CN112186756A - 一种面向虚拟电厂的储能容量配置方法 - Google Patents
一种面向虚拟电厂的储能容量配置方法 Download PDFInfo
- Publication number
- CN112186756A CN112186756A CN202011031153.4A CN202011031153A CN112186756A CN 112186756 A CN112186756 A CN 112186756A CN 202011031153 A CN202011031153 A CN 202011031153A CN 112186756 A CN112186756 A CN 112186756A
- Authority
- CN
- China
- Prior art keywords
- power
- energy storage
- mgs
- period
- output
- 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.)
- Granted
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims description 19
- 239000003990 capacitor Substances 0.000 claims abstract description 9
- 230000005611 electricity Effects 0.000 claims abstract description 9
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims abstract description 6
- RTAQQCXQSZGOHL-UHFFFAOYSA-N Titanium Chemical compound [Ti] RTAQQCXQSZGOHL-UHFFFAOYSA-N 0.000 claims abstract description 6
- 229910052744 lithium Inorganic materials 0.000 claims abstract description 6
- 230000008901 benefit Effects 0.000 claims description 12
- 150000001875 compounds Chemical class 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 5
- 238000007599 discharging Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 9
- 238000010187 selection method Methods 0.000 abstract 1
- 239000002245 particle Substances 0.000 description 19
- 238000007726 management method Methods 0.000 description 8
- 238000011217 control strategy Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000009467 reduction 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了微电网群中储能系统的优化配置与选型方法。首先，保障光伏出力以及风力发电机组出力全部被消纳的前提下，建立考虑分时电价并以微电网群净收益为目标的最优化模型，计算出储能系统的综合出力；其次，根据储能系统中各个储能单元特点不同，本发明选用的储能系统包括钛酸锂电池和超级电容器，通过二者储能系统的经济性对比，得到了不同类型储能的功率和容量；最后，通过快速傅里叶变换对储能系统的信号分解，建立微电网群的收益优化模型，优化储能系统的容量配置。
Description
技术领域
本发明涉及种适用于MGS的储能容量配置方法，属于MGS储能领域。
背景技术
面向MGS配置储能，统筹管理分布式电源与电力负载，可以减小分布式电源对整个电力系统的安全性、可靠性问题带来的负面影响。随着储能技术的进步和成本的降低，在MGS中应用前景广阔，有必要对储能系统规划配置方法进行研究。
MGS作为未来能源互联网的重要组成部分。然而储能设备作为MGS的核心设备之一，目前应用成本仍然较高，关键问题在于MGS规划过程中储能容量的优化配置。
发明内容
发明目的
为解决上述问题，本发明提出一种面向MGS的储能容量配置方法，充分考虑电网调度需求及分时电价政策对整个MGS出力的影响，有效的提高了微电网群中的储能容量配置，增加MGS运行的经济性和可靠性，具有一定的工程应用价值。
技术方案
首先在保障光伏出力和风力发电机组出力全部被消纳的前提下，构建了一种集中控制模式的MGS，该MGS由LTO和CI组成多类型储能系统，并利用该系统配合分布式PV和WT实现对虚拟电厂中负荷的可靠供电，在保证光伏电源大发时段友好并网的条件下，以MGS的收益为优化目标，基于粒子群算法的函数极值寻优算法，计算储能系统的综合出力，得出储能系统的综合出力曲线，并利用快速傅里叶的方法对综合出力进行分析，从而得到储能的功率和容量，及其对应的MGS收益。一种面向MGS的储能容量配置方法：
步骤1、以MGS净收益最大为目标函数，通过MGS与电网进行电量交互过程中，计算各部分的收益、相关成本以及微电网之间功率传输节省的成本，即可计算得出MGS的净收益。
maxMt＝Lt-Ct+ΔL (1)
其中，t将一天时间平均分成96段，t＝1,2,…,96，每段时间为15分钟。Mt为MGS的净收益；Lt为t时段MGS的总收益；Ct为总成本；ΔL为微电网之间功率传输节省的成本。
步骤1-1
式中：
为t时段的售电电价；
为t时段光伏(photovoltaic，PV)出力功率；
为t时段风力发电机组的出力功率；
为t时段钛酸锂电池(LTO)放电功率；
为t时段超级电容器(Super Capacitor，SC)放电功率；
为t时段电网向MGS出力功率；
为t时段LTO充电功率；
为t时段SC充电功率；
为t时段MGS向电网出力功率。
步骤2、计算MGS总成本
Ct＝Ct OC+Ct PC (3)
式中，
为t时段MGS运行管理成本，t时段MGS惩罚成本；
步骤2-1
式中，
分别为PV运行管理成本系数，WT运行管理成本系数，储能系统运行管理成本系数；
步骤2-2
式中，
为t时段的购电电价，St为t时段MGS申报计划出力。
步骤3、计算ΔL微电网之间功率传输节省的成本
ΔL＝PA-PB (6)
式中，PA为微电网中的过剩功率值；PB为微电网中的不足所需功率值。
步骤4、计算MGS向配电网申报计划出力
St＝{SGF+SWT} (7)
式中，SGF为t时段分布式PV出力，SWT为t时段分布式WT出力。
步骤5、通过快速傅里叶变换分解储能出力
通过上步骤，可以通过计算微电网群净收益的方法得到多类型储能系统的综合出力，通过快速傅里叶变换算法可以将信号由时域转换到频域，逆变换再将频域转换到时域，然后将储能系统出力进行信号分解，将分解信号分为高频、中频。超级电容作为功率型储能可消纳高频信号；钛酸锂电池能量转换效率高、功率密度大的特点可消纳中频信号。再通过逆变换得到上述储能单元的出力情况。
优点及效果
本发明的优点与积极效果如下：
(1)以MGS净收益最大为目标建立了考虑分布式光伏、发电机组、储能、分时电价等因素的优化模型，该模型考虑了更多因素和控制策略，可以精确的计算MGS净收益；
(2)快速傅里叶变换对储能系统的信号进行很好的处理，可以得到高、中两种频率的储能出力曲线及其对应的各类型储能的功率和容量，分解后得到的储能容量小于分解前，经济性较好；
(3)本发明提出利用LTO和超级电容两种不同特性的储能，发现前者的MGS收益显著高于后者。
附图说明
图1是面向微电网群的储能容量配置流程示意图
图2是粒子群算法的步骤流程图
图3是微电网群控制策略示意图
具体实施方式：
下面结合附图对本发明作进一步详细描述。
首先在保障光伏出力以及风力发电机组出力全部被消纳的前提下，构建了一种集中控制模式的MGS，该MGS由LTO和CI组成多类型储能系统，并利用该系统配合分布式PV和WT实现对微电网群中负荷的可靠供电，在保证光伏电源以及风电机组大发时段友好并网的条件下，以MGS的收益为优化目标，基于粒子群算法的函数极值寻优算法，计算储能系统的综合出力，得出储能系统的综合出力曲线，并利用快速傅里叶的方法对综合出力进行分析，从而得到储能的功率和容量，及其对应的MGS收益。一种面向MGS的储能容量配置方法。具体步骤如图1所示。
步骤1、以MGS净收益最大为目标函数，通过MGS与电网进行电量交互过程中，计算各部分的收益、相关成本以及微电网之间功率传输节省的成本，即可计算得出MGS的净收益。
maxMt＝Lt-Ct+ΔL (1)
其中，t将一天时间平均分成96段，t＝1,2,…,96，每段时间为15分钟。Mt为MGS的净收益；Lt为t时段MGS的总收益；Ct为总成本；ΔL为微电网之间功率传输节省的成本。
步骤1-1
式中：
为t时段的售电电价；
为t时段光伏(photovoltaic，PV)出力功率；
为t时段风力发电机组的出力功率；
为t时段钛酸锂电池(LTO)放电功率；
为t时段超级电容器(Super Capacitor，SC)放电功率；
为t时段电网向MGS出力功率；
为t时段LTO充电功率；
为t时段SC充电功率；
为t时段MGS向电网出力功率。
步骤2、计算MGS总成本
Ct＝Ct OC+Ct PC (3)
式中，
为t时段MGS运行管理成本，t时段MGS惩罚成本；
步骤2-1
式中，
分别为PV运行管理成本系数，WT运行管理成本系数，储能系统运行管理成本系数；
步骤2-2
式中，
为t时段的购电电价，St为t时段MGS申报计划出力。
步骤3、计算ΔL微电网之间功率传输节省的成本
ΔL＝PA-PB (6)
式中，PA为微电网中的过剩功率值；PB为微电网中的不足所需功率值。
步骤4、计算MGS向配电网申报计划出力
St＝(SGF+SWT} (7)
式中，SGF为t时段分布式PV出力，SWT为t时段分布式WT出力。
步骤5、建立经济最优MGS模型的约束条件
步骤5-1、建立功率平衡等式
式中，δ表示t时段的MGS实际出力与次日预测出力的偏差。
步骤5-2、建立储能电池电量约束
式中，
为t时段LTO的电量，ζc1、ζd1分别为LTO的充、放电效率；
为t时段CI的电量，ζc2、ζd2分别为LTO的充、放电效率。
步骤5-3、建立储能系统充放电约束
步骤5-3-1
式中：
分别为LTO容量的上限和下限；
分别为LTO充电功率的上限和下限；
分别为LTO放电功率的上限和下限。
步骤5-3-2
式中：
分别为CI容量的上限和下限；
分别为CI充电功率的上限和下限；
分别为CI放电功率的上下限。
步骤5-3-3
式中：
表示LTO以及CI充放电的状态变量，取其值为0或1。
步骤6、基于粒子群算法的储能容量配置
首先，在所给的研究范围之内找一群初始条件相同的粒子，其中每个粒子都具有代表最终最优解的概率，并且概率相同；其次，对这些粒子给予一定的标记，如方位、速度以及适应程度，其中适应度可采用函数进行求解得到最终值，它的高与低则直接代表着粒子的好与坏。在计算的过程中需要了解两个特殊的值，即个体值和群体值，个体值代表的是粒子在空间运动中的最优位置，而相应的群体值则代表的是在空间运动中粒子的群体所处的最优的位置。作为随机优化算法中的一种典型算法，粒子群算法的运用比较广泛。其原理是通过一群随机粒子的无规则重复运动，在自身和群体的双重约束下，得到最合适的解决路径。在算法运行过程中，每个粒子会根据自身和群体的两个最优解来实时更新自身路径。
粒子的速度更新公式为
Vi(k+1)＝ωVik+a1b1(Pik-Xik)+a2b2(Pgk-Xik) (13)
粒子的位置更新公式为
Xi(k+1)＝Xik+Vi(k+1) (14)
式中：Pgk为在k时刻种群最优位置向量中的第d维分量；个体极值为Pi，群体极值为Pg，X表示为由t个粒子组成的种群a1、a2为加速因子，ω为惯性权重；b1、b2为(0，1)之间的随机数；粒子位置限制区间为[—Xmax，Xmax]，粒子速度限制区间为[—Xmax，Xmax]。粒子群算法的步骤见图2。
步骤7、通过快速傅里叶变换分解储能出力
通过上步骤，可以通过计算MGS净收益的方法得到多类型储能系统的综合出力，通过快速傅里叶变换算法可以将信号由时域转换到频域，逆变换再将频域转换到时域，然后将储能系统出力进行信号分解，将分解信号分为高频、中频。超级电容作为功率型储能可消纳高频信号；LTO能量转换效率高、功率密度大的特点可消纳中频信号。再通过逆变换得到以上储能单元的出力情况。微电网群控制策略示意如图3所示。
Claims (1)
1.一种面向虚拟电厂的储能容量配置方法，其特征在于包括以下步骤：
步骤1、以MGS净收益最大为目标函数，通过MGS与电网进行电量交互过程中，计算各部分的收益、相关成本以及微电网之间功率传输节省的成本，即可计算得出MGS的净收益。
maxMt＝Lt-Ct+ΔL (1)
其中，t将一天时间平均分成96段，t＝1，2，…，96，每段时间为15分钟。Mt为MGS的净收益；Lt为t时段MGS的总收益；Ct为总成本；ΔL为微电网之间功率传输节省的成本。
步骤1-1
式中：
为t时段的售电电价；
为t时段光伏(photovoltaic，PV)出力功率；
为t时段风力发电机组的出力功率；
为t时段钛酸锂电池(LTO)放电功率；
为t时段超级电容器(Super Capacitor，SC)放电功率；
为t时段电网向MGS出力功率；
为t时段LTO充电功率；
为t时段SC充电功率；
为t时段MGS向电网出力功率。
步骤2、计算MGS总成本
Ct＝Ct OC+Ct PC (3)
式中，
为t时段MGS运行管理成本，t时段MGS惩罚成本；
步骤2-1
式中，
分别为PV运行管理成本系数，WT运行管理成本系数，储能系统运行管理成本系数；
步骤2-2
式中，
为t时段的购电电价，St为t时段MGS申报计划出力。
步骤3、计算ΔL微电网之间功率传输节省的成本
ΔL＝PA-PB (6)
式中，PA为微电网中的过剩功率值；PB为微电网中的不足所需功率值。
步骤4、计算MGS向配电网申报计划出力
St＝{SGF+SWT} (7)
式中，SGF为t时段分布式PV出力，SWT为t时段分布式WT出力。
步骤5、通过快速傅里叶变换分解储能出力
通过上步骤，可以通过计算微电网群净收益的方法得到多类型储能系统的综合出力，通过快速傅里叶变换算法可以将信号由时域转换到频域，逆变换再将频域转换到时域，然后将储能系统出力进行信号分解，将分解信号分为高频、中频。超级电容作为功率型储能可消纳高频信号；钛酸锂电池能量转换效率高、功率密度大的特点可消纳中频信号。再通过逆变换得到上述储能单元的出力情况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011031153.4A CN112186756B (zh) | 2020-09-27 | 2020-09-27 | 一种面向虚拟电厂的储能容量配置方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011031153.4A CN112186756B (zh) | 2020-09-27 | 2020-09-27 | 一种面向虚拟电厂的储能容量配置方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112186756A true CN112186756A (zh) | 2021-01-05 |
| CN112186756B CN112186756B (zh) | 2024-03-19 |
Family
ID=73944156
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011031153.4A Active CN112186756B (zh) | 2020-09-27 | 2020-09-27 | 一种面向虚拟电厂的储能容量配置方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112186756B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101564510B1 (ko) * | 2014-04-25 | 2015-10-30 | 가천대학교 산학협력단 | 주파수 조정 서비스를 위한 가상 발전 시스템 및 그 방법 |
| WO2017161786A1 (zh) * | 2016-03-23 | 2017-09-28 | 严利容 | 基于光储系统运行优化的混合储能配比计算方法 |
| US20170337646A1 (en) * | 2016-05-19 | 2017-11-23 | Hefei University Of Technology | Charging and discharging scheduling method for electric vehicles in microgrid under time-of-use price |
| CN108667052A (zh) * | 2018-05-02 | 2018-10-16 | 中国电力科学研究院有限公司 | 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 |
| CN109146320A (zh) * | 2018-09-12 | 2019-01-04 | 河海大学 | 一种考虑配电网安全性的虚拟电厂优化调度方法 |
| CN109713673A (zh) * | 2019-02-25 | 2019-05-03 | 上海电力学院 | 售电环境下并网型微电网系统配置及优化运行的方法 |
| CN109859071A (zh) * | 2019-01-28 | 2019-06-07 | 上海电力学院 | 虚拟电厂多能互补的源荷储优化配置方法 |
| CN110188915A (zh) * | 2019-04-10 | 2019-08-30 | 国网浙江省电力有限公司电力科学研究院 | 基于场景集的虚拟电厂中储能系统优化配置方法及系统 |
| WO2019196375A1 (zh) * | 2018-04-13 | 2019-10-17 | 华南理工大学 | 基于需求侧响应的微电网最优机组及分时电价的优化方法 |
| KR20200081114A (ko) * | 2018-12-27 | 2020-07-07 | 한국남동발전 주식회사 | 수요반응에 기반한 에너지 저장 시스템 충방전 제어 기능을 갖는 가상발전소 운영 시스템 및 그 운영 방법 |
-
2020
- 2020-09-27 CN CN202011031153.4A patent/CN112186756B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101564510B1 (ko) * | 2014-04-25 | 2015-10-30 | 가천대학교 산학협력단 | 주파수 조정 서비스를 위한 가상 발전 시스템 및 그 방법 |
| WO2017161786A1 (zh) * | 2016-03-23 | 2017-09-28 | 严利容 | 基于光储系统运行优化的混合储能配比计算方法 |
| US20170337646A1 (en) * | 2016-05-19 | 2017-11-23 | Hefei University Of Technology | Charging and discharging scheduling method for electric vehicles in microgrid under time-of-use price |
| WO2019196375A1 (zh) * | 2018-04-13 | 2019-10-17 | 华南理工大学 | 基于需求侧响应的微电网最优机组及分时电价的优化方法 |
| CN108667052A (zh) * | 2018-05-02 | 2018-10-16 | 中国电力科学研究院有限公司 | 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 |
| CN109146320A (zh) * | 2018-09-12 | 2019-01-04 | 河海大学 | 一种考虑配电网安全性的虚拟电厂优化调度方法 |
| KR20200081114A (ko) * | 2018-12-27 | 2020-07-07 | 한국남동발전 주식회사 | 수요반응에 기반한 에너지 저장 시스템 충방전 제어 기능을 갖는 가상발전소 운영 시스템 및 그 운영 방법 |
| CN109859071A (zh) * | 2019-01-28 | 2019-06-07 | 上海电力学院 | 虚拟电厂多能互补的源荷储优化配置方法 |
| CN109713673A (zh) * | 2019-02-25 | 2019-05-03 | 上海电力学院 | 售电环境下并网型微电网系统配置及优化运行的方法 |
| CN110188915A (zh) * | 2019-04-10 | 2019-08-30 | 国网浙江省电力有限公司电力科学研究院 | 基于场景集的虚拟电厂中储能系统优化配置方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112186756B (zh) | 2024-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lin et al. | Controls of hybrid energy storage systems in microgrids: Critical review, case study and future trends | |
| Pandey et al. | A literature survey on load–frequency control for conventional and distribution generation power systems | |
| CN104104107B (zh) | 用混合储能平抑风电功率波动的模型预测控制方法 | |
| CN109687510A (zh) | 一种计及不确定性的配电网多时间尺度优化运行方法 | |
| CN112084629B (zh) | 一种基于两阶段鲁棒优化的多能虚拟电厂聚合方法 | |
| Wang et al. | Coordinated control of wind turbine and hybrid energy storage system based on multi-agent deep reinforcement learning for wind power smoothing | |
| CN105226689A (zh) | 考虑运行和维护的多类型储能系统能量管理方法和系统 | |
| CN114865701A (zh) | 基于自适应模型预测控制的风储联合调频方法 | |
| CN103248065B (zh) | 一种风电场中电池储能系统的充放电控制方法 | |
| CN107370176A (zh) | 一种平抑随机性电源出力波动的方法 | |
| CN105680478A (zh) | 基于超短期预测的储能系统平滑新能源发电控制方法 | |
| CN104253439B (zh) | 电池储能电站无功功率分配与控制方法 | |
| CN117175616A (zh) | 基于二维动态减载与双层mpc的风储联合调频方法 | |
| CN112269966B (zh) | 一种考虑备用需求的通信基站虚拟电厂发电容量测量方法 | |
| Wang et al. | Operation effect evaluation of grid side energy storage power station based on combined weight TOPSIS model | |
| Wang et al. | Multi-objective optimal dispatch of wind-integrated power system based on distributed energy storage | |
| CN114938040B (zh) | 源-网-荷-储交直流系统综合优化调控方法和装置 | |
| CN112186756B (zh) | 一种面向虚拟电厂的储能容量配置方法 | |
| Zhang et al. | Energy optimization management of multi-microgrid using deep reinforcement learning | |
| Yang et al. | Optimal Configuration Method of Hybrid Storage System Tracking the Wind Power Plan | |
| CN114649822A (zh) | 一种考虑风光三状态的微电网混合储能双层容量配置方法 | |
| Chen et al. | Target Power Determination for Real-time Stabilization of Grid-Connected Offshore Wind Power Fluctuation | |
| Chen et al. | Optimal configuration of wind turbine hybrid energy storage based on wavelet packet-double fuzzy control | |
| Wang et al. | Study on economy of hybrid energy storage system participating in secondary frequency regulation | |
| Yu et al. | Dynamic grouping control of BESS for remaining useful life extension and overall energy efficiency improvement in smoothing wind power fluctuations |
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 |