CN111934312A - 一种基于风险防御的梯次利用重构储能系统容量配置方法 - Google Patents

一种基于风险防御的梯次利用重构储能系统容量配置方法 Download PDF

Info

Publication number
CN111934312A
CN111934312A CN202010573141.8A CN202010573141A CN111934312A CN 111934312 A CN111934312 A CN 111934312A CN 202010573141 A CN202010573141 A CN 202010573141A CN 111934312 A CN111934312 A CN 111934312A
Authority
CN
China
Prior art keywords
energy storage
storage system
power
battery
reconstructed
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
Application number
CN202010573141.8A
Other languages
English (en)
Inventor
颜宁
张博
马少华
蔡志远
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.)
Shenyang University of Technology
Original Assignee
Shenyang University of Technology
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 Shenyang University of Technology filed Critical Shenyang University of Technology
Priority to CN202010573141.8A priority Critical patent/CN111934312A/zh
Publication of CN111934312A publication Critical patent/CN111934312A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003Load forecast, e.g. methods or systems for forecasting future load demand
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381Dispersed generators
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20The dispersed energy generation being of renewable origin
    • H02J2300/22The renewable source being solar energy
    • H02J2300/24The renewable source being solar energy of photovoltaic origin
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20The dispersed energy generation being of renewable origin
    • H02J2300/28The renewable source being wind energy
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/50Photovoltaic [PV] energy
    • Y02E10/56Power conversion systems, e.g. maximum power point trackers

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种基于风险防御的梯次利用重构储能系统容量配置方法,首先,考虑退役动力电池模组具有初始容量不一致特性,在其重构储能系统梯次利用过程中设置动态安全裕度,有效降低电池寿命损耗;其次,综合考虑重构储能系统梯次利用周期成本及动态供需平衡特性优化储能配置;最后,根据被配置对象需求,采用均衡控制确定各个电池模组充放电特性,验证所配置容量是否满足被配置对象的需求。此设计方法可以有效降低退役动力电池梯次利用寿命损耗,实现资源合理优化配置,增加环境收益。

Description

一种基于风险防御的梯次利用重构储能系统容量配置方法
技术领域
本发明涉及退役动力电池梯次利用技术领域,具体涉及一种基于风险防 御的退役动力电池梯次利用重构储能系统容量配置方法。
背景技术
随着汽车产业结构的调整,电动汽车逐渐替代传统的燃油汽车。当电动 汽车行驶一定行程后,动力电池性能逐渐下降,当电池剩余容量为标称容量 70%~80%之间时,动力电池将从电动汽车上退役下来,可梯次利用于电力系 统、备用电源等领域。将退役动力电池进行梯次利用可有效提高其剩余寿命 周期价值,降低退役动力电池拆解所造成的环境污染与资源浪费。
动力电池退役规模逐渐加大,若将其重构成储能系统应用于电力系统中, 有效地节约储能系统的初始投资成本。但退役动力电池存在初始容量不一 致、剩余寿命短、运行安全风险高等问题。如何有效地发挥退役动力电池优 势,降低初始容量不一致对梯次利用重构储能系统的影响,合理地实现储能 系统容量配置是目前亟待解决主要问题。
发明内容
为解决上述问题,本发明提出一种基于风险防御的退役动力电池梯次利 用重构储能系统容量配置方法,充分考虑退役动力电池初始容量不一致对储 能配置的影响,提出基于风险防御的梯次利用储能容量配置方法,充分发挥 退役动力电池成本优势,提高退役动力电池利用效率,减少资源浪费。
根据电力系统的配置需求,提出退役动力电池梯次利用重构储能系统容 量配置方法:考虑重构储能系统的风险类型,设置储能系统的动态安全裕度, 建立储能系统的校正模型,实现储能系统的合理配置。
一种基于风险防御的退役动力电池梯次利用重构储能系统容量配置方法 所包含的步骤如下:
第一步,确定梯次利用重构储能系统的各个单体电池健康状态(State ofHealth,SOH);
根据单体电池寿命衰减特性建立SOH评估模型为:
Figure BDA0002550365780000021
式中,△αb_i(t)为t-1到t时刻单体电池寿命衰减程度,αb_i(t)为电池寿命衰 减程度,lb_i(t)为第i个储能电池t时刻寿命衰减值,Pb_i(t)为第i个储能电池t 时刻功率输出,SOCb_i max为第i个储能电池SOC最大值,T为充放电时间,Di,t为第i个储能电池t时刻充放电深度,退役动力电池取值范围为[0,0.8],Lloss_δ,Di为不同充放电深度Di对应的寿命损耗。
第二步:根据各个单体电池剩余容量及SOH,确定重构储能系统SOC 充放电裕度[X%,Y%],[X%,Y%]∈[20%,80%];预估被配置对象在极端 场景下对储能系统功率需求,充分考虑退役动力电池寿命损耗特性,预设梯 次利用重构储能系统的动态安全裕度(X%-x%)+(y%-Y%),x%为动态安全裕 度下限,y%为动态安全裕度上限;
第三步:缩小退役动力电池充放电裕度[x%,y%],充放电裕度边界值为:
Figure BDA0002550365780000031
式中,ΔPx(t)为被配置对象功率需求;β为功率转换系数,NDi为充放电 次数。
第四步:以重构储能系统梯次利用过程中周期成本最小为目标建立容量 配置优化模型;
4-1:以重构储能系统过充、过放产生的寿命损耗成本最小为优化目标。
考虑重构储能系统是否存在过充及过放现象,估算其对寿命损耗的影 响,折算为成本函数,具体表达式为:
Figure BDA0002550365780000032
式中,χDi,t为充放电深度Di,t时的成本系数,ΔCb_i(t)为容量偏差值,CDi_δ(t),CDi_ε(t-1)为不同时刻及充放电深度下的容量值,I为配置储能单元个数。
4-2:以能量损失成本最小为目标。
若重构储能系统初始配置存在偏差,导致分布式能源利用率下降,折算 为成本函数,具体表达式为:
Figure BDA0002550365780000033
式中,A,B,C分别为风力发电机组,光伏发电及其他分布式电源的总个 数,PWT_as,PPV_bs,POV_cs分别为风力发电机组,光伏发电及其他分布式电源对 应的功率输出,S为重构储能系统对应被配置对象总个数,max为被配置对 象中分布式电源输出功率最大值,minPb_i(t)为重构储能系统最差功率输出平 均值,Zt为分时电价,r银行的利率;J为储能系统的使用年限。
4-3:以购电成本最小为目标。
如重构储能系统初始配置存在偏差,导致向电网购电,折算为成本函数, 具体表达式为:
Figure BDA0002550365780000041
式中,Pload_s(t)为负荷需求值。
第五步:考虑供需平衡对重构储能系统容量配置优化。
在用电高峰期或发电量预测不准确时,被配置对象中重构储能系统存在 不能完全满足负荷供电需求的情况,考虑失电情况折算为成本函数,具体表 达式为:
Figure BDA0002550365780000042
式中,
Figure BDA0002550365780000043
为负荷损失对应成本系数,ΔPQ_s(t)为第s个被配置对象缺 负荷量,Ps_d(t)负荷需求。
第六步:在对梯次利用重构储能系统进行容量配置时,选取的优化目标 为梯次利用储能系统寿命周期成本、考虑供需平衡的失电成本,多目标优化 的目标函数为:
f=min[ξ11f1_12f1_23f1_3)+ξ2f2] (7)
式中,ω12312为权重系数,且满足ω123=1,ξ12=1。
在优化过程中,考虑梯次利用寿命周期成本各个目标之间的优先级、供 需平衡对应失电成本的优先级,根据需求设置参数ω1231和ξ2的值进 行容量配置。
第七步:根据被配置对象需求,确定每个单体电池均衡控制所对应的功 率需求;
为了有效地提高重构储能系统在梯次利用过程中的运行寿命,根据公式 (2)设置动态安全裕度,正常运行场景下,得到每个单体电池SOC充放电 裕度为[X%-x%,y%-Y%],进而得到电池输出功率Pb_i(t),计算重构储能系统 需提供功率输出
Figure BDA0002550365780000051
基于均衡控制计算每个单体电池的输出占比τi
Figure BDA0002550365780000052
本发明的优点与积极效果如下:
(1)在对梯次利用重构储能系统容量配置时,充分考虑电池模块剩余容 量、SOC及SOH关联特性,有效地管控退役动力电池梯次利用过程中的健 康度。设置动态安全裕度,目的是为了避免配置后重构储能系统梯次利用时, 由于调控不准确导致过充、过放现象,影响系统运行寿命,有效地降低配置 对象对备用容量需求。
(2)重构储能系统梯次利用优势在于初始投资成本低、环境收益高,因 此本发明中充分考虑梯次利用储能系统寿命周期成本问题,建立过充过放、 容量不匹配与梯次利用储能系统寿命周期成本关系模型,以此为目标对重构 储能系统进行容量配置,充分发挥其成本优势,实现大规模退役动力电池梯 次利用。
附图说明
图1:梯次利用重构储能系统动态安全裕度设定示意图。
图2:梯次利用重构储能系统配置流程图。
图3:梯次利用重构储能系统动态安全裕度示意图。
具体实施方式:
下面结合附图对本发明作进一步详细描述。
第一步,确定梯次利用重构储能系统的各个单体电池健康状态(State ofHealth,SOH),建立剩余容量、荷电状态(State of Charge,SOC)及SOH关 联特性;
1-1:SOC与功率输出的关联特性为:
Figure BDA0002550365780000061
式中,Pb_i(t)为第i个储能电池t时刻功率输出,SOCb_i(t)、SOCb_i(t+1) 为第i个储能电池t时刻及t+1时刻的荷电状态,Cb_ie为剩余容量。
1-2:t时刻ESS的寿命衰减数学模型为:
Figure BDA0002550365780000062
式中,△αb_i(t)为t-1到t时刻单体电池寿命衰减程度,αb_i(t)为寿命衰减程 度,lb_i(t)为第i个储能电池t时刻寿命衰减值,SOCb_i max为第i个储能电池SOC 最大值。
1-3:根据单体电池寿命衰减特性建立SOH评估模型为:
Figure BDA0002550365780000063
式中,T为充放电时间,Di,t为第i个储能电池t时刻充放电深度,退役动 力电池取值范围为[0,0.8],Lloss_δ,Di为不同充放电深度Di对应的寿命损耗。
第二步:根据各个单体电池剩余容量及SOH,确定重构储能系统SOC 充放电裕度[X%,Y%],[X%,Y%]∈[20%,80%];
第三步:根据退役动力电池运行数据,模拟电池寿命损耗特性,预估配 置对象极端场景对储能系统功率需求,充分考虑退役动力电池寿命损耗特 性,预设梯次利用重构储能系统的动态安全裕度为(X%-x%)+(y%-Y%);
Figure BDA0002550365780000071
式中,ΔPx(t)为被配置对象功率需求;β为功率转换系数,NDi为充放电 次数。
第四步:缩小退役动力电池充放电裕度[x%,y%],充放电裕度设定值为:
Figure BDA0002550365780000072
第五步:以重构储能系统梯次利用过程中周期成本最小为目标建立容量 配置优化模型;
5-1:以重构储能系统过充、过放产生的寿命损耗成本最小为优化目标
考虑重构储能系统是否存在过充及过放现象,估算其对寿命损耗的影 响,折算为成本函数,具体表达式为
Figure BDA0002550365780000073
式中,χDi,t为充放电深度Di,t时的成本系数,ΔCb_i(t)为容量偏差值,CDi_δ(t),CDi_ε(t-1)为不同时刻及充放电深度下的容量值。
5-2:以能量损失成本最小为目标
若重构储能系统初始配置存在偏差,导致分布式能源利用率下降,折算 为成本函数,具体表达式为
Figure BDA0002550365780000081
式中,A,B,C分别为风力发电机组,光伏发电及其他分布式电源的总个 数,PWT_as,PPV_bs,POV_cs分别为风力发电机组,光伏发电及其他分布式电源对 应的功率输出,S为重构储能系统对应被配置对象总个数,max为被配置对 象中分布式电源输出功率最大值,minPb_i(t)为重构储能系统最差功率输出平 均值,Zt为分时电价,r银行利率;J为储能系统使用年限。
5-3:以购电成本最小为目标
如重构储能系统初始配置存在偏差,导致向电网购电,折算为成本函数, 具体表达式为:
Figure BDA0002550365780000082
式中,Pload_s(t)为负荷需求值。
第六步:考虑供需平衡对重构储能系统容量配置优化;
在用电高峰期或发电预测不准确时,被配置对象中重构储能系统存在不 能完全满足负荷供电需求的情况,考虑失电情况折算为成本函数,具体表达 式为:
Figure BDA0002550365780000083
式中,
Figure BDA0002550365780000084
为负荷损失对应成本系数,ΔPQ_s(t)为第s个被配置对象缺 负荷量,Ps_d(t)负荷需求。
第七步:在对梯次利用重构储能进行容量配置时,选取的优化目标为梯 次利用寿命周期成本、考虑供需平衡的失电成本,多目标优化的目标函数为
f=min[ξ11f1_12f1_23f1_3)+ξ2f2] (18)
式中,ω12312为权重系数,且满足ω123=1,ξ12=1。
在优化过程中,考虑梯次利用寿命周期成本各个目标之间的优先级、供 需平衡对应失电成本的优先级,根据需求设置参数ω1231和ξ2的值进 行容量配置。
第八步:根据被配置对象需求,确定每个单体电池均衡控制所对应的功 率需求;
为了有效地提高重构储能系统在梯次利用过程中的运行寿命,根据公式 (13)设置动态安全裕度,正常运行场景下,得到每个单体,电池SOC充 放电裕度为(X%-x%)+(y%-Y%),进而得到Pb_i(t),计算重构储能系统需提供 功率输出
Figure BDA0002550365780000091
基于均衡控制计算每个单体电池的输出占比τi为:
Figure BDA0002550365780000092
在优化配置过程中考虑约束条件主要为
1)提高重构储能系统使用的寿命,要求单体电池SOC不越限;
minSOCb_i<SOCb_i(t)≤maxSOCb_i (20)
3)当对分布式电源出力、负预测预测不准确时,重构储能系统需满足 被配置对象最低功率需求;
Pb_i(t)≥minΔPx(t) (21)
特定情况下梯次利用重构储能系统动态安全裕度图,在用电高峰期时, 预留的安全裕度较大,在用电平时或低谷时期预留的安全裕度较小。根据配 置对象在极端场景下得出预留安全裕度评估结果,具体如图3所示。

Claims (1)

1.一种基于风险防御的梯次利用重构储能系统容量配置方法,其特征在于所包含的步骤如下:
第一步:确定梯次利用重构储能系统各个单体电池健康状态(State Of Health,SOH);
根据单体电池寿命衰减特性建立电池SOH评估模型为:
Figure FDA0002550365770000011
式中,△αb_i(t)为t-1到t时刻单体电池寿命衰减程度,αb_i(t)为寿命衰减程度,lb_i(t)为第i个储能电池t时刻寿命衰减值,Pb_i(t)为第i个储能电池t时刻功率输出,SOCb_i max为第i个储能电池SOC最大值,T为充放电时间,Di,t为第i个储能电池t时刻充放电深度,退役动力电池取值范围为[0,0.8],LDi,t为不同充放电深度Di对应的寿命损耗。
第二步:根据各个单体电池剩余容量及SOH,确定重构储能系统SOC充放电裕度[X%,Y%],X%为SOC上限值,Y%为SOC下限值,初始[X%,Y%]∈[20%,80%];预估被配置对象极端场景下对储能系统功率需求,充分考虑退役动力电池寿命损耗特性,预设梯次利用重构储能系统的动态安全裕度(x%-X%)+(Y%-y%),x%为动态安全裕度下限,y%为动态安全裕度上限;
第三步:缩小退役动力电池充放电裕度[x%,y%],充放电裕度边界值为:
Figure FDA0002550365770000012
式中,ΔPx(t)为被配置对象功率需求;β为功率转换系数,NDi为充放电次数。
第四步:以重构储能系统的梯次利用周期成本最小为目标建立容量配置优化模型;
4-1:以重构储能系统过充、过放产生的寿命损耗成本最小为优化目标。
考虑重构储能系统是否存在过充及过放现象,估算其对寿命损耗的影响,折算为成本函数,具体表达式为:
Figure FDA0002550365770000021
式中,χDi,t为充放电深度Di,t时的成本系数,ΔCb_i(t)为容量偏差值,CDi_δ(t),CDi_ε(t-1)为不同时刻及充放电深度下的容量值,I为配置储能单元个数。
4-2:以能量损失成本最小为目标。
若重构储能系统初始配置存在偏差,导致分布式能源利用率下降,折算为成本函数,具体表达式为:
Figure FDA0002550365770000022
其中,A,B,C分别为风力发电机组,光伏发电及其他分布式电源的总个数,PWT_as,PPV_bs,POV_cs分别为风力发电机组,光伏发电及其他分布式电源的功率输出,S为重构储能系统对应被配置对象总个数,max为被配置对象中分布式电源输出功率最大值,minPb_i(t)为重构储能系统最差功率输出平均值,Zt为分时电价,r银行的利率;J为储能系统的使用年限。
4-3:以购电成本最小为目标。
如重构储能系统初始配置存在偏差,导致向电网购电,折算为成本函数,具体表达式为:
Figure FDA0002550365770000031
式中,Pload_s(t)为负荷需求值。
第五步:考虑供需平衡对重构储能系统容量配置优化;
在用电高峰期或发电量预测不准确情况下,被配置对象中重构储能系统存在不能完全满足负荷供电需求时,考虑失电情况折算为成本函数,具体表达式为:
Figure FDA0002550365770000032
式中,
Figure FDA0002550365770000033
为负荷损失对应成本系数,ΔPQ_s(t)为第s个被配置对象缺负荷量,Ps_d(t)负荷需求。
第六步:在对梯次利用重构储能系统进行容量配置时,选取的优化目标为梯次利用储能系统寿命周期成本、考虑供需平衡的失电成本,多目标优化的目标函数为:
f=min[ξ11f1_12f1_23f1_3)+ξ2f2] (7)
式中,ω12312为权重系数,且满足ω123=1,ξ12=1。
在优化过程中,考虑梯次利用寿命周期成本各个目标之间的优先级、供需平衡对应失电成本的优先级,根据需求设置参数ω1231和ξ2的值进行容量配置。
第七步:根据被配置对象需求,确定每个单体电池均衡控制所对应的功率需求:
为了有效地提高重构储能系统在梯次利用过程中的运行寿命,根据公式(2)设置动态安全裕度,正常运行场景下,得到每个单体电池SOC充放电裕度为[X%-x%,y%-Y%],进而得到单体电池输出功率Pb_i(t),计算重构储能系统需提供功率输出
Figure FDA0002550365770000041
基于均衡控制计算每个单体电池的输出占比τi为:
Figure FDA0002550365770000042
CN202010573141.8A 2020-06-22 2020-06-22 一种基于风险防御的梯次利用重构储能系统容量配置方法 Pending CN111934312A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010573141.8A CN111934312A (zh) 2020-06-22 2020-06-22 一种基于风险防御的梯次利用重构储能系统容量配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010573141.8A CN111934312A (zh) 2020-06-22 2020-06-22 一种基于风险防御的梯次利用重构储能系统容量配置方法

Publications (1)

Publication Number Publication Date
CN111934312A true CN111934312A (zh) 2020-11-13

Family

ID=73316587

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010573141.8A Pending CN111934312A (zh) 2020-06-22 2020-06-22 一种基于风险防御的梯次利用重构储能系统容量配置方法

Country Status (1)

Country Link
CN (1) CN111934312A (zh)

Similar Documents

Publication Publication Date Title
CN108667052B (zh) 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统
CN109510234B (zh) 一种微电网储能电站的混合储能容量优化配置方法及装置
CN109102185B (zh) 一种评估光储充一体化电站全寿命周期经济性的方法和系统
CN110450677B (zh) 一种基于电池老化状态估计的复合储能电动汽车的能量管理方法
CN111628558B (zh) 混合储能系统的能量管理和容量配置的优化系统及方法
Babazadeh et al. A new control scheme in a multi-battery management system for expanding microgrids
CN111244985A (zh) 基于节点综合灵敏度系数的分布式储能序次优化配置方法
CN110676861A (zh) 一种配电网复合储能装置的容量优化配置方法
CN111244991A (zh) 一种考虑电池寿命的储能电站运行控制方法及系统
CN116054242A (zh) 光储充用一体化的低碳型农村微电网优化运行控制方法
CN107240925B (zh) 一种微电网中储能电池系统的控制方法
CN108616134B (zh) 一种考虑微电网并离网切换的动力储能容量配置方法
CN114611957A (zh) 一种用于供需预测偏差二次修正储能能量管理算法
CN114362153A (zh) 一种并网型风光储系统多目标容量优化配置方法及系统
CN107846035B (zh) 一种考虑电动汽车充电特性的风光储并网型微网
Martinsen A business model for an EV charging station with battery energy storage
CN109004642B (zh) 用于平抑分布式电源功率波动的配网分布式储能评价方法
CN109245143B (zh) 一种考虑锂离子电池寿命的储能调峰电站优化运行方法
CN114094608B (zh) 一种面向光伏电站的多类型储能容量优化配置方法及装置
CN110224397A (zh) 一种风光接入背景下用户侧电池储能成本效益分析方法
CN111934312A (zh) 一种基于风险防御的梯次利用重构储能系统容量配置方法
CN110571868A (zh) 微电网的优化配置方法
CN115189423A (zh) 一种风火储系统的多能协调优化调度方法及装置
CN113555901A (zh) 基于改进s型函数粒子群优化算法的混合储能容量优化方法
CN111106616B (zh) 稳定光伏电站输出的组串架构混合电池储能系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination