CN106058900B - 一种并网风光发电中混合储能容量优化配置方法 - Google Patents
一种并网风光发电中混合储能容量优化配置方法 Download PDFInfo
- Publication number
- CN106058900B CN106058900B CN201610581661.7A CN201610581661A CN106058900B CN 106058900 B CN106058900 B CN 106058900B CN 201610581661 A CN201610581661 A CN 201610581661A CN 106058900 B CN106058900 B CN 106058900B
- Authority
- CN
- China
- Prior art keywords
- energy
- power
- accumulator
- ultracapacitor
- grid
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004146 energy storage Methods 0.000 claims abstract description 78
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 230000000739 chaotic effect Effects 0.000 claims abstract description 15
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000012546 transfer Methods 0.000 claims description 16
- 238000012423 maintenance Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 9
- 238000010248 power generation Methods 0.000 claims description 9
- 238000012360 testing method Methods 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 5
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000003491 array Methods 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 claims 1
- 230000008569 process Effects 0.000 abstract description 8
- 230000006872 improvement Effects 0.000 abstract description 7
- 239000000243 solution Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000009897 systematic effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000002585 base Substances 0.000 description 1
- 239000003637 basic solution Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229920000267 ladder-type polyparaphenylene Polymers 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000000178 monomer Substances 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种并网风光发电中混合储能容量优化配置方法,确定以优化蓄电池工作状态为原则,以提高储能系统整体经济性为目标的能量管理策略,基于该能量管理策略分析了并网风光发电系统能量损失率和能量缺失率的计算流程,根据全生命周期费用理论,建立了储能装置的年均费用函数表达式,并建立了以该函数值最小为目标,以系统能量损失率及能量缺失率等运行指标为约束的储能容量优化配置模型,最后运用改进混沌优化算法求解优化配置模型。本发明提出的改进混沌优化算法利用混沌运动具有的遍历性、随机性、规律性,可以有效完成该复杂非线性优化配置模型的计算。
Description
技术领域
本发明涉及一种并网风光发电中混合储能容量优化配置方法,属于微网储能系统配置优化技术领域。
背景技术
随着风光发电规模的迅速扩大,并网型风光发电系统将成为一个极具应用前景的发展方向。然而,风光发电功率具有的不稳定性和间歇性使其不能像传统发电方式那样满足电网要求的调度灵活性,为解决这一问题需要开发和建设与之相配套的储能系统。
储能技术应用到风光发电系统中将使系统的能量管理更加灵活,但对于目前以蓄电池为常用储能元件的风光储项目,储能成本接近甚至大于购买单独的光伏发电组件或风力发电机的成本。因此如何最大限度地延长蓄电池组的使用寿命是新能源发电系统设计人员亟须解决的重大问题。在目前可应用的储能技术中,蓄电池和超级电容器的储能特性可以达到很好的优势互补,因此该类混合储能技术将在风光系统中得到广泛应用。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷,提供一种并网风光发电中混合储能容量优化配置方法,以蓄电池和超级电容器构成的混合储能系统为基础,对并网风光发电中储能容量优化配置问题进行研究。
为解决上述技术问题,本发明提供一种并网风光发电中混合储能容量优化配置方法,具体包括如下步骤:
1)确定能量管理策略;
2)计算并网风光发电系统运行指标;
3)以混合储能装置的年均费用最小为目标函数;
4)确定约束条件;
5)采用改进混沌优化算法求解优化配置模型。
前述的步骤1)确定能量管理策略,是指超级电容器承担由发电功率与调度功率不相等产生的不平衡功率Pub中的频繁波动功率;蓄电池只负责承担不平衡功率Pub中的基本功率。
前述的步骤2)中,采用能量损失率和能量缺失率作为并网风光发电系统运行指标;所述能量损失率RLPPP是指在系统运行过程中,能量损失量ELPP与电源发电总量Eg的比值;所述能量缺失率RLPSP是指在系统运行过程中,能量缺失量ELPS与调度总需求量En的比值;计算公式如下:
在kt时刻,若光伏阵列输出功率Ppv(kt)和风机输出功率Pw(kt)之和大于电网调度功率Pn(kt),则存在剩余功率Pleft,此时,如果储能系统剩余能量Ecnr未处于储能系统能量最大值Ecnmax,则电源为储能系统充电;若储能系统剩余能量处于满额状态,将产生能量损失,即:
ELPP(kt)=[(Ppv(kt)+Pw(kt))·ηc-Pn(kt)]t,
其中,ELPP(kt)表示kt时刻的能量损失量;ηc表示逆变器的转换效率;t为单位时间间隔;
当光伏阵列和风机输出功率之和小于电网调度功率要求时,出现缺失功率Plack,若储能系统剩余能量Ecnr大于储能系统能量最小值Ecnmin,则储能系统进行放电;若储能系统剩余能量不大于储能系统能量最小值,则由电网来弥补能量缺失:
ELPS(kt)={Pn(kt)-[Ppv(kt)+Pw(kt)]ηc}t (2)
其中,ELPS(kt)表示kt时刻的能量缺失量。
前述的步骤3)中,以混合储能装置的年均费用最小为目标函数,具体表达式如下:
minC=Civ+Coc+Cmc+Cdc=(1+kocba+kmcba+kdcba)·kdebamfba+(1+kocuc+kdcuc)kdeucnfuc (14)
其中,C表示混合储能装置的年均费用,Civ指混合储能装置的购置成本,fba、fuc分别代表蓄电池组和超级电容器组的单价,m、n分别表示蓄电池组和超级电容器组的个数,kdeba、kdeuc分别表示蓄电池组和超级电容器组的年折旧值,Coc指混合储能装置的运行成本,kocba、kocuc分别表示蓄电池和超级电容器的运行成本系数,Cmc指混合储能装置的维护成本,kmcba表示蓄电池的维护成本系数,Cdc指混合储能装置的处置成本,kdcba、kdcuc分别表示蓄电池和超级电容器的处置成本系数。
前述的步骤4)中,约束条件如下:
其中,Pba(kt,m)、Puc(kt,n)分别表示蓄电池和超级电容器的充电功率,m、n分别表示蓄电池组和超级电容器组的个数;Ppv(kt)、Pw(kt)、Pn(kt)表示kt时刻光伏阵列输出功率、风机输出功率和电网调度功率;ηc表示逆变器的转换效率;Pban(m)、Eban(m)分别表示蓄电池的额定功率和额定容量;α表示不平衡功率Pub=|Pn(kt)-[Ppv(kt)+Pw(kt)]ηc|中基本功率所占比例;RLPPP(m,n)、RLPSP(m,n)分别表示能量损失率和能量缺失率,RLPPPmax、RLPSPmax分别表示能量损失率最大值和能量缺失率最大值;Pucmax(n)表示超级电容器最大充电功率;Ebamin(m)表示蓄电池的最小容量;Eba(kt,m)表示蓄电池经过充放电后的剩余能量;Eucmin(n)、Eucmax(n)分别表示超级电容器组能量的最小值和最大值;Euc(kt,n)表示超级电容器组经过充放电后的剩余能量。
前述的步骤5)采用改进混沌优化算法求解优化配置模型,具体步骤如下:
(5-1)算法初始化,令k=0,给出N个具有微小差异的初值xi,0,且xi,0≠1且xi,0≠0.75且xi,0≠0.5且xi,0≠0.25且xi,0≠0,然后按照Logistic映射表达式得到N个轨迹不同的混沌变量{xi,k};
(5-2)将生成的混沌变量{xi,k}按下式进行第一次载波,得到优化变量范围[xmin,xmax]内的混沌变量{x′i,k}:
x′i,k=xmin+(xmax-xmin)xi,k (17);
(5-3)对生成的混沌变量x′i,k进行可行性检验,重复执行步骤(5-1)和步骤(5-2)进行迭代搜索得到满足约束条件的可行解{x″i,k},并计算相应的目标函数值f(k)=f({x″i,k});
令X*={x″i,0},f*=f(0),如果f(k)<f*,那么X*={x″i,k},f*=f(k);否则,令k=k+1,进入下一循环,直到f*变化小于0.01或达到最大迭代次数Nmax1;
(5-4)按下式对混沌变量xi,k+1进行第二次载波,得到混沌变量{z′i,k}:
z′i,k=x*+βxi,k+1 (18)
其中,β为调节因子;
(5-5)对混沌变量z′i,k进行可行性检验,当其满足约束条件时,若f(z′i,k)<f*,则x*=z′i,k,f*=f(z′i,k);否则令k=k+1,进入下一循环,直到f*变化小于0.01或达到最大迭代次数Nmax2,最终的x*即为最优解,f*为最优值。
前述的步骤(5-1)中,Logistic映射表达式为:
xi,k+1=μxi,k(1-xi,k),xi,k∈[0,1] (16)
其中,μ为控制参数;xi,k为混沌变量。
本发明所达到的有益效果:
相较于传统方法,在容量配置优化计算中,本发明充分考虑蓄电池和超级电容器的互补运行特性,以优化蓄电池工作状态为原则提出的能量管理策略能够有效提高储能系统的整体经济性;以全生命周期费用理论为基础建立的储能容量优化目标函数,比只考虑初始购置成本的优化目标更符合实际情况,具有现实意义。本发明提出的改进混沌优化算法利用混沌运动具有的遍历性、随机性、规律性,可以有效完成该复杂非线性优化配置模型的计算。
附图说明
图1是本发明并网风光发电中混合储能容量优化配置方法流程图;
图2是能量损失率和能量缺失率计算流程图;
图3是储能装置充电时能量损失量的计算流程图;
图4是储能装置放电时能量缺失量的计算流程图;
图5是实施例中风力发电功率、光伏功率和调度功率0.5h发电预测值;
图6是实施例中单一储能时蓄电池组输出功率曲线;
图7是实施例中混合储能时蓄电池组和超级电容器组输出功率曲线。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明的并网风光发电中混合储能容量优化配置方法,如图1所示,包括如下步骤:
步骤一:确定能量管理策略;
步骤二:计算并网风光发电系统运行指标;
步骤三:以混合储能装置的年均费用最小为目标函数;
步骤四:确定约束条件;
步骤五:采用改进混沌优化算法求解优化配置模型。
具体实施过程如下:
以优化蓄电池工作状态为原则,以提高储能系统整体经济性为目标的能量管理策略。基于该能量管理策略分析了并网风光发电系统能量损失率和能量缺失率的计算流程,根据全生命周期费用理论,建立了储能装置的年均费用函数表达式,并建立了以该函数值最小为目标,以系统能量损失率及能量缺失率等运行指标为约束的储能容量优化配置模型,最后运用改进混沌优化算法求解优化配置模型。下文以某国家示范工程一期建设项目为例进行分析计算,验证所提方法的技术合理性和经济实用性。
1)确定能量管理策略
考虑到间歇式电源功率的波动性,并结合蓄电池和超级电容器互补的储能特性,提出如下适合该混合储能系统的能量管理策略:为充分发挥超级电容器功率密度大、循环寿命长、响应速度快的优势,同时有效回避其能量密度低的缺陷,超级电容器主要承担由发电功率与调度功率不相等产生的不平衡功率Pub中的频繁波动功率;蓄电池只负责承担不平衡功率Pub中的基本功率,这样可以有效避免蓄电池频繁充放电造成的小循环充放电现象,且蓄电池均以额定功率充放电,保证蓄电池处于优化的工作状态,延长蓄电池的使用寿命,提高储能系统的整体经济性。
2)计算并网风光发电系统运行指标
本发明采用能量损失率(LPPP)和能量缺失率(LPSP)作为并网风光发电系统运行指标。定义能量损失率RLPPP为在系统运行过程中,能量损失量ELPP与电源发电总量Eg的比值;定义能量缺失率RLPSP为在系统运行过程中,能量缺失量ELPS与调度总需求量En的比值。其满足:
基于上述所提出的能量管理策略,能量损失率RLPPP和能量缺失率RLPSP的计算流程如图2所示。图中:t为单位时间间隔;T为总计算次数;Pw(kt)、Ppv(kt)和Pn(kt)分别表示kt时刻风机输出功率、光伏阵列输出功率和电网调度功率;Pleft和Plack分别表示剩余功率和缺失功率;Ecnr、Ebar和Eucr分别为储能系统、蓄电池组和超级电容器组充放电之前的剩余能量;Eba和Euc表示蓄电池组和超级电容器组经过充放电后的剩余能量;Ecnmax、Ecnmin分别表示储能系统能量最大值和最小值;ηc表示逆变器的转换效率。
在kt时刻,若光伏阵列输出功率Ppv(kt)和风机输出功率Pw(kt)之和大于电网调度功率Pn(kt),则存在剩余功率Pleft,此时,如果储能系统剩余能量Ecnr未处于满额状态Ecnmax,则电源为储能系统充电;若储能系统剩余能量处于满额状态,将产生能量损失,
即ELPP(kt)=[(Ppv(kt)+Pw(kt))·ηc-Pn(kt)]t,
其中,ELPP(kt)表示kt时刻的能量损失量;Ppv(kt)、Pw(kt)、Pn(kt)表示kt时刻风机、光伏阵列输出功率和电网调度功率;ηc表示逆变器的转换效率。当光伏阵列输出功率和风机输出功率之和小于电网调度功率要求时,出现功率缺失Plack,若储能系统剩余能量Ecnr大于最小剩余能量Ecnmin储能系统进行放电,以弥补功率缺失。若储能系统剩余能量不大于最小剩余能量,则由电网来弥补能量缺失:
ELPS(kt)={Pn(kt)-[Ppv(kt)+Pw(kt)]ηc}t (2)
其中:ELPS(kt)表示kt时刻的能量缺失量;Ppv(kt)、Pw(kt)、Pn(kt)表示kt时刻风机、光伏阵列输出功率和电网调度功率;ηc表示逆变器的转换效率。
从图3中,根据不同的充电情况,能量损失量ELPP的计算流程共有7种情况,即SC1~SC7,在每一种充电情况下储能装置的充电功率和剩余能量情况、系统的能量损失量计算过程如下:
(1)SC1。系统的剩余功率大到足以使蓄电池以额定功率Pban充电,超级电容器以最大功率Pucmax充电,而且蓄电池经过该单位时间段的充电达到了额定容量Eban。在这种情况下的能量损失量ELPP包括直接废弃的电源功率、充电效率产生的损失以及因蓄电池满额产生的浪费,具体计算如下式所示:
ELPP=[Pleft/ηc-(Pban+Pucmax)]t+[Pban(1-ηbac)+Pucmax(1-ηucc)]t+(Eba-Eban) (3)
式中:Pleft=[Ppv(kt)+Pw(kt)]ηc-Pn(kt)表示剩余功率;ηc表示逆变器的转换效率;Pucmax表示超级电容器的最大充电功率;t为单位时间间隔;ηbac、ηucc分别为蓄电池和超级电容器的充电效率;Eba表示蓄电池经过充放电后的剩余能量。
(2)SC2。该状态类似于状态SC1,唯一不同的是:蓄电池并没有充电至额定容量Eban,因此这种情况下能量损失量ELPP的计算如下式所示:
ELPP=[Pleft/ηc-(Pban+Pucmax)]t+[Pban(1-ηbac)+Pucmax(1-ηucc)]t (4)
式中:Pleft表示剩余功率;ηc表示逆变器的转换效率;Pucmax表示超级电容器的最大充电功率;t为单位时间间隔;ηbac、ηucc分别为蓄电池和超级电容器的充电效率。
(3)SC3。起初蓄电池以额定功率Pban优先充电,超级电容器充电功率Puc=Pleft/ηc-Pban。经过t1=(Eban-Ebar)/(Pbanηba)c后,其中t1<t,蓄电池达到额定容量Eban,因此在之后的t-t1时间段仅有超级电容器充电,且Puc=Pucmax。这种情况下能量损失量ELPP的计算如下式所示:
ELPP=Pban(1-ηbac)t1+[(Pleft/ηc-Pban)t1+Pucmax(t-t1)](1-ηucc)+(Pleft/ηc-Pucmax)(t-t1) (5)
式中:Pleft表示剩余功率;ηc表示逆变器的转换效率;Pucmax表示超级电容器的最大充电功率;t为单位时间间隔;ηbac、ηucc分别为蓄电池和超级电容器的充电效率。
(4)SC4。该状态与SC3类似,唯一不同的是:在t-t1时间段,超级电容器充电功率Puc=Pleft/ηc。这种情况下能量损失量ELPP的计算如下式所示:
ELPP=Pban(1-ηbac)t1+[(Pleft/ηc-Pban)t1+Pleft/ηc(t-t1)](1-ηucc) (6)
式中:Pban表示蓄电池额定功率;Pleft表示剩余功率;ηc表示逆变器的转换效率;ηbac、ηucc分别为蓄电池和超级电容器的充电效率。
(5)SC5。整个t时间段内,蓄电池的充电功率Pba=Pban、超级电容器的充电功率Puc=Pleft/ηc-Pban。可见该状态比SC3和SC4简单得多,原因在于蓄电池经过时间t的充电并未达到额定容量。这种情况下系统能量损失量ELPP的计算如下式所示:
ELPP=[Pban(1-ηbac)+(Pleft/ηc-Pban)(1-ηucc)]t (7)
式中:Pban表示蓄电池额定功率;Pleft表示剩余功率;ηc表示逆变器的转换效率;ηbac、ηucc分别为蓄电池和超级电容器的充电效率;t为单位时间间隔。
(6)SC6。系统的剩余功率小于蓄电池额定功率,因此只有超级电容器充电,且充电功率为Puc=Pucmax能量损失量ELPP的计算如下式所示:
ELPP=(Pleft/ηc-Pucmax)t+Pucmax(1-ηucc)]t (8)
式中:Pleft表示剩余功率;ηc表示逆变器的转换效率;Pucmax表示超级电容器的最大充电功率;ηucc为超级电容器的充电效率;t为单位时间间隔。
(7)SC7。系统的剩余功率小于蓄电池额定功率,因此只有超级电容器充电,且充电功率为Puc=Pleft/ηc,能量损失量ELPP的计算如下式所示:
ELPP=Pleft/ηc(1-ηucc)t (9)
式中:Pleft表示剩余功率;ηc表示逆变器的转换效率;ηucc为超级电容器的充电效率;t为单位时间间隔。
类似于储能装置充电时对系统能量损失量ELPP的计算分析,放电过程中系统能量缺失量ELPS的计算流程如图4所示。从图4中可以看出,根据不同的放电情况ELPS的计算共有5种情况,即SD1~SD5,在每一种放电状态下储能装置的放电功率和剩余能量、系统的能量缺失量的计算如下:
(1)SD1和SD2这两种状态相似。系统的缺失功率大于蓄电池和超级电容器所能提供的最大放电功率之和Pban+Pucmax,因此蓄电池和超级电容器放电功率分别是Pban和Pucmax。唯一不同的是,在SD2中,经过单位时间t的放电后蓄电池未放电至最小容量Ebamin,而SD1却正好相反。这两种状态的能量缺失量ELPS的计算分别下式所示:
ELPS=[Plack-(Pban+Pucmax)ηc]t+(Ebamin-Eba)ηbacηc (10)
ELPS=[Plack-(Pban+Pucmax)ηc]t (11)
式中:Plack=Pn(kt)-[Ppv(kt)+Pw(kt)]ηc表示缺失功率;ηc表示逆变器的转换效率;ηbac为蓄电池的充电效率;t为单位时间间隔。
(2)SD3。系统缺失功率小于储能系统最大放电功率,但是大于蓄电池额定功率,因此根据上述提出的能量管理策略,该缺失功率由蓄电池以额定功率Pban放电,超级电容器以功率Puc=Plack/ηc-Pban放电,二者共同进行功率弥补。经过t1=(Ebar-Ebamin)/(Pbanηbac),其中t1<t,蓄电池放电至最小容量Ebamin,之后的t-t1时间段仅有超级电容器放电,但当Plack≥Pucmaxηc时,存在能量缺失,计算如下式所示:
ELPS=(Plack-Pucηc)(t-t1) (12)
式中:Plack表示缺失功率;ηc表示逆变器的转换效率;t为单位时间间隔。
(3)SD4。该状态与SD3类似,系统缺失功率介于储能系统最大放电功率和蓄电池额定功率之间,因此由蓄电池以额定功率Pban放电、超级电容器以功率Puc=Plack/ηc-Pban放电,二者共同弥补功率缺失。相比SD3,该情况下蓄电池没有放电至最小容量,所以不存在两阶段放电情况,也没有能量缺失。
(4)SD5。系统缺失功率小于蓄电池额定功率,因此这种情况下只有超级电容器放电,在Plack≥Pucmaxηc情况下系统能量缺失ELPS为:
ELPS=(Plack-Pucηc)t (13)
式中:Plack表示缺失功率;ηc表示逆变器的转换效率;t为单位时间间隔。
3)以混合储能装置的年均费用最小为目标函数
储能系统优化目标模型定义为四大成本之和,即购置成本、运行成本、维护成本以及处置成本。为尽量简化目标函数,以免优化模型过于复杂,本发明引用不同的比例系数表示相应的成本。鉴于计算的成本包含两种储能元件,因此为体现合理性,将目标函数折算为储能系统的年均费用,折算系数用储能元件每年各自的折旧值表示。具体表达式如下:
minC=Civ+Coc+Cmc+Cdc=(1+kocba+kmcba+kdcba)·kdebamfba+(1+kocuc+kdcuc)kdeucnfuc (14)
式中:C表示储能装置的年均费用,Civ指储能装置的购置成本,包括储能装置及其附加设备的购置成本;fba、fuc分别代表蓄电池组和超级电容器组的单价;m、n分别表示蓄电池组和超级电容器组的个数;kdeba、kdeuc分别表示蓄电池组和超级电容器组的年折旧值;Coc指储能装置的运行成本,包括储能装置的试验、安装、损耗、停运成本、人工费用等;kocba、kocuc分别表示蓄电池和超级电容器的运行成本系数;Cmc指储能装置的维护成本,包括故障前的检修成本和故障后的维修成本;kmcba表示蓄电池的维护成本系数,超级电容器可免维护,因此不需考虑它的维护成本;Cdc指储能装置的处置成本,包括储能装置的报废成本和残值;kdcba、kdcuc分别表示蓄电池和超级电容器的处置成本系数。
由于蓄电池和超级电容器的储能特性有很大区别,它们的年折旧值需按不同的方法计算。(1)蓄电池的折旧进程可以通过其容量损失程度来表示。一些研究表明,蓄电池的容量损失与放电深度lDOD呈线性关系,所以具体计算其折旧值时,可先将不同放电深度的充放电循环次数NDOD折算为等效的lDOD,lDOD=100%充放电循环次数Ne。折算公式可表示为Ne=NDODlDOD。若蓄电池进行lDOD=100%充放电循环寿命次数为Nba,则蓄电池的折旧值kdeba=Ne/Nba。(2)超级电容器的折旧值可以直接用循环次数来计算。若超级电容器进行从Eucmax到Eucmin的充放电循环次数为Nuc,则进行N次充放电循环后,它的折旧值可表示为kdeuc=N/Nuc。
上述优化目标模型克服了传统经济性优化问题中只注重降低初始购置成本的局限性,将储能装置成本延伸到安装、运行、维护、失效报废等整个寿命期过程中,使优化结果更符合实际。
4)确定约束条件
根据上述能量管理策略,并考虑并网风光发电系统的运行特性,建立满足并网风光发电系统安全可靠运行的约束条件如下:
式中:Pba、Puc分别表示蓄电池和超级电容器的充电功率;m、n分别表示蓄电池组和超级电容器组的个数;Ppv(kt)、Pw(kt)、Pn(kt)表示kt时刻光伏阵列、风机输出功率和电网调度功率;ηc表示逆变器的转换效率;Pban、Eban分别表示蓄电池的额定功率和额定容量;Eucmin(n)、Eucmax(n)分别表示超级电容器组能量的最小值和最大值;α表示不平衡功率Pub=|Pn(kt)-[Ppv(kt)+Pw(kt)]ηc|中基本功率所占比例;RLPPP、RLPSP分别表示能量损失率和能量缺失率。
上述公式中:第1个公式属于系统合理性的要求;第2、3、4、5个公式是保证蓄电池和超级电容器正常运行的基本约束,可以看出为延长蓄电池寿命,蓄电池功率值或为零,或为额定功率;第6个公式体现了所提的能量管理策略,即蓄电池的功率输出维持在基本负荷以内;第7个公式表示系统的能量损失率必须小于给定的最大值RLPPPmax,以确保风光发电功率利用率;第8个公式表示系统的能量缺失率必须小于给定的最大值RLPSPmax。
5)采用改进混沌优化算法求解优化配置模型
该优化方法直接采用混沌变量进行搜索,搜索顺序按照下式所示的Logistic映射表达式产生的点列依次进行。
xi,k+1=μxi,k(1-xi,k),xi,k∈[0,1] (16)
式中:μ为控制参数;xi,k为混沌变量。
Logistic映射是[0,1]上的不可逆映射。当μ取值4.0时,系统处于混沌状态,任意取初始点,可以得到在[0,1]范围内不重复的遍历所有点。由于混沌运动具有遍历性、随机性、规律性,因而混沌优化算法较其他随机性的智能优化方法获得最优解的可能性更强,是一种极有前途的优化手段。本发明所用混沌优化算法主要分为两个阶段:(1)在整个优化变量范围内按Logistic映射表达式依次检验产生的各点是否满足约束条件,在筛选出的符合要求的点中找出当前最优点;(2)达到一定迭代次数后,认为当前最优点已在实际最优点附近,然后以当前最优点为初值,仍按照(1)的方法进行小范围搜索最终找到最优点。
混沌优化方法的基本求解步骤如下:
(1)算法初始化。令k=0,给出N个具有微小差异的初值xi,0,且xi,0≠1且xi,0≠0.75且xi,0≠0.5且xi,0≠0.25且xi,0≠0,然后按照Logistic映射表达式得到N个轨迹不同的混沌变量{xi,k}。
(2)将生成的混沌变量{xi,k}按下式进行第一次载波,得到优化变量范围[xmin,xmax]内的混沌变量{x′i,k}。
x′i,k=xmin+(xmax-xmin)xi,k (17)
(3)对生成的混沌变量x′i,k,进行可行性检验,重复执行步骤(1)和步骤(2)进行迭代搜索得到满足约束条件的可行解{x″i,k},并计算相应的目标函数值f(k)=f({x″i,k})。令X*={x″i,0},f*=f(0),如果f(k)<f*,那么X*={x″i,k},f*=f(k);否则,令k=k+1,进入下一循环,直到f*变化小于0.01或达到最大迭代次数Nmax1。
(4)按下式对混沌变量xi,k+1进行第二次载波,β为调节因子,一般取值在优化变量所属区间长度(xmax-xmin)的1%和10%之间。对于所属区间长度较小的优化变量,β较大;反之较小。
z′i,k=x*+βxi,k+1 (18)
(5)对生成的混沌变量z′i,k,进行可行性检验,当其满足约束条件时,若f(z′i,k)<f*,则x*=z′i,k,f*=f(z′i,k);否则令k=k+1,进入下一循环,直到f*变化小于0.01或达到最大迭代次数Nmax2,最终的x*即为最优解,f*为最优值。
为了进一步说明本发明方法的准确性和可靠性,以某国家示范工程一期建设项目为例进行分析计算,该建设项目包含100MW的风电系统和40MW的太阳能光伏发电系统。假设电网调度功率额定值为96MW,逆变器效率为0.95,系统供电指标RLPPPmax和RLPSPmax分别为0.3和0.05。现在为其配置储能容量。详细参数如表1所示。
本发明采取50个传统固定型蓄电池单体、100个超级电容器单体串并联,分别组成蓄电池组和超级电容器组,根据图5所示的风机年发电预测数据、光伏年发电预测数据、年调度功率预测数据,运用改进混沌优化算法对混合储能系统的配置容量进行了优化计算。
表1储能系统参数
为了对比蓄电池-超级电容器混合储能方式与蓄电池单一储能方式的经济优越性,采用上述给出的相同原始数据,利用改进混沌优化算法进行分析计算,优化计算结果如表2所示。
通过表2的数据可以看出,在相同的系统运行指标约束下,采用蓄电池单一储能方式下需要配置蓄电池组的数目为5002组,储能系统的年均最小费用为3003余万元,而采用蓄电池和超级电容器混合储能时,需配置5691组蓄电池和9875组超级电容器,储能系统年均最小费用仅977余万元,约是前一种储能方式的1/3。由此说明,基于本发明提出的能量管理策略的混合储能方式能够充分发挥两种储能元件的互补优势,可以有效降低储能系统成本。风力发电功率、光伏功率和调度功率0.5h发电预测值见图5。根据表2优化结果数据,绘制两种储能方式下储能装置在4300-4400h时间段的输出功率变化曲线,分别如图6和7所示。图7中:Pba表示蓄电池输出功率;Puc表示超级电容器输出功率。将图6和图7对比可看出,由于超级电容器组的参与,混合储能方式下,图7中蓄电池组的输出功率变化比图6平坦得多,原因在于峰值不平衡功率和频变不平衡功率主要由超级电容器组提供,这样可以有效地优化蓄电池组的工作状态,延长其使用寿命,最终减少储能系统的运行维护等费用。
以上所述仅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,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (5)
1.一种并网风光发电中混合储能容量优化配置方法,其特征在于,具体包括如下步骤:
1)确定能量管理策略;
2)计算并网风光发电系统运行指标;采用能量损失率和能量缺失率作为并网风光发电系统运行指标;所述能量损失率RLPPP是指在系统运行过程中,能量损失量ELPP与电源发电总量Eg的比值;所述能量缺失率RLPSP是指在系统运行过程中,能量缺失量ELPS与调度总需求量En的比值;计算公式如下:
在kt时刻,若光伏阵列输出功率Ppv(kt)和风机输出功率Pw(kt)之和大于电网调度功率Pn(kt),则存在剩余功率Pleft,此时,如果储能系统剩余能量Ecnr未处于储能系统能量最大值Ecnmax,则电源为储能系统充电;若储能系统剩余能量处于满额状态,将产生能量损失,即:
ELPP(kt)=[(Ppv(kt)+Pw(kt))·ηc-Pn(kt)]t,
其中,ELPP(kt)表示kt时刻的能量损失量;ηc表示逆变器的转换效率;t为单位时间间隔;
当光伏阵列和风机输出功率之和小于电网调度功率要求时,出现缺失功率Plack,若储能系统剩余能量Ecnr大于储能系统能量最小值Ecnmin,则储能系统进行放电;若储能系统剩余能量不大于储能系统能量最小值,则由电网来弥补能量缺失:
ELPS(kt)={Pn(kt)-[Ppv(kt)+Pw(kt)]ηc}t (2)
其中,ELPS(kt)表示kt时刻的能量缺失量;
3)以混合储能装置的年均费用最小为目标函数;
4)确定约束条件;
5)采用改进混沌优化算法求解优化配置模型,具体步骤如下:
(5-1)算法初始化,令k=0,给出N个具有微小差异的初值xi,0,且xi,0≠1且xi,0≠0.75且xi,0≠0.5且xi,0≠0.25且xi,0≠0,然后按照Logistic映射表达式得到N个轨迹不同的混沌变量{xi,k};
(5-2)将生成的混沌变量{xi,k}按下式进行第一次载波,得到优化变量范围[xmin,xmax]内的混沌变量{x′i,k}:
x′i,k=xmin+(xmax-xmin)xi,k (17);
(5-3)对生成的混沌变量x′i,k进行可行性检验,重复执行步骤(5-1)和步骤(5-2)进行迭代搜索得到满足约束条件的可行解{x″i,k},并计算相应的目标函数值f(k)=f({x″i,k});
令X*={x″i,0},f*=f(0),如果f(k)<f*,那么X*={x″i,k},f*=f(k);否则,令k=k+1,进入下一循环,直到f*变化小于0.01或达到最大迭代次数Nmax1;
(5-4)按下式对混沌变量xi,k+1进行第二次载波,得到混沌变量{z′i,k}:
z′i,k=x*+βxi,k+1 (18)
其中,β为调节因子,β取值在优化变量所属区间长度(xmax-xmin)的1%和10%之间;
(5-5)对混沌变量z′i,k进行可行性检验,当其满足约束条件时,若f(z′i,k)<f*,则x*=z′i,k,f*=f(z′i,k);否则令k=k+1,进入下一循环,直到f*变化小于0.01或达到最大迭代次数Nmax2,最终的x*即为最优解,f*为最优值。
2.根据权利要求1所述的一种并网风光发电中混合储能容量优化配置方法,其特征在于:所述步骤1)确定能量管理策略,是指超级电容器承担由发电功率与调度功率不相等产生的不平衡功率Pub中的频繁波动功率;蓄电池只负责承担不平衡功率Pub中的基本功率。
3.根据权利要求1所述的一种并网风光发电中混合储能容量优化配置方法,其特征在于:所述步骤3)中,以混合储能装置的年均费用最小为目标函数,具体表达式如下:
minC=Civ+Coc+Cmc+Cdc=(1+kocba+kmcba+kdcba)·kdebamfba+(1+kocuc+kdcuc)kdeucnfuc (14)
其中,C表示混合储能装置的年均费用,Civ指混合储能装置的购置成本,fba、fuc分别代表蓄电池组和超级电容器组的单价,m、n分别表示蓄电池组和超级电容器组的个数,kdeba、kdeuc分别表示蓄电池组和超级电容器组的年折旧值,Coc指混合储能装置的运行成本,kocba、kocuc分别表示蓄电池和超级电容器的运行成本系数,Cmc指混合储能装置的维护成本,kmcba表示蓄电池的维护成本系数,Cdc指混合储能装置的处置成本,kdcba、kdcuc分别表示蓄电池和超级电容器的处置成本系数。
4.根据权利要求1所述的一种并网风光发电中混合储能容量优化配置方法,其特征在于:所述步骤4)中,约束条件如下:
其中,Pba(kt,m)、Puc(kt,n)分别表示蓄电池和超级电容器的充电功率,m、n分别表示蓄电池组和超级电容器组的个数;Ppv(kt)、Pw(kt)、Pn(kt)表示kt时刻光伏阵列输出功率、风机输出功率和电网调度功率;ηc表示逆变器的转换效率;Pban(m)、Eban(m)分别表示蓄电池的额定功率和额定容量;α表示不平衡功率Pub=|Pn(kt)-[Ppv(kt)+Pw(kt)]ηc|中基本功率所占比例;RLPPP(m,n)、RLPSP(m,n)分别表示能量损失率和能量缺失率,RLPPPmax、RLPSPmax分别表示能量损失率最大值和能量缺失率最大值;Pucmax(n)表示超级电容器最大充电功率;Ebamin(m)表示蓄电池的最小容量;Eba(kt,m)表示蓄电池经过充放电后的剩余能量;Eucmin(n)、Eucmax(n)分别表示超级电容器组能量的最小值和最大值;Euc(kt,n)表示超级电容器组经过充放电后的剩余能量。
5.根据权利要求1所述的一种并网风光发电中混合储能容量优化配置方法,其特征在于:所述步骤(5-1)中,Logistic映射表达式为:
xi,k+1=μxi,k(1-xi,k),xi,k∈[0,1] (16)
其中,μ为控制参数,μ取4.0;xi,k为混沌变量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610581661.7A CN106058900B (zh) | 2016-07-21 | 2016-07-21 | 一种并网风光发电中混合储能容量优化配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610581661.7A CN106058900B (zh) | 2016-07-21 | 2016-07-21 | 一种并网风光发电中混合储能容量优化配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106058900A CN106058900A (zh) | 2016-10-26 |
CN106058900B true CN106058900B (zh) | 2018-06-15 |
Family
ID=57417259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610581661.7A Expired - Fee Related CN106058900B (zh) | 2016-07-21 | 2016-07-21 | 一种并网风光发电中混合储能容量优化配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106058900B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107046290A (zh) * | 2017-03-17 | 2017-08-15 | 国网电力科学研究院武汉南瑞有限责任公司 | 一种提高区域电网能源利用率的多元储能融合方法 |
CN109510234B (zh) * | 2018-10-23 | 2020-09-18 | 许继集团有限公司 | 一种微电网储能电站的混合储能容量优化配置方法及装置 |
CN109472493B (zh) * | 2018-11-09 | 2021-11-30 | 浙江大学 | 一种基于遗传算法的能量转换装置寿命统一管理方法 |
CN109888823A (zh) * | 2019-03-01 | 2019-06-14 | 国网上海市电力公司 | 一种风光联合发电系统的储能容量优化方法 |
CN111614113B (zh) * | 2019-11-29 | 2022-08-30 | 国网江苏省电力有限公司常州供电分公司 | 一种在配电网储能系统优化运行的混合整数线性规划模型 |
CN112163968B (zh) * | 2020-09-24 | 2022-07-05 | 武汉理工大学 | 一种综合能源储能系统优化调度方法 |
CN114019399B (zh) * | 2021-10-29 | 2023-09-19 | 华北电力大学 | 一种锂离子电池储能电站最大寿命预测方法及系统 |
CN114662387B (zh) * | 2022-03-19 | 2022-12-09 | 特斯联科技集团有限公司 | 基于gan的低碳经济园区的风光储能优化方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103151798B (zh) * | 2013-03-27 | 2015-02-04 | 浙江省电力公司电力科学研究院 | 独立微网系统的优化方法 |
-
2016
- 2016-07-21 CN CN201610581661.7A patent/CN106058900B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Also Published As
Publication number | Publication date |
---|---|
CN106058900A (zh) | 2016-10-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106058900B (zh) | 一种并网风光发电中混合储能容量优化配置方法 | |
CN103151798B (zh) | 独立微网系统的优化方法 | |
CN109687444B (zh) | 一种微电网电源多目标双层优化配置方法 | |
CN105205552B (zh) | 一种独立新能源混合发电系统优化规划方法 | |
CN109586325A (zh) | 一种新能源储能优化配置方法 | |
CN110311396A (zh) | 一种交直流混合微电网混合储能容量优化配置方法 | |
CN104092231A (zh) | 一种独立微网混和储能容量优化配置方法 | |
CN106485358A (zh) | 结合序列运算和粒子群算法的独立微电网优化配置方法 | |
CN106251005A (zh) | 一种基于改进粒子群算法的混合储能容量优化配置方法 | |
CN106230012A (zh) | 并网光伏系统中超级电容器与蓄电池容量的优化配置方法 | |
CN110417045A (zh) | 一种针对交直流混合微电网容量配置的优化方法 | |
CN107134789A (zh) | 基于拓展qv节点的光储最优潮流控制方法 | |
CN110084465B (zh) | 基于储能的风力发电系统成本/供电可靠性评估方法 | |
Jiao et al. | Greenhouse gas emissions from hybrid energy storage systems in future 100% renewable power systems–A Swedish case based on consequential life cycle assessment | |
CN109510234A (zh) | 一种微电网储能电站的混合储能容量优化配置方法及装置 | |
CN106779250B (zh) | 一种基于新型优化模型的孤立分布式电网配置方法 | |
Kumaravel et al. | Adapted multilayer feedforward ANN based power management control of solar photovoltaic and wind integrated power system | |
CN109829228B (zh) | 可再生能源系统中混合储能电源容量配置的优化方法 | |
CN114050609B (zh) | 一种高比例新能源电力系统自适应鲁棒日前优化调度方法 | |
CN104616071A (zh) | 一种风光储互补发电系统优化配置方法 | |
CN108616134B (zh) | 一种考虑微电网并离网切换的动力储能容量配置方法 | |
Ruiz-Cortés et al. | Energy management strategy to coordinate batteries and ultracapacitors of a hybrid energy storage system in a residential prosumer installation | |
CN109510242B (zh) | 一种微电网储能系统配置优化方法及存储介质 | |
CN107171357A (zh) | 一种用于风光储优化配置的复合控制方法 | |
Liqun et al. | Capacity optimization of hybrid energy storage in wind/PV complementary power generation system based on improved particle swarm optimization |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180615 |