CN106803157A - 一种低压配电网分布式储能系统的电能质量改善方法 - Google Patents
一种低压配电网分布式储能系统的电能质量改善方法 Download PDFInfo
- Publication number
- CN106803157A CN106803157A CN201710086675.6A CN201710086675A CN106803157A CN 106803157 A CN106803157 A CN 106803157A CN 201710086675 A CN201710086675 A CN 201710086675A CN 106803157 A CN106803157 A CN 106803157A
- Authority
- CN
- China
- Prior art keywords
- storage system
- energy storage
- power
- energy
- voltage
- 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 389
- 238000009826 distribution Methods 0.000 claims abstract description 119
- 238000000034 method Methods 0.000 claims abstract description 56
- 230000008569 process Effects 0.000 claims abstract description 20
- 238000009434 installation Methods 0.000 claims abstract description 12
- 238000005457 optimization Methods 0.000 claims abstract description 12
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 21
- 230000014509 gene expression Effects 0.000 claims description 18
- 239000004744 fabric Substances 0.000 claims description 16
- 239000013598 vector Substances 0.000 claims description 15
- 238000013486 operation strategy Methods 0.000 claims description 14
- 230000005611 electricity Effects 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 13
- 239000000243 solution Substances 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 230000010349 pulsation Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- 230000000052 comparative effect Effects 0.000 claims description 6
- 238000009828 non-uniform distribution Methods 0.000 claims description 6
- 230000001131 transforming effect Effects 0.000 claims description 6
- 240000002853 Nelumbo nucifera Species 0.000 claims description 4
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 4
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 4
- 230000008901 benefit Effects 0.000 claims description 4
- 238000002347 injection Methods 0.000 claims description 4
- 239000007924 injection Substances 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000037361 pathway Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 244000131316 Panax pseudoginseng Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 230000008520 organization Effects 0.000 abstract description 2
- 230000007812 deficiency Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 241001482237 Pica Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000004513 sizing Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 230000001550 time effect Effects 0.000 description 1
- 230000009466 transformation Effects 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
-
- 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
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明实施例提供的一种低压配电网分布式储能系统的电能质量改善方法,通过建立配网等效模型、分布式储能系统的选址定容优化模型,通过层次分析法进行多目标权重系数的确定从而将多目标优化问题转化为单目标问题,计算出储能装置在系统中的最佳接入位置和最佳功率容量,以此为基础,结合分布式储能系统运行策略规划模型,最终求解出分布式储能系统最优运行策略,从而不仅对低压配电网的电能质量进行了改善,还考虑了储能投资的经济性,降低了投资风险,提高了设备利用率。本发明提出的分布式储能系统规划方法弥补了已有方法的不足,能有效改善低压配电网电能质量。
Description
技术领域
本发明涉及低压配电网储能系统规划领域,尤其涉及一种低压配电网分布式储能系统的电能质量改善方法。
背景技术
随着我国经济的快速发展,用户对电能质量的要求越来越高,现有低压配电网的装备水平已不能满足用户对高质量电力的需求。大量研究表明,几乎所有的电能质量问题均来源于配电网系统,其中,配电网末端电压偏低、电压波动、负荷不平衡和供电中断等问题经常发生。负荷峰谷差较大造成传统新建或改造线路资产利用率低,而储能系统(energystorage system,ESS)具有能量响应速度快、负荷波动的标准差最小等优点,能够解决只靠无功补偿装置无法填补有功缺额的难题,达到改善低压配电网电压偏低和提高供电能力的目的。ESS的接入位置、容量和运行策略对配电网电压质量、供电能力和负荷特性影响很大,然而针对农村低压配电网的特殊结构、负荷特点的储能应用并不多见,因此提出一种分布式储能系统的规划方法,对低压配电网电能质量进行有效改善,必将推动低压配电网中储能技术的发展。
国内外已对储能系统改善电能质量的规划进行了广泛的理论研究。Lee S J,KimJH,Kim C H等在IEEE Transactions on Smart Grid(2015,7(3):1-1)发表的《Coordinated Control Algorithm for Distributed Battery Energy Storage SystemsforMitigating Voltage andFrequency Deviations》中提出了一种应用于分布式储能系统的协调控制算法来减小配电网电压和频率偏移,通过实际配电系统验证,与传统非协调控制方案相比,该方法可减小电压和频率偏差,改善电能质量;Li Junhui,Bi Jianglin,Yan Gangui等在Electricity Distribution,2016CICED 2016.2016China Internationalconference on IEEE(2016:1-6)发表的《Research on improving power quality ofwind power system based on flywheel energy storage system》和Sutanto D在Research andDevelopment,2002.SCORED 2002.Student Conference on IEEE(2002:8-11)发表的《Energy storage system to improve power quality and systemreliability》通过储能系统充放电控制策略的改进,减轻了可再生能源随机特性对电能质量的不利影响,但没有考虑储能系统接入位置和运行经济性等因素,难以做到对储能系统规划应用的全面评价;杨玉青,牛利勇,田立亭,等在《电网技术》(2015,39(4):1019-1025)中发表的《考虑负荷优化控制的区域配电网储能配置》将负荷波动的标准差最小和平滑负荷作为储能系统规划的优化目标,得到不同负荷控制下的ESS最优容量和功率配置,但文章并未涉及储能系统的布点位置规划;Zulpo R S,Chouhy Leborgne R,Suman Bretas A在IEEE,International Conference on Harmonics and Quality ofPower.IEEE(2014:871-875)上发表的《Optimal siting and sizing ofdistributed generation through powerlosses and voltage deviation》建立了改善电压波动与有功损耗的储能系统位置和容量非线性规划模型,将完整的等式和不等约束考虑其中,并通过KNITRO优化工具箱求解,但未将经济考虑在内,同时忽视了目标函数中各部分权重的影响;吴小刚,刘宗歧,田立亭等在《电网技术》(2014,38(12):3405-3411)中发表的《基于改进多目标粒子群算法的配电网储能选址定容》采用改进粒子群算法求解考虑节点电压波动、负荷波动和储能系统容量的多目标选址定容模型,克服了常规粒子群算法在惯性权重取值上缺乏指导的缺点,但考虑成本因素较少,不能准确反映储能系统的经济性。Cau T D H,Kaye R在IEEE PowerEngineering Society International Conference on Power Industry ComputerApplications,2001.Pica 2001.Innovative Computing for Power-Electric EnergyMeets the Market(2001:402-407)发表的《Multiple distributed energy storagescheduling using constructive evolutionaryprogramming》和Cau T D H,Kaye R J在IET Proceedings-Generation Transmission and Distribution上发表的《Evolutionaryoptimisation method formultistorage hydrothermal scheduling》分别选用模拟退火算法与遗传算法来求解储能系统的运行策略问题,保证了系统运行经济性,为短时间电压中断提供电压支撑,但智能算法具有易早熟的缺点,导致陷入局部最优解,无法保证收敛到全局最优解。上述文献从不同的储能规划领域研究了储能系统改善电能质量的理论规划模型和求解算法,但在农村低压配电网中仅靠储能系统改善电能质量的应用并不多见。
对配电网改造者来说,以最小的规划成本实现电能质量的改善才是最实际的,因此,如何仅靠储能系统参与配电网改善电能质量的规划,充分发挥分布式储能系统方便高效的特点,进一步提高系统的供电质量,是配电网改造过程中需要解决的一个问题。
发明内容
本发明实施例提供了一种低压配电网分布式储能系统的电能质量改善方法,用于仅靠储能系统参与配电网改善电能质量的规划,充分发挥分布式储能系统方便高效的特点,进一步提高系统的供电质量。
本发明实施例提供的一种低压配电网分布式储能系统的电能质量改善方法,包括:
S1:对配网结构和稳态电压的分布建立配网等效模型,确定参考基础数据,包括负荷参数、线路参数、分布式储能系统造价、费用单价,所述配网等效模型包含负荷均匀分布和负荷非均匀分布两种情况;
S2:根据所述配网等效模型,以储能投资、运行成本和线损成本最小为目标,以含分布式储能系统的潮流方程、功率方程、节点电压为约束,建立分布式储能系统的选址定容优化模型;
S3:通过层次分析法进行多目标权重系数的确定,通过基于分支定界法和外逼近算法的BONMIN求解器求解所述储能系统的选址定容模型,得到储能装置在系统中的最佳接入位置和最佳功率容量;
S4:根据所述最佳接入位置和所述最佳功率容量进行含储能系统的配电网潮流计算,求得含储能系统的节点电压Unn,全网功率损耗Plossnn;
S5:判断接入储能系统后的各节点电压Unn是否大于接入储能系统前的各节点电压Un,且满足电压上下限约束条件,若否,则返回执行步骤S3;
S6:判断接入储能系统后的全网损耗Plossnn是否低于接入储能系统前的全网损耗Plossn,若否,则返回执行步骤S3;
S7:以负荷波动的标准差最小为目标,以储能系统的功率、容量、荷电状态等为约束条件,建立分布式储能系统运行策略规划模型;
S8:根据所述最佳接入位置和所述最佳功率容量进行储能系统的日前优化运行策略的规划计算,通过序列二次规划法的SNOPT求解器求解所述分布式储能系统运行策略规划模型,得到分布式储能系统最优运行策略;
所述布式储能系统最优运行策略包括所述最佳接入位置、所述最佳功率容量、储能系统的最优充电时间和储能系统的最优放电时间。
优选地,所述步骤S1包括:
根据配电网馈线分布、相邻等效节点间的线路阻抗Zm及等效节点的负荷PLm生成具有离散负荷线路的配网等效模型,设定均匀分布负荷下相邻等效节点间线路段长度为L,设定不均匀分布负荷下相邻节点间线路段长度为anL,其中an为长度系数,第m个节点接入了额定功率为Pess的储能装置;
优选地,所述配网等效模型在无分布式储能装置接入时,各节点的电压表示为:
所述配网等效模型在第m个节点接入分布式储能装置后,线路各节点的电压表示为:
其中,U0为馈线配变出线端母线节点电压幅值;U0=[U0,…,U0]T为配变出线端母线节点电压幅值U0构成的n阶列向量;Un=[U1,…,Ui,…,Un]T为各节点的节点电压幅值列向量;R为电阻矩阵;X为电抗矩阵;P=[P1,P2,…,Pn]T为支路末端有功功率列向量;Q=[Q1,Q2,…,Qn]T为支路末端无功功率列向量;Pm和Qm分别为等效节点m的有功负荷和无功负荷;Pessm和Qessm分别为接入m节点上的分布式储能装置的有功和无功出力,当储能装置充电时,Pessm、Qessm为正,当储能装置放电时,Pessm、Qessm为负;
所述配网等效模型在接入分布式储能装置后由于负荷的突然投切引起的电压波动值为:
其中,dU为电压波动值;△U表示电压变化过程中两极值电压之差;UN为系统额定电压。dU绝对值越大,表明储能系统对电压波动情况改善不佳,系统实际运行情况越差;dU绝对值越小,表明储能系统对电压波动情况改善良好,系统实际运行情况越好。
优选地,所述步骤S2包括:
建立与分布式储能系统的容量及位置相关的整体费用的费用目标函数:
min f=χG1+γG2+τG3
其中,G1,G2,G3分别是规划年限内储能投资成本、线路损耗成本和购电成本;χ,γ,τ为权重系数,满足χ+γ+τ=1;
建立选址定容约束条件方程组,并结合所述费用目标函数,根据所述配网等效模型建立分布式储能系统的优化运行策略模型。
优选地,所述储能投资成本G1的表达式为:
其中,TIC和TOC分别为分布式储能系统安装费用及运行维护费用;k为接入配电网的分布式储能装置个数;Pess,k为第k个储能装置的充/放电功率容量,kW;Cess,k为第k个储能装置的单位安装成本,元/kW;rr为年利率;ne为规划年限;β=rr(1+rr)ne/(1+rr)ne-1为将规划年限内年费用转换为现值的因子;Cmc,k为第k个储能装置的固定维护成本,Cop,k为第k个储能装置单位运行成本,单位是元/kW;
所述线路损耗成本G2的计算公式为:
其中,xm为0-1变量,取值为1时,节点m接入ESS;取值为0时,节点m不接入ESS;Cebuy为单位电价,元/kWh;Tjmax为第j条等效支路的年最大负荷损耗小时数,h;Rj为等效支路j的电阻,Ω;ΔPLj为支路j的支路损耗;Pj为流过支路j的有功功率,Uj支路j的额定电压;
所述购电成本G3的表达式为:
其中,Gbuy为线路不接入储能装置时电力用户通过传统途径的购电费用;Gsell为线路接入分布式储能系统后电力用户从储能装置处购电的费用,即储能系统作为电源时的卖电收益,其中储能装置放电时Gsell部分为卖电收益,储能装置充电时,Gsell部分为额外的购电费用,为方便处理,卖电单位电价Cesell与购电单位电价Cebuy取相等;Tmax为最大负荷年利用小时数,h;Pline为配变向线路输入总功率;deploss为储能系统接入配电线路前后线路损耗之差。
优选地,所述选址定容约束条件方程组包括潮流约束方程、节点电压约束方程、待选节点安装约束方程、储能系统功率约束方程和接入后系统功率平衡约束方程;
所述潮流约束方程为:
Pm=Pm-1-Rm-1(Pm-1 2+Qm-1 2)/Um-1 2-PLm-Pess,k,m
Qm=Qm-1-Xm-1(Pm-1 2+Qm-1 2)/Um-1 2-QLm-Qess,k,m
其中,Pm,Qm分别表示注入节点m的有功与无功功率;Rm,Qm分别为节点m-1与节点m间的电阻与电抗;PLm,QLm分别为节点m的有功与无功负荷;Pess,k,m,Qess,k,m分别为第k个储能装置往节点m注入的有功与无功功率,当ESS充电时,功率为正;当ESS放电时,功率为负;
所述节点电压约束方程为:
Umin≤Um≤Umax
其中Umin、Umax分别为节点电压Um的下限和上限;
所述待选节点安装约束方程为:
其中,N表示系统待选安装节点的个数;xm为0-1决策变量;Nbess表示接入系统的分布式储能装置的个数;
所述储能系统功率约束方程为:
Pbess_min≤Pbess,k≤Pbess_max
其中Pbess_min、Pbess_max分别为储能系统功率的下限和上限;
所述接入后系统功率平衡约束方程为:
其中,Pline为系统输入总功率;N表示系统节点个数;Nbess表示接入系统的分布式储能装置个数。
优选地,所述步骤S3包括:
选取决策变量,采用0-1决策变量来决定储能系统的位置,即:
其中,xm为二进制决策变量,决定着在节点m处接入或者不接入储能系统;
采用层次分析法,处理多目标权重。通过各目标之间成对比较,组建维数为n×n的比较矩阵,成对比较矩阵表达式为:
其中,H表示一个两两相关矩阵,Hi(i=1,2,…,n)表示比较的第i个指标,n表示指标个数;hii=1(i=1,2,…,n)表示指标Hi与其自身重要性的比较结果;hij=1/(hji)=(hik/hjk)表示指标Hi与Hj重要性的比较结果;
每个目标权重系数表达式为:
其中wi为第i个权重系数,其向量可表示为W=[w1,w2,…,wi,…,wn]T。两两相关矩阵H的一致性比率检验表达式为:
HW=λmax W
其中,FCR为一致性比率,如果FCR<0.1则表示由所述成对比较矩阵表达式计算出的每个指标的权重系数合理;FCI=(λmax-n)/(n-1)为一致性指标;FRI为随机指标,对于不同的目标数n,随机指标值为预设的值;λmax为矩阵H的最大特征值,由矩阵H的公式求得;
利用GAMS仿真平台,基于分支定界法和外逼近算法的BONMIN求解器,优化迭代;
输出最优解,即迭代终止的决策量节点位置和容量大小,即得到储能装置在系统中的最佳接入位置和最佳功率容量。
优选地,所述步骤S7包括:
建立日前负荷波动的标准差目标函数方程,为:
其中,
Pt=Pload,t+Pesss,t
其中,T表示一天时长,24h;t为一天中的采样时刻;Pt为第t时刻配电系统接入分布式储能系统后的有功负荷;Paverage为T时间长度内平均有功负荷;Pload,t为第t时刻系统未接入储能系统时的有功负荷;Pess,t为t时刻储能系统的输出功率,当储能装置充电时,功率为正;当储能装置放电时,功率为负;
建立储能系统约束方程组,包括功率和容量约束方程组、ESS荷电状态约束方程组;
以所述日前负荷波动的标准差目标函数方程的标准差最小为目标,以所述储能系统约束方程组为约束条件,建立分布式储能系统运行策略规划模型。
优选地,所述功率和容量约束方程组为:
Pbess,tΔt=(SOC(t-1)-SOC(t))Em
-Pess≤Pess,t≤Pess
其中,SOC(t)为第t时刻ESS的荷电状态;Em表示储能系统的额定电量容量;Pess为配置的BESS额定功率容量;
所述ESS荷电状态约束方程组为:
SOCmin≤SOC(t)≤SOCmax
SOCmin≤SOC(1)≤SOCaverage≤SOCmax
SOC(1)=60%SOCmax
其中,SOCmin,SOCmax分别为ESS荷电状态的下限和上限;SOC(1)为ESS荷电状态的初值;SOCaverage为储能系统的平均荷电状态;
本发明实施例提供的一种低压配电网分布式储能系统的电能质量改善装置,包括:
配网等效模型建立模块,用于对配网结构和稳态电压的分布建立配网等效模型,确定参考基础数据,包括负荷参数、线路参数、分布式储能系统造价、费用单价,所述配网等效模型包含负荷均匀分布和非均匀分布两种情况下的所述配网等效模型;
选址定容优化模型建立模块,用于根据所述配网等效模型,以储能投资、运行成本和线损成本最小为目标,以含分布式储能系统的潮流、功率方程、节点电压为约束,建立分布式储能系统的选址定容优化模型;
最佳接入位置和最佳功率容量计算模块,用于通过层次分析法进行多目标权重系数的确定,通过基于分支定界法和外逼近算法的BONMIN求解器求解所述储能系统的选址定容模型,得到储能装置在系统中的最佳接入位置和最佳功率容量;
节点电压和拳王功率损耗计算模块,用于根据所述最佳接入位置和所述最佳功率容量进行含储能系统的配电网潮流计算,求得含储能系统的节点电压Unn,全网功率损耗Plossnn;
节点电压判断模块,用于判断接入储能系统后的各节点电压Unn是否大于接入储能系统前的各节点电压Un,且满足电压上下限约束条件,若否,则返回执行步骤S3;
全网损耗判断模块,用于判断接入储能系统后的全网损耗Plossnn是否低于接入储能系统前的全网损耗Plossn,若否,则返回执行步骤S3;
分布式储能系统运行策略规划模型建立模块,用于以负荷波动的标准差最小为目标,储能系统的功率、容量、荷电状态等为约束条件,建立分布式储能系统运行策略规划模型;
最优运行策略计算模块,用于根据所述最佳接入位置和所述最佳功率容量进行储能系统的日前优化运行策略的规划计算,通过序列二次规划法的SNOPT求解器求解所述分布式储能系统运行策略规划模型,得到分布式储能系统最优运行策略;
所述布式储能系统最优运行策略包括所述最佳接入位置、所述最佳功率容量、储能系统的最优充电时间和储能系统的最优放电时间。
从以上技术方案可以看出,本发明实施例具有以下优点:
本发明实施例提供的一种低压配电网分布式储能系统的电能质量改善方法,通过建立配网等效模型、分布式储能系统的选址定容优化模型计算出储能装置在系统中的最佳接入位置和最佳功率容量,以此为基础,结合分布式储能系统运行策略规划模型,最终求解出分布式储能系统最优运行策略,从而不仅对低压配电网的电能质量进行了改善,还考虑了储能投资的经济性,降低了投资风险,提高了设备利用率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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它的附图。
图1为本发明实施例提供的一种低压配电网分布式储能系统的电能质量改善方法的一个实施例的示意图;
图2为本发明实施例提供的一种低压配电网分布式储能系统的电能质量改善方法的另一个实施例的示意图;
图3为本发明实施例提供的一种低压配电网分布式储能系统的电能质量改善方法的一个实施例中含单个储能系统的均匀负荷分布线路模型的示意图;
图4为本发明实施例提供的一种低压配电网分布式储能系统的电能质量改善方法的一个实施例中含单个储能系统的不均匀负荷分布线路模型的示意图;
图5为本发明实施例提供的一种低压配电网分布式储能系统的电能质量改善方法的一个实施例中接入储能系统的配电线路结构图;
图6为本发明实施例提供的一种低压配电网分布式储能系统的电能质量改善方法的一个应用例的算法流程示意图;
图7为本发明实施例提供的一种低压配电网分布式储能系统的电能质量改善方法应用于IEEE-33节点系统的应用前后的各节点电压情况图;
图8为本发明实施例提供的一种低压配电网分布式储能系统的电能质量改善方法应用于干线式低压配电网的应用前后的系统日负荷曲线图。
具体实施方式
本发明实施例提供了一种低压配电网分布式储能系统的电能质量改善方法,用于仅靠储能系统参与配电网改善电能质量的规划,充分发挥分布式储能系统方便高效的特点,进一步提高系统的供电质量。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1,本发明实施例提供的一种低压配电网分布式储能系统的电能质量改善方法的一个实施例,包括:
101:对配网结构和稳态电压的分布建立配网等效模型,确定参考基础数据,包括负荷参数、线路参数、分布式储能系统造价、费用单价,所述配网等效模型包含负荷均匀分布和负荷非均匀分布两种情况;
102:根据所述配网等效模型,以储能投资、运行成本和线损成本最小为目标,以含分布式储能系统的潮流方程、功率方程、节点电压为约束,建立分布式储能系统的选址定容优化模型;
103:通过层次分析法进行多目标权重系数的确定,通过基于分支定界法和外逼近算法的BONMIN求解器求解所述储能系统的选址定容模型,得到储能装置在系统中的最佳接入位置和最佳功率容量;
104:根据所述最佳接入位置和所述最佳功率容量进行含储能系统的配电网潮流计算,求得含储能系统的节点电压Unn,全网功率损耗Plossnn;
105:判断接入储能系统后的各节点电压Unn是否大于接入储能系统前的各节点电压Un,且满足电压上下限约束条件,若否,则返回执行步骤103;
106:判断接入储能系统后的全网损耗Plossnn是否低于接入储能系统前的全网损耗Plossn,若否,则返回执行步骤103;
107:以负荷波动的标准差最小为目标,以储能系统的功率、容量、荷电状态等为约束条件,建立分布式储能系统运行策略规划模型;
108:根据所述最佳接入位置和所述最佳功率容量进行储能系统的日前优化运行策略的规划计算,通过序列二次规划法的SNOPT求解器求解所述分布式储能系统运行策略规划模型,得到分布式储能系统最优运行策略;
所述布式储能系统最优运行策略包括所述最佳接入位置、所述最佳功率容量、储能系统的最优充电时间和储能系统的最优放电时间。
本发明实施例提供的一种低压配电网分布式储能系统的电能质量改善方法,通过建立配网等效模型、分布式储能系统的选址定容优化模型计算出储能装置在系统中的最佳接入位置和最佳功率容量,以此为基础,结合分布式储能系统运行策略规划模型,最终求解出分布式储能系统最优运行策略,从而不仅对低压配电网的电能质量进行了改善,还考虑了储能投资的经济性,降低了投资风险,提高了设备利用率。
本发明的目的是提供一种改善低压配电网电能质量的分布式储能系统的规划方法,从改善系统电能质量入手,考虑各角度利益与技术双重因素建立多目标混合整数非线性规划模型(MINLP),合理配置低压配电网中分布式储能的位置、容量,以此为基础,结合日负荷曲线进行分布式储能系统运行策略的优化,建立完整有效、紧密结合工程实际的基于0-1动态规划的分布式储能系统的规划方案。
以上是对本发明实施例提供的一种低压配电网分布式储能系统的电能质量改善方法的一个实施例作详细的描述,以下将对本发明实施例提供的一种低压配电网分布式储能系统的电能质量改善方法的另一个实施例进行详细的描述。
请参阅图2,本发明实施例提供的一种低压配电网分布式储能系统的电能质量改善方法的另一个实施例,包括:
201:对配网结构和稳态电压的分布建立配网等效模型,确定参考基础数据,包括负荷参数、线路参数、分布式储能系统造价、费用单价,所述配网等效模型包含负荷均匀分布和负荷非均匀分布两种情况;
步骤201包括:
根据配电网馈线分布、相邻等效节点间的线路阻抗Zm及等效节点的负荷PLm生成具有离散负荷线路的配网等效模型,设定均匀分布负荷下相邻等效节点间线路段长度为L,设定不均匀分布负荷下相邻节点间线路段长度为anL,其中an(n=1,2,…,N)为长度系数,第m个节点接入了额定功率为Pess的储能装置;
具体地,从馈线首端开始将沿馈线分布的每一负荷集中点视作一个等效节点并编号,出线端作为首母线0,依次编号为1,2,…,N,相邻节点间线路阻抗为Zm,相应节点上的负荷为PLm,形成的离散负荷线路等效模型,均匀分布负荷下相邻等效节点间线路段长度均为L。不均匀分布负荷下相邻节点间线路段长度为anL,其中an(n=1,2,…,N)为长度系数,第m个节点接入了额定功率为Pess的储能装置。
请参阅图3和图4,图3为含单个储能系统的均匀负荷分布线路模型,图4为含单个储能系统的不均匀负荷分布线路模型。
请参阅图5,图5为接入储能系统的配电线路结构图。
低压配电网中负荷种类繁多,负荷不平衡,线损较大,电压损耗严重,配电网线路末端电压偏低等现象经常发生。所述配网等效模型在无分布式储能装置接入时,各节点的电压表示为:
储能系统接入点视为特定时刻PQ恒定的负荷节点。ESS在充电时刻与PQ型负荷相同,在放电时刻作用类似于电源,此时功率流向相反。所述配网等效模型在第m个节点接入分布式储能装置后,线路各节点的电压表示为:
其中,U0为馈线配变出线端母线节点电压幅值;U0=[U0,…,U0]T为配变出线端母线节点电压幅值U0构成的n阶列向量;Un=[U1,…,Ui,…,Un]T为各节点的节点电压幅值列向量;R为电阻矩阵;X为电抗矩阵;P=[P1,P2,…,Pn]T为支路末端有功功率列向量;Q=[Q1,Q2,…,Qn]T为支路末端无功功率列向量;Pm和Qm分别为等效节点m的有功负荷和无功负荷;Pessm和Qessm分别为接入m节点上的分布式储能装置的有功和无功出力,当储能装置充电时,Pessm、Qessm为正,当储能装置放电时,Pessm、Qessm为负;
负荷的突然投切可引起系统电压急剧偏离额定值,电压失稳。电压波动值是描述电压质量的重要指标,可反映线路功率变化对线路运行的影响。本文引入电压波动值dU来衡量储能系统与负荷变动的配合度,也反映储能系统的接入对系统运行的影响。所述配网等效模型在接入分布式储能装置后由于负荷的突然投切引起的电压波动值为:
其中,dU为电压波动值;△U表示电压变化过程中两极值电压之差;UN为系统额定电压。dU绝对值越大,表明储能系统对电压波动情况改善不佳,系统实际运行情况越差;dU绝对值越小,表明储能系统对电压波动情况改善良好,系统实际运行情况越好。
202:根据所述配网等效模型,以储能投资、运行成本和线损成本最小为目标,以含分布式储能系统的潮流方程、功率方程、节点电压为约束,建立分布式储能系统的选址定容优化模型;
步骤202包括:
建立与分布式储能系统的容量及位置相关的整体费用的费用目标函数:
min f=χG1+γG2+τG3
其中,G1,G2,G3分别是规划年限内储能投资成本、线路损耗成本和购电成本;χ,γ,τ为权重系数,满足χ+γ+τ=1;
建立选址定容约束条件方程组,并结合所述费用目标函数,根据所述配网等效模型建立分布式储能系统的优化运行策略模型。
从储能系统投资者的立场出发,兼顾电力用户的利益,目标函数定为与分布式储能系统的容量及位置相关的整体费用,包括ESS投资成本、线路损耗成本和用户购电费用成本。
储能投资成本G1。分布式储能系统的投资成本G1包括安装费用和运行维护费用。储能投资成本G1的表达式为:
其中,TIC和TOC分别为分布式储能系统安装费用及运行维护费用;k为接入配电网的分布式储能装置个数;Pess,k为第k个储能装置的充/放电功率容量,kW;Cess,k为第k个储能装置的单位安装成本,元/kW;rr为年利率;ne为规划年限;β=rr(1+rr)ne/(1+rr)ne-1为将规划年限内年费用转换为现值的因子;Cmc,k为第k个储能装置的固定维护成本,Cop,k为第k个储能装置单位运行成本,单位是元/kW;
应用储能系统的线路损耗成本G2的计算公式为:
其中,xm为0-1变量,取值为1时,节点m接入ESS;取值为0时,节点m不接入ESS;Cebuy为单位电价,元/kWh;Tjmax为第j条等效支路的年最大负荷损耗小时数,h;Rj为等效支路j的电阻,Ω;ΔPLj为支路j的支路损耗;Pj为流过支路j的有功功率,Uj支路j的额定电压;
传统情况下,供电企业为电力用户供电。当储能系统接入配电网中,放电时刻的储能装置相当于向系统供电的另一种电源,此时用户有另一种选择,即从储能装置处购电;充电时刻的储能装置相当于系统接入节点处额外多出一部分负荷,此时情况与常规用电无异。因此,将储能装置放电时向系统卖电的收益和系统接入储能装置后线路损耗降低的部分一起作为减少的购电费用加入成本函数中。购电成本G3的表达式为:
其中,Gbuy为线路不接入储能装置时电力用户通过传统途径的购电费用;Gsell为线路接入分布式储能系统后电力用户从储能装置处购电的费用,即储能系统作为电源时的卖电收益,其中储能装置放电时Gsell部分为卖电收益,储能装置充电时,Gsell部分为额外的购电费用,为方便处理,卖电单位电价Cesell与购电单位电价Cebuy取相等;Tmax为最大负荷年利用小时数,h;Pline为配变向线路输入总功率;deploss为储能系统接入配电线路前后线路损耗之差。
除了考虑系统运行的潮流约束和电压约束外,还要综合考虑待选节点安装约束、储能系统的功率约束及接入后系统功率平衡约束等。
选址定容约束条件方程组包括潮流约束方程、节点电压约束方程、待选节点安装约束方程、储能系统功率约束方程和接入后系统功率平衡约束方程;
所述潮流约束方程为:
Pm=Pm-1-Rm-1(Pm-1 2+Qm-1 2)/Um-1 2-PLm-Pess,k,m
Qm=Qm-1-Xm-1(Pm-1 2+Qm-1 2)/Um-1 2-QLm-Qess,k,m
其中,Pm,Qm分别表示注入节点m的有功与无功功率;Rm,Qm分别为节点m-1与节点m间的电阻与电抗;PLm,QLm分别为节点m的有功与无功负荷;Pess,k,m,Qess,k,m分别为第k个储能装置往节点m注入的有功与无功功率,当ESS充电时,功率为正;当ESS放电时,功率为负;
所述节点电压约束方程为:
Umin≤Um≤Umax
其中Umin、Umax分别为节点电压Um的下限和上限;
所述待选节点安装约束方程为:
其中,N表示系统待选安装节点的个数;xm为0-1决策变量;Nbess表示接入系统的分布式储能装置的个数;
所述储能系统功率约束方程为:
Pbess_min≤Pbess,k≤Pbess_max
其中Pbess_min、Pbess_max分别为储能系统功率的下限和上限;
所述接入后系统功率平衡约束方程为:
其中,Pline为系统输入总功率;N表示系统节点个数;Nbess表示接入系统的分布式储能装置个数。
203:通过层次分析法进行多目标权重系数的确定,通过基于分支定界法和外逼近算法的BONMIN求解器求解所述储能系统的选址定容模型,得到储能装置在系统中的最佳接入位置和最佳功率容量;
步骤203为进行多目标分布式储能系统的选址定容,即分布式储能的选址定容算法基于动态0-1混合整数非线性规划,包括:
选取决策变量,采用0-1决策变量来决定储能系统的位置,即:
其中,xm为二进制决策变量,决定着在节点m处接入或者不接入储能系统;
