CN111105161B - 储能数据处理方法、系统、装置、能源系统及存储介质 - Google Patents
储能数据处理方法、系统、装置、能源系统及存储介质 Download PDFInfo
- Publication number
- CN111105161B CN111105161B CN201911330360.7A CN201911330360A CN111105161B CN 111105161 B CN111105161 B CN 111105161B CN 201911330360 A CN201911330360 A CN 201911330360A CN 111105161 B CN111105161 B CN 111105161B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- energy
- time slot
- ideal
- cost
- 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 235
- 238000003860 storage Methods 0.000 title claims abstract description 33
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 230000014759 maintenance of location Effects 0.000 claims abstract description 69
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 67
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 67
- 238000011217 control strategy Methods 0.000 claims abstract description 66
- 238000005457 optimization Methods 0.000 claims abstract description 48
- 230000006870 function Effects 0.000 claims description 118
- 238000004364 calculation method Methods 0.000 claims description 73
- 238000009826 distribution Methods 0.000 claims description 37
- 230000015654 memory Effects 0.000 claims description 34
- 238000000034 method Methods 0.000 claims description 32
- 238000004519 manufacturing process Methods 0.000 claims description 21
- 238000012545 processing Methods 0.000 claims description 19
- 239000000446 fuel Substances 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 11
- 230000009471 action Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 13
- 230000003993 interaction Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000007599 discharging Methods 0.000 description 4
- 238000005315 distribution function Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 241000287196 Asthenes Species 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 238000010420 art technique Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- BNOODXBBXFZASF-UHFFFAOYSA-N [Na].[S] Chemical compound [Na].[S] BNOODXBBXFZASF-UHFFFAOYSA-N 0.000 description 1
- 239000002253 acid Substances 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- OJIJEKBXJYRIBZ-UHFFFAOYSA-N cadmium nickel Chemical compound [Ni].[Cd] OJIJEKBXJYRIBZ-UHFFFAOYSA-N 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请的储能数据处理方法、系统、装置、能源系统及存储介质，通过在一预设时间长度内所述供能系统的运行成本受到成本优化条件优化的情况下，利用表示储能系统在该预设时间长度中每个时隙的留存量与所述运行成本间关系的关系函数，以获取在每个所述时隙所述储能系统的理想留存量；其中，所述运行成本包含供能系统的碳排放成本；各所述理想留存量用于作为生成该预设时间长度的储能控制策略的依据，所述储能控制策略用于供控制所述储能系统进行充放能以令其在每个时隙的实际留存量达到对应的理想留存量；本申请创新性地通过设计储能系统的储能策略来实现降低碳排放的目的，良好解决现有技术的问题。
Description
技术领域
本申请涉及储能控制技术领域，特别是涉及储能数据处理方法、系统、装置、能源系统及存储介质。
背景技术
全球变暖正逐渐发生，相应的，如何减少碳排放已成为全世界关注的问题。
传统的火力发电仍然是电力系统的主力供电方式，在电力系统中会根据成本进行经济调度，以最低的发电成本或燃料费用保证对用户可靠地供电。
很明显可以发现，目前的经济调度方法，并未考虑碳排放的因素；虽然将来可能会有碳税的制约手段，但那是政策方式的调控，而非一种控制策略方案。
发明内容
鉴于以上所述现有技术的缺点，本申请的目的在于提供储能数据处理方法、系统、装置、能源系统及存储介质，通过对储能系统的控制策略以降低包含碳排放成本的供能成本。
为实现上述目的及其他相关目的，本申请的第一方面提供一种储能数据处理方法，相关于储能系统，所述储能系统用于存储来自所述供能系统的能量，所述供能系统包括一或多个供能装置；所述储能数据处理方法包括：在一预设时间长度内所述供能系统的运行成本受到成本优化条件优化的情况下，利用表示储能系统在该预设时间长度中每个时隙的留存量与所述运行成本间关系的关系函数，以获取在每个所述时隙所述储能系统的理想留存量；其中，所述运行成本包含供能系统的碳排放成本；各所述理想留存量用于作为生成该预设时间长度的储能控制策略的依据，所述储能控制策略用于供控制所述储能系统进行充放能以令其在每个时隙的实际留存量达到对应的理想留存量。
在本申请第一方面的实施例中，在k个供能装置的产量和满足需求量的情况下，所述需求量对应的碳排放成本表示为由其中前k-1台运行的供能装置的第一部分碳排放成本、以及第k个运行的供能装置的第二部分碳排放成本之和；其中，所述第一部分碳排放成本为前k-1个供能装置各自的边际碳排放成本与最大产量的乘积之和，所述第二部分碳排放成本为与第k个供能装置的边际碳排放成本与其实际产量的乘积。
在本申请第一方面的实施例中，所述运行成本还包括：供能装置运行所需的燃料成本。
在本申请第一方面的实施例中，所述关系函数输出的运行成本量受控于其需求变量，所述需求变量由每个时隙的留存量及需求量之和同上一时隙的留存量间之差所表示。
在本申请第一方面的实施例中，所述成本优化条件通过成本优化条件函数表示，所述成本优化条件函数的输出为所述供能系统所述在该预设时间长度内的总期望运行成本量的最小化结果；其中，所述总期望运行成本量为根据所述关系函数得到的该预设时间长度内的总运行成本量的数学期望；所述成本优化条件函数的输出的影响因子包括：所述预设时间长度的时隙数量、所述储能系统的留存量、及所述储能系统的容量；所述在一预设时间长度内所述供能系统的运行成本受到成本优化条件优化的情况下，利用表示储能系统在该预设时间长度中每个时隙的留存量与所述运行成本间关系的关系函数，以获取在每个所述时隙所述储能系统的理想留存量的步骤，包括：在所述预设时间长度包含τ个时隙时，得到前τ-1个时隙在成本优化条件函数的输出结果同第τ个时隙在所述关系函数的输出结果的数学期望的求和输出结果；其中，第τ个时隙的留存量即预设边界时隙留存量sτ通过预设的第一数量k个单元能量值δ即边界值kδ来表示，而τ-1时隙的留存量由第二数量i个单元能量值δ来表示；在最小化所述求和输出结果下得到第τ-1时隙对应的第二数量的理想值i*，并据以计算得到第τ-1时隙的理想留存量i*δ；其中，对于不同取值的τ，τ-1时的求和输出结果的最小值作为τ时的成本优化条件函数的输出结果，将每个时隙的i*δ作为用于计算前一时隙的理想留存量的临时边界时隙留存量，以迭代计算每个前一时隙的理想留存量而得到前τ-1个时隙的理想留存量，前τ-1个时隙的理想留存量与所述第τ个时隙的留存量即预设边界时隙留存量的组合以形成目标留存量集合，以作为所述储能控制策略的生成依据。
在本申请第一方面的实施例中，所述方法还包括：根据所述目标留存量集合中各理想留存量及所述关系函数，得到前τ-1个时隙的理想最小化运行成本；根据前τ-1个时隙的理想最小化运行成本、及由第τ时隙的kδ和第τ-1时隙的i*δ作用于关系函数得到的输出结果的数学期望，得到该预设时间长度的总体最小化运行成本；其中，前n个时隙的最小化运行成本是由前n-1个时隙的最小化运行成本、同第n个时隙时所述关系函数的输出结果的数学期望间之和所表示的；n为1以上的自然数。
在本申请第一方面的实施例中，所述需求量的概率分布数是已知的。
在本申请第一方面的实施例中，所述需求量的概率分布数是根据历史需求数据的统计获取的。
在本申请第一方面的实施例中，所述关系函数的输出结果的数学期望是通过在所述需求量由其概率分布对应的数学期望近似表示的情况下所得到的该关系函数的输出结果所近似表示的。
在本申请第一方面的实施例中，所述关系函数的输出结果的数学期望是在所述关系函数的需求变量也符合所述概率分布的情况下进行对应的数学期望计算得到的。
在本申请第一方面的实施例中，所述的储能数据处理方法来得到各理想留存量，还包括：在预先存储的多个备选结果中选择匹配于当前时隙的该需求变量的目标结果作为所述数学期望；所述当前时隙的该需求变量是由当前时隙的留存量及需求量之和同上一时隙的留存量间之差来表示的；其中，所述多个备选结果是对于在所述需求变量中的一时隙及其上一时隙的留存量的各种可能取值作用下的关系函数的输出分别进行数学期望计算所得到的。
为实现上述目的及其他相关目的，本申请的第二方面提供一种储能数据处理系统，相关于储能系统，所述储能系统用于存储来自所述供能系统的能量，所述供能系统包括一或多个供能装置；所述储能数据处理系统包括：留存量计算模块，用于在一预设时间长度内所述供能系统的运行成本受到成本优化条件优化的情况下，利用表示储能系统在该预设时间长度中每个时隙的留存量与所述运行成本间关系的关系函数，以获取在每个所述时隙所述储能系统的理想留存量；其中，所述运行成本包含供能系统的碳排放成本；各所述理想留存量用于作为生成该预设时间长度的储能控制策略的依据，所述储能控制策略用于供控制所述储能系统进行充放能以令其在每个时隙的实际留存量达到对应的理想留存量。
在本申请第二方面的实施例中，在k个供能装置的产量和满足需求量的情况下，所述需求量对应的碳排放成本表示为由其中前k-1台运行的供能装置的第一部分碳排放成本、以及第k个运行的供能装置的第二部分碳排放成本之和；其中，所述第一部分碳排放成本为前k-1个供能装置各自的边际碳排放成本与最大产量的乘积之和，所述第二部分碳排放成本为与第k个供能装置的边际碳排放成本与其实际产量的乘积。
在本申请第二方面的实施例中，所述运行成本还包括：供能装置运行所需的燃料成本。
在本申请第二方面的实施例中，所述关系函数输出的运行成本量受控于其需求变量，所述需求变量由每个时隙的留存量及需求量之和同上一时隙的留存量间之差所表示。
在本申请第二方面的实施例中，所述成本优化条件通过成本优化条件函数表示，所述成本优化条件函数的输出为所述供能系统所述在该预设时间长度内的总期望运行成本量的最小化结果；其中，所述总期望运行成本量为根据所述关系函数得到的该预设时间长度内的总运行成本量的数学期望；所述成本优化条件函数的输出的影响因子包括：所述预设时间长度的时隙数量、所述储能系统的留存量、及所述储能系统的容量；所述在一预设时间长度内所述供能系统的运行成本受到成本优化条件优化的情况下，利用表示储能系统在该预设时间长度中每个时隙的留存量与所述运行成本间关系的关系函数，以获取在每个所述时隙所述储能系统的理想留存量的步骤，包括：在所述预设时间长度包含τ个时隙时，得到前τ-1个时隙在成本优化条件函数的输出结果同第τ个时隙在所述关系函数的输出结果的数学期望的求和输出结果；其中，第τ个时隙的留存量即预设边界时隙留存量sτ通过预设的第一数量k个单元能量值δ即边界值kδ来表示，而τ-1时隙的留存量由第二数量i个单元能量值δ来表示；在最小化所述求和输出结果下得到第τ-1时隙对应的第二数量的理想值i*，并据以计算得到第τ-1时隙的理想留存量i*δ；其中，对于不同取值的τ，τ-1时的求和输出结果的最小值作为τ时的成本优化条件函数的输出结果，将每个时隙的i*δ作为用于计算前一时隙的理想留存量的临时边界时隙留存量，以迭代计算每个前一时隙的理想留存量而得到前τ-1个时隙的理想留存量，前τ-1个时隙的理想留存量与所述第τ个时隙的留存量即预设边界时隙留存量的组合以形成目标留存量集合，以作为所述储能控制策略的生成依据。
在本申请第二方面的实施例中，所述留存量计算模块，还用于根据所述目标留存量集合中各理想留存量及所述关系函数，得到前τ-1个时隙的理想最小化运行成本；根据前τ-1个时隙的理想最小化运行成本、及由第τ时隙的kδ和第τ-1时隙的i*δ作用于关系函数得到的输出结果的数学期望，得到该预设时间长度的总体最小化运行成本；其中，前n个时隙的最小化运行成本是由前n-1个时隙的最小化运行成本、同第n个时隙时所述关系函数的输出结果的数学期望间之和所表示的；n为1以上的自然数。
在本申请第二方面的实施例中，所述需求量的概率分布数是已知的。
在本申请第二方面的实施例中，所述需求量的概率分布数是根据历史需求数据的统计获取的。
在本申请第二方面的实施例中，所述关系函数的输出结果的数学期望是通过在所述需求量由其概率分布对应的数学期望近似表示的情况下所得到的该关系函数的输出结果所近似表示的。
在本申请第二方面的实施例中，所述关系函数的输出结果的数学期望是在所述关系函数的需求变量也符合所述概率分布的情况下进行对应的数学期望计算得到的。
在本申请第二方面的实施例中，所述留存量计算模块，还用于在预先存储的多个备选结果中选择匹配于当前时隙的该需求变量的目标结果作为所述数学期望；所述当前时隙的该需求变量是由当前时隙的留存量及需求量之和同上一时隙的留存量间之差来表示的；其中，所述多个备选结果是对于在所述需求变量中的一时隙及其上一时隙的留存量的各种可能取值作用下的关系函数的输出分别进行数学期望计算所得到的。
为实现上述目的及其他相关目的，本申请的第三方面提供一种计算机装置，包括：一或多个存储器，用于存储至少一程序；一或多个处理器，用于调用所述至少一程序，以执行如本申请第一方面所述的储能策略数据处理方法。
在本申请第三方面的实施例中，所述处理器还用于调用至少一程序以执行：根据各所述理想留存量生成所述储能控制策略并输出；或者，根据所接收的储能控制策略、或根据该储能控制策略生成的控制指令控制所述储能系统进行充放能以令其在每个时隙的实际留存量达到对应的理想留存量。
为实现上述目的及其他相关目的，本申请的第四方面提供一种能源系统，包括：供能系统，包括：一或多个供能装置；储能系统，与所述供能系统耦合，用于存储能量、以及向所述供能系统提供能量；运行装置，通信连接于所述供能系统及储能系统；其中，所述运行装置包括：一或多个存储器，用于存储至少一程序；一或多个处理器，用于调用所述至少一程序，以执行如本申请第一方面所述的储能数据处理方法来得到各理想留存量，并根据各所述理想留存量生成所述储能控制策略，且根据所接收的储能控制策略、或根据该储能控制策略生成的控制指令控制所述储能系统进行充放能以令其在每个时隙的实际留存量达到对应的理想留存量；或者，所述储能控制策略是接收自外部从而据以控制储能系统进行充放电；或者，所述运行装置是自外部接收根据接收根据储能控制策略生成的控制指令，据以对应控制所述储能系统进行充放电储能数据处理方法。
为实现上述目的及其他相关目的，本申请的第五方面提供一种计算机可读存储介质，存储有至少一程序，所述至少一程序在被调用时执行并实现本申请第一方面所述的储能数据处理方法。
如上所述，本申请的储能数据处理方法、系统、装置、能源系统及存储介质，通过在一预设时间长度内所述供能系统的运行成本受到成本优化条件优化的情况下，利用表示储能系统在该预设时间长度中每个时隙的留存量与所述运行成本间关系的关系函数，以获取在每个所述时隙所述储能系统的理想留存量；其中，所述运行成本包含供能系统的碳排放成本；各所述理想留存量用于作为生成该预设时间长度的储能控制策略的依据，所述储能控制策略用于供控制所述储能系统进行充放能以令其在每个时隙的实际留存量达到对应的理想留存量；本申请创新性地通过设计储能系统的储能策略来实现降低碳排放的目的，良好解决现有技术的问题。
附图说明
图1显示为本申请实施例中应用场景的结构示意图。
图2显示为本申请本申请实施例中的储能数据处理方法的流程示意图。
图3显示为本申请实施例中储能数据处理方法的步骤S201的展开流程示意图。
图4显示为本申请实施例中储能数据处理方法的最小化运行成本的计算流程示意图。
图5显示为本申请实施例中储能数据处理系统的功能模块示意图。
图6显示为本申请实施例中计算机装置的结构示意图。
图7显示为本申请实施例中实现储能控制策略的能源系统的结构示意图。
具体实施方式
以下由特定的具体实施例说明本申请的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本申请的其他优点及功效。
虽然在一些实例中术语第一、第二等在本文中用来描述各种模块，但是这些元件不应当被这些术语限制。这些术语仅用来将一个元件与另一个元件进行区分。例如，第一留存量计算模块可以被称作第二留存量计算模块，并且类似地，第二留存量计算模块可以被称作第一留存量计算模块，而不脱离各种所描述的实施例的范围。第一留存量计算模块和留存量计算模块均是在描述一个留存量计算模块，但是除非上下文以其他方式明确指出，否则它们不是同一个留存量计算模块。相似的情况还包括第一获取模块与第二获取模块。
再者，如同在本文中所使用的，单数形式“一”、“一个”和“该”旨在也包括复数形式，除非上下文中有相反的指示。应当进一步理解，术语“包含”、“包括”表明存在所述的特征、步骤、操作、元件、组件、项目、种类、和/或组，但不排除一个或多个其他特征、步骤、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的，或意味着任一个或任何组合。因此，“A、B或C”或者“A、B和/或C”意味着“以下任一个：A；B；C；A和B；A和C；B和C；A、B和C”。仅当元件、功能、步骤或操作的组合在某些方式下内在地互相排斥时，才会出现该定义的例外。
以碳排放规模相对较大的供能装置，如电厂的发电机等为例，在现有的对发电机的经济调度中，仅考虑燃料成本是不够的，还应当更多地考虑环保因素而减少碳排放。
本申请提供利用储能系统的控制来减少碳排放的思想。举例来说，在进行经济调度时，虽然电力系统运行人员必须按照燃料成本的优序来调度发电机，但可以选择使用储能系统来避免某碳排放密集的发电机的调度。此方案的实现难度在于，其与经济调度以最小化社会成本不同，需解决减少碳排放的方案所导致的非凸优化问题，其非凸性正是来自于系统操作人员的固定调度顺序(即以燃油成本优先的调度顺序)。
相应的，以下提供基于本申请思想并解决上述非凸优化问题的实施例。
请参阅图1，展示本申请实施例中应用场景的结构示意图。
如图所示，该应用场景中展示有供能系统101及储能系统102。
所述供能系统101包含多个供能装置111，各个供能装置111使供能量而进行生产，并会产生碳排放。在一些实施例中，所述供能装置111可以是任意会产生碳排放的电子装置，例如发电厂的发电机/发电机组、工业制造/加工设备、或家用电器等。
在一些示例中，若所述供能装置111为发电厂中的发电机/发电机组，则各发电机/发电机组可连接并受控于运行装置103(Operator)，所述运行装置103对各供能装置111进行经济调度，以实现较低成本。
在一些示例中，所述供能装置111生产能源，例如电能，则所述供能装置111为对应的发电机/发电机机组等。
所述储能系统102耦合于所述供能系统101，用于存储来自供能系统101的能源以能给外部的用能系统供能，所述用能系统可以包括一或多用能装置，例如生产设备、家用电器等。、当所述供能装置111为发电机/发电机组的情况下，所述储能系统102可以存储其生成的电能，以提供外部使用。
需说明的是，在上述实施例中，所述能源的类型包括但不限于为上述实施例中的电能，在其它实施例中亦可为热能等，而所述供能系统101、储能系统102的类型以及传输介质可根据能源的类型而确定。例如，当所述能源为电能时，所述能源系统包括但不限于为电网，所述传输介质包括但不限于为电线，所述储能系统102包括但不限于为一或多个/组的蓄电池、超级电容器等。其中，所述蓄电池可为铅酸电池、镍镉电池、镍氢电池、钠硫电池、锂电池或燃料电池等。
需说明的是，上述实施例中所描述的耦合关系指的直接或间接的能量传输管道的连接关系，使得供能装置111、及储能系统102间能按上述实施例中所描述的方式传递能量即可，而并不限制其具体实现形式。
对于图1所展示的应用场景，可以用数学化方式建立模型，以研究通过合理的储能系统102的储能控制策略，来降低碳排放的规律。
以供能装置为发电机/发电机组为例，定义MFi表示供能系统中第i个供能装置的单位燃料的成本。根据经济调度的原理，如果要满足供能的需求量为x且实现对应的整个供能系统的最小化的总燃料成本f(x)，则该关系可表示为下式(1)：
其中，gi表示第i个供能装置的输出，
表示gi的上限，n表用电装置的数量。
在k个供能装置的产量和满足需求量x的情况下，根据经济调度顺序，即当前k-1个供能装置的最大产量和无法满足x而k个供能装置的最大产量和能满足x，则所述需求量x对应的碳排放成本表示为由其中前k-1台运行的供能装置的第一部分碳排放成本、以及第k个运行的供能装置的第二部分碳排放成本之和；其中，所述第一部分碳排放成本为前k-1个供能装置各自的边际碳排放成本与最大产量的乘积之和，所述第二部分碳排放成本为与第k个供能装置的边际碳排放成本与其实际产量的乘积。
其中，根据成本优化条件，可最小化的第k个供能装置生产时的第二部分碳排放成本，以最小化总碳排放成本c(x)。
举例来讲，当x从0上升到
时，经济调度的顺序将会是考量燃料成本的顺序，则定义对n个供能装置的经济调度顺序为π＝(π(1)，...，π(n))，根据这一经济调度顺序，定义对应供能的需求量x的最小化的碳排放成本c(x)，为下式(2)：
其中，MCk定义为第k个供能装置的边际碳排放成本(即每单位碳排放增加的成本)，在经济调度顺序π之下下,根据MCk和gπ(k)的乘积的最小值得到最小化的第二部分碳排放成本，而第一部分碳排放成本即为前k-1个供能装置的各自的边际碳排放成本MCπ(i)和最大产量的乘积之和，即
从式(2)可以理解经济调度顺序下得到c(x)的原理，。
根据f(x)和c(x)即可得到供能系统的运行成本C(x)，见下式(3)：
C(x)＝f(x)+c(x) (3)
当边际燃料成本f’(x)不降低，则边际运行成本C’(x)不降低(边际燃料成本和边际运行成本可对上述对应的成本求对于x的导数得到)，这是因为上述经济调度顺序π是根据最小化燃料成本来确定的，而并没有考虑碳排放成本c(x)及对应的边际碳排放成本c’(x)，使得C’(x)函数是非凸的，即无法明确c(x)对其的影响。
为此，本申请实施例中提供通过使用储能系统，以对该供能系统提供所存储的能量(该能量可以是供能装置是发电机/发电机组时生成的能量)。
定义储能系统的容量为B，储能系统每个时隙t的储量是st，t时隙的供能的需求量为Dt，则在每个时隙t，在储能系统的帮助下，运行装置调度各供能装置在t时隙需要从能源系统获得xt的能量，表示为下式(4)：
xt＝st+Dt-st-1 (4)
设预设时间长度T，包含多个时隙，其中，第t个时隙的t∈[1，2,....，T]，则在该预设时间长度T内的最小化期望运行成本，表示为式(5)：
其中，供能的需求量Dt的取值是随机的。
可以理解的是，上述公式表示通过对应预设时间长度T的各个时隙t设置合适的ST＝{s1，s2，...，sT}，使得最小化期望的C(xt)，之所以是期望的C(xt)，是因为Dt的取值是随机的；但是，在一些实施例中，Dt的概率分布可以是预测得到的，例如根据历史数据拟合得到。
在一些实施方式中，所述供能的需求量Dt的概率密度分布可以为基于离散区间而确定的概率分布，例如，所述供能的需求量的概率密度分布为基于所获取的供能时序进行分段统计而得到的。在另一些实施方式中，所述供能的需求量的概率密度分布为基于供能量的分布而确定的连续概率分布等。例如，技术人员根据所获取的供能量时序拟合成如随机概率分布等概率分布函数，并按照所得到的概率分布函数设计可执行所述概率分布函数的程序并保存在存储器中。
在此，所述供能量与供能系统的使用时段、供能系统的排产信息、供能系统的能参数等相关。为了得到所述供能的需求量的概率密度分布，需获取供能系统的供能量时序。在一些实施方式中，所述供能系统的供能量可由计量装置测量而得，即按时序采集的在各能价期间测得的供能系统的历史供能量。例如，在未安装储能系统期间，采集工业企业的计量装置所计量的供能量，并按照采集的时序予以保存。在又一些实施方式中，基于供能系统的供能相关信息预测供能系统的供能量，进而拟合概率密度分布函数。
所述供能相关信息为与供能计划相关的信息，其包括但不限于：供能系统的供能参数、供能系统的排产信息、影响供能系统的其他信息中的至少一种。所述供能参数举例包括：额定功率、最大功率、变频参数等。所述排产信息举例包括生产计划、对应生产计划的供能系统的运行状态变化等。所述其他信息举例包括时间信息等。
如图2所示，展示本申请实施例中的储能数据处理方法的流程示意图。
所述储能数据处理方法可以由计算机装置运行计算机程序实现，所述计算机装置实现在例如服务器/服务器组、固定终端机(例如台式机、商业场所的固定终端、智能电器如电视)、移动终端(例如智能手机、平板电脑、笔记本电脑、智能手表、智能音箱)等。
所述方法包括：
步骤S201：在一预设时间长度内所述供能系统的运行成本受到成本优化条件优化的情况下，利用表示储能系统在该预设时间长度中每个时隙的留存量与所述运行成本间关系的关系函数，以获取在每个所述时隙所述储能系统的理想留存量。
其中，所述运行成本包含供能系统的碳排放成本；各所述理想留存量用于作为生成该预设时间长度的储能控制策略的依据，所述储能控制策略用于供控制所述储能系统进行充放能以令其在每个时隙的实际留存量达到对应的理想留存量。
在一些实施例中，所述关系函数则通过C(st+Dt-st-1)来表示，该方法的目标是求得令C(st+Dt-st-1)期望结果最小化的ST＝{s1，s2，...，sT}，t∈[1，2,....，T]，从而用于作为生成该预设时间长度的储能控制策略的依据，即控制储能系统在每个时隙的充放能以令其实际留存量达到理想留存量。
从中可见，所述关系函数C(st+Dt-st-1)输出的运行成本量受控于其需求变量，所述需求变量由每个时隙t的留存量st及需求量Dt之和同上一时隙t-1的留存量st-1间之差所表示。
在一实施例中，所述成本优化条件可以通过成本优化条件函数来表示，所述成本优化条件函数的输出为所述供能系统所述在预设时间长度内的总期望运行成本量的最小化结果；其中，所述总期望运行成本量为根据所述关系函数得到的该预设时间长度内的总运行成本量的数学期望。
结合式(5)，可以得到所述成本优化条件函数OPT(τ，s，B)的输出如以下式(6)：
其中，τ可以是[1，....，T]之间的取值，即τ个时隙构成所述预设时间长度；为避免套利，在上述公式中例示性地设定s0＝sT＝B/2，但并非以此为限，s0和sT也可以另行取值，例如s0取值B，sT取值0等，皆可以加以变化。
所述成本优化条件函数的输出的影响因子包括：预设时间长度(此处的“预设时间长度”是以1～τ来取值的，τ可以在[1，....，T]内取值)的时隙数量τ、所述储能系统的留存量(通过变量s表示)、及所述储能系统的容量B。
通过解式(6)以得到每个时隙的理想留存量，以下提供一些实施例中的计算方法。
如图3所示，展示本申请实施例中储能数据处理方法的步骤S201的具体流程示意图。
根据上述举例，所述预设时间长度包含τ个时隙，则对应第τ个时隙时的留存量为sτ。
在一些示例中，OPT函数可以是连续的和有界的，可以将s设计成多个单元能量值δ(也可以称为“步长”，即step)，不同数量的δ反映不同留存量，以将求理想留存量的过程转化为求得理想的δ数量，δ可以根据精度需求设置。
相应的，OPT(τ，s，B)可以表示为OPT(τ，kδ，B)。
其中，τ是设定的时隙数量，若时隙以小时计，则τ可以是一或多个小时；若时隙以分钟计，则τ可以是一或多个分钟；具体时长可以根据实际需求、准确度加以设定。
k可以是预先设定的，例如来自于用户输入，例如通过键盘、鼠标、触摸屏、语音交互、视频交互等方式进行输入。
kδ用于确定第τ个时隙的留存量即预设边界时隙留存量sτ；当τ＝T时，sτ＝kδ＝B/2，此时k确定，而在此之前的τ取值下，k和i的取值的组合实现不同的式(7)中opt[i]的值。
在特殊情形下，τ＝1，则得到相应的理想留存量的序列S1＝{s1}＝{kδ}。
此外，考虑在τ不为1的情况下，所述步骤S201具体包括：
步骤S301：在所述预设时间长度包含τ个时隙时，得到前τ-1个时隙在成本优化条件函数的输出结果同第τ个时隙在所述关系函数的输出结果的数学期望的求和输出结果。
其中，第τ个时隙的留存量即预设边界时隙留存量sτ通过预设的第一数量k个单元能量值δ即边界值kδ来表示，则τ-1时隙的留存量由第二数量i个单元能量值δ来表示。
在一示例中，前τ-1个时隙在成本优化条件函数的输出结果可表示为OPT(τ-1，iδ，B)，所述第τ个时隙在所述关系函数的输出结果的数学期望表示为
则相应的，该求和输出结果表示为与i相关的opt[i]，如以下式(7)所示：
步骤S302：在最小化所述求和输出结果下得到第τ-1时隙对应的第二数量的理想值i*，并据以计算得到第τ-1时隙的理想留存量i*δ。
在本步骤中，在给定τ、k的情形下，最小化式(7)中的opt[i]，求解得到对应的第τ-1时隙的第二数量的理想值i*，以得到最小的opt[i]，表示为：i*＝argmin opt[i]；则相应的，第τ-1时隙的理想留存量即为i*δ。
举例来说，假设τ为3，k为2时；
若i＝1，
若i＝2，
......
以此类推，选择其中opt输出最小时的i作为i*。
如果要求每个opt[i]，则要求两部分的输出结果，第一部分是OPT函数的输出结果的计算，第二部分是所述关系函数的输出结果的数学期望。
关于第一部分的OPT函数的输出结果的计算，从式(6)可知，对于不同取值的τ，τ-1时的求和输出结果的最小值作为τ时的成本优化条件函数的输出结果，表示为：
其中，第二部分的关系函数的输出结果的数学期望，其计算方式可以是：
根据前述实施例中关于需求量D的概率密度分布可以统计自历史的供能数据，则D1...Dτ的概率密度分布f(·)可以是预测得到而为已知的；而k和δ也可以是预先设置而已知的常数值，那么在尝试不同的i的取值情况下得到的kδ-iδ+Dτ相当于Dτ加上常数值，同样满足其概率密度分布f(·)。
因此，所述关系函数的输出结果的数学期望是在所述关系函数的需求变量也符合所述概率分布的情况下进行对应的数学期望计算得到的。举例来说，根据随机变量的函数的数学期望的原理，设x＝kδ-iδ+Dτ，是连续的，对应的概率密度函数表示为f(x)，则可以得到式(7)中的所述第τ个时隙在所述关系函数的输出结果的数学期望，即
可通过/>
(可证其绝对收敛)积分计算得到。
需说明的是，在其它实施例中，在计算精度要求并不高的情形下，所述关系函数的输出结果的数学期望是通过在所述需求量由其概率分布对应的数学期望近似表示的情况下所得到的该关系函数的输出结果所近似表示的。举例来说，
也可以通过
来近似表示，由于对于已知概率密度分布的随机变量求其数学期望的方式也属于现有技术与上述方案原理相似，此处不作展开举例。
在其它实施例中，若x是离散的，则可以参考现有技术中关于离散随机变量的函数值、或离散随机变量的数学期望的求法进行上述计算。
可选的，为加快计算效率，所述的储能数据处理方法来得到各理想留存量还包括：在预先存储的多个备选结果中选择匹配于当前时隙的该需求变量的目标结果作为所述数学期望。
例如，将各种τ、k、i取值组合下的
的输出结果放入一数据表中，利于计算时直接查询，从而提高计算效率。
根据第二部分的计算原理及式(8)来推算i*：
当τ＝1，k＝1、2、3、4.....时，以k＝1为例，
其中，s0为预设值，例如B/2，而能算得OPT(1，δ，B)的值；同理也就能算得OPT(1，2δ，B)，OPT(1，3δ，B)，OPT(1，4δ，B)....的值；
当τ＝2，k＝1、2、3、4....时，以k＝3为例，得到：
其中，第一部分计算时，i在各种取值下得到的第一部分的结果都可以在τ＝1时计算的各种OPT结果中得到，而第二部分的输出可以计算或查询得到。
在此过程中，如果在某个i取值时使得OPT(2，3δ，B)的值最小，那么就是τ＝2、k＝3情况下的i*；同理，k取其它值时可采用相同方法得到对应的i*，i*取决于τ和k的取值。
则τ＝2时，相应的τ-1的理想留存量即为s1＝i*δ，而s2＝kδ为预设。
步骤S303：将每个时隙的i*δ作为用于计算前一时隙的理想留存量的临时边界时隙留存量，以迭代计算每个前一时隙的理想留存量而得到前τ-1个时隙的理想留存量，前τ-1个时隙的理想留存量与所述第τ个时隙的留存量即预设边界时隙留存量的组合以形成目标留存量集合，以作为所述储能控制策略的生成依据。
其中，S303虽然设置在一流程框中，但实际上其可以并非是一个步骤，比如在τ＝2或更大的情况下，需要进行反向迭代计算以得到每一时隙的i*。
在之前的举例中，若τ＝2，则s1＝i*δ，s2＝kδ组合的目标留存量集合Sτ＝2作为τ＝2时储能控制策略的生成依据。
以此类推，若τ＝3，k确定，则第三时隙的留存量为s3＝kδ；第二时隙的理想留存量为
第一时隙的理想留存量为/>
可根据前一步骤中描述的计算原理进行计算。
具体来讲，对应求
实现满足/>
最小，那么尝试各种取值来确定/>
并得到/>
的值即OPT(3，3δ，B)，可供τ＝4时计算使用。
确定
后，将/>
作为相对于之前时隙(本举例中仅有第一时隙)的临时边界时隙留存量(与预设边界时隙留存量“kδ”应用原理相似)，以按相同原理计算/>
具体的，/>
实现满足
最小，尝试各种取值来确定/>
从而得到s1。
在此τ＝3的实施例中，s3＝kδ，
的组合以形成目标留存量集合，以作为τ＝3时的储能控制策略的生成依据。
需说明的是，边界时隙的留存量为kδ，虽然k可以是预设，但在本申请中，也可将kδ视为第τ时隙的理想留存量，亦符合前述实施中“理想存储量”的定义。
在一些实施例中，为度量的目标留存量集合S(包含理想留存量的组合
)作用下对成本C的节省量(对应碳排放量c则意味着减排量)，如图4所示，展示本申请实施例中储能数据处理方法的获得最小化运行成本的流程示意图。
首先，对应公式(6)中定义的Sτ，可以对应定义τ个时隙的最小化运行成本μτ(s)，如下式(9)所示：
该式(9)表示，前n个时隙的最小化运行成本是由前n-1个时隙的最小化运行成本、同第n个时隙时所述关系函数的输出结果的数学期望间之和所表示的；n为1以上的自然数。
若特殊情况下τ＝1，则得到相应的理想留存量的序列S1＝{s1}＝{kδ}；相应的，可计算得到
数学期望的计算方式参考前述实施例，此处不作赘述。
对应一般情况下τ不为1，本实施例中的流程具体包括：
步骤S401：根据所述目标留存量集合中各理想留存量及所述关系函数，得到前τ-1个时隙的理想最小化运行成本；
步骤S402：根据前τ-1个时隙的理想最小化运行成本、及由第τ时隙的kδ和第τ-1时隙的i*δ作用于关系函数得到的输出结果的数学期望，得到该预设时间长度的总体最小化运行成本。
其中，式(9)中，s和s’的关系，即就可以表示为目标留存量集合中各相邻i*δ之间的关系，以及第τ时隙的kδ和第τ-1时隙的i*δ之间的关系，关系函数的数学期望的计算方法在上述实施例中已表述，那么结合每两个相邻时隙，即第1时隙和第2时隙，第2时隙和第3时隙，...第τ-2时隙和第τ-1时隙的理想留存量间关系，以及第τ-2时隙的理想留存量和第τ-1时隙的预设留存量间关系，就可以计算得到每个时隙对应增加的最小化部分运行成本量，累加直至最终得到
即预设时间长度(τ个时隙)的总体理想最小化运行成本。
在一些实施例中，通过计算出μτ，可以用于度量、评估Sτ所能节省的运行成本量，其中就包含了碳排放量，也就能评估减少的碳排放量。
各所述理想留存量用于作为生成该预设时间长度的储能控制策略的依据，所述储能控制策略用于供控制所述储能系统进行充放能以令其在每个时隙的实际留存量达到对应的理想留存量。
在一些实施例中，可以根据μτ得到的评估结果作为反馈，来评价基于不同数据计算得到的Sτ所生成储能控制策略的性能。
需特别说明的是，通过OPT(τ，s，B)或OPT(τ，kδ，B)计算在原理上是等同的。虽然在上述实施例中通过k、i的量值来方便地表示留存量s，即kδ和iδ，但其实只是为了便于计算；在其它实施例中，也可以直接通过s的量值变化(替代k、i变化乘以δ)来进行计算，例如st＝100、80、60....MW/h，以替代k或i为10、8、6....乘以δ＝10MW/h，皆落在本申请的保护范围中。
在一些实施例中，所述储能控制策略可以例如为指令集的形式存在，记载为例如文件形式，通过读取储能控制策略而产生或调用相应控制指令，发送给储能系统以指示其进行充放能(例如控制蓄电池进行充放电)而达到相应时隙的理想留存量。
相应的，所述方法还可包括：
步骤S202：对应各所述理想留存量生成储能控制策略输出，或根据所接收的储能控制策略、或根据该储能控制策略生成的控制指令控制所述储能系统进行充放能以令其在每个时隙的实际留存量达到对应的理想留存量。
在一些实施例中，执行带有步骤S202的方法的计算机装置，可以实现在该用于控制供能系统(例如实现经济调度)的运行装置(Operator)上，从而由其直接根据所产生的储能控制策略来控制所述储能系统；或者，所述计算机装置可以与该运行装置间通信连接，以将该储能控制策略或依据储能控制策略生成的控制指令发给所述运行装置。
在一些实施例中，所述通信连接可以是有线通信连接或无线通信连接的方式；其中，所述有线通信连接包括例如通过数据线等方式进行连接，所述无线通信连接包括例如通过蓝牙、蜂窝数据(2G/3G/4G/5G移动通信)、以及Wi-Fi等方式中的一种或多种进行连接。
为表示步骤S202为可选步骤，在图2中以虚线框表示该步骤。
如图5所示，展示本申请实施例中的储能数据处理系统500的模块示意图。
所述储能数据处理系统500包括：留存量计算模块501。
所述留存量计算模块501，用于在一预设时间长度内所述供能系统的运行成本受到成本优化条件优化的情况下，利用表示储能系统在该预设时间长度中每个时隙的留存量与所述运行成本间关系的关系函数，以获取在每个所述时隙所述储能系统的理想留存量；其中，所述运行成本包含供能系统的碳排放成本；各所述理想留存量用于作为生成该预设时间长度的储能控制策略的依据，所述储能控制策略用于供控制所述储能系统进行充放能以令其在每个时隙的实际留存量达到对应的理想留存量。
在一些实施例中，所述关系函数则通过C(st+Dt-st-1)来表示，该方法的目标是求得令C(st+Dt-st-1)期望结果最小化的ST＝{s1，s2，...，sT}，t∈[1，2,....，T]，从而用于作为生成该预设时间长度的储能控制策略的依据，即控制储能系统在每个时隙的充放能以令其实际留存量达到理想留存量。
从中可见，所述关系函数C(st+Dt-st-1)输出的运行成本量受控于其需求变量，所述需求变量由每个时隙t的留存量st及需求量Dt之和同上一时隙t-1的留存量st-1间之差所表示。
在一实施例中，所述成本优化条件可以通过成本优化条件函数来表示，所述成本优化条件函数的输出为所述供能系统所述在预设时间长度内的总期望运行成本量的最小化结果；其中，所述总期望运行成本量为根据所述关系函数得到的该预设时间长度内的总运行成本量的数学期望。
结合前式(5)，可以得到所述成本优化条件函数OPT(τ，s，B)的式(6)。
所述成本优化条件函数的输出的影响因子包括：预设时间长度(此处的“预设时间长度”是以1～τ来取值的，τ可以在[1，....，T]内取值)的时隙数量τ、所述储能系统的留存量(通过变量s表示)、及所述储能系统的容量B。
通过解OPT(τ，s，B)得到理想留存量的集合
结合上述举例，说明在一些实施例中对理想存储量的具体计算过程。
根据上述举例，所述预设时间长度包含τ个时隙，则对应第τ个时隙时的留存量为sτ。
在一些示例中，OPT函数可以是连续的和有界的，可以将s设计成多个单元能量值δ(也可以称为“步长”，即step)，不同数量的δ反映不同留存量，以将求理想留存量的过程转化为求得理想的δ数量，δ可以根据精度需求设置。
相应的，OPT(τ，s，B)可以表示为OPT(τ，kδ，B)。
其中，τ是设定的时隙数量，若时隙以小时计，则τ可以是一或多个小时；若时隙以分钟计，则τ可以是一或多个分钟；具体时长可以根据实际需求、准确度加以设定。
k可以是预先设定的，例如来自于用户输入，例如通过键盘、鼠标、触摸屏、语音交互、视频交互等方式进行输入。
kδ用于确定第τ个时隙的留存量即预设边界时隙留存量sτ；当τ＝T时，sτ＝kδ＝B/2，此时k确定，而在此之前的τ取值下，k和i的取值的组合实现不同的式(7)中opt[i]的值。
在特殊情形下，τ＝1，则得到相应的理想留存量的序列S1＝{s1}＝{kδ}。
此外，考虑在τ不为1的情况下，则所述留存量计算模块501的在一预设时间长度内所述供能系统的运行成本受到成本优化条件优化的情况下，利用表示储能系统在该预设时间长度中每个时隙的留存量与所述运行成本间关系的关系函数，以获取在每个所述时隙所述储能系统的理想留存量，具体包括：
步骤A：在所述预设时间长度包含τ个时隙时，得到前τ-1个时隙在成本优化条件函数的输出结果同第τ个时隙在所述关系函数的输出结果的数学期望的求和输出结果。
其中，第τ个时隙的留存量即预设边界时隙留存量sτ通过预设的第一数量k个单元能量值δ即边界值kδ来表示，则τ-1时隙的留存量由第二数量i个单元能量值δ来表示。
在一示例中，前τ-1个时隙在成本优化条件函数的输出结果可表示为OPT(τ-1，iδ，B)，所述第τ个时隙在所述关系函数的输出结果的数学期望表示为
则相应的，该求和输出结果表示为与i相关的opt[i]，如以前式(7)。
步骤B：在最小化所述求和输出结果下得到第τ-1时隙对应的第二数量的理想值i*，并据以计算得到第τ-1时隙的理想留存量i*δ。
在本步骤中，在给定τ、k的情形下，最小化式(7)中的opt[i]，求解得到对应的第τ-1时隙的第二数量的理想值i*，以得到最小的opt[i]，表示为：i*＝argmin opt[i]；则相应的，第τ-1时隙的理想留存量即为i*δ。
举例来说，假设τ为3，k为2时；
若
若
……
以此类推，选择其中opt输出最小时的i作为i*。
如果要求每个opt[i]，则要求两部分的输出结果，第一部分是OPT函数的输出结果的计算，第二部分是所述关系函数的输出结果的数学期望。
关于第一部分的OPT函数的输出结果的计算，从式(6)可知，对于不同取值的τ，τ-1时的求和输出结果的最小值作为τ时的成本优化条件函数的输出结果，表示为：
其中，第二部分的关系函数的输出结果的数学期望，其计算方式可以是：
根据前述实施例中关于需求量D的概率密度分布可以统计自历史的供能数据，则D1...Dτ的概率密度分布f(·)可以是预测得到而为已知的；而k和δ也可以是预先设置而已知的常数值，那么在尝试不同的i的取值情况下得到的kδ-iδ+Dτ相当于Dτ加上常数值，同样满足其概率密度分布f(·)。
因此，所述关系函数的输出结果的数学期望是在所述关系函数的需求变量也符合所述概率分布的情况下进行对应的数学期望计算得到的。举例来说，根据随机变量的函数的数学期望的原理，设x＝kδ-iδ+Dτ，是连续的，对应的概率密度函数表示为f(x)，则可以得到式(7)中的所述第τ个时隙在所述关系函数的输出结果的数学期望，即
可通过/>
(可证其绝对收敛)积分计算得到。
需说明的是，在其它实施例中，在计算精度要求并不高的情形下，所述关系函数的输出结果的数学期望是通过在所述需求量由其概率分布对应的数学期望近似表示的情况下所得到的该关系函数的输出结果所近似表示的。举例来说，
也可以通过
来近似表示，由于对于已知概率密度分布的随机变量求其数学期望的方式也属于现有技术与上述方案原理相似，此处不作展开举例。
在其它实施例中，若x是离散的，则可以参考现有技术中关于离散随机变量的函数值、或离散随机变量的数学期望的求法进行上述计算。
可选的，为加快计算效率，可在预先存储的多个备选结果中选择匹配于当前时隙的该需求变量的目标结果作为所述数学期望。
例如，将各种τ、k、i取值组合下的
的输出结果放入一数据表中，利于计算时直接查询，从而提高计算效率。
根据第二部分的计算原理及式(8)来推算i*：
当τ＝1，k＝1、2、3、4.....时，以k＝1为例，
其中，s0为预设值，例如B/2，而能算得OPT(1，δ，B)的值；同理也就能算得OPT(1，2δ，B)，OPT(1，3δ，B)，OPT(1，4δ，B)....的值；
当τ＝2，k＝1、2、3、4....时，以k＝3为例，得到：
其中，第一部分计算时，i在各种取值下得到的第一部分的结果都可以在τ＝1时计算的各种OPT结果中得到，而第二部分的输出可以计算或查询得到。
在此过程中，如果在某个i取值时使得OPT(2，3δ，B)的值最小，那么就是τ＝2、k＝3情况下的i*；同理，k取其它值时可采用相同方法得到对应的i*，i*取决于τ和k的取值。
则τ＝2时，相应的τ-1的理想留存量即为s1＝i*δ，而s2＝kδ为预设。
步骤C：将每个时隙的i*δ作为用于计算前一时隙的理想留存量的临时边界时隙留存量，以迭代计算每个前一时隙的理想留存量而得到前τ-1个时隙的理想留存量，前τ-1个时隙的理想留存量与所述第τ个时隙的留存量即预设边界时隙留存量的组合以形成目标留存量集合，以作为所述储能控制策略的生成依据。
在之前的举例中，若τ＝2，则s1＝i*δ，s2＝kδ组合的目标留存量集合Sτ＝2作为τ＝2时储能控制策略的生成依据。
以此类推，若τ＝3，k确定，则第三时隙的留存量为s3＝kδ；第二时隙的理想留存量为
第一时隙的理想留存量为/>
可根据前一步骤中描述的计算原理进行计算。
具体来讲，对应求
实现满足/>
最小，那么尝试各种取值来确定/>
并得到/>
的值即OPT(3，3δ，B)，可供τ＝4时计算使用。
确定
后，将/>
作为相对于之前时隙(本举例中仅有第一时隙)的临时边界时隙留存量(与预设边界时隙留存量“kδ”应用原理相似)，以按相同原理计算/>
具体的，/>
实现满足/>
最小，尝试各种取值来确定/>
从而得到s1。
在此τ＝3的实施例中，s3＝kδ，
的组合以形成目标留存量集合，以作为τ＝3时的储能控制策略的生成依据。
需说明的是，边界时隙的留存量为kδ，虽然k可以是预设，但在本申请中，也可将kδ视为第τ时隙的理想留存量，亦符合前述实施中“理想存储量”的定义。
在一些实施例中，为度量的目标留存量集合S(包含理想留存量的组合
)作用下对成本C的节省量(对应碳排放量c则意味着减排量)，可选的，所述储能数据处理系统500还可包括：运行成本计算模块502(为表示该模块为可选的，通过虚线框显示)。
首先，对应公式(6)中定义的Sτ，可以对应定义τ个时隙的最小化运行成本μτ(s)，如前式(9)所示。该式(9)表示，前n个时隙的最小化运行成本是由前n-1个时隙的最小化运行成本、同第n个时隙时所述关系函数的输出结果的数学期望间之和所表示的；n为1以上的自然数。
所述运行成本计算模块502，用于计算μτ。具体的，若特殊情况下τ＝1，则得到相应的理想留存量的序列S1＝{s1}＝{kδ}；相应的，可计算得到
数学期望的计算方式参考前述实施例，此处不作赘述。
所述运行成本计算模块502，还用于在τ不为1时，根据所述目标留存量集合中各理想留存量及所述关系函数，得到前τ-1个时隙的理想最小化运行成本；根据前τ-1个时隙的理想最小化运行成本、及由第τ时隙的kδ和第τ-1时隙的i*δ作用于关系函数得到的输出结果的数学期望，得到该预设时间长度的总体最小化运行成本。
其中，式(9)中，s和s’的关系，即就可以表示为目标留存量集合中各相邻i*δ之间的关系，以及第τ时隙的kδ和第τ-1时隙的i*δ之间的关系，关系函数的数学期望的计算方法在上述实施例中已表述，那么结合每两个相邻时隙，即第1时隙和第2时隙，第2时隙和第3时隙，...第τ-2时隙和第τ-1时隙的理想留存量间关系，以及第τ-2时隙的理想留存量和第τ-1时隙的预设留存量间关系，就可以计算得到每个时隙对应增加的最小化部分运行成本量，累加直至最终得到
即预设时间长度(τ个时隙)的总体理想最小化运行成本。
在一些实施例中，通过计算出μτ，可以用于度量、评估Sτ所能节省的运行成本量，其中就包含了碳排放量，也就能评估减少的碳排放量。
各所述理想留存量用于作为生成该预设时间长度的储能控制策略的依据，所述储能控制策略用于供控制所述储能系统进行充放能以令其在每个时隙的实际留存量达到对应的理想留存量。
在一些实施例中，可以根据μτ得到的评估结果作为反馈，来评价基于不同数据计算得到的Sτ所生成储能控制策略的性能。
需特别说明的是，通过OPT(τ，s，B)或OPT(τ，kδ，B)计算在原理上是等同的。虽然在上述实施例中通过k、i的量值来方便地表示留存量s，即kδ和iδ，但其实只是为了便于计算；在其它实施例中，也可以直接通过s的量值变化(替代k、i变化乘以δ)来进行计算，例如st＝100、80、60…MW/h，以替代k或i为10、8、6…乘以δ＝10MW/h，皆落在本申请的保护范围中。
在一些实施例中，所述储能控制策略可以例如为指令集的形式存在，记载为例如文件形式，通过读取储能控制策略而产生或调用相应控制指令，发送给储能系统以指示其进行充放能(例如控制蓄电池进行充放电)而达到相应时隙的理想留存量。
如图6所示，展示本申请实施例中提供的计算机装置600的结构示意图。
所述计算机装置600包括：一或多个存储器601，用于存储至少一程序；一或多个处理器602，用于调用所述至少一程序，以执行如本申请实施例中的储能策略数据处理方法，例如图2、3、4实施例中所演示的方法步骤。
在一些实施例中，所述处理器602还用于调用至少一程序以执行：根据各所述理想留存量生成所述储能控制策略并输出；或者，根据所接收的储能控制策略、或根据该储能控制策略生成的控制指令控制所述储能系统进行充放能以令其在每个时隙的实际留存量达到对应的理想留存量；或者，所述处理器602还用于调用至少一程序以执行：根据所接收的储能控制策略、或根据该储能控制策略生成的控制指令控制所述储能系统进行充放能以令其在每个时隙的实际留存量达到对应的理想留存量。
在一些实施例中，所述存储器601可包括高速随机存取存储器，并且还可包括非易失性存储器，例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备。在某些实施例中，存储器还可以包括远离一个或多个处理器的存储器，例如经由RF电路或外部端口以及通信网络(未示出)访问的网络附加存储器，其中所述通信网络可以是因特网、一个或多个内部网、局域网(LAN)、广域网(WLAN)、存储局域网(SAN)等，或其适当组合。所述存储器还包括存储器控制器可控制设备的诸如CPU和外设接口之类的其他组件对存储器的访问。所述存储器601用于存储至少一个程序，用以在执行时执行基于本申请技术思想而示例的各步骤。
所述一个或多个处理器602可操作地与存储器601和/或非易失性存储设备耦接。更具体地，处理器602可执行在存储器和/或非易失性存储设备中存储的指令以在计算设备中执行操作，诸如生成图像数据和/或将图像数据传输到电子显示器。如此，处理器602可包括一个或多个通用微处理器、一个或多个专用处理器(ASIC)、一个或多个现场可编程逻辑阵列(FPGA)、或它们的任何组合。一个或多个处理器602还可与接口单元可操作地耦接；通过接口单元，所述计算设备能够与各种其他电子设备进行交互，以及可使得用户能够与计算设备进行交互。其中，所述接口单元包括I/O端口、输入结构、网络端口、有线或无线通信模块(例如有线或无线网卡、2G/3G/4G/5G模块)等。
可选的，所述计算机装置600可以实现于电子终端，例如电脑、服务器、移动终端(如手机、平板电脑等)，该些电子终端可以包含显示单元/音频单元等输出单元。进一步可选的，所述电子显示器可包括触摸部件，该触摸部件通过检测对象触摸其屏幕(例如，电子显示器的表面)的发生和/或位置来促进用户输入；可选的，所述音频单元可以包括扬声器、音箱等；进一步可选的，所述音频单元还可以包括拾音器，从而能与用户语音交互。
例如，在一些示例中，储能控制策略可以转换为电子图案或音频的形式而加以输出给用户。
如图7所示，展示本申请实施例中在能源系统700场景中实现储能系统702控制的结构示意图。
该能源系统700包括：
供能系统701，包括：一或多个供能装置711；
储能系统702，与所述供能系统701耦合，用于存储能量、以及向所述供能系统701提供能量；
运行装置703，通信连接于所述供能系统701及储能系统702；其中，所述运行装置703包括：
一或多个存储器731，用于存储至少一程序；
一或多个处理器732，用于调用所述至少一程序，以执行如图2、3、4实施例所示的流程步骤而得到各个理想留存量，并根据各所述理想留存量生成所述储能控制策略，且根据所接收的储能控制策略、或根据该储能控制策略生成的控制指令控制所述储能系统702进行充放能以令其在每个时隙的实际留存量达到对应的理想留存量；或者，所述储能控制策略可以是接收自外部(例如与所述运行装置703通信连接的如图6所示的计算机装置)从而据以控制储能系统702进行充放电；或者，所述运行装置703可以是自外部接收根据接收根据储能控制策略生成的控制指令，据以对应控制所述储能系统702进行充放电
在一些实施例中，所述存储器731可包括高速随机存取存储器，并且还可包括非易失性存储器，例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备。在某些实施例中，存储器还可以包括远离一个或多个处理器的存储器，例如经由RF电路或外部端口以及通信网络(未示出)访问的网络附加存储器，其中所述通信网络可以是因特网、一个或多个内部网、局域网(LAN)、广域网(WLAN)、存储局域网(SAN)等，或其适当组合。所述存储器还包括存储器控制器可控制设备的诸如CPU和外设接口之类的其他组件对存储器的访问。所述存储器731用于存储至少一个程序，用以在执行时执行基于本申请技术思想而示例的各步骤。
所述一个或多个处理器732可操作地与存储器731和/或非易失性存储设备耦接。更具体地，处理器732可执行在存储器和/或非易失性存储设备中存储的指令以在计算设备中执行操作，诸如生成图像数据和/或将图像数据传输到电子显示器。如此，处理器732可包括一个或多个通用微处理器、一个或多个专用处理器(ASIC)、一个或多个现场可编程逻辑阵列(FPGA)、或它们的任何组合。一个或多个处理器732还可与接口单元733可操作地耦接；通过接口单元，所述计算设备能够与各种其他电子设备进行交互，以及可使得用户能够与计算设备进行交互。其中，所述接口单元733包括I/O端口、输入结构、网络端口、有线或无线通信模块(例如有线或无线网卡、2G/3G/4G/5G模块)等。
可选的，所述运行装置703可以实现于电子终端，例如电脑、服务器、移动终端(如手机、平板电脑等)，该些电子终端可以包含显示单元/音频单元等输出单元。进一步可选的，所述电子显示器可包括触摸部件，该触摸部件通过检测对象触摸其屏幕(例如，电子显示器的表面)的发生和/或位置来促进用户输入；可选的，所述音频单元可以包括扬声器、音箱等；进一步可选的，所述音频单元还可以包括拾音器，从而能与用户语音交互。
例如，在一些示例中，储能控制策略可以转换为电子图案或音频的形式而加以输出给用户。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的模块及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
另外，本申请上述的附图中的流程图和系统框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这根据所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以通过执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以通过专用硬件与计算机指令的组合来实现。
另外，前述实施例中涉及的计算机程序，如实现图2、3、4实施例中流程步骤实现的计算机程序，可以存储在计算机可读存储介质。所述计算机可读写存储介质可以包括只读存储器(ROM，Read OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、EEPROM、CD-ROM或其它光盘存储装置、磁盘存储装置或其它磁存储设备、闪存、U盘、移动硬盘、或者能够用于存储具有指令或数据结构形式的期望的程序代码并能够由计算机进行存取的任何其它介质。另外，任何连接都可以适当地称为计算机可读介质。例如，如果指令是使用同轴电缆、光纤光缆、双绞线、数字订户线(DSL)或者诸如红外线、无线电和微波之类的无线技术，从网站、服务器或其它远程源发送的，则所述同轴电缆、光纤光缆、双绞线、DSL或者诸如红外线、无线电和微波之类的无线技术包括在所述介质的定义中。然而，应当理解的是，计算机可读写存储介质和数据存储介质不包括连接、载波、信号或者其它暂时性介质，而是旨在针对于非暂时性、有形的存储介质。如申请中所使用的磁盘和光盘包括压缩光盘(CD)、激光光盘、光盘、数字多功能光盘(DVD)、软盘和蓝光光盘，其中，磁盘通常磁性地复制数据，而光盘则用激光来光学地复制数据。
综上所述，本申请的储能数据处理方法、系统、装置、能源系统及存储介质，通过在一预设时间长度内所述供能系统的运行成本受到成本优化条件优化的情况下，利用表示储能系统在该预设时间长度中每个时隙的留存量与所述运行成本间关系的关系函数，以获取在每个所述时隙所述储能系统的理想留存量；其中，所述运行成本包含供能系统的碳排放成本；各所述理想留存量用于作为生成该预设时间长度的储能控制策略的依据，所述储能控制策略用于供控制所述储能系统进行充放能以令其在每个时隙的实际留存量达到对应的理想留存量；本申请创新性地通过设计储能系统的储能策略来实现降低碳排放的目的，良好解决现有技术的问题。
上述实施例仅例示性说明本申请的原理及其功效，而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本申请的权利要求所涵盖。
Claims (13)
1.一种储能数据处理方法，其特征在于，相关于储能系统，所述储能系统用于存储来自供能系统的能量，所述供能系统包括一或多个供能装置；所述储能数据处理方法包括：
在一预设时间长度内所述供能系统的运行成本受到成本优化条件优化的情况下，利用表示储能系统在该预设时间长度中每个时隙的留存量与所述运行成本间关系的关系函数，以获取在每个所述时隙所述储能系统的理想留存量；其中，所述成本优化条件通过成本优化条件函数表示，所述成本优化条件函数的输出为所述供能系统在该预设时间长度内的总期望运行成本量的最小化结果；其中，所述总期望运行成本量为根据所述关系函数得到的该预设时间长度内的总运行成本量的数学期望；所述成本优化条件函数的输出的影响因子包括：所述预设时间长度的时隙数量、所述储能系统的留存量、及所述储能系统的容量；
其中，所述运行成本包含供能系统的碳排放成本；所述关系函数输出的运行成本量受控于其需求变量，所述需求变量由每个时隙的留存量及需求量之和同上一时隙的留存量间之差所表示；所述需求量的概率分布是根据供能相关信息预测得到的已知概率分布或者是根据历史需求数据的统计获取的已知概率分布；其中，所述供能相关信息为与供能计划相关的信息；各所述理想留存量用于作为生成该预设时间长度的储能控制策略的依据，所述储能控制策略用于供控制所述储能系统进行充放能以令其在每个时隙的实际留存量达到对应的理想留存量。
2.根据权利要求1所述的储能数据处理方法，在k个供能装置的产量和满足需求量的情况下，所述需求量对应的碳排放成本表示为由其中前k-1台运行的供能装置的第一部分碳排放成本、以及第k个运行的供能装置的第二部分碳排放成本之和；其中，所述第一部分碳排放成本为前k-1个供能装置各自的边际碳排放成本与最大产量的乘积之和，所述第二部分碳排放成本为与第k个供能装置的边际碳排放成本与其实际产量的乘积。
3.根据权利要求1所述的储能数据处理方法，所述运行成本还包括：供能装置运行所需的燃料成本。
4.根据权利要求1所述的储能数据处理方法，所述在一预设时间长度内所述供能系统的运行成本受到成本优化条件优化的情况下，利用表示储能系统在该预设时间长度中每个时隙的留存量与所述运行成本间关系的关系函数，以获取在每个所述时隙所述储能系统的理想留存量的步骤，包括：
在所述预设时间长度包含τ个时隙时，得到前τ-1个时隙在成本优化条件函数的输出结果同第τ个时隙在所述关系函数的输出结果的数学期望的求和输出结果；其中，第τ个时隙的留存量即预设边界时隙留存量sτ通过预设的第一数量k个单元能量值δ来表示，而第τ-1时隙的留存量由第二数量i个单元能量值δ来表示；
在最小化所述求和输出结果下得到第τ-1时隙对应的第二数量的理想值i*，并据以计算得到第τ-1时隙的理想留存量i*δ；其中，对于不同取值的τ，τ-1时的求和输出结果的最小值作为τ时的成本优化条件函数的输出结果；
将每个时隙的i*δ作为用于计算前一时隙的理想留存量的临时边界时隙留存量，以迭代计算每个前一时隙的第二数量的理想值而得到前τ-1个时隙的理想留存量，前τ-1个时隙的理想留存量与所述第τ个时隙的留存量即预设边界时隙留存量的组合以形成目标留存量集合，以作为所述储能控制策略的生成依据。
5.根据权利要求4所述的储能数据处理方法，还包括：
根据所述目标留存量集合中各理想留存量及所述关系函数，得到前τ-1个时隙的理想最小化运行成本；
根据前τ-1个时隙的理想最小化运行成本、及由第τ时隙的kδ和第τ-1时隙的i*δ作用于关系函数得到的输出结果的数学期望，得到该预设时间长度的总体最小化运行成本；
其中，前n个时隙的最小化运行成本是由前n-1个时隙的最小化运行成本、同第n个时隙时所述关系函数的输出结果的数学期望间之和所表示的；n为1以上的自然数。
6.根据权利要求1所述的储能数据处理方法，所述关系函数的输出结果的数学期望是通过在所述需求量由其概率分布对应的数学期望近似表示的情况下所得到的该关系函数的输出结果所近似表示的。
7.根据权利要求1所述的储能数据处理方法，所述关系函数的输出结果的数学期望是在所述关系函数的需求变量也符合所述概率分布的情况下进行对应的数学期望计算得到的。
8.根据权利要求1所述的储能数据处理方法，还包括：
在预先存储的多个备选结果中选择匹配于当前时隙的该需求变量的目标结果作为所述数学期望；所述当前时隙的该需求变量是由当前时隙的留存量及需求量之和同上一时隙的留存量间之差来表示的；
其中，所述多个备选结果是对于在所述需求变量中的一时隙及其上一时隙的留存量的各种可能取值作用下的关系函数的输出分别进行数学期望计算所得到的。
9.一种储能数据处理系统，其特征在于，相关于储能系统，所述储能系统用于存储来自供能系统的能量，所述供能系统包括一或多个供能装置；所述储能数据处理系统包括：
留存量计算模块，用于在一预设时间长度内所述供能系统的运行成本受到成本优化条件优化的情况下，利用表示储能系统在该预设时间长度中每个时隙的留存量与所述运行成本间关系的关系函数，以获取在每个所述时隙所述储能系统的理想留存量；其中，所述成本优化条件通过成本优化条件函数表示，所述成本优化条件函数的输出为所述供能系统在该预设时间长度内的总期望运行成本量的最小化结果；其中，所述总期望运行成本量为根据所述关系函数得到的该预设时间长度内的总运行成本量的数学期望；所述成本优化条件函数的输出的影响因子包括：所述预设时间长度的时隙数量、所述储能系统的留存量、及所述储能系统的容量；
其中，所述运行成本包含供能系统的碳排放成本；所述关系函数输出的运行成本量受控于其需求变量，所述需求变量由每个时隙的留存量及需求量之和同上一时隙的留存量间之差所表示；所述需求量的概率分布是根据供能相关信息预测得到的已知概率分布或者是根据历史需求数据的统计获取的已知概率分布；其中，所述供能相关信息为与供能计划相关的信息；各所述理想留存量用于作为生成该预设时间长度的储能控制策略的依据，所述储能控制策略用于供控制所述储能系统进行充放能以令其在每个时隙的实际留存量达到对应的理想留存量。
10.一种计算机装置，其特征在于，包括：
一或多个存储器，用于存储至少一程序；
一或多个处理器，用于调用所述至少一程序，以执行如权利要求1至8中任一项所述的储能数据处理方法。
11.根据权利要求10所述的计算机装置，其特征在于，所述处理器还用于调用至少一程序以执行：
根据各所述理想留存量生成所述储能控制策略并输出；或者，根据所接收的储能控制策略、或根据该储能控制策略生成的控制指令控制所述储能系统进行充放能以令其在每个时隙的实际留存量达到对应的理想留存量。
12.一种能源系统，其特征在于，包括：
供能系统，包括：一或多个供能装置；
储能系统，与所述供能系统耦合，用于存储能量、以及向所述供能系统提供能量；
运行装置，通信连接于所述供能系统及储能系统；其中，所述运行装置包括：
一或多个存储器，用于存储至少一程序；
一或多个处理器，用于调用所述至少一程序，以执行如权利要求1至8中任一项所述的储能数据处理方法来得到各理想留存量，并根据各所述理想留存量生成所述储能控制策略，且根据所接收的储能控制策略、或根据该储能控制策略生成的控制指令控制所述储能系统进行充放能以令其在每个时隙的实际留存量达到对应的理想留存量；或者，所述储能控制策略是接收自外部从而据以控制储能系统进行充放电；或者，所述运行装置是自外部接收根据接收根据储能控制策略生成的控制指令，据以对应控制所述储能系统进行充放电。
13.一种计算机可读存储介质，其特征在于，存储有至少一程序，所述至少一程序在被调用时执行并实现如权利要求1至8中任一项所述的储能数据处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911330360.7A CN111105161B (zh) | 2019-12-20 | 2019-12-20 | 储能数据处理方法、系统、装置、能源系统及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911330360.7A CN111105161B (zh) | 2019-12-20 | 2019-12-20 | 储能数据处理方法、系统、装置、能源系统及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111105161A CN111105161A (zh) | 2020-05-05 |
| CN111105161B true CN111105161B (zh) | 2023-06-20 |
Family
ID=70422842
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911330360.7A Active CN111105161B (zh) | 2019-12-20 | 2019-12-20 | 储能数据处理方法、系统、装置、能源系统及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111105161B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109472401A (zh) * | 2018-10-30 | 2019-03-15 | 广州供电局有限公司 | 分布式供能运行策略的确定方法、装置、设备和存储介质 |
| CN110350518A (zh) * | 2019-06-27 | 2019-10-18 | 国网江苏省电力有限公司 | 一种用于调峰的电网储能容量需求评估方法及系统 |
| CN110458358A (zh) * | 2019-08-13 | 2019-11-15 | 西南石油大学 | 计及生产工艺系统约束的海上微能系统优化调度方法 |
-
2019
- 2019-12-20 CN CN201911330360.7A patent/CN111105161B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109472401A (zh) * | 2018-10-30 | 2019-03-15 | 广州供电局有限公司 | 分布式供能运行策略的确定方法、装置、设备和存储介质 |
| CN110350518A (zh) * | 2019-06-27 | 2019-10-18 | 国网江苏省电力有限公司 | 一种用于调峰的电网储能容量需求评估方法及系统 |
| CN110458358A (zh) * | 2019-08-13 | 2019-11-15 | 西南石油大学 | 计及生产工艺系统约束的海上微能系统优化调度方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111105161A (zh) | 2020-05-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ju et al. | A two-layer energy management system for microgrids with hybrid energy storage considering degradation costs | |
| Bhattacharya et al. | Managing energy storage in microgrids: A multistage stochastic programming approach | |
| Xie et al. | Fast MPC-based coordination of wind power and battery energy storage systems | |
| JP5537304B2 (ja) | 情報処理装置およびそのプログラム | |
| de la Torre et al. | Optimal battery sizing considering degradation for renewable energy integration | |
| Hittinger et al. | Modeling costs and benefits of energy storage systems | |
| Xu et al. | Multi-objective chance-constrained optimal day-ahead scheduling considering BESS degradation | |
| AU2016416626B2 (en) | Method and device for the use of an electrochemical energy storage device so as to optimize the service life | |
| CN113852135B (zh) | 一种虚拟电厂能源调度方法、装置、存储介质及平台 | |
| Guo et al. | Two‐stage optimal MPC for hybrid energy storage operation to enable smooth wind power integration | |
| Cui et al. | Optimal control of PEVs for energy cost minimization and frequency regulation in the smart grid accounting for battery state-of-health degradation | |
| Gonzalez‐Gonzalez et al. | Hybrid battery‐ultracapacitor storage system sizing for renewable energy network integration | |
| Gatsis et al. | A stochastic approximation approach to load shedding inpower networks | |
| Nizami et al. | Transactive energy trading of residential prosumers using battery energy storage systems | |
| KR101581685B1 (ko) | 에너지 저장장치의 충방전 스케줄링 장치 및 방법 | |
| Giaconi et al. | Optimal demand-side management for joint privacy-cost optimization with energy storage | |
| Cao et al. | Engineering energy storage sizing method considering the energy conversion loss on facilitating wind power integration | |
| KR101619335B1 (ko) | 대용량 배터리 에너지 저장 시스템의 피크 쉐이빙 운영방법 | |
| CN111105161B (zh) | 储能数据处理方法、系统、装置、能源系统及存储介质 | |
| JP2013198192A (ja) | 蓄電池の運用方針決定方法および運用方針決定システム | |
| Zhang et al. | Scheduling wind‐battery energy storage hybrid systems in time‐of‐use pricing schemes | |
| CN115864611B (zh) | 储能电池安全储能管理方法、系统、设备及存储介质 | |
| Raj et al. | Analysis of unit commitment problem through Lagrange relaxation and priority listing method | |
| KR101581684B1 (ko) | 에너지 저장장치의 방전심도 제어를 통한 충방전 스케줄링 장치 및 방법 | |
| Muttaqi et al. | An effective power dispatch strategy to improve generation schedulability by mitigating wind power uncertainty with a data driven flexible dispatch margin for a wind farm using a multi-unit battery energy storage system |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231124 Address after: 210046 6th floor, building C21, Zidong International Creative Park, 2 Zidong Road, Maqun street, Qixia District, Nanjing City, Jiangsu Province Patentee after: TULING ARTIFICIAL INTELLIGENCE INSTITUTE (NANJING) Co.,Ltd. Patentee after: TSINGHUA University Address before: 210046 601 room, No. 6, Qi Min Road, Xianlin street, Qixia District, Nanjing, Jiangsu, China. 6 Patentee before: TULING ARTIFICIAL INTELLIGENCE INSTITUTE (NANJING) Co.,Ltd. |
|
| TR01 | Transfer of patent right |