[发明专利]基于用户侧BESS全寿命周期的储能优化配置方法

说明书

基于用户侧BESS全寿命周期的储能优化配置方法，涉及电池储能系统的功率和容量优化配置技术以及机器学习领域内的Fuzzy C‑Means聚类方法，本发明包括数据准备、典型日的获取、优化配置模型约束条件选取、建立用户侧储能优化配置模型、评估指标的选取和求解，典型日的选取采取了Fuzzy C‑Means聚类方法，将得到的聚类中心作典型日，为每个数据点指定对各个类簇的模糊隶属度并迭代更新，该方法聚类结果稳定，波动性小，初值敏感性低，模型求解中，将模型巧妙的转化为LP(线性规划)问题，求解速度快，得到的解为全局最优解，算例结果表明该模型具有比较强的实际意义，能够有效促进储能商业化的发展。

技术领域

本发明涉及电池储能系统的功率和容量优化配置技术以及机器学习领域内的FuzzyC-Means聚类方法，具体涉及基于用户侧BESS全寿命周期的储能优化配置方法。

背景技术

储能配置及运行优化分为电网侧和用户侧。目前，电网中的新能源渗透率逐步提升，而以风电、光伏为代表的新能源发电出力具有较强的波动性及不确定性，储能可以起到发电不确定性和负荷无序性之间的缓冲作用，因此在电力系统中扮演越来越重要的角色。但是，配置储能成本非常高，加上用户侧的储能配置往往是分布式的，难以形成规模效应来减低成本，这些原因使得储能虽然有一定发展，但是大都集中在电网侧。

大工业用户的电费成本占比比较高，尤其是对于一些高耗能企业，其为了减少电费支出，将主要工作时间平移到夜间。近年来中国出台了一系列政策，不仅大力支持用户侧储能的发展，而且提出要适当扩大销售侧峰谷电价差，未来用户峰谷价差有望继续拉大，并且随着储能成本的逐步降低，用户侧储能配置得到越来越广泛地关注。用户侧储能可通过“低储高放”策略，即在用户电力负荷及电价较低的时候存储电能，在用户电力负荷及电价较高的时候放出电能，在不改变用户用电行为的情况下，削减用户负荷每月最大需量值，减少基本电费的同时产生削峰填谷收益，是降低电力大用户经营成本的重要手段。由于电力大用户具有不同负荷特征，其是否适合配置储能以及配置多大功率及容量的储能不尽相同。因此，为大工业用户提出一套科学有效的储能配置方法显得迫在眉睫。

现有的针对用户侧储能优化配置的研究主要目的在于提高电网安全稳定性且典型日的选取尚未形成一套令人信服的方法。如已公开专利《一种基于调峰效果的负荷侧储能优化配置方法》(授权公告号：CN 107800148 B)依据负荷数据的标准差和平均单向持续时长生成候选配置集合，然后将配置集合中每一个配置元素作为边界条件，修改计算储能调峰效果的不等式约束，以混合整数规划求新负荷曲线的方差最优值，最后将每一个候选配置点的成本按照功率和容量进行计算，进行候选集合中最优配置的选择。已公开专利《一种综合储能优化配置方法和系统》(授权公告号：CN 111064209 A)构建了用户侧综合能源系统的架构，给定各时段系统的能源需求、各时段系统内能量生产，建立以负荷方差最小、可再生能源削减量最小、综合储能容量最小为目标的综合储能优化配置模型。

以上公开的专利在构建储能优化配置模型时，未充分考虑用户侧配置储能的收益以及在得到典型日的过程中的初值敏感性等情况，典型日的选取过于简单粗暴失去了典型日的意义，且在求解的问题要么是非线性问题，要么虽然已经转换成线性问题，但仍然是混合整数规划问题。

发明内容

本发明的目的在于：为解决背景技术中提出的技术问题，本发明提供基于用户侧BESS全寿命周期的储能优化配置方法。

本发明为了实现上述目的具体采用以下技术方案：

基于用户侧BESS全寿命周期的储能优化配置方法，包括以下步骤：

步骤一、数据准备：设置储能成本参数和特性参数，上传实时电价数据和大工业用户一年的历史负荷数据，并且将负荷数据还原成12个月的负荷数据；

步骤二、典型日的获取：采用Fuzzy C-Means对每个月的负荷数据进行聚类得到聚类中心，将聚类中心作为当月的典型日负荷曲线，同时输出每个月的聚类中心所占该月天数的权重；