CN105896582A - 一种微网储能容量优化配置方法 - Google Patents
一种微网储能容量优化配置方法 Download PDFInfo
- Publication number
- CN105896582A CN105896582A CN201610427129.XA CN201610427129A CN105896582A CN 105896582 A CN105896582 A CN 105896582A CN 201610427129 A CN201610427129 A CN 201610427129A CN 105896582 A CN105896582 A CN 105896582A
- Authority
- CN
- China
- Prior art keywords
- power
- energy storage
- storage battery
- microgrid
- super capacitor
- 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 160
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005457 optimization Methods 0.000 title claims abstract description 19
- 239000003990 capacitor Substances 0.000 claims abstract description 89
- 238000007599 discharging Methods 0.000 claims abstract description 17
- 238000010183 spectrum analysis Methods 0.000 claims abstract description 17
- 238000010248 power generation Methods 0.000 claims description 61
- 238000012423 maintenance Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 230000002068 genetic effect Effects 0.000 claims description 9
- 238000011160 research Methods 0.000 claims description 4
- 150000001875 compounds Chemical class 0.000 claims description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 2
- 230000005611 electricity Effects 0.000 abstract 1
- 230000000295 complement effect Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000002035 prolonged effect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 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
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000009466 transformation Effects 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
-
- 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
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种微网储能容量优化配置方法，在对微网净负荷功率进行频谱分析的基础上，提出了协调蓄电池与超级电容器运行的微网系统功率分配策略，通过分析储能系统的成本结构，建立了以储能系统年综合最小成本为目标函数，同时考虑储能充放电功率、剩余电量等约束条件的微网混合储能容量优化模型，实例验证了所提方法的技术合理性和经济实用性，为微网储能规划设计提供了理论依据和技术支持。
Description
技术领域
本发明属于微网储能系统配置优化技术领域，具体涉及一种微网储能容量优化配置方法。
背景技术
风能、太阳能等分布式可再生能源以其资源分布广、储量大、无污染等优点将在能源危机与环境污染日益严峻的未来能源格局中占据举足轻重的地位。然而随着可再生能源发电系统装机容量和渗透率的不断提高，其固有的随机性和波动性也给电力系统稳定运行带来了很多负面影响，因此，为含多种可再生能源互补的电力系统配备合理的能保证可再生能源利用灵活性和系统供电可靠性的储能设备显得尤为重要。
目前，用于平抑可再生能源发电波动的储能设备一般选用蓄电池，蓄电池作为能量型储能设备，具有能量密度大、存储能力强等特点，但同时也存在充放电周期长、寿命短、成本高等缺点，因而限制了储能技术的应用。超级电容器作为目前应用最为广泛的功率型储能元件，具有功率密度大、充放电周期短、储能效率高、循环寿命长等特点，可有效地平抑可再生能源发电中的短时间、小幅度的功率波动。采用低通滤波的方法平抑可再生能源功率波动，在考虑储能设备寿命可变的基础上，从经济性的角度对混合储能应用到光伏发电站的容量配置问题进行了研究，然而低通滤波器在滤波的过程中会产生延迟，造成储能优化容量偏高。
发明内容
本发明的发明目的是解决上述的技术问题，提供一种微网储能容量优化配置方法。
为解决上述技术问题，本发明的实施例提供一种微网储能容量优化配置方法，所述微网系统包括可再生能源发电系统、储能系统和负荷，所述微网储能容量优化配置方法包括如下步骤：
(1)结合可再生能源发电系统输出功率和负荷消耗功率，建立微网系统储能模型；
(2)基于储能系统的能量功率特性，根据可再生能源发电系统输出功率和负荷消耗功率情况，确定微网系统的功率分配策略；
(3)以微网系统年综合成本最小作为微网储能容量优化配置的目标，建立目标函数；
(4)明确储能系统的约束条件；
(5)以储能系统额定功率和额定容量为优化变量，采用遗传算法求解微网储能优化配置模型，输出最优解。
其中，所述可再生能源发电系统包括风力发电系统和光伏发电系统，所述储能系统包括蓄电池和超级电容器，步骤(1)中，
定义t时刻风力发电系统和光伏发电系统的输出功率分别为PW(t)和PPV(t)，则此时可再生能源发电系统的输出功率为
PRE(t)＝PW(t)+PPV(t) 式(1)；
若t时刻可再生能源发电系统输出功率大于负荷消耗功率，则储能系统充电，储能系统中剩余电量与充电功率递推关系可表示为：
若t时刻可再生能源发电系统输出功率小于负荷消耗功率，则储能系统放电，储能系统中剩余电量与充电功率递推关系可表示为：
式中，EB(t)、EB(t-1)、EC(t)、EC(t-1)分别为蓄电池和超级电容器t时刻和t-1时刻剩余电量；PB(t)、PC(t)为蓄电池和超级电容器t时刻实际充放电功率；ηBc、ηCc、ηBd、ηCd分别为蓄电池和超级电容器充放电效率；Δt为步长。
其中，所述可再生能源发电系统包括风力发电系统和光伏发电系统，所述储能系统包括蓄电池和超级电容器，步骤(2)中，基于储能系统的能量功率特性，根据可再生能源发电系统输出功率和负荷消耗功率情况，利用频谱分析确定微网系统的功率分配策略，即蓄电池和超级电容器之间的功率分配；
定义t时刻负荷消耗功率与可再生能源发电系统输出功率之差为微网净负荷功率PJ(t)，即
PJ(t)＝PL(t)-PRE(t) 式(4)，
其中，PL(t)为负荷消耗功率，PRE(t)为可再生能源发电系统的输出功率；
对微网净负荷功率进行采样，然后对微网净负荷功率样本数据PJ＝[PJ(t),...,PJ(n),...,PJ(N)]进行离散傅里叶变换，得到幅度SJ和频率fJ，
式中，DFT(PJ)表示对微网净负荷功率样本数据PJ进行离散傅里叶变换；SJ(n)为傅里叶变换后第n个频率fJ(n)对应的幅值；
所述蓄电池适合补偿长时低频净负荷功率，所述超级电容器适合补偿短时高频波动净负荷功率，根据所述蓄电池和超级电容器的补偿频段的划分，利用傅里叶反变换将蓄电池和超级电容器补偿频段的幅频结果转换到时域上，得到蓄电池和超级电容器的功率指令，假设fJB∪fJB1为蓄电池补偿频段，其中fJB1表示SJ中以Nyquist频率为对称轴的与fJB对称的频段，其中，
fJB＝[fJBmin,fJBmax] 式(6)，
式中，fJBmin、fJBmax分别为蓄电池补偿频段fJB的端点；
用SB＝[SB(1),...,SB(n),...,SB(N)]表示微网净负荷功率频谱分析结果中蓄电池补偿频段的幅值，并将未补偿频段对应的幅值置为0，补偿频段的幅值不变，即
对SB进行傅里叶反变换，将频谱分析结果转换到时域，即得到蓄电池充放电功率指令PB为
PB＝IDFT(SB)＝[PB(1),...,PB(n),...,PB(N)] 式(8)；
用微网净负荷功率减去蓄电池充放电功率，从而得到超级电容器的实时充放电功率
PC(t)＝PJ(t)-PB(t) 式(9)；
若t时刻可再生能源发电系统输出功率与储能系统最大放电功率之和小于负荷消耗功率，则微网系统出现失负荷PLOST(t)，其值为
PLOST(t)＝PL(t)-PRE(t)-PHdmax(t) 式(10)，
其中，
PHdmax(t)＝PBdmax(t)+PCdmax(t) 式(11)，
式中，PHdmax(t)、PBdmax(t)、PCdmax(t)表示储能系统最大放电功率以及蓄电池和超级电容器最大放电功率，其值都大于0；
当PJ(t)<0时，蓄电池和超级电容器充电，在储能设备物理条件限制下，若仍有多余功率，微网系统出现溢出功率PWEST(t)，其大小为：
PWEST(t)＝PRE(t)-PL(t)-PBcmax(t)-PCcmax(t) 式(12)，
式中，PBcmax(t)、PCcmax(t)表示蓄电池和超级电容器最大充电功率，其值大于0。
其中，步骤(3)中，根据可再生能源发电系统输出功率和负荷消耗功率的需求，在保证微网系统安全可靠供电的前提下，合理配置蓄电池和超级电容器的容量，确定微网系统年综合成本最小为微网储能容量优化配置的目标，建立的目标函数为：
minCZ＝min{CB+CC+CLOST} 式(13)，
其中，
式中，CZ为微网系统年综合成本；CB、CC、CLOST分别为蓄电池投资成本和运维成本、超级电容器投资成本和运维成本以及负荷强迫停电惩罚成本；CBT、CBY、CCT、CCY分别为蓄电池和超级电容器初始投资成本和年运行维护成本；PB、EB、PC、EC分别为蓄电池和超级电容器的额定功率和额定容量；kBp、kBc、kBy、kCp、kCe、kCy分别为蓄电池和超级电容器的功率成本系数、容量成本系数、运行维护成本系数；klost为负荷停电惩罚系数；NBY、NCY分别为蓄电池和超级电容器的运行年限；T为研究周期；r0为贴现率。
其中，步骤(4)中，储能系统的约束条件包括t时刻储能系统剩余电流约束条件和t时刻储能系统充放电功率约束条件，
所述t时刻储能系统剩余电流约束条件为：
式中，EBmax、EBmin、ECmax、ECmin分别为蓄电池和超级电容器剩余电量的上下限；
所述t时刻储能系统充放电功率约束条件为：
式中，ηBd、ηBc、ηCd、ηCc为蓄电池和超级电容器的放电效率和充电效率。
其中，步骤(5)中，借助matlab计算软件，利用遗传算法求解微网储能优化配置模型。
其中，本发明中的所述超级电容器的循环使用寿命为50～100万次，所述蓄电池循环使用寿命的影响因素包括工作温度、放电深度、循环充放电次数，本发明简化计算，仅考虑放电深度和充放电循环次数对蓄电池循环使用寿命的影响，则基于蓄电池放电深度D与循环使用寿命NC(D)对应关系的实验数据，拟合出两者之间函数关系为
式中，Db为基准放电深度，对应的循环使用寿命为NC(Db)；Di为第i次实际放电过程的放电深度，对应的循环使用次数为NC(Di)；
蓄电池第i次循环的等效循环使用次数为
在微网寿命年限第m年内，蓄电池一系列不同放电深度的循环过程对应的等效循环使用次数总和N(m)为
式中：NS为第m年内的研究阶段数；ND为第l阶段中的天数；NP为第l阶段第j天经历的等效充放电循环过程数；N(Dljk,m)为蓄电池在第m年内第l阶段第j天第k个等效充放电循环过程；
实际运行过程中，蓄电池运行年限为
式中：NBY为蓄电池实际运行年限。
本发明的上述技术方案的有益效果如下：本发明提供的微网储能容量优化配置方法，相较于传统方法，在对微网净负荷功率进行频谱分析的基础上，提出了协调蓄电池与超级电容器运行的微网系统功率分配策略，通过分析储能系统的成本结构，建立了以储能系统年综合最小成本为目标函数，同时考虑储能充放电功率、剩余电量等约束条件的微网混合储能容量优化模型，为微网储能规划设计提供了理论依据和技术支持。
附图说明
图1为本发明的微网储能容量优化配置流程图；
图2为本发明的微网系统的结构示意图；
图3为典型日可再生能源发电及常规负荷用电曲线；
图4为不同蓄电池的1/2补偿频段长度fJB下的储能年综合成本；
图5为典型日蓄电池和超级电容器功率分配曲线；
图6为不同kBp下的储能配置规模和系统成本。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明以包括由风力发电和光伏发电构成的可再生能源发电系统、蓄电池和超级电容器组成的混合储能系统、以及常规负荷的微网系统为例，提供一种微网储能容量优化配置方法，如图1所示，所述微网储能容量优化配置方法包括如下步骤：
(1)结合可再生能源发电系统输出功率和负荷消耗功率，建立微网系统储能模型；
(2)基于储能系统的能量功率特性，根据可再生能源发电系统输出功率和负荷消耗功率情况，利用频谱分析确定微网系统的功率分配策略，即蓄电池和超级电容器之间的功率分配；
(3)以微网系统年综合成本最小作为微网储能容量优化配置的目标，建立目标函数；
(4)明确储能系统的约束条件；
(5)以蓄电池和超级电容器额定功率和额定容量为优化变量，采用遗传算法求解微网储能优化配置模型，输出最优解。
具体实施过程如下：
针对风光互补独立微网系统，考虑储能设备的运行特性对其循环使用寿命的影响，对微网储能容量优化配置进行了研究。在对微网净负荷功率进行频谱分析的基础上，提出了协调蓄电池与超级电容器运行的微网系统功率分配策略。通过分析储能设备的成本结构，以微网系统年综合成本最小为目标函数，同时考虑储能充放电功率、剩余电量等约束条件的微网储能容量优化模型。下文以我国西北地区的风光互补微网储能容量配置为例，验证所提方法的技术合理性和经济实用性。
(1)建立微网系统储能模型
微网系统主要由风力发电和光伏发电构成的可再生能源发电系统、蓄电池和超级电容器组成的混合储能系统以及常规负荷组成，其结构如图2所示。假设t时刻风力发电系统和光伏发电系统输出功率分别为PW(t)和PPV(t)，则此时可再生能源发电系统输出功率可表示为
PRE(t)＝PW(t)+PPV(t) 式(1)。
当可再生能源发电系统输出功率大于负荷消耗功率时，储能系统充电，储能系统中剩余电量与充电功率递推关系可表示为
若t时刻可再生能源发电系统输出功率小于负荷消耗功率，则储能系统放电，储能系统中剩余电量可表示为
式中：EB(t)、EB(t-1)、EC(t)、EC(t-1)分别为蓄电池和超级电容器t时刻和t-1时刻剩余电量；PB(t)、PC(t)为蓄电池和超级电容器t时刻实际充放电功率(大于0表示放电，小于0表示充电)；ηBc、ηCc、ηBd、ηCd分别为蓄电池和超级电容器充放电效率；Δt为步长。
超级电容器的循环使用寿命受工作环境、充放电情况、工作电流波形等因素影响，其循环使用寿命为50万～100万次，远高于蓄电池循环寿命，因此超级电容器使用年限通常设为固定值。
影响蓄电池循环使用寿命的因素主要包括工作温度、放电深度、循环充放电次数等，本发明简化计算，仅考虑放电深度和充放电循环次数对蓄电池循环使用寿命的影响。基于蓄电池放电深度D与循环使用寿命NC(D)对应关系实验数据，拟合出两者之间函数关系为
式中：Db为基准放电深度，对应的循环使用寿命为NC(Db)；Di为第i次实际放电过程的放电深度，对应的循环使用次数为NC(Di)。
蓄电池第i次循环的等效循环次数为
因此，在微网寿命年限第m年内，蓄电池一系列不同放电深度的循环过程对应的等效循环使用次数总和N(m)为
式中：NS为第m年内的研究阶段数；ND为第l阶段中的天数；NP为第l阶段第j天经历的等效充放电循环过程数；N(Dljk,m)为蓄电池在第m年内第l阶段第j天第k个等效充放电循环过程。
因此，实际运行过程中，蓄电池运行年限为
式中：NBY为蓄电池实际运行年限。
(2)确定微网系统功率分配策略
以间歇性可再生能源为核心能源供给的独立微网系统供电可靠性低，为提高系统运行灵活性，须与具有灵活功率调节能力的分布式电源协调运行。基于蓄电池和超级电容器能量功率特性，根据可再生能源系统输出功率和负荷消耗功率的情况，利用频谱分析确定微网系统高效功率分配，实现微网系统经济、可靠的功率供给。以可再生能源系统输出功率和负荷消耗功率历史监测数据为基础，利用频谱分析确定蓄电池和超级电容器之间的功率分配，实现对微网电源出力和负荷功率消耗波动性的平抑。
定义t时刻负荷功率与可再生能源发电功率之差为微网净负荷PJ(t)，即
PJ(t)＝PL(t)-PRE(t) 式(4)。
首先，对微网净负荷功率进行采样。由采样定理可知，频谱分析的最高频率应不大于采样频率的1/2，即采样频率要等于信号最高频率的2倍及以上，才能避免频域混叠。研究表明，采样周期越小数据越精确，频谱分析的范围越宽广，为不失一般性，本发明选择采样周期为1min。
对净负荷功率样本数据PJ＝[PJ(t),...,PJ(n),...,PJ(N)]进行离散傅里叶变换，得到幅度SJ和频率fJ结果为
式中：DFT(PJ)表示对微网净负荷功率样本数据PJ进行离散傅里叶变换；SJ(n)为傅里叶变换后第n个频率fJ(n)对应的幅值。
相较于超级电容器，蓄电池能量密度大、持续供电能力强，适合补偿长时低频净负荷功率；而超级电容器具有功率密度大、充放电周期短等特点，因此适合补偿短时高频波动净负荷功率。
根据上面各储能设备补偿频段的划分，利用傅里叶反变换将蓄电池和超级电容器补偿频段的幅频结果转换到时域上，从而得到各储能设备的功率指令。
假设fJB∪fJB1为蓄电池补偿频段，其中fJB1表示SJ中以Nyquist频率(频谱分析结果的最高分辨频率，为采样频率的1/2)为对称轴的与fJB对称的频段，其中
fJB＝[fJBmin,fJBmax] 式(6)，
式中，fJBmin、fJBmax分别为蓄电池补偿频段fJB的端点。
用SB＝[SB(1),...,SB(n),...,SB(N)]表示净负荷功率频谱分析结果中蓄电池补偿频段的幅值，并将未补偿频段对应的幅值置为0，补偿频段的幅值不变，即
对SB进行傅里叶反变换，将频谱分析结果转换到时域，即得到蓄电池的功率指令PB为
PB＝IDFT(SB)＝[PB(1),...,PB(n),...,PB(N)] 式(8)。
用净负荷总功率减去蓄电池充放电功率，从而得到超级电容器的实时充放电功率
PC(t)＝PJ(t)-PB(t) 式(9)。
若t时刻可再生能源发电功率与储能系统最大放电功率之和小于负荷功率，则系统出现失负荷PLOST(t)，其值为
PLOST(t)＝PL(t)-PRE(t)-PHdmax(t) 式(10)，
其中，
PHdmax(t)＝PBdmax(t)+PCdmax(t) 式(11)，
式中，PHdmax(t)、PBdmax(t)、PCdmax(t)表示储能系统总的最大放电功率以及蓄电池和超级电容器最大放电功率，其值都大于0。
当PJ(t)<0时，蓄电池和超级电容器充电。在储能设备物理条件限制下，若仍有多余功率，微网出现功率溢出PWEST(t)，其大小为
PWEST(t)＝PRE(t)-PL(t)-PBcmax(t)-PCcmax(t) 式(12)，
式中：PBcmax(t)、PCcmax(t)表示蓄电池和超级电容器最大充电功率，其值大于0。
(3)以系统年综合成本最小为目标函数
微网系统储能容量优化配置的目标是根据可再生能源系统输出功率和负荷用电需求，在保证系统安全可靠供电的前提下，合理配置蓄电池和超级电容器容量，使系统年综合成本最小，其目标函数可表示为
minCZ＝min{CB+CC+CLOST} 式(13)，
其中，
式中：CZ为系统年综合成本；CB、CC、CLOST分别为蓄电池投资成本和运维成本、超级电容器投资成本和运维成本以及负荷强迫停电惩罚成本；CBT、CBY、CCT、CCY表示蓄电池和超级电容器初始投资成本和年运行维护成本；PB、EB、PC、EC为分别表示蓄电池和超级电容器的额定功率和额定容量；kBp、kBc、kBy、kCp、kCe、kCy分别表示蓄电池和超级电容器的功率成本系数、容量成本系数、运行维护成本系数；klost为负荷停电惩罚系数，其值的确定采用平均电价折算倍数法；NBY、NCY为蓄电池和超级电容器的运行年限；T为研究周期；r0为贴现率。
(4)考虑储能设备约束条件
任意时刻储能设备中剩余电量应在合理范围内，过充过放都会对其寿命产生较大影响。因此，t时刻储能设备剩余电量约束可表示为
式中：EBmax、EBmin、ECmax、ECmin分别表示蓄电池和超级电容器剩余电量的上下限。
t时刻储能设备充放电功率约束可表示为
式中：ηBd、ηBc、ηCd、ηCc为蓄电池和超级电容器的放电效率和充电效率。
(5)采用遗传算法进行求解
将式(1)-式(12)、式(19)-式(22)对应代入式(13)，并以式(13)为目标函数，式(17)和式(18)为约束条件，借助matlab计算软件并代入具体数值，利用遗传算法求解微网储能优化配置模型。
本发明所研究的微网储能容量优化配置的过程是对一个非线性、多变量问题的求解过程，采用遗传算法进行求解。以蓄电池和超级电容器额定功率和额定容量为优化变量进行寻优。
为了进一步说明本发明方法的准确性和可靠性，以我国西北地区的风电装机容量为2.5MW，光伏装机容量为1.5MW的风光互补微网系统为例，根据该地区全年风电、光伏发电出力和用电需求历史监测值，优化微网储能容量。该微网常规负荷峰值为600kW，典型日可再生能源发电及常规负荷用电曲线如图3所示，采样间隔1min。系统相关参数见表1。
表1系统相关参数
基于储能设备的充放电模型和可变寿命模型，利用微网可再生能源发电出力数据及负荷用电数据，采用遗传算法优化微网系统储能容量。取最大迭代次数为150次，种群规模为50个，微网储能容量优化配置结果如表2所示。
表2储能容量优化配置结果
由表2可知，相较于超级电容器单一储能系统，采用蓄电池单一储能的系统年综合成本降低了37％。这主要是由于，蓄电池属于能量型储能设备，其容量成本系数远低于超级电容器，系统在采用单一储能平抑可再生能源发电出力与负荷功率消耗的不平衡性情况下，尽管蓄电池储能的配置规模远大于超级电容器的配置规模，但其总的投资及运维成本仍低于超级电容器储能的投资运维成本。此外，相较于配置规模较小的超级电容器储能，大容量的蓄电池储能配置对于保证系统安全可靠供电也具有明显的优势，使得负荷强迫停电惩罚成本降低了约36％。最终使得蓄电池单一储能系统年综合成本低于超级电容器单一储能系统年综合成本。
由配置3与配置2相比可知，采用混合储能替代蓄电池单一储能，蓄电池的配置规模有所减小，但增加了超级电容器储能设备。然而由于超级电容器的快速响应和高效充放电特性，可明显地改善蓄电池运行环境，大幅延长蓄电池运行年限，使得因蓄电池寿命延长而减小的年投资成本大于因超级电容器配置容量的增大而增加的年成本，最终使得微网混合储能系统年综合成本远小于蓄电池单类型储能系统年综合成本低。因此，采用混合储能替代单类型储能，可降低系统年综合成本，提高微网运行经济性，同时对于进一步提高系统供电可靠性也具有重要的意义。
蓄电池补偿频段的长短，直接关系到蓄电池和超级电容器储能配置容量的大小，进而影响微网储能系统年综合成本的大小。不同蓄电池补偿频段长度下的微网储能年综合成本如图4所示。
由图4可知，微网储能年综合成本随蓄电池补偿频段的减小先减小后呈增大趋势。这主要是由于，随着蓄电池补偿频段的减小，蓄电池的配置容量逐渐减小的同时蓄电池的运行年限也逐渐延长，使得蓄电池的年投资及运行维护成本也相应的降低，且其降低的速度快于因超级电容器配置容量的增大而增加的年投资及运行维护成本，因而储能年综合成本出现下降趋势。
当蓄电池的1/2补偿频段长度为fJB＝0.0002Hz左右时，储能年综合成本取得最小值。继续减小蓄电池补偿频段，由于超级电容器储能配置容量持续增大，且因此而增加的超级电容器年投资及运行维护成本大于因蓄电池储能配置容量的减小以及运行年限的延长而减小的年成本，使得储能年综合成本转而出现上升趋势。因此，合理分配蓄电池储能和超级电容器储能的功率补偿频段，可明显降低储能年综合成本。
取fJB＝0.0002Hz时，典型日蓄电池和超级电容器功率分配曲线如图5所示。由图可知，蓄电池主要平抑净负荷功率中的长时间、大幅度的功率波动分量，而超级电容器可有效地平抑的短时间、小幅度的净负荷功率波动分量。
为了分析储能投资对其在微网中配置规模的影响，本发明在超级电容器功率成本系数与容量成本系数以及蓄电池容量成本系数不变的前提下进行蓄电池储能容量优化的成本灵敏度分析。不同功率成本系数下蓄电池最优配置规模及该配置下的系统年综合成本如图6所示。
由图6可知，随着蓄电池投资功率成本系数的下降，蓄电池储能配置规模会明显增大，混合储能系统年综合成本明显减小。这主要是由于蓄电池储能成本系数降低，虽在一定程度上增大了其配置容量，但同时也减少了超级电容器的安装规模，从整体效果看，改善了蓄电池运行环境，降低了储能年投资及运行维护费用，即系统年综合成本随蓄电池功率成本系数的下降持续减小。由储能成本函数不难分析，超级电容器功率与容量单位投资以及蓄电池容量单位投资对系统收益也有类似影响。由此可见，储能投资成本是制约其在电力系统大规模应用的关键因素之一。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种微网储能容量优化配置方法，其特征在于，所述微网系统包括可再生能源发电系统、储能系统和负荷，所述微网储能容量优化配置方法包括如下步骤：
(1)结合可再生能源发电系统输出功率和负荷消耗功率，建立微网系统储能模型；
(2)基于储能系统的能量功率特性，根据可再生能源发电系统输出功率和负荷消耗功率情况，确定微网系统的功率分配策略；
(3)以微网系统年综合成本最小作为微网储能容量优化配置的目标，建立目标函数；
(4)明确储能系统的约束条件；
(5)以储能系统的额定功率和额定容量为优化变量，采用遗传算法求解微网储能优化配置模型，输出最优解。
2.根据权利要求1所述的微网系统储能容量优化配置方法，其特征在于，所述可再生能源发电系统包括风力发电系统和光伏发电系统，所述储能系统包括蓄电池和超级电容器，步骤(1)中，定义t时刻风力发电系统和光伏发电系统的输出功率分别为PW(t)和PPV(t)，则此时可再生能源发电系统的输出功率为
PRE(t)＝PW(t)+PPV(t) 式(1)；
若t时刻可再生能源发电系统输出功率大于负荷消耗功率，则储能系统充电，储能系统中剩余电量与充电功率递推关系可表示为：
若t时刻可再生能源发电系统输出功率小于负荷消耗功率，则储能系统放电，储能系统中剩余电量与充电功率递推关系可表示为：
式中，EB(t)、EB(t-1)、EC(t)、EC(t-1)分别为蓄电池和超级电容器t时刻和t-1时刻剩余电量；PB(t)、PC(t)为蓄电池和超级电容器t时刻实际充放电功率；ηBc、ηCc、ηBd、ηCd分别为蓄电池和超级电容器充放电效率；△t为步长。
3.根据权利要求1所述的微网系统储能容量优化配置方法，其特征在于，所述可再生能源发电系统包括风力发电系统和光伏发电系统，所述储能系统包括蓄电池和超级电容器，步骤(2)中，基于储能系统的能量功率特性，根据可再生能源发电系统输出功率和负荷消耗功率情况，利用频谱分析确定微网系统的功率分配策略，即蓄电池和超级电容器之间的功率分配；
定义t时刻负荷消耗功率与可再生能源发电系统输出功率之差为微网净负荷功率PJ(t)，即
PJ(t)＝PL(t)-PRE(t) 式(4)，
其中，PL(t)为负荷消耗功率，PRE(t)为可再生能源发电系统的输出功率；
对微网净负荷功率进行采样，然后对微网净负荷功率样本数据PJ＝[PJ(t),...,PJ(n),...,PJ(N)]进行离散傅里叶变换，得到幅度SJ和频率fJ，
式中，DFT(PJ)表示对微网净负荷功率样本数据PJ进行离散傅里叶变换；SJ(n)为傅里叶变换后第n个频率fJ(n)对应的幅值；
所述蓄电池适合补偿长时低频净负荷功率，所述超级电容器适合补偿短时高频波动净负荷功率，根据所述蓄电池和超级电容器的补偿频段的划分，利用傅里叶反变换将蓄电池和超级电容器补偿频段的幅频结果转换到时域上，得到蓄电池和超级电容器的功率指令，假设fJB∪fJB1为蓄电池补偿频段，其中fJB1表示SJ中以Nyquist频率为对称轴的与fJB对称的频段，其中，
fJB＝[fJBmin,fJBmax] 式(6)，
式中，fJBmin、fJBmax分别为蓄电池补偿频段fJB的端点；
用SB＝[SB(1),...,SB(n),...,SB(N)]表示微网净负荷功率频谱分析结果中蓄电池补偿频段的幅值，并将未补偿频段对应的幅值置为0，补偿频段的幅值不变，即
对SB进行傅里叶反变换，将频谱分析结果转换到时域，即得到蓄电池充放电功率指令PB为
PB＝IDFT(SB)＝[PB(1),...,PB(n),...,PB(N)] 式(8)；
用微网净负荷功率减去蓄电池充放电功率，从而得到超级电容器的实时充放电功率
PC(t)＝PJ(t)-PB(t) 式(9)；
若t时刻可再生能源发电系统输出功率与储能系统最大放电功率之和小于负荷消耗功率，则微网系统出现失负荷PLOST(t)，其值为
PLOST(t)＝PL(t)-PRE(t)-PHdmax(t) 式(10)，
其中，
PHdmax(t)＝PBdmax(t)+PCdmax(t) 式(11)，
式中，PHdmax(t)、PBdmax(t)、PCdmax(t)表示储能系统最大放电功率以及蓄电池和超级电容器最大放电功率，其值都大于0；
当PJ(t)<0时，蓄电池和超级电容器充电，在储能设备物理条件限制下，若仍有多余功率，微网系统出现溢出功率PWEST(t)，其大小为：
PWEST(t)＝PRE(t)-PL(t)-PBcmax(t)-PCcmax(t) 式(12)，
式中，PBcmax(t)、PCcmax(t)表示蓄电池和超级电容器最大充电功率，其值大于0。
4.根据权利要求1所述的微网系统储能容量优化配置方法，其特征在于，步骤(3)中，根据可再生能源发电系统输出功率和负荷消耗功率的需求，在保证微网系统安全可靠供电的前提下，合理配置蓄电池和超级电容器的容量，确定微网系统年综合成本最小为微网储能容量优化配置的目标，建立的目标函数为：minCZ＝min{CB+CC+CLOST} 式(13)，
其中，
式中，CZ为微网系统年综合成本；CB、CC、CLOST分别为蓄电池投资成本和运维成本、超级电容器投资成本和运维成本以及负荷强迫停电惩罚成本；CBT、CBY、CCT、CCY分别为蓄电池和超级电容器初始投资成本和年运行维护成本；PB、EB、PC、EC分别为蓄电池和超级电容器的额定功率和额定容量；kBp、kBc、kBy、kCp、kCe、kCy分别为蓄电池和超级电容器的功率成本系数、容量成本系数、运行维护成本系数；klost为负荷停电惩罚系数；NBY、NCY分别为蓄电池和超级电容器的运行年限；T为研究周期；r0为贴现率。
5.根据权利要求1所述的微网系统储能容量优化配置方法，其特征在于，步骤(4)中，储能系统的约束条件包括t时刻储能系统剩余电流约束条件和t时刻储能系统充放电功率约束条件，
所述t时刻储能系统剩余电流约束条件为：
式中，EBmax、EBmin、ECmax、ECmin分别为蓄电池和超级电容器剩余电量的上下限；
所述t时刻储能系统充放电功率约束条件为：
式中，ηBd、ηBc、ηCd、ηCc为蓄电池和超级电容器的放电效率和充电效率。
6.根据权利要求1所述的微网系统储能容量优化配置方法，其特征在于，步骤(5)中，借助matlab计算软件，利用遗传算法求解微网储能优化配置模型。
7.根据权利要求2所述的微网系统储能容量优化配置方法，其特征在于，所述超级电容器的循环使用寿命为50～100万次，所述蓄电池循环使用寿命的影响因素包括工作温度、放电深度、循环充放电次数；
基于蓄电池放电深度D与循环使用寿命NC(D)对应关系的实验数据，拟合出两者之间函数关系为
式中，Db为基准放电深度，对应的循环使用寿命为NC(Db)；Di为第i次实际放电过程的放电深度，对应的循环使用次数为NC(Di)；
蓄电池第i次循环的等效循环使用次数为
在微网寿命年限第m年内，蓄电池一系列不同放电深度的循环过程对应的等效循环使用次数总和N(m)为
式中：NS为第m年内的研究阶段数；ND为第l阶段中的天数；NP为第l阶段第j天经历的等效充放电循环过程数；N(Dljk,m)为蓄电池在第m年内第l阶段第j天第k个等效充放电循环过程；
实际运行过程中，蓄电池运行年限为
式中：NBY为蓄电池实际运行年限。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610427129.XA CN105896582B (zh) | 2016-06-16 | 2016-06-16 | 一种微网储能容量优化配置方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610427129.XA CN105896582B (zh) | 2016-06-16 | 2016-06-16 | 一种微网储能容量优化配置方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105896582A true CN105896582A (zh) | 2016-08-24 |
| CN105896582B CN105896582B (zh) | 2018-02-13 |
Family
ID=56730796
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610427129.XA Expired - Fee Related CN105896582B (zh) | 2016-06-16 | 2016-06-16 | 一种微网储能容量优化配置方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105896582B (zh) |
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106329554A (zh) * | 2016-09-07 | 2017-01-11 | 中国南方电网有限责任公司电网技术研究中心 | 一种适用于园区型微电网的储能额定容量的计算方法 |
| CN106385039A (zh) * | 2016-10-17 | 2017-02-08 | 重庆大学 | 用以平抑光伏功率波动的混合储能系统设计方法 |
| CN107478996A (zh) * | 2017-07-28 | 2017-12-15 | 郑州云海信息技术有限公司 | 一种服务器供电系统的检测维护方法和检测维护装置 |
| CN107492903A (zh) * | 2017-04-08 | 2017-12-19 | 东北电力大学 | 一种基于统计学模型的混合储能系统容量优化配置方法 |
| CN108110780A (zh) * | 2018-01-29 | 2018-06-01 | 广东电网有限责任公司电力科学研究院 | 一种孤立微电网储能容量优化配置方法及装置 |
| CN108599146A (zh) * | 2018-04-09 | 2018-09-28 | 华南理工大学 | 考虑阶梯电价的家庭光伏和电池储能系统容量配置方法 |
| CN110224420A (zh) * | 2019-06-12 | 2019-09-10 | 新奥数能科技有限公司 | 储能系统充放电模型的线性化方法及装置 |
| CN110311396A (zh) * | 2019-07-30 | 2019-10-08 | 太原理工大学 | 一种交直流混合微电网混合储能容量优化配置方法 |
| CN110797884A (zh) * | 2019-11-06 | 2020-02-14 | 国网河南省电力公司电力科学研究院 | 模拟agc调频确定储能容量方法和装置 |
| CN110943465A (zh) * | 2019-12-16 | 2020-03-31 | 贵州电网有限责任公司 | 一种储能系统选址定容优化方法 |
| CN111027757A (zh) * | 2019-11-26 | 2020-04-17 | 广西电网有限责任公司 | 一种基于皮亚诺曲线降维的用户侧储能优化配置方法 |
| CN111245105A (zh) * | 2018-11-28 | 2020-06-05 | 国网新疆电力有限公司经济技术研究院 | 一种预装式储能电站容量配置方法 |
| CN111244993A (zh) * | 2020-01-21 | 2020-06-05 | 国网湖南省电力有限公司 | 一种储能参与电网调峰应用的容量优化配置方法 |
| CN112290596A (zh) * | 2020-11-12 | 2021-01-29 | 合肥工业大学 | 基于Haar小波的风电场混合储能配置自适应双层优化方法 |
| CN113471993A (zh) * | 2021-05-17 | 2021-10-01 | 四川大学 | 一种基于鲁棒优化的用户侧混合储能技术运行优化方法 |
| CN114142584A (zh) * | 2021-12-03 | 2022-03-04 | 国网河北省电力有限公司平山县供电分公司 | 一种基于电池蓄能和电能直供的交流柔性配电系统 |
| CN114142473A (zh) * | 2021-12-06 | 2022-03-04 | 浙江华云电力工程设计咨询有限公司 | 一种风光容量未知情况下的微电网配置方法及系统 |
| CN114172184A (zh) * | 2021-12-08 | 2022-03-11 | 中南大学 | 一种计及储能使用年寿命的风电场储能配置方法 |
| CN117748557A (zh) * | 2024-02-19 | 2024-03-22 | 宁波市电力设计院有限公司 | 一种以碳为介质的供电储能系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130024042A1 (en) * | 2011-07-18 | 2013-01-24 | Nec Laboratories America, Inc. | Method for real-time power management of a grid-tied microgrid to extend storage lifetime and reduce cost of energy |
| CN103078340A (zh) * | 2012-12-24 | 2013-05-01 | 天津大学 | 用于优化微网联络线功率的混合储能容量优化方法 |
| CN104092231A (zh) * | 2014-06-27 | 2014-10-08 | 上海电力学院 | 一种独立微网混和储能容量优化配置方法 |
| CN105119315A (zh) * | 2015-09-18 | 2015-12-02 | 南方电网科学研究院有限责任公司 | 一种基于能效最大化的储能变流器组合优化方法 |
-
2016
- 2016-06-16 CN CN201610427129.XA patent/CN105896582B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130024042A1 (en) * | 2011-07-18 | 2013-01-24 | Nec Laboratories America, Inc. | Method for real-time power management of a grid-tied microgrid to extend storage lifetime and reduce cost of energy |
| CN103078340A (zh) * | 2012-12-24 | 2013-05-01 | 天津大学 | 用于优化微网联络线功率的混合储能容量优化方法 |
| CN104092231A (zh) * | 2014-06-27 | 2014-10-08 | 上海电力学院 | 一种独立微网混和储能容量优化配置方法 |
| CN105119315A (zh) * | 2015-09-18 | 2015-12-02 | 南方电网科学研究院有限责任公司 | 一种基于能效最大化的储能变流器组合优化方法 |
Cited By (31)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106329554B (zh) * | 2016-09-07 | 2019-01-25 | 中国南方电网有限责任公司电网技术研究中心 | 一种适用于园区型微电网的储能额定容量的计算方法 |
| CN106329554A (zh) * | 2016-09-07 | 2017-01-11 | 中国南方电网有限责任公司电网技术研究中心 | 一种适用于园区型微电网的储能额定容量的计算方法 |
| CN106385039A (zh) * | 2016-10-17 | 2017-02-08 | 重庆大学 | 用以平抑光伏功率波动的混合储能系统设计方法 |
| CN106385039B (zh) * | 2016-10-17 | 2019-04-02 | 重庆大学 | 用以平抑光伏功率波动的混合储能系统设计方法 |
| CN107492903A (zh) * | 2017-04-08 | 2017-12-19 | 东北电力大学 | 一种基于统计学模型的混合储能系统容量优化配置方法 |
| CN107492903B (zh) * | 2017-04-08 | 2020-08-11 | 东北电力大学 | 一种基于统计学模型的混合储能系统容量优化配置方法 |
| CN107478996A (zh) * | 2017-07-28 | 2017-12-15 | 郑州云海信息技术有限公司 | 一种服务器供电系统的检测维护方法和检测维护装置 |
| CN108110780A (zh) * | 2018-01-29 | 2018-06-01 | 广东电网有限责任公司电力科学研究院 | 一种孤立微电网储能容量优化配置方法及装置 |
| CN108599146A (zh) * | 2018-04-09 | 2018-09-28 | 华南理工大学 | 考虑阶梯电价的家庭光伏和电池储能系统容量配置方法 |
| CN108599146B (zh) * | 2018-04-09 | 2021-09-21 | 华南理工大学 | 考虑阶梯电价的家庭光伏和电池储能系统容量配置方法 |
| CN111245105A (zh) * | 2018-11-28 | 2020-06-05 | 国网新疆电力有限公司经济技术研究院 | 一种预装式储能电站容量配置方法 |
| CN111245105B (zh) * | 2018-11-28 | 2023-07-11 | 国网新疆电力有限公司经济技术研究院 | 一种预装式储能电站容量配置方法 |
| CN110224420A (zh) * | 2019-06-12 | 2019-09-10 | 新奥数能科技有限公司 | 储能系统充放电模型的线性化方法及装置 |
| CN110311396B (zh) * | 2019-07-30 | 2024-03-19 | 太原理工大学 | 一种交直流混合微电网混合储能容量优化配置方法 |
| CN110311396A (zh) * | 2019-07-30 | 2019-10-08 | 太原理工大学 | 一种交直流混合微电网混合储能容量优化配置方法 |
| CN110797884A (zh) * | 2019-11-06 | 2020-02-14 | 国网河南省电力公司电力科学研究院 | 模拟agc调频确定储能容量方法和装置 |
| CN110797884B (zh) * | 2019-11-06 | 2023-02-17 | 国网河南省电力公司电力科学研究院 | 模拟agc调频确定储能容量方法和装置 |
| CN111027757A (zh) * | 2019-11-26 | 2020-04-17 | 广西电网有限责任公司 | 一种基于皮亚诺曲线降维的用户侧储能优化配置方法 |
| CN110943465A (zh) * | 2019-12-16 | 2020-03-31 | 贵州电网有限责任公司 | 一种储能系统选址定容优化方法 |
| CN111244993A (zh) * | 2020-01-21 | 2020-06-05 | 国网湖南省电力有限公司 | 一种储能参与电网调峰应用的容量优化配置方法 |
| CN111244993B (zh) * | 2020-01-21 | 2021-11-30 | 国网湖南省电力有限公司 | 一种储能参与电网调峰应用的容量优化配置方法 |
| CN112290596B (zh) * | 2020-11-12 | 2022-08-09 | 合肥工业大学 | 基于Haar小波的风电场混合储能配置自适应双层优化方法 |
| CN112290596A (zh) * | 2020-11-12 | 2021-01-29 | 合肥工业大学 | 基于Haar小波的风电场混合储能配置自适应双层优化方法 |
| CN113471993B (zh) * | 2021-05-17 | 2023-04-14 | 四川大学 | 一种基于鲁棒优化的用户侧混合储能技术运行优化方法 |
| CN113471993A (zh) * | 2021-05-17 | 2021-10-01 | 四川大学 | 一种基于鲁棒优化的用户侧混合储能技术运行优化方法 |
| CN114142584A (zh) * | 2021-12-03 | 2022-03-04 | 国网河北省电力有限公司平山县供电分公司 | 一种基于电池蓄能和电能直供的交流柔性配电系统 |
| CN114142473A (zh) * | 2021-12-06 | 2022-03-04 | 浙江华云电力工程设计咨询有限公司 | 一种风光容量未知情况下的微电网配置方法及系统 |
| CN114142473B (zh) * | 2021-12-06 | 2024-02-02 | 浙江华云电力工程设计咨询有限公司 | 一种风光容量未知情况下的微电网配置方法及系统 |
| CN114172184A (zh) * | 2021-12-08 | 2022-03-11 | 中南大学 | 一种计及储能使用年寿命的风电场储能配置方法 |
| CN117748557A (zh) * | 2024-02-19 | 2024-03-22 | 宁波市电力设计院有限公司 | 一种以碳为介质的供电储能系统 |
| CN117748557B (zh) * | 2024-02-19 | 2024-05-10 | 宁波市电力设计院有限公司 | 一种以碳为介质的供电储能系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105896582B (zh) | 2018-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105896582B (zh) | 一种微网储能容量优化配置方法 | |
| CN104734166B (zh) | 混合储能系统及风力发电功率平滑控制方法 | |
| CN112636367B (zh) | 一种平抑风电波动的混合储能容量优化配置方法 | |
| CN110675042B (zh) | 基于K-Means聚类算法的工业用户储能建设研判方法 | |
| CN112736973A (zh) | 平抑风电、光伏电站出力波动的电池储能容量配置方法及系统 | |
| CN110676861A (zh) | 一种配电网复合储能装置的容量优化配置方法 | |
| CN114580180A (zh) | 基于自适应模态数vmd算法的混合储能容量配置方法 | |
| CN117081128A (zh) | 基于变分模态分解的微电网混合储能容量优化配置方法 | |
| CN117134398A (zh) | 混合储能系统功率控制方法、控制设备及储能网 | |
| CN111313478A (zh) | 一种基于功率平滑的可再生能源储能优化配置方法 | |
| CN109004642B (zh) | 用于平抑分布式电源功率波动的配网分布式储能评价方法 | |
| Liqun et al. | Capacity optimization of hybrid energy storage in wind/PV complementary power generation system based on improved particle swarm optimization | |
| CN110460108A (zh) | 一种平滑新能源出力波动的储能优化配置方法 | |
| CN113555901B (zh) | 基于改进s型函数粒子群优化算法的混合储能容量优化方法 | |
| Chen et al. | Scheduling strategy of hybrid energy storage system for smoothing the output power of wind farm | |
| Zhao et al. | Optimal economic allocation strategy for hybrid energy storage system under the requirement of wind power fluctuation | |
| Chen et al. | Optimal configuration of wind turbine hybrid energy storage based on wavelet packet-double fuzzy control | |
| Pingping et al. | Improved wavelet packet of hybrid energy storage to smooth wind power fluctuation | |
| Yang et al. | Optimal Configuration Method of Hybrid Storage System Tracking the Wind Power Plan | |
| CN113013909A (zh) | 一种基于平抑牵引的储能容量改进方法 | |
| Haiyun et al. | Optimal Capacity Allocation Method of Multi-types of Energy Storage for Wind Power Plant | |
| Weng et al. | A hybrid energy storage system based on wavelet packet decomposition technology for photovoltaic power smoothing | |
| CN112072702B (zh) | 一种风电机组的功率控制系统及方法 | |
| Chu et al. | Research on Optimal Configuration of Hybrid Energy Storage Capacity Based on Improved Particle Swarm Optimization Algorithm | |
| Yang et al. | Research on Energy Storage Planning and Configuration Based on Spectrum Analysis |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180213 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |