CN115133607A - 用户侧退役电池储能容量配置方法、***、设备和介质 - Google Patents
用户侧退役电池储能容量配置方法、***、设备和介质 Download PDFInfo
- Publication number
- CN115133607A CN115133607A CN202210373925.5A CN202210373925A CN115133607A CN 115133607 A CN115133607 A CN 115133607A CN 202210373925 A CN202210373925 A CN 202210373925A CN 115133607 A CN115133607 A CN 115133607A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- optimization model
- layer
- battery
- storage capacity
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 235
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000005457 optimization Methods 0.000 claims abstract description 195
- 230000015556 catabolic process Effects 0.000 claims abstract description 68
- 238000006731 degradation reaction Methods 0.000 claims abstract description 68
- 238000009826 distribution Methods 0.000 claims abstract description 43
- 230000006870 function Effects 0.000 claims description 47
- 238000012545 processing Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 17
- 238000004422 calculation algorithm Methods 0.000 claims description 15
- 238000011217 control strategy Methods 0.000 claims description 15
- 238000007599 discharging Methods 0.000 claims description 12
- 230000006798 recombination Effects 0.000 claims description 11
- 238000005215 recombination Methods 0.000 claims description 11
- 230000005611 electricity Effects 0.000 claims description 10
- 238000002922 simulated annealing Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 9
- 238000011084 recovery Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 5
- 230000007423 decrease Effects 0.000 claims description 4
- 230000009191 jumping Effects 0.000 claims description 4
- 238000012821 model calculation Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000007850 degeneration Effects 0.000 claims description 3
- 230000004913 activation Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 238000005562 fading Methods 0.000 description 8
- 230000000052 comparative effect Effects 0.000 description 6
- 230000002354 daily effect Effects 0.000 description 5
- 238000013486 operation strategy Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 description 3
- 238000004064 recycling Methods 0.000 description 3
- 230000003203 everyday effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
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
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
- H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
-
- 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
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
-
- 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
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0029—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with safety or protection devices or circuits
-
- 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
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/007—Regulation of charging or discharging current or voltage
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种用户侧退役电池储能容量配置方法、***、设备和介质，该方法包括：建立考虑衰退特性的用户侧退役电池储能容量优化配置的双层优化模型，并确定其目标函数和约束条件；针对给定的配电网典型运行场景以及预先获取的配电***及退役电池的相关参数，对建立的考虑衰退特性的用户侧退役电池储能容量优化配置的双层优化模型进行求解，基于求解结果得到用户侧退役电池储能容量配置方案。本发明充分考虑电池衰退特性提升用户侧储能经济性的作用，可以广泛应用于考虑衰退特性的用户侧退役电池储能容量优化配置领域。
Description
技术领域
本发明涉及一种用户侧退役电池储能容量配置方法、***、设备和介质，特别是一种基于双层优化框架实现配置问题求解的、考虑衰退特性的用户侧退役电池储能容量优化配置方法、***、设备和介质，属于新能源技术领域。
背景技术
目前，新能源汽车产业发展迅速。在可以预期的未来，将有大量动力电池因不满足车用要求而退役。但是，动力电池退役后，剩余容量仍有初始容量的80％以上。若直接报废拆解，一方面浪费动力电池全寿命周期的价值；另一方面回收拆解处理不当将会加剧环境污染。通过退役动力电池的梯次利用，可以很好地避免这些问题。但是电池使用过程中，工作温度、充放电倍率与充放电深度等因素对电池容量及循环寿命等影响较大，增加了退役动力电池梯次利用时的容量配置和经济性分析难度。如何考虑退役电池的衰退特性，准确地估算退役电池剩余可用循环次数与剩余容量，对退役电池的梯次利用有着重要意义。
在电池回收再利用、电池储能容量优化配置方面，有大量学者做了深入研究，但针对用户侧梯次利用电池储能，考虑电池衰退特性的文献并不多见。有归纳了废旧动力电池的回收方法的；有分析了退役电池梯次利用技术和拆解回收技术，对各环节进行价值评估的；有提出了一种计及***经济运行和电池寿命的微电网储能容量双层优化模型的；有以成本最小为目标，建立了考虑储能成本与寿命的容量优化模型的…总的来说，已有文献或者重点关注电池回收技术，或者在研究储能容量优化配置方法中未考虑退役电池的情况。
发明内容
针对上述问题，本发明的目的是提供一种用户侧退役电池储能容量配置方法、***、设备和介质，以退役电池的衰退特性为基础对用户侧退役电池储能的配置容量和配置功率进行规划，进而得到考虑衰退特性的用户侧退役电池储能容量优化配置的最优方案。
为实现上述目的，本发明采取以下技术方案：
第一方面，本发明提供一种用户侧退役电池储能容量配置方法，其包括如下步骤：
建立考虑衰退特性的用户侧退役电池储能容量优化配置的双层优化模型，并确定其目标函数和约束条件；
针对给定的配电网典型运行场景以及预先获取的配电***及退役电池的相关参数，对建立的考虑衰退特性的用户侧退役电池储能容量优化配置的双层优化模型进行求解，基于求解结果得到用户侧退役电池储能容量配置方案。
进一步，所述预先获取的配电***的相关参数包括：
其中，配电***参数包括：电网升级的单位投资成本、年利率、项目贴现率、项目运营年限、储能每年工作时间、储能***回收成本、加工重组成本、能量转换部分成本、退役电池加工重组的单位成本、各节点处安装的储能的额定容量和最大放电功率、各节点处安装的储能的容量和最大放电功率的上下限、单位功率储能的年运行维护成本、电网节点总数、实时电价、储能工作效率、各节点的运行电压、各节点的最大、最小运行电压值、各支路的电流、各支路的最大允许电流、各支路的电阻和电抗、各时刻支路各上流过的有功功率和无功功率、各时刻各节点上注入的有功功率和无功功率、各时刻各节点上分布式电源注入的有功功率和无功功率、各时刻各节点上储能***注入的有功功率和无功功率、各时刻节各点上负荷消耗的有功功率和无功功率、储能初始时的荷电状态、储能荷电状态的上、下限、仿真步长、用户变压器倒送电功率、倒送电功率上限初值；
退役电池参数包括：当前温度电池的活化能、电池工作温度、充放电倍率、充放电深度、单体电池容量、电池已用循环次数、退役电池作为动力电池已使用的充放电次数、各节点的电池组串联后的工作电压。
进一步，所述建立考虑衰退特性的用户侧退役电池储能容量优化配置的双层优化模型，并确定其目标函数和约束条件的方法，包括：
确定考虑衰退特性的用户侧退役电池储能容量优化配置双层优化模型，包括上层规划优化模型和下层运行优化模型；所述上层规划优化模型用于制定储能配置方案，所述下层运行优化模型制定最优的运行控制策略，并反馈运行结果给上层规划优化模型；
确定双层优化模型中，上层规划优化模型及下层运行优化模型的目标函数；
确定上层规划优化模型及下层运行优化模型的目标函数的约束条件。
进一步，所述上层规划优化模型和下层运行优化模型的目标函数分别为：
式中，F是上层规划优化模型的目标函数；f为下层运行优化模型的目标函数；nES代表储能每年工作时间；
为第y年退役电池的容量衰退系数；Y为项目运营年限；θ为项目贴现率；V为用户侧储能延缓投资收益；
为退役电池储能***总成本，按照回收、加工重组的方式进行计算；M为电网节点总数；Cdd(t)为实时电价；η为储能工作效率；
为t时刻节点i上储能***注入的有功功率；
所述上层规划优化模型及下层运行优化模型的目标函数的约束条件包括：储能安装容量、功率约束、配电网安全约束、配电网潮流约束、储能运行约束、倒送电功率约束。
进一步，所述针对给定的配电网典型运行场景以及预先获取的配电***的相关参数，对建立的考虑衰退特性的用户侧退役电池储能容量优化配置模型进行求解时，采用二阶锥规划与模拟退火相结合的混合算法。
进一步，所述采用二阶锥规划与模拟退火相结合的混合算法，对建立的考虑衰退特性的用户侧退役电池储能容量优化配置模型进行求解的方法，包括：
