CN104361405A - 一种基于容量限值约束的微网储能装置设计方法 - Google Patents
一种基于容量限值约束的微网储能装置设计方法 Download PDFInfo
- Publication number
- CN104361405A CN104361405A CN201410592266.XA CN201410592266A CN104361405A CN 104361405 A CN104361405 A CN 104361405A CN 201410592266 A CN201410592266 A CN 201410592266A CN 104361405 A CN104361405 A CN 104361405A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- storage device
- capacity
- msub
- fan
- 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 174
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000013461 design Methods 0.000 title claims abstract description 11
- 238000010248 power generation Methods 0.000 claims abstract description 21
- 238000007599 discharging Methods 0.000 claims abstract description 14
- 238000005070 sampling Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 10
- 238000010183 spectrum analysis Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 239000002253 acid Substances 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000002347 injection Methods 0.000 claims description 4
- 239000007924 injection Substances 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000035515 penetration Effects 0.000 claims description 3
- 230000010287 polarization Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 description 9
- 238000005457 optimization Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000000087 stabilizing effect Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000000418 atomic force spectrum Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000011982 device technology Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000008685 targeting Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种基于容量限值约束的微网储能装置设计方法,包括以下步骤:S1,输入规划区分布式电源配置容量和储能装置的类型及分布情况;S2,录入规划区负荷及历史天气数据;S3,建立分布式电源出力模型和储能装置充放电模型;S4,计算储能装置配置容量下限;S5,计算储能装置配置容量上限;S6,计算限值内储能装置配置容量最优值。通过本方法可在满足并网型微网的储能装置容量限值的基础上,计算出与分布式发电相配合的最优储能装置容量配置,从而保证储能装置容量在最大程度上同时兼顾微网可靠性及经济性的需求,为负荷提供清洁、安全、可靠的电能。
Description
技术领域
本发明涉及一种用于城市并网型微网系统规划设计的基于容量限值约束的微网储能装置设计方法。
背景技术
当前能源局势紧张,环境污染严重,国家下达各类政策支持电网改造,减轻电网供电压力。随着负荷量的不断增长,其对电能质量和供电可靠性提出更高要求。目前储能装置技术以其储存电能,能够实现削峰填谷,平滑功率波动的特点,越来越受到用户的青睐。系统储能装置能够进行有功/无功控制,实现系统功率的实时平衡,补偿可再生能源的波动,从而提高系统的稳定性。
在城市并网型微网系统的规划设计中,储能装置具有提高配电系统可靠性、能量管理、提高电能质量、提高分布式电源的消纳能力等多方面作用,因此储能装置优化配置是一个具有多约束和多目标的优化问题。
在城市配电网中,受地形条件限制,分布式电源以光伏发电为主,同时还存在少量风力发电;储能装置中,目前在工程实际中应用最为广泛、技术最为成熟的是铅酸蓄电池。
这里以光伏和风机配置铅酸蓄电池为例,针对不同的优化目标给出储能装置优化配置原则。
1.以平抑波动为目标的储能装置配置
主要是光伏和风机发电系统的分布式电源出力受天气条件直接影响,其出力具有间歇性和不确定性,为了提高分布式电源出力的电能质量,提高配电网对分布式电源的消纳能力,应为分布式电源配置储能装置,最大限度平抑其出力波动。
对于光伏发电系统,由于光照条件具有典型的日周期性,可以将光伏典型日出力曲线作为标准,储能装置配置的目标是补偿光伏实际出力与典型出力之间的差值,如图7所示.
对于风机发电系统,并没有典型日出力曲线,因此定义风机出力的波动率,波动率是指在固定的时间间隔内,风机输出功率最大值与最小值的差额与风机额定输出功率的比值。储能装置配置的目标是将风机出力波动率控制在一定范围,如图8所示。
2.以能量管理为目标的储能装置配置
不含储能装置的传统配电系统中,电能实时平衡,无法存储;同时分布式电源出力与负荷一样难以控制,只能通过上级电网的电能来实时跟随负荷,这种情况下既降低了电网设备的利用率,又没有充分利用分布式电源的出力。如图9所示,光伏出力与配电网负荷曲线并不匹配,中午光伏出力高峰时出现了电能的浪费,而晚上负荷高峰时光伏并不起作用。随着配电网中分布式电源的渗透率提高,不受控的分布式电源出力曲线与负荷曲线的不匹配情况愈加明显。
储能装置的接入为配电系统能量管理提供了可能性,通过对储能装置的充放电控制,可以实现一部分负荷与电源的灵活转换,降低配电网峰谷差,降低电网设备的备用容量,延缓投资,充分利用清洁能源产生的电能,提高电网经济性。
为了实现能量管理而配置的储能装置,可以以分布式电源的最大利用为目标配置储能装置容量。如图9,储能装置在非负荷峰值时段充电,在其他负荷高峰时段释放电能,图9中储能装置通过对光伏所发电能的存储和释放,实现了能量的移动,达到削峰填谷的目的。
在现有的微电网的实际规划中,以上两种形式多单一使用,未能综合考虑。因此现有技术中储能装置的配置较难同时满足平滑功率和削峰填谷等多目标的需求。常规方式在一定程度上会造成储能装置配置的容量存在或多或少的冗余或不足现象,从而影响储能装置配置的经济性。现有技术中微网的构建往往通过以平滑功率或能量管理等单一约束条件,以经济性为目标制定储能装置的容量,较难满足平滑功率和削峰填谷等多目标的需求。若仅以平滑功率为目标,则全年运行过程中存在储能装置容量较小而无法达到预期控制目标的问题;若以削峰填谷为目标,则全年运行过程中存在大部分储能装置容量处于空闲状态,增加了不必要的建设和运行成本。
发明内容
本发明所要解决的技术问题,就是提供一种基于容量限值约束的微网储能装置设计方法,其较大程度上保障日可信发电量及波动率的准确,进而计算分布式电源平滑波动和削峰填谷的储能装置容量配置上下限,并结合经济性目标合理实现储能装置的最佳配置容量。
解决上述技术问题,本发明采用的技术方案是:
一种基于容量限值约束的微网储能装置设计方法,其特征是包括以下步骤:
S1,输入规划区分布式电源配置容量和储能装置的类型及分布情况;
S2,录入规划区负荷及历史天气数据;
S3,建立分布式电源出力模型和储能装置充放电模型;
S4,计算储能装置配置容量下限;
S5,计算储能装置配置容量上限;
S6,计算限值内储能装置配置容量最优值。
所述的步骤S3建立分布式电源出力模型和储能装置充放电模型包括以下子步骤:
S3-1,风力发电出力模型:采用典型四段式模型:在切入风速之前,风机不出力;在切入风速与额定风速之间,风机出力与风速近似为线性关系;风速超过额定风速小于切出风速时,风机出力为额定功率;大于切出风速时,风机停止工作;其分段函数表达式为:
式中:Pg为风机实际输出功率;V为当前风速;Vci为切入风速;Vco为切出风速;Vr为额定风速;η(V)为风力发电机随风速变化的输出功率;Pr为风力发电机组额定输出功率。
当风速介于Vci和Vcr之间时风力发电机输出功率表示为风速的函数η(V),近似为线性关系,即:
η(V)=Pr(V-Vci)/(Vr-Vci) (2);
S3-2,储能装置充放电模型:采用最常用的铅酸蓄电池为代表,建立KiBaM两池模型,认为蓄电池存储电量分为可用能量池和约束能量池,两池共同决定了蓄电池的最大充放电功率;
受控源Eb的表达式为:
式中:Eb是储能装置的空载电压;E0是储能装置的恒定电压;K是极化电压;Q是储能装置的容量(Ah);A是指数区域幅值;B是指数区域时间常数的倒数;
在储能装置容量设计过程中,还应满足如下约束条件:
1)潮流约束
式中:Pis、Qis分别为节点i(即第i条母线)的有功和无功注入量;Ui为节点i的电压幅值,j∈i表示所有与节点i直接相连的节点,包括j=i,Gij、Bij分别为节点导纳矩阵相应的实部和虚部;θij为支路ij两端节点的相角差;
2)分布式电源装机容量约束
0≤Wi≤Wi max i=1,2,...,NDG (5);
式中Wi max为第i个待选节点允许安装的分布式电源的最大容量;
3)分布式电源穿透功率极限约束
式中:为配电网最大负荷;ρ为DWG总装机容量占系统最大负荷的比例上限;
4)节点电压约束
式中:Pr{·}表示{·}中事件成立的概率;和分别为第i个节点电压的上下限;βu为电压约束的置信水平;Nb为系统节点总数;
5)线路传输功率约束
Pr{|Pi|≤Pi max}≥β1 i=1,2,...,NDG (8);
式中:Pi max为第i条支路线路的传输功率的上限;β1为支路潮流约束的置信水平;N1为系统支路总数。
所述的步骤S4计算储能装置配置容量下限包括以下子步骤:
S4-1,风机储能装置容量配置
S4-1-1,计算统计时期内风机实际出力;
S4-1-2,对风机出力数据进行离散傅里叶变换,获得风机出力的幅频结果:
Sg=DFT(Pg)=[Sg[1],...,Sg[n],...,Sg[Ns]]T
(9);
fg=[fg[1],...,fg[n],...,fg[Ns]]T
式中,Pg=[Pg[1],...,Pg[n],...,Pg[Ns]]T代表风机功率输出样本数据;Pg[n]代表第n个采样点输出功率[kW],Ns代表采样点个数;DFT(Pg)代表对样本数据Pg进行离散傅里叶变换;Sg[n]=Rg[n]+Ig[n]i代表傅里叶变换结果中第n个频率fg[n]对应的幅值,Rg[n],Ig[n]分别代幅值的实部和虚部;fg为与Sg对应的频率列向量;
fg[n]=fs(n-1)/Ns=(n-1)/(TsNs) (10);
式中,fs,Ts分别为样本数据Pg的采样频率[Hz]和采样周期[s];由采样定理和离散傅里叶变换数据的对称性可知,Sg以Nyquist频率fN=fs/2(频谱分析结果的最高分辨频率,为采样频率的二分之一)为对称轴,两侧对称的复序列互为共轭,模相等,故只需要考虑0~fN频率范围的幅频特性;
S4-1-3,确定风机允许的最大波动率上限
假定在TE时间段内的功率波动率用表示,其计算公式如下:
式中,Pn代表额定功率[kW];分别代表TE时间段内最大与最小输出功率[kW];
这个就是计算波动率的方式,然后按时间节点可形成时间序列,即是波动率的时间序列。
判断目标功率输出是否满足要求,需保证波动率不超过设定的上限
风机出力波动率上限通过对风机实际波动率概率密度函数设置;
按照上述TE时间间隔,计算风机出力的波动率数据,统计得到其概率密度函数和可能出现的最大波动率;设定其可接受波动范围内的置信区间,从而确定储能装置可以平滑的最大波动率,该波动率与可能出现的最大波动率之差即为风机出力波动率上限;
统计得出波动率概率密度函数,从统计结果中得到会出现的最大波动率值。
S4-1-4,采用试差法,计算所需储能装置最大功率
假定fps代表依据频谱分析结果Dg确定的补偿频段,fps1代表Sg中以Nyquist频率fN为对称轴与fps对称的频段;
用S0=[S0[1],...,S0[n],...,S0[Ns]]T代表经ESS补偿后的目标功率输出对应的频谱分析复数结果;其中,将补偿频段对应的幅值置为0,表示补偿后消除了相应频段的功率波动,补偿频段外的幅值不变;即:
对S0进行离散傅里叶反变换得到经储能装置补偿后的目标功率输出结果P0:
P0=IDFT(S0)=[P0[1],...,P0[n],...,P0[Ns]]T (14);
式中,IDFT(S0)代表对S0进行离散傅里叶反变换;P0[n]代表第n个采样点的目标输出功率[kW];
对上述补偿方法不断尝试并校验补偿效果,最终确定满足风机出力波动率要求的储能装置最大充放电功率;
S4-1-5,计算储能装置容量
储能装置的实时充放电能力由可用能量池决定,而其持续充放电能力与两池总容量有关,储能装置的连续充放电时间利用历史风速数据对储能装置系统充放电情况即可计算得到。(现有技术)
所述的步骤S5包括以下子步骤:
S5-1,计算风机日发电量序列
对连续三年的统计时间内风机每日实际出力曲线积分,计算风机日发电量序列,如下式所示:
SWTG,i=[SWTG,1,SWTG,2,...,SWTG,i,...,SWTG,365×3] (15);
其中,
在风机日发电量序列已知时,利用核密度估计的方法,生成日发电量的概率密度函数;
S5-2,确定置信区间,计算风机日可信发电量
设置置信区间,利用概率密度函数计算满足该置信区间的风机最大日发电量,该过程同储能装置配置容量下限计算中S4-1相同;
S5-3:计算储能装置配置容量上限
以分布式电源最大利用为目标的储能装置配置,需要储能装置在风机出力的上述置信区间内,能够完全存储风力发电系统的日发电量,其计算方法为对一天内单位时刻风机处理进行求和。
所述的步骤S6计算限值内储能装置配置容量最优值具体如下:
并网型微网系统的储能装置容量配置计算中以配电网可靠性为约束条件,以配电网经济性最优作为目标函数,储能装置容量优化模型如下:
min c=f(s)=f1(s)+f2(s)
其中:
c为目标函数,代表微电网建设运维总费用;
s为优化模型的变量,表示各分布式电源接入点处储能装置容量配置的一维数组;
f1(s)表示在储能装置容量为s的情况下进行微电网规划所得方案的总费用,包括变电站、线路等设备的建设和运维费用;
f2(s)表示容量为s的储能装置所需的建设和运维费用;根据储能装置的选型不同,所需费用也不同,需根据实际情况进行计算;
f3(s)表示与该方案下的网损,与实时电价相关;
约束条件①代表微电网及各用户要求的可靠性水平;
约束条件②代表电能质量等其他技术指标;
约束条件③表示储能装置容量s应满足分布式电源平滑波动和最大利用的容量限值要求。
本发明提出了结合分布式电源发电功率和发电量的储能装置容量限值约束法,基于分布式电源三年历史发电数据,通过综合核密度估计法、置信空间以及试差法等基础理论计算,较大程度上保障日可信发电量及波动率的准确,进而计算分布式电源平滑波动和削峰填谷的储能装置容量配置上下限,并结合经济性目标合理实现储能装置的最佳配置容量。
本发明的有益效果:
1、提出了一类基于容量限值约束的并网型微网储能装置设计方法。
2、提出了基于分布式电源最大波动率和发电量置信区间的储能装置容量范围确定方法。
3、通过该储能装置控制方法的应用,可在提高微网的供电可靠性的同时兼顾建设经济性。
通过本方法可在满足并网型微网的储能装置容量限值的基础上,计算出与分布式发电相配合的最优储能装置容量配置,从而保证储能装置容量在最大程度上同时兼顾微网可靠性及经济性的需求,为负荷提供清洁、安全、可靠的电能。
附图说明
图1为本发明的方法流程示意图;
图2为风电机组功率特性曲线图;
图3为储能装置的等效电路模型图;
图4为储能装置容量配置下限计算流程图;
图5为分布式发电系统储能装置容量配置上限计算流程图;
图6为储能装置容量优化流程图;
图7为储能装置平抑光伏出力波动示意图;
图8为储能装置平抑风机出力波动示意图;
图9为储能装置能量管理示意图。
具体实施方式
参见图1,本发明的基于容量限值约束的微网储能装置设计方法实施例,包括以下步骤:
S1,输入规划区分布式电源配置容量类型和储能装置类型及分布情况;
S2,录入规划区负荷及历史天气数据;
S3,建立分布式电源出力模型和储能装置充放电模型;
S4,计算储能装置配置容量下限;
S5,计算储能装置配置容量上限;
S6,计算限值内储能装置配置容量最优值。
其中的步骤S3建立分布式电源出力模型和储能装置充放电模型包括以下子步骤:
并网型微网系统设计中,由于分布式电源出力的随机性和波动性,在不同时刻需要的储能容量不同。因此应结合微网系统情况,充分发挥储能系统功能,以分布式电源功率平滑和最大利用为目标合理确定储能容量范围,并在此基础上考虑系统经济性得到储能的最佳配置容量,配置方法和思路如图1所示。
以风储微网为例,分析并网型微网系统中各设备构建的模型如下。
1、风力发电系统:微网中风机出力模型采用典型的四段式模型:在切入风速之前,风机不出力;在切入风速与额定风速之间,风机出力与风速近似为线性关系;风速超过额定风速小于切出风速时,风机出力为额定功率;大于切出风速时,风机停止工作。其分段函数表达式为:
式中:Vci为切入风速;Vco为切出风速;Vr为额定风速;Pr为风力发电机组额定输出功率。当风速介于Vci和Vcr之间时风力发电机输出功率可以表示为风速的函数η(V),一般可以近似为线性关系,即:
η(V)=Pr(V-Vci)/(Vr-Vci) (2);
风电机组的输出功率与风速之间的功率特性曲线如图2所示。
2、储能装置:并网型微网系统中的储能装置采用最常用的铅酸蓄电池为代表,建立KiBaM两池模型,认为蓄电池存储电量分为可用能量池和约束能量池,两池共同决定了蓄电池的最大充放电功率。
参见图3的储能装置等效电路图,将储能装置等效为一个由受控电压源Eb和内阻Rb构成的电路,通过调节受控电压源Eb来改变电路输出端电压Vb,从而模拟实际储能装置的动态特性。
受控电压源Eb的表达式为:
式中:Eb是储能的空载电压;E0是储能的恒定电压;K是极化电压;Q是储能的容量(Ah);A是指数区域幅值;B是指数区域时间常数的倒数。
此外,在储能容量设计过程中,应满足如下约束条件:
1)潮流约束
式中:Pis、Qis分别为节点i的有功和无功注入量;Ui为节点i的电压幅值,j∈i表示所有与节点i直接相连的节点,包括j=i,Gij、Bij分别为节点导纳矩阵相应的实部和虚部;θij为支路ij两端节点的相角差。
2)分布式电源装机容量约束
0≤Wi≤Wi max i=1,2,...,NDG (5);
式中Wi max为第i个待选节点允许安装的分布式电源的最大容量。
3)分布式电源穿透功率极限约束
式中:为配电网最大负荷;ρ为DWG总装机容量占系统最大负荷的比例上限。
4)节点电压约束
式中:Pr{·}表示{·}中事件成立的概率;和分别为第i个节点电压的上下限;βu为电压约束的置信水平;Nb为系统节点总数。
5)线路传输功率约束
Pr{|Pi|≤Pi max}≥β1 i=1,2,...,NDG (8);
式中:Pi max为第i条支路线路的传输功率的上限;β1为支路潮流约束的置信水平;N1为系统支路总数。
其中的步骤S4计算储能装置配置容量下限包括以下子步骤:
针对上述并网型微网系统储能配置思路,其在储能容量确定过程中主要需要对储能容量配置下限、储能容量配置上限和最优储能三个部分组成,其中最关键的步骤是确定储能的容量配置范围,也是本发明的主要创新点。
1)为了保证分布式电源电能质量,降低分布式电源出力的波动性,需要为其配置一定容量的储能装置。这是保证分布式电源达到并网要求的最低配置,因此以平滑分布式电源出力为目标的储能配置容量,定为储能容量的最低值。
2)当储能装置的容量能够保证分布式电源的最大利用时,分布式电源在一定周期(一天)内的发电量得以在指定时段(负荷高峰)以一定的功率曲线输出。按照该目标确定的储能装置容量可以实现对分布式电源能量的完全控制,在此基础上可以实现提高配网经济性、可靠性等其他目标,是储能容量配置的最高级别,因此以保证分布式电源最大利用的容量,作为储能容量配置的最高值。
下面将以风储微网为例,分析该类并网型微网系统在储能容量设计中的具体实施方法。
(1)并网型微网系统中的风机发电,由于风速并无确定的周期性规律,风机配置储能的目的是使其出力曲线变得平滑,避免剧烈波动,因此储能配置是以平抑波动为目标,其储能容量配置方案如图4所示。
S4-1,风机储能装置容量配置
在储能容量最低配置的计算过程中,所采用的步骤如下:
步骤1:计算统计时期内风机实际出力
步骤2:对风机出力数据进行离散傅里叶变换,获得风机出力的幅频结果:
Sg=DFT(Pg)=[Sg[1],...,Sg[n],...,Sg[Ns]]T
(9);
fg=[fg[1],...,fg[n],...,fg[Ns]]T
式中,Pg=[Pg[1],...,Pg[n],...,Pg[Ns]]T代表风机功率输出样本数据。Pg[n]代表第n个采样点输出功率[kW],Ns代表采样点个数。DFT(Pg)代表对样本数据Pg进行离散傅里叶变换。Sg[n]=Rg[n]+Ig[n]i代表傅里叶变换结果中第n个频率fg[n]对应的幅值,Rg[n],Ig[n]分别代幅值的实部和虚部。fg为与Sg对应的频率列向量。
fg[n]=fs(n-1)/Ns=(n-1)/(TsNs) (10);
式中,fs,Ts分别为样本数据Pg的采样频率[Hz]和采样周期[s]。由采样定理和离散傅里叶变换数据的对称性可知,Sg以Nyquist频率fN=fs/2(频谱分析结果的最高分辨频率,为采样频率的二分之一)为对称轴,两侧对称的复序列互为共轭,模相等,故只需要考虑0~fN频率范围的幅频特性。
步骤3:确定风机允许的最大波动率上限
为评价储能补偿效果是否满足要求,需要风机出力波动率作为评价储能补偿效果的指标。假定在TE时间段内的功率波动率用表示,其计算公式如下:
式中,Pn代表额定功率[kW];分别代表TE时间段内最大与最小输出功率[kW]。判断目标功率输出是否满足要求,需保证波动率不超过设定的上限
风机出力波动率上限可以通过对风机实际波动率概率密度函数设置。
按照上述TE时间间隔,计算风机出力的波动率数据,统计得到其概率密度函数和可能出现的最大波动率。设定其可接受波动范围内的置信区间,从而确定储能可以平滑的最大波动率,该波动率与可能出现的最大波动率之差即为风机出力波动率上限。
步骤4:采用试差法,计算所需储能最大功率
储能的补偿容量与补偿频段直接相关。一般来说,同样的频段宽度,高补偿频段所需储能容量会小于低补偿频段。在确定系统补偿频段时,可以采用试差法,从高频开始,逐渐将频段向低频段延伸,利用前面的分析方法检验补偿后的波动率是否满足要求,进而确定出既能满足波动率要求,又能保证储能容量尽可能小的补偿频段,进而获得针对该补偿频段的补偿后系统的理想化功率输出。
假定fps代表依据频谱分析结果Dg确定的补偿频段,fps1代表Sg中以Nyquist频率fN为对称轴与fps对称的频段。用S0=[S0[1],...,S0[n],...,S0[Ns]]T代表经ESS补偿后的目标功率输出对应的频谱分析复数结果。其中,将补偿频段对应的幅值置为0,表示补偿后消除了相应频段的功率波动,补偿频段外的幅值不变。即
对S0进行离散傅里叶反变换可得到经储能补偿后的目标功率输出结果P0:
P0=IDFT(S0)=[P0[1],...,P0[n],...,P0[Ns]]T (14)
式中,IDFT(S0)代表对S0进行离散傅里叶反变换;P0[n]代表第n个采样点的目标输出功率[kW]。
对上述补偿方法不断尝试并校验补偿效果,最终确定满足风机出力波动率要求的储能最大充放电功率。
步骤5:计算储能容量
储能的实时充放电能力由可用能量池决定,而其持续充放电能力与两池总容量有关,储能的连续充放电时间可以利用历史风速数据对储能系统充放电情况进行计算得到。
所述的步骤S5包括以下子步骤:
(2)并网型微网系统需要保证分布式电源的最大利用,按照该目标确定的储能装置容量可以实现对分布式电源能量的完全控制,在此基础上可以实现提高配网经济性、可靠性等其他目标,因此储能最大化容量配置是以分布式电源最大利用为目标的,其储能容量配置计算方案如图5所示。
步骤1:计算风机日发电量序列
风机出力并没有典型曲线,其出力变化是无规律的。因此为了计算风机的典型日发电量,可对连续三年的统计时间内风机每日实际出力曲线积分,计算风机日发电量序列,如下式所示。
SWTG,i=[SWTG,1,SWTG,2,...,SWTG,i,...,SWTG,365×3] (15)
其中,
在风机日发电量序列已知时,利用核密度估计的方法,即可生成日发电量的概率密度函数。
步骤2:确定置信区间,计算风机日可信发电量
设置置信区间,利用概率密度函数可以计算满足该置信区间的风机最大日发电量,该过程同储能配置容量下限计算中步骤4相同。
步骤3:计算储能配置容量上限
以分布式电源最大利用为目标的储能配置,需要储能装置在风机出力的上述置信区间内,能够完全存储分布式发电系统的日发电量。
所述的步骤S6计算限值内储能装置配置容量最优值具体如下:
(3)以微电网经济最优的储能配置容量计算
在满足分布式电源功率平滑及最大利用的基础上,储能系统配置过程中应充分考虑可靠性及经济性的影响,在满足容量限值的范围内,以经济性为目标,综合实现储能容量的可靠性和经济性最优配置。
以配电网经济最优为目标的储能容量配置计算方案如图所示。
并网型微网系统的储能容量配置计算中以配电网可靠性为约束条件,以配电网经济性最优作为目标函数,储能容量优化模型如下:
min c=f(s)=f1(s)+f2(s)
其中:
c为目标函数,代表微电网建设运维总费用;
s为优化模型的变量,表示各分布式电源接入点处储能容量配置的一维数组;
f1(s)表示在储能容量为s的情况下进行微电网规划所得方案的总费用,包括变电站、线路等设备的建设和运维费用;
f2(s)表示容量为s的储能所需的建设和运维费用;根据储能的选型不同,所需费用也不同,需根据实际情况进行计算;
f3(s)表示与该方案下的网损,与实时电价相关。
约束条件①代表微电网及各用户要求的可靠性水平;
约束条件②代表电能质量等其他技术指标;
约束条件③表示储能容量s应满足分布式电源平滑波动和最大利用的容量限值要求。
Claims (2)
1.一种基于容量限值约束的微网储能装置设计方法,其特征是包括以下步骤:
S1,输入规划区分布式电源配置容量和储能装置的类型及分布情况;
S2,录入规划区负荷及历史天气数据;
S3,建立分布式电源出力模型和储能装置充放电模型;
S4,计算储能装置配置容量下限;
S5,计算储能装置配置容量上限;
S6,计算限值内储能装置配置容量最优值;
所述的步骤S3建立分布式电源出力模型和储能装置充放电模型包括以下子步骤:
S3-1,风力发电出力模型
采用典型四段式模型:在切入风速之前,风机不出力;在切入风速与额定风速之间,风机出力与风速近似为线性关系;风速超过额定风速小于切出风速时,风机出力为额定功率;大于切出风速时,风机停止工作;其分段函数表达式为:
式中:Pg为风机实际输出功率;V为当前风速;Vci为切入风速;Vco为切出风速;Vr为额定风速;η(V)为风力发电机随风速变化的输出功率;Pr为风力发电机组额定输出功率;
当风速介于Vci和Vcr之间时风力发电机输出功率表示为风速的函数η(V),近似为线性关系,即:
η(V)=Pr(V-Vci)/(Vr-Vci) (2);
S3-2,储能装置充放电模型
采用最常用的铅酸蓄电池为代表,建立KiBaM两池模型,认为蓄电池存储电量分为可用能量池和约束能量池,两池共同决定了蓄电池的最大充放电功率;
受控源Eb的表达式为:
式中:Eb是储能装置的空载电压;E0是储能装置的恒定电压;K是极化电压;Q是储能装置的容量(Ah);A是指数区域幅值;B是指数区域时间常数的倒数;
在储能装置容量设计过程中,还应满足如下约束条件:
1)潮流约束
式中:Pis、Qis分别为节点i的有功和无功注入量;Ui为节点i的电压幅值,j∈i表示所有与节点i直接相连的节点,包括j=i,Gij、Bij分别为节点导纳矩阵相应的实部和虚部;θij为支路ij两端节点的相角差;
2)分布式电源装机容量约束
0≤Wi≤Wi max i=1,2,…,NDG (5);
式中Wi max为第i个待选节点允许安装的分布式电源的最大容量;
3)分布式电源穿透功率极限约束
i=1,2,...,NDG (6);
式中:为配电网最大负荷;ρ为DWG总装机容量占系统最大负荷的比例上限;
4)节点电压约束
i=1,2,...,NDG (7);
式中:Pr{·}表示{·}中事件成立的概率;和分别为第i个节点电压的上下限;βu为电压约束的置信水平;Nb为系统节点总数;
5)线路传输功率约束
Pr{|Pi|≤Pi max}≥β1 i=1,2,...,NDG (8);
式中:Pi max为第i条支路线路的传输功率的上限;β1为支路潮流约束的置信水平;N1为系统支路总数。
2.根据权利要求1所述的基于容量限值约束的微网储能装置设计方法,其特征是:所述的步骤S4计算储能装置配置容量下限包括以下子步骤:
S4-1,风机储能装置容量配置
S4-1-1,计算统计时期内风机实际出力;
S4-1-2,对风机出力数据进行离散傅里叶变换,获得风机出力的幅频结果:
Sg=DFT(Pg)=[Sg[1],...,Sg[n],...,Sg[Ns]]T
(9);
fg=[fg[1],...,fg[n],...,fg[Ns]]T
式中,Pg=[Pg[1],...,Pg[n],...,Pg[Ns]]T代表风机功率输出样本数据;Pg[n]代表第n个采样点输出功率[kW],Ns代表采样点个数;DFT(Pg)代表对样本数据Pg进行离散傅里叶变换;Sg[n]=Rg[n]+Ig[n]i代表傅里叶变换结果中第n个频率fg[n]对应的幅值,Rg[n],Ig[n]分别代幅值的实部和虚部;fg为与Sg对应的频率列向量;
fg[n]=fs(n-1)/Ns=(n-1)/(TsNs) (10);
式中,fs,Ts分别为样本数据Pg的采样频率[Hz]和采样周期[s];由采样定理和离散傅里叶变换数据的对称性可知,Sg以Nyquist频率fN=fs/2为对称轴,两侧对称的复序列互为共轭、模相等,故只需要考虑0~fN频率范围的幅频特性;
S4-1-3,确定风机允许的最大波动率上限
假定在TE时间段内的功率波动率用FTE表示,其计算公式如下:
式中,Pn代表额定功率[kW]; 分别代表TE时间段内最大与最小输出功率[kW];判断目标功率输出是否满足要求,需保证波动率不超过设定的上限
风机出力波动率上限通过对风机实际波动率概率密度函数设置;
按照上述TE时间间隔,计算风机出力的波动率数据,统计得到其概率密度函数和可能出现的最大波动率;设定其可接受波动范围内的置信区间,从而确定储能装置可以平滑的最大波动率,该波动率与可能出现的最大波动率之差即为风机出力波动率上限;
S4-1-4,采用试差法,计算所需储能装置最大功率
假定fps代表依据频谱分析结果Dg确定的补偿频段,fps1代表Sg中以Nyquist频率fN为对称轴与fps对称的频段。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410592266.XA CN104361405A (zh) | 2014-10-28 | 2014-10-28 | 一种基于容量限值约束的微网储能装置设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410592266.XA CN104361405A (zh) | 2014-10-28 | 2014-10-28 | 一种基于容量限值约束的微网储能装置设计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104361405A true CN104361405A (zh) | 2015-02-18 |
Family
ID=52528663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410592266.XA Pending CN104361405A (zh) | 2014-10-28 | 2014-10-28 | 一种基于容量限值约束的微网储能装置设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104361405A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105226691A (zh) * | 2015-11-11 | 2016-01-06 | 重庆大学 | 一种孤立微电网混合储能优化配置方法 |
CN105262144A (zh) * | 2015-10-14 | 2016-01-20 | 国网河南省电力公司电力科学研究院 | 一种多组网形态的分布式电源优化调度控制方法 |
CN106340873A (zh) * | 2016-10-11 | 2017-01-18 | 上海交通大学 | 一种采用基于无向生成树的并行遗传算法的配网重构方法 |
CN108448574A (zh) * | 2018-03-23 | 2018-08-24 | 河海大学 | 一种风电场与光伏电场并网发电的容量优化配置方法 |
WO2018153116A1 (zh) * | 2017-02-21 | 2018-08-30 | 山东大学 | 计及非线性容量特性的分数阶KiBaM电池模型及参数辨识方法 |
CN109802411A (zh) * | 2017-11-15 | 2019-05-24 | 国家能源投资集团有限责任公司 | 储能系统控制的方法、装置和储能系统以及电力系统 |
CN110768264A (zh) * | 2019-11-25 | 2020-02-07 | 南通大学 | 一种提高风电功率调度可靠性的混合储能功率分配方法 |
CN110829473A (zh) * | 2019-11-08 | 2020-02-21 | 山东大学 | 考虑功率四象限输出的配电网储能优化配置方法及系统 |
CN111049197A (zh) * | 2019-11-22 | 2020-04-21 | 广东电网有限责任公司 | 一种低压配网储能装置配置方法、装置和设备 |
CN112039118A (zh) * | 2020-08-25 | 2020-12-04 | 广东电网有限责任公司广州供电局 | 微电网并网运行控制方法、装置、计算机设备及存储介质 |
CN114006392A (zh) * | 2021-11-01 | 2022-02-01 | 国网山东省电力公司广饶县供电公司 | 分布式电源系统储能节点容量需求估算系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102005771A (zh) * | 2010-12-23 | 2011-04-06 | 天津电力设计院 | 风、光、储微电网系统的储能容量选取方法 |
CN102244390A (zh) * | 2011-07-11 | 2011-11-16 | 天津大学 | 平滑微网联络线功率波动的储能系统容量优化方法 |
US20120156528A1 (en) * | 2010-12-21 | 2012-06-21 | John Cooley | Battery-capacitor hybrid energy storage system for high temperature applications |
WO2012093923A1 (en) * | 2011-01-06 | 2012-07-12 | Syed Sultan Ahmed | Green energy generator |
CN103001239A (zh) * | 2012-10-19 | 2013-03-27 | 广西电网公司 | 一种自治型微电网储能容量配置方法 |
CN103094926A (zh) * | 2013-01-09 | 2013-05-08 | 清华大学 | 一种用于微电网群的多元复合储能容量配置方法 |
KR20130074048A (ko) * | 2011-12-26 | 2013-07-04 | 주식회사 케이티 | 에너지 저장 장치의 soc 보정 방법 및 이를 이용하는 soc 보정 시스템 |
CN103401241A (zh) * | 2013-08-15 | 2013-11-20 | 中国能源建设集团广东省电力设计研究院 | 基于dg自组网策略的微电网运行模式平滑切换的控制方法 |
CN103490410A (zh) * | 2013-08-30 | 2014-01-01 | 江苏省电力设计院 | 一种基于多目标优化的微电网规划和容量配置方法 |
CN103903073A (zh) * | 2014-04-23 | 2014-07-02 | 河海大学 | 一种含分布式电源及储能的微电网优化规划方法及系统 |
CN104092231A (zh) * | 2014-06-27 | 2014-10-08 | 上海电力学院 | 一种独立微网混和储能容量优化配置方法 |
-
2014
- 2014-10-28 CN CN201410592266.XA patent/CN104361405A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120156528A1 (en) * | 2010-12-21 | 2012-06-21 | John Cooley | Battery-capacitor hybrid energy storage system for high temperature applications |
CN102005771A (zh) * | 2010-12-23 | 2011-04-06 | 天津电力设计院 | 风、光、储微电网系统的储能容量选取方法 |
WO2012093923A1 (en) * | 2011-01-06 | 2012-07-12 | Syed Sultan Ahmed | Green energy generator |
CN102244390A (zh) * | 2011-07-11 | 2011-11-16 | 天津大学 | 平滑微网联络线功率波动的储能系统容量优化方法 |
KR20130074048A (ko) * | 2011-12-26 | 2013-07-04 | 주식회사 케이티 | 에너지 저장 장치의 soc 보정 방법 및 이를 이용하는 soc 보정 시스템 |
CN103001239A (zh) * | 2012-10-19 | 2013-03-27 | 广西电网公司 | 一种自治型微电网储能容量配置方法 |
CN103094926A (zh) * | 2013-01-09 | 2013-05-08 | 清华大学 | 一种用于微电网群的多元复合储能容量配置方法 |
CN103401241A (zh) * | 2013-08-15 | 2013-11-20 | 中国能源建设集团广东省电力设计研究院 | 基于dg自组网策略的微电网运行模式平滑切换的控制方法 |
CN103490410A (zh) * | 2013-08-30 | 2014-01-01 | 江苏省电力设计院 | 一种基于多目标优化的微电网规划和容量配置方法 |
CN103903073A (zh) * | 2014-04-23 | 2014-07-02 | 河海大学 | 一种含分布式电源及储能的微电网优化规划方法及系统 |
CN104092231A (zh) * | 2014-06-27 | 2014-10-08 | 上海电力学院 | 一种独立微网混和储能容量优化配置方法 |
Non-Patent Citations (3)
Title |
---|
洪博文等: "微电网多目标动态优化调度模型与方法", 《电力自动化设备》 * |
王成山等: "平滑可再生能源发电系统输出波动的储能系统容量优化方法", 《中国电机工程学报》 * |
王理厦: "分布式发电单元储能定容研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105262144A (zh) * | 2015-10-14 | 2016-01-20 | 国网河南省电力公司电力科学研究院 | 一种多组网形态的分布式电源优化调度控制方法 |
CN105262144B (zh) * | 2015-10-14 | 2017-09-08 | 国网河南省电力公司电力科学研究院 | 一种多组网形态的分布式电源优化调度控制方法 |
CN105226691A (zh) * | 2015-11-11 | 2016-01-06 | 重庆大学 | 一种孤立微电网混合储能优化配置方法 |
CN105226691B (zh) * | 2015-11-11 | 2017-11-24 | 重庆大学 | 一种孤立微电网混合储能优化配置方法 |
CN106340873A (zh) * | 2016-10-11 | 2017-01-18 | 上海交通大学 | 一种采用基于无向生成树的并行遗传算法的配网重构方法 |
US11526639B2 (en) | 2017-02-21 | 2022-12-13 | Shandong University | Fractional-order KiBaM battery model considering nonlinear capacity characteristics and parameter identification method |
WO2018153116A1 (zh) * | 2017-02-21 | 2018-08-30 | 山东大学 | 计及非线性容量特性的分数阶KiBaM电池模型及参数辨识方法 |
CN109802411B (zh) * | 2017-11-15 | 2021-07-13 | 国家能源投资集团有限责任公司 | 储能系统控制的方法、装置和储能系统以及电力系统 |
CN109802411A (zh) * | 2017-11-15 | 2019-05-24 | 国家能源投资集团有限责任公司 | 储能系统控制的方法、装置和储能系统以及电力系统 |
CN108448574A (zh) * | 2018-03-23 | 2018-08-24 | 河海大学 | 一种风电场与光伏电场并网发电的容量优化配置方法 |
CN110829473A (zh) * | 2019-11-08 | 2020-02-21 | 山东大学 | 考虑功率四象限输出的配电网储能优化配置方法及系统 |
CN111049197A (zh) * | 2019-11-22 | 2020-04-21 | 广东电网有限责任公司 | 一种低压配网储能装置配置方法、装置和设备 |
CN111049197B (zh) * | 2019-11-22 | 2021-09-24 | 广东电网有限责任公司 | 一种低压配网储能装置配置方法、装置和设备 |
CN110768264A (zh) * | 2019-11-25 | 2020-02-07 | 南通大学 | 一种提高风电功率调度可靠性的混合储能功率分配方法 |
CN112039118A (zh) * | 2020-08-25 | 2020-12-04 | 广东电网有限责任公司广州供电局 | 微电网并网运行控制方法、装置、计算机设备及存储介质 |
CN112039118B (zh) * | 2020-08-25 | 2021-11-02 | 广东电网有限责任公司广州供电局 | 微电网并网运行控制方法、装置、计算机设备及存储介质 |
CN114006392A (zh) * | 2021-11-01 | 2022-02-01 | 国网山东省电力公司广饶县供电公司 | 分布式电源系统储能节点容量需求估算系统 |
CN114006392B (zh) * | 2021-11-01 | 2023-07-14 | 国网山东省电力公司广饶县供电公司 | 分布式电源系统储能节点容量需求估算系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104361405A (zh) | 一种基于容量限值约束的微网储能装置设计方法 | |
García-Triviño et al. | Optimized operation combining costs, efficiency and lifetime of a hybrid renewable energy system with energy storage by battery and hydrogen in grid-connected applications | |
Chen | Optimum capacity determination of stand-alone hybrid generation system considering cost and reliability | |
Hartmann et al. | Cooperation of a grid-connected wind farm and an energy storage unit—Demonstration of a simulation tool | |
CN104852399B (zh) | 光储微网系统的储能容量动态优化方法 | |
CN109038560B (zh) | 基于运行策略的配电网分布式储能经济性评价方法和系统 | |
Menconi et al. | Energy sovereignty in Italian inner areas: Off-grid renewable solutions for isolated systems and rural buildings | |
CN112736973A (zh) | 平抑风电、光伏电站出力波动的电池储能容量配置方法及系统 | |
Wang et al. | A hierarchical control algorithm for managing electrical energy storage systems in homes equipped with PV power generation | |
Astero et al. | Improvement of RES hosting capacity using a central energy storage system | |
Kelepouris et al. | Impact of demand side management on the self-sufficiency and self-consumption of buildings with photovoltaic and storage systems | |
Ma et al. | Optimal renewable energy farm and energy storage sizing method for future hybrid power system | |
Bozchalui et al. | Operation strategies for energy storage systems in distribution networks | |
CN110323779B (zh) | 一种分布式发电与储能装置的功率动态聚合的方法和系统 | |
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 | |
Wang et al. | Adequacy assessment of generating systems incorporating wind, PV and energy storage | |
Ma et al. | Coordination of generation and transmission planning for power system with large wind farms | |
CN109004642B (zh) | 用于平抑分布式电源功率波动的配网分布式储能评价方法 | |
Skander-Mustapha et al. | Energy management of rooftop PV system including battery storage: case study of ENIT building | |
Wee et al. | Design of a renewable—Hybrid energy storage power scheme for short-term power dispatch | |
Hu et al. | Planning of Microgrid considering power quality constraints | |
Barton et al. | Energy storage and its use with wind power | |
Fang et al. | Dynamic equivalence of wind farm considering operational condition of wind turbines | |
CN114004390A (zh) | 计及风电外送及投资风险的储能系统容量规划方法 | |
Matsuo et al. | Grid-connected electric-power control algorithm for promoting the introduction of renewable energy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150218 |
|
WD01 | Invention patent application deemed withdrawn after publication |