CN107437135A - 一种新型储能选型方法 - Google Patents

一种新型储能选型方法 Download PDF

Info

Publication number
CN107437135A
CN107437135A CN201610363743.4A CN201610363743A CN107437135A CN 107437135 A CN107437135 A CN 107437135A CN 201610363743 A CN201610363743 A CN 201610363743A CN 107437135 A CN107437135 A CN 107437135A
Authority
CN
China
Prior art keywords
mrow
msub
energy storage
cost
mtd
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.)
Granted
Application number
CN201610363743.4A
Other languages
English (en)
Other versions
CN107437135B (zh
Inventor
马会萌
李建林
李蓓
惠东
田春光
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Jilin Electric Power Corp
Original Assignee
State Grid Corp of China SGCC
China Electric Power Research Institute Co Ltd CEPRI
State Grid Jilin Electric Power Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, China Electric Power Research Institute Co Ltd CEPRI, State Grid Jilin Electric Power Corp filed Critical State Grid Corp of China SGCC
Priority to CN201610363743.4A priority Critical patent/CN107437135B/zh
Publication of CN107437135A publication Critical patent/CN107437135A/zh
Application granted granted Critical
Publication of CN107437135B publication Critical patent/CN107437135B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Secondary Cells (AREA)

Abstract

本发明提供一种新型的储能选型方法，包括：工况特征分析并构建储能选型决策指标体系；汇集基础数据、开展数据预处理环节并提出决策指标的期望值；构造决策指标的判断矩阵并求解判断矩阵；权重计算过程；计算各待选方案的综合价值矩阵；数据预处理环节包括“经济性与技术性去耦合过程”和“工况特征引入过程”；在权重确定阶段，选用主客观组合赋权法；结合专家经验，确定一层决策指标的权重；采用熵值法确定二层决策权重。采用区间层次分析法(IAHP)提高了选型方案的工程适用性和可操作性。

Description

一种新型储能选型方法
技术领域
本发明涉及电池储能系统在间歇式新能源发电领域中应用的选型方法，具体涉及一种计及电池自身运行工况特征的储能选型方法。
背景技术
电池储能技术作为促进间歇式可再生能源消纳的有效技术手段之一，近年来发展较快。储能选型作为储能规划的重要环节，由于在不同工况条件下提出的技术需求不同，因此需要综合考虑地理环境、储能应用远景目标、工况条件、经济性等，决策指标涉及应用场景/储能本体技术双侧，具有多元化、不可公度性且原始信息掺杂大量主观因素。作为一种商品，目前发展成熟度较高的几种电池储能技术呈现出各有短板格局，且经济成本居高不下，急需一种“高安全、低成本、长寿命”的电池储能，进入商业推广阶段，因此储能选型成为储能规划阶段的关键决策任务之一，开展系统性储能选型研究，对于提高间歇式电源的规模消纳能力具有重要现实意义。
现有的储能选型方法关注点主要集中在储容优化配置及控制策略，涉及储能选型方面的研究大多是基于其可用性和考虑价格因素，进行简单对比得出，选型过程掺杂大量主观因素和不确定性。桑迪亚国家实验室开发储能选型软件ES-Select在选型过程中结合考虑了电力系统内的多种工况需求及各储能技术特点，可用于在诸多不确定因素下的储能系统粗选，在打分环节通过对应用工况分类简化选型过程，提高了选型过程受主观因素的影响程度，对比过程考虑了不同电池放电深度(DOD)下的循环次数和应用成本，考虑了特定应用工况提出的技术需求，但是忽略了部分弱影响因素，选型范围设定较窄，且选型方法仍停留在同属性间的横向对比阶段，不能用于处理在多种互有优势的储能类型间的决策，未提出一套适用广泛的系统性储能选型方案；另外，虽然在以提高电能质量为场景时，分别以层次分析法和模糊理论开展简单对比选型，以及在以光伏发电为应用背景，采用层次分析法，研究采用科学方法规范了储能对比过程，实现了不同属性间的量化综合对比，但选型过程仅从储能技术单方面出发，未结合工况侧提出针对性需求，影响因素考虑较少，且选型基础数据选用厂家提供标准数据，而储能实际应用工况与厂家测试标准工况差异较大，造成衡量偏差，尚未形成科学规范的系统性选型方法。
目前国内关于储能选型的研究仍停留在考虑储能应用目标的技术可用性基础上，再根据厂家提供的标准技术、经济数据进行简单对比的层面；总体来看，选型过程涉及大量模糊因素，决策过程过于依赖专家判断，欠缺客观评价机制，尚未就储能选型开展深入的系统性研究，而作为储能规划的关键环节，储能选型存在多重技术问题亟需突破。
本发明通过采用区间层次分析法，并针对储能系统对工况需求的经济性响应与技术性指标存在耦合性，且与工况过程相关，属于“动态过程”，首先开展数据预处理，包括“经济性与技术性去耦合过程”和“工况特征引入过程”，通过采用实际工况寿命损耗折算方法，修正由采用实验室标准工况与实际应用工况不同引入经济性评估偏差，在属性权重的确定过程结合不同工况特征的差异性，采用主客观组合赋权方法，保证了评估过程的科学、客观、系统性。研究预计将为储能技术在新能源并网领域的规划应用提供理论支撑。
发明内容
本发明提供一种新型的储能选型方法，所述选型方法采用区间层次分析法，包括如下步骤：
步骤1：工况特征分析；
步骤2：构建储能选型决策指标体系；
步骤3：汇集基础数据并进行数据预处理；
步骤4:计算决策指标的期望值；
步骤5：构造决策指标的判断矩阵；
步骤6：求解判断矩阵；
步骤7：权重计算；
步骤8：计算待选方案的综合价值矩阵。
所述步骤3数据预处理包括：经济性与技术性去耦合和工况特征引入。
所述经济性与技术性去耦合过程包括：在衡量储能经济性时，将影响经济性的技术性指标纳入经济性范畴考虑，建立考虑技术性指标的全寿命周期储能经济成本模型；在全寿命周期尺度内，储能系统的经济性，包括初始购置成本、运维成本和置换成本。
所述初始购置成本包括：初始购置功率成本和初始购置容量成本；所述初始购置功率成本为购置变流器成本，初始购置容量成本为初次购置储能设备成本；所述置换成本包括重新购置储能设备的成本；所述运维成本通过储能系统的累积吞吐电量和运维单价核算；投资成本CBESS如下式所示：
CBESS＝C1+C2+C3+C4 (1)
式中，C1为初始购置功率成本，C2为初始购置容量成本，C3为运维成本，C4为置换成本，CBESS为储能系统全寿命周期内的投资成本，Prate为储能系统用PCS的额定功率，CP为变流器的功率成本单价，Erate为储能设备的额定容量，Pnet为工况的净功率需求，Enet为工况的净容量需求，CE为储能设备的容量成本单价，n为储能规划运行年限，EM为储能系统每年的累积吞吐电量，CM为运维成本单价，Nchange为储能设备的置换次数，SOCrange为储能系统的荷电状态可用范围。
所述的工况特征的引入包括如下步骤：
步骤(3-1)：电池储能系统受温度、充放电电流倍率、放电深度造成的寿命损耗寿命损耗 和分别如下式(3)、(4)和(5)所示：
其中，T为电池温度，t为持续时间，Rc为充放电电流倍率，DOD为放电深度，n为充放电次数；
步骤(3-2)：根据典型工况下的单位连续时长tsample的数据样本，确定温度、充放电电流倍率和放电深度的概率密度分布；
步骤(3-3)：根据步骤(3-1)中的式(3)和步骤(3-2)确定的概率密度分布，计算储能系统在典型工况下运行单位时长产生的寿命损耗。
所述步骤(3-3)包括：
步骤(3-3-1)：将充放电电流倍率Rc的概率密度分布实际可能出现的倍率范围划分为n个等间距倍率区间；各倍率区间出现的概率为Pi，其中i＝1,2,...,n，第i个倍率区间的倍率值
步骤(3-3-2)：在单位数据样本时间范围内，各倍率区间持续时长根据公式(4)计算各倍率范围内储能系统产生的累积寿命损耗
在该单位时长数据样本范围内，由充放电电流倍率因素造成的寿命损耗：
步骤(3-3-3)：将温度T的概率密度分布实际可能出现的温度范围[T-,T+]划分为n个等间距温度区间，各温度区间出现的概率为Pi，其中i＝1,2,...,n，第i个温度区间的温度值为
步骤(3-3-4)：在单位数据样本时间范围内，各温度区间持续时长根据公式(3)计算各温度范围内储能系统产生的累积寿命损耗
在该单位时长数据样本范围内，由温度因素造成的寿命损耗：
步骤(3-3-5)：将放电深度DOD的概率密度分布实际可能出现的放电深度范围[DOD-,DOD+]划分为n个等间距放电深度区间，各放电深度区间出现的概率为Pi，其中i＝1,2,...,n，第i个放电深度区间的放电深度值为
步骤(3-3-6)：在单位数据样本时间范围内，各倍率区间持续时长根据公式(5)得到各放电深度范围内储能系统产生的累积寿命损耗
在该单位时长数据样本范围内，由放电深度因素造成的寿命损耗：
步骤(3-3-7)：在单位时间内，由温度、充放电电流倍率、放电深度共同作用引起的寿命损耗如下式(9)所示：
步骤(3-3-8)：按下式(10)计算电池储能系统在典型工况下的置换次数Nchange：
其中，Nplant为间歇式电源的规划运行年限；Nlife为电池储能系统的循环寿命；tsample为典型工况下的单位连续时长；
步骤(3-3-9)：根据公式(2)和公式(10)得：
以变流器的功率成本单价CP衡量电池储能系统的初始购置功率成本C1；以(1+Nchange)·CE/SOCrange衡量电池储能系统的初始购置容量成本C2和置换成本C4，其中CE为储能设备的容量成本单价，SOCrange为储能系统的荷电状态可用范围；以运维成本单价CM衡量电池储能系统的运维成本C3。
所述步骤5根据区间层次分析法的九级标度法，量化定性指标和规范定量指标，构造各决策指标的判断矩阵。
所述步骤6根据区间特征根法IEM求解决策指标的判断矩阵，求各决策矩阵的特征向量B＝[bn1,bn2,...,bnm]，其中bnj为n个待选方案关于第j项决策指标uj的判断矩阵的特征向量。
所述步骤7包括如下步骤：
步骤(7-1)：构造准则层一层权重判断矩阵；
步骤(7-2)：确定准则层二层决策权重。
所述步骤(7-1)根据区间层次分析法的九级标度法构造准则层一层权重判断矩阵。
所述步骤(7-2)采用熵值法确定准则层二层决策权重，步骤如下：
步骤(7-2-1)：根据应用现场定义决策指标的需求期望值的相离度；
储能方案i的指标uj的实际情况与应用现场对该指标的期望值间的相离度 为待选储能方案i的指标uj的数据区间；当时，判定储能方案i的指标uj可以完全响应工况对该指标的需求；
步骤(7-2-2)：决策矩阵A＝(aij)m×n转化为相离度矩阵D＝(dij)m×n；
步骤(7-2-3)：相离度矩阵D＝(dij)m×n规范化：根据将相离度矩阵D＝(dij)m×n规范化为矩阵P＝(pij)n×m，得到
步骤(7-2-4)：确定指标uj下的熵值其中，k>0为常数,ln为自然对数，Sj≥0,j＝1,2,...,m，对于指标uj，如果pij全部相等，即pij＝1/n,i＝1,2,...,n，那么Sj取极大值，即Sj＝klnn，这里取k＝1/lnn，则0≤Sj≤1；
步骤(7-2-5)：根据下式(12)计算指标uj下的各方案属性值的偏差程度系数dj：
dj＝1-Sj,j＝1,2,...,m (12)；
步骤(7-2-6)：根据下式(13)计算各指标的权重wj：
所述步骤8计算各待选方案的综合价值矩阵Sn,选取Sn值最大的储能方案即为待选方案中工况适应性最高的储能方案
其中，bnj为n个待选方案关于第j项决策指标uj的判断矩阵的特征向量。
与最接近的现有技术比，本发明的技术方案具有以下优异效果为：
1.本发明改变了电池储能系统在间歇式新能源发电领域中无系统性储能选型方法的现状；
2.本发明涉及工况条件对储能技术需求的期望值；
3.本发明考虑了储能选型技术性指标与经济指标间的耦合关系；
4.本发明针对储能系统全寿命周期内的经济性成本评估属于“动态过程”的特点，将工况特征参量的影响引入到储能选型的过程中。
附图说明
附图1：本发明一种新型储能选型方法的流程图；
附图2：储能选型的决策指标体系；
附图3：充放电电流倍率的概率密度分布及其区间划分示意图。
具体实施方式
下面结合附图对本发明做进一步详细的说明。
图1为本发明一种新型的储能选型方法流程图，本发明所提储能选型方法是基于区间层次分析法(IAHP)构建的储能选型方案，选型流程共包含工况特征分析、构建储能选型的决策指标体系、汇集决策指标基础数据库、数据预处理、提出工况条件对决策指标需求的期望数据集、基于IAHP九级标度法，构造决策指标判断矩阵、基于区间特征根法(IEM)法，求解判断矩阵，得到各决策指标的特征向量、采用主客观组合赋权法确定权重矩阵和计算各待选方案的工况适用性等9步，其中数据预处理环节包含经济性与技术性去耦合过程和工况特征引入过程，采用主客观组合赋权法确定权重矩阵环节包含基于专家经验确定准则层一层的权重矩阵、基于熵值法计算准则层二层的权重矩阵和计算决策指标的综合权重矩阵三步。
本发明方法步骤如下：
步骤一：工况特征分析并构造选型决策指标体系；
储能选型作为储能规划的重要环节,追求技术上的工况适用性和投资成本的经济性,结合储能系统的应用领域、应用目标、应用模式和投资成本等情况，开展储能在该应用工况的特征分析，并结合储能设备寿命损耗敏感因素，得出描述工况特征的主要参量包括电池温度、充放电电流倍率和放电深度等；从技术水平、经济成本、环境方面和技术成熟度等四个方面出发，汇总储能选型决策指标，形成决策指标体系。
步骤二：汇集基础数据、开展数据预处理环节并提出决策指标的期望值；
(1)汇集待选储能方案在各决策指标下的基础数据，形成储能选型基础数据库，并收集与规划区域具有较高相似度的该种典型工况下特征参量的基础数据；
(2)数据预处理
1)“经济性与技术性去耦合过程”；
储能系统应用过程的经济性与某些技术性指标间存在耦合关系，不能直接把各决策指标作为独立指标开展决策，需要首先开展去耦合过程。
在储能规划阶段，储能系统的应用场景和应用目标已确定，选用某种储能类型后，在应用过程中，储能设备对工况的技术性需求响应情况基本不变，可以理解为“静态过程”；而经济性，在全寿命周期尺度内，投资成本包括初始购置成本、运维成本和置换成本。其中初始购置成本与储能系统的净功率需求、净容量需求、功率成本单价、容量成本单价、放电深度、倍功率能力等均有关系(在此定义工况的净功率需求Pnet和净容量需求Enet，即在倍功率能力为1，放电深度为满充满放情况下的功率需求和容量需求)；在储能使用过程中，寿命损耗一定比例后，不能满足工况需要，需要重新购置储能系统，产生置换成本，而储能系统的寿命损耗受储能应用过程中诸多工况因素影响，因此储能系统的经济性指标除与购置单价、运维单价等经济性因素有关，还与某些技术性指标存在耦合关系，并且与工况过程有关，属于“动态过程”。在衡量储能经济性时，将影响经济性的技术性指标纳入经济性范畴考虑，建立考虑技术性指标的全寿命周期储能经济成本模型，如式1所示。初始购置成本包含初始购置功率成本和初始购置容量成本，初始购置功率成本为购置变流器(PCS)成本，初始购置容量成本为初次购置储能设备成本，以光伏电站/风电场规划运行25年为例，PCS设备不需更换，所以置换成本仅考虑重新购置储能设备的成本，运维成本通过储能系统的累积吞吐电量和运维单价核算。
CBESS＝C1+C2+C3+C4 (1)
式中，C1为初始购置功率成本，C2为初始购置容量成本，C3为运维成本，C4为置换成本，CBESS为储能系统全寿命周期内的投资成本，Prate为储能系统用PCS的额定功率，CP为PCS的功率成本单价，Erate为储能设备的额定容量，CE为储能设备的容量成本单价，n为储能规划运行年限，EM为储能系统每年的累积吞吐电量，CM为运维成本单价，Nchange为储能设备的置换次数，SOCrange为储能系统的储能电池荷电状态(SOC)可用范围。
2)“工况特征引入过程”；
储能系统应用过程的经济性与工况特征相关，属于动态过程，为了提高选型方案的工程适用性，需要将工况特征引入经济性评估过程。
工况特征的引入过程步骤如下：
①电池储能系统寿命损耗主要影响因素包括温度、充放电电流倍率、放电深度(depth of discharge,DOD)、充放电次数、工况作用时间等，以式(3)描述电池储能系统寿命损耗与其主要影响因素间的函数关系：
其中，为电池储能系统的寿命损耗，l＝1,2,3，分别代表受温度、充放电电流倍率、放电深度造成的寿命损耗，T为电池温度，t为持续时间，Rc为充放电电流倍率，DOD为放电深度，n为充放电次数。
②基于典型工况下的单位连续时长tsample小时的数据样本，提取温度、充放电电流倍率、放电深度的概率密度分布情况；
③基于步骤①中的寿命损耗函数关系式和步骤②提取的概率密度分布，折算储能系统在典型工况下运行单位时长产生的寿命损耗，以电池储能系统充放电电流倍率Rc为例，假定Rc服从如图3所示的概率密度分布，折算步骤如下：
a)将Rc的概率密度分布在实际可能出现的倍率范围内等间距划分为n个区间，其中为倍率范围下限，为倍率范围上限，间距为ΔRc，记各倍率区间出现的概率为Pi，其中(i＝1,2,...,n)，以各倍率区间的平均值代表倍率区间的倍率值，如第i个倍率区间的倍率值取
b)计算在单位数据样本时间范围内，各倍率区间持续时长基于公式3的第2各公式计算各倍率范围内储能系统产生的累积寿命损耗将各倍率区间造成的寿命损耗累加，即得到在该单位时长数据样本范围内，由充放电电流倍率因素造成的寿命损耗：
类似地可以计算出由温度和放电深度因素造成的寿命损耗和
c)计算在单位时间内，由三种工况特征参量共同作用引起的寿命损耗
通过测量得到多组在该工况条件下，储能系统在单位时长内产生的寿命损耗与采用对应储能系统寿命损耗 和采用数据拟合，得到公式5的表达式。
d)基于步骤a)-c)估算出的典型工况下储能系统在单位时长内产生的寿命损耗，计算电池储能系统在典型工况下的置换次数：
其中，Nplant为间歇式电源(风电场/光伏电站)的规划运行年限；Nlife为电池储能系统的循环寿命；典型工况下的单位连续时长tsample。
由式(2)和式(6)可推到得：
如式(7)中的3个公式所示，可以分别以CP衡量电池储能系统的功率成本，以(1+Nchange)·CE/SOCrange衡量电池储能系统的容量成本，以CM衡量电池储能系统的运维成本。
步骤三：构造判断矩阵并求解判断矩阵
基于IAHP法的九级标度法，量化定性指标，并规范定量指标，构造各决策指标的判断矩阵，并基于IEM法求解，得到各决策矩阵的特征向量B＝[bn1,bn2,...,bnm]，其中bnj为n个待选方案关于第j项决策指标uj的判断矩阵的特征向量；
步骤四：权重计算过程
(1)针对准则层的第一层指标包括技术性、经济性、环境方面和技术成熟度，根据专家经验，在综合评估储能应用远景目标及投资成本等“宏观”情况的基础上，采用IAHP法的9级标度法构造一层权重判断矩阵；
(2)然后针对二层决策指标的权重，如技术性中的安全性、可集成规模等8项子指标，经济性的3项子指标，环境方面的3项子指标，结合各待选储能方案的决策指标现状与应用现场对决策指标的需求期望值间的差异性，采用熵值法确定二层决策权重，具体步骤如下：
1)首先基于应用现场对决策指标的需求期望值定义相离度，称为应用现场对储能技术针对属性uj提出的期望值。
设为待选储能方案i的指标uj的数据区间，令称为储能方案i的指标uj的实际情况与应用现场对该指标的期望值间的相离度。显然，越大，则指标的实际值与期望值间的差距越大，特别地，当时，有即储能方案i的指标uj可以完全响应工况对该指标的需求。
2)将决策矩阵A＝(aij)m×n转化为相离度矩阵D＝(dij)m×n；
3)将相离度矩阵D＝(dij)m×n规范化，利用将相离度矩阵D＝(dij)m×n规范化为矩阵P＝(pij)n×m，显然
4)求出指标uj下的熵值其中，k>0为常数,ln为自然对数，Sj≥0,j＝1,2,...,m，对于指标uj，如果pij全部相等，即pij＝1/n,i＝1,2,...,n，那么Sj取极大值，即Sj＝klnn，这里取k＝1/lnn，则0≤Sj≤1；
5)计算指标uj下的各方案属性值的偏差程度系数dj，因为0≤Sj≤1，根据指标uj下的熵值Sj的大小与指标uj下的各方案指标值的偏差程度是相反的原则，所以定义指标uj下的各方案指标值的偏差程度系数dj＝1-Sj,j＝1,2,...,m；
6)计算各指标的权重wj
步骤五：计算各待选方案的综合价值矩阵Sn,选取Sn值最大的储能方案即为待选方案中工况适应性最高的储能方案。
其中，bnj为n个待选方案关于第j项决策指标uj的判断矩阵的特征向量
图2储能选型的决策指标体系，为图1流程图中的构造储能选型的决策指标体系环节，从技术水平、经济成本、环境方面和技术成熟度等四个方面出发，汇总储能选型决策指标，形成决策指标体系。决策指标体系共含目标层A、决策层B和方案层C三层，其中目标层A为储能选型的最终追求目标，为储能系统的工况适用性，决策层B汇总了储能选型过程中涉及到的所有决策指标，决策指标包含两层，第一层为决策指标大类，包含技术水平、经济成本、环境方面和技术成熟度四项，第二层为各大类指标下设的决策子属性，其中技术水平包含安全性、可集成规模、能量转换效率、循环寿命、自放电率、充放电倍率为维护量等8项，经济成本包含功率成本、运维成本和容量成本3项，环境方面包含功率密度、能量密度和环境影响3项；方案层c为储能系统待选方案。
最后应当说明的是：以上实施例仅用于说明本发明的技术方案而非对其保护范围的限制,尽管参照上述实施例对本申请进行了详细的说明,所属领域的普通技术人员应当理解：本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。

Claims (12)

1.一种新型的储能选型方法，其特征在于，所述选型方法采用区间层次分析法，包括如下步骤：
步骤1：工况特征分析；
步骤2：构建储能选型决策指标体系；
步骤3：汇集基础数据并进行数据预处理；
步骤4:计算决策指标的期望值；
步骤5：构造决策指标的判断矩阵；
步骤6：求解判断矩阵；
步骤7：权重计算；
步骤8：计算待选方案的综合价值矩阵。
2.如权利要求1所述的储能选型方法，其特征在于，所述步骤3数据预处理包括：经济性与技术性去耦合和工况特征引入。
3.如权利要求2所述的储能选型方法，其特征在于，所述经济性与技术性去耦合过程包括：在衡量储能经济性时，将影响经济性的技术性指标纳入经济性范畴考虑，建立考虑技术性指标的全寿命周期储能经济成本模型；
在全寿命周期尺度内，储能系统的经济性，包括初始购置成本、运维成本和置换成本。
4.如权利要求3所述的储能选型方法，其特征在于，所述初始购置成本包括：初始购置功率成本和初始购置容量成本；所述初始购置功率成本为购置变流器成本，初始购置容量成本为初次购置储能设备成本；所述置换成本包括重新购置储能设备的成本；所述运维成本通过储能系统的累积吞吐电量和运维单价核算；投资成本CBESS如下式所示：
CBESS＝C1+C2+C3+C4 (1)
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>C</mi> <mn>1</mn> </msub> <mo>=</mo> <msub> <mi>P</mi> <mrow> <mi>r</mi> <mi>a</mi> <mi>t</mi> <mi>e</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>C</mi> <mi>P</mi> </msub> </mrow> </mtd> <mtd> <mrow></mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>C</mi> <mn>2</mn> </msub> <mo>=</mo> <msub> <mi>E</mi> <mrow> <mi>r</mi> <mi>a</mi> <mi>t</mi> <mi>e</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>C</mi> <mi>E</mi> </msub> </mrow> </mtd> <mtd> <mrow></mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>C</mi> <mn>3</mn> </msub> <mo>=</mo> <munderover> <mo>&amp;Integral;</mo> <mn>0</mn> <mi>n</mi> </munderover> <msub> <mi>E</mi> <mi>M</mi> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>C</mi> <mi>M</mi> </msub> </mrow> </mtd> <mtd> <mrow></mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>C</mi> <mn>4</mn> </msub> <mo>=</mo> <msub> <mi>N</mi> <mrow> <mi>c</mi> <mi>h</mi> <mi>a</mi> <mi>n</mi> <mi>g</mi> <mi>e</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>E</mi> <mrow> <mi>r</mi> <mi>a</mi> <mi>t</mi> <mi>e</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>C</mi> <mi>E</mi> </msub> </mrow> </mtd> <mtd> <mrow></mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>P</mi> <mrow> <mi>r</mi> <mi>a</mi> <mi>t</mi> <mi>e</mi> </mrow> </msub> <mo>&amp;GreaterEqual;</mo> <msub> <mi>P</mi> <mrow> <mi>n</mi> <mi>e</mi> <mi>t</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow></mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>E</mi> <mrow> <mi>r</mi> <mi>a</mi> <mi>t</mi> <mi>e</mi> </mrow> </msub> <mo>&amp;GreaterEqual;</mo> <msub> <mi>E</mi> <mrow> <mi>n</mi> <mi>e</mi> <mi>t</mi> </mrow> </msub> <mo>/</mo> <msub> <mi>SOC</mi> <mrow> <mi>r</mi> <mi>a</mi> <mi>n</mi> <mi>g</mi> <mi>e</mi> </mrow> </msub> </mrow> </mtd> <mtd> <mrow> <mn>0</mn> <mo>&amp;le;</mo> <msub> <mi>SOC</mi> <mrow> <mi>r</mi> <mi>a</mi> <mi>n</mi> <mi>g</mi> <mi>e</mi> </mrow> </msub> <mo>&amp;le;</mo> <mn>1</mn> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
式中，C1为初始购置功率成本，C2为初始购置容量成本，C3为运维成本，C4为置换成本，CBESS为储能系统全寿命周期内的投资成本，Prate为储能系统用PCS的额定功率，CP为变流器的功率成本单价，Erate为储能设备的额定容量，Pnet为工况的净功率需求，Enet为工况的净容量需求，CE为储能设备的容量成本单价，n为储能规划运行年限，EM为储能系统每年的累积吞吐电量，CM为运维成本单价，Nchange为储能设备的置换次数，SOCrange为储能系统的荷电状态可用范围。
5.如权利要求2所述的储能选型方法，其特征在于，所述的工况特征的引入包括如下步骤：
步骤(3-1)：电池储能系统受温度、充放电电流倍率、放电深度造成的寿命损耗寿命损耗和分别如下式(3)、(4)和(5)所示：
<mrow> <msubsup> <mi>L</mi> <mrow> <mi>b</mi> <mi>e</mi> <mi>s</mi> <mi>s</mi> </mrow> <mn>1</mn> </msubsup> <mo>=</mo> <msub> <mi>f</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mi>T</mi> <mo>,</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msubsup> <mi>L</mi> <mrow> <mi>b</mi> <mi>e</mi> <mi>s</mi> <mi>s</mi> </mrow> <mn>2</mn> </msubsup> <mo>=</mo> <msub> <mi>f</mi> <mn>2</mn> </msub> <mrow> <mo>(</mo> <msub> <mi>R</mi> <mi>c</mi> </msub> <mo>,</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
<mrow> <msubsup> <mi>L</mi> <mrow> <mi>b</mi> <mi>e</mi> <mi>s</mi> <mi>s</mi> </mrow> <mn>3</mn> </msubsup> <mo>=</mo> <msub> <mi>f</mi> <mn>3</mn> </msub> <mrow> <mo>(</mo> <mi>D</mi> <mi>O</mi> <mi>D</mi> <mo>,</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
其中，T为电池温度，t为持续时间，Rc为充放电电流倍率，DOD为放电深度，n为充放电次数；
步骤(3-2)：根据典型工况下的单位连续时长tsample的数据样本，确定温度、充放电电流倍率和放电深度的概率密度分布；
步骤(3-3)：根据步骤(3-1)中的式(3)和步骤(3-2)确定的概率密度分布，计算储能系统在典型工况下运行单位时长产生的寿命损耗。
6.如权利要求5所述的储能选型方法，其特征在于，所述步骤(3-3)包括：
步骤(3-3-1)：将充放电电流倍率Rc的概率密度分布实际可能出现的倍率范围划分为n个等间距倍率区间；各倍率区间出现的概率为Pi，其中i＝1,2,...,n，第i个倍率区间的倍率值
步骤(3-3-2)：在单位数据样本时间范围内，各倍率区间持续时长根据公式(4)计算各倍率范围内储能系统产生的累积寿命损耗
在该单位时长数据样本范围内，由充放电电流倍率因素造成的寿命损耗：
<mrow> <msubsup> <mi>L</mi> <mrow> <mi>b</mi> <mi>e</mi> <mi>s</mi> <mi>s</mi> </mrow> <mn>2</mn> </msubsup> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msubsup> <mi>L</mi> <mrow> <mi>b</mi> <mi>e</mi> <mi>s</mi> <mi>s</mi> </mrow> <mrow> <mn>2</mn> <mi>i</mi> </mrow> </msubsup> <mo>,</mo> <mrow> <mo>(</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>6</mn> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
步骤(3-3-3)：将温度T的概率密度分布实际可能出现的温度范围[T-,T+]划分为n个等间距温度区间，各温度区间出现的概率为Pi，其中i＝1,2,...,n，第i个温度区间的温度值为
步骤(3-3-4)：在单位数据样本时间范围内，各温度区间持续时长根据公式(3)计算各温度范围内储能系统产生的累积寿命损耗
在该单位时长数据样本范围内，由温度因素造成的寿命损耗：
<mrow> <msubsup> <mi>L</mi> <mrow> <mi>b</mi> <mi>e</mi> <mi>s</mi> <mi>s</mi> </mrow> <mn>1</mn> </msubsup> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msubsup> <mi>L</mi> <mrow> <mi>b</mi> <mi>e</mi> <mi>s</mi> <mi>s</mi> </mrow> <mrow> <mn>1</mn> <mi>i</mi> </mrow> </msubsup> <mo>,</mo> <mrow> <mo>(</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>...</mo> <mo>...</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
步骤(3-3-5)：将放电深度DOD的概率密度分布实际可能出现的放电深度范围[DOD-,DOD+]划分为n个等间距放电深度区间，各放电深度区间出现的概率为Pi，其中i＝1,2,...,n，第i个放电深度区间的放电深度值为
步骤(3-3-6)：在单位数据样本时间范围内，各倍率区间持续时长根据公式(5)得到各放电深度范围内储能系统产生的累积寿命损耗
在该单位时长数据样本范围内，由放电深度因素造成的寿命损耗：
<mrow> <msubsup> <mi>L</mi> <mrow> <mi>b</mi> <mi>e</mi> <mi>s</mi> <mi>s</mi> </mrow> <mn>3</mn> </msubsup> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>n</mi> </munderover> <msubsup> <mi>L</mi> <mrow> <mi>b</mi> <mi>e</mi> <mi>s</mi> <mi>s</mi> </mrow> <mrow> <mn>3</mn> <mi>i</mi> </mrow> </msubsup> <mo>,</mo> <mrow> <mo>(</mo> <mi>i</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>...</mo> <mi>n</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> <mo>;</mo> </mrow> 2
步骤(3-3-7)：在单位时间内，由温度、充放电电流倍率、放电深度共同作用引起的寿命损耗如下式(9)所示：
<mrow> <msubsup> <mi>L</mi> <mrow> <mi>b</mi> <mi>e</mi> <mi>s</mi> <mi>s</mi> </mrow> <mrow> <mi>t</mi> <mi>o</mi> <mi>t</mi> <mi>a</mi> <mi>l</mi> </mrow> </msubsup> <mo>=</mo> <mi>f</mi> <mrow> <mo>(</mo> <msubsup> <mi>L</mi> <mrow> <mi>b</mi> <mi>e</mi> <mi>s</mi> <mi>s</mi> </mrow> <mn>1</mn> </msubsup> <mo>,</mo> <msubsup> <mi>L</mi> <mrow> <mi>b</mi> <mi>e</mi> <mi>s</mi> <mi>s</mi> </mrow> <mn>2</mn> </msubsup> <mo>,</mo> <msubsup> <mi>L</mi> <mrow> <mi>b</mi> <mi>e</mi> <mi>s</mi> <mi>s</mi> </mrow> <mn>3</mn> </msubsup> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>9</mn> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
步骤(3-3-8)：按下式(10)计算电池储能系统在典型工况下的置换次数Nchange：
<mrow> <msub> <mi>N</mi> <mrow> <mi>c</mi> <mi>h</mi> <mi>a</mi> <mi>n</mi> <mi>g</mi> <mi>e</mi> </mrow> </msub> <mo>=</mo> <mfrac> <mrow> <msub> <mi>N</mi> <mrow> <mi>p</mi> <mi>l</mi> <mi>a</mi> <mi>n</mi> <mi>t</mi> </mrow> </msub> <mo>*</mo> <mn>8760</mn> </mrow> <mrow> <mfrac> <msub> <mi>N</mi> <mrow> <mi>l</mi> <mi>i</mi> <mi>f</mi> <mi>e</mi> </mrow> </msub> <msubsup> <mi>L</mi> <mrow> <mi>b</mi> <mi>e</mi> <mi>s</mi> <mi>s</mi> </mrow> <mrow> <mi>t</mi> <mi>o</mi> <mi>t</mi> <mi>a</mi> <mi>l</mi> </mrow> </msubsup> </mfrac> <mo>&amp;CenterDot;</mo> <msub> <mi>t</mi> <mrow> <mi>s</mi> <mi>a</mi> <mi>m</mi> <mi>p</mi> <mi>l</mi> <mi>e</mi> </mrow> </msub> </mrow> </mfrac> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>10</mn> <mo>)</mo> </mrow> </mrow>
其中，Nplant为间歇式电源的规划运行年限；Nlife为电池储能系统的循环寿命；tsample为典型工况下的单位连续时长；
步骤(3-3-9)：根据公式(2)和公式(10)得：
<mrow> <mfenced open = "{" close = ""> <mtable> <mtr> <mtd> <mrow> <msub> <mi>C</mi> <mn>1</mn> </msub> <mo>&amp;Proportional;</mo> <msub> <mi>C</mi> <mi>P</mi> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>C</mi> <mn>2</mn> </msub> <mo>+</mo> <msub> <mi>C</mi> <mn>4</mn> </msub> <mo>&amp;Proportional;</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>+</mo> <msub> <mi>N</mi> <mrow> <mi>c</mi> <mi>h</mi> <mi>a</mi> <mi>n</mi> <mi>g</mi> <mi>e</mi> </mrow> </msub> <mo>)</mo> </mrow> <mo>&amp;CenterDot;</mo> <msub> <mi>C</mi> <mi>E</mi> </msub> <mo>/</mo> <msub> <mi>SOC</mi> <mrow> <mi>r</mi> <mi>a</mi> <mi>n</mi> <mi>g</mi> <mi>e</mi> </mrow> </msub> </mrow> </mtd> </mtr> <mtr> <mtd> <mrow> <msub> <mi>C</mi> <mn>3</mn> </msub> <mo>&amp;Proportional;</mo> <msub> <mi>C</mi> <mi>M</mi> </msub> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>11</mn> <mo>)</mo> </mrow> </mrow>
以变流器的功率成本单价CP衡量电池储能系统的初始购置功率成本C1；以(1+Nchange)·CE/SOCrange衡量电池储能系统的初始购置容量成本C2和置换成本C4，其中CE为储能设备的容量成本单价，SOCrange为储能系统的荷电状态可用范围；以运维成本单价CM衡量电池储能系统的运维成本C3。
7.如权利要求1所述的储能选型方法，其特征在于，所述步骤5根据区间层次分析法的九级标度法，量化定性指标和规范定量指标，构造各决策指标的判断矩阵。
8.如权利要求1所述的储能选型方法，其特征在于，所述步骤6根据区间特征根法IEM求解决策指标的判断矩阵，求各决策矩阵的特征向量B＝[bn1,bn2,...,bnm]，其中bnj为n个待选方案关于第j项决策指标uj的判断矩阵的特征向量。
9.如权利要求1所述的储能选型方法，其特征在于，所述步骤7包括如下步骤：
步骤(7-1)：构造准则层一层权重判断矩阵；
步骤(7-2)：确定准则层二层决策权重。
10.如权利要求9所述的储能选型方法，其特征在于，所述步骤(7-1)根据区间层次分析法的九级标度法构造准则层一层权重判断矩阵。
11.如权利要求9所述的储能选型方法，其特征在于，所述步骤(7-2)采用熵值法确定准则层二层决策权重，步骤如下：
步骤(7-2-1)：根据应用现场定义决策指标的需求期望值的相离度；
储能方案i的指标uj的实际情况与应用现场对该指标的期望值间的相离度为待选储能方案i的指标uj的数据区间；当时，判定储能方案i的指标uj可以完全响应工况对该指标的需求；
步骤(7-2-2)：决策矩阵A＝(aij)m×n转化为相离度矩阵D＝(dij)m×n；
步骤(7-2-3)：相离度矩阵D＝(dij)m×n规范化：根据将相离度矩阵D＝(dij)m×n规范化为矩阵P＝(pij)n×m，得到
步骤(7-2-4)：确定指标uj下的熵值其中，k>0为常数,ln为自然对数，Sj≥0,j＝1,2,...,m；
步骤(7-2-5)：根据下式(12)计算指标uj下的各方案属性值的偏差程度系数dj：
dj＝1-Sj,j＝1,2,...,m (12)；
步骤(7-2-6)：根据下式(13)计算各指标的权重wj：
<mrow> <msub> <mi>w</mi> <mi>j</mi> </msub> <mo>=</mo> <msub> <mi>d</mi> <mi>j</mi> </msub> <mo>/</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <msub> <mi>d</mi> <mi>j</mi> </msub> <mo>,</mo> <mi>j</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mo>...</mo> <mo>,</mo> <mi>m</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>13</mn> <mo>)</mo> </mrow> <mo>.</mo> </mrow>
12.如权利要求1所述的储能选型方法，其特征在于，所述步骤8计算各待选方案的综合价值矩阵Sn,选取Sn值最大的储能方案即为待选方案中工况适应性最高的储能方案
<mrow> <msub> <mi>S</mi> <mi>n</mi> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <msub> <mi>b</mi> <mrow> <mi>n</mi> <mi>j</mi> </mrow> </msub> <mo>&amp;CenterDot;</mo> <msub> <mi>w</mi> <mi>j</mi> </msub> <mo>,</mo> <mrow> <mo>(</mo> <mi>j</mi> <mo>=</mo> <mn>1</mn> <mo>,</mo> <mn>2</mn> <mo>,</mo> <mn>.......</mn> <mi>m</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>14</mn> <mo>)</mo> </mrow> </mrow>
其中，bnj为n个待选方案关于第j项决策指标uj的判断矩阵的特征向量，wj为各指标的权重。
CN201610363743.4A 2016-05-26 2016-05-26 一种新型储能选型方法 Active CN107437135B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610363743.4A CN107437135B (zh) 2016-05-26 2016-05-26 一种新型储能选型方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610363743.4A CN107437135B (zh) 2016-05-26 2016-05-26 一种新型储能选型方法

Publications (2)

Publication Number Publication Date
CN107437135A true CN107437135A (zh) 2017-12-05
CN107437135B CN107437135B (zh) 2022-02-22

Family

ID=60454495

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610363743.4A Active CN107437135B (zh) 2016-05-26 2016-05-26 一种新型储能选型方法

Country Status (1)

Country Link
CN (1) CN107437135B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108830451A (zh) * 2018-05-04 2018-11-16 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
CN109345069A (zh) * 2018-08-28 2019-02-15 武汉华喻燃能工程技术有限公司 一种基于相离度和集成赋权的火电脱硝技术评价方法
CN110208717A (zh) * 2019-05-08 2019-09-06 复变时空(武汉)数据科技有限公司 基于大数据的动力电池寿命预测方法
WO2019185371A1 (de) * 2018-03-29 2019-10-03 Bayerische Motoren Werke Aktiengesellschaft Verfahren und steuereinheit zur überwachung eines energiespeichers
CN110470991A (zh) * 2019-08-23 2019-11-19 江西优特汽车技术有限公司 一种动力电池循环寿命评测方法
CN111369079A (zh) * 2020-05-27 2020-07-03 深圳创新奇智科技有限公司 维护计划的预测方法及装置、电子设备、存储介质
CN112465271A (zh) * 2020-12-16 2021-03-09 北方工业大学 一种面向储能平抑风电波动场景的储能电池选型方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933629A (zh) * 2015-05-21 2015-09-23 天津大学 基于区间层次分析和区间熵组合的电力用户设备评估方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104933629A (zh) * 2015-05-21 2015-09-23 天津大学 基于区间层次分析和区间熵组合的电力用户设备评估方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
XING LUO 等: "Overview of current development in electrical energy storage technologies and the application potential in power system operation", 《APPLIED ENERGY》 *
吕盼等: "基于熵权TOPSIS法的输电网规划综合决策", 《华北电力大学学报(自然科学版)》 *
常伯涛等: "基于区间层次分析法和线性规划多属性决策输电网扩展优化", 《东北电力技术》 *
肖峻等: "基于区间层次分析法的城市电网规划综合评判决策", 《中国电机工程学报》 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111903029A (zh) * 2018-03-29 2020-11-06 宝马股份公司 用于监控能量存储器的方法和控制单元
WO2019185371A1 (de) * 2018-03-29 2019-10-03 Bayerische Motoren Werke Aktiengesellschaft Verfahren und steuereinheit zur überwachung eines energiespeichers
US20210013554A1 (en) * 2018-03-29 2021-01-14 Bayerische Motoren Werke Aktiengesellschaft Method and Control Unit for Monitoring an Energy Accumulator
CN111903029B (zh) * 2018-03-29 2023-10-27 宝马股份公司 用于监控能量存储器的方法和控制单元
US11888339B2 (en) * 2018-03-29 2024-01-30 Bayerische Motoren Werke Aktiengesellschaft Method and control unit for monitoring an energy accumulator
CN108830451A (zh) * 2018-05-04 2018-11-16 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
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
CN109345069A (zh) * 2018-08-28 2019-02-15 武汉华喻燃能工程技术有限公司 一种基于相离度和集成赋权的火电脱硝技术评价方法
CN110208717A (zh) * 2019-05-08 2019-09-06 复变时空(武汉)数据科技有限公司 基于大数据的动力电池寿命预测方法
CN110470991A (zh) * 2019-08-23 2019-11-19 江西优特汽车技术有限公司 一种动力电池循环寿命评测方法
CN111369079A (zh) * 2020-05-27 2020-07-03 深圳创新奇智科技有限公司 维护计划的预测方法及装置、电子设备、存储介质
CN112465271A (zh) * 2020-12-16 2021-03-09 北方工业大学 一种面向储能平抑风电波动场景的储能电池选型方法
CN112465271B (zh) * 2020-12-16 2023-05-23 北方工业大学 一种面向储能平抑风电波动场景的储能电池选型方法

Also Published As

Publication number Publication date
CN107437135B (zh) 2022-02-22

Similar Documents

Publication Publication Date Title
CN107437135A (zh) 一种新型储能选型方法
CN109829604A (zh) 一种电网侧储能电站运行效果综合评估方法
JP5393602B2 (ja) 電力制御方法、プログラムおよび電力制御装置
CN103761690A (zh) 基于电网系统中电压无功控制系统的评估方法
CN106655248B (zh) 一种并网型微电网电源容量配置方法
CN103488869A (zh) 一种最小二乘支持向量机的风力发电短期负荷预测方法
CN104318482A (zh) 一套智能配电网综合评估体系和方法
CN105574617A (zh) 分布式电源和微电网接入配电系统方案的综合优化系统
CN106251008A (zh) 一种基于组合权重相似日选取的光伏功率预测方法
CN103997062A (zh) 一种微网能量管理控制方法
CN104376371B (zh) 一种基于拓扑的配网分层负荷预测方法
CN106651225A (zh) 智能电网示范工程综合评估方法和系统
CN104933505A (zh) 一种基于模糊评估的智能配电网群决策评价方法
CN109784755A (zh) 一种基于层次分析法的电网智能化水平评估方法
CN104376435A (zh) 一种电力电量平衡方案评估方法
CN107145707A (zh) 一种计及光伏出力不确定性和全寿命周期成本的配电网变压器规划方法
CN110363351A (zh) 一种分布式电源接入增量配电网评估优化规划方法及系统
CN113794199B (zh) 一种考虑电力市场波动的风电储能系统最大收益优化方法
CN104933629A (zh) 基于区间层次分析和区间熵组合的电力用户设备评估方法
CN112150025A (zh) 综合能源服务项目的经济性评价方法及系统
CN104036364A (zh) 一种配电网网络结构水平评价方法
CN109345090A (zh) 一种基于配电网可靠性提升的网架评价方法
CN107292489A (zh) 一种电网调度运行精益化评价系统
CN107370169A (zh) 基于anfis短期负荷预测的大规模储能电站调峰控制器及方法
CN105574632A (zh) 一种交直流混合城市配电网综合效益评估方法

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