CN113644651A - 一种电价竞价场景下的储能配置优化方法 - Google Patents

一种电价竞价场景下的储能配置优化方法 Download PDF

Info

Publication number
CN113644651A
CN113644651A CN202110917921.4A CN202110917921A CN113644651A CN 113644651 A CN113644651 A CN 113644651A CN 202110917921 A CN202110917921 A CN 202110917921A CN 113644651 A CN113644651 A CN 113644651A
Authority
CN
China
Prior art keywords
energy storage
power
electricity price
discharge
charge
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
Application number
CN202110917921.4A
Other languages
English (en)
Inventor
祁建程
楼旸
王凯
董树锋
徐一帆
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.)
Wanke Energy Technology Co ltd
Original Assignee
Wanke Energy Technology 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 Wanke Energy Technology Co ltd filed Critical Wanke Energy Technology Co ltd
Priority to CN202110917921.4A priority Critical patent/CN113644651A/zh
Publication of CN113644651A publication Critical patent/CN113644651A/zh
Pending legal-status Critical Current

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
    • H02J3/008—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
    • H02J3/28—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
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0013—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries acting upon several batteries simultaneously or sequentially
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0068—Battery or charger load switching, e.g. concurrent charging and load supply
    • 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
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/02—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries for charging batteries from ac mains by converters
    • 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]

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种电价竞价场景下的储能配置优化方法，构建了一个储能收益最优为目标的数学模型，使用分支定界算法对模型进行求解。本发明通过已知历史时刻每个时刻的电价和多种储能配置，如容量、额定功率，可以快速求解出每种储能配置每个时刻储能电池的最优充放电功率、最优的总收益、充放电费用，循环次数等，以及求出哪种储能配置具有最优的经济性。将本方法应用到实际的储能策略控制运行系统中，输入未来的电价预测曲线，可以快速得到最优的储能电池充放电策略曲线，从而实现对储能电池的有效充放电控制。相比人工估算方法，具有准确率高、效率高的优点。

Description

一种电价竞价场景下的储能配置优化方法
技术领域
本发明属于电力技术领域，尤其是涉及一种电价竞价场景下的储能配置优化方法。
背景技术
在澳大利亚等国外电力市场中，随着强劲的经济增长以及用户热情的高涨，使得分布式光伏系统的安装数量急剧上升，并相应带动了用户侧储能系统的发展。而如虚拟电厂这样的集成商业模式的涌现，能够充分挖掘并利用数千个分布式发电系统的批发市场价值，使得电力供应波动性很大，从而导致电力供需不平衡，在电力市场上就表现为电价实时变化波动性大。电价每5分钟就会发生变化，前后价格差异达到几百甚至上千、上万。当电力供给侧的发电充足，发电量远大于负荷量，电价还可能出现负的，消费电力还可以带来收益。相反，电力供给侧供电不足，电力消费需求旺盛，则电价会出现很高的价格。
为了平衡这种电力供需平衡，政府就鼓励用户配置储能系统，在发电量大于负荷量，电价低时进行充电，在发电量小于负荷量，电价高时进行放电，可以有效对用户侧实现需求管理，平衡电力供需市场，平滑负荷，又可以通过电量的低买高卖实现平衡储能成本并实现盈利，促进新能源的利用和发展。
但是实际应用过程中，采用不同的储能容量、额定功率和不同的充放电策略，收益差异巨大，而充放电策略有无数种组合，无法采用穷举法进行计算，人工采用一些简单的策略进行估算，又会存在估算不准、效率低下的问题。
发明内容
本发明旨在解决上述技术问题，提供一种电价竞价场景下的储能配置优化方法。
为了达到上述目的，本发明采用如下技术方案：
一种电价竞价场景下的储能配置优化方法，包括：
以数据采集间隔为Δt采集一段时间的历史电价数据和未来的电价预测数据，选出每个时刻i的最低电价分别作为充电电价，记为PriceElecMini，选出每个时刻i的最高电价分别作为放电电价，记为PriceElceMaxi，计算低买高卖收益、需量成本和充放电循环成本；
计算电价竞价的总收益，计算电价竞价的总收益为低买高卖收益减去需量成本、减去充放电循环成本；
使用分支定界算法求解每个时刻的充放电功率，使得总收益最优；
根据历史电价数据和不同储能配置，求得最优储能配置，使得投入产出比最优，按照这种最优储能容量和额定功率采购储能电池，并投入运行。
作为优选，在运行过程中，首先获得过去24小时的电价数据，给到电价预测算法，预测未来4小时或一天的电价曲线，再输入到优化计算模型，求得未来4小时每个时刻的充放电功率，再将充放电功率指令发送给储能变流器，储能变流器再对电池按照预测的充放电功率进行控制。
作为优选，计算低买高卖收益的方法如下：
在低价时进行充电，高价时进行放电，则低买高卖的收益为放电收益总和减去充电成本总和：
Figure BDA0003206315400000021
其中，ui为第i时刻的放电功率，vi为第i时刻的充电功率，Δt为数据采集间隔时间。
作为优选，计算需量成本的方法如下：
每个月除了充电成本外，还需要承担需量成本，在电价竞价场景下，基本上是以额定功率进行充电，需量以视在功率进行计价，因此最大需量为额定功率对应的视在功率：
Figure BDA0003206315400000022
其中，vmax为最大充电功率，PFactor为视在功率的转换因子，PriceDemand为每kva的需量电价。
作为优选，计算充放电循环成本的方法如下：
剔除低于充放电循环成本的套利：
电池的整个生命周期的循环次数是有限的，每次充放电是有一定成本的，为了避免一次充放电收益过低，浪费循环次数，因此需要将每次充放电成本考虑进来，则充放电总成本为：
Figure BDA0003206315400000031
其中，ui为第i时刻的放电功率，vi为第i时刻的充电功率，PriceCycle为每千瓦时的充放电成本。
作为优选，所述电价竞价场景下的储能配置优化方法还包括构建评价模型的约束条件，约束条件包括：在同一时刻不能同时充放电：
为了限制同一时刻不能同时充放电，需要增加两个控制变量，mi表示第i个时刻电池能否进行放电，mi∈0,1,ni表示第i个时刻电池能否进行充电，ni∈0,1，则同时刻不能充放电要满足以下条件：
mi+ni＜＝1。
作为优选，所述电价竞价场景下的储能配置优化方法还包括构建评价模型的约束条件，约束条件包括：
电池每时刻的充放电功率在限制范围内：
每个时刻的电池充放电功率限制在0和额定功率之间，并且如果该时刻进行充电，则放电功率应为0，反之，该时刻进行放电，则充电功率应为0，PRate为额定功率：
0＜＝ui＜＝PRate*mi
0＜＝vi＜＝PRate*ni。
作为优选，所述电价竞价场景下的储能配置优化方法还包括构建评价模型的约束条件，约束条件包括：
电池每时刻的容量在限制范围内：
Q0为初始容量，每个时刻的储能容量介于额定容量和最小剩余容量：
Figure BDA0003206315400000032
其中，QRate为额定容量，SOCRemain为最小SOC，SOC即最小电池剩余电量。
作为优选，将一个月的数据，按天进行拆分，先求出每日的充放电最优策略和最优收益，再将每日的充放电策略拼接起来就是每月的最优充放电策略，将每日最优收益累加就是每月最优收益。
作为优选，优化模型求解的迭代终止条件，终止条件设为两次迭代的误差小于5％就终止迭代。
采用上述技术方案后，本发明具有如下优点：
本发明构建了一个储能收益最优为目标的数学模型，使用分支定界算法对模型进行求解。
本发明通过已知历史时刻每个时刻的电价和多种储能配置，如容量、额定功率，可以快速求解出每种储能配置每个时刻储能电池的最优充放电功率、最优的总收益、充放电费用，循环次数等，以及求出哪种储能配置具有最优的经济性。
将本方法应用到实际的储能策略控制运行系统中，输入未来的电价预测曲线，可以快速得到最优的储能电池充放电策略曲线，从而实现对储能电池的有效充放电控制。相比人工估算方法，具有准确率高、效率高的优点。
同时本发明对计算装置进行了模型求解速度优化，通过按天求解和迭代参数优化控制，提升了计算求解速度，从几个小时的计算时间，降低为几十秒。
另外，将本发明结合实时电价的未来4小时电价预测，应用到储能电池的实际充放电策略中，可以有效的对需求侧用电管理，在电量供应大于负荷需求时，电价下降，则进行充电增加负荷需求，调节电价上升；在电量供应小于负荷需求时，电价上升，则进行放电增加电量供应，调节电价下降。因而可以平滑负荷和电量供应，平衡电量供需关系，并且能平滑电价的波动性，提升储能的投资收益。
附图说明
图1为一种电价竞价场景下的储能配置优化方法的流程图；
图2为使用电价竞价场景下的储能配置优化方法的一个项目的某一段时间实时电价；
图3为使用电价竞价场景下的储能配置优化方法的一个项目的储能配置每个时刻充放电功率和具体的收益情况。
具体实施方式
以下结合附图及具体实施例，对本发明作进一步的详细说明。
储能系统在同一时刻可以选择不同的服务进行充电，不同服务对应价格不同。电池的充电电价有4种模式可以选择，分别为NEM(National Energy Market国家能源交易市场电力价格)，包括充电和放电各一种价格，FCAS(Frequency Control Ancillary Service调频辅助服务市场电价)，降频响应时间分别为6秒、60秒、5分钟，分别对应三种充电价格，升频响应时间分别为6秒、60秒、5分钟，分别对应三种放电价格。
为优化储能配置，本发明提供一种电价竞价场景下的储能配置优化方法，包括：
步骤1，以数据采集间隔为Δt采集一段时间的历史电价数据和未来的电价预测数据，先对每个时刻的电价进行预处理，为获取最高收益，充电时要选择该时刻最低电价，放电时刻要选择该时刻最高电价，因此，对所有时刻电价进行如下处理：
选出每个时刻i的最低电价分别作为充电电价，记为PriceElecMini；
选出每个时刻i的最高电价分别作为放电电价，记为PriceElceMaxi；
步骤2，构建竞价场景储能收益评价模型：
步骤2.1，计算低买高卖收益：
在低价时进行充电，高价时进行放电，则低买高卖的收益为放电收益总和减去充电成本总和：
Figure BDA0003206315400000051
其中，ui为第i时刻的放电功率，vi为第i时刻的充电功率，Δt为数据采集间隔时间；
步骤2.2，计算需量成本：
每个月除了充电成本外，还需要承担需量成本，在电价竞价场景下，基本上是以额定功率进行充电，另外在澳洲电力市场，需量以视在功率进行计价，因此最大需量为额定功率对应的视在功率：
Figure BDA0003206315400000052
其中，vmax为最大充电功率，PFactor为视在功率的转换因子，PriceDemand为每kva的需量电价；
步骤2.3，剔除低于充放电循环成本的套利：
电池的整个生命周期的循环次数是有限的，每次充放电是有一定成本的，为了避免一次充放电收益过低，浪费循环次数，因此需要将每次充放电成本考虑进来，则总的充放电循环成本为：
Figure BDA0003206315400000061
其中，PriceCycle为每千瓦时的充放电成本；
步骤2.4，计算电价竞价的总收益：
电价竞价的总收益为低买高卖收益减去需量成本，减去循环成本，RTotal为总收益：
Figure BDA0003206315400000062
步骤3，构建评价模型的约束条件：
步骤3.1，在同一时刻不能同时充放电：
为了限制同一时刻不能同时充放电，需要增加两个控制变量，mi表示第i个时刻电池能否进行放电，mi∈0,1,ni表示第i个时刻电池能否进行充电，ni∈0,1，则同时刻不能充放电要满足以下条件：
mi+ni＜＝1；
步骤3.2，电池每时刻的充放电功率在限制范围内：
每个时刻的电池充放电功率限制在0和额定功率之间，并且如果该时刻进行充电，则放电功率应为0，反之，该时刻进行放电，则充电功率应为0，PRate为额定功率：
0＜＝ui＜＝PRate*mi
0＜＝vi＜＝PRate*ni；
步骤3.3，电池每时刻的容量在限制范围内：
Q0为初始容量，每个时刻的储能容量介于额定容量和最小剩余容量：
Figure BDA0003206315400000063
其中，QRate为额定容量，SOCRemain为最小SOC，SOC即最小电池剩余电量；
步骤4，模型求解：
这是一个混合整数线性规划最优化求解问题，需要求解每个时刻的充放电功率，使得总收益最优，使用分支定界算法来求解，在求解过程中，发现输入一年数据，甚至几天的数据的求解速度都非常慢，故做以下两点优化：
(a)按天求解
由于每月的最优解，可以近似等于每日的最优解的集合，故可以将一个月的数据，按天进行拆分，先求出每日的充放电最优策略和最优收益，再将每日的充放电策略拼接起来就是每月的最优充放电策略，将每日最优收益累加就是每月最优收益；
采用数据拆分策略后，运行情况从系统死机到几个小时可以计算出结果；
(b)迭代控制
为进一步减少运行时间，对迭代控制参数进行优化，首先优化了迭代终止条件，终止条件设为两次迭代的误差小于5％就终止迭代，运行速度得到快速提升，有些天数据的最优解在几分钟内运行完成，但有些天数据需要计算几十分钟；
发现计算时间久的那些天数据，目标最优收益比较大，误差小于5％终止条件未起作用，因此将目标最优收益进行缩小处理，整体的最优解求解速度在几分钟内可以完成了；
步骤5，运行控制：
根据历史电价数据和不同储能配置，可以求得最优储能配置，投入产出比最优，按照这种最优储能容量和额定功率采购储能电池，并投入运行；
在运行过程中，首先拿到过去24小时的电价数据，给到电价预测算法，预测未来4小时或一天的电价曲线，再输入到优化计算装置，求得未来4小时每个时刻的充放电功率，再将充放电功率指令发送给PCS(Power Conversion System储能变流器)，PCS再对电池按照预测的充放电功率进行控制；
上述方法的流程图如图1所示；
下面介绍一个项目使用上述电价竞价场景下的储能配置优化方法的案例：
该项目的某一段时间实时电价如图2所示，每隔5分钟同一时刻有7个电价数据，其中4个充电价格，4个放电价格。
给优化装置输入参数如下：
电池额定功率为1000kw到1500kw之间，功率间隔步长100kw；
电池充满小时数：1h到2h之间，小时数间隔步长1h；
需量电费电价：0.076元/kva/每月；
有功功率转化成视在功率因子：0.85；
储能初始SOC：0.1；
放电剩余SOC：0；
输出结果如下：
求得最优的储能配置为额定功率1500kw，充满时长2小时；图3是这种储能配置每个时刻充放电功率和具体的收益情况；每个月份的收益数据如下表所示；
Figure BDA0003206315400000081
Figure BDA0003206315400000091
除上述优选实施例外，本发明还有其他的实施方式，本领域技术人员可以根据本发明作出各种改变和变形，只要不脱离本发明的精神，均应属于本发明所附权利要求所定义的范围。

Claims (10)

1.一种电价竞价场景下的储能配置优化方法，其特征在于，包括：
以数据采集间隔为Δt采集一段时间的历史电价数据和未来的电价预测数据，选出每个时刻i的最低电价分别作为充电电价，记为PriceElecMini，选出每个时刻i的最高电价分别作为放电电价，记为PriceElceMaxi，计算低买高卖收益、需量成本和充放电循环成本；
计算电价竞价的总收益，计算电价竞价的总收益为低买高卖收益减去需量成本、减去充放电循环成本；
使用分支定界算法求解每个时刻的充放电功率，使得总收益最优；
根据历史电价数据和不同储能配置，求得最优储能配置，使得投入产出比最优，按照这种最优储能容量和额定功率采购储能电池，并投入运行。
2.如权利要求1所述的电价竞价场景下的储能配置优化方法，其特征在于，在运行过程中，首先获得过去24小时的电价数据，给到电价预测算法，预测未来4小时或一天的电价曲线，再输入到优化计算模型，求得未来4小时每个时刻的充放电功率，再将充放电功率指令发送给储能变流器，储能变流器再对电池按照预测的充放电功率进行控制。
3.如权利要求1所述的电价竞价场景下的储能配置优化方法，其特征在于，计算低买高卖收益的方法如下：
在低价时进行充电，高价时进行放电，则低买高卖的收益为放电收益总和减去充电成本总和：
Figure FDA0003206315390000011
其中，ui为第i时刻的放电功率，vi为第i时刻的充电功率，Δt为数据采集间隔时间。
4.如权利要求1所述的电价竞价场景下的储能配置优化方法，其特征在于，计算需量成本的方法如下：
每个月除了充电成本外，还需要承担需量成本，在电价竞价场景下，基本上是以额定功率进行充电，需量以视在功率进行计价，因此最大需量为额定功率对应的视在功率：
Figure FDA0003206315390000012
其中，vmax为最大充电功率，PFactor为视在功率的转换因子，PriceDemand为每kva的需量电价。
5.如权利要求1所述的电价竞价场景下的储能配置优化方法，其特征在于，计算充放电循环成本的方法如下：
剔除低于充放电循环成本的套利：
电池的整个生命周期的循环次数是有限的，每次充放电是有一定成本的，为了避免一次充放电收益过低，浪费循环次数，因此需要将每次充放电成本考虑进来，则充放电总成本为：
Figure FDA0003206315390000021
其中，ui为第i时刻的放电功率，vi为第i时刻的充电功率，PriceCycle为每千瓦时的充放电成本。
6.如权利要求1-5中的任意一项所述的电价竞价场景下的储能配置优化方法，其特征在于，所述电价竞价场景下的储能配置优化方法还包括构建评价模型的约束条件，约束条件包括：在同一时刻不能同时充放电：
为了限制同一时刻不能同时充放电，需要增加两个控制变量，mi表示第i个时刻电池能否进行放电，mi∈0,1,ni表示第i个时刻电池能否进行充电，ni∈0,1，则同时刻不能充放电要满足以下条件：
mi+ni＜＝1。
7.如权利要求1-5中的任意一项所述的电价竞价场景下的储能配置优化方法，其特征在于，所述电价竞价场景下的储能配置优化方法还包括构建评价模型的约束条件，约束条件包括：
电池每时刻的充放电功率在限制范围内：
每个时刻的电池充放电功率限制在0和额定功率之间，并且如果该时刻进行充电，则放电功率应为0，反之，该时刻进行放电，则充电功率应为0，PRate为额定功率：
0＜＝ui＜＝PRate*mi
0＜＝vi＜＝PRate*ni。
8.如权利要求1-5中的任意一项所述的电价竞价场景下的储能配置优化方法，其特征在于，所述电价竞价场景下的储能配置优化方法还包括构建评价模型的约束条件，约束条件包括：
电池每时刻的容量在限制范围内：
Q0为初始容量，每个时刻的储能容量介于额定容量和最小剩余容量：
Figure FDA0003206315390000031
其中，QRate为额定容量，SOCRemain为最小SOC，SOC即最小电池剩余电量。
9.如权利要求1所述的电价竞价场景下的储能配置优化方法，其特征在于，将一个月的数据，按天进行拆分，先求出每日的充放电最优策略和最优收益，再将每日的充放电策略拼接起来就是每月的最优充放电策略，将每日最优收益累加就是每月最优收益。
10.如权利要求1所述的电价竞价场景下的储能配置优化方法，其特征在于，优化模型求解的迭代终止条件，终止条件设为两次迭代的误差小于5％就终止迭代。
CN202110917921.4A 2021-08-11 2021-08-11 一种电价竞价场景下的储能配置优化方法 Pending CN113644651A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110917921.4A CN113644651A (zh) 2021-08-11 2021-08-11 一种电价竞价场景下的储能配置优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110917921.4A CN113644651A (zh) 2021-08-11 2021-08-11 一种电价竞价场景下的储能配置优化方法

Publications (1)

Publication Number Publication Date
CN113644651A true CN113644651A (zh) 2021-11-12

Family

ID=78420738

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110917921.4A Pending CN113644651A (zh) 2021-08-11 2021-08-11 一种电价竞价场景下的储能配置优化方法

Country Status (1)

Country Link
CN (1) CN113644651A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115275994A (zh) * 2022-08-02 2022-11-01 中国华能集团清洁能源技术研究院有限公司 一种风光储互补制氢系统容量优化匹配方法
CN115441488A (zh) * 2022-08-18 2022-12-06 上海联元智能科技有限公司 一种电储能优选配置方法
CN115864464A (zh) * 2022-12-30 2023-03-28 长兴太湖能谷科技有限公司 一种适用于储能系统的放电优化方法
WO2024093353A1 (zh) * 2022-11-04 2024-05-10 上海电享信息科技有限公司 一种虚拟电厂的电力市场交易方法、装置及电子设备

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115275994A (zh) * 2022-08-02 2022-11-01 中国华能集团清洁能源技术研究院有限公司 一种风光储互补制氢系统容量优化匹配方法
CN115441488A (zh) * 2022-08-18 2022-12-06 上海联元智能科技有限公司 一种电储能优选配置方法
CN115441488B (zh) * 2022-08-18 2023-11-21 上海联元智能科技有限公司 一种电储能优选配置方法
WO2024093353A1 (zh) * 2022-11-04 2024-05-10 上海电享信息科技有限公司 一种虚拟电厂的电力市场交易方法、装置及电子设备
CN115864464A (zh) * 2022-12-30 2023-03-28 长兴太湖能谷科技有限公司 一种适用于储能系统的放电优化方法
CN115864464B (zh) * 2022-12-30 2023-10-10 长兴太湖能谷科技有限公司 一种适用于储能系统的放电优化方法

Similar Documents

Publication Publication Date Title
CN110188950B (zh) 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法
CN113644651A (zh) 一种电价竞价场景下的储能配置优化方法
CN109713666B (zh) 一种基于K-means聚类的电力市场下分布式储能经济性调控方法
CN111882105A (zh) 含共享储能系统的微电网群及其日前经济优化调度方法
CN111049198A (zh) 考虑储能寿命和调频性能的风储联合运行优化方法及系统
CN112564152A (zh) 一种面向充电站运营商的储能优化配置方法
CN114938035A (zh) 考虑储能退化成本的共享储能能量调度方法及系统
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
Hwangbo et al. Application of economic operation strategy on battery energy storage system at Jeju
CN112801343A (zh) 一种计及多气象场景适应成本的储能系统容量规划方法
CN117332937A (zh) 一种考虑需求响应的多能互补虚拟电厂经济调度方法
CN116914821A (zh) 一种基于改进粒子群算法的微电网低碳优化调度方法
CN116488218A (zh) 工业园区储能配置方法、装置、电子设备及存储介质
CN111798070A (zh) 一种用户侧光储系统的配置方法及装置
CN115587741A (zh) 一种考虑需求响应和容量持留机会的虚拟电厂优化调度方法
CN116128096A (zh) 一种微电网系统多利益主体的容量优化配置方法
Chen et al. Value stacking of a behind-the-meter utility-scale battery for demand response markets and demand charge management: real-world operation on the UC San Diego campus
CN113780638A (zh) 计及储能寿命衰减的综合能源系统优化调度方法
CN113629781A (zh) 一种基于empc的多vpp日前日内协调优化方法及装置
Zhang et al. Optimization Method of User-Side Energy Storage Capacity Considering Typical Daily Load Characteristics
CN112785094B (zh) 基于斯塔克尔伯格博弈的光伏储能电站容量配置优化方法
CN115983890A (zh) 5g基站储能系统的soc偏移优化控制方法及系统
Zhang et al. Two-stage charge and discharge optimization of battery energy storage systems in microgrids considering battery state of health
CN116979619A (zh) 一种微电网储能配置方法、装置、计算机设备及存储介质
CN117611208A (zh) 一种虚拟电厂参与日前电能量市场的报量决策方法

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