①将对考虑衰退特性的用户侧退役电池储能容量优化配置模型的求解分为上层规划优化模型和下层运行优化模型求解两个阶段；
②采用模拟退火算法求解上层规划优化模型，并设置初始温度、温度下降系数、迭代次数限制值参数；
③对用户侧退役动力电池储能容量进行整数编码，给定初始储能容量优化配置方案，包括在节点i处安装的储能的额定容量
在节点i处安装的储能的最大放电功率
并将迭代次数置为零；
④改变安装的电池储能容量的额定容量配置、最大放电功率配置，得到新的配置方案并将其传输至下层运行优化模型；
⑤下层运行优化模型针对给定的配电网典型运行场景，结合从上层获得的当前考虑衰退特性的用户侧退役电池储能容量优化配置方案，采用二阶锥规划算法进行优化计算得到储能***收益指标和储能***运行控制策略，并将相应指标、控制策略返回给上层规划优化模型构成目标函数；
⑥设置迭代次数加一，判断是否达到当前温度下的最大迭代次数，若达到则跳出迭代过程，选取当前温度下的配置方案为最终解；反之，则返回步骤④重新生成配置方案，直到输出最终的考虑衰退特性的用户侧退役电池储能容量优化配置方案。
第二方面，本发明提供一种用户侧退役电池储能容量配置***，该***包括：
模型构建模块，用于建立考虑衰退特性的用户侧退役电池储能容量优化配置的双层优化模型，并确定其目标函数和约束条件；
模型计算模块，用于针对给定的配电网典型运行场景以及预先获取的配电***及退役电池的相关参数，对建立的考虑衰退特性的用户侧退役电池储能容量优化配置的双层优化模型进行求解，基于求解结果得到用户侧退役电池储能容量配置方案。
进一步，所述模型构建模块包括：双层优化模型确定模块，用于确定考虑衰退特性的用户侧退役电池储能容量优化配置双层优化模型，包括上层规划优化模型和下层运行优化模型；所述上层规划优化模型用于制定储能配置方案，所述下层运行优化模型制定最优的运行控制策略，并反馈运行结果给上层规划优化模型；目标函数确定模块，用于确定双层优化模型中，上层规划优化模型及下层运行优化模型的目标函数；约束条件确定模块，用于确定上层规划优化模型及下层运行优化模型的目标函数的约束条件。
第三方面，本发明提供一种处理设备，所述处理设备至少包括处理器和存储器，所述存储器上存储有计算机程序，所述处理器运行所述计算机程序时执行以实现所述用户侧退役电池储能容量配置方法的步骤。
第四方面，本发明提供一种计算机存储介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现所述用户侧退役电池储能容量配置方法的步骤。
本发明由于采取以上技术方案，其具有以下优点：
1、本发明建立的考虑衰退特性的用户侧退役电池储能容量优化配置模型，在退役电池储能容量优化配置阶段考虑电池的衰退特性和储能的灵活控制策略，进而得到考虑衰退特性的用户侧退役电池储能容量优化配置方案，充分利用了储能“高充低放”的运行策略，在时间上转移了从上级电网的购电需求，从而降低了电力用户的整体消费；
2、本发明对考虑衰退特性的用户侧退役电池储能容量优化配置模型求解时，采用了二阶锥规划与模拟退火相结合的混合算法，求解更加快速，准确性更高。
因此，本发明可以广泛应用于新能源技术领域，特别是考虑衰退特性的用户侧退役电池储能容量优化配置领域。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。在整个附图中，用相同的附图标记表示相同的部件。在附图中：
图1是本发明实施例提供的考虑衰退特性的用户侧退役电池储能容量优化配置方法流程图；
图2是本发明实施例中的双层优化框架图；
图3是本发明实施例中的典型案例用户电网结构图；
图4是本发明实施例中的典型日分布式电源和负荷功率图(单位/kW)；
图5a和图5b是本发明实施例中的模型校验图；
图6是本发明实施例中的电池储能容量变化图；
图7是本发明实施例中的不同方案的容量利用率图；
图8a～图8d是本发明实施例中的不同配置方案下储能SOC变化曲线图；其中，图8a是本发明方法的SOC变化曲线图；图8b是对比方案1的SOC变化曲线图；图8c是对比方案2的SOC变化曲线图；图8d是对比方案3的SOC变化曲线图；
图9是本发明实施例中的不同方案成本效益图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本发明的一些实施例中提供一种用户侧退役电池储能容量配置方法，包括：建立考虑衰退特性的用户侧退役电池储能容量优化配置的双层优化模型，并确定其目标函数和约束条件；针对给定的配电网典型运行场景以及预先获取的配电***及退役电池的相关参数，对建立的考虑衰退特性的用户侧退役电池储能容量优化配置的双层优化模型进行求解，基于求解结果得到用户侧退役电池储能容量配置方案。本发明建立的考虑衰退特性的用户侧退役电池储能容量优化配置模型，在退役电池储能容量优化配置阶段考虑电池的衰退特性和储能的灵活控制策略，进而得到考虑衰退特性的用户侧退役电池储能容量优化配置方案，充分利用了储能“高充低放”的运行策略，在时间上转移了从上级电网的购电需求，从而降低了电力用户的整体消费。
与之相对应地，本发明的另一些实施例中提供一种用户侧退役电池储能容量配置***、设备和介质。
实施例1
如图1所示，本实施例提供的一种用户侧退役电池储能容量配置方法，包括以下步骤：
1)对配电***及退役电池的相关参数进行采集，用于考虑衰退特性的用户侧退役电池储能容量优化配置方案的计算。
其中，采集的配电***参数包括：电网升级的单位投资成本、年利率、项目贴现率、项目运营年限、储能每年工作时间、储能***回收成本、加工重组成本、能量转换部分成本、退役电池加工重组的单位成本、各节点处安装的储能的额定容量和最大放电功率、各节点处安装的储能的容量和最大放电功率的上下限、单位功率储能的年运行维护成本、电网节点总数、实时电价、储能工作效率、各节点的运行电压、各节点的最大、最小运行电压值、各支路的电流、各支路的最大允许电流、各支路的电阻和电抗、各时刻支路各上流过的有功功率和无功功率、各时刻各节点上注入的有功功率和无功功率、各时刻各节点上分布式电源注入的有功功率和无功功率、各时刻各节点上储能***注入的有功功率和无功功率、各时刻各节点上负荷消耗的有功功率和无功功率、储能初始时的荷电状态、储能荷电状态的上、下限、仿真步长、用户变压器倒送电功率、倒送电功率上限初值；
退役电池参数包括：当前温度电池的活化能、电池工作温度、充放电倍率、充放电深度、单体电池容量、电池已用循环次数、退役电池作为动力电池已使用的充放电次数、各节点的电池组串联后的工作电压等。
2)建立考虑衰退特性的用户侧退役电池储能容量优化配置的双层优化模型，并确定其目标函数和约束条件。
具体地，上述步骤2)可以通过以下步骤实现：
2.1)确定考虑衰退特性的用户侧退役电池储能容量优化配置双层优化模型。
如图2所示，本实施例中，考虑衰退特性的用户侧退役电池储能容量优化配置双层优化模型包括上层规划优化模型和下层运行优化模型。其中，上层规划优化模型用于制定储能配置方案(决策变量)，即配置容量(电池容量和最大充放电功率)，下层运行优化模型制定最优的运行控制策略(决策变量)，并反馈运行结果给上层规划优化模型。结合确定的考虑衰退特性的用户侧退役电池储能容量优化配置方案计算得到基于容量衰退特性的用户综合效益优化指标。
具体地，对于本实施例，考虑衰退特性的用户侧退役电池储能容量优化配置双层优化模型可表示为：
式中，F是上层规划优化模型的目标函数；G、H是上层规划优化模型的约束条件；
既是上层规划优化模型的决策变量，也是下层运行优化模型的边界条件；δ既是上层规划优化模型的边界条件，也是下层运行优化模型的目标函数；f为下层运行优化模型的目标函数，代表退役电池储能日运行收益；g、h是下层运行优化模型的约束条件；
是下层运行优化模型的决策变量。
2.2)确定双层优化模型中，上层规划优化模型及下层运行优化模型的目标函数。
首先，将电池容量衰退率指标εloss表示为：
式中，εloss为各因素影响下电池容量衰退率；Ebattery为单体电池容量；εRate为充放电倍率；R为摩尔气体系数；T为电池工作温度；DOD为充放电深度；NEV为电池已用循环次数；α、β、γ、k1、k2、z均为待定常数。
因此，上层规划优化模型的目标函数F表示为：
本实施例以电池退役时的剩余容量为梯次利用电池重组后的额定容量。根据式(3)，衰退率系数为使用次数的因变函数。考虑电池退役时有一定的容量衰减以及用户的储能充放电策略较为稳定，电池使用次数与运行时间(年)近似为线性关系。因此，衰退率系数可表示为运行时间的因变函数，对式(3)修正后得到：
式中，V为用户侧储能延缓投资收益；
为退役电池储能***总成本，按照回收、加工重组的方式进行计算；
为第y年退役电池的容量衰退系数，用于修正梯次利用电池的容量；Rrest为电网升级的单位投资成本；ρ为年利率，本实施例取ρ＝15％；θ为项目贴现率，本实施例取8％；Y为项目运营年限；nES代表储能每年工作时间；Chs为储能***回收成本；CJG为储能***加工重组成本；CPCS为储能***能量转换部分成本；
为储能***回收单位成本；
为退役电池加工重组的单位成本；
为储能***能量转换部分成本；
为单位功率储能的年运行维护成本；NEV为电池已用循环次数；
为节点i处安装的储能的额定容量；
为节点i处安装的储能的最大放电功率；
为储能***初始投资成本；Com为储能***年运行维护成本；
为循环NEV次后退役电池的容量衰退系数。
下层运行优化模型的目标函数f表示为：
式中，M为电网节点总数；Cdd(t)为实时电价；η为储能工作效率；
为t时刻节点i上储能***注入的有功功率。
2.3)确定上层规划优化模型及下层运行优化模型的目标函数的约束条件。
对于本实施例，以储能安装容量、功率约束、配电网安全约束、配电网潮流约束、储能运行约束、倒送电功率约束为约束条件，可表示为：
2.3.1)储能安装容量、功率约束
储能安装容量、功率约束可表示为：
式中，
分别为在节点i处安装的储能的额定容量和最大放电功率；Emax,i、Pmax,i、Emin,i、Pmin,i分别为在节点i处安装的储能的额定容量和最大放电功率的上、下限。
2.3.2)配电网安全约束
式中，Ui为节点i的运行电压；
分别为节点i的最大、最小运行电压值；Iij为支路ij的电流；
为支路ij的最大允许电流。
2.3.3)配电网潮流约束
式中，Pt,ik为t时刻支路上节点i流向节点k的有功功率；Qt,ik为t时刻支路上节点i流向节点k的无功功率；rji、xji为支路ij的电阻和电抗；Pt,ji、Qt,ji分别为t时刻支路ij上流过的有功功率和无功功率；Pt,i、Qt,i分别为t时刻节点i上注入的有功功率和无功功率；
分别为t时刻节点i上分布式电源注入的有功功率和无功功率；
分别为t时刻节点i上储能***注入的有功功率和无功功率；
分别为t时刻节点i上负荷消耗的有功功率和无功功率；Ωb为配电***所有支路的集合；It,ij为t时刻支路ij的电流；Ut,i为t时刻节点i的电压幅值；Ut,j为t时刻节点j的电压幅值。
2.3.4)储能运行约束
式中，
为在节点i处安装的储能的最大放电功率，
为t时刻节点i上储能***注入的有功功率；
是储能初始时的荷电状态；
为储能荷电状态的上、下限；Δt为仿真步长；Vbattery,i为节点i的电池组串联后的工作电压；
为重组后退役电池的容量衰退系数，用于修正梯次利用电池的容量；It,i为t时刻节点i的电流、k为充放电倍率、
为在节点i处安装的储能考虑退役电池容量衰退的容量。
2.3.5)倒送电功率约束
式中，
为用户变压器倒送电功率，
为倒送电功率上限。
3)针对给定的配电网典型运行场景以及配电***的相关参数，对建立的考虑衰退特性的用户侧退役电池储能容量优化配置的双层优化模型进行求解，基于求解结果得到用户侧退役电池储能容量配置方案，包括电池容量衰退率和储能电池的容量配置和功率配置方案、容量利用率以及储能年均收益指标和用户综合效益指标。
对于本实施例，对建立的考虑衰退特性的用户侧退役电池储能容量优化配置模型进行求解时，采用二阶锥规划与模拟退火相结合的混合算法，具体包括以下步骤：
3.1)将对考虑衰退特性的用户侧退役电池储能容量优化配置模型的求解分为两个阶段，即上层规划优化模型和下层运行优化模型；
3.2)采用模拟退火算法求解上层规划优化模型，并设置初始温度、温度下降系数、迭代次数限制值等算法参数；
3.3)对用户侧退役电池储能容量进行整数编码，给定初始储能容量优化配置方案，即在节点i处安装的储能的额定容量
在节点i处安装的储能的最大放电功率
并将迭代次数置为零；
3.4)对用户侧退役电池储能容量的额定容量配置、最大放电功率配置进行更新，得到新的配置方案并将其传输至下层运行优化模型；
3.5)下层运行优化模型针对给定的配电网典型运行场景，结合从上层规划优化模型获得的当前考虑衰退特性的用户侧退役电池储能容量优化配置方案，采用二阶锥规划算法进行优化计算得到储能***收益指标和储能***运行控制策略，并将相应指标、控制策略返回给上层规划优化模型构成目标函数；
3.6)设置迭代次数加一，判断是否达到当前温度下的最大迭代次数，若达到则跳出迭代过程，选取当前温度下的配置方案为最终解；反之，则返回步骤3.4)重新生成配置方案，直到输出最终的考虑衰退特性的用户侧退役电池储能容量优化配置方案。
实施例2
本实施例中，选取某装有小型分布式电源的负荷用户。该用户电网结构简单，用户负荷与分布式电源连接在同一母线上，且允许倒送电功率为100kW。在此背景下用户拟装设一定容量储能以获取最大经济效益。该算例中，电网结构图、典型日分布式电源及负荷功率如图3～4所示；变压器参数、典型日电价表、用户需求及相关信息如表1～3所示。
对于本实施例，首先结合磷酸铁锂电池典型容量变化对模型的衰退特性进行拟合与校验。某型号电池的使用情况如表4所示，对应容量衰退情况如表5所示。根据上述条件，电池容量衰退的待定系数拟合结果如表6所示。现取与上述磷酸铁锂电池同种的退役电池进行验证分析。在不同试验工况下该电池容量衰退情况如表7所示，模型校验结果如图5a和图5b所示。电池储能容量变化图如图6所示。
对于本实施例，假设该电池的5000次循环次数全部用至电力储能，结合储能工作时间条计算出储能运营年限为15年；该电池容量用至80％退役时剩余使用次数为2709次，同理计算出储能运营年限为8年。储能采用每日完全充放电循环1次(在储能荷电状态约束下，从储能的满电状态，带负荷放至没电，再充满电)的使用策略，并设定储能在0.3≤SOC≤0.9范围内运行。采用本实施例配置模型与方法进行计算，得出配置方案。同时，给出了采用同类型新电池且不考虑衰退特性情况下的配置方案，如表8所示。
对于本实施案例，为分析配置方案的最优性，给出了不同的电池的容量的储能配置方案如表9所示，从容量利用率、经济效益等方面完成分析。不同方案容量利用率如图7所示，不同配置方案储能SOC变化曲线如图8a～图8d所示，不同方案成本效益如图9所示。
执行优化计算的计算机硬件环境为Intel(R)Xeon(R)CPU E5-2609，主频为2.50GHz，内存为16GB；软件环境为Windows 10操作***。
结果可以看出，本实施例对电池衰退特性拟合得到的理论模型和实际使用数据具有较好的拟合度；退役电池储能或新电池储能配置时，衰退特性对配置方案无影响。但在考虑衰退特性时，退役电池储能比新电池储能的年均效益多4.9万元，说明相比于新电池储能，退役电池储能的经济性更好，即衰退特性对于用户配置储能时分析储能经济性有不可忽略的影响；对比方案1储能运行策略复杂；对比方案2仍需多次充放电，在使用频度和利用率上均不及本实施例方案；对比方案3在本实施例配置方案基础上额外新增一部分电池，但是在充放电过程中未能加以利用，导致投资浪费，储能利用率下降。可见，本实施例配置方案中的储能容量已能满足峰谷套利需求；虽然对比方案1和对比方案2的储能初始投资成本比本实施例配置方案分别少2.2万元、5.3万元，但是峰谷套利收益分别少17.2万元、18.3万元，导致综合成本效益分别少15万元、13万元。对比方案3与本实施例配置方案的峰谷套利收益均为15万元，但是对比方案3的储能容量多配置一部分，导致对比方案3储能投资总成本比本实施例配置方案多5.3万元，用户总效益少5.3万元；综前所述，采用本方法优化模型所得的本实施例配置方案，一方面在运行策略简单的同时达到了最优的储能容量利用率，另一方面在用户需求和相关约束下实现了用户经济效益最大的运行目标，完成了储能最优配置。因此，本实施例所提配置模型与方法可以为用户侧装设储能提供指导。
表1变压器及连接线参数
表2典型日电价表
表3用户侧需求及退役电池成本表
| 充放电倍率 | 0.25C |
| 充放电深度 | 90％ |
| 年工作时间 | 330天/每天充放电4h |
| 充放电效率 | 90％ |
| 单体容量 | 10Ah |
| 回收成本 | 0.1元/Wh |
| 加工重组成本 | 0.24元/Wh |
| 新电池购置成本 | 0.95元/Wh |
| PCS成本 | 1元/W |
| 建设及维护成本 | 1.3元/W |
表4电池使用情况及参数
表5电池衰退情况
| 循环次数 | 容量衰退率 | 循环次数 | 容量衰退率 |
| 20次 | 2.35％ | 100次 | 5.1％ |
| 40次 | 3.1％ | 120次 | 6.01％ |
| 60次 | 4.22％ | 140次 | 6.55％ |
| 80次 | 4.55％ | 160次 | 7.1％ |
表6待定系数拟合结果
| 参数 | 数值 | 参数 | 数值 |
| α | 0.4575 | z | 0.5556 |
| β | -2.96 | k<sub>1</sub> | 9.257 |
| γ | -2.881 | k<sub>2</sub> | -0.8797 |
表7某磷酸铁锂动力电池容量衰退情况
(a)55℃-75％DOD-2C
(b)55℃-55％DOD-3C
表8储能配置方案
表9储能配置方案
| 方案类型 | 配置方案 | 年均效益 |
| 本实施例方案 | 1258kWh/188.7kW | 8万元 |
| 对比方案1 | 629kWh/188.7kW | 6.1万元 |
| 对比方案2 | 1101kWh/188.7kW | 6.4万元 |
| 对比方案3 | 1416kWh/188.7kW | 7.3万元 |
实施例3
上述实施例1提供了一种用户侧退役电池储能容量配置方法，与之相对应地，本实施例提供一种用户侧退役电池储能容量配置***。本实施例提供的配置***可以实施实施例1的用户侧退役电池储能容量优化配置方法，该配置***可以通过软件、硬件或软硬结合的方式来实现。例如，该***可以包括集成的或分开的功能模块或功能单元来执行实施例1各方法中的对应步骤。由于本实施例的配置***基本相似于方法实施例，所以本实施例描述过程比较简单，相关之处可以参见实施例1的部分说明即可，本实施例的***的实施例仅仅是示意性的。
本实施例提供的一种考虑衰退特性的用户侧退役电池储能容量配置***，其包括：参数采集模块，用于对配电***及退役电池的相关参数进行采集；模型构建模块，用于建立考虑衰退特性的用户侧退役电池储能容量优化配置的双层优化模型，并确定其目标函数和约束条件；模型计算模块，用于针对给定的配电网典型运行场景以及配电***的相关参数，对建立的考虑衰退特性的用户侧退役电池储能容量优化配置的双层优化模型进行求解，基于求解结果得到用户侧退役电池储能容量配置方案。
进一步地，考虑衰退特性的用户侧退役电池储能容量优化配置模型以用户效益的综合优化指标最大为目标函数，且目标函数的约束条件包括：储能安装容量、功率约束、配电网安全约束、配电网潮流约束、储能运行约束、倒送电功率约束。
进一步地，模型计算模块包括：问题划分模块，用于将对考虑衰退特性的用户侧退役电池储能容量优化配置模型的求解分为两个阶段，即上层规划优化模型和下层运行优化模型，其中，上层规划优化模型用于确定考虑衰退特性的用户侧退役电池储能容量优化配置方案，下层运行优化模型用于根据给定的配电网典型运行场景，结合确定的考虑衰退特性的用户侧退役电池储能容量优化配置方案计算得到基于容量衰退特性的用户综合效益优化指标；参数设置模块，用于采用模拟退火算法求解上层规划优化模型，并设置初始温度、温度下降系数、迭代次数限制值算法参数；初始配置方案确定模块，用于对用户侧退役动力电池储能容量进行整数编码，给定初始储能容量优化配置方案，即在节点i处安装的储能的额定容量
在节点i处安装的储能的最大放电功率
并将迭代次数置为零；配置方案更新模块，用于改变安装的储能的额定容量配置、放电功率配置，得到新的配置方案并将其传输至下层运行优化模型；下层运行问题求解模块，用于针对给定的配电网典型运行场景，结合从上层获得的当前考虑衰退特性的用户侧退役电池储能容量优化配置方案，采用二阶锥规划算法进行优化计算得到储能***收益指标和储能***运行控制策略，并将相应指标、控制策略返回给上层构成主要目标函数；配置方案输出模块，用于设置迭代次数加一，判断是否达到当前温度下的最大迭代次数，若达到则跳出迭代过程，选取当前温度下的配置方案为最终解；反之，则重新生成配置方案，直到输出最终的考虑衰退特性的用户侧退役电池储能容量优化配置方案。
实施例4
本实施例提供一种与本实施例1所提供的用户侧退役电池储能容量配置方法对应的处理设备，处理设备可以是用于客户端的处理设备，例如手机、笔记本电脑、平板电脑、台式机电脑等，以执行实施例1的方法。
所述处理设备包括处理器、存储器、通信接口和总线，处理器、存储器和通信接口通过总线连接，以完成相互间的通信。存储器中存储有可在所述处理器上运行的计算机程序，所述处理器运行所述计算机程序时执行本实施例1所提供的用户侧退役电池储能容量优化配置方法。
在一些实现中，存储器可以是高速随机存取存储器(RAM：Random AccessMemory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。
在另一些实现中，处理器可以为中央处理器(CPU)、数字信号处理器(DSP)等各种类型通用处理器，在此不做限定。
实施例5
本实施例1的用户侧退役电池储能容量配置方法可被具体实现为一种计算机程序产品，计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本实施例1所述的用户侧退役电池储能容量配置方法的计算机可读程序指令。
计算机可读存储介质可以是保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意组合。
需要说明的是，附图中的流程图和框图显示了根据本申请的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。
本领域内的技术人员应明白，本发明的实施例可提供为方法、***、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。
上述各实施例仅用于说明本发明，其中各部件的结构、连接方式和制作工艺等都是可以有所变化的，凡是在本发明技术方案的基础上进行的等同变换和改进，均不应排除在本发明的保护范围之外。
Claims (10)
1.一种用户侧退役电池储能容量配置方法，其特征在于，包括如下步骤：
建立考虑衰退特性的用户侧退役电池储能容量优化配置的双层优化模型，并确定其目标函数和约束条件；
针对给定的配电网典型运行场景以及预先获取的配电***及退役电池的相关参数，对建立的考虑衰退特性的用户侧退役电池储能容量优化配置的双层优化模型进行求解，基于求解结果得到用户侧退役电池储能容量配置方案。
2.如权利要求1所述的一种用户侧退役电池储能容量配置方法，其特征在于：所述预先获取的配电***的相关参数包括：
其中，配电***参数包括：电网升级的单位投资成本、年利率、项目贴现率、项目运营年限、储能每年工作时间、储能***回收成本、加工重组成本、能量转换部分成本、退役电池加工重组的单位成本、各节点处安装的储能的额定容量和最大放电功率、各节点处安装的储能的容量和最大放电功率的上下限、单位功率储能的年运行维护成本、电网节点总数、实时电价、储能工作效率、各节点的运行电压、各节点的最大、最小运行电压值、各支路的电流、各支路的最大允许电流、各支路的电阻和电抗、各时刻支路各上流过的有功功率和无功功率、各时刻各节点上注入的有功功率和无功功率、各时刻各节点上分布式电源注入的有功功率和无功功率、各时刻各节点上储能***注入的有功功率和无功功率、各时刻节各点上负荷消耗的有功功率和无功功率、储能初始时的荷电状态、储能荷电状态的上、下限、仿真步长、用户变压器倒送电功率、倒送电功率上限初值；
退役电池参数包括：当前温度电池的活化能、电池工作温度、充放电倍率、充放电深度、单体电池容量、电池已用循环次数、退役电池作为动力电池已使用的充放电次数、各节点的电池组串联后的工作电压。
3.如权利要求1所述的一种用户侧退役电池储能容量配置方法，其特征在于：所述建立考虑衰退特性的用户侧退役电池储能容量优化配置的双层优化模型，并确定其目标函数和约束条件的方法，包括：
确定考虑衰退特性的用户侧退役电池储能容量优化配置双层优化模型，包括上层规划优化模型和下层运行优化模型；所述上层规划优化模型用于制定储能配置方案，所述下层运行优化模型制定最优的运行控制策略，并反馈运行结果给上层规划优化模型；
确定双层优化模型中，上层规划优化模型及下层运行优化模型的目标函数；
确定上层规划优化模型及下层运行优化模型的目标函数的约束条件。
4.如权利要求3所述的一种用户侧退役电池储能容量配置方法，其特征在于：所述上层规划优化模型和下层运行优化模型的目标函数分别为：
式中，F是上层规划优化模型的目标函数；f为下层运行优化模型的目标函数；nES代表储能每年工作时间；
为第y年退役电池的容量衰退系数；Y为项目运营年限；θ为项目贴现率；V为用户侧储能延缓投资收益；
为退役电池储能***总成本，按照回收、加工重组的方式进行计算；M为电网节点总数；Cdd(t)为实时电价；η为储能工作效率；
为t时刻节点i上储能***注入的有功功率；
所述上层规划优化模型及下层运行优化模型的目标函数的约束条件包括：储能安装容量、功率约束、配电网安全约束、配电网潮流约束、储能运行约束、倒送电功率约束。
5.如权利要求1所述的一种用户侧退役电池储能容量配置方法，其特征在于：所述针对给定的配电网典型运行场景以及预先获取的配电***的相关参数，对建立的考虑衰退特性的用户侧退役电池储能容量优化配置模型进行求解时，采用二阶锥规划与模拟退火相结合的混合算法。
6.如权利要求5所述的一种用户侧退役电池储能容量配置方法，其特征在于：所述采用二阶锥规划与模拟退火相结合的混合算法，对建立的考虑衰退特性的用户侧退役电池储能容量优化配置模型进行求解的方法，包括：
①将对考虑衰退特性的用户侧退役电池储能容量优化配置模型的求解分为上层规划优化模型和下层运行优化模型求解两个阶段；
②采用模拟退火算法求解上层规划优化模型，并设置初始温度、温度下降系数、迭代次数限制值参数；
③对用户侧退役动力电池储能容量进行整数编码，给定初始储能容量优化配置方案，包括在节点i处安装的储能的额定容量
在节点i处安装的储能的最大放电功率
并将迭代次数置为零；
④改变安装的电池储能容量的额定容量配置、最大放电功率配置，得到新的配置方案并将其传输至下层运行优化模型；
⑤下层运行优化模型针对给定的配电网典型运行场景，结合从上层获得的当前考虑衰退特性的用户侧退役电池储能容量优化配置方案，采用二阶锥规划算法进行优化计算得到储能***收益指标和储能***运行控制策略，并将相应指标、控制策略返回给上层规划优化模型构成目标函数；
⑥设置迭代次数加一，判断是否达到当前温度下的最大迭代次数，若达到则跳出迭代过程，选取当前温度下的配置方案为最终解；反之，则返回步骤④重新生成配置方案，直到输出最终的考虑衰退特性的用户侧退役电池储能容量优化配置方案。
7.一种用户侧退役电池储能容量配置***，其特征在于，该***包括：
模型构建模块，用于建立考虑衰退特性的用户侧退役电池储能容量优化配置的双层优化模型，并确定其目标函数和约束条件；
模型计算模块，用于针对给定的配电网典型运行场景以及预先获取的配电***及退役电池的相关参数，对建立的考虑衰退特性的用户侧退役电池储能容量优化配置的双层优化模型进行求解，基于求解结果得到用户侧退役电池储能容量配置方案。
8.如权利要求7所述的一种用户侧退役电池储能容量配置***，其特征在于，所述模型构建模块包括：
双层优化模型确定模块，用于确定考虑衰退特性的用户侧退役电池储能容量优化配置双层优化模型，包括上层规划优化模型和下层运行优化模型；所述上层规划优化模型用于制定储能配置方案，所述下层运行优化模型制定最优的运行控制策略，并反馈运行结果给上层规划优化模型；
目标函数确定模块，用于确定双层优化模型中，上层规划优化模型及下层运行优化模型的目标函数；
约束条件确定模块，用于确定上层规划优化模型及下层运行优化模型的目标函数的约束条件。
9.一种处理设备，所述处理设备至少包括处理器和存储器，所述存储器上存储有计算机程序，其特征在于，所述处理器运行所述计算机程序时执行以实现权利要求1到6任一项所述用户侧退役电池储能容量配置方法的步骤。
10.一种计算机存储介质，其特征在于，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行以实现根据权利要求1到6任一项所述用户侧退役电池储能容量配置方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210373925.5A CN115133607A (zh) | 2022-04-11 | 2022-04-11 | 用户侧退役电池储能容量配置方法、***、设备和介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210373925.5A CN115133607A (zh) | 2022-04-11 | 2022-04-11 | 用户侧退役电池储能容量配置方法、***、设备和介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115133607A true CN115133607A (zh) | 2022-09-30 |
Family
ID=83376698
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210373925.5A Pending CN115133607A (zh) | 2022-04-11 | 2022-04-11 | 用户侧退役电池储能容量配置方法、***、设备和介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115133607A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117936965A (zh) * | 2024-03-22 | 2024-04-26 | 深圳市杰成镍钴新能源科技有限公司 | 一种用于退役锂电池放电***的能量控制方法及装置 |
-
2022
- 2022-04-11 CN CN202210373925.5A patent/CN115133607A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117936965A (zh) * | 2024-03-22 | 2024-04-26 | 深圳市杰成镍钴新能源科技有限公司 | 一种用于退役锂电池放电***的能量控制方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sadati et al. | Smart distribution system operational scheduling considering electric vehicle parking lot and demand response programs | |
| Lee et al. | Novel battery degradation cost formulation for optimal scheduling of battery energy storage systems | |
| Zheng et al. | Electric vehicle battery charging/swap stations in distribution systems: comparison study and optimal planning | |
| Emrani-Rahaghi et al. | Optimal stochastic operation of residential energy hubs based on plug-in hybrid electric vehicle uncertainties using two-point estimation method | |
| 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*** | |
| Xu et al. | Multi-objective chance-constrained optimal day-ahead scheduling considering BESS degradation | |
| Narimani et al. | SAIDI constrained economic planning and utilization of central storage in rural distribution networks | |
| CN115733178A (zh) | 基于成本和风险多目标的光储充电站容量配置方法及*** | |
| Wen et al. | Optimal distributed energy storage investment scheme for distribution network accommodating high renewable penetration | |
| Wu et al. | Battery energy storage system (bess) sizing analysis of bess-assisted fast-charge station based on double-layer optimization method | |
| CN111047093A (zh) | 一种电动汽车典型快充站优化运行配置方法 | |
| CN115133607A (zh) | 用户侧退役电池储能容量配置方法、***、设备和介质 | |
| CN117595261A (zh) | 光储微电网能量管理策略优化方法、装置及电子设备 | |
| Fan et al. | Rule-based health-aware power sharing for a multi-unit battery energy storage system | |
| Guo et al. | Optimal power management for grid-connected microgrid considering modelling of different electricity cost and battery degradation cost | |
| Karanasios et al. | A model for the estimation of the cost of use of Li-Ion batteries in residential storage applications integrated with PV panels | |
| Lu et al. | A model for balance responsible distribution systems with energy storage to achieve coordinated load shifting and uncertainty mitigation | |
| Dabbagh et al. | Optimal operation of vehicle-to-grid and grid-to-vehicle systems integrated with renewables | |
| Dayalan et al. | Energy management of a microgrid using demand response strategy including renewable uncertainties | |
| CN106950500A (zh) | 一种基于电池寿命的共享式电池的容量计算方法 | |
| CN113283654B (zh) | 基于聚合解列机制的微网群优化控制方法及*** | |
| CN115395498A (zh) | 一种低压直流互联台区多时间尺度协调调度方法及装置 | |
| Yamashita et al. | Hierarchical model predictive control to coordinate a vehicle-to-grid system coupled to building microgrids | |
| Soleimani et al. | Integrating battery condition and aging into the energy management of an active distribution network | |
| Iii et al. | A machine-learning based energy management system for microgrids with distributed energy resources and storage |
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 |