CN110890752B - 一种可参与电网辅助服务的集中式云储能运行决策方法 - Google Patents

一种可参与电网辅助服务的集中式云储能运行决策方法 Download PDF

Info

Publication number
CN110890752B
CN110890752B CN201911191015.XA CN201911191015A CN110890752B CN 110890752 B CN110890752 B CN 110890752B CN 201911191015 A CN201911191015 A CN 201911191015A CN 110890752 B CN110890752 B CN 110890752B
Authority
CN
China
Prior art keywords
energy storage
period
power grid
power
cloud
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
CN201911191015.XA
Other languages
English (en)
Other versions
CN110890752A (zh
Inventor
张宁
刘静琨
王毅
康重庆
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.)
Tsinghua University
Original Assignee
Tsinghua University
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 Tsinghua University filed Critical Tsinghua University
Priority to CN201911191015.XA priority Critical patent/CN110890752B/zh
Priority to PCT/CN2020/074192 priority patent/WO2021103312A1/zh
Publication of CN110890752A publication Critical patent/CN110890752A/zh
Application granted granted Critical
Publication of CN110890752B publication Critical patent/CN110890752B/zh
Priority to US17/824,113 priority patent/US20220294224A1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
    • G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
    • 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
    • H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
    • 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
    • H02J15/00—Systems for storing electric 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • 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
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2639—Energy management, use maximum of cheap power, keep peak load low
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/12—Monitoring or controlling equipment for energy generation units, e.g. distributed energy generation [DER] or load-side generation
    • 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/14—Energy storage units

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明涉及一种可参与电网辅助服务的集中式云储能运行决策方法。本方法利用模型预测控制模型，该模型以最小化集中式储能设施在当前时段产生的运行成本与其预计在设定时间范围内产生的运行成本的总合作为目标函数，以充放电功率和集中式储能设施电量作为约束条件；云储能服务提供商根据从电网调控中心获取的当前时段运行参数和根据历史数据预测的运行参数利用上述模型求解出当前时段集中式储能设施用于向云储能用户提供云储能服务的充、放电功率和其用于向电网提供辅助服务的充、放电功率，得到集中式储能设施的控制指令。本发明通过响应电网调控中心发出的充电和放电命令实现对电网调频调峰辅助服务的参与，可提高集中式储能设施的利用率。

Description

一种可参与电网辅助服务的集中式云储能运行决策方法
技术领域
本发明涉及一种可参与电网辅助服务的集中式云储能运行决策方法，属于电网中储能 技术应用领域。
背景技术
随着分布式发电技术和实时电价的推广，用户日益希望自主选择储能装置及其充放电 时机，实现合理的储能资源利用。用户投资使用本地的实体储能装置可能会面临着过高的 单位成本，而且也需要花费一定的精力进行维护。利用共享式云端虚拟储能代替用户本地 的实体储能装置是一种较好的替代方式，如已有的一种用于住宅和小型用户的云储能装置 (Liu J,Zhang N,Kang C,et al.Cloud energy storage for residential andsmall commercial consumers:A business case study[J].Applied Energy.2017,188:226-236.)。现有的云储能概念 是一种基于电网的共享式储能技术，使用户可以随时、随地、按需使用由集中式或分布式 的储能设施构成的共享储能资源，并按照使用需求而支付服务费。现有云储能系统主要包 括4部分，分别是云储能用户、云储能服务提供商、集中式储能设施以及电网。云储能用 户和电网之间以及集中式储能设施和电网之间分别通过电气连接实现能量的双向传输。云 储能用户和电网之间、云储能用户和云储能服务提供商之间、云储能服务提供商和集中式 储能设施之间分别通过有线或无线通信方式实现信息的双向传输，电网向云储能服务提供 商单向传输信息。
云储能服务提供商控制储能装置满足云储能用户的充电和放电需求，同时最大化利用 储能资源。可用的储能资源不仅被许多云储能用户所分享，同时也根据充放电需求动态地 分配给相应云储能用户。通过优化计划和储能设施的协调控制，提高系统运行效率。云储 能通过从配电馈线充放电改变了原有的潮流。云储能用户与储能设施处于同一配电网中。 当一个云储能用户向其所分配到的储能资源充电时，储能设施通过向电网吸入能量而充电。 当云储能用户使其云端电池放电来使用所存储的能量时，储能设施向电网释放能量去补偿 相应用户的负荷。
云储能服务提供商可以利用海量分布式用户之间充电和放电需求的互补性和非同时 性实现其所建设的储能设施的能量容量与功率容量分别低于云储能系统中所有分布式用 户的能量容量需求总合与功率容量需求总合。如今能源与信息通讯技术愈发深度融合，这 就给构建云储能系统提供了软硬件的支撑。目前的云储能系统在决策时未考虑到将云储能 所对应的集中式储能储能装置运用于电网辅助服务，仅考虑如何利用储能资源服务云储能 用户，没有最大化地发挥储能资源的价值。
此外，模型预测控制(Model Predictive Control,MPC)理论(可参见以下论文：刘向 杰,孔小兵.电力工业复杂系统模型预测控制——现状与发展.中国电机工程学报,2013,33(05):79-85.)是一种优化控制理论，该理论于上世纪70年代问世，主要针对有优化需求的控制问题，在复杂工业控制中有成功的应用。该理论根据当前时刻能够获取的信息和对于未来预测的信息，优化求解控制策略之后只采用当前时刻的控制策略，通过滚动优化得到实时的控制策略。该理论可以用于决策电力系统调度模型中的参数，例如机组出力。
目前还没有详细介绍可参与电网辅助服务的云储能系统及其使用MPC方法进行参与 电网辅助服务决策的相关报道。
发明内容
本发明的目的是为克服现有集中式云储能系统仅仅用于满足用户的充电放电需求的 局限性，提出一种可参与电网辅助服务的集中式云储能运行决策方法，本发明对云储能系 统进行了拓展，将电网调控中心包含在云储能系统内，使得云储能服务提供商可以参与电 网的辅助服务，例如调频、调峰。在此基础上，还运用模型预测控制理论，提出了云储能 服务提供商运行决策模型与方法，为云储能服务提供商实际参与辅助服务提供了支持。
为了实现上述目的，本发明采用如下技术方案：
本发明提出的一种可参与电网辅助服务的集中式云储能运行决策方法，其特征在于， 包括以下步骤：
1)建立如下模型预测控制模型：
1-1)设所述模型预测控制模型的目标函数为：
Figure BDA0002293573830000021
该目标函数表示最小化集中式储能设施在当前时段产生的运行成本与其预计在设定 时间范围内产生的运行成本的总合；式中，
(·)+和(·)-分别定义为取括号中的正值和负值部分，即：
Figure BDA0002293573830000031
Figure BDA0002293573830000032
Δt为模型预测控制模型的基本时段间隔；
t为当前时段；τ为紧邻当前时段t之后5min内的任一时段；Tt为紧邻当前时段t之后 5min内的所有时段的集合；
Figure BDA0002293573830000033
为集中式储能设施在t时段产生的运行成本与其预计在Tt时间范围内产生的运行 成本的总合；
λt为t时段集中式储能设施从电网获取电能时，云储能服务提供商需要支付给电网的 电费单价；
Figure BDA0002293573830000034
为τ时段集中式储能设施从电网获取电能时，云储能服务提供商需要支付给电网的 电费单价预测值；
θt为t时段集中式储能设施向电网回馈电能时，云储能服务提供商从电网获得的电费 单价；
Figure BDA0002293573830000035
为τ时段集中式储能设施向电网回馈电能时，云储能服务提供商从电网获得的电费 单价预测值；
Pt C,CU为t时段集中式储能设施用于向云储能用户提供云储能服务的充电功率；
Figure BDA0002293573830000036
为τ时段集中式储能设施用于向云储能用户提供云储能服务的充电功率的预测值；
Pt D,CU为t时段集中式储能设施用于向云储能用户提供云储能服务的放电功率；
Figure BDA0002293573830000037
为τ时段集中式储能设施用于向云储能用户提供云储能服务的放电功率的预测值；
Figure BDA0002293573830000038
为t时段云储能用户放电功率的总合；
Figure BDA0002293573830000039
为τ时段云储能用户放电功率的总合的预测值；
Figure BDA00022935738300000310
为t时段云储能用户使用本地分布式能源充电功率的总合；
Figure BDA00022935738300000311
为τ时段云储能用户使用本地分布式能源充电功率的总合的预测值；
Pt C,AS为t时段集中式储能设施用于向电网提供辅助服务的充电功率；
Figure BDA00022935738300000312
为τ时段集中式储能设施用于向电网提供辅助服务的充电功率的预测值；
Pt D,AS为t时段集中式储能设施用于向电网提供辅助服务的放电功率；
Figure BDA00022935738300000313
为τ时段集中式储能设施用于向电网提供辅助服务的放电功率的预测值；
Figure BDA00022935738300000314
为t时段电网辅助服务需要云储能服务提供商实现的充电功率；
Figure BDA00022935738300000315
为τ时段电网辅助服务需要云储能服务提供商实现的充电功率的预测值；
Figure BDA0002293573830000041
为t时段电网辅助服务需要云储能服务提供商实现的放电功率；
Figure BDA0002293573830000042
为τ时段电网辅助服务需要云储能服务提供商实现的放电功率的预测值；
Figure BDA0002293573830000043
为t时段云储能服务提供商的充电功率不能满足电网辅助服务需求，即
Figure BDA0002293573830000044
而需要向电网支付的惩罚电费单价；
Figure BDA0002293573830000045
为τ时段云储能服务提供商的充电功率不能满足电网辅助服务需求，即
Figure BDA0002293573830000046
而需要向电网支付的惩罚电费单价的预测值；
Figure BDA0002293573830000047
为t时段云储能服务提供商的放电功率不能满足电网辅助服务需求，即
Figure BDA0002293573830000048
而需要向电网支付的惩罚电费单价；
Figure BDA0002293573830000049
为τ时段云储能服务提供商的放电功率不能满足电网辅助服务需求，即
Figure BDA00022935738300000410
而需要向电网支付的惩罚电费单价的预测值；
Figure BDA00022935738300000411
为t时段云储能服务提供商的充电功率满足电网辅助服务需求，即
Figure BDA00022935738300000412
而从 电网获得的单位能量奖励；
Figure BDA00022935738300000413
为τ时段云储能服务提供商的充电功率满足电网辅助服务需求，即
Figure BDA00022935738300000414
而 从电网获得的单位能量奖励的预测值；
Figure BDA00022935738300000415
为t时段云储能服务提供商的放电功率满足电网辅助服务需求，即
Figure BDA00022935738300000416
而从 电网获得的单位能量奖励；
Figure BDA00022935738300000417
为τ时段云储能服务提供商的放电功率满足电网辅助服务需求，即
Figure BDA00022935738300000418
而 从电网获得的单位能量奖励的预测值；
Et为t时段末集中式储能设施的电量；
Eτ为τ时段末集中式储能设施的电量的预测值；
1-2)设所述模型预测控制模型的约束条件为：
1-2-1)充放电功率约束
Figure BDA00022935738300000419
Figure BDA00022935738300000420
Figure BDA00022935738300000421
Figure BDA00022935738300000422
Figure BDA00022935738300000423
Pt C,CU+Pt C,AS≤PCap
Figure BDA00022935738300000424
Pt D,CU+Pt D,AS≤PCap
Figure BDA00022935738300000425
式中，PCap为集中式储能设施的功率容量；
1-2-2)集中式储能设施最小电量约束
EMin＝SOCMin·ECap
式中，EMin为集中式储能设施的最小电量；SOCMin为集中式储能设施的最小荷电状态；ECap为集中式储能设施的能量容量；
1-2-3)集中式储能设施电量约束
EMin≤Et,Eτ≤ECap
1-2-4)相邻时段集中式储能设施电量约束
Figure BDA0002293573830000051
Figure BDA0002293573830000052
Figure BDA0002293573830000053
式中：S为集中式储能设施在每个时间间隔Δt的自放电率，ηC为集中式储能设施的充电 效率，ηD为集中式储能设施的放电效率；Et-1为t-1时段末通过传感器获取的集中式储能 设施的实际电量，令初始时刻集中式储能设施的电量为E0＝SOC0·ECap，SOC0为集中式储 能设施的初始荷电状态；
2)当前决策周期开始时刻，云储能服务提供商从电网控制中心获取当前时段t的运行 参数，包括：t时段集中式储能设施从电网获取电能时云储能服务提供商需要支付给电网 的电费单价λt、t时段集中式储能设施向电网回馈电能时云储能服务提供商从电网获得的 电费单价θt、t时段电网辅助服务需要云储能服务提供商实现的充电功率
Figure BDA0002293573830000054
和放电功率
Figure BDA0002293573830000055
t时段云储能服务提供商的充电功率不能满足电网辅助服务需求时向电网支付的惩罚电费 单价
Figure BDA0002293573830000056
t时段云储能服务提供商的放电功率不能满足电网辅助服务需求时向电网支付的 惩罚电费单价
Figure BDA0002293573830000057
t时段云储能服务提供商的充电功率满足电网辅助服务需求时从电网获 得的单位能量奖励
Figure BDA0002293573830000058
t时段云储能服务提供商的放电功率满足电网辅助服务需求时从电 网获得的单位能量奖励
Figure BDA0002293573830000059
通过安装在云储能用户的便携设备上的应用程序实时收集和量 测得到t时段云储能用户放电功率的总合
Figure BDA00022935738300000510
t时段云储能用户使用本地分布式能源充电 功率的总合
Figure BDA00022935738300000511
3)云储能服务提供商根据历史数据预测得到Tt时间范围内的运行参数，包括τ时段集 中式储能设施从电网获取电能时云储能服务提供商支付给电网的电费单价预测值
Figure BDA00022935738300000512
τ时 段集中式储能设施向电网回馈电能时云储能服务提供商从电网获得的电费单价预测值
Figure BDA00022935738300000513
τ时段云储能用户放电功率的总合的预测值
Figure BDA00022935738300000514
τ时段云储能用户使用本地分布式能源充 电功率的总合的预测值
Figure BDA00022935738300000515
τ时段电网辅助服务需要云储能服务提供商实现的充电功率 的预测值
Figure BDA00022935738300000516
和放电功率的预测值
Figure BDA00022935738300000517
τ时段云储能服务提供商的充电功率不能满足电网辅 助服务需求时向电网支付的惩罚电费单价的预测值
Figure BDA0002293573830000061
τ时段云储能服务提供商的放电功 率不能满足电网辅助服务需求时向电网支付的惩罚电费单价的预测值
Figure BDA0002293573830000062
τ时段云储能服 务提供商的充电功率满足电网辅助服务需求时从电网获得的单位能量奖励的预测值
Figure BDA0002293573830000063
τ 时段云储能服务提供商的放电功率满足电网辅助服务需求时从电网获得的单位能量奖励 的预测值
Figure BDA0002293573830000064
4)根据步骤2)和步骤3)得到的运行参数及步骤1)建立的模型预测控制模型，求解出以下决策变量：t时段集中式储能设施用于向云储能用户提供云储能服务的充电功率Pt C,CU和放电功率Pt D,CU、t时段集中式储能设施用于向电网提供辅助服务的充电功率Pt C,AS和放电功率Pt D,AS；
5)云储能服务提供商根据步骤4)得到的决策变量设定t时段集中式储能设施的充电 功率为Pt C,CU+Pt C,AS，放电功率为Pt D,CU+Pt D,AS；集中式储能设施按照该设定的充电功率和放电功率工作；
6)云储能服务提供商通过其安装在集中式储能设施上的传感器获取t时段末集中式储 能设施的电量的实际值作为下一决策周期的参数；返回步骤2)开始下一决策周期。
本发明的特点及有益效果：
本发明针对现有云储能系统不能实现参与电网辅助服务的问题，改进云储能服务提供 商决策模型，使云储能服务提供商可以参与电网的辅助服务，通过响应电网调控中心发出 的充电和放电命令实现对电网调频调峰辅助服务的参与。为了提升决策的准确性，云储能 服务提供商的运行决策采用模型预测控制的思想，根据现有和预测信息滚动决策当前的集 中式储能设施的充电和放电指令。
本发明方法能够拓宽电网辅助服务参与者的来源，为电网的调频、调峰等辅助服务需 求提供有益的支撑，还可以使得云储能系统中集中式储能设施的利用率进一步提高。云储 能服务提供商可利用更多预测得到的参数，使其满足云储能用户充电放电和电网辅助服务 需求的运行决策更加科学合理。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行 进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限 定本发明的保护范围。
本发明提出的一种可参与电网辅助服务的集中式云储能运行决策方法，包括以下步骤：
1)建立如下模型预测控制模型：
1-1)设所述模型预测控制模型的目标函数为：
Figure BDA0002293573830000071
该目标函数表示最小化集中式储能设施在当前时段产生的运行成本与其预计在设定 时间范围内产生的运行成本的总合；式中，
(·)+和(·)-分别定义为取括号中的正值和负值部分，即：
Figure BDA0002293573830000072
Figure BDA0002293573830000073
Δt为模型预测控制模型的基本时段间隔，本实施例设定为2s；
t为当前时段；τ为紧邻当前时段t之后5min内的任一时段；Tt为紧邻当前时段t之后 5min内的所有时段的集合；
Figure BDA0002293573830000074
为集中式储能设施在t时段产生的运行成本与其预计在Tt时间范围内产生的运行 成本的总合；
λt为t时段集中式储能设施从电网获取电能时，云储能服务提供商需要支付给电网的 电费单价；
Figure BDA0002293573830000075
为τ时段集中式储能设施从电网获取电能时，云储能服务提供商需要支付给电网的 电费单价预测值；
θt为t时段集中式储能设施向电网回馈电能时，云储能服务提供商从电网获得的电费 单价；
Figure BDA0002293573830000076
为τ时段集中式储能设施向电网回馈电能时，云储能服务提供商从电网获得的电费 单价预测值；
Figure BDA0002293573830000077
为t时段集中式储能设施用于向云储能用户提供云储能服务的充电功率；
Figure BDA0002293573830000078
为τ时段集中式储能设施用于向云储能用户提供云储能服务的充电功率的预测值；
Figure BDA0002293573830000081
为t时段集中式储能设施用于向云储能用户提供云储能服务的放电功率；
Figure BDA0002293573830000082
为τ时段集中式储能设施用于向云储能用户提供云储能服务的放电功率的预测值；
Figure BDA0002293573830000083
为t时段云储能用户放电功率的总合；
Figure BDA0002293573830000084
为τ时段云储能用户放电功率的总合的预测值；
Figure BDA0002293573830000085
为t时段云储能用户使用本地分布式能源充电功率的总合；
Figure BDA0002293573830000086
为τ时段云储能用户使用本地分布式能源充电功率的总合的预测值；
Figure BDA0002293573830000087
为t时段集中式储能设施用于向电网提供辅助服务的充电功率；
Figure BDA0002293573830000088
为τ时段集中式储能设施用于向电网提供辅助服务的充电功率的预测值；
Figure BDA0002293573830000089
为t时段集中式储能设施用于向电网提供辅助服务的放电功率；
Figure BDA00022935738300000810
为τ时段集中式储能设施用于向电网提供辅助服务的放电功率的预测值；
Figure BDA00022935738300000811
为t时段电网辅助服务需要云储能服务提供商实现的充电功率；
Figure BDA00022935738300000812
为τ时段电网辅助服务需要云储能服务提供商实现的充电功率的预测值；
Figure BDA00022935738300000813
为t时段电网辅助服务需要云储能服务提供商实现的放电功率；
Figure BDA00022935738300000814
为τ时段电网辅助服务需要云储能服务提供商实现的放电功率的预测值；
Figure BDA00022935738300000815
为t时段云储能服务提供商的充电功率不能满足电网辅助服务需求，即
Figure BDA00022935738300000816
而需要向电网支付的惩罚电费单价；
Figure BDA00022935738300000817
为τ时段云储能服务提供商的充电功率不能满足电网辅助服务需求，即
Figure BDA00022935738300000818
而需要向电网支付的惩罚电费单价的预测值；
Figure BDA00022935738300000819
为t时段云储能服务提供商的放电功率不能满足电网辅助服务需求，即
Figure BDA00022935738300000820
而需要向电网支付的惩罚电费单价；
Figure BDA00022935738300000821
为τ时段云储能服务提供商的放电功率不能满足电网辅助服务需求，即
Figure BDA00022935738300000822
而需要向电网支付的惩罚电费单价的预测值；
Figure BDA00022935738300000823
为t时段云储能服务提供商的充电功率满足电网辅助服务需求，即
Figure BDA00022935738300000824
而从 电网获得的单位能量奖励；
Figure BDA00022935738300000825
为τ时段云储能服务提供商的充电功率满足电网辅助服务需求，即
Figure BDA00022935738300000826
而 从电网获得的单位能量奖励的预测值；
Figure BDA00022935738300000827
为t时段云储能服务提供商的放电功率满足电网辅助服务需求，即
Figure BDA00022935738300000828
而从 电网获得的单位能量奖励；
Figure BDA00022935738300000829
为τ时段云储能服务提供商的放电功率满足电网辅助服务需求，即
Figure BDA00022935738300000830
而 从电网获得的单位能量奖励的预测值；
Et为t时段末集中式储能设施的电量；
Eτ为τ时段末集中式储能设施的电量的预测值；
1-2)设所述模型预测控制模型的约束条件为：
1-2-1)充放电功率约束
Figure BDA0002293573830000091
Figure BDA0002293573830000092
Figure BDA0002293573830000093
Figure BDA0002293573830000094
Figure BDA0002293573830000095
Pt C,CU+Pt C,AS≤PCap
Figure BDA0002293573830000096
Pt D,CU+Pt D,AS≤PCap
Figure BDA0002293573830000097
式中，PCap为集中式储能设施的功率容量；
1-2-2)集中式储能设施最小电量约束
EMin＝SOCMin·ECap
式中，EMin为集中式储能设施的最小电量；SOCMin为集中式储能设施的最小荷电状态；ECap为集中式储能设施的能量容量；
1-2-3)集中式储能设施电量约束
EMin≤Et,Eτ≤ECap
1-2-4)相邻时段集中式储能设施电量约束
Figure BDA0002293573830000098
Figure BDA0002293573830000099
Figure BDA00022935738300000910
式中：S为集中式储能设施在每个时间间隔Δt的自放电率，ηC为集中式储能设施的充电 效率，ηD为集中式储能设施的放电效率，均分别根据集中式储能设施的型号设定，为已 知值；Et-1为t-1时段末通过传感器获取的集中式储能设施的实际电量，令初始时刻集中式 储能设施的电量为E0＝SOC0·ECap，SOC0为集中式储能设施的初始荷电状态；
2)当前决策周期开始时刻，云储能服务提供商从电网控制中心获取当前时段t的运行 参数，包括：t时段集中式储能设施从电网获取电能时云储能服务提供商需要支付给电网 的电费单价λt、t时段集中式储能设施向电网回馈电能时云储能服务提供商从电网获得的 电费单价θt、t时段电网辅助服务需要云储能服务提供商实现的充电功率
Figure BDA00022935738300000911
和放电功率
Figure BDA00022935738300000912
t时段云储能服务提供商的充电功率不能满足电网辅助服务需求时向电网支付的惩罚电费 单价
Figure BDA00022935738300000913
t时段云储能服务提供商的放电功率不能满足电网辅助服务需求时向电网支付的 惩罚电费单价
Figure BDA0002293573830000101
t时段云储能服务提供商的充电功率满足电网辅助服务需求时从电网获 得的单位能量奖励
Figure BDA0002293573830000102
t时段云储能服务提供商的放电功率满足电网辅助服务需求时从电 网获得的单位能量奖励
Figure BDA0002293573830000103
通过安装在云储能用户的便携设备上的应用程序实时收集和量 测得到t时段云储能用户放电功率的总合
Figure BDA0002293573830000104
t时段云储能用户使用本地分布式能源充电 功率的总合
Figure BDA0002293573830000105
3)云储能服务提供商根据历史数据预测得到Tt时间范围内的运行参数，包括τ时段集 中式储能设施从电网获取电能时云储能服务提供商支付给电网的电费单价预测值
Figure BDA0002293573830000106
τ时 段集中式储能设施向电网回馈电能时云储能服务提供商从电网获得的电费单价预测值
Figure BDA0002293573830000107
τ时段云储能用户放电功率的总合的预测值
Figure BDA0002293573830000108
τ时段云储能用户使用本地分布式能源充 电功率的总合的预测值
Figure BDA0002293573830000109
τ时段电网辅助服务需要云储能服务提供商实现的充电功率 的预测值
Figure BDA00022935738300001010
和放电功率的预测值
Figure BDA00022935738300001011
τ时段云储能服务提供商的充电功率不能满足电网辅 助服务需求时向电网支付的惩罚电费单价的预测值
Figure BDA00022935738300001012
τ时段云储能服务提供商的放电功 率不能满足电网辅助服务需求时向电网支付的惩罚电费单价的预测值
Figure BDA00022935738300001013
τ时段云储能服 务提供商的充电功率满足电网辅助服务需求时从电网获得的单位能量奖励的预测值
Figure BDA00022935738300001014
τ 时段云储能服务提供商的放电功率满足电网辅助服务需求时从电网获得的单位能量奖励 的预测值
Figure BDA00022935738300001015
4)根据步骤2)和步骤3)得到的运行参数及步骤1)建立的模型预测控制模型，通过线性规划求解器求解出以下决策变量：t时段集中式储能设施用于向云储能用户提供云储能服务的充电功率Pt C,CU和放电功率Pt D,CU、t时段集中式储能设施用于向电网提供辅助服务的充电功率Pt C,AS和放电功率Pt D,AS、t时段末集中式储能设施的电量Et的计算值(该电量计算值作为模型的中间变量)；
5)云储能服务提供商根据步骤4)得到的决策变量设定t时段集中式储能设施的充电 功率为Pt C,CU+Pt C,AS，放电功率为Pt D,CU+Pt D,AS；集中式储能设施按照该设定的充电功率和放电功率工作；
6)云储能服务提供商通过其安装在集中式储能设施上的传感器获取t时段末集中式储 能设施的电量的实际值作为下一决策周期的参数；返回步骤2)开始下一周期的决策。
以上所述仅为本发明的实施例，并非因此限制本发明的保护范围，凡是利用本发明说 明书内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均 同理包括在本发明的保护范围内。

Claims (1)

1.一种可参与电网辅助服务的集中式云储能运行决策方法，其特征在于，包括以下步骤：
1)建立如下模型预测控制模型：
1-1)设所述模型预测控制模型的目标函数为：
Figure FDA0002625192090000011
该目标函数表示最小化集中式储能设施在当前时段产生的运行成本与其预计在设定时间范围内产生的运行成本的总和；式中，
(·)+和(·)-分别定义为取括号中的正值和负值部分，即：
Figure FDA0002625192090000012
Figure FDA0002625192090000013
Δt为模型预测控制模型的基本时段间隔；
t为当前时段；τ为紧邻当前时段t之后5min内的任一时段；Tt为紧邻当前时段t之后5min内的所有时段的集合；
Figure FDA0002625192090000014
为集中式储能设施在t时段产生的运行成本与其预计在Tt时间范围内产生的运行成本的总和；
λt为t时段集中式储能设施从电网获取电能时，云储能服务提供商需要支付给电网的电费单价；
Figure FDA0002625192090000015
为τ时段集中式储能设施从电网获取电能时，云储能服务提供商需要支付给电网的电费单价预测值；
θt为t时段集中式储能设施向电网回馈电能时，云储能服务提供商从电网获得的电费单价；
Figure FDA0002625192090000021
为τ时段集中式储能设施向电网回馈电能时，云储能服务提供商从电网获得的电费单价预测值；
Pt C,CU为t时段集中式储能设施用于向云储能用户提供云储能服务的充电功率；
Figure FDA0002625192090000022
为τ时段集中式储能设施用于向云储能用户提供云储能服务的充电功率的预测值；
Pt D,CU为t时段集中式储能设施用于向云储能用户提供云储能服务的放电功率；
Figure FDA0002625192090000023
为τ时段集中式储能设施用于向云储能用户提供云储能服务的放电功率的预测值；
Figure FDA0002625192090000024
为t时段云储能用户放电功率的总和；
Figure FDA0002625192090000025
为τ时段云储能用户放电功率的总和的预测值；
Figure FDA0002625192090000026
为t时段云储能用户使用本地分布式能源充电功率的总和；
Figure FDA0002625192090000027
为τ时段云储能用户使用本地分布式能源充电功率的总和的预测值；
Pt C,AS为t时段集中式储能设施用于向电网提供辅助服务的充电功率；
Figure FDA0002625192090000028
为τ时段集中式储能设施用于向电网提供辅助服务的充电功率的预测值；
Pt D,AS为t时段集中式储能设施用于向电网提供辅助服务的放电功率；
Figure FDA0002625192090000029
为τ时段集中式储能设施用于向电网提供辅助服务的放电功率的预测值；
Figure FDA00026251920900000210
为t时段电网辅助服务需要云储能服务提供商实现的充电功率；
Figure FDA00026251920900000211
为τ时段电网辅助服务需要云储能服务提供商实现的充电功率的预测值；
Figure FDA00026251920900000212
为t时段电网辅助服务需要云储能服务提供商实现的放电功率；
Figure FDA00026251920900000213
为τ时段电网辅助服务需要云储能服务提供商实现的放电功率的预测值；
Figure FDA00026251920900000214
为t时段云储能服务提供商的充电功率不能满足电网辅助服务需求，即
Figure FDA00026251920900000215
而需要向电网支付的惩罚电费单价；
Figure FDA00026251920900000216
为τ时段云储能服务提供商的充电功率不能满足电网辅助服务需求，即
Figure FDA00026251920900000217
而需要向电网支付的惩罚电费单价的预测值；
Figure FDA00026251920900000218
为t时段云储能服务提供商的放电功率不能满足电网辅助服务需求，即
Figure FDA00026251920900000219
而需要向电网支付的惩罚电费单价；
Figure FDA00026251920900000220
为τ时段云储能服务提供商的放电功率不能满足电网辅助服务需求，即
Figure FDA00026251920900000221
而需要向电网支付的惩罚电费单价的预测值；
Figure FDA00026251920900000222
为t时段云储能服务提供商的充电功率满足电网辅助服务需求，即
Figure FDA00026251920900000223
而从电网获得的单位能量奖励；
Figure FDA00026251920900000224
为τ时段云储能服务提供商的充电功率满足电网辅助服务需求，即
Figure FDA00026251920900000225
而从电网获得的单位能量奖励的预测值；
Figure FDA00026251920900000226
为t时段云储能服务提供商的放电功率满足电网辅助服务需求，即
Figure FDA00026251920900000227
而从电网获得的单位能量奖励；
Figure FDA0002625192090000031
为τ时段云储能服务提供商的放电功率满足电网辅助服务需求，即
Figure FDA0002625192090000032
而从电网获得的单位能量奖励的预测值；
Et为t时段末集中式储能设施的电量；
Eτ为τ时段末集中式储能设施的电量的预测值；
1-2)设所述模型预测控制模型的约束条件为：
1-2-1)充放电功率约束
Figure FDA0002625192090000033
Figure FDA0002625192090000034
Figure FDA0002625192090000035
Figure FDA0002625192090000036
Figure FDA0002625192090000037
Pt C,CU+Pt C,AS≤PCap
Figure FDA0002625192090000038
Pt D,CU+Pt D,AS≤PCap
Figure FDA0002625192090000039
式中，PCap为集中式储能设施的功率容量；
1-2-2)集中式储能设施最小电量约束
EMin＝SOCMin·ECap
式中，EMin为集中式储能设施的最小电量；SOCMin为集中式储能设施的最小荷电状态；ECap为集中式储能设施的能量容量；
1-2-3)集中式储能设施电量约束
EMin≤Et,Eτ≤ECap
1-2-4)相邻时段集中式储能设施电量约束
Figure FDA00026251920900000310
Figure FDA00026251920900000311
Figure FDA00026251920900000312
式中：S为集中式储能设施在每个时间间隔Δt的自放电率，ηC为集中式储能设施的充电效率，ηD为集中式储能设施的放电效率；Et-1为t-1时段末通过传感器获取的集中式储能设施的实际电量，令初始时刻集中式储能设施的电量为E0＝SOC0·ECap，SOC0为集中式储能设施的初始荷电状态；
2)当前决策周期开始时刻，云储能服务提供商从电网控制中心获取当前时段t的运行参数，包括：t时段集中式储能设施从电网获取电能时云储能服务提供商需要支付给电网的电费单价λt、t时段集中式储能设施向电网回馈电能时云储能服务提供商从电网获得的电费单价θt、t时段电网辅助服务需要云储能服务提供商实现的充电功率
Figure FDA0002625192090000041
和放电功率
Figure FDA0002625192090000042
t时段云储能服务提供商的充电功率不能满足电网辅助服务需求时向电网支付的惩罚电费单价
Figure FDA0002625192090000043
t时段云储能服务提供商的放电功率不能满足电网辅助服务需求时向电网支付的惩罚电费单价
Figure FDA0002625192090000044
t时段云储能服务提供商的充电功率满足电网辅助服务需求时从电网获得的单位能量奖励
Figure FDA0002625192090000045
t时段云储能服务提供商的放电功率满足电网辅助服务需求时从电网获得的单位能量奖励
Figure FDA0002625192090000046
通过安装在云储能用户的便携设备上的应用程序实时收集和量测得到t时段云储能用户放电功率的总和
Figure FDA0002625192090000047
t时段云储能用户使用本地分布式能源充电功率的总和
Figure FDA0002625192090000048
3)云储能服务提供商根据历史数据预测得到Tt时间范围内的运行参数，包括τ时段集中式储能设施从电网获取电能时云储能服务提供商支付给电网的电费单价预测值
Figure FDA0002625192090000049
τ时段集中式储能设施向电网回馈电能时云储能服务提供商从电网获得的电费单价预测值
Figure FDA00026251920900000410
τ时段云储能用户放电功率的总和的预测值
Figure FDA00026251920900000411
τ时段云储能用户使用本地分布式能源充电功率的总和的预测值
Figure FDA00026251920900000412
τ时段电网辅助服务需要云储能服务提供商实现的充电功率的预测值
Figure FDA00026251920900000413
和放电功率的预测值
Figure FDA00026251920900000414
τ时段云储能服务提供商的充电功率不能满足电网辅助服务需求时向电网支付的惩罚电费单价的预测值
Figure FDA00026251920900000415
τ时段云储能服务提供商的放电功率不能满足电网辅助服务需求时向电网支付的惩罚电费单价的预测值
Figure FDA00026251920900000416
τ时段云储能服务提供商的充电功率满足电网辅助服务需求时从电网获得的单位能量奖励的预测值
Figure FDA00026251920900000417
τ时段云储能服务提供商的放电功率满足电网辅助服务需求时从电网获得的单位能量奖励的预测值
Figure FDA00026251920900000418
4)根据步骤2)和步骤3)得到的运行参数及步骤1)建立的模型预测控制模型，求解出以下决策变量：t时段集中式储能设施用于向云储能用户提供云储能服务的充电功率Pt C,CU和放电功率Pt D,CU、t时段集中式储能设施用于向电网提供辅助服务的充电功率Pt C,AS和放电功率Pt D,AS；
5)云储能服务提供商根据步骤4)得到的决策变量设定t时段集中式储能设施的充电功率为Pt C,CU+Pt C,AS，放电功率为Pt D,CU+Pt D,AS；集中式储能设施按照该设定的充电功率和放电功率工作；
6)云储能服务提供商通过其安装在集中式储能设施上的传感器获取t时段末集中式储能设施的电量的实际值作为下一决策周期的参数；返回步骤2)开始下一决策周期。
CN201911191015.XA 2019-11-28 2019-11-28 一种可参与电网辅助服务的集中式云储能运行决策方法 Active CN110890752B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201911191015.XA CN110890752B (zh) 2019-11-28 2019-11-28 一种可参与电网辅助服务的集中式云储能运行决策方法
PCT/CN2020/074192 WO2021103312A1 (zh) 2019-11-28 2020-02-03 一种可参与电网辅助服务的集中式云储能运行决策方法
US17/824,113 US20220294224A1 (en) 2019-11-28 2022-05-25 Operation decision-making method for centralized cloud energy storage capable of participating in power grid auxiliary services

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911191015.XA CN110890752B (zh) 2019-11-28 2019-11-28 一种可参与电网辅助服务的集中式云储能运行决策方法

Publications (2)

Publication Number Publication Date
CN110890752A CN110890752A (zh) 2020-03-17
CN110890752B true CN110890752B (zh) 2020-10-20

Family

ID=69749212

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911191015.XA Active CN110890752B (zh) 2019-11-28 2019-11-28 一种可参与电网辅助服务的集中式云储能运行决策方法

Country Status (3)

Country Link
US (1) US20220294224A1 (zh)
CN (1) CN110890752B (zh)
WO (1) WO2021103312A1 (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111555316B (zh) * 2020-04-22 2021-06-04 清华大学 一种可参与电网辅助服务的分布式云储能调度控制方法
CN111952956A (zh) * 2020-07-02 2020-11-17 清华大学 一种考虑电压敏感负荷备用的电力系统调度方法
CN111864770B (zh) * 2020-08-19 2022-11-15 国网河南省电力公司电力科学研究院 一种基于云储能的储能辅助调频调度方法
CN113315144B (zh) * 2021-05-24 2022-10-11 清华大学 一种新能源电厂共享储能参与调频的储能系统运行方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105634142A (zh) * 2016-03-30 2016-06-01 四川大学 基于云储能终端的能源互联网系统构建方法和设备
CN110335171A (zh) * 2019-06-18 2019-10-15 清华大学 集中式云储能系统及其交易结算方法、存储介质及终端

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018160228A1 (en) * 2017-03-03 2018-09-07 General Electric Company Microgrid energy reservoir transaction verification via secure, distributed ledger
US10923917B2 (en) * 2018-05-17 2021-02-16 Electric Power Board, an Independent Board of the City of Chattanooga System and method for utility energy storage and distribution

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105634142A (zh) * 2016-03-30 2016-06-01 四川大学 基于云储能终端的能源互联网系统构建方法和设备
CN110335171A (zh) * 2019-06-18 2019-10-15 清华大学 集中式云储能系统及其交易结算方法、存储介质及终端

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Decision-Making Models for the Participants in Cloud Energy Storage;Jingkun Liu 等;《IEEE Transactions on Smart Grid》;20181130;第9卷(第6期);5512-5520 *
未来电力系统储能的新形态：云储能;康重庆 等;《电力系统自动化》;20171110;第41卷(第21期);2-8、16 *
电力工业复杂系统模型预测控制—现状与发展;刘向杰 等;《中国电机工程学报》;20130215;第33卷(第5期);79-84 *

Also Published As

Publication number Publication date
CN110890752A (zh) 2020-03-17
US20220294224A1 (en) 2022-09-15
WO2021103312A1 (zh) 2021-06-03

Similar Documents

Publication Publication Date Title
CN110890752B (zh) 一种可参与电网辅助服务的集中式云储能运行决策方法
CN107612041B (zh) 一种考虑不确定性的基于事件驱动的微电网自动需求响应方法
US11941711B2 (en) Centralized cloud energy storage system and transaction settlement method thereof, storage medium, and terminal
CN114425964B (zh) 一种自主参与需求响应的电动汽车充电桩控制器及方法
CN110979083B (zh) 一种电动汽车双向充放电控制系统及方法
CN110065410A (zh) 一种基于模糊控制的电动汽车充放电率控制方法
CN114914923B (zh) 基于网格法的变时长两阶段电动汽车调度方法及系统
CN111555316B (zh) 一种可参与电网辅助服务的分布式云储能调度控制方法
CN110417018A (zh) 一种多应用模式的并网型微电网能量管理方法及装置
CN101448236B (zh) 一种基于业务模型的网络计费系统
CN114186867A (zh) 一种应用于电动车的有序充放电控制系统
CN115310291A (zh) 考虑电动汽车动态接入特性的智能楼宇群能量管理方法
CN115577977A (zh) 多功能充电激励需求响应的新能源消纳方法及系统
CN109327035A (zh) 一种电动汽车充电功率调节方法和系统
CN117436587A (zh) 一种储能运营优化方法、系统、设备及存储介质
CN110826210B (zh) 基于功率互联的多区域楼宇虚拟电厂建模及优化协调方法
CN115940225A (zh) 计及尖峰负荷的直控型虚拟电厂储能站运营方法及装置
CN112109580B (zh) 一种电量自分配的微电网电动汽车充放电控制系统
CN114549148A (zh) 虚拟电厂的竞价方法、装置、设备及存储介质
Vignali et al. An investigation of V2G profitability with robust optimization and bidding price heuristics
CN115882494A (zh) 计及车辆并网服务时长差异性的分层级v2g调度优化方法
Zhu et al. Optimal Scheduling Model for Virtual Power Plant Participating in Energy and Regulation Markets
Gao et al. Optimal configuration of industrial user-side energy storage considering power demand income in life cycle
Liu et al. Study on the P2P Sharing Mode Operating Scheme of Consumer-side Distributed Energy Storage
CN117200261B (zh) 一种基于电网调频的储能设备控制方法、装置和存储介质

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