CN116014771A - 储能系统控制方法、装置、计算机设备及存储介质 - Google Patents
储能系统控制方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN116014771A CN116014771A CN202310293338.XA CN202310293338A CN116014771A CN 116014771 A CN116014771 A CN 116014771A CN 202310293338 A CN202310293338 A CN 202310293338A CN 116014771 A CN116014771 A CN 116014771A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- target
- strategy
- power
- period
- 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 415
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000011217 control strategy Methods 0.000 claims abstract description 146
- 230000006870 function Effects 0.000 claims description 142
- 230000005611 electricity Effects 0.000 claims description 65
- 230000004044 response Effects 0.000 claims description 30
- 238000011156 evaluation Methods 0.000 claims description 24
- 238000010248 power generation Methods 0.000 claims description 11
- 230000008901 benefit Effects 0.000 claims description 8
- 230000000151 anti-reflux effect Effects 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 238000007599 discharging Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 4
- 230000002269 spontaneous effect Effects 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007717 exclusion Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 101100326726 Flaveria trinervia PPCC gene Proteins 0.000 description 2
- 230000002457 bidirectional effect Effects 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000006872 improvement 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
- 230000010355 oscillation Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请提供一种储能系统控制方法、装置、计算机设备及存储介质，该方法包括：确定与当前目标应用场景匹配的储能目标组合，储能目标组合由至少一个储能目标组成，每一储能目标具有对应的用于实现该储能目标的至少一个控制策略，任一控制策略至少是针对储能系统的至少一个储能参数的策略；基于与储能目标组合匹配的目标拟合函数，确定在储能目标组合下，储能系统的储能参数的最优值，目标拟合函数是基于储能目标组合中各储能目标对应的各控制策略被配置的控制策略函数确定的；依据储能参数的最优值对储能系统进行控制。该方案可实现不同应用场景下的多种目标，满足了不同应用场景的差异化需求，提高了储能系统的能量管理效率。
Description
技术领域
本申请涉及控制技术领域，尤其涉及储能系统控制方法、装置、计算机设备及存储介质。
背景技术
随着新能源技术的进步，风能和光伏能源得到了大力发展，但风能和光伏能源具有随机性和间歇性等特点，该特点给电力系统的稳定运行带来了新的挑战。而储能系统的引入可有效解决电力系统不稳定的问题。
储能系统的核心是能量管理系统(EMS，Energy Management System)，其作为储能系统的大脑，协调管控整个储能系统的充放电，适用于各种储能应用场景，例如，发电侧、电网侧、用电侧及微电网。随着储能电站在复杂场景的广泛应用，有效提高储能系统的能量管理效率是当前亟待解决的技术问题。
发明内容
为克服相关技术中存在的问题，本申请提供了储能系统控制方法、装置、计算机设备及存储介质。
根据本申请实施例的第一方面，提供一种储能系统控制方法，该方法包括：确定与当前目标应用场景匹配的储能目标组合，其中，储能目标组合由至少一个储能目标组成，目标应用场景下储能目标组合中每一储能目标具有对应的用于实现该储能目标的至少一个控制策略，任一控制策略至少是针对储能系统的至少一个储能参数的策略；基于与储能目标组合匹配的目标拟合函数，确定在储能目标组合下，储能系统的储能参数的最优值，其中，目标拟合函数是基于储能目标组合中各储能目标对应的各控制策略被配置的控制策略函数所确定的；依据储能参数的最优值对储能系统进行控制。
根据本申请实施例的第二方面，提供一种储能系统控制装置，包括：储能目标确定模块，用于确定与当前目标应用场景匹配的储能目标组合，其中，储能目标组合由至少一个储能目标组成，目标应用场景下储能目标组合中每一储能目标具有对应的用于实现该储能目标的至少一个控制策略，任一控制策略至少是针对储能系统的至少一个储能参数的策略；储能参数确定模块，用于基于与储能目标组合匹配的目标拟合函数，确定在储能目标组合下，储能系统的储能参数的最优值，其中，目标拟合函数是基于储能目标组合中各储能目标对应的各控制策略被配置的控制策略函数所确定的；储能系统控制模块，用于依据储能参数的最优值对储能系统进行控制。
根据本申请实施例的第三方面，提供一种计算机设备，包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，其中，处理器执行程序时实现上述的储能系统控制方法。
根据本申请实施例的第四方面，提供一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述的储能系统控制方法。
本申请的实施例提供的技术方案可以包括以下有益效果：
本申请所提供的方案可识别不同应用场景所对应的储能目标组合，自动确定实现储能目标组合所对应的控制策略，并通过目标拟合函数实现多个储能目标以满足多种用户需求，从而满足不同储能场景的差异化需求，进而提高了储能系统的能量管理效率。另外，在本申请中，目标拟合函数是基于不同的控制策略所对应的控制策略函数所确定的，因此，在不同的应用场景下，无需客户重新下载管理程序或修改管理程序，仅需根据应用场景确定储能目标组合，以及储能目标组合对应的策略，即可基于目标拟合函数来确定储能系统的储能参数的最优值，进一步提高了储能系统的能量管理效率。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本申请的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
图1是本申请根据一示例性实施例示出的一种储能系统控制方法的流程图。
图2是本申请根据一示例性实施例示出的一种储能控制方法的原理框图。
图3是本申请根据一示例性实施例示出的一种储能控制策略模型的模型结构图。
图4是本申请根据一示例性实施例示出的一种预设储能目标库的表现形式图。
图5是本申请根据一示例性实施例示出的一种储能系统控制方法的流程图。
图6是本申请根据一示例性实施例示出的一种储能系统控制装置的框图。
图7是本申请实施例储能系统控制方法所在计算机设备的一种硬件结构图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
为便于理解本申请，在对本申请实施例进行详细说明之前，对如下术语进行解释说明。
（1）储能，指通过介质或设备存储能量，并在需要能量时释放能量的过程，在本申请中，储能主要指电力储能。
（2）EMS，Energy Management System，能量管理系统，EMS主要包括基础功能单元和应用功能单元，其中，基础功能单元主要由计算机、操作系统和EMS支撑系统组成。
（3）PCS，Power Conversion System，储能变流器，可控制蓄电池的充电和放电，并可实现交直流的变换，在无电网的情况下，PCS还可为交流负荷供电。其中，PCS由DC（DirectCurrent，直流电）/AC（Alternating Current，交流电）双向变流器、控制单元等构成。PCS的控制器可通过通讯接收后台控制指令，根据功率指令的符号及大小控制双向变流器对电池进行充电或放电，以调节电网有功功率及无功功率。另外，PCS控制器还可通过CAN接口与BMS通讯，以获取电池组状态信息，实现对电池的保护性充放电，确保电池运行安全。
（4）BMS，Battery Management System，电池管理系统，BMS包括BMS电池管理模组、控制模组、显示模组、无线通信模组、电气设备、用于为电气设备供电的电池组以及用于采集电池组的电池信息的采集模组，电池管理模组可通过通信接口分别与无线通信模组及显示模组连接，采集模组的输出端与电池管理模组的输入端连接，电池管理模组的输出端与控制模组的输入端连接，控制模组分别与电池组及电气设备连接，电池管理模组通过无线通信模块与服务器连接。
（5）AGC，Automatic Generation Control，自动发电量控制，是能量管理系统EMS中的一项重要功能，其用于控制调频机组的出力，以满足不断变化的用户电力需求，并使系统处于经济的运行状态。
（6）AVC，Automatic Voltage Control，自动电压控制，其可利用计算机和通信技术，对电网中的无功资源以及调压设备进行自动控制，以达到保证电网安全、优质和经济运行的目的。
（7）PPCC，Power Point active Capacity，并网点有功功率。
（8）SOC，State of Charge，荷电状态，也叫剩余电量，其可反映电池的剩余容量。
（9）削峰填谷策略是根据调度指令设定或者根据当地的峰谷电价策略设置PCS的有功功率值的一种控制策略。削峰填谷策略可通过配置不同时间段和充放功率，完成谷时段充电、峰时段放电，从而实现电量平移和峰谷套利。
（10）计划跟踪策略，其可同时适用于抑制输出功率的短期波动和长期波动。在计划跟踪策略下，控制系统根据调度计划安排，结合电场发电预测结果，制定合理的总输出功率目标曲线。通过实时调整储能系统的充放电功率，使总功率输出符合计划安排。在计划跟踪策略下，需提前获取电网的发电计划，然后根据发电计划每隔预设时长（例如，15min）生成一个功率调度指令。另外，该策略比较简单，实时性为分钟级。
（11）平滑功率策略，主要针对新能源输出功率的分钟级的短期波动。平滑控制策略可对风能或者光伏出力进行低通滤波，与新能源功率相减，得到下一周期的有功功率值。其平滑效果与选取的时间常数有关，其中，时间常数越大，总的输出功率越平滑。另外，该策略对实时性要求较高。
（12）有功调频策略，可对系统频率的小范围偏差进行快速调节，以平抑发电机组出力和负荷之间的差值。其中，电池储能系统可通过快速吸收和释放有功功率来调节系统的频率偏差。
（13）无功调压策略，可提高暂态电压稳定性，防止电压崩溃事故；提供动态无功支撑，加速故障后电压恢复，减少低压释放负荷；作为无功容量参与日常运行的稳态调压；提供阻尼控制，抑制电网功率振荡；作为自动电压控制(AVC)系统的子单元，抑制电网功率振荡。其中，储能系统PCS的控制技术可以实现有功功率和无功功率解耦控制，为了实现动态无功调节，储能系统应具备1s内全功率放电能力。
（14）负载跟踪策略，是并网储能系统的一种放电控制策略，放电功率实时跟踪负载功率，即储能系统的放电功率PR=储能系统所连接的负载功率。该控制策略需保证控制器的实时性能，包括负载功率的采集实时性和PCS响应的实时性能。另外，也可通过获取并网点有功功率PPCC，通过实时控制PPCC=0，来达到相同的效果。
（15）电池保护策略，包括根据SOC的保护策略和根据电池电压的保护策略，这两种策略相互配合使用。如果电池充放电不考虑SOC状态，则可能导致电池过充或者过放，使电池系统停止工作，不但影响整个系统的稳定性，还会影响电池的使用寿命，因此，需要电池保护算法根据SOC值设置PCS充放电功率。
（16）功率分配策略，该策略可保证系统设备的协调运行，平均出力；同时又在系统故障的情况下，控制故障设备停止工作，无故障设备平均出力；另外，在该策略下，还根据电池系统BMS和PCS本身的限制功率需求，设置出力功率要小于限制功率，其他非限制功率设备的功率平均分配。
（17）需量电费控制策略，该策略通过监测进线总表功率和负荷功率，调整储能充放，避免负荷用电超过变压器最大需量，从而避免因此带来的罚款。在该策略下，根据变压器低压侧电表的实时功率数据进行充放电控制，当功率过大触发条件时，自动启动或加大储能放电。通常一个园区对应一个变压器，电网收费分为基础收费（变压器容量费）和电度电费，基础电费预先上报，如果超出会收翻倍费用。因此，在该策略中，需去除超出的用电高峰，节省基础电费。
（18）需求响应策略，用电企业通过相关系统申请答复需求侧响应，通过后进入执行响应。申报响应负荷需小于合同容量，通常不超过基线平均负荷。在执行该策略时，系统根据配置时段和负荷对储能进行充放电调整，完成响应。
（19）动态扩容策略，在该策略下，可通过加装储能实现容量扩增，通过削峰填谷，降低峰值负荷需求，配电设备不超额，以兼顾峰谷套利。
（20）逆功率保护策略，该策略通过监测进线总表的实时功率，实时调整储能功率，避免电流倒送电网。
接下来对本申请实施例进行详细说明。
如图1所示，图1是本申请根据一示例性实施例示出的一种储能系统控制方法的流程图，包括以下步骤：
步骤102，确定与当前目标应用场景匹配的储能目标组合，其中，储能目标组合由至少一个储能目标组成，目标应用场景下储能目标组合中每一储能目标具有对应的用于实现该储能目标的至少一个控制策略，任一控制策略至少是针对储能系统的至少一个储能参数的策略。
步骤104，基于与储能目标组合匹配的目标拟合函数，确定在储能目标组合下，储能系统的储能参数的最优值，其中，目标拟合函数是基于储能目标组合中各储能目标对应的各控制策略被配置的控制策略函数所确定的。
步骤106，依据储能参数的最优值对储能系统进行控制。
由上述步骤S102至步骤S106所限定的方案可以获知，本申请所提供的储能控制方法的原理框图可以如图2所示，即根据用户的输入数据识别出当前目标应用场景，并确定当前目标应用场景所对应的储能目标组合，然后，调用多目标能量管理的储能控制策略模型，确定实现储能目标组合所包含的储能目标的控制策略，并根据控制策略对应的控制策略函数确定目标拟合函数，形成整个运作机制。同时针对当前目标应用场景的储能目标组合，在储能控制策略模型中自动生成实现该储能目标组合所包含的储能目标的控制策略，并计算执行该控制策略以使目标拟合函数最优的储能参数的最优值，并将储能参数的最优值下发给储能系统，以控制储能系统中的PCS（Power Conversion System，储能变流器）的充放电、功率选择等，以实现整个储能系统的高效控制。
由上述内容可知，本申请所提供的方案可识别不同应用场景所对应的储能目标组合，自动确定实现储能目标组合所对应的控制策略，并通过目标拟合函数实现多个储能目标以满足多种用户需求，从而满足不同储能场景的差异化需求，进而提高了储能系统的能量管理效率。另外，在本申请中，目标拟合函数是基于不同的控制策略所对应的控制策略函数所确定的，因此，在不同的应用场景下，无需客户重新下载管理程序或修改管理程序，仅需根据应用场景确定储能目标组合，以及储能目标组合对应的策略，即可基于目标拟合函数来确定储能系统的储能参数的最优值，进一步提高了储能系统的能量管理效率。
以下结合图3-图5对上述步骤S102至步骤S106进行详细地解释和说明。
步骤102，确定与当前目标应用场景匹配的储能目标组合，其中，储能目标组合由至少一个储能目标组成，目标应用场景下储能目标组合中每一储能目标具有对应的用于实现该储能目标的至少一个控制策略，任一控制策略至少是针对储能系统的至少一个储能参数的策略。
在步骤S102中，目标应用场景为储能系统所对应的使用场景，该使用场景可以分为三类，即用户侧场景、分布式场景以及故障调试场景，其中，用户侧场景主要为供电区域范围较小的场景，例如，家庭用电场景；分布式场景主要为供电区域范围较大的场景，例如，医院、工厂、油田、矿山、商场、数据中心、微电网等；故障调试场景主要用于用电区域的故障调试或检修的场景。
需要说明的是，不同的应用场景对应的储能目标可以不同，例如，对于医院，其对应的储能目标是重要负荷供电可靠；对于矿山，其对应的储能目标是节约电费、降碳、系统增容；对于执行两部制电价的大工业用户场景，其对应的储能目标是节约电费；对于矿山场景，其对应的储能目标是节约电费、降碳和系统增容。
另外，在本实施例中，用于实现不同储能目标的控制策略可以包括但不限于峰谷套利策略、计划跟踪策略、平滑功率策略、有功调频策略、无功调压策略、负载跟踪策略、电池保护策略、功率分配策略、需量电费管理策略、需求响应策略、动态增容策略、逆功率保护策略、削峰填谷策略、后备电源管理策略、光伏自用自发策略、动态增容策略、电能质量优化策略。
可选的，在本申请中，储能控制策略模型中设置了上述多种策略，其中，图3示出了一种可选的储能控制策略模型的模型结构图，如图3所示，该储能控制策略模型可以分为三类不同的策略，即手动策略、预置策略和智能策略。其中，储能控制策略模型所包含的控制策略与一个策略单元相对应，每个策略单元至少具有参数配置接口、输入接口和输出接口，其中，参数配置接口用于接收当前目标应用场景所对应的配置参数，例如，当前目标应用场景的名称或标识、当前目标应用场景对应的区域位置、当前目标应用场景对应的人口规模、用电规模等；输入接口用于接收输入变量，输入变量至少包括当前目标应用场景下的监控数据（例如，电压、电流、PCS的充放电功率）和储能系统的状态信息（例如，PCS的运行是否可靠等）；输出接口用于输出控制储能系统的储能参数，例如，充放电时长、每个时段所对应的充放电功率等。
手动策略可实现对PCS的启动控制以及功率控制，该手动策略适用于电站调试、手工维护等场景，主要针对专业运维人员。
预置策略主要包括削峰填谷策略、逆功率保护策略、需量电费管理策略等。其中，在预置策略下，储能系统可根据预先配置的控制策略自动运行，也可根据预先设置的开启条件、停止条件等启动或运行。在预置策略下，储能系统可根据储能目标组合自动选择峰谷套利策略、逆功率保护策略、需量电费管理策略中的一种或多种，并绘制执行上述一种或多种控制策略时，储能系统所要实现的储能目标的参数曲线，在预置策略下，该参数曲线的绘制精确度可达到秒级，为在电力市场化交易中实现电力储能交易提供了技术门槛。
智能策略应主要应用于多能源主体场景，尤其是电网和光伏并存，无法用固定的静态曲线配置储能系统充放电的场景。在智能策略下，可通过计算机动态规划充放电策略，结合分时电价、光伏功率、负载功率、电池的SOC、储能状态和储能限制等数据，以每分钟为单位规划未来24小时的充放电策略，实现储能系统充放电功率以及充放电时间的动态调整，在保障储能安全的前提下，实现降低电网用电成本最低的目标，以及实现100%满充满放控制的目标。另外，在本申请中，可通过对储能控制策略模型所包含的控制策略进行自动协同设置，以实现储能系统的充电最大功率、放电功率、充电转化效率、放电转化效率，该过程无需人为干预设置，实现了AI（Artificial Intelligence，人工智能）调优的效果，提升了能量管理的效率。
可选的，在本实施例中，用于实现不同储能目标的控制策略可以不同，例如，可通过峰谷套利策略、需量电费管理策略、需求响应策略的策略组合来实现节约电费的储能目标；可通过峰谷套利策略、需量电费管理策略、光伏自用自发策略以及动态增容策略来实现节约电费、降碳和系统增容的储能目标。此外，对于不同的应用场景，在储能目标组合相同的情况下，实现该储能目标组合中的储能目标的控制策略也可以不同，例如，对于执行两部制电价的大工业用户和执行单一制电价的工商业用户，两种应用场景对应的储能目标均为节约电费，但各自实现该储能目标的控制策略是不同的，其中，在执行两部制电价的大工业用户的应用场景下，实现节约电费的控制策略至少包括峰谷套利策略、需量电费管理策略以及需求响应策略，而在执行单一制电价的工商业用户的应用场景下，实现节约电费的控制策略至少包括峰谷套利策略以及需求响应策略。
此外，还需要说明的是，对于不同的控制策略，其所针对的储能系统的储能参数也可以不同，例如，峰谷套利策略所针对的储能参数至少包括不同时段的充放电电价以及充放电功率；需量电费管理策略所针对的储能参数至少包括不同时段的充放电功率以及变压器容量；光伏自用自发策略所针对的储能参数至少包括不同时段的充放电功率以及负载功率；需求响应策略所针对的储能参数至少包括不同时段的变压器的电量值以及每度电量的补偿金额。
在一种可选的实施例中，可结合当前目标应用场景的场景数据（例如，场景标识、该场景所对应的区域位置、该场景所对应的储能设备的规模等）以及储能系统的SOC（Stateof Charge，荷电状态）状态、实时电价的预测值、电力负荷的相关信息等来确定当前目标应用场景所对应的储能目标组合。
在另一种可选的实施例中，可获取已配置的预设储能目标库，并根据当前目标应用场景，从预设储能目标库中确定目标储能场景所对应的储能目标组合。可选的，图4示出了一种可选的预设储能目标库的表现形式，由图4可知，预设储能目标库中记录了储能系统的应用场景、储能目标组合以及控制策略之间的对应关系。在实际应用中，用户可通过终端设备（例如，电脑）输入目标应用场景的标识和/或名称等信息，终端设备即可通过预设储能数据库查询与目标应用场景对应的储能目标组合，以及实现该储能目标组合所包含的储能目标所需的控制策略。
需要注意的是，图4仅列举出了一种预设储能目标库的表现形式，在实际应用中，预设储能目标库可以以表格的形式存在，也可以以数据库的形式存在，也可以以其他的形式存在，任何能够建立储能系统的应用场景、储能目标组合以及控制策略之间的对应关系的形式均可应用在预设储能目标库上。
另外，通过预设储能目标库即可确定与应用场景所对应的储能目标，无需更改或重新下载储能系统的管理程序，从而提升了储能系统的能量管理效率。
步骤104，基于与储能目标组合匹配的目标拟合函数，确定在储能目标组合下，储能系统的储能参数的最优值，其中，目标拟合函数是基于储能目标组合中各储能目标对应的各控制策略被配置的控制策略函数所确定的。
在步骤S104中，每个控制策略均有对应的控制策略函数，在不同的应用场景下，确定目标拟合函数的控制策略函数也可以不同，即在本实施例中，目标拟合函数由当前目标应用场景所对应的控制策略的控制策略函数所确定，例如，在执行两部制电价的大工业用户场景下，其对应的目标拟合函数由峰谷套利策略的控制策略函数、需量电费管理策略的控制策略函数以及需求响应策略的控制策略函数所确定；在执行单一制电价的工商业用户场景下，其对应的目标拟合函数由峰谷套利策略的控制策略函数以及需求响应策略的控制策略函数所确定。
在一种可选的实施例中，目标拟合函数的最优解为用户所期望的多储能目标的综合收益最优。终端设备根据当前目标应用场景所对应的储能目标组合，确定实现储能目标组合所包含的储能目标的控制策略所对应的控制策略函数，并对控制策略函数进行自动拟合，得到目标拟合函数，然后对目标拟合函数自动调优，以确定储能系统的储能参数的最优值。在确定储能系统的储能参数的最优值的过程中，可根据电池剩余电量SOC约束、充放电功率约束、充放电等效电价约束等作为目标拟合函数的约束条件，从而实现不同控制策略的控制策略函数的自动协同，AI自主学习寻优，最终实现多储能目标的综合收益最优。
以下以目标拟合函数由峰谷套利策略的控制策略函数、需量电费管理策略的控制策略函数、光伏自用自发策略的控制策略函数以及需求响应策略的控制策略函数所确定为例进行说明。
其中，当控制策略为峰谷套利策略时，该控制策略被配置的控制策略函数用于确定整个设定的评价周期内收益最优；峰谷套利策略被配置的控制策略函数至少与以下参数有关：在评价周期内，储能系统的充电等效电价、储能系统的放电等效电价、储能系统的放电功率以及储能系统的充电功率。
可选的，峰谷套利策略被配置的控制策略函数可以由下式（1-1）表示：
（1-1）
峰谷套利策略被配置的控制策略函数所对应的约束条件至少包括以下条件（1）-（4）：
（1）
（2）
（3）
（4）
其中，n为评价周期所包含的时段数量，为每个时段的时长，为第i个时段对应的电池剩余电量，为第i个时段的放电功率，为第i个时段的充电功率，为电池的目标剩余电量，为放电功率的最小值，为放电功率的最大值，为第i个时段放电等效电价，为第i个时段充电等效电价，为第i个时段的电网电价。
在上述约束条件中，处于预设范围内，例如，。除上述约束条件外，峰谷套利策略被配置的控制策略函数还需满足储能系统的充放电互斥约束，即储能系统在同一时刻只能充电或放电。
当控制策略为需量电费管理策略时，该控制策略被配置的控制策略函数用于确定整个设定的评价周期内需量电费最小；需量电费管理策略被配置的控制策略函数至少与以下参数有关：光伏系统的理论发电量、储能系统的放电功率、储能系统的充电功率、储能系统的负载功率以及储能系统对应的变压器容量。
可选的，需量电费管理策略被配置的控制策略函数可以由下式（1-2）表示：
（1-2）
其中，需量电费管理策略被配置的控制策略函数所对应的约束条件至少包括以下条件（5）-（9）：
（5）
（6）
（7）
（8）
（9）
其中，n为评价周期所包含的时段数量，为每个时段的时长，为第i个时段对应的电池剩余电量，为第i个时段的放电功率，为第i个时段的充电功率，为电池的目标剩余电量，为放电功率的最小值，为放电功率的最大值，为第i个时段的负载功率，为第i个时段的光伏防逆流功率，为光伏系统的理论发电量，为储能系统对应的变压器容量。
在上述约束条件中，处于预设范围内，例如，。除上述约束条件外，需量电费管理策略被配置的控制策略函数还需满足储能系统的充放电互斥约束。
当控制策略为光伏自用自发策略时，该控制策略被配置的控制策略函数用于确定整个设定的评价周期内，光伏系统的自用效率最高；光伏自用自发策略被配置的控制策略函数至少与以下参数有关：光伏系统的理论发电量、储能系统的放电功率、储能系统的充电功率以及储能系统的负载功率。
可选的，光伏自用自发策略被配置的控制策略函数可以由下式（1-3）表示：
（1-3）
其中，光伏自用自发策略被配置的控制策略函数所对应的约束条件至少包括以下条件（10）-（14）：
（10）
（11）
（12）
（13）
（14）
其中，n为评价周期所包含的时段数量，为每个时段的时长，为第i个时段对应的电池剩余电量，为第i个时段的放电功率，为第i个时段的充电功率，为电池的目标剩余电量，为放电功率的最小值，为放电功率的最大值，为第i个时段的负载功率，为第i个时段的光伏防逆流功率，为光伏系统的理论发电量。
在上述约束条件中，处于预设范围内，例如，。除上述约束条件外，光伏自用自发策略被配置的控制策略函数还需满足储能系统的充放电互斥约束。
当控制策略为需求响应策略时，该控制策略被配置的控制策略函数用于确定整个设定的评价周期内响应变压器容量需求的收益最优；需求响应策略被配置的控制策略函数至少与以下参数有关：变压器的电量值、每度电量的补偿金额。
可选的，需求响应策略被配置的控制策略函数可以由下式（1-4）表示：
（1-4）
其中，需求响应策略被配置的控制策略函数所对应的约束条件至少包括以下条件（15）：
（15）
其中，表示每个时段的时长，为第i个时段对应的电池剩余电量，为第i个时段的放电功率，为第i个放电时段，为第i个时段的变压器的电量值，，为第i个时段内每度电量的补偿金额。
在上述约束条件中，处于预设范围内，例如，。另外，需求响应策略自身不独立构成优化目标，即目标拟合函数中不能仅由需求响应策略对应的控制策略函数所确定。在储能目标组合由多个储能目标组成的情况下，需求响应策略需权衡是否响应电网的DR（Disconnect Request，断开连接请求）。
在确定了上述四个控制策略对应的控制策略函数之后，即可确定目标拟合函数，即目标拟合函数S可由下式（1-5）表示：
（1-5）
进一步的，在确定了与储能目标组合匹配的目标拟合函数之后，即可对目标拟合函数进行参数调优，以确定储能系统的储能参数的最优值。即对各储能目标对应的至少一个控制策略对应的参数进行调整，以在储能目标组合中各储能目标对应的至少一个控制策略的相互配合下，使目标拟合函数的函数值满足预设条件，并在函数值满足预设条件时，确定至少一个控制策略对应的参数为储能系统的储能参数的最优值。
例如，在目标拟合函数由峰谷套利策略的控制策略函数、需量电费管理策略的控制策略函数、光伏自用自发策略的控制策略函数以及需求响应策略的控制策略函数所确定的情况下，可对每个时段的储能系统的储能参数，例如，充放电功率、充放电等效电价、负载功率、变压器容量、变压器的电量值、每度电量的补充金额等进行调整，以使目标拟合函数所对应的函数值满足预设条件，例如，使目标拟合函数所对应的函数值达到最大值或最小值或处于某个范围内。在目标拟合函数对应的函数值满足该预设条件时，记录储能系统的储能参数的最优值，并将该储能参数的最优值下发至储能系统（即步骤106），以使储能系统中的PCS、BMS（Power Conversion System，储能变流器）等根据储能参数的最优值运行。
为便于更好的理解本申请，以下结合图5所示的储能系统控制方法的流程图，对本申请所提供的储能系统控制方法在实际中的应用进行举例说明。
在确定当前目标应用场景匹配的储能目标组合之前，用户可向储能控制策略模型输入当前目标应用场景所对应的场景数据（例如，当前目标应用场景的名称或标识、当前目标应用场景所对应的地理位置、人口规模、用电规模、用电类型等信息），该储能控制策略模型可根据场景数据对当前目标应用场景的SOC状态、实时电价、电力负荷等进行预测，以确定储能控制策略模型所包含的每个控制策略所对应的配置参数和输入变量，从而无需电站管理人员人工配置策略模型所对应的配置参数和输入变量，从而提升了储能系统的管理效率。
需要说明的是，可根据历史数据的训练学习，并通过神经网络技术来实现SOC状态、实时电价、电力负荷等的预测；也可通过现有的算法或模型来计算SOC状态、实时电价、电力负荷，本实施例不对具体的算法进行限定。
为了保证配置参数和输入变量的准确性，在本实施例中，还对配置参数和输入变量进行审核。其中，在当前目标应用场景所对应的储能目标为当前所需要实现的目标时，则无需审核，由储能控制策略模型自动生成即可；在当前目标应用场景所对应的储能目标为次日，或未来一段时长后所需要实现的目标时，则需人工对配置参数和输入变量进行审核。
进一步的，在确定当前目标应用场景之后，对已配置的预设储能目标库进行查询，以确定与当前目标应用场景所匹配的储能目标组合，进而确定实现该储能目标组合所包含的储能目标的控制策略，并基于控制策略所对应的控制策略函数拟合目标拟合函数，在对目标拟合函数进行参数调优，从而得到储能系统的储能参数的最优值。最后，将储能系统的储能参数的最优值下发到储能系统的各个单元中，以控制储能系统的充放电时间、充放电电量等。
在一种可选的实施例中，在实际应用中，终端设备可通过如下步骤实现本申请所提供的储能系统控制方法：
步骤S1，识别当前目标应用场景，即当前的应用场景是用户侧场景、分布式场景，还是故障调试场景。如果当前目标应用场景是用户侧场景，则基于智能策略所对应的控制策略函数来拟合目标拟合函数。如果当前目标应用场景是分布式场景，则基于预置策略所对应的控制策略函数来拟合目标拟合函数。如果当前目标应用场景是故障调试场景，则基于手动策略来对储能系统进行电站调试和/或手工维护等。
步骤S2，在当前目标应用场景为分布式场景之后，在进一步确定当前目标应用场景是分布式场景中的哪个子场景，即确定当前目标应用场景是执行两部制电价的大工业或工商业用户场景、执行单一制电价的工商业用户场景、园区场景、工厂场景、油田场景、商场场景、数据中心场景、微电网场景等；如果当前目标应用场景不属于分布式场景所包含子场景中的任一个，则返回步骤S1。
需要说明的是，终端设备可根据当前目标应用场景所对应的场景数据来识别出当前目标应用场景的类型和/或该类型下对应的子场景。
步骤S3，在当前目标应用场景为分布式场景中的数据中心场景，终端设备可基于已配置的预设储能目标库确定数据中心场景所对应的储能目标为节约电费、重要负荷供电可靠性，还可结合储能系统的SOC状态、实时电价的预测值、电力负荷等数据向用户推荐系统增容、绿电降碳、改善应急电源容量和备用时间等可选的储能目标；如果当前目标应用场景不是数据中心场景，则返回步骤S2，并基于步骤S2所识别的场景从预设储能目标库中确定对应的储能目标。
需要说明的是，用户可根据实际需求从可选的储能目标中选择储能目标，此时，终端设备结合通过预设储能目标库所确定的储能目标以及选择的储能目标来确定至少一个控制策略，该至少一个控制策略可实现通过预设储能目标库所确定的储能目标以及选择的储能目标。
步骤S4，在确定了当前目标应用场景所对应的储能目标之后，终端设备自动生成峰谷套利策略、后备电源管理、需量电费管理策略、需求响应策略等控制策略组合。同样的，终端设备还可自动生成动态增容策略、光伏自用自发策略等可选控制策略以供用户根据实际需求进行选择。
步骤S5，在确定了实现储能目标组合所包含的储能目标的控制策略之后，终端设备可基于储能目标组合所对应的控制策略对应的控制策略函数拟合目标拟合函数，并对目标拟合函数进行参数调优，确定目标拟合函数最优时的储能参数的最优值，并将储能参数的最优值下发至储能系统的PCS，以设置储能系统的充放电时间和充放电量等参数，从而保证电力负荷的用电质量可靠性以及收益最优。
由上述内容可知，本申请所提供的方案可面向不同应用场景的不同储能目标灵活多变的现实需求。有别于相关技术中，依赖人工配置控制策略，本申请所提供的方案可实现多储能目标的控制策略之间的灵活配合，进而能够满足用户的多储能目标的需求，提升了储能系统的能量管理效率。
与前述方法的实施例相对应，本申请还提供了装置及其所应用的计算机设备、存储介质的实施例。
如图6所示，图6是本申请实施例提供的一种储能系统控制装置的框图，该装置包括：
储能目标确定模块，用于确定与当前目标应用场景匹配的储能目标组合，其中，储能目标组合由至少一个储能目标组成，目标应用场景下储能目标组合中每一储能目标具有对应的用于实现该储能目标的至少一个控制策略，任一控制策略至少是针对储能系统的至少一个储能参数的策略；
储能参数确定模块，用于基于与储能目标组合匹配的目标拟合函数，确定在储能目标组合下，储能系统的储能参数的最优值，其中，目标拟合函数是基于储能目标组合中各储能目标对应的各控制策略被配置的控制策略函数所确定的；
储能系统控制模块，用于依据储能参数的最优值对储能系统进行控制。
可选的，储能目标确定模块具体可用于获得已配置的预设储能目标库，并根据当前目标应用场景，从预设储能目标库中确定目标储能场景所对应的储能目标组合。
可选的，当控制策略为峰谷套利策略时，该控制策略被配置的控制策略函数用于确定整个设定的评价周期内收益最优；峰谷套利策略被配置的控制策略函数至少与以下参数有关：在评价周期内，储能系统的充电等效电价、储能系统的放电等效电价、储能系统的放电功率以及储能系统的充电功率；
其中，峰谷套利策略被配置的控制策略函数所对应的约束条件至少包括以下条件：
（1）
（2）
（3）
（4）
其中，n为评价周期所包含的时段数量，为每个时段的时长，为第i个时段对应的电池剩余电量，为第i个时段的放电功率，为第i个时段的充电功率，为电池的目标剩余电量，为放电功率的最小值，为放电功率的最大值，为第i个时段放电等效电价，为第i个时段充电等效电价，为第i个时段的电网电价。
可选的，当控制策略为需量电费管理策略时，该控制策略被配置的控制策略函数用于确定整个设定的评价周期内需量电费最小；
需量电费管理策略被配置的控制策略函数至少与以下参数有关：光伏系统的理论发电量、储能系统的放电功率、储能系统的充电功率、储能系统的负载功率以及储能系统对应的变压器容量；
其中，需量电费管理策略被配置的控制策略函数所对应的约束条件至少包括以下条件：
（5）
（6）
（7）
（8）
（9）
其中，n为评价周期所包含的时段数量，为每个时段的时长，为第i个时段对应的电池剩余电量，为第i个时段的放电功率，为第i个时段的充电功率，为电池的目标剩余电量，为放电功率的最小值，为放电功率的最大值，为第i个时段的负载功率，为第i个时段的光伏防逆流功率。
可选的，当控制策略为光伏自用自发策略时，该控制策略被配置的控制策略函数用于确定整个设定的评价周期内，光伏系统的自用效率最高；
光伏自用自发策略被配置的控制策略函数至少与以下参数有关：光伏系统的理论发电量、储能系统的放电功率、储能系统的充电功率以及储能系统的负载功率；
其中，光伏自用自发策略被配置的控制策略函数所对应的约束条件至少包括以下条件：
（10）
（11）
（12）
（13）
（14）
其中，n为评价周期所包含的时段数量，为每个时段的时长，为第i个时段对应的电池剩余电量，为第i个时段的放电功率，为第i个时段的充电功率，为电池的目标剩余电量，为放电功率的最小值，为放电功率的最大值，为第i个时段的负载功率，为第i个时段的光伏防逆流功率。
可选的，当控制策略为需求响应策略时，该控制策略被配置的控制策略函数用于确定整个设定的评价周期内响应变压器容量需求的收益最优；
需求响应策略被配置的控制策略函数至少与以下参数有关：变压器的电量值、每度电量的补偿金额；
其中，需求响应策略被配置的控制策略函数所对应的约束条件至少包括以下条件：
（15）
其中，表示每个时段的时长，为第i个时段对应的电池剩余电量，为第i个时段的放电功率，为第i个放电时段。
可选的，储能系统控制模块具体用于对各储能目标对应的至少一个控制策略对应的参数进行调整，以在储能目标组合中各储能目标对应的至少一个控制策略的相互配合下，使目标拟合函数的函数值满足预设条件，并在函数值满足预设条件时，确定至少一个控制策略对应的参数为储能系统的储能参数的最优值。
上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
对应地，本申请实施例还提供了一种计算机设备，该计算机设备可以为实施上述方法的设备。其中，图7示出了一种可选的计算机设备的硬件结构图，如图7所示，该计算机设备包括存储器、处理器及存储在存储器上并在处理器上运行的计算机程序，其中，处理器执行程序时实现上述的储能系统控制方法。
基于同样的发明构思，本实施例还提供了计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述的储能系统控制方法。
作为一个实施例，计算机可读存储介质可以是任何电子、磁性、光学或其它物理存储装置，可以包含或存储信息，如可执行指令、数据，等等。例如，存储器可以是：易失存储器、非易失性存储器或者类似的存储介质。具体地，存储器可以是RAM（RadomAccessMemory，随机存取存储器）、闪存、存储驱动器（如硬盘驱动器）、固态硬盘、任何类型的存储盘（如光盘、DVD等），或者类似的存储介质，或者它们的组合。
应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。
Claims (10)
1.一种储能系统控制方法，其特征在于，包括：
确定与当前目标应用场景匹配的储能目标组合，其中，所述储能目标组合由至少一个储能目标组成，所述目标应用场景下所述储能目标组合中每一储能目标具有对应的用于实现该储能目标的至少一个控制策略，任一控制策略至少是针对所述储能系统的至少一个储能参数的策略；
基于与所述储能目标组合匹配的目标拟合函数，确定在所述储能目标组合下，储能系统的储能参数的最优值，其中，所述目标拟合函数是基于所述储能目标组合中各储能目标对应的各控制策略被配置的控制策略函数所确定的；
依据所述储能参数的最优值对所述储能系统进行控制。
2.根据权利要求1所述的方法，其特征在于，确定与当前目标应用场景匹配的储能目标组合，包括：
获得已配置的预设储能目标库；
根据所述当前目标应用场景，从预设储能目标库中确定所述目标储能场景所对应的储能目标组合。
3.根据权利要求1所述的方法，其特征在于，当所述控制策略为峰谷套利策略时，该控制策略被配置的控制策略函数用于确定整个设定的评价周期内收益最优；
所述峰谷套利策略被配置的控制策略函数至少与以下参数有关：在所述评价周期内，所述储能系统的充电等效电价、所述储能系统的放电等效电价、所述储能系统的放电功率以及所述储能系统的充电功率；
其中，所述峰谷套利策略被配置的控制策略函数所对应的约束条件至少包括以下条件：
（1）
（2）
（3）
（4）
其中，n为所述评价周期所包含的时段数量， 为每个时段的时长， 为第i个时段对应的电池剩余电量， 为第i个时段的放电功率， 为第i个时段的充电功率， 为电池的目标剩余电量， 为所述放电功率的最小值， 为所述放电功率的最大值， 为第i个时段所述放电等效电价， 为第i个时段所述充电等效电价， 为第i个时段的电网电价。
4.根据权利要求1所述的方法，其特征在于，当所述控制策略为需量电费管理策略时，该控制策略被配置的控制策略函数用于确定整个设定的评价周期内需量电费最小；
所述需量电费管理策略被配置的控制策略函数至少与以下参数有关：光伏系统的理论发电量、所述储能系统的放电功率、所述储能系统的充电功率、所述储能系统的负载功率以及所述储能系统对应的变压器容量；
其中，所述需量电费管理策略被配置的控制策略函数所对应的约束条件至少包括以下条件：
（5）
（6）
（7）
（8）
（9）
其中，n为所述评价周期所包含的时段数量， 为每个时段的时长， 为第i个时段对应的电池剩余电量， 为第i个时段的放电功率， 为第i个时段的充电功率，为电池的目标剩余电量， 为所述放电功率的最小值， 为所述放电功率的最大值， 为第i个时段的负载功率， 为第i个时段的光伏防逆流功率。
5.根据权利要求1所述的方法，其特征在于，当所述控制策略为光伏自用自发策略时，该控制策略被配置的控制策略函数用于确定整个设定的评价周期内，光伏系统的自用效率最高；
所述光伏自用自发策略被配置的控制策略函数至少与以下参数有关：所述光伏系统的理论发电量、所述储能系统的放电功率、所述储能系统的充电功率以及所述储能系统的负载功率；
其中，所述光伏自用自发策略被配置的控制策略函数所对应的约束条件至少包括以下条件：
（10）
（11）
（12）
（13）
（14）
其中，n为所述评价周期所包含的时段数量， 为每个时段的时长， 为第i个时段对应的电池剩余电量， 为第i个时段的放电功率， 为第i个时段的充电功率，为电池的目标剩余电量， 为所述放电功率的最小值， 为所述放电功率的最大值， 为第i个时段的负载功率， 为第i个时段的光伏防逆流功率。
6.根据权利要求1所述的方法，其特征在于，当所述控制策略为需求响应策略时，该控制策略被配置的控制策略函数用于确定整个设定的评价周期内响应变压器容量需求的收益最优；
所述需求响应策略被配置的控制策略函数至少与以下参数有关：变压器的电量值、每度电量的补偿金额；
其中，所述需求响应策略被配置的控制策略函数所对应的约束条件至少包括以下条件：
（15）
其中， 表示每个时段的时长， 为第i个时段对应的电池剩余电量， 为第i个时段的放电功率， 为第i个放电时段。
7.根据权利要求1所述的方法，其特征在于，基于与所述储能目标组合匹配的目标拟合函数，确定在所述储能目标组合下，储能系统的储能参数的最优值，包括：
对所述各储能目标对应的至少一个控制策略对应的参数进行调整，以在所述储能目标组合中各储能目标对应的至少一个控制策略的相互配合下，使所述目标拟合函数的函数值满足预设条件；
在所述函数值满足所述预设条件时，确定所述至少一个控制策略对应的参数为所述储能系统的储能参数的最优值。
8.一种储能系统控制装置，其特征在于，所述装置包括：
储能目标确定模块，用于确定与当前目标应用场景匹配的储能目标组合，其中，所述储能目标组合由至少一个储能目标组成，所述目标应用场景下所述储能目标组合中每一储能目标具有对应的用于实现该储能目标的至少一个控制策略，任一控制策略至少是针对所述储能系统的至少一个储能参数的策略；
储能参数确定模块，用于基于与所述储能目标组合匹配的目标拟合函数，确定在所述储能目标组合下，储能系统的储能参数的最优值，其中，所述目标拟合函数是基于所述储能目标组合中各储能目标对应的各控制策略被配置的控制策略函数所确定的；
储能系统控制模块，用于依据所述储能参数的最优值对所述储能系统进行控制。
9.一种计算机设备，包括存储器、处理器及存储在所述存储器上并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一所述的方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310293338.XA CN116014771B (zh) | 2023-03-23 | 2023-03-23 | 储能系统控制方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310293338.XA CN116014771B (zh) | 2023-03-23 | 2023-03-23 | 储能系统控制方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116014771A true CN116014771A (zh) | 2023-04-25 |
| CN116014771B CN116014771B (zh) | 2023-07-04 |
Family
ID=86025145
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310293338.XA Active CN116014771B (zh) | 2023-03-23 | 2023-03-23 | 储能系统控制方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116014771B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116306050A (zh) * | 2023-05-23 | 2023-06-23 | 广东电网有限责任公司阳江供电局 | 储能配置确定方法、装置及电子设备 |
| CN117543708A (zh) * | 2024-01-10 | 2024-02-09 | 上海聚信海聚新能源科技有限公司 | 储能系统的控制方法、处理器、储能系统及存储介质 |
| CN117698487A (zh) * | 2024-02-05 | 2024-03-15 | 四川智能建造科技股份有限公司 | 一种移动充储车电能动态调度方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111815029A (zh) * | 2020-06-10 | 2020-10-23 | 国网电动汽车服务江苏有限公司 | 一种用户侧储能收益深度发掘的方法 |
| CN113537843A (zh) * | 2021-09-15 | 2021-10-22 | 蜂巢能源科技有限公司 | 一种储能能量管理系统及方法 |
-
2023
- 2023-03-23 CN CN202310293338.XA patent/CN116014771B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111815029A (zh) * | 2020-06-10 | 2020-10-23 | 国网电动汽车服务江苏有限公司 | 一种用户侧储能收益深度发掘的方法 |
| CN113537843A (zh) * | 2021-09-15 | 2021-10-22 | 蜂巢能源科技有限公司 | 一种储能能量管理系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 陈薇冰等: "用户侧储能系统技术方案及经济性评估", 广西电力, vol. 42, no. 3, pages 1 - 5 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116306050A (zh) * | 2023-05-23 | 2023-06-23 | 广东电网有限责任公司阳江供电局 | 储能配置确定方法、装置及电子设备 |
| CN116306050B (zh) * | 2023-05-23 | 2023-08-18 | 广东电网有限责任公司阳江供电局 | 储能配置确定方法、装置及电子设备 |
| CN117543708A (zh) * | 2024-01-10 | 2024-02-09 | 上海聚信海聚新能源科技有限公司 | 储能系统的控制方法、处理器、储能系统及存储介质 |
| CN117543708B (zh) * | 2024-01-10 | 2024-04-30 | 上海聚信海聚新能源科技有限公司 | 储能系统的控制方法、处理器、储能系统及存储介质 |
| CN117698487A (zh) * | 2024-02-05 | 2024-03-15 | 四川智能建造科技股份有限公司 | 一种移动充储车电能动态调度方法 |
| CN117698487B (zh) * | 2024-02-05 | 2024-04-09 | 四川智能建造科技股份有限公司 | 一种移动充储车电能动态调度方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116014771B (zh) | 2023-07-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116014771B (zh) | 储能系统控制方法、装置、计算机设备及存储介质 | |
| US11757404B2 (en) | Coordinated control of renewable electric generation resource and charge storage device | |
| EP2688173B1 (en) | Multi-service provision with energy storage system | |
| CA2823201C (en) | Wind power generation system, wind power generation control device and wind power generation control method | |
| CN103733463B (zh) | 基于市场数据来控制能量服务的方法及装置 | |
| CN108695871B (zh) | 含有电力弹簧的孤岛微电网降低储能容量需求的配置方法 | |
| CN113765130A (zh) | 一种微电网的运行控制方法 | |
| CN105871072B (zh) | 储能系统 | |
| CN110829474B (zh) | 用大数据智能储能支撑电网动态安全的方法与系统 | |
| Peanjad et al. | Electric vehicle charging station incorporating with an energy management and demand response technique | |
| CN113327065B (zh) | 针对发电侧的用户复杂用电情况的能源管理方法及系统 | |
| CN113078668A (zh) | 需求侧响应的虚拟电站实现方法、系统、设备及存储介质 | |
| CN114342204A (zh) | 用于控制蓄电装置的充电的方法 | |
| Bonetto et al. | Lightweight energy management of islanded operated microgrids for prosumer communities | |
| CN113541127B (zh) | 一种有源配电网中广义储能系统分布式配置方法 | |
| CN109494814A (zh) | 一种具有能量存储装置的智能电网的控制方法 | |
| CN115313656B (zh) | 一种水电混合储能管理方法和系统 | |
| CN116404725B (zh) | 储能系统分布式调压逆变控制方法及系统、设备、介质 | |
| CN117200282B (zh) | 飞轮储能阵列的控制方法、系统、阵列及存储介质 | |
| CN117200261B (zh) | 一种基于电网调频的储能设备控制方法、装置和存储介质 | |
| CN114256837B (zh) | 一种多能互补的分布式电源控制方法及系统 | |
| CN116388205B (zh) | 一种适用于智慧能源单元的负荷设备功率调控方法及装置 | |
| CN117196332A (zh) | 输电网储能规划方法、装置、存储介质及电子设备 | |
| CN113659724A (zh) | 一种微电网能量监控管理系统及方法 | |
| CN117543717A (zh) | 一种电网可接入分布式电容量配置方法、装置及介质 |
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 |