CN109888823A - 一种风光联合发电系统的储能容量优化方法 - Google Patents

一种风光联合发电系统的储能容量优化方法 Download PDF

Info

Publication number
CN109888823A
CN109888823A CN201910156073.2A CN201910156073A CN109888823A CN 109888823 A CN109888823 A CN 109888823A CN 201910156073 A CN201910156073 A CN 201910156073A CN 109888823 A CN109888823 A CN 109888823A
Authority
CN
China
Prior art keywords
wind
energy storage
output power
power
generation system
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
CN201910156073.2A
Other languages
English (en)
Inventor
仇成
李新聪
颜华敏
赵万剑
储琳琳
骆国连
曹春
朱海峰
王敏
石逸
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 Shanghai Electric Power Co Ltd
Original Assignee
Hohai University HHU
State Grid Shanghai 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 Hohai University HHU, State Grid Shanghai Electric Power Co Ltd filed Critical Hohai University HHU
Priority to CN201910156073.2A priority Critical patent/CN109888823A/zh
Publication of CN109888823A publication Critical patent/CN109888823A/zh
Pending legal-status Critical Current

Links

Classifications

    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/70Wind energy
    • Y02E10/76Power conversion electric or electronic aspects
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Control Of Eletrric Generators (AREA)
  • Wind Motors (AREA)

Abstract

本发明涉及一种风光联合发电系统的储能容量优化方法,用于确定蓄电池储能配置的参考输出功率,包括以下步骤:1)构建风光联合系统发电模型;2)定义两种控制指标,包括波动平抑指标和效果评价指标;3)根据平抑指标和效果评价指标选择最优的波动平抑控制方法,并得到系统参考输出功率。与现有技术相比,本发明具有定量精确评价、优化效果好等优点。

Description

一种风光联合发电系统的储能容量优化方法
技术领域
本发明涉及电力系统储能控制领域,尤其是涉及一种风光联合发电系统的储能容量优化方法。
背景技术
随着社会工业的不断发展,全球经济快速增长,世界各国对能源的需求量也越来越大。开发利用新能源已成为全世界各国能源可持续发展的重要战略部署。风能、太阳能作为可持续的清洁能源,已受到全社会的广泛关注。但由于光照强度、温度、风速等自然条件的变化而导致的输出功率波动问题给可再生能源并网的安全稳定运行带来了巨大的威胁。因此对平滑可再生能源输出功率波动的研究有助于提高电网对可再生能源的消纳。
目前,平抑可再生能源输出功率波动的方法主要有三种:一是计及可再生能源系统发电的优化调度,但是在进行优化调度时需要有足够的备用电源,同时也存在相对严重的弃风弃光的问题;二是采用有效的控制策略调整可再生能源发电系统的运行方式,以达到平抑输出功率波动的目的,目前主要应用在风电领域,其平抑控制的能力受到风电机组自身的控制能力和风速的影响,控制方法较为复杂且以牺牲风能捕获效率为代价。三是通过配置储能系统以平抑可再生能源输出功率的波动。主要是基于时域和频域对储能系统容量优化配置,以及对储能控制策略的研究。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种风光联合发电系统的储能容量优化方法。
本发明的目的可以通过以下技术方案来实现:
一种风光联合发电系统的储能容量优化方法,用于确定蓄电池储能配置的参考输出功率,包括以下步骤:
1)构建风光联合系统发电模型;
2)定义两种控制指标,包括波动平抑指标和效果评价指标;
3)根据平抑指标和效果评价指标选择最优的波动平抑控制方法,并得到系统参考输出功率。
所述的步骤1)中,风光联合系统发电模型表示为:
P(t)=PWG(t)+PPV(t)
其中,P(t)为风光联合发电系统输出功率,PWG为风机实际输出功率,vc为风机切入速度,vr为风机额定速度,vF为风机切出速度,PR为风机输出的额定功率,ρ为空气密度,R为风轮半径,v为风速,ηt为传动装置的机械效率,ηg为发电机的机械效率,Cp为风能利用系数,PPV为光伏电池输出功率,IPV、VPV分别为太阳能电池输出电流和电压,IL为太阳能电池光生电流,I0为二极管反向饱和电流,q 为电子电荷,Rs为等效串联电阻,A为二极管曲线因子,K为玻尔兹曼常数,T为当前绝对温度。
所述的波动平抑指标包括滤波百分比系数φ和平均滤波量Ф,滤波百分比系数φ用以评价滤波效果,φ值越大,则滤波效果越好,平均滤波量Ф用以反应所需储能功率大小,Ф值越大,则所需的储能功率越大。
所述的滤波百分比系数φ的表达式为:
ΔP(t)=P(t)-Pref(t)
平均滤波量Ф的表达式为:
其中,ΔP(t)为风光联合发电系统输出功率P(t)与参考输出功率Pref(t)的差值,Δt 为采样时间。
所述的效果评价指标包括风光联合发电系统参考输出功率与经储能作用后的输出功率之间的相关系数r,r值越大,表明平滑输出的效果越好。
所述的相关系数r的表达式为:
其中,Pd(i)为经储能作用后的系统输出功率,Pd(i)为经储能作用后系统输出功率的平均值,Pref(i)为参考输出功率,Pref(i)为参考输出功率的平均值,i为系统编号,N为储能作用后系统的总个数。
所述的效果评价指标还包括输出功率波动量δP(t)、输出功率最大波动量δPmax(t)和输出功率最大波动量减小百分比α。
所述的输出功率波动量δP(t)、输出功率最大波动量δPmax(t)和输出功率最大波动量减小百分比α的表达式为:
δP(t)=P(t+1)-P(t)
δPmax(t)=max{|δP(t)|}
其中,P(t+1)、P(t)分别为t+1时刻与t时刻的风光联合发电系统输出功率,δP'max(t)为储能安装后的输出功率最大波动量。
与现有技术相比,本发明具有以下优点:
本发明根据通过风光联合系统发电模型定义了这两类平滑效果评价指标,能够定量且更精确的评价储能系统对风光联合发电系统输出功率波动平滑的效果,用以证实所提方法的有效性。
附图说明
图1为太阳能电池等效电路图。
图2为风光联合发电系统输出功率曲线。
图3为其他季节下的风光联合发电系统输出功率曲线。
图4为典型日的风光联合发电系统输出功率曲线。
图5为滑动平均法和线性最小二乘法滤波的对比效果图。
图6为两种算法滤波效果对比的局部放大图。
图7为风光联合发电系统参考输出功率曲线图。
图8为完全储能下的蓄电池充放电功率情况。
图9为完全储能和满足90%情况下的储能工作状态图。
图10为90%补偿百分比下系统的输出功率曲线。
图11为本发明的方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
如图11所示,本发明提供一种风光联合发电系统的储能容量优化方法,具体包括:
1、风光输出特性及模型
目前常用的风力发电机是直接驱动永磁同步发电机,其输出功率Pm和输出机械转矩Tm的简化模型,如式(1)和式(2)所示:
式中:ρ表示空气密度(kg/m2),R表示风轮半径(m),v表示风速(m/s),w表示转角速度(rad/s),ηt表示传动装置的机械效率,ηg表示发电机的机械效率,Cp表示风能利用系数,是风力机叶尖速比λ和桨叶节距角β的函数,工程上可近似用表达式(3)来求得:
式中:A可近似的认为是关于风力机叶尖速比λ和桨叶节距角β的函数,具体的表达式如式(4)所示:
对于某一个固定的桨距角β,存在唯一的风能利用系数最大值Cpmax。通过风机中的变速恒频装置,使风能利用系数恒定在Cpmax,保证风机输出最大功率。
在实际工程中,可将风机输出功率特性(1)简化为公式(5):
式中:PWG表示风机实际输出功率(kw),vc表示风机切入速度(m/s),vr表示风机额定速度(m/s),vF表示风机切出速度(m/s),PR表示风机输出的额定功率(kw)。
太阳能电池可以等效为一个直流电源,其简化等效电路,如图1所示。
图中IPV、VPV分别表示太阳能电池输出电流和电压(单位:A,V);IL表示太阳能电池光生电流(单位:A);ID表示流过二极管的电流(单位:A);Ish表示流过等效并联电阻上的电流(单位:A);Rs表示等效串联电阻(单位:Ω);Rsh表示等效并联电阻(单位:Ω)。
太阳能电池光生电流IL计算公式如式(6)所示:
式中:ISC表示在参考温度下的光伏电池短路电流(单位:A);k1表示短路电流温度系数;T表示当前绝对温度(单位:K);Tr表示参考温度(单位:K);S表示当前光照强度(单位:W/m2);
因此太阳能电池的输出电流的表达式为:
式中:q=1.6*10-19C为电子电荷;A=1~2为二极管曲线因子;K=1.38*10-23J/K为玻尔兹曼常数,I0表示二极管反向饱和电流。
I0=IS(t0)2^[(T-Tr)/10] (8)
式中:IS(t0)表示参考温度下二极管反向饱和电流(单位:A)。
由于Ish远小于IPV,故简化后的模型为:
则光伏电池输出功率PPV为:
为了提高光伏发电效率,充分利用太阳能电池产生的能量,通常要求光伏阵列的输出功率始终保持在最大,即为最大功率点追踪(Maximum Power Point Tracking,简称MPPT)。MPPT本质上是一个自动寻优的过程,通过控制端电压 VPV,使光伏电池在不同的光照强度S和温度T下输出最大功率。
风光联合系统发电模型
风光联合发电系统的输出功率实质上是各部分出力的叠加,即该地区的风机输出功率与太阳能光伏阵列输出功率之和。具体表达式如式(11)所示。
P(t)=PWG(t)+PPV(t) (11)
式中:P(t)表示风光联合发电系统的输出功率(kw);
风光联合发电系统输出功率的波动性与某地区的风速、光照强度和温度都有一定的相关性,在一定程度上也取决与该地区的风机装机容量和太阳能光伏电池的装机容量。
2、平抑指标和效果评价指标的定义
根据本发明研究的应用场合,首先选择滑动平均法和线性最小二乘法,定义了两种波动平抑指标,用于确定选择最优的波动平抑控制算法,并得到系统参考输出功率。
2.1波动平抑指标的定义
定义波动平抑控制算法选择指标:滤波百分比系数和平均滤波量Ф。反应的是算法的滤波效果,当值越大,则表示滤波的效果越好。Ф反应的是所需储能功率的大小,当Ф值越大,则所需的储能功率越大。
滤波百分比系数定义如下:
式中:ΔP(t)为风光联合发电系统输出功率P(t)与参考输出功率Pref(t)的差值,即:
ΔP(t)=P(t)-Pref(t) (13)
滤波百分比系数的实际物理意义是指在采样时间内,滤除掉的总能量和与系统总的输出能量和之比,其值的大小在一定程度上可以反应滤波的效果。
平均滤波量Ф定义如下:
平均滤波量Ф的实际物理意义是指在采样时间内,滤除掉的总能量之和的平均值,其值的大小在一定程度上决定了所需储能功率的大小。
综合考虑这两种指标,选择最优的波动平抑控制算法,用于确定风光联合系统参考输出功率。
2.2平滑效果评价指标的定义
为了评价储能系统对风光联合发电系统输出功率波动平抑的效果,定义风光联合发电系统参考输出功率与经储能作用后的输出功率之间的相关系数r,r值越大,从整体上说明了这两条曲线越逼近,平滑输出的效果越好。其计算公式如式(15)所示:
式中:Pd(i)为经储能作用后的系统输出功率;为经储能作用后系统输出功率的平均值;Pref(i)为参考输出功率;为参考输出功率的平均值。
这个数值仅反应两条曲线的整体逼近程度,为了有效的分析局部波动的平抑效果,定义另一组平滑效果评价指标,即功率的波动性指标:
a.输出功率波动量
δP(t)=P(t+1)-P(t) (16)
b.输出功率最大波动量
δPmax(t)=max{|δP(t)|} (17)
c.输出功率最大波动量减小百分比
式中:δP(t)表示t+1时刻与t时刻输出功率的差值(kw),δPmax(t)表示储能安装前的输出功率最大波动量(kw),δP'max(t)表示储能安装后的输出功率最大波动量 (kw)。
通过这两类平滑效果评价指标,可以更好的分析储能系统对风光联合发电系统输出功率波动平滑的效果,证实所提方法的有效性。
实施例:
风光联合发电系统输出特性分析
表1和表2分别表示某个地区的光伏电池参数和风机参数。
表1某地区的光伏电池参数
表2某地区的风机参数
选取某地区一天24h风速、光照强度和温度的采样数据作为研究对象,采样周期为15min,得到的系统输出功率曲线如图2所示:
由于在不同季节,风速、光照强度和温度都会大不相同,对风光联合发电系统输出功率的波动性有很大的影响。图3为在其他季节下系统输出功率曲线图。
对比图1和图2可以看出,风光联合发电系统输出功率受季节性气候的变化影响比较大,在不同的季节里,风速、光照强度和温度之间存在很大的差异性,导致系统输出功率存在很大的波动性,并很难掌握其规律。从图3中还可以看出,在一段时间内,风光联合发电系统输出功率下降的程度并没有风机输出功率下降的程度大,由此推出,光伏阵列的输出功率在一定程度上起到了波动平抑的作用,但其平抑的效果并不是很理想,在绝大多数情况下,仍不能达到波动平抑的要求。从以上分析,虽然可再生能源发电具有很大的波动性,且无规律可寻,但是从大量的研究数据上可以看出其输出功率具有一定的年度周期性,因此,选取某地区一年内具有代表性的一天风光资源采样数据作为研究对象,得到系统输出功率曲线如图4所示:
波动平抑控制算的选择
本发明首先选择两种常用的平抑控制算法:滑动平均法和线性最小二乘法,对比分析采用这两种算法的滤波效果如图4所示,采用滑动平均法的5阶和20阶滤波和线性最小二乘法的5阶和20阶滤波的系统输出功率对比图。
为了更直观的看出两种算法滤波的效果图,将图5中的局部进行放大得到对比效果如图6所示。
从图6可以直观的看出,线性最小二乘法20阶滤波后的曲线相对于其他滤波后的曲线更为平缓,即其滤波效果最好。
为了更好的定量分析两种控制算法的平滑系统输出功率效果,根据本发明中的指标计算得到的数据如表3所示。
表3波动平抑控制方法指标值
通过对比分析可得,的值越大,得到的参考输出功率曲线越平滑。虽然M20 的大于L20的但是M20的Ф=6.0比L20的Ф=5.19大0.81,则所需的储能容量就相对大很多,即储能的投资成本也就相对较多。综合考虑这两个指标的值,最终选择线性最小二乘法20阶作为平抑系统输出功率的最优算法,则得到的风光联合发电系统参考输出功率曲线如图7所示。
蓄电池容量的配置
在得到系统参考输出功率之后,根据前面提出的蓄电池充放电策略,考虑到两种限制条件:最大充放电功率限制和容量的限制,对比分析在不同条件下配置的蓄电池容量对风光联合发电系统输出功率波动的平抑效果。
首先,定义储能系统的补偿百分比Ψ,其定义式所示:
式中:m表示一天内经过储能作用后的系统输出功率满足参考输出功率数,n 表示参考输出功率数。
补偿百分比Ψ的实际物理是指经过蓄电池储能作用后的风光联合发电系统输出功率满足参考输出功率数与参考输出功率数之比。若Ψ=100%,则表示经过储能作用后的系统输出功率就是参考输出功率;若Ψ=0,则表示经过储能作用后的系统输出功率与参考输出功率完全不匹配。
在不考虑任何限制条件下,对蓄电池进行功率和容量的配置,这种状态称为完全储能状态,即补偿百分比Ψ=100%。此时,所需的蓄电池最大充电功率为29.76kw,最大放电功率为20.28kw,蓄电池的容量为29.44kwh,蓄电池充放电功率如图8所示:
从图8中可以看出,在曲线y=0的上半部分表示蓄电池工作在充电状态,在其下半部分则表示其工作在放电状态;在完全储能状态下,经过蓄电池储能作用后的风光联合发电系统输出的功率跟参考输出功率是完全吻合的,其相关系数r=1;蓄电池的充放电功率大部分都在15kw以内,如果按照完全储能状态配置蓄电池的规格,虽然平抑效果很好,得到的输出功率曲线就是参考输出功率曲线,但是由于蓄电池成本昂贵,导致整个系统的经济性较差,通过对蓄电池储能容量进行优化,可以实现平滑效果与经济投资成本之间的权衡。
如当补偿百分比Ψ=90%时,则所需配置的蓄电池最大充电功率为19.33kw,最大放电功率为15.14kw,蓄电池的容量为18.93kwh。此时蓄电池工作状态与完全储能下的工作状态对比如图9所示。
从图9中可以明显看出,在补偿百分比Ψ为90%的情况下,蓄电池由于存在容量的限制,即当充电至额定容量时,蓄电池就不能继续充电,当放电至最低容量时,蓄电池就不能继续放电,使得其充放电功率不能完全补偿,经蓄电池储能作用后的系统输出功率曲线如图10所示。
从图10中可以看出,在补偿百分比Ψ为90%的情况下,其输出功率曲线与参考功率曲线吻合程度较高,对风光联合发电系统输出功率波动起到了很好的平抑作用。
当改变补偿百分比Ψ的大小时,其分析过程与Ψ为90%的情况类似,故不再累述。
平滑效果评价及经济性分析
分别对补偿百分比Ψ为100%、90%、80%、70%以及60%情况下的储能容量配置、波动平抑效果及经济成本进行分析,已知蓄电池的市场价格大约为3000元 /kwh计算结果见表4。
表4平滑效果评价指标值
从表4中可以看出:当补偿百分比Ψ为100%时,其平滑效果显然最好,但由于蓄电池的成本较高,带来了一定的不经济性。当补偿百分比Ψ为60%时,其输出功率最大波动减小百分比α降至35.6%,其平滑效果较差,基本不能满足输出功率波动平抑的要求。当补偿百分比Ψ低于60%时,其平滑效果比补偿百分比Ψ为 60%的平滑效果更差,故没必要再做讨论。
综上分析,补偿百分比Ψ越高,则所需的蓄电池储能规格越大,对应的投资成本就越高,相应的的风光联合发电系统输出的功率曲线就越平滑。因此,如果对输出功率平滑度要求较高,则可按补偿百分比Ψ为100%~90%之间进行蓄电池储能容量的优化配置,在此区间内,风光联合发电系统输出功率最大波动量减少百分比α从83.7%降到73.6%,储能投资成本也从8.832万元降到5.679万元;如果要求蓄电池经济投资成本较低,对平滑输出功率波动效果的要求次之,则可按补偿百分比Ψ为90%~80%之间进行蓄电池储能容量的优化配置,在此区间内,风光联合发电系统输出功率最大波动量减少百分比α从73.6%降到56.1%,储能投资成本从 5.679万元降到4.497万元,虽然平滑效果略微差点,但经济投资成本明显降低;如果对输出功率波动量有限制要求,则可按满足波动量限制要求的最低储能容量进行配置即可;综合考虑输出功率平滑的效果和蓄电池的投资成本,本发明建议按补偿百分比Ψ为80%进行蓄电池的容量优化配置,从而实现了风光联合发电系统的平滑输出和蓄电池投资成本之间的权衡。

Claims (8)

1.一种风光联合发电系统的储能容量优化方法,用于确定蓄电池储能配置的参考输出功率,其特征在于,包括以下步骤:
1)构建风光联合系统发电模型;
2)定义两种控制指标,包括波动平抑指标和效果评价指标;
3)根据平抑指标和效果评价指标选择最优的波动平抑控制方法,并得到系统参考输出功率。
2.根据权利要求1所述的一种风光联合发电系统的储能容量优化方法,其特征在于,所述的步骤1)中,风光联合系统发电模型表示为:
P(t)=PWG(t)+PPV(t)
其中,P(t)为风光联合发电系统输出功率,PWG为风机实际输出功率,vc为风机切入速度,vr为风机额定速度,vF为风机切出速度,PR为风机输出的额定功率,ρ为空气密度,R为风轮半径,v为风速,ηt为传动装置的机械效率,ηg为发电机的机械效率,Cp为风能利用系数,PPV为光伏电池输出功率,IPV、VPV分别为太阳能电池输出电流和电压,IL为太阳能电池光生电流,I0为二极管反向饱和电流,q为电子电荷,Rs为等效串联电阻,A为二极管曲线因子,K为玻尔兹曼常数,T为当前绝对温度。
3.根据权利要求2所述的一种风光联合发电系统的储能容量优化方法,其特征在于,所述的波动平抑指标包括滤波百分比系数φ和平均滤波量Ф,滤波百分比系数φ用以评价滤波效果,φ值越大,则滤波效果越好,平均滤波量Ф用以反应所需储能功率大小,Ф值越大,则所需的储能功率越大。
4.根据权利要求3所述的一种风光联合发电系统的储能容量优化方法,其特征在于,所述的滤波百分比系数φ的表达式为:
ΔP(t)=P(t)-Pref(t)
平均滤波量Ф的表达式为:
其中,ΔP(t)为风光联合发电系统输出功率P(t)与参考输出功率Pref(t)的差值,Δt为采样时间。
5.根据权利要求2所述的一种风光联合发电系统的储能容量优化方法,其特征在于,所述的效果评价指标包括风光联合发电系统参考输出功率与经储能作用后的输出功率之间的相关系数r,r值越大,表明平滑输出的效果越好。
6.根据权利要求5所述的一种风光联合发电系统的储能容量优化方法,其特征在于,所述的相关系数r的表达式为:
其中,Pd(i)为经储能作用后的系统输出功率,Pd(i)为经储能作用后系统输出功率的平均值,Pref(i)为参考输出功率,Pref(i)为参考输出功率的平均值,i为系统编号,N为储能作用后系统的总个数。
7.根据权利要求5所述的一种风光联合发电系统的储能容量优化方法,其特征在于,所述的效果评价指标还包括输出功率波动量δP(t)、输出功率最大波动量δPmax(t)和输出功率最大波动量减小百分比α。
8.根据权利要求7所述的一种风光联合发电系统的储能容量优化方法,其特征在于,所述的输出功率波动量δP(t)、输出功率最大波动量δPmax(t)和输出功率最大波动量减小百分比α的表达式为:
δP(t)=P(t+1)-P(t)
δPmax(t)=max{δP(t)}
其中,P(t+1)、P(t)分别为t+1时刻与t时刻的风光联合发电系统输出功率,δP'max(t)为储能安装后的输出功率最大波动量。
CN201910156073.2A 2019-03-01 2019-03-01 一种风光联合发电系统的储能容量优化方法 Pending CN109888823A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910156073.2A CN109888823A (zh) 2019-03-01 2019-03-01 一种风光联合发电系统的储能容量优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910156073.2A CN109888823A (zh) 2019-03-01 2019-03-01 一种风光联合发电系统的储能容量优化方法

Publications (1)

Publication Number Publication Date
CN109888823A true CN109888823A (zh) 2019-06-14

Family

ID=66930287

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910156073.2A Pending CN109888823A (zh) 2019-03-01 2019-03-01 一种风光联合发电系统的储能容量优化方法

Country Status (1)

Country Link
CN (1) CN109888823A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111668882A (zh) * 2020-06-29 2020-09-15 上海豫源电力科技有限公司 智慧能环网中微电源出力优化方法及装置
CN115344078A (zh) * 2022-08-15 2022-11-15 深圳市冲锋兔新能源科技有限公司 Mppt功率快速追踪算法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105005872A (zh) * 2015-08-06 2015-10-28 北京交通大学 一种移峰填谷的储能系统的容量配置方法
CN106058900A (zh) * 2016-07-21 2016-10-26 南京工程学院 一种并网风光发电中混合储能容量优化配置方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105005872A (zh) * 2015-08-06 2015-10-28 北京交通大学 一种移峰填谷的储能系统的容量配置方法
CN106058900A (zh) * 2016-07-21 2016-10-26 南京工程学院 一种并网风光发电中混合储能容量优化配置方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
冯江霞,等: ""基于风电功率 min 级分量波动特性的风电场储能容量优化计算"", 《电力系统保护与控制》 *
李军徽: ""抑制风电对电网影响的储能系统优化配置及控制研究"", 《中国博士学位论文全文数据库 工程科技Ⅱ辑,C042-24,2012年第11期》 *
李建林,等: ""风光储系统储能容量优化配置策略"", 《电工技术学报》 *
石世前: ""风光储联合发电系统中储能设备容量配置与运行策略研究"", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑,C042-578,2015年第01期》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111668882A (zh) * 2020-06-29 2020-09-15 上海豫源电力科技有限公司 智慧能环网中微电源出力优化方法及装置
CN115344078A (zh) * 2022-08-15 2022-11-15 深圳市冲锋兔新能源科技有限公司 Mppt功率快速追踪算法
CN115344078B (zh) * 2022-08-15 2023-09-22 深圳市冲锋兔新能源科技有限公司 Mppt功率快速追踪算法

Similar Documents

Publication Publication Date Title
Adefarati et al. Energizing renewable energy systems and distribution generation
Bruni et al. Control strategy influence on the efficiency of a hybrid photovoltaic-battery-fuel cell system distributed generation system for domestic applications
CN112600209A (zh) 一种含潮流能的海岛独立微电网容量多目标优化配置方法
Diaf et al. Technical and economic assessment of wind farm power generation at Adrar in Southern Algeria
CN110659788A (zh) 一种用户侧综合能源系统的供需平衡分析方法和系统
CN110808608A (zh) 规模化新能源参与受端电网调频调压能力评估方法及系统
CN111327053A (zh) 一种适用于极地气候下的多源微电网容量优化配置方法
Larchet Solar PV-CSP hybridisation for baseload generation: A Techno-economic analysis for the Chilean market
CN109888823A (zh) 一种风光联合发电系统的储能容量优化方法
Akinyele et al. Grid-independent renewable energy solutions for residential use: The case of an off-grid house in wellington, New Zealand
Sawle et al. Techno-economic comparative assessment of an off-grid hybrid renewable energy system for electrification of remote area
Bocklisch et al. Technical and economic investigation and comparison of photovoltaic–wind energy–hybrid systems with battery and heat-storage path
Chen et al. Technoeconomic Analysis and Optimization of Hybrid Solar‐Wind‐Hydrodiesel Renewable Energy Systems Using Two Dispatch Strategies
Friedrich et al. Combining offshore and onshore renewables with energy storage and diesel generators in a stand-alone Hybrid Energy System
Yasin et al. Fuzzy logic based management of a stand-alone hybrid generator
Tutkun et al. Improved load shifting and valley filling strategies in demand side management in a nano scale off-grid wind-PV system in remote areas
Erturk Sizing a stand-alone off-grid wind turbine-battery power system for a remote house in Catalca Istanbul Turkey
Zhou Simulation and optimum design of hybrid solar-wind and solar-wind-diesel power generation systems
Hajiah et al. Optimal sizing of wind power systems in three high wind potential zones in kuwait for remote housing electrification
CN110932312B (zh) 风光储微电网系统可靠性评估方法
Notton Hybrid wind-photovoltaic energy systems
Ghosh et al. Energy management techniques to enhance DC-bus voltage transient stability and power balancing issues for islanded DC microgrids
Ojo et al. The Modelling and Simulation Of Power Flow and Fault Analysis For A Hybrid DC Microgrid
Narasimalu et al. Integration of Energy Storage System with Renewable Energy Source
Anglani et al. Integrated Control Strategy Supporting the Optimal Management of a 3-kW Vanadium Redox Flow Battery: a Case Study for an Islanded DC Microgrid

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200527

Address after: No. 1122 Yuanshen Road, China (Shanghai) Free Trade Pilot Area, Pudong New Area, Shanghai, 200122

Applicant after: STATE GRID SHANGHAI MUNICIPAL ELECTRIC POWER Co.

Address before: No. 1122 Yuanshen Road, China (Shanghai) Free Trade Pilot Area, Pudong New Area, Shanghai, 200122

Applicant before: STATE GRID SHANGHAI MUNICIPAL ELECTRIC POWER Co.

Applicant before: HOHAI University

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20190614