CN113595063A - 一种适用于智慧园区的储能容量配置方法 - Google Patents

一种适用于智慧园区的储能容量配置方法 Download PDF

Info

Publication number
CN113595063A
CN113595063A CN202110785945.9A CN202110785945A CN113595063A CN 113595063 A CN113595063 A CN 113595063A CN 202110785945 A CN202110785945 A CN 202110785945A CN 113595063 A CN113595063 A CN 113595063A
Authority
CN
China
Prior art keywords
energy storage
power
charging
hybrid energy
storage system
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.)
Granted
Application number
CN202110785945.9A
Other languages
English (en)
Other versions
CN113595063B (zh
Inventor
凌在汛
郑景文
崔一铂
蔡万里
陈文�
熊平
康逸群
游力
向慕超
熊昊哲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd
Original Assignee
State Grid Corp of China SGCC
Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Corp of China SGCC, Electric Power Research Institute of State Grid Hubei Electric Power Co Ltd filed Critical State Grid Corp of China SGCC
Priority to CN202110785945.9A priority Critical patent/CN113595063B/zh
Publication of CN113595063A publication Critical patent/CN113595063A/zh
Application granted granted Critical
Publication of CN113595063B publication Critical patent/CN113595063B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/64—Optimising energy costs, e.g. responding to electricity rates
    • 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
    • B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • 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
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/48—Controlling the sharing of the in-phase component
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2207/00—Indexing scheme relating to details of circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J2207/50—Charging of capacitors, supercapacitors, ultra-capacitors or double layer capacitors
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B10/00—Integration of renewable energy sources in buildings
    • Y02B10/10—Photovoltaic [PV]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种适用于智慧园区的储能容量配置方法，先建立电动汽车充电负荷模型，再结合分时电价的限制，建立含电动汽车与可再生能源的智慧园区配电网数学模型，以此确定混合储能需要平抑的功率，并采用高通滤波算法对其进行分配，确定超级电容器和锂电池各自需要平抑的功率，以此建立混合储能容量配置模型，以混合储能年收益最大为目标函数，构建混合储能约束条件，采用优化算法进行求解，得到混合储能最优容量配置。本发明与现有的混合储能配置方法相比，考虑了在智慧园区中分时电价的限制，对混合储能系统需要平抑的功率进行求解并建立混合储能容量配置模型，可以较好的提高系统的经济性，实现平抑电动汽车充电和光伏发电功率波动的有效控制。

Description

一种适用于智慧园区的储能容量配置方法
技术领域
本发明涉及电力技术领域，具体是一种适用于智慧园区的储能容量配置方法。
背景技术
随着全球气候环境的变差，人们越来越关注新能源的使用。太阳能作为新能源的代表之一，由于其环境友好、安全可靠性高、安装方便等优点，得到了迅速的发展。当前智慧园区已经加强了对光伏发电的推广与应用，但是光伏发电的输出功率受温度和光照强度的影响较大，其发电输出功率是极不稳定的，从而影响电网的电能质量与供电可靠性。其次，随着经济和技术的发展，电动汽车数量快速增长，将导致大量的电动汽车充电站接入电网，给电网电能质量、用户端带来了很大的影响，造成了电网功率不平衡和设备老化等问题。针对上述问题，可以在智慧园区中配备储能，利用储能的削峰填谷的作用来减少电动汽车充电对电网的冲击以及光伏发电功率输出不稳定给电网带来的不利影响。
储能系统的种类主要有：能量型储能、功率型储能和混合储能。其中混合储能能够结合两种储能的优势，对光伏发电和电动汽车充电有较好的平抑作用。但是由于储能成本昂贵，配备的储能容量过大过小都不行，过大则降低系统的经济性，过小则难以满足系统稳定运行要求，因此在智慧园区配电网中寻求储能最优容量配置极其重要。
发明内容
本发明所要解决的问题是提供一种适用于智慧园区的储能容量配置方法，确定智慧园区储能最优配置方案，为智慧园区的储能规划提供技术支持。
本发明的目的是通过以下技术方案实现的：
一种适用于智慧园区的混合储能容量配置方法，包括以下步骤：
S1，建立电动汽车充电负荷模型，预测电动汽车充电负荷；
S2，考虑分时电价的限制，建立含电动汽车与可再生能源的智慧园区配电网数学模型，通过步骤S1预测的电动汽车充电负荷数据及智慧园区光伏发电数据，确定混合储能系统需要平抑的功率；
S3，根据步骤S2确定的混合储能需要平抑的功率，通过高通滤波算法对混合储能系统的功率进行分配，确定超级电容器和锂电池各自需要平抑的功率；
S4，考虑分时电价的限制，建立混合储能容量配置模型；
S5，以年收益最大为混合储能系统的目标函数，构建混合储能系统的约束条件；
S6，根据步骤S3确定的超级电容器和锂电池各自需要平抑的功率及步骤S5 构建的混合储能系统的约束条件，结合优化算法对步骤S4建立的混合储能容量配置模型进行模型求解，得到混合储能系统最优容量配置。
进一步的，步骤S1考虑起始充电时间、汽车日行驶里程、充电功率和充电时长四个因素的影响建立所述电动汽车充电负荷模型，具体如下：
S11：电汽车最后一次出行时刻作为起始充电时间，电动汽车最后一次出行的结束时刻满足正态分布，其公式如下：
Figure RE-RE-GDA0003253464580000021
其中t为起始充电时间；μs为起始充电时间的标准差；σs为起始充电时刻的标准差，μs和σs随车辆类型不同而变化；
S12：电动汽车日行驶里程满足对数正态分布，其公式如下：
Figure RE-RE-GDA0003253464580000022
其中，s为日行驶里程，单位为km；μD为lns的期望；σD为lns的标准差。
S13：电动汽车充电时长由日行驶里程计算得到，符合对数正态分布，其公式如下：
Figure RE-RE-GDA0003253464580000023
其中，μtc＝ln[W100/(100ηPc)]+μD为充电时长期望，W100为汽车行驶100km 的耗电量，单位为(kW·h)/百公里,σtc＝σD为充电时长标准差，η为充电效率。
进一步的，步骤S2中考虑分时电价的限制，建立含电动汽车与可再生能源的智慧园区配电网数学模型，具体如下：
混合储能要平抑配电网中光伏发电和电动汽车充电负荷的功率波动，保证电网的供需平衡，使配电网能够稳定运行，混合储能系统的功率PHESS如下所示：
PHESS＝Psc+Pb
PHESS＝PEV-PPV-Pgrid
式中：Psc、Pb分别为超级电容和锂电池的充放电功率；PEV为电动汽车充电功率；PPV为光伏发电功率，Pgrid为电网传输功率；
考虑分时电价的限制，在低电价时把电网传输功率Pgrid设定为最大，在电价平价时将电网传输功率Pgrid设定较低，在电价高价时将电网传输功率Pgrid设定为最小，在电动汽车充电功率PEV小于光伏发电功率PPV时将电网传输功率Pgrid设定为0。
进一步的，步骤S3具体如下：
采用高通滤波器对混合储能系统的功率PHESS进行滤波，得到其高频波动分量作为超级电容器储能的主动指令Psc，然后将高通滤波后的剩余功率指令作为锂电池储能的主动指令Pb，混合储能系统功率分配存在以下关系：
Figure RE-RE-GDA0003253464580000031
Figure RE-RE-GDA0003253464580000032
其中，s为微分算子；Tf为滤波时间常数，根据超级电容器储能系统需要平抑的功率波动频带确定，常为秒级到分钟级；
由于超级电容器的能量密度低，而锂电池的能量密度高，因此在混合储能的总功率小于0时将时间常数Tf设定的很小，将大部分能量储存在锂电池中。
进一步的，步骤S4考虑分时电价的限制来进行建模，具体如下：
考虑分时电价的限制，混合储能在低电价充电，在电价平价和电价高价进行放电，两种储能在充电或者放电时应该满足荷电状态的限制，因此在电价高价和电价平价放电时应该满足从最大荷电状态放电到最小荷电状态的限制，两种储能装置的额定容量计算公式如下：
Figure RE-RE-GDA0003253464580000033
其中，
Figure RE-RE-GDA0003253464580000034
超级电容器的额定容量，t为储能起始放电时间，Δtp为电价平价时间段，Δth为电价高价时间段；SOCsc,max和SOCsc,min为超级电容器的荷电状态的最大值和最小值；
Figure RE-RE-GDA0003253464580000035
其中，
Figure RE-RE-GDA0003253464580000036
为锂电池的额定容量，SOCb，max和SOCb,min为锂电池的荷电状态的最大值和最小值
进一步的，步骤S5具体如下：
S51：储能系统的收益是储能系统在低电价的时候买入电力，在高电价的时候卖出电力，，混合储能系统直接利润如下表示：
Figure RE-RE-GDA0003253464580000037
其中，Δt1表示第i时刻超级电容器充放电时间，Δt2表示第i时刻锂电池充放电时间，同一时刻储能只能维持充电或者放电的状态，不能同时进行充放电；Ri表示第i时刻的电价，k表示天数；
S52：混合储能系统的建设成本主要与其自身容量有关，计算公式如下：
C1＝αscPsc+αbPb+βscQsc+βbQb
其中，C1为混合储能系统的建设成本；αsc为超级电容器的单位功率单价；Psc为超级电容器充放电功率；αb为锂电池的单位功率单价；Pb为锂电池的充放电功率；βsc为级电容器的单位容量单价；Qsc为超级电容器的容量；βb为锂电池的单位容量单价；Qb为锂电池的容量；
S53：混合储能系统从开始投入到报废的全过程都需要维护费用，计算公式如下：
Figure RE-RE-GDA0003253464580000041
其中，εsc为超级电容器的运行维护成本系数；εb为锂电池的运行维护成本系数；
S54：由以上得出混合储能系统的目标函数为：
Figure RE-RE-GDA0003253464580000042
其中r为贴现率，l为储能使用年限；
S55：为确保储能系统能够正常运行，应满足以下约束：
(1)能量守恒约束，电力必须在任何时候都能满足供需平衡；
(2)输出功率约束，光伏、超级电容和锂电池应根据各自的局限性，合理设置自己的输出功率；
(3)荷电状态(SOC)约束，应根据储能的特点合理设置荷电状态的上限和下限，避免过充和过放电，影响电池寿命；
综上，约束条件为：
Figure RE-RE-GDA0003253464580000043
其中，Psc，cmax,Pb,cmax，Psc,dmax,Pb,dmax分别为超级电容器和蓄电池的充放电最大
功率；PPV，max为光伏的最大出力；SOCmax，SOCmin为电池的最大最小荷电状态。
进一步的，步骤S6中所述的优化算法为自适应权重粒子群算法。
本发明提出的适用于智慧园区的混合储能容量配置方法，考虑分时电价的限制，有益效果如下：
1)本发明考虑分时电价和负荷高峰的限制，对混合储能进行配置，使其既满足平抑不稳定性需求，也满足收益要求，具有较好的经济性；
2)本发明考虑了功率型与能量型储能的互补性能，可有效提高储能的平抑效果。
附图说明
图1是本发明实施例适用于智慧园区的储能容量配置方法的流程图；
图2是本发明实施例电动汽车充电负荷的预测流程图；
图3是本发明实施例电动汽车充电负荷的预测结果曲线；
图4是本发明实施例智慧园区配电网架构图；
图5是本发明实施例混合储能系统需要平抑的功率；
图6是本发明实施例高通滤波算法图；
图7是本发明实施例超级电容器和锂电池需要平抑的功率；
图8是本发明实施例自适应权重粒子群算法流程图；
图9是本发明实施例适应度算法流程图；
图10是本发明实施例混合储能系统最佳收益变化曲线图；
图11是本发明实施例储能荷电状态变化曲线图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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做出创造性劳动的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。
参见图1，本发明实施例提供了一种适用于智慧园区的储能容量配置方法，该方法先建立电动汽车充电负荷模型，再结合分时电价的限制，建立含电动汽车与可再生能源的智慧园区配电网数学模型，以此确定混合储能需要平抑的功率，并采用高通滤波算法对其进行分配，确定超级电容器和锂电池各自需要平抑的功率，并以此建立混合储能容量配置模型。以混合储能年收益最大为目标函数，构建混合储能约束条件，采用自适应权重粒子群算法进行求解，得到混合储能最优容量配置。所述方法具体包括如下步骤：
(S1)建立电动汽车充电负荷模型，预测电动汽车充电负荷；
电动汽车的充电负荷受多种因素影响，包括电动汽车本身的状况、充电设施、用户习惯等诸多因素。为了简化研究，选取起始充电时刻、日行驶里程、充电功率和充电时间等主要影响因素，建立电动汽车充电概率模型。
电汽车最后一次出行时刻作为起始充电时间，电动汽车最后一次出行的结束时刻满足正态分布，其公式如下：
Figure RE-RE-GDA0003253464580000051
其中t为起始充电时间；μs为起始充电时间的标准差；σs为起始充电时刻的标准差，μs和σs随车辆类型不同而变化。
电动汽车日行驶里程满足对数正态分布，其公式如下:
Figure RE-RE-GDA0003253464580000052
其中，s为日行驶里程，单位为km；μD为lns的期望；σD为lns的标准差。
电动汽车常用的充电模式有慢充、常规充、快充三种，根据不同类型的电动汽车选取不同的充电模式。
电动汽车充电时长由日行驶里程计算得到，符合对数正态分布，其公式如下：
Figure RE-RE-GDA0003253464580000061
其中，μtc＝ln[W100/(100ηPc)]+μD为充电时长期望，W100为汽车行驶100km 的耗电量，单位为(kW·h)/百公里,σtc＝σD为充电时长标准差，η为充电效率。
各种电动汽车的初始充电时间、日里程、充电功率都是独立的随机变量，车辆每次都充满电，第i时刻的充电负荷如下：
Figure RE-RE-GDA0003253464580000062
其中N为i时刻充电的电动汽车总数，Pn，i为第n辆电动汽车在i时刻的充电功率。
电动汽车充电负荷预测流程图如图2所示，设定电动汽车数量固定，考虑三种类型电动汽车，即出租车、私家车和公务车，总数量200，三种电动汽车的比例分别为0.16，0.58，0.26，所得预测结果图如图3所示。
(S2)考虑分时电价的限制，建立含电动汽车与可再生能源的智慧园区配电网数学模型，通过步骤(S1)预测的电动汽车充电负荷数据及智慧园区光伏发电数据，确定混合储能系统需要平抑的功率；
智慧园区配电网架构参见图4，混合储能要平抑配电网中光伏发电和电动汽车充电负荷的功率波动，保证电网的供需平衡，使配电网能够稳定运行。混合储能的功率如下所示：
PHESS＝Psc+Pb
PHESS＝PEV-PPV-Pgrid
式中：Psc、Pb分别为超级电容和锂电池的充放电功率；PEV为电动汽车的充电功率；PPV为光伏发电的功率，Pgrid为电网传输功率。
考虑分时电价的限制，在低电价时把电网传输功率Pgrid设定为最大，在电价平价时将电网传输功率Pgrid设定较低，在电价高价时将电网传输功率Pgrid设定为最小，在电动汽车充电负荷PEV小于光伏发电功率PPV时将电网传输功率Pgrid设定为0。
将电动汽车的充电负荷预测数据以及智慧园区的光伏发电数据作为此模型的输入，计算得到混合储能系统需要平抑的功率，所得结果如图5所示。
(S3)根据步骤(S2)确定的混合储能需要平抑的功率，通过高通滤波算法(如图6所示)对混合储能系统功率进行分配，确定超级电容器和锂电池各自需要平抑的功率；
采用高通滤波器对混合储能系统的功率PHESS进行滤波，得到其高频波动分量作为超级电容器储能的主动指令Psc，然后将高通滤波后的剩余功率指令作为锂电池储能的主动指令Pb，混合储能系统功率分配存在以下关系：
Figure RE-RE-GDA0003253464580000071
Figure RE-RE-GDA0003253464580000072
其中，s为微分算子；Tf为滤波时间常数，根据超级电容器储能系统需要平抑的功率波动频带确定，常为秒级到分钟级。
由于超级电容器的能量密度低，而锂电池的能量密度高，所以在混合储能的总功率小于0时将时间常数设定的很小，将大部分能量储存在锂电池中。
将步骤(S2)得到的混合储能需要平抑的功率作为步骤(S3)的输入，计算得到两种储能各自需要平抑的功率，所得结果如图7所示。
(S4)考虑分时电价的限制，建立混合储能容量配置模型；
混合储能在低电价充电，在电价平价和电价高价进行放电。两种储能在充电或者放电时应该满足荷电状态的限制，所以它们在电价高价和电价平价放电时应该满足从最大荷电状态放电到最小荷电状态的限制，两种储能装置的额定容量计算公式如下：
Figure RE-RE-GDA0003253464580000073
其中，
Figure RE-RE-GDA0003253464580000074
超级电容器的额定容量，t为储能起始放电时间，Δtp为电价平价时间段，Δth为电价高价时间段；SOCsc,max和SOCsc,min为超级电容器的荷电状态的最大值和最小值；
Figure RE-RE-GDA0003253464580000075
其中，
Figure RE-RE-GDA0003253464580000076
为锂电池的额定容量，SOCb,max和SOCb,min为锂电池的荷电状态的最大值和最小值。
荷电状态是用来衡量储能系统的剩余容量，储能的荷电状态计算公式如下所示：
Figure RE-RE-GDA0003253464580000077
其中，SOC(t)，SOC(t-1)分别表示电池t时刻和t-1时刻的荷电状态；P(t)表示t时刻的充放电功率(大于0表示放电，小于0表示充电)；EN表示储能的额定容量；ηc,ηd分别表示充放电效率；δ表示自放电效率；Δt为步长。
将步骤(S3)得到的两种储能各自需要平抑的功率作为步骤(S4)的输入，初步计算两种储能的容量上下限。
(S5)以年收益最大为混合储能系统的目标函数，构建混合储能系统的约束条件；
储能系统的收益是储能系统在低电价的时候买入电力，在高电价的时候卖出电力，混合储能系统直接利润如下表示：
Figure RE-RE-GDA0003253464580000081
其中，Δt1表示第i时刻超级电容器充放电时间，Δt2表示第i时刻锂电池充放电时间，同一时刻储能只能维持充电或者放电的状态，不能同时进行充放电；Ri表示第i时刻的电价，k表示天数。
混合储能系统的建设成本主要与其自身容量有关，计算公式如下：
C1＝αscPsc+αbPb+βscQsc+βbQb
其中，C1为混合储能系统的建设成本；αsc为超级电容器的单位功率单价；Psc为超级电容器充放电功率；αb为锂电池的单位功率单价；Pb为锂电池的充放电功率；βsc为级电容器的单位容量单价；Qsc为超级电容器的容量；βb为锂电池的单位容量单价；Qb为锂电池的容量。
混合储能系统从开始投入到报废的全过程都需要维护费用，计算公式如下：
Figure RE-RE-GDA0003253464580000082
其中，εsc为超级电容器的运行维护成本系数；εb为锂电池的运行维护成本系数。
由以上可以得出混合储能系统的目标函数为：
Figure RE-RE-GDA0003253464580000083
其中r为贴现率，l为储能使用年限。
为确保储能系统能够正常运行，应满足以下约束：
(1)能量守恒约束，电力必须在任何时候都能满足供需平衡；
(2)输出功率约束，光伏、超级电容和锂电池应根据各自的局限性，合理设置自己的输出功率；
(3)荷电状态(SOC)约束，应根据储能的特点合理设置荷电状态的上限和下限，避免过充和过放电，影响电池寿命。
由以上，约束条件为：
Figure RE-RE-GDA0003253464580000091
其中，Psc，cmax,Pb,cmax,Psc,dmax，Pb，dmax分别为超级电容器和蓄电池的充放电最大功率；PPV,max为光伏的最大出力；SOCmax，SOCmin为电池的最大最小荷电状态。
(S6)根据步骤(S3)确定的超级电容器和锂电池各自需要平抑的功率及步骤 (S5)构建的混合储能系统的约束条件，结合优化算法对步骤(S4)建立的混合储能容量配置模型进行模型求解，得到混合储能系统最优容量配置。
所用的优化算法为APSO(Adaptive Particle Swarm Optimization)自适应权重粒子群算法，其算法流程如图8所示，其适应度算法流程如图9所示。
为使混合储能系统容量配置具有较高的精度和较稳定的特征，选取的种群规模为80，粒子迭代次数为80次，惯性权重系数的最大值和最小值分别为0.9和 0.4，学习因子都选取为2，仿真步长为5min。通过参数设定(见表1)及限制条件，采用自适应权重粒子群算法获取混合储能容量优化配置结果如表2、图10 和图11所示。
表1
Figure RE-RE-GDA0003253464580000092
Figure RE-RE-GDA0003253464580000101
表2
锂电池额定功率/kW 112
超级电容器额定容量/kW·h 910
混合储能年利润/元 346040
折算年成本/元 323030
年收益/元 23015
由图10可以看出，随着迭代次数的增加，混合储能的收益逐渐增大，在迭代次数到达9次时，混合储能的年收益达到最大值为23015元。
同时由图11可以看出，超级电容器和锂电池在0点到12点充电到其荷电状态的上限；在12点到15及19点之后，超级电容器和锂电池开始放电，荷电状态开始急剧下降；在15点到19点，超级电容器和锂电池充电。在整个过程，超级电容器和锂电池的荷电状态都满足在其荷电状态范围内变化，且满足能量守恒约束。采用此配置方法可以减少混合储能的充放电次数，一定程度上延长了混合储能的寿命。
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，任何属于本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，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该以权利要求的保护范围为准。

Claims (7)

1.一种适用于智慧园区的混合储能容量配置方法，其特征在于，包括如下步骤：
S1，建立电动汽车充电负荷模型，预测电动汽车充电负荷；
S2，考虑分时电价的限制，建立含电动汽车与可再生能源的智慧园区配电网数学模型，通过步骤S1预测的电动汽车充电负荷数据及智慧园区光伏发电数据，确定混合储能系统需要平抑的功率；
S3，根据步骤S2确定的混合储能需要平抑的功率，通过高通滤波算法对混合储能系统的功率进行分配，确定超级电容器和锂电池各自需要平抑的功率；
S4，考虑分时电价的限制，建立混合储能容量配置模型；
S5，以年收益最大为混合储能系统的目标函数，构建混合储能系统的约束条件；
S6，根据步骤S3确定的超级电容器和锂电池各自需要平抑的功率及步骤S5构建的混合储能系统的约束条件，结合优化算法对步骤S4建立的混合储能容量配置模型进行模型求解，得到混合储能系统最优容量配置。
2.根据权利要求1所述的适用于智慧园区的混合储能容量配置方法，其特征在于，步骤S1考虑起始充电时间、汽车日行驶里程、充电功率和充电时长四个因素的影响建立所述电动汽车充电负荷模型，具体如下：
S11：电汽车最后一次出行时刻作为起始充电时间，电动汽车最后一次出行的结束时刻满足正态分布，其公式如下：
Figure RE-FDA0003253464570000011
其中t为起始充电时间；μs为起始充电时间的标准差；σs为起始充电时刻的标准差，μs和σs随车辆类型不同而变化；
S12：电动汽车日行驶里程满足对数正态分布，其公式如下：
Figure RE-FDA0003253464570000012
其中，s为日行驶里程，单位为km；μD为lns的期望；σD为lns的标准差。
S13：电动汽车充电时长由日行驶里程计算得到，符合对数正态分布，其公式如下：
Figure RE-FDA0003253464570000013
其中，μtc＝ln[W100/(100ηPc)]+μD为充电时长期望，W100为汽车行驶100km的耗电量，单位为(kW·h)/百公里,σtc＝σD为充电时长标准差,η为充电效率。
3.根据权利要求1所述的适用于智慧园区的混合储能容量配置方法，其特征在于，步骤S2中考虑分时电价的限制，建立含电动汽车与可再生能源的智慧园区配电网数学模型，具体如下：
混合储能要平抑配电网中光伏发电和电动汽车充电负荷的功率波动，保证电网的供需平衡，使配电网能够稳定运行，混合储能系统的功率PHESS如下所示：
PHESS＝Psc+Pb
PHESS＝PEV-PPV-Pgrid
式中：Psc、Pb分别为超级电容和锂电池的充放电功率；PEV为电动汽车充电功率；PPV为光伏发电功率，Pgrid为电网传输功率；
考虑分时电价的限制，在低电价时把电网传输功率Pgrid设定为最大，在电价平价时将电网传输功率Pgrid设定较低，在电价高价时将电网传输功率Pgrid设定为最小，在电动汽车充电功率PEV小于光伏发电功率PPV时将电网传输功率Pgrid设定为0。
4.根据权利要求1所述的适用于智慧园区的混合储能容量配置方法，其特征在于，步骤S3具体如下：
采用高通滤波器对混合储能系统的功率PHESS进行滤波，得到其高频波动分量作为超级电容器储能的主动指令Psc，然后将高通滤波后的剩余功率指令作为锂电池储能的主动指令Pb，混合储能系统功率分配存在以下关系：
Figure RE-FDA0003253464570000021
Figure RE-FDA0003253464570000022
其中，s为微分算子；Tf为滤波时间常数，根据超级电容器储能系统需要平抑的功率波动频带确定，常为秒级到分钟级。
5.根据权利要求1所述的适用于智慧园区的混合储能容量配置方法，其特征在于，步骤S4考虑分时电价的限制来进行建模，具体如下：
考虑分时电价的限制，混合储能在低电价充电，在电价平价和电价高价进行放电，两种储能在充电或者放电时应该满足荷电状态的限制，因此在电价高价和电价平价放电时应该满足从最大荷电状态放电到最小荷电状态的限制，两种储能装置的额定容量计算公式如下：
Figure RE-FDA0003253464570000023
其中，
Figure RE-FDA0003253464570000024
超级电容器的额定容量，t为储能起始放电时间，Δtp为电价平价时间段，Δth为电价高价时间段；SOCsc,max和SOCsc,min为超级电容器的荷电状态的最大值和最小值；
Figure RE-FDA0003253464570000031
其中，
Figure RE-FDA0003253464570000032
为锂电池的额定容量，SOCb，max和SOCb,min为锂电池的荷电状态的最大值和最小值。
6.根据权利要求1所述的适用于智慧园区的混合储能容量配置方法，其特征在于，步骤S5具体如下：
S51：储能系统的收益是储能系统在低电价的时候买入电力，在高电价的时候卖出电力，，混合储能系统直接利润如下表示：
Figure RE-FDA0003253464570000033
其中，Δt1表示第i时刻超级电容器充放电时间，Δt2表示第i时刻锂电池充放电时间，同一时刻储能只能维持充电或者放电的状态，不能同时进行充放电；Ri表示第i时刻的电价，k表示天数；
S52：混合储能系统的建设成本主要与其自身容量有关，计算公式如下：
C1＝αscPsc+αbPb+βscQsc+βbQb
其中，C1为混合储能系统的建设成本；αsc为超级电容器的单位功率单价；Psc为超级电容器充放电功率；αb为锂电池的单位功率单价；Pb为锂电池的充放电功率；βsc为级电容器的单位容量单价；Qsc为超级电容器的容量；βb为锂电池的单位容量单价；Qb为锂电池的容量；
S53：混合储能系统从开始投入到报废的全过程都需要维护费用，计算公式如下：
Figure RE-FDA0003253464570000034
其中，εsc为超级电容器的运行维护成本系数；εb为锂电池的运行维护成本系数；
S54：由以上得出混合储能系统的目标函数为：
Figure RE-FDA0003253464570000035
其中r为贴现率，l为储能使用年限；
S55：为确保储能系统能够正常运行，应满足以下约束：
(1)能量守恒约束，电力必须在任何时候都能满足供需平衡；
(2)输出功率约束，光伏、超级电容和锂电池应根据各自的局限性，合理设置自己的输出功率；
(3)荷电状态(SOC)约束，应根据储能的特点合理设置荷电状态的上限和下限，避免过充和过放电，影响电池寿命；
综上，约束条件为：
Figure RE-FDA0003253464570000041
其中，Psc,cmax,Pb,cmax，Psc，dmax，Pb，dmax分别为超级电容器和蓄电池的充放电最大功率；PPV，max为光伏的最大出力；SOCmax，SOCmin为电池的最大最小荷电状态。
7.根据权利要求1所述的适用于智慧园区的混合储能容量配置方法，其特征在于，步骤S6中所述的优化算法为自适应权重粒子群算法。
CN202110785945.9A 2021-07-12 2021-07-12 一种适用于智慧园区的储能容量配置方法 Active CN113595063B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110785945.9A CN113595063B (zh) 2021-07-12 2021-07-12 一种适用于智慧园区的储能容量配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110785945.9A CN113595063B (zh) 2021-07-12 2021-07-12 一种适用于智慧园区的储能容量配置方法

Publications (2)

Publication Number Publication Date
CN113595063A true CN113595063A (zh) 2021-11-02
CN113595063B CN113595063B (zh) 2023-07-25

Family

ID=78247101

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110785945.9A Active CN113595063B (zh) 2021-07-12 2021-07-12 一种适用于智慧园区的储能容量配置方法

Country Status (1)

Country Link
CN (1) CN113595063B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114204562A (zh) * 2021-12-17 2022-03-18 北京交通大学 一种考虑电动汽车与光伏的混合储能优化方法及系统
CN116151436A (zh) * 2023-01-09 2023-05-23 广州汇锦能效科技有限公司 一种面向家庭用户的光伏建筑能源规划方法及系统
CN116667415A (zh) * 2023-08-02 2023-08-29 北京清众神州大数据有限公司 一种政企综合能耗管理方法、系统、电子设备及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105098807A (zh) * 2015-07-20 2015-11-25 安阳师范学院 储能系统中多个混合储能装置间的互补优化控制方法
US20200161867A1 (en) * 2018-11-15 2020-05-21 Hefei University Of Technology Method, system and storage medium for load dispatch optimization for residential microgrid
CN112615386A (zh) * 2020-11-23 2021-04-06 国网浙江省电力有限公司台州供电公司 一种面向风电消纳的电热混合储能系统优化定容方法
CN112671018A (zh) * 2020-12-23 2021-04-16 国网湖北省电力有限公司电力科学研究院 基于直流微网的站网互动型光储充智慧充电站及控制方法
US20210155111A1 (en) * 2019-11-22 2021-05-27 State Grid Fujian Electric Power Co., Ltd. Method for establishing active distribution network planning model considering location and capacity determination of electric vehicle charging station
CN113013906A (zh) * 2021-02-23 2021-06-22 南京邮电大学 考虑电动汽车v2g模式下的光伏储能容量优化配置方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105098807A (zh) * 2015-07-20 2015-11-25 安阳师范学院 储能系统中多个混合储能装置间的互补优化控制方法
US20200161867A1 (en) * 2018-11-15 2020-05-21 Hefei University Of Technology Method, system and storage medium for load dispatch optimization for residential microgrid
US20210155111A1 (en) * 2019-11-22 2021-05-27 State Grid Fujian Electric Power Co., Ltd. Method for establishing active distribution network planning model considering location and capacity determination of electric vehicle charging station
CN112615386A (zh) * 2020-11-23 2021-04-06 国网浙江省电力有限公司台州供电公司 一种面向风电消纳的电热混合储能系统优化定容方法
CN112671018A (zh) * 2020-12-23 2021-04-16 国网湖北省电力有限公司电力科学研究院 基于直流微网的站网互动型光储充智慧充电站及控制方法
CN113013906A (zh) * 2021-02-23 2021-06-22 南京邮电大学 考虑电动汽车v2g模式下的光伏储能容量优化配置方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
兰贞波;冯万兴;胡军峰;余佳佳;黎淑娟;隗震;刘波;喻明江;: "基于可变误差多面体算法的储能融合电锅炉提升风电消纳控制技术", 电力自动化设备, no. 05 *
刘佳;孙春顺;杨江涛;韩立哲;粟咏梅;胡宸;: "平抑风电出力波动的混合储能系统优化策略", 电力科学与工程, no. 02 *
田昌;智李;任乔林;刘恒;赵吉祥;廖攀峰;肖洒;: "计及不同主体的微电网日前优化调度方案研究", 电工材料, no. 01 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114204562A (zh) * 2021-12-17 2022-03-18 北京交通大学 一种考虑电动汽车与光伏的混合储能优化方法及系统
CN114204562B (zh) * 2021-12-17 2023-12-12 北京交通大学 一种考虑电动汽车与光伏的混合储能优化方法及系统
CN116151436A (zh) * 2023-01-09 2023-05-23 广州汇锦能效科技有限公司 一种面向家庭用户的光伏建筑能源规划方法及系统
CN116151436B (zh) * 2023-01-09 2023-08-18 广州汇锦能效科技有限公司 一种面向家庭用户的光伏建筑能源规划方法及系统
CN116667415A (zh) * 2023-08-02 2023-08-29 北京清众神州大数据有限公司 一种政企综合能耗管理方法、系统、电子设备及存储介质
CN116667415B (zh) * 2023-08-02 2023-12-01 山西清众科技股份有限公司 一种政企综合能耗管理方法、系统、电子设备及存储介质

Also Published As

Publication number Publication date
CN113595063B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
Eldeeb et al. Multi-objective optimization technique for the operation of grid tied PV powered EV charging station
CN113595063B (zh) 一种适用于智慧园区的储能容量配置方法
CN112467722B (zh) 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法
Lunz et al. Influence of plug-in hybrid electric vehicle charging strategies on charging and battery degradation costs
Sundström et al. Optimization methods to plan the charging of electric vehicle fleets
CN107769235B (zh) 一种基于混合储能与电动汽车的微网能量管理方法
CN103078340A (zh) 用于优化微网联络线功率的混合储能容量优化方法
CN110796286B (zh) 一种适用于电动汽车规模化应用的配电系统的灵活规划方法
CN112671022B (zh) 光储充电站容量优化配置方法、系统、终端及存储介质
CN113859018B (zh) 大规模电动汽车群的分级充放电优化控制方法
CN113326467B (zh) 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统
CN109177805A (zh) 一种电动汽车充放电控制方法及系统
Firouzjah Profit-based electric vehicle charging scheduling: Comparison with different strategies and impact assessment on distribution networks
KR20150022732A (ko) 전력계통 운영 보조서비스를 위한 전기자동차 충전개소의 참여용량 제어방법 및 시스템
US20230148201A1 (en) Method and system for supplying power to device, and related device
CN114944661A (zh) 一种基于储能系统滚动优化的微电网三阶段优化控制方法
Khoubseresht et al. An analytical optimum method for simultaneous integration of PV, wind turbine and BESS to maximize technical benefits
CN110826801A (zh) 电动车充电站分布式电能管理方法
CN109672199B (zh) 一种基于能量平衡的电动汽车削峰填谷能力估计方法
Fan et al. Cost-benefit analysis of optimal charging strategy for electric vehicle with V2G
Shahbazi et al. Probabilistic optimal allocation of electric vehicle charging stations considering the uncertain loads by using the Monte Carlo simulation method
Shrestha et al. A study of electric vehicle battery charging demand in the context of Singapore
Лавренова et al. Optimization of power dispatching schedule of a charging station based on a micro grid with a photovoltaic module
Striani et al. Wind Based Charging via Autonomously Controlled EV Chargers under Grid Constraints
Quan-Do et al. Monitoring of power allocation in centralized electric vehicle charging spot system

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