CN105098810A - 自适应式微网储能系统能量优化管理方法 - Google Patents
自适应式微网储能系统能量优化管理方法 Download PDFInfo
- Publication number
- CN105098810A CN105098810A CN201510490550.0A CN201510490550A CN105098810A CN 105098810 A CN105098810 A CN 105098810A CN 201510490550 A CN201510490550 A CN 201510490550A CN 105098810 A CN105098810 A CN 105098810A
- Authority
- CN
- China
- Prior art keywords
- energy
- battery
- previous day
- storage system
- load
- 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
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
- Y02P80/14—District level solutions, i.e. local energy networks
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Secondary Cells (AREA)
Abstract
一种自适应式微网储能系统能量优化管理方法,所述方法包括以下步骤:A、确定微网储能系统中电池比前一天可多用于调峰的能量;B、根据所述电池比前一天可多用于调峰的能量与电池储能容量的下限的比值,调整微网储能系统中电池的放电阈值,其中当所述比值大于1时,减小所述放电阈值,当所述比值小于1时,增大所述放电阈值。利用本发明的自适应式微网储能系统能量优化管理方法,不受负荷实时波动的影响,能够最大限度地实现新能源的本地利用,避免大量过剩功率涌入大电网。
Description
技术领域
本发明涉及电力系统控制技术领域,特别是涉及到分布式电压系统匹配的储能技术。
背景技术
大规模使用以可再生能源(RES-E)为主的分布式电源(DG)可以降低对化石能源的依赖,有效减少大气污染排放,促进电力市场优化。然而,由于RES-E出力特性与负荷逆向分布,难以被当地负荷充分利用,规模化RES-E(风能和光伏)会导致大量过剩功率入网,影响系统稳定性同时限制可再生能源入网数量的增长。因此,利用分布式电源与储能元件组成的微网对就近负荷供电可以减小对大系统扰动,保证供电的安全性、可靠性和能量分配的有效性,同时提高用电经济性以及RES-E的使用效率。
但是,目前大多数对于分布式电源的控制方案是利用预测数据实现储能元件充放电控制算法,如果预测值足够精确则能较好地削减负荷峰值。但分布式能源在空间上较为分散且数目众多,大多数情况下,预测值和实际值之间存在着较大的误差,同时在小范围内很难实现对于负荷的精确预测,这使得已有算法在实际应用过程中无法很好达到提出的“削峰填谷”效果,能源的就地利用效率也大打折扣。
发明内容
鉴于此,本发明的目的在于克服现有技术的缺点,提供一种用于消除预测数据的不确定性对储能系统控制策略的影响,由此考虑采用不需要预测数据的储能系统控制策略。
为了实现此目的,本发明采取的技术方案为如下。
一种自适应式微网储能系统能量优化管理方法,所述方法包括以下步骤:
A、确定微网储能系统中电池比前一天可多用于调峰的能量;
B、根据所述电池比前一天可多用于调峰的能量与电池储能容量的下限的比值,调整微网储能系统中电池的放电阈值,其中,
当所述比值大于1时,减小所述放电阈值,
当所述比值小于1时,增大所述放电阈值。
其中所述减小放电阈值为:
其中,PCDthr(i)为第i采样点的放电阈值,T为每日的采样点数,
PBref(i-T)为前一天电池的功率调度参考值,
E′load(d+1)为电池比前一天可多用于调峰的能量,
ΔEload(d)为前一天的电池能量调度总量。
另外,减小所述电池的放电阈值后,进一步包括,根据新的放电阈值重新校准电池比前一天可多用于调峰的能量和所述比值,其中,
其中E′load(d+1)new和E′load(d+1)old分别为校准后和校准前的电池比前一天可多用于调峰的能量;
并根据校准后的电池比前一天可多用于调峰的能量,重新确定与电池储能容量的下限的比值。
另一方面,所述增大放电阈值为:
其中,PCDthr(i)为第i采样点的放电阈值,T为每日的采样点数,
PBref(i-T)为前一天电池的功率调度参考值,
E′load(d+1)为电池比前一天可多用于调峰的能量,
ΔEload(d)为前一天的电池能量调度总量。
增大所述放电阈值后,进一步包括,根据新的放电阈值重新校准电池比前一天可多用于调峰的能量和所述比值,其中,
其中E′load(d+1)new和E′load(d+1)old分别为校准后和校准前的电池比前一天可多用于调峰的能量;
并根据校准后的电池比前一天可多用于调峰的能量,重新确定与电池储能容量的下限的比值。
另外,所述步骤A之前,进一步包括:
A0、确定与电价相关的微网储能系统剩余功率,来判定电池是处于充电模式还是放电模式;
A1、当电池处于放电模式时,根据前一天的负荷功率、新能源发电功率、电池充放电功率以及电池的实时储能状态确定微网储能系统中电池比前一天可多用于调峰的能量。
所述减小放电阈值的条件还进一步包括:电池前一秒的储能状态大于电池储能下限,且当前时刻系统剩余功率值大于前一天同时刻的值;所述增大放电阈值的条件还进一步包括:电池前一秒的储能状态大于电池储能下限,且当前时刻系统剩余功率值小于前一天同时刻的值。
通过采用本发明的自适应式微网储能系统能量优化管理方法,能够实现以下技术效果:
(1)在控制电池充放电过程中,不需要负荷和新能源发电的预测数据,因此本发明的自适应式微网储能系统能量优化管理方法不受负荷实时波动的影响;
(2)本发明具体实施方式中的自适应式微网储能系统能量优化管理方法能够最大限度地实现新能源的本地利用,避免大量过剩功率涌入大电网;
(3)能够提高电池储能的利用效率,由此更好地实现对负荷的“削峰填谷”。
附图说明
图1为本发明具体实施方式中自适应式微网储能系统能量优化管理方法的流程示意图。
图2为用户负荷需求以及光伏和风力发电输出功率曲线示意图。
图3为微网储能系统剩余功率曲线示意图。
图4为现有技术中利用固定阈值法的电池能量曲线示意图。
图5为固定阈值法的电池调度参考值和新的用电量需求曲线示意图。
图6为基于预测数据的固定阈值法第39小时-48小时部分分析曲线示意图。
图7为使用本发明具体实施方式的自适应式微网储能系统能量优化管理方法前后放电阈值的曲线示意图(24-96小时)。
图8为使用本发明具体实施方式的自适应式微网储能系统能量优化管理方法前后电池输出功率曲线示意图
图9为使用本发明具体实施方式的自适应式微网储能系统能量优化管理方法前后新的负荷(NGD)曲线示意图。
具体实施方式
下面结合附图,对本发明作详细说明。
以下公开详细的示范实施例。然而,此处公开的具体结构和功能细节仅仅是出于描述示范实施例的目的。
然而,应该理解,本发明不局限于公开的具体示范实施例,而是覆盖落入本公开范围内的所有修改、等同物和替换物。在对全部附图的描述中,相同的附图标记表示相同的元件。
同时应该理解,如在此所用的术语“和/或”包括一个或多个相关的列出项的任意和所有组合。另外应该理解,当部件或单元被称为“连接”或“耦接”到另一部件或单元时,它可以直接连接或耦接到其他部件或单元,或者也可以存在中间部件或单元。此外,用来描述部件或单元之间关系的其他词语应该按照相同的方式理解(例如,“之间”对“直接之间”、“相邻”对“直接相邻”等)。
介绍本发明的技术方案之间,首先说明本发明所采用的基本原理。
在整个计算过程中,首先要得到与电价有关的剩余功率曲线来判定电池是处于充电还是放电模式。当电池运行模型确定之后,就要考虑电池充放电功率的限制条件和能量转换效率。若电池处于放电模式,影响电池放电功率最关键的因素就是放电阈值的选择。
考虑到电网功率PG随电价变化的特性,即在低电价时向微网储能系统充电,在高电价时不充电,可计算微网储能系统的剩余功率为:
当prc(i)=1时,
Psp(i)=Pl(i)-[Ppv(i)+PG(i)+Pwd(i)],
当prc(i)=2时,
Psp(i)=Pl(i)-[Ppv(i)+Pwd(i)],(1)
式中:prc为价格,“1”代表低电价,“2”代表高电价;Psp为剩余功率(kW);Pl为用户负荷需求(kW);Ppv为光伏发电功率(kW);PG为电网功率(kW);Pwd为风力发电功率(kW);i为采样点(在本发明具体实施方式的采样时间取为1s,但也可以根据需要调整)。
在得到微网储能系统剩余功率曲线并确定电池充放电模式后,便可计算电池的功率调度参考值PBref(kW),即为电池在第i秒的充放电功率,正值代表放电,负值代表充电,其大小与换流器的转换效率有关。其中,放电功率又取决于放电阈值PCDthr(kW):
PBref(i)=Psp(i)-PCDthr(i)(2)
在DC/AC(DC/AC)转换和AC/DC(AC/DC)转换过程中,考虑到开关损耗,电功率转换的效率通常为95%。此外,电池内部的电能与化学能转换损耗为15%。因此,电池的充放电效率为:
AC/DC*battery*DC/AC=0.95*0.85*0.95=0.77。
计算电池放电功率最关键的一步就是对放电阈值的选择,也就是前面所述的可变阈值法。该方法是基于前一天的可再生能源和负荷数据来自动调整当天实时的PCDthr,故第一天无法使用该方法(第一天仍然用传统固定阈值方法)。
第一天(d=1)的PCDthr(i,d)取决于电池充放电有效功率区域、最大能量存储限制以及充放电效率等限制条件,即通过比较剩余功率和电池放电功率限制条件之间的关系、电池当前可放电量的条件来确定PCDthr(i,d)的值。
从第二天起,当天实时的放电阈值都与前一天的可再生能源和负荷数据有关,将用以下方法确定放电阈值:
根据测量值计算可获得的总能量为光能、风能和低电价时电网向系统充电的电能之和:
式中:EBPG为每天可获得的最终能量(kW·h),Epv为PV测量值(kW·h),Ewd为风能测量值(kW·h),EG为电网向系统的充电量(kW·h),E(conv.loses+Pr(loss))为能量损耗(kW·h)。其中,Pr(loss)为无法通过换流器的功率损耗(kW)。由于本文能量单位为(kW·h),功率单位为(kW),且采样时间取为1秒,并假设这1秒内电池的放电功率为恒定值,故1秒内电池充放电的能量单位为(kW·s),则能量单位的换算相差3600的系数关系,换算如下:
P(i)=E(i)×3600(4)
为实时调整第(d+1)天的放电阈值,首先利用已有的实测数据通过式(5)计算第d天电池能量调度总量,即为第d天获得的总能量与当时最后时刻电池中的储能量之差。
ΔEload(d)=EBPG(d)-EB(T×d)(5)
式中:ΔEload为电池能量调度总量(kW·h),EB为电池储能状态(kW·h),T为每天对数据的采样次数(本实施方式中取86400次,即每秒1次)。
之后,便可以计算第(d+1)天的PCDthr。在计算过程中,先假设第(d+1)天的电池能量调度总量与第d天相同(如式(6)所示),并将第d天初始的放电阈值作为第(d+1)天放电阈值的初始值。在这些假设条件下,可以通过式(7)—(9)计算出电池在第(d+1)天末的储能状态,这个值也表征第(d+1)天比第d天可多用于调峰的能量,提出的可变阈值法正是为了更好地利用这些能量。
式中:EBref为电池瞬时能量调度值(kW·h)。
E′load(d+1)=EBPG(d)+EB(T×d)-ΔEload(d)(7)
式中:E’load(d+1)为第(d+1)天比第d天电池储能中可多用于调峰的能量(kW·h),即为第d天可获得的RES能量和当天末电池中剩余能量之和与当天电池能量调度总量之差。
假设第(d+1)天电池不放电,则电池在第(d+1)天末的储能状态为:
EB(T×(d+1))=E′load(d+1)+ΔEload(d)=EBPG(d)+EB(T×d)(8)
将式(8)等号左右两边减去假设条件下第(d+1)天的电池能量调度总量,可得第(d+1)天末电池的储能状态,也就是储能系统第(d+1)天比第d天可多用于调峰的能量为:
EB′(T×(d+1))=E′load(d+1)(9)
为了判断电池在某一时刻是否应该多(少)放电,引入一个参数:电池指数Kx。
式中:SoC为电池荷电状态,是电池当前储能量与额定容量的比值;EB.e为电池额定容量(kW·h)。Kx为当天比前一天可多调度的能量与电池最小储能之比,将其作为调整放电阈值的判定条件是为了保证电池储能维持在最小值以上,以确保电池稳定运行。当Kx>1时,表明电池可释放更多的能量来调峰;当Kx<1时,表明电池应减少放电量以维持电池荷电状态的下限。
对每一个采样点的PCDthr的计算通过两种情况来分类讨论。
情况:当Kx>1时,
若同时满足EB(i-1)>SoCmin×EB.e,Psp(i)>Psp(i-T)条件,即满足电池前1秒的储能状态大于电池储能下限,当前时刻系统剩余功率值大于前一天同时刻的值的条件时,则可降低放电阈值:
由于放电阈值的降低,电池的放电量增加了,计算式同(2),也因此使最初计算的E’load(d+1)的值减少了多放电的这一部分,故在进行下一秒放电阈值调整前要先重新校准E’load(d+1)和Kx的值:
情况2:当Kx<1时,
若同时满足EB(i-1)>SoCmin×EB.e,Psp(i)<Psp(i-T)条件,即满足电池前1秒的储能状态大于电池储能下限,当前时刻系统剩余功率值小于前一天同时刻的值的条件时,则可提高放电阈值:
由于放电阈值的提高,电池的放电量减少了,计算式同(2),也因此使最初计算的E’load(d+1)的值增加了少放电的这一部分,故在进行下一秒放电阈值调整前要先需要重新校准E’load(d+1)和Kx的值,其中Kx的校准如式(13):
因此,本发明的自适应式微网储能系统能量优化管理方法包括以下步骤:
A、确定微网储能系统中电池比前一天可多用于调峰的能量;
B、根据所述电池比前一天可多用于调峰的能量与电池储能容量的下限的比值,调整微网储能系统中电池的放电阈值,其中,
当所述比值大于1时,减小所述放电阈值,
当所述比值小于1时,增大所述放电阈值。
在步骤B中所述减小放电阈值为:
其中,PCDthr(i)为第i采样点的放电阈值,T为每日的采样点数;
E′load(d+1)为电池比前一天可多用于调峰的能量;
ΔEload(d)为前一天的电池能量调度总量。
另外,减小所述电池的放电阈值后,进一步包括,根据新的放电阈值重新校准电池比前一天可多用于调峰的能量和所述比值,其中,
其中E′load(d+1)new和E′load(d+1)old分别为校准后和校准前的电池比前一天可多用于调峰的能量;
并根据校准后的电池比前一天可多用于调峰的能量,重新确定与电池储能容量的下限的比值。
步骤B中所述增大放电阈值为:
其中,PCDthr(i)为第i采样点的放电阈值,T为每日的采样点数;
E′load(d+1)为电池比前一天可多用于调峰的能量;
ΔEload(d)为前一天的电池能量调度总量。
另外,增大所述放电阈值后,进一步包括,根据新的放电阈值重新校准电池比前一天可多用于调峰的能量和所述比值,其中,
其中E′load(d+1)new和E′load(d+1)old分别为校准后和校准前的电池比前一天可多用于调峰的能量;
并根据校准后的电池比前一天可多用于调峰的能量,重新确定与电池储能容量的下限的比值。
并且所述步骤A之前,进一步包括:
A0、确定与电价相关的微网储能系统剩余功率,来判定电池是处于充电模式还是放电模式;
A1、当电池处于放电模式时,根据前一天的负荷功率、新能源发电功率、电池充放电功率以及电池的实时储能状态确定微网储能系统中电池比前一天可多用于调峰的能量。
所述减小放电阈值的条件还进一步包括:电池前一秒的储能状态大于电池储能下限,且当前时刻系统剩余功率值大于前一天同时刻的值;所述增大放电阈值的条件还进一步包括:电池前一秒的储能状态大于电池储能下限,且当前时刻系统剩余功率值小于前一天同时刻的值。
下面采用具体实施例对本发明的具体技术效果作进一步的详细说明。
具体实施例中利用英国诺丁汉大学“新能源住房系统”中一台3kW的风机和一台3kW的光伏系统进行实验,利用可再生能源RES实测数据来验证提出本专利方法的可行性。负荷数据由拉夫堡大学设计的CREST负荷用电模型生成,电价曲线采用Economy7标准,储能元件选用4800Vah/5kW的锂离子电池。场景设计为利用风机、光伏和储能装置组成一个小区微网为三户人家供电。
图2显示了实验过程中用户负荷需求以及光伏和风力发电在3天内(72h)的输出功率。由图2可知,光伏发电的高峰期为每天中午,风力发电的高峰期通常在深夜和清晨。但是,用户负荷需求的高峰期在早晨和晚上。图3所示的剩余功率是通过式(1)计算得到,其负值部分表示在低电价和低负荷时段可再生能源RES(光能和风能)存在过剩的现象。为了提高使用分时电价(TOU计价)方式的效益,可以将这部分过剩能量在低电价和低负荷时存储起来,在电价以及负荷升高时释放。
