CN105680474B - 一种储能抑制光伏电站快速功率变化的控制方法 - Google Patents
一种储能抑制光伏电站快速功率变化的控制方法 Download PDFInfo
- Publication number
- CN105680474B CN105680474B CN201610096821.9A CN201610096821A CN105680474B CN 105680474 B CN105680474 B CN 105680474B CN 201610096821 A CN201610096821 A CN 201610096821A CN 105680474 B CN105680474 B CN 105680474B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- power
- photovoltaic
- storage system
- output
- 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 79
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000000452 restraining effect Effects 0.000 title claims abstract description 10
- 230000002401 inhibitory effect Effects 0.000 claims abstract description 5
- 238000005070 sampling Methods 0.000 claims description 15
- 238000007599 discharging Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010248 power generation Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
Images
Classifications
-
- H02J3/383—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/36—Circuit design at the analogue level
- G06F30/367—Design verification, e.g. using simulation, simulation program with integrated circuit emphasis [SPICE], direct methods or relaxation methods
-
- 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
-
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B10/00—Integration of renewable energy sources in buildings
- Y02B10/10—Photovoltaic [PV]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- Microelectronics & Electronic Packaging (AREA)
- Power Engineering (AREA)
- Photovoltaic Devices (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种储能抑制光伏电站快速功率变化的控制方法,所述方法包括如下步骤:(1)接收电网的有功功率、光伏电站出力的调度数据、预测模型的预测数据和储能系统的约束数据;(2)建立光伏预测模型,并对光伏出力进行预测;(3)使用机会约束的方法求解目标函数,得出储能系统的出力值;(4)控制储能系统的输出功率,抑制光伏阵列产生的波动。本发明实现了良好的抑制光伏电站功率波动效果,降低系统成本,提高光伏电站接入电网的稳定性。
Description
技术领域
本发明涉及一种控制光伏电站功率变化的控制方法,具体涉及一种储能抑制光伏电站快速功率变化的控制方法。
背景技术
随着光伏发电技术的迅速发展和各项国家政策的出台,我国光伏发电装机容量不断增加,国家能源局公布2014年光伏发电累计装机容量2805万千瓦,其中光伏电站2338万千瓦,分布式光伏467万千瓦。这些光伏电站大多位于光资源丰富西北和西藏地区,而光伏发电受天气条件的影响具有极大的不确定性,其间歇性和波动性微电网的调度运行带来了新的挑战。储能系统为解决光伏发电波动性问题提供了新的思路,通过在光伏电站配置相应容量的储能系统,可以显著改善光伏电站的有功输出特性,进而提高电网运行的安全性和稳定性。
对于大型光伏电站而言,多使用集中式储能配置方式,即光伏阵列和储能系统分别通过逆变器接入交流母线,再通过变压器接入电网,储能系统接入交流母线,直接对整个光伏电站进行削峰填谷、平抑波动。现有储能系统控制策略只对光伏电站的功率输出曲线进行简单补偿,不具备准确的光伏发电出力预测模型,采用离线方法对光伏电站和储能进行控制将产生较大偏差,配置的储能系统容量也未得到优化,同时也使得储能深度充放电影响其使用寿命。
发明内容
为了克服上述现有技术的不足,本发明提供一种储能抑制光伏电站快速功率变化的控制方法,本发明实现了良好的抑制光伏电站功率波动效果,降低系统成本,提高光伏电站接入电网的稳定性。
为了实现上述发明目的,本发明采取如下技术方案:
一种储能抑制光伏电站快速功率变化的控制方法,所述方法包括如下步骤:
(1)接收电网的有功功率、光伏电站出力的调度数据、预测模型的预测数据和储能系统的约束数据;
(2)建立光伏预测模型,并对光伏出力进行预测;
(3)使用机会约束的方法求解目标函数,得出储能系统的出力值;
(4)控制储能系统的输出功率,抑制光伏阵列产生的波动。
优选的,所述步骤(1)中,所述光伏电站出力的调度数据包括预测前一日的光伏出力、环境温度、光板温度和相对湿度,所述预测数据包括预测日的环境温度、光电板温度和相对湿度。
优选的,所述步骤(1)中,所述电网的有功功率为光伏阵列和储能系统的输出功率之和,公式如下:
PG(k+1)=PB(k)+PP(k) (1)
式中,PG(k+1)为k+1时刻的光储联合输出功率,PB(k)为k时刻的储能输出功率,PP(k)为k时刻的原始光伏电站输出功率;
所述储能系统SOC的计算公式如下:
EB(k+1)=EB(k)-ηΔTBPB(k) (2)
式中,EB(k+1)为k+1时刻的储能系统荷电状态,EB(k)为k时刻的储能系统荷电状态,η为储能充放电效率系数,ΔTB为采样时间常数,其值为采样时间/60min。
优选的,所述步骤(1)中,所述约束数据包括:储能系统的荷电状态和充放电功率的约束条件;
储能系统的荷电状态限制:
SOCmin≤EB(k+h|k)≤SOCmax,h=1,2,…,H (3)
储能系统的充放电功率限制:
-PB,max≤PB(k+h|k)≤PB,max,h=1,2,…,H (4)
SOCmin和SOCmax分别为储能系统的荷电状态的下限和上限,-PB,max和PB,max分别为储能系统的充放电功率的下限和上限,(k+h|k)代表采样时间k时刻对k+h时刻的预测值,H为预测时长。
优选的,所述步骤(2)中,根据BP神经网络方法建立所述光伏预测模型,公式如下:
x=f(w1u+b1) (5)
y=f(w2x+b2) (6)
式中u、x、y分别表示r维输入层节点向量、n维隐含层节点向量和m维输出节点向量,w1和w2分别表示输入层到隐含层和隐含层到输出层的连接权值,b1和b2分别表示隐含层和输出层的阈值,f()为层与层之间的传递函数,选用S型函数
优选的,所述步骤(3)中,所述目标函数为光储联合输出功率的波动值的平方和、光储联合输出功率与调度要求之差的平方和、储能充放电量的平方各自乘以权重系数后的和,即:
式中,J为目标函数,(k+h|k)代表采样时间k时刻对k+h时刻的预测值,H为预测时长,α、β为权重值,PD()是电网对光伏电站的要求功率,即调度数据。
优选的,所述步骤(3)中,基于所述储能系统的约束数据使用所述机会约束的方法,引入新的变量P1(k+h|k)、P2(k+h|k),从而引入新的机会约束Pr[|PG(k+h|k)-PG(k+h-1|k)|≤P1(k+h|k)]≥γ,Pr[|PG(k+h|k)-PD(k+h|k)|≤P2(k+h|k)]≥η,γ,η∈(0,1),代表概率,Pr[X]表示事件X发生的可能性,进而求解目标函数的最小值。
与现有技术相比,本发明的有益效果在于:
本发明基于模型预测控制方法,设计储能抑制光伏电站快速功率变化控制策略,可以实现良好的抑制光伏电站功率波动效果,降低系统成本,提高光伏电站接入电网的稳定性。
附图说明
图1是本发明提供的光伏电站和储能联合系统示意图
图2是本发明提供的一种储能抑制光伏电站快速功率变化的控制方法的流程图
图3是本发明提供的BP神经网络预测模型示意图
图4是本发明提供的预测模型预测控制结构图
具体实施方式
下面结合附图对本发明作进一步详细说明。
如图1所示,本发明中光伏电站和储能联合系统的拓扑结构为:包含光伏阵列、储能系统、两个变流器、一台变压器和一个MPC(模型预测控制)控制器,光伏阵列和储能系统分别通过变流器接入交流母线,再通过变压器接入电网。输入电网的有功功率为光伏阵列和储能系统的输出功率之和。MPC控制器接收电网对光伏电站出力的调度数据、预测模型的预测数据和储能电池的约束数据,并将这些数据带入优化模型,使用机会约束的方法求解目标函数,得出储能系统的出力值,进而控制储能系统的输出功率,抑制光伏阵列产生的波动,跟踪调度指令的要求。
如图2所示,为本发明提供的一种储能抑制光伏电站快速功率变化的控制方法,包括如下步骤:
步骤1、接收电网的有功功率、光伏电站出力的调度数据、预测模型的预测数据和储能系统的约束数据;
所述光伏电站出力的调度数据包括预测前一日的光伏出力、环境温度、光板温度和相对湿度,所述预测数据包括预测日的环境温度、光电板温度和相对湿度。
所述电网的有功功率为光伏阵列和储能系统的输出功率之和,公式如下:
PG(k+1)=PB(k)+PP(k) (1)
式中,PG(k+1)为k+1时刻的光储联合输出功率,PB(k)为k时刻的储能输出功率,PP(k)为k时刻的原始光伏电站输出功率;
所述储能系统SOC的计算公式如下:
EB(k+1)=EB(k)-ηΔTBPB(k) (2)
式中,EB(k+1)为k+1时刻的储能系统荷电状态,EB(k)为k时刻的储能系统荷电状态,η为储能充放电效率系数,ΔTB为采样时间常数,其值为采样时间/60min。
所述约束数据包括:储能系统的荷电状态和充放电功率的约束条件;
储能系统的荷电状态限制:
SOCmin≤EB(k+h|k)≤SOCmax,h=1,2,…,H (3)
储能系统的充放电功率限制:
-PB,max≤PB(k+h|k)≤PB,max,h=1,2,…,H (4)
SOCmin和SOCmax分别为储能系统的荷电状态的下限和上限,-PB,max和PB,max分别为储能系统的充放电功率的下限和上限,(k+h|k)代表采样时间k时刻对k+h时刻的预测值,H为预测时长。
步骤2、建立光伏预测模型,并对光伏出力进行预测;
预测模型在某一个采样时刻,对之后H个时刻的光伏出力进行预测,在此基础上,MPC控制器计算出储能系统需要充电或放电的功率,该功率用于补偿调度要求与光伏阵列实际出力的差值,同时,将储能系统的功率和荷电状态的限制考虑在内。在下一时刻,重复这个过程。这样就可以得到符合调度要求的输出功率,即以滚动优化的策略对每一时刻的优化性能指标进行优化,求解该时刻起有限时段内的最优控制策略。
如图3所示,为BP神经网络方法预测模型示意图,BP神经网络方法具有很强的泛化能力和强大的非线性映射能力,这些特性适用于受外界环境影响大,且随机性大的光伏发电系统的功率预测,因而采用此方法建立光伏预测模型。
x=f(w1u+b1) (5)
y=f(w2x+b2) (6)
其中u、x、y分别表示r维输入层节点向量、n维隐含层节点向量和m维输出节点向量。w1和w2分别表示输入层到隐含层和隐含层到输出层的连接权值。b1和b2分别表示隐含层和输出层的阈值。f(x)为层与层之间的传递函数,选用S型函数
在每一个采样时刻k,光伏预测模型对之后H个时刻的光伏出力进行预测,PP(k+1),PP(k+2),…,PP(k+H-1),根据概率预测计算出储能系统的输出功率PB(k),该功率补偿电网对光伏电站的出力要求PD(k+1)(即调度数据)和光伏电站输出PP(k+1)之差,抑制光伏的功率波动,在下一采样时刻k+1,重复此过程。
步骤3、使用机会约束的方法求解目标函数,得出储能系统的出力值;
如图4所示,为预测模型预测控制结构图,在MPC中,为抑制光伏电站快速波动、符合调度要求、延长储能系统使用寿命,以光储联合输出功率的波动值的平方和、光储联合输出功率与调度所需功率差值的平方和储能充放电量的平方之和为目标函数,储能荷电状态限制和充放电功率限制为约束条件,最后使用机会约束的方法求目标函数的最小值。
设定目标函数为光储联合输出功率的波动值得平方和、光储联合输出功率与调度要求之差的平方和储能充放电量的平方各自乘以权重系数后的和,即:
其中,(k+h|k)代表采样时间k时刻对k+h时刻的预测值,α、β为权重值。
使用机会约束的方法,引入新的辅助变量P1(k+h|k)、P2(k+h|k),从而引入新的机会约束Pr[|PG(k+h|k)-PG(k+h-1|k)|≤P1(k+h|k)]≥γ,Pr[|PG(k+h|k)-PD(k+h|k)|≤P2(k+h|k)]≥μ,γ,μ∈(0,1)(Pr[X]表示事件X发生的可能性,γ,μ代表概率),使公式(5)得到简化,进而求解目标函数的最小值。
步骤4、控制储能系统的输出功率,抑制光伏阵列产生的波动。
最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解: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,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求范围当中。
Claims (4)
1.一种储能抑制光伏电站快速功率变化的控制方法,其特征在于,所述方法包括如下步骤:
(1)接收电网的有功功率、光伏电站出力的调度数据、预测模型的预测数据和储能系统的约束数据;
(2)建立光伏预测模型,并对光伏出力进行预测;
(3)使用机会约束的方法求解目标函数,得出储能系统的出力值;
(4)控制储能系统的输出功率,抑制光伏阵列产生的波动;
所述步骤(1)中,所述光伏电站出力的调度数据包括预测前一日的光伏出力、环境温度、光板温度和相对湿度,所述预测数据包括预测日的环境温度、光电板温度和相对湿度;
所述步骤(1)中,所述电网的有功功率为光伏阵列和储能系统的输出功率之和,公式如下:
PG(k+1)=PB(k)+PP(k) (1)
式中,PG(k+1)为k+1时刻的光储联合输出功率,PB(k)为k时刻的储能输出功率,PP(k)为k时刻的原始光伏电站输出功率;
所述储能系统SOC的计算公式如下:
EB(k+1)=EB(k)-ηΔTBPB(k) (2)
式中,EB(k+1)为k+1时刻的储能系统荷电状态,EB(k)为k时刻的储能系统荷电状态,η为储能充放电效率系数,ΔTB为采样时间常数,其值为采样时间/60min;
所述步骤(3)中,所述目标函数为光储联合输出功率的波动值的平方和、光储联合输出功率与调度要求之差的平方和、储能充放电量的平方各自乘以权重系数后的和,即:
式中,J为目标函数,(k+h|k)代表采样时间k时刻对k+h时刻的预测值,H为预测时长,α、β为权重值,PD()是电网对光伏电站的要求功率,即调度数据。
2.根据权利要求1所述控制方法,其特征在于,所述步骤(1)中,所述约束数据包括:储能系统的荷电状态和充放电功率的约束条件;
储能系统的荷电状态限制:
SOCmin≤EB(k+h|k)≤SOCmax,h=1,2,…,H (3)
储能系统的充放电功率限制:
-PB,max≤PB(k+h|k)≤PB,max,h=1,2,…,H (4)
SOCmin和SOCmax分别为储能系统的荷电状态的下限和上限,-PB,max和PB,max分别为储能系统的充放电功率的下限和上限,(k+h|k)代表采样时间k时刻对k+h时刻的预测值,H为预测时长。
4.根据权利要求1所述控制方法,其特征在于,所述步骤(3)中,基于所述储能系统的约束数据使用所述机会约束的方法,引入新的变量P1(k+h|k)、P2(k+h|k),从而引入新的机会约束Pr[|PG(k+h|k)-PG(k+h-1|k)|≤P1(k+h|k)]≥γ,Pr[|PG(k+h|k)-PD(k+h|k)|≤P2(k+h|k)]≥η,γ,η∈(0,1),代表概率,Pr[X]表示事件X发生的可能性,进而求解目标函数的最小值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610096821.9A CN105680474B (zh) | 2016-02-22 | 2016-02-22 | 一种储能抑制光伏电站快速功率变化的控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610096821.9A CN105680474B (zh) | 2016-02-22 | 2016-02-22 | 一种储能抑制光伏电站快速功率变化的控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105680474A CN105680474A (zh) | 2016-06-15 |
CN105680474B true CN105680474B (zh) | 2021-03-02 |
Family
ID=56304864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610096821.9A Active CN105680474B (zh) | 2016-02-22 | 2016-02-22 | 一种储能抑制光伏电站快速功率变化的控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105680474B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106532764B (zh) * | 2016-10-18 | 2018-12-04 | 国网山东省电力公司电力科学研究院 | 一种就地消纳光伏发电的电动汽车充电负荷调控方法 |
CN106777487B (zh) * | 2016-11-18 | 2019-11-05 | 清华大学 | 一种含有储能系统的光伏电站可信容量计算方法及系统 |
CN107507101A (zh) * | 2017-07-31 | 2017-12-22 | 西交利物浦大学 | 一种基于光伏功率预测无需储能系统的爬坡率控制方法 |
CN107886445B (zh) * | 2017-11-09 | 2020-12-04 | 华北电力大学 | 一种基于神经元大数据分析的功率调整方法 |
CN112101987A (zh) * | 2020-08-27 | 2020-12-18 | 国网浙江海宁市供电有限公司 | 一种多微网随机预测控制方法 |
CN113193553B (zh) * | 2021-04-29 | 2022-07-29 | 中国华能集团清洁能源技术研究院有限公司 | 一种结合储能控制系统的新能源发电侧功率预测方法及系统 |
CN113761793B (zh) * | 2021-08-16 | 2024-02-27 | 固德威技术股份有限公司 | 逆变器输出阻抗检测装置及方法、逆变器运行控制方法 |
CN113497445A (zh) * | 2021-09-08 | 2021-10-12 | 国网江西省电力有限公司电力科学研究院 | 一种区域多尺度新能源电站出力联合预测方法及系统 |
CN114336739B (zh) * | 2021-12-15 | 2023-12-29 | 合肥工业大学 | 基于云边协同的光储电站储能功率配置方法和系统 |
CN115618753B (zh) * | 2022-12-19 | 2023-04-07 | 中国人民解放军国防科技大学 | 面向频率可调脉冲工况的混合储能系统联合优化方法 |
CN117543619B (zh) * | 2023-11-09 | 2024-05-14 | 国网冀北电力有限公司秦皇岛供电公司 | 基于分布式接入的光伏储能一体化发电系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104734195A (zh) * | 2015-04-13 | 2015-06-24 | 成都鼎智汇科技有限公司 | 一种可并网运行的风光储一体微电网的监控方法 |
EP2919079A2 (en) * | 2014-03-14 | 2015-09-16 | Trillary S.r.l. | Optimization and control method for a distributed micro-generation energy plant |
CN105205549A (zh) * | 2015-09-07 | 2015-12-30 | 中国电力科学研究院 | 一种基于机会约束规划的光储系统跟踪日前计划调度方法 |
CN105337310A (zh) * | 2015-11-30 | 2016-02-17 | 华南理工大学 | 一种串联结构光储型多微网经济运行系统及方法 |
-
2016
- 2016-02-22 CN CN201610096821.9A patent/CN105680474B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2919079A2 (en) * | 2014-03-14 | 2015-09-16 | Trillary S.r.l. | Optimization and control method for a distributed micro-generation energy plant |
CN104734195A (zh) * | 2015-04-13 | 2015-06-24 | 成都鼎智汇科技有限公司 | 一种可并网运行的风光储一体微电网的监控方法 |
CN105205549A (zh) * | 2015-09-07 | 2015-12-30 | 中国电力科学研究院 | 一种基于机会约束规划的光储系统跟踪日前计划调度方法 |
CN105337310A (zh) * | 2015-11-30 | 2016-02-17 | 华南理工大学 | 一种串联结构光储型多微网经济运行系统及方法 |
Non-Patent Citations (3)
Title |
---|
Short Term Photovoltaic Power Generation Forecasting Using Neural Network;S. Hamid Oudjana;《2012 11th International Conference on Environment and Electrical Engineering》;20120525;1-6 * |
基于机会约束规划的主动配电网能量优化调度研究;王健;《电力系统保护与控制》;20140701;第42卷(第13期);45-52 * |
微电网复合储能多目标优化配置方法及评价指标;谭兴国;《电力系统自动化》;20140425;第38卷(第8期);7-14 * |
Also Published As
Publication number | Publication date |
---|---|
CN105680474A (zh) | 2016-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105680474B (zh) | 一种储能抑制光伏电站快速功率变化的控制方法 | |
CN105846461B (zh) | 一种大规模储能电站自适应动态规划的控制方法和系统 | |
CN110729770B (zh) | 一种主动配电网负荷故障恢复策略优化算法 | |
CN107069776B (zh) | 一种平滑微网联络线功率的储能前瞻分布式控制方法 | |
CN105162149A (zh) | 基于模糊自适应调节的光储系统跟踪发电计划出力方法 | |
CN108964103B (zh) | 一种考虑微网系统可调度性的微网储能配置方法 | |
CN110676849B (zh) | 一种孤岛微电网群能量调度模型的构建方法 | |
CN111697578B (zh) | 多目标含储能区域电网运行控制方法 | |
CN112103980A (zh) | 一种联合火电机组agc调频的混合储能系统能量管理方法 | |
CN111786417A (zh) | 一种面向分布式新能源消纳的主动配电网多目标区间优化调度的方法 | |
CN113435730B (zh) | 一种变电站储能容量的协同配置方法、装置及系统 | |
CN116667325B (zh) | 一种基于改进布谷鸟算法的微电网并网运行优化调度方法 | |
CN111092451A (zh) | 一种基于配电网网格的光伏消纳预警方法 | |
CN116760060A (zh) | 一种火-多储系统调频功率双层优化方法 | |
CN114825388A (zh) | 一种基于源网荷储协同的新能源综合消纳调度方法 | |
CN109149658B (zh) | 基于一致性理论的独立微电网分布式动态经济调度方法 | |
CN107611970B (zh) | 分布式光伏和电动汽车的不确定性配网的优化方法 | |
CN117791625A (zh) | 电动汽车有序充放电规划方法、设备及介质 | |
CN111311032B (zh) | 一种基于扇形雷达图模型的微网系统容量优化配置方法 | |
CN110429626B (zh) | 一种适用于并网型储能系统的能量管理系统及管理方法 | |
CN103763761A (zh) | 太阳能基站能量供给的处理方法 | |
CN109066797B (zh) | 含光伏发电的电力系统运行控制方法及装置 | |
CN109950920B (zh) | 一种基于动态规划算法的光伏场站侧电化学储能充放电计划制定方法 | |
CN108183498B (zh) | 一种含风光储配电网背景下的车储混合配置方法 | |
Kai et al. | Optimization for PV-ESS in Distribution Network Based on CSBO |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |