CN115081743A - 充电站系统配置方法、装置、设备及计算机可读存储介质 - Google Patents

充电站系统配置方法、装置、设备及计算机可读存储介质 Download PDF

Info

Publication number
CN115081743A
CN115081743A CN202210862138.7A CN202210862138A CN115081743A CN 115081743 A CN115081743 A CN 115081743A CN 202210862138 A CN202210862138 A CN 202210862138A CN 115081743 A CN115081743 A CN 115081743A
Authority
CN
China
Prior art keywords
target
energy storage
charging station
capacity
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
Application number
CN202210862138.7A
Other languages
English (en)
Inventor
王啸
夏彦辉
许辉
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.)
Sungrow Shanghai Co Ltd
Original Assignee
Sungrow Shanghai 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 Sungrow Shanghai Co Ltd filed Critical Sungrow Shanghai Co Ltd
Priority to CN202210862138.7A priority Critical patent/CN115081743A/zh
Publication of CN115081743A publication Critical patent/CN115081743A/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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/30—Constructional details of charging stations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/50—Charging stations characterised by energy-storage or power-generation means
    • B60L53/51—Photovoltaic means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Power Engineering (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • Water Supply & Treatment (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)

Abstract

本发明公开了一种充电站系统配置方法、装置、设备及计算机可读存储介质，方法包括：获取充电站系统的规划参数；获取各采样时刻的预计负荷功率和预计光照强度；根据规划参数、预计负荷功率和预计光照强度，求解使得系统配置目标符合预设目标要求且满足预设约束条件的目标配置方案，其中，采样时刻的电池放电速率和/或电池充电速率是基于储能系统在采样时刻的实际容量计算得到的，采样时刻的实际容量是基于储能系统的额定容量和电池容量衰减特性信息计算得到的。本发明提出了一种计及储能电池动态损耗的充电站系统储能容量配置方案，使得求解得到的目标配置方案更加准确。

Description

充电站系统配置方法、装置、设备及计算机可读存储介质
技术领域
本发明涉及光储充电站技术领域，尤其涉及一种充电站系统配置方法、装置、设备及计算机可读存储介质。
背景技术
伴随着新能源产业的发展，作为新能源产业的重要组成部分电动汽车也得到了相应的发展，为避免盲目建设充电站造成社会资源的浪费，需要对充电站系统容量进行合理的配置，以到达电站投资经济性以及社会资源合理配置的目的。目前,很多学者做了大量关于光储容量配置的研究，例如以用户侧的用电成本为优化目标，但是，由于没有将储能系统的寿命损耗计入优化目标中，导致得到的配置方案在实际应用中不能达到预期的效果。
发明内容
本发明的主要目的在于提供一种充电站系统配置方法、装置、设备及计算机可读存储介质，旨在提出一种计及储能电池动态损耗的充电站系统储能容量配置方案，使得求解得到的目标配置方案更加准确，进而使得按照目标配置方案对充电站系统进行配置，将充电站系统实际投入使用后的系统配置目标能够更加符合预期的要求。
为实现上述目的，本发明提供一种充电站系统配置方法，所述充电站系统包括光伏发电系统和储能系统，所述充电站系统配置方法包括以下步骤：
获取所述充电站系统的规划参数；
获取各采样时刻的预计负荷功率和预计光照强度；
根据所述规划参数、所述预计负荷功率和所述预计光照强度，求解使得所述充电站系统的系统配置目标满足预设约束条件的所述充电站系统的目标配置方案，所述目标配置方案包括所述光伏发电系统的目标光伏容量以及所述储能系统的目标额定容量和目标额定功率；
其中，所述预设约束条件至少包括所述储能系统的放电功率约束条件和/或充电功率约束条件，所述放电功率约束条件包括由所述储能系统的额定功率和电池放电速率构成的约束条件，所述充电功率约束条件包括由所述储能系统的所述额定功率和电池充电速率构成的约束条件，采样时刻的电池放电速率和/或电池充电速率是基于所述储能系统在采样时刻的实际容量计算得到的，采样时刻的所述实际容量是基于所述储能系统的额定容量和电池容量衰减特性信息计算得到的。
可选地，所述规划参数包括购电目标参数，所述系统配置目标至少包括所述充电站系统的购电目标，所述预设约束条件还包括所述充电站系统的购电率约束条件，所述购电率约束条件用于约束所述充电站系统的购电率是基于所述预计负荷功率、所述预计光照强度、所述光伏发电系统的光伏容量、所述储能系统的放电功率和各采样时刻的放电情况计算得到的，所述购电目标是基于所述购电目标参数和所述充电站系统的购电率计算的。
可选地，所述求解使得所述充电站系统的系统配置目标满足预设约束条件的所述充电站系统的目标配置方案的步骤包括：
初始化种群并将初始化的种群作为目标种群，将所述目标种群中的各个个体分别作为目标个体，其中，一个个体包括所述光伏发电系统的一个光伏容量取值、所述储能系统的一个额定容量取值和一个额定功率取值；
求解按照所述目标个体作为配置方案时使得所述充电站系统的所述系统配置目标符合预设目标要求且满足所述预设约束条件的所述储能系统的目标充放电方案，其中，所述目标充放电方案规定所述储能系统在各采样时刻的放电情况和充电情况；
将按照所述目标个体作为配置方案以及所述储能系统按照所述目标充放电方案进行充放电时的所述充电站系统的系统配置目标作为所述目标个体对应的适应度值；
检测是否满足循环迭代的停止条件；
若满足，则从各所述目标个体中选取适应度值最小的个体作为目标配置方案；
若不满足，则从所述目标种群中选取适应度值满足预设适应度条件的个体作为精英个体，并将通过交叉变异产生的后代个体与所述精英个体组成的种群作为目标种群，返回执行所述将所述目标种群中的各个个体分别作为目标个体的步骤。
可选地，所述系统配置目标还包括所述充电站系统的发电未消纳目标，所述规划参数还包括发电未消纳目标参数，所述预设约束条件还包括发电未消纳率约束条件和所述储能系统的充放电情况约束条件，所述发电未消纳率约束条件用于约束所述充电站系统的发电未消纳率是基于所述预计负荷功率、所述预计光照强度、所述光伏发电系统的光伏容量、所述储能系统的充电功率和各采样时刻的充电情况计算得到的，所述充放电情况约束条件用于约束所述储能系统不能同时处于充电状态和放电状态，所述发电未消纳目标是基于所述发电未消纳目标参数和所述发电未消纳率计算得到的。
可选地，所述购电率约束条件为：
Figure BDA0003756413920000031
所述发电未消纳率约束条件为：
Figure BDA0003756413920000032
所述充放电情况约束条件为：
xt+yt≤1
其中，LOPE表示购电率，N表示采样数量，tl和ts表示采样时刻，Pload(t)表示负荷功率，PESS(t)表示储能系统的充电或放电功率，PRE(t)表示光伏发电站的发电功率，xt为表示放电情况的变量，yt为表示充电情况的变量；
可选地，所述求解按照所述目标个体作为配置方案时使得所述充电站系统的所述系统配置目标符合预设目标要求且满足所述预设约束条件的所述储能系统的目标充放电方案的步骤包括：
将非线性的所述充放电情况约束条件转换为线性的约束条件后，采用混合整数线性规划模型的求解算法进行求解，得到按照所述目标个体作为配置方案时使得所述充电站系统的所述系统配置目标符合预设目标要求且满足所述预设约束条件的所述储能系统的目标充放电方案。
可选地，将非线性的所述充放电情况约束条件转换为如下的线性约束条件：
m＝xt·PESS(tl)；
m≥xt·PESS(tl)min；
m≤xt·PESS(tl)max；
m≥PESS(tl)-(1-xt)·PESS(tl)max；
m≤PESS(tl)-(1-xt)·PESS(tl)min；
n＝yt·PRE(ts)；
n≥yt·PRE(ts)min；
n≤yt·PRE(ts)max；
n≥PRE(ts)-(1-yt)·PRE(ts)max；
n≤PRE(ts)-(1-yt)·PRE(ts)min。
可选地，所述系统配置目标还包括所述储能系统的建设维护目标，所述规划参数还包括所述充电站系统的计划服务年限以及还包括所述储能系统的更换次数、储能容量的购置系数、单位功率的购置系数、储能变流器的单元系数和单位功率的维护系数，所述建设维护目标包括容量维护目标和功率维护目标，所述容量维护目标是基于所述更换次数、所述储能容量的购置系数和所述储能系统的额定容量计算的，所述功率维护目标是基于所述更换次数、所述单位功率的购置系数、所述储能变流器的单元系数、所述单位功率的维护系数、所述计划服务年限和所述储能系统的额定功率计算的。
可选地，所述充电站系统配置方法还包括：
获取所述储能系统的电池在各个阶段的容量衰减系数作为所述电池容量衰减特性信息，以用于在计算采样时刻的所述实际容量时，通过确定在当前采样时刻所述电池所处的阶段所对应的目标容量衰减系数，根据所述目标容量衰减系数、所述电池当前的寿命损耗程度和所述电池在上一采样时刻的容量衰减程度计算得到所述电池在当前采样时刻的容量衰减程度，并根据所述电池在当前采样时刻的容量衰减程度和所述储能系统的额定容量计算得到所述电池在当前采样时刻的所述实际容量。
可选地，在计算采样时刻的所述实际容量时，当在当前采样时刻所述电池所处的阶段与上一采样时刻所述电池所处的阶段不同时，通过获取在当前采样时刻所述电池所处阶段对应的初始平均容量衰减程度作为所述电池在上一采样时刻的容量衰减程度，以用于计算当前采样时刻的所述实际容量；
当在当前采样时刻所述电池为新电池时，将预设的新电池容量衰减程度作为所述电池在上一采样时刻的容量衰减程度，以用于计算当前采样时刻的所述实际容量。
可选地，在计算采样时刻的所述实际容量时，当计算得到的当前采样时刻的容量衰减程度小于预设阈值时，确定下一采样时刻将所述电池更换为新电池。
为实现上述目的，本发明还提供一种充电站系统配置装置，所述充电站系统包括光伏发电系统和储能系统，所述充电站系统配置装置包括：
第一获取模块，用于获取所述充电站系统的规划参数；
第二获取模块，用于获取各采样时刻的预计负荷功率和预计光照强度；
求解模块，用于根据所述规划参数、所述预计负荷功率和所述预计光照强度，求解使得所述充电站系统的系统配置目标满足预设约束条件的所述充电站系统的目标配置方案，所述目标配置方案包括所述光伏发电系统的目标光伏容量以及所述储能系统的目标额定容量和目标额定功率；
其中，所述预设约束条件至少包括所述储能系统的放电功率约束条件和/或充电功率约束条件，所述放电功率约束条件包括由所述储能系统的额定功率和电池放电速率构成的约束条件，所述充电功率约束条件包括由所述储能系统的所述额定功率和电池充电速率构成的约束条件，采样时刻的电池放电速率和/或电池充电速率是基于所述储能系统在采样时刻的实际容量计算得到的，采样时刻的所述实际容量是基于所述储能系统的额定容量和电池容量衰减特性信息计算得到的。
为实现上述目的，本发明还提供一种充电站系统配置设备，所述充电站系统配置设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的充电站系统配置程序，所述充电站系统配置程序被所述处理器执行时实现如上所述的充电站系统配置方法的步骤。
此外，为实现上述目的，本发明还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有充电站系统配置程序，所述充电站系统配置程序被处理器执行时实现如上所述的充电站系统配置方法的步骤。
本发明中，通过获取所述充电站系统的规划参数，其中，所述规划参数包括购电目标参数；获取各采样时刻的预计负荷功率和预计光照强度；根据所述规划参数、所述预计负荷功率和所述预计光照强度，求解使得所述充电站系统的系统配置目标满足预设约束条件的所述充电站系统的目标配置方案，所述目标配置方案包括所述光伏发电系统的目标光伏容量以及所述储能系统的目标额定容量和目标额定功率；其中，预设约束条件至少包括储能系统的放电功率约束条件和/或充电功率约束条件，放电功率约束条件包括由储能系统的额定功率和电池放电速率构成的约束条件，充电功率约束条件包括由储能系统的所述额定功率和电池充电速率构成的约束条件，采样时刻的电池放电速率和/或电池充电速率是基于储能系统在采样时刻的实际容量计算得到的，采样时刻的实际容量是基于储能系统的额定容量和电池容量衰减特性信息计算得到的。
相比于不考虑储能系统寿命衰减的充电站配置方法，本发明中通过在电池放电速率和/或电池充电速率的计算中基于储能系统的实际容量来进行计算，并基于储能系统的电池衰减特性信息计算实际容量，考虑到了储能系统的寿命衰减情况，使得求解得到的目标配置方案更加准确，进而使得按照目标配置方案对充电站系统进行配置，将充电站系统实际投入使用后的系统配置目标能够更加符合预期的要求。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的结构示意图；
图2为本发明充电站系统配置方法第一实施例的流程示意图；
图3为本发明充电站系统配置装置较佳实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，图1是本发明实施例方案涉及的硬件运行环境的设备结构示意图。
需要说明的是，本发明实施例充电站系统配置设备，所述充电站系统配置设备可以是智能手机、个人计算机、服务器等设备，在此不做具体限制。充电站系统包括光伏发电系统和储能系统。
如图1所示，该充电站系统配置设备可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的设备结构并不构成对充电站系统配置设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及充电站系统配置程序。操作系统是管理和控制设备硬件和软件资源的程序，支持充电站系统配置程序以及其它软件或程序的运行。在图1所示的设备中，用户接口1003主要用于与客户端进行数据通信；网络接口1004主要用于与服务器建立通信连接；而处理器1001可以用于调用存储器1005中存储的充电站系统配置程序，并执行以下操作：
获取所述充电站系统的规划参数；
获取各采样时刻的预计负荷功率和预计光照强度；
根据所述规划参数、所述预计负荷功率和所述预计光照强度，求解使得所述充电站系统的系统配置目标满足预设约束条件的所述充电站系统的目标配置方案，所述目标配置方案包括所述光伏发电系统的目标光伏容量以及所述储能系统的目标额定容量和目标额定功率；
其中，所述预设约束条件至少包括所述储能系统的放电功率约束条件和/或充电功率约束条件，所述放电功率约束条件包括由所述储能系统的额定功率和电池放电速率构成的约束条件，所述充电功率约束条件包括由所述储能系统的所述额定功率和电池充电速率构成的约束条件，采样时刻的电池放电速率和/或电池充电速率是基于所述储能系统在采样时刻的实际容量计算得到的，采样时刻的所述实际容量是基于所述储能系统的额定容量和电池容量衰减特性信息计算得到的。
进一步地，所述规划参数包括购电目标参数，所述系统配置目标至少包括所述充电站系统的购电目标，所述预设约束条件还包括所述充电站系统的购电率约束条件，所述购电率约束条件用于约束所述充电站系统的购电率是基于所述预计负荷功率、所述预计光照强度、所述光伏发电系统的光伏容量、所述储能系统的放电功率和各采样时刻的放电情况计算得到的，所述购电目标是基于所述购电目标参数和所述充电站系统的购电率计算的。
进一步地，所述求解使得所述充电站系统的系统配置目标满足预设约束条件的所述充电站系统的目标配置方案的操作包括：
初始化种群并将初始化的种群作为目标种群，将所述目标种群中的各个个体分别作为目标个体，其中，一个个体包括所述光伏发电系统的一个光伏容量取值、所述储能系统的一个额定容量取值和一个额定功率取值；
求解按照所述目标个体作为配置方案时使得所述充电站系统的所述系统配置目标符合预设目标要求且满足所述预设约束条件的所述储能系统的目标充放电方案，其中，所述目标充放电方案规定所述储能系统在各采样时刻的放电情况和充电情况；
将按照所述目标个体作为配置方案以及所述储能系统按照所述目标充放电方案进行充放电时的所述充电站系统的系统配置目标作为所述目标个体对应的适应度值；
检测是否满足循环迭代的停止条件；
若满足，则从各所述目标个体中选取适应度值最小的个体作为目标配置方案；
若不满足，则从所述目标种群中选取适应度值满足预设适应度条件的个体作为精英个体，并将通过交叉变异产生的后代个体与所述精英个体组成的种群作为目标种群，返回执行所述将所述目标种群中的各个个体分别作为目标个体的操作。
进一步地，所述系统配置目标还包括所述充电站系统的发电未消纳目标，所述规划参数还包括发电未消纳目标参数，所述预设约束条件还包括发电未消纳率约束条件和所述储能系统的充放电情况约束条件，所述发电未消纳率约束条件用于约束所述充电站系统的发电未消纳率是基于所述预计负荷功率、所述预计光照强度、所述光伏发电系统的光伏容量、所述储能系统的充电功率和各采样时刻的充电情况计算得到的，所述充放电情况约束条件用于约束所述储能系统不能同时处于充电状态和放电状态，所述发电未消纳目标是基于所述发电未消纳目标参数和所述发电未消纳率计算得到的。
进一步地，所述购电率约束条件为：
Figure BDA0003756413920000091
所述发电未消纳率约束条件为：
Figure BDA0003756413920000092
所述充放电情况约束条件为：
xt+yt≤1
其中，LOPE表示购电率，N表示采样数量，tl和ts表示采样时刻，Pload(t)表示负荷功率，PESS(t)表示储能系统的充电或放电功率，PRE(t)表示光伏发电站的发电功率，xt为表示放电情况的变量，yt为表示充电情况的变量；
进一步地，所述求解按照所述目标个体作为配置方案时使得所述充电站系统的所述系统配置目标符合预设目标要求且满足所述预设约束条件的所述储能系统的目标充放电方案的操作包括：
将非线性的所述充放电情况约束条件转换为线性的约束条件后，采用混合整数线性规划模型的求解算法进行求解，得到按照所述目标个体作为配置方案时使得所述充电站系统的所述系统配置目标符合预设目标要求且满足所述预设约束条件的所述储能系统的目标充放电方案。
进一步地，将非线性的所述充放电情况约束条件转换为如下的线性约束条件：
m＝xt·PESS(tl)；
m≥xt·PESS(tl)min；
m≤xt·PESS(tl)max；
m≥PESS(tl)-(1-xt)·PESS(tl)max；
m≤PESS(tl)-(1-xt)·PESS(tl)min；
n＝yt·PRE(ts)；
n≥yt·PRE(ts)min；
n≤yt·PRE(ts)max；
n≥PRE(ts)-(1-yt)·PRE(ts)max；
n≤PRE(ts)-(1-yt)·PRE(ts)min。
进一步地，所述系统配置目标还包括所述储能系统的建设维护目标，所述规划参数还包括所述充电站系统的计划服务年限以及还包括所述储能系统的更换次数、储能容量的购置系数、单位功率的购置系数、储能变流器的单元系数和单位功率的维护系数，所述建设维护目标包括容量维护目标和功率维护目标，所述容量维护目标是基于所述更换次数、所述储能容量的购置系数和所述储能系统的额定容量计算的，所述功率维护目标是基于所述更换次数、所述单位功率的购置系数、所述储能变流器的单元系数、所述单位功率的维护系数、所述计划服务年限和所述储能系统的额定功率计算的。
进一步地，处理器1001还可以用于调用存储器1005中存储的充电站系统配置程序，执行以下操作：
获取所述储能系统的电池在各个阶段的容量衰减系数作为所述电池容量衰减特性信息，以用于在计算采样时刻的所述实际容量时，通过确定在当前采样时刻所述电池所处的阶段所对应的目标容量衰减系数，根据所述目标容量衰减系数、所述电池当前的寿命损耗程度和所述电池在上一采样时刻的容量衰减程度计算得到所述电池在当前采样时刻的容量衰减程度，并根据所述电池在当前采样时刻的容量衰减程度和所述储能系统的额定容量计算得到所述电池在当前采样时刻的所述实际容量。
进一步地，在计算采样时刻的所述实际容量时，当在当前采样时刻所述电池所处的阶段与上一采样时刻所述电池所处的阶段不同时，通过获取在当前采样时刻所述电池所处阶段对应的初始平均容量衰减程度作为所述电池在上一采样时刻的容量衰减程度，以用于计算当前采样时刻的所述实际容量；
当在当前采样时刻所述电池为新电池时，将预设的新电池容量衰减程度作为所述电池在上一采样时刻的容量衰减程度，以用于计算当前采样时刻的所述实际容量。
进一步地，在计算采样时刻的所述实际容量时，当计算得到的当前采样时刻的容量衰减程度小于预设阈值时，确定下一采样时刻将所述电池更换为新电池。
基于上述的结构，提出充电站系统配置方法的各个实施例。
参照图2，图2为本发明充电站系统配置方法第一实施例的流程示意图。
本发明实施例提供了充电站系统配置方法的实施例，需要说明的是，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。在本实施例中，充电站系统配置方法的执行主体可以是个人电脑、智能手机等设备中，在本实施例中并不做限制，以下为便于描述，省略执行主体进行各实施例的阐述。在本实施例中，所述充电站系统配置方法包括：
步骤S10，获取所述充电站系统的规划参数；
在本实施例中，充电站系统包括光伏发电系统和储能系统，光伏发电系统用于通过光伏组件进行发电，用于给负载(例如电动汽车)充电，多余的电能则可以通过储能系统的储能电池储存，在光伏发电系统发电不足时，则可以通过储能系统放电为负载充电。对充电站系统进行配置即确定充电站系统中光伏发电系统的光伏容量、储能系统的额定容量和额定功率，配置的目标是确定一个目标配置方案，使得按照目标配置方案中的光伏容量(以下称为目标光伏容量)、额定容量(以下称为目标额定容量)和额定功率(以下称为目标额定功率)去建设充电站系统时，能够使得充电站系统的系统配置目标符合一定的目标要求。该目标要求具体可以根据需要进行设置，例如可以设置为系统配置目标需低于一个阈值，或者可以设置为是所有可选的配置方案中最低的，在本实施例中并不做限制。
在对充电站系统进行配置时，可以先获取充电站系统的规划参数。规划参数可以是由技术人员根据需要设置后上传的，获取规划参数的方式即获取上传的数据。规划参数可以包括充电站系统配置过程中与选取配置方案有关但是固定不变或者需人为设置的参数，具体包括哪些参数与所选取的系统配置目标的计算方式有关。在一实施方式中，系统配置目标可以至少包括购电目标，那么规划参数可以包括购电目标参数，用于与购电率结合计算购电目标。购电是指当充电站系统的光伏发电系统所产生的电能不能够满足负荷时，需要从电网购电，购电目标可以是基于购电率计算得到的一个目标，通过优化或者说限制购电目标，可以达到限制购电率的效果。需要说明的是，购电目标参数与购电率结合计算购电目标的计算方式也可以根据需要进行选取，在本实施例中并不做限制。本实施例中，系统配置目标可以只包括购电目标，也可以还包括其他类型的目标，例如储能系统的建设维护目标，具体在本实施例中并不做限制。
步骤S20，获取各采样时刻的预计负荷功率和预计光照强度；
采样时刻是指对充电站系统在预计服务年限的时间内进行采样，以通过对各个采样时刻充电站系统的工作状态的估计，来计算充电站系统的系统配置目标。而对各个采样时刻充电站系统的工作状态进行估计，需要利用各个采样时刻的负荷功率和光照强度，由于充电站系统还未投入使用，所以各个采样时刻的负荷功率和光照强度属于预计的数据，故以下称为预计负荷功率和预计光照强度。在本实施例中，对获取各采样时刻的预计负荷功率和预计光照强度的方式并不做限制。例如，在一实施方式中，可以由技术人员直接上传各采样时刻的预计负荷功率和预计光照强度。又如，在另一实施方式中，可以对充电站系统的预计服务年限内的每一年生成多个典型日场景，例如生成4个代表该年充电站系统各个季度的典型日场景；在每个典型日场景，划分为多个规划时段(每个规划时段即对应一个采样时刻)，假设负荷预测数据和光照等环境参数在各个时段保持不变，例如，划分为96个时段，每一个时段间隔为一刻钟；其中，各采样时刻的预计负荷功率可以根据充电站负荷预测技术得到，各采样时刻的预计光照强度可以根据历史光照数据统计得出。
步骤S30，求解使得所述充电站系统的系统配置目标满足预设约束条件的所述充电站系统的目标配置方案，所述目标配置方案包括所述光伏发电系统的目标光伏容量以及所述储能系统的目标额定容量和目标额定功率；
在获取到规划参数、各采样时刻的预计负荷功率和预计光照强度后，可以求解使得充电站系统的系统配置目标满足预设约束条件的充电站系统的配置方案，该配置方案即目标配置方案。也即，需要求解得到一个目标配置方案，使得充电站系统的系统配置目标满足预设约束条件的。进一步地，在一实施方式中，可以根据实际情况设置一个目标要求，求解得到的目标配置方案还需要符合该目标要求。
其中，预设约束条件至少包括储能系统的放电功率约束条件和/或充电功率约束条件。也即，在具体实施方式中，预设约束条件可以只包括储能系统的放电功率约束条件，也可以还包括一些其他的约束条件，具体可以根据需要进行设置，在本实施例中并不做限制。
放电功率约束条件包括由储能系统的额定功率和电池放电速率构成的约束条件。在具体实施方式中，放电功率约束条件可以是储能系统的放电功率取储能系统的额定功率和电池放电速率中的较小者，也即，储能系统的电池放电速率是不可能大于额定功率(储能变流器的放电功率)的。计算采样时刻的电池放电速率需要用到储能系统的实际容量，由于储能电池存在容量衰减现象，所以储能系统的实际容量是动态变化的，而当未考虑储能系统的储能电池的容量衰减情况时，直接采用储能系统的额定容量来参与计算，将导致采样时刻的电池放电速率计算不准确，进而导致求解得到的目标配置方案并不与预期相符。采样时刻的电池放电速率是基于储能系统在采样时刻的实际容量计算得到的，具体计算方法在本实施例中并不做限制。采样时刻的实际容量则是基于储能系统的额定容量和电池容量衰减特征信息计算得到的，具体计算方式在本实施例中并不做限制。其中，电池容量衰减特征信息可以预先获取，例如由技术人员上传。
充电功率约束条件包括由储能系统的额定功率和电池充电速率构成的约束条件，采样时刻的电池充电速率是基于储能系统在采样时刻的实际容量计算得到的。在具体实施方式中，充电功率约束条件可以是储能系统的充电功率取储能系统的额定功率和电池充电速率中的较小者，也即，储能系统的电池充电速率是不可能大于额定功率(储能变流器的充电功率)的。计算采样时刻的电池充电速率需要用到储能系统的实际容量，由于储能电池存在容量衰减现象，所以储能系统的实际容量是动态变化的，而当未考虑储能系统的储能电池的容量衰减情况时，直接采用储能系统的额定容量来参与计算，将导致采样时刻的电池充电速率计算不准确，进而导致求解得到的目标配置方案并不与预期相符。本实施例中，采样时刻的电池充电速率是基于储能系统在采样时刻的实际容量计算得到的，具体计算方法在本实施例中并不做限制。
进一步地，在一实施方式中，预设约束条件还包括充电站系统的购电率约束条件。购电率约束条件用于约束充电站系统的购电率是基于预计负荷功率、预计光照强度、光伏发电系统的光伏容量、储能系统的放电功率和各采样时刻的放电情况计算得到的，具体计算方法在本实施例中并不做限制。其中，放电情况即表征储能系统有没有放电的情况，放电时储能系统处于放电状态，未放电时储能系统处于未放电状态，储能系统各采样时刻的放电情况可以由技术人员根据经验配置后上传，也可以作为配置方案中的一项。
本实施例中对求解目标配置方案的方法并不做限制，可以采用常用的规划问题的求解方法。
在求解得到目标配置方案后，可以将目标配置方案输出，以使得技术人员可以根据该目标配置方案来进行充电站系统的配置，进而使得充电站系统实际投入使用后系统配置目标能够符合预期的要求。相比于不考虑储能系统寿命衰减的充电站配置方法，本实施例中通过在电池放电速率和/或电池充电速率的计算中基于储能系统的实际容量来进行计算，并基于储能系统的电池衰减特性信息计算实际容量，考虑到了储能系统的寿命衰减情况，使得求解得到的目标配置方案更加准确，进而使得按照目标配置方案对充电站系统的配置，将充电站系统实际投入使用后的系统配置目标能够更加符合预期的要求。
进一步地，基于上述第一实施例，提出本发明充电站系统配置方法第二实施例，在本实施例中，储能系统的充放电方案也可以作为一个配置对象，对此，在本实施例中，可以采用双层优化求解思路来求解目标配置方案。可以将光伏发电系统的光伏容量、储能系统的额定容量和额定功率作为外层变量，将储能系统在各采样时刻的放电情况和充电情况作为内层变量。
外层通过全局寻优的遗传算法(genetic algorithm,GA)求解,内层为混合整数线性模型,可以利用成熟的商业求解软件求解。
进一步地，在一实施方式中，所述步骤S30包括：
步骤S301，初始化种群并将初始化的种群作为目标种群，将所述目标种群中的各个个体分别作为目标个体，其中，一个个体包括所述光伏发电系统的一个光伏容量取值、所述储能系统的一个额定容量取值和一个额定功率取值；
可以先初始化种群，并将初始化的种群作为目标种群。其中，一个种群中包括多个个体，每个个体中包括光伏发电系统的一个光伏容量取值、储能系统的一个额定容量取值和一个额定功率取值。初始化种群的方法可以是随机选取，也可以是根据经验选取，在本实施例中并不做限制。将目标种群中的各个个体称为目标个体以示区分。
步骤S302，求解按照所述目标个体作为配置方案时使得所述充电站系统的所述系统配置目标符合预设目标要求且满足所述预设约束条件的所述储能系统的目标充放电方案，其中，所述目标充放电方案规定所述储能系统在各采样时刻的放电情况和充电情况；
对每一个目标个体，内层求解按照目标个体作为充电站系统的配置方案时，使得充电站系统的系统配置目标符合预设目标要求且满足预设约束条件的储能系统的充放电方案(以下称为目标充放电方案)。也即，当按照目标个体作为充电站系统的配置方案时，需要求解一个目标充放电方案，使得充电站系统的系统配置目标符合预设目标要求，且该目标充放电方案是满足预设约束条件的。内层求解方案在本实施方式中并不做限制，例如可以采用YALMIP工具求解。
步骤S303，将按照所述目标个体作为配置方案以及所述储能系统按照所述目标充放电方案进行充放电时的所述充电站系统的系统配置目标作为所述目标个体对应的适应度值；
在求解得到目标个体对应的目标充放电方案后，可以将按照该目标个体作为充电站系统的配置方案以及储能系统按照该目标充放电方案进行充放电时的充电站系统的系统配置目标作为该目标个体对应的适应度值。
步骤S304，检测是否满足循环迭代的停止条件；
在得到目标种群中各个目标个体对应的适应度值后，可以检测是否满足循环迭代的停止条件。其中，停止条件可以根据需要进行设置，例如迭代次数达到预设次数，或循环迭代的时长达到预设时长，或本轮迭代的目标个体与上一轮的目标个体相同不再变化等等。
步骤S305，若满足，则从各所述目标个体中选取适应度值最小的个体作为目标配置方案；
步骤S306，若不满足，则从所述目标种群中选取适应度值满足预设适应度条件的个体作为精英个体，并将通过交叉变异产生的后代个体与所述精英个体组成的种群作为目标种群，返回执行所述步骤S301中所述将所述目标种群中的各个个体分别作为目标个体的步骤。
若检测到满足循环迭代的停止条件，则可以从目标个体中选取适应度值最小的个体作为目标配置方案。
若检测到不满足循环迭代的停止条件，则可以从目标种群中选取适应度值满足预设适应度条件的个体作为精英个体，并通过遗传算法中的交叉变异方法产生后代个体，将后代个体与精英个体组成的种群作为新的目标种群，再返回执行将目标种群中的各个个体作为目标个体，对目标个体求解目标充放电方案的步骤，循环迭代直至满足停止条件，即可得到目标配置方案和目标充放电方案。
进一步地，在一实施方式中，系统配置目标还包括充电站系统的发电未消纳目标，发电未消纳目标可以是基于发电未消纳目标参数和发电未消纳率计算得到的一个目标，通过优化或者说发电未消纳目标，可以达到发电未消纳率的效果，具体计算方式在本实施方式中并不做限制。发电未消纳是指光伏发电系统所产生的电能在给负载供电和输出给储能系统存储后还有余。规划参数还包括发电未消纳目标参数。预设约束条件还包括发电未消纳率约束条件和储能系统的充放电情况约束条件。发电未消纳率约束条件用于约束充电站系统的发电未消纳率是基于预计负荷功率、预计光照强度、光伏发电系统的光伏容量、储能系统的充电功率和各采样时刻的充电情况计算得到的，具体计算方法在本实施例中并不做限制。其中，充电情况即表征储能系统有没有充电的情况，充电时储能系统处于充电状态，未充电时储能系统处于未充电状态，储能系统各采样时刻的充电情况可以由技术人员根据经验配置后上传，也可以作为配置方案中的一项。充放电情况约束条件用于约束储能系统不能同时处于充电状态和放电状态。
在本实施方式中，通过在系统配置目标中考虑发电未消纳目标，可以使得求解得到的目标配置方案能够使得充电站系统的购电目标符合预期的同时，发电未消纳目标也能够符合预期。
进一步地，在一实施方式中，放电功率约束条件可以为：
Figure BDA0003756413920000161
Pd，max是t采样时刻的放电功率，Pmax，d是储能系统的额定功率，Ec是t-1采样时刻的实际容量，SOCmin是电池的最小荷电状态，δ是电池的自放电率，SOC(t-1)是t-1采样时刻电池的荷电状态，△t是两个采样时刻之间的间隔，ηd表示电池的放电效率。
进一步地，在一实施方式中，充电功率约束条件可以为：
Figure BDA0003756413920000171
其中，Pc，max是t采样时刻的充电功率，Pmax，c是储能系统的额定功率，Ec是t-1采样时刻的实际容量，SOCmax是电池的最大荷电状态，δ是电池的自放电率，SOC(t-1)是t-1采样时刻电池的荷电状态，△t是两个采样时刻之间的间隔，ηc表示电池的充电效率。
进一步地，在一实施方式中，所述购电率约束条件为：
Figure BDA0003756413920000172
所述发电未消纳率约束条件为：
Figure BDA0003756413920000173
所述充放电情况约束条件为：
xt+yt≤1
其中，LOPE表示购电率，N表示采样数量，tl和ts表示采样时刻，Pload(t)表示负荷功率，PESS(t)表示储能系统的充电或放电功率，PRE(t)表示光伏发电站的发电功率，xt为表示放电情况的变量，yt为表示充电情况的变量。xt和yt的取值为1或0，当xt取值为1时，表示储能电池处于放电状态，取值为0时，表示储能电池处于未放电状态，当yt取值为1时，表示储能电池处于充电状态，取值为0时，表示储能电池处于未充电状态。
进一步地，在一实施方式中，预设约束条件还可以包括充电站系统的总功率平衡式：PESS(t)+PRE(t)<PLoad(t)
进一步地，在一实施方式中，所述步骤S302包括：
步骤S3021，将非线性的所述充放电情况约束条件转换为线性的约束条件后，采用混合整数线性规划模型的求解算法进行求解，得到按照所述目标个体作为配置方案时使得所述充电站系统的所述系统配置目标符合预设目标要求且满足所述预设约束条件的所述储能系统的目标充放电方案。
由于xt和yt取值为0或1，属于非线性的变量，充放电情况约束条件属于非线性的约束条件，所以在本实施方式中，可以先将非线性的充放电情况约束条件转换为线性的约束条件后，再采用混合整数线性规划模型的求解算法来进行求解，以提高求解速率。对非线性的充放电情况约束条件转换为线性的约束条件的方法可以根据需要选取，在本实施例中并不做限制。
进一步地，在一实施方式中，将非线性的充放电情况约束条件转换为如下的线性约束条件：
m＝xt·PESS(tl)；
m≥xt·PESS(tl)min；
m≤xt·PESS(tl)max；
m≥PESS(tl)-(1-xt)·PESS(tl)max；
m≤PESS(tl)-(1-xt)·PESS(tl)min；
n＝yt·PRE(ts)；
n≥yt·PRE(ts)min；
n≤yt·PRE(ts)max；
n≥PRE(ts)-(1-yt)·PRE(ts)max；
n≤PRE(ts)-(1-yt)·PRE(ts)min。
进一步地，基于上述第一和/或第二实施例，提出本发明充电站系统配置方法第三实施例。在本实施例中，系统配置目标还可以包括储能系统的建设维护目标，通过优化或者说限制购电目标，可以达到限制对储能系统所需付出的建设维护力度的效果。通过在系统配置目标中考虑储能系统的建设维护目标，可以使得求解得到的目标配置方案能够使得充电站系统的购电目标符合预期的同时，储能系统的建设维护目标也能够符合预期。
规划参数还可以包括充电站系统的计划服务年限以及还包括储能系统的更换次数、储能容量的购置系数、单位功率的购置系数、储能变流器的单元系数和单位功率的维护系数。
建设维护目标包括容量维护目标和功率维护目标。容量维护目标是基于更换次数、储能容量的购置系数和储能系统的额定容量计算的，具体的计算方法在本实施例中并不做限制。功率维护目标是基于更换次数、单位功率的购置系数、储能变流器的单元系数、单位功率的维护系数、计划服务年限和储能系统的额定功率计算的，具体的计算方法在本实施例中并不做限制。
例如，在一实施方式中，储能系统的建设维护目标表示为f(EESS,PESS)，建设维护目标的计算方法可以如下：
f(EESS,PESS)＝(1+NREP)KeEESS+(Kp+Kaf+KomLPROJ+NREPKp)PESS
其中，EESS表示储能系统的额定容量，PESS表示储能系统的额定功率，NREP表示储能系统的更换次数，Ke表示储能容量的购置系数，Kp表示储能系统单位功率的购置系数，Kaf表示储能变流器的单元系数，Kom表示储能系统单位功率的维护系数，LPROJ表示充电站系统的计划服务年限。
进一步地，在一实施方式中，系统配置目标可以包括储能系统的建设维护目标、购电目标和发电未消纳目标。进一步地，系统配置目标的计算方法可以如下：
fFIT1＝f(EESS,PESS)+α·ABS(LOEP-LOEPmax)+β·ABS(SOEP-SOEPmax)
其中，LOEP表示购电率，LOEPmax表示最大购电率，将α和LOEPmax作为购电目标系数；SOEP表示发电未消纳率，SOEPmax表示最大发电未消纳率，将β和SOEPmax作为发电未消纳目标系数。
进一步地，基于上述第一、第二和/或第三实施例，提出本发明充电站系统配置方法第四实施例。在本实施例中，所述充电站系统配置方法还包括：
步骤S40，获取所述储能系统的电池在各个阶段的容量衰减系数作为所述电池容量衰减特性信息，以用于在计算采样时刻的所述实际容量时，通过确定在当前采样时刻所述电池所处的阶段所对应的目标容量衰减系数，根据所述目标容量衰减系数、所述电池当前的寿命损耗程度和所述电池在上一采样时刻的容量衰减程度计算得到所述电池在当前采样时刻的容量衰减程度，并根据所述电池在当前采样时刻的容量衰减程度和所述储能系统的额定容量计算得到所述电池在当前采样时刻的所述实际容量。
在本实施例中，可以在需要计算采样时刻的实际容量之前，获取储能系统的电池在各个阶段的容量衰减系数作为电池容量衰减特性信息。其中，容量衰减系数是电池的容量衰减程度与电池的寿命损耗程度之间的关系曲线的斜率。在本实施例中，将电池的寿命划分为多个阶段，每个阶段的容量衰减系数认为是相同的。在具体实施方式中，可以由技术人员上传电池在各个阶段的容量衰减系数。在计算采样时刻的实际容量时，可以确定当前采样时刻电池多处的阶段所对应的容量衰减系数(以下称为目标容量衰减系数)，根据该目标容量衰减系数、电池当前的寿命损耗程度和电池在上一采样时刻的容量衰减程度计算得到电池在当前采样时刻的容量衰减程度，再根据电池在当前采样时刻的容量衰减程度和储能系统的额定容量计算得到电池在当前采样时刻的实际容量，具体计算方式在本实施例中并不做限制。例如，在一实施方式中，采样时刻t的容量衰减程度SOH(t)的计算方式为：
Figure BDA0003756413920000201
其中，j表示阶段，
Figure BDA0003756413920000202
表示第j阶段的容量衰减系数。
采样时刻t的实际容量Ec＝SOH(t)*EESS。
进一步地，在一实施方式中，在计算采样时刻的所述实际容量时，当在当前采样时刻所述电池所处的阶段与上一采样时刻所述电池所处的阶段不同时，通过获取在当前采样时刻所述电池所处阶段对应的初始平均容量衰减程度作为所述电池在上一采样时刻的容量衰减程度，以用于计算当前采样时刻的所述实际容量。需要说明的是，电池每一阶段开始时的容量衰减程度可以是预先设置好的，也即，各个阶段可以对应一个初始平均容量衰减程度。当当前采样时刻电池所处的阶段与上一采样时刻电池所处的阶段不同时，可以获取当前采样时刻电池所处阶段对应的初始平均容量衰减程度作为电池在上一采样时刻的容量衰减程度，用于计算当前采样时刻的实际容量，也即，可以基于目标容量衰减系数、电池当前的寿命损耗程度和当前采样时刻电池所处阶段的初始平均容量衰减程度来计算得到电池在当前采样时刻的容量衰减程度。各个阶段的初始平均容量衰减程度可以是由技术人员上传的，也可以是根据技术人员上传的电池的容量衰减程度与电池的寿命损耗程度之间的关系曲线计算得到的。例如，在一实施方式中，各阶段的容量衰减系数和初始平均容量衰减程度可以按照如下方法计算：
Figure BDA0003756413920000203
Figure BDA0003756413920000211
进一步地，在一实施方式中，当在当前采样时刻所述电池为新电池时，将预设的新电池容量衰减程度作为所述电池在上一采样时刻的容量衰减程度，以用于计算当前采样时刻的所述实际容量。由于在储能系统使用过程中，随着电池的容量衰减，当到达一定程度的时候会更换电池，所以在某个采样时刻，电池可能会更换为新电池，当在当前采样时刻电池为新电池时，将预设的新电池容量衰减程度(一般设置为1)作为电池在上一采样时刻的容量衰减程度，以用于计算当前采样时刻的实际容量，也即，可以基于目标容量衰减系数、电池当前的寿命损耗程度和预设的新电池容量衰减程度来计算得到电池在当前采样时刻的容量衰减程度。
进一步地，在一实施方式中，在计算采样时刻的所述实际容量时，当计算得到的当前采样时刻的容量衰减程度小于预设阈值时，确定下一采样时刻将所述电池更换为新电池。确定更换电池的条件可以是电池的容量衰减程度小于预设阈值，那么，当当前采样时刻的容量衰减程度小于预设阈值时，可以确定下一采样时刻电池更换为新电池，那么，在下一采样时刻，以预设的新电池容量衰减程度为基础计算实际容量。预设阈值可以根据需要进行设置，例如设置为80％。
进一步地，在一实施方式中，电池在当前采样时刻的寿命损耗程度Lloss(t)可以采用如下方法计算：
Lloss(t)＝|F[Soc(t)]-F[Soc(t-1)]|
Figure BDA0003756413920000212
其中，Nlife(.)为电池的循环次数与放电深度DOD关系的拟合函数，Soc(t)为电池在t采样时刻的荷电状态。
需要说明的是，本发明实施例提出的计及储能电池动态损耗的充电站系统储能容量配置方案，具有以下优势：
1、提高储能电池整个寿命周期内的系统经济性分析和充放控制策略的准确性。
2、构建了充电站系统容量配置的混合整数线性规划模型，可同时对储能系统的容量和功率做优化，实施方法更高效、便捷，提高了充电站的整体经济效益。
3、将充电站系统容量配置整个复杂的混合整数非线性规划问题通过线性化方法转化为混合整数线性问题，从而可以利用成熟的MILP求解器进行求解，大大简化了充电站系统容量配置问题的求解难度，提高了模型求解的效率和可靠度。
此外，本发明实施例还提出一种充电站系统配置装置，所述充电站系统包括光伏发电系统和储能系统，参照图3，所述充电站系统配置装置包括：
第一获取模块10，用于获取所述充电站系统的规划参数；
第二获取模块20，用于获取各采样时刻的预计负荷功率和预计光照强度；
求解模块30，用于根据所述规划参数、所述预计负荷功率和所述预计光照强度，求解使得所述充电站系统的系统配置目标满足预设约束条件的所述充电站系统的目标配置方案，所述目标配置方案包括所述光伏发电系统的目标光伏容量以及所述储能系统的目标额定容量和目标额定功率；
其中，所述预设约束条件至少包括所述储能系统的放电功率约束条件和/或充电功率约束条件，所述放电功率约束条件包括由所述储能系统的额定功率和电池放电速率构成的约束条件，所述充电功率约束条件包括由所述储能系统的所述额定功率和电池充电速率构成的约束条件，采样时刻的电池放电速率和/或电池充电速率是基于所述储能系统在采样时刻的实际容量计算得到的，采样时刻的所述实际容量是基于所述储能系统的额定容量和电池容量衰减特性信息计算得到的。
进一步地，所述规划参数包括购电目标参数，所述系统配置目标至少包括所述充电站系统的购电目标，所述预设约束条件还包括所述充电站系统的购电率约束条件，所述购电率约束条件用于约束所述充电站系统的购电率是基于所述预计负荷功率、所述预计光照强度、所述光伏发电系统的光伏容量、所述储能系统的放电功率和各采样时刻的放电情况计算得到的，所述购电目标是基于所述购电目标参数和所述充电站系统的购电率计算的。
进一步地，所述求解模块30还用于：
初始化种群并将初始化的种群作为目标种群，将所述目标种群中的各个个体分别作为目标个体，其中，一个个体包括所述光伏发电系统的一个光伏容量取值、所述储能系统的一个额定容量取值和一个额定功率取值；
求解按照所述目标个体作为配置方案时使得所述充电站系统的所述系统配置目标符合预设目标要求且满足所述预设约束条件的所述储能系统的目标充放电方案，其中，所述目标充放电方案规定所述储能系统在各采样时刻的放电情况和充电情况；
将按照所述目标个体作为配置方案以及所述储能系统按照所述目标充放电方案进行充放电时的所述充电站系统的系统配置目标作为所述目标个体对应的适应度值；
检测是否满足循环迭代的停止条件；
若满足，则从各所述目标个体中选取适应度值最小的个体作为目标配置方案；
若不满足，则从所述目标种群中选取适应度值满足预设适应度条件的个体作为精英个体，并将通过交叉变异产生的后代个体与所述精英个体组成的种群作为目标种群，返回执行所述将所述目标种群中的各个个体分别作为目标个体的操作。
进一步地，所述系统配置目标还包括所述充电站系统的发电未消纳目标，所述规划参数还包括发电未消纳目标参数，所述预设约束条件还包括发电未消纳率约束条件和所述储能系统的充放电情况约束条件，所述发电未消纳率约束条件用于约束所述充电站系统的发电未消纳率是基于所述预计负荷功率、所述预计光照强度、所述光伏发电系统的光伏容量、所述储能系统的充电功率和各采样时刻的充电情况计算得到的，所述充放电情况约束条件用于约束所述储能系统不能同时处于充电状态和放电状态，所述发电未消纳目标是基于所述发电未消纳目标参数和所述发电未消纳率计算得到的。
进一步地，所述购电率约束条件为：
Figure BDA0003756413920000231
所述发电未消纳率约束条件为：
Figure BDA0003756413920000241
所述充放电情况约束条件为：
xt+yt≤1
其中，LOPE表示购电率，N表示采样数量，tl和ts表示采样时刻，Pload(t)表示负荷功率，PESS(t)表示储能系统的充电或放电功率，PRE(t)表示光伏发电站的发电功率，xt为表示放电情况的变量，yt为表示充电情况的变量；
进一步地，所述求解模块30还用于：
将非线性的所述充放电情况约束条件转换为线性的约束条件后，采用混合整数线性规划模型的求解算法进行求解，得到按照所述目标个体作为配置方案时使得所述充电站系统的所述系统配置目标符合预设目标要求且满足所述预设约束条件的所述储能系统的目标充放电方案。
进一步地，所述求解模块30还用于将非线性的所述充放电情况约束条件转换为如下的线性约束条件：
m＝xt·PESS(tl)；
m≥xt·PESS(tl)min；
m≤xt·PESS(tl)max；
m≥PESS(tl)-(1-xt)·PESS(tl)max；
m≤PESS(tl)-(1-xt)·PESS(tl)min；
n＝yt·PRE(ts)；
n≥yt·PRE(ts)min；
n≤yt·PRE(ts)max；
n≥PRE(ts)-(1-yt)·PRE(ts)max；
n≤PRE(ts)-(1-yt)·PRE(ts)min。
进一步地，所述系统配置目标还包括所述储能系统的建设维护目标，所述规划参数还包括所述充电站系统的计划服务年限以及还包括所述储能系统的更换次数、储能容量的购置系数、单位功率的购置系数、储能变流器的单元系数和单位功率的维护系数，所述建设维护目标包括容量维护目标和功率维护目标，所述容量维护目标是基于所述更换次数、所述储能容量的购置系数和所述储能系统的额定容量计算的，所述功率维护目标是基于所述更换次数、所述单位功率的购置系数、所述储能变流器的单元系数、所述单位功率的维护系数、所述计划服务年限和所述储能系统的额定功率计算的。
进一步地，所述充电站系统配置装置还包括：
第三获取模块，用于获取所述储能系统的电池在各个阶段的容量衰减系数作为所述电池容量衰减特性信息，以用于在计算采样时刻的所述实际容量时，通过确定在当前采样时刻所述电池所处的阶段所对应的目标容量衰减系数，根据所述目标容量衰减系数、所述电池当前的寿命损耗程度和所述电池在上一采样时刻的容量衰减程度计算得到所述电池在当前采样时刻的容量衰减程度，并根据所述电池在当前采样时刻的容量衰减程度和所述储能系统的额定容量计算得到所述电池在当前采样时刻的所述实际容量。
进一步地，在计算采样时刻的所述实际容量时，当在当前采样时刻所述电池所处的阶段与上一采样时刻所述电池所处的阶段不同时，通过获取在当前采样时刻所述电池所处阶段对应的初始平均容量衰减程度作为所述电池在上一采样时刻的容量衰减程度，以用于计算当前采样时刻的所述实际容量；
当在当前采样时刻所述电池为新电池时，将预设的新电池容量衰减程度作为所述电池在上一采样时刻的容量衰减程度，以用于计算当前采样时刻的所述实际容量。
进一步地，在计算采样时刻的所述实际容量时，当计算得到的当前采样时刻的容量衰减程度小于预设阈值时，确定下一采样时刻将所述电池更换为新电池。
本发明充电站系统配置装置的具体实施方式的拓展内容与上述充电站系统配置方法各实施例基本相同，在此不做赘述。
此外，本发明实施例还提出一种计算机可读存储介质，所述存储介质上存储有充电站系统配置程序，所述充电站系统配置程序被处理器执行时实现如下所述的充电站系统配置方法的步骤。
本发明充电站系统配置设备和计算机可读存储介质各实施例，均可参照本发明充电站系统配置方法各个实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (12)

1.一种充电站系统配置方法，其特征在于，所述充电站系统包括光伏发电系统和储能系统，所述充电站系统配置方法包括以下步骤：
获取所述充电站系统的规划参数；
获取各采样时刻的预计负荷功率和预计光照强度；
根据所述规划参数、所述预计负荷功率和所述预计光照强度，求解使得所述充电站系统的系统配置目标满足预设约束条件的所述充电站系统的目标配置方案，所述目标配置方案包括所述光伏发电系统的目标光伏容量以及所述储能系统的目标额定容量和目标额定功率；
其中，所述预设约束条件至少包括所述储能系统的放电功率约束条件和/或充电功率约束条件，所述放电功率约束条件包括由所述储能系统的额定功率和电池放电速率构成的约束条件，所述充电功率约束条件包括由所述储能系统的所述额定功率和电池充电速率构成的约束条件，采样时刻的电池放电速率和/或电池充电速率是基于所述储能系统在采样时刻的实际容量计算得到的，采样时刻的所述实际容量是基于所述储能系统的额定容量和电池容量衰减特性信息计算得到的。
2.如权利要求1所述的充电站系统配置方法，其特征在于，所述规划参数包括购电目标参数，所述系统配置目标至少包括所述充电站系统的购电目标，所述预设约束条件还包括所述充电站系统的购电率约束条件，所述购电率约束条件用于约束所述充电站系统的购电率是基于所述预计负荷功率、所述预计光照强度、所述光伏发电系统的光伏容量、所述储能系统的放电功率和各采样时刻的放电情况计算得到的，所述购电目标是基于所述购电目标参数和所述充电站系统的购电率计算的。
3.如权利要求2所述的充电站系统配置方法，其特征在于，所述求解使得所述充电站系统的系统配置目标满足预设约束条件的所述充电站系统的目标配置方案的步骤包括：
初始化种群并将初始化的种群作为目标种群，将所述目标种群中的各个个体分别作为目标个体，其中，一个个体包括所述光伏发电系统的一个光伏容量取值、所述储能系统的一个额定容量取值和一个额定功率取值；
求解按照所述目标个体作为配置方案时使得所述充电站系统的所述系统配置目标符合预设目标要求且满足所述预设约束条件的所述储能系统的目标充放电方案，其中，所述目标充放电方案规定所述储能系统在各采样时刻的放电情况和充电情况；
将按照所述目标个体作为配置方案以及所述储能系统按照所述目标充放电方案进行充放电时的所述充电站系统的系统配置目标作为所述目标个体对应的适应度值；
检测是否满足循环迭代的停止条件；
若满足，则从各所述目标个体中选取适应度值最小的个体作为目标配置方案；
若不满足，则从所述目标种群中选取适应度值满足预设适应度条件的个体作为精英个体，并将通过交叉变异产生的后代个体与所述精英个体组成的种群作为目标种群，返回执行所述将所述目标种群中的各个个体分别作为目标个体的步骤。
4.如权利要求3所述的充电站系统配置方法，其特征在于，所述系统配置目标还包括所述充电站系统的发电未消纳目标，所述规划参数还包括发电未消纳目标参数，所述预设约束条件还包括发电未消纳率约束条件和所述储能系统的充放电情况约束条件，所述发电未消纳率约束条件用于约束所述充电站系统的发电未消纳率是基于所述预计负荷功率、所述预计光照强度、所述光伏发电系统的光伏容量、所述储能系统的充电功率和各采样时刻的充电情况计算得到的，所述充放电情况约束条件用于约束所述储能系统不能同时处于充电状态和放电状态，所述发电未消纳目标是基于所述发电未消纳目标参数和所述发电未消纳率计算得到的。
5.如权利要求4所述的充电站系统配置方法，其特征在于，所述求解按照所述目标个体作为配置方案时使得所述充电站系统的所述系统配置目标符合预设目标要求且满足所述预设约束条件的所述储能系统的目标充放电方案的步骤包括：
将非线性的所述充放电情况约束条件转换为线性的约束条件后，采用混合整数线性规划模型的求解算法进行求解，得到按照所述目标个体作为配置方案时使得所述充电站系统的所述系统配置目标符合预设目标要求且满足所述预设约束条件的所述储能系统的目标充放电方案。
6.如权利要求1所述的充电站系统配置方法，其特征在于，所述系统配置目标还包括所述储能系统的建设维护目标，所述规划参数还包括所述充电站系统的计划服务年限以及还包括所述储能系统的更换次数、储能容量的购置系数、单位功率的购置系数、储能变流器的单元系数和单位功率的维护系数，所述建设维护目标包括容量维护目标和功率维护目标，所述容量维护目标是基于所述更换次数、所述储能容量的购置系数和所述储能系统的额定容量计算的，所述功率维护目标是基于所述更换次数、所述单位功率的购置系数、所述储能变流器的单元系数、所述单位功率的维护系数、所述计划服务年限和所述储能系统的额定功率计算的。
7.如权利要求1至6中任一项所述的充电站系统配置方法，其特征在于，所述充电站系统配置方法还包括：
获取所述储能系统的电池在各个阶段的容量衰减系数作为所述电池容量衰减特性信息，以用于在计算采样时刻的所述实际容量时，通过确定在当前采样时刻所述电池所处的阶段所对应的目标容量衰减系数，根据所述目标容量衰减系数、所述电池当前的寿命损耗程度和所述电池在上一采样时刻的容量衰减程度计算得到所述电池在当前采样时刻的容量衰减程度，并根据所述电池在当前采样时刻的容量衰减程度和所述储能系统的额定容量计算得到所述电池在当前采样时刻的所述实际容量。
8.如权利要求7所述的充电站系统配置方法，其特征在于，在计算采样时刻的所述实际容量时，当在当前采样时刻所述电池所处的阶段与上一采样时刻所述电池所处的阶段不同时，通过获取在当前采样时刻所述电池所处阶段对应的初始平均容量衰减程度作为所述电池在上一采样时刻的容量衰减程度，以用于计算当前采样时刻的所述实际容量；
当在当前采样时刻所述电池为新电池时，将预设的新电池容量衰减程度作为所述电池在上一采样时刻的容量衰减程度，以用于计算当前采样时刻的所述实际容量。
9.如权利要求8所述的充电站系统配置方法，其特征在于，在计算采样时刻的所述实际容量时，当计算得到的当前采样时刻的容量衰减程度小于预设阈值时，确定下一采样时刻将所述电池更换为新电池。
10.一种充电站系统配置装置，其特征在于，所述充电站系统包括光伏发电系统和储能系统，所述充电站系统配置装置包括：
第一获取模块，用于获取所述充电站系统的规划参数；
第二获取模块，用于获取各采样时刻的预计负荷功率和预计光照强度；
求解模块，用于根据所述规划参数、所述预计负荷功率和所述预计光照强度，求解使得所述充电站系统的系统配置目标满足预设约束条件的所述充电站系统的目标配置方案，所述目标配置方案包括所述光伏发电系统的目标光伏容量以及所述储能系统的目标额定容量和目标额定功率；
其中，所述预设约束条件至少包括所述储能系统的放电功率约束条件和/或充电功率约束条件，所述放电功率约束条件包括由所述储能系统的额定功率和电池放电速率构成的约束条件，所述充电功率约束条件包括由所述储能系统的所述额定功率和电池充电速率构成的约束条件，采样时刻的电池放电速率和/或电池充电速率是基于所述储能系统在采样时刻的实际容量计算得到的，采样时刻的所述实际容量是基于所述储能系统的额定容量和电池容量衰减特性信息计算得到的。
11.一种充电站系统配置设备，其特征在于，所述充电站系统配置设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的充电站系统配置程序，所述充电站系统配置程序被所述处理器执行时实现如权利要求1至9中任一项所述的充电站系统配置方法的步骤。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有充电站系统配置程序，所述充电站系统配置程序被处理器执行时实现如权利要求1至9中任一项所述的充电站系统配置方法的步骤。
CN202210862138.7A 2022-07-20 2022-07-20 充电站系统配置方法、装置、设备及计算机可读存储介质 Pending CN115081743A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210862138.7A CN115081743A (zh) 2022-07-20 2022-07-20 充电站系统配置方法、装置、设备及计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210862138.7A CN115081743A (zh) 2022-07-20 2022-07-20 充电站系统配置方法、装置、设备及计算机可读存储介质

Publications (1)

Publication Number Publication Date
CN115081743A true CN115081743A (zh) 2022-09-20

Family

ID=83243899

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210862138.7A Pending CN115081743A (zh) 2022-07-20 2022-07-20 充电站系统配置方法、装置、设备及计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN115081743A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116345447A (zh) * 2023-04-12 2023-06-27 刘泓利 发电电能输送损耗评估系统
CN117040091A (zh) * 2023-10-10 2023-11-10 国网天津市电力公司营销服务中心 光伏发电与电动汽车充电站联动系统、方法及装置
CN117335532A (zh) * 2023-11-27 2024-01-02 天合光能股份有限公司 光伏跟踪器的蓄电池容量配置方法和装置
CN117584792A (zh) * 2023-11-13 2024-02-23 华中科技大学 一种电动汽车充电站充电功率在线预测方法及系统

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116345447A (zh) * 2023-04-12 2023-06-27 刘泓利 发电电能输送损耗评估系统
CN116345447B (zh) * 2023-04-12 2023-10-13 山东奥德智慧新能源有限公司 发电电能输送损耗评估系统
CN117040091A (zh) * 2023-10-10 2023-11-10 国网天津市电力公司营销服务中心 光伏发电与电动汽车充电站联动系统、方法及装置
CN117040091B (zh) * 2023-10-10 2023-12-29 国网天津市电力公司营销服务中心 光伏发电与电动汽车充电站联动系统、方法及装置
CN117584792A (zh) * 2023-11-13 2024-02-23 华中科技大学 一种电动汽车充电站充电功率在线预测方法及系统
CN117335532A (zh) * 2023-11-27 2024-01-02 天合光能股份有限公司 光伏跟踪器的蓄电池容量配置方法和装置
CN117335532B (zh) * 2023-11-27 2024-04-05 天合光能股份有限公司 光伏跟踪器的蓄电池容量配置方法和装置

Similar Documents

Publication Publication Date Title
CN115081743A (zh) 充电站系统配置方法、装置、设备及计算机可读存储介质
Liu et al. Optimal sizing of a wind-energy storage system considering battery life
Wang et al. Distributed control for large-scale plug-in electric vehicle charging with a consensus algorithm
CN117040028B (zh) 一种工商业园区光储充微电网的控制策略优化方法及系统
James et al. Optimal V2G scheduling of electric vehicles and unit commitment using chemical reaction optimization
CN110658460B (zh) 一种电池包的电池寿命预测方法及装置
EP4167417A1 (en) Device power supply method, system, and related device
CN114725971B (zh) 一种基于混合储能系统的运行决策方法及系统
CN112001598A (zh) 基于储能选型的不同用户储能配置评估与运行优化方法
Yi et al. A data-driven framework for residential electric vehicle charging load profile generation
CN113964853A (zh) 一种5g宏基站群优化调度方法、装置、介质及终端设备
CN112953007A (zh) 配电网调度方法、装置及系统、处理器、电子设备
CN111833205A (zh) 一种大数据场景下的移动充电桩群体智能调度方法
Yao et al. Simulation-based optimization framework for economic operations of autonomous electric taxicab considering battery aging
CN114629148A (zh) 一种含电动汽车资源的电力系统调度框架方法及其系统
CN112510690B (zh) 考虑风火储联合和需求响应奖惩的优化调度方法及系统
CN117791625A (zh) 电动汽车有序充放电规划方法、设备及介质
CN117057547A (zh) 智慧能源服务平台多形态负荷资源调度模型构建方法、装置、存储介质
KR101581684B1 (ko) 에너지 저장장치의 방전심도 제어를 통한 충방전 스케줄링 장치 및 방법
Elis Second Life Applications for Degraded EV Batteries: Evaluating Benefits Basedon Remaining Useful Life and Battery Configurations
CN118508480B (zh) 一种储能电池模组数字孪生系统
CN118432087B (zh) 基于光储充系统的配电网负荷曲线建模及预警方法
CN116646925A (zh) 一种多站融合光储容量配置方法及系统
Gangwar et al. Planning and dispatch of battery energy storage in microgrid for cycle-life improvement
CN110474355B (zh) 一种用于优化可移动储能式充电装置容量配置的方法及系统

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