CN115207952A - 用于光储系统的电力调度方法及其装置 - Google Patents

用于光储系统的电力调度方法及其装置 Download PDF

Info

Publication number
CN115207952A
CN115207952A CN202210665199.4A CN202210665199A CN115207952A CN 115207952 A CN115207952 A CN 115207952A CN 202210665199 A CN202210665199 A CN 202210665199A CN 115207952 A CN115207952 A CN 115207952A
Authority
CN
China
Prior art keywords
power
charge
time period
battery
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
CN202210665199.4A
Other languages
English (en)
Inventor
江思伟
司修利
黄乐
丁昊
顾强
董嵘
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.)
Nantong Wotai New Energy Co ltd
Original Assignee
Nantong Wotai New Energy 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 Nantong Wotai New Energy Co ltd filed Critical Nantong Wotai New Energy Co ltd
Priority to CN202210665199.4A priority Critical patent/CN115207952A/zh
Publication of CN115207952A publication Critical patent/CN115207952A/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks
    • 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
    • H02J2300/20—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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

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

Abstract

本发明公开了一种用于光储系统的电力调度方法及其装置，该电力调度方法包括以下步骤：未来连续的N个时间段中的用电数据，创建优化模型对所述优化模型进行优化处理，使得在用户花费最小时，得到储能电池在每个时间段中的剩余电量，然后在基于剩余电量，对该光储系统进行调度。从而能够极大的降低用户的费用。

Description

用于光储系统的电力调度方法及其装置
技术领域
本发明涉及光储能技术领域，尤其涉及用于光储系统的电力调度方法及其装置。
背景技术
近年来，全球范围内大规模开发利用传统化石能源，导致环境污染、气候变化等问题日 益突出。因此，需要大力开发新能源以确保能源的可持续发展。太阳能是最清洁、安全、可 靠的新能源，目前正在对其进行积极研究、开发利用及应用推广。
光伏装置是一种新型发电系统，其利用太阳电池半导体材料的光伏效应，将太阳光辐射 能直接转换为电能。为了更加有效地应用光伏发电的电能，在实际中，用户通常会建立一个 光储系统，如图1所示，通常包括：电网接口1、光伏装置2、储能电池3和用电设备4， 所述电网接口1用于电连接电网。在使用时，当用电设备4需要使用电能时，该电能可以从 电网中获取，从光伏装置2中获取或者从储能电池3中获取；该储能电池3作为一个储能装 置，可以从电网和光伏装置2中获取电能并存储，此外，还可以将所存储的电能提供给用电 设备4和馈电给电网；所述光伏装置2用于将光能转换成电能，且能够将电能提供给储能电 池3用于存储，提供给用电设备4使用或者向电网馈电；该光储系统能够从电网中购电，所 购的电可以提供给用电设备4，也可以供储能电池3存储。
在实际中，不同的时间段，从电网购电的价格是不一样的；不同的时间段，向电网馈电 的价格是不一样的；在同一个时间段，从电网购电的价格与向电网馈电的价格是不一样的； 其中，馈电可以为该光储系统的用户获取收益；当储能系统从电网中购电时，需要向电网公 司缴费。因此，就需要进行电力调度，从而能够达到最小化用户费用的目的。
发明内容
有鉴于此，本发明的主要目的在于提供用于光储系统的电力调度方法及其装置。
为达到上述目的，本发明的技术方案是这样实现的：一种用于光储系统的电力调度方法， 所述光储系统包括：电网接口、光伏装置、储能电池和用电设备，所述电网接口用于电连接 电网，所述光储系统能够通过所述电网接口从电网中购电，以及向电网馈电；所述光伏装置 用于将光能转换成电能，且能够将电能输出到所述光储系统中；所述储能电池能从所述光储 系统中接收电能并存储，还能够将所存储的电能输出到所述光储系统中；所述用电设备能够 从所述光储系统中接收并消耗电能；包括以下步骤：
未来连续的第1时间段、第2时间段、...、第N时间段中的用电数据grid[i]、price_buy[i]、 price_sell[i]和dis_charge[i]，其中，grid[i]为第i时间段中从电网购电量的总和，price_buy[i]为 第i时间段中从电网中购电的价格，price_sell[i]为第i时间段中馈电给电网的价格， dis_charge[i]为第i时间段中的储能电池输出到所述光储系统的总电量；其中，i和N均为自 然数，N≥2，i＝1，2，3，...，N；
创建优化模型
Figure BDA0003691376270000021
限制条件为： 1、battery_power[1]＝capacity*current_charge，其中，current_charge是储能电池的初始 状态，0≤current_charge≤100％；capacity为储能电池的容量；2、grid[i]-(charge[i]+ dis_charge[i])＞＝load_forecast[i]-pv_forecast[i]，其中，load_forecast[i]为第i时间段中 的光伏装置所输出的电量的预测值，pv_forecast[i]为第i时间段中的用电设备的负荷的预测值； 3、 battery_power[i]+charge[i]*charging_efficiency+dis_charge[i]/discharging_efficiency＝ battery_power[i+1]，其中，battery_charging_efficiency为充电时储能电池的效率， battery_discharing_efficiecny为储能电池的放电效率；4、charge[i]＜＝charging_power_limit* 第i时间段的时间长度，charging_power_limit为储能电池的充电功率限制值；5、 dis_charge[i]＞＝discharging_power_limit，其中，discharging_power_limit为储能电池的放 电功率限制值*第i时间段的时间长度；对所述优化模型进行优化处理，使得在Z最小时，得 到battery_power[1]，battery_power[2]，...，battery_power[N]，其中，battery_power[i]为 第i时间段结束时，储能电池的电量；
在未来的第i时间段，如果state_of_charge＞current_charge，则对储能电池进行存储电 能的操作；如果state_of_charge＝currentcharge，则对储能电池既不存储电能也不输出电能； 其中，state_of_charge＝battery_power[i]/capicty。
作为本发明实施例的一种改进，第1时间段、第2时间段、...、第N时间段的长度均为 15分钟，N＝96。
作为本发明实施例的一种改进，battery_charging_efficiency＝0.95。
作为本发明实施例的一种改进，battery_discharing_efficiecny＝0.95。
作为本发明实施例的一种改进，所述“对所述优化模型进行优化处理”具体包括：使用 运筹算法，对所述优化模型进行优化处理。
本发明实施例还提供了一种用于光储系统的电力调度装置，所述光储系统包括：电网接 口、光伏装置、储能电池和用电设备，所述电网接口用于电连接电网，所述光储系统能够通 过所述电网接口从电网中购电，以及向电网馈电；所述光伏装置用于将光能转换成电能，且 能够将电能输出到所述光储系统中；所述储能电池能从所述光储系统中接收电能并存储，还 能够将所存储的电能输出到所述光储系统中；所述用电设备能够从所述光储系统中接收并消 耗电能；包括以下模块：
信息获取模块，用于未来连续的第1时间段、第2时间段、...、第N时间段中的用电数 据grid[i]、price_buy[i]、price_sell[i]和dis_charge[i]，其中，grid[i]为第i时间段中从电网购 电量的总和，price_buy[i]为第i时间段中从电网中购电的价格，price_sell[i]为第i时间段中 馈电给电网的价格，dis_charge[i]为第i时间段中的储能电池输出到所述光储系统的总电量； 其中，i和N均为自然数，N≥2，i＝1，2，3，...，N；
模型优化模块，用于创建优化模型
Figure RE-GDA0003814904380000031
Figure RE-GDA0003814904380000032
限制条件为：1、battery_power[1]＝capacity*current_charge，其中，current_charge是储能电池的初始状态，0≤current_charge≤100％；capacity为储能电池的 容量；2、grid[i]-(charge[i]+dis_charge[i])＞＝load_forecast[i]-pv_forecast[i]，其中， load_forecast[i]为第i时间段中的光伏装置所输出的电量的预测值，pv_forecast[i]为第i时间段 中的用电设备的负荷的预测值；3、battery_power[i]+charge[i]*charging_efficiency+ dis_charge[i]/discharging_efficiency＝battery_power[i+1]，其中， battery_charging_efficiency为充电时储能电池的效率，battery_discharing_efficiecny为储能电 池的放电效率；4、charge[i]＜＝charging_power_limit*第i时间段的时间长度， charging_power_limit为储能电池的充电功率限制值；5、dis_charge[i]＞＝discharging_power_limit，其中，discharging_power_limit为储能电池的放 电功率限制值*第i时间段的时间长度；对所述优化模型进行优化处理，使得在Z最小时，得 到battery_power[1]，battery_power[2]，...，battery_power[N]，其中，battery_power[i]为 第i时间段结束时，储能电池的电量；
执行模块，用于在未来的第i时间段，如果state_of_charge＞current_charge，则对储能 电池进行存储电能的操作；如果state_of_charge＝current_charge，则对储能电池既不存储电 能也不输出电能；其中，state_of_charge＝battery_power[i]/capicty。
作为本发明实施例的一种改进，第1时间段、第2时间段、...、第N时间段的长度均为 15分钟，N＝96。
作为本发明实施例的一种改进，battery_charging_efficiency＝0.95。
作为本发明实施例的一种改进，battery_discharing_efficiecny＝0.95。
作为本发明实施例的一种改进，所述模型优化模块还用于：使用运筹算法，对所述优化 模型进行优化处理。
本发明实施例所提供的用于光储系统的电力调度方法及其装置具有以下优点：本发明实 施例公开了一种用于光储系统的电力调度方法及其装置，该电力调度方法包括以下步骤：未 来连续的N个时间段中的用电数据，创建优化模型对所述优化模型进行优化处理，使得在用 户花费最小时，得到储能电池在每个时间段中的剩余电量，然后在基于剩余电量，对该光储 系统进行调度。从而能够极大的降低用户的费用。
附图说明
图1为本发明实施例提供的光储系统的结构图；
图2为本发明实施例提供的电力调度方法的流程示意图；
图3为本发明实施例提供的电力调度装置的结构图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于 限定本发明的范围。
本发明实施例一提供了一种用于光储系统的电力调度方法，如图2所示，所述光储系统 包括：电网接口1、光伏装置2、储能电池3和用电设备4，所述电网接口1用于电连接电网，所述光储系统能够通过所述电网接口1从电网中购电，以及向电网馈电；所述光伏装置2用于将光能转换成电能，且能够将电能输出到所述光储系统中；所述储能电池3能从所述光储系统中接收电能并存储，还能够将所存储的电能输出到所述光储系统中；所述用电设备 4能够从所述光储系统中接收并消耗电能；这里，该电网接口1用于电连接电网，可以理解 的是，该光储系统的电压等可能与电网不一致，因此，在该光储系统中可能会设置有变压器 等；且该光储系统通常为交流电系统，而储能电池3通常是直流电系统，因此，还需要设置 有直流-交流转换设备等。
步骤201：未来连续的第1时间段、第2时间段、...、第N时间段中的用电数据grid[i]、 price_buy[i]、price_sell[i]和dis_charge[i]，其中，grid[i]为第i时间段中从电网购电量的总和， price_buy[i]为第i时间段中从电网中购电的价格，price_sell[i]为第i时间段中馈电给电网的 价格，dis_charge[i]为第i时间段中的储能电池3输出到所述光储系统的总电量；其中，i和 N均为自然数，N≥2，i＝1，2，3，...，N；这里，这N个时间段是相互连续的，即第1时 间段的结束时间是第2时间段的开始时间，第2时间段的结束时间是第3时间段的开始时 间，...，第N-1时间段的结束时间是第N时间段的开始时间。每个时间段的长度可以相同， 也可以不相同。
步骤202：创建优化模型
Figure BDA0003691376270000051
限制条件为：1、battery_power[1]＝capacity*current_charge，其中，current_charge是储 能电池3的初始状态，0≤current_charge≤100％；capacity为储能电池3的容量；2、grid[i]-(charge[i]+dis_charge[i])＞＝load_forecast[i]-pv_forecast[i]，其中，load_forecast[i]为第i时间段中的光伏装置2所输出的电量的预测值，pv_forecast[i]为第i时间 段中的用电设备4的负荷的预测值；3、battery_power[i]+charge[i]*charging_efficiency+ dis_charge[i]/discharging_efficiency＝battery_power[i+1]，其中，battery_charging_efficiency为充电时储能电池3的效率，battery_discharing_efficiecny为储能 电池3的放电效率；4、charge[i]＜＝charging_power_limit*第i时间段的时间长度， charging_power_limit为储能电池3的充电功率限制值；5、 dis_charge[i]＞＝discharging_power_limit，其中，discharging_power_limit为储能电池3 的放电功率限制值*第i时间段的时间长度；对所述优化模型进行优化处理，使得在Z最小时， 得到battery_power[1]，battery_power[2]，...，battery_power[N]，其中，battery_power[i]为 第i时间段结束时，储能电池3的电量；
这里，current_charge是储能电池3的初始状态，即在初始状态下，该储能电池3电量 与总容量的比值，0≤current_charge≤100％；capacity为储能电池3的容量，即该储能电 池3最多能存储的电量；load_forecast[i]为第i时间段中的光伏装置2所输出的电量的预测值， 可以根据天气预报预先获得该光储系统在第i时间段中的天气状况，在进行预测；pv_forecast[i]为第i时间段中的用电设备4的负荷的预测值，可以从历史中，找到与第i时间 段相似的历史时间段，从而可以历史时间段的用电设备4的负荷来作为该预测值。
步骤203：在未来的第i时间段，如果state_of_charge＞current_charge，则对储能电池3 进行存储电能的操作；如果state_of_charge＝current_charge，则对储能电池3既不存储电能 也不输出电能；其中，state_of_charge＝battery_power[i]/capicty。这里，如果 state_of_charge＞current_charge，则表示当前储能电池3的电量不够多，则需要向该储能电 池3中充电了；如果state_of_charge＝current_charge，则表示当前储能电池3的电量足够多， 则不需要向该储能电池3中充电了。
本实施例中，第1时间段、第2时间段、...、第N时间段的长度均为15分钟，N＝96。
本实施例中，battery_charging_efficiency＝0.95。
本实施例中，battery_discharing_efficiecny＝0.95。
本实施例中，所述“对所述优化模型进行优化处理”具体包括：使用运筹算法，对所述 优化模型进行优化处理。
这里，该运筹算法可以包括：约束规划、线性与混合整数规划等。
其中，线性规划(Linear programming，简称LP)的步骤包括：(1)列出约束条件及目标函数；(2)画出约束条件所表示的可行域；(3)在可行域内求目标函数的最优解及最 优值。
本发明实施例二提供了一种用于光储系统的电力调度装置，所述光储系统包括：电网接 口1、光伏装置2、储能电池3和用电设备4，所述电网接口1用于电连接电网，所述光储 系统能够通过所述电网接口1从电网中购电，以及向电网馈电；所述光伏装置2用于将光能 转换成电能，且能够将电能输出到所述光储系统中；所述储能电池3能从所述光储系统中接 收电能并存储，还能够将所存储的电能输出到所述光储系统中；所述用电设备4能够从所述 光储系统中接收并消耗电能；包括以下模块：
信息获取模块，用于未来连续的第1时间段、第2时间段、...、第N时间段中的用电数 据grid[i]、price_buy[i]、price_sell[i]和dis_charge[i]，其中，grid[i]为第i时间段中从电网购 电量的总和，price_buy[i]为第i时间段中从电网中购电的价格，price_sell[i]为第i时间段中 馈电给电网的价格，dis_charge[i]为第i时间段中的储能电池3输出到所述光储系统的总电 量；其中，i和N均为自然数，N≥2，i＝1，2，3，...，N；
模型优化模块，用于创建优化模型
Figure BDA0003691376270000061
Figure BDA0003691376270000062
限制条件为：1、battery_power[1]＝capacity*current_charge，其中，current_charge是储能电池3的初始状态，0≤current_charge≤100％；capacity为储能电池 3的容量；2、grid[i]-(charge[i]+dis_charge[i])＞＝load_forecast[i]-pv_forecast[i]，其 中，load_forecast[i]为第i时间段中的光伏装置2所输出的电量的预测值，pv_forecast[i]为第i时 间段中的用电设备4的负荷的预测值；3、battery_power[i]+charge[i]*charging_efficiency+ dis_charge[i]/discharging_efficiency＝battery_power[i+1]，其中， battery_charging_efficiency为充电时储能电池3的效率，battery_discharing_efficiecny为储能 电池3的放电效率；4、charge[i]＜＝charging_power_limit*第i时间段的时间长度， charging_power_limit为储能电池3的充电功率限制值；5、dis_charge[i]＞＝discharging_power_limit，其中，discharging_power_limit为储能电池3 的放电功率限制值*第i时间段的时间长度；对所述优化模型进行优化处理，使得在Z最小时， 得到battery_power[1]，battery_power[2]，...，battery_power[N]，其中，battery_power[i]为 第i时间段结束时，储能电池3的电量；
执行模块，用于在未来的第i时间段，如果state_of_charge＞current_charge，则对储能 电池3进行存储电能的操作；如果state_of_charge＝current_charge，则对储能电池3既不存 储电能也不输出电能；其中，state_of_charge＝battery_power[i]/capicty。
本实施例中，第1时间段、第2时间段、...、第N时间段的长度均为15分钟，N＝96。
本实施例中，battery_charging_efficiency＝0.95。
本实施例中，battery_discharing_efficiecny＝0.95。
本实施例中，所述模型优化模块还用于：使用运筹算法，对所述优化模型进行优化处理。
图3为本发明实施例提供的一种电力调度装置的示意图。应用于某一电子设备的结构示 意图，图3所示的电子设备700包括：至少一个处理器701、存储器702、至少一个网络接 口704和其他用户接口703。电子设备700中的各个组件通过总线系统705耦合在一起。可理解，总线系统705用于实现这些组件之间的连接通信。总线系统705除包括数据总线 之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图3中将各 种总线都标为总线系统705。
其中，用户接口703可以包括显示器、键盘或者点击设备(例如，鼠标，轨迹球(trackball)、 触感板或者触摸屏等。
可以理解，本发明实施例中的存储器702可以是易失性存储器或非易失性存储器，或可 包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable ROM，PROM)、可擦除可编程只读 存储器(Erasable PROM，EPROM)、电可擦除可编程只读存储器(Electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(Random Access Memory，RAM)，其用作 外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取 存储器(Static RAM，SRAM)、动态随机存取存储器(Dynamic RAM，DRAM)、同步动态 随机存取存储器(Synchronous DRAM，SDRAM)、双倍数据速率同步动态随机存取存储器 (Double DataRate SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(Synch link DRAM，SLDRAM)和直接 内存总线随机存取存储器(Direct Rambus RAM，DRRAM)。本文描述的存储器702旨在包 括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中，存储器702存储了如下的元素，可执行单元或者数据结构，或者他 们的子集，或者他们的扩展集：操作系统7021和应用程序7022。
其中，操作系统7021，包含各种系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务。应用程序7022，包含各种应用程序，例如媒体播放器(Media Player)、浏览器(Browser)等，用于实现各种应用业务。实现本发明实 施例方法的程序可以包含在应用程序7022中。
在本发明实施例中，通过调用存储器702存储的程序或指令，具体的，可以是应用程序 7022中存储的程序或指令，
应用于上位机时，处理器701用于执行各方法实施例所提供的方法步骤，例如包括：
接收传感器和/或PLC发送的目标数据集；
将所述目标数据集发送给服务器；由所述服务器根据所述目标数据集进行相应操作；
所述目标数据集，包括以下至少之一：探测数据、探测数据对应的类型符号、描述采集 探测数据的设备的标志符。
应用于服务器时，处理器701用于执行各方法实施例所提供的方法步骤，例如包括：
接收上位机发送的数据集；
对所述数据集进行分析，根据分析结果针对所述数据集中的数据执行不同的操作；
所述数据集，包括以下至少之一：探测数据、探测数据对应的类型符号、描述采集探测 数据的设备的标志符。
上述本发明实施例揭示的方法可以应用于处理器701中，或者由处理器701实现。处 理器701可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步 骤可以通过处理器701中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器 701可以是通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路 (Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(FieldProgrammable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组 件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以 是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的 步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件单元组合 执行完成。软件单元可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可 擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器702，处理 器701读取存储器702中的信息，结合其硬件完成上述方法的步骤。
可以理解的是，本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组 合来实现。对于硬件实现，处理单元可以实现在一个或多个专用集成电路(ApplicationSpecific Integrated Circuits，ASIC)、数字信号处理器(Digital Signal Processing，DSP)、 数字信号处理设备(DSP Device，DSPD)、可编程逻辑设备(Programmable LogicDevice， PLD)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、通用处理器、控制 器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现，可通过执行本文所述功能的单元来实现本文所述的技术。软件代码可存 储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
本实施例提供的电子设备可以是上述的电子设备，可执行上述优化方法的所有步骤，进 而实现上述优化方法的技术效果，具体请参照上述相关描述，为简洁描述，在此不作赘述。
本发明实施例还提供了一种存储介质(计算机可读存储介质)。这里的存储介质存储有 一个或者多个程序。其中，存储介质可以包括易失性存储器，例如随机存取存储器；存储器 也可以包括非易失性存储器，例如只读存储器、快闪存储器、硬盘或固态硬盘；存储器还可 以包括上述种类的存储器的组合。
当存储介质中一个或者多个程序可被一个或者多个处理器执行，以实现上述在运维监控 装置执行的优化方法。
应用于上位机时，所述处理器用于执行存储器中存储的运维监控程序，以实现以下在上 位机侧执行的优化方法的步骤：
接收传感器和/或可编程逻辑控制器PLC发送的目标数据集；
将所述目标数据集发送给服务器；由所述服务器根据所述目标数据集进行相应操作；
所述目标数据集，包括以下至少之一：探测数据、探测数据对应的类型符号、描述采集 探测数据的设备的标志符。
应用于服务器时，所述处理器用于执行存储器中存储的运维监控程序，以实现以下在服 务器侧执行的优化方法的步骤：
接收上位机发送的数据集；
对所述数据集进行分析，根据分析结果针对所述数据集中的数据执行不同的操作；
所述数据集，包括以下至少之一：探测数据、探测数据对应的类型符号、描述采集探测 数据的设备的标志符。
专业人员应该还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及 算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软 件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能 究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人 员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出 本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执行的软件模 块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、 电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域 内所公知的任意其它形式的存储介质中。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说 明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护 范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本 发明的保护范围之内。

Claims (10)

1.一种用于光储系统的电力调度方法，所述光储系统包括：电网接口(1)、光伏装置(2)、储能电池(3)和用电设备(4)，所述电网接口(1)用于电连接电网，所述光储系统能够通过所述电网接口(1)从电网中购电，以及向电网馈电；所述光伏装置(2)用于将光能转换成电能，且能够将电能输出到所述光储系统中；所述储能电池(3)能从所述光储系统中接收电能并存储，还能够将所存储的电能输出到所述光储系统中；所述用电设备(4)能够从所述光储系统中接收并消耗电能；其特征在于，包括以下步骤：
未来连续的第1时间段、第2时间段、...、第N时间段中的用电数据grid[i]、price_buy[i]、price_sell[i]和dis_charge[i]，其中，grid[i]为第i时间段中从电网购电量的总和，price_buy[i]为第i时间段中从电网中购电的价格，price_sell[i]为第i时间段中馈电给电网的价格，dis_charge[i]为第i时间段中的储能电池(3)输出到所述光储系统的总电量；其中，i和N均为自然数，N≥2，i＝1，2，3，...，N；
创建优化模型
Figure FDA0003691376260000011
限制条件为：1、battery_power[1]＝capacity*current_charge，其中，current_charge是储能电池(3)的初始状态，0≤current_charge≤100％；capacity为储能电池(3)的容量；2、grid[i]–(charge[i]+dis_charge[i])>＝load_forecast[i]-pv_forecast[i]，其中，load_forecast[i]为第i时间段中的光伏装置(2)所输出的电量的预测值，pv_forecast[i]为第i时间段中的用电设备(4)的负荷的预测值；3、battery_power[i]+charge[i]*charging_efficiency+dis_charge[i]/discharging_efficiency＝battery_power[i+1]，其中，battery_charging_efficiency为充电时储能电池(3)的效率，battery_discharing_efficiecny为储能电池(3)的放电效率；4、charge[i]<＝charging_power_limit*第i时间段的时间长度，charging_power_limit为储能电池(3)的充电功率限制值；5、dis_charge[i]>＝discharging_power_limit，其中，discharging_power_limit为储能电池(3)的放电功率限制值*第i时间段的时间长度；对所述优化模型进行优化处理，使得在Z最小时，得到battery_power[1]，battery_power[2]，...，battery_power[N]，其中，battery_power[i]为第i时间段结束时，储能电池(3)的电量；
在未来的第i时间段，如果state_of_charge>current_charge，则对储能电池(3)进行存储电能的操作；如果state_of_charge＝current_charge，则对储能电池(3)既不存储电能也不输出电能；其中，state_of_charge＝battery_power[i]/capicty。
2.根据权利要求1所述的电力调度方法，其特征在于：
第1时间段、第2时间段、...、第N时间段的长度均为15分钟，N＝96。
3.根据权利要求1所述的电力调度方法，其特征在于：
battery_charging_efficiency＝0.95。
4.根据权利要求1所述的电力调度方法，其特征在于：
battery_discharing_efficiecny＝0.95。
5.根据权利要求1所述的电力调度方法，其特征在于，所述“对所述优化模型进行优化处理”具体包括：
使用运筹算法，对所述优化模型进行优化处理。
6.一种用于光储系统的电力调度装置，所述光储系统包括：电网接口(1)、光伏装置(2)、储能电池(3)和用电设备(4)，所述电网接口(1)用于电连接电网，所述光储系统能够通过所述电网接口(1)从电网中购电，以及向电网馈电；所述光伏装置(2)用于将光能转换成电能，且能够将电能输出到所述光储系统中；所述储能电池(3)能从所述光储系统中接收电能并存储，还能够将所存储的电能输出到所述光储系统中；所述用电设备(4)能够从所述光储系统中接收并消耗电能；其特征在于，包括以下模块：
信息获取模块，用于未来连续的第1时间段、第2时间段、...、第N时间段中的用电数据grid[i]、price_buy[i]、price_sell[i]和dis_charge[i]，其中，grid[i]为第i时间段中从电网购电量的总和，price_buy[i]为第i时间段中从电网中购电的价格，price_sell[i]为第i时间段中馈电给电网的价格，dis_charge[i]为第i时间段中的储能电池(3)输出到所述光储系统的总电量；其中，i和N均为自然数，N≥2，i＝1，2，3，...，N；
模型优化模块，用于创建优化模型
Figure FDA0003691376260000021
Figure FDA0003691376260000022
限制条件为：1、battery_power[1]＝capacity*current_charge，其中，current_charge是储能电池(3)的初始状态，0≤current_charge≤100％；capacity为储能电池(3)的容量；2、grid[i]–(charge[i]+dis_charge[i])>＝load_forecast[i]-pv_forecast[i]，其中，load_forecast[i]为第i时间段中的光伏装置(2)所输出的电量的预测值，pv_forecast[i]为第i时间段中的用电设备(4)的负荷的预测值；3、battery_power[i]+charge[i]*charging_efficiency+dis_charge[i]/discharging_efficiency＝battery_power[i+1]，其中，battery_charging_efficiency为充电时储能电池(3)的效率，battery_discharing_efficiecny为储能电池(3)的放电效率；4、charge[i]<＝charging_power_limit*第i时间段的时间长度，charging_power_limit为储能电池(3)的充电功率限制值；5、dis_charge[i]>＝discharging_power_limit，其中，discharging_power_limit为储能电池(3)的放电功率限制值*第i时间段的时间长度；对所述优化模型进行优化处理，使得在Z最小时，得到battery_power[1]，battery_power[2]，...，battery_power[N]，其中，battery_power[i]为第i时间段结束时，储能电池(3)的电量；
执行模块，用于在未来的第i时间段，如果state_of_charge>current_charge，则对储能电池(3)进行存储电能的操作；如果state_of_charge＝current_charge，则对储能电池(3)既不存储电能也不输出电能；其中，state_of_charge＝battery_power[i]/capicty。
7.根据权利要求6所述的电力调度装置，其特征在于：
第1时间段、第2时间段、...、第N时间段的长度均为15分钟，N＝96。
8.根据权利要求6所述的电力调度装置，其特征在于：
battery_charging_efficiency＝0.95。
9.根据权利要求6所述的电力调度装置，其特征在于：
battery_discharing_efficiecny＝0.95。
10.根据权利要求6所述的电力调度装置，其特征在于，所述模型优化模块还用于：
使用运筹算法，对所述优化模型进行优化处理。
CN202210665199.4A 2022-06-13 2022-06-13 用于光储系统的电力调度方法及其装置 Pending CN115207952A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210665199.4A CN115207952A (zh) 2022-06-13 2022-06-13 用于光储系统的电力调度方法及其装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210665199.4A CN115207952A (zh) 2022-06-13 2022-06-13 用于光储系统的电力调度方法及其装置

Publications (1)

Publication Number Publication Date
CN115207952A true CN115207952A (zh) 2022-10-18

Family

ID=83577200

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210665199.4A Pending CN115207952A (zh) 2022-06-13 2022-06-13 用于光储系统的电力调度方法及其装置

Country Status (1)

Country Link
CN (1) CN115207952A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108565902A (zh) * 2018-04-27 2018-09-21 武汉大学 一种基于光储协调优化的户用型能量调度方法
CN112417656A (zh) * 2020-11-10 2021-02-26 苏州沃联新能源有限公司 光储系统的能量调度策略的优化方法、装置和存储介质
CN113158412A (zh) * 2021-02-05 2021-07-23 合肥优尔电子科技有限公司 一种基于布谷鸟算法的光储电站协同优化方法
CN113988444A (zh) * 2021-11-04 2022-01-28 上海岩芯电子科技有限公司 一种光储系统的电费优化控制系统及方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108565902A (zh) * 2018-04-27 2018-09-21 武汉大学 一种基于光储协调优化的户用型能量调度方法
CN112417656A (zh) * 2020-11-10 2021-02-26 苏州沃联新能源有限公司 光储系统的能量调度策略的优化方法、装置和存储介质
CN113158412A (zh) * 2021-02-05 2021-07-23 合肥优尔电子科技有限公司 一种基于布谷鸟算法的光储电站协同优化方法
CN113988444A (zh) * 2021-11-04 2022-01-28 上海岩芯电子科技有限公司 一种光储系统的电费优化控制系统及方法

Similar Documents

Publication Publication Date Title
Lund et al. The role of compressed air energy storage (CAES) in future sustainable energy systems
Abushnaf et al. Impact of energy management system on the sizing of a grid-connected PV/Battery system
Aziz et al. Techno-economic and environmental evaluation of PV/diesel/battery hybrid energy system using improved dispatch strategy
Khan et al. Techno-economic analysis of solar photovoltaic powered electrical energy storage (EES) system
Komiyama et al. Long-term scenario analysis of nuclear energy and variable renewables in Japan's power generation mix considering flexible power resources
Gaete-Morales et al. A novel framework for development and optimisation of future electricity scenarios with high penetration of renewables and storage
CN110783950B (zh) 一种配电网节点光伏最佳配置容量确定方法
Hong et al. The effect of switching renewable energy support systems on grid parity for photovoltaics: Analysis using a learning curve model
Shi et al. A hybrid model of energy scheduling for integrated multi-energy microgrid with hydrogen and heat storage system
CN115169723A (zh) 发电功率预测方法、负荷预测方法及模型训练方法
CN112417656B (zh) 光储系统的能量调度策略的优化方法、装置和存储介质
Eum et al. Economical Analysis of the PV-linked Residential ESS using HOMER in Korea
CN115207952A (zh) 用于光储系统的电力调度方法及其装置
Das et al. Energy storage system operation: Case studies in deterministic and stochastic environments
Sulaiman et al. Performance simulation of the integration of hybrid stand-alone photovoltaic system at Tuba Island
CN104217111A (zh) 数据中心的异构服务器系统及其能源调度方法
WO2017163747A1 (ja) 蓄電システム、充放電制御装置、その制御方法、およびプログラム
CN114123315A (zh) 一种基于需求响应控制的分布式能源系统优化调度方法
CN115049251B (zh) 用于储能系统的电力调度方法及其装置
Jang et al. Short-term resource scheduling for power systems with energy storage systems
Avril et al. Solar energy support in the Asia–Pacific region
Yao et al. Two-Stage Robust Optimal Scheduling of “Nearly-Zero-Carbon Park” Considering the Synergy of Waste Disposal and Carbon Capture Gas-Fired Power Plants
CN113922734B (zh) 一种重塑光伏电站外特性的光储控制器及光储控制方法
D’Alpaos et al. The Value of Investing in Domestic Energy Storage Systems
KR102487859B1 (ko) 전력 변환기를 공유하는 방법 및 장치

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