CN108306358A - 充电站电池储能配置方法和装置 - Google Patents

充电站电池储能配置方法和装置 Download PDF

Info

Publication number
CN108306358A
CN108306358A CN201711489903.0A CN201711489903A CN108306358A CN 108306358 A CN108306358 A CN 108306358A CN 201711489903 A CN201711489903 A CN 201711489903A CN 108306358 A CN108306358 A CN 108306358A
Authority
CN
China
Prior art keywords
charging station
energy storage
constraints
cost
function
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
Application number
CN201711489903.0A
Other languages
English (en)
Inventor
刘秀兰
曾爽
于希娟
赵宇彤
金渊
周杨
关宇
陈熙
李香龙
张倩
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
State Grid Beijing Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
State Grid Beijing Electric Power Co Ltd
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, State Grid Beijing Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN201711489903.0A priority Critical patent/CN108306358A/zh
Publication of CN108306358A publication Critical patent/CN108306358A/zh
Pending legal-status Critical Current

Links

Classifications

    • H02J7/0027—
    • 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]
    • 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
    • Y02E60/00—Enabling technologies; Technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02E60/10—Energy storage using batteries

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种充电站电池储能配置方法和装置。该方法包括：获取预设时间长度内充电站每天的负荷参数；基于负荷参数建立充电站容量优化配置模型；根据容量优化配置模型确定成本优化函数；根据优化函数计算使成本最低的充电站电池储能量。通过本发明，达到了降低充电站电池储能配置成本的效果。

Description

充电站电池储能配置方法和装置
技术领域
本发明涉及电网领域，具体而言，涉及一种充电站电池储能配置方法和装置。
背景技术
直流充电机功率和电流很大，直接入网会对电网产生较大的冲击，充电站负荷波动较大会对电网造成电压偏移，严重影响配电系统的安全运行。充电站包含有多台充电机和充电桩，对电网的影响与每个充电站的配电容量的大小有关，配电容量越大，需补充电量越高，电池充电功率越大，单位时间对电网的影响越大。如何构建充电站，能够大幅度提高设备利用率、降低对电网冲击、降低投资成本是非常值得关注的问题。
针对相关技术中充电站电池储能配置成本高的问题，目前尚未提出有效的解决方案。
发明内容
本发明的主要目的在于提供一种充电站电池储能配置方法和装置，以解决充电站电池储能配置成本高的问题。
为了实现上述目的，根据本发明的一个方面，提供了一种充电站电池储能配置方法，其特征在于，包括：获取预设时间长度内充电站每天的负荷参数；基于所述负荷参数建立充电站容量优化配置模型；根据所述容量优化配置模型确定成本优化函数；根据所述优化函数计算使成本最低的充电站电池储能量。
进一步地，在根据所述容量优化配置模型确定成本优化函数之后，所述方法还包括：确定约束条件，其中，所述约束条件包括功率平衡约束条件、电网输出功率约束条件、储能电池运行约束条件；根据所述约束条件计算所述成本优化函数的最优解。
进一步地，根据所述容量优化配置模型确定成本优化函数包括：通过线性规划确定所述成本优化函数；通过matlab优化软件或lingo优化软件确定所述成本优化函数。
进一步地，根据所述容量优化配置模型确定成本优化函数包括：确定初始可行基；检验各非基变量的检验数，如果所有检验数都小于等于0，则已得到最优解；将最大正检验数对应的变量作为进基变量，极小正比准则决定出基变量，进行迭代运算，直至得到最优解。
为了实现上述目的，根据本发明的另一方面，还提供了一种充电站电池储能配置装置，其特征在于，包括：获取单元，用于获取预设时间长度内充电站每天的负荷参数；建立单元，用于基于所述负荷参数建立充电站容量优化配置模型；第一确定单元，用于根据所述容量优化配置模型确定成本优化函数；第一计算单元，用于根据所述优化函数计算使成本最低的充电站电池储能量。
进一步地，所述装置还包括：第二确定单元，用于在根据所述容量优化配置模型确定成本优化函数之后，确定约束条件，其中，所述约束条件包括功率平衡约束条件、电网输出功率约束条件、储能电池运行约束条件；第二计算单元，用于根据所述约束条件计算所述成本优化函数的最优解。
进一步地，所述第一确定单元包括：第一确定模块，用于通过线性规划确定所述成本优化函数；第二确定模块，用于通过matlab优化软件或lingo优化软件确定所述成本优化函数。
进一步地，所述第一确定单元包括：第三确定模块，用于确定初始可行基；检验模块，用于检验各非基变量的检验数，如果所有检验数都小于等于0，则已得到最优解；计算模块，用于将最大正检验数对应的变量作为进基变量，极小正比准则决定出基变量，进行迭代运算，直至得到最优解。
为了实现上述目的，根据本发明的另一方面，还提供了一种存储介质，包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行本发明所述的充电站电池储能配置方法。
为了实现上述目的，根据本发明的另一方面，还提供了一种处理器，用于运行程序，其中，所述程序运行时执行本发明所述的充电站电池储能配置方法。
本发明通过获取预设时间长度内充电站每天的负荷参数；基于所述负荷参数建立充电站容量优化配置模型；根据所述容量优化配置模型确定成本优化函数；根据所述优化函数计算使成本最低的充电站电池储能量，解决了充电站电池储能配置成本高的问题，进而达到了降低充电站电池储能配置成本的效果。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的充电站电池储能配置方法的流程图；
图2是根据本发明实施例的负荷曲线的示意图；
图3是根据本发明实施例的模型解的示意图；
图4是根据本发明实施例的充电站电池储能配置装置的示意图。
具体实施方式
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本发明。
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，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他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例提供了一种充电站电池储能配置方法。
图1是根据本发明实施例的充电站电池储能配置方法的流程图，如图1所示，该方法包括以下步骤：
步骤S102：获取预设时间长度内充电站每天的负荷参数；
步骤S104：基于负荷参数建立充电站容量优化配置模型；
步骤S106：根据容量优化配置模型确定成本优化函数；
步骤S108：根据优化函数计算使成本最低的充电站电池储能量。
该实施例采用获取预设时间长度内充电站每天的负荷参数；基于负荷参数建立充电站容量优化配置模型；根据容量优化配置模型确定成本优化函数；根据优化函数计算使成本最低的充电站电池储能量，解决了充电站电池储能配置成本高的问题，进而达到了降低充电站电池储能配置成本的效果。
可选地，在根据容量优化配置模型确定成本优化函数之后，方法还包括：确定约束条件，其中，约束条件包括功率平衡约束条件、电网输出功率约束条件、储能电池运行约束条件；根据约束条件计算成本优化函数的最优解。
可选地，根据容量优化配置模型确定成本优化函数包括：通过线性规划确定成本优化函数；通过matlab优化软件或lingo优化软件确定成本优化函数。
可选地，根据容量优化配置模型确定成本优化函数包括：确定初始可行基；检验各非基变量的检验数，如果所有检验数都小于等于0，则已得到最优解；将最大正检验数对应的变量作为进基变量，极小正比准则决定出基变量，进行迭代运算，直至得到最优解。
本发明实施例还提供了一种优选实施方式，下面结合该优选实施方式对本发明实施例的技术方案进行说明。
以降低峰值和提高经济性为目标的储能容量配置及算例分析：
研究充电站设计阶段的电池储能的优化配置方法，针对不同优化目标，初步计算所需的储能最大充放电功率以及所需的容量配置；采用线性规划研究优化程度与储能系统功率、容量关系，不同储能功率约束条件下，优化目标的优化程度以及储能容量配置的关系。
选取6天中最大负荷日5月18日作为典型日，图2是根据本发明实施例的负荷曲线的示意图，5月18日的负荷曲线如图2所示。
快速充电站的储能容量配置：
1、目标函数
系统容量优化配置的目的是在满足系统性能指标的前提下，要使得系统总成本最低，系统总成本包括充电站建站成本，储能电池购买、安装成本。
f1＝fcr(CcfPc+CefEss) (1)
式中，m为系统的工作年限；r0为折旧率。
充电站、储能系统的年运行维护成本为：
f2＝fbr(CcfPc+CefEss) (3)
式中，fbr为年运行维护系数。
每天的基本容量费为
f3＝(32/30)Pc (4)
每天从电网购电成本为
式中，Cb(t)为配电网的实时电价，单位为“元/kWh”，Pb(t)为从电网吸收的功率。
则系统总成本的优化目标函数为：(以天为单位)
式中，Ccf为充电站的初始单位投资成本，单位为“元/kW”，Pc为充电站的配电容量；Cef为储能单元的单位初始投资成本，单位为“元/kWh”，Ess为电池组储能单元的容量。
2、约束条件
约束条件应考虑储能荷电状态、储能最大功率限幅、瞬时功率平衡等方面的限制，以确保储能容量优化的合理性。
(1)功率平衡约束
在任一时刻，都应保证微电网中的功率平衡：
PB(t)＝PL(t)+Pe(t) (7)
式中，PB(t)是电网输出功率，PL(t)是负荷需求功率，Pe(t)是储能充(放)电功率，充电时为正，放电时为负。
(2)电网输出功率约束
储能需要平抑负荷波动，降低负荷的峰值20％以上，故电网输出功率需满足：
PB(t)≤k*PLmax (8)
式中，PB(t)是电网输出功率，PLmax是负荷的最大功率，k为负荷最大值的比例系数。
(3)储能电池运行约束条件
考虑储能电池的寿命，储能电池的放电倍率需限制在一定范围内，此处储能电池的放电倍率选取为1C。考虑储能系统一天的SOC能回到初始值，储能系统一天的充放电电量和为零。考虑系统的动态特性，在蓄电池进行充放电时，保证蓄电池的容量和充放电功率维持在正常的工作状态中，延长蓄电池的使用寿命。储能在一天中任意时刻的荷电量满足：
SOCmin≤SOCt≤SOCmax (9)
-Pmax≤Pe≤Pmax (10)
式中，SOCt为蓄电池的荷电状态；Pe为蓄电池的充放电功率。
3、优化问题的求解
(1)线性规划
线性规划由前苏联经济学家康托洛维奇提出，它主要研究的是在线性等式(或不等式)约束条件下，使某一线性目标函数取得最大值(或最小值)的问题。所谓线性规划问题,就是在一组线性的等式或不等式的约束之下,求一个线性函数的最大值或最小值。线性规划的一般形式为：
Maxz＝c1x1+c2x2+…+cnxn (11)
式中，xj(j＝1,…,n)为待定的决策变量，已知的系数aij组成的矩阵：
称为约束矩阵，条件xj≥0(1≤j≤n)称为非负约束。满足线性规划所有约束条件的向量X＝(x1,x2,…,xn)T称为线性规划问题的可行解，所有可行解组成的集合称为可行域，使线性规划的目标函数达到最优值的可行解称为线性规划问题的最优解。
对于一般的线性规划问题，目标函数包括利润、费用、产量等，其约束条件涉及经济、生产活动、资源、运输等许多方面，因此,这种方法作为服务于经营管理领域数学的一个分支而被广泛研究。本文要优化的的是含储能的电动汽车快速充电站的容量配置问题，模型的目标函数是包含充电站投资、储能等投资、运行维护的总费用，模型的约束条件为节点功率平衡、全网功率平衡及一些运行和限制参数等，它们都是线性的，因此是一个线性规划问题。
(2)优化软件
在实际应用中线性规划法的变量一般有很多，近年来随着计算机技术的发展，借助软件可以快速求解和分析线性规划问题。目前，能够求解规划问题的数学软件比较多，常见的有科学计算软件Matlab和优化软件Lingo。
(a)Matlab
Matlab是一个高性能的科技计算软件，具有强大的数值计算、绘图、优化和编程等功能，现已成为被国际认可的最优化科技应用软件。目前，Matlab提供了四十多个工具箱专门针对不同的应用领域。Matlab优化工具箱中提供Linprog函数来求解线性规划问题。
Linprog函数的常见形式如下：
形式1：X＝linprog(f，A，b)
用于求解目标函数为Minf'x，约束条件为Ax≤b的线性规划问题。其中X表示最优解，f表示价值列向量，A表示约束不等式中的系数矩阵(二维数组)，b(列向量)表示约束不等式中右端资源常数向量。
形式2：[X，fval]＝Linprog(c，A，b，Aeq，beq)
相比较上面的问题，增加了等式约束，即Aeqx＝beq。其中X、c、A、b含义同上，fval表示最优解对应的目标函数值。
形式3：[X，fval]＝Linprog(c，A，b，Aeq，beq，vlb，vub)
增加了决策变量的上下界约束，即Vlb≤x≤vub，其中vlb、vub分别以列向量形式存储。
(b)Lingo
Lindo和Lingo是美国Lindo系统公司开发的一套专门用于求解最优化问题的软件包。Lindo主要用于解线性规划、二次规划；Lingo可以用于求解线性规划、整数规划(包括0-1整数规划)，还可以用于求解非线性规划，它不仅方便灵活，而且执行速度非常快。
使用Lingo求解运筹学问题一般按照以下两个步骤来完成：①根据实际问题建立数学模型；②根据该数学模型，利用Lingo软件，将数学模型转译为计算机语言，借助计算机来进行求解。
单纯形法求解线性规划问题的步骤如下：
①将线性规划问题转化为标准型，找到初始可行基，建立初始单纯形表；
②检验各非基变量的检验数，如果所有检验数都小于等于0，则已得到最优解；否则，转下一步；
③最大正检验数对应的变量作为进基变量；极小正比准则决定出基变量；进行迭代运算；
④重复②③直到得到最优解。
(3)优化软件的选择
以式14和式515简单线性规划问题为例
Maxz＝-x1+2x2-x3+3x4 (14)
首先，将式(1-14)中目标函数转化为求极小值问题，
minz'＝x1-2x2+x3-3x4 (16)
分析约束条件Aeq＝[1,1,3,1]；Beq＝6，不等式约束为
X变量的上下限，LB＝zeros(4,1)。
在Matlab中输入如下命令，即可求解该线性规划问题。
f＝[1,-2,1,-3]；Aeq＝[1,1,3,1]；Beq＝6；
A＝[0,-2,1,1；0,-1,6,-1]；B＝[3；4]；LB＝zeros(4,1)；
[x,f_opt]＝linprog(f,A,B,Aeq,Beq,LB,UB)
最优解为X＝(0,1,0,5)T，maxz＝17。
应用Lingo来求解式(1-13)所示的线性规划模型，只需要在Lingo窗口中输入以下信息即可:
max＝-1*x1+2*x2-3*x3+3*x4；
x1+x2+3*x3+x4＝6；
-2*x2+x3+x4<＝3；
-x2+6*x3-x4<＝4；
图3是根据本发明实施例的模型解的示意图，得到模型最优解如图3所示。
最优解为X＝(0,1,0,5)T，maxz＝17。
通过以上计算可知使用Lingo和Matlab两种软件的最优值都是一样的，但求解的程序在形式上有较大差异。相比而言，Matlab中的矩阵(二维数组)的输入规则相对繁琐，而且输出结果也不如Lingo直接明了，另外，linprog命令只能求一般的线性规划，而不能求整数线性规划，因为Matlab没有内置命令求解整数线性规划。总的来说，Lingo在求解线性规划模型的计算上比较简便，而且可以得到直观明了输出结果，在关于线性规划的实际问题分析中Lingo应用得更为多些。
需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
本发明实施例提供了一种充电站电池储能配置装置，该装置可以用于执行本发明实施例的充电站电池储能配置方法。
图4是根据本发明实施例的充电站电池储能配置装置的示意图，如图4所示，该装置包括：
获取单元10，用于获取预设时间长度内充电站每天的负荷参数；
建立单元20，用于基于负荷参数建立充电站容量优化配置模型；
第一确定单元30，用于根据容量优化配置模型确定成本优化函数；
第一计算单元40，用于根据优化函数计算使成本最低的充电站电池储能量。
可选的，该装置还包括：第二确定单元，用于在根据容量优化配置模型确定成本优化函数之后，确定约束条件，其中，约束条件包括功率平衡约束条件、电网输出功率约束条件、储能电池运行约束条件；第二计算单元，用于根据约束条件计算成本优化函数的最优解。
可选的，第一确定单元30包括：第一确定模块，用于通过线性规划确定成本优化函数；第二确定模块，用于通过matlab优化软件或lingo优化软件确定成本优化函数。
可选的，第一确定单元30包括：第三确定模块，用于确定初始可行基；检验模块，用于检验各非基变量的检验数，如果所有检验数都小于等于0，则已得到最优解；计算模块，用于将最大正检验数对应的变量作为进基变量，极小正比准则决定出基变量，进行迭代运算，直至得到最优解。
所述充电站电池储能配置装置包括处理器和存储器，上述获取单元、建立单元等均作为程序单元存储在存储器中，由处理器执行存储在存储器中的上述程序单元来实现相应的功能。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来降低充电站电池储能配置成本。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。
本发明实施例提供了一种存储介质，其上存储有程序，该程序被处理器执行时实现所述充电站电池储能配置方法。
本发明实施例提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行所述充电站电池储能配置方法。
本发明实施例提供了一种设备，设备包括处理器、存储器及存储在存储器上并可在处理器上运行的程序，处理器执行程序时实现以下步骤：获取预设时间长度内充电站每天的负荷参数；基于负荷参数建立充电站容量优化配置模型；根据容量优化配置模型确定成本优化函数；根据优化函数计算使成本最低的充电站电池储能量。本文中的设备可以是服务器、PC、PAD、手机等。
本申请还提供了一种计算机程序产品，当在数据处理设备上执行时，适于执行初始化有如下方法步骤的程序：获取预设时间长度内充电站每天的负荷参数；基于负荷参数建立充电站容量优化配置模型；根据容量优化配置模型确定成本优化函数；根据优化函数计算使成本最低的充电站电池储能量。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种充电站电池储能配置方法，其特征在于，包括：
获取预设时间长度内充电站每天的负荷参数；
基于所述负荷参数建立充电站容量优化配置模型；
根据所述容量优化配置模型确定成本优化函数；
根据所述优化函数计算使成本最低的充电站电池储能量。
2.根据权利要求1所述的方法，其特征在于，在根据所述容量优化配置模型确定成本优化函数之后，所述方法还包括：
确定约束条件，其中，所述约束条件包括功率平衡约束条件、电网输出功率约束条件、储能电池运行约束条件；
根据所述约束条件计算所述成本优化函数的最优解。
3.根据权利要求1所述的方法，其特征在于，根据所述容量优化配置模型确定成本优化函数包括：
通过线性规划确定所述成本优化函数；
通过matlab优化软件或lingo优化软件确定所述成本优化函数。
4.根据权利要求1所述的方法，其特征在于，根据所述容量优化配置模型确定成本优化函数包括：
确定初始可行基；
检验各非基变量的检验数，如果所有检验数都小于等于0，则已得到最优解；
将最大正检验数对应的变量作为进基变量，极小正比准则决定出基变量，进行迭代运算，直至得到最优解。
5.一种充电站电池储能配置装置，其特征在于，包括：
获取单元，用于获取预设时间长度内充电站每天的负荷参数；
建立单元，用于基于所述负荷参数建立充电站容量优化配置模型；
第一确定单元，用于根据所述容量优化配置模型确定成本优化函数；
第一计算单元，用于根据所述优化函数计算使成本最低的充电站电池储能量。
6.根据权利要求5所述的装置，其特征在于，所述装置还包括：
第二确定单元，用于在根据所述容量优化配置模型确定成本优化函数之后，确定约束条件，其中，所述约束条件包括功率平衡约束条件、电网输出功率约束条件、储能电池运行约束条件；
第二计算单元，用于根据所述约束条件计算所述成本优化函数的最优解。
7.根据权利要求5所述的装置，其特征在于，所述第一确定单元包括：
第一确定模块，用于通过线性规划确定所述成本优化函数；
第二确定模块，用于通过matlab优化软件或lingo优化软件确定所述成本优化函数。
8.根据权利要求5所述的装置，其特征在于，所述第一确定单元包括：
第三确定模块，用于确定初始可行基；
检验模块，用于检验各非基变量的检验数，如果所有检验数都小于等于0，则已得到最优解；
计算模块，用于将最大正检验数对应的变量作为进基变量，极小正比准则决定出基变量，进行迭代运算，直至得到最优解。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至4中任意一项所述的充电站电池储能配置方法。
10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1至4中任意一项所述的充电站电池储能配置方法。
CN201711489903.0A 2017-12-29 2017-12-29 充电站电池储能配置方法和装置 Pending CN108306358A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711489903.0A CN108306358A (zh) 2017-12-29 2017-12-29 充电站电池储能配置方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711489903.0A CN108306358A (zh) 2017-12-29 2017-12-29 充电站电池储能配置方法和装置

Publications (1)

Publication Number Publication Date
CN108306358A true CN108306358A (zh) 2018-07-20

Family

ID=62867895

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711489903.0A Pending CN108306358A (zh) 2017-12-29 2017-12-29 充电站电池储能配置方法和装置

Country Status (1)

Country Link
CN (1) CN108306358A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111244564A (zh) * 2020-01-17 2020-06-05 浙江大学 一种锂电池组多目标同时充电方法
CN113392506A (zh) * 2021-05-21 2021-09-14 苏州市排水有限公司 一种基于流量的区域污水泵站联合调度的优化配置方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090261779A1 (en) * 2008-04-09 2009-10-22 Intellon Corporation Transmission line directional awareness
CN103077429A (zh) * 2013-01-10 2013-05-01 华北电力大学 含风光发电与电动汽车换电站的孤立微电网容量优化方法
CN105117805A (zh) * 2015-09-15 2015-12-02 武汉大学 一种利用电动汽车的虚拟发电厂优化调度方法及系统
CN106299511A (zh) * 2016-08-02 2017-01-04 万马联合新能源投资有限公司 电动汽车充电站储能容量优化方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090261779A1 (en) * 2008-04-09 2009-10-22 Intellon Corporation Transmission line directional awareness
CN103077429A (zh) * 2013-01-10 2013-05-01 华北电力大学 含风光发电与电动汽车换电站的孤立微电网容量优化方法
CN105117805A (zh) * 2015-09-15 2015-12-02 武汉大学 一种利用电动汽车的虚拟发电厂优化调度方法及系统
CN106299511A (zh) * 2016-08-02 2017-01-04 万马联合新能源投资有限公司 电动汽车充电站储能容量优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李芹芹等: "快速充电站储能系统容量配置的研究", 《电气应用》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111244564A (zh) * 2020-01-17 2020-06-05 浙江大学 一种锂电池组多目标同时充电方法
CN113392506A (zh) * 2021-05-21 2021-09-14 苏州市排水有限公司 一种基于流量的区域污水泵站联合调度的优化配置方法

Similar Documents

Publication Publication Date Title
Gao et al. Robust coordinated optimization of active and reactive power in active distribution systems
Rahimzadeh et al. Looking for optimal number and placement of FACTS devices to manage the transmission congestion
Phadke et al. A new multi-objective fuzzy-GA formulation for optimal placement and sizing of shunt FACTS controller
CN111092429B (zh) 一种柔性互联配电网的优化调度方法、存储介质及处理器
CN110198033B (zh) 柔性直流送端新能源孤网无功电压控制方法及装置
CN102570475B (zh) 提高配电网暂态电压安全性的静止无功补偿装置配置方法
Kılıç et al. Optimal power flow solution of two-terminal HVDC systems using genetic algorithm
CN108306358A (zh) 充电站电池储能配置方法和装置
Lindner et al. Operation strategies of battery energy storage systems for preventive and curative congestion management in transmission grids
Xing et al. [Retracted] Optimal Coordinated Energy Management in Active Distribution System with Battery Energy Storage and Price‐Responsive Demand
CN109873437A (zh) 优化方法、装置、存储介质及处理器
Chang Multi‐objective optimal thyristor controlled series compensator installation strategy for transmission system loadability enhancement
Tejaswini et al. Dragonfly algorithm for optimal allocation of D-STATCOM in distribution systems
Shirbhate et al. Congestion Management by Static Var Compensator (SVC) Using Power World Simulator
Londák et al. Peak Shaving in Microgrids Using Hybrid Storage
Dutta et al. Optimal allocation of static synchronous series compensator controllers using chemical reaction optimization for reactive power dispatch
CN108336726A (zh) 电能参数确定方法和装置
Gupta et al. Cost optimal control of microgrids having solar power and energy storage
Rashed et al. Optimal placement of thyristor controlled series compensation in power system based on differential evolution algorithm
CN108336776A (zh) 充电站配电容量确定方法和装置
Yabuuchi et al. A basic study on scheduling method for electric power saving of production machine
Isha et al. An improved lightning search algorithm employed performance enhancement in distribution system
Ramesh et al. Combined facts and microgrid-based congestion management in transmission lines
Kumari et al. Application of PSAT for voltage stability improvement using FACTS devices
Dongre et al. Power flow analysis using optimal power flow method

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

Application publication date: 20180720

RJ01 Rejection of invention patent application after publication