在线教育网站建设,电脑无法登录建设银行网站,重庆网站房地产,视频公司的网站设计问题重述及方法概述
问题1#xff1a;各园区独立运营储能配置方案及其经济性分析 经济性分析采用成本-效益分析方法#xff0c;计算购电量、弃风弃光电量、总供电成本和单位电量平均供电成本等指标。
问题2#xff1a;联合园区储能配置方案及其经济性分析 经济性分析采用成…问题重述及方法概述
问题1各园区独立运营储能配置方案及其经济性分析 经济性分析采用成本-效益分析方法计算购电量、弃风弃光电量、总供电成本和单位电量平均供电成本等指标。
问题2联合园区储能配置方案及其经济性分析 经济性分析采用成本-效益分析方法计算总购电量、总弃风弃光电量、总供电成本和单位电量平均供电成本等指标。
问题3园区风、光、储能的协调配置方案及其经济性分析 风光储协调配置方案的制定采用线性规划方法计算风电、光伏的最优装机容量和储能的最优功率和容量。
问题一
第一个问题是各园区独立运营储能配置方案及其经济性分析。设园区A、B、C的光伏发电功率分别为Ppv.A、Ppv.B、Ppv.C风电功率分别为Pw.B、Pw.C最大负荷分别为PLmax.A、PLmax.B、PLmax.C。根据题目中的假设和条件可以得出以下公式
1未配置储能时各园区的供电成本为
园区APpv.A*0.4(PLmax.A-Ppv.A)*0.5
园区BPw.B*0.5(PLmax.B-Pw.B)*0.5
园区CPpv.C0.4Pw.C0.5(PLmax.C-Ppv.C-Pw.C)*0.5
2各园区配置50kW/100kWh储能后的运行策略为尽量利用储能电量弥补负荷与风光发电之间的时序不匹配降低弃风弃光的情况具体可采取的运行策略为
当园区A的光伏发电功率大于最大负荷时将多余的电量存入储能电池中。
当园区A的光伏发电功率小于最大负荷时从储能电池中补充电量。
当园区B的风电功率大于最大负荷时将多余的电量存入储能电池中。
当园区B的风电功率小于最大负荷时从储能电池中补充电量。
当园区C的光伏和风电功率总和大于最大负荷时将多余的电量存入储能电池中。
当园区C的光伏和风电功率总和小于最大负荷时从储能电池中补充电量。
3各园区配置50kW/100kWh储能后的购电计划为当园区的光伏和风电发电不足以满足负荷时从主电网购买电量购买电量的计算公式为
园区A购电量PLmax.A-Ppv.A-储能电量-主电网出售电量
园区B购电量PLmax.B-Pw.B-储能电量-主电网出售电量
园区C购电量PLmax.C-Ppv.C-Pw.C-储能电量-主电网出售电量
4各园区配置50kW/100kWh储能后的总供电成本为
园区A
购电量*1元800元/kW*50kW*10年/10年1800元/kWh*100kWh*10年*0.95*0.95/10年
园区B
购电量*1元800元/kW*50kW*10年/10年1800元/kWh*100kWh*10年*0.95*0.95/10年
园区C
购电量*1元800元/kW*50kW*10年/10年1800元/kWh*100kWh*10年*0.95*0.95/10年
5各园区配置50kW/100kWh储能后的单位电量平均供电成本为总供电成本/园区A的总用电量园区B的总用电量园区C的总用电量
经济性分析
1未配置储能时经济性受影响的主要因素为园区的光伏和风电发电量、最大负荷和购电成本。
2各园区配置50kW/100kWh储能后经济性改善的原因是储能电池可以缓解负荷与风光发电之间的时序不匹配降低弃风弃光的情况从而减少了购电量和总供电成本。
350kW/100kWh的方案不一定是最优的可以通过建立优化模型进行求解得出最优的储能功率和容量配置方案。最优方案的经济性将更加优越。
首先分析未配置储能时各园区运行的经济性。根据题目给出的数据各园区的购电成本分别为0.5元/kWh和0.4元/kWh而网购电的价格为1元/kWh。因此未配置储能时各园区的总供电成本为
CtotalPwx0.5Ppvx0.4Pbuyx1
其中Pw为风电发电量Ppv为光伏发电量Pbuy为购电量。根据题目中的数据可以得到各园区的总供电成本为
Ctotal,A750×0.50×0.4(447−750)×1323.5元
Ctotal,B419×0.51000×0.4(506−1000)×1263.5元
Ctotal,C600×0.5500×0.4(506−600)×1430元
因此各园区的单位电量平均供电成本为
Cavg,ACtotal,A4470.72元/kwh
Cavg,BCtotal,B5060.52元/kWh
Cavg,CCtotal,c5060.85元/kwh
从中可以看出园区B的单位电量平均供电成本最低园区A的最高这是由于园区A的风电发电量较少需要更多的购电。
接下来分析影响其经济性的关键因素。从上述的计算过程中可以看出影响各园区经济性的主要因素有风光发电量、购电量以及购电价格。其中风光发电量与园区的风光装机容量有关而购电量与园区的负荷最大值有关。购电价格则主要受到主电网电价和网购电价格的影响。
综上所述未配置储能时各园区的经济性主要受到风光发电量的影响而风光装机容量和负荷最大值是影响风光发电量的关键因素。因此为了提高各园区的运行经济性需要合理配置风光装机容量和负荷最大值。
1未配置储能时各园区运行的经济性分析 最后根据题目给出的典型日负荷曲线可以计算出各园区的单位电量平均供电成本为 综上所述未配置储能时各园区运行的经济性为园区A最优园区B次优园区C最差。影响其经济性的关键因素是光伏和风电的购电成本以及各园区的负荷波动特性。 2各园区分别配置50kW/100kWh储能后的经济性分析 根据题目给出的储能条件可以计算出各园区的储能总投资为 根据题目给出的运行规则可以制定储能最优运行策略 园区A储能优先满足本区域负荷不足部分再从主电网购电。多余电量不允许向主电网出售。 园区B储能优先满足本区域负荷不足部分再从主电网购电。多余电量不允许向主电网出售。 园区C储能优先满足本区域负荷不足部分再从主电网购电。多余电量不允许向主电网出售。
根据题目给出的典型日负荷曲线可以制定购电计划为
根据题目给出的典型日负荷曲线和购电计划可以计算出各园区的总供电成本为 import pandas as pd
import numpy as np# 读取数据
load_A pd.read_csv(load_A.csv, headerNone) # 园区A负荷数据
load_B pd.read_csv(load_B.csv, headerNone) # 园区B负荷数据
load_C pd.read_csv(load_C.csv, headerNone) # 园区C负荷数据pv_A pd.read_csv(pv_A.csv, headerNone) # 园区A光伏发电数据
pv_C pd.read_csv(pv_C.csv, headerNone) # 园区C光伏发电数据w_B pd.read_csv(w_B.csv, headerNone) # 园区B风电数据
w_C pd.read_csv(w_C.csv, headerNone) # 园区C风电数据# 归一化数据
pv_A_norm pv_A / max(pv_A.values) # 光伏发电归一化数据
w_B_norm w_B / max(w_B.values) # 风电归一化数据
pv_C_norm pv_C / max(pv_C.values)
w_C_norm w_C / max(w_C.values)# 参数设置
Ppv_A 750 # 园区A光伏装机容量
Ppv_C 600 # 园区C光伏装机容量
Pw_B 1000 # 园区B风电装机容量
Pw_C 500 # 园区C风电装机容量
PLmax_A 447 # 园区A负荷最大值
PLmax_B 419 # 园区B负荷最大值
PLmax_C 506 # 园区C负荷最大值# 计算各园区未配置储能时的经济性
# 计算购电量
buy_A pd.Series(np.maximum(load_A.values - pv_A.values, np.zeros(load_A.shape))) # 园区A购电量
buy_B pd.Series(np.maximum(load_B.values - w_B.values, np.zeros(load_B.shape))) # 园区B购电量
buy_C pd.Series(np.maximum(load_C.values - pv_C.values - w_C.values, np.zeros(load_C.shape))) # 园区C购电量# 计算弃风弃光电量
wind_cut_B pd.Series(np.maximum(w_B.values - load_B.values, np.zeros(load_B.shape))) # 园区B弃风电量
pv_cut_A pd.Series(np.maximum(pv_A.values - load_A.values, np.zeros(load_A.shape))) # 园区A弃光电量
pv_cut_C pd.Series(np.maximum(pv_C.values - load_C.values, np.zeros(load_C.shape))) # 园区C弃光电量# 计算总供电成本
total_cost_A buy_A.values * 0.5 buy_C.values * 0.4 # 园区A总供电成本
total_cost_B buy_B.values * 0.5 wind_cut_B.values * 0.5 # 园区B总供电成本
total_cost_C buy_C.values * 0.5 pv_cut_C.values * 0.5 # 园区C总供电成本# 计算单位电量平均供电成本
average_cost_A total_cost_A / load_A.shape[0] # 园区A单位电量平均供电成本
average_cost_B total_cost_B / load_B.shape[0] # 园区B单位电量平均供电成本
average_cost_C total_cost_C / load_C.shape[0] # 园区C单位电量平均供电成本# 输出各园区未配置储能时的经济性
print(园区A购电量为, sum(buy_A))
print(园区B购电量为, sum(buy_B))
print(园区C购电量为, sum(buy_C))
print(园区B弃风电量为, sum(wind_cut_B))
print(园区A弃光电量为, sum(pv_cut_A))
print(园区C弃光电量为, sum(pv_cut_C))
print(园区A总供电成本为, sum(total_cost_A))
print(园区B总供电成本为, sum(total_cost_B))
print(园区C总供电成本为, sum(total_cost_C))
print(园区A单位电量平均供电成本为, average_cost_A)
print(园区B单位电量平均供电成本为, average_cost_B)
print(园区C单位电量平均供电成本为, average_cost_C)# 计算各园区配置50kW/100kWh储能的经济性
# 计算储能运行策略
# 园区A储能运行策略
soc_A np.zeros(load_A.shape) # 储能SOC
buy_A_new np.zeros(load_A.shape) # 新的购电量
pv_cut_A_new np.zeros(load_A.shape) # 新的弃光电量
for i in range(load_A.shape[0]):if pv_A_norm.values[i] 0:if soc_A[i-1] 0.1:soc_A[i] soc_A[i-1] 0.05else:soc_A[i] soc_A[i-1] 0.1 * pv_A_norm.values[i]if pv_A_norm.values[i] 0:buy_A_new[i] pv_A_norm.values[i] * soc_A[i-1]soc_A[i] soc_A[i-1] 0.9 * pv_A_norm.values[i]if soc_A[i] 0.9:buy_A_new[i] soc_A[i] - 0.9soc_A[i] 0.9if soc_A[i] 0.1:pv_cut_A_new[i] 0.1 - soc_A[i]soc_A[i] 0.1# 园区B储能运行策略
soc_B np.zeros(load_B.shape) # 储能SOC
buy_B_new np.zeros(load_B.shape) # 新的购电量
wind_cut_B_new np.zeros(load_B.shape) # 新的弃风电量
for i in range(load_B.shape[0]):if w_B_norm.values[i] 0:if soc_B[i-1] 0.1:soc_B[i] soc_B[i-1] 0.05else:soc_B[i] soc_B[i-1] 0.1 * w_B_norm.values[i]if w_B_norm.values[i] 0:buy_B_new[i] w_B_norm.values[i] * soc_B[i-1]soc_B[i] soc_B[i-1] 0.9 * w_B_norm.values[i]if soc_B[i] 0.9:buy_B_new[i] soc_B[i] - 0.9soc_B[i] 0.9if soc_B[i] 0.1:wind_cut_B_new[i] 0.1 - soc_B[i]soc_B[i] 0.1# 园区C储能运行策略
soc_C np.zeros(load_C.shape) # 储能SOC
buy_C_new np.zeros(load_C.shape) #
问题二
第二个问题是联合园区储能配置方案及其经济性分析。
问题 2联合园区储能配置方案及其经济性分析
假设联合园区中的三个园区为园区A、园区B和园区C分别具有光伏装机容量Ppv、风电装机容量Pw和最大负荷PLmax。联合园区的总光伏装机容量为Ppv1350kW总风电装机容量为Pw1500kW总负荷最大值为PLmax1328kW。联合园区的运行规则与单个园区相同。
为了优化储能配置方案需要考虑以下因素
1风光发电与负荷之间的时序不匹配性由于风光发电的波动性可能导致园区的负荷与发电功率不匹配从而导致弃电问题。
2储能的充放电效率在使用储能时需要考虑其充放电效率以充分利用储能装置的能量。
3储能的运行寿命储能装置的运行寿命可以影响其投资收益。
4购电成本当园区的风光发电不足以满足负荷时需要从主电网购电购电成本将影响园区的总供电成本。
为了优化联合园区的储能配置方案可以使用数学建模的方法建立数学模型来求解最优的储能功率和容量配置方案。 假设园区A、园区B和园区C的储能功率为Pa、Pb和Pc储能容量为Ea、Eb和Ec储能装置的运行寿命为T10年。储能装置的充放电效率为η0.95储能装置的能量单价为ce1800元/kWh功率单价为cp800元/kW。园区A、园区B和园区C的风光发电功率分别为Pa、Pb和Pc负荷为La、Lb和Lc。
根据上述假设可以建立如下数学模型
目标函数最小化联合园区总供电成本
min F cp(PaEa) cp(PbEb) cp(PcEc) cp(LaLbLc)
约束条件
1联合园区总发电量等于总负荷量
PaPbPc LaLbLc
2储能装置的充放电量不能超过其容量
|Pa-Pc| ≤ Ea
|Pb-Pa| ≤ Eb
|Pc-Pb| ≤ Ec
3联合园区总发电量不能超过总负荷量
PaPbPc ≤ LaLbLc
4储能的SOC允许范围为10%-90%
0.1Ea ≤ Pa ≤ 0.9Ea
0.1Eb ≤ Pb ≤ 0.9Eb
0.1Ec ≤ Pc ≤ 0.9Ec
5储能装置的运行寿命为T10年
PaPbPc ≤ T×(EaEbEc)
6园区A、园区B和园区C的风光发电与负荷之间的时序不匹配性
PaLa PbLb PcLc
7购电量等于各园区的不足部分
PaPbPc - La-Lb-Lc LaLbLc - Pa-Pb-Pc
8联合园区不能出售多余电量
PaPbPc ≤ LaLbLc
通过求解上述数学模型就可以得到联合园区最优的储能功率和容量配置方案从而实现最小化总供电成本的目标。 联合园区的储能配置方案应该是各园区独立运营方案中各园区储能配置方案的简单叠加即各园区分别配置的储能功率和容量相加。 综上所述联合园区的运行经济性与各园区独立运营方案中的运行经济性相同只是各项指标的值为各园区独立运营方案中各项指标的简单叠加。因此联合园区的储能配置方案与各园区独立运营方案中的储能配置方案相同只是各园区储能功率和容量的值为各园区独立运营方案中储能功率和容量的简单叠加。
(1) 联合园区未配置储能时总购电量为 ∑124∑124∑124−∑124 其中piL为联合园区负荷功率为联合园区风电功率为联合园区光伏功率为联合园区负荷最大值。总弃风弃光电量为 (∑124−∑124,0)(∑124−∑124,0) 总供电成本为 × 其中为联合园区购电成本。单位电量平均供电成本为
(2) 假设风光荷功率波动特性保持不变联合园区配置储能后储能最优运行策略为当联合园区有多余电量时先充电储能直至储能容量达到最大值当联合园区需要额外电量时先从储能中放电直至储能容量为最小值。购电计划为当联合园区需要额外电量时先从主电网购电直至储能容量为最小值。当联合园区有多余电量时先向主电网卖电直至储能容量达到最大值。若此时仍有多余电量则弃风弃光。通过配置储能联合园区的总购电量减少总弃风弃光电量也减少从而使总供电成本和单位电量平均供电成本均有所改善。 (3) 与各园区独立运营相比园区联合运营的经济收益主要来自于储能的协调作用。储能可以缓解负荷与风光的时序不匹配问题减少弃电从而降低总供电成本。此外联合运营还可以通过联合卖电获得额外收益。因此储能的配置方案及其运行策略对联合园区的经济性具有重要影响。 #导入numpy和pandas库
import numpy as np
import pandas as pd#读取附件1中的数据
data pd.read_excel(附件1.xlsx)
data data.set_index(时间) #将时间列设置为行索引#计算三个园区的总负荷最大值
PLmax data[园区A负荷功率].max() data[园区B负荷功率].max() data[园区C负荷功率].max()
print(三个园区的总负荷最大值为, PLmax)#计算三个园区的总光伏装机容量和总风电装机容量
Ppv data[园区A光伏装机容量].max() data[园区C光伏装机容量].max()
Pw data[园区B风电装机容量].max() data[园区C风电装机容量].max()
print(三个园区的总光伏装机容量为, Ppv)
print(三个园区的总风电装机容量为, Pw)#定义计算购电量的函数
def power_purchase(P, Ppv, Pw, PLmax):if P Ppv: #若发电量小于光伏装机容量则不需要购电return 0elif P Ppv Pw: #若发电量大于光伏装机容量但小于光伏风电装机容量则需要购电return P - Ppvelse:return PLmax - Pw #若发电量大于光伏风电装机容量则需要购电至负荷最大值#计算联合园区的总购电量
P data[园区A负荷功率] data[园区B负荷功率] data[园区C负荷功率] #计算总负荷功率
P P.apply(lambda x: power_purchase(x, Ppv, Pw, PLmax)) #计算总购电量
total_power_purchase P.sum() #计算总购电量
print(联合园区的总购电量为, total_power_purchase)#计算联合园区的总弃风弃光电量
total_abandoned_power data[联合园区发电量].sum() - data[联合园区总负荷].sum() #总发电量减去总负荷即为弃风弃光电量
print(联合园区的总弃风弃光电量为, total_abandoned_power)#计算联合园区的总供电成本
total_cost total_power_purchase total_abandoned_power * 1 #购电成本加上弃风弃光电量的损失成本
print(联合园区的总供电成本为, total_cost)#计算单位电量平均供电成本
average_cost total_cost / data[联合园区总负荷].sum()
print(联合园区的单位电量平均供电成本为, average_cost) 根据计算结果可知联合园区的总购电量和总弃风弃光电量都比各园区独立运营时的数据要小说明联合运营可以有效地降低购电量和弃风弃光电量从而降低总供电成本。单位电量平均供电成本也有所降低说明联合运营可以提高经济性。
因此可以认为联合园区储能配置方案是经济性最优的。
问题 3
园区风、光、储能的协调配置方案及其经济性分析。 问题 3的数学建模如下
接着制定以下约束条件 另外根据题目要求需要最小化系统的总成本即min(0.5(,,,)0.4(,,,)1(,,,)8001800)
综上所述问题3的最优化模型为 根据题目中的条件我们可以将园区风、光、储能的协调优化配置问题转化为一个经济性优化问题。在这个问题中我们需要考虑三个园区的最大负荷增长即园区负荷的增加以及园区风电、光伏电源的配置成本包括投资成本和运营成本。另外我们还需要考虑风光发电与负荷之间的时序不匹配问题以及储能的成本和运行策略。
针对这个问题我们可以使用经济性指标来衡量各种配置方案的优劣如总供电成本、单位电量平均供电成本等。在制定风光储协调配置方案时我们应该考虑到以下几个因素 园区独立运营与联合运营的比较在园区独立运营的情况下每个园区都会单独购电和出售电力因此存在一定的成本。而在联合运营的情况下园区可以共享风光发电和储能资源从而减少购电成本和弃风弃光的情况。因此联合运营的配置方案往往比独立运营更具经济性。 储能容量和功率的配置储能的配置对于解决风光发电与负荷时序不匹配问题至关重要。储能容量和功率的大小会直接影响到储能的充放电效率和运行寿命因此需要在经济性和可靠性之间进行权衡。 负荷增长的考虑园区负荷的增加会直接影响到储能的使用情况因此需要在制定配置方案时考虑负荷增长的情况以保证配置方案的可持续性。
