CN104538983A - 一种面向系统调控需求的储能系统最优配置方法 - Google Patents
一种面向系统调控需求的储能系统最优配置方法 Download PDFInfo
- Publication number
- CN104538983A CN104538983A CN201510038095.0A CN201510038095A CN104538983A CN 104538983 A CN104538983 A CN 104538983A CN 201510038095 A CN201510038095 A CN 201510038095A CN 104538983 A CN104538983 A CN 104538983A
- Authority
- CN
- China
- Prior art keywords
- energy
- storage system
- discharge
- power
- wind
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 203
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000011217 control strategy Methods 0.000 claims abstract description 4
- 230000005611 electricity Effects 0.000 claims description 62
- 230000033228 biological regulation Effects 0.000 claims description 16
- 230000006855 networking Effects 0.000 claims description 12
- 230000003449 preventive effect Effects 0.000 claims description 10
- 230000007613 environmental effect Effects 0.000 claims description 8
- 238000010348 incorporation Methods 0.000 claims description 8
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000007599 discharging Methods 0.000 claims description 6
- 239000002803 fossil fuel Substances 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 5
- 238000011234 economic evaluation Methods 0.000 claims description 5
- 238000010248 power generation Methods 0.000 claims description 5
- 238000011161 development Methods 0.000 claims description 4
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 230000001276 controlling effect Effects 0.000 claims description 3
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000000116 mitigating effect Effects 0.000 claims description 3
- 238000012986 modification Methods 0.000 claims description 3
- 230000004048 modification Effects 0.000 claims description 3
- 230000003750 conditioning effect Effects 0.000 claims description 2
- 238000013210 evaluation model Methods 0.000 abstract 1
- 230000002035 prolonged effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 10
- 238000013461 design Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 229910001416 lithium ion Inorganic materials 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- YEHCICAEULNIGD-MZMPZRCHSA-N pergolide Chemical compound C1=CC([C@H]2C[C@@H](CSC)CN([C@@H]2C2)CCC)=C3C2=CNC3=C1 YEHCICAEULNIGD-MZMPZRCHSA-N 0.000 description 1
- 229940088507 permax Drugs 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 1
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
- H02J3/28—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
-
- H02J3/386—
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Abstract
本发明涉及一种面向系统调控需求的储能系统最优配置方法,其特点是:从风电对整个电网功率的不平衡性角度出发,调控风电场群输出功率不超出整个电网功率平衡目标的同时,在剩余的电网可利用空间下,设定储能系统放电区间,基于SOC分层控制策略,对储能系统能量进行优化管理,实时修正储能系统充放电功率,优化储能系统工作性能,并建立风储运行经济性评估模型,以综合收益最大为目标,确定最佳储能系统放电区间,优化储能系统容量,延长其使用寿命,提高新能源电量的入网规模,有效利用电网可接纳风电空间。
Description
技术领域
本发明涉及风力发电技术领域,是一种面向系统调控需求的储能系统最优配置方法。
背景技术
目前,我国面临着能源枯竭与环境污染的双重压力,开发利用可再生能源获得广泛关注。《中国的能源政策(2012)》白皮书提出我国要大力发展新能源和可再生能源,实现2020年非化石能源消费比重达到15%的目标。而风力发电因其环境友好在全球范围内得到迅猛发展,截至2013年,全球风电年新增总装机容量35GW,累计装机容量已达318GW。然而,随着风电并网规模的扩大,风电功率的随机性和间歇性使得既有电网有功功率调节能力下降,制约了系统接纳风电的能力,导致大量弃风现象出现。
储能系统具有快速充放电能力,能够动态吸收能量并适时释放,因此可以有效优化调控风电功率,在提高风电入网规模的同时,保障电力系统安全运行。然而,由于储能系统投资成本高,极大限制储能系统的配置容量,从而影响了储能系统的调控性能。因此设计合理的储能系统运行控制方法对储能系统运行具有重大意义。
发明内容
本发明所要解决的技术问题是,从风电对整个电网功率的不平衡性角度出发,提出一种面向电力系统调控需求的储能系统最优配置方法,该方法综合考虑了储能系统成本、寿命、多接纳风电收益等因素,以综合收益最大为目标,来确定储能系统容量。
解决其技术问题采用的方案是,一种面向系统调控需求的储能系统最优配置方法,其特征是,调控风电场群输出功率不超出整个电网功率平衡目标的同时,在剩余的电网可利用空间下,设定储能系统放电区间,基于SOC分层控制策略,对储能系统能量进行优化管理,实时修正储能系统充放电功率,优化储能系统工作性能,建立风储运行经济性评估模型,以综合收益最大为目标,确定最佳所需储能系统放电区间,优化储能系统容量,延长其使用寿命,提高新能源电量的入网规模,有效利用电网可接纳风电空间,它包括以下步骤:
1)储能系统放电区间的设定
在接纳风电功率后未突破电网可利用空间极限值的时段,设定储能系统的放电区间α,0≤α<100%,即储能系统放电功率与接纳风电后剩余的空间比值为α;若系统无剩余可利用空间时α=1,若储能系统不放电α=0;基于放电区间α的储能系统充放电功率如下:
其中PESS(t)为t时刻储能系统充放电功率;Pwd(t)、分别为t时刻风电场群实际输出功率之和以及风电可运行域极值;α为储能系统的放电区间;
面向系统需求区间的储能系统充放电能量Et以及储能系统在各调度时段结束后充放电累积容量Wt如下所示:
其中t1,t2分别为充放电的起始与结束时刻;ηcharge,ηdischarge分别为储能系统的充放电效率;PESS为储能系统充放电功率;E0为储能系统初始能量;风电场群所需配置储能系统容量Wopt如下所示:
Wopt=max{Wt}-min{Wt},t=1,2,…,N (4)
其中max{Wt}为各调度时段累计容量最大值,min{Wt}为各调度时段累计容量最小值,N为储能系统总控制时段;
2)SOC分层控制策略
构建SOC分层控制策略,对储能系统充放电功率进行实时修正,确保储能系统具有良好工作性能;将储能系统SOC按照充放电能力分为以下五个层次:不充电紧急层、少充电预防层、正常充放电安全层、少放电预防层、不放电紧急层;储能系统充放电能量需求值PESS,经储能能量管理系统确定的修正系数KSOC进行动态调整,得到储能系统实际充放电指令PSOC_ESS;KSOC值与Sigmoid函数特性类似,因此利用Sigmoid函数对其进行修正,具体表达如下所示:
储能系统处于充电状态下,PESS(t)>0
xc=(S-Smax)/(Spre_max-Smax) (6)
储能系统处于放电状态下,PESS(t)<0
xf=(S-Smin)/(Spre_min-Smin) (8)
经调整系数KSOC修正确定储能系统实际充放电功率PSOC_ESS(t)为:
PSOC_ESS(t)=KSOCPESS(t) (9)
其中S为储能系统的荷电状态;Smax为不充电紧急层的下限;Smax、Spre_max为少充电预防层的上下限;Spre_max、Spre_min为正常充放电安全层的上下限;Smin为少放电预防层的下限;Xc为储能系统充电状态下计算KSOC的系数;Xf为储能系统放电状态下计算KSOC的系数;
3)风储系统经济性评估模型
评估模型以风储运行最终收益最大为目标,其目标函数表示如下:
max(Rincome-Tinvest) (10)
其中Rincome为储能系统总收益费用,Tinvest为储能系统投资费用;
模型的投资主要由储能系统容量投资与其运行维护费用两部分组成,表示为:
Tinvest=WoptP+WoptMn (11)
其中,P为储能系统的单位容量价格;M为储能系统年运行维护费用;n为储能系统的运行年限;
模型的收益主要分为配置储能系统多接纳的电量收益,储能系统存储能量改变量收益以及减少化石燃料发电的气体排放量所带来的环境保护收益三部分;
采用储能系统面向系统需求的控制策略,多接纳电量收益Rsw为:
Rsw=EswIsw (12)
其中Esw为利用储能装置面向系统需求控制后电网多接纳的风电电量;Psw为利用储能装置面向系统需求调控后风场实际发电功率;Isw为风电上网电价;Pw为未安装储能装置风电场输出功率;t为每个调度日内的调度时段,Δt为调度时间,
储能系统在调度日内累计的存储电量的变化量Es,其带来存储电量收益Rs:
Rs=EsIs (14)
其中Is为储能电量上网电价,ET表示储能系统1个调度日内剩余电量;
风储电量的增加促进新能源开发利用,减少化石燃料用量与减排费用,为环境保护带来收益;具体环境收益RCO2为:
其中ICO2为传统发电机组产生单位电能所排放CO2的减排价格,mco2为1kW·h的电能向大气排放的CO2的质量。
本发明的面向系统调控需求的储能系统最有配置方法,通过对储能系统进行能量管理,基于SOC分层控制策略对确定储能系统充放电功率,在提高风电入网规模的同时,防止储能系统过度充电或过度放电,综合考虑了储能系统运行所产生的成本与收益,通过构建的储能系统经济性评估模型,确定所需储能系统最优放电区间。
附图说明
图1电网可接纳风电空间曲线示意图;
图2风电可运行域极值、风电场群实际出力曲线示意图;
图3设定放电区间的储能系统调控曲线示意图;
图4经储能系统平抑后的入网风电功率曲线示意图;
图5基于/不基于SOC分层控制策略储能系统充放电功率对比曲线示意图;
图6基于/不基于SOC分层控制策略储能系统SOC对比曲线示意图;
图7不同放电区间下储能系统综合收益曲线示意图;
图8不同放电区间下储能系统容量配置曲线示意图;
图9不同放电区间下储能系统最大放电功率曲线示意图。
具体实施方式
下面利用附图和实施例对本发明的面向系统调控需求的储能系统最优配置方法作进一步说明。
本实例以某省电网为例,选取由该省8个风电场组成的风电场群作为研究对象,其装机总量为1193MW;附图1为某一调度日各时段电网可接纳风电空间,附图2为风电可运行域极值、风电场群实际出力曲线,每个调度日由24个调度时段组成,采样间隔为5min。由于锂离子电池具有密度大、效率高、使用寿命长等优点,因此储能系统采用锂离子电池。设定储能系统运行年限为15年,其充放电效率为90%,初始荷电状态为0。并按每增加1kW·h新能源入网电量可减少0.98kgCO2排放量进行计算。
实施例计算条件说明如下:
1)储能系统的单位容量价格P=5.0×106元/MW·h
2)储能系统的年运行维护费用M=9.0×103元/MW·h/a
3)风电上网电价Isw=600元/MW·h
4)储能上网电价Is=600元/MW·h
5)CO2交易价格120元/t
在上述计算条件下,应用本发明的面向系统调控需求的储能系统最优配置方法的结果如下:
1.储能系统放电区间的设定
在给定计算条件下,本实施例设定放电区间的储能系统控制方法如附图3所示,其具体形式由以下公式给出:
其中PESS(t)为t时刻储能系统充放电功率;Pwd(t)、分别为t时刻风电场群实际输出功率之和以及风电可运行域极值;α为储能系统的放电区间;
面向系统需求区间的储能系统充放电能量Et以及储能系统在各调度时段结束后充放电累积容量Wt如下所示:
其中t1,t2分别为充放电的起始与结束时刻;ηcharge,ηdischarge分别为储能系统的充放电效率;PESS为储能系统充放电功率;E0为储能系统初始能量;风电场群所需配置储能系统容量Wopt如下所示:
Wopt=max{Wt}-min{Wt},t=1,2,…,N (4)
其中max{Wt}为各调度时段累计容量最大值,min{Wt}为各调度时段累计容量最小值,N为储能系统总控制时段;
附图4给出了当放电区间α=10%时经储能系统平抑后的入网风电功率。在风电场群不配置储能系统的运行情况下,1调度日内面向系统需求调度入网的风电量为9145.50MW·h,弃风量为562.87MW·h。配置储能系统的风电场群在1调度日内面向系统需求调控,调度入网的风电为9370.70MW·h,弃风量为108.91MW·h,相较于无储能系统运行的风电场群,风电入网规模增加了225.20MW·h,弃风量减少了80.7%,提高了风电入网规模,极大较少了弃风量。
2.SOC分层控制策略
在给定计算条件下,本实施例SOC分层控制策略的具体形式由以下公式给出:
储能系统处于充电状态下,PESS(t)>0
xc=(S-Smax)/(Spre_max-Smax) (6)
储能系统处于放电状态下,PESS(t)<0
xf=(S-Smin)/(Spre_min-Smin) (8)
经调整系数KSOC修正确定储能系统实际充放电功率PSOC_ESS(t)为:
PSOC_ESS(t)=KSOCPESS(t) (9)
其中S为储能系统的荷电状态;Smax为不充电紧急层的下限;Smax、Spre_max为少充电预防层的上下限;Spre_max、Spre_min为正常充放电安全层的上下限;Smin为少放电预防层的下限;Xc为储能系统充电状态下计算KSOC的系数;Xf为储能系统放电状态下计算KSOC的系数。
附图5给出了基于SOC分层控制策略与不基于SOC分层控制策略储能系统充放电功率对比示意图,附图5给出了相应的SOC曲线对比图。
由附图6可以看出,在某些调度时段内,基于SOC分层控制策略的储能系统充放电功率幅值相对较小,这是由于在这些时段内储能系统处于能量较高或较低状态,在基于SOC分层控制策略下,储能系统应减小充放电功率或禁止充放电,避免储能系统过冲过放,使其一直处于良好的工作状态下。从附图6可以看出,在不基于SOC分层控制策略下,储能系统出现满充现象。
3.储能系统经济性评估模型
在给定计算条件下,本实施例储能系统经济性评估模型的具体形式由以下公式给出:
评估模型以风储运行最终收益最大为目标,其目标函数表示如下:
max(Rincome-Tinvest) (10)
其中Rincome为储能系统总收益费用,Tinvest为储能系统投资费用;
模型的投资主要由储能系统容量投资与其运行维护费用两部分组成,表示为:
Tinvest=WoptP+WoptMn (11)
其中,P为储能系统的单位容量价格;M为储能系统年运行维护费用;n为储能系统的运行年限;
模型的收益主要分为配置储能系统多接纳的电量收益,储能系统存储能量改变量收益以及减少化石燃料发电的气体排放量所带来的环境保护收益三部分;
采用储能系统面向系统需求的控制策略,多接纳电量收益Rsw为:
Rsw=EswIsw (12)
其中Esw为利用储能装置面向系统需求控制后电网多接纳的风电电量;Psw为利用储能装置面向系统需求调控后风场实际发电功率;Isw为风电上网电价;Pw为未安装储能装置风电场输出功率;t为每个调度日内的调度时段,Δt为调度时间,
储能系统在调度日内累计的存储电量的变化量Es,其带来存储电量收益Rs:
Rs=EsIs (14)
其中Is为储能电量上网电价,ET表示储能系统1个调度日内剩余电量;
风储电量的增加促进新能源开发利用,减少化石燃料用量与减排费用,为环境保护带来收益;具体环境收益RCO2为:
其中为传统发电机组产生单位电能所排放CO2的减排价格,mco2为1kW·h的电能向大气排放的CO2的质量。
附图7、8分别给出了在不同放电区间下储能系统运行综合收益及其容量配置,其中设定α的评估步长为1%。随着α的增大,储能系统运行综合收益先增大后保持不变,储能所需配置的容量先减小后维持定值。这是因为当所需储能系统需求区间α为0时,储能系统只在风电功率超出风电可用电网空间极限值时刻动作,吸收超出的风电电量;而在其他时刻储能系统不动作放电,因此储能系统充电累计容量较大,导致所需储能配置容量较大;同时,储能系统不释放电量制约了新能源的入网电量,电量与环境效益的损失加上较大的储能投资成本使得风储运行经济效益较低。随着所需储能系统放电区间α的增大,储能系统在风电功率低于风电可用电网空间极限值时放电,储能系统累计容量减少的同时增加了新能源入网电量,从而所需储能配置容量降低而风储运行经济效益增加。但当α为7%及以上时,储能系统累计最大剩余电量不变,因此储能系统所需容量值恒定为334.70MW·h。同时当α为9%及以上时,利用储能系统多发电量不变,储能系统容量不变,因此储能系统综合收益值不变为0.65亿元。
附图9表示在不同α下,储能系统在各调度时段内最大放电功率。
储能系统最优容量配置为334.70MW·h,根据锂电池特性,其功率应为84.00MW,因此当α为30%时储能性能达到最优。
本发明具体实施方式的实施例,并非穷举,并不构成对权利要求保护范围的限定,本领域技术人员根据本发明实施例获得的启示,不经过创造性劳动就能够想到其它实质上等同的替代,均在本发明保护范围内。
Claims (1)
1.一种面向系统调控需求的储能系统最优配置方法,其特征是,调控风电场群输出功率不超出整个电网功率平衡目标的同时,在剩余的电网可利用空间下,设定储能系统放电区间,基于SOC分层控制策略,对储能系统能量进行优化管理,实时修正储能系统充放电功率,优化储能系统工作性能,建立风储运行经济性评估模型,以综合收益最大为目标,确定最佳所需储能系统放电区间,优化储能系统容量,延长其使用寿命,提高新能源电量的入网规模,有效利用电网可接纳风电空间,它包括以下步骤:
1)储能系统的放电区间设定
在接纳风电功率后未突破电网可利用空间极限值的时段,设定储能系统的放电区间α,0≤α<100%,即储能系统放电功率与接纳风电后剩余的空间比值为α;若系统无剩余可利用空间时α=1,若储能系统不放电α=0;基于放电区间α的储能系统充放电功率如下:
其中PESS(t)为t时刻储能系统充放电功率;Pwd(t)、分别为t时刻风电场群实际输出功率之和以及风电可运行域极值;α为储能系统的放电区间;
面向系统需求区间的储能系统充放电能量Et以及储能系统在各调度时段结束后充放电累积容量Wt如下所示:
其中t1,t2分别为充放电的起始与结束时刻;ηcharge,ηdischarge分别为储能系统的充放电效率;PESS为储能系统充放电功率;E0为储能系统初始能量;风电场群所需配置储能系统容量Wopt如下所示:
Wopt=max{Wt}-min{Wt},t=1,2,…,N (4)
其中max{Wt}为各调度时段累计容量最大值,min{Wt}为各调度时段累计容量最小值,N为储能系统总控制时段;
2)SOC分层控制策略
构建SOC分层控制策略,对储能系统充放电功率进行实时修正,确保储能系统具有良好工作性能;将储能系统SOC按照充放电能力分为以下五个层次:不充电紧急层、少充电预防层、正常充放电安全层、少放电预防层、不放电紧急层;储能系统充放电能量需求值PESS,经储能能量管理系统确定的修正系数KSOC进行动态调整,得到储能系统实际充放电指令PSOC_ESS;KSOC值与Sigmoid函数特性类似,因此利用Sigmoid函数对其进行修正,具体表达如下所示:
储能系统处于充电状态下,PESS(t)>0
xc=(S-Smax)/(Spre_max-Smax) (6)
储能系统处于放电状态下,PESS(t)<0
xf=(S-Smin)/(Spre_min-Smin) (8)
经调整系数KSOC修正确定储能系统实际充放电功率PSOC_ESS(t)为:
PSOC_ESS(t)=KSOCPESS(t) (9)
其中S为储能系统的荷电状态;Smax为不充电紧急层的下限;Smax、Spre_max为少充电预防层的上下限;Spre_max、Spre_min为正常充放电安全层的上下限;Smin为少放电预防层的下限;Xc为储能系统充电状态下计算KSOC的系数;Xf为储能系统放电状态下计算KSOC的系数;
3)风储系统经济性评估模型
评估模型以风储运行最终收益最大为目标,其目标函数表示如下:
max(Rincome-Tinvest) (10)
其中Rincome为储能系统总收益费用,Tinvest为储能系统投资费用;
模型的投资主要由储能系统容量投资与其运行维护费用两部分组成,表示为:
Tinvest=WoptP+WoptMn (11)
其中,P为储能系统的单位容量价格;M为储能系统年运行维护费用;n为储能系统的运行年限;
模型的收益主要分为配置储能系统多接纳的电量收益,储能系统存储能量改变量收益以及减少化石燃料发电的气体排放量所带来的环境保护收益三部分;
采用储能系统面向系统需求的控制策略,多接纳电量收益Rsw为:
Rsw=EswIsw (12)
其中Esw为利用储能装置面向系统需求控制后电网多接纳的风电电量;Psw为利用储能装置面向系统需求调控后风场实际发电功率;Isw为风电上网电价;Pw为未安装储能装置风电场输出功率;t为每个调度日内的调度时段,Δt为调度时间,
储能系统在调度日内累计的存储电量的变化量Es,其带来存储电量收益Rs:
Rs=EsIs (14)
其中Is为储能电量上网电价,ET表示储能系统1个调度日内剩余电量;
风储电量的增加促进新能源开发利用,减少化石燃料用量与减排费用,为环境保护带来收益;具体环境收益RCO2为:
其中ICO2为传统发电机组产生单位电能所排放CO2的减排价格,mco2为1kW·h的电能向大气排放的CO2的质量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510038095.0A CN104538983B (zh) | 2015-01-26 | 2015-01-26 | 一种面向系统调控需求的储能系统最优配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510038095.0A CN104538983B (zh) | 2015-01-26 | 2015-01-26 | 一种面向系统调控需求的储能系统最优配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104538983A true CN104538983A (zh) | 2015-04-22 |
CN104538983B CN104538983B (zh) | 2016-08-17 |
Family
ID=52854475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510038095.0A Active CN104538983B (zh) | 2015-01-26 | 2015-01-26 | 一种面向系统调控需求的储能系统最优配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104538983B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184406A (zh) * | 2015-09-07 | 2015-12-23 | 国网天津市电力公司 | 一种绿色数据中心备用能源系统优化设计方法 |
CN105932712A (zh) * | 2016-05-11 | 2016-09-07 | 成都欣维保科技有限责任公司 | 一种电压和功率可调节的智能分布式风力发电系统的监控方法 |
CN106058918A (zh) * | 2016-06-04 | 2016-10-26 | 东北电力大学 | 基于光伏接纳可行域的储能控制策略及经济性评价方法 |
CN106058904A (zh) * | 2016-06-30 | 2016-10-26 | 全球能源互联网研究院 | 一种储能型电动汽车充电桩容量匹配方法 |
CN106410833A (zh) * | 2016-08-11 | 2017-02-15 | 北京交通大学 | 一种提升可再生能源发电可调度性的复合储能控制方法 |
CN107947161A (zh) * | 2017-11-29 | 2018-04-20 | 清华大学 | 非补燃压缩空气储能系统的经济性评估方法及装置 |
CN108321447A (zh) * | 2018-01-31 | 2018-07-24 | 上海交通大学 | 基于荷电状态均衡逼近算法的多电池调度方法及系统 |
CN110417040A (zh) * | 2019-08-04 | 2019-11-05 | 国网吉林省电力有限公司电力科学研究院 | 一种大规模vrb优化运行的能量管理系统控制方法 |
CN111064210A (zh) * | 2019-12-12 | 2020-04-24 | 国网浙江省电力有限公司台州供电公司 | 增加新能源发电波动的海岛电网储能系统分层控制方法 |
CN112785068A (zh) * | 2021-01-29 | 2021-05-11 | 西安峰频能源科技有限公司 | 一种超短期电量预测的最优窗口模型 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103972926A (zh) * | 2014-05-20 | 2014-08-06 | 东北电力大学 | 一种基于调整电池荷电状态的储能系统容量配置方法 |
WO2014123189A1 (ja) * | 2013-02-08 | 2014-08-14 | 日本電気株式会社 | 電池制御装置、電池制御システム、電池制御方法、および記録媒体 |
-
2015
- 2015-01-26 CN CN201510038095.0A patent/CN104538983B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014123189A1 (ja) * | 2013-02-08 | 2014-08-14 | 日本電気株式会社 | 電池制御装置、電池制御システム、電池制御方法、および記録媒体 |
CN103972926A (zh) * | 2014-05-20 | 2014-08-06 | 东北电力大学 | 一种基于调整电池荷电状态的储能系统容量配置方法 |
Non-Patent Citations (1)
Title |
---|
李军徽,朱星旭,严干贵,穆钢,葛维春: "抑制风电并网影响的储能系统调峰控制策略设计", 《中国电力》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184406B (zh) * | 2015-09-07 | 2019-02-22 | 国网天津节能服务有限公司 | 一种绿色数据中心备用能源系统优化设计方法 |
CN105184406A (zh) * | 2015-09-07 | 2015-12-23 | 国网天津市电力公司 | 一种绿色数据中心备用能源系统优化设计方法 |
CN105932712A (zh) * | 2016-05-11 | 2016-09-07 | 成都欣维保科技有限责任公司 | 一种电压和功率可调节的智能分布式风力发电系统的监控方法 |
CN106058918A (zh) * | 2016-06-04 | 2016-10-26 | 东北电力大学 | 基于光伏接纳可行域的储能控制策略及经济性评价方法 |
CN106058904A (zh) * | 2016-06-30 | 2016-10-26 | 全球能源互联网研究院 | 一种储能型电动汽车充电桩容量匹配方法 |
CN106058904B (zh) * | 2016-06-30 | 2022-04-29 | 全球能源互联网研究院 | 一种储能型电动汽车充电桩容量匹配方法 |
CN106410833B (zh) * | 2016-08-11 | 2019-06-07 | 北京交通大学 | 一种提升可再生能源发电可调度性的复合储能控制方法 |
CN106410833A (zh) * | 2016-08-11 | 2017-02-15 | 北京交通大学 | 一种提升可再生能源发电可调度性的复合储能控制方法 |
CN107947161A (zh) * | 2017-11-29 | 2018-04-20 | 清华大学 | 非补燃压缩空气储能系统的经济性评估方法及装置 |
CN108321447A (zh) * | 2018-01-31 | 2018-07-24 | 上海交通大学 | 基于荷电状态均衡逼近算法的多电池调度方法及系统 |
CN108321447B (zh) * | 2018-01-31 | 2020-09-29 | 上海交通大学 | 基于荷电状态均衡逼近算法的多电池调度方法及系统 |
CN110417040A (zh) * | 2019-08-04 | 2019-11-05 | 国网吉林省电力有限公司电力科学研究院 | 一种大规模vrb优化运行的能量管理系统控制方法 |
CN111064210A (zh) * | 2019-12-12 | 2020-04-24 | 国网浙江省电力有限公司台州供电公司 | 增加新能源发电波动的海岛电网储能系统分层控制方法 |
CN111064210B (zh) * | 2019-12-12 | 2021-09-14 | 国网浙江省电力有限公司台州供电公司 | 增加新能源发电波动的海岛电网储能系统分层控制方法 |
CN112785068A (zh) * | 2021-01-29 | 2021-05-11 | 西安峰频能源科技有限公司 | 一种超短期电量预测的最优窗口模型 |
CN112785068B (zh) * | 2021-01-29 | 2023-08-22 | 西安峰频能源科技有限公司 | 一种超短期电量预测的最优窗口模型建立方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104538983B (zh) | 2016-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104538983B (zh) | 一种面向系统调控需求的储能系统最优配置方法 | |
CN108667052B (zh) | 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统 | |
CN104362677B (zh) | 一种主动配电网优化配置结构及其配置方法 | |
CN102005771B (zh) | 风、光、储微电网系统的储能容量选取方法 | |
CN102436607B (zh) | 电动汽车换电站充电功率的多时间尺度决策方法 | |
CN106160091B (zh) | 促进可再生能源消纳的电动汽车换电站充放电调度方法 | |
CN104410092B (zh) | 一种多元互补新能源发电系统的能量协调优化方法 | |
US20160064934A1 (en) | Optimization method for independent micro-grid system | |
CN108520314A (zh) | 结合v2g技术的主动配电网调度方法 | |
CN105048516A (zh) | 一种风光水火多源互补优化调度方法 | |
CN102509176B (zh) | 一种风光储协同调度的滚动优化决策方法 | |
CN105226688A (zh) | 基于机会约束模型的多类型储能系统容量优化配置方法 | |
CN103151803A (zh) | 一种含风电系统机组及备用配置的优化方法 | |
CN111244991B (zh) | 一种考虑电池寿命的储能电站运行控制方法及系统 | |
CN108539793A (zh) | 一种海岛微电网综合优化配置方法及装置 | |
CN103606913B (zh) | 分布式混合发电系统电源规划方法 | |
CN110783959B (zh) | 一种新能源发电系统的稳定状态控制系统 | |
CN106026149A (zh) | 一种考虑电网备用容量配置与风电利用率的电动汽车优化调度方法 | |
CN113489004B (zh) | 一种多能源供电系统经济运行的优化方法 | |
Jiao et al. | Greenhouse gas emissions from hybrid energy storage systems in future 100% renewable power systems–A Swedish case based on consequential life cycle assessment | |
CN106026145A (zh) | 基于跟踪计划出力的储能配置优化方法 | |
CN107453402A (zh) | 一种降低含风储一体化电站电力系统运行风险的优化调度模型 | |
CN110165715B (zh) | 一种将电动汽车储能式充电站接入虚拟电厂的方法 | |
CN109038668B (zh) | 一种基于弃风利用的塔筒电梯供电方法及储能系统 | |
CN103001259B (zh) | 一种基于退火算法的并网型微电网优化调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |