CN112736909B - 储能系统实时控制方法、装置、电子设备和存储介质 - Google Patents

储能系统实时控制方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112736909B
CN112736909B CN202011581320.2A CN202011581320A CN112736909B CN 112736909 B CN112736909 B CN 112736909B CN 202011581320 A CN202011581320 A CN 202011581320A CN 112736909 B CN112736909 B CN 112736909B
Authority
CN
China
Prior art keywords
load power
moment
energy storage
storage system
value
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
CN202011581320.2A
Other languages
English (en)
Other versions
CN112736909A (zh
Inventor
张继元
王卫宏
蒙锦辉
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.)
Zhiguang Research Institute Guangzhou Co ltd
Original Assignee
Zhiguang Research Institute Guangzhou 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 Zhiguang Research Institute Guangzhou Co ltd filed Critical Zhiguang Research Institute Guangzhou Co ltd
Priority to CN202011581320.2A priority Critical patent/CN112736909B/zh
Publication of CN112736909A publication Critical patent/CN112736909A/zh
Application granted granted Critical
Publication of CN112736909B publication Critical patent/CN112736909B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • 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
    • 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
    • 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)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本申请公开了储能系统实时控制方法、装置、电子设备和存储介质。该方法包括：将当前时刻的负荷功率预测偏差输入到负荷功率修正模型，输出下一时刻的负荷功率预测修正项；根据负荷功率预测修正项确定下一时刻的负荷功率预测值；获取下一时刻至终点时刻的日前负荷功率预测数据、当前时刻的荷电状态实际值以及当前时刻的循环次数；根据下一时刻的负荷功率预测值、下一时刻至终点时刻的日前负荷功率预测数据、当前时刻的荷电状态实际值以及当前时刻的循环次数，通过日内约束条件，对日内优化目标模型求解，得到下一时刻到终点时刻的连续输出功率序列；根据连续输出功率序列中下一时刻的输出功率对储能系统进行当前时刻至下一时刻的输出调度。

Description

储能系统实时控制方法、装置、电子设备和存储介质
技术领域
本申请涉及电力电子技术领域，具体涉及储能系统实时控制方法、装置、电子设备和存储介质。
背景技术
按照月度的最大需量结算需量电费相比于其他的电费缴费方式更具经济性，因此按照月度最大需量值缴纳电费成为用户首选。但是，用户选择按照月度最大需量缴纳电费后，需要严格按照向供电局申报的最大需量值用电，超过申报值将面临惩罚。因此，需要按照用户申报的最大需量对用电进行实时控制，为用户提高需量管理下的电费收益。
现有技术中，通常通过控制储能系统的充放电管理最大需量限制下的电费收益。但是，现有的储能系统参与的最大需量限制下的收益管理方法，容易受到负荷特性、分时电价、荷电状态(State of Charge，SoC)、电池衰减和充放电功率等多个因素的影响，对储能系统的输出功率控制提出了更高要求。
目前已有的解决方案多是针对固定的时间段进行储能的充放电逻辑判断，不能在负荷功率实时波动情况下做出及时反应，或者结合光伏、削峰填谷、需量管理进行储能系统的充放电控制，但储能系统的充放电逻辑判断条件固定，无法结合实际SoC的变化对最大需量进行全局的控制，或者通过识别储能系统当前所处的时间段，在充放电、备电和待机时间段内分别进行逻辑控制，但未考虑到负荷功率的时变性，若负荷功率突变会影响对储能系统的调节控制效果。
发明内容
鉴于上述问题，提出了本申请以便提供一种储能系统实时控制方法、装置、电子设备和存储介质克服上述问题或者至少部分地解决上述问题的。
依据本申请的一个方面，提供了一种储能系统实时控制方法，其特征在于，所述方法包括：
将当前时刻的负荷功率预测偏差输入到负荷功率修正模型，得到所述负荷功率修正模型输出的下一时刻的负荷功率预测修正项；
根据所述负荷功率预测修正项确定下一时刻的负荷功率预测值；
获取下一时刻至终点时刻的日前负荷功率预测数据，并用所述下一时刻的负荷功率预测值替换下一时刻的日前负荷功率预测数据，获取当前时刻的荷电状态实际值以及当前时刻的循环次数；
根据所述下一时刻的负荷功率预测值、所述下一时刻至终点时刻的日前负荷功率预测数据、所述当前时刻的荷电状态实际值以及所述当前时刻的循环次数，通过日内约束条件，对日内优化目标模型求解，得到下一时刻到终点时刻的连续输出功率序列；
根据所述连续输出功率序列中下一时刻的输出功率对储能系统进行当前时刻至下一时刻的输出调度。
可选地，所述负荷功率修正模型是通过如下方式构建的：
根据实时采集的负荷功率真实值计算负荷功率预测偏差；
将所述日前负荷功率预测值、负荷功率真实值和负荷功率预测偏差保存至数据库中作为历史数据；
通过所述历史数据对负荷功率修正模型进行训练，得到训练好的负荷功率修正模型；
其中，所述负荷功率预测偏差为当前时刻的负荷功率真实值与当前时刻的日前负荷功率预测值之间的差值；
所述负荷功率预测修正项为下一时刻的负荷功率真实值与当前时刻的日前负荷功率预测值之间的差值。
可选地，所述将当前时刻的负荷功率预测偏差输入到负荷功率修正模型，得到所述负荷功率修正模型输出的下一时刻的负荷功率预测修正项包括：
获取当前时刻的负荷功率真实值以及当前时刻的日前负荷功率预测值，根据所述当前时刻的负荷功率真实值与所述当前时刻的日前负荷功率预测值确定当前时刻的负荷功率预测偏差，将所述负荷功率预测偏差输入训练好的负荷功率修正模型得到下一时刻的负荷功率预测修正项；
根据所述下一时刻的负荷功率预测修正项与当前时刻的日前负荷功率预测值，确定下一时刻的负荷功率预测值。
可选地，所述获取下一时刻至终点时刻的日前负荷功率预测数据、并用所述下一时刻的负荷功率预测值替换下一时刻的日前负荷功率预测数据，获取当前时刻的荷电状态实际值以及当前时刻的循环次数包括：
将每一时刻的日前负荷功率预测数据保存至数据库中，从所述数据库中获取下一时刻至终点时刻的日前负荷功率预测数据，并用所述下一时刻的负荷功率预测值替换下一时刻的日前负荷功率预测数据；
实时采集储能系统的荷电状态并存储至数据库中，并从所述数据库中获取当前时刻储能系统的荷电状态；
根据所述当前时刻的输出功率和所述当前时刻的循环次数，确定下一时刻的循环次数，将所述下一时刻的循环次数存储至数据库中，用于在下一时刻进行再下一时刻的输出功率预测。
可选地，所述日内约束条件包括：
储能系统输出功率的绝对值小于或等于储能系统的额定功率；
储能系统输出功率与负荷功率预测值共同达到需量控制下的负荷功率；
储能系统充放电的荷电状态在荷电状态最小值与荷电状态最大值之间；
电网进线的功率满足在最小需量控制值和最大需量控制值之间；
储能系统充放电起始和结束的状态一致；
根据储能系统单次可充放电容量和每日最大循环次数约束储能系统充放电循环次数。
可选地，所述方法还包括：
将下一时刻至终点时刻的连续输出功率序列保存至数据库中，并通过在下一时刻得到的再下一时刻至终点时刻的连续输出功率序列，覆盖下一时刻至终点时刻的连续输出功率序列。
可选地，所述方法的执行时机为在日内的各个预设时刻，从而完成储能系统的日输出调度；以及通过完成储能系统的日输出调度，从而完成储能系统的月度输出调度。
依据本申请的一个方面，提供了一种储能系统实时控制装置，所述装置包括：
负荷功率预测单元，用于将当前时刻的负荷功率预测偏差输入到负荷功率修正模型，得到所述负荷功率修正模型输出的下一时刻的负荷功率预测修正项；根据所述负荷功率预测修正项确定下一时刻的负荷功率预测值；
调度单元，用于获取下一时刻至终点时刻的日前负荷功率预测数据，并用下一时刻的负荷功率预测值替换下一时刻的日前负荷功率预测数据，获取当前时刻的荷电状态实际值以及当前时刻的循环次数；根据下一时刻的负荷功率预测值、下一时刻至终点时刻的日前负荷功率预测数据、当前时刻的荷电状态实际值以及所述当前时刻的循环次数，通过日内约束条件，对日内优化目标模型求解，得到下一时刻到终点时刻的连续输出功率序列；根据连续输出功率序列中下一时刻的输出功率对储能系统进行当前时刻至下一时刻的输出调度。
依据本申请的一个方面，提供了一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如上述任一项所述的方法。
依据本申请的一个方面，提供了一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如上述任一项所述的方法。
由上述可知，本申请的技术方案，通过将当前时刻的负荷功率预测偏差输入到负荷功率修正模型，得到负荷功率修正模型输出的下一时刻的负荷功率预测修正项，根据负荷功率预测修正项确定下一时刻的负荷功率预测值，并根据下一时刻的负荷功率预测值、下一时刻至终点时刻的日前负荷功率预测数据、当前时刻的荷电状态实际值以及当前时刻的循环次数，通过日内约束条件，对日内优化目标模型求解，得到下一时刻到终点时刻的连续输出功率序列，根据连续输出功率序列中下一时刻的输出功率对储能系统进行当前时刻至下一时刻的输出调度。通过负荷功率修正模型修正了日前负荷功率预测存在的偏差，同时能够快速响应负荷功率的变化，通过在每一时刻的滚动实时优化，可以避免储能系统状态如SoC产生累计误差，影响输出功率的精确性，且能够保证实现储能系统的实时优化调度，为用户提高储能系统参与最大需量管理下的收益。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本申请的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了根据本申请一个实施例的一种储能系统实时控制方法的流程示意图；
图2示出了根据本申请一个实施例的一种储能系统实时控制方法的框架示意图；
图3示出了根据本申请一个实施例的一种日前优化结果的示意图；
图4示出了根据本申请一个实施例的一种负荷功率预测修正项与负荷功率预测偏差之间的关系散点示意图；
图5示出了根据本申请一个实施例的一种时间窗口的示意图；
图6示出了根据本申请一个实施例的一种日内实时优化结果的示意图；
图7示出了根据本申请一个实施例的一种储能系统实时控制装置的结构示意图；
图8示出了根据本发明一个实施例的电子设备的结构示意图；
图9示出了根据本发明一个实施例的计算机可读存储介质的结构。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例，然而应当理解，可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本申请，并且能够将本申请的范围完整的传达给本领域的技术人员。
在以两部制电价的应用场景下，用户支付的电费按电度电费和基本电费进行合计，电度电费为平常的负荷功率在分时电价下形成的电费，而基本电费有两种模式可选：可以选择是按变压器容量的容量电费，或者是按月度最大需量结算的需量电费。储能系统参与的最大需量限制下的收益管理方法，由于负荷功率的不确定性，使得使用储能系统进行需量控制非常困难，而且电池调度的峰值削减量是基于负荷功率预测的结果确定的，因此即使有很小的负荷功率预测误差，峰值也会有很大的变化，降低需量控制的效果。
图1示出了根据本申请一个实施例的一种储能系统实时控制方法的流程示意图。如图1所示，该方法包括：
步骤S110，将当前时刻的负荷功率预测偏差输入到负荷功率修正模型，得到负荷功率修正模型输出的下一时刻的负荷功率预测修正项。
在本申请的一些实施例中，为了使储能系统在月度能够获取最佳的收益，进一步细化为对储能系统在每日的收益进行管理，在每日对储能系统的储能进行日前优化。但是，日前优化是基于日前负荷功率预测值来确定最优的电池充电和放电计划，不可避免会存在偏差。为降低日前负荷功率预测值所带来的误差，将对储能系统的日前优化进一步细分为日内各个时刻的优化，并且构建负荷功率修正模型，通过将当前时刻的负荷功率预测偏差输入到负荷功率修正模型，得到负荷功率修正模型输出的下一时刻的负荷功率预测修正项，通过负荷功率预测修正项对日前负荷功率预测值进行修正，减少预测误差，降低需量控制的偏差。
步骤S120，根据负荷功率预测修正项确定下一时刻的负荷功率预测值。
在本申请的一些实施例中，通过下一时刻的负荷功率预测修正项确定下一时刻的负荷功率预测值，可以减少负荷功率预测的误差，提高预测精度。
步骤S130，获取下一时刻至终点时刻的日前负荷功率预测数据，并用下一时刻的负荷功率预测值替换下一时刻的日前负荷功率预测数据，获取当前时刻的荷电状态实际值以及当前时刻的循环次数。
在本申请的一些实施例中，将每一时刻的日前负荷功率预测数据、实时更新的荷电状态实际值以及计算出的循环次数保存至数据库中，在优化程序开始执行时，从数据库中获取当前时刻的荷电状态实际值和循环次数，以及下一时刻至终点时刻之间每一时刻的日前负荷功率预测数据，并用下一时刻的负荷功率预测值替换下一时刻的日前负荷功率预测数据。
其中，储能系统一次从充满到放空的过程为一个循环。
步骤S140，根据下一时刻的负荷功率预测值、下一时刻至终点时刻的日前负荷功率预测数据、当前时刻的荷电状态实际值以及当前时刻的循环次数，通过日内约束条件，对日内优化目标模型求解，得到下一时刻到终点时刻的连续输出功率序列。
在本申请的一些实施例中，根据储能系统参与的需量限制下的月度收益模型，确定日前收益模型，再通过日前收益模型确定日内收益模型。将下一时刻的负荷功率预测值、下一时刻至终点时刻的日前负荷功率预测数据、当前时刻的荷电状态实际值以及当前时刻的循环次数带入日内约束条件，根据日内约束条件对日内收益模型进行求解，得到下一时刻到终点时刻的储能系统的连续输出功率序列。
步骤S150，根据连续输出功率序列中下一时刻的输出功率对储能系统进行当前时刻至下一时刻的输出调度。
在本申请的一些实施例中，因为要对储能系统下一时刻至终点时刻的储能进行整体优化，因此得到的是下一时刻到终点时刻的连续输出功率序列。但是，由于本实施例采用滚动优化的方式，在下一时刻对再下一时刻的输出功率进行预测时，再下一时刻至终点时刻的输出功率序列将会在下一时刻被覆盖。因此，在当前时刻，仅下发当下一时刻的输出功率，通过该输出功率对储能系统进行当前时刻至下一时刻的输出调度。
综上所述，图1的技术方案，通过将当前时刻的负荷功率预测偏差输入到负荷功率修正模型，得到负荷功率修正模型输出的下一时刻的负荷功率预测修正项，根据负荷功率预测修正项确定下一时刻的负荷功率预测值，并根据下一时刻的负荷功率预测值、下一时刻至终点时刻的日前负荷功率预测数据、当前时刻的荷电状态实际值以及当前时刻的循环次数，通过日内约束条件，对日内优化目标模型求解，得到下一时刻到终点时刻的连续输出功率序列，根据连续输出功率序列中下一时刻的输出功率对储能系统进行当前时刻至下一时刻的输出调度。通过负荷功率修正模型修正了日前负荷功率预测存在的偏差，同时能够快速响应负荷功率的变化，通过在每一时刻的滚动实时优化，可以避免储能系统状态如SoC产生累计误差，影响输出功率的精确性，且能够保证实现储能系统的实时优化调度，为用户提高储能系统参与最大需量管理下的收益。
图2示出了根据本申请一个实施例的一种储能系统实时控制方法的框架示意图，通过图2对本申请的储能系统实时控制方法进行详细说明。如图2所示，该方法包括：
步骤S210，数据存储阶段。
在该阶段中，获取两部制电价下的储能系统的储能容量、装机功率、月度最大需量申报值以及分时电价等基本信息，并保存至数据库中。将日前产生的日前负荷功率预测数据一方面送入日前优化阶段，一方面存入历史数据表中进行存储。而真实的负荷功率，也会实时采集并送回数据库的历史数据表中进行保存。
步骤S220，日前优化阶段。该阶段包括日前优化计算步骤S221和负荷功率修正模型构建步骤S222。
其中，日前优化计算步骤S221包括步骤S2211至步骤S2212：
步骤S2211，根据月度收益模型确定日前优化模型。
储能系统参与的需量限制下的月度收益模型为：
其中，Fmonth表示储能系统在分时电价下运行的月度电费收益，Dday表示月份里的天数，T表示一天内的储能控制周期，η表示储能系统的充放电效率，pj bat(t)表示在第j天t时刻的待求解储能输出功率变量，pj bat(t)T表示对功率变量进行转置，ep(t)表示获取的t时刻的分时电价。同时为减小储能系统的功率波动，增加了最小二乘的惩罚函数，其中β为惩罚系数，B∈Rt*t为对称矩阵。
根据月度收益模型确定的日前优化模型为：
其中，Fday表示储能系统在分时电价下的某一日的充放电电费收益。
日前优化模型的储能系统充放电以及最大需量控制的约束条件如公式(3)所示：
其中，pload(t)为日前预测的t时刻的负荷功率预测值，SoCmax表示最高允许的荷电状态，SoCmin表示最低允许的荷电状态，SoCini为初始的SoC状态值，pd(t)为在有储能系统参与的需量限制下的负荷功率，Pmin为允许向电网送电的最小值，Cbat为储能系统的容量，Ppcs为装机功率，Pdem为月度最大需量控制值，N为设定的储能系统每日最大循环次数。
上述日前约束条件中：第一项是储能系统输出功率的绝对值小于或等于储能系统的额定功率的配置条件；第二项是储能系统输出功率与负荷功率预测值共同达到需量控制下的负荷功率；第三项和第四项是储能系统充放电的荷电状态在荷电状态最小值与荷电状态最大值之间；第五项和第六项是电网进线的功率满足在最小需量控制值和最大需量控制值之间；第七项是约束储能系统日充放电起始和结束的状态一致；第八项是储能系统日充放电循环次数的约束条件。
步骤S2212，从数据库中获取储能系统的基本信息以及日前负荷功率预测数据、储能系统每日最大循环次数，根据日前约束条件和日前优化模型，得到日前输出功率序列。根据日前输出功率序列，确定明日的电价、需量值，进行日前预测。图3示出了根据本申请一个实施例的一种日前优化结果的示意图，如图3所示，通过日前预测与优化，得出储能系统的输出功率，通过图3可以看到储能系统在上午时间段内需要进行最大需量的控制，将需量值控制在限定值以下。在确定日前预测无异常后，再进行日内实时优化，如果日前预测存在异常，则及时进行排查，使日前预测恢复正常，以保证日内实实时预测的准确性。
步骤S2213，根据日前输出功率序列，计算日前SoC计算值SoC_rt(0～T)，日前循环次数数Cycle_rt(0～T)，并将日前SoC计算值与日前循环次数数保存至数据库中。
其中，按照如下公式(4)计算SoC计算值：
其中，ηch表示储能系统充电的能量转化效率，ηdis表示储能系统放电的能量转化效率，pch(i)表示t时刻的充电功率，pdis(i)表示t时刻的放电功率，Emax表示储能系统的额定容量。
按照如下公式(5)计算Cycle_rt(0～T)的计算值：
其中，ncy(t+1)表示t+1时刻的循环次数，ncy(t)表示t时刻的循环次数，ηb表示充、放电效率，|pbat(t)|表示储能充、放电功率的绝对值。
负荷功率修正模型构建步骤S222包括步骤S2221至步骤S2223：
步骤S2221，根据实时采集的负荷功率真实值计算负荷功率预测偏差。
负荷功率真实值R(t)与日前负荷功率预测值P(t)会有偏差，将真实值与预测的偏差设为△E(t)，△E(t)＝R(t)-P(t)，获取数据库中的负荷功率真实值和日前负荷功率预测值，并计算两者之间的偏差△E(t)，并将计算得到的偏差△E(t)也存入数据库中，将数据库中保存的日前负荷功率预测值、负荷功率真实值和负荷功率预测偏差作为历史数据。
步骤S2222，根据负荷功率预测修正项与负荷功率预测偏差之间的高阶非线性函数关系，建立负荷功率修正模型。
设负荷功率预测修正项为△P(t)，△P(t)＝R(t+1)-P(t)，其中R(t+1)为第(t+1)时刻的负荷功率真实值，P(t)是日前预测的日期负荷功率预测值，则根据P(t)和△P(t)即可得到下一时刻的负荷功率真实值，通过获取△P(t)即可对下一时刻的负荷功率进行预测。
在本申请的一些实施例中，通过大数据分析方法以及神经网络方法，对△P(t)和△E(t)进行拟合，得到△P(t)关于△E(t)的高阶非线性函数，根据负荷功率预测修正项与负荷功率预测偏差之间的高阶非线性函数关系，建立负荷功率修正模型。图4示出了根据本申请一个实施例的一种负荷功率预测修正项与负荷功率预测偏差之间的关系散点示意图，△P(t)与△E(t)之间的关系散点如图4所示。
将△E、以及历史同期负荷功率预测偏差数据、月度日期数据、星期日期数据作为输入，通过历史数据对负荷功率修正模型进行训练，得到训练好的负荷功率修正模型。
优选地，为提高预测精度，还可以将时间、工作日类型以及天气信息作为输入，将历史的时间、工作日类型以及天气信息作为历史数据，通过神经网络算法，结合大数据对修正模型进行训练。
步骤S2223，根据训练好的负荷功率修正模型，确定下一时刻的负荷功率预测值。
获取当前时刻的负荷功率真实值以及当前时刻的日前负荷功率预测值，根据当前时刻的负荷功率真实值与当前时刻的日前负荷功率预测值确定当前时刻的负荷功率预测偏差，将负荷功率预测偏差输入训练好的负荷功率修正模型得到下一时刻的负荷功率预测修正项。
根据下一时刻的负荷功率预测修正项与当前时刻的日前负荷功率预测值，确定下一时刻的负荷功率预测值。
步骤S230，日内优化阶段。图5示出了根据本申请一个实施例的一种时间窗口的示意图，如图5所示，在该阶段中将一天设置为一个时间窗口，将该时间窗口T按照预设的时间间隔划分为多个时隙tc，对于每个时隙依次滚动计算该时隙的初始时刻至时间窗口终止时刻的输出功率序列，并按照计算出的当前时隙输出功率，对该时隙进行输出调度，以此类推，直至时间窗口的终止时刻即完成了一天的输出调度。
下面以计算一个时隙m至m+1时刻的输出功率为例进行说明：
步骤S2301，根据日前优化模型得到日内优化模型，并确定日内约束条件。
日内优化模型为公式(6)所示：
其中，Freal-time表示储能系统在分时电价下，在日内从第m时刻到23:59这一段时刻的充放电电费收益。
日内约束条件为公式(7)所示：
其中，SoC_real(m)为m时刻的SoC实际值，Cycle_rt(m)为m时刻的循环次数。
该日内约束条件中，第一项是储能系统输出功率的绝对值小于或等于储能系统的额定功率的配置条件；第二项是储能系统输出功率与负荷功率预测值共同达到需量控制下的负荷功率；第三项和第四项是储能系统充放电的荷电状态在荷电状态最小值与荷电状态最大值之间；第五项和第六项是电网进线的功率满足在最小需量控制值和最大需量控制值之间；第七项是约束储能系统充放电起始和结束的状态一致；第八项是根据储能系统单次可充放电容量和每日最大循环次数约束储能系统充放电循环次数。
步骤S2302，获取当前时刻的荷电状态实际值、当前时刻的循环次数以及下一时刻至终点时刻的日前负荷功率预测数据，并用下一时刻的负荷功率预测值替换下一时刻的日前负荷功率预测数据，根据日内约束条件和日内优化模型，得到当前时刻到终点时刻的连续输出功率序列。
在本申请的一些实施例中，例如在m时刻预测m+1时刻的输出功率，则获取当前m时刻的SoC实际值SoC_real(m)、当前循环次数Cycle_rt(m)以及通过步骤S222确定m+1时刻的负荷功率预测值，m+1～T时刻的日前负荷功率预测数据，并用m+1时刻的负荷功率预测值替换m+1时刻的日前负荷功率预测数据。再通过日内约束条件公式(7)对日内优化模型(6)进行求解，得到第m+1时刻到第T时刻，长度为(T-m)的时间窗口下的储能系统的连续输出功率序列pbat_rt(m+1～T)，并根据储能系统的连续输出功率序列pbat_rt(m+1～T)，利用公式(4)～(5)，计算SoC计算值SoC_rt(m+1～T)、循环次数Cycle_rt(m+1～T)的计算值，并将SoC_rt(m+1～T)和Cycle_rt(m+1～T)保存到数据库中。
步骤S2303，根据连续输出功率序列中下一时刻的输出功率对储能系统进行当前时刻至下一时刻的输出调度。
虽然得到储能系统的连续输出功率序列了pbat_rt(m+1～T)，但只将其中的m+1时刻的储能系统的功率pbat_rt(m+1)下发至储能系统，在m至m+1时刻对储能系统按照m+1时刻的储能系统的功率pbat_rt(m+1)进行输出调度。
步骤S2303，将下一时刻至终点时刻的连续输出功率序列保存至数据库中，并通过在下一时刻得到的再下一时刻至终点时刻的连续输出功率序列，覆盖下一时刻至终点时刻的连续输出功率序列。
在本申请的一些实施例中，接上例，将储能系统的连续输出功率序列了pbat_rt(m+1～T)保存至数据库中，并在第m+1时刻预测m+2时刻的输出功率时，刷新实时负荷功率预测值pload_rt(t)，并获取第m+1时刻的SoC实际值SoC_real(m+1)，以及从数据库获取第m+1时刻的循环次数Cycle_rt(m+1)，套用公式(6)与约束条件(7)进行求解，得到储能系统的连续输出功率序列了pbat_rt(m+2～T)，并将m+2时刻的功率pbat_rt(m+2)下发至储能系统，在m+1至m+2时刻对储能系统按照m+2时刻的储能系统的功率pbat_rt(m+2)进行输出调度。
步骤S2304，重复上述步骤S2301至S2303，直至达到T时刻，结束本日的滚动实时优化。
图6示出了根据本申请一个实施例的一种日内实时优化结果的示意图，如图6所示，负荷功率是实时变动的，通过日前优化模型不能够根据负荷功率的实时变动对储能系统的充放电进行实时调整。本申请的技术方案，通过在日内进行每个时隙的滚动优化，根据计算出的每个时隙的输出功率，不断调整储能系统的充放电，可以达到较好的控制需量的目标。并通过完成储能系统的日输出调度，从而完成储能系统的月度输出调度。
需要说明的是，上述步骤仅是对本申请方案的说明，并不是对本申请方案的限制，用户可根据实际情况选用其中的某些步骤或调整某些步骤之间的顺序。
图7示出了根据本申请一个实施例的一种储能系统实时控制装置的结构示意图。如图7所示，该储能系统实时控制装置700包括：
负荷功率预测单元710，用于将当前时刻的负荷功率预测偏差输入到负荷功率修正模型，得到负荷功率修正模型输出的下一时刻的负荷功率预测修正项；根据负荷功率预测修正项确定下一时刻的负荷功率预测值。
调度单元720，用于获取下一时刻至终点时刻的日前负荷功率预测数据，并用下一时刻的负荷功率预测值替换下一时刻的日前负荷功率预测数据，获取当前时刻的荷电状态实际值以及当前时刻的循环次数；根据下一时刻的负荷功率预测值、下一时刻至终点时刻的日前负荷功率预测数据、当前时刻的荷电状态实际值以及所述当前时刻的循环次数，通过日内约束条件，对日内优化目标模型求解，得到下一时刻到终点时刻的连续输出功率序列；根据连续输出功率序列中下一时刻的输出功率对储能系统进行当前时刻至下一时刻的输出调度。
在本申请的一个实施例中，上述装置中，负荷功率修正模型是通过如下方式构建的：
根据实时采集的负荷功率真实值计算负荷功率预测偏差；
将日前负荷功率预测值、负荷功率真实值和负荷功率预测偏差保存至数据库中作为历史数据；
通过历史数据对负荷功率修正模型进行训练，得到训练好的负荷功率修正模型；
其中，负荷功率预测偏差为当前时刻的负荷功率真实值与当前时刻的日前负荷功率预测值之间的差值；
负荷功率预测修正项为下一时刻的负荷功率真实值与当前时刻的日前负荷功率预测值之间的差值。
在本申请的一个实施例中，上述装置中，负荷功率预测单元710，用于获取当前时刻的负荷功率真实值以及当前时刻的日前负荷功率预测值，根据当前时刻的负荷功率真实值与当前时刻的日前负荷功率预测值确定当前时刻的负荷功率预测偏差，将负荷功率预测偏差输入训练好的负荷功率修正模型得到下一时刻的负荷功率预测修正项；根据下一时刻的负荷功率预测修正项与当前时刻的日前负荷功率预测值，确定下一时刻的负荷功率预测值。
在本申请的一个实施例中，上述装置中，调度单元720，用于将每一时刻的日前负荷功率预测数据保存至数据库中，并从数据库中获取下一时刻至终点时刻的日前负荷功率预测数据；实时采集储能系统的荷电状态并存储至数据库中，并从数据库中获取当前时刻储能系统的荷电状态；根据当前时刻的输出功率和当前时刻的循环次数，确定下一时刻的循环次数，将下一时刻的循环次数存储至数据库中，用于在下一时刻进行再下一时刻的输出功率预测。
在本申请的一个实施例中，上述装置中，其中，日内约束条件包括：
储能系统输出功率的绝对值小于或等于储能系统的额定功率；
储能系统输出功率与负荷功率预测值共同达到需量控制下的负荷功率；
储能系统充放电的荷电状态在荷电状态最小值与荷电状态最大值之间；
电网进线的功率满足在最小需量控制值和最大需量控制值之间；
储能系统充放电起始和结束的状态一致；
根据储能系统单次可充放电容量和每日最大循环次数约束储能系统充放电循环次数。
在本申请的一个实施例中，上述装置中，调度单元720，用于将下一时刻至终点时刻的连续输出功率序列保存至数据库中，并通过在下一时刻得到的再下一时刻至终点时刻的连续输出功率序列，覆盖下一时刻至终点时刻的连续输出功率序列。
在本申请的一个实施例中，上述装置中，储能系统实时控制装置700的执行时机为在日内的各个预设时刻，从而完成储能系统的日输出调度；以及通过完成储能系统的日输出调度，从而完成储能系统的月度输出调度。
需要说明的是，上述各装置实施例的具体实施方式可以参照前述对应方法实施例的具体实施方式进行，在此不再赘述。
综上所述，本申请的技术方案，通过负荷功率修正模型修正了日前负荷功率预测存在的偏差，同时能够快速响应负荷功率的变化。通过在每一时刻的滚动实时优化，可以避免储能系统状态如SoC产生累计误差，影响输出功率的精确性，且能够保证实现储能系统的实时优化调度，为用户提高储能系统参与的最大需量限制下储能系统的收益。而且，在每一时刻均会对负荷功率、SoC以及循环次数进行更新覆盖，能够保证储能系统实时响应负荷功率的变化，保证储能的调节控制效果。
需要说明的是：
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述，构造这类装置所要求的结构是显而易见的。此外，本申请也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本申请的内容，并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本申请的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本申请并帮助理解各个发明方面中的一个或多个，在上面对本申请的示例性实施例的描述中，本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本申请的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用服务器、微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的储能系统实时控制装置中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
例如，图8示出了根据本申请一个实施例的电子设备的结构示意图。该电子设备800包括处理器810和被安排成存储计算机可执行指令(计算机可读程序代码)的存储器820。存储器820可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器820具有存储用于执行上述方法中的任何方法步骤的计算机可读程序代码831的存储空间830。例如，用于存储计算机可读程序代码的存储空间830可以包括分别用于实现上面的方法中的各种步骤的各个计算机可读程序代码831。计算机可读程序代码831可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，紧致盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为例如图9所述的计算机可读存储介质。图9示出了根据本申请一个实施例的一种计算机可读存储介质的结构示意图。该计算机可读存储介质900存储有用于执行根据本申请的方法步骤的计算机可读程序代码831，可以被电子设备800的处理器810读取，当计算机可读程序代码831由电子设备800运行时，导致该电子设备800执行上面所描述的方法中的各个步骤，具体来说，该计算机可读存储介质存储的计算机可读程序代码831可以执行上述任一实施例中示出的方法。计算机可读程序代码831可以以适当形式进行压缩。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。

Claims (9)

1.一种储能系统实时控制方法，其特征在于，所述方法包括：
将当前时刻的负荷功率预测偏差输入到负荷功率修正模型，得到所述负荷功率修正模型输出的下一时刻的负荷功率预测修正项；
根据所述负荷功率预测修正项确定下一时刻的负荷功率预测值；
获取下一时刻至终点时刻的日前负荷功率预测数据，并用所述下一时刻的负荷功率预测值替换下一时刻的日前负荷功率预测数据，获取当前时刻的荷电状态实际值以及当前时刻的循环次数；
根据所述下一时刻的负荷功率预测值、所述下一时刻至终点时刻的日前负荷功率预测数据、所述当前时刻的荷电状态实际值以及所述当前时刻的循环次数，通过日内约束条件，对日内优化目标模型求解，得到下一时刻到终点时刻的连续输出功率序列，所述日内优化目标模型的公式为：
其中，Freal-time表示储能系统在分时电价下，在日内从第m时刻到23:59这一段时刻的充放电电费收益；T表示一天内的储能控制周期，η表示储能系统的充放电效率，pbat(t)表示在t时刻的待求解储能输出功率变量，pbat(t)T表示对t时刻的待求解储能输出功率变量进行转置，ep(t)表示获取的t时刻的分时电价，β为惩罚系数，B∈Rt*t为对称矩阵；
所述日内约束条件包括：
储能系统输出功率的绝对值小于或等于储能系统的额定功率；
储能系统输出功率与负荷功率预测值共同达到需量控制下的负荷功率；
储能系统充放电的荷电状态在荷电状态最小值与荷电状态最大值之间；
电网进线的功率满足在最小需量控制值和最大需量控制值之间；
储能系统充放电起始和结束的状态一致；
根据储能系统单次可充放电容量和每日最大循环次数约束储能系统充放电循环次数；
根据所述连续输出功率序列中下一时刻的输出功率对储能系统进行当前时刻至下一时刻的输出调度。
2.如权利要求1所述的方法，其特征在于，所述负荷功率修正模型是通过如下方式构建的：
根据实时采集的负荷功率真实值计算负荷功率预测偏差；
将日前负荷功率预测值、负荷功率真实值和负荷功率预测偏差保存至数据库中作为历史数据；
通过所述历史数据对负荷功率修正模型进行训练，得到训练好的负荷功率修正模型；
其中，所述负荷功率预测偏差为当前时刻的负荷功率真实值与当前时刻的日前负荷功率预测值之间的差值；
所述负荷功率预测修正项为下一时刻的负荷功率真实值与当前时刻的日前负荷功率预测值之间的差值。
3.如权利要求2所述的方法，其特征在于，所述将当前时刻的负荷功率预测偏差输入到负荷功率修正模型，得到所述负荷功率修正模型输出的下一时刻的负荷功率预测修正项包括：
获取当前时刻的负荷功率真实值以及当前时刻的日前负荷功率预测值，根据所述当前时刻的负荷功率真实值与所述当前时刻的日前负荷功率预测值确定当前时刻的负荷功率预测偏差，将所述负荷功率预测偏差输入训练好的负荷功率修正模型得到下一时刻的负荷功率预测修正项；
根据所述下一时刻的负荷功率预测修正项与当前时刻的日前负荷功率预测值，确定下一时刻的负荷功率预测值。
4.如权利要求1所述的方法，其特征在于，所述获取下一时刻至终点时刻的日前负荷功率预测数据、并用所述下一时刻的负荷功率预测值替换下一时刻的日前负荷功率预测数据，获取当前时刻的荷电状态实际值以及当前时刻的循环次数包括：
将每一时刻的日前负荷功率预测数据保存至数据库中，从所述数据库中获取下一时刻至终点时刻的日前负荷功率预测数据，并用所述下一时刻的负荷功率预测值替换下一时刻的日前负荷功率预测数据；
实时采集储能系统的荷电状态并存储至数据库中，并从所述数据库中获取当前时刻储能系统的荷电状态；
根据所述当前时刻的输出功率和所述当前时刻的循环次数，确定下一时刻的循环次数，将所述下一时刻的循环次数存储至数据库中，用于在下一时刻进行再下一时刻的输出功率预测。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
将下一时刻至终点时刻的连续输出功率序列保存至数据库中，并通过在下一时刻得到的再下一时刻至终点时刻的连续输出功率序列，覆盖下一时刻至终点时刻的连续输出功率序列。
6.如权利要求1-5中任一项所述的方法，其特征在于，所述方法的执行时机为在日内的各个预设时刻，从而完成储能系统的日输出调度；以及通过完成储能系统的日输出调度，从而完成储能系统的月度输出调度。
7.一种储能系统实时控制装置，其特征在于，所述装置包括：
负荷功率预测单元，用于将当前时刻的负荷功率预测偏差输入到负荷功率修正模型，得到所述负荷功率修正模型输出的下一时刻的负荷功率预测修正项；根据所述负荷功率预测修正项确定下一时刻的负荷功率预测值；
调度单元，用于获取下一时刻至终点时刻的日前负荷功率预测数据，并用下一时刻的负荷功率预测值替换下一时刻的日前负荷功率预测数据，获取当前时刻的荷电状态实际值以及当前时刻的循环次数；根据下一时刻的负荷功率预测值、下一时刻至终点时刻的日前负荷功率预测数据、当前时刻的荷电状态实际值以及所述当前时刻的循环次数，通过日内约束条件，对日内优化目标模型求解，得到下一时刻到终点时刻的连续输出功率序列，所述日内优化目标模型的公式为：
其中，Freal-time表示储能系统在分时电价下，在日内从第m时刻到23:59这一段时刻的充放电电费收益；T表示一天内的储能控制周期，η表示储能系统的充放电效率，pbat(t)表示在t时刻的待求解储能输出功率变量，pbat(t)T表示对t时刻的待求解储能输出功率变量进行转置，ep(t)表示获取的t时刻的分时电价，β为惩罚系数，B∈Rt*t为对称矩阵；
所述日内约束条件包括：
储能系统输出功率的绝对值小于或等于储能系统的额定功率；
储能系统输出功率与负荷功率预测值共同达到需量控制下的负荷功率；
储能系统充放电的荷电状态在荷电状态最小值与荷电状态最大值之间；
电网进线的功率满足在最小需量控制值和最大需量控制值之间；
储能系统充放电起始和结束的状态一致；
根据储能系统单次可充放电容量和每日最大循环次数约束储能系统充放电循环次数；
根据连续输出功率序列中下一时刻的输出功率对储能系统进行当前时刻至下一时刻的输出调度。
8.一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行如权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被处理器执行时，实现如权利要求1-6中任一项所述的方法。
CN202011581320.2A 2020-12-28 2020-12-28 储能系统实时控制方法、装置、电子设备和存储介质 Active CN112736909B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011581320.2A CN112736909B (zh) 2020-12-28 2020-12-28 储能系统实时控制方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011581320.2A CN112736909B (zh) 2020-12-28 2020-12-28 储能系统实时控制方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN112736909A CN112736909A (zh) 2021-04-30
CN112736909B true CN112736909B (zh) 2023-07-18

Family

ID=75606634

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011581320.2A Active CN112736909B (zh) 2020-12-28 2020-12-28 储能系统实时控制方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN112736909B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113485111B (zh) * 2021-07-13 2024-02-20 浙江菲达环保科技股份有限公司 制浆系统的寻优控制方法及系统
CN114069666B (zh) * 2021-11-10 2022-06-24 中节能风力发电股份有限公司 一种风储系统中储能功率指令的控制方法及系统

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107591800B (zh) * 2017-09-04 2020-01-17 国网江苏省电力公司南京供电公司 基于场景分析的含分布式电源配电网运行状态预测方法
CN110137942B (zh) * 2019-04-23 2022-09-16 河海大学 基于模型预测控制的多时间尺度柔性负荷滚动调度方法和系统

Also Published As

Publication number Publication date
CN112736909A (zh) 2021-04-30

Similar Documents

Publication Publication Date Title
Pena-Bello et al. Optimizing PV and grid charging in combined applications to improve the profitability of residential batteries
Merten et al. Bidding strategy for battery storage systems in the secondary control reserve market
He et al. Optimal bidding strategy of battery storage in power markets considering performance-based regulation and battery cycle life
Perez et al. Predictive power control for PV plants with energy storage
Hollinger et al. Distributed solar battery systems providing primary control reserve
Salehpour et al. Contract-based utilization of plug-in electric vehicle batteries for day-ahead optimal operation of a smart micro-grid
Zheng et al. The economic analysis of electric vehicle aggregators participating in energy and regulation markets considering battery degradation
Vykhodtsev et al. A review of modelling approaches to characterize lithium-ion battery energy storage systems in techno-economic analyses of power systems
CN112736909B (zh) 储能系统实时控制方法、装置、电子设备和存储介质
Vonsien et al. Li-ion battery storage in private households with PV systems: Analyzing the economic impacts of battery aging and pooling
Mauch et al. Can a wind farm with CAES survive in the day-ahead market?
Byrne et al. Opportunities for energy storage in CAISO: Day-ahead and real-time market arbitrage
Hollinger et al. Trends in the German PCR market: Perspectives for battery systems
de Doile et al. Feasibility of hybrid wind and photovoltaic distributed generation and battery energy storage systems under techno-economic regulation
Bagheri et al. Stochastic optimization and scenario generation for peak load shaving in Smart District microgrid: sizing and operation
Khalilisenobari et al. Optimal participation of price-maker battery energy storage systems in energy, reserve and pay as performance regulation markets
Vu et al. Optimal design for a campus microgrid considering ESS discharging incentive and financial feasibility
CN110648176B (zh) 一种电力容量市场与电能量市场的衔接方法、装置及设备
CN110048421B (zh) 储能装置容量选择方法及装置
Rominger et al. Analysis of the German continuous intraday market and the revenue potential for flexibility options
CN112101644A (zh) 考虑源荷不确定性的虚拟电厂联盟优化控制方法
CN116167578A (zh) 一种商业楼宇的电动汽车充电站协调调控方法及电子设备
Knežević et al. The optimal use of stationary battery storage in a prosumer power system
Vonsien et al. Cost-effectiveness of Li-Ion battery storage with a special focus on photovoltaic systems in private households
Jansen et al. Impact of frequency control supply by wind turbines on balancing costs

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