CN113609711A - 一种云储能运行机制的时序模拟模型的建立方法及系统 - Google Patents
一种云储能运行机制的时序模拟模型的建立方法及系统 Download PDFInfo
- Publication number
- CN113609711A CN113609711A CN202111062341.8A CN202111062341A CN113609711A CN 113609711 A CN113609711 A CN 113609711A CN 202111062341 A CN202111062341 A CN 202111062341A CN 113609711 A CN113609711 A CN 113609711A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- user
- power
- power supply
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 386
- 238000004088 simulation Methods 0.000 title claims abstract description 71
- 230000007246 mechanism Effects 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000005611 electricity Effects 0.000 claims abstract description 243
- 238000007599 discharging Methods 0.000 claims abstract description 93
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000003860 storage Methods 0.000 claims description 59
- 238000005338 heat storage Methods 0.000 claims description 21
- 230000009467 reduction Effects 0.000 claims description 18
- 238000011160 research Methods 0.000 description 8
- 230000006399 behavior Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 238000010248 power generation Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000012546 transfer Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 235000019800 disodium phosphate Nutrition 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005057 refrigeration Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供一种云储能运行机制的时序模拟模型的建立方法及系统,其中方法包括:根据需求侧负荷情况,将需求侧用户划分为五类用户,并为每一类用户提供不同的供电组合模式;获取用户用电过程中的实时电价,根据所述实时电价及云储能时序充放策略,得到用户与云储能之间的供电关系;根据所述供电组合模式、所述云储能时序充放策略及所述供电关系,构建云储能运行机制的时序模拟模型。本发明结合不同类型用户进行针对性讨论,安排合适的多储能设备组合,在保障电力平衡的同时,降低用电成本;考虑用户电价及负荷量这些重要影响因子来设计云储能时序模拟模型;明确了在不同工况下多类型云储能的充电和放电的条件,获得了云储能设备的最优充放策略。
Description
技术领域
本发明涉及电力系统技术领域,特别是涉及一种云储能运行机制的时序模拟模型的建立方法及系统。
背景技术
近年来,以风电、光伏为代表的可再生能源发电技术得到了快速发展与应用,这些分布式能源在并网时由于具有随机性、间歇性和波动性的特性,给电力系统安全稳定运行产生越来越大的压力。分布式电源接入配电网导致原有供电体系出现“低标准、弱联系、低电压”等问题。
发明内容
为解决以上现有技术问题,本发明提供一种云储能运行机制的时序模拟模型的建立方法及系统,针对多类典型用户用电需求结构和负荷曲线信息,充分反映电网的实际情况,为含多类型云储能时序模拟模型的实际电网提供实时数据支撑,满足实际系统中加装不同类型储能装置协调运行的要求。
本发明第一方面提供一种云储能运行机制的时序模拟模型的建立方法,包括:
根据需求侧负荷情况,将需求侧用户划分为五类用户,并为每一类用户提供不同的供电组合模式;
获取用户用电过程中的实时电价,根据所述实时电价及云储能时序充放策略,得到用户与云储能之间的供电关系;
根据所述供电组合模式、所述云储能时序充放策略及所述供电关系,构建云储能运行机制的时序模拟模型。
进一步地,所述根据所述实时电价及云储能时序充放策略,得到用户与云储能之间的供电关系,包括:
判断所述实时电价、预设充电临界电价及预设放电临界电价的大小关系;
若所述实时电价小于等于所述预设充电临界电价,则用户向云储能充电;
若所述实时电价大于等于所述预设放电临界电价,则云储能向用户放电;
若所述实时电价大于等于所述预设充电临界电价,且小于等于所述预设放电临界电价,则用户从电网购电。
进一步地,所述实时电价小于等于所述预设充电临界电价,则用户向云储能充电,通过以下公式表示:
其中,βt为实时电价,为预设充电临界电价,为用户k在时段t的储能充电功率,为用户k在时段t的储能放电功率,为用户k的电量容量,为用户k的储能功率容量,ek,t-1为用户k在时段t结束前的时刻的储能电量,为用户k储能充电效率,Δt为每个时段的时间间隔;
所述实时电价大于等于所述预设放电临界电价,则云储能向用户放电,通过以下公式表示:
其中,βt为实时电价,为预设放电临界电价,为用户k在时段t的储能充电功率,为用户k在时段t的储能放电功率,为用户k的电量容量,为用户k的储能功率容量,ek,t-1为用户k在时段t结束前的时刻的储能电量,为用户k储能充电效率,为用户k储能放电效率,为用户k的储能最小电量,Δt为每个时段的时间间隔;
所述实时电价大于等于所述预设充电临界电价,且小于等于所述预设放电临界电价,则用户从电网购电,通过以下公式表示:
其中,βt为实时电价,为预设充电临界电价,为预设放电临界电价,为用户k在时段t的储能充电功率,为用户k在时段t的储能放电功率,为用户k的电量容量,为用户k的储能功率容量,ek,t-1为用户k在时段t结束前的时刻的储能电量,为用户k储能充电效率,Δt为每个时段的时间间隔。
进一步地,所述根据需求侧负荷情况,将需求侧用户划分为五类用户,并为每一类用户提供不同的供电组合模式,包括:
根据负荷曲线特征、用户结构特征及应用场景,将需求侧用户划分为日间积极用户、夜间积极用户、公交系统用户、商业场所用户及医疗教育系统用户;
为所述日间积极用户提供冰蓄冷与蓄热罐的供电组合模式;
为所述夜间积极用户提供冰蓄冷、电动汽车与蓄热罐的供电组合模式;
为所述公交系统用户提供电动汽车与蓄电池的供电组合模式;
为所述公交系统用户提供冰蓄冷与蓄电池的供电组合模式;
为所述医疗教育系统用户提供冰蓄冷、蓄电池与蓄热罐的供电组合模式。
进一步地,所述构建云储能运行机制的时序模拟模型之前,还包括:
判断云储能的电力系统的运行状态,并根据所述运行状态分析电力系统的全时序状态;其中,所述云储能的电力系统包括:常规电源及储能装置;
所述判断云储能的电力系统的运行状态,并根据所述运行状态分析电力系统的全时序状态,包括:
若所述常规电源及储能装置均为正常状态,且满足负荷功率需求小于等于系统运行时常规电源的输出功率与储能装置输出功率之和,则所述电力系统的状态为正常供电;
若所述常规电源及储能装置均为正常状态,且满足负荷功率需求大于系统运行时常规电源的输出功率与储能装置输出功率之和,则所述电力系统的状态为负荷削减;
若所述常规电源为故障状态,储能装置为正常状态,且满足负荷功率需求小于等于储能装置输出功率,则所述电力系统的状态为正常供电;
若所述常规电源为故障状态,储能装置为正常状态,且满足负荷功率需求小于等于储能装置输出功率,则所述电力系统的状态为负荷削减;
若所述常规电源为正常状态,储能装置为故障状态,且满足负荷功率需求小于等于常规电源的输出功率,则所述电力系统的状态为正常供电;
若所述常规电源为正常状态,储能装置为故障状态,且满足负荷功率需求大于常规电源的输出功率,则所述电力系统的状态为负荷削减。
本发明第二方面还提供一种云储能运行机制的时序模拟模型的建立系统,包括:
用户分类模块,用于根据需求侧负荷情况,将需求侧用户划分为五类用户,并为每一类用户提供不同的供电组合模式;
供电关系获取模块,用于获取用户用电过程中的实时电价,根据所述实时电价及云储能时序充放策略,得到用户与云储能之间的供电关系;
时序模拟模型构建模块,用于根据所述供电组合模式、所述云储能时序充放策略及所述供电关系,构建云储能运行机制的时序模拟模型。
进一步地,所述供电关系获取模块,还用于:
判断所述实时电价、预设充电临界电价及预设放电临界电价的大小关系;
若所述实时电价小于等于所述预设充电临界电价,则用户向云储能充电;
若所述实时电价大于等于所述预设放电临界电价,则云储能向用户放电;
若所述实时电价大于等于所述预设充电临界电价,且小于等于所述预设放电临界电价,则用户从电网购电。
进一步地,所述实时电价小于等于所述预设充电临界电价,则用户向云储能充电,通过以下公式表示:
其中,βt为实时电价,为预设充电临界电价,为用户k在时段t的储能充电功率,为用户k在时段t的储能放电功率,为用户k的电量容量,为用户k的储能功率容量,ek,t-1为用户k在时段t结束前的时刻的储能电量,为用户k储能充电效率,Δt为每个时段的时间间隔;
所述实时电价大于等于所述预设放电临界电价,则云储能向用户放电,通过以下公式表示:
其中,βt为实时电价,为预设放电临界电价,为用户k在时段t的储能充电功率,为用户k在时段t的储能放电功率,为用户k的电量容量,为用户k的储能功率容量,ek,t-1为用户k在时段t结束前的时刻的储能电量,为用户k储能充电效率,为用户k储能放电效率,为用户k的储能最小电量,Δt为每个时段的时间间隔;
所述实时电价大于等于所述预设充电临界电价,且小于等于所述预设放电临界电价,则用户从电网购电,通过以下公式表示:
其中,βt为实时电价,为预设充电临界电价,为预设放电临界电价,为用户k在时段t的储能充电功率,为用户k在时段t的储能放电功率,为用户k的电量容量,为用户k的储能功率容量,ek,t-1为用户k在时段t结束前的时刻的储能电量,为用户k储能充电效率,Δt为每个时段的时间间隔。
进一步地,所述用户分类模块,还用于:
根据负荷曲线特征、用户结构特征及应用场景,将需求侧用户划分为日间积极用户、夜间积极用户、公交系统用户、商业场所用户及医疗教育系统用户;
为所述日间积极用户提供冰蓄冷与蓄热罐的供电组合模式;
为所述夜间积极用户提供冰蓄冷、电动汽车与蓄热罐的供电组合模式;
为所述公交系统用户提供电动汽车与蓄电池的供电组合模式;
为所述公交系统用户提供冰蓄冷与蓄电池的供电组合模式;
为所述医疗教育系统用户提供冰蓄冷、蓄电池与蓄热罐的供电组合模式。
进一步地,所述时序模拟模型构建模块,还用于:
判断云储能的电力系统的运行状态,并根据所述运行状态分析电力系统的全时序状态;其中,所述云储能的电力系统包括:常规电源及储能装置;
所述判断云储能的电力系统的运行状态,并根据所述运行状态分析电力系统的全时序状态,包括:
若所述常规电源及储能装置均为正常状态,且满足负荷功率需求小于等于系统运行时常规电源的输出功率与储能装置输出功率之和,则所述电力系统的状态为正常供电;
若所述常规电源及储能装置均为正常状态,且满足负荷功率需求大于系统运行时常规电源的输出功率与储能装置输出功率之和,则所述电力系统的状态为负荷削减;
若所述常规电源为故障状态,储能装置为正常状态,且满足负荷功率需求小于等于储能装置输出功率,则所述电力系统的状态为正常供电;
若所述常规电源为故障状态,储能装置为正常状态,且满足负荷功率需求小于等于储能装置输出功率,则所述电力系统的状态为负荷削减;
若所述常规电源为正常状态,储能装置为故障状态,且满足负荷功率需求小于等于常规电源的输出功率,则所述电力系统的状态为正常供电;
若所述常规电源为正常状态,储能装置为故障状态,且满足负荷功率需求大于常规电源的输出功率,则所述电力系统的状态为负荷削减。
与现有技术相比,本发明实施例的有益效果在于:
本发明提供一种云储能运行机制的时序模拟模型的建立方法及系统,其中方法包括:根据需求侧负荷情况,将需求侧用户划分为五类用户,并为每一类用户提供不同的供电组合模式;获取用户用电过程中的实时电价,根据所述实时电价及云储能时序充放策略,得到用户与云储能之间的供电关系;根据所述供电组合模式、所述云储能时序充放策略及所述供电关系,构建云储能运行机制的时序模拟模型。本发明解决了需求侧不同类型用户其用电行为具有明显差异的问题,依据多类典型用户用电需求结构和负荷曲线特征来安排不同储能设备组合,设计合适的云储能充放策略来构建多类型云储能时序模拟模型,相较于已有的云储能模型,具有以下优点:用户需求是影响云储能充放时序状态的重要环节,结合不同类型用户进行针对性讨论,安排合适的多储能设备组合,在保障电力平衡的同时,降低用电成本;考虑用户(实时/峰谷)电价及负荷量这些重要影响因子来设计云储能时序模拟模型;明确了在不同工况下多类型云储能的充电和放电的条件,获得了多类型云储能设备的最优充放策略。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施方式中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明某一实施例提供的一种云储能运行机制的时序模拟模型的建立方法的流程图;
图2是本发明另一实施例提供的一种云储能运行机制的时序模拟模型的建立方法的流程图;
图3是本发明另一实施例提供的一种云储能运行机制的时序模拟模型的建立方法的流程图;
图4是本发明又一实施例提供的一种云储能运行机制的时序模拟模型的建立方法的流程图;
图5是本发明某一实施例提供的一种基于多类型云储能典型运行机制的时序模拟模型的示意图;
图6是本发明某一实施例提供的基于多设备组合的云储能及多类典型用户用电需求的时序模拟模型设计的流程图;
图7是本发明某一实施例提供的一种云储能运行机制的时序模拟模型的建立系统的装置图;
图8是本发明某一实施例提供的一种电子设备的结构图。
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。
应当理解,文中所使用的步骤编号仅是为了方便描述,不对作为对步骤执行先后顺序的限定。
应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
近年来,以风电、光伏为代表的可再生能源发电技术得到了快速发展与应用,这些分布式能源在并网时由于具有随机性、间歇性和波动性的特性,给电力系统安全稳定运行产生越来越大的压力。分布式电源接入配电网导致原有供电体系出现“低标准、弱联系、低电压”等问题,而用户侧需求响应作为一种有效调节手段,可以在一定程度上缓解上述问题,但从根本上出发,还是需要引入储能来解决。云储能作为一种新型的共享储能技术,构建的云储能信息平台结合电网实现了用户与储能设备之间的能量传递。
云储能与分布式储能的使用目的相同,都消除了一些新能源发电的间歇性以及电力市场价格的波动,进一步提高了储能设备的利用率,从而降低了储能成本。云储能主要分为两种类型:一种是用户拥有分布式储能设备,共享储能平台;另一种是独立共享储能运营商以自建储能设施为主,用户侧租赁现有分布式储能资源为辅,搭建储能服务平台,为用户提供完整形式的云储能服务。
基于多类型云储能典型运行机制的时序模拟模型克服了以往研究只针对单类型储能装置的问题,并且以往大规模储能规划方法也没有考虑到区域之间的能量流动。在云储能系统中,用户首先购买储能容量,以获得分布式储能服务;然后,用户通过智能终端实现与云储能系统的信息通信,管理已购容量的充放电,实现信息和费用的双向传输。在此期间,用户与储能设施通过电网进行能量传递。
目前云储能研究框架可以分为三条主线:运营主线、对象主线和市场主线。其中运营主线从云储能提供商的储能设备规划、储能设备运行以及整体经济技术评估三个角度展开研究,建立合理的指标体系来给与评价;对象主线从与云储能有联系的市场成员展开研究,包含参与云储能服务的用户与非用户但与云储能相互影响的市场成员;市场主线从针对性的服务套餐和合理的价格机制展开研究。
当前提高可再生能源的利用率大多采用增加储能装置,储能作为大规模分布式新能源发电接入和利用的重要支撑技术,在改善网络之间的刚性关联具有一定的优势。现有的研究成果大多只考虑在电网中加入某一种储能装置来提高,没有考虑到实际电网设备的运行情况。接入多类型的储能装置能够使系统在耗能低谷时段储存能量,在耗能高峰时段释放能量,进一步实现“削峰填谷”、增加新能源的有效利用的目的。
根据云储能运行重要影响因子设计基于多类型云储能的时序模拟模型,比如说:以用户(实时/峰谷)电价及负荷量为重要影响因子的云储能时序充放模型。当实时电价小于等于充电临界电价时,用户向云储能充电;当实时电价大于放电临时电价时,云储能向用户放电。
目前大多数研究涉及到的储能模型未充分考虑储能模型因不同类型、不同运行机制而给大电网带来的影响,导致无法满足实际系统中加装不同类型储能装置协调运行的要求。
已有的文献研究中多以长时间尺度研究市场主体在配额制下的策略性行为,未考虑到以风电为代表的可再生能源的时序特性,不能充分反映大电网的实际情况,无法为含多类型云储能时序模拟模型的实际电网提供实时数据支撑。
传统研究由于不同类型用户其用电行为具有明显差异等原因,导致对用户需求考虑不够全面,目前并没有针对多类典型用户用电需求结构和负荷曲线信息的综合分析方法。
目前,还没有一种能够基于多类型云储能典型运行机制的时序模拟模型被提出。
本发明的目的在于提供一种云储能运行机制的时序模拟模型的建立方法及系统。根据已有的不同类型的储能装置,进行多设备组合,发挥各个独立设备的特性优势,建立多设备组合的综合型云储能典型架构,考虑多类典型用户用电需求结构及负荷曲线信息,最后根据云储能运行重要影响因子来实现基于多类型云储能时序模拟模型的构造。
第一方面。
请参阅图1-4,本发明一实施例提供一种云储能运行机制的时序模拟模型的建立方法,包括:
S10、根据需求侧负荷情况,将需求侧用户划分为五类用户,并为每一类用户提供不同的供电组合模式。
S20、获取用户用电过程中的实时电价,根据所述实时电价及云储能时序充放策略,得到用户与云储能之间的供电关系。
S30、根据所述供电组合模式、所述云储能时序充放策略及所述供电关系,构建云储能运行机制的时序模拟模型。
在本发明实施例的某一具体实施方式中,所述步骤S20包括:
S21、判断所述实时电价、预设充电临界电价及预设放电临界电价的大小关系。
S22、若所述实时电价小于等于所述预设充电临界电价,则用户向云储能充电。
S23、若所述实时电价大于等于所述预设放电临界电价,则云储能向用户放电。
S24、若所述实时电价大于等于所述预设充电临界电价,且小于等于所述预设放电临界电价,则用户从电网购电。
优选地,所述实时电价小于等于所述预设充电临界电价,则用户向云储能充电,通过以下公式表示:
其中,βt为实时电价,为预设充电临界电价,为用户k在时段t的储能充电功率,为用户k在时段t的储能放电功率,为用户k的电量容量,为用户k的储能功率容量,ek,t-1为用户k在时段t结束前的时刻的储能电量,为用户k储能充电效率,Δt为每个时段的时间间隔;
所述实时电价大于等于所述预设放电临界电价,则云储能向用户放电,通过以下公式表示:
其中,βt为实时电价,为预设放电临界电价,为用户k在时段t的储能充电功率,为用户k在时段t的储能放电功率,为用户k的电量容量,为用户k的储能功率容量,ek,t-1为用户k在时段t结束前的时刻的储能电量,为用户k储能充电效率,为用户k储能放电效率,为用户k的储能最小电量,Δt为每个时段的时间间隔;
所述实时电价大于等于所述预设充电临界电价,且小于等于所述预设放电临界电价,则用户从电网购电,通过以下公式表示:
其中,βt为实时电价,为预设充电临界电价,为预设放电临界电价,为用户k在时段t的储能充电功率,为用户k在时段t的储能放电功率,为用户k的电量容量,为用户k的储能功率容量,ek,t-1为用户k在时段t结束前的时刻的储能电量,为用户k储能充电效率,Δt为每个时段的时间间隔。
在本发明实施例的某一具体实施方式中,所述步骤S10包括:
S11、根据负荷曲线特征、用户结构特征及应用场景,将需求侧用户划分为日间积极用户、夜间积极用户、公交系统用户、商业场所用户及医疗教育系统用户。
S12、为所述日间积极用户提供冰蓄冷与蓄热罐的供电组合模式。
S13、为所述夜间积极用户提供冰蓄冷、电动汽车与蓄热罐的供电组合模式。
S14、为所述公交系统用户提供电动汽车与蓄电池的供电组合模式。
S15、为所述公交系统用户提供冰蓄冷与蓄电池的供电组合模式。
S16、为所述医疗教育系统用户提供冰蓄冷、蓄电池与蓄热罐的供电组合模式。
在本发明实施例的某一具体实施方式中,所述步骤S30包括:
S31、判断云储能的电力系统的运行状态,并根据所述运行状态分析电力系统的全时序状态;其中,所述云储能的电力系统包括:常规电源及储能装置。
优选地,所述步骤S31包括:
若所述常规电源及储能装置均为正常状态,且满足负荷功率需求小于等于系统运行时常规电源的输出功率与储能装置输出功率之和,则所述电力系统的状态为正常供电;
若所述常规电源及储能装置均为正常状态,且满足负荷功率需求大于系统运行时常规电源的输出功率与储能装置输出功率之和,则所述电力系统的状态为负荷削减;
若所述常规电源为故障状态,储能装置为正常状态,且满足负荷功率需求小于等于储能装置输出功率,则所述电力系统的状态为正常供电;
若所述常规电源为故障状态,储能装置为正常状态,且满足负荷功率需求小于等于储能装置输出功率,则所述电力系统的状态为负荷削减;
若所述常规电源为正常状态,储能装置为故障状态,且满足负荷功率需求小于等于常规电源的输出功率,则所述电力系统的状态为正常供电;
若所述常规电源为正常状态,储能装置为故障状态,且满足负荷功率需求大于常规电源的输出功率,则所述电力系统的状态为负荷削减。
本发明提供的方法解决了需求侧不同类型用户其用电行为具有明显差异的问题,依据多类典型用户用电需求结构和负荷曲线特征来安排不同储能设备组合,设计合适的云储能充放策略来构建多类型云储能时序模拟模型,相较于已有的云储能模型,具有以下优点:用户需求是影响云储能充放时序状态的重要环节,结合不同类型用户进行针对性讨论,安排合适的多储能设备组合,在保障电力平衡的同时,降低用电成本;考虑用户(实时/峰谷)电价及负荷量这些重要影响因子来设计云储能时序模拟模型;明确了在不同工况下多类型云储能的充电和放电的条件,获得了多类型云储能设备的最优充放策略。
在本发明另一具体实施例中,本发明提供了一种基于多类型云储能典型运行机制的时序模拟模型,如图5所示该模型的主要组成结构包括:
(A)各类储能独立设备
(B)多类型储能系统
(C)重要影响因子
(D)云储能充放策略
所述(A)各类储能独立设备,包括:A1电动汽车、A2蓄电池、A3冰蓄冷系统、A4蓄热罐。
所述(B)多类型储能系统,包括:B1多设备组合、B2典型运行机制。
所述(C)重要影响因子,包括:C1多类典型用户用电需求、C2负荷曲线信息。
所述(D)云储能充放策略,合适的云储能充放策略将有利于准确的云储能时序模拟模型构建。
基于多类型云储能的时序模拟模型是指在给定的负荷条件下,模拟各发电机组的运行状况,同时还能计算发电系统生产费用,通过将系统负荷、机组发电出力看作随时间变化的时间序列,能够计及时序变化特性。
使用云储能如同使用实体储能,需求侧可对购买的“虚拟电池”发出充放电指令。为保证相同的“使用体验”,“虚拟电池”的充放电模式如同实体储能,“即买即用,实时调用”。需求侧无需上报云储能提供商自身使用储能的充放电计划,而是结合自身的情况“随意”调用。此外,云储能提供商的优化决策需要充分考虑用户未来充放电行为的不确定性,基于预测信息做出安排,预先安排不同储能设备最优充放电策略。
所述(A)各类储能设备,主要为目前市场上常见的储能设备,包括:A1电动汽车、A2蓄电池、A3冰蓄冷系统、A4蓄热罐,了解以上各种储能单元类型的特性,可以将过剩的电能储存在内,然后在尖峰负荷、应急等情况下将储能转化为电能,从而提高能源使用效益,进一步改善电网质量。
所述(B)多类型储能系统,主要为考虑多储能设备组合的综合型云储能典型运行机制。
所述(C)重要影响因子,主要考虑多类典型用户用电需求结构和负荷曲线信息,用户需求是影响云储能充放时序状态的重要环节,因此分析云储能时序模拟模型需结合用户类型针对性讨论。以用户需求结构特征划分:公交系统的电动汽车耗电占比较高、商场的制冷需求耗电占比较高;以负荷曲线特征划分:一些办公、商业及工地等场所属于日间积极用户,而酒店、居民区等场所属于夜间积极用户。
所述(D)云储能充放策略,根据云储能运行过程中用户(实时/峰谷)电价及负荷量为重要影响因子来设计云储能时序充放模型,用户需求侧k在t时间段的充放电逻辑主要分为以下3种情况,详细过程如下所示:
式中,和分别为用户k在时段t的储能充电和放电功率;和分别为用户k的储能功率容量和电量容量;为用户k的储能最小电量;ek,t-1为用户k的储能在t时段结束前一时刻的电量;和分别为用户k储能充电和放电效率;Δt为每个时段的时间间隔。
此外,每个用户k相邻两时段之间通过如下关系递推用户的云端储能所存储的能量,式中rk为用户k的云端电池的自放电率:
用户侧需要实时向云储能运营商发送充电及放电需求。所有用户参数的加总即为云储能运营商的决策所需的用户侧需求参数。
本发明提供了一种基于多类型云储能典型运行机制的时序模拟模型,考虑基于多设备组合的云储能及多类典型用户用电需求的时序模拟模型设计流程如图6所示,包括:
步骤一,从系统平台获取不同类型用户需求侧负荷情况,对负荷曲线信息和用户结构进行针对性分析,为综合型云储能典型架构的建立提供数据支撑;
步骤二,根据用户需求侧负荷情况和用户(实时/峰谷)电价安排合适的多储能设备组合,以满足多类典型用户用电需求;
步骤三,当常规能源发电时,若常规机组的输出能够满足负荷需求,储能设备充电;若输出不能满足负荷需求,储能装置在容量约束范围内进行放电;
步骤四,结合以上的云储能时序充放策略,可生成基于多类型云储能典型运行机制的时序模拟模型,从而云储能可通过灵活调控负荷曲线实现用户与电网运营商用能峰谷时段转移而获得运行收益;
具体的:
所述步骤一,用户需求是影响云储能充放时序状态的重要环节,分析云储能时序模拟需结合用户类型针对性讨论,根据获得的需求侧负荷情况,按照负荷曲线特征可划分为:办公、商业等一些日间积极用户,酒店、居民区等一些夜间积极用户。按照用户结构特征划分:电动汽车耗电占比较高(如公交系统)和制冷需求耗电占比较高(如商场);
所述步骤二,根据用户需求侧负荷情况,针对日间积极用户,可采用冰蓄冷和蓄热罐的设备组合;针对夜间积极用户,可采用冰蓄冷、电动汽车和蓄热罐的多设备组合。对于公交系统,储能装置可采用电动汽车和蓄电池的组合;而对于商场,储能装置可采用冰蓄冷系统和蓄电池。具体分类情况如表1所示:
表1:不同应用场景的多储能设备组合
所述步骤三,考虑用户(实时/峰谷)电价及负荷量为重要影响因子的云储能时序充放模型,当实时电价小于等于充电临界电价时,用户向云储能充电;当实时电价大于等于放电临界电价,云储能向用户放电;当实时电价介于充电临界电价和放电临界电价之间时,需求侧用户主要是从电网购电,而不是用储能放电;
所示步骤四,获得多类型云储能典型时序模拟曲线,结合上述的云储能时序充放策略,可构建相应的多类型云储能时序模拟模型,进一步灵活调控负荷曲线实现用户与电网运营商用能峰谷时段转移而获得运行收益;
使用云储能如同使用实体储能,需求侧可对购买的“虚拟电池”发出充放电指令。当系统处于不同的运行工况下时,可对含多类型云储能的电力系统进行全时序状态分析,如表2所示:
表2:含多类型云储能的电力系统运行全时序状态分析
表2中,Pcon表示系统运行时常规电源的输出功率,Pesd表示储能装置输出功率,PL表示负荷功率需求。由表2可知,含多类型云储能的系统有6种运行状态。当储能系统故障或者储能不足时,失去了储能的平滑作用,此时仅由常规机组供电,若常规机组的输出功率小于负荷需求功率,需要切除一部分负荷来维持剩余负荷的正常供电,进一步证明配备云储能装置的必要性,能提高配电网供电可靠性并且改善电能质量。
本发明解决了需求侧不同类型用户其用电行为具有明显差异的问题,依据多类典型用户用电需求结构和负荷曲线特征来安排不同储能设备组合,设计合适的云储能充放策略来构建多类型云储能时序模拟模型,相较于已有的云储能模型,具有以下优点:
1、用户需求是影响云储能充放时序状态的重要环节,结合不同类型用户进行针对性讨论,安排合适的多储能设备组合,在保障电力平衡的同时,降低用电成本。
2、考虑用户(实时/峰谷)电价及负荷量这些重要影响因子来设计云储能时序模拟模型;
3、明确了在不同工况下多类型云储能的充电和放电的条件,获得了多类型云储能设备的最优充放策略。
第二方面。
请参阅图7,本发明一实施例提供一种云储能运行机制的时序模拟模型的建立系统,包括:
用户分类模块10,用于根据需求侧负荷情况,将需求侧用户划分为五类用户,并为每一类用户提供不同的供电组合模式。
供电关系获取模块20,用于获取用户用电过程中的实时电价,根据所述实时电价及云储能时序充放策略,得到用户与云储能之间的供电关系。
时序模拟模型构建模块30,用于根据所述供电组合模式、所述云储能时序充放策略及所述供电关系,构建云储能运行机制的时序模拟模型。
在本发明实施例的某一具体实施方式中,所述供电关系获取模块20,还用于:
判断所述实时电价、预设充电临界电价及预设放电临界电价的大小关系;
若所述实时电价小于等于所述预设充电临界电价,则用户向云储能充电;
若所述实时电价大于等于所述预设放电临界电价,则云储能向用户放电;
若所述实时电价大于等于所述预设充电临界电价,且小于等于所述预设放电临界电价,则用户从电网购电。
优选地,所述实时电价小于等于所述预设充电临界电价,则用户向云储能充电,通过以下公式表示:
其中,βt为实时电价,为预设充电临界电价,为用户k在时段t的储能充电功率,为用户k在时段t的储能放电功率,为用户k的电量容量,为用户k的储能功率容量,ek,t-1为用户k在时段t结束前的时刻的储能电量,为用户k储能充电效率,Δt为每个时段的时间间隔;
所述实时电价大于等于所述预设放电临界电价,则云储能向用户放电,通过以下公式表示:
其中,βt为实时电价,为预设放电临界电价,为用户k在时段t的储能充电功率,为用户k在时段t的储能放电功率,为用户k的电量容量,为用户k的储能功率容量,ek,t-1为用户k在时段t结束前的时刻的储能电量,为用户k储能充电效率,为用户k储能放电效率,为用户k的储能最小电量,Δt为每个时段的时间间隔;
所述实时电价大于等于所述预设充电临界电价,且小于等于所述预设放电临界电价,则用户从电网购电,通过以下公式表示:
其中,βt为实时电价,为预设充电临界电价,为预设放电临界电价,为用户k在时段t的储能充电功率,为用户k在时段t的储能放电功率,为用户k的电量容量,为用户k的储能功率容量,ek,t-1为用户k在时段t结束前的时刻的储能电量,为用户k储能充电效率,Δt为每个时段的时间间隔。
在本发明实施例的某一具体实施方式中,所述用户分类模块10,还用于:
根据负荷曲线特征、用户结构特征及应用场景,将需求侧用户划分为日间积极用户、夜间积极用户、公交系统用户、商业场所用户及医疗教育系统用户;
为所述日间积极用户提供冰蓄冷与蓄热罐的供电组合模式;
为所述夜间积极用户提供冰蓄冷、电动汽车与蓄热罐的供电组合模式;
为所述公交系统用户提供电动汽车与蓄电池的供电组合模式;
为所述公交系统用户提供冰蓄冷与蓄电池的供电组合模式;
为所述医疗教育系统用户提供冰蓄冷、蓄电池与蓄热罐的供电组合模式。
在本发明实施例的某一具体实施方式中,所述时序模拟模型构建模块30,还用于:
判断云储能的电力系统的运行状态,并根据所述运行状态分析电力系统的全时序状态;其中,所述云储能的电力系统包括:常规电源及储能装置;
所述判断云储能的电力系统的运行状态,并根据所述运行状态分析电力系统的全时序状态,包括:
若所述常规电源及储能装置均为正常状态,且满足负荷功率需求小于等于系统运行时常规电源的输出功率与储能装置输出功率之和,则所述电力系统的状态为正常供电;
若所述常规电源及储能装置均为正常状态,且满足负荷功率需求大于系统运行时常规电源的输出功率与储能装置输出功率之和,则所述电力系统的状态为负荷削减;
若所述常规电源为故障状态,储能装置为正常状态,且满足负荷功率需求小于等于储能装置输出功率,则所述电力系统的状态为正常供电;
若所述常规电源为故障状态,储能装置为正常状态,且满足负荷功率需求小于等于储能装置输出功率,则所述电力系统的状态为负荷削减;
若所述常规电源为正常状态,储能装置为故障状态,且满足负荷功率需求小于等于常规电源的输出功率,则所述电力系统的状态为正常供电;
若所述常规电源为正常状态,储能装置为故障状态,且满足负荷功率需求大于常规电源的输出功率,则所述电力系统的状态为负荷削减。
本发明提供的系统解决了需求侧不同类型用户其用电行为具有明显差异的问题,依据多类典型用户用电需求结构和负荷曲线特征来安排不同储能设备组合,设计合适的云储能充放策略来构建多类型云储能时序模拟模型,相较于已有的云储能模型,具有以下优点:用户需求是影响云储能充放时序状态的重要环节,结合不同类型用户进行针对性讨论,安排合适的多储能设备组合,在保障电力平衡的同时,降低用电成本;考虑用户(实时/峰谷)电价及负荷量这些重要影响因子来设计云储能时序模拟模型;明确了在不同工况下多类型云储能的充电和放电的条件,获得了多类型云储能设备的最优充放策略。
第三方面。
本发明提供了一种电子设备,该电子设备包括:
处理器、存储器和总线;
所述总线,用于连接所述处理器和所述存储器;
所述存储器,用于存储操作指令;
所述处理器,用于通过调用所述操作指令,可执行指令使处理器执行如本申请的第一方面所示的一种云储能运行机制的时序模拟模型的建立方法对应的操作。
在一个可选实施例中提供了一种电子设备,如图8所示,图8所示的电子设备5000包括:处理器5001和存储器5003。其中,处理器5001和存储器5003相连,如通过总线5002相连。可选地,电子设备5000还可以包括收发器5004。需要说明的是,实际应用中收发器5004不限于一个,该电子设备5000的结构并不构成对本申请实施例的限定。
处理器5001可以是CPU,通用处理器,DSP,ASIC,FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器5001也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
总线5002可包括一通路,在上述组件之间传送信息。总线5002可以是PCI总线或EISA总线等。总线5002可以分为地址总线、数据总线、控制总线等。为便于表示,图8中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
存储器5003可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
存储器5003用于存储执行本申请方案的应用程序代码,并由处理器5001来控制执行。处理器5001用于执行存储器5003中存储的应用程序代码,以实现前述任一方法实施例所示的内容。
其中,电子设备包括但不限于:移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。
第四方面。
本发明提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,该程序被处理器执行时实现本申请第一方面所示的一种云储能运行机制的时序模拟模型的建立方法。
本申请的又一实施例提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,当其在计算机上运行时,使得计算机可以执行前述方法实施例中相应内容。
Claims (10)
1.一种云储能运行机制的时序模拟模型的建立方法,其特征在于,包括:
根据需求侧负荷情况,将需求侧用户划分为五类用户,并为每一类用户提供不同的供电组合模式;
获取用户用电过程中的实时电价,根据所述实时电价及云储能时序充放策略,得到用户与云储能之间的供电关系;
根据所述供电组合模式、所述云储能时序充放策略及所述供电关系,构建云储能运行机制的时序模拟模型。
2.如权利要求1所述的一种云储能运行机制的时序模拟模型的建立方法,其特征在于,所述根据所述实时电价及云储能时序充放策略,得到用户与云储能之间的供电关系,包括:
判断所述实时电价、预设充电临界电价及预设放电临界电价的大小关系;
若所述实时电价小于等于所述预设充电临界电价,则用户向云储能充电;
若所述实时电价大于等于所述预设放电临界电价,则云储能向用户放电;
若所述实时电价大于等于所述预设充电临界电价,且小于等于所述预设放电临界电价,则用户从电网购电。
3.如权利要求2所述的一种云储能运行机制的时序模拟模型的建立方法,其特征在于,
所述实时电价小于等于所述预设充电临界电价,则用户向云储能充电,通过以下公式表示:
其中,βt为实时电价,为预设充电临界电价,为用户k在时段t的储能充电功率,为用户k在时段t的储能放电功率,为用户k的电量容量,为用户k的储能功率容量,ek,t-1为用户k在时段t结束前的时刻的储能电量,为用户k储能充电效率,Δt为每个时段的时间间隔;
所述实时电价大于等于所述预设放电临界电价,则云储能向用户放电,通过以下公式表示:
其中,βt为实时电价,为预设放电临界电价,为用户k在时段t的储能充电功率,为用户k在时段t的储能放电功率,为用户k的电量容量,为用户k的储能功率容量,ek,t-1为用户k在时段t结束前的时刻的储能电量,为用户k储能充电效率,为用户k储能放电效率,为用户k的储能最小电量,Δt为每个时段的时间间隔;
所述实时电价大于等于所述预设充电临界电价,且小于等于所述预设放电临界电价,则用户从电网购电,通过以下公式表示:
4.如权利要求1所述的一种云储能运行机制的时序模拟模型的建立方法,其特征在于,所述根据需求侧负荷情况,将需求侧用户划分为五类用户,并为每一类用户提供不同的供电组合模式,包括:
根据负荷曲线特征、用户结构特征及应用场景,将需求侧用户划分为日间积极用户、夜间积极用户、公交系统用户、商业场所用户及医疗教育系统用户;
为所述日间积极用户提供冰蓄冷与蓄热罐的供电组合模式;
为所述夜间积极用户提供冰蓄冷、电动汽车与蓄热罐的供电组合模式;
为所述公交系统用户提供电动汽车与蓄电池的供电组合模式;
为所述公交系统用户提供冰蓄冷与蓄电池的供电组合模式;
为所述医疗教育系统用户提供冰蓄冷、蓄电池与蓄热罐的供电组合模式。
5.如权利要求1所述的一种云储能运行机制的时序模拟模型的建立方法,其特征在于,所述构建云储能运行机制的时序模拟模型之前,还包括:
判断云储能的电力系统的运行状态,并根据所述运行状态分析电力系统的全时序状态;其中,所述云储能的电力系统包括:常规电源及储能装置;
所述判断云储能的电力系统的运行状态,并根据所述运行状态分析电力系统的全时序状态,包括:
若所述常规电源及储能装置均为正常状态,且满足负荷功率需求小于等于系统运行时常规电源的输出功率与储能装置输出功率之和,则所述电力系统的状态为正常供电;
若所述常规电源及储能装置均为正常状态,且满足负荷功率需求大于系统运行时常规电源的输出功率与储能装置输出功率之和,则所述电力系统的状态为负荷削减;
若所述常规电源为故障状态,储能装置为正常状态,且满足负荷功率需求小于等于储能装置输出功率,则所述电力系统的状态为正常供电;
若所述常规电源为故障状态,储能装置为正常状态,且满足负荷功率需求小于等于储能装置输出功率,则所述电力系统的状态为负荷削减;
若所述常规电源为正常状态,储能装置为故障状态,且满足负荷功率需求小于等于常规电源的输出功率,则所述电力系统的状态为正常供电;
若所述常规电源为正常状态,储能装置为故障状态,且满足负荷功率需求大于常规电源的输出功率,则所述电力系统的状态为负荷削减。
6.一种云储能运行机制的时序模拟模型的建立系统,其特征在于,包括:
用户分类模块,用于根据需求侧负荷情况,将需求侧用户划分为五类用户,并为每一类用户提供不同的供电组合模式;
供电关系获取模块,用于获取用户用电过程中的实时电价,根据所述实时电价及云储能时序充放策略,得到用户与云储能之间的供电关系;
时序模拟模型构建模块,用于根据所述供电组合模式、所述云储能时序充放策略及所述供电关系,构建云储能运行机制的时序模拟模型。
7.如权利要求6所述的一种云储能运行机制的时序模拟模型的建立系统,其特征在于,所述供电关系获取模块,还用于:
判断所述实时电价、预设充电临界电价及预设放电临界电价的大小关系;
若所述实时电价小于等于所述预设充电临界电价,则用户向云储能充电;
若所述实时电价大于等于所述预设放电临界电价,则云储能向用户放电;
若所述实时电价大于等于所述预设充电临界电价,且小于等于所述预设放电临界电价,则用户从电网购电。
8.如权利要求7所述的一种云储能运行机制的时序模拟模型的建立系统,其特征在于,
所述实时电价小于等于所述预设充电临界电价,则用户向云储能充电,通过以下公式表示:
其中,βt为实时电价,为预设充电临界电价,为用户k在时段t的储能充电功率,为用户k在时段t的储能放电功率,为用户k的电量容量,为用户k的储能功率容量,ek,t-1为用户k在时段t结束前的时刻的储能电量,为用户k储能充电效率,Δt为每个时段的时间间隔;
所述实时电价大于等于所述预设放电临界电价,则云储能向用户放电,通过以下公式表示:
其中,βt为实时电价,为预设放电临界电价,为用户k在时段t的储能充电功率,为用户k在时段t的储能放电功率,为用户k的电量容量,为用户k的储能功率容量,ek,t-1为用户k在时段t结束前的时刻的储能电量,为用户k储能充电效率,为用户k储能放电效率,为用户k的储能最小电量,Δt为每个时段的时间间隔;
所述实时电价大于等于所述预设充电临界电价,且小于等于所述预设放电临界电价,则用户从电网购电,通过以下公式表示:
9.如权利要求6所述的一种云储能运行机制的时序模拟模型的建立系统,其特征在于,所述用户分类模块,还用于:
根据负荷曲线特征、用户结构特征及应用场景,将需求侧用户划分为日间积极用户、夜间积极用户、公交系统用户、商业场所用户及医疗教育系统用户;
为所述日间积极用户提供冰蓄冷与蓄热罐的供电组合模式;
为所述夜间积极用户提供冰蓄冷、电动汽车与蓄热罐的供电组合模式;
为所述公交系统用户提供电动汽车与蓄电池的供电组合模式;
为所述公交系统用户提供冰蓄冷与蓄电池的供电组合模式;
为所述医疗教育系统用户提供冰蓄冷、蓄电池与蓄热罐的供电组合模式。
10.如权利要求6所述的一种云储能运行机制的时序模拟模型的建立系统,其特征在于,所述时序模拟模型构建模块,还用于:
判断云储能的电力系统的运行状态,并根据所述运行状态分析电力系统的全时序状态;其中,所述云储能的电力系统包括:常规电源及储能装置;
所述判断云储能的电力系统的运行状态,并根据所述运行状态分析电力系统的全时序状态,包括:
若所述常规电源及储能装置均为正常状态,且满足负荷功率需求小于等于系统运行时常规电源的输出功率与储能装置输出功率之和,则所述电力系统的状态为正常供电;
若所述常规电源及储能装置均为正常状态,且满足负荷功率需求大于系统运行时常规电源的输出功率与储能装置输出功率之和,则所述电力系统的状态为负荷削减;
若所述常规电源为故障状态,储能装置为正常状态,且满足负荷功率需求小于等于储能装置输出功率,则所述电力系统的状态为正常供电;
若所述常规电源为故障状态,储能装置为正常状态,且满足负荷功率需求小于等于储能装置输出功率,则所述电力系统的状态为负荷削减;
若所述常规电源为正常状态,储能装置为故障状态,且满足负荷功率需求小于等于常规电源的输出功率,则所述电力系统的状态为正常供电;
若所述常规电源为正常状态,储能装置为故障状态,且满足负荷功率需求大于常规电源的输出功率,则所述电力系统的状态为负荷削减。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111062341.8A CN113609711A (zh) | 2021-09-10 | 2021-09-10 | 一种云储能运行机制的时序模拟模型的建立方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111062341.8A CN113609711A (zh) | 2021-09-10 | 2021-09-10 | 一种云储能运行机制的时序模拟模型的建立方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113609711A true CN113609711A (zh) | 2021-11-05 |
Family
ID=78342961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111062341.8A Pending CN113609711A (zh) | 2021-09-10 | 2021-09-10 | 一种云储能运行机制的时序模拟模型的建立方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113609711A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114069669B (zh) * | 2021-11-09 | 2023-10-13 | 国网冀北电力有限公司经济技术研究院 | 一种共享储能运行模式控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100025031A1 (en) * | 2006-12-31 | 2010-02-04 | Beijing Poweru Technology Co., Ltd. | Multiple tanks water thermal storage system and its using method |
AU2018100245A4 (en) * | 2017-02-15 | 2018-05-10 | Salim Abdul-Malik | UNIVERSAL DIGITAL ADDRESSING & PINPOINT SYSTEM or UDAPS |
CN109787263A (zh) * | 2019-01-29 | 2019-05-21 | 上海电力学院 | 一种基于多级云储能的家庭能源互济系统及调度方法 |
-
2021
- 2021-09-10 CN CN202111062341.8A patent/CN113609711A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100025031A1 (en) * | 2006-12-31 | 2010-02-04 | Beijing Poweru Technology Co., Ltd. | Multiple tanks water thermal storage system and its using method |
AU2018100245A4 (en) * | 2017-02-15 | 2018-05-10 | Salim Abdul-Malik | UNIVERSAL DIGITAL ADDRESSING & PINPOINT SYSTEM or UDAPS |
CN109787263A (zh) * | 2019-01-29 | 2019-05-21 | 上海电力学院 | 一种基于多级云储能的家庭能源互济系统及调度方法 |
Non-Patent Citations (4)
Title |
---|
吴献祥: "云储能在需求侧的运行优化及面向风电场的容量配置", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, no. 07, pages 042 - 412 * |
王玉梅等: "基于储能运行策略的孤岛型微网可靠性分析", 电源学报, vol. 16, no. 1, pages 112 - 118 * |
裴明军: "电力大数据技术及其应用研究", vol. 1, 31 July 2019, 中国矿业大学出版社, pages: 97 - 109 * |
道亨软件: "【变电】供电系统中负荷与用户分类", pages 1 - 3, Retrieved from the Internet <URL:https://mp.weixin.qq.com/s/rnadAJrE51diTz__u4gY5g> * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114069669B (zh) * | 2021-11-09 | 2023-10-13 | 国网冀北电力有限公司经济技术研究院 | 一种共享储能运行模式控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mahoor et al. | Least-cost operation of a battery swapping station with random customer requests | |
Sevilla et al. | Techno-economic analysis of battery storage and curtailment in a distribution grid with high PV penetration | |
Ginigeme et al. | Distributed optimal vehicle-to-grid approaches with consideration of battery degradation cost under real-time pricing | |
CN111697604B (zh) | 多站合一的配置方法、系统及设备 | |
Carpinelli et al. | Optimal scheduling of a microgrid with demand response resources | |
CN109787263B (zh) | 一种基于多级云储能的家庭能源互济系统及调度方法 | |
CN103248064A (zh) | 一种复合型能源充电储能系统及其方法 | |
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 | |
Qi et al. | When shared autonomous electric vehicles meet microgrids: Citywide energy-mobility orchestration | |
KR20210094033A (ko) | 에너지 관리 시스템을 동작시키기 위한 방법, 그 방법을 수행하기 위한 전자 컴퓨팅 디바이스, 컴퓨터 프로그램, 및 데이터 캐리어 | |
Fanti et al. | Optimal energy management integrating renewable energy, energy storage systems and electric vehicles | |
CN113609711A (zh) | 一种云储能运行机制的时序模拟模型的建立方法及系统 | |
Fei et al. | Exploring the profitability of using electric bus fleets for transport and power grid services | |
CN116404683B (zh) | 一种柔直互联系统的能量调控方法、装置、终端和介质 | |
CN116231692A (zh) | 一种城市分布式储能系统 | |
CN116436048A (zh) | 一种多目标驱动的微电网群云储能优化配置方法及装置 | |
KR101852722B1 (ko) | 에너지저장시스템 상호 전력공유 서비스를 위한 에너지인터넷 플랫폼 제공 장치 및 그 방법 | |
Gutermuth et al. | Network operator owned storages as an option for congestion management | |
CN115375081A (zh) | 一种考虑超售的共享光储优化调度方法、装置、设备及存储介质 | |
Zhang et al. | A novel large-scale EV charging scheduling algorithm considering V2G and reactive power management based on ADMM | |
CN114683908B (zh) | 换电站的换电能力评估方法、系统、电子设备和介质 | |
Le | Building energy management and Electric Vehicle charging considering battery degradation and random vehicles’ arrivals and departures | |
CN113541172A (zh) | 换电方法、换电系统、电子设备及存储介质 | |
Vafamehr et al. | Aggregation of BTM battery storages to provide ancillary services in wholesale electricity markets | |
Ilo et al. | Deploying e-mobility in the interact energy community to promote additional and valuable flexibility resources for secure and efficient grid operation |
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 |