CN109256792B - 一种面向分布式储能需求的储能集聚系统及其优化方法 - Google Patents
一种面向分布式储能需求的储能集聚系统及其优化方法 Download PDFInfo
- Publication number
- CN109256792B CN109256792B CN201811178491.3A CN201811178491A CN109256792B CN 109256792 B CN109256792 B CN 109256792B CN 201811178491 A CN201811178491 A CN 201811178491A CN 109256792 B CN109256792 B CN 109256792B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- distributed
- user
- term
- energy
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 460
- 238000005457 optimization Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000009826 distribution Methods 0.000 claims abstract description 32
- 238000006243 chemical reaction Methods 0.000 claims abstract description 7
- 230000005540 biological transmission Effects 0.000 claims abstract description 5
- 230000002457 bidirectional effect Effects 0.000 claims description 26
- 238000007599 discharging Methods 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 18
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 17
- 229910052744 lithium Inorganic materials 0.000 claims description 17
- 230000005611 electricity Effects 0.000 claims description 16
- 230000007774 longterm Effects 0.000 claims description 15
- 239000003990 capacitor Substances 0.000 claims description 14
- 230000007613 environmental effect Effects 0.000 claims description 13
- 230000010365 information processing Effects 0.000 claims description 12
- 238000012937 correction Methods 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 10
- 230000002354 daily effect Effects 0.000 claims description 9
- 238000011217 control strategy Methods 0.000 claims description 7
- 230000002776 aggregation Effects 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 5
- 230000036541 health Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000003203 everyday effect Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 238000007726 management method Methods 0.000 description 55
- 238000010248 power generation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013468 resource allocation Methods 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
- Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
-
- 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
- Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
- Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
- Y04S30/14—Details associated with the interoperability, e.g. vehicle recognition, authentication, identification or billing
Abstract
本发明公开了一种面向分布式储能需求的储能集聚系统及其优化方法，其物理层包括集中式储能电站、分布式储能单元、优化调度服务器、智能能量管理模块及智能故障管理模块。优化调度服务器为各储能单元制定短期储能计划；集中式储能电站与分布式储能单元是本系统的储能实体；智能能量管理模块与用户及各分布式储能单元相连，用于信息收集、信息传输及能量变换；智能故障管理模块分布在配电网重要节点，用于紧急状况下的故障切除；基于上述系统，提出一种多时间尺度的优化方法，能够根据用户储能需求优化调度储能实体。本发明通过集成规模效应及高效优化方法降低用户储能使用费用，契合未来储能市场发展趋向，具有良好的市场前景。
Description
技术领域
本发明涉及储能能量管理的技术领域，尤其是指一种面向分布式储能需求的储能集聚系统及其优化方法。
背景技术
分布式储能是一种主要安装于用户侧或分布式发电侧的储能，主要用于储存过剩的分布式发电电能，平抑分布式发电出力波动以减少对配电网的影响。近年来，可再生能源发电的蓬勃发展有效刺激了分布式储能的技术进步和应用。新能源拥有高渗透率的未来电力系统中，分布式储能将是其中的关键领域。
分布式储能在刚开始出现时，由于装机容量和数量并没有形成一定规模，对电网的冲击并不算严重。但随着其近年发展，分布式储能可控性差、接入分散的缺点充分暴露，缺乏有效管理手段使得电网的电压、频率和电能质量都经受考验，大大增加了电网的运行成本。分布式储能发展受限也将波及可再生能源的推广。有鉴于此，国内外各方作出了许多有益的尝试和理论研究，其中较有成效的有：1)“免费午餐”模式，储能电池商向用户出售蓄电池并享有电池的主要控制权，当电网电价较低时控制电池从电网充电，用户通过最大化自我消纳屋顶光伏所发的电力获得储能电池商奖励的额外电能，从而实现更低的电费账单。2)通过把能源管理模块与储能系统集成，将用户侧分散储能集成起来，使其可以在用户侧被用作虚拟电厂，该种虚拟电厂较传统具有更多功能，可提供一次调频控制和备用等服务。该种模式下用户可以自运营商获得辅助服务费用，从而降低电费。近年来，国内学者提出“负荷聚合商”概念，不久后又衍生出“资源聚合商”概念，即汇聚若干分布式用户储能参与电力市场交易。“云储能”则是该种“资源聚合商”的进一步具体化。云储能是将原本分散在用户侧的储能装置集中到云端，用云端的虚拟储能容量代替用户侧的实体储能，而云端的虚拟储能容量以大规模的储能设备为主要支撑，以分布式的储能为辅助，为大量的用户提供价廉质优的分布式储能服务。
云储能虽已经有了基本的运作模式，其商业模式也已经有了预测分析，但具体到云储能系统的技术实现并没有一种可实施方案。
发明内容
本发明的目的在于克服现有技术的缺点与不足，提出了一种面向分布式储能需求的储能集聚系统及其优化方法，可从技术层面实现其汇聚用户离散储能资源达到规模效应、平抑可再生能源出力波动、优化社会资源配置、为用户提供价廉质优的储能空间等系列基本目标。在此基础上，通过多目标多时间尺度优化方法，可实现精准、高效、实时的用户储能需求跟踪。另外，本发明在总储能空间有冗余时，可积极协助电网调峰调频，进一步为电网的安全稳定运行提供保障。
为实现上述目的，本发明所提供的技术方案如下：
一种面向分布式储能需求的储能集聚系统，包括：
优化调度服务器，用于实现多种时间尺度下的储能调度优化；
集中式储能电站，为大规模储能实体，根据用户实时储能需求及优化调度服务器提供的短期储能计划，控制其控制的储能单元充放以满足用户需求；
分布式储能单元，主要是电动汽车车载蓄电池，也包含居民储能电池，作为后备储能资源，当集中式储能电站不足以满足用户需求时，分布式储能单元将提供额外储能空间；
智能能量管理模块，即IEM,配置在用户侧及分布式储能单元侧，用于系统通信、信息收集以及与配电网的电能交互；
智能故障管理模块，即IFM,分布在配电网的重要节点，用于紧急状况下的故障切除。
进一步，所述集中式储能电站包含有液流电池组、锂电池组、超级电容器阵列、DC-AC变换器、电池能量管理模块及储能双向变流接口控制器；其中，所述液流电池组为主要储能设备，锂电池组为次要储能设备；所述超级电容器阵列为调节储能单元，用于响应短期储能计划与用户实时储能需求的误差，并在主、次要储能设备突发故障导致容量下降时作为后备储能；所述电池能量管理模块负责收集站内储能设备的荷电状态、健康状态和可用容量信息，并发送到储能双向变流接口控制器及优化调度服务器；所述储能双向变流接口控制器分别与液流电池组、锂电池组及超级电容器阵列相连，负责调度各储能单元充放；所述优化调度服务器由具有信息采集与发送功能的通信模块、信息处理模块、运行优化算法的储能优化调度模块和历史数据库构成；所述通信模块与信息处理模块连接，提供所采集信息，所述信息处理模块与储能优化调度模块连接，向储能优化调度模块提供经处理后信息，所述储能优化调度模块与通信模块连接，传递储能调度策略，所述历史数据库分别与通信模块、信息处理模块和储能优化调度模块连接，用于储存历史数据；所述优化调度服务器通过以太网与各智能能量管理模块、各智能故障管理模块、储能双向变流接口控制器及电池管理模块进行通信；所述储能双向变流接口控制器分别与液流电池组、锂电池组、超级电容阵列三种储能设备直接连接，对它们进行能量调度；所述DC/AC变换器与储能双向变流接口控制器串联后接入配电网；所述电池管理模块通过局域网或有线信道分别与液流电池组、锂电池组和超级电容阵列相连，采集储能设备状态信息；所述智能能量管理模块与用户、分布式储能单元相连接后，再与配电网连接。
进一步，配置在各用户和各分布式储能单元侧的智能能量管理模块，其一端与用户或分布式储能单元相连，其另一端与配电网相连；所述智能能量管理模块由电能变换装置及分布式网络智能模块构成，所述分布式网络智能模块用于实现通信功能；
用户侧的智能能量管理模块功能为：①收集用户历史负荷信息及用户储能需求，并通过分布式网络智能模块发送至优化调度服务器；②协助用户与配电网进行电能交互；③反馈储能调度与优化中心未来24小时储能服务价格，供用户参考；
分布式储能单元侧的智能能量管理模块功能为：①实现分布式储能与配电网的电能交互；②采集接入的分布式储能信息，包括电动汽车的荷电状态、预定接入时间范围、目标电量，间隔15分钟发送至优化调度服务器；③当用户储能需求大于集中式储能电站所能提供的储能容量时，集中式储能电站不能满足的用户需求将交由各分布式储能单元响应；所有分布式储能单元侧的智能能量管理模块根据该部分储能需求及优化调度服务器提供的短期储能计划，共同协调调度各分布式储能单元充放。
上述面向分布式储能需求的储能集聚系统的优化方法，为多时间尺度优化方法，包含长期、日前、短期及实时反馈校正4个阶段，通过长期、日前、短期、实时反馈校正四种时间尺度的优化过程协调各部分运作，集聚各类储能资源，满足用户群体储能需求；具体是：首先，对电价、用户需求和环境因素进行感知，获取相关预测数据；其后，优化调度服务器结合该预测数据完成长期、日前、短期三种时间尺度的优化，得到系统短期储能计划并发送到集中式储能电站及各分布式储能单元；各分布式储能单元根据短期储能计划，通过智能能量管理模块相互协调工作；集中式储能电站的储能双向变流接口控制器在考虑电池能量管理模块反馈信息、用户需求、环境因素及可能出现的突发状况后得出协调控制策略，以此管理其内部三种储能设备的充放电；最终，用户群体的储能需求得到有效满足；另外，为提高系统的运行稳定性，系统的冗余容量将用于协助配电网进行调峰调频，配电网关键节点配置有智能故障管理模块，用于紧急状况下切除故障；
其中，长期、日前及短期优化阶段在优化调度服务器中进行，具体如下：
长期优化阶段：优化调度服务器分析从气象中心、用户侧的智能能量管理模块、电力交易中心获得的历史数据，进行用户月度负荷、月度环境状况预测，并分析未来一个月的电价走势；据此，优化调度服务器对未来一个月储能规模进行估算，并调整储能设备投入数量以更好适应未来一月的用户储能需求；最终优化调度服务器基于经济性指标拟出月度储能计划，即未来一个月每天各储能实体的充放计划；
日前优化阶段：优化调度服务器分析从气象中心、用户侧的智能能量管理模块、电力交易中心获得的历史数据，进行未来一天用户负荷、环境状态及电价预测；据此，优化调度服务器获得未来24小时储能需求预测结果；结合从集中式储能电站所得储能阵列可用容量预测结果、从分布式储能获得的电动汽车接入状况预测结果，优化调度服务器从运行成本最小、储能服务提供商收益最大、用户满意度最高等角度进行多目标优化，拟定未来24小时储能服务价格反馈给用户供其参考；最后基于月度储能计划，优化调度服务器细化出每日储能计划，即未来一天每小时各储能实体的充放计划；
短期优化阶段：短期优化所优化时间区间为15分钟，优化间隔为5分钟；首先，优化调度服务器分析从气象中心、用户侧的智能能量管理模块获得的历史数据，得到短期负荷、短期环境状况预测，并从电力交易中心获得实时电价，最终结合预测模型得到用户短期储能需求；预测结果将与每日储能计划进行比对，得到二者误差；考虑用户储能需求在时间上的互补性，通过场景生成与消减技术对用户储能需求进行整合，从而缩小上述误差；优化调度服务器考虑集中式储能电站与分布式储能单元储能容量，将整合后的储能需求合理分配；整合后的储能需求一般仅由集中式储能电站满足；若集中式储能电站不能满足，优化调度服务器则把不能满足部分的储能需求分配给分布式储能；此后，优化调度服务器从运行成本最小、云储能服务收益最大、增值服务收益最大、用户满意度最高这些角度进行多目标优化，得到短期储能计划，即未来15分钟内各储能充放计划，并发送到集中式储能电站和分布式储能；
实时反馈校正阶段在储能实体中进行，具体如下：
集中式储能电站：储能双向变流接口控制器接收用户的实时储能需求，考虑电池能量管理模块所反馈储能阵列信息，做出协调控制策略；其中液流电池组及锂电池组的电能充放按短期储能计划进行；超级电容器阵列用于响应短期储能计划与用户实时储能需求的误差，并在主、次要储能设备因突发故障导致容量下降时作为系统后备储能；
分布式储能单元：在用户储能需求大时，各分布式储能单元的智能能量管理模块同时接收优化调度服务器发出的短期储能计划和集中式储能电站不能满足的用户实时储能需求；各智能能量管理模块相互协调，根据各分布式储能的可用容量分配用户储能需求，并安排部分高性能分布式储能单元响应短期储能计划与用户实时储能需求的误差。
本发明与现有技术相比，具有如下优点与有益效果：
1、通过本发明，用户可以得到实时、按需、优质和低价的储能服务，不仅节省了储能设备的购买、安装、维护成本，降低了储能服务的使用成本；而且可通过虚拟储能的购买方便地调节自己的用电计划，降低电费并最大限度的消纳自身拥有的分布式能源。
2、储能服务提供商通过对用户收取储能空间租赁费可回收前期投资成本并持续获利；通过多目标多时间尺度优化算法合理规划集中式储能和分布式储能的充放，可有效降低运行成本，实现利益最大化；可与电网合作，利用储能系统冗余储能空间提供调峰调频增值服务，收取相应服务费用获利。
3、储能集聚系统整合了大量产消者集群的储能需求，缓解了分布式发电大量接入对配电网的冲击，相应的运行维护成本下降；本发明冗余储能空间可配合配电网进行调峰调频，更好地改善电能质量。
4、本发明充分利用社会闲置资源，优化了社会资源配置。
5、本发明依托智能能量管理模块与智能故障管理模块构成能量传输管理结构，保障了系统运行稳定。
附图说明
图1为本发明储能集聚系统结构图。
图2为多时间尺度优化流程图。
图3为集中式储能电站内部信息流动图。
图4为分布式储能单元协调控制示意图。
具体实施方式
下面结合具体实施例对本发明作进一步说明。
如图1所示，本实施例所提供的面向分布式储能需求的储能集聚系统，包括：
优化调度服务器：用于实现多种时间尺度下的储能调度优化。
集中式储能电站：大规模储能实体，根据用户实时储能需求及优化调度服务器提供的短期储能计划，控制其控制的储能单元充放以满足用户需求。
分布式储能单元：主要是电动汽车车载蓄电池，也包含居民储能电池。作为后备储能资源，当集中式储能电站不足以满足用户需求时，分布式储能将提供额外储能空间。
智能能量管理模块(Intelligent Energy Management，IEM)：配置在用户侧及分布式储能单元侧，用于系统通信、信息收集以及与配电网的电能交互。
智能故障管理模块(Intelligent Fault Management，IFM)：分布在配电网的重要节点，用于紧急状况下的故障切除。
所述集中式储能电站包含有设备：液流电池组、锂电池组、超级电容器阵列、DC-AC变换器、电池能量管理模块及储能双向变流接口控制器。其中，液流电池组为主要储能设备，锂电池组为次要储能设备。超级电容器阵列为调节储能单元，用于响应短期储能计划与用户实时储能需求的误差，并在主次要储能设备突发故障导致容量下降时作为后备储能。电池能量管理模块负责收集站内储能设备的荷电状态、健康状态、可用容量等信息，并发送到储能双向变流接口控制器及优化调度服务器。储能双向变流接口控制器考虑优化调度服务器提供的短期储能计划、储能阵列信息及突发状况，做出协调控制策略，调度各储能单元充放。DC-AC变换器与储能双向变流接口控制器串联后接入配电网，实现与配电网间的电能双向交互。所述优化调度服务器由具有信息采集与发送功能的通信模块、信息处理模块、运行优化算法的储能优化调度模块和历史数据库构成；所述通信模块与信息处理模块连接，提供所采集信息，所述信息处理模块与储能优化调度模块连接，向储能优化调度模块提供经处理后信息，所述储能优化调度模块与通信模块连接，传递储能调度策略，所述历史数据库分别与通信模块、信息处理模块和储能优化调度模块连接，用于储存历史数据；所述优化调度服务器通过以太网与各智能能量管理模块、各智能故障管理模块、储能双向变流接口控制器及电池管理模块进行通信；所述储能双向变流接口控制器分别与液流电池组、锂电池组、超级电容阵列三种储能设备直接连接，对它们进行能量调度；所述DC/AC变换器与储能双向变流接口控制器串联后接入配电网；所述电池管理模块通过局域网或有线信道分别与液流电池组、锂电池组和超级电容阵列相连，采集储能设备状态信息；所述智能能量管理模块与用户、分布式储能单元相连接后，再与配电网连接。
所述配置在各用户、各分布式储能单元的智能能量管理模块，其由电能变换装置及分布式网络智能模块构成。所述分布式网络智能模块用于实现通信功能。
用户侧的智能能量管理模块功能为：①收集用户历史负荷信息及用户储能需求，并通过分布式网络智能模块发送至优化调度服务器。②协助用户与配电网进行电能交互。③反馈储能调度与优化中心未来24小时储能服务价格，供用户参考。
分布式储能单元侧智能能量管理模块功能为：①实现分布式储能与配电网的电能交互。②采集接入的分布式储能信息，包括电动汽车的荷电状态、预定接入时间范围、目标电量等，间隔15分钟发送至优化调度服务器。③当用户储能需求大于集中式储能电站所能提供的储能容量时，集中式储能电站不能满足的用户需求将交由各分布式储能单元响应。所有分布式储能侧智能能量管理模块根据该部分储能需求及优化调度服务器提供的短期储能计划，共同协调调度各分布式储能单元充放。
本实施例也提供了上述面向分布式储能需求的储能集聚系统的优化方法，为多时间尺度优化方法，包含长期、日前、短期、及实时反馈校正4个阶段，通过长期、日前、短期、实时反馈校正四种时间尺度的优化过程协调各部分运作，集聚各类储能资源，满足用户群体储能需求。具体是：首先，对电价、用户需求和环境因素进行感知，获取相关预测数据；其后，优化调度服务器结合该预测数据完成长期、日前、短期三种时间尺度的优化，得到系统短期储能计划并发送到集中式储能电站及各分布式储能单元；各分布式储能单元根据短期储能计划，通过智能能量管理模块相互协调工作；集中式储能电站的储能双向变流接口控制器在考虑电池能量管理模块反馈信息、用户需求、环境因素及可能出现的突发状况后得出协调控制策略，以此管理其内部三种储能设备的充放电；最终，用户群体的储能需求得到有效满足；另外，为提高系统的运行稳定性，系统的冗余容量将用于协助配电网进行调峰调频，配电网关键节点配置有智能故障管理模块，用于紧急状况下切除故障。
优化流程如图2所示，并可阐述如下：
长期、日前及短期优化阶段在优化调度服务器中进行，具体如下：
长期优化阶段。优化调度服务器分析从气象中心、用户侧智能能量管理模块、电力交易中心获得的历史数据，进行用户月度负荷、月度环境状况预测，并分析未来一个月的电价走势。据此，优化调度服务器对未来一个月储能规模进行估算，并调整储能设备投入数量以更好适应未来一月的用户储能需求。最终优化调度服务器基于经济性指标拟出月度储能计划，即未来一个月每天各储能实体的充放计划。
日前优化阶段。优化调度服务器分析从气象中心、用户侧智能能量管理模块、电力交易中心获得的历史数据，进行未来一天用户负荷、环境状态及电价预测。据此，优化调度服务器获得未来24小时储能需求预测结果。结合从集中式储能电站所得储能阵列可用容量预测结果、从分布式储能获得的电动汽车接入状况预测结果，优化调度服务器从运行成本最小、储能服务提供商收益最大、用户满意度最高等角度进行多目标优化，拟定未来24小时储能服务价格反馈给用户供其参考。最后基于月度储能计划，优化调度服务器细化出每日储能计划，即未来一天每小时各储能实体的充放计划。
短期优化阶段。短期优化所优化时间区间为15分钟，优化间隔为5分钟。首先，优化调度服务器分析从气象中心、用户侧智能能量管理模块获得的历史数据，得到短期负荷、短期环境状况预测，并从电力交易中心获得实时电价，最终结合预测模型得到用户短期储能需求。该预测结果将与每日储能计划进行比对，得到二者误差。考虑用户储能需求在时间上的互补性，通过场景生成与消减技术对用户储能需求进行整合，从而缩小上述误差。优化调度服务器考虑集中式储能电站与分布式储能单元储能容量，将整合后的储能需求合理分配。整合后的储能需求一般仅由集中式储能电站满足。若集中式储能电站不能满足，优化调度服务器则把不能满足部分的储能需求分配给分布式储能。此后，优化调度服务器从运行成本最小、云储能服务收益最大、增值服务收益最大、用户满意度最高等角度进行多目标优化，得到短期储能计划，即未来15分钟内各储能充放计划，并发送到集中式储能电站和分布式储能。
实时反馈校正阶段。该阶段在储能实体中进行，具体如下：
集中式储能电站：集中式储能电站的实时反馈校正过程如图3所示，储能双向变流接口控制器接收用户的实时储能需求，考虑电池能量管理模块所反馈储能阵列信息以及突发状况(如设备故障导致容量下降)，做出协调控制策略。其中液流电池组及锂电池组的电能充放按短期储能计划进行。超级电容器阵列用于响应短期储能计划与用户实时储能需求的误差，并作为主、次要储能设备突发故障导致容量下降时的后备储能。
分布式储能单元：各分布式储能单元的实时反馈校正流程如图4所示，在用户储能需求过大时，各分布式储能单元的智能能量管理模块同时接收优化调度服务器发出的短期储能计划和集中式储能电站不能满足的用户实时储能需求。各智能能量管理模块相互协调，根据各分布式储能的可用容量分配用户储能需求，并安排部分高性能分布式储能个体响应短期储能计划与用户实时储能需求的误差。
以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。
Claims (3)
1.一种面向分布式储能需求的储能集聚系统，其特征在于，包括：
优化调度服务器，用于实现多种时间尺度下的储能调度优化；
集中式储能电站，为大规模储能实体，根据用户实时储能需求及优化调度服务器提供的短期储能计划，控制其控制的储能单元充放以满足用户需求；
分布式储能单元，主要是电动汽车车载蓄电池，也包含居民储能电池，作为后备储能资源，当集中式储能电站不足以满足用户需求时，分布式储能单元将提供额外储能空间；
智能能量管理模块，配置在用户侧及分布式储能单元侧，用于系统通信、信息收集以及与配电网的电能交互；
智能故障管理模块，分布在配电网的节点，用于紧急状况下的故障切除；
所述面向分布式储能需求的储能集聚系统的优化方法为多时间尺度优化方法，包含长期、日前、短期及实时反馈校正4个阶段，通过长期、日前、短期、实时反馈校正四种时间尺度的优化过程协调各部分运作，集聚各类储能资源，满足用户群体储能需求；具体是：首先，对电价、用户需求和环境因素进行感知，获取相关预测数据；其后，优化调度服务器结合该预测数据完成长期、日前、短期三种时间尺度的优化，得到系统短期储能计划并发送到集中式储能电站及各分布式储能单元；各分布式储能单元根据短期储能计划，通过智能能量管理模块相互协调工作；集中式储能电站的储能双向变流接口控制器在考虑电池能量管理模块反馈信息、用户需求、环境因素及出现的突发状况后得出协调控制策略，以此管理集中式储能电站的储能设备的充放电；最终，用户群体的储能需求得到有效满足；另外，为提高系统的运行稳定性，系统的冗余容量将用于协助配电网进行调峰调频，配电网关键节点配置有智能故障管理模块，用于紧急状况下切除故障；
其中，长期、日前及短期优化阶段在优化调度服务器中进行，具体如下：
长期优化阶段：优化调度服务器分析从气象中心、用户侧的智能能量管理模块、电力交易中心获得的历史数据，进行用户月度负荷、月度环境状况预测，并分析未来一个月的电价走势；据此，优化调度服务器对未来一个月储能规模进行估算，并调整储能设备投入数量以更好适应未来一月的用户储能需求；最终优化调度服务器基于经济性指标拟出月度储能计划，即未来一个月每天各储能实体的充放计划；
日前优化阶段：优化调度服务器分析从气象中心、用户侧的智能能量管理模块、电力交易中心获得的历史数据，进行未来一天用户负荷、环境状态及电价预测；据此，优化调度服务器获得未来24小时储能需求预测结果；结合从集中式储能电站所得储能阵列可用容量预测结果、从分布式储能获得的电动汽车接入状况预测结果，优化调度服务器从运行成本最小、储能服务提供商收益最大、用户满意度最高等角度进行多目标优化，拟定未来24小时储能服务价格反馈给用户供其参考；最后基于月度储能计划，优化调度服务器细化出每日储能计划，即未来一天每小时各储能实体的充放计划；
短期优化阶段：短期优化所优化时间区间为15分钟，优化间隔为5分钟；首先，优化调度服务器分析从气象中心、用户侧的智能能量管理模块获得的历史数据，得到短期负荷、短期环境状况预测，并从电力交易中心获得实时电价，最终结合预测模型得到用户短期储能需求；预测结果将与每日储能计划进行比对，得到二者误差；考虑用户储能需求在时间上的互补性，通过场景生成与消减技术对用户储能需求进行整合，从而缩小上述误差；优化调度服务器考虑集中式储能电站与分布式储能单元储能容量，将整合后的储能需求合理分配；整合后的储能需求仅由集中式储能电站满足；若集中式储能电站不能满足，优化调度服务器则把不能满足部分的储能需求分配给分布式储能；此后，优化调度服务器从运行成本最小、云储能服务收益最大、增值服务收益最大、用户满意度最高这些角度进行多目标优化，得到短期储能计划，即未来15分钟内各储能充放计划，并发送到集中式储能电站和分布式储能；
实时反馈校正阶段在储能实体中进行，具体如下：
集中式储能电站：储能双向变流接口控制器接收用户的实时储能需求，考虑电池能量管理模块所反馈信息，做出协调控制策略；其中液流电池组及锂电池组的电能充放按短期储能计划进行；超级电容器阵列用于响应短期储能计划与用户实时储能需求的误差，并在主、次要储能设备因突发故障导致容量下降时作为系统后备储能；
分布式储能单元：在用户储能需求大时，各分布式储能单元的智能能量管理模块同时接收优化调度服务器发出的短期储能计划和集中式储能电站不能满足的用户实时储能需求；各智能能量管理模块相互协调，根据各分布式储能的可用容量分配用户储能需求，并安排部分高性能分布式储能单元响应短期储能计划与用户实时储能需求的误差。
2.根据权利要求1所述的一种面向分布式储能需求的储能集聚系统，其特征在于：所述集中式储能电站包含有液流电池组、锂电池组、超级电容器阵列、DC/AC变换器、电池能量管理模块及储能双向变流接口控制器；其中，所述液流电池组为主要储能设备，锂电池组为次要储能设备；所述超级电容器阵列为调节储能单元，用于响应短期储能计划与用户实时储能需求的误差，并在主、次要储能设备突发故障导致容量下降时作为后备储能；所述电池能量管理模块负责收集站内储能设备的荷电状态、健康状态和可用容量信息，并发送到储能双向变流接口控制器及优化调度服务器；所述储能双向变流接口控制器分别与液流电池组、锂电池组及超级电容器阵列相连，负责调度各储能单元充放；所述优化调度服务器由具有信息采集与发送功能的通信模块、信息处理模块、运行优化算法的储能优化调度模块和历史数据库构成；所述通信模块与信息处理模块连接，提供所采集信息，所述信息处理模块与储能优化调度模块连接，向储能优化调度模块提供经处理后信息，所述储能优化调度模块与通信模块连接，传递储能调度策略，所述历史数据库分别与通信模块、信息处理模块和储能优化调度模块连接，用于储存历史数据；所述优化调度服务器通过以太网与各智能能量管理模块、各智能故障管理模块、储能双向变流接口控制器及电池管理模块进行通信；所述储能双向变流接口控制器分别与液流电池组、锂电池组、超级电容阵列三种储能设备直接连接，对它们进行能量调度；所述DC/AC变换器与储能双向变流接口控制器串联后接入配电网；所述电池管理模块通过局域网分别与液流电池组、锂电池组和超级电容阵列相连，采集储能设备状态信息；所述智能能量管理模块与用户、分布式储能单元相连接后，再与配电网连接。
3.根据权利要求1所述的一种面向分布式储能需求的储能集聚系统，其特征在于：配置在各用户和各分布式储能单元侧的智能能量管理模块，其一端与用户或分布式储能单元相连，其另一端与配电网相连；所述智能能量管理模块由电能变换装置及分布式网络智能模块构成，所述分布式网络智能模块用于实现通信功能；
用户侧的智能能量管理模块功能为：①收集用户历史负荷信息及用户储能需求，并通过分布式网络智能模块发送至优化调度服务器；②协助用户与配电网进行电能交互；③反馈储能调度与优化中心未来24小时储能服务价格，供用户参考；
分布式储能单元侧的智能能量管理模块功能为：①实现分布式储能与配电网的电能交互；②采集接入的分布式储能信息，包括电动汽车的荷电状态、预定接入时间范围、目标电量，间隔15分钟发送至优化调度服务器；③当用户储能需求大于集中式储能电站所能提供的储能容量时，集中式储能电站不能满足的用户需求将交由各分布式储能单元响应；所有分布式储能单元侧的智能能量管理模块根据储能需求及优化调度服务器提供的短期储能计划，共同协调调度各分布式储能单元充放。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811178491.3A CN109256792B (zh) | 2018-10-10 | 2018-10-10 | 一种面向分布式储能需求的储能集聚系统及其优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811178491.3A CN109256792B (zh) | 2018-10-10 | 2018-10-10 | 一种面向分布式储能需求的储能集聚系统及其优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109256792A CN109256792A (zh) | 2019-01-22 |
| CN109256792B true CN109256792B (zh) | 2023-12-22 |
Family
ID=65045913
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811178491.3A Active CN109256792B (zh) | 2018-10-10 | 2018-10-10 | 一种面向分布式储能需求的储能集聚系统及其优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109256792B (zh) |
Families Citing this family (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109787263B (zh) * | 2019-01-29 | 2022-11-15 | 上海电力学院 | 一种基于多级云储能的家庭能源互济系统及调度方法 |
| CN110011424B (zh) * | 2019-04-22 | 2023-05-23 | 常州工业职业技术学院 | 一种智能微电网分布式云储能系统安全稳定控制方法 |
| CN110053508B (zh) * | 2019-04-30 | 2021-03-30 | 国网电动汽车服务有限公司 | 基于车联网平台的能源互联网集群运行调度方法及系统 |
| CN111092448B (zh) * | 2019-11-20 | 2021-07-13 | 国网浙江省电力有限公司经济技术研究院 | 基于用户侧负荷的电池储能最优容量配置的动态优化方法 |
| CN111401604B (zh) * | 2020-02-17 | 2023-07-07 | 国网新疆电力有限公司经济技术研究院 | 电力系统负荷功率预测方法及储能电站功率分配方法 |
| CN111369385B (zh) * | 2020-02-29 | 2023-09-01 | 上海电力大学 | 一种基于多用户组网共享储能的家庭能源优化系统及方法 |
| CN111401752A (zh) * | 2020-03-18 | 2020-07-10 | 北京泓慧国际能源技术发展有限公司 | 一种飞轮储能调频共享处理方法、装置、系统及电子设备 |
| CN111391709B (zh) * | 2020-04-23 | 2021-06-25 | 燕山大学 | 一种电动汽车换电站调度方法及系统 |
| CN111564854B (zh) * | 2020-06-11 | 2020-10-27 | 四川华泰电气股份有限公司 | 基于能源互联网分区域脆弱性分析的储能装置布放方法 |
| CN111695740B (zh) * | 2020-06-17 | 2024-01-05 | 山东大学 | 一种基于参数控制的主动储能运行方法及系统 |
| CN112952795B (zh) * | 2020-11-27 | 2022-12-02 | 国网甘肃省电力公司经济技术研究院 | 一种基于移动储能的配电网多时间尺度协调调度方法 |
| US11674994B2 (en) | 2021-02-24 | 2023-06-13 | Mitsubishi Electric Research Laboratories, Inc. | Distribution fault location using graph neural network with both node and link attributes |
| CN112800124B (zh) * | 2021-04-15 | 2021-09-10 | 成都赢瑞科技有限公司 | 基于接口控制文件的计算机辅助设计模型集成系统及方法 |
| CN113131617B (zh) * | 2021-05-07 | 2024-04-12 | 国网信通亿力科技有限责任公司 | 一种智能分布式用电馈线检测系统 |
| CN116885763B (zh) * | 2023-09-07 | 2023-11-17 | 深圳市健网科技有限公司 | 一种适用于分布式储能系统的能量管理装置及方法 |
| CN117318251B (zh) * | 2023-11-29 | 2024-04-09 | 又一新能源科技(苏州)有限公司 | 一种储能系统 |
| CN117498469A (zh) * | 2024-01-03 | 2024-02-02 | 国网浙江省电力有限公司宁波供电公司 | 虚拟电厂能源管控方法、装置、计算机设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103577892A (zh) * | 2013-10-30 | 2014-02-12 | 河海大学 | 一种智能配电系统递进式调度方法 |
| CN105958550A (zh) * | 2016-05-25 | 2016-09-21 | 毛新龙 | 基于分布式电源的智能电力控制方法 |
| CN209516641U (zh) * | 2018-10-10 | 2019-10-18 | 华南理工大学 | 一种面向分布式储能需求的储能集聚系统 |
-
2018
- 2018-10-10 CN CN201811178491.3A patent/CN109256792B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103577892A (zh) * | 2013-10-30 | 2014-02-12 | 河海大学 | 一种智能配电系统递进式调度方法 |
| CN105958550A (zh) * | 2016-05-25 | 2016-09-21 | 毛新龙 | 基于分布式电源的智能电力控制方法 |
| CN209516641U (zh) * | 2018-10-10 | 2019-10-18 | 华南理工大学 | 一种面向分布式储能需求的储能集聚系统 |
Non-Patent Citations (3)
| Title |
|---|
| 微电网改进多时间尺度能量管理模型;窦晓波 等;电力系统自动化;第40卷(第09期);第48页-第54页 * |
| 考虑负荷满意度的微电网运行多目标优化方法研究;曾君 等;中国电机工程学报;第36卷(第12期);第3325页-第3333页 * |
| 需求侧管理与响应环境下的新能源发电;王岩 等;电子测试(第24期);第148页-第149页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109256792A (zh) | 2019-01-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109256792B (zh) | 一种面向分布式储能需求的储能集聚系统及其优化方法 | |
| WO2018129829A1 (zh) | 一种新型微网系统以及基于该系统的组网调度方法 | |
| AU2020327343A1 (en) | Virtual aggregation system and method for regional energy complex | |
| CN108376989A (zh) | 一种基于多智能体的电池储能电站分区控制方法及系统 | |
| CN108876000A (zh) | 一种光伏充电站光、储、变压器容量协调优化配置方法 | |
| CN104377724A (zh) | 提高风电/光伏混合储能系统经济性的协调优化控制方法 | |
| CN102931683A (zh) | 基于变电站典型日负荷曲线的风光直流微电网并网控制方法 | |
| CN111049198A (zh) | 考虑储能寿命和调频性能的风储联合运行优化方法及系统 | |
| CN110855006B (zh) | 一种基于边缘物联代理的分布式光储充调控系统 | |
| CN115528717B (zh) | 虚拟电厂调度方法、系统、电子设备及储存介质 | |
| CN113263938B (zh) | 一种基于边缘计算的智能有序充电系统及方法 | |
| CN115360804B (zh) | 一种有序充电系统及有序充电方法 | |
| CN112152200B (zh) | 一种基于智能微电网的多站融合集成方法及系统 | |
| CN110661301A (zh) | 一种水光蓄多能互补发电系统的容量配置优化方法 | |
| CN115310655A (zh) | 一种虚拟电厂电力聚合与调控优化方法 | |
| CN109228949A (zh) | 一种多模电动汽车充电系统及其充电方法 | |
| CN209516641U (zh) | 一种面向分布式储能需求的储能集聚系统 | |
| CN112186785A (zh) | 一种基于台区智能终端的源网荷储平衡系统 | |
| CN115000985A (zh) | 一种用户侧分布式储能设施聚合管控方法及系统 | |
| CN114336583A (zh) | 5g基站光储直流微电网供能系统及方法 | |
| CN113612219A (zh) | 一种基于源网荷储互动的减碳微网日前能量优化方法 | |
| CN108377001B (zh) | 一种用于用电量削峰填谷的光伏储能系统和方法 | |
| CN112736950A (zh) | 一种面向微电网群的公共储能电站配置方法及系统 | |
| CN113991714A (zh) | 一种基于换电站的弹性资源聚合方法和系统 | |
| CN112769163B (zh) | 一种微电网实时控制系统及其控制方法 |
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 |