CN114649822A - 一种考虑风光三状态的微电网混合储能双层容量配置方法 - Google Patents

一种考虑风光三状态的微电网混合储能双层容量配置方法 Download PDF

Info

Publication number
CN114649822A
CN114649822A CN202210334266.4A CN202210334266A CN114649822A CN 114649822 A CN114649822 A CN 114649822A CN 202210334266 A CN202210334266 A CN 202210334266A CN 114649822 A CN114649822 A CN 114649822A
Authority
CN
China
Prior art keywords
power
formula
grid
wind
energy storage
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
CN202210334266.4A
Other languages
English (en)
Inventor
汪凯琳
许仪勋
王鹏
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 Power University
Original Assignee
Shanghai 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 Shanghai Electric Power University filed Critical Shanghai Electric Power University
Priority to CN202210334266.4A priority Critical patent/CN114649822A/zh
Publication of CN114649822A publication Critical patent/CN114649822A/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
    • H02J3/28—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
    • 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
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given 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
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Wind Motors (AREA)

Abstract

本发明提供了一种考虑风光三状态的微电网混合储能双层容量配置方法，包括以下步骤：步骤1，筛选待配置地区的微电网数据，选取典型日，建立风机和光伏机组出力模型；步骤2，建立风机以及光伏三状态模型；步骤3，在风光容量上下限约束内，选取一组风光容量初始值，计算缺额功率，随机抽样风机与光伏机组的输出功率；步骤4，对缺额功率进行傅里叶变换以及反变换，分出低频功率与高频功率，通过混合储能系统和联络线进行补偿；步骤5，建立以微网总成本最小为目标的配置模型，对规划周期内的缺额功率进行频谱分析后确定混合储能系统以及联络线出力，将结果传到步骤3中，通过粒子群算法迭代得到风光容量的最优解，输出对应容量和功率配置结果。

Description

一种考虑风光三状态的微电网混合储能双层容量配置方法
技术领域
本发明设计一种微电网混合储能优化配置方法，具体涉及一种考虑风光三状态的微电网混合储能双层容量配置方法。
背景技术
微电网是通过先进的电力电子技术和控制技术，将风机、光伏系统、储能系统、柴油机、本地负荷等各单元整合起来，形成了一种小型的独立电力系统系统，它的出现为电力系统对分布式发电更为宏观上的调控提供了可能。微电网有两种运行方式，既可以和外部电网并网运行，也可以自身孤立运行。而现存在的模型只单一适用于孤岛型微网或者并网型微网，很少有同时适用于微网两种运行状态的模型。由于风电出力以及光伏出力具有很强的不确定性，不能精确地建立其出力模型，如何充分考虑分布式电源出力的不确定性，充分利用当地的资源完成对储能以及各微源的配置，是微网规划阶段需关注的重点。
目前，在微网中用于解决大容量电能的存储和转换问题、充当分布式发电的备用容量的储能装置一般选用蓄电池，而蓄电池作为能量型储能的代表其能量密度大，可以较长时间进行存储，但是面对波动频率较高的负荷蓄电池不适合频繁充放电，而超级电容器作为功率型储能的代表则可以较好的弥补蓄电池的缺陷，所以考虑蓄电池与超级电容器共同接入微网中，很少有模型考虑风电出力以及光伏出力多状态运行的情况下混合储能的配置。
发明内容
本发明是为了解决上述问题而进行的，目的在于提供一种考虑风光三状态的微电网混合储能双层容量配置方法。
本发明提供了一种考虑风光三状态的微电网混合储能双层容量配置方法，用于对处于并网或离网状态下的微电网中的风机、光伏机组以及混合储能系统进行容量以及功率配置，具有这样的特征，包括以下步骤：步骤1，筛选待配置地区的微电网数据，选取典型日，建立风机出力模型以及光伏机组出力模型；
步骤2，利用马尔可夫过程建立风机以及光伏三状态模型，三状态包括正常运行状态、降额状态以及故障停运状态；
步骤3，在风光容量上下限约束内，随机选取一组风光容量初始值，计算缺额功率，采用序贯蒙特卡洛法随机抽样风机与光伏机组在不同状态下的输出功率；
步骤4，对缺额功率进行傅里叶变换以及反变换，根据变换后的频谱图分出低频功率与高频功率，根据混合储能系统中蓄电池与超级电容器的特点以及根据微电网是否通过联络线并入主电网，分别对低频功率与高频功率进行补偿；
步骤5，建立以微网总成本最小为目标的配置模型，并根据步骤4中的傅里叶变换以及反变换对规划周期内的缺额功率进行频谱分析，分出低频功率与高频功率，并确定混合储能系统以及联络线出力，并将结果传到步骤3中，重复进行步骤3-步骤5，通过粒子群算法迭代得到风光容量的最优解后，输出对应容量以及功率配置结果。
在本发明提供的考虑风光三状态的微电网混合储能双层容量配置方法中，还可以具有这样的特征：其中，步骤1中包括以下子步骤：
步骤1-1，根据获得典型日的风速数据计算风力发电机出力，建立风机出力模型如下：
Figure BDA0003576221390000031
步骤1-2，根据获得典型日的光照以及环境温度数据计算光伏机组出力，建立光伏机组出力模型如下：
Figure BDA0003576221390000032
公式(1)中，vout为切出风速，vin为切入风速，vr为额定风速，Pr.wind为风机额定功率，
公式(2)中，PSC为光伏阵列标准条件下的额定输出功率，GSC为标准条件下太阳辐照度，GC为工作点实际太阳辐照度，k为功率温度系数，Tc(t)为时刻工作点温度，TSC为标准条件下温度，NPV为光伏阵列单元数量。
在本发明提供的考虑风光三状态的微电网混合储能双层容量配置方法中，还可以具有这样的特征：其中，步骤2中包括以下子步骤：
步骤2-1，对正常运行状态、降额状态以及故障停运状态进行概率求解，利用马尔可夫原理得到状态转移矩阵为：
Figure BDA0003576221390000041
进一步求解，得到：
Figure BDA0003576221390000042
步骤2-2，采用蒙特卡洛法进行仿真抽样，风机或光伏机组的三状态持续运行时间由平均无故障持续工作时间MTTF、平均修复时间MTTR模拟获得，计算公式为：
Figure BDA0003576221390000043
Figure BDA0003576221390000044
公式(3)和公式(4)中，λ为故障率，μ为修复率，P1、P2、P3分别为风机或光伏机组处于正常运行状态、降额状态、故障状态的概率，
公式(5)和公式(6)中，t1、t2分别为运行状态的持续运行时间、停运故障修复时间，x1、x2为区间[0,1]内服从均匀分布的随机数。
在本发明提供的考虑风光三状态的微电网混合储能双层容量配置方法中，还可以具有这样的特征：其中，步骤3包括以下子步骤：
步骤3-1，设定建设场地面积为S，长为L，宽为W，则微电网中的风机、光伏机组满足以下条件：
Figure BDA0003576221390000051
步骤3-2，风机以及光伏机组三状态的输出功率为：
Figure BDA0003576221390000052
Figure BDA0003576221390000053
i∈[1,imax],j∈[1,jmax] (10)，
公式(8)-公式(9)中，
Figure BDA0003576221390000054
表示风机与光伏机组在时刻t所处的状态，通过序贯蒙特卡罗抽样得到，计算公式如下：
Figure BDA0003576221390000055
步骤3-3，通过微电网中风力发电、光伏发电和负荷用电产生的功率差得到缺额功率PJ，计算公式如下：
Figure BDA0003576221390000056
公式(7)中，d为风机风轮直径，S2、
Figure BDA0003576221390000057
[]分别为单个光伏阵列占地面积、遮阴系数和取整函数，
公式(8)-公式(10)中，imax为风机最大台数，jmax为光伏机组最大台数，
Figure BDA0003576221390000058
为i台风机在时刻t发出的功率，
Figure BDA0003576221390000059
为j台光伏机组在时刻t发出的功率，
Figure BDA00035762213900000510
为时刻t是否引入第i台风机，
Figure BDA00035762213900000511
为是否引入第j台光伏机组，
公式(12)中，PL(t)为t时刻的负荷功率，PG(t)为t时刻风机和光伏机组发出的功率。
在本发明提供的考虑风光三状态的微电网混合储能双层容量配置方法中，还可以具有这样的特征：其中，步骤4中包括以下子步骤：
步骤4-1，离散傅里叶变换公式为：
Figure BDA0003576221390000061
Figure BDA0003576221390000062
步骤4-2，将缺额功率代入公式(13)-公式(14)，计算幅频序列PJ(k)，幅频序列PJ(k)以频率fk＝fs/2为对称轴，表示为：
Figure BDA0003576221390000063
将公式(15)在k＝n处切断，n为分断点，其中[0,n]为低频部分，[n+1,N/2]为高频部分，将低频与高频分离，得到下式：
Figure BDA0003576221390000064
PJ.H(k)＝{0,…,0,PJ(N-1),…,PJ(N-n-1),0,…0} (17)，
公式(16)和公式(17)中，PJ.D(k)、PJ.H(k)分别为缺额功率的低频分量和高频分量，将公式(16)和公式(17)分别代入公式(14)得到缺额功率的低频功率与高频功率为：
Figure BDA0003576221390000065
Figure BDA0003576221390000066
步骤4-3，通过混合储能系统以及联络线对低频功率与高频功率对应进行补偿，
PJ.D(t)＝βES1PES1(t)+αPline(t) (20)
PJ.H(t)＝βES2PES2(t) (21)
PJ(t)＝βES1PES1(t)+βES2PES2(t)+αPline(t) (22)，
公式(20)-公式(22)中PES1(t)为蓄电池补偿的功率，PES2(t)为超级电容器补偿的功率，βES1为是否引入蓄电池，βES2为是否引入超级电容器，α为并离网系数，取1时代表并网，取0代表离网；
当并离网系数α＝0时，微电网孤岛运行，低频功率由蓄电池补偿，高频功率由超级电容器补偿；
当并离网系数α＝1时，微电网并网运行，低频功率由蓄电池和联络线补偿，高频功率由超级电容器补偿；
步骤4-4，混合储能系统的额定功率大小为储能实际充放电功率绝对值的最大值，公式如下：
SES1/u1≥max{|PES1(t)|} (23)
SES2/u2≥max{|PJ.H(t)|} (24)；
步骤4-5，储能的初始能量变化的公式如下：
Figure BDA0003576221390000071
步骤4-6，储能额定容量的公式如下：
Figure BDA0003576221390000072
E0＝0.5SES (27)，
公式(13)-公式(14)中，P(k)、p(n)分别为频域信号和时域信号的主值序列，k为不同频段的序列数，
公式(23)-公式(24)中，SES为储能的额定容量，u1为蓄电池额定容量与额定功率的比值，u2为超级电容器额定容量与额定功率的比值，
公式(25)中，E(t)为在第t个采样点储能相对原始状态能量变化，单位kw·h，T0表示采样周期，单位为s，
公式(26)-公式(27)中，SES为储能额定容量，E0为储能初始能量，储能初始能量设为储能额定容量的0.5倍。
在本发明提供的考虑风光三状态的微电网混合储能双层容量配置方法中，还可以具有这样的特征：其中，步骤5中包括以下子步骤：
步骤5-1，建立配置模型时，微电网总成本包括设备的等年值投资成本、各组件运行维护费用，公式如下：
minFm＝min(fam+fbm) (28)，
公式(28)中，fam为设备的等年值投资成本，fbm为各组件运行维护费用；
步骤5-2，设备的等年值投资成本的计算公式如下：
fam＝fcr(fwind.amSwind+fPV.amSPV+fES1.amSES.1+fES2.amSES.2) (29)
Figure BDA0003576221390000081
公式(29)-公式(30)中，fwind.am、fPV.am、fES1.am、fES2.am分别为风电、光伏、蓄电池和超级电容器的单位容量初始投资成本，Sk为第K种组件的额定容量，fcr为年资金回收系数，Lf为工程规划使用年限，r为折现率；
步骤5-3，各组件运行维护费用的计算公式如下：
fbm＝fwind.bmSwind+fPV.bmSPV+fES1.bmSES.1+fES2.bmSES.2 (31)，
公式(31)中，fwind.bm、fPV.bm、fES1.bm、fES2.bm分别为风力发电机组、光伏发电阵列、蓄电池、超级电容器的维护成本系数；
步骤5-4，建立微网总成本最小为目标的配置模型需要满足的约束条件，包括功率平衡约束、系统与电网功率交换约束、联络线利用率约束、联络线功率波动约束以及储能系统荷电状态约束；
步骤5-5，根据步骤4中的傅里叶变换以及反变换对规划周期内的缺额功率进行频谱分析，分出低频功率与高频功率，确定混合储能系统以及联络线出力，并将结果传到步骤3，重复进行步骤3-步骤5，通过粒子群算法迭代得到风光容量的最优解后，输出对应容量以及功率配置结果，粒子群算法中的粒子的更新速度以及更新位置如下：
Figure BDA0003576221390000091
Figure BDA0003576221390000092
公式(32)-公式(33)中，i为第i个粒子，k为算法迭代的次数，c1、c2为学习因子，w为惯性权重系数，r1、r2为在[0,1]之间的随机数，v表示更新速度，x为更新位置，pg为全局历史最优位置，pbest为个体历史的最优位置。
在本发明提供的考虑风光三状态的微电网混合储能双层容量配置方法中，还可以具有这样的特征：其中，步骤5-4中包括以下子步骤：
步骤5-4-1，功率平衡约束如下：
PJ.D(t)＝βES1PES1(t)+αPline(t) (34)
PJ.H(t)＝βES2PES2(t) (35)，
公式(34)-公式(35)中，β为引入系数，取1表示模型中引入对应组件，反之取0，α为并离网系数，为0-1变量，当α＝1时微网并网运行，α＝0时微网孤岛运行；
步骤5-4-2，系统与电网功率交换约束为微电网的风光储系统与电网的交换功率Pline需要满足要求如下：
αPline.min≤Pline(t)≤αPline.max (36)，
公式(36)中，Pline.min、Pline.max分别为微电网与主电网允许交换的最小功率和最大功率，该值根据微电网与主电网所达成的供求协议进行确定；
步骤5-4-3，联络线利用率约束如下：
αUline≥αUline.min (37)
Figure BDA0003576221390000101
公式(37)-公式(38)中，Uline.min为联络线利用率的下限，Uline为联络线利用率，Pline.in为主电网向微电网输送的功率，Pline.out为微电网向主电网倒送的功率，Eline为联络线额定功率下输送的电量，Pline,0(t)为联络线额定功率；
步骤5-4-4，联络线功率波动约束采用功率标准差来表示联络线功率波动大小，功率标准差的值越小时，表示联络线的功率波动越小，公式如下：
Figure BDA0003576221390000111
Dsd≤δg (40)，
公式(39)-公式(40)中，Dsd为功率标准差，δg为主电网最大功率变化率，
Figure BDA0003576221390000112
为联络线功率的平均值；
步骤5-4-5，储能系统荷电状态约束如下：
SOCimin≤SOCi(t)≤SOCimax (41)，
公式(41)中，SOCimin、SOCimax分别为第i个储能系统SOC上下限值，SOCi(t)为阶段t储能系统的SOC值。
发明的作用与效果
根据本发明所涉及的一种考虑风光三状态的微电网混合储能双层容量配置方法，通过建立风机以及光伏三状态模型，并采用序贯蒙特卡洛法随机抽样风机与光伏机组在不同状态下的输出功率，能够更为精确的获得风机和光伏机组的输出功率；并且，本发明通过将缺额功率分频为低频功率与高频功率，并通过由蓄电池和超级电容器构成混合储能系统以及联络线对低频功率与高频功率进行对应补偿，能够在考虑风电出力以及光伏出力多状态运行的情况下同时进行混合储能的优化配置；另外，本发明通过设置引入系数和并离网系数，可以灵活地对是否引入蓄电池或超级电容器以及微电网并离网进行选择和组合，在用户交互方面十分友好，能够同时适用于微电网孤岛与并网的场景。
附图说明
图1是本发明的实施例中一种考虑风光三状态的微电网混合储能双层容量配置方法的流程图；
图2是本发明的实施例中风机以及光伏三状态模型的示意图；
图3是本发明的实施例中根据风机以及光伏三状态模型抽样模拟风机以及光伏机组所处状态和持续时间的结果示意图；
图4是本发明的实施例中高频功率的示意图；
图5是本发明的实施例中低频功率的示意图；
图6是本发明的实施例中联络线功率的示意图。
具体实施方式
为了使本发明实现的技术手段与功效易于明白了解，以下结合实施例及附图对本发明作具体阐述。
<实施例>
图1是本发明的实施例中一种考虑风光三状态的微电网混合储能双层容量配置方法的流程图。
如图1所示，本实施例的一种考虑风光三状态的微电网混合储能双层容量配置方法，用于对处于并网或离网状态下的微电网中的风机、光伏机组以及混合储能系统进行容量以及功率配置，包括以下步骤：步骤1，筛选待配置地区的微电网数据，选取典型日，建立风机出力模型以及光伏机组出力模型。
步骤1中包括以下子步骤：
步骤1-1，根据获得典型日的风速数据计算风力发电机出力，建立风机出力模型如下：
Figure BDA0003576221390000131
步骤1-2，根据获得典型日的光照以及环境温度数据计算光伏机组出力，建立光伏机组出力模型如下：
Figure BDA0003576221390000132
公式(1)中，vout为切出风速，vin为切入风速，vr为额定风速，Pr.wind为风机额定容量，
公式(2)中，PSC为光伏阵列标准条件下的额定输出功率，GSC为标准条件下太阳辐照度，GC为工作点实际太阳辐照度，k为功率温度系数，Tc(t)为时刻工作点温度，TSC为标准条件下温度，NPV为光伏阵列单元数量。
图2是本发明的实施例中风机以及光伏三状态模型的示意图。
如图2所示，步骤2，利用马尔可夫过程建立风机以及光伏三状态模型，三状态包括正常运行状态、降额状态以及故障停运状态。
步骤2中包括以下子步骤：
步骤2-1，对正常运行状态、降额状态以及故障停运状态进行概率求解，利用马尔可夫原理得到状态转移矩阵为：
Figure BDA0003576221390000141
进一步求解，得到：
Figure BDA0003576221390000142
步骤2-2，采用蒙特卡洛法进行仿真抽样，风机或光伏机组的三状态持续运行时间由平均无故障持续工作时间MTTF、平均修复时间MTTR模拟获得，计算公式为：
Figure BDA0003576221390000143
Figure BDA0003576221390000144
公式(3)和公式(4)中，λ为故障率，μ为修复率，P1、P2、P3分别为风机或光伏机组处于正常运行状态、降额状态、故障状态的概率，
公式(5)和公式(6)中，t1、t2分别为运行状态的持续运行时间、停运故障修复时间，x1、x2为区间[0,1]内服从均匀分布的随机数。
步骤3，在风光容量上下限约束内，随机选取一组风光容量初始值，计算缺额功率，采用序贯蒙特卡洛法随机抽样风机与光伏机组在不同状态下的输出功率。
步骤3包括以下子步骤：
步骤3-1，设定建设场地面积为S，长为L，宽为W，则微电网中的风机、光伏机组满足以下条件：
Figure BDA0003576221390000151
步骤3-2，风机以及光伏机组三状态的输出功率为：
Figure BDA0003576221390000152
Figure BDA0003576221390000153
i∈[1,imax],j∈[1,jmax] (10)
公式(8)-公式(9)中，
Figure BDA0003576221390000154
表示风机与光伏机组在时刻t所处的状态，通过序贯蒙特卡罗抽样得到，计算公式如下：
Figure BDA0003576221390000155
步骤3-3，通过微电网中风力发电、光伏发电和负荷用电产生的功率差得到缺额功率PJ，计算公式如下：
Figure BDA0003576221390000156
公式(7)中，d为风机风轮直径，S2、
Figure BDA0003576221390000157
[]分分别为单个光伏阵列占地面积、遮阴系数和取整函数，
公式(8)-公式(10)中，imax为风机最大台数，jmax为光伏机组最大台数，
Figure BDA0003576221390000158
为i台风机在时刻t发出的功率，
Figure BDA0003576221390000159
为j台光伏机组在时刻t发出的功率，
Figure BDA00035762213900001510
为时刻t是否引入第i台风机，
Figure BDA00035762213900001511
为是否引入第j台光伏机组，
公式(12)中，PL(t)为t时刻的负荷功率，PG(t)为t时刻风机和光伏机组发出的功率。
步骤4，对缺额功率进行傅里叶变换以及反变换，根据变换后的频谱图分出低频功率与高频功率，根据混合储能系统中蓄电池与超级电容器的特点以及根据微电网是否通过联络线并入主电网，分别对低频功率与高频功率进行补偿。
步骤4中包括以下子步骤：
步骤4-1，离散傅里叶变换公式为：
Figure BDA0003576221390000161
Figure BDA0003576221390000162
步骤4-2，将缺额功率代入公式(13)-公式(14)，计算幅频序列PJ(k)，幅频序列PJ(k)以频率fk＝fs/2为对称轴，表示为：
Figure BDA0003576221390000163
将公式(15)在k＝n处切断，n为分断点，其中[0,n]为低频部分，[n+1,N/2]为高频部分，将低频与高频分离，得到下式：
Figure BDA0003576221390000164
PJ.H(k)＝{0,…,0,PJ(N-1),…,PJ(N-n-1),0,…0} (17)，
公式(16)和公式(17)中，PJ.D(k)、PJ.H(k)分别为缺额功率的低频分量和高频分量，将公式(16)和公式(17)分别代入公式(14)得到缺额功率的低频功率与高频功率为：
Figure BDA0003576221390000165
Figure BDA0003576221390000171
步骤4-3，通过混合储能系统以及联络线对低频功率与高频功率对应进行补偿，
PJ.D(t)＝βES1PES1(t)+αPline(t) (20)
PJ.H(t)＝βES2PES2(t) (21)
PJ(t)＝βES1PES1(t)+βES2PES2(t)+αPline(t) (22)，
公式(20)-公式(22)中，PES1(t)为蓄电池补偿的功率，PES2(t)为超级电容器补偿的功率，βES1为是否引入蓄电池，βES2为是否引入超级电容器，α为并离网系数，取1时代表并网，取0代表离网；
当并离网系数α＝0时，微电网孤岛运行，低频功率由蓄电池补偿，高频功率由超级电容器补偿；
当并离网系数α＝1时，微电网并网运行，低频功率由蓄电池和联络线补偿，高频功率由超级电容器补偿；
步骤4-4，混合储能系统的额定功率大小为储能实际充放电功率绝对值的最大值，公式如下：
SES1/u1≥max{|PES1(t)|} (23)
SES2/u2≥max{|PJ.H(t)|} (24)；
步骤4-5，储能的初始能量变化的公式如下：
Figure BDA0003576221390000172
步骤4-6，储能额定容量的公式如下：
Figure BDA0003576221390000173
E0＝0.5SES (27)，
公式(13)-公式(14)中，P(k)、p(n)分别为频域信号和时域信号的主值序列，k为不同频段的序列数，
公式(23)-公式(24)中，SES为储能的额定容量，u1为蓄电池额定容量与额定功率的比值，u2为超级电容器额定容量与额定功率的比值，
公式(25)中，E(t)为在第t个采样点储能相对原始状态能量变化，单位kw·h，T0表示采样周期，单位为s，
公式(26)-公式(27)中，SES为储能额定容量，E0为储能初始能量，储能初始能量设为储能额定容量的0.5倍。
步骤5，建立以微网总成本最小为目标的配置模型，并根据步骤4中的傅里叶变换以及反变换对规划周期内的缺额功率进行频谱分析，分出低频功率与高频功率，并确定混合储能系统以及联络线出力，并将结果传到步骤3中，重复进行步骤3-步骤5，通过粒子群算法迭代得到风光容量的最优解后，输出对应容量以及功率配置结果。
步骤5中包括以下子步骤：
步骤5-1，建立配置模型时，微电网总成本包括设备的等年值投资成本、各组件运行维护费用，公式如下：
minFm＝min(fam+fbm) (28)，
公式(28)中，fam为设备的等年值投资成本，fbm为各组件运行维护费用；
步骤5-2，设备的等年值投资成本的计算公式如下：
fam＝fcr(fwind.amSwind+fPV.amSPV+fES1.amSES.1+fES2.amSES.2) (29)
Figure BDA0003576221390000191
公式(29)-公式(30)中，fwind.am、fPV.am、fES1.am、fES2.am分别为风电、光伏、蓄电池和超级电容器的单位容量初始投资成本，Sk为第K种组件的额定容量，fcr为年资金回收系数，Lf为工程规划使用年限，r为折现率；
步骤5-3，各组件运行维护费用的计算公式如下：
fbm＝fwind.bmSwind+fPV.bmSPV+fES1.bmSES.1+fES2.bmSES.2 (31)，
公式(31)中，fwind.bm、fPV.bm、fES1.bm、fES2.bm分别为风力发电机组、光伏发电阵列、蓄电池、超级电容器的维护成本系数。
步骤5-4，建立微网总成本最小为目标的配置模型需要满足的约束条件，包括功率平衡约束、系统与电网功率交换约束、联络线利用率约束、联络线功率波动约束以及储能系统荷电状态约束。
步骤5-4中包括以下子步骤：
步骤5-4-1，功率平衡约束如下：
PJ.D(t)＝βES1PES1(t)+αPline(t) (32)
PJ.H(t)＝βES2PES2(t) (33)，
公式(32)-公式(33)中，β为引入系数，取1表示模型中引入对应组件，反之取0，α为并离网系数，为0-1变量，当α＝1时微网并网运行，α＝0时微网孤岛运行；
步骤5-4-2，系统与电网功率交换约束为微电网的风光储系统与电网的交换功率Pline需要满足要求如下：
αPline.min≤Pline(t)≤αPline.max (34)，
公式(34)中，Pline.min、Pline.max分别为微电网与主电网允许交换的最小功率和最大功率，该值根据微电网与主电网所达成的供求协议进行确定；
步骤5-4-3，联络线利用率约束如下：
αUline≥αUline.min (35)
Figure BDA0003576221390000201
公式(35)-公式(36)中，Uline.min为联络线利用率的下限，Uline为联络线利用率，Pline.in为主电网向微电网输送的功率，Pline.out为微电网向主电网倒送的功率，Eline为联络线额定功率下输送的电量，Pline,0(t)为联络线额定功率(固定值)；
步骤5-4-4，联络线功率波动约束采用功率标准差来表示联络线功率波动大小，功率标准差的值越小时，表示联络线的功率波动越小，公式如下：
Figure BDA0003576221390000202
Dsd≤δg (38)，
公式(37)-公式(38)中，Dsd为功率标准差，δg为主电网最大功率变化率(δg小于装机容量的10％)，
Figure BDA0003576221390000203
为联络线功率的平均值；
步骤5-4-5，储能系统荷电状态约束如下：
SOCimin≤SOCi(t)≤SOCimax (39)，
公式(39)中，SOCimin、SOCimax分别为第i个储能系统SOC上下限值，SOCi(t)为阶段t储能系统的SOC值。
步骤5-5，根据步骤4中的傅里叶变换以及反变换对规划周期内的缺额功率进行频谱分析，分出低频功率与高频功率，确定混合储能系统以及联络线出力，并将结果传到步骤3，重复进行步骤3-步骤5，通过粒子群算法迭代得到风光容量的最优解后，输出对应容量以及功率配置结果，粒子群算法中的粒子的更新速度以及更新位置如下：
Figure BDA0003576221390000211
Figure BDA0003576221390000212
公式(40)-公式(41)中，i为第i个粒子，k为算法迭代的次数，，c1、c2为学习因子，w为惯性权重系数，r1、r2为在[0,1]之间的随机数，v表示更新速度，x为更新位置，pg为全局历史最优位置，pbest为个体历史的最优位置。
本实施例中，通过本发明的一种考虑风光三状态的微电网混合储能双层容量配置方法对某一独立微电网进行配置，具体如下：
步骤1，对待配置的独立微电网选取典型日数据，建立风机出力模型以及光伏机组出力模型，采样时间为2min，采样总数为N＝720，风机切入风速为3m/s，切出风速为25m/s，额定风速为15m/s，风机初始额定容量为100kW，光伏额定容量为50kW。
步骤2，利用马尔可夫过程建立风机以及光伏三状态模型，风机以及光伏机组的故障率与修复率取值为：λ12＝5.84次/年，λ13＝7.89次/年，λ23＝10.84次/年，μ21＝48.3次/年，μ31＝58.4次/年，μ32＝48.3次/年。
步骤3，随机选取一台风机与光伏机组，计算缺额功率，根据建立的风机以及光伏三状态模型对风机与光伏机组所处状态以及持续时间进行抽样模拟。图3是本发明的实施例中根据风机以及光伏三状态模型抽样模拟风机以及光伏机组所处状态和持续时间的结果示意图。
如图3所示，根据风机以及光伏三状态模型对风机与光伏机组所处状态以及持续时间进行抽样模拟能够得到风机与光伏机组所处状态以及持续时间，再根据风机出力模型以及光伏机组出力模型能够对应得到风机与光伏机组的输出功率。
步骤4，对缺额功率进行傅里叶变换以及反变换，根据变换后的频谱图得到分断点n＝256，分出如图4所示的高频功率以及如图5所示的低频功率，当并离网系数α＝0时，微电网孤岛运行，低频功率由蓄电池补偿，高频功率全部由超级电容器补偿。
步骤5，建立以微网总成本最小为目标的配置模型，根据低频功率由蓄电池补偿，高频功率全部由超级电容器补偿确定混合储能系统出力后，将结果返回步骤3，重复进行步骤3-步骤5，通过粒子群算法的不断迭代得到风光容量的最优解后，输出对应容量以及功率配置结果，如表1所示：
表1：不考虑联络线的配置结果
Figure BDA0003576221390000221
Figure BDA0003576221390000231
本实施例中，当步骤4中的并离网系数α＝1时，微电网并网运行，联络线的利用率为52.622％，联络线功率如图6所示，此时对缺额功率的低频功率由蓄电池和联络线共同进行补偿，高频功率由超级电容器补偿，确定混合储能系统以及联络线出力后，将结果返回步骤3，重复进行步骤3-步骤5，通过粒子群算法的不断迭代得到风光容量的最优解后，输出对应容量以及功率配置结果，如表2所示：
表2：考虑联络线的配置结果
Figure BDA0003576221390000232
综上，本实施例的一种考虑风光三状态的微电网混合储能双层容量配置方法能够同时适用于微电网孤岛与并网的场景，并且能够在考虑风电出力以及光伏出力多状态运行的情况下同时对混合储能系统进行优化配置。
实施例的作用与效果
根据本实施例所涉及的一种考虑风光三状态的微电网混合储能双层容量配置方法，通过建立风机以及光伏三状态模型，并采用序贯蒙特卡洛法随机抽样风机与光伏机组在不同状态下的输出功率，能够更为精确的获得风机和光伏机组的输出功率；并且，本实施例通过将缺额功率分频为低频功率与高频功率，并通过由蓄电池和超级电容器构成混合储能系统以及联络线对低频功率与高频功率进行对应补偿，能够在考虑风电出力以及光伏出力多状态运行的情况下同时进行混合储能的优化配置；另外，本实施例通过设置引入系数和并离网系数，可以灵活地对是否引入蓄电池或超级电容器以及微电网并离网进行选择和组合，在用户交互方面十分友好，能够同时适用于微电网孤岛与并网的场景。
上述实施方式为本发明的优选案例，并不用来限制本发明的保护范围。

Claims (7)

1.一种考虑风光三状态的微电网混合储能双层容量配置方法，用于对处于并网或离网状态下的微电网中的风机、光伏机组以及混合储能系统进行容量以及功率配置，其特征在于，包括以下步骤：
步骤1，筛选待配置地区的微电网数据，选取典型日，建立风机出力模型以及光伏机组出力模型；
步骤2，利用马尔可夫过程建立风机以及光伏三状态模型，三状态包括正常运行状态、降额状态以及故障停运状态；
步骤3，在风光容量上下限约束内，随机选取一组风光容量初始值，计算缺额功率，采用序贯蒙特卡洛法随机抽样风机与光伏机组在不同状态下的输出功率；
步骤4，对所述缺额功率进行傅里叶变换以及反变换，根据变换后的频谱图分出低频功率与高频功率，根据混合储能系统中蓄电池与超级电容器的特点以及根据微电网是否通过联络线并入主电网，分别对所述低频功率与所述高频功率进行补偿；
步骤5，建立以微网总成本最小为目标的配置模型，并根据步骤4中的傅里叶变换以及反变换对规划周期内的所述缺额功率进行频谱分析，分出所述低频功率与所述高频功率，并确定所述混合储能系统以及所述联络线出力，并将结果传到步骤3中，重复进行步骤3-步骤5，通过粒子群算法迭代得到所述风光容量的最优解后，输出对应容量以及功率配置结果。
2.根据权利要求1所述的考虑风光三状态的微电网混合储能双层容量配置方法，其特征在于：
其中，步骤1中包括以下子步骤：
步骤1-1，根据获得所述典型日的风速数据计算风力发电机出力，建立所述风机出力模型如下：
Figure FDA0003576221380000021
步骤1-2，根据获得所述典型日的光照以及环境温度数据计算光伏机组出力，建立所述光伏机组出力模型如下：
Figure FDA0003576221380000022
公式(1)中，vout为切出风速，vin为切入风速，vr为额定风速，Pr.wind为风机额定功率，
公式(2)中，PSC为光伏阵列标准条件下的额定输出功率，GSC为标准条件下太阳辐照度，GC为工作点实际太阳辐照度，k为功率温度系数，Tc(t)为时刻工作点温度，TSC为标准条件下温度，NPV为光伏阵列单元数量。
3.根据权利要求1所述的考虑风光三状态的微电网混合储能双层容量配置方法，其特征在于：
其中，步骤2中包括以下子步骤：
步骤2-1，对所述正常运行状态、所述降额状态以及所述故障停运状态进行概率求解，利用马尔可夫原理得到状态转移矩阵为：
Figure FDA0003576221380000031
进一步求解，得到：
Figure FDA0003576221380000032
步骤2-2，采用蒙特卡洛法进行仿真抽样，风机或光伏机组的三状态持续运行时间由平均无故障持续工作时间MTTF、平均修复时间MTTR模拟获得，计算公式为：
Figure FDA0003576221380000033
Figure FDA0003576221380000034
公式(3)和公式(4)中，λ为故障率，μ为修复率，P1、P2、P3分别为风机或光伏机组处于正常运行状态、降额状态、故障状态的概率，
公式(5)和公式(6)中，t1、t2分别为运行状态的持续运行时间、停运故障修复时间，x1、x2为区间[0,1]内服从均匀分布的随机数。
4.根据权利要求1所述的考虑风光三状态的微电网混合储能双层容量配置方法，其特征在于：
其中，步骤3包括以下子步骤：
步骤3-1，设定建设场地面积为S，长为L，宽为W，则微电网中的风机、光伏机组满足以下条件：
Figure FDA0003576221380000041
步骤3-2，风机以及光伏机组三状态的输出功率为：
Figure FDA0003576221380000042
Figure FDA0003576221380000043
i∈[1,imax],j∈[1,jmax] (10)，
公式(8)-公式(9)中，
Figure FDA0003576221380000044
表示风机与光伏机组在时刻t所处的状态，通过序贯蒙特卡罗抽样得到，计算公式如下：
Figure FDA0003576221380000045
步骤3-3，通过微电网中风力发电、光伏发电和负荷用电产生的功率差得到缺额功率PJ，计算公式如下：
Figure FDA0003576221380000046
公式(7)中，d为风机风轮直径，S2、
Figure FDA0003576221380000047
[]分别为单个光伏阵列占地面积、遮阴系数和取整函数，
公式(8)-公式(10)中，imax为风机最大台数，jmax为光伏机组最大台数，
Figure FDA0003576221380000048
为i台风机在时刻t发出的功率，
Figure FDA0003576221380000049
为j台光伏机组在时刻t发出的功率，
Figure FDA00035762213800000410
为时刻t是否引入第i台风机，
Figure FDA00035762213800000411
为是否引入第j台光伏机组，
公式(12)中，PL(t)为t时刻的负荷功率，PG(t)为t时刻风机和光伏机组发出的功率。
5.根据权利要求1所述的考虑风光三状态的微电网混合储能双层容量配置方法，其特征在于：
其中，步骤4中包括以下子步骤：
步骤4-1，离散傅里叶变换公式为：
Figure FDA0003576221380000051
Figure FDA0003576221380000052
步骤4-2，将所述缺额功率代入公式(13)-公式(14)，计算幅频序列PJ(k)，所述幅频序列PJ(k)以频率fk＝fs/2为对称轴，表示为：
Figure FDA0003576221380000053
将公式(15)在k＝n处切断，n为分断点，其中[0,n]为低频部分，[n+1,N/2]为高频部分，将低频与高频分离，得到下式：
Figure FDA0003576221380000054
PJ.H(k)＝{0,…,0,PJ(N-1),…,PJ(N-n-1),0,…0} (17)，
公式(16)和公式(17)中，PJ.D(k)、PJ.H(k)分别为所述缺额功率的低频分量和高频分量，将公式(16)和公式(17)分别代入公式(14)得到所述缺额功率的低频功率与高频功率为：
Figure FDA0003576221380000055
Figure FDA0003576221380000061
步骤4-3，通过所述混合储能系统以及所述联络线对所述低频功率与所述高频功率对应进行补偿，
PJ.D(t)＝βES1PES1(t)+αPline(t) (20)
PJ.H(t)＝βES2PES2(t) (21)
PJ(t)＝βES1PES1(t)+βES2PES2(t)+αPline(t) (22)，
公式(20)-公式(22)中，PES1(t)为蓄电池补偿的功率，PES2(t)为超级电容器补偿的功率，βES1为是否引入蓄电池，βES2为是否引入超级电容器，α为并离网系数，取1时代表并网，取0代表离网；
当所述并离网系数α＝0时，所述微电网孤岛运行，所述低频功率由所述蓄电池补偿，所述高频功率由所述超级电容器补偿；
当所述并离网系数α＝1时，所述微电网并网运行，所述低频功率由所述蓄电池和所述联络线补偿，所述高频功率由所述超级电容器补偿；
步骤4-4，所述混合储能系统的额定功率大小为储能实际充放电功率绝对值的最大值，公式如下：
SES1/u1≥max{|PES1(t)|} (23)
SES2/u2≥max{|PJ.H(t)|} (24)；
步骤4-5，储能的初始能量变化的公式如下：
Figure FDA0003576221380000062
步骤4-6，储能额定容量的公式如下：
Figure FDA0003576221380000071
E0＝0.5SES (27)，
公式(13)-公式(14)中，P(k)、p(n)分别为频域信号和时域信号的主值序列，k为不同频段的序列数，
公式(23)-公式(24)中，SES为储能的额定容量，u1为蓄电池额定容量与额定功率的比值，u2为超级电容器额定容量与额定功率的比值，
公式(25)中，E(t)为在第t个采样点储能相对原始状态能量变化，单位kw·h，T0表示采样周期，单位为s，
公式(26)-公式(27)中，SES为储能额定容量，E0为储能初始能量，储能初始能量设为储能额定容量的0.5倍。
6.根据权利要求1所述的考虑风光三状态的微电网混合储能双层容量配置方法，其特征在于：
其中，步骤5中包括以下子步骤：
步骤5-1，建立所述配置模型时，微电网总成本包括设备的等年值投资成本、各组件运行维护费用，公式如下：
minFm＝min(fam+fbm) (28)，
公式(28)中，fam为设备的等年值投资成本，fbm为各组件运行维护费用；
步骤5-2，所述设备的等年值投资成本的计算公式如下：
fam＝fcr(fwind.amSwind+fPV.amSPV+fES1.amSES.1+fES2.amSES.2) (29)
Figure FDA0003576221380000081
公式(29)-公式(30)中，fwind.am、fPV.am、fES1.am、fES2.am分别为风电、光伏、蓄电池和超级电容器的单位容量初始投资成本，Sk为第K种组件的额定容量，fcr为年资金回收系数，Lf为工程规划使用年限，r为折现率；
步骤5-3，所述各组件运行维护费用的计算公式如下：
fbm＝fwind.bmSwind+fPV.bmSPV+fES1.bmSES.1+fES2.bmSES.2 (31)，
公式(31)中，fwind.bm、fPV.bm、fES1.bm、fES2.bm分别为风力发电机组、光伏发电阵列、蓄电池、超级电容器的维护成本系数；
步骤5-4，建立微网总成本最小为目标的配置模型需要满足的约束条件，包括功率平衡约束、系统与电网功率交换约束、联络线利用率约束、联络线功率波动约束以及储能系统荷电状态约束；
步骤5-5，根据步骤4中的傅里叶变换以及反变换对规划周期内的所述缺额功率进行频谱分析，分出所述低频功率与所述高频功率，确定所述混合储能系统以及所述联络线出力，并将结果传到步骤3，重复进行步骤3-步骤5，通过粒子群算法迭代得到所述风光容量的最优解后，输出对应容量以及功率配置结果，所述粒子群算法中的粒子的更新速度以及更新位置如下：
Figure FDA0003576221380000082
Figure FDA0003576221380000083
公式(32)-公式(33)中，i为第i个粒子，k为算法迭代的次数，c1、c2为学习因子，w为惯性权重系数，r1、r2为在[0,1]之间的随机数，v表示更新速度，x为更新位置，pg为全局历史最优位置，pbest为个体历史的最优位置。
7.根据权利要求6所述的考虑风光三状态的微电网混合储能双层容量配置方法，其特征在于：
其中，步骤5-4中包括以下子步骤：
步骤5-4-1，所述功率平衡约束如下：
PJ.D(t)＝βES1PES1(t)+αPline(t) (34)
PJ.H(t)＝βES2PES2(t) (35)，
公式(34)-公式(35)中，β为引入系数，取1表示模型中引入对应组件，反之取0，α为并离网系数，为0-1变量，当α＝1时微网并网运行，α＝0时微网孤岛运行；
步骤5-4-2，所述系统与电网功率交换约束为所述微电网的风光储系统与电网的交换功率Pline需要满足要求如下：
αPline.min≤Pline(t)≤αPline.max (36)，
公式(36)中，Pline.min、Pline.max分别为微电网与主电网允许交换的最小功率和最大功率，该值根据微电网与主电网所达成的供求协议进行确定；
步骤5-4-3，所述联络线利用率约束如下：
αUline≥αUline.min (37)
Figure FDA0003576221380000101
公式(37)-公式(38)中，Uline.min为联络线利用率的下限，Uline为联络线利用率，Pline.in为主电网向微电网输送的功率，Pline.out为微电网向主电网倒送的功率，Eline为联络线额定功率下输送的电量，Pline,0(t)为联络线额定功率；
步骤5-4-4，所述联络线功率波动约束采用功率标准差来表示联络线功率波动大小，所述功率标准差的值越小时，表示联络线的功率波动越小，公式如下：
Figure FDA0003576221380000102
Dsd≤δg (40)，
公式(39)-公式(40)中，Dsd为功率标准差，δg为主电网最大功率变化率，
Figure FDA0003576221380000103
为联络线功率的平均值；
步骤5-4-5，所述储能系统荷电状态约束如下：
SOCimin≤SOCi(t)≤SOCimax (41)，
公式(41)中，SOCimin、SOCimax分别为第i个储能系统SOC上下限值，SOCi(t)为阶段t储能系统的SOC值。
CN202210334266.4A 2022-03-31 2022-03-31 一种考虑风光三状态的微电网混合储能双层容量配置方法 Pending CN114649822A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210334266.4A CN114649822A (zh) 2022-03-31 2022-03-31 一种考虑风光三状态的微电网混合储能双层容量配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210334266.4A CN114649822A (zh) 2022-03-31 2022-03-31 一种考虑风光三状态的微电网混合储能双层容量配置方法

Publications (1)

Publication Number Publication Date
CN114649822A true CN114649822A (zh) 2022-06-21

Family

ID=81995436

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210334266.4A Pending CN114649822A (zh) 2022-03-31 2022-03-31 一种考虑风光三状态的微电网混合储能双层容量配置方法

Country Status (1)

Country Link
CN (1) CN114649822A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114912848A (zh) * 2022-06-27 2022-08-16 南通大学 一种基于自适应滤波的全生命周期混合储能容量配置方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114912848A (zh) * 2022-06-27 2022-08-16 南通大学 一种基于自适应滤波的全生命周期混合储能容量配置方法

Similar Documents

Publication Publication Date Title
Zhang et al. A hybrid harmony search algorithm with differential evolution for day-ahead scheduling problem of a microgrid with consideration of power flow constraints
CN103490410B (zh) 一种基于多目标优化的微电网规划和容量配置方法
CN106485358A (zh) 结合序列运算和粒子群算法的独立微电网优化配置方法
CN105337315A (zh) 一种风光蓄互补独立微电网高维多目标优化配置方法
CN111064192A (zh) 一种计及源荷不确定性的独立型微网容量优化配置方法
CN104037791A (zh) 基于多智能体技术的风光储发电协调控制方法
Moshi et al. Optimal operational planning for PV-Wind-Diesel-battery microgrid
CN115173453A (zh) 一种储能辅助电网调峰的优化配置方法
Kumaravel et al. Adapted multilayer feedforward ANN based power management control of solar photovoltaic and wind integrated power system
CN114498617A (zh) 一种考虑随机性的多能源发电系统两阶段优化调度方法
CN107359611A (zh) 考虑多种随机因素的配电网等值方法
Belboul et al. Optimal sizing of hybrid pv/wind/battery/diesel microgrid system using a multi-objective grasshopper optimization algorithm: A case study in djelfa city algeria
CN114649822A (zh) 一种考虑风光三状态的微电网混合储能双层容量配置方法
CN112396304A (zh) 一种主动配电网中区域自治电网的划分策略研究方法
CN117154778A (zh) 一种配电网分布式储能优化配置方法及系统
CN112260274A (zh) 一种基于全景理论的虚拟电厂组建方法
Rouhani et al. A teaching learning based optimization for optimal design of a hybrid energy system
CN115564124A (zh) 一种基于分解协调的综合能源系统顺序优化方法及系统
CN109615193A (zh) 一种考虑光伏与混合储能的综合能源系统规划方法
CN113065981B (zh) 一种考虑储能综合收益的源-储-网协调规划方法
Heo et al. Energy resource capacity optimization for zero-energy housing complex
Koutroulis et al. Optimal design and economic evaluation of a battery energy storage system for the maximization of the energy generated by wind farms in isolated electric grids
Belouda et al. Hybrid PV/WT/Batteries system management using VLSI and Pic microcontroller
CN113536581A (zh) 一种计及运行策略的储能系统多状态可靠性建模方法
CN111668882A (zh) 智慧能环网中微电源出力优化方法及装置

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