CN117254526B - 一种光储充检微电网一体站能源协同优化控制方法 - Google Patents
一种光储充检微电网一体站能源协同优化控制方法 Download PDFInfo
- Publication number
- CN117254526B CN117254526B CN202311463206.3A CN202311463206A CN117254526B CN 117254526 B CN117254526 B CN 117254526B CN 202311463206 A CN202311463206 A CN 202311463206A CN 117254526 B CN117254526 B CN 117254526B
- Authority
- CN
- China
- Prior art keywords
- power
- energy storage
- load
- storage system
- grid
- 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
- 230000003287 optical effect Effects 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000005457 optimization Methods 0.000 title claims abstract description 17
- 238000001514 detection method Methods 0.000 title claims abstract description 9
- 238000004146 energy storage Methods 0.000 claims abstract description 84
- 238000010248 power generation Methods 0.000 claims abstract description 29
- 238000007600 charging Methods 0.000 claims abstract description 20
- 230000005611 electricity Effects 0.000 claims abstract description 12
- 238000007689 inspection Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- H02J3/38—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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- 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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种光储充检微电网一体站能源协同优化控制方法,应用于光储充电站技术领域。包括以下步骤:采集负荷数据和光伏系统的发电功率数据;基于变压器的历史负荷数据建立不同时间段内的负荷模型;基于历史发电功率数据建立光伏系统在不同时间段内的发电模型;将变压器的负荷模型分别与对应时间段的发电模型、预设储能系统输出功率进行比较;基于比较结果、集合电价时间以及光伏系统的实时发电功率切换不同的工作模式,调节光伏系统、储能系统和电网的工作状态。本发明通过切换不同的工作模式提高了光储充检微电网一体站的电能利用效率。
Description
技术领域
本发明涉及光储充电站技术领域,更具体的说是涉及一种光储充检微电网一体站能源协同优化控制方法。
背景技术
随着电动汽车市场的不断扩大,其相关的配套设备也在快速发展,光储充检微电网一体站是将光伏、储能、充电、检测等要素深度耦合的多功能服务站点,包括太阳能光伏发电系统、储能系统、充电系统和车辆电池检测系统。大规模的电动汽车用户的充电时间比较随机,会导致充电具有很强的间歇性,再加上光伏发电本身受环境因素影响较大,因此在负荷过高时,需要储能电池和电网配合供电,如何分配光伏系统、储能系统和电网之间的协同配置就变得十分重要。现有的优化方法中,峰谷分时电价根据电网的负荷变化情况,将每天24小时划分为高峰、平段、低谷等多个时段,对各时段分别制定不同的电价水平,以鼓励用电客户合理安排用电时间,削峰填谷,提高电力资源的利用效率。峰谷分时电价虽然能够降低运行成本,但是其划分时段后仅以时间作为切换工作模式的依据,在负荷高峰期发生变化的情况下则无法进行削峰,并且峰谷分时电价的方案中高负荷情况下需要储能系统持续最大功率输出。因此,如何提供一种光储充检微电网一体站能源协同优化控制方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种光储充检微电网一体站能源协同优化控制方法,对光储充检微电网一体站进行协同优化从而满足电量供需之间的动态变化,实现资源优化配置。
为了实现上述目的,本发明提供如下技术方案:
一种光储充检微电网一体站能源协同优化控制方法,包括以下步骤:
S1、采集光储充检微电网一体站内负荷数据和光伏系统的发电功率数据;
S2、基于变压器的历史负荷数据建立不同时间段内的负荷模型;
S3、基于历史发电功率数据建立光伏系统在不同时间段内的发电模型;
S4、将变压器的负荷模型分别与对应时间段的发电模型、预设储能系统输出功率进行比较;
S5、基于比较结果、集合电价时间以及光伏系统的实时发电功率切换不同的工作模式,调节光伏系统、储能系统和电网的工作状态,以满足负荷值需求。
可选的,S2中采用蒙特卡洛方法建立光伏系统在不同时间段内的发电模型。
可选的,S4中将光伏系统的发电模型在当前时间段对应的发电功率作为供应下限值,将光伏系统的发电模型在当前时间段对应的发电功率与预设储能系统输出功率之和作为供应上限值,判断变压器的负荷模型在当前时间段对应的负荷值与供应下限值、供应上限值之间的关系。
可选的,S5具体为:
当负荷模型对应的负荷值小于供应下限值时,通过光伏系统为负荷供电;
当负荷模型对应的负荷值位于供应下限值与供应上限值之间时,判断当前时间是否为低时价时间,如果是低时价时间,则通过光伏系统和电网为负荷供电,判断储能系统剩余电量是否大于预设最低电量,如果小预设最低电量,电网同时为储能系统充电;如果不是低时价时间,则判断储能系统剩余电量是否大于预设最低电量,如果大于预设最低电量,则通过光伏系统和储能系统为负荷供电,如果小于预设最低电量,则通过光伏系统和电网为负荷供电,电网不为储能系统充电。
当负荷模型对应的负荷值大于供应上限值时,判断储能系统剩余电量是否大于预设最低电量,如果小预设最低电量,则通过光伏系统和电网为负荷供电,如果大于预设最低电量,则通过光伏系统、储能系统和电网为负荷供电。
可选的,当负荷模型对应的负荷值大于供应上限值时,调节储能系统的输出功率进行优化,具体的:
基于负荷数据和光伏系统的发电功率数据计算电网的目标输出功率,之后计算电网的目标输出功率条件下储能系统的输出功率,判断储能系统的输出功率是否符合预设条件,如果符合则调节储能系统的输出功率,如果不符合则重新计算储能系统的输出功率,直到符合预设条件。
可选的,计算电网的目标输出功率Pd2具体为:
式中,Pd2(t)为t时刻的电网的目标输出功率,Pd1(t)为t时刻的电网初步目标功率,Pdmax为允许输出的最大功率,Pdmin为允许输出的最低功率,Pq(t)为t时刻变压器的负荷,Pv(t)为t时刻光伏系统的发电功率,N为计算系数,t为正整数。
可选的,计算电网的目标输出功率条件下储能系统的输出功率Pb2具体为:
Pb1(t)=Pd1(t)-[Pq(t)-Pv(t)]
式中,Pb2(t)为t时刻储能系统的输出功率,Pb1(t)为t时刻的储能系统初始功率,εBL表示t时刻的能量平衡状态,如果t时刻的能量处于平衡状态,则εBL(t)=1,否则εBL(t)=0。
可选的,储能系统的预设条件具体为:储能系统的功率小于最大预设功率值,储能系统的电能位于预设区间内。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种光储充检微电网一体站能源协同优化控制方法,具有以下有益效果:本发明基于负荷模型以及光伏发电模型进行工作模式的切换,同时考虑了储能系统的电量、输出功率以及实时的电价,相较于峰谷分时电价模式更符合实际的负荷峰谷情况,避免了在非预设高峰时间段内负荷过高的情况下无法削峰的问题;本发明在负荷过高的情况下计算电网的目标输出功率,并调节储能系统的输出功率,在储能系统输出功率符合预设要求的前提下避免了储能系统长时间高功率输出,实现储能系统的动态调节,降低高峰期的负荷值从而降低了变压器的负荷波动范围,实现资源优化配置,提高了光储充检微电网一体站的电能利用效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中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,还可以根据提供的附图获得其他的附图。
图1为本发明的能源协同优化控制方法流程图;
图2为本发明的工作模式切换判断流程图。
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。
本发明实施例公开了一种光储充检微电网一体站能源协同优化控制方法,如图1所示,包括以下步骤:
S1、采集光储充检微电网一体站内负荷数据和光伏系统的发电功率数据;
S2、基于变压器的历史负荷数据建立不同时间段内的负荷模型;
S3、基于历史发电功率数据建立光伏系统在不同时间段内的发电模型;
S4、将变压器的负荷模型分别与对应时间段的发电模型、预设储能系统输出功率进行比较;
S5、基于比较结果、集合电价时间以及光伏系统的实时发电功率切换不同的工作模式,调节光伏系统、储能系统和电网的工作状态,以满足负荷值需求。
进一步的,S2中采用蒙特卡洛方法建立光伏系统在不同时间段内的发电模型。
更进一步的,在本发明实施例中,S2具体为:
S21、初始化算法的参数,包括电动汽车的数量、电池容量和充电功率;
S22、从数据中随机抽取一辆电动汽车的初始电池剩余电量,根据其充电功率计算所需要的充电时长,得到此辆电动汽车的负荷曲线;
S23、叠加所有电动汽车的负荷曲线得到总体负荷曲线;
S24、重复上述S21-S23的过程直到迭代次数达到设定值;
S25、叠加所有迭代过程中的总体负荷曲线,计算每次迭代的总体负荷曲线平均值,将总体负荷曲线平均值作为符合模型。
进一步的,S4中将光伏系统的发电模型在当前时间段对应的发电功率作为供应下限值,将光伏系统的发电模型在当前时间段对应的发电功率与预设储能系统输出功率之和作为供应上限值,判断变压器的负荷模型在当前时间段对应的负荷值与供应下限值、供应上限值之间的关系。
进一步的,如图2所示,S5具体为:
当负荷模型对应的负荷值小于供应下限值时,通过光伏系统为负荷供电;
当负荷模型对应的负荷值位于供应下限值与供应上限值之间时,判断当前时间是否为低时价时间,如果是低时价时间,则通过光伏系统和电网为负荷供电,判断储能系统剩余电量是否大于预设最低电量,如果小预设最低电量,电网同时为储能系统充电;如果不是低时价时间,则判断储能系统剩余电量是否大于预设最低电量,如果大于预设最低电量,则通过光伏系统和储能系统为负荷供电,如果小于预设最低电量,则通过光伏系统和电网为负荷供电,电网不为储能系统充电。
当负荷模型对应的负荷值大于供应上限值时,判断储能系统剩余电量是否大于预设最低电量,如果小预设最低电量,则通过光伏系统和电网为负荷供电,如果大于预设最低电量,则通过光伏系统、储能系统和电网为负荷供电。
在本发明的实施例中,所有工作模式下首先判断光伏系统的发电功率是否大于工作功率,只要发电功率大于工作功率,光伏系统默认处于工作状态,当发电功率小于工作功率时,光伏系统不工作,储能系统和电网按照当前工作模式进行工作。
进一步的,当负荷模型对应的负荷值大于供应上限值时,调节储能系统的输出功率进行优化,具体的:
基于负荷数据和光伏系统的发电功率数据计算电网的目标输出功率,之后计算电网的目标输出功率条件下储能系统的输出功率,判断储能系统的输出功率是否符合预设条件,如果符合则调节储能系统的输出功率,如果不符合则重新计算储能系统的输出功率,直到符合预设条件。
进一步的,计算电网的目标输出功率Pd2具体为:
式中,Pd2(t)为t时刻的电网的目标输出功率,Pd1(t)为t时刻的电网初步目标功率,Pdmax为允许输出的最大功率,Pdmin为允许输出的最低功率,Pq(t)为t时刻变压器的负荷,Pv(t)为t时刻光伏系统的发电功率,N为计算系数,t为正整数。
进一步的,计算电网的目标输出功率条件下储能系统的输出功率Pb2具体为:
Pb1(t)=Pd2(t)-[Pq(t)-Pv(t)]
式中,Pb2(t)为t时刻储能系统的输出功率,Pb1(t)为t时刻的储能系统初始功率,εBL表示t时刻的能量平衡状态,如果t时刻的能量处于平衡状态,则εBL(t)=1,否则εBL(t)=0。
进一步的,储能系统的预设条件具体为:储能系统的功率小于最大预设功率值,储能系统的电能位于预设区间内。
更进一步的,在本发明实施例中,重新计算储能系统的输出功率具体为:
式中,Pbmax为储能系统的最大预设功率值。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (3)
1.一种光储充检微电网一体站能源协同优化控制方法,其特征在于,包括以下步骤:
S1、采集光储充检微电网一体站内负荷数据和光伏系统的发电功率数据;
S2、基于变压器的历史负荷数据建立不同时间段内的负荷模型;
S3、基于历史发电功率数据建立光伏系统在不同时间段内的发电模型;
S4、将变压器的负荷模型分别与对应时间段的发电模型、预设储能系统输出功率进行比较;
S5、基于比较结果、集合电价时间以及光伏系统的实时发电功率切换不同的工作模式,调节光伏系统、储能系统和电网的工作状态,以满足负荷值需求;
S4中将光伏系统的发电模型在当前时间段对应的发电功率作为供应下限值,将光伏系统的发电模型在当前时间段对应的发电功率与预设储能系统输出功率之和作为供应上限值,判断变压器的负荷模型在当前时间段对应的负荷值与供应下限值、供应上限值之间的关系;
S5具体为:
当负荷模型对应的负荷值小于供应下限值时,通过光伏系统为负荷供电;
当负荷模型对应的负荷值位于供应下限值与供应上限值之间时,判断当前时间是否为低时价时间,如果是低时价时间,则通过光伏系统和电网为负荷供电,判断储能系统剩余电量是否大于预设最低电量,如果小预设最低电量,电网同时为储能系统充电;如果不是低时价时间,则判断储能系统剩余电量是否大于预设最低电量,如果大于预设最低电量,则通过光伏系统和储能系统为负荷供电,如果小于预设最低电量,则通过光伏系统和电网为负荷供电,电网不为储能系统充电;
当负荷模型对应的负荷值大于供应上限值时,判断储能系统剩余电量是否大于预设最低电量,如果小于预设最低电量,则通过光伏系统和电网为负荷供电,如果大于预设最低电量,则通过光伏系统、储能系统和电网为负荷供电;
当负荷模型对应的负荷值大于供应上限值时,调节储能系统的输出功率进行优化,具体的:
基于负荷数据和光伏系统的发电功率数据计算电网的目标输出功率,之后计算电网的目标输出功率条件下储能系统的输出功率,判断储能系统的输出功率是否符合预设条件,如果符合则调节储能系统的输出功率,如果不符合则重新计算储能系统的输出功率,直到符合预设条件;
计算电网的目标输出功率Pd2具体为:
式中,Pd2(t)为t时刻的电网的目标输出功率,Pd1(t)为t时刻的电网初步目标功率,Pdmax为允许输出的最大功率,Pdmin为允许输出的最低功率,Pq(t)为t时刻变压器的负荷,Pv(t)为t时刻光伏系统的发电功率,N为计算系数,t为正整数;
计算电网的目标输出功率条件下储能系统的输出功率Pb2具体为:
Pb1(t)=Pd1(t)-[Pq(t)-Pv(t)]
式中,Pb2(t)为t时刻储能系统的输出功率,Pb1(t)为t时刻的储能系统初始功率,εBL(t)表示t时刻的能量平衡状态,如果t时刻的能量处于平衡状态,则εBL(t)=1,否则εBL(t)=0。
2.根据权利要求1所述的一种光储充检微电网一体站能源协同优化控制方法,其特征在于,S2中采用蒙特卡洛方法建立光伏系统在不同时间段内的发电模型。
3.根据权利要求1所述的一种光储充检微电网一体站能源协同优化控制方法,其特征在于,储能系统的预设条件具体为:储能系统的功率小于最大预设功率值,储能系统的电能位于预设区间内。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311463206.3A CN117254526B (zh) | 2023-11-06 | 2023-11-06 | 一种光储充检微电网一体站能源协同优化控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311463206.3A CN117254526B (zh) | 2023-11-06 | 2023-11-06 | 一种光储充检微电网一体站能源协同优化控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117254526A CN117254526A (zh) | 2023-12-19 |
CN117254526B true CN117254526B (zh) | 2024-05-07 |
Family
ID=89127892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311463206.3A Active CN117254526B (zh) | 2023-11-06 | 2023-11-06 | 一种光储充检微电网一体站能源协同优化控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117254526B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017161785A1 (zh) * | 2016-03-23 | 2017-09-28 | 严利容 | 基于储能运行状态的光伏功率稳定输出控制方法 |
WO2019196375A1 (zh) * | 2018-04-13 | 2019-10-17 | 华南理工大学 | 基于需求侧响应的微电网最优机组及分时电价的优化方法 |
CN113765127A (zh) * | 2021-07-22 | 2021-12-07 | 国网安徽省电力有限公司合肥供电公司 | 一种多站融合的光储充换协调控制方法 |
CN113988444A (zh) * | 2021-11-04 | 2022-01-28 | 上海岩芯电子科技有限公司 | 一种光储系统的电费优化控制系统及方法 |
CN114285054A (zh) * | 2021-11-11 | 2022-04-05 | 国网河南省电力公司安阳供电公司 | 一种基于虚拟阻抗自调节的分布式储能荷电状态均衡策略 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106130171A (zh) * | 2016-07-21 | 2016-11-16 | 蔚来汽车有限公司 | 光充储换一体站及其配电方法 |
-
2023
- 2023-11-06 CN CN202311463206.3A patent/CN117254526B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017161785A1 (zh) * | 2016-03-23 | 2017-09-28 | 严利容 | 基于储能运行状态的光伏功率稳定输出控制方法 |
WO2019196375A1 (zh) * | 2018-04-13 | 2019-10-17 | 华南理工大学 | 基于需求侧响应的微电网最优机组及分时电价的优化方法 |
CN113765127A (zh) * | 2021-07-22 | 2021-12-07 | 国网安徽省电力有限公司合肥供电公司 | 一种多站融合的光储充换协调控制方法 |
CN113988444A (zh) * | 2021-11-04 | 2022-01-28 | 上海岩芯电子科技有限公司 | 一种光储系统的电费优化控制系统及方法 |
CN114285054A (zh) * | 2021-11-11 | 2022-04-05 | 国网河南省电力公司安阳供电公司 | 一种基于虚拟阻抗自调节的分布式储能荷电状态均衡策略 |
Non-Patent Citations (2)
Title |
---|
Study on Economy and Carbon Emission Optimization of DC micro-Grid;Feng Xu 等;2023 5th Asia Energy and Electrical Engineering Symposium;20230508;第1037-1043页 * |
综合能源系统多时间尺度复合调度优化运行方法研究;张照彦 等;中国测试;20230131;第第49卷卷(第第1期期);第137-144页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117254526A (zh) | 2023-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109217290B (zh) | 计及电动汽车充放电的微网能量优化管理方法 | |
CN111244988B (zh) | 考虑分布式电源的电动汽车和储能优化调度方法 | |
CN110729726B (zh) | 一种智慧社区能量优化调度方法和系统 | |
CN110323785B (zh) | 源网荷储互动的多电压等级直流配电网优化调度方法 | |
CN113919620B (zh) | 一种风光储微电网日前能量调度算法 | |
CN109978240B (zh) | 一种电动汽车有序充电优化方法及系统 | |
CN107069773A (zh) | 基于需求侧资源统一状态模型的负荷平滑控制方法 | |
CN112491045A (zh) | 一种智能户用光储充能源互联系统及其能效管理方法 | |
CN112366684A (zh) | 一种海岛微电网系统 | |
CN116054242A (zh) | 光储充用一体化的低碳型农村微电网优化运行控制方法 | |
CN115511658A (zh) | 一种计及储能装置折损的楼宇能量优化方法 | |
CN114050609B (zh) | 一种高比例新能源电力系统自适应鲁棒日前优化调度方法 | |
Khemakhem et al. | Impact of Electric Vehicles integration on residential demand response system to peak load minimizing in smart grid | |
CN103560533A (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 | |
Huu et al. | A two-level desired load profile tracking algorithm for electric two-wheeler charging stations | |
CN115459348B (zh) | 一种考虑峰谷电价的微电网最优资源调控方法 | |
CN110165692B (zh) | 基于光伏-蓄电池-温控负荷的虚拟储能调峰系统与方法 | |
CN117254526B (zh) | 一种光储充检微电网一体站能源协同优化控制方法 | |
CN113742933B (zh) | 一种家庭能量管理优化方法、系统及存储介质 | |
CN114142517B (zh) | 光蓄充一体化系统与电网并网运行的控制方法 | |
CN115940284A (zh) | 一种考虑分时电价的新能源制氢系统的运行控制策略 | |
CN115622104A (zh) | 一种有源配电网移动储能规划配置方法 | |
CN115133560A (zh) | 面向风光高渗透率台区的储能控制系统及方法 | |
CN113629758A (zh) | 一种多能源并网运行控制方法和系统 | |
Krupa et al. | Prospects for energy storage in the world and in Poland in the 2030 horizon |
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 |