CN114529220A - 一种考虑储能动态调度容量的多站融合经济调度方法 - Google Patents

一种考虑储能动态调度容量的多站融合经济调度方法 Download PDF

Info

Publication number
CN114529220A
CN114529220A CN202210214347.0A CN202210214347A CN114529220A CN 114529220 A CN114529220 A CN 114529220A CN 202210214347 A CN202210214347 A CN 202210214347A CN 114529220 A CN114529220 A CN 114529220A
Authority
CN
China
Prior art keywords
station
energy storage
capacity
power
fusion
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
CN202210214347.0A
Other languages
English (en)
Inventor
刘子豪
王颖
麻秀范
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.)
North China Electric Power University
Original Assignee
North China Electric Power University
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 North China Electric Power University filed Critical North China Electric Power University
Priority to CN202210214347.0A priority Critical patent/CN114529220A/zh
Publication of CN114529220A publication Critical patent/CN114529220A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/40—The network being an on-board power network, i.e. within a vehicle
    • H02J2310/48—The network being an on-board power network, i.e. within a vehicle for electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Power Engineering (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

为了解决多站融合(5G通信基站、数据中心、储能站、电动汽车充电站)的协调运行和经济调度问题，本发明公开了一种考虑储能动态调度容量的多站融合经济调度方法。通过发掘5G通信基站、数据中心、电动汽车充电站负荷的灵活性，创建了储能动态可调度容量模型。在系统的负荷侧引入分时电价需求侧响应，考虑5G基站和数据中心的供电可靠性，保证做出的调整满足5G基站和数据中心的正常运行；最后，基于matlab对所建立的优化模型进行仿真，结果表明该模型能够减少经营的成本。与现有技术相比，本发明优化在于发掘5G通信基站、数据中心、电动汽车充电站负荷的灵活性，创建了储能动态可调度容量模型，考虑5G基站和数据中心的供电可靠性，保证做出的调整满足5G基站和数据中心的正常运行。

Description

一种考虑储能动态调度容量的多站融合经济调度方法
本发明涉及多站融合领域，尤其涉及一种考虑储能动态调度容量的多站融合经济调度方法。
背景技术
“多站融合”是泛在电力物联网背景下的一个典型应用，通过将变电站、5G基站、数据中心、储能站和电动汽车充电站在地理、能量、信息三方面融合在一起，实现了数字化信息互联。随着万物互联的不断推进，数据的处理不再限制于云计算中心，而是通过边缘计算下放到了边缘数据中心，因此5G基站和数据中心得到了蓬勃发展，但5G基站和数据中心的高能耗问题愈发突出，阻挡了其经济性的实现，如何实现多站融合的经济运行成为了关键问题。
中国专利公开号CN202110374807.1公开了一种多站融合容量联合规划方法，针对站间融合方案提出配套的联合运行方法；中国专利公开号CN202011368304.5公开了一种多站融合的储能系统，涉及多站融合技术领域，解决了现有系统一般只能进行单一储能，没有充分发挥多站融合的优势的技术问题。
以上方法都是储能提供固定容量的备用电，均未考虑5G基站和数据中心的动态备电问题。本发明提供一种考虑储能动态调度容量的多站融合经济调度方法，创建了储能动态可调度容量模型。在系统的负荷侧引入分时电价需求侧响应，考虑5G基站和数据中心的供电可靠性，保证做出的调整满足5G基站和数据中心的正常运行。
发明内容
本发明提供了一种考虑储能动态调度容量的多站融合经济调度方法，通过以下技术方案实施：
S1：获取多站融合场景下的融合站各单元设备信息；储能站包括容量、功率、充放电效率、SOC上下限等信息；数据中心包括服务器额定功率以及休眠功率和休眠策略等信息；5G基站包括其通信负载的变化趋势以及功率等信息；电动汽车充电站包括汽车出行规律和充电功率等；
S2：考虑储能电站为5G基站和数据中心提供备电容量，建立一种考虑5G基站供电可靠性的储能动态调度容量模型；
S3：利用多站融合场景下的融合站各单元设备信息，建立多站融合体系下的各个单元模型；
S4：结合储能动态调度容量模型，建立了一种考虑储能动态调度容量的多站融合经济调度模型；
S5：利用考虑储能动态调度容量的多站融合经济调度模型，得到多站融合之间的能量调度策略和储能电站充放电配置策略。
所述的一种考虑储能动态调度容量的多站融合经济调度方法中，建立了一种考虑5G基站和数据中心供电可靠性的多站融合经济调度模型。通过发掘5G通信基站、数据中心、电动汽车充电站负荷的灵活性，创建了储能动态可调度容量模型。在系统的负荷侧引入分时电价需求侧响应，考虑5G基站和数据中心的供电可靠性，保证做出的调整满足5G基站和数据中心的正常运行。
所述的储能动态可调度容量模型是考虑5G基站、数据中心的通信负载和供电可靠性建立得来，具体计算如下：
Figure BDA0003533788500000021
式中：
Figure BDA0003533788500000022
表示储能站在t时刻的最小备用容量；Δt表示最小储能备用时间；ε表示配电网故障系数，其值越低说明配电网可靠性越高，备电容量越小；
Figure BDA0003533788500000023
表示第t时段考虑5G基站通信负载的用电负荷。
由于储能需要为5G基站和数据中心提供备用动态备用容量，因此储能的充放电下限阈值提高，如下：
Figure BDA0003533788500000024
式中，
Figure BDA0003533788500000025
为考虑了储能提供动态备用容量的充放电下限；Smin为避免储能过度充电放电设置的上下限；Esoc为额定容量。
所述的多站融合经济调度模型是以多站融合场景下单位调度周期内电费支出最小为目标，具体计算如下：
Figure BDA0003533788500000026
式中：
Figure BDA0003533788500000027
Rt、Cb,t分别为t时段电动汽车充电站负荷、变电站负荷、数据中心负荷、5G基站负荷、储能充放电功率、上网电价和储能充放电损耗成本。
所述的Cb,t为t时的储能充放电折旧损耗成本，模型如下:
Figure BDA0003533788500000028
式中：βb为折旧损耗系数；Pb,t为储能站充放电功率；Δt为单位时间，设为60min将一天分为24个时段；
所述的储能电站充放电配置策略，通过一种考虑储能动态调度容量的多站融合经济调度模型，利用收集到融合站各单元设备信息，通过Yalimp工具箱调用CPLEX求解该模型，得到融合站在单位调度周期内储能每小时的充放电配置情况，包括功率大小、传输方向等信息。
与现有技术相比，本发明取得的有益效果是：
(1)通过发掘5G通信基站、数据中心、电动汽车充电站负荷的灵活性，创建了储能动态可调度容量模型；
(2)考虑5G基站和数据中心的供电可靠性，保证做出的调整满足5G基站和数据中心的正常运行。
附图说明
图1为本发明所提供的一种考虑储能动态调度容量的多站融合经济调度方法结构示意图。
图2为本发明所提供的多站融合场景储能调度策略流程图。
具体实施方式
下面结合附图，对本发明作详细说明。
结合图1所示，本发明所提供的一种考虑储能动态调度容量的多站融合经济调度方法，包括以下步骤：
S1：获取多站融合场景下的融合站各单元设备信息；储能站包括容量、功率、充放电效率、SOC上下限等信息；数据中心包括服务器额定功率以及休眠功率和休眠策略等信息；5G基站包括其通信负载的变化趋势以及功率等信息；电动汽车充电站包括汽车出行规律和充电功率等；
S2：考虑储能电站为5G基站和数据中心提供备电容量，建立一种考虑5G基站供电可靠性的储能动态调度容量模型；
所述的储能动态可调度容量模型是考虑5G基站、数据中心的通信负载和供电可靠性建立得来，具体计算如下：
Figure BDA0003533788500000031
式中：
Figure BDA0003533788500000032
表示储能站在t时刻的最小备用容量；Δt表示最小储能备用时间；ε表示配电网故障系数，其值越低说明配电网可靠性越高，备电容量越小；
Figure BDA0003533788500000033
表示第t时段考虑5G基站通信负载的用电负荷。
由于储能需要为5G基站和数据中心提供备用动态备用容量，因此储能的充放电下限阈值提高，如下：
Figure BDA0003533788500000041
式中，
Figure BDA0003533788500000042
为考虑了储能提供动态备用容量的充放电下限；Smin为避免储能过度充电放电设置的上下限；Esoc为额定容量。
储能电站需要保证5G基站和数据中心在市电停电情况下3小时的备电需求，因此储能的备电容量随着通信负载的变化而随之改变，剩余的容量用于实现削峰填谷作用。
Figure BDA0003533788500000043
式中：Smin为储能电站的最小荷电状态；Smax为储能电站的最大荷电状态；
Figure BDA0003533788500000044
为储能电站给数据中心和5G基站提供的备电容量比。
S3：利用多站融合场景下的融合站各单元设备信息，建立多站融合体系下的各个单元模型；
(1)储能模型
储能站在融合站中起到平衡电量随机波动、削峰填谷等作用。蓄电池当前的剩余电量主要是由当前的充放电功率其、前一时刻的剩余电量和储能本身的充放电功率决定的。数学模型为
Figure BDA0003533788500000045
式中：SOCt为储能在t时刻的荷电状态；δ为充放电系数；Pin,t、Pout,t为储能的充电功率和放电功率；Esoc为额定容量；ηin、ηout为储能的充放电效率。
(2)5G基站模型
5G基站的负荷包括基础能耗和动态能耗，其大小是根据其通信负载来决定的[8-10]，本文将5G基站简化成如下模型:
Figure BDA0003533788500000046
式中，
Figure BDA0003533788500000047
为5G基站和数据中心的用电功率；P0是最小功耗；λt为第t时段的负载系数；Pout为发射功率。
(3)边缘数据中心模型
边缘数据中心的负荷大小主要由IT设备、制冷系统和配电系统组成，其中配电系统占比较小，本文不予考虑，模型如下：
Figure BDA0003533788500000048
式中，
Figure BDA0003533788500000051
为数据中心在t时刻能耗；
Figure BDA0003533788500000052
为t时刻服务器能耗；Pc为制冷设备能耗。
Figure BDA0003533788500000053
式中，Pw为在满载工作的服务器能耗；nt为在满载工作的服务器数量；Psl为在睡眠服务器的能耗；M为数据中心的服务器总数。
(4)充电站模型
电动汽车充电站的模型本文经过简化，充电站的负荷由充电桩的数量和充电功率求得，如下：
Figure BDA0003533788500000054
式中，
Figure BDA0003533788500000055
为电动汽车充电站在t时刻的负荷大小；N4为电动汽车充电位数量。
(5)变电站模型
融合站中变电站的负荷主要由制冷负荷、照明负荷、安防负荷以及动力负荷等构成。本文建立变电站负荷模型如下:
Figure BDA0003533788500000056
式中：
Figure BDA0003533788500000057
为总负荷；Pml为动力负荷；Pal为照明负荷；Pl为制冷负荷；Pgl为照明负荷。
S4：结合储能动态调度容量模型，建立了一种考虑储能动态调度容量的多站融合经济调度模型；
所述的多站融合经济调度模型是以多站融合场景下单位调度周期内电费支出最小为目标，具体计算如下：
(1)目标函数
Figure BDA0003533788500000058
(2)约束条件
储能动态SOC约束：
储能电站需要保证5G基站和数据中心在市电停电情况下3小时的备电需求，因此储能的备电容量随着通信负载的变化而随之改变，剩余的容量用于实现削峰填谷作用。
Figure BDA0003533788500000059
式中：Smin为储能电站的最小荷电状态；Smax为储能电站的最大荷电状态；
Figure BDA00035337885000000510
为储能电站给数据中心和5G基站提供的备电容量比。
储能充放电状态约束：
0≤βch+βdiss≤1
其中，βch、βdiss为储能电站的充放电状态，是开关变量。控制储能不能同时处于充电和放电状态。
储能充放电功率约束：
Figure BDA0003533788500000061
式中，
Figure BDA0003533788500000062
是储能在t时段充放电最大功率。
S5：利用考虑储能动态调度容量的多站融合经济调度模型，得到多站融合之间的能量调度策略和储能电站充放电配置策略。
所述求解融合站在单位调度周期内储能每小时的充放电配置情况，包括功率大小、传输方向等信息。
结合图2所示，本发明所提供的多站融合场景储能调度策略流程图如下：
S21：输入当前时刻5G基站、数据中心、充电站、变电站的实时负荷需求以及储能电站SOC状态和电网分时电价等数据。
S22：判断是否停电，如果停电，由储能为融合站供电；如果市电正常，判断储能充放电状态。
S23：判断储能充放电状态，放电时段由市电供应电能，下一步判断储能SOC状态。
S24：判断储能SOC状态，分为储能向整站供电和储能只提供备电容量两种情况。
以上对本发明实施例所提供的一种考虑储能动态调度容量的多站融合经济调度方法进行了详细介绍，本文中利用具体实例对本发明的原理进行了介绍，用于阐述本发明的核心思想，不能将本说明书内容理解为对本发明保护范围的限制。

Claims (6)

1.一种考虑储能动态调度容量的多站融合经济调度方法，其特征在于包括以下步骤：
S1：获取多站融合场景下的融合站各单元设备信息；
S2：考虑储能电站为5G基站和数据中心提供备电容量，建立一种考虑5G基站供电可靠性的储能动态调度容量模型；
S3：利用多站融合场景下的融合站各单元设备信息，建立多站融合体系下的各个单元模型；
S4：结合储能动态调度容量模型，建立了一种考虑储能动态调度容量的多站融合经济调度模型；
S5：利用考虑储能动态调度容量的多站融合经济调度模型，得到多站融合之间的能量调度策略和储能电站充放电配置策略。
2.根据权利要求1所述的多站融合场景下的融合站各单元设备信息，其特征在于，储能站包括容量、功率、充放电效率、SOC上下限等信息；数据中心包括服务器额定功率以及休眠功率和休眠策略等信息；5G基站包括其通信负载的变化趋势以及功率等信息；电动汽车充电站包括汽车出行规律和充电功率等。
3.根据权利要求1所述的考虑5G基站供电可靠性的储能动态调度容量模型，其特征在于，所述的储能动态可调度容量模型是考虑5G基站、数据中心的通信负载和供电可靠性建立得来，具体计算如下：
Figure FDA0003533788490000011
式中：
Figure FDA0003533788490000012
表示储能站在t时刻的最小备用容量；Δt表示最小储能备用时间；ε表示配电网故障系数，其值越低说明配电网可靠性越高，备电容量越小；
Figure FDA0003533788490000013
表示第t时段考虑5G基站通信负载的用电负荷。
由于储能需要为5G基站和数据中心提供备用动态备用容量，因此储能的充放电下限阈值提高，如下：
Figure FDA0003533788490000014
式中，
Figure FDA0003533788490000015
为考虑了储能提供动态备用容量的充放电下限；Smin为避免储能过度充电放电设置的上下限；Esoc为额定容量。
4.根据权利要求1所述的多站融合体系下的各个单元模型，其特征在于，建立了包含储能电站、数据中心、5G基站、变电站电动和汽车充电站在内的模型。
5.根据权利要求1所述的一种考虑储能动态调度容量的多站融合经济调度模型，其特征在于，以多站融合场景下单位调度周期内电费支出最小为目标，具体计算如下：
Figure FDA0003533788490000021
式中：
Figure FDA0003533788490000022
Rt、Cb,t分别为t时段电动汽车充电站负荷、变电站负荷、数据中心负荷、5G基站负荷、储能充放电功率、上网电价和储能充放电损耗成本。
Cb,t为t时的储能充放电折旧损耗成本，模型如下:
Figure FDA0003533788490000023
式中：βb为折旧损耗系数；Pb,t为储能站充放电功率；Δt为单位时间，设为60min将一天分为24个时段。
6.根据权利要求1所述的储能电站充放电配置策略，其特征在于，通过一种考虑储能动态调度容量的多站融合经济调度模型获得储能电站充放电配置策略，利用收集到融合站各单元设备信息，通过Yalimp工具箱调用CPLEX求解该模型，得到融合站在单位调度周期内储能每小时的充放电配置情况，包括功率大小、传输方向等信息。
CN202210214347.0A 2022-03-07 2022-03-07 一种考虑储能动态调度容量的多站融合经济调度方法 Pending CN114529220A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210214347.0A CN114529220A (zh) 2022-03-07 2022-03-07 一种考虑储能动态调度容量的多站融合经济调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210214347.0A CN114529220A (zh) 2022-03-07 2022-03-07 一种考虑储能动态调度容量的多站融合经济调度方法

Publications (1)

Publication Number Publication Date
CN114529220A true CN114529220A (zh) 2022-05-24

Family

ID=81627230

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210214347.0A Pending CN114529220A (zh) 2022-03-07 2022-03-07 一种考虑储能动态调度容量的多站融合经济调度方法

Country Status (1)

Country Link
CN (1) CN114529220A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114819424A (zh) * 2022-06-30 2022-07-29 国网江西省电力有限公司电力科学研究院 一种适应多场景应用的储能剩余容量分配方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114819424A (zh) * 2022-06-30 2022-07-29 国网江西省电力有限公司电力科学研究院 一种适应多场景应用的储能剩余容量分配方法

Similar Documents

Publication Publication Date Title
CN111900727B (zh) 基于pso的光储充换一体化充电站协同优化调度方法和装置
CN109146201A (zh) 基于合作博弈的充换储一体化电站微电网优化调度方法
CN111064214A (zh) 基于电动汽车两阶段滚动式策略的配电网优化调度方法
CN109217290A (zh) 计及电动汽车充放电的微网能量优化管理方法
CN109256800A (zh) 一种区域充换储一体化电站微电网群协调优化调度方法
CN113919620B (zh) 一种风光储微电网日前能量调度算法
CN110601334B (zh) 一种充电站及其能量调度管理方法
Salkuti Energy storage and electric vehicles: technology, operation, challenges, and cost-benefit analysis
CN108695871A (zh) 含有电力弹簧的孤岛微电网的降低储能容量需求的配置方法
CN115907240B (zh) 计及互补互济运行特性的电网多类型调峰资源规划方法
CN104158187A (zh) 一种局域电网能量和功率二次分配的控制方法及控制系统
CN114997544A (zh) 一种氢光储充电站容量优化配置方法及系统
CN108258694A (zh) 基于电力电子变压器的交直流微网协调控制方法
CN114529220A (zh) 一种考虑储能动态调度容量的多站融合经济调度方法
CN103915851A (zh) 一种递进步长和期望输出均可变的储能系统优化控制方法
CN110707736B (zh) 一种智能小区用户需求侧响应的微电网运行方法
CN114611957B (zh) 一种用于供需预测偏差二次修正储能能量管理方法
Zhang et al. Two-level optimal scheduling strategy of electric vehicle charging aggregator based on charging urgency
CN112736950B (zh) 一种面向微电网群的公共储能电站配置方法及系统
CN113629758A (zh) 一种多能源并网运行控制方法和系统
CN113285523A (zh) 一种基于数据迁移的多站融合数据中心优化方法及系统
CN103679281A (zh) 基于滚动优化的电动汽车充换电网络电池优化调度方法
Kumar et al. Electric Vehicles as Energy Storage: V2G Capacity Estimation
CN110417002A (zh) 一种孤岛微电网能量模型的优化方法
Mussadiq et al. A hybrid storage system for energy sharing and management within prosumers’ community

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication