CN117559526A - 一种基于光储充一体化充电站的拟路由器能量调控方法 - Google Patents

一种基于光储充一体化充电站的拟路由器能量调控方法 Download PDF

Info

Publication number
CN117559526A
CN117559526A CN202311510099.5A CN202311510099A CN117559526A CN 117559526 A CN117559526 A CN 117559526A CN 202311510099 A CN202311510099 A CN 202311510099A CN 117559526 A CN117559526 A CN 117559526A
Authority
CN
China
Prior art keywords
energy
power
charging
energy storage
electric
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
Application number
CN202311510099.5A
Other languages
English (en)
Inventor
高兴
吴秉道
孙昊
郭欣妍
高效
王楚扬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN202311510099.5A priority Critical patent/CN117559526A/zh
Publication of CN117559526A publication Critical patent/CN117559526A/zh
Pending legal-status Critical Current

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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • 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
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/58—The condition being electrical
    • H02J2310/60—Limiting power consumption in the network or in one section of the network, e.g. load shedding or peak shaving
    • 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

  • 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

本发明公开了一种基于光储充一体化充电站的拟路由器能量调控方法，建立最大***运行效率目标模型：基于光储充一体化充电站所面向的电力市场环境，充电站自身的网络构成、储能设备的特性，以电费为目标函数，建立最大***运行效率目标模型；本发明专利通过采用拟路由器化的方式，该策略能够实现对电网和并联装置的能量分配管理，并根据网络运行状态及用户、控制中心的指令主动管理和分配电力网络中的能量流，这种能量主动调控策略有助于提高清洁能源的消纳能力，增强光储充配合度，提高新能源上网的可靠性，因此具有广泛的应用前景，能够在电力***领域取得显著的经济和环境效益。

