CN110649641A - 基于源网荷储协同服务的电动汽车快充站储能系统及其方法 - Google Patents
基于源网荷储协同服务的电动汽车快充站储能系统及其方法 Download PDFInfo
- Publication number
- CN110649641A CN110649641A CN201910934887.4A CN201910934887A CN110649641A CN 110649641 A CN110649641 A CN 110649641A CN 201910934887 A CN201910934887 A CN 201910934887A CN 110649641 A CN110649641 A CN 110649641A
- Authority
- CN
- China
- Prior art keywords
- data
- load
- energy storage
- scheduling
- charging station
- 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.)
- Granted
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 114
- 238000003860 storage Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000009826 distribution Methods 0.000 claims abstract description 71
- 238000012544 monitoring process Methods 0.000 claims abstract description 13
- 230000008878 coupling Effects 0.000 claims abstract description 7
- 238000010168 coupling process Methods 0.000 claims abstract description 7
- 238000005859 coupling reaction Methods 0.000 claims abstract description 7
- 238000005259 measurement Methods 0.000 claims abstract description 7
- 238000012546 transfer Methods 0.000 claims abstract description 7
- 238000005065 mining Methods 0.000 claims abstract description 4
- 238000005457 optimization Methods 0.000 claims description 47
- 238000010248 power generation Methods 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 23
- 238000007599 discharging Methods 0.000 claims description 16
- 238000004088 simulation Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 238000013486 operation strategy Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 238000013500 data storage Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 238000007726 management method Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 240000002853 Nelumbo nucifera Species 0.000 claims 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 7
- 230000005611 electricity Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000005286 illumination Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
Abstract
本公开提供了一种基于源网荷储协同服务的电动汽车快充站储能系统及其方法，采集储能系统各个监测点的装置的实时数据，采集配电网运行量测信息及长时间尺度对应的分布式电源、柔性负荷的预测信息，获取配电网拓扑结构、负荷实时数据以及天气信息，根据配电网拓扑结构、负荷实时数据、天气等信息，通过融合数据、模拟仿真，预测配电网数据的运行态势；对比源层、网层、荷层和储能层各自的数据特征，分析各层之间的数据和能量传递流程，并挖掘数据流、能量流的耦合关系，最终得出电动汽车快充站储能系统的负荷最优配比，建立优化调度模型，进行求解优化调度值；通过设置不同的调度目标，管理不同层级的协同调度服务。
Description
技术领域
本公开属于电动汽车充电领域，具体涉及一种基于源网荷储协同服务的电动汽车快充站储能系统及其方法。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
随着我国经济转型和产业调整，电动汽车快充站规模不断扩大，其用电、用能需求量持续攀高。站区中用电负荷类型多样，对供电、供能质量要求不断提高。将新能源发电与传统电能联供系统相结合，基于生命周期法从能源、环境和经济角度对协同服务的设备容量和运行策略进行优化，实现综合效益最大化。同时，储能技术其应用贯穿于电力系统的各个环节，可提高新能源发电利用率与接入能力，实现绿色节能目标，提高电能质量和用电效率，保障电网的优质、安全、可靠供电和高效用电的需求。
但是，据发明人了解，电动汽车大规模应用带来许多问题，由于电动汽车的充电行为具有时间和空间上的不确定性，当电动汽车直流快充站大规模的接入，将会给电网负荷带来冲击，对电网的电能质量、网络损耗、设备利用率等产生不容忽视的影响，特别是大功率直流充电具有充电功率大、充电时间短的特点，为满足快速充电站的大功率充电需求，可在快速充电站中配置储能系统，避免储能系统出现过放、过充等影响电池寿命与性能的操作。
发明内容
本公开为了解决上述问题，提出了一种基于源网荷储协同服务的电动汽车快充站储能系统及其方法，本公开充分利用弹性负荷的响应特性和储能的灵活性。
根据一些实施例，本公开采用如下技术方案：
一种基于源网荷储协同服务的电动汽车快充站储能系统，包括：
数据采集模块，被配置为采集各个监测点的装置的数据，所述数据包括新能源发电、电网负荷数据、快充站电网负荷数据以及快充站中储能装置运行状态以及实时运行参数；
数据存储模块，被配置为存储源网荷储采集的各结构装置的数据；
数据分析模块，被配置为根据采集的各监测点数据进行数据演算，分析源层、网层、荷层和储能层各自的数据特征，得到各层之间的数据和能量传递流程，并挖掘数据流、能量流的耦合关系，确定快充站的负荷最优配比、储能系统最大化容量；
协同调度模块，被配置为区域内电动汽车快充站的优化调度并对新能源发电电源、电网、储能装置和电动汽车充放电设施的多类型资源进行调度，对接入的分布式能源进行主动管理，能够自适应调节网络、电源和负荷之间智能互联系统；
通信模块，被配置为实现上述各模块之间数据交互通信。
作为可选择的实施方式，所述数据存储模块包括关系数据库和实时数据库，所述关系数据库被配置为对关系数据的存储，所述实时数据库被配置为对数据采集模块采集的监测点实时数据的存储。
作为可选择的实施方式，所述数据采集模块采集配电网运行量测信息及长时间尺度对应的分布式电源、柔性负荷的预测信息，根据源网荷储协同优化目标，建立优化调度模型，进行求解优化调度方法。
作为可选择的实施方式，所述数据采集模块获取配电网拓扑结构、负荷实时数据和天气信息，通过融合数据、模拟仿真，预测配电网数据的运行态势，根据运行态势的结果对其进行优化调度，通过优化调度策略，对优化调度的结果值进行评估。
作为可选择的实施方式，所述协同调度模块根据采集的长时间尺度对应的分布式电源、柔性负荷的预测信息，依据源网荷储协同服务优化目标，建立协同调度模型，进行求解最优调度方法，将长时间尺度优化调度结果发送至短时间尺度优化调度模型，在周期内，以对应的当前时间点的长时间尺度优化结果作为初始值，考虑优化目标，计算优化调度结果，将短时间尺度的目标优化曲线发送至实时控制单元，实现主动配电网源网荷储优化协同调度。
作为可选择的实施方式，所述数据分析模块是在利用电动汽车与综合能源控制技术完成储能、配电网、充电设施间能量互联互动的协同控制，在满足电网可靠持续供电的要求下，通过配电中发电、输电和用电三者间的互动优化，在时间尺度、空间布局、运行状态三个维度进行源网荷储的协同优化调度，实现资源优化配置。
作为可选择的实施方式，所述协同调度模块通过设置不同的调度目标，管理不同层级的协同调度服务，通过配置依据配电网的运行态势、最优负荷配比的约束条件、储能充放电损耗最小的约束条件，给出配电网的影响最小、充电设施运营收益最大的不同控制目标下的最优运行策略。
基于上述系统的工作方法，包括以下步骤：
采集储能系统各个监测点的装置的实时数据，采集配电网运行量测信息及长时间尺度对应的分布式电源、柔性负荷的预测信息，获取配电网拓扑结构、负荷实时数据以及天气信息，并保存；
根据配电网拓扑结构、负荷实时数据、天气等信息，通过融合数据、模拟仿真，预测配电网数据的运行态势；
进行数据演算及分析，对比源层、网层、荷层和储能层各自的数据特征，分析各层之间的数据和能量传递流程，并挖掘数据流、能量流的耦合关系，最终得出电动汽车快充站储能系统的负荷最优配比；
构建优化调度模型，依据配电网的运行态势、充电设施运营收益最大、最优负荷配比、储能充放电损耗最小的约束条件，建立优化调度模型，进行求解优化调度值；
通过设置不同的调度目标，管理不同层级的协同调度服务。
作为可选择的实施方式，所述配电网数据的运行态势预测过程包括：
1、获取配电网的拓扑结构、电网负荷实时数据和天气预报信息；
2、对配电网的历史数据按照时间点类型进行筛选获得历史样本；
3、对历史样本坏数据进行辨识修正，对于主平稳的序列数据基于灰色理论计算方法进行仿真预测，获取下一时间段的安全态势值；
4、将得到的数据值与安全态势值比较，反复计算若干次，最后依据得到的数值的组合权重，最终得出配电网数据的运行态势。
作为可选择的实施方式，最优的负荷配比计算方法具体为：
1、首先以快充站实际储能电量和充电站实际负荷特性为基础，确定不同的储能能量管理策略优化目标，并对该目标所需的储能电量需求进行预估计算；
2、将得到的计算结果作为制定充电站实时负荷优化策略的重要参考依据，提升优化策略的经济性与实用性；
3、根据快充站历史负荷、历史储能电量为样本，预测未来一定时间的负荷曲线；
4、将预测的负荷曲线和预估的储能电量依据时间段进行划分，将高负荷的时间段，通过储能系统放电的方式拉低负荷，将低负荷时间段进行储能充电，以拟合的方式得出快充站的平滑负荷曲线；
5、此时得到的平滑负荷曲线是分别对电网负荷、储能放电负荷以及充电设施用电负荷进行调整，每个时间段三者之间都有一定的分配比例，得到的快充站平滑负荷曲线即为最优的负荷配比。
与现有技术相比，本公开的有益效果为：
1、本公开能够实现电动汽车快充站储能系统的运行控制、主动管理上的协同优化，达到快充站运行的安全、可靠、经济的目标。
2、本公开能够通过对源网荷储协同服务的优化配置，最终形成了以配电网的影响最小、充电设施运营收益最大、新能源发电消纳比例最大、储能充放电损耗最小为控制目标下的最优运行策略。
3、本公开全面监测储能系统、电动汽车充电设施及其他设备的运行状态，为分析充电站与配电网的交互影响提供可靠的数据。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为本实施例的电动汽车快充站储能系统结构图；
图2为本实施例的电动汽车快充站储能系统工作流程图。
具体实施方式：
下面结合附图与实施例对本公开作进一步说明。
应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示，一种基于源网荷储协同服务的电动汽车快充站储能系统，包括：
数据采集模块，被配置为采集各个监测点的装置的数据，所述数据包括新能源发电，电网负荷数据、快充站电网负荷数据以及快充站中储能装置运行状态、实时运行参数等数据信息；
数据存储模块，被配置为存储源网荷储采集的各结构装置的数据。包括关系数据库和实时数据库，所述关系数据库被配置为对关系数据的存储，所述实时数据库被配置为对数据采集模块采集的监测点实时数据的存储；
数据分析模块，被配置为根据采集的各监测点数据进行数据演算及分析,分析和对比源层、网层、荷层和储能层各自的数据特征，分析各层之间的数据和能量传递流程，并挖掘数据流、能量流的耦合关系，最终得出快充站的负荷最优配比、储能系统容量最大化。
协同调度模块，被配置为区域内电动汽车快充站的优化调度并对配电网中分布式电源、微电网、储能装置、电动汽车充放电设施等的多类型资源进行调度；对大量接入的分布式能源进行主动管理，能够自适应调节网络、电源、负荷的智能互联系统。
通信模块，被配置为实现各模块之间数据交互通信。
数据采集模块还需要采集配电网运行量测信息及长时间尺度对应的分布式电源、柔性负荷的预测信息，根据“源-网-荷-储”协同优化目标，建立优化调度模型，进行求解优化调度方法。
采集的长时间尺度对应的分布式电源、柔性负荷的预测信息，依据“源－网－荷－储”协同服务优化目标，建立协同调度模型，进行求解最优调度方法；其次，将长时间尺度优化调度结果发送至短时间尺度优化调度模型，在测周期内，以对应的当前时间点的长时间尺度优化结果作为初始值，考虑优化目标，计算优化调度结果；最后，将短时间尺度的目标优化曲线发送至实时控制单元，实现主动配电网“源－网－荷－储”优化协同调度。
数据采集模块还需要获取配电网拓扑结构、负荷实时数据、天气等信息，通过融合数据、模拟仿真等方式，预测配电网数据的运行态势，根据运行态势的结果对其进行优化调度，通过优化调度策略，对优化调度的结果值进行评估。
数据分析模块是在利用电动汽车与综合能源控制技术完成储能、配电网、充电设施间能量互联互动的协同控制，在满足电网可靠持续供电的要求下，通过配电中发电、输电和用电三者间的互动优化，在时间尺度、空间布局、运行状态三个维度进行源网荷储的协同优化调度，实现资源优化配置。
协同调度模块通过设置不同的调度目标，管理不同层级的协同调度服务，系统可通过配置依据配电网的运行态势、最优负荷配比等约束条件、储能充放电损耗最小等约束条件，给出配电网的影响最小、充电设施运营收益最大等不同控制目标下的最优运行策略。
如图2所示，基于上述系统的工作方法，包括以下步骤：
1、建立优化调度模型
首先系统需要建立基于源网荷储协调服务的优化调度模型，该调度模型包括新能源发电调度模块、电网负荷调度模块、快充站储能调度模块以及充电运行调度模块。
新能源发电调度模块主要是调度在快充站中建立的新能源发电，一般快充站中新能源发电采用光伏发电模式，一天中日照比较充足的时候，光伏设备发出的电经过储能系统进入储能装置中，待用电负荷高(通过预测的负荷曲线计算得出何时用电负荷高)的时候使用。
电网负荷调度模块主要是调度电网中的用电负荷，当快充站中储能电量不足以满足电动汽车充电、或者快充站中待充电电动汽车多、或者电网处于用电低谷(凌晨时段等)，此时电网负荷模块根据策略模型调度电网中的电量。
快充站储能调度模块主要用于调度快充站中的储能系统，储能系统详见专利《一种充换储放光伏一体化电站结构》(专利号：201420676064.9)。电动汽车快充站中储能系统兼具充电和放电能力，并且包含一定的存储能量，其旋转备用的范围较大，包括正的发电调节能力和负的充电调节能力，因而可以赋予主动配电网灵活的功率主动调节能力，是系统运行主动性的体现。快充站中的储能系统一般在电网处于用电低谷(凌晨时段等)、或者光伏发电满足电动汽车充电且有剩余电量的情况下进行充电。
充电运行调度模块主要用于调度充电桩给电动汽车充电。
2、数据采集及存储
数据采集模块采集源、网、荷、储中的装置或系统的数据，供数据计算、负荷预测及实时监控使用，具体采集的数据及作用如下：
新能源发电装置采集，采集光伏发电的数据，包括天气情况、光照强度、温度、电压、电流、输出功率等数据。这些数据用于计算光伏发电的电量，当电量有剩余时或不用于为快充站充电设备提供电时，将这部分电量储存至储能装置中；当快充站充电设备用电量高且电网的用电负荷大时，还用于为快充站充电设备提供电量。
电网负荷数据采集，采集电网的负荷数据，包括用电实时负荷及历史负荷。由于快充站的电力网络接入的是附件变电站的电网，因此快充站在充电时需要充分考虑该变电站的负荷。当电网的用电负荷处于用电高峰期时，本发明所公开的协同调度系统需要调度光伏发电和储能系统为快充站的充电设备进行供电；当电网的用电负荷处于用电低谷期时，该协同服务还需要调度反向为储能装置进行充电。快充站需要多少电网的负荷，需要根据预测的负荷进行调度。
储能系统及装置数据采集，采集储能系统及装置的数据，包括荷电状态(SOC)、输入/出电压、电流、功率等数据。用于在用电高峰期时为快充站提供电量、用电低谷时反向充电；用于在光照充足时，储存新能源发电的电量。
快充站用电设备及充电机数据采集，采集快充站中用电设备、充电机的实时数据，包括用电负荷、充电机输出电压、电流、SOC、状态等数据。数据用于计算预测负荷，调度源、网、储中电量。
3、数据计算及分析
依据源网荷储协同服务优化调度模型，通过采集的数据预测快充站用电负荷、电网用电负荷，通过本发明所公开的协同服务系统下发给发电模块、电网调度模块、储能模块以及快充站充电调度模块进行协同调度服务。
电网及快充站用电负荷预测，通过采集的变电站/快充站的实时负荷数据和历史负荷数据进行电网用电负荷的预测，负荷预测的时间选取了前一天的24点前的某一刻。首先对历史数据(一般为7天的历史负荷数据)进行数据预处理，通过灰色理论计算方法进行数据的拟合；再选取阈值及参数估计，得到灰色理论计算方法概率密度函数；最后得出第二天的预测负荷。
上述所预测的负荷数据可分为24点(每小时负荷)、48点(每半小时负荷)、96点(每15分钟负荷)数据。
所预测的负荷数据得出第二天每小时(或每15分钟)的估算用电负荷，依据此负荷数据可调度发电、电网、储能及充电。具体调度方式见下。
4、生成调度策略
将预测的负荷曲线依据时间段进行划分，将高负荷的时间段，通过新能源发电量或储能系统放电的方式拉低负荷，将低负荷时间段进行储能充电，以拟合的方式得出快充站的平滑负荷曲线；最后得出第二天的预测负荷。
此时得到的平滑负荷曲线是分别对电网负荷、储能放电负荷以及充电设施用电负荷进行调整，每个时间段三者之间都有一定的分配比例，得到的快充站平滑负荷曲线即为最优的负荷配比。
通过配置依据配电网的运行态势、最优负荷配比的约束条件、储能充放电损耗最小的约束条件，给出配电网的影响最小、充电设施运营收益最大的不同控制目标下的最优运行策略。
5、协调调度
对新能源发电电源、电网、储能装置、电动汽车充放电设施的多类型资源进行调度，对接入的分布式能源进行主动管理，能够自适应调节网络、电源、负荷的智能互联系统；
新能源发电调度，新能源发电电量一部分用于电网处于用电高峰期时向充电设备提供电量，另一部分电量储存在储能系统中。由于是否发电、发电量的多少取决当日的日照强度等原因，通过获取发电量的大小，依据调度策略向充电设备提供电量，当发电量不能满足充电设备需要时，调节调度策略，由储能设备补充充电电量。
电网用电调度，通过预测的负荷数据，依据削峰填谷原则，当配电网处于用电高峰期时将充电站使用的配电网的负荷拉低，以此减轻配电网的负载，优化调度策略中会调度储能系统或新能源发电系统对快充站进行充电电量进行补充，以此达到满足快充站内所有充电车辆的需求。当配电网及快充站处于用电低谷期时，依据调度策略，会对储能系统进行储能充电。
储能系统调度，依据优化调度策略，快充站用电时储能系统提供电量，反之储能系统进行储能充电。
充电调度，用于对快充站内所有充电设备的充电调度，依据优化调度策略，既要满足所有电动汽车充电，又要满足对配电网的影响最小的控制目标，将预测的负荷曲线依据时间段进行划分，将高负荷的时间段，通过新能源发电量或储能系统放电的方式拉低负荷。
配电网数据的运行态势预测过程包括：
1、获取配电网的拓扑结构、电网负荷实时数据、天气预报等信息；
2、对配电网的历史数据按照时间点类型进行筛选获得历史样本；
3、对历史样本坏数据(波动比较大的数据)进行辨识修正，对于主平稳的序列数据基于灰色理论计算方法进行仿真预测，获取下一时间段的安全态势值。
4、将得到的数据值与安全态势值比较，反复计算N(N>＝3)次，最后依据N种数值的组合权重，最终得出一个合理的配电网数据的运行态势。
进行数据演算及分析，对比源层、网层、荷层和储能层各自的数据特征，分析各层之间的数据和能量传递流程，并挖掘数据流、能量流的耦合关系，最终得出电动汽车快充站储能系统的负荷最优配比计算方法。
最优的负荷配比计算方法过程包括：
1、首先以快充站实际储能电量和充电站实际负荷特性为基础，确定不同的储能能量管理策略优化目标，并对该目标所需的储能电量需求进行预估计算；
2、将得到的计算结果作为制定充电站实时负荷优化策略的重要参考依据，提升优化策略的经济性与实用性。
3、根据快充站历史负荷、历史储能电量为样本，预测未来一天(当天调用本方法的时段数至次日时段数)的负荷曲线。
4、将预测的负荷曲线和预估的储能电量依据时间段进行划分，将高负荷的时间段，通过储能系统放电的方式拉低负荷，将低负荷时间段进行储能充电，以拟合的方式得出快充站的平滑负荷曲线。
5、此时得到的平滑负荷曲线是分别对电网负荷、储能放电负荷以及充电设施用电负荷进行调整，每个时间段三者之间都有一定的分配比例，得到的快充站平滑负荷曲线即为最优的负荷配比。
构建优化调度模型，依据配电网的运行态势、充电设施运营收益最大、最优负荷配比、储能充放电损耗最小等约束条件，建立优化调度模型，进行求解优化调度方法。
通过设置不同的调度目标，管理不同层级的协同调度服务。
作为进一步限定，优化调度求解方法具体为：
1、获取配电网、用电、储能的历史样本数据。
2、根据上述步骤获取配电网的运势态势、最优负荷配比等约束条件。
3、配置依据配电网的运行态势、最优负荷配比等约束条件、储能充放电损耗最小等约束条件。
4、通过模拟仿真获取将来一段时间的源网荷储调用的资源配置曲线，将该调用曲线输入到协同调度模块。
5、协同调度模块根据此曲线进行协同调度服务。
本领域内的技术人员应明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开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，本公开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。
本公开是参照根据本公开实施例的方法、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。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述，但并非对本公开保护范围的限制，所属领域技术人员应该明白，在本公开的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.一种基于源网荷储协同服务的电动汽车快充站储能系统，其特征是：包括：
数据采集模块，被配置为采集各个监测点的装置的数据，所述数据包括新能源发电、电网负荷数据、快充站电网负荷数据以及快充站中储能装置运行状态以及实时运行参数；
数据存储模块，被配置为存储源网荷储采集的各结构装置的数据；
数据分析模块，被配置为根据采集的各监测点数据进行数据演算，分析源层、网层、荷层和储能层各自的数据特征，得到各层之间的数据和能量传递流程，并挖掘数据流、能量流的耦合关系，确定快充站的负荷最优配比、储能系统最大化容量；
协同调度模块，被配置为区域内电动汽车快充站的优化调度并对新能源发电电源、电网、储能装置和电动汽车充放电设施的多类型资源进行调度，对接入的分布式能源进行主动管理，能够自适应调节网络、电源和负荷之间智能互联系统；
通信模块，被配置为实现上述各模块之间数据交互通信。
2.如权利要求1所述的一种基于源网荷储协同服务的电动汽车快充站储能系统，其特征是：所述数据存储模块包括关系数据库和实时数据库，所述关系数据库被配置为对关系数据的存储，所述实时数据库被配置为对数据采集模块采集的监测点实时数据的存储。
3.如权利要求1所述的一种基于源网荷储协同服务的电动汽车快充站储能系统，其特征是：所述数据采集模块采集配电网运行量测信息及长时间尺度对应的分布式电源、柔性负荷的预测信息，根据源网荷储协同优化目标，建立优化调度模型，进行求解优化调度方法。
4.如权利要求1所述的一种基于源网荷储协同服务的电动汽车快充站储能系统，其特征是：所述数据采集模块获取配电网拓扑结构、负荷实时数据和天气信息，通过融合数据、模拟仿真，预测配电网数据的运行态势，根据运行态势的结果对其进行优化调度，通过优化调度策略，对优化调度的结果值进行评估。
5.如权利要求1所述的一种基于源网荷储协同服务的电动汽车快充站储能系统，其特征是：所述协同调度模块根据采集的长时间尺度对应的分布式电源、柔性负荷的预测信息，依据源网荷储协同服务优化目标，建立协同调度模型，进行求解最优调度方法，将长时间尺度优化调度结果发送至短时间尺度优化调度模型，在周期内，以对应的当前时间点的长时间尺度优化结果作为初始值，考虑优化目标，计算优化调度结果，将短时间尺度的目标优化曲线发送至实时控制单元，实现主动配电网源网荷储优化协同调度。
6.如权利要求1所述的一种基于源网荷储协同服务的电动汽车快充站储能系统，其特征是：所述数据分析模块是在利用电动汽车与综合能源控制技术完成储能、配电网、充电设施间能量互联互动的协同控制，在满足电网可靠持续供电的要求下，通过配电中发电、输电和用电三者间的互动优化，在时间尺度、空间布局、运行状态三个维度进行源网荷储的协同优化调度，实现资源优化配置。
7.如权利要求1所述的一种基于源网荷储协同服务的电动汽车快充站储能系统，其特征是：所述协同调度模块通过设置不同的调度目标，管理不同层级的协同调度服务，通过配置依据配电网的运行态势、最优负荷配比的约束条件、储能充放电损耗最小的约束条件，给出配电网的影响最小、充电设施运营收益最大的不同控制目标下的最优运行策略。
8.基于权利要求1-7中任一项所述的系统的工作方法，其特征是：包括以下步骤：
采集储能系统各个监测点的装置的实时数据，采集配电网运行量测信息及长时间尺度对应的分布式电源、柔性负荷的预测信息，获取配电网拓扑结构、负荷实时数据以及天气信息，并保存；
根据配电网拓扑结构、负荷实时数据、天气等信息，通过融合数据、模拟仿真，预测配电网数据的运行态势；
进行数据演算及分析，对比源层、网层、荷层和储能层各自的数据特征，分析各层之间的数据和能量传递流程，并挖掘数据流、能量流的耦合关系，最终得出电动汽车快充站储能系统的负荷最优配比；
构建优化调度模型，依据配电网的运行态势、充电设施运营收益最大、最优负荷配比、储能充放电损耗最小的约束条件，建立优化调度模型，进行求解优化调度值；
通过设置不同的调度目标，管理不同层级的协同调度服务。
9.如权利要求8所述的工作方法，其特征是：所述配电网数据的运行态势预测过程包括：
获取配电网的拓扑结构、电网负荷实时数据和天气预报信息；
对配电网的历史数据按照时间点类型进行筛选获得历史样本；
对历史样本坏数据进行辨识修正，对于主平稳的序列数据基于灰色理论计算方法进行仿真预测，获取下一时间段的安全态势值；
将得到的数据值与安全态势值比较，反复计算若干次，最后依据得到的数值的组合权重，最终得出配电网数据的运行态势。
10.如权利要求8所述的工作方法，其特征是：最优的负荷配比计算过程具体为：
以快充站实际储能电量和充电站实际负荷特性为基础，确定不同的储能能量管理策略优化目标，并对该目标所需的储能电量需求进行预估计算；
将得到的计算结果作为制定充电站实时负荷优化策略的重要参考依据，提升优化策略的经济性与实用性；
根据快充站历史负荷、历史储能电量为样本，预测未来一定时间的的负荷曲线；
将预测的负荷曲线和预估的储能电量依据时间段进行划分，将高负荷的时间段，通过储能系统放电的方式拉低负荷，将低负荷时间段进行储能充电，以拟合的方式得出快充站的平滑负荷曲线，即为最优的负荷配比。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910934887.4A CN110649641B (zh) | 2019-09-29 | 2019-09-29 | 基于源网荷储协同服务的电动汽车快充站储能系统及其方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910934887.4A CN110649641B (zh) | 2019-09-29 | 2019-09-29 | 基于源网荷储协同服务的电动汽车快充站储能系统及其方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110649641A true CN110649641A (zh) | 2020-01-03 |
| CN110649641B CN110649641B (zh) | 2021-03-16 |
Family
ID=68993312
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910934887.4A Active CN110649641B (zh) | 2019-09-29 | 2019-09-29 | 基于源网荷储协同服务的电动汽车快充站储能系统及其方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110649641B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111342446A (zh) * | 2020-03-02 | 2020-06-26 | 国网天津市电力公司电力科学研究院 | 三维家庭智慧用能泛在调度控制方法及系统 |
| CN111641207A (zh) * | 2020-06-03 | 2020-09-08 | 国网上海市电力公司 | 一种区域能源综合体虚拟聚合系统及方法 |
| CN112260322A (zh) * | 2020-10-10 | 2021-01-22 | 中国电力科学研究院有限公司 | 源网荷储仿真平台、方法及系统 |
| CN113452055A (zh) * | 2021-07-02 | 2021-09-28 | 广东电网有限责任公司 | 一种电网调峰调频方法、系统及电动汽车充放电调度系统 |
| CN113489142A (zh) * | 2021-06-18 | 2021-10-08 | 浙江中新电力工程建设有限公司 | 基于电网能源互联网的消费侧源网荷协同控制系统及方法 |
| CN113902315A (zh) * | 2021-10-13 | 2022-01-07 | 四川才能科技有限公司 | 一种智能生活服务系统及方法 |
| CN114118787A (zh) * | 2021-11-19 | 2022-03-01 | 国网安徽省电力有限公司合肥供电公司 | 一种基于lstm算法的城市分布式源网荷储的调度优化方法 |
| CN114726001A (zh) * | 2022-06-08 | 2022-07-08 | 始途科技(杭州)有限公司 | 一种微电网管理方法及系统 |
| CN115663887A (zh) * | 2022-10-14 | 2023-01-31 | 上海交通大学 | 基于轻量化轨道运载系统的能源互联网系统及运行方法 |
| CN117060456A (zh) * | 2023-08-21 | 2023-11-14 | 深圳中保动力新能源科技有限公司 | 一种基于人工智能的储能系统控制方法及装置 |
| CN117239769A (zh) * | 2023-11-14 | 2023-12-15 | 吉林省有继科技有限公司 | 一种充电站电网调压建模系统及方法 |
| CN117254494A (zh) * | 2023-09-27 | 2023-12-19 | 南方电网调峰调频(广东)储能科技有限公司 | 多站点协同储能集控调度系统及方法 |
| CN117498555A (zh) * | 2023-11-07 | 2024-02-02 | 广东格林赛福能源科技有限公司 | 一种基于云边融合的储能电站智能运维系统 |
| CN117060456B (zh) * | 2023-08-21 | 2024-04-30 | 深圳中保动力新能源科技有限公司 | 一种基于人工智能的储能系统控制方法及装置 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105868499A (zh) * | 2016-04-20 | 2016-08-17 | 电子科技大学 | 一种含风光储的电动汽车充电站容量配比方法 |
| CN106022530A (zh) * | 2016-05-26 | 2016-10-12 | 国网山东省电力公司电力科学研究院 | 一种电力需求侧柔性负荷有功功率预测方法 |
| CN107633333A (zh) * | 2017-10-16 | 2018-01-26 | 国家电网公司 | 柔性变电站区域电网的源‑荷‑储调度优化方法及系统 |
| CN108899933A (zh) * | 2018-08-06 | 2018-11-27 | 国网山东省电力公司德州供电公司 | 光储系统在电动汽车快充站的模块化系统及部署方法 |
| CN109523087A (zh) * | 2018-11-28 | 2019-03-26 | 国网山东省电力公司德州供电公司 | 基于深度学习的电动汽车快充站储能监测系统及其方法 |
-
2019
- 2019-09-29 CN CN201910934887.4A patent/CN110649641B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105868499A (zh) * | 2016-04-20 | 2016-08-17 | 电子科技大学 | 一种含风光储的电动汽车充电站容量配比方法 |
| CN106022530A (zh) * | 2016-05-26 | 2016-10-12 | 国网山东省电力公司电力科学研究院 | 一种电力需求侧柔性负荷有功功率预测方法 |
| CN107633333A (zh) * | 2017-10-16 | 2018-01-26 | 国家电网公司 | 柔性变电站区域电网的源‑荷‑储调度优化方法及系统 |
| CN108899933A (zh) * | 2018-08-06 | 2018-11-27 | 国网山东省电力公司德州供电公司 | 光储系统在电动汽车快充站的模块化系统及部署方法 |
| CN109523087A (zh) * | 2018-11-28 | 2019-03-26 | 国网山东省电力公司德州供电公司 | 基于深度学习的电动汽车快充站储能监测系统及其方法 |
Non-Patent Citations (2)
| Title |
|---|
| 曾鸣: "能源互联网_源_网_荷_储_协调优化运营模式及关键技术", 《电网技术》 * |
| 李文: "基于源网荷储的区域能源互联网信息管理系统研究", 《电力信息与通信技术》 * |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111342446B (zh) * | 2020-03-02 | 2023-10-27 | 国网天津市电力公司电力科学研究院 | 三维家庭智慧用能泛在调度控制方法及系统 |
| CN111342446A (zh) * | 2020-03-02 | 2020-06-26 | 国网天津市电力公司电力科学研究院 | 三维家庭智慧用能泛在调度控制方法及系统 |
| CN111641207A (zh) * | 2020-06-03 | 2020-09-08 | 国网上海市电力公司 | 一种区域能源综合体虚拟聚合系统及方法 |
| CN112260322A (zh) * | 2020-10-10 | 2021-01-22 | 中国电力科学研究院有限公司 | 源网荷储仿真平台、方法及系统 |
| CN113489142A (zh) * | 2021-06-18 | 2021-10-08 | 浙江中新电力工程建设有限公司 | 基于电网能源互联网的消费侧源网荷协同控制系统及方法 |
| CN113452055A (zh) * | 2021-07-02 | 2021-09-28 | 广东电网有限责任公司 | 一种电网调峰调频方法、系统及电动汽车充放电调度系统 |
| CN113902315A (zh) * | 2021-10-13 | 2022-01-07 | 四川才能科技有限公司 | 一种智能生活服务系统及方法 |
| CN114118787A (zh) * | 2021-11-19 | 2022-03-01 | 国网安徽省电力有限公司合肥供电公司 | 一种基于lstm算法的城市分布式源网荷储的调度优化方法 |
| CN114726001A (zh) * | 2022-06-08 | 2022-07-08 | 始途科技(杭州)有限公司 | 一种微电网管理方法及系统 |
| CN115663887A (zh) * | 2022-10-14 | 2023-01-31 | 上海交通大学 | 基于轻量化轨道运载系统的能源互联网系统及运行方法 |
| CN117060456A (zh) * | 2023-08-21 | 2023-11-14 | 深圳中保动力新能源科技有限公司 | 一种基于人工智能的储能系统控制方法及装置 |
| CN117060456B (zh) * | 2023-08-21 | 2024-04-30 | 深圳中保动力新能源科技有限公司 | 一种基于人工智能的储能系统控制方法及装置 |
| CN117254494A (zh) * | 2023-09-27 | 2023-12-19 | 南方电网调峰调频(广东)储能科技有限公司 | 多站点协同储能集控调度系统及方法 |
| CN117254494B (zh) * | 2023-09-27 | 2024-03-22 | 南方电网调峰调频(广东)储能科技有限公司 | 多站点协同储能集控调度系统及方法 |
| CN117498555A (zh) * | 2023-11-07 | 2024-02-02 | 广东格林赛福能源科技有限公司 | 一种基于云边融合的储能电站智能运维系统 |
| CN117239769A (zh) * | 2023-11-14 | 2023-12-15 | 吉林省有继科技有限公司 | 一种充电站电网调压建模系统及方法 |
| CN117239769B (zh) * | 2023-11-14 | 2024-04-09 | 吉林省有继科技有限公司 | 一种充电站电网调压建模系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110649641B (zh) | 2021-03-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110649641B (zh) | 基于源网荷储协同服务的电动汽车快充站储能系统及其方法 | |
| Wang et al. | Integrated energy exchange scheduling for multimicrogrid system with electric vehicles | |
| CN109523087B (zh) | 基于深度学习的电动汽车快充站储能监测系统及其方法 | |
| CN102509167B (zh) | 基于虚拟电厂的光伏发电能量管理系统 | |
| CN105761109A (zh) | 虚拟电厂能源管理和电力交易的智能管理系统及其优化运行方法 | |
| Alabi et al. | Improved hybrid inexact optimal scheduling of virtual powerplant (VPP) for zero-carbon multi-energy system (ZCMES) incorporating Electric Vehicle (EV) multi-flexible approach | |
| CN102324752A (zh) | 结合风力发电的纯电动汽车有序充放电协调控制系统 | |
| CN109450001A (zh) | 多配电台区光伏出力分配方法及装置 | |
| CN113285479A (zh) | 一种超大容量的区域微电网系统及运行方法 | |
| Silva et al. | Hour-ahead energy resource management in university campus microgrid | |
| Ma et al. | Real-time plug-in electric vehicles charging control for V2G frequency regulation | |
| CN116307087B (zh) | 考虑电动汽车充放电的微电网系统储能优化配置方法和系统 | |
| CN114036451A (zh) | 一种并网式光储充装置的储能控制方法及系统 | |
| CN104578145A (zh) | 一种面向智能用电的连续任务型负荷能量控制方法 | |
| CN113326467B (zh) | 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统 | |
| CN104484757A (zh) | 一种应用于智能微电网的异质载荷调度和能量管理方法 | |
| CN112819203B (zh) | 一种基于深度学习的充电管理系统及方法 | |
| CN111160384B (zh) | 一种移动储能车调度优化方法、系统及装置 | |
| CN109130943A (zh) | 共享电池站控制策略 | |
| CN117131984A (zh) | 源网荷储智慧控制型城市综合能源系统及方法 | |
| CN115622100B (zh) | 一种使用光伏储能电池的企业用电分配监测系统及方法 | |
| Ahmed et al. | Grid Integration of PV Based Electric Vehicle Charging Stations: A Brief Review | |
| CN112736950B (zh) | 一种面向微电网群的公共储能电站配置方法及系统 | |
| CN115377964A (zh) | 一种区域两阶段弹性能量管理方法、系统、设备及介质 | |
| CN110929908B (zh) | 多微网系统容量配置与经济调度的协同优化方法及系统 |
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: 20210209 Address after: 253043 No.41 Dongfeng East Road, Decheng District, Dezhou City, Shandong Province Applicant after: DEZHOU POWER SUPPLY COMPANY OF STATE GRID SHANDONG ELECTRIC POWER Co. Applicant after: Shandong Luneng Software Technology Co.,Ltd. intelligent electrical branch Address before: 253000 1237 Xinhu street, Decheng District, Dezhou City, Shandong Province Applicant before: DEZHOU POWER SUPPLY COMPANY OF STATE GRID SHANDONG ELECTRIC POWER Co. Applicant before: National Network Intelligent Technology Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 253043 No.41 Dongfeng East Road, Decheng District, Dezhou City, Shandong Province Patentee after: DEZHOU POWER SUPPLY COMPANY OF STATE GRID SHANDONG ELECTRIC POWER Co. Patentee after: Shandong luruan Digital Technology Co.,Ltd. smart energy branch Address before: 253043 No.41 Dongfeng East Road, Decheng District, Dezhou City, Shandong Province Patentee before: DEZHOU POWER SUPPLY COMPANY OF STATE GRID SHANDONG ELECTRIC POWER Co. Patentee before: Shandong Luneng Software Technology Co.,Ltd. intelligent electrical branch |