采用层次分析法,处理多目标权重。通过各目标之间成对比较,组建维数为n×n的比较矩阵,成对比较矩阵表达式为:
其中,H表示一个两两相关矩阵,Hi(i=1,2,…,n)表示比较的第i个指标,n表示指标个数;hii=1(i=1,2,…,n)表示指标Hi与其自身重要性的比较结果;hij=1/(hji)=(hik/hjk)表示指标Hi与Hj重要性的比较结果;
每个目标权重系数表达式为:
其中wi为第i个权重系数,其向量可表示为W=[w1,w2,…,wi,…,wn]T。两两相关矩阵H的一致性比率检验表达式为:
HW=λmax W
其中,FCR为一致性比率,如果FCR<0.1则表示由所述成对比较矩阵表达式计算出的每个指标的权重系数合理;FCI=(λmax-n)/(n-1)为一致性指标;FRI为随机指标,对于不同的目标数n,随机指标值为预设的值,如表1所示;λmax为矩阵H的最大特征值,由矩阵H的公式求得;
表1
利用GAMS仿真平台,基于分支定界法和外逼近算法的BONMIN求解器,优化迭代;
输出最优解,即迭代终止的决策量节点位置和容量大小,即得到储能装置在系统中的最佳接入位置和最佳功率容量。
204:根据所述最佳接入位置和所述最佳功率容量进行含储能系统的配电网潮流计算,求得含储能系统的节点电压Unn,全网功率损耗Plossnn;
205:判断接入储能系统后的各节点电压Unn是否大于接入储能系统前的各节点电压Un,且满足电压上下限约束条件,若否,则返回执行步骤203;
206:判断接入储能系统后的全网损耗Plossnn是否低于接入储能系统前的全网损耗Plossn,若否,则返回执行步骤203;
207:以负荷波动的标准差最小为目标,以储能系统的功率、容量、荷电状态等为约束条件,建立分布式储能系统运行策略规划模型;
步骤207包括:
建立日前负荷波动的标准差目标函数方程,为:
其中,
Pt=Pload,t+Pesss,t
其中,T表示一天时长,24h;t为一天中的采样时刻;Pt为第t时刻配电系统接入分布式储能系统后的有功负荷;Paverage为T时间长度内平均有功负荷;Pload,t为第t时刻系统未接入储能系统时的有功负荷;Pess,t为t时刻储能系统的输出功率,当储能装置充电时,功率为正;当储能装置放电时,功率为负;
考虑储能系统与日负荷的配合,进行日前储能系统的运行策略优化,平抑负荷波动,改善系统高峰负荷期电能紧张的局面,根据典型日负荷曲线,优化出24h的BESS最优充放电策略,目标函数f(a)为日前负荷波动的标准差,在数学上,标准差可反映随机变量偏离均值的程度。
建立储能系统约束方程组,包括功率和容量约束方程组、ESS荷电状态约束方程组;
以所述日前负荷波动的标准差目标函数方程的标准差最小为目标,以所述储能系统约束方程组为约束条件,建立分布式储能系统运行策略规划模型。
在进行分布式储能系统的运行策略优化时,不仅需要考虑额定功率和容量的约束,还需要储能系统的荷电状态。
功率和容量约束方程组为:
Pbess,tΔt=(SOC(t-1)-SOC(t))Em
-Pess≤Pess,t≤Pess
其中,SOC(t)为第t时刻ESS的荷电状态;Em表示储能系统的额定电量容量;Pess为配置的BESS额定功率容量;
所述ESS荷电状态约束方程组为:
SOCmin≤SOC(t)≤SOCmax
SOCmin≤SOC(1)≤SOCaverage≤SOCmax
SOC(1)=60%SOCmax
其中,SOCmin,SOCmax分别为ESS荷电状态的下限和上限;SOC(1)为ESS荷电状态的初值;SOCaverage为储能系统的平均荷电状态;
208:根据所述最佳接入位置和所述最佳功率容量进行储能系统的日前优化运行策略的规划计算,通过序列二次规划法的SNOPT求解器求解所述分布式储能系统运行策略规划模型,得到分布式储能系统最优运行策略;
所述布式储能系统最优运行策略包括所述最佳接入位置、所述最佳功率容量、储能系统的最优充电时间和储能系统的最优放电时间。
需要说明的是,ESS表示接入配电网的储能系统或储能装置,BESS表示分布式储能系统,与ESS实际上是一样的。
以上是对本发明实施例提供的一种低压配电网分布式储能系统的电能质量改善方法的另一个实施例进行详细的描述,以下将对本发明实施例提供的一种低压配电网分布式储能系统的电能质量改善方法的一个应用例做详细的描述。
请参阅图6,本发明实施例提供的一种低压配电网分布式储能系统的电能质量改善方法的一个应用例即本发明改善低压配电网电能质量的分布式储能系统的规划方法,包括:
第一步、对配网结构和稳态电压的分布做等效建模,含负荷均匀分布和非均匀分布两种情况,确定参考基础数据,包括负荷参数、线路参数、分布式储能系统造价、费用单价等;
第二步、根据上述基础工作,以储能投资、运行成本和线损成本最小为目标,以含分布式储能系统的潮流、功率方程、节点电压等为约束,建立分布式储能系统的选址定容优化模型,并选择合适是的配电网潮流计算方法,得到含有储能系统的潮流计算结果,基于各种优化指标,采用GAMS的BONMIN求解器确定分布式储能的最佳容量和最优位置。
第三步、以削峰填谷为目标,储能系统的功率、容量、荷电状态等为约束条件,建立分布式储能系统运行策略规划模型,采用GAMS的SNOPT仿真平台求得储能系统的最佳充放电策略,改善系统的供电质量,缓解高峰负荷期电能供应紧张的局面。
第四步、算法流程。对上述两个模型进行优化求解。
第五步、采用层次分析法,处理多目标权重。针对第四步求解过程中遇到的多目标优化问题,采用层次分析法进行多目标权重处理,转换为单目标函数进行优化求解。
第六步、对上述的规划方案计算规划区域的接入储能系统前后电压大小、电压波动及负荷波动情况评价结果。
其中,规划方案整体算法流程,包括:
步骤一、输入配电系统的支路l、节点N、阻抗Zm及节点负荷PLm等相关数据,进行配电网初始潮流计算,得到节点电压Un及功率损损耗Plossn,将求得的结果作为后续数据的比较标准。
步骤二、进行考虑线路损耗、投资成本及用户购电费用的多目标分布式储能系统的选址定容,通过层次分析法(AHP)进行多目标权重系数的确定,通过基于分支定界法和外逼近算法的BONMIN求解器求解储能系统的选址定容模型,得到储能装置在系统中的最佳接入位置及功率容量。
步骤三、经过步骤二的求解确定了储能系统的接入位置与功率容量,进行含储能系统的配电网潮流计算,求得含储能系统的节点电压Unn,全网功率损耗Plossnn。
步骤四、比较接入储能系统后的各节点电压Unn与接入储能系统前的各节点电压Un,接入储能系统后的全网损耗Plossnn与接入储能系统前的全网损耗Plossn,是否接入BESS后节点电压偏低电压有所改善,且满足电压上下限约束,是否接入BESS后线路损耗有所降低。
步骤五、若是,则求解结果即为理想的储能系统的接入位置及功率容量;若否,则返回步骤二,表示BESS选址定容模型有欠妥地方需完善。
步骤六、在分布式储能系统位置及容量均确定的前提下,进行储能系统的日前优化运行策略的规划,非线性规划(NLP)模型通过序列二次规划法的SNOPT求解器求解,得到BESS日前最优充放电策略。
本实施例将基于AHP、MINLP及NLP的分布式储能系统规划方法应用于IEEE-33节点系统和步骤一中建立的干线式低压配电系统中,分别进行了分布式储能的选址定容及其运行策略的验证,并对输出的规划方案计算给出评价结果。请参阅图7和图8,图7为接入分布式储能系统前后IEEE-33节点配电网系统各节点电压情况,图8为干线式低压配系统在分布式储能系统接入前后的日负荷曲线情况
从以上结果可以看出,采用本规划方法对分布式储能系统进行规划,不仅对低压配电网的电能质量进行了改善,还考虑了储能投资的经济性,降低了投资风险,提高了设备利用率。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种低压配电网分布式储能系统的电能质量改善方法,其特征在于,包括:
S1:对配网结构和稳态电压的分布建立配网等效模型,确定参考基础数据,包括负荷参数、线路参数、分布式储能系统造价、费用单价,所述配网等效模型包含负荷均匀分布和负荷非均匀分布两种情况;
S2:根据所述配网等效模型,以储能投资、运行成本和线损成本最小为目标,以含分布式储能系统的潮流方程、功率方程、节点电压为约束,建立分布式储能系统的选址定容优化模型;
S3:通过层次分析法进行多目标权重系数的确定,通过基于分支定界法和外逼近算法的BONMIN求解器求解所述储能系统的选址定容模型,得到储能装置在系统中的最佳接入位置和最佳功率容量;
S4:根据所述最佳接入位置和所述最佳功率容量进行含储能系统的配电网潮流计算,求得含储能系统的节点电压Unn,全网功率损耗Plossnn;
S5:判断接入储能系统后的各节点电压Unn是否大于接入储能系统前的各节点电压Un,且满足电压上下限约束条件,若否,则返回执行步骤S3;
S6:判断接入储能系统后的全网损耗Plossnn是否低于接入储能系统前的全网损耗Plossn,若否,则返回执行步骤S3;
S7:以负荷波动的标准差最小为目标,以储能系统的功率、容量、荷电状态等为约束条件,建立分布式储能系统运行策略规划模型;
S8:根据所述最佳接入位置和所述最佳功率容量进行储能系统的日前优化运行策略的规划计算,通过序列二次规划法的SNOPT求解器求解所述分布式储能系统运行策略规划模型,得到分布式储能系统最优运行策略;
所述布式储能系统最优运行策略包括所述最佳接入位置、所述最佳功率容量、储能系统的最优充电时间和储能系统的最优放电时间。
2.根据权利要求1所述的一种低压配电网分布式储能系统的电能质量改善方法,其特征在于,所述步骤S1包括:
根据配电网馈线分布、相邻等效节点间的线路阻抗Zm及等效节点的负荷PLm生成具有离散负荷线路的配网等效模型,设定均匀分布负荷下相邻等效节点间线路段长度为L,设定不均匀分布负荷下相邻节点间线路段长度为anL,其中an为长度系数,第m个节点接入了额定功率为Pess的储能装置;
3.根据权利要求2所述的一种低压配电网分布式储能系统的电能质量改善方法,其特征在于,所述配网等效模型在无分布式储能装置接入时,各节点的电压表示为:
所述配网等效模型在第m个节点接入分布式储能装置后,线路各节点的电压表示为:
其中,U0为馈线配变出线端母线节点电压幅值;U0=[U0,…,U0]T为配变出线端母线节点电压幅值U0构成的n阶列向量;Un=[U1,…,Ui,…,Un]T为各节点的节点电压幅值列向量;R为电阻矩阵;X为电抗矩阵;P=[P1,P2,…,Pn]T为支路末端有功功率列向量;Q=[Q1,Q2,…,Qn]T为支路末端无功功率列向量;Pm和Qm分别为等效节点m的有功负荷和无功负荷;Pessm和Qessm分别为接入m节点上的分布式储能装置的有功和无功出力,当储能装置充电时,Pessm、Qessm为正,当储能装置放电时,Pessm、Qessm为负;
所述配网等效模型在接入分布式储能装置后由于负荷的突然投切引起的电压波动值为:
其中,dU为电压波动值;△U表示电压变化过程中两极值电压之差;UN为系统额定电压。dU绝对值越大,表明储能系统对电压波动情况改善不佳,系统实际运行情况越差;dU绝对值越小,表明储能系统对电压波动情况改善良好,系统实际运行情况越好。
4.根据权利要求1所述的一种低压配电网分布式储能系统的电能质量改善方法,其特征在于,所述步骤S2包括:
建立与分布式储能系统的容量及位置相关的整体费用的费用目标函数:
minf=χG1+γG2+τG3
其中,G1,G2,G3分别是规划年限内储能投资成本、线路损耗成本和购电成本;χ,γ,τ为权重系数,满足χ+γ+τ=1;
建立选址定容约束条件方程组,并结合所述费用目标函数,根据所述配网等效模型建立分布式储能系统的优化运行策略模型。
5.根据权利要求4所述的一种低压配电网分布式储能系统的电能质量改善方法,其特征在于,所述储能投资成本G1的表达式为:
其中,TIC和TOC分别为分布式储能系统安装费用及运行维护费用;k为接入配电网的分布式储能装置个数;Pess,k为第k个储能装置的充/放电功率容量,kW;Cess,k为第k个储能装置的单位安装成本,元/kW;rr为年利率;ne为规划年限;β=rr(1+rr)ne/(1+rr)ne-1为将规划年限内年费用转换为现值的因子;Cmc,k为第k个储能装置的固定维护成本,Cop,k为第k个储能装置单位运行成本,单位是元/kW;
所述线路损耗成本G2的计算公式为:
其中,xm为0-1变量,取值为1时,节点m接入ESS;取值为0时,节点m不接入ESS;Cebuy为单位电价,元/kWh;Tjmax为第j条等效支路的年最大负荷损耗小时数,h;Rj为等效支路j的电阻,Ω;ΔPLj为支路j的支路损耗;Pj为流过支路j的有功功率,Uj支路j的额定电压;
所述购电成本G3的表达式为:
其中,Gbuy为线路不接入储能装置时电力用户通过传统途径的购电费用;Gsell为线路接入分布式储能系统后电力用户从储能装置处购电的费用,即储能系统作为电源时的卖电收益,其中储能装置放电时Gsell部分为卖电收益,储能装置充电时,Gsell部分为额外的购电费用,为方便处理,卖电单位电价Cesell与购电单位电价Cebuy取相等;Tmax为最大负荷年利用小时数,h;Pline为配变向线路输入总功率;deploss为储能系统接入配电线路前后线路损耗之差。
6.根据权利要求4所述的一种低压配电网分布式储能系统的电能质量改善方法,其特征在于,所述选址定容约束条件方程组包括潮流约束方程、节点电压约束方程、待选节点安装约束方程、储能系统功率约束方程和接入后系统功率平衡约束方程;
所述潮流约束方程为:
Pm=Pm-1-Rm-1(Pm-1 2+Qm-1 2)/Um-1 2-PLm-Pess,k,m
Qm=Qm-1-Xm-1(Pm-1 2+Qm-1 2)/Um-1 2-QLm-Qess,k,m
其中,Pm,Qm分别表示注入节点m的有功与无功功率;Rm,Qm分别为节点m-1与节点m间的电阻与电抗;PLm,QLm分别为节点m的有功与无功负荷;Pess,k,m,Qess,k,m分别为第k个储能装置往节点m注入的有功与无功功率,当ESS充电时,功率为正;当ESS放电时,功率为负;
所述节点电压约束方程为:
Umin≤Um≤Umax
其中Umin、Umax分别为节点电压Um的下限和上限;
所述待选节点安装约束方程为:
其中,N表示系统待选安装节点的个数;xm为0-1决策变量;Nbess表示接入系统的分布式储能装置的个数;
所述储能系统功率约束方程为:
Pbess_min≤Pbess,k≤Pbess_max
其中Pbess_min、Pbess_max分别为储能系统功率的下限和上限;
所述接入后系统功率平衡约束方程为:
其中,Pline为系统输入总功率;N表示系统节点个数;Nbess表示接入系统的分布式储能装置个数。
7.根据权利要求1所述的一种低压配电网分布式储能系统的电能质量改善方法,其特征在于,所述步骤S3包括:
选取决策变量,采用0-1决策变量来决定储能系统的位置,即:
其中,xm为二进制决策变量,决定着在节点m处接入或者不接入储能系统;
采用层次分析法,处理多目标权重。通过各目标之间成对比较,组建维数为n×n的比较矩阵,成对比较矩阵表达式为:
其中,H表示一个两两相关矩阵,Hi(i=1,2,…,n)表示比较的第i个指标,n表示指标个数;hii=1(i=1,2,…,n)表示指标Hi与其自身重要性的比较结果;hij=1/(hji)=(hik/hjk)表示指标Hi与Hj重要性的比较结果;
每个目标权重系数表达式为:
其中wi为第i个权重系数,其向量可表示为W=[w1,w2,…,wi,…,wn]T。两两相关矩阵H的一致性比率检验表达式为:
HW=λmaxW
其中,FCR为一致性比率,如果FCR<0.1则表示由所述成对比较矩阵表达式计算出的每个指标的权重系数合理;FCI=(λmax-n)/(n-1)为一致性指标;FRI为随机指标,对于不同的目标数n,随机指标值为预设的值;λmax为矩阵H的最大特征值,由矩阵H的公式求得;
利用GAMS仿真平台,基于分支定界法和外逼近算法的BONMIN求解器,优化迭代;
输出最优解,即迭代终止的决策量节点位置和容量大小,即得到储能装置在系统中的最佳接入位置和最佳功率容量。
8.根据权利要求1所述的一种低压配电网分布式储能系统的电能质量改善方法,其特征在于,所述步骤S7包括:
建立日前负荷波动的标准差目标函数方程,为:
其中,
Pt=Pload,t+Pesss,t
其中,T表示一天时长,24h;t为一天中的采样时刻;Pt为第t时刻配电系统接入分布式储能系统后的有功负荷;Paverage为T时间长度内平均有功负荷;Pload,t为第t时刻系统未接入储能系统时的有功负荷;Pess,t为t时刻储能系统的输出功率,当储能装置充电时,功率为正;当储能装置放电时,功率为负;
建立储能系统约束方程组,包括功率和容量约束方程组、ESS荷电状态约束方程组;
以所述日前负荷波动的标准差目标函数方程的标准差最小为目标,以所述储能系统约束方程组为约束条件,建立分布式储能系统运行策略规划模型。
9.根据权利要求8所述的一种低压配电网分布式储能系统的电能质量改善方法,其特征在于,
所述功率和容量约束方程组为:
Pbess,tΔt=(SOC(t-1)-SOC(t))Em
-Pess≤Pess,t≤Pess
其中,SOC(t)为第t时刻ESS的荷电状态;Em表示储能系统的额定电量容量;Pess为配置的BESS额定功率容量;
所述ESS荷电状态约束方程组为:
SOCmin≤SOC(t)≤SOCmax
SOCmin≤SOC(1)≤SOCaverage≤SOCmax
SOC(1)=60%SOCmax
其中,SOCmin,SOCmax分别为ESS荷电状态的下限和上限;SOC(1)为ESS荷电状态的初值;SOCaverage为储能系统的平均荷电状态。
10.一种低压配电网分布式储能系统的电能质量改善装置,其特征在于,包括:
配网等效模型建立模块,用于对配网结构和稳态电压的分布建立配网等效模型,确定参考基础数据,包括负荷参数、线路参数、分布式储能系统造价、费用单价,所述配网等效模型包含负荷均匀分布和非均匀分布两种情况下的所述配网等效模型;
选址定容优化模型建立模块,用于根据所述配网等效模型,以储能投资、运行成本和线损成本最小为目标,以含分布式储能系统的潮流、功率方程、节点电压为约束,建立分布式储能系统的选址定容优化模型;
最佳接入位置和最佳功率容量计算模块,用于通过层次分析法进行多目标权重系数的确定,通过基于分支定界法和外逼近算法的BONMIN求解器求解所述储能系统的选址定容模型,得到储能装置在系统中的最佳接入位置和最佳功率容量;
节点电压和拳王功率损耗计算模块,用于根据所述最佳接入位置和所述最佳功率容量进行含储能系统的配电网潮流计算,求得含储能系统的节点电压Unn,全网功率损耗Plossnn;
节点电压判断模块,用于判断接入储能系统后的各节点电压Unn是否大于接入储能系统前的各节点电压Un,且满足电压上下限约束条件,若否,则返回执行步骤S3;
全网损耗判断模块,用于判断接入储能系统后的全网损耗Plossnn是否低于接入储能系统前的全网损耗Plossn,若否,则返回执行步骤S3;
分布式储能系统运行策略规划模型建立模块,用于以负荷波动的标准差最小为目标,储能系统的功率、容量、荷电状态等为约束条件,建立分布式储能系统运行策略规划模型;
最优运行策略计算模块,用于根据所述最佳接入位置和所述最佳功率容量进行储能系统的日前优化运行策略的规划计算,通过序列二次规划法的SNOPT求解器求解所述分布式储能系统运行策略规划模型,得到分布式储能系统最优运行策略;
所述布式储能系统最优运行策略包括所述最佳接入位置、所述最佳功率容量、储能系统的最优充电时间和储能系统的最优放电时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710086675.6A CN106803157A (zh) | 2017-02-17 | 2017-02-17 | 一种低压配电网分布式储能系统的电能质量改善方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710086675.6A CN106803157A (zh) | 2017-02-17 | 2017-02-17 | 一种低压配电网分布式储能系统的电能质量改善方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106803157A true CN106803157A (zh) | 2017-06-06 |
Family
ID=58988749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710086675.6A Pending CN106803157A (zh) | 2017-02-17 | 2017-02-17 | 一种低压配电网分布式储能系统的电能质量改善方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106803157A (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107086668A (zh) * | 2017-06-13 | 2017-08-22 | 广东电网有限责任公司电力科学研究院 | 一种分布式储能网络化运营平台及电能优化调配方法 |
CN107358337A (zh) * | 2017-06-08 | 2017-11-17 | 上海电力学院 | 一种基于网络重构的有源配电网规划方法 |
CN107947231A (zh) * | 2017-12-01 | 2018-04-20 | 国网江苏省电力有限公司电力科学研究院 | 一种面向配电网优化运行的混合储能系统控制方法 |
CN108695859A (zh) * | 2018-06-04 | 2018-10-23 | 南京工程学院 | 一种接入主动配电网的电容器组选址定容方法 |
CN109034563A (zh) * | 2018-07-09 | 2018-12-18 | 国家电网公司 | 一种多主体博弈的增量配电网源网荷协同规划方法 |
CN109558984A (zh) * | 2018-12-05 | 2019-04-02 | 中南大学 | 一种主动配电网分布式储能系统双目标混合优化规划方法 |
CN109995030A (zh) * | 2019-04-28 | 2019-07-09 | 湖南大学 | 一种考虑脱网风险的储能装置soc下限值最优设置方法 |
CN110033116A (zh) * | 2019-01-28 | 2019-07-19 | 中国电力科学研究院有限公司 | 一种基于多维指标叠加的配电线路优化方法及系统 |
CN110034571A (zh) * | 2019-03-21 | 2019-07-19 | 国网浙江省电力有限公司经济技术研究院 | 一种考虑可再生能源出力的分布式储能选址定容方法 |
CN110059840A (zh) * | 2018-01-18 | 2019-07-26 | 中国电力科学研究院有限公司 | 一种受端电网中电池储能系统选址方法及系统 |
CN110135662A (zh) * | 2019-06-06 | 2019-08-16 | 杭州电子科技大学 | 一种考虑减小峰谷差的储能选址定容多目标优化方法 |
CN110991727A (zh) * | 2019-11-28 | 2020-04-10 | 海南电网有限责任公司 | 一种基于潮流网损模型和线路约束模型的电网规划方法 |
CN111882155A (zh) * | 2020-06-23 | 2020-11-03 | 国网河北省电力有限公司电力科学研究院 | 一种分布式储能系统的测试与评价方法 |
CN112069638A (zh) * | 2020-09-08 | 2020-12-11 | 广东电网有限责任公司电力科学研究院 | 一种低压配网储能设备接入点选址方法及相关装置 |
CN113363975A (zh) * | 2021-06-18 | 2021-09-07 | 国网四川省电力公司技能培训中心 | 一种考虑过程免疫时间的共享电压暂降补偿系统及方法 |
CN113746128A (zh) * | 2020-05-27 | 2021-12-03 | 国网辽宁省电力有限公司 | 考虑配电网线损最优的分布式光伏发电规划方法及装置 |
CN113794241A (zh) * | 2021-09-10 | 2021-12-14 | 广东电网有限责任公司 | 低压智能电网用户侧源储荷的优化调度方法及装置 |
CN116093995A (zh) * | 2023-03-07 | 2023-05-09 | 国网江西省电力有限公司经济技术研究院 | 一种配电系统多目标网络重构方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106169108A (zh) * | 2016-07-14 | 2016-11-30 | 河海大学 | 含电池储能系统的主动配电网短期有功优化方法 |
-
2017
- 2017-02-17 CN CN201710086675.6A patent/CN106803157A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106169108A (zh) * | 2016-07-14 | 2016-11-30 | 河海大学 | 含电池储能系统的主动配电网短期有功优化方法 |
Non-Patent Citations (5)
Title |
---|
ROGER SAMUEL ZULPO ET AL.: "Optimal Siting and Sizing of Distributed Generation", 《2014 16TH INTERNATIONAL CONFERENCE ON HARMONICS AND QUALITY OF POWER》 * |
刘志鹏等: "计及可入网电动汽车的分布式电源最优选址和定容", 《电力系统自动化》 * |
左伟杰等: "基于配电网电能质量健康评估策略的分布式光伏接入方法", 《电网技术》 * |
王一依: "考虑配电网潮流的多点充/换/储优化控制策略研究", 《中国优秀硕士学位论文全文数据库 工程科技辑II》 * |
阎鼎: "分布式电源优化配置及其对电能质量的影响"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107358337A (zh) * | 2017-06-08 | 2017-11-17 | 上海电力学院 | 一种基于网络重构的有源配电网规划方法 |
CN107086668A (zh) * | 2017-06-13 | 2017-08-22 | 广东电网有限责任公司电力科学研究院 | 一种分布式储能网络化运营平台及电能优化调配方法 |
CN107086668B (zh) * | 2017-06-13 | 2024-02-13 | 广东电网有限责任公司电力科学研究院 | 一种分布式储能网络化运营平台及电能优化调配方法 |
CN107947231A (zh) * | 2017-12-01 | 2018-04-20 | 国网江苏省电力有限公司电力科学研究院 | 一种面向配电网优化运行的混合储能系统控制方法 |
CN107947231B (zh) * | 2017-12-01 | 2020-04-21 | 国网江苏省电力有限公司电力科学研究院 | 一种面向配电网优化运行的混合储能系统控制方法 |
CN110059840A (zh) * | 2018-01-18 | 2019-07-26 | 中国电力科学研究院有限公司 | 一种受端电网中电池储能系统选址方法及系统 |
CN110059840B (zh) * | 2018-01-18 | 2024-04-19 | 中国电力科学研究院有限公司 | 一种受端电网中电池储能系统选址方法及系统 |
CN108695859A (zh) * | 2018-06-04 | 2018-10-23 | 南京工程学院 | 一种接入主动配电网的电容器组选址定容方法 |
CN109034563B (zh) * | 2018-07-09 | 2020-06-23 | 国家电网有限公司 | 一种多主体博弈的增量配电网源网荷协同规划方法 |
CN109034563A (zh) * | 2018-07-09 | 2018-12-18 | 国家电网公司 | 一种多主体博弈的增量配电网源网荷协同规划方法 |
CN109558984A (zh) * | 2018-12-05 | 2019-04-02 | 中南大学 | 一种主动配电网分布式储能系统双目标混合优化规划方法 |
CN110033116A (zh) * | 2019-01-28 | 2019-07-19 | 中国电力科学研究院有限公司 | 一种基于多维指标叠加的配电线路优化方法及系统 |
CN110034571A (zh) * | 2019-03-21 | 2019-07-19 | 国网浙江省电力有限公司经济技术研究院 | 一种考虑可再生能源出力的分布式储能选址定容方法 |
CN109995030A (zh) * | 2019-04-28 | 2019-07-09 | 湖南大学 | 一种考虑脱网风险的储能装置soc下限值最优设置方法 |
CN109995030B (zh) * | 2019-04-28 | 2020-06-30 | 湖南大学 | 一种考虑脱网风险的储能装置soc下限值最优设置方法 |
CN110135662B (zh) * | 2019-06-06 | 2021-04-20 | 杭州电子科技大学 | 一种考虑减小峰谷差的储能选址定容多目标优化方法 |
CN110135662A (zh) * | 2019-06-06 | 2019-08-16 | 杭州电子科技大学 | 一种考虑减小峰谷差的储能选址定容多目标优化方法 |
CN110991727A (zh) * | 2019-11-28 | 2020-04-10 | 海南电网有限责任公司 | 一种基于潮流网损模型和线路约束模型的电网规划方法 |
CN113746128A (zh) * | 2020-05-27 | 2021-12-03 | 国网辽宁省电力有限公司 | 考虑配电网线损最优的分布式光伏发电规划方法及装置 |
CN111882155A (zh) * | 2020-06-23 | 2020-11-03 | 国网河北省电力有限公司电力科学研究院 | 一种分布式储能系统的测试与评价方法 |
CN111882155B (zh) * | 2020-06-23 | 2022-06-24 | 国网河北省电力有限公司电力科学研究院 | 一种分布式储能系统的测试与评价方法 |
CN112069638A (zh) * | 2020-09-08 | 2020-12-11 | 广东电网有限责任公司电力科学研究院 | 一种低压配网储能设备接入点选址方法及相关装置 |
CN113363975A (zh) * | 2021-06-18 | 2021-09-07 | 国网四川省电力公司技能培训中心 | 一种考虑过程免疫时间的共享电压暂降补偿系统及方法 |
CN113363975B (zh) * | 2021-06-18 | 2022-09-13 | 国网四川省电力公司技能培训中心 | 一种考虑过程免疫时间的共享电压暂降补偿系统及方法 |
CN113794241A (zh) * | 2021-09-10 | 2021-12-14 | 广东电网有限责任公司 | 低压智能电网用户侧源储荷的优化调度方法及装置 |
CN113794241B (zh) * | 2021-09-10 | 2024-04-12 | 广东电网有限责任公司 | 低压智能电网用户侧源储荷的优化调度方法及装置 |
CN116093995A (zh) * | 2023-03-07 | 2023-05-09 | 国网江西省电力有限公司经济技术研究院 | 一种配电系统多目标网络重构方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106803157A (zh) | 一种低压配电网分布式储能系统的电能质量改善方法 | |
Du et al. | A cooperative game approach for coordinating multi-microgrid operation within distribution systems | |
Gebbran et al. | Fair coordination of distributed energy resources with Volt-Var control and PV curtailment | |
Chen et al. | Energy storage subsidy estimation for microgrid: A real option game-theoretic approach | |
Zhang et al. | Optimal bidding strategy and profit allocation method for shared energy storage-assisted VPP in joint energy and regulation markets | |
CN102999792B (zh) | 一种配电网资源优化配置综合评价的方法 | |
CN105976108A (zh) | 一种配电网分布式储能规划方法 | |
David et al. | Consumer rationality assumptions in the real-time pricing of electricity | |
Scarabaggio et al. | Noncooperative equilibrium-seeking in distributed energy systems under AC power flow nonlinear constraints | |
CN107316125A (zh) | 一种基于经济运行域的主动配电网经济运行评价方法 | |
CN106253335A (zh) | 一种分布式电源容量与接入位置不确定的配电网规划方法 | |
CN110492482B (zh) | 一种用于延缓配电设备升级改造的储能经济调度方法 | |
CN113690877B (zh) | 一种考虑能源消纳的有源配电网与集中能源站互动方法 | |
CN115640963A (zh) | 一种考虑投资运营模式的海上风电接入系统鲁棒规划方法 | |
CN114977320A (zh) | 一种配电网源网荷储多目标协同规划方法 | |
Rana et al. | Heuristic enhanced evolutionary algorithm for community microgrid scheduling | |
Li et al. | Co‐optimisation model for the long‐term design and decision making in community level cloud energy storage system | |
CN115062835A (zh) | 基于虚拟发电厂的主动配电网分布式资源优化调度方法 | |
Jia et al. | Dynamic pricing strategy and regional energy consumption optimization based on different stakeholders | |
Dai et al. | An equilibrium model of the electricity market considering the participation of virtual power plants | |
Ansari et al. | GenCo's mid‐term optimal operation analysis: interaction of wind farm, gas turbine, and energy storage systems in electricity and natural gas markets | |
Kovács | Bilevel programming approach to optimizing a time-variant electricity tariff for demand response | |
CN117394366A (zh) | 一种含多微网的主动配电网不确定性分层调度方法 | |
CN117477552A (zh) | 一种配电侧含分布式储能的微电网层级协同优化调控方法及系统 | |
CN111987717A (zh) | 车联网充放电管理方法及系统、电力系统及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20170606 |