CN105260797A - 一种计及经济性评估的微网储能电站规划控制方法 - Google Patents
一种计及经济性评估的微网储能电站规划控制方法 Download PDFInfo
- Publication number
- CN105260797A CN105260797A CN201510684546.8A CN201510684546A CN105260797A CN 105260797 A CN105260797 A CN 105260797A CN 201510684546 A CN201510684546 A CN 201510684546A CN 105260797 A CN105260797 A CN 105260797A
- Authority
- CN
- China
- Prior art keywords
- power
- microgrid
- ultracapacitor
- energy
- battery
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
-
- 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
-
- 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
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及一种计及经济性评估的微网储能电站规划控制方法,包括预测N天微网负荷数据、风电输出功率以及光伏输出功率;其特征在于根据所得的数据,计算为满足负荷需求所需要的储能系统出力;利用改进经验模态分解算法将储能系统出力进行分解,得到n个IMF分量,令k分别取1~n,将第1~k-1个IMF分量之和作为电池出力,第k~n个IMF分量之和作为超级电容器出力;将电池与电容器的功率、容量代入微网储能电站规划模型,判断是否满足约束条件,计算对应的目标函数值;利用遗传算法对模型进行寻优,得到满足约束条件且使目标函数最小的k值,确定储能系统最优容量配置与年平均最小成本。
Description
技术领域
本发明涉及一种计及经济性评估的微网储能电站规划控制方法,特别是微网中混合储能电站的规划设计方法。
背景技术
为削弱分布式发电对电网的冲击和负面影响,充分挖掘分布式能源为电网和用户所带来的价值和效益,2001年,美国威斯康星大学R.H.Lasseter等人提出了微网的概念。微网由多种分布式发电单元、储能及负荷组成。其中,风电和光伏发电等分布式发电单元的输出功率具有间歇性和随机性的特点,而负荷的变化也具有随机性,这给微网的稳定运行带来了较大挑战。
储能可以通过充放电维持微网内部的功率平衡与能量平衡,是微网改善电能质量、安全可靠运行的关键。但由于储能装置成本较高,运行寿命较短,大规模应用受到制约,因此在满足系统运行需求的基础上对储能系统进行合理的容量优化配置具有重要的现实意义。
蓄电池作为传统储能元件,能量密度大,存储容量高,但存在功率密度低,循环寿命短、低温特性差、价格昂贵等不足;超级电容器作为一种新型能源器件,虽然能量密度较小,但功率密度大,存储容量低,响应时间较短,可以频繁充放电而不损害其性能。混合储能可以充分利用蓄电池和超级电容器的互补特性,减少蓄电池的充放电次数从而延长其使用寿命。
目前,储能电站规划与储能系统容量配置多为单一类型储能容量配置,针对混合储能系统的容量配置方法较少。在针对混合储能系统的容量配置方法中,
较少涉及电池与超级电容器之间的明确的功率分配方法,或者没有将经济成本考虑在内,由于目前储能装置造价昂贵,计及经济性的储能电站规划方法将更具实际意义。
发明内容
针对上述问题,本发明的目的是提供一种计及经济性评估的微网储能电站规划控制方法,其针对微网中由电池—超级电容器所构成的混合储能系统,利用蓄电池和超级电容器的互补特性,采用EEMD滤波对混合储能系统进行功率分配,并结合经济性目标,得到最优容量配置结果,降低储能系统损耗,节约经济成本。
为实现上述目的,本发明采取以下技术方案:一种计及经济性评估的微网储能电站规划方法,其特征在于包括以下步骤:
步骤1:预测N天微网负荷数据、风电输出功率以及光伏输出功率;步骤2:根据步骤1所得的数据,计算为满足负荷需求所需要的储能系统出力;
步骤3:利用改进经验模态分解算法将储能系统出力进行分解,得到n个IMF分量。令k分别取1~n,将第1~k-1个IMF分量之和作为电池出力,第k~n个IMF分量之和作为超级电容器出力。
步骤4:以储能系统年平均成本为目标函数,储能系统SOC、能量守恒、功率约束等为约束条件,建立计及经济性能评估的微网储能电站规划模型;将电池与电容器的功率、容量代入微网储能电站规划模型,判断是否满足约束条件,计算对应的目标函数值;
步骤5:利用遗传算法对模型进行寻优,得到满足约束条件且使目标函数最小的k值,确定储能系统最优容量配置与年平均最小成本。
所述步骤2中,储能系统出力计算如下:
式中,为微网负荷,为微网风电输出功率,为微网光伏输出功率。
所述步骤3中,利用改进经验模态分解算法将储能系统出力进行分解,得到n个IMF分量,包括以下子步骤:
步骤3-1:给原始储能系统出力信号叠加一组高斯白噪声信号获得一个总体信号:
步骤3-2:对进行EMD分解,得到各阶IMF分量:
式中,为第i阶IMF分量,为余项;
步骤3-3:给原始储能系统出力信号叠加不同的高斯白噪声信号,重复步骤步骤3-1和步骤3-2。
式中,和分别为原始信号加第j个高斯白噪声信号进行EMD分解后所得的第i阶IMF分量和余项;
步骤3-4:原始储能系统出力信号对应的IMF分量可表示为:
步骤3-5:最后,原始储能系统出力信号分解为:
EEMD中所加高斯白噪声的次数服从如下的统计规律:
式中,N为总体的个数;为高斯白噪声的幅度;为原始信号与由最终的IMF分量相加得到的信号之间的误差。一般情况下,取0.2,N取100。
通过EEMD方法可以获得具有显性物理特征的IMF序列,各阶IMF可以反映原始信号在相应的某一特征尺度参数上的模态,阶数越高则所含瞬时频率成分越低,因此利用IMF序列能够设计一种新的时空滤波器。
低通滤波可表示为:
高通滤波可表示为:
式中,为滤波阶数。且由上式可知:值越大,则低频分量包含能量越小,高频分量包含能量越大,越平滑;值越小,则高频分量包含能量越大,低频分量包含能量越小。
所述步骤3中,电池与超级电容器出力计算方法如下:
电池吸收具有较大能量的低频分量,以平抑HESS中的趋势性波动;超级电容器吸收包含较多频繁往复变化功率的高频分量,以平抑HESS中的快变性波动。
蓄电池出力:
超级电容器出力:
所述步骤4中,蓄电池与超级电容器的功率、容量计算如下:
蓄电池功率:
蓄电池容量:
超级电容器功率:
超级电容器容量:
所述步骤4中,微网储能电站规划模型的目标函数为:
式中,为安装设备的成本,为运行维护成本,为设备寿命终止产生的更换成本,Y为工作时间。且有
式中,和分别代表电池和超级电容器的维护单价,代表设备使用期数,和分别代表电池和超级电容器的更换次数。、、和分别代表电池和超级电容器的额定功率和额定容量;、、和分别代表电池和超级电容器的功率单价和容量单价。
所述步骤4中,微网储能电站规划模型的约束条件为:
1)储能系统充放电约束
式中,、分别为电池与超级电容器的荷电状态,、分别为储能系统SOC范围的最小值与最大值。
2)能量守恒的约束
光伏出力,电池出力和超级电容器出力之和应当与并网功率相一致。
3)功率约束
电池和超级电容器的输出功率应当不大于其额定功率。
本发明提出了一种计及经济性评估的微网储能电站规划设计方法,特别是微网中混合储能电站的规划设计方法。针对微网中由电池—超级电容器所构成的混合储能系统,利用蓄电池和超级电容器的互补特性,采用EEMD滤波对混合储能系统进行功率分配,并结合经济性目标,得到最优容量配置结果。
本发明具有以下优点:
1、针对由电池—超级电容器所构成的混合储能系统,提出一种混合储能系统的容量配置方法,利用蓄电池和超级电容器的互补特性,减少蓄电池充放电次数与充放电深度,改善单一类型储能系统的不足。
2、采用EEMD滤波的方法将微网中的储能出力信号分解成低频和高频信号。电池吸收具有较大能量的低频分量,以平抑HESS中的趋势性波动;超级电容器吸收包含较多频繁往复变化功率的高频分量,以平抑HESS中的快变性波动。可以降低储能系统损耗,提高储能系统性能。
3、根据经济性评估调整EEMD滤波阶次,建立以储能系统年平均成本为目标函数,以波动率、储能系统SOC、能量守恒、功率约束等为约束条件的微网混合储能系统配置模型,得到最优容量配置结果,降低微网储能系统的成本。
本发明可以广泛应用于微电网储能电站规划中。
附图说明
图1为本发明的方法流程示意图;
图2为风/光/储构成的微电网系统示意图;
图3为微网负荷曲线图;
图4为风电机组功率特性曲线图;
图5为光伏阵列功率特性曲线图;
图6为储能系统出力曲线图;
图7为储能系统出力EEMD分解曲线图;
图8为储能系统中电池与超级电容器出力曲线图。
具体实施方式
下面结合附图和实施例对本发明做进一步的描述:如图1所示,本发明的计及经济性评估的微网储能电站规划方法,包括以下步骤:
步骤1:含风/光/储的微电网结构示意图如图2所示,微网负荷曲线图如图3所示,风电机组功率特性曲线图如图4所示,光伏阵列功率特性曲线图如图5所示。
步骤2:计算为满足负荷需求所需要的储能系统出力:
式中,为微网负荷,为微网风电输出功率,为微网光伏输出功率。
计算所得储能系统出力曲线图如图6所示。
步骤3:利用改进经验模态分解算法将储能系统出力进行分解,得到n个IMF分量,包括以下子步骤:
步骤3-1:给原始储能系统出力信号叠加一组高斯白噪声信号获得一个总体信号:
步骤3-2:对进行EMD分解,得到各阶IMF分量:
式中,为第i阶IMF分量,为余项;
步骤3-3:给原始储能系统出力信号叠加不同的高斯白噪声信号,重复步骤步骤3-1和步骤3-2。
式中,和分别为原始信号加第j个高斯白噪声信号进行EMD分解后所得的第i阶IMF分量和余项;
步骤3-4:原始储能系统出力信号对应的IMF分量可表示为:
步骤3-5:最后,原始储能系统出力信号分解为:
EEMD中所加高斯白噪声的次数服从如下的统计规律:
式中,N为总体的个数;为高斯白噪声的幅度;为原始信号与由最终的IMF分量相加得到的信号之间的误差。一般情况下,取0.2,N取100。
储能系统出力EEMD分解曲线图如图7所示。
令k分别取1~n,将第1~k-1个IMF分量之和作为电池出力,第k~n个IMF分量之和作为超级电容器出力。
蓄电池出力:
超级电容器出力:
步骤4:根据电池与超级电容器的出力,计算所需配置的电池与电容器的功率、容量。
蓄电池功率:
蓄电池容量:
超级电容器功率:
超级电容器容量:
以储能系统年平均成本为目标函数,以储能系统SOC、能量守恒、功率约束等为约束条件,建立微网储能电站规划模型。
微网储能电站规划模型的目标函数为:
式中,为安装设备的成本,为运行维护成本,为设备寿命终止产生的更换成本,Y为工作时间。且有
式中,和分别代表电池和超级电容器的维护单价,代表设备使用期数,和分别代表电池和超级电容器的更换次数。、、和分别代表电池和超级电容器的额定功率和额定容量;、、和分别代表电池和超级电容器的功率单价和容量单价。
微网储能电站规划模型的约束条件为:
1)储能系统充放电约束
式中,、分别为电池与超级电容器的荷电状态,、分别为储能系统SOC范围的最小值与最大值。
2)能量守恒的约束
光伏出力,电池出力和超级电容器出力之和应当与并网功率相一致。
3)功率约束
电池和超级电容器的输出功率应当不大于其额定功率。
将电池与电容器的功率、容量代入微网储能电站规划模型,判断是否满足约束条件,计算对应的目标函数值;
步骤5:利用遗传算法对模型进行寻优,得到满足约束条件且使目标函数最小的k值,确定储能系统最优容量配置与年平均最小成本。
Claims (8)
1.一种计及经济性评估的微网储能电站规划控制方法,其特征在于包括以下步骤:
步骤1:预测N天微网负荷数据、风电输出功率以及光伏输出功率;步骤2:根据步骤1所得的数据,计算为满足负荷需求所需要的储能系统出力;
步骤3:利用改进经验模态分解算法将储能系统出力进行分解,得到n个IMF分量;
令k分别取1~n,将第1~k-1个IMF分量之和作为电池出力,第k~n个IMF分量之和作为超级电容器出力;步骤4:以储能系统年平均成本为目标函数,储能系统SOC、能量守恒、功率约束等为约束条件,建立计及经济性能评估的微网储能电站规划模型;将电池与电容器的功率、容量代入微网储能电站规划模型,判断是否满足约束条件,计算对应的目标函数值;
步骤5:利用遗传算法对模型进行寻优,得到满足约束条件且使目标函数最小的k值,确定储能系统最优容量配置与年平均最小成本。
2.根据权利要求1所述的一种计及经济性评估的微网储能电站规划控制方法,其特征在于所述步骤2中,储能系统出力计算如下:
式中,为微网负荷,为微网风电输出功率,为微网光伏输出功率。
3.根据权利要求1所述的一种计及经济性评估的微网储能电站规划控制方法,其特征在于所述步骤3中,利用改进经验模态分解算法将储能系统出力进行分解,得到n个IMF分量,包括以下子步骤:
步骤3-1:给原始储能系统出力信号叠加一组高斯白噪声信号获得一个总体信号:
步骤3-2:对进行EMD分解,得到各阶IMF分量:
式中,为第i阶IMF分量,为余项;
步骤3-3:给原始储能系统出力信号叠加不同的高斯白噪声信号,重复步骤步骤3-1和步骤3-2;
式中,和分别为原始信号加第j个高斯白噪声信号进行EMD分解后所得的第i阶IMF分量和余项;
步骤3-4:原始储能系统出力信号对应的IMF分量可表示为:
步骤3-5:最后,原始储能系统出力信号分解为:
EEMD中所加高斯白噪声的次数服从如下的统计规律:
式中,N为总体的个数;为高斯白噪声的幅度;为原始信号与由最终的IMF分量相加得到的信号之间的误差;一般情况下,取0.2,N取100。
4.根据权利要求3所述的一种计及经济性评估的微网储能电站规划控制方法,其特征在于所述的EEMD分解算法通过EEMD方法可以获得具有显性物理特征的IMF序列,各阶IMF可以反映原始信号在相应的某一特征尺度参数上的模态,阶数越高则所含瞬时频率成分越低,因此利用IMF序列能够设计一种新的时空滤波器;
低通滤波可表示为:
高通滤波可表示为:
式中,为滤波阶数;
且由上式可知:值越大,则低频分量包含能量越小,高频分量包含能量越大,越平滑;值越小,则高频分量包含能量越大,低频分量包含能量越小。
5.根据权利要求1所述的一种计及经济性评估的微网储能电站规划控制方法,其特征在于所述电池与超级电容器出力计算方法如下:
电池吸收具有较大能量的低频分量,以平抑HESS中的趋势性波动;超级电容器吸收包含较多频繁往复变化功率的高频分量,以平抑HESS中的快变性波动,
蓄电池出力:
超级电容器出力:
。
6.根据权利要求1所述的一种计及经济性评估的微网储能电站规划控制方法,其特征在于所述的蓄电池与超级电容器的功率、容量计算如下:
蓄电池功率:
蓄电池容量:
超级电容器功率:
超级电容器容量:
。
7.根据权利要求1所述的一种计及经济性评估的微网储能电站规划控制方法,其特征在于所述的微网储能电站规划模型的目标函数为:
式中,为安装设备的成本,为运行维护成本,为设备寿命终止产生的更换成本,Y为工作时间;且有
式中,和分别代表电池和超级电容器的维护单价,代表设备使用期数,和分别代表电池和超级电容器的更换次数;
、、和分别代表电池和超级电容器的额定功率和额定容量;、、和分别代表电池和超级电容器的功率单价和容量单价。
8.根据权利要求1所述的一种计及经济性评估的微网储能电站规划控制方法,其特征在于所述的微网储能电站规划模型的约束条件为:
1)储能系统充放电约束
式中,、分别为电池与超级电容器的荷电状态,、分别为储能系统SOC范围的最小值与最大值;
2)能量守恒的约束
光伏出力,电池出力和超级电容器出力之和应当与并网功率相一致;
3)功率约束
电池和超级电容器的输出功率应当不大于其额定功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510684546.8A CN105260797B (zh) | 2015-10-22 | 2015-10-22 | 一种微网储能电站规划控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510684546.8A CN105260797B (zh) | 2015-10-22 | 2015-10-22 | 一种微网储能电站规划控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105260797A true CN105260797A (zh) | 2016-01-20 |
CN105260797B CN105260797B (zh) | 2022-04-15 |
Family
ID=55100476
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510684546.8A Active CN105260797B (zh) | 2015-10-22 | 2015-10-22 | 一种微网储能电站规划控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105260797B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106169903A (zh) * | 2016-09-21 | 2016-11-30 | 华北电力大学(保定) | 一种光伏‑蓄电池发电系统的虚拟惯性控制方法 |
CN106786689A (zh) * | 2016-12-02 | 2017-05-31 | 东北电力大学 | 一种计及运行和惩罚成本的储能容量优化配置方法 |
CN106998072A (zh) * | 2017-05-15 | 2017-08-01 | 国网江苏省电力公司电力科学研究院 | 一种面向配电网优化运行的混合储能系统容量优化配置方法 |
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 |
CN108521133A (zh) * | 2018-04-18 | 2018-09-11 | 国网山西省电力公司电力科学研究院 | 基于集合经验模态分解的火-储联合调度调频功率分配方法 |
CN109088421A (zh) * | 2018-08-28 | 2018-12-25 | 河海大学 | 基于fdm的混合储能系统容量优化配置方法 |
CN109167391A (zh) * | 2018-10-11 | 2019-01-08 | 珠海吉瓦科技有限公司 | 一种基于集合经验模态分解的梯次电池储能电站能量管理方法及系统 |
CN109615193A (zh) * | 2018-11-27 | 2019-04-12 | 国网四川省电力公司经济技术研究院 | 一种考虑光伏与混合储能的综合能源系统规划方法 |
CN109617066A (zh) * | 2019-01-04 | 2019-04-12 | 上海电力学院 | 基于电价体系的储能配置方法 |
CN109861277A (zh) * | 2019-01-23 | 2019-06-07 | 国家电网有限公司 | 一种充电站光伏和储能容量的配置方法及系统 |
CN109995025A (zh) * | 2019-03-11 | 2019-07-09 | 上海电力学院 | 一种基于两部制电价体系的储能控制方法 |
CN110676870A (zh) * | 2019-04-30 | 2020-01-10 | 国网新疆电力有限公司经济技术研究院 | 一种适用于风电并网的混合储能容量配置方法 |
CN111146793A (zh) * | 2019-12-18 | 2020-05-12 | 济南大学 | 基于功率特征提取的光伏-储能系统容量优化设计方法及系统 |
CN112260296A (zh) * | 2020-10-10 | 2021-01-22 | 国网江苏省电力有限公司扬州供电分公司 | 一种用于平抑间歇性负荷的混合储能系统优化方法及装置 |
CN112491041A (zh) * | 2020-11-20 | 2021-03-12 | 西安热工研究院有限公司 | 一种储能混合微电网混合线性经济性规划方法 |
CN112583057A (zh) * | 2020-12-03 | 2021-03-30 | 江苏科技大学 | 一种基于光柴混合储能的船舶能量管理控制系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103178538A (zh) * | 2013-04-11 | 2013-06-26 | 华北电力大学 | 混合储能型风力发电系统的风电功率波动抑制方法 |
US20140365419A1 (en) * | 2011-12-30 | 2014-12-11 | Thomson Licensing | Adaptation of a power generation capacity and determining of an energy storage unit size |
CN104377724A (zh) * | 2014-11-06 | 2015-02-25 | 华北电力大学 | 提高风电/光伏混合储能系统经济性的协调优化控制方法 |
CN104600727A (zh) * | 2014-12-22 | 2015-05-06 | 国家电网公司 | 一种基于数理统计和小波分解算法的微电网中混合储能的容量配置方法 |
-
2015
- 2015-10-22 CN CN201510684546.8A patent/CN105260797B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140365419A1 (en) * | 2011-12-30 | 2014-12-11 | Thomson Licensing | Adaptation of a power generation capacity and determining of an energy storage unit size |
CN103178538A (zh) * | 2013-04-11 | 2013-06-26 | 华北电力大学 | 混合储能型风力发电系统的风电功率波动抑制方法 |
CN104377724A (zh) * | 2014-11-06 | 2015-02-25 | 华北电力大学 | 提高风电/光伏混合储能系统经济性的协调优化控制方法 |
CN104600727A (zh) * | 2014-12-22 | 2015-05-06 | 国家电网公司 | 一种基于数理统计和小波分解算法的微电网中混合储能的容量配置方法 |
Cited By (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106169903A (zh) * | 2016-09-21 | 2016-11-30 | 华北电力大学(保定) | 一种光伏‑蓄电池发电系统的虚拟惯性控制方法 |
CN106786689A (zh) * | 2016-12-02 | 2017-05-31 | 东北电力大学 | 一种计及运行和惩罚成本的储能容量优化配置方法 |
CN106786689B (zh) * | 2016-12-02 | 2019-05-21 | 东北电力大学 | 一种计及运行和惩罚成本的储能容量优化配置方法 |
CN106998072A (zh) * | 2017-05-15 | 2017-08-01 | 国网江苏省电力公司电力科学研究院 | 一种面向配电网优化运行的混合储能系统容量优化配置方法 |
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 |
CN108521133A (zh) * | 2018-04-18 | 2018-09-11 | 国网山西省电力公司电力科学研究院 | 基于集合经验模态分解的火-储联合调度调频功率分配方法 |
CN109088421A (zh) * | 2018-08-28 | 2018-12-25 | 河海大学 | 基于fdm的混合储能系统容量优化配置方法 |
CN109167391A (zh) * | 2018-10-11 | 2019-01-08 | 珠海吉瓦科技有限公司 | 一种基于集合经验模态分解的梯次电池储能电站能量管理方法及系统 |
CN109615193B (zh) * | 2018-11-27 | 2023-06-16 | 国网四川省电力公司经济技术研究院 | 一种考虑光伏与混合储能的综合能源系统规划方法 |
CN109615193A (zh) * | 2018-11-27 | 2019-04-12 | 国网四川省电力公司经济技术研究院 | 一种考虑光伏与混合储能的综合能源系统规划方法 |
CN109617066A (zh) * | 2019-01-04 | 2019-04-12 | 上海电力学院 | 基于电价体系的储能配置方法 |
CN109861277A (zh) * | 2019-01-23 | 2019-06-07 | 国家电网有限公司 | 一种充电站光伏和储能容量的配置方法及系统 |
CN109995025A (zh) * | 2019-03-11 | 2019-07-09 | 上海电力学院 | 一种基于两部制电价体系的储能控制方法 |
CN110676870A (zh) * | 2019-04-30 | 2020-01-10 | 国网新疆电力有限公司经济技术研究院 | 一种适用于风电并网的混合储能容量配置方法 |
CN111146793A (zh) * | 2019-12-18 | 2020-05-12 | 济南大学 | 基于功率特征提取的光伏-储能系统容量优化设计方法及系统 |
CN111146793B (zh) * | 2019-12-18 | 2021-11-26 | 济南大学 | 基于功率特征提取的光伏-储能系统容量优化设计方法及系统 |
CN112260296A (zh) * | 2020-10-10 | 2021-01-22 | 国网江苏省电力有限公司扬州供电分公司 | 一种用于平抑间歇性负荷的混合储能系统优化方法及装置 |
CN112491041A (zh) * | 2020-11-20 | 2021-03-12 | 西安热工研究院有限公司 | 一种储能混合微电网混合线性经济性规划方法 |
CN112491041B (zh) * | 2020-11-20 | 2023-02-07 | 西安热工研究院有限公司 | 一种储能混合微电网混合线性经济性规划方法 |
CN112583057A (zh) * | 2020-12-03 | 2021-03-30 | 江苏科技大学 | 一种基于光柴混合储能的船舶能量管理控制系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105260797B (zh) | 2022-04-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105260797A (zh) | 一种计及经济性评估的微网储能电站规划控制方法 | |
CN109687444B (zh) | 一种微电网电源多目标双层优化配置方法 | |
CN103485977B (zh) | 风力发电系统实时功率预测的修正方法 | |
CN104104107B (zh) | 用混合储能平抑风电功率波动的模型预测控制方法 | |
CN110797896A (zh) | 一种微网风光储系统中混合储能容量优化配置方法 | |
CN103326388B (zh) | 基于功率预测的微电网储能系统及容量配置方法 | |
CN107453356B (zh) | 基于自适应动态规划的用户侧柔性负荷调度方法 | |
CN104600727A (zh) | 一种基于数理统计和小波分解算法的微电网中混合储能的容量配置方法 | |
CN105576677A (zh) | 一种光伏储能系统能量管理控制方法 | |
CN105243516A (zh) | 基于主动配电网的分布式光伏发电最大消纳能力计算系统 | |
WO2023060815A1 (zh) | 一种提高配电网可靠性的储能容量优化配置方法 | |
CN104377724A (zh) | 提高风电/光伏混合储能系统经济性的协调优化控制方法 | |
Feng et al. | Performance analysis of hybrid energy storage integrated with distributed renewable energy | |
CN104077664A (zh) | 一种风电储能发电系统的置信容量评估方法 | |
CN105226694A (zh) | 基于模糊经验模态分解的储能平滑新能源发电控制方法 | |
CN103326389A (zh) | 基于功率预测的微电网储能系统及容量配置方法 | |
CN103915851B (zh) | 一种递进步长和期望输出均可变的储能系统优化控制方法 | |
Huangfu et al. | An optimal energy management strategy with subsection bi-objective optimization dynamic programming for photovoltaic/battery/hydrogen hybrid energy system | |
CN106655266B (zh) | 一种接入新能源的地区电网可灵活调节电源配置方法 | |
CN110896246B (zh) | 一种混合储能式有轨电车系统的配置优化方法 | |
CN104135037A (zh) | 一种风光储优化运行方法 | |
Song et al. | Distributed wind power and photovoltaic energy storage capacity configuration method under big data | |
CN103489043B (zh) | 一种风电装机与储能电池容量比例的优化方法 | |
Liqun et al. | Capacity optimization of hybrid energy storage in wind/PV complementary power generation system based on improved particle swarm optimization | |
CN109510242A (zh) | 一种微电网储能系统配置优化方法及存储介质 |
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 |