CN110086187A - 计及负荷特性的储能调峰日前优化调度方法 - Google Patents
计及负荷特性的储能调峰日前优化调度方法 Download PDFInfo
- Publication number
- CN110086187A CN110086187A CN201910459625.7A CN201910459625A CN110086187A CN 110086187 A CN110086187 A CN 110086187A CN 201910459625 A CN201910459625 A CN 201910459625A CN 110086187 A CN110086187 A CN 110086187A
- Authority
- CN
- China
- Prior art keywords
- load
- energy
- power
- storage system
- charge
- 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
- H02J15/00—Systems for storing electric energy
- H02J15/006—Systems for storing electric energy in the form of pneumatic energy, e.g. compressed air energy storage [CAES]
-
- 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
-
- 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
- Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02E60/16—Mechanical energy storage, e.g. flywheels or pressurised fluids
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)
Abstract
本发明是一种计及负荷特性的储能调峰日前优化调度方法,其特点是:包括:储能调峰调度模型、优化调度方案规划、调度模型求解方法、调度方案评价指标等步骤,通过对负荷特性的分析引入调度方案决策系数,结合决策系数制定相应的调度方案执行流程,从而对不同的调度方案进行合理的分配;该方法弥补了功率差法在连续运行时储能利用率低、削峰填谷效果不明显的缺陷。此外,分别采用了变功率法以及改进粒子群算法来求解两种不同的调度模式,通过对负荷特性的分析来决定储能***的削峰填谷的调度方法,从而提高储能***的削峰填谷效果以及其经济性。具有科学合理,适用性强,效果佳的优点。
Description
技术领域
本发明涉及储能调峰技术领域,是一种计及负荷特性的储能调峰日前优化调度方法。
背景技术
现有技术的储能调峰调度方法一般采用功率差法。功率差法能很好的应对实际负荷波动的问题,但功率差法在应用的时候由于负荷特性的低谷持续时长往往与高峰持续时长有比较大的差异性,为了满足储能在负荷低谷和高峰时期的充放电电量达到平衡,功率差法无法最大限度的来对负荷进行削峰填谷。同时,由于每天的负荷特性又存在一定的差异性,现有的功率差法往往无法应对,导致削峰填谷效果降低的同时减少了其经济性。此外也有通过引入一系列算法来制定优化调度方法。但多数的调度方法中,多以负荷波动最小、风电接纳量最大或延长电池寿命为目标,忽略了储能***经济性对运行的影响。
发明内容
本发明的目的是,克服现有技术的不足,提供一种科学合理,适用性强,效果佳的计及负荷特性的储能调峰日前优化调度方法,该方法针对不同时段提出两种不同的调度模式;通过对负荷特性的分析引入调度方案决策系数,结合决策系数制定相应的调度执行流程,从而对不同的调度方案进行合理的分配;分别采用变功率法以及改进粒子群算法来求解两种不同的调度模式;通过对储能***的充分利用,从而提高储能***的削峰填谷效果以及其经济性。
本发明的目的是由以下技术方案来实现的:一种计及负荷特性的储能调峰日前优化调度方法,其特征是,它包含以下步骤:
1)储能调峰调度模型
为了应对负荷低谷和高峰的差异性,提高储能***的削峰填谷效果和经济性,在负荷低谷和高峰时期,通过设置不同的调度模型对储能***功率进行优化调度分配:
①调度模型一:
调度模型一在考虑储能***约束的前提下,以负荷填谷功率或削峰功率最大为目标对储能***功率进行优化调度分配,由于调度模型在用于填谷和削峰时涉及的目标值不同,所以分别设置目标函数为:
maxFv,1=PCmax/maxFh,1=PDmax (1)
其中,当模型用于负荷填谷时,目标函数为maxFv,1;当模型用于负荷削峰时,目标函数为maxFh,1;PCmax为储能***最大充电功率,PDmax为储能***最大放电功率:
在调度模型一中,主要考虑的约束为***功率平衡约束、储能功率约束、荷电状态约束及运行状态约束;
a.***功率平衡约束:
PG,t+Pwind,t=Pload,t+PC,t-ηDPD,t (2)
其中PG,t为t时刻火电机组出力;Pwind,t为t时刻风电功率;Pload,t为t时刻负荷功率;ηD为储能放电效率;
b.储能功率约束:
其中,PC,t为储能***t时刻的充电功率;PD,t为储能***t时刻的放电功率;PC为储能***最大充电功率,一般等于储能额定功率PB;PD为储能***最大放电功率,一般等于储能额定功率PB,
c.储能荷电状态约束:
ESOC,min≤ESOC,t≤ESOC,max (5)
ESOC,start=ESOC,end (6)
其中,ESOC,t为t时刻储能***荷电状态;EB为储能***额定容量;PC,t为储能***t时刻的充电功率,PD,t为储能***t时刻的放电功率;ηC为储能充电效率;ESOC,min为储能***荷电状态上限值,ESOC,max为储能***荷电状态下限值;ESOC,start为初始时刻储能***荷电状态;ESOC,end为末尾时刻储能***荷电状态;
d.储能充放电状态约束:
BC,t×BD,t=0,(BC,t、BD,t)∈[0,1] (7)
其中,BC,t t时刻储能***充电运行状态,BD,t为t时刻储能***放电运行状态,运行为1,停止为0;
②调度模型二:
考虑到经济性对储能在电网调峰应用时的影响,调度模型二将根据储能***的盈余可充电电量或剩余可放电电量,以储能***经济性以及削峰填谷效果最优为目标来优化储能***的放电或充电功率:
a.充电功率优化目标函数:
其充电功率优化minFv,2将以充电电量成本Iv以及负荷标准差SDv最小为目标函数,其式为:
Iv=∫1 TPC,tPprice,tdt (8)
minFv,2=Iv+SDv (10)
其中,Pprice,t为电网的实时峰谷电价;Pload,ver为负荷平均值;PC,t为储能***t时刻的充电功率;Pload,t为t时刻负荷功率;T为数据总采样点数;
在充电功率优化过程中,在满足调度模型一的约束条件外,还应满足储能放电电量约束,即:
∫1 TηCPC,tdt=ED (11)
其中,ηC为储能充电效率;PC,t为储能***t时刻的充电功率;ED为储能削峰所需的放电电量;
b.放电功率优化目标函数:
其放电功率优化maxFh,2将以放电电量收益Ih以及负荷标准差改善量SDh最大为目标函数,其式为:
Ih=∫1 TηD(PD,tPprice,t)dt (12)
maxFh,2=Ih+SDh (14)
其中,PD,t为储能***t时刻的放电功率;Pprice,t为电网的实时峰谷电价;Pload,SD为负荷标准差;ηD为储能放电效率;Pload,t为t时刻负荷功率;Pload,ver为负荷平均值;T为数据总采样点数;
在放电功率优化过程中,在满足调度模型一的约束条件外,还应满足储能充电电量约束,即:
∫1 TPD,tdt=EC (15)
其中,PD,t为储能***t时刻的放电功率;EC为储能填谷所需的充电电量;
2)优化调度方案规划
a.调度方案决策系数:
为使两种调度模型应用于负荷填谷或削峰进行合理的分配,建立调度模型决策系数,调度模型决策系数为负荷低谷时期功率与容量比例关系与负荷高峰时期功率与容量比例关系的对比结果,其式为:
其中,PB为储能***额定功率;N1为负荷填谷中,Pload,min+PB与负荷曲线交于2N1个点,产生N1个填谷区间t1~t2;N2为负荷削峰中,Pload,max-PB与负荷曲线交于2N2个点,产生N2个削峰区间t1’~t2’;Pload,t为t时刻负荷功率;Pload,min为负荷功率最小值;Pload,max为负荷功率最大值;
b.调度方案执行原则:
判断调度方案决策系数是否大于或小于1,若决策系数大于1时采用调度模型一对负荷进行填谷目标函数:maxFv,1,然后输出储能充电电量EC,接着采用调度模型二对负荷进行削峰目标函数:maxFh,2,最后输出各时刻储能充放电功率;若决策系数小于等于1时,采用调度模型一对负荷进行削峰目标函数:maxFh,1,然后输出储能放电电量ED,采用调度模型二对负荷进行填谷目标函数:minFv,2,最后输出各时刻储能充放电功率;
3)调度模型求解方法
①调度模型一求解方法:
调度模型一用于负荷填谷的求解步骤为:
a.以日预测负荷曲线最小值Pload,min,以储能***额定功率PB向上作直线Pload,min+PB;
b.计算在PCmax=PB下的充电电量EC,其公式为:
其中PCmax为储能***最大充电功率;N1为负荷填谷中,Pload,min+PB与负荷曲线交于2N1个点,产生N1个填谷区间t1~t2;Pload,t为t时刻负荷功率;Pload,min为负荷功率最小值;
c.判断充电电量是否满足储能容量约束关系式:
0<(ESOC,max-ESOC,min)-EC<ε (18)
其中,ESOC,min为储能***荷电状态上限值;ESOC,max为储能***荷电状态下限值;
ε为接近于0的数;
不满足,则令PCmax=PCmax-ΔP进行迭代,直至满足约束,输出EC;
调度模型一用于负荷削峰的求解步骤为:
a.以日预测负荷曲线最大值Pload,max,以储能***额定功率PB向下作直线Pload,max-ηDPB;
b.计算在PDmax=PB下的放电电量ED,其公式为:
其中PDmax为储能***最大放电功率;ηD为储能放电效率;N2为负荷削峰中,Pload,max-PB与负荷曲线交于2N2个点,产生N2个削峰区间t1’~t2’;Pload,t为t时刻负荷功率;Pload,max为负荷功率最大值;
c.判断放电电量是否满足储能容量约束关系式:
0<(ESOC,max-ESOC,min)-ED<ε (20)
其中,ESOC,min为储能***荷电状态上限值;ESOC,max为储能***荷电状态下限值;
ε为接近于0的数;
不满足,则令PDmax=PDmax-ΔP进行迭代,直至满足约束,输出ED;
调度模型一能够在满足储能功率和容量约束的条件下,使储能尽可能的发挥削峰填谷作用;
②调度模型二求解方法:
调度模型二是根据经调度模型一后储能***的充电电量来优化储能***的放电功率,或者是根据经调度模型一后储能***的放电电量来优化储能***的充电功率。调度模型二采用改进粒子群算法(PSO),对速度惯性权重和学习因子进行如下改进,修正后的位置速度公式为:
其中,vid,t和xid,t分别为第i个粒子在第t次迭代中第d维的速度和位置;pid,t为在第t次迭代中的个体最优值;pgd,t为在第t次迭代中的群体最优值;c1和c2为学习因子;r1和r2均为0,1之间的随机数;ω为惯性权重;
用于负荷填谷的具体计算流程如下:
首先输入经调度模型一处理后产生的ED,设置迭代次数、种群规模以及个体和速度极值,然后以maxFv,2为目标建立适应度函数,接着初始化粒子速度及位置并令sum(ηCxid,t)=ED,然后计算群体极值及个体极值适应度值,进行迭代更新粒子速度及位置并令sum(ηC xid,t)=ED,最后输出最优解;
用于负荷削峰的具体计算流程如下:
首先输入经调度模型一处理后产生的EC,设置迭代次数、种群规模以及个体和速度极值,然后以maxFh,2为目标建立适应度函数,接着初始化粒子速度及位置并令sum(xid,t)=EC,然后计算群体极值及个体极值适应度值,进行迭代更新粒子速度及位置并令sum(xid,t)=EC,最后输出最优解;
调度模型二在充分对储能***进行充放电的同时,兼顾其经济性及削峰填谷效果;
4)调度方案评价指标
①储能***评价指标:
a.储能***利用率
将储能***在负荷低谷的充电电量和在负荷高峰的放电电量作为储能***利用率指标的评判依据,其公式为:
其中PC,t为储能***t时刻的充电功率;PD,t为储能***t时刻的放电功率;ηC为储能充电效率;EB为储能***额定容量;
b.储能***套利率
储能***套利率指标由储能充电时段的购电成本和放电时段的售电收益组成,其计算公式为:
其中PC,t为储能***t时刻的充电功率;PD,t为储能***t时刻的放电功率;ηC为储能充电效率;ηD为储能放电效率;EC为储能***充电容量;ED为储能***放电容量;Pprice,t为电网的实时峰谷电价;Pprice,min为电网的实时峰谷电价最小值;Pprice,max为电网的实时峰谷电价最大值;
②削峰填谷评价指标:
a.峰谷差改善率
峰谷差改善率指标为经储能***削峰填谷后,减小的峰谷差与原负荷峰谷差的比值,其公式为:
其中,PCmax为储能***最大充电功率;PDmax为储能***最大放电功率;ηD为储能放电效率;Pload,max为负荷功率最大值;Pload,min为负荷功率最小值;
b.负荷标准差
引入标准差的概念,从全局的角度来评价储能***的作用,其计算公式为:
其中,Pload,t为t时刻负荷功率;Pload,ver为原负荷平均值;PB,t为t时刻储能充放电功率;
c.负荷波动率
为使负荷低谷时期减少常规机组切换出力状态的次数,其公式为:
其中,t1为低谷时段的起始时刻;t2为低谷时段的结束时刻;Paload,t为t时刻经储能削峰填谷后等效负荷功率;Pload,t为t时刻负荷功率。
本发明的一种计及负荷特性的储能调峰日前优化调度方法,针对不同的时段提出了两种不同的调度模式;通过对负荷特性的分析引入调度方案决策系数,结合决策系数制定相应的调度方案执行流程,从而对不同的调度方案进行合理的分配;该方法弥补了功率差法在连续运行时储能利用率低、削峰填谷效果不明显的缺陷。此外,分别采用了变功率法以及改进粒子群算法来求解两种不同的调度模式。通过对负荷特性的分析来决定储能***的削峰填谷的调度方法,从而提高储能***的削峰填谷效果以及其经济性。具有科学合理,适用性强,效果佳的优点。
附图说明
图1负荷曲线对比图;
图2储能***荷电状态曲线对比图;
图3负荷曲线对比图;
图4储能***充放电功率对比图;
图5储能***荷电状态曲线对比图。
具体实施方式
下面利用附图和实施例对本发明计及负荷特性的储能调峰日前优化调度方法作进一步说明。
在本发明计及负荷特性的储能调峰日前优化调度方法中,储能类型选用已有大规模应用的磷酸铁锂电池,其具体的参数如表1所示。
表1锂离子电池参数表
以某省级电网作为实施例,依据某省级电网的预测负荷数据进行计算,采样间隔为1h,每天采样点T=24,总天数D=365。
该省的峰谷电价时段如表2所示:
表2某省峰谷电价参数表
为了证明本方法的有效性,将对功率差方法以及优化调度方法进行对比分析。
结合上述的算例条件,首先基于典型天数据的进行分析,其具体的计算步骤如下:
1)储能调峰调度模型
为了应对负荷低谷和高峰的差异性,提高储能***的削峰填谷效果和经济性,在负荷低谷和高峰时期,通过设置不同的调度模型对储能***功率进行优化调度分配:
③调度模型一:
调度模型一在考虑储能***约束的前提下,以负荷填谷功率或削峰功率最大为目标对储能***功率进行优化调度分配,由于调度模型在用于填谷和削峰时涉及的目标值不同,所以分别设置目标函数为:
maxFv,1=PCmax/maxFh,1=PDmax (1)
其中,当模型用于负荷填谷时,目标函数为maxFv,1;当模型用于负荷削峰时,目标函数为maxFh,1;PCmax为储能***最大充电功率,PDmax为储能***最大放电功率:
在调度模型一中,主要考虑的约束为***功率平衡约束、储能功率约束、荷电状态约束及运行状态约束;
a.***功率平衡约束:
PG,t+Pwind,t=Pload,t+PC,t-ηDPD,t (2)
其中PG,t为t时刻火电机组出力;Pwind,t为t时刻风电功率;Pload,t为t时刻负荷功率;ηD为储能放电效率;
b.储能功率约束:
其中,PC,t为储能***t时刻的充电功率;PD,t为储能***t时刻的放电功率;PC为储能***最大充电功率,一般等于储能额定功率PB;PD为储能***最大放电功率,一般等于储能额定功率PB,
c.储能荷电状态约束:
ESOC,min≤ESOC,t≤ESOC,max (5)
ESOC,start=ESOC,end (6)
其中,ESOC,t为t时刻储能***荷电状态;EB为储能***额定容量;PC,t为储能***t时刻的充电功率,PD,t为储能***t时刻的放电功率;ηC为储能充电效率;ESOC,min为储能***荷电状态上限值,ESOC,max为储能***荷电状态下限值;ESOC,start为初始时刻储能***荷电状态;ESOC,end为末尾时刻储能***荷电状态;
d.储能充放电状态约束:
BC,t×BD,t=0,(BC,t、BD,t)∈[0,1] (7)
其中,BC,t t时刻储能***充电运行状态,BD,t为t时刻储能***放电运行状态,运行为1,停止为0;
④调度模型二:
考虑到经济性对储能在电网调峰应用时的影响,调度模型二将根据储能***的盈余可充电电量或剩余可放电电量,以储能***经济性以及削峰填谷效果最优为目标来优化储能***的放电或充电功率:
a.充电功率优化目标函数:
其充电功率优化minFv,2将以充电电量成本Iv以及负荷标准差SDv最小为目标函数,其式为:
Iv=∫1 TPC,tPprice,tdt (8)
minFv,2=Iv+SDv (10)
其中,Pprice,t为电网的实时峰谷电价;Pload,ver为负荷平均值;PC,t为储能***t时刻的充电功率;Pload,t为t时刻负荷功率;T为数据总采样点数;
在充电功率优化过程中,在满足调度模型一的约束条件外,还应满足储能放电电量约束,即:
∫1 TηCPC,tdt=ED (11)
其中,ηC为储能充电效率;PC,t为储能***t时刻的充电功率;ED为储能削峰所需的放电电量;
b.放电功率优化目标函数:
其放电功率优化maxFh,2将以放电电量收益Ih以及负荷标准差改善量SDh最大为目标函数,其式为:
Ih=∫1 TηD(PD,tPprice,t)dt (12)
maxFh,2=Ih+SDh (14)
其中,PD,t为储能***t时刻的放电功率;Pprice,t为电网的实时峰谷电价;Pload,SD为负荷标准差;ηD为储能放电效率;Pload,t为t时刻负荷功率;Pload,ver为负荷平均值;T为数据总采样点数;
在放电功率优化过程中,在满足调度模型一的约束条件外,还应满足储能充电电量约束,即:
∫1 TPD,tdt=EC (15)
其中,PD,t为储能***t时刻的放电功率;EC为储能填谷所需的充电电量;
2)优化调度方案规划
a.调度方案决策系数:
为使两种调度模型应用于负荷填谷或削峰进行合理的分配,建立调度模型决策系数,调度模型决策系数为负荷低谷时期功率与容量比例关系与负荷高峰时期功率与容量比例关系的对比结果,其式为:
其中,PB为储能***额定功率;N1为负荷填谷中,Pload,min+PB与负荷曲线交于2N1个点,产生N1个填谷区间t1~t2;N2为负荷削峰中,Pload,max-PB与负荷曲线交于2N2个点,产生N2个削峰区间t1’~t2’;Pload,t为t时刻负荷功率;Pload,min为负荷功率最小值;Pload,max为负荷功率最大值;
b.调度方案执行原则:
判断调度方案决策系数是否大于或小于1,若决策系数大于1时采用调度模型一对负荷进行填谷目标函数:maxFv,1,然后输出储能充电电量EC,接着采用调度模型二对负荷进行削峰目标函数:maxFh,2,最后输出各时刻储能充放电功率;若决策系数小于等于1时,采用调度模型一对负荷进行削峰目标函数:maxFh,1,然后输出储能放电电量ED,采用调度模型二对负荷进行填谷目标函数:minFv,2,最后输出各时刻储能充放电功率;
3)调度模型求解方法
①调度模型一求解方法:
调度模型一用于负荷填谷的求解步骤为:
a.以日预测负荷曲线最小值Pload,min,以储能***额定功率PB向上作直线Pload,min+PB;
b.计算在PCmax=PB下的充电电量EC,其公式为:
其中PCmax为储能***最大充电功率;N1为负荷填谷中,Pload,min+PB与负荷曲线交于2N1个点,产生N1个填谷区间t1~t2;Pload,t为t时刻负荷功率;Pload,min为负荷功率最小值;
c.判断充电电量是否满足储能容量约束关系式:
0<(ESOC,max-ESOC,min)-EC<ε (18)
其中,ESOC,min为储能***荷电状态上限值;ESOC,max为储能***荷电状态下限值;
ε为接近于0的数;
不满足,则令PCmax=PCmax-ΔP进行迭代,直至满足约束,输出EC;
调度模型一用于负荷削峰的求解步骤为:
a.以日预测负荷曲线最大值Pload,max,以储能***额定功率PB向下作直线Pload,max-ηDPB;
b.计算在PDmax=PB下的放电电量ED,其公式为:
其中PDmax为储能***最大放电功率;ηD为储能放电效率;N2为负荷削峰中,Pload,max-PB与负荷曲线交于2N2个点,产生N2个削峰区间t1’~t2’;Pload,t为t时刻负荷功率;Pload,max为负荷功率最大值;
c.判断放电电量是否满足储能容量约束关系式:
0<(ESOC,max-ESOC,min)-ED<ε (20)
其中,ESOC,min为储能***荷电状态上限值;ESOC,max为储能***荷电状态下限值;
ε为接近于0的数;
不满足,则令PDmax=PDmax-ΔP进行迭代,直至满足约束,输出ED;
调度模型一能够在满足储能功率和容量约束的条件下,使储能尽可能的发挥削峰填谷作用;
调度模型二求解方法:
调度模型二是根据经调度模型一后储能***的充电电量来优化储能***的放电功率,或者是根据经调度模型一后储能***的放电电量来优化储能***的充电功率。调度模型二采用改进粒子群算法(PSO),对速度惯性权重和学习因子进行如下改进,修正后的位置速度公式为:
其中,vid,t和xid,t分别为第i个粒子在第t次迭代中第d维的速度和位置;pid,t为在第t次迭代中的个体最优值;pgd,t为在第t次迭代中的群体最优值;c1和c2为学习因子;r1和r2均为0,1之间的随机数;ω为惯性权重;
用于负荷填谷的具体计算流程如下:
首先输入经调度模型一处理后产生的ED,设置迭代次数、种群规模以及个体和速度极值,然后以maxFv,2为目标建立适应度函数,接着初始化粒子速度及位置并令sum(ηCxid,t)=ED,然后计算群体极值及个体极值适应度值,进行迭代更新粒子速度及位置并令sum(ηC xid,t)=ED,最后输出最优解;
用于负荷削峰的具体计算流程如下:
首先输入经调度模型一处理后产生的EC,设置迭代次数、种群规模以及个体和速度极值,然后以maxFh,2为目标建立适应度函数,接着初始化粒子速度及位置并令sum(xid,t)=EC,然后计算群体极值及个体极值适应度值,进行迭代更新粒子速度及位置并令sum(xid,t)=EC,最后输出最优解;
调度模型二在充分对储能***进行充放电的同时,兼顾其经济性及削峰填谷效果;
通过上述方法得到基于典型天数据的仿真结果如图1和图2所示。
从图1可知,两种调度方法对负荷削峰填谷的效果有差异性,但比较接近。功率差法的填谷功率和削峰功率分别为327MW和400MW,优化方法的填谷功率和削峰功率分别为365MW和400MW,优化方法在峰谷差改善量上比功率差法增加了38MW,提升幅度为5.23%。
从图2可知,功率差法的储能荷电状态最大值为0.78,仍存在盈余电量。而优化方法的储能荷电状态最大值为0.9=ESOC,max。结合对图1的分析,功率差法在负荷填谷时期,虽然仍有盈余电量,但由于负荷高峰电量的制约,导致填谷功率只能达到327MW,无法充分发挥储能***的作用。而优化方法解决了该问题,在储能容量的约束下,填谷功率达到了最大值365MW,并且其充电电量能在高峰时期完全释放。
此处,再通过相应的评价指标进行分析,其具体的指标计算方法如下所示:
①储能***评价指标:
a.储能***利用率
将储能***在负荷低谷的充电电量和在负荷高峰的放电电量作为储能***利用率指标的评判依据,其公式为:
其中PC,t为储能***t时刻的充电功率;PD,t为储能***t时刻的放电功率;ηC为储能充电效率;EB为储能***额定容量;
b.储能***套利率
储能***套利率指标由储能充电时段的购电成本和放电时段的售电收益组成,其计算公式为:
其中PC,t为储能***t时刻的充电功率;PD,t为储能***t时刻的放电功率;ηC为储能充电效率;ηD为储能放电效率;EC为储能***充电容量;ED为储能***放电容量;Pprice,t为电网的实时峰谷电价;Pprice,min为电网的实时峰谷电价最小值;Pprice,max为电网的实时峰谷电价最大值;
②削峰填谷评价指标:
a.峰谷差改善率
峰谷差改善率指标为经储能***削峰填谷后,减小的峰谷差与原负荷峰谷差的比值,其公式为:
其中,PCmax为储能***最大充电功率;PDmax为储能***最大放电功率;ηD为储能放电效率;Pload,max为负荷功率最大值;Pload,min为负荷功率最小值;
b.负荷标准差
引入标准差的概念,从全局的角度来评价储能***的作用,其计算公式为:
其中,Pload,t为t时刻负荷功率;Pload,ver为原负荷平均值;PB,t为t时刻储能充放电功率;
c.负荷波动率
为使负荷低谷时期减少常规机组切换出力状态的次数,其公式为:
其中,t1为低谷时段的起始时刻;t2为低谷时段的结束时刻;Paload,t为t时刻经储能削峰填谷后等效负荷功率;Pload,t为t时刻负荷功率。
通过上述指标计算方法,得到两种调度方法评价指标统计表如下:
表3调度方法评价指标统计表
从上表可以看出,由于优化方法的削峰填谷效果优于功率差法,所以其峰谷差的改善率比功率差法增加了1.4%,其负荷标准差以及波动率都相应减小了19.7MW和3.8%。
此外,由于优化调度方法能对储能***进行充分利用,从而提高了其利用率的同时增加了套利率。
通过分析可知,本文的优化方法能充分利用储能***,在提高其削峰填谷效果的同时能保证其经济性。
再基于全年的预测数据进行分析,其整个分析方法与基于典型天数据的分析方法相同。随机选取3个连续调度日(11d~13d)进行对比分析,两种调度方法的负荷曲线、储能充放电功率以及储能荷电状态对比图如图3、图4、图5所示。
从图3可知,经两种方法调度后的三天负荷曲线的最大值基本相同,但经功率差法调度后的负荷最小值明显低于优化调度方法后的负荷最小值,可见功率差法的填谷效果劣于本文提出了优化调度方法。
通过图4、图5进行分析。与典型天分析原理相同,由于高峰放电电量的制约,虽然功率差法在三天中削峰功率都为400MW,但填谷功率仅为237MW、267MW以及284MW,而优化调度方法三天的填谷功率分别为361MW、400MW、400MW,其平均提高幅度达到47.7%,效果明显优于功率差法。
此外,与典型天数据相比,其11d~13d的负荷数据的高峰持续时间更短,导致填谷功率进一步降低。而本文优化调度方法能较好的应对,从而提升储能***的作用。
从图5可知,由于电量的制约,储能***在功率差法下三天的SOC最大值分别为0.52、0.48以及0.49,其储能利用率较低。而优化调度方法的SOC最大值都为0.9,能对储能***进行充分利用,提高其经济性。并且储能SOC值都保持在约束条件0.1~0.9范围之内,避免了储能***出现过充过放现象。
下表为各指标在365个调度日内的平均值统计表:
表4调度方法评价指标统计表
从上表中可以看出,由于不同时期的负荷特性与典型日不同,导致了功率差法的削峰填谷以及储能***经济性进一步降低。而本文所提的优化调度方法在应对不同负荷特性时,仍能保持较好的效果。其储能***的利用率由54.6%提升到了80.0%,为原方法的1.47倍。储能***利用率的提高使其套利率达到81.7%,为原方法的1.61倍。其在削峰填谷效果方面都有了一定的改善,负荷标准差降低38.MW,降低幅度为4.65%,峰谷差改善率提高2.7%,负荷波动率降低3.9%。
本发明具体实施方式的实施例,并非穷举,并不构成对权利要求保护范围的限定,本领域技术人员根据本发明实施例获得的启示,不经过创造性劳动就能够想到其它实质上等同的替代,均在本发明保护范围内。
Claims (1)
1.一种计及负荷特性的储能调峰日前优化调度方法,其特征是,它包含以下步骤:
1)储能调峰调度模型
为了应对负荷低谷和高峰的差异性,提高储能***的削峰填谷效果和经济性,在负荷低谷和高峰时期,通过设置不同的调度模型对储能***功率进行优化调度分配:
①调度模型一:
调度模型一在考虑储能***约束的前提下,以负荷填谷功率或削峰功率最大为目标对储能***功率进行优化调度分配,由于调度模型在用于填谷和削峰时涉及的目标值不同,所以分别设置目标函数为:
maxFv,1=PCmax/maxFh,1=PDmax (1)
其中,当模型用于负荷填谷时,目标函数为maxFv,1;当模型用于负荷削峰时,目标函数为maxFh,1;PCmax为储能***最大充电功率,PDmax为储能***最大放电功率:
在调度模型一中,主要考虑的约束为***功率平衡约束、储能功率约束、荷电状态约束及运行状态约束;
a.***功率平衡约束:
PG,t+Pwind,t=Pload,t+PC,t-ηDPD,t (2)
其中PG,t为t时刻火电机组出力;Pwind,t为t时刻风电功率;Pload,t为t时刻负荷功率;ηD为储能放电效率;
b.储能功率约束:
其中,PC,t为储能***t时刻的充电功率;PD,t为储能***t时刻的放电功率;PC为储能***最大充电功率,一般等于储能额定功率PB;PD为储能***最大放电功率,一般等于储能额定功率PB,
c.储能荷电状态约束:
ESOC,min≤ESOC,t≤ESOC,max (5)
ESOC,start=ESOC,end (6)
其中,ESOC,t为t时刻储能***荷电状态;EB为储能***额定容量;PC,t为储能***t时刻的充电功率,PD,t为储能***t时刻的放电功率;ηC为储能充电效率;ESOC,min为储能***荷电状态上限值,ESOC,max为储能***荷电状态下限值;ESOC,start为初始时刻储能***荷电状态;ESOC,end为末尾时刻储能***荷电状态;
d.储能充放电状态约束:
BC,t×BD,t=0,(BC,t、BD,t)∈[0,1] (7)
其中,BC,t t时刻储能***充电运行状态,BD,t为t时刻储能***放电运行状态,运行为1,停止为0;
②调度模型二:
考虑到经济性对储能在电网调峰应用时的影响,调度模型二将根据储能***的盈余可充电电量或剩余可放电电量,以储能***经济性以及削峰填谷效果最优为目标来优化储能***的放电或充电功率:
a.充电功率优化目标函数:
其充电功率优化minFv,2将以充电电量成本Iv以及负荷标准差SDv最小为目标函数,其式为:
Iv=∫1 TPC,tPprice,tdt (8)
minFv,2=Iv+SDv (10)
其中,Pprice,t为电网的实时峰谷电价;Pload,ver为负荷平均值;PC,t为储能***t时刻的充电功率;Pload,t为t时刻负荷功率;T为数据总采样点数;
在充电功率优化过程中,在满足调度模型一的约束条件外,还应满足储能放电电量约束,即:
∫1 TηCPC,tdt=ED (11)
其中,ηC为储能充电效率;PC,t为储能***t时刻的充电功率;ED为储能削峰所需的放电电量;
b.放电功率优化目标函数:
其放电功率优化maxFh,2将以放电电量收益Ih以及负荷标准差改善量SDh最大为目标函数,其式为:
Ih=∫1 TηD(PD,tPprice,t)dt (12)
maxFh,2=Ih+SDh (14)
其中,PD,t为储能***t时刻的放电功率;Pprice,t为电网的实时峰谷电价;Pload,SD为负荷标准差;ηD为储能放电效率;Pload,t为t时刻负荷功率;Pload,ver为负荷平均值;T为数据总采样点数;
在放电功率优化过程中,在满足调度模型一的约束条件外,还应满足储能充电电量约束,即:
∫1 TPD,tdt=EC (15)
其中,PD,t为储能***t时刻的放电功率;EC为储能填谷所需的充电电量;
2)优化调度方案规划
a.调度方案决策系数:
为使两种调度模型应用于负荷填谷或削峰进行合理的分配,建立调度模型决策系数,调度模型决策系数为负荷低谷时期功率与容量比例关系与负荷高峰时期功率与容量比例关系的对比结果,其式为:
其中,PB为储能***额定功率;N1为负荷填谷中,Pload,min+PB与负荷曲线交于2N1个点,产生N1个填谷区间t1~t2;N2为负荷削峰中,Pload,max-PB与负荷曲线交于2N2个点,产生N2个削峰区间t1’~t2’;Pload,t为t时刻负荷功率;Pload,min为负荷功率最小值;Pload,max为负荷功率最大值;
b.调度方案执行原则:
判断调度方案决策系数是否大于或小于1,若决策系数大于1时采用调度模型一对负荷进行填谷目标函数:maxFv,1,然后输出储能充电电量EC,接着采用调度模型二对负荷进行削峰目标函数:maxFh,2,最后输出各时刻储能充放电功率;若决策系数小于等于1时,采用调度模型一对负荷进行削峰目标函数:maxFh,1,然后输出储能放电电量ED,采用调度模型二对负荷进行填谷目标函数:minFv,2,最后输出各时刻储能充放电功率;
3)调度模型求解方法
①调度模型一求解方法:
调度模型一用于负荷填谷的求解步骤为:
a.以日预测负荷曲线最小值Pload,min,以储能***额定功率PB向上作直线Pload,min+PB;
b.计算在PCmax=PB下的充电电量EC,其公式为:
其中PCmax为储能***最大充电功率;N1为负荷填谷中,Pload,min+PB与负荷曲线交于2N1个点,产生N1个填谷区间t1~t2;Pload,t为t时刻负荷功率;Pload,min为负荷功率最小值;
c.判断充电电量是否满足储能容量约束关系式:
0<(ESOC,max-ESOC,min)-EC<ε (18)
其中,ESOC,min为储能***荷电状态上限值;ESOC,max为储能***荷电状态下限值;ε为接近于0的数;
不满足,则令PCmax=PCmax-ΔP进行迭代,直至满足约束,输出EC;
调度模型一用于负荷削峰的求解步骤为:
a.以日预测负荷曲线最大值Pload,max,以储能***额定功率PB向下作直线Pload,max-ηDPB;
b.计算在PDmax=PB下的放电电量ED,其公式为:
其中PDmax为储能***最大放电功率;ηD为储能放电效率;N2为负荷削峰中,Pload,max-PB与负荷曲线交于2N2个点,产生N2个削峰区间t1’~t2’;Pload,t为t时刻负荷功率;Pload,max为负荷功率最大值;
c.判断放电电量是否满足储能容量约束关系式:
0<(ESOC,max-ESOC,min)-ED<ε (20)
其中,ESOC,min为储能***荷电状态上限值;ESOC,max为储能***荷电状态下限值;ε为接近于0的数;
不满足,则令PDmax=PDmax-ΔP进行迭代,直至满足约束,输出ED;
调度模型一能够在满足储能功率和容量约束的条件下,使储能尽可能的发挥削峰填谷作用;
②调度模型二求解方法:
调度模型二是根据经调度模型一后储能***的充电电量来优化储能***的放电功率,或者是根据经调度模型一后储能***的放电电量来优化储能***的充电功率。调度模型二采用改进粒子群算法(PSO),对速度惯性权重和学习因子进行如下改进,修正后的位置速度公式为:
其中,vid,t和xid,t分别为第i个粒子在第t次迭代中第d维的速度和位置;pid,t为在第t次迭代中的个体最优值;pgd,t为在第t次迭代中的群体最优值;c1和c2为学习因子;r1和r2均为0,1之间的随机数;ω为惯性权重;
用于负荷填谷的具体计算流程如下:
首先输入经调度模型一处理后产生的ED,设置迭代次数、种群规模以及个体和速度极值,然后以maxFv,2为目标建立适应度函数,接着初始化粒子速度及位置并令sum(ηCxid,t)=ED,然后计算群体极值及个体极值适应度值,进行迭代更新粒子速度及位置并令sum(ηCxid,t)=ED,最后输出最优解;
用于负荷削峰的具体计算流程如下:
首先输入经调度模型一处理后产生的EC,设置迭代次数、种群规模以及个体和速度极值,然后以maxFh,2为目标建立适应度函数,接着初始化粒子速度及位置并令sum(xid,t)=EC,然后计算群体极值及个体极值适应度值,进行迭代更新粒子速度及位置并令sum(xid,t)=EC,最后输出最优解;
调度模型二在充分对储能***进行充放电的同时,兼顾其经济性及削峰填谷效果;
4)调度方案评价指标
①储能***评价指标:
a.储能***利用率
将储能***在负荷低谷的充电电量和在负荷高峰的放电电量作为储能***利用率指标的评判依据,其公式为:
其中PC,t为储能***t时刻的充电功率;PD,t为储能***t时刻的放电功率;ηC为储能充电效率;EB为储能***额定容量;
b.储能***套利率
储能***套利率指标由储能充电时段的购电成本和放电时段的售电收益组成,其计算公式为:
其中PC,t为储能***t时刻的充电功率;PD,t为储能***t时刻的放电功率;ηC为储能充电效率;ηD为储能放电效率;EC为储能***充电容量;ED为储能***放电容量;Pprice,t为电网的实时峰谷电价;Pprice,min为电网的实时峰谷电价最小值;Pprice,max为电网的实时峰谷电价最大值;
②削峰填谷评价指标:
a.峰谷差改善率
峰谷差改善率指标为经储能***削峰填谷后,减小的峰谷差与原负荷峰谷差的比值,其公式为:
其中,PCmax为储能***最大充电功率;PDmax为储能***最大放电功率;ηD为储能放电效率;Pload,max为负荷功率最大值;Pload,min为负荷功率最小值;
b.负荷标准差
引入标准差的概念,从全局的角度来评价储能***的作用,其计算公式为:
其中,Pload,t为t时刻负荷功率;Pload,ver为原负荷平均值;PB,t为t时刻储能充放电功率;
c.负荷波动率
为使负荷低谷时期减少常规机组切换出力状态的次数,其公式为:
其中,t1为低谷时段的起始时刻;t2为低谷时段的结束时刻;Paload,t为t时刻经储能削峰填谷后等效负荷功率;Pload,t为t时刻负荷功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910459625.7A CN110086187B (zh) | 2019-05-30 | 2019-05-30 | 计及负荷特性的储能调峰日前优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910459625.7A CN110086187B (zh) | 2019-05-30 | 2019-05-30 | 计及负荷特性的储能调峰日前优化调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110086187A true CN110086187A (zh) | 2019-08-02 |
CN110086187B CN110086187B (zh) | 2022-03-18 |
Family
ID=67422569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910459625.7A Active CN110086187B (zh) | 2019-05-30 | 2019-05-30 | 计及负荷特性的储能调峰日前优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110086187B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110417040A (zh) * | 2019-08-04 | 2019-11-05 | 国网吉林省电力有限公司电力科学研究院 | 一种大规模vrb优化运行的能量管理***控制方法 |
CN110492482A (zh) * | 2019-09-10 | 2019-11-22 | 东北电力大学 | 一种用于延缓配电设备升级改造的储能经济调度方法 |
CN110675049A (zh) * | 2019-09-20 | 2020-01-10 | 国网江苏省电力有限公司南京供电分公司 | 一种基于柔性台区的经济调度方法 |
CN110880776A (zh) * | 2019-11-18 | 2020-03-13 | 国网浙江省电力有限公司 | 控制储能***中储能设备充放电的方法和装置 |
CN111525601A (zh) * | 2020-05-27 | 2020-08-11 | 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 |
CN112510679A (zh) * | 2020-10-23 | 2021-03-16 | 南方电网调峰调频发电有限公司 | 分布式储能优化调度方法、装置、计算机设备和存储介质 |
CN113675846A (zh) * | 2021-08-24 | 2021-11-19 | 合肥市武汉大学创新技术研究院 | 基于聚合效应的配电网分布式储能优化调度方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015021603A1 (en) * | 2013-08-13 | 2015-02-19 | Accenture Global Services Limited | System, method and apparatus for integrated multi-energy scheduling in a micro-grid and a tangible computer readable medium |
CN104795829A (zh) * | 2015-04-29 | 2015-07-22 | 中国电力科学研究院 | 一种基于削峰填谷的储能***调度方法 |
CN107800148A (zh) * | 2017-11-22 | 2018-03-13 | 国网河南省电力公司电力科学研究院 | 一种基于调峰效果的负荷侧储能优化配置方法 |
CN107994595A (zh) * | 2017-11-15 | 2018-05-04 | 中国电力科学研究院有限公司 | 一种削峰填谷控制方法和***以及应用该控制方法的*** |
CN109214095A (zh) * | 2018-09-13 | 2019-01-15 | 云南民族大学 | 电动汽车充放电多目标优化调度方法 |
-
2019
- 2019-05-30 CN CN201910459625.7A patent/CN110086187B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015021603A1 (en) * | 2013-08-13 | 2015-02-19 | Accenture Global Services Limited | System, method and apparatus for integrated multi-energy scheduling in a micro-grid and a tangible computer readable medium |
CN104795829A (zh) * | 2015-04-29 | 2015-07-22 | 中国电力科学研究院 | 一种基于削峰填谷的储能***调度方法 |
CN107994595A (zh) * | 2017-11-15 | 2018-05-04 | 中国电力科学研究院有限公司 | 一种削峰填谷控制方法和***以及应用该控制方法的*** |
CN107800148A (zh) * | 2017-11-22 | 2018-03-13 | 国网河南省电力公司电力科学研究院 | 一种基于调峰效果的负荷侧储能优化配置方法 |
CN109214095A (zh) * | 2018-09-13 | 2019-01-15 | 云南民族大学 | 电动汽车充放电多目标优化调度方法 |
Non-Patent Citations (3)
Title |
---|
ZHANG TAO ET AL.: "Research on Economic Evaluation Method of Battery Energy Storage Peak", 《2018 INTERNATIONAL CONFERENCE ON SMART GRID AND ELECTRICAL AUTOMATION (ICSGEA)》 * |
孟娅等: "电池储能参与配电网削峰填谷的变功率控制策略", 《电力建设》 * |
李军徽等: "抑制风电并网影响的储能***调峰控制策略设计", 《中国电力》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110417040A (zh) * | 2019-08-04 | 2019-11-05 | 国网吉林省电力有限公司电力科学研究院 | 一种大规模vrb优化运行的能量管理***控制方法 |
CN110492482A (zh) * | 2019-09-10 | 2019-11-22 | 东北电力大学 | 一种用于延缓配电设备升级改造的储能经济调度方法 |
CN110492482B (zh) * | 2019-09-10 | 2022-05-24 | 东北电力大学 | 一种用于延缓配电设备升级改造的储能经济调度方法 |
CN110675049A (zh) * | 2019-09-20 | 2020-01-10 | 国网江苏省电力有限公司南京供电分公司 | 一种基于柔性台区的经济调度方法 |
CN110880776A (zh) * | 2019-11-18 | 2020-03-13 | 国网浙江省电力有限公司 | 控制储能***中储能设备充放电的方法和装置 |
CN110880776B (zh) * | 2019-11-18 | 2021-06-25 | 国网浙江省电力有限公司 | 控制储能***中储能设备充放电的方法和装置 |
CN111525601A (zh) * | 2020-05-27 | 2020-08-11 | 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 |
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 |
CN112510679A (zh) * | 2020-10-23 | 2021-03-16 | 南方电网调峰调频发电有限公司 | 分布式储能优化调度方法、装置、计算机设备和存储介质 |
CN113675846A (zh) * | 2021-08-24 | 2021-11-19 | 合肥市武汉大学创新技术研究院 | 基于聚合效应的配电网分布式储能优化调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110086187B (zh) | 2022-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110086187A (zh) | 计及负荷特性的储能调峰日前优化调度方法 | |
CN106712120B (zh) | 基于主从博弈模型的交直流混合微电网优化运行方法 | |
CN110176765A (zh) | 一种峰谷电价驱动的储能调峰日前优化调度方法 | |
CN111404206B (zh) | 考虑投资回报约束的风光储发电***容量双层规划方法 | |
CN106953316B (zh) | 微电网变时间尺度优化调度方法 | |
CN111244991B (zh) | 一种考虑电池寿命的储能电站运行控制方法及*** | |
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 | |
CN113326467B (zh) | 基于多重不确定性的多站融合综合能源***多目标优化方法、存储介质及优化*** | |
CN112238781B (zh) | 一种基于分层架构的电动汽车有序充电控制方法 | |
Zheng et al. | Optimal short-term power dispatch scheduling for a wind farm with battery energy storage system | |
CN110112734A (zh) | 一种基于启发式规则的微网优化调度方法 | |
CN111639866B (zh) | 基于遗传算法的储能充电站的储能容量的配置方法 | |
CN109617066A (zh) | 基于电价体系的储能配置方法 | |
CN114899856A (zh) | 一种电动汽车充电桩功率调节方法、***、设备及介质 | |
CN111181197B (zh) | 一种多弃风区域风储容量配置方法 | |
CN115473285A (zh) | 基于合作博弈论的多类型储能***最优容量配置方法 | |
CN106096807A (zh) | 一种考虑小水电的互补微网经济运行评价方法 | |
CN116914821A (zh) | 一种基于改进粒子群算法的微电网低碳优化调度方法 | |
CN115511658A (zh) | 一种计及储能装置折损的楼宇能量优化方法 | |
CN103915851B (zh) | 一种递进步长和期望输出均可变的储能***优化控制方法 | |
CN116667406A (zh) | 基于非线性规划的储能充放电策略优化方法 | |
CN105574681A (zh) | 一种多时间尺度社区能源局域网能量调度方法 | |
CN115940284B (zh) | 一种考虑分时电价的新能源制氢***的运行控制策略 | |
CN110137957A (zh) | 一种基于直流配电中心的柔性互联配电网削峰填谷方法 | |
CN115001053A (zh) | 主动抑制电池老化的v2g最优调频方法 |
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 |