CN106451504A - 一种混合储能***配置成本的控制方法及装置 - Google Patents
一种混合储能***配置成本的控制方法及装置 Download PDFInfo
- Publication number
- CN106451504A CN106451504A CN201610911483.XA CN201610911483A CN106451504A CN 106451504 A CN106451504 A CN 106451504A CN 201610911483 A CN201610911483 A CN 201610911483A CN 106451504 A CN106451504 A CN 106451504A
- Authority
- CN
- China
- Prior art keywords
- storage system
- energy
- deployment cost
- power
- energy storage
- 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.)
- Pending
Links
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种混合储能***配置成本的控制方法及装置,该控制方法包括:获取计算混合储能***配置成本所需的目标成本函数以及所述目标成本函数对应的约束条件,作为所述混合储能***的配置成本控制模型;针对所述配置成本控制模型中的配置参数,对所述配置成本控制模型进行计算直至达到所述混合储能***的配置成本条件,以确定所述配置参数的目标参数值。利用该控制方法,能够在综合考虑混合储能***中储能装置的能量密度、使用寿命等客观条件的前提下,保证混合储能***具有较好的功率输出平滑效果的同时,保证配置混合储能***所需的配置成本最优,进而达到降低电网***建设投资成本的目的。
Description
技术领域
本发明实施例涉及电力技术领域,尤其涉及一种混合储能***配置成本的控制方法及装置。
背景技术
随着能源与环境问题的日益严峻,节能减排问题已得到广泛关注,风能、太阳能等清洁能源在我国一次能源中的比重逐步提升,相应的风力发电、光伏发电近年来也得到了大力发展。然而,风力和光伏发电主要依赖于变化的气象条件,其发电的输出功率具有波动性和间歇性,为了解决上述问题,可以在建设清洁能源发电的同时配置一定的储能***,通过所配置的储能***在发电富余时充电,发电不足时放电,由此达到平滑风、光发电输出功率的目的,提高***对清洁能源的接纳能力。
一般的,储能***中用于储能的装置分为两种类型,一种是能量型储能,如蓄电池,另一种是功率型储能,如超级电容。这两种类型的储能装置各有优缺点,如以蓄电池为代表的能量型储能具有能量密度高的优点,但频繁充放电会快速降低电池使用寿命;如以超级电容为代表的功率型储能尽管其能量密度较低,但功率密度高,且可充放电次数多。
目前,在储能***的建设过程中,通常将能量型储能和功率型储能结合在一起使用,形成优势互补的混合储能***,进而更好地保证风、光发电功率输出的平滑效果。然而,在对混合储能***进行配置时,传统的配置方法只是考虑了储能***的安装容量,单纯地分析了储能电站的接入对电网某方面效益的影响,并没有具体考虑储能***混合配置时的配置成本,造成投资成本过高的局面,因此,在保证混合储能***工作效率的前提下,还需要考虑如何更好的对配置成本进行控制。
发明内容
本发明提供了一种混合储能***配置成本的控制方法及装置,在保证发电功率输出平滑效果的同时达到了配置成本最优的目的。
本发明实施例采用以下技术方案:
第一方面,本发明实施例提供了一种混合储能***配置成本的控制方法,该方法包括:
获取计算混合储能***配置成本所需的目标成本函数以及所述目标成本函数对应的约束条件,作为所述混合储能***的配置成本控制模型;
针对所述配置成本控制模型中的配置参数,对所述配置成本控制模型进行计算直至达到所述混合储能***的配置成本条件,以确定所述配置参数的目标参数值。
第二方面,本发明实施例还提供了一种混合储能***配置成本的控制装置,该装置包括:
信息获取模块,用于获取计算混合储能***配置成本所需的目标成本函数以及所述目标成本函数对应的约束条件,作为所述混合储能***的配置成本控制模型;
目标参数值确定模块,用于针对所述配置成本控制模型中的配置参数,对所述配置成本控制模型进行计算直至达到所述混合储能***的配置成本条件,以确定所述配置参数的目标参数值。
本发明提供了一种混合储能***配置成本的控制方法及装置。该控制方法首先获取计算混合储能***配置成本所需的目标成本函数以及与目标成本函数对应的约束条件,作为混合储能***的配置成本控制模型;然后,针对目标成本函数的配置参数,对配置成本控制模型进行计算直至达到混合储能***的配置成本条件,由此确定出配置参数的目标参数值,从而可以基于所确定目标参数值配置混合储能***。利用该控制方法,在综合考虑混合储能***中储能装置的能量密度、使用寿命等客观条件的前提下,既保证混合储能***具有较好的功率输出平滑效果,又保证了配置混合储能***所需的配置成本最优,进而达到降低电网***建设投资成本的目的。
附图说明
图1为本发明实施例一提供的一种混合储能***配置成本的控制方法的流程图;
图2为本发明实施例二提供的一种混合储能***配置成本的控制方法的流程图;
图3a为本发明实施例三提供的一种混合储能***配置成本的控制方法的优选实施例;
图3b为本发明实施例三中所构建电网***的架构示意图;
图4为本发明实施例四提供的一种混合储能***配置成本的控制装置的结构框图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
一般的,基于清洁能源进行发电时,需要建设新型的电网***,所述清洁能源具体可以为风能及太阳能等依赖于自然界产生的无污染能源。具体的,所述电网***中包括了分布式发电机组、储能***以及外部配电区域,其中,所述分布式发电机组具体可用于基于清洁能源进行发电出力;所述储能***具体可用来进行充放电出力,来平滑所述分布式发电机组的输出功率;所述外部配电区域主要用于分配及传送电力,以供用电者使用。
此外,建设电网***时所采用的储能***通常为混合储能***,所述混合储能***具体可理解为基于能量型储能***以及功率型储能***的混合配置所构建的储能***。一般的,所述混合储能***由蓄电池和超级电容组成,基于二者所具有的自身特性,将二者进行混合配置起到了优势互补的效果,由此保证了所述混合储能***的工作效率。然而,在保证混合储能***工作效率之后,还需要考虑所述混合储能***的配置成本,如果其配置成本过高,则有可能因投资成本过高而不适用于实际的电网***建设,因此,可以基于本发明实施例提供的一种混合储能***配置成本的控制方法来控制所述配置成本。
实施例一
图1为本发明实施例一提供的一种混合储能***配置成本的控制方法的流程图,本实施例可适用于在电网***建设过程中对混合储能***建设时的配置成本进行规划的情况,该方法可以由一种混合储能***配置成本的控制装置来执行。该装置可通过硬件和/或软件的方式实现,并一般可集成在用于电网***规划建设的规划***中。
如图1所示,本实施例一提供的一种混合储能***配置成本的控制方法,具体包括:
S110、获取计算混合储能***配置成本所需的目标成本函数以及所述目标成本函数对应的约束条件,作为所述混合储能***的配置成本控制模型。
在本实施例中,为了保证所述混合储能***能够适用到实际的电网***建设中,可以在所述电网***建设的规划阶段对所述混合储能***的配置成本进行规划控制,以使所述混合储能***的配置成本最优。在本实施例中,要实现对所述配置成本的控制,首先需要获取与所述配置成本相关的计算公式以及相应的约束条件。
具体的,本实施例将与所述配置成本相关的计算公式称为目标成本函数,所述目标成本函数可以是预先设定的,可以在进行配置成本控制之前直接获取;此外,在获取所述目标成本函数之后,还需要获取相应的约束条件,所述约束条件具体可理解为混合储能***配置中需要受到的限定条件;最终,可以将所获取的目标成本函数以及所述约束条件作为所述混合储能***的配置成本控制模型,以基于所述配置成本控制模型来控制所述混合储能***的配置成本,并保证所述配置成本最优。
进一步的,所述目标成本函数表示为:
其中,Csum为所述混合储能***的总配置成本值,Cenergy(PE,EE)为能量型储能***的配置成本,Cpower(PP,EP)为功率型储能***的配置成本,PE,EE分别表示能量型储能***的额定功率(kW)和额定容量(kWh),PP,EP分别表示功率型储能***的额定功率(kW)和额定容量(kWh),且(PE,EE,PP,EP)表示在所述配置成本控制模型中所述配置参数对应的一组参数值,Coperater为混合储能***一次充放电所产生的运行费用,n为混合储能***充放电时其充放电深度达到设定深度的总次数。
具体的,可以基于Cenergy(PE,EE)=K1×PE+K2×EE计算所述能量型储能***的配置成本,其中,K1是单位功率成本(元/kW),K2是单位容量成本(元/kWh),PE是能量型储能***的额定功率(kW),EE是能量型储能***的额定容量(kWh);还可以基于Cpower(PP,EP)=K3×PP+K4×EP计算所述功率型储能***的配置成本,其中,K3是单位功率成本(元/kW),K4是单位容量成本(元/kWh),PP是功率型储能***的额定功率(kW),EP是功率型储能***的额定容量(kWh)。
在本实施例中,基于上述给定的目标成本函数可以发现,所述混合储能***的总配置成本值取决于混合中能***中能量型储能***以及功率型储能***的配置能本,而所述能量型储能***以及功率型储能***的配置成本又取决于各自储能***的额定功率和额定容量。此外,基于所述目标成本函数的表达式还可以发现,所述总配置成本值的大小还与混合储能***充放电时所产生的运行费用相关,但是由于混合储能***充放电时所产生的运行费用需要基于混合储能***的实际工作情况获得,所以本实施例对所述混合储能***的配置成本进行控制时,可以直接将所述混合储能***充放电时产生的运行费用确定为一个历史经验值。综上所述,所述混合储能***的总配置成本值主要与所述能量型储能***以及功率型储能***所对应的额定功率及额定容量的取值相关。因此,可以将所述能量型储能***以及功率型储能***所对应的额定功率及额定容量作为所述配置成本控制模型的配置参数,并通过确定所述配置参数的参数值来确定所述总配置成本值。
所述约束条件包括:电网***中的物理约束、所述能量型储能***中的功率约束和荷电状态SOC约束以及所述功率型储能***中的功率约束和SOC约束;所述电网***包括分布式发电机组、混合储能***以及外部配电区域。
在本实施例中,在基于所述目标成本函数确定所述总配置成本之前,要求所述目标成本函数中配置参数的取值能够满足所述目标成本函数对应的约束条件。具体的,所述约束条件主要从三个方面对所述混合储能***配置进行限制,其中,第一方面是电网***中的物理约束,第二方面是能量型储能***以及功率型储能***中的功率约束,第三方面是能量型储能***以及功率型储能***中的荷电状态(state of charge,SOC)约束。
在本实施例中,所述约束条件的第一方面主要从整个电网***中各个节点和支路的物理电路的设计层面进行限制,其中,所述电网***包括分布式发电机组、混合储能***以及外部配电区域;所述约束条件的第二方面主要从能量型储能***以及功率型储能***中的输出功率层面进行限制,以保证所述能量型储能***以及功率型储能***的输出功率处于功率限定范围内;所述约束条件的第三方面主要从能量型储能***以及功率型储能***的SOC层面进行限定,以保证所述能量型储能***以及功率型储能***的SOC处于限定范围内。进一步的,所述SOC具体可用于描述储能***中的剩余电量,为储能***在某时刻存储的电量与其额定存储电量的比值,其数学表达式为:
SOC(t)=E(t)/EN,在该表达式中,变量E(t)为储能在第t个时刻存储的电量(kWh),EN为储能***的额定容量。此外,所述储能***进行充放电的过程基于表达式可描述为:
在该表达式中,P(t)表示储能***在第t个时刻对应的充放电功率(kW),且当P(t)的值为“+”时处于充电状态,当值为“-”时处于放电状态;ηd为储能***的放电效率;ηc为储能***的充电效率;Δt是第t-1个时刻~第t个时刻之间的时间间隔(h)。
在本实施例中,所述约束条件用公式可表达为:
Umin≤Ui(t)≤Umax i∈SB (3)
Ii(t)≤Imax i∈SL (4)
PE min≤PE(t)≤PE,PP min≤PP(t)≤PP (5)
SOCE min≤SOCE(PE,EE)≤SOCE max,SOCP min≤SOCP(PP,EP)≤SOCP max (6)
其中,式(1)、式(2)、式(3)以及式(4)对应于所述约束条件中电网***的物理约束,具体的,式(1)和式(2)为电网***实际工作时的功率平衡等式约束,PGi、PDi分别为发电机节点和负荷节点的有功(kW),QGi、QDi分别为发电机节点和负荷节点的无功(kVar),Ui为节点电压(kV),Gij、Bij为支路的导纳(S)和阻抗(Ω),SB为外部配电区域的节点集合,式(1)和式(2)为电力***领域的基础公式,这里不再赘述;式(3)为电网***中物理电路的电压约束,式(4)为电网***中支路电路的电流约束,且SL为外部配电区域的支路集合;此外,式(5)和式(6)对应于能量型储能***以及功率型储能***中的输出功率约束和SOC约束,且式(5)和式(6)中的PE,EE,PP,EP为所述配置成本控制模型中的配置参数。
S120、针对所述配置成本控制模型中的配置参数,对所述配置成本控制模型进行计算直至达到所述混合储能***的配置成本条件,以确定所述配置参数的目标参数值。
在本实施例中,可以基于所述配置成本控制模型中的配置参数对所述配置成本控制模型进行计算,并最终获得满足所述混合储能***配置成本条件的目标参数值。可以理解的是,在确定出所述目标参数值之后,基于所述目标参数值可以确定配置所述混合储能***时所需不同类型储能装置的具体个数,由此确定所述混合储能***的具体配置方案,其中,所述储能装置一般包括能量型储能***(如蓄电池)和功能型储能***(如超级电容)。
需要注意的是,对所述配置成本控制模型的计算过程为一个基于配置参数选取最优值或次优值的迭代计算过程,因此,在本实施例中,对所述配置成本控制模型的计算可以基于模拟退火算法、遗传算法或者粒子群优化算法等迭代求解的算法来实现。
进一步的,针对所述配置成本控制模型中的配置参数,对所述配置成本控制模型进行计算直至达到所述混合储能***的配置成本条件,以确定所述配置参数的目标参数值,包括:
针对所述配置成本控制模型中的配置参数,基于粒子群优化算法对所述配置成本控制模型进行计算直至达到所述混合储能***的配置成本条件,以确定所述配置参数的目标参数值。
在本实施例中,对上述模拟退火算法、遗传算法以及粒子群优化算法各自所对应算法原理及实现过程分析之后,可以发现,所述粒子群优化算法与遗传算法相比,其设定规则更为简单,没有遗传算法的“交叉”(Crossover)和“变异”(Mutation)操作,能够仅通过当前搜索到的最优值来寻找全局最优,所述粒子群优化算法与模拟退火算法相比,该算法又具有计算精度高、迭代收敛快等优点。因此,本实施例优选地基于所述粒子群优化算法对所述配置成本控制模型进行计算,进而确定出所述配置参数的目标参数值。
本发明实施例一提供的一种混合储能***配置成本的控制方法,首先获取计算混合储能***配置成本所需的目标成本函数以及与目标成本函数对应的约束条件,作为混合储能***的配置成本控制模型;然后,针对目标成本函数的配置参数,对配置成本控制模型进行计算直至达到混合储能***的配置成本条件,由此确定出配置参数的目标参数值,从而可以基于所确定目标参数值配置混合储能***。利用该控制方法,在综合考虑混合储能***中储能装置的能量密度、使用寿命等客观条件的前提下,既保证混合储能***具有较好的功率输出平滑效果,又保证了配置混合储能***所需的配置成本最优,进而达到降低电网***建设投资成本的目的。
实施例二
图2为本发明实施例二提供的一种混合储能***配置成本的控制方法的流程图,本实施例在上述实施例的基础上进行优化,在本实施例中,将“针对所述配置成本控制模型中的配置参数,基于粒子群优化算法对所述配置成本控制模型进行计算直至达到所述混合储能***的配置成本条件,以确定所述配置参数的目标参数值”进一步优化为:a、设置迭代变量并将所述迭代变量的值初始化为0;b、确定所述配置成本控制模型的候选配置参数集,其中,所述候选配置参数集包含所述配置参数的至少一组候选参数值;c、为所述候选配置参数集中的各组候选参数值确定相应的更新系数;d、基于所述目标成本函数,计算所述候选配置参数集中至少一组候选参数值对应的总配置成本值;e、确定所述至少一个总配置成本值中的最小值,记所述最小值为候选成本值,并将所述候选成本值及对应的候选参数值存放于设定缓存中;f、判定是否满足设定的配置成本条件,若否,则执行步骤g;若是,则执行步骤h;g、对所述迭代变量进行自增加操作,并基于所述更新系数对所述候选配置参数集中相应的候选参数值进行更新操作,形成新的候选配置参数集,之后返回步骤c;h、确定所述设定缓存中候选成本值的最小值,将所述最小值对应的候选参数值作为所述配置参数的目标参数值输出,并结束循环操作。
如图2所示,本发明实施例二提供的一种混合储能***配置成本的控制方法,具体包括:
S210、获取计算混合储能***配置成本所需的目标成本函数以及所述目标成本函数对应的约束条件,作为所述混合储能***的配置成本控制模型。
S220、设置迭代变量并将所述迭代变量的值初始化为0。
示例性的,所述粒子群优化算法为一个迭代求解的算法,因此,在算法开始时需要设定迭代变量并将其值初始为0。
S230、确定所述配置成本控制模型的候选配置参数集,其中,所述候选配置参数集包含所述配置参数的至少一组候选参数值。
具体的,所述粒子群优化算法是一种并行算法,因此所述粒子群算法一般存在多个输入值,且可对所述多个输入值同时进行计算。在本实施例中,可以将所述配置成本控制模型中配置参数对应的一组参数值看做一个输入值,因此,可以选取所述配置参数对应的多组参数值同时作为算法的输入值。为了便于表述,本实施例将作为算法输入值的一组参数值称为一组候选参数值,并加入到设定的候选配置参数集中。示例性的,所述候选配置参数集中的第i组候选参数值可以表示为:(PEi,EEi,PPi,EPi)。
在本实施例中,要确定算法输出的目标参数值,首先需要确定包含多组候选参数值的候选配置参数集。进一步的,所述确定所述配置成本控制模型的候选配置参数集,包括:
在设定采样时长内以设定时间间隔采集所述分布式发电机组的发电输出功率,形成发电输出功率曲线并记为发电采样数据;对所述发电采样数据进行数据频谱分析,分别获取所述能量型储能***以及所述功率型储能***的储能输出功率曲线;基于所述能量型储能***以及所述功率型储能***的储能输出功率曲线,分别确定相应的额定功率范围和额定容量范围;基于所述能量型储能***以及所述功率型储能***的额定功率取值范围和额定容量取值范围,分别确定至少一组额定功率值及相应的额定容量值,形成所述配置参数的至少一组候选参数值;如果所述至少一组候选参数值满足所述目标成本函数对应的约束条件,则将所述至少一组候选参数值加入设定的候选配置参数集中。
在本实施例中,所述设定采样时长的取值至少大于15分钟;所述分布式发电机组为清洁能源发电机组,因清洁能源发电时的发电出力波动性较大,所以采集所得的发电输出功率曲线的峰值波动也很大,由此需要基于电网***中的储能***通过充放电来平滑所述发电输出功率曲线。一般的,基于储能***的充放电对所述发电输出功率曲线进行平滑操作时,可以对所述发电输出功率曲线进行数据频谱分析为所述储能***确定一条理想的储能输出功率曲线。
在本实施例中,对于所述储能输出功率曲线而言,如将所述储能输出功率曲线置于一个平面坐标系中,则该坐标系的横坐标轴表示时间,纵坐标轴表示储能输出功率,其中不同时刻对应的储能输出功率也相当于储能***在不同时刻对应的额定功率,因此,基于所述储能输出功率曲线可以确定所述储能***的额定功率范围。此外,基于所述储能输出功率曲线还可以确定各个时刻的额定功率所对应的额定容量,示例性的,t时刻所对应的额定容量具体可认为是所述储能输出功率曲线在t时刻对应的积分值,因此,基于所述储能输出功率曲线还可以确定所述储能***的额定容量范围。在本实施例中,在确定所述额定功率范围以及所述额定容量范围后,可以在所述额定功率范围中确定多个额定功率,还可以基于所确定的额定功率来确定相应的额定容量,由此可以获得多组满足所述约束条件的候选参数值。需要说明的是,本实施例中提及的储能***均可认为是功率型储能***或能量型储能***。
进一步的,所述对所述发电采样数据进行数据频谱分析,分别获取所述能量型储能***以及所述功率型储能***的储能输出功率曲线,包括:
对所述发电采样数据进行快速傅里叶变换得到频谱分析结果;确定所述能量型储能***充放电时对应的能量最佳频段,以及确定所述功率型储能***充放电时对应的功率最佳频段;在所述频谱分析结果中确定至少一个属于所述能量最佳频段的频率值,并对所述至少一个频率值对应的幅值进行傅里叶逆变换,获得所述能量型储能***的储能输出功率曲线;在所述频谱分析结果中确定至少一个属于所述功率最佳频段的频率值,并对所述至少一个频率值对应的幅值进行傅里叶逆变换,获得所述功率型储能***的储能输出功率曲线。
示例性的,如果所述发电采样数据表示为PW,则对所述发电采样数据进行快速傅里叶变换后的结果可表示为:
其中,N为设定采样时长内采样点的个数;fp表示频率的集合,fp(n)表示第n个频率,fp(n)=(n-1)/(TS×N),TS为相邻采样时刻的时间长度(s);Xp(n)为快速傅里叶变换后第n个频率fp(n)所对应的幅值(n=1~N)。
在本实施例中,基于能量型储能***和功率型储能***的特点,可以确定所述能量型储能***充放电平滑发电输出功率时对应的能量最佳频段为0.0011Hz~0.003Hz;还可以确定所述功率型储能***充放电平滑发电输出功率时对应的功率最佳频段为大于0.003Hz。接上述示例,可以确定上述n个频率所属的频段,如果存在k个频率属于能量最佳频段的范围,则可以确定所述k个频率分别对应的幅值,之后对所述k个频率的幅值进行傅里叶逆变换,就可以得到所述能量型储能***对应的理想储能输出功率曲线;同理,也可以得出所述功率型储能***对应的理想储能输出功率曲线。
S240、为所述候选配置参数集中的各组候选参数值确定相应的更新系数。
在本实施例中,还需要为所述候选配置参数集中的各组候选参数值确定相应的更新系数,以在迭代过程中基于所述更新系数更新对应的候选参数值。示例性的,可将所述候选参数集中第i组候选参数值(PEi,EEi,PPi,EPi)对应的更新系数表示为(ΔPEi,ΔEEi,ΔPPi,ΔEPi)。
需要说明的是,所述候选参数值对应的更新系数在算法迭代之初为一个设定的初始值,之后随着算法的不断迭代,其更新系数也会发生变化,且所述更新系数的变化满足所述粒子群优化算法中设定的更新规则,对所述更新规则的描述可以参考所述粒子群优化算法的算法原理,这里不再详述。
S250、基于所述目标成本函数,计算所述候选配置参数集中至少一组候选参数值对应的总配置成本值。
S260、确定所述至少一个总配置成本值中的最小值,记所述最小值为候选成本值,并将所述候选成本值及对应的候选参数值存放于设定缓存中。
在本实施例中,基于步骤S250和步骤S260能够确定算法在当前迭代时的当前最优值。示例性的,所述当前最优值具体可为本实施例中计算所得的总配置成本值中的最小值,将所述最小值记为候选成本值。
一般的,对于粒子群优化算法而言,需要将每次迭代确定的当前最优值存放于设定的缓存中,以便于确定最终的目标最优值。因此,本实施例将所述候选成本值及对应的候选参数值存放于设定缓存中。
S270、判定是否满足设定的配置成本条件,若否,则执行步骤S280;若是,则执行步骤S290。
一般的,需要基于设定的结束条件来结束算法的循环迭代。本实施例将设定的配置成本条件作为结束条件。
进一步的,所述配置成本条件包括:所述迭代变量的值大于设定阈值和/或所述至少一个总配置成本值中的最小值不大于设定终止阈值。
S280、对所述迭代变量进行自增加操作,并基于所述更新系数对所述候选配置参数集中相应的候选参数值进行更新操作,形成新的候选配置参数集,之后返回步骤S240。
在本实施例中,当不满足设定的配置成本条件时,需要对迭代变量进行自增加操作(如迭代变量k=k+1),并继续进行下一次的迭代计算。在进行下一次迭代计算之前,需要确定下一次迭代的输入值,该输入值的确定可通过基于设定的更新系数对当前迭代的输入值进行更新实现,示例性的,下一次迭代的输入值等于当前迭代的输入值与所述更新系数之和。在本实施例中,可以用所确定的下一次迭代的输入值来将替换当前迭代的输入值,形成新的候选配置参数集。在确定下一次迭代的输入值之后,就可以返回步骤S240,进行下一次迭代更新系数的确定操作及其之后的计算操作。
S290、确定所述设定缓存中候选成本值的最小值,将所述最小值对应的候选参数值作为所述配置参数的目标参数值输出,并结束循环操作。
在本实施例中,当基于步骤S270确定满足设定的配置成本条件之后,就可以停止算法的迭代计算,并对所述设定缓存中的候选成本值进行比较,选取候选成本值最小的值,且可将所述最小值对应的候选参数值作为所述配置参数的目标参数值输出并结束其循环操作。
需要注意的是,在输出所述目标参数值之后,本实施例还可基于所述目标参数值来确定配置所述混合储能***时所使用能量型储能装置的数量以及所使用功率型储能装置的数量。
本发明实施例二提供的一种混合储能***配置成本的控制方法,具体化了基于粒子优化算法确定满足混合储能***配置成本条件的目标参数值的操作过程。利用该控制方法,在综合考虑混合储能***中储能装置的能量密度、使用寿命等约束条件的前提下,保证混合储能***具有较好的功率输出平滑效果的同时,还保证了配置混合储能***所需的配置成本最优,进而达到降低电网***建设投资成本的目的。
实施例三
图3a为本发明实施例三提供的一种混合储能***配置成本的控制方法的优选实施例,本发明实施例以风力发电为应用背景,图3b为所构建的电网***的架构示意图,如图3b所示,所述电网***包括风电机组31、混合储能***32以及外部电网33。在本实施例中,对风电机组31以设定采样时长为30分钟,设定采样时间间隔为1分钟进行采样,获得风力发电的发电采样数据;然后基于蓄电池和超级电容来配置混合储能***32,并可以基于本发明实施例提供的混合储能***配置成本的控制方法来确定所选取蓄电池以及超级电容器的具体个数;最终,将经过混合储能***32平滑后的电能基于外部电网33配送给用电者。
如图3a所示,本实施例三提供的一种优选的混合储能***配置成本的控制方法,具体包括:
S310、确定所述目标成本函数以及约束条件,作为混合储能***的配置成本控制模型。
S320、对所确定的发电采样数据进行数据频谱分析,获得能量型储能***以及功率型储能***对应的理想的储能输出功率曲线。
示例性的,通过对所述发电采样数据进行快速傅里叶变换和傅里叶逆变换,得到由蓄电池所形成能量型储能***的储能输出功率曲线,同时获得由超级电容所形成功率型储能***的储能输出功率曲线。
S330、设定迭代变量并初始化所述迭代变量的值为0。
S340、基于所述能量型储能***以及功率型储能***对应的储能输出功率曲线,确定所述配置成本控制模型的候选配置参数集。
示例性的,于所述能量型储能***以及功率型储能***对应的储能输出功率曲线,分别确定述能量型储能***以及功率型储能***的额定功率范围及额定容量范围,最终基于各自的额定功率范围及额定容量范围选定多组额定功率及额定容量,形成候选配置参数集中的多组候选参数值。
S350、确定所述候选配置参数集中的候选参数值的更新系数。
S360、基于所述配置成本控制模型确定各组候选参数值对应的计算结果。
示例性的,表1列出了蓄电池和超级电容的价格性能参数。
表1不同类型储能装置的性能参数
基于所述性能参数以及给定的一组候选参数值,可以确定所述配置成本控制模型中的总配置成本值。假设一组候选参数值(PEi,EEi,PPi,EPi)等于(20,20,5,0.05),该组值表示由蓄电池所形成能量型储能***的额定功率为20kW,额定容量为20kWh,由超级电容所形成功率型储能***的额定功率为5kW,额定容量为0.05kWh,则代入所述配置成本控制模型后得到相应的总配置成本值为23517元。
S370、确定所述计算结果中的最小值作为候选成本值,并将所述候选成本值及对应的候选参数值存放至设定缓存。
示例性的,假设基于步骤S340确定的候选配置参数集中的几组候选参数值分别为:(PE1,EE1,PP1,EP1)等于(20,20,5,0.05),(PE2,EE2,PP2,EP2)等于(5,10,15,0.45)以及(PE3,EE3,PP3,EP3)等于(15,15,5,0.15),基于步骤S340计算之后所得的计算结果分别为23517元、29135元以及21322元。由此可知所述计算结果中的最小值为21322元,就可以将该最小值21322及对应的候选参数值(15,15,5,0.15)存放至设定缓存中。
S380、如果不满足迭代结束条件,则基于各更新系数更新对应的候选参数值形成新的候选配置参数集,并返回S350;否则,比较所述设定缓存中的候选成本值,将最小候选成本值对应的候选参数值作为目标参数值输出,并结束循环。
在本实施例中,优选设定所述迭代结束条件为迭代次数达到设定阈值,则可对设定的迭代结束条件进行判定,并基于判定结果执行相应的操作。示例性的,如果算法满足了迭代结束条件,则可在设定缓存中存放的候选成本值中选取最小值,并将该最小值对应的候选参数值作为目标参数值输出,假设该候选成本值中的最小值为21322,则可将对应的候选参数值(15,15,5,0.15)作为目标参数值输出。
S390、基于所述目标参数值确定所述蓄电池以及超级电容配置个数,以配置所述混合储能***。
示例性的,如果输出的目标参数值为(15,15,5,0.15),则可认为所述混合储能***中基于所述蓄电池形成的能量型储能***的额定功率需要达到15kW,且保证额定容量为15kWh,同时所述混合储能***中基于所述超级电容形成的功率型储能***的额定功率需要达到5kW,且保证最终额定容量为0.15kWh。由此可知,在配置所述混合储能***时,可选取1个额定功率为15kW,额定容量为15kWh的蓄电池来形成能量型储能***以及选取5个额定功率为1kW,额定容量为0.15kWh的超级电容来形成功率型储能***,最终形成配置成本最优的混合储能***。
本发明实施例三提供的一种优选的混合储能***配置成本的控制方法,具体描述了对风力发电的电网***中混合储能***进行配置时配置成本的控制过程。利用该控制方法,保证混合储能***具有较好的功率输出平滑效果的同时,还保证了配置混合储能***所需的配置成本最优,进而达到降低电网***建设投资成本的目的。
实施例四
图4为本发明实施例四提供的一种混合储能***配置成本的控制装置的结构框图。该装置可适用于在电网***建设过程中对混合储能***建设时的配置成本进行规划的情况,可通过硬件和/或软件的方式实现,并一般可集成在用于电网***规划建设的规划***中。如图4所示,该装置包括:信息获取模块41和目标参数值确定模块42。
其中,信息获取模块41,用于获取计算混合储能***配置成本所需的目标成本函数以及所述目标成本函数对应的约束条件,作为所述混合储能***的配置成本控制模型。
目标参数值确定模块42,用于针对所述配置成本控制模型中的配置参数,对所述配置成本控制模型进行计算直至达到所述混合储能***的配置成本条件,以确定所述配置参数的目标参数值。
在本实施例中,该控制装置首先通过信息获取模块41获取计算混合储能***配置成本所需的目标成本函数以及所述目标成本函数对应的约束条件,作为所述混合储能***的配置成本控制模型;然后通过目标参数值确定模块42针对所述配置成本控制模型中的配置参数,对所述配置成本控制模型进行计算直至达到所述混合储能***的配置成本条件,以确定所述配置参数的目标参数值。
本发明实施例四提供的一种混合储能***配置成本的控制装置,在综合考虑混合储能***中储能装置的能量密度、使用寿命等客观条件的前提下,既保证混合储能***具有较好的功率输出平滑效果,又保证了配置混合储能***所需的配置成本最优,进而达到降低电网***建设投资成本的目的。
进一步的,所述目标成本函数表示为:
其中,Csum为所述混合储能***的总配置成本值,Cenergy(PE,EE)为能量型储能***的配置成本,Cpower(PP,EP)为功率型储能***的配置成本,PE,EE分别表示能量型储能***的额定功率(kW)和额定容量(kWh),PP,EP分别表示功率型储能***的额定功率(kW)和额定容量(kWh),且(PE,EE,PP,EP)表示所述配置参数在所述配置成本控制模型中对应的一组参数值,Coperater为混合储能***一次充放电所产生的运行费用,n为混合储能***充放电时其充放电深度达到设定深度的总次数;
所述约束条件包括:电网***中的物理约束、所述能量型储能***中的功率约束和荷电状态SOC约束以及所述功率型储能***中的功率约束和SOC约束;所述电网***包括分布式发电机组、混合储能***以及外部配电区域。
进一步的,所述目标参数值确定模块42,具体用于:
针对所述配置成本控制模型中的配置参数,基于粒子群优化算法对所述配置成本控制模型进行计算直至达到所述混合储能***的配置成本条件,以确定所述配置参数的目标参数值。
进一步的,针对所述配置成本控制模型中的配置参数,基于粒子群优化算法对所述配置成本控制模型进行计算直至达到所述混合储能***的配置成本条件,以确定所述配置参数的目标参数值,包括:
a、设置迭代变量并将所述迭代变量的值初始化为0;b、确定所述配置成本控制模型的候选配置参数集,其中,所述候选配置参数集包含所述配置参数的至少一组候选参数值;c、为所述候选配置参数集中的各组候选参数值确定相应的更新系数;d、基于所述目标成本函数,计算所述候选配置参数集中至少一组候选参数值对应的总配置成本值;e、确定所述至少一个总配置成本值中的最小值,记所述最小值为候选成本值,并将所述候选成本值及对应的候选参数值存放于设定缓存中;f、判定是否满足设定的配置成本条件,若否,则执行步骤g;若是,则执行步骤h;g、对所述迭代变量进行自增加操作,并基于所述更新系数对所述候选配置参数集中相应的候选参数值进行更新操作,形成新的候选配置参数集,之后返回步骤c;h、确定所述设定缓存中候选成本值的最小值,将所述最小值对应的候选参数值作为所述配置参数的目标参数值输出,并结束循环操作。
在上述实施例的基础上,所述确定所述配置成本控制模型的候选配置参数集,包括:
在设定采样时长内以设定时间间隔采集所述分布式发电机组的发电输出功率,形成发电输出功率曲线并记为发电采样数据;对所述发电采样数据进行数据频谱分析,分别获取所述能量型储能***以及所述功率型储能***的储能输出功率曲线;基于所述能量型储能***以及所述功率型储能***的储能输出功率曲线,分别确定相应的额定功率范围和额定容量范围;基于所述能量型储能***以及所述功率型储能***的额定功率取值范围和额定容量取值范围,分别确定至少一组额定功率值及相应的额定容量值,形成所述配置参数的至少一组候选参数值;如果所述至少一组候选参数值满足所述目标成本函数对应的约束条件,则将所述至少一组候选参数值加入设定的候选配置参数集中。
进一步的,所述对所述发电采样数据进行数据频谱分析,分别获取所述能量型储能***以及所述功率型储能***的储能输出功率曲线,包括:
对所述发电采样数据进行快速傅里叶变换得到频谱分析结果;确定所述能量型储能***充放电时对应的能量最佳频段,以及确定所述功率型储能***充放电时对应的功率最佳频段;在所述频谱分析结果中确定至少一个属于所述能量最佳频段的频率值,并对所述至少一个频率值对应的幅值进行傅里叶逆变换,获得所述能量型储能***的储能输出功率曲线;在所述频谱分析结果中确定至少一个属于所述功率最佳频段的频率值,并对所述至少一个频率值对应的幅值进行傅里叶逆变换,获得所述功率型储能***的储能输出功率曲线。
在上述实施例的基础上,所述配置成本条件包括:所述迭代变量的值大于设定阈值和/或所述至少一个总配置成本值中的最小值不大于设定终止阈值。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种混合储能***配置成本的控制方法,其特征在于,包括:
获取计算混合储能***配置成本所需的目标成本函数以及所述目标成本函数对应的约束条件,作为所述混合储能***的配置成本控制模型;
针对所述配置成本控制模型中的配置参数,对所述配置成本控制模型进行计算直至达到所述混合储能***的配置成本条件,以确定所述配置参数的目标参数值。
2.根据权利要求1所述方法,其特征在于:
所述目标成本函数表示为:
其中,Csum为所述混合储能***的总配置成本值,Cenergy(PE,EE)为能量型储能***的配置成本,Cpower(PP,EP)为功率型储能***的配置成本,PE,EE分别表示能量型储能***的额定功率(kW)和额定容量(kWh),PP,EP分别表示功率型储能***的额定功率(kW)和额定容量(kWh),且(PE,EE,PP,EP)表示在所述配置成本控制模型中所述配置参数对应的一组参数值,Coperater为混合储能***一次充放电所产生的运行费用,n为混合储能***充放电时其充放电深度达到设定深度的总次数;
所述约束条件包括:电网***中的物理约束、所述能量型储能***中的功率约束和荷电状态SOC约束以及所述功率型储能***中的功率约束和SOC约束;所述电网***包括分布式发电机组、混合储能***以及外部配电区域。
3.根据权利要求2所述的方法,其特征在于,针对所述配置成本控制模型中的配置参数,对所述配置成本控制模型进行计算直至达到所述混合储能***的配置成本条件,以确定所述配置参数的目标参数值,包括:
针对所述配置成本控制模型中的配置参数,基于粒子群优化算法对所述配置成本控制模型进行计算直至达到所述混合储能***的配置成本条件,以确定所述配置参数的目标参数值。
4.根据权利要求3所述的方法,其特征在于,针对所述配置成本控制模型中的配置参数,基于粒子群优化算法对所述配置成本控制模型进行计算直至达到所述混合储能***的配置成本条件,以确定所述配置参数的目标参数值,包括:
a、设置迭代变量并将所述迭代变量的值初始化为0;
b、确定所述配置成本控制模型的候选配置参数集,其中,所述候选配置参数集包含所述配置参数的至少一组候选参数值;
c、为所述候选配置参数集中的各组候选参数值确定相应的更新系数;
d、基于所述目标成本函数,计算所述候选配置参数集中至少一组候选参数值对应的总配置成本值;
e、确定所述至少一个总配置成本值中的最小值,记所述最小值为候选成本值,并将所述候选成本值及对应的候选参数值存放于设定缓存中;
f、判定是否满足设定的配置成本条件,若否,则执行步骤g;若是,则执行步骤h;
g、对所述迭代变量进行自增加操作,并基于所述更新系数对所述候选配置参数集中相应的候选参数值进行更新操作,形成新的候选配置参数集,之后返回步骤c;
h、确定所述设定缓存中候选成本值的最小值,将所述最小值对应的候选参数值作为所述配置参数的目标参数值输出,并结束循环操作。
5.根据权利要求4所述的方法,其特征在于,所述确定所述配置成本控制模型的候选配置参数集,包括:
在设定采样时长内以设定时间间隔采集所述分布式发电机组的发电输出功率,形成发电输出功率曲线并记为发电采样数据;
对所述发电采样数据进行数据频谱分析,分别获取所述能量型储能***以及所述功率型储能***的储能输出功率曲线;
基于所述能量型储能***以及所述功率型储能***的储能输出功率曲线,分别确定相应的额定功率范围和额定容量范围;
基于所述能量型储能***以及所述功率型储能***的额定功率取值范围和额定容量取值范围,分别确定至少一组额定功率值及相应的额定容量值,形成所述配置参数的至少一组候选参数值;
如果所述至少一组候选参数值满足所述目标成本函数对应的约束条件,则将所述至少一组候选参数值加入设定的候选配置参数集中。
6.根据权利要求5所述的方法,其特征在于,所述对所述发电采样数据进行数据频谱分析,分别获取所述能量型储能***以及所述功率型储能***的储能输出功率曲线,包括:
对所述发电采样数据进行快速傅里叶变换得到频谱分析结果;
确定所述能量型储能***充放电时对应的能量最佳频段,以及确定所述功率型储能***充放电时对应的功率最佳频段;
在所述频谱分析结果中确定至少一个属于所述能量最佳频段的频率值,并对所述至少一个频率值对应的幅值进行傅里叶逆变换,获得所述能量型储能***的储能输出功率曲线;
在所述频谱分析结果中确定至少一个属于所述功率最佳频段的频率值,并对所述至少一个频率值对应的幅值进行傅里叶逆变换,获得所述功率型储能***的储能输出功率曲线。
7.根据权利要求4-6任一所述的方法,其特征在于,所述配置成本条件包括:所述迭代变量的值大于设定阈值和/或所述至少一个总配置成本值中的最小值不大于设定终止阈值。
8.一种混合储能***配置成本的控制装置,其特征在于,包括:
信息获取模块,用于获取计算混合储能***配置成本所需的目标成本函数以及所述目标成本函数对应的约束条件,作为所述混合储能***的配置成本控制模型;
目标参数值确定模块,用于针对所述配置成本控制模型中的配置参数,对所述配置成本控制模型进行计算直至达到所述混合储能***的配置成本条件,以确定所述配置参数的目标参数值。
9.根据权利要求1所述方法,其特征在于:
所述目标成本函数表示为:
其中,Csum为所述混合储能***的总配置成本值,Cenergy(PE,EE)为能量型储能***的配置成本,Cpower(PP,EP)为功率型储能***的配置成本,PE,EE分别表示能量型储能***的额定功率(kW)和额定容量(kWh),PP,EP分别表示功率型储能***的额定功率(kW)和额定容量(kWh),且(PE,EE,PP,EP)表示所述配置参数在所述配置成本控制模型中对应的一组参数值,Coperater为混合储能***一次充放电所产生的运行费用,n为混合储能***充放电时其充放电深度达到设定深度的总次数;
所述约束条件包括:电网***中的物理约束、所述能量型储能***中的功率约束和荷电状态SOC约束以及所述功率型储能***中的功率约束和SOC约束;所述电网***包括分布式发电机组、混合储能***以及外部配电区域。
10.根据权利要求9所述的装置,其特征在于,所述目标参数值确定模块,具体用于:
针对所述配置成本控制模型中的配置参数,基于粒子群优化算法对所述配置成本控制模型进行计算直至达到所述混合储能***的配置成本条件,以确定所述配置参数的目标参数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610911483.XA CN106451504A (zh) | 2016-10-19 | 2016-10-19 | 一种混合储能***配置成本的控制方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610911483.XA CN106451504A (zh) | 2016-10-19 | 2016-10-19 | 一种混合储能***配置成本的控制方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106451504A true CN106451504A (zh) | 2017-02-22 |
Family
ID=58176493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610911483.XA Pending CN106451504A (zh) | 2016-10-19 | 2016-10-19 | 一种混合储能***配置成本的控制方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106451504A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106998072A (zh) * | 2017-05-15 | 2017-08-01 | 国网江苏省电力公司电力科学研究院 | 一种面向配电网优化运行的混合储能***容量优化配置方法 |
CN107492903A (zh) * | 2017-04-08 | 2017-12-19 | 东北电力大学 | 一种基于统计学模型的混合储能***容量优化配置方法 |
CN108667057A (zh) * | 2018-05-29 | 2018-10-16 | 天津大学 | 一种针对高功率密度分布式光伏接入配电网多目标电能治理方法 |
CN109191026A (zh) * | 2018-11-09 | 2019-01-11 | 浙江大学 | 一种基于模拟退火算法的能量转换装置寿命统一管理方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103580041A (zh) * | 2013-11-08 | 2014-02-12 | 国家电网公司 | 一种平抑风电功率波动的混合储能***容量配置方法 |
CN103824123A (zh) * | 2014-01-26 | 2014-05-28 | 河海大学 | 一种新的配电网蓄电池储能***的优化配置算法 |
CN104092231A (zh) * | 2014-06-27 | 2014-10-08 | 上海电力学院 | 一种独立微网混和储能容量优化配置方法 |
CN104701871A (zh) * | 2015-02-13 | 2015-06-10 | 国家电网公司 | 一种含风光水多源互补微网混合储能容量最佳配比方法 |
CN104795830A (zh) * | 2015-04-29 | 2015-07-22 | 中国电力科学研究院 | 一种利用多类型储能***跟踪发电计划出力的控制方法 |
CN104809531A (zh) * | 2015-05-18 | 2015-07-29 | 国家电网公司 | 一种储能***配置方法及*** |
CN105226688A (zh) * | 2015-10-12 | 2016-01-06 | 中国电力科学研究院 | 基于机会约束模型的多类型储能***容量优化配置方法 |
-
2016
- 2016-10-19 CN CN201610911483.XA patent/CN106451504A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103580041A (zh) * | 2013-11-08 | 2014-02-12 | 国家电网公司 | 一种平抑风电功率波动的混合储能***容量配置方法 |
CN103824123A (zh) * | 2014-01-26 | 2014-05-28 | 河海大学 | 一种新的配电网蓄电池储能***的优化配置算法 |
CN104092231A (zh) * | 2014-06-27 | 2014-10-08 | 上海电力学院 | 一种独立微网混和储能容量优化配置方法 |
CN104701871A (zh) * | 2015-02-13 | 2015-06-10 | 国家电网公司 | 一种含风光水多源互补微网混合储能容量最佳配比方法 |
CN104795830A (zh) * | 2015-04-29 | 2015-07-22 | 中国电力科学研究院 | 一种利用多类型储能***跟踪发电计划出力的控制方法 |
CN104809531A (zh) * | 2015-05-18 | 2015-07-29 | 国家电网公司 | 一种储能***配置方法及*** |
CN105226688A (zh) * | 2015-10-12 | 2016-01-06 | 中国电力科学研究院 | 基于机会约束模型的多类型储能***容量优化配置方法 |
Non-Patent Citations (2)
Title |
---|
李成 等: "基于成本分析的超级电容器和蓄电池混合储能优化配置方案", 《电力***自动化》 * |
白临泉: "储能***规划设计方法与软件开发", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107492903A (zh) * | 2017-04-08 | 2017-12-19 | 东北电力大学 | 一种基于统计学模型的混合储能***容量优化配置方法 |
CN107492903B (zh) * | 2017-04-08 | 2020-08-11 | 东北电力大学 | 一种基于统计学模型的混合储能***容量优化配置方法 |
CN106998072A (zh) * | 2017-05-15 | 2017-08-01 | 国网江苏省电力公司电力科学研究院 | 一种面向配电网优化运行的混合储能***容量优化配置方法 |
CN108667057A (zh) * | 2018-05-29 | 2018-10-16 | 天津大学 | 一种针对高功率密度分布式光伏接入配电网多目标电能治理方法 |
CN109191026A (zh) * | 2018-11-09 | 2019-01-11 | 浙江大学 | 一种基于模拟退火算法的能量转换装置寿命统一管理方法 |
CN109191026B (zh) * | 2018-11-09 | 2022-03-25 | 浙江大学 | 一种基于模拟退火算法的能量转换装置寿命统一管理方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wong et al. | Optimal placement and sizing of battery energy storage system for losses reduction using whale optimization algorithm | |
CN105552940B (zh) | 基于交替方向乘子算法的分布式全局最优能量管理*** | |
CN107392418B (zh) | 一种城市配电网网络重构方法及*** | |
CN105449675B (zh) | 优化分布式能源接入点和接入比例的电力网络重构方法 | |
CN108446796A (zh) | 考虑电动汽车负荷需求响应的网-源-荷协调规划方法 | |
CN110265991B (zh) | 一种直流微电网的分布式协调控制方法 | |
CN105186500B (zh) | 一种基于重加权加速Lagrangian的配电网能量分散协调优化方法 | |
CN106451504A (zh) | 一种混合储能***配置成本的控制方法及装置 | |
CN109167347B (zh) | 基于云自适应粒子群多目标电动汽车充放电优化调度方法 | |
CN107453381A (zh) | 基于两阶段交叉控制的电动汽车集群功率调节方法及*** | |
CN109383323B (zh) | 一种电动汽车群的充放电优化控制方法 | |
CN107273968A (zh) | 一种基于动态模糊混沌粒子群的多目标调度方法及装置 | |
CN108631317B (zh) | 一种含多源主体的主动配电网分布式动态最优潮流方法 | |
CN113859018A (zh) | 大规模电动汽车群的分级充放电优化控制方法、计算机装置及计算机可读存储介质 | |
Xiao et al. | Optimal sizing and siting of soft open point for improving the three phase unbalance of the distribution network | |
CN109962485B (zh) | 一种面向源网荷友好互动的复合储能装置选址定容方法 | |
CN114421502A (zh) | 一种微电网群落的协同优化方法 | |
CN117559500A (zh) | 一种基于一致性算法的多储能变流器功率分配方法 | |
CN116093995B (zh) | 一种配电***多目标网络重构方法及*** | |
CN110323779B (zh) | 一种分布式发电与储能装置的功率动态聚合的方法和*** | |
CN115618753B (zh) | 面向频率可调脉冲工况的混合储能***联合优化方法 | |
CN114552664A (zh) | 一种基于双层有向图的多微网优化协调运行控制方法 | |
CN109449968B (zh) | 一种电力电子变压器与交直流源网荷多变流设备集成方法 | |
Rao et al. | A hybrid technique for EV parking lot optimization with improved power quality | |
Wang et al. | Reconfiguration of distribution network with dispersed generators based on improved forward-backward sweep method |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170222 |