CN115864611A - 储能电池安全储能管理方法、系统、设备及存储介质 - Google Patents
储能电池安全储能管理方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN115864611A CN115864611A CN202310161792.XA CN202310161792A CN115864611A CN 115864611 A CN115864611 A CN 115864611A CN 202310161792 A CN202310161792 A CN 202310161792A CN 115864611 A CN115864611 A CN 115864611A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- storage battery
- capacity
- microgrid
- 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.)
- Granted
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 388
- 238000003860 storage Methods 0.000 title claims abstract description 18
- 238000007726 management method Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 76
- 238000005457 optimization Methods 0.000 claims abstract description 38
- 238000007599 discharging Methods 0.000 claims abstract description 34
- 238000013486 operation strategy Methods 0.000 claims abstract description 30
- 230000008569 process Effects 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 230000006870 function Effects 0.000 claims description 30
- 239000002245 particle Substances 0.000 claims description 19
- 239000000523 sample Substances 0.000 claims description 12
- 210000004027 cell Anatomy 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 9
- 210000000352 storage cell Anatomy 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 230000033228 biological regulation Effects 0.000 claims description 4
- 230000005611 electricity Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 230000014509 gene expression Effects 0.000 description 4
- 230000006978 adaptation Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000010287 polarization Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Landscapes
- Secondary Cells (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供一种储能电池安全储能管理方法、系统、设备及存储介质，包括获取储能电池的充放电深度与所述充放电深度对应的充放电系数，以及储能电池在不同运行工况下的充放电功率损耗，结合预设的电池寿命衰减模型，确定储能电池的有效储能容量；基于储能电池所在微电网的运行策略与有效储能容量，结合微电网的负荷需求以及储能电池对所述微电网的联络线网络耗损，确定对储能电池的容量配置策略；根据对储能电池的容量配置策略，构建储能电池优化配置成本最小的目标函数，基于预设的两阶段优化算法，确定储能电池在所述微电网运行过程中的最优储能容量。本发明的方法能够提高储能电池安全运行。
Description
技术领域
本发明涉及电池技术领域，尤其涉及一种储能电池安全储能管理方法、系统、设备及存储介质。
背景技术
申请号CN202210344624.X，专利名称为用于储能系统电池管理优化的方法及电池安全管理系统，公开了如下内容：
建立电池的告警阈值参数预估算法模型，将所述储能系统的规格、电芯类型、运行情况的信息数据作为所述告警阈值参数预估算法模型的输入，计算生成新的告警阈值参数，以覆盖所述储能系统的电池管理系统中原有的告警阈值参数；由所述电池管理系统基于新的所述告警阈值参数对所述储能系统进行监控管理。
现有专利虽然用于储能系统电池管理优化，其是通过储能系统的规格、电芯类型、运行情况的信息数据作为模型输入，生成告警阈值参数，并基于告警阈值参数进行监控管理，首先，作为模型输入的数据维度较少，难以全面反映储能系统的运行状态；其次，单纯以告警阈值参数作为监控管理的衡量值，容易造成结果偏差，可参考性较弱。
发明于本申请背景技术部分的信息仅仅旨在加深对本申请的一般背景技术的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明实施例提供一种储能电池安全储能管理方法、系统、设备及存储介质，能够至少解决现有技术中的部分问题，也即，解决现有技术难以全面反映储能系统运行状态，且以单一值作为衡量值造成结果不准确的问题。
本发明实施例的第一方面，
提供一种储能电池安全储能管理方法，包括：
获取储能电池的充放电深度与所述充放电深度对应的充放电系数，以及所述储能电池在不同运行工况下的充放电功率损耗，结合预设的电池寿命衰减模型，确定所述储能电池的有效储能容量；
基于所述储能电池所在微电网的运行策略与所述有效储能容量，结合所述微电网的负荷需求以及所述储能电池对所述微电网的联络线网络耗损，确定对所述储能电池的容量配置策略；
根据对所述储能电池的容量配置策略，构建所述储能电池优化配置成本最小的目标函数，基于预设的两阶段优化算法，确定所述储能电池在所述微电网运行过程中的最优储能容量。
在一种可选的实施方式中，
所述获取储能电池的充放电深度与所述充放电深度对应的充放电系数，以及所述储能电池在不同运行工况下的充放电功率损耗，结合预设的电池寿命衰减模型，确定所述储能电池的有效储能容量包括：
基于所述储能电池的充放电深度与所述充放电深度对应的充放电系数，结合所述储能电池的额定循环次数和额定容量，确定所述储能电池的有效吞吐量；
根据所述储能电池的有效吞吐量，以及所述储能电池在不同运行工况下的充放电功率损耗，结合所述储能电池的剩余容量的耗损密度，确定所述储能电池在额定循环次数下寿命衰减速率；
通过所述储能电池在额定循环次数下寿命衰减速率，结合预设的电池寿命衰减模型以及储能电池的初始储能容量，确定所述储能电池的有效储能容量。
在一种可选的实施方式中，
所述根据所述储能电池的有效吞吐量，以及所述储能电池在不同运行工况下的充放电功率损耗，结合所述储能电池的剩余容量的耗损密度，确定所述储能电池在额定循环次数下寿命衰减速率包括：
其中，Y time 表示所述储能电池在额定循环次数下寿命衰减速率，N表示电池运行过
程的时间点,
表示电池运行过程的最小时间段，L R 表示所述额定循环次数，C R 表示所述额
定容量,D dR 、D cR 分别表示所述储能电池的放电深度和充电深度，e d 、e c 分别表示所述放电深
度对应的放电深度系数和所述充电深度对应的充电深度系数，L R /C R (e d D dR +e c D cR )表示所述
储能电池的有效吞吐量；
C A 表示所述储能电池的剩余容量的耗损密度，E max 表示电池单元的最大能量容量，P dj 、P cj 分别表示j时段电池的放电功率损耗和充电功率损耗，I act 表示实际放电电流下的安培小时数，T表示电池运行周期；
所述通过所述储能电池在额定循环次数下寿命衰减速率，结合所述储能电池的初始储能容量，确定所述储能电池的有效储能容量包括：
其中，C r 表示所述储能电池的有效储能容量，C 0 表示所述储能电池的初始储能容
量，
表示容量转换系数。
在一种可选的实施方式中，
若所述寿命衰减速率高于预设衰减阈值，则获取所述储能电池的净负荷功率，其中，所述净负荷功率基于所述储能电池的输出功率以及与所述储能电池对应的负荷功率之差得到；
若所述净负荷功率小于所述储能电池的额定运行功率，则控制所述储能电池由第一运行模式切换至第二运行模式，其中，所述第一运行模式用于指示所述储能电池的充电单元和放电单元处于不工作状态，所述第二运行模式用于指示所述充电单元处于不工作状态，所述放电单元处于工作状态；
若所述净负荷功率大于所述储能电池的额定运行功率，则控制所述储能电池由所述第二运行模式切换至第三运行模式，其中，所述第三运行模式用于指示所述充电单元处于工作状态，所述放电单元处于不工作状态。
在一种可选的实施方式中，
所述运行策略包括第一运行策略和第二运行策略，其中，所述第一运行策略用于指示所述储能电池所在微电网处于并网拓扑结构，所述第二运行策略用于指示所述储能电池所在微电网处于离网拓扑结构；
所述微电网的负荷需求包括第一负荷需求和第二负荷需求，其中，所述第一负荷需求用于指示根据各个时段电价增加或者减少当前负荷，所述第二负荷需求用于指示基于负荷转移响应激励调整负荷大小；
在一种可选的实施方式中，
所述基于所述储能电池所在微电网的运行策略与所述有效储能容量，结合所述微电网的负荷需求以及所述储能电池对所述微电网的联络线网络耗损，确定对所述储能电池的容量配置策略包括：
按照如下公式确定对所述储能电池的容量配置策略：
其中，Q表示所述储能电池的容量配置策略，R k 表示所述储能电池所在微电网的第k种运行策略，L表示所述储能电池所在微电网的运行策略数量，C r 表示所述储能电池的有效储能容量，T表示所述微电网的调度调整周期，F t 表示所述微电网在时刻t的负荷需求，S t 表示所述储能电池在时刻t对所述微电网的联络线网络耗损。
在一种可选的实施方式中，
根据对所述储能电池的容量配置策略，构建所述储能电池优化配置成本最小的目标函数，基于预设的两阶段优化算法，确定所述储能电池在所述微电网运行过程中的最优储能容量包括：
将所述储能电池的容量配置策略作为试探点集合，将所述储能电池优化配置成本最小的目标函数的目标解作为基准点，并基于预设搜索目标函数，分别确定所述试探点集合中各个试探点对应的多个第一搜索值，以及所述基准点对应的第二搜索值；
将所述多个第一搜索值中小于所述第二搜索值的第一搜索值作为局部最优解，通过粒子群优化算法确定所述局部最优解对应的适应度值，并迭代更新所述局部最优解以及所述适应度值，直至满足所述粒子群优化算法预设的收敛精度或者达到最大迭代次数，确定所述储能电池在所述微电网运行过程中的最优储能容量。
本发明实施例的第二方面，
提供一种储能电池安全储能管理系统，包括：
第一单元，用于获取储能电池的充放电深度与所述充放电深度对应的充放电系数，以及所述储能电池在不同运行工况下的充放电功率损耗，结合预设的电池寿命衰减模型，确定所述储能电池的有效储能容量；
第二单元，用于基于所述储能电池所在微电网的运行策略与所述有效储能容量，结合所述微电网的负荷需求以及所述储能电池对所述微电网的联络线网络耗损，确定对所述储能电池的容量配置策略；
第三单元，用于根据对所述储能电池的容量配置策略，构建所述储能电池优化配置成本最小的目标函数，基于预设的两阶段优化算法，确定所述储能电池在所述微电网运行过程中的最优储能容量。
本发明实施例的第三方面，
提供一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述所述的方法。
本发明实施例的第四方面，
提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述所述的方法。
本发明实施例结合储能电池的充放电深度、充放电系数以及充放电功率损耗，综合考虑了影响电池健康运行以及影响电池寿命的因素，并且结合电池寿命衰减模型，确定所述储能电池的有效储能容量，充分考虑了储能电池的运行效率和寿命衰减及其随储能电池的运行工况的变化。
通过结合所述微电网的负荷需求以及所述储能电池对所述微电网的联络线网络耗损，可以有效平抑微电网中可再生能源发电功率的波动，提高电能质量，也可以调节系统负荷峰谷差，获取经济收益。
本申请通过两阶段优化算法，采取了局部搜索和方向筛选结合的最优解搜索方式，可以避免计算目标函数的梯度能有效的减少计算代价，相比现有算法有着更快的计算速度和收敛性。
附图说明
图1为本发明实施例储能电池安全储能管理方法的流程示意图；
图2为本发明实施例储能电池安全储能管理系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”“第四”等（如果存在）是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
应当理解，在本发明的各种实施例中，各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
应当理解，在本发明中，“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
应当理解，在本发明中，“多个”是指两个或两个以上。“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。“包含A、B和C”、“包含A、B、C”是指A、B、C三者都包含，“包含A、B或C”是指包含A、B、C三者之一，“包含A、B和/或C”是指包含A、B、C三者中任1个或任2个或3个。
应当理解，在本发明中，“与A对应的B”、“与A相对应的B”、“A与B相对应”或者“B与A相对应”，表示B与A相关联，根据A可以确定B。根据A确定B并不意味着仅仅根据A确定B，还可以根据A和/或其他信息确定B。A与B的匹配，是A与B的相似度大于或等于预设的阈值。
取决于语境，如在此所使用的“若”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。
下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
图1为本发明实施例储能电池安全储能管理方法的流程示意图，如图1所示，所述方法包括：
S101. 获取储能电池的充放电深度与所述充放电深度对应的充放电系数，以及所述储能电池在不同运行工况下的充放电功率损耗，结合预设的电池寿命衰减模型，确定所述储能电池的有效储能容量;
示例性地，储能电池充放电特性、储能电池的充电深度以及放电深度是保证储能电池健康运行，有效延长储能电池运行寿命的关键。其中，充电深度表示在储能电池充电过程中从外电路接受的电量与其完全充电状态时的电量的比值，放电深度表示电池放电量与电池额定容量的百分比。
储能电池使用寿命与其充放电损耗值成反比例关系，储能电池的充放电深度不同，导致其寿命不同。为了提高所确定的储能电池的有效储能容量的准确度，可以为充放电深度引入对应的充放电系数，其中，充放电系数的范围为0-1。
在一种可选的实施方式中，
所述获取储能电池的充放电深度与所述充放电深度对应的充放电系数，以及所述储能电池在不同运行工况下的充放电功率损耗，结合预设的电池寿命衰减模型，确定所述储能电池的有效储能容量包括：
基于所述储能电池的充放电深度与所述充放电深度对应的充放电系数，结合所述储能电池的额定循环次数和额定容量，确定所述储能电池的有效吞吐量；
示例性地，L R /C R (e d D dR +e c D cR )表示所述储能电池的有效吞吐量，其中，L R 表示所述额定循环次数，C R 表示所述额定容量,D dR 、D cR 分别表示所述储能电池的放电深度和充电深度，e d 、e c 分别表示所述放电深度对应的放电深度系数和所述充电深度对应的充电深度系数；
根据所述储能电池的有效吞吐量，以及所述储能电池在不同运行工况下的充放电功率损耗，结合所述储能电池的剩余容量的耗损密度，确定所述储能电池在额定循环次数下寿命衰减速率；
在一种可选的实施方式中，
所述根据所述储能电池的有效吞吐量，以及所述储能电池在不同运行工况下的充放电功率损耗，结合所述储能电池的剩余容量的耗损密度，确定所述储能电池在额定循环次数下寿命衰减速率包括：
其中，Y time 表示所述储能电池在额定循环次数下寿命衰减速率，N表示电池运行过
程的时间点,
表示电池运行过程的最小时间段，L R 表示所述额定循环次数，C R 表示所述额
定容量,D dR 、D cR 分别表示所述储能电池的放电深度和充电深度，e d 、e c 分别表示所述放电深
度对应的放电深度系数和所述充电深度对应的充电深度系数，L R /C R (e d D dR +e c D cR )表示所述
储能电池的有效吞吐量；
C A 表示所述储能电池的剩余容量的耗损密度，E max 表示电池单元的最大能量容量，P dj 、P cj 分别表示j时段电池的放电功率损耗和充电功率损耗，I act 表示实际放电电流下的安培小时数，T表示电网的调整周期。
通过所述储能电池在额定循环次数下寿命衰减速率，结合预设的电池寿命衰减模型以及所述储能电池的初始储能容量，确定所述储能电池的有效储能容量。
在一种可选的实施方式中，
所述通过所述储能电池在额定循环次数下寿命衰减速率，结合所述储能电池的初始储能容量，确定所述储能电池的有效储能容量包括：
其中，C r 表示所述储能电池的有效储能容量，C 0 表示所述储能电池的初始储能容
量，
表示容量转换系数。
需要说明的是，当前电力系统中常用的储能电池的运行模型和控制模型形式较为简单，一般只考虑储能电池的充放电功率的上下限约束、储能电池的初始储存能量的约束、储能电池所储存能量的上下限约束和储能电池储存能量的时序变化约束。现有的方法只是简单地将储能电池的寿命衰减建模为关于储能电池的充放电电量或者充放电功率的多项式，因此当前的储能模型无法很好地考虑储能电池的运行效率和寿命衰减及其随储能电池的运行工况的变化。在实际应用中，储能电池在不同运行工况下充放电功率并不相同。
储能电池在运行过程中的功率损耗主要源于电池内电阻的热损耗和极化损耗，储能电池充电损耗和放电损耗是关于SOC、温度和充放电功率的表达式，该表达式不涉及电池内部的电化学动态过程，能较好地应用于储能电池在电力系统中的运行优化决策，其充电损耗与放电损耗在不同工况下的表达式为：
其中，P out 、P in 分别所述储能电池放电和充电过程的功率损耗，q表示单个电池单元的额定安时数，v表示单个电池单元的额定运行电压，E表示电池单元的存储电能，E max 表示电池单元的最大能量容量，r表示单个电池单元的内电阻，k表示单个电池单元的极化电阻，P d 、P c 分别表示电池单元通过变换器向电网放电的功率、电网通过变换器向电池单元充电的功率，n p 表示变换器的效率。
现有的电池寿命衰减模型中根据实际经验限制了储能电池运行时的SOC范围，从而避免了过充过放对储能电池寿命的巨大影响。但是在电池寿命衰减模型中添加寿命衰减约束式的建模方法，该方法往往不能合理地制定寿命衰减的约束条件以及无法考虑约束条件随时间的变化，也无法根据实际情况发挥储能电池在不同时段运行的经济最优性。
储能电池由于重复充放电导致的容量衰减机制与加循环载荷后材料的疲劳机制类似，储能电池的每一次充放电都将造成一定的能量容量衰减，而在一定时间内这些能量容量衰减的加和值即为电池的总容量衰减。
S102. 基于所述储能电池所在微电网的运行策略与所述有效储能容量，结合所述微电网的负荷需求以及所述储能电池对所述微电网的联络线网络耗损，确定对所述储能电池的容量配置策略;
示例性地，在协调各个微电网之间优化运行时，考虑储能系统接入后对联络线网络损耗的影响，确定储能系统数量及安装位置。储能系统不仅供给其所在微网系统，同时也供给临近微网系统，因此需要考虑微电网的联络线网络耗损。
示例性地，所述运行策略包括第一运行策略和第二运行策略，其中，所述第一运行策略用于指示所述储能电池所在微电网处于并网拓扑结构，所述第二运行策略用于指示所述储能电池所在微电网处于离网拓扑结构；
所述微电网的负荷需求包括第一负荷需求和第二负荷需求，其中，所述第一负荷需求用于指示根据各个时段电价增加或者减少当前负荷，所述第二负荷需求用于指示基于负荷转移响应激励调整负荷大小。
示例性地，储能电池的容量对微电网的整体经济性和运行安全性都具有很大影响，需要在微电网规划设计阶段进行优化设计，过小的储能电池的容量配置无法实现微电网电能质量和整体运行性能的提升，而过大的储能电池的容量配置则需要对微电网施加更高的投资和维护成本。微电网系统中电源种类、数量及结构具有多样性，设备功能也不尽相同，且负载既可以是电负载，也可以是热负载，因此储能电池的容量规划与微电网的运行策略密切相关，运行策略决定了微电网系统内分布式单元的运行时序和启停时长，进而影响着储能电池的储存和释放能量行为。
本发明实施例中运行策略可以包括当微电网系统中电源设备的输出功率与计划出力之间存在差值时，判断差值的正负，
当差值为正表示电源设备出力富余，需要储能电池进行充电，此时富余电量优先储存在功率型储能电池中，功率型储能电池充满却仍有电量富余时，再储存在能量型储能电池中；
当差值为负表示电源设备无法满足负荷需求，需要储能电池进行放电，利用功率型储能电池的可用容量进行快速的供电，并随着放电时闻的延长逐渐切换到能量型储能电池的供电模式，之后功率型储能电池停止工作。
在一种可选的实施方式中，
所述基于所述储能电池所在微电网的运行策略与所述有效储能容量，结合所述微电网的负荷需求以及所述储能电池对所述微电网的联络线网络耗损，确定对所述储能电池的容量配置策略包括：
按照如下公式确定对所述储能电池的容量配置策略：
其中，Q表示所述储能电池的容量配置策略，R k 表示所述储能电池所在微电网的第k种运行策略，L表示所述储能电池所在微电网的运行策略数量，C r 表示所述储能电池的有效储能容量，T表示电网的调整周期，F t 表示所述微电网在时刻t的负荷需求，S t 表示所述储能电池在时刻t对所述微电网的联络线网络耗损。
S103. 根据对所述储能电池的容量配置策略，构建所述储能电池优化配置成本最小的目标函数，基于预设的两阶段优化算法，确定所述储能电池在所述微电网运行过程中的最优储能容量。
储能电池的容量对微电网的整体经济性和运行安全性都具有很大影响，需要在微电网规划设计阶段进行优化设计。因为容量过小的储能电池无法实现提升微电网电能质量和整体运行性能，而容量过大的储能电池则需要对微电网施加更高的投资和维护成本。
因此储能电池的容量配置与运行策略密切相关，运行策略决定了微电网系统内分布式单元的运行时序和启停时长，进而影响着储能电池的储存和释放能量行为。
示例性地，在储能电池的容量优化过程中，根据微电网的实际结构、分布式能源能量补偿需求的不同，优化目标和运行策略会产生一定的差异，进而影响优化的结果。本申请将优化配置成本最小作为目标，其中，优化配置成本可以包括前期建设投资成本和后期运营成本，进一步地，前期建设投资成本可以包括微电网系统内各分布式单元的建设与采购成本，储能电池容量规模的大小将影响这一部分成本；后期运营成本可以包括储能电池内各组成部分的运行和维护成本、燃料成本、装置替换成本、环境补偿成本、以及当系统内出现欠电或弃电时的惩罚成本，微电网通过对该部分成本进行优化来实现储能及其他分布式设备在调度期间内提供可控负载，并能够符合运行约束。
示例性地，本申请给出一种两阶段优化迭代求解策略，将储能电池在所述微电网运行过程中优化问题解耦：首先外层模型传递可选的储能电池的容量配置策略到内层优化模型，内层模型在给定的储能电池的容量配置策略背景下，进行模拟运行及仿真计算，求解得到储能电池在所述微电网运行过程中的最优储能容量，而后再返回到外层优化子问题，通过分层优化、交替迭代的方式求解，可以有效降低模型的计算规模及求解难度。
在一种可选的实施方式中，
根据对所述储能电池的容量配置策略，构建所述储能电池优化配置成本最小的目标函数，基于预设的两阶段优化算法，确定所述储能电池在所述微电网运行过程中的最优储能容量包括：
将所述储能电池的容量配置策略作为试探点集合，将所述储能电池优化配置成本最小的目标函数的目标解作为基准点，并基于预设搜索目标函数，分别确定所述试探点集合中各个试探点对应的多个第一搜索值，以及所述基准点对应的第二搜索值；
将所述多个第一搜索值中小于所述第二搜索值的第一搜索值作为局部最优解，通过粒子群优化算法确定所述局部最优解对应的适应度值，并迭代更新所述局部最优解以及所述适应度值，直至满足所述粒子群优化算法预设的收敛精度或者达到最大迭代次数，确定所述储能电池在所述微电网运行过程中的最优储能容量。
可选地，将所述储能电池的容量配置策略作为试探点集合，其中，试探点集合可表示为M k ，其中，M k 表示试探点集合，具体可以表示为：
其中，M k 表示试探点集合，x k 表示第k次迭代的基准点，
表示第k次迭代的网格尺
度，D z 表示搜索方向集合，其列向量组成一组正基，z表示n z 维度向量。
求解储能电池优化配置成本最小的目标函数的目标解，将所述储能电池优化配置成本最小的目标函数的目标解作为基准点，并基于预设搜索目标函数，分别确定所述试探点集合中各个试探点对应的多个第一搜索值，以及所述基准点对应的第二搜索值，其中，预设搜索目标函数可以如下所示：
其中，SF表示搜索次数，K表示迭代次数，B表示搜索步长，c表示偏置系数，f(M k )以及f(x k )分别表示对试探点集合以及对第k次迭代的基准点进行迭代。
可选地，将所述多个第一搜索值中小于所述第二搜索值的第一搜索值作为局部最优解，通过粒子群优化算法确定所述局部最优解对应的适应度值，并迭代更新所述局部最优解以及所述适应度值，直至满足所述粒子群优化算法预设的收敛精度或者达到最大迭代次数，确定所述储能电池在所述微电网运行过程中的最优储能容量。
当多个第一搜索值中小于所述第二搜索值的第一搜索值，则可以认为满足探索条件，探索方向与改进方向相符合，可以进一步进行优化。通过粒子群优化算法确定所述局部最优解对应的适应度值，并迭代更新所述局部最优解以及所述适应度值，直至满足所述粒子群优化算法预设的收敛精度或者达到最大迭代次数，其中，本申请的粒子群优化算法在迭代过程中判断单个粒子是否失活，如果粒子在一定迭代次数内都没有取得好于粒子历史最优的适应值，则认为该粒子已经“失活”，此时，为了重新激活该粒子，则以较小的变异概率在解集空间内按一定方式重新初始化该粒子，同时将变异的结果接受为当前粒子的历史最优，以此来增强全局搜索能力，克服粒子群陷入局部解的缺点，同时也可以加快收敛速度、提高搜索精度。
本发明实施例结合储能电池的充放电深度、充放电系数以及充放电功率损耗，综合考虑了影响电池健康运行以及影响电池寿命的因素，并且结合电池寿命衰减模型，确定所述储能电池的有效储能容量，充分考虑了储能电池的运行效率和寿命衰减及其随储能电池的运行工况的变化。
通过结合所述微电网的负荷需求以及所述储能电池对所述微电网的联络线网络耗损，可以有效平抑微电网中可再生能源发电功率的波动，提高电能质量，也可以调节系统负荷峰谷差，获取经济收益。
本申请通过两阶段优化算法，采取了局部搜索和方向筛选结合的最优解搜索方式，可以避免计算目标函数的梯度 能有效的减少计算代价，相比现有算法有着更快的计算速度和收敛性。
本发明实施例的第二方面，
提供一种储能电池安全储能管理系统，图2为本发明实施例储能电池安全储能管理系统的结构示意图，包括：
第一单元，用于获取储能电池的充放电深度与所述充放电深度对应的充放电系数，以及所述储能电池在不同运行工况下的充放电功率损耗，结合预设的电池寿命衰减模型，确定所述储能电池的有效储能容量；
第二单元，用于基于所述储能电池所在微电网的运行策略与所述有效储能容量，结合所述微电网的负荷需求以及所述储能电池对所述微电网的联络线网络耗损，确定对所述储能电池的容量配置策略；
第三单元，用于根据对所述储能电池的容量配置策略，构建所述储能电池优化配置成本最小的目标函数，基于预设的两阶段优化算法，确定所述储能电池在所述微电网运行过程中的最优储能容量。
本发明实施例的第三方面，
提供一种电子设备，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述所述的方法。
本发明实施例的第四方面，
提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述所述的方法。
本发明可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（EPROM或闪存）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机（例如利用因特网服务提供商来通过因特网连接）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其他可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程数据处理装置或其他设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其他可编程数据处理装置、或其他设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
注意，除非另有直接说明，否则本说明书(包含任何所附权利要求、摘要和附图)中所揭示的所有特征皆可由用于达到相同、等效或类似目的的可替代特征来替换。因此，除非另有明确说明，否则所发明的每一个特征仅是一组等效或类似特征的一个示例。在使用到的情况下，进一步地、较优地、更进一步地和更优地是在前述实施例基础上进行另一实施例阐述的简单起头，该进一步地、较优地、更进一步地或更优地后带的内容与前述实施例的结合作为另一实施例的完整构成。在同一实施例后带的若干个进一步地、较优地、更进一步地或更优地设置之间可任意组合的组成又一实施例。
本领域的技术人员应理解，上述描述及附图中所示的本发明的实施例只作为举例而并不限制本发明。本发明的目的已经完整并有效地实现。本发明的功能及结构原理已在实施例中展示和说明，在没有背离所述原理下，本发明的实施方式可以有任何变形或修改。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种储能电池安全储能管理方法，其特征在于，包括：
获取储能电池的充放电深度与所述充放电深度对应的充放电系数，以及所述储能电池在不同运行工况下的充放电功率损耗，结合预设的电池寿命衰减模型，确定所述储能电池的有效储能容量；
基于所述储能电池所在微电网的运行策略与所述有效储能容量，结合所述微电网的负荷需求以及所述储能电池对所述微电网的联络线网络耗损，确定对所述储能电池的容量配置策略；
根据对所述储能电池的容量配置策略，构建所述储能电池优化配置成本最小的目标函数，基于预设的两阶段优化算法，确定所述储能电池在所述微电网运行过程中的最优储能容量。
2.根据权利要求1所述的方法，其特征在于，所述获取储能电池的充放电深度与所述充放电深度对应的充放电系数，以及所述储能电池在不同运行工况下的充放电功率损耗，结合预设的电池寿命衰减模型，确定所述储能电池的有效储能容量包括：
基于所述储能电池的充放电深度与所述充放电深度对应的充放电系数，结合所述储能电池的额定循环次数和额定容量，确定所述储能电池的有效吞吐量；
根据所述储能电池的有效吞吐量，以及所述储能电池在不同运行工况下的充放电功率损耗，结合所述储能电池的剩余容量的耗损密度，确定所述储能电池在额定循环次数下寿命衰减速率；
通过所述储能电池在额定循环次数下寿命衰减速率，结合预设的电池寿命衰减模型以及储能电池的初始储能容量，确定所述储能电池的有效储能容量。
3.根据权利要求2所述的方法，其特征在于，
所述根据所述储能电池的有效吞吐量，以及所述储能电池在不同运行工况下的充放电功率损耗，结合所述储能电池的剩余容量的耗损密度，确定所述储能电池在额定循环次数下寿命衰减速率包括：
其中，Y time 表示所述储能电池在额定循环次数下寿命衰减速率，N表示电池运行过程的时间点, 
表示电池运行过程的最小时间段，L R 表示所述额定循环次数，C R 表示所述额定容量,D dR 、D cR 分别表示所述储能电池的放电深度和充电深度，e d 、e c 分别表示所述放电深度对应的放电深度系数和所述充电深度对应的充电深度系数，L R /C R (e d D dR +e c D cR )表示所述储能电池的有效吞吐量；
C A 表示所述储能电池的剩余容量的耗损密度，E max 表示电池单元的最大能量容量，P dj 、P cj 分别表示j时段电池的放电功率损耗和充电功率损耗，I act 表示实际放电电流下的安培小时数，T表示电网的调整周期；
所述通过所述储能电池在额定循环次数下寿命衰减速率，结合所述储能电池的初始储能容量，确定所述储能电池的有效储能容量包括：
其中，C r 表示所述储能电池的有效储能容量，C 0 表示所述储能电池的初始储能容量，
表示容量转换系数。
4.根据权利要求2所述的方法，其特征在于，
若所述寿命衰减速率高于预设衰减阈值，则获取所述储能电池的净负荷功率，其中，所述净负荷功率基于所述储能电池的输出功率以及与所述储能电池对应的负荷功率之差得到；
若所述净负荷功率小于所述储能电池的额定运行功率，则控制所述储能电池由第一运行模式切换至第二运行模式，其中，所述第一运行模式用于指示所述储能电池的充电单元和放电单元处于不工作状态，所述第二运行模式用于指示所述充电单元处于不工作状态，所述放电单元处于工作状态；
若所述净负荷功率大于所述储能电池的额定运行功率，则控制所述储能电池由所述第二运行模式切换至第三运行模式，其中，所述第三运行模式用于指示所述充电单元处于工作状态，所述放电单元处于不工作状态。
5.根据权利要求1所述的方法，其特征在于，
所述运行策略包括第一运行策略和第二运行策略，其中，所述第一运行策略用于指示所述储能电池所在微电网处于并网拓扑结构，所述第二运行策略用于指示所述储能电池所在微电网处于离网拓扑结构；
所述微电网的负荷需求包括第一负荷需求和第二负荷需求，其中，所述第一负荷需求用于指示根据各个时段电价增加或者减少当前负荷，所述第二负荷需求用于指示基于负荷转移响应激励调整负荷大小。
6.根据权利要求5所述的方法，其特征在于，所述基于所述储能电池所在微电网的运行策略与所述有效储能容量，结合所述微电网的负荷需求以及所述储能电池对所述微电网的联络线网络耗损，确定对所述储能电池的容量配置策略包括：
按照如下公式确定对所述储能电池的容量配置策略：
其中，Q表示所述储能电池的容量配置策略，R k 表示所述储能电池所在微电网的第k种运行策略，L表示所述储能电池所在微电网的运行策略数量，C r 表示所述储能电池的有效储能容量，T表示电网的调整周期，F t 表示所述微电网在时刻t的负荷需求，S t 表示所述储能电池在时刻t对所述微电网的联络线网络耗损。
7.根据权利要求1所述的方法，其特征在于，根据对所述储能电池的容量配置策略，构建所述储能电池优化配置成本最小的目标函数，基于预设的两阶段优化算法，确定所述储能电池在所述微电网运行过程中的最优储能容量包括：
将所述储能电池的容量配置策略作为试探点集合，将所述储能电池优化配置成本最小的目标函数的目标解作为基准点，并基于预设搜索目标函数，分别确定所述试探点集合中各个试探点对应的多个第一搜索值，以及所述基准点对应的第二搜索值；
将所述多个第一搜索值中小于所述第二搜索值的第一搜索值作为局部最优解，通过粒子群优化算法确定所述局部最优解对应的适应度值，并迭代更新所述局部最优解以及所述适应度值，直至满足所述粒子群优化算法预设的收敛精度或者达到最大迭代次数，确定所述储能电池在所述微电网运行过程中的最优储能容量。
8.一种储能电池安全储能管理系统，其特征在于，包括：
第一单元，用于获取储能电池的充放电深度与所述充放电深度对应的充放电系数，以及所述储能电池在不同运行工况下的充放电功率损耗，结合预设的电池寿命衰减模型，确定所述储能电池的有效储能容量；
第二单元，用于基于所述储能电池所在微电网的运行策略与所述有效储能容量，结合所述微电网的负荷需求以及所述储能电池对所述微电网的联络线网络耗损，确定对所述储能电池的容量配置策略；
第三单元，用于根据对所述储能电池的容量配置策略，构建所述储能电池优化配置成本最小的目标函数，基于预设的两阶段优化算法，确定所述储能电池在所述微电网运行过程中的最优储能容量。
9.一种储能电池安全储能管理设备，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为调用所述存储器存储的指令，以执行权利要求1至7中任意一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序指令，其特征在于，所述计算机程序指令被处理器执行时实现权利要求1至7中任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310161792.XA CN115864611B (zh) | 2023-02-24 | 2023-02-24 | 储能电池安全储能管理方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310161792.XA CN115864611B (zh) | 2023-02-24 | 2023-02-24 | 储能电池安全储能管理方法、系统、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115864611A true CN115864611A (zh) | 2023-03-28 |
| CN115864611B CN115864611B (zh) | 2023-08-08 |
Family
ID=85658873
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310161792.XA Active CN115864611B (zh) | 2023-02-24 | 2023-02-24 | 储能电池安全储能管理方法、系统、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115864611B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117394484A (zh) * | 2023-10-18 | 2024-01-12 | 法罗电力(浙江)有限公司 | 一种储能装置中的电池管理方法与系统 |
| CN117614076A (zh) * | 2023-12-07 | 2024-02-27 | 深圳启昌智能科技有限公司 | 调节式储能电源方法及系统 |
| CN118353055A (zh) * | 2024-04-01 | 2024-07-16 | 纳晖新能源科技有限公司 | 储能系统的运行控制方法与相关产品 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140058571A1 (en) * | 2012-08-27 | 2014-02-27 | Nec Laboratories America, Inc. | Multi-objective energy management methods for micro-grids |
| CN104319768A (zh) * | 2014-11-03 | 2015-01-28 | 四川慧盈科技有限责任公司 | 一种微电网供电及监控方法 |
| US20160105020A1 (en) * | 2014-10-09 | 2016-04-14 | Nec Laboratories America, Inc. | Modular multilvel converter and control framework for hybrid energy storage |
| CN107508303A (zh) * | 2017-08-09 | 2017-12-22 | 国电南瑞科技股份有限公司 | 一种面向微电网的模块化储能装置优化配置及控制方法 |
| CN108616134A (zh) * | 2018-04-13 | 2018-10-02 | 东华大学 | 一种考虑微电网并离网切换的动力储能容量配置方法 |
| 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 |
| CN113471993A (zh) * | 2021-05-17 | 2021-10-01 | 四川大学 | 一种基于鲁棒优化的用户侧混合储能技术运行优化方法 |
| CN114597926A (zh) * | 2022-03-14 | 2022-06-07 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种微电网混合储能优化配置方法及装置 |
| CN114696351A (zh) * | 2022-03-11 | 2022-07-01 | 国网安徽省电力有限公司电力科学研究院 | 一种电池储能系统动态优化方法、装置、电子设备和存储介质 |
| CN114944661A (zh) * | 2022-07-13 | 2022-08-26 | 西南交通大学 | 一种基于储能系统滚动优化的微电网三阶段优化控制方法 |
-
2023
- 2023-02-24 CN CN202310161792.XA patent/CN115864611B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140058571A1 (en) * | 2012-08-27 | 2014-02-27 | Nec Laboratories America, Inc. | Multi-objective energy management methods for micro-grids |
| US20160105020A1 (en) * | 2014-10-09 | 2016-04-14 | Nec Laboratories America, Inc. | Modular multilvel converter and control framework for hybrid energy storage |
| CN104319768A (zh) * | 2014-11-03 | 2015-01-28 | 四川慧盈科技有限责任公司 | 一种微电网供电及监控方法 |
| CN107508303A (zh) * | 2017-08-09 | 2017-12-22 | 国电南瑞科技股份有限公司 | 一种面向微电网的模块化储能装置优化配置及控制方法 |
| CN108616134A (zh) * | 2018-04-13 | 2018-10-02 | 东华大学 | 一种考虑微电网并离网切换的动力储能容量配置方法 |
| 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 |
| CN113471993A (zh) * | 2021-05-17 | 2021-10-01 | 四川大学 | 一种基于鲁棒优化的用户侧混合储能技术运行优化方法 |
| CN114696351A (zh) * | 2022-03-11 | 2022-07-01 | 国网安徽省电力有限公司电力科学研究院 | 一种电池储能系统动态优化方法、装置、电子设备和存储介质 |
| CN114597926A (zh) * | 2022-03-14 | 2022-06-07 | 内蒙古电力(集团)有限责任公司内蒙古电力科学研究院分公司 | 一种微电网混合储能优化配置方法及装置 |
| CN114944661A (zh) * | 2022-07-13 | 2022-08-26 | 西南交通大学 | 一种基于储能系统滚动优化的微电网三阶段优化控制方法 |
Non-Patent Citations (3)
| Title |
|---|
| 李军徽;冯爽;崔新振;严干贵;高凯;李鸿博;: "风储联合发电系统中锂电池寿命评估", 电工电能新技术, no. 10, pages 34 - 38 * |
| 田星星等: "计及微电网并离网两种工况的储能容量优化配置", 《电源学报》, pages 62 - 70 * |
| 肖浩;裴玮;杨艳红;齐智平;孔力;: "计及电池寿命和经济运行的微电网储能容量优化", 高电压技术, no. 10, pages 3256 - 3265 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117394484A (zh) * | 2023-10-18 | 2024-01-12 | 法罗电力(浙江)有限公司 | 一种储能装置中的电池管理方法与系统 |
| CN117394484B (zh) * | 2023-10-18 | 2024-05-24 | 法罗电力(浙江)有限公司 | 一种储能装置中的电池管理方法与系统 |
| CN117614076A (zh) * | 2023-12-07 | 2024-02-27 | 深圳启昌智能科技有限公司 | 调节式储能电源方法及系统 |
| CN118353055A (zh) * | 2024-04-01 | 2024-07-16 | 纳晖新能源科技有限公司 | 储能系统的运行控制方法与相关产品 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115864611B (zh) | 2023-08-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ahmadi et al. | Information-gap decision theory for robust security-constrained unit commitment of joint renewable energy and gridable vehicles | |
| Badawy et al. | Power flow management of a grid tied PV-battery system for electric vehicles charging | |
| JP7059583B2 (ja) | エネルギーマネジメントシステム、電力需給計画最適化方法、および電力需給計画最適化プログラム | |
| CN115864611B (zh) | 储能电池安全储能管理方法、系统、设备及存储介质 | |
| JP6554410B2 (ja) | 電力貯蔵システム管理装置、電力貯蔵システム管理方法、電力貯蔵システム | |
| CN110854932B (zh) | 一种交直流配电网多时间尺度优化调度方法及系统 | |
| Vykhodtsev et al. | A review of modelling approaches to characterize lithium-ion battery energy storage systems in techno-economic analyses of power systems | |
| US20140350743A1 (en) | Tiered power management system for microgrids | |
| Sousa et al. | A hybrid simulated annealing approach to handle energy resource management considering an intensive use of electric vehicles | |
| Rahmani-Andebili | Cooperative distributed energy scheduling in microgrids | |
| Scioletti et al. | Optimal design and dispatch of a system of diesel generators, photovoltaics and batteries for remote locations | |
| Vosoogh et al. | An intelligent day ahead energy management framework for networked microgrids considering high penetration of electric vehicles | |
| EP4167417A1 (en) | Device power supply method, system, and related device | |
| JP6515640B2 (ja) | 潮流計算装置、潮流計算方法、及びプログラム | |
| Xu et al. | Multi-objective chance-constrained optimal day-ahead scheduling considering BESS degradation | |
| CN109768560A (zh) | 提供多服务的蓄电池的充放电控制装置及方法 | |
| Cui et al. | Optimal control of PEVs for energy cost minimization and frequency regulation in the smart grid accounting for battery state-of-health degradation | |
| Wu et al. | An Optimal Charging Strategy for PV‐Based Battery Swapping Stations in a DC Distribution System | |
| Witharama et al. | Advanced Genetic Algorithm for Optimal Microgrid Scheduling Considering Solar and Load Forecasting, Battery Degradation, and Demand Response Dynamics | |
| JP6158107B2 (ja) | エネルギーマネジメントシステム | |
| Wan et al. | Privacy-preserving operation management of battery swapping and charging system with dual-based benders decomposition | |
| JP5675672B2 (ja) | コミュニティ制御装置、蓄電システム、蓄電装置分配方法、及びプログラム | |
| Giraldo et al. | Optimal operation of community energy storage using stochastic gradient boosting trees | |
| CN115360768A (zh) | 基于muzero和深度强化学习的电力调度方法、装置及存储介质 | |
| Vykhodtsev | Development of Physics-Based Models of Lithium-ion Battery Energy Storage for Power System Techno-Economic Studies |
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 |