[0006] 本发明的目的是针对现有技术的不足，提供一种基于LAES‑CAES的储能配置方法，具体是一种基于液态空气储能枢纽站的分布式压缩空气储能的储能配置方法。此储能系统的运行控制可以分为日前运行调度与日内实时控制两部分。日前调度控制根据日前负荷与可再生能源出力预测以及日前电价来优化日前的运行成本计划。日内实时控制运行时，由于受天气、温度以及其他不确定性因数的影响，系统负荷和可再生能源实时出力可能与日前预测有较大的偏差，实时电价与日前电价也有不小的差异，因此，储能的实时控制应根据系统实际运行情况以及对未来控制时间段的预测值来优化储能的实时出力，使得储能的实时充放电与日前计划的偏差最小以及整体运行成本最小。
[0007] 本发明基于以下设备布局：
[0008] 本发明根据LAES和CAES的特点，提出可面向城市电网及就地供能需求的LAES和 CAES紧凑型多元复合分布式储能系统，在负荷集中地区建立LAES储能枢纽站，在分布式可再生能源、中低压配电网、微网和用户侧配置CAES储能。LAES作为枢纽站为电网提供辅助服务，CAES实现就地提供能源服务。
[0009] 本发明建立上层日前优化调度目标函数模型MPC，使得储能的运行成本最低，上层优化控制的输出作为下层优化控制的输入，在每一个MPC控制水平区间负荷预测、电价、 SOC实时更新，MPC控制目标除LAES运行费用最小和CAES收益最大以外，还包括LAES 和CAES输出与日前优化结果变差最小，建立下层日内优化控制模型。约束条件为电网安全运行约束、分布式电源出力约束、LAES约束和CAES约束。保障LAES+CAES负荷储能系统的快速反应与优化控制。本发明充分考虑到LAES和CAES混合储能系统的不同接入网络、不同接入场景的问题。具体包括如下步骤：
[0010] 步骤(1)、获得日前发电机组出力数据、负荷数据、LAES和CAES的SOC(储气比) 以及日前历史电价数据信息；
[0011] 步骤(2)、建立上层日前优化调度目标函数模型，以LAES运行费用最小和CAES 收益最大为目标，即：整个LAES+CAES复合储能系统运行费用最小。
[0012] 1)目标函数
[0013]
[0014] 式中，EDA为LAES+CAES复合储能系统的运行费用，T为控制优化时间，一般为24 小时， 为t时刻的电价， 和 分别表示LAES在t时刻的发电功率和从电网获取电能制气的功率，△t为时间长度，n为CAES个数， 为第i个CAES在t 时刻的发电功率。
[0015] 2)约束条件
[0016] 2.1电网安全运行约束条件
[0017] 对含分布式电源、储能等的有源配电网，一般不允许配电网向输电网反向输送电力。
[0018] 即：
[0019]
[0020] 式中， 表示在t时刻与输电网连接的第i个配电网的功率， 为与输电网连接的第i个配电网的最大功率，功率从外部网络流向配电网为正，反之为负。
[0021] 2.2分布式电源出力约束条件
[0022] 分布式电源指接入配电网的光伏、风电等发电装置，其出力不能大于发电机的最大功率。
[0023]
[0024] 式中， 表示在t时刻第i个分布式电源的功率， 表示第i个分布式电源的最大功率
[0025] 2.3 CAES约束条件
[0026] CAES发电功率不能大于CAES的最大发电功率。
[0027]
[0028] 式中， 表示在t时刻第i个CAES的发电功率， 表示第i个CAES的最大发电功率。
[0029] CAES储气比(SOC)应该保持在合理范围之内。
[0030]
[0031] 式中， 表示t时刻第i个CAES的储气比。
[0032]
[0033] 式中， 表示t时刻第i个CAES的压缩空气储存量， 表示第i个CAES 的最大压缩空气储存量。
[0034]
[0035] 式中， 表示t‑1时刻第i个CAES的压缩空气储存量， 表示t时刻第i 个CAES的高压压缩空气转换电能的功率，ηCAES,i表示第i个CAES的高压压缩空气转换电能的效率， 表示t时刻第i个CAES从LAES能源枢纽站获得的压缩空气能量。
[0036] 2.4 LAES约束条件
[0037] LAES从电网获取电能制气的功率不能大于其最大功率，同样，LAES利用液态空气膨胀发电的功率不能大于其出力最大功率，即：
[0038]
[0039]
[0040] 式中， 表示在t时刻LAES从电网获取电能制气的功率， 表示LAES从电网获取电能制气的最大功率， 表示t时刻LAES利用液态空气膨胀发电的功率， 表示LAES利用液态空气膨胀发电的最大功率。
[0041]
[0042] 式中， 表示LAES液态空气储存槽最低存储量，由于深冷LAES安全性，这个值一般大于零，不同类型的LAES系统，该值有所不同，但是， 一般需保持在10％左右。 表示t时刻LAES液态空气存储能量比。
[0043]
[0044] 式中， 表示t时刻LAES的液态空气储存能量， 表示LAES的液态空气最大储存能量。
[0045]
[0046] 式中， 表示t‑1时刻LAES的液态空气储存能量， 表示t时刻LAES的液态空气膨胀发电功率。 表示LAES的液态空气膨胀发电效率， 表示t时刻LAES 用电能制气的功率， 表示LAES用电能制气效率。 表示在t时刻第i个CAES电能转换为高压压缩空气的能量。
[0047] 将公式(12)代入公式(11)：
[0048]
[0049] LAES不能同时用电制气和用液态空气发电，如式(14)所示：
[0050]
[0051] 通过步骤(1)获取的日前发电机组出力数据、负荷数据、LAES和CAES的SOC以及日前电价数据信息，作为步骤(2)的输入条件，通过matlab中的Cplex对其进行求解，得到LAES运行费用最小，和CAES运行收益最大，即LAES‑CAES混合储能系统的日前发电与生产压缩/液态空气计划(一般以小时为单位)，进一步得出LAES‑CAES复合储能系统收益最大时所对应的日前预测数据(包括日前发电机组出力预测数据、负荷预测数据、LAES和CAES的预测SOC数据)。
[0052] 步骤(3)、由于受天气、温度、风速及其他不确定性因数的影响，实际负荷、RES 出力和电价与日前预测数据可能有较大差异，将步骤(2)的结果作为输入，建立下层日内优化调度目标函数模型，以步骤(2)的约束条件‑‑电网安全运行约束、分布式电源出力约束、CAES约束、LAES约束为约束条件，以整个LAES+CAES复合储能系统运行费用最小(即LAES运行费用最小和CAES收益最大)和实际充放电与日前计划偏差最小为目标；
[0053] 1)LAES‑CAES复合储能系统的运行费用最小的目标函数：
[0054]
[0055] 式中， 表示实时t时刻LAES+CAES复合储能系统的运行费用，k表示实时滚动优化时间区间， 表示j时刻的实时电价， 表示在j时刻LAES从电网获取电能制气的实时功率， 表示在j时刻LAES实时发电功率， 为在j时刻CAES 实时发电功率。
[0056] 2)LAES和CAES实际充放电功率与日前优化结果的偏差最小的目标函数：
[0057]
[0058] 式中， 为t时刻LAES和CAES实际输出功率与日前优化调度的偏差，k表示实时滚动优化时间区间， 表示在j时刻LAES实时发电功率， 表示LAES在 j时刻的预测发电功率， 表示在j时刻LAES从电网获取电能制气的实时功率， 表示LAES在j时刻从电网获取电能制气的预测功率，n表示CAES的个数， 表示第i个CAES在j时刻实时发电功率， 表示第i个CAES在j时刻预测发电功率， 表示第i个CAES在j时刻实时充电功率， 表示第i个CAES在j时刻预测充电功率。
[0059] 通过对步骤(2)进行仿真求解得到LAES运行费用最小，和CAES运行收益最大，即LAES‑CAES混合储能系统日前发电与生产压缩/液态空气计划(一般以小时为单位)，可以得出此复合储能系统收益最大时所对应的日前预测数据。将步骤(2)的结果作为步骤(3)的输入，结合日内优化的实时数据，通过matlab仿真平台，得出LAES‑CAES 复合储能系统的运行费用最小、实际充放电与日前计划偏差最小。
[0060] 一种LAES‑CAES复合储能系统，在负荷集中地区建立LAES储能枢纽站，在分布式可再生能源、中低压配电网、微网和用户侧配置CAES储能，LAES、CAES储能配置采用上述方法实时优化。
[0061] 本发明的有益效果是：本发明提出了一种基于LAES‑CAES的储能配置方法，并针对 LAES和CAES运行特点，建立了一种基于日前和日内双层优化的模型，使LAES+CAES系统的运行费用最小以及使LAES和CAES日内与日前的充放电出力偏差最小。仿真表明本发明建立的LAES‑CAES的储能配置系统具有良好的经济性，验证了所提方法的正确性。随着终端能源的深度利用以及分布式可再生能源的快速发展，传统配电网将面临供电可靠性和安全运行的巨大挑战，采用以LAES为储能枢纽站，分布式灵活配置CAES时应对这些挑战的有效措施之一，本发明具有广阔的应用前景。
