CN116388243A - 一种寒冷地区微电网蓄电池储能配置优化方法 - Google Patents

一种寒冷地区微电网蓄电池储能配置优化方法 Download PDF

Info

Publication number
CN116388243A
CN116388243A CN202310172848.1A CN202310172848A CN116388243A CN 116388243 A CN116388243 A CN 116388243A CN 202310172848 A CN202310172848 A CN 202310172848A CN 116388243 A CN116388243 A CN 116388243A
Authority
CN
China
Prior art keywords
energy storage
power
micro
grid
capacity
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202310172848.1A
Other languages
English (en)
Inventor
王学申
杨瑞哲
许军
孙然
胡开元
张睿智
徐英
吴永峰
郭钰锋
李振伟
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.)
Harbin Institute of Technology
State Grid Heilongjiang Electric Power Co Ltd
Original Assignee
Harbin Institute of Technology
State Grid Heilongjiang Electric Power 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 Harbin Institute of Technology, State Grid Heilongjiang Electric Power Co Ltd filed Critical Harbin Institute of Technology
Priority to CN202310172848.1A priority Critical patent/CN116388243A/zh
Publication of CN116388243A publication Critical patent/CN116388243A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了一种寒冷地区微电网蓄电池储能配置优化方法，属于电力系统规划领域，首先结合负荷功率曲线建立寒地微网系统模型，然后再建立含储能的寒地微网负荷损失最低运行模型，再应用线性规划方法求解含储能的微网负荷损失最低模型，得出的规划结果中的储能额定功率容量、额定电量容量的决策变量作为系统实际运行的参考值。本发明有效减少了寒冷地区微电网中负荷功率的损失，为寒冷地区合理配置微电网储能额定功率和额定容量提供了科学指导，优化寒冷地区独立微网蓄电池储能配置。

Description

一种寒冷地区微电网蓄电池储能配置优化方法
技术领域
本发明属于电力系统规划领域，具体涉及到一种寒冷地区微电网蓄电池储能配置优化方法。
背景技术
为含间歇性电源的微网系统配置一定规模的储能设备，在充分发挥微网系统供电优势、促进可再生能源发电技术进步的同时，还可以满足用户对电力供应可靠性和经济性所提出的要求；但是寒冷偏远地区，由于电池自身特性造成的电池组性能衰减，需要合理地规划寒地微电网的储能容量；因此，在寒冷地区如何科学合理的利用可再生能源资源、经济可靠的满足用户用电需求的微网储能优化配置的电力系统规划是需要趋于解决的问题。
发明内容
基于以上问题，本发明的目的是提供一种寒冷地区微电网蓄电池储能配置优化方法，根据寒冷地区可再生能源发电输出功率和负荷需求，优化寒冷地区独立微网蓄电池储能配置，结合寒冷地区微电网可再生能源出力，确保寒冷地区微电网失负荷率尽量小，为寒冷地区储能容量规划设计提供指导。
上述发明的目的，是通过以下的技术方案实现的：一种寒冷地区微电网蓄电池储能配置优化方法，如下：
步骤1、结合负荷功率曲线建立寒地微网系统模型，所述的寒地微网系统模型包括可再生能源装置模型和储能装置模型，所述的负荷功率曲线与光照、风速的环境变量，由历史数据结合蒙特卡洛方法进行生成，得到典型日的负荷曲线和环境变量曲线；
所述的可再生能源装置模型包括风机发电机模型和光伏电池模型；
所述的风力发电机模型，其包括单个风力发电机t时刻的发电出力模型如式(1)所示和整个风力发电厂t时刻总出力模型如式(2)所示，
Figure SMS_1
Figure SMS_2
式中：Pk，r为风电机组额定输出功率；vk，ci、vk，co、vk，r、v(t)分别表示风电机组切入风速、切出风速、额定风速以及t时刻风机转轴高度处的实际风速；NW表示风力发电机数量；kwake为尾流效应系数；
所述的光伏电池模型，包括单个光伏电池t时刻的出力模型如式(3)所示和光伏电厂的t时刻总出力模型如式(4)所示，
Figure SMS_3
Figure SMS_4
式中：Pl，b、rl，b、Tl，b为光伏电池l的额定输出功率及此时的光照强度和表面温度；r(t)、T(t)分别为t时刻光照强度及光伏电池的表面温度；kT为温度系数；NPV表示光伏电池数量；kderate为光伏电场的降额系数；
所述的储能装置模型采用3.2V/40Ah能量型方形磷酸铁锂电池，电池的容量可信度模型如式(5)所示，
Figure SMS_5
式中：
Figure SMS_6
EB分别为3.2V/40Ah能量型方形磷酸铁锂电池的可信容量和理论容量，t’为环境温度；A为容量可信度；
电池的充放电模型如式(6)所示，
Figure SMS_7
式中：
Figure SMS_8
EB(t)分别为储能设备在t-1、t时刻的可信容量和理论容量；ηESc、ηESd为储能设备充电效率和放电效率；δ为自放电系数；
步骤2、建立含储能的寒地微网负荷损失最低运行模型，
包括建立微网系统总失负荷功率目标函数的表达式如式(7)所示，
Figure SMS_9
式中：PLOST表示微网系统总失负荷功率；PLOST(t)表示微网t时刻损失的功率；T’为研究周期；
建立约束条件，包括：电负荷平衡约束、储能充放速率约束、储能容量约束、可再生能源消纳量约束和微电网投资年均成本约束；
电负荷平衡约束的表达式如式(8)所示，
PRE(t)+PB(t)+PLOST(t)＝PL(t)+POVER(t) (8)
PLOST(t)、POVER(t)分别表示微网系统t时刻失负荷功率与溢出功率，其取值非负但不同时为正：PRE(t)、PB(t)、PL(t)分别表示微网系统t时刻可再生能源总出力、蓄电池充/放电功率和负荷功率；
储能充放电功率约束的表达式如式(9)所示，
Figure SMS_10
式中：PDmax、PCmax分别表示蓄电池储能最大持续放电功率和充电功率；
Figure SMS_11
为t-1时刻蓄电池储能剩余可信电量；EBmax、EBmin分别表示蓄电池储能剩余电量上下限；ηBd、ηBc分别为蓄电池储能放电效率和充电效率；Δt为步长；
储能容量约束的表达式如式(10)所示，
EBmin≤EB(t)≤EBmax (10)
式中：EB(t)为t时刻蓄电池储能剩余理论电量；
可再生能源消纳量约束的表达式如式(11)所示，
PRE(t)≤PPV(t)+PW(t) (11)
微电网年均投资成本约束的表达式如式(12)所示，
Figure SMS_12
式中：CC，CCmax分别为微电网年综合成本，微电网年平均最大投资额；CBT、CBY分别为蓄电池储能总投资成本、年运行维护成本，其计算方式为如式(13)所示，
Figure SMS_13
式中：PB、EB分别为蓄电池储能的额定功率容量和额定电量容量；EBa为蓄电池储能年放电量；kBp、kBe为蓄电池储能功率成本系数和电量成本系数；kg，by、kk，By为蓄电池储能的固定运行维护费用率和可变运行维护费用率；δCRF(r0，NBY)为年等值系数；NBY为蓄电池储能的运行年限；r0为贴现率；
步骤3、应用线性规划方法求解含储能的微网负荷损失最低模型，得出的规划结果中的储能额定功率容量、额定电量容量的决策变量作为系统实际运行的参考值。
本发明的有益效果及优点：本发明有效减少了寒冷地区微电网中负荷功率的损失，为寒冷地区合理配置微电网储能额定功率和额定容量提供了科学指导，优化寒冷地区独立微网蓄电池储能配置。
附图说明
图1为储能电池的容量衰减和运行温度的关系图；
图2为储能可信容量的储能建设方案对比图；
图3为储能可信容量所建的成微电网在仿真运行过程中负荷损失百分比对比图。
具体实施方式
下面通过具体的实施方案叙述本发明。
实施例1
一种寒冷地区微电网蓄电池储能配置优化方法，如下：
步骤1、结合负荷功率曲线建立寒地微网系统模型，所述的寒地微网系统模型包括可再生能源装置模型和储能装置模型，所述的负荷功率曲线与光照、风速的环境变量，由历史数据结合蒙特卡洛方法进行生成，得到典型日的负荷曲线和环境变量曲线；
所述的可再生能源装置模型包括风机发电机模型和光伏电池模型；
所述的风力发电机模型，其包括单个风力发电机的发电出力模型如式(1)所示和整个风力发电厂总出力模型如式(2)所示，
由于风轮机、发电机等内部摩擦阻力的存在，使得风电机组在风速小于某一风速时，机组不产生电能，而在风速高于这一风速后，机组开始并网发电，这一风速称作风电机组的切入风速vci；当风速大于切入风速后，通过对变流器的控制，从而调节发电机电磁转矩，使得风轮转速跟随风速变化，以捕获最大风能；当风速超过额定风速ur，后，通过对变桨机构等的控制调节，降低风轮的风能捕获量，使风电机组的输出功率稳定在额定值Pr；在风速大于切除风速vco时，风力机组抱闸停机，以保护机组不被大风损坏。
据此，t时刻风电机组k输出功率与风速之间近似关系可用分段函数表示如下：
Figure SMS_14
对于同一个风电场，由于尾流的影响，位于下风向的风电机组出力将低于上风向的风电机组出力。简化求解过程中，对所有风电机组发电出力求和并乘以尾流效应系数kwake，便求得该风电场t时刻总出力PW(t)模型如下：
Figure SMS_15
式中：Pk，r为风电机组额定输出功率；vk，ci、vk，co、vk，r、u(t)分别表示风电机组切入风速、切出风速、额定风速以及t时刻风机转轴高度处的实际风速；NW表示风力发电机数量；kwake为尾流效应系数；
所述的光伏电池模型，包括单个光伏电池的出力模型如式(3)所示和光伏电厂的总出力模型如式(4)所示，
光伏电池出力受光照强度、环境温度等环境因素的影响，单个光伏电池t时刻的出力模型如下：
Figure SMS_16
式中：Pl，b、rl，b、Tl，b为t时刻的光伏电池l的额定输出功率及此时的光照强度和表面温度；r(t)、T(t)分别为t时刻光照强度及光伏电池的表面温度；lT为温度系数；
由于光伏电池表面污渍、雨雪遮盖以及光伏电池自身老化等原因，光伏电池实际输出功率一般都小于标准测试环境下的输出功率，光伏电厂t时刻的总出力模型如下：
Figure SMS_17
NPV表示光伏电池数量；kderate为光伏电场的降额系数；
所述的储能装置模型采用3.2V/40Ah能量型方形磷酸铁锂电池，其具体参数如表1：
表1
Figure SMS_18
首先在室温下以0.3C倍率完全充满后完全放电，然后以0.3C恒流恒压方式充满，在目标环境温度(-10℃/0℃/10℃/30℃/50℃)下静置至少6小时后分别以(0.3C/0.5C/1C)倍率放电到下限截止电压，以目标环境温度下三种工作条件的平均放电容量作为该温度下的电池容量，实验结果如表2所示(实测容量按照额定容量标幺化)：
表2
Figure SMS_19
Figure SMS_20
将同一温度三种放电状态下的容量求均值作为储能运行在该温度下的可信容量，为方便后续求解，对实验所测温度点进行线性插值，可得储能电池可信容量和温度的估计曲线如图1所示，
依据可信容量和温度的估计曲线，电池的容量可信度模型如式(5)所示，
Figure SMS_21
式中：
Figure SMS_22
EB分别为3.2V/40Ah能量型方形磷酸铁锂电池的可信容量和理论容量，t’为环境温度；A为容量可信度；
电池的充放电模型如式(6)所示，
Figure SMS_23
式中：
Figure SMS_24
EB(t)分别为储能设备在t-1、t时刻的可信容量和理论容量；ηESc、ηESd为储能设备充电效率和放电效率；δ为自放电系数；
步骤2、建立含储能的寒地微网负荷损失最低运行模型，
包括建立微网系统总失负荷功率目标函数的表达式如式(7)所示，独立微网蓄电池储能容量优化配置的目标是根据可再生能源发电输出功率和负荷需求，通过结合微电网可再生能源出力，确保微电网失负荷率尽量小，可确定目标函数为：
Figure SMS_25
式中：PLOST表示微网系统总失负荷功率；PLOST(t)表示微网t时刻损失的功率；T’为研究周期；
建立约束条件，包括：电负荷平衡约束、储能充放速率约束、储能容量约束、可再生能源消纳量约束和微电网投资年均成本约束；
电负荷平衡约束的表达式如式(8)所示，
PRE(t)+PB(t)+PLOST(t)＝PL(t)+POVER(t) (8)
PLOST(t)、POVER(t)分别表示微网系统t时刻失负荷功率与溢出功率，其取值非负但不同时为正；PRE(t)、PB(t)、PL(t)分别表示微网系统t时刻可再生能源总出力、蓄电池充/放电功率和负荷功率；
储能充放电功率约束的表达式如式(9)所示，
Figure SMS_26
式中：PDmax、PCmax分别表示蓄电池储能最大持续放电功率和充电功率；
Figure SMS_27
为t-1时刻蓄电池储能剩余可信电量；EBmax、EBmin分别表示蓄电池储能剩余电量上下限；ηBd、ηBc分别为蓄电池储能放电效率和充电效率；Δt为步长；
储能容量约束的表达式如式(10)所示，
EBmin≤EB(t)≤EBmax (10)
式中：EB(t)为t时刻蓄电池储能剩余理论电量；
可再生能源消纳量约束的表达式如式(11)所示，
PRE(t)≤PPV(t)+PW(t) (11)
微电网年均投资成本约束的表达式如式(12)所示，
Figure SMS_28
式中：CC，CCmax分别为微电网年综合成本，微电网年平均最大投资额；CBT、CBY分别为蓄电池储能总投资成本、年运行维护成本，其计算方式为如式(13)所示，
Figure SMS_29
式中：PB、EB分别为蓄电池储能的额定功率容量和额定电量容量；EBa为蓄电池储能年放电量；KBp、kBe为蓄电池储能功率成本系数和电量成本系数；kg，by、kk，By为蓄电池储能的固定运行维护费用率和可变运行维护费用率；δCRF(r0，NBY)为年等值系数；NBY为蓄电池储能的运行年限；r0为贴现率；
步骤3、本实施例利用Cplex求解器在MATLAB环境中对上述模型进行建模并求解。如图2-3所示，在相同年均微电网投资建设成本的限制下，考虑储能可信容量的优化结果和不考虑可信容量相比表现出显著优越性。不考虑可信容量的优化结果忽视了对储能功率成本的投资，在实际运行中损失了占总负荷量约21.2％的负荷。而考虑可信容量后，储能容量成本投资适当减少，功率成本投资增加，使得损失负荷降低约10％左右。

Claims (1)

1.一种寒冷地区微电网蓄电池储能配置优化方法，其特征在于，方法如下：
步骤1、结合负荷功率曲线建立寒地微网系统模型，所述的寒地微网系统模型包括可再生能源装置模型和储能装置模型，所述的负荷功率曲线与光照、风速的环境变量，由历史数据结合蒙特卡洛方法进行生成，得到典型日的负荷曲线和环境变量曲线；
所述的可再生能源装置模型包括风机发电机模型和光伏电池模型；
所述的风力发电机模型，其包括单个风力发电机t时刻发电出力模型如式(1)所示和整个风力发电厂t时刻总出力模型如式(2)所示，
Figure FDA0004099831930000011
Figure FDA0004099831930000012
式中：Pk，r为风电机组额定输出功率；vk，ci、vk，co、vk，r、v(t)分别表示风电机组切入风速、切出风速、额定风速以及t时刻风机转轴高度处的实际风速；Nw表示风力发电机数量；kwake为尾流效应系数；
所述的光伏电池模型，包括单个光伏电池t时刻的出力模型如式(3)所示和光伏电厂t时刻的总出力模型如式(4)所示，
Figure FDA0004099831930000013
Figure FDA0004099831930000014
式中：Pl，b、rl，b、Tl，b为光伏电池l的额定输出功率及此时的光照强度和表面温度；r(t)、T(t)分别为t时刻光照强度及光伏电池的表面温度；kT为温度系数；NPV表示光伏电池数量；kderate为光伏电场的降额系数；
所述的储能装置模型采用3.2V/40Ah能量型方形磷酸铁锂电池，电池的容量可信度模型如式(5)所示，
Figure FDA0004099831930000021
式中：
Figure FDA0004099831930000022
EB分别为3.2V/40Ah能量型方形磷酸铁锂电池的可信容量和理论容量，t’为环境温度；A为容量可信度；
电池的充放电模型如式(6)所示，
Figure FDA0004099831930000023
式中：
Figure FDA0004099831930000024
EB(t)分别为储能设备在t-1、t时刻的可信容量和理论容量；ηESc、ηESd为储能设备充电效率和放电效率；δ为自放电系数；
步骤2、建立含储能的寒地微网负荷损失最低运行模型，
包括建立微网系统总失负荷功率目标函数的表达式如式(7)所示，
Figure FDA0004099831930000025
式中：PLOST表示微网系统总失负荷功率；PLOST(t)表示微网t时刻损失的功率；T’为研究周期；
建立约束条件，包括：电负荷平衡约束、储能充放速率约束、储能容量约束、可再生能源消纳量约束和微电网投资年均成本约束；
电负荷平衡约束的表达式如式(8)所示，
PRE(t)+PB(t)+PLOST(t)＝PL(t)+POVER(t) (8)
PLOST(t)、POVER(t)分别表示微网系统t时刻失负荷功率与溢出功率，其取值非负但不同时为正；PRE(t)、PB(t)、PL(t)分别表示微网系统t时刻可再生能源总出力、蓄电池充/放电功率和负荷功率；
储能充放电功率约束的表达式如式(9)所示，
Figure FDA0004099831930000031
式中：PDmax、PCmax分别表示蓄电池储能最大持续放电功率和充电功率；
Figure FDA0004099831930000032
为t-1时刻蓄电池储能剩余可信电量；EBmax、EBmin分别表示蓄电池储能剩余电量上下限；ηBd、ηBc分别为蓄电池储能放电效率和充电效率；Δt为步长；
储能容量约束的表达式如式(10)所示，
EBmin≤EB(t)≤EBmax (10)
式中：EB(t)为t时刻蓄电池储能剩余理论电量；
可再生能源消纳量约束的表达式如式(11)所示，
PRE(t)≤PPV(t)+Pw(t) (11)
微电网年均投资成本约束的表达式如式(12)所示，
Figure FDA0004099831930000033
式中：CC，CCmax分别为微电网年综合成本，微电网年平均最大投资额；CBT、CBY分别为蓄电池储能总投资成本、年运行维护成本，其计算方式为如式(13)所示，
Figure FDA0004099831930000034
式中：PB、EB分别为蓄电池储能的额定功率容量和额定电量容量；EBa为蓄电池储能年放电量；KBp、kBe为蓄电池储能功率成本系数和电量成本系数；kg，by、kk，By为蓄电池储能的固定运行维护费用率和可变运行维护费用率；δCRF(r0，NBY)为年等值系数；NBY为蓄电池储能的运行年限；r0为贴现率；
步骤3、应用线性规划方法求解含储能的微网负荷损失最低模型，得出的规划结果中的储能额定功率容量、额定电量容量的决策变量作为系统实际运行的参考值。
CN202310172848.1A 2023-02-27 2023-02-27 一种寒冷地区微电网蓄电池储能配置优化方法 Pending CN116388243A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310172848.1A CN116388243A (zh) 2023-02-27 2023-02-27 一种寒冷地区微电网蓄电池储能配置优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310172848.1A CN116388243A (zh) 2023-02-27 2023-02-27 一种寒冷地区微电网蓄电池储能配置优化方法

Publications (1)

Publication Number Publication Date
CN116388243A true CN116388243A (zh) 2023-07-04

Family

ID=86968365

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310172848.1A Pending CN116388243A (zh) 2023-02-27 2023-02-27 一种寒冷地区微电网蓄电池储能配置优化方法

Country Status (1)

Country Link
CN (1) CN116388243A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117744478A (zh) * 2023-12-12 2024-03-22 国网黑龙江省电力有限公司 一种基于多目标贝叶斯优化的寒地储能设备配置方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117744478A (zh) * 2023-12-12 2024-03-22 国网黑龙江省电力有限公司 一种基于多目标贝叶斯优化的寒地储能设备配置方法
CN117744478B (zh) * 2023-12-12 2024-05-14 国网黑龙江省电力有限公司 一种基于多目标贝叶斯优化的寒地储能设备配置方法

Similar Documents

Publication Publication Date Title
Esmaili et al. A hybrid system of li-ion capacitors and flow battery for dynamic wind energy support
WO2022100091A1 (zh) 一种广义源储系统调度的集中控制方法
CN102299527B (zh) 一种风电场无功功率控制方法和系统
CN108599206B (zh) 高比例不确定电源场景下的配电网混合储能配置方法
CN110601254B (zh) 一种考虑动态载流特性的风电场储能优化配置方法及系统
CN111555366B (zh) 一种基于多时间尺度的微网三层能量优化管理方法
CN111371104A (zh) 一种基于风储联合发电系统的电网频率稳定控制方法
Kumaravel et al. Adapted multilayer feedforward ANN based power management control of solar photovoltaic and wind integrated power system
CN103560533B (zh) 基于变化率控制储能电站平滑风光发电波动的方法及系统
Singh et al. Operation and control of a hybrid wind-diesel-battery energy system connected to micro-grid
CN116388243A (zh) 一种寒冷地区微电网蓄电池储能配置优化方法
CN115333161A (zh) 一种绿色水厂供电系统的容量优化配置方法
CN109861292B (zh) 一种基于多能源储能系统提高清洁能源消纳方法
CN115378038A (zh) 基于补偿度优化的火储联合一次调频控制方法
CN110768303A (zh) 一种海岛型能源系统设备容量的优化配置方法
CN103887808A (zh) 基于机组惯性储能的风电场储能锂电优化控制方法
JP7180993B2 (ja) 発電システム
CN109378842B (zh) 电储热负荷和电池储能协调最大化减小峰谷差方法
CN116562554A (zh) 一种考虑灵活性供需平衡的长短期储能联合规划方法
Chang et al. A dual-layer cooperative control strategy of battery energy storage units for smoothing wind power fluctuations
CN116029114A (zh) 一种基于年度时序生产模拟的综合能源基地优化配置方法
CN115395545A (zh) 考虑环境修正模型参数的磷酸铁锂电池参与电网调频方法
CN114938040A (zh) 源-网-荷-储交直流系统综合优化调控方法和装置
CN110601190B (zh) 一种区域电网运行域划分方法
Hutchinson et al. Sensitivity analysis of a wind farm with integrated flywheel energy storage

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