CN113326973A - 便携式储能系统pess的控制方法 - Google Patents
便携式储能系统pess的控制方法 Download PDFInfo
- Publication number
- CN113326973A CN113326973A CN202110492312.9A CN202110492312A CN113326973A CN 113326973 A CN113326973 A CN 113326973A CN 202110492312 A CN202110492312 A CN 202110492312A CN 113326973 A CN113326973 A CN 113326973A
- Authority
- CN
- China
- Prior art keywords
- pess
- decision
- node
- time
- energy storage
- 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
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 150
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000005457 optimization Methods 0.000 claims abstract description 46
- 230000032683 aging Effects 0.000 claims description 49
- 230000006870 function Effects 0.000 claims description 31
- 230000015654 memory Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 6
- 230000008685 targeting Effects 0.000 claims description 3
- 230000008901 benefit Effects 0.000 description 22
- 238000007726 management method Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 125000004122 cyclic group Chemical group 0.000 description 2
- 230000001351 cycling effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000013277 forecasting method Methods 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- B60L50/00—Electric propulsion with power supplied within the vehicle
- B60L50/90—Electric propulsion with power supplied within the vehicle using propulsion power supplied by specific means not covered by groups B60L50/10 - B60L50/50, e.g. by direct conversion of thermal nuclear energy into electricity
-
- 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
- B60L53/80—Exchanging energy storage elements, e.g. removable 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
- B60L58/00—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles
- B60L58/10—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries
- B60L58/12—Methods or circuit arrangements for monitoring or controlling batteries or fuel cells, specially adapted for electric vehicles for monitoring or controlling batteries responding to state of charge [SoC]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- B60L2240/00—Control parameters of input or output; Target parameters
- B60L2240/40—Drive Train control parameters
- B60L2240/54—Drive Train control parameters related to batteries
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Life Sciences & Earth Sciences (AREA)
- Sustainable Development (AREA)
- Sustainable Energy (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提出一种PESS的控制方法、装置以及计算机可读介质。PESS的控制方法包括：创建PESS的决策优化模型，决策优化模型与PESS在待应用区域内的储能放能决策、行程决策以及储能单元加载决策中的至少一个有关，以及决策优化模型包括以PESS在待应用区域内的可得补偿最大化为目标的目标函数；对决策优化模型进行求解以获得满足目标函数的可行解；以及基于可行解确定PESS在待应用区域内的储能放能决策、行程决策以及储能单元加载决策中的至少一个，并基于所确定的储能放能决策、所确定的行程决策以及所确定的储能单元加载决策中的至少一个控制PESS在待应用区域内的操作。根据本公开实施例，可以实现PESS的可用收益最大化。
Description
技术领域
本发明属于储能系统的管理和操作技术领域，特别涉及一种便携式储能系统PESS的控制方法、装置以及计算机可读存储介质。
背景技术
随着低碳理念的普及，创新能源技术在各个领域中得到发展。例如，全世界都在倡议和激励使用电动汽车用作运输工具，并布置电力系统储能设备，由此形成了结合电力 和运输系统的复杂存储设备组合。目前，提出了便携式储能系统(PESS)，其相对于固 定储能系统具有明显优势且提供了更灵活方式用于储能设备的集成、利用、循环等。PESS 通常包括车体、储能设备、热管理系统以及功率转换系统等。其中，车体携载储能设备、 逆变器以及其他支持系统，并以不同受益机会(即时空套利)在多个位置之间移动，而 如何控制PESS以实现最佳的时空套利是当前亟待解决的问题。
发明内容
本发明提出一种便携式储能系统(PESS)的控制方法、装置以及计算机可读存储介质，以最大化PESS的可用收益。
本发明的第一方面实施例提出一种PESS的控制方法，该方法具体包括以下步骤：创建所述PESS的决策优化模型，所述决策优化模型与所述PESS在待应用区域内的储 能放能决策、行程决策以及储能单元加载决策中的至少一个有关，以及所述决策优化模 型包括以所述PESS在所述待应用区域内的可得补偿最大化为目标的目标函数；对所述 决策优化模型进行求解以获得满足所述目标函数的可行解；以及基于所述可行解确定所 述PESS在所述待应用区域内的储能放能决策、行程决策以及储能单元加载决策中的至 少一个，并基于所确定的储能放能决策、所确定的行程决策以及所确定的储能单元加载 决策中的至少一个控制所述PESS在所述待应用区域内的操作。
可选地，所述目标函数依赖于所述PESS在待应用区域内通过储能和放能而可获得的能量储放相关补偿，所述PESS被操作以在待应用区域内的不同节点之间移动而导致 的运输损失以及所述PESS由于能量使用而导致的老化损失。
可选地，所述决策优化模型还包括针对所述PESS的能量容量的能量约束、针对所述PESS的功率容量的功率输出约束以及针对所述PESS的操作时间的行程时间约束。
可选地，所述目标函数表示为：
其中，n、n′表示节点索引，h表示时间索引，Yt表示所述PESS在所述待应用区域 内的可得补偿，Rt表示所述能量储放相关补偿，
表示所述运输损失，
表示所述老 化损失，
表示所述PESS在节点n和时间h处的放能量，
表示所述PESS在节点n 和时间h处的储能量，γn，n′，h表示所述PESS在时间h是否从节点n移动至节点n′，
表 示所述老化损失。
可选地，所述能量储放相关补偿通过下式确定：
其中，Δh表示调遣时间尺度，t表示日期索引，Δt表示决策应用时长，λn，h表示在节点n和时间h处的节点边际价值，Ωn表示所述PESS将被共享的节点的集合。
可选地，所述运输损失通过下式确定：
其中，Δh表示调遣时间尺度，t表示日期索引，Δt表示决策应用时长，ctr表示每单位时间运输损失。
可选地，所述老化损失通过下式确定：
其中，Δh表示调遣时间尺度，t表示日期索引，Δt表示决策应用时长，
表示每单位时间老化损失，qt表示在t处的日历老化。
可选地，所述能量约束通过以下表示：
其中，n表示节点索引，h表示时间索引，Δh表示调遣时间尺度，t表示日期索引，Δt表示决策应用时长，
表示所述PESS在节点n和时间h处的放能量，
表示所述 PESS在节点n和时间h处的储能量，ηt表示所述PESS在t处的储能放能效率，ρ表示 所述PESS的自放能率，Eh表示所述PESS在时间h处的能量水平，Eh-1表示所述PESS 在时间h-1处的能量水平，
表示所述PESS的能量容量。
可选地，所述功率输出约束通过以下表示：
其中，n表示节点索引，h表示时间索引，t表示日期索引，Δt表示决策应用时长，Ωn表示所述PESS将被共享的节点的集合，
表示所述PESS在节点n和时间h处的放 能量，
表示所述PESS在节点n和时间h处的储能量，ωn,h表示所述PESS在时间h是 否在节点n处，
表示所述PESS的功率容量，γn,n',h表示所述PESS在时间h是否从 节点n移动至节点n'，αn,h表示所述PESS在时间h处是否向节点n移动，βn,h表示所述 PESS在时间h处是否移动离开节点n，ωn,h-1表示所述PESS在时间h-1是否在节点n处， αn',h表示所述PESS在时间h处是否向节点n'移动，γn,n',h-1表示所述PESS在时间h-1是 否从节点n移动至节点n'，θn,h、θn',h表示辅助变量。
可选地，所述行程时间约束通过以下表示：
其中，n、n′表示节点索引，h表示时间索引，t表示日期索引，Δt表示决策应用 时长，Ωn表示所述PESS将被共享的节点的集合，γn，n′，h表示所述PESS在时间h是否从 节点n移动至节点n′，γn，n′，h-1表示所述PESS在时间h-1是否从节点n移动至节点n′， Tn，n′，h表示所述PESS在时间从节点n离开到在节点n′处准备操作所需时长。
本发明的第二方面实施例提出一种PESS的控制装置，该装置具体包括：创建模块，用于创建所述PESS的决策优化模型，所述决策优化模型与所述PESS在待应用区域内 的储能放能决策、行程决策以及储能单元加载决策中的至少一个有关，以及所述决策优 化模型包括以所述PESS在所述待应用区域内的可得补偿最大化为目标的目标函数；求 解模块，用于对所述决策优化模型进行求解以获得满足所述目标函数的可行解；以及控 制模块，用于基于所述可行解确定所述PESS在所述待应用区域内的储能放能决策、行 程决策以及储能单元加载决策中的至少一个，并基于所确定的储能放能决策、所确定的 行程决策以及所确定的储能单元加载决策中的至少一个控制所述PESS在所述待应用区 域内的操作。
可选地，所述目标函数依赖于所述PESS在待应用区域内通过储能和放能而可获得的能量储放相关补偿，所述PESS被操作以在待应用区域内的不同节点之间移动而导致 的运输损失以及所述PESS由于能量使用而导致的老化损失。
可选地，所述决策优化模型还包括针对所述PESS的能量容量的能量约束、针对所述PESS的功率容量的功率输出约束以及针对所述PESS的操作时间的行程时间约束。
可选地，所述目标函数表示为：
其中，n、n′表示节点索引，h表示时间索引，Yt表示所述PESS在所述待应用区域 内的可得补偿，Rt表示所述能量储放相关补偿，
表示所述运输损失，
表示所述老 化损失，
表示所述PESS在节点n和时间h处的放能量，
表示所述PESS在节点n 和时间h处的储能量，γn，n′，h表示所述PESS在时间h是否从节点n移动至节点n′，
表 示所述老化损失。
可选地，所述能量储放相关补偿通过下式确定：
其中，Δh表示调遣时间尺度，t表示日期索引，Δt表示决策应用时长，λn，h表示在节点n和时间h处的节点边际价值，Ωn表示所述PESS将被共享的节点的集合。
可选地，所述运输损失通过下式确定：
其中，Δh表示调遣时间尺度，t表示日期索引，Δt表示决策应用时长，ctr表示每单位时间运输损失。
可选地，所述老化损失通过下式确定：
其中，Δh表示调遣时间尺度，t表示日期索引，Δt表示决策应用时长，
表示每单位时间老化损失，qt表示在t处的日历老化。
可选地，所述能量约束通过以下表示：
其中，n表示节点索引，h表示时间索引，Δh表示调遣时间尺度，t表示日期索引，Δt表示决策应用时长，
表示所述PESS在节点n和时间h处的放能量，
表示所述 PESS在节点n和时间h处的储能量，ηt表示所述PESS在t处的储能放能效率，ρ表示 所述PESS的自放能率，Eh表示所述PESS在时间h处的能量水平，Eh-1表示所述PESS 在时间h-1处的能量水平，
表示所述PESS的能量容量。
可选地，所述功率输出约束通过以下表示：
其中，n表示节点索引，h表示时间索引，t表示日期索引，Δt表示决策应用时长，Ωn表示所述PESS将被共享的节点的集合，
表示所述PESS在节点n和时间h处的放 能量，
表示所述PESS在节点n和时间h处的储能量，ωn,h表示所述PESS在时间h是 否在节点n处，
表示所述PESS的功率容量，γn,n',h表示所述PESS在时间h是否从 节点n移动至节点n'，αn,h表示所述PESS在时间h处是否向节点n移动，βn,h表示所述 PESS在时间h处是否移动离开节点n，ωn,h-1表示所述PESS在时间h-1是否在节点n处， αn',h表示所述PESS在时间h处是否向节点n'移动，γn,n',h-1表示所述PESS在时间h-1是 否从节点n移动至节点n'，θn,h、θn',h表示辅助变量。
可选地，所述行程时间约束通过以下表示：
其中，n、n′表示节点索引，h表示时间索引，t表示日期索引，Δt表示决策应用 时长，Ωn表示所述PESS将被共享的节点的集合，γn，n′，h表示所述PESS在时间h是否从 节点n移动至节点n′，γn，n′，h-1表示所述PESS在时间h-1是否从节点n移动至节点n′， Tn，n′，h表示所述PESS在时间h从节点n离开到在节点n′处准备操作所需时长。
本发明的第三方面实施例提出便携式储能系统PESS的控制装置，包括：处理器；存储器，用于存储可由处理器执行的指令；其中，当所述指令被所述处理器执行，使得 所述处理器执行如本申请第一方面实施例提供的一种PESS的控制方法。
本发明的第四方面实施例提出一种计算机可读存储介质，包括计算机程序，当计算 机程序在计算机上运行时，执行如本申请第一方面实施例提供的一种PESS的控制方法。
本公开实施例提供了一种PESS的控制方法及装置，通过创建并求解与PESS的储能放能决策、行程决策以及储能单元加载决策中的至少一个有关的决策优化模型以获得满足使得PESS可得补偿最大化的目标的可行解，以及基于可行解来确定PESS的储能 放能决策、行程决策以及储能单元加载决策中的至少一个，并基于确定的决策来控制 PESS的操作，能够实现PESS的可用收益最大化。
本公开附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得 明显，或通过本公开的实践了解到。
附图说明
本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明 显和容易理解，其中：
图1示出了根据本申请实施例的PESS的控制方法的流程图。
图2示出了PESS可在其间执行操作的样本节点的集合的示意图。
图3示出了PESS在一天中在如图2所示的样本节点的集合之间执行操作的一种操作方案。
图4示出了PESS在一年中在如图2所示的样本节点的集合之间的每日行程时间的示意图。
图5示出了根据本申请实施例的PESS的控制装置的结构示意图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图对本发明提供 的PESS的控制方法和装置、计算机可读介质进行详细描述。
在下文中将参考附图更充分地描述示例实施例，但是所述示例实施例可以以不同形 式来体现且不应当被解释为限于本文阐述的实施例。反之，提供这些实施例的目的在于使本公开透彻和完整，并将使本领域技术人员充分理解本公开的范围。
如本文所使用的，术语“和/或”包括一个或多个相关列举条目的任何和所有组合。
本文所使用的术语仅用于描述特定实施例，且不意欲限制本公开。如本文所使用的， 单数形式“一个”和“该”也意欲包括复数形式，除非上下文另外清楚指出。还将理解 的是，当本说明书中使用术语“包括”和/或“由……制成”时，指定存在所述特征、整 体、步骤、操作、元件和/或组件，但不排除存在或添加一个或多个其他特征、整体、步 骤、操作、元件、组件和/或其群组。
除非另外限定，否则本文所用的所有术语(包括技术和科学术语)的含义与本领域普通 技术人员通常理解的含义相同。还将理解，诸如那些在常用字典中限定的那些术语应当 被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义，且将不解释为具 有理想化或过度形式上的含义，除非本文明确如此限定。
本公开涉及储能系统的管理和操作，更具体地，涉及用于确定PESS的行程方案、储能放能方案、以及储能单元加载方案等的操作决策方法和装置。
当前，为了实现向低碳未来的经济且可靠的转变，在各个领域应用了创新能源技术。 例如，全世界都在倡议和激励使用电动汽车用作运输工具，并布置电力系统储能设备，由此形成了结合电力和运输系统的复杂存储设备组合。这样的趋势对于制定能源系统与其他结合系统的诸如规划、协调、询价、控制等决策方案带来了新的挑战。
在电力系统中，电网阻塞已成为主要关注问题。除了输电能力扩展之外，储能设备还提供了应对阻塞问题的其他可行方案。储能设备缓解阻塞问题的能力受到其容量的限制。当储能设备在一个周期过后为满或空时，它不再能够为缓解阻塞作出贡献。然而， 如果储能设备时便携式的，并且可以在形成阻塞的节点之间运输时，则每天可以多次使 用该储能设备，例如，重复地从一个节点进行储能并在另一节点进行放能。因此，同样 大小的便携式储能设备相较于固定储能设备能为阻塞缓解作出更大贡献。即便是在形成 阻塞的两个节点在地理上非常接近的情况下，由于行程可以非常短，便携式储能设备相 较于固定储能设备也具有优势。然而，迄今为止，尚没有针对电网应用的大规模储能设 备运输进行深入研究。
在更一般的情境下，便携式储能系统(PESS)相对于固定储能系统具有明显优势且提供了更灵活方式用于储能设备的集成、利用、循环等。
在本公开中，提出了一种大规模PESS的决策模型。PESS通常包括车体、储能设备、热管理系统以及功率转换系统等。其中，车体携载储能设备、逆变器以及其他支持系统， 并以不同受益机会(即时空套利)在多个位置之间移动。创建决策优化模型以确定PESS 的最佳操作方案。
根据本公开实施例的一个方面，本公开实施例提供了一种PESS的控制方法。参考图1，示出了根据本申请实施例的PESS的控制方法的流程图。如图1所示，PESS的控 制方法包括以下步骤：
S101，创建PESS的决策优化模型，决策优化模型与PESS在待应用区域内的储能 放能决策、行程决策以及储能单元加载决策中的至少一个有关，以及决策优化模型包括 以PESS在待应用区域内的可得补偿最大化为目标的目标函数。
在本实施例中，可以选择或指定与PESS的应用/服务集合或价值流。基于所选择或指定的应用/服务集合或价值流，可以从储能放能决策、行程决策以及储能单元加载决策进行选择PESS的应用/服务集合或价值流所涉及到的决策。此外，根据PESS的当前状 态以及PESS的应用/服务集合或价值流，指定PESS的操作约束，诸如功率约束、能量 约束、以及老化约束等。基于所涉及到的决策以及指定的操作约束来创建与所选择决策 相关的决策优化模型。也就是说，在本申请中，可以基于PESS的应用/服务集合或价值 流所涉及到的决策以及指定操作约束，来创建与之相关的决策优化模型。通常，决策应 用时长以天为单位。决策及时滚动以用于在线/动态控制，该在线/动态控制利用PESS中 的每个储能设备的更新状态和预测信息。
在一些实施例中，可以创建与储能放能决策以及行程决策有关的决策优化模型。在 另一些实施例中，可以创建与储能放能决策、行程决策以及储能单元加载决策有关的决策优化模型。其中，储能放能决策是用于确定何时从/向待应用区域内的节点储能/放能 及储能/放能多少。行程决策是用于确定PESS何时从待应用区域内的一个节点行进至哪 个另一节点。储能单元加载决策用于确定何时为PESS加载/卸载储能单元以及加载/卸载 几个储能单元。
在本申请中，决策优化模型大体为混合整数线性规划。在一些实施例中，决策优化模型具有以PESS在待应用区域内的可得补偿最大化为目标的目标函数。该目标函数依 赖于PESS在待应用区域内通过储能和放能而可获得的能量储放相关补偿，PESS被操 作以在待应用区域内的不同节点之间移动而导致的运输损失以及PESS由于能量使用而 导致的老化损失。也就是说，决策优化模型的目标是最大化PESS在特定区域中的总补 偿(Rt)减去PESS的运输损失
和老化损失
由此，目标函数可以表示为：
其中，n、n′表示节点索引，h表示时间索引，Yt表示所述PESS在所述待应用区域 内的可得补偿，Rt表示所述能量储放相关补偿，
表示所述运输损失，
表示所述老 化损失，
表示所述PESS在节点n和时间h处的放能量，
表示所述PESS在节点n 和时间h处的储能量，γn，n′，h表示所述PESS在时间h是否从节点n移动至节点n′，
表 示所述老化损失。
在一些情况下，由于老化损失并非实际成本而是机会成本，因此，在这种情况下，老化损失应 被加回至目标函数以计算
其可以表示实际产生的总经济补偿。
在一些实施例中，能量储放相关补偿可被表示为：
其中，Δh表示调遣时间尺度，t表示日期索引，Δt表示决策应用时长，λn，h表示在节点n和时间h处的节点边际价值，Ωn表示所述PESS将被共享的节点的集合。
运输损失主要涉及人力成本，其被假定与单位时间内的总行程时间成正比。在一些 实施例中，运输损失可被表示为：
其中，Δh表示调遣时间尺度，t表示日期索引，Δt表示决策应用时长，ctr表示每单位时间运输损失。
老化损失是由于当前储能设备的使用而影响未来利益机会的损失的机会成本。由此， 老化损失可被划分成两类：a)循环老化，其主要取决于存储设备被处理的整个过程中的 能量的量，即每个储能设备的循环老化可以是储能设备的过去功率输出的函数，可通过下式(4)中的第一部分来表示；b)日历老化，其主要取决于存储设备所经历的荷电状 态(SOC)、温度以及时长。如果假定平均SOC和温度为恒定的，则在特定时间段期间 的日历老化可被视为恒定的，可以由下式(4)中的qt指示。
其中，Δh表示调遣时间尺度，t表示日期索引，Δt表示决策应用时长，
表示每单位时间老化损失，qt表示在t处的日历老化。其中，每单位时间老化损失即被称为使用 的边际成本，将通过生命周期操作模拟由未来利益率确定，通常地，未来可能利益越高， 使用的边际成本越大。
在一些实施例中，根据PESS的当前状态以及PESS的应用/服务集合或价值流所指定 PESS的操作约束可以包括针对PESS的能量容量的能量约束、针对PESS的功率容量的 功率输出约束以及针对PESS的操作时间的行程时间约束。
在一些实施例中，能量约束可以表示为：
其中，n表示节点索引，h表示时间索引，Δh表示调遣时间尺度，t表示日期索引，Δt表示决策应用时长，
表示所述PESS在节点n和时间h处的放能量，
表示所述 PESS在节点n和时间h处的储能量，ηt表示所述PESS在t处的储能放能效率，ρ表示 所述PESS的自放能率，Eh表示所述PESS在时间h处的能量水平，Eh-1表示所述PESS 在时间h-1处的能量水平，
表示所述PESS的能量容量。
PESS中的每个储能设备的储能放能效率依赖于荷电状态以及功率输出。
在一些实施例中，功率输出约束可以表示为：
其中，n表示节点索引，h表示时间索引，t表示日期索引，Δt表示决策应用时长，Ωn表示所述PESS将被共享的节点的集合，
表示所述PESS在节点n和时间h处的放 能量，
表示所述PESS在节点n和时间h处的储能量，ωn，h表示所述PESS在时间h是 否在节点n处，
表示所述PESS的功率容量，γn，n′，h表示所述PESS在时间h是否从 节点n移动至节点n′，αn，h表示所述PESS在时间h处是否向节点n移动，βn，h表示所述 PESS在时间h处是否移动离开节点n，ωn，h-1表示所述PESS在时间h-1是否在节点n处， αn′，h表示所述PESS在时间h处是否向节点n′移动，γn，n′，h-1表示所述PESS在时间h-1是 否从节点n移动至节点n′，θn，h、θn′，h表示辅助变量。
其中，上述(8)表示存储设备在一个时间仅存在于一个节点。上述式(9)-(13) 则是对存储设备的行程状态的建模。
在一些实施例中，行程时间约束可以表示为：
其中，n、n′表示节点索引，h表示时间索引，t表示日期索引，Δt表示决策应用 时长，Ωn表示所述PESS将被共享的节点的集合，γn，n′，h表示所述PESS在时间h是否从 节点n移动至节点n′，γn，n′，h-1表示所述PESS在时间h-1是否从节点n移动至节点n′， Tn，n′，h表示所述PESS在时间从节点n离开到在节点n′处准备操作所需时长，其可以由于 交通阻塞而随时间变化。
S102，对决策优化模型进行求解以获得满足目标函数的可行解。
在本实施例中，通过收集所需信息来对决策优化模型进行求解，诸如，电力市场价格的每小时预测和/或用以在PESS储入单位电力或放掉单位电力或PESS加载单位储能 设备或携载单位储能设备的情况下估计预期收益所需的任何其他信息、以及取决于本地 交通的行程时间信息等。
通过以所收集的信息作为输入来对决策优化模型进行求解。
S103，基于可行解确定PESS在所述待应用区域内的储能放能决策、行程决策以及储能单元加载决策中的至少一个，并基于所确定的储能放能决策、所确定的行程决策以 及所确定的储能单元加载决策中的至少一个控制PESS在待应用区域内的操作。
基于求解决策优化模型所得出的可行解来确定PESS的储能放能决策、行程决策以及储能单元加载决策中的至少一个，并基于所确定的决策来控制PESS在待应用区域内 的操作，从而实现PESS在待应用区域内的收益最大化。
在本申请中，为清楚介绍本申请的有利效果，根据本申请的决策优化模型被应用于 在加利福尼亚的电力系统在凯特曼城附近的两个节点之间执行操作的使用特斯拉动力组 的PESS的调度，如图2所示，该两个节点以星形示出。
两个节点之间的驾驶距离大约为16英里，预估平均行程时间大约为19分钟。便携式存储设备的使用的最佳边际成本为32美元/兆瓦时。在2018年每天对PESS的车体的 操作和运输策略最佳化。调遣时间尺度Δh被设为15分钟。存储设备额定为2.7兆瓦， 每车体2.7兆瓦时。假定存储设备为价格接受者，即存储设备的输出对节点处的价格没 有影响。历史日前节点边际价值(LMP)被采用为价格预测。储能/放能效率被假定为 95％，这表示90％的往返效率。自放能率被假定为0。考虑时薪20美元的车体驾驶员， 则人力成本为每15分钟5美元。能耗成本相对于人力成本而言非常小，因此可以忽略不 计。储能设备利用和老化通过能量吞吐量来测量，在本文中，以兆瓦时为单位。锂离子 电池的使用寿命被假定为3000次循环，等效于16.2亿瓦时。日历老化率被假定为1％容 量损失/年，等效于每天大约1.5兆瓦时能量吞吐量(假定存储设备的寿命在容量被降低 至原始的70％时结束)。贴现率被设定为7％。行程时间数据可以从任何地图服务来获取。
图3示出了在一天中在图2所示的两个节点之间的PESS的最佳操作方案以及LMP利益。断线表示两个节点的LMP。从上午10点到下午5点，在两个节点之间存在引入 注目的价格差异，这指示阻塞，其中节点2为高价格节点，而节点1为低价格节点。尽 管阻塞的真实原因未知，根据价格利益，可以合理推测在节点1处有过多太阳能发电。 为了利用这种价格差异，PESS在两个节点之间移动以在节点2处放能或售能(在条形 柱内以横线示出)，而在节点1处储能或购能(在条形柱内以斜线示出)。在图3中，每 次条形柱发生变化时，PESS完成从一个节点到另一节点的行程。可以看出，PESS在一 天中完成两次往返。相较于固定存储设备，行程能力为PESS提供更多利益机会，因为 PESS可以从不同节点之间的价格差异以及从同一节点的不同时间的价格差异中获益， 而固定存储设备仅能从同一节点的价格差异中获益。如图3所示，PESS在一天中进行 三次获益循环，而固定设备仅能在高峰时间到低谷时间的期间内进行一次获益循环。两 个节点之间的阻塞可被缓解，因为PESS在一天中可以从节点1向节点2带来超过3兆 瓦时的能量。
图4示出了在一年内的PESS的每天行程时间。一年内的总行程时间为153小时， 大约为每天0.4小时。该结果表明在一段时间内有密集行程。在其中两个节点之间没有 显著价格差异的那些天里，PESS可以服务于相邻区域中的存在阻塞的节点对。
本公开的方法也可以应用于其他应用中，例如，具有多个收益流的应用中。
根据本申请实施例提供的PESS的控制方法，通过创建并求解与PESS的储能放能决策、行程决策以及储能单元加载决策中的至少一个有关的决策优化模型以获得满足使得PESS可得补偿最大化的目标的可行解，以及基于可行解来确定PESS的储能放能决 策、行程决策以及储能单元加载决策中的至少一个，并基于确定的决策来控制PESS的 操作，能够实现PESS的可用收益最大化。
本申请提供的PESS的控制方法能够使得经受老化和其他操作约束的PESS的收益最大化。在每个周期内的收益包括电力市场收益，其可以是市场价格以及PESS功率输 出的函数。PESS并非对市场价格没有影响的价格接受者，而是可以在市场上出价以最 大化其短期收益。此外，PESS的每个周期内的收益可以来自多个流，例如，当PESS提 供多个服务时。PESS的每个周期内的收益可以包括节约排放成本，或者可以包括所有 固定成本之和，诸如税费、使用和维修成本等。此外，每个周期内的收益还可以包括从 车体收集已使用电池而得的收益。此外，每个周期内的收益还可以包括售卖PESS中的 所有或部分储能设备而得的收益，其可以是要售卖的储能单元的荷电状态和健康状态的 函数。此外，每个周期内的收益还可以包括租赁或分享PESS中的所有或部分储能设备 而得的收益，其可以是要租赁或分享的储能单元的荷电状态和健康状态以及在归还期间 储能设备的使用情况的函数。
PESS的能量容量、功率容量以及效率随着PESS的累积使用而减小。
此外，PESS中的储能单元的功能性损失可以通过部件更换或维修而得到恢复，然而，部件更换或维修会招致额外的更换或维修成本。
关于市场收益率的可用信息是分散的，且PESS需要迭代地与本地连接代理进行通信以获取用于操作决策所需的信息。
PESS的功率和能量容量、效率以及老化损失和约束动态地依赖于储能单元加载决策。
本文公开的方法可以方便地在一个或多个机器、中央计算机或分布式计算机中实现。 根据本公开中的描述本领域技术人员可以容易地完成软件代码。软件可被应用于管理单 个PESS或一组PESS，其中该一组PESS可以被单独地控制。这样的软件可以与提供必 要输入的任何市场预测方法或任何机器学习技术结合以近似或估计PESS的最佳操作策 略。
本公开实施例还提供了一种PESS的控制装置。如图5所示，PESS的控制装置500 包括：
创建模块501，用于创建所述PESS的决策优化模型，所述决策优化模型与所述PESS在待应用区域内的储能放能决策、行程决策以及储能单元加载决策中的至少一个有关， 以及所述决策优化模型包括以所述PESS在所述待应用区域内的可得补偿最大化为目标 的目标函数；
求解模块502，用于对所述决策优化模型进行求解以获得满足所述目标函数的可行 解；以及
控制模块503，用于基于所述可行解确定所述PESS在所述待应用区域内的储能放能决策、行程决策以及储能单元加载决策中的至少一个，并基于所确定的储能放能决策、所确定的行程决策以及所确定的储能单元加载决策中的至少一个控制所述PESS在所述 待应用区域内的操作。
在一些实施例中，所述目标函数依赖于所述PESS在待应用区域内通过储能和放能而可获得的能量储放相关补偿，所述PESS被操作以在待应用区域内的不同节点之间移 动而导致的运输损失以及所述PESS由于能量使用而导致的老化损失。
在一些实施例中，所述决策优化模型还包括针对所述PESS的能量容量的能量约束、 针对所述PESS的功率容量的功率输出约束以及针对所述PESS的操作时间的行程时间约束。
在一些实施例中，所述目标函数表示为：
其中，n、n′表示节点索引，h表示时间索引，Yt表示所述PESS在所述待应用区域 内的可得补偿，Rt表示所述能量储放相关补偿，
表示所述运输损失，
表示所述老 化损失，
表示所述PESS在节点n和时间h处的放能量，
表示所述PESS在节点n 和时间h处的储能量，γn，n′，h表示所述PESS在时间h是否从节点n移动至节点n′，
表 示所述老化损失。
在一些实施例中，所述能量储放相关补偿通过下式确定：
其中，Δh表示调遣时间尺度，t表示日期索引，Δt表示决策应用时长，λn，h表示在节点n和时间h处的节点边际价值，Ωn表示所述PESS将被共享的节点的集合。
在一些实施例中，所述运输损失通过下式确定：
其中，Δh表示调遣时间尺度，t表示日期索引，Δt表示决策应用时长，ctr表示每单位时间运输损失。
在一些实施例中，所述老化损失通过下式确定：
其中，Δh表示调遣时间尺度，t表示日期索引，Δt表示决策应用时长，
表示每单位时间老化损失，qt表示在t处的日历老化。
在一些实施例中，所述能量约束通过以下表示：
其中，n表示节点索引，h表示时间索引，Δh表示调遣时间尺度，t表示日期索引，Δt表示决策应用时长，
表示所述PESS在节点n和时间h处的放能量，
表示所述 PESS在节点n和时间h处的储能量，ηt表示所述PESS在t处的储能放能效率，ρ表示 所述PESS的自放能率，Eh表示所述PESS在时间h处的能量水平，Eh-1表示所述PESS 在时间h-1处的能量水平，
表示所述PESS的能量容量。
在一些实施例中，所述功率输出约束通过以下表示：
其中，n表示节点索引，h表示时间索引，t表示日期索引，Δt表示决策应用时长，Ωn表示所述PESS将被共享的节点的集合，
表示所述PESS在节点n和时间h处的放 能量，
表示所述PESS在节点n和时间h处的储能量，ωn,h表示所述PESS在时间h是 否在节点n处，
表示所述PESS的功率容量，γn,n',h表示所述PESS在时间h是否从 节点n移动至节点n'，αn,h表示所述PESS在时间h处是否向节点n移动，βn,h表示所述 PESS在时间h处是否移动离开节点n，ωn,h-1表示所述PESS在时间h-1是否在节点n处， αn',h表示所述PESS在时间h处是否向节点n'移动，γn,n',h-1表示所述PESS在时间h-1是 否从节点n移动至节点n'，θn,h、θn',h表示辅助变量，其中该辅助变量可以是预先确定的， 且对于不同节点和不同时间可以取不同值。
在一些实施例中，所述行程时间约束通过以下表示：
其中，n、n′表示节点索引，h表示时间索引，t表示日期索引，Δt表示决策应用 时长，Ωn表示所述PESS将被共享的节点的集合，γn，n′，h表示所述PESS在时间h是否从 节点n移动至节点n′，γn，n′，h-1表示所述PESS在时间h-1是否从节点n移动至节点n′， Tn，n′，h表示所述PESS在时间h从节点n离开到在节点n′处准备操作所需时长，具体地， 其可以是PESS从节点n停止充放电准备离开到PESS移动到节点n′准备好开始充放电总 共所需时间，包括运输时间、PESS插拔部署时间等。
本公开实施例还提供了一种PESS的控制装置，包括处理器，以及存储有可由处理器执行的指令的存储器。当指令由处理器执行时，使得处理器能够执行上述本公开实施 例提供的PESS的控制方法。
本公开实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计 算机程序，当存储介质中的计算机程序由计算机执行时，使得计算机能够执行上述本公开实施例提供的PESS的控制方法。
本公开实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时， 使得计算机能够执行上述本公开实施例提供的PESS的控制方法。
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，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为 一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合 或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论 的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合 或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示 的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是 各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。所述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元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器中。基于这样的理解，本申请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全部或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器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部 或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、 随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可 以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通 过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可 以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器 (英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实 施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上 均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单 元及算法步骤，本发明能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是 这种实现不应认为超出本发明的范围。
Claims (13)
1.一种便携式储能系统PESS的控制方法，其特征在于，包括：
创建所述PESS的决策优化模型，所述决策优化模型与所述PESS在待应用区域内的储能放能决策、行程决策以及储能单元加载决策中的至少一个有关，以及所述决策优化模型包括以所述PESS在所述待应用区域内的可得补偿最大化为目标的目标函数；
对所述决策优化模型进行求解以获得满足所述目标函数的可行解；以及
基于所述可行解确定所述PESS在所述待应用区域内的储能放能决策、行程决策以及储能单元加载决策中的至少一个，并基于所确定的储能放能决策、所确定的行程决策以及所确定的储能单元加载决策中的至少一个控制所述PESS在所述待应用区域内的操作。
2.如权利要求1所述的方法，其特征在于，所述目标函数依赖于所述PESS在待应用区域内通过储能和放能而可获得的能量储放相关补偿，所述PESS被操作以在待应用区域内的不同节点之间移动而导致的运输损失以及所述PESS由于能量使用而导致的老化损失。
3.如权利要求2所述的方法，其特征在于，所述决策优化模型还包括针对所述PESS的能量容量的能量约束、针对所述PESS的功率容量的功率输出约束以及针对所述PESS的操作时间的行程时间约束。
4.如权利要求2所述的方法，其特征在于，所述目标函数表示为：
其中，n、n'表示节点索引，h表示时间索引，Yt表示所述PESS在所述待应用区域内的可得补偿，Rt表示所述能量储放相关补偿，
表示所述运输损失，
表示所述老化损失，
表示所述PESS在节点n和时间h处的放能量，
表示所述PESS在节点n和时间h处的储能量，γn,n',h表示所述PESS在时间h是否从节点n移动至节点n'，
表示所述老化损失。
5.如权利要求4所述的方法，其特征在于，所述能量储放相关补偿通过下式确定：
其中，Δh表示调遣时间尺度，t表示日期索引，Δt表示决策应用时长，λn,h表示在节点n和时间h处的节点边际价值，Ωn表示所述PESS将被共享的节点的集合。
6.如权利要求4所述的方法，其特征在于，所述运输损失通过下式确定：
其中，Δh表示调遣时间尺度，t表示日期索引，Δt表示决策应用时长，ctr表示每单位时间运输损失。
7.如权利要求4所述的方法，其特征在于，所述老化损失通过下式确定：
其中，Δh表示调遣时间尺度，t表示日期索引，Δt表示决策应用时长，
表示每单位时间老化损失，qt表示在t处的日历老化。
8.如权利要求3所述的方法，其特征在于，所述能量约束通过以下表示：
其中，n表示节点索引，h表示时间索引，Δh表示调遣时间尺度，t表示日期索引，Δt表示决策应用时长，
表示所述PESS在节点n和时间h处的放能量，
表示所述PESS在节点n和时间h处的储能量，ηt表示所述PESS在t处的储能放能效率，ρ表示所述PESS的自放能率，Eh表示所述PESS在时间h处的能量水平，Eh-1表示所述PESS在时间h-1处的能量水平，
表示所述PESS的能量容量。
9.如权利要求3所述的方法，其特征在于，所述功率输出约束通过以下表示：
其中，n表示节点索引，h表示时间索引，t表示日期索引，Δt表示决策应用时长，Ωn表示所述PESS将被共享的节点的集合，
表示所述PESS在节点n和时间h处的放能量，
表示所述PESS在节点n和时间h处的储能量，ωn,h表示所述PESS在时间h是否在节点n处，Pt max表示所述PESS的功率容量，γn,n',h表示所述PESS在时间h是否从节点n移动至节点n'，αn,h表示所述PESS在时间h处是否向节点n移动，βn,h表示所述PESS在时间h处是否移动离开节点n，ωn,h-1表示所述PESS在时间h-1是否在节点n处，αn',h表示所述PESS在时间h处是否向节点n'移动，γn,n',h-1表示所述PESS在时间h-1是否从节点n移动至节点n'，θn,h、θn',h表示辅助变量。
10.如权利要求3所述的方法，其特征在于，所述行程时间约束通过以下表示：
其中，n、n'表示节点索引，h表示时间索引，t表示日期索引，Δt表示决策应用时长，Ωn表示所述PESS将被共享的节点的集合，γn,n',h表示所述PESS在时间h是否从节点n移动至节点n'，γn,n',h-1表示所述PESS在时间h-1是否从节点n移动至节点n'，Tn,n',h表示所述PESS在时间h从节点n离开到在节点n'处准备操作所需时长。
11.一种便携式储能系统PESS的控制装置，其特征在于，包括：
创建模块，用于创建所述PESS的决策优化模型，所述决策优化模型与所述PESS在待应用区域内的储能放能决策、行程决策以及储能单元加载决策中的至少一个有关，以及所述决策优化模型包括以所述PESS在所述待应用区域内的可得补偿最大化为目标的目标函数；
求解模块，用于对所述决策优化模型进行求解以获得满足所述目标函数的可行解；以及
控制模块，用于基于所述可行解确定所述PESS在所述待应用区域内的储能放能决策、行程决策以及储能单元加载决策中的至少一个，并基于所确定的储能放能决策、所确定的行程决策以及所确定的储能单元加载决策中的至少一个控制所述PESS在所述待应用区域内的操作。
12.一种便携式储能系统PESS的控制装置，其特征在于，包括：
处理器；
存储器，用于存储可由处理器执行的指令；
其中，当所述指令被所述处理器执行，使得所述处理器执行如权利要求1-10中任一项所述的方法。
13.一种计算机可读存储介质，其特征在于，包括计算机程序，当所述计算机程序在计算机上运行时，执行如权利要求1-10中任一项所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110492312.9A CN113326973A (zh) | 2021-05-06 | 2021-05-06 | 便携式储能系统pess的控制方法 |
| US17/490,679 US11544803B2 (en) | 2021-05-06 | 2021-09-30 | Method and device for controlling portable energy storage system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110492312.9A CN113326973A (zh) | 2021-05-06 | 2021-05-06 | 便携式储能系统pess的控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113326973A true CN113326973A (zh) | 2021-08-31 |
Family
ID=77414155
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110492312.9A Pending CN113326973A (zh) | 2021-05-06 | 2021-05-06 | 便携式储能系统pess的控制方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US11544803B2 (zh) |
| CN (1) | CN113326973A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107171367A (zh) * | 2017-05-19 | 2017-09-15 | 山东大学 | 风电与储能系统互补下的火电机组组合优化决策方法 |
| CN109472422A (zh) * | 2018-11-28 | 2019-03-15 | 中国电力科学研究院有限公司 | 一种综合能源网络成本优化方法及装置 |
| US20200166578A1 (en) * | 2017-08-11 | 2020-05-28 | Carnegie Mellon University | System and method for management of electrochemical energy storage devices |
| CN112288134A (zh) * | 2020-09-29 | 2021-01-29 | 武汉理工大学 | 一种船舶复合储能系统多目标容量优化配置方法及系统 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6687581B2 (en) * | 2001-02-07 | 2004-02-03 | Nissan Motor Co., Ltd. | Control device and control method for hybrid vehicle |
| TWI346056B (en) * | 2007-12-07 | 2011-08-01 | Ind Tech Res Inst | Mixed type vehicle power system and method of forming multidimentional data of fuel consumption |
| US20090259355A1 (en) * | 2008-04-15 | 2009-10-15 | The Uwm Research Foundation, Inc. | Power management of a hybrid vehicle |
| JP4905516B2 (ja) * | 2009-07-23 | 2012-03-28 | 株式会社デンソー | ハイブリッド車両の駆動制御装置 |
| JP4816780B2 (ja) * | 2009-09-11 | 2011-11-16 | 株式会社デンソー | 車載充放電制御装置およびそれに含まれる部分制御装置 |
| JP5220046B2 (ja) * | 2010-02-23 | 2013-06-26 | 本田技研工業株式会社 | 車両状態監視サーバおよび車両状態監視システム |
| US8374740B2 (en) * | 2010-04-23 | 2013-02-12 | GM Global Technology Operations LLC | Self-learning satellite navigation assisted hybrid vehicle controls system |
| US20120010767A1 (en) * | 2010-06-10 | 2012-01-12 | Massachusetts Institute Of Technology | Hybrid electric vehicle and method of control using path forecasting |
| US8612077B2 (en) * | 2010-07-07 | 2013-12-17 | Massachusetts Institute Of Technology | Hybrid electric vehicle and method of path dependent receding horizon control |
| US8543272B2 (en) * | 2010-08-05 | 2013-09-24 | Ford Global Technologies, Llc | Distance oriented energy management strategy for a hybrid electric vehicle |
| US8942919B2 (en) * | 2010-10-27 | 2015-01-27 | Honda Motor Co., Ltd. | BEV routing system and method |
| US8813884B2 (en) * | 2011-02-15 | 2014-08-26 | GM Global Technology Operations LLC | Optimization to reduce fuel consumption in charge depleting mode |
| US9000722B2 (en) * | 2011-07-01 | 2015-04-07 | Honda Motor Co., Ltd. | Electric vehicle charging strategy |
| US10913360B2 (en) * | 2018-02-13 | 2021-02-09 | Toyota Motor Engineering & Manufacturing North America, Inc. | Systems and methods of autonomous solar exposure |
| CN111076737A (zh) * | 2018-10-18 | 2020-04-28 | 通用汽车环球科技运作有限责任公司 | 基于车辆和推进系统特征的路线确定方法及系统 |
| US11614335B2 (en) * | 2020-12-22 | 2023-03-28 | Nissan North America, Inc. | Route planner optimization for hybrid-electric vehicles |
-
2021
- 2021-05-06 CN CN202110492312.9A patent/CN113326973A/zh active Pending
- 2021-09-30 US US17/490,679 patent/US11544803B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107171367A (zh) * | 2017-05-19 | 2017-09-15 | 山东大学 | 风电与储能系统互补下的火电机组组合优化决策方法 |
| US20200166578A1 (en) * | 2017-08-11 | 2020-05-28 | Carnegie Mellon University | System and method for management of electrochemical energy storage devices |
| CN109472422A (zh) * | 2018-11-28 | 2019-03-15 | 中国电力科学研究院有限公司 | 一种综合能源网络成本优化方法及装置 |
| CN112288134A (zh) * | 2020-09-29 | 2021-01-29 | 武汉理工大学 | 一种船舶复合储能系统多目标容量优化配置方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 王荔妍;陈启鑫;何冠楠;钟国彬;康重庆;: "考虑电池储能寿命模型的发电计划优化", 电力系统自动化, no. 08, 25 April 2019 (2019-04-25), pages 93 - 100 * |
Also Published As
| Publication number | Publication date |
|---|---|
| US20220366516A1 (en) | 2022-11-17 |
| US11544803B2 (en) | 2023-01-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Galus et al. | The role of electric vehicles in smart grids | |
| Ahmad et al. | A cost-efficient energy management system for battery swapping station | |
| Aliasghari et al. | Optimal scheduling of plug-in electric vehicles and renewable micro-grid in energy and reserve markets considering demand response program | |
| Zheng et al. | Integrating plug-in electric vehicles into power grids: A comprehensive review on power interaction mode, scheduling methodology and mathematical foundation | |
| Cui et al. | Operation optimization approaches of electric vehicle battery swapping and charging station: A literature review | |
| Sortomme et al. | Optimal scheduling of vehicle-to-grid energy and ancillary services | |
| Shafie-Khah et al. | Optimal trading of plug-in electric vehicle aggregation agents in a market environment for sustainability | |
| Yang et al. | Computational scheduling methods for integrating plug-in electric vehicles with power systems: A review | |
| Sortomme et al. | Optimal combined bidding of vehicle-to-grid ancillary services | |
| Xu et al. | Coordination of PEVs charging across multiple aggregators | |
| David et al. | EVs for frequency regulation: cost benefit analysis in a smart grid environment | |
| Melo et al. | Robust electric vehicle aggregation for ancillary service provision considering battery aging | |
| Huang et al. | A two-stage stochastic programming model of coordinated electric bus charging scheduling for a hybrid charging scheme | |
| CN105046371A (zh) | 一种基于需求侧竞价的电动汽车充放电调度方法 | |
| Zaher et al. | Optimal operation of battery exchange stations for electric vehicles | |
| Vayá et al. | Optimal bidding strategy of a plug-in electric vehicle aggregator in day-ahead electricity markets | |
| Zheng et al. | Two-phase operation for coordinated charging of electric vehicles in a market environment: From electric vehicle aggregators’ perspective | |
| Tookanlou et al. | A comprehensive day-ahead scheduling strategy for electric vehicles operation | |
| Sortomme | Combined bidding of regulation and spinning reserves for unidirectional vehicle-to-grid | |
| Ahmadi et al. | Optimal allocation of electric vehicles parking lots and optimal charging and discharging scheduling using hybrid metaheuristic algorithms | |
| Fei et al. | Exploring the profitability of using electric bus fleets for transport and power grid services | |
| Vayá et al. | Smart charging of plug-in vehicles under driving behaviour uncertainty | |
| El-Taweel et al. | Optimal energy management for battery swapping based electric bus fleets with consideration of grid ancillary services provision | |
| Pasha et al. | Electric vehicle scheduling: State of the art, critical challenges, and future research opportunities | |
| Moreira et al. | Optimal multi-service business models for electric vehicles |
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 |