CN111125637B - 储能装置的容量数据处理方法、系统及存储介质 - Google Patents

储能装置的容量数据处理方法、系统及存储介质 Download PDF

Info

Publication number
CN111125637B
CN111125637B CN201911248504.4A CN201911248504A CN111125637B CN 111125637 B CN111125637 B CN 111125637B CN 201911248504 A CN201911248504 A CN 201911248504A CN 111125637 B CN111125637 B CN 111125637B
Authority
CN
China
Prior art keywords
energy
storage device
energy storage
amount
capacity
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
CN201911248504.4A
Other languages
English (en)
Other versions
CN111125637A (zh
Inventor
张家声
吴辰晔
李强
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.)
Tuling Artificial Intelligence Institute Nanjing Co ltd
Tsinghua University
Original Assignee
Tuling Artificial Intelligence Institute Nanjing Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tuling Artificial Intelligence Institute Nanjing Co ltd filed Critical Tuling Artificial Intelligence Institute Nanjing Co ltd
Priority to CN201911248504.4A priority Critical patent/CN111125637B/zh
Publication of CN111125637A publication Critical patent/CN111125637A/zh
Application granted granted Critical
Publication of CN111125637B publication Critical patent/CN111125637B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • Mathematical Analysis (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Pure & Applied Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Probability & Statistics with Applications (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请的储能装置的容量数据处理方法、系统及存储介质，用于确定储能装置的期望容量；储能装置耦合于用能装置以供能，所述储能装置及用能装置耦合于第一能源系统及第二能源系统以能分别获取能量，其中，在预设时段内，所述估计用能量相对于第二能源系统提供给用能装置和储能装置的能量之和满足配额限制；本申请的方案中依据风险限制约束得到储能装置中的期望占用量；根据期望用能成本得到对应的期望可用量；根据所述期望占用量及期望可用量得到所述期望容量。本申请的储能装置的容量数据处理方法可基于一期望用能成本得到满足所述配额限制及风险限制约束的所述储能装置的期望容量。

Description

储能装置的容量数据处理方法、系统及存储介质
技术领域
本申请涉及数据处理系统及方法技术领域，特别是涉及储能装置的容量数据处理方法、系统及存储介质。
背景技术
储能技术得到大力发展，其原因之一在于通过储能装置可以在能源系统发电量不足时通过储能装置存储的电量来满足用能装置的用能，可以有效地应对能源系统发电量不稳定的情况。
尤其是对于可再生能源系统，例如，风力发电系统的发电量有很强的不稳定性，但是，国家或地区政府机构为了促进可再生能源的开发与利用，又对当地可再生能源市场份额做出了强制性要求，例如可再生能源电力配额(RPS)。
因此，如何在能源系统发电量不稳定的前提下，合理设置储能装置的容量，已成为业界亟待解决的技术问题。
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装置的容量数据处理方法、系统及存储介质，用于解决现有技术中在能源系统发电量不稳定的前提下，合理设置储能装置的容量问题。
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装置的容量数据处理方法，应用于确定储能装置的期望容量；储能装置耦合于用能装置以供能，所述储能装置及用能装置耦合于第一能源系统及第二能源系统以能分别获取能量，其中，所述第一能源系统按照随时间变化的用能价格来对外提供能量；所述用能装置从第一能源系统、第二能源系统、及储能装置获取的能量之和满足估计用能量；在预设时段内，所述估计用能量相对于第二能源系统提供给用能装置和储能装置的能量之和满足配额限制；所述储能装置的容量数据处理方法包括以下步骤：依据风险限制约束得到储能装置中的期望占用量，所述期望占用量能补偿估计偏差量和实际偏差量之间的误差的可能性满足预设概率阈值；其中，所述估计偏差量是估计用能量和第二能源系统的估计最大供应量的偏差；所述实际偏差量是实际用能量和第二能源系统的实际最大供应量的偏差；根据期望用能成本，经表示可用量的边界值与从第一和/或第二能源系统获取能量的最小化用能成本之间的函数关系得到对应的期望可用量；其中，所述可用量是所述储能装置占用量以外的部分容量，所述最小化用能成本是根据其受到所述可用量边界值、及由所述配额限制的约束而获得的，所述函数关系是根据已知的可用量边界值及对应的最小化用能成本经函数拟合方法得到的；根据所述期望占用量及期望可用量得到所述期望容量。
在本申请的第一方面的某些实施方式中，所述依据风险限制约束得到储能装置中的期望占用量，所述风险限制约束是所述期望占用量能补偿估计偏差量和实际偏差量之间的误差的可能性需满足预设概率阈值；其中，所述偏差量都是用能装置的能量需求量和第二能源系统的最大供应用量的偏差，包括：在每一时刻，若所述估计用能量等同于所述实际用能量，所述风险限制约束等价于所述期望占用量能补偿估计最大供应量和实际最大供应量之间的误差的可能性需满足预设概率阈值，根据所述估计最大供应量与实际最大供应量的相对偏差量的概率密度分布得到所述储能装置中的期望占用量。
在本申请的第一方面的某些实施方式中，所述概率密度分布包括：根据历史数据中所述估计最大供应量和实际最大供应量的数据经过预设误差分布模型拟合得到的拟合概率密度分布，或根据历史数据中所述估计最大供应量和实际最大供应量的数据得到的实际概率密度分布。
在本申请的第一方面的某些实施方式中，所述误差分布模型包括：拉普拉斯分布、正态分布、柯西分布、贝塔分布、分段指数分布。
在本申请的第一方面的某些实施方式中，所述函数拟合方法包括：以每组可用量的边界值及其对应的所述最小化用能成本为一点的坐标值，根据预设的对应于一边界值范围的两端点的所述坐标值，并获取与所述两端点同样满足符合所述函数关系的其它端点的坐标值来拟合确定所述函数关系。
在本申请的第一方面的某些实施方式中，所述获取与所述两端点同样满足符合所述函数关系的其它端点的坐标值来拟合确定所述函数关系，包括：重复执行以下步骤直至确定所述函数关系：根据所述两端点的坐标值及各自对应的拉格朗日乘子，执行几何求点方法得到一预备点；判断所述预备点的坐标值是否满足所述函数关系；若是，则确定所述函数关系；若否，则根据所述预备点的可用量的边界值计算得到满足所述函数关系的最小化用能成本，以构建新增端点，并分别根据新增端点及每一已有端点执行所述几何求点方法，以尝试确定所述函数关系。
在本申请的第一方面的某些实施方式中，所述几何求点方法包括：以所述两端点的坐标值所对应的拉格朗日乘子为两端点所在直线的斜率，求得所述两端点所在直线的交点，以所述交点为所述预备点。
在本申请的第一方面的某些实施方式中，包括：根据所述期望容量对应设置所述储能装置的容量。
在本申请的第一方面的某些实施方式中，所述第二能源系统为可再生能源系统。
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装置的容量数据处理系统，应用于确定储能装置的期望容量；储能装置耦合于用能装置以供能，所述储能装置及用能装置耦合于第一能源系统及第二能源系统以能分别获取能量，其中，所述第一能源系统按照随时间变化的用能价格来对外提供能量；所述用能装置从第一能源系统、第二能源系统、及储能装置获取的能量之和满足估计用能量；在预设时段内，所述估计用能量相对于第二能源系统提供给用能装置和储能装置的能量之和满足配额限制；所述储能装置的容量数据处理方法包括以下步骤：占用量确定模块，用于依据风险限制约束得到储能装置中的期望占用量，所述期望占用量能补偿估计偏差量和实际偏差量之间的误差的可能性满足预设概率阈值；其中，所述估计偏差量是估计用能量和第二能源系统的估计最大供应量的偏差；所述实际偏差量是实际用能量和第二能源系统的实际最大供应量的偏差；可用量确定模块，用于根据期望用能成本，经表示可用量的边界值与从第一和/或第二能源系统获取能量的最小化用能成本之间的函数关系得到对应的期望可用量；其中，所述可用量是所述储能装置占用量以外的部分容量，所述最小化用能成本是根据其受到所述可用量边界值、及由所述配额限制的约束而获得的，所述函数关系是根据已知的可用量边界值及对应的最小化用能成本经函数拟合方法得到的；容量确定模块，用于根据所述期望占用量及期望可用量得到所述期望容量。
在本申请的第二方面的某些实施方式中，所述占用量确定模块依据风险限制约束得到储能装置中的期望占用量，所述风险限制约束是所述期望占用量能补偿估计偏差量和实际偏差量之间的误差的可能性需满足预设概率阈值；其中，所述偏差量都是用能装置的能量需求量和第二能源系统的最大供应用量的偏差，包括：在每一时刻，若所述估计用能量等同于所述实际用能量，所述风险限制约束等价于所述期望占用量能补偿估计最大供应量和实际最大供应量之间的误差的可能性需满足预设概率阈值，根据所述估计最大供应量与实际最大供应量的相对偏差量的概率密度分布得到所述储能装置中的期望占用量。
在本申请的第二方面的某些实施方式中，所述概率密度分布包括：根据历史数据中所述估计最大供应量和实际最大供应量的数据经过预设误差分布模型拟合得到的拟合概率密度分布，或根据历史数据中所述估计最大供应量和实际最大供应量的数据得到的实际概率密度分布。
在本申请的第二方面的某些实施方式中，所述误差分布模型包括：拉普拉斯分布、正态分布、柯西分布、贝塔分布、分段指数分布。
在本申请的第二方面的某些实施方式中，所述函数拟合方法包括：以每组可用量的边界值及其对应的所述最小化用能成本为一点的坐标值，根据预设的对应于一边界值范围的两端点的所述坐标值，并获取与所述两端点同样满足符合所述函数关系的其它端点的坐标值来拟合确定所述函数关系。
在本申请的第二方面的某些实施方式中，所述获取与所述两端点同样满足符合所述函数关系的其它端点的坐标值来拟合确定所述函数关系，包括：重复执行以下步骤直至确定所述函数关系：根据所述两端点的坐标值及各自对应的拉格朗日乘子，执行几何求点方法得到一预备点；判断所述预备点的坐标值是否满足所述函数关系；若是，则确定所述函数关系；若否，则根据所述预备点的可用量的边界值计算得到满足所述函数关系的最小化用能成本，以构建新增端点，并分别根据新增端点及每一已有端点执行所述几何求点方法，以尝试确定所述函数关系。
在本申请的第二方面的某些实施方式中，所述几何求点方法包括：以所述两端点的坐标值所对应的拉格朗日乘子为两端点所在直线的斜率，求得所述两端点所在直线的交点，以所述交点为所述预备点。
在本申请的第二方面的某些实施方式中，包括：根据所述期望容量对应设置所述储能装置的容量。
在本申请的第二方面的某些实施方式中，所述第二能源系统为可再生能源系统。
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系统，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中任一项所述的储能装置的容量数据处理方法。
为实现上述目的及其他相关目的，本申请的第四方面提供一种储能装置，集成有或通信连接于本申请第三方面所述的计算机系统，以根据对应所述期望容量值的设置指令以调整其容量。
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如本申请第一方面中任一项所述的储能装置的容量数据处理方法。
如上所述，本申请的储能装置的容量数据处理方法、系统及存储介质，实现用于确定所述储能装置的期望容量，本申请的方案中依据风险限制约束得到储能装置中的期望占用量；根据期望用能成本得到对应的期望可用量；根据所述期望占用量及期望可用量得到所述期望容量。本申请的储能装置的容量数据处理方法可在能源系统发电量不稳定，即能源系统的估计发电量存在误差的前提下，基于一期望用能成本得到满足所述配额限制的所述储能装置的期望容量。
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显示为本申请的储能装置的容量数据处理系统在一实施方式中的示意图。
图3显示为所述最大供应量的相对偏差量的经验分布和基于拉普拉斯分布模型得到的所述最大供应量的相对偏差量的拟合概率密度分布示意图。
图4显示为本申请中的几何求点方法在一实施方式中的示意图。
图5显示为本申请的计算机系统在一实施例中的示意图。
图6显示为本申请的储能装置的容量数据处理方法在一实施例中的流程示意图。
图7显示为本申请的计算机系统的应用方式在一实施例中的示意图。
图8显示为本申请的计算机系统的应用方式在另一实施例中的示意图。
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，第一能源系统可以被称作第二能源系统，并且类似地，第二能源系统可以被称作第一能源系统，而不脱离各种所描述的实施例的范围。第一能源系统和能源系统均是在描述一个能源系统，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能源系统。
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。
可再生能源包括风能、太阳能、水能、生物质能、地热能、海洋能等非化石能源。可再生能源发电是指利用所述可再生能源进行发电，例如，水力发电、风力发电、生物质发电、太阳能发电、海洋能发电和地热能发电等。可再生能源具有很强的波动性导致可再生能源的发电量不稳定，使得预测的可再生能源发电量存在预测误差。而可再生能源电力配额(Renewable Portfolio Standard，RPS)要求发配电系统供应的总电量或用户使用的总电量中必须有规定比例的电量来自可再生能源发电。
目前储能技术的高速发展，使得在可再生能源发电量不稳定的情况下，通过储能装置存储的电量可满足RPS的强制性要求。
虽然储能装置可以存储的容量越大，在可再生能源发电量存在富余时存储的可供其他时段使用的电量越多，但是，储能装置的容量增加也会增加配置所述储能装置的成本投入。
所以，合理设置满足要求的储能装置的容量可以降低配置成本。
因此，在发配电系统或用户具备储能装置的情况下，如何在可再生能源配额制的强制性要求下和可再生能源发电量存在预测误差的前提下，设置可满足预设用能成本的储能装置的容量或者确定现有储能装置中的可满足预设用能成本的可用容量，是亟待研究的问题。
需要说明的是，虽然在上述阐述中表达的是储能装置用于RPS限制的场景，但仅为举例；在一些实施例中，也可以是应用在没有可再生能源提供电能时，但存在一定配额限制的情形，并非以上述举例为限；在一些实施例中，甚至可以是直接将电能以外类型的能量(如热能等)作为配额限制的对象等，亦非以上述举例为限。
相应可以理解的是，由于并非限制能源系统提供的能量为电能，因此对其价格的表述亦不限制于电价，在后文中通过“用能价格”表达；相应的，RPS限制在后文中也通过“配额限制”来表达。
请参阅图1，图1显示为本申请实施例中应用场景的结构示意图。
如图所示，展示有第一能源系统102、第二能源系统101、储能装置111、及用能装置112。
在一些示例中，所述能源的类型包括但不限于为电能、热能等，所述能源系统、储能装置111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，所述储能装置111包括但不限于为蓄电池、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。
所述储能装置111耦合于所述用能装置112以提供能量，所述储能装置111耦合于第一能源系统102及第二能源系统101以获取能量，所述用能装置112也可耦合于第一能源系统102及第二能源系统101以获取能量。
需说明的是，所述储能装置111和第一能源系统102、第二能源系统101之间的耦合关系指的直接或间接的连接关系，只要能令储能装置111从能源系统获得能量即可，而并不限制其具体实现形式。
所述用能装置112指一个或多个需要用能的设备，例如工业设备，例如制造/加工设备、流水线设备等；又例如家用电器设备，例如电视、冰箱、空调等，又例如照明系统等的灯具。
在一些实施例中，所述用能装置112可以是接入同一计量装置的至少一个用能设备的总称，或所述用能装置112为由同一储能装置进行用能补偿的至少一个用能设备的总称。
举例来说，所述用能装置112可与所述储能装置111位于同一侧，例如所述用能装置112与储能装置111均位于用户侧。用户侧的储能装置111可向用户提供其存储自第一能源系统102、第二能源系统101的能量。在还有一些情况下，所述用能装置112与所述储能装置111位于不同侧。例如所述用能装置112位于用户侧，所述储能装置111位于能源系统侧，能源系统侧的储能装置可向用户提供其存储自第一能源系统、第二能源系统的能量。
进一步的，所述用能装置112还可以是属于一个用户的一或多个用能设备，也可以是分布在多个用户的多个用能设备。例如，仅在用户C处设有用能设备，则一个储能装置仅耦合并向用户C提供用能补偿；又如，用户C、用户D、用户E处均设有用能设备，而一个储能装置分别耦合于所述用户C、用户D、用户E侧的用能设备，从而向用户C、用户D、用户E提供用能补偿。
在一些可能的实施例中，所述第二能源系统101、储能装置111、用能装置112可以构成发配电系统100。所述发配电系统100举例为微电网系统。所述发配电系统100与所述第一能源系统102连接后可并网运行，并且能与第一能源系统102发生能量交换，即从第一能源系统102购入供储能装置111存储的能量或者购入供用能装置112使用的能量等。所述发配电系统100的第二能源系统101可提供能量以供储能装置111存储或者供用能装置112使用。所述第一能源系统102按照随时间变化的用能价格来对外提供能量，举例为：大电网系统，例如通过主要的火力发电方式产生供电。
所述第二能源系统101举例为可再生能源发电系统。所述第二能源系统101可以是分散式发电系统也可以是集中式发电系统。
需说明的是，在一些实施例中，所述第二能源系统101、储能装置111、及用能装置112间也可以不构成发配电系统，而独立运作，例如储能装置111和用能装置112为用户一侧，第二能源系统101为另外独立运作的发电系统；可选的，该第二能源系统101也可以是通过自身的用能价格对外供应能量，因此，并非以上述实施例为限。
为更清楚说明第一能源系统102、第二能源系统101、用能装置112及储能装置111间的能量流转，在图1中还进一步进行了示意性的标识。其中，t表示为时刻；则储能装置111在t时刻存储的能量的可用量表示为xt。
其中，所述第一能源系统102按照随时间变化的用能价格来对外提供能量。在t至t+1时间段内，所述用能价格pt，用能装置112所需求的估计用能量设为
Figure GDA0004160969780000081
所述发配电系统100从第一能源系统102购入供用能装置112使用的能量设为gt，相应的，则需支付pt gt的费用；同理，若发配电系统100从第一能源系统102购入供储能装置111存储的能量设为at，则需支付pt at的费用，而储能装置111可以向用能装置112提供的能量设为bt。其中，所述t至t+1时间段的间隔时长包括但不限于：一小时、一天、一月等。
以所述第二能源系统101为可再生能源系统为例，在t至t+1时间段内，所述发配电系统100从其第二能源系统101获取的供用能装置112使用的能量设为
Figure GDA0004160969780000082
所述发配电系统100从其第二能源系统101获取的供储能装置111使用的能量设为/>
Figure GDA0004160969780000083
所述第二能源系统101供能的估计最大供应量为/>
Figure GDA0004160969780000084
在所述发配电系统100中，所述第二能源系统101建立完成后，所述发配电系统100使用能量
Figure GDA0004160969780000085
和/>
Figure GDA0004160969780000086
的边际成本为零。所以，在一预设时段中，所述发配电系统100的用能成本可表示为：
Figure GDA0004160969780000087
其中，T为所述预设时段的截止时刻。所述预设时段包括但不限于：一日、一周、一月或一年。
根据公式(1)可知，在预设时段内所述用能成本与决策变量
Figure GDA0004160969780000088
及bt无关，只与决策变量gt和at相关。
需要说明的是，在其他实施方式中，公式(1)也可以表示成从第一和第二能源系统获取能量的用能成本，即所述用能成本为在消费者具备储能装置的情况下，所述消费者的用能装置使用的能量和储能装置存储的能量所需的成本。
在t至t+1时间段内，所述用能装置112从第一能源系统102、第二能源系统101、及储能装置111获取的能量之和需满足估计用能量
Figure GDA0004160969780000089
即所述发配电系统100从第一能源系统102购入的供用能装置112使用的能量gt、从第二能源系统101获取的供用能装置使用的能量/>
Figure GDA00041609697800000810
储能装置111向用能装置112提供的能量bt之和需满足估计用能量/>
Figure GDA00041609697800000811
Figure GDA00041609697800000812
在所述预设时段内，所述估计用能量
Figure GDA00041609697800000813
相对于第二能源系统101提供给用能装置112的能量/>
Figure GDA00041609697800000814
和第二能源系统101提供给储能装置111的能量/>
Figure GDA00041609697800000815
之和需满足所述配额限制。所述配额限制用于限制所述发配电系统100提供给用能装置112使用的电量中必须有一定的配额来自所述第二能源系统101的能量。在具体实施例中，配额限制可用第二能源系统101提供给用能装置112的能量/>
Figure GDA0004160969780000091
和第二能源系统101提供给储能装置111的能量/>
Figure GDA0004160969780000092
之和相对于估计用能量/>
Figure GDA0004160969780000093
的比值来描述。例如，在所述比值为α的情况下，所述配额限制可用如下公式表示：
Figure GDA0004160969780000094
其中，
Figure GDA0004160969780000095
即所述发配电系统100从其第二能源系统101获取的供用能装置112使用的能量/>
Figure GDA0004160969780000096
与所述发配电系统100从其第二能源系统101获取的供储能装置111使用的能量/>
Figure GDA0004160969780000097
的和要在所述第二能源系统101供能的估计最大供应量/>
Figure GDA0004160969780000098
以内。当所述配额限制为可再生能源配额限制时，所述比值α为政府对各发配电系统100的可再生能源电力的配额，例如，在2018年A国要求B地区的发配电系统100的可再生能源电力的配额为14％。则在2018年内，第二能源系统101提供给用能装置112的能量/>
Figure GDA0004160969780000099
和第二能源系统101提供给储能装置111的能量/>
Figure GDA00041609697800000910
之和相对于估计用能量/>
Figure GDA00041609697800000911
的比值需等于14％。需要说明的是，也可以使2018年内的每一天的比值都等于14％来达到2018年的配额限制，或者也可以使2018年内的每一月的比值都等于14％来达到2018年的配额限制。
基于所述储能装置111在t时刻存储的能量的可用量xt、在t至t+1时间段内从第一能源系统102购入供储能装置111存储的能量at、从第二能源系统101获取的供储能装置111使用的能量
Figure GDA00041609697800000912
储能装置111向用能装置112提供的能量bt，可得到所述储能装置111在t+1时刻的可用量xt+1为：
Figure GDA00041609697800000913
其中，xt≤β，β代表所述储能装置111的可用量的边界值。所述可用量边界值是储能装置111中允许存储的可用量xt的上限值。例如，所述可用量的边界值β为10000MW，则所述储能装置111在t时刻存储的可用量xt需要在10000MW以内。
在一实施例中，令所述预设时段的起始时刻和终止时刻所述可用量为一固定值，例如：x0＝xT＝0。
基于上述储能装置111的可用量的边界值β、估计最大供应量
Figure GDA00041609697800000914
估计用能量/>
Figure GDA00041609697800000915
起始时刻和终止时刻所述储能装置111的可用量、配额限制的比值α的设定，根据求解线性规划模型(Linear programming，LP)极值的方法，在以上对各决策变量/>
Figure GDA00041609697800000916
bt、gt、at的约束下可求得所述公式(1)所表示的用能成本的最小值，在本申请中所述最小值称为最小化用能成本。其中，所述求解决线性规划模型极值的方法包括但不限于：拉格朗日乘子法、KKT(Karush-Kuhn-Tucker)条件等。
基于上述原理，请参阅图2，图2显示为本申请的储能装置的容量数据处理系统在一实施方式中的示意图，如图所示，所述储能装置的容量数据处理系统包括：占用量确定模块301、可用量确定模块302、容量确定模块303。
由于所述第二能源系统101的供能量不稳定，导致所述第二能源系统101的估计最大供应量
Figure GDA0004160969780000101
与实际最大供应量rt存在预测误差。所述用能装置112的估计用能量/>
Figure GDA0004160969780000102
和实际用能量dt同样也存在预测误差。
由于所述预测误差的存在，在实际情况中，在t至t+1时间段内，为了使各决策变量在所述第二能源系统101的实际最大供应量rt下能满足所述用能装置112的实际用能量dt的概率满足预设概率阈值，所述储能装置111需要预留一定的期望占用量△来满足所述预设概率阈值。例如，在一点至两点的时间段内，具体地，实际用能量d1为1000MW，估计用能量
Figure GDA0004160969780000103
为1000MW，所述估计最大供应量/>
Figure GDA0004160969780000104
为800MW，实际最大供应量r1为700MW，由于在一点至两点的时间段内的各决策变量g1、a1、b1是基于估计用能量/>
Figure GDA0004160969780000105
和估计最大供应量/>
Figure GDA0004160969780000106
得到的，所以会使以上3个决策变量的取值不能满足所述实际用能需求d1，这种情况就是在所述储能装置111中预留一定的期望占用量△的原因。所述期望占用量△能补偿估计偏差量和实际偏差量之间的误差的可能性需满足预设概率阈值；其中，所述估计偏差量是估计用能量/>
Figure GDA0004160969780000107
和第二能源系统101的估计最大供应量/>
Figure GDA0004160969780000108
的偏差；所述实际偏差量是实际用能量dt和第二能源系统101的实际最大供应量rt的偏差。具体如下：
Figure GDA0004160969780000109
公式(5)为满足预设概率阈值Q％的风险限制约束。所述预设概率阈值越大，在每个时间段内，各决策变量在所述第二能源系统101的实际最大供应量rt下能满足所述用能装置112的实际用能量dt的概率越大。所述预设概率阈值举例为：70％、80％、90％、93％、96％、99％、99.8％。由公式(5)可知，所述预设概率阈值不同，则在所述预设概率阈值条件下所述期望占用量也不相同。所述期望占用量与所述预设概率阈值为正相关。例如，预设概率阈值Q％为99.8％，基于所述公式(5)求得的期望占用量△为438.9MW，则所述储能装置的容量中需要预留438.9MW的容量来满足所述预测误差，在其他约束条件不变的情况下，预设概率阈值Q％为99％时基于所述公式(5)求得的期望占用量△为322.6MW。
所述占用量确定模块301，用于依据风险限制约束得到储能装置中的期望占用量。
在本申请的实施方式中，假设在每一时间段，所述估计用能量等同于所述实际用能量，即
Figure GDA0004160969780000111
则所述风险限制约束等价于所述期望占用量能补偿估计最大供应量/>
Figure GDA0004160969780000112
和实际最大供应量rt之间的误差的可能性需满足预设概率阈值：
Figure GDA0004160969780000113
所述占用量确定模块301根据所述估计最大供应量
Figure GDA0004160969780000114
与实际最大供应量rt的相对偏差量的概率密度分布可得到所述储能装置111中的期望占用量。所述相对偏差量用于描述所述估计最大供应量/>
Figure GDA0004160969780000115
与实际最大供应量rt的偏差程度。所述相对偏差量的绝对值越大，说明所述偏差程度越大。其中，所述期望占用量△可以是随时间固定的，也可以是随时间变化的。为了简便，本申请中求得的期望占用量为一固定的期望占用量。进一步，为了增加所述储能装置容量中除去所述期望占用量的可用量，可基于如下公式求一最小的固定期望占用量：
Figure GDA0004160969780000116
请参阅图3，图3显示为所述最大供应量的相对偏差量的经验分布和基于拉普拉斯分布(Laplace distribution)模型得到的所述最大供应量的相对偏差量的拟合概率密度分布示意图。如图3所示，经拉普拉斯分布模型拟合得到的所述相对偏差量的拟合概率密度分布与所述相对偏差量的经验分布基本吻合。其中，所述经验分布是根据历史数据中所述估计最大供应量和实际最大供应量的数据得到的所述相对偏差量的实际概率密度分布。其中，所述概率密度分布的横坐标的值表示的是所述相对偏差量，所述相对偏差量为估计最大供应量
Figure GDA0004160969780000117
与实际最大供应量rt的差与所述第二能源系统101能提供的供应量的极限值的比。所述第二能源系统101能提供的供应量的极限值与所述第二能源系统101的装机容量相关，是表征一能源系统建设规模和电力生产能力的主要指标之一。以所述第二能源系统101为水力发电系统为例，所述装机容量是水力发电系统中所装有的全部水力发电机组额定功率的总和。
在给定一预设概率阈值Q％的条件下，基于所述概率密度分布相对于横坐标的积分可得到一相对偏差量的值，使得所述相对偏差量在该值以内的概率为预设概率阈值Q％，所以此相对偏差量的值与所述第二能源系统101能提供的供应量的极限值的乘积即为依据所述风险限制约束得到的期望占用量。需要说明的是，在这样的假设下，求得的期望占用量为最小的固定期望占用量。
在一实施例中，所述概率密度分布是根据历史数据中所述估计最大供应量
Figure GDA0004160969780000121
和实际最大供应量rt的数据经过预设误差分布模型拟合得到的拟合概率密度分布。所述误差分布模型包括但不限于：拉普拉斯分布、正态分布、柯西分布、贝塔分布、分段指数分布。例如，所述预设时段为一天，所述历史数据可选择一风电场多个年份中的各天某一相同时间段的所述估计最大供应量与实际最大供应量的数据。所述时间段与一天内的相邻时刻间的时间段相关。例如，所述一天内有24个时间段，则所述历史数据可选择各天中12点至13点的所述估计最大供应量与实际最大供应量的数据。
在另一实施例中，所述概率密度分布是根据历史数据中所述估计最大供应量和实际最大供应量的数据得到的实际概率密度分布。其中，所述历史数据与前文所述的相同或相似，在此不再详述。
其中，所述历史数据中的估计最大供应量的数据可基于历史的实际最大供应量的数据和预测方法得到。所述预测方法包括：人工神经网络法、时间序列法、持续预测法等。例如，所述拟合概率密度分布是根据2018年中的所述估计最大供应量
Figure GDA0004160969780000122
和实际最大供应量rt的数据经过预设误差分布模型拟合得到的，则2018年中的所述估计最大供应量/>
Figure GDA0004160969780000123
可基于2017年中的实际最大供应量的数据经上述预测方法得到，而与2018年中的所述实际最大供应量间的差异量作为形成该拟合概率密度分布的一个样本值。
需要说明的是，在其他实施方式中，也可以在所述估计用能量不等同于所述实际用能量、估计最大供应量
Figure GDA0004160969780000124
不等同于实际最大供应量rt的条件下求得所述期望占用量，并不以本申请的实施方式为为限；例如，估计所述估计用能量不等同于所述实际用能量间偏差的为一确定值，例如预设时段内各t时间偏差的平均；或者，按得到估计最大供应量/>
Figure GDA0004160969780000125
和实际最大供应量rt偏差的概率分布的相同方式获得估计用能量和实际用能量间偏差的概率分布，再进一步进行数学运算。
为了得到满足期望用能成本的所述储能装置111的期望容量，所述可用量确定模块302根据期望用能成本，经表示可用量的边界值与从第一和/或第二能源系统获取能量的最小化用能成本之间的函数关系得到对应的期望可用量。所述期望用能成本是所述发配电系统100在配额限制下为了满足所述用能装置112的用能需求期望支付的用能成本。
其中，所述可用量是所述储能装置111占用量以外的部分容量。所述最小化用能成本是根据其受到所述可用量边界值、及由所述配额限制的约束而获得的。在本申请中，所述发配电系统100使用能量rt d和rt s的边际成本为零。所以，在一预设时段中，所述发配电系统100的用能成本可表示为公式(1)。
给定上述储能装置111的可用量的边界值β、估计最大供应量
Figure GDA0004160969780000131
估计用能量/>
Figure GDA0004160969780000132
起始时刻和终止时刻所述储能装置111的可用量、配额限制的比值α的条件下，根据求解线性规划模型(Linear programming，LP)极值的方法，在配额限制的约束、可用量边界值的约束下可求得所述公式(1)所表示的用能成本的最小化用能成本。其中，所述求解线性规划模型极值的方法包括但不限于：拉格朗日乘子法、KKT(Karush-Kuhn-Tucker)条件等。
其中，所述函数关系是根据已知的可用量边界值及对应的最小化用能成本经函数拟合方法得到的。
在一实施例中，以每组可用量的边界值及其对应的所述最小化用能成本为一点的坐标值，根据以上描述可知。在估计最大供应量
Figure GDA0004160969780000133
估计用能量/>
Figure GDA0004160969780000134
起始时刻和终止时刻所述储能装置111的可用量的设定不变的情况下，改变所述可用量的边界值β的取值以及其对可用量xt的约束可取得不同的最小化用能成本。例如，所述可用量的边界值取x时，取得的最小化用能成本为Cα(x)，可用量的边界值取y时，取得的最小化用能成本为Cα(y)。以(x,Cα(x))、(y,Cα(y))分别为所述函数关系上的坐标值。其中，基于公式(1)在所述可用量边界值取x的约束下取得最优化用能成本Cα(x)时的拉格朗日乘子为λx，在所述可用量边界值取y的约束下取得最优化用能成本Cα(y)时的拉格朗日乘子为λy。
进一步的，根据预设的对应于一边界值范围的两端点的所述坐标值，并获取与所述两端点同样满足符合所述函数关系的其它端点的坐标值来拟合确定所述函数关系。例如，一可用量的边界值范围为(x,y)，其中y>x，x和y为可用量的边界值β的取值。x和y均可以取0以上的任意值。具体地，以边界值范围的两端点的所述坐标值(x,Cα(x))、(y,Cα(y))获取与所述两端点同样满足符合所述函数关系的其它端点的坐标值来拟合确定所述函数关系。
在一些实施例中，确定所述函数关系的具体实现方式，例如为：
重复执行以下步骤直至确定所述函数关系：
根据所述两端点的坐标值及各自对应的拉格朗日乘子，执行几何求点方法得到一预备点。在一实施例中，请参阅图4，图4显示为本申请中的几何求点方法在一实施方式中的示意图，如图所示，所述几何求点方法为以所述两端点的坐标值所对应的拉格朗日乘子为两端点所在直线的斜率，求得所述两端点所在直线的交点，以所述交点为所述预备点。例如，设所求预备点为(z，cz)，两端点的坐标值为(x,Cα(x))、(y,Cα(y))，其中，y>x。端点的坐标值(x,Cα(x))所对应的拉格朗日乘子为λx，端点的坐标值(y,Cα(y))所对应的拉格朗日乘子为λy，则通过如下方程组可求得两端点所在直线的交点。
Figure GDA0004160969780000141
判断所述预备点的坐标值是否满足所述函数关系，即判断可用量的边界值为z时的最小化用能成本Cα(z)是否等于cz。
若是，则确定所述函数关系。例如，执行一次几何求点方法后可确定所述函数关系。可选的，在可能实现方式中，所述几何求点方法是将λx为可用量的边界值范围(x,z)内的斜率，λy为可用量的边界值范围(z，y)内的斜率。
若否，则根据所述预备点的可用量的边界值计算得到满足所述函数关系的最小化用能成本，以构建新增端点，并分别根据所述新增端点及每一已有端点执行所述几何求点方法，以尝试确定所述函数关系。例如，所求的函数关系为3段函数，则根据所述预备点的可用量的边界值为z时，计算得到满足所述函数关系的最小化用能成本Cα(z)，以(z,Cα(z))为新增端点，根据新增端点求得新增端点的坐标值(z,Cα(z))所对应的拉格朗日乘子λz，通过分别求解如下两个方程组可求得端点(x,Cα(x))和新增端点(z,Cα(z))所在直线的交点(m,cm),以及新增端点(z,Cα(z))和端点(y,Cα(y))所在直线的交点(n,cn)。
Figure GDA0004160969780000142
其中，若可用量的边界值取m时的最小化用能成本Cα(m)等于cm,可用量的边界值为n时的最小化用能成本Cα(n)等于cn。则所述3段函数拟合完成。
需要说明的是，根据实际函数的不同，重复执行上述步骤的次数则不同，直至所有的新增端点均满足所述函数关系时才可以确定可用量的边界值与最小化用能成本之间的函数关系的表达式。
需要说明的是，在其他实施方式中，公式(1)也可以表示成从第一和第二能源系统获取能量的用能成本，即所述用能成本为在消费者具备储能装置的情况下，所述消费者的用能装置使用的能量和储能装置存储的能量所需的成本。
在所述函数关系确定以后，所述可用量确定模块302，可根据一给定的期望用能成本，经所述函数关系得到对应所述期望用能成本的期望可用量。其中，经本申请者证明，所述期望可用量是满足所述配额限制的约束的最低的可用量的边界值。例如，所述期望用能成本为Cα(q)，则对应所述期望用能成本的期望可用量为q。
在确定预设时段内的所述期望用能成本后，为了同时满足所述风险限制约束和所述配额限制的约束，所述容量确定模块303根据所述期望占用量及期望可用量得到所述期望容量。具体地，将根据所述风险限制约束得到的所述储能装置111中的期望占用量与根据期望用能成本经所述函数关系得到的对应的期望可用量的和作为所述储能装置111的期望容量。例如，在一天内，一发配电系统的期望用能成本为1000万元，所述发配电系统要在满足所述风险限制约束和所述配额限制的约束的条件下满足用能装置的用能需求。所述占用量确定模块301基于所述风险限制约束求得的一期望占用量为400MW，所述可用量确定模块302根据发配电系统的1000万元期望用能成本，经所述函数关系得到对应的期望可用量为800MW，则所述储能装置的期望容量为1200MW。所述发配电系统基于所述期望容量设置所述储能装置或者调整所述储能装置的容量。
基于上述分析，在预设时段内的期望用能成本确定的情况下，根据所述期望容量对应设置所述储能装置的容量可满足所述风险限制约束以及所述配额限制。
请参阅图5，图5显示为本申请的计算机系统在一实施例中的示意图，如图所示，所述计算机系统600包括一个或多个存储器601、一个或多个处理器602。
所述一个或多个存储器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储能装置的容量数据处理方法的各步骤。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601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601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。
所述一个或多个处理器602可操作地与存储器和/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，所述计算机系统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，所述储能装置的期望容量可以转换为电子图案或音频的形式而加以输出给用户。以使用户基于所述期望容量设置所述储能装置。所述用户举例为前文中所述的发配电系统100的操作者。
在一些实施例中，可选的，计算机系统600还可以根据得到的所述储能装置的期望容量生成所述期望容量值的设置指令，执行该指令即可令储能装置执行储能装置的容量调节动作，例如打开或关闭部分储能单元，所述储能单元例如蓄电池等，以使所述储能装置基于期望容量进行能量的存储和释放；或者，更换储相应期望容量的储能装置等。
请参阅图6，图6显示为本申请的储能装置的容量数据处理方法在一实施例中的流程示意图。
需说明的是，所述储能装置的容量数据处理方法可由本申请例如图5实施例中的计算机系统执行或者其他的可执行本申请的储能装置的容量数据处理方法的计算机系统执行。
所述储能装置的容量数据处理方法可以基于一期望用能成本得到满足所述配额限制、风险限制约束的所述储能装置的期望容量。该期望容量可以用于例如图1所示的场景中，用于基于所述期望容量设置所述储能装置或者根据所述期望容量执行储能装置的开关动作，以使所述储能装置基于期望容量进行能量的存储和释放。
图1中所述储能装置111在t时刻存储的能量的可用量表示为xt。所述第一能源系统102按照随时间变化的用能价格来对外提供能量。在t至t+1时间段内，所述用能价格pt，用能装置112所需求的估计用能量设为
Figure GDA0004160969780000161
所述发配电系统100从第一能源系统102购入供用能装置112使用的能量设为gt，相应的，则需支付pt gt的费用；同理，若发配电系统100从第一能源系统102购入供储能装置111存储的能量设为at，则需支付pt at的费用，而储能装置111可以向用能装置112提供的能量设为bt。其中，所述t至t+1时间段的间隔时长包括但不限于：一小时、一天、一月等。
以所述第二能源系统101为可再生能源系统为例，在t至t+1时间段内，所述发配电系统100从其第二能源系统101获取的供用能装置112使用的能量设为
Figure GDA0004160969780000171
所述发配电系统100从其第二能源系统101获取的供储能装置111使用的能量设为/>
Figure GDA0004160969780000172
所述第二能源系统101供能的估计最大供应量为/>
Figure GDA0004160969780000173
在所述发配电系统100中，所述第二能源系统101建立完成后，所述发配电系统100使用能量
Figure GDA0004160969780000174
和/>
Figure GDA0004160969780000175
的边际成本为零。所以，在一预设时段中，所述发配电系统100的用能成本可表示为：
Figure GDA0004160969780000176
其中，T为所述预设时段的截止时刻。所述预设时段包括但不限于：一日、一周、一月或一年。
根据公式(1)可知，在预设时段内所述用能成本与决策变量
Figure GDA0004160969780000177
及bt无关，只与决策变量gt和at相关。
需要说明的是，在其他实施方式中，公式(1)也可以表示成从第一和第二能源系统101获取能量的用能成本，即所述用能成本为在消费者具备储能装置的情况下，所述消费者的用能装置使用的能量和储能装置存储的能量所需的成本。
在t至t+1时间段内，所述用能装置112从第一能源系统102、第二能源系统101、及储能装置111获取的能量之和需满足估计用能量
Figure GDA0004160969780000178
即所述发配电系统100从第一能源系统102购入的供用能装置112使用的能量gt、从第二能源系统101获取的供用能装置使用的能量/>
Figure GDA0004160969780000179
储能装置111向用能装置112提供的能量bt之和需满足估计用能量/>
Figure GDA00041609697800001710
Figure GDA00041609697800001711
在所述预设时段内，所述估计用能量
Figure GDA00041609697800001712
相对于第二能源系统101提供给用能装置112的能量/>
Figure GDA00041609697800001713
和第二能源系统101提供给储能装置111的能量/>
Figure GDA00041609697800001714
之和需满足所述配额限制。所述配额限制用于限制所述发配电系统100提供给用能装置112使用的电量中必须有一定的配额来自所述第二能源系统101的能量。在具体实施例中，配额限制可用第二能源系统101提供给用能装置112的能量/>
Figure GDA00041609697800001715
和第二能源系统101提供给储能装置111的能量/>
Figure GDA00041609697800001716
之和相对于估计用能量/>
Figure GDA00041609697800001717
的比值来描述。例如，在所述比值为α的情况下，所述配额限制可用如下公式表示：
Figure GDA00041609697800001718
其中，
Figure GDA0004160969780000181
即所述发配电系统100从其第二能源系统101获取的供用能装置112使用的能量/>
Figure GDA0004160969780000182
与所述发配电系统100从其第二能源系统101获取的供储能装置111使用的能量/>
Figure GDA0004160969780000183
的和要在所述第二能源系统101供能的估计最大供应量/>
Figure GDA0004160969780000184
以内。当所述配额限制为可再生能源配额限制时，所述比值α为政府对各发配电系统100的可再生能源电力的配额，例如，在2018年A国要求B地区的发配电系统100的可再生能源电力的配额为14％。则在2018年内，第二能源系统101提供给用能装置112的能量/>
Figure GDA0004160969780000185
和第二能源系统101提供给储能装置111的能量/>
Figure GDA0004160969780000186
之和相对于估计用能量/>
Figure GDA0004160969780000187
的比值需等于14％。需要说明的是，也可以使2018年内的每一天的比值都等于14％来达到2018年的配额限制，或者也可以使2018年内的每一月的比值都等于14％来达到2018年的配额限制。
基于所述储能装置111在t时刻存储的能量的可用量xt、在t至t+1时间段内从第一能源系统102购入供储能装置111存储的能量at、从第二能源系统101获取的供储能装置111使用的能量
Figure GDA0004160969780000188
储能装置111向用能装置112提供的能量bt，可得到所述储能装置111在t+1时刻的可用量xt+1为：
Figure GDA0004160969780000189
其中，xt≤β，β代表所述储能装置111的可用量的边界值。所述可用量边界值是储能装置111中允许存储的可用量xt的上限值。例如，所述可用量的边界值β为10000MW，则所述储能装置111在t时刻存储的可用量xt需要在10000MW以内。
在一实施例中，令所述预设时段的起始时刻和终止时刻所述可用量为一固定值，例如：x0＝xT＝0。
基于上述储能装置111的可用量的边界值β、估计最大供应量
Figure GDA00041609697800001810
估计用能量/>
Figure GDA00041609697800001811
起始时刻和终止时刻所述储能装置111的可用量、配额限制的比值α的设定，根据求解线性规划模型(Linear programming，LP)极值的方法，在以上对各决策变量/>
Figure GDA00041609697800001812
bt、gt、at的约束下可求得所述公式(1)所表示的用能成本的最小值，在本申请中所述最小值称为最小化用能成本。其中，所述求解决线性规划模型极值的方法包括但不限于：拉格朗日乘子法、KKT(Karush-Kuhn-Tucker)条件等。
基于上述理解，所述储能装置的容量数据处理方法包括：
步骤S101：依据风险限制约束得到储能装置中的期望占用量。
由于所述第二能源系统101的供能量不稳定，导致所述第二能源系统101的估计最大供应量
Figure GDA0004160969780000191
与实际最大供应量rt存在预测误差。所述用能装置112的估计用能量/>
Figure GDA0004160969780000192
和实际用能量dt同样也存在预测误差。
由于所述预测误差的存在，在实际情况中，在t至t+1时间段内，为了使各决策变量在所述第二能源系统101的实际最大供应量rt下能满足所述用能装置112的实际用能量dt的概率满足预设概率阈值，所述储能装置111需要预留一定的期望占用量△来满足所述预设概率阈值。例如，在一点至两点的时间段内，具体地，实际用能量d1为1000MW，估计用能量
Figure GDA0004160969780000193
为1000MW,所述估计最大供应量/>
Figure GDA0004160969780000194
为800MW，实际最大供应量r1为700MW，由于在一点至两点的时间段内的各决策变量g1、a1、b1是基于估计用能量/>
Figure GDA0004160969780000195
和估计最大供应量/>
Figure GDA0004160969780000196
得到的，所以会使以上3个决策变量的取值不能满足所述实际用能需求d1，这种情况就是在所述储能装置中预留一定的期望占用量△的原因。所述期望占用量△能补偿估计偏差量和实际偏差量之间的误差的可能性需满足预设概率阈值；其中，所述估计偏差量是估计用能量/>
Figure GDA0004160969780000197
和第二能源系统的估计最大供应量/>
Figure GDA0004160969780000198
的偏差；所述实际偏差量是实际用能量dt和第二能源系统的实际最大供应量rt的偏差。具体如下：
Figure GDA0004160969780000199
公式(5)为满足预设概率阈值Q％的风险限制约束。所述预设概率阈值越大，在每个时间段内，各决策变量在所述第二能源系统101的实际最大供应量rt下能满足所述用能装置112的实际用能量dt的概率越大。所述预设概率阈值举例为：70％、80％、90％、93％、96％、99％、99.8％。由公式(5)可知，所述预设概率阈值不同，则在所述预设概率阈值条件下所述期望占用量也不相同。所述期望占用量与所述预设概率阈值为正相关。例如，预设概率阈值Q％为99.8％，基于所述公式(5)求得的期望占用量△为438.9MW，则所述储能装置的容量中需要预留438.9MW的容量来满足所述预测误差，在其他约束条件不变的情况下，预设概率阈值Q％为99％时基于所述公式(5)求得的期望占用量△为322.6MW。
步骤S101中依据风险限制约束得到储能装置中的期望占用量。
在本申请的实施方式中，假设在每一时间段，所述估计用能量等同于所述实际用能量，即
Figure GDA00041609697800001910
则所述风险限制约束等价于所述期望占用量能补偿估计最大供应量/>
Figure GDA00041609697800001911
和实际最大供应量rt之间的误差的可能性需满足预设概率阈值：
Figure GDA0004160969780000201
根据所述估计最大供应量
Figure GDA0004160969780000202
与实际最大供应量rt的相对偏差量的概率密度分布可得到所述储能装置111中的期望占用量。所述相对偏差量用于描述所述估计最大供应量/>
Figure GDA0004160969780000203
与实际最大供应量rt的偏差程度。所述相对偏差量的绝对值越大，说明所述偏差程度越大。其中，所述期望占用量△可以是随时间固定的，也可以是随时间变化的。为了简便，本申请中求得的期望占用量为一固定的期望占用量。进一步，为了增加所述储能装置容量中除去所述期望占用量的可用量，可基于如下公式求一最小的固定期望占用量：
Figure GDA0004160969780000204
请参阅图3，图3显示为所述最大供应量的相对偏差量的经验分布和基于拉普拉斯分布(Laplace distribution)模型得到的所述最大供应量的相对偏差量的拟合概率密度分布示意图。如图3所示，经拉普拉斯分布模型拟合得到的所述相对偏差量的拟合概率密度分布与所述相对偏差量的经验分布基本吻合。其中，所述经验分布是根据历史数据中所述估计最大供应量和实际最大供应量的数据得到的所述相对偏差量的实际概率密度分布。其中，所述概率密度分布的横坐标的值表示的是所述相对偏差量，所述相对偏差量为估计最大供应量
Figure GDA0004160969780000205
与实际最大供应量rt的差与所述第二能源系统101能提供的供应量的极限值的比。所述第二能源系统101能提供的供应量的极限值与所述第二能源系统101的装机容量相关，是表征一能源系统建设规模和电力生产能力的主要指标之一。以所述第二能源系统101为水力发电系统为例，所述装机容量是水力发电系统中所装有的全部水力发电机组额定功率的总和。
在给定一预设概率阈值Q％的条件下，基于所述概率密度分布相对于横坐标的积分可得到一相对偏差量的值，使得所述相对偏差量在该值以内的概率为预设概率阈值Q％，所以此相对偏差量的值与所述第二能源系统101能提供的供应量的极限值的乘积即为依据所述风险限制约束得到的期望占用量。需要说明的是，在这样的假设下，求得的期望占用量为最小的固定期望占用量。
在一实施例中，所述概率密度分布是根据历史数据中所述估计最大供应量
Figure GDA0004160969780000206
和实际最大供应量rt的数据经过预设误差分布模型拟合得到的拟合概率密度分布。所述误差分布模型包括但不限于：拉普拉斯分布、正态分布、柯西分布、贝塔分布、分段指数分布。例如，所述预设时段为一天，所述历史数据可选择一风电场多个年份中的各天某一相同时间段的所述估计最大供应量与实际最大供应量的数据。所述时间段与一天内的相邻时刻间的时间段相关。例如，所述一天内有24个时间段，则所述历史数据可选择各天中12点至13点的所述估计最大供应量与实际最大供应量的数据。
在另一实施例中，所述概率密度分布是根据历史数据中所述估计最大供应量和实际最大供应量的数据得到的实际概率密度分布。其中，所述历史数据与前文所述的相同或相似，在此不再详述。
其中，所述历史数据中的估计最大供应量的数据可基于历史的实际最大供应量的数据和预测方法得到。所述预测方法包括：人工神经网络法、时间序列法、持续预测法等。例如，所述拟合概率密度分布是根据2018年中的所述估计最大供应量
Figure GDA0004160969780000211
和实际最大供应量rt的数据经过预设误差分布模型拟合得到的，则2018年中的所述估计最大供应量/>
Figure GDA0004160969780000212
可基于2017年中的实际最大供应量的数据经上述预测方法得到，而与2018年中的所述实际最大供应量间的差异量作为形成该拟合概率密度分布的一个样本值。
需要说明的是，在其他实施方式中，也可以在所述估计用能量不等同于所述实际用能量、估计最大供应量
Figure GDA0004160969780000213
不等同于实际最大供应量rt的条件下求得所述期望占用量，并不以本申请的实施方式为为限；例如，估计所述估计用能量不等同于所述实际用能量间偏差的为一确定值，例如预设时段内各t时间偏差的平均；或者，按得到估计最大供应量/>
Figure GDA0004160969780000214
和实际最大供应量rt偏差的概率分布的相同方式获得估计用能量和实际用能量间偏差的概率分布，再进一步进行数学运算。
步骤S102：根据期望用能成本，经表示可用量的边界值与从第一和/或第二能源系统获取能量的最小化用能成本之间的函数关系得到对应的期望可用量。
为了得到满足期望用能成本的所述储能装置111的期望容量，根据期望用能成本，经表示可用量的边界值与从第一和/或第二能源系统获取能量的最小化用能成本之间的函数关系得到对应的期望可用量。所述期望用能成本是所述发配电系统100在配额限制下为了满足所述用能装置112的用能需求期望支付的用能成本。
其中，所述可用量是所述储能装置111占用量以外的部分容量。所述最小化用能成本是根据其受到所述可用量边界值、及由所述配额限制的约束而获得的。在本申请中，所述发配电系统100使用能量
Figure GDA0004160969780000215
和/>
Figure GDA0004160969780000216
的边际成本为零。所以，在一预设时段中，所述发配电系统的用能成本可表示为公式(1)。/>
给定上述储能装置111的可用量的边界值β、估计最大供应量
Figure GDA0004160969780000217
估计用能量/>
Figure GDA0004160969780000218
起始时刻和终止时刻所述储能装置111的可用量、配额限制的比值α的条件下，根据求解线性规划模型(Linear programming，LP)极值的方法，在配额限制的约束、可用量边界值的约束下可求得所述公式(1)所表示的用能成本的最小化用能成本。其中，所述求解线性规划模型极值的方法包括但不限于：拉格朗日乘子法、KKT(Karush-Kuhn-Tucker)条件等。
其中，所述函数关系是根据已知的可用量边界值及对应的最小化用能成本经函数拟合方法得到的。
在一实施例中，以每组可用量的边界值及其对应的所述最小化用能成本为一点的坐标值，根据以上描述可知。在估计最大供应量
Figure GDA0004160969780000221
估计用能量/>
Figure GDA0004160969780000222
起始时刻和终止时刻所述储能装置111的可用量的设定不变的情况下，改变所述可用量的边界值β的取值以及其对可用量xt的约束可取得不同的最小化用能成本。例如，所述可用量的边界值取x时，取得的最小化用能成本为Cα(x)，可用量的边界值取y时，取得的最小化用能成本为Cα(y)。以(x,Cα(x))、(y,Cα(y))分别为所述函数关系上的坐标值。其中，基于公式(1)在所述可用量边界值取x的约束下取得最优化用能成本Cα(x)时的拉格朗日乘子为λx，在所述可用量边界值取y的约束下取得最优化用能成本Cα(y)时的拉格朗日乘子为λy。
进一步的，根据预设的对应于一边界值范围的两端点的所述坐标值，并获取与所述两端点同样满足符合所述函数关系的其它端点的坐标值来拟合确定所述函数关系。例如，一可用量的边界值范围为(x,y)，其中y>x，x和y为可用量的边界值β的取值。x和y均可以取0以上的任意值。具体地，以边界值范围的两端点的所述坐标值(x,Cα(x))、(y,Cα(y))获取与所述两端点同样满足符合所述函数关系的其它端点的坐标值来拟合确定所述函数关系。
在一些实施例中，确定所述函数关系的具体实现方式，例如为：
重复执行以下步骤直至确定所述函数关系：
根据所述两端点的坐标值及各自对应的拉格朗日乘子，执行几何求点方法得到一预备点。在一实施例中，请参阅图4，图4显示为本申请中的几何求点方法在一实施方式中的示意图，如图所示，所述几何求点方法为以所述两端点的坐标值所对应的拉格朗日乘子为两端点所在直线的斜率，求得所述两端点所在直线的交点，以所述交点为所述预备点。例如，设所求预备点为(z，cz)，两端点的坐标值为(x,Cα(x))、(y,Cα(y))，其中，y>x。端点的坐标值(x,Cα(x))所对应的拉格朗日乘子为λx，端点的坐标值(y,Cα(y))所对应的拉格朗日乘子为λy，则通过如下方程组可求得两端点所在直线的交点。
Figure GDA0004160969780000223
判断所述预备点的坐标值是否满足所述函数关系，即判断可用量的边界值为z时的最小化用能成本Cα(z)是否等于cz。
若是，则确定所述函数关系。例如，执行一次几何求点方法后可确定所述函数关系。可选的，在可能实现方式中，所述几何求点方法是将λx为可用量的边界值范围(x,z)内的斜率，λy为可用量的边界值范围(z，y)内的斜率。
若否，则根据所述预备点的可用量的边界值计算得到满足所述函数关系的最小化用能成本，以构建新增端点，并分别根据所述新增端点及每一已有端点执行所述几何求点方法，以尝试确定所述函数关系。例如，所求的函数关系为3段函数，则根据所述预备点的可用量的边界值为z时，计算得到满足所述函数关系的最小化用能成本Cα(z)，以(z,Cα(z))为新增端点，根据新增端点求得新增端点的坐标值(z,Cα(z))所对应的拉格朗日乘子λz，通过分别求解如下两个方程组可求得端点(x,Cα(x))和新增端点(z,Cα(z))所在直线的交点(m,cm),以及新增端点(z,Cα(z))和端点(y,Cα(y))所在直线的交点(n,cn)。
Figure GDA0004160969780000231
Figure GDA0004160969780000232
其中，若可用量的边界值取m时的最小化用能成本Cα(m)等于cm,可用量的边界值为n时的最小化用能成本Cα(n)等于cn。则所述3段函数拟合完成。
需要说明的是，根据实际函数的不同，重复执行上述步骤的次数则不同，直至所有的新增端点均满足所述函数关系时才可以确定可用量的边界值与最小化用能成本之间的函数关系的表达式。
需要说明的是，在其他实施方式中，公式(1)也可以表示成从第一和第二能源系统获取能量的用能成本，即所述用能成本为在消费者具备储能装置的情况下，所述消费者的用能装置使用的能量和储能装置存储的能量所需的成本。
在所述函数关系确定以后，可根据一给定的期望用能成本，经所述函数关系得到对应所述期望用能成本的期望可用量。其中，经本申请者证明，所述期望可用量是满足所述配额限制的约束的最低的可用量的边界值。例如，所述期望用能成本为Cα(q)，则对应所述期望用能成本的期望可用量为q。
步骤S103：根据所述期望占用量及期望可用量得到所述期望容量。
在确定预设时段内的所述期望用能成本后，为了同时满足所述风险限制约束和所述配额限制的约束，根据所述期望占用量及期望可用量得到所述期望容量。具体地，将根据所述风险限制约束得到的所述储能装置111中的期望占用量与根据期望用能成本经所述函数关系得到的对应的期望可用量的和作为所述储能装置111的期望容量。例如，在一天内，一发配电系统的期望用能成本为1000万元，所述发配电系统要在满足所述风险限制约束和所述配额限制的约束的条件下满足用能装置的用能需求。基于所述风险限制约束求得的一期望占用量为400MW，根据发配电系统的1000万元期望用能成本，经所述函数关系得到对应的期望可用量为800MW，则所述储能装置的期望容量为1200MW。所述发配电系统基于所述期望容量设置所述储能装置或者调整现有的储能装置的容量，以使储能装置以所述期望容量运行。
基于上述分析，在预设时段内的期望用能成本确定的情况下，根据所述期望容量对应设置所述储能装置的容量可满足所述风险限制约束以及所述配额限制。
根据图1的实施例进行举例，请参阅图7，图7显示为本申请的计算机系统的应用方式在一实施例中的示意图。
如图所示，在本实施例中，所述计算机系统700通信连接于储能装置111a，输出对应储能装置111a容量的所述期望容量值的设置指令，并通过有线或无线的通信传输方式发送到储能装置111a，以对所述储能装置111a的开关动作予以控制。
或者，如图8所示，显示为本申请的计算机系统的应用方式在另一实施例中的示意图。
如图所示，在本实施例中，所述计算机系统800集成于储能装置111b，而在储能装置111b内输出对应控制储能装置111b的所述期望容量值的设置指令，以对所述储能装置111b的开关动作予以控制。
可以理解的是，图7及图8中的计算机系统可以由图5实施例中的计算机系统实现，而通过接口单元的不同实现形式，使计算机系统能以图7、或图8的不同信号连接方式与储能装置间通信连接。
本申请还提供一种储能装置，所述储能装置集成有或通信连接于对应图5的所述的计算机系统，其中，所述储能装置与所述计算机系统的应用方式，可如图7或图8中所述的应用方式。所述储能装置用于根据所述计算机系统的所述期望容量值的设置指令以调整其容量。例如，所述期望容量值的设置指令中对应的所述期望容量值为8000MW，正在运行的所述储能装置的容量为10000MW，基于得到的所述期望容量来关闭部分储能装置，以使所述储能装置的使用容量为8000MW。
在一些示例中，所述能源的类型包括但不限于为电能、热能等，所述储能装置的类型可根据能源的类型而确定。例如，当所述能源为电能时，所述储能装置包括但不限于为蓄电池、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。
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算法步骤，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，本申请还公开一种计算机可读存储介质，前述实施例中涉及的计算机程序，如实现本申请所述的储能装置的容量数据处理方法的计算机程序，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。
本申请所述的储能装置的容量数据处理方法可以用硬件、软件、固件或者其任意组合的方式来实现。当用软件实现时，可以将这些功能作为一个或多个指令或代码存储或传送到计算机可读介质上。本申请所公开的方法的步骤可以用处理器可执行软件模块来体现，其中处理器可执行软件模块可以位于有形、非临时性计算机可读写存储介质上。有形、非临时性计算机可读写存储介质可以是计算机能够存取的任何可用介质。
综上所述，本申请的储能装置的容量数据处理系统、方法、及存储介质，实现用于确定储能装置的期望容量；储能装置耦合于用能装置以供能，所述储能装置及用能装置耦合于第一能源系统及第二能源系统以能分别获取能量，其中，所述第一能源系统按照随时间变化的用能价格来对外提供能量；所述用能装置从第一能源系统、第二能源系统、及储能装置获取的能量之和满足估计用能量；在预设时段内，所述估计用能量相对于第二能源系统提供给用能装置和储能装置的能量之和满足配额限制。在本申请的方案中，依据风险限制约束得到储能装置中的期望占用量；根据期望用能成本得到对应的期望可用量；根据所述期望占用量及期望可用量得到所述期望容量。本申请的方案可在能源系统最大发电量不稳定，即能源系统的最大发电量存在预测误差的前提下，基于一期望用能成本得到满足所述配额限制的所述储能装置的期望容量。
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 (21)

1.一种储能装置的容量数据处理方法，其特征在于，应用于确定储能装置的期望容量；储能装置耦合于用能装置以供能，所述储能装置及用能装置耦合于第一能源系统及第二能源系统以能分别获取能量，其中，所述第一能源系统按照随时间变化的用能价格来对外提供能量；所述用能装置从第一能源系统、第二能源系统、及储能装置获取的能量之和满足估计用能量；在预设时段内，所述估计用能量相对于第二能源系统提供给用能装置和储能装置的能量之和满足配额限制；所述储能装置的容量数据处理方法包括以下步骤：
依据风险限制约束得到储能装置中的期望占用量，所述期望占用量能补偿估计偏差量和实际偏差量之间的误差的可能性满足预设概率阈值；其中，所述估计偏差量是估计用能量和第二能源系统的估计最大供应量的偏差；所述实际偏差量是实际用能量和第二能源系统的实际最大供应量的偏差；
根据期望用能成本，经表示可用量的边界值与从第一和/或第二能源系统获取能量的最小化用能成本之间的函数关系得到对应的期望可用量；其中，所述可用量是所述储能装置占用量以外的部分容量，所述最小化用能成本是根据其受到所述可用量边界值、及由所述配额限制的约束而获得的，所述函数关系是根据已知的可用量边界值及对应的最小化用能成本经函数拟合方法得到的；
根据所述期望占用量及期望可用量得到所述期望容量。
2.根据权利要求1所述的储能装置的容量数据处理方法，其特征在于，所述依据风险限制约束得到储能装置中的期望占用量，所述风险限制约束是所述期望占用量能补偿估计偏差量和实际偏差量之间的误差的可能性需满足预设概率阈值；其中，所述偏差量都是用能装置的能量需求量和第二能源系统的最大供应用量的偏差，包括：
在每一时间段，若所述估计用能量等同于所述实际用能量，所述风险限制约束等价于所述期望占用量能补偿估计最大供应量和实际最大供应量之间的误差的可能性需满足预设概率阈值，根据所述估计最大供应量与实际最大供应量的相对偏差量的概率密度分布得到所述储能装置中的期望占用量。
3.根据权利要求2所述的储能装置的容量数据处理方法，其特征在于，所述概率密度分布包括：根据历史数据中所述估计最大供应量和实际最大供应量的数据经过预设误差分布模型拟合得到的拟合概率密度分布，或根据历史数据中所述估计最大供应量和实际最大供应量的数据得到的实际概率密度分布。
4.根据权利要求3所述的储能装置的容量数据处理方法，其特征在于，所述误差分布模型包括：拉普拉斯分布、正态分布、柯西分布、贝塔分布、分段指数分布。
5.根据权利要求1所述的储能装置的容量数据处理方法，其特征在于，所述函数拟合方法包括：
以每组可用量的边界值及其对应的所述最小化用能成本为一点的坐标值，根据预设的对应于一边界值范围的两端点的所述坐标值，并获取与所述两端点同样满足符合所述函数关系的其它端点的坐标值来拟合确定所述函数关系。
6.根据权利要求5所述的储能装置的容量数据处理方法，其特征在于，所述获取与所述两端点同样满足符合所述函数关系的其它端点的坐标值来拟合确定所述函数关系，包括：
重复执行以下步骤直至确定所述函数关系：
根据所述两端点的坐标值及各自对应的拉格朗日乘子，执行几何求点方法得到一预备点；
判断所述预备点的坐标值是否满足所述函数关系；
若是，则确定所述函数关系；
若否，则根据所述预备点的可用量的边界值计算得到满足所述函数关系的最小化用能成本，以构建新增端点，并分别根据新增端点及每一已有端点执行所述几何求点方法，以尝试确定所述函数关系。
7.根据权利要求6所述的储能装置的容量数据处理方法，其特征在于，所述几何求点方法包括：以所述两端点的坐标值所对应的拉格朗日乘子为两端点所在直线的斜率，求得所述两端点所在直线的交点，以所述交点为所述预备点。
8.根据权利要求1所述的储能装置的容量数据处理方法，其特征在于，包括：根据所述期望容量对应设置所述储能装置的容量。
9.根据权利要求1所述的储能装置的容量数据处理方法，其特征在于，所述第二能源系统为可再生能源系统。
10.一种储能装置的容量数据处理系统，其特征在于，应用于确定储能装置的期望容量；储能装置耦合于用能装置以供能，所述储能装置及用能装置耦合于第一能源系统及第二能源系统以能分别获取能量，其中，所述第一能源系统按照随时间变化的用能价格来对外提供能量；所述用能装置从第一能源系统、第二能源系统、及储能装置获取的能量之和满足估计用能量；在预设时段内，所述估计用能量相对于第二能源系统提供给用能装置和储能装置的能量之和满足配额限制；所述储能装置的容量数据处理方法包括以下步骤：
占用量确定模块，用于依据风险限制约束得到储能装置中的期望占用量，所述期望占用量能补偿估计偏差量和实际偏差量之间的误差的可能性满足预设概率阈值；其中，所述估计偏差量是估计用能量和第二能源系统的估计最大供应量的偏差；所述实际偏差量是实际用能量和第二能源系统的实际最大供应量的偏差；
可用量确定模块，用于根据期望用能成本，经表示可用量的边界值与从第一和/或第二能源系统获取能量的最小化用能成本之间的函数关系得到对应的期望可用量；其中，所述可用量是所述储能装置占用量以外的部分容量，所述最小化用能成本是根据其受到所述可用量边界值、及由所述配额限制的约束而获得的，所述函数关系是根据已知的可用量边界值及对应的最小化用能成本经函数拟合方法得到的；
容量确定模块，用于根据所述期望占用量及期望可用量得到所述期望容量。
11.根据权利要求10所述的储能装置的容量数据处理系统，其特征在于，所述占用量确定模块依据风险限制约束得到储能装置中的期望占用量，所述风险限制约束是所述期望占用量能补偿估计偏差量和实际偏差量之间的误差的可能性需满足预设概率阈值；其中，所述偏差量都是用能装置的能量需求量和第二能源系统的最大供应用量的偏差，包括：
在每一时间段，若所述估计用能量等同于所述实际用能量，所述风险限制约束等价于所述期望占用量能补偿估计最大供应量和实际最大供应量之间的误差的可能性需满足预设概率阈值，根据所述估计最大供应量与实际最大供应量的相对偏差量的概率密度分布得到所述储能装置中的期望占用量。
12.根据权利要求11所述的储能装置的容量数据处理系统，其特征在于，所述概率密度分布包括：根据历史数据中所述估计最大供应量和实际最大供应量的数据经过预设误差分布模型拟合得到的拟合概率密度分布，或根据历史数据中所述估计最大供应量和实际最大供应量的数据得到的实际概率密度分布。
13.根据权利要求12所述的储能装置的容量数据处理系统，其特征在于，所述误差分布模型包括：拉普拉斯分布、正态分布、柯西分布、贝塔分布、分段指数分布。
14.根据权利要求10所述的储能装置的容量数据处理系统，其特征在于，所述函数拟合方法包括：
以每组可用量的边界值及其对应的所述最小化用能成本为一点的坐标值，根据预设的对应于一边界值范围的两端点的所述坐标值，并获取与所述两端点同样满足符合所述函数关系的其它端点的坐标值来拟合确定所述函数关系。
15.根据权利要求14所述的储能装置的容量数据处理系统，其特征在于，所述获取与所述两端点同样满足符合所述函数关系的其它端点的坐标值来拟合确定所述函数关系，包括：
重复执行以下步骤直至确定所述函数关系：
根据所述两端点的坐标值及各自对应的拉格朗日乘子，执行几何求点方法得到一预备点；
判断所述预备点的坐标值是否满足所述函数关系；
若是，则确定所述函数关系；
若否，则根据所述预备点的可用量的边界值计算得到满足所述函数关系的最小化用能成本，以构建新增端点，并分别根据新增端点及每一已有端点执行所述几何求点方法，以尝试确定所述函数关系。
16.根据权利要求15所述的储能装置的容量数据处理系统，其特征在于，所述几何求点方法包括：以所述两端点的坐标值所对应的拉格朗日乘子为两端点所在直线的斜率，求得所述两端点所在直线的交点，以所述交点为所述预备点。
17.根据权利要求10所述的储能装置的容量数据处理系统，其特征在于，包括：根据所述期望容量对应设置所述储能装置的容量。
18.根据权利要求10所述的储能装置的容量数据处理系统，其特征在于，所述第二能源系统为可再生能源系统。
19.一种计算机系统，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9中任一项所述的储能装置的容量数据处理方法。
20.一种储能装置，其特征在于，集成有或通信连接于如权利要求19所述的计算机系统，以根据对应所述期望容量值的设置指令以调整其容量。
21.一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9中任一项所述的储能装置的容量数据处理方法。
CN201911248504.4A 2019-12-06 2019-12-06 储能装置的容量数据处理方法、系统及存储介质 Active CN111125637B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911248504.4A CN111125637B (zh) 2019-12-06 2019-12-06 储能装置的容量数据处理方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911248504.4A CN111125637B (zh) 2019-12-06 2019-12-06 储能装置的容量数据处理方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN111125637A CN111125637A (zh) 2020-05-08
CN111125637B true CN111125637B (zh) 2023-07-14

Family

ID=70497885

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911248504.4A Active CN111125637B (zh) 2019-12-06 2019-12-06 储能装置的容量数据处理方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN111125637B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108960500A (zh) * 2018-06-28 2018-12-07 香港中文大学（深圳） 电池能量存储系统的控制方法及电子装置
CN110289631A (zh) * 2019-04-12 2019-09-27 国网青海省电力公司 一种风电场储能装置容量的计算方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106099984B (zh) * 2016-07-29 2018-10-19 清华大学 一种数据驱动的主动配电网分布式电源最大容量评估方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108960500A (zh) * 2018-06-28 2018-12-07 香港中文大学（深圳） 电池能量存储系统的控制方法及电子装置
CN110289631A (zh) * 2019-04-12 2019-09-27 国网青海省电力公司 一种风电场储能装置容量的计算方法及系统

Also Published As

Publication number Publication date
CN111125637A (zh) 2020-05-08

Similar Documents

Publication Publication Date Title
Luo et al. Optimal home energy management system with demand charge tariff and appliance operational dependencies
Bahrami et al. A decentralized energy management framework for energy hubs in dynamic pricing markets
Wang et al. Adaptive control for energy storage systems in households with photovoltaic modules
KR101840264B1 (ko) 스마트 그리드에서 전력 수요 관리를 위한 수요 공급 균형 방법 및 시스템
US9489701B2 (en) Adaptive energy management system
US10282687B2 (en) Systems and methods for managing power generation resources
Rajasekharan et al. Optimal energy consumption model for smart grid households with energy storage
TWI696972B (zh) 智慧電力分配系統與方法
CN107408816A (zh) 可变馈出能量管理
Orsi et al. Smart home energy planning using IoT and the cloud
Fadlullah et al. Evolution of smart grids
Li et al. Two-stage community energy trading under end-edge-cloud orchestration
Ghorbani et al. Multi-agent autonomous decision making in smart micro-grids’ energy management: a decentralized approach
JP2017174277A (ja) 運転計画算出装置、運転計画算出方法および運転計画算出プログラム
CN111369385A (zh) 一种基于多用户组网共享储能的家庭能源优化系统及方法
Baharlouei et al. On the convergence properties of autonomous demand side management algorithms
CN111047163B (zh) 储能策略数据处理系统、方法、装置及介质
Giaconi et al. Optimal demand-side management for joint privacy-cost optimization with energy storage
CN111125637B (zh) 储能装置的容量数据处理方法、系统及存储介质
Zhang et al. A dynamic game behavior: Demand side management based on utility maximization with renewable energy and storage integration
CN113569380A (zh) 建筑综合用能的调节能力的修正方法及装置
CN110070210B (zh) 一种多微电网系统能量管理与贡献度评估方法和系统
CN111178618A (zh) 一种智能电网负荷预测方法
Khan et al. An energy efficient architecture for IoT based automated smart micro-grid
CN111127082B (zh) 用于供能系统的数据处理系统、方法及装置

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
TR01 Transfer of patent right

Effective date of registration: 20231116

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.