CN113839404A - 一种近零能耗建筑自我用电最大化优化方法及系统 - Google Patents

一种近零能耗建筑自我用电最大化优化方法及系统 Download PDF

Info

Publication number
CN113839404A
CN113839404A CN202111290291.9A CN202111290291A CN113839404A CN 113839404 A CN113839404 A CN 113839404A CN 202111290291 A CN202111290291 A CN 202111290291A CN 113839404 A CN113839404 A CN 113839404A
Authority
CN
China
Prior art keywords
power
battery
storage system
energy storage
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.)
Granted
Application number
CN202111290291.9A
Other languages
English (en)
Other versions
CN113839404B (zh
Inventor
刘乘麟
王贻亮
郭聃
汤耀
林艳
张蓉蓉
孟平
李龙生
勇群
秦健博
郑鹏飞
孔亮
李玉文
乔学明
姜婷
孙海峰
陈秀娟
王超
宫宝凝
陈豪
夏迎雪
于津东
彭红
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.)
Weihai Power Supply Co of State Grid Shandong Electric Power Co Ltd
Original Assignee
Weihai Power Supply Co of State Grid Shandong 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 Weihai Power Supply Co of State Grid Shandong Electric Power Co Ltd filed Critical Weihai Power Supply Co of State Grid Shandong Electric Power Co Ltd
Priority to CN202111290291.9A priority Critical patent/CN113839404B/zh
Publication of CN113839404A publication Critical patent/CN113839404A/zh
Application granted granted Critical
Publication of CN113839404B publication Critical patent/CN113839404B/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
    • H02J3/28—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
    • 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
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/10—Flexible AC transmission systems [FACTS]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

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

Abstract

本公开提供了一种近零能耗建筑自我用电最大化优化方法及系统，包括：确定发电段和用电段开始时刻的电池储能系统荷电状态的最大限值，并确定用电高峰时段开始时的最优电池荷电状态；以电池储能系统荷电状态的最大限值以及高峰时段开始时的最优电池核电状态作为约束条件，对非用电高峰时段的电池储能系统进行优化调度，实现近零能耗建筑自我用电的最大化。所述方案通过对用电高峰时段电池储能系统荷电状态的优化求解以及非高峰时段的电池储能系统的调度，有效提高了光伏发电产生电能的利用率，保证了近零能耗建筑自我用电的最大化。

Description

一种近零能耗建筑自我用电最大化优化方法及系统
技术领域
本公开属于能源用电优化技术领域，尤其涉及一种近零能耗建筑自我用电最大化优化方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。
近零能耗建筑(nZEB：Nearly Zero EnergyBuilding)指通过被动式技术手段，最大幅度降低建筑供暖供冷需求，最大幅度提高能源设备与系统效率，利用可再生能源，优化能源系统运行，以最少的能源消耗提供舒适室内环境。
发明人发现，现有的近零能耗建筑系统仅仅是利用光伏发电等可再生能源系统来完全或部分替代外部电网的电能，实现对建筑内能源系统的优化运行，其现有的实现方式上存在非用电高峰时段光伏发电所产生电能的浪费以及用电高峰时段过度从外部电网获取电能的问题，其对于光伏发电利用率较低。
发明内容
本公开为了解决上述问题，提供了一种近零能耗建筑自我用电最大化优化方法及系统，所述方案通过对用电高峰时段电池储能系统荷电状态的优化求解以及非高峰时段的电池储能系统的调度，有效提高了光伏发电产生电能的利用率，保证了近零能耗建筑自我用电的最大化。
根据本公开实施例的第一个方面，提供了一种近零能耗建筑自我用电最大化优化方法，该建筑内包括用电设备、光伏阵列及电池储能系统，且接入外部电网，所述方法包括：
基于建筑内用电历史数据及光伏发电历史数据，确定日内各发电段及用电段的光伏发电量及负荷需求的预测值，并基于所述预测值确定用电高峰时段及非高峰时段；
在用电高峰时段，以电池储能系统的剩余容量，满足光伏发电量除负荷需求外剩余电量存储为目标，确定发电段和用电段开始时刻的电池储能系统荷电状态的最大限值；
以用电高峰时段释放电池储能系统中全部能量为目标，获得用电高峰时段开始时的最优电池荷电状态；
以电池储能系统荷电状态的最大限值以及高峰时段开始时的最优电池核电状态作为约束条件，对非用电高峰时段的电池储能系统进行优化调度，实现近零能耗建筑自我用电的最大化。
进一步的，所述确定发电段和用电段开始时刻的电池储能系统荷电状态的最大限值，具体为：
当光伏发电功率大于负载需求功率时，计算所述电池储能系统的空闲电池容量恰好存储该时段光伏发电功率时的电池储能系统荷电状态值，以此时的电池储能系统荷电状态值作为最大限值；
当光伏发电功率小于等于负载需求功率时，无最大限值。
进一步的，所述获得用电高峰时段开始时的最优电池荷电状态，其求解过程为：
当负载需求功率大于光伏发电功率时，以当前时段到用电高峰时段的第一个小时中每个用电段的额外能源需求之和，作为当前时段的最优电池荷电状态；
当负载需求功率不大于光伏发电功率时，当前时段的最优电池荷电状态为当前的负载需求功率。
进一步的，所述电池储能系统荷电状态调度还需满足电池储能系统的能量容量限制以及电池放电/充电速率边界的约束。
根据本公开实施例的第二个方面，提供了一种近零能耗建筑自我用电最大化优化系统，包括：
数据获取单元，其用于基于建筑内用电历史数据及光伏发电历史数据，确定日内各发电段及用电段的光伏发电量及负荷需求的预测值，并基于所述预测值确定用电高峰时段及非高峰时段；
用电高峰时段优化单元，其用于在用电高峰时段，以电池储能系统的剩余容量，满足光伏发电量除负荷需求外剩余电量存储为目标，确定发电段和用电段开始时刻的电池储能系统荷电状态的最大限值；并以用电高峰时段释放电池储能系统中全部能量为目标，获得用电高峰时段开始时的最优电池荷电状态；
非用电高峰时段优化单元，其用于以电池储能系统荷电状态的最大限值以及高峰时段开始时的最优电池核电状态作为约束条件，对非用电高峰时段的电池储能系统进行优化调度，实现近零能耗建筑自我用电的最大化。
根据本公开实施例的第三个方面，提供了一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现所述的一种近零能耗建筑自我用电最大化优化方法。
根据本公开实施例的第四个方面，提供了一种非暂态计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的一种近零能耗建筑自我用电最大化优化方法。
与现有技术相比，本公开的有益效果是：
本公开所述方案提供了一种近零能耗建筑自我用电最大化优化方法及系统，所述方案通过对用电高峰时段电池储能系统荷电状态的优化求解以及非高峰时段的电池储能系统的调度，有效提高了光伏发电产生电能的利用率，保证了近零能耗建筑自我用电的最大化。
本公开附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本公开的实践了解到。
附图说明
构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。
图1为本公开实施例一中所述的近零能耗建筑自我用电最大化优化方法流程图；
图2为本公开实施例一中所述的近零能耗建筑能源管理示意图；
图3为本公开实施例一中所述的高峰时段的发电和用电段示意图；
图4为本公开实施例一中所述的近零能耗建筑自我用电最大化优化方法调度过程示意图。
具体实施方式
下面结合附图与实施例对本公开做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
基本变量含义说明：
EPV表示某时间段的光伏额外发电量；
CapBat表示电池储能系统的电池容量；
S表示用电负荷；
E表示发电段或用电段开始时刻的电池储能系统中的电池荷电状态。
实施例一：
本实施例的目的是提供一种近零能耗建筑自我用电最大化优化方法。
如图1所示，一种近零能耗建筑自我用电最大化优化方法，该建筑内包括用电设备、光伏阵列及电池储能系统，且接入外部电网，所述方法包括：
步骤1：基于建筑内用电历史数据及光伏发电历史数据，确定日内各发电段及用电段的光伏发电量及负荷需求的预测值，并基于所述预测值确定用电高峰时段及非用电高峰时段；
步骤2：在用电高峰时段，以电池储能系统的剩余容量，满足光伏发电量除负荷需求外剩余电量存储为目标，确定发电段和用电段开始时刻的电池储能系统荷电状态的最大限值；
具体的，以下结合附图3对所述步骤2进行详细说明：
在发电段和用电段开始时刻计算电池SOC最大限值maxE；
在计算电池SOC最大限值maxE时，以满足光伏产生的电力仅用于储存在BESS(Battery Energy Storage System：电池储能系统)中或满足负载需求为目标，以实现最佳调度。然而，在某些时候可能会看到电池充满，光伏发电大于负载需求。安装与光伏发电相比能量容量低或系统用电小的电池会导致这种情况；为了方面描述，以下利用电池对所述电池储能系统进行描述。
如图3所示，对于每个发电段，其最优的情况是当电池在第(2j-1)点，在第j个发电段开始时有足够的自由容量来存储EPVj并在未来的用电段放电。例如，设E2j-1是电池在(2j-1)点的SOC，其需满足不大于CapBat-EPVj，在其前一个用电段，即E2j-2开始时，其需要在电池中具有小于(CapBat-EPVj+Sj-1)的储存能量，以保证在第(2j-1)点具有足够的自由容量，即使电池在第(j-1)个用电段放电。因此，为了最大化光伏功率用电，需要在第(j-1)个用电段之前满足(EPVj-Sj-1)限值。
根据系统历史数据分析，(EPVj-Sj-1)限值存在两种情况:(EPVj>Sj-1)和(EPVj<Sj-1)。其中：
当EPVj>Sj-1时，第(j-1)段的用电需求不足以使电池放电，则需要在上一代发电段开始时刻(2j-3)点有足够的空闲电池容量存储所有PV(photovoltaic：光伏发电)发电功率EPVj，其最大电池SOC即maxE2j-3应不大于(CapBat-EPVj+Sj-1-EPVj-1)，以确保在上述发电段(即EPVj和EPVj-1)，没有遗漏PV发电。
相应的，对前面时段部分重复上述过程，即可获得不同发电段和用电段开始时刻电池SOC最大限值maxE。例如，如果(EPVj-1>Sj-2)在第(j-1)用电段开始时，即点(2j-4)，则电池SOC最大限值maxE2j-1应为(CapBat-EPVj+Sj-1-EPVj-1+Sj-2)。结果表明，每个电池SOC限值(EPVj-Sj-1)一直存在到第一个发电段。
当EPVj<Sj-1时，不产生任何限值，且还可以减小下一节的限值。例如，设EPVj＝EPVj-1＝5kWh,Sj-1＝Sj-2＝4kWh。此时，E2j-2和E2j-4的最大值应分别为CapBat-1和CapBat-2，如果Sj-2＝5.5kWh，E2j-4的最大限值为CapBat-0.5，因此，EPVj-1<Sj-1不仅可以采用任何限值，还可以将E2j-4处EPVj-1>Sj-1所产生的最大限值减小(Sj-2-EPVj-1)。
步骤3：以用电高峰时段释放电池储能系统中全部能量为目标，获得用电高峰时段开始时的最优电池荷电状态；
其中，所述步骤3具体包括：
需要说明的是，如果光伏发电无法满足高峰时段的负荷需求，则需要在非高峰时段从外接电网为电池充电，且高峰时段不对电池充电；此外，在高峰时段结束时，如果电池放电能够满足高峰时段的负载需求，则无论是在高峰时段由于额外的光伏发电而充电，还是在非高峰时段从电网充电，在高峰时段结束时，电池中存储能量为零，即在高峰时段结束时(E2m+1＝0)需释放电池所有储存的能量。
具体的，如图3所示，考虑到E2m+1＝0，对于第m部分的最优电池SOC，仅需满足E2m＝Sm和E2m-1＝Sm-EPVm。在(m-1)段开始时，电池需存在足够的能量满足(Sm-1-EPVm-1)类似于第m段的需求，并支持下一段即E2m-1的需求。因此，对于E2m-2和E2m-3，最优电池荷电状态应该分别为(Sm-1+Sm-EPVm)和(Sm-1-EPVm-1+Sm-EPVm)。综上可以得出，每个用电段的能源需求被累加并传输到前一个用电段，直到达到高峰时段的第一个小时。通常情况下，在第j代段开始时，用电高峰时段最优电池荷电状态除了包括下一时段的能量需求外，还应包括(Sj-EPVj)量的能量，其中，所述用电高峰时段最优电池荷电状态的计算公式具体表示如下：
Figure BDA0003334473340000071
如果对于j＝1,2,…,m,Sj>EPVj，则执行上述策略；否则，在接下来的部分中用于优化调度的电池能量的需求量(EPVj-Sj)由第j个发电段的光伏电力来提供；例如，如果Sj<EPVj，不仅在E2j-1中不需要考虑(Sj-EPVj)项，而且它可以通过(EPVj-Sj)的量来抑制未来几小时到第一小时的能量需求的发展。
步骤4：以电池储能系统荷电状态的最大限值以及用电高峰时段开始时的最优电池核电状态作为约束条件，对非用电高峰时段的电池储能系统进行优化调度，实现近零能耗建筑自我用电的最大化。
其中，所述步骤4具体包括：
高峰时间基本(2m+1)点的电池荷电状态可以通过步骤2和步骤3中获得的SOC最小值来确定。因此，用电高峰时段调度是通过知道j＝1，2，..，2m+1的Ej来完成的。
考虑到电池应尽可能满足用电段的需求作为其能量支撑，并在发电段充电。需要注意的是，在整个优化过程中应考虑所有的电池限值(即上述获得的发电段和用电段开始时刻的电池储能系统荷电状态的最大限值，以及用电高峰时段开始时的最优电池荷电状态)。
首先，确定非高峰时段结束时(即E1)的电池荷电状态，设电池在一天开始时的状态是SOC0(这个值是由于前一天电池剩余的储存能量)，以NetPVoff表示非高峰时段的光伏发电功率总和，关于非高峰时段电池储能系统的调度主要包括如下三种情况：
(1)SOC0>E1时，与E1相比电池中的额外能量需在非高峰时段释放，否则，电池不应在非高峰时间放电。
(2)NetPVoff+SOC0>E1时，PV应满足(E1-SOC0)负载需求量，剩余部分存储于电池中，以便在非高峰时段结束时满足电池SOC与E1相同。
(3)NetPVoff+SOC0<E1时，光伏产生的所有电能都均储存于电池中，且达到等于E1的电池SOC所需的剩余能量需从外接电网中购买。
基于上述过程实现非高峰时间的电池储能系统的调度，如图2所示，展示了近零能耗建筑能源管理示意图。
进一步的，本公开所述方案的整体构思为最大限度减少未被利用的光伏发电电能，其中，光伏产生的电能应当尽可能地仅用于储存在BESS中或满足负载需求，应尽可能避免光伏产生的电能损耗，导致从外接电网购买电能用于负载需求，基于此构思实现最佳调度。
进一步的，所述电池储能系统的调度还需要满足以下约束：
BESS的最大存储能量受其能量容量的限制,荷电状态(SOC)约束可以表示为：
SOCmin<SOCt<SOCmax
其中，SOCmin和SOCmax为电池存储能量的最小限度和最大限度(kWh)，SOCt为第t个时间间隔的存储能量(kWh)。对于理想电池，以PB的规定功率放电/充电时，电池能量减少/增加PB×Δt。本发明其余部分不考虑电池效率，因为考虑电池效率并不影响所提方法的总体思路。
电池放电/充电速率边界考虑为:
Figure BDA0003334473340000081
Figure BDA0003334473340000082
其中,PDis和PChr是电池的最大放电和充电速率，这与电池一起使用的转换功率有关。如图4所示展示了所述近零能耗建筑自我用电最大化优化方法详细调度过程。
进一步的，本公开所述的nZEB(近零能耗建筑)由典型的用电设备组成，配备光伏阵列，配合最大功率点跟踪(MPPT)策略和BESS系统。其中，所述用电设备包括照明、空调、电视机、厨房电器、洗衣机和烘干机等。所述nZEB系统的能源成本主要包括：光伏投资成本、电池投资成本以及从电网购买电力的成本
光伏投资成本可计算为:
Figure BDA0003334473340000091
其中，CInv PV-Unit为每kWp(千瓦峰)光伏投资成本，CInv PV为光伏总投资成本。ηPV是PV的寿命，以年为单位，i是折损率。(i(1+i)ηPV)/((1+i)ηPV-1)用于将当前投资成本换算为年度投资成本。
电池投资成本为:
Figure BDA0003334473340000092
其中，CInv Bat-P-Unit、CInv Bat-Cap-Unit分别为电池的功率(kW)和能量(kWh)容量投资成本。CInv Bateryt是电池的总投资成本(元)，CapBat是电池的能量容量(kWh)，nBat是电池的寿命，以年为单位。
假设PV发电量和负荷需求的预测值是可用的。
PGrid,t＝PLoad-PBat,t-PPV,t
在第t个时间间隔，从电网购买电力的成本CGrid,t为:
CGrid,t＝PGrid,t×T×CGrid-Unit,t
其中，CGrid-Unit,t为t时刻从电网购买1kWh能源的成本，与电价相关。T是时间间隔的长度。
无BESS的电网购买力可计算为:
PGrid,PV,t＝PLoad-PPV,t
CGrid,PV,t＝PGrid,PV,t×T×CGrid-Unit,t
因此，系统的总成本TC为:
Figure BDA0003334473340000093
其中，N为时间间隔的数量，通常为8760小时(一年)。需要注意的是，本公开考虑的是零馈情况下的TC，
Figure BDA0003334473340000101
为光伏的运维成本(运行维护成本)，
Figure BDA0003334473340000102
为电池的运维成本(运行维护成本)。
则回报时间可计算为:
PBT＝TC/(CGrid,PV,t-CGrid-Unit,t)。
实施例二：
本实施例的目的是提供一种近零能耗建筑自我用电最大化优化系统。
一种近零能耗建筑自我用电最大化优化系统，包括：
数据获取单元，其用于基于建筑内用电历史数据及光伏发电历史数据，确定日内各发电段及用电段的光伏发电量及负荷需求的预测值，并基于所述预测值确定用电高峰时段及非用电高峰时段；
用电高峰时段优化单元，其用于在用电高峰时段，以电池储能系统的剩余容量，满足光伏发电量除负荷需求外剩余电量存储为目标，确定发电段和用电段开始时刻的电池储能系统荷电状态的最大限值；并以用电高峰时段释放电池储能系统中全部能量为目标，获得用电高峰时段开始时的最优电池荷电状态；
非用电高峰时段优化单元，其用于以电池储能系统荷电状态的最大限值以及用电高峰时段开始时的最优电池核电状态作为约束条件，对非用电高峰时段的电池储能系统进行优化调度，实现近零能耗建筑自我用电的最大化。
在更多实施例中，还提供：
一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成实施例一中所述的方法。为了简洁，在此不再赘述。
应理解，本实施例中，处理器可以是中央处理单元CPU，处理器还可以是其他通用处理器、数字信号处理器DSP、专用集成电路ASIC，现成可编程门阵列FPGA或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器可以包括只读存储器和随机存取存储器，并向处理器提供指令和数据、存储器的一部分还可以包括非易失性随机存储器。例如，存储器还可以存储设备类型的信息。
一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成实施例一中所述的方法。
实施例一中的方法可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器、闪存、只读存储器、可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
本领域普通技术人员可以意识到，结合本实施例描述的各示例的单元即算法步骤，能够以电子硬件或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
上述实施例提供的一种近零能耗建筑自我用电最大化优化方法及系统可以实现，具有广阔的应用前景。
以上所述仅为本公开的优选实施例而已，并不用于限制本公开，对于本领域的技术人员来说，本公开可以有各种更改和变化。凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。

Claims (10)

1.一种近零能耗建筑自我用电最大化优化方法，该建筑内包括用电设备、光伏阵列及电池储能系统，且接入外部电网，其特征在于，所述方法包括：
基于建筑内用电历史数据及光伏发电历史数据，确定日内各发电段及用电段的光伏发电量及负荷需求的预测值，并基于所述预测值确定用电高峰时段及非高峰时段；
在用电高峰时段，以电池储能系统的剩余容量，满足光伏发电量除负荷需求外剩余电量存储为目标，确定发电段和用电段开始时刻的电池储能系统荷电状态的最大限值；
以用电高峰时段释放电池储能系统中全部能量为目标，获得用电高峰时段开始时的最优电池荷电状态；
以电池储能系统荷电状态的最大限值以及高峰时段开始时的最优电池核电状态作为约束条件，对非用电高峰时段的电池储能系统进行优化调度，实现近零能耗建筑自我用电的最大化。
2.如权利要求1所述的一种近零能耗建筑自我用电最大化优化方法，其特征在于，所述确定发电段和用电段开始时刻的电池储能系统荷电状态的最大限值，具体为：
当光伏发电功率大于负载需求功率时，计算所述电池储能系统的空闲电池容量恰好存储该时段光伏发电功率时的电池储能系统荷电状态值，以此时的电池储能系统荷电状态值作为最大限值；
当光伏发电功率小于等于负载需求功率时，无最大限值。
3.如权利要求1所述的一种近零能耗建筑自我用电最大化优化方法，其特征在于，所述获得用电高峰时段开始时的最优电池荷电状态，其求解过程为：
当负载需求功率大于光伏发电功率时，以当前时段到用电高峰时段的第一个小时中每个用电段的额外能源需求之和，作为当前时段的最优电池荷电状态；
当负载需求功率不大于光伏发电功率时，当前时段的最优电池荷电状态为当前的负载需求功率。
4.如权利要求1所述的一种近零能耗建筑自我用电最大化优化方法，其特征在于，所述方法以光伏发电量仅用于负载需求及电池储能系统的充电为优化目标。
5.如权利要求1所述的一种近零能耗建筑自我用电最大化优化方法，其特征在于，所述电池储能系统荷电状态调度还需满足电池储能系统的能量容量限制以及电池放电/充电速率边界的约束。
6.一种近零能耗建筑自我用电最大化优化系统，其特征在于，包括：
数据获取单元，其用于基于建筑内用电历史数据及光伏发电历史数据，确定日内各发电段及用电段的光伏发电量及负荷需求的预测值，并基于所述预测值确定用电高峰时段及非高峰时段；
用电高峰时段优化单元，其用于在用电高峰时段，以电池储能系统的剩余容量，满足光伏发电量除负荷需求外剩余电量存储为目标，确定发电段和用电段开始时刻的电池储能系统荷电状态的最大限值；并以用电高峰时段释放电池储能系统中全部能量为目标，获得用电高峰时段开始时的最优电池荷电状态；
非用电高峰时段优化单元，其用于以电池储能系统荷电状态的最大限值以及高峰时段开始时的最优电池核电状态作为约束条件，对非用电高峰时段的电池储能系统进行优化调度，实现近零能耗建筑自我用电的最大化。
7.如权利要求6所述的一种近零能耗建筑自我用电最大化优化系统，其特征在于，所述确定发电段和用电段开始时刻的电池储能系统荷电状态的最大限值，具体为：
当光伏发电功率大于负载需求功率时，计算所述电池储能系统的空闲电池容量恰好存储该时段光伏发电功率时的电池储能系统荷电状态值，以此时的电池储能系统荷电状态值作为最大限值；
当光伏发电功率小于等于负载需求功率时，无最大限值。
8.如权利要求6所述的一种近零能耗建筑自我用电最大化优化系统，其特征在于，所述获得用电高峰时段开始时的最优电池荷电状态，其求解过程为：
当负载需求功率大于光伏发电功率时，以当前时段到用电高峰时段的第一个小时中每个用电段的额外能源需求之和，作为当前时段的最优电池荷电状态；
当负载需求功率不大于光伏发电功率时，当前时段的最优电池荷电状态为当前的负载需求功率。
9.一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-5任一项所述的一种近零能耗建筑自我用电最大化优化方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5任一项所述的一种近零能耗建筑自我用电最大化优化方法。
CN202111290291.9A 2021-11-02 2021-11-02 一种近零能耗建筑自我用电最大化优化方法及系统 Active CN113839404B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111290291.9A CN113839404B (zh) 2021-11-02 2021-11-02 一种近零能耗建筑自我用电最大化优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111290291.9A CN113839404B (zh) 2021-11-02 2021-11-02 一种近零能耗建筑自我用电最大化优化方法及系统

Publications (2)

Publication Number Publication Date
CN113839404A true CN113839404A (zh) 2021-12-24
CN113839404B CN113839404B (zh) 2024-07-09

Family

ID=78966892

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111290291.9A Active CN113839404B (zh) 2021-11-02 2021-11-02 一种近零能耗建筑自我用电最大化优化方法及系统

Country Status (1)

Country Link
CN (1) CN113839404B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117200279A (zh) * 2023-11-07 2023-12-08 深圳海辰储能科技有限公司 智能楼宇储能分配方法及相关装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120323386A1 (en) * 2011-06-14 2012-12-20 Denso Corporation Electric power supply system
CN110112783A (zh) * 2019-05-23 2019-08-09 深圳市建筑科学研究院股份有限公司 光伏蓄电池微电网调度控制方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120323386A1 (en) * 2011-06-14 2012-12-20 Denso Corporation Electric power supply system
CN110112783A (zh) * 2019-05-23 2019-08-09 深圳市建筑科学研究院股份有限公司 光伏蓄电池微电网调度控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郝思鹏;张前;周宇;唐蕾;: "分时电价下企业光储系统的容量配置及优化运行", 电力工程技术, no. 04, 28 July 2020 (2020-07-28) *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117200279A (zh) * 2023-11-07 2023-12-08 深圳海辰储能科技有限公司 智能楼宇储能分配方法及相关装置
CN117200279B (zh) * 2023-11-07 2024-02-27 深圳海辰储能科技有限公司 智能楼宇储能分配方法及相关装置

Also Published As

Publication number Publication date
CN113839404B (zh) 2024-07-09

Similar Documents

Publication Publication Date Title
Dufo-López Optimisation of size and control of grid-connected storage under real time electricity pricing conditions
US8886363B2 (en) Energy storage and power management system
CN103107600B (zh) 一种物联网智能充电供电系统及其调度方法
JP2003079054A (ja) 蓄電池を備えた太陽光発電システム
JP2012115003A (ja) 制御装置及び制御方法
Lam et al. Economics of residential energy arbitrage in california using a PV system with directly connected energy storage
Prapanukool et al. An appropriate battery capacity and operation schedule of battery energy storage system for PV Rooftop with net-metering scheme
Hafiz et al. Energy storage management strategy based on dynamic programming and optimal sizing of PV panel-storage capacity for a residential system
JP7032474B2 (ja) 配電制御システム、配電制御方法
US9876350B2 (en) Power supply system
CN113839404A (zh) 一种近零能耗建筑自我用电最大化优化方法及系统
Kim et al. A multiagent system for residential DC microgrids
Jain et al. A Simple Methodology for Sizing of Stand-Alone PV-Battery System
Angenendt et al. Prognosis-based operating strategies for smart homes with power-to-heat applications
JP2017175785A (ja) 蓄電システム、充放電制御装置、その制御方法、およびプログラム
WO2017163747A1 (ja) 蓄電システム、充放電制御装置、その制御方法、およびプログラム
Martins et al. LP-based predictive energy management system for residential PV/BESS
JP2012060829A (ja) 電力供給システム、及び電力供給方法
WO2013046509A1 (ja) 給電システム及び給電方法
JP7252116B2 (ja) 再生可能エネルギー発電システム
US11038372B2 (en) Method and control device for operating a stationary, electric energy storage that is provided for an electric consumption unit
Gong et al. Research on scheduling of wind solar energy storage microgrid considering new energy consumption
JP2021119727A (ja) 分散型電源システムおよび分散型電源装置
Subramani et al. Optimal sizing of battery energy storage system (bess) for peak shaving under malaysian electricity tariff
Shafiullah et al. A Heuristic Search Approach for Sizing Battery Storage of a Neighbourhood including nearly Zero Energy Buildings (nZEB)

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