CN116306050B - 储能配置确定方法、装置及电子设备 - Google Patents
储能配置确定方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116306050B CN116306050B CN202310588129.8A CN202310588129A CN116306050B CN 116306050 B CN116306050 B CN 116306050B CN 202310588129 A CN202310588129 A CN 202310588129A CN 116306050 B CN116306050 B CN 116306050B
- Authority
- CN
- China
- Prior art keywords
- power
- charging
- constraint
- electric
- determining
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000004146 energy storage Methods 0.000 title claims abstract description 51
- 230000005611 electricity Effects 0.000 claims abstract description 95
- 238000005338 heat storage Methods 0.000 claims abstract description 77
- 238000003860 storage Methods 0.000 claims abstract description 51
- 230000006870 function Effects 0.000 claims description 83
- 238000007599 discharging Methods 0.000 claims description 77
- 238000004088 simulation Methods 0.000 claims description 13
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 abstract description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 20
- 229910052744 lithium Inorganic materials 0.000 description 20
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 12
- 230000006399 behavior Effects 0.000 description 7
- 230000008685 targeting Effects 0.000 description 7
- 239000003345 natural gas Substances 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012946 outsourcing Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005485 electric heating Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
-
- 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based 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
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Pure & Applied Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Evolutionary Biology (AREA)
- Entrepreneurship & Innovation (AREA)
- Software Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Technology Law (AREA)
- Geometry (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
Abstract
本发明公开了一种储能配置确定方法、装置及电子设备。其中，该方法包括：采集目标电力系统的电力数据；依据电力数据，确定以运行投资成本最小为目标的对象目标函数，以及与对象目标函数对应的对象约束条件，其中，对象目标函数为目标对象对应的投资成本与目标对象对应的运行成本的和，对象约束条件包括电负荷对象在多个电价状态下分别对应的充放能约束，以及热负荷对象对应的充放能约束；基于在对象约束条件下的对象目标函数，仿真得到电负荷对象对应的期望储电配置与热负荷对象对应的期望储热配置。本发明解决了相关技术中在确定储热配置以及储电配置时，配置电力系统的总储电配置与总储热配置，存在配置后分配不合理的技术问题。
Description
技术领域
本发明涉及储能配置领域，具体而言，涉及一种储能配置确定方法、装置及电子设备。
背景技术
相关技术中在确定储热配置以及储电配置时，配置电力系统的总储电配置与总储热配置，存在配置后分配不合理的技术问题。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种储能配置确定方法、装置及电子设备，以至少解决相关技术中在确定储热配置以及储电配置时，配置电力系统的总储电配置与总储热配置，存在配置后分配不合理的技术问题。
根据本发明实施例的一个方面，提供了一种储能配置确定方法，包括：采集目标电力系统的电力数据；依据所述电力数据，确定以运行投资成本最小为目标的对象目标函数，以及与所述对象目标函数对应的对象约束条件，其中，所述对象目标函数为目标对象对应的投资成本与所述目标对象对应的运行成本的和，所述目标对象包括电负荷对象与热负荷对象，所述对象约束条件包括所述电负荷对象在多个电价状态下分别对应的充放能约束，以及所述热负荷对象对应的充放能约束；基于在所述对象约束条件下的所述对象目标函数，仿真得到所述电负荷对象对应的期望储电配置与所述热负荷对象对应的期望储热配置。
可选地，所述基于在所述约束条件下的所述目标函数，仿真得到所述电负荷对象的期望储电配置与所述热负荷对象的期望储热配置之后，还包括：依据所述电负荷对象的期望储电配置，确定所述目标电力系统的电能总功率，并依据所述热负荷对象的期望储热配置，确定所述目标电力系统的热能总功率；确定以运行投资成本最小为目标的电力系统目标函数，以及与所述电力系统目标函数对应的电力系统约束条件，其中，所述电力系统目标函数为依据目标电力系统通讯成本，储能设备投资成本，储热设备投资成本，储能设备运行成本，储热设备运行成本，以及能源运行成本得到的；基于在所述电力系统约束条件下的所述电力系统目标函数，仿真得到所述目标电力系统对应的期望总储电配置与期望总储热配置。
可选地，所述依据所述电力数据，确定以运行投资成本最小为目标的对象目标函数，以及与所述对象目标函数对应的对象约束条件之前，还包括：通过以下方式，确定所述电负荷对象在多个电价状态下分别对应的充能约束与放能约束：在所述多个电价状态包括第一电价状态，对应的充放能约束包括第一充能约束的情况下，确定所述电负荷对象在所述第一电价状态下对应的第一充能约束，其中，所述第一充能约束为确定充电功率最大值，充电功率需求值，以及充电功率过剩值之间的最小值。
可选地，所述依据所述电力数据，确定以运行投资成本最小为目标的对象目标函数，以及与所述对象目标函数对应的对象约束条件之前，还包括：通过以下方式，确定所述电负荷对象在多个电价状态下分别对应的充能约束与放能约束，包括：在所述多个电价状态包括第二电价状态，对应的充放能约束包括第二充能约束的情况下，确定所述电负荷对象在所述第二电价状态下对应的第二充能约束，其中，所述第二充能约束为确定所述充电功率最大值，与所述充电功率需求值之间的最小值，所述第二电价状态对应的电价低于所述第一电价状态对应的电价。
可选地，所述依据所述电力数据，确定以运行投资成本最小为目标的对象目标函数，以及与所述对象目标函数对应的对象约束条件之前，还包括：通过以下方式，确定所述电负荷对象在多个电价状态下分别对应的充能约束与放能约束，包括：在所述多个电价状态包括第三电价状态，对应的充放能约束包括第三充能约束，第一放能约束的情况下，确定所述电负荷对象在所述第三电价状态下对应的第三充能约束与第一放能约束，其中，所述第三充能约束为确定所述充电功率最大值，所述充电功率需求值，以及所述充电功率过剩值之间的最小值，所述第一放能约束为确定放电功率最大值，放电功率需求值，以及放电功率剩余值之间的最小值，所述第三电价状态对应的电价高于所述第一电价状态对应的电价。
可选地，所述依据所述电力数据，确定以运行投资成本最小为目标的对象目标函数，以及与所述对象目标函数对应的对象约束条件之前，还包括：通过以下方式，确定所述热负荷对象对应的充放能约束，包括：在对应的充放能约束包括第四充能约束与第二放能约束的情况下，确定所述热负荷对象对应的第四充能约束与第二放能约束，其中，所述第四充能约束为确定充热功率最大值，充热功率需求值之间的最小值，所述第二放能约束为确定放热功率最大值，放热功率需求值，以及放热功率过剩值之间的最小值。
可选地，所述依据所述电力数据，确定以运行投资成本最小为目标的对象目标函数，包括：依据所述电负荷对象对应的充电功率最大值、单位电功率成本、储电容量最大值与单位电容量成本，所述热负荷对象对应的充热功率最大值、单位热功率成本，储热容量最大值与单位热容量成本，以及等年值系数，确定所述目标对象对应的投资成本；依据所述电负荷对象对应的充放电功率需求值，所述热负荷对象对应的充放热功率需求值，单位购电成本，单位购热成本，单位电传输成本，单位热传输成本，以及转化率，确定所述目标对象对应的运行成本；确定所述目标对象对应的投资成本与所述目标对象对应的运行成本的和，得到所述对象目标函数。
根据本发明实施例的一个方面，提供了一种储能配置确定装置，包括：采集模块，用于采集目标电力系统的电力数据；确定模块，用于依据所述电力数据，确定以运行投资成本最小为目标的对象目标函数，以及与所述对象目标函数对应的对象约束条件，其中，所述对象目标函数为目标对象对应的投资成本与所述目标对象对应的运行成本的和，所述目标对象包括电负荷对象与热负荷对象，所述对象约束条件包括所述电负荷对象在多个电价状态下分别对应的充放能约束，以及所述热负荷对象对应的充放能约束；仿真模块，用于基于在所述对象约束条件下的所述对象目标函数，仿真得到所述电负荷对象对应的期望储电配置与所述热负荷对象对应的期望储热配置。
根据本发明实施例的一个方面，提供了一种电子设备，包括：处理器；用于存储所述处理器可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现上述任一项所述的储能配置确定方法。
根据本发明实施例的一个方面，提供了一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任一项所述的储能配置确定方法。
在本发明实施例中，采集目标电力系统的电力数据，依据电力数据，确定以运行投资成本最小为目标的对象目标函数，以及与对象目标函数对应的对象约束条件，基于在对象约束条件下的对象目标函数，达到仿真得到电负荷对象对应的期望储电配置与热负荷对象对应的期望储热配置的目的。由于对象目标函数为目标对象对应的投资成本与目标对象对应的运行成本的和，因此，求得的电负荷对象对应的期望储电配置与热负荷对象对应的期望储热配置能够使得投资成本和运行成本是更为低的。由由于目标对象包括电负荷对象与热负荷对象，对象约束条件包括电负荷对象在多个电价状态下分别对应的充放能约束，以及热负荷对象对应的充放能约束，根据对象使用的不同负荷对对象进行了分类，能够分别对应到不同的约束，从而使得约束更为精准。而且，约束条件中还包括了电负荷对象在多个电价状态下分别对应的充放能约束，又考虑了多个状态，使得最终仿真得到电负荷对象对应的期望储电配置与热负荷对象对应的期望储热配置是更为合理，使得投资运行成本更低的。解决了相关技术中在确定储热配置以及储电配置时，配置电力系统的总储电配置与总储热配置，存在配置后分配不合理的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的储能配置确定方法的流程图；
图2是根据本发明实施例的储能配置确定装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，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”等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。此外，术语“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。
实施例1
根据本发明实施例，提供了一种储能配置确定方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的储能配置确定方法的流程图，如图1所示，该方法包括如下步骤：
步骤S102，采集目标电力系统的电力数据；
在本申请所提供的步骤S102中，电力数据可以为本申请中提供的方法中所用到的数据，例如，可以为目标电力系统中电负荷对象和热负荷对象，典型日用能情况以及新能源出力；如包括对象考虑了激励型需求响应的典型日负荷、光伏出力、风电出力、价格型需求响应下的分时电价、气价等原始数据。
步骤S104，依据电力数据，确定以运行投资成本最小为目标的对象目标函数，以及与对象目标函数对应的对象约束条件，其中，对象目标函数为目标对象对应的投资成本与目标对象对应的运行成本的和，目标对象包括电负荷对象与热负荷对象，对象约束条件包括电负荷对象在多个电价状态下分别对应的充放能约束，以及热负荷对象对应的充放能约束；
在本申请所提供的步骤S104中，对象可以指用户，在该步骤中，确定以运行投资成本最小为目标的对象目标函数，以及与对象目标函数对应的对象约束条件，以便在对象约束条件下求解对象目标函数，以得到运行投资成本最小的配置方式。
在设置约束时，考虑了电负荷对象与热负荷对象，且针对于电负荷对象来说，综合考虑了时段的电价、自身负荷以及光伏、区域风电出力等因素，考虑了电负荷对象在多种状态下的充放电行为，如：当供给电负荷对象的所有新能源出力大于负荷或t 时段电价为低谷电价时，为了不浪费过剩功率和低价电能，控制锂电池充电； 当所有新能源出力小于电负荷且t 时段电价为高峰电价时，为了满足负荷需求且避免用高价电，控制锂电池放电；当自身所有新能源出力小于电负荷且t 时段电价为平时电价情况下，电价高于对象充电临界电价但需要外部供电，因此锂电池既不充电也不放电，而是直接从电网购电补足功率缺额。针对于热负荷对象来说，热负荷对象的充放热行为只取决于自身热负荷和所有供给热负荷对象的新能源出力之间的大小关系。因此不考虑太多状态的限制。热负荷对象具体的充放热行为如下：当自身所有新能源出力大于热负荷时，控制储热罐储热；当自身所有新能源出力小于热负荷时，控制储热罐放热以满足功率缺额。
作为一种可选的实施例，依据电力数据，确定以运行投资成本最小为目标的对象目标函数，包括：依据电负荷对象对应的充电功率最大值、单位电功率成本、储电容量最大值与单位电容量成本，热负荷对象对应的充热功率最大值、单位热功率成本，储热容量最大值与单位热容量成本，以及等年值系数，确定目标对象对应的投资成本；依据电负荷对象对应的充放电功率需求值，热负荷对象对应的充放热功率需求值，单位购电成本，单位购热成本，单位电传输成本，单位热传输成本，以及转化率，确定目标对象对应的运行成本；确定目标对象对应的投资成本与目标对象对应的运行成本的和，得到对象目标函数。
在该实施例中，对象目标函数可以为Cimin，以总成本（投资和运行成本总和）最小为目标，根据现有储能市场制定规划周期，形成每一个对象的投资规划模型。
；
；
；
式中: 为等年值系数，/>其中y为储能寿命周期、r为年利率，/>表示储热罐的单位容量投资系数；/>为对象i的投资成本；/>分别为对象i向云储能提供商购买云储电、云储热服务的容量，同上述的电负荷对象对应的储电容量最大值、热负荷对象对应的储热容量最大值；/>分别表示电负荷对象、热负荷对象向云储能提供商购买云储电、云储热服务的功率，同上述的电负荷对象对应的充电功率最大值、热负荷对象对应的充热功率最大值；/>分别为锂电池、蓄热罐的单位功率服务费，同上述电负荷对象对应的单位电功率成本，与热负荷对象对应的单位热功率成本；/>分别为锂电池、蓄热罐的单位容量服务费，同上述电负荷对象对应的单位电容量成本，与热负荷对象对应的单位热容量成本；/>为对象i的运行成本；T为典型日时段数；/>为每个季节典型日的天数；/>分别表示对象与电、热网之间购买单位功率能量的价格，同上述单位购电成本，单位购热成本，单位分别为元/(kW⋅h)、元/GJ；/>分别为对象与电热网之间反送单位功率能量的价格，同上述单位电传输成本，单位热传输成本，单位分别为元/(kW⋅h)、元/GJ为热网换算为单位功率的热值系数，同上述转化率，单位为kW/GJ。/>、/>分别表示电负荷对象/>在s季度/>时段需求的充放电功率；/>分别表示热负荷对象j在s季度t时段需求的储放热功率，同上述电负荷对象对应的充放电功率需求值，热负荷对象对应的充放热功率需求值。
通过上述设置，能够设置出充分考虑了投资成本与运行成本的对象目标函数，有利于更好的进行求解运算。
下面对电负荷对象在多个电价状态下分别对应的充放能约束进行介绍：
作为一种可选的实施例，依据电力数据，确定以运行投资成本最小为目标的对象目标函数，以及与对象目标函数对应的对象约束条件之前，还包括：通过以下方式，确定电负荷对象在多个电价状态下分别对应的充能约束与放能约束：在多个电价状态包括第一电价状态，对应的充放能约束包括第一充能约束的情况下，确定电负荷对象在第一电价状态下对应的第一充能约束，其中，第一充能约束为确定充电功率最大值，充电功率需求值，以及充电功率过剩值之间的最小值。
在该实施例中，上述描述可以用公式描述如下：
。
作为一种可选的实施例，依据电力数据，确定以运行投资成本最小为目标的对象目标函数，以及与对象目标函数对应的对象约束条件之前，还包括：通过以下方式，确定电负荷对象在多个电价状态下分别对应的充能约束与放能约束，包括：在多个电价状态包括第二电价状态，对应的充放能约束包括第二充能约束的情况下，确定电负荷对象在第二电价状态下对应的第二充能约束，其中，第二充能约束为确定充电功率最大值，与充电功率需求值之间的最小值，第二电价状态对应的电价低于第一电价状态对应的电价。
在该实施例中，上述描述可以用公式描述如下：
。
作为一种可选的实施例，依据电力数据，确定以运行投资成本最小为目标的对象目标函数，以及与对象目标函数对应的对象约束条件之前，还包括：通过以下方式，确定电负荷对象在多个电价状态下分别对应的充能约束与放能约束，包括：在多个电价状态包括第三电价状态，对应的充放能约束包括第三充能约束，第一放能约束的情况下，确定电负荷对象在第三电价状态下对应的第三充能约束与第一放能约束，其中，第三充能约束为确定充电功率最大值，充电功率需求值，以及充电功率过剩值之间的最小值，第一放能约束为确定放电功率最大值，放电功率需求值，以及放电功率剩余值之间的最小值，第三电价状态对应的电价高于第一电价状态对应的电价。
在该实施例中，上述描述可以用公式描述如下：
。
下面对热负荷对象对应的充放能约束进行介绍：
作为一种可选的实施例，依据电力数据，确定以运行投资成本最小为目标的对象目标函数，以及与对象目标函数对应的对象约束条件之前，还包括：通过以下方式，确定热负荷对象对应的充放能约束，包括：在对应的充放能约束包括第四充能约束与第二放能约束的情况下，确定热负荷对象对应的第四充能约束与第二放能约束，其中，第四充能约束为确定充热功率最大值，充热功率需求值之间的最小值，第二放能约束为确定放热功率最大值，放热功率需求值，以及放热功率过剩值之间的最小值。
在该实施例中，上述描述可以用公式描述如下：
热负荷对象：
。
在上述可选实施例所示出的公式中: 分别表示电负荷对象i在t时段需求的充放电功率；/>分别表示热负荷对象j在t时段需求的储放热功率；分别表示电负荷对象、热负荷对象向云储能提供商购买云储电、云储热服务的功率，同上述充电功率最大值，充热功率最大值；/>分别表示在没有使用储能的情况下对象i在t时段的新能源过剩功率及从电网购买功率，同上述充电功率过剩值，充热功率过剩值；/> 分别为 t时段电网电价、低谷电价、高峰电价、平时电价；分别表示电负荷对象i的锂电池充放电效率；/>分别表示热负荷对象j的储热罐储放热效率；/>分别为锂电池和储热罐的储能剩余容量最高限值；分别为锂电池和储热罐的储能剩余容量最低限值；/>分别表示/>时段结束时刻锂电池和储热罐的储能剩余容量；/>表示时间间隔；/>表示对象j在t时段从热电联产CHP的产热输出端购买功率；/>表示充电功率需求值，表示放电功率需求值，/>表示充热功率需求值，/>表示放热功率需求值。
通过上述设置，考虑了不同电价状态下，电负荷对象对应的充放能约束，以及热负荷对象对应的充分约束，使得求解出的储电配置与储热配置能够更为合理有效。
步骤S106，基于在对象约束条件下的对象目标函数，仿真得到电负荷对象对应的期望储电配置与热负荷对象对应的期望储热配置。
通过上述步骤，采集目标电力系统的电力数据，依据电力数据，确定以运行投资成本最小为目标的对象目标函数，以及与对象目标函数对应的对象约束条件，基于在对象约束条件下的对象目标函数，达到仿真得到电负荷对象对应的期望储电配置与热负荷对象对应的期望储热配置的目的。由于对象目标函数为目标对象对应的投资成本与目标对象对应的运行成本的和，因此，求得的电负荷对象对应的期望储电配置与热负荷对象对应的期望储热配置能够使得投资成本和运行成本是更为低的。由于目标对象包括电负荷对象与热负荷对象，对象约束条件包括电负荷对象在多个电价状态下分别对应的充放能约束，以及热负荷对象对应的充放能约束，根据对象使用的不同负荷对对象进行了分类，能够分别对应到不同的约束，从而使得约束更为精准。而且，约束条件中还包括了电负荷对象在多个电价状态下分别对应的充放能约束，又考虑了多个状态，使得最终仿真得到电负荷对象对应的期望储电配置与热负荷对象对应的期望储热配置是更为合理，使得投资运行成本更低的。解决了相关技术中在确定储热配置以及储电配置时，配置电力系统的总储电配置与总储热配置，存在配置后分配不合理的技术问题。
作为一种可选的实施例，基于在约束条件下的目标函数，仿真得到电负荷对象的期望储电配置与热负荷对象的期望储热配置之后，还包括：依据电负荷对象的期望储电配置，确定目标电力系统的电能总功率，并依据热负荷对象的期望储热配置，确定目标电力系统的热能总功率；确定以运行投资成本最小为目标的电力系统目标函数，以及与电力系统目标函数对应的电力系统约束条件，其中，电力系统目标函数为依据目标电力系统通讯成本，储能设备投资成本，储热设备投资成本，储能设备运行成本，储热设备运行成本，以及能源运行成本得到的；基于在电力系统约束条件下的电力系统目标函数，仿真得到目标电力系统对应的期望总储电配置与期望总储热配置。
在该实施例中，说明了仿真得到电负荷对象的期望储电配置与热负荷对象的期望储热配置之后，再通过计算得到目标电力系统对应的期望总储电配置与期望总储热配置的情况，下面对该可选实施例进行详细说明：
S1，虚拟电厂运营商利用对象储能行为的互异性，汇总对象层优化后所有电负荷对象和热负荷对象的每时段充放能总和、新能源充能功率总和。
S2，虚拟电厂运营商为满足对象的储能行为，建立对外购电功率和对外购热功率的数学表达式。
虚拟电厂作为云储能提供商，能够综合所有对象的充放能需求，基于成本最小和遵循对象储能行为的原则调度实体锂电池和储热罐进行充放能操作。
对象在自己的云端虚拟储能发出锂电池充电或储热罐储热的需求后，虚拟电厂运营商不一定立刻操作实际的储能装置充电或充热，而是可能选择有利于自身利益的充能时刻。虚拟电厂运营商在运营过程中所产生的成本主要包含从电网购电以及经CHP从气网购买天然气的费用。
根据t时段对象放电和放热需求以及区域内新能源出力，建立虚拟电厂运营商的充放能关系式。
对于电负荷对象的响应，云储能提供商的锂电池从外部电网或 CHP实际购买的电功率总和表达式如下。
；
对于热负荷对象的响应，储热罐装置从 CHP输入的天然气功率表达式如下。
；
式中：分别表示虚拟电厂运营商的锂电池从外部电网或CHP实际购电的总功率与储热罐经CHP输入的天然气功率；/>分别表示虚拟电厂运营商在t时段控制实际锂电池装置充电和放电的功率；/>分别表示虚拟电厂运营商在t时段控制实体储热罐装置储热和放热的功率；v和(1-v)分别表示风电出力用于直接供电和转换供热的分流系数；/>表示CHP机组气转热的效率；/>分别表示t时段所有光伏出力总和与所有风电出力总和；/>表示热泵产热效率；/>分别表示各时段所有电负荷对象和热负荷对象的放能需求总和。
同上述依据电负荷对象的期望储电配置，确定目标电力系统的电能总功率，并依据热负荷对象的期望储热配置，确定目标电力系统的热能总功率。
S3.从虚拟电厂运营商的角度建立整个虚拟电厂模式下的电/热云储能综合优化配置模型。
；
式中:C为折算到每年的总成本；为现值转化为年值的资金时间价值系数，在年利率为r、储能寿命周期为y年时,其表达式为：/>；/>分别表示锂电池的最大功率和最大容量；/>分别表示储热罐的最大功率和最大容量；/> 分别表示锂电池的单位功率投资系数和单位容量投资系数；/>分别表示储热罐的单位功率投资系数和单位容量投资系数；/>分别表示典型日数和一天的调度小时数；/>表示典型日s所对应的总天数；/>表示CHP 机组气转电的效率；/>表示天然气网统一价格；R表示天然气燃烧的热值系数；/>为已折算到每年的虚拟电厂运营商建设云端及通信的固定成本，为某一定值，/>、/>分别表示虚拟电厂运营商的锂电池在s季度从外部电网或CHP实际购电的总功率与储热罐经CHP输入的天然气功率，/>分别表示对象与电网之间购买单位功率能量的价格。
同上述确定以运行投资成本最小为目标的电力系统目标函数，以及与电力系统目标函数对应的电力系统约束条件，其中，电力系统目标函数为依据目标电力系统通讯成本，储能设备投资成本，储热设备投资成本，储能设备运行成本，储热设备运行成本，以及能源运行成本得到的。
S4.转化为线性规划问题。
；
式中：为实数辅助变量。
S5.采用 MATLAB 编程并结合线性规划CPLEX 求解器求解得到优化结果。
同上述基于在电力系统约束条件下的电力系统目标函数，仿真得到目标电力系统对应的期望总储电配置与期望总储热配置。
通过上述步骤，能够使得总储电配置与总储热配置得到进一步的优化。
表1为一配置结果的示例，如表1所示。
表 1
| 参数及单位 | 结果 |
| 锂电池总功率配置/kW | 361.74 |
| 锂电池总量配置/（kW.h） | 1715.18 |
| 储热罐总功率配置/kW | 116.91 |
| 储热罐总容量配置（kW.h） | 668.08 |
通过上述一系列的可选实施方式，本申请所记载的方法可以达到至少以下的有益效果：本发明在考虑了需求响应的基础上对电-热云储能系统进行配置有利于资源整合，在不降低对象使用云储能意愿的情况下减少了储能系统整体的功率和容量配置，节约了储能资源；投资成本和运营成本都得到了减少，总成本降低显著。对于对象、虚拟电厂运营商和电网三者来说，对象运营成本极大减小；虚拟电厂运营商利润得到了提高，投资回收期减少；对于电网来说，通过采用考虑需求响应的电-热云储能综合优化配置方法，改善了大量对象的负荷曲线和储能行为，减轻了电网支撑负荷的压力，有利于削峰填谷。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例的方法。
实施例2
根据本发明实施例，还提供了一种用于实施上述储能配置确定方法的装置，图2是根据本发明实施例的储能配置确定装置的结构框图，如图2所示，该装置包括：采集模块202，确定模块204和仿真模块206，下面对该装置进行详细说明。
采集模块202，用于采集目标电力系统的电力数据；确定模块204，连接于上述采集模块202，用于依据电力数据，确定以运行投资成本最小为目标的对象目标函数，以及与对象目标函数对应的对象约束条件，其中，对象目标函数为目标对象对应的投资成本与目标对象对应的运行成本的和，目标对象包括电负荷对象与热负荷对象，对象约束条件包括电负荷对象在多个电价状态下分别对应的充放能约束，以及热负荷对象对应的充放能约束；仿真模块206，连接于上述确定模块204，用于基于在对象约束条件下的对象目标函数，仿真得到电负荷对象对应的期望储电配置与热负荷对象对应的期望储热配置。
此处需要说明的是，上述采集模块202，确定模块204和仿真模块206对应于实施储能配置确定方法中的步骤S102至步骤S106，多个模块与对应的步骤所实现的实例和应用场景相同，但不限于上述实施例1所公开的内容。
实施例3
根据本发明实施例的另外一个方面，还提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器，其中，处理器被配置为执行指令，以实现上述任一项的储能配置确定方法。
实施例4
根据本发明实施例的另外一个方面，还提供了一种计算机可读存储介质，当计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行上述任一项的储能配置确定方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (7)
1.一种储能配置确定方法，其特征在于，包括：
采集目标电力系统的电力数据；
依据所述电力数据，确定以运行投资成本最小为目标的对象目标函数，以及与所述对象目标函数对应的对象约束条件，其中，所述对象目标函数为目标对象对应的投资成本与所述目标对象对应的运行成本的和，所述目标对象包括电负荷对象与热负荷对象，所述对象约束条件包括所述电负荷对象在多个电价状态下分别对应的充放能约束，以及所述热负荷对象对应的充放能约束；
基于在所述对象约束条件下的所述对象目标函数，仿真得到所述电负荷对象对应的期望储电配置与所述热负荷对象对应的期望储热配置；
其中，所述依据所述电力数据，确定以运行投资成本最小为目标的对象目标函数，以及与所述对象目标函数对应的对象约束条件之前，还包括：通过以下方式，确定所述电负荷对象在多个电价状态下分别对应的充能约束与放能约束：
在所述多个电价状态包括第一电价状态，对应的充放能约束包括第一充能约束的情况下，确定所述电负荷对象在所述第一电价状态下对应的第一充能约束，其中，所述第一充能约束为确定充电功率最大值，充电功率需求值，以及充电功率过剩值之间的最小值；
在所述多个电价状态包括第二电价状态，对应的充放能约束包括第二充能约束的情况下，确定所述电负荷对象在所述第二电价状态下对应的第二充能约束，其中，所述第二充能约束为确定所述充电功率最大值，与所述充电功率需求值之间的最小值，所述第二电价状态对应的电价低于所述第一电价状态对应的电价；
在所述多个电价状态包括第三电价状态，对应的充放能约束包括第三充能约束，第一放能约束的情况下，确定所述电负荷对象在所述第三电价状态下对应的第三充能约束与第一放能约束，其中，所述第三充能约束为确定所述充电功率最大值，所述充电功率需求值，以及所述充电功率过剩值之间的最小值，所述第一放能约束为确定放电功率最大值，放电功率需求值，以及放电功率剩余值之间的最小值，所述第三电价状态对应的电价高于所述第一电价状态对应的电价。
2.根据权利要求1所述的方法，其特征在于，所述基于在所述约束条件下的所述目标函数，仿真得到所述电负荷对象的期望储电配置与所述热负荷对象的期望储热配置之后，还包括：
依据所述电负荷对象的期望储电配置，确定所述目标电力系统的电能总功率，并依据所述热负荷对象的期望储热配置，确定所述目标电力系统的热能总功率；
确定以运行投资成本最小为目标的电力系统目标函数，以及与所述电力系统目标函数对应的电力系统约束条件，其中，所述电力系统目标函数为依据目标电力系统通讯成本，储能设备投资成本，储热设备投资成本，储能设备运行成本，储热设备运行成本，以及能源运行成本得到的；
基于在所述电力系统约束条件下的所述电力系统目标函数，仿真得到所述目标电力系统对应的期望总储电配置与期望总储热配置。
3.根据权利要求1所述的方法，其特征在于，所述依据所述电力数据，确定以运行投资成本最小为目标的对象目标函数，以及与所述对象目标函数对应的对象约束条件之前，还包括：通过以下方式，确定所述热负荷对象对应的充放能约束，包括：
在对应的充放能约束包括第四充能约束与第二放能约束的情况下，确定所述热负荷对象对应的第四充能约束与第二放能约束，其中，所述第四充能约束为确定充热功率最大值，充热功率需求值之间的最小值，所述第二放能约束为确定放热功率最大值，放热功率需求值，以及放热功率过剩值之间的最小值。
4.根据权利要求1所述的方法，其特征在于，所述依据所述电力数据，确定以运行投资成本最小为目标的对象目标函数，包括：
依据所述电负荷对象对应的充电功率最大值、单位电功率成本、储电容量最大值与单位电容量成本，所述热负荷对象对应的充热功率最大值、单位热功率成本，储热容量最大值与单位热容量成本，以及等年值系数，确定所述目标对象对应的投资成本；
依据所述电负荷对象对应的充放电功率需求值，所述热负荷对象对应的充放热功率需求值，单位购电成本，单位购热成本，单位电传输成本，单位热传输成本，以及转化率，确定所述目标对象对应的运行成本；
确定所述目标对象对应的投资成本与所述目标对象对应的运行成本的和，得到所述对象目标函数。
5.一种储能配置确定装置，其特征在于，包括：
采集模块，用于采集目标电力系统的电力数据；
确定模块，用于依据所述电力数据，确定以运行投资成本最小为目标的对象目标函数，以及与所述对象目标函数对应的对象约束条件，其中，所述对象目标函数为目标对象对应的投资成本与所述目标对象对应的运行成本的和，所述目标对象包括电负荷对象与热负荷对象，所述对象约束条件包括所述电负荷对象在多个电价状态下分别对应的充放能约束，以及所述热负荷对象对应的充放能约束；
仿真模块，用于基于在所述对象约束条件下的所述对象目标函数，仿真得到所述电负荷对象对应的期望储电配置与所述热负荷对象对应的期望储热配置；
其中，所述确定模块还用于通过以下方式，确定所述电负荷对象在多个电价状态下分别对应的充能约束与放能约束：
在所述多个电价状态包括第一电价状态，对应的充放能约束包括第一充能约束的情况下，确定所述电负荷对象在所述第一电价状态下对应的第一充能约束，其中，所述第一充能约束为确定充电功率最大值，充电功率需求值，以及充电功率过剩值之间的最小值；
在所述多个电价状态包括第二电价状态，对应的充放能约束包括第二充能约束的情况下，确定所述电负荷对象在所述第二电价状态下对应的第二充能约束，其中，所述第二充能约束为确定所述充电功率最大值，与所述充电功率需求值之间的最小值，所述第二电价状态对应的电价低于所述第一电价状态对应的电价；
在所述多个电价状态包括第三电价状态，对应的充放能约束包括第三充能约束，第一放能约束的情况下，确定所述电负荷对象在所述第三电价状态下对应的第三充能约束与第一放能约束，其中，所述第三充能约束为确定所述充电功率最大值，所述充电功率需求值，以及所述充电功率过剩值之间的最小值，所述第一放能约束为确定放电功率最大值，放电功率需求值，以及放电功率剩余值之间的最小值，所述第三电价状态对应的电价高于所述第一电价状态对应的电价。
6.一种电子设备，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1至4中任一项所述的储能配置确定方法。
7.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1至4中任一项所述的储能配置确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310588129.8A CN116306050B (zh) | 2023-05-23 | 2023-05-23 | 储能配置确定方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310588129.8A CN116306050B (zh) | 2023-05-23 | 2023-05-23 | 储能配置确定方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116306050A CN116306050A (zh) | 2023-06-23 |
| CN116306050B true CN116306050B (zh) | 2023-08-18 |
Family
ID=86785481
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310588129.8A Active CN116306050B (zh) | 2023-05-23 | 2023-05-23 | 储能配置确定方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116306050B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117748608A (zh) * | 2023-12-18 | 2024-03-22 | 国网江苏省电力有限公司南通供电分公司 | 面向不同场景的多类灵活性资源组合配置方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111404153A (zh) * | 2020-04-16 | 2020-07-10 | 华北电力大学 | 计及可再生能源与需求响应的能量枢纽规划模型构建方法 |
| CN111900727A (zh) * | 2020-07-15 | 2020-11-06 | 国网上海市电力公司 | 基于pso的光储充换一体化充电站协同优化调度方法和装置 |
| CN113869679A (zh) * | 2021-09-16 | 2021-12-31 | 华中科技大学 | 适用于可再生能源的混合热电站系统优化配置方法和系统 |
| CN114580251A (zh) * | 2022-03-15 | 2022-06-03 | 国网江苏省电力有限公司泰州供电分公司 | 一种配电台区电动汽车充电负荷分析方法及装置 |
| CN116014771A (zh) * | 2023-03-23 | 2023-04-25 | 新华三工业互联网有限公司 | 储能系统控制方法、装置、计算机设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140257584A1 (en) * | 2013-03-07 | 2014-09-11 | Kabushiki Kaisha Toshiba | Energy management system, energy management method, medium, and server |
-
2023
- 2023-05-23 CN CN202310588129.8A patent/CN116306050B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111404153A (zh) * | 2020-04-16 | 2020-07-10 | 华北电力大学 | 计及可再生能源与需求响应的能量枢纽规划模型构建方法 |
| CN111900727A (zh) * | 2020-07-15 | 2020-11-06 | 国网上海市电力公司 | 基于pso的光储充换一体化充电站协同优化调度方法和装置 |
| CN113869679A (zh) * | 2021-09-16 | 2021-12-31 | 华中科技大学 | 适用于可再生能源的混合热电站系统优化配置方法和系统 |
| CN114580251A (zh) * | 2022-03-15 | 2022-06-03 | 国网江苏省电力有限公司泰州供电分公司 | 一种配电台区电动汽车充电负荷分析方法及装置 |
| CN116014771A (zh) * | 2023-03-23 | 2023-04-25 | 新华三工业互联网有限公司 | 储能系统控制方法、装置、计算机设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 贺继锋 ; 杜治 ; 黄家祺 ; 方仍存 ; 周玉洁 ; 刘源 ; 杨军 ; .考虑储能站投资收益的配电网规划模型.电力建设.2017,(第06期),第92-99页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116306050A (zh) | 2023-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Naval et al. | A virtual power plant optimal dispatch model with large and small-scale distributed renewable generation | |
| Xie et al. | An economic feasibility assessment of decoupled energy storage in the UK: With liquid air energy storage as a case study | |
| Mirzaei et al. | Integrated energy hub system based on power‐to‐gas and compressed air energy storage technologies in the presence of multiple shiftable loads | |
| Nojavan et al. | Application of fuel cell and electrolyzer as hydrogen energy storage system in energy management of electricity energy retailer in the presence of the renewable energy sources and plug-in electric vehicles | |
| Nojavan et al. | Optimal bidding and offering strategies of merchant compressed air energy storage in deregulated electricity market using robust optimization approach | |
| Mosa et al. | Energy management system of low voltage dc microgrid using mixed-integer nonlinear programing and a global optimization technique | |
| Awad et al. | Impact of energy storage systems on electricity market equilibrium | |
| Gupta et al. | Achieving energy resilience through smart storage of solar electricity at dwelling and community level | |
| Saleh et al. | Load aggregation from generation-follows-load to load-follows-generation: Residential loads | |
| Alipour et al. | Short-term scheduling of combined heat and power generation units in the presence of demand response programs | |
| Hemmati et al. | Assessing wind uncertainty impact on short term operation scheduling of coordinated energy storage systems and thermal units | |
| Shcherbakova et al. | The value of energy storage in South Korea’s electricity market: A Hotelling approach | |
| Karami et al. | Optimal scheduling of residential energy system including combined heat and power system and storage device | |
| CN107403256B (zh) | 一种考虑需求响应不确定性的光伏微网电池储能配置方法 | |
| Dorahaki et al. | A home energy management model considering energy storage and smart flexible appliances: A modified time-driven prospect theory approach | |
| CN116306050B (zh) | 储能配置确定方法、装置及电子设备 | |
| Haas et al. | On the economics of storage for electricity: Current state and future market design prospects | |
| Ebrahimi et al. | Demand response programs in power systems with energy storage system-coordinated wind energy sources: A security-constrained problem | |
| Jones et al. | Evaluation of distributed building thermal energy storage in conjunction with wind and solar electric power generation | |
| Elkazaz et al. | Microgrid energy management using a two stage rolling horizon technique for controlling an energy storage system | |
| CN115102231A (zh) | 一种多尺度电-碳模式下风光储场站优化控制方法和系统 | |
| CN111523204A (zh) | 一种并网型综合能源网电-气储能系统优化配置求解方法 | |
| Li et al. | Research on optimal self‐scheduling horizon for the wind power and large‐scale CAES combined system | |
| Tiwari et al. | Unit commitment problem in renewable integrated environment with storage: A review | |
| JP6549896B2 (ja) | 電力需要調整装置、電力需要調整方法及び電力需要調整プログラム |
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 |