CN113422390B - 零碳5g移动通信基站供电方法、系统、设备和存储介质 - Google Patents
零碳5g移动通信基站供电方法、系统、设备和存储介质 Download PDFInfo
- Publication number
- CN113422390B CN113422390B CN202110973182.0A CN202110973182A CN113422390B CN 113422390 B CN113422390 B CN 113422390B CN 202110973182 A CN202110973182 A CN 202110973182A CN 113422390 B CN113422390 B CN 113422390B
- Authority
- CN
- China
- Prior art keywords
- power supply
- storage system
- energy storage
- battery energy
- base station
- 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
- 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
- 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
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q1/00—Details of selecting apparatus or arrangements
- H04Q1/02—Constructional details
- H04Q1/03—Power distribution arrangements
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/10—Flexible AC transmission systems [FACTS]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Computer Networks & Wireless Communication (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请涉及一种零碳5G移动通信基站供电方法、装置、计算机设备和存储介质。该方法设计了零碳基站系统的供电体系结构,包括集成供电的跨单元体系结构和柔性供电的单元内体系结构。并分别提出了两种架构下的两阶段供电运行。通过可再生能源发电机组对基站机组的可再生能源供应体系结构,在每个虚拟单元中,可再生能源发电机组的总电源曲线与基站机组的总电源需求曲线基本一致。采用这种跨单元供电架构,可以大大缓解一对一场景中出现的电力供需不匹配,从而显著提高可再生能源的利用。从而最大限度地减少可再生能源发电和电力需求之间的不一致性。为了微调每个虚拟单元的供电和需求之间的模式不匹配,从而灵活地控制电池储能系统的放电/充电。
Description
技术领域
本申请涉及电力供应领域,特别是涉及一种零碳5G移动通信基站供电方法、系统、设备和存储介质。
背景技术
基站(Base Stations,BSs)的高能源消耗和高碳排放是未来网络部署的重要问题。因此,可再生能源被采用,从而实现净零(或零碳)BSs。然而,由于可再生能源发电模式与电力需求模式严重不一致,传统的一对一供电架构会造成可再生能源的大量浪费,从而导致其利用率较低。在未来的6G网络中,由于BS部署更密集(6G BSs的信号范围更短),更多的物联网设备连接和更高的频宽采用,未来网络的功率需求将远远高于目前的5G网络。特别是在人工智能技术驱动下的未来移动应用中,BSs将具备较高的计算和通信能力,以应对高计算和数据速率的需求。然而,BSs的这种升级必须引起无线电接入网(RAN)的高功率需求和供电。然而事实上,目前5G BSs的功耗已经是4G BSs的2 - 3倍。
由于BSs的能源供给来源以化石燃料为主,未来6G BSs的运营将产生巨大的碳排放量,并对环境造成负面影响。这显然不符合全球“绿色”革命的呼声。因此,在环境对话的社会责任中,寻找一种更可持续的方式来缓解未来网络极高的能源消耗对环境的影响是迫切需要的。
发明内容
基于此,有必要针对上述技术问题,提供一种零碳5G移动通信基站供电方法、装置、计算机设备和存储介质。
第一方面,本发明实施例公开了一种零碳5G移动通信基站供电方法,包括以下步骤:
对所有供电单元内的可再生能源发电机、基站和蓄电池储能系统进行策略选择,构建供电虚拟单元;
在所述供电虚拟单元内,根据供电的连接关系分别构建供应矩阵X,和需求矩阵Y,并通过MILP求解器优化可再生能源发电机的可再生能源总供应与基站的总需求之间的第一阶段匹配关系;
在所述第一阶段匹配关系的基础上,基于深度强化学习的方法对所述蓄电池储能系统放电与充电进行软件调度,优化电力供应和电力需求之间的功率匹配,完成第二阶段匹配关系;
通过第一匹配关系和第一匹配关系的供电匹配,构建可再生能源发电机组对基站机组的可再生能源供应体系结构,实现零碳5G移动通信基站供电。
进一步的,所述在所述供电虚拟单元内,根据供电的连接关系分别构建供应矩阵X,和需求矩阵Y,并通过MILP求解器优化可再生能源发电机的可再生能源总供应与基站的总需求之间的第一阶段匹配关系,包括:
确定可再生能源发电机组和蓄电池储能系统部署在预先设置的点之间的连接关系;
构建可再生能源发电机组和蓄电池储能系统连接关系的供应矩阵X,并构建蓄电池储能系统和基站机组的连接关系的需求矩阵Y;
对于供应矩阵X对应的可再生能源发电机组和蓄电池储能系统,对于需求矩阵Y对应的蓄电池储能系统和基站组关系,计算出一个周期内的供需不匹配大小,得到第一阶段匹配关系。
进一步的,所述在所述第一阶段匹配关系的基础上,基于深度强化学习的方法对所述蓄电池储能系统放电与充电进行软件调度,优化电力供应和电力需求之间的功率匹配,完成第二阶段匹配关系,包括:
根据蓄电池储能系统,电力需求和供电信息的连接关系,通过计算单元决定选择的供电电源;
根据电力供应关系,选择再生能源发电机组是否对蓄电池储能系统进行充电,并确定所述蓄电池储能系统是否放电;
通过软件调度,确定所述蓄电池储能系统的充电和放电的电量。
进一步的,所述通过软件调度,确定所述蓄电池储能系统的充电和放电的电量,包括:
根据所述蓄电池储能系统的电池过放电和过充电要求,确定所述蓄电池储能系统的电池容量阈值;
确定所述蓄电池储能系统放电和充电过程受到最大充电和放电速率的限制因素;
根据所述蓄电池储能系统的电池深度放电循环,限制所述蓄电池储能系统的最大放电深度。
另一方面,本发明实施例提供了一种零碳5G移动通信基站供电系统,包括:
供电选择模块,用于对所有供电单元内的可再生能源发电机、基站和蓄电池储能系统进行策略选择,构建供电虚拟单元;
需求匹配模块,用于在所述供电虚拟单元内,根据供电的连接关系分别构建供应矩阵X,和需求矩阵Y,并通过MILP求解器优化可再生能源发电机的可再生能源总供应与基站的总需求之间的第一阶段匹配关系;
软件调度模块,用于在所述第一阶段匹配关系的基础上,基于深度强化学习的方法对所述蓄电池储能系统放电与充电进行软件调度,优化电力供应和电力需求之间的功率匹配,完成第二阶段匹配关系;
体系协调模块,用于通过第一匹配关系和第一匹配关系的供电匹配,构建可再生能源发电机组对基站机组的可再生能源供应体系结构,实现零碳5G移动通信基站供电。
进一步的,所述需求匹配模块包括第一匹配单元,所述第一匹配单元用于:
确定可再生能源发电机组和蓄电池储能系统部署在预先设置的点之间的连接关系;
构建可再生能源发电机组和蓄电池储能系统连接关系的供应矩阵X,并构建蓄电池储能系统和基站机组的连接关系的需求矩阵Y;
对于供应矩阵X对应的可再生能源发电机组和蓄电池储能系统,对于需求矩阵Y对应的蓄电池储能系统和基站组关系,计算出一个周期内的供需不匹配大小,得到第一阶段匹配关系。
进一步的,所述软件调度模块包括储能调度单元,所述储能调度单元用于:
根据蓄电池储能系统,电力需求和供电信息的连接关系,通过计算单元决定选择的供电电源;
根据电力供应关系,选择再生能源发电机组是否对蓄电池储能系统进行充电,并确定所述蓄电池储能系统是否放电;
通过软件调度,确定所述蓄电池储能系统的充电和放电的电量。
进一步的,所述软件调度模块还包括软件控制单元,所述软件控制单元用于:
根据所述蓄电池储能系统的电池过放电和过充电要求,确定所述蓄电池储能系统的电池容量阈值;
确定所述蓄电池储能系统放电和充电过程受到最大充电和放电速率的限制因素;
根据所述蓄电池储能系统的电池深度放电循环,限制所述蓄电池储能系统的最大放电深度。
本发明实施例还提供了一种计算机设备,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以下步骤:
对所有供电单元内的可再生能源发电机、基站和蓄电池储能系统进行策略选择,构建供电虚拟单元;
在所述供电虚拟单元内,根据供电的连接关系分别构建供应矩阵X,和需求矩阵Y,并通过MILP求解器优化可再生能源发电机的可再生能源总供应与基站的总需求之间的第一阶段匹配关系;
在所述第一阶段匹配关系的基础上,基于深度强化学习的方法对所述蓄电池储能系统放电与充电进行软件调度,优化电力供应和电力需求之间的功率匹配,完成第二阶段匹配关系;
通过第一匹配关系和第一匹配关系的供电匹配,构建可再生能源发电机组对基站机组的可再生能源供应体系结构,实现零碳5G移动通信基站供电。
本发明实施例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以下步骤:
对所有供电单元内的可再生能源发电机、基站和蓄电池储能系统进行策略选择,构建供电虚拟单元;
在所述供电虚拟单元内,根据供电的连接关系分别构建供应矩阵X,和需求矩阵Y,并通过MILP求解器优化可再生能源发电机的可再生能源总供应与基站的总需求之间的第一阶段匹配关系;
在所述第一阶段匹配关系的基础上,基于深度强化学习的方法对所述蓄电池储能系统放电与充电进行软件调度,优化电力供应和电力需求之间的功率匹配,完成第二阶段匹配关系;
通过第一匹配关系和第一匹配关系的供电匹配,构建可再生能源发电机组对基站机组的可再生能源供应体系结构,实现零碳5G移动通信基站供电。
上述零碳5G移动通信基站供电方法、装置、计算机设备和存储介质,通过设计了零碳基站系统的供电体系结构,包括集成供电的跨单元体系结构和柔性供电的单元内体系结构。并分别提出了两种架构下的两阶段供电运行。在第一阶段,将可再生能源发电机组和基站机组战略性地匹配到多个虚拟单元中,使可再生能源总发电模式尽可能与同一虚拟单元的基站总电力需求模式保持一致。在阶段二中,在阶段一形成的虚拟单元内,通过软件定义的方式控制蓄电池储能系统,通过适当的放电/充电操作来微调电力供应和需求之间的不匹配,从而进一步实现零碳基站目标。通过可再生能源发电机组对基站机组的可再生能源供应体系结构,在每个虚拟单元中,可再生能源发电机组的总电源曲线与基站机组的总电源需求曲线基本一致。采用这种跨单元供电架构,可以大大缓解一对一场景中出现的电力供需不匹配,从而显著提高可再生能源的利用。从而最大限度地减少可再生能源发电和电力需求之间的不一致性。为了微调每个虚拟单元的供电和需求之间的模式不匹配,从而灵活地控制电池储能系统的放电/充电。
附图说明
图1为一个实施例中零碳5G移动通信基站供电方法的流程示意图;
图2为一个实施例中电力供应与基站的总需求之间第一阶段匹配的流程示意图;
图3为另一个实施例中蓄电池储能系统调度方法的流程示意图;
图4为一个实施例中蓄电池储能系统的充电和放电的电量控制的流程示意图;
图5为一个实施例中零碳5G移动通信基站供电系统的结构框图;
图6为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在过去的十年里,可再生能源发电机的材料费用和安装成本大幅下降,导致了可再生能源发电机投资的快速回收期。例如,目前太阳能的成本回收期为3 - 4年,风能的成本回收期甚至更快,为3 - 4个月。这使得可再生能源发电机在节能和替代化石燃料方面具有巨大的潜力。
因此,这启发了移动运营商部署可再生能源发电机(如太阳能电池板或风力涡轮机),收集可再生能源作为辅助供应给电力饥渴的基站。在许多地方,太阳能被收集来为基站机组提供动力,在一些发展中国家,太阳能占据了基站系统总能源使用量的8%。风能收集系统也被开发和利用,以维持无线传感器节点的运行。
在一个实施例中,如图1所示,提供了一种零碳5G移动通信基站供电方法,包括以下步骤:
步骤101,对所有供电单元内的可再生能源发电机、基站和蓄电池储能系统进行策略选择,构建供电虚拟单元;
步骤102,在所述供电虚拟单元内,根据供电的连接关系分别构建供应矩阵X,和需求矩阵Y,并通过MILP求解器优化可再生能源发电机的可再生能源总供应与基站的总需求之间的第一阶段匹配关系;
步骤103,在所述第一阶段匹配关系的基础上,基于深度强化学习的方法对所述蓄电池储能系统放电与充电进行软件调度,优化电力供应和电力需求之间的功率匹配,完成第二阶段匹配关系;
步骤104,通过第一匹配关系和第一匹配关系的供电匹配,构建可再生能源发电机组对基站机组的可再生能源供应体系结构,实现零碳5G移动通信基站供电。
具体地,本实施例提出了多(可再生能源发电机组)对多(基站机组)可再生能源供应体系结构,而不是一对一的体系结构,一般来说,通过对所有单元的可再生能源发电机组和基站机组进行策略选择,可以形成一些理想的虚拟单元(虚拟单元)。从而,在每个虚拟单元中,可再生能源发电机组的总电源曲线与基站机组的总电源需求曲线基本一致。采用这种跨单元供电架构,可以大大缓解一对一场景中出现的电力供需不匹配,从而显著提高可再生能源的利用。
需要注意的是,形成虚拟单元的可再生能源发电机组和基站机组的选择可以基于历史数据,如每个可再生能源发电机的平均可再生能源发电量和每个基站的周期功率需求曲线。在第三节中,本实施例将披露更多关于如何利用这些信息进行选择和设计现有单元间最优的可再生能源发电机组-to-基站机组匹配的细节。设计主要包括三个部分:供给部分、需求部分和控制部分。供给部分:在虚拟单元中,几种类型的可再生能源发电机组(如太阳能电池板、风力涡轮机等)分布在不同的地区,具有不同的能源生成模式。通过集成这些可再生能源发电机组的可再生能源发电,一个具有特定形式的总电源可以提供给控制部分,然后交付给虚拟单元中的基站机组。需求部分:该虚拟单元中各BC的功率需求主要由其所在位置(如居住区、办公区或综合区)决定。通过控制部分,来自可再生能源发电机组或电网的能量被传输到每个基站的电源单元(PSU)。控制部分:这是软件定义电源体系结构的核心组件,它控制能量分配和蓄电池储能系统放电/充电操作。
进一步的,本实施例通过设计了零碳基站系统的供电体系结构,包括集成供电的跨单元体系结构和柔性供电的单元内体系结构。并分别提出了两种架构下的两阶段供电运行。在第一阶段,将可再生能源发电机组和基站机组战略性地匹配到多个虚拟单元中,使可再生能源总发电模式尽可能与同一虚拟单元的基站总电力需求模式保持一致。在阶段二中,在阶段一形成的虚拟单元内,通过软件定义的方式控制蓄电池储能系统,通过适当的放电/充电操作来微调电力供应和需求之间的不匹配,从而进一步实现零碳基站目标。通过可再生能源发电机组对基站机组的可再生能源供应体系结构,在每个虚拟单元中,可再生能源发电机组的总电源曲线与基站机组的总电源需求曲线基本一致。采用这种跨单元供电架构,可以大大缓解一对一场景中出现的电力供需不匹配,从而显著提高可再生能源的利用。从而最大限度地减少可再生能源发电和电力需求之间的不一致性。为了微调每个虚拟单元的供电和需求之间的模式不匹配,从而灵活地控制电池储能系统的放电/充电。
在一个实施例中,如图2所示,电力供应与基站的总需求之间第一阶段匹配的流程包括:
步骤201,确定可再生能源发电机组和蓄电池储能系统部署在预先设置的点之间的连接关系;
步骤202,构建可再生能源发电机组和蓄电池储能系统连接关系的供应矩阵X,并构建蓄电池储能系统和基站机组的连接关系的需求矩阵Y;
步骤204,对于供应矩阵X对应的可再生能源发电机组和蓄电池储能系统,对于需求矩阵Y对应的蓄电池储能系统和基站组关系,计算出一个周期内的供需不匹配大小,得到第一阶段匹配关系。
具体地,对于可再生能源发电机组而言,本实施例考虑部署多个可再生能源发电机组来为基站机组供电,包括太阳能电池板、风力涡轮机等。这些可再生能源发电机可以以嵌入的方式与基站机组一起安装,也可以独立部署在基站机组附近。对于每个可再生能源发电机,本实施例可以基于一个离散时间模型,用专用的电表来对其进行测量和并收集信息。例如,每个时间段记为。此外,每个可再生能源发电机的位置(经度和纬度)也记录下来,用于以后的操作。对于基站而言,本实施例的场景中考虑的目标网络由多个基站机组组成(为了简单起见,只考虑固定的基站机组),每个基站机组都记录了一个位置。基站可能有不同的能耗需求模式,因为基站的能耗需求模式与基站覆盖范围内特定用户组所需的移动流量有关。而基站的电力需求的大小是由流量负荷的大小决定的。因此,对于给定的时隙t,本实施例可以从基站在相应时隙的业务量来推断其功率需求。从长期来看,流量需求模式通常是周期性的(以1天为一个周期),每个基站所产生的电力需求也是周期性的,且模式相对稳定。对于储能电池而言,正如体系结构设计中提到的,可以利用蓄电池储能系统来调节可再生能源发电机供给和基站需求之间的不匹配。具体地说,在前面提到的跨单元体系结构下,本实施例假设有几个蓄电池储能系统部署在预先设置的点上。由于可再生能源发电机组和基站机组的数量可能大于预先设置的点,一个蓄电池储能系统可以连接多个可再生能源发电机组和基站机组。在虚拟单元中,经过最优的供需匹配,可再生能源发电机组的总电源供应有望保持一致并接近基站机组的总电源需求。因此,每个虚拟单元的存储容量较小就足够了,大大降低了一对一架构下的蓄电池储能系统安装成本。此外,为了降低软件定义电源的计算复杂度,本实施例可以采用电池的离散电荷状态(SoC)模型,并在多个等间距SoC(例如,10%,20%,…,100%)上运行。
因此,先需要确定可再生能源发电机和预先设置的点之间的连接,即多对多关系。从建模的角度来看,可再生能源发电机组-蓄电池储能系统和蓄电池储能系统-基站机组的连接关系可以分别用供应矩阵X和需求矩阵Y来建模。对于供应矩阵,每个元素是一个二进制值,表示特定的可再生能源发电机是否连接到特定的蓄电池储能系统;对于需求矩阵,元素也是布尔值,表示特定的蓄电池储能系统是否连接到特定的基站。请记住,本实施例已经记录了可再生能源发电机和基站的历史供电和需求信息。因此,对于任何给定的可再生能源发电机组-蓄电池储能系统(即供应矩阵X)和蓄电池储能系统-基站机组(需求矩阵Y)关系,都可以据此计算出一个周期(如一天周期)内的供需不匹配大小。基于上述供需模型,可以提出一个优化问题,以最小化整个计费周期(例如一个月或一年)内可再生能源发电机组的可再生能源总供应与基站机组的总电力需求之间的不匹配。上述优化问题属于混合整数线性规划(MILP)问题,求解最优解需要耗费大量时间,尤其是问题规模较大时。幸运的是,在实践中,也考虑到后面引入的限制,连接到电池的可再生能源发电机组和基站机组的数量不能太大。因此,利用一些现成的MILP求解器,本实施例可以有效地解决优化问题。
在一个实施例中,如图3所示,蓄电池储能系统调度的流程包括:
步骤301,根据蓄电池储能系统,电力需求和供电信息的连接关系,通过计算单元决定选择的供电电源;
步骤302,根据电力供应关系,选择再生能源发电机组是否对蓄电池储能系统进行充电,并确定所述蓄电池储能系统是否放电;
步骤303,通过软件调度,确定所述蓄电池储能系统的充电和放电的电量。
具体地,本实施例还考虑了供需匹配优化过程中的一些实际约束条件。首先,由于一些地理或空间的限制,蓄电池储能系统容量可能不允许太大,应该在一定的限制下。其次,由于输电过程中的功率损耗,可再生能源发电机与蓄电池储能系统之间以及基站与蓄电池储能系统之间的电力线距离应不超过预定义的最大长度。由于本实施例使用长期的历史数据进行可再生能源发电机组-基站机组配对,供求匹配不可能是完美的。例如,临时的可再生能源发电,例如未来一个小时,不可能完全与基站机组的预期电力需求相同。因此,在第二阶段,本实施例利用蓄电池储能系统通过放电/充电操作来微调(轻微)不匹配,从而进一步促进可再生能源的利用率。
在每个虚拟单元中,为了尽可能地消除供需不匹配,本实施例需要在每个时隙中找到最优的蓄电池储能系统放电/充电计划。因此,对于任意预先设置的点,本实施例将电池在t时隙的放电/充电计划操作定义为,表示放电/充电电量。利用第一阶段的最优解,本实施例可以得到整个周期各时间段(预期)的可再生能源发电量和电力需求。因此,对于任何给定的蓄电池储能系统放电/充电计划,可以相应地计算出供需功率不匹配。
基于上述蓄电池储能系统模型,可以提出一个优化问题,在每个虚拟单元的整个计费周期中,最小化电力供应(即可再生能源+储能)和电力需求(即电力需求)之间的功率不匹配。电池SoC是离散的,因此解决方案的空间将大大缩小。因此,在阶段一中类似的优化技能可以应用于这里的最佳放电/充电操作。
在一个实施例中,如图4所示,蓄电池储能系统的充电和放电的电量控制的流程,包括:
步骤401,根据所述蓄电池储能系统的电池过放电和过充电要求,确定所述蓄电池储能系统的电池容量阈值;
步骤402,确定所述蓄电池储能系统放电和充电过程受到最大充电和放电速率的限制因素;
步骤403,根据所述蓄电池储能系统的电池深度放电循环,限制所述蓄电池储能系统的最大放电深度。
具体地,为了防止电池过放电/过充电,首先电池的容量应该在一个特定的范围内。第二,放电/充电操作应受最大充电/放电速率的限制。第三,由于电池的放电循环对其健康有害,特别是深度放电循环,本实施例还需要限制蓄电池储能系统的最大放电深度。
应该理解的是,虽然上述流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,上述流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图5所示,提供了一种零碳5G移动通信基站供电系统,包括:
供电选择模块501,用于对所有供电单元内的可再生能源发电机、基站和蓄电池储能系统进行策略选择,构建供电虚拟单元;
需求匹配模块502,用于在所述供电虚拟单元内,根据供电的连接关系分别构建供应矩阵X,和需求矩阵Y,并通过MILP求解器优化可再生能源发电机的可再生能源总供应与基站的总需求之间的第一阶段匹配关系;
软件调度模块503,用于在所述第一阶段匹配关系的基础上,基于深度强化学习的方法对所述蓄电池储能系统放电与充电进行软件调度,优化电力供应和电力需求之间的功率匹配,完成第二阶段匹配关系;
体系协调模块504,用于通过第一匹配关系和第一匹配关系的供电匹配,构建可再生能源发电机组对基站机组的可再生能源供应体系结构,实现零碳5G移动通信基站供电。
在一个实施例中,如图5所示,所述需求匹配模块502包括第一匹配单元5021,所述第一匹配单元5021用于:
确定可再生能源发电机组和蓄电池储能系统部署在预先设置的点之间的连接关系;
构建可再生能源发电机组和蓄电池储能系统连接关系的供应矩阵X,并构建蓄电池储能系统和基站机组的连接关系的需求矩阵Y;
对于供应矩阵X对应的可再生能源发电机组和蓄电池储能系统,对于需求矩阵Y对应的蓄电池储能系统和基站组关系,计算出一个周期内的供需不匹配大小,得到第一阶段匹配关系。
在一个实施例中,如图5所示,所述软件调度模块503包括储能调度单元5031,所述储能调度单元5031用于:
根据蓄电池储能系统,电力需求和供电信息的连接关系,通过计算单元决定选择的供电电源;
根据电力供应关系,选择再生能源发电机组是否对蓄电池储能系统进行充电,并确定所述蓄电池储能系统是否放电;
通过软件调度,确定所述蓄电池储能系统的充电和放电的电量。
在一个实施例中,如图5所示,所述软件调度模块503还包括软件控制单元5032,所述软件控制单元5032用于:
根据所述蓄电池储能系统的电池过放电和过充电要求,确定所述蓄电池储能系统的电池容量阈值;
确定所述蓄电池储能系统放电和充电过程受到最大充电和放电速率的限制因素;
根据所述蓄电池储能系统的电池深度放电循环,限制所述蓄电池储能系统的最大放电深度。
关于零碳5G移动通信基站供电系统的具体限定可以参见上文中对于零碳5G移动通信基站供电方法的限定,在此不再赘述。上述零碳5G移动通信基站供电系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
图6示出了一个实施例中计算机设备的内部结构图。如图6所示,该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现零碳5G移动通信基站供电方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行零碳5G移动通信基站供电方法。计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图6中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,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,处理器执行计算机程序时实现以下步骤:
对所有供电单元内的可再生能源发电机、基站和蓄电池储能系统进行策略选择,构建供电虚拟单元;
在所述供电虚拟单元内,根据供电的连接关系分别构建供应矩阵X,和需求矩阵Y,并通过MILP求解器优化可再生能源发电机的可再生能源总供应与基站的总需求之间的第一阶段匹配关系;
在所述第一阶段匹配关系的基础上,基于深度强化学习的方法对所述蓄电池储能系统放电与充电进行软件调度,优化电力供应和电力需求之间的功率匹配,完成第二阶段匹配关系;
通过第一匹配关系和第一匹配关系的供电匹配,构建可再生能源发电机组对基站机组的可再生能源供应体系结构,实现零碳5G移动通信基站供电。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
确定可再生能源发电机组和蓄电池储能系统部署在预先设置的点之间的连接关系;
构建可再生能源发电机组和蓄电池储能系统连接关系的供应矩阵X,并构建蓄电池储能系统和基站机组的连接关系的需求矩阵Y;
对于供应矩阵X对应的可再生能源发电机组和蓄电池储能系统,对于需求矩阵Y对应的蓄电池储能系统和基站组关系,计算出一个周期内的供需不匹配大小,得到第一阶段匹配关系。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据蓄电池储能系统,电力需求和供电信息的连接关系,通过计算单元决定选择的供电电源;
根据电力供应关系,选择再生能源发电机组是否对蓄电池储能系统进行充电,并确定所述蓄电池储能系统是否放电;
通过软件调度,确定所述蓄电池储能系统的充电和放电的电量。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据所述蓄电池储能系统的电池过放电和过充电要求,确定所述蓄电池储能系统的电池容量阈值;
确定所述蓄电池储能系统放电和充电过程受到最大充电和放电速率的限制因素;
根据所述蓄电池储能系统的电池深度放电循环,限制所述蓄电池储能系统的最大放电深度。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
对所有供电单元内的可再生能源发电机、基站和蓄电池储能系统进行策略选择,构建供电虚拟单元;
在所述供电虚拟单元内,根据供电的连接关系分别构建供应矩阵X,和需求矩阵Y,并通过MILP求解器优化可再生能源发电机的可再生能源总供应与基站的总需求之间的第一阶段匹配关系;
在所述第一阶段匹配关系的基础上,基于深度强化学习的方法对所述蓄电池储能系统放电与充电进行软件调度,优化电力供应和电力需求之间的功率匹配,完成第二阶段匹配关系;
通过第一匹配关系和第一匹配关系的供电匹配,构建可再生能源发电机组对基站机组的可再生能源供应体系结构,实现零碳5G移动通信基站供电。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
确定可再生能源发电机组和蓄电池储能系统部署在预先设置的点之间的连接关系;
构建可再生能源发电机组和蓄电池储能系统连接关系的供应矩阵X,并构建蓄电池储能系统和基站机组的连接关系的需求矩阵Y;
对于供应矩阵X对应的可再生能源发电机组和蓄电池储能系统,对于需求矩阵Y对应的蓄电池储能系统和基站组关系,计算出一个周期内的供需不匹配大小,得到第一阶段匹配关系。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据蓄电池储能系统,电力需求和供电信息的连接关系,通过计算单元决定选择的供电电源;
根据电力供应关系,选择再生能源发电机组是否对蓄电池储能系统进行充电,并确定所述蓄电池储能系统是否放电;
通过软件调度,确定所述蓄电池储能系统的充电和放电的电量。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据所述蓄电池储能系统的电池过放电和过充电要求,确定所述蓄电池储能系统的电池容量阈值;
确定所述蓄电池储能系统放电和充电过程受到最大充电和放电速率的限制因素;
根据所述蓄电池储能系统的电池深度放电循环,限制所述蓄电池储能系统的最大放电深度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种零碳5G移动通信基站供电方法,其特征在于,所述方法包括:
对所有供电单元内的可再生能源发电机、基站和蓄电池储能系统进行策略选择,构建基于电力供应和需求的供电虚拟单元;
在所述供电虚拟单元内,分别构建可再生能源发电机组和蓄电池储能系统连接关系的供应矩阵X,和蓄电池储能系统和基站机组连接关系的需求矩阵Y,并通过MILP求解器优化可再生能源发电机的可再生能源总供应与基站的总需求之间的第一阶段匹配关系;
在所述第一阶段匹配关系的基础上,基于深度强化学习的方法对所述蓄电池储能系统放电与充电进行软件调度,优化电力供应和电力需求之间的功率匹配,完成第二阶段匹配关系;
通过第一匹配关系和第一匹配关系的供电匹配,构建可再生能源发电机组对基站机组的可再生能源供应体系结构,实现零碳5G移动通信基站供电。
2.根据权利要求1所述零碳5G移动通信基站供电方法,其特征在于,所述在所述供电虚拟单元内,分别构建可再生能源发电机组和蓄电池储能系统连接关系的供应矩阵X,和蓄电池储能系统和基站机组连接关系的需求矩阵Y,并通过MILP求解器优化可再生能源发电机的可再生能源总供应与基站的总需求之间的第一阶段匹配关系,包括:
确定可再生能源发电机组和蓄电池储能系统部署在预先设置的点之间的连接关系;
构建可再生能源发电机组和蓄电池储能系统连接关系的供应矩阵X,并构建蓄电池储能系统和基站机组的连接关系的需求矩阵Y;
对于供应矩阵X,通过二进制值的每个元素Xi,j,表示特定的可再生能源发电机是否连接到特定的蓄电池储能系统;对于需求矩阵Y,通过布尔值的每个元素Yi,j,表示特定的蓄电池储能系统是否连接到特定的基站;
对于供应矩阵X对应的可再生能源发电机组和蓄电池储能系统,对于需求矩阵Y对应的蓄电池储能系统和基站组关系,计算出一个周期内的供需不匹配大小,得到第一阶段匹配关系。
3.根据权利要求1所述零碳5G移动通信基站供电方法,其特征在于,所述在所述第一阶段匹配关系的基础上,基于深度强化学习的方法对所述蓄电池储能系统放电与充电进行软件调度,优化电力供应和电力需求之间的功率匹配,完成第二阶段匹配关系,包括:
根据蓄电池储能系统,电力需求和供电信息的连接关系,通过计算单元决定选择的供电电源;
根据电力供应关系,选择再生能源发电机组是否对蓄电池储能系统进行充电,并确定所述蓄电池储能系统是否放电;
通过软件调度,确定所述蓄电池储能系统的充电和放电的电量。
4.根据权利要求3所述零碳5G移动通信基站供电方法,其特征在于,所述通过软件调度,确定所述蓄电池储能系统的充电和放电的电量,包括:
根据所述蓄电池储能系统的电池过放电和过充电要求,确定所述蓄电池储能系统的电池容量阈值;
确定所述蓄电池储能系统放电和充电过程受到最大充电和放电速率的限制因素;
根据所述蓄电池储能系统的电池深度放电循环,限制所述蓄电池储能系统的最大放电深度。
5.一种零碳5G移动通信基站供电系统,其特征在于,包括:
供电选择模块,用于对所有供电单元内的可再生能源发电机、基站和蓄电池储能系统进行策略选择,构建基于电力供应和需求的供电虚拟单元;
需求匹配模块,用于在所述供电虚拟单元内,分别构建可再生能源发电机组和蓄电池储能系统连接关系的供应矩阵X,和蓄电池储能系统和基站机组连接关系的需求矩阵Y,并通过MILP求解器优化可再生能源发电机的可再生能源总供应与基站的总需求之间的第一阶段匹配关系;
软件调度模块,用于在所述第一阶段匹配关系的基础上,基于深度强化学习的方法对所述蓄电池储能系统放电与充电进行软件调度,优化电力供应和电力需求之间的功率匹配,完成第二阶段匹配关系;
体系协调模块,用于通过第一匹配关系和第一匹配关系的供电匹配,构建可再生能源发电机组对基站机组的可再生能源供应体系结构,实现零碳5G移动通信基站供电。
6.根据权利要求5所述的零碳5G移动通信基站供电系统,其特征在于,所述需求匹配模块包括第一匹配单元,所述第一匹配单元用于:
确定可再生能源发电机组和蓄电池储能系统部署在预先设置的点之间的连接关系;
构建可再生能源发电机组和蓄电池储能系统连接关系的供应矩阵X,并构建蓄电池储能系统和基站机组的连接关系的需求矩阵Y;
对于供应矩阵X,通过二进制值的每个元素Xi,j,表示特定的可再生能源发电机是否连接到特定的蓄电池储能系统;对于需求矩阵Y,通过布尔值的每个元素Yi,j,表示特定的蓄电池储能系统是否连接到特定的基站;
对于供应矩阵X对应的可再生能源发电机组和蓄电池储能系统,对于需求矩阵Y对应的蓄电池储能系统和基站组关系,计算出一个周期内的供需不匹配大小,得到第一阶段匹配关系。
7.根据权利要求5所述的零碳5G移动通信基站供电系统,其特征在于,所述软件调度模块包括储能调度单元,所述储能调度单元用于:
根据蓄电池储能系统,电力需求和供电信息的连接关系,通过计算单元决定选择的供电电源;
根据电力供应关系,选择再生能源发电机组是否对蓄电池储能系统进行充电,并确定所述蓄电池储能系统是否放电;
通过软件调度,确定所述蓄电池储能系统的充电和放电的电量。
8.根据权利要求7所述的零碳5G移动通信基站供电系统,其特征在于,所述软件调度模块还包括软件控制单元,所述软件控制单元用于:
根据所述蓄电池储能系统的电池过放电和过充电要求,确定所述蓄电池储能系统的电池容量阈值;
确定所述蓄电池储能系统放电和充电过程受到最大充电和放电速率的限制因素;
根据所述蓄电池储能系统的电池深度放电循环,限制所述蓄电池储能系统的最大放电深度。
9.一种计算机设备,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至4中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至4中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110973182.0A CN113422390B (zh) | 2021-08-24 | 2021-08-24 | 零碳5g移动通信基站供电方法、系统、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110973182.0A CN113422390B (zh) | 2021-08-24 | 2021-08-24 | 零碳5g移动通信基站供电方法、系统、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113422390A CN113422390A (zh) | 2021-09-21 |
CN113422390B true CN113422390B (zh) | 2021-11-16 |
Family
ID=77719247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110973182.0A Active CN113422390B (zh) | 2021-08-24 | 2021-08-24 | 零碳5g移动通信基站供电方法、系统、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113422390B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116260231B (zh) * | 2022-09-29 | 2024-04-12 | 中兴通讯股份有限公司 | 通信站及其电源控制方法、装置及计算机存储介质 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102148533B (zh) * | 2010-02-09 | 2013-05-08 | 中国科学院理化技术研究所 | 人力智能电网 |
FR2972867B1 (fr) * | 2011-03-17 | 2014-02-07 | Cassidian Sas | Systeme d'alimentation electrique hybride autonome d'un equipement electrique et unite et procede de gestion du systeme |
CN105914886B (zh) * | 2016-05-18 | 2019-01-22 | 李宁 | 一种分布式能源云联网智能控制方法及系统 |
CN107707017A (zh) * | 2017-10-17 | 2018-02-16 | 绿升科技有限责任公司 | 一种基站应急供电方法、装置及系统、设备、存储介质 |
CN108206542B (zh) * | 2018-02-05 | 2021-12-31 | 西交利物浦大学 | 基于结构紧密度的能源互联网构造方法 |
CN108988316B (zh) * | 2018-06-15 | 2020-09-22 | 四川大学 | 一种交直流混合配电系统网架结构优化配置方法 |
CN109193666B (zh) * | 2018-10-12 | 2021-07-30 | 南方电网科学研究院有限责任公司 | 基于通用能量母线的综合能源系统时序能量流计算方法 |
CN109617138A (zh) * | 2019-01-16 | 2019-04-12 | 哈尔滨工业大学(深圳) | 一种考虑随机预测误差的独立微电网能量管理方法 |
CN111130203A (zh) * | 2020-02-28 | 2020-05-08 | 广州奥鹏能源科技有限公司 | 一种无人基站供电储能系统 |
CN111799820B (zh) * | 2020-05-27 | 2022-07-05 | 广西大学 | 一种电力系统双层智能混合零星云储能对抗调控方法 |
CN113286310B (zh) * | 2021-05-26 | 2022-05-17 | 湖北大学 | 基于双连接技术的超密集网络用户数与微基站数配比方法 |
-
2021
- 2021-08-24 CN CN202110973182.0A patent/CN113422390B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113422390A (zh) | 2021-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Optimal scheduling of isolated microgrid with an electric vehicle battery swapping station in multi-stakeholder scenarios: A bi-level programming approach via real-time pricing | |
Padmanabhan et al. | Battery energy storage systems in energy and reserve markets | |
Huang et al. | Modeling and multi-objective optimization of a stand-alone PV-hydrogen-retired EV battery hybrid energy system | |
Murillo-Sánchez et al. | Secure planning and operations of systems with stochastic sources, energy storage, and active demand | |
Scioletti et al. | Optimal design and dispatch of a system of diesel generators, photovoltaics and batteries for remote locations | |
Mírez | A modeling and simulation of optimized interconnection between DC microgrids with novel strategies of voltage, power and control | |
Kim et al. | Operation scheduling for an energy storage system considering reliability and aging | |
CN105684257A (zh) | 用于控制微电网的操作的微电网能量管理系统和方法 | |
CN108037667B (zh) | 基于虚拟电厂的基站电能优化调度方法 | |
CN106485358A (zh) | 结合序列运算和粒子群算法的独立微电网优化配置方法 | |
Shalaby et al. | A dynamic optimal battery swapping mechanism for electric vehicles using an LSTM-based rolling horizon approach | |
CN109829834A (zh) | 一种储能系统配置方法、装置和存储介质 | |
CN113422390B (zh) | 零碳5g移动通信基站供电方法、系统、设备和存储介质 | |
CN109245155A (zh) | 基于不确定理论的配电网广义电源变电可信容量评估方法 | |
Rathor et al. | Decentralized energy management system for LV microgrid using stochastic dynamic programming with game theory approach under stochastic environment | |
Mikita et al. | Impact of electrical power load time management at sizing and cost of hybrid renewable power system | |
Zhou et al. | Design of self-sustainable wireless sensor networks with energy harvesting and wireless charging | |
CN108197765A (zh) | 面向电池损耗等额分配的停车场充电调度方法及计算设备 | |
Thang | Optimal sizing of distributed energy resources and battery energy storage system in planning of islanded micro-grids based on life cycle cost | |
Appino et al. | Storage scheduling with stochastic uncertainties: Feasibility and cost of imbalances | |
Wang et al. | Inventory management of battery swapping and charging stations considering uncertainty | |
Zhu et al. | Toward a profitable grid-connected hybrid electrical energy storage system for residential use | |
CN111325423A (zh) | 一种区域多能源互联运营优化方法和计算设备 | |
CN117353346A (zh) | 通信基站与电力系统的需求响应方法和装置 | |
Gonzalez-Castellanos et al. | Stochastic unit commitment of a distribution network with non-ideal energy storage |
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 |