基于图3中的剩余功率情况,首先考虑采用基于预测数据的固定放电阈值(1kW)的算法。此算法控制电池充放电情况下电池的能量曲线如图4所示。由此图可以看出,在负荷低谷期,即剩余功率为负值时,电池储能增多;在剩余功率为正值时,电池储能减少。这从侧面说明了使用固定阈值法时,电池在负荷高峰放电可以起到一定的削减高峰负荷的作用。图5显示了电池调度参考值PBref曲线和使用固定阈值法后的负荷曲线。将图5中的负荷曲线和图3中剩余功率曲线相比较,可以看出高峰负荷的确减少了。图6是第二天负荷高峰期一些参数的曲线放大图。其中标示出储能系统剩余功率曲线,电池功率调度参考值曲线(显示此时电池的充放电功率)和经过调峰的负荷曲线。从图中被圈的部分中可以看出,经过调峰的负荷小于之前的剩余功率,体现了储能系统“削峰填谷”的作用。但这种方法的准确性取决于负荷和RES预测值的精确性。事实上,工程应用中很难精确地预测负荷和RES的值,预测值和实际值之间的误差会导致计算出的放电阈值过高或过小,进而使电池在某时刻的放电量过少或过多,从而降低电池能量调度的效率和对负荷“削峰填谷”的效果。故采用自适应式微网储能系统能量优化管理方法可以改善这些问题。
图7为使用自适应式微网储能系统能量优化管理方法前后放电阈值PCDthr三天内的变化曲线。将两者的曲线比较可得,使用自适应式微网储能系统能量优化管理方法后的大部分负荷高峰期间有更低的放电阈值,也就意味着在此期间,电池释放了更多的能量用于调峰。图8为使用自适应式微网储能系统能量优化管理方法前后电池调度参考值PBref的曲线,其更近一步地解释了图7。为了更好地证实上述结论,图8只截取了一小段时间内的数据并将其放大。由图可见,在负荷高峰期,使用自适应式微网储能系统能量优化管理方法后的电池释放了更多的能量,这也从侧面体现出用户能得到更多利益,削减电费。图9显示了从电网侧看到的负荷减少的情况。与未使用自适应式微网储能系统能量优化管理方法的方法相比,使用自适应式微网储能系统能量优化管理方法后,不仅减小了负荷峰值,还减少了负荷高峰期的时间。此外,表1总结了使用自适应式微网储能系统能量优化管理方法前后的参数变化。
表1
表1中SoC是指电池每天末荷电状态的周平均值,优化负荷率是指使用本专利后主网注入微网电量减少的百分比值(一星期内本专利得出的新的负荷曲线与固定阈值算法得到的负荷曲线求差后做时域积分,再与固定阈值算法得到的负荷积分值相比)。从图7-9中已知,电池多释放的能量很大程度地削减了负荷峰值,较好地起到了“削峰填谷”的作用。从表1中通过对使用本专利方法前后的SoC值的比较看出,使用本专利方法后电池能量利用率提高了,也从侧面说明了更多的电池能量用于调峰。之后,运用本文的方法计算了此微网中的储能电池在一年内的充放电量,并计算出使用本专利方法后比使用本专利方法前微网负荷总量减少了10.23%,对新能源的利用率提高了13.45%。
需要说明的是,上述实施方式仅为本发明较佳的实施方案,不能将其理解为对本发明保护范围的限制,在未脱离本发明构思前提下,对本发明所做的任何微小变化与修饰均属于本发明的保护范围。
Claims (7)
1.一种自适应式微网储能系统能量优化管理方法,所述方法包括以下步骤:
A、确定微网储能系统中电池比前一天可多用于调峰的能量;
B、根据所述电池比前一天可多用于调峰的能量与电池储能容量的下限的比值,调整微网储能系统中电池的放电阈值,其中,
当所述比值大于1时,减小所述放电阈值,
当所述比值小于1时,增大所述放电阈值。
2.根据权利要求1中所述的自适应式微网储能系统能量优化管理方法,其特征在于,所述减小放电阈值为:
其中,PCDthr(i)为第i采样点的放电阈值,T为每日的采样点数,
PBref(i-T)为前一天电池的功率调度参考值,
E′load(d+1)为电池比前一天可多用于调峰的能量,
ΔEload(d)为前一天的电池能量调度总量。
3.根据权利要求2中所述的自适应式微网储能系统能量优化管理方法,其特征在于,减小所述电池的放电阈值后,进一步包括,根据新的放电阈值重新校准电池比前一天可多用于调峰的能量和所述比值,其中,
其中E′load(d+1)new和E′load(d+1)old分别为校准后和校准前的电池比前一天可多用于调峰的能量;
并根据校准后的电池比前一天可多用于调峰的能量,重新确定与电池储能容量的下限的比值。
4.根据权利要求1中所述的自适应式微网储能系统能量优化管理方法,其特征在于,所述增大放电阈值为:
其中,PCDthr(i)为第i采样点的放电阈值,T为每日的采样点数,
PBref(i-T)为前一天电池的功率调度参考值,
E′load(d+1)为电池比前一天可多用于调峰的能量,
ΔEload(d)为前一天的电池能量调度总量。
5.根据权利要求4中所述的自适应式微网储能系统能量优化管理方法,其特征在于,增大所述放电阈值后,进一步包括,根据新的放电阈值重新校准电池比前一天可多用于调峰的能量和所述比值,其中,
其中E′load(d+1)new和E′load(d+1)old分别为校准后和校准前的电池比前一天可多用于调峰的能量;
并根据校准后的电池比前一天可多用于调峰的能量,重新确定与电池储能容量的下限的比值。
6.根据权利要求1中所述的自适应式微网储能系统能量优化管理方法,其特征在于,所述步骤A之前,进一步包括:
A0、确定与电价相关的微网储能系统剩余功率,来判定电池是处于充电模式还是放电模式;
A1、当电池处于放电模式时,根据前一天的负荷功率、新能源发电功率、电池充放电功率以及电池的实时储能状态确定微网储能系统中电池比前一天可多用于调峰的能量。
7.根据权利要求1中所述的自适应式微网储能系统能量优化管理方法,其特征在于,所述减小放电阈值的条件还进一步包括:电池前一秒的储能状态大于电池储能下限,且当前时刻系统剩余功率值大于前一天同时刻的值;所述增大放电阈值的条件还进一步包括:电池前一秒的储能状态大于电池储能下限,且当前时刻系统剩余功率值小于前一天同时刻的值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510490550.0A CN105098810B (zh) | 2015-08-11 | 2015-08-11 | 自适应式微网储能系统能量优化管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510490550.0A CN105098810B (zh) | 2015-08-11 | 2015-08-11 | 自适应式微网储能系统能量优化管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105098810A true CN105098810A (zh) | 2015-11-25 |
CN105098810B CN105098810B (zh) | 2018-04-10 |
Family
ID=54578674
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510490550.0A Active CN105098810B (zh) | 2015-08-11 | 2015-08-11 | 自适应式微网储能系统能量优化管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105098810B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105576699A (zh) * | 2016-01-12 | 2016-05-11 | 四川大学 | 一种独立微电网储能裕度检测方法 |
CN107809117A (zh) * | 2017-09-28 | 2018-03-16 | 北京交通大学长三角研究院 | 基于pi环调节放电阈值的城轨交通地面锂离子电池储能系统控制方法 |
CN107994649A (zh) * | 2017-12-26 | 2018-05-04 | 长沙龙生光启新材料科技有限公司 | 一种太阳能发电控制方法 |
CN112288119A (zh) * | 2019-07-25 | 2021-01-29 | 陈盛博 | 一种储能系统的高颗粒度能量控制算法及装置 |
US11404875B2 (en) | 2017-02-08 | 2022-08-02 | Battelle Energy Alliance, Llc | Energy management system, method of controlling one or more energy storage devices and control unit for one or more power storage units |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103311942A (zh) * | 2013-03-18 | 2013-09-18 | 国家电网公司 | 一种用于配电网削峰填谷的电池储能系统的控制方法 |
CN104283230A (zh) * | 2014-10-22 | 2015-01-14 | 国家电网公司 | 一种基于多能源微电网的蓄电池soc计算方法 |
WO2015045100A1 (ja) * | 2013-09-27 | 2015-04-02 | 三菱電機株式会社 | 制御装置、エネルギーマネジメントシステム、制御方法、および、プログラム |
CN104600731A (zh) * | 2015-02-06 | 2015-05-06 | 山东理工大学 | 一种用于光储系统削峰填谷的储能系统控制方法 |
CN104638772A (zh) * | 2013-11-14 | 2015-05-20 | 国家电网公司 | 基于风功率预测的电池储能电站能量管理方法 |
CN104795829A (zh) * | 2015-04-29 | 2015-07-22 | 中国电力科学研究院 | 一种基于削峰填谷的储能系统调度方法 |
CN104795833A (zh) * | 2015-05-08 | 2015-07-22 | 武汉大学 | 一种独立微电网蓄电池储能系统容量优化配置方法 |
-
2015
- 2015-08-11 CN CN201510490550.0A patent/CN105098810B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103311942A (zh) * | 2013-03-18 | 2013-09-18 | 国家电网公司 | 一种用于配电网削峰填谷的电池储能系统的控制方法 |
WO2015045100A1 (ja) * | 2013-09-27 | 2015-04-02 | 三菱電機株式会社 | 制御装置、エネルギーマネジメントシステム、制御方法、および、プログラム |
CN104638772A (zh) * | 2013-11-14 | 2015-05-20 | 国家电网公司 | 基于风功率预测的电池储能电站能量管理方法 |
CN104283230A (zh) * | 2014-10-22 | 2015-01-14 | 国家电网公司 | 一种基于多能源微电网的蓄电池soc计算方法 |
CN104600731A (zh) * | 2015-02-06 | 2015-05-06 | 山东理工大学 | 一种用于光储系统削峰填谷的储能系统控制方法 |
CN104795829A (zh) * | 2015-04-29 | 2015-07-22 | 中国电力科学研究院 | 一种基于削峰填谷的储能系统调度方法 |
CN104795833A (zh) * | 2015-05-08 | 2015-07-22 | 武汉大学 | 一种独立微电网蓄电池储能系统容量优化配置方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105576699A (zh) * | 2016-01-12 | 2016-05-11 | 四川大学 | 一种独立微电网储能裕度检测方法 |
US11404875B2 (en) | 2017-02-08 | 2022-08-02 | Battelle Energy Alliance, Llc | Energy management system, method of controlling one or more energy storage devices and control unit for one or more power storage units |
CN107809117A (zh) * | 2017-09-28 | 2018-03-16 | 北京交通大学长三角研究院 | 基于pi环调节放电阈值的城轨交通地面锂离子电池储能系统控制方法 |
CN107994649A (zh) * | 2017-12-26 | 2018-05-04 | 长沙龙生光启新材料科技有限公司 | 一种太阳能发电控制方法 |
CN107994649B (zh) * | 2017-12-26 | 2020-11-17 | 泉州英菲尔信息技术有限公司 | 一种太阳能发电控制方法 |
CN112288119A (zh) * | 2019-07-25 | 2021-01-29 | 陈盛博 | 一种储能系统的高颗粒度能量控制算法及装置 |
CN112288119B (zh) * | 2019-07-25 | 2024-07-19 | 江西盛梦科技有限公司 | 一种储能系统的高颗粒度能量控制方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105098810B (zh) | 2018-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109713696A (zh) | 考虑用户行为的电动汽车光伏充电站优化调度方法 | |
JP3740099B2 (ja) | 電力ネットワーク管理システムおよび電力ネットワーク管理方法 | |
US9343926B2 (en) | Power controller | |
Venu et al. | Battery storage system sizing in distribution feeders with distributed photovoltaic systems | |
KR101632353B1 (ko) | 이차전지의 충전 및 방전 제어 장치 및 방법 | |
CN105098810A (zh) | 自适应式微网储能系统能量优化管理方法 | |
CN111244988B (zh) | 考虑分布式电源的电动汽车和储能优化调度方法 | |
CN106709610A (zh) | 一种微电网电储能、冰蓄冷联合优化调度方法 | |
CN109102185B (zh) | 一种评估光储充一体化电站全寿命周期经济性的方法和系统 | |
CN110165715B (zh) | 一种将电动汽车储能式充电站接入虚拟电厂的方法 | |
Li et al. | Optimal configuration of photovoltaic energy storage capacity for large power users | |
CN105515031B (zh) | 一种基于预测数据修正的微网储能实时控制方法 | |
Chen et al. | Energy storage sizing for dispatchability of wind farm | |
Rossi et al. | Real-time optimization of the battery banks lifetime in hybrid residential electrical systems | |
WO2020097677A1 (en) | A controller for a photovoltaic generation and energy storage system | |
CN113313351B (zh) | 计及多能耦合影响的电-气-热系统灵活性评估方法 | |
CN116231764B (zh) | 一种源网荷储协调控制方法及系统 | |
CN104281984A (zh) | 一种用于微电网经济运行的供电方法 | |
CN115375032A (zh) | 一种含分布式储能的区域电网多时间尺度优化调度方法 | |
CN107634542A (zh) | 一种新能源发电系统的并网功率平滑控制方法及控制器 | |
Kordkheili et al. | Managing high penetration of renewable energy in MV grid by electric vehicle storage | |
Fan et al. | The hybrid energy storage microgrid optimization operation considering the battery health state | |
JP2013042575A (ja) | 発電量予測装置、サーバ、および発電システム | |
KR101338344B1 (ko) | 태양광 발전 시스템의 배터리 모듈 제어 방법 | |
CN110417002A (zh) | 一种孤岛微电网能量模型的优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |