CN106849143B - 基于概率分布和最优电池调度的储能系统容量配置方法 - Google Patents
基于概率分布和最优电池调度的储能系统容量配置方法 Download PDFInfo
- Publication number
- CN106849143B CN106849143B CN201710041759.8A CN201710041759A CN106849143B CN 106849143 B CN106849143 B CN 106849143B CN 201710041759 A CN201710041759 A CN 201710041759A CN 106849143 B CN106849143 B CN 106849143B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- storage system
- battery
- power
- load
- 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
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Abstract
本发明公开了一种基于概率分布统计和最优电池充放电调度的储能系统容量配置方法，属于电力系统技术领域。该方法通过历史数据生成电力负荷概率分布，模拟实际用电场景。该方法将储能系统的电池容量和最大逆变器功率作为决策变量加入到最优电池充放电调度中，通过线性规划的方法对问题进行求解。特别的，本方法采用了概率分布统计保留电力负荷历史特征，对现有研究中普遍将最优电池充放电调度和储能系统容量配置分开考虑的现状，提出了在电池充放电调度优化问题中综合考虑储能系统电池容量和最大逆变器功率，提高了储能系统容量配置方法的科学性和准确性。本发明方法对储能系统的研究推广具有重要科学意义和应用价值。
Description
技术领域
本发明涉及一种考虑用户历史用电特性、储能系统成本及储能系统最优充放电调度方法的储能系统容量确定方法，面向采用容量收费(需求收费)下的城市电网用户端的优化问题，属于电力系统领域。
背景技术
随着社会经济的发展和人民生活水平的不断提高，电力系统中负荷呈现出峰谷负荷差逐年增大，而最大负荷利用小时数却逐年下降的特点。负荷的不断增长导致负荷的峰谷差日益增大，进而导致电力系统的供需出现不平衡的现象。高峰电力短缺状况的频繁出现严重影响当地居民的正常生活质量和当地经济产业的发展，为了解决这种峰谷差，国家不得不斥巨资修建调峰电厂、抽水蓄能电站等进行调峰，成本较高且容易造成资源浪费。
随着国务院和发改委一系列文件的发布，我国电力体制改革进程持续深入，售电业务也不断向社会开放，电价政策将呈现灵活性、个性化、精细化的特点。广东省优先进行电力市场交易规则试点，针对工商业中的电力大用户推出由容量电价和电量电价组成的两部制电价，并引入惩罚机制处理负荷峰值超过限额的用户。这种惩罚机制的引入促使了用户对自身电能使用进行优化，以提高效益。
事实上，在以美国为代表的国外电力市场中，为了缓解高峰时段的电力短缺状况，普遍针对工商业用户采用名为“Demand Charge”的需求收费模式：用户的实际电费账单由两部分组成，一部分是按实际用电量来收费，单位是kWh，另一部分是按一段时间内的最大功率值收费，单位是kW。在收费周期内，如果用户峰值平均功率增加1kW，其产生的需求收费可与多用近百度电的电费相当。
事实上，北美电力市场的需求收费模式与广东电力市场两部制收费模式非常类似，例如一个用户的用电需求时间序列是(p1，p2，…，pn)，那么该用户在该收费周期内的电费可以表示成c1·∑pi+c2·max{pi}，其中c1为针对实际用电量的电费收费，c2为针对需求用电量的需求收费。根据电费单结构不同，一般来说，峰值产生的费用会占到电费的20％～30％，对于一些大型商业用户或者特定的工业用户，需求收费所占电费比例会增大，部分用户甚至达到50％。因此，通过一定的手段削减用户用电的峰值，能够直接带来费用上的收益。
为了解决上述问题，储能技术被引入到电力系统中。用户侧储能是一种重要的储能技术，区别于发电侧储能与输、配电级储能，单体项目要小得多，更接近普通电力用户。该种储能方式可以有效的实现需求侧管理，具有消除峰谷差，平滑负荷，促进新能源的利用，降低供电成本等功能，具有广泛的研究价值。
在储能系统削峰优化及最小化电力成本方面的研究过程中，储能系统容量往往是决定优化结果的一个关键因素，其中储能系统容量包括电池容量和最大逆变器充放电功率等两部分因素，而由于储能系统成本昂贵，实际最佳容量的往往取决于各种因素，例如储能系统成本、电网收费机制、可再生能源的随机性、负载曲线以及电网端的限制等等，如何结合储能系统成本选择合适大小的储能系统往往是该类优化问题的关键，即最大化净效益。
发明内容
