CN112688347B - 一种电网负荷波动的平缓系统和方法 - Google Patents
一种电网负荷波动的平缓系统和方法 Download PDFInfo
- Publication number
- CN112688347B CN112688347B CN202110035382.1A CN202110035382A CN112688347B CN 112688347 B CN112688347 B CN 112688347B CN 202110035382 A CN202110035382 A CN 202110035382A CN 112688347 B CN112688347 B CN 112688347B
- Authority
- CN
- China
- Prior art keywords
- load
- time
- data center
- energy storage
- power grid
- 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
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000009499 grossing Methods 0.000 title claims abstract description 26
- 238000004146 energy storage Methods 0.000 claims description 60
- 230000004927 fusion Effects 0.000 claims description 10
- 238000007599 discharging Methods 0.000 claims description 9
- 238000005457 optimization Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims 1
- 230000006870 function Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Abstract
本发明公开一种电网负荷波动的平缓系统和方法,所述方法包括以下步骤:采集所监控的电网的总负载和在某个时刻t的实际负荷和影响所述电网的影响负荷在一预定时间内的总量;按照预定的预测模型预测在t=m+1时刻的实际负荷和影响所述电网的影响负荷在一预定时间内的总量;根据至少一所述约束条件,且以m+1时刻已知实际负荷和影响所述电网的影响负荷之和与已知的m时刻内任取的一对比时刻的一已知实际负荷和影响所述电网的影响负荷之和的方差的最小值为目标函数,通过预设的求解模型,预测m+1时刻的实际负荷;根据预测的m+1时刻的实际负荷控制所述电网的负荷。
Description
技术领域
本发明涉及电网的电荷控制系统领域,尤其涉及一种电网负荷波动的平缓系统和方法。
背景技术
随着智慧城市的建立,诸多的工作站都趋向于智能化。此外,为了节约土地成本、优化城市资源配置、提升数据感知和分析运算效率,进行负荷就地消纳,多站融合作为一种新模式变电站,越来越受到行业的青睐。
多站融合汇聚了数据中心、变电站、储能电站和电动汽车充电站等多种资源。在多站融合背景下如何充分发挥数据中心站的管理功能,协调规划电动汽车充电站和储能电站的充放电策略,以降低运行成本,提高多站融合项目经济性是目前亟需研究的主要问题。
尽管多站融合能够带来诸多的便利和有益效果。但是,同时也带来了诸多的技术问题。比如所,数据中心一旦与储能电站和/或电动汽车充电站联系在一起。那么储能电站和/或电动汽车充电站的电荷波动将势必会导致整个电网的波动。如此一来,势必会使电网的网线受损、使用寿命降低。更重要的是,电荷波动势必会带来电网的电压波动,如此会带来诸多无法估计的经济损失。尤其是储能电站和电动汽车充电站需要经常性的充电和放电,因此,一旦与数据中心融合,势必会导致整个电网的电荷波动。
发明内容
本发明的一个优势在于提供一种电网负荷波动的平缓系统和方法,其中所述电网负荷波动的平缓系统能够在多站融合时,平复电荷波动。
本发明的另一个优势在于提供一种电网负荷波动的平缓系统和方法,其中所述电网负荷波动的平缓系统能够防止电荷波动对电网的损伤。
本发明的另一个优势在于提供一种电网负荷波动的平缓系统和方法,其中所述电网负荷波动的平缓系统通过预设一系列的约束条件,进而能够实现平缓电荷波动的目的。
本发明的另一优势在于提供一种电网负荷波动的平缓系统和方法,其中所述电网负荷波动的平缓系统能够协同地优化至少两个影响电网负荷稳定性的因素,从而更好地平缓电荷的波动。
为达到本发明以上至少一个优势,本发明提供一种电网电荷波动的平缓系统,其中电网电荷波动的平缓系统包括:
一信息采集模块,所述信息采集模块被设置能够采集所监控的电网的总负载和在某个时刻t的实际负荷和影响所述电网的影响负荷在一预定时间内的总量;
一分析模块,所述分析模块包括一预测模块和一处理模块,所述预测模块被设置按照预定的预测模型预测在t=m+1时刻的实际负荷和影响所述电网的影响负荷在一预定时间内的总量,其中所述处理模块被预设至少一约束条件,所述处理模块被设置根据至少一所述约束条件,且以m+1时刻已知实际负荷和影响所述电网的影响负荷之和与已知的m时刻内任取的一对比时刻的一已知实际负荷和影响所述电网的影响负荷之和的方差的最小值为目标函数,通过预设的求解模型,预测m+1时刻的实际负荷;和
一控制模块,所述控制模块根据预测的m+1时刻的实际负荷控制所述电网的负荷。
根据本发明一实施例,所述电网的所述影响负荷为选自:电动汽车充电电量电荷、储能电站的储能充放电负荷中的至少一个与数据中心的耗电负荷之和。
根据本发明一实施例,所述预测模型包括数据中心i的总功耗预测模型,其中所述数据中心i的总功耗预测模型为:
其中约束条件为:αi=Ci(Pi idle+(PUEi-1)Pi peak)
βi=Pi peak-Pi idle
其中PUEi为数据中心i的PUE(数据中心i的能源效率通常由电能使用率),Pi idle和Pi peak分别表示数据中心i服务器的空闲功率和峰值功率,Pi,d,t表示数据中心i在时间t处的总功耗,df,i,t为前端服务器f在时段t中分配给数据中心i的交互工作负载量,πi,t表示在时间t内数据中心i需要批处理的工作负载数量,其中,
其中df,i,t为服务器能耗。
根据本发明一实施例,所述预测模型包括电动汽车的总功耗预测模型,其中所述电动汽车q的预测模型为:
其中,电动汽车q隶属于多站融合中的数据中心i,则从充电开始时间到结束时间必须满足的最小能量需求为Ei,q,Pi,q,t为数据中心i在时间t处电动汽车q的充电功率,为电动汽车q的最大充电功率;ki表示数据中心i(0≤ki≤1)
上所有电动汽车的充电满意度,其中所述约束条件包括:
其中和分别为数据中心i处电动汽车q的最大能量和当前能量。
根据本发明一实施例,所述预测模型包括储能系统j的模型,其中所述储能系统模型为:
Si,j,t是数据中心i中储能系统j在t时刻的剩余容量,分别表示电池充放电效率,分别表示数据中心i在时间t处储能系统j的充放电功率,Δt表示储能充放电的单位时间;Pi,j,t表示隶属于数据中心i的储能系统j在t时刻的功率,充电时为正值,放电时为负值,其中所述约束条件为:
其中和分别为储能系统j剩余容量的上界和下界;和分别为储能系统最大充放电功率,规定Uci,j,t是一个二进制指示器,中的1表示充电状态。
根据本发明一实施例,对比时刻的一影响负荷被实施为m时间段内影响电荷的算术平均值。
根据本发明一实施例,预设的求解模型为动态规划算法。
根据本发明一实施例,预设的求解模型为动态规划算法,其中所述动态规划算法将一天按量测时间点分为T个阶段,选择储能系统和电动汽车的电池电量S和EV作为状态,相邻两个状态的电量差为ΔS和ΔEV,在实时优化过程中,从初始状态开始,根据初始条件和递推方程由前向后推算,以获得目标函数的最优解,储能系统j动态规划中t阶段的递推公式,相邻阶段的时间差为Δt,SESS表示储能系统的容量,具体为:
根据本发明一实施例,在动态规划初始阶段Si,j,1为0.6倍的总容量,Ei,q,t为0.2倍的电池容量。
根据本发明的另一个方面,本发明提供一种电网负荷波动的平缓方法,所述方法包括以下步骤:
采集所监控的电网的总负载和在某个时刻t的实际负荷和影响所述电网的影响负荷在一预定时间内的总量;
按照预定的预测模型预测在t=m+1时刻的实际负荷和影响所述电网的影响负荷在一预定时间内的总量;
根据至少一所述约束条件,且以m+1时刻已知实际负荷和影响所述电网的影响负荷之和与已知的m时刻内任取的一对比时刻的一已知实际负荷和影响所述电网的影响负荷之和的方差的最小值为目标函数,通过预设的求解模型,预测m+1时刻的实际负荷;和
根据预测的m+1时刻的实际负荷控制所述电网的负荷。
附图说明
图1为多站融合一般形式的示意图。
图2为某地区典型日负荷曲线。
图3为电网负荷未被平缓时电动汽车不受控充电功率。
图4为电网负荷平缓后储能系统荷电状态曲线。
图5为电网负荷平缓前后储能优化的负荷曲线。
图6为电网负荷平缓时数据中心与储能电站、电动汽车不受控充电负荷曲线。
图7为电网负荷平缓时数据中心与储能电站、电动汽车受控充电负荷曲线。
具体实施方式
如图1至图7所示,为说明本发明的技术效果,以图2某地区典型日负荷曲线为例,进行具体实施例说明。图3为电动汽车不受控充电时的功率需求,不受控的电动汽车充电方式是指汽车一经连接充电机便开始以最大功率充电,按照电动汽车驶入时间呈正态分布的概率;图4为电网电荷平缓后储能系统的荷电状态曲线,表示储能系统可以通过改变充放电功率来达到平缓电网负荷的目的,基于此,图5便为储能参与平缓负荷前后的曲线对比,可以看出储能的参与可以在一定程度上平缓负荷曲线达到削峰填谷的效果;为比较本发明在储能、电动汽车和数据中心的协同优化下对电网负荷的平缓作用,特进行图6和图7的对比案例分析,由图6可以看出电网负荷未平缓时电动汽车不受控充电会增大负荷的波动率,而且随着未来电动汽车渗透率的不断提高,对电网的不利影响会更加明显。图7采取本发明优化策略使电动汽车受控充电后,降低了负荷波动率、平缓了负荷曲线,提高配网可靠性效果明显。依本发明一较佳实施例的一电网负荷波动的平缓系统将在以下被详细地阐述。所述电网负荷波动的平缓系统包括一信息采集模块、一分析模块和一控制模块。
所述信息采集模块被设置能够采集所监控的电网的总负载和在某个时刻t的实际负荷和影响所述电网的影响负荷在一预定时间内的总量。
具体地:Pload,t为电网在时刻t的实际负荷。而所述电网的影响负荷在一预定时间内的总量为:Ptot,t。
值得一提的是,影响所述电网的所述影响负荷为选自:电动汽车充电电量电荷、储能电站的储能充放电负荷中的至少一个与数据中心的耗电负荷之和。
作为优选地,所述其中Pi,c,t、Pi,q,t和Pi,j,t分别为t时刻的已知数据中心i的耗电功率、已知电动汽车q充电量负荷以及已知储能j充放电负荷,其中N1、N2以及N3分别为数据中心i、电动汽车q以及已知储能j的耗能的数量。
所述分析模块包括一预测模块和一处理模块。所述预测模块被设置按照预定的预测模型预测在t=m+1时刻的实际负荷和影响所述电网的影响负荷在一预定时间内的总量。具体地:
Pload,m+1+Ptot,t
其中Pload,m+1和Ptot,t分别为m+1时刻所预测的实际负荷和影响所述电网的影响负荷。值得一提的是,影响所述电网的影响负荷为电动汽车充电电量电荷、储能电站的储能充放电负荷中的至少一个与数据中心的耗电负荷之和。
作为优选地,所述
所述处理模块被预设至少一约束条件。所述处理模块被设置根据至少一所述约束条件,且以m+1时刻已知实际负荷和影响所述电网的影响负荷之和,与已知的m时刻内任取的一对比时刻的一已知实际负荷和影响所述电网的影响负荷之和的方差的最小值为目标函数,通过预设的求解模型,预测m+1时刻的实际负荷。
所述控制模块根据预测的m+1时刻的实际负荷控制所述电网。值得一提的是,由于m+1时刻已知实际负荷和影响所述电网的影响负荷之和与已知的m时刻内任取的一对比时刻的一影响负荷的方差被限制为最小,因此,在m+1时刻的所预测的实际负荷相对于m时刻内任取的一对比时刻的一影响负荷之间的差值最小,从而使得所述电网的负荷曲线的变化趋势较小。
优选地,对比时刻的一影响负荷被实施为t=m时间段内影响电荷的算术平均值。具体地,m+1时刻已知实际负荷和影响所述电网的影响负荷之和与已知的m时刻内任取的一对比时刻的实际电荷和影响负荷的最小方差的目标函数为:
在一个实施例中,所述预测模型包括数据中心i的总功耗预测模型,其中所述数据中心i的总功耗预测模型为:
βi=Pi peak-Pi idle。
PUEi为数据中心i的PUE(数据中心i的能源效率通常由电能使用率),Pi idle和Pi peak分别表示数据中心i服务器的空闲功率和峰值功率。用Pi,d,t表示数据中心i在时间t处的总功耗,df,i,t为前端服务器f在时段t中分配给数据中心i的交互工作负载量,πi,t表示在时间t内数据中心i需要批处理的工作负载数量。
本领域技术人员应当知道的是,PUE定义为数据中心的总电能消耗与IT设备的电能消耗之比。显然,PUE大于1,因为数据中心的耗电量是冷却系统、配电系统和IT设备耗电量的总和。
此外,假设数据中心i由F个同质服务器组成。在时间段t内,前端服务器f(1≤f≤F)传入的交互式工作负载的总量(以所需处理服务器的数量为单位)为λf,t。设df,i,t为前端服务器f在时段t中分配给数据中心i的交互工作负载量。服务器状态可分为工作状态与休眠状态,由于服务器关机后要想恢复到工作状态所需要的启动时间过长,不利于数据中心的服务质量,且服务器频繁开闭会影响服务器的使用寿命,因此不考虑服务器关机状态。服务器能耗df,i,t可通过调整工作服务器数量进行灵活调控。
此外,所述预测模型包括电动汽车的总功耗预测模型。
假设电动汽车q隶属于多站融合中的数据中心i,则从充电开始时间到结束时间必须满足的最小能量需求为Ei,q。本发明假设所有电动汽车用户都清楚地知道其电动汽车的充电开始时间、结束时间和能量需求。令Pi,q,t为数据中心i在时间t处电动汽车q的充电功率,则有:
为电动汽车q的最大充电功率;ki表示数据中心i(0≤ki≤1)上所有电动汽车的充电满意度,例如ki=1意味着CSR是100%。需要注意的是,由电动汽车用户所决定的电量需求上限应同时满足以下物理约束,即:
其中和分别为数据中心i处电动汽车q的最大能量和当前能量。
作为优选地,所述预测模型包括储能系统j的模型,其中所述储能系统模型为:
Si,j,t是数据中心i中储能系统j在t时刻的剩余容量;分别表示电池充放电效率;分别表示数据中心i在时间t处储能系统j的充放电功率;Δt表示储能充放电的单位时间;Pi,j,t表示隶属于数据中心i的储能系统j在t时刻的功率,充电时为正值,放电时为负值。
储能系统的剩余容量和充放电功率约束条件如下:
其中和分别为储能系统j剩余容量的上界和下界;和分别为储能系统最大充放电功率;为了避免储能系统同时充放电,规定Uci,j,t是一个二进制指示器,中的1表示充电状态。
优选地,在预设的求解模型为以最优化理念为基础的动态规划算法。
使用动态规划算法求解上述多站融合能源管理策略实时优化模型求解:
动态规划算法的基础是最优化理论:最优策略包含的子策略一定是最优子策略。采用动态规划算法求解多站融合背景下数据中心、储能系统和电动汽车协同充电策略的方法如下:将一天按量测时间点分为T个阶段,选择储能系统和电动汽车的电池电量S和EV作为状态,相邻两个状态的电量差为ΔS和ΔEV。在实时优化过程中,从初始状态开始,根据初始条件和递推方程由前向后推算,直至获得目标函数的最优解。
前式表示储能系统j动态规划中t阶段的递推公式,相邻阶段的时间差为Δt,SESS表示储能系统的容量。作为优选地,在动态规划初始阶段Si,j,1为0.6倍的总容量。而后式表示电动汽车q在动态规划进程中t阶段的递推公式,EEV表示电动汽车的总容量。作为优选地,规划初始阶段赋初值Ei,q,t为0.2倍的电池容量。
而对应的所述约束条件也对应地包括Pi,c,t、Pi,q,t、Pi,j,t的约束条件。具体为:
需要说明的是,在本发明的实施例中,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述实施例,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
可以理解的是,术语“一”应理解为“至少一”或“一个或多个”,即在一个实施例中,一个元件的数量可以为一个,而在另外的实施例中,该元件的数量可以为多个,术语“一”不能理解为对数量的限制。
尽管本发明的内容已经通过上述优选实施例作了详细介绍,但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求来限定。
Claims (10)
1.一种电网电荷波动的平缓系统,其特征在于,其中电网电荷波动的平缓系统包括:
一信息采集模块,所述信息采集模块被设置能够采集所监控的电网的总负载和在某个时刻t的实际负荷和影响所述电网的影响负荷在一预定时间内的总量;
一分析模块,所述分析模块包括一预测模块和一处理模块,所述预测模块被设置按照预定的预测模型预测在t=m+1时刻的实际负荷和影响所述电网的影响负荷在一预定时间内的总量,其中所述处理模块被预设至少一约束条件,所述处理模块被设置根据至少一所述约束条件,且以m+1时刻已知实际负荷和影响所述电网的影响负荷之和与已知的m时刻内任取的一对比时刻的一已知实际负荷和影响所述电网的影响负荷之和的方差的最小值为目标函数,通过预设的求解模型,预测m+1时刻的实际负荷;和
一控制模块,所述控制模块根据预测的m+1时刻的实际负荷控制所述电网的负荷。
2.根据权利要求1所述电网电荷波动的平缓系统,其特征在于,所述电网的所述影响负荷为选自:电动汽车充电电量电荷、储能电站的储能充放电负荷中的至少一个与数据中心的耗电负荷之和。
3.根据权利要求2所述电网电荷波动的平缓系统,其特征在于,所述预测模型包括数据中心i的总功耗预测模型,其中所述数据中心i的总功耗预测模型为:
其中约束条件为:
αi=Ci(Pi idle+(PUEi-1)Pi peak)
βi=Pipeak-Piidle
其中PUEi为数据中心i的PUE,数据中心i的能源效率由电能使用率表示,Pi idle和Pi peak分别表示数据中心i服务器的空闲功率和峰值功率,Pi,d,t表示数据中心i在时间t处的总功耗,df,i,t为前端服务器f在时段t中分配给数据中心i的交互工作负载量,πi,t表示在时间t内数据中心i需要批处理的工作负载数量,其中,
4.根据权利要求3所述电网电荷波动的平缓系统,其特征在于,所述预测模型包括电动汽车的总功耗预测模型,其中所述电动汽车q的预测模型为:
其中,电动汽车q隶属于多站融合中的数据中心i,则从充电开始时间到结束时间必须满足的最小能量需求为Ei,q,Pi,q,t为数据中心i在时间t处电动汽车q的充电功率,为电动汽车q的最大充电功率;
ki表示数据中心i(0≤ki≤1)
上所有电动汽车的充电满意度,其中所述约束条件包括:
其中和分别为数据中心i处电动汽车q的最大能量和当前能量。
5.根据权利要求4所述电网电荷波动的平缓系统,其特征在于,所述预测模型包括储能系统j的模型,其中所述储能系统模型为:
Si,j,t是数据中心i中储能系统j在t时刻的剩余容量,分别表示储能充放电效率,分别表示数据中心i在时间t处储能系统j的充放电功率,Δt表示储能充放电的单位时间;Pi,j,t表示隶属于数据中心i的储能系统j在t时刻的功率,充电时为正值,放电时为负值,其中所述约束条件为:
其中和分别为储能系统j剩余容量的上界和下界;
和分别为储能系统最大充放电功率,规定是一个二进制指示器,中的1表示充电状态。
6.根据权利要求1所述电网电荷波动的平缓系统,其特征在于,对比时刻的一影响负荷被实施为m时间段内影响电荷的算术平均值。
7.根据权利要求1所述电网电荷波动的平缓系统,其特征在于,预设的求解模型为动态规划算法。
8.根据权利要求5所述电网电荷波动的平缓系统,其特征在于,预设的求解模型为动态规划算法,其中所述动态规划算法将一天按量测时间点分为T个阶段,选择储能系统和电动汽车的电池电量S和EV作为状态,相邻两个状态的电量差为ΔS和ΔEV,在实时优化过程中,从初始状态开始,根据初始条件和递推方程由前向后推算,以获得目标函数的最优解,储能系统j动态规划中t阶段的递推公式,相邻阶段的时间差为Δt,SESS表示储能系统的容量,具体为:
9.根据权利要求8所述电网电荷波动的平缓系统,其特征在于,在动态规划初始阶段Si,j,1为0.6倍的总容量,Ei,q,t为0.2倍的电池容量。
10.一种电网负荷波动的平缓方法,其特征在于,所述方法包括以下步骤:
采集所监控的电网的总负载和在某个时刻t的实际负荷和影响所述电网的影响负荷在一预定时间内的总量;
按照预定的预测模型预测在t=m+1时刻的实际负荷和影响所述电网的影响负荷在一预定时间内的总量;
根据至少一约束条件,且以m+1时刻已知实际负荷和影响所述电网的影响负荷之和与已知的m时刻内任取的一对比时刻的一已知实际负荷和影响所述电网的影响负荷之和的方差的最小值为目标函数,通过预设的求解模型,预测m+1时刻的实际负荷;和
根据预测的m+1时刻的实际负荷控制所述电网的负荷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110035382.1A CN112688347B (zh) | 2021-01-12 | 一种电网负荷波动的平缓系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110035382.1A CN112688347B (zh) | 2021-01-12 | 一种电网负荷波动的平缓系统和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112688347A CN112688347A (zh) | 2021-04-20 |
CN112688347B true CN112688347B (zh) | 2024-07-02 |
Family
ID=
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102468678A (zh) * | 2010-11-17 | 2012-05-23 | 蔡英 | 一种电网优化直流充电系统 |
CN102624017A (zh) * | 2012-03-22 | 2012-08-01 | 清华大学 | 一种基于负荷预测的电池储能系统削峰填谷实时控制方法 |
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102468678A (zh) * | 2010-11-17 | 2012-05-23 | 蔡英 | 一种电网优化直流充电系统 |
CN102624017A (zh) * | 2012-03-22 | 2012-08-01 | 清华大学 | 一种基于负荷预测的电池储能系统削峰填谷实时控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106130137B (zh) | 一种电动汽车协调充电系统及其自决策方法 | |
CN111422094B (zh) | 分布式充电桩的充放电协调优化控制方法 | |
CN114336702B (zh) | 基于双层随机规划的风光储场站群功率分配协同优化方法 | |
CN110601334B (zh) | 一种充电站及其能量调度管理方法 | |
KR101769776B1 (ko) | 주파수 제어 시스템 및 방법 | |
CN106026151B (zh) | 一种电动车储换电站的调度方法及装置 | |
CN113839423B (zh) | 控制管理方法、装置、设备及存储介质 | |
CN114425964B (zh) | 一种自主参与需求响应的电动汽车充电桩控制器及方法 | |
CN111917113B (zh) | 一种电网负载余量计算系统和方法及充电桩接入配电方法 | |
CN114036451A (zh) | 一种并网式光储充装置的储能控制方法及系统 | |
CN115782667A (zh) | 充电堆用电容量分配方法和系统 | |
CN112600194A (zh) | 汽车的充电管理方法、装置、汽车、存储介质及处理器 | |
CN117748566B (zh) | 一种基于负荷动态聚合参与电网需求响应的方法 | |
CN110866647A (zh) | 用户侧储能控制方法、装置、设备及存储介质 | |
CN113765126A (zh) | 基于台区智能融合终端的有序充放电的控制方法及系统 | |
CN116632896B (zh) | 一种多光储充电站的电动汽车充放电协同调度方法及系统 | |
CN110165692B (zh) | 基于光伏-蓄电池-温控负荷的虚拟储能调峰系统与方法 | |
CN112688347B (zh) | 一种电网负荷波动的平缓系统和方法 | |
He et al. | Hybrid portable and stationary energy storage systems with battery charging and swapping coordination | |
CN112994119B (zh) | 供电调度方法、装置、供电系统和存储介质 | |
CN114844059A (zh) | 一种电动汽车集群参与调峰的双层优化控制方法 | |
CN112688347A (zh) | 一种电网负荷波动的平缓系统和方法 | |
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 | |
US11476693B2 (en) | System and method for optimizing storage and consumption of power according to tiered time-based criteria | |
CN114723278A (zh) | 一种考虑光伏储能的社区微电网调度方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |