CN113765125A - 一种氢储能系统集群功率分配方法 - Google Patents
一种氢储能系统集群功率分配方法 Download PDFInfo
- Publication number
- CN113765125A CN113765125A CN202111114415.8A CN202111114415A CN113765125A CN 113765125 A CN113765125 A CN 113765125A CN 202111114415 A CN202111114415 A CN 202111114415A CN 113765125 A CN113765125 A CN 113765125A
- Authority
- CN
- China
- Prior art keywords
- hess
- cluster
- sohc
- clusters
- power
- 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
Links
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 81
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 81
- 239000001257 hydrogen Substances 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000004146 energy storage Methods 0.000 title claims abstract description 52
- 238000009826 distribution Methods 0.000 title claims abstract description 19
- 239000000446 fuel Substances 0.000 claims abstract description 25
- 238000004519 manufacturing process Methods 0.000 claims abstract description 23
- 238000010248 power generation Methods 0.000 claims abstract description 19
- 238000003064 k means clustering Methods 0.000 claims abstract description 8
- 238000012216 screening Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 84
- 238000003860 storage Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 8
- RYAUSSKQMZRMAI-YESZJQIVSA-N (S)-fenpropimorph Chemical compound C([C@@H](C)CC=1C=CC(=CC=1)C(C)(C)C)N1C[C@H](C)O[C@H](C)C1 RYAUSSKQMZRMAI-YESZJQIVSA-N 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 4
- 238000005868 electrolysis reaction Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000011217 control strategy Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- 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
-
- 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
- H02J15/00—Systems for storing electric energy
- H02J15/008—Systems for storing electric energy using hydrogen as energy vector
-
- 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
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Fuel Cell (AREA)
Abstract
本发明涉及储能系统能量控制管理领域，具体涉及一种氢储能系统集群功率分配方法。方法包含以下步骤：氢储能的能量控制系统获取所有HESS单元SOHC、制氢效率
发电效率ηelec、电解槽工作温度Tec、燃料电池工作温度Tfc参数；每间隔一定时长，比较电网输出功率PG和负荷需求功率PL大小；采用K‑means聚类方法，将大规模氢储能集群分为N个不同的HESS簇群；筛选出最优HESS簇群；利用优先排序法对除最优HESS簇群外的N‑1个HESS簇群进行有功功率分配，且簇群内部各个HESS单元平均承担簇群所承担的总功率；不能完全消纳盈余电能或者仍然不能满足负荷需求，全部由最优HESS簇群承担。本发明相对于现有技术的优点在于：保证大规模储能系统中各个HESS单元的SOHC、工作温度等参数最大程度的控制在最佳运行区间。
Description
技术领域：
本发明涉及储能系统能量控制管理领域，具体涉及一种氢储能系统集群功率分配方法。
背景技术：
随着我国清洁能源发电并网率快速增加，电力系统出现稳定性较差、调峰调频压力加重、电能质量较差等问题，进而引发清洁能源难以全部消纳问题，为了解决以上问题，储能技术应运而生。
储能既可以用在电源侧又可以用在电网侧或用户侧。在电源侧，储能不仅可以优化新能源并网消纳、减少弃风弃光、提高能源利用效率和经济性，还可以跟踪计划出力、保证平滑出力；在电网侧，储能可以参与调压调频、保证电网电压、频率稳定；在用户侧，储能既可以削峰填谷、保持电网供需平衡、抵御事故风险，也可以为用户盈利，提高用户侧储能并网积极性。目前，储能技术已成为电力系统不可或缺的重要技术之一，其大规模应用，将深刻影响电力系统中资源配置结构及电力系统运行与控制。
其中，氢储能系统作为一种新兴电力系统储能方式，具有清洁绿色、能量密度高、运行寿命长、便于储存和传输等优点，并且其制氢单元与发电单元工作相互独立，充放电灵活，可以同时适用于极短或极长时间的供电需求，是少有的能够储存百GWh以上电能的储能手段，被认为是极具潜力的新型大规模储能技术。氢储能系统的英文翻译是HydrogenEnergy Storage System，简称 HESS。
然而，由于负荷需求具有很大的不确定性及瞬时性，随着新能源并网率的提升以及储能系统的应用，不管是传统的电力系统还是微电网系统，所要解决的首先问题都是保持其内部电能供需平衡，即为优化内部的发电单元的出力问题。而大规模氢储能各个环节的参数追踪及控制调度非常复杂，HESS单元各个参数均具有时变性、非线性的特点，一般的能量控制策略很难对每个HESS单元进行有效、快速、精准控制，极大影响了微电网及电力系统的稳定性、经济性运行，故大规模氢储能集群有效的能量控制策略对微电网及电力系统至关重要，并且还直接影响氢储能系统的使用效率和寿命。
发明内容：
本发明目的在于：提出了一种考虑多种参数权重不一致性的大规模氢储能集群有功出力决策方法。具体技术方案如下：
一种氢储能系统集群功率分配方法，氢储能系统包含电解水制氢系统、储氢系统、氢燃料电池发电系统以及能量控制管理系统，包含以下步骤：
步骤1：氢储能的能量控制系统获取所有HESS单元SOHC、制氢效率
发电效率ηelec、电解槽工作温度Tec、燃料电池工作温度Tfc参数；
步骤2：每间隔一定时长，比较电网输出功率PG和负荷需求功率PL大小，如果PG＝PL，转步骤6；否则转步骤3；
步骤3：采用K-means聚类方法，将大规模氢储能集群分为N个不同的HESS簇群，各个簇群内每个HESS单元同类参数量值相近，并将簇心等效参数作为簇群参数；
步骤4：筛选出最优HESS簇群；
步骤5：利用优先排序法对除最优HESS簇群外的N-1个HESS簇群进行有功功率分配，且簇群内部各个HESS单元平均承担簇群所承担的总功率；功率分配结束后，如果仍不能完全消纳盈余电能或者仍然不能满足负荷需求，那么盈余或缺额的电能全部由最优HESS簇群承担；返回步骤1；
步骤6：停止所有HESS单元耗电制氢或燃氢发电；返回步骤1。
优选方案一，所述步骤5中在HESS集群充电过程中控制每个HESS单元的 SOHC最大不超过SOHCmax，在满足电网调度指令的前提下，考虑控制HESS制氢过程中SOHC不超过SOHChigh，电解槽工作温度Tec及燃料电池工作温度Tfc分别不超过其本身所允许的最高温度Tecmax及Tfcmax；在HESS集群发电过程中控制每个HESS单元的SOHC最小不低于SOHCmin，在满足电网调度指令的前提下，考虑控制HESS制氢过程中SOHC不低于SOHClow，电解槽工作温度Tec及燃料电池工作温度Tfc分别不超过其本身所允许的最高温度Tecmax及Tfcmax；SOHCmax和SOHCmin分别表示HESS单元本身设定的最高储氢量和最低储氢量；SOHChigh和SOHClow分别表示HESS单元最佳运行时的储氢量上限和下限。
优选方案二，所述步骤3包含以下过程：
步骤3.1：记大规模氢储能集群中有M个HESS单元，其中M>N,记任意一个HESS单元参数SOHC、能量转换效率η、充放电次数t、电解槽工作温度Tec、燃料电池工作温度Tfc在五维空间中均形成一个点坐标，用点坐标来代表一个 HESS单元，记第k个HESS单元点坐标为(SOHCk、ηk、tk、Teck、Tfck)，其中k∈[1，M]，故大规模储能集群共计M个点坐标；其中，在HESS集群充电过程中，能量转换效率η代表制氢效率
在HESS集群发电过程中，能量转换效率η代表发电效率ηelec；
步骤3.2：取K-means聚类算法中K值为N，在步骤3.1中形成的M个点坐标中随机取N个作为初始聚类中心坐标，即： (SOHC1、η1、t1、Tec1、Tfc1)…(SOHCN、ηN、tN、TecN、TfcN)；
步骤3.3：对任意一个点坐标(SOHCk、ηk、tk、Teck、Tfck)，其中k∈[1，M]，求其到N个聚类中心点的距离，最后将点坐标所代表的HESS单元归类到与其距离最小的聚类中心点所在聚类，最后形成N个聚类，即N个HESS簇群；两点(x1、y1、z1、γ1、κ1)，(x2、y2、z2、γ2、κ2)之间距离公式如下：
步骤3.4：利用均值方法，计算并更新每个HESS簇群的中心点坐标；以R 个点(x1、y1、z1、γ1)…(xR、yR、zR、γR)为例，均值法计算公式如下：
步骤3.5：然后重复步骤3.3-3.4，迭代Q次之后，形成最终的N个HESS簇群，记某个HESS簇群为HESSm，其中m∈[1，N]，聚类中心点坐标值
为簇群对应参数。
进一步，所述步骤4采用层次分析法筛选出最优HESS簇群，包含以下过程：
步骤4.1：建立结构模型，将筛选最优HESS簇群作为最高目标层，将HESS簇群参数
能量转换效率
充放电次数
电解槽工作温度
燃料电池工作温度
作为中间标准层，N个HESS簇群为最低方案层；其中，在HESS集群充电过程中，能量转换效率
代表制氢效率
在HESS集群发电过程中，能量转换效率
代表发电效率
步骤4.2：构造成对比较矩阵；具体如下：
步骤4.2.1：中间标准层共有五个元素参与比较，构造成对比较矩阵 A＝(aij)w×w,1≤i,j≤5，其中aij表示中间层第i个元素与第j个元素相对目标层的重要性程度，w为中间标准层元素个数，这里w＝5；
步骤4.2.2：最底方案层共有N个HESS簇群待选，对于中间标准层第i个元素，各个HESS簇群之间的比较矩阵为Bi＝(bpq)N×N,i＝1,2,3,4,5，其中bpq表示第p 个HESS簇群与第q个HESS簇群在中间层第i个元素方面的优越度，N为HESS簇群的总数量；
步骤4.2.3：对于步骤4.2.1中所述成对比较矩阵A及步骤4.2.2中所述簇群之间比较矩阵Bi，赋值标准与矩阵阶数w和N有关，不妨记N≤9，则可按 1-9的尺度对矩阵A和矩阵Bi进行赋值；
对于步骤4.2.1中所述成对比较矩阵A和步骤4.2.2中所述矩阵Bi赋值标准如下：若第i个元素与第j个元素相对目标层的重要性程度相同，则aij＝1；若第i个元素比第j个元素相对目标层的重要性程度略高，则aij＝3；若第i个元素比第j个元素相对目标层更重要，则aij＝5；若第i个元素比第j个元素相对目标层重要的多，则aij＝7；若第i个元素比第j个元素相对目标层极其重要，则aij＝9； aij＝2n,n＝1,2,3,4，表示第i个元素与第j个元素重要性程度介于aij＝2n-1与 aij＝2n+1之间；
步骤4.3：成对比较矩阵A做一致性检验；具体如下：
成对比较矩阵A＝(aij)w×w,1≤i,j≤5，w＝5；
步骤4.3.1：计算衡量成对比较矩阵A不一致程度的指标CI，公式如下：
其中，λmax(A)为成对比较矩阵A的绝对值最大的特征值；
步骤4.3.2：根据九级标度法可得平均随机一致性指标RI如下：
| w | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| RI | 0 | 0 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
由上表可知：w＝5时，RI(A)＝1.12；
步骤4.3.3：计算成对比较阵A的随机一致性比率CR(A)，公式如下：
当CR(A)<0.1时，判定成对比较阵A有满意的一致性，否则就调整成对比较阵A中aij的赋值，直到达到满意的一致性为止；
步骤4.4：对比较矩阵Bi做一致性检验；
比较矩阵Bi＝(bpq)N×N,i＝1,2,3,4,5,N≤9；
步骤4.4.1：计算衡量比较矩阵Bi不一致程度的指标CI(Bi)，公式如下：
其中，λmax(Bi)为比较矩阵Bi的绝对值最大的特征值；
步骤4.4.2：根据九级标度法可得平均随机一致性指标RI如下：
| N | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| RI | 0 | 0 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
由N取值查表可得RI(Bi)；
步骤4.4.3：计算成对比较阵Bi的随机一致性比率CR(Bi)，公式如下：
当CR(Bi)<0.1时，判定对比矩阵Bi有满意的一致性，否则就调整比较矩阵Bi中bpq的赋值，直到达到满意的一致性为止；
步骤4.5：计算成对比较矩阵A、比较矩阵Bi权向量；具体如下：
步骤4.5.1：对比较矩阵A特征值λmax(A)对应的特征向量标准化后得矩阵A 的权向量U＝(β1,β2,β3,β4,β5)；
步骤4.5.2：比较矩阵Bi特征值λmax(Bi)对应的特征向量标准化后得矩阵Bi的权向量Vi＝(αi1,αi2,αi3…αiN),i＝1,2,3,4,5；
步骤4.6：计算各个HESS簇群所得总分C(HESSm)，公式如下：
C(HESSm)＝β1×α1m+β2×α2m+β3×α3m+β4×α4m+β5×α5m,m＝[1,N]；
比较C(HESSm)并选出最大值，对应的HESS簇群为最优HESS簇群。
更进一步，所述步骤5包括如下具体步骤：
步骤5.1：由步骤4.6可得各个HESS簇群总分C(HESSm),m＝[1,N]，利用选择排序法将除最优的HESS簇群外的N-1个簇群按照总分的大小由高到低排序；
步骤5.2：判断是否满足PG＞PL，时满足则转步骤5.3，不满足则转步骤5.5；
步骤5.3：在步骤5.1中所述排序过程中对于参数
大于SOHChigh或电解槽工作温度
高于所允许的最高温度Tecmax或燃料电池工作温度
高于所允许的最高温度Tfcmax的HESS簇群，控制系统将其自动去除，不做排序，此类簇群不承担功率任务；假设排序结束后有V个簇群参与排序，其中V＜N-1；
步骤5.4：对于排好序的V个HESS簇群，所需分配总功率|PG-PL|，则第v个簇群所需承担功率为
v∈[1，V]；保证每个HESS簇群参数
处于最优区间[SOHClow，SOHChigh]；
步骤5.5：在步骤5.1中所述排序过程中对于参数
小于SOHClow或电解槽工作温度
高于所允许的最高温度Tecmax或燃料电池工作温度
高于所允许的最高温度Tfcmax的HESS簇群，控制系统将其自动去除，不做排序，此类簇群不承担功率任务；假设排序结束后有U个簇群参与排序，其中U＜N-1；
步骤5.6：对于排好序的U个HESS簇群，所需分配总功率|PG-PL|，则第u个簇群所需承担功率为
u∈[1，U]；保证每个HESS簇群参数
处于最优区间[SOHClow，SOHChigh]。
本发明相对于现有技术的优点在于：
本发明针对氢储能系统集群能量控制管理问题，提出了一种考虑HESS单元氢储容量、制氢/发电效率等多个参数权重差异性的大规模氢储能集群有功出力控制决策方法；特点之一：保证大规模氢储能集群可以快速、准确的反应电网调度指令，并在满足功率平衡的同时，使大规模储能系统中各个HESS单元的 SOHC、工作温度等参数最大程度的控制在最佳运行区间；特点之二：控制策略采用了K-means聚类算法，层次分析法以及最优排序法，既充分考虑同类参数一致性，又考虑不同参数权重的差异性，并且在数据严谨性的基础之上，增加了控制者主观偏好，可大大提高大规模储能系统运行效率、稳定性和经济性；特点之三：.利用优先排序法对剩余N-1个HESS簇群进行功率分配之后，若仍无法满足功率平衡，则剩余功率全部由最优HESS簇承担，不强制要求最优簇参数
满足最优区间[SOHClow,SOHChigh]，以保证满足调度指令的同时，最大限度的保证整个系统处于最佳运行状态。
附图说明：
图1是本发明实施例中方法流程示意图。
具体实施方式：
实施例：
一种氢储能系统集群功率分配方法，氢储能系统包含电解水制氢系统、储氢系统、氢燃料电池发电系统以及能量控制管理系统，包含以下步骤：
步骤1：氢储能的能量控制系统获取所有HESS单元SOHC、制氢效率
参数、发电效率ηelec、电解槽工作温度Tec、燃料电池工作温度Tfc参数；
步骤2：每间隔一定时长，比较电网输出功率PG和负荷需求功率PL大小，如果PG＝PL，转步骤6；否则转步骤3；
步骤3：采用K-means聚类方法，将大规模氢储能集群分为N个不同的 HESS簇群，各个簇群内每个HESS单元同类参数量值相近，并将簇心等效参数作为簇群参数；以大规模氢储能集群作为负荷消耗电能为例，具体包括：
步骤3.1：记大规模氢储能集群中有M个HESS单元，其中M>N,记任意一个HESS单元参数SOHC、制氢效率
充放电次数t、电解槽工作温度Tec及燃料电池工作温度Tfc在五维空间中均形成一个点坐标，用点坐标来代表一个 HESS单元，记第k个HESS单元点坐标为
其中k∈[1,M]，故大规模储能集群共计M个点坐标；
步骤3.2：取K-means聚类算法中K值为N，在步骤3.1中形成的M个点坐标中随机取N个作为初始聚类中心坐标，即：
步骤3.3：对任意一个点坐标
其中k∈[1,M]，求其到N个聚类中心点的距离，最后将点坐标所代表的HESS单元归类到与其距离最小的聚类中心点所在聚类，最后形成N个聚类，即N个HESS簇群；两点 (x1、y1、z1、γ1、κ1)，(x2、y2、z2、γ2、κ2)之间距离公式如下：
步骤3.4：利用均值方法，计算并更新每个HESS簇群的中心点坐标；以R 个点(x1、y1、z1、γ1)…(xR、yR、zR、γR)为例，均值法计算公式如下：
步骤3.5：然后重复步骤3.3-3.4，迭代Q次之后，形成最终的N个HESS簇群，记某个HESS簇群为HESSm，其中m∈[1,N]，聚类中心点坐标值
为簇群对应参数；
若HESS集群作为电源燃氢发电，参考步骤3.1-3.5，其中将步骤3.1中所述制氢效率
改为发电效率ηelec即可，其余内容不变；通过上述步骤，考虑HESS集群同类参数的相似性，将大规模HESS集群分为N个HESS簇群，每个簇群中各个HESS单元参数水平相近；
步骤4：筛选出最优HESS簇群；本实施例采用层次分析法筛选出最优HESS 簇群，包含以下过程：
步骤4.1：建立结构模型，将筛选最优HESS簇群作为最高目标层，将HESS簇群参数
制氢效率
或发电效率
充放电次数
电解槽及燃料电池工作温度
作为中间标准层，N个HESS簇群为最低方案层；
步骤4.2：构造成对比较矩阵；具体如下：
步骤4.2.1：中间标准层共有五个元素参与比较，构造成对比较矩阵 A＝(aij)w×w,1≤i,j≤5，其中aij表示中间层第i个元素与第j个元素相对目标层的重要性程度，w为中间标准层元素个数，这里w＝5；
步骤4.2.2：最底方案层共有N个HESS簇群待选，对于中间标准层第i个元素，各个HESS簇群之间的比较矩阵为Bi＝(bpq)N×N,i＝1,2,3,4,5，其中bpq表示第p 个HESS簇群与第q个HESS簇群在中间层第i个元素(即参数)方面的优越度， N为HESS簇群的总数量；
步骤4.2.3：对于步骤4.2.1中所述成对比较矩阵A及步骤4.2.2中所述簇群之间比较矩阵Bi，赋值标准与矩阵阶数w和N有关，不妨记N≤9，则可按 1-9的尺度对矩阵A和矩阵Bi进行赋值；
对于步骤4.2.1中所述成对比较矩阵A和步骤4.2.2中所述矩阵Bi赋值标准如下：若第i个元素与第j个元素相对目标层的重要性程度相同，则aij＝1；若第i个元素比第j个元素相对目标层的重要性程度略高，则aij＝3；若第i个元素比第j个元素相对目标层更重要，则aij＝5；若第i个元素比第j个元素相对目标层重要的多，则aij＝7；若第i个元素比第j个元素相对目标层极其重要，则aij＝9； aij＝2n,n＝1,2,3,4，表示第i个元素与第j个元素重要性程度介于aij＝2n-1与aij＝2n+1之间；
步骤4.3：成对比较矩阵A做一致性检验；具体如下：
成对比较矩阵A＝(aij)w×w,1≤i,j≤5，w＝5；
步骤4.3.1：计算衡量成对比较矩阵A不一致程度的指标CI，公式如下：
其中，λmax(A)为成对比较矩阵A的绝对值最大的特征值；
步骤4.3.2：根据九级标度法可得平均随机一致性指标RI如下：
| w | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| RI | 0 | 0 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
由上表可知：w＝5时，RI(A)＝1.12；
步骤4.3.3：计算成对比较阵A的随机一致性比率CR(A)，公式如下：
当CR(A)<0.1时，判定成对比较阵A有满意的一致性，否则就调整成对比较阵A中aij的赋值，直到达到满意的一致性为止。
步骤4.4：对比较矩阵Bi做一致性检验；
比较矩阵Bi＝(bpq)N×N,i＝1,2,3,4,5,N≤9；
步骤4.4.1：计算衡量比较矩阵Bi不一致程度的指标CI(Bi)，公式如下：
其中，λmax(Bi)为比较矩阵Bi的绝对值最大的特征值；
步骤4.4.2：根据九级标度法可得平均随机一致性指标RI如下：
| N | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
| RI | 0 | 0 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 |
由N取值查表可得RI(Bi)；
步骤4.4.3：计算成对比较阵Bi的随机一致性比率CR(Bi)，公式如下：
当CR(Bi)<0.1时，判定对比矩阵Bi有满意的一致性，否则就调整比较矩阵Bi中bpq的赋值，直到达到满意的一致性为止；
步骤4.5：计算成对比较矩阵A、比较矩阵Bi权向量；具体如下：
步骤4.5.1：对比较矩阵A特征值λmax(A)对应的特征向量标准化后得矩阵A 的权向量U＝(β1,β2,β3,β4,β5)；
步骤4.5.2：比较矩阵Bi特征值λmax(Bi)对应的特征向量标准化后得矩阵Bi的权向量Vi＝(αi1,αi2,αi3…αiN),i＝1,2,3,4,5；
步骤4.6：计算各个HESS簇群所得总分C(HESSm)，公式如下：
C(HESSm)＝β1×α1m+β2×α2m+β3×α3m+β4×α4m+β5×α5m,m＝[1,N]；
比较C(HESSm)并选出最大值，对应的HESS簇群为最优HESS簇群。
步骤5：利用优先排序法对除最优HESS簇群外的N-1个HESS簇群进行有功功率分配，且簇群内部各个HESS单元平均承担簇群所承担的总功率；功率分配结束后，如果仍不能完全消纳盈余电能或者仍然不能满足负荷需求，那么盈余或缺额的电能全部由最优HESS簇群承担；包括如下具体步骤：
步骤5.1：由步骤4.6可得各个HESS簇群总分C(HESSm),m＝[1,N]，利用选择排序法将除最优的HESS簇群外的N-1个簇群按照总分的大小由高到低排序；
步骤5.2：判断是否满足PG>PL，时满足则转步骤5.3，不满足则转步骤5.5；
步骤5.3：在步骤5.1中所述排序过程中对于参数
大于SOHChigh或电解槽及燃料电池工作温度
高于所允许的最高温度Tecmax，Tfcmax的HESS簇群，控制系统将其自动去除，不做排序，此类簇群不承担功率任务；假设排序结束后有V个簇群参与排序，其中V<N-1；
步骤5.4：对于排好序的V个HESS簇群，所需分配总功率|PG-PL|,则第v个簇群所需承担功率为
v∈[1,V]；保证每个HESS簇群参数
处于最优区间[SOHClow,SOHChigh]；
步骤5.5：在步骤6.1中所述排序过程中对于参数
小于SOHClow或电解槽及燃料电池工作温度
高于所允许的最高温度Tecmax，Tfcmax的HESS簇群，控制系统将其自动去除，不做排序，此类簇群不承担功率任务。假设排序结束后有 U个簇群参与排序，其中U<N-1；
步骤5.6：对于排好序的U个HESS簇群，所需分配总功率|PG-PL|,则第u个簇群所需承担功率为
u∈[1,U]；保证每个HESS簇群参数
处于最优区间[SOHClow,SOHChigh]；
返回步骤1；
步骤6：停止所有HESS单元耗电制氢或燃氢发电；返回步骤1；
上述步骤5中在HESS集群充电过程中控制每个HESS单元的SOHC最大不超过SOHCmax，在满足电网调度指令的前提下，考虑控制HESS制氢过程中SOHC不超过SOHChigh，电解槽工作温度Tec及燃料电池工作温度Tfc分别不超过其本身所允许的最高温度Tecmax及Tfcmax；在HESS集群发电过程中控制每个HESS单元的SOHC最小不低于SOHCmin，在满足电网调度指令的前提下，考虑控制HESS制氢过程中SOHC 不低于SOHClow，电解槽工作温度Tec及燃料电池工作温度Tfc分别不超过其本身所允许的最高温度Tecmax及Tfcmax；SOHCmax和SOHCmin分别表示HESS单元本身设定的最高储氢量和最低储氢量；SOHChigh和SOHClow分别表示HESS单元最佳运行时的储氢量上限和下限。
在上述大规模氢储能集群的能量控制管理过程中，能量控制系统会实时获取电网需求指令，并根据不同的电网需求，对HESS下达充放电指令，重新对大规模储能集群进行聚类分簇，并对HESS簇群进行评分和选优，最终实现对各个HESS单元的动态能量分配，最大程度保证氢储能集群运行在最有区间。
补充说明：本发明所描述的具体实施方案仅是本发明的一部分实施例，本发明不局限于上述具体实施方案中所列指标及参数数量，在本发明公开的技术方案的基础之上，本领域的普通技术人员在没有作出创造性劳动的前提下对其中的一些技术特征作出的一些替换和变形均属于本发明的保护范围。
Claims (5)
1.一种氢储能系统集群功率分配方法，氢储能系统包含电解水制氢系统、储氢系统、氢燃料电池发电系统以及能量控制管理系统，其特征在于，包含以下步骤：
步骤1：氢储能的能量控制系统获取所有HESS单元SOHC、制氢效率
发电效率ηelec、电解槽工作温度Tec、燃料电池工作温度Tfc参数；
步骤2：每间隔一定时长，比较电网输出功率PG和负荷需求功率PL大小，如果PG＝PL，转步骤6；否则转步骤3；
步骤3：采用K-means聚类方法，将大规模氢储能集群分为N个不同的HESS簇群，各个簇群内每个HESS单元同类参数量值相近，并将簇心等效参数作为簇群参数；
步骤4：筛选出最优HESS簇群；
步骤5：利用优先排序法对除最优HESS簇群外的N-1个HESS簇群进行有功功率分配，且簇群内部各个HESS单元平均承担簇群所承担的总功率；功率分配结束后，如果仍不能完全消纳盈余电能或者仍然不能满足负荷需求，那么盈余或缺额的电能全部由最优HESS簇群承担；返回步骤1；
步骤6：停止所有HESS单元耗电制氢或燃氢发电；返回步骤1。
2.根据权利要求1所述一种氢储能系统集群功率分配方法，其特征在于，所述步骤5中在HESS集群充电过程中控制每个HESS单元的SOHC最大不超过SOHCmax，在满足电网调度指令的前提下，考虑控制HESS制氢过程中SOHC不超过SOHChigh，电解槽工作温度Tec及燃料电池工作温度Tfc分别不超过其本身所允许的最高温度Tecmax及Tfcmax；在HESS集群发电过程中控制每个HESS单元的SOHC最小不低于SOHCmin，在满足电网调度指令的前提下，考虑控制HESS制氢过程中SOHC不低于SOHClow，电解槽工作温度Tec及燃料电池工作温度Tfc分别不超过其本身所允许的最高温度Tecmax及Tfcmax；SOHCmax和SOHCmin分别表示HESS单元本身设定的最高储氢量和最低储氢量；SOHChigh和SOHClow分别表示HESS单元最佳运行时的储氢量上限和下限。
3.根据权利要求1中所述一种氢储能系统集群功率分配方法，其特征在于，所述步骤3包含以下过程：
步骤3.1：记大规模氢储能集群中有M个HESS单元，其中M>N,记任意一个HESS单元参数SOHC、能量转换效率η、充放电次数t、电解槽工作温度Tec、燃料电池工作温度Tfc在五维空间中均形成一个点坐标，用点坐标来代表一个HESS单元，记第k个HESS单元点坐标为(SOHCk、ηk、tk、Teck、Tfck)，其中k∈[1,M]，故大规模储能集群共计M个点坐标；
步骤3.2：取K-means聚类算法中K值为N，在步骤3.1中形成的M个点坐标中随机取N个作为初始聚类中心坐标，即：(SOHC1、η1、t1、Tec1、Tfc1)…(SOHCN、ηN、tN、TecN、TfcN)；
步骤3.3：对任意一个点坐标(SOHCk、ηk、tk、Teck、Tfck)，其中k∈[1,M]，求其到N个聚类中心点的距离，最后将点坐标所代表的HESS单元归类到与其距离最小的聚类中心点所在聚类，最后形成N个聚类，即N个HESS簇群；两点(x1、y1、z1、γ1、κ1)，(x2、y2、z2、γ2、κ2)之间距离公式如下：
步骤3.4：利用均值方法，计算并更新每个HESS簇群的中心点坐标；以R个点(x1、y1、z1、γ1)…(xR、yR、zR、γR)为例，均值法计算公式如下：
步骤3.5：然后重复步骤3.3-3.4，迭代Q次之后，形成最终的N个HESS簇群，记某个HESS簇群为HESSm，其中m∈[1,N]，聚类中心点坐标值
为簇群对应参数。
4.根据权利要求3中所述一种氢储能系统集群功率分配方法，其特征在于，所述步骤4采用层次分析法筛选出最优HESS簇群，包含以下过程：
步骤4.1：建立结构模型，将筛选最优HESS簇群作为最高目标层，将HESS簇群参数
能量转换效率
充放电次数
电解槽工作温度
燃料电池工作温度
作为中间标准层，N个HESS簇群为最低方案层；
步骤4.2：构造成对比较矩阵；具体如下：
步骤4.2.1：中间标准层共有五个元素参与比较，构造成对比较矩阵A＝(aij)w×w,1≤i,j≤5，其中aij表示中间层第i个元素与第j个元素相对目标层的重要性程度，w为中间标准层元素个数，这里w＝5；
步骤4.2.2：最底方案层共有N个HESS簇群待选，对于中间标准层第i个元素，各个HESS簇群之间的比较矩阵为Bi＝(bpq)N×N,i＝1,2,3,4,5，其中bpq表示第p个HESS簇群与第q个HESS簇群在中间层第i个元素(即参数)方面的优越度，N为HESS簇群的总数量；
步骤4.2.3：对于步骤4.2.1中所述成对比较矩阵A及步骤4.2.2中所述簇群之间比较矩阵Bi，赋值标准与矩阵阶数w和N有关，不妨记N≤9，则可按1-9的尺度对矩阵A和矩阵Bi进行赋值；
对于步骤4.2.1中所述成对比较矩阵A和步骤4.2.2中所述矩阵Bi赋值标准如下：若第i个元素与第j个元素相对目标层的重要性程度相同，则aij＝1；若第i个元素比第j个元素相对目标层的重要性程度略高，则aij＝3；若第i个元素比第j个元素相对目标层更重要，则aij＝5；若第i个元素比第j个元素相对目标层重要的多，则aij＝7；若第i个元素比第j个元素相对目标层极其重要，则aij＝9；aij＝2n,n＝1,2,3,4，表示第i个元素与第j个元素重要性程度介于aij＝2n-1与aij＝2n+1之间；
步骤4.3：成对比较矩阵A做一致性检验；具体如下：
成对比较矩阵A＝(aij)w×w,1≤i,j≤5，w＝5；
步骤4.3.1：计算衡量成对比较矩阵A不一致程度的指标CI，公式如下：
其中，λmax(A)为成对比较矩阵A的绝对值最大的特征值；
步骤4.3.2：根据九级标度法可得平均随机一致性指标RI如下：
由上表可知：w＝5时，RI(A)＝1.12；
步骤4.3.3：计算成对比较阵A的随机一致性比率CR(A)，公式如下：
当CR(A)<0.1时，判定成对比较阵A有满意的一致性，否则就调整成对比较阵A中aij的赋值，直到达到满意的一致性为止；
步骤4.4：对比较矩阵Bi做一致性检验；
比较矩阵Bi＝(bpq)N×N,i＝1,2,3,4,5,N≤9；
步骤4.4.1：计算衡量比较矩阵Bi不一致程度的指标CI(Bi)，公式如下：
其中，λmax(Bi)为比较矩阵Bi的绝对值最大的特征值；
步骤4.4.2：根据九级标度法可得平均随机一致性指标RI如下：
由N取值查表可得RI(Bi)；
步骤4.4.3：计算成对比较阵Bi的随机一致性比率CR(Bi)，公式如下：
当CR(Bi)<0.1时，判定对比矩阵Bi有满意的一致性，否则就调整比较矩阵Bi中bpq的赋值，直到达到满意的一致性为止；
步骤4.5：计算成对比较矩阵A、比较矩阵Bi权向量；具体如下：
步骤4.5.1：对比较矩阵A特征值λmax(A)对应的特征向量标准化后得矩阵A的权向量U＝(β1,β2,β3,β4,β5)；
步骤4.5.2：比较矩阵Bi特征值λmax(Bi)对应的特征向量标准化后得矩阵Bi的权向量Vi＝(αi1,αi2,αi3…αiN),i＝1,2,3,4,5；
步骤4.6：计算各个HESS簇群所得总分C(HESSm)，公式如下：
C(HESSm)＝β1×α1m+β2×α2m+β3×α3m+β4×α4m+β5×α5m,m＝[1,N]；
比较C(HESSm)并选出最大值，对应的HESS簇群为最优HESS簇群。
5.根据权利要求4中所述一种氢储能系统集群功率分配方法，其特征在于，所述步骤5包括如下具体步骤：
步骤5.1：由步骤4.6可得各个HESS簇群总分C(HESSm),m＝[1,N]，利用选择排序法将除最优的HESS簇群外的N-1个簇群按照总分的大小由高到低排序；
步骤5.2：判断是否满足PG>PL，时满足则转步骤5.3，不满足则转步骤5.5；
步骤5.3：在步骤5.1中所述排序过程中对于参数
大于SOHChigh或电解槽工作温度
高于所允许的最高温度Tecmax或燃料电池工作温度
高于所允许的最高温度Tfcmax的HESS簇群，控制系统将其自动去除，不做排序，此类簇群不承担功率任务；假设排序结束后有V个簇群参与排序，其中V<N-1；
步骤5.4：对于排好序的V个HESS簇群，所需分配总功率|PG-PL|,则第v个簇群所需承担功率为
v∈[1,V]；保证每个HESS簇群参数
处于最优区间[SOHClow,SOHChigh]；
步骤5.5：在步骤5.1中所述排序过程中对于参数
小于SOHClow或电解槽工作温度
高于所允许的最高温度Tecmax或燃料电池工作温度
高于所允许的最高温度Tfcmax的HESS簇群，控制系统将其自动去除，不做排序，此类簇群不承担功率任务；假设排序结束后有U个簇群参与排序，其中U<N-1；
步骤5.6：对于排好序的U个HESS簇群，所需分配总功率|PG-PL|,则第u个簇群所需承担功率为
u∈[1,U]；保证每个HESS簇群参数
处于最优区间[SOHClow,SOHChigh]。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111114415.8A CN113765125B (zh) | 2021-09-23 | 2021-09-23 | 一种氢储能系统集群功率分配方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111114415.8A CN113765125B (zh) | 2021-09-23 | 2021-09-23 | 一种氢储能系统集群功率分配方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113765125A true CN113765125A (zh) | 2021-12-07 |
| CN113765125B CN113765125B (zh) | 2023-06-30 |
Family
ID=78796930
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111114415.8A Active CN113765125B (zh) | 2021-09-23 | 2021-09-23 | 一种氢储能系统集群功率分配方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113765125B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114689980A (zh) * | 2022-06-01 | 2022-07-01 | 深圳市明珞锋科技有限责任公司 | 一种充电机异常事故报警装置 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080286622A1 (en) * | 2004-05-11 | 2008-11-20 | Montana State University-Bozeman | Transient Recognition Control for Hybrid Fuel Cell Systems |
| US20130026840A1 (en) * | 2011-07-28 | 2013-01-31 | Tigo Energy, Inc. | Systems and Methods to Reduce the Number and Cost of Management Units of Distributed Power Generators |
| CN103036244A (zh) * | 2012-12-07 | 2013-04-10 | 重庆大学 | 大容量风电场用全钒液流电池储能功率优化分配控制方法 |
| CN104821609A (zh) * | 2015-05-29 | 2015-08-05 | 袁铁江 | 一种分散式接入风电场的风-氢储能耦合系统控制方法 |
| US20160013652A1 (en) * | 2013-02-22 | 2016-01-14 | University Of Florida Research Foundation, Incorporated | Method and apparatus for power management using distributed generation |
| CN107147109A (zh) * | 2017-05-10 | 2017-09-08 | 袁铁江 | 风电‑氢储能与煤化工多能耦合系统气体分配控制方法 |
| CN109888927A (zh) * | 2019-02-15 | 2019-06-14 | 国电南瑞科技股份有限公司 | 一种规模化储能集群充放电能力分析方法 |
| CN109978397A (zh) * | 2019-04-01 | 2019-07-05 | 河海大学 | 基于层次分析法的综合能源系统优化运行模式评估方法 |
| CN110797896A (zh) * | 2019-11-28 | 2020-02-14 | 国网江苏电力设计咨询有限公司 | 一种微网风光储系统中混合储能容量优化配置方法 |
| CN111091309A (zh) * | 2020-01-14 | 2020-05-01 | 中国电力科学研究院有限公司 | 一种电动汽车充电网络运行经济效益评价方法 |
| CN112465270A (zh) * | 2020-12-16 | 2021-03-09 | 北方工业大学 | 一种基于层次分析法的氢能发电系统评估方法 |
| CN113043917A (zh) * | 2021-04-15 | 2021-06-29 | 西南交通大学 | 一种多堆燃料电池混合动力系统分层控制方法 |
| CN113078629A (zh) * | 2020-01-06 | 2021-07-06 | 华北电力大学（保定） | 一种用于集群温控负荷聚合商功率调控的聚合体功率分配模型及分布式一致性控制方法 |
-
2021
- 2021-09-23 CN CN202111114415.8A patent/CN113765125B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080286622A1 (en) * | 2004-05-11 | 2008-11-20 | Montana State University-Bozeman | Transient Recognition Control for Hybrid Fuel Cell Systems |
| US20130026840A1 (en) * | 2011-07-28 | 2013-01-31 | Tigo Energy, Inc. | Systems and Methods to Reduce the Number and Cost of Management Units of Distributed Power Generators |
| CN103036244A (zh) * | 2012-12-07 | 2013-04-10 | 重庆大学 | 大容量风电场用全钒液流电池储能功率优化分配控制方法 |
| US20160013652A1 (en) * | 2013-02-22 | 2016-01-14 | University Of Florida Research Foundation, Incorporated | Method and apparatus for power management using distributed generation |
| CN104821609A (zh) * | 2015-05-29 | 2015-08-05 | 袁铁江 | 一种分散式接入风电场的风-氢储能耦合系统控制方法 |
| CN107147109A (zh) * | 2017-05-10 | 2017-09-08 | 袁铁江 | 风电‑氢储能与煤化工多能耦合系统气体分配控制方法 |
| CN109888927A (zh) * | 2019-02-15 | 2019-06-14 | 国电南瑞科技股份有限公司 | 一种规模化储能集群充放电能力分析方法 |
| CN109978397A (zh) * | 2019-04-01 | 2019-07-05 | 河海大学 | 基于层次分析法的综合能源系统优化运行模式评估方法 |
| CN110797896A (zh) * | 2019-11-28 | 2020-02-14 | 国网江苏电力设计咨询有限公司 | 一种微网风光储系统中混合储能容量优化配置方法 |
| CN113078629A (zh) * | 2020-01-06 | 2021-07-06 | 华北电力大学（保定） | 一种用于集群温控负荷聚合商功率调控的聚合体功率分配模型及分布式一致性控制方法 |
| CN111091309A (zh) * | 2020-01-14 | 2020-05-01 | 中国电力科学研究院有限公司 | 一种电动汽车充电网络运行经济效益评价方法 |
| CN112465270A (zh) * | 2020-12-16 | 2021-03-09 | 北方工业大学 | 一种基于层次分析法的氢能发电系统评估方法 |
| CN113043917A (zh) * | 2021-04-15 | 2021-06-29 | 西南交通大学 | 一种多堆燃料电池混合动力系统分层控制方法 |
Non-Patent Citations (3)
| Title |
|---|
| LIXIN WAN: ""Optimal scheduling of hydrogen energy storage integrated energy system based on Mixed Integer Second-order Cone"", pages 1 - 5 * |
| 刘颖明 等: ""考虑机组疲劳载荷的风电集群有功功率分配方法"", vol. 42, no. 5, pages 430 - 436 * |
| 李建林 等: ""氢能储运技术现状及其在电力系统中的典型应用"", vol. 38, pages 1 - 12 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114689980A (zh) * | 2022-06-01 | 2022-07-01 | 深圳市明珞锋科技有限责任公司 | 一种充电机异常事故报警装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113765125B (zh) | 2023-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107301472B (zh) | 基于场景分析法和电压调节策略的分布式光伏规划方法 | |
| CN107967536B (zh) | 基于鲁棒优化的绿色数据中心节能任务调度策略 | |
| CN110994694B (zh) | 计及差异化需求响应的微电网源荷储协调优化调度方法 | |
| CN108448620B (zh) | 基于综合性能指标的高渗透率分布式电源集群划分方法 | |
| CN112465181A (zh) | 一种支持源-网-荷-储多元泛在协调的两阶段优化调度方法 | |
| CN110956324B (zh) | 基于改进的moea/d的主动配电网日前高维目标优化调度方法 | |
| CN104052820A (zh) | 一种分布式云计算平台的动态节能资源调度系统及方法 | |
| CN113783224A (zh) | 一种考虑多种分布式能源运行的配电网双层优化规划方法 | |
| CN113452033B (zh) | 分区自治的含高比例光伏配电网电压控制方法及存储介质 | |
| CN115117931A (zh) | 考虑电动汽车灵活性和光伏接入的配电网规划方法及系统 | |
| CN108808737A (zh) | 促进可再生分布式电源消纳的主动配电网优化调度方法 | |
| CN110247428A (zh) | 一种基于源网荷协同优化的配电网光储联合配置方法 | |
| CN114336785A (zh) | 一种基于网格聚类的分布式电源群控群调控制方法及装置 | |
| CN115275983A (zh) | 一种基于分布式资源聚类的光伏功率波动平抑控制方法 | |
| CN113765125A (zh) | 一种氢储能系统集群功率分配方法 | |
| CN117526311A (zh) | 基于遗传算法的电动汽车集群管控方法 | |
| CN115147245B (zh) | 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法 | |
| CN116993205A (zh) | 一种面向城市综合能源系统日内运行的调节能力评估方法 | |
| CN115940284A (zh) | 一种考虑分时电价的新能源制氢系统的运行控制策略 | |
| CN116191421A (zh) | 一种基于改进nsga-ii算法的新型电力系统多目标优化调度方法 | |
| CN116169700A (zh) | 一种配电网储能配置模型及其求解方法 | |
| CN110970939B (zh) | 一种分布式能源集群优化方法及系统 | |
| CN114725961A (zh) | 平抑风电波动的制氢系统容量分层优化配置方法 | |
| CN113378481A (zh) | 基于多目标进化算法的互联网数据中心需求响应优化方法 | |
| CN114362169A (zh) | 一种计及光储型虚拟电厂边际成本的分层协调调控方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |