CN112383074B - 一种能量型与功率型混合储能系统及储能方法 - Google Patents
一种能量型与功率型混合储能系统及储能方法 Download PDFInfo
- Publication number
- CN112383074B CN112383074B CN202011174806.4A CN202011174806A CN112383074B CN 112383074 B CN112383074 B CN 112383074B CN 202011174806 A CN202011174806 A CN 202011174806A CN 112383074 B CN112383074 B CN 112383074B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- power
- energy
- peak
- type
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 228
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000001186 cumulative effect Effects 0.000 claims description 13
- 238000005315 distribution function Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 11
- 238000007599 discharging Methods 0.000 claims description 7
- 229910052739 hydrogen Inorganic materials 0.000 claims description 7
- 239000001257 hydrogen Substances 0.000 claims description 7
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 4
- BNOODXBBXFZASF-UHFFFAOYSA-N [Na].[S] Chemical compound [Na].[S] BNOODXBBXFZASF-UHFFFAOYSA-N 0.000 claims description 4
- 239000002253 acid Substances 0.000 claims description 4
- 239000003990 capacitor Substances 0.000 claims description 4
- GELKBWJHTRAYNV-UHFFFAOYSA-K lithium iron phosphate Chemical compound [Li+].[Fe+2].[O-]P([O-])([O-])=O GELKBWJHTRAYNV-UHFFFAOYSA-K 0.000 claims description 3
- -1 lithium nickel cobalt aluminum Chemical compound 0.000 claims description 3
- 238000003860 storage Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- 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
-
- 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
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Bioinformatics & Computational Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Algebra (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种能量型与功率型混合储能系统及储能方法,包括以下步骤:预测配电网储能预测点的第一置信区间以及第二置信区间,其中,所述第一置信区间为预测点的功率波动区间,所述第二置信区间为预测点的能量波动区间;获取第一置信区间绝对值的最大值P峰与第二置信区间绝对值的最大值W峰,并计算W峰与P峰的比值W峰/P峰,将比值W峰/P峰与λ作比较,若W峰/P峰≥λ,则采用能量型储能,若W峰/P峰<λ,则采用功率型储能,其中λ为能量型储能与功率型储能经济性的分界点;本发明达到的有益效果为保证系统可靠性的同时以最合理的方法选择能量型储能或功率型储能,节约了经济成本。
Description
技术领域
本发明涉及电力储能系统技术领域,尤其涉及一种能量型与功率型混合储能系统及储能方法。
背景技术
分布式储能能够充分利用可再生能源,是实现节能减排目标的重要举措,也是集中式发电的有效补充。分布式储能可以有效提高配电网的灵活性、可靠性与互动性,尤其是在能源消纳、峰谷调节等方面具有重大作用。随着可再生能源并网容量的进一步增加,其波动性、随机性也会进一步对电网的电能质量造成影响,分布式储能是解决上述问题的一种重要手段,可以使电力实时平衡的“刚性”电力系统变得“柔性”,有效平抑清洁能源发电接入电网带来的波动,大幅提高配电网运行的安全性、经济性和灵活性。
分布式储能可以分为能量型储能与功率型储能,功率型储能主要有超级电容、飞轮储能、超导储能,能量型储能主要包含压缩空气储能、钠硫电池、液流电池、铅酸电池、锂离子电池、氢能等。其中功率型储能可以在短时间内提供高额功率,主要适用于一些短时间内对功率需求较高的场合;而能量型储能可以长时间输出电能,主要适用于一些长时间对电能有需要的场合。在某些场合需要同时使用能量型储能以及功率型储能,但目前尚没有一种储能优先级比选的确定方法,这样就会导致一些不必要的投资和电能浪费,而且这样会导致电池频繁充放电,对电池的寿命有十分不利的影响。
现已有相关研究对储能系统进行了相关的探索,专利《稳定光伏电站输出的组串架构混合电池储能系统》(2020100204979)公开了一种由新电池子储能系统、梯次电池子储能系统以及系统控制模块三部分组成的混合电池储能系统;专利《一种双向多模式混合储能电路》(2019113769202)提出了一种兼具高能量密度与高功率密度的双向多模式混合储能电路;专利《电力系统自适应超级电容-蓄电池混合储能系统》(2015101768554)提出了一种超级电容-蓄电池混合储能自适应充放电控制算法。但目前研究都尚未涉及能量型储能与功率型储能使用的优先级评价,为不同场合的储能配置选型带来不便甚至混乱,影响系统运行安全、效率和经济性。
发明内容
本发明的目的在于提供一种能量型与功率型混合储能系统及储能方法,在保证系统可靠性的同时能够以最合理的方法选择采用能量型储能或者功率型储能,且达到了高性能、低投资的效果。
本发明通过下述技术方案实现:
本发明公开了一种能量型与功率型混合储能方法,包括以下步骤:
S101:预测配电网储能预测点的第一置信区间以及第二置信区间,其中,所述第一置信区间为预测点的功率波动区间,所述第二置信区间为预测点的能量波动区间,预测一定的置信区间能够使得所测得的功率值与能量值更加的精确;
S102:获取第一置信区间绝对值的最大值P峰与第二置信区间绝对值的最大值W峰,并计算W峰与P峰的比值W峰/P峰,将比值W峰/P峰与λ作比较,若W峰/P峰≥λ,则采用能量型储能,若W峰/P峰<λ,则采用功率型储能,其中λ为能量型储能与功率型储能经济性的分界点。
传统的分布式储能中,没有对能量型储能与功率型储能使用在哪个不同的场景进行明确的划分,会导致大量的投资以及电能的浪费;本发明采用了一种能量型与功率型混合储能方法。通过选取一定的置信区间,并将典型日下置信区间内最大能量值与最大功率值的比值与能量型储能与功率型储能经济性分界点做比较,来选取储能方式是能量型储能还是功率型储能,通过采用这种方法,能在不同的场景下,选择最合理的储能方式进行储能,节约了投资成本并减少了电能的浪费。
优选地,所述步骤S101采用非参数理论估计方法进行预测。
优选地,所述步骤S101具体步骤包括:
A:确定预测点的储能功率预测值所属储能功率预测区间,通过预测区间确定预测点的预测误差eW概率密度曲线;所述预测误差eW为预测点的储能功率实际值与储能功率预测值的差值;
B:通过三次样条插值法对预测误差概率密度曲线、预测误差概率密度函数以及累积概率分布函数进行拟合,得到置信度α,再通过置信度α确定储能功率第一预测误差分位点α1与第二预测误差分位点α2,其中α1=α/2,α2=1-α/2,所述预测误差概率密度函数为充电功率的核密度估计函数,所述累积概率分布函数通过对预测误差概率密度函数积分获得;
C:将储能功率第一预测误差分位点α1与第二预测误差分位点α2分别带入累积概率分布函数,获得预测点的功率波动区间;
D:对预测点的功率波动区间进行积分,获得预测点的能量波动区间。
优选地,所述步骤A中储能功率预测误差eW的概率密度函数为:
其中,f(ew)表示相应的概率密度函数,EW,i代表第i个样本的预测误差,N代表样本总数,w代表窗口,H( )代表核函数。
优选地,所述步骤C中的波动区间为:
优选地,所述能量型储能为抽水蓄能和压缩空气储能和镍钴铝锂电池和磷酸铁锂电池和铅酸电池和钠硫电池和氢储能中的至少一种。
优选地,所述功率型储能为飞轮储能和超导储能和镍氢电池和超级电容储能中的至少一种。
优选地,所述功率波动区间包括储能充电功率区间以及储能放电功率区间,所述能量波动区间包括储能充电能量区间以及储能放电能量区间;所述步骤S102的计算W峰与P峰的具体步骤包括:
则所述P峰为:P峰=max{P峰,充,P峰,放}
则W峰为:W峰=max{W峰,充,W峰,放}
其中P峰,充代表储能在典型日中最大充电功率,P峰,放代表储能在典型日中最大放电功率,P充(t)代表储能在t时刻的充电功率,ηDC/DC表示直-直变换器的工作效率,ηDC/AC代表直-交变换器的工作效率,η为储能器件的工作效率,Mar代表工程裕度,T1、T2为一天中任意时间点。
本发明还公开了能量型与功率型混合储能系统,其特征在于,所述混合储能系统包括储能选择算法模块、能量型储能装置以及功率型储能装置,所述储能选择算法模块用于实现如权利要求1-8中任一项所述的一种能量型与功率型混合储能方法,且所述储能选择算法模块根据典型日下最大功率值与最大能量值的比值与λ的大小比较后,选取能量型储能装置或功率型储能装置。
本发明与现有技术相比,具有如下的优点和有益效果:
1、通过本发明提供的一种能量型与功率型混合储能系统及储能方法,能够在保证系统可靠性的同时以最合理的方法选择能量型储能或者功率型储能,达到了高性能和低投资效果;
2、通过本发明提供的一种能量型与功率型混合储能系统及储能方法,不会导致电池频繁充放电,延长了电池的寿命;
3、通过本发明提供的一种能量型与功率型混合储能系统及储能方法,采用各种储能输出每千瓦功率造价、输出每千瓦时能量的造价以及放电循环次数作为经济性评判标准,能够使得所选择的储能更加的经济。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。
在附图中:
图1为本发明储能方法的流程示意图
图2为本发明能量型与功率型混合储能系统示意图
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例一
如图1所示,本实施例公开了一种能量型与功率型混合储能方法,如图1所示,所述储能方法的具体步骤包括:
S101:预测配电网储能预测点的第一置信区间以及第二置信区间,其中,所述第一置信区间为预测点的功率波动区间,所述第二置信区间为预测点的能量波动区间;
在已知典型日中配电网电能需求的情况下,储能峰值功率需要满足下式,其中P峰,充代表储能在典型日中最大充电功率,P峰,放代表储能在典型日中最大放电功率,P充(t)代表储能在t时刻的充电功率,ηDC/DC表示直-直变换器的工作效率,ηDC/AC代表直-交变换器的工作效率,η为储能器件的工作效率,Mar代表工程裕度,T1、T2为一天中任意时间点。
P峰=max{P峰,充,P峰,放}
储能需要满足的峰值放电能量为下式,式中T1、T2、T'1、T'2均为一为一天中任意时间点,用以求取一天中储能的峰值能量。
W峰=max{W峰,充,W峰,放}
在步骤S101中具体包括以下步骤:
A:确定预测点的储能功率预测值所属储能功率预测区间,通过预测区间确定预测点的预测误差eW概率密度曲线;所述预测误差eW为预测点的储能功率实际值与储能功率预测值的差值;
eW=PW,real-PW,pre
式中,PW,real表示储能功率的实际值,PW,pre表示储能功率的预测值。即eW表示某一时刻储能功率的实际值与预测值之间的差值。
在不同的功率水平下,储能功率的预测误差有较大的区别。因此,有必要将储能功率的预测值按照功率水平进行分类,划分为多个功率区间,分别对每一个区间的预测误差进行统计分析。
储能功率预测值所划分的区间数s可由下式确定,为:
其中,PW,max表示储能功率的最大值,PW,min表示储能功率的最小值,ΔPW表示功率区间长度。
对于某一区间Si,可由下式表示。
Si=[PW,min+(i-1)ΔP,PW,min+iΔP],i=1,...,s
B:通过三次样条插值法对预测误差概率密度曲线、预测误差概率密度函数以及累积概率分布函数进行拟合,得到置信度α,再通过置信度α确定储能功率第一预测误差分位点α1与第二预测误差分位点α2,其中α1=α/2,α2=1-α/2,所述预测误差概率密度函数为充电功率的核密度估计函数,所述累积概率分布函数通过对预测误差概率密度函数积分获得;
由步骤A所确定的区间(尤其是起始区间和终止区间)当中,其样本数可能较少,从而无法准确地反映储能功率预测误差的实际分布规律,此时需要将相邻区间合并,直到新的区间样本数满足要求为止。
对于某一已划分好的区间Si,其储能功率预测误差的概率密度函数可表示为:
式中,ew表示储能功率预测误差的样本,f(ew)表示相应的概率密度函数,选取高斯核函数作为上式的核函数。
C、将储能功率第一预测误差分位点α1与第二预测误差分位点α2分别带入累积概率分布函数,获得预测点的功率波动区间;
获取储能功率的预测误差概率密度函数之后,对其积分得到对应的累积概率分布函数F(ξ),其中,ξ表示储能功率预测误差的随机变量,则储能功率预测值Pw,pre在置信概率1-α下的置信区间可由下式表示。
D:对预测点的功率波动区间进行积分,获得预测点的能量波动区间。
S102:选取第一置信区间绝对值的最大值P峰与第二置信区间绝对值的最大值W峰,并计算W峰与P峰的比值W峰/P峰,将比值W峰/P峰与λ作比较,若W峰/P峰≥λ,则采用能量型储能,若W峰/P峰<λ,则采用功率型储能,其中λ为储能典型日中预测点的最大能量以最大功率运行的持续时间;
计算该储能典型日下最大充放电功率值与最大充放电能量值的比值,即W峰/P峰,若比值大于λ,表示该场景下对储能的能量需求比较高,则采用能量型储能;若比值小于λ,表示该场景下对储能的能量要求相对低一点,则采用功率型储能,所述λ等于λ0,其中λ0为采用能量型储能与功率型储能经济性的分界线。
其中,能量型储能包括但不限于抽水蓄能、压缩空气储能、镍钴铝锂电池、磷酸铁锂电池、铅酸电池、钠硫电池、氢储能等,功率型储能包括但不限于飞轮储能、超导储能、镍氢电池以及超级电容储能等。
实施例二
本发明基于实施例一的基础上,公开了一种能量型与功率型混合储能系统,如图2所示,包括能量型储能装置、功率型储能装置、储能选择算法模块、直-直变换器、直-交变换器、滤波装置以及交流配电网;
其中交流配电网输出端分别与滤波装置输入端、直-交变换器输入端连接,直-交变换器输出端与直-直变换器输入端连接,直-直变换器输出端与储能选择算法模块输入连接,储能选择算法模块与所述能量型储能装置以及功率型储能装置连接。
本实施例中的混合型储能系统能够将实施例一中的储能方法运用到本实施例的储能系统中,且所述储能选择算法模块用于根据典型日下最大充放电功率值与最大充放电能量值的比值与λ的大小比较,选取能量型储能装置或功率型储能装置。
实施例三
本实施例是基于实施例一与实施例二的基础上,举例说明具体的储能方法。
为了满足储能经济性的要求,储能造价必须尽可能地低。如附图二所示,通过非参数估计理论对储能负荷高峰期输出电能且输出的最大功率值为1MW,分别改变一天中储能所需输出的总电能,将采在典型日中最大充放电能量以及最大充放电功率值进行预测,将该典型日下储能的最大充放电能量值与最大充放电功率值求比值,用以代表该场景下储能的最大能量在最大功率模式下所运行的时间,借此评估该典型场景下系统对储能能量以及功率的需求关系。
定义一个参数λ=λ0,将上面所求W峰/P峰与λ进行比较,当W峰/P峰≥λ时,可以认为该场景下系统对储能的能量要求更高一些,采用能量型储能会更加经济;反之,则认为该场景下系统对储能功率的要求更高一些,采用功率型储能会更加经济。基于此种考虑,分别查阅了十种不同的功率型储能与能量型储能在输出1kW的功率以及1kWh的能量所花费的成本,以及不同储能的循环使用寿命,如表1所示。
对参数λ0进行经济性计算,根据上述分析可知,参数λ0为采用能量型储能与功率型储能经济性的分界线,基于此,假定一天中储能仅在晚上用能量型储能与功率型储能在一天中所消耗的成本分别进行比较,如表2所示。根据表二可知,当一天中储能输出电量为0.5MWh时,能量型储能一天中平均消耗储能设备的成本为1425.07元,而功率型储能平均消耗仅为976.00元,此时显然采用功率型储能更加经济;当一天中储能输出电量为1.1MWh时,能量型储能平均消耗1770.23元,功率型储能平均消耗为1773.10元,此时两种储能在一天中消耗的储能成本基本相同;当一天中储能输出电量为1.5MWh时,能量型储能平均消耗2000.33元,而功率型储能平均则消耗2340.50元,其经济性显然不如能量型储能。所以,可以将λ0=1.1作为能量型储能与功率型储能经济性的分界线。
表1、不同储能的能量与功率成本
表2、一天最大输出功率为1MW时,储能在不同能量输出情况下的成本造价
综上所述,本发明提供的一种能量型与功率型混合储能系统及储能方法,是基于在一定的置信区间下,通过判断在典型日中最大充放电功率与最大充放电能量的比值大小,来判断选择采取能量型储能或功率型储能,保证电网运行的可靠性,且节约了经济成本,同时减少了电池的频繁充放电,延长了电池的寿命。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种能量型与功率型混合储能方法,其特征在于,包括以下步骤:
S101:预测配电网储能预测点的第一置信区间以及第二置信区间,其中,所述第一置信区间为预测点的功率波动区间,所述第二置信区间为预测点的能量波动区间;
S102:获取第一置信区间绝对值的最大值P峰与第二置信区间绝对值的最大值W峰,并计算W峰与P峰的比值W峰/P峰,将比值W峰/P峰与λ作比较,若W峰/P峰≥λ,则采用能量型储能,若W峰/P峰<λ,则采用功率型储能,其中λ为能量型储能与功率型储能经济性的分界点;
所述功率波动区间包括储能充电功率区间以及储能放电功率区间,所述能量波动区间包括储能充电能量区间以及储能放电能量区间;所述步骤S102中计算W峰与P峰的具体步骤包括:
则所述P峰为:P峰=max{P峰,充,P峰,放}
则W峰为:W峰=max{W峰,充,W峰,放}
其中P峰,充代表储能在典型日中最大充电功率,P峰,放代表储能在典型日中最大放电功率,P充(t)代表储能在t时刻的充电功率,ηDC/DC表示直-直变换器的工作效率,ηDC/AC代表直-交变换器的工作效率,η为储能器件的工作效率,Mar代表工程裕度,T1、T2为一天中任意时间点。
2.根据权利要求1所述的一种能量型与功率型混合储能方法,其特征在于,所述步骤S101采用非参数理论估计方法进行预测。
3.根据权利要求2所述的一种能量型与功率型混合储能方法,其特征在于,所述步骤S101具体步骤包括:
A:确定预测点的储能功率预测值所属储能功率预测区间,通过预测区间确定预测点的预测误差eW概率密度曲线;所述预测误差eW为预测点的储能功率实际值与储能功率预测值的差值;
B:通过三次样条插值法对预测误差概率密度曲线、预测误差概率密度函数以及累积概率分布函数进行拟合,得到置信度α,再通过置信度α确定储能功率第一预测误差分位点α1与第二预测误差分位点α2,其中α1=α/2,α2=1-α/2,所述预测误差概率密度函数为充电功率的核密度估计函数,所述累积概率分布函数通过对预测误差概率密度函数积分获得;
C:将储能功率第一预测误差分位点α1与第二预测误差分位点α2分别带入累积概率分布函数,获得预测点的功率波动区间;
D:对预测点的功率波动区间进行积分,获得预测点的能量波动区间。
6.根据权利要求1-5任一所述的一种能量型与功率型混合储能方法,其特征在于,所述能量型储能为抽水蓄能和压缩空气储能和镍钴铝锂电池和磷酸铁锂电池和铅酸电池和钠硫电池和氢储能中的至少一种。
7.根据权利要求1-5任一所述的一种能量型与功率型混合储能方法,其特征在于,所述功率型储能为飞轮储能和超导储能和镍氢电池和超级电容储能中的至少一种。
8.一种能量型与功率型混合储能系统,其特征在于,所述混合储能系统包括储能选择算法模块、能量型储能装置以及功率型储能装置,所述储能选择算法模块用于实现如权利要求1-7中任一项所述的一种能量型与功率型混合储能方法,且所述储能选择算法模块根据典型日下最大功率值与最大能量值的比值与λ的大小比较后,选取能量型储能装置或功率型储能装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011174806.4A CN112383074B (zh) | 2020-10-28 | 2020-10-28 | 一种能量型与功率型混合储能系统及储能方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011174806.4A CN112383074B (zh) | 2020-10-28 | 2020-10-28 | 一种能量型与功率型混合储能系统及储能方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112383074A CN112383074A (zh) | 2021-02-19 |
CN112383074B true CN112383074B (zh) | 2022-06-24 |
Family
ID=74577260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011174806.4A Active CN112383074B (zh) | 2020-10-28 | 2020-10-28 | 一种能量型与功率型混合储能系统及储能方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112383074B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103485977A (zh) * | 2013-09-06 | 2014-01-01 | 河海大学 | 风力发电系统实时功率预测的修正方法 |
CN103580041A (zh) * | 2013-11-08 | 2014-02-12 | 国家电网公司 | 一种平抑风电功率波动的混合储能系统容量配置方法 |
CN107147110A (zh) * | 2017-05-17 | 2017-09-08 | 山东大学 | 考虑多风场预测误差时空相关性的储能容量优化配置方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103545832B (zh) * | 2013-09-22 | 2015-10-28 | 国家电网公司 | 一种基于发电预测误差的光伏系统储能容量配置方法 |
CN103580046B (zh) * | 2013-11-27 | 2016-02-03 | 上海空间电源研究所 | 一种用于主动配电网的复合储能配比方法 |
CN107229987A (zh) * | 2016-03-23 | 2017-10-03 | 国网青海省电力公司 | 基于光储系统运行优化的混合储能配比计算方法 |
CN107147135A (zh) * | 2017-07-20 | 2017-09-08 | 长沙理工大学 | 一种平抑微网功率波动的方法及系统 |
CN107528341B (zh) * | 2017-08-25 | 2019-08-20 | 电子科技大学 | 一种用于高风电渗透率的大电网储能调度的方法 |
CN110852631B (zh) * | 2019-11-14 | 2022-05-24 | 沈阳工业大学 | 基于负荷预测误差的多能源系统储能容量指标计算方法 |
CN111064190B (zh) * | 2019-12-27 | 2021-07-09 | 中国能源建设集团天津电力设计院有限公司 | 一种基于维纳随机过程的风电场储能系统配置方法 |
-
2020
- 2020-10-28 CN CN202011174806.4A patent/CN112383074B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103485977A (zh) * | 2013-09-06 | 2014-01-01 | 河海大学 | 风力发电系统实时功率预测的修正方法 |
CN103580041A (zh) * | 2013-11-08 | 2014-02-12 | 国家电网公司 | 一种平抑风电功率波动的混合储能系统容量配置方法 |
CN107147110A (zh) * | 2017-05-17 | 2017-09-08 | 山东大学 | 考虑多风场预测误差时空相关性的储能容量优化配置方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112383074A (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Uhrig et al. | Lithium-based vs. vanadium redox flow batteries–a comparison for home storage systems | |
Purvins et al. | Application of battery-based storage systems in household-demand smoothening in electricity-distribution grids | |
RU2506679C2 (ru) | Способ и система стабилизации мощности (варианты) | |
CN111806284B (zh) | 充换电站的智能充电方法及装置 | |
KR101632353B1 (ko) | 이차전지의 충전 및 방전 제어 장치 및 방법 | |
CN109066749B (zh) | 应用于光伏储能系统的能量管理系统 | |
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 | |
CN106709610A (zh) | 一种微电网电储能、冰蓄冷联合优化调度方法 | |
CN111416367A (zh) | 一种储能多场景应用协同控制方法 | |
CN111276960A (zh) | 一种光-储直流微电网系统中储能模块预测控制方法 | |
CN110752629B (zh) | 一种交直流混合家庭微电网能量优化管理方法 | |
Chen et al. | Energy storage sizing for dispatchability of wind farm | |
CN114123280A (zh) | 一种考虑系统效率的电池储能电站能量管理方法 | |
CN112350369A (zh) | 光储充一体化电站能效评估方法 | |
CN111628558A (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 | |
CN108564230A (zh) | 一种户用分布式能源管理方法及系统 | |
CN118137025A (zh) | 流量调节方法、系统及相关设备 | |
CN105098810B (zh) | 自适应式微网储能系统能量优化管理方法 | |
CN112383074B (zh) | 一种能量型与功率型混合储能系统及储能方法 | |
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 | |
CN113471993B (zh) | 一种基于鲁棒优化的用户侧混合储能技术运行优化方法 | |
CN115423203A (zh) | 梯次利用动力电池提升电力系统效益的评估方法及装置 | |
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 | |
Kordkheili et al. | Managing high penetration of renewable energy in MV grid by electric vehicle storage | |
CN112736948A (zh) | 一种充电站中储能系统的功率调节方法及装置 |
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 |