CN112531751A - 一种建立灵活控制风电储能策略模型的方法 - Google Patents
一种建立灵活控制风电储能策略模型的方法 Download PDFInfo
- Publication number
- CN112531751A CN112531751A CN202011410629.5A CN202011410629A CN112531751A CN 112531751 A CN112531751 A CN 112531751A CN 202011410629 A CN202011410629 A CN 202011410629A CN 112531751 A CN112531751 A CN 112531751A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- wind power
- loss
- constraint
- strategy model
- 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
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
-
- 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
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
-
- 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)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种建立灵活控制风电储能策略模型的方法,包括考虑电池容量约束、额定功率约束、电池充放电功率波动约束、电池寿命约束,以储能系统介入后挽回的年风电损失占投资成本的比例最大化为目标函数,构建建立灵活控制风电储能策略模型。本发明辅助风电场合理配置储能容量和功率,同时辅助风电厂实时有效控制储能系统充放电功率,提高风电可控性和经济效益。
Description
技术领域
本发明属于风电储能技术领域,更具体的说是涉及一种建立灵活控制风电储能策略模型的方法。
背景技术
风力发电在新能源发电中占据重要地位,但由于风电具有不确定性、难预测性、可调度性差等特点,随着风电参与电力现货市场比例的提高,将对电网系统和电力市场稳定运行带来很大影响。
储能技术具有快速响应的能力,风电-储能结合对提高电网经济效益和风电利用率具有重要意义,如何结合风电储能系统的物理运行机制,设计风电储能系统经济性最优配置方案,灵活控制储能系统的充放电功率,提高风电利用率、延长储能电池使用寿命、提高年投资回报率是风电储能系统的核心问题。目前我国大部分风电场并未安装储能系统,如何最优配置储能系统参数、实时控制储能系统充放电功率也无系统性指导说明。
因此,如何提供一种建立灵活控制风电储能策略模型的方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种建立灵活控制风电储能策略模型的方法,辅助风电场合理配置储能容量和功率,同时辅助风电厂实时有效控制储能系统充放电功率,提高风电可控性和经济效益。
为了实现上述目的,本发明采用如下技术方案:
一种建立灵活控制风电储能策略模型的方法,考虑电池容量约束、额定功率约束、电池充放电功率波动约束、电池寿命约束,以储能系统介入后挽回的年风电损失占投资成本的比例最大化为目标函数,构建建立灵活控制风电储能策略模型。
优选的,风电损失包括偏差回收损失和超发损失;将风电市场分时偏差电量超出允许偏差范围的电量,纳入资金余缺处理,称为偏差回收损失;当风电市场实际电量高于预测电量,且标杆电价高于实际电价时,超发电量产生的风电损失称为超发损失。
优选的,偏差回收损失的计算方法如下:
当P1t>P2t×(1+λ)且Q1>Q2时,产生的偏差回收损失J1结算公式如下所示:
当P1t<P2t×(1-λ)且Q2>Q1时,产生的偏差回收损失J1结算公式如下所示:
其中,P1t为预测电量;P2t为实际电量;P3t为基数电量;Q1t为标杆电价;Q2t为实际电价;λ为偏差回收比例,Q1为全年标杆电价;Q2为全年实际电价。
优选的,超发损失的计算方法如下:
当P1t<P2t且Q1>Q2时,产生的超发损失J2结算公式如下所示:
优选的,比例最大化为目标函数,具体公式如下:
其中:
优选的,电池容量约束包括电池容量限制约束、额定功率约束、储能电池配置约束、电池充放电功率波动约束以及电池寿命约束。
优选的,建立灵活控制风电储能策略模型所需历史数据包括:风电场历史日前出清电量P1、实发电量P2、基数电量P3、标杆电价Q1、实时电价Q2。
优选的,在灵活风电储能控制过程中,短期风功率预测数据为每15min滚动预测未来24小时96个点功率;设选择初始时间窗口为24小时,每15min滚动优化,随着时间推移时间窗口逐渐缩短时间窗口L公式可根据下式计算得到:
其中,t表示风电场控制日前一天的待滚动优化时间窗口内的第一个时刻;t1时刻表示风电场控制日前一天的20:00;t2时刻表示风电场控制日前一天的24:00。
优选的,根据偏差回收损失和超发损失公式,以储能系统介入后在一定时间窗L内挽回的损失最大化为目标函数,具体公式如下所示:
对于灵活控制风电储能策略模型,确定目标函数、约束方程、时间窗内的输入数据后,采用CPLEX求解器,每15min分钟滚动优化下个时刻所在时间窗内所有时刻的充放电策略,设模型为f,第t时刻时间窗口L内的充放电策略可表示为:
本发明的有益效果在于:
本发明以挽回损失对应的年投资回报率最大化为目标函数,考虑电池容量限制、额定功率、储能电池配置等约束,确定额定容量和额定功率的最优组合方案,基于风电储能系统的物理运行机制,根据现货市场的价格信号采用储能系统对充放电功率进行实时控制,最终实现在一定长度的时间窗内利益最大化,以满足全局最优。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1附图为本发明风电储能策略模型介入后优化的电量结果图。
图2附图为本发明风电储能策略模型介入后优化的功率结果图。
图3附图为本发明风电储能策略模型介入后优化的电价结果图。
图4附图为本发明风电储能策略模型介入后优化的电量损失结果图。
图5附图为本发明数据上传示意图。
具体实施方式
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,所描述的实施例仅仅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。
风电储能容量越大,对电功率波动的控制效果越好,但蓄电池可能会长期处于电池充不满的状态,且相应的投资成本也会增加;风电储能容量越小,对电功率波动的控制效果越差,风力发电量大时多余的电得不到充分的存储利用,但相应的成本会降低,所以合理的配置储能系统至关重要。因此,本发明提供了一种建立灵活控制风电储能策略模型的方法,考虑电池容量约束、额定功率约束、电池充放电功率波动约束、电池寿命约束,以储能系统介入后挽回的年风电损失占投资成本的比例最大化为目标函数,构建建立灵活控制风电储能策略模型。
在电力现货交易市场中,实发电量和预测电量(也称为日前出清电量)的差异会造成风电损失,风电损失包括偏差回收损失和超发损失;将风电市场分时偏差电量超出允许偏差范围的电量,纳入资金余缺处理,称为偏差回收损失;当风电市场实际电量高于预测电量,且标杆电价高于实际电价时,超发电量产生的风电损失称为超发损失。
偏差回收损失的计算方法如下:
当P1t>P2t×(1+λ)且Q1>Q2时,产生的偏差回收损失J1结算公式如下所示:
当P1t<P2t×(1-λ)且Q2>Q1时,产生的偏差回收损失J1结算公式如下所示:
其中,P1t为预测电量;P2t为实际电量;P3t为基数电量;Q1t为标杆电价,一般为332元;Q2t为实际电价;λ为偏差回收比例,一般为0.5,Q1为全年标杆电价;Q2为全年实际电价。
本发明以储能系统介入后挽回的年损失占投资成本的比例(年投资回报率)最大化为目标函数,具体公式如下所示:
当P1t<P2t且Q1>Q2时,产生的超发损失J2结算公式如下所示:
比例最大化为目标函数,具体公式如下:
其中:
结合储能系统物理约束和实际风力发电场景,考虑到的约束方程包括:电池容量限制约束、额定功率约束、储能电池配置约束、电池充放电功率波动约束、电池寿命约束。
所需历史数据包括:风电场历史日前出清电量P1、实发电量P2、基数电量P3、全年标杆电价Q1、全年实时电价Q2。定义储能系统额定容量为S、额定功率为P,电池初始容量为S0,默认为电池额定容量的10%,S0=0.1*S0,t时刻电池剩余可用容量为St,电池充放电电量为ut,电池充放电功率表示为PESS,t。t+1时刻电池剩余可用容量可表示St+1=St+ut,t+1时刻储能介入后风电池实发电量可表示为P2′t=P2t-ut,电池充电时ut、PESS,t为正数,放电时ut、PESS,t为负数,储能电池充电表示风电场的多余发电量被存储利用,风电场实际发电量减小;储能电池放电表示释放部分电池电量使得风电场实际发电量增加。具体约束如下所示:
(1)电池容量限制约束
每个时刻电池剩余可用容量St不得超过电池最大容量Smax,不得低于电池最小剩余可用容量Smin,若电池剩余可用容量过低,对电池寿命损耗较大。
(2)额定功率约束
每个时刻电池充放电功率PESS,t大小受电池额定功率的约束。
(3)储能电池配置约束
储能电池额定容量S大于等于额定功率P。
(4)电池充放电功率波动约束
为保证平稳性运行,第t时刻的功率和t+1时刻的功率必须满足波动性要求。
(5)电池寿命约束
电池的使用寿命,满功率充放电次数一般在5000次左右。
以公式(4)最大化作为目标函数,式中分子表示储能介入后挽回的偏差回收损失和超发损失之和,分母表示储能系统总投资成本,整体表示储能系统介入后挽回的年损失占投资成本的比例。
确定目标函数和约束方程后,根据不同风电场的历史发电数据,使用CPLEX求解器,为不同发电厂定制化配置最优储能系统,实现风力发电长时间稳定运行和经济效益最优化。
由于风力发电受风力、风向等气象因素的影响,很难准确预测风电场实发电量,导致在现货市场中风电场日前出清电量(预测电量)与实发电量存在很大差异,通过储能系统在可能出现超发损失、偏差损失的时刻,尽可能缩小日前出清电量与实发电量的差异,降低损失。
随着储能技术的发展,针对风电场可以实时且有效的进行风电场实际功率调节。当风电场实际功率偏高时,储能系统可以通过充电,降低风电场实际功率;当风电场实际功率偏低时,储能系统可以通过放电,提高风电场实际功率。但如何控制每个时刻电池充放电功率是储能系统控制的难点。本发明基于风电储能系统的物理运行机制,根据现货市场的价格信号采用储能系统对充放电功率进行实时控制,最终实现在一定长度的时间窗内利益最大化,以满足全局最优。
灵活控制风电储能策略模型需要考虑电池容量限制容量约束、额定功率约束、电池充放电功率波动约束、电池寿命约束,具体约束同合理配置储能容量和功率模型约束。需要的数据源包括风电场控制日(也称为D日,即预测日)的日前出清电量P1、实发电量P2、基数电量P3、全年标杆电价Q1、全年实时电价Q2,风电场D日出清电量、基数电量一般会在前一日(D-1日)的晚上20点发布;实发电量P2可用超短期的风功率预测结果乘以时间段占比(若风功率预测结果为15min预测一次,则时间段占比为1/4)代替真实实发电量;标杆电价一般不变;D日实时电价无法获取,基于相似日法的LSTM神经网络模型滚动预测未来时刻的实时电价,具体输入输出变量如表1所示,相似日为D*日。表1为实时价格预测输入输出特征量。
表1
在风电储能灵活控制过程中,短期风功率预测数据为每15min滚动预测未来24小时96个点功率,D日其他数据可在D-1日晚20点得到,数据上传示意图如图5所示。设选择初始时间窗口为24小时,每15min滚动优化,随着时间推移时间窗口逐渐缩短,直至D日20点上传D+1日出清相关数据,时间窗口最大可延长为28小时,时间窗口L公式可根据公式(5)计算得到。
其中:
t表示D-1日待滚动优化时间窗口内的第一个时刻;t1时刻表示D-1日20:00;t2时刻表示D-1日24:00。
根据偏差回收损失和超发损失公式,以储能系统介入后在一定时间窗L内挽回的损失最大化为目标函数,具体公式如下所示:
对于灵活控制风电储能策略模型,确定目标函数、约束方程、时间窗内的输入数据后,采用CPLEX求解器,每15min分钟滚动优化下个时刻所在时间窗内所有时刻的充放电策略,设模型为f,第t时刻时间窗口L内的充放电策略可表示为:
向前滚动实时执行超前模式储能的充放电运行控制策略,把比较周期内各阶段以及下一个时期的预先安排有机地衔接起来,但实际只调整下个时刻的充放电策略,下个时刻以最新的实际数据优化未来时刻的策略,不断滚动优化修正实际充放电策略。
本发明以挽回损失对应的年投资回报率最大化为目标函数,考虑电池容量限制、额定功率、储能电池配置等约束,确定额定容量和额定功率的最优组合方案,基于风电储能系统的物理运行机制,根据现货市场的价格信号采用储能系统对充放电功率进行实时控制,最终实现在一定长度的时间窗内利益最大化,以满足全局最优。
应用例
根据山西某风电场(装机容量15万千瓦)八月份整月现货试运行数据,建立灵活控制风电储能策略模型,在配置20MW/30MWh储能装置场景下,按保守原则(以实际电量计),具体收益如表2所示,表2为储能介入前后的风电场损失结果汇总。从表中可以看出,8月整月原有偏差回收损失90.49万元,超发损失104.52万元,储能介入后偏差回收损失约53.46万元,储能介入后超发损失约78.54万元,偏差损失减少约37.04万元,超发损失减少约25.99万元,共减少损失约62.13万元。
某山西风电场8月24日储能介入后优化的结果图,从图1可以看出每个时刻的电池容量在最大最小容量间波动;从图2可以看出储能介入前后的功率数据波动趋势;从图3可以看出实时电价和标杆电价的分布差异;从图4可以看出储能介入前后的偏差回收损失和超发损失。
以时刻2:15数据举例说明,在图2中该时刻实际功率约为18MW,预测功率约为8MW,实际功率大于预测功率,图3中标杆电价大于实际电价,根据公式(3)说明存在超发损失,电池需要充电以降低风电场实际功率。当储能系统介入后,图1显示此时刻电池处于充电状态,使得图4中的超发损失由700元降低为0元。
以时间段4:15—11:15举例说明,在图2中预测功率大于(1+λ)*实际功率,且图3中标杆电价大于实际电价,根据公式(1)说明存在偏差回收损失,电池需要放电以增加风电场实际功率。当储能系统介入后,图1显示此时段电池一直处于放电状态,使得图4中的偏差回收损失均降为0元。
综上所述,说明灵活控制策略可以有效控制电池充放电容量,提高风电场收益,降低损失。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (9)
1.一种建立灵活控制风电储能策略模型的方法,其特征在于,考虑电池容量约束、额定功率约束、电池充放电功率波动约束、电池寿命约束,以储能系统介入后挽回的年风电损失占投资成本的比例最大化为目标函数,构建建立灵活控制风电储能策略模型。
2.根据权利要求1所述的一种建立灵活控制风电储能策略模型的方法,其特征在于,风电损失包括偏差回收损失和超发损失;将风电市场分时偏差电量超出允许偏差范围的电量,纳入资金余缺处理,称为偏差回收损失;当风电市场实际电量高于预测电量,且标杆电价高于实际电价时,超发电量产生的风电损失称为超发损失。
6.根据权利要求1所述的一种建立灵活控制风电储能策略模型的方法,其特征在于,电池容量约束包括电池容量限制约束、额定功率约束、储能电池配置约束、电池充放电功率波动约束以及电池寿命约束。
7.根据权利要求6所述的一种建立灵活控制风电储能策略模型的方法,其特征在于,建立灵活控制风电储能策略模型所需历史数据包括:风电场历史日前出清电量P1、实发电量P2、基数电量P3、标杆电价Q1、实时电价Q2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011410629.5A CN112531751B (zh) | 2020-12-04 | 2020-12-04 | 一种建立灵活控制风电储能策略模型的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011410629.5A CN112531751B (zh) | 2020-12-04 | 2020-12-04 | 一种建立灵活控制风电储能策略模型的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112531751A true CN112531751A (zh) | 2021-03-19 |
CN112531751B CN112531751B (zh) | 2023-01-17 |
Family
ID=74997706
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011410629.5A Active CN112531751B (zh) | 2020-12-04 | 2020-12-04 | 一种建立灵活控制风电储能策略模型的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112531751B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115276099A (zh) * | 2022-08-26 | 2022-11-01 | 中国华能集团清洁能源技术研究院有限公司 | 基于人工智能技术的风电场储能系统灵活控制方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120053750A1 (en) * | 2010-08-31 | 2012-03-01 | Vestas Wind Systems A/S | Optimization of energy storage device usage in wind energy applications |
CN102664423A (zh) * | 2012-05-30 | 2012-09-12 | 山东大学 | 基于粒子群算法的风电场储能容量控制方法 |
CN103715707A (zh) * | 2014-01-15 | 2014-04-09 | 国家电网公司 | 考虑电池寿命和过放现象的风电场储能容量优化方法 |
CN103779869A (zh) * | 2014-02-24 | 2014-05-07 | 国家电网公司 | 考虑荷电状态动态调整的储能电站容量优化计算方法 |
CN105071423A (zh) * | 2015-09-19 | 2015-11-18 | 东北电力大学 | 计及限风特性与经济性的储能系统容量配置方法 |
-
2020
- 2020-12-04 CN CN202011410629.5A patent/CN112531751B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120053750A1 (en) * | 2010-08-31 | 2012-03-01 | Vestas Wind Systems A/S | Optimization of energy storage device usage in wind energy applications |
CN102664423A (zh) * | 2012-05-30 | 2012-09-12 | 山东大学 | 基于粒子群算法的风电场储能容量控制方法 |
CN103715707A (zh) * | 2014-01-15 | 2014-04-09 | 国家电网公司 | 考虑电池寿命和过放现象的风电场储能容量优化方法 |
CN103779869A (zh) * | 2014-02-24 | 2014-05-07 | 国家电网公司 | 考虑荷电状态动态调整的储能电站容量优化计算方法 |
CN105071423A (zh) * | 2015-09-19 | 2015-11-18 | 东北电力大学 | 计及限风特性与经济性的储能系统容量配置方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115276099A (zh) * | 2022-08-26 | 2022-11-01 | 中国华能集团清洁能源技术研究院有限公司 | 基于人工智能技术的风电场储能系统灵活控制方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN112531751B (zh) | 2023-01-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Market-oriented optimal dispatching strategy for a wind farm with a multiple stage hybrid energy storage system | |
US20220407310A1 (en) | Intelligent energy management system for distributed energy resources and energy storage systems using machine learning | |
CN112529249B (zh) | 一种计及绿证交易的虚拟电厂优化调度及交易管理方法 | |
CN112865146A (zh) | 一种用户侧储能系统协调化运行策略的生成方法 | |
CN112531751B (zh) | 一种建立灵活控制风电储能策略模型的方法 | |
Li et al. | A scheduling framework for VPP considering multiple uncertainties and flexible resources | |
CN110866647A (zh) | 用户侧储能控制方法、装置、设备及存储介质 | |
CN110994639B (zh) | 一种电厂储能辅助调频的仿真定容方法、装置及设备 | |
CN112531773A (zh) | 一种新能源发电系统及其能量调控方法及装置 | |
CN113592507B (zh) | 一种电力现货交易月度收益仿真分析方法及装置 | |
He et al. | Research on intraday rolling optimal dispatch including pumped storage power station | |
JP7252116B2 (ja) | 再生可能エネルギー発電システム | |
CN111478325B (zh) | 一种氢-电混合储能微电网能量调度方法及系统 | |
Xia et al. | Energy storage sizing and operation of an integrated utility-scale PV+ ESS power plant | |
CN113629781A (zh) | 一种基于empc的多vpp日前日内协调优化方法及装置 | |
CN108258734B (zh) | 基于风功率区间预测的鲁棒最优调度方法 | |
Zhang et al. | A Flexible Control Strategy Model for Energy Storage System | |
CN112785068B (zh) | 一种超短期电量预测的最优窗口模型建立方法 | |
Lin et al. | Benefit Evaluation for Industrial Users Utilizing User-Side Energy Storages Participating Auxiliary Services | |
CN110930010B (zh) | 基于燃气机组的能源市场调度方法、系统和存储介质 | |
CN116247720B (zh) | 用于火储联合调频的控制装置及火储联合调频系统 | |
Yang et al. | Optimization Strategy of Wind Farm-Energy Storage Operation Considering Wind Power Output Assessment | |
JP7242084B2 (ja) | 再生可能エネルギーシステム、電力の取引方法 | |
CN115276099A (zh) | 基于人工智能技术的风电场储能系统灵活控制方法和装置 | |
CN117610848A (zh) | 一种考虑预测偏差的综合能源系统优化调度方法及其应用 |
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 |