CN117318110B - 分布式微型电能存储系统、方法、计算机设备及存储介质 - Google Patents
分布式微型电能存储系统、方法、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117318110B CN117318110B CN202311596355.7A CN202311596355A CN117318110B CN 117318110 B CN117318110 B CN 117318110B CN 202311596355 A CN202311596355 A CN 202311596355A CN 117318110 B CN117318110 B CN 117318110B
- Authority
- CN
- China
- Prior art keywords
- electric energy
- power
- energy storage
- storage unit
- distributed
- 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 177
- 238000003860 storage Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000005611 electricity Effects 0.000 claims abstract description 130
- 230000005540 biological transmission Effects 0.000 claims description 24
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012795 verification Methods 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 7
- 238000010248 power generation Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 239000002699 waste material Substances 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
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load 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
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了分布式微型电能存储系统、方法、计算机设备及存储介质，包括：收集用电节点的历史用电数据，根据历史用电数据绘制用电图；根据用电图判断当前用电节点的当前时刻的电能丰富度，通过预设的存储规则进行微型电能存储单元的电能存储和释放；通过负荷预测模型输出电网模型的优化预测节点和优化预测路线；根据额定负荷计算各个微型电能存储单元在电网模型中的电能存储的量；最终输出分布式微型电能存储单元在各时刻下电能存储和释放的量，并控制分布式微型电能存储单元完成各时刻下电能存储和释放；优化电网负荷：通过预测模型和存储单元的有效调度，能够更好地平衡电网负荷，减轻高峰期的电力压力，提高电网运行的稳定性。
Description
技术领域
本发明涉及分布式电能存储技术领域，特别涉及分布式微型电能存储系统、方法、计算机设备及存储介质。
背景技术
在新能源高比例接入的背景下，储能作为一种解耦时间与空间的能量调控技术，通过联合“厂、网、荷”及“弹性负荷”协同优化运行，为电网应急响应和灵活调控提供了一种新的思路。根据电网对储能的应用功能需求，通常按照发电侧、电网侧、用户侧、微电网以及分布式发电等，分别对储能的应用场合进行划分；分布式储能作为能源转型过程中必不可少的一部分，与分布式电源联合运行，不仅可以提高电网运行经济性，也可以实现平滑新能源波动、跟踪计划出力，从而达到促进新能源消纳的目的；
随着储能系统尤其是电池储能技术经济性的不断提高，必将推动分布式储能系统的推广应用。目前的技术储备尚不能支撑大量的分布式储能系统接入电网的应用，分布式储能系统在电网的应用还有很大的研究需求；
1、分布式储能提高分布式风光可再生能源并网消纳技术研究。从分布式风光发电引起的配电网电能质量改善、调峰等需求为切入点，开展分布式储能容量配置、经济性分析以及控制技术的研究，通过两者联合，提高配电网的运行水平；
2、分布式储能系统在电网的统一调度管理技术研究。电网中接入的分布式储能系统数量达到一定规模时，对分布式储能系统进行有序的调度管理，使其不仅满足就地的功能，同时还能通过统一的协调控制满足电网级的应用，最大限度发挥分布式储能系统的作用；
为此，本发明提出分布式微型电能存储系统、方法、计算机设备及存储介质。
发明内容
有鉴于此，本发明实施例希望提供分布式微型电能存储系统、方法、计算机设备及存储介质，以解决或缓解现有技术中存在的技术问题，至少提供一种有益的选择；
本发明实施例的技术方案是这样实现的：分布式微型电能存储方法，包括如下步骤：
构建电网模型：所述电网模型包括整个电网中的用电节点；
构建负荷预测模型：根据所述用电节点的历史用电数据以及入网的分布式微型电能存储单元预测电网线路的负荷；
S1：收集用电节点的历史用电数据，根据历史用电数据绘制用电图，所述用电图包括用电高峰和用电低谷的时间区间；
S2：根据用电图判断当前用电节点的当前时刻的电能丰富度，通过预设的存储规则进行微型电能存储单元的电能存储和释放；
S3：通过负荷预测模型输出电网模型的优化预测节点和优化预测路线，所述优化预测节点和优化预测线路分别是当前时刻的电网模型中电能传输可优化调度的用电节点和电能传输线路；
S4：根据额定负荷计算各个微型电能存储单元在电网模型中的电能存储的量，并通过时间序列将各个微型电能存储单元在电网模型中的电能释放的量进行拟合验证；
S5：最终输出分布式微型电能存储单元在各时刻下电能存储和释放的量，并控制所述分布式微型电能存储单元完成各时刻下电能存储和释放。
进一步的，在所述根据用电图判断当前用电节点的当前时刻的电能丰富度，通过预设的存储规则进行微型电能存储单元的电能存储和释放步骤中，所述预设的存储规则包括：
根据所述分布式微型电能存储单元对应的用电节点的用电高峰和用电低谷的时间区间，在用电高峰的时间区间时，所述分布式微型电能存储单元进行电量的释放；在用电低谷的时间区间时，所述分布式微型电能存储单元进行电量的存储。
进一步的，在所述根据用电图判断当前用电节点的当前时刻的电能丰富度，通过预设的存储规则进行微型电能存储单元的电能存储和释放步骤中，所述预设的存储规则包括：
根据所述分布式微型电能存储单元对应的用电节点的峰谷电价差异，在用电价格高的时间区间时，所述分布式微型电能存储单元进行电量的释放；在用电价格低的时间区间时，所述分布式微型电能存储单元进行电量的存储。
进一步的，在所述根据额定负荷计算各个微型电能存储单元在电网模型中的电能存储的量，并通过时间序列将各个微型电能存储单元在电网模型中的电能释放的量进行拟合验证步骤中包括：
进行用电节点中的离散点和电路路径识别，通过离散点和电路路径识别虚拟所述用电节点中各用电单元组成的用电网；
基于各个离散点和电路路径对所述用电网进行电网结构拓扑，以配置各个离散点和电路路径对应的电气参数；
根据电气参数，确定各个用电单元使用的用电量，确定对应当前用电节点的所述分布式微型电能存储单元的电能释放的量。
进一步的，所述负荷预测模型包括：设A为各个用电节点的用电功率集合，B为各分布式微型电能存储单元的存储电能集合，C为各分布式微型电能存储单元的释放电能集合；
；
其中，/>，/>，/>是第n个用电节点的用电功率，/>是第i个各分布式微型电能存储单元的存储电能，/>是第j个各分布式微型电能存储单元的释放电能。
进一步的，在分布式微型电能存储单元接入所述电网模型中，会增加其电能传输线路的负荷，设预设线路的最佳负荷为，最佳负荷/>由各个用电节点的用电功率、各分布式微型电能存储单元的存储电能以及各分布式微型电能存储单元的释放电能决定，，/>，/>；
；
为了达到最佳负荷，通过调整输入各用电节点、各分布式微型电能存储单元的电流以及调整各分布式微型电能存储单元的输出电流实现对优化预测节点和优化预测路线的调整。
进一步的，由于各用电节点与各分布式微型电能存储单元具备连接上的前后关系，采用差分进化算法逐步计算所述各用电节点与各分布式微型电能存储单元的电流输入量以及各分布式微型电能存储单元的电流输出量。
另一个方面，提供一种分布式微型电能存储系统应用于任一项所述的分布式微型电能存储方法，所述分布式微型电能存储系统包括：
分布式微型电能存储单元：所述分布式微型电能存储单元用于存储电能；
构建单元：构建电网模型和负荷预测模型；
收集单元：收集用电节点的历史用电数据，根据历史用电数据绘制用电图，所述用电图包括用电高峰和用电低谷的时间区间；
判断单元：根据用电图判断当前用电节点的当前时刻的电能丰富度，通过预设的存储规则进行微型电能存储单元的电能存储和释放；
调整单元：通过负荷预测模型输出电网模型的优化预测节点和优化预测路线，所述优化预测节点和优化预测线路分别是当前时刻的电网模型中电能传输可优化调度的用电节点和电能传输线路；
验证单元：根据额定负荷计算各个微型电能存储单元在电网模型中的电能存储和释放的量，并通过时间序列将各个微型电能存储单元在电网模型中的电能存储和释放的量进行拟合验证；
输出单元：最终输出分布式微型电能存储单元在各时刻下电能存储和释放的量，并控制所述分布式微型电能存储单元完成各时刻下电能存储和释放。
一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现任一项所述分布式微型电能存储方法的步骤。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现任一项所述的分布式微型电能存储方法的步骤。
与现有技术相比，本发明的有益效果是：
一、优化电网负荷：通过预测模型和存储单元的有效调度，能够更好地平衡电网负荷，减轻高峰期的电力压力，提高电网运行的稳定性。
二、提高电能利用率：在电力需求低谷期将多余的电能存储起来，然后在高峰期释放，这样可以有效地提高电能的利用率，减少能源浪费。
三、节约电力成本：通过在电价低时进行电能存储，在电价高时释放电能，可以显著降低电力成本，为用户或电力公司节省大量的费用。
四、提高电网的灵活性：通过分布式电能存储，可以提高电网的灵活性，使得电网能够更好地应对各种突发情况，如大规模的电力需求波动等。
五、促进可再生能源的利用：该方案也适用于光伏等可再生能源接入的情况，可以通过存储可再生能源在一天中产生的多余电能，并在需要时释放，从而进一步推广和促进可再生能源的利用。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或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申请的一些实施例，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为本发明的分布式微型电能存储方法的流程示意图；
图2为本发明的分布式微型电能存储系统的示意图；
图3为本发明的实现分布式微型电能存储方法的计算设备的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施例的限制；
需要注意的是，术语“第一”、“第二”、“对称”、“阵列”等仅用于区分描述与位置描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“对称”等特征的可以明示或者隐含地包括一个或者更多个该特征；同样，对于未以“两个”、“三只”等文字形式对某些特征进行数量限制时，应注意到该特征同样属于明示或者隐含地包括一个或者更多个特征数量；
在本发明中，除非另有明确的规定和限定，第一特征在第二特征“上”或“下”可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”可是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度小于第二特征；同时，所有的轴向描述例如X轴向、Y轴向、Z轴向、X轴向的一端、Y轴向的另一端或Z轴向的另一端等，均基于笛卡尔坐标系。
在本发明中，除非另有明确的规定和限定，“安装”、“连接”、“固定”等术语应做广义理解；例如，可以是固定连接，也可以是可拆卸连接，或一体成型；可以是机械连接，可以是直接相连，可以是焊接，也可以是通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据说明书附图结合具体情况理解上述术语在本发明中的具体含义。
在现有技术中，随着储能系统尤其是电池储能技术经济性的不断提高，必将推动分布式储能系统的推广应用。目前的技术储备尚不能支撑大量的分布式储能系统接入电网的应用，分布式储能系统在电网的应用还有很大的研究需求；为此，请参阅图1-2，本发明提供一种技术方案以解决上述技术问题；
其中，在本申请一些具体实施方式中，请结合参阅图1：
现有的电网构建中，电网的电能传输线路一般无法负荷电网中所有用电节点的同步运行，所以经常通过调峰配电弥补这一缺陷，在分布式微型电能存储单元接入电网后，若无法对分布式微型电能存储单元进行调控，则会增大电网的用电负荷；由此提供一种分布式微型电能存储方法，包括如下步骤：
构建电网模型：所述电网模型包括整个电网中的用电节点；
构建负荷预测模型：根据所述用电节点的历史用电数据以及入网的分布式微型电能存储单元预测电网线路的负荷；
S1：收集用电节点的历史用电数据，根据历史用电数据绘制用电图，所述用电图包括用电高峰和用电低谷的时间区间；
S2：根据用电图判断当前用电节点的当前时刻的电能丰富度，通过预设的存储规则进行微型电能存储单元的电能存储和释放；
S3：通过负荷预测模型输出电网模型的优化预测节点和优化预测路线，所述优化预测节点和优化预测线路分别是当前时刻的电网模型中电能传输可优化调度的用电节点和电能传输线路；
S4：根据额定负荷计算各个微型电能存储单元在电网模型中的电能存储的量，并通过时间序列将各个微型电能存储单元在电网模型中的电能释放的量进行拟合验证；
S5：最终输出分布式微型电能存储单元在各时刻下电能存储和释放的量，并控制所述分布式微型电能存储单元完成各时刻下电能存储和释放。
进一步的，根据不同的存储规则进行调配：
根据所述分布式微型电能存储单元对应的用电节点的用电高峰和用电低谷的时间区间，在用电高峰的时间区间时，所述分布式微型电能存储单元进行电量的释放；在用电低谷的时间区间时，所述分布式微型电能存储单元进行电量的存储；在用电高峰的时间区间，即当电网中的电力需求较大时，分布式微型电能存储单元将进行电量的释放；这样做可以帮助缓解电网负荷，保证电力供应稳定；在用电低谷的时间区间，即当电网中的电力需求较小时，分布式微型电能存储单元将进行电量的存储；在这个时间段，电网中的电力供应通常会超过需求，因此可以利用多余的电力进行电能的存储。
根据所述分布式微型电能存储单元对应的用电节点的峰谷电价差异，在用电价格高的时间区间时，所述分布式微型电能存储单元进行电量的释放；在用电价格低的时间区间时，所述分布式微型电能存储单元进行电量的存储；在用电价格高的时间区间：也就是电力市场上电价较高的时刻，这通常发生在日间或者其他电力需求大的时段；在这些时段，分布式微型电能存储单元会选择释放其存储的电能到电网中，因为此时卖电的收益更高；在用电价格低的时间区间：也就是电力市场上电价较低的时刻，这通常发生在夜间或者其他电力需求小的时段；在这些时段，分布式微型电能存储单元会选择购电并进行电能的存储，因为此时买电的成本更低。
进一步的，进行用电节点中的离散点和电路路径识别，通过离散点和电路路径识别虚拟所述用电节点中各用电单元组成的用电网；
基于各个离散点和电路路径对所述用电网进行电网结构拓扑，以配置各个离散点和电路路径对应的电气参数；
根据电气参数，确定各个用电单元使用的用电量，确定对应当前用电节点的所述分布式微型电能存储单元的电能释放的量。
在本实施例中，进行用电节点中的离散点和电路路径识别：这个步骤是为了在电网模型中明确每一个用电单元，以及各个单元之间的连接方式；离散点就是用电单元，而电路路径则代表这些单元之间的电力传输线路；
基于离散点和电路路径进行电网结构拓扑：在明确了所有的用电单元和连接方式后，需要对电网的整体结构进行拓扑分析，即明确每个用电单元在电网中的位置以及与其他用电单元的连接关系；这个步骤还包括配置各个离散点和电路路径对应的电气参数，例如电阻、电感等；
根据电气参数确定用电量和电能释放量：在完成电网结构拓扑后，就可以根据各个单元的电气参数来计算其使用的用电量；同时，也可以根据这些信息来确定当前时刻分布式微型电能存储单元应该释放的电能量。
进一步的，所述负荷预测模型包括：设A为各个用电节点的用电功率集合，B为各分布式微型电能存储单元的存储电能集合，C为各分布式微型电能存储单元的释放电能集合；
；
其中，/>，/>，/>是第n个用电节点的用电功率，/>是第i个各分布式微型电能存储单元的存储电能，/>是第j个各分布式微型电能存储单元的释放电能。
进一步的，在分布式微型电能存储单元接入所述电网模型中，会增加其电能传输线路的负荷，设预设线路的最佳负荷为，最佳负荷/>由各个用电节点的用电功率、各分布式微型电能存储单元的存储电能以及各分布式微型电能存储单元的释放电能决定，，/>，/>；
；
为了达到最佳负荷，通过调整输入各用电节点、各分布式微型电能存储单元的电流以及调整各分布式微型电能存储单元的输出电流实现对优化预测节点和优化预测路线的调整。
进一步的，由于各用电节点与各分布式微型电能存储单元具备连接上的前后关系，采用差分进化算法逐步计算所述各用电节点与各分布式微型电能存储单元的电流输入量以及各分布式微型电能存储单元的电流输出量。
实施例1：应用场景：在一电能传输线路中新增一用电节点，电能的传输线路无法负荷该用电节点的用电量，通过在沿途的用电节点1、用电节点2、用电节点3、用电节点4、新增用电节点为用电节点5，分别部署分布式微型电能存储单元；其中用电节点1和3为居民小区，用电节点2为办公社区，用电节点4为工厂园区，用电节点5为工厂园区；电能传输线路可以负荷用电节点1、用电节点2、用电节点3、用电节点4的用电负荷，在加入用电节点5后，需要通过调配来实现对用电节点5的用电负荷，其等式如下：
电能传输线路负荷=用电节点1+用电节点2+用电节点3+用电节点4；
电能传输线路负荷=用电节点5+用电节点2+用电节点3+用电节点4；
差了一个用电节点1的用电负荷，通过调配可以使得电能传输线路的负荷满足同时负荷用电节点1、用电节点2、用电节点3、用电节点4、用电节点5；在居民小区中，用电高峰期为晚上，办公社区和工业园区的用电高峰期一般为白天，收集用电节点1-5的历史用电数据，可以得到其用电高峰的周期性，在用电高峰时，用电节点对应的分布式微型电能存储单元放电，在用电低谷时，用电节点对应的分布式微型电能存储单元放电进行充电。
实施例2：分布式微型电能存储单元是由光伏接入时：
构建电网模型：依然需要构建一个包括所有用电节点的电网模型。其中，光伏系统也会被视为一个特殊的节点，这个节点既可以输出电能（在阳光充足时），也可以吸收电能（在阳光不足但电网电能富余时）。
构建负荷预测模型：根据历史用电数据以及光伏发电量数据，构建负荷预测模型；需要注意的是，光伏发电量会受到天气等因素影响，因此可能需要引入天气预报数据；
电能存储与释放策略：在光伏发电量充足且电网负荷较低时，将多余的电能存储起来；在电网负荷较高时，从电能存储单元中释放电能供应给电网；同时，还需要考虑电价，在电价低时存储电能，电价高时释放电能；
电网负荷优化：通过预测模型，确定电网的最优负荷状态，并通过调整各个用电节点以及光伏系统的电流输入输出，使得实际负荷尽可能接近最优负荷；
使用优化算法：由于引入了光伏系统和电能存储单元，电网的结构和运行模式变得更复杂；可以使用差分进化等优化算法，来确定每个节点以及电能存储单元的最优电流输入输出；
数据收集与反馈：定期收集各个节点的用电数据以及光伏系统的发电数据，将这些数据反馈给预测模型，不断优化和提高预测的准确性。
参照图3，本发明实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、显示屏、输入装置、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储本实施例中对应的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现方法。
构建电网模型：所述电网模型包括整个电网中的用电节点；
构建负荷预测模型：根据所述用电节点的历史用电数据以及入网的分布式微型电能存储单元预测电网线路的负荷；
S1：收集用电节点的历史用电数据，根据历史用电数据绘制用电图，所述用电图包括用电高峰和用电低谷的时间区间；
S2：根据用电图判断当前用电节点的当前时刻的电能丰富度，通过预设的存储规则进行微型电能存储单元的电能存储和释放；
S3：通过负荷预测模型输出电网模型的优化预测节点和优化预测路线，所述优化预测节点和优化预测线路分别是当前时刻的电网模型中电能传输可优化调度的用电节点和电能传输线路；
S4：根据额定负荷计算各个微型电能存储单元在电网模型中的电能存储的量，并通过时间序列将各个微型电能存储单元在电网模型中的电能释放的量进行拟合验证；
S5：最终输出分布式微型电能存储单元在各时刻下电能存储和释放的量，并控制所述分布式微型电能存储单元完成各时刻下电能存储和释放。
本发明一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法。可以理解的是，本实施例中的计算机可读存储介质可以是易失性可读存储介质，也可以为非易失性可读存储介质。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器（ROM）、可编程ROM（PROM）、电可编程ROM（EPROM）、电可擦除可编程ROM（EEPROM）或闪存。易失性存储器可包括随机存取存储器（RAM）或者外部高速缓冲存储器。作为说明而非局限，RAM通过多种形式可得，诸如静态RAM（SRAM）、动态RAM（DRAM）、同步DRAM（SDRAM）、双速据率SDRAM（SSRSDRAM）、增强型SDRAM（ESDRAM）、同步链路（Synchlink）DRAM（SLDRAM）、存储器总线（Rambus）直接RAM（RDRAM）、直接存储器总线动态RAM（DRDRAM）、以及存储器总线动态RAM等。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其它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、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其它要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (6)
1.分布式微型电能存储方法，其特征在于，包括如下步骤：
构建电网模型：所述电网模型包括整个电网中的用电节点；
构建负荷预测模型：根据所述用电节点的历史用电数据以及入网的分布式微型电能存储单元预测电网线路的负荷；
S1：收集用电节点的历史用电数据，根据历史用电数据绘制用电图，所述用电图包括用电高峰和用电低谷的时间区间；
S2：根据用电图判断当前用电节点的当前时刻的电能丰富度，通过预设的存储规则进行微型电能存储单元的电能存储和释放；进行用电节点中的离散点和电路路径识别，通过离散点和电路路径识别所述用电节点中各用电单元组成的用电网；基于各个离散点和电路路径对所述用电网进行电网结构拓扑，以配置各个离散点和电路路径对应的电气参数；根据电气参数，确定各个用电单元使用的用电量，确定对应当前用电节点的所述分布式微型电能存储单元的电能释放的量；
S3：通过负荷预测模型输出电网模型的优化预测节点和优化预测线路，所述优化预测节点和优化预测线路分别是当前时刻的电网模型中电能传输可优化调度的用电节点和电能传输线路；所述负荷预测模型包括：设A为各个用电节点的用电功率集合，B为各分布式微型电能存储单元的存储电能集合，C为各分布式微型电能存储单元的释放电能集合；
；
其中，/>，/>，/>是第n个用电节点的用电功率，/>是第i个各分布式微型电能存储单元的存储电能，/>是第j个各分布式微型电能存储单元的释放电能；
在分布式微型电能存储单元接入所述电网模型中，会增加其电能传输线路的负荷，设预设线路的最佳负荷为，最佳负荷/>由各个用电节点的用电功率、各分布式微型电能存储单元的存储电能以及各分布式微型电能存储单元的释放电能决定，/>，，/>；
；
为了达到最佳负荷，通过调整输入各用电节点、各分布式微型电能存储单元的电流以及调整各分布式微型电能存储单元的输出电流实现对优化预测节点和优化预测线路的调整；
各用电节点与各分布式微型电能存储单元具备连接上的前后关系，采用差分进化算法逐步计算所述各用电节点与各分布式微型电能存储单元的电流输入量以及各分布式微型电能存储单元的电流输出量；
S4：根据额定负荷计算各个微型电能存储单元在电网模型中的电能存储的量，并通过时间序列将各个微型电能存储单元在电网模型中的电能释放的量进行拟合验证；
S5：最终输出分布式微型电能存储单元在各时刻下电能存储和释放的量，并控制所述分布式微型电能存储单元完成各时刻下电能存储和释放。
2.根据权利要求1所述的分布式微型电能存储方法，其特征在于：在所述根据用电图判断当前用电节点的当前时刻的电能丰富度，通过预设的存储规则进行微型电能存储单元的电能存储和释放步骤中，所述预设的存储规则包括：
根据所述分布式微型电能存储单元对应的用电节点的用电高峰和用电低谷的时间区间，在用电高峰的时间区间时，所述分布式微型电能存储单元进行电量的释放；在用电低谷的时间区间时，所述分布式微型电能存储单元进行电量的存储。
3.根据权利要求1所述的分布式微型电能存储方法，其特征在于：在所述根据用电图判断当前用电节点的当前时刻的电能丰富度，通过预设的存储规则进行微型电能存储单元的电能存储和释放步骤中，所述预设的存储规则包括：
根据所述分布式微型电能存储单元对应的用电节点的峰谷电价差异，在用电价格高的时间区间时，所述分布式微型电能存储单元进行电量的释放；在用电价格低的时间区间时，所述分布式微型电能存储单元进行电量的存储。
4.一种分布式微型电能存储系统，其特征在于：应用于权利要求1-3任一项所述的分布式微型电能存储方法，所述分布式微型电能存储系统包括：
分布式微型电能存储单元：所述分布式微型电能存储单元用于存储电能；
构建单元：构建电网模型和负荷预测模型；
收集单元：收集用电节点的历史用电数据，根据历史用电数据绘制用电图，所述用电图包括用电高峰和用电低谷的时间区间；
判断单元：根据用电图判断当前用电节点的当前时刻的电能丰富度，通过预设的存储规则进行微型电能存储单元的电能存储和释放；进行用电节点中的离散点和电路路径识别，通过离散点和电路路径识别所述用电节点中各用电单元组成的用电网；基于各个离散点和电路路径对所述用电网进行电网结构拓扑，以配置各个离散点和电路路径对应的电气参数；根据电气参数，确定各个用电单元使用的用电量，确定对应当前用电节点的所述分布式微型电能存储单元的电能释放的量；
调整单元：通过负荷预测模型输出电网模型的优化预测节点和优化预测线路，所述优化预测节点和优化预测线路分别是当前时刻的电网模型中电能传输可优化调度的用电节点和电能传输线路；所述负荷预测模型包括：设A为各个用电节点的用电功率集合，B为各分布式微型电能存储单元的存储电能集合，C为各分布式微型电能存储单元的释放电能集合；
；
其中，/>，/>，/>是第n个用电节点的用电功率，/>是第i个各分布式微型电能存储单元的存储电能，/>是第j个各分布式微型电能存储单元的释放电能；
在分布式微型电能存储单元接入所述电网模型中，会增加其电能传输线路的负荷，设预设线路的最佳负荷为，最佳负荷/>由各个用电节点的用电功率、各分布式微型电能存储单元的存储电能以及各分布式微型电能存储单元的释放电能决定，/>，，/>；
；
为了达到最佳负荷，通过调整输入各用电节点、各分布式微型电能存储单元的电流以及调整各分布式微型电能存储单元的输出电流实现对优化预测节点和优化预测线路的调整；
各用电节点与各分布式微型电能存储单元具备连接上的前后关系，采用差分进化算法逐步计算所述各用电节点与各分布式微型电能存储单元的电流输入量以及各分布式微型电能存储单元的电流输出量；
验证单元：根据额定负荷计算各个微型电能存储单元在电网模型中的电能存储和释放的量，并通过时间序列将各个微型电能存储单元在电网模型中的电能存储和释放的量进行拟合验证；
输出单元：最终输出分布式微型电能存储单元在各时刻下电能存储和释放的量，并控制所述分布式微型电能存储单元完成各时刻下电能存储和释放。
5.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至3中任一项所述分布式微型电能存储方法的步骤。
6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至3中任一项所述的分布式微型电能存储方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311596355.7A CN117318110B (zh) | 2023-11-28 | 2023-11-28 | 分布式微型电能存储系统、方法、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311596355.7A CN117318110B (zh) | 2023-11-28 | 2023-11-28 | 分布式微型电能存储系统、方法、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117318110A CN117318110A (zh) | 2023-12-29 |
| CN117318110B true CN117318110B (zh) | 2024-03-08 |
Family
ID=89285165
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311596355.7A Active CN117318110B (zh) | 2023-11-28 | 2023-11-28 | 分布式微型电能存储系统、方法、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117318110B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109494723A (zh) * | 2018-11-21 | 2019-03-19 | 西安特变电工电力设计有限责任公司 | 一种微电网系统及其控制与发电量预测方法 |
| CN111082419A (zh) * | 2019-12-06 | 2020-04-28 | 国网河北省电力有限公司电力科学研究院 | 基于大数据技术的智能配电网用户接入方案管理方法及系统 |
| CN113765099A (zh) * | 2021-09-07 | 2021-12-07 | 重庆好德译信息技术有限公司 | 一种基于物联网的智能调度系统及其负荷调度方法 |
| CN115526401A (zh) * | 2022-09-29 | 2022-12-27 | 湖北工业大学 | 一种基于数字孪生的新型电力系统电源最优规划方法 |
| CN116596286A (zh) * | 2023-07-18 | 2023-08-15 | 深圳市中科云科技开发有限公司 | 虚拟电厂的优化调度方法、装置、设备及存储介质 |
| CN116862036A (zh) * | 2022-03-25 | 2023-10-10 | 华为技术有限公司 | 一种负载预测方法以及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8706650B2 (en) * | 2009-01-14 | 2014-04-22 | Integral Analytics, Inc. | Optimization of microgrid energy use and distribution |
-
2023
- 2023-11-28 CN CN202311596355.7A patent/CN117318110B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109494723A (zh) * | 2018-11-21 | 2019-03-19 | 西安特变电工电力设计有限责任公司 | 一种微电网系统及其控制与发电量预测方法 |
| CN111082419A (zh) * | 2019-12-06 | 2020-04-28 | 国网河北省电力有限公司电力科学研究院 | 基于大数据技术的智能配电网用户接入方案管理方法及系统 |
| CN113765099A (zh) * | 2021-09-07 | 2021-12-07 | 重庆好德译信息技术有限公司 | 一种基于物联网的智能调度系统及其负荷调度方法 |
| CN116862036A (zh) * | 2022-03-25 | 2023-10-10 | 华为技术有限公司 | 一种负载预测方法以及装置 |
| CN115526401A (zh) * | 2022-09-29 | 2022-12-27 | 湖北工业大学 | 一种基于数字孪生的新型电力系统电源最优规划方法 |
| CN116596286A (zh) * | 2023-07-18 | 2023-08-15 | 深圳市中科云科技开发有限公司 | 虚拟电厂的优化调度方法、装置、设备及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 基于能量管理系统的用电负荷节能优化;陈宏;;工业仪表与自动化装置(第06期);第74页-第77页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117318110A (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Khani et al. | Optimal day-ahead scheduling of power-to-gas energy storage and gas load management in wholesale electricity and gas markets | |
| Xiong et al. | Optimal planning of storage in power systems integrated with wind power generation | |
| Lv et al. | Interactive energy management of networked microgrids-based active distribution system considering large-scale integration of renewable energy resources | |
| Zhang et al. | A two-layer model for microgrid real-time dispatch based on energy storage system charging/discharging hidden costs | |
| He et al. | A bi-layer optimization based temporal and spatial scheduling for large-scale electric vehicles | |
| Acevedo-Arenas et al. | MPC for optimal dispatch of an AC-linked hybrid PV/wind/biomass/H2 system incorporating demand response | |
| Kabir et al. | Improving voltage profile of residential distribution systems using rooftop PVs and Battery Energy Storage systems | |
| Konstantinopoulos et al. | Optimal management of hydrogen storage in stochastic smart microgrid operation | |
| Yang et al. | Optimal two-stage dispatch method of household PV-BESS integrated generation system under time-of-use electricity price | |
| Zhang et al. | A multi-agent based integrated volt-var optimization engine for fast vehicle-to-grid reactive power dispatch and electric vehicle coordination | |
| Zhang et al. | The performance of a grid-tied microgrid with hydrogen storage and a hydrogen fuel cell stack | |
| CN111339689B (zh) | 建筑综合能源调度方法、系统、存储介质及计算机设备 | |
| Rosati et al. | Techno-economic analysis of battery electricity storage towards self-sufficient buildings | |
| Khoshjahan et al. | Optimal participation of PEV charging stations integrated with smart buildings in the wholesale energy and reserve markets | |
| Li et al. | Optimal battery schedule for grid-connected photovoltaic-battery systems of office buildings based on a dynamic programming algorithm | |
| Varzaneh et al. | Optimal energy management for PV‐integrated residential systems including energy storage system | |
| Crespo Del Granado et al. | The impact of wind uncertainty on the strategic valuation of distributed electricity storage | |
| KR20210094033A (ko) | 에너지 관리 시스템을 동작시키기 위한 방법, 그 방법을 수행하기 위한 전자 컴퓨팅 디바이스, 컴퓨터 프로그램, 및 데이터 캐리어 | |
| Hemmati et al. | Optimal scheduling of smart Microgrid in presence of battery swapping station of electrical vehicles | |
| Javadi et al. | Optimal planning and operation of hybrid energy system supplemented by storage devices | |
| CN114362218B (zh) | 基于深度q学习的微电网内多类型储能的调度方法及装置 | |
| CN111817296A (zh) | 一种微电网用电能调度方法及系统 | |
| Zheng et al. | Optimal dispatch for reversible solid oxide cell-based hydrogen/electric vehicle aggregator via stimuli-responsive charging decision estimation | |
| El Kafazi et al. | Multiobjective scheduling-based energy management system considering renewable energy and energy storage systems: A case study and experimental result | |
| Park et al. | On the estimation of an optimum size of energy storage system for local load shifting |
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 |