CN115939538A - 电池储能***性能的综合评价方法、装置及计算机设备 - Google Patents
电池储能***性能的综合评价方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN115939538A CN115939538A CN202211563728.6A CN202211563728A CN115939538A CN 115939538 A CN115939538 A CN 115939538A CN 202211563728 A CN202211563728 A CN 202211563728A CN 115939538 A CN115939538 A CN 115939538A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- storage system
- battery energy
- different physical
- power
- 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 263
- 238000011156 evaluation Methods 0.000 title claims abstract description 148
- 230000036314 physical performance Effects 0.000 claims abstract description 119
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000011217 control strategy Methods 0.000 claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 27
- 238000007599 discharging Methods 0.000 claims abstract description 12
- 230000000704 physical effect Effects 0.000 claims description 58
- 230000005611 electricity Effects 0.000 claims description 39
- 230000006870 function Effects 0.000 claims description 31
- 239000011159 matrix material Substances 0.000 claims description 22
- 230000015654 memory Effects 0.000 claims description 20
- 238000010248 power generation Methods 0.000 claims description 17
- 230000008901 benefit Effects 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 239000000126 substance Substances 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 7
- 238000005065 mining Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000002131 composite material Substances 0.000 claims description 4
- 230000004044 response Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 abstract description 10
- 230000004069 differentiation Effects 0.000 abstract description 5
- 229910052799 carbon Inorganic materials 0.000 description 7
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000005562 fading Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01M—PROCESSES OR MEANS, e.g. BATTERIES, FOR THE DIRECT CONVERSION OF CHEMICAL ENERGY INTO ELECTRICAL ENERGY
- H01M10/00—Secondary cells; Manufacture thereof
- H01M10/42—Methods or arrangements for servicing or maintenance of secondary cells or secondary half-cells
- H01M10/44—Methods for charging or discharging
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
Landscapes
- Engineering & Computer Science (AREA)
- General Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Chemical & Material Sciences (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开一种电池储能***性能的综合评价方法、装置及计算机设备,其中方法,基于电池储能***容量衰减函数、日运行成本总目标函数和线性化处理后的电池储能***(Battery Energy Storage System,BESS)的功率平衡约束条件、储能功率约束条件、控制策略约束条件,利用群组序关系评价算法计算BESS的多项不同物理性能指标的综合评价值,可以在负荷侧结合能源侧以及上级电网侧多种不同调度场景下,基于控制策略约束条件,实时控制BESS荷电状态的运行范围和根据不同调度要求建立BESS持续充放电时间策略,将BESS的6项不同物理性能指标参数迭代至各约束条件中,最终可获得6项不同物理性能指标的综合评价值,能够充分分析出BESS的选型和各项不同物理性能评价的差异化,使得BESS分析较为全面。
Description
技术领域
本发明涉及电池储能***(Battery Energy Storage System,BESS)性能评价技术领域,具体涉及一种电池储能***性能的综合评价方法、装置及计算机设备。
背景技术
为了克服风力发电和光伏发电等可再生能源发电的间歇性和随机性,并解决可再生能源发电侧与电力用户负载侧在时间上的协调性问题,在供电***中需要设置BESS以提高供电***的稳定性和可靠性。
当前,大规模BESS联合风光可再生能源发电运行成为国家各层面高度重视的研究方向,涉及储能在特定场景或者多场景的选型、运行适用性以及性能评价等技术指标以及安全性、可靠性、经济性、环境效益等方面的评价。近年来,国内外对于储能容量优化配置、控制策略和经济效益评估等方面做了许多研究。但不同物理性能储能在技术性、安全可靠性以及经济性均有不同的表现,因此,储能性能评价研究对于不同物理性能储能的选型及其商业模式的推广具有重大意义。
相关技术,针对储能适用性、储能选型以及性能评价做了初步的探索,建立了基于技术性评价指标、全寿命周期成本评价指标、全寿命周期收益评价指标以及集成度评价指标等不同物理性能储能的分析。相关技术,通常以削峰填谷策略或储能优化配置策略在负荷侧基于特定调度场景针对特定运行策略分析储能***性能,另外,储能选型和评价指标相关的因素众多,因此,当前电池储能***的性能分析方式无法获知储能电池的各项不同物理性能,在负荷侧结合能源侧以及上级电网侧等多种不同调度场景下其选型和性能评价的差异化,导致电池储能***性能分析不够全面,灵活性较差。
发明内容
因此,本发明要解决的技术问题在于克服现有技术中的当前电池储能***的性能分析方式无法获知储能电池的各项不同物理性能,在负荷侧结合能源侧以及上级电网侧等多种不同调度场景下其选型和性能评价的差异化,导致电池储能***性能分析不够全面,灵活性较差的问题,从而提供一种电池储能***性能的综合评价方法、装置及计算机设备。
根据第一方面,本发明实施例公开一种电池储能***性能的综合评价方法,包括如下步骤:
获取目标微电网用户在负荷侧产生的用电数据、所述目标微电网用户从上级电网侧购电的购电数据、能源侧向所述目标微电网用户输出的出力数据和所述电池储能***的储能数据;
根据所述用电数据、所述购电数据、所述出力数据和所述储能数据,创建所述目标微电网用户的日运行成本总目标函数,和,所述电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件;
基于预设线性处理算法线性化处理所述电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件;
根据电池储能***容量衰减函数、所述日运行成本总目标函数和线性化处理后的所述电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件,利用群组序关系评价算法计算所述电池储能***的多项不同物理性能指标的综合评价值。
结合第一方面,在第一方面的一种实施方式中,所述日运行成本总目标函数通过如下公式执行:
其中,当所述出力数据大于所述用电数据时,所述电池储能***存储电能;当所述出力数据小于或等于所述用电数据时,所述电池储能***释放电能;
为所述目标微电网用户i的日用电成本;为所述目标微电网用户i接入所述电池储能***后,在时段t从上级电网侧购电的购电功率;λt load为所述电池储能***的用户运营商在时段t向所述微电网用户提供辅助服务的购电单价,λt g为所述目标用户所在区域的电力电价,为目标微电网用户i使用所述电池储能***在时段t存储电能时的充电功率,为目标微电网用户i使用所述电池储能***在时段t释放电能时的放电功率,△t为调度时间间隔,T总时段数,Z为微电网总用户。
结合第一方面,在第一方面的另一种实施方式中,所述功率平衡约束条件通过如下公式执行:
所述储能功率约束条件通过如下公式执行:
其中,ηc为所述电池储能***的充电转换效率,ηd为所述电池储能***的放电转换效率,ψc,t为所述电池储能***在时段t的充电状态,ψd,t表示所述电池储能***在时段t的放电状态,当ψc,t=1,ψd,t=0时,所述电池储能***处于充电状态,当ψd,t=1,ψc,t=0时,所述电池储能***处于放电状态,Prate为所述电池储能***的额定功率,Pd,t为所述电池储能***在时段t的放电功率,Pc,t为所述电池储能***在时段t的充电功率;
所述控制策略约束条件通过如下公式执行:
其中,Et为所述电池储能***在时段t的电量状态;Et-1为所述电池储能***在时段t-1的电量状态,Emin为所述储能***的最小电量,Emax为所述电池储能***的最大电量,Erate为所述电池储能***的额定容量,SOCt为所述电池储能***t时刻的荷电状态,SOCt-1为所述电池储能***t-1时刻的荷电状态,SOCmin为所述电池储能***的最小荷电状态和SOCmax为所述电池储能***的最大荷电状态;SOC0为所述电池储能***的当前调度周期的初始荷电状态,SOCT+1为所述与所述当前调度周期相邻下一个调度周期的初始荷电状态,为了确保所述电池储能***在待调度周期中可持续充放电,SOCT+1=SOC0;γ为所述电池储能***参与调度时的充放电持续时间;τ1、τ2为所述电池储能***控制策略的荷电状态系数。
结合第一方面,在第一方面的另一种实施方式中,基于预设线性处理算法线性化处理所述电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件通过如下公式执行:
其中,M为所述预设线性处理算法中的最大系数,所述预设线性处理算法为最大M算法。
结合第一方面,在第一方面的另一种实施方式中,所述电池储能***容量衰减函数通过如下公式执行:
其中,Dt为所述电池储能***在时段t的放电深度值,Dr为标准放电深度值,Nr为Dr对应下的循环次数,α1、α2所述为所述电池储能***拟合参数,当所述电池储能***的容量衰减率时,所述电池储能***结束使用寿命。
结合第一方面,在第一方面的另一种实施方式中,所述利用群组序关系评价算法计算所述电池储能***的多项不同物理性能指标的综合评价值,包括:
基于预设群组评价条件,利用初始序关系评价算法计算所述电池储能***的各项不同物理性能指标的第一权重;
基于各评价者给出的各项不同物理性能指标的重要度排序值,计算各项不同物理性能指标的第二权重;
基于所述各项不同物理性能指标的第一权重和所述各项不同物理性能指标的第二权重,挖掘各评价者的初始权重;
基于所述各项不同物理性能指标的第二权重和所述各评价者的初始权重,计算各评价者的综合权重;
确定各评价者给出所述各项不同物理性能指标的贡献度比值判断矩阵;
基于所述各项不同物理性能指标的第一权重、所述各评价者的综合权重和各评价者给出所述各项不同物理性能指标的贡献度比值判断矩阵的元素,再利用所述初始序关系评价算法计算所述各项不同物理性能指标的第三权重;
基于所述各项不同物理性能指标的第三权重,计算所述各项不同物理性能指标的综合评价值。
结合第一方面,在第一方面的另一种实施方式中,所述基于预设群体评价条件,利用初始序关系评价算法计算所述电池储能***的各项不同物理性能指标的第一权重,包括:
设各评价者e1,e2,...,ek给予各项不同物理性能指标J1,J2,...,Jm的序关系为各项不同物理性能指标的贡献度之比为rc k,利用所述初始序关系评价算法通过如下公式求各项不同物理性能指标的第一权重
基于各评价者给出的各项不同物理性能指标的重要度排序值,计算各项不同物理性能指标的第二权重,通过如下公式执行:
基于所述各项不同物理性能指标的第一权重和所述各项不同物理性能指标的第二权重,挖掘各评价者的初始权重,通过如下公式执行:
其中,为评价者ek对各项不同物理性能指标J1,J2,...,Jm按所述初始序关系评价算法求出来的各项不同物理性能指标的第一权重集;为所述各项不同物理性能指标J1,J2,...,Jm的各项不同物理性能指标的第二权重集,其中,vm为所述各项不同物理性能指标J1,J2,...,Jm的综合权重向量;为所述各评价者的初始权重;
基于所述各项不同物理性能指标的第二权重和所述各评价者的初始权重,计算各评价者的综合权重,通过如下公式执行:
确定各评价者给出所述各项不同物理性能指标的贡献度比值判断矩阵通过如下公式执行:
其中,βk为评价者ek给出所述各项不同物理性能指标J1,J2,...,Jm之间的重要度排序值和其相邻项物理性能指标的贡献程度比值的矩阵;为评价者ek给出的各项物理性能指标之间的重要度排序值集和相邻评价指标贡献程度集的比值,其中,β为βk转换而成的所述各项不同物理性能指标的贡献度比值判断矩阵;alj为各项不同物理性能指标的贡献度比值判断矩阵的元素;
基于所述各评价者的综合权重和所述各项不同物理性能指标的贡献度比值判断矩阵的元素,再利用所述初始序关系评价算法计算所述各项不同物理性能指标的第三权重;
基于所述各项不同物理性能指标的第三权重,计算所述各项不同物理性能指标的综合评价值通过如下公式执行:
结合第一方面,在第一方面的另一种实施方式中,所述电池储能***的多项不同物理性能指标电池储能***的多项不同物理性能指标包括:技术性评价指标和/或容量配置评价指标和/或成本评价指标和/或环境效益评价指标和/或经济效益评价指标和/或集成度评价指标。
根据第二方面,本发明实施例还公开一种电池储能***性能的综合评价装置,包括如下模块:
数据获取模块,用于获取目标微电网用户在负荷侧产生的用电数据、所述目标微电网用户从上级电网侧购电的购电数据、能源侧向所述目标微电网用户输出的出力数据和所述电池储能***的储能数据;
创建模块,用于根据所述用电数据、所述购电数据、所述出力数据和所述储能数据,创建所述目标微电网用户的日运行成本总目标函数,和,所述电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件;
线性化处理模块,用于基于预设线性处理算法线性化处理所述电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件;
综合评价值计算模块,用于根据电池储能***容量衰减函数、所述日运行成本总目标函数和线性化处理后的所述电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件,基于群组序关系评价算法计算所述电池储能***的多项不同物理性能指标的综合评价值。
根据第三方面,本发明实施例还公开一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行第一方面或第一方面任一实施方式中所述的电池储能***性能的综合评价方法。
根据第四方面,本发明实施例还公开一种计算机设备,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行第一方面或第一方面任一实施方式中所述的电池储能***性能的综合评价方法。
本发明技术方案,具有如下优点:
本发明公开一种电池储能***性能的综合评价方法、装置及计算机设备,其中,方法,基于电池储能***容量衰减函数、日运行成本总目标函数和线性化处理后的电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件,利用群组序关系评价算法计算电池储能***的多项不同物理性能指标的综合评价值,可以在负荷侧结合能源侧以及上级电网侧多种不同调度场景下,基于控制策略约束条件,实时控制BESS荷电状态的运行范围和根据不同调度要求建立BESS持续充放电时间策略,将BESS的6项不同物理性能指标参数迭代至各约束条件中,最终可获得6项不同物理性能指标的综合评价值,能够充分分析出BESS的选型和各项不同物理性能评价的差异化,使得BESS分析较为全面。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中电池储能***性能的综合评价方法的一个具体示例的流程图;
图2为本发明实施例中电池储能***性能的综合评价方法的另一个具体示例的原理框图;
图3为本发明实施例中电池储能***性能的综合评价装置的结构框图;
图4为本发明实施例中计算机设备的硬件结构示意图。
具体实施方式
下面将结合附图对本发明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一部分实施例,而不是全部的实施例。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他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,还可以是两个元件内部的连通,可以是无线连接,也可以是有线连接。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
相关技术中,电池储能***(BESS)参与微电网用户能量优化调度,通常以削峰填谷策略或储能优化配置策略在负荷侧基于特定调度场景针对特定运行策略分析储能***性能,另外,储能选型和评价指标相关的因素众多,因此,当前电池储能***的性能分析方式无法获知储能电池的各项不同物理性能,在负荷侧结合电源出力侧以及上级电网侧等多种不同调度场景下其选型和性能评价的差异化,导致电池储能***性能分析不够全面,灵活性较差。
有鉴于此,本发明实施例公开一种电池储能***性能的综合评价方法,如图1所示,包括如下步骤:
步骤S11:获取目标微电网用户在负荷侧产生的用电数据、目标微电网用户从上级电网侧购电的购电数据、能源侧向目标微电网用户输出的出力数据和电池储能***的储能数据。
该目标微电网用户为在负荷侧参与BESS能量优化调度的用电用户。上述中的用电数据为负荷侧的目标微电网用户在时段t实际产生的用电负荷量,用电数据可以用P或W表示,例如:P=100W,W=78kWh;上述中的购电数据包括在时段t上级电网侧提供辅助服务的购电单价和购电功率,其中,购电单价可以用λt load表示,购电功率可以用表示。能源侧的能源可以为可再生能源,可再生能源优选风光能源,出力数据为可再生能源输出的出力功率。上述中的储能数据包括在时段t,BESS存储电能时的充电功率和释放电能的放电功率,充电功率可以用表示,放电功率可以用表示。
上述中的用电数据、购电数据、储能数据和出力数据涉及了负荷侧、上级电网侧以及能源侧不同场景的能量调度,使得目标微电网用户使用BESS参与了多种不同调度场景。
步骤S12:根据用电数据、购电数据、出力数据和储能数据,创建目标微电网用户的日运行成本总目标函数,和,电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件。
其中,日运行成本总目标函数为了保障负荷侧的目标微电网用户用电最经济;电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件为了保障目标微电网用户使用BESS参与多种不同调度场景,在多种不同运行控制策略下可靠运行。
在一种具体地实施方式中,日运行成本总目标函数通过如下公式(1)执行:
目标微电网用户的总目标函数以使用BESS和从上级电网购买电量的成本最低为总目标函数。目标微电网用户i可以在自建设风光可再生能源功率出力高于负荷需求时使用BESS存储电能,在负荷高于自建设可再生能源功率出力时使用BESS释放电能,此外,考虑使用BESS来存储或者释放电能的同时,目标微电网用户i也考虑该区域电力电价的波动,若使用BESS带来的成本高于从上级电网购电成本,该时段目标微电网用户i应向上级电网购置电量,因此,目标微电网用户i的日运行成本通过上述公式(1)执行。
在上述公式(1)中,其中,当出力数据大于用电数据时,电池储能***存储电能;当出力数据小于或等于用电数据时,电池储能***释放电能;
为目标微电网用户i的日用电成本;为目标微电网用户i接入电池储能***后,在时段t从上级电网侧购电的购电功率;λt load为电池储能***的用户运营商在时段t向目标微电网用户提供辅助服务的购电单价,λt g为目标用户所在区域的电力电价,为目标微电网用户i使用所述电池储能***在时段t存储电能时的放电功率,为目标微电网用户i使用所述电池储能***在时段t释放电能时的放电功率,△t为调度时间间隔,T总时段数,Z为微电网总用户。
在另一种具体地实施方式中,功率平衡约束条件通过如下公式(2)执行:
BESS的经济效益通过如下公式(3)执行:
目标微电网用户接入BESS前、后使用火电机组发电产出的碳排放量通过如下公式(4)和(5)执行:
其中,α为配置BESS前,目标微电网用户使用火电机组发电产出的碳排放量,βb为使用BESS后,目标微电网用户使用火电机组发电产出的碳排放量,为目标微电网用户i接入BESS前,在时段t从上级电网购买功率,πco2为单位电量的碳排放量。
在一种具体地实施方式中,储能功率约束条件通过如下公式(6)执行:
其中,ηc为电池储能***的充电转换效率,ηd为电池储能***的放电转换效率,ψc,t为电池储能***在时段t的充电状态,ψd,t表示电池储能***在时段t的放电状态,当ψc,t=1,ψd,t=0时,电池储能***处于充电状态,当ψd,t=1,ψc,t=0时,电池储能***处于放电状态,Prate为电池储能***的额定功率,Pd,t为电池储能***在时段t的放电功率,Pc,t为电池储能***在时段t的充电功率;
在一种具体地实施方式中,控制策略约束条件通过如下公式(7)执行:
通过上述公式(7),可以建立两种不同控制策略,一是控制BESS实时荷电状态的运行范围,二是根据不同调度要求建立BESS持续充放电时间策略。在式(7)中,其中,Et为电池储能***在时段t的电量状态;Et-1为电池储能***在时段t-1的电量状态,Emin为储能***的最小电量,Emax为电池储能***的最大电量,Erate为电池储能***的额定容量,SOCt为电池储能***t时刻的荷电状态,SOCt-1为电池储能***t-1时刻的荷电状态,SOCmin为电池储能***的最小荷电状态和SOCmax为电池储能***的最大荷电状态;SOC0为电池储能***的当前调度周期的初始荷电状态,SOCT+1为与当前调度周期相邻下一个调度周期的初始荷电状态,为了确保电池储能***在待调度周期中可持续充放电,SOCT+1=SOC0;γ为电池储能***参与调度时的充放电持续时间;τ1、τ2为电池储能***控制策略的荷电状态系数。
步骤S13:基于预设线性处理算法线性化处理电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件。
该预设线性处理算法可以为最大M法,通过预设线性处理算法将非线性化约束条件转化为线性化约束条件,线性化约束条件以整数形式出现,便于参与后续群组序关系评价算法计算。
在一种具体地实施方式中,基于预设线性处理算法线性化处理电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件通过如下公式(8)执行:
通过公式(8),将非线性化约束条件转化为线性化约束条件,其中,M为预设线性处理算法中的最大系数,预设线性处理算法为最大M算法。
步骤S14:根据电池储能***容量衰减函数、日运行成本总目标函数和线性化处理后的电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件,利用群组序关系评价算法计算电池储能***的多项不同物理性能指标的综合评价值。
在一种具体地实施方式中,电池储能***容量衰减函数通过如下公式(9)执行:
BESS容量衰减的主要因素包括放电深度(depth of discharge,DOD)、放电功率、额定容量、循环次数等。在上述式(9)中,其中,Dt为电池储能***在时段t的放电深度值,Dr为标准放电深度值,Nr为Dr对应下的循环次数,Pd,t为电池储能***在时段t的放电功率,α1、α2为电池储能***拟合参数,当电池储能***的容量衰减率时,电池储能***结束使用寿命。当BESS容量衰减率时,BESS结束使用寿命。
式(10)中,L为BESS使用寿命。
在一种实施方式中,电池储能***的多项不同物理性能指标电池储能***的多项不同物理性能指标包括:技术性评价指标和/或容量配置评价指标和/或成本评价指标和/或环境效益评价指标和/或经济效益评价指标和/或集成度评价指标,还可以包括其他物理性能指标。但在本发明实施例中,主要对6个不同物理性能指标进行研究和分析,分别为技术性评价指标、容量配置评价指标、成本评价指标、环境效能评价指标、经济效益评价指标和集成度评价指标。
其中,上述中的技术性评价指标由BESS使用寿命、调度周期内DOD的均方根、电池综合转换效率构成的技术性评价指标,具体通过如下公式(11)执行:
式(11)中:Dav为BESS参与目标微电网用户调度周期内的实时DOD均方根;Lmax为各BESS中,最长使用寿命;η表示BESS综合转换效率;ηmax为各BESS中,最大综合转换效率。其中,
其中,上述中的容量配置评价指标,由于不同物理性能BESS由于能量密度、荷电状态约束、转换效率等特性差异,导致不同物理性能BESS接入电力***调度时所需配置的容量各有差异,随着BESS配置的容量越大,造成用地面积、电池购置成本越大,在电力***特定场景下BESS的容量配置越小越好。因此,本发明实施例建立了BESS容量配置评价指标,具体通过如下公式(13)执行:
在上述式(13)中,Erate,max为各BESS中的最大额定容量。
其中,上述成本评价指标仍是初步建设BESS至关重要的考虑因素之一,投建阶段BESS运营商应考虑不同物理性能电池带来的建设成本,因此本发明实施例建立了BESS成本评价指标,具体通过如下公式(14)执行:
式(14)中,Ce为BESS的容量成本单价,Cp为BESS的功率成本单价;Ce,max为各BESS中最高容量成本单价,Cp,max为各BESS中最高功率成本单价;Prate为BESS配置的额定功率;Prate,max为各BESS中的最高的额定功率。
其中,对于上述中的环境效益评价指标而言,接入BESS后,降低了煤电机组、火电机组向目标微电网用户供电时产生的环境污染,因此,BESS环境效益的评价指标通过如下公式(15)执行,
上述式(15)中,α为配置BESS前,目标微电网用户使用火电机组发电产出的碳排放量,βb为使用BESS后,目标微电网用户使用火电机组发电产出的碳排放量。
其中,对于上述集成度评价指标而言,不同物理性能BESS,由于内部化学材料不同及制造方法差异,使其物理特性的大小不同。本发明实施例设计了BESS集成度评价指标,具体通过如下公式(16)执行:
上述式(16)中,Sar为建设BESS用地面积,Sar,max为建设各BESS中,最高用地面积。
在一种具体地实施方式中,如图2所示,上述步骤S14:基于群组序关系评价算法计算电池储能***的多项不同物理性能指标的综合评价值,包括如下步骤:
步骤S21:基于预设群组评价条件,利用初始序关系评价算法计算电池储能***的各项不同物理性能指标的第一权重。
该初始序关系评价算法为传统序关系法,在一种具体地实施方式中,上述步骤S21,基于预设群体评价条件,利用初始序关系评价算法计算电池储能***的各项不同物理性能指标的第一权重包括:
设各评价者e1,e2,...,ek给予各项不同物理性能指标J1,J2,...,Jm的序关系为各项不同物理性能指标的贡献度之比为rc k,利用初始序关系评价算法通过如下公式(17)求各项不同物理性能指标的第一权重
步骤S22:基于各评价者给出的各项不同物理性能指标的重要度排序值,计算各项不同物理性能指标的第二权重。
各评价者给出各项不同物理性能指标的重要度顺序之后,可获得各项不同物理性能指标重要度的排序值,然后计算各项不同物理性能指标的第二权重,具体通过如下公式(18)执行:
当时,表示各评价者ek对BESS各项不同物理性能指标的重要度掌握的信息相同;当时,表示各评价者对BESS评价指标的重要度掌握的信息不同,此时越大表示各评价者ek对BESS评价指标的重要度掌握的信息较全面。
步骤S23:基于各项不同物理性能指标的第一权重和各项不同物理性能指标的第二权重,挖掘各评价者的初始权重。
在一种具体地实施方式中,根据各项不同物理性能指标的第一权重和各项不同物理性能指标的第二权重,挖掘各评价者的初始权重,通过如下公式(19)执行:
其中,为评价者ek对各项不同物理性能指标J1,J2,...,Jm按初始序关系评价算法求出来的各项不同物理性能指标的第一权重集;为各项不同物理性能指标J1,J2,...,Jm的各项不同物理性能指标的第二权重集,其中,vm为各项不同物理性能指标J1,J2,...,Jm的综合权重向量;为各评价者的初始权重。
当时,表示各评价者ek对BESS各项不同物理性能指标的权重掌握的信息相同;当时,表示各项不同物理性能指标对BESS评价指标权重掌握的信息不同,此时,越大表示各评价者ek对BESS评价指标权重掌握的信息较全面。
步骤S24:基于各项不同物理性能指标的第二权重和各评价者的初始权重,计算各评价者的综合权重。
各评价者的权重主要从两个角度判断,一是从BESS各项不同物理性能指标计算各评价值的权重,二是从BESS各项不同物理性能指标的权重挖掘各评价者的权重。因此,
在一种具体地实施方式中,上述步骤S24,根据各项不同物理性能指标的第二权重和各评价者的初始权重,计算各评价者的综合权重,通过如下公式(20)执行:
其中,ξk为各评价者的综合权重,为各评价者的初始权重,为各项不同物理性能指标的第二权重;式(20)中:ξk越大,表示各评价者ek对BESS各项不同物理性能指标的的序关系和权重掌握信息较全面,反之亦然。
步骤S25:确定各评价者给出各项不同物理性能指标的贡献度比值判断矩阵。
该各项不同物理性能指标的贡献度比值判断矩阵通过如下公式(21)执行:
评价指标贡献程度集的比值,其中,β为βk转换而成的各项不同物理性邻能指标的贡献度比值判断矩阵;alj为各项不同物理性能指标的贡献度比值判断矩阵的元素,上述公式(22)为各项不同物理性能指标的贡献度比值判断矩阵的转换矩阵。
步骤S26:基于各项不同物理性能指标的第一权重、各评价者的综合权重和各评价者给出各项不同物理性能指标的贡献度比值判断矩阵的元素,再利用初始序关系评价算法计算各项不同物理性能指标的第三权重。
步骤S27:基于各项不同物理性能指标的第三权重,计算各项不同物理性能指标的综合评价值。具体通过如下公式(24)执行:
BESS中的各项不同物理性能指标的综合评价值,用来反映不同物理性能电池参与某特定场景或者多场景的整体评价,Yb的值越大,则表示该电池的性能评价越好,在建设BESS电站初期,应优先将该电池作为电站的主要设施。
本发明实施例中的电池储能***性能的综合评价方法,通过执行上述步骤S11-步骤S14,电池储能***容量衰减函数、日运行成本总目标函数和线性化处理后的电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件,利用群组序关系评价算法计算电池储能***的多项不同物理性能指标的综合评价值,可以在负荷侧结合能源侧以及上级电网侧多种不同调度场景下,基于控制策略约束条件,实时控制BESS荷电状态的运行范围和根据不同调度要求建立BESS持续充放电时间策略,将BESS的6项不同物理性能指标参数迭代至各约束条件中,最终可获得6项不同物理性能指标的综合评价值,能够充分分析出BESS的选型和各项不同物理性能评价的差异化,使得BESS分析较为全面。
基于相同构思,本发明实施例还公开一种电池储能***性能的综合评价装置,如图3所示,包括如下模块:
数据获取模块31,用于获取目标微电网用户在负荷侧产生的用电数据、目标微电网用户从上级电网侧购电的购电数据、能源侧向目标微电网用户输出的出力数据和电池储能***的储能数据;
创建模块32,用于根据用电数据、购电数据、出力数据和储能数据,创建目标微电网用户的日运行成本总目标函数,和,电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件;
线性化处理模块33,用于基于预设线性处理算法线性化处理电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件;
综合评价值计算模块34,用于根据电池储能***容量衰减函数、日运行成本总目标函数和线性化处理后的电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件,利用群组序关系评价算法计算电池储能***的多项不同物理性能指标的综合评价值。
本发明实施例还提供了一种计算机设备,如图4所示,该计算机设备可以包括处理器41、存储器42,其中处理器41、存储器42可以通过总线或者其他方式连接,图4中以通过总线连接为例。
处理器41可以为中央处理器(Central Processing Unit,CPU)。处理器41还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。
存储器42作为一种非暂态计算机可读存储介质,可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块。处理器41通过运行存储在存储器42中的非暂态软件程序、指令以及模块,从而执行处理器的各种功能应用以及数据处理,即实现上述实施例中的电池储能***性能的综合评价方法。
存储器42可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储处理器41所创建的数据等。此外,存储器42可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器42可选包括相对于处理器41远程设置的存储器,这些远程存储器可以通过网络连接至处理器41。上述网络的实例包括但不限于电网、互联网、企业内部网、局域网、移动通信网及其组合。
所述一个或者多个模块存储在所述存储器42中,当被所述处理器41执行时,执行附图所示实施例中的电池储能***性能的综合评价方法。
上述计算机设备具体细节可以对应参阅附图所示的实施例中对应的相关描述和效果进行理解,此处不再赘述。
本领域技术人员可以理解,实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random AccessMemory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;所述存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (11)
1.一种电池储能***性能的综合评价方法,其特征在于,包括如下步骤:
获取目标微电网用户在负荷侧产生的用电数据、所述目标微电网用户从上级电网侧购电的购电数据、能源侧向所述目标微电网用户输出的出力数据和所述电池储能***的储能数据;
根据所述用电数据、所述购电数据、所述出力数据和所述储能数据,创建所述目标微电网用户的日运行成本总目标函数,和,所述电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件;
基于预设线性处理算法线性化处理所述电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件;
根据电池储能***容量衰减函数、所述日运行成本总目标函数和线性化处理后的所述电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件,利用群组序关系评价算法计算所述电池储能***的多项不同物理性能指标的综合评价值。
2.根据权利要求1所述的电池储能***性能的综合评价方法,其特征在于,所述日运行成本总目标函数通过如下公式执行:
其中,当所述出力数据大于所述用电数据时,所述电池储能***存储电能;当所述出力数据小于或等于所述用电数据时,所述电池储能***释放电能;
3.根据权利要求1所述的电池储能***性能的综合评价方法,其特征在于,所述功率平衡约束条件通过如下公式执行:
所述储能功率约束条件通过如下公式执行:
其中,ηc为所述电池储能***的充电转换效率,ηd为所述电池储能***的放电转换效率,ψc,t为所述电池储能***在时段t的充电状态,ψd,t表示所述电池储能***在时段t的放电状态,当ψc,t=1,ψd,t=0时,所述电池储能***处于充电状态,当ψd,t=1,ψc,t=0时,所述电池储能***处于放电状态,Prate为所述电池储能***的额定功率,Pd,t为所述电池储能***在时段t的放电功率,Pc,t为所述电池储能***在时段t的充电功率;
所述控制策略约束条件通过如下公式执行:
其中,Et为所述电池储能***在时段t的电量状态;Et-1为所述电池储能***在时段t-1的电量状态,Emin为所述储能***的最小电量,Emax为所述电池储能***的最大电量,Erate为所述电池储能***的额定容量,SOCt为所述电池储能***t时刻的荷电状态,SOCt-1为所述电池储能***t-1时刻的荷电状态,SOCmin为所述电池储能***的最小荷电状态和SOCmax为所述电池储能***的最大荷电状态;SOC0为所述电池储能***的当前调度周期的初始荷电状态,SOCT+1为所述当前调度周期相邻下一个调度周期的初始荷电状态,为了确保所述电池储能***在待调度周期中可持续充放电,SOCT+1=SOC0;γ为所述电池储能***参与调度时的充放电持续时间;τ1、τ2为所述电池储能***控制策略的荷电状态系数。
6.根据权利要求1所述的电池储能***性能的综合评价方法,其特征在于,所述利用群组序关系评价算法计算所述电池储能***的多项不同物理性能指标的综合评价值,包括:
基于预设群组评价条件,利用初始序关系评价算法计算所述电池储能***的各项不同物理性能指标的第一权重;
基于各评价者给出的各项不同物理性能指标的重要度排序值,计算各项不同物理性能指标的第二权重;
根据所述各项不同物理性能指标的第一权重和所述各项不同物理性能指标的第二权重,挖掘各评价者的初始权重;
根据所述各项不同物理性能指标的第二权重和所述各评价者的初始权重,计算各评价者的综合权重;
确定各评价者给出所述各项不同物理性能指标的贡献度比值判断矩阵;
基于所述各项不同物理性能指标的第一权重、所述各评价者的综合权重和所述各项不同物理性能指标的贡献度比值判断矩阵的元素,再利用所述初始序关系评价算法计算所述各项不同物理性能指标的第三权重;
基于所述各项不同物理性能指标的第三权重,计算所述各项不同物理性能指标的综合评价值。
7.根据权利要求6所述的电池储能***性能的综合评价方法,其特征在于,所述基于预设群体评价条件,利用初始序关系评价算法计算所述电池储能***的各项不同物理性能指标的第一权重,包括:
设各评价者e1,e2,...,ek给予各项不同物理性能指标J1,J2,...,Jm的序关系为各项不同物理性能指标的贡献度之比为rc k,利用所述初始序关系评价算法通过如下公式求各项不同物理性能指标的第一权重
基于各评价者给出的各项不同物理性能指标的重要度排序值,计算各项不同物理性能指标的第二权重,通过如下公式执行:
基于所述各项不同物理性能指标的第一权重和所述各项不同物理性能指标的第二权重,挖掘各评价者的初始权重,通过如下公式执行:
其中,为评价者ek对各项不同物理性能指标J1,J2,...,Jm按所述初始序关系评价算法求出来的各项不同物理性能指标的第一权重集;为所述各项不同物理性能指标J1,J2,...,Jm的各项不同物理性能指标的第二权重集,其中,vm为所述各项不同物理性能指标J1,J2,...,Jm的综合权重向量;为所述各评价者的初始权重;
基于所述各项不同物理性能指标的第二权重和所述各评价者的初始权重,计算各评价者的综合权重,通过如下公式执行:
确定各评价者给出所述各项不同物理性能指标的贡献度比值判断矩阵通过如下公式执行:
其中,βk为评价者ek给出所述各项不同物理性能指标J1,J2,...,Jm之间的重要度排序值和其相邻项物理性能指标的贡献程度比值的矩阵;为评价者ek给出的各项物理性能指标之间的重要度排序值集和相邻评价指标贡献程度集的比值,其中,β为βk转换而成的所述各项不同物理性能指标的贡献度比值判断矩阵;alj为各项不同物理性能指标的贡献度比值判断矩阵的元素;
基于所述各项不同物理性能指标的第三权重,计算所述各项不同物理性能指标的综合评价值通过如下公式执行:
8.根据权利要求1至7中任一项所述的电池储能***性能的综合评价方法,其特征在于,所述电池储能***的多项不同物理性能指标电池储能***的多项不同物理性能指标包括:技术性评价指标和/或容量配置评价指标和/或成本评价指标和/或环境效益评价指标和/或经济效益评价指标和/或集成度评价指标。
9.一种电池储能***性能的综合评价装置,其特征在于,包括如下模块:
数据获取模块,用于获取目标微电网用户在负荷侧产生的用电数据、所述目标微电网用户从上级电网侧购电的购电数据、能源侧向所述目标微电网用户输出的出力数据和所述电池储能***的储能数据;
创建模块,用于根据所述用电数据、所述购电数据、所述出力数据和所述储能数据,创建所述目标微电网用户的日运行成本总目标函数,和,所述电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件;
线性化处理模块,用于基于预设线性处理算法线性化处理所述电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件;
综合评价值计算模块,用于根据电池储能***容量衰减函数、所述日运行成本总目标函数和线性化处理后的所述电池储能***的功率平衡约束条件、储能功率约束条件、控制策略约束条件,基于群组序关系评价算法计算所述电池储能***的多项不同物理性能指标的综合评价值。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1至8中任一项所述的电池储能***性能的综合评价方法。
11.一种计算机设备,其特征在于,包括:存储器和处理器,所述存储器和所述处理器之间互相通信连接,所述存储器中存储有计算机指令,所述处理器通过执行所述计算机指令,从而执行权利要求1至8中任一项所述的电池储能***性能的综合评价方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211563728.6A CN115939538A (zh) | 2022-12-07 | 2022-12-07 | 电池储能***性能的综合评价方法、装置及计算机设备 |
PCT/CN2023/130855 WO2024120115A1 (zh) | 2022-12-07 | 2023-11-09 | 电池储能***性能的综合评价方法、装置及计算机设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211563728.6A CN115939538A (zh) | 2022-12-07 | 2022-12-07 | 电池储能***性能的综合评价方法、装置及计算机设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115939538A true CN115939538A (zh) | 2023-04-07 |
Family
ID=86550149
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211563728.6A Pending CN115939538A (zh) | 2022-12-07 | 2022-12-07 | 电池储能***性能的综合评价方法、装置及计算机设备 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115939538A (zh) |
WO (1) | WO2024120115A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024120115A1 (zh) * | 2022-12-07 | 2024-06-13 | 中国长江三峡集团有限公司 | 电池储能***性能的综合评价方法、装置及计算机设备 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101703296B1 (ko) * | 2015-09-03 | 2017-02-06 | 한국전력공사 | 에너지 저장장치를 포함한 전력계통의 운영장치 |
CN109508891A (zh) * | 2018-11-22 | 2019-03-22 | 中国电力科学研究院有限公司 | 一种储能电站综合性能评估方法和装置 |
CN109829604A (zh) * | 2018-12-13 | 2019-05-31 | 国网江苏省电力有限公司电力科学研究院 | 一种电网侧储能电站运行效果综合评估方法 |
CN110927581B (zh) * | 2019-11-11 | 2022-05-24 | 国网天津市电力公司电力科学研究院 | 基于熵权法的储能设备运行状态多层级指标评估方法 |
CN111784114A (zh) * | 2020-06-08 | 2020-10-16 | 北京国网普瑞特高压输电技术有限公司 | 一种客户侧分布式储能***运行性能评估方法及*** |
CN111709655B (zh) * | 2020-06-19 | 2023-10-31 | 南京工程学院 | 基于ahp-熵权法的储能式充电站运行状态评价方法 |
CN115939538A (zh) * | 2022-12-07 | 2023-04-07 | 中国长江三峡集团有限公司 | 电池储能***性能的综合评价方法、装置及计算机设备 |
-
2022
- 2022-12-07 CN CN202211563728.6A patent/CN115939538A/zh active Pending
-
2023
- 2023-11-09 WO PCT/CN2023/130855 patent/WO2024120115A1/zh unknown
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024120115A1 (zh) * | 2022-12-07 | 2024-06-13 | 中国长江三峡集团有限公司 | 电池储能***性能的综合评价方法、装置及计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
WO2024120115A1 (zh) | 2024-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109325608B (zh) | 考虑储能并计及光伏随机性的分布式电源优化配置方法 | |
CN112069734B (zh) | 一种电热泵-热电联合***的优化调控方法及*** | |
CN107370170B (zh) | 一种考虑容量电价和负荷预测误差的储能***容量配置方法 | |
CN109755967B (zh) | 一种配电网中光储***的优化配置方法 | |
CN111404206B (zh) | 考虑投资回报约束的风光储发电***容量双层规划方法 | |
CN114938035B (zh) | 考虑储能退化成本的共享储能能量调度方法及*** | |
CN111626527A (zh) | 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法 | |
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*** | |
CN111639819B (zh) | 一种综合能源园区多阶段优化控制方法 | |
CN112001598A (zh) | 基于储能选型的不同用户储能配置评估与运行优化方法 | |
CN110570015A (zh) | 一种配电网多目标规划方法 | |
CN114977320A (zh) | 一种配电网源网荷储多目标协同规划方法 | |
CN115587668A (zh) | 多园区综合能源***分布式协同优化调度方法 | |
Monteiro et al. | Long-term sizing of lead–acid batteries in order to reduce technical losses on distribution networks: A distributed generation approach | |
Bagheri et al. | Impacts of renewable energy sources by battery forecasting on smart power systems | |
CN115939538A (zh) | 电池储能***性能的综合评价方法、装置及计算机设备 | |
CN110224397B (zh) | 一种风光接入背景下用户侧电池储能成本效益分析方法 | |
CN112993985A (zh) | 一种考虑不确定性的微电网多目标规划方法 | |
CN117013531A (zh) | 配电网的容量域评估方法 | |
CN108683211B (zh) | 一种考虑分布式电源波动性的虚拟发电厂组合优化方法及模型 | |
CN112861376B (zh) | 一种基于单元调度模型的评估方法及装置 | |
CN114971154A (zh) | 一种包含碳交易机制的可再生能源消纳方法 | |
CN113283166A (zh) | 一种退役动力电池剩余价值优化方法 | |
CN111476424A (zh) | 含电动汽车的热电联供型多微电网能量调度方法 | |
CN107134773B (zh) | 一种基于事件的智能微电网运行优化方法 |
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 |