CN113346474B - 一种直流微电网双储能协调控制方法及存储介质 - Google Patents
一种直流微电网双储能协调控制方法及存储介质 Download PDFInfo
- Publication number
- CN113346474B CN113346474B CN202110600748.5A CN202110600748A CN113346474B CN 113346474 B CN113346474 B CN 113346474B CN 202110600748 A CN202110600748 A CN 202110600748A CN 113346474 B CN113346474 B CN 113346474B
- Authority
- CN
- China
- Prior art keywords
- energy
- energy storage
- group
- storage
- power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
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
- H02J1/00—Circuit arrangements for dc mains or dc distribution networks
- H02J1/10—Parallel operation of dc sources
-
- 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
- H02J1/00—Circuit arrangements for dc mains or dc distribution networks
- H02J1/14—Balancing the load in a network
-
- 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
-
- 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
- H02J2300/28—The renewable source being wind energy
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种直流微电网双储能协调控制方法及存储介质,其中协调控制方法包括:步骤1:建立风光储直流微电网系统运行模型与数学模型;步骤2:根据系统运行特性建立预测模型和滚动优化模型;步骤3:根据储能的当前荷电状态SOC以及荷电状态预测值,动态改变储能出力约束条件,控制储能工作在不同模式;步骤4:设计自适应权重系数;步骤5:利用模型预测控制优化储能出力,实现直流微电网的双储能协调控制。与现有技术相比,本发明具有能够在维持微电网稳定运行的前提下避免SOC越限等优点。
Description
技术领域
本发明涉及电力能源协调控制技术领域,尤其是涉及一种基于模型预测控制的直流微电网双储能协调控制方法及存储介质。
背景技术
离网模式下的直流微电网,由于RES出力的随机性、间歇性以及负荷功率的不确定性,需要微电网内各分布式电源协调控制以维持功率平衡。与并网模式相比,离网模式下的控制方法显得更加重要与复杂。因此,需要多个分布式储能单元配置成分布式储能系统来实现可再生能源的发电功率与负荷消耗功率间的平衡,保证直流微电网的稳定运行。而孤岛模式下的储能成本是系统的重要组成本分,如何在保证微电网稳定运行的前提下延长储能的寿命从而降低成本成为了众多专家和学者的研究重点。
传统的单一储能控制方式存在储能频繁切换充放电状态从而影响设备寿命的问题,因此有研究人员提出将储能分为充放电状态不同的两组储能进行功率平滑,但是此类研究大都忽略了SOC越限问题,且很少有研究将其应用在孤岛直流微电网中。传统的双储能控制方法仅基于当前SOC决定两组储能的工作模式,因此每一次状态切换都将出现多个控制周期内SOC越限现象。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种在维持微电网稳定运行的前提下避免SOC越限的直流微电网双储能协调控制方法及存储介质。
本发明的目的可以通过以下技术方案来实现:
一种直流微电网双储能协调控制方法,所述的双储能协调控制方法:
步骤1:建立风光储直流微电网系统运行模型与数学模型;
步骤2:根据系统运行特性建立预测模型和滚动优化模型;
步骤3:根据储能的当前荷电状态SOC以及荷电状态预测值,动态改变储能出力约束条件,控制储能工作在不同模式;
步骤4:设计自适应权重系数;
步骤5:利用模型预测控制优化储能出力,实现直流微电网的双储能协调控制。
优选地,所述步骤1中风光储直流微电网系统运行模型具体为:
将微电网内发电功率与负荷功率之差定义为功率平衡偏差Pe,表示为:
Pe(k+1)=Pw(k)+Ppv(k)+PB1(k)+PB2(k)+Pload(k)
其中,Pe(k+1)为k+1时刻功率平衡偏差;Pw(k)和Ppv(k)分别为k时刻风电和光伏的输出功率;Pload(k)为k时刻负荷功率;PB1(k)和PB2(k)分别为k时刻第一组和第二组储能的输出功率,其值为正时表示放电,为负表示充电。
更加优选地,所述步骤1中风光储直流微电网系统数学模型为:
设双储能系统的容量均为C,控制周期均为Tc,荷电状态分别为SOC1和SOC2,利用前向欧拉公式经过离散化后可以得到储能的数学模型如下所示:
优选地,所述步骤2中预测模型的构建方法为:
根据步骤1建立的风光储直流微电网系统运行模型与数学模型获得系统的状态空间方程:
x(k+1)=Ax(k)+B1μ(k)+B2r(k)
x(k)=[Pe(k),SOC1(k),SOC2(k)]T
u(k)=[PB1(k),PB2(k)]T
r(k)=[PW(k),Ppv(k),Pload(k)]
其中,x(k)为状态变量,u(k)为控制变量,r(k)为扰动变量;
得到预测域内k+p步的预测模型为:
更加优选地,所述步骤2中滚动优化模型的构建方法为:
滚动优化模型的目标函数为:
J1为避免SOC越限的目标,与SOC当前值以及预测值有关;
α和β分别为对应目标项的权重系数,其值决定了对功率平衡偏差最小以及储能出力最小的优化。
更加优选地,所述的滚动优化模型的约束条件为:
SOCd≤SOC1≤SOCu
SOCd≤SOC2≤SOCu
-δ≤Pe≤δ
PB1dk≤PB1≤PB1uk
PB2dk≤PB2≤PB2uk
其中,SOCu与SOCd分别为储能荷电状态的上限和下限;δ为并网功率允许波动范围;PB1uk和PB1dk分别为第一组储能输出功率的上限和下限;PB2uk和PB2dk分别为第二组储能输出功率的上限和下限,均根据两组储能的SOC而改变,通过PB1dk≤PB1≤PB1uk和PB2dk≤PB2≤PB2uk对储能出力约束,实现两组储能在不同工作模式下的切换和稳定运行。
更加优选地,所述的步骤3具体为:
当第一组储能当前SOC大于等于上限或第二组储能当前SOC小于等于下限时,双储能工作在模式一,即第一组储能处于放电状态,第二组储能处于充电状态;
当预测到下一个周期任意一组储能荷电状态越过下限时,切换到模式二,控制两组储能均为放电状态,若预测到第一组储能过放时,目标函数中的J1生效如式所示:
J1=[SOC1(k+1)-SOCd]2
第一组储能在SOC不越限的前提下输出最多功率,另一组储能则释放平滑风电输出功率所需的剩余部分功率;
同理,若预测第二组储能过放时,J1表示为:
J1=[SOC2(k+1)-SOCd]2
当预测到下一时刻任意一组储能存在过充行为时,切换至模式三,两组储能同时充电,当预测第一组储能过充时,J1生效如式所示:
J1=[SOC1(k+1)-SOCu]2
当预测第二组储能过充时,J1表示为:
J1=[SOC2(k+1)-SOCu]2
当第一组储能当前SOC小于等于下限或第二组储能大于等于上限时进入模式四,即第一组储能处于充电状态,第二组储能处于放电状态;
模式二和模式三结束时,至少有一组储能的SOC达到了限值,通过模型预测控制可以优化储能出力。
更加优选地,所述的步骤4具体为:
其中,α和β均为自适应权重系数;Pe,h为功率平衡偏差Pe在允许波动范围内的一个分界值;δ为功率平衡偏差对的最大值;a为较大的权重系数,应用在较大的功率平衡偏差的情况,b与c为较小的功率平衡偏差时调节权重系数的常数项与二次项系数,三个调节系数应尽量满足以下关系:
优选地,所述的步骤5具体为:
根据步骤2、步骤3与步骤4建立的预测模型、滚动优化模型、自适应权重系数以及每一个控制时域都根据各变量的实际值的反馈,将其作为下一次优化的初始条件,优化储能出力。
一种存储介质,该存储介质内存储有如上述任一项所述的直流微电网双储能协调控制方法。
与现有技术相比,本发明具有以下有益效果:
有效解决储能荷电状态越限问题:本发明中的直流微电网双储能协调控制方法能够有效优化双储能系统的运行状态,降低系统对储能容量配置的要求从而降低系统成本,一方面能有效避免储能荷电状态越限问题,使得模式切换更加平稳,直流微电网双储能系统也更加稳定,有利于储能系统的健康状态以延长储能系统的使用寿命,另一方面可以动态权衡储能出力与功率平衡偏差两者的关系,进一步减小储能出力,有利于储能设备的长久稳定运行。
附图说明
图1为本发明中双储能协调控制方法的流程示意图;
图2为本发明实施例中孤立直流微电网系统的结构示意图;
图3为本发明实施例中双储能系统工作模式示意图;
图4为本发明实施例中基于模型预测控制的双储能协调控制方法的控制框图;
图5为本发明实施例中国维持功率平衡过程中两组储能SOC变化图;
图6为本发明实施例中维持功率平衡过程中两组储能输出功率变化图;
其中图6(a)为输出功率变化全局图,图6(b)是某次状态切换时输出功率变化局部图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通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,都应属于本发明保护的范围。
模型预测控制是一种基于受控系统模型的闭环最优控制策略。由于模型预测控制对于抑制可再生能源的不确定性上的优势,主要通过预测模型、滚动优化、反馈校正实现对不确定性因素的抑制,鲁棒性较强。结合模型预测控制可以更好地维持功率平衡。在维持孤立直流微电网功率平衡的过程中,针对储能频繁切换充放电状态以及SOC越限问题提出新的控制方法,维持储能系统的长期稳定运行。
本发明实现的流程图如图1所示,在风、光以及负荷功率超短期预测的基础上,根据SOC当前值与预测值决定双储能的工作模式,构建预测模型与滚动优化模型后,根据功率平衡偏差设计自适应权重系数,动态调节功率平衡偏差以及储能出力,从而实现模型预测控制优化储能出力。以下是具体步骤。
步骤1:建立结构如图2风光储直流微电网系统运行模型与数学模型
运行模型的构建方法为:
该系统由风电机组、光伏发电、负荷以及两组容量均分的储能单元组成,由储能单元维持网内功率平衡,两组储能大部分时刻处于不同的充放电状态,即一组储能处于充电状态,另一组储能处于放电状态,使储能工作在较为理想的充放电深度,以减少储能的充放电切换次数,延长使用寿命,当其中一组储能存在荷电状态越限可能时,两组储能都处于充电状态或都处于放电状态,当任意一组储能荷电状态到达上限或下限时,切换两组储能的充放电状态。事实上,网内的发电功率与消耗功率总是不能达到精确的平衡的,因此,定义一个物理量——功率平衡偏差Pe,顾名思义,即微电网内发电功率与负荷功率之差,该功率可以通过当前时刻的各模块功率表示:
Pe(k+1)=Pw(k)+Ppv(k)+PB1(k)+PB2(k)+Pload(k)
其中,Pe(k+1)为k+1时刻功率平衡偏差;Pw(k)和Ppv(k)分别为k时刻风电和光伏的输出功率;Pload(k)为k时刻负荷功率;PB1(k)和PB2(k)分别为k时刻第一组和第二组储能的输出功率,其值为正时表示放电,为负表示充电。
设双储能系统的容量均为C,控制周期均为Tc,荷电状态分别为SOC1和SOC2,利用前向欧拉公式经过离散化后可以得到储能的数学模型如下所示:
步骤2:根据系统运行特性建立预测模型和滚动优化模型
根据步骤1建立的风光储直流微电网系统运行模型与数学模型获得系统的状态空间方程:
x(k+1)=Ax(k)+B1μ(k)+B2r(k)
x(k)=[Pe(k),SOC1(k),SOC2(k)]T
u(k)=[PB1(k),PB2(k)]T
r(k)=[PW(k),Ppv(k),Pload(k)]
其中,x(k)为状态变量,u(k)为控制变量,r(k)为扰动变量;
得到预测域内k+p步的预测模型为:
滚动优化模型的目标函数为:
J1为避免SOC越限的目标,与SOC当前值以及预测值有关;
α和β分别为对应目标项的权重系数,其值决定了对功率平衡偏差最小以及储能出力最小的优化。
滚动优化模型的约束条件为:
SOCd≤SOC1≤SOCu
SOCd≤SOC2≤SOCu
-δ≤Pe≤δ
PB1dk≤PB1≤PB1uk
PB2dk≤PB2≤PB2uk
其中,SOCu与SOCd分别为储能荷电状态的上限和下限;δ为并网功率允许波动范围;PB1uk和PB1dk分别为第一组储能输出功率的上限和下限;PB2uk和PB2dk分别为第二组储能输出功率的上限和下限,均根据两组储能的SOC而改变,通过PB1dk≤PB1≤PB1uk和PB2dk≤PB2≤PB2uk对储能出力约束,实现两组储能在不同工作模式下的切换和稳定运行。
步骤3:根据储能的当前荷电状态SOC以及荷电状态预测值,动态改变储能出力约束条件,控制储能工作在不同模式,工作模式如图3所示;
当第一组储能当前SOC大于等于上限或第二组储能当前SOC小于等于下限时,双储能工作在模式一,即第一组储能处于放电状态,第二组储能处于充电状态;
当预测到下一个周期任意一组储能荷电状态越过下限时,切换到模式二,控制两组储能均为放电状态,若预测到第一组储能过放时,目标函数中的J1生效如式所示:
J1=[SOC1(k+1)-SOCd]2
第一组储能在SOC不越限的前提下输出最多功率,另一组储能则释放平滑风电输出功率所需的剩余部分功率;
同理,若预测第二组储能过放时,J1表示为:
J1=[SOC2(k+1)-SOCd]2
通过加入式上述两个J1目标后,储能可以释放适当的功率将其SOC降低至允许的下限,有效避免SOC越限,同时改变另一组储能的工作状态,也能有效维持功率平衡;
当预测到下一时刻任意一组储能存在过充行为时,切换至模式三,两组储能同时充电,当预测第一组储能过充时,J1生效如式所示:
J1=[SOC1(k+1)-SOCu]2
当预测第二组储能过充时,J1表示为:
J1=[SOC2(k+1)-SOCu]2
当第一组储能当前SOC小于等于下限或第二组储能大于等于上限时进入模式四,即第一组储能处于充电状态,第二组储能处于放电状态;
模式二和模式三结束时,至少有一组储能的SOC达到了限值,通过模型预测控制可以优化储能出力。
步骤4:设计自适应权重系数
在目标函数中,权重系数α和β决定了对两个目标的优化程度,α越大,则越侧重与功率平衡偏差的优化,但对储能出力最小的优化将减小;β越大,则在相同的情况下储能出力将会更小,但功率平衡偏差将较大。本发明在双储能模型预测控制中加入更加灵活的自适应权重系数,根据微电网内信息动态调节权重系数,从而更加灵活的权衡对功率平衡偏差最小以及储能出力最小的优化,如式:
其中,α和β均为自适应权重系数;Pe,h为功率平衡偏差Pe在允许波动范围内的一个分界值,其值恒正,当功率平衡偏差绝对值大于或等于该值时,采用较大的固定权重系数a,当功率平衡偏差的绝对值小于该值时,权重系数随着功率平衡偏差平方而变化,其常数项与平方项系数分别为b和c,参数α和β反映了运行人员对两个目标权重的客观要求;δ为功率平衡偏差对的最大值;为了获得更平滑的控制效果,系数a、b、c应尽量满足一下关系:
步骤5:利用模型预测控制优化储能出力,实现直流微电网的双储能协调控制
基于模型预测控制的双储能协调控制框图如图4所示,根据步骤2、步骤3与步骤4建立的预测模型、滚动优化模型、自适应权重系数以及每一个控制时域都根据各变量的实际值的反馈,将其作为下一次优化的初始条件,优化储能出力。
本实施例还涉及一种存储介质,该介质内存储有上述任一项直流微电网双储能协调控制方法。
以初始SOC为25%为例,图5展示了该状况下本发明的储能荷电状态变化,可以看到本实施例中的协调控制方法无SOC越限问题,当任意一组储能SOC达到限值时,即改变充放电状态。图6展示了该状况下两组储能输出功率的变化,其中图6(a)为全局变化图,可以看到本实施例中的协调控制方法在SOC较不理想的情况下两组储能也仅需切换3次充放电状态,而若采用单一储能控制方式需要切换48次,图6(b)为某次状态变化左右的输出功率变化局部图,此时两组储能工作在模式四,而第二组储能SOC接近下限值,在某一个控制周期预测到将出现SOC越限,通过在目标函数中加入J1,为第二组储能提供适当的输出功率指令使其SOC达到切换下限而不越限,第二组储能切换为放电状态,工作在模式二,第二组储能输出部分功率以维持功率平衡。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种直流微电网双储能协调控制方法,其特征在于,所述的双储能协调控制方法:
步骤1:建立风光储直流微电网系统运行模型与数学模型;
步骤2:根据系统运行特性建立预测模型和滚动优化模型;
步骤3:根据储能的当前荷电状态SOC以及荷电状态预测值,动态改变储能出力约束条件,控制储能工作在不同模式;
步骤4:设计自适应权重系数;
步骤5:利用模型预测控制优化储能出力,实现直流微电网的双储能协调控制;
所述的步骤3具体为:
当第一组储能当前SOC大于等于上限或第二组储能当前SOC小于等于下限时,双储能工作在模式一,即第一组储能处于放电状态,第二组储能处于充电状态;
当预测到下一个周期任意一组储能荷电状态越过下限时,切换到模式二,控制两组储能均为放电状态,若预测到第一组储能过放时,目标函数中的J1生效如式所示:
J1=[SOC1(k+1)-SOCd]2
第一组储能在SOC不越限的前提下输出最多功率,另一组储能则释放平滑风电输出功率所需的剩余部分功率;
同理,若预测第二组储能过放时,J1表示为:
J1=[SOC2(k+1)-SOCd]2
当预测到下一时刻任意一组储能存在过充行为时,切换至模式三,两组储能同时充电,当预测第一组储能过充时,J1生效如式所示:
J1=[SOC1(k+1)-SOCu]2
当预测第二组储能过充时,J1表示为:
J1=[SOC2(k+1)-SOCu]2
当第一组储能当前SOC小于等于下限或第二组储能大于等于上限时进入模式四,即第一组储能处于充电状态,第二组储能处于放电状态;
模式二和模式三结束时,至少有一组储能的SOC达到了限值,通过模型预测控制可以优化储能出力;
其中,SOCu与SOCd分别为储能荷电状态的上限和下限;SOC1(k+1)和SOC2(k+1)为双储能系统在k+1时刻的荷电状态;
所述的步骤4具体为:
其中,α和β均为自适应权重系数;δ为功率平衡偏差对的最大值;Pe,h为功率平衡偏差Pe在允许波动范围内的一个分界值;当功率平衡偏差的绝对值大于或等于该值时,采用较大的固定的权重系数a,当功率平衡偏差的绝对值小于该值时,权重系数随着功率平衡偏差的平方而变化,其中常数项与二次项分别为b、c,为了控制效果更平滑,a、b、c应尽量满足下式:
2.根据权利要求1所述的一种直流微电网双储能协调控制方法,其特征在于,所述步骤1中风光储直流微电网系统运行模型具体为:
将微电网内发电功率与负荷功率之差定义为功率平衡偏差Pe,表示为:
Pe(k+1)=Pw(k)+Ppv(k)+PB1(k)+PB2(k)+Pload(k)
其中,Pe(k+1)为k+1时刻功率平衡偏差;Pw(k)和Ppv(k)分别为k时刻风电和光伏的输出功率;Pload(k)为k时刻负荷功率;PB1(k)和PB2(k)分别为k时刻第一组和第二组储能的输出功率,其值为正时表示放电,为负表示充电。
6.根据权利要求5所述的一种直流微电网双储能协调控制方法,其特征在于,所述的滚动优化模型的约束条件为:
SOCd≤SOC1≤SOCu
SOCd≤SOC2≤SOCu
-δ≤Pe≤δ
PB1dk≤PB1≤PB1uk
PB2dk≤PB2≤PB2uk
其中,SOCu与SOCd分别为储能荷电状态的上限和下限;δ为并网功率允许波动范围;PB1uk和PB1dk分别为第一组储能输出功率的上限和下限;PB2uk和PB2dk分别为第二组储能输出功率的上限和下限,均根据两组储能的SOC而改变,通过PB1dk≤PB1≤PB1uk和PB2dk≤PB2≤PB2uk对储能出力约束,实现两组储能在不同工作模式下的切换和稳定运行。
7.根据权利要求1所述的一种直流微电网双储能协调控制方法,其特征在于,所述的步骤5具体为:
根据步骤2、步骤3与步骤4建立的预测模型、滚动优化模型、自适应权重系数以及每一个控制时域都根据各变量的实际值的反馈,将其作为下一次优化的初始条件,优化储能出力。
8.一种存储介质,其特征在于,该存储介质内存储有如权利要求1~7中任一项所述的直流微电网双储能协调控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110600748.5A CN113346474B (zh) | 2021-05-31 | 2021-05-31 | 一种直流微电网双储能协调控制方法及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110600748.5A CN113346474B (zh) | 2021-05-31 | 2021-05-31 | 一种直流微电网双储能协调控制方法及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113346474A CN113346474A (zh) | 2021-09-03 |
CN113346474B true CN113346474B (zh) | 2022-10-18 |
Family
ID=77472689
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110600748.5A Active CN113346474B (zh) | 2021-05-31 | 2021-05-31 | 一种直流微电网双储能协调控制方法及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113346474B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117713174A (zh) * | 2023-12-15 | 2024-03-15 | 国网青海省电力公司清洁能源发展研究院 | 一种储能系统功率调节方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109149567A (zh) * | 2018-09-10 | 2019-01-04 | 华南理工大学 | 含混合储能的独立型微电网的多时间尺度协调控制方法 |
CN112039092A (zh) * | 2020-09-23 | 2020-12-04 | 华北电力大学 | 计及储能soc恢复的孤岛直流外送agc模型预测控制方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104967149B (zh) * | 2015-06-29 | 2017-08-25 | 山东电力研究院 | 一种微电网风光储模型预测控制方法 |
CN107230974A (zh) * | 2016-03-23 | 2017-10-03 | 国网青海省电力公司 | 基于储能运行状态的光伏功率稳定输出控制方法 |
CN109462231B (zh) * | 2018-11-15 | 2020-09-01 | 合肥工业大学 | 居民微电网的负荷优化调度方法、系统和存储介质 |
CN110994683B (zh) * | 2019-12-21 | 2022-05-24 | 东北电力大学 | 一种风光储发电系统黑启动过程中的能量协调方法 |
CN111525596B (zh) * | 2020-05-07 | 2022-06-21 | 南京工程学院 | 一种风储联合系统中双电池波动越限优化方法 |
-
2021
- 2021-05-31 CN CN202110600748.5A patent/CN113346474B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109149567A (zh) * | 2018-09-10 | 2019-01-04 | 华南理工大学 | 含混合储能的独立型微电网的多时间尺度协调控制方法 |
CN112039092A (zh) * | 2020-09-23 | 2020-12-04 | 华北电力大学 | 计及储能soc恢复的孤岛直流外送agc模型预测控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113346474A (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Akram et al. | A review on rapid responsive energy storage technologies for frequency regulation in modern power systems | |
Lin et al. | Controls of hybrid energy storage systems in microgrids: Critical review, case study and future trends | |
CN105226632B (zh) | 一种直流微电网系统的多模式切换协调控制方法 | |
CN110581571A (zh) | 一种主动配电网动态优化调度方法 | |
Sutikno et al. | A review of recent advances on hybrid energy storage system for solar photovoltaics power generation | |
CN103986190A (zh) | 基于发电功率曲线的风光储联合发电系统平滑控制方法 | |
Babaiahgari et al. | Coordinated control and dynamic optimization in DC microgrid systems | |
Faisal et al. | Fuzzy-based charging–discharging controller for lithium-ion battery in microgrid applications | |
Hu et al. | Coordinated active and reactive power control for distribution networks with high penetrations of photovoltaic systems | |
CN105811457B (zh) | 一种并网型微电网联络线功率平滑的方法 | |
CN115882490A (zh) | 基于soc的蓄电池改进下垂控制方法及系统 | |
CN115719979A (zh) | 新能源微电网离网运行的源荷储协调控制方法及系统 | |
Wang et al. | Energy management strategy for microgrid including hybrid energy storage | |
CN113346474B (zh) | 一种直流微电网双储能协调控制方法及存储介质 | |
CN114069774A (zh) | 一种光伏电池发电最大功率跟踪的光伏储能系统及基于该系统的光伏发电系统 | |
CN116470528A (zh) | 一种区域电网光储场站多时间尺度辅助调频方法 | |
Zhang et al. | The voltage stabilizing control strategy of off-grid microgrid cluster bus based on adaptive genetic fuzzy double closed-loop control | |
Mao et al. | Multivariable Coordinated Nonlinear Gain Droop Control for PV-Battery Hybrid DC Microgrid Access System via a TS Fuzzy Decision Approach | |
Ghanbari et al. | Battery state of charge management by voltage feedback modification | |
CN114418453A (zh) | 一种基于电力市场的微电网多时间尺度能量管理系统 | |
CN114400704A (zh) | 基于双q学习考虑经济调节的孤岛微电网多模式切换策略 | |
CN110729759B (zh) | 一种微电网中分布式电源配置方案的确定方法及装置 | |
KR101299269B1 (ko) | 배터리 에너지 저장 시스템 | |
CN114662260A (zh) | 一种含多种类型负荷孤岛微电网的两阶段经济调度方法 | |
Jaya et al. | Mode Transition in DC Microgrids with Non-Dispatchable Sources |
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 |