CN104638772B - 基于风功率预测的电池储能电站能量管理方法 - Google Patents
基于风功率预测的电池储能电站能量管理方法 Download PDFInfo
- Publication number
- CN104638772B CN104638772B CN201310566349.7A CN201310566349A CN104638772B CN 104638772 B CN104638772 B CN 104638772B CN 201310566349 A CN201310566349 A CN 201310566349A CN 104638772 B CN104638772 B CN 104638772B
- Authority
- CN
- China
- Prior art keywords
- soc
- energy storage
- wind power
- value
- 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.)
- Active
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 153
- 238000007726 management method Methods 0.000 title claims abstract description 23
- 230000005611 electricity Effects 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 11
- 240000002853 Nelumbo nucifera Species 0.000 claims description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 2
- 238000003860 storage Methods 0.000 abstract description 13
- 238000011217 control strategy Methods 0.000 abstract 1
- 238000000205 computational method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 229910052744 lithium Inorganic materials 0.000 description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 206010008190 Cerebrovascular accident Diseases 0.000 description 1
- 239000005955 Ferric phosphate Substances 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 235000018734 Sambucus australis Nutrition 0.000 description 1
- 244000180577 Sambucus australis Species 0.000 description 1
- 208000006011 Stroke Diseases 0.000 description 1
- BNOODXBBXFZASF-UHFFFAOYSA-N [Na].[S] Chemical compound [Na].[S] BNOODXBBXFZASF-UHFFFAOYSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 229940032958 ferric phosphate Drugs 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- WBJZTOZJJYAKHQ-UHFFFAOYSA-K iron(3+) phosphate Chemical compound [Fe+3].[O-]P([O-])([O-])=O WBJZTOZJJYAKHQ-UHFFFAOYSA-K 0.000 description 1
- 229910000399 iron(III) phosphate Inorganic materials 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- OGFXBIXJCWAUCH-UHFFFAOYSA-N meso-secoisolariciresinol Natural products C1=2C=C(O)C(OC)=CC=2CC(CO)C(CO)C1C1=CC=C(O)C(OC)=C1 OGFXBIXJCWAUCH-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229910052720 vanadium Inorganic materials 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
-
- 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
- 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
-
- 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
-
- 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
本发明提出了一种基于风功率预测的电池储能电站能量管理方法,包括如下步骤:首先获取风电功率的日前预测值、当前实际风电功率值以及当前各储能机组的可控状态值和荷电状态值;然后基于风电功率的日前预测值,分别计算风电功率预测上、下限特征值;最后通过有限状态机控制模块实时修正风储联合出力控制目标,并确定电池储能电站总功率需求值;所述有限状态机控制模块包括储能SOC有限状态机和风电功率有限状态机。该发明将风功率短期预测值考虑到电池储能电站控制策略中,实现基于风电预测功率的电池储能电站功率协调控制及存储能量的优化管理。
Description
技术领域
本发明属于智能电网以及能量存储与转换技术领域,具体涉及一种考虑风功率日前预测的电池储能电站控制方法,尤其适用于各种规模的风储联合发电系统中风储功率的协调控制及电池储能系统的能量管理,以实现基于储能系统提高风功率预测能力。
背景技术
国家风光储输示范工程是国家电网公司建设坚强智能电网首批试点工程,以“电网友好型”新能源发电为目标,以“先进性、灵活性、示范性、经济性”为特点,是目前世界上规模最大、集风电、光伏发电、储能及输电工程四位一体的可再生能源综合示范工程。其中,国家风光储输示范工程(一期)拟建设风电100MW、光伏发电40MW和储能装置20MW(包含14MW磷酸铁锂电池储能系统、2MW全钒液流电池储能系统、4MW钠硫电池储能系统)。
随着储能电池及其集成技术的不断发展,应用电池储能电站去实现平滑风光功率输出、跟踪计划发电、参与系统调频、削峰填谷、暂态有功出力紧急响应、暂态电压紧急支撑等多种应用,已成为了一种可行方案。
随着风电场并网规模的逐渐加大,为规范风电场并网运行及风电并网调度管理,近年相继出台了风电场功率预测预报及风电场并网运行相关的管理办法和实施细则,与风电场配套的风功率预测系统也在普及应用。基于风功率的日前预测结果,网调部门可以合理制定风电场发电计划,优化日前机组组合,减少电力系统的旋转备用容量。在风电场与储能电站联合发电并网运行时,应用储能系统提高风电场预测功率,将有助于提高风储系统以及电网运行的经济性。其中关键问题之一是掌握基于风功率预测的风储联合发电系统优化控制方法。
从电池储能系统的角度来说,其充放电功率和储能容量有限,且过度的充电和过度的放电都将对储能电池的寿命造成影响。因此,监控好储能电池荷电状态,优化控制实时风储功率,并将储能电池的荷电状态控制在一定范围内是必要的。
目前正在探索基于风功率预测的风储联合发电系统的功率实时控制及能量管理方法,需要结合电池储能电站的运行特性及储能电池特性,深入研究和探索基于功率预测的大规模风储联合发电系统并网运行控制的核心技术,解决大规模风储联合发电站的协调控制及能量管理中的关键问题。现有的大规模电池储能系统/电站的功率控制与能量管理方法中,一般不将储能电池的充放电倍率特性计入约束条件进行能量管理,因此,有时会存在不能充分发挥不同类型储能系统的互补特性优势,影响电池使用寿命等弊端。
发明内容
针对上述问题,本发明的目的在于公开一种基于风功率短期预测的电池储能电站能量管理方法,该方法在实时满足风电功率预测误差要求的同时,具备可以优化电池储能电站工作效率及能量存储状态的功能,以确保电池储能电站稳定、可靠运行的控制目的。
本发明的控制方法是通过如下技术方案实现的:
一种基于风功率预测的电池储能电站能量管理方法,包括以下步骤:
步骤1)获取风电功率的日前预测值、当前实际风电功率值以及当前各储能机组的荷电状态值;
步骤2)基于风电功率的日前预测值,分别计算风电功率预测上、下限特征值;
步骤3)通过有限状态机控制模块实时修正风储联合出力控制目标,并确定电池储能电站总功率需求值;所述有限状态机控制模块包括储能SOC有限状态机和风电功率有限状态机。
进一步地,所述步骤2)具体包括:
所述风电功率预测上限特征值为风电功率的日前预测值与预设的风电功率最大误差上限值的乘积,所述风电功率预测下限特征值为风电功率日前预测值与预设的风电功率最大误差下限值的乘积。
进一步地,所述步骤3)具体包括:
1)在储能SOC有限状态机中设置如下三种状态:
“SOC状态A”:储能机组的荷电状态值小于SOClow的状态;
“SOC状态B”:储能机组的荷电状态值介于SOCmin1、SOCmin2之间的状态;
“SOC状态C”:储能机组的荷电状态值大于SOChigh的状态;
其中,SOClow<SOCmin1<SOCmin2<SOChigh,所述SOChigh、SOClow分别为预设的储能机组荷电状态上、下限值,SOCmin1和SOCmin2为预设的储能机组荷电状态理想值;
2)在风电功率有限状态机中设置如下三种状态:
“风电状态A”:当前实际风电功率值小于风电功率预测下限特征值的状态;
“风电状态B”:当前实际风电功率值介于风电功率预测上、下限特征值之间的状态;
“风电状态C”:当前实际风电功率值大于风电功率预测上限特征值的状态。
当风电功率有限状态机中的风电功率处于“风电状态A”时,通过下述方法计算电池储能电站总功率需求值:
A1)当前储能机组的荷电状态值处于“SOC状态A”时,电池储能电站总功率需求值为当前风电功率预测下限特征值乘以预测下限功率修正系数后,减去当前实际风电功率值;
A2)当前储能机组的荷电状态值处于“SOC状态B”时:电池储能电站总功率需求值为当前风电功率预测下限特征值减去当前实际风电功率值;
A3)当前储能机组的荷电状态值处于“SOC状态C”时:电池储能电站总功率需求值为当前风电功率预测上限特征值乘以预测上限功率修正系数后,减去当前实际风电功率值;
当风电功率有限状态机中风电功率处于“风电状态B”时,通过下述方法计算电池储能电站总功率需求值:
B1)当前储能机组的荷电状态值处于“SOC状态A”时:电池储能电站总功率需求值为当前风电功率预测下限特征值减去当前实际风电功率值;
B2)当前储能机组的荷电状态值处于“SOC状态B”时:电池储能电站总功率需求值为零;
B3)当前储能机组的荷电状态值处于“SOC状态C”时:电池储能电站总功率需求值为当前风电功率预测上限特征值减去当前实际风电功率值;
当风电功率有限状态机中风电功率处于“风电状态C”时,通过下述方法计算电池储能电站总功率需求值:
C1)当前储能SOC处于“SOC状态A”时:电池储能电站总功率需求值为当前风电功率预测下限特征值乘以预测下限功率修正系数后,减去当前实际风电功率值;
C2)当前储能SOC处于“SOC状态B”时:电池储能电站总功率需求值为当前风电功率预测上限特征值减去当前实际风电功率值;
C3)当前储能SOC处于“SOC状态C”时:电池储能电站总功率需求值为当前风电功率预测上限特征值乘以预测上限功率修正系数后,减去当前实际风电功率值。
与现有技术相比,本发明达到的有益效果是:
本发明提供一种基于风功率短期预测的电池储能电站能量管理方法,具有可兼顾风功率预测误差、储能系统的荷电状态,从而可实现电池储能电站长期、稳定运行。该方法主要是结合风功率预测结果、风功率允许误差范围、储能电池SOC,应用储能SOC有限状态机和风电功率有限状态机,对电池储能电站的充放电功率和存储能量状态进行实时调节,实现了基于风功率预测结果对电池储能电站充放电功率需求的实时优化控制的同时,优化了电池储能电站能量管理。
附图说明
图1是本发明钟兆瓦级锂离子电池储能电站实施例的系统示意图;
图2是本发明基于风功率预测的电池储能电站能量管理方法实施例的流程图。
具体实施方式
本发明的控制方法可以应用于电池储能电站的协调控制与能量管理中,下面结合附图对本发明的控制方法作进一步的详细说明。
如图1所示,锂电池储能电站中包括双向变流器和多个锂电池储能机组,通过双向变流器可执行对锂电池储能机组的启停控制及充放电功率指令等。
如图2所示为基于风功率预测的电池储能电站能量管理方法流程图,包含下列步骤:
步骤1)获取风电功率的日前预测值、当前实际风电功率值以及当前各储能机组的荷电状态值等数据;
步骤2)通过日前预测曲线直接读取风电功率的日前预测值,并进一步通过下式(1)-(2)计算风电功率预测误差特征值,该预测误差特征值包括风电功率预测上限特征值P预测上限和风电功率预测下限特征值P预测下限:
P预测上限=(1+ε上限)P预测 (1)
P预测下限=(1-ε下限)P预测 (2)
上述公式中,P预测为风电功率的日前预测值、ε上限为风电功率最大误差上限值、ε下限为风电功率最大误差下限值。ε上限、ε下限是根据最大允许误差值预先设定的,取值范围分别在[0,1]之间;例如,当风功率预测的最大允许误差值为25%时,则ε上限和ε下限的取值为0.25。
步骤3)基于风电功率预测误差特征值以及当前各电池储能机组的荷电状态值,通过有限状态机控制模块实时修正风储联合出力控制目标,并确定电池储能电站总功率需求。据此,基于风电预测功率实现电池储能电站存储能量的优化控制与管理。所述电池储能电站总功率需求值的计算方法如下:
所述有限状态机控制模块中包括两种有限状态机,分别为储能SOC有限状态机及风电功率有限状态机。
(1)在储能SOC有限状态机中设置如下三种状态:
“SOC状态A”:SOC<SOClow。当储能机组的荷电状态值SOC较低,即:SOC小于设定的储能机组荷电状态下限值SOClow;
“SOC状态B”:SOCmid1<SOC<SOCmid2。当储能机组的荷电状态值SOC在较理想的范围之内,即:SOC处于设定的储能机组荷电状态理想值SOCmin1和SOCmin2之间;
“SOC状态C”:SOC>SOChigh。当储能机组的荷电状态值SOC较高,即:SOC大于设定的储能机组荷电状态上限值SOChigh;
在实际实施过程中,SOClow<SOCmin1<SOCmin2<SOChigh,例如,可取SOClow为30%,SOCmid1为40%,SOCmid2为60%,SOChigh为70%。
(2)在风电功率有限状态机中设置如下三种状态:
(2.1)“风电状态A”:P风电<P预测下限。即,当前实际风电功率值小于风电功率预测下限特征值时,依据储能SOC有限状态机A,电池储能电站总功率需求值P储能的计算方法如下:
(a)当前储能机组的荷电状态值SOC处于“SOC状态A”时:
P储能=βP预测下限-P风电
(b)当前储能机组的荷电状态值SOC处于“SOC状态B”时:
P储能=P预测下限-P风电
(c)当前储能机组的荷电状态值SOC处于“SOC状态C”时:
P储能=αP预测上限-P风电
(2.2)“风电状态B”:P预测下限<P风电<P预测上限。即,当前实际风电功率值小于风电预测功率上限特征值、并且大于风电预测功率下限特征值时,依据储能SOC有限状态机B,电池储能电站总功率需求值P储能的计算方法如下:
(a)当前储能SOC处于“SOC状态A”时:
P储能=P预测下限-P风电
(b)当前储能SOC处于“SOC状态B”时:
P储能=0
(c)当前储能SOC处于“SOC状态C”时:
P储能=P预测上限-P风电
(2.3)“风电状态C”:P风电>P预测上限。即,当前实际风电功率值大于风电功率预测上限特征值时,依据储能SOC有限状态机C,电池储能电站总功率需求值P储能的计算方法如下:
(a)当前储能SOC处于“SOC状态A”时:
P储能=βP预测下限-P风电
(b)当前储能SOC处于“SOC状态B”时:
P储能=P预测上限-P风电
(c)当前储能SOC处于“SOC状态C”时:
P储能=αP预测上限-P风电
上式中,P风电为当前实际风电功率值,α为预测上限功率修正系数、β为预测下限功率修正系数。通常,修正系数α和β均可取值为1。
采用上述技术方案的本发明具有结合风电预测功率状态、储能SOC及储能系统最大允许工作能力的特性,进行电池储能电站能量管理与功率协调控制的功能,从而达到满足风电功率预测目标的同时,还优化了电池储能电站的能量管理。
如何只是简单根据储能SOC值以及风电预测误差值,直接进行储能电站充放电功率的计算,则不能在一个较长时间段内优化储能电站电池存储能量的优化分配和合理使用,从而限制电池储能电站提高风功率预测结果的控制效果,并会存在不能有效充分利用电池储能电站存储电能,导致电池储能电站由于经常处在过充电或过放电状态而不能长期稳定工作的弊端。
正由于本发明增加了“考虑储能SOC有限状态机和风电功率有限状态机,并结合风功率预测误差的允许范围,在风功率预测误差允许范围之内,有效调节储能电站充放电功率和能量存储状态SOC”等步骤,所以不仅克服了上述弊端,还对风功率预测误差的控制以及电池储能电站的充放电功率时序控制产生了更好的效果,更有利于电池储能电站长期、可靠和稳定运行。
最后应该说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,结合上述实施例对本发明进行了详细说明,所属领域的普通技术人员应当理解到:本领域技术人员依然可以对本发明的具体实施方式进行修改或者等同替换,但这些修改或变更均在申请待批的权利要求保护范围之中。
Claims (2)
1.一种基于风功率预测的电池储能电站能量管理方法,其特征在于,包括以下步骤:
步骤(1)获取风电功率的日前预测值、当前实际风电功率值以及当前各储能机组的荷电状态值;
步骤(2)基于风电功率的日前预测值,分别计算风电功率预测上、下限特征值;所述风电功率预测上限特征值为风电功率的日前预测值与预设的风电功率最大误差上限值的乘积,所述风电功率预测下限特征值为风电功率日前预测值与预设的风电功率最大误差下限值的乘积;
步骤(3)通过有限状态机控制模块实时修正风储联合出力控制目标,并确定电池储能电站总功率需求值;所述有限状态机控制模块包括储能SOC有限状态机和风电功率有限状态机。
2.如权利要求1所述的能量管理方法,其特征在于,所述步骤(3)包括如下步骤:
1)在储能SOC有限状态机中设置如下三种状态:
“SOC状态A”:储能机组的荷电状态值小于SOClow的状态;
“SOC状态B”:储能机组的荷电状态值介于SOCmin1、SOCmin2之间的状态;
“SOC状态C”:储能机组的荷电状态值大于SOChigh的状态;
其中,SOClow<SOCmin1<SOCmin2<SOChigh,所述SOChigh、SOClow分别为预设的储能机组荷电状态上、下限值,SOCmin1和SOCmin2为预设的储能机组荷电状态理想值;
2)在风电功率有限状态机中设置如下三种状态:
“风电状态A”:当前实际风电功率值小于风电功率预测下限特征值的状态;
“风电状态B”:当前实际风电功率值介于风电功率预测上、下限特征值之间的状态;
“风电状态C”:当前实际风电功率值大于风电功率预测上限特征值的状态;
当风电功率有限状态机中的风电功率处于“风电状态A”时,通过下述方法计算电池储能电站总功率需求值:
A1)当前储能机组的荷电状态值处于“SOC状态A”时,电池储能电站总功率需求值为当前风电功率预测下限特征值乘以预测下限功率修正系数后,减去当前实际风电功率值;
A2)当前储能机组的荷电状态值处于“SOC状态B”时:电池储能电站总功率需求值为当前风电功率预测下限特征值减去当前实际风电功率值;
A3)当前储能机组的荷电状态值处于“SOC状态C”时:电池储能电站总功率需求值为当前风电功率预测上限特征值乘以预测上限功率修正系数后,减去当前实际风电功率值;
当风电功率有限状态机中风电功率处于“风电状态B”时,通过下述方法计算电池储能电站总功率需求值:
B1)当前储能机组的荷电状态值处于“SOC状态A”时:电池储能电站总功率需求值为当前风电功率预测下限特征值减去当前实际风电功率值;
B2)当前储能机组的荷电状态值处于“SOC状态B”时:电池储能电站总功率需求值为零;
B3)当前储能机组的荷电状态值处于“SOC状态C”时:电池储能电站总功率需求值为当前风电功率预测上限特征值减去当前实际风电功率值;
当风电功率有限状态机中风电功率处于“风电状态C”时,通过下述方法计算电池储能电站总功率需求值:
C1)当前储能SOC处于“SOC状态A”时:电池储能电站总功率需求值为当前风电功率预测下限特征值乘以预测下限功率修正系数后,减去当前实际风电功率值;
C2)当前储能SOC处于“SOC状态B”时:电池储能电站总功率需求值为当前风电功率预测上限特征值减去当前实际风电功率值;
C3)当前储能SOC处于“SOC状态C”时:电池储能电站总功率需求值为当前风电功率预测上限特征值乘以预测上限功率修正系数后,减去当前实际风电功率值。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310566349.7A CN104638772B (zh) | 2013-11-14 | 2013-11-14 | 基于风功率预测的电池储能电站能量管理方法 |
PCT/CN2013/087683 WO2015070480A1 (zh) | 2013-11-14 | 2013-11-22 | 基于风功率预测的电池储能电站能量管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310566349.7A CN104638772B (zh) | 2013-11-14 | 2013-11-14 | 基于风功率预测的电池储能电站能量管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104638772A CN104638772A (zh) | 2015-05-20 |
CN104638772B true CN104638772B (zh) | 2018-01-19 |
Family
ID=53056674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310566349.7A Active CN104638772B (zh) | 2013-11-14 | 2013-11-14 | 基于风功率预测的电池储能电站能量管理方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN104638772B (zh) |
WO (1) | WO2015070480A1 (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105098810B (zh) * | 2015-08-11 | 2018-04-10 | 华北电力大学 | 自适应式微网储能系统能量优化管理方法 |
CN110912162B (zh) * | 2018-09-18 | 2021-05-07 | 电力规划总院有限公司 | 一种储能装置方案的确定方法及装置 |
CN109274112B (zh) * | 2018-09-25 | 2022-04-01 | 内蒙古电力(集团)有限责任公司 | 一种考虑区域稳定性的储能电站调度方法 |
US20220407310A1 (en) * | 2019-04-26 | 2022-12-22 | Energy Toolbase Software, Inc. | Intelligent energy management system for distributed energy resources and energy storage systems using machine learning |
CN110535159B (zh) * | 2019-07-25 | 2022-04-15 | 中国电力科学研究院有限公司 | 一种规模化储能电站运行单元故障预警的方法及系统 |
CN111106625B (zh) * | 2020-01-20 | 2021-03-19 | 集美大学 | 一种漂浮式海上雷达测风移动平台风光储直流微网系统蓄电池组运行管理方法 |
CN111384729B (zh) * | 2020-02-24 | 2021-10-15 | 国网浙江嘉善县供电有限公司 | 一种基于边缘计算的分布式电源调度控制方法 |
CN111342501B (zh) * | 2020-02-24 | 2022-09-27 | 国网浙江省电力有限公司嘉善县供电公司 | 一种含分布式电源微电网的无功功率控制方法 |
CN111598313A (zh) * | 2020-04-28 | 2020-08-28 | 西安理工大学 | 一种风功率预测方法 |
CN111555347A (zh) * | 2020-05-14 | 2020-08-18 | 国家电网有限公司 | 基于风功率预测的风储联合运行控制方法 |
CN112288164B (zh) * | 2020-10-29 | 2023-04-07 | 四川大学 | 一种计及空间相关性和修正数值天气预报的风功率组合预测方法 |
CN112366731B (zh) * | 2020-11-05 | 2023-08-11 | 国能日新科技股份有限公司 | 一种电网频率调节方法、系统、服务器及存储介质 |
CN112821385A (zh) * | 2021-01-04 | 2021-05-18 | 阳光电源股份有限公司 | 储能系统的控制方法、装置以及计算机可读存储介质 |
CN113036822B (zh) * | 2021-03-02 | 2022-10-21 | 中国电力科学研究院有限公司 | 一种风储协调控制方法、系统、设备及存储介质 |
CN113373457B (zh) * | 2021-06-11 | 2022-11-15 | 河北建投新能源有限公司 | 电解水制氢的控制方法、装置和计算机可读存储介质 |
CN114156922B (zh) * | 2021-11-23 | 2023-02-14 | 中节能风力发电股份有限公司 | 风机与储能装置联合能量控制方法、系统、介质及设备 |
CN114362201B (zh) * | 2021-12-29 | 2024-03-12 | 华北电力科学研究院有限责任公司 | 电网功率平衡控制方法、装置及储能电站集群 |
CN115659595B (zh) * | 2022-09-26 | 2024-02-06 | 中国华能集团清洁能源技术研究院有限公司 | 基于人工智能的新能源场站的储能控制方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103094989A (zh) * | 2011-11-04 | 2013-05-08 | 三星Sdi株式会社 | 用于管理电池单体的方法、以及能量存储系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5638436B2 (ja) * | 2011-03-28 | 2014-12-10 | 三菱重工業株式会社 | 電力貯蔵システム |
US8996187B2 (en) * | 2011-07-18 | 2015-03-31 | Nec Laboratories America, Inc. | Optimal storage sizing for integrating wind and load forecast uncertainties |
CN102545250B (zh) * | 2011-11-16 | 2014-05-07 | 河海大学 | 锂电池储能的风电场功率平滑控制方法及装置和工作方法 |
CN102522776B (zh) * | 2011-12-23 | 2014-01-29 | 中国电力科学研究院 | 储能系统提升风电跟踪计划出力能力的方法 |
-
2013
- 2013-11-14 CN CN201310566349.7A patent/CN104638772B/zh active Active
- 2013-11-22 WO PCT/CN2013/087683 patent/WO2015070480A1/zh active Application Filing
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103094989A (zh) * | 2011-11-04 | 2013-05-08 | 三星Sdi株式会社 | 用于管理电池单体的方法、以及能量存储系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2015070480A1 (zh) | 2015-05-21 |
CN104638772A (zh) | 2015-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104638772B (zh) | 基于风功率预测的电池储能电站能量管理方法 | |
CN104348256B (zh) | 考虑充放电倍率的多类型电池储能电站能量管理方法 | |
CN102522776B (zh) | 储能系统提升风电跟踪计划出力能力的方法 | |
CN102214934B (zh) | 基于兆瓦级电池储能电站的风光发电出力平滑控制方法 | |
CN108649602A (zh) | 风光柴储智能交流微电网系统 | |
CN105162167A (zh) | 一种基于自适应下垂控制的风光储微网调频方法 | |
CN202633961U (zh) | 一种电池储能电站的监控系统 | |
CN103368192B (zh) | 基于贪心策略的电池储能电站功率控制方法及其系统 | |
CN105226689A (zh) | 考虑运行和维护的多类型储能系统能量管理方法和系统 | |
CN104253439B (zh) | 电池储能电站无功功率分配与控制方法 | |
CN111509743A (zh) | 一种应用储能装置提高电网稳定性的控制方法 | |
CN202957612U (zh) | 含风光储的智能微网及其控制系统 | |
CN103560533B (zh) | 基于变化率控制储能电站平滑风光发电波动的方法及系统 | |
CN202651806U (zh) | 一种电池储能电站平滑风光发电控制系统 | |
CN104978609B (zh) | 一种微电网的能量优化管理方法 | |
CN109494813A (zh) | 一种电力调度方法、电子设备及存储介质 | |
CN107834574A (zh) | 一种分布式能源系统与电网交换功率的控制方法 | |
Nguyen et al. | Determination of the optimal battery capacity based on a life time cost function in wind farm | |
He et al. | Research on the frequency regulation strategy of large-scale Battery energy storage in the power grid system | |
CN117254491A (zh) | 一种风光氢储微网系统时域滚动优化方法及系统 | |
Wang et al. | Improved PSO-based energy management of Stand-Alone Micro-Grid under two-time scale | |
Chang et al. | A dual-layer cooperative control strategy of battery energy storage units for smoothing wind power fluctuations | |
CN114336703B (zh) | 一种大规模风光储电站自动协同控制方法 | |
CN115395545A (zh) | 考虑环境修正模型参数的磷酸铁锂电池参与电网调频方法 | |
Zhou et al. | Research review on energy storage technology in power grid |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |