CN106203674A - 一种用于储能系统的调度管理系统 - Google Patents
一种用于储能系统的调度管理系统 Download PDFInfo
- Publication number
- CN106203674A CN106203674A CN201610466914.6A CN201610466914A CN106203674A CN 106203674 A CN106203674 A CN 106203674A CN 201610466914 A CN201610466914 A CN 201610466914A CN 106203674 A CN106203674 A CN 106203674A
- Authority
- CN
- China
- Prior art keywords
- energy
- storage system
- unit
- unit energy
- central control
- 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.)
- Pending
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 183
- 230000004044 response Effects 0.000 claims abstract description 9
- 230000005611 electricity Effects 0.000 claims description 12
- 230000002068 genetic effect Effects 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 8
- 238000004891 communication Methods 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 239000002245 particle Substances 0.000 claims description 3
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000013461 design Methods 0.000 abstract description 7
- 238000011217 control strategy Methods 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 12
- 238000003860 storage Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000007812 deficiency Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229910002056 binary alloy Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Genetics & Genomics (AREA)
- Primary Health Care (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Molecular Biology (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及一种用于储能系统的调度管理系统,包括一个中央控制层和多个单元储能系统,其中,每一个单元储能系统控制限定区域内的电能充电和/或放电;所述中央控制层实时监控所述每一个单元储能系统的状态,当收到某一个单元储能系统发来的电能需求后,将此需求发布给其他单元储能系统,根据所述其他单元储能系统反馈的响应成本从中择优选取可调配的单元储能系统。本发明将分布式结构应用于储能系统,中央控制层可以结合每个单元储能系统的实际状态,设计最经济的调度方案和控制策略,具有更加的经济性。
Description
技术领域
本发明涉及一种调度管理系统,特别涉及一种针对储能系统的调度管理系统。
背景技术
进入21世纪以来,随着世界经济和能源发展的需求,对即时供电提出了更高的要求,随着社会生活水平的大幅提升和网络技术飞速发展,人们对实时的能量供应也不断提高,储能系统的调度也越来越受到人们广泛地关注,而局部储能系统的垄断和某地临时缺电等问题频发。
目前,国内外对储能系统的调度管理问题还是空白,而对分布式结构解决资源管理任务问题也是处在合同网式(招标-投标-中标)的信息通信阶段。但传统合同网模式的盲目招标方式,不仅造成了资源分配过程中的浪费,而且传统合同模式中的盲目招标方式带来的信息阻塞和通信冗余,降低了任务分配的投标率。目前社会发展对新兴储能系统有着重大需求,但在作业调度和协调控制技术上还存在不足。
储能系统的调度主要是实现根据不同任务的需求和不同单元储能系统的供电能力和成本,为某地临时提供最经济的调度方案,以满足用户的需求。
目前,国内对储能系统调度是一片空白,主要存在的问题如下:
(1)局部单元储能系统垄断市场;
(2)某地临时缺电,调度路线设计难,调度成本高。
发明内容
鉴于现有技术中的不足,提出了本发明,以便提供一种克服上述问题或至少部分地解决上述问题的一种用于储能系统的调度管理系统。
一种用于储能系统的调度管理系统,包括一个中央控制层和多个单元储能系统,其中,每一个单元储能系统控制限定区域内的电能充电和/或放电;所述中央控制层实时监控所述每一个单元储能系统的状态,当收到某一个单元储能系统发来的电能需求后,将此需求发布给其他单元储能系统,根据所述其他单元储能系统反馈的响应成本从中择优选取可调配的单元储能系统。
进一步的,所述每个单元储能系统都有一个监视传感器和距离传感器,所述监视传感器用来监视该单元储能系统在管控区域内的用电情况,所述距离传感器用来计算该单元储能系统到中央控制层的距离。
进一步的,所述中央控制层有多个监测传感器,随时监测所述每个单元储能系统监视传感器发来的状态信息、请求信息以及距离信息,实现所述中央控制层和所述每个单元储能系统的实时通信。
进一步的,所述响应成本考虑的因素包括负载量、电能需求量、供电成本、维修成本、供电功率、供能状态和距离信息。
进一步的,所述中央控制层还包括距离计算器,所述距离计算器根据所述每个单元储能系统的距离传感器发来的位置坐标信息,计算该单元储能系统到所述中央控制层的距离,该距离作为调度考虑的一个因素。
进一步的,所述中央控制层基于小生境遗传算法进行单元储能系统的调配,根据所述单元储能系统的参数及负载情况,判断该单元储能系统容量是否大于等于负载需求,如果是,则换下一个储能系统进行判断;如果否,则判断储能系统状态是否满足小生境遗传算法,如果不满足,则换下一个储能系统进行判断,如果满足,则进行小生境遗传算法,得到调度方案。
进一步的,所述小生境遗传算法涉及3个参数:
a)运行及维护成本:
f1=minCOST1
其中,j是系统的第j储能系统,CM,j是系统中第j个储能系统的运行维护成本,CPrice,j是从第j个储能系统调度电能的分时单价,Sbattery是从储能系统调度电能的电量;
b)储能系统的容量:
f2=Pj(t)
PSOCj,min≤PSOCj≤PSOCj,max (2)
中,Pj(t)是第j个储能系统在调度过程中的出力,PSOCj,min、PSOCj,max分别为第j个储能系统的最小限制、最大限制出力;
c)调度成本:
f3=minCOST2 (3)
其中,CPrice2,j是调度第j个储能系统的输送成本,Mj指到调度第j个储能系统的距离;
所述中央控制层通过三个可靠性因子a、b和c对每个储能系统上报的信息进行综合考虑:
w=af1+bf2+cf3;(a+b+c=1) (4)
然后根据w的值对储能系统进行选择调度。三个可靠性因子是根据对应的成本,可实时进行改变或设定。
进一步的,所述每个单元储能系统的充电端连接有微网,对储能系统进行实时的经济的充电,采用PSO(粒子群算法)优化算法进行了求解,给出了实时的储能系统充电策略。
进一步的,对所述每个单元储能系统的放电端进行电单位权重博弈优化设计,根据优先次序进行放大。
本发明将分布式结构应用于储能系统,中央控制层可以结合每个单元储能系统的实际状态,设计最经济的调度方案和控制策略,具有更加的经济性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例的一种用于储能系统的调度管理系统的结构示意图。
图2为本发明实施例的一种用于储能系统的调度管理系统的原理示意图。
图3为本发明实施例的一种用于储能系统中央控制层与单元储能系统之间的通信过程示意图。
图4为本发明实施例的一种用于储能系统进行单元储能系统调配的流程示意图。
图5是本发明一个具体实施例的24小时负载供能示意图。
具体实施方式
下面将参照附图更详细的描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明,而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能更透彻的理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
如图1所示,本发明是基于多Agent(代理)分布式储能系统的调度管理系统,主要由一级Agent控制和二级Agent控制组成的二级分布式总体结构,包括一个中央控制层(Agent)和多个单元储能系统(单元Agent1、单元Agent2……、单元AgentN),其中,每一个单元储能系统控制限定区域内的电能充电和/或放电;中央控制层实时监控每一个单元储能系统的状态,当收到某一个单元储能系统发来的电能需求后,将此需求发布给其他单元储能系统,根据其他单元储能系统反馈的响应成本从中择优选取可调配的单元储能系统。
进一步的,如图2所示,每个单元储能系统都有一个监视传感器和距离传感器,监视传感器用来监视该单元储能系统在管控区域内的用电情况,距离传感器用来计算该单元储能系统到中央控制层的距离。中央控制层有多个监测传感器,随时监测每个单元储能系统监视传感器发来的状态信息、请求信息以及距离信息,实现中央控制层和每个单元储能系统的实时通信。当某一单元储能系统发出电能需求时,中央控制层就会收集该请求的信息,比如所需的电能需求量、该单元储能系统到中央控制层Agent的距离等参数,并把这些信息发布给其他单元储能系统,根据发布的信息,其他单元储能系统结合自身的性能,反馈自身储能系统响应该任务的响应成本,响应成本考虑的因素包括负载量、电能需求量、供电成本、维修成本、供电功率、供能状态、距离信息等。中央控制层根据其他单元储能系统反馈的响应成本,根据总体目标最优的宗旨,全局确定最优调度方案。作为本实施例的进一步改进,中央控制层还可以包括距离计算器,可根据单元储能系统距离传感器发来的位置坐标信息,计算该单元储能系统到中央控制层的距离,以作为调度考虑的一个因素。
如图3所示,中央控制层向其他单元储能系统发布需求信息时,会对需求信息进行数据编码以满足数据传输的要求,数据编码中可定义每几段字符代表的含义,比如第1-3位字符代表电能需求量,第4-6位字符代表距离信息……,之后通过第一转换器将数据编码有十进制格式转为二进制格式发给每个单元储能系统,每个单元储能系经过均衡反馈,将反馈数据通过第二转换器进行二进制到十进制的转换,之后数据解码,反馈给中央控制层,供中央控制层从中选取最优策略进行单元储能系统的调配。
如图4所示,中央控制层基于小生境遗传算法进行单元储能系统的调配,根据单元储能系统的参数及负载情况,判断该单元储能系统容量是否大于等于负载需求,如果是,则换下一个储能系统进行判断;如果否,则判断储能系统状态是否满足小生境遗传算法,如果不满足,则换下一个储能系统进行判断,如果满足,则进行小生境遗传算法,得到调度方案。
小生境遗传算法涉及3个重要的参数:
①运行及维护成本:
f1=minCOST1
其中,j是系统的第j储能系统,CM,j是系统中第j个储能系统的运行维护成本,CPrice,j是从第j个储能系统调度电能的分时单价,Sbattery是从储能系统调度电能的电量。
②储能系统的容量:
f2=Pj(t)
PSOCj,min≤PSOCj≤PSOCj,max (2)
中,Pj(t)是第j个储能系统在调度过程中的出力,PSOCj,min、PSOCj,max分别为第j个储能系统的最小限制、最大限制出力。
③调度成本:
f3=minCOST2 (3)
其中,CPrice2,j是调度第j个储能系统的输送成本,Mj指到调度第j个储能系统的距离。
中央控制层通过三个可靠性因子a、b和c对每个储能系统上报的信息进行综合考虑:
w=af1+bf2+cf3;(a+b+c=1) (4)
然后根据w的值对储能系统进行选择调度。三个可靠性因子是根据对应的成本,可实时进行改变或设定,比如当某个储能系统不能提供需求电能或功能电压达不到规定的电压,b就会变小;当某个储能系统提供的电能相对比较经济时,a就会变大。
下面举一个具体的例子来示例性的说明本发明涉及的调度原理。模拟由六个储能系统对某地一单位进行供电调度。其中,这六个储能系统对不同需求和级别的单位供电成本不同,具体参数如下表:
表1 储能系统供能参数表
由上面实验结果可以得出,中央控制层通过调节a,b,c这三个可靠性因子对单元储能系统上报的信息进行综合评价。如图5,整个储能系统对该单位负载24小时的供电图。从图中可以明显看出来,储能系统6是最经济的调度方案,因为6号储能系统距离该负载相对比较近,调度成本f3最小(可靠性因子c比较大),运行维护成本f1相对比较小(可靠性因子a相对比较大),但6号储能系统容量有限,6号储能系统只能满足负载部分需求(可靠性因子b就相对比较小),并且从仿真可以看出,6号储能系统自身的微电网是实时对其充电的。6号储能系统根据确定的a,b,c,f1,f2,f3,确定w6值是最小的(因为a,b,c相对于f1,f2,f3是非常小的,通过调节a,b,c的权重实际是突显f1,f2,f3优势)。相对剩下的几组储能系统,1号储能系统的调度成本是相对比较经济的,但随着调度的过程中,1号储能系统运行维护成本f1在逐渐地提高,通过手动减小中央控制层的可靠性因子a,来改变1号储能系统供能的w2的大小,剩下的需求由相对经济的储能系统2号进行补充。从图中我们可以看出,储能系统3、4、5综合评价比较大w3,w4,w5(a=b=c=0),在其他能满足负载需求的情况下,3、4、5号储能系统未被调度。三个可靠性因子a,b,c是根据对应的成本,由经验实时手动改变。比如当某个储能系统不能提供需求电能或功能电压达不到规定的电压,b就会变大;当某个储能系统提供的电能相对比较经济时,a就会变大。然后根据w的值对储能系统进行选择调度。w6<w1<w2且w3=w4=w5。确定了调度方案先有6号开始调度,剩下的有1号和2号补充,3,4,5未被调用。
作为上述实施例的进一步改进,每个单元储能系统的充电端连接有微网,对储能系统进行实时的经济的充电。微网能把各种不可控资源,如光伏、风能等这样的不可控能源统筹成一个可控的单元,将微网这样的可控单元直接和单元储能系统的充电端相连,对储能系统实时经济的充电。可以建立微网分布式Agent系统,以太阳能、市电、蓄电池系统构建分布式能源系统,采用经济调度原则,建立了微电网的目标函数,量化了起各项约束条件,构建了其多目标优化数学模型,采用PSO(粒子群算法)优化算法进行了求解,给出了实时的储能系统充电策略。
作为上述实施例的进一步改进,对每个单元储能系统的放电端进行电单位权重博弈优化设计,根据优先次序进行放大。对储能系统进行需求支持的任务中,有各个类型的轻重缓急事件,根据类型的重要性,可分配不同用电单位的权重。整个系统采用高低匹配的方式,多余电量购入储能系统。即买家按照购买权(即权重,医院高......小区低),由高到低依次安排优先级,卖家按照生产权由低到高依次安排优先级。首先交易优先级高的卖家,然后交易优先级次之的市场参与者。以此类推,最后把多余符合微网储能系统购电标准(低成本电力)购入储能系统中。
本发明将多Agent分布式结构应用到储能系统的调度中,主要是为解决储能系统中通信信息不对称、可靠性低和经济不是最优等问题,以便于满足用户的需求。本发明的主要优点如下:
多Agent的调度系统具有解决任务调度中的冲突和协作等问题,能高效率协商调度各个Agent的资源,对解决某地临时缺电和局部储能系统的垄断等问题具有突出价值。本发明根据储能系统自身时效的特点,提出了基于多Agent分布式储能系统的调度方案,使在单元级储能系统资源均衡,在上下级系统间能上达下效指令,从全局上,整体调度资源,做到全局统筹意义。
本发明将分布式结构应用于储能系统,中央控制层可以结合每个单元储能系统的实际状态,设计最经济的调度方案和控制策略,具有更加的经济性。
对储能系统充电端,采用了微电网整体设计,结合太阳、风能等可再生能源供能的特点和大电网实时电价的不同,确保实现最优的储能系统的充电策略,提高了经济目标。
对远距离数据传输,可以提高数据传输速率和有效信息。
调度管理系统把以经济利益为基础的任务转移到整个系统,解决了任务调度中的冲突和协作等问题,高效率协商各个资源,对解决某地临时缺电和局部储能系统的垄断等问题具有突出价值。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置或系统实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
需要说明的是:
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定的编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明内容。
本领域那些技术人员可以理解,可以对实施例中各模块进行自适应性的改变并且把它们设置在与该实施例不同的一个或多个设备中。除非另有明确陈述,本说明书中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。
以上所述仅为本发明之较佳实施例,并非用以限定本发明的权利要求保护范围。同时以上说明,对于相关技术领域的技术人员应可以理解及实施,因此其他基于本发明所揭示内容所完成的等同改变,均应包含在本权利要求书的涵盖范围内。
Claims (9)
1.一种用于储能系统的调度管理系统,包括一个中央控制层和多个单元储能系统,其中,每一个单元储能系统控制限定区域内的电能充电和/或放电;所述中央控制层实时监控所述每一个单元储能系统的状态,当收到某一个单元储能系统发来的电能需求后,将此需求发布给其他单元储能系统,根据所述其他单元储能系统反馈的响应成本从中择优选取可调配的单元储能系统。
2.根据权利要求1所述的调度管理系统,其特征在于:所述每个单元储能系统都有一个监视传感器和距离传感器,所述监视传感器用来监视该单元储能系统在管控区域内的用电情况,所述距离传感器用来计算该单元储能系统到中央控制层的距离。
3.根据权利要求1所述的调度管理系统,其特征在于:所述中央控制层有多个监测传感器,随时监测所述每个单元储能系统监视传感器发来的状态信息、请求信息以及距离信息,实现所述中央控制层和所述每个单元储能系统的实时通信。
4.根据权利要求1所述的调度管理系统,其特征在于:所述响应成本考虑的因素包括负载量、电能需求量、供电成本、维修成本、供电功率、供能状态和距离信息。
5.根据权利要求1所述的调度管理系统,其特征在于:所述中央控制层还包括距离计算器,所述距离计算器根据所述每个单元储能系统的距离传感器发来的位置坐标信息,计算该单元储能系统到所述中央控制层的距离,该距离作为调度考虑的一个因素。
6.根据权利要求1所述的调度管理系统,其特征在于:所述中央控制层基于小生境遗传算法进行单元储能系统的调配,根据所述单元储能系统的参数及负载情况,判断该单元储能系统容量是否大于等于负载需求,如果是,则换下一个储能系统进行判断;如果否,则判断储能系统状态是否满足小生境遗传算法,如果不满足,则换下一个储能系统进行判断,如果满足,则进行小生境遗传算法,得到调度方案。
7.根据权利要求6所述的调度管理系统,其特征在于:所述小生境遗传算法涉及3个参数:
a)运行及维护成本:
f1=minCOST1
其中,j是系统的第j储能系统,CM,j是系统中第j个储能系统的运行维护成本,CPrice,j是从第j个储能系统调度电能的分时单价,Sbattery是从储能系统调度电能的电量;
b)储能系统的容量:
f2=Pj(t)
PSOCj,min≤PSOCj≤PSOCj,max (2)
中,Pj(t)是第j个储能系统在调度过程中的出力,PSOCj,min、PSOCj,max分别为第j个储能系统的最小限制、最大限制出力;
c)调度成本:
f3=minCOST2 (3)
其中,CPrice2,j是调度第j个储能系统的输送成本,Mj指到调度第j个储能系统的距离;
所述中央控制层通过三个可靠性因子a、b和c对每个储能系统上报的信息进行综合考虑:
w=af1+bf2+cf3;(a+b+c=1) (4)
然后根据w的值对储能系统进行选择调度。三个可靠性因子是根据对应的成本,可实时进行改变或设定。
8.根据权利要求1所述的调度管理系统,其特征在于:所述每个单元储能系统的充电端连接有微网,对储能系统进行实时的经济的充电,采用PSO(粒子群算法)优化算法进行了求解,给出了实时的储能系统充电策略。
9.根据权利要求1所述的调度管理系统,其特征在于:对所述每个单元储能系统的放电端进行电单位权重博弈优化设计,根据优先次序进行放大。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610466914.6A CN106203674A (zh) | 2016-06-23 | 2016-06-23 | 一种用于储能系统的调度管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610466914.6A CN106203674A (zh) | 2016-06-23 | 2016-06-23 | 一种用于储能系统的调度管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106203674A true CN106203674A (zh) | 2016-12-07 |
Family
ID=57461754
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610466914.6A Pending CN106203674A (zh) | 2016-06-23 | 2016-06-23 | 一种用于储能系统的调度管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106203674A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190995A (zh) * | 2018-09-18 | 2019-01-11 | 北京航空航天大学 | 一种基于多智能体的维修资源双向联合调度策略决策方法 |
CN109767119A (zh) * | 2019-01-11 | 2019-05-17 | 深圳万骍能源有限公司 | 分布式储能调度的方法和装置 |
CN110601232A (zh) * | 2019-09-27 | 2019-12-20 | 北京鑫泰能源股份有限公司 | 一种储能设备及其调度方法 |
CN114362238A (zh) * | 2021-11-30 | 2022-04-15 | 合肥中南光电有限公司 | 光伏控制装置、光伏控制系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102104257A (zh) * | 2009-12-16 | 2011-06-22 | 三星Sdi株式会社 | 公寓楼的储能系统、集成电力管理系统及系统控制方法 |
CN202309239U (zh) * | 2011-11-07 | 2012-07-04 | 湖南南车时代电动汽车股份有限公司 | 一种带双向dc/dc变换器的双电压复合储能系统 |
-
2016
- 2016-06-23 CN CN201610466914.6A patent/CN106203674A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102104257A (zh) * | 2009-12-16 | 2011-06-22 | 三星Sdi株式会社 | 公寓楼的储能系统、集成电力管理系统及系统控制方法 |
CN202309239U (zh) * | 2011-11-07 | 2012-07-04 | 湖南南车时代电动汽车股份有限公司 | 一种带双向dc/dc变换器的双电压复合储能系统 |
Non-Patent Citations (1)
Title |
---|
刘文军 等: "基于改进型滑模观测器的飞轮储能系统控制方法", 《中国电机工程学报》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109190995A (zh) * | 2018-09-18 | 2019-01-11 | 北京航空航天大学 | 一种基于多智能体的维修资源双向联合调度策略决策方法 |
CN109767119A (zh) * | 2019-01-11 | 2019-05-17 | 深圳万骍能源有限公司 | 分布式储能调度的方法和装置 |
CN110601232A (zh) * | 2019-09-27 | 2019-12-20 | 北京鑫泰能源股份有限公司 | 一种储能设备及其调度方法 |
CN110601232B (zh) * | 2019-09-27 | 2021-06-01 | 北京鑫泰能源股份有限公司 | 一种储能设备及其调度方法 |
CN114362238A (zh) * | 2021-11-30 | 2022-04-15 | 合肥中南光电有限公司 | 光伏控制装置、光伏控制系统及方法 |
CN114362238B (zh) * | 2021-11-30 | 2022-07-19 | 合肥中南光电有限公司 | 光伏控制系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113452020B (zh) | 一种考虑柔性氢需求的电氢能源系统调度方法 | |
CN109980631B (zh) | 一种日前电力现货市场出清与节点电价计算方法 | |
CN109256792A (zh) | 一种面向分布式储能需求的储能集聚系统及其优化方法 | |
CN106203674A (zh) | 一种用于储能系统的调度管理系统 | |
CN103296682A (zh) | 一种多时空尺度渐进趋优的负荷调度模式设计方法 | |
CN108764587A (zh) | 考虑热电耦合的综合能源系统多时间尺度互动方法及装置 | |
CN110503309B (zh) | 基于主动需求响应的电动汽车充电调度方法 | |
CN105006843A (zh) | 一种应对风电不确定性的多时间尺度柔性负荷调度方法 | |
CN110245839B (zh) | 基于能源共享的主动配电网电力市场双层交易方法 | |
Logenthiran et al. | Multi-agent system for the operation of an integrated microgrid | |
Oikonomou et al. | Coordinated deliverable energy flexibility and regulation capacity of distribution networks | |
CN106779487A (zh) | 一种基于原‑对偶内点法的虚拟电厂动态经济调度模型 | |
CN113904385A (zh) | 新能源发电侧虚拟电厂共享储能方法、系统及存储介质 | |
CN113052631A (zh) | 一种竞争性售电市场多产消者p2p日前交易机制 | |
CN104218683A (zh) | 一种闭环自学习需求响应系统及方法 | |
CN104934970A (zh) | 基于合作博弈动态联盟结构划分的互联微网经济调度方法 | |
CN114155103A (zh) | 基于区块链合作博弈的能量共享联盟灵活性交易方法 | |
CN105703355A (zh) | 一种多样性负荷分级自律协同需求响应方法 | |
CN104221243A (zh) | 用于管理为自消费而本地产生并且分发给属于一个或多个用户社区的多个用户的电能的方法和装置 | |
CN115147245B (zh) | 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法 | |
CN107887932A (zh) | 虚拟发电厂在日前市场的生产竞价组织方法 | |
CN116961114A (zh) | 基于分区自治的多虚拟电厂协调调度优化方法 | |
Dai et al. | An equilibrium model of the electricity market considering the participation of virtual power plants | |
CN117217841B (zh) | 计及虚拟电厂广义能量约束的多元市场出清系统优化方法 | |
CN110556821B (zh) | 考虑交互功率控制和双边竞价交易的多微电网双层优化调度方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161207 |