CN110365034B - 一种计及储能容量配置的微电网电能优化调度方法 - Google Patents
一种计及储能容量配置的微电网电能优化调度方法 Download PDFInfo
- Publication number
- CN110365034B CN110365034B CN201910597108.6A CN201910597108A CN110365034B CN 110365034 B CN110365034 B CN 110365034B CN 201910597108 A CN201910597108 A CN 201910597108A CN 110365034 B CN110365034 B CN 110365034B
- Authority
- CN
- China
- Prior art keywords
- cost
- energy storage
- micro
- power
- grid
- 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 81
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000005457 optimization Methods 0.000 claims abstract description 19
- 238000011156 evaluation Methods 0.000 claims abstract description 7
- 238000010248 power generation Methods 0.000 claims description 11
- 230000005855 radiation Effects 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 241000282414 Homo sapiens Species 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 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
-
- 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
- H02J3/381—Dispersed generators
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及一种计及储能容量配置的微电网电能优化调度方法，包括步骤一，以微电网负荷的24h功率，作为基础数据输入；步骤二，建立微电网内的分布式发电单元的出力模型和成本模型，包括风机、光伏和柴油发电机；步骤三，计及电池寿命，建立基于深度放电的储能系统成本模型；步骤四，基于储能容量的优化配置，构建微电网综合运行成本函数及约束条件；步骤五，基于步骤四的优化结果，建立微电网电能调度评价指标，包括单位供电成本和负荷失电概率。本发明建立了单位供电成本与负荷失电概率两项指标，分别从经济性和可靠性方面对微电网电能调度结果进行评价，进一步验证电能优化调度方法的有效性。
Description
技术领域
本发明涉及配电网优化与调度领域，尤其涉及一种计及储能容量配置的微电网电能优化调度方法。
背景技术
随着社会经济的快速发展，人类对电力的需求与日俱增，同时，环境污染问题持续加剧，这迫使人类找出一条高效、环保、可靠的能源供给途径，急需一种包含多种分布式能源的微电网则为人类提供了一种可持续的供、用能方案。
在微电网中，存在包含风电、光伏等在内的可再生能源以及柴油发电机、储能等分布式发电单元，实现这些资源的协调优化调度，有助于促进系统的经济、可靠运行。
发明内容
本发明的目的在于提供一种计及储能容量配置的微电网电能优化调度的方法，该方法具有能够考虑放电深度对储能电池寿命的影响、实现分布式单元协调调度及储能系统配置运行一体化研究分析的特点。
为实现上述目的，本发明的技术方案如下：
一种计及储能容量配置的微电网电能优化调度方法，包括如下步骤：
步骤一，以微电网负荷的24h功率，作为基础数据输入；
步骤二，建立微电网内的分布式发电单元的出力模型和成本模型，包括风机、光伏和柴油发电机，其中；
(4)风机的输出功率和风机成本的模型为：
式中，pt WT为风机在t时刻的输出功率，pratsd WT为风机在t时刻的额定功率，vt为t时刻的风速大小，vrt、vci及vco分别为风机的额定风速、切入风速和切出风速；CWT为风机运行成本，T为总调度时段数，CWT,init为风机初始成本，CRF为资本回收系数；
(5)光伏的输出功率和光伏成本的模型为：
式中，Pt PV、分别为光伏在t时刻的输出功率和在标准工况下的额定功率，It、Tt amb为t时刻的太阳辐射强度和环境温度，K为光伏面板的温度系数，CPV、CPV,init分别为光伏运行成本和初始成本；
(6)柴油发电机成本模型为：
CD＝a(Pt D)2+bPt D+c
式中，CD为柴油发电机的发电成本，Pt D为柴油发电机在t时刻的有功出力，a、b、c分别为柴油发电机的成本系数；
步骤三，计及电池寿命，建立基于深度放电的储能系统成本模型；
式中，CB为储能运行成本，CB,cap为储能投资成本，Pt B为储能在t时刻的充放电功率，EB、ηB分别为储能容量与充放电效率，lc为某放电深度下储能的循环寿命；
步骤四，基于储能容量的优化配置，构建微电网综合运行成本函数及约束条件，其中，微电网综合运行成本函数Ctotal为分布式发电单元内设备的运行成本和储能配置成本之和；
Ctotal＝C1+C2
C2＝(CB,capCRF+OM/365)EB
式中，C1为设备的运行成本，C2为储能配置成本，OM为储能的年运行维护成本；
步骤五，基于步骤四的优化结果，建立微电网电能调度评价指标，包括单位供电成本和负荷失电概率；
式中，USC为单位供电成本，CWT、CPV、CD、CB分别为风机运行成本、光伏运行成本、柴油发电机的发电成本和储能运行成本，为t时刻的微电网负荷；LPSP为负荷失电概率，pt WT为风机在t时刻的输出功率，Pt PV为光伏在t时刻的输出功率，Pt D为柴油发电机在t时刻的有功出力，/>为储能在t时刻的充放电功率，Pt B(1+sgn(Pt B))/2为只取储能的放电功率。
进一步地，步骤三中，储能在某一放电深度下的循环寿命具体为：
式中，lc为某放电深度下储能的循环寿命，为t时刻储能的放电深度，/>为t时刻储能的荷电状态，Pt B为储能在t时刻的充放电功率，sgn为符号函数，用来判断Pt B的正负，Δt为每个时段的时长。
进一步地，步骤四中的约束条件包括设备的出力约束、储能的SOC约束、能量回归约束和功率平衡约束，其中，设备的出力约束为储能的SOC约束为能量回归约束为/>功率平衡约束为式中，/>分别为设备出力/>的出力上限和下限，i∈{WT,PV,D,B}分别为风机、光伏、柴油发电机和储能；/>分别为SOC上限和下限，分别为首时刻和末时刻储能的SOC；Pt L表示t时刻的微电网负荷。
本发明的计及储能容量配置的微电网电能优化调度的方法，具有以下优点：。
1、在储能运行成本的建模过程中，计及放电深度对其寿命的影响，建立了基于放电深度的储能系统成本模型，从而有效避免深度充放、延缓电池老化，更加符合工程实际；
2、针对微电网电能优化调度问题，提出了含资源协调与储能配置的微电网综合运行成本函数，实现了分布式单元出力和储能容量的双优化，有效提升了系统运行的经济性；
3、本发明建立了单位供电成本与负荷失电概率两项指标，分别从经济性和可靠性方面对微电网电能调度结果进行评价，进一步验证了所提优化方法的有效性。
附图说明
构成说明书一部分的附图描述了本发明的实施例，并且连同描述一起用于解释本发明的原理，参照附图，可以更加清楚地理解本发明：
图1是本发明计及储能容量配置的微电网电能优化调度的方法的流程图；
图2是本发明实施例中的微电网系统的示意图；
图3是本发明实施例中微电网负荷及风电光伏的功率曲线图；
图4是本发明实施例中柴油发电机与储能的优化出力曲线图；
图5是本发明实施例中微电网综合运行成本随储能容量变化的关系曲线图；
图6是本发明实施例中微电网设备运行成本和储能配置成本随储能容量变化的关系曲线图；
图7是本发明实施例中不同容量的储能在一天中的放电深度曲线图。
具体实施方式
下面结合附图和实施例对本发明的技术方案做进一步的详细说明。
一种计及储能容量配置的微电网电能优化调度方法，包括如下步骤：
步骤一，以微电网负荷的24h功率，作为基础数据输入；
步骤二，建立微电网内的分布式发电单元的出力模型和成本模型，包括风机、光伏和柴油发电机；
步骤三，计及电池寿命，建立基于深度放电的储能系统成本模型；
步骤四，基于储能容量的优化配置，构建微电网综合运行成本函数及约束条件；
步骤五，基于步骤四的优化结果，建立微电网电能调度评价指标，包括单位供电成本和负荷失电概率。
其中，图3为微电网负荷及风电光伏的24h功率曲线图，作为整个电能优化调度方法的基础数据输入，步骤二建立风机、光伏和柴油发电机的出力模型和成本模型，具体为；
(1)风机的输出功率和风机成本的模型为：
式中，pt WT为风机在t时刻的输出功率，pratsd WT为风机在t时刻的额定功率，vt为t时刻的风速大小，vrt、vci及vco分别为风机的额定风速、切入风速和切出风速；CWT为风机运行成本，T为总调度时段数，CWT,init为风机初始成本，CRF为资本回收系数；r为贴现率，l为风机的预期使用寿命；
(2)光伏在某一时刻的出力大小与太阳辐射强度及环境温度有关，具体光伏的输出功率和光伏成本的模型为：
式中，Pt PV、分别为光伏在t时刻的输出功率和在标准工况下的额定功率，标准工况下Iref＝1000W/m2，Tref＝25℃，It、Tt amb为t时刻的太阳辐射强度和环境温度，K为光伏面板的温度系数，本实施例中K取值-3.7×10-3/℃，CPV、CPV,init分别为光伏运行成本和初始成本；
(3)柴油发电机作为微电网中的可控单元，其发电成本与有功出力的关系为二次函数，具体柴油发电机成本模型为：
CD＝a(Pt D)2+bPt D+c (6)
式中，CD为柴油发电机的发电成本，Pt D为柴油发电机在t时刻的有功出力，a、b、c分别为柴油发电机的成本系数。
步骤三，计及电池寿命，建立基于深度放电的储能系统成本模型，具体为；
式中，CB为储能运行成本，CB,cap为储能投资成本，Pt B为储能在t时刻的充放电功率，EB、ηB分别为储能容量与充放电效率，lc为某放电深度下储能的循环寿命，并根据储能生产厂家的储能类型，通过充放电实验拟合循环寿命与放电深度关系的工程实验值，为t时刻储能的放电深度；/>为t时刻储能的荷电状态；sgn为符号函数，用来判断Pt B的正负Δt为每个时段的时长。
步骤四，基于储能容量的优化配置，构建微电网综合运行成本函数及约束条件，其中，微电网综合运行成本函数Ctotal为分布式发电单元内设备的运行成本C1和储能配置成本C2之和；约束条件包括设备的出力约束、储能的SOC约束、能量回归约束和功率平衡约束；
Ctotal＝C1+C2 (11)
C2＝(CB,capCRF+OM/365)EB (13)
式中，C1为设备的运行成本，C2为储能配置成本，OM为储能的年运行维护成本； 分别为设备出力/>的出力上限和下限，i∈{WT,PV,D,B}分别为风机、光伏、柴油发电机和储能；/>分别为SOC上限和下限，/>分别为首时刻和末时刻储能的SOC；Pt L表示t时刻的微电网负荷。
步骤五，基于步骤四的优化结果，确定风机、光伏和柴油发电机的出力计划和储能的配置容量，以最小化微电网的综合运行成本为目标，优化得到各设备的输出功率和储能的最优容量，建立微电网电能调度评价指标，包括单位供电成本和负荷失电概率；
式中，USC为单位供电成本，CWT、CPV、CD、CB分别为风机运行成本、光伏运行成本、柴油发电机的发电成本和储能运行成本，Pt L为t时刻的微电网负荷；LPSP为负荷失电概率，pt WT为风机在t时刻的输出功率，Pt PV为光伏在t时刻的输出功率，Pt D为柴油发电机在t时刻的有功出力，Pt B为储能在t时刻的充放电功率，Pt B(1+sgn(Pt B))/2为只取储能的放电功率。
在本发明一实施例中，采用的微电网如图2所示，包含一台风机、一套光伏、三台柴油发电机以及一台储能。其中，风机、光伏的最大容量分别为37kW、68kW；三台柴油发电机的最大出力分别为10kW、20kW、40kW；储能系统的初始SOC为0.75，额定充电功率为10kW、额定放电功率为25kW，结合图4至图7的仿真结果进行说明。
由图4可知，每天在上午10:00至下午20:00的负荷高峰期间，柴油发电机通过增大自身出力以满足此时的用电需求，储能在此期间放电；当负荷功率降低时，柴油发电机出力减小，储能进行充电以维持一定的SOC水平。风机、光伏由于运行经济性最优，其产生的功率被优先全额消纳。
图5和图6为微电网综合运行成本以及设备运行成本、储能配置成本随储能容量变化的关系曲线，从图上可以看出，储能的最优配置容量为145.5kWh，此时微电网的运行成本最小，为$326.2；当储能容量逐渐增大时，储能系统的配置成本C2随之增加，而设备的运行成本C1则先减小后增加。
图7为不同容量的储能在一天中的放电深度曲线，由图可知，当储能容量取145kWh时，其在大多数时段内的放电深度均比其他容量值下的放电深度小。
因此，本发明的计及储能容量配置的微电网电能优化调度的方法，在促进系统最优经济运行的同时有效降低了放电深度对储能电池寿命的影响。此外，在优化调度情况下，微电网的单位供电成本与负荷失电概率分别为0.1563美元/kWh、0；作为对比，当指定储能容量为130kWh，该两项指标分别为0.1742美元/kWh、0.035，由此可见，本发明能够实现微电网内分布式单元的协调最优调度，同时保证可靠供电。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是，以上所述仅为本发明的具体实施方式，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应含在本发明的保护范围之内。
Claims (3)
1.一种计及储能容量配置的微电网电能优化调度方法，其特征在于，包括如下步骤：
步骤一，以微电网负荷的24h功率，作为基础数据输入；
步骤二，建立微电网内的分布式发电单元的出力模型和成本模型，包括风机、光伏和柴油发电机，其中；
(1)风机的输出功率和风机成本的模型分别为：
式中，pt WT为风机在t时刻的输出功率，为风机在t时刻的额定功率，vt为t时刻的风速大小，vrt、vci及vco分别为风机的额定风速、切入风速和切出风速；CWT为风机运行成本，T为总调度时段数，CWT,init为风机初始成本，CRF为资本回收系数；
(2)光伏的输出功率和光伏成本的模型分别为：
式中，Pt PV、分别为光伏在t时刻的输出功率和在标准工况下的额定功率，It、Tt amb为t时刻的太阳辐射强度和环境温度，K为光伏面板的温度系数，CPV、CPV,init分别为光伏运行成本和初始成本；
(3)柴油发电机成本模型为：
CD＝a(Pt D)2+bPt D+c
式中，CD为柴油发电机的发电成本，Pt D为柴油发电机在t时刻的有功出力，a、b、c分别为柴油发电机的成本系数；
步骤三，计及电池寿命，建立基于深度放电的储能系统成本模型；
式中，CB为储能运行成本，CB,cap为储能投资成本，Pt B为储能在t时刻的充放电功率，EB、ηB分别为储能容量与充放电效率，lc为某放电深度下储能的循环寿命；
步骤四，基于储能容量的优化配置，构建微电网综合运行成本函数及约束条件，其中，微电网综合运行成本函数Ctotal为分布式发电单元内设备的运行成本和储能配置成本之和；
Ctotal＝C1+C2
C2＝(CB,capCRF+OM/365)EB
式中，C1为设备的运行成本，C2为储能配置成本，OM为储能的年运行维护成本；
步骤五，基于步骤四的优化结果，建立微电网电能调度评价指标，包括单位供电成本和负荷失电概率；
式中，USC为单位供电成本，CWT、CPV、CD、CB分别为风机运行成本、光伏运行成本、柴油发电机的发电成本和储能运行成本，Pt L为t时刻的微电网负荷；LPSP为负荷失电概率，pt WT为风机在t时刻的输出功率，Pt PV为光伏在t时刻的输出功率，Pt D为柴油发电机在t时刻的有功出力，Pt B为储能在t时刻的充放电功率，Pt B(1+sgn(Pt B))/2为只取储能的放电功率。
2.根据权利要求1所述的计及储能容量配置的微电网电能优化调度方法，其特征在于：步骤三中，储能在某一放电深度下的循环寿命具体为：
式中，lc为某放电深度下储能的循环寿命，为t时刻储能的放电深度，/>为t时刻储能的荷电状态，Pt B为储能在t时刻的充放电功率，sgn为符号函数，用来判断Pt B的正负，Δt为每个时段的时长。
3.根据权利要求1所述的计及储能容量配置的微电网电能优化调度方法，其特征在于：步骤四中，约束条件包括设备的出力约束、储能的SOC约束、能量回归约束和功率平衡约束，其中，设备的出力约束为储能的SOC约束为/>能量回归约束为/>功率平衡约束为Pt WT+Pt PV+Pt D+Pt B＝Pt L；
式中，分别为设备出力Pt i的出力上限和下限，i∈{WT,PV,D,B}分别为风机、光伏、柴油发电机和储能；/>分别为SOC上限和下限，/>分别为首时刻和末时刻储能的SOC；Pt L表示t时刻的微电网负荷。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910597108.6A CN110365034B (zh) | 2019-07-04 | 2019-07-04 | 一种计及储能容量配置的微电网电能优化调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910597108.6A CN110365034B (zh) | 2019-07-04 | 2019-07-04 | 一种计及储能容量配置的微电网电能优化调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110365034A CN110365034A (zh) | 2019-10-22 |
| CN110365034B true CN110365034B (zh) | 2023-12-12 |
Family
ID=68218197
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910597108.6A Active CN110365034B (zh) | 2019-07-04 | 2019-07-04 | 一种计及储能容量配置的微电网电能优化调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110365034B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111245006A (zh) * | 2019-11-07 | 2020-06-05 | 杭州富生电器有限公司 | 一种动态环境下的微网能量优化方法 |
| CN111244948A (zh) * | 2020-02-28 | 2020-06-05 | 海南电网有限责任公司三沙供电局 | 一种基于nsga2算法的微电网优化调度方法 |
| CN111564868B (zh) * | 2020-06-09 | 2022-05-06 | 北方工业大学 | 离网型光储微电网系统容量配置评估方法及装置 |
| CN112491041B (zh) * | 2020-11-20 | 2023-02-07 | 西安热工研究院有限公司 | 一种储能混合微电网混合线性经济性规划方法 |
| CN112491087B (zh) * | 2020-11-20 | 2023-02-07 | 西安热工研究院有限公司 | 一种基于需求侧响应的风光储独立微电网经济优化方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104765967A (zh) * | 2015-04-20 | 2015-07-08 | 中国人民解放军国防科学技术大学 | 一种离网混合可再生能源系统的多目标优化设计方法 |
| CN109687444A (zh) * | 2018-12-27 | 2019-04-26 | 广东电网有限责任公司 | 一种微电网电源多目标双层优化配置方法 |
-
2019
- 2019-07-04 CN CN201910597108.6A patent/CN110365034B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104765967A (zh) * | 2015-04-20 | 2015-07-08 | 中国人民解放军国防科学技术大学 | 一种离网混合可再生能源系统的多目标优化设计方法 |
| CN109687444A (zh) * | 2018-12-27 | 2019-04-26 | 广东电网有限责任公司 | 一种微电网电源多目标双层优化配置方法 |
Non-Patent Citations (1)
| Title |
|---|
| 康慨等.远洋海岛群微网经济性电源规划方案研究.《微电网技术》.2019,第47卷(第6期),第026-033页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110365034A (zh) | 2019-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110365034B (zh) | 一种计及储能容量配置的微电网电能优化调度方法 | |
| Wu et al. | Optimal coordinate operation control for wind–photovoltaic–battery storage power-generation units | |
| CN109217290B (zh) | 计及电动汽车充放电的微网能量优化管理方法 | |
| CN108764552B (zh) | 一种配电网分布式电源的选址定容规划的确定方法 | |
| CN112583017B (zh) | 考虑储能运行约束的混合微电网能量分配方法及系统 | |
| CN103248064A (zh) | 一种复合型能源充电储能系统及其方法 | |
| WO2022247811A1 (zh) | 光储充电站的储能充放电的控制方法、系统、设备及介质 | |
| CN111293718B (zh) | 基于场景分析的交直流混合微网分区二层优化运行方法 | |
| Singaravel et al. | Studies on battery storage requirement of PV fed wind-driven induction generators | |
| CN111525624A (zh) | 基于蓄电池储能系统的家庭分布式能源调度方法 | |
| CN111327078A (zh) | 户用能源调度方法、能源管理模块及户用能源系统 | |
| Ren et al. | Multitime scale coordinated scheduling for electric vehicles considering photovoltaic/wind/battery generation in microgrid | |
| CN109787221A (zh) | 一种微电网电能安全经济调度方法和系统 | |
| CN115115130A (zh) | 一种基于模拟退火算法的风光储制氢系统日前调度方法 | |
| Bampoulas et al. | Provision of frequency regulation by a residential microgrid integrating PVs, energy storage and electric vehicle | |
| CN112653195A (zh) | 一种并网型微电网鲁棒优化容量配置方法 | |
| Han et al. | Energy storage frequency response control considering battery aging of electric vehicle | |
| jing Hu et al. | Capacity optimization of wind/PV/storage power system based on simulated annealing-particle swarm optimization | |
| CN112307603A (zh) | 考虑大规模风电接入的混合储能容量优化配置方法及系统 | |
| CN109119988B (zh) | 基于动态批发市价的光伏-电池微电网能量调度管理方法 | |
| CN115940284B (zh) | 一种考虑分时电价的新能源制氢系统的运行控制策略 | |
| Nkounga et al. | Sizing optimization of a charging station based on the multi-scale current profile and particle swarm optimization: application to power-assisted bikes | |
| CN116742812A (zh) | 一种多能互补发电系统储能容量协调优化配置方法和系统 | |
| Chowdhury et al. | Microgrid Peak Shaving Implementation using Vehicle-to-Grid System | |
| CN111064188B (zh) | 一种基于净现值计算的光储系统容量配置方法 |
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 |