CN116562657B - 基于物联网的光伏储能管理方法、装置、介质、电子设备 - Google Patents
基于物联网的光伏储能管理方法、装置、介质、电子设备 Download PDFInfo
- Publication number
- CN116562657B CN116562657B CN202310851578.7A CN202310851578A CN116562657B CN 116562657 B CN116562657 B CN 116562657B CN 202310851578 A CN202310851578 A CN 202310851578A CN 116562657 B CN116562657 B CN 116562657B
- Authority
- CN
- China
- Prior art keywords
- time interval
- electricity
- photovoltaic
- historical
- electricity consumption
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 94
- 238000007726 management method Methods 0.000 title claims abstract description 43
- 230000005611 electricity Effects 0.000 claims abstract description 205
- 238000010248 power generation Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000003860 storage Methods 0.000 claims abstract description 22
- 238000007621 cluster analysis Methods 0.000 claims abstract description 5
- 230000006855 networking Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 abstract description 7
- 238000010586 diagram Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000000047 product Substances 0.000 description 3
- 101150008604 CAN1 gene Proteins 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements 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
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Software Systems (AREA)
- Power Engineering (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Primary Health Care (AREA)
- Accounting & Taxation (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及一种基于物联网的光伏储能管理方法、装置、介质、电子设备,其方法包括步骤:首先得到当前用户在每一周中每一个时间区间的用电趋势;然后根据当前用户的用电趋势和其他用户的用电趋势的聚类分析,以得到包含有当前用户的当前用户集合,并根据当前用户集合来预测当前用户在下一时间区间的第二用电量;之后预测下一时间区间内光伏组件的第一光伏发电量;最后根据第一光伏发电量、第二用电量、削峰填谷策略以及光伏发电量最大化使用原则来实时调整储能电池的储存电量。本发明提高了用户用电量的预测准确性,从而提升了光伏能量利用率,降低光储系统弃光比例,且减少了不必要的电网充电,以提升用户效益,减少电网冲击。
Description
技术领域
本发明属于新能源技术领域,具体涉及一种基于物联网的光伏储能管理方法、装置、介质、电子设备。
背景技术
电池储能是使太阳能和风能等可再生能源的能量得到储存,然后在最需要的时候释放的电池管理技术。其中,电池储能系统配合光伏系统组成的光伏储能系统开始逐渐应用在日常生活中,其配合传统的“削峰填谷”取电策略来满足用户的用电需求。但是,现有的光伏储能系统对于光伏能量的利用率较低,由此存在用户效益不佳的问题。
如专利申请号为202210094050.5的一种基于能源路由器的微电网能源管理方法和系统,通过光伏发电设备的光伏供电量和用电设备的用电需求量、储能设备的可储电余量来进行能源管理。但是基于能源需求量仅是通过天气和日期来进行判断,因此,整个能源管理方法所依赖的能源需求量普遍存在适配性不佳的问题,故而也无法有效的提高光伏能量的利用率和用户效益。
发明内容
本发明的目的是提供了一种基于物联网的光伏储能管理方法、装置、介质、电子设备,以提升光伏能量利用率以及用户效益。
为了解决上述技术问题,本发明公开了基于物联网的光伏储能管理方法,包括步骤:
实时采集当前用户实际使用的第一用电量,以得到当前用户在每一周中每一个时间区间的用电趋势;
根据所述当前用户的用电趋势和其他用户的用电趋势的聚类分析,以得到包含有所述当前用户的当前用户集合,其中,所述当前用户集合中除所述当前用户之外所有用户称为相似用户集合;
获取下一时间区间和天气预报参数,判断所述当前用户的历史用电数据中是否存在与所述下一时间区间和所述天气预报参数的综合相似程度大于第一综合相似阈值的第一历史时间区间,若存在,则根据所述当前用户的第一历史时间区间的第一历史用电量来得到所述当前用户在下一时间区间的第二用电量,否则使用相似用户集合中相似用户的用电数据来进行预测当前用户在下一时间区间的第二用电量;
预测下一时间区间内光伏组件的第一光伏发电量;
根据所述第一光伏发电量、所述第二用电量、削峰填谷策略以及光伏发电量最大化使用原则来实时调整储能电池的储存电量。
进一步地,所述否则使用相似用户集合中相似用户的用电数据来进行预测当前用户在下一时间区间的第二用电量包括以下步骤:
否则判断所述相似用户集合中是否存在与所述下一时间区间和所述天气预报参数综合相似程度大于第一综合相似阈值的第二历史时间区间,若存在,则在所述第二历史时间区间的最接近时间区间中,判断是否存在与所述下一时间区间的最接近时间区间在综合相似程度大于第二综合相似阈值的第三历史时间区间,若存在,则获取对应的所述第二历史时间区间的第二历史用电量和与所述第三历史时间区间的第三历史用电量之间的用电比例,否则获取对应的所述第二历史时间区间的第二历史用电量和与综合相似程度最接近的第四历史时间区间的第四历史用电量之间的用电比例,所述第二历史时间区间的最接近时间区间包括不同年度中同一周中的同一时间区间以及同一年度中相邻周的同一时间区间,所述下一时间区间的最接近时间区间为上一周的同一时间区间;
获取所述下一时间区间的最接近时间区间的第五历史用电量,将所述第五历史用电量和所述用电比例的乘积作为所述当前用户在下一时间区间的第二用电量。
进一步地,所述预测下一时间区间内光伏组件的第一光伏发电量包括以下步骤:
根据下一时间区间的天气预报参数预测下一时间区间内光伏组件的第一光伏发电量。
进一步地,所述天气预报参数包括阳光照射度、温度、云层。
进一步地,当接收到用户的临时用电需求,所述根据所述第一光伏发电量、所述第二用电量、削峰填谷策略以及光伏发电量最大化使用原则来实时调整储能电池的储存电量则为:
当所述临时用电需求为下一时间区间之前输入,则根据所述第一光伏发电量、所述第二用电量、削峰填谷策略、临时用电需求以及光伏发电量最大化使用原则来实时调整储能电池的储存电量;
当所述临时用电需求为当前时间区间内输入,则获取所述临时用电需求的临时用电量,判断当前时间区间内增加所述临时用电量之后到下一时间区间时的储能电池的储存电量是否高于最低电量阈值,若是,则保持当前时间区间的储能管理策略,否则在当前时间区间内储能电池的储存电量到达最低电量阈值之前的时间内的相对谷区进行电网充电,直至所述储能电池的储存电量到下一时间区间时仍然高于最低电量阈值。
进一步地,还包括步骤:
在任一时间节点上,所述储能电池的储存电量均保持在最低电量阈值之上。
进一步地,所述光伏发电量最大化使用原则为优先保证所述下一时间区间产生的所述第一光伏发电量用于用户的用电需求和所述储能电池的充电量的比例最大化。
为了解决上述技术问题,本发明还公开了基于物联网的光伏储能管理装置,包括:
用电采集模块,用于实时采集当前用户实际使用的第一用电量,以得到当前用户在每一周中每一个时间区间的用电趋势;
用户聚类模块,用于根据所述当前用户的用电趋势和其他用户的用电趋势的聚类分析,以得到包含有所述当前用户的当前用户集合,其中,所述当前用户集合中除所述当前用户之外所有用户称为相似用户集合;
用电预测模块,用于获取下一时间区间和天气预报参数,判断所述当前用户的历史用电数据中是否存在与所述下一时间区间和所述天气预报参数的综合相似程度大于第一综合相似阈值的第一历史时间区间,若存在,则根据所述当前用户的第一历史时间区间的第一历史用电量来得到所述当前用户在下一时间区间的第二用电量,否则使用相似用户集合中相似用户的用电数据来进行预测当前用户在下一时间区间的第二用电量;
光伏预测模块,用于预测下一时间区间内光伏组件的第一光伏发电量;
电量管理模块,用于根据所述第一光伏发电量、所述第二用电量、削峰填谷策略以及光伏发电量最大化使用原则来实时调整储能电池的储存电量。
为了解决上述技术问题,本发明还公开了一种计算机可读存储介质,所述存储介质用于存储程序,其中,所述程序执行上述的基于物联网的光伏储能管理方法。
为了解决上述技术问题,本发明还公开了一种电子设备,包括一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现上述的基于物联网的光伏储能管理方法。
本项发明通过预测下一时间区间内光伏组件的第一光伏发电量以及当前用户在下一时间区间的第二用电量,根据第一光伏发电量、第二用电量、削峰填谷策略以及光伏发电量最大化使用原则来实时调整储能电池的储存电量,使得储能电池的储存电量是根据下一时间区间所预测的光伏发电量和用户用电量来调整的。其中,结合了当前用户自身的相似数据和相似用户的相似数据来进行用电量的预测,使得用电量预测能够更加符合用户的真实需求,以提高用户用电量的预测准确性,从而提升了光伏能量利用率,降低光储系统弃光比例,且减少了不必要的电网充电,以提升用户效益,减少电网冲击。
附图说明
图1为本发明实施例的基于物联网的光伏储能管理方法的流程示意图;
图2为本发明实施例的基于物联网的光伏储能管理方法的系统框架示意图;
图3为本发明实施例的基于物联网的光伏储能管理装置的结构示意图;
图4为本发明实施例的基于物联网的光伏储能管理装置的结构示意图。
标号说明:
10、基于物联网的光伏储能管理装置;11、用电采集模块;12、用户聚类模块;13、用电预测模块;14、光伏预测模块;15、电量管理模块;
20、一种电子设备;21、处理器;22、存储器。
具体实施方式
下面通过实施例对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
应当理解,本文所使用的诸如“具有”,“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
实施例1
其中,在本实施例基于物联网的光伏储能管理的应用场景中,光伏组件设计在屋顶上进行光能发电,通过储能逆变器转化为电能供家用电器的使用或者储能蓄电池(以下简称储能电池)的充电,同时在储能电池的储能电量不够的情况下,通过电网取电来满足用户的用电需求,本实施例基于上述的应用场景提供如下的一种基于物联网的光伏储能管理方法,具体参见下面描述。
结合图1至图2,本实施例提供的一种基于物联网的光伏储能管理方法,包括步骤:
S1、实时采集当前用户实际使用的第一用电量,以得到当前用户在每一周中每一个时间区间的用电趋势;
在本实施例中,通过用户用电习惯学习,存储记录用电趋势,需求变化状态,调整能量策略。
以下表1为示例说明,其中的数据仅用于展示各种天气条件下各种应用场景的一些相关说明。
假设,初始设定用户习惯学习周期 2 周,在学习周期中,储能电池的储存电量均以充满进行控制,因此,当储能电池的储存电量小于40时,在电价谷端就进行充电至满。而在初始学习周期之后就会进入智能控制模式,当然,在后续的时间内会不断采集用户的用电习惯,从而不断的修正用电趋势。
此时,当前用户在每一周中每一个时间区间的用电趋势即为周一到周日的用电习惯分别为:7.7、8.7、9.7、8.7、62.5、16.3、36.3。在实际过程中每一周采集的数据可能有所不同,可以通过诸如平均数等统计数据来进行计算,同时也可以判断部分数据存在偶然性而部进行数据统计。
S2、根据当前用户的用电趋势和其他用户的用电趋势的聚类分析,以得到包含有当前用户的当前用户集合,其中,当前用户集合中除当前用户之外所有用户称为相似用户集合;
根据云端上不同用户的用电趋势对用户进行分类,这样同一用户集合中的不同用户属于用电趋势相同的用户,可以在当前用户的前期数据不全或者遇到意外天气情况时能够进行辅助计算,以提高用户用电量的预测准确性。
S3、获取下一时间区间和天气预报参数,判断当前用户的历史用电数据中是否存在与下一时间区间和天气预报参数的综合相似程度大于第一综合相似阈值的第一历史时间区间,若存在,则根据当前用户的第一历史时间区间的第一历史用电量来得到当前用户在下一时间区间的第二用电量,否则使用相似用户集合中相似用户的用电数据来进行预测当前用户在下一时间区间的第二用电量;
在本实施例中,第一综合相似阈值为72%,时间区间和天气参数二者的权重比为40%和60%。
其中,下一时间区间为下一天,而一个年度中的不同天数的用电习惯会有所区别,同一天数因为下雨、高温、下雪等不同的天气预报也会有不同的用电习惯,因此,需要使用下一时间区间和天气预报参数这两个数据进行相似程度的判断,而如果当前用户自身的数据足够,过往的数据中就存在相似度高的历史区间,就可以使用当前用户自身的数据进行用电量预测。
在本实施例中,两个时间区间的相似程度可以按照在一整年中的间隔天数来进行取值,比如当前时间为2023年5月3日,则2020年4月30日与其相差天数在一周,则时间区间的相似程度为90%,此时天气预报参数的相似程度为75%,按照40%和60%的权重分配,最终得到的相似程度为90%*40%+75%*60%=81%,则2020年4月30为第一历史时间区间。若只有一个第一历史时间区间,则可以直接使用期用电量来作为当前用户在下一天的第二用电量,若有多个的话,则可以考虑使用最近一年或所有数据按照求平均数等统计方法来进行数据统计出一个用电量。
其中,否则使用相似用户集合中相似用户的用电数据来进行预测当前用户在下一时间区间的第二用电量包括:
S31、否则判断相似用户集合中是否存在与下一时间区间和天气预报参数综合相似程度大于第一综合相似阈值的第二历史时间区间,若存在,则在第二历史时间区间的最接近时间区间中,判断是否存在与下一时间区间的最接近时间区间在综合相似程度大于第二综合相似阈值的第三历史时间区间,若存在,则获取对应的第二历史时间区间的第二历史用电量和与第三历史时间区间的第三历史用电量之间的用电比例,否则获取对应的第二历史时间区间的第二历史用电量和与综合相似程度最接近的第四历史时间区间的第四历史用电量之间的用电比例,第二历史时间区间的最接近时间区间包括不同年度中同一周中的同一时间区间以及同一年度中相邻周的同一时间区间,下一时间区间的最接近时间区间为上一周的同一时间区间;
即当用户自身没有相似的天数,则使用相似用户集合中相似用户的用电数据来进行辅助计算。
S32、获取下一时间区间的最接近时间区间的第五历史用电量,将第五历史用电量和用电比例的乘积作为当前用户在下一时间区间的第二用电量;
其中,下一时间区间和第二历史时间区间为相似度较高的两个时间区间,但是不同用户之间的用电情况并不相同,因此,本实施例通过要进行参照的时间区间和这个用户的其他就近时间区间的用电量比对来得到相似用户在相似天气参数中的用电量变化,而相似用户的用电习惯是相似的,因此,可以得到当前用户在天气预报参数下的用电量变化,和其自身其他就近时间区间的用电量进行乘积得到其用电量。
在本实施例中,是否是最接近的时间区间是以周作为时间单位进行区分的,其中不同年度中同一周中的同一时间区间中的同一时间区间为在一周中的星期天数是相同的,比如都是不同年度中第23周的周一。其中同一年度中相邻周的同一时间区间即同一年度中前后两周的同一星期天数,比如第23周的周一和第24周的周一。
由此,本实施例中是以周来作为是否接近的标准,充分考虑了用户的用电情况往往是以周为单位来进行循环,再结合一个年度中不同时间的天气参数变化,得到其在下一天的准确预测发电量。
S4、预测下一时间区间内光伏组件的第一光伏发电量;
其中,步骤S4包括以下步骤:
根据下一时间区间的天气预报参数预测下一时间区间内光伏组件的第一光伏发电量。
在本实施例中,天气预报参数包括阳光照射度、温度、云层。
在本实施例中,时间区间为天,因此下一时间区间即为下一天。
如图2所示,EMS即能量管理系统通过无线模块或者其他有线连接互联网,结合云端天气等本地状况,比如阳光照射度、温度、云层等参数,来预测光伏组件在下一时间区间的本地光能产出数据。其中,图2中的MCU为中央控制器,存储单元用来记录用户设定/存储学习到的用户习惯,CAN1用于控制逆变器-对电池的输入输出,同时能量管理系统本身还包括一些储能控制主板常规配置的模块,图2中和此处不进行展开说明,参照现有技术即可。
S5、根据第一光伏发电量、第二用电量、削峰填谷策略以及光伏发电量最大化使用原则来实时调整储能电池的储存电量。
其中,当接收到用户的临时用电需求,根据第一光伏发电量、第二用电量、削峰填谷策略以及光伏发电量最大化使用原则来实时调整储能电池的储存电量则为:
根据第一光伏发电量、第二用电量、削峰填谷策略、临时用电需求以及光伏发电量最大化使用原则来实时调整储能电池的储存电量。
在实际情况中,用户临时接入需求,则需要调整每天能量策略,适当增加次日能量储量,比如以下两种情况:
A)当临时用电需求为下一时间区间之前输入,则根据第一光伏发电量、第二用电量、削峰填谷策略、临时用电需求以及光伏发电量最大化使用原则来实时调整储能电池的储存电量;
即如果是提前输入的,则会考虑到临时用电需求和正常用电量来进行储能电池的储存电量的调整。
B)当临时用电需求为当前时间区间内输入,则获取临时用电需求的临时用电量,判断当前时间区间内增加临时用电量之后到下一时间区间时的储能电池的储存电量是否高于最低电量阈值,若是,则保持当前时间区间的储能管理策略,否则在当前时间区间内储能电池的储存电量到达最低电量阈值之前的时间内的相对谷区进行电网充电,直至储能电池的储存电量到下一时间区间时仍然高于最低电量阈值。
即如果在当前时间区间内,现有技术通常都是直接进行电网充电,而本实施例中会判断临时用电量会不会导致储能电池的储存电量低于最低电量阈值,如果没有,则保持当前时间区间的储能管理策略,从而避免少量的临时用电量带来的不必要的策略调整以及不必要的电网充电成本。如果会低于最低电量阈值,则在到达之前选择一个相对谷区进行电网充电,而非是直接进行电网充电,也能降低一定的电网充电成本。
其中,对于相对谷区的说明如下:电网用电成本按照从低到高划分成不同时间区间,在当前时间区间内储能电池的储存电量到达最低电量阈值之前的时间内先看最低谷区的充电是否满足充电需求,若能,则在最低谷区内进行充电,否则依次向上判断其他谷区,直至满足充电需求。
比如在上午10:00时得知,临时有朋友在12:00会过来进行电动车的充电,如果按照之前的储能管理策略,则在19:20用户进行洗澡时,储能电池的储存电量低于最低电量阈值,因此,则在上午10:00到晚上19:20之间找到相对谷区进行充电。
同时,在本实施例中,在任一时间节点上,储能电池的储存电量均保持在最低电量阈值之上,一旦发现储能电池的储存电量在最低电量阈值之下,则需要电网充电至设定电量阈值之后停止。比如最低电量阈值为10%,设定电量阈值为20%,则当储能电池的储存电量在10%以下,就电网充电至20%。
在本实施例中,光伏发电量最大化使用原则为优先保证下一时间区间产生的第一光伏发电量用于用户的用电需求和储能电池的充电量的比例最大化。即预测的第一光伏发电量如果足够满足下一时间区间的用电需求,则储能电池的最低电量的基础上都不需要进行额外的电网充电,而是由下一时间区间的光伏发电量来满足用户的用电需求并进行储能电池的充电量,而如果预测的第一光伏发电量不足够满足下一时间区间的用电需求,则需要在电网谷间来进行储能电池的充电,保证其所存储的电量能够满足下一时间区间的用电需求。
由此,根据表1可知,光伏产量在周一、二、三和六是能够满足用户的用电需求的,周四合周日通过消耗储存电能也能满足,而周五因为电动车这一大功率设备的充电需求,需要电网进行取电,因此,整体上会有以下策略:
1、会在每周二至四中的某一天提醒用户对电动车充电,以通过多余的光伏发电量分摊电动车的单次充电量,减少电网电量;
2、电动车此类大功率设备充电需求,尽可能安排在阳光充足的白天,从而优先消耗光伏充电,比如远距离出行之后,回家即开始充电。
根据表1中的用户习惯数据,后续的相关操作如下:
周一至周四:保持现有电量,不会有电网充电操作,由光伏组件发电充电;
周五:凌晨充电量至90%;分时操作,白天光伏组件充电到电池包,夜间用户下班,电动车等大功率设备开始运行;并在夜间对电池充电到10%;
周六:光伏充电,不使用电网电量,即光伏能量保持输出,多余电量对电池充电;
周日:光伏充电,不使用电网电量。
表1.用户在学习周期中的数据
其中,在部分极限问题:
连续下雨:多天下雨,光伏发电量较少;每天夜间电价谷区,适当补充次日能量需求,加上适当的裕量,比如10%;
对于电动车辆有紧急需求未预约:紧急充电,电池电量适当输出,对电动车充电:其余部分使用电网补充,可通过设定补充上限和出行距离来进行充电控制;
对于电动车辆有紧急需求有预约:电池会在约定的时刻之前,确保电池电量充足,电池电量适当输出,对电动车充电。
其中,随着储能系统的发展,储能系统的普及程度也逐渐提高,若后续的储能系统都在电价谷区进行充电时,大量载荷涌入电网会导致电网冲击等问题,而本实施例通过用户用电习惯的学习,减少在电价谷区的载荷涌入,从而减少电网冲击。
由此,本实施例能够减少光伏上电网的数量以及夜间电池电网充电的量,使得光伏利用率最高,电网取电减少,减少用户用电费用,使得用户效益最大化,也能减少电网冲击。
实施例2
如图3所示,本实施例公开了基于物联网的光伏储能管理装置10,包括:
用电采集模块11,用于实时采集当前用户实际使用的第一用电量,以得到当前用户在每一周中每一个时间区间的用电趋势;
用户聚类模块12,用于根据当前用户的用电趋势和其他用户的用电趋势的聚类分析,以得到包含有当前用户的当前用户集合,其中,当前用户集合中除当前用户之外所有用户称为相似用户集合;
用电预测模块13,用于获取下一时间区间和天气预报参数,判断当前用户的历史用电数据中是否存在与下一时间区间和天气预报参数的综合相似程度大于第一综合相似阈值的第一历史时间区间,若存在,则根据当前用户的第一历史时间区间的第一历史用电量来得到当前用户在下一时间区间的第二用电量,否则使用相似用户集合中相似用户的用电数据来进行预测当前用户在下一时间区间的第二用电量;
光伏预测模块14,用于预测下一时间区间内光伏组件的第一光伏发电量;
电量管理模块15,用于根据第一光伏发电量、第二用电量、削峰填谷策略以及光伏发电量最大化使用原则来实时调整储能电池的储存电量。
实施例3
本实施例公开了一种计算机可读存储介质,存储介质用于存储程序,其中,程序执行实施例一中的基于物联网的光伏储能管理方法。
实施例4
如图4所示,本实施例公开了一种电子设备20,包括一个或多个处理器21和存储器22,存储器22用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器21执行时,使得一个或多个处理器21实现实施例一中的基于物联网的光伏储能管理方法。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个计算机可读存储介质(可以是CD-ROM、U盘、移动硬盘等)中或网络上,包括若干计算机程序指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本申请实施方式的上述方法。
这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。
尽管本发明的实施方案已公开如上,但其并不仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
本说明书实施例提供的装置、电子设备、非易失性计算机存储介质与方法是对应的,因此,装置、电子设备、非易失性计算机存储介质也具有与对应方法类似的有益技术效果,由于上面已经对方法的有益技术效果进行了详细说明,因此,这里不再赘述对应装置、电子设备、非易失性计算机存储介质的有益技术效果。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本说明书一个或多个实施例时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本说明书实施例可提供为方法、系统、或计算机程序产品。因此,本说明书实施例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,本说明书实施例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。
本说明书是参照根据本说明书实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。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、嵌入式处理机或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。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践说明书,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本说明书实施例而已,并不用于限制本说明书一个或多个实施例。对于本领域技术人员来说,本说明书一个或多个实施例可以有各种更改和变化。凡在本说明书一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本说明书一个或多个实施例的权利要求范围之内。本说明书一个或多个实施例本说明书一个或多个实施例本说明书一个或多个实施例本说明书一个或多个实施例。
Claims (9)
1.基于物联网的光伏储能管理方法,其特征在于,包括步骤:
实时采集当前用户实际使用的第一用电量,以得到当前用户在每一周中每一个时间区间的用电趋势;
根据所述当前用户的用电趋势和其他用户的用电趋势的聚类分析,以得到包含有所述当前用户的当前用户集合,其中,所述当前用户集合中除所述当前用户之外所有用户称为相似用户集合;
获取下一时间区间和天气预报参数,判断所述当前用户的历史用电数据中是否存在与所述下一时间区间和所述天气预报参数的综合相似程度大于第一综合相似阈值的第一历史时间区间,若存在,则根据所述当前用户的第一历史时间区间的第一历史用电量来得到所述当前用户在下一时间区间的第二用电量,否则使用相似用户集合中相似用户的用电数据来进行预测当前用户在下一时间区间的第二用电量;
预测下一时间区间内光伏组件的第一光伏发电量;
根据所述第一光伏发电量、所述第二用电量、削峰填谷策略以及光伏发电量最大化使用原则来实时调整储能电池的储存电量;
所述否则使用相似用户集合中相似用户的用电数据来进行预测当前用户在下一时间区间的第二用电量包括以下步骤:
否则判断所述相似用户集合中是否存在与所述下一时间区间和所述天气预报参数综合相似程度大于第一综合相似阈值的第二历史时间区间,若存在,则在所述第二历史时间区间的最接近时间区间中,判断是否存在与所述下一时间区间的最接近时间区间在综合相似程度大于第二综合相似阈值的第三历史时间区间,若存在,则获取对应的所述第二历史时间区间的第二历史用电量和与所述第三历史时间区间的第三历史用电量之间的用电比例,否则获取对应的所述第二历史时间区间的第二历史用电量和与综合相似程度最接近的第四历史时间区间的第四历史用电量之间的用电比例,所述第二历史时间区间的最接近时间区间包括不同年度中同一周中的同一时间区间以及同一年度中相邻周的同一时间区间,所述下一时间区间的最接近时间区间为上一周的同一时间区间;
获取所述下一时间区间的最接近时间区间的第五历史用电量,将所述第五历史用电量和所述用电比例的乘积作为所述当前用户在下一时间区间的第二用电量。
2.如权利要求1所述的基于物联网的光伏储能管理方法,其特征在于,所述预测下一时间区间内光伏组件的第一光伏发电量包括以下步骤:
根据下一时间区间的天气预报参数预测下一时间区间内光伏组件的第一光伏发电量。
3.如权利要求1所述的基于物联网的光伏储能管理方法,其特征在于,所述天气预报参数包括阳光照射度、温度、云层。
4.如权利要求1所述的基于物联网的光伏储能管理方法,其特征在于,当接收到用户的临时用电需求,所述根据所述第一光伏发电量、所述第二用电量、削峰填谷策略以及光伏发电量最大化使用原则来实时调整储能电池的储存电量则为:
当所述临时用电需求为下一时间区间之前输入,则根据所述第一光伏发电量、所述第二用电量、削峰填谷策略、临时用电需求以及光伏发电量最大化使用原则来实时调整储能电池的储存电量;
当所述临时用电需求为当前时间区间内输入,则获取所述临时用电需求的临时用电量,判断当前时间区间内增加所述临时用电量之后到下一时间区间时的储能电池的储存电量是否高于最低电量阈值,若是,则保持当前时间区间的储能管理策略,否则在当前时间区间内储能电池的储存电量到达最低电量阈值之前的时间内的相对谷区进行电网充电,直至所述储能电池的储存电量到下一时间区间时仍然高于最低电量阈值。
5.如权利要求1所述的基于物联网的光伏储能管理方法,其特征在于,还包括步骤:
在任一时间节点上,所述储能电池的储存电量均保持在最低电量阈值之上。
6.如权利要求1至5任一所述的基于物联网的光伏储能管理方法,其特征在于,所述光伏发电量最大化使用原则为优先保证所述下一时间区间产生的所述第一光伏发电量用于用户的用电需求和所述储能电池的充电量的比例最大化。
7.基于物联网的光伏储能管理装置,其特征在于,包括:
用电采集模块,用于实时采集当前用户实际使用的第一用电量,以得到当前用户在每一周中每一个时间区间的用电趋势;
用户聚类模块,用于根据所述当前用户的用电趋势和其他用户的用电趋势的聚类分析,以得到包含有所述当前用户的当前用户集合,其中,所述当前用户集合中除所述当前用户之外所有用户称为相似用户集合;
用电预测模块,用于获取下一时间区间和天气预报参数,判断所述当前用户的历史用电数据中是否存在与所述下一时间区间和所述天气预报参数的综合相似程度大于第一综合相似阈值的第一历史时间区间,若存在,则根据所述当前用户的第一历史时间区间的第一历史用电量来得到所述当前用户在下一时间区间的第二用电量,否则使用相似用户集合中相似用户的用电数据来进行预测当前用户在下一时间区间的第二用电量;所述否则使用相似用户集合中相似用户的用电数据来进行预测当前用户在下一时间区间的第二用电量包括:
否则判断所述相似用户集合中是否存在与所述下一时间区间和所述天气预报参数综合相似程度大于第一综合相似阈值的第二历史时间区间,若存在,则在所述第二历史时间区间的最接近时间区间中,判断是否存在与所述下一时间区间的最接近时间区间在综合相似程度大于第二综合相似阈值的第三历史时间区间,若存在,则获取对应的所述第二历史时间区间的第二历史用电量和与所述第三历史时间区间的第三历史用电量之间的用电比例,否则获取对应的所述第二历史时间区间的第二历史用电量和与综合相似程度最接近的第四历史时间区间的第四历史用电量之间的用电比例,所述第二历史时间区间的最接近时间区间包括不同年度中同一周中的同一时间区间以及同一年度中相邻周的同一时间区间,所述下一时间区间的最接近时间区间为上一周的同一时间区间;
获取所述下一时间区间的最接近时间区间的第五历史用电量,将所述第五历史用电量和所述用电比例的乘积作为所述当前用户在下一时间区间的第二用电量;
光伏预测模块,用于预测下一时间区间内光伏组件的第一光伏发电量;
电量管理模块,用于根据所述第一光伏发电量、所述第二用电量、削峰填谷策略以及光伏发电量最大化使用原则来实时调整储能电池的储存电量。
8.一种计算机可读存储介质,其特征在于,所述存储介质用于存储程序,其中,所述程序执行权利要求1至6中任意一项所述的基于物联网的光伏储能管理方法。
9.一种电子设备,其特征在于,包括一个或多个处理器和存储器,所述存储器用于存储一个或多个程序,其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1至6中任意一项所述的基于物联网的光伏储能管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310851578.7A CN116562657B (zh) | 2023-07-12 | 2023-07-12 | 基于物联网的光伏储能管理方法、装置、介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310851578.7A CN116562657B (zh) | 2023-07-12 | 2023-07-12 | 基于物联网的光伏储能管理方法、装置、介质、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116562657A CN116562657A (zh) | 2023-08-08 |
CN116562657B true CN116562657B (zh) | 2023-09-12 |
Family
ID=87503960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310851578.7A Active CN116562657B (zh) | 2023-07-12 | 2023-07-12 | 基于物联网的光伏储能管理方法、装置、介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116562657B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117394498A (zh) * | 2023-11-16 | 2024-01-12 | 广州奥鹏能源科技有限公司 | 一种户用光充储能系统的充电控制方法及装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109390949A (zh) * | 2018-11-09 | 2019-02-26 | 毕锐 | 一种家用光伏、储能与用能的控制方法 |
CN110247411A (zh) * | 2019-05-17 | 2019-09-17 | 福建星云电子股份有限公司 | 一种用户侧物联化智能光储设备能量动态分配方法 |
CN113285479A (zh) * | 2021-01-20 | 2021-08-20 | 天宏阳光新能源股份有限公司 | 一种超大容量的区域微电网系统及运行方法 |
CN115423353A (zh) * | 2022-09-26 | 2022-12-02 | 国网浙江余姚市供电有限公司 | 配电网资源的消纳调度方法、装置、电子设备及存储介质 |
CN115481905A (zh) * | 2022-09-22 | 2022-12-16 | 广西电网有限责任公司 | 一种用户参与的电网用电需求响应方法及相关装置 |
CN115632426A (zh) * | 2022-11-08 | 2023-01-20 | 中国光大绿色技术创新研究院有限公司 | 储能控制方法、装置、系统和存储介质 |
CN115796404A (zh) * | 2022-11-10 | 2023-03-14 | 国网江苏省电力有限公司营销服务中心 | 一种面向代理购电用户的用电预测方法及系统 |
CN116073436A (zh) * | 2023-04-06 | 2023-05-05 | 山东创宇环保科技有限公司 | 一种光伏新能源电力系统容量优化控制方法 |
-
2023
- 2023-07-12 CN CN202310851578.7A patent/CN116562657B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109390949A (zh) * | 2018-11-09 | 2019-02-26 | 毕锐 | 一种家用光伏、储能与用能的控制方法 |
CN110247411A (zh) * | 2019-05-17 | 2019-09-17 | 福建星云电子股份有限公司 | 一种用户侧物联化智能光储设备能量动态分配方法 |
CN113285479A (zh) * | 2021-01-20 | 2021-08-20 | 天宏阳光新能源股份有限公司 | 一种超大容量的区域微电网系统及运行方法 |
CN115481905A (zh) * | 2022-09-22 | 2022-12-16 | 广西电网有限责任公司 | 一种用户参与的电网用电需求响应方法及相关装置 |
CN115423353A (zh) * | 2022-09-26 | 2022-12-02 | 国网浙江余姚市供电有限公司 | 配电网资源的消纳调度方法、装置、电子设备及存储介质 |
CN115632426A (zh) * | 2022-11-08 | 2023-01-20 | 中国光大绿色技术创新研究院有限公司 | 储能控制方法、装置、系统和存储介质 |
CN115796404A (zh) * | 2022-11-10 | 2023-03-14 | 国网江苏省电力有限公司营销服务中心 | 一种面向代理购电用户的用电预测方法及系统 |
CN116073436A (zh) * | 2023-04-06 | 2023-05-05 | 山东创宇环保科技有限公司 | 一种光伏新能源电力系统容量优化控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116562657A (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rodrigues et al. | Modelling and sizing of NaS (sodium sulfur) battery energy storage system for extending wind power performance in Crete Island | |
Barnes et al. | A semi-Markov model for control of energy storage in utility grids and microgrids with PV generation | |
Yang et al. | Fluctuation reduction of wind power and sizing of battery energy storage systems in microgrids | |
CN106532764B (zh) | 一种就地消纳光伏发电的电动汽车充电负荷调控方法 | |
CN107565607A (zh) | 一种基于实时电价机制的微电网多时间尺度能量调度方法 | |
CN116562657B (zh) | 基于物联网的光伏储能管理方法、装置、介质、电子设备 | |
CN111626527A (zh) | 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法 | |
CN116436008A (zh) | 一种用于光储充电站的电力调度方法及终端 | |
CN116826714A (zh) | 基于光伏发电的电力分配方法、系统、终端及存储介质 | |
CN113904382B (zh) | 一种多能源电力系统时序运行模拟方法、装置、电子设备及存储介质 | |
CN115313516A (zh) | 一种光伏发电和储能微电网结合的随机优化运行策略 | |
CN116565833B (zh) | 基于典型日网供负荷曲线的预测方法、装置和存储介质 | |
CN117200299A (zh) | 储能电池的功率控制方法、装置及电子设备 | |
CN111224418B (zh) | 一种基于电动汽车储能的微电网调度方法及系统 | |
CN114844059A (zh) | 一种电动汽车集群参与调峰的双层优化控制方法 | |
CN112803493B (zh) | 基于边际成本的分散式储能与分布式光伏协同方法及系统 | |
CN113659566B (zh) | 一种基于CVaR的多能互补发电系统的容量配置优化方法 | |
CN115258861A (zh) | 电梯能源管理方法、系统、装置及存储介质 | |
Muttaqi et al. | An effective power dispatch strategy to improve generation schedulability by mitigating wind power uncertainty with a data driven flexible dispatch margin for a wind farm using a multi-unit battery energy storage system | |
CN110417002B (zh) | 一种孤岛微电网能量模型的优化方法 | |
Bai et al. | An online multi-level energy management system for commercial building microgrids with multiple generation and storage systems | |
CN114912735A (zh) | 一种考虑5g基站储能参与电网互动的需求响应优化方法 | |
CN116247644A (zh) | 基于储能系统的充放电方法及装置、存储介质、终端 | |
CN109066797B (zh) | 含光伏发电的电力系统运行控制方法及装置 | |
CN105488600A (zh) | 户用微网系统能量调度优化方法 |
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 | ||
CP01 | Change in the name or title of a patent holder | ||
CP01 | Change in the name or title of a patent holder |
Address after: West of Building 28, No. 2, Mount Taishan Road, High tech Zone, Suzhou City, Jiangsu Province, 215000 Patentee after: Suzhou Jingkong Energy Technology Co.,Ltd. Address before: West of Building 28, No. 2, Mount Taishan Road, High tech Zone, Suzhou City, Jiangsu Province, 215000 Patentee before: SUZHOU JK ENERGY Ltd. |