Description

一种基于光储充一体化充电站的拟路由器能量调控方法
技术领域
本发明涉及电力***管理技术领域，具体为一种基于光储充一体化充电站的拟路由器能量调控方法。
背景技术
能量调控需要对***中的光伏发电、储能和供电进行监测和调节，以保持***的稳定性和能效。但是，由于天气变化、负荷波动和设备故障因素的影响，能量调控过程中可能存在误差和波动，特别是在高功率需求情况下。因此，如何提高能量调控的精度和可靠性是一个关键问题。
能量转换效率是光储充一体化充电站的关键性能指标之一，它反映了***从太阳能到电能的能量转换效率。然而，由于光伏发电技术和储能设备的限制，能量转换效率可能会受到限制。例如，光伏发电在低光照条件下的效率较低，而储能装置的损耗可能会导致能量在存储和释放过程中的部分损失。因此，如何提高能量转换效率是光储充一体化充电站的一个难点。
首先能量储存容量通常是光储充一体化充电站服务范围和功率需求的关键因素之一，然而，由于储能设备的限制，如成本和空间因素，能量储存容量无法满足高负荷需求，例如快速充电或大型车队场景。
其次能量调控***的稳定性也是一个重要问题，由于光伏与储能设备、充电设备复杂的组合和耦合，***可能受到各种不稳定因素的干扰，如天气变化、设备故障和负荷波动，从而造成能量调控的不稳定性。
为此提出一种基于光储充一体化充电站的拟路由器能量调控方法，来解决此问题。
发明内容
本发明的目的在于提供一种基于光储充一体化充电站的拟路由器能量调控方法，解决了目前电能转换装置存在的协同性差、能量整体调控能力低，以及对电网和并联装置能量分配的被动性的问题。
为实现上述目的，本发明提供如下技术方案：一种基于光储充一体化充电站的拟路由器能量调控方法，包括以下步骤：
步骤1：建立最大***运行效率目标模型：基于光储充一体化充电站所面向的电力市场环境，充电站自身的网络构成、储能设备的特性，以电费为目标函数，建立最大***运行效率目标模型；
模型构建包括：光伏发电运行与电池储能运行约束，光储充一体化充电站内储能设备离散决策变量的划分，电价需求响应，充电桩用能需求与电网容量约束内容的确定；
针对光储充一体化充电站所在主网电力市场环境，划分能量调控的阶段：以对光储充一体化充电站进行能量调控的时间间隔为步长(t)，以对充电站进行规划管理时间为总周期(T)，将能量调控过程划分为连续的K个阶段，且有K＝T/t；
步骤2：建立每层能量管理***结构体系：
以最大***运行效率为核心，面向光储充一体化充电站的多层能量管理***构架，建立每层能量管理***结构体系，并依据光伏发电、电池储能、用户需求和电网容量，对光储充一体化充电站微网能量进行调控，以满足负荷需求；
确定光储充一体化充电站中储能设备单位时间最大充放电量范围；
基于光储充一体化充电站运行特性以及所处市场环境，构建实时电价需求响应模型，利用蒙特卡洛模拟分析电动汽车在有序充电和无序充电时的负荷需求，考虑电网的多种管理手段，为电网经济调度提供决策基础；
将该多端口电能转换装置的费用作为目标函数f1，包含以下三个部分：光伏发电成本，储能装置调控成本，并网模式下电能转换装置***与电网的电能交换费用，其表达式为：
其中，Cpv为光伏发电的平均发电成本，Cb为储能电池平均使用成本，Ct为实时电价；
将该多端口电能转换装置能耗的等效碳排放量作为目标函数f2，其表达式为：
其中，E为上级电网购入电能单位功率效碳排放量常数；
为尽可能增大清洁能源出力，减少火力发电量的购入，将上级电网购电量作为目标函数f3，其表达式为：
构建多目标规划模型，其目标函数为：Obj＝min{n1·f1+n2·f2+n3·f3}；
其中，n1，n2，n3为可自适应的权重；
步骤3：确定光伏发电与电池储能运行约束：综合利用太阳能和化石能源已成为新能源***发展的方向；
通过将热能进行互补利用，减小不稳定性、不连续性对发电***的影响，降低投资和发电成本；
太阳能与其他化石能源间形成热互补耦合利用，这种热互补耦合利用是将太阳能和其他能源转换释放的热能注入热力循环中进行互补利用，满足如下功率约束条件：Ppv_min≤Ppv≤Ppv_max；
步骤4：确定充电桩用能需求与电网容量约束：需求响应与电动汽车有序充电参与电网调度是减少风险的有效手段，因此以普通用电负荷为研究对象，引导用户根据电价的变化调整用电的需求，制定实时电价；
考虑到居民用户的用电行为特性，对于大部分居民用户，比如热水器、电水壶家用电器对于电价的响应不可能做到全时段响应，所以设置居民负荷仅在相邻的前后三个时段响应，以降低对用户用电需求造成的影响；
用户参与需求响应后的电价与初始电价、响应后的有功负荷与初始有功负荷的关系分别为：
母线接入电网需要满足用户用电负荷功率为并网模式下电能转换装置与外部交换的电量，即：
式中，为t时刻直流电网末端的负荷功率，/>为光伏发电功率值，/>为t时刻储能装置参与调度时的充放电功率，/>为t时刻接入电能路由器的电动汽车负荷功率；
针对上述调度模型，采用新的自适应惩罚函数算法来求解；
此算法本质是利用当前群体中可行解的比例来权衡目标函数和约束违反程度和其它惩罚函数算法相比，迭代简单，参数少；
利用自适应惩罚函数算法，将调度问题映射为：
minfitness(x)＝f(x)+C(ρ)×G(x)；
其中，fitness(x)是个体x的适应值函数；f(x)是目标函数；C(ρ)＝10α(1-ρ)是惩罚系数，其中，ρ为当前群体可行解的比例，α是一个需要调整的常量参数，具体可选取1～10之间的一个整数；记G(x)为个体x违反约束的程度：
选取电能转换装置***为对象，采用***信息采集层各接入设备的功率数据，建立低能耗经济调度目标函数，进一步使用自适应惩罚函数算法，完成优化调度运算。
优选的，在步骤1中，所涉及的能量调控范围和主要功能包括：采集基于实时监控***采集的电网信息，分布式电源信息，新能源汽车负荷信息，实现各种分布式电源，储能电池和负载之间的最大***运行效率。
优选的，由于电网中光伏、风电可再生能源出力具有随机性特点，故需储能控制实现能量平衡与供需平衡。
优选的，由于电网中分布式能源和负荷的预测误差随时间尺度减下，可以通过储能设备的充放电来消除误差。
优选的，在步骤3中，光资源充足时，光伏发电功率大于电动汽车充电功率，将剩余功率送回交流电网，剩余的光伏电能将被存储至储能电池。
优选的，在步骤3中，光资源匮乏时，仅靠光伏发电不足以支撑电动汽车充电，此时将从交流电网中取电补偿光伏发电与电动汽车充电间的功率差，并将储能电池的能量送至充电桩，以减少充电高峰对交流电网的供电压力；
储能电池充放电损耗模型
考虑储能电池的第t小时的充放电功率和储能电池的电量变化以及充电效率和放电效率；
储能电池充放电功率约束
储能电池充放电功率受额定容量限制；
储能电池组的电量约束
两相邻时刻间储能电池的电量约束，为了使储能***具有可持续性，应使储能电池在一个调度周期始末处于相同的状态，储能装置在工作时满足：
式中分别为t时刻储能电池的充电、放电功率，λt为t时刻储能电池的充放电状态；当储能装置处于放电状态时，效为电源；当其处于充电状态时，效为负荷。
与现有技术相比，本发明的有益效果是：
本发明专利通过在经济调度方面，以用电费用为目标函数，考虑了光伏发电成本、储能装置调控成本以及电能交换费用因素，同时，采用基于价格弹性系数矩阵的实时电价需求响应模型，并结合蒙特卡洛模拟对电动汽车的负荷需求进行分析，为电网的经济调度提供决策基础；
采集基于实时监控***采集的电网信息，分布式电源信息，新能源汽车负荷信息，实现各种分布式电源，储能电池和负载之间的最大***运行效率，由于电网中分布式能源和负荷的预测误差随时间尺度减下，可以通过储能设备的充放电来消除误差；
通过将热能进行互补利用，可减小不稳定性、不连续性对发电***的影响，降低投资和发电成本，太阳能与其他化石能源间形成热互补耦合利用，这种热互补耦合利用是将太阳能和其他能源转换释放的热能注入热力循环中进行互补利用。
附图说明
图1是本发明流程图。
具体实施方式
下面将通过实施例的方式对本发明作更详细的描述，这些实施例仅是举例说明性的而没有任何对本发明范围的限制。
本发明提供一种技术方案：一种基于光储充一体化充电站的拟路由器能量调控方法，包括以下步骤：
步骤1：建立最大***运行效率目标模型：基于光储充一体化充电站所面向的电力市场环境，充电站自身的网络构成、储能设备的特性，以电费为目标函数，建立最大***运行效率目标模型；
模型构建包括：光伏发电运行与电池储能运行约束，光储充一体化充电站内储能设备离散决策变量的划分，电价需求响应，充电桩用能需求与电网容量约束内容的确定；
针对光储充一体化充电站所在主网电力市场环境，划分能量调控的阶段：以对光储充一体化充电站进行能量调控的时间间隔为步长(t)，以对充电站进行规划管理时间为总周期(T)，将能量调控过程划分为连续的K个阶段，且有K＝T/k；
步骤2：建立每层能量管理***结构体系：
以最大***运行效率为核心，面向光储充一体化充电站的多层能量管理***构架，建立每层能量管理***结构体系，并依据光伏发电、电池储能、用户需求和电网容量，对光储充一体化充电站微网能量进行调控，以满足负荷需求；
确定光储充一体化充电站中储能设备单位时间最大充放电量范围；
基于光储充一体化充电站运行特性以及所处市场环境，构建实时电价需求响应模型，利用蒙特卡洛模拟分析电动汽车在有序充电和无序充电时的负荷需求，考虑电网的多种管理手段，为电网经济调度提供决策基础；
将该多端口电能转换装置的费用作为目标函数f1，包含以下三个部分：光伏发电成本，储能装置调控成本，并网模式下电能转换装置***与电网的电能交换费用，其表达式为：
其中，Cpv为光伏发电的平均发电成本，Cb为储能电池平均使用成本，Ct为实时电价；
将该多端口电能转换装置能耗的等效碳排放量作为目标函数f2，其表达式为：
其中，E为上级电网购入电能单位功率效碳排放量常数；
为尽可能增大清洁能源出力，减少火力发电量的购入，将上级电网购电量作为目标函数f3，其表达式为：
构建多目标规划模型，其目标函数为：Obj＝min{n1·f1+n2·f2+n3·f3}；
其中，n1，n2，n3为可自适应的权重；
步骤3：确定光伏发电与电池储能运行约束：综合利用太阳能和化石能源已成为新能源***发展的方向；
通过将热能进行互补利用，减小不稳定性、不连续性对发电***的影响，降低投资和发电成本；
太阳能与其他化石能源间形成热互补耦合利用，这种热互补耦合利用是将太阳能和其他能源转换释放的热能注入热力循环中进行互补利用，满足如下功率约束条件：Ppv_min≤Ppv≤Ppv_max；
步骤4：确定充电桩用能需求与电网容量约束：需求响应与电动汽车有序充电参与电网调度是减少风险的有效手段，因此以普通用电负荷为研究对象，引导用户根据电价的变化调整用电的需求，制定实时电价；
考虑到居民用户的用电行为特性，对于大部分居民用户，比如热水器、电水壶家用电器对于电价的响应不可能做到全时段响应，所以设置居民负荷仅在相邻的前后三个时段响应，以降低对用户用电需求造成的影响；
用户参与需求响应后的电价与初始电价、响应后的有功负荷与初始有功负荷的关系分别为：
母线接入电网需要满足用户用电负荷功率为并网模式下电能转换装置与外部交换的电量，即：
式中，为t时刻直流电网末端的负荷功率，/>为光伏发电功率值，/>为t时刻储能装置参与调度时的充放电功率，/>为t时刻接入电能路由器的电动汽车负荷功率；
针对上述调度模型，采用新的自适应惩罚函数算法来求解；
此算法本质是利用当前群体中可行解的比例来权衡目标函数和约束违反程度和其它惩罚函数算法相比，迭代简单，参数少；
利用自适应惩罚函数算法，将调度问题映射为：
min fitness(x)＝f(x)+C(ρ)×G(x)；
其中，fitness(x)是个体x的适应值函数；f(x)是目标函数；C(ρ)＝10α(1-ρ)是惩罚系数，其中，ρ为当前群体可行解的比例，α是一个需要调整的常量参数，具体可选取1～10之间的一个整数；记G(x)为个体x违反约束的程度：
选取电能转换装置***为对象，采用***信息采集层各接入设备的功率数据，建立低能耗经济调度目标函数，进一步使用自适应惩罚函数算法，完成优化调度运算。
实施例一：
建立最大***运行效率目标模型：基于光储充一体化充电站所面向的电力市场环境，充电站自身的网络构成、储能设备的特性，以电费为目标函数，建立最大***运行效率目标模型；模型构建包括：光伏发电运行与电池储能运行约束，光储充一体化充电站内储能设备离散决策变量的划分，电价需求响应，充电桩用能需求与电网容量约束内容的确定；针对光储充一体化充电站进行能量调控的时间间隔为步长(t)，以对充电站进行规划管理时间为总周期(T)，将能量调控过程划分为连续的K个阶段，且有K＝T/t；建立每层能量管理***结构体系：以最大***运行效率为核心，面向光储充一体化充电站的多层能量管理***构架，建立每层能量管理***结构体系，并依据光伏发电、电池储能、用户需求和电网容量，对光储充一体化充电站微网能量进行调控，以满足负荷需求；确定光储充一体化充电站中储能设备单位时间最大充放电量范围；基于光储充一体化充电站运行特性以及所处市场环境，构建实时电价需求响应模型，利用蒙特卡洛模拟分析电动汽车在有序充电和无序充电时的负荷需求，考虑电网的多种管理手段，为电网经济调度提供决策基础；将该多端口电能转换装置的费用作为目标函数f1，包含以下三个部分：光伏发电成本，储能装置调控成本，并网模式下电能转换装置***与电网的电能交换费用，其表达式为：
其中，Cpv为光伏发电的平均发电成本，Cb为储能电池平均使用成本，Ct为实时电价；
将该多端口电能转换装置能耗的等效碳排放量作为目标函数f2，其表达式为：其中，E为上级电网购入电能单位功率效碳排放量常数；
为尽可能增大清洁能源出力，减少火力发电量的购入，将上级电网购电量作为目标函数f3，其表达式为：构建多目标规划模型，其目标函数为：Obj＝min{n1·f1+n2·f2+n3·f3}；其中，n1，n2，n3为可自适应的权重；确定光伏发电与电池储能运行约束：综合利用太阳能和化石能源已成为新能源***发展的方向；
通过将热能进行互补利用，减小不稳定性、不连续性对发电***的影响，降低投资和发电成本；太阳能与其他化石能源间形成热互补耦合利用，这种热互补耦合利用是将太阳能和其他能源转换释放的热能注入热力循环中进行互补利用，满足如下功率约束条件：Ppv_min≤Ppv≤Ppv_max；确定充电桩用能需求与电网容量约束：需求响应与电动汽车有序充电参与电网调度是减少风险的有效手段，因此以普通用电负荷为研究对象，引导用户根据电价的变化调整用电的需求，制定实时电价；考虑到居民用户的用电行为特性，对于大部分居民用户，比如热水器、电水壶家用电器对于电价的响应不可能做到全时段响应，所以设置居民负荷仅在相邻的前后三个时段响应，以降低对用户用电需求造成的影响；用户参与需求响应后的电价与初始电价、响应后的有功负荷与初始有功负荷的关系分别为：母线接入电网需要满足用户用电负荷功率为并网模式下电能转换装置与外部交换的电量，即：/>式中，/>为t时刻直流电网末端的负荷功率，/>为光伏发电功率值，/>为t时刻储能装置参与调度时的充放电功率，/>为t时刻接入电能路由器的电动汽车负荷功率；针对上述调度模型，采用新的自适应惩罚函数算法来求解；
此算法本质是利用当前群体中可行解的比例来权衡目标函数和约束违反程度和其它惩罚函数算法相比，迭代简单，参数少；
利用自适应惩罚函数算法，将调度问题映射为：
min fitness(x)＝f(x)+C(ρ)×G(x)；
其中，fitness(x)是个体x的适应值函数；f(x)是目标函数；C(ρ)＝10α(1-ρ)是惩罚系数，其中，ρ为当前群体可行解的比例，α是一个需要调整的常量参数，具体可选取1～10之间的一个整数；记G(x)为个体x违反约束的程度：
选取电能转换装置***为对象，采用***信息采集层各接入设备的功率数据，建立低能耗经济调度目标函数，进一步使用自适应惩罚函数算法，完成优化调度运算；
拟路由化的能量主动调控策略方法模型流程：
能量管理***：
***架构设计：设计面向光储充一体化充电站的多层能量管理***，包括光伏发电、电池储能、用户需求和电网容量组成部分；
拟路由化控制设计：实现能量流的主动管理和分配，类似路由器的方式，根据网络的运行状态和指令主动调控能量流。
目标函数设计：
经济调度目标函数；以用电费用为目标函数，考虑光伏发电成本、储能装置调控成本和实时电价，构建经济调度的多目标规划模型；
目标权重设定：确定不同目标的权重，如清洁能源消纳、电网稳定，以可自适应的权重为基础进行调度决策。
光伏发电与电池储能运行约束：
光伏发电运行约束：考虑光伏发电功率与电动汽车充电功率的关系，以及光伏发电的不确定性，确保光伏发电的稳定运行；
电池储能运行约束：引入储能电池的充放电功率、电量变化、充放电损耗约束，以及储能电池的状态变化限制。
用户需求响应：
电价响应模型：建立基于实时电价的需求响应模型，指导用户根据电价变化调整用电需求，特别是充电桩的用能需求；
用户行为特性考虑：考虑居民用户的用电行为特性，制定响应机制，使得用户能够灵活调整用电，以降低总用电费用。
电网容量约束：
电网接入约束：确保母线接入电网时满足用户用电负荷功率与电能转换装置与外部交换的电量的平衡，保障电网稳定运行；
能量交换与分配策略：设计合理的能量交换策略，确保电网和并联装置之间的电能流合理分配，提高清洁能源的消纳能力。
自适应惩罚函数算法：
目标函数和约束处理：将多目标规划问题映射为单目标优化问题，将目标函数和约束项结合，构建新的适应值函数；
惩罚系数调整：通过自适应调整惩罚系数，确保惩罚项在进化过程中不会过大或过小，保证解的合理性。
模型求解：
初始解生成：生成初始解作为种群的起点，可以采用启发式算法、随机生成方法；
遗传算法优化：利用遗传算法优化算法搜索最优解，不断迭代、变异、交叉，寻找符合目标函数和约束的最优解。
能量主动调控策略模型的方法步骤以及每步骤的条件：
***架构设计和能量分配策略制定：
条件：***需求明确，包括电网结构、并联装置特性、能量源类型和容量；步骤：设计能量管理***的整体架构，明确***各组件的功能和相互关系；制定拟路由化的能量分配策略，考虑电网运行状态、用户需求和控制指令；
目标函数设计：
条件：知晓目标优化方向，例如经济成本最小化、清洁能源消纳最大化；步骤：确定目标函数，包括用电费用、能源消纳能力、清洁能源利用；分析不同目标函数的权衡关系，设置可调参数，如权重系数；
经济调度模型构建
条件：了解电能转换装置、储能装置、光伏发电、电池储能、电动汽车各子***特性；步骤：建立多目标规划模型，将目标函数与子***特性和约束结合起来；设定权重参数，平衡不同目标的重要性。
光伏发电和电池储能运行约束
条件：充分了解光伏发电和电池储能特性，以及与电动汽车充电的关系；步骤：设定光伏发电功率与电动汽车充电功率的约束，确保光伏发电和充电平衡；制定电池储能运行约束，考虑充放电效率、电量限制。
用户需求响应和电网容量约束
条件：了解用户用电行为、用电习惯，以及电网的容量和负荷情况；步骤：引导用户根据电价变化调整用电需求，制定实时电价；确保接入电网时用户用电负荷功率与电能转换装置与外部交换的电量匹配。
优化求解算法应用
条件：确定了目标函数、约束条件，了解自适应惩罚函数算法的基本原理；步骤：将多目标问题转化为单目标优化问题，采用自适应惩罚函数算法求解；调整惩罚系数，保持解的合理性，达到最优解。
实施例二：
在实施例一中，再加上下述工序：
在步骤1中，所涉及的能量调控范围和主要功能包括：采集基于实时监控***采集的电网信息，分布式电源信息，新能源汽车负荷信息，实现各种分布式电源，储能电池和负载之间的最大***运行效率；由于电网中光伏、风电可再生能源出力具有随机性特点，故需储能控制实现能量平衡与供需平衡；由于电网中分布式能源和负荷的预测误差随时间尺度减下，可以通过储能设备的充放电来消除误差。
建立最大***运行效率目标模型：基于光储充一体化充电站所面向的电力市场环境，充电站自身的网络构成、储能设备的特性，以电费为目标函数，建立最大***运行效率目标模型；模型构建包括：光伏发电运行与电池储能运行约束，光储充一体化充电站内储能设备离散决策变量的划分，电价需求响应，充电桩用能需求与电网容量约束内容的确定；针对光储充一体化充电站所在主网电力市场环境，划分能量调控的阶段：以对光储充一体化充电站进行能量调控的时间间隔为步长(t)，以对充电站进行规划管理时间为总周期(T)，将能量调控过程划分为连续的K个阶段，且有K＝T/t，所涉及的能量调控范围和主要功能包括：采集基于实时监控***采集的电网信息，分布式电源信息，新能源汽车负荷信息，实现各种分布式电源，储能电池和负载之间的最大***运行效率；由于电网中光伏、风电可再生能源出力具有随机性特点，故需储能控制实现能量平衡与供需平衡；由于电网中分布式能源和负荷的预测误差随时间尺度减下，可以通过储能设备的充放电来消除误差；建立每层能量管理***结构体系：以最大***运行效率为核心，面向光储充一体化充电站的多层能量管理***构架，建立每层能量管理***结构体系，并依据光伏发电、电池储能、用户需求和电网容量，对光储充一体化充电站微网能量进行调控，以满足负荷需求；确定光储充一体化充电站中储能设备单位时间最大充放电量范围；基于光储充一体化充电站运行特性以及所处市场环境，构建实时电价需求响应模型，利用蒙特卡洛模拟分析电动汽车在有序充电和无序充电时的负荷需求，考虑电网的多种管理手段，为电网经济调度提供决策基础；将该多端口电能转换装置的费用作为目标函数f1，包含以下三个部分：光伏发电成本，储能装置调控成本，并网模式下电能转换装置***与电网的电能交换费用，其表达式为：
其中，Cpv为光伏发电的平均发电成本，Cb为储能电池平均使用成本，Ct为实时电价；
将该多端口电能转换装置能耗的等效碳排放量作为目标函数f2，其表达式为：其中，E为上级电网购入电能单位功率效碳排放量常数；
为尽可能增大清洁能源出力，减少火力发电量的购入，将上级电网购电量作为目标函数f3，其表达式为：构建多目标规划模型，其目标函数为：Obj＝min{n1·f1+n2·f2+n3·f3}；其中，n1，n2，n3为可自适应的权重；确定光伏发电与电池储能运行约束：综合利用太阳能和化石能源已成为新能源***发展的方向；
通过将热能进行互补利用，减小不稳定性、不连续性对发电***的影响，降低投资和发电成本；太阳能与其他化石能源间形成热互补耦合利用，这种热互补耦合利用是将太阳能和其他能源转换释放的热能注入热力循环中进行互补利用，满足如下功率约束条件：Ppv_min≤Ppv≤Ppv_max；确定充电桩用能需求与电网容量约束：需求响应与电动汽车有序充电参与电网调度是减少风险的有效手段，因此以普通用电负荷为研究对象，引导用户根据电价的变化调整用电的需求，制定实时电价；考虑到居民用户的用电行为特性，对于大部分居民用户，比如热水器、电水壶家用电器对于电价的响应不可能做到全时段响应，所以设置居民负荷仅在相邻的前后三个时段响应，以降低对用户用电需求造成的影响；用户参与需求响应后的电价与初始电价、响应后的有功负荷与初始有功负荷的关系分别为：
母线接入电网需要满足用户用电负荷功率为并网模式下电能转换装置与外部交换的电量，即：式中，/>为t时刻直流电网末端的负荷功率，为光伏发电功率值，/>为t时刻储能装置参与调度时的充放电功率，/>为t时刻接入电能路由器的电动汽车负荷功率；针对上述调度模型，采用新的自适应惩罚函数算法来求解；
此算法本质是利用当前群体中可行解的比例来权衡目标函数和约束违反程度和其它惩罚函数算法相比，迭代简单，参数少；利用自适应惩罚函数算法，将调度问题映射为：min fitness(x)＝f(x)+C(ρ)×G(x)；其中，fitness(x)是个体x的适应值函数；f(x)是目标函数；C(ρ)＝10α(1-ρ)是惩罚系数，其中，为当前群体可行解的比例，α是一个需要调整的常量参数，具体可选取1～10之间的一个整数；记G(x)为个体x违反约束的程度：选取电能转换装置***为对象，采用***信息采集层各接入设备的功率数据，建立低能耗经济调度目标函数，进一步使用自适应惩罚函数算法，完成优化调度运算。
实施例三：
在实施例二中，再加上下述工序：
在步骤3中，光资源充足时，光伏发电功率大于电动汽车充电功率，将剩余功率送回交流电网，剩余的光伏电能将被存储至储能电池，光资源匮乏时，仅靠光伏发电不足以支撑电动汽车充电，此时将从交流电网中取电补偿光伏发电与电动汽车充电间的功率差，并将储能电池的能量送至充电桩，以减少充电高峰对交流电网的供电压力；
储能电池充放电损耗模型
考虑储能电池的第t小时的充放电功率和储能电池的电量变化以及充电效率和放电效率；
储能电池充放电功率约束
储能电池充放电功率受额定容量限制；
储能电池组的电量约束
两相邻时刻间储能电池的电量约束，为了使储能***具有可持续性，应使储能电池在一个调度周期始末处于相同的状态，储能装置在工作时满足：
式中分别为t时刻储能电池的充电、放电功率，λt为t时刻储能电池的充放电状态；当储能装置处于放电状态时，效为电源；当其处于充电状态时，效为负荷。
建立最大***运行效率目标模型：基于光储充一体化充电站所面向的电力市场环境，充电站自身的网络构成、储能设备的特性，以电费为目标函数，建立最大***运行效率目标模型；模型构建包括：光伏发电运行与电池储能运行约束，光储充一体化充电站内储能设备离散决策变量的划分，电价需求响应，充电桩用能需求与电网容量约束内容的确定；针对光储充一体化充电站所在主网电力市场环境，划分能量调控的阶段：以对光储充一体化充电站进行能量调控的时间间隔为步长(t)，以对充电站进行规划管理时间为总周期(T)，将能量调控过程划分为连续的K个阶段，且有K＝T/t，所涉及的能量调控范围和主要功能包括：采集基于实时监控***采集的电网信息，分布式电源信息，新能源汽车负荷信息，实现各种分布式电源，储能电池和负载之间的最大***运行效率；由于电网中光伏、风电可再生能源出力具有随机性特点，故需储能控制实现能量平衡与供需平衡；由于电网中分布式能源和负荷的预测误差随时间尺度减下，可以通过储能设备的充放电来消除误差；建立每层能量管理***结构体系：以最大***运行效率为核心，面向光储充一体化充电站的多层能量管理***构架，建立每层能量管理***结构体系，并依据光伏发电、电池储能、用户需求和电网容量，对光储充一体化充电站微网能量进行调控，以满足负荷需求；确定光储充一体化充电站中储能设备单位时间最大充放电量范围；基于光储充一体化充电站运行特性以及所处市场环境，构建实时电价需求响应模型，利用蒙特卡洛模拟分析电动汽车在有序充电和无序充电时的负荷需求，考虑电网的多种管理手段，为电网经济调度提供决策基础；将该多端口电能转换装置的费用作为目标函数f1，包含以下三个部分：光伏发电成本，储能装置调控成本，并网模式下电能转换装置***与电网的电能交换费用，其表达式为：f1，包含以下三个部分：光伏发电成本，储能装置调控成本，并网模式下电能转换装置***与电网的电能交换费用，其表达式为：其中，Cpv为光伏发电的平均发电成本，Cb为储能电池平均使用成本，Ct为实时电价；将该多端口电能转换装置能耗的等效碳排放量作为目标函数f2，其表达式为：/>其中，E为上级电网购入电能单位功率效碳排放量常数；为尽可能增大清洁能源出力，减少火力发电量的购入，将上级电网购电量作为目标函数f3，其表达式为：/>构建多目标规划模型，其目标函数为：Obj＝min{n1·f1+n2·f2+n3·f3}；其中，n1，n2，n3为可自适应的权重；确定光伏发电与电池储能运行约束：综合利用太阳能和化石能源已成为新能源***发展的方向；
通过将热能进行互补利用，减小不稳定性、不连续性对发电***的影响，降低投资和发电成本；太阳能与其他化石能源间形成热互补耦合利用，这种热互补耦合利用是将太阳能和其他能源转换释放的热能注入热力循环中进行互补利用，满足如下功率约束条件：Ppv_min≤Ppv≤Ppv_max；光资源充足时，光伏发电功率大于电动汽车充电功率，将剩余功率送回交流电网，剩余的光伏电能将被存储至储能电池，光资源匮乏时，仅靠光伏发电不足以支撑电动汽车充电，此时将从交流电网中取电补偿光伏发电与电动汽车充电间的功率差，并将储能电池的能量送至充电桩，以减少充电高峰对交流电网的供电压力；
储能电池充放电损耗模型
考虑储能电池的第t小时的充放电功率和储能电池的电量变化以及充电效率和放电效率；
储能电池充放电功率约束
储能电池充放电功率受额定容量限制；
储能电池组的电量约束
两相邻时刻间储能电池的电量约束，为了使储能***具有可持续性，应使储能电池在一个调度周期始末处于相同的状态，储能装置在工作时满足：
式中分别为时刻储能电池的充电、放电功率，λt为t时时刻储能电池的充放电状态；当储能装置处于放电状态时，效为电源；当其处于充电状态时，效为负荷；确定充电桩用能需求与电网容量约束：需求响应与电动汽车有序充电参与电网调度是减少风险的有效手段，因此以普通用电负荷为研究对象，引导用户根据电价的变化调整用电的需求，制定实时电价；考虑到居民用户的用电行为特性，对于大部分居民用户，比如热水器、电水壶家用电器对于电价的响应不可能做到全时段响应，所以设置居民负荷仅在相邻的前后三个时段响应，以降低对用户用电需求造成的影响；用户参与需求响应后的电价与初始电价、响应后的有功负荷与初始有功负荷的关系分别为：/>母线接入电网需要满足用户用电负荷功率为并网模式下电能转换装置与外部交换的电量，即：式中，/>为t时刻直流电网末端的负荷功率，/>为光伏发电功率值，/>为t时刻储能装置参与调度时的充放电功率，/>为t时刻接入电能路由器的电动汽车负荷功率；针对上述调度模型，采用新的自适应惩罚函数算法来求解；
此算法本质是利用当前群体中可行解的比例来权衡目标函数和约束违反程度和其它惩罚函数算法相比，迭代简单，参数少；利用自适应惩罚函数算法，将调度问题映射为：min fitness(x)＝f(x)+C(ρ)×G(x)；其中，fitness(x)是个体x的适应值函数；f(x)是目标函数；C(ρ)＝10α(1-ρ)是惩罚系数，其中，ρ为当前群体可行解的比例，α是一个需要调整的常量参数，具体可选取1～10之间的一个整数；记G(x)为个体x违反约束的程度：选取电能转换装置***为对象，采用***信息采集层各接入设备的功率数据，建立低能耗经济调度目标函数，进一步使用自适应惩罚函数算法，完成优化调度运算。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其同物限定。

Claims (6)

1.一种基于光储充一体化充电站的拟路由器能量调控方法，其特征在于：包括以下步骤：
步骤1：建立最大***运行效率目标模型：基于光储充一体化充电站所面向的电力市场环境，充电站自身的网络构成、储能设备的特性，以电费为目标函数，建立最大***运行效率目标模型；
模型构建包括：光伏发电运行与电池储能运行约束，光储充一体化充电站内储能设备离散决策变量的划分，电价需求响应，充电桩用能需求与电网容量约束内容的确定；
针对光储充一体化充电站所在主网电力市场环境，划分能量调控的阶段：以对光储充一体化充电站进行能量调控的时间间隔为步长(t)，以对充电站进行规划管理时间为总周期(T)，将能量调控过程划分为连续的K个阶段，且有K＝T/t；
步骤2：建立每层能量管理***结构体系：
以最大***运行效率为核心，面向光储充一体化充电站的多层能量管理***构架，建立每层能量管理***结构体系，并依据光伏发电、电池储能、用户需求和电网容量，对光储充一体化充电站微网能量进行调控，以满足负荷需求；
确定光储充一体化充电站中储能设备单位时间最大充放电量范围；
基于光储充一体化充电站运行特性以及所处市场环境，构建实时电价需求响应模型，利用蒙特卡洛模拟分析电动汽车在有序充电和无序充电时的负荷需求，考虑电网的多种管理手段，为电网经济调度提供决策基础；
将该多端口电能转换装置的费用作为目标函数f1，包含以下三个部分：光伏发电成本，储能装置调控成本，并网模式下电能转换装置***与电网的电能交换费用，其表达式为：
其中，Cpv为光伏发电的平均发电成本，Cb为储能电池平均使用成本，Ct为实时电价；
将该多端口电能转换装置能耗的等效碳排放量作为目标函数f2，其表达式为：
其中，E为上级电网购入电能单位功率效碳排放量常数；
为尽可能增大清洁能源出力，减少火力发电量的购入，将上级电网购电量作为目标函数f3，其表达式为：
构建多目标规划模型，其目标函数为：Obj＝min{n1·f1+n2·f2+n3·f3}；
其中，n1，n2，n3为可自适应的权重；
步骤3：确定光伏发电与电池储能运行约束：综合利用太阳能和化石能源已成为新能源***发展的方向；
通过将热能进行互补利用，减小不稳定性、不连续性对发电***的影响，降低投资和发电成本；
太阳能与其他化石能源间形成热互补耦合利用，这种热互补耦合利用是将太阳能和其他能源转换释放的热能注入热力循环中进行互补利用，满足如下功率约束条件：Ppv_min≤Ppv≤Ppv_max；
步骤4：确定充电桩用能需求与电网容量约束：需求响应与电动汽车有序充电参与电网调度是减少风险的有效手段，因此以普通用电负荷为研究对象，引导用户根据电价的变化调整用电的需求，制定实时电价；
考虑到居民用户的用电行为特性，对于大部分居民用户，比如热水器、电水壶家用电器对于电价的响应不可能做到全时段响应，所以设置居民负荷仅在相邻的前后三个时段响应，以降低对用户用电需求造成的影响；
用户参与需求响应后的电价与初始电价、响应后的有功负荷与初始有功负荷的关系分别为：
母线接入电网需要满足用户用电负荷功率为并网模式下电能转换装置与外部交换的电量，即：
式中，为t时刻直流电网末端的负荷功率，/>为光伏发电功率值，/>为t时刻储能装置参与调度时的充放电功率，/>为t时刻接入电能路由器的电动汽车负荷功率；
针对上述调度模型，采用新的自适应惩罚函数算法来求解；
此算法本质是利用当前群体中可行解的比例来权衡目标函数和约束违反程度和其它惩罚函数算法相比，迭代简单，参数少；
利用自适应惩罚函数算法，将调度问题映射为：
minfitness(x)＝f(x)+C(ρ)×G(x)；
其中，fitness(x)是个体x的适应值函数；f(x)是目标函数；C(ρ)＝10α(1-ρ)是惩罚系数，其中，ρ为当前群体可行解的比例，α是一个需要调整的常量参数，具体可选取1～10之间的一个整数；记G(x)为个体x违反约束的程度：
选取电能转换装置***为对象，采用***信息采集层各接入设备的功率数据，建立低能耗经济调度目标函数，进一步使用自适应惩罚函数算法，完成优化调度运算。
2.根据权利要求1所述的一种基于光储充一体化充电站的拟路由器能量调控方法，其特征在于：在步骤1中，所涉及的能量调控范围和主要功能包括：采集基于实时监控***采集的电网信息，分布式电源信息，新能源汽车负荷信息，实现各种分布式电源，储能电池和负载之间的最大***运行效率。
3.根据权利要求2所述的一种基于光储充一体化充电站的拟路由器能量调控方法，其特征在于：由于电网中光伏、风电可再生能源出力具有随机性特点，故需储能控制实现能量平衡与供需平衡。
4.根据权利要求2所述的一种基于光储充一体化充电站的拟路由器能量调控方法，其特征在于：由于电网中分布式能源和负荷的预测误差随时间尺度减下，可以通过储能设备的充放电来消除误差。
5.根据权利要求1所述的一种基于光储充一体化充电站的拟路由器能量调控方法，其特征在于：在步骤3中，光资源充足时，光伏发电功率大于电动汽车充电功率，将剩余功率送回交流电网，剩余的光伏电能将被存储至储能电池。
6.根据权利要求1所述的一种基于光储充一体化充电站的拟路由器能量调控方法，其特征在于：在步骤3中，光资源匮乏时，仅靠光伏发电不足以支撑电动汽车充电，此时将从交流电网中取电补偿光伏发电与电动汽车充电间的功率差，并将储能电池的能量送至充电桩，以减少充电高峰对交流电网的供电压力；
储能电池充放电损耗模型
考虑储能电池的第t小时的充放电功率和储能电池的电量变化以及充电效率和放电效率；
储能电池充放电功率约束
储能电池充放电功率受额定容量限制；
储能电池组的电量约束
两相邻时刻间储能电池的电量约束，为了使储能***具有可持续性，应使储能电池在一个调度周期始末处于相同的状态，储能装置在工作时满足：
式中分别为t时刻储能电池的充电、放电功率，λt为t时刻储能电池的充放电状态；当储能装置处于放电状态时，效为电源；当其处于充电状态时，效为负荷。
CN202311510099.5A 2023-11-13 2023-11-13 一种基于光储充一体化充电站的拟路由器能量调控方法 Pending CN117559526A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311510099.5A CN117559526A (zh) 2023-11-13 2023-11-13 一种基于光储充一体化充电站的拟路由器能量调控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311510099.5A CN117559526A (zh) 2023-11-13 2023-11-13 一种基于光储充一体化充电站的拟路由器能量调控方法

Publications (1)

Publication Number Publication Date
CN117559526A true CN117559526A (zh) 2024-02-13

Family

ID=89819763

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311510099.5A Pending CN117559526A (zh) 2023-11-13 2023-11-13 一种基于光储充一体化充电站的拟路由器能量调控方法

Country Status (1)

Country Link
CN (1) CN117559526A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118017620A (zh) * 2024-04-09 2024-05-10 江苏谷峰电力科技股份有限公司 一种多场景下便携式光储电源装置功率分配方法及***

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118017620A (zh) * 2024-04-09 2024-05-10 江苏谷峰电力科技股份有限公司 一种多场景下便携式光储电源装置功率分配方法及***

Similar Documents

Publication Publication Date Title
Yan et al. Hybrid energy storage capacity allocation method for active distribution network considering demand side response
CN111738497B (zh) 计及需求侧响应的虚拟电厂双层优化调度方法
CN108376999B (zh) 一种考虑孤岛运行时间不确定性的多微网故障管理方法
Pourmousavi et al. Real-time energy management of a stand-alone hybrid wind-microturbine energy system using particle swarm optimization
CN110311421A (zh) 基于需求侧响应的微电网多时间尺度能量管理方法
CN112800658A (zh) 一种考虑源储荷互动的主动配电网调度方法
CN111969593A (zh) 基于混合储能的热电联供微网模型预测控制优化调度方法
CN111008739A (zh) 一种热电联产虚拟电厂优化调控及收益分配方法及***
CN114069678A (zh) 一种考虑储能退化成本的光储直流微电网能量调度方法
Wang et al. A hierarchical control algorithm for managing electrical energy storage systems in homes equipped with PV power generation
CN117559526A (zh) 一种基于光储充一体化充电站的拟路由器能量调控方法
Peng et al. Optimized economic operation strategy for distributed energy storage with multi-profit mode
Mei et al. Multi-objective optimal scheduling of microgrid with electric vehicles
Kumar et al. Smart home energy management with integration of PV and storage facilities providing grid support
TW201915838A (zh) 一種應用於智慧電網之粒群最佳化模糊邏輯控制充電法
CN116914732A (zh) 基于深度强化学习的热电联产***低碳调度方法及***
CN115940284B (zh) 一种考虑分时电价的新能源制氢***的运行控制策略
Wang et al. Improved PSO-based energy management of Stand-Alone Micro-Grid under two-time scale
CN115841216A (zh) 计及分布式光伏消纳率的配电网储能优化配置方法
Aeggegn et al. Optimal sizing of grid connected multi-microgrid system using grey wolf optimization
CN115796492A (zh) 一种混合储能***的微电网调度方法及终端
CN115021336A (zh) 一种面向高比例新能源电力***惯量不足场景的优化方法
Yiru et al. A modified particle swarm optimization based algorithm for the energy management strategy of a regional integrated energy system
Fan et al. Optimal allocation strategy of energy storage to improve the voltage quality of distribution network
Haiyun et al. Optimal Capacity Allocation Method of Multi-types of Energy Storage for Wind Power Plant

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication