CN112510679A - 分布式储能优化调度方法、装置、计算机设备和存储介质 - Google Patents

分布式储能优化调度方法、装置、计算机设备和存储介质 Download PDF

Info

Publication number
CN112510679A
CN112510679A CN202011148055.9A CN202011148055A CN112510679A CN 112510679 A CN112510679 A CN 112510679A CN 202011148055 A CN202011148055 A CN 202011148055A CN 112510679 A CN112510679 A CN 112510679A
Authority
CN
China
Prior art keywords
energy storage
state
charge
power
storage equipment
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
Application number
CN202011148055.9A
Other languages
English (en)
Other versions
CN112510679B (zh
Inventor
陈满
李勇琦
彭鹏
胡振恺
李毓烜
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.)
Peak and Frequency Regulation Power Generation Co of China Southern Power Grid Co Ltd
Original Assignee
Peak and Frequency Regulation Power Generation Co of China Southern Power Grid 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 Peak and Frequency Regulation Power Generation Co of China Southern Power Grid Co Ltd filed Critical Peak and Frequency Regulation Power Generation Co of China Southern Power Grid Co Ltd
Priority to CN202011148055.9A priority Critical patent/CN112510679B/zh
Publication of CN112510679A publication Critical patent/CN112510679A/zh
Application granted granted Critical
Publication of CN112510679B publication Critical patent/CN112510679B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请涉及一种分布式储能优化调度方法、装置、计算机设备和存储介质。通过获取储能设备的按照预设时间间隔分割为多个时间段的标准日负荷曲线，并根据该标准日负荷曲线，获取储能设备对应的多种信息，再将上述多种信息作为输入信息输入优化调度函数，获取优化调度函数的输出结果，其中优化调度函数用于根据输入信息对应的针对储能设备的调度约束，输出针对储能设备的功率调度的结果。相较于传统的对储能进行仿真等方法，本方案通过利用储能设备的标准日符合曲线，得到储能设备的多种信息，并将多种信息输入优化调度函数中，得到优化调度函数对储能设备的功率调度的输出结果，形成相应的目标调度计划，从而提高储能调度效率。

Description

分布式储能优化调度方法、装置、计算机设备和存储介质
技术领域
本申请涉及电力数据处理技术领域，特别是涉及一种分布式储能优化调度方法、装置、计算机设备和存储介质。
背景技术
分布式储能系统普遍应用于改善企业用户日用电功率曲线，从而节约企业用电成本。合理容量分布式储能系统的配置可通过需量管理和削峰填谷两种方法优化企业负荷曲线，从而实现降低企业用电成本的目的。随着储能电池价格大幅降低，更多的企业有意图对配置储能进行优化，因此有必要针对企业用户提出一种储能的优化调度方法。目前由于储能电池运行策略较为简单，无法充分能发挥储能的作用。
并且，经过现有技术的文献检索发现，基于优化调度的用户侧电池储能配置及控制方法(林俊豪,古雄文,马丽.基于优化调度的用户侧电池储能配置及控制方法[J].储能科学与技术,2018(7):90-99.)提出使用蓄电池储能为企业提供用电功率优化并给出了蓄电池充放电的控制方法，论文算例部分对文中所提出的蓄电池充放电优化控制策略进行仿真，得到了较好的用电功率曲线优化结果。
中国发明专利(申请号：20170031581.9)提出了一种结合光伏发电的分布式储能系统的控制方式，中国发明专利(申请号：201710031813.0)提出了结合光伏系统发电容量的储能系统优化配置方法并提出了针对该配置方法的储能系统充放电控制方案，中国发明专利(申请号：201710031219.1)提出了以实现经济效益最优为目标，结合光伏最大化消纳、削峰填谷、需量管理等因素的储能配置软件算法，以上提到的专利从不同的角度提出了分布式储能系统的配置、运行，优化了削峰填谷，需量管理等用户侧蓄电池配置盈利方式。
然而，上述文献没有实现动态适应逻辑判断，不能发挥储能的最大作用。因此目前的储能调度方法存在调度效率不高的缺陷。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高调度效率的分布式储能优化调度方法、装置、计算机设备和存储介质。
一种分布式储能优化调度方法，所述方法包括：
获取储能设备的标准日负荷曲线；所述标准日负荷曲线包括按照预设时间间隔分割的多个时间段；
根据按照预设时间间隔分割的多个时间段的标准日负荷曲线，获取针对所述储能设备对应的用户的最大需量、用电代价信息，以及获取所述储能设备的配置信息，作为优化调度函数的输入信息；所述优化调度函数用于根据所述输入信息对应的针对所述储能设备的调度约束，输出针对所述储能设备的功率调度的结果；所述调度约束包括针对所述储能设备的放电功率约束、充电功率约束、荷电状态约束、荷电状态转移约束以及用电代价约束；
将所述输入信息输入至所述优化调度函数，并获取所述优化调度函数的输出结果，作为所述储能设备的目标调度计划。
在其中一个实施例中，所述获取储能设备的标准日负荷曲线，包括：
判断所述储能设备对应的用户是否进行负荷预测；
若是，获取当前日期之后的预设日期的负荷曲线，作为所述标准日负荷曲线；
若否，获取所述储能设备对应的典型96点日负荷曲线，作为所述标准日负荷曲线。
在其中一个实施例中，所述根据按照预设时间间隔分割的多个时间段的标准日负荷曲线，获取针对所述储能设备对应的用户的最大需量，包括：
获取各个所述时间段中的平均用电功率，将最大的平均用电功率作为所述最大需量。
在其中一个实施例中，所述获取储能设备的标准日负荷曲线之后，包括：
获取各个所述时间段中，所述储能设备所处的状态；所述状态包括放电状态和充电状态；
根据各个所述放电状态，得到所述储能设备对应的放电状态列向量，根据各个所述充电状态，得到所述储能设备对应的充电状态列向量；所述放电状态列向量以及所述充电状态列向量的和小于等于1；
获取各个所述时间段中，所述储能设备对应的最大放电功率、最小放电功率、最大充电功率以及最小充电功率；
根据所述最小放电功率和所述放电状态列向量的乘积、以及所述最大放电功率和所述放电状态列向量的乘积，确定所述储能设备的放电功率约束；
根据所述最小充电功率和所述充电状态列向量的乘积、以及所述最大充电功率和所述充电状态列向量的乘积，确定所述储能设备的充电功率约束。
在其中一个实施例中，所述根据按照预设时间间隔分割的多个时间段的标准日负荷曲线，获取针对所述储能设备对应的用户的用电代价信息，包括：
获取各个所述时间段的平均用电代价信息，作为所述用户的用电代价信息。
在其中一个实施例中，所述获取储能设备的标准日负荷曲线之后，还包括：
根据所述储能设备的额定容量、各个所述时间段对应的充电功率和放电功率、充电效率以及放电效率，得到所述储能设备在各个所述时间段中的等效全循环次数；
根据所述等效全循环次数以及所述储能设备的建造成本，得到所述储能设备对应的充放循环损耗成本；
根据所述储能设备对应的每日运行成本、以及所述储能设备在每个生命周期的建造成本与所述充放循环损耗成本中的最大值，得到所述储能设备的运行成本，作为所述用电代价约束。
在其中一个实施例中，所述获取所述储能设备的配置信息，包括：
获取所述储能设备对应的起始荷电状态、最大荷电状态、最小荷电状态以及浮充寿命，作为所述配置信息。
在其中一个实施例中，所述获取所述储能设备的配置信息之后，还包括：
令所述标准日负荷曲线中起始时间对应的起始荷电状态与结束时间对应的结束荷电状态相等，作为第一子荷电状态约束；
根据所述标准日负荷曲线中的前一个时间段对应的荷电状态、所述储能设备对应的额定容量、前一个时间段对应的放电效率和前一个时间段对应的放电功率、以及前一个时间段对应的充电效率和前一个时间段对应的充电功率，得到所述前一个时间段对应的后一个时间段的荷电状态，作为第二子荷电状态约束；
令所述标准日负荷曲线中，当前荷电状态大于或等于所述最小荷电状态，以及小于或等于所述最大荷电状态，作为第三子荷电状态约束；
根据所述第一子荷电状态约束、所述第二子荷电状态约束以及所述第三子荷电状态约束，得到所述荷电状态约束。
在其中一个实施例中，所述将所述输入信息输入至所述优化调度函数，并获取所述优化调度函数的输出结果，作为所述储能设备的目标调度计划，包括：
根据各个所述时间段内的放电功率、充电功率、除去所述储能设备提供的电量后的负荷，得到第一斜坡函数；
根据所述用户对应的实际最大需量以及所述用户输入的预设最大需量，得到第二斜坡函数；所述实际最大需量大于或等于各个所述时间段中除去所述储能设备提供的电量后的负荷的最大值；
根据所述用电代价信息、所述第一斜坡函数、所述第二斜坡函数以及所述储能设备的运行成本，得到所述优化调度函数；
获取所述优化调度函数中，各个所述时间段内的最小充电功率以及最小放电功率；
根据所述各个所述时间段内的最小充电功率以及最小放电功率，得到对应的功率曲线，作为所述目标调度计划。
一种分布式储能优化调度装置，所述装置包括：
第一获取模块，用于获取储能设备的标准日负荷曲线；所述标准日负荷曲线包括按照预设时间间隔分割的多个时间段；
第二获取模块，用于根据按照预设时间间隔分割的多个时间段的标准日负荷曲线，获取针对所述储能设备对应的用户的最大需量、用电代价信息，以及获取所述储能设备的配置信息，作为优化调度函数的输入信息；所述优化调度函数用于根据所述输入信息对应的针对所述储能设备的调度约束，输出针对所述储能设备的功率调度的结果；所述调度约束包括针对所述储能设备的放电功率约束、充电功率约束、荷电状态约束、荷电状态转移约束以及用电代价约束；
调度模块，用于将所述输入信息输入至所述优化调度函数，并获取所述优化调度函数的输出结果，作为所述储能设备的目标调度计划。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法的步骤。
上述分布式储能优化调度方法、装置、计算机设备和存储介质，通过获取储能设备的按照预设时间间隔分割为多个时间段的标准日负荷曲线，并根据该标准日负荷曲线，获取储能设备对应的用户的最大需量、用电代价信息以及获取储能设备的配置信息，作为优化调度函数的输入信息，其中优化调度函数用于根据输入信息对应的针对储能设备的调度约束，输出针对储能设备的功率调度的结果，再将输入信息输入优化调度函数，获取优化调度函数的输出结果，作为储能设备的目标调度计划。相较于传统的对储能进行仿真等方法，本方案通过利用储能设备的标准日负荷曲线，得到储能设备的多种信息，并将多种信息输入优化调度函数中，得到优化调度函数对储能设备的功率调度的输出结果，形成相应的目标调度计划，从而实现提高储能调度效率的效果。
附图说明
图1为一个实施例中分布式储能优化调度方法的应用环境图；
图2为一个实施例中分布式储能优化调度方法的流程示意图；
图3为一个实施例中目标调度计划的结果示意图；
图4为一个实施例中储能设备负荷的示意图；
图5为另一个实施例中分布式储能优化调度方法的流程示意图；
图6为一个实施例中分布式储能优化调度装置的结构框图；
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请提供的分布式储能优化调度方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。终端102可以从本地获取储能设备的标准日负荷曲线，也可以从服务器104中获取储能设备的标准日负荷曲线，其中标准日负荷曲线中包括按照预设时间间隔分割的多个时间段，终端102还可以根据上述标准日负荷曲线，获取储能设备对应的用户的最大需量、用电代价信息以及储能设备的配置信息，作为输入信息，并将该输入信息输入至优化调度函数，使得优化调度函数可以根据输入信息对应的针对储能设备的调度约束，输入对储能设备的功率调度的输出结果，从而终端102可以得到储能设备的目标调度计划。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机和平板电脑，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种分布式储能优化调度方法，以该方法应用于图1中的终端为例进行说明，包括以下步骤：
步骤S202，获取储能设备的标准日负荷曲线；标准日负荷曲线包括按照预设时间间隔分割的多个时间段。
其中，标准日负荷曲线可以是用户的储能设备对应的预设时间段的负荷曲线，例如，24小时内的负荷曲线。该负荷曲线可以是具有典型特征的负荷曲线，即负荷曲线中的数值不全为极端数值，例如负荷曲线中不全为极小数值或不全为极大数值。终端102可以从服务器104中获取上述标准日负荷曲线，也可以从终端102本地获取标准日负荷曲线，其中标准日负荷曲线中可以包括按照预设时间间隔分割的多个时间段，例如，按照一个小时的间隔，将上述24小时内的符合曲线分割为多个时间段，标准日负荷曲线中的每个区间代表一个小时。终端102还可以根据用户的实际情况，获取不同类型的标准日负荷曲线。具体地，终端102可以判断储能设备对应的用户是否有负荷预测能力，即是否会进行负荷预测，若终端102判断为是，则终端102可以获取当前日期之后的预设日期的负荷曲线，例如第二天的负荷曲线，作为标准日负荷曲线；若终端判断为否，则终端102可以获取储能设备对应的典型96点日负荷曲线，作为标准日负荷曲线。其中，典型96点可以是将24小时，按照15分钟进行分割，得到96个节点，上述典型96点日负荷曲线可以是包括96个节点的负荷曲线，该曲线可以是预先设定的，符合负荷曲线的基本要求，且包含各种负荷情况的负荷曲线可以用于对储能设备进行优化调度。
步骤S204，根据按照预设时间间隔分割的多个时间段的标准日负荷曲线，获取针对储能设备对应的用户的最大需量、用电代价信息，以及获取储能设备的配置信息，作为优化调度函数的输入信息；优化调度函数用于根据输入信息对应的针对储能设备的调度约束，输出针对储能设备的功率调度的结果；调度约束包括针对储能设备的放电功率约束、充电功率约束、荷电状态约束、荷电状态转移约束以及用电代价约束。
其中，预设时间间隔可以根据实际情况设定，例如可以是15分钟，则上述标准日负荷曲线中的时间段的节点可以有96个。最大需量可以是针对用户用电的一种参数；用电代价信息可以是针对上述用户的电价信息，具体地，可以是用户的分时电价，分时电价是指按系统运行状况，将一天24小时划分为若干个时段，每个时段按系统运行的平均边际成本收取电费；储能设备可以是用于进行电能存储和放电的一种设备，例如蓄电池，储能设备的配置信息可以包括多种信息。
终端102可以获取针对储能设备对应的用户的最大需量，具体地，终端102可以获取上述标准日负荷曲线中，各个时间段的平均用电功率，并将在所有时间段内最大的平均用电功率，作为上述最大需量；终端102还可以获取储能设备对应的用户的用电代价信息，具体地，终端102可以获取上述标准日负荷曲线中，各个时间段的平均用电代价信息，作为用户的用电代价信息，即终端102可以按照每个时间段中，系统运行的平均边际成本得到电费信息；终端102还可以获取储能设备的配置信息，具体地，终端102可以获取储能设备的起始荷电状态、最大荷电状态、最小荷电状态以及浮充寿命，作为储能设备的配置信息，其中，荷电状态(SOC，state of charge)可以是指储能设备使用一段时间或长期搁置不用后的剩余容量与其完全充电状态的容量的比值，常用百分数表示，其取值范围为0～1，当SOC＝0时表示电池放电完全，当SOC＝1时表示电池完全充满。
优化调度函数可以是基于上述最大需量以及用电代价信息形成的函数，其中优化调度函数中的各个参数均可以有相应的约束条件，即调度约束，调度约束可以包括多种约束条件，例如，可以包括放电功率约束、充电功率约束、荷电状态约束、荷电状态转移约束以及用电代价约束等。其中，放电功率约束以及充电功率约束可以是针对充电功率以及放电功率的约束，荷电状态约束可以是针对各个时间段中的荷电状态的约束，荷电状态转移约束可以是针对荷电状态的切换次数的约束，用电代价约束可以是储能设备的运行成本的约束；上述每个约束均可根据对应的约束函数来实现。终端102可以将上述最大需量、用电代价信息以及配置信息，作为优化调度函数的输入信息，并基于上述多个约束，对优化调度函数进行求解，从而得到优化调度函数针对储能设备的功率调度的输出结果。
步骤S206，将输入信息输入至优化调度函数，并获取优化调度函数的输出结果，作为储能设备的目标调度计划。
其中，优化调度函数可以是上述用于得到针对储能设备的功率调度结果的函数，终端102可以将上述输入信息，包括上述最大需量、用电代价信息以及配置信息，输入上述优化调度函数，并获取优化调度函数的输出结果，从而得到储能设备的目标调度计划。其中输出结果包括储能设备在各个时间段的最优充放电负荷。
终端102可以基于上述优化调度函数的输出结果，得到储能设备对应的最优充放电计划，如图3所示，图3为一个实施例中目标调度计划的结果示意图。最优充放电计划包括由储能设备在各个时间段的充电负荷和放电负荷形成的充放电曲线，该曲线表征储能设备在标准日中的充放电计划。又如图4所示，图4为一个实施例中储能设备负荷的示意图。可见经过优化调整函数调整后的储能设备的负荷整体优于未经调整的负荷。
上述分布式储能优化调度方法中，通过获取储能设备的按照预设时间间隔分割为多个时间段的标准日负荷曲线，并根据该标准日负荷曲线，获取储能设备对应的用户的最大需量、用电代价信息以及获取储能设备的配置信息，作为优化调度函数的输入信息，其中优化调度函数用于根据输入信息对应的针对储能设备的调度约束，输出针对储能设备的功率调度的结果，再将输入信息输入优化调度函数，获取优化调度函数的输出结果，作为储能设备的目标调度计划。相较于传统的对储能进行仿真等方法，本方案通过利用储能设备的标准日符合曲线，得到储能设备的多种信息，并将多种信息输入优化调度函数中，得到优化调度函数对储能设备的功率调度的输出结果，形成相应的目标调度计划，从而实现提高储能调度效率的效果。
在一个实施例中，获取储能设备的标准日负荷曲线之后，包括：获取各个时间段中，储能设备所处的状态；状态包括放电状态和充电状态；根据各个放电状态，得到储能设备对应的放电状态列向量，根据各个充电状态，得到储能设备对应的充电状态列向量；放电状态列向量以及充电状态列向量的和小于等于1；获取各个时间段中，储能设备对应的最大放电功率、最小放电功率、最大充电功率以及最小充电功率；根据最小放电功率和放电状态列向量的乘积、以及最大放电功率和放电状态列向量的乘积，确定储能设备的放电功率约束；根据最小充电功率和充电状态列向量的乘积、以及最大充电功率和充电状态列向量的乘积，确定储能设备的充电功率约束。
本实施例中，终端102可以根据储能设备的充放电状态以及充放电功率，确定储能设备的充放电功率约束。终端102可以获取各个时间段中，储能设备所处的状态，例如放电状态或充电状态，并根据放电状态，得到对应的放电状态列向量，根据充电状态，得到对应的充电状态列向量，其中放电状态列向量和充电状态列向量的和小于或等于1。终端102还可以获取上述标准日负荷曲线中，在所有时间段中的最大放电功率、最小放电功率、最大充电功率以及最小充电功率；并根据最小放电功率和放电状态列向量的乘积，以及最大放电功率和放电状态列向量的乘积，确定放电功率约束；再根据最小充电功率和充电状态列向量，以及最大充电功率和充电状态列向量的乘积，确定充电功率约束。具体地，充放电状态约束以及充放电功率约束的具体公式可以如下所示；
Figure BDA0002740322550000101
其中，Id和Ic分别为表征储能每个时段是否处于放电状态和充电状态的0至1变量组成的列向量；1为实数1组成的列向量。Pd和Pc分别为每个时段储能的放电功率和充电功率组成的列向量。⊙表示向量对应位置的元素相乘；Pc，max为最大充电功率，单位为：kW。Pd，min为最小充电功率，单位为：kW。Pd，max为最大放电功率，单位为：kW。Pd，min为最小放电功率，单位为：kW。即储能设备的充电功率和放电功率均需符合上述公式中的约束条件。
另外，储能设备的充放电状态切换次数也存在响应的约束条件，具体地，放电状态的约束公式可以如下所示：
Figure BDA0002740322550000102
充电状态的约束公式可以如下所示：
Figure BDA0002740322550000103
其中，β可以是预先设置的储能设备的最大允许充放电切换次数。Id，t可以是储能设备在负荷曲线中，处于放电状态的时间段；Id，t+1可以是相较于Id，t，储能设备在负荷曲线中，下一个处于放电状态的时间段；Ic，t可以是储能设备在负荷曲线中，处于充电状态的时间段；Ic，t+1可以是相较于Ic，t，储能设备在负荷曲线中，下一个处于充电状态的时间段。
通过本实施例，终端102可以根据储能设备的充放电状态、充放电功率，得到储能设备对应的放电功率约束和充电功率约束，从而提高了储能设备优化调度的效率。
在一个实施例中，获取储能设备的标准日负荷曲线之后，还包括：根据储能设备的额定容量、各个时间段对应的充电功率和放电功率、充电效率以及放电效率，得到储能设备在各个时间段中的等效全循环次数；根据等效全循环次数以及储能设备的建造成本，得到储能设备对应的充放循环损耗成本；根据储能设备对应的每日运行成本、以及储能设备在每个生命周期的建造成本与充放循环损耗成本中的最大值，得到储能设备的运行成本，作为用电代价约束。
本实施例中，终端102可以在得到上述标准日负荷曲线后，对储能设备额进行存储成本，即用电代价约束。终端102可以获取储能设备的额定容量、各个时间段内对应的充电功率和放电循环、充电效率以及放电效率，得到储能设备在各个时间段中的等效全循环次数。终端102还可以根据等效全循环次数以及储能设备的建造成本，得到储能设备对应的充放循环损耗成本。终端102还可以根据储能设备对应的每日运行成本，以及储能设备在每个生命周期的建造成本与充放循环损耗成本中的最大值，得到储能设备的运行成本，作为上述用电代价约束。具体地，用电代价约束的具体公式可以是如下所示：
Figure BDA0002740322550000111
其中，Cess为储能设备的运行成本；πess为储能设备的单位容量投资成本，单位为：元/kWh；Ccap为储能设备的容量，单位为：kWh；Tfloat为储能的浮充寿命，单位为：天；
Figure BDA0002740322550000112
为储能设备的充放循环损耗成本；COPEX为储能的日运维成本，单位为：元/天；Neq，t为储能在t时段的等效全循环次数；kp为拟合的储能特性参数；ηc为充电效率，单位为：％；ηd为放电效率，单位为：％；Pd，t，Pc，t为决策变量，其的值为储能的最优充放电计划曲线。
通过本实施例，终端102可以根据储能设备的多种成本，以及储能设备的配置信息，确定储能设备的用电代价约束，从而可以实现提高储能设备的调度效率的效果。
在一个实施例中，获取储能设备的配置信息之后，还包括：令标准日负荷曲线中起始时间对应的起始荷电状态与结束时间对应的结束荷电状态相等，作为第一子荷电状态约束；根据标准日负荷曲线中的前一个时间段对应的荷电状态、储能设备对应的额定容量、前一个时间段对应的放电效率和前一个时间段对应的放电功率、以及前一个时间段对应的充电效率和前一个时间段对应的充电功率，得到前一个时间段对应的后一个时间段的荷电状态，作为第二子荷电状态约束；令标准日负荷曲线中，当前荷电状态大于或等于最小荷电状态，以及小于或等于最大荷电状态，作为第三子荷电状态约束；根据第一子荷电状态约束、第二子荷电状态约束以及第三子荷电状态约束，得到荷电状态约束。
本实施例中，终端102可以根据储能设备的配置信息，对储能设别的荷电状态约束进行计算，具体地，储能设备的荷电状态相关约束可以如下式所示：
Figure BDA0002740322550000121
其中，St为t时段的储能荷电状态；St+1为针对St的下一时间段的荷电状态；Δt表征每个时段的区间长度，例如以1个小时为1个时段时，Δt取1；σees为每小时自放电率，单位为：％；Smax为允许的荷电状态上限，单位为：％；Smin为允许的荷电状态下限，单位为：％；另外，终端102还可以用Sstart表示起始荷电状态，单位为：％，使用α表示最大需量裕度系数，单位为：％。
即终端102可以令负荷曲线中，前一个时间段对应的荷电状态与结束时间对应的结束荷电状态相等，得到上述第一子荷电状态约束；终端102还可以根据前一个时间段对应的荷电状态、储能设备对应的额定容量、前一个时间段对应的放电效率和前一个时间段对应的放电功率、以及前一个时间段对应的充电效率和前一个时间段对应的充电功率，得到前一个时间段对应的后一个时间段的荷电状态，即上述St+1的荷电状态，作为第二子荷电状态约束；终端102还可以标准日负荷曲线中，当前荷电状态大于或等于最小荷电状态，以及小于或等于最大荷电状态，作为第三子荷电状态约束，即上述Smin≤St≤Smax。终端102可以根据上述第一子荷电状态约束、第二子荷电状态约束以及第三子荷电状态约束，得到上述储能设备的荷电状态约束。
通过本实施例，终端102可以基于储能设备的荷电状态预设参数，确定储能设备在负荷曲线中各个时间段的荷电状态，从而提高了储能设备的调度效率。
在一个实施例中，将输入信息输入至优化调度函数，并获取优化调度函数的输出结果，作为储能设备的目标调度计划，包括：根据各个时间段内的放电功率、充电功率、除去储能设备提供的电量后的负荷，得到第一斜坡函数；根据用户对应的实际最大需量以及用户输入的预设最大需量，得到第二斜坡函数；实际最大需量大于或等于各个时间段中除去储能设备提供的电量后的负荷的最大值；根据用电代价信息、第一斜坡函数、第二斜坡函数以及储能设备的运行成本，得到优化调度函数；获取优化调度函数中，各个时间段内的最小充电功率以及最小放电功率；根据各个所述时间段内的最小充电功率以及最小放电功率，得到对应的功率曲线，作为目标调度计划。
本实施例中，终端102可以将用户申报的最大需量、储能设备的用电代价信息以及储能设备的配置信息，输入优化调度函数，从而得到优化函数针对储能设备的功率调度的输出结果。其中，优化调度函数中可以包括多个斜坡函数，第一斜坡函数可以是基于各个时间段的充电功率和放电功率的斜坡函数，第二斜坡函数可以是基于用户的实际最大需量和用户申报的最大需量的斜坡函数。终端102可以根据用电代价信息、第一斜坡函数、第二斜坡函数以及储能设备的运行成本，得到优化调度函数，并获取优化调度函数中，各个时间段内的最小充电功率以及最小放电功率；根据各个所述时间段内的最小充电功率以及最小放电功率，得到对应的功率曲线，作为目标调度计划。
具体地，优化调度函数可以如下式所示：
Figure BDA0002740322550000131
Pmax≥max{Pt}；
其中，|x|+表示单位斜坡函数max{0，x}；Pd，t，Pc，t为决策变量，其的值为储能的最优充放电计划曲线；Pt为t时段的负荷功率，单位为：kW；πt为t时段的电价，单位为：元/kWh；Cess为储能设备的运行成本；πp为最大需量超额惩罚项系数，单位为：元/kW；Pmax为上述用户的实际最大需量，单位为：kW，D为上述用户申报的最大需量，单位为：kW。终端102可以求解上述混合整数规划问题，从而得到储能设备的最优充放电计划曲线。
通过本实施例，终端102可以根据基于功率和最大需量得到的多个斜坡函数，以及用电成本等信息，得到最优的储能设备的充放电计划，从而提高了储能设备的调度效率。
在一个实施例中，如图5所示，图5为另一个实施例中分布式储能优化调度方法的流程示意图。本实施例中，终端102可以首先判断用户是否有预测能力，若是，则获取第二天的负荷曲线，作为标准日负荷曲线；若否，则获取典型96点日负荷曲线，作为标准日负荷曲线；终端102还可以获取最大需量以及用电代价信息，即电价信息，以及储能设备的配置信息，并根据上述负荷标准日负荷曲线、电价信息、最大需量以及储能配置，生成MIP(mixedinteger programming，混合整数规划)问题，即将上述信息输入优化调度函数中，终端102可以在优化调度函数中，按照储能设备的数量，逐个添加储能输出功率约束，即放电约束、储能SOC状态约束，即荷电状态约束、储能充放状态约束以及储能充放状态最大变化次数约束，重复该流程直到每个储能设备均添加完成；终端102可以对优化调度函数进行求解，还可以在目标函数，即上述优化调度函数中，添加最大需量超额惩罚项、各个时间段的支出电费项以及储能设备的运行成本项，并获取优化调度函数的输出结果，从而得到储能设备的最优充放电计划。
通过本实施例，终端102通过利用储能设备的标准日符合曲线，得到储能设备的多种信息，并将多种信息输入优化调度函数中，得到优化调度函数对储能设备的功率调度的输出结果，形成相应的目标调度计划，从而提高储能调度效率。
应该理解的是，虽然图2与图5的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图2与图5中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图6所示，提供了一种分布式储能优化调度装置，包括：第一获取模块500、第二获取模块502和调度模块504，其中：
第一获取模块500，用于获取储能设备的标准日负荷曲线；标准日负荷曲线包括按照预设时间间隔分割的多个时间段。
第二获取模块502，用于根据按照预设时间间隔分割的多个时间段的标准日负荷曲线，获取针对储能设备对应的用户的最大需量、用电代价信息，以及获取储能设备的配置信息，作为优化调度函数的输入信息；优化调度函数用于根据输入信息对应的针对储能设备的调度约束，输出针对储能设备的功率调度的结果；调度约束包括针对储能设备的放电功率约束、充电功率约束、荷电状态约束、荷电状态转移约束以及用电代价约束。
调度模块504，用于将输入信息输入至优化调度函数，并获取优化调度函数的输出结果，作为储能设备的目标调度计划。
在一个实施例中，上述第一获取模块500，具体用于判断储能设备对应的用户是否进行负荷预测；若是，获取当前日期之后的预设日期的负荷曲线，作为标准日负荷曲线；若否，获取储能设备对应的典型96点日负荷曲线，作为标准日负荷曲线。
在一个实施例中，上述第二获取模块502，具体用于获取各个时间段中的平均用电功率，将最大的平均用电功率作为最大需量。
在一个实施例中，上述装置还包括：第一约束获取模块，用于获取各个时间段中，储能设备所处的状态；状态包括放电状态和充电状态；根据各个放电状态，得到储能设备对应的放电状态列向量，根据各个充电状态，得到储能设备对应的充电状态列向量；放电状态列向量以及充电状态列向量的和小于等于1；获取各个时间段中，储能设备对应的最大放电功率、最小放电功率、最大充电功率以及最小充电功率；根据最小放电功率和放电状态列向量的乘积、以及最大放电功率和放电状态列向量的乘积，确定储能设备的放电功率约束；根据最小充电功率和充电状态列向量的乘积、以及最大充电功率和充电状态列向量的乘积，确定储能设备的充电功率约束。
在一个实施例中，上述第二获取模块502，具体用于获取各个时间段的平均用电代价信息，作为用户的用电代价信息。
在一个实施例中，上述装置还包括：第二约束获取模块，用于根据储能设备的额定容量、各个时间段对应的充电功率和放电功率、充电效率以及放电效率，得到储能设备在各个时间段中的等效全循环次数；根据等效全循环次数以及储能设备的建造成本，得到储能设备对应的充放循环损耗成本；根据储能设备对应的每日运行成本、以及储能设备在每个生命周期的建造成本与充放循环损耗成本中的最大值，得到储能设备的运行成本，作为用电代价约束。
在一个实施例中，上述第二获取模块502，具体用于获取储能设备对应的起始荷电状态、最大荷电状态、最小荷电状态以及浮充寿命，作为配置信息。
在一个实施例中，上述装置还包括：第三约束获取模块，用于令标准日负荷曲线中起始时间对应的起始荷电状态与结束时间对应的结束荷电状态相等，作为第一子荷电状态约束；根据标准日负荷曲线中的前一个时间段对应的荷电状态、储能设备对应的额定容量、前一个时间段对应的放电效率和前一个时间段对应的放电功率、以及前一个时间段对应的充电效率和前一个时间段对应的充电功率，得到前一个时间段对应的后一个时间段的荷电状态，作为第二子荷电状态约束；令标准日负荷曲线中，当前荷电状态大于或等于最小荷电状态，以及小于或等于最大荷电状态，作为第三子荷电状态约束；根据第一子荷电状态约束、第二子荷电状态约束以及第三子荷电状态约束，得到荷电状态约束。
在一个实施例中，上述调度模块504，具体用于根据各个时间段内的放电功率、充电功率、除去储能设备提供的电量后的负荷，得到第一斜坡函数；根据用户对应的实际最大需量以及用户输入的预设最大需量，得到第二斜坡函数；实际最大需量大于或等于各个时间段中除去储能设备提供的电量后的负荷的最大值；根据用电代价信息、第一斜坡函数、第二斜坡函数以及储能设备的运行成本，得到优化调度函数；获取优化调度函数中，各个时间段内的最小充电功率以及最小放电功率；根据各个所述时间段内的最小充电功率以及最小放电功率，得到对应的功率曲线，作为目标调度计划。
关于分布式储能优化调度装置的具体限定可以参见上文中对于分布式储能优化调度方法的限定，在此不再赘述。上述分布式储能优化调度装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种分布式储能优化调度方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述的分布式储能优化调度方法。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述的分布式储能优化调度方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (12)

1.一种分布式储能优化调度方法，其特征在于，所述方法包括：
获取储能设备的标准日负荷曲线；所述标准日负荷曲线包括按照预设时间间隔分割的多个时间段；
根据按照预设时间间隔分割的多个时间段的标准日负荷曲线，获取针对所述储能设备对应的用户的最大需量、用电代价信息，以及获取所述储能设备的配置信息，作为优化调度函数的输入信息；所述优化调度函数用于根据所述输入信息对应的针对所述储能设备的调度约束，输出针对所述储能设备的功率调度的结果；所述调度约束包括针对所述储能设备的放电功率约束、充电功率约束、荷电状态约束、荷电状态转移约束以及用电代价约束；
将所述输入信息输入至所述优化调度函数，并获取所述优化调度函数的输出结果，作为所述储能设备的目标调度计划。
2.根据权利要求1所述的方法，其特征在于，所述获取储能设备的标准日负荷曲线，包括：
判断所述储能设备对应的用户是否进行负荷预测；
若是，获取当前日期之后的预设日期的负荷曲线，作为所述标准日负荷曲线；
若否，获取所述储能设备对应的典型96点日负荷曲线，作为所述标准日负荷曲线。
3.根据权利要求1所述的方法，其特征在于，所述根据按照预设时间间隔分割的多个时间段的标准日负荷曲线，获取针对所述储能设备对应的用户的最大需量，包括：
获取各个所述时间段中的平均用电功率，将最大的平均用电功率作为所述最大需量。
4.根据权利要求1所述的方法，其特征在于，所述获取储能设备的标准日负荷曲线之后，包括：
获取各个所述时间段中，所述储能设备所处的状态；所述状态包括放电状态和充电状态；
根据各个所述放电状态，得到所述储能设备对应的放电状态列向量，根据各个所述充电状态，得到所述储能设备对应的充电状态列向量；所述放电状态列向量以及所述充电状态列向量的和小于等于1；
获取各个所述时间段中，所述储能设备对应的最大放电功率、最小放电功率、最大充电功率以及最小充电功率；
根据所述最小放电功率和所述放电状态列向量的乘积、以及所述最大放电功率和所述放电状态列向量的乘积，确定所述储能设备的放电功率约束；
根据所述最小充电功率和所述充电状态列向量的乘积、以及所述最大充电功率和所述充电状态列向量的乘积，确定所述储能设备的充电功率约束。
5.根据权利要求1所述的方法，其特征在于，所述根据按照预设时间间隔分割的多个时间段的标准日负荷曲线，获取针对所述储能设备对应的用户的用电代价信息，包括：
获取各个所述时间段的平均用电代价信息，作为所述用户的用电代价信息。
6.根据权利要求1所述的方法，其特征在于，所述获取储能设备的标准日负荷曲线之后，还包括：
根据所述储能设备的额定容量、各个所述时间段对应的充电功率和放电功率、充电效率以及放电效率，得到所述储能设备在各个所述时间段中的等效全循环次数；
根据所述等效全循环次数以及所述储能设备的建造成本，得到所述储能设备对应的充放循环损耗成本；
根据所述储能设备对应的每日运行成本、以及所述储能设备在每个生命周期的建造成本与所述充放循环损耗成本中的最大值，得到所述储能设备的运行成本，作为所述用电代价约束。
7.根据权利要求1所述的方法，其特征在于，所述获取所述储能设备的配置信息，包括：
获取所述储能设备对应的起始荷电状态、最大荷电状态、最小荷电状态以及浮充寿命，作为所述配置信息。
8.根据权利要求7所述的方法，其特征在于，所述获取所述储能设备的配置信息之后，还包括：
令所述标准日负荷曲线中起始时间对应的起始荷电状态与结束时间对应的结束荷电状态相等，作为第一子荷电状态约束；
根据所述标准日负荷曲线中的前一个时间段对应的荷电状态、所述储能设备对应的额定容量、前一个时间段对应的放电效率和前一个时间段对应的放电功率、以及前一个时间段对应的充电效率和前一个时间段对应的充电功率，得到所述前一个时间段对应的后一个时间段的荷电状态，作为第二子荷电状态约束；
令所述标准日负荷曲线中，当前荷电状态大于或等于所述最小荷电状态，以及小于或等于所述最大荷电状态，作为第三子荷电状态约束；
根据所述第一子荷电状态约束、所述第二子荷电状态约束以及所述第三子荷电状态约束，得到所述荷电状态约束。
9.根据权利要求1所述的方法，其特征在于，所述将所述输入信息输入至所述优化调度函数，并获取所述优化调度函数的输出结果，作为所述储能设备的目标调度计划，包括：
根据各个所述时间段内的放电功率、充电功率、除去所述储能设备提供的电量后的负荷，得到第一斜坡函数；
根据所述用户对应的实际最大需量以及所述用户输入的预设最大需量，得到第二斜坡函数；所述实际最大需量大于或等于各个所述时间段中除去所述储能设备提供的电量后的负荷的最大值；
根据所述用电代价信息、所述第一斜坡函数、所述第二斜坡函数以及所述储能设备的运行成本，得到所述优化调度函数；
获取所述优化调度函数中，各个所述时间段内的最小充电功率以及最小放电功率；
根据所述各个所述时间段内的最小充电功率以及最小放电功率，得到对应的功率曲线，作为所述目标调度计划。
10.一种分布式储能优化调度装置，其特征在于，所述装置包括：
第一获取模块，用于获取储能设备的标准日负荷曲线；所述标准日负荷曲线包括按照预设时间间隔分割的多个时间段；
第二获取模块，用于根据按照预设时间间隔分割的多个时间段的标准日负荷曲线，获取针对所述储能设备对应的用户的最大需量、用电代价信息，以及获取所述储能设备的配置信息，作为优化调度函数的输入信息；所述优化调度函数用于根据所述输入信息对应的针对所述储能设备的调度约束，输出针对所述储能设备的功率调度的结果；所述调度约束包括针对所述储能设备的放电功率约束、充电功率约束、荷电状态约束、荷电状态转移约束以及用电代价约束；
调度模块，用于将所述输入信息输入至所述优化调度函数，并获取所述优化调度函数的输出结果，作为所述储能设备的目标调度计划。
11.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
CN202011148055.9A 2020-10-23 2020-10-23 分布式储能优化调度方法、装置、计算机设备和存储介质 Active CN112510679B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011148055.9A CN112510679B (zh) 2020-10-23 2020-10-23 分布式储能优化调度方法、装置、计算机设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011148055.9A CN112510679B (zh) 2020-10-23 2020-10-23 分布式储能优化调度方法、装置、计算机设备和存储介质

Publications (2)

Publication Number Publication Date
CN112510679A true CN112510679A (zh) 2021-03-16
CN112510679B CN112510679B (zh) 2023-03-28

Family

ID=74954202

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011148055.9A Active CN112510679B (zh) 2020-10-23 2020-10-23 分布式储能优化调度方法、装置、计算机设备和存储介质

Country Status (1)

Country Link
CN (1) CN112510679B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114899849A (zh) * 2022-05-23 2022-08-12 东旭蓝天智慧能源科技有限公司 一种储能设备的负荷调度方法、装置、设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523079A (zh) * 2018-11-16 2019-03-26 国网辽宁省电力有限公司葫芦岛供电公司 一种利用电动汽车和蓄热电锅炉联合辅助调峰的优化方法
CN110086187A (zh) * 2019-05-30 2019-08-02 东北电力大学 计及负荷特性的储能调峰日前优化调度方法
CN110889600A (zh) * 2019-11-13 2020-03-17 国家电网有限公司 一种考虑柔性热负荷的区域综合能源系统优化调度方法
CN111384719A (zh) * 2020-03-17 2020-07-07 国网江苏省电力有限公司经济技术研究院 一种光伏并网时的分布式储能电站削峰填谷优化调度方法
CN111652405A (zh) * 2020-02-20 2020-09-11 贵州电网有限责任公司 一种电动汽车充放电策略和电网侧分时电价的双层优化方法
CN111680829A (zh) * 2020-05-25 2020-09-18 广东电网有限责任公司 一种考虑充放成本的分布式储能集群调度方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523079A (zh) * 2018-11-16 2019-03-26 国网辽宁省电力有限公司葫芦岛供电公司 一种利用电动汽车和蓄热电锅炉联合辅助调峰的优化方法
CN110086187A (zh) * 2019-05-30 2019-08-02 东北电力大学 计及负荷特性的储能调峰日前优化调度方法
CN110889600A (zh) * 2019-11-13 2020-03-17 国家电网有限公司 一种考虑柔性热负荷的区域综合能源系统优化调度方法
CN111652405A (zh) * 2020-02-20 2020-09-11 贵州电网有限责任公司 一种电动汽车充放电策略和电网侧分时电价的双层优化方法
CN111384719A (zh) * 2020-03-17 2020-07-07 国网江苏省电力有限公司经济技术研究院 一种光伏并网时的分布式储能电站削峰填谷优化调度方法
CN111680829A (zh) * 2020-05-25 2020-09-18 广东电网有限责任公司 一种考虑充放成本的分布式储能集群调度方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114899849A (zh) * 2022-05-23 2022-08-12 东旭蓝天智慧能源科技有限公司 一种储能设备的负荷调度方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN112510679B (zh) 2023-03-28

Similar Documents

Publication Publication Date Title
Thatte et al. Towards a unified operational value index of energy storage in smart grid environment
Zhao et al. Optimal home energy management under hybrid photovoltaic‐storage uncertainty: a distributionally robust chance‐constrained approach
CN110429653B (zh) 考虑储能和dr的农网分布式光伏消纳方法及终端设备
Lu et al. Data-driven stochastic programming for energy storage system planning in high PV-penetrated distribution network
CN111898805A (zh) 一种储能系统容量配置方法、装置、配置设备和存储介质
CN111697625A (zh) 基于分布鲁棒优化的孤岛微电网机会约束能量调度方法
Hou et al. Data-driven economic dispatch for islanded micro-grid considering uncertainty and demand response
CN115829134B (zh) 面向源网荷不确定性的供电调度方法及系统
CN115733168A (zh) 储能充放电管理方法、系统、控制终端及存储介质
Wang et al. A hierarchical control algorithm for managing electrical energy storage systems in homes equipped with PV power generation
CN113852135A (zh) 一种虚拟电厂能源调度方法、装置、存储介质及平台
CN116470543A (zh) 一种虚拟电厂的运行控制方法、装置、设备及介质
CN117477557A (zh) 一种虚拟电厂调峰优化调度方法、系统、电子设备及介质
Cui et al. An optimal energy co-scheduling framework for smart buildings
CN112510679B (zh) 分布式储能优化调度方法、装置、计算机设备和存储介质
CN111126882A (zh) 虚拟变电站调度方法及终端设备
CN110866647A (zh) 用户侧储能控制方法、装置、设备及存储介质
CN114118532A (zh) 孤岛微网的调度方法、装置、计算机设备、存储介质
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
CN115313519A (zh) 一种配电网储能优化配置方法、装置、设备及存储介质
CN115130842A (zh) 风光火一体化基地配置方法及装置
CN112633771B (zh) 电力资源数值计算方法、装置、计算机设备和存储介质
CN114358361A (zh) 一种计及需求响应的微电网多时间尺度优化调度方法
CN112564151A (zh) 一种计及隐私意识的多微网云储能优化调度方法及系统
CN111445154A (zh) 一种电力市场资源自调度优化方法、系统以及设备

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