CN111900726A - 一种用于充换电站储能系统的充放电功率控制方法和装置 - Google Patents
一种用于充换电站储能系统的充放电功率控制方法和装置 Download PDFInfo
- Publication number
- CN111900726A CN111900726A CN202010682365.2A CN202010682365A CN111900726A CN 111900726 A CN111900726 A CN 111900726A CN 202010682365 A CN202010682365 A CN 202010682365A CN 111900726 A CN111900726 A CN 111900726A
- Authority
- CN
- China
- Prior art keywords
- charging
- power
- replacing
- load
- energy storage
- 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.)
- Pending
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 89
- 238000007599 discharging Methods 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 24
- 239000002245 particle Substances 0.000 claims abstract description 82
- 238000005457 optimization Methods 0.000 claims abstract description 40
- 230000005611 electricity Effects 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 230000006641 stabilisation Effects 0.000 abstract description 2
- 238000011105 stabilization Methods 0.000 abstract description 2
- 230000000087 stabilizing effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 230000001276 controlling effect Effects 0.000 description 7
- 238000004088 simulation Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000013016 learning Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 230000009326 social learning Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
-
- 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
- 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
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
- Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
- Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
-
- 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
- Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
- Y04S20/20—End-user application control systems
- Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及一种用于充换电站储能系统的充放电功率控制方法和装置，方法包括以下步骤：获取充换电站实时用电负荷数据；建立能量优化模型，包括以降低充换电站负荷方差为目标的目标函数及其相关约束条件；通过适用于非线性规划问题的粒子群算法对能量优化模型进行求解；根据求得的最优解控制充换电站储能系统的充放电功率。与现有技术相比，本发明可直接减少充换电站负荷功率峰谷差，对充换电站的负荷功率进行实时优化从而实现平抑充换电站负荷波动对电网的威胁，保障电力系统安全稳定运行；实现在线监控，有效保证了对充换电站负荷的实时调节，增强了充换电站负荷平抑的实时性和有效性，减小了充换电站负荷波动对电网造成的冲击。
Description
技术领域
本发明涉及电动汽车充换电站领域，尤其是涉及一种用于充换电站储能系统的充放电功率控制方法和装置。
背景技术
在能源危机和环境问题的双重挑战下，电动汽车和电动汽车充换电站是目前社会发展的趋势。电动汽车充换电站负荷具有间歇性、波动性、随机性等特点，容易对电网的安全稳定运行产生影响。现有的方式是采用有序充电策略和分时计价式的引导充电策略来约束电动汽车用户的充电行为，但是该方式既影响了用户体验而且响应度低，效果不佳。
近年，随着电池储能系统的效率、充放电倍率、能量密度、安全性、可靠性和储能寿命等关键技术的不断突破与改进以及储能成本的不断降低，电池储能系统正在逐步改变传统电力系统的结构。将电池储能系统应用于充换电站可以对电网起到有效的缓冲作用，保障电力系统安全稳定运行。但是，具有电池储能系统的充换电站仍存在以下问题：一方面由于传统的具备电池储能系统的充换电站只考虑利用电池能系统的能量双向流动特点来改善充换电站的充电负荷高峰问题，未对充换电站的实时负荷优化进行考虑使得充换电站的负荷虽在一定程度上降低了负荷峰值，但充换电站仍存在明显的负荷波动以及整体负荷方差较大等问题。另一方面，传统的电池储能充换电站仅根据当前电动汽车充换电站负荷直接利用电池储能系统进行调节未考虑当前储能系统的充放电裕量对未来充换电站负荷波动的平抑能力，不仅影响充换电站当前时刻的负荷功率，并对未来充换电站的负荷波动调节造成影响，进而影响充换电站整体负荷功率调节的有效性。因此，提出一种对充换电站储能系统的充放电功率进行实时调整的方法是非常必要的。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种用于充换电站储能系统的充放电功率控制方法和装置。
本发明的目的可以通过以下技术方案来实现：
一种用于充换电站储能系统的充放电功率控制方法，包括以下步骤：
S1、获取充换电站实时用电负荷数据；
S2、建立能量优化模型，该能量优化模型包括以降低充换电站负荷方差为目标的目标函数及其相关约束条件；
S3、通过适用于非线性规划问题的粒子群算法对能量优化模型进行求解；
S4、根据求得的最优解控制充换电站储能系统的充放电功率。
进一步地，所述的步骤S3中，适用于非线性规划问题的粒子群算法中，每个粒子代表储能系统充放电功率，初始化每个粒子的速度和位置，通过本身找到的局部最优解和整个种群目前的全局最优解，得出整个粒子群中的最优位置，同时每个粒子更新自己的速度和位置，然后通过多次迭代找到最优解。
进一步地，所述的步骤S3具体包括以下步骤：
S31、根据充换电站的实时用电负荷数据得到充换电站的负荷特性曲线；
S32、初始化每个粒子的速度和位置并设置约束条件，设置适用于非线性规划问题的粒子群算法中的基本参数；
S33、计算每个粒子的适应度，求出每个粒子的个体最优和全体最优值，即通过已知的充换电站实时用电负荷数据，求得当前满足降低充换电站负荷方差的储能系统充放电功率；
S34、判断目前的迭代次数t是否小于等于设定的阈值，若是，则重新获取当前充换电站的实时用电负荷数据，迭代次数t加1，并且执行步骤S31；若否，则执行步骤S35；
S35：输出充换电站储能系统充放电功率最优解集。
进一步地，所述的步骤S2中，目标函数表达式如下：
式中，F为充换电站负荷方差；PLt为t时刻充换电站优化前的负荷功率；Pt为t时刻储能电池组充放电功率；Pavr为整个优化时间段内调度后的平均负荷。
进一步地，所述的步骤S2中，约束条件包括储能系统可用电量、储能系统充放电功率和充换电站负荷功率的约束。
一种用于充换电站储能系统的充放电功率控制装置，包括处理器和存储器，存储器上存储有程序，该程序被处理器执行时实现如下步骤：
S1、获取充换电站实时用电负荷数据；
S2、建立能量优化模型，该能量优化模型包括以降低充换电站负荷方差为目标的目标函数及其相关约束条件；
S3、通过适用于非线性规划问题的粒子群算法对能量优化模型进行求解；
S4、根据求得的最优解控制充换电站储能系统的充放电功率。
进一步地，所述的步骤S3中，适用于非线性规划问题的粒子群算法中，每个粒子代表储能系统充放电功率，初始化每个粒子的速度和位置，通过本身找到的局部最优解和整个种群目前的全局最优解，得出整个粒子群中的最优位置，同时每个粒子更新自己的速度和位置，然后通过多次迭代找到最优解。
进一步地，所述的步骤S3具体包括以下步骤：
S31、根据充换电站的实时用电负荷数据得到充换电站的负荷特性曲线；
S32、初始化每个粒子的速度和位置并设置约束条件，设置适用于非线性规划问题的粒子群算法中的基本参数；
S33、计算每个粒子的适应度，求出每个粒子的个体最优和全体最优值，即通过已知的充换电站实时用电负荷数据，求得当前满足降低充换电站负荷方差的储能系统充放电功率；
S34、判断目前的迭代次数t是否小于等于设定的阈值，若是，则重新获取当前充换电站的实时用电负荷数据，迭代次数t加1，并且执行步骤S31；若否，则执行步骤S35；
S35：输出充换电站储能系统充放电功率最优解集。
进一步地，所述的步骤S2中，目标函数表达式如下：
式中，F为充换电站负荷方差；PLt为t时刻充换电站优化前的负荷功率；Pt为t时刻储能电池组充放电功率；Pavr为整个优化时间段内调度后的平均负荷。
进一步地，所述的步骤S2中，约束条件包括储能系统可用电量、储能系统充放电功率和充换电站负荷功率的约束。
与现有技术相比，本发明具有以下有益效果：
本发明通过建立能量优化模型并采用适用于非线性规划问题的粒子群算法来实现降低充换电站的负荷方差，可直接实现减少充换电站负荷功率峰谷差，对充换电站的负荷功率进行实时优化从而实现平抑充换电站负荷波动对电网的威胁，保障电力系统安全稳定运行；同时，本发明基于充换电站实时用电负荷数据以及电池储能系统的充放电裕量，能够实现在线监控，能够实时得到最佳的储能系统充放电功率控制策略，有效保证了对充换电站负荷的实时调节，增强了充换电站负荷平抑的实时性和有效性，减小了充换电站负荷波动对电网造成的冲击。
附图说明
图1为储能充换电站系统结构示意图。
图2为换电电池充电状态转移示意图。
图3为本发明的控制流程示意图。
图4为基于粒子群算法的储能系统实时优化控制流程示意图。
图5为粒子群算法的流程示意图。
图6为传统方法的充换电站实时负荷曲线示意图。
图7为本发明方法的充换电站实时负荷曲线示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
充换电站通常用于电动汽车的充换电。由于充换电站电动汽车接入的随机性和不确定性，充换电站的负荷会呈现出间歇性和波动性的特点。同时，受电动汽车用户出行习惯影响，充换电站会出现较大的负荷峰谷差，并有大量的尖峰负荷，导致当地的充电负荷“峰上加峰”，对电网造成巨大冲击，威胁电网的安全稳定运行。由于储能系统能量具备双向流动的特点，可以在负荷低谷时充电，负荷高峰时释放电能，能够有效地平抑电动汽车接入电力系统时所产生的波动性。将储能系统和充换电站系统构成一个综合的充换电站储能系统，通过控制储能系统的充放电功率改善充换电站的负荷特性。充换电站储能系统构成图如图1所示，充换电站换电电池充电状态转移图如图2所示。
如图3～图5所示，本实施例公开了一种用于充换电站储能系统的充放电功率控制方法，包括以下步骤：
步骤S1、获取充换电站实时用电负荷数据，包括充电桩的实时负荷数据和换电充电格位的实时负荷数据。
步骤S2、建立能量优化模型，该能量优化模型包括以降低充换电站负荷方差为目标的目标函数及其相关约束条件；
步骤S3、通过适用于非线性规划问题的粒子群算法对能量优化模型进行求解，具体展开为：
步骤S31、根据充换电站的实时用电负荷数据得到充换电站的负荷特性曲线；
步骤S32、初始化每个粒子的速度和位置并设置约束条件，设置适用于非线性规划问题的粒子群算法中的基本参数；
步骤S33、计算每个粒子的适应度，求出每个粒子的个体最优和全体最优值，即通过已知的充换电站实时用电负荷数据，求得当前满足降低充换电站负荷方差的储能系统充放电功率；
步骤S34、判断目前的迭代次数t是否小于等于设定的阈值，若是，则重新获取当前充换电站的实时用电负荷数据、迭代次数t加1，并且执行步骤S31；若否，则执行步骤S35；
步骤S35：输出储能系统充放电功率最优解集。
步骤S4、根据求得的最优解控制储能系统的充放电功率。
一、步骤S2的原理和展开如下：
充换电站储能系统的能量优化要考虑当前时刻充换电站的负荷功率，储能系统的充放功率和优化时间段内调度后的平均功率。通过储能系统调节，降低充换电站的负荷方差达到平抑充换电站负荷波动性对电网的威胁，保障电力系统安全稳定运行。目标函数如下：
其中：
式中，F为充换电站负荷方差；PLt为t时刻充换电站优化前的负荷功率；Pt为t时刻储能电池组充放电功率；Pavr为整个优化时间段内调度后的平均负荷。
约束条件包括储能系统可用电量约束、储能系统充放电功率约束和充换电站负荷功率的约束。
充换电站系统中，满足电力平衡的条件如下：
Lt＝PLt+Pt
式中，Lt为充换电站负荷功率；PLt为t时刻充换电站优化前的负荷功率；Pt为t时刻储能电池组充放电功率。
充换电站负荷功率的大小应严格控制在负荷功率的上下限内，可以表示为：
Lmin＜Lt＜Lmax
式中，Lmin代表充换电站负荷的最小值；Lt代表实时充换电站负荷；Lmax代表充换电站允许负荷最大值。
在控制储能系统充放电功率必须充分考虑储能系统的容量以及充放电功率约束，即：
Smin＜St＜Smax
-Pmax＜Pt＜Pmax
式中，Smin代表储能系统可用电量的下限；Smax代表储能系统可用电量的上线；St代表当前储能系统的可用电量。-Pmax代表储能系统最大充电功率；Pmax代表储能系统最大放电功率；Pt为储能系统实时充放电功率。
二、步骤S3的原理和展开如下：
本实施例利用粒子群优化(Particle Swarm Optimization,PSO)算法作为优化求解算法。
粒子群优化(Particle Swarm Optimization,PSO)算法中：PSO算法初始化一群随机粒子，所有粒子都在一个D维空间进行搜索且都有一个fitness-function确定适应值以判断目前位置的好坏，然后通过多次迭代找到最优解。每一个粒子都被赋予记忆功能，能记住每一次迭代过程中所搜寻到的最优解，通过本身找到的局部最优解和整个种群目前的全局最优解得出整个粒子群中的最优位置同时每个粒子更新自己的速度和位置。
I、粒子i的第d维速度更新公式：
粒子速度更新公式包括三个部分：第一部分为粒子先前的速度；第二部分为“认知”部分，表示粒子本身的思考，可理解为粒子i当前位置与自己最好位置之间的距离；第三部分为“社会”部分，表示粒子间的信息共享与合作可理解为粒子i当前位置与群体最好位置之间的距离。
式中，ω称为惯性因子其值为非负，较大时，全局寻优能力强，局部寻优能力弱，较小时，全局寻优能力弱，局部寻优能力强；通过调整ω的大小，可以对全局寻优性能和局部寻优性能进行调整；k表示迭代次数；
表示第k次迭代粒子i飞行速度矢量的第d维分量，
表示第k次迭代粒子i个体的最优位置；
表示第k次迭代粒子的全局最优位置；
表示第k次迭代粒子i位置矢量的第d维分量；c1、c2为学习因子或加速系数，前者为每个粒子的个体学习因子，后者为每个粒子的社会学习因子。
II、粒子i的第d维位置更新公式：
式中，
表示第k次迭代粒子i位置矢量的第d维分量；
表示第k次迭代粒子i飞行速度矢量的第d维分量。
综上所述，适用于非线性规划问题的粒子群算法以降低充换电站负荷方差为目标，每个粒子代表储能系统充放电功率，初始化每个粒子的速度和位置，通过本身找到的局部最优解和整个种群目前的全局最优解得出整个粒子群中的最优位置同时每个粒子更新自己的速度和位置，然后通过多次迭代找到最优解，控制储能系统的充放电功率。给储能系统充放电功率的上下限，在满足充换电站负荷功率平衡约束的条件下，还需要满足储能系统容量和充换电站负荷功率等约束条件。
三、控制仿真
对充换电站储能系统的充放电功率分别按传统经验定值方式和本实施例方法进行仿真测试。在Matlab2018a环境下编程，仿真参数如表1所示。
表1仿真参数设置
按照传统被测试充换电站的日负荷特性如图6所示。传统电池储能系统的充放电功率控制主要依据是降低充换电站的尖峰负荷，将尖峰负荷调节控制在充换电站最大承受负荷范围内，并未考虑对充换电站低谷负荷的实时调节使充换电站的整体负荷维持在一定范围从而有效降低充换电站的负荷方差减轻对电网稳定运行的影响。从图中可知该充换电站的日负荷峰值为214.85KW，最低负荷功率为0.97kw。当日平均负荷功率为80.07kw，当日负荷方差为308991.9。负荷呈现出间歇性和波动性的特点。受电动汽车用户出行习惯影响充换电站出现较大的负荷峰谷差，并有大量的尖峰负荷。
按照本实施例方法进行仿真测试，得到的充换电站负荷特性曲线如图7所示。将传统方法和本实施例方法对比后如表2所示。
表2储能系统优化充换电站负荷特性评价表
由此可知，使用粒子群算法求解充换电站负荷方差为207731.2，优化前的充换电站负荷方差为308991.8。由以上结果验证了本实施例的方法能够通过控制充换电站储能系统充放电功率的实时控制，从而改善充换电站负荷特性的有效性，降低了充换电站的负荷方差，减小了充换电站系统负荷波动性对电网的冲击，能够保证电力系统的安全稳定运行。
以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。
Claims (10)
1.一种用于充换电站储能系统的充放电功率控制方法，其特征在于，包括以下步骤：
S1、获取充换电站实时用电负荷数据；
S2、建立能量优化模型，该能量优化模型包括以降低充换电站负荷方差为目标的目标函数及其相关约束条件；
S3、通过适用于非线性规划问题的粒子群算法对能量优化模型进行求解；
S4、根据求得的最优解控制充换电站储能系统的充放电功率。
2.根据权利要求1所述的用于充换电站储能系统的充放电功率控制方法，其特征在于，所述的步骤S3中，适用于非线性规划问题的粒子群算法中，每个粒子代表储能系统充放电功率，初始化每个粒子的速度和位置，通过本身找到的局部最优解和整个种群目前的全局最优解，得出整个粒子群中的最优位置，同时每个粒子更新自己的速度和位置，然后通过多次迭代找到最优解。
3.根据权利要求1所述的用于充换电站储能系统的充放电功率控制方法，其特征在于，所述的步骤S3具体包括以下步骤：
S31、根据充换电站的实时用电负荷数据得到充换电站的负荷特性曲线；
S32、初始化每个粒子的速度和位置并设置约束条件，设置适用于非线性规划问题的粒子群算法中的基本参数；
S33、计算每个粒子的适应度，求出每个粒子的个体最优和全体最优值，即通过已知的充换电站实时用电负荷数据，求得当前满足降低充换电站负荷方差的储能系统充放电功率；
S34、判断目前的迭代次数t是否小于等于设定的阈值，若是，则重新获取当前充换电站的实时用电负荷数据，迭代次数t加1，并且执行步骤S31；若否，则执行步骤S35；
S35：输出充换电站储能系统充放电功率最优解集。
4.根据权利要求1所述的用于充换电站储能系统的充放电功率控制方法，其特征在于，所述的步骤S2中，目标函数表达式如下：
式中，F为充换电站负荷方差；PLt为t时刻充换电站优化前的负荷功率；Pt为t时刻储能电池组充放电功率；Pavr为整个优化时间段内调度后的平均负荷。
5.根据权利要求1所述的用于充换电站储能系统的充放电功率控制方法，其特征在于，所述的步骤S2中，约束条件包括储能系统可用电量、储能系统充放电功率和充换电站负荷功率的约束。
6.一种用于充换电站储能系统的充放电功率控制装置，包括处理器和存储器，其特征在于，存储器上存储有程序，该程序被处理器执行时实现如下步骤：
S1、获取充换电站实时用电负荷数据；
S2、建立能量优化模型，该能量优化模型包括以降低充换电站负荷方差为目标的目标函数及其相关约束条件；
S3、通过适用于非线性规划问题的粒子群算法对能量优化模型进行求解；
S4、根据求得的最优解控制充换电站储能系统的充放电功率。
7.根据权利要求6所述的用于充换电站储能系统的充放电功率控制装置，其特征在于，所述的步骤S3中，适用于非线性规划问题的粒子群算法中，每个粒子代表储能系统充放电功率，初始化每个粒子的速度和位置，通过本身找到的局部最优解和整个种群目前的全局最优解，得出整个粒子群中的最优位置，同时每个粒子更新自己的速度和位置，然后通过多次迭代找到最优解。
8.根据权利要求6所述的用于充换电站储能系统的充放电功率控制装置，其特征在于，所述的步骤S3具体包括以下步骤：
S31、根据充换电站的实时用电负荷数据得到充换电站的负荷特性曲线；
S32、初始化每个粒子的速度和位置并设置约束条件，设置适用于非线性规划问题的粒子群算法中的基本参数；
S33、计算每个粒子的适应度，求出每个粒子的个体最优和全体最优值，即通过已知的充换电站实时用电负荷数据，求得当前满足降低充换电站负荷方差的储能系统充放电功率；
S34、判断目前的迭代次数t是否小于等于设定的阈值，若是，则重新获取当前充换电站的实时用电负荷数据，迭代次数t加1，并且执行步骤S31；若否，则执行步骤S35；
S35：输出充换电站储能系统充放电功率最优解集。
9.根据权利要求6所述的用于充换电站储能系统的充放电功率控制装置，其特征在于，所述的步骤S2中，目标函数表达式如下：
式中，F为充换电站负荷方差；PLt为t时刻充换电站优化前的负荷功率；Pt为t时刻储能电池组充放电功率；Pavr为整个优化时间段内调度后的平均负荷。
10.根据权利要求6所述的用于充换电站储能系统的充放电功率控制装置，其特征在于，所述的步骤S2中，约束条件包括储能系统可用电量、储能系统充放电功率和充换电站负荷功率的约束。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010682365.2A CN111900726A (zh) | 2020-07-15 | 2020-07-15 | 一种用于充换电站储能系统的充放电功率控制方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010682365.2A CN111900726A (zh) | 2020-07-15 | 2020-07-15 | 一种用于充换电站储能系统的充放电功率控制方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111900726A true CN111900726A (zh) | 2020-11-06 |
Family
ID=73192850
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010682365.2A Pending CN111900726A (zh) | 2020-07-15 | 2020-07-15 | 一种用于充换电站储能系统的充放电功率控制方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111900726A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111740411A (zh) * | 2020-06-22 | 2020-10-02 | 东北电力大学 | 一种考虑积压惩罚机制的含bss微网联合系统优化调度方法 |
| CN113555887A (zh) * | 2021-07-14 | 2021-10-26 | 北京金山云网络技术有限公司 | 电网能源控制方法、装置、电子设备及存储介质 |
| CN117937550A (zh) * | 2024-03-25 | 2024-04-26 | 宁波市电力设计院有限公司 | 一种综合能源储能系统优化调度方法和系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103699946A (zh) * | 2014-01-13 | 2014-04-02 | 国家电网公司 | 利用储能系统平抑充换电站负荷和保证用电经济性的方法 |
| CN108334973A (zh) * | 2017-12-18 | 2018-07-27 | 浙江大学 | 混合整数非线性规划问题的群智能与线性规划协同方法 |
| CN109390979A (zh) * | 2018-10-24 | 2019-02-26 | 云南电网有限责任公司电力科学研究院 | 一种综合能源系统的优化控制方法 |
-
2020
- 2020-07-15 CN CN202010682365.2A patent/CN111900726A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103699946A (zh) * | 2014-01-13 | 2014-04-02 | 国家电网公司 | 利用储能系统平抑充换电站负荷和保证用电经济性的方法 |
| CN108334973A (zh) * | 2017-12-18 | 2018-07-27 | 浙江大学 | 混合整数非线性规划问题的群智能与线性规划协同方法 |
| CN109390979A (zh) * | 2018-10-24 | 2019-02-26 | 云南电网有限责任公司电力科学研究院 | 一种综合能源系统的优化控制方法 |
Non-Patent Citations (1)
| Title |
|---|
| 鲍志伟: "具有储能系统的快速充电站优化能量管理策略研究", 中国知网, pages 10 - 14 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111740411A (zh) * | 2020-06-22 | 2020-10-02 | 东北电力大学 | 一种考虑积压惩罚机制的含bss微网联合系统优化调度方法 |
| CN111740411B (zh) * | 2020-06-22 | 2021-08-17 | 东北电力大学 | 一种考虑积压惩罚机制的含bss微网联合系统优化调度方法 |
| CN113555887A (zh) * | 2021-07-14 | 2021-10-26 | 北京金山云网络技术有限公司 | 电网能源控制方法、装置、电子设备及存储介质 |
| CN113555887B (zh) * | 2021-07-14 | 2024-05-14 | 北京金山云网络技术有限公司 | 电网能源控制方法、装置、电子设备及存储介质 |
| CN117937550A (zh) * | 2024-03-25 | 2024-04-26 | 宁波市电力设计院有限公司 | 一种综合能源储能系统优化调度方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108960510B (zh) | 一种基于两阶段随机规划的虚拟电厂优化交易策略装置 | |
| CN111900726A (zh) | 一种用于充换电站储能系统的充放电功率控制方法和装置 | |
| CN107994595B (zh) | 一种削峰填谷控制方法和系统以及应用该控制方法的系统 | |
| CN111900727B (zh) | 基于pso的光储充换一体化充电站协同优化调度方法和装置 | |
| CN102214934B (zh) | 基于兆瓦级电池储能电站的风光发电出力平滑控制方法 | |
| CN109214095A (zh) | 电动汽车充放电多目标优化调度方法 | |
| CN110086187B (zh) | 计及负荷特性的储能调峰日前优化调度方法 | |
| CN113394840B (zh) | 一种储能电池电量智能均衡控制方法及系统 | |
| CN111064214A (zh) | 基于电动汽车两阶段滚动式策略的配电网优化调度方法 | |
| CN108471139B (zh) | 一种含新能源和温控负荷的区域电网动态需求响应方法 | |
| CN107039975A (zh) | 一种分布式能源系统能量管理方法 | |
| CN103956758A (zh) | 一种风储系统中储能soc优化控制方法 | |
| CN109167347A (zh) | 基于云自适应粒子群多目标电动汽车充放电优化调度方法 | |
| CN112238781B (zh) | 一种基于分层架构的电动汽车有序充电控制方法 | |
| CN106299511B (zh) | 电动汽车充电站储能容量优化方法 | |
| CN111160618A (zh) | 一种结合电动汽车充电场站的建筑能量优化调度方法 | |
| CN115115130A (zh) | 一种基于模拟退火算法的风光储制氢系统日前调度方法 | |
| CN115021295A (zh) | 针对一次调频的风电场混合储能容量优化配置方法及系统 | |
| Ramasamy et al. | Energy management in plugin hybrid electric vehicles with hybrid energy storage system using hybrid approach | |
| CN114802774A (zh) | 一种无人机的混合动力系统能量自适应控制方法及系统 | |
| CN115360738B (zh) | 一种考虑可控域约束的电动汽车一次调频控制方法 | |
| CN115864480A (zh) | 基于大规模电动汽车分布式充放电功率跟踪集群调度方法 | |
| CN113300392B (zh) | 考虑余电上网的光储充一体化电站优化控制方法 | |
| CN115036952A (zh) | 一种基于mpc的电动汽车参与负荷平抑的实时功率控制方法 | |
| CN111404374B (zh) | 运用遗传算法优化的双向dc-dc变换器的控制方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |