CN113408886B - 一种储能容量的配置方法及装置 - Google Patents
一种储能容量的配置方法及装置 Download PDFInfo
- Publication number
- CN113408886B CN113408886B CN202110656294.3A CN202110656294A CN113408886B CN 113408886 B CN113408886 B CN 113408886B CN 202110656294 A CN202110656294 A CN 202110656294A CN 113408886 B CN113408886 B CN 113408886B
- Authority
- CN
- China
- Prior art keywords
- energy storage
- charge
- battery
- power
- bess
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 231
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000005611 electricity Effects 0.000 claims abstract description 56
- 238000012216 screening Methods 0.000 claims abstract description 29
- 230000003044 adaptive effect Effects 0.000 claims description 63
- 230000006978 adaptation Effects 0.000 claims description 27
- 238000005457 optimization Methods 0.000 claims description 27
- 238000012423 maintenance Methods 0.000 claims description 16
- 238000007599 discharging Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 11
- 238000012795 verification Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000010187 selection method Methods 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 claims 2
- 101100518501 Mus musculus Spp1 gene Proteins 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 31
- 230000008901 benefit Effects 0.000 abstract description 20
- 230000000875 corresponding effect Effects 0.000 description 29
- 230000002068 genetic effect Effects 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000013589 supplement Substances 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种储能容量的配置方法及装置，所述方法包括：获取用户的历史用电数据，基于所述历史用电数据构建多组储能方案；从多组储能方案中任意筛选一组满足预设自变量范围的第一储能方案；对所述第一储能方案迭代更新预设次数，得到迭代储能方案；从所述多个迭代电池荷电状态自变量筛选满足预设条件的目标电池荷电状态自变量，以目标电池荷电状态自变量对应的容量与功率比值为目标配置方案。本发明可以针对用户用电特性提出经济效益优、工程适用性强的储能配置方案，从而最大程度降低用户用电成本，而且通过精细化的储能容量计算，能够节省用户侧储能冗余投资，提高储能设备的利用效率。
Description
技术领域
本发明涉及核电站的能源管理的技术领域，尤其涉及一种储能容量的配置方法及装置。
背景技术
随着全社会用电总量的持续增长，用户整体负荷峰谷差进一步拉大，尤其是从典型的大工业、商业用户负荷曲线来看，呈现出明显的峰谷特性，用户侧储能参与负荷优化、需求响应的必要性也逐渐凸显。在国家大工业两部制电价背景下，大工商业用户电费主要由电度电费和基本电费两部分构成，从目前已有的用户侧储能项目来看，以通过峰谷价差获取电度电费节省效益为主，对于用户负荷数据及曲线缺乏对峰谷特性优化和最大需量优化的长远统筹分析，因而用户侧储能项目的经济效益尚存在进一步提升的空间。
为了合理经济地进行储能分配，目前常用的方法包括基于用户的需求采用特定的算法建立投资成本/收益的优化模型，再由优化模型计算储能容量；或者基于用户的用电量和核电站的供电量计算在企业最大收益时对应的储能系统容量；又或者根据用户使用时段和核电站的充/放电周期计算最佳的储能配置容量。
但目前常用的方法有如下技术问题：若根据经济利益匹配计算需要预计来年的经济收益，但经济收益的波动大，计算结果准确率低；采用用电量作配置计算的周期长，计算周期往往超过电池的使用寿命，难以在电池使用期限内作配置计算；而根据充放电周期计算可能出现储能系统无法达到预期电价减少量等问题，使得配置结果与实际目标结果不符。
发明内容
本发明提出一种储能容量的配置方法及装置，所述方法可以针对用户的用电特性优化配置相应的储能配置方案，从而最大程度降低用户用电成本。
本发明实施例的第一方面提供了一种储能容量的配置方法，所述方法包括：
获取用户的历史用电数据，基于所述历史用电数据构建多组储能方案；
从多组储能方案中任意筛选一组满足预设自变量范围的第一储能方案，其中，所述第一储能方案包含在项目周期内的多个第一电池荷电状态自变量，每一个所述第一电池荷电状态自变量对应一组容量与功率比值；
对所述第一储能方案迭代更新预设次数，得到第N储能方案，其中，所述第N储能方案包含多个第N电池荷电状态自变量，N为大于1的正整数；
从所述多个第N电池荷电状态自变量筛选满足预设条件的目标电池荷电状态自变量，以目标电池荷电状态自变量对应的容量与功率比值为目标配置方案。
在第一方面的一种可能的实现方式中，所述对所述第一储能方案迭代更新N次，得到第N储能方案，包括：
计算每个所述第一电池荷电状态自变量对应的个体适应值，得到多个第一个体适应值；
从所述多个第一个体适应值筛选数值最大的第一个体适应值为第二个体适应值；
采用所述第二个体适应值衍生构建第二储能方案，完成一次迭代更新；
重复所述计算每个所述第一电池荷电状态自变量对应的个体适应值的步骤，迭代更新预设次数后，生成第N储能方案。
在第一方面的一种可能的实现方式中，所述计算每个所述第一电池荷电状态自变量对应的个体适应值，包括：
采用所述第一电池荷电状态自变量对应的容量与功率比值分别计算系统成本、项目收益、运维费用、系统残值、贷款和税务；
基于所述系统成本、所述项目收益、所述运维费用、所述系统残值、所述贷款和所述税务求解得到个体适应值。
在第一方面的一种可能的实现方式中，所述系统成本的计算如下式所示：
Csys＝ksysMbess；
其中，Csys为系统成本，ksys为用户侧储能系统单位造价，Mbess为系统电池容量；
所述项目收益的计算如下式所示：
其中，η为充放电效率，放电时η＝ηd，充电时η＝1/ηc，均为常数；pbess,i,j表示第i年中第j小时储能放电功率(充电为负值)；△T为单位时长(本技术方案中以1小时计)；kv-p,j表示第j小时对应的峰谷电价。
通过节省基本电费获取的第i年收益可表示为：
其中，Fbase,i,q表示用户在原计费方式下第q月的基本电费，kdem为按最大需量计费方式下的基本电价，Pdem,i,q表示经储能优化后的第q月最大负荷值；
所述运维费用的计算如下式所示：
其中，kop表示年运维成本占总投资的百分比，kbess表示电池本体费用占储能系统总投资的占比；
所述系统残值的计算如下式所示：
其中，kres-bess表示电池本体残值占储能系统总投资的比例，kres表示系统整体残值占储能系统总投资的比例，Tcyc,i表示项目末年当前电池已使用的充放电循环次数，Tlife表示电池的循环寿命；
所述贷款的计算如下式所示：
其中，rloan为资本金比例，yloan为贷款年限，kloan为贷款利率；
所述税务的计算如下式所示：
Ctax，i＝max[(Cbase，i+Ckwh，i-Cloan，i-Cop，i-Cold，i)×0.25，0]；
其中，Cold,i表示第i年系统设备折旧费用。
在第一方面的一种可能的实现方式中，所述个体适应值的计算公式如下式所示：
在第一方面的一种可能的实现方式中，所述采用所述第二个体适应值衍生构建第二储能方案，包括：
基于锦标赛选择法计算所述第二个体适应值对应的电池荷电状态自变量的两个可行解；
基于算数交叉法分别计算每个所述可行解的子代，得到两个子代；
基于非均匀变异法分别对每个所述子代进行迭代计算，衍生变异得到多个第二电池荷电状态自变量；
采用将所述多个第二电池荷电状态自变量集合生成第二储能方案。
在第一方面的一种可能的实现方式中，所述两个子代的计算如下式所示：
其中，Mate1为第一个可行解，Mate2为第二个可行解，child1为第一个子代，child2为第二个子代，r为介于[0,1]的随机数；
所述对每个所述子代进行迭代计算的计算公式如下式所示：
其中，Child1或2为
t为当前遗传代数，T为最大遗传代数，u为非均匀度参数，random(0,1)表示产生0或1的随机数。
在第一方面的一种可能的实现方式中，在所述计算每个所述第一电池荷电状态自变量对应的个体适应值，得到多个第一个体适应值的步骤后，所述方法还包括：
分别判断每一个所述第一个体适应值是否满足预设的约束条件；
若所述第一个体适应值不满足预设的约束条件，则将预设的罚值与所述第一个体适应值相加，得到第一淘汰个体适应值；
其中，所述预设的约束条件包括：荷电状态约束、储能充放电功率约束、电池循环寿命约束和电网功率约束；
其中，所述荷电状态约束如下式所示：
SOCmin≤SOCi,j≤SOCmax；
其中，SOCmin为第i年中第j小时电池荷电状态具有设定的下限，SOCmax为第i年中第j小时电池荷电状态具有设定的上限；
所述储能充放电功率约束如下式所示：
|pbess，i，j|＝|(SOCi，j-SOCi，j+1)Mbess，i/ΔT|≤Pbess；
其中，Mbess,i为第i年储能衰减后的剩余容量，Mbess，i＝Mbess-0.2MbessTcyc，i-1/Tlife，Pbess表示储能系统额定功率，△T为单位时长；
所述电池循环寿命约束如下式所示：
其中，当电池循环次数达到循环寿命极限时，将更换电池本体，并将Tcyc,i置零，Tcyc,i表示截至第i年末电池累计的循环次数，DOD为电池的放电深度；
所述电网功率约束如下式所示：
Pgrid_min≤pload，i，j-η·pbess，i，j≤Pgrid_max；
其中，Pgrid_min表示储能优化后的用户逐时负荷功率不能超过电网功率约束的下限，Pgrid_max表示储能优化后的用户逐时负荷功率不能超过电网功率约束的上限。
在第一方面的一种可能的实现方式中，所述方法还包括：
对所述目标配置方案进行校验操作，其中，所述校验操作包括谷期放电检测、峰期充电检测和功率平衡修正。
本发明实施例的第二方面提供了一种储能容量的配置装置，所述装置包括：
构建模块，用于获取用户的历史用电数据，基于所述历史用电数据构建多组储能方案；
筛选模块，用于从多组储能方案中任意筛选一组满足预设自变量范围的第一储能方案，其中，所述第一储能方案包含在项目周期内的多个第一电池荷电状态自变量，每一个所述第一电池荷电状态自变量对应一组容量与功率比值；
迭代模块，用于对所述第一储能方案迭代更新预设次数，得到第N储能方案，其中，所述第N储能方案包含多个第N电池荷电状态自变量，N为大于1的正整数；
筛选模块，用于从所述多个第N电池荷电状态自变量筛选满足预设条件的目标电池荷电状态自变量，以目标电池荷电状态自变量对应的容量与功率比值为目标配置方案。
相比于现有技术，本发明实施例提供的一种储能容量的配置方法及装置，其有益效果在于：本发明可以针对用户用电特性提出经济效益优、工程适用性强的储能配置方案，从而最大程度降低用户用电成本，而且通过精细化的储能容量计算，能够节省用户侧储能冗余投资，提高储能设备的利用效率，并且对电力系统而言，通过优化用户负荷曲线，能够降低电网侧变压器运行压力，提高电网运行的灵活性以及社会整体的供电可靠性，另外，在推广应用价值上，本发明技术方案对于不同负荷类型的用户储能配置，尤其是采取两部制电价的大工商业用户具有良好的普适性，能够针对不同特性的用户负荷曲线，判断用户是否具备配置储能的必要性，并提供经济效益最优的定制化储能配置方案，适合面向工商等产业园区进行推广，经济和社会效益显著。
附图说明
图1是本发明一实施例提供的一种储能容量的配置方法的流程示意图；
图2是本发明一实施例提供的一种储能容量的配置方法的操作流程图；
图3是本发明一实施例提供的一种储能容量的配置装置的结构示意图。
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动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。
目前常用的容量配置方法有如下技术问题：若根据经济利益匹配计算需要预计来年的经济收益，但来年的经济收益的波动较大，导致计算结果的准确率较低；采用用电量作配置计算的周期长，计算周期往往超过电池的使用寿命，难以在电池使用期限内作配置计算；而根据充放电周期计算可能出现储能系统无法达到预期电价减少量等问题，使得配置结果与实际目标结果不符。
为了解决上述问题，下面将通过以下具体的实施例对本申请实施例提供的一种储能容量的配置方法进行详细介绍和说明。
参照图1，示出了本发明一实施例提供的一种储能容量的配置方法的流程示意图。
其中，作为示例的，所述储能容量的配置方法可以包括：
S11、获取用户的历史用电数据，基于所述历史用电数据构建多组储能方案。
由于储能系统的容量与功率之比(充放电倍率)有几种常见数值，而非连续的曲线，在本实施例中，针对用户的历史用电数据(例如，8760小时的用电数据)，可以以用户最高负荷值为基数，通过比例系数计算储能功率上下限值，并结合常见充放电倍率自动生成储能配置库，而用户可以根据实际需求调整比例系数或向配置库添加用户期望参与优化的储能规模，得到多组储能方案。
在实际操作中，储能配置库中可以以[容量M,功率P]对的形式存储，从而保障配置库中存在最优配置或最接近理论最优解的工程推荐规模。
S12、从多组储能方案中任意筛选一组满足预设自变量范围的第一储能方案，其中，所述第一储能方案包含在项目周期内的多个第一电池荷电状态自变量，每一个所述第一电池荷电状态自变量对应一组容量与功率比值。
在具体实现中，每一组储能方案可以包含多个第一电池荷电状态自变量，多个第一电池荷电状态自变量为项目周期时间内对应的储能配置群体。
具体地，第一储能方案可以如下式所示：
X0＝(X1 0,X2 0,…,X12B 0)。
其中，Xi表示项目生命周期第i个月的一个电池荷电状态自变量(Soci,1,Soci,2,…,Soci,24k)(根据月份不同，k可取28、30、31)，B为项目生命周期年数。
S13、对所述第一储能方案迭代更新预设次数，得到第N储能方案，其中，所述第N储能方案包含多个第N电池荷电状态自变量，N为大于1的正整数。
在获取第一储能方案后，可以对第一储能方案进行迭代更新，生成新的储能方案，从而能够针对用户用电特性匹配到经济效益优、工程适用性强的储能配置方案。
为了提高迭代效率以及在迭代时可以充分考虑用户的用电特征，以增加经济效益，其中，作为示例的，步骤S13可以包括以下子步骤：
子步骤S131、计算每个所述第一电池荷电状态自变量对应的个体适应值，得到多个第一个体适应值。
其中，所述个体适应值为内部收益率，即覆盖项目全生命周期现金流。采用个体适应值评估用户侧储能项目的经济效益，可以作为储能系统容量优化配置的主要指标，以增加用户的经济效益。
由于设备的运营涉及多个方面，多个方面的收入或支出均会影响整个项目的现金流，为了准确计算用户的个体适应值，其中，作为示例的，子步骤S131可以包括以下子步骤：
子步骤S1311、采用所述第一电池荷电状态自变量对应的容量与功率比值分别计算系统成本、项目收益、运维费用、系统残值、贷款和税务。
在本实施例中，所述系统成本的计算如下式所示：
Csys＝ksysMbess；
其中，Csys为系统成本，ksys为用户侧储能系统单位造价，Mbess为系统电池容量；
所述项目收益的计算如下式所示：
其中，η为充放电效率，放电时η＝ηd，充电时η＝1/ηc，均为常数；pbess,i,j表示第i年中第j小时储能放电功率(充电为负值)；△T为单位时长(本技术方案中以1小时计)；kv-p,j表示第j小时对应的峰谷电价，8760为用户的8760小时的历史用电数据。
通过节省基本电费获取的第i年收益可表示为：
其中，Fbase,i,q表示用户在原计费方式下第q月的基本电费，kdem为按最大需量计费方式下的基本电价，Pdem,i,q表示经储能优化后的第q月最大负荷值；
所述运维费用的计算如下式所示：
其中，kop表示年运维成本占总投资的百分比，kbess表示电池本体费用占储能系统总投资的占比；
所述系统残值的计算如下式所示：
其中，kres-bess表示电池本体残值占储能系统总投资的比例，kres表示系统整体残值占储能系统总投资的比例，Tcyc,i表示项目末年当前电池已使用的充放电循环次数，Tlife表示电池的循环寿命；
所述贷款的计算如下式所示：
其中，rloan为资本金比例，yloan为贷款年限，kloan为贷款利率；
所述税务的计算如下式所示：
Ctax，i＝max[(Cbase，i+Ckwh，i-Cloan，i-Cop，i-Cold，i)×0.25，0]；
其中，Cold,i表示第i年系统设备折旧费用。
子步骤S1312、基于所述系统成本、所述项目收益、所述运维费用、所述系统残值、所述贷款和所述税务求解得到个体适应值。
在本实施例中，所述个体适应值IRR的计算公式如下式所示：
由于个体适应值有多个，若逐一处理会增加处理时间，为了提高筛选效率，将不满足要求的个体适应值，在一可选的实施例中，在子步骤S131后，所述方法还可以包括以下子步骤：
子步骤S231、分别判断每一个所述第一个体适应值是否满足预设的约束条件。
在具体实现中，所述预设的约束条件包括：荷电状态约束、储能充放电功率约束、电池循环寿命约束和电网功率约束；
其中，所述荷电状态约束如下式所示：
SOCmin≤SOCi,j≤SOCmax；
其中，SOCmin为第i年中第j小时电池荷电状态具有设定的下限，SOCmax为第i年中第j小时电池荷电状态具有设定的上限；
所述储能充放电功率约束如下式所示：
|pbess，i，j|＝|(SOCi，j-SOCi，j+1)Mbess，i/ΔT|≤Pbess；
其中，Mbess,i为第i年储能衰减后的剩余容量，Mbess，i＝Mbess-0.2MbessTcyc，i-1/Tlife，Pbess表示储能系统额定功率，△T为单位时长；
所述电池循环寿命约束如下式所示：
其中，当电池循环次数达到循环寿命极限时，将更换电池本体，并将Tcyc,i置零，Tcyc,i表示截至第i年末电池累计的循环次数，DOD为电池的放电深度；
所述电网功率约束如下式所示：
Pgrid_min≤pload，i，j-η·pbess，i，j≤Pgrid_max；
其中，Pgrid_min表示储能优化后的用户逐时负荷功率不能超过电网功率约束的下限，Pgrid_max表示储能优化后的用户逐时负荷功率不能超过电网功率约束的上限。
由于储能系统的自身属性以及状态变化规律，可以选择电池荷电状态SOC作为状态变量。其中，SOC是指电池剩余电量占电池额定容量的比例，随着储能的连续充放电动作，SOC不断变化，也具有时间相关性。
在一可选的实施例中，将SOC以月为单位进行划分，即月内SOC逐时相关，月与月之间SOC相互独立。
子步骤S232、若所述第一个体适应值不满足预设的约束条件，则将预设的罚值与所述第一个体适应值相加，得到第一淘汰个体适应值。
在本实施例中，若个体适应值不满足约束条件，则在个体适应值基础上附加罚值(例如，取-1)，使该个体适应值数值减少，从而淘汰该个体适应值，以方便后续的筛选较差。
具体地，可以从多个第一个体适应值中筛选若干个不满足约束条件的第一个体适应值，再将若干个不满足约束条件的第一个体适应值加上罚值。
子步骤S132、从所述多个第一个体适应值筛选数值最大的第一个体适应值为第二个体适应值。
在本实施例中，可以以项目全生命周期内部个体适应值IRR最高为优化目标，数值最大的个体适应值如下式所示：
f＝maxIRR[C0:CN]。
其中，IRR[C0:Cn]表示以子步骤S1312的个体适应值IRR的计算公式为原理的内部收益率的计算函数。其中，Ci表示第i年现金流，即为(Ckwh,i+Cbase,i+Cres,i)-(Cloan,i+Cop,i+Ctax,i)，B为项目生命周期年数。
子步骤S133、采用所述第二个体适应值衍生构建第二储能方案，完成一次迭代更新。
在多个第一个体适应值中筛选数值最大的第一个体适应值后，可以以该选数值最大的第一个体适应值为下一个储能方案的第一个个体(即第二储能方案的第一个电池荷电状态自变量)，并衍生生成第二个储能方案。该第二储能方案也可以包含多个第二电池荷电状态自变量。
为了让迭代生成的储能方案可以在在先的储能方案上更新处理，以充分考虑用户的用电特征，从而生成符合用户需求且能经济效益最大化的配置方案，其中，作为示例的，子步骤S133可以包括以下子步骤：
子步骤S1331、基于锦标赛选择法计算所述第二个体适应值对应的电池荷电状态自变量的两个可行解。
在具体实现中，可以采用锦标赛选择法求在最优保存策略下选取的数值最大的个体适应值且具备可行性的解，得到两个可行解，分别为Mate1与Mate2。
子步骤S1332、基于算数交叉法分别计算每个所述可行解的子代，得到两个子代。
在本实施例中，所述两个子代的计算如下式所示：
其中，Mate1为第一个可行解，Mate2为第二个可行解，child1为第一个子代，child2为第二个子代，r为介于[0,1]的随机数。
子步骤S1333、基于非均匀变异法分别对每个所述子代进行迭代计算，衍生变异得到多个第二电池荷电状态自变量。
在本实施例中，所述对每个所述子代进行迭代计算的计算公式如下式所示：
由child1衍生变异得到的第二电池荷电状态自变量为Mutated1，由child2衍生变异得到的第二电池荷电状态自变量为Mutated2，得到三个第二电池荷电状态自变量，组成{Xbest,Mutated1,Mutated2}。
在具体实现中，可以重子步骤S1331至子步骤S1333，直到生成的第二电池荷电状态自变量的数量达到具体的群体数量。可选地，该数量可以与第一储能方案的第一电池荷电状态自变量的数量相同。
子步骤S1334、采用将所述多个电池荷电状态自变量生成第二储能方案。
接着，将多个电池荷电状态自变量集合成一个群体集合，得到第二储能方案。
子步骤S134、重复所述计算每个所述第一电池荷电状态自变量对应的个体适应值的步骤，迭代更新预设次数后，生成第N储能方案。
在获取第二储能方案后，可以对第二储能方案重复执行子步骤S131，以计算第二储能方案中每个第二电池荷电状态自变量对应的个体适应值，并筛选数值最大的个体适应值。重复迭代预设次数后，直到生成第N储能方案。
S14、从所述多个第N电池荷电状态自变量筛选满足预设条件的目标电池荷电状态自变量，以目标电池荷电状态自变量对应的容量与功率比值为目标配置方案。
在生成第N储能方案后，也可以采用子步骤S131的计算方式计算第N储能方案中每个第N电池荷电状态自变量的个体适应值，得到每个第N电池荷电状态自变量对应的个体适应值，然后再从多个第N电池荷电状态自变量的个体适应值中筛选数值最大的个体适应值，以数值最大的个体适应值对应的容量与功率比值为储能系统的目标储能的配置方案。
需要说明的是，由于储能配置库中包含多个储能方案，可以分别以每个储能方案作第一储能方案执行上述步骤S11-S14的步骤，直到将每个储能方案计算配置完毕。
在实际操作中，为了避免配置的方案与实际不符，在一可选的实施例中，所述方法还可以包括：
S15、对所述目标配置方案进行校验操作，其中，所述校验操作包括谷期放电检测、峰期充电检测和功率平衡修正。
由于项目周期长，为了避免出现局部动作不合理(如谷期长时间放电)、同一电价时段内功率分布不均匀等与实际工程经验相悖的情况，可以在目标配置方案的基础上，通过智能算法求解的储能逐时充放电动作进行校核。
具体地，校验操作包括：
谷期放电检测：由于储能在电价谷期放电只能是为了削减负荷的最大需量。因此，对谷期放电进行时长检测，若某段时间出现谷期放电，但月最大负荷不位于该时段内，说明上述优化问题的求解存在局部误差，可以通过人工对优化结果进行修正。
峰期充电检测：正常情况下不会出现峰期充电现象，极少数情况下针对较为特殊的负荷曲线，或因储能剩余电量不足以削峰导致峰期紧急补电。因此，对峰期放电进行时长检测，若放电时长在规定范围内，则人工检测局部异常放电原因，必要时进行充放电修正；若放电时长产出规定范围，则需进一步细化储能配置库，进行重新优化。
功率平衡修正：以内部收益率最高为目标的储能容量优化配置问题求解结果，对于同一个电价时段内的储能充放电动作而言可能存在功率分配不平衡的问题。例如，优化结果可能显示储能在夜间以较大功率、较短时间内充满电，没有充分考虑负荷优化、电网功率平衡等因素。因此，进行分时段功率平衡检测，对于每一个连续的电价谷期、平期、峰期，在不增加负荷最大值的前提下，以降低负荷曲线波动、平滑储能输出功率为目标，对局部充放电动作进行二次优化，在不降低项目内部收益率的同时，优化用户侧储能的逐时运行过程，最终为用户提供准确、专业的储能运行策略指导。
参照图2，示出了本发明一实施例提供的一种储能容量的配置方法的操作流程图。
具体地，可以根据实际需要建立储能配置库；从储能配置库提取相适应的配置方案，得到储能系统的容量与额定功率；接着将储能方案构建成一个满足电池荷电状态自变量约束的初始解X＝X0作为初始群体个体；然后根据X更新储能循环次数和容量衰减；判断当年是否需要更换电池，并根据X及更新后的状态量，求解个体适应值IRR，以及淘汰不满足约束的个体；接下来可以将个体适应值最大的可行解作为最优个体Xbest，并赋给新一代群体的第一个个体；采用锦标赛选择法，选取适应值最大且可行的两个解进行保存；然后针对上述可行的两个解，采用算数交叉法产生两个子代，并针对产生的两个子代，采用非均匀变异法进行变异，得到两个变异解，将变异解加入新一代种群中；判断种群长度(个数)是否达到预期，若未达到则按照上述步骤重复生成，若达到则评价群体适应度(重复执行就个体适应值IRR、淘汰不满足约束的个体以及筛选个体适应值最大的可行解作为最优个体Xbest的操作)。
每次筛选最优个体Xbest后，判断遗传迭代次数是否达到最大遗传迭代次数，若未达到则重复在先步骤迭代，若达到则以当前群体中的个体适应值最大的个体即为最优解，得到相应的项目内部收益率及运行曲线，最后判断储能配置库是否搜索完毕，若未搜索完毕则重复执行上述步骤，对储能配置库的每个储能方案进行迭代处理，若搜索完毕，则对比每个储能方案迭代生成的对比项目内部收益率，再筛选得到储能最优配置方案及其运行曲线。
在本实施例中，本发明实施例提供了一种储能容量的配置方法，其有益效果在于：本发明可以针对用户用电特性提出经济效益优、工程适用性强的储能配置方案，从而最大程度降低用户用电成本，而且通过精细化的储能容量计算，能够节省用户侧储能冗余投资，提高储能设备的利用效率，并且对电力系统而言，通过优化用户负荷曲线，能够降低电网侧变压器运行压力，提高电网运行的灵活性以及社会整体的供电可靠性，另外，在推广应用价值上，本发明技术方案对于不同负荷类型的用户储能配置，尤其是采取两部制电价的大工商业用户具有良好的普适性，能够针对不同特性的用户负荷曲线，判断用户是否具备配置储能的必要性，并提供经济效益最优的定制化储能配置方案，适合面向工商等产业园区进行推广，经济和社会效益显著。
本发明实施例还提供了一种储能容量的配置装置，参见图3，示出了本发明一实施例提供的一种储能容量的配置装置的结构示意图。
其中，作为示例的，所述储能容量的配置装置可以包括：
构建模块301，用于获取用户的历史用电数据，基于所述历史用电数据构建多组储能方案；
筛选模块302，用于从多组储能方案中任意筛选一组满足预设自变量范围的第一储能方案，其中，所述第一储能方案包含在项目周期内的多个第一电池荷电状态自变量，每一个所述第一电池荷电状态自变量对应一组容量与功率比值；
迭代模块303，用于对所述第一储能方案迭代更新预设次数，得到第N储能方案，其中，所述第N储能方案包含多个第N电池荷电状态自变量，N为大于1的正整数；
筛选模块304，用于从所述多个第N电池荷电状态自变量筛选满足预设条件的目标电池荷电状态自变量，以目标电池荷电状态自变量对应的容量与功率比值为目标配置方案。
可选地，所述迭代模块还用于：
计算每个所述第一电池荷电状态自变量对应的个体适应值，得到多个第一个体适应值；
从所述多个第一个体适应值筛选数值最大的第一个体适应值为第二个体适应值；
采用所述第二个体适应值衍生构建第二储能方案，完成一次迭代更新；
重复所述计算每个所述第一电池荷电状态自变量对应的个体适应值的步骤，迭代更新预设次数后，生成第N储能方案。
可选地，所述迭代模块还用于：
采用所述第一电池荷电状态自变量对应的容量与功率比值分别计算系统成本、项目收益、运维费用、系统残值、贷款和税务；
基于所述系统成本、所述项目收益、所述运维费用、所述系统残值、所述贷款和所述税务求解得到个体适应值。
可选地，所述系统成本的计算如下式所示：
Csys＝ksysMbess；
其中，Csys为系统成本，ksys为用户侧储能系统单位造价，Mbess为系统电池容量；
所述项目收益的计算如下式所示：
其中，η为充放电效率，放电时η＝ηd，充电时η＝1/ηc，均为常数；pbess,i,j表示第i年中第j小时储能放电功率(充电为负值)；△T为单位时长(本技术方案中以1小时计)；kv-p,j表示第j小时对应的峰谷电价。
通过节省基本电费获取的第i年收益可表示为：
其中，Fbase,i,q表示用户在原计费方式下第q月的基本电费，kdem为按最大需量计费方式下的基本电价，Pdem,i,q表示经储能优化后的第q月最大负荷值；
所述运维费用的计算如下式所示：
其中，kop表示年运维成本占总投资的百分比，kbess表示电池本体费用占储能系统总投资的占比；
所述系统残值的计算如下式所示：
其中，kres-bess表示电池本体残值占储能系统总投资的比例，kres表示系统整体残值占储能系统总投资的比例，Tcyc,i表示项目末年当前电池已使用的充放电循环次数，Tlife表示电池的循环寿命；
所述贷款的计算如下式所示：
其中，rloan为资本金比例，yloan为贷款年限，kloan为贷款利率；
所述税务的计算如下式所示：
Ctax，i＝max[(Cbase，i+Ckwh，i-Cloan，i-Cop，i-Cold，i)×0.25，0]；
其中，Cold,i表示第i年系统设备折旧费用。
可选地，所述个体适应值的计算公式如下式所示：
可选地，所述迭代模块还用于：
基于锦标赛选择法计算所述第二个体适应值对应的电池荷电状态自变量的两个可行解；
基于算数交叉法分别计算每个所述可行解的子代，得到两个子代；
基于非均匀变异法分别对每个所述子代进行迭代计算，衍生变异得到多个第二电池荷电状态自变量；
采用将所述多个第二电池荷电状态自变量集合生成第二储能方案。
可选地，所述两个子代的计算如下式所示：
其中，Mate1为第一个可行解，Mate2为第二个可行解，child1为第一个子代，child2为第二个子代，r为介于[0,1]的随机数；
所述对每个所述子代进行迭代计算的计算公式如下式所示：
其中，Child1或2为
t为当前遗传代数，T为最大遗传代数，u为非均匀度参数，random(0,1)表示产生0或1的随机数。
可选地，所述装置还包括：
分别判断每一个所述第一个体适应值是否满足预设的约束条件；
若所述第一个体适应值不满足预设的约束条件，则将预设的罚值与所述第一个体适应值相加，得到第一淘汰个体适应值；
其中，所述预设的约束条件包括：荷电状态约束、储能充放电功率约束、电池循环寿命约束和电网功率约束；
其中，所述荷电状态约束如下式所示：
SOCmin≤SOCi,j≤SOCmax；
其中，SOCmin为第i年中第j小时电池荷电状态具有设定的下限，SOCmax为第i年中第j小时电池荷电状态具有设定的上限；
所述储能充放电功率约束如下式所示：
|pbess，i，j|＝|(SOCi，j-SOCi，j+1)Mbess，i/ΔT|≤Pbess；
其中，Mbess,i为第i年储能衰减后的剩余容量，Mbess，i＝Mbess-0.2MbessTcyc，i-1/Tlife，Pbess表示储能系统额定功率，△T为单位时长；
所述电池循环寿命约束如下式所示：
其中，当电池循环次数达到循环寿命极限时，将更换电池本体，并将Tcyc,i置零，Tcyc,i表示截至第i年末电池累计的循环次数，DOD为电池的放电深度；
所述电网功率约束如下式所示：
Pgrid_min≤pload，i，j-η·pbess，i，j≤Pgrid_max；
其中，Pgrid_min表示储能优化后的用户逐时负荷功率不能超过电网功率约束的下限，Pgrid_max表示储能优化后的用户逐时负荷功率不能超过电网功率约束的上限。
可选地，所述装置还包括：
对所述目标配置方案进行校验操作，其中，所述校验操作包括谷期放电检测、峰期充电检测和功率平衡修正。
进一步的，本申请实施例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程序时实现如上述实施例所述的储能容量的配置方法。
进一步的，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行如上述实施例所述的储能容量的配置方法。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (7)
1.一种储能容量的配置方法，其特征在于，所述方法包括：
获取用户的历史用电数据，基于所述历史用电数据构建多组储能方案；
从多组储能方案中任意筛选一组满足预设自变量范围的第一储能方案，其中，所述第一储能方案包含在项目周期内的多个第一电池荷电状态自变量，每一个所述第一电池荷电状态自变量对应一组容量与功率比值；
对所述第一储能方案迭代更新预设次数，得到第N储能方案，其中，所述第N储能方案包含多个第N电池荷电状态自变量，N为大于1的正整数；
从所述多个第N电池荷电状态自变量筛选满足预设条件的目标电池荷电状态自变量，以目标电池荷电状态自变量对应的容量与功率比值为目标配置方案；
所述对所述第一储能方案迭代更新预设次数，得到第N储能方案，包括：
计算每个所述第一电池荷电状态自变量对应的个体适应值，得到多个第一个体适应值；
从所述多个第一个体适应值筛选数值最大的第一个体适应值为第二个体适应值；
采用所述第二个体适应值衍生构建第二储能方案，完成一次迭代更新；
重复所述计算每个所述第一电池荷电状态自变量对应的个体适应值的步骤，迭代更新预设次数后，生成第N储能方案；
在所述计算每个所述第一电池荷电状态自变量对应的个体适应值，得到多个第一个体适应值的步骤后，所述方法还包括：
分别判断每一个所述第一个体适应值是否满足预设的约束条件；
若所述第一个体适应值不满足预设的约束条件，则将预设的罚值与所述第一个体适应值相加，得到第一淘汰个体适应值；
其中，所述预设的约束条件包括：荷电状态约束、储能充放电功率约束、电池循环寿命约束和电网功率约束；
其中，所述荷电状态约束如下式所示：
SOCmin≤SOCi,j≤SOCmax；
其中，SOCi，j为第i年中第j小时荷电状态，SOCmin为电池荷电状态设定的下限，SOCmax为电池荷电状态设定的上限；
所述储能充放电功率约束如下式所示：
其中，SOCi，j+1为第i年中第j+1小时荷电状态，pbess,i,j表示第i年中第j小时储能放电功率，Pbess表示储能系统额定功率，Mbess,i为第i年储能衰减后的剩余容量，Mbess，i-Mbess-0.2MbessTcyc，i-1/Tlife，△T为单位时长，Mbess为系统电池容量，Tlife表示电池的循环寿命，Tcyc，i-1为电池循环次数达到的循环寿命极限；
所述电池循环寿命约束如下式所示：
其中，当电池循环次数达到循环寿命极限时，将更换电池本体，并将Tcyc,i置零，Tcyc,i表示截至第i年末电池累计的循环次数，DOD为电池的放电深度，pbess,i,j表示第i年中第j小时储能放电功率；
所述电网功率约束如下式所示：
Pgrid_min≤pload，i，j-η·pbess，i，j≤Pgrid_max；
其中，Pgrid_min表示储能优化后的用户逐时负荷功率不能超过电网功率约束的下限，Pgrid_max表示储能优化后的用户逐时负荷功率不能超过电网功率约束的上限，pload,i,j为电网功率，η为充放电效率。
2.根据权利要求1所述的储能容量的配置方法，其特征在于，所述计算每个所述第一电池荷电状态自变量对应的个体适应值，包括：
采用所述第一电池荷电状态自变量对应的容量与功率比值分别计算系统成本、项目收益、运维费用、系统残值、贷款和税务；
基于所述系统成本、所述项目收益、所述运维费用、所述系统残值、所述贷款和所述税务求解得到个体适应值。
3.根据权利要求2所述的储能容量的配置方法，其特征在于，所述系统成本的计算如下式所示：
Csys＝ksysMbess；
其中，Csys为系统成本，ksys为用户侧储能系统单位造价，Mbess为系统电池容量；
所述项目收益的计算如下式所示：
其中，η为充放电效率，放电时η＝ηd，充电时η＝1/ηc，均为常数；pbess,i,j表示第i年中第j小时储能放电功率，△T为单位时长，kv-p,j表示第j小时对应的峰谷电价；
通过节省基本电费获取的第i年收益可表示为：
其中，Fbase,i,q表示用户在原计费方式下第q月的基本电费，kdem为按最大需量计费方式下的基本电价，Pdem,i,q表示经储能优化后的第q月最大负荷值；
所述运维费用的计算如下式所示：
其中，kop表示年运维成本占总投资的百分比，kbess表示电池本体费用占储能系统总投资的占比；
所述系统残值的计算如下式所示：
其中，kres-bess表示电池本体残值占储能系统总投资的比例，kres表示系统整体残值占储能系统总投资的比例，Tcyc,i表示项目末年当前电池已使用的充放电循环次数，Tlife表示电池的循环寿命；
所述贷款的计算如下式所示：
其中，rloan为资本金比例，yloan为贷款年限，kloan为贷款利率；
所述税务的计算如下式所示：
Ctax,i＝max[(Cbase,i+Ckwh,i-Cloan,i-Cop,i-Cold,i)×0.25,0]；
其中，Cold,i表示第i年系统设备折旧费用。
4.根据权利要求3所述的储能容量的配置方法，其特征在于，所述个体适应值的计算公式如下式所示：
其中，IRR为个体适应值。
5.根据权利要求1所述的储能容量的配置方法，其特征在于，所述采用所述第二个体适应值衍生构建第二储能方案，包括：
基于锦标赛选择法计算所述第二个体适应值对应的电池荷电状态自变量的两个可行解；
基于算数交叉法分别计算每个所述可行解的子代，得到两个子代；
基于非均匀变异法分别对每个所述子代进行迭代计算，衍生变异得到多个第二电池荷电状态自变量；
采用将所述多个第二电池荷电状态自变量集合生成第二储能方案。
6.根据权利要求1-5任意一项所述的储能容量的配置方法，其特征在于，所述方法还包括：
对所述目标配置方案进行校验操作，其中，所述校验操作包括谷期放电检测、峰期充电检测和功率平衡修正。
7.一种储能容量的配置装置，其特征在于，所述装置包括：
构建模块，用于获取用户的历史用电数据，基于所述历史用电数据构建多组储能方案；
筛选模块，用于从多组储能方案中任意筛选一组满足预设自变量范围的第一储能方案，其中，所述第一储能方案包含在项目周期内的多个第一电池荷电状态自变量，每一个所述第一电池荷电状态自变量对应一组容量与功率比值；
迭代模块，用于对所述第一储能方案迭代更新预设次数，得到第N储能方案，其中，所述第N储能方案包含多个第N电池荷电状态自变量，N为大于1的正整数；
筛选模块，用于从所述多个第N电池荷电状态自变量筛选满足预设条件的目标电池荷电状态自变量，以目标电池荷电状态自变量对应的容量与功率比值为目标配置方案；
所述迭代模块还用于：
计算每个所述第一电池荷电状态自变量对应的个体适应值，得到多个第一个体适应值；
从所述多个第一个体适应值筛选数值最大的第一个体适应值为第二个体适应值；
采用所述第二个体适应值衍生构建第二储能方案，完成一次迭代更新；
重复所述计算每个所述第一电池荷电状态自变量对应的个体适应值的步骤，迭代更新预设次数后，生成第N储能方案；
所述迭代模块还用于：
分别判断每一个所述第一个体适应值是否满足预设的约束条件；
若所述第一个体适应值不满足预设的约束条件，则将预设的罚值与所述第一个体适应值相加，得到第一淘汰个体适应值；
其中，所述预设的约束条件包括：荷电状态约束、储能充放电功率约束、电池循环寿命约束和电网功率约束；
其中，所述荷电状态约束如下式所示：
SOCmin≤SOCi,j≤SOCmax；
其中，SOCi，j为第i年中第j小时荷电状态，SOCmin为电池荷电状态设定的下限，SOCmax为电池荷电状态设定的上限；
所述储能充放电功率约束如下式所示：
|pbess，i，j|＝|(SOCi，j-SOCi，j+1)Mbess，i/ΔT|≤Pbess；
其中，SOCi，j+1为第i年中第j+1小时荷电状态，pbess,i,j表示第i年中第j小时储能放电功率，Pbess表示储能系统额定功率，Mbess,i为第i年储能衰减后的剩余容量，Mbess，i-Mbess-0.2MbessTcyc，i-1/Tlife，△T为单位时长，Mbess为系统电池容量，Tlife表示电池的循环寿命，Tcyc，i-1为电池循环次数达到的循环寿命极限；
所述电池循环寿命约束如下式所示：
其中，当电池循环次数达到循环寿命极限时，将更换电池本体，并将Tcyc,i置零，Tcyc,i表示截至第i年末电池累计的循环次数，DOD为电池的放电深度，pbess,i,j表示第i年中第j小时储能放电功率；
所述电网功率约束如下式所示：
Pgrid_min≤pload，i，j-η·pbess，i，j≤Pgrid_max；
其中，Pgrid_min表示储能优化后的用户逐时负荷功率不能超过电网功率约束的下限，Pgrid_max表示储能优化后的用户逐时负荷功率不能超过电网功率约束的上限，pload，i，j为电网功率，η为充放电效率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110656294.3A CN113408886B (zh) | 2021-06-11 | 2021-06-11 | 一种储能容量的配置方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110656294.3A CN113408886B (zh) | 2021-06-11 | 2021-06-11 | 一种储能容量的配置方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113408886A CN113408886A (zh) | 2021-09-17 |
| CN113408886B true CN113408886B (zh) | 2022-09-13 |
Family
ID=77683693
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110656294.3A Active CN113408886B (zh) | 2021-06-11 | 2021-06-11 | 一种储能容量的配置方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113408886B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114037559B (zh) * | 2021-11-08 | 2024-10-18 | 傲普(上海)新能源有限公司 | 基于用户侧的储能测算方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104158203A (zh) * | 2014-08-21 | 2014-11-19 | 重庆大学 | 一种微电网电源容量优化配置方法 |
| CN105226691A (zh) * | 2015-11-11 | 2016-01-06 | 重庆大学 | 一种孤立微电网混合储能优化配置方法 |
| CN109904869A (zh) * | 2019-03-01 | 2019-06-18 | 广东工业大学 | 一种微电网混合储能容量配置的优化方法 |
| CN110943465A (zh) * | 2019-12-16 | 2020-03-31 | 贵州电网有限责任公司 | 一种储能系统选址定容优化方法 |
| CN111311032A (zh) * | 2020-04-01 | 2020-06-19 | 浙江大学 | 一种基于扇形雷达图模型的微网系统容量优化配置方法 |
| CN111639866A (zh) * | 2020-06-03 | 2020-09-08 | 国网上海市电力公司 | 基于遗传算法的储能充电站的储能容量的配置方法 |
| CN112365089A (zh) * | 2020-11-26 | 2021-02-12 | 南方电网能源发展研究院有限责任公司 | 考虑分时电价的长时间尺度储能容量配置与控制优化方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106228462B (zh) * | 2016-07-11 | 2020-08-14 | 浙江大学 | 一种基于遗传算法的多储能系统优化调度方法 |
-
2021
- 2021-06-11 CN CN202110656294.3A patent/CN113408886B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104158203A (zh) * | 2014-08-21 | 2014-11-19 | 重庆大学 | 一种微电网电源容量优化配置方法 |
| CN105226691A (zh) * | 2015-11-11 | 2016-01-06 | 重庆大学 | 一种孤立微电网混合储能优化配置方法 |
| CN109904869A (zh) * | 2019-03-01 | 2019-06-18 | 广东工业大学 | 一种微电网混合储能容量配置的优化方法 |
| CN110943465A (zh) * | 2019-12-16 | 2020-03-31 | 贵州电网有限责任公司 | 一种储能系统选址定容优化方法 |
| CN111311032A (zh) * | 2020-04-01 | 2020-06-19 | 浙江大学 | 一种基于扇形雷达图模型的微网系统容量优化配置方法 |
| CN111639866A (zh) * | 2020-06-03 | 2020-09-08 | 国网上海市电力公司 | 基于遗传算法的储能充电站的储能容量的配置方法 |
| CN112365089A (zh) * | 2020-11-26 | 2021-02-12 | 南方电网能源发展研究院有限责任公司 | 考虑分时电价的长时间尺度储能容量配置与控制优化方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113408886A (zh) | 2021-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20200161867A1 (en) | Method, system and storage medium for load dispatch optimization for residential microgrid | |
| CN108688503B (zh) | 计及输电阻塞的电动汽车用户充电选择辅助决策方法 | |
| CN104376385A (zh) | 一种微电网电价优化方法 | |
| WO2024092954A1 (zh) | 基于深度强化学习的电力系统调控方法 | |
| CN111177637B (zh) | 电动汽车换电站动力电池的容量配置方法 | |
| CN104022503A (zh) | 一种带有储能设备的智能微电网电能优化控制方法 | |
| CN106779498A (zh) | 评估含风光储的大用户参与日前市场电力交易风险的方法 | |
| CN109347100A (zh) | 提升风电场综合性能的混合储能系统优化配置方法 | |
| CN110086187A (zh) | 计及负荷特性的储能调峰日前优化调度方法 | |
| CN108551176B (zh) | 一种结合储能均衡技术的储能电池系统容量配置方法 | |
| CN109102185B (zh) | 一种评估光储充一体化电站全寿命周期经济性的方法和系统 | |
| CN110060165A (zh) | 光伏储能系统收益测算方法及能量管理控制方法 | |
| CN110165698B (zh) | 一种实现前瞻性误差资产转换的风电场平滑并网方法 | |
| CN112001598A (zh) | 基于储能选型的不同用户储能配置评估与运行优化方法 | |
| CN103078152B (zh) | 集中性充电站智能充电方法 | |
| CN113011101B (zh) | 一种储能参与调频辅助服务优化的控制方法及其系统 | |
| CN110867852A (zh) | 计及全寿命周期成本的微电网储能优化配置方法及装置 | |
| CN112348591A (zh) | 一种电动汽车的有序充电控制方法和装置 | |
| CN114897346A (zh) | 计及不确定性和需求响应的虚拟电厂鲁棒优化调度方法 | |
| CN113408886B (zh) | 一种储能容量的配置方法及装置 | |
| CN110197310B (zh) | 一种基于负荷裕度域的充换电站优化调度方法 | |
| CN112085394A (zh) | 一种计及需求侧响应的用户侧储能评估方法及系统 | |
| CN115579915A (zh) | 用于新能源消纳的储能控制方法及系统 | |
| CN114358378A (zh) | 一种用于考虑需量管理的用户侧储能优化配置系统及方法 | |
| CN110472841B (zh) | 一种电动汽车快速充电站的储能配置方法 |
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 |