CN117375032A - 一种用于风光发电系统的混合储能装置 - Google Patents
一种用于风光发电系统的混合储能装置 Download PDFInfo
- Publication number
- CN117375032A CN117375032A CN202311306936.2A CN202311306936A CN117375032A CN 117375032 A CN117375032 A CN 117375032A CN 202311306936 A CN202311306936 A CN 202311306936A CN 117375032 A CN117375032 A CN 117375032A
- Authority
- CN
- China
- Prior art keywords
- unit
- energy storage
- power generation
- wind
- data
- 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
- 238000010248 power generation Methods 0.000 title claims abstract description 93
- 238000004146 energy storage Methods 0.000 title claims abstract description 92
- 238000007599 discharging Methods 0.000 claims abstract description 11
- 238000003860 storage Methods 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 18
- 238000000034 method Methods 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 12
- 239000003990 capacitor Substances 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000005611 electricity Effects 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 239000002245 particle Substances 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 5
- 241000254173 Coleoptera Species 0.000 claims description 3
- 238000003066 decision tree Methods 0.000 claims description 3
- 230000002068 genetic effect Effects 0.000 claims description 3
- 238000012417 linear regression Methods 0.000 claims description 3
- 238000007477 logistic regression Methods 0.000 claims description 3
- 238000007637 random forest analysis Methods 0.000 claims description 3
- 238000010845 search algorithm Methods 0.000 claims description 3
- 238000002922 simulated annealing Methods 0.000 claims description 3
- 230000000087 stabilizing effect Effects 0.000 claims description 2
- 230000008901 benefit Effects 0.000 description 4
- 238000002360 preparation method Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002035 prolonged effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000002803 fossil fuel Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2474—Sequence data queries, e.g. querying versioned data
-
- 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
- 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
- H02S—GENERATION OF ELECTRIC POWER BY CONVERSION OF INFRARED RADIATION, VISIBLE LIGHT OR ULTRAVIOLET LIGHT, e.g. USING PHOTOVOLTAIC [PV] MODULES
- H02S10/00—PV power plants; Combinations of PV energy systems with other systems for the generation of electric power
- H02S10/20—Systems characterised by their energy storage means
-
- 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)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Computational Linguistics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及风光发电系统储能技术领域,且公开了一种用于风光发电系统的混合储能装置;本用于风光发电系统的混合储能装置包括储能柜,所述储能柜内部设置有混合储能单元、模型构建单元、指标定制单元、充放电制定单元、功率曲线获取单元、智能计算单元、配置储能单元以及综合控制单元,本发明通过对混合储能单元的数据进行功率曲线获取,并通过功率曲线获取、指标定制单元、充放电制定单元数据进行智能分析计算,并根据智能分析计算结果对混合存储组件的风光发电储能进行智能分配优化,同时考虑电网连续电能缺失总量和电网瞬时功率缺失两方面能提高储能系统容量优化的准确性,提高电网整体安全性与经济性。
Description
技术领域
本发明属于风光发电系统储能技术领域,具体为一种用于风光发电系统的混合储能装置。
背景技术
风能和太阳能作为新型能源,其储量充足且对生态环境有益,可以为传统化石燃料所引发的环境等问题提供有力的缓解方案,风能与太阳能发电技术的结合可以将再生资源转化为电力。
随着社会工业的不断发展,全球经济快速增长,世界各国对能源的需求量越来越大,风能、太阳能作为可持续的清洁能源,被开发利用得越来越多,但其输出功率波动问题给可再生能源并网的安全稳定运行带来了巨大威胁,且现有的风光发电系统的混合储能装置在储能时一般为直接储能,而在风能以及光能充放时存在一定的数据波动,故需要根据供电需求以及功率缺失数据进行对应调整,从而才能达到最大化利用储能容量,否则将会浪费储能容量,导致经济效益降低;因此,针对目前的状况,现需对其进行改进。
发明内容
针对上述情况,为克服现有技术的缺陷,本发明提供一种用于风光发电系统的混合储能装置,有效的解决了随着社会工业的不断发展,全球经济快速增长,世界各国对能源的需求量越来越大,风能、太阳能作为可持续的清洁能源,被开发利用得越来越多,但其输出功率波动问题给可再生能源并网的安全稳定运行带来了巨大威胁,且现有的风光发电系统的混合储能装置在储能时一般为直接储能,而在风能以及光能充放时存在一定的数据波动,故需要根据供电需求以及功率缺失数据进行对应调整,从而才能达到最大化利用储能容量,否则将会浪费储能容量,导致经济效益降低的问题。
为实现上述目的,本发明提供如下技术方案:一种用于风光发电系统的混合储能装置,包括储能柜,所述储能柜内部设置有混合储能单元、模型构建单元、指标定制单元、充放电制定单元、功率曲线获取单元、智能计算单元、配置储能单元以及综合控制单元,所述综合控制单元用于对所述混合储能单元、模型构建单元、指标定制单元、充放电制定单元、功率曲线获取单元、智能计算单元和配置储能单元进行综合管理控制;
混合储能单元:所述混合储能单元用于对风光发电系统中的产生的风电能量进行储能,所述混合储能单元具体为超级电容器以及蓄电池结合的混合存储组件;
模型构建单元:所述模型构建单元用于接收风光发电系统中的风机发电系统以及光伏电池发电系统中的发电数据,并根据该数据构建对应的风机发电模型、光伏电池发电模型以及风光联合发电模型;
指标定制单元:所述指标定制单元用于对供电对象的用电低谷以及高峰的时间数据以及用电进行采集,并根据采集到的数据对供电对象进行供电时间以及数据的指标定制;
充放电制定单元:所述充放电制定单元用于根据所述指标定制单元制定的供电时间以及数据的指标,对所述储能优化单元中的混合存储组件进行相应的充放电数据制定;
功率曲线获取单元:所述功率曲线获取单元用于通过所述模型构建单元中的风机发电模型、光伏电池发电模型以及风光联合发电模型对所述混合储能单元中的充放电数据进行功率曲线获取;
智能计算单元:所述智能计算单元用于根据所述指标定制单元、充放电制定单元以及功率曲线获取单元中的数据,结合智能计算算法进行综合分析,由此得到综合分析结果;
配置储能单元:所述配置储能单元用于根据所述智能计算单元得到的综合分析结果,对所述混合储能单元中的混合存储组件的风光发电储能进行智能分配优化。
优选的,所述模型构建单元在对风光发电系统中的风机发电系统以及光伏电池发电系统中的发电数据进行接收时具体通过数据传感器组,所述数据传感器组具体包括电能传感器、电流传感器、电压传感器、电阻传感器以及电功率传感器。
优选的,所述模型构建单元中风机发电模型、光伏电池发电模型以及风光联合发电模型具体为数据预测模型,所述数据预测模型具体为线性回归模型、逻辑回归模型、决策树模型、随机森林模型或人工神经网络模型中的一种或几种的组合。
优选的,所述指标定制单元在对供电对象的用电低谷以及高峰的时间数据以及用电进行采集时具体采用SOA数据采集架构系统,在进行供电时间以及数据的指标定制时将供电时间分为低估时段以及高峰时段。
优选的,所述功率曲线获取单元在进行功率曲线获取时具体采用滑动平均法、线性最小二乘法5阶和20阶或波动平抑法中的一种或几种的组合。
优选的,所述智能计算单元中的智能计算算法具体为模拟退火、遗传算法、禁忌搜索、神经网络、天牛须搜索算法、蚂蚁算法或微粒群优化算法中的一种或几种的组合。
优选的,所述配置储能单元进行风光发电储能的智能分配优化时具体采用粒子群算法,并在进行计算时采用并网运行约束条件。
优选的,所述超级电容器以及蓄电池之间设置有DC变换器,所述DC变换器和超级电容器以及蓄电池通过并联连接。
与现有技术相比,本发明的有益效果是:1、通过对混合储能单元的数据进行功率曲线获取,并通过功率曲线获取、指标定制单元、充放电制定单元数据进行智能分析计算,并根据智能分析计算结果对混合存储组件的风光发电储能进行智能分配优化,同时考虑电网连续电能缺失总量和电网瞬时功率缺失两方面能提高储能系统容量优化的准确性,提高电网整体安全性与经济性;
2、通过指标定制单元对供电对象的用电低谷以及高峰的时间数据以及用电进行采集,并根据采集到的数据对供电对象进行供电时间以及数据的指标定制,并根据该定制数据,通过充放电制定单元进行相应的充放电数据制定,由此可进行相对应的数据调整,智能化调整用户用电数据,精确控制用电数据,降低用户的用电成本,最大化的提升经济效益;
3、超级电容器能起到一定的滤波作用,蓄电池的充放电电流能够保持在较平滑的水平减少了蓄电池的充放电次数,延长了蓄电池的使用寿命,同时也提高了整个系统的工作效率。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。
在附图中:
图1为本发明一种用于风光发电系统的混合储能装置中的储能柜连接框图。
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。
如图1所示,本发明提供一种技术方案:一种用于风光发电系统的混合储能装置,包括储能柜,储能柜内部设置有混合储能单元、模型构建单元、指标定制单元、充放电制定单元、功率曲线获取单元、智能计算单元、配置储能单元以及综合控制单元,综合控制单元用于对混合储能单元、模型构建单元、指标定制单元、充放电制定单元、功率曲线获取单元、智能计算单元和配置储能单元进行综合管理控制;
混合储能单元:混合储能单元用于对风光发电系统中的产生的风电能量进行储能,混合储能单元具体为超级电容器以及蓄电池结合的混合存储组件;
模型构建单元:模型构建单元用于接收风光发电系统中的风机发电系统以及光伏电池发电系统中的发电数据,并根据该数据构建对应的风机发电模型、光伏电池发电模型以及风光联合发电模型;
指标定制单元:指标定制单元用于对供电对象的用电低谷以及高峰的时间数据以及用电进行采集,并根据采集到的数据对供电对象进行供电时间以及数据的指标定制;
充放电制定单元:充放电制定单元用于根据指标定制单元制定的供电时间以及数据的指标,对储能优化单元中的混合存储组件进行相应的充放电数据制定;
功率曲线获取单元:功率曲线获取单元用于通过模型构建单元中的风机发电模型、光伏电池发电模型以及风光联合发电模型对混合储能单元中的充放电数据进行功率曲线获取;
智能计算单元:智能计算单元用于根据指标定制单元、充放电制定单元以及功率曲线获取单元中的数据,结合智能计算算法进行综合分析,由此得到综合分析结果;
配置储能单元:配置储能单元用于根据智能计算单元得到的综合分析结果,对混合储能单元中的混合存储组件的风光发电储能进行智能分配优化。
其中,模型构建单元在对风光发电系统中的风机发电系统以及光伏电池发电系统中的发电数据进行接收时具体通过数据传感器组,数据传感器组具体包括电能传感器、电流传感器、电压传感器、电阻传感器以及电功率传感器;模型构建单元中风机发电模型、光伏电池发电模型以及风光联合发电模型具体为数据预测模型,数据预测模型具体为线性回归模型、逻辑回归模型、决策树模型、随机森林模型或人工神经网络模型中的一种或几种的组合;指标定制单元在对供电对象的用电低谷以及高峰的时间数据以及用电进行采集时具体采用SOA数据采集架构系统,在进行供电时间以及数据的指标定制时将供电时间分为低估时段以及高峰时段;功率曲线获取单元在进行功率曲线获取时具体采用滑动平均法、线性最小二乘法5阶和20阶或波动平抑法中的一种或几种的组合;智能计算单元中的智能计算算法具体为模拟退火、遗传算法、禁忌搜索、神经网络、天牛须搜索算法、蚂蚁算法或微粒群优化算法中的一种或几种的组合;配置储能单元进行风光发电储能的智能分配优化时具体采用粒子群算法,并在进行计算时采用并网运行约束条件;超级电容器以及蓄电池之间设置有DC变换器,DC变换器和超级电容器以及蓄电池通过并联连接。
工作原理:使用时,通过混合储能单元对风光发电系统中的产生的风电能量进行储能,同时通过模型构建单元接收风光发电系统中的风机发电系统以及光伏电池发电系统中的发电数据,并根据该数据构建对应的风机发电模型、光伏电池发电模型以及风光联合发电模型,同时通过指标定制单元对供电对象的用电低谷以及高峰的时间数据以及用电进行采集,并根据采集到的数据对供电对象进行供电时间以及数据的指标定制,而充放电制定单元根据制定的供电时间以及数据的指标,而混合储能单元根据指定的数据进行充放电,功率曲线获取单元结合模型构建单元中的风机发电模型、光伏电池发电模型以及风光联合发电模型对充放电数据进行功率曲线获取,而智能计算单元根据指标定制单元、充放电制定单元以及功率曲线获取单元中的数据,结合智能计算算法进行综合分析,由此得到综合分析结果,配置储能单元根据综合分析结果,对混合储能单元中的混合存储组件的风光发电储能进行智能分配优化,通过对混合储能单元的数据进行功率曲线获取,并通过功率曲线获取、指标定制单元、充放电制定单元数据进行智能分析计算,并根据智能分析计算结果对混合存储组件的风光发电储能进行智能分配优化,同时考虑电网连续电能缺失总量和电网瞬时功率缺失两方面能提高储能系统容量优化的准确性,提高电网整体安全性与经济性;通过指标定制单元对供电对象的用电低谷以及高峰的时间数据以及用电进行采集,并根据采集到的数据对供电对象进行供电时间以及数据的指标定制,并根据该定制数据,通过充放电制定单元进行相应的充放电数据制定,由此可进行相对应的数据调整,智能化调整用户用电数据,精确控制用电数据,降低用户的用电成本,最大化的提升经济效益;超级电容器能起到一定的滤波作用,蓄电池的充放电电流能够保持在较平滑的水平减少了蓄电池的充放电次数,延长了蓄电池的使用寿命,同时也提高了整个系统的工作效率。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (8)
1.一种用于风光发电系统的混合储能装置,其特征在于:包括储能柜,所述储能柜内部设置有混合储能单元、模型构建单元、指标定制单元、充放电制定单元、功率曲线获取单元、智能计算单元、配置储能单元以及综合控制单元,所述综合控制单元用于对所述混合储能单元、模型构建单元、指标定制单元、充放电制定单元、功率曲线获取单元、智能计算单元和配置储能单元进行综合管理控制;
混合储能单元:所述混合储能单元用于对风光发电系统中的产生的风电能量进行储能,所述混合储能单元具体为超级电容器以及蓄电池结合的混合存储组件;
模型构建单元:所述模型构建单元用于接收风光发电系统中的风机发电系统以及光伏电池发电系统中的发电数据,并根据该数据构建对应的风机发电模型、光伏电池发电模型以及风光联合发电模型;
指标定制单元:所述指标定制单元用于对供电对象的用电低谷以及高峰的时间数据以及用电进行采集,并根据采集到的数据对供电对象进行供电时间以及数据的指标定制;
充放电制定单元:所述充放电制定单元用于根据所述指标定制单元制定的供电时间以及数据的指标,对所述储能优化单元中的混合存储组件进行相应的充放电数据制定;
功率曲线获取单元:所述功率曲线获取单元用于通过所述模型构建单元中的风机发电模型、光伏电池发电模型以及风光联合发电模型对所述混合储能单元中的充放电数据进行功率曲线获取;
智能计算单元:所述智能计算单元用于根据所述指标定制单元、充放电制定单元以及功率曲线获取单元中的数据,结合智能计算算法进行综合分析,由此得到综合分析结果;
配置储能单元:所述配置储能单元用于根据所述智能计算单元得到的综合分析结果,对所述混合储能单元中的混合存储组件的风光发电储能进行智能分配优化。
2.根据权利要求1所述的一种用于风光发电系统的混合储能装置,其特征在于:所述模型构建单元在对风光发电系统中的风机发电系统以及光伏电池发电系统中的发电数据进行接收时具体通过数据传感器组,所述数据传感器组具体包括电能传感器、电流传感器、电压传感器、电阻传感器以及电功率传感器。
3.根据权利要求1所述的一种用于风光发电系统的混合储能装置,其特征在于:所述模型构建单元中风机发电模型、光伏电池发电模型以及风光联合发电模型具体为数据预测模型,所述数据预测模型具体为线性回归模型、逻辑回归模型、决策树模型、随机森林模型或人工神经网络模型中的一种或几种的组合。
4.根据权利要求1所述的一种用于风光发电系统的混合储能装置,其特征在于:所述指标定制单元在对供电对象的用电低谷以及高峰的时间数据以及用电进行采集时具体采用SOA数据采集架构系统,在进行供电时间以及数据的指标定制时将供电时间分为低估时段以及高峰时段。
5.根据权利要求1所述的一种用于风光发电系统的混合储能装置,其特征在于:所述功率曲线获取单元在进行功率曲线获取时具体采用滑动平均法、线性最小二乘法5阶和20阶或波动平抑法中的一种或几种的组合。
6.根据权利要求1所述的一种用于风光发电系统的混合储能装置,其特征在于:所述智能计算单元中的智能计算算法具体为模拟退火、遗传算法、禁忌搜索、神经网络、天牛须搜索算法、蚂蚁算法或微粒群优化算法中的一种或几种的组合。
7.根据权利要求1所述的一种用于风光发电系统的混合储能装置,其特征在于:所述配置储能单元进行风光发电储能的智能分配优化时具体采用粒子群算法,并在进行计算时采用并网运行约束条件。
8.根据权利要求1所述的一种用于风光发电系统的混合储能装置,其特征在于:所述超级电容器以及蓄电池之间设置有DC变换器,所述DC变换器和超级电容器以及蓄电池通过并联连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311306936.2A CN117375032A (zh) | 2023-10-10 | 2023-10-10 | 一种用于风光发电系统的混合储能装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311306936.2A CN117375032A (zh) | 2023-10-10 | 2023-10-10 | 一种用于风光发电系统的混合储能装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117375032A true CN117375032A (zh) | 2024-01-09 |
Family
ID=89399631
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311306936.2A Pending CN117375032A (zh) | 2023-10-10 | 2023-10-10 | 一种用于风光发电系统的混合储能装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117375032A (zh) |
-
2023
- 2023-10-10 CN CN202311306936.2A patent/CN117375032A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109687444B (zh) | 一种微电网电源多目标双层优化配置方法 | |
CN111404206B (zh) | 考虑投资回报约束的风光储发电系统容量双层规划方法 | |
WO2022193794A1 (zh) | 考虑退役电池的智能社区微网超多目标能量管理方法 | |
CN104377724A (zh) | 提高风电/光伏混合储能系统经济性的协调优化控制方法 | |
Huangfu et al. | An optimal energy management strategy with subsection bi-objective optimization dynamic programming for photovoltaic/battery/hydrogen hybrid energy system | |
CN117096908A (zh) | 基于麻雀搜索的并网型微电网优化调度方法 | |
CN109829228B (zh) | 可再生能源系统中混合储能电源容量配置的优化方法 | |
CN115940284B (zh) | 一种考虑分时电价的新能源制氢系统的运行控制策略 | |
jing Hu et al. | Capacity optimization of wind/PV/storage power system based on simulated annealing-particle swarm optimization | |
CN109119988B (zh) | 基于动态批发市价的光伏-电池微电网能量调度管理方法 | |
CN107591794A (zh) | 基于负荷分类的主动配电网源‑储容量优化配置方法 | |
CN117375032A (zh) | 一种用于风光发电系统的混合储能装置 | |
Soykan et al. | Evaluation of the effect of weather conditions on optimal sizing of an isolated microgrid | |
CN113013909A (zh) | 一种基于平抑牵引的储能容量改进方法 | |
Liu et al. | The optimal sizing for AC/DC hybrid stand-alone microgrid based on energy dispatch strategy | |
CN107766970B (zh) | 一种基于企业效益与用户体验的微电网规划方法 | |
Lin et al. | Energy Storage Capacity Configuration Method of Microgrid with Small Hydropower Based on Power Energy Characteristics | |
Chen et al. | Optimization and analysis of microgrid based on different operational strategies | |
Zhong et al. | Double-Layer-Optimizing Method of Hybrid Energy Storage Microgrid Based on Improved Grey Wolf Optimization. | |
CN117833322B (zh) | 一种用于光伏声屏障的储能优化方法及系统 | |
CN114336764B (zh) | 一种基于sofc与电转气技术的微电网系统及其容量配置方法 | |
CN115238505B (zh) | 基于风光场站的热电氢联供型系统优化配置方法及系统 | |
Yan et al. | Design of the control strategy for improving the service life of battery in Wind-PV-ES hybrid generation system | |
Liu et al. | Research on optimal scheduling of wind-solar-storage system based on improved multi-objective particle swarm optimization algorithm | |
Lu et al. | Distributed Energy Storage Coordination Scheduling Algorithm Based on Big Data |
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 |