CN115441488B - 一种电储能优选配置方法 - Google Patents

一种电储能优选配置方法 Download PDF

Info

Publication number
CN115441488B
CN115441488B CN202210993550.2A CN202210993550A CN115441488B CN 115441488 B CN115441488 B CN 115441488B CN 202210993550 A CN202210993550 A CN 202210993550A CN 115441488 B CN115441488 B CN 115441488B
Authority
CN
China
Prior art keywords
energy storage
cycle
charge
charging
upper bound
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.)
Active
Application number
CN202210993550.2A
Other languages
English (en)
Other versions
CN115441488A (zh
Inventor
黄伟
张金
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 Lianyuan Intelligent Technology Co ltd
Original Assignee
Shanghai Lianyuan Intelligent Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Lianyuan Intelligent Technology Co ltd filed Critical Shanghai Lianyuan Intelligent Technology Co ltd
Priority to CN202210993550.2A priority Critical patent/CN115441488B/zh
Publication of CN115441488A publication Critical patent/CN115441488A/zh
Application granted granted Critical
Publication of CN115441488B publication Critical patent/CN115441488B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0631Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Power Engineering (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

本发明公开了一种电储能优选配置方法,包括:获取待优选配置的电储能的负荷数据、微网元素和储能可变成本,确定储能充放电功率上界;储能可变成本与所述微网元素相对应;根据储能充放电功率上界,以及预设循环起始值和预设步长,确定计算储能充放电功率的循环次数;根据循环次数,对待优选配置的电储能的储能容量通过二分法进行循环迭代寻优,得到最优的储能充放电容量有效使用率;根据最优的储能充放电容量有效使用率,完成对待优选配置的电储能的优选配置。该方法可对电储能进行更为精准的优选配置。

Description

一种电储能优选配置方法
技术领域
本发明涉及电力技术领域,特别涉及一种电储能优选配置方法。
背景技术
储能具备同时跨越空间和时间的调控能力,能灵活的实现微网内的新能源消纳、分时套利、降低需量、调峰调频等功能,维护微网运行安全的同时,最大化微网运营收益。
现有储能规划项目的评判标准通常为人为评估的,容易产生偏差,所指导的项目在规划设计、策略指导、运营执行等方面都会带来非常大的挑战。同时也会造成资源和投资的浪费。
因此,在现有电储能规划技术的基础上,如何提出更为专业精准的配置方案,成为本领域技术人员亟需解决的问题。
发明内容
鉴于上述问题,本发明提出了一种至少解决上述部分技术问题的电储能优选配置方法,该方法可对电储能进行更为优化精准的配置。
本发明实施例提供一种电储能优选配置方法,包括:
获取待优选配置的电储能的负荷数据、微网元素和储能可变成本,确定储能充放电功率上界;所述储能可变成本与所述微网元素相对应;所述微网元素指天气数据和电价数据;
根据所述储能充放电功率上界,以及预设循环起始值和预设步长,确定计算储能充放电功率的循环次数;
根据所述循环次数,对所述待优选配置的电储能的储能容量通过二分法进行循环迭代寻优,得到最优的储能充放电容量有效使用率;
根据所述最优的储能充放电容量有效使用率,完成对所述待优选配置的电储能的优选配置。
进一步地,获取待优选配置的电储能的负荷数据、微网元素和储能可变成本,确定储能充放电功率上界,包括:
获取待优选配置的电储能的负荷数据、微网元素和储能可变成本;所述储能可变成本与所述微网元素相对应;
根据所述负荷数据,计算得到储能运行曲线;从所述储能运行曲线中筛选单日负荷曲线;
根据所述单日负荷曲线、微网元素和储能可变成本,确定储能充放电功率上界。
进一步地,根据所述循环次数,对所述待优选配置的电储能的储能容量通过二分法进行循环迭代寻优,得到最优的储能充放电容量有效使用率,包括:
固定单次循环的储能充放电功率;
根据所述单次循环的储能充放电功率,在单次循环中对所述待优选配置的电储能的储能容量通过二分法进行循环迭代寻优,确定下一次循环中输入的储能充放电功率和步长;
在所述循环次数内,重复所述循环迭代寻优,得到最优的储能充放电容量有效使用率。
进一步地,根据所述单次循环的储能充放电功率,在单次循环中对所述待优选配置的电储能的储能容量通过二分法进行循环迭代寻优,确定下一次循环中输入的储能充放电功率和步长,包括如下步骤:
S101、根据所述单次循环的储能充放电功率、单日负荷曲线、微网元素和储能可变成本,得到储能容量最大值;将所述储能容量最大值设定为本次单次循环条件下储能容量的寻优上界;
S102、根据所述寻优上界、单次循环的储能充放电功率、单日负荷曲线、微网元素和储能可变成本,得到储能的运行模拟数据;
S103、根据所述储能的运行模拟数据,以及所述寻优上界,计算得到储能充放电容量有效使用率;
S104、如果所述储能充放电容量有效使用率满足预设条件,所述储能充放电容量有效使用率即为本次单次循环的最终寻优结果;如果所述储能充放电容量有效使用率不满足所述预设条件,重复执行步骤S101~S103,直至满足所述预设条件;
S101、根据所述最终寻优结果确定下一次循环中输入的储能充放电功率和步长。
进一步地,所述步骤S101中,将所述储能容量最大值设定为本次单次循环条件下储能容量的寻优上界之后,还包括:
根据所述单次循环的储能充放电功率,以及预设充电倍率下界,对所述寻优上界进行调整。
进一步地,通过如下方式对所述寻优上界进行调整:
当所述寻优上界大于第一设定值时,将所述寻优上界调整为所述第一设定值;所述第一设定值=所述单次循环的储能充放电功率÷所述预设充电倍率下界。
进一步地,根据所述单次循环的储能充放电功率,在单次循环中对所述待优选配置的电储能的储能容量通过二分法进行循环迭代寻优,确定下一次循环中输入的储能充放电功率和步长,还包括:
当所述寻优上界小于第二设定值时,跳出循环,输出本次循环对应的寻优结果作为所述单次循环的最终寻优结果;所述第二设定值=所述单次循环的储能充放电功率÷所述预设充电倍率上界。
进一步地,所述步骤S102,还包括:
根据预设电池有效充放电最小时间,以及预设电池有效充放电电量深度,从所述储能的运行模拟数据中剔除无效充放电数据,保留有效充放电数据。
本发明实施例提供的上述技术方案的有益效果至少包括:
本发明实施例提供的一种电储能优选配置方法,包括:获取待优选配置的电储能的负荷数据、微网元素和储能可变成本,确定储能充放电功率上界;储能可变成本与所述微网元素相对应;根据储能充放电功率上界,以及预设循环起始值和预设步长,确定计算储能充放电功率的循环次数;根据循环次数,对待优选配置的电储能的储能容量通过二分法进行循环迭代寻优,得到最优的储能充放电容量有效使用率;根据最优的储能充放电容量有效使用率,完成对待优选配置的电储能的优选配置。该方法可对电储能进行更为精准的优选配置。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例提供的电储能优选配置方法流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供一种电储能优选配置方法,参照图1所示,包括:
获取待优选配置的电储能的负荷数据、微网元素和储能可变成本,确定储能充放电功率上界;储能可变成本与所述微网元素相对应;
根据储能充放电功率上界,以及预设循环起始值和预设步长,确定计算储能充放电功率的循环次数;
根据循环次数,对待优选配置的电储能的储能容量通过二分法进行循环迭代寻优,得到最优的储能充放电容量有效使用率;
根据最优的储能充放电容量有效使用率,完成对待优选配置的电储能的优选配置。
通过本实施例提供的电储能优选配置方法,可对电储能进行更为优化精准的配置。
下面具体对该电储能优选配置方法进行详细阐述:
首先对数据表进行设计:
表1数据表
1筛选单日负荷曲线
将用户输入负荷数据,带入oemof(指Python的模型生成器,用于能源系统建模和优化)里,计算得到储能运行曲线。以某种方法筛选单日负荷曲线,没有负荷数据,可以选择企业所在行业的典型数据、可导入离线负荷数据、有物联接入获得在线数据等方法筛选单日负荷曲线,进行储能的选型迭代。
2根据单日负荷曲线确定选型参数边界
2.1初定义储能选型参数选型边界
将由上一步筛选得到的单日负荷曲线、微网元素(指项目当地的天气数据、项目当地的电价方案等信息)、与其相对应的可变成本带入oemof计算求解,得到储能运行结果曲线。在进行边界选型时,根据选择的时间段和负荷颗粒度,会默认对应一组可变成本。将储能容量最大值和充放电功率最大值初定义为储能选型的参数边界,即每次循环寻优的上界。
2.2确定储能选型参数边界
若得到的储能充放电功率选型上界大于储能容量选型上界×充电倍率上界,重新设定储能充放电功率选型上界为储能容量选型上界×充电倍率上界,进而确定储能容量和储能充放电功率选型循环边界。充电倍率上界为预先设定值。
3储能参数迭代选型
根据预先设定的储能充放电功率选型循环起始值和步长,以及上一步得到的储能充放电功率上界,确定储能充放电功率的循环次数。在单次循环中,固定储能的充放电功率,根据选型条件,对储能容量进行循环迭代寻优。
固定储能的充放电功率,将其带入循环。在循环开始时,将固定储能的充放电功率、单日负荷曲线、微网元素、与其相对应的可变成本带入oemof计算求解,得到储能在当日运行条件下储能容量的最大值,将其设置为本次在储能充放电功率固定的循环下,储能容量的寻优上界。若此上界大于固定的储能充放电功率÷充电倍率下界,则将储能容量的寻优上界调整为本次循环中储能充放电功率÷充电倍率下界;若此上界小于固定的储能充放电功率÷充电倍率上界,因最大的电池容量也不满足充电倍率的寻优条件,没有必要进行循环寻优,直接跳出循环,输出本次循环对应的寻优结果(如此情况只会在极少数情况下出现)。充电倍率下界为预先设定值。
在确定储能充放电功率固定的循环中电池容量上界后,根据量化用户输入后得到的寻优条件,对储能容量进行二分法循环寻优。将固定储能的充放电功率、与其对应的储能容量(即循环中电池容量上界)、单日负荷曲线、微网元素、与其相对应的可变成本带入oemof计算求解,得到储能在当日微网运行条件下储能的运行模拟数据。根据预设的电池有效充放电最小时间和电池有效充放电电量深度,剔除无效充放电,得到有效充放电数据。通过每次充电、放电的电量和当次循环下的储能容量,计算得到储能充放电容量有效使用率。若有效率满足储能充放电容量有效使用率要求,则当前储能容量为当前储能充放电功率的寻优结果。若不满足,则利用二分法,重新带入储能容量参数重复本次循环,直到得到满足储能充放电容量有效使用率要求的储能容量。
根据上一循环完成使用的储能充放电功率和循环步长,确定下一循环中将要带入储能充放电功率,重复上述循环寻优过程,得到最优的电池容量数值。
进一步地,储能优选模型的边界条件可以包含多能协同系统的其他要素,例如风机、光伏等,在模型拓扑、价格刺激基础上进行模拟计算得出结果。
具体实际应用场景为:
指定方案:选择方案组路径,新建规划方案。
获取天气参数:根据选择的项目地址,获取历史时间范围内项目的天气数据。
设定电价方案:根据项目所在的地区,依据用电类型、收费方式,指定项目的电价标准方案。
获取负荷数据:获取项目历史负荷数据。
计算产生最终方案:依据已有的天气、电价、负荷数据,经过多次模型计算,查找理论最大值、查找可行边界,并不断修正可行域边界。
本实施例提供的电储能优选配置方法,在客户提供较少数据的情况下,构建的模型经过多次计算,可提供一个相对准确的电储能实施方案。同时结合财务模型可产生节能项目的解决方案。客户只需要提供少量历史负荷数据,就可以进行模型计算,计算的次数越多,可行域的范围约准确。同时也将依据训练集的不断完善优化已有的算法。支持的时间粒度高,构建的模型可以支持分钟级的时间颗粒度数据运行分析,对于每一个时间点都能给出运行的功率和SOC(动力电池荷电状态--剩余电量)。
通过该方法构建的电储能容量优选模型,利用高粒度数据和高密度计算,为用户提供专业精准的配置方案,极大支撑了微网投资决策,使它成为多能微网当中的控制中枢。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。

Claims (3)

1.一种电储能优选配置方法,其特征在于,包括:
获取待优选配置的电储能的负荷数据、微网元素和储能可变成本,确定储能充放电功率上界;所述储能可变成本与所述微网元素相对应;所述微网元素指天气数据和电价数据;
根据所述储能充放电功率上界,以及预设循环起始值和预设步长,确定计算储能充放电功率的循环次数;
根据所述循环次数,对所述待优选配置的电储能的储能容量通过二分法进行循环迭代寻优,得到最优的储能充放电容量有效使用率;
根据所述最优的储能充放电容量有效使用率,完成对所述待优选配置的电储能的优选配置;
根据所述循环次数,对所述待优选配置的电储能的储能容量通过二分法进行循环迭代寻优,得到最优的储能充放电容量有效使用率,包括:
固定单次循环的储能充放电功率;
根据所述单次循环的储能充放电功率,在单次循环中对所述待优选配置的电储能的储能容量通过二分法进行循环迭代寻优,确定下一次循环中输入的储能充放电功率和步长;
在所述循环次数内,重复所述循环迭代寻优,得到最优的储能充放电容量有效使用率;
根据所述单次循环的储能充放电功率,在单次循环中对所述待优选配置的电储能的储能容量通过二分法进行循环迭代寻优,确定下一次循环中输入的储能充放电功率和步长,包括如下步骤:
S101、根据所述单次循环的储能充放电功率、单日负荷曲线、微网元素和储能可变成本,得到储能容量最大值;将所述储能容量最大值设定为本次单次循环条件下储能容量的寻优上界;
S102、根据所述寻优上界、单次循环的储能充放电功率、单日负荷曲线、微网元素和储能可变成本,得到储能的运行模拟数据;
S103、根据所述储能的运行模拟数据,以及所述寻优上界,计算得到储能充放电容量有效使用率;
S104、如果所述储能充放电容量有效使用率满足预设条件,所述储能充放电容量有效使用率即为本次单次循环的最终寻优结果;如果所述储能充放电容量有效使用率不满足所述预设条件,重复执行步骤S101~S103,直至满足所述预设条件;
S105、根据所述最终寻优结果确定下一次循环中输入的储能充放电功率和步长;
所述步骤S101中,将所述储能容量最大值设定为本次单次循环条件下储能容量的寻优上界之后,还包括:
根据所述单次循环的储能充放电功率,以及预设充电倍率下界,对所述寻优上界进行调整;
通过如下方式对所述寻优上界进行调整:
当所述寻优上界大于第一设定值时,将所述寻优上界调整为所述第一设定值;所述第一设定值=所述单次循环的储能充放电功率÷所述预设充电倍率下界;
根据所述单次循环的储能充放电功率,在单次循环中对所述待优选配置的电储能的储能容量通过二分法进行循环迭代寻优,确定下一次循环中输入的储能充放电功率和步长,还包括:
当所述寻优上界小于第二设定值时,跳出循环,输出本次循环对应的寻优结果作为所述单次循环的最终寻优结果;所述第二设定值=所述单次循环的储能充放电功率÷所述预设充电倍率上界。
2.如权利要求1所述的一种电储能优选配置方法,其特征在于,获取待优选配置的电储能的负荷数据、微网元素和储能可变成本,确定储能充放电功率上界,包括:
获取待优选配置的电储能的负荷数据、微网元素和储能可变成本;所述储能可变成本与所述微网元素相对应;
根据所述负荷数据,计算得到储能运行曲线;从所述储能运行曲线中筛选单日负荷曲线;
根据所述单日负荷曲线、微网元素和储能可变成本,确定储能充放电功率上界。
3.如权利要求1所述的一种电储能优选配置方法,其特征在于,所述步骤S102,还包括:
根据预设电池有效充放电最小时间,以及预设电池有效充放电电量深度,从所述储能的运行模拟数据中剔除无效充放电数据,保留有效充放电数据。
CN202210993550.2A 2022-08-18 2022-08-18 一种电储能优选配置方法 Active CN115441488B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210993550.2A CN115441488B (zh) 2022-08-18 2022-08-18 一种电储能优选配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210993550.2A CN115441488B (zh) 2022-08-18 2022-08-18 一种电储能优选配置方法

Publications (2)

Publication Number Publication Date
CN115441488A CN115441488A (zh) 2022-12-06
CN115441488B true CN115441488B (zh) 2023-11-21

Family

ID=84242128

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210993550.2A Active CN115441488B (zh) 2022-08-18 2022-08-18 一种电储能优选配置方法

Country Status (1)

Country Link
CN (1) CN115441488B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103944175A (zh) * 2014-03-28 2014-07-23 上海电力设计院有限公司 风光储联合发电系统出力特性优化方法
WO2017161786A1 (zh) * 2016-03-23 2017-09-28 严利容 基于光储系统运行优化的混合储能配比计算方法
CN107294120A (zh) * 2017-08-25 2017-10-24 广东电网有限责任公司电力科学研究院 一种主动配电网混合储能容量优化配置方法及装置
CN112103946A (zh) * 2020-08-20 2020-12-18 西安理工大学 一种基于粒子群算法的微电网储能优化配置方法
CN113285472A (zh) * 2021-04-22 2021-08-20 中国电力科学研究院有限公司 一种储能系统的优化配置方法和装置
CN113644651A (zh) * 2021-08-11 2021-11-12 万克能源科技有限公司 一种电价竞价场景下的储能配置优化方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103944175A (zh) * 2014-03-28 2014-07-23 上海电力设计院有限公司 风光储联合发电系统出力特性优化方法
WO2017161786A1 (zh) * 2016-03-23 2017-09-28 严利容 基于光储系统运行优化的混合储能配比计算方法
CN107294120A (zh) * 2017-08-25 2017-10-24 广东电网有限责任公司电力科学研究院 一种主动配电网混合储能容量优化配置方法及装置
CN112103946A (zh) * 2020-08-20 2020-12-18 西安理工大学 一种基于粒子群算法的微电网储能优化配置方法
CN113285472A (zh) * 2021-04-22 2021-08-20 中国电力科学研究院有限公司 一种储能系统的优化配置方法和装置
CN113644651A (zh) * 2021-08-11 2021-11-12 万克能源科技有限公司 一种电价竞价场景下的储能配置优化方法

Also Published As

Publication number Publication date
CN115441488A (zh) 2022-12-06

Similar Documents

Publication Publication Date Title
Das et al. Optimal placement of distributed energy storage systems in distribution networks using artificial bee colony algorithm
Al-Saffar et al. Reinforcement learning-based distributed BESS management for mitigating overvoltage issues in systems with high PV penetration
Levron et al. Optimal power flow in microgrids with energy storage
Adetunji et al. An optimization planning framework for allocating multiple distributed energy resources and electric vehicle charging stations in distribution networks
Cheng et al. A particle swarm optimization based power dispatch algorithm with roulette wheel re-distribution mechanism for equality constraint
Khalid et al. A market‐oriented wind power dispatch strategy using adaptive price thresholds and battery energy storage
Donadee Optimal operation of energy storage for arbitrage and ancillary service capacity: The infinite horizon approach
CN115169723A (zh) 发电功率预测方法、负荷预测方法及模型训练方法
CN116799828A (zh) 一种面向柔性互联配电网的储能多时间尺度容量配置方法
Cui et al. An optimal energy co-scheduling framework for smart buildings
CN115441488B (zh) 一种电储能优选配置方法
CN112803427A (zh) 基于需求的区域电网调度方法、系统、终端及存储介质
Gangwar et al. Management of energy storage dispatch in unbalanced distribution networks using opendss
CN116093995B (zh) 一种配电系统多目标网络重构方法及系统
Kirchsteiger et al. Cost-optimal Control of Photovoltaic Systems with Battery Storage under Variable Electricity Tariffs.
CN107910866B (zh) 一种考虑需求侧响应不确定性的电力系统日前优化调度方法
CN113410900B (zh) 基于自适应差分鲸鱼优化的微电网hess优化配置方法及系统
CN109638835B (zh) 一种交直流混合微电网优化配置方法及装置
CN113572158A (zh) 一种制氢控制方法及其应用装置
Chen et al. Leaky bucket-inspired power output smoothing with load-adaptive algorithm
Jabbour et al. An Integrated Energy Management System for Nearly Zero Energy Buildings
Raj Assessing the monetary value of vehicle-to-grid considering battery degradation: Agent-based approach
Pimentel Filho et al. A memetic algorithm based on mixed ant colony optimization and genetic algorithm for optimal capacitor placement
CN107895206A (zh) 一种基于奇异谱分析和局部敏感哈希的多步风能预测方法
Wang et al. A competitive swarm optimizer-based technoeconomic optimization with appliance scheduling in domestic PV-battery hybrid systems

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
GR01 Patent grant
GR01 Patent grant