CN109888803B - 风光发电***中混合储能电源容量配置的优化方法 - Google Patents
风光发电***中混合储能电源容量配置的优化方法 Download PDFInfo
- Publication number
- CN109888803B CN109888803B CN201910077473.4A CN201910077473A CN109888803B CN 109888803 B CN109888803 B CN 109888803B CN 201910077473 A CN201910077473 A CN 201910077473A CN 109888803 B CN109888803 B CN 109888803B
- Authority
- CN
- China
- Prior art keywords
- optimization
- power supply
- wind
- energy storage
- energy
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种风光发电***中混合储能电源容量配置的优化方法,包括:分别建立风力发电机组、光伏太阳能发电机组、蓄电池及超级电容器的能量模型;根据混合储能电源的一次性投资成本和全生命周期的运营成本建立其容量配置的优化模型及相应的约束条件;基于宽容分层序列优化方法,根据预先设定的重要程度排名,分别针对混合储能电源的一次性投资成本和全生命周期的运营成本建立优化目标函数及相应的优化约束条件;根据优化目标函数和优化约束条件的建立顺序,依次进行求解得到最优参数,实现混合储能电源容量配置的优化,其在满足负荷需求的前提下最大化利用风能和光伏太阳能资源的同时,大大降低了一次性投资成本和全生命周期的运营成本。
Description
技术领域
本发明涉及电池技术领域,尤其涉及一种风光发电***中混合储能电源容量配置的优化方法。
背景技术
随着传统石油资源的快速枯竭和全球变暖现象的日益加剧,世界各地的研究人员和科学家都在极力寻找绿色替代能源,由风能和光伏太阳能组成的风光发电***成为了研究热点。但是,风能和光伏太阳能都是间歇性的,为了确保能源供应的稳定性和可靠性,通常需要在风光发电***中设置合适的储能***。一般来说,在由风能和光伏太阳能组成的中小型发电***中,使用蓄电池进行储能。但是,由蓄电池组成的储能电源存在寿命周期低、功率密度低、充/放电电流存在限制及易受环境影响等问题。
近年来,超级电容器凭借高功率密度、长寿命、高充放电效率等优点逐步得到了重视,然而仅由超级电容器组成的储能电源能量存储能力非常有限,且成本比由蓄电池组成的储能电源高很多。显然,单独使用蓄电池或超级电容器作为风光发电***的储能装置都会存在一定的问题,以此结合了两者的优点的混合储能电源(包括蓄电池和超级电容器)成为了一个作为风光发电***储能装置的研究方向。
在风光发电***的混合储能电源中,容量配置优化是一个难点问题,其对在合理成本下风光发电***的可靠运行至关重要。目前,国内外学者对容量配置优化的研究相对较少,主要优化方法集中在遗传算法和粒子群算法,其中,遗传算法虽然简单易实现,全局解的搜索能力较强,但该方法属于随机类算法,需要多次运算,计算量大,计算时间长,而且不能得到稳定的解;粒子群算法虽然搜索速度快,需调整的参数少,效率高,但是存在收敛精度低、易陷入局部最优解的缺点。
发明内容
针对上述现有技术的不足,本发明提供了一种风光发电***中混合储能电源容量配置的优化方法,有效解决了现有风光发电***混合储能电源的容量配置不能有效优化的技术问题。
为了实现上述目的,本发明通过以下技术方案实现:
一种风光发电***中混合储能电源容量配置的优化方法,其特征在于,应用于风光发电***,所述风光发电***中包括风力发电机组、光伏太阳能发电机组及混合储能电源,其中,混合储能电源中包括用于提供能量的蓄电池及用于提供功率的超级电容器;所述风光发电***中混合储能电源容量配置的优化方法包括:
S10分别建立风力发电机组、光伏太阳能发电机组、蓄电池及超级电容器的能量模型;
S20根据混合储能电源的一次性投资成本和全生命周期的运营成本建立其容量配置的优化模型及相应的约束条件,所述约束条件包括超级电容器的充放电电流约束及最大剩余能量约束,所述最大剩余能量约束根据风力发电机组、光伏太阳能发电机组、蓄电池及超级电容器的能量模型构建;
S30基于宽容分层序列优化方法,根据预先设定的重要程度排名及步骤S20中建立的优化模型和约束条件,分别针对混合储能电源的一次性投资成本和全生命周期的运营成本建立优化目标函数及相应的优化约束条件;
S40根据优化目标函数和优化约束条件的建立顺序,依次进行求解得到最优参数,实现混合储能电源容量配置的优化。
在本发明提供的风光发电***中混合储能电源容量配置的优化方法中,分别建立了风光发电***中风力发电机组、光伏太阳能发电机组、蓄电池及超级电容器的能量模型之后,进一步根据预先设定的重要程度排名和宽容分层序列优化方法分别针对混合储能电源的一次性投资成本和全生命周期的运营成本建立优化目标函数及相应的优化约束条件,并根据优化目标函数和优化约束条件的建立顺序依次采用微分进化算法进行求解和优化,分别实现混合储能电源一次性投资成本和全生命周期的运营成本的最小化,其在满足负荷需求的前提下最大化利用风能和光伏太阳能资源的同时,大大降低了一次性投资成本和全生命周期的运营成本。
附图说明
结合附图,并通过参考下面的详细描述,将会更容易地对本发明有更完整的理解并且更容易地理解其伴随的优点和特征,其中:
图1为本发明中风光发电***中混合储能电源容量配置的优化方法的流程示意图。
具体实施方式
为使本发明的内容更加清楚易懂,以下结合说明书附图,对本发明的内容作进一步说明。当然本发明并不局限于该具体实施例,本领域内的技术人员所熟知的一般替换也涵盖在本发明的保护范围内。
针对现有风光发电***混合储能电源的容量配置不能有效优化的技术问题,本发明提供了一种风光发电***中混合储能电源容量配置的优化方法,应用于风光发电***,具体,在该风光发电***中包括风力发电机组、光伏太阳能发电机组及混合储能电源,其中,混合储能电源中包括用于提供能量的蓄电池及用于提供功率的超级电容器,风力发电机组和光伏太阳能发电机组分别与混合储能电源并联。在工作过程中,如果风力发电机组和光伏太阳能发电机组的发电量较多,则在满足负载电能需求的前提下,可将负载消耗后剩余的电能存储在混合储能电源中;如果风力发电机组和光伏太阳能发电机组的发电量较少,不足以满足负载的电能需求,混合储能电源可将其存储的电能提供给负载。
如图1所示,该风光发电***中混合储能电源容量配置的优化方法中包括:
S10分别建立风力发电机组、光伏太阳能发电机组、蓄电池及超级电容器的能量模型;
S20根据混合储能电源的一次性投资成本和全生命周期的运营成本建立其容量配置的优化模型及相应的约束条件,约束条件包括超级电容器的充放电电流约束及最大剩余能量约束,最大剩余能量约束根据风力发电机组、光伏太阳能发电机组、蓄电池及超级电容器的能量模型构建;
S30基于宽容分层序列优化方法,根据预先设定的重要程度排名及步骤S20中建立的优化模型和约束条件,分别针对混合储能电源的一次性投资成本和全生命周期的运营成本建立优化目标函数及相应的优化约束条件;
S40根据优化目标函数和优化约束条件的建立顺序,依次进行求解得到最优参数,实现混合储能电源容量配置的优化。
在风力发电机组中,风速是决定其发电量最重要的因素,而风速取决于许多因素,如天气、季节等。以风力发电机组中包括小型涡轮发电机为例进行建模,其输出功率如式(1):
其中,Pr为小型涡轮发电机的额定功率,v为风速,vc为切入风速,vr为额定风速,vf为切出风速,k'为威布尔分布的形状参数。
以此,小型涡轮发电机的年发电量Ew如式(2):
其中,tw1为每年小型涡轮发电机在风速处于vc≤v<vr区间的工作时间,tw2为每年小型涡轮发电机在风速处于vr≤v≤vf区间的工作时间。
在光伏太阳能发电机组中,光伏阵列的输出功率取决于许多因素,其中最主要的因素为辐射强度和环境温度,具体,在辐射强度SSTC=1000W/m2和环境温度TSTC=25℃的参考条件下,光伏阵列的输出电流I如式(3):
其中,V为在辐射强度SSTC=1000W/m2和环境温度TSTC=25℃参考条件下光伏阵列的输出电压,ISC为光伏阵列的短路电流,Voc为光伏阵列的开路电压,Vm为光伏阵列最大功率Pmax输出时的电压,Im为光伏阵列最大功率Pmax输出时的电流。
由于辐射强度和环境温度是不断变化的,因此在任意辐射强度S和环境温度T的条件下对光伏阵列进行数学模型,如式(4):
其中,I(S,T)为光伏阵列的输出电流,ΔI(S,T)为光伏阵列输出电流的矫正因子,V(S,T)为光伏阵列的输出电压,ΔV(S,T)为光伏阵列输出电压的矫正因子,RS为光伏阵列的串联电阻,α为光伏阵列的短路温度系数,β为光伏阵列的开路温度系数;TNOR为光伏阵列的正常工作温度,一般取40℃。
在多云天气下,地面接收到的太阳辐射与正常情况相比会有所不同,使用二次函数对地面接收到的太阳辐射进行修正后,光伏阵列的实际输出电流Ireal如式(5):
其中,TC为削弱系数;N为云盖系数,一般在0-8之间取值,0代表无云,8代表满云;a、b和c分别为经验系数,通常取a=0.0124,b=0.2784和c=1.04。
以此,光伏阵列的年发电量Es如式(6):
Es=η×Ireal×V(S,T)×NP×NS×ts (6)
其中,η为光伏阵列的效率,NS为光伏阵列的串联数目,NP为伏阵列的并联数目,ts表示光伏阵列的年工作时间。
通常,蓄电池的容量等级和电压等级需要通过蓄电池单体的串并联连接来提高,以满足负载需求。当蓄电池单体的充电电流和放电电流均为额定充电电流Ic时,其存储的充电能量Qb1和放电能量Qb2如式(7)和(8):
Qb1=U×Ic×tc (7)
Qb2=U×Ic×td (8)
其中,tc为蓄电池单体的充电时间,td为蓄电池单体的放电时间;U为蓄电池单体的参考电压,一般取12V。
以此,蓄电池的能量QBAT如式(9):
QBAT=(Qb1+Qb2)×h×l (9)
其中,h为蓄电池中蓄电池单体的串联数目,l为蓄电池中蓄电池单体的并联数目。
由于超级电容器单体仅能存储有限的能量,且不能承受高电压,因此超级电容器的容量和电压同样需要通过串并联超级电容器单体来提高。假定超级电容器中串联超级电容器单体的数量为m,并联超级电容器单体的数量为n,则其等效容量如式(10):
其中,Cf为超级电容器单体的容量。
以此,超级电容器存储的能量QSC如式(11):
其中,Umax为超级电容器的最大电压,Umin为超级电容器的最小电压,Usmax为超级电容器单体的最大电压,Usmin为超级电容器单体的最小电压。
对于混合储能电源容量配置的优化,其目标是在满足风光发电***所有性能参数和保证混合储能电源稳定运行的前提下,最小化混合储能电源的一次性投资成本和全生命周期运营成本,是以,假定风光发电***的生命周期为k(通常为20)年,建立混合储能电源容量配置的优化模型L如式(12):
其中,L1为混合储能电源的一次性投资成本,且L1=pBAT×QBAT+pSC×QSC;L2为混合储能电源全生命周期的运营成本,且L2=k×λBAT×pBAT×QBAT+k×mBAT×QBAT+k×λSC×pSC×QSC+k×mSC×QSC;pBAT为每单位能量的蓄电池价格,pSC为每单位能量的超级电容器价格,λBAT为蓄电池每单位能量的年折现率,λSC为超级电容器每单位能量的年折现率,mBAT为蓄电池每单位能量的年维护费,mSC为超级电容器每单位能量的年维护费。
另外,在优化蓄电池和超级电容器混合储能电源的容量配置的过程中,需考虑超级电容器充放电电流约束和最大剩余能量约束,具体:
由于超级电容器主要用于混合储能电源在能量密度较低时的瞬时最大负荷波动,假定负载的最大波动电流为8Ic,风光发电***的最大充电电流为3Ic,则超级电容器的充放电电流约束如(13):
其中,Is1为超级电容器的充电电流,Is2为超级电容器的放电电流,Ismax为超级电容器的最大充放电电流;
为了充分吸收多余的能量,提高风光发电***在强风和充足光照条件下的利用率,混合储能电源必须以最大剩余能量进行满负荷运行,因此最大剩余能量约束如(14):
Ew+Es-El≥QBAT+QSC (14)
其中,El为负载消耗的能量。
混合储能电源容量配置的优化目标为最小化公式(12)中的总成本L,即一次性投资成本L1和全生命周期的运营成本L2均需要最小化,属于多目标优化问题,是以本发明基于宽容分层序列优化方法,对一次性投资成本L1和全生命周期运营成本L2的重要程度排名后依次进行最小化,实现混合储能电源容量配置的优化目标。
由于一次性投资成本在全生命周期的运营成本之前,因此,为了从源头实现总成本的最小化,设置一次性投资成本L1的最小化为第一优化目标,全生命周期运营成本L2的最小化为第二优化目标,即一次性投资成本L1的重要度排在全生命周期的运营成本L2的前面,具体:
针对混合储能电源的一次性投资成本建立的第一优化目标函数f1如式(15):
f1=min(L1)=min(pBAT×QBAT+pSC×QSC) (15)
第一优化约束条件如式(16):
针对混合储能电源的全生命周期的运营成本建立的第二优化目标函数f2如式(17):
第二优化约束条件如式(18):
Claims (4)
1.一种风光发电***中混合储能电源容量配置的优化方法,其特征在于,应用于风光发电***,所述风光发电***中包括风力发电机组、光伏太阳能发电机组及混合储能电源,其中,混合储能电源中包括用于提供能量的蓄电池及用于提供功率的超级电容器,风力发电机组和光伏太阳能发电机组分别与混合储能电源并联连接;所述风光发电***中混合储能电源容量配置的优化方法包括:
S10分别建立风力发电机组、光伏太阳能发电机组、蓄电池及超级电容器的能量模型,其中,风力发电机组中包括小型涡轮发电机;
S20根据混合储能电源的一次性投资成本和全生命周期的运营成本建立其容量配置的优化模型及相应的约束条件,所述约束条件包括超级电容器的充放电电流约束及最大剩余能量约束,所述最大剩余能量约束根据风力发电机组、光伏太阳能发电机组、蓄电池及超级电容器的能量模型构建;
S30基于宽容分层序列优化方法,根据预先设定的重要程度排名及步骤S20中建立的优化模型和约束条件,分别针对混合储能电源的一次性投资成本和全生命周期的运营成本建立优化目标函数及相应的优化约束条件;
S40根据优化目标函数和优化约束条件的建立顺序,依次进行求解得到最优参数,实现混合储能电源容量配置的优化;
在步骤S20中,
假定风光发电***的生命周期为k年,根据混合储能电源的一次性投资成本和全生命周期的运营成本建立混合储能电源容量配置的优化模型L为:
其中,L1为混合储能电源的一次性投资成本,且L1=pBAT×QBAT+pSC×QSC;L2为混合储能电源全生命周期的运营成本,且L2=k×λBAT×pBAT×QBAT+k×mBAT×QBAT+k×λSC×pSC×QSC+k×mSC×QSC;pBAT为每单位能量的蓄电池价格,pSC为每单位能量的超级电容器价格,λBAT为蓄电池每单位能量的年折现率,λSC为超级电容器每单位能量的年折现率,mBAT为蓄电池每单位能量的年维护费,mSC为超级电容器每单位能量的年维护费,QBAT为蓄电池的能量,QSC为超级电容器存储的能量;
超级电容器的充放电电流约束为:
其中,Is1为超级电容器的充电电流,Is2为超级电容器的放电电流,Ismax为超级电容器的最大充放电电流;Ic为蓄电池单体的额定充电电流;
最大剩余能量约束为:
Ew+Es-El≥QBAT+QSC
其中,El为负载消耗的能量;Ew为小型涡轮发电机的年发电量,Es为光伏太阳能发电机组中光伏阵列的年发电量;
在步骤S30中,预先设定的重要程度排名为:优先考虑一次性投资成本,其次考虑全生命周期的运营成本;
针对混合储能电源的一次性投资成本建立的第一优化目标函数f1为:
f1=min(L1)=min(pBAT×QBAT+pSC×QSC)
第一优化约束条件为:
针对混合储能电源的全生命周期的运营成本建立的第二优化目标函数f2为:
第二优化约束条件为:
在步骤S10中,
当蓄电池单体的充电电流和放电电流均为额定充电电流Ic时,其存储的充电能量Qb1和放电能量Qb2分别为:
Qb1=U×Ic×tc
Qb2=U×Ic×td
其中,tc为蓄电池单体的充电时间,td为蓄电池单体的放电时间,U为蓄电池单体的参考电压;
蓄电池的能量QBAT为:
QBAT=(Qb1+Qb2)×h×l
其中,h为蓄电池中蓄电池单体的串联数目,l为蓄电池中蓄电池单体的并联数目;
在步骤S10中,
超级电容器的等效电容C为:
其中,m为超级电容器中超级电容器单体的串联数目,n为超级电容器中超级电容器单体的并联数目,Cf为超级电容器单体的容量;
超级电容器存储的能量QSC为:
其中,Umax为超级电容器的最大电压,Umin为超级电容器的最小电压,Usmax为超级电容器单体的最大电压,Usmin为超级电容器单体的最小电压。
3.如权利要求1所述的风光发电***中混合储能电源容量配置的优化方法,其特征在于,在步骤S10中,
在任意辐射强度S和环境温度T的条件下,光伏太阳能发电机组中光伏阵列的数学模型为:
其中,I(S,T)为光伏阵列的输出电流,ΔI(S,T)为光伏阵列输出电流的矫正因子,V(S,T)为光伏阵列的输出电压,ΔV(S,T)为光伏阵列输出电压的矫正因子,RS为光伏阵列的串联电阻,α为光伏阵列的短路温度系数,β为光伏阵列的开路温度系数,TNOR为光伏阵列的正常工作温度;I为在辐射强度SSTC=1000W/m2和环境温度TSTC=25℃参考条件下光伏阵列的输出电流,且
其中,V为在辐射强度SSTC=1000W/m2和环境温度TSTC=25℃参考条件下光伏阵列的输出电压,ISC为光伏阵列的短路电流,Voc为光伏阵列的开路电压,Vm为光伏阵列最大功率Pmax输出时的电压,Im为光伏阵列最大功率Pmax输出时的电流;
光伏阵列的实际输出电流Ireal为:
其中,TC为削弱系数;N为云盖系数,一般在0-8之间取值,0代表无云,8代表满云;a、b和c分别为经验系数;
光伏阵列的年发电量Es为:
Es=η×Ireal×V(S,T)×NP×NS×ts
其中,η为光伏阵列的效率,NS为光伏阵列的串联数目,NP为光伏阵列的并联数目,ts表示光伏阵列的年工作时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910077473.4A CN109888803B (zh) | 2019-01-28 | 2019-01-28 | 风光发电***中混合储能电源容量配置的优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910077473.4A CN109888803B (zh) | 2019-01-28 | 2019-01-28 | 风光发电***中混合储能电源容量配置的优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109888803A CN109888803A (zh) | 2019-06-14 |
CN109888803B true CN109888803B (zh) | 2020-10-30 |
Family
ID=66927131
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910077473.4A Active CN109888803B (zh) | 2019-01-28 | 2019-01-28 | 风光发电***中混合储能电源容量配置的优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109888803B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110474330B (zh) * | 2019-08-22 | 2023-04-18 | 电子科技大学 | 一种并网式混合能源***的太阳能投资优化方法 |
CN111082442B (zh) * | 2019-12-06 | 2022-10-18 | 昆明理工大学 | 一种基于改进fpa的储能容量优化配置方法 |
CN114188961B (zh) * | 2021-12-13 | 2023-08-01 | 三峡大学 | 一种风光互补***容量配置优化方法 |
CN114912848B (zh) * | 2022-06-27 | 2023-05-26 | 南通大学 | 一种基于自适应滤波的全生命周期混合储能容量配置方法 |
CN116307276B (zh) * | 2023-05-18 | 2023-08-25 | 江苏亚奥科技股份有限公司 | 面向大型动环监控场景的太阳能光伏优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106230012A (zh) * | 2016-09-19 | 2016-12-14 | 华北电力大学(保定) | 并网光伏***中超级电容器与蓄电池容量的优化配置方法 |
-
2019
- 2019-01-28 CN CN201910077473.4A patent/CN109888803B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109888803A (zh) | 2019-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109888803B (zh) | 风光发电***中混合储能电源容量配置的优化方法 | |
CN111276960B (zh) | 一种光-储直流微电网***中储能模块预测控制方法 | |
CN107134789B (zh) | 基于拓展qv节点的光储最优潮流控制方法 | |
CN109829228B (zh) | 可再生能源***中混合储能电源容量配置的优化方法 | |
CN104377724A (zh) | 提高风电/光伏混合储能***经济性的协调优化控制方法 | |
CN111327053A (zh) | 一种适用于极地气候下的多源微电网容量优化配置方法 | |
Singh et al. | Frequency regulation of an isolated hybrid power system with battery energy storage system | |
CN108233713A (zh) | 一种非隔离三端口直流开关变换器及其控制方法 | |
Ali et al. | Energy management of a small-scale wind turbine system combined with battery storage system | |
Sulistiyowati et al. | Fuel Cell Penetration Characteristics on Standalone Photovoltaic with Hybrid Energy Storage System | |
Ueda et al. | Study on the over voltage problem and battery operation for grid-connected residential PV systems | |
CN111262270A (zh) | 一种光柴储混合发电*** | |
CN115411770B (zh) | 一种可再生能源***的能量管理方法 | |
Arsalis et al. | Integration of a Green Hydrogen Subsystem in a Photovoltaic-Battery Nanogrid System | |
Raihani et al. | Towards a real time energy management strategy for hybrid wind-PV power system based on hierarchical distribution of loads | |
CN114726076A (zh) | 一种高效能、低成本微纳卫星能源模块 | |
CN103489043A (zh) | 一种风电装机与储能电池容量比例的优化方法 | |
Narasimalu et al. | Integration of Energy Storage System with Renewable Energy Source | |
Liu et al. | Optimal sizing of distributed generation based on chaotic free-search algorithm in an island microgrid | |
Esmaili et al. | A case study on improving ELCC by utilization of energy storage with solar PV | |
KHORRAMDEL et al. | Programming of energy storage system in an Island microgrid with photovoltaic and fuel cell | |
Ghoshal et al. | Performance Analysis of a Storage-Based PV System | |
Qin et al. | Optimal allocation of hydrogen-electric hybrid energy storage capacity in microgrid considering capacity degradation | |
Anglani et al. | Integrated Control Strategy Supporting the Optimal Management of a 3-kW Vanadium Redox Flow Battery: a Case Study for an Islanded DC Microgrid | |
CN209767221U (zh) | 一种用超级电容储能的光伏*** |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220518 Address after: 750000 room 1505, Block E, Yida Bauhinia business center, Jinfeng District, Yinchuan City, Ningxia Hui Autonomous Region Patentee after: Fanyaweide new energy technology (Yinchuan) Co.,Ltd. Address before: 213001 No. 1801 Wu Cheng Road, Changzhou, Jiangsu Patentee before: JIANGSU University OF TECHNOLOGY |
|
TR01 | Transfer of patent right |