CN112968448A - 设备容量配置方法和相关装置 - Google Patents
设备容量配置方法和相关装置 Download PDFInfo
- Publication number
- CN112968448A CN112968448A CN202110220833.9A CN202110220833A CN112968448A CN 112968448 A CN112968448 A CN 112968448A CN 202110220833 A CN202110220833 A CN 202110220833A CN 112968448 A CN112968448 A CN 112968448A
- Authority
- CN
- China
- Prior art keywords
- hydrogen
- charging
- hydrogenation
- power
- area
- 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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
- H02J3/241—The oscillation concerning frequency
-
- 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
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提出一种设备容量配置方法、装置、电子设备和计算机可读存储介质,涉及能源服务技术领域。该设备容量配置方法应用于电子设备,电子设备应用于加氢充电联供站,加氢充电联供站包括储能设备和制氢设备,设备容量配置方法包括:依据预先创建的预估模型,计算得到加氢充电联供站的加氢需求量和充电需求量;根据预设的电力运行模式和加氢需求量,计算得到制氢设备的实际功率;根据电力运行模式和充电需求量,计算得到储能设备的实际功率和实际电量。其能够实现设备容量的优化配置。
Description
技术领域
本发明涉及能源服务技术领域,具体而言,涉及一种设备容量配置方法、装置、电子设备和计算机可读存储介质。
背景技术
电动汽车和氢能汽车是交通领域清洁低碳发展的重要路径,也是能源领域低碳清洁化发展的重要组成部分。充电站和加氢站成为交通领域的新型基础设施,但是面临设备利用效率低和投资经济性差的问题。为了提高利用率和投资经济性,加氢充电联供站一体化和提供电力调频服务成为了一种有效的能源供应方式。
然而如何满足电力调频服务需求的基础上,优化设备容量配置成为亟待解决的问题。
发明内容
有鉴于此,本发明的目的在于提供一种设备容量配置方法、装置、电子设备和计算机可读存储介质,其能够实现设备容量的优化配置。
为了实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明提供一种设备容量配置方法,应用于电子设备,所述电子设备应用于加氢充电联供站,所述加氢充电联供站包括储能设备和制氢设备,所述方法包括:
依据预先创建的预估模型,计算得到所述加氢充电联供站的加氢需求量和充电需求量;
根据预设的电力运行模式和所述加氢需求量,计算得到所述制氢设备的实际功率;
根据所述电力运行模式和所述充电需求量,计算得到所述储能设备的实际功率和实际电量。
在可选的实施方式中,所述依据预先创建的预估模型,计算得到所述加氢充电联供站的加氢需求量和充电需求量的步骤包括:
获取样本数据;
将所述样本数据输入所述预估模型,所述预估模型包括:概率计算网络和结果测算网络;
将所述样本数据输入所述概率计算网络进行概率计算,得到车辆选择所述加氢充电联供站的概率值;
将所述概率值和所述样本数据输入所述结果测算网络进行结果计算,得到所述加氢需求量和所述充电需求量。
在可选的实施方式中,所述样本数据包括预测区域内氢能车辆到所述加氢充电联供站的距离、预测区域内电动车辆到所述加氢充电联供站的距离、预测区域内加氢站的吸引力、预测区域内充电站的吸引力、实验指数、预测区域内的加氢站数量和预测区域内的充电站数量,所述概率计算网络根据以下公式进行概率计算:
其中,Ph为氢能车辆选择所述加氢充电联供站的概率值;Pe为电动车辆选择所述加氢充电联供站的概率值;dhi为预测区域内氢能车辆到所述加氢充电联供站的距离;dei为预测区域内电动车辆到所述加氢充电联供站的距离;Ahi为预测区域内第i个加氢站的吸引力;Aei为预测区域内第i个充电站的吸引力;η为实验指数;Nh为预测区域内的加氢站数量;Ne为预测区域内的充电站数量;Ah为加氢充电联供站中加氢站的吸引力;Ae为加氢充电联供站中充电站的吸引力。
在可选的实施方式中,所述样本数据包括预测区域内电动车辆中的乘用车、出租车、公交车和货运车的单位公里能量耗损;预测区域内氢能车辆中的乘用车、出租车、公交车和货运车的单位公里能量耗损;预测区域内电动车辆中的乘用车、出租车、公交车和货运车的日均行驶里程;预测区域内氢能车辆中的乘用车、出租车、公交车和货运车的日均行驶里程;预测区域内电动车辆中的乘用车、出租车、公交车和货运车的数量;预测区域内氢能车辆中的乘用车、出租车、公交车和货运车的数量;预测区域内电动车辆中的乘用车、出租车、公交车和货运车选择所述加氢充电联供站的概率值;以及预测区域内氢能车辆中的乘用车、出租车、公交车和货运车选择所述加氢充电联供站的概率值;所述结果测算网络根据以下公式进行结果计算:
其中,Dae为所述加氢充电联供站的充电需求量;Dah为所述加氢充电联供站的加氢需求量;Ece、Ete、Ebe以及Ede分别为预测区域内电动车辆中的乘用车、出租车、公交车和货运车的单位公里能量耗损;Lce、Lte、Lbe以及Lde分别为预测区域内电动车辆中的乘用车、出租车、公交车和货运车的日均行驶里程;Nce、Nte、Nbe以及Nde分别为预测区域内电动车辆中的乘用车、出租车、公交车和货运车的数量;Pce、Pte、Pbe以及Pde分别为预测区域内电动车辆中的乘用车、出租车、公交车和货运车选择所述加氢充电联供站的概率值;Ech、Eth、Ebh以及Edh分别为预测区域内氢能车辆中的乘用车、出租车、公交车和货运车的单位公里能量耗损;Lch、Lth、Lbh以及Ldh分别为预测区域内氢能车辆中的乘用车、出租车、公交车和货运车的日均行驶里程;Nch、Nth、Nbh以及Ndh分别为预测区域内氢能车辆中的乘用车、出租车、公交车和货运车的数量;Pch、Pth、Pbh以及Pdh分别为预测区域内氢能车辆中的乘用车、出租车、公交车和货运车选择所述加氢充电联供站的概率值。
在可选的实施方式中,所述根据预设的电力运行模式和所述加氢需求量,计算得到所述制氢设备的实际功率的步骤之前,所述方法还包括:
依据所述制氢设备和所述储能设备在谷电价时间段的功率调节范围、待调度状态和功率调节值,以及在平电价和峰电价时间段的功率调节范围、待调度状态和功率调节值,确定初始电力运行模式;
依据预设的功率和电量的调节条件,将所述初始电力运行模式确定为所述电力运行模式。
其中,Dahc为所述加氢需求量,Δt为谷电价时间长度。
在可选的实施方式中,所述根据所述电力运行模式和所述充电需求量,计算得到所述储能设备的实际功率和实际电量的步骤包括:
在所述电力运行模式下依据所述制氢设备的实际功率,计算得到所述储能设备的实际功率;
依据所述实际功率计算得到所述储能设备的第一参考电量;
在所述电力运行模式下依据所述充电需求量,计算得到所述储能设备的第二参考电量;
选择所述第一参考电量和所述第二参考电量中的最大值,为所述储能设备的实际电量。
第二方面,本发明提供一种设备容量配置装置,应用于电子设备,所述电子设备应用于加氢充电联供站,所述加氢充电联供站包括储能设备和制氢设备,所述装置包括:
第一计算模块,用于依据预先创建的预估模型,计算得到所述加氢充电联供站的加氢需求量和充电需求量;
第二计算模块,用于根据预设的电力运行模式和所述加氢需求量,计算得到所述制氢设备的实际功率;
第三计算模块,用于根据所述电力运行模式和所述充电需求量,计算得到所述储能设备的实际功率和实际电量。
第三方面,本发明提供一种电子设备,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器可执行所述机器可执行指令以实现前述实施方式任一所述的方法。
第四方面,本发明提供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如前述实施方式中任一项所述的方法。
本发明实施例提供的设备容量配置方法、装置、电子设备和计算机可读存储介质的有益效果为:该设备容量配置方法应用于电子设备,电子设备应用于加氢充电联供站,加氢充电联供站包括储能设备和制氢设备,设备容量配置方法包括:依据预先创建的预估模型,计算得到加氢充电联供站的加氢需求量和充电需求量;根据预设的电力运行模式和加氢需求量,计算得到制氢设备的实际功率;根据电力运行模式和充电需求量,计算得到储能设备的实际功率和实际电量。可见,通过计算得到的加氢需求量、充电需求量和电力运行模式,配置储能设备和制氢设备的容量。实现了在满足加氢需求量和充电需求量的基础上降低储能设备和制氢设备的投资;且储能设备和制氢设备满足电力调频辅助服务性能,同时满足加氢和充电两种服务;加氢充电联供站中制氢设备和储能设备耦合控制,能够延缓储能电池衰减,同时降低制氢成本。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1示出了本发明实施例提供的一种电子设备的结构示意图;
图2示出了本发明实施例提供的一种设备容量配置方法的流程示意图;
图3示出了本发明实施例提供的另一种设备容量配置方法的流程示意图;
图4示出了本发明实施例提供的又一种设备容量配置方法的流程示意图;
图5示出了本发明实施例提供的又一种设备容量配置方法的流程示意图;
图6示出了本发明实施例提供的一种设备容量配置装置的结构示意图。
图标:100-电子设备;110-存储器;120-处理器;130-通信模块;140-设备容量配置装置;141-第一计算模块;142-第二计算模块;143-第三计算模块。
具体实施方式
下面将结合本发明实施例中附图,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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
需要说明的是,术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
请参照图1,是电子设备100的结构示意图。所述电子设备100包括存储器110、处理器120及通信模块130。所述存储器110、处理器120以及通信模块130各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
其中,存储器110用于存储程序或者数据。所述存储器110可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(ErasableProgrammable Read-Only Memory,EPROM),电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory,EEPROM)等。
处理器120用于读/写存储器110中存储的数据或程序,并执行相应地功能。
通信模块130用于通过所述网络建立所述电子设备100与其它通信终端之间的通信连接,并用于通过所述网络收发数据。该通信模块130可以与电力系统中的控制系统通信连接,进行数据交互。
电子设备100应用于加氢充电联供站,加氢充电联供站包括储能设备和制氢设备。储能设备包括储能电池,用于储存电能。制氢设备制造氢能,并将氢能传输至储氢罐中进行存储。
应当理解的是,图1所示的结构仅为电子设备100的结构示意图,所述电子设备100还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。图1中所示的各组件可以采用硬件、软件或其组合实现。
本申请实施例提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器120执行时实现如前述实施方式中任一项的设备容量配置方法。该计算机可读存储介质可以是,但不限于,U盘、移动硬盘、ROM、RAM、PROM、EPROM、EEPROM、磁碟或者光盘等各种可以存储程序代码的介质。
请参考图2,为本发明实施例提供的设备容量配置方法的一种流程示意图。需要说明的是,本发明实施例提供的设备容量配置方法并不以图2以及以下的具体顺序为限制,应当理解,在其他实施例中,本发明实施例提供的设备容量配置方法其中部分步骤的顺序可以根据实际需要相互交换,或者其中的部分步骤也可以省略或删除。该设备容量配置方法可以应用在图1所示的电子设备100中,下面将对图2所示的具体流程进行详细阐述。
S101,依据预先创建的预估模型,计算得到加氢充电联供站的加氢需求量和充电需求量。
在本实施例中,计算加氢充电联供站的加氢需求量和充电需求量的依据为:根据加氢充电联供站预测区域内电动车辆和氢能车辆的数量,预先建立预估模型,计算出预测区域平均规模的加氢充电联供站的日均加氢需求量和充电需求量。且通过加氢需求量可以确定储氢罐的储气量。
S102,根据预设的电力运行模式和加氢需求量,计算得到制氢设备的实际功率。
在本实施例中,根据工商业两部制峰谷电价规则和电力辅助服务市场规则的要求,考虑制氢设备的性能特点建立电力运行模式。
S103,根据电力运行模式和充电需求量,计算得到储能设备的实际功率和实际电量。
在本实施例中,电力运行模式的建立还考虑储能设备的性能特点。
可以理解,加氢充电联供站在电力市场中属于大型商业用户。工商业两部制峰谷电价规则规定,大型商业用户电费分为基本电费和电量电费。基本电费按照用户月度最大负荷功率乘以单位容量计算,电量电费根据不同时间段的用电量乘以电价计算。根据商业用户在不同时间段按不同电价进行结算,分为峰电价、平电价、谷电价。加氢充电联供站中储能设备和制氢设备在谷电价时间段内提供电力调频服务同时制氢售氢的综合效益好,但是一天之内谷电价时间段持续时间较短,导致制氢设备的利用率较低,影响联供站的收益,需要在平电价和峰电价时段也提供电力辅助服务。由于谷电价时段加氢充电联供站中设备的用电功率较高,使得加氢充电联供站的基本电费已经确定。因此,平电价和峰电价时段需要降低制氢设备的耗电,最大化的使用储能设备提供电力调频服务。
为了进一步说明,如何依据预先创建的预估模型,计算得到加氢充电联供站的加氢需求量和充电需求量。如图3所示,上述步骤S101包括如下子步骤:
S201,获取样本数据。
S202,将样本数据输入预估模型,预估模型包括:概率计算网络和结果测算网络。
S203,将样本数据输入概率计算网络进行概率计算,得到车辆选择加氢充电联供站的概率值。
S204,将概率值和样本数据输入结果测算网络进行结果计算,得到加氢需求量和充电需求量。
在本实施例中,样本数据可以包括预测区域内氢能车辆到加氢充电联供站的距离、预测区域内电动车辆到加氢充电联供站的距离、预测区域内加氢站的吸引力、预测区域内充电站的吸引力、实验指数、预测区域内的加氢站数量和预测区域内的充电站数量。
概率计算网络根据以下公式进行概率计算:
其中,Ph为氢能车辆选择加氢充电联供站的概率值;Pe为电动车辆选择加氢充电联供站的概率值;dhi为预测区域内氢能车辆到加氢充电联供站的距离;dei为预测区域内电动车辆到加氢充电联供站的距离;Ahi为预测区域内第i个加氢站的吸引力;Aei为预测区域内第i个充电站的吸引力;η为实验指数;Nh为预测区域内的加氢站数量;Ne为预测区域内的充电站数量。Ah为加氢充电联供站中加氢站的吸引力;Ae为加氢充电联供站中充电站的吸引力。
可以理解,概率计算网络可以采用Huff模型(huff’smodel,哈夫模型)预估预测区域内车辆选择该加氢充电联供站的概率。能够计算出消费者前往某一商圈消费的概率,与该商圈的吸引力成正相关,与消费者前往该商圈的距离成反比。
而加氢充电联供站的吸引力主要由供应站规模、加氢价格以及充电价格决定。故加氢充电联供站的吸引力可以用以下公式计算:
其中,Nhi为加氢充电联供站的加氢枪数量;Nei为加氢充电联供站的充电桩数量;Phi为加氢充电联供站的加氢价格;Pei为加氢充电联供站的充电价格。且加氢充电联供站中加氢枪和充电桩数量等于预测区域内相应供给站的平均值。
进一步地,样本数据还包括预测区域内电动车辆中的乘用车、出租车、公交车和货运车的单位公里能量耗损;预测区域内氢能车辆中的乘用车、出租车、公交车和货运车的单位公里能量耗损;预测区域内电动车辆中的乘用车、出租车、公交车和货运车的日均行驶里程;预测区域内氢能车辆中的乘用车、出租车、公交车和货运车的日均行驶里程;预测区域内电动车辆中的乘用车、出租车、公交车和货运车的数量;预测区域内氢能车辆中的乘用车、出租车、公交车和货运车的数量;预测区域内电动车辆中的乘用车、出租车、公交车和货运车选择加氢充电联供站的概率值;以及预测区域内氢能车辆中的乘用车、出租车、公交车和货运车选择加氢充电联供站的概率值。
结果测算网络根据可以以下公式进行结果计算:
其中,Dae为加氢充电联供站的充电需求量;Dah为加氢充电联供站的加氢需求量;Ece、Ete、Ebe以及Ede分别为预测区域内电动车辆中的乘用车、出租车、公交车和货运车的单位公里能量耗损;Lce、Lte、Lbe以及Lde分别为预测区域内电动车辆中的乘用车、出租车、公交车和货运车的日均行驶里程;Nce、Nte、Nbe以及Nde分别为预测区域内电动车辆中的乘用车、出租车、公交车和货运车的数量;Pce、Pte、Pbe以及Pde分别为预测区域内电动车辆中的乘用车、出租车、公交车和货运车选择加氢充电联供站的概率值;Ech、Eth、Ebh以及Edh分别为预测区域内氢能车辆中的乘用车、出租车、公交车和货运车的单位公里能量耗损;Lch、Lth、Lbh以及Ldh分别为预测区域内氢能车辆中的乘用车、出租车、公交车和货运车的日均行驶里程;Nch、Nth、Nbh以及Ndh分别为预测区域内氢能车辆中的乘用车、出租车、公交车和货运车的数量;Pch、Pth、Pbh以及Pdh分别为预测区域内氢能车辆中的乘用车、出租车、公交车和货运车选择加氢充电联供站的概率值。
进一步地,考虑到加氢充电联供站的维护和意外事件等因素,可以分别取加氢和充电的容积系数为Rh和Re。即加氢的容积系数Rh和充电的容积系数Re为平均每天加气量与设计加气量的比值。因此,加氢充电联供站最终的日加氢需求量和日加氢需求量的确定公式如下:
其中,Daec为加氢充电联供站最终的充电需求量;Dahc为加氢充电联供站最终的加氢需求量。
为了保证加氢充电联供站内加氢服务的需求,储氢罐的储气量需要大于或等于最终的加氢需求量。因此,加氢充电联供站中储氢罐的储气量可以设置为最终的加氢需求量。
为了进一步说明如何确定电力运行模式,如图4所示,在上述S102之前,设备容量配置方法还包括以下步骤:
S301,依据制氢设备和储能设备在谷电价时间段的功率调节范围、待调度状态和功率调节值,以及在平电价和峰电价时间段的功率调节范围、待调度状态和功率调节值,确定初始电力运行模式。
在本实施例中,在电力调频辅助服务过程中,制氢设备理论上的功率调节范围为[20%Phr,110%Phr],其中,Phr为制氢设备的额定功率,由于制氢设备在低负载运行过程中存在安全隐患,因此需要保证最低负载率大于20%;储氢罐理论上的储气量范围为[5%,100%]。储能设备理论上的功率调节范围为[-Per,+Per],其中,Per为储能设备的额定功率;储能设备理论上的荷电状态(SOC)的范围为[10%,90%];
其中,在谷电价时间段,制氢设备实际的功率调节范围可以设定为[20%Phr,110%Phr],制氢设备的待调度状态为65%Phr。其中,制氢设备的待调度状态可以理解为制氢设备的初始功率值。制氢设备在谷电价时间段的功率调节值为45%Phr。
可以理解,制氢设备在谷电价时间段进行功率调节时,每次以功率调节值为单位进行向上调节和向下调节,但最大只能调到110%Phr,最小只能调到20%Phr。
由于在平电价和峰电价时段需要降低制氢设备的耗电,最大化的使用储能设备提供电力调频服务。故制氢设备在平电价和峰电价时间段处于停机状态,制氢设备在平电价和峰电价时间段的功率调节范围、待调度状态和功率调节值均为0。
在谷电价时间段,储能设备的运行功率范围为[-Per3,+Per],储能设备的待调度状态为(Per-Per3)/2,储能设备在谷电价时间段的功率调节值为(Per+Per3)/2。且在谷电价时间段开始时刻,储能设备的SOC为10%,在谷电价时间段结束时刻,储能设备的SOC为90%。其中,储能设备的待调度状态可以理解为储能设备的初始功率值,Per3需要根据储能设备在谷电价时间段需要充电量计算得到。
Per3可以根据以下公式计算得到:
Pe=δ*Per;
其中,Δt为谷电价时间段长度,ΔEes为储能设备在平电价和峰电价时间段调频过程转移的电量(kWh),η为调频过程中储能设备的能量损耗率,Pe为储能设备在平电价和峰电价时间段调频过程的储能设备的运行功率(kW),t1、t2分别为平电价和峰电价时间段开始时间点和结束时间点,δ为电力调频信号的平均值处于最大信号值,可以根据电力调频信号历史数据计算。
在平电价和峰电价时间段,仅储能设备工作,其功率调节范围为[-Per3,+Per],其功率调节值为Per,其待调度状态也为(Per-Per3)/2。其中,谷电价时间段功率调节值大于平电价和峰电价时间段的功率调节值。
故制氢设备和储能设备的初始电力运行模式为:以待调度状态为初始功率值,且在调节的过程中,以功率调节值为单位进行向上调节和向下调节,但最大只能调到功率调节范围的最大值,最小只能调到功率调节范围的最小值。
S302,依据预设的功率和电量的调节条件,将初始电力运行模式确定为电力运行模式。
在本实施例中,电力调频服务市场规则要求用户侧储能电站或者虚拟电厂负荷集成商需满足最低市场准入门槛。电力调频辅助服务的用户侧供应商需要满足充电/放电功率不低于Pfrl且电量不低于Efrl。例如某地区电力调频辅助服务市场规则要求,用户侧供应商需要满足充电/放电功率不低于10MW且电量不低于20MWh。故预设的功率和电量的调节条件为:加氢充电联供站中制氢设备和储能设备的功率调节值和电量调节值需要满足电力调频服务市场规则的性能要求。
也就是说,制氢设备和储能设备的功率调节值和电量调节值需要满足以下条件:
在满足电力辅助服务市场规则要求的基础上,需要满足加氢充电联供站内制氢加氢需求,进而确定最终的电力运行模式,以确定制氢设备的功率。
可以理解,根据最终的电力运行模式,可以建立上述的关系公式,该关系公式表征制氢设备规模和日均产氢量的关系。且日均产氢量Dahp等于加氢需求量Dahc,该加氢需求量Dahc为日均量。
其中,电力调频辅助服务的调度信号特点为,快速功率变化且向上功率调节值等于向下功率调节值。
为了进一步说明,如何根据电力运行模式和充电需求量,计算得到储能设备的实际功率和实际电量。如图5所示,上述步骤S103包括如下子步骤:
S401,在电力运行模式下依据制氢设备的实际功率,计算得到储能设备的实际功率。
在本实施例中,根据储能设备和制氢设备的功率调节范围需要满足电力调频辅助服务市场的规则要求,将加氢充电联供站的总调节需求范围减去制氢设备的调节范围,就可以得到满足要求的储能设备最小功率值(即实际功率)。且前述已确定制氢设备的实际功率为Phrp,那么制氢设备的功率调节值则为45%Phrp。故储能设备的实际功率可以通过以下公式计算得到:
其中,Perp为储能设备的实际功率。
S402,依据实际功率计算得到储能设备的第一参考电量。
在本实施例中,加氢充电联供站内储氢罐储气量等于制氢设备在调频模式功率乘以谷电时长,其值大于制氢设备额定功率乘以2h。因此制氢设备满足调频模式下持续运行的需求。储能设备需要满足平电价和峰电价时段单独调频模式中持续运行超过2h。故可以根据以下公式计算得到第一参考电量:
Eer1≥Perp*2h;
其中,Eer1为储能设备的第一参考电量。
S403,在电力运行模式下依据充电需求量,计算得到储能设备的第二参考电量。
在本实施例中,加氢充电联供站在提供电力辅助服务过程需要严格执行电力调频辅助服务的调度信号的要求。因此加氢充电联供站在提供电力调频辅助服务过程中存在充电服务的时候,优先调控制氢设备在电力运行模式基础上降低运行功率,其功率值等于充电功率。当制氢设备在调频辅助服务过程中降低到20%Phrp的时候受到制氢设备的安全运行限制,需要调控储能设备以满足电力运行模式下电动车辆的充电需求。故储能设备的第二参考电量可以根据以下公式计算得到:
Ph=δ*Phrp;
其中,Eer2为储能设备的第二参考电量,t3、t4分别为谷电价时间段的开始时间点和结束时间点,Ph为加氢充电联供站在电力运行模式中制氢设备的运行功率(kW)。
S404,选择第一参考电量和第二参考电量中的最大值,为储能设备的实际电量。
在本实施例中,为了保障储能设备同时满足电力调频辅助服务和充电服务的约束条件,取第一参考电量和第二参考电量中的最大值为储能设备的实际电量。
为了执行上述实施例及各个可能的方式中的相应步骤,下面给出一种设备容量配置装置140的实现方式。进一步地,请参阅图6,图6为本发明实施例提供的一种设备容量配置装置140的功能模块图。需要说明的是,本实施例所提供的设备容量配置装置140,其基本原理及产生的技术效果和上述实施例相同,为简要描述,本实施例部分未提及之处,可参考上述的实施例中相应内容。该设备容量配置装置140包括:第一计算模块141、第二计算模块142和第三计算模块143。
第一计算模块141用于依据预先创建的预估模型,计算得到加氢充电联供站的加氢需求量和充电需求量。
可以理解,第一计算模块141用于实现上述S101中内容。
第二计算模块142用于根据预设的电力运行模式和加氢需求量,计算得到制氢设备的实际功率。
可以理解,第二计算模块142用于实现上述S102中内容。
第三计算模块143用于根据电力运行模式和充电需求量,计算得到储能设备的实际功率和实际电量。
可以理解,第三计算模块143用于实现上述S103中内容。
可选地,上述模块可以软件或固件(Firmware)的形式存储于图1所示的存储器110中或固化于该电子设备100的操作系统(Operating System,OS)中,并可由图1中的处理器120执行。同时,执行上述模块所需的数据、程序的代码等可以存储在存储器110中。
综上所述,本发明实施例提供的一种设备容量配置方法、装置、电子设备和计算机可读存储介质。该设备容量配置方法应用于电子设备,电子设备应用于加氢充电联供站,加氢充电联供站包括储能设备和制氢设备,设备容量配置方法包括:依据预先创建的预估模型,计算得到加氢充电联供站的加氢需求量和充电需求量;根据预设的电力运行模式和加氢需求量,计算得到制氢设备的实际功率;根据电力运行模式和充电需求量,计算得到储能设备的实际功率和实际电量。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种设备容量配置方法,其特征在于,应用于电子设备,所述电子设备应用于加氢充电联供站,所述加氢充电联供站包括储能设备和制氢设备,所述方法包括:
依据预先创建的预估模型,计算得到所述加氢充电联供站的加氢需求量和充电需求量;
根据预设的电力运行模式和所述加氢需求量,计算得到所述制氢设备的实际功率;
根据所述电力运行模式和所述充电需求量,计算得到所述储能设备的实际功率和实际电量。
2.根据权利要求1所述的设备容量配置方法,其特征在于,所述依据预先创建的预估模型,计算得到所述加氢充电联供站的加氢需求量和充电需求量的步骤包括:
获取样本数据;
将所述样本数据输入所述预估模型,所述预估模型包括:概率计算网络和结果测算网络;
将所述样本数据输入所述概率计算网络进行概率计算,得到车辆选择所述加氢充电联供站的概率值;
将所述概率值和所述样本数据输入所述结果测算网络进行结果计算,得到所述加氢需求量和所述充电需求量。
3.根据权利要求2所述的设备容量配置方法,其特征在于,所述样本数据包括预测区域内氢能车辆到所述加氢充电联供站的距离、预测区域内电动车辆到所述加氢充电联供站的距离、预测区域内加氢站的吸引力、预测区域内充电站的吸引力、实验指数、预测区域内的加氢站数量和预测区域内的充电站数量,所述概率计算网络根据以下公式进行概率计算:
其中,Ph为氢能车辆选择所述加氢充电联供站的概率值;Pe为电动车辆选择所述加氢充电联供站的概率值;dhi为预测区域内氢能车辆到所述加氢充电联供站的距离;dei为预测区域内电动车辆到所述加氢充电联供站的距离;Ahi为预测区域内第i个加氢站的吸引力;Aei为预测区域内第i个充电站的吸引力;η为实验指数;Nh为预测区域内的加氢站数量;Ne为预测区域内的充电站数量;Ah为加氢充电联供站中加氢站的吸引力;Ae为加氢充电联供站中充电站的吸引力。
4.根据权利要求2所述的设备容量配置方法,其特征在于,所述样本数据包括预测区域内电动车辆中的乘用车、出租车、公交车和货运车的单位公里能量耗损;预测区域内氢能车辆中的乘用车、出租车、公交车和货运车的单位公里能量耗损;预测区域内电动车辆中的乘用车、出租车、公交车和货运车的日均行驶里程;预测区域内氢能车辆中的乘用车、出租车、公交车和货运车的日均行驶里程;预测区域内电动车辆中的乘用车、出租车、公交车和货运车的数量;预测区域内氢能车辆中的乘用车、出租车、公交车和货运车的数量;预测区域内电动车辆中的乘用车、出租车、公交车和货运车选择所述加氢充电联供站的概率值;以及预测区域内氢能车辆中的乘用车、出租车、公交车和货运车选择所述加氢充电联供站的概率值;所述结果测算网络根据以下公式进行结果计算:
其中,Dae为所述加氢充电联供站的充电需求量;Dah为所述加氢充电联供站的加氢需求量;Ece、Ete、Ebe以及Ede分别为预测区域内电动车辆中的乘用车、出租车、公交车和货运车的单位公里能量耗损;Lce、Lte、Lbe以及Lde分别为预测区域内电动车辆中的乘用车、出租车、公交车和货运车的日均行驶里程;Nce、Nte、Nbe以及Nde分别为预测区域内电动车辆中的乘用车、出租车、公交车和货运车的数量;Pce、Pte、Pbe以及Pde分别为预测区域内电动车辆中的乘用车、出租车、公交车和货运车选择所述加氢充电联供站的概率值;Ech、Eth、Ebh以及Edh分别为预测区域内氢能车辆中的乘用车、出租车、公交车和货运车的单位公里能量耗损;Lch、Lth、Lbh以及Ldh分别为预测区域内氢能车辆中的乘用车、出租车、公交车和货运车的日均行驶里程;Nch、Nth、Nbh以及Ndh分别为预测区域内氢能车辆中的乘用车、出租车、公交车和货运车的数量;Pch、Pth、Pbh以及Pdh分别为预测区域内氢能车辆中的乘用车、出租车、公交车和货运车选择所述加氢充电联供站的概率值。
5.根据权利要求1所述的设备容量配置方法,其特征在于,所述根据预设的电力运行模式和所述加氢需求量,计算得到所述制氢设备的实际功率的步骤之前,所述方法还包括:
依据所述制氢设备和所述储能设备在谷电价时间段的功率调节范围、待调度状态和功率调节值,以及在平电价和峰电价时间段的功率调节范围、待调度状态和功率调节值,确定初始电力运行模式;
依据预设的功率和电量的调节条件,将所述初始电力运行模式确定为所述电力运行模式。
7.根据权利要求1所述的设备容量配置方法,其特征在于,所述根据所述电力运行模式和所述充电需求量,计算得到所述储能设备的实际功率和实际电量的步骤包括:
在所述电力运行模式下依据所述制氢设备的实际功率,计算得到所述储能设备的实际功率;
依据所述实际功率计算得到所述储能设备的第一参考电量;
在所述电力运行模式下依据所述充电需求量,计算得到所述储能设备的第二参考电量;
选择所述第一参考电量和所述第二参考电量中的最大值,为所述储能设备的实际电量。
8.一种设备容量配置装置,其特征在于,应用于电子设备,所述电子设备应用于加氢充电联供站,所述加氢充电联供站包括储能设备和制氢设备,所述装置包括:
第一计算模块,用于依据预先创建的预估模型,计算得到所述加氢充电联供站的加氢需求量和充电需求量;
第二计算模块,用于根据预设的电力运行模式和所述加氢需求量,计算得到所述制氢设备的实际功率;
第三计算模块,用于根据所述电力运行模式和所述充电需求量,计算得到所述储能设备的实际功率和实际电量。
9.一种电子设备,其特征在于,包括处理器和存储器,所述存储器存储有能够被所述处理器执行的机器可执行指令,所述处理器可执行所述机器可执行指令以实现权利要求1-7任一所述的方法。
10.一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如权利要求1-7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110220833.9A CN112968448B (zh) | 2021-02-26 | 2021-02-26 | 设备容量配置方法和相关装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110220833.9A CN112968448B (zh) | 2021-02-26 | 2021-02-26 | 设备容量配置方法和相关装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112968448A true CN112968448A (zh) | 2021-06-15 |
CN112968448B CN112968448B (zh) | 2022-02-01 |
Family
ID=76275969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110220833.9A Active CN112968448B (zh) | 2021-02-26 | 2021-02-26 | 设备容量配置方法和相关装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112968448B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113572158A (zh) * | 2021-07-27 | 2021-10-29 | 阳光新能源开发有限公司 | 一种制氢控制方法及其应用装置 |
CN116565925A (zh) * | 2023-05-25 | 2023-08-08 | 中科聚(北京)能源科技有限公司 | 基于用电特性的储能配置方法、系统及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1849724A (zh) * | 2003-07-10 | 2006-10-18 | 通用电气公司 | 基于储存氢的可再充燃料电池系统 |
EP2974902A2 (en) * | 2013-03-12 | 2016-01-20 | D2M - Energytransit, Unipessoal, Lda. | Modular electric energy storage device and corresponding uses |
CN107528335A (zh) * | 2017-09-18 | 2017-12-29 | 赫普科技发展(北京)有限公司 | 一种分布式氢能发电调峰调频系统 |
CN109210370A (zh) * | 2018-09-18 | 2019-01-15 | 北京久安通氢能科技有限公司 | 一种加氢站及加氢控制方法 |
CN109707992A (zh) * | 2019-01-12 | 2019-05-03 | 武汉船用电力推进装置研究所(中国船舶重工集团公司第七一二研究所) | 一种多功能充电加氢站 |
CN111371105A (zh) * | 2020-04-15 | 2020-07-03 | 沈阳工业大学 | 一种基于配电网负荷频率指数的多源储能装置控制方法 |
-
2021
- 2021-02-26 CN CN202110220833.9A patent/CN112968448B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1849724A (zh) * | 2003-07-10 | 2006-10-18 | 通用电气公司 | 基于储存氢的可再充燃料电池系统 |
EP2974902A2 (en) * | 2013-03-12 | 2016-01-20 | D2M - Energytransit, Unipessoal, Lda. | Modular electric energy storage device and corresponding uses |
CN107528335A (zh) * | 2017-09-18 | 2017-12-29 | 赫普科技发展(北京)有限公司 | 一种分布式氢能发电调峰调频系统 |
CN109210370A (zh) * | 2018-09-18 | 2019-01-15 | 北京久安通氢能科技有限公司 | 一种加氢站及加氢控制方法 |
CN109707992A (zh) * | 2019-01-12 | 2019-05-03 | 武汉船用电力推进装置研究所(中国船舶重工集团公司第七一二研究所) | 一种多功能充电加氢站 |
CN111371105A (zh) * | 2020-04-15 | 2020-07-03 | 沈阳工业大学 | 一种基于配电网负荷频率指数的多源储能装置控制方法 |
Non-Patent Citations (3)
Title |
---|
GUANHAO DU等: "Design and Assessment of an Electric Vehicle Powertrain Model Based on Real-World Driving and Charging Cycles", 《 IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY 》 * |
张港: "基于用户出行特征分析的电动汽车快速充电站选址定容优化方法", 《中国优秀博硕士学位论文全文数据(硕士)》 * |
高丹慧等: "基于氢源与交通网络的加氢站规划布局方法", 《天然气与石油》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113572158A (zh) * | 2021-07-27 | 2021-10-29 | 阳光新能源开发有限公司 | 一种制氢控制方法及其应用装置 |
CN113572158B (zh) * | 2021-07-27 | 2023-11-24 | 阳光新能源开发股份有限公司 | 一种制氢控制方法及其应用装置 |
CN116565925A (zh) * | 2023-05-25 | 2023-08-08 | 中科聚(北京)能源科技有限公司 | 基于用电特性的储能配置方法、系统及存储介质 |
CN116565925B (zh) * | 2023-05-25 | 2023-11-14 | 中科聚(北京)能源科技有限公司 | 基于用电特性的储能配置方法、系统及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112968448B (zh) | 2022-02-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Haupt et al. | The influence of electric vehicle charging strategies on the sizing of electrical energy storage systems in charging hub microgrids | |
CN112968448B (zh) | 设备容量配置方法和相关装置 | |
US10509374B2 (en) | Systems and methods for managing power generation and storage resources | |
US20050165511A1 (en) | Energy network | |
WO2018156732A1 (en) | Method and apparatus for charging a battery from an isolatable electric power grid | |
JP6156499B2 (ja) | 電力需給調整システムおよび電力需給調整方法 | |
NZ528673A (en) | System and method for enabling the real time buying and selling of electricity generated by fuel cell powered vehicles | |
He et al. | An optimal charging/discharging strategy for smart electrical car parks | |
Chiş et al. | Scheduling of plug-in electric vehicle battery charging with price prediction | |
Wang et al. | Admission and scheduling mechanism for electric vehicle charging with renewable energy | |
CN110826801A (zh) | 电动车充电站分布式电能管理方法 | |
CN113224854B (zh) | 一种对分布式储能电站的接纳能力的评估方法及装置 | |
Huang et al. | Recharging and transportation scheduling for electric vehicle battery under the swapping mode | |
Zheng et al. | Reliability evaluation and analysis for NEV charging station considering the impact of charging experience | |
Schuller | Electric vehicle charging coordination-economics of renewable energy integration | |
JP7436399B2 (ja) | エネルギー管理装置およびエネルギー管理方法 | |
Liu et al. | An aggregator-based dynamic pricing mechanism and optimal scheduling scheme for the electric vehicle charging | |
Burke et al. | Vehicle Choice Modeling for Light-, Medium-, and Heavy-Duty Zero-Emission Vehicles in California | |
WO2015029119A1 (ja) | 充電制御装置、電気自動車充電システム、及び電気自動車充電方法 | |
JP2024044847A (ja) | 電力需給制御システム、及び電力需給制御方法 | |
Gromann et al. | Optimal Charging Control of Electric Vehicle Fleets Based on Demand Aggregation and User-Oriented Disaggregation Respecting Data Privacy | |
CN112821382B (zh) | 一种确定用电设备调度策略的方法及设备 | |
Crow et al. | Economic and battery health conscious vehicle-to-grid electric vehicle operation | |
US20240028992A1 (en) | Planning device | |
WO2023210209A1 (ja) | リソース管理装置、リソース管理方法、および、リソース管理プログラム |
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 |