考虑可再生能源接入的储能扩展规划研究

摘要

电力系统现代化将帮助国家应对处理预计能源需求的挑战——包括应对气候变化，通过从可再生资源整合更多的能源和提高不可再生能源处理的效率来实现。考虑到目前的气候条件，更多应用清洁能源是非常重要的。
　　先进的电网必须保持一个强大而有弹性的电力输送系统，而且能量存储可以通过提高电网运行的能力，在应对这些挑战中发挥重要作用，降低成本，确保高可靠性，以及延缓和降低基础设施投资。最后，由于它的提供备用电源和电网稳定服务的能力，能量存储可以用于应急准备。
　　随着燃料价格的持续增长和环境问题的日益严重，可再生能源，特别是风能在全世界变得非常受欢迎。然而，风能或太阳能的主要缺点是其固有的变异性和来源的不确定性。这引发了对能量储存系统(ESS)的新的兴趣。今天ESS被认为是解决可再生能源的变异性问题最有效的方法
　　在这篇论文中，对电网中引进能量存储系统的经济可行性进行了调查研究。ESS被用作为平衡变化和减少可再生能源一体化电力系统的总发电成本的方法。系统扩展的研究体现在更多比例的可再生能源的整合和较小比例的传统能源和燃料消耗率，并做了常规和所提出系统之间的比较。
　　一个机会约束模型被提出，并考虑用来处理与可再生能源系统相关联的不确定性，进化遗传算法是被用于解决模型的。该模型是在MATLAB中实现并应用到一个位于中国西部的案例。结果包含的事实是，储能系统可以被用作为一种可再生能源系统大规模一体化的可靠来源。

目录

声明

摘要

Abstract

1 INTRODUCTION

1．1 Research Significance

1．2 Motivation

1．3 Renewable Energy and Storage Systems a Future

1．4 Literature Review

1．4．1 Capacity Expansion Planning Problem

1．4．2 Capacity Expansion Planning Problem With RES

1．4．3 Storage System with l遇S

1．5 Methodology for thesis completion

1．6 Thesis Outlline

1．7 Research Objective

2 Energy Storage System

2．1 Storage methods

2．1．1 Current State of Electric Storage

2．1．2 Advance energy storage systems

2．1．3 State of energy storage projects

2．2 Energy Storage Systems Cost Analysis

2．2．1 Technologies and Application Categories

2．2．2 Technologies Considered

2．2．3 Cost Calculations

2．2．4 Capital Cost

2．2．5 Present Worth

2．2．6 Economic Assumptions

2．2．7 Cost and Performance Assumptions

2．2．8 Results

3 Mathematical model

3．1 Introduction

3．2 Storage Expansion Planning with Renewable Energy Integration Model

3．3 Chance Constrained Model

3．4 Model Formulation

3．5 Objective Function

3．5．1 Investment cost

3．5．2 Fuel Cost

3．5．3 Operation and maintenance cost

3．6 System ModeUng and Constraints

3．6．1 Energy Storage Model

3．6．2 Renewable energy generators

3．6．3 Annual Energy Demand Constraint

3．6．4 Power Generation Constraint

3．6．5 Upper and Lower Bond Constraint

3．7 Evolutionary based Genetic Algorithm

3．7．1 Outline of the Algorithm

3．8 Solution Procedure using GA

3．8．1 Fitness Function

3．8．2 Genome Structure

3．8．3 Initial Population

3．8．4 Operator Probabilities

3．9 Procedure Flow Chart

3．10 Constraint Violation Handling

3．11 Applied Algorithm

4 Case Study

4．1 Descnption

4．2 Case study data

4．2．1 Existing power plants

4．2．2 New power plants

4．3 Data for load forecast

4．4 Assumptions

4．5 Base Case

4．5．1 Financial Analvsis Base Case

4．5．2 Summary Base Case

4．6 Proposed case

4．6．1 Financial Analysis Proposed Case

4．6．2 Summary Proposed Case

4．7 Analysis with Storage Systems

4．8 Comparison of Case Study

5 Conclusion

5．1 Conclusion

5．2 Future Work

References

Acknowledgement