CN103560532B - 一种兆瓦级电池储能电站的监控***及其方法 - Google Patents
一种兆瓦级电池储能电站的监控***及其方法 Download PDFInfo
- Publication number
- CN103560532B CN103560532B CN201210091324.1A CN201210091324A CN103560532B CN 103560532 B CN103560532 B CN 103560532B CN 201210091324 A CN201210091324 A CN 201210091324A CN 103560532 B CN103560532 B CN 103560532B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- power
- module
- substation
- storage unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提出一种兆瓦级电池储能电站的监控***及其方法,***包括中央监控模块和本地监控模块,两模块之间采用实时通信网络和非实时监测通信网络并行的通信网络结构进行通信与连接。方法包括以下步骤:通过通信网络读取电池储能电站的相关数据,并进行存储和管理;确定电池储能电站总功率需求;确定各储能子站的功率命令值,并下发给各本地监控模块;计算出储能子站中各储能机组的功率命令值,并下发给各储能机组;将本地监控模块中各储能机组的功率命令值、实时数据和非实时数据上传至中央监控模块统一存储和管理。该***和方法能满足对储能机组集群式实时快速控制和大量传输数据的监测要求,保障了电池健康运行,使储能电站更安全稳定。
Description
技术领域
本发明属于智能电网以及能量存储与转换技术领域,具体涉及一种兆瓦级电池储能电站的监控***及其方法,尤其适用于大规模电池储能电站并网***的监控和管理。
背景技术
国家风光储输示范工程是国家电网公司建设坚强智能电网首批试点工程,以“电网友好型”新能源发电为目标,以“先进性、灵活性、示范性、经济性”为特点,是目前世界上规模最大、集风电、光伏发电、储能及输电工程四位一体的可再生能源综合示范工程。其中,国家风光储输示范工程(一期)拟建设风电100MW、光伏发电40MW和储能装置20MW(包含14MW锂离子电池储能***和2MW液流电池储能***)。
随着电池及其集成技术的不断发展,大规模分布式和集中式电池储能电站的应用模式将逐步成为一种优选方案。大量储能电站在配电网末端投入使用,使储能设备的监控范围更广,监控要求更高,必须有一个完善的、可扩充的、标准的信息平台来支撑配电网末端储能电站的实时监控与保护,实现准确、真实、及时的监测,做出正确分析,采取有效措施。
对比既往的传统电力监控***和新能源发电***的管理监控平台,不难发现,大规模电池储能电站中由于大量电池的使用,导致遥测、遥信量急剧增加,数据通信量非常庞大。因此,为了解决这一在储能电站管理、监控中出现的特殊问题,必须研制拥有高速通信,高可靠性,大数据库容量,高速实时响应等技术特点的全新适用于配电网末端储能电站的综合控制方案及监控软硬件平台,为配电网末端电池储能电站监控和保护提供全面、有效的技术支撑。
储能电站监控***在保证可靠稳定的前提下,需满足配电网末端用户实时调度和管控的性能要求,高速响应电网各种应用场景对储能***的需求,这对监控***平台的研发带来了巨大的挑战。无论是在监控体系结构以及通信网络优化、硬件支撑***开发、实时响应人机界面设计等方面,都面临相当多的问题和约束条件。
目前有关大规模多类型电池储能电站的监控和并网运行方面的专利、文献、技术报告等非常少,需要深入研究和探索。
发明内容
为克服现有技术的缺陷,本发明的目的之一在于提供一种更安全稳定的兆瓦级电池储能电站的监控***,该***能够不仅满足对储能机组集群式实时快速控制和数十万传输数据的监测要求,还可以最大限度的减小电池劣化,保障电池健康运行。
本发明的兆瓦级电池储能电站的监控***是通过如下技术方案实现的:
一种兆瓦级电池储能电站的监控***,其包括:
中央监控模块,用于确定电池储能电站中各储能子站的功率命令值并实时下发给各本地监控模块;
本地监控模块,每个本地监控模块分别管辖一个储能子站,其用于计算所管辖储能子站中各储能机组的功率命令值、并实时下发给各储能机组,以及将各储能机组的功率命令值上传至中央监控模块进行存储;
所述中央监控模块与本地监控模块之间采用通信网络进行数据传输与通信,所述通信网络采用实时通信网络和非实时监测通信网络并行的网络结构。
其中,电池储能电站的相关数据包括通过实时通信网络传递的实时数据和通过监测通信网络传递的非实时数据;所述实时数据包括上层调度数据、风光发电数据和所有储能机组的实时数据,所述非实时数据包括所有储能机组的非实时数据,具体地:
上层调度数据包括下述任一至全部数据:跟踪计划发电曲线值、***负荷曲线值、削峰填谷曲线值、***调频功率命令值、电池储能电站总功率需求、电池储能电站负荷值和风光储联合发电总功率值等;
风光发电数据包括下述任一至全部数据:风光发电平滑目标值、风光发电波动率值、风光发电总功率值、风光发电计划值;风力发电厂中各风力发电机组有功功率、各风力发电机组工作状态、风力发电总功率值、风力发电额定功率、风力发电预测功率等以及光伏发电厂中各光伏发电机组有功功率、各光伏发电机组工作状态、光伏发电总功率值、光伏发电额定功率、光伏发电预测功率等;
储能机组的实时数据包括下述任一至全部数据:储能机组的额定功率、实际功率值、状态信息(如:可控信号、工作状态、告警状态、保护状态、整定状态等)、工作模式、可用充电容量、可用放电容量、最大允许充电功率、最大允许放电功率、荷电状态值、放电状态值、健康状态值和电池储能电站实际总功率值(等于所有储能机组实际功率值的总和)等;
储能机组的非实时数据包括下述任一至全部数据:储能机组中各电池单体的电压信息、温度信息和非实时状态信息等。
本发明的另一目的在于提出一种兆瓦级电池储能电站的监控方法,其包括如下步骤:
步骤A、中央监控模块通过通信网络读取电池储能电站的相关数据,并对上述数据进行存储和管理,所述通信网络采用实时通信网络和非实时监测通信网络并行的网络结构;
步骤B、基于中央监控模块确定电池储能电站总功率需求;
步骤C、基于中央监控模块确定电池储能电站中各储能子站的功率命令值,并下发给各本地监控模块;
步骤D、基于本地监控模块计算出该模块所管辖储能子站中各储能机组的功率命令值,并下发给各储能机组;同时该模块中计算所管辖储能子站的当前可控状态、荷电状态等;
步骤E、将临时存储于本地监控模块中各储能机组的功率命令值、所管辖储能子站的当前可控状态、荷电状态、实时数据和非实时数据通过通信网络上传至中央监控模块进行存储和管理。
所述步骤A中,先通过通信网络读取电池储能电站的相关数据;再对电池储能电站的相关数据进行存储,并将该相关数据赋值给相应接口变量。
所述步骤B中,可以根据实际监控需要选择相应计算方法计算出或直接读取外部调度中心下发的电池储能电站总功率需求。
所述步骤C中,根据当前电池储能电站总功率需求的符号通过储能子站的可控信号、电池储能电站总功率需求以及储能子站的荷电状态值或放电状态值,实时计算出电池储能电站中各储能子站的功率命令值。
所述步骤D中,根据储能子站的功率命令值符号,选择通过最大允许放电功率或最大允许充电功率来计算各储能机组的决策变量,进而求取各储能机组的功率命令值;并且判断各储能机组是否满足最大允许放电功率约束条件或最大允许充电功率约束条件,如果有违反相应约束条件的储能机组,则通过最大允许放电功率或最大允许充电功率重新计算该储能机组的功率命令值;否则,结束判断。
所述步骤E中,将临时存储于本地监控模块中的各储能机组的功率命令值和实时数据通过实时通讯网络实时上传至中央监控模块中进行存储和管理,将临时存储于本地监控模块中的各储能机组的非实时数据通过非实时监测通信网络上传至中央监控模块中进行存储和管理。
与现有技术相比,本发明的有益效果是:
1)本发明的监控***和方法采用实时通信网络和非实时监测通信网络并存的网络结构,满足了储能机组集群式实时快速控制以及数十万储能电池的状态监测要求,最大限度的减小了电池劣化,并保障电池健康运行,使电池储能电站更加安全稳定;
2)本发明的监控***通过中央能量管理模块对电池储能电站的相关数据进行计算,并且通过稳态、动态等多角度兆瓦级电池储能电站进行在线监控与能量管理,实现集成化大规模电池储能电站***中各电池储能机组的统一接入、实时调度管理和多层协调的主动安全控制,以解决电池储能电站协调控制及能量管理的问题;此外,由于本发明的监控***和方法同时支持平滑风光功率输出、跟踪计划发电、参与***调频、削峰填谷、安全稳定控制等大规模电池储能电站的多种高级功能,应用范围广泛。
附图说明
图1是本发明中多类型锂电池储能电站的***接入示意图;
图2是本发明的兆瓦级电池储能电站监控***和方法实施例的实施框图。
具体实施方式
下面结合附图和具体实施例对本发明的监测***及其监测方法作进一步的详细说明。
图1所示为目前张北国家风光储输示范电站中配置的14MW锂电池储能电站的***拓扑图。如图1所示,电池储能电站接入的风光储联合发电***包括风力发电场、光伏发电场、电池储能电站和电网。风力发电场、光伏发电场及电池储能电站分别通过变压器与电网连接。风力发电场和光伏发电场的内部连接示意图在此省略。本例中,14MW锂电池储能电站包括9个相并联的锂电池储能子站,各电池储能子站通过一个变压器并联至35kV的交流母线。每个锂电池储能子站中包括多个相并联的锂电池储能机组,各储能机组中包括双向变流器和多个锂离子电池组,通过双向变流器可执行对锂离子电池组的投切控制及充放电功率指令等。
图2为用于监控图1所示锂电池储能电站的监控***的结构示意图。如图2所示,本例中的电池储能电站监控***包括:中央监控模块和本地监控模块,中央监控模块与本地监控模块之间采用通信网络进行数据传输与通信,所述通信网络采用实时通信网络和非实时监测通信网络并行的网络结构。
(一)中央监控模块
该模块用于确定该电站中各储能子站的功率命令值并实时下发给各本地监控模块;此外,该模块还用于实现储能电站内所有监控数据的监测和处理、数据通信以及对储能电站进行运行监管等功能。中央监控模块主要包括中央***支撑模块、中央能量管理模块、中央存储模块和中央通讯模块,其中,
1A)中央***支撑模块,用于读取电池储能电站的相关数据,并发送至中央存储模块;该中央***支撑模块进一步包括:
中央采集模块:用于读取电池储能电站的相关数据;
中央对时模块:用于通过硬件时间戳来提供定时和频率准确度;和
中央接口单元:用于提供电池储能电站所需的各种接口函数,此外,还包括基本应用软件包、用户程序和工具组等。
1B)中央能量管理模块,该模块可根据实际需要配置多种高级应用,用于根据具体应用实时计算电池储能电站总功率需求,再进一步确定电池储能电站中各储能子站的功率命令值,并发送至中央存储模块,从而实现对电池储能电站进行能量管理,以及实现电池储能电站的多种具体应用(多种应用包括平滑风光功率出力、跟踪计划发电、参与***调频、削峰填谷、安全稳定控制等),并通过实时信息交互实现对整个储能电站的实时状态监控及预警功能。该中央能量管理模块进一步包括:
平滑风光功率出力模块:基于自适应的滤波技术和反馈控制来平抑风光发电出力波动。即引入SOC和风光发电波动率的反馈控制去平滑风光功率输出波动。平滑风光功率出力模块根据当前反馈的SOC和风光发电波动率来实时计算出平滑风光发电出力波动所需的电池储能电站总功率需求,同时还计算出电池储能电站当前的工作能力,以满足平滑风光功率输出需求的同时,有效控制SOC和风光发电波动率在设定范围内;
跟踪计划发电模块:用于实时补偿风光储联合发电实际功率与风光储发电计划间的差值。跟踪计划发电模块根据当前的电池运行状态与电池剩余容量反馈值,实时计算出跟踪计划所需的电池储能电站总功率需求,同时还计算出电池储能电站当前的工作能力;
参与***调频模块:用于实时满足外部调度中心(包括上层调度和华北网调)直接下发的支持AGC相对应的***调频功率命令值。参与***调频模块根据外部调度中心下发的支持AGC相对应的***调频功率命令值、当前的电池运行状态和电池剩余容量反馈值等信息,实时计算出参与***调频所需的电池储能电站总功率需求,同时还计算出电池储能电站当前的工作能力;
削峰填谷模块:用于实时满足外部调度中心下发的削峰填谷用储能电站功率需求命令。即实时响应上层调度下发的削峰填谷计划对应的功率命令值,以保证削峰填谷的应用效果。削峰填谷模块根据当前的电池运行状态与电池剩余容量反馈值,实时计算出削峰填谷所需的电池储能电站总功率需求,同时还计算出电池储能电站当前有功和无功的工作能力(如:当前允许使用容量和当前可用最大充放电能力);
安全稳定控制模块:根据外部调度中心下发的安稳控制指令及其相关储能总功率需求,安全稳定控制模块根据采集的当前各储能机组的状态信息,实时计算出安全稳定控制所需的电池储能电站总功率需求,同时还计算出电池储能电站当前有功和无功的工作能力(如:当前允许使用容量和当前可用最大充放电能力),以保证***的实时功率需求,确保储能电站正常、安全、可靠的工作;
储能电站总功率需求实时分配模块:基于上述六大模块中任一模块计算出的或外部调度中心直接下发的电池储能电站总功率需求,并根据采集的当前各储能机组的状态信息(如电池运行状况,当前储能总容量,当前储能***最大充放电能力,电池电压,SOH及温度等),实时计算出各储能子站功率命令值,在保证电池储能电站总功率需求的同时,并防止电池的过充电或过放电;和
数据处理模块:用于读取通过中央实时通讯模块传递的实时数据,并将相应数据传至平滑风光功率出力模块、跟踪计划发电模块、参与***调频模块、削峰填谷模块、安全稳定控制模块或储能电站总功率需求实时分配模块中进行计算,然后将计算的结果传至中央实时通讯模块进行实时通信,还传至中央存储模块中进行统一存储和管理。
1C)中央存储模块,用于对电池储能电站的相关数据和各储能子站进行存储与管理。存储电池储能电站的相关数据和各储能子站的功率命令值,并且将上述数据和功率命令值赋值给相应接口变量,以供本地监控模块和外部调度中心调用。
1D)中央通讯模块,包括中央实时通讯模块和中央非实时通讯模块,所述中央实时通讯模块通过实时通信网络分别完成与本地监控模块和外部调度中心的实时通信功能;所述中央非实时通讯模块通过非实时监测通信网络分别完成与本地监控模块和外部调度中心的非实时通信功能。
(二)本地监控模块
每个本地监控模块分别用于监控一个相对应的储能子站,该模块用于计算相应储能子站中各储能机组的功率命令值、并实时下发给各储能机组,以及将各储能机组的功率命令值上传至中央监控模块进行存储;此外,该模块通过本地实时通讯模块与所管辖储能子站中各储能机组进行实时通信,实现本地采集数据的处理,就地监测,本地各储能变流器间功率分配,储能设备的本地自诊断与保护等功能。该本地监控模块进一步包括:
2A)本地***支撑模块,用于读取电池储能电站中相应储能子站的功率命令值以及该储能子站中所有储能机组的实时、非实时数据,并发至本地存储模块;该本地***支撑模块进一步包括:
本地采集模块:用于读取储能机组的实时数据;
本地对时模块:用于通过硬件时间戳来提供定时和频率准确度;和
本地接口单元:用于提供该本地监控模块所管辖的储能子站中各储能机组所需的各种接口变量,此外,还包括基本应用软件包、用户程序和工具组等。
2B)本地能量管理模块,用于计算该本地监控模块所管辖的储能子站中各储能机组的功率命令值,并将功率命令值下发给相应的储能机组;以实现对储能子站中各储能机组的能量管理、储能子站的诊断以及保护控制等功能。
2C)本地存储模块,用于临时存储储能子站的功率命令值以及该储能子站中所有储能机组的功率命令值、实时数据、非实时数据;在监控过程中,将临时存储于该本地存储模块中的所有储能机组的功率命令值和实时数据通过本地实时通讯模块传至中央监控模块的中央实时通讯模块,以及将所有储能机组的非实时数据通过本地非实时通讯模块上传至中央非实时通讯,并通过中央存储模块中进行统一存储和管理;当外部调度中心需要调取时,可通过中央实时通讯模块传输各储能机组的功率命令值和实时数据且通过中央非实时通讯模块传输各储能机组的非实时数据。
2D)本地通讯模块,包括本地实时通讯模块和本地非实时通讯模块。其中,本地实时通讯模块通过实时通信网络完成与中央监控模块以及本地监控模块所管辖的储能子站中各储能机组间的实时通信功能;而本地非实时通讯模块通过非实时监测通信网络完成与中央监控模块以及本地监控模块所管辖的储能子站中各储能机组间的非实时通信功能。
如图2所示,本例中所述兆瓦级电池储能电站的监控方法,包括如下步骤:
步骤A、通过中央监控模块中的中央实时、非实时通讯模块读取电池储能电站的相关数据,并通过中央监控模块中的中央存储模块对上述数据进行存储和管理;
步骤B、基于中央监控模块中的中央能量管理模块实时确定电池储能电站总功率需求;
步骤C、基于中央能量管理模块实时确定电池储能电站中各储能子站的功率命令值,并通过中央实时通讯模块将各储能子站的功率命令值实时下发至各本地监控模块;
步骤D、基于本地监控模块中的本地能量管理模块计算出该本地监控模块所管辖储能子站中各储能机组的功率命令值,并基于本地实时通讯模块实时下发给各储能机组;同时该模块中计算所管辖储能子站的当前可控状态、荷电状态等;
步骤E、将各储能机组的实时、非实时数据和步骤D计算出的各储能机组的功率命令值、所管辖储能子站的当前可控状态、荷电状态等临时存储于本地监控模块中的本地存储模块中,然后通过本地实时通讯模块将各储能机组的实时数据和功率命令值上传至中央实时通讯模块、通过本地非实时通讯模块将各储能机组的非实时数据上传至中央非实时通讯模块,并在中央存储模块进行统一存储和管理。
当外部调度中心需要调取数据时,可基于通信协议,将储能电站的相应信息通过中央实时、非实时通讯模块上传至外部调度中心。
上述各步骤之间进行数据交互时,可以采用如下通信方式:
1)步骤C的中央实时通讯模块与步骤D所述的本地实时通讯模块间可通过实时通信网络,基于EPA(Ethernet for Plant Automation)或PROFINET实时以太网通信规约进行实时通信;
2)步骤D的本地实时通讯模块与各储能机组的实时通讯模块间通过实时通信网络,基于EPA(Ethernet for Plant Automation)或PROFINET实时以太网通信规约进行实时通信;
3)步骤E的中央非实时通讯模块与本地非实时通讯模块间通过监测通信网络,基于IEC104通信规约进行非实时通信;
4)当外部调度中心(例如,如图2中所示的风光储联合调度中心和华北网调调度中心)需要从中央监控模块中调取数据时,通过中央通讯模块与外部调度中心采用实时通信网络,基于IEC104通信规约进行实时通信。
在步骤A中,中央存储模块用于存储电池储能电站的相关数据,并对其进行管理,即:将电池储能电站的相关数据按事先设定的协议赋值给相关接口变量,以供本地监控模块以及外部调度中心进行调用。
所述电池储能电站的相关数据包括通过实时通信网络传递的实时数据和通过监测通信网络传递的非实时数据;所述实时数据包括储能电站监控界面上的设定数据、上层调度数据、风光发电数据和所有储能机组的实时数据,所述非实时数据包括所有储能机组的非实时数据,其中:
储能电站监控界面上的设定数据包括滤波时间常数、风光发电波动率指标值、储能电站应用模式设定值(例如可设定为,1:平滑风光功率出力的应用模式,2:跟踪发电计划的应用模式;3:参与***调频的应用模式、4:削峰填谷的应用模式、5:安全稳定控制的应用模式)等。
上层调度数据包括下述任一至全部数据:跟踪计划发电曲线值、***负荷曲线值(即为***总负荷)、削峰填谷曲线值、***调频功率命令值、电池储能电站总功率需求、电池储能电站负荷值和风光储联合发电总功率值等;
风光发电数据包括下述任一至全部数据:风光发电平滑目标值、风光发电波动率值、风光发电总功率值、风光发电计划值;风力发电厂中各风力发电机组有功功率、各风力发电机组工作状态、风力发电总功率值、风力发电额定功率、风力发电预测功率等以及光伏发电厂中各光伏发电机组有功功率、各光伏发电机组工作状态、光伏发电总功率值、光伏发电额定功率、光伏发电预测功率等;
储能机组的实时数据包括下述任一至全部数据:储能机组的额定功率、实际功率值、状态信息(如:可控状态、工作状态、告警状态、保护状态、整定状态等)、工作模式、可用充电容量、可用放电容量、最大允许充电功率、最大允许放电功率、荷电状态值、放电状态值、健康状态值和电池储能电站实际总功率值(等于所有储能机组实际功率值的总和)等;
储能机组的非实时数据包括下述任一至全部数据:储能机组中各电池单体的电压信息、温度信息和非实时状态信息等。
在步骤B中,电池储能电站总功率需求命令值可通过如下任一方法获得:
B1)通过下式计算当前平滑风光发电出力波动所需的电池储能电站总功率需求:
且满足:
P风光总=P风电总+P光伏总 (3)
上述式中,为风光发电平滑目标值;P风光总为风光发电总功率值;P风电总为风力发电总功率值;P光伏总为光伏发电总功率值;s为复变量;T滤波、T1、T2、T3均为滤波时间常数值,且满足T1<T2<T3;r滤波率为风光发电波动率值;T为波动率计算时间;δ1、δ2均为风光发电滤波率指标值,且满足δ1<δ2;分别为T时间内风光发电总功率值中的最大值、最小值和风光发电额定功率,该额定功率为风力发电额定功率与光伏发电额定功率之和,通过下式计算;
上式中,为风机机组k的额定功率;u风电k为风机机组k的可控状态,当该风机机组k可控时,此状态值为1,其他值为0;W为风机机组个数;为光伏机组k的额定功率;u光伏k为光伏机组k的可控状态,当该光伏机组k可控时,此状态值为1,其他值为0;V为光伏机组个数。
B2)根据当前各储能机组的电池运行状态与电池剩余容量反馈值,实时计算出跟踪计划所需的电池储能电站总功率需求:
首先,基于风光发电计划曲线(该计划曲线是计算机根据各时刻下的风光发电计划值自动形成的),确定出每个时间间隔(刻度)下的风光发电计划值;
其次,基于各时间刻度下的风光发电计划值,确定当前风光储联合发电总功率值P风光储:
然后,基于已计算出的P风光储,确定当前电池储能电站总功率需求
最后,基于下述方法对进行判断和再修正:
如果则和
如果且则
上述各式中,Δt为控制周期,可以根据实际控制需求来设定,例如Δt=1秒或2秒;和是分别为当前时刻和下一时刻的风光发电计划值; 分别为电池储能电站的最大允许充、放电功率;P风电总为风力发电总功率值;P光伏总为光伏发电总功率值。
B3)根据外部调度中心下发的参与***调频功率命令值、当前各储能机组的电池运行状态与电池剩余容量反馈值,实时计算调频所需的电池储能电站总功率需求:
(1)当自动发电控制***调频功率命令值为正值时,表示该电池储能电站将处于放电状态,则基于当前电池储能电站的最大允许放电功率,计算调频用电池储能电站总功率需求
首先,判断是否满足下列储能机组有功功率的最大允许放电功率约束条件;
其次,如果有违反约束条件(12),则令
否则令
(2)当***调频功率命令值为负值时,表示该电池储能电站将处于充电状态,则基于当前电池储能电站的最大允许充电功率,计算调频用电池储能电站总功率需求
首先,判断是否满足下列储能机组有功功率的最大允许充电功率约束条件;
其次,如果有违反约束条件(15),则令
否则令
B4)根据当前各储能机组的电池运行状态、电池剩余容量反馈值,实时计算削峰填谷用电池储能电站总功率需求:
首先,基于削峰填谷曲线值P当前时刻削峰填谷值和***负荷曲线值P负荷,并通过下式计算出每个时间间隔(刻度)下的电池储能电站当前总功率需求
然后,基于下述方法进行判断和再修正:
如果且则和
如果则
式(18)中,P当前时刻削峰填谷值是每隔一个时间刻度实时更新的;P负荷为当前***负荷曲线值,是以每个采样周期实时更新的。
B5)根据当前各储能机组的状态信息,通过下式实时计算电池储能电站总功率需求;
B6)直接读取外部调度中心下发的电池储能电站总功率需求。
在步骤C中,电池储能电站中各储能子站的功率命令值P子站i通过如下方法获得:
当步骤B中计算的为正值时,
如果有任何一个子站i的功率需求值P子站i满足条件则基于下式重新确定P子站i:
当步骤B中计算的为负值时,
如果有任何一个子站i的功率需求值P子站i满足条件P子站i<0且则基于下式重新确定P子站i:
上述各式中,u子站i为储能子站i的可控状态,当该电池储能子站i可控时,此状态值为1,其他值为0;SOC子站i为储能子站i的荷电状态值;SOD子站i为储能子站i的放电状态值,SOD子站i=1-SOC子站i;S为储能子站个数;为电池储能电站总功率需求;P子站i为储能子站i的功率需求值;为储能子站i的最大允许放电功率;为储能子站i的最大允许充电功率;为储能机组k的最大允许放电功率;为储能机组k的最大允许充电功率。
步骤C中,计算所管辖储能子站的当前可控状态、荷电状态值时:(1)根据所管辖储能子站中各储能机组的当前可控状态计算该子站的当前可控状态;(2)根据所管辖储能子站中各储能机组的当前可控状态、当前荷电状态计算该子站参与功率分配的荷电状态。
具体地,各储能子站中的当前可控状态、荷电状态等值通过下述方法获得:
1)关于u子站i:当子站i内的任何一个储能机组k可控时,u子站i=1,否则u子站i=0;
2)例如关于SOC子站i:L为一个子站i中储能机组个数;uk为一个子站i中的储能机组k的可控状态,当该储能机组k可控时,此状态值为1,其他值为0。
在步骤D中,各储能子站中各储能机组功率命令值通过下述方法获得:
步骤D1、当储能子站i的功率命令值P子站i为正值时,表示该储能子站将处于放电状态,则基于子站中各储能机组的荷电状态(State of Charge:SOC)和最大允许放电功率,通过下列步骤计算储能子站i中各储能机组的功率命令值Pi:
D11)基于遗传算法计算出各储能机组的决策变量xi:
(11a)确定群体中的个体(染色体)个数N,每个染色体中的基因个数为储能机组个数L。对每个个体进行二进制编码(编码成一个向量,即染色体,向量每个元素为基因,相应基因值将对应每个储能机组是否参与本次功率分配的决策值xi(i=1,...,L)),随机生成N个个体作为初始群体,得到各染色体中的基因串的0、1组合方式;并令进化代数计数器值G=0;
(11b)判断进化代数计数器值G是否小于等于最大进化代数计数器值Gmax,且每个个体是否满足下式约束条件:如果上述两个判断条件均满足,执行步骤11c,否则,跳转至步骤11f;
(11c)基于下式计算每个个体k所对应的适应值Sk,按Sk的大小评价其适应度;
(k=1,...,N) (27)
(11d)基于步骤11c计算得出的适应度值,按照优胜劣汰的原理进行选择操作,例如可采用轮盘赌选择法选择出优胜的个体,在该方法中,个体的选择概率将与其适应度值成比例。然后基于交叉概率和变异概率分别进行重组和变异操作后得到子代;
(11e)基于下述目标函数(I)选择出最优子代,并将其按照一定***概率重新***到种群中进行替代操作;而后令G=G+1,返回到步骤11b;
(11f)计算满足目标函数(I)的最优解,对最优解对应的个体经过解码得出其基因串排列组合方式,每个基因值为与之对应的储能机组i的决策变量值xi(i=1,...,L);
D12)计算各储能机组i的功率命令值Pi;
D13)判断步骤D12得出的各储能机组i的功率命令值Pi是否满足下列储能机组有功功率的最大允许放电功率约束条件;
Pi≤Pi 最大允许充电 (29)
D14)如果有违反约束条件(29)的储能机组,执行下列步骤D15,否则结束;
D15)基于下式,重新确定各储能机组的功率命令值Pi;
步骤D2、当储能子站i的功率命令值P子站i为负值时,表示该电池储能电站将处于充电状态,则基于各储能机组的放电状态值和最大允许充电功率,通过下列步骤计算储能子站i中各储能机组的功率命令值Pi:
D21)基于遗传算法计算出各储能机组的决策变量xi:
(21a)确定群体中的个体(染色体)个数N,每个染色体中的基因个数为储能机组个数L。对每个个体进行二进制编码(编码成一个向量,即染色体,向量每个元素为基因,相应基因值将对应每个储能机组是否参与本次功率分配的决策值xi(i=1,...,L)),随机生成N个个体作为初始群体,得到各染色体中的基因串的0、1组合方式;并令进化代数计数器值G=0;
(21b)判断进化代数计数器值G是否小于等于最大进化代数计数器值Gmax,且每个个体是否满足下式约束条件:如果上述两个判断条件均满足,执行步骤21c,否则,跳转至步骤21f;
(21c)基于下式计算每个个体k所对应的适应值Sk,按Sk的大小评价其适应度;
(21d)基于步骤21c计算得出的适应度值,按照优胜劣汰的原理进行选择操作,例如可采用轮盘赌选择法选择出优胜的个体,在该方法中,个体的选择概率将与其适应度值成比例。然后基于交叉概率和变异概率分别进行重组和变异操作后得到子代;
(21e)基于下述目标函数(II)选择出最优子代,并将其按照一定***概率重新***到种群中进行替代操作;而后令G=G+1,返回到步骤21b;
(21f)计算满足目标函数(II)的最优解,对最优解对应的个体经过解码得出其基因串排列组合方式,每个基因值为与之对应的储能机组i的决策变量值xi(i=1,...,L)。
D22)计算参与跟踪计划的各储能机组i的功率命令值Pi;
SODi=1-SOCi (34)
D23)判断步骤D22得出的各储能机组i的功率命令值Pi是否满足下列储能机组有功功率的最大允许充电功率约束条件;
|Pi|≤|Pi 最大允许充电| (35)
D24)如果有违反上述约束条件(35)的储能机组,执行下列步骤D25,否则结束。
D25)基于下式,重新确定各储能机组的功率命令值Pi;
式(26)-(36)中,ui为i号储能机组的可控状态,该状态通过步骤A读取,当该储能机组i可控时,此状态值为1,其他值为0;xi为0-1决策变量,xi=1时表示将储能机组i参与功率分配计算,xi=0时则表示不参与本次功率分配;SOCi为i号储能机组的荷电状态值;SODi为i号储能机组的放电状态值;L为电池储能机组个数;Pi 额定为i号储能机组的额定功率;Pi 最大允许放电为i号储能机组的最大允许放电功率值;Pi 最大允许充电为i号储能机组的最大允许充电功率值。
综上所述,本发明具有可实现大规模电池储能电站***集中接入、多类型电池***的协调控制、各类电池储能机组的状态监测与实时快速出力控制等功能。储能电站监控***中的能量管理***模块具备多种储能电池功率和能量管理以及应用功能,例如储能电站内电池功率实时分配功能、削峰填谷功能、参与***调频功能、跟踪发电计划功能、平滑风光功率出力功能和安全稳定控制功能等,从而实现了储能电站***提高大规模风电场和光伏电站发电的可预测性、可控性及可调度性。
最后应该说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,结合上述实施例对本发明进行了详细说明,所属领域的普通技术人员应当理解到:本领域技术人员依然可以对本发明的具体实施方式进行修改或者等同替换,但这些修改或变更均在申请待批的权利要求保护范围之中。
Claims (7)
1.一种兆瓦级电池储能电站的监控***,其特征在于,该监控***包括:
中央监控模块,用于确定电池储能电站中各储能子站的功率命令值,并下发给各本地监控模块;
本地监控模块,用于计算该模块所管辖的储能子站中各储能机组的功率命令值,并下发给各储能机组,以及将各储能机组的功率命令值上传至中央监控模块进行存储;
所述中央监控模块与本地监控模块之间采用通信网络进行数据传输与通信,所述通信网络采用实时通信网络和非实时监测通信网络并行的网络结构;
所述中央监控模块包括:
中央***支撑模块,用于读取电池储能电站的相关数据,并发送至中央存储模块;
中央能量管理模块,用于根据具体应用实时计算电池储能电站总功率需求,从而进一步确定该电站中各储能子站的功率命令值,并发送至中央存储模块和中央实时通讯模块;
中央存储模块,用于存储电池储能电站的相关数据和各储能子站的功率命令值,并且将上述数据和功率命令值赋值给相应接口变量,以供本地监控模块和外部调度中心调用;和
中央通讯模块,包括中央实时通讯模块和中央非实时通讯模块,所述中央实时通讯模块通过实时通信网络分别与本地监控模块和外部调度中心进行实时通信;所述中央非实时通讯模块通过非实时监测通信网络与本地监控模块和外部调度中心进行非实时通信;
所述中央能量管理模块包括:
平滑风光功率出力模块,用于根据当前反馈的SOC和风光发电波动率,实时计算出平滑风光发电出力波动所需的电池储能电站总功率需求;
跟踪计划发电模块,用于根据当前的电池运行状态与电池剩余容量反馈值,实时计算出跟踪计划所需的电池储能电站总功率需求;
参与***调频模块,用于根据外部调度中心下发的支持AGC相对应的***调频功率命令值、当前的电池运行状态和电池剩余容量反馈值,实时计算出调频所需的电池储能电站总功率需求;
削峰填谷模块,用于根据当前的电池运行状态与电池剩余容量反馈值,实时计算出削峰填谷所需的电池储能电站总功率需求;
安全稳定控制模块,用于将电池储能电站的最大允许放电功率作为安全稳定控制所需的电池储能电站总功率需求;
储能电站总功率需求实时分配模块,用于根据上述任一模块所计算出的或外部调度中心直接下发的电池储能电站总功率需求,实时计算储能电站中各储能子站的功率命令值;和
数据处理模块,用于读取通过中央实时通讯模块传递的实时数据,并将相应数据传至平滑风光功率出力模块、跟踪计划发电模块、参与***调频模块、削峰填谷模块、安全稳定控制模块或储能电站总功率需求实时分配模块中进行计算,然后将计算的结果传至中央实时通讯模块和中央存储模块。
2.如权利要求1所述的监控***,其特征在于,所述本地监控模块包括:
本地***支撑模块,用于读取电池储能电站中相应储能子站的功率命令值以及该储能子站中所有储能机组的实时、非实时数据,并发至本地存储模块;
本地能量管理模块,用于计算储能子站中所有储能机组的功率命令值,并将功率命令值下发给相应的储能机组;
本地存储模块,用于临时存储储能子站的功率命令值以及该储能子站中所有储能机组的功率命令值、实时数据、非实时数据;并且将临时存储于该模块中的所有储能机组的功率命令值和实时数据通过本地实时通讯模块传至中央监控模块中进行存储;和
本地通讯模块,包括本地实时通讯模块和本地非实时通讯模块,所述本地实时通讯模块通过实时通信网络分别与中央监控模块和所有储能机组进行实时通信,所述本地非实时通讯模块通过非实时监测通信网络分别与中央监控模块和所有储能机组进行非实时通信。
3.一种兆瓦级电池储能电站的监控方法,其包括如下步骤:
步骤A、中央监控模块通过通信网络读取电池储能电站的相关数据,并对上述数据进行存储和管理,所述通信网络采用实时通信网络和非实时监测通信网络并行的网络结构;
步骤B、基于中央监控模块确定电池储能电站总功率需求,所述电池储能电站总功率需求包括下述任一种:平滑风光发电出力波动所需的电池储能电站总功率需求、跟踪计划所需的电池储能电站总功率需求、调频所需的电池储能电站总功率需求、削峰填谷所需的电池储能电站总功率需求、安全稳定控制所需的电池储能电站总功率需求、或者外部调度中心直接下发的电池储能电站总功率需求;
步骤C、基于中央监控模块确定电池储能电站中各储能子站的功率命令值,并下发给各本地监控模块;
步骤D、基于本地监控模块计算出该模块所管辖储能子站中各储能机组的功率命令值,并下发给各储能机组;
步骤E、将临时存储于本地监控模块中各储能机组的功率命令值、实时数据和非实时数据通过通信网络上传至中央监控模块进行存储和管理;
在步骤B中,通过如下方法确定所述电池储能电站总功率需求:
B1)实时读取风光发电平滑目标值和风光发电总功率值P风光总,前者减去后者的差值即为当前平滑风光发电出力波动所需的电池储能电站总功率需求且满足:
上述式中,P风电总为风力发电总功率值;P光伏总为光伏发电总功率值;T滤波、T1、T2、T3均为滤波时间常数值,且满足T1<T2<T3;r波动率为风光发电波动率值;s为复变量;T为波动率计算时间;δ1、δ2均为风光发电滤波率指标值,且满足δ1<δ2; 分别为T时间内风光发电总功率值中的最大值、最小值和风光发电额定功率,该额定功率为风力发电额定功率与光伏发电额定功率之和,通过下式计算;
上述式中,为风机机组k的额定功率;u风电k为风机机组k的可控状态,当该风机机组k可控时,此状态值为1,其他值为0;W为风机机组个数;为光伏机组k的额定功率;u光伏k为光伏机组k的可控状态,当该光伏机组k可控时,此状态值为1,其他值为0;V为光伏机组个数;
B2)求取跟踪计划所需的电池储能电站总功率需求,其具体步骤包括:
首先,读取各时刻的风光发电计划值,并通过下式确定当前风光储联合发电总功率值:
其次,读取当前风力发电机组的风力发电总功率值P风电总和光伏发电机组的光伏发电总功率值P光伏总,并通过下式确定当前电池储能电站总功率需求
最后,通过下述方法对进行判断和再修正,以获得最终的跟踪计划所需的电池储能电站总功率需求:
如果且则
如果且则
上述式中,P风光储为风光储联合发电总功率值;Δt为控制周期;和是分别为当前时刻和下一时刻的风光发电计划值;分别为电池储能电站的最大允许充、放电功率;
B3)求取调频所需的电池储能电站总功率需求,其具体步骤包括:
实时读取参与***调频功率命令值
当为正值时,表示该电池储能电站将处于放电状态,则判断是否满足下列储能机组的最大允许放电功率约束条件:
如有违反最大允许放电功率约束条件的,令否则,令
当为负值时,表示该电池储能电站将处于充电状态,则判断是否满足下列储能机组的最大允许充电功率约束条件:
如有违反最大允许充电功率约束条件的,令否则,令
B4)求取削峰填谷所需的电池储能电站总功率需求,其具体步骤包括:
首先,实时读取当前时刻的削峰填谷曲线值和***负荷曲线值,并通过下式确定出当前时刻的储能电站总功率需求
其次,通过下述方法对进行判断和再修正,以获得最终的削峰填谷所需的电池储能电站总功率需求:
如果且则
如果且则
上述式中,P负荷、P当前时刻削峰填谷值分别为***负荷曲线值和削峰填谷曲线值;
B5)将电池储能电站的最大允许放电功率作为安全稳定控制所需的电池储能电站总功率需求;
B6)实时读取外部调度中心直接下发的电池储能电站总功率需求。
4.如权利要求3所述的监控方法,其特征在于,在步骤C中,实时确定所述电池储能电站中各储能子站的功率命令值的具体方法包括:
当电池储能电站总功率需求为正值时,各储能子站的功率命令值P子站i为:
如果有任何一个子站i的功率需求值P子站i满足条件P子站i>0且则基于下式重新确定P子站i:
当电池储能电站总功率需求为负值时,各储能子站的功率命令值P子站i为:
如果有任何一个子站i的功率需求值P子站i满足条件P子站i<0且则基于下式重新确定P子站i:
上述各式中,u子站i为储能子站i的可控状态;SOC子站i为储能子站i的荷电状态值;SOD子站i为储能子站i的放电状态值,SOD子站i=1-SOC子站i;S为储能子站个数;为电池储能电站总功率需求;P子站i为储能子站i的功率需求值;为储能子站i的最大允许放电功率;为储能子站i的最大允许充电功率;Pk 最大允许放电为储能机组k的最大允许放电功率;Pk 最大允许放电为储能机组k的最大允许充电功率;L为一个子站i中储能机组个数;uk为一个子站i中的储能机组k的可控状态,当该储能机组k可控时,此状态值为1,其他值为0。
5.如权利要求3所述的监控方法,其特征在于,在步骤D中,计算储能子站中所有储能机组的功率命令值的具体方法包括:根据储能子站的功率命令值符号,选择通过最大允许放电功率或最大允许充电功率来计算各储能机组的决策变量,进而求取各储能机组的功率命令值;并且判断各储能机组是否满足最大允许放电功率约束条件或最大允许充电功率约束条件,如果有违反相应约束条件的储能机组,则通过最大允许放电功率或最大允许充电功率重新计算该储能机组的功率命令值;否则,结束判断。
6.如权利要求5所述的监控方法,其特征在于,所述步骤D的具体方法包括:
步骤D1、当储能子站i的功率命令值P子站i为正值时,计算该储能子站中各储能机组功率命令值的方法包括:
D11)通过遗传算法计算出各储能机组的决策变量xi:
D12)通过下式计算各储能机组i的功率命令值Pi:
D13)判断步骤D12得出的各储能机组i的功率命令值Pi是否满足下列储能机组有功功率的最大允许放电功率约束条件:Pi≤Pi 最大允许放电
D14)如果有违反最大允许放电功率约束条件的储能机组,则通过下式重新确定各储能机组i的功率命令值Pi;否则结束判断;
步骤D2、当储能子站i的功率命令值P子站i为负值时,计算该储能子站中各储能机组功率命令值的方法包括:
D21)通过遗传算法计算出各储能机组的决策变量xi:
D22)通过下式计算参与跟踪计划的各储能机组i的功率命令值:
D23)判断步骤D22得出的各储能机组i的功率命令值是否满足下列电池储能机组有功功率的最大允许充电功率约束条件:|Pi|≤|Pi 最大允许充电|
D24)如果有违反最大允许充电功率约束条件的储能机组,则通过下式重新确定各储能机组i的功率命令值Pi;否则,结束判断:
上述式中,ui为i号储能机组的可控信号,当该储能机组i可控时,此状态值为1,其他值为0;xi为0-1决策变量;SOCi、SODi分别为i号储能机组的荷电、放电状态,SODi=1-SOCi;L为电池储能机组个数;Pi 额定为i号储能机组的额定功率;Pi 最大允许充电、Pi 最大允许放电为i号储能机组的最大允许充、放电功率。
7.如权利要求6所述的方法,其特征在于,
所述步骤D11中计算各储能机组的决策变量xi的方法包括:
(11a)确定群体中的个体个数N,每个个体中的基因个数为储能机组个数L,对每个个体进行二进制编码,随机生成N个个体作为初始群体,得到各个体中基因串的0、1组合方式,并令进化代数计数器值G=0;
(11b)判断进化代数计数器值G是否小于等于最大进化代数计数器值Gmax,且每个个体是否满足下式的约束条件:如果上述两个判断条件均满足,则执行步骤11c;否则,跳转至步骤11f;
(11c)基于下式计算每个个体k所对应的适应度值Sk;
其中k=1,……,N
(11d)基于步骤11c计算得出的适应度值,按照优胜劣汰原理进行选择操作,然后基于交叉概率和变异概率分别进行重组和变异操作后得到子代;
(11e)基于下述目标函数(I)选择出最优子代,并将其按照***概率重新***到种群中进行替代操作;然后令G=G+1,跳转至步骤11b;
(11f)计算满足目标函数(I)的最优解,对最优解对应的个体进行解码后得出其基因串的排列组合方式,每个基因值即为与之对应的储能机组i的决策变量值xi,其中i=1,……,L;
所述步骤D21中计算各储能机组的决策变量xi的方法包括:
(21a)确定群体中的个体个数N,每个个体中的基因个数为储能机组个数L,对每个个体进行二进制编码,随机生成N个个体作为初始群体,得到各个体中基因串的0、1组合方式,并令进化代数计数器值G=0;
(21b)判断进化代数计数器值G是否小于等于最大进化代数计数器值Gmax,且每个个体是否满足下式的约束条件:如果上述两个判断条件均满足,则执行步骤21c;否则,跳转至步骤21f;
(21c)基于下式计算每个个体k所对应的适应度值Sk;
其中k=1,……,N
(21d)基于步骤21c计算得出的适应度值,按照优胜劣汰原理进行选择操作,然后基于交叉概率和变异概率分别进行重组和变异操作后得到子代;
(21e)基于下述目标函数(II)选择出最优子代,并将其按照***概率重新***到种群中进行替代操作;然后令G=G+1,跳转至步骤21b;
(21f)计算满足目标函数(II)的最优解,对最优解对应的个体进行解码后得出其基因串的排列组合方式,每个基因值即为与之对应的储能机组i的决策变量值xi,其中i=1,……,L。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210091324.1A CN103560532B (zh) | 2012-03-30 | 2012-03-30 | 一种兆瓦级电池储能电站的监控***及其方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210091324.1A CN103560532B (zh) | 2012-03-30 | 2012-03-30 | 一种兆瓦级电池储能电站的监控***及其方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103560532A CN103560532A (zh) | 2014-02-05 |
CN103560532B true CN103560532B (zh) | 2015-09-09 |
Family
ID=50014725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210091324.1A Active CN103560532B (zh) | 2012-03-30 | 2012-03-30 | 一种兆瓦级电池储能电站的监控***及其方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103560532B (zh) |
Families Citing this family (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015054869A1 (zh) * | 2013-10-17 | 2015-04-23 | 国网新源张家口风光储示范电站有限公司 | 一种兆瓦级电池储能电站的监控***及其方法 |
CN104810843A (zh) * | 2014-12-08 | 2015-07-29 | 盐城工学院 | 基于电池荷电状态的mw级电池储能***有功功率控制方法 |
CN105529728B (zh) * | 2016-01-18 | 2022-03-18 | 中国电力科学研究院 | 考虑多源信息融合和计划出力的储能可调度容量预测方法 |
CN107336611B (zh) * | 2016-11-18 | 2019-06-04 | 安徽江淮汽车集团股份有限公司 | 一种汽车电池传感器匹配方法及*** |
CN108242818B (zh) * | 2016-12-26 | 2020-09-29 | 北京天诚同创电气有限公司 | 储能电站的控制***及控制***的通信方法 |
CN106712109B (zh) * | 2016-12-27 | 2020-03-27 | 中国电力科学研究院 | 一种提升大规模光储联合***发电量的控制方法及*** |
CN106786697B (zh) * | 2016-12-29 | 2023-05-23 | 中国电力科学研究院 | 一种基于多代理的大规模电池储能电站监控***和方法 |
CN109066894A (zh) * | 2018-09-11 | 2018-12-21 | 深圳市科陆电子科技股份有限公司 | 基于agc调频储能***的多级soc均衡控制方法 |
CN110061515B (zh) * | 2019-05-23 | 2024-04-16 | 中国电建集团江西省电力建设有限公司 | 一种应用于光伏发电场的锌铁液流电池的储能监控装置 |
CN110460073B (zh) * | 2019-07-17 | 2021-04-16 | 许继集团有限公司 | 一种储能***自动增益控制的控制方法及装置 |
CN110806513B (zh) * | 2019-09-16 | 2022-03-15 | 国网河北省电力有限公司电力科学研究院 | 一种储能电站一体化并网检测***及检测方法 |
CN111697605A (zh) * | 2020-06-29 | 2020-09-22 | 深圳市龙星辰电源有限公司 | 一种智能电网能量交互传递的控制方法 |
US11171485B1 (en) | 2021-05-24 | 2021-11-09 | 8Me Nova, Llc | Systems and methods for flexible renewable energy power generation |
CN113991666B (zh) * | 2021-11-17 | 2024-05-24 | 国网北京市电力公司 | 一种前池含储能的径流式小水电站电网***及控制方法 |
CN114416815B (zh) * | 2021-12-15 | 2022-12-27 | 中国科学院国家授时中心 | 基于大数据存储平台的卫星数据分布式处理***和方法 |
CN116345501B (zh) * | 2023-02-06 | 2023-11-17 | 北京东润环能科技股份有限公司 | 新能源电场的储能运行方法、装置、存储介质和电子设备 |
CN116191517A (zh) * | 2023-04-27 | 2023-05-30 | 北京国能国源能源科技有限公司 | 一种基于风光的储能*** |
CN116819209B (zh) * | 2023-06-29 | 2023-12-26 | 广州市兆能有限公司 | 储能电站涉网性能测试方法及*** |
CN116760189A (zh) * | 2023-08-08 | 2023-09-15 | 山东电工时代能源科技有限公司 | 一种适用于大型储能电站的ems监控*** |
CN117439270A (zh) * | 2023-10-31 | 2024-01-23 | 广东首航智慧新能源科技有限公司 | 储能监控***及其控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101752609A (zh) * | 2009-12-30 | 2010-06-23 | 江苏春兰清洁能源研究院有限公司 | 一种兆瓦级镍氢电池储能*** |
CN201898344U (zh) * | 2010-11-25 | 2011-07-13 | 上海市电力公司 | 钠硫电池储能监控*** |
CN102214934A (zh) * | 2011-06-03 | 2011-10-12 | 中国电力科学研究院 | 基于兆瓦级电池储能电站的风光发电出力平滑控制方法 |
CN102355057A (zh) * | 2011-09-25 | 2012-02-15 | 国网电力科学研究院 | 微电网***计算机监控方法 |
-
2012
- 2012-03-30 CN CN201210091324.1A patent/CN103560532B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101752609A (zh) * | 2009-12-30 | 2010-06-23 | 江苏春兰清洁能源研究院有限公司 | 一种兆瓦级镍氢电池储能*** |
CN201898344U (zh) * | 2010-11-25 | 2011-07-13 | 上海市电力公司 | 钠硫电池储能监控*** |
CN102214934A (zh) * | 2011-06-03 | 2011-10-12 | 中国电力科学研究院 | 基于兆瓦级电池储能电站的风光发电出力平滑控制方法 |
CN102355057A (zh) * | 2011-09-25 | 2012-02-15 | 国网电力科学研究院 | 微电网***计算机监控方法 |
Non-Patent Citations (1)
Title |
---|
储能监控***结构设计;鞠建永等;《第十三届中国科协年会第15分会场-大规模储能技术的发展与应用研讨会论文集》;20110921;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN103560532A (zh) | 2014-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103560532B (zh) | 一种兆瓦级电池储能电站的监控***及其方法 | |
US9660450B2 (en) | Monitoring system and method for megawatt level battery energy storage power plant | |
Wu et al. | Hierarchical operation of electric vehicle charging station in smart grid integration applications—An overview | |
Li et al. | Optimal control and management of a large-scale battery energy storage system to mitigate fluctuation and intermittence of renewable generations | |
CN103368193B (zh) | 用于跟踪计划出力的电池储能电站实时功率分配方法 | |
CN104348256B (zh) | 考虑充放电倍率的多类型电池储能电站能量管理方法 | |
CN202633961U (zh) | 一种电池储能电站的监控*** | |
CN104253470A (zh) | 电动汽车与电网互动协调的有序充电控制方法 | |
CN104638772A (zh) | 基于风功率预测的电池储能电站能量管理方法 | |
CN102545214A (zh) | 一种含电池储能设备的风电场可靠性评估方法 | |
CN103368192B (zh) | 基于贪心策略的电池储能电站功率控制方法及其*** | |
CN107037733B (zh) | 风电场储能硬件在环测试调整***及方法 | |
CN103187750A (zh) | 兆瓦级电池储能电站实时功率控制方法及其*** | |
CN106786697A (zh) | 一种基于多代理的大规模电池储能电站监控***和方法 | |
Li et al. | Integration and energy management of large-scale lithium-ion battery energy storage station | |
CN109617103A (zh) | 一种储能机组的梯次利用储能电池能量控制方法和*** | |
Zheng et al. | Optimal short-term power dispatch scheduling for a wind farm with battery energy storage system | |
CN105893714B (zh) | 基于大电网仿真***下的自动电压控制***闭环检测及评估方法 | |
CN116094032A (zh) | 高渗透率光伏接入的配电网云边端协同能量自平衡方法 | |
CN103560533B (zh) | 基于变化率控制储能电站平滑风光发电波动的方法及*** | |
CN104253439A (zh) | 电池储能电站无功功率分配与控制方法 | |
CN115719979A (zh) | 新能源微电网离网运行的源荷储协调控制方法及*** | |
Li et al. | Monitoring and control for hundreds megawatt scale battery energy storage station based on multi-agent: methodology and system design | |
Khalid et al. | SoC-based decentralized power management in multi BESS-PV for EVs charging applications | |
Cheng et al. | Research on Intelligent Operation and Maintenance System of Battery Based on Digital Twin |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |