CN114731043A - 计算装置、计算方法 - Google Patents
计算装置、计算方法 Download PDFInfo
- Publication number
- CN114731043A CN114731043A CN202080078445.5A CN202080078445A CN114731043A CN 114731043 A CN114731043 A CN 114731043A CN 202080078445 A CN202080078445 A CN 202080078445A CN 114731043 A CN114731043 A CN 114731043A
- Authority
- CN
- China
- Prior art keywords
- power
- section
- value
- electric power
- battery
- 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
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 45
- 238000005457 optimization Methods 0.000 claims abstract description 20
- 230000006870 function Effects 0.000 description 31
- 238000010248 power generation Methods 0.000 description 29
- 230000002457 bidirectional effect Effects 0.000 description 22
- 238000007599 discharging Methods 0.000 description 15
- 238000001514 detection method Methods 0.000 description 12
- 238000000034 method Methods 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000007704 transition Effects 0.000 description 8
- 238000011156 evaluation Methods 0.000 description 7
- 230000007812 deficiency Effects 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 239000003990 capacitor Substances 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 101150097504 LHX1 gene Proteins 0.000 description 2
- 101100454869 Rattus norvegicus Lhx5 gene Proteins 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000002803 fossil fuel Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 101100511175 Caenorhabditis elegans lim-4 gene Proteins 0.000 description 1
- 101150064725 LIM2 gene Proteins 0.000 description 1
- 101100074807 Mus musculus Lhx3 gene Proteins 0.000 description 1
- 101100082623 Rattus norvegicus Pdlim7 gene Proteins 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000126 substance Substances 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种计算装置、计算方法,使与电力系统(1)互连且具备蓄电装置(15)的电网(S1)的能量的利用效率最佳化的计算装置(20),关于所述蓄电装置(15)的预测对象区间的最终充电状态的范围,基于下一区间之后的电力的供需预测来决定,通过所述预测对象区间的所述最佳化计算来对区间的最终充电状态是否符合所述范围进行评价。
Description
技术领域
本发明涉及使电网的能量的利用效率最佳化的技术。
背景技术
从降低对化石燃料的依赖、环境问题的观点出发,推进了由太阳能发电(PV:Photovoltaic)系统代表的分布式电源的导入。PV系统使用电力控制装置的变换器电路将由太阳能发电面板发电得到的电力从直流变换成交流而输出。
在下述专利文献1中公开了如下技术:在电力贮存型太阳能发电系统中,在输出分布式电源的发电电力和来自电力贮存单元的电力这两者时,控制第2电力变换单元以使得由受电功率检测单元检测到的受电功率不低于给定功率。由此,防止来自电力贮存单元的电力逆流到电力系统。
在先技术文献
专利文献
专利文献1:日本专利第4765162号公报
发明内容
发明要解决的课题
具备蓄电装置的电网在蓄电装置中有充分的余力的情况下,能够通过充放电来吸收电力的过剩量或弥补电力的不足量。所谓余力,在充入电力的剩余量来进行蓄存的情况下是指能够充入的容量的空余。在通过放电来弥补电力的不足量的情况下是指能够放电的容量。
在进行使电网的能量的利用效率最佳化的计算的情况下,若仅通过该区间的电力的供需预测来决定蓄电装置的充电状态,则有时在下一区间开始时蓄电装置中不能确保应当吸收在下一区间之后产生的电力的过剩量或不足量的余力。
用于解决课题的手段
使与电力系统互连且具备蓄电装置的电网的能量的利用效率最佳化的计算装置,关于所述蓄电装置的预测对象区间的最终充电状态的范围,基于下一区间之后的电力的供需预测来决定,通过所述预测对象区间的所述最佳化计算来对区间的最终充电状态是否符合所述范围进行评价。
上述方式能够应用于使与电力系统互连且具备蓄电装置的电网的能量的利用效率最佳化的计算方法。能够应用于进行最佳化计算的程序。
发明效果
能够在下一区间开始时,针对蓄电装置而确保应当吸收在下一区间之后产生的电力的过剩量或不足量的余力。
附图说明
图1是微电网的框图。
图2是微电网的框图。
图3是示出日照量与发电功率的相关特性的曲线图。
图4是示出发电功率的预测值与消耗功率的预测值的推移的曲线图。
图5是微电网的简易的框图。
图6是示出蓄电池的充电状态的推移的曲线图。
图7是示出蓄电池的充电状态的推移的曲线图。
图8A是示出受电功率的候选数量的图。
图8B是示出受电功率的候选数量的图。
图9是示出预测对象期间的分割例的图。
图10是示出各区间的电力的供需量的曲线图。
图11是算出处理的流程图。
图12是将图10的一部分放大后的图。
图13是微电网的框图。
具体实施方式
使与电力系统互连且具备蓄电装置的电网的能量的利用效率最佳化的计算装置,关于所述蓄电装置的预测对象区间的最终充电状态的范围,基于下一区间之后的电力的供需预测来决定,通过所述预测对象区间的所述最佳化计算来对区间的最终充电状态是否符合所述范围进行评价。
在该结构中,关于区间的最终充电状态的范围,基于下一区间之后的电力的供需预测来决定。因为区间的最终充电状态是下一区间的开始充电状态,所以通过使区间的最终充电状态符合决定的范围,从而能够在下一区间的开始时针对蓄电装置确保应当吸收在下一区间之后产生的电力的过剩量或不足量的余力。
也可以是,基于所述下一区间之后的电力的供需预测,算出在所述下一区间之后电力的供给超过需求的第1期间的剩余电力量,将所述区间的最终充电状态的上限值决定为:对所述蓄电装置的使用范围上限减去与所述剩余电力量相当的数值而得到的值。在该结构中,能够在下一区间的开始时间点,在蓄电装置中确保将电网的剩余电力充入的余力(容量的空余)。因此,能够抑制能量的损失。
也可以是,基于所述下一区间之后的电力的供需预测,算出所述第1期间的最小剩余电力量,将所述区间的最终充电状态的上限值决定为:对所述蓄电装置的使用范围上限减去与所述最小剩余电力量相当的数值而得到的值。在该结构中,能够在下一区间的开始时间点,在蓄电装置中至少确保将最小剩余电力量充入的余力(容量的空余)。
也可以是,以从所述下一区间的开始到所述第1期间为止的第2期间为对象,算出电力的供给低于需求而电力不足的不足电力量,将所述区间的最终充电状态的下限值决定为:对所述蓄电装置的使用范围下限加上与所述不足电力量相当的数值而得到的值。在该结构中,能够在下一区间的开始时间点,在蓄电装置中确保放出电网的不足电力的余力。因此,能够高效地使用能量。
也可以是,基于所述下一区间之后的电力的供需预测,算出所述第2期间的最大不足电力量,将所述区间的最终充电状态的下限值决定为:对所述蓄电装置的使用范围下限加上与所述最大不足电力量相当的数值而得到的值。在该结构中,能够在下一区间的开始时间点,在蓄电装置中确保放出最大不足电力量的余力。
<实施方式1>
1.微电网S1的说明
微电网S是与电力系统1互连的小规模电力系统,至少具备分布式电源、蓄电装置、负载。电力系统1可以是电力运营者的系统,也可以是由大型功率调节器的独立运转输出而成立的独立的电力系统。
图1是微电网S1的框图。微电网S1包括作为分布式电源的太阳能发电面板10、作为蓄电装置的蓄电池15、作为电力控制装置的功率调节器20和负载L。
功率调节器20具备第1转换器电路21、第2转换器电路23、DC链接部25、双向变换器电路31、继电器37、控制装置50、直流电压检测部27、输出电流检测部33和输出电压检测部35。
在第1转换器电路21连接有太阳能发电面板10。第1转换器电路21是DC/DC转换器,将太阳能发电面板10的输出电压(直流)升压后输出。第1转换器电路21可以是斩波器。
在第2转换器电路23连接有蓄电池15。蓄电池15例如是二次电池。第2转换器电路23是进行蓄电池15的放电和充电的双向的DC/DC转换器。第2转换器电路23可以是双向斩波器。
太阳能发电面板10和蓄电池15经由第1转换器电路21和第2转换器电路23,相对于DC链接部25而并联地连接。
DC链接部25位于转换器电路的连接点24和双向变换器电路31之间。在DC链接部25设置有电解电容器C1。电解电容器C1为了使DC链接部25的电压Vdc稳定而被设置。
直流电压检测部27检测DC链接部25的电压Vdc。由直流电压检测部27检测到的DC链接部25的电压Vdc被输入到控制装置50。
双向变换器电路31是选择性地进行将DC变换成AC的逆变换(变换器)和将AC变换成DC的正变换(转换器)的双向的变换电路。双向变换器电路31与DC链接部25连接,在逆变换动作时,将由DC链接部25输入的直流电力变换成交流电力而输出。详细地,在双向变换器电路31中,输入与由于太阳能发电面板10的发电而在DC链接部25中相比于基准值增加的电压量相当的电力。由此,与相比于基准值增加的电压量相当的电力从直流变换成交流,从双向变换器电路31输出。
蓄电池15能够经由第2转换器电路23对太阳能发电面板10的剩余电力进行蓄电。蓄电池15能够在太阳能发电面板10的发电电力不足的情况下,经由第2转换器电路23放电而弥补发电电力的不足。
双向变换器电路31经由继电器37,与以系统电源2为交流电源的电力系统1连接。
继电器37作为与电力系统1的互连用而被设置。通过闭合继电器37,能够使微电网S1与电力系统1互连。
输出电流检测部33对双向变换器电路31的输出电流Iinv进行检测。输出电压检测部35位于双向变换器电路31的输出侧,对双向变换器电路31的输出电压Vinv进行检测。
由输出电流检测部33检测到的双向变换器电路31的输出电流Iinv和由输出电压检测部35检测到的双向变换器电路31的输出电压Vinv被输入到控制装置50。控制装置50基于双向变换器电路31的输出电流Iinv和输出电压Vinv,算出双向变换器电路31的输出功率(有效功率)Pinv。对于输出功率Pinv,将逆变换时设为“正”,将正变换时设为“负”。
在将双向变换器电路31和电力系统1连接的电力线(干线)5,经由分支线4连接有作为需求设备的负载L。对于负载L,能够从功率调节器20和电力系统1这两者供给电力。
受电点3是基于电力系统1的电力的供给地点,如图1所示,是电力系统1与场内(微电网S1)的边界部分。
在电力系统1中,作为受电点3的电力检测用的计量器而设置有外部换能器等外部测量器40。
外部测量器40具有受电电流检测部41和系统电压检测部43。外部测量器40与受电点3对应地设置,受电电流检测部41检测受电点3的受电电流。系统电压检测部43检测电力系统1的系统电压。
外部测量器40基于受电电流和系统电压来算出受电功率(有效功率)PRCV。由外部测量器40检测到的受电功率PRCV被输入到控制装置50。受电功率PRCV能够使用于电力流向(以下仅称为流向)的状态判定。外部测量器40是测量受电点3的受电功率PRCV的测量器。
对于受电功率PRCV,将正流向(图1:从电力系统1朝向微电网S1的电的流向)设为“正”,将逆流向(图2:从微电网S1朝向电力系统1的电的流向)设为“负”。
控制装置50具有CPU51和存储器53。在存储器53中存储有进行微电网S1的电力的供需预测的程序、执行使微电网S1的能量的利用效率最佳化的最佳化计算的程序。控制装置50是本发明的“计算装置”的一个例子。
控制装置50能够通过向双向变换器电路31提供指令,从而对正变换动作、逆变换动作的切换进行控制。能够对双向变换器电路31的输出、即输出功率Pinv进行控制。输出功率Pinv能够通过输出电流Iinv的调整来控制。
控制装置50能够通过第1转换器电路21的通断来控制太阳能发电面板10相对于DC链接部25的连接/非连接。能够通过第2转换器电路23的通断来控制蓄电池15相对于DC链接部25的连接/非连接。控制装置50能够经由第2转换器电路23进行蓄电池15的充电和放电的切换控制。能够经由第2转换器电路23来控制蓄电池15的充电电流和放电电流。
2.微电网S1的发电预测和负载预测
控制装置50对太阳能发电面板10的发电功率[kW]和负载L的消耗功率[kW]进行预测。
如图3所示,太阳能发电面板10的发电功率PPV与日照量X具有相关性。发电功率PPV的预测值能够经由网络NW从预测数据提供处70获取。预测数据提供处70既可以是基于功率调节器20的供应商的提供处,也可以是发电运营者的提供处。太阳能发电面板10的发电功率PPV由双向变换器电路31变换成交流。变换效率η是将直流DC变换成交流AC时的变换器电路31的变换效率。
负载L的消耗功率PLOAD能够根据过去的数据来预测。例如,能够通过对几天间的消耗功率PLOAD的数据进行统计学处理来预测次日的消耗功率。
负载L的消耗功率PLOAD能够根据受电点3的受电功率PRCV和双向变换器电路31的输出功率Pinv求出。在正流向(PRCV>0)的情况下,负载L的消耗功率PLOAD为输出功率Pinv与受电功率PRCV的合计。在逆流向(PRCV<0)的情况下,负载L的消耗功率PLOAD为输出功率Pinv与受电功率PRCV之差。
PLOAD=Pinv+PRCV (A)
图4是示出微电网S1的发电预测和负载预测的结果的曲线图。虚线是微电网S1的发电功率的预测值,实线是微电网S1的消耗功率的预测值。在该例子中,将预测对象期间T设为1天,每隔1小时进行发电预测和负载预测,预测值是值每隔1小时而变化的阶梯状的波形。微电网S1的发电预测和负载预测既可以由控制装置50进行,也可以获取由其他装置预测的数据。
3.使微电网的能量效率最佳化的最佳化计算
图5是微电网S1的简易的框图。
控制装置50进行使微电网S1的能量的利用效率最佳化的最佳化计算。最佳化计算基于发电预测和负载预测(图4),求出使数学式1的目标函数F最小的受电功率PRCV的目标值(以下记为受电功率的目标值PRCVref)的最佳值。
数学式1是用于评价微电网S1的能量的利用效率的目标函数。
[数学式1]
目标函数F的第1项和第2项是评价蓄电池15的使用限制期间的项。第3项和第4项是评价微电网S1的电费的项。
使用限制期间中存在充电限制期间TMAX和放电限制期间TMIN这两个期间。充电限制期间TMAX是对充电进行限制的期间,例如是蓄电池15的SOC位于使用范围上限(满充电的情况)的情况。放电限制期间TMIN是对放电进行限制的期间,例如是蓄电池15的SOC位于使用范围下限的情况。
在该例子中,k1>k2>k3>k4,在微电网S1的能量的利用效率的评价中,优先进行蓄电池15的使用限制期间的评价。也可以是k1=k2、k3=k4。
在进行使受电功率目标值PRCVref最佳化的运算时,作为约束条件,存在受电功率目标值PRCVref的上限以及下限(数学式2)和蓄电池15的输出功率[kW]的上限以及下限(数学式3)这两个条件。
[数学式2]
(受电功率目标值上下限约束)
-PPCSCAP≤PRCVref t≤PPCSCAP (t∈T)
[数学式3]
(蓄电池的输出功率的上下限约束)
-PBATCAP≤(PLOAD t-PRCVref t-PPV t·η)≤PBATCAP (t∈T)
[表1]
T:所有时间截面t的集合(预测对象期间) |
T<sub>MAX</sub>(P<sub>RCVref t</sub>,P<sub>PV t</sub>,P<sub>LOAD t</sub>):时间截面t处的充电限制期间 |
T<sub>MIN</sub>(P<sub>RCVref t</sub>,P<sub>PV t</sub>,P<sub>LOAD t</sub>):时间截面t处的放电限制期间 |
P<sub>RCV</sub>(P<sub>RCVref t</sub>,P<sub>PV t</sub>,P<sub>LOAD t</sub>):时间截面t处的受电功率预测值[kW] |
P<sub>PEAK</sub>:预测对象期间T的受电功率峰值[kW] |
k<sub>1</sub>~k<sub>4</sub>:权重系数 |
P<sub>RCVref t</sub>:时间截面t处的受电功率目标值[kW] |
P<sub>PV t</sub>:时间截面t处的PV面板的发电功率预测值[kW] |
P<sub>LOAD t</sub>:时间截面t处的负载的消耗功率预测值[kW] |
P<sub>PCSCAP</sub>:功率调节器额定容量[kW] |
η:变换效率[%] |
P<sub>BATCAP</sub>:蓄电池额定充放电功率[kW] |
SOC(State Of Charge,充电状态)是充电量相对于蓄电池15的额定容量的比率。SOC是蓄电池15的“充电状态”的一个例子。在计算目标函数F时,需要推定蓄电池15的SOC。以下对蓄电池15的SOC和受电功率PRCVt的推定值的模拟方法进行说明。
对时间截面t处的充电限制期间TMAX和放电限制期间TMIN的算出方法进行说明。
<步骤1>
根据数学式4和数学式5,算出时间截面t处的蓄电池15的暂定输出功率预测值PBATtmpt。
[数学式4]
0≤(PLOAD t-PRCVref t-PPV t·η)≤PBATCAP…(放电时)
[数学式5]
-PBATCAP≤(PLOAD t-PRCVref t-PPV t·η)<0…(充电时)
PRATtmp t=(PLOAD t-PRCVref t)·η-PPV t
<步骤2>
通过数学式6~数学式9,算出时间截面t处的蓄电池15的暂定充电状态预测值SOCtmp t。
(a)t=0的情况
[数学式6]
WhBAT 0=SOCINI×BATCAP
[数学式7]
WhBATtmp t=WhBAT 0-PBATtmp t×hour
(b)t≠0的情况
[数学式8]
WhBATtmp t=WhBAT t-1-PBATtmp t×hour
[数学式9]
<步骤3>
判定时间截面t处是否脱离上下限或是否符合上下限,决定蓄电池15的充电状态预测值SOCt、蓄电池的输出功率PBATt、充电限制期间TMAX、放电限制期间TMIN。
(a)SOCtmpt≥SOCMAX的情况
[数学式10]
TMAX(PRCVref t,PPV t,PLOAD t)=1,TMIN(PRCVref t,PPV t,PLOAD t)=0
[数学式11]
PBAT t=(SOCtmp t-1-SOCMAX)×BATCAP
(b)SOCtmpt≤SOCMIN的情况
[数学式12]
TMAX(PRCVref t,PPV t,PLOAD t)=0,TMIN(PRCVref t,PPV t,PLOAD t)=1
[数学式13]
PBAT t=(SOCtmp t-1-SOCMIN)×BATCAP
(c)SOCMIN<SOCtmpt<SOCMAX的情况
[数学式14]
TMAX(PRCVref t,PPV t,PLOAD t)=0,TMIN(PRCVref t,PPV t,PLOAD t)=0
[数学式15]
PBAT t=PBATtmp t
接下来,通过数学式16、17,能够求出蓄电池15的充电量预测值WhBATt的初始值(在t=0的情况下)。
[数学式16]
WhBAT 0=SOCINI×BATCAP
[数学式17]
WhBAT t==WhBAT 0-PBAT t×hour
接下来,通过数学式18,能够针对各时间截面(在t≠0的情况下)求出蓄电池15的充电量预测值WhBATt。通过数学式19,能够求出蓄电池15的SOC的预测值SOCt。
[数学式18]
WhBAT t=WhBAT t-1-PBAT t×hour
[数学式19]
时间截面t处的受电功率预测值PRCV能够通过数学式20、21算出。
[数学式20]
(PPV t+PBAT t)≥0…(功率调节器逆变换时)
PRCV(PRCVref t,PPV t,PLOAD t)=PLOAD t-(PPV t+PBAT t)·η
[数学式21]
(PPV t+PBAT t)<0…(功率调节器正变换时)
预测对象期间T中的受电功率峰值预测值PPEAK能够通过数学式22算出。
[数学式22]
PPEAK=PRCV(PRCVref t,PPV t,PLOAD t)
if PPEAK_old≤PRCV(PRCVref t,PPV t,PLOAD t)
(其中,t=0时,PPEAK_old=PPEAK INI)
[表2]
P<sub>BATtmp t</sub>:时间截面t处的蓄电池的暂定输出功率预测值[kW] |
Wh<sub>BAT t-1</sub>:上个时间截面t-1处的蓄电池充电量[kWh] |
Wh<sub>BATtmp t</sub>:时间截面t处的蓄电池的暂定充电量预测值[kWh] |
SOC<sub>INI</sub>:预测对象期间T中的蓄电池充电状态初始值[%] |
BATCAP:蓄电池额定容量[kWh] |
hour:时间截面t的刻度宽度[h] |
SOC<sub>tmp t</sub>:时间截面t处的蓄电池的暂定充电状态预测值[%] |
SOCMAX:蓄电池充电状态的使用范围上限[%] |
SOCMIN:蓄电池充电状态的使用范围下限[%] |
P<sub>BAT t</sub>:时间截面t处的蓄电池输出功率预测值[kW] |
Wh<sub>BAT t</sub>:时间截面t处的蓄电池充电量预测值[kWh] |
SOC<sub>t</sub>:时间截面t处的蓄电池充电状态预测值[%] |
P<sub>PEAK_old</sub>:预测对象期间T中的到上个时间截面t-1为止的峰值功率[kW] |
P<sub>PEAK INI</sub>:预测对象期间T中的峰值功率初始值[kW] |
通过数学式4~19,若相对于发电功率预测值PPVt×η和负载L的消耗功率预测值PLOADt而决定了受电功率目标值PRCVreft,则能够推定蓄电池15的SOCt。
控制装置50在各时间截面t处,以受电功率目标值PRCVreft为变量,推定蓄电池15的SOCt,根据其结果计算目标函数F的4个项。
针对预测对象期间T执行这样的运算(预测对象期间T为1天且运算周期为1小时的情况下,执行24个循环)。然后,能够针对受电功率目标值PRCVreft的组合的模式,通过对目标函数F的值进行比较来决定使目标函数F最小的受电功率目标值的组合,即,能够针对预测对象期间T决定各时间截面t的受电功率目标值PRCVreft。
图6、图7是将横轴设为时间[h],将左纵轴设为功率[kW],将右纵轴设为SOC[%]的曲线图。Y1(粗线)表示受电功率[kW]的推移,Y2表示发电功率[kW]的推移。Y3表示负载的消耗功率[kW]的推移,Y4表示蓄电池的输出功率[kW]的推移,Y5(虚线)表示蓄电池15的SOC[%]的推移。
图6是通过经验法则而决定了受电功率目标值PRCVref的情况,图7是基于目标函数F而决定了受电功率目标值PRCVref的情况。
在通过经验法则而决定了受电功率目标值PRCVref的情况下(图6),针对16时~18时的时间段,蓄电池15的SOC维持在100[%]附近。因此,在16时~18时的时间段内,蓄电池15需要对接受充电进行限制。
在基于目标函数F而决定了受电功率目标值PRCVref的情况下(图7),蓄电池15的SOC相对于SOC上限线Lim1(SOCMAX=100[%])和SOC下限线Lim2(SOCMIN=10[%]),保持余量地推移,始终为能够进行充电和放电这两者的状态。即,若与根据经验法则而决定了受电功率目标值PRCVref的情况进行比较,则针对16时~18时的时间段(A部)在如下方面被改善,SOC被抑制得较低,在该时间段的充电不被限制。
4.微电网的电力控制
控制装置50进行微电网S1的电力控制,使得微电网S1的受电功率PRCV追随使用目标函数F而算出的受电功率目标值PRCVref。
例如,在受电点3为正流向,变换器电路31为逆变换动作时,并且受电功率PRCV的测量值低于受电功率目标值PRCVref的情况下,通过缩减蓄电池15的输出功率,使受电功率PRCV的测量值与受电功率目标值PRCVref之差减小。在受电功率PRCV的测量值高于受电功率目标值PRCVref的情况下,通过增加蓄电池15的输出功率,使受电功率PRCV的测量值与受电功率目标值PRCVref之差减小。
如以上那样,通过根据受电功率PRCV的测量值与目标值之差来进行蓄电池15的输出调整,从而能够使微电网S1的受电功率PRCV追随使用目标函数F而算出的受电功率目标值PRCVref。
5.计算负荷的降低方法
为了决定受电功率目标值PRCVref的最佳值,需要分别针对预测对象期间T的各时间截面t,与受电功率目标值PRCVref的候选数量相应地推定蓄电池15的SOC等,并计算目标函数F的各项。例如,在预测对象期间T为1天且时间截面数量为24的情况下,使受电功率目标值PRCVref在0~10[kW]的范围内以1[kW]刻度变化时,受电功率目标值PRCVref的总候选数量为1124=9.85×1024个,计算负荷与总候选数量成比例地变大。
能够通过使用以下的两种方法来减小最佳化计算的计算负荷。
(A)受电功率目标值的变化幅度的约束
(B)预测对象期间T的分割
对(A)进行说明。
受电功率PRCV的变化可能对电力系统1的电力品质带来影响,因而希望变化幅度尽可能小。因此,如数学式23所示,对每个时间截面t的受电功率目标值PRCVref的变化幅度设置约束。
[数学式23]
-ΔPRCVref≤(PRCVref t-PRCVref t-1)≤ΔPRCVref(t∈T)
ΔPRCVref:受电功率目标值的变化幅度最大值[kW]
图8A、图8B是示出受电功率目标值PRCVreft的候选的组合的图。图8A是不对受电功率目标值PRCVref的变化幅度设置约束的情况,图8B是将受电功率目标值PRCVref的变化幅度的最大值设为±2[kW]的情况。
每个时间截面t的受电功率目标值PRCVref的候选数量,在不对受电功率目标值PRCVref的变化幅度设置约束的情况下(在图8A的情况下)为“11”。而在将受电功率目标值PRCVref的变化幅度的最大值设为±2[kW]的情况下(在图8B的情况下)为“5”。
如此,通过对受电功率目标值PRCVref的变化幅度设置约束,能够削减每个时间截面t的受电功率目标值PRCVref的候选数量,能够大幅削减计算负荷。能够使对电力系统1的影响减小,能够维持电的品质。
对(B)进行说明。
B1.区间的分割
将预测对象期间T分割成多个区间ΔT。然后,将分割出的各区间ΔT设为1个预测对象期间,由控制装置50来进行使微电网S1的能量效率最佳化的最佳化计算。即,使用目标函数F来决定各时间截面t的受电功率目标值PRCVref的最佳值。
例如,在预测对象期间T为1天的情况下,如图9所示,分割成ΔT1~ΔT4这4个区间ΔT。然后,以各区间ΔT为1个预测对象期间,由控制装置50使用目标函数F来求出受电功率目标值PRCVref的最佳值。
在该情况下,所有预测对象期间T的受电功率目标值PRCVref成为按照时间序列将作为最佳值而决定出的各区间ΔT的各时间截面t的受电功率目标值PRCVref互相连接而得到的值。
通过预测对象区间T的分割,从而将所有预测对象期间T的受电功率目标值PRCVref分成多次来进行计算。因此,由于每1次的受电功率目标值PRCVref的候选的组合减少,因而能够大幅削减计算负荷。
预测对象期间T的分割数量N当然也可以是3分割等4以外的分割。各区间ΔT的时间截面数量既可以相同也可以不同。各区间ΔT优选设为比发电预测、负载预测的周期长。在图9的例子中,ΔT=6小时,为发电预测、负载预测的周期=1小时。
B2.下一区间开始时的蓄电池的余力确保
图10是针对预测对象区间而示出电力的供需预测的曲线图。电力的供需预测能够根据太阳能发电面板10的发电功率的预测值、负载L的消耗功率的预测值和来自电力系统1的受电功率目标值来进行。图10的Y1表示受电功率目标值(最小),Y2表示发电功率预测值,Y3表示消耗功率的预测值。
在对预测对象区间T进行分割而按照每个区间ΔT来进行最佳化计算的情况下,若仅考虑该区间ΔTn内的供需预测而进行计算,则有时在下一区间ΔTn+1的开始时,不能在蓄电池15中确保在下一区间ΔTn+1应吸收电力的过剩量或不足量的余力的情况。因此,存在如下课题,即,应当如何在该区间ΔTn的最终时间点对下一区间ΔTn+1的电力的供需预测进行预估来确保蓄电池15的余力。所谓余力,在充入电力的剩余量来进行蓄存的情况下是指能够充入的容量的空余。在通过放电来弥补电力的不足量的情况下是指能够放电的容量。
为解决上述课题,功率调节器20的控制装置50关于区间ΔTn的蓄电池15的最终SOC的范围,基于下一区间ΔTn+1的电力的供需预测来算出。
因为区间ΔTn的最终SOC=下一区间ΔTn+1的开始SOC,所以能够通过使该区间ΔTn的蓄电池15的最终SOC符合算出的范围,从而在区间ΔTn+1的开始时间点确保蓄电池15的余力。即,能够相对于使用范围上限SOCMAX以及使用范围下限SOCMIN而保持余量地运用蓄电池15,从而能够通过充放电来吸收、弥补电力的过剩量或不足量。图11是对算出SOC的范围的算出处理的流程图。
(S10)最终SOC的上限值SOCUPPER的算出
控制装置50关于区间ΔTn的蓄电池15的最终SOC的上限值SOCUPPER,根据下一区间ΔTn+1的剩余电力量WC来算出。
剩余电力量WC是在下一区间ΔTn+1内,在作为分布式电源的太阳能发电面板10的发电功率预测值PPVt与负载L的消耗功率预测值PLOADt之差连续为正的第1期间(图10的A1)内,对剩余电力进行累计而得到的值。
剩余电力是相对于发电功率PPV,加上消耗功率PLOAD与受电功率PRCV之差而得到的值。剩余电力依赖于从电力系统1供给的受电功率PRCV的大小,受电功率PRCV越小则剩余电力越小。
若蓄电池15不具备至少能够将最小剩余电力量WC充入的余力,则会产生能量的损失。因此,在该例子中,基于发电功率预测值PPVt、消耗功率预测值PLOADt和最小受电功率目标值PRCVrefmin t,算出下一区间ΔTn+1的最小剩余电力量WC。
下一区间ΔTn+1的最小受电功率目标值PRCVrefmin t能够通过根据区间ΔTn的最终受电功率预测值PRCV tend,并按照每个时间截面来减去通过(A)设定的变化幅度的最大量来求出。
剩余电力量WC也可以跨越ΔTn+1和ΔTn+2等多个区间来算出(作为一个例子,可以是6~8小时的量)。
从蓄电池15的使用范围上限SOCMAX中减去与剩余电力量WC相当的SOC而得到的值为区间ΔTn的蓄电池15的最终SOC的上限值SOCUPPER,使得能够确保能将第1期间A1的剩余电力量WC充入的空余容量。剩余电力量WC既可以是最小值,也可以是其以外的值。
在图12中,“Lim1”表示使用范围上限SOCMAX,“Lim3”表示最终SOC的上限值SOCUPPER。“Y5”是蓄电池15的SOC。使用范围上限SOCMAX为SOC的充电侧的限度值(不能充电至其以上的值)。
[数学式24]
PPV t-PLAOD t≥0时
其中,SOCUPPER:分割区间ΔTn的蓄电池的最终SOC的上限值[%]
PRCVrefmin t:分割区间ΔTn+1中的时间截面t的最小受电功率目标值[kW]
根据电力的供需平衡,微电网S1不仅存在电力成为剩余的情况,还存在不足的情况。在蓄电池15的最终SOC为使用范围下限SOCMIN附近的情况下,有时在下一区间中不能应对从区间开始到电力成为供给过多的时间截面tcross为止的放电。因此,控制装置50算出最终SOC的下限值SOCLOWER,使得保留能够放电的余力。
(S20)最终SOC的下限值SOCLOWER的算出
关于区间ΔTn的蓄电池15的最终SOC的下限值SOCLOWER,以从下一区间ΔTn+1的开始到第1期间A2为止(到成为供给过多的时间截面tcross为止)的第2期间A2为对象,算出不足电力量WD。不足电力量WD是关于上述的第2期间A2对不足电力进行累计而得到的值。
不足电力是从消耗功率PLOAD中减去发电功率PPV和受电功率PRCV之后的值。不足电力依赖于从电力系统供给的受电功率PRCV的大小,受电功率PRCV越小则不足电力越大。
若蓄电池15具备能够放出最大不足电力量WD的余力,则能维持最小受电功率,能量的利用效率变高。因此,在该例子中,基于发电功率预测值PPVt、负载L的消耗功率预测值PLOADt和最小受电功率目标值PRCVrefmint,以下一区间ΔTn+1的第2期间A2为对象来算出最大不足电力WD。
若蓄电池15的放电量超过不足电力量WD,则会发生逆流,所以会从蓄电池15向系统逆流,因而不能允许超过不足电力量WD。
对蓄电池15的使用范围下限SOCMIN加上与不足电力量WD相当的SOC而得到值为区间ΔTn的最终SOC的下限值SOCLOWER,使得能够确保能放出不足电力量WD的容量。不足电力量WD既可以是最大值也可以是其以外的值。在图12中,“Lim2”表示使用范围下限SOCMIN,“Lim4”表示最终SOC的下限值SOCLOWER。Y5是蓄电池15的SOC。使用范围下限SOCMIN是SOC的放电侧的限度值(不能放电其以上的值)。
[数学式25]
PLAOD t-PPV t≥0时
其中,tcross:分割区间ΔTn的供给过多到达时间截面
SOCLOWER:分割区间ΔTn的蓄电池的最终SOC的下限值[%]
(S30)脱离时的惩罚量
根据以上说明,能够针对区间ΔTn中的蓄电池15的最终SOC,求出SOCLOWER为下限且以SOCUPPER为上限的范围Z(参照图12)。
在蓄电池15的最终SOC从范围Z脱离的情况下,即不符合范围Z的情况下,作为惩罚量来进行运算。在未脱离的情况下,即在符合范围Z的情况下设为无惩罚量。
[数学式26]
数学式27是针对目标函数F而将惩罚量的评价项追加到4项目后的目标函数E。以区间ΔT为1个预测对象期间,使用目标函数E来对受电功率目标值PRCVref的最佳值进行运算。
而且,在针对各区间ΔTn进行最佳化计算的情况下,将区间ΔTn的蓄电池15的最终SOC设为下一分割区间ΔTn+1的蓄电池15的初始SOCINI,将从S10到S30的步骤重复实施与区间数量相应的次数。而且,能够通过完成全部区间来针对预测对象期间T获得使微电网S1的能量的利用效率最佳化的受电功率目标值PRCVref的最佳解。
通过在目标函数E中加入惩罚量的评价项,从而能够得到无惩罚量或惩罚量小的解来作为最佳解,因而能够抑制区间ΔTn的最终SOC不符合范围Z的情形。
[数学式27]
[目标函数]
其中,k5,k6:权重系数
决定惩罚量的权重的系数k5、k6与其他系数的大小关系可以是k1>k2>k3>k4>k5>k6。也可以是k5>k6>k1>k2>k3>k4。两个系数的大小关系既可以是k5>k6也可以是k5<k6。
6.效果
蓄电池15将微电网S1的剩余电力充入,并且在电力不足时进行放电来弥补电力的不足。在蓄电池15的使用被限制的情况下,不能贮存剩余电力,会损失能量,所以微电网S1的能量的利用效率下降。
在该结构中,通过基于目标函数E、目标函数F来求出受电功率目标值PRCVreft的最佳值,从而能够将蓄电池15的使用限制期间设为最小。因此,从蓄电池15的利用效率的观点出发,能够使微电网S1的能量的利用效率最佳化。
在该结构中,将预测对象期间T分割成多个区间ΔT,进行使微电网S1的能量的利用效率最佳化的最佳化计算。因此,能够降低计算负荷,能够缩短用于算出最佳解的时间。
在该结构中,基于下一区间ΔTn+1之后的电力的供需预测来决定区间ΔTn的最终SOC的范围Z。区间ΔT的最终SOC是下一区间ΔTn+1的开始SOC,所以通过使区间ΔTn的最终SOC设为符合范围Z,从而能够在下一区间ΔTn+1的开始时,在蓄电池15中确保应当对下一区间ΔTn+1之后的电力的过剩量或不足量进行吸收的余力。
在该结构中,基于下一区间ΔTn+1之后的电力的供需预测,算出电力的供给超过需求的第1期间A1的剩余电力量WC。而且,能够将蓄电池15的该区间ΔTn的最终SOC的上限值SOCUPPER决定为:对使用范围上限SOCMAX减去与剩余电力量WC相当的SOC而得到的值。在该结构中,在下一区间ΔTn+1的开始时间点,能够在蓄电池15中确保将微电网S1的剩余电力充入的余力。因此,能够抑制能量的损失。
在该结构中,以从下一区间ΔTn+1的开始到第1期间A1为止的第2期间A2为对象来算出不足电力量WD。而且,能够将蓄电池15的该区间ΔTn的最终SOC的下限值SOCLOWER决定为:对使用范围下限SOCMIN加上与所述不足电力量WD相当的SOC而得到的值。在该结构中,能够在下一区间ΔTn+1的开始时间点,在蓄电池15中确保放出微电网S1的不足电力的余力。因此,能够高效地使用能量。
<其他实施方式>
本发明不限定于由上述描述以及附图说明的实施方式,例如,如以下那样的实施方式也包括于本发明的技术范围内。
(1)在实施方式1中,作为微电网S1的一个例子,示出了具有线状的电力线(主干线)5的电网,但也可以是具有环状的电力线(干线)的电网。图13所示的微电网S2具有呈环状的电力线100。太阳能发电面板110和风力发电机120经由电力变换器115、125而与电力线100连接。在电力线100上分别连接有负载130和蓄电池140。微电网S2的电力线100经由互连线105与电力系统1连接。
微电网S2具有控制装置150。控制装置150将预测对象期间T分割成多个区间来进行使微电网S2的能量的利用效率最佳化的最佳化计算,算出受电功率目标值PRCVref的最佳解。控制装置150进行微电网S2的电力控制,使得受电点3的受电功率追随算出的受电功率目标值PRCVref。具体地,基于设置在受电点3的计量器160的输出,对受电点3的受电功率PRCV进行监控。而且,在相对于受电功率目标值PRCVref而存在差的情况下,控制装置150通过经由电力变换器145对蓄电池140进行充电或放电来使该差减小。如此,能够使受电功率PRCV追随算出的目标值PRCVref,从而能够使微电网S2的能量的利用效率最佳化。控制装置150是本发明的“计算装置”的一个例子。
分布式电源是与需求地相邻地分布配置的小规模的发电设备整体的总称。分布式电源除太阳能发电面板10、风力发电机120以外,例如还可以是生物能源发电装置等。分布式电源既可以是利用可再生能源的电源,也可以是利用化石燃料的电源。
(2)在实施方式1中,以受电功率目标值为变量来进行使微电网S1的能量的利用效率最佳化的计算。也可以是以蓄电池15的SOC为变量来进行使微电网的能量的利用效率最佳化的计算。本技术不限于微电网(小规模电力系统),只要是与其他电力系统互连且具备蓄电装置的电网(电力系统)则均能够应用。在实施方式1中,作为蓄电装置而例示了蓄电池15,但蓄电装置也可以是电容器等。
(3)在实施方式1中,将目标函数F设为由第1项至第4项这4个项构成,并对这4个项乘以权重系数k1~k4后相加的函数。在实施方式1中,将权重系数的大小关系设为k1>k2>k3>k4,但也可以是k3>k4>k1>k2。通过使权重系数的大小关系颠倒,能够优先评价微电网的电费,因而从电费的观点来看,能够使微电网的能量的利用效率最佳化。目标函数F既可以仅有评价蓄电池15的使用限制期间的第1项和第2项,也可以仅有评价微电网的电费的第3项和第4项。目标函数F只要是使微电网的能量的利用效率最佳化的函数即可,也可以是除此以外的函数。对于目标函数E也是同样的。
(4)在实施方式1中,由功率调节器20的控制装置51进行使微电网的能量的利用效率最佳化的最佳化计算。计算主体不限于功率调节器20,也可以是与功率调节器20独立地设置的运算装置。
(5)在实施方式1中,对于使微电网的能量的利用效率最佳化的计算,示出了利用目标函数E、F的计算例,但例如也可以利用AI来算出。
(6)在实施方式1中,求出了区间ΔTn的最终SOC的上限值SOCUPPER和下限值SOCLOWER。例如,在下一区间ΔTn+1中,在第1期间A1之前不存在电力不足的第2期间A2的情况下,也可以基于第1期间A1的剩余电力量WC来求出最终SOC的上限值SOCUPPER,将最终SOC的下限值设为使用范围下限SOCMIN。反之,在下一区间ΔTn+1中仅存在电力不足的期间的情况下,也可以基于不足电力量WD来求出最终SOC的下限值SOCLOWER,并将最终SOC的上限值设为使用范围上限SOCMAX。
(7)在实施方式1中,在使微电网的能量的利用效率最佳化的计算中,对蓄电池15的SOC[%]进行了评价。也可以取代SOC[%]而对蓄电池15的残余容量[Ah]进行评价。即,也可以是,关于蓄电池15的预测对象区间ΔTn的最终残余容量的范围,基于下一区间之后的电力的供需预测来决定,通过预测对象区间ΔTn的最佳化计算来对区间ΔTn的最终残余容量是否符合决定的范围进行评价。SOC以及残余容量是蓄电池的“充电状态”的一个例子。
(8)在实施方式1中,为了降低最佳化计算的负荷而将预测对象期间T分割成多个区间。本技术不限于对预测对象期间进行分割或不分割,在针对任意的预测对象区间进行最佳化计算的情况下均能够应用。
符号说明
1:电力系统;
2:系统电源;
3:受电点;
10:太阳能发电面板(本发明的“分布式电源”的一个例子);
15:蓄电装置;
20:功率调节器(本发明的“计算装置”的一个例子);
21:第1转换器电路;
23:第2转换器电路;
31:变换器电路;
40:外部测量器;
50:控制装置;
S1、S2:微电网。
Claims (6)
1.一种计算装置,使与电力系统互连且具备蓄电装置的电网的能量的利用效率最佳化,所述计算装置的特征在于,
关于所述蓄电装置的预测对象区间的最终充电状态的范围,基于下一区间之后的电力的供需预测来决定,通过所述预测对象区间的所述最佳化计算来对区间的最终充电状态是否符合所述范围进行评价。
2.根据权利要求1所述的计算装置,其特征在于,
基于所述下一区间之后的电力的供需预测,算出在所述下一区间之后电力的供给超过需求的第1期间的剩余电力量,
将所述区间的最终充电状态的上限值决定为:对所述蓄电装置的使用范围上限减去与所述剩余电力量相当的数值而得到的值。
3.根据权利要求2所述的计算装置,其特征在于,
基于所述下一区间之后的电力的供需预测,算出所述第1期间的最小剩余电力量,
将所述区间的最终充电状态的上限值决定为:对所述蓄电装置的使用范围上限减去与所述最小剩余电力量相当的数值而得到的值。
4.根据权利要求2或3所述的计算装置,其特征在于,
以从所述下一区间的开始到所述第1期间为止的第2期间为对象,算出电力的供给低于需求而电力不足的不足电力量,
将所述区间的最终充电状态的下限值决定为:对所述蓄电装置的使用范围下限加上与所述不足电力量相当的数值而得到的值。
5.根据权利要求4所述的计算装置,其特征在于,
基于所述下一区间之后的电力的供需预测,算出所述第2期间的最大不足电力量,
将所述区间的最终充电状态的下限值决定为:对所述蓄电装置的使用范围下限加上与所述最大不足电力量相当的数值而得到的值。
6.一种计算方法,使与电力系统互连且具备蓄电装置的电网的能量的利用效率最佳化,所述计算方法的特征在于,
关于所述蓄电装置的预测对象区间的最终充电状态的范围,基于下一区间之后的电力的供需预测来决定,通过所述预测对象区间的所述最佳化计算来对区间的最终充电状态是否符合所述范围进行评价。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019206995 | 2019-11-15 | ||
JP2019-206995 | 2019-11-15 | ||
JP2020-177870 | 2020-10-23 | ||
JP2020177870A JP2021083301A (ja) | 2019-11-15 | 2020-10-23 | 計算装置、計算方法 |
PCT/JP2020/041446 WO2021095645A1 (ja) | 2019-11-15 | 2020-11-06 | 計算装置、計算方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114731043A true CN114731043A (zh) | 2022-07-08 |
Family
ID=75912061
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080078445.5A Pending CN114731043A (zh) | 2019-11-15 | 2020-11-06 | 计算装置、计算方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220393465A1 (zh) |
CN (1) | CN114731043A (zh) |
WO (1) | WO2021095645A1 (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5095495B2 (ja) * | 2008-05-20 | 2012-12-12 | 日本電信電話株式会社 | 電力システムおよびその制御方法 |
JP2015201950A (ja) * | 2014-04-08 | 2015-11-12 | 株式会社日立製作所 | 蓄電池計画装置、電力システム、および蓄電池計画方法 |
JP6836949B2 (ja) * | 2017-04-12 | 2021-03-03 | 株式会社Nttドコモ | サーバ装置 |
-
2020
- 2020-11-06 CN CN202080078445.5A patent/CN114731043A/zh active Pending
- 2020-11-06 US US17/755,821 patent/US20220393465A1/en active Pending
- 2020-11-06 WO PCT/JP2020/041446 patent/WO2021095645A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2021095645A1 (ja) | 2021-05-20 |
US20220393465A1 (en) | 2022-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Garcia et al. | Optimal energy management system for stand-alone wind turbine/photovoltaic/hydrogen/battery hybrid system with supervisory control based on fuzzy logic | |
EP2447729B1 (en) | Battery control apparatus and battery control method | |
García et al. | Energy management system based on techno-economic optimization for microgrids | |
Khatib et al. | Novel simplified hourly energy flow models for photovoltaic power systems | |
Lee et al. | Novel supervisory control method for islanded droop-based AC/DC microgrids | |
Babu et al. | Multi-objective genetic algorithm based energy management system considering optimal utilization of grid and degradation of battery storage in microgrid | |
JP2014033539A (ja) | 電力制御装置、方法、プログラム | |
JP6522901B2 (ja) | 直流配電システム | |
EP4246751A1 (en) | Method of controlling of battery energy storage system of power system with high dynamic loads | |
KR20200119367A (ko) | 에너지 저장 시스템용 수요전력 예측 장치 및 이를 이용한 수요전력 예측 방법 | |
Bauer et al. | Power flow in heterogeneous battery systems | |
JP2021083301A (ja) | 計算装置、計算方法 | |
US10396563B2 (en) | Renewable energy load management and power balancing system and operation | |
WO2020218191A1 (ja) | 電力制御装置、電力制御装置の制御方法、分散型発電システム | |
JP2021083301A5 (ja) | 計算装置、計算方法、プログラム、蓄電システム、発電システム及びグリッド | |
KR20190057716A (ko) | 태양광 발전 연계형 전기 에너지 저장 시스템, 및 그 충/방전 제어 방법 | |
CN114731043A (zh) | 计算装置、计算方法 | |
Shavolkin et al. | Improved control of energy consumption by a photovoltaic system equipped with a storage device to meet the needs of a local facility | |
CN110739684A (zh) | 基于多时间尺度的多交直流混合微电网优化调度方法 | |
WO2021070704A1 (ja) | エネルギー管理装置、エネルギー管理方法 | |
JP2019193479A (ja) | 蓄電池制御装置、蓄電池制御プログラム | |
US10027124B2 (en) | Electric power supply system controller | |
JP2023030289A (ja) | バッテリーユニットの制御装置 | |
Navarro et al. | An efficiency-based multi-state system for reliable power delivery combining renewable sources | |
KR102444388B1 (ko) | 마이크로그리드의 최적 에너지 운영 방법 |
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 |