CN112417656B - 光储系统的能量调度策略的优化方法、装置和存储介质 - Google Patents

光储系统的能量调度策略的优化方法、装置和存储介质 Download PDF

Info

Publication number
CN112417656B
CN112417656B CN202011247235.2A CN202011247235A CN112417656B CN 112417656 B CN112417656 B CN 112417656B CN 202011247235 A CN202011247235 A CN 202011247235A CN 112417656 B CN112417656 B CN 112417656B
Authority
CN
China
Prior art keywords
storage system
power
grid
sim
light 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.)
Active
Application number
CN202011247235.2A
Other languages
English (en)
Other versions
CN112417656A (zh
Inventor
徐小琪
袁宏亮
林栋�
刘强
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.)
Suzhou Wolian New Energy Co ltd
Original Assignee
Suzhou Wolian New Energy 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 Suzhou Wolian New Energy Co ltd filed Critical Suzhou Wolian New Energy Co ltd
Priority to CN202011247235.2A priority Critical patent/CN112417656B/zh
Publication of CN112417656A publication Critical patent/CN112417656A/zh
Application granted granted Critical
Publication of CN112417656B publication Critical patent/CN112417656B/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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Development Economics (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明实施例涉及一种光储系统的能量调度策略的优化方法、装置和存储介质，该优化方法包括：获取在T1至T2之间，光伏面板的输出功率、用电系统的负荷功率、光储系统的充电功率、光储系统的放电功率、光储系统的购电功率和光储系统的馈电功率；建立光储系统的能量调度的仿真模型，并对述仿真模型进行优化和仿真模拟、基于仿真结果设置光储系统的能量调度策略。从而能够节约用户的使用成本。

Description

光储系统的能量调度策略的优化方法、装置和存储介质
技术领域
本发明实施例涉及光伏技术领域，尤其涉及一种光储系统的能量调度策略的优化方法、装置和存储介质。
背景技术
在能源危机和环境污染的双重压力下，清洁能源发电技术得到了空前的发展，其中光储系统是一种常用的设备，如图1所示，通常包括：光伏面板，当太阳照射光伏面板时，光伏面板就能够将太阳能转化为电能；最大功率点跟踪(Maximum Power Point Tracking，MPPT)系统，其通过调节电气模块的工作状态，使光伏面板能够输出更多电能的电气系统，能够将光伏面板输出的直流电有效地贮存在充电电池中；充电电池，用于存储电能，且能够提供所存储的电能；光储逆变装置，通常包括：逆变器，其能够把直流电能(即充电电池输出的电能)转变成定频定压或调频调压交流电，该交流电能够提供给用电系统使用；能量管理系统(Energy Management System，EMS)，该能量管理系统能够确定使用充电电池为用电系统供电、还是使用配电网向用电系统供电，并进行相应的管理操作。
该光储系统具有四个状态(该四个状态中的某些状态可以同时出现)：(1)光储系统处于充电状态；(2)光储系统向用电系统供电；(3)光储系统向配电网输出电能，即馈电；(4)光储系统获取配电网的电，为用电系统提供电能，即购电；可以理解的是，这些状态都会影响到用户的使用成本。
因此，如何调整该光储系统的能量调度策略，即每个时刻的光储系统的充电功率、供电功率、购电功率和馈电功率，就成为一个亟待解决的问题。
发明内容
鉴于此，为解决上述技术问题或部分技术问题，本发明实施例提供一种光储系统的能量调度策略的优化方法、装置和存储介质。
本发明实施例提供一种用于光储系统的能量调度策略的优化方法，所述光储系统包含有用于将光能转换成电能的光伏面板以及用于存储电能的充电电池，所述光储系统能够向用电系统输出电能；包括以下步骤：
获取在第一时间T1至第二时间T2之间，所述光伏面板的输出功率Ppv(t)、所述用电系统的负荷功率Pload(t)、所述光储系统的充电功率
Figure BDA0002770424660000011
所述光储系统的放电功率
Figure BDA0002770424660000021
所述光储系统的购电功率Pgrid(t)和所述光储系统的馈电功率Pgridfeed(t)，T1≤t≤T2；
创建T1至T2之间、关于所述光储系统的能量调度的仿真模型，所述仿真模型中包含有光储系统的目标充电功率
Figure BDA0002770424660000022
目标放电功率
Figure BDA0002770424660000023
和目标购馈电功率Pgrid-sim(t)，其中，当所述光储系统处于购电状态时，Pgrid-sim(t)＞0，当处于馈电状态时，Pgrid-sim(t)<0；
持续对所述仿真模型进行优化和仿真模拟、并得到
Figure BDA0002770424660000024
和Pgrid-sim(t)，直至在T1至T2这段时间段内，error1+error2+error3+error4最小，其中，error1为
Figure BDA0002770424660000025
与
Figure BDA0002770424660000026
的差值，error2为
Figure BDA0002770424660000027
与
Figure BDA0002770424660000028
的差值，error3为Pgrid(t)与Pgrid-sim(t)的差值，error4为Pgridfeed(t)与Pgrid-sim(t)之和；
基于
Figure BDA0002770424660000029
和Pgrid-sim(t)设置所述光储系统的能量调度策略。
在一个可能的实施方式中，所述仿真模型包括：
Figure BDA00027704246600000210
Figure BDA00027704246600000211
Figure BDA00027704246600000212
其中，Eess(t)为充电电池的储能容量，
Figure BDA00027704246600000213
Figure BDA00027704246600000214
为光储系统的目标充电功率，
Figure BDA00027704246600000215
为光储系统的目标放电功率,Pgrid-sim(t)为目标购馈电功率，
Figure BDA00027704246600000216
为充电电池的最大储能容量，
Figure BDA00027704246600000217
为充电电池的最小储能容量，
Figure BDA00027704246600000218
为充电电池的放电效率，
Figure BDA00027704246600000219
为充电电池的充电效率，ηpv为示光伏面板输出电能至消纳的效率。
在一个可能的实施方式中，
Figure BDA00027704246600000220
其中，T'1<T'2<...<T'N<T'N+1,T'1＝T1，T'N+1＝TN，T'i≤ti≤T'i+1，N为自然数。
在一个可能的实施方式中，
Figure BDA0002770424660000031
其中，T'1<T'2<...<T'N<T'N+1,T'1＝T1，T'N+1＝TN，T'i≤ti≤T'i+1，N为自然数。
在一个可能的实施方式中，
Figure BDA0002770424660000032
其中，Pgrid-sim(t)＞0，其中，T'1<T'2<...<T'N<T'N+1,T'1＝T1，T'N+1＝TN，T'i≤ti≤T'i+1，N为自然数。
在一个可能的实施方式中，
Figure BDA0002770424660000033
其中，Pgrid-sim(t)<0，T'1<T'2<...<T'N<T'N+1,T'1＝T1，T'N+1＝TN，T'i≤ti≤T'i+1，N为自然数。
本发明实施例还提供了一种用于光储系统的能量调度策略的优化装置，所述光储系统包含有用于将光能转换成电能的光伏面板以及用于存储电能的充电电池，所述光储系统能够向用电系统输出电能；包括以下模块：
信息获取模块，用于获取在第一时间T1至第二时间T2之间，所述光伏面板的输出功率Ppv(t)、所述用电系统的负荷功率Pload(t)、所述光储系统的充电功率
Figure BDA0002770424660000034
所述光储系统的放电功率
Figure BDA0002770424660000035
所述光储系统的购电功率Pgrid(t)和所述光储系统的馈电功率Pgridfeed(t)，T1≤t≤T2；
仿真模型创建模块，用于创建T1至T2之间、关于所述光储系统的能量调度的仿真模型，所述仿真模型中包含有光储系统的目标充电功率
Figure BDA0002770424660000036
目标放电功率
Figure BDA0002770424660000037
和目标购馈电功率Pgrid-sim(t)，其中，当所述光储系统处于购电状态时，Pgrid-sim(t)＞0，当处于馈电状态时，Pgrid-sim(t)<0；
仿真模块，用于持续对所述仿真模型进行优化和仿真模拟、并得到
Figure BDA0002770424660000038
Figure BDA0002770424660000039
和Pgrid-sim(t)，直至在T1至T2这段时间段内，error1+error2+error3+error4最小，其中，error1为
Figure BDA00027704246600000310
与
Figure BDA00027704246600000311
的差值，error2为
Figure BDA00027704246600000312
与
Figure BDA00027704246600000313
的差值，error3为Pgrid(t)与Pgrid-sim(t)的差值，error4为Pgridfeed(t)与Pgrid-sim(t)之和；
设置模块，用于基于
Figure BDA00027704246600000314
和Pgrid-sim(t)设置所述光储系统的能量调度策略。
在一个可能的实施方式中，所述仿真模型包括：
Figure BDA0002770424660000041
Figure BDA0002770424660000042
Figure BDA0002770424660000043
其中，Eess(t)为充电电池的储能容量，
Figure BDA0002770424660000044
Figure BDA0002770424660000045
为光储系统的目标充电功率，
Figure BDA0002770424660000046
为光储系统的目标放电功率,Pgrid-sim(t)为目标购馈电功率，
Figure BDA0002770424660000047
为充电电池的最大储能容量，
Figure BDA0002770424660000048
为充电电池的最小储能容量，
Figure BDA0002770424660000049
为充电电池的放电效率，
Figure BDA00027704246600000410
为充电电池的充电效率，ηpv为示光伏面板输出电能至消纳的效率。
本发明实施例还提供了一种计算机设备，包括：处理器和存储器，所述处理器用于执行所述存储器中存储的服务的监控程序，以实现上述的优化方法。
本发明实施例还提供了一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现上述的优化方法。
本发明实施例提供的光储系统的能量调度策略的优化方法、装置和存储介质，包括：获取在T1至T2之间，光伏面板的输出功率、用电系统的负荷功率、光储系统的充电功率、光储系统的放电功率、光储系统的购电功率和光储系统的馈电功率；关于光储系统的能量调度的仿真模型，并对述仿真模型进行优化和仿真模拟、基于仿真结果设置光储系统的能量调度策略。从而能够节约用户的使用成本。
附图说明
图1为现有技术中的光储系统的示意图；
图2为本发明实施例中的光储系统的示意图；
图3为本发明实施例中的优化方法的流程示意图；
图4和图5为本发明实施例中的试验结果图；
图6为本发明实施例提供的监控系统的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为便于对本发明实施例的理解，下面将结合附图以具体实施例做进一步的解释说明，实施例并不构成对本发明实施例的限定。
本发明实施例一提供了一种用于光储系统的能量调度策略的优化方法，所述光储系统包含有用于将光能转换成电能的光伏面板以及用于存储电能的充电电池，所述光储系统能够向用电系统输出电能；这里，如图2所示，可以设置有一个监控平台，该监控平台能够获取该光储系统的各种状态数据，可以理解的是，该状态数据都是历史数据，该监控平台会基于该历史数据，对未来的能量调度策略进行优化。这里，该监控平台可以定期就执行一下该优化方法，从而可以让该光储系统拥有较好的能量调度策略。
如图3所示，包括以下步骤：
步骤301：获取在第一时间T1至第二时间T2之间，所述光伏面板的输出功率Ppv(t)、所述用电系统的负荷功率Pload(t)、所述光储系统的充电功率
Figure BDA0002770424660000051
所述光储系统的放电功率
Figure BDA0002770424660000052
所述光储系统的购电功率Pgrid(t)和所述光储系统的馈电功率Pgridfeed(t)，T1≤t≤T2。
步骤302：创建T1至T2之间、关于所述光储系统的能量调度的仿真模型，所述仿真模型中包含有光储系统的目标充电功率
Figure BDA0002770424660000053
目标放电功率
Figure BDA0002770424660000054
和目标购馈电功率Pgrid-sim(t)，其中，当所述光储系统处于购电状态时，Pgrid-sim(t)＞0，当处于馈电状态时，Pgrid-sim(t)<0。
这里，充电电池是利用电化学原理实现内部化学能与输出电能的相互转换，进行充放电的储能装置，其常见模型有：电化学模型和等效电路模型等。
这里，对于DC(Direct Current，直流电)/AC(Alternating Current，交流电)逆变器而言，其仿真电路可以为Boost电路，Buck电路和双向DC/DC变化电路。
步骤303：持续对所述仿真模型进行优化和仿真模拟、并得到
Figure BDA0002770424660000055
Figure BDA0002770424660000056
和Pgrid-sim(t)，直至在T1至T2这段时间段内，error1+error2+error3+error4最小，其中，error1为
Figure BDA0002770424660000057
与
Figure BDA0002770424660000058
的差值，error2为
Figure BDA0002770424660000059
与
Figure BDA00027704246600000510
的差值，error3为Pgrid(t)与Pgrid-sim(t)的差值，error4为Pgridfeed(t)与Pgrid-sim(t)之和；这里，可以理解的是，充电功率
Figure BDA0002770424660000061
放电功率
Figure BDA0002770424660000062
购电功率Pgrid(t)和馈电功率Pgridfeed(t)、均与输出功率Ppv(t)、负荷功率Pload(t)和目标购馈电功率Pgrid-sim(t)有关系，因此，当未来的能量调度策略中，如果与
Figure BDA0002770424660000063
的差值越小，与的差值越小，Pgrid(t)与Pgrid-sim(t)的差值越小，Pgridfeed(t)与Pgrid-sim(t)之和越小，就尽可能的不购电，则能够节约使用成本。
步骤304：基于
Figure BDA0002770424660000064
和Pgrid-sim(t)设置所述光储系统的能量调度策略。这里，该优化方法会根据历史数据算出效率，根据各个效率调整优化该能量调度策略，从而可以在未来的某个时间段内，使用该能量调度策略。
本实施例中的优化方法会动态对该光储系统的负荷功率、充电功率和放电功率进修正，从而确保每次都能够每次寻求最优解。
可选的，还包括以下步骤：获取所述光储系统的系统参数，所述系统参数至少包括：光伏面板的效率、逆变器的转换效率、充电电池的容量、充电电池的放电效率和充电效率；所述“创建T1至T2之间、关于所述光储系统的能量调度的仿真模型”具体包括：基于所述系统参数，创建T1至T2之间、关于所述光储系统的能量调度的仿真模型。逆变器的转换效率是指逆变器将输入的直流功率转换成交流功率的比值，可以理解的是，逆变器接收输入直流功率通过内部的逆变，在经过部分滤波输出交流功率，该转换效率＝输入直流功率/输出交流功率*100％。容量是衡量充电电池性能的重要性能指标之一，它表示在一定条件下(放电率、温度、终止电压等)，充电电池放出的电量(可用JS-150D做放电测试)，即容量，通常以安培·小时为单位(简称，以A·H表示，1A·h＝3600C)。放电效率用于充电电池的放电快慢。充电电池不可能充多少电量进去就能储存有多少电量，一定会有所耗损，除了阳极和阴极漏电间的绝缘体漏电之外，材料也不可能无瑕地储存所有电量，充电电池放电时输出的电量与充电时流进去充电电池的电量之比，称之为充电效率。
本实施例中，所述仿真模型包括：
Figure BDA0002770424660000065
Figure BDA0002770424660000066
Figure BDA0002770424660000071
其中，Eess(t)为充电电池的储能容量，
Figure BDA0002770424660000072
Figure BDA0002770424660000073
为光储系统的目标充电功率，
Figure BDA0002770424660000074
为光储系统的目标放电功率,Pgrid-sim(t)为目标购馈电功率，
Figure BDA0002770424660000075
为充电电池的最大储能容量，
Figure BDA0002770424660000076
为充电电池的最小储能容量，
Figure BDA0002770424660000077
为充电电池的放电效率，
Figure BDA0002770424660000078
为充电电池的充电效率，ηpv为示光伏面板输出电能至消纳的效率。
可选的，所述充电电池的衰减指标具体为：
Figure BDA0002770424660000079
其中，x为
Figure BDA00027704246600000710
和ηpv中的任一。这里，可以理解的是，该充电电池在使用的过程中，其性能会发生衰减，因此，在后续的优化中，需要考虑充电电池的衰减的问题。即可以在一段时间或一段电池循环过后，对于累计的最优解系统参数值集合建立衰减模型，从而在线评估系统衰减程度及分解各节点衰减程度。
在图5中，展示了按循环每五十次过后，储能容量衰减的记录，基于该记录，用户或研发人员可以判断电池的健康问题，如果该记录的数据的来源有问题，也能及时发现；即如果趋势是缓慢变化的，属于正常状态；如果突然变高/变低(即变化幅度超过阈值)，则该数据不准确，有可能是数据源出了问题，或者是系统出现故障等。
本实施例中，
Figure BDA00027704246600000711
其中，T'1<T'2<...<T'N<T'N+1,T'1＝T1，T'N+1＝TN，T'i≤ti≤T'i+1，N为自然数。
本实施例中，
Figure BDA00027704246600000712
其中，T'1<T'2<...<T'N<T'N+1,T'1＝T1，T'N+1＝TN，T'i≤ti≤T'i+1，N为自然数。
本实施例中，
Figure BDA00027704246600000713
其中，Pgrid-sim(t)＞0，T'1<T'2<...<T'N<T'N+1,T'1＝T1，T'N+1＝TN，T'i≤ti≤T'i+1，N为自然数。
本实施例中，
Figure BDA00027704246600000714
其中，Pgrid-sim(t)<0，T'1<T'2<...<T'N<T'N+1,T'1＝T1，T'N+1＝TN，T'i≤ti≤T'i+1，N为自然数。
在图4中，展示了按照两组系统参数在线仿真的一整天的储能充放电功率、用户购馈电曲线。图中用于仿真的第一组系统参数
Figure BDA0002770424660000081
分别为(0.98,0.97,0.90,0.03,0.98)，第二组系统参数
Figure BDA0002770424660000082
分别设置为(0.96,0.92,0.90,0.08,0.92)。可以看到，根据不同系统参数组合输入的在线仿真具有差异性，且第一组系统参数仿真之下的结果较趋近于真实运行数据。
在图4中，第一组目标函数之和为0.12，第二组目标函数之和为0.67，在示范的两组系统参数中，第一组系统参数暂且储存为最优解，并调整系统参数寻找下一个最优解，直至目标函数结果等于或小于误差允许的范围值。这里，目标函数可以等于error1+error2+error3+error4。
本发明实施例二提供了一种用于光储系统的能量调度策略的优化装置，所述光储系统包含有用于将光能转换成电能的光伏面板以及用于存储电能的充电电池，所述光储系统能够向用电系统输出电能；包括以下模块：
信息获取模块，用于获取在第一时间T1至第二时间T2之间，所述光伏面板的输出功率Ppv(t)、所述用电系统的负荷功率Pload(t)、所述光储系统的充电功率
Figure BDA0002770424660000083
所述光储系统的放电功率
Figure BDA0002770424660000084
所述光储系统的购电功率Pgrid(t)和所述光储系统的馈电功率Pgridfeed(t)，T1≤t≤T2；
仿真模型创建模块，用于创建T1至T2之间、关于所述光储系统的能量调度的仿真模型，所述仿真模型中包含有光储系统的目标充电功率
Figure BDA0002770424660000085
目标放电功率
Figure BDA0002770424660000086
和目标购馈电功率Pgrid-sim(t)，其中，当所述光储系统处于购电状态时，Pgrid-sim(t)＞0，当处于馈电状态时，Pgrid-sim(t)<0；
仿真模块，用于持续对所述仿真模型进行优化和仿真模拟、并得到
Figure BDA0002770424660000087
Figure BDA0002770424660000088
和Pgrid-sim(t)，直至在T1至T2这段时间段内，error1+error2+error3+error4最小，其中，error1为
Figure BDA0002770424660000089
与
Figure BDA00027704246600000810
的差值，error2为
Figure BDA00027704246600000811
与
Figure BDA00027704246600000812
的差值，error3为Pgrid(t)与Pgrid-sim(t)的差值，error4为Pgridfeed(t)与Pgrid-sim(t)之和；
设置模块，用于基于
Figure BDA00027704246600000813
和Pgrid-sim(t)设置所述光储系统的能量调度策略。
本实施例中，所述仿真模型包括：
Figure BDA0002770424660000091
Figure BDA0002770424660000092
Figure BDA0002770424660000093
其中，Eess(t)为充电电池的储能容量，
Figure BDA0002770424660000094
Figure BDA0002770424660000095
为光储系统的目标充电功率，
Figure BDA0002770424660000096
为光储系统的目标放电功率,Pgrid-sim(t)为目标购馈电功率，
Figure BDA0002770424660000097
为充电电池的最大储能容量，
Figure BDA0002770424660000098
为充电电池的最小储能容量，
Figure BDA0002770424660000099
为充电电池的放电效率，
Figure BDA00027704246600000910
为充电电池的充电效率，ηpv为示光伏面板输出电能至消纳的效率。
本发明实施例三提供了一种计算机设备，包括：处理器和存储器，所述处理器用于执行所述存储器中存储的服务的监控程序，以实现实施例一中的优化方法。
本发明实施例四提供了一种存储介质，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现实施例一中的优化方法。
图6为本发明实施例提供的再一种监控系统的示意图。应用于某一电子设备的结构示意图，图6所示的电子设备700包括：至少一个处理器701、存储器702、至少一个网络接口704和其他用户接口703。电子设备700中的各个组件通过总线系统705耦合在一起。可理解，总线系统705用于实现这些组件之间的连接通信。总线系统705除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图6中将各种总线都标为总线系统705。
其中，用户接口703可以包括显示器、键盘或者点击设备(例如，鼠标，轨迹球(trackball)、触感板或者触摸屏等。
可以理解，本发明实施例中的存储器702可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(Double Data RateSDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM，SLDRAM)和直接内存总线随机存取存储器(DirectRambus RAM，DRRAM)。本文描述的存储器702旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中，存储器702存储了如下的元素，可执行单元或者数据结构，或者他们的子集，或者他们的扩展集：操作系统7021和应用程序7022。
其中，操作系统7021，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序7022，包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序7022中。
在本发明实施例中，通过调用存储器702存储的程序或指令，具体的，可以是应用程序7022中存储的程序或指令，
应用于上位机时，处理器701用于执行各方法实施例所提供的方法步骤，例如包括：
接收传感器和/或PLC发送的目标数据集；
将所述目标数据集发送给服务器；由所述服务器根据所述目标数据集进行相应操作；
所述目标数据集，包括以下至少之一：探测数据、探测数据对应的类型符号、描述采集探测数据的设备的标志符。
应用于服务器时，处理器701用于执行各方法实施例所提供的方法步骤，例如包括：
接收上位机发送的数据集；
对所述数据集进行分析，根据分析结果针对所述数据集中的数据执行不同的操作；
所述数据集，包括以下至少之一：探测数据、探测数据对应的类型符号、描述采集探测数据的设备的标志符。
上述本发明实施例揭示的方法可以应用于处理器701中，或者由处理器701实现。处理器701可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器701中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器701可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(FieldProgrammable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器702，处理器701读取存储器702中的信息，结合其硬件完成上述方法的步骤。
可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits，ASIC)、数字信号处理器(Digital Signal Processing，DSP)、数字信号处理设备(DSP Device，DSPD)、可编程逻辑设备(Programmable LogicDevice，PLD)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现，可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
本实施例提供的电子设备可以是上述的电子设备，可执行上述优化方法的所有步骤，进而实现上述优化方法的技术效果，具体请参照上述相关描述，为简洁描述，在此不作赘述。
本发明实施例还提供了一种存储介质(计算机可读存储介质)。这里的存储介质存储有一个或者多个程序。其中，存储介质可以包括易失性存储器，例如随机存取存储器；存储器也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘；存储器还可以包括上述种类的存储器的组合。
当存储介质中一个或者多个程序可被一个或者多个处理器执行，以实现上述在运维监控装置执行的优化方法。
应用于上位机时，所述处理器用于执行存储器中存储的运维监控程序，以实现以下在上位机侧执行的优化方法的步骤：
接收传感器和/或可编程逻辑控制器PLC发送的目标数据集；
将所述目标数据集发送给服务器；由所述服务器根据所述目标数据集进行相应操作；
所述目标数据集，包括以下至少之一：探测数据、探测数据对应的类型符号、描述采集探测数据的设备的标志符。
应用于服务器时，所述处理器用于执行存储器中存储的运维监控程序，以实现以下在服务器侧执行的优化方法的步骤：
接收上位机发送的数据集；
对所述数据集进行分析，根据分析结果针对所述数据集中的数据执行不同的操作；
所述数据集，包括以下至少之一：探测数据、探测数据对应的类型符号、描述采集探测数据的设备的标志符。
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
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)

1.一种用于光储系统的能量调度策略的优化方法，所述光储系统包含有用于将光能转换成电能的光伏面板以及用于存储电能的充电电池，所述光储系统能够向用电系统输出电能；其特征在于，包括以下步骤：
获取在第一时间T1至第二时间T2之间，所述光伏面板的输出功率Ppv(t)、所述用电系统的负荷功率Pload(t)、所述光储系统的充电功率
Figure FDA0003707231100000011
所述光储系统的放电功率
Figure FDA0003707231100000012
所述光储系统的购电功率Pgrid(t)和所述光储系统的馈电功率Pgridfeed(t)，T1≤t≤T2；
创建T1至T2之间、关于所述光储系统的能量调度的仿真模型，所述仿真模型中包含有光储系统的目标充电功率
Figure FDA0003707231100000013
目标放电功率
Figure FDA0003707231100000014
和目标购馈电功率Pgrid-sim(t)，其中，当所述光储系统处于购电状态时，Pgrid-sim(t)＞0，当处于馈电状态时，Pgrid-sim(t)＜0；所述仿真模型包括：
Figure FDA0003707231100000015
Figure FDA0003707231100000016
Figure FDA0003707231100000017
其中，Eess(t)为充电电池的储能容量，
Figure FDA0003707231100000018
Figure FDA0003707231100000019
为光储系统的目标充电功率，
Figure FDA00037072311000000110
为光储系统的目标放电功率，Pgrid-sim(t)为目标购馈电功率，
Figure FDA00037072311000000111
为充电电池的最大储能容量，
Figure FDA00037072311000000112
为充电电池的最小储能容量，
Figure FDA00037072311000000113
为充电电池的放电效率，
Figure FDA00037072311000000114
为充电电池的充电效率，ηpv为示光伏面板输出电能至消纳的效率；
持续对所述仿真模型进行优化和仿真模拟、并得到
Figure FDA00037072311000000115
和Pgrid-sim(t)，直至在T1至T2这段时间段内，error1+error2+error3+error4最小，其中，error1为
Figure FDA00037072311000000116
与
Figure FDA00037072311000000117
的差值，error2为
Figure FDA00037072311000000118
与
Figure FDA00037072311000000119
的差值，error3为Pgrid(t)与Pgrid-sim(t)的差值，error4为Pgridfeed(t)与Pgrid-sim(t)之和；
基于
Figure FDA00037072311000000120
和Pgrid-sim(t)设置所述光储系统的能量调度策略。
2.根据权利要求1所述的优化方法，其特征在于：
Figure FDA0003707231100000021
其中，T′1＜T′2＜...＜T′N＜T′N+1，T′1＝T1，T′N+1＝TN，T′i≤ti≤T′i+1，N为自然数。
3.根据权利要求1所述的优化方法，其特征在于：
Figure FDA0003707231100000022
其中，T′1＜T′2＜...＜T′N＜T′N+1，T′1＝T1，T′N+1＝TN，T′i≤ti≤T′i+1，N为自然数。
4.根据权利要求1所述的优化方法，其特征在于：
Figure FDA0003707231100000023
其中，Pgrid-sim(t)＞0，T′1＜T′2＜...＜T′N＜T′N+1，T′1＝T1，T′N+1＝TN，T′i≤ti≤T′i+1，N为自然数。
5.根据权利要求1所述的优化方法，其特征在于：
Figure FDA0003707231100000024
其中，Pgrid-sim(t)＜0，T′1＜T′2＜...＜T′N＜T′N+1，T′1＝T1，T′N+1＝TN，T′i≤ti≤T′i+1，N为自然数。
6.一种用于光储系统的能量调度策略的优化装置，所述光储系统包含有用于将光能转换成电能的光伏面板以及用于存储电能的充电电池，所述光储系统能够向用电系统输出电能；其特征在于，包括以下模块：
信息获取模块，用于获取在第一时间T1至第二时间T2之间，所述光伏面板的输出功率Ppv(t)、所述用电系统的负荷功率Pload(t)、所述光储系统的充电功率
Figure FDA0003707231100000025
所述光储系统的放电功率
Figure FDA0003707231100000026
所述光储系统的购电功率Pgrid(t)和所述光储系统的馈电功率Pgridfeed(t)，T1≤t≤T2；
仿真模型创建模块，用于创建T1至T2之间、关于所述光储系统的能量调度的仿真模型，所述仿真模型中包含有光储系统的目标充电功率
Figure FDA0003707231100000027
目标放电功率
Figure FDA0003707231100000028
和目标购馈电功率Pgrid-sim(t)，其中，当所述光储系统处于购电状态时，Pgrid-sim(t)＞0，当处于馈电状态时，Pgrid-sim(t)＜0；所述仿真模型包括：
Figure FDA0003707231100000031
Figure FDA0003707231100000032
Figure FDA0003707231100000033
其中，Eess(t)为充电电池的储能容量，
Figure FDA0003707231100000034
Figure FDA00037072311000000317
为光储系统的目标充电功率，
Figure FDA0003707231100000035
为光储系统的目标放电功率，Pgrid-sim(t)为目标购馈电功率，
Figure FDA0003707231100000036
为充电电池的最大储能容量，
Figure FDA0003707231100000037
为充电电池的最小储能容量，
Figure FDA0003707231100000038
为充电电池的放电效率，
Figure FDA0003707231100000039
为充电电池的充电效率，ηpv为示光伏面板输出电能至消纳的效率；
仿真模块，用于持续对所述仿真模型进行优化和仿真模拟、并得到
Figure FDA00037072311000000310
Figure FDA00037072311000000311
和Pgrid-sim(t)，直至在T1至T2这段时间段内，error1+error2+error3+error4最小，其中，error1为
Figure FDA00037072311000000312
与
Figure FDA00037072311000000313
的差值，error2为
Figure FDA00037072311000000314
与
Figure FDA00037072311000000315
的差值，error3为Pgrid(t)与Pgrid-sim(t)的差值，error4为Pgridfeed(t)与Pgrid-sim(t)之和；
设置模块，用于基于
Figure FDA00037072311000000316
和Pgrid-sim(t)设置所述光储系统的能量调度策略。
7.一种计算机设备，其特征在于，包括：处理器和存储器，所述处理器用于执行所述存储器中存储的服务的监控程序，以实现权利要求1～5中任一项所述优化方法。
8.一种存储介质，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现权利要求1～5中任一项所述优化方法。
CN202011247235.2A 2020-11-10 2020-11-10 光储系统的能量调度策略的优化方法、装置和存储介质 Active CN112417656B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011247235.2A CN112417656B (zh) 2020-11-10 2020-11-10 光储系统的能量调度策略的优化方法、装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011247235.2A CN112417656B (zh) 2020-11-10 2020-11-10 光储系统的能量调度策略的优化方法、装置和存储介质

Publications (2)

Publication Number Publication Date
CN112417656A CN112417656A (zh) 2021-02-26
CN112417656B true CN112417656B (zh) 2022-08-12

Family

ID=74781581

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011247235.2A Active CN112417656B (zh) 2020-11-10 2020-11-10 光储系统的能量调度策略的优化方法、装置和存储介质

Country Status (1)

Country Link
CN (1) CN112417656B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115207952A (zh) * 2022-06-13 2022-10-18 南通沃太新能源有限公司 用于光储系统的电力调度方法及其装置
CN115049251B (zh) * 2022-06-13 2024-02-13 南通沃太新能源有限公司 用于储能系统的电力调度方法及其装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107104433A (zh) * 2017-05-15 2017-08-29 国网江苏省电力公司电力科学研究院 一种光储系统参与配电网优化运行策略的获取方法
CN107230974A (zh) * 2016-03-23 2017-10-03 国网青海省电力公司 基于储能运行状态的光伏功率稳定输出控制方法
CN109948823A (zh) * 2018-10-29 2019-06-28 河海大学 一种光储充电塔自适应鲁棒日前优化调度方法
CN111711209A (zh) * 2020-06-17 2020-09-25 深圳库博能源科技有限公司 基于储能寿命和调频性能的光储充联合运行方法及系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9653759B2 (en) * 2012-03-29 2017-05-16 The Boeing Company Method and apparatus for optimized battery life cycle management
US10170915B2 (en) * 2014-02-25 2019-01-01 Sumitomo Electric Industries, Ltd. Energy management system, energy management method and computer program
CN111697604B (zh) * 2020-06-19 2021-12-28 中国电力科学研究院有限公司 多站合一的配置方法、系统及设备
CN111900727B (zh) * 2020-07-15 2024-02-02 国网上海市电力公司 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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107230974A (zh) * 2016-03-23 2017-10-03 国网青海省电力公司 基于储能运行状态的光伏功率稳定输出控制方法
CN107104433A (zh) * 2017-05-15 2017-08-29 国网江苏省电力公司电力科学研究院 一种光储系统参与配电网优化运行策略的获取方法
CN109948823A (zh) * 2018-10-29 2019-06-28 河海大学 一种光储充电塔自适应鲁棒日前优化调度方法
CN111711209A (zh) * 2020-06-17 2020-09-25 深圳库博能源科技有限公司 基于储能寿命和调频性能的光储充联合运行方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Didier Farinet等."Battery Lifetime Analysis for Residential PV-Battery System used to Optimize the Self Consumption - A Danish Scenario".《2019 IEEE ECCE》.2019,全文. *
顾飞 等."光储系统储能电站的经济优化调度策略".《电工技术》.2020,第14卷全文. *

Also Published As

Publication number Publication date
CN112417656A (zh) 2021-02-26

Similar Documents

Publication Publication Date Title
Coppitters et al. Robust design optimization and stochastic performance analysis of a grid-connected photovoltaic system with battery storage and hydrogen storage
Magnor et al. Optimization of PV battery systems using genetic algorithms
CN112417656B (zh) 光储系统的能量调度策略的优化方法、装置和存储介质
CN103020853A (zh) 一种短期交易计划安全校核的方法
CN110521077B (zh) 具有逆变器输入电压控制的电源系统
Aaslid et al. Pricing electricity in constrained networks dominated by stochastic renewable generation and electric energy storage
Mohammed et al. Extended method for the sizing, energy management, and techno-economic optimization of autonomous solar Photovoltaic/Battery systems: Experimental validation and analysis
CN109787221A (zh) 一种微电网电能安全经济调度方法和系统
CN113852135A (zh) 一种虚拟电厂能源调度方法、装置、存储介质及平台
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
CN111523204A (zh) 一种并网型综合能源网电-气储能系统优化配置求解方法
Basheer et al. Investigating the optimal DOD and battery technology for hybrid energy generation models in cement industry using HOMER pro
CN102555830A (zh) 基于双储能单元的汽车供电系统和汽车供电控制方法
CN111082424B (zh) 一种综合能源及微电网系统可靠性预测方法及装置
CN113344732A (zh) 电化学储能的运营评估方法、装置、终端设备及存储介质
KR102284303B1 (ko) 이종 분산 자원과 연계된 에너지 저장 장치의 지능형 운전 방법 및 장치
JP2014045625A (ja) 蓄電システム
Gudelek et al. Load and PV generation forecast based cost optimization for nanogrids with PV and battery
CN113033136A (zh) 简化的光伏电池物理参数提取优化方法及系统
AU2020200492A1 (en) Operation plan creating apparatus, operation plan creating method, and program
Akyurek et al. Eco-dac energy control over divide and control
CN111416345B (zh) 考虑需求侧资源响应随机性的配电系统可靠性计算方法
CN116523193B (zh) 一种虚拟电厂储能调度方法、装置、电子设备及存储介质
Thatte et al. The Role of Extended Horizon Methodology in Renewable-Dense Grids With Inter-Day Long-Duration Energy Storage
CN117610801A (zh) 一种综合能源供能的碳排放优化方法及系统

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
GR01 Patent grant
GR01 Patent grant