CN106253315B - 一种考虑电动汽车充电站可调度性的储能容量配置方法 - Google Patents
一种考虑电动汽车充电站可调度性的储能容量配置方法 Download PDFInfo
- Publication number
- CN106253315B CN106253315B CN201610634176.1A CN201610634176A CN106253315B CN 106253315 B CN106253315 B CN 106253315B CN 201610634176 A CN201610634176 A CN 201610634176A CN 106253315 B CN106253315 B CN 106253315B
- Authority
- CN
- China
- Prior art keywords
- energy
- charging station
- electric automobile
- automobile charging
- power
- 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
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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Secondary Cells (AREA)
Abstract
本发明公开了一种考虑电动汽车充电站可调度性的储能容量配置方法,能够根据电动汽车充电站充电功率可调度性置信水平给出相应的储能容量配置方案;为了折中电动汽车充电站可调度性和储能投资成本,提出了定义和计算电动汽车充电站充电功率可调度性的方法,并在充电站充电功率预测数据的基础上提出了储能系统损耗的储能‑电动汽车充电站联合系统调度策略,得到最佳的储能系统功率及容量配置方案;本方法选取储能系统投资成本及充放电损耗成本最小为目标函数,约束条件包括储能系统剩余寿命及充电站功率可调度性置信水平;并针对模型特点利用遗传算法求解模型。本发明可应用于电动汽车充电站储能系统配置领域。
Description
技术领域
本发明涉及电动汽车充电站储能系统配置技术领域,尤其是涉及一种节约建设成本的考虑电动汽车充电站可调度性的储能容量配置方法。
背景技术
随着能源与环保压力的逐步增大以及可再生能源技术的迅猛发展,发展新能源汽车,尤其是纯电动汽车已经是大势所趋。作为未来电网中比重庞大的负荷,同时又兼具大规模能量存储能力的电动汽车动力电池,在实现智能电网的过程中,势必要扮演一个举足轻重的角色。相应地,随着电动汽车在世界各国的广泛发展,充电基础设施的规划与建设问题已得到各国政府的关注。
众所周知,电动汽车充电行为受人们出行规律影响,就单个电动汽车而言具有很大的随机性和不确定性;而采用电动汽车充电站进行集中充电时,虽无法完全杜绝电动汽车充电的随机性,但在具备电动汽车充电站的情况下可以将将众多电动汽车视为一个整体,充电功率的波动性有所减小且具备以天为周期的周期性。同时,面对电动汽车集群是的电动汽车充电站具备了一定的调度能力:充电窗口短行驶时间长的汽车可优先充电,充电窗口长行驶时间短的汽车可适当滞后充电;在电力系统负荷高峰期时,尽量少安排充电功率,在电力系统负荷低谷时,尽量多安排充电功率。
为应对电动汽车充电功率的随机性,电动汽车充电站仍需要配置相应的储能装置:在实际充电功率小于预测值时可安排储能装置充电,在实际充电功率大于预测值时可安排储能装置放电,不足缺失功率。电动汽车充电站充电功率可调度性置信水平与充电站储能系统的配置量密切相关:电动汽车充电站充电功率可调度性置信水平低,意味着电动汽车充电站自身调节功率的负担轻,相应地储能系统配置要求较低;反之,电动汽车充电功率可调度性置信水平高,意味着电动汽车充电站自身调节功率的负担重,储能系统配置要求高。利用电动汽车充电站可调度性是未来电动汽车充电领域功率调度的重要发展方向,但尚缺少根据可调度性置信水平来配置充电站储能容量的建模方法。
发明内容
本发明的发明目的是为了克服现有技术中的缺少根据可调度性置信水平来配置充电站储能容量的建模方法的不足,提供了一种考虑储能系统投资成本及充放电损耗,求取电动汽车充电站相应可调度置信水平下最佳的储能容量配置方案的考虑电动汽车充电站可调度性的储能容量配置方法。
为了实现上述目的,本发明采用以下技术方案:
一种考虑电动汽车充电站可调度性的储能容量配置方法,包括如下步骤:
(1-1)采用持续预测方法对电动汽车充电站充电功率进行短期预测;
(1-2)以维持每个调度周期内电动汽车充电站储能系统充放电能量平衡为目标,考虑储能系统充放电损耗,构建电动汽车充电站-储能系统调度策略;
(1-3)对电动汽车充电站充电功率置信水平进行定义与计算,结果用来规划满足电动汽车充电站可调度性置信水平的储能方案;
(1-4)利用曲线拟合以及非参数估计方法生成储能功率和容量约束,联合计及储能投资成本及损耗的目标函数构成完整的优化问题并采取遗传算法进行求解。
作为优选,所述步骤(1-1)包括如下步骤:
(2-1)持续预测方法是采用历史实测的电动汽车充电站充电功率平均值来预测延时k个时段后的电动汽车充电站充电功率:
其中,是在t时刻对从t+kTf时刻开始持续时间长度为Tf的电动汽车充电站充电功率预测值;是从t-kTf时刻开始持续时间长度Tf内电动汽车充电站历史充电功率平均值;t为预测时刻或实测时刻,Tf为单个预测时长;
(2-2)进一步,可以用下式表示t+kTf时刻电动汽车充电站充电功率预测值与实测值之间的误差:
作为优选,所述步骤(1-2)包括如下步骤:
(3-1)以维持每个调度周期内电动汽车充电站储能系统充放电能量平衡为目标:
该式表示在一个完整的调度周期内储能系统总充电能量与总放电能量相等;其中,n+,n-分别表示一个完整周期内储能系统的充电次数和放电次数;η+,η-分别表示储能系统充电效率和放电效率;ε表示电动汽车充电站充电功率计划值(调度值)与实际值之间的差额,ε<0表示充电站储能系统处于充电状态,ε>0表示充电站储能系统处于放电状态。
作为优选,所述步骤(3-1)之后包括如下步骤:
(4-1)采取下式计算蓄电池N次充放电后的剩余使用寿命:
其中,Tr表示蓄电池剩余寿命(百分数);Li表示i次放电后蓄电池寿命损失;L(i)是对应在第i次放电深度下蓄电池使用寿命;其中,L(i)=682i-0.783;
(4-2)累积N次放电过程对蓄电池寿命损耗,可以得到蓄电池使用寿命为:
(4-3)考虑了充放电次数和充放电深度对储能寿命的影响,构建电动汽车充电站-储能系统调度策略如下:
min F=αPs+βEs;
α=γβ;
其中,F是最终需要优化目标函数,Ps为待配置的电动汽车充电站储能系统的额定功率;Es为待配置的电动汽车充电站储能系统的额定容量;α为单位功率投资成本;β为单位容量投资成本;CE为储能系统容量投资成本,Tlife为储能系统生命周期,Cm为储能系统日常维护成本;γ为单位功率投资与单位容量投资的比例系数。
作为优选,所述步骤(1-3)包括如下步骤:
(5-1)对电动汽车充电站充电功率置信水平进行定义与计算,具体步骤如下:
电动汽车充电站可调度性置信水平是指电动汽车充电站-储能联合系统出力符合调度水平的概率值,首先定义了一个二元变量来表征电动汽车充电站充电功率是否能响应相应的系统调度,具体表达式为:
其中,εi表示i时段电动汽车充电站实际充电功率与调度水平之间的功率差值;Prate为储能系统额定功率;Ei表示i时段能量差值;Elow,Ehigh分别表示储能系统允许充放电能量的下限和上限;当电动汽车充电站充电功率与调度值的差值小于等于储能系统的额定功率且储能系统存在冗余的充放电能量时,认为电动汽车充电站具备可调度性,Ai取值为1;反之,当电动汽车充电站充电功率与调度值的差值大于储能系统的额定功率或者储能系统不存在冗余的充放电能量时,认为电动汽车充电站不具备可调度性,Ai取值为0;
电动汽车充电站运行以天为周期,基于多天多时段的电动汽车充电站实际充电功率和调度水平采样可以计算出充电站可调度概率:
其中,N为总的充电站充电功率采样时段,p即可认为是充电站可调度性置信水平。
作为优选,所述步骤(1-4)包括如下步骤:
(6-1)在功率差额概率密度函数未知条件下,采用非参数核密度估计方法确定功率可调度性置信水平:
其中,f(x)是概率密度函数,D(·)是积分值为1的核函数,l是带宽,N是电动汽车充电站功率采样数,x是功率差额;
功率可调度性置信度水平则对应为累积概率,与该累积概率对应的功率差额值为满足该置信度水平的储能系统最小额定功率值,表示储能系统额定功率能够以该概率水平弥补电动汽车充电站实际充电功率和调度目标功率差额的最小规划值;从而,在确定电动汽车充电站可调度性置信度水平后,储能系统功率下限值可以通过计算电动汽车充电站实际功率和调度水平功率差额累积分布函数在相应置信度概率水平下的功率差额值得到;
(6-2)储能规划结果包含额定功率和容量值,在确定最小额定功率约束后,需要确定不同额定功率下满足置信度水平pd要求的最小储能容量约束;
不同储能额定功率下的最小储能容量可以通过迭代方法搜索得到:
(6-2-1)初始化储能系统额定功率值及容量值Ps,Es;其中,Ps>最小额定功率;
(6-2-2)计算电动汽车充电站调度性置信水平p;
(6-2-3)如果p<pd,则储能容量Es增大并返回步骤(6-2-2),直至可调度性置信度水平满足要求;
(6-2-4)增加储能额定功率值Ps并返回步骤(6-2-1)直至Ps大于最大功率差额;
(6-2-5)计算得到不同额定功率下的一组储能容量最小值;
(6-3)为了计算储能最优规划结果并减少计算量,对储能系统不同额定功率与相应储能最小容量值进行曲线拟合得到曲线表达式,并作为非线性约束函数用于满足目标函数的储能最优规划结果计算中,最后利用遗传算法对目标函数寻优得到储能投资成本最小规划结果。
本发明考虑了储能系统投资成本及充放电损耗,求取电动汽车充电站相应可调度置信水平下最佳的储能容量配置方案。
因此,本发明具有如下有益效果:考虑电动汽车充电站可调度性置信水平,节约建设成本。
附图说明
图1是本发明的一种方法流程图;
图2是本发明的一种事前1h持续预测模型原理图;
图3是本发明的一种电动汽车充电站功率特性;
图4是本发明的一种功率差额累积概率分布的非参数估计。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的描述。
如图1所述的实施例是一种考虑电动汽车充电站可调度性的储能容量配置方法的流程图,下面采用一最大充电功率拟设计为60MW的电动汽车充电站进行算例测试,图2是该充电电站事前1h持续预测模型原理图,图3是该充电电站某天的充电功率特性,图4是该充电电站功率差额累积概率分布的非参数估计,采用本发明算法为此电动汽车充电站规划储能系统配置方案,包括如下步骤:
步骤100:采用持续预测方法对电动汽车充电站充电功率进行短期预测:
持续预测方法是采用历史实测的电动汽车充电站充电功率平均值来预测延时k个时段后的电动汽车充电站充电功率:
其中,本发明中Tf取为0.5小时,预测时段kTf本发明中取为1小时,即k=2。在实际应用过程中,可根据实际需要调整Tf,k的取值;
进一步,可以用下式表示t+kTf时刻电动汽车充电站充电功率预测值与实测值之间的误差:
步骤200:以维持每个调度周期内电动汽车充电站储能系统充放电能量平衡为目标,考虑储能系统充放电损耗,构建电动汽车充电站-储能系统调度策略:
以维持每个调度周期内电动汽车充电站储能系统充放电能量平衡为目标:
采取下式计算蓄电池N次充放电后的剩余使用寿命:
其中,L(i)=682i-0.783;
累积N次放电过程对蓄电池寿命损耗,可以得到蓄电池使用寿命为:
考虑了充放电次数和充放电深度对储能寿命的影响,构建电动汽车充电站-储能系统调度策略如下:
min F=αPs+βEs;
α=γβ;
其中,CE=913$/MW·h,Cm=32$/MW·h;γ=1.168。
步骤300:对电动汽车充电站充电功率置信水平进行定义与计算,结果用来规划满足电动汽车充电站可调度性置信水平的储能方案:
电动汽车充电站可调度性置信水平是指电动汽车充电站-储能联合系统出力符合调度水平的概率值,首先定义了一个二元变量来表征电动汽车充电站充电功率是否能响应相应的系统调度,具体表达式为:
电动汽车充电站运行以天为周期,基于多天多时段的电动汽车充电站实际充电功率和调度水平采样可以计算出充电站可调度概率:
p即可认为是充电站可调度性置信水平。
步骤400:利用曲线拟合以及非参数估计方法生成储能功率和容量约束,联合计及储能投资成本及损耗的目标函数构成完整的优化问题并采取遗传算法进行求解:
步骤410:在功率差额概率密度函数未知条件下,采用非参数核密度估计方法确定功率可调度性置信水平:
步骤420:储能规划结果包含额定功率和容量值,在确定最小额定功率约束后,需要确定不同额定功率下满足置信度水平pd要求的最小储能容量约束;
不同储能额定功率下的最小储能容量可以通过迭代方法搜索得到:
步骤421:初始化储能系统额定功率值及容量值Ps,Es;其中,Ps>最小额定功率;
步骤422:计算电动汽车充电站调度性置信水平p;
步骤423:如果p<pd,则储能容量Es增大并返回步骤步骤422,直至可调度性置信度水平满足要求;
步骤424:增加储能额定功率值Ps并返回步骤421直至Ps大于最大功率差额;
步骤425:计算得到不同额定功率下的一组储能容量最小值;
步骤430:对储能系统不同额定功率与相应储能最小容量值进行曲线拟合得到曲线表达式,并作为非线性约束函数用于满足目标函数的储能最优规划结果计算中,最后利用遗传算法对目标函数寻优得到储能投资成本最小规划结果。
表1给出了相应的优化结果,包括储能系统的容量、功率以及系统配置成本。从结果可以看出,若要求电动汽车充电站具备更高的可调度性置信水平,则该电动汽车充电站的储能系统必须具备更大的功率、容量,相应的建设成本也越高。通过本算例验证了本发明所提模型的有效性,实际工程应用中,可根据实际需要确定设计变电站的可调度性置信水平,继而应用本发明为充电站配置合理的储能系统。
因此,本发明具有如下有益效果:考虑电动汽车充电站可调度性置信水平,节约建设成本。
其中,实施例提到的表1如下:
表1算例优化结果
应理解,本实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解,在阅读了本发明讲授的内容之后,本领域技术人员可以对本发明作各种改动或修改,这些等价形式同样落于本申请所附权利要求书所限定的范围。
Claims (5)
1.一种考虑电动汽车充电站可调度性的储能容量配置方法,其特征是,包括如下步骤:
(1-1)采用持续预测方法对电动汽车充电站充电功率进行短期预测;
(1-2)以维持每个调度周期内电动汽车充电站储能系统充放电能量平衡为目标,考虑储能系统充放电损耗,构建电动汽车充电站-储能系统调度策略;
(1-3)对电动汽车充电站充电功率置信水平进行定义与计算,结果用来规划满足电动汽车充电站可调度性置信度水平的储能方案;
(1-4)利用曲线拟合以及非参数估计方法生成储能功率和容量约束,联合计及储能投资成本及损耗的目标函数构成完整的优化问题并采取遗传算法进行求解;
步骤(1-1)还包括如下步骤:
(2-1)持续预测方法是采用历史实测的电动汽车充电站充电功率平均值来预测延时k个时段后的电动汽车充电站充电功率:
其中,是在t时刻对从t+kTf时刻开始持续时间长度为Tf的电动汽车充电站充电功率预测值;是从t-kTf时刻开始持续时间长度Tf内电动汽车充电站历史充电功率平均值;t为预测时刻或实测时刻,Tf为单个预测时长;
(2-2)进一步,可以用下式表示t+kTf时刻电动汽车充电站充电功率预测值与实测值之间的误差:
其中,ε表示电动汽车充电站充电功率计划值与实际值之间的差额。
2.根据权利要求1所述的一种考虑电动汽车充电站可调度性的储能容量配置方法,其特征是,所述步骤(1-2)包括如下步骤:
(3-1)以维持每个调度周期内电动汽车充电站储能系统充放电能量平衡为目标:
该式表示在一个完整的调度周期内储能系统总充电能量与总放电能量相等;其中,n+,n-分别表示一个完整周期内储能系统的充电次数和放电次数;η+,η-分别表示储能系统充电效率和放电效率;ε表示电动汽车充电站充电功率计划值与实际值之间的差额;εi表示第i次充电时,电动汽车充电站充电功率计划值与实际值之间的差额,εj表示第j次放电时,电动汽车充电站充电功率计划值与实际值之间的差额。
3.根据权利要求2所述的一种考虑电动汽车充电站可调度性的储能容量配置方法,其特征是,所述步骤(3-1)之后包括如下步骤:
(4-1)采取下式计算蓄电池N次充放电后的剩余使用寿命:
其中,Tr表示蓄电池N次充放电后的剩余使用寿命;Li表示i次放电后蓄电池寿命损失;L(i)是对应在第i次放电深度下蓄电池使用寿命;其中,L(i)=682i-0.783;
(4-2)累积N次放电过程对蓄电池寿命损耗,可以得到蓄电池使用寿命为:
(4-3)考虑了充放电次数和充放电深度对储能寿命的影响,构建电动汽车充电站-储能系统调度策略如下:
min F=αPs+βEs;
α=γβ;
其中,F是最终需要优化目标函数,Ps为待配置的电动汽车充电站储能系统的额定功率;Es为待配置的电动汽车充电站储能系统的额定容量;α为单位功率投资成本;β为单位容量投资成本;CE为储能系统容量投资成本,Tlife为蓄电池使用寿命,Cm为储能系统日常维护成本;γ为单位功率投资与单位容量投资的比例系数。
4.根据权利要求1所述的一种考虑电动汽车充电站可调度性的储能容量配置方法,其特征是,所述步骤(1-3)包括如下步骤:
(5-1)对电动汽车充电站充电功率置信水平进行定义与计算,具体步骤如下:
电动汽车充电站可调度性置信度水平是指电动汽车充电站-储能系统出力符合调度水平的概率值,首先定义了一个二元变量来表征电动汽车充电站充电功率是否能响应相应的系统调度,具体表达式为:
其中,εi表示第i次充电时,电动汽车充电站充电功率计划值与实际值之间的差额;Prate为储能系统额定功率;Ei表示i时段能量差值;Elow,Ehigh分别表示储能系统允许充放电能量的下限和上限;
电动汽车充电站运行以天为周期,基于多天多时段的电动汽车充电站实际充电功率和调度水平采样可以计算出充电站可调度概率:
其中,N为电动汽车充电站功率采样数,p即可认为是充电站可调度性置信度水平。
5.根据权利要求1所述的一种考虑电动汽车充电站可调度性的储能容量配置方法,其特征是,所述步骤(1-4)包括如下步骤:
(6-1)在功率差额概率密度函数未知条件下,采用非参数核密度估计方法确定功率可调度性置信度水平:
其中,f(x)是概率密度函数,D(·)是积分值为1的核函数,l是带宽,N是电动汽车充电站功率采样数,x是功率差额,xi表示i时段的功率差额;
(6-2)储能规划结果包含额定功率值Ps和容量值Es,在确定最小额定功率约束后,需要确定不同额定功率下满足置信度水平pd要求的最小储能容量约束;
不同储能额定功率下的最小储能容量可以通过迭代方法搜索得到:
(6-2-1)初始化储能系统额定功率值Ps及容量值Es;其中,Ps>最小额定功率;
(6-2-2)计算电动汽车充电站可调度性置信度水平p;
(6-2-3)如果p<pd,则容量值Es增大并返回步骤(6-2-2),直至可调度性置信度水平满足要求;
(6-2-4)增加储能额定功率值Ps并返回步骤(6-2-1)直至Ps大于最大功率差额;
(6-2-5)计算得到不同额定功率下的一组储能容量最小值;
(6-3)对储能系统不同额定功率与相应储能最小容量值进行曲线拟合得到曲线表达式,并作为非线性约束函数用于满足目标函数的储能最优规划结果计算中,最后利用遗传算法对目标函数寻优得到储能投资成本最小规划结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610634176.1A CN106253315B (zh) | 2016-08-02 | 2016-08-02 | 一种考虑电动汽车充电站可调度性的储能容量配置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610634176.1A CN106253315B (zh) | 2016-08-02 | 2016-08-02 | 一种考虑电动汽车充电站可调度性的储能容量配置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106253315A CN106253315A (zh) | 2016-12-21 |
CN106253315B true CN106253315B (zh) | 2019-05-28 |
Family
ID=58077786
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610634176.1A Active CN106253315B (zh) | 2016-08-02 | 2016-08-02 | 一种考虑电动汽车充电站可调度性的储能容量配置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106253315B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106934522B (zh) * | 2017-01-25 | 2021-12-03 | 上海蔚来汽车有限公司 | 补能资源离线调度方法 |
CN108667121B (zh) * | 2017-03-31 | 2021-01-22 | 国家能源投资集团有限责任公司 | 一种应急电源系统容量确定方法、装置及系统 |
CN108830451B (zh) * | 2018-05-04 | 2022-03-04 | 中国电力科学研究院有限公司 | 一种用户侧分布式储能的汇聚潜力评估方法及系统 |
CN111106612B (zh) * | 2018-10-25 | 2022-07-05 | 贵州电网有限责任公司 | 储能式充电桩参与电网需求侧响应联合运行优化模型与求解算法 |
CN109508826B (zh) * | 2018-11-13 | 2022-01-07 | 合肥工业大学 | 基于梯度提升决策树的电动汽车集群可调度容量预测方法 |
CN110472841B (zh) * | 2019-07-29 | 2023-05-02 | 上海电力大学 | 一种电动汽车快速充电站的储能配置方法 |
CN110912166B (zh) * | 2019-11-26 | 2022-06-14 | 江苏方天电力技术有限公司 | 一种多用户共享储能模式的储能容量配置方法 |
CN111639866B (zh) * | 2020-06-03 | 2024-01-26 | 国网上海市电力公司 | 基于遗传算法的储能充电站的储能容量的配置方法 |
CN111861794B (zh) * | 2020-07-30 | 2024-04-12 | 国网能源研究院有限公司 | 考虑概率分布的太阳能发电容量可信度获取方法及装置 |
CN112651603B (zh) * | 2020-12-04 | 2023-10-17 | 苏州电力设计研究院有限公司 | 考虑电动汽车充电站耦合作用的容量评估方法 |
CN112651717B (zh) * | 2020-12-31 | 2022-06-03 | 中国电建集团福建省电力勘测设计院有限公司 | 基于概率分布统计的多站融合储能容量配置方法 |
CN114103707B (zh) * | 2021-12-06 | 2024-01-26 | 黄淮学院 | 基于人工智能与物联网的智慧能源控制方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103023066A (zh) * | 2012-11-21 | 2013-04-03 | 华中科技大学 | 一种适合于含风电电力系统储能功率的优化配置方法 |
CN103545832A (zh) * | 2013-09-22 | 2014-01-29 | 国家电网公司 | 一种基于发电预测误差的光伏系统储能容量配置方法 |
CN103956760A (zh) * | 2014-02-12 | 2014-07-30 | 国家电网公司 | 一种用于平抑城市负荷增长的储能容量配置方法 |
CN104795833A (zh) * | 2015-05-08 | 2015-07-22 | 武汉大学 | 一种独立微电网蓄电池储能系统容量优化配置方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000069675A (ja) * | 1998-08-25 | 2000-03-03 | Fuji Electric Co Ltd | 電力貯蔵電源システム、電力供給方法及び電力給電方法 |
-
2016
- 2016-08-02 CN CN201610634176.1A patent/CN106253315B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103023066A (zh) * | 2012-11-21 | 2013-04-03 | 华中科技大学 | 一种适合于含风电电力系统储能功率的优化配置方法 |
CN103545832A (zh) * | 2013-09-22 | 2014-01-29 | 国家电网公司 | 一种基于发电预测误差的光伏系统储能容量配置方法 |
CN103956760A (zh) * | 2014-02-12 | 2014-07-30 | 国家电网公司 | 一种用于平抑城市负荷增长的储能容量配置方法 |
CN104795833A (zh) * | 2015-05-08 | 2015-07-22 | 武汉大学 | 一种独立微电网蓄电池储能系统容量优化配置方法 |
Non-Patent Citations (2)
Title |
---|
基于非参数核密度估计法的光储系统容量优化配置;姜晓亮等;《高电压技术》;20150731;第41卷(第7期);第2225-2230页 |
考虑风光发电可调度的微网储能容量配置方法;蔡阳等;《华东电力》;20140930;第42卷(第9期);第1821-1826页 |
Also Published As
Publication number | Publication date |
---|---|
CN106253315A (zh) | 2016-12-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106253315B (zh) | 一种考虑电动汽车充电站可调度性的储能容量配置方法 | |
CN107565607B (zh) | 一种基于实时电价机制的微电网多时间尺度能量调度方法 | |
CN103241130B (zh) | 一种电动公交车充换电站的能量管理方法及系统 | |
CN108470239A (zh) | 计及需求侧管理和储能的主动配电网多目标分层规划方法 | |
CN106953316B (zh) | 微电网变时间尺度优化调度方法 | |
CN111626527B (zh) | 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法 | |
CN109816171A (zh) | 一种基于模糊pid实时电价的电动汽车区域微网群双层分布式优化调度方法 | |
CN107248751A (zh) | 一种实现配电网负荷功率削峰填谷的储能站调度控制方法 | |
CN104993522A (zh) | 一种基于mpc的主动配电网多时间尺度协调优化调度方法 | |
CN111404206B (zh) | 考虑投资回报约束的风光储发电系统容量双层规划方法 | |
CN104348189B (zh) | 一种分布式电源系统 | |
CN109948823B (zh) | 一种光储充电塔自适应鲁棒日前优化调度方法 | |
CN108964103B (zh) | 一种考虑微网系统可调度性的微网储能配置方法 | |
CN103904695A (zh) | 一种基于mcs-pso的临近海岛多微网动态调度方法 | |
Chen et al. | Energy storage sizing for dispatchability of wind farm | |
Gu et al. | Look-ahead coordination of wind energy and electric vehicles: A market-based approach | |
CN116151486B (zh) | 含储能系统的光伏充电站多时间尺度随机优化方法及装置 | |
CN113988444A (zh) | 一种光储系统的电费优化控制系统及方法 | |
Kasturi et al. | Optimal planning of charging station for EVs with PV-BES unit in distribution system using WOA | |
CN109842140A (zh) | 高压配网峰谷负荷平衡智能管控方法 | |
CN112836849A (zh) | 一种考虑风电不确定性的虚拟电厂调度方法 | |
Kumar et al. | A New Approach to Design and Optimize Sizing of Hybrid Microgrids in Deregulated Electricity Environment | |
CN105574681A (zh) | 一种多时间尺度社区能源局域网能量调度方法 | |
CN108921331A (zh) | 一种计及v2g功能的电动汽车与新能源的调度优化建模及算法 | |
CN203933038U (zh) | 离网并网混合光伏发电控制系统 |
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 |