本发明的目的在于针对现有技术的不足，提出一种考虑用户历史用电特性、储能系统成本及储能系统最优充放电调度方法的储能系统容量确定方法，通过K均值聚类的方法保留影响容量收费的典型工作日数据并计算概率分布模型提取用户用电特性，同时考虑储能系统成本将储能系系统电池容量和逆变器功率作为决策变量加入到电池充放电调度优化算法中，对电池充放电调度和储能系统最优配置进行共同优化，得到在电池最优充放电调度算法下的储能系统最优容量配置，最大化用户的净效益。
本方法的目的是通过以下技术方案来实现的：一种基于概率分布统计和最优电池充放电调度的储能系统容量配置方法，包括以下步骤：
(1)获取用户的历史用电负荷，采用K均值聚类的方法将负荷分为典型工作日、非工作日和部分加班的情况，保留典型工作日的负荷数据；
(2)根据用户历史典型工作日负荷，用每小时内的用户平均用电负荷情况表征该用户该小时内的用电情况。假定每小时电力负荷分布满足正态分布条件，典型工作日的每小时电力负荷历史数据用于产生其对应的正态分布概率模型，该概率模型表示每小时的电力负荷变量Pload的长期行为。
(3)计算储能系统电池日均成本，设储能系统电池容量Cref，其日均成本c1满足以下公式：
C1＝crate·TI+Cref·OM
TI＝ce·Cref+co
其中，C1表示储能系统电池年均成本，TI表示储能系统一次安装成本，OM表示储能系统年均维护成本，ce表示每安装1kWh电池所需的固定成本，co表示安装整套储能设备需要的附加成本，i表示储能系统返利率，l表示储能系统设计使用年限；
(4)计算储能系统逆变器日均成本，设储能系统逆变器最大充放电功率Pref，其日均成本c2满足以下公式：
C2＝prate·TIp+pref·OMp
TIp＝pe·pref+po
其中，C2表示储能系统逆变器年均成本，TIp表示逆变器一次安装成本，OMp表示逆变器年均维护成本，pe表示每安装功率1kW逆变器的固定成本，po表示安装整套逆变器设备需要的附加成本，a表示储能系统返利率，b表示储能系统设计使用年限；
(5)给出需要优化的目标函数，目标函数定义如下：
J＝min c1·Cref+c2·Pref+cmax·Pmax+cele·∑(Pe·Δt)
其中，c1为电池日均成本，c2为逆变器日均成本，cmax为针对最大峰值收取的需求费用，Pmax表示单位周期内用户电网端最大峰值电力负荷，cele为用户每用1kWh电所花费的电费，这里只计算由于储能系统充放电效率而产生的额外用电Pe带来的电费，Δt表示1小时时间长度；
(6)考虑储能系统充放电，需根据电池充放电功率限制和电池电荷状态限制等条件构建约束条件，其中电池充放电及电池电荷状态Ebat相关的约束条件表征如下：
-Pref≤Pdisch(t)≤0
0≤Pch(t)≤Pref
Pbat(t)＝Pch(t)+Pdisch(t)
Ebat(t)＝Ebat(t-Δt)+Pch(t)·ηch·Δt+Pdisch(t)·ηdisch·Δt
SoCmin·Cref≤Ebat(t)≤SoCmax·Cref
Pe＝Pgrid(t)-Pload(t)
其中ηdisch表示电池放电效率，Pdisch表示电池放电功率，ηch表示电池充电效率，Pch(t)表示电池充电功率，Pbat(t)表示电池整体功率，SoCmin表示从防止电池过充过放角度考虑的电池最小容量百分比，SoCmax表示电池最大容量百分比，SoCini为确保下一日优化正常进行的单日截止时刻电池百分比(即储能系统在完成一日优化操作后，需要保持一定的电池电量确保不影响下一日的优化操作)，在上述的约束条件中，将电池容量和逆变器大小作为决策变量加入到优化问题中去，Pgrid(t)为电网端负荷，Pload(t)为优化前用户的实际负荷，Pe表示由于储能系统的引入，用户在优化周期内额外花费的电费。
(7)考虑削峰优化用户的负荷需求，需满足下述约束条件：
Pgrid(t)＝Pload(t)+Pbat(t)
(8)根据构造的优化问题进行优化，根据步骤(2)中的概率分布模型进行连续采样，生成用户模拟用电场景，由于优化问题是凸优化问题，对该优化问题进行求解，得到储能系统最优充放电功率序列，并得到储能系统最优电池容量Cref和最大逆变器功率Pref。
进一步地，所述步骤1中所采用的K均值聚类方法对历史数据中的每日电力负荷总量及每小时负荷最大值作为聚类对象，以空间中K点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。
进一步地，所述步骤8中，采用线性规划求解方法中的单纯形法对问题进行求解。
与现有技术相比，本发明的优点在于：创新性地提出了采用K均值聚类结合概率分布统计方法，保留了用户在影响需求收费的典型工作日下的历史用电特征；在上述历史用电特性下，创新性地提出了将储能系统电池容量及最大逆变器功率作为决策变量的一部分，加入储能系统最优充放电调度优化的优化问题，求解得到综合储能系统成本和用户最优充放电调度下的最佳储能系统容量配置结果，从而提高系统整体的收益。
附图说明
图1是一种基于概率分布统计和最优电池充放电调度的储能系统容量配置方法流程图；
图2是历史电力负荷数据示意图；
图3是典型工作日电力负荷概率分布图(两线分别表示负荷分布上下界)；
图4是负荷优化仿真结果(Pload为优化前的负荷情况，Pgrid为优化后的负荷情况，Ebat为最优储能系统容量配置情况下电池剩余电量情况)。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。
如图1所示，本发明提供的一种基于概率分布统计和最优电池充放电调度的储能系统容量配置方法，包括以下步骤：
(1)获取用户的历史用电负荷，采用K均值聚类的方法将负荷分为典型工作日、非工作日和部分加班的情况，保留典型工作日的负荷数据；
(2)根据用户历史典型工作日负荷，用每小时内的用户平均用电负荷情况表征该用户该小时内的用电情况。假定每小时电力负荷分布满足正态分布条件，典型工作日的每小时电力负荷历史数据用于产生其对应的正态分布概率模型，该概率模型表示每小时的电力负荷变量Pload的长期行为。
(3)计算储能系统电池日均成本，设储能系统电池容量Cref，其日均成本c1满足以下公式：
C1＝crate·TI+Cref·OM
TI＝ce·Cref+co
其中，C1表示储能系统电池年均成本，TI表示储能系统一次安装成本，OM表示储能系统年均维护成本，ce表示每安装1kWh电池所需的固定成本，co表示安装整套储能设备需要的附加成本，i表示储能系统返利率，l表示储能系统设计使用年限；
(4)计算储能系统逆变器日均成本，设储能系统逆变器最大充放电功率Pref，其日均成本c2满足以下公式：
C2＝prate·TIp+pref·OMp
TIp＝pe·pref+po
其中，C2表示储能系统逆变器年均成本，TIp表示逆变器一次安装成本，OMp表示逆变器年均维护成本，pe表示每安装功率1kW逆变器的固定成本，po表示安装整套逆变器设备需要的附加成本，a表示储能系统返利率，b表示储能系统设计使用年限；
(5)给出需要优化的目标函数，目标函数定义如下：
J＝min c1·Cref+c2·Pref+cmax·Pmax+cele·∑(Pe·Δt)
其中，c1为电池日均成本，c2为逆变器日均成本，cmax为针对最大峰值收取的需求费用，表示单位周期内用户电网端最大峰值电力负荷，cele为用户每用1kWh电所花费的电费，这里只计算由于储能系统充放电效率而产生的额外用电Pe带来的电费，Δt表示1小时时间长度；
(6)考虑储能系统充放电，需根据电池充放电功率限制和电池电荷状态限制等条件构建约束条件，其中电池充放电及电池电荷状态Ebat相关的约束条件表征如下：
-Pref≤Pdisch(t)≤0
0≤Pch(t)≤Pref
Pbat(t)＝Pch(t)+Pdisch(t)
Ebat(t)＝Ebat(t-Δt)+Pch(t)·ηch·Δt+Pdisch(t)·ηdisch·Δt
SoCmin·Cref≤Ebat(t)≤SoCmax·Cref
Pe＝Pgrid(t)-Pload(t)
其中ηdisch表示电池放电效率，Pdisch表示电池放电功率，ηch表示电池充电效率，Pch(t)表示电池充电功率，Pbat(t)表示电池整体功率，SoCmin表示从防止电池过充过放角度考虑的电池最小容量百分比，SoCmax表示电池最大容量百分比，SoCini为确保下一日优化正常进行的单日截止时刻电池百分比(即储能系统在完成一日优化操作后，需要保持一定的电池电量确保不影响下一日的优化操作)，在上述的约束条件中，将电池容量和逆变器大小作为决策变量加入到优化问题中去，Pgrid(t)为电网端负荷，Pload(t)为优化前用户的实际负荷，Pe表示由于储能系统的引入，用户在优化周期内额外花费的电费。
(7)考虑削峰优化用户的负荷需求，需满足下述约束条件：
Pgrid(t)＝Pload(t)+Pbat(t)
(8)根据构造的优化问题进行优化，根据步骤(2)中的概率分布模型进行连续采样，生成用户模拟用电场景，由于优化问题是凸优化问题，对该优化问题进行求解，得到储能系统最优充放电功率序列，并得到储能系统最优电池容量Cref和最大逆变器功率Pref。
进一步地，所述步骤1中所采用的K均值聚类方法对历史数据中的每日电力负荷总量及每小时负荷最大值作为聚类对象，以空间中K点(K＝2)为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。
进一步地，所述步骤8中，采用线性规划求解方法中的单纯形法对问题进行求解。
图3是在K均值聚类后保留典型工作日数据并通过计算得到的用户电力负荷概率分布图，其中两线分别表示对应概率分布模型下用户电力负荷数据可能的上下界，相比图2中的用户历史数据，可以看出该方法很好地保留了用户影响需求收费的典型工作日数据负荷特性。该K均值聚类方法对历史数据中的每日电力负荷总量及每小时负荷最大值作为聚类对象，以空间中K点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果，其结果满足如下公式：
其中Ci表示聚类后的不同类别，ci表示对应的聚类中心，x表示样本数据，dist表示样本数据与聚类中心做差的结果。
图4是仿真优化结果，对比Pload和Pgrid负荷，可以看出储能系统在进行容量配置优化的过程中很好地根据实际电费收费制度进行了充放电调度，Ebat曲线表征电池电量情况，可以看出电池电量并没有超过储能系统容量确定后的可行域。在该负荷下，储能系统优化单日的仿真结果计算得到的最佳电池容量为104.32kWh，最佳逆变器功率为43.24kW。
以上所述仅为本发明创造的较佳实施例而已，并不用以限制本发明创造，凡在本发明创造的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明创造的保护范围之内。
Claims (3)
1.一种基于概率分布统计和最优电池充放电调度的储能系统容量配置方法，其特征在于，包括以下步骤：
(1)获取用户的历史用电负荷，采用K均值聚类的方法将负荷分为典型工作日、非工作日和部分加班的情况，保留典型工作日的负荷数据；
(2)根据用户历史典型工作日负荷，用每小时内的用户平均用电负荷情况表征该用户该小时内的用电情况；假定每小时电力负荷分布满足正态分布条件，典型工作日的每小时电力负荷历史数据用于产生其对应的正态分布概率模型，该概率模型表示每小时的电力负荷变量Pload的长期行为；
(3)计算储能系统电池日均成本，设储能系统电池容量Cref，其日均成本c1满足以下公式：
C1＝crate·TI+Cref·OM
TI＝ce·Cref+co
其中，C1表示储能系统电池年均成本，TI表示储能系统一次安装成本，OM表示储能系统年均维护成本，ce表示每安装1kWh电池所需的固定成本，co表示安装整套储能设备需要的附加成本，i表示储能系统返利率，l表示储能系统设计使用年限；
(4)计算储能系统逆变器日均成本，设储能系统逆变器最大充放电功率Pref，其日均成本c2满足以下公式：
C2＝prate·TIp+pref·OMp
TIp＝pe·pref+po
其中，C2表示储能系统逆变器年均成本，TIp表示逆变器一次安装成本，OMp表示逆变器年均维护成本，pe表示每安装功率1kW逆变器的固定成本，po表示安装整套逆变器设备需要的附加成本，i表示储能系统返利率，l表示储能系统设计使用年限；
(5)给出需要优化的目标函数，目标函数定义如下：
J＝min c1·Cref+c2·Pref+cmax·Pmax+cele·∑(Pe·Δt)
其中，c1为电池日均成本，c2为逆变器日均成本，cmax为针对最大峰值收取的需求费用，Pmax表示单位周期内用户电网端最大峰值电力负荷，cele为用户每用1kWh电所花费的电费，这里只计算由于储能系统充放电效率而产生的额外用电Pe带来的电费，Δt表示1小时时间长度；
(6)考虑储能系统充放电，需根据电池充放电功率限制和电池电荷状态限制构建约束条件，其中电池充放电及电池电荷状态Ebat相关的约束条件表征如下：
-Pref≤Pdisch(t)≤0
0≤Pch(t)≤Pref
Pbat(t)＝Pch(t)+Pdisch(t)
Ebat(t)＝Ebat(t-Δt)+Pch(t)·ηch·Δt+Pdisch(t)·ηdisch·Δt
SoCmin·Cref≤Ebat(t)≤SoCmax·Cref
Pe＝Pgrid(t)-Pload(t)
其中ηdisch表示电池放电效率，Pdisch表示电池放电功率，ηch表示电池充电效率，Pch(t)表示电池充电功率，Pbat(t)表示电池整体功率，SoCmin表示从防止电池过充过放角度考虑的电池最小容量百分比，SoCmax表示电池最大容量百分比，SoCini为确保下一日优化正常进行的单日截止时刻电池百分比，即储能系统在完成一日优化操作后，需要保持一定的电池电量确保不影响下一日的优化操作，在上述的约束条件中，将电池容量和逆变器大小作为决策变量加入到优化问题中去，Pgrid(t)为电网端负荷，Pload(t)为优化前用户的实际负荷，Pe表示由于储能系统的引入，用户在优化周期内额外花费的电费；
(7)考虑削峰优化用户的负荷需求，需满足下述约束条件：
Pgrid(t)＝Pload(t)+Pbat(t)
(8)根据构造的优化问题进行优化，根据步骤(2)中的概率分布模型进行连续采样，生成用户模拟用电场景，由于优化问题是凸优化问题，对该优化问题进行求解，得到储能系统最优充放电功率序列，并得到储能系统最优电池容量Cref和最大逆变器功率Pref。
2.根据权利要求1所述的方法，其特征在于，所述步骤(1)中所采用的K均值聚类方法对历史数据中的每日电力负荷总量及每小时负荷最大值作为聚类对象，以空间中K点为中心进行聚类，对最靠近他们的对象归类；通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。
3.根据权利要求1所述的方法，其特征在于，所述步骤(8)中，采用线性规划求解方法中的单纯形法对问题进行求解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710041759.8A CN106849143B (zh) | 2017-01-20 | 2017-01-20 | 基于概率分布和最优电池调度的储能系统容量配置方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710041759.8A CN106849143B (zh) | 2017-01-20 | 2017-01-20 | 基于概率分布和最优电池调度的储能系统容量配置方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106849143A CN106849143A (zh) | 2017-06-13 |
| CN106849143B true CN106849143B (zh) | 2019-12-24 |
Family
ID=59119794
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710041759.8A Active CN106849143B (zh) | 2017-01-20 | 2017-01-20 | 基于概率分布和最优电池调度的储能系统容量配置方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106849143B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107370170B (zh) * | 2017-06-23 | 2020-02-07 | 浙江大学 | 一种考虑容量电价和负荷预测误差的储能系统容量配置方法 |
| CN111697601B (zh) * | 2020-05-15 | 2021-10-01 | 西安联创分布式可再生能源研究院有限公司 | 适用于大工业用户电化学储能系统的配置与策略制定方法 |
| CN111697602B (zh) * | 2020-05-15 | 2021-10-01 | 西安联创分布式可再生能源研究院有限公司 | 基于需量调节的电化学储能系统的配置与策略制定方法 |
| CN113572182A (zh) * | 2021-07-06 | 2021-10-29 | 水发能源集团有限公司 | 一种光伏建筑储能系统蓄电池组容量的测算方法 |
| CN113595122B (zh) * | 2021-08-31 | 2022-07-22 | 华北电力大学 | 一种分布式储能系统的聚合响应能力确定方法及系统 |
| CN116865246B (zh) * | 2023-06-27 | 2023-12-26 | 广东电网有限责任公司广州供电局 | 一种基于快速响应的工业用户负荷可行域预测方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103532157A (zh) * | 2013-08-27 | 2014-01-22 | 浙江工业大学 | 一种针对融入储能设备的电网系统电能调度方法 |
| CN103580291A (zh) * | 2013-11-27 | 2014-02-12 | 上海空间电源研究所 | 兼顾能量型功率型的电池储能系统及其控制方法 |
| CN105260824A (zh) * | 2015-09-24 | 2016-01-20 | 华中科技大学 | 一种基于统一电力市场含蓄电池的虚拟电厂优化调度方法 |
-
2017
- 2017-01-20 CN CN201710041759.8A patent/CN106849143B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103532157A (zh) * | 2013-08-27 | 2014-01-22 | 浙江工业大学 | 一种针对融入储能设备的电网系统电能调度方法 |
| CN103580291A (zh) * | 2013-11-27 | 2014-02-12 | 上海空间电源研究所 | 兼顾能量型功率型的电池储能系统及其控制方法 |
| CN105260824A (zh) * | 2015-09-24 | 2016-01-20 | 华中科技大学 | 一种基于统一电力市场含蓄电池的虚拟电厂优化调度方法 |
Non-Patent Citations (2)
| Title |
|---|
| 独立光伏微网容量优化配置;李龙坤等;《山东电力技术》;20160430;第1-9页 * |
| 考虑光伏发电的配电网负荷概率分析与储能优化;夏成军等;《华南理工大学学报(自然科学版)》;20161130;第133-139页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106849143A (zh) | 2017-06-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106849143B (zh) | 基于概率分布和最优电池调度的储能系统容量配置方法 | |
| CN107370170B (zh) | 一种考虑容量电价和负荷预测误差的储能系统容量配置方法 | |
| Zhu et al. | The case for efficient renewable energy management in smart homes | |
| Cheng et al. | Configuration and operation combined optimization for EV battery swapping station considering PV consumption bundling | |
| CN110556850B (zh) | 电动汽车退役电池用于换电站储能的容量配置方法 | |
| WO2022193794A1 (zh) | 考虑退役电池的智能社区微网超多目标能量管理方法 | |
| Ivanova et al. | Coordinated charging of electric vehicles connected to a net-metered PV parking lot | |
| CN110912166B (zh) | 一种多用户共享储能模式的储能容量配置方法 | |
| CN110676863A (zh) | 储能优化配置方法及系统 | |
| CN112101632B (zh) | 基于分布式估计算法楼宇负荷优化调度方法 | |
| WO2024000930A1 (zh) | 一种电力用户增值服务决策方法 | |
| CN113313295A (zh) | 一种多站融合模式下综合站优化运行方法 | |
| Yi et al. | Power demand side response potential and operating model based on EV mobile energy storage | |
| CN116362584A (zh) | 一种基于用户侧储能容量配置的经济性分析方法 | |
| Zhang et al. | Capacity optimization configuration for second use of electric vehicle batteries in battery swapping stations | |
| CN116388293A (zh) | 一种新能源配建储能电站的联合优化调度方法及系统 | |
| CN116796540A (zh) | 考虑弃光率和预测精度的大型光伏电站储能容量配置方法 | |
| CN116108981A (zh) | 考虑分时电价的虚拟电厂电化学储能电站的容量优化配置方法 | |
| CN115330062A (zh) | 一种社区场景下的新能源汽车有序充电服务调度优化方法 | |
| Yao et al. | Optimal Allocation and Economic Analysis of Energy Storage Capacity of New Energy Power Stations Considering the Full Life Cycle of Energy Storage | |
| CN109980697B (zh) | 考虑配额制的可再生能源分配消纳方法 | |
| CN114723278A (zh) | 一种考虑光伏储能的社区微电网调度方法及系统 | |
| CN110048419A (zh) | 一种工商业租赁云储能服务的用电降费可行方法 | |
| Li et al. | Optimal Capacity Allocation of Photovoltaic Energy Storage Charging Station Considering CVaR Assessment for Low Revenue Risk | |
| Sha et al. | Peaking compensation mechanism for supply and demand sides union promoting wind power integration |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |