基于改进Benders分解的储能装置规划方法及装置与流程

基于改进benders分解的储能装置规划方法及装置
技术领域
1.本发明属于电站规划技术领域，尤其涉及基于改进benders分解的储能装置规划方法及装置。


背景技术：

2.新能源装置的广泛接入，减少了电力系统对传统能源的依赖，但同时由于其波动性与不确定性，也给传统电力系统经济稳定运行带来挑战；储能装置作为过渡性的调节资源，成为电力系统平衡新能源出力进行电网侧峰谷调节的重要手段，在未来电力系统中有重要的应用前景。因此，合理规划储能电站的接入位置与并网模式，提高对新能源电力资源的消纳能力，对电力网络的经济性与可靠性具有重要意义。
3.目前常用于储能电站并网选址的规划方法有：粒子群算法、蚁群算法、列和约束生成算法、模拟退火法等启发式算法等；在实际电力系统中，既包含储能电站充放电功率、运行功率等连续变量，同时也包含像储能电站位置变量、充放电状态变量等整数变量，属于混合整数规划问题。结合电力系统中的各类复杂非线性约束，整体来看储能电站的并网选址规划问题属于混合整数非线性规划，需采取合适的求解策略。
4.部分学者使用分枝定界法(branch and bound，b&b)和分支定界法(branch and cut，b&c)来求解混合整数非线性规划问题。针对储能选址并网问题的特性，本文将采用分支定界法中的改进广义benders分解法解决储能配置问题，通过改进主问题、子问题的求解算法和割平面的生成方法，来提高模型的求解效率和配置准确性。


技术实现要素：

5.本发明解决其技术问题是采取以下技术方案实现的：
6.基于改进benders分解的储能装置并网选址规划方法，包括如下步骤：
7.基于经济性最优原则，以储能电站安装、运行成本、维护成本和网损最低为目标，构建储能电站规划模型；
8.获取储能电站自身约束及系统级约束；
9.采用改进广义benders分解算法求解储能电站规划模型，将储能电站规划模型分解为规划主问题和运行子问题，利用分支定界法生成改进后的割平面，交替迭代求解，获取储能电站的接入位置、接入数量和接入容量。
10.进一步的，基于经济性最优原则，设置储能电站规划模型，以储能电站安装、运行成本、维护成本和网损最低为目标：
[0011][0012]
式中：c
total
为储能电站规划总成本；c
set
为安装成本；c
run
为运行成本；c
main
为维护成本；n
l
为系统支路总数；ii为第i条支路的电流；ri为第i条支路的等效电阻；
[0013][0014]
在储能电站建设成本中，ai为0-1变量，用于表征第i个储能电站的接入状态；ne为规划储能电站总数；c
e,i
为第i个储能电站的固定建设成本；c
s,i
为第i个储能电站单位容量建设成本系数；s
e,i
为第i个储能电站规划容量；
[0015][0016]
在储能电站运行成本中，t为选定规划时段小时数；c
ch,i
为第i个储能电站单位充电功率成本系数；p
ch,i,t
为第i个储能电站t时刻充电功率；c
dis,i
为第i个储能电站单位放电功率成本系数；p
dis,i,t
为第i个储能电站t时刻放电功率；
[0017][0018]
在储能电站的维护成本中，c
m,i
为第i个储能电站的单位功率维护成本；p
e,i
为第i个储能电站的额定功率。
[0019]
进一步的，所述运行子问题包含原问题中的所有连续变量，求解时应固定离散变量。
[0020]
进一步的，所述规划主问题是基于子问题的求解结果进行构建的；所述规划主问题包含原问题中的离散变量和割平面，其表达形式如下：
[0021][0022]
式中：a
i,k
为第k求解时第i个储能电站的接入状态，为待求变量；ψ为替代变量，用于可行割与优化割的表示；约束条件包括包含ai变量的所有约束与可行割和优化割约束。
[0023]
进一步的，利用分支定界法生成改进后的割平面的方法为：基于子问题的求解结果，构建可行割和优化割，作为约束回补主问题，割平面约束表达式如下：
[0024][0025]
λ
kf
(by+cx
kf-b)≤0
ꢀꢀꢀꢀ
(22)
[0026]
式中：ai为状态变量；xk为第k次求解过程中子问题的最优解；x
kf
为第k次求解过程中，若子问题无解则求解其松弛问题对应的最优解；λk为子问题约束条件对应的乘子向量；λ
kf
为松弛子问题约束条件对应的乘子向量；c、b分别为原问题约束中连续变量和离散变量的系数矩阵，b为原问题约束中的常数向量；式(21)表示优化割，式(22)表示可行割；
[0027]
进一步的，采用改进广义benders分解算法求解储能电站规划模型的方法，包括如下步骤：
[0028]
1)设定初始上界up＝∞，lb＝-∞，选取初始整数变量a
i,k'
＝1，k＝0；
[0029]
2)基于给定a
i,k'
构造子问题，若子问题有解，则将子问题的解与up的最小值作为新的up，并构造优化割平面约束；若子问题无解，则对子问题进行松弛求解，不更新up，并构造可行割平面约束；
[0030]
3)基于子问题和割平面约束，构造主问题，求解主问题，比较主问题的最优解与lb，利用其中最小值更新lb；
[0031]
4)计算上下界差值，当差值小于设定阈值时，算法终止，输出最优解(x*,y*)；否则，k＝k+1，返回步骤2)。
[0032]
进一步的，所述系统级约束包括运行功率约束、支路功率上下限约束、风光功率约束、火电机组爬坡约束、储能电站运行约束。
[0033]
基于改进benders分解的储能装置并网选址规划装置，包括：
[0034]
储能电站规划模型构建模块，用于基于经济性最优原则，以储能电站安装、运行成本、维护成本和网损最低为目标，构建储能电站规划模型；
[0035]
约束条件获取模块，用于获取储能电站自身约束及系统级约束；
[0036]
储能电站的选址并网规划问题求解模块，用于采用改进广义benders分解算法求解储能电站规划模型，将储能电站规划模型分解为规划主问题和运行子问题，利用分支定界法生成改进后的割平面，交替迭代求解，获取储能电站的接入位置、接入数量和接入容量。
[0037]
一种电子设备，其特征在于，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上所述的基于改进benders分解的储能装置并网选址规划方法。
[0038]
一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现如上所述的基于改进benders分解的储能装置并网选址规划方法。
[0039]
本发明的优点和积极效果是：
[0040]
本发明考虑经济性准则，建立包含风光电源和储能装置的网络规划优化的混合整数非线性模型，利用改进割平面的广义benders分解算法进行模型求解，在保证规划结果的精确性和有效性的同时，提高了模型求解收敛速度，解决了传统规划算法求解速度慢、精度差的问题，表明了所提方法的有效性。
附图说明
[0041]
以下将结合附图和实施例来对本发明的技术方案作进一步的详细描述，但是应当知道，这些附图仅是为解释目的而设计的，因此不作为本发明范围的限定。此外，除非特别指出，这些附图仅意在概念性地说明此处描述的结构构造，而不必要依比例进行绘制。
[0042]
图1为本发明实施例提供的基于改进广义benders分解算法流程图。
具体实施方式
[0043]
首先，需要说明的是，以下将以示例方式来具体说明本发明的具体结构、特点和优点等，然而所有的描述仅是用来进行说明的，而不应将其理解为对本发明形成任何限制。此外，在本文所提及各实施例中予以描述或隐含的任意单个技术特征，或者被显示或隐含在各附图中的任意单个技术特征，仍然可在这些技术特征(或其等同物)之间继续进行任意组合或删减，从而获得可能未在本文中直接提及的本发明的更多其他实施例。
[0044]
需要说明的是，在不冲突的情况下，本技术中的实施例及实施例中的特征可以相
互组合。
[0045]
本实施例提供的基于改进benders分解的储能装置并网选址规划方法，包括如下步骤：
[0046]
(1)基于经济性最优原则，以储能电站安装、运行成本、维护成本和网损最低为目标，构建储能电站规划模型；
[0047]
(2)获取储能电站自身约束及系统级约束；
[0048]
(3)采用改进广义benders分解算法求解储能电站规划模型，将储能电站规划模型分解为规划主问题和运行子问题，利用分支定界法生成改进后的割平面，交替迭代求解，获取储能电站的接入位置、接入数量和接入容量，可用于在最优经济目标下的储能电站的选址并网规划问题。
[0049]
具体的，基于经济性最优原则，设置储能电站规划模型，以储能电站安装、运行成本、维护成本和网损最低为目标：
[0050][0051]
式中：c
total
为储能电站规划总成本；c
set
为安装成本；c
run
为运行成本；c
main
为维护成本；n
l
为系统支路总数；ii为第i条支路的电流；ri为第i条支路的等效电阻；
[0052][0053]
在储能电站建设成本中，ai为0-1变量，用于表征第i个储能电站的接入状态；ne为规划储能电站总数；c
e,i
为第i个储能电站的固定建设成本；c
s,i
为第i个储能电站单位容量建设成本系数；s
e,i
为第i个储能电站规划容量；
[0054][0055]
在储能电站运行成本中，t为选定规划时段小时数；c
ch,i
为第i个储能电站单位充电功率成本系数；p
ch,i,t
为第i个储能电站t时刻充电功率；c
dis,i
为第i个储能电站单位放电功率成本系数；p
dis,i,t
为第i个储能电站t时刻放电功率；
[0056][0057]
在储能电站的维护成本中，c
m,i
为第i个储能电站的单位功率维护成本；p
e,i
为第i个储能电站的额定功率。
[0058]
所述运行子问题包含原问题中的所有连续变量，求解时应固定离散变量，其表现形式如下：
[0059][0060]
式中：a
i,k’为第k求解时第i个储能电站的接入状态，为给定值。约束条件为原问题中不包含ai的所有约束。
[0061]
所述规划主问题是基于子问题的求解结果进行构建的；所述规划主问题包含原问
题中的离散变量和割平面，其表达形式如下：
[0062][0063]
式中：a
i,k
为第k求解时第i个储能电站的接入状态，为待求变量；ψ为替代变量，用于可行割与优化割的表示；约束条件包括包含ai变量的所有约束与可行割和优化割约束。
[0064]
利用分支定界法生成改进后的割平面的方法为：基于子问题的求解结果，构建可行割和优化割，作为约束回补主问题，割平面约束表达式如下：
[0065][0066]
λ
kf
(by+cx
kf-b)≤0
ꢀꢀꢀꢀ
(22)
[0067]
式中：ai为状态变量；xk为第k次求解过程中子问题的最优解；x
kf
为第k次求解过程中，若子问题无解则求解其松弛问题对应的最优解；λk为子问题约束条件对应的乘子向量；λ
kf
为松弛子问题约束条件对应的乘子向量；c、b分别为原问题约束中连续变量和离散变量的系数矩阵，b为原问题约束中的常数向量；式(21)表示优化割，式(22)表示可行割；
[0068]
采用改进广义benders分解算法求解储能电站规划模型的方法，包括如下步骤：
[0069]
1)设定初始上界up＝∞，lb＝-∞，选取初始整数变量a
i,k'
＝1，k＝0；
[0070]
2)基于给定a
i,k'
构造子问题，若子问题有解，则将子问题的解与up的最小值作为新的up，并构造优化割平面约束；若子问题无解，则对子问题进行松弛求解，不更新up，并构造可行割平面约束；
[0071]
3)基于子问题和割平面约束，构造主问题，求解主问题，比较主问题的最优解与lb，利用其中最小值更新lb；
[0072]
4)计算上下界差值，当差值小于设定阈值时，算法终止，输出最优解(x*,y*)；否则，k＝k+1，返回步骤2)。
[0073]
具体的，如图1所示，首先输入网络基本信息，包括对应节点典型时段负荷、光伏出力、风机出力等初始化数据；其次，根据实际运行需求确定理论储能装置数与拟安装储能电站节点位置，依据对应目标函数与约束条件建立混合整数非线性规划的储能配置模型；然后，将包含初始数据的网络规划模型输入广义benders分解算法接口，将目标函数划分为主问题和子问题，根据初始条件确定离散变量即储能电站的接入状态，求解仅包含连续变量的子问题，具体含义表示为公式(19)所示的储能电站的运行维护成本和系统网损；然后，构建包仅含离散变量的主问题，具体表现为公式(20)所示的储能建设成本；基于子问题解的情况，若子问题有解，利用子问题的解更新模型上界up,并返回形如公式(21)所示的优化割约束回补主问题，若子问题无解，则模型上界up保持不变，构建形如公式(22)所示的可行割约束回补主问题；然后，求解包含离散变量、优化割约束和可行割约束的主问题，利用主问题的解更新模型下界lb,并将求解结果作为下一次求解子问题的初始值；然后，开始下一轮求解，过程同上，子问题初始值为上一次主问题的求解结果，循环交替迭代求解，直至上下界的差值满足规定阈值要求，求解结束，输出最终规划结果。
[0074]
需要说明的是，储能电站规划方案中，决策变量为电站数量、电站位置和容量，基于此构造储能电站自身约束：
[0075][0076]
p
e,i
＝aip
es,i (6)
[0077]aise,i,min
≤s
e,i
≤ais
e,i,max (7)
[0078]
式中：ai为0-1变量，用于表征第i个储能电站的接入状态；n
e,max
为理论可建设储能电站最大值；p
es,i
为第i个储能电站配置额定功率；s
e,i,max
和s
e,i,min
分别为第i个储能电站容量上下限；
[0079]
所述系统级约束包括运行功率约束、支路功率上下限约束、风光功率约束、火电机组爬坡约束、储能电站运行约束，具体分别如下：
[0080]
1)运行功率约束
[0081][0082]
式中：nf、ne、nw、n
p
、n
l
分别为火电机组、储能电站、风机、光伏和负荷接入节点数量；p
ch,e,t
和p
dis,e,t
分别为时刻t下第e个储能电站的充放电功率；p
l,t
为t时刻l节点负荷；p
f,t
、p
w,t
、p
p,t
分别为t时刻火电、风电、光伏机组发电功率。
[0083]
2)支路功率上下限约束
[0084]
p
branch,min
≤p
branch,i
≤p
branch,max
ꢀꢀꢀꢀ
(9)
[0085]
式中：p
branch,i
为支路i流动功率；p
branch,max
和p
branch,min
分别为支路流动功率上下限；
[0086]
3)风光功率约束
[0087]
0≤p
w,t
≤p
w,t,pre
ꢀꢀꢀꢀ
(10)
[0088]
0≤p
p,t
≤p
p,t,pre
ꢀꢀꢀꢀ
(11)
[0089]
式中：p
w,t,pre
和p
p,t,pre
分别为t时刻风机和光伏的发电功率预测值；
[0090]
4)火电机组爬坡约束
[0091]rmin,f
≤p
f,t-p
f,t-1
≤r
max,f
ꢀꢀꢀꢀ
(12)
[0092]
式中：r
max,f
和r
min,f
分别表示火电机组爬坡约束的上下限；
[0093]
5)储能电站运行约束
[0094]
储能装置同一时刻智能处于充电或放电中的某一状态且充放电功率不会超过其额定功率值；当前时段装置存储电量与前时段充放电效率、功率和存储电量相关，约束表示如下：
[0095]
0≤p
ch,i,t
≤d
ch,i,t
p
e,i
ꢀꢀꢀꢀ
(13)
[0096]
0≤p
dis,i,t
≤d
dis,i,t
p
e,i
ꢀꢀꢀꢀ
(14)
[0097]dch,i,t
+d
dis,i,t
≤1
ꢀꢀꢀꢀ
(15)
[0098]
p
ch,i,t
·
p
dis,i,t
＝0
ꢀꢀꢀꢀ
(16)
[0099]se,i,t
＝s
e,i,t-1
+(η
ch
p
ch,i,t-p
dis,i,t
/η
dis
)
·
δt
ꢀꢀꢀꢀ
(17)
[0100]se,i,min
≤s
e,i,t
≤s
e,i,max
ꢀꢀꢀꢀ
(18)
[0101]
式中：d
ch,i,t
和d
dis,i,t
为0-1变量，表示储能电站的充放电状态；s
e,i,t
表示t时刻储能电站的存储电量；η
ch
和η
dis
分别表示充、放电效率；s
e,i,max
和s
e,i,min
则分别表示储能电站
电能容量的上、下限；
[0102]
实施例2
[0103]
基于同样的发明构思，本技术实施例还提供了基于神经网络和动态镜像下降的居民负荷预测装置，包括：
[0104]
数据集模块获取模块，用于获取待预测时刻之前的若干时刻的居民负荷相关数据集，并对居民负荷相关数据进行正则化处理，将正则化处理后的居民负荷相关数据集进行分割，获得测试集和训练集；
[0105]
深度长短期记忆神经网络模型构建及训练模块，用于构建深度长短期记忆神经网络模型，并用训练集对其进行训练，获得训练后的深度长短期记忆神经网络模型；
[0106]
预测误差获取模块，用于利用改进动态镜像下降方法，获取误差调节变量，从而修正预测误差；
[0107]
居民用电量预测模块，用于利用测试集及训练后的深度长短期记忆神经网络模型获得居民用户未来的t时刻用电量的中间预测值结合误差调节变量的更新值k
t
，获得居民用户未来t时刻的用电量的最终预测值
[0108][0109]
基于同样的发明构思，本技术实施例还提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述的基于神经网络和动态镜像下降的居民负荷预测方法；需要说明的是，电子设备可包括但不仅限于处理单元、存储单元；本领域技术人员可以理解，电子设备包括处理单元、存储单元并不构成对计算设备的限定，可以包括更多的部件，或者组合某些部件，或者不同的部件，例如电子设备还可以包括输入输出设备、网络接入设备、总线等。
[0110]
一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现上述的基于神经网络和动态镜像下降的居民负荷预测方法；需要说明的是，可读存储介质例如可以是，但不限于，电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合；可读介质上包含的程序可以用任何适当的介质传输，包括，但不限于无线、有线、光缆，rf等等，或者上述的任意合适的组合。例如，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如java，c++等，还包括常规的过程式程序设计语言，诸如c语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行，或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络——包括局域网(lan)或广域网(wan)连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
[0111]
以上实施例对本发明进行了详细说明，但所述内容仅为本发明的较佳实施例，不能被认为用于限定本发明的实施范围。凡依本发明申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖范围之内。

技术特征：
1.基于改进benders分解的储能装置规划方法，其特征在于，包括如下步骤：基于经济性最优原则，以储能电站安装、运行成本、维护成本和网损最低为目标，构建储能电站规划模型；获取储能电站自身约束及系统级约束；采用改进广义benders分解算法求解储能电站规划模型，将储能电站规划模型分解为规划主问题和运行子问题，利用分支定界法生成改进后的割平面，交替迭代求解，获取储能电站的接入位置、接入数量和接入容量。2.根据权利要求1所述基于改进benders分解的储能装置规划方法，其特征在于：基于经济性最优原则，设置储能电站规划模型，以储能电站安装、运行成本、维护成本和网损最低为目标：式中：c
total
为储能电站规划总成本；c
set
为安装成本；c
run
为运行成本；c
main
为维护成本；n
l
为系统支路总数；i
i
为第i条支路的电流；r
i
为第i条支路的等效电阻；在储能电站建设成本中，a
i
为0-1变量，用于表征第i个储能电站的接入状态；n
e
为规划储能电站总数；c
e,i
为第i个储能电站的固定建设成本；c
s,i
为第i个储能电站单位容量建设成本系数；s
e,i
为第i个储能电站规划容量；在储能电站运行成本中，t为选定规划时段小时数；c
ch,i
为第i个储能电站单位充电功率成本系数；p
ch,i,t
为第i个储能电站t时刻充电功率；c
dis,i
为第i个储能电站单位放电功率成本系数；p
dis,i,t
为第i个储能电站t时刻放电功率；在储能电站的维护成本中，c
m,i
为第i个储能电站的单位功率维护成本；p
e,i
为第i个储能电站的额定功率。3.根据权利要求1所述基于改进benders分解的储能装置规划方法，其特征在于：所述运行子问题包含原问题中的所有连续变量，求解时应固定离散变量。4.根据权利要求1所述基于改进benders分解的储能装置规划方法，其特征在于：所述规划主问题是基于子问题的求解结果进行构建的；所述规划主问题包含原问题中的离散变量和割平面，其表达形式如下：式中：a
i,k
为第k求解时第i个储能电站的接入状态，为待求变量；ψ为替代变量，用于可行割与优化割的表示；约束条件包括包含a
i
变量的所有约束与可行割和优化割约束。
5.根据权利要求1所述基于改进benders分解的储能装置规划方法，其特征在于：利用分支定界法生成改进后的割平面的方法为：基于子问题的求解结果，构建可行割和优化割，作为约束回补主问题，割平面约束表达式如下：λ
kf
(by+cx
kf-b)≤0 (22)式中：a
i
为状态变量；x
k
为第k次求解过程中子问题的最优解；x
kf
为第k次求解过程中，若子问题无解则求解其松弛问题对应的最优解；λ
k
为子问题约束条件对应的乘子向量；λ
kf
为松弛子问题约束条件对应的乘子向量；c、b分别为原问题约束中连续变量和离散变量的系数矩阵，b为原问题约束中的常数向量；式(21)表示优化割，式(22)表示可行割。6.根据权利要求5所述基于改进benders分解的储能装置规划方法，其特征在于：采用改进广义benders分解算法求解储能电站规划模型的方法，包括如下步骤：1)设定初始上界up＝∞，lb＝-∞，选取初始整数变量a
i,k'
＝1，k＝0；2)基于给定第k求解时第i个储能电站的接入状态a
i,k'
构造子问题，若子问题有解，则将子问题的解与up的最小值作为新的up，并构造优化割平面约束；若子问题无解，则对子问题进行松弛求解，不更新up，并构造可行割平面约束；3)基于子问题和割平面约束，构造主问题，求解主问题，比较主问题的最优解与lb，利用其中最小值更新lb；4)计算上下界差值，当差值小于设定阈值时，算法终止，输出最优解(x*,y*)；否则，k＝k+1，返回步骤2)。7.根据权利要求1所述基于改进benders分解的储能装置规划方法，其特征在于：所述系统级约束包括运行功率约束、支路功率上下限约束、风光功率约束、火电机组爬坡约束、储能电站运行约束。8.基于改进benders分解的储能装置规划装置，其特征在于，包括：储能电站规划模型构建模块，用于基于经济性最优原则，以储能电站安装、运行成本、维护成本和网损最低为目标，构建储能电站规划模型；约束条件获取模块，用于获取储能电站自身约束及系统级约束；储能电站的选址并网规划问题求解模块，用于采用改进广义benders分解算法求解储能电站规划模型，将储能电站规划模型分解为规划主问题和运行子问题，利用分支定界法生成改进后的割平面，交替迭代求解，获取储能电站的接入位置、接入数量和接入容量。。9.一种电子设备，其特征在于，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至6任一项所述的方法。10.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1至6任一项所述的方法。

技术总结
本发明涉及基于改进Benders分解的储能装置规划方法，包括如下步骤：基于经济性最优原则，以储能电站安装、运行成本、维护成本和网损最低为目标，构建储能电站规划模型；获取储能电站自身约束及系统级约束；采用改进广义Benders分解算法求解储能电站规划模型，将储能电站规划模型分解为规划主问题和运行子问题，利用分支定界法生成改进后的割平面，交替迭代求解，获取储能电站的接入位置、接入数量和接入容量；本发明考虑经济性准则，建立包含风光电源和储能装置的网络规划优化的混合整数非线性模型，利用改进割平面的广义Benders分解算法进行模型求解，在保证规划结果的精确性和有效性的同时，提高了模型求解收敛速度。提高了模型求解收敛速度。提高了模型求解收敛速度。


技术研发人员：王宪 王耀 刘蕊 孙毅 张惠雯 石冰珂 孙东磊 赵龙 刘晓明 陈博 郑志杰 杜鹏 曹相阳
受保护的技术使用者：国网山东省电力公司经济技术研究院
技术研发日：2023.05.18
技术公布日：2023/8/23