CN107565585B - 储能装置调峰回报时间预测方法及其模型创建方法 - Google Patents
储能装置调峰回报时间预测方法及其模型创建方法 Download PDFInfo
- Publication number
- CN107565585B CN107565585B CN201711035037.8A CN201711035037A CN107565585B CN 107565585 B CN107565585 B CN 107565585B CN 201711035037 A CN201711035037 A CN 201711035037A CN 107565585 B CN107565585 B CN 107565585B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- storage device
- period
- load data
- electricity
- 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.)
- Expired - Fee Related
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种储能装置调峰回报时间预测方法及其模型创建方法,首先获取来自多个用户的多组历史负荷数据,并且建立储能装置的电量模型、收益模型以及充放电功率约束;通过储能算法模拟出储能装置在各组历史负荷数据所获取时间的运行策略;仿真计算出各组历史负荷数据下的储能装置调峰回报时间;最后针对于各组历史负荷数据及各个用户历史负荷数据下的储能装置调峰回报时间进行拟合计算,获取到储能装置调峰回报时间预测模型;本发明方法能够快速且准确的获取到储能装置调峰回报时间预测模型,并且创建得到储能装置调峰回报时间预测模型能够实现储能装置调峰回报时间的精确预测,起到鼓励人们使用储能装置,提高电能社会效益的作用。
Description
技术领域
本发明涉及一种电力调峰技术领域,特别涉及一种储能装置调峰回报时间预测方法及其模型创建方法。
背景技术
目前,我国电力市场实行峰谷电价制度,即电力公司根据电网负荷特性确定峰谷时段,在用电高峰和低谷时期实行不同电价的电价制度。通过在高峰期提高电价而在低谷期减低电价的手段来促使用户采取相应措施,缓解峰期用电紧张局面,提高电能的社会效益。
电池储能装置在用户侧可实现需求侧管理,并通过负荷调节有效的平滑负荷,减小峰谷负荷差,减低用户购电成本,又可作为应急备用电源,在增强用户供电可靠性,改变用电的调度水平,改善电能质量等方面具有重要意义。但是,由于目前储能技术发展有限,造价偏高,在未知储能装置回报效益,无法明确回报年限的情况下,大部分用户是不会考虑使用储能装置。这些因素均不利于储能技术在国内的应用和推广。
因此,需要在充分考虑电池储能装置经济性的情况下,结合国内电价制度,提供一种有效的储能调峰回报年限预测方法,鼓励投资人尝试运用储能装置,促进储能技术的发展和储能市场的开拓。
发明内容
本发明的第一目的在于克服现有技术的缺点与不足,提供一种快速、准确的储能装置调峰回报时间预测模型创建方法,通过该方法创建得到的储能装置调峰回报时间预测模型能够实现储能装置调峰回报时间的精确预测,起到鼓励人们使用储能装置,有效缓解电网高峰时期用电压力,以及提高电能社会效益的作用。
本发明的第二目的在于提供一种储能装置调峰回报时间预测方法,该方法通过上述储能装置调峰回报时间预测模型对储能装置调峰回报时间进行快速和准确的预测。
本发明的第一目的通过下述技术方案实现:一种储能装置调峰回报时间预测模型创建方法,步骤如下:
步骤S1、针对于多个用户侧,分别获取多组历史负荷数据;同时建立储能装置的电量模型、收益模型以及充放电功率约束;
步骤S2、根据步骤S1获取到的各组历史负荷数据以及储能装置的电量模型和充放电功率约束,通过储能算法模拟出储能装置在各组历史负荷数据所获取时间的运行策略;
步骤S3、结合储能装置的收益模型以及储能装置在各组历史负荷数据所获取时间的运行策略,仿真计算出各组历史负荷数据下的储能装置调峰回报时间;
步骤S4、针对于各组历史负荷数据及步骤S3计算出的各个用户历史负荷数据下的储能装置调峰回报时间进行拟合计算,得到历史负荷数据和储能装置调峰回报时间之间的拟合函数关系,即获取到储能装置调峰回报时间预测模型:
y=β1x1+β2x2+β3x3+...+βnxn+u;
其中x1至xn为历史负荷数据中包括的第1至n种数据,y为储能装置调峰回报时间,β1至βn为拟合系数,u为干扰项。
优选的,所述步骤S1中,获取的每组历史负荷数据中均包括以下几种数据:用户侧日负荷的负载率、用户侧日负荷的峰谷比以及用户侧日负荷的峰平比;每组历史负荷数据均由用户侧持续多日测试获取得到。
优选的,所述步骤S1中建立的储能装置的电量模型指的是任一时刻的电量模型;
其中当储能装置充电时,任一时刻的电量模型为:
Et+1=Et-ηCPt+1(Pt<0);
其中当储能装置放电时,任一时刻的电量模型为:
Et+1=Et-1/ηDPt+1(Pt>0);
其中:
Et+1为t+1时刻储能装置的能量储存量;
Et为t时刻储能装置的能量储存量;
当Pt+1<0时,即储能装置充电时,则Pt+1为t时刻到t+1时刻储能装置的平均输入功率;
当Pt+1>0时,即储能装置放电时,则Pt+1为t时刻到t+1时刻储能装置的平均输出功率;
ηC为储能装置的充电效率;
ηD为储能装置的放电效率。
优选的,所述步骤S1中建立的储能装置的收益模型为:
其中
V为储能装置进行削峰填谷的日收益;
当Pt>0时,Pt为t-1时刻到t时刻储能装置的平均输出功率;
当Pt<0时,Pt为t-1时刻到t时刻储能装置的平均输入功率;
et为t-1时刻到t时刻的平均电价,其中t-1时刻与t时刻之间相差的时间为1个小时。
优选的,所述步骤S1中储能装置的充放电功率约束如下:
-Pmax≤Pt≤Pmax;
其中:
当Pt<0时,即储能装置充电时,则Pt为t-1时刻到t时刻储能装置的平均输入功率;当Pt>0时,即储能装置放电时,则Pt为t-1时刻到t时刻储能装置的平均输出功率;
Pmax是储能装置的最大物理传输功率。
优选的,所述步骤S2中,针对于每组历史负荷数据,通过储能算法模拟出储能装置在该组历史负荷数据所获取时间的运行策略为:模拟储能装置在该组历史负荷数据所获取时间的每个用电高峰时期的每个时段按一定功率进行放电,模拟储能装置在该组历史负荷数据所获取时间的每个用电低谷时期的每个时段按一定功率进行充电;
其中,针对于每个用电高峰时期的每个时段,模拟的储能装置在该用电高峰时期该时段的放电功率确定过程如下:
根据该组历史负荷数据获取用户在该用电高峰时期内该时段的用电量,同时根据储能装置的电量模型获取模拟的储能装置在进入该用电高峰时期时的电量,然后计算出模拟的储能装置将其进入该用电高峰时期时的电量在该用电高峰时期放完所需的平均功率P;最后将用户在该用电高峰时期内该时段的用电量分别与上述平均功率P进行比较;
若前者大于后者,则模拟的储能装置在该用电高峰时期内该时段的放电功率与平均功率P相同;即其中即为模拟的储能装置在第j个用电高峰时期内第i个时段的放电功率;
若前者小于等于后者,则模拟的储能装置在该用电高峰时期内该时段的放电功率与用户在该用电高峰时期内该时段的用电量相同,即其中为根据历史负荷数据获取到的用户在第j个用电高峰时期内第i个时段的用电量,即模拟的储能装置在第j个用电高峰时期内第i个时段的放电功率与根据历史负荷数据获取到的用户在第j个用电高峰时期内第i个时段的用电量相同;
其中,针对于每个用电低谷时期的每个时段,模拟的储能装置在该用电低谷时期该时段的充电功率确定过程如下:
根据该组历史负荷数据获取用户在该用电低谷时期内该时段的用电量,同时根据储能装置的电量模型获取模拟的储能装置在进入该用电低谷时期时的电量,然后计算出模拟的储能装置将其进入该低谷时期时的电量在该用电低谷时期充满所需的平均功率P’;最后将用户在该用电低谷时期内该时段的用电量进行以下比较;
若用户在该用电低谷时期内该时段的用电量大于等于最大用电量阈值S,则模拟的储能装置在该用电低谷时期内该时段的充电功率为零,即其中为储能装置在第j个用电低谷时期内第i时段的充电功率;
若用户在该用电低谷时期内该时段的用电量与P’相加后大于等于最大用电量阈值S,则模拟的储能装置在该用电低谷时期内该时段的充电功率为S减去用户在该用电低谷时期内该时段的用电量,即其中为根据历史负荷数据获取到的用户在第j个用电低谷时期内第i个时段的用电量,即模拟的储能装置在第j个用电低谷时期内第i个时段的充电功率为S减去用户在第j个用电低谷时期内第i个时段的用电量
若用户在该用电低谷时期内该时段的用电量与P’相加后小于最大用电量阈值S,则模拟的储能装置在该用电低谷时期内该时段的充电功率与平均功率P’相同。
优选的,所述步骤S3中,计算出各组历史负荷数据下的储能装置调峰回报时间的具体过程如下:
步骤S31、首先针对于每组历史负荷数据,将该组历史负荷数据所获取时间进行周期划分,然后根据模拟的储能装置在该组历史负荷数据所获取时间的运行策略,通过储能装置的收益模型依次仿真计算出该组历史负荷数据下储能装置在每个周期的净收益,其中每个周期的净收益为:
其中V(k)为仿真计算出的该组历史负荷数据下储能装置在第k个周期的净收益;Vn(k)为仿真计算出的该组历史负荷数据下储能装置在第k个周期的第m日净收益;C(k)为仿真计算出的该组历史负荷数据下储能装置在第k个周期的惩罚性电费;M为每个周期包括的日数;X为该组历史负荷数据所获取时间被划分成的周期总数;
其中Vm(k)为:
其中
当时,为该组历史负荷数据下模拟的储能装置在第k个周期的第m日的第t-1时刻至t时刻的平均输出功率;
当时,为该组历史负荷数据下模拟的储能装置在第k个周期的第m日的第t-1时刻至t时刻的平均输入功率;
为该组历史负荷数据下模拟的储能装置在第k个周期的第m日的第t-1时刻至t时刻的平均电价;
其中C(k)通过以下方式得到:
首先获取该组历史负荷数据下模拟的储能装置在第k个周期内的最大用电量然后将其与最大用电量阈值S进行比较;若则S)*2*;若则C(k)=0;
步骤S32、将该组历史负荷数据下储能装置在前x个周期的净收益进行相加,得到净收益总和Sumx,然后进入步骤S33;其中:
步骤S33、判断步骤S32获取到的净收益总和Sumx是否大于等于储能装置的成本Cost;
若否,则将x的当前值加1后,回到步骤S32;
若是,则将x的当前值记录下来,并且将x的当前值与M进行相乘后得到的日数作为历史负荷数据下的储能装置调峰回报时间。
更进一步的,M为30。
本发明的第二目的通过下述技术方案实现:一种储能装置调峰回报时间预测方法,步骤如下:
步骤B1、首先针对于计划安装储能装置或者已经安装储能装置的用户侧,获取该用户侧的一组历史负荷数据;
步骤B2、根据步骤B1中获取到的一组历史负荷数据,通过权利要求1的步骤S4获取的以下储能装置调峰回报时间预测模型,计算得到储能装置的调峰回报时间;
y=β1x1+β2x2+β3x3+...+βnxn+u;
其中x1至xn为步骤B1获取到的一组历史负荷数据中的第1至n种数据,y为储能装置调峰回报时间,β1至βn为拟合系数,u为干扰项。
优选的,所述历史负荷数据中包括以下几种数据:用户侧日负荷的负载率、用户侧日负荷的峰谷比以及用户侧日负荷的峰平比;每组历史负荷数据均由用户侧持续多日测试获取得到。
本发明相对于现有技术具有如下的优点及效果:
(1)本发明储能装置调峰回报时间预测模型创建方法,首先获取来自多个用户的多组历史负荷数据,并且建立储能装置的电量模型、收益模型以及充放电功率约束;然后根据各组历史负荷数据以及储能装置的电量模型和充放电功率约束,通过储能算法模拟出储能装置在各组历史负荷数据所获取时间的运行策略;接着结合储能装置的收益模型以及储能装置在各组历史负荷数据所获取时间的运行策略,仿真计算出各组历史负荷数据下的储能装置调峰回报时间;最后针对于各组历史负荷数据及上述仿真出的各个用户历史负荷数据下的储能装置调峰回报时间进行拟合计算,获取到储能装置调峰回报时间预测模型;本发明方法能够快速且准确的获取到储能装置调峰回报时间预测模型,并且本发明创建得到的储能装置调峰回报时间预测模型能够实现储能装置调峰回报时间的精确预测,起到鼓励人们使用储能装置,有效缓解电网高峰时期用电压力,以及提高电能社会效益的作用。
(2)本发明储能装置调峰回报时间预测方法首先针对于计划安装储能装置或者已经安装储能装置的用户侧,获取该用户侧的一组历史负荷数据;然后将该组历史负荷数据代人本发明上述储能装置调峰回报时间预测模型创建方法所创建得到的储能装置调峰回报时间预测模型,本发明方法能够对储能装置调峰回报时间进行快速和准确的预测。
附图说明
图1是本发明储能装置调峰回报时间预测模型创建方法。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例1
本实施例还公开一种储能装置调峰回报时间预测模型创建方法,如图1所示,步骤如下:
步骤S1、针对于多个用户侧,分别获取多组历史负荷数据;同时建立储能装置的电量模型、收益模型以及充放电功率约束;其中每组历史负荷数据均由用户侧持续多日测试获取得到,并且每组历史负荷数据中包括多种影响储能装置调峰回报时间的因素数据。在本实施例中,获取的每组历史负荷数据中包括以下几种影响储能装置调峰回报时间的因素数据:用户侧日负荷的负载率、用户侧日负荷的峰谷比以及用户侧日负荷的峰平比;
在本实施例中,上述建立的储能装置的电量模型指的是任一时刻的电量模型;
其中当储能装置充电时,任一时刻的电量模型为:
Et+1=Et-ηCPt+1(Pt<0);
其中当储能装置放电时,任一时刻的电量模型为:
Et+1=Et-1/ηDPt+1(Pt>0);
其中:
Et+1为t+1时刻储能装置的能量储存量;
Et为t时刻储能装置的能量储存量;
当Pt+1<0时,即储能装置充电时,则Pt+1为t时刻到t+1时刻储能装置的平均输入功率;
当Pt+1>0时,即储能装置放电时,则Pt+1为t时刻到t+1时刻储能装置的平均输出功率;
ηC为储能装置的充电效率;
ηD为储能装置的放电效率。
在本实施例中,上述建立的储能装置的收益模型为:
其中
V为储能装置进行削峰填谷的日收益;
当Pt>0时,即储能装置放电时,则Pt为t-1时刻到t时刻储能装置的平均输出功率;当Pt<0时,即储能装置充电时,则Pt为t-1时刻到t时刻储能装置的平均输入功率;
et为t-1时刻到t时刻的平均电价,其中t-1时刻与t时刻之间相差的时间为1个小时。
在本实施例中,上述储能装置的充放电功率约束如下:
-Pmax≤Pt≤Pmax;
其中:
当Pt<0时,即储能装置充电时,则Pt为t-1时刻到t时刻储能装置的平均输入功率;
当Pt>0时,即储能装置放电时,则Pt为t-1时刻到t时刻储能装置的平均输出功率;
Pmax是储能装置的最大物理传输功率。
步骤S2、根据步骤S1获取到的各组历史负荷数据以及储能装置的电量模型和充放电功率约束,通过储能算法模拟出储能装置在各组历史负荷数据所获取时间的运行策略;具体过程如下:针对于每组历史负荷数据,通过储能算法模拟出储能装置在该组历史负荷数据所获取时间的运行策略为:模拟储能装置在该组历史负荷数据所获取时间的每个用电高峰时期的每个时段按一定功率进行放电,模拟储能装置在该组历史负荷数据所获取时间的每个用电低谷时期的每个时段按一定功率进行充电;
其中,针对于每个用电高峰时期的每个时段,模拟的储能装置在该用电高峰时期该时段的放电功率确定过程如下:
根据该组历史负荷数据获取用户在该用电高峰时期内该时段的用电量,同时根据储能装置的电量模型获取模拟的储能装置在进入该用电高峰时期时的电量,然后计算出模拟的储能装置将其进入该用电高峰时期时的电量在该用电高峰时期放完所需的平均功率P;最后将用户在该用电高峰时期内该时段的用电量分别与上述平均功率P进行比较;
若前者大于后者,则模拟的储能装置在该用电高峰时期内该时段的放电功率与平均功率P相同;即其中即为模拟的储能装置在第j个用电高峰时期内第i个时段的放电功率;
若前者小于等于后者,则模拟的储能装置在该用电高峰时期内该时段的放电功率与用户在该用电高峰时期内该时段的用电量相同,即其中为根据历史负荷数据获取到的用户在第j个用电高峰时期内第i个时段的用电量,即储能装置在第j个用电高峰时期内第i个时段的放电功率与根据历史负荷数据获取到的用户在第j个用电高峰时期内第i个时段的用电量相同;
其中,针对于每个用电低谷时期的每个时段,模拟的储能装置在该用电低谷时期该时段的充电功率确定过程如下:
根据该组历史负荷数据获取用户在该用电低谷时期内该时段的用电量,同时根据储能装置的电量模型获取模拟的储能装置在进入该用电低谷时期时的电量,然后计算出模拟的储能装置将其进入该低谷时期时的电量在该用电低谷时期充满所需的平均功率P’;最后将用户在该用电低谷时期内该时段的用电量进行比较;
若用户在该用电低谷时期内该时段的用电量大于等于最大用电量阈值S,则模拟的储能装置在该用电低谷时期内该时段的充电功率为零,即其中为储能装置在第j个用电低谷时期内第i时段的充电功率;
若用户在该用电低谷时期内该时段的用电量与P’相加后大于等于最大用电量阈值S,则模拟的储能装置在该用电低谷时期内该时段的充电功率为S减去用户在该用电低谷时期内该时段的用电量,即其中为根据历史负荷数据获取到的用户在第j个用电低谷时期内第i个时段的用电量,即模拟的储能装置在第j个用电低谷时期内第i个时段的充电功率为S减去用户在第j个用电低谷时期内第i个时段的用电量
若用户在该用电低谷时期内该时段的用电量与P’相加后小于最大用电量阈值S,则模拟的储能装置在该用电低谷时期内该时段的充电功率与平均功率P’相同。
步骤S3、结合储能装置的收益模型以及储能装置在各组历史负荷数据所获取时间的运行策略,仿真计算出各组历史负荷数据下的储能装置调峰回报时间;其中本步骤中,计算出各组历史负荷数据下的储能装置调峰回报时间的具体过程如下:
步骤S31、首先针对于每组历史负荷数据,将该组历史负荷数据所获取时间进行周期划分,然后根据模拟的储能装置在该组历史负荷数据所获取时间的运行策略,通过储能装置的收益模型依次仿真计算出该组历史负荷数据下储能装置在每个周期的净收益,其中每个周期的净收益为:
其中V(k)为仿真计算出的该组历史负荷数据下储能装置在第k个周期的净收益;Vn(k)为仿真计算出的该组历史负荷数据下储能装置在第k个周期的第m日净收益;C(k)为仿真计算出的该组历史负荷数据下储能装置在第k个周期的惩罚性电费;M为每个周期包括的日数,在本实施例中设置M为30,即每个周期的时间长度为30日;X为该组历史负荷数据所获取时间被划分成的周期总数;
其中Vm(k)为:
其中
当时,为该组历史负荷数据下模拟的储能装置在第k个周期的第m日的第t-1时刻至t时刻的平均输出功率;当时,为该组历史负荷数据下模拟的储能装置在第k个周期的第m日的第t-1时刻至t时刻的平均输入功率;其中根据模拟出的储能装置在该组历史负荷数据所获取时间的运行策略获取到,具体为:先寻找到该组历史负荷数据下模拟的储能装置的第k个周期第m日的第t-1时刻至t时刻所处在的该组历史负荷数据所获取时间的用电高峰时期或用电低谷时期的时段,即为模拟的储能装置在该用电高峰时期该时段的放电功率或在该用电低谷时期该时段的充电功率。
为该组历史负荷数据下模拟的储能装置在第k个周期的第m日的第t-1时刻至t时刻的平均电价;
其中C(k)通过以下方式得到:
首先获取该组历史负荷数据下模拟的储能装置在第k个周期内的最大用电量然后将其与最大用电量阈值S进行比较;若则 若则C(k)=0;
步骤S32、将该组历史负荷数据下储能装置在前x个周期的净收益进行相加,得到净收益总和Sumx,然后进入步骤S33;其中:
步骤S33、判断步骤S32获取到的净收益总和Sumx是否大于等于储能装置的成本Cost;
若否,则将x的当前值加1后,回到步骤S32;
若是,则将x的当前值记录下来,并且将x的当前值与M进行相乘后得到的日数作为历史负荷数据下的储能装置调峰回报时间。
步骤S4、针对于各组历史负荷数据及步骤S3计算出的各个用户历史负荷数据下的储能装置调峰回报时间进行拟合计算,得到历史负荷数据和储能装置调峰回报时间之间的拟合函数关系,即获取到储能装置调峰回报时间预测模型:
y=β1x1+β2x2+β3x3+...+βnxn+u;
其中x1至xn为历史负荷数据中的第1至n种数据,在本实施例中n为3,x1至x3分别为用户侧日负荷的负载率、用户侧日负荷的峰谷比以及用户侧日负荷的峰平比;y为储能装置调峰回报时间,β1至βn为拟合系数。其中u为干扰项,表示除数据x1至xn外其他影响储能装置调峰回报时间的因素,例如用户侧变压器容量等。
本实施例2
本实施例公开了一种储能装置调峰回报时间预测方法,步骤如下:
步骤B1、首先针对于计划安装储能装置或者已经安装储能装置的用户侧,获取该用户侧的一组历史负荷数据;
步骤B2、根据步骤B1中获取到的一组历史负荷数据,通过实施例1中步骤S4获取的以下储能装置调峰回报时间预测模型,计算得到储能装置的调峰回报时间;
y=β1x1+β2x2+β3x3+...+βnxn+u;
其中x1至xn为步骤B1获取到的一组历史负荷数据中的第1至n种数据,y为储能装置调峰回报时间,β1至βn为拟合系数,u为干扰项。
在本实施例中,历史负荷数据中包括以下几种数据:用户侧日负荷的负载率x1、用户侧日负荷的峰谷比x2以及用户侧日负荷的峰平比x3;每组历史负荷数据均由用户侧持续多日测试获取得到。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (10)
1.一种储能装置调峰回报时间预测模型创建方法,其特征在于,步骤如下:
步骤S1、针对于多个用户侧,分别获取多组历史负荷数据;同时建立储能装置的电量模型、收益模型以及充放电功率约束;
步骤S2、根据步骤S1获取到的各组历史负荷数据以及储能装置的电量模型和充放电功率约束,通过储能算法模拟出储能装置在各组历史负荷数据所获取时间的运行策略;
步骤S3、结合储能装置的收益模型以及储能装置在各组历史负荷数据所获取时间的运行策略,仿真计算出各组历史负荷数据下的储能装置调峰回报时间;
步骤S4、针对于各组历史负荷数据及步骤S3计算出的各个用户历史负荷数据下的储能装置调峰回报时间进行拟合计算,得到历史负荷数据和储能装置调峰回报时间之间的拟合函数关系,即获取到储能装置调峰回报时间预测模型:
y=β1x1+β2x2+β3x3+…+βnxn+u;
其中x1至xn为历史负荷数据中包括的第1至n种数据,y为储能装置调峰回报时间,β1至βn为拟合系数,u为干扰项。
2.根据权利要求1所述的储能装置调峰回报时间预测模型创建方法,其特征在于,所述步骤S1中,获取的每组历史负荷数据中均包括以下几种数据:用户侧日负荷的负载率、用户侧日负荷的峰谷比以及用户侧日负荷的峰平比;每组历史负荷数据均由用户侧持续多日测试获取得到。
3.根据权利要求1所述的储能装置调峰回报时间预测模型创建方法,其特征在于,所述步骤S1中建立的储能装置的电量模型指的是任一时刻的电量模型;
其中当储能装置充电时,任一时刻的电量模型为:
Et+1=Et-ηCPt+1(Pt<0);
其中当储能装置放电时,任一时刻的电量模型为:
Et+1=Et-1/ηDPt+1(Pt>0);
其中:
Et+1为t+1时刻储能装置的能量储存量;
Et为t时刻储能装置的能量储存量;
当Pt+1<0时,即储能装置充电时,则Pt+1为t时刻到t+1时刻储能装置的平均输入功率;
当Pt+1>0时,即储能装置放电时,则Pt+1为t时刻到t+1时刻储能装置的平均输出功率;
ηC为储能装置的充电效率;
ηD为储能装置的放电效率。
4.根据权利要求1所述的储能装置调峰回报时间预测模型创建方法,其特征在于,所述步骤S1中建立的储能装置的收益模型为:
其中
V为储能装置进行削峰填谷的日收益;
当Pt>0时,Pt为t-1时刻到t时刻储能装置的平均输出功率;
当Pt<0时,Pt为t-1时刻到t时刻储能装置的平均输入功率;
et为t-1时刻到t时刻的平均电价,其中t-1时刻与t时刻之间相差的时间为1个小时。
5.根据权利要求1所述的储能装置调峰回报时间预测模型创建方法,其特征在于,所述步骤S1中储能装置的充放电功率约束如下:
-Pmax≤Pt≤Pmax;
其中:
当Pt<0时,即储能装置充电时,则Pt为t-1时刻到t时刻储能装置的平均输入功率;当Pt>0时,即储能装置放电时,则Pt为t-1时刻到t时刻储能装置的平均输出功率;
Pmax是储能装置的最大物理传输功率。
6.根据权利要求1所述的储能装置调峰回报时间预测模型创建方法,其特征在于,所述步骤S2中,针对于每组历史负荷数据,通过储能算法模拟出储能装置在该组历史负荷数据所获取时间的运行策略为:模拟储能装置在该组历史负荷数据所获取时间的每个用电高峰时期的每个时段按一定功率进行放电,模拟储能装置在该组历史负荷数据所获取时间的每个用电低谷时期的每个时段按一定功率进行充电;
其中,针对于每个用电高峰时期的每个时段,模拟的储能装置在该用电高峰时期该时段的放电功率确定过程如下:
根据该组历史负荷数据获取用户在该用电高峰时期内该时段的用电量,同时根据储能装置的电量模型获取模拟的储能装置在进入该用电高峰时期时的电量,然后计算出模拟的储能装置将其进入该用电高峰时期时的电量在该用电高峰时期放完所需的平均功率P;最后将用户在该用电高峰时期内该时段的用电量分别与上述平均功率P进行比较;
若前者大于后者,则模拟的储能装置在该用电高峰时期内该时段的放电功率与平均功率P相同;即其中即为模拟的储能装置在第j个用电高峰时期内第i个时段的放电功率;
若前者小于等于后者,则模拟的储能装置在该用电高峰时期内该时段的放电功率与用户在该用电高峰时期内该时段的用电量相同,即其中为根据历史负荷数据获取到的用户在第j个用电高峰时期内第i个时段的用电量,即模拟的储能装置在第j个用电高峰时期内第i个时段的放电功率与根据历史负荷数据获取到的用户在第j个用电高峰时期内第i个时段的用电量相同;
其中,针对于每个用电低谷时期的每个时段,模拟的储能装置在该用电低谷时期该时段的充电功率确定过程如下:
根据该组历史负荷数据获取用户在该用电低谷时期内该时段的用电量,同时根据储能装置的电量模型获取模拟的储能装置在进入该用电低谷时期时的电量,然后计算出模拟的储能装置将其进入该低谷时期时的电量在该用电低谷时期充满所需的平均功率P’;最后将用户在该用电低谷时期内该时段的用电量进行以下比较;
若用户在该用电低谷时期内该时段的用电量大于等于最大用电量阈值S,则模拟的储能装置在该用电低谷时期内该时段的充电功率为零,即其中为模拟的储能装置在第j个用电低谷时期内第i时段的充电功率;
若用户在该用电低谷时期内该时段的用电量与P’相加后大于等于最大用电量阈值S,则模拟的储能装置在该用电低谷时期内该时段的充电功率为S减去用户在该用电低谷时期内该时段的用电量,即其中为根据历史负荷数据获取到的用户在第j个用电低谷时期内第i个时段的用电量,即模拟的储能装置在第j个用电低谷时期内第i个时段的充电功率为S减去用户在第j个用电低谷时期内第i个时段的用电量
若用户在该用电低谷时期内该时段的用电量与P’相加后小于最大用电量阈值S,则模拟的储能装置在该用电低谷时期内该时段的充电功率与平均功率P’相同。
7.根据权利要求1所述的储能装置调峰回报时间预测模型创建方法,其特征在于,所述步骤S3中,计算出各组历史负荷数据下的储能装置调峰回报时间的具体过程如下:
步骤S31、首先针对于每组历史负荷数据,将该组历史负荷数据所获取时间进行周期划分,然后根据模拟的储能装置在该组历史负荷数据所获取时间的运行策略,通过储能装置的收益模型依次仿真计算出该组历史负荷数据下储能装置在每个周期的净收益,其中每个周期的净收益为:
其中V(k)为仿真计算出的该组历史负荷数据下储能装置在第k个周期的净收益;Vm(k)为仿真计算出的该组历史负荷数据下储能装置在第k个周期的第m日净收益;C(k)为仿真计算出的该组历史负荷数据下储能装置在第k个周期的惩罚性电费;M为每个周期包括的日数;X为该组历史负荷数据所获取时间被划分成的周期总数;
其中Vm(k)为:
其中
当时,为该组历史负荷数据下模拟的储能装置在第k个周期的第m日的第t-1时刻至t时刻的平均输出功率;
当时,为该组历史负荷数据下模拟的储能装置在第k个周期的第m日的第t-1时刻至t时刻的平均输入功率;
为该组历史负荷数据下模拟的储能装置在第k个周期的第m日的第t-1时刻至t时刻的平均电价;
其中C(k)通过以下方式得到:
首先获取该组历史负荷数据下模拟的储能装置在第k个周期内的最大用电量然后将其与最大用电量阈值S进行比较;若则 若Dmaxk≤S,则C(k)=0;
步骤S32、将该组历史负荷数据下储能装置在前x个周期的净收益进行相加,得到净收益总和Sumx,然后进入步骤S33;其中:
步骤S33、判断步骤S32获取到的净收益总和Sumx是否大于等于储能装置的成本Cost;
若否,则将x的当前值加1后,回到步骤S32;
若是,则将x的当前值记录下来,并且将x的当前值与M进行相乘后得到的日数作为历史负荷数据下的储能装置调峰回报时间。
8.根据权利要求7所述的储能装置调峰回报时间预测模型创建方法,其特征在于,M为30。
9.一种储能装置调峰回报时间预测方法,其特征在于,步骤如下:
步骤B1、首先针对于计划安装储能装置或者已经安装储能装置的用户侧,获取该用户侧的一组历史负荷数据;
步骤B2、根据步骤B1中获取到的一组历史负荷数据,通过权利要求1的步骤S4获取的以下储能装置调峰回报时间预测模型,计算得到储能装置的调峰回报时间;
y=β1x1+β2x2+β3x3+…+βnxn+u;
其中x1至xn为步骤B1获取到的一组历史负荷数据中的第1至n种数据,y为储能装置调峰回报时间,β1至βn为拟合系数,u为干扰项。
10.根据权利要求9所述的储能装置调峰回报时间预测方法,其特征在于,所述历史负荷数据中包括以下几种数据:用户侧日负荷的负载率、用户侧日负荷的峰谷比以及用户侧日负荷的峰平比;每组历史负荷数据均由用户侧持续多日测试获取得到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711035037.8A CN107565585B (zh) | 2017-10-30 | 2017-10-30 | 储能装置调峰回报时间预测方法及其模型创建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711035037.8A CN107565585B (zh) | 2017-10-30 | 2017-10-30 | 储能装置调峰回报时间预测方法及其模型创建方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107565585A CN107565585A (zh) | 2018-01-09 |
CN107565585B true CN107565585B (zh) | 2019-08-02 |
Family
ID=61031691
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711035037.8A Expired - Fee Related CN107565585B (zh) | 2017-10-30 | 2017-10-30 | 储能装置调峰回报时间预测方法及其模型创建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107565585B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109038685B (zh) * | 2018-08-17 | 2022-06-28 | 友达光电股份有限公司 | 再生能源管理*** |
CN109256790B (zh) * | 2018-10-22 | 2022-02-11 | 暨南大学 | 一种蓄能***配置方法、装置及存储介质 |
CN109818362B (zh) * | 2019-03-25 | 2021-06-29 | 国网湖南省电力有限公司 | 用户侧储能装置的接入控制方法 |
CN110198042B (zh) * | 2019-06-27 | 2022-12-27 | 上海极熵数据科技有限公司 | 一种电网储能的动态优化方法及存储介质 |
CN111525601B (zh) * | 2020-05-27 | 2023-09-12 | 远景智能国际私人投资有限公司 | 用户侧储能设备的充放电控制方法、装置及存储介质 |
CN114362220B (zh) * | 2022-01-14 | 2023-08-15 | 国网上海市电力公司 | 储能电站调峰辅助决策方法 |
CN117175666B (zh) * | 2023-11-03 | 2024-01-26 | 深圳航天科创泛在电气有限公司 | 一种分布式储能电源***的负载调节方法及调节装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968111A (zh) * | 2012-12-14 | 2013-03-13 | 新奥科技发展有限公司 | 控制分布式能源***的方法和*** |
CN103633657A (zh) * | 2013-11-20 | 2014-03-12 | 国家电网公司 | 一种风储电站电网负荷调峰及风电波动抑制的方法及装置 |
CN105515027A (zh) * | 2015-08-06 | 2016-04-20 | 樊朝晖 | 一种负荷曲线可配置的储能微网控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8965594B2 (en) * | 2012-01-19 | 2015-02-24 | General Compression, Inc. | System and method for conserving energy resources through storage and delivery of renewable energy |
-
2017
- 2017-10-30 CN CN201711035037.8A patent/CN107565585B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102968111A (zh) * | 2012-12-14 | 2013-03-13 | 新奥科技发展有限公司 | 控制分布式能源***的方法和*** |
CN103633657A (zh) * | 2013-11-20 | 2014-03-12 | 国家电网公司 | 一种风储电站电网负荷调峰及风电波动抑制的方法及装置 |
CN105515027A (zh) * | 2015-08-06 | 2016-04-20 | 樊朝晖 | 一种负荷曲线可配置的储能微网控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107565585A (zh) | 2018-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107565585B (zh) | 储能装置调峰回报时间预测方法及其模型创建方法 | |
Lai et al. | Levelized cost of electricity for solar photovoltaic and electrical energy storage | |
e Silva et al. | Photovoltaic self-sufficiency of Belgian households using lithium-ion batteries, and its impact on the grid | |
CN107017619B (zh) | 非合作博弈视角的光伏充电站网络分布式能量管理方法 | |
CN112103946B (zh) | 一种基于粒子群算法的微电网储能优化配置方法 | |
Macedo et al. | Demand side management using artificial neural networks in a smart grid environment | |
CN107294120B (zh) | 一种主动配电网混合储能容量优化配置方法及装置 | |
Barelli et al. | Residential micro-grid load management through artificial neural networks | |
CN104376385A (zh) | 一种微电网电价优化方法 | |
CN106339826A (zh) | 一种计及削峰填谷的并网型微电网可靠性评估方法 | |
CN114938035B (zh) | 考虑储能退化成本的共享储能能量调度方法及*** | |
CN114884108B (zh) | 源网荷储一体化的微电网多时间尺度能量管理优化方法 | |
CN109038655B (zh) | 限电要求下大型光伏电站的配套储能容量计算方法 | |
Monteiro et al. | Long-term sizing of lead–acid batteries in order to reduce technical losses on distribution networks: A distributed generation approach | |
CN109842140A (zh) | 高压配网峰谷负荷平衡智能管控方法 | |
CN116402307A (zh) | 考虑可调度柔性资源运行特性的电网规划容量分析方法 | |
Zhang et al. | Cycle-life-aware optimal sizing of grid-side battery energy storage | |
CN111969598B (zh) | 一种考虑激励型需求侧响应的用户侧储能优化方法及*** | |
Kim et al. | Economical energy storage systems scheduling based on load forecasting using deep learning | |
CN105119315B (zh) | 一种基于能效最大化的储能变流器组合优化方法 | |
Han et al. | Analysis of economic operation model for virtual power plants considering the uncertainties of renewable energy power generation | |
CN115829141A (zh) | 一种基于短期智能电表数据的储能***优化配置方法 | |
CN109038631A (zh) | 一种分布式发电和储能的容量配置方法 | |
Farhat et al. | Evaluate the impact of network tariffs on the Swiss energy transition. A fair cost distribution or a driver to reduce expensive network upgrades? | |
Tang et al. | Benefits allocation method for demand response in smart distribution network with high PV penetration |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190802 Termination date: 20211030 |