CN107492901A - 一种分布式储能***实时优化方法及装置 - Google Patents
一种分布式储能***实时优化方法及装置 Download PDFInfo
- Publication number
- CN107492901A CN107492901A CN201710756471.9A CN201710756471A CN107492901A CN 107492901 A CN107492901 A CN 107492901A CN 201710756471 A CN201710756471 A CN 201710756471A CN 107492901 A CN107492901 A CN 107492901A
- Authority
- CN
- China
- Prior art keywords
- mrow
- mtd
- msub
- storage system
- 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.)
- Granted
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
- 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
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- 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]
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明实施例公开了一种分布式储能***实时优化方法及装置，本发明通过针对分布式储能***削峰填谷优化问题，提出引入网损折算系数的方法简化了问题的复杂性，结合典型日负荷曲线，考虑分布式储能***充放电约束建立优化模型，再用动态规划算法对模型进行实时优化求解，求解过程通过设置电量差和修正实时储能***各个状态的容量值，有效提高了运算速度和优化结果精度，最后通过引入充放电深度允许误差，避免了优化过程陷入死循环的情况。本发明充分利用动态算法的特点，动态结合分布式储能***的实际容量与预测容量，研究了电池储能寿命各因素对优化结果的影响，并通过调整状态变量提高了优化结果的准确性。
Description
技术领域
本发明涉及分布式储能***领域，尤其涉及一种分布式储能***实时优化方法及装置。
背景技术
随着经济发展对电力需求的增加，配网调峰压力增大。传统扩容改造方案造成负荷低谷时段设备利用率低、投资风险大，采用电池储能***(BESS)削峰填谷是一种有效解决手段。安装于变压器低压侧的集中储能***并不能有效缓解线路重载、配电网末端电压偏低的现象，因此采用安装于负荷侧的分布式储能***能有效缓解配电网调峰压力的同时，缓解配电线路重载和配电网末端电压偏低的现象。
目前，国内外针对集中、大规模储能对电网削峰填谷以及微网分布式电源运行策略的相关研究较多，而对分布式储能应用于配电网缓解调峰压力的技术研究相对较少。
因此，针对以上问题，提供了一种分布式储能***实时优化方法及装置以解决目前电力发展中通过分布式储能***缓解配电网调峰压力缺乏技术理论支持的问题。
发明内容
本发明实施例提供了一种分布式储能***实时优化方法及装置，解决了目前电力发展中通过分布式储能***缓解配电网调峰压力缺乏技术理论支持的问题。
本发明实施例提供了一种分布式储能***实时优化方法，包括：
S1：根据获取到的分布式储能***的总容量和分布式储能***中各个单元的充放电功率进行计算得到网损折算系数；
S2：构建分布式储能***优化模型，根据网损折算系数、分布式储能***的总容量建立新约束条件；
S3：根据获取到的预置电量差和分布式储能***的总额定功率进行计算得到动态规则算法的状态数量，根据状态数量确定分布式储能***的各个状态；
S4：获取到分布式储能***的初始状态的实时总容量，在新约束条件下，根据实时总容量和预置电量通过动态规划算法差进行两两状态之间的优化计算得到分布式储能***的当前状态的优化总容量，并计算当前状态的决策指标，根据决策指标确定分布式储能***从初始状态到当前状态的最优路径；
S5：循环执行分布式储能***两两状态之间的优化计算直至得到分布式储能***的最终状态的优化总容量和分布式储能***从初始状态到最终状态的最优路径；
S6：根据分布式储能***的最终状态的优化总容量进行计算得到分布式储能***的充放电深度，判断充放电深度是否大于预置误差允许值，若大于，改变预置电量差的值，并重新执行S4，若不大于，则将分布式储能***从初始状态到最终状态的最优路径确定为优化结果。
优选地，步骤S1具体包括：
获取到分布式储能***折算到变压器侧的总容量和分布式储能***中各个单元折算到变压器侧的充放电功率，通过预置第一公式对分布式储能***折算到变压器侧的总容量和分布式储能***中各个单元折算到变压器侧的充放电功率进行计算得到网损折算系数；
其中，预置第一公式具体为：
式中，PBESS∑为分布式储能***折算到变压器侧的总容量，ai为第i个单元折算到变压器侧储能时的网损折算系数，PBESSi,j为j时刻，第i个单元的充放电功率。
优选地，步骤S2具体包括：
构建分布式储能***优化模型，根据网损折算系数、分布式储能***的总容量建立分布式储能***在充放电时的新约束条件；
其中，新约束条件具体为：
式中，Pice,max为充电时第i个单元的额定功率，Pide,max为放电时第i个单元的额定功率，ai,t为t时刻，第i个单元的网损折算系数，PBESS∑,t为t时刻，分布式储能***折算到变压器侧的总容量。
优选地，步骤S3具体包括：
获取到预置电量差和分布式储能***折算到变压器低压侧的总额定功率，通过预置第二公式对预置电量差和分布式储能***折算到变压器低压侧的总额定功率进行计算得到动态规则算法的状态数量，根据状态数量确定分布式储能***的各个状态；
其中，预置第二公式为：
式中，K为状态数量，PeBESS∑为分布式储能***折算到变压器低压侧的总额定功率，Δs为预置电量差。
优选地，步骤S4具体包括：
S41：获取到分布式储能***的初始状态的实时总容量，在新约束条件下，根据实时总容量和预置电量通过动态规划算法差进行两两状态之间的优化计算得到分布式储能***的当前状态的优化总容量；
S42：计算当前状态的决策指标，对决策指标进行计算得到分布式储能***从初始状态到当前状态的指标方差，并取指标方差中的最小最作为最优指标方差；
S43：将与最优指标方差对应的优化路径确定为分布式储能***从初始状态到当前状态的最优路径。
优选地，本发明实施例还提供了一种分布式储能***实时优化装置，包括：
第一计算单元，用于根据获取到的分布式储能***的总容量和分布式储能***中各个单元的充放电功率进行计算得到网损折算系数；
建立单元，用于构建分布式储能***优化模型，根据网损折算系数、分布式储能***的总容量建立新约束条件；
第二计算单元，用于根据获取到的预置电量差和分布式储能***的总额定功率进行计算得到动态规则算法的状态数量，根据状态数量确定分布式储能***的各个状态；
第三计算单元，用于获取到分布式储能***的初始状态的实时总容量，在新约束条件下，根据实时总容量和预置电量通过动态规划算法差进行两两状态之间的优化计算得到分布式储能***的当前状态的优化总容量，并计算当前状态的决策指标，根据决策指标确定分布式储能***从初始状态到当前状态的最优路径；
循环计算单元，用于循环执行分布式储能***两两状态之间的优化计算直至得到分布式储能***的最终状态的优化总容量和分布式储能***从初始状态到最终状态的最优路径；
判断单元，用于根据分布式储能***的最终状态的优化总容量进行计算得到分布式储能***的充放电深度，判断充放电深度是否大于预置误差允许值，若大于，改变预置电量差的值，并重新触发第三计算单元，若不大于，则将分布式储能***从初始状态到最终状态的最优路径确定为优化结果。
优选地，第一计算单元还用于获取到分布式储能***折算到变压器侧的总容量和分布式储能***中各个单元折算到变压器侧的充放电功率，通过预置第一公式对分布式储能***折算到变压器侧的总容量和分布式储能***中各个单元折算到变压器侧的充放电功率进行计算得到网损折算系数；
其中，预置第一公式具体为：
式中，PBESS∑为分布式储能***折算到变压器侧的总容量，ai为第i个单元折算到变压器侧储能时的网损折算系数，PBESSi,j为j时刻，第i个单元的充放电功率。
优选地，建立单元还用于构建分布式储能***优化模型，根据网损折算系数、分布式储能***的总容量建立分布式储能***在充放电时的新约束条件；
其中，新约束条件具体为：
式中，Pice,max为充电时第i个单元的额定功率，Pide,max为放电时第i个单元的额定功率，ai,t为t时刻，第i个单元的网损折算系数，PBESS∑,t为t时刻，分布式储能***折算到变压器侧的总容量。
优选地，第二计算单元还用于获取到预置电量差和分布式储能***折算到变压器低压侧的总额定功率，通过预置第二公式对预置电量差和分布式储能***折算到变压器低压侧的总额定功率进行计算得到动态规则算法的状态数量，根据状态数量确定分布式储能***的各个状态；
其中，预置第二公式为：
式中，K为状态数量，PeBESS∑为分布式储能***折算到变压器低压侧的总额定功率，Δs为预置电量差。
优选地，第三计算单元还包括：
第一计算子单元，用于获取到分布式储能***的初始状态的实时总容量，在新约束条件下，根据实时总容量和预置电量通过动态规划算法差进行两两状态之间的优化计算得到分布式储能***的当前状态的优化总容量；
第二计算子单元，用于计算当前状态的决策指标，对决策指标进行计算得到分布式储能***从初始状态到当前状态的指标方差，并取指标方差中的最小最作为最优指标方差；
确定子单元，用于将与最优指标方差对应的优化路径确定为分布式储能***从初始状态到当前状态的最优路径。
从以上技术方案可以看出，本发明实施例具有以下优点：
本发明实施例提供了一种分布式储能***实时优化方法及装置，本发明通过针对分布式储能***削峰填谷优化问题，提出引入网损折算系数的方法简化了问题的复杂性，结合典型日负荷曲线，考虑分布式储能***充放电约束建立优化模型，再用动态规划算法对模型进行实时优化求解，求解过程通过设置电量差和修正实时储能***各个状态的容量值，有效提高了运算速度和优化结果精度，最后通过引入充放电深度允许误差，避免了优化过程陷入死循环的情况。本发明充分利用动态算法的特点，动态结合分布式储能***的实际容量与预测容量，研究了电池储能寿命各因素对优化结果的影响，并通过调整状态变量提高了优化结果的准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的一种分布式储能***实时优化方法的一个实施例的流程示意图；
图2为本发明实施例提供的一种分布式储能***实时优化方法的另一个实施例的流程示意图；
图3为本发明实施例提供的一种分布式储能***实时优化装置的一个实施例的结构示意图；
图4为分布式储能***充放电示意图；
图5为动态规划基本流程示意图；
图6为基于动态规划的优化策略求解基本流程示意图；
图7为网络结构及分布式储能***安装位置图；
图8为不同DOD优化结果比较的示意图。
具体实施方式
本发明实施例提供了一种分布式储能***实时优化方法及装置，解决了目前电力发展中通过分布式储能***缓解配电网调峰压力缺乏技术理论支持的问题。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
请参阅图1，本发明实施例提供的一种分布式储能***实时优化方法的一个实施例，包括：
101、根据获取到的分布式储能***的总容量和分布式储能***中各个单元的充放电功率进行计算得到网损折算系数；
102、构建分布式储能***优化模型，根据网损折算系数、分布式储能***的总容量建立新约束条件；
103、根据获取到的预置电量差和分布式储能***的总额定功率进行计算得到动态规则算法的状态数量，根据状态数量确定分布式储能***的各个状态；
104、获取到分布式储能***的初始状态的实时总容量，在新约束条件下，根据实时总容量和预置电量通过动态规划算法差进行两两状态之间的优化计算得到分布式储能***的当前状态的优化总容量，并计算当前状态的决策指标，根据决策指标确定分布式储能***从初始状态到当前状态的最优路径；
105、循环执行分布式储能***两两状态之间的优化计算直至得到分布式储能***的最终状态的优化总容量和分布式储能***从初始状态到最终状态的最优路径；
106、根据分布式储能***的最终状态的优化总容量进行计算得到分布式储能***的充放电深度，判断充放电深度是否大于预置误差允许值；
107、若大于，改变预置电量差的值，并重新执行104；
108、若不大于，则将分布式储能***从初始状态到最终状态的最优路径确定为优化结果。
本发明实施例提供了一种分布式储能***实时优化方法，本发明通过针对分布式储能***削峰填谷优化问题，提出引入网损折算系数的方法简化了问题的复杂性，结合典型日负荷曲线，考虑分布式储能***充放电约束建立优化模型，再用动态规划算法对模型进行实时优化求解，求解过程通过设置电量差和修正实时储能***各个状态的容量值，有效提高了运算速度和优化结果精度，最后通过引入充放电深度允许误差，避免了优化过程陷入死循环的情况。本发明充分利用动态算法的特点，动态结合分布式储能***的实际容量与预测容量，研究了电池储能寿命各因素对优化结果的影响，并通过调整状态变量提高了优化结果的准确性。
以上为一种分布式储能***实时优化方法的一个实施例例，为进行更具体的说明，下面提供一种分布式储能***实时优化方法的另一个实施例，请参阅图2，本发明提供的一种分布式储能***实时优化方法的另一个实施例，包括：
201、获取到分布式储能***折算到变压器侧的总容量和分布式储能***中各个单元折算到变压器侧的充放电功率，通过预置第一公式对分布式储能***折算到变压器侧的总容量和分布式储能***中各个单元折算到变压器侧的充放电功率进行计算得到网损折算系数；
其中，预置第一公式具体为：
式中，PBESS∑为分布式储能***折算到变压器侧的总容量，ai为第i个单元折算到变压器侧储能时的网损折算系数，PBESSi,j为j时刻，第i个单元的充放电功率，N为N个时刻，m为分布式储能单元个数。
本实施例中提供的储能***对电力***进行削峰填谷，根据拥有方的不同，主要分为两种途径来实现。储能***为用户所有，侧重储能***带来的经济效益，通常考虑市场电价差，最大经济利益为目标进行建模。储能***为电网侧所有，一般以延缓电网扩容为目的，平滑负荷曲线为目标建立优化模型。本发明以从电网侧出发，引入数学方差，并以此为目标建立优化模型。
储能***计及网损充放电时，在避免引入复杂潮流计算耗时影响优化时间，降低优化精度的情况下，引入了网损折算系数，有：
式中，PBESS∑为分布式储能***折算到变压器侧的总容量，ai为第i个单元折算到变压器侧储能时的网损折算系数，PBESSi,j为j时刻，第i个单元的充放电功率，N为N个时刻，m为分布式储能单元个数。
图4为分布式储能***充放电示意图，如图4所示，有：
1、i时刻电网侧为储能***充电，U0为额定电压，有：
P0i_c＝PBESS0i_c+ΔP0i (2)
式中ΔP0i——为电池充电时0节点到i节点的支路有功损耗。
将(3)带入(2)中有：
令则：
得：
而而由实际情况可得在充电时ai应略大于1，因此当充电时
2、i时刻储能***放电，Ui为额定电压，则有：
P0i_d+ΔPi0＝PBESS0i_d (7)
类似，可得：
***额定电压取UN，定义储能***PBESSi充电时为负，放电时为正，整理有
202、构建分布式储能***优化模型，根据网损折算系数、分布式储能***的总容量建立分布式储能***在充放电时的新约束条件；
其中，新约束条件具体为：
式中，Pice,max为充电时第i个单元的额定功率，Pide,max为放电时第i个单元的额定功率，ai,t为t时刻，第i个单元的网损折算系数，PBESS∑,t为t时刻，分布式储能***折算到变压器侧的总容量；
在本实施例中，方差表示随机变量偏离平均值的程度，因此负荷方差一般能够反应负荷曲线的平滑程度。研究中也常以负荷方差最小为目标，表达负荷曲线更平滑。因此，基于削峰填谷的分布式储能***运行策略优化模型，本发明建立如下目标函数：
式中，Pload,t为t时刻***有功负荷，PBESS∑，t为t时刻，分布式储能***折算到变压器侧的总充放电有功功率。
实时优化方法主要通过调用不同数据的方法来实现，在某个时间状态优化时，该状态之前的数据调用实时负荷数据，之后的数据调用预测负荷数据。
为了保证储能***一定的储能寿命，优化模型建立以下约束条件。
a)电池充放电次数约束。电池组接入电力***后主要分为三种运行状态，即充电、放电以及浮充状态，在不考虑电池充放电损耗的情况下，浮充状态时***可认为是处于零功率充电或放电状态。因此只进行间断性的充电或放电时，可等认为电池只进行了一次充电或者放电。以此为基础，本模型建立i储能***充放电次数约束为ki次。
b)电池充放电深度约束
式中，SOCimin，SOCimax分别为i节点的电池荷电状态最小值与最大值；DODi,t为i节点的电池充放电深度；Ci0为i节储能***的额定容量。
c)电池充放电功率约束
式中，PBESSi，t为第i节点的储能***t时刻的充放电功率；Pic,max为第i节点储能***最大充电功率；Pid,max为第i节点储能***最大放电功率。
分析该优化模型可知，目标函数为非线性模型，引入充放电深度约束后，使得模型不在是连续的，无法采用连续模型的优化算法进行求解。因此，本发明提出采用动态规划的方法来求解此模型。
动态规划算法的基础是最优理论：最优策略包含的子策略一定是最优子策略。且具有无后效性，即将各阶段按照一定的次序排列好之后，对于某个给定的阶段状态，它以前各阶段的状态无法直接影响它未来的决策，而只能通过当前的这个状态。以上为对本发明优化模型实时优化求解的理论基础。
动态规划的方法分为逆序解法和顺序解法，其关键在于正确写出动态规划的递推关系式。一般来说，当初始状态给定时，用逆推法比较方便，当终止状态给定时，用顺推法比较方便。但是也要根据问题的实际情况，选择合适的递推方法。如图5所示，为阶段的决策过程。为动态规划顺推法基本流程。
其中，状态变量为s1、s2···sn+1，决策变量为x1、x2···xn+1，在第k阶段，决策xk使状态sk转移为sk+1，设状态转移函数为：
sk+1＝Tk(sk,xk) (13)
过程指标函数和各阶段指标函数关系为：
分析可得，经典动态规划还具有以下优点：对于约束条件较复杂的模型，动态规划能将复杂的问题化成一系列的简单的子问题，从而更容易求得全局最优解。对于一些难以表示出来的非线性问题、离散问题，动态规划方法能很容易得进行处理。动态规划求解过程的特点，使得它能得到一组解，有利于问题的分析。
分布式储能***上层控制模块通过动态规划算法求得削峰填谷总的出力后，按分布式储能容量比分配的原则折算到各储能节点，控制各组PCS的出力。由于采用的是按容量比分配的原则，因此各节点储能充放电深度是同步的，整体的充放电深度可用某节点储能表示。充放电功率约束为
其中Pice,max为充电时i节点储能***(即前述第i个单元)的额定功率；Pide,max为放电时i节点储能***的额定功率。
203、获取到预置电量差和分布式储能***折算到变压器低压侧的总额定功率，通过预置第二公式对预置电量差和分布式储能***折算到变压器低压侧的总额定功率进行计算得到动态规则算法的状态数量，根据状态数量确定分布式储能***的各个状态；
其中，预置第二公式为：
式中，K为状态数量，PeBESS∑为分布式储能***折算到变压器低压侧的总额定功率，Δs为预置电量差。
204、获取到分布式储能***的初始状态的实时总容量，在新约束条件下，根据实时总容量和预置电量通过动态规划算法差进行两两状态之间的优化计算得到分布式储能***的当前状态的优化总容量；
205、计算当前状态的决策指标，对决策指标进行计算得到分布式储能***从初始状态到当前状态的指标方差，并取指标方差中的最小最作为最优指标方差；
206、将与最优指标方差对应的优化路径确定为分布式储能***从初始状态到当前状态的最优路径；
207、循环执行分布式储能***两两状态之间的优化计算直至得到分布式储能***的最终状态的优化总容量和分布式储能***从初始状态到最终状态的最优路径；
在本实施例中，步骤204至207利用动态规划对模型求解，需要说明的是，步骤203中确定了分布式***的各个状态，即状态1、状态2、…状态K，步骤204中获取到的初始状态的实时总容量即为状态1的实时总容量，而后进行两两状态之间的优化计算，即通过状态1的实时总容量通过多条优化路径计算出状态2的优化总容量，可以理解的是，状态2的优化总容量有多个，如图6所示，图中S0(即为状态1的实时总容量)，S0+Δs、S0+2Δs、S0-Δs等即为多条优化路径，通过多条优化路径将S0计算出S1(即为状态2的优化总容量)，在得到状态2的优化总容量这一刻，当前状态即为状态2，然后计算计算当前状态的决策指标(该决策指标有多个)，对决策指标进行计算得到分布式储能***从初始状态(状态1)到当前状态(状态2)的指标方差，并取指标方差中的最小最作为最优指标方差，将与最优指标方差对应的优化路径确定为分布式储能***从初始状态(状态1)到当前状态(状态2)的最优路径。
得到状态1到状态2的最优路径后，则进行如图6中S1至S2的优化计算过程，其过程如S0至S1的优化过程一致，此处不再赘述，需要说明的是，得到S2(即状态3的优化总容量)后，此时，当前状态即为状态3，然后计算计算当前状态的决策指标(该决策指标有多个)，对决策指标进行计算得到分布式储能***从初始状态(状态1)到当前状态(状态3)的指标方差，并取指标方差中的最小最作为最优指标方差，将与最优指标方差对应的优化路径确定为分布式储能***从初始状态(状态1)到当前状态(状态3)的最优路径。
因此，循环执行分布式储能***两两状态之间的优化计算则可得到分布式储能***的最终状态的优化总容量和分布式储能***从初始状态到最终状态的最优路径。
在本实施例中，第k个状态到第k+1阶段决策指标为：
式中，xk为状态sk转移为sk+1的决策变量，决策变量是数学算法的公知技术，即决定什么条件下转移到下一个状态。
初始状态到第k个状态的指标方差为：
其表示为递推关系的形式为：
初始状态到第k个状态的最优指标方差为：
f(PBESSk)＝min V1,k (19)
208、根据分布式储能***的最终状态的优化总容量进行计算得到分布式储能***的充放电深度，判断充放电深度是否大于预置误差允许值；
在本实施例中，k状态的总容量为Sk，此时刻的充放电深度为
由于Δs的存在，使得模型是离散的，为了保证优化过程能够很好的终止，允许DOD有1％误差。
式中，T为1天的时间；PeBESS∑为分布式储能***折算到变压器低压侧的总额定功率；Δs为其中预置电量差，Δs取值较小时，优化路径会相对较多，适用于精确计算；当有时间要求时，适当取较大值，以缩短优化用时。
209、若大于，改变预置电量差的值，并重新执行204；
210、若不大于，则将分布式储能***从初始状态到最终状态的最优路径确定为优化结果。
上面是对一种分布式储能***实时优化方法进行的详细说明，为便于理解，下面将以一具体应用场景对一种分布式储能***实时优化方法进行说明，应用例包括：
采用的网络结构为IEEE33节点***，该***某典型日负荷数据及其预测负荷数据通过MATLAB绘制，预测负荷误差在±2％以内。分布式储能***安装位置如图7所示，安装容量如表1所示。取N＝288，Δs的取值直接影响了计算的速度，因此根据不同的需求取值，假定电池初始实际容量与终止时刻相等。
表1分布式储能***安装容量
为了降低储能电池寿命约束对结果的影响，令各储能DOD＝25％，k＝1，通过计算得-407kW≤PBESS∑≤396kW。为了提高结果对比的准确定，取Δs＝1kw·5min，优化结果如表2所示。
表2实时优化与离线优化结果比较
由优化结果可知，实时优化结果方差与采用实际负荷的优化结果更接近，误差较采用预测负荷的离线优化误差小。
由本领域的公知技术可知在充放电深度一定的情况下，电池充放电次数达到峰段数目时，若继续增加优化结果基本保持不变。基于此，结合原始数据，研究储能***充放电深度对优化结果的影响。令k≤4，为了延长储能***寿命，设置优化过程中介于负荷方差之内的负荷峰谷不进行处理，即不进行充放电。实际情况中对设备额定容量之内的负荷进行削峰填谷的意义不大。取-407kW≤PBESS∑≤396kW，Δs＝10kw·5min，优化结果如表3和图8所示。
表3不同DOD优化结果比较
结果表明：
(1)当DOD＝25％和DOD＝95％两种状态下削峰功率出现了5的奇数倍的情况，这是由于当Δs较大时优化结果不能保证在DOD允许误差范围以内，此时通过改变对应的Sk得到较精确的结果。
(3)负荷方差随着充放电深度的增加逐渐减小，充放电循环次数也随之增加。本例中当DOD由75％增加到95％时，优化结果变化减半，且由于放电功率的约束出现削峰功率出现“毛刺”现象。因此，以上四个状态选择DOD＝75％效果最佳。
(3)由于削峰填谷配备电池容量较大，配置变流器额定功率也较大，本文选取变流器额定功率值均仅为储能电池容量值的1/4，也只有在DOD＝95％时才出现短时的“毛刺”现象，因此对于更小充放电功率约束下的优化策略研究意义不大。
结论
(1)提出引入损耗系数的方法和采用等容量比分配原则简化了问题的复杂性；除采用减小Δs的方法提高优化结果的精度外，在动态规划过程中，调整Si的大小也能提高优化结果精度，引入DOD允许误差防止计算过程陷入死循环。
(2)提出采用对介于负荷方差以内的峰谷值不进行处理的方法，在达到较好的优化效果的同时有效延长了储能***使用寿命。结果分析表明，当分布式储能***主要功能用于削峰填谷时，优化策略中的储能充放电功率约束对优化结果的影响不大，只需限制在额定充放电功率以内即可。
请参阅图3，本发明提供的一种分布式储能***实时优化装置的一个实施例，包括：
第一计算单元301，用于根据获取到的分布式储能***的总容量和分布式储能***中各个单元的充放电功率进行计算得到网损折算系数；
建立单元302，用于构建分布式储能***优化模型，根据网损折算系数、分布式储能***的总容量建立新约束条件；
第二计算单元303，用于根据获取到的预置电量差和分布式储能***的总额定功率进行计算得到动态规则算法的状态数量，根据状态数量确定分布式储能***的各个状态；
第三计算单元304，用于获取到分布式储能***的初始状态的实时总容量，在新约束条件下，根据实时总容量和预置电量通过动态规划算法差进行两两状态之间的优化计算得到分布式储能***的当前状态的优化总容量，并计算当前状态的决策指标，根据决策指标确定分布式储能***从初始状态到当前状态的最优路径；
循环计算单元305，用于循环执行分布式储能***两两状态之间的优化计算直至得到分布式储能***的最终状态的优化总容量和分布式储能***从初始状态到最终状态的最优路径；
判断单元306，用于根据分布式储能***的最终状态的优化总容量进行计算得到分布式储能***的充放电深度，判断充放电深度是否大于预置误差允许值，若大于，改变预置电量差的值，并重新触发第三计算单元，若不大于，则将分布式储能***从初始状态到最终状态的最优路径确定为优化结果。
第一计算单元301还用于获取到分布式储能***折算到变压器侧的总容量和分布式储能***中各个单元折算到变压器侧的充放电功率，通过预置第一公式对分布式储能***折算到变压器侧的总容量和分布式储能***中各个单元折算到变压器侧的充放电功率进行计算得到网损折算系数；
其中，预置第一公式具体为：
式中，PBESS∑为分布式储能***折算到变压器侧的总容量，ai为第i个单元折算到变压器侧储能时的网损折算系数，PBESSi,j为j时刻，第i个单元的充放电功率。
建立单302还用于构建分布式储能***优化模型，根据网损折算系数、分布式储能***的总容量建立分布式储能***在充放电时的新约束条件；
其中，新约束条件具体为：
式中，Pice,max为充电时第i个单元的额定功率，Pide,max为放电时第i个单元的额定功率，ai,t为t时刻，第i个单元的网损折算系数，PBESS∑,t为t时刻，分布式储能***折算到变压器侧的总容量。
第二计算单元303还用于获取到预置电量差和分布式储能***折算到变压器低压侧的总额定功率，通过预置第二公式对预置电量差和分布式储能***折算到变压器低压侧的总额定功率进行计算得到动态规则算法的状态数量，根据状态数量确定分布式储能***的各个状态；
其中，预置第二公式为：
式中，K为状态数量，PeBESS∑为分布式储能***折算到变压器低压侧的总额定功率，Δs为预置电量差。
第三计算单元304还包括：
第一计算子单元3041，用于获取到分布式储能***的初始状态的实时总容量，在新约束条件下，根据实时总容量和预置电量通过动态规划算法差进行两两状态之间的优化计算得到分布式储能***的当前状态的优化总容量；
第二计算子单元3042，用于计算当前状态的决策指标，对决策指标进行计算得到分布式储能***从初始状态到当前状态的指标方差，并取指标方差中的最小最作为最优指标方差；
确定子单元3043，用于将与最优指标方差对应的优化路径确定为分布式储能***从初始状态到当前状态的最优路径。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的***，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种分布式储能***实时优化方法，其特征在于，包括：
S1：根据获取到的分布式储能***的总容量和分布式储能***中各个单元的充放电功率进行计算得到网损折算系数；
S2：构建分布式储能***优化模型，根据网损折算系数、分布式储能***的总容量建立新约束条件；
S3：根据获取到的预置电量差和分布式储能***的总额定功率进行计算得到动态规则算法的状态数量，根据状态数量确定分布式储能***的各个状态；
S4：获取到分布式储能***的初始状态的实时总容量，在新约束条件下，根据实时总容量和预置电量通过动态规划算法差进行两两状态之间的优化计算得到分布式储能***的当前状态的优化总容量，并计算当前状态的决策指标，根据决策指标确定分布式储能***从初始状态到当前状态的最优路径；
S5：循环执行分布式储能***两两状态之间的优化计算直至得到分布式储能***的最终状态的优化总容量和分布式储能***从初始状态到最终状态的最优路径；
S6：根据分布式储能***的最终状态的优化总容量进行计算得到分布式储能***的充放电深度，判断充放电深度是否大于预置误差允许值，若大于，改变预置电量差的值，并重新执行S4，若不大于，则将分布式储能***从初始状态到最终状态的最优路径确定为优化结果。
2.根据权利要求1所述的分布式储能***实时优化方法，其特征在于，步骤S1具体包括：
获取到分布式储能***折算到变压器侧的总容量和分布式储能***中各个单元折算到变压器侧的充放电功率，通过预置第一公式对分布式储能***折算到变压器侧的总容量和分布式储能***中各个单元折算到变压器侧的充放电功率进行计算得到网损折算系数；
其中，预置第一公式具体为：
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>&Sigma;</mi>
</mrow>
</msub>
<mo>=</mo>
<mo>&lsqb;</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mn>...</mn>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mn>...</mn>
<mo>,</mo>
<msub>
<mi>a</mi>
<mi>m</mi>
</msub>
<mo>&rsqb;</mo>
<mo>&CenterDot;</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mn>1</mn>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>...</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>...</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mn>1</mn>
<mo>,</mo>
<mi>N</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mn>2</mn>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mn>2</mn>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>...</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mn>2</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>...</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mn>2</mn>
<mo>,</mo>
<mi>N</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>i</mi>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>i</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>...</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>...</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>i</mi>
<mo>,</mo>
<mi>N</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>m</mi>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>m</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>...</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>m</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>...</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>m</mi>
<mo>,</mo>
<mi>N</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中，PBESS∑为分布式储能***折算到变压器侧的总容量，ai为第i个单元折算到变压器侧储能时的网损折算系数，PBESSi,j为j时刻，第i个单元的充放电功率。
3.根据权利要求1所述的分布式储能***实时优化方法，其特征在于，步骤S2具体包括：
构建分布式储能***优化模型，根据网损折算系数、分布式储能***的总容量建立分布式储能***在充放电时的新约束条件；
其中，新约束条件具体为：
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mstyle>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
</mstyle>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>c</mi>
<mi>e</mi>
<mo>,</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>&Sigma;</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>&le;</mo>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>&Sigma;</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>&le;</mo>
<mstyle>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<mrow>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
<mi>e</mi>
<mo>,</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</mrow>
</mstyle>
</mtd>
</mtr>
</mtable>
</mfenced>
式中，Pice,max为充电时第i个单元的额定功率，Pide,max为放电时第i个单元的额定功率，ai,t为t时刻，第i个单元的网损折算系数，PBESS∑,t为t时刻，分布式储能***折算到变压器侧的总容量。
4.根据权利要求1所述的分布式储能***实时优化方法，其特征在于，步骤S3具体包括：
获取到预置电量差和分布式储能***折算到变压器低压侧的总额定功率，通过预置第二公式对预置电量差和分布式储能***折算到变压器低压侧的总额定功率进行计算得到动态规则算法的状态数量，根据状态数量确定分布式储能***的各个状态；
其中，预置第二公式为：
<mrow>
<mi>K</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>T</mi>
<mo>&CenterDot;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>e</mi>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>&Sigma;</mi>
</mrow>
</msub>
</mrow>
<mrow>
<mi>&Delta;</mi>
<mi>s</mi>
</mrow>
</mfrac>
</mrow>
式中，K为状态数量，PeBESS∑为分布式储能***折算到变压器低压侧的总额定功率，Δs为预置电量差。
5.根据权利要求1所述的分布式储能***实时优化方法，其特征在于，步骤S4具体包括：
S41：获取到分布式储能***的初始状态的实时总容量，在新约束条件下，根据实时总容量和预置电量通过动态规划算法差进行两两状态之间的优化计算得到分布式储能***的当前状态的优化总容量；
S42：计算当前状态的决策指标，对决策指标进行计算得到分布式储能***从初始状态到当前状态的指标方差，并取指标方差中的最小最作为最优指标方差；
S43：将与最优指标方差对应的优化路径确定为分布式储能***从初始状态到当前状态的最优路径。
6.一种分布式储能***实时优化装置，其特征在于，包括：
第一计算单元，用于根据获取到的分布式储能***的总容量和分布式储能***中各个单元的充放电功率进行计算得到网损折算系数；
建立单元，用于构建分布式储能***优化模型，根据网损折算系数、分布式储能***的总容量建立新约束条件；
第二计算单元，用于根据获取到的预置电量差和分布式储能***的总额定功率进行计算得到动态规则算法的状态数量，根据状态数量确定分布式储能***的各个状态；
第三计算单元，用于获取到分布式储能***的初始状态的实时总容量，在新约束条件下，根据实时总容量和预置电量通过动态规划算法差进行两两状态之间的优化计算得到分布式储能***的当前状态的优化总容量，并计算当前状态的决策指标，根据决策指标确定分布式储能***从初始状态到当前状态的最优路径；
循环计算单元，用于循环执行分布式储能***两两状态之间的优化计算直至得到分布式储能***的最终状态的优化总容量和分布式储能***从初始状态到最终状态的最优路径；
判断单元，用于根据分布式储能***的最终状态的优化总容量进行计算得到分布式储能***的充放电深度，判断充放电深度是否大于预置误差允许值，若大于，改变预置电量差的值，并重新触发第三计算单元，若不大于，则将分布式储能***从初始状态到最终状态的最优路径确定为优化结果。
7.根据权利要求6所述的分布式储能***实时优化装置，其特征在于，第一计算单元还用于获取到分布式储能***折算到变压器侧的总容量和分布式储能***中各个单元折算到变压器侧的充放电功率，通过预置第一公式对分布式储能***折算到变压器侧的总容量和分布式储能***中各个单元折算到变压器侧的充放电功率进行计算得到网损折算系数；
其中，预置第一公式具体为：
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>&Sigma;</mi>
</mrow>
</msub>
<mo>=</mo>
<mo>&lsqb;</mo>
<msub>
<mi>a</mi>
<mn>1</mn>
</msub>
<mo>,</mo>
<msub>
<mi>a</mi>
<mn>2</mn>
</msub>
<mo>,</mo>
<mn>...</mn>
<msub>
<mi>a</mi>
<mi>i</mi>
</msub>
<mn>...</mn>
<mo>,</mo>
<msub>
<mi>a</mi>
<mi>m</mi>
</msub>
<mo>&rsqb;</mo>
<mo>&CenterDot;</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mn>1</mn>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>...</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mn>1</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>...</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mn>1</mn>
<mo>,</mo>
<mi>N</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mn>2</mn>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mn>2</mn>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>...</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mn>2</mn>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>...</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mn>2</mn>
<mo>,</mo>
<mi>N</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>i</mi>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>i</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>...</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>i</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>...</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>i</mi>
<mo>,</mo>
<mi>N</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>m</mi>
<mo>,</mo>
<mn>1</mn>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>m</mi>
<mo>,</mo>
<mn>2</mn>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>...</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>m</mi>
<mo>,</mo>
<mi>j</mi>
</mrow>
</msub>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mn>...</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>m</mi>
<mo>,</mo>
<mi>N</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
式中，PBESS∑为分布式储能***折算到变压器侧的总容量，ai为第i个单元折算到变压器侧储能时的网损折算系数，PBESSi,j为j时刻，第i个单元的充放电功率。
8.根据权利要求6所述的分布式储能***实时优化装置，其特征在于，建立单元还用于构建分布式储能***优化模型，根据网损折算系数、分布式储能***的总容量建立分布式储能***在充放电时的新约束条件；
其中，新约束条件具体为：
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mstyle>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
</mstyle>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>c</mi>
<mi>e</mi>
<mo>,</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>&Sigma;</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>&le;</mo>
<mn>0</mn>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>0</mn>
<mo>&le;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>&Sigma;</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<mo>&le;</mo>
<mstyle>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<mrow>
<msub>
<mi>a</mi>
<mrow>
<mi>i</mi>
<mo>,</mo>
<mi>t</mi>
</mrow>
</msub>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>d</mi>
<mi>e</mi>
<mo>,</mo>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</msub>
</mrow>
</mstyle>
</mtd>
</mtr>
</mtable>
</mfenced>
式中，Pice,max为充电时第i个单元的额定功率，Pide,max为放电时第i个单元的额定功率，ai,t为t时刻，第i个单元的网损折算系数，PBESS∑,t为t时刻，分布式储能***折算到变压器侧的总容量。
9.根据权利要求6所述的分布式储能***实时优化装置，其特征在于，第二计算单元还用于获取到预置电量差和分布式储能***折算到变压器低压侧的总额定功率，通过预置第二公式对预置电量差和分布式储能***折算到变压器低压侧的总额定功率进行计算得到动态规则算法的状态数量，根据状态数量确定分布式储能***的各个状态；
其中，预置第二公式为：
<mrow>
<mi>K</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>T</mi>
<mo>&CenterDot;</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>e</mi>
<mi>B</mi>
<mi>E</mi>
<mi>S</mi>
<mi>S</mi>
<mi>&Sigma;</mi>
</mrow>
</msub>
</mrow>
<mrow>
<mi>&Delta;</mi>
<mi>s</mi>
</mrow>
</mfrac>
</mrow>
式中，K为状态数量，PeBESS∑为分布式储能***折算到变压器低压侧的总额定功率，Δs为预置电量差。
10.根据权利要求6所述的分布式储能***实时优化装置，其特征在于，第三计算单元还包括：
第一计算子单元，用于获取到分布式储能***的初始状态的实时总容量，在新约束条件下，根据实时总容量和预置电量通过动态规划算法差进行两两状态之间的优化计算得到分布式储能***的当前状态的优化总容量；
第二计算子单元，用于计算当前状态的决策指标，对决策指标进行计算得到分布式储能***从初始状态到当前状态的指标方差，并取指标方差中的最小最作为最优指标方差；
确定子单元，用于将与最优指标方差对应的优化路径确定为分布式储能***从初始状态到当前状态的最优路径。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710756471.9A CN107492901B (zh) | 2017-08-29 | 2017-08-29 | 一种分布式储能***实时优化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710756471.9A CN107492901B (zh) | 2017-08-29 | 2017-08-29 | 一种分布式储能***实时优化方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107492901A true CN107492901A (zh) | 2017-12-19 |
| CN107492901B CN107492901B (zh) | 2020-04-07 |
Family
ID=60651097
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710756471.9A Active CN107492901B (zh) | 2017-08-29 | 2017-08-29 | 一种分布式储能***实时优化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107492901B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109378844A (zh) * | 2018-12-18 | 2019-02-22 | 武汉安锐科能源科技有限公司 | 一种分布式储能***的优化配置方法 |
| CN110929454A (zh) * | 2019-11-21 | 2020-03-27 | 国网江苏省电力有限公司南通供电分公司 | 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法 |
| CN112097783A (zh) * | 2020-08-14 | 2020-12-18 | 广东工业大学 | 基于深度强化学习的电动出租车充电导航路径规划方法 |
| CN113900028A (zh) * | 2021-10-09 | 2022-01-07 | 山东大学 | 一种考虑充放电路径的电池健康状态估计方法 |
| CN117060597A (zh) * | 2023-08-23 | 2023-11-14 | 嘉兴正弦电气有限公司 | 一种储能电站的储能协调控制方法及*** |
| CN117439147A (zh) * | 2023-12-21 | 2024-01-23 | 深圳市健网科技有限公司 | 一种分布式储能***实时优化方法及装置 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102361327A (zh) * | 2011-10-17 | 2012-02-22 | 张家港智电可再生能源与储能技术研究所有限公司 | 一种考虑电池寿命的电池储能***削峰填谷方法 |
| CN102593855A (zh) * | 2012-02-17 | 2012-07-18 | 合肥工业大学 | 平抑电力***中可再生能源电源输出功率波动的方法 |
| CN104037793A (zh) * | 2014-07-07 | 2014-09-10 | 北京交通大学 | 一种应用于主动配电网的储能单元容量配置方法 |
| US8886362B2 (en) * | 2012-03-30 | 2014-11-11 | General Electric Company | Integrated distribution system optimization |
| CN105552940A (zh) * | 2015-12-22 | 2016-05-04 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 基于交替方向乘子算法的分布式全局最优能量管理*** |
| CN105846461A (zh) * | 2016-04-28 | 2016-08-10 | 中国电力科学研究院 | 一种大规模储能电站自适应动态规划的控制方法和*** |
| 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 |
| CN107239847A (zh) * | 2017-04-12 | 2017-10-10 | 广州供电局有限公司 | 一种主动配电网储能***动态规划方法 |
-
2017
- 2017-08-29 CN CN201710756471.9A patent/CN107492901B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102361327A (zh) * | 2011-10-17 | 2012-02-22 | 张家港智电可再生能源与储能技术研究所有限公司 | 一种考虑电池寿命的电池储能***削峰填谷方法 |
| CN102593855A (zh) * | 2012-02-17 | 2012-07-18 | 合肥工业大学 | 平抑电力***中可再生能源电源输出功率波动的方法 |
| US8886362B2 (en) * | 2012-03-30 | 2014-11-11 | General Electric Company | Integrated distribution system optimization |
| CN104037793A (zh) * | 2014-07-07 | 2014-09-10 | 北京交通大学 | 一种应用于主动配电网的储能单元容量配置方法 |
| CN105552940A (zh) * | 2015-12-22 | 2016-05-04 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 基于交替方向乘子算法的分布式全局最优能量管理*** |
| CN105846461A (zh) * | 2016-04-28 | 2016-08-10 | 中国电力科学研究院 | 一种大规模储能电站自适应动态规划的控制方法和*** |
| CN107239847A (zh) * | 2017-04-12 | 2017-10-10 | 广州供电局有限公司 | 一种主动配电网储能***动态规划方法 |
| 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 |
Non-Patent Citations (1)
| Title |
|---|
| 鲍冠南，陆超，袁志昌等: "基于动态规划的电池储能***削峰填谷实时优化", 《电力***自动化》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109378844A (zh) * | 2018-12-18 | 2019-02-22 | 武汉安锐科能源科技有限公司 | 一种分布式储能***的优化配置方法 |
| CN110929454A (zh) * | 2019-11-21 | 2020-03-27 | 国网江苏省电力有限公司南通供电分公司 | 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法 |
| CN112097783A (zh) * | 2020-08-14 | 2020-12-18 | 广东工业大学 | 基于深度强化学习的电动出租车充电导航路径规划方法 |
| CN112097783B (zh) * | 2020-08-14 | 2022-05-20 | 广东工业大学 | 基于深度强化学习的电动出租车充电导航路径规划方法 |
| CN113900028A (zh) * | 2021-10-09 | 2022-01-07 | 山东大学 | 一种考虑充放电路径的电池健康状态估计方法 |
| CN113900028B (zh) * | 2021-10-09 | 2022-07-08 | 山东大学 | 一种考虑初始荷电状态和充放电路径的电池健康状态估计方法及*** |
| CN117060597A (zh) * | 2023-08-23 | 2023-11-14 | 嘉兴正弦电气有限公司 | 一种储能电站的储能协调控制方法及*** |
| CN117060597B (zh) * | 2023-08-23 | 2024-05-07 | 嘉兴正弦电气有限公司 | 一种储能电站的储能协调控制方法及*** |
| CN117439147A (zh) * | 2023-12-21 | 2024-01-23 | 深圳市健网科技有限公司 | 一种分布式储能***实时优化方法及装置 |
| CN117439147B (zh) * | 2023-12-21 | 2024-03-26 | 深圳市健网科技有限公司 | 一种分布式储能***实时优化方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107492901B (zh) | 2020-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107492901A (zh) | 一种分布式储能***实时优化方法及装置 | |
| CN112039069B (zh) | 一种配电网储能与柔性开关的双层协同规划方法及*** | |
| CN103490410B (zh) | 一种基于多目标优化的微电网规划和容量配置方法 | |
| CN105846461A (zh) | 一种大规模储能电站自适应动态规划的控制方法和*** | |
| CN102361327B (zh) | 一种考虑电池寿命的电池储能***削峰填谷方法 | |
| CN106655226A (zh) | 基于智能软开关的有源配电网不对称运行优化方法 | |
| CN104348256A (zh) | 考虑充放电倍率的多类型电池储能电站能量管理方法 | |
| CN106451508A (zh) | 分布式混合储能***配置、充放电方法及装置 | |
| CN113859018B (zh) | 大规模电动汽车群的分级充放电优化控制方法 | |
| CN111064214A (zh) | 基于电动汽车两阶段滚动式策略的配电网优化调度方法 | |
| CN109510209A (zh) | 考虑含相关性高维随机变量的混联电网概率潮流计算方法 | |
| CN112952862B (zh) | 平抑风电功率波动的混合储能分频协调控制器及实现方法 | |
| CN103078152B (zh) | 集中性充电站智能充电方法 | |
| CN112636331A (zh) | 智能电网的动态经济调度分布式优化方法及*** | |
| CN114448044A (zh) | 一种换电站双向快充有序充放电方法及*** | |
| CN105720597B (zh) | 用于优化电动汽车充储放一体化电站充放电功率的方法 | |
| CN115841187A (zh) | 柔性配电网运行策略的优化方法、装置、设备及存储介质 | |
| CN107622332A (zh) | 一种基于静态安全性约束的电网侧储能容量优化配置方法 | |
| CN107332290A (zh) | 一种基于直流线路的区域负荷转供方法 | |
| CN107240926A (zh) | 一种实时电价下户用储能智能化管理方法 | |
| CN110297452A (zh) | 一种蓄电池组相邻型均衡***及其预测控制方法 | |
| CN111525597B (zh) | 一种风储联合***中双电池不平衡状态优化方法 | |
| CN113054671A (zh) | 一种基于计及储能无功调节模型的配电网日前-实时优化控制方法 | |
| CN116645089A (zh) | 一种考虑退役电池容量退化的储能***双层优化配置方法 | |
| CN116247742A (zh) | 基于深度强化学习的电力***源网荷储联合调控方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |