CN117057626A - 基于大数据的光储充能收益转化分析方法 - Google Patents
基于大数据的光储充能收益转化分析方法 Download PDFInfo
- Publication number
- CN117057626A CN117057626A CN202311024382.7A CN202311024382A CN117057626A CN 117057626 A CN117057626 A CN 117057626A CN 202311024382 A CN202311024382 A CN 202311024382A CN 117057626 A CN117057626 A CN 117057626A
- Authority
- CN
- China
- Prior art keywords
- construction
- charging
- energy storage
- idle
- accumulated
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 80
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 36
- 230000003287 optical effect Effects 0.000 title claims abstract description 8
- 238000010276 construction Methods 0.000 claims abstract description 174
- 238000004146 energy storage Methods 0.000 claims abstract description 115
- 238000011156 evaluation Methods 0.000 claims abstract description 92
- 238000000034 method Methods 0.000 claims abstract description 54
- 230000005611 electricity Effects 0.000 claims description 33
- 238000012790 confirmation Methods 0.000 claims description 18
- 230000001186 cumulative effect Effects 0.000 claims description 18
- 230000006978 adaptation Effects 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 11
- 238000011049 filling Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 8
- 238000010200 validation analysis Methods 0.000 claims description 8
- 238000007667 floating Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 4
- 238000009435 building construction Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000002955 isolation Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 238000005192 partition Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- XOFYZVNMUHMLCC-ZPOLXVRWSA-N prednisone Chemical compound O=C1C=C[C@]2(C)[C@H]3C(=O)C[C@](C)([C@@](CC4)(O)C(=O)CO)[C@@H]4[C@@H]3CCC2=C1 XOFYZVNMUHMLCC-ZPOLXVRWSA-N 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims 3
- 230000003631 expected effect Effects 0.000 description 3
- 238000004141 dimensional analysis Methods 0.000 description 2
- 238000010030 laminating Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Public Health (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- General Engineering & Computer Science (AREA)
- Operations Research (AREA)
Abstract
本发明属于储能收益分析技术领域,具体公开提供的基于大数据的光储充能收益转化分析方法,该方法包括:提取待建储能站对应建设计划信息;提取待建储能站对应建设区域的相关信息;对所述建设区域的相关信息进行初步解析,得到储能站建设相关评估数据;根据储能站相关评估数据对各计划建设容量进行建设收益分析,并进行分析结果反馈;本发明有效解决了当前没有对储能站储存容量的适配性层面进行经济分析的问题,规避了当前常规性分析方式中存在的局限性,保障了储能站建设的可靠性、贴合性和针对性,并且还直观的展示了各计划建设容量的收益情况,为储能站建设管理人员的后续建设决策提供了可靠的的经济性建议。
Description
技术领域
本发明属于储能收益分析技术领域,涉及到基于大数据的光储充能收益转化分析方法。
背景技术
储能作为智能电网、可再生能源高占比能源系统的重要组成部分和关键支撑技术,其不仅能够为电网运行提供调峰、调频、备用,还能够显著提高风、光等可再生能源的消纳水平,由此凸显了储能站建设的必要性。
储能站建设分析主要根据依据其建设地的负荷情况,即根据建设地的用电情况进行收益分析,很显然,当前技术还存在以下几个方面的不足:1、储能站建设容量作为储能站建设收益的首要要素,当前对收益层面仅根据建设成本以及负荷情况进行常规性分析,没有从储能站储存容量的适配性层面进行经济分析,存在一定的局限性,无法确保储能站建设的可靠性、贴合性和针对性。
2、当前储能站收益层面的建设分析多用于调峰层面,对其光等可再生能源的废弃率层面分析较为匮乏,即没有结合待建设区域的能源稳定、持续等情况进行分析,无法提高光等可再生能源的消纳水平,进而无法降低光等可再生能源的废弃率。
3、当前储能站收益层面建设分析考虑光伏能源充沛情况下的损耗转化可行性和经济性分析,即没结合充电设施的使用情况进行损耗转化,无法提高储能站收益层面建设分析的覆盖率,使得储能站建设收益得不到有力保障。
4、当前储能站建设收益的分析维度较为单一和片面,无法确保分析结果的真实性和合理性,不便于了解储能站后续运行的整体动态规律,使得储能站建设难以达到其预期效果。
发明内容
鉴于此,为解决上述背景技术中所提出的问题,现提出基于大数据的光储充能收益转化分析方法。
本发明的目的可以通过以下技术方案实现:本发明提供基于大数据的光储充能收益转化分析方法,该方法包括:步骤1、储能站建设计划信息提取:用于提取待建储能站对应建设计划信息,其中,所述建设计划信息包括建设区域位置和各计划建设容量。
步骤2、建设区域相关信息提取:提取待建储能站对应建设区域的相关信息,所述相关信息包括区域信息、设施信息和供电环境信息。
步骤3、建设区域相关信息解析:对所述建设区域的相关信息进行初步解析,得到储能站建设相关评估数据。
步骤4、储能站建设容量分析:根据储能站相关评估数据对各计划建设容量进行建设收益分析,得到各计划建设容量对应的效益转化优先指数λj,j表示计划建设容量编号,j=1,2,......m。
步骤5、分析结果反馈:将各计划建设容量对应的效益转化优先指数反馈至待建储能站建设管理人员。
优选地,所述区域信息包括功能区域类型数目和各类型功能区类型内的人员数目。
所述设施信息包括直流充电设施和交流充电设施对应的累计安置充电桩数目以及各累计安置充电桩的累计安置年限、累计输出电量、累计输出日期集合和累计收益金额。
所述供电环境信息包括总体铺设光伏板面积、历史各年限内各月份对应的晴天数以及各晴天对应的所处日期。
优选地,所述对所述建设区域的相关信息进行初步解析,包括:步骤3-1、根据所述区域信息设定人员需求层面建设权重因子η。
步骤3-2、根据所述设施信息统计充电空闲率p空、充电盈利率y充、直流充电设施安置占比k安、直流充电设施使用占比k使和直流充电设施盈利占比k盈。
步骤3-3、根据所述供电环境信息统计各月份对应的供电盈余度φr和供电持续度r表示月份编号,r=1,2,......u。
步骤3-4、将人员需求层面建设权重因子、充电空闲率、充电盈利率、交流充电设施安置占比、交流充电设施使用占比、交流充电设施盈利占比以及各月份对应的供电盈余度和供电持续度作为储能站建设相关评估数据。
优选地,所述充电空闲率的具体统计过程为:从所述设施信息中提取直流充电设施对应各累计安置充电桩的累计安置年限Nd和累计输出电量Dd,d表示累计安置充电桩编号,d=1,2,......v。
统计直流充电设施对应各累计安置充电桩的输出电量差ΔDd,ΔDd=Dd-t*R*Nd*D0+D1。
式中,t、R、D0分别为设定常规状态下直流充电桩的单日平均充电小时数、年均工作天数、单位小时的参照输出电量,D1为设定的补偿输出电量。
从所述设施信息中提取直流充电设施类型对应各累计安置充电桩的累计输出日期集合,进而从中提取各累计输出日期,由此统计各累计安置充电桩的充电间歇度JXd。
将直流充电设施对应各累计安置充电桩的输出电量差和充电间歇度导入空闲确认模型中,得到直流充电设施对应的空闲安置充电桩数目M空直。
按照直流充电设施对应空闲安置充电桩数目的分析方式同理分析得到交流充电设施对应的空闲安置充电桩数目M空交。
计算充电空闲率p空,
式中,M直、M交分别为直流充电设施、交流充电设施对应的累计安置充电桩数目,k直、k交分别为设定参照的直流充电设施、交流充电设施对应的许可空闲占比,b1、b2分别表示为直流充电设施空闲、交流充电设施空闲对应充电空闲评估占比权重因子。
优选地,所述空闲确认模型具体表示为
其中,λ为空闲确认条件因子,λ′为设定的参照空闲确认条件因子,δ(λ)为以λ为自变量的空闲确认指数。
其中,c1、c2分别为设定的输出电量、充电间歇度对应空闲评估占比权重,ΔD″、JX″为设定参照的许可输出电量、许可充电间歇度,为设定参照的空闲确认评估指数,ΔD′、JX′分别为安置充电桩对应的输出电量差、充电间歇度。
其中,空闲确认模型的具体确认过程为:若某累计安置充电桩对应空闲确认指数的数值为1时,则判定该累计安置充电桩为空闲充电桩,由此进行空闲确认。
优选地,所述充电盈利率的具体统计过程为:从所述设施信息中提取直流充电设施对应各累计充电桩的累计收益金额,进而从中提取最高累计收益金额Emax和最低累计收益金额Emin。
从数据库中提取单个直流充电桩对应建造成本E0。
计算直流充电设施对应的收益状态评估指数β1,
其中,g1、g2分别为设定的收益金额、收益金额极值差对应的收益状态评估占比权重因子,ΔE表示设定的参照收益极值差,σ为设定的收益状态评估占比权重因子。
按照直流充电设施对应收益状态评估指数的分析方式同理分析得到交流充电设施对应的收益状态评估指数β2。
计算充电盈利率y充,
其中,ε1、ε2分别为设定的直流充电收益状态、交流充电收益状态对应综合充电评估占比权重,β′1、β′2、β′分别表示为设定参照的直流充电收益评估指数、交流充电收益状态评估指数、综合充电收益状态评估指数。
优选地,所述各月份对应的供电盈余度的具体统计过程为:从数据库中提取出待建储能站对应建设区域历史各月份内对应的平均用电量,记为
从所述供电环境信息中提取总体铺设光伏板面积S光和历史各年限内各月份对应的晴天数M晴 rf,f表示年限编号,f=1,2,......z。
计算各月份对应的供电盈余度φr,
其中,z表示历史年限数目,D发表示设定的单个晴天下对应单位光伏板面积的参照发电量,表示设定的发电评估修正因子,ΔD余为设定的参照盈余供应电量。
优选地,所述各月份对应的供电持续度的具体统计过程为:根据所述供电环境信息,统计各月份对应的晴天占比k晴 r和晴天最长间隔天数M隔晴 r。
计算各月份对应的供电持续度
其中,k′晴、M′隔分别为设定的持续评定条件下对应参照晴天占比、参照晴天间隔天数,l1、l2分别为设定的晴天占比、晴天间隔天数对应供电持续评估占比权重因子。
优选地,所述对各计划建设容量进行建设收益分析,具体分析过程包括:根据所述储能站相关评估数据,预测各月份对应的许可储电量D可 r,并设定储能适配条件因子τ和储能建设收益优势因子ψ。
从数据库中提取储能站对应参照额定运营年限N0以及各计划建设容量的预计储电量D预 j、预计建造成本B建 j、预计维护成本B维 j和参照基准盈利收益金额B收 j。
从数据库中提取待建储能站对应建设区域在各月份对应的平均高峰电价y0 r和平均低谷电价y1 r。
计算各计划建设容量对应的效益转化优先指数λj,
其中,RPj、SPj分别为第j个计划建设容量对应的存储适配层面、收益层面对应的转化优先评估指数,h1、h2分别表示为设定的存储适配层面、收益转化层面对应评估占比权重因子。
其中,ΔD储为设定参照适宜储能偏差,χ1、χ2分别为设定的存储适配层面、收益层面对应的转化优先评估修正因子,max(y1 r-y0 r)表示各月份对应的平均高峰电价和平均低谷电价之间差值的最大值,ξ表示设定储电量损耗因子。
优选地,所述各月份对应的许可储电量的许可储电量的具体预测公式为
其中,ζr表示第r个月份储电量评估条件因子,ζ′为设定参照基准储电量评估条件因子,D基为设定的待建储能站对应建设区域在基准储电量评估条件下对应的参照盈余电量,γ为设定储电量评估修正因子,D浮为设定基准储电量评估条件因子状态下对应的参照浮动储电量。
其中,φ′、分别为设定参照基准的供电盈余度、供电持续度,w1、w2分别为供电盈余度、供电持续度对应储电量评估占比权重。
相较于现有技术,本发明的有益效果如下:(1)本发明通过分析储能站建设相关评估数据,并根据储能站建设相关评估数据对各计划建设容量进行建设收益分析,有效解决了当前没有从储能站储存容量的适配性层面进行经济分析的问题,规避了当前常规性分析方式中的局限性,保障了储能站建设的可靠性、贴合性和针对性,并且还直观的展示了各计划建设容量的收益情况,为储能站建设管理人员的后续建设决策提供了可靠的经济性建议。
(2)本发明通过从区域信息、设施信息、供电环境信息三个信息维度解析得到储能站建设相关评估数据,有效拓展了储能站建设收益的分析依据,并且还打破了当前储能站建设收益分析维度中的单一性和片面性,为储能站建设管理人员对储能站后续运行的整体动态规律的了解提供了便利,从而有效确保了后续各计划建设容量建设收益分析结果的真实性和合理性,同时还确保了储能站的建设预期效果。
(3)本发明在进行设施信息维度解析时,通过进行充电空闲率、充电盈利率以及交流充电设施的各类占比情况,为光伏能源充沛情况下储能站存储损耗转化的可行性和经济性分析提供了丰富的参考依据,从而有效提高了各计划建设容量收益层面建设分析的覆盖率,为储能站后续建设收益提供了有力保障。
(4)本发明在进行供电环境信息维度解析时,通过进行各月份的供电盈余度和供电持续度解析,展示了待建储能站对应建设区域光类可再生能源的充沛状态和废弃的可能性,从而为后续各计划建设容量建设收益分析提供了光类可再生能源废弃率层面的参考依据,从而显著提高了后续各计划建设容量对光类可再生能源的消纳水平,实现了光类可再生能源废弃率的最低化。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明方法实施步骤流程示意图。
图2为建设区域相关信息初步解析示意图。
具体实施方式
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,都属于本发明保护的范围。
请参阅图1所示,本发明提供了基于大数据的光储充能收益转化分析方法,该方法包括:步骤1、储能站建设计划信息提取:用于提取待建储能站对应建设计划信息,其中,所述建设计划信息包括建设区域位置和各计划建设容量。
步骤2、建设区域相关信息提取:提取待建储能站对应建设区域的相关信息,所述相关信息包括区域信息、设施信息和供电环境信息。
具体地,所述区域信息包括功能区域类型数目和各类型功能区类型内的人员数目。
所述设施信息包括直流充电设施和交流充电设施对应的累计安置充电桩数目以及各累计安置充电桩的累计安置年限、累计输出电量、累计输出日期集合和累计收益金额。
所述供电环境信息包括总体铺设光伏板面积、历史各年限内各月份对应的晴天数以及各晴天对应的所处日期。
请参阅图2所示,步骤3、建设区域相关信息解析:对所述建设区域的相关信息进行初步解析,得到储能站建设相关评估数据。
示例性地,对所述建设区域的相关信息进行初步解析,包括:步骤3-1、根据所述区域信息设定人员需求层面建设权重因子η。
需要说明的是,人员需求层面建设权重因子的设定过程为:从所述区域信息中提取功能区域类型数目M区和各功能区域类型内的人员数目Ri,i表示功能区域类型编号,i=1,2,......n。
计算人员需求层面建设权重因子η,
式中,e表示自然常数,M′区、J′分别表示为设定的参照功能区域类型数目、参照人员密集度,ω为设定的人员需求层面评估修正因子,S0为待建储能站对应建设区域的面积。
可理解地,待建储能站对应建设区域的面积从数字地图中定位得出。
步骤3-2、根据所述设施信息统计充电空闲率p空、充电盈利率y充、直流充电设施安置占比k安、直流充电设施使用占比k使和直流充电设施盈利占比k盈。
具体地,充电空闲率的具体统计过程为:从所述设施信息中提取直流充电设施对应各累计安置充电桩的累计安置年限Nd和累计输出电量Dd,d表示累计安置充电桩编号,d=1,2,......v;
统计直流充电设施对应各累计安置充电桩的输出电量差ΔDd,ΔDd=Dd-t*R*Nd*D0+D1。
式中,t、R、D0分别为设定常规状态下直流充电桩的单日平均充电小时数、年均工作天数、单位小时的参照输出电量,D1为设定的补偿输出电量。
从所述设施信息中提取直流充电设施类型对应各累计安置充电桩的累计输出日期集合,进而从中提取各累计输出日期,由此统计各累计安置充电桩的充电间歇度JXd;
需要说明的是,各累计安置充电桩的充电间歇度的具体统计过程为:从直流充电设施类型对应各累计安置充电桩的累计输出日期集合中提取各累计输出日期,并进行相互对比得到各累计安置充电桩对应各累计输出日期之间的间隔天数,进而将其进行均值计算,得到各累计安置充电桩对应平均输出间隔天数,记为
从各累计安置充电桩对应各累计输出日期之间的间隔天数中提取最高间隔天数,记为Tmax d。
计算各累计安置充电桩的充电间歇度JXd,
其中,T′表示为设定的参照设置间隔天数,k0表示设定的参照最高间隔比。
将直流充电设施对应各累计安置充电桩的输出电量差和充电间歇度导入空闲确认模型中,得到直流充电设施对应的空闲安置充电桩数目M空直。
进一步地,所述空闲确认模型具体表示为
其中,λ为空闲确认条件因子,λ′为设定的参照空闲确认条件因子,δ(λ)为以λ为自变量的空闲确认指数。
其中,c1、c2分别为设定的输出电量、充电间歇度对应空闲评估占比权重,ΔD″、JX″为设定参照的许可输出电量、许可充电间歇度,为设定参照的空闲确认评估指数,ΔD′、JX′分别为安置充电桩对应的输出电量差、充电间歇度。
其中,空闲确认模型的具体确认过程为:若某累计安置充电桩对应空闲确认指数的数值为1时,则判定该累计安置充电桩为空闲充电桩,由此进行空闲确认。
按照直流充电设施对应空闲安置充电桩数目的分析方式同理分析得到交流充电设施对应的空闲安置充电桩数目M空交。
计算充电空闲率p空,
式中,M直、M交分别为直流充电设施、交流充电设施对应的累计安置充电桩数目,k直、k交分别为设定参照的直流充电设施、交流充电设施对应的许可空闲占比,b1、b2分别表示为直流充电设施空闲、交流充电设施空闲对应充电空闲评估占比权重因子。
具体地,所述充电盈利率的具体统计过程为:从所述设施信息中提取直流充电设施对应各累计充电桩的累计收益金额,进而从中提取最高累计收益金额Emax和最低累计收益金额Emin。
从数据库中提取单个直流充电桩对应建造成本E0。
计算直流充电设施对应的收益状态评估指数β1,
其中,g1、g2分别为设定的收益金额、收益金额极值差对应的收益状态评估占比权重因子,ΔE表示设定的参照收益极值差,σ为设定的收益状态评估占比权重因子。
按照直流充电设施对应收益状态评估指数的分析方式同理分析得到交流充电设施对应的收益状态评估指数β2。
计算充电盈利率y充,
其中,ε1、ε2分别为设定的直流充电收益状态、交流充电收益状态对应综合充电评估占比权重,β′1、β′2、β′分别表示为设定参照的直流充电收益评估指数、交流充电收益状态评估指数、综合充电收益状态评估指数。
具体地,直流充电设施安置占比、直流充电设施使用占比和直流充电设施盈利占比的具体统计过程为:1)直流充电设施安置占比:从所述设施信息中提取直流充电设施和交流充电设施对应的累计安置充电桩数目,依据公式计算得到直流充电设施安置占比。
2)直流充电设施使用占比:从所述设施信息中提取直流充电设施和交流充电设施对应各累计安置充电桩的累计安置年限和累计输出电量,进而分别统计直流充电设施和交流充电设施在单个安置年限内对应的累计输出电量。
将直流充电设施和交流安置充电桩在单个安置年限内对应的累计输出电量进行求和,得到充电设施在单个安置年限内对应的累计输出电量,进而依据公式计算得到直流充电设施使用占比。
3)直流充电设施盈利占比:从所述设施信息中提取直流充电设施和交流充电设施对应各累计安置充电桩的累计收益金额,统计充电设施的累计收益金额总和。
依据公式
需要说明的是,本发明对直流充电设施进行分析的缘由为:交流充电桩和直流充电桩在具体充电过程中交流充电桩的充电效率要低于直流充电桩,即采用直流充电桩的方式的充电损耗要低于交流充电桩,且直流充电桩的充电电价高于交流充电桩,显然,供给直流充电桩的收益高于供电交流充电桩的收益,直流充电桩的安置占比越高、使用占比越高和盈利占比越高,储能站的转化收益也就越高。
本发明实施例在进行设施信息维度解析时,通过进行充电空闲率、充电盈利率以及交流充电设施的各类占比情况,为光伏能源充沛情况下储能站存储损耗转化的可行性和经济性分析提供了丰富的参考依据,从而有效提高了各计划建设容量收益层面建设分析的覆盖率,为储能站后续建设收益提供了有力保障。
步骤3-3、根据所述供电环境信息统计各月份对应的供电盈余度φr和供电持续度r表示月份编号,r=1,2,......u。
可理解地,所述各月份对应的供电盈余度的具体统计过程为:从数据库中提取出待建储能站对应建设区域历史各月份内对应的平均用电量,记为
从所述供电环境信息中提取总体铺设光伏板面积S光和历史各年限内各月份对应的晴天数M晴 rf,f表示年限编号,f=1,2,......z。
计算各月份对应的供电盈余度φr,
其中,z表示历史年限数目,D发表示设定的单个晴天下对应单位光伏板面积的参照发电量,表示设定的发电评估修正因子,ΔD余为设定的参照盈余供应电量。
还可以理解地,各月份对应的供电持续度的具体统计过程为:根据所述供电环境信息,统计各月份对应的晴天占比k晴 r和晴天最长间隔天数M隔晴 r。
需要解释的是,Yr表示第r个月份对应的天数,/>为设定的晴天占比评估修正因子。
还需要解释的是,各月份内晴天最长间隔时长的具体统计过程为:从所处供电环境信息中提取历史各年限内各月份对应各晴天的所处日期,并相互对比得到历史各年限内各月份对应各晴天之间的间隔天数,并从中筛选出最长间隔天数,作为历史各年限内各月份对应的晴天最长间隔天数。
将历史各年限内各月份对应的晴天最长间隔天数进行均值计算,得到各月份对应的晴天最长间隔天数。
计算各月份对应的供电持续度
其中,k′晴、M′隔分别为设定的持续评定条件下对应参照晴天占比、参照晴天间隔天数,l1、l2分别为设定的晴天占比、晴天间隔天数对应供电持续评估占比权重因子。
本发明实施例在进行供电环境信息维度解析时,通过进行各月份的供电盈余度和供电持续度解析,展示了待建储能站对应建设区域光类可再生能源的充沛状态和废弃的可能性,从而为后续各计划建设容量建设收益分析提供了光类可再生能源废弃率层面的参考依据,从而显著提高了后续各计划建设容量对光类可再生能源的消纳水平,实现了光类可再生能源废弃率的最低化。
步骤3-4、将人员需求层面建设权重因子、充电空闲率、充电盈利率、交流充电设施安置占比、交流充电设施使用占比、交流充电设施盈利占比以及各月份对应的供电盈余度和供电持续度作为储能站建设相关评估数据。
本发明实施例通过从区域信息、设施信息、供电环境信息三个信息维度解析得到储能站建设相关评估数据,有效拓展了储能站建设收益的分析依据,并且还打破了当前储能站建设收益分析维度中的单一性和片面性,为储能站建设管理人员对储能站后续运行的整体动态规律的了解提供了便利,从而有效确保了后续各计划建设容量建设收益分析结果的真实性和合理性,同时还确保了储能站的建设预期效果。
步骤4、储能站建设容量分析:根据储能站相关评估数据对各计划建设容量进行建设收益分析,得到各计划建设容量对应的效益转化优先指数λj,j表示计划建设容量编号,j=1,2,......m。
具体地,对各计划建设容量进行建设收益分析,具体分析过程包括:根据所述储能站相关评估数据,预测各月份对应的许可储电量D可 r,并设定储能适配条件因子τ和储能建设收益优势因子ψ。
示例性地,各月份对应的许可储电量的许可储电量的具体预测公式为
其中,ζr表示第r个月份储电量评估条件因子,ζ′为设定参照基准储电量评估条件因子,D基为设定的待建储能站对应建设区域在基准储电量评估条件下对应的参照盈余电量,γ为设定储电量评估修正因子,D浮为设定基准储电量评估条件因子状态下对应的参照浮动储电量。
其中,φ′、分别表示为设定参照基准的供电盈余度、供电持续度,w1、w2分别为供电盈余度、供电持续度对应储电量评估占比权重。
又一示例性地,设定储能适配条件因子和储能建设收益优势因子的具体设定过程为:A1:储能适配条件因子的设定过程:从所述储能站相关评估数据中提取充电空闲率p空、充电盈利率y充、人员需求层面建设权重因子η。
设定储能适配条件因子τ,
其中,x1、x2分别为设定的充电空闲率、充电盈利率对应储能适配评估占比权重因子,p′空、y′充分别表示为设定的储能建设对应的许可充电空闲率、参照充电盈利率。
A2:储能建设收益优势因子的设定过程:从所述储能站相关评估数据中提取直流充电设施安置占比k安、直流充电设施使用占比k使和直流充电设施盈利占比k盈。
设定储能建设收益优势因子ψ,
其中,k′安、k′使、k′盈分别为设定的储能收益条件下对应适宜直流充电设施的安置占比、使用占比和盈利占比,x3、x4、x5分别为设定的直流充电设施的安置占比、使用占比、盈利占比对应储能建设收益优势评估占比权重因子。
从数据库中提取储能站对应参照额定运营年限N0以及各计划建设容量的预计储电量D预 j、预计建造成本B建 j、预计维护成本B维 j和参照基准盈利收益金额B收 j。
从数据库中提取待建储能站对应建设区域在各月份对应的平均高峰电价y0 r和平均低谷电价y1 r。
计算各计划建设容量对应的效益转化优先指数λj,
其中,RPj、SPj分别为第j个计划建设容量对应的存储适配层面、收益层面对应的转化优先评估指数,h1、h2分别表示为设定的存储适配层面、收益转化层面对应评估占比权重因子;
其中,ΔD储为设定参照适宜储能偏差,χ1、χ2分别为设定的存储适配层面、收益层面对应的转化优先评估修正因子,max(y1 r-y0 r)表示各月份对应的平均高峰电价和平均低谷电价之间差值的最大值,ξ表示设定储电量损耗因子。
本发明实施例通过分析储能站建设相关评估数据,并根据储能站建设相关评估数据对各计划建设容量进行建设收益分析,有效解决了当前没有从储能站储存容量的适配性层面进行经济分析的问题,规避了当前常规性分析方式中的局限性,保障了储能站建设的可靠性、贴合性和针对性,并且还直观的展示了各计划建设容量的收益情况,为储能站建设管理人员的后续建设决策提供了可靠的经济性建议。
步骤5、分析结果反馈:将各计划建设容量对应的效益转化优先指数反馈至待建储能站建设管理人员。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.基于大数据的光储充能收益转化分析方法,其特征在于:该方法包括:
步骤1、储能站建设计划信息提取:用于提取待建储能站对应建设计划信息,其中,所述建设计划信息包括建设区域位置和各计划建设容量;
步骤2、建设区域相关信息提取:提取待建储能站对应建设区域的相关信息,所述相关信息包括区域信息、设施信息和供电环境信息;
步骤3、建设区域相关信息解析:对所述建设区域的相关信息进行初步解析,得到储能站建设相关评估数据;
步骤4、储能站建设容量分析:根据储能站相关评估数据对各计划建设容量进行建设收益分析,得到各计划建设容量对应的效益转化优先指数λj,j表示计划建设容量编号,j=1,2,......m;
步骤5、分析结果反馈:将各计划建设容量对应的效益转化优先指数反馈至待建储能站建设管理人员。
2.根据权利要求1所述的基于大数据的光储充能收益转化分析方法,其特征在于:所述区域信息包括功能区域类型数目和各类型功能区类型内的人员数目;
所述设施信息包括直流充电设施和交流充电设施对应的累计安置充电桩数目以及各累计安置充电桩的累计安置年限、累计输出电量、累计输出日期集合和累计收益金额;
所述供电环境信息包括总体铺设光伏板面积、历史各年限内各月份对应的晴天数以及各晴天对应的所处日期。
3.根据权利要求2所述的基于大数据的光储充能收益转化分析方法,其特征在于:所述对所述建设区域的相关信息进行初步解析,包括:
步骤3-1、根据所述区域信息设定人员需求层面建设权重因子η;
步骤3-2、根据所述设施信息统计充电空闲率p空、充电盈利率y充、直流充电设施安置占比k安、直流充电设施使用占比k使和直流充电设施盈利占比k盈;
步骤3-3、根据所述供电环境信息统计各月份对应的供电盈余度φr和供电持续度r表示月份编号,r=1,2,......u;
步骤3-4、将人员需求层面建设权重因子、充电空闲率、充电盈利率、交流充电设施安置占比、交流充电设施使用占比、交流充电设施盈利占比以及各月份对应的供电盈余度和供电持续度作为储能站建设相关评估数据。
4.根据权利要求3所述的基于大数据的光储充能收益转化分析方法,其特征在于:所述充电空闲率的具体统计过程为:
从所述设施信息中提取直流充电设施对应各累计安置充电桩的累计安置年限Nd和累计输出电量Dd,d表示累计安置充电桩编号,d=1,2,......v;
统计直流充电设施对应各累计安置充电桩的输出电量差ΔDd,ΔDd=Dd-t*R*Nd*D0+D1;
式中,t、R、D0分别为设定常规状态下直流充电桩的单日平均充电小时数、年均工作天数、单位小时的参照输出电量,D1为设定的补偿输出电量;
从所述设施信息中提取直流充电设施类型对应各累计安置充电桩的累计输出日期集合,进而从中提取各累计输出日期,由此统计各累计安置充电桩的充电间歇度JXd;
将直流充电设施对应各累计安置充电桩的输出电量差和充电间歇度导入空闲确认模型中,得到直流充电设施对应的空闲安置充电桩数目M空直;
按照直流充电设施对应空闲安置充电桩数目的分析方式同理分析得到交流充电设施对应的空闲安置充电桩数目M空交;
计算充电空闲率p空,
式中,M直、M交分别为直流充电设施、交流充电设施对应的累计安置充电桩数目,k直、k交分别为设定参照的直流充电设施、交流充电设施对应的许可空闲占比,b1、b2分别表示为直流充电设施空闲、交流充电设施空闲对应充电空闲评估占比权重因子。
5.根据权利要求4所述的基于大数据的光储充能收益转化分析方法,其特征在于:所述空闲确认模型具体表示为
其中,λ为空闲确认条件因子,λ′为设定的参照空闲确认条件因子,δ(λ)为以λ为自变量的空闲确认指数;
其中,c1、c2分别为设定的输出电量、充电间歇度对应空闲评估占比权重,ΔD″、JX″为设定参照的许可输出电量、许可充电间歇度,为设定参照的空闲确认评估指数,ΔD′、JX′分别为安置充电桩对应的输出电量差、充电间歇度;
其中,空闲确认模型的具体确认过程为:若某累计安置充电桩对应空闲确认指数的数值为1时,则判定该累计安置充电桩为空闲充电桩,由此进行空闲确认。
6.根据权利要求4所述的基于大数据的光储充能收益转化分析方法,其特征在于:所述充电盈利率的具体统计过程为:
从所述设施信息中提取直流充电设施对应各累计充电桩的累计收益金额,进而从中提取最高累计收益金额Emax和最低累计收益金额Emin;
从数据库中提取单个直流充电桩对应建造成本E0;
计算直流充电设施对应的收益状态评估指数β1,
其中,g1、g2分别为设定的收益金额、收益金额极值差对应的收益状态评估占比权重因子,ΔE表示设定的参照收益极值差,σ为设定的收益状态评估占比权重因子;
按照直流充电设施对应收益状态评估指数的分析方式同理分析得到交流充电设施对应的收益状态评估指数β2;
计算充电盈利率y充,
其中,ε1、ε2分别为设定的直流充电收益状态、交流充电收益状态对应综合充电评估占比权重,β′1、β′2、β′分别表示为设定参照的直流充电收益评估指数、交流充电收益状态评估指数、综合充电收益状态评估指数。
7.根据权利要求3所述的基于大数据的光储充能收益转化分析方法,其特征在于:所述各月份对应的供电盈余度的具体统计过程为:
从数据库中提取出待建储能站对应建设区域历史各月份内对应的平均用电量,记为
从所述供电环境信息中提取总体铺设光伏板面积S光和历史各年限内各月份对应的晴天数M晴 rf,f表示年限编号,f=1,2,......z;
计算各月份对应的供电盈余度φr,
其中,z表示历史年限数目,D发表示设定的单个晴天下对应单位光伏板面积的参照发电量,表示设定的发电评估修正因子,ΔD余为设定的参照盈余供应电量。
8.根据权利要求3所述的基于大数据的光储充能收益转化分析方法,其特征在于:所述各月份对应的供电持续度的具体统计过程为:
根据所述供电环境信息,统计各月份对应的晴天占比k晴 r和晴天最长间隔天数M隔晴 r;
计算各月份对应的供电持续度
其中,k′晴、M′隔分别为设定的持续评定条件下对应参照晴天占比、参照晴天间隔天数,l1、l2分别为设定的晴天占比、晴天间隔天数对应供电持续评估占比权重因子。
9.根据权利要求3所述的基于大数据的光储充能收益转化分析方法,其特征在于:所述对各计划建设容量进行建设收益分析,具体分析过程包括:
根据所述储能站相关评估数据,预测各月份对应的许可储电量D可 r,并设定储能适配条件因子τ和储能建设收益优势因子ψ;
从数据库中提取储能站对应参照额定运营年限N0以及各计划建设容量的预计储电量D预 j、预计建造成本B建 j、预计维护成本B维 j和参照基准盈利收益金额B收 j;
从数据库中提取待建储能站对应建设区域在各月份对应的平均高峰电价y0 r和平均低谷电价y1 r;
计算各计划建设容量对应的效益转化优先指数λj,
其中,RPj、SPj分别为第j个计划建设容量对应的存储适配层面、收益层面对应的转化优先评估指数,h1、h2分别表示为设定的存储适配层面、收益转化层面对应评估占比权重因子;
其中,ΔD储为设定参照适宜储能偏差,χ1、χ2分别为设定的存储适配层面、收益层面对应的转化优先评估修正因子,max(y1 r-y0 r)表示各月份对应的平均高峰电价和平均低谷电价之间差值的最大值,ξ表示设定储电量损耗因子。
10.根据权利要求9所述的基于大数据的光储充能收益转化分析方法,其特征在于:所述各月份对应的许可储电量的许可储电量的具体预测公式为
其中,ζr表示第r个月份储电量评估条件因子,ζ′为设定参照基准储电量评估条件因子,D基为设定的待建储能站对应建设区域在基准储电量评估条件下对应的参照盈余电量,γ为设定储电量评估修正因子,D浮为设定基准储电量评估条件因子状态下对应的参照浮动储电量;
其中,φ′、分别为设定参照基准的供电盈余度、供电持续度,w1、w2分别为供电盈余度、供电持续度对应储电量评估占比权重。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311024382.7A CN117057626A (zh) | 2023-08-15 | 2023-08-15 | 基于大数据的光储充能收益转化分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311024382.7A CN117057626A (zh) | 2023-08-15 | 2023-08-15 | 基于大数据的光储充能收益转化分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117057626A true CN117057626A (zh) | 2023-11-14 |
Family
ID=88668701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311024382.7A Pending CN117057626A (zh) | 2023-08-15 | 2023-08-15 | 基于大数据的光储充能收益转化分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117057626A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112036735A (zh) * | 2020-08-28 | 2020-12-04 | 北方工业大学 | 一种用于光伏电站的储能系统的储能容量规划方法及系统 |
CN112465286A (zh) * | 2020-08-06 | 2021-03-09 | 中国电力科学研究院有限公司 | 一种电动汽车充电网络服务能力评价方法 |
CN112907129A (zh) * | 2021-03-24 | 2021-06-04 | 国网安徽省电力有限公司蚌埠供电公司 | 储能综合效益评估指标体系 |
CN113239559A (zh) * | 2021-05-24 | 2021-08-10 | 国网河南省电力公司经济技术研究院 | 一种新能源场站配置储能的收益评估方法 |
CN113435730A (zh) * | 2021-06-23 | 2021-09-24 | 中国能源建设集团广东省电力设计研究院有限公司 | 一种变电站储能容量的协同配置方法、装置及系统 |
CN114048920A (zh) * | 2021-11-24 | 2022-02-15 | 国家电网有限公司大数据中心 | 充电设施建设的选址布局方法、装置、设备及存储介质 |
CN115378022A (zh) * | 2021-11-04 | 2022-11-22 | 上海交通大学 | 基于精准模型的光储充系统设计与运行集成优化方法 |
-
2023
- 2023-08-15 CN CN202311024382.7A patent/CN117057626A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112465286A (zh) * | 2020-08-06 | 2021-03-09 | 中国电力科学研究院有限公司 | 一种电动汽车充电网络服务能力评价方法 |
CN112036735A (zh) * | 2020-08-28 | 2020-12-04 | 北方工业大学 | 一种用于光伏电站的储能系统的储能容量规划方法及系统 |
CN112907129A (zh) * | 2021-03-24 | 2021-06-04 | 国网安徽省电力有限公司蚌埠供电公司 | 储能综合效益评估指标体系 |
CN113239559A (zh) * | 2021-05-24 | 2021-08-10 | 国网河南省电力公司经济技术研究院 | 一种新能源场站配置储能的收益评估方法 |
CN113435730A (zh) * | 2021-06-23 | 2021-09-24 | 中国能源建设集团广东省电力设计研究院有限公司 | 一种变电站储能容量的协同配置方法、装置及系统 |
CN115378022A (zh) * | 2021-11-04 | 2022-11-22 | 上海交通大学 | 基于精准模型的光储充系统设计与运行集成优化方法 |
CN114048920A (zh) * | 2021-11-24 | 2022-02-15 | 国家电网有限公司大数据中心 | 充电设施建设的选址布局方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Long-term economic planning of combined cooling heating and power systems considering energy storage and demand response | |
Yang et al. | Planning and operation of a hydrogen supply chain network based on the off-grid wind-hydrogen coupling system | |
Farahani et al. | Hydrogen-based integrated energy and mobility system for a real-life office environment | |
Braun et al. | The role of grid-connected, building-integrated photovoltaic generation in commercial building energy and power loads in a warm and sunny climate | |
Hermann et al. | Techno-economic and environmental feasibility study with demand-side management of photovoltaic/wind/hydroelectricity/battery/diesel: A case study in Sub-Saharan Africa | |
Piacentino et al. | Sustainable and cost-efficient energy supply and utilisation through innovative concepts and technologies at regional, urban and single-user scales | |
Minuto et al. | Modeling technology retrofit scenarios for the conversion of condominium into an energy community: An Italian case study | |
CN112907129A (zh) | 储能综合效益评估指标体系 | |
JP5801980B2 (ja) | 試算装置及び試算方法 | |
CN108470240A (zh) | 一种基于需量管理的储能两阶段优化方法 | |
CN111652405B (zh) | 一种电动汽车充放电策略和电网侧分时电价的双层优化方法 | |
Elkadeem et al. | Optimal planning and operation of grid-connected PV/CHP/battery energy system considering demand response and electric vehicles for a multi-residential complex building | |
Sun et al. | Economic and environmental analysis of coupled PV-energy storage-charging station considering location and scale | |
CN116151436A (zh) | 一种面向家庭用户的光伏建筑能源规划方法及系统 | |
Lara et al. | Review on viability and implementation of residential PV-battery systems: Considering the case of Dominican Republic | |
Robyns et al. | Electrical energy storage for buildings in smart grids | |
CN113746105A (zh) | 电力需求响应的优化控制方法、装置、设备和存储介质 | |
Gül | Integrated analysis of hybrid systems for rural electrification in developing countries | |
CN117057626A (zh) | 基于大数据的光储充能收益转化分析方法 | |
Amato et al. | Hourly simulation of energy community with photovoltaic generator and electric vehicle | |
CN115642628A (zh) | 用于应急电源的光储充放电站容量配置方法 | |
CN115358559A (zh) | 考虑综合需求响应的综合能源系统源储容量优化配置方法 | |
Mohammadi et al. | Feasibility analysis of sustainable hydrogen production for heavy-duty applications: Case study of highway 401 | |
US20230222588A1 (en) | Energy trading method, information processing apparatus, and energy trading system | |
Motalebi et al. | A simulation-optimization model for solar PV panel selection under solar irradiance and load uncertainty |
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 |