CN116388245A - 光储充一体化电站储能容量配置方法及相关设备 - Google Patents
光储充一体化电站储能容量配置方法及相关设备 Download PDFInfo
- Publication number
- CN116388245A CN116388245A CN202310271516.9A CN202310271516A CN116388245A CN 116388245 A CN116388245 A CN 116388245A CN 202310271516 A CN202310271516 A CN 202310271516A CN 116388245 A CN116388245 A CN 116388245A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- power station
- photovoltaic output
- storage capacity
- scene set
- 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
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 147
- 238000000034 method Methods 0.000 title claims abstract description 78
- 238000003860 storage Methods 0.000 title claims abstract description 62
- 230000003287 optical effect Effects 0.000 title claims abstract description 41
- 238000005457 optimization Methods 0.000 claims abstract description 52
- 230000008569 process Effects 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 20
- 239000002245 particle Substances 0.000 claims description 16
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000001932 seasonal effect Effects 0.000 claims description 6
- 238000011084 recovery Methods 0.000 claims description 5
- 239000000523 sample Substances 0.000 claims 1
- 238000010248 power generation Methods 0.000 description 16
- 238000004590 computer program Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 6
- 238000007599 discharging Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012983 electrochemical energy storage Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000005286 illumination 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
- 230000000737 periodic effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
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
- H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
-
- 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
- H02J3/381—Dispersed generators
-
- 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
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
- H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
-
- 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
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
- H02J7/35—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering with light sensitive cells
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种光储充一体化电站储能容量配置方法及相关设备,涉及电站配置领域,主要为解决目前仍缺少一种更好的配置光储充一体化电站的储能容量的方法的问题。该方法包括:确定目标电站的基础数据、基本参数和能量交换策略,其中,所述基础数据用于表征所述目标电站的充电负荷数据,所述基本参数用于表征所述目标电站的配置参数;确定光伏出力典型天气场景集;基于所述基础数据、基本参数、能量交换策略和光伏出力典型天气场景集通过多目标优化规划模型计算所述目标电站的储能容量配置结果。本发明用于光储充一体化电站储能容量配置过程。
Description
技术领域
本发明涉及电站配置领域,尤其涉及一种光储充一体化电站储能容量配置方法及相关设备。
背景技术
进行光储充一体化电站建设,不仅能够实现电动汽车出行用电的绿色化,降低大气污染和碳排放,同时保证了新能源发电的就近消纳,减少了电能传输过程中的能量损失。储能系统可凭借其快速的功率调节和灵活的能量管理能力平抑新能源发电系统的间歇性和波动性,促进可再生能源利用率,提升供电可靠性,为以分布式光伏发电为主体的电动汽车充电站合理地规划配置储能具有重要意义。为以分布式光伏发电为主体的电动汽车充电站合理地规划配置储能之前需要生成光伏发电出力典型场景集,目的在于尽可能保留有效信息的同时减少规划设计的计算量。当前国内外学者对于分布式发电出力曲线的研究主要采取了典型日分析法,但因典型日选取原则的不同,差异性十分明显,只能代表某一典型个例,通常不具备适用性。针对储能容量优化配置国内外学者也开展了大量研究,储能配置的目标主要是经济性最优,同时实现其他功能,如应对新能源功率预测误差、校正新能源发电曲线偏差和平滑新能源发电出力曲线等。以分布式光伏发电为主体的电动汽车充电站储能配置问题一方面要尽可能地降低储能建设投资和运行维护成本,获得经济性最优;另一方面,要减少从外部电网购电提升可再生能源利用率,从而尽可能提高光伏发电占电动汽车充电能量的比例,二者本质上是矛盾的。现有技术往往将储能容量和能量分割考虑,很少将两者的交互关系联系起来进行规划,也很少将光储充一体化电站视作一个局部微电网来考虑储能配置问题。
发明内容
鉴于上述问题,本发明提供一种光储充一体化电站储能容量配置方法及相关设备,主要目的在于解决目前仍缺少一种更好的配置光储充一体化电站的储能容量的方法的问题。
为解决上述至少一种技术问题,第一方面,本发明提供了一种光储充一体化电站储能容量配置方法,该方法包括:
确定目标电站的基础数据、基本参数和能量交换策略,其中,上述基础数据用于表征上述目标电站的充电负荷数据,上述基本参数用于表征上述目标电站的配置参数;
确定光伏出力典型天气场景集;
基于上述基础数据、基本参数、能量交换策略和光伏出力典型天气场景集通过多目标优化规划模型计算上述目标电站的储能容量配置结果。
可选的,上述确定光伏出力典型天气场景集,包括:
获取目标电站的初始场景集,其中,上述初始场景集是基于目标电站在过去一年内的历史场景数据确定的;
基于不同季节将上述初始场景集划分为光伏出力初始场景集;
基于上述光伏出力初始场景集确定光伏出力典型天气场景集。
可选的,上述基于上述光伏出力初始场景集确定光伏出力典型天气场景集,包括:
基于加权欧式距离的K-Means方法对上述光伏出力初始场景集进行聚类以获取初始典型场景集和初始聚类中心,其中,上述初始典型场景集是基于季节划分确定的;
基于上述初始典型场景集和上述初始聚类中心确定光伏出力典型天气场景集,其中,上述光伏出力典型天气场景集是基于气象数据和物理特征确定的。
可选的,上述基于上述基础数据、基本参数、能量交换策略和光伏出力典型天气场景集通过多目标优化规划模型计算上述目标电站的储能容量配置结果,包括:
基于上述基础数据、基本参数、能量交换策略和光伏出力典型天气场景集通过上述多目标优化规划模型和粒子群优化算法计算上述目标电站的储能容量配置结果,其中,上述粒子群优化算法的参数是基于上述基本参数确定的。
可选的,
采用层次分析法对上述多目标优化规划模型赋予权重以获取单目标优化规划模型;
基于上述基础数据、基本参数、能量交换策略和光伏出力典型天气场景集通过单目标优化规划模型计算上述目标电站的储能容量配置结果。
可选的,
上述多目标优化规划模型是基于上述目标电站的目标函数和约束条件构建的。
可选的,
上述目标函数包括电池储能系统的全生命周期成本、电网购电费用和分布式光伏弃电的惩罚费用,上述全生命周期成本是基于建设周期内投资成本、运行周期内维护成本和达到使用年限后的回收残值确定的,上述电网购电费用是基于保障供电可靠性确定的,上述分布式光伏弃电量与可再生能源利用率成负相关,
上述约束条件包括功率平衡约束条件、光伏机组出力功率约束条件、储能系统多时段电量耦合约束条件、储能系统功率约束条件、储能系统电量约束条件、储能系统周期平衡约束条件、储能系统充放电切换次数约束条件、储能系统充放电循环次数约束条件、储能系统额定容量和额定电量约束条件和外部电网约束条件。
第二方面,本发明实施例还提供了一种光储充一体化电站储能容量配置装置,包括:
第一确定单元,用于确定目标电站的基础数据、基本参数和能量交换策略,其中,上述基础数据用于表征上述目标电站的充电负荷数据,上述基本参数用于表征上述目标电站的配置参数;
第二确定单元,用于确定光伏出力典型天气场景集;
计算单元,用于基于上述基础数据、基本参数、能量交换策略和光伏出力典型天气场景集通过多目标优化规划模型计算上述目标电站的储能容量配置结果。
为了实现上述目的,根据本发明的第三方面,提供了一种计算机可读存储介质,上述计算机可读存储介质包括存储的程序,其中,在上述程序被处理器执行时实现上述的光储充一体化电站储能容量配置方法的步骤。
为了实现上述目的,根据本发明的第四方面,提供了一种电子设备,包括至少一个处理器、以及与上述处理器连接的至少一个存储器;其中,上述处理器用于调用上述存储器中的程序指令,执行上述的光储充一体化电站储能容量配置方法的步骤。
借由上述技术方案,本发明提供的光储充一体化电站储能容量配置方法及相关设备,对于目前仍缺少一种更好的配置光储充一体化电站的储能容量的方法的问题,本发明通过确定目标电站的基础数据、基本参数和能量交换策略,其中,上述基础数据用于表征上述目标电站的充电负荷数据,上述基本参数用于表征上述目标电站的配置参数;确定光伏出力典型天气场景集;基于上述基础数据、基本参数、能量交换策略和光伏出力典型天气场景集通过多目标优化规划模型计算上述目标电站的储能容量配置结果。在上述方案中,对于多目标函数问题,本发明采用了一种多目标综合评估方法,可以将多优化目标转化为单一优化目标,降低规划设计的复杂度,将光储充一体化电站视作一个局部微电网来考虑储能配置问题,提出了光储充一体化电站的能量交换策略,使得所提出的储能配置方法在计算时更加快速、准确,还保证了经济性和供电可靠性,提高了可再生能源利用率和电动汽车充电能量绿色占比。
相应地,本发明实施例提供的光储充一体化电站储能容量配置装置、设备和计算机可读存储介质,也同样具有上述技术效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例提供的一种光储充一体化电站储能容量配置方法的简略流程示意图;
图2示出了本发明实施例提供的一种光储充一体化电站储能容量配置方法的整体流程示意图;
图3示出了本发明实施例提供的一种基于粒子群优化算法的光储充一体化电站储能容量规划的单目标优化规划模型的求解流程示意图;
图4示出了本发明实施例提供的一种最优储能容量配置流程示意图;
图5示出了本发明实施例提供的一种光储充一体化电站储能容量配置装置的组成示意框图;
图6示出了本发明实施例提供的一种光储充一体化电站储能容量配置电子设备的组成示意框图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
为了解决目前仍缺少一种更好的配置光储充一体化电站的储能容量的方法的问题,本发明实施例提供了一种光储充一体化电站储能容量配置方法,如图1所示,该方法包括:
S101、确定目标电站的基础数据、基本参数和能量交换策略,其中,上述基础数据用于表征上述目标电站的充电负荷数据,上述基本参数用于表征上述目标电站的配置参数;
示例性的,获取基础数据:①充电站所在区域一年的光照统计数据和以光伏发电时间序列历史出力数据;②考虑该充电站的电动汽车服务对象,调研一年中每天电动汽车的充电电量需求和一天内电动汽车每小时充电功率需求;
示例性的,获取基本参数:③确定系统现有各单元和待配置电池储能系统的具体参数,如外部电网供电情况、光伏额定装机容量、单价和储能单位容量成本、单位电量成本、寿命年限、循环次数、充放电效率等;④综合考虑供电能力、充电需求、物理结构和相关政策等因素,确定对应约束条件的上、下限值,基于对应约束条件的上、下限值确定粒子群算法参数。
示例性的,确定能量交换策略:①当光伏发电Ppv(t)等于电动汽车充电需求Pev(t)时,储能电池无电量调节,仅受自放电影响;②当光伏发电Pev(t)大于电动汽车充电需求Pev(t)时,储能电池处于充电状态,直至达到荷电状态上限,光伏电站发电功率多出部分将被弃用;③当光伏发电Pev(t)小于电动汽车充电需求Pev(t)时,储能电池处于放电状态,当放电功率足够时,电动汽车充电功率不足部分仅由储能提供,当放电功率不足时,由储能和电网共同满足充电需求,直至达到荷电状态下限,电动汽车充电功率不足部分仅从电网购电;④有需要时储能电池也可以直接经由外部电网充电,在电动汽车处于充电高峰因外部电网供电能力不足时释放补充。
S102、确定光伏出力典型天气场景集;
上述步骤S102还包括步骤S1021和步骤S1022:
S1021、一种实施例中,上述确定光伏出力典型天气场景集,包括:
获取目标电站的初始场景集,其中,上述初始场景集是基于目标电站在过去一年内的历史场景数据确定的;
基于不同季节将上述初始场景集划分为光伏出力初始场景集;
基于上述光伏出力初始场景集确定光伏出力典型天气场景集。
S1022、在一种实施例中,上述基于上述光伏出力初始场景集确定光伏出力典型天气场景集,包括:
基于加权欧式距离的K-Means方法对上述光伏出力初始场景集进行聚类以获取初始典型场景集和初始聚类中心,其中,上述初始典型场景集是基于季节划分确定的;
基于上述初始典型场景集和上述初始聚类中心确定光伏出力典型天气场景集,其中,上述光伏出力典型天气场景集是基于气象数据和物理特征确定的。
示例性的,如图2所示,本发明实施例采用数据-物理双驱动的方法,生成按季节划分的光伏出力典型天气场景集。根据本发明研究的光伏电站的光照条件和分布特点,以光伏发电时间序列历史出力数据为基础,统计气象数据,提取物理特征,依据天气类型将光伏出力划分为k类,分别为晴、少云、多云、阴、阵雨、极端天气等,包括以下步骤:
光伏出力曲线在年时间尺度上存在季节性的差异,在日时间尺度上存在昼夜之间的差异,可以采用周期内聚类缩减的方法进行典型场景的选取。根据春、夏、秋、冬的不同季节,以日为单位对场景集进行初始分类。
初始场景集为X={X1,X2,K,XN}
单个的场景为一天的出力数据Xn(n=1,2,K,N)
若一天有T个采样点,那么X1,X2,...,XN是N个T维向量,故初始场景集可记为矩阵XN×T。
根据季节对X初步划分后得到相应的光伏出力初始场景集为X={Xsp,Xsu,Xau,Xwi}
针对不同季节的光伏出力初始场景集利用基于加权欧式距离的K-Means方法进行场景缩减,得到与天气类型对应的k类场景,S1,S2,…,Sk为各类初始聚类中心,初始典型场景集记为S={S1,S2,K,Sk},各类场景对应的概率记为p={p1,p2,K,pk}
加权欧式距离计算如下
上述ωt对应不同采样时刻的权重,依次计算每条光伏出力曲线Pm与各个聚类中心Si的距离lmi,将风电出力曲线分配到距离聚类中心最近的类别中,记为Y={Y1,Y2,...,Yk},可得
更新各类聚类中心,记为M={M1,M2,K,Mk}直至满足准则函数D最小化
emi为状态变量,判断光伏出力曲线Pm是否属于类别Yi,最终得到光伏出力典型天气场景集M={M1,M2,K,Mk},对应概率p={p1,p2,K,pk}
由于在缩减合并过程中保持了场景数据的时序性与概率分布特性。因此M能够以小样本数量来体现原始场景集的时序特性与概率密度分布特性。
S103、基于上述基础数据、基本参数、能量交换策略和光伏出力典型天气场景集通过多目标优化规划模型计算上述目标电站的储能容量配置结果。
上述步骤S103还包括步骤S1031和S1032:
S1031、在一种实施例中,上述基于上述基础数据、基本参数、能量交换策略和光伏出力典型天气场景集通过多目标优化规划模型计算上述目标电站的储能容量配置结果,包括:
基于上述基础数据、基本参数、能量交换策略和光伏出力典型天气场景集通过上述多目标优化规划模型和粒子群优化算法计算上述目标电站的储能容量配置结果,其中,上述粒子群优化算法的参数是基于上述基本参数确定的。
示例性的,基于粒子群优化算法的光储充一体化电站储能容量规划模型(即上述多目标优化规划模型)的求解流程,包括以下步骤:
如图3所示,采用粒子群优化算法求解:步骤①确定位置与速度边界范围,设置种群数,初始化粒子群的位置和速度,输入粒子群参数;步骤②选择目标函数作为适应度函数,计算适应度值,记录历史最优值与全局最优值;步骤③利用速度更新公式和位置更新公式,对粒子群的速度和位置进行更新,并对越界的速度和位置进行约束;步骤④根据适应度函数计算适应度值;步骤⑤对于每个粒子,将其适应度值与它的历史最优适应度值相比较,若更好,则将作为历史最优值;步骤⑥对于每个粒子,比较其适应度值和群体所经历的最优位置的适应度值,若更好,将其作为全局最优值;步骤⑦判断是否达到迭代次数或精度设定的结束条件,若达到,则输出最优位置,否则重复步骤③~⑦。
S1032、在一种实施例中,上述方法还包括:
采用层次分析法对所述多目标优化规划模型赋予权重以获取单目标优化规划模型;
基于所述基础数据、基本参数、能量交换策略和光伏出力典型天气场景集通过单目标优化规划模型计算所述目标电站的储能容量配置结果。
示例性的,本发明实施例利用层次分析法对多目标优化规划模型赋予权重,将多优化目标转化为单一优化目标以形成单目标优化规划模型,单目标优化规划模型如下:
minf=ω1f1+ω2f2+ω3f3
包括以下步骤:
由专家和决策者对多目标优化规划模型进行权衡并根据重要度打分,利用层次分析法做出决策赋予权重,首先,对每2个指标的重要性进行比较,以比较标度1到9来衡量指标的重要性;比较标度的数值越大,指标就越重要,整理得到比较判断矩阵A
其中,aii=1(i=1,2,...,n)表示第i个指标与自己的比较结果;aij=1/aji(i,j=1,2,...,n)表示第i个指标与第j个指标的比较结果;n表示指标个数,本发明中指标个数为3。
计算各指标权重系数ω=[ω1,ω2,...,ωn]T
计算判断矩阵的最大特征根λmax
计算判断矩阵的一致性指标CI和-致性比率CR进行一致性检验
其中,RI为随机一致性指标,是与指标数量n有关的常数。当-致性比率CR小于0.1时,说明判断矩阵通过了一致性检验,可以得出当前指标的权重;否则就需要对判断矩阵中的赋值进行调整,直到其通过一致性检验。
在一种实施例中,
上述多目标优化规划模型是基于上述目标电站的目标函数和约束条件构建的。
示例性的,如图4所示,本发明实施例考虑充电站的电池储能系统的全生命周期成本、保障供电可靠性的从电网购电费用以及分布式光伏弃电的惩罚费用,计及储能系统多时段电量耦合约束、功率约束、电量约束、周期平衡约束、充放电切换次数和循环次数约束等,建立光储充一体化电站储能容量的多目标优化规划模型,包括以下步骤:
总体模型如下
在一种实施例中,
上述目标函数包括电池储能系统的全生命周期成本、电网购电费用和分布式光伏弃电的惩罚费用,上述全生命周期成本是基于建设周期内投资成本、运行周期内维护成本和达到使用年限后的回收残值确定的,上述电网购电费用是基于保障供电可靠性确定的,上述分布式光伏弃电量与可再生能源利用率成负相关,
上述约束条件包括功率平衡约束条件、光伏机组出力功率约束条件、储能系统多时段电量耦合约束条件、储能系统功率约束条件、储能系统电量约束条件、储能系统周期平衡约束条件、储能系统充放电切换次数约束条件、储能系统充放电循环次数约束条件、储能系统额定容量和额定电量约束条件和外部电网约束条件。
示例性的,目标函数如下
电池储能系统的全生命周期成本主要包括建设周期内的投资成本、运行周期内的维护成本和达到使用年限后的回收残值,采用现值法表示
CIn=KpPrate+KeErate
Erate=Prate×Trate
其中,Cbess表示电池储能全生命周期成本的现值,CIn表示储能初始建设投资费用,与储能系统的额定容量Prate和额定电量Erate有关,Kp和Ke分别为单位容量成本和为单位电量成本,Trate为储能充放电时长;CMa t表示储能在第t年的固定运行维护费用,CRe为达到使用年限后的回收残值,均可取初始建设投资费用的一定比例;NT表示运行周期,r0为贴现率。
采用等年值法,电池储能系统的全生命周期成本最小可表示为
保障供电可靠性的从电网购电费用最小
其中,πa表示光储充电站从电网购买单位电量的费用,单位为元/kWh;Pgrid表示从电网购电功率。
分布式光伏弃电的惩罚费用最小
其中,πb表示分布式光伏单位弃电量的惩罚费用,单位为元/kWh;Ppv,max表示光伏的最大出力,Ppv表示光伏的实际出力。分布式光伏弃电越少等同于可再生能源利用率越高。
示例性的,约束条件如下
①功率平衡约束条件
②光伏机组出力功率约束条件
0≤Ppv(t)≤Ppv,max
③储能系统多时段电量耦合约束条件
其中,Ebess(t)表示电池储能系统的实时电量,σ为电池装置的自放电率,ηch和ηdis分别为储能系统的充、放电效率。
④储能系统功率约束条件
⑤储能系统电量约束条件
其中,SOC表示储能的实时荷电状态,SOCmin和SOCmax分别为储能系统允许的最小、最大荷电状态限值;Emin和Emax分别为储能系统存储电量的最小、最大限值。
⑥储能系统周期平衡约束条件
Ebess(0)=Ebess(T)
为了保持储能系统运行的可持续性,储能系统在一个调度周期T内的充电和放电电量相等。Ebess(0)表示储能初始时刻存储电量,Ebess(T)表示储能周期最后时刻存储电量。
⑦储能系统充放电切换次数约束条件
示例性的,由于电化学储能装置在短时内频繁切换充放电状态,会对电力电子器件的使用寿命造成折损,故储能系统在一个调度周期内的充放电切换次数应有所限制。为标识时段t初储能装置是否切换为充电状态的0-1变量;/>为标识时段t初储能装置是否切换为放电状态的0-1变量;Nmax为一个运行优化周期内储能系统充放电切换的最大次数。
⑧储能系统充放电循环次数约束条件
为保证电池在一定寿命年限之内能够正常工作,使得电池储能的循环寿命不短于寿命年限,需要限制每日的等效全循环次数。Neq为电池日等效全循环次数,决定着电池储能循环寿命;N0为电池以100%放电深度充放电,达到寿命终点时的循环次数;NT为储能的寿命年限。
⑨储能系统额定容量和额定电量约束条件
其中,PpvN为充电站光伏额定装机容量,ηmin和ηmax分别为储能系统额定容量的配置比例下限和上限;λmin和λmax分别为储能充放电时长的下限和上限。多地市对分布式光伏提出配套建设储能的要求,按光伏装机容量的一定比例配套建设光伏储能设施容量。例如以光伏装机容量的10%~20%建设储能,且时长2~4小时,可获取对应参数作为边界条件。
⑩外部电网约束条件
Pgrid,min≤Pgrid(j,t)≤Pgrid,max
其中,Pgrid,min和Pgrid,max分别表示外部电网供电的下限和上限。
该模型具有多目标、非线性、多约束的特点。
本发明实施例综合考虑天气特征和季节性差异,采用基于加权欧式距离的K-Means方法进行场景缩减,比传统且单一的基于欧式距离的K-Means方法更具有典型性和代表性;对于多目标函数问题,本发明实施例采用了一种多目标综合评估方法,可以将多优化目标转化为单一优化目标,降低规划设计的复杂度。将光储充一体化电站视作一个局部微电网来考虑储能配置问题,重点考虑了储能容量和能量的交互关系、电力电子器件的使用寿命约束和储能的循环寿命约束,提出了光储充一体化电站的能量交换策略,使得所提出的储能配置方法在计算时更加快速、准确,还保证了经济性和供电可靠性,提高了可再生能源利用率和电动汽车充电能量绿色占比。
借由上述技术方案,本发明提供的光储充一体化电站储能容量配置方法,对于目前仍缺少一种更好的配置光储充一体化电站的储能容量的方法的问题,本发明通过确定目标电站的基础数据、基本参数和能量交换策略,其中,上述基础数据用于表征上述目标电站的充电负荷数据,上述基本参数用于表征上述目标电站的配置参数;确定光伏出力典型天气场景集;基于上述基础数据、基本参数、能量交换策略和光伏出力典型天气场景集通过多目标优化规划模型计算上述目标电站的储能容量配置结果。在上述方案中,对于多目标函数问题,本发明采用了一种多目标综合评估方法,可以将多优化目标转化为单一优化目标,降低规划设计的复杂度,将光储充一体化电站视作一个局部微电网来考虑储能配置问题,提出了光储充一体化电站的能量交换策略,使得所提出的储能配置方法在计算时更加快速、准确,还保证了经济性和供电可靠性,提高了可再生能源利用率和电动汽车充电能量绿色占比。
进一步的,作为对上述图1所示方法的实现,本发明实施例还提供了一种光储充一体化电站储能容量配置装置,用于对上述图1所示的方法进行实现。该装置实施例与前述方法实施例对应,为便于阅读,本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述,但应当明确,本实施例中的装置能够对应实现前述方法实施例中的全部内容。如图5所示,该装置包括:第一确定单元21、第二确定单元22及计算单元23,其中
第一确定单元21,用于确定目标电站的基础数据、基本参数和能量交换策略,其中,上述基础数据用于表征上述目标电站的充电负荷数据,上述基本参数用于表征上述目标电站的配置参数;
第二确定单元22,用于确定光伏出力典型天气场景集;
计算单元23,用于基于上述基础数据、基本参数、能量交换策略和光伏出力典型天气场景集通过多目标优化规划模型计算上述目标电站的储能容量配置结果。
处理器中包含内核,由内核去存储器中调取相应的程序单元。内核可以设置一个或以上,通过调整内核参数来实现一种光储充一体化电站储能容量配置方法,能够解决目前仍缺少一种更好的配置光储充一体化电站的储能容量的方法的问题。
本发明实施例提供了一种计算机可读存储介质,上述计算机可读存储介质包括存储的程序,该程序被处理器执行时实现上述光储充一体化电站储能容量配置方法。
本发明实施例提供了一种处理器,上述处理器用于运行程序,其中,上述程序运行时执行上述光储充一体化电站储能容量配置方法。
本发明实施例提供了一种电子设备,上述电子设备包括至少一个处理器、以及与上述处理器连接的至少一个存储器;其中,上述处理器用于调用上述存储器中的程序指令,执行如上述的光储充一体化电站储能容量配置方法
本发明实施例提供了一种电子设备30,如图6所示,电子设备包括至少一个处理器301、以及与处理器连接的至少一个存储器302、总线303;其中,处理器301、存储器302通过总线303完成相互间的通信;处理器301用于调用存储器中的程序指令,以执行上述的光储充一体化电站储能容量配置方法。
本文中的智能电子设备可以是PC、PAD、手机等。
本申请还提供了一种计算机程序产品,当在流程管理电子设备上执行时,适于执行初始化有上述光储充一体化电站储能容量配置方法步骤的程序。
需要说明的是,在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详细描述的部分,可以参见其它实施例的相关描述。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本申请实施例还提供了一种计算机程序产品,该计算机程序产品包括计算机软件指令,当计算机软件指令在处理设备上运行时,使得处理设备执行如图1对应实施例中的存储器的控制的流程。
计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时,全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一计算机可读存储介质传输,例如,计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line,DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(solid state disk,SSD))等。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,单元的划分,仅仅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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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网络单元上。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,在本申请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。
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,本申请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(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
Claims (10)
1.一种光储充一体化电站储能容量配置方法,其特征在于,包括:
确定目标电站的基础数据、基本参数和能量交换策略,其中,所述基础数据用于表征所述目标电站的充电负荷数据,所述基本参数用于表征所述目标电站的配置参数;
确定光伏出力典型天气场景集;
基于所述基础数据、基本参数、能量交换策略和光伏出力典型天气场景集通过多目标优化规划模型计算所述目标电站的储能容量配置结果。
2.根据权利要求1所述的方法,其特征在于,所述确定光伏出力典型天气场景集,包括:
获取目标电站的初始场景集,其中,所述初始场景集是基于目标电站在过去一年内的历史场景数据确定的;
基于不同季节将所述初始场景集划分为光伏出力初始场景集;
基于所述光伏出力初始场景集确定光伏出力典型天气场景集。
3.根据权利要求2所述的方法,其特征在于,所述基于所述光伏出力初始场景集确定光伏出力典型天气场景集,包括:
基于加权欧式距离的K-Means方法对所述光伏出力初始场景集进行聚类以获取初始典型场景集和初始聚类中心,其中,所述初始典型场景集是基于季节划分确定的;
基于所述初始典型场景集和所述初始聚类中心确定光伏出力典型天气场景集,其中,所述光伏出力典型天气场景集是基于气象数据和物理特征确定的。
4.根据权利要求1所述的方法,其特征在于,所述基于所述基础数据、基本参数、能量交换策略和光伏出力典型天气场景集通过多目标优化规划模型计算所述目标电站的储能容量配置结果,包括:
基于所述基础数据、基本参数、能量交换策略和光伏出力典型天气场景集通过所述多目标优化规划模型和粒子群优化算法计算所述目标电站的储能容量配置结果,其中,所述粒子群优化算法的参数是基于所述基本参数确定的。
5.根据权利要求1所述的方法,其特征在于,还包括:
采用层次分析法对所述多目标优化规划模型赋予权重以获取单目标优化规划模型;
基于所述基础数据、基本参数、能量交换策略和光伏出力典型天气场景集通过单目标优化规划模型计算所述目标电站的储能容量配置结果。
6.根据权利要求5所述的方法,其特征在于,
所述多目标优化规划模型是基于所述目标电站的目标函数和约束条件构建的。
7.根据权利要求6所述的方法,其特征在于,
所述目标函数包括电池储能系统的全生命周期成本、电网购电费用和分布式光伏弃电的惩罚费用,所述全生命周期成本是基于建设周期内投资成本、运行周期内维护成本和达到使用年限后的回收残值确定的,所述电网购电费用是基于保障供电可靠性确定的,所述分布式光伏弃电量与可再生能源利用率成负相关,
所述约束条件包括功率平衡约束条件、光伏机组出力功率约束条件、储能系统多时段电量耦合约束条件、储能系统功率约束条件、储能系统电量约束条件、储能系统周期平衡约束条件、储能系统充放电切换次数约束条件、储能系统充放电循环次数约束条件、储能系统额定容量和额定电量约束条件和外部电网约束条件。
8.一种光储充一体化电站储能容量配置装置,其特征在于,包括:
第一确定单元,用于确定目标电站的基础数据、基本参数和能量交换策略,其中,所述基础数据用于表征所述目标电站的充电负荷数据,所述基本参数用于表征所述目标电站的配置参数;
第二确定单元,用于确定光伏出力典型天气场景集;
计算单元,用于基于所述基础数据、基本参数、能量交换策略和光伏出力典型天气场景集通过多目标优化规划模型计算所述目标电站的储能容量配置结果。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质包括存储的程序,其中,在所述程序被处理器执行时实现如权利要求1至权利要求7中任一项所述的光储充一体化电站储能容量配置方法。
10.一种电子设备,其特征在于,所述电子设备包括至少一个处理器、以及与所述处理器连接的至少一个存储器;其中,所述处理器用于调用所述存储器中的程序指令,执行如权利要求1至权利要求7中任一项所述的光储充一体化电站储能容量配置方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310271516.9A CN116388245A (zh) | 2023-03-20 | 2023-03-20 | 光储充一体化电站储能容量配置方法及相关设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310271516.9A CN116388245A (zh) | 2023-03-20 | 2023-03-20 | 光储充一体化电站储能容量配置方法及相关设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116388245A true CN116388245A (zh) | 2023-07-04 |
Family
ID=86964877
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310271516.9A Pending CN116388245A (zh) | 2023-03-20 | 2023-03-20 | 光储充一体化电站储能容量配置方法及相关设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116388245A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117175657A (zh) * | 2023-09-04 | 2023-12-05 | 广东永光新能源设计咨询有限公司 | 光伏储能系统的容量配置方法、装置、介质及设备 |
CN117353359A (zh) * | 2023-12-05 | 2024-01-05 | 国网浙江省电力有限公司宁波供电公司 | 电池联合储能供电方法及系统 |
CN117856349A (zh) * | 2023-12-25 | 2024-04-09 | 广东电网有限责任公司 | 一种水电微网的调控方法、装置、设备及存储介质 |
CN118017620A (zh) * | 2024-04-09 | 2024-05-10 | 江苏谷峰电力科技股份有限公司 | 一种多场景下便携式光储电源装置功率分配方法及系统 |
CN118399460A (zh) * | 2024-06-14 | 2024-07-26 | 深圳库博能源股份有限公司 | 分布式储能系统的管理方法、装置、设备及存储介质 |
-
2023
- 2023-03-20 CN CN202310271516.9A patent/CN116388245A/zh active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117175657A (zh) * | 2023-09-04 | 2023-12-05 | 广东永光新能源设计咨询有限公司 | 光伏储能系统的容量配置方法、装置、介质及设备 |
CN117175657B (zh) * | 2023-09-04 | 2024-02-06 | 广东永光新能源设计咨询有限公司 | 光伏储能系统的容量配置方法、装置、介质及设备 |
CN117353359A (zh) * | 2023-12-05 | 2024-01-05 | 国网浙江省电力有限公司宁波供电公司 | 电池联合储能供电方法及系统 |
CN117353359B (zh) * | 2023-12-05 | 2024-04-12 | 国网浙江省电力有限公司宁波供电公司 | 电池联合储能供电方法及系统 |
CN117856349A (zh) * | 2023-12-25 | 2024-04-09 | 广东电网有限责任公司 | 一种水电微网的调控方法、装置、设备及存储介质 |
CN118017620A (zh) * | 2024-04-09 | 2024-05-10 | 江苏谷峰电力科技股份有限公司 | 一种多场景下便携式光储电源装置功率分配方法及系统 |
CN118399460A (zh) * | 2024-06-14 | 2024-07-26 | 深圳库博能源股份有限公司 | 分布式储能系统的管理方法、装置、设备及存储介质 |
CN118399460B (zh) * | 2024-06-14 | 2024-09-13 | 深圳库博能源股份有限公司 | 分布式储能系统的管理方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116388245A (zh) | 光储充一体化电站储能容量配置方法及相关设备 | |
CN107370170B (zh) | 一种考虑容量电价和负荷预测误差的储能系统容量配置方法 | |
CN112103946A (zh) | 一种基于粒子群算法的微电网储能优化配置方法 | |
CN112131733B (zh) | 计及电动汽车充电负荷影响的分布式电源规划方法 | |
CN107947165A (zh) | 一种面向调节需求的配电网灵活性评价方法 | |
CN116436008B (zh) | 一种用于光储充电站的电力调度方法及终端 | |
CN113176511A (zh) | 考虑健康状态的储能充放电优化方法及系统 | |
CN113326467B (zh) | 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统 | |
CN110245794B (zh) | 考虑灵活性的多能源汇集中心火储容量双层优化方法 | |
CN110034561B (zh) | 一种基于云储能租赁服务的风电场储能容量优化方法 | |
CN112186761B (zh) | 一种基于概率分布的风电功率场景生成方法及系统 | |
CN110460038A (zh) | 一种涉及新能源并网的多场景输电网扩展规划方法 | |
CN114611842B (zh) | 一种整县屋顶分布式光伏功率预测方法 | |
CN114498690B (zh) | 支持大规模可再生能源消纳的多元复合储能优化配置方法 | |
CN116826710A (zh) | 基于负荷预测的削峰策略推荐方法、装置及存储介质 | |
CN108694475B (zh) | 基于混合模型的短时间尺度光伏电池发电量预测方法 | |
CN114301089A (zh) | 一种风光联合发电系统储能容量配置优化方法 | |
CN112801343A (zh) | 一种计及多气象场景适应成本的储能系统容量规划方法 | |
CN111311032B (zh) | 一种基于扇形雷达图模型的微网系统容量优化配置方法 | |
CN117175579A (zh) | 一种电动汽车充放电分群调度方法及系统 | |
CN109586309B (zh) | 基于大数据自由熵理论和场景匹配的配电网无功优化方法 | |
CN109149644B (zh) | 一种基于大数据分析的光储一体在线策略匹配和协同优化方法 | |
CN110429593A (zh) | 一种考虑电动汽车充电需求的配电最优容载比确定方法 | |
CN112510678A (zh) | 基于时序仿真的售电公司分布式电源容量配置方法 | |
CN114548804B (zh) | 基于改进提升树的日前功率预测方法及系统 |
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 |