CN113224758A - 光储充电站的储能充放电的控制方法、系统、设备及介质 - Google Patents

光储充电站的储能充放电的控制方法、系统、设备及介质 Download PDF

Info

Publication number
CN113224758A
CN113224758A CN202110572171.1A CN202110572171A CN113224758A CN 113224758 A CN113224758 A CN 113224758A CN 202110572171 A CN202110572171 A CN 202110572171A CN 113224758 A CN113224758 A CN 113224758A
Authority
CN
China
Prior art keywords
energy storage
power
charging
storage battery
soc
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.)
Pending
Application number
CN202110572171.1A
Other languages
English (en)
Inventor
严晓
罗恒
王钦
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.)
Shanghai MS Energy Storage Technology Co Ltd
Original Assignee
Shanghai MS Energy Storage Technology 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 Shanghai MS Energy Storage Technology Co Ltd filed Critical Shanghai MS Energy Storage Technology Co Ltd
Priority to CN202110572171.1A priority Critical patent/CN113224758A/zh
Publication of CN113224758A publication Critical patent/CN113224758A/zh
Priority to PCT/CN2022/094591 priority patent/WO2022247811A1/zh
Pending legal-status Critical Current

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
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/50—Charging stations characterised by energy-storage or power-generation means
    • B60L53/51—Photovoltaic means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/50—Charging stations characterised by energy-storage or power-generation means
    • B60L53/53—Batteries
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/63—Monitoring or controlling charging stations in response to network capacity
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/64—Optimising energy costs, e.g. responding to electricity rates
    • 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
    • H02J3/381—Dispersed generators
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0068—Battery or charger load switching, e.g. concurrent charging and load 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H02J7/35—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering with light sensitive cells
    • 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
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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]
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • 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
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations

Abstract

本发明公开了一种光储充电站的储能充放电的控制方法、系统、设备及介质，控制方法包括：S1、采集用户的用电数据，并根据采集到的用户的用电数据得到用户的用电功率，获取光伏发电功率与时间的对应关系并查询得到电价与时间的对应关系；S2、获取储能电池的最大充放电功率；S3、设置储能电池的能量和初始及结束储能SOC值；S4、根据用户的用电功率、光伏发电功率及电价构建针对储能电池的充放电功率的混合整数线性规划模型并设置若干约束条件；S5、根据所述混合整数线性规划模型及所述约束条件计算出储能电池的充放电功率并进行输出。本发明通过混合整数线性规划算法来控制光储充电站的储能充放电功率，可以降低用电成本。

Description

光储充电站的储能充放电的控制方法、系统、设备及介质
技术领域
本发明涉及电动汽车充电站光储充控制技术领域，特别涉及一种光储充电站的储能充放电的控制方法、系统、设备及介质。
背景技术
能源危机和环境污染是当前社会发展所面临的重要问题，电动汽车、可再生能源发电以及储能技术具有节能环保特性，是未来智能电网系统的重要组成部分。同时用电负荷日益增加，配电网现有设备容量无法满足需求，且负荷的峰谷差也逐渐加剧，针对电力系统供需不平衡，高峰电力短缺给当地居民的正常生活和经济产业的发展造成了严重的影响。因此电力系统供需不平衡的是急需解决的问题。
中国发明专利(专利公开号：CN 111969628A，专利名称：一种储能电站最优控制策略的求解方法、存储介质和设备)，该专利描述了一种储能电站最优控制策略的求解方法，储能电站执行最低总成本控制策略所对应的荷电状态区间与执行电池保护策略所对应的荷电状态区间的临界荷电值，当储能电站处于该临界荷电状态下时，采用对弈算法对储能电站的控制策略进行求解，获得储能电站当前状态的控制策略；对弈过程中，若超出约束条件集合，则对弈算法停止，且储能电站停止运行。该方法需要将储能电站的荷电状态SOC，将其工作状态划分为五个区间再进行求解。求解过程比较复杂。
中国发明专利(专利公开号：CN105958520A，专利名称：一种配电网中蓄电池储能系统的运行控制策略)，该专利描述了一种在配电网中蓄电池储能系统的运行控制策略。该专利根据分时电价信息得到储能充电时间和放电时间，根据分布式电源的出力曲线和负荷曲线，叠加得到日周期内的等效负荷曲线，最后根据各采样间隔Δt内的充电功率和放电功率，得到日周期内所述储能系统的充放电策略。在用户侧储能电站并网运行过程中，不同应用场景下储能电站的运行功能需求不同，而且一天的不同时间段运行功能需求也不同，但是该专利仅仅通过低价充电和高价放电，并不能解决复杂的应用场景。
中国发明专利(专利公开号：CN103928938A，专利名称：考虑功率预测的储能电站优化控制方法)，该专利描述了一种考虑功率预测的储能电站优化控制方法，以储能电站荷电状态SOC运行状态最优为目标构建风电场储能系统容量优化目标函数，并建立充放电功率约束条件和SOC约束条件，在满足储能电站充放电模型控制策略的条件下，选用了PSO(粒子群算法)对储能系统容量优化，进行求解计算，获取储能电站最优充放电功率。该方法可以选取了PSO算法来控制储能充放电，但是PSO算法缺点是需要多次迭代，寻找最优解，得到的解并不是唯一解，每次利用该算法得到的结果不一样，且计算量大。
发明内容
本发明要解决的技术问题是为了克服现有技术中存在的上述缺陷，提供一种光储充电站的储能充放电的控制方法、系统、设备及介质，本发明为了解决上述问题，当输入每日光伏发电功率、其他基础负荷功率、每日分时电价时，首次提出了混合整数线性规划算法的方法来调节光储能系统，可以降低用电成本，同时促进电网侧的削峰填谷，运算速度得到极大提升。
本发明是通过下述技术方案来解决上述技术问题：
本发明提供了一种光储充电站的储能充放电的控制方法，所述光储充电站包括光伏发电系统以及储能电池系统，所述控制方法包括以下步骤：
S1、采集用户的用电数据，并根据采集到的用户的用电数据得到用户的用电功率，获取一预设时间段内的光伏发电功率与时间的对应关系并查询得到所述预设时间段内的电价与时间的对应关系；
S2、获取储能电池的最大充放电功率；
S3、设置储能电池的能量和初始储能SOC值以及结束储能SOC值；
S4、根据用户的用电功率、光伏发电功率以及电价构建针对储能电池的充放电功率的混合整数线性规划模型并设置若干约束条件；
S5、根据所述混合整数线性规划模型及所述约束条件计算出所述储能电池的充放电功率并进行输出。
较佳地，步骤S4中的所述混合整数线性规划模型的表达式如下：
Figure BDA0003083124850000031
其中，N表示将所述预设时间段T均分为N个时段，
Figure BDA0003083124850000032
表示第t时段的其他负荷功率，
Figure BDA0003083124850000033
表示第t时段的光伏发电功率，
Figure BDA0003083124850000034
表示第t时段的储能电池的充电功率，
Figure BDA0003083124850000035
表示第t时段的储能电池的放电功率，Ct表示t时段的实时电价，Δt＝T/N，C表示光伏发电的平均成本。
较佳地，步骤S4中的所述约束条件具体包括：
Figure BDA0003083124850000036
Figure BDA0003083124850000037
Figure BDA0003083124850000038
SOC1＝SOCStart
SOCN＝SOCEnd
Figure BDA0003083124850000039
Figure BDA00030831248500000310
其中，PC，Max表示储能电池的最大充电功率，pD，Max表示储能电池的最大放电功率，xt和yt为0-1的整形变量，SOCt表示第t时段的储能电池的SOC值，Smin表示储能电池的最小SOC值，Smax表示储能电池的最大SOC值，SOCStart表示初始储能SOC值，SOCEnd表示结束储能SOC值，E表示储能电池的能量，
Figure BDA0003083124850000041
表示电网提供的功率，PM表示变压器的最大容量，u表示变压器可承载的最大容量阈值倍数。
较佳地，若所述储能电池为一天两储充，则xt+yt≤1；若所述储能电池为一天一储充，则xt+yt＝0。
本发明还提供了一种光储充电站的储能充放电的控制系统，所述光储充电站包括光伏发电系统以及储能电池系统，所述控制系统包括：
采集模块，用于采集用户的用电数据，并根据采集到的用户的用电数据得到用户的用电功率，获取一预设时间段内的光伏发电功率与时间的对应关系并查询得到所述预设时间段内的电价与时间的对应关系；
获取模块，用于获取储能电池的最大充放电功率；
设置模块，用于设置储能电池的能量和初始储能SOC值以及结束储能SOC值；
模型构建模块，用于根据用户的用电功率、光伏发电功率以及电价构建针对储能电池的充放电功率的混合整数线性规划模型并设置若干约束条件；
功率输出模块，用于根据所述混合整数线性规划模型及所述约束条件计算出所述储能电池的充放电功率并进行输出。
较佳地，所述混合整数线性规划模型的表达式如下：
Figure BDA0003083124850000042
其中，N表示将所述预设时间段T均分为N个时段，
Figure BDA0003083124850000043
表示第t时段的其他负荷功率，
Figure BDA0003083124850000044
表示第t时段的光伏发电功率，
Figure BDA0003083124850000045
表示第t时段的储能电池的充电功率，
Figure BDA0003083124850000046
表示第t时段的储能电池的放电功率，Ct表示t时段的实时电价，Δt＝T/N，C表示光伏发电的平均成本。
较佳地，所述约束条件具体包括：
Figure BDA0003083124850000047
Figure BDA0003083124850000051
Figure BDA0003083124850000052
SOC1＝SOCStart
SOCN＝SOCEnd
Figure BDA0003083124850000053
Figure BDA0003083124850000054
其中，PC，Max表示储能电池的最大充电功率，PD，Max表示储能电池的最大放电功率，xt和yt为0-1的整形变量，SOCt表示第t时段的储能电池的SOC值，Smin表示储能电池的最小SOC值，Smax表示储能电池的最大SOC值，SOCStart表示初始储能SOC值，SOCEnd表示结束储能SOC值，E表示储能电池的能量，
Figure BDA0003083124850000055
表示电网提供的功率，PM表示变压器的最大容量，u表示变压器可承载的最大容量阈值倍数。
较佳地，若所述储能电池为一天两储充，则xt+yt≤1；若所述储能电池为一天一储充，则xt+yt＝0。
较佳地，所述控制系统设有OTA(Over-the-Air Technology，空中下载技术)模块；这样以后对模型的改进可以方便远程更新，便于在实际场景的投放和软件更新后的升级。
本发明还提供了一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的光储充电站的储能充放电的控制方法。
本发明还提供了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光储充电站的储能充放电的控制方法。
本发明的积极进步效果在于：本发明通过混合整数线性规划模型及算法来控制和调节光储充电站的储能充放电功率，从而可以降低用电成本，同时促进电网侧的削峰填谷，并且相应运算速度得到极大提升。
附图说明
图1为本发明实施例1的光储充电站的储能充放电的控制方法的流程图。
图2为本发明实施例1中模拟出的微电网系统的模型结构示意图。
图3为本发明实施例1中微电网系统的控制装置的结构示意图。
图4为本发明实施例1中一天的负荷功率和光伏功率曲线示意图。
图5为本发明实施例1中一天内的实时电价示意图。
图6为本发明实施例1中充电站不加光伏的负荷曲线示意图。
图7为本发明实施例1中充电站配置光伏的负荷曲线示意图。
图8为本发明实施例1中储能恒功率充放电示意图。
图9为本发明实施例1中蓄电池一天一储充的混合整数线性规则算法最优化结果示意图。
图10为本发明实施例1中蓄电池一天一储充的蓄电池荷电状态最优化结果示意图。
图11为本发明实施例1中蓄电池一天两储充的混合整数线性规则算法最优化结果示意图。
图12为本发明实施例1中蓄电池一天两储充的蓄电池荷电状态最优化结果示意图。
图13为本发明实施例2的光储充电站的储能充放电的控制系统的模块示意图。
图14为本发明的实施例3的电子设备的结构示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1
如图1所示，本实施例提供了一种光储充电站的储能充放电的控制方法，具体包括以下步骤：
S1、采集用户的用电数据，并根据采集到的用户的用电数据得到用户的用电功率，获取一预设时间段内的光伏发电功率与时间的对应关系并查询得到所述预设时间段内的电价与时间的对应关系；
S2、获取储能电池的最大充放电功率；
S3、设置储能电池的能量和初始储能SOC值以及结束储能SOC值；
S4、根据用户的用电功率、光伏发电功率以及电价构建针对储能电池的充放电功率的混合整数线性规划模型并设置若干约束条件；
S5、根据所述混合整数线性规划模型及所述约束条件计算出所述储能电池的充放电功率并进行输出。
在本发明中，首先通过自定义场景模拟一个微电网系统，应用的场景是在自用的充电场站，配置自发自用的光伏发电系统和储能电池系统。建立了光伏、用户负荷、电网供电和储能设备的微电网能量管理的数学模型。以每日用户负荷，实时电价，光伏日照曲线为输入；以微电网中各个分布式单元的功率守恒、降低用电成本为目的，利用混合整数线性规划算法来控制储能进行充放电，根据微电网中各类分布式发电单元各自的运行特性深入分析，并针对各类分布式发电单元的出力情况，应用python(一种计算机编程语言)平台编程建立基于微电网储能充放电的能量优化调度控制的方法，微电网模型结构如图2所示，其中，微电网用于将接收的功率(光伏发电功率和电网提供功率)与使用的功率(储能用电功率(包括充电功率Pc和放电功率Pd)和负荷用电功率)进行平衡。为了实现上述目的，根据本发明的一个方面，提供了一种微电网系统的控制装置，该装置如图3所示，其中，电网通过北向连接器与微处理器通信连接，微处理器通过南向连接器分别与分布式能源、储能装置、可调节负荷进行通信连接；所述微处理器能获取用户所辖的分布式发电、触电和用电设备的历史和当前信息，进行自我学习从而能预测今后一段时间的发电能力、用电需求，并通过南向连接器获取储能数据，通过储能优化控制器采集用户的用电数据提供给储能优化平台，储能优化平台可以利用采集到的用户的用电数据得到用户的用电功率和每日的光伏功率曲线图；并通过查询得到电网发布的电价表。
其中，步骤S4中的所述混合整数线性规划模型的表达式如下：
Figure BDA0003083124850000081
其中，N表示将所述预设时间段T均分为N个时段，
Figure BDA0003083124850000082
表示第t时段的其他负荷功率(其中，其他负荷具体指的就是基本的用电负荷)，
Figure BDA0003083124850000083
表示第t时段的光伏发电功率，
Figure BDA0003083124850000084
表示第t时段的储能电池的充电功率，
Figure BDA0003083124850000085
表示第t时段的储能电池的放电功率，Ct表示t时段的实时电价，Δt＝T/N，C表示光伏发电的平均成本，优选为0.35元/kWh。其中，如果没有光伏和储能则
Figure BDA0003083124850000086
Figure BDA0003083124850000087
具体在本实施例中，预设时间段T可以为一天，每天可以均分为96个时段，对应96个时段的充放电功率，充放电功率在不同的时间段的数值大小不同。
其中，步骤S4中的所述约束条件具体包括：
Figure BDA0003083124850000088
Figure BDA0003083124850000089
Figure BDA00030831248500000810
SOC1＝SOCStart
SOCN＝SOCEnd
Figure BDA00030831248500000811
(本等式中t从2开始取值到96，所以共有95个等式)
Figure BDA00030831248500000812
其中，PC，Max表示储能电池的最大充电功率，PD，Max表示储能电池的最大放电功率，xt和yt为0-1的整形变量(即xt和yt取值为0或1)，SOCt表示第t时段的储能电池的SOC值，Smin表示储能电池的最小SOC值，Smax表示储能电池的最大SOC值，SOCStart表示初始储能SOC值，SOCEnd表示结束储能SOC值，E表示储能电池的能量，
Figure BDA0003083124850000091
表示电网提供的功率，PM表示变压器的最大容量，u表示变压器可承载的最大容量阈值倍数。
若所述储能电池为一天两储充，则xt+yt≤1，即xt和yt取值为0和1或1和0；若所述储能电池为一天一储充，则xt+yt＝0，即xt和yt取值均为0。
根据上述模型及约束条件，通过微处理器来对基本数据做边缘计算，对需要处理不同数据量对应的不同计算/缓存/内存能力的应用场景，软件架构、数据处理逻辑和算法可无缝安装到相应的硬件系统里。
而在上述控制装置中，通过北向连接器能够提供符合电网需要的专用双向通讯能力，类似智能电表，使电力公司自动远程获取数据、并发出需要用户配合的指令。而所述控制装置在平常情况下起到能源管理系统的作用，最优化控制所辖分布式发电设备、触电设备和可调节负荷等各个系统的运行状况，把其净发电量和净用电量等参数的变化控制在一定的范围之内。
本发明通过混合整数线性规划模型及算法来控制和调节光储充电站的储能充放电功率，从而可以降低用电成本，同时促进电网侧的削峰填谷，并且相应运算速度得到极大提升。
以下列举本实施例的控制方法的一个具体应用实例：
1.1模型参数设置
为了验证本方法的有效性，建立微电网典型日负荷曲线、光伏日照曲线、分时电价优化仿真模型并将其成本折算到每天。其参数如下：
时间为一天24小时，时间间隔为15min。
光伏是一个100kW的光伏发电系统，应用模式全部为自发自用，光伏发电平均成本为0.35元/kWh。
工商业分时电价如下表1。
表1分时电价
Figure BDA0003083124850000101
同时还添加了如下不同情况下的参数，这些参数可以根据实际情况设置：
初始：SOCStart＝0.1
结束：SOCEnd＝0.1
电池最小荷电状态：Smin＝0.1
电池最大荷电状态：Smax＝1
最大充电功率Chargepower＝40Kw
最大放电功率Dischargepower＝40Kw
蓄电池最大储能能量E＝250Kwh
1.2模型的输入和输出
由于该模型的原理是把蓄电池每次充放的功率，作为最优解的决策变量。
模型输入：根据该地区之前的历史负荷数据，可以预测当日的负荷数据。包含用户负荷功率数据，光伏功率数据，实时电价数据采用工商业电价，以综合考虑一天24小时时刻数据，每15分钟获取一次，一共96个时刻的功率数据。在一个具体实例中，如图4所示，表示负荷功率和光伏功率与时间的对应关系，用户负荷峰值达到了237.5kW，平均基础负荷137.8kW。而光伏功率峰值达到了110.4kW，光伏功率均值达到了26.2kW。每天的实时电价数据如图5所示。
模型输出：根据3个输入数据：用户负荷功率数据，实时电价数据，光伏负荷数据，最主要参考实时电价来实时控制蓄电池充放电，充放电的基本原则：低价充电，高价放电。模型最终输出的维度为96，即为最优的蓄电池96个时刻对应的充放电功率。
1.3算例结果
为了比较在不同的实际情况下，算法来优化储能充放电的不同效果，因此本实施例分别考虑了充电场站是否加光伏、储能和都加，通过这三种情景来进行说明。
1)充电站不加光伏的负荷曲线图，如图6所示：
由图6可知电网的用电负荷都靠微电网内的电网产生的电能进行供给，电网峰值237.5/kW，平均供电137.8kW，一天的总的用电成本为2601.0元。
2)充电站配置光伏曲线图，如图7所示：
当添加光伏设备以后，在正午时分，光伏发电，以缓解日常的基础负荷用电，电网峰值234.1kW，平均供电111.6kW。一天的总的用电成本为2246.9元，所以将总的用电费用下降354.1元，同时平均供电也下降到111.6kW，缓解了用电负荷情况。
3)算法优化充电站配置光伏和储能
根据每日的分时电价图来控制储能充放电，或者可以考虑用分时电价的一阶差分来控制储能低价充电，高价放电。假设初始阶段，先给储能恒功率充放电，在电价低谷时间段，根据实际的储能容量大小，给储能设置平均的充电功率，在电价峰时间段，给储能设置平均的放电电功率如下图8所示：
但是储能充进去的电，并没有完全释放出来，而且该方法不能智能应对特殊情况下的充放电，比如10-15时刻，需要提前预估负荷的大小，人为设置放电功率。而且储能电站在不同的应用场景下、运行限制条件不同，比如该充电汽车站的限制负荷为200kW，晚上的用电高峰，供电的功率会超过限制负荷，会影响整个用户侧储能电站的安全稳定运行。所以在此假设基础上提出了混合整数线性规划的算法来实际控制储能充放电。
在充电站添加光伏和储能的情况下，利用混合整数线性规划的方法，结果如下表2：
表2两种情况的结果
Figure BDA0003083124850000111
Figure BDA0003083124850000121
从整个结果可知，混合整数线性规划算法不仅可以做到一天一储充，还可以做到一天两储充，与充电站没有配置光伏和储能的情况相比，一天两储充可以使充电费用减少更多，该算法能明显的降低微系统的充电费用，优化效果非常明显，与粒子群算法相比，运算速度也明显的提高了。而且还能根据蓄电池的初始和结束的荷电状态来合理调节储能充放电。在不同的情况下蓄电池一天一储充的最优解结果如下图9，图10。蓄电池一天两储充的情况如图11，图12。
三种情况用户总花费如表3所示：
表3三种情况的结果
Figure BDA0003083124850000122
Figure BDA0003083124850000131
从表中可知，添加光伏设备以后，相对于充电站不添加光伏的情况，电费下降354.1元；当添加储能装置以后，电网会在电价低谷给储能装置充电，将大部分充电负荷转移至夜间低谷，从而有效降低电网压力，而在晚上用电高峰，算法可以将储存在储能装置中的电能全部释放出来，缓解晚间的用电高峰。混合整数线性规划算法控制储能一天两储充，总的费用降低到2094.1元，相比较于微系统没有配置光伏和储能的情况，下降了506.9元，因此该方法让充电站可以在不同时段可以支撑更多的负荷，为场站提供更多的充电能力。
下面再列举本实施例的控制方法的另一个具体应用实例：
为了进一步验证该算法的可行性，同时考虑光伏和储能的投资成本，又进行了大量数据仿真验算，具体如下：
2.1模型参数设置和模型输入数据
模型参数设置：基本的模型参数和1.1中相同，但上一个应用实例中所阐述的以一日达到整个系统充电费用最少作为目标函数，并没有考虑实际的光伏和储能的前期投资成本。该实例根据实际市场比如某工厂安装一个100Kw的光伏发电系统，光伏发电系统主要由太阳电池板(组件)、控制器和逆变器三大部分组成，光伏组件1.5元/w，加上逆变器、汇流箱、支架、电缆等安装费用2元/w，总共3.5元/w，所以投资安装一个100Kw的光伏发电系统成本为35万，一般11-15年寿命来估算。储能投资以250Kw，整个储能系统的成本是1.6元/w，4000次满充满放到储能电池的电池容量80％。对250Kwh的储能系统，整个系统采购成本为40万，加上其他安装费用等一共45万。
模型输入：为了研究投资回报率问题不考虑季节性对电价的影响，还是以1.1中的分时电价为模型输入，本应用实例选取了某充电汽车站2016年一年的用户负荷和光伏功率数据，充电汽车站通过安装一个100Kw的光伏发电系统，每次采集间隔为15分钟，一共大约35040次。
2.2算例结果
在不同的实际情况下，首先考虑了充电场站是否加光伏这种情景来进行说明。
一整年的用户总花费如下表4所示：
表4添加光伏和不添加光伏的结果
微系统设备 年总成本/元
充电站不加光伏和储能 4630420元
充电站配置光伏 4704275元
通过上表可知，在充电汽车站通过安装一个100Kw的光伏发电系统，2016年可以节省73855元，年投资回报率为21.10％，可以估计光伏投资回收期大概是5年。而光伏设备使用年限在10年到15年。因此投资光伏设备具有重要意义。
接着继续考虑在一年内添加光伏的情况下是否添加储能系统这种情景来说明。在添加储能系统的情况下，同时利用混合整数线性规划算法来优化储能充放电，一天一储充和一天两储充，得到不同效果。因为时间跨度比较长，为了方便，以选取2016年1月1日到1月5日这5天为例。
一天一储充的仿真结果如下表5所示：
表5 5天添加储能和不添加储能的结果
Figure BDA0003083124850000141
Figure BDA0003083124850000151
由上表可知储能每天节省177.74元，通过计算一年内储能每天节省的费用，取平均值为177.74元。储能以充放电4000次，可以赚71.1万。减去储能投资成本45万，还可以赚26.1万。一年的投资回报率为14.41％。
一天两储充的仿真结果如下表6所示：
表6 5天添加储能和不添加储能的结果
Figure BDA0003083124850000152
由上表可知储能每天节省255.18元，通过计算一年内储能每天节省的费用，取平均值为225.18元。储能以充放电4000次，一天充放两次，共计2000天，可以赚45万。减去45万投资成本，基本上持平。
从整个对比结果可知在充电汽车站内配置100Kw的光伏设备，年投资回报率为21.10％。在充电汽车站内配置250Kw的储能设备，利用混合整数线性规划算法来控制储能充放电，最终选取一天一储充最优，年投资回报率为14.41％。
实施例2
如图13所示，本实施例提供了一种光储充电站的储能充放电的控制系统，所述控制系统能够实现实施例1的控制方法，所述光储充电站包括光伏发电系统以及储能电池系统，所述控制系统包括：
采集模块21，用于采集用户的用电数据，并根据采集到的用户的用电数据得到用户的用电功率，获取一预设时间段内的光伏发电功率与时间的对应关系并查询得到所述预设时间段内的电价与时间的对应关系；
获取模块22，用于获取储能电池的最大充放电功率；
设置模块23，用于设置储能电池的能量和初始储能SOC值以及结束储能SOC值；
模型构建模块24，用于根据用户的用电功率、光伏发电功率以及电价构建针对储能电池的充放电功率的混合整数线性规划模型并设置若干约束条件；
功率输出模块25，用于根据所述混合整数线性规划模型及所述约束条件计算出所述储能电池的充放电功率并进行输出。
所述混合整数线性规划模型的表达式如下：
Figure BDA0003083124850000161
其中，N表示将所述预设时间段T均分为N个时段，
Figure BDA0003083124850000162
表示第t时段的其他负荷功率，
Figure BDA0003083124850000163
表示第t时段的光伏发电功率，
Figure BDA0003083124850000164
表示第t时段的储能电池的充电功率，
Figure BDA0003083124850000165
表示第t时段的储能电池的放电功率，Ct表示t时段的实时电价，Δt＝T/N，C表示光伏发电的平均成本。
所述约束条件具体包括：
Figure BDA0003083124850000166
Figure BDA0003083124850000167
Figure BDA0003083124850000168
SOC1＝SOCStart
SOCN＝SOCEnd
Figure BDA0003083124850000169
Figure BDA00030831248500001610
其中，PC，Max表示储能电池的最大充电功率，PD，Max表示储能电池的最大放电功率，xt和yt为0-1的整形变量，SOCt表示第t时段的储能电池的SOC值，Smin表示储能电池的最小SOC值，Smax表示储能电池的最大SOC值，SOCStart表示初始储能SOC值，SOCEnd表示结束储能SOC值，E表示储能电池的能量，
Figure BDA0003083124850000171
表示电网提供的功率，PM表示变压器的最大容量，u表示变压器可承载的最大容量阈值倍数。
若所述储能电池为一天两储充，则xt+yt≤1；若所述储能电池为一天一储充，则xt+yt＝0。
其中优选地，所述控制系统设有OTA模块；这样以后对模型的改进可以方便远程更新，便于在实际场景的投放和软件更新后的升级
实施例3
图14为本发明实施例3提供的一种电子设备的结构示意图。所述电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现实施例1的光储充电站的储能充放电的控制方法。图14显示的电子设备30仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
电子设备30可以以通用计算设备的形式表现，例如其可以为服务器设备。电子设备30的组件可以包括但不限于：上述至少一个处理器31、上述至少一个存储器32、连接不同系统组件(包括存储器32和处理器31)的总线33。
总线33包括数据总线、地址总线和控制总线。
存储器32可以包括易失性存储器，例如随机存取存储器(RAM)321和/或高速缓存存储器322，还可以进一步包括只读存储器(ROM)323。
存储器32还可以包括具有一组(至少一个)程序模块324的程序/实用工具325，这样的程序模块324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
处理器31通过运行存储在存储器32中的计算机程序，从而执行各种功能应用以及数据处理，例如本发明实施例1的光储充电站的储能充放电的控制方法。
电子设备30也可以与一个或多个外部设备34(例如键盘、指向设备等)通信。这种通信可以通过输入/输出(I/O)接口35进行。并且，模型生成的电子设备30还可以通过网络适配器36与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器36通过总线33与模型生成的电子设备30的其它模块通信。应当明白，尽管图中未示出，可以结合模型生成的电子设备30使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID(磁盘阵列)系统、磁带驱动器以及数据备份存储系统等。
应当注意，尽管在上文详细描述中提及了电子设备的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化；反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。
实施例4
本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现实施例1的光储充电站的储能充放电的控制方法。
其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1的光储充电站的储能充放电的控制方法。
其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (11)

1.一种光储充电站的储能充放电的控制方法，其特征在于，所述光储充电站包括光伏发电系统以及储能电池系统，所述控制方法包括以下步骤：
S1、采集用户的用电数据，并根据采集到的用户的用电数据得到用户的用电功率，获取一预设时间段内的光伏发电功率与时间的对应关系并查询得到所述预设时间段内的电价与时间的对应关系；
S2、获取储能电池的最大充放电功率；
S3、设置储能电池的能量和初始储能SOC值以及结束储能SOC值；
S4、根据用户的用电功率、光伏发电功率以及电价构建针对储能电池的充放电功率的混合整数线性规划模型并设置若干约束条件；
S5、根据所述混合整数线性规划模型及所述约束条件计算出所述储能电池的充放电功率并进行输出。
2.如权利要求1所述的光储充电站的储能充放电的控制方法，其特征在于，步骤S4中的所述混合整数线性规划模型的表达式如下：
Figure FDA0003083124840000011
其中，N表示将所述预设时间段T均分为N个时段，
Figure FDA0003083124840000012
表示第t时段的其他负荷功率，
Figure FDA0003083124840000013
表示第t时段的光伏发电功率，
Figure FDA0003083124840000014
表示第t时段的储能电池的充电功率，
Figure FDA0003083124840000015
表示第t时段的储能电池的放电功率，Ct表示t时段的实时电价，Δt＝T/N，C表示光伏发电的平均成本。
3.如权利要求2所述的光储充电站的储能充放电的控制方法，其特征在于，步骤S4中的所述约束条件具体包括：
Figure FDA0003083124840000016
Figure FDA0003083124840000017
Figure FDA0003083124840000018
SOC1＝SOCStart
SOCN＝SOCEnd
Figure FDA0003083124840000021
Figure FDA0003083124840000022
其中，PC,Max表示储能电池的最大充电功率，PD,Max表示储能电池的最大放电功率，xt和yt为0-1的整形变量，SOCt表示第t时段的储能电池的SOC值，Smin表示储能电池的最小SOC值，Smax表示储能电池的最大SOC值，SOCStart表示初始储能SOC值，SOCEnd表示结束储能SOC值，E表示储能电池的能量，
Figure FDA0003083124840000023
表示电网提供的功率，PM表示变压器的最大容量，u表示变压器可承载的最大容量阈值倍数。
4.如权利要求3所述的光储充电站的储能充放电的控制方法，其特征在于，若所述储能电池为一天两储充，则xt+yt≤1；若所述储能电池为一天一储充，则xt+yt＝0。
5.一种光储充电站的储能充放电的控制系统，其特征在于，所述光储充电站包括光伏发电系统以及储能电池系统，所述控制系统包括：
采集模块，用于采集用户的用电数据，并根据采集到的用户的用电数据得到用户的用电功率，获取一预设时间段内的光伏发电功率与时间的对应关系并查询得到所述预设时间段内的电价与时间的对应关系；
获取模块，用于获取储能电池的最大充放电功率；
设置模块，用于设置储能电池的能量和初始储能SOC值以及结束储能SOC值；
模型构建模块，用于根据用户的用电功率、光伏发电功率以及电价构建针对储能电池的充放电功率的混合整数线性规划模型并设置若干约束条件；
功率输出模块，用于根据所述混合整数线性规划模型及所述约束条件计算出所述储能电池的充放电功率并进行输出。
6.如权利要求5所述的光储充电站的储能充放电的控制系统，其特征在于，所述混合整数线性规划模型的表达式如下：
Figure FDA0003083124840000024
其中，N表示将所述预设时间段T均分为N个时段，
Figure FDA0003083124840000031
表示第t时段的其他负荷功率，
Figure FDA0003083124840000032
表示第t时段的光伏发电功率，
Figure FDA0003083124840000033
表示第t时段的储能电池的充电功率，
Figure FDA0003083124840000034
表示第t时段的储能电池的放电功率，Ct表示t时段的实时电价，Δt＝T/N，C表示光伏发电的平均成本。
7.如权利要求6所述的光储充电站的储能充放电的控制系统，其特征在于，所述约束条件具体包括：
Figure FDA0003083124840000035
Figure FDA0003083124840000036
Figure FDA0003083124840000037
SOC1＝SOCStart
SOCN＝SOCEnd
Figure FDA0003083124840000038
Figure FDA0003083124840000039
其中，PC,Max表示储能电池的最大充电功率，PD,Max表示储能电池的最大放电功率，xt和yt为0-1的整形变量，SOCt表示第t时段的储能电池的SOC值，Smin表示储能电池的最小SOC值，Smax表示储能电池的最大SOC值，SOCStart表示初始储能SOC值，SOCEnd表示结束储能SOC值，E表示储能电池的能量，
Figure FDA00030831248400000310
表示电网提供的功率，PM表示变压器的最大容量，u表示变压器可承载的最大容量阈值倍数。
8.如权利要求7所述的光储充电站的储能充放电的控制系统，其特征在于，若所述储能电池为一天两储充，则xt+yt≤1；若所述储能电池为一天一储充，则xt+yt＝0。
9.如权利要求5-8中任意一项所述的光储充电站的储能充放电的控制系统，其特征在于，所述控制系统设有OTA模块。
10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，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1～4中任一项所述的光储充电站的储能充放电的控制方法。
11.一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1～4中任一项所述的光储充电站的储能充放电的控制方法。
CN202110572171.1A 2021-05-25 2021-05-25 光储充电站的储能充放电的控制方法、系统、设备及介质 Pending CN113224758A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202110572171.1A CN113224758A (zh) 2021-05-25 2021-05-25 光储充电站的储能充放电的控制方法、系统、设备及介质
PCT/CN2022/094591 WO2022247811A1 (zh) 2021-05-25 2022-05-24 光储充电站的储能充放电的控制方法、系统、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110572171.1A CN113224758A (zh) 2021-05-25 2021-05-25 光储充电站的储能充放电的控制方法、系统、设备及介质

Publications (1)

Publication Number Publication Date
CN113224758A true CN113224758A (zh) 2021-08-06

Family

ID=77098163

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110572171.1A Pending CN113224758A (zh) 2021-05-25 2021-05-25 光储充电站的储能充放电的控制方法、系统、设备及介质

Country Status (2)

Country Link
CN (1) CN113224758A (zh)
WO (1) WO2022247811A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114362228A (zh) * 2022-03-14 2022-04-15 国网江西省电力有限公司电力科学研究院 一种光储电站轮值优化控制方法及装置
CN115291538A (zh) * 2022-08-23 2022-11-04 上海玫克生储能科技有限公司 一种光伏储能电站数字仿真方法及系统
WO2022247811A1 (zh) * 2021-05-25 2022-12-01 上海玫克生储能科技有限公司 光储充电站的储能充放电的控制方法、系统、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017161785A1 (zh) * 2016-03-23 2017-09-28 严利容 基于储能运行状态的光伏功率稳定输出控制方法
CN111313465A (zh) * 2020-03-07 2020-06-19 西南交通大学 含光伏与混合储能装置的柔性牵引供电系统能量管理方法
CN111327078A (zh) * 2020-02-26 2020-06-23 上海派能能源科技股份有限公司 户用能源调度方法、能源管理模块及户用能源系统
CN111915161A (zh) * 2020-07-15 2020-11-10 上海电力大学 基于可调鲁棒算法的区域光储充系统短期调度方法和系统
CN112003381A (zh) * 2020-07-31 2020-11-27 中国电力科学研究院有限公司 一种光储充电站内储能电池容量配置方法和系统
CN112134300A (zh) * 2020-10-09 2020-12-25 国网江苏省电力有限公司无锡供电分公司 基于预约的电动汽车光储充电站滚动优化运行方法及系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10497072B2 (en) * 2016-03-07 2019-12-03 Nec Corporation Optimal battery sizing for behind-the-meter applications considering participation in demand response programs and demand charge reduction
CN109217364A (zh) * 2018-09-10 2019-01-15 国网冀北电力有限公司张家口供电公司 大规模分布式电源消纳的光伏-储能容量优化配置策略
CN110417018A (zh) * 2018-12-14 2019-11-05 特变电工西安电气科技有限公司 一种多应用模式的并网型微电网能量管理方法及装置
CN111525624A (zh) * 2020-03-26 2020-08-11 天津理工大学 基于蓄电池储能系统的家庭分布式能源调度方法
CN113224758A (zh) * 2021-05-25 2021-08-06 上海玫克生储能科技有限公司 光储充电站的储能充放电的控制方法、系统、设备及介质
CN113987839A (zh) * 2021-11-23 2022-01-28 国网山东省电力公司电力科学研究院 一种光伏储能协同规划方法和系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017161785A1 (zh) * 2016-03-23 2017-09-28 严利容 基于储能运行状态的光伏功率稳定输出控制方法
CN111327078A (zh) * 2020-02-26 2020-06-23 上海派能能源科技股份有限公司 户用能源调度方法、能源管理模块及户用能源系统
CN111313465A (zh) * 2020-03-07 2020-06-19 西南交通大学 含光伏与混合储能装置的柔性牵引供电系统能量管理方法
CN111915161A (zh) * 2020-07-15 2020-11-10 上海电力大学 基于可调鲁棒算法的区域光储充系统短期调度方法和系统
CN112003381A (zh) * 2020-07-31 2020-11-27 中国电力科学研究院有限公司 一种光储充电站内储能电池容量配置方法和系统
CN112134300A (zh) * 2020-10-09 2020-12-25 国网江苏省电力有限公司无锡供电分公司 基于预约的电动汽车光储充电站滚动优化运行方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
谭秀炳 等: "《交流电气化铁道牵引供电系统》", 31 August 2014 *
郑剑锋 等: "分时电价下用户侧光储系统优化控制策略", 《计算机测量与控制》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022247811A1 (zh) * 2021-05-25 2022-12-01 上海玫克生储能科技有限公司 光储充电站的储能充放电的控制方法、系统、设备及介质
CN114362228A (zh) * 2022-03-14 2022-04-15 国网江西省电力有限公司电力科学研究院 一种光储电站轮值优化控制方法及装置
CN115291538A (zh) * 2022-08-23 2022-11-04 上海玫克生储能科技有限公司 一种光伏储能电站数字仿真方法及系统

Also Published As

Publication number Publication date
WO2022247811A1 (zh) 2022-12-01

Similar Documents

Publication Publication Date Title
CN106887841B (zh) 一种含电动汽车微电网容量配置的多种群遗传粒子群优化方法
Mehrjerdi et al. Energy and uncertainty management through domestic demand response in the residential building
CN113224758A (zh) 光储充电站的储能充放电的控制方法、系统、设备及介质
CN102694391B (zh) 风光储联合发电系统日前优化调度方法
CN112583017B (zh) 考虑储能运行约束的混合微电网能量分配方法及系统
CN107959301B (zh) 含光伏的低压配电网分布式储能优化配置与运行方法
CN112865075B (zh) 一种交直流混合微电网优化方法
Ru et al. Exact sizing of battery capacity for photovoltaic systems
Mehrjerdi et al. Nonlinear stochastic modeling for optimal dispatch of distributed energy resources in active distribution grids including reactive power
Gao et al. Annual operating characteristics analysis of photovoltaic-energy storage microgrid based on retired lithium iron phosphate batteries
CN114243795A (zh) 一种典型充电站综合能源协同交互优化配置方法及系统
Schibuola et al. Influence of charge control strategies on electricity import/export in battery-supported photovoltaic systems
Saber et al. Smart micro-grid optimization with controllable loads using particle swarm optimization
Zhang et al. Probabilistic chronological production simulation-based coordinated dispatching for cascaded hydro-PV-PSH combined power generation system
KR102562761B1 (ko) 스마트 그리드에서 p2p 프로슈머 커뮤니티의 지능형 사전 에너지 공유 스케줄링 방법
Wu et al. Optimal capacity allocation of large-scale wind-PV-battery units
Liu et al. Micro grid energy management based on two-stage robust optimization
Hoon et al. Grid-connected solar PV plant surplus energy utilization using battery energy storage system
Alguhi et al. Battery Energy Storage Planning in Distribution Network with Renewable Resources
CN113054685B (zh) 基于乌鸦算法和模式搜索算法的太阳能微电网调度方法
Enriquez-Contreras et al. Microgrid Demand Response: A Comparison of Simulated and Real Results
Zeng et al. Optimal configuration of new energy grid connected energy storage capacity from the perspective of dual carbon
Foles et al. Microgrid energy management control with a vanadium redox flow and a lithium-ion hybrid battery system for PV integration
Zhang et al. Coordinated Scheduling Algorithm for Grid-connected Photovoltaic Power Generation and Energy Storage Systems
Madassery et al. Investigating the possibility of a solar PV and battery storage based DC power system at a Brisbane airport corporation pty ltd facility

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210806

RJ01 Rejection of invention patent application after publication