，张明珂. #br# 协调柔性负荷与储能的交直流配电网经济优化调度[J]. 电力建设, 2020, 41(5): 116-123.
[5]	陈景文，张文倩，李霞. 户用型光储电站混合电池充放电控制策略研究[J]. 电力建设, 2020, 41(2): 101-1078.
[6]	王上行，贾学翠，王立华，闫士杰，李相俊. 混合储能系统的功率变换器电流预测控制方法[J]. 电力建设, 2020, 41(1): 71-79.
[7]	孙充勃，宋毅，蔡超，原凯，杨雄. 考虑多场景需求的配电网分布式储能多目标优化配置方法[J]. 电力建设, 2019, 40(7): 48-56.
[8]	孙波，李思敏，樊亚南，李志恒. 电力市场环境下风-储混合发电商的偏差电量考核模型[J]. 电力建设, 2019, 40(7): 107-114.
[9]	修晓青，李建林，李文启，郭威. 储能系统商业模式及其优化规划方法[J]. 电力建设, 2019, 40(6): 41-48.
[10]	吴金城，董树锋，张舒鹏，韩荣杰，寿挺，李建斌. 基于分布式计算技术的火电厂辅助调频储能系统容量及功率规划方法[J]. 电力建设, 2019, 40(6): 57-64.
[11]	邓强，詹红霞，杨孝华，梅哲，张豪，朱金龙. 直购电背景下利用储能配合旋转备用的风电并网容量优化[J]. 电力建设, 2019, 40(4): 98-109.
[12]	宋兆鑫，张建成，赵霁晴，郭伟. 针对并网型飞轮储能系统的双电流闭环比例谐振控制[J]. 电力建设, 2019, 40(3): 42-50.
[13]	王成龙，王育飞，薛花. 基于负载电流补偿与转速反馈的飞轮储能系统控制策略[J]. 电力建设, 2019, 40(3): 51-58.
[14]	钟永洁，翟苏巍，孙永辉. 孤岛模式下互联微电网的自适应同步频率控制[J]. 电力建设, 2019, 40(10): 75-83.
[15]	程瑜，王望. 产消型智能社区储能系统配置与运行联合优化[J]. 电力建设, 2019, 40(10): 118-125.

基于改进K-means聚类的电力市场下分布式储能系统经济性调控模型

Economy Regulation Method for Distributed Energy Storage in Distribution Network According to K-means Clustering

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价