CN109038624B - 基于双蓄电池容量动态分配的家庭能源调度方法 - Google Patents

基于双蓄电池容量动态分配的家庭能源调度方法 Download PDF

Info

Publication number
CN109038624B
CN109038624B CN201810863749.7A CN201810863749A CN109038624B CN 109038624 B CN109038624 B CN 109038624B CN 201810863749 A CN201810863749 A CN 201810863749A CN 109038624 B CN109038624 B CN 109038624B
Authority
CN
China
Prior art keywords
power
energy
scheduling
power generation
storage battery
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
Application number
CN201810863749.7A
Other languages
English (en)
Other versions
CN109038624A (zh
Inventor
朱武
李盛林
杜瑞
夏正亚
张娜娜
邓安全
林娜
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.)
Shanghai University of Electric Power
Original Assignee
Shanghai University of Electric Power
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 Shanghai University of Electric Power filed Critical Shanghai University of Electric Power
Priority to CN201810863749.7A priority Critical patent/CN109038624B/zh
Publication of CN109038624A publication Critical patent/CN109038624A/zh
Application granted granted Critical
Publication of CN109038624B publication Critical patent/CN109038624B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

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

Abstract

本发明涉及一种基于双蓄电池容量动态分配的家庭能源调度方法，可再生能源和蓄电池能源存储系统通过家庭能源调度系统控制给家庭供电，多余能源送入电网，蓄电池能源存储系统来源于可再生能源，把蓄电池能源存储系统分成充电组和调度组，充电组用于存储发电不稳定的可再生能源，将昨天保存的可再生能源作为该组存储系统的初始容量参加今天的家庭能源调度；两组能源存储子系统的容量根据可再生能源日发电量预测动态分配的。该调度方法降低可再生能源的间歇性和随机性对家庭能源调度的影响，同时可以降低家庭用电成本，还可以避免可再生能源间歇性发电对家庭用电调度的影响。

Description

基于双蓄电池容量动态分配的家庭能源调度方法
技术领域
本发明涉及一种能源管理技术，特别涉及一种基于双蓄电池容量动态分配的家庭能源调度方法。
背景技术
现如今，居民的用电日益多样化和用电总量呈现逐步上升趋势。为了提高电力系统的安全性、可靠性、经济性和增加用户和电力公司之间的交流，智能电网成为了近期的研究热门。此外，用户侧的可再生能源和能源存储系统的安装不仅使得用电更加绿色，而且进一步降低用户的用电成本。
可再生能源具有间歇性和随机性，这些特点使得可再生能源发电预测的准确性难以得到保证。没有储能可再生能源不具备可持续性；没有可再生能源，储能不具备较好的经济有效性。蓄电池对家庭用电成本的降低有着重要的地位，蓄电池不仅可以保存可再生能源用于在其他高电价段使用，还可以在低电价段从电网买电存储供高电价段放电使用。当可再生能源发电预测存在很大的误差时不仅使家庭能源调度难以进行，而且还可能造成可再生能源的浪费。如何利用好蓄电池与可再生能源之间的协同操作是降低可再生能源不确定性对家庭能源调度影响的关键。
发明内容
本发明是针对可再生能源间歇性和随机性导致预测误差，对家庭能源管理系统中能源调度产生很大影响的问题，提出了一种基于双蓄电池容量动态分配的家庭能源调度方法，降低可再生能源的间歇性和随机性对家庭能源调度的影响。
本发明的技术方案为：一种基于双蓄电池容量动态分配的家庭能源调度方法，可再生能源和蓄电池能源存储系统通过家庭能源调度系统控制给家庭供电，多余能源送入电网，蓄电池能源存储系统来源于可再生能源，蓄电池能源存储系统动态分成充电组和调度组，充电组用于存储发电不稳定的可再生能源，调度组给家庭供电或电能送入电网，调度方法包括以下步骤：1)将可再生能源发电功率PPV根据发电量的可能性划分为必然部分功率
Figure BDA0001750391840000021
和概率部分功率
Figure BDA0001750391840000022
2)对可再生能源发电的必然部分进行日发电功率曲线
Figure BDA0001750391840000023
预测，预测的结果为每个时间段的发电功率；
3)对可再生能源发电的概率部分进行日发电量
Figure BDA0001750391840000024
预测；
4)根据概率部分的预测日发电量，把所有蓄电池容量Cbat划分为充电组容量
Figure BDA0001750391840000025
和调度组容量
Figure BDA0001750391840000026
根据概率部分的预测日发电量
Figure BDA0001750391840000027
选择对应容量的空蓄电池组作为充电组的容量
Figure BDA0001750391840000028
剩余的蓄电池组容量作为调度组的容量
Figure BDA0001750391840000029
5)昨日充电组的电能和昨日调度组的剩余容量全部归为今日调度组蓄电池的初始容量
Figure BDA00017503918400000210
6)充电组存储可再生能源发电的概率部分电能供第二天调度使用,调度组蓄电池和可再生能源发电的当天必然部分共同参与家庭能源调度；
7)获取实时电价和家庭负荷用电功率，建立家庭能源调度模型，模型的优化变量为蓄电池的充放功率；
8)求解调度模型获取蓄电池充放电控制变量，得到优化家庭能源的调度方案。
所述步骤2)中可再生能源发电的必然部分的日发电功率曲线
Figure BDA00017503918400000211
预测方法如下：
(1)不同天气类型对光伏发电量的影响很大，通过对历史发电数据统计将晴天、多云、阴天、雨天作为天气类型的种类；
(2)阴天和雨天的发电不确定性很大，设定必然发电量为0；晴天和多云分别统计出对每个季节的最小日发电功率曲线，并经过光滑处理后分别将其作为晴天和多云必然部分的日发电功率。
所述步骤3)中对可再生能源发电的概率部分进行日发电量
Figure BDA00017503918400000212
预测方法如下：
(1)统计历史一年的每日光伏发电总量；
(2)拟合出一年关于各个日期d对应的发电量曲线
Figure BDA00017503918400000213
拟合曲线加上一个最小常量b，避免预测过小造成可再生能源的浪费；最终使得曲线处在所有发电量点的上方得到最终的每日最大可能发电总量
Figure BDA0001750391840000031
这个最大日发电量
Figure BDA0001750391840000032
剔除了天气因素，只与日期有关：
Figure BDA0001750391840000033
(3)日最大可能发电总量减去日必然部分的发电量作为概率部分的预测日发电量：
Figure BDA0001750391840000034
其中，sum()表示求和，N为一天划分时间段的总段数。
所述步骤7)中建立家庭能源调度模型具体如下：
Figure BDA0001750391840000035
Figure BDA0001750391840000036
Figure BDA0001750391840000037
其中Costpay是指家庭用电成本；N为一天划分时间段的总段数、时间段h∈{1,2,…,N}；Pgrid,buy(h)≥0为购买功率，Pgrid,sell(h)≥0为出售功率，Pgrid(h)为与电网的交换功率，大于0表示购买，小于0表示出售；RTPbuy为实时买电电价,RTPsell为实时卖电电价；Pload(h)为用户负荷用电功率；Pbat(h)为蓄电池的充放电功率,大于0表示充电，小于0表示放电；
另外，蓄电池存在以下约束：
Figure BDA0001750391840000038
Figure BDA0001750391840000039
Figure BDA00017503918400000310
SOC(h)＝SOCini，if h＝0
Figure BDA00017503918400000311
Figure BDA00017503918400000312
Figure BDA00017503918400000313
其中，SOC表示蓄电池组当前电量Erem(h)与蓄电池组总容量EESS的比值；为了不过放电和过充电，设定允许的最小荷电状态SOCmin和最大荷电状态SOCmax；
Figure BDA0001750391840000041
和
Figure BDA0001750391840000042
表示蓄电池在时间段h的充电功率和放电功率，
Figure BDA0001750391840000043
和
Figure BDA0001750391840000044
分别表示充电效率和放电效率；SOCini为蓄电池组的初始容量比值；蓄电池在充放电的过程中，充电功率
Figure BDA0001750391840000045
和放电功率
Figure BDA0001750391840000046
需要分别保证在最大允许的充电功率
Figure BDA0001750391840000047
和最大允许的放电功率
Figure BDA0001750391840000048
下；此外，同一时间段里，不允许蓄电池调度组同时充放电，设定0-1充放电控制变量uESS(h)，实时买卖电价、家庭用电负荷为已知信息。
本发明的有益效果在于：本发明基于双蓄电池容量动态分配的家庭能源调度方法，把蓄电池能源存储系统分成充电组和调度组，充电组用于存储发电不稳定的可再生能源，将昨天保存的可再生能源作为该组存储系统的初始容量参加今天的家庭能源调度。另这两组能源存储子系统的容量根据可再生能源日发电量预测动态分配的。该系统不仅可以降低家庭用电成本，还可以避免可再生能源间歇性发电对家庭用电调度的影响。
附图说明
图1为本发明基于双蓄电池容量动态分配的家庭能源调度系统架构框图；
图2为本发明基于双蓄电池容量动态分配的家庭能源调度方法流程图；
图3为间隔15分钟的天气类型和光伏发电功率图；
图4为一年中光伏最大发电量预测结果图。
具体实施方式
现有技术大都单个蓄电池系统参加家庭能源调度。这种方法在调度前对可再生能源发电量进行预测，将预测结果作为系统的输入进行调度优化操作。实际上，可再生能源的发电具有随机性和间歇性，它很大程度上依赖于天气的类型和日期。无误差预测可再生能源的发电功率通常是无法实现的。当可再生能源发电预测存在很大误差时，存在可再生能源无法提供足够的电能使得大大增加用电成本，甚至有可能使得调度失效。本发明把蓄电池能源存储系统分成充电组和调度组，充电组用于存储发电不稳定的可再生能源，调度组将昨天保存的可再生能源作为该组存储系统的初始容量参加今天的家庭能源调度，另这两组能源存储子系统的容量根据可再生能源日发电量预测动态分配的。
如图1所示，一种基于双蓄电池容量动态分配的家庭能源调度系统架构框图，如风力发电、光伏发电可再生能源和能源存储系统通过家庭能源调度系统控制给家庭供电，多余能源送入电网，能源存储系统来源于可再生能源，能源存储系统动态分成充电组和调度组，充电组用于存储发电不稳定的可再生能源，调度组给家庭供电或电能送入电网，调度方法如图2所示，包括以下步骤：
(S1)将可再生能源发电功率PPV划分为必然部分功率
Figure BDA0001750391840000051
和概率部分功率
Figure BDA0001750391840000052
这里以光伏发电可再生能源为例。因为光伏发电很大程度依赖于当天的天气状况和日期对应的太阳位置，所以可再生能源系统发电具有不连续性和间歇性，如图3展示了2016.1.1-2016.1.7间隔15分钟的天气类型和光伏发电功率。可再生能源发电是根据发电量的可能性划分为必然部分和概率部分。其中，必然部分功率
Figure BDA0001750391840000053
为可再生能源预测必然会在实际上产生的部分，概率部分功率
Figure BDA0001750391840000054
为可再生能源预测预测发电不确定的部分，它们之间存在以下关系：
Figure BDA0001750391840000055
(S2)对可再生能源发电的必然部分进行日发电功率曲线
Figure BDA0001750391840000056
预测。必然发电部分的功率是直接参与家庭能源调度的，预测的结果为每个时间段的发电功率。必然发电部分的预测方法如下：(1)不同天气类型对光伏发电量的影响很大。通过对历史发电数据统计将晴天、多云、阴天、雨天作为天气类型的种类；(2)阴天和雨天的发电不确定性很大，设定必然发电量为0；而晴天和多云需要分别统计出对每个季节的最小日发电功率曲线，并经过光滑处理后分别将其作为晴天和多云必然部分的日发电功率。
(S3)对可再生能源发电的概率部分进行日发电量
Figure BDA0001750391840000057
预测。可再生能源发电的概率部分是采用独立的充电组蓄电池进行存储的，存储的电能供第二天调度使用。因此只需要根据概率部分的预测最大发电量在每一天预留足够的蓄电池容量。概率发电部分的预测方法如下：(1)统计历史一年的每日光伏发电总量；(2)拟合出一年关于各个日期d对应的发电量曲线
Figure BDA0001750391840000061
拟合曲线加上一个最小常量b，
Figure BDA0001750391840000062
(常数b与拟合的结果有关，目的是为了保证拟合的结果刚好大于发电量曲线
Figure BDA0001750391840000063
避免预测过小造成可再生能源的浪费)，最终使得曲线处在所有发电量点的上方得到最终的每日最大可能发电总量
Figure BDA0001750391840000064
这个最大日发电量
Figure BDA0001750391840000065
剔除了天气因素，只与日期有关：
Figure BDA0001750391840000066
一年中光伏最大发电量预测结果如图4所示；(3)日最大可能发电总量减去日必然部分的发电量作为概率部分的预测日发电量：
Figure BDA0001750391840000067
其中，sum()表示求和，N为一天划分时间段的总段数。
(S4)根据概率部分的预测日发电量，把所有蓄电池容量Cbat划分为充电组容量
Figure BDA0001750391840000068
和调度组容量
Figure BDA0001750391840000069
根据概率部分的预测日发电量
Figure BDA00017503918400000610
选择对应容量的空蓄电池组作为充电组的容量
Figure BDA00017503918400000611
剩余的蓄电池组容量作为调度组的容量
Figure BDA00017503918400000612
(S5)昨日充电组的电能(由可再生能源的概率部分发电)和昨日调度组的剩余容量(昨日的调度组参与家庭能源调度可能会存在剩余电能在调度组电池中)全部归为今日调度组蓄电池的初始容量
Figure BDA00017503918400000613
换言之，所有昨日的蓄电池(包括调度组和充电组)的剩余电能作为调度组的初始容量
Figure BDA00017503918400000614
(S6)充电组存储可再生能源发电的概率部分电能供第二天调度使用,调度组蓄电池和可再生能源发电的当天必然部分共同参与家庭能源调度。光伏电池板发电的必然部分经过电能质量处理后作为已知量参加家庭能源调度，能量的去向根据调度结果选择保存在调度组蓄电池、供能给家庭用电器或出售给电力公司。光伏电池板发电的概率部分优先保存在充电组蓄电池中供第二天调度使用。
(S7)获取已知信息：实时电价、家庭负荷用电功率，建立家庭能源调度模型。建立家庭能源调度模型具体如下：
Figure BDA0001750391840000071
Figure BDA0001750391840000072
Pgrid为与电网的交换功率，用户负荷用电功率Pload(h)可以由可再生能源、蓄电池、电网来进行供能，其中，可再生能源的必然发电部分是直接给用电器供能的所以应该减去；蓄电池功率为正时表示充电相当于负荷，为负时表示放电相当于供电给家庭负荷。
Figure BDA0001750391840000073
其中Costpay是指家庭用电成本；N为一天划分时间段的总段数、时间段h∈{1,2,…,N}；Pgrid,buy(h)≥0为购买功率，Pgrid,sell(h)≥0为出售功率，Pgrid(h)为与电网的交换功率(大于0表示购买，小于0表示出售)；RTPbuy为实时买电电价、RTPsell为实时卖电电价；Pload(h)为用户负荷用电功率；Pbat(h)为蓄电池的充放电功率(大于0表示充电，小于0表示放电)。另外，蓄电池存在以下约束：
Figure BDA0001750391840000074
Figure BDA0001750391840000075
Figure BDA0001750391840000076
SOC(h)＝SOCini，if h＝0
Figure BDA0001750391840000077
Figure BDA0001750391840000078
Figure BDA0001750391840000079
其中，SOC表示蓄电池组当前电量Erem(h)与蓄电池组总容量EESS的比值；为了不过放电和过充电，设定允许的最小荷电状态SOCmin和最大荷电状态SOCmax；
Figure BDA00017503918400000710
和
Figure BDA00017503918400000711
表示蓄电池在时间段h的充电功率和放电功率，
Figure BDA00017503918400000712
和
Figure BDA00017503918400000713
分别表示充电效率和放电效率；SOCini为蓄电池组的初始容量比值；蓄电池在充放电的过程中，充电功率
Figure BDA0001750391840000081
和放电功率
Figure BDA0001750391840000082
需要分别保证在最大允许的充电功率
Figure BDA0001750391840000083
和最大允许的放电功率
Figure BDA0001750391840000084
下；此外，同一时间段里，不允许蓄电池调度组同时充放电，设定0-1充放电控制变量uESS(h)。实时买卖电价、家庭用电负荷为已知信息。
(S8)求解调度模型获取蓄电池充放电控制变量。由步骤(S7)建立家庭能源调度模型，该模型的优化变量为蓄电池的充放功率，对该模型的优化可以采用进化算法来求解。当得知蓄电池充放电控制变量后，就可以算出从电网的购买功率
Figure BDA0001750391840000085
最后，知道家庭用负荷的用电功率、可再生能源的必然发电功率和概率发电功率、蓄电池的充放电功率后，就可以得到优化家庭能源的调度方案。

Claims (3)

1.一种基于双蓄电池容量动态分配的家庭能源调度方法，可再生能源和蓄电池能源存储系统通过家庭能源调度系统控制给家庭供电，多余能源送入电网，蓄电池能源存储系统来源于可再生能源，其特征在于，蓄电池能源存储系统动态分成充电组和调度组，充电组用于存储发电不稳定的可再生能源，调度组给家庭供电或电能送入电网，调度方法包括以下步骤：
1)将可再生能源发电功率PPV根据发电量的可能性划分为必然部分功率
Figure FDA0003109669180000011
和概率部分功率
Figure FDA0003109669180000012
2)对可再生能源发电的必然部分进行日发电功率曲线
Figure FDA0003109669180000013
预测，预测的结果为每个时间段的发电功率；
3)对可再生能源发电的概率部分进行日发电量
Figure FDA0003109669180000014
预测；
4)根据概率部分的预测日发电量，把所有蓄电池容量Cbat划分为充电组容量
Figure FDA0003109669180000015
和调度组容的电能量
Figure FDA0003109669180000016
根据概率部分的预测日发电量
Figure FDA0003109669180000017
选择对应容量的空蓄电池组作为充电组的容量
Figure FDA0003109669180000018
剩余的蓄电池组容量作为调度组的容量
Figure FDA0003109669180000019
5)昨日充电组和昨日调度组的剩余容量全部归为今日调度组蓄电池的初始容量
Figure FDA00031096691800000110
6)充电组存储可再生能源发电的概率部分电能供第二天调度使用,调度组蓄电池和可再生能源发电的当天必然部分共同参与家庭能源调度；
7)获取实时电价和家庭负荷用电功率，建立家庭能源调度模型，模型的优化变量为蓄电池的充放功率；所述步骤7)中建立家庭能源调度模型具体如下：
Figure FDA00031096691800000111
Figure FDA00031096691800000112
Figure FDA00031096691800000113
其中Costpay是指家庭用电成本；N为一天划分时间段的总段数、时间段h∈{1,2,…,N}；Pgrid,buy(h)≥0为购买功率，Pgrid,sell(h)≥0为出售功率，Pgrid(h)为与电网的交换功率，大于0表示购买，小于0表示出售；RTPbuy为实时买电电价,RTPsell为实时卖电电价；Pload(h)为用户负荷用电功率；Pbat(h)为蓄电池的充放电功率,大于0表示充电，小于0表示放电；
另外，蓄电池存在以下约束：
Figure FDA0003109669180000021
Figure FDA0003109669180000022
Figure FDA0003109669180000023
SOC(h)＝SOCini，if h＝0
Figure FDA0003109669180000024
Figure FDA0003109669180000025
Figure FDA0003109669180000026
其中，SOC表示蓄电池组当前电量Erem(h)与蓄电池组总容量EESS的比值；为了不过放电和过充电，设定允许的最小荷电状态SOCmin和最大荷电状态SOCmax；
Figure FDA0003109669180000027
和
Figure FDA0003109669180000028
表示蓄电池在时间段h的充电功率和放电功率，
Figure FDA0003109669180000029
和
Figure FDA00031096691800000210
分别表示充电效率和放电效率；N为一天划分时间段的总段数；SOCini为蓄电池组的初始容量比值；蓄电池在充放电的过程中，充电功率
Figure FDA00031096691800000211
和放电功率
Figure FDA00031096691800000212
需要分别保证在最大允许的充电功率
Figure FDA00031096691800000213
和最大允许的放电功率
Figure FDA00031096691800000214
下；此外，同一时间段里，不允许蓄电池调度组同时充放电，设定0-1充放电控制变量uESS(h)，实时买卖电价、家庭用电负荷为已知信息；
8)求解调度模型获取蓄电池充放电控制变量，得到优化家庭能源的调度方案。
2.根据权利要求1所述基于双蓄电池容量动态分配的家庭能源调度方法，其特征在于，所述步骤2)中可再生能源发电的必然部分的日发电功率曲线
Figure FDA00031096691800000215
预测方法如下：
(1)不同天气类型对光伏发电量的影响很大，通过对历史发电数据统计将晴天、多云、阴天、雨天作为天气类型的种类；
(2)阴天和雨天的发电不确定性很大，设定必然发电量为0；晴天和多云分别统计出对每个季节的最小日发电功率曲线，并经过光滑处理后分别将其作为晴天和多云必然部分的日发电功率。
3.根据权利要求1所述基于双蓄电池容量动态分配的家庭能源调度方法，其特征在于，所述步骤3)中对可再生能源发电的概率部分进行日发电量
Figure FDA0003109669180000031
预测方法如下：
(1)统计历史一年的每日光伏发电总量；
(2)拟合出一年关于各个日期d对应的发电量曲线
Figure FDA0003109669180000032
拟合曲线加上一个最小常量b，避免预测过小造成可再生能源的浪费；最终使得曲线处在所有发电量点的上方得到最终的每日最大可能发电总量
Figure FDA0003109669180000033
这个最大日发电量
Figure FDA0003109669180000034
剔除了天气因素，只与日期有关：
Figure FDA0003109669180000035
(3)日最大可能发电总量减去日必然部分的发电量作为概率部分的预测日发电量：
Figure FDA0003109669180000036
其中，sum()表示求和，N为一天划分时间段的总段数。
CN201810863749.7A 2018-08-01 2018-08-01 基于双蓄电池容量动态分配的家庭能源调度方法 Active CN109038624B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810863749.7A CN109038624B (zh) 2018-08-01 2018-08-01 基于双蓄电池容量动态分配的家庭能源调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810863749.7A CN109038624B (zh) 2018-08-01 2018-08-01 基于双蓄电池容量动态分配的家庭能源调度方法

Publications (2)

Publication Number Publication Date
CN109038624A CN109038624A (zh) 2018-12-18
CN109038624B true CN109038624B (zh) 2021-09-07

Family

ID=64647310

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810863749.7A Active CN109038624B (zh) 2018-08-01 2018-08-01 基于双蓄电池容量动态分配的家庭能源调度方法

Country Status (1)

Country Link
CN (1) CN109038624B (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105515062A (zh) * 2016-01-28 2016-04-20 国家电网公司 基于风电和水电的电力系统调峰方法
CN106228258A (zh) * 2016-07-11 2016-12-14 浙江工业大学 一种计及需求侧管理的家庭能源局域网能量优化控制方法
CN107565880A (zh) * 2017-08-03 2018-01-09 上海特跃售电有限公司 优化型风光互补混合发电系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10535998B2 (en) * 2017-12-06 2020-01-14 Inventus Holdings, Llc Controlling a behind the meter energy storage and dispatch system to improve power efficiency

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105515062A (zh) * 2016-01-28 2016-04-20 国家电网公司 基于风电和水电的电力系统调峰方法
CN106228258A (zh) * 2016-07-11 2016-12-14 浙江工业大学 一种计及需求侧管理的家庭能源局域网能量优化控制方法
CN107565880A (zh) * 2017-08-03 2018-01-09 上海特跃售电有限公司 优化型风光互补混合发电系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Intelligent cloud home energy management system using household appliance priority based scheduling based on prediction of renewable energy capability";Jinsung Byun等;《IEEE Transactions on Consumer Electronics》;20121130;第58卷(第4期);1194-1201 *
"面向智能用电的家庭能量协同调度策略";王守相等;《电力系统自动化》;20150910;第39卷(第17期);108-113 *

Also Published As

Publication number Publication date
CN109038624A (zh) 2018-12-18

Similar Documents

Publication Publication Date Title
CN107565607B (zh) 一种基于实时电价机制的微电网多时间尺度能量调度方法
US11742668B2 (en) Methods and systems for green energy charging of electrical vehicles
CN109217290B (zh) 计及电动汽车充放电的微网能量优化管理方法
CN104200297A (zh) 实时电价环境下的家居混合供电系统能量优化调度方法
CN107425534B (zh) 一种基于优化蓄电池充放电策略的微电网调度方法
CN109948823B (zh) 一种光储充电塔自适应鲁棒日前优化调度方法
CN103795079A (zh) 离网并网混合光伏发电控制系统及其经济性运行优化方法
CN110601334B (zh) 一种充电站及其能量调度管理方法
CN113988444A (zh) 一种光储系统的电费优化控制系统及方法
CN116151486B (zh) 含储能系统的光伏充电站多时间尺度随机优化方法及装置
CN112383086B (zh) 一种孤岛微电网日前能量-备用联合优化调度方法
CN108988337B (zh) 一种微电网系统储能装置的设计方法及微电网系统
CN112101632B (zh) 基于分布式估计算法楼宇负荷优化调度方法
CN115593266A (zh) 一种面向汽车充电预约的光储充电站能量调度方法和终端
CN109950900B (zh) 基于电动汽车负荷最小峰值模型的微网负荷削减控制方法
CN111126882A (zh) 虚拟变电站调度方法及终端设备
CN110826801A (zh) 电动车充电站分布式电能管理方法
TWI725606B (zh) 電動車充電站分散式電能管理方法
JP2017046507A (ja) 系統安定化システム
CN110070210B (zh) 一种多微电网系统能量管理与贡献度评估方法和系统
CN109038624B (zh) 基于双蓄电池容量动态分配的家庭能源调度方法
CA3097580C (en) Methods and systems for green energy charging of electrical vehicles
CN115377964A (zh) 一种区域两阶段弹性能量管理方法、系统、设备及介质
Yao et al. Determination of a dispatch strategy to maximize income for a wind turbine-BESS power station
US11476693B2 (en) System and method for optimizing storage and consumption of power according to tiered time-based criteria

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