CN114640104A - 储能系统运行优化方法、系统及可读存储介质 - Google Patents

储能系统运行优化方法、系统及可读存储介质 Download PDF

Info

Publication number
CN114640104A
CN114640104A CN202011488174.9A CN202011488174A CN114640104A CN 114640104 A CN114640104 A CN 114640104A CN 202011488174 A CN202011488174 A CN 202011488174A CN 114640104 A CN114640104 A CN 114640104A
Authority
CN
China
Prior art keywords
energy storage
storage system
peak
model
charging
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
CN202011488174.9A
Other languages
English (en)
Inventor
李路遥
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.)
Shanghai Electric Distributed Energy Technology Co ltd
Original Assignee
Shanghai Electric Distributed 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 Shanghai Electric Distributed Energy Technology Co ltd filed Critical Shanghai Electric Distributed Energy Technology Co ltd
Priority to CN202011488174.9A priority Critical patent/CN114640104A/zh
Publication of CN114640104A publication Critical patent/CN114640104A/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
    • 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
    • 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
    • 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
    • G06Q10/06313—Resource planning in a project environment
    • 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
    • H02J3/28—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
    • 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

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Power Engineering (AREA)
  • Educational Administration (AREA)
  • Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种储能系统运行优化方法、系统及可读存储介质，所述优化方法包括：获取储能系统在一优化时间区间内的运行参数；将优化时间区间划分为多个单位周期；基于运行参数构建峰谷套利收益模型；峰谷套利收益模型用于获取储能系统的最大峰谷套利收益；基于峰谷套利收益模型确定每个单位周期内储能系统的充放电功率数据；基于充放电功率数据对每个单位周期内储能系统的充放电进行调整。本申请基于运行参数构建峰谷套利收益模型，在满足最大峰谷套利收益的目标下，获取充放电功率数据，进而对每个单位周期内储能系统的充放电进行调整，以实现对储能系统的运行优化。

Description

储能系统运行优化方法、系统及可读存储介质
技术领域
本发明属于储能技术领域，特别涉及一种储能系统运行优化方法、系统及可读存储介质。
背景技术
当前技术条件下，储能系统运行模式主要有两种：其一是参与调峰调频、需求侧响应等辅助服务，其二是峰谷套利，即在电价低时充电、电价高时放电赚取电价差，通过上述运行方式提升储能系统的灵活性和安全性。
第二种运行模式适用场景多、应用范围广，而现有影响储能系统峰谷套利的主要因素为电价和运行模式。峰谷价差越大，收益越高，在制定储能系统峰谷套利运行方案时，主要根据储能系统容量、电价制定运行策略并估算项目效益性。该类方法首先根据电价峰时时段划分，决定充放电循环次数和时段：一个电价峰时段对应一个充放电循环；再根据各循环内部，峰时段和非峰时段时长，决定储能系统的充放电状态和功率，进而结合电价估算峰谷套利的收益。
现有技术方案主要有以下问题：
1.缺乏全局把控，无法保证收益最大化：在“多充多放”策略中，需要合理计划充放电时段及电量，才能保证在循环内峰时段有电可放、谷时段有电可充。这要求对整个循环内储能系统状态进行整体把控、环环相扣，而现有方案各阶段相互割裂，无法保证收益最大化。
2.无法保证储能系统可持续运行：现有技术手段在制定方案时未考虑系统长时间、连续、循环运行等条件；
3.缺少电网运行价值判断：储能系统运行在电网系统中，会对电网负荷、需量等造成影响，而需量是基础电费的组成部分，不合理的储能系统充放电策略会增加需量费用，进而造成用电成本上升。
4.系统寿命及项目效益性评估不准确：储能系统寿命多有“循环充放电次数”评估，这里充放电次数指从充满到放尽的循环次数。实际运行情况中，“多充多放”无法达到多循环充放次数，因此对系统寿命估算存在误差，导致项目效益性评估失准。
发明内容
本发明要解决的技术问题是为了克服现有技术中储能系统各阶段相互割裂，无法保证收益最大化，无法保证储能系统可持续运行，缺少电网运行价值判断进而造成用电成本上升以及系统寿命及项目效益性评估不准确导致项目效益性评估失准的缺陷，提供一种储能系统运行优化方法、系统及可读存储介质。
本发明是通过下述技术方案来解决上述技术问题：
一种储能系统运行优化方法，所述优化方法包括：
获取储能系统在一优化时间区间内的运行参数；
将所述优化时间区间划分为多个单位周期；
基于所述运行参数构建峰谷套利收益模型；所述峰谷套利收益模型用于获取所述储能系统的最大峰谷套利收益；
基于所述峰谷套利收益模型确定每个单位周期内储能系统的充放电功率数据；
基于所述充放电功率数据对每个单位周期内储能系统的充放电进行调整。
较佳地，所述基于所述运行参数构建峰谷套利收益模型的步骤具体包括：
根据所述运行参数构建所述峰谷套利收益模型的约束模型；
根据所述运行参数和所述约束模型构建所述峰谷套利收益模型。
较佳地，所述获取储能系统的运行参数步骤之后，所述优化方法还包括：
获取所述储能系统的最大需量数据；
所述基于所述运行参数构建峰谷套利收益模型的步骤具体包括：
根据所述运行参数和所述最大需量数据构建所述约束模型；
根据所述最大需量数据、所述运行参数和所述约束模型构建所述峰谷套利收益模型。
较佳地，所述运行参数包括优化时间区间、储能系统容量、储能系统初始电量、储能系统最大放电深度、充电倍率上限、放电倍率上限、负荷、充放电次数、充电效率、放电效率和充放电次数；
所述最大需量数据包括最大需量和最大需量基本电费。
较佳地，所述约束模型包括：
Figure BDA0002839954160000031
Figure BDA0002839954160000032
Xch,h≤Mch,Xdch,h≤Mdch
Xdch,hEdch≤Lh
Xch,h/Ech+Lh≤Dmax
Figure BDA0002839954160000033
其中，DoD为储能系统最大放电深度，SOCinit为储能系统初始电量，Xch,h为第h个单位周期内的储能系统充电功率，Xdch,h为第h个单位周期内的储能系统放电电功率，Mch为充电倍率上限，Mdch为放电倍率上限，C为储能系统容量，T为优化时间区间，1≤h≤T，Edch为放电效率，Ech为充电效率，Lh为负荷，Dmax为最大需量，N为充放电次数；
所述峰谷套利收益模型为：
Figure BDA0002839954160000034
f＝Dmax-max(Lh-Xdch,hEdch)
其中，R为峰谷套利收益，f为优化后最大需量与原最大需量间的差值，Ph为电价，r为最大需量基本电费。
较佳地，所述基于所述峰谷套利收益模型确定每个单位周期内储能系统的充放电功率数据的步骤中，基于序列二次规划算法确定所述充放电功率数据。
一种储能系统运行优化系统，所述优化系统包括运行参数获取模块、周期划分模块、模型构建模块、充放电功率数据确定模块和充放电调整模块；
所述运行参数获取模块用于获取储能系统在一优化时间区间内的运行参数；
所述周期划分模块用于将所述优化时间区间划分为多个单位周期；
所述模型构建模块用于基于所述运行参数构建峰谷套利收益模型；所述峰谷套利收益模型用于获取所述储能系统的最大峰谷套利收益；
所述充放电功率数据确定模块用于基于所述峰谷套利收益模型确定每个单位周期内储能系统的充放电功率数据；
所述充放电调整模块用于基于所述充放电功率数据对每个单位周期内储能系统的充放电进行调整。
较佳地，所述模型构建模块包括约束模型构建单元和收益模型构建单元；
所述约束模型构建单元用于根据所述运行参数构建所述峰谷套利收益模型的约束模型；
所述收益模型构建单元用于根据所述运行参数和所述约束模型构建所述峰谷套利收益模型。
较佳地，所述优化系统还包括最大需量数据获取模块；
所述最大需量数据获取模块用于获取所述储能系统的最大需量数据；
所述约束模型构建单元用于根据所述运行参数和所述最大需量数据构建所述约束模型；
所述收益模型构建单元用于根据所述最大需量数据、所述运行参数和所述约束模型构建所述峰谷套利收益模型。
一种可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现上述的储能系统运行优化方法的步骤。
本发明的积极进步效果在于：本申请基于运行参数构建峰谷套利收益模型，在满足最大峰谷套利收益的目标下，获取充放电功率数据，进而对每个单位周期内储能系统的充放电进行调整，本申请从全局出发，综合考虑方案有效性、收益最大化、全时间可持续循环运行、综合考虑需量管理和系统寿命实现对储能系统的运行优化。
附图说明
图1为本发明实施例1的储能系统运行优化方法的流程图。
图2为本发明实施例1的储能系统运行优化方法中步骤30的流程图。
图3为本发明实施例2的储能系统运行优化方法的流程图。
图4为本发明实施例2的储能系统运行优化方法中步骤30的流程图。
图5为本发明实施例2的储能系统运行优化方法中周负荷曲线和电价曲线图。
图6为本发明实施例2的储能系统运行优化方法中“一充一放”优化运行模式下的充放电功率曲线图。
图7为本发明实施例2的储能系统运行优化方法中“一充一放”优化运行模式下的负荷曲线图。
图8为本发明实施例2的储能系统运行优化方法中“两充两放”优化运行模式下的充放电功率曲线图。
图9为本发明实施例2的储能系统运行优化方法中“两充两放”优化运行模式下的负荷曲线图。
图10为本发明实施例3的储能系统运行优化系统的模块示意图。
具体实施方式
下面通过实施例的方式进一步说明本发明，但并不因此将本发明限制在所述的实施例范围之中。
实施例1一种储能系统运行优化方法，如图1所示，所述优化方法包括：
步骤10、获取储能系统在一优化时间区间内的运行参数；所述运行参数包括优化时间区间、储能系统容量、储能系统初始电量、储能系统最大放电深度、充电倍率上限、放电倍率上限、负荷、充放电次数、充电效率、放电效率和充放电次数；
步骤20、将优化时间区间划分为多个单位周期；
步骤30、基于运行参数构建峰谷套利收益模型；所述峰谷套利收益模型用于获取所述储能系统的最大峰谷套利收益；
步骤40、基于峰谷套利收益模型确定每个单位周期内储能系统的充放电功率数据；
步骤50、基于充放电功率数据对每个单位周期内储能系统的充放电进行调整。
其中，如图2所示，步骤30具体包括：
步骤301、根据运行参数构建峰谷套利收益模型的约束模型；
步骤302、根据运行参数和约束模型构建峰谷套利收益模型。
本实施例中，基于运行参数构建峰谷套利收益模型，在满足最大峰谷套利收益的目标下，获取充放电功率数据，进而对每个单位周期内储能系统的充放电进行调整，本申请从全局出发，综合考虑方案有效性、收益最大化、全时间可持续循环运行、综合考虑需量管理和系统寿命实现对储能系统的运行优化。
实施例2
本实施例的储能系统运行优化方法是在实施例1的基础上进一步改进，如图3所示，步骤10之后，所述优化方法还包括：
步骤11、获取储能系统的最大需量数据；所述最大需量数据包括最大需量和最大需量基本电费。
进一步的，参见图4，步骤30具体包括：
步骤303、根据运行参数和最大需量数据构建约束模型；
步骤304、根据最大需量数据、运行参数和约束模型构建峰谷套利收益模型。
本实施例中，所述约束模型包括：
Figure BDA0002839954160000071
Figure BDA0002839954160000072
Xch,h≤Mch,Xdch,h≤Mdch
Xdch,hEdch≤Lh
Xch,h/Ech+Lh≤Dmax
Figure BDA0002839954160000073
其中，DoD为储能系统最大放电深度，SOCinit为储能系统初始电量，Xch,h为第h个单位周期内的储能系统充电功率，Xdch,h为第h个单位周期内的储能系统放电电功率，Mch为充电倍率上限，Mdch为放电倍率上限，C为储能系统容量，T为优化时间区间，1≤h≤T，Edch为放电效率，Ech为充电效率，Lh为负荷，Dmax为最大需量，N为充放电次数；
本实施例中，模拟实际储能系统运行情况，考虑系统容量、充放电倍率、充放电效率、最大充放电深度、初始SOC等参数，使优化策略结果准确可靠，并能够应用于真实场景；另外，考虑电网交互和需量控制及需量收益：将需量控制约束和需量收益加入优化策略中，更贴近实际应用场景。所述峰谷套利收益模型为：
Figure BDA0002839954160000074
f＝Dmax-max(Lh-Xdch,hEdch)
其中，R为峰谷套利收益，f为优化后最大需量与原最大需量间的差值，Ph为电价，r为最大需量基本电费。
需要说明的是，实际应用中，工作日和非工作日负荷往往有较大区别，而不同季节电价价格和时段也有所不同，同时制定不同季节的工作日和非工作日运行策略，可增强套利策略可行性，具体的，在确定优化时间区间后，进一步该时间的所属季节以及是属于工作日还是非工作日既可以确定。
本实施例中，由于求解变量储能系统逐时充放电功率为时序变量，步骤40中，基于序列二次规划算法确定所述充放电功率数据。
举个具体示例，进一步阐述本实施例的方案：
储能系统容量：C＝200kWh；充电倍率上限：Mch＝25％；放电倍率上限：Mdch＝25％；充电效率：Ech＝90％；放电效率：Edch＝95％；最大放电深度：DoD＝90％；储能系统初始电量：SOCinit＝50％；最大需量：Dmax＝100kW；最大需量基本电费：r＝28元/kW/月。
优化时间区间：168小时(夏季，5天工作日，2天非工作日)；单位周期为1h；周负荷曲线和电价曲线如图5所示，建设储能系统运行优化系统后，利用储能系统“低充高放”的运行策略，实现峰谷套利，优化得到如下运行结果：“一充一放”运行模式(也即N＝1的时候)，具体参见图6-7，“两充两放”运行模式(也即N＝2的时候)，具体参见图8-9。
从图6可以看出，“一充一放”优化运行模式下，储能系统在电价谷时段进行大量充电，并在峰时集中放电赚取峰谷电价差；同时，也在电价平时段进行了少量、平缓地充电，以为在电价晚高峰放电套利做准备，工作日周一至周五期间，储能日总充电量呈先小幅上升、后小幅下降的趋势，在非工作日末晚间，储能系统大量充电，为下周循环运行做电量储备。
与“一充一放”优化运行策略相比，“两充两放”优化运行策略存在以下显著不同：由于“两充两放”策略下，系统充放电量更大，因此，平时段储能系统充电更集中、功率更大，且出现了大量时段平时段放电的情况，这样的策略更深地挖掘了峰谷套利策略下该地区电价下的峰谷价差和峰平价差，结合图7与图9储能系统充放电前后负荷曲线可以看出，两种优化充放电策略均大大减小了系统最大需量，降低系统基本电费的同时、平滑了负荷曲线。
从充放电量来看，“一充一放”优化运行策略下，储能系统在工作日，日均满充放电次数为1.03次、非工作日为1.05次；相应的，“两充两放”优化运行策略，工作日日均满充电次数为1.34次、非工作日为1.08次。“两充两放”与“一充一放”月满充电次数比为1.22。因此，“两充两放”策略充放电量更大，但并没有达到2次的满充放电次数且差值较大。
从充放电收益来看，经优化的“一充一放”和“两充两放”策略月最大充放电收益分别为3992.3元和4246.1元，“两充两放”和“一充一放”月收益比为1.06。
从需量收益来看，“两充两放”月降需量收益为1233元，“一充一放”月降需量收益为1330元。
虽然“两充两放”月总收益更高，但是收益增加比例低于满充放电次数比例，考虑到储能系统寿命，对于该项目而言，在实际应用中，“一充一放”优化策略是更具性价比的运行方案。
实施例3
一种储能系统运行优化系统，如图10所示，所述优化系统包括运行参数获取模块1、周期划分模块2、模型构建模块3、充放电功率数据确定模块4和充放电调整模块5；
所述运行参数获取模块1用于获取储能系统在一优化时间区间内的运行参数；
所述周期划分模块2用于将所述优化时间区间划分为多个单位周期；
所述模型构建模块3用于基于所述运行参数构建峰谷套利收益模型；所述峰谷套利收益模型用于获取所述储能系统的最大峰谷套利收益；
所述充放电功率数据确定模块4用于基于所述峰谷套利收益模型确定每个单位周期内储能系统的充放电功率数据；
所述充放电调整模块5用于基于所述充放电功率数据对每个单位周期内储能系统的充放电进行调整。
具体的，参见图10，所述模型构建模块3包括约束模型构建单元31和收益模型构建单元32；
所述约束模型构建单元31用于根据所述运行参数构建所述峰谷套利收益模型的约束模型；
所述收益模型构建单元32用于根据所述运行参数和所述约束模型构建所述峰谷套利收益模型。
本实施例中，参见图10，所述优化系统还包括最大需量数据获取模块6；
所述最大需量数据获取模块6用于获取所述储能系统的最大需量数据；
进一步的，所述约束模型构建单元31用于根据所述运行参数和所述最大需量数据构建所述约束模型；
所述收益模型构建单元32用于根据所述最大需量数据、所述运行参数和所述约束模型构建所述峰谷套利收益模型。
本实施例中，基于运行参数构建峰谷套利收益模型，在满足最大峰谷套利收益的目标下，获取充放电功率数据，进而对每个单位周期内储能系统的充放电进行调整，本申请从全局出发，综合考虑方案有效性、收益最大化、全时间可持续循环运行、综合考虑需量管理和系统寿命实现对储能系统的运行优化。
实施例4
一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现实施例1或2所述的储能系统运行优化方法的步骤。
其中，可读存储介质可以采用的更具体可以包括但不限于：便携式盘、硬盘、随机存取存储器、只读存储器、可擦拭可编程只读存储器、光存储器件、磁存储器件或上述的任意合适的组合。
在可能的实施方式中，本发明还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行实现实施例1或2所述的储能系统运行优化方法的步骤。
其中，可以以一种或多种程序设计语言的任意组合来编写用于执行本发明的程序代码，所述程序代码可以完全地在用户设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户设备上部分在远程设备上执行或完全在远程设备上执行。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这仅是举例说明，本发明的保护范围是由所附权利要求书限定的。本领域的技术人员在不背离本发明的原理和实质的前提下，可以对这些实施方式做出多种变更或修改，但这些变更和修改均落入本发明的保护范围。

Claims (10)

1.一种储能系统运行优化方法，其特征在于，所述优化方法包括：
获取储能系统在一优化时间区间内的运行参数；
将所述优化时间区间划分为多个单位周期；
基于所述运行参数构建峰谷套利收益模型；所述峰谷套利收益模型用于获取所述储能系统的最大峰谷套利收益；
基于所述峰谷套利收益模型确定每个单位周期内储能系统的充放电功率数据；
基于所述充放电功率数据对每个单位周期内储能系统的充放电进行调整。
2.如权利要求1所述的储能系统运行优化方法，其特征在于，所述基于所述运行参数构建峰谷套利收益模型的步骤具体包括：
根据所述运行参数构建所述峰谷套利收益模型的约束模型；
根据所述运行参数和所述约束模型构建所述峰谷套利收益模型。
3.如权利要求1所述的储能系统运行优化方法，其特征在于，所述获取储能系统的运行参数步骤之后，所述优化方法还包括：
获取所述储能系统的最大需量数据；
所述基于所述运行参数构建峰谷套利收益模型的步骤具体包括：
根据所述运行参数和所述最大需量数据构建所述约束模型；
根据所述最大需量数据、所述运行参数和所述约束模型构建所述峰谷套利收益模型。
4.如权利要求3所述的储能系统运行优化方法，其特征在于，所述运行参数包括优化时间区间、储能系统容量、储能系统初始电量、储能系统最大放电深度、充电倍率上限、放电倍率上限、负荷、充放电次数、充电效率、放电效率和充放电次数；
所述最大需量数据包括最大需量和最大需量基本电费。
5.如权利要求3所述的储能系统运行优化方法，其特征在于，所述约束模型包括：
Figure FDA0002839954150000021
Figure FDA0002839954150000022
Xch,h≤Mch,Xdch,h≤Mdch
Xdch,hEdch≤Lh
Xch,h/Ech+Lh≤Dmax
Figure FDA0002839954150000023
其中，DoD为储能系统最大放电深度，SOCinit为储能系统初始电量，Xch,h为第h个单位周期内的储能系统充电功率，Xdch,h为第h个单位周期内的储能系统放电电功率，Mch为充电倍率上限，Mdch为放电倍率上限，C为储能系统容量，T为优化时间区间，1≤h≤T，Edch为放电效率，Ech为充电效率，Lh为负荷，Dmax为最大需量，N为充放电次数；
所述峰谷套利收益模型为：
Figure FDA0002839954150000024
f＝Dmax-max(Lh-Xdch,hEdch)
其中，R为峰谷套利收益，f为优化后最大需量与原最大需量间的差值，Ph为电价，r为最大需量基本电费。
6.如权利要求3所述的储能系统运行优化方法，其特征在于，所述基于所述峰谷套利收益模型确定每个单位周期内储能系统的充放电功率数据的步骤中，基于序列二次规划算法确定所述充放电功率数据。
7.一种储能系统运行优化系统，其特征在于，所述优化系统包括运行参数获取模块、周期划分模块、模型构建模块、充放电功率数据确定模块和充放电调整模块；
所述运行参数获取模块用于获取储能系统在一优化时间区间内的运行参数；
所述周期划分模块用于将所述优化时间区间划分为多个单位周期；
所述模型构建模块用于基于所述运行参数构建峰谷套利收益模型；所述峰谷套利收益模型用于获取所述储能系统的最大峰谷套利收益；
所述充放电功率数据确定模块用于基于所述峰谷套利收益模型确定每个单位周期内储能系统的充放电功率数据；
所述充放电调整模块用于基于所述充放电功率数据对每个单位周期内储能系统的充放电进行调整。
8.如权利要求7所述的储能系统运行优化系统，其特征在于，所述模型构建模块包括约束模型构建单元和收益模型构建单元；
所述约束模型构建单元用于根据所述运行参数构建所述峰谷套利收益模型的约束模型；
所述收益模型构建单元用于根据所述运行参数和所述约束模型构建所述峰谷套利收益模型。
9.如权利要求8所述的储能系统运行优化系统，其特征在于，所述优化系统还包括最大需量数据获取模块；
所述最大需量数据获取模块用于获取所述储能系统的最大需量数据；
所述约束模型构建单元用于根据所述运行参数和所述最大需量数据构建所述约束模型；
所述收益模型构建单元用于根据所述最大需量数据、所述运行参数和所述约束模型构建所述峰谷套利收益模型。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1至6任一项所述的储能系统运行优化方法的步骤。
CN202011488174.9A 2020-12-16 2020-12-16 储能系统运行优化方法、系统及可读存储介质 Pending CN114640104A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011488174.9A CN114640104A (zh) 2020-12-16 2020-12-16 储能系统运行优化方法、系统及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011488174.9A CN114640104A (zh) 2020-12-16 2020-12-16 储能系统运行优化方法、系统及可读存储介质

Publications (1)

Publication Number Publication Date
CN114640104A true CN114640104A (zh) 2022-06-17

Family

ID=81945309

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011488174.9A Pending CN114640104A (zh) 2020-12-16 2020-12-16 储能系统运行优化方法、系统及可读存储介质

Country Status (1)

Country Link
CN (1) CN114640104A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116488213A (zh) * 2023-06-20 2023-07-25 潍坊学院 一种综合储能系统的协调控制系统及方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116488213A (zh) * 2023-06-20 2023-07-25 潍坊学院 一种综合储能系统的协调控制系统及方法
CN116488213B (zh) * 2023-06-20 2023-08-18 潍坊学院 一种综合储能系统的协调控制系统及方法

Similar Documents

Publication Publication Date Title
Shin et al. Plug-in electric vehicle to home (V2H) operation under a grid outage
Ma et al. Decentralized charging control for large populations of plug-in electric vehicles: Application of the Nash certainty equivalence principle
CN113919620B (zh) 一种风光储微电网日前能量调度算法
Teng et al. Potential value of energy storage in the UK electricity system
CN109383323B (zh) 一种电动汽车群的充放电优化控制方法
CN110796373A (zh) 面向风电消纳的多阶段场景生成电热系统优化调度方法
Rossi et al. Real-time optimization of the battery banks lifetime in hybrid residential electrical systems
Berrada et al. Optimal modeling of energy storage system
Couraud et al. Optimal residential battery scheduling with asset lifespan consideration
Yusuf et al. Impact of building loads on cost optimization strategy for a plug-in electric vehicle operation
CN114640104A (zh) 储能系统运行优化方法、系统及可读存储介质
Tveit et al. Behind-the-meter residential electric vehicle smart charging strategies: Danish cases
Mégel et al. Reducing the computational effort of stochastic multi-period dc optimal power flow with storage
CN111987719B (zh) 一种电动汽车聚合商参与调频的投标方法及装置
Panagiotou et al. The effect of including power converter losses when modelling energy storage systems: A UK domestic study
Simpkins et al. Optimizing battery sizing and dispatching to maximize economic return
CN116882575A (zh) 一种电网调节优化方法、装置及设备
CN114094608B (zh) 一种面向光伏电站的多类型储能容量优化配置方法及装置
CN114844119A (zh) 一种储能发电装机和容量优化配置方法及系统
Jarrah et al. A multi-objective evolutionary solution to improve the quality of life in smart cities
CN112381367A (zh) 一种用户侧用电管理的分布式储能控制方法及系统
CN111952996A (zh) 一种基于经济效益评估的含储能的分布式光伏调峰控制方法
CN111181151A (zh) 一种预估用电负荷并进行控制的智能电网控制方法
Chen et al. Leaky bucket-inspired power output smoothing with load-adaptive algorithm
CN117895548B (zh) 一种储能电站运行优化方法、系统、电子设备及介质

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