CN117411048A - 一种用于光伏储能的容量配置系统 - Google Patents
一种用于光伏储能的容量配置系统 Download PDFInfo
- Publication number
- CN117411048A CN117411048A CN202311728619.XA CN202311728619A CN117411048A CN 117411048 A CN117411048 A CN 117411048A CN 202311728619 A CN202311728619 A CN 202311728619A CN 117411048 A CN117411048 A CN 117411048A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- power generation
- storage device
- subsystem
- load
- 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
- 238000004146 energy storage Methods 0.000 title claims abstract description 154
- 238000010248 power generation Methods 0.000 claims abstract description 124
- 238000005457 optimization Methods 0.000 claims abstract description 93
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000013135 deep learning Methods 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims description 14
- 238000011217 control strategy Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 12
- 230000005855 radiation Effects 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 8
- 238000013480 data collection Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000009286 beneficial effect Effects 0.000 abstract description 7
- 230000008901 benefit Effects 0.000 abstract description 4
- 230000001737 promoting effect Effects 0.000 abstract description 2
- 239000002699 waste material Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000029087 digestion Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research 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
- 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
-
- 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
- H02J3/38—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
- H02J2203/10—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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Power Engineering (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (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
本发明涉及储能容量技术领域,具体公开了一种用于光伏储能的容量配置系统,包括光伏发电分析子系统、负荷分析子系统、储能设备容量优化子系统、储能设备效率优化子系统以及储能设备配置优化子系统;本发明通过深度学习算法建立光伏发电量分析模型分析光伏发电量,并对负荷需求量进行分析,以便更准确地掌握光伏发电状况,根据光伏发电分析子系统以及负荷分析子系统的输出结果,使用优化方法确定储能设备的最佳容量,以满足光伏发电量和负荷需求量之间的平衡,合理配置储能设备的数量和成本,以满足系统需求,有助于优化并网模式下的微电网系统,提高其性能和经济效益,同时推动可持续能源的应用。
Description
技术领域
本发明涉及储能容量技术领域,更具体地说,本发明涉及一种用于光伏储能的容量配置系统。
背景技术
光伏电站具有选址灵活、投资少、建设周期短、可在客户处建设、可实现就地发电、就地消纳的优点,能够有效地减少远程传输所带来的能量损失,同时也与电网建立起一个有效的接口,在一定程度上能够减轻电网的供电压力,提高电力系统的稳定性。目前为了实现加速岛屿能源的转化,使岛屿能源自给,重点研究了光能的利用,但光能的随机性、间歇性导致光伏电站的波动性较大。
随着光伏电站装机规模的不断扩大,储能技术已经成为光伏电站中不可或缺的组成部分,储能技术能够有效地抑制光伏电站的波动,满足电网的调度要求,有利于提升电网的安全和供电可靠性,将白天产生的剩余电量储存起来,既提升了新能源的消纳能力,又能够降低电网的备用容量。而现有对岛屿光伏储能的研究,仅对离网模式下对微电网系统进行容量配置,并未考虑到实际应用通常是在并网模式下运行,故对并网模式下的微电网系统进行容量配置进行分析研究极为重要,为了解决上述问题,现提供一种技术方案。
发明内容
为了克服现有技术的上述缺陷,本发明提供一种用于光伏储能的容量配置系统,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
一种用于光伏储能的容量配置系统,包括光伏发电分析子系统、负荷分析子系统、储能设备容量优化子系统、储能设备效率优化子系统以及储能设备配置优化子系统,储能设备容量优化子系统根据光伏发电分析子系统以及负荷分析子系统的输出结果,使用优化方法确定储能设备容量,使用优化方法确定储能设备容量的具体步骤为:
步骤一,能量平衡约束建模:建立能量平衡约束模型,以便在储能设备中存储光伏发电的过剩能量,并在负荷需求高于光伏发电时释放能量,能量平衡约束模型的公式为:
;
式中:为/>时刻储能设备剩余能量,/>为/>时刻储能设备剩余能量,/>为储能设备在充电过程中的能量损耗,/>为/>时刻储能设备的充放电状态,/>为/>时刻的光伏发电量,/>为储能设备在放电过程中的能量损耗,/>为/>时刻的负荷需求;
步骤二,制定约束条件:约束条件包括:
;
;
;
式中:为储能设备容量;
步骤三,优化目标:定义优化目标函数,用于确定储能设备容量,以最大程度地覆盖光伏发电量和负荷需求量之间的差异,最大化覆盖率优化目标函数为:
;
式中:为最大化覆盖率,即最大化光伏发电量和负荷需求量之间的匹配程度。
作为本发明的进一步方案,光伏发电分析子系统包括数据收集与处理模块、特征选择与提取模块、模型建立与训练模块以及模型评估与优化模块。
作为本发明的进一步方案,数据收集与处理模块与特征选择与提取模块相连接,特征选择与提取模块与模型建立与训练模块相连接,模型建立与训练模块与模型评估与优化模块相连接。
作为本发明的进一步方案,数据收集与处理模块通过文献调研以及历史数据查阅,收集光伏发电站的历史发电数据以及历史负荷数据,并对收集到的数据进行预处理,包括去噪、填补缺失值、数据归一化,以便于后续建模;模型建立与训练模块用于通过深度学习算法建立光伏发电量分析模型,模型评估与优化模块用于将分析结果与实际发电量进行对比,评估模型的预测性能,并根据评估结果对模型进行优化,包括调整模型参数、增加或减少特征。
作为本发明的进一步方案,各子系统功能如下:
光伏发电分析子系统通过深度学习算法建立光伏发电量分析模型分析光伏发电量,以便更准确地掌握光伏发电状况;
负荷分析子系统通过历史负荷数据分析下一时间段内的负荷需求;
储能设备容量优化子系统根据光伏发电分析子系统以及负荷分析子系统的输出结果,使用优化方法确定储能设备的最佳容量,以满足光伏发电量和负荷需求量之间的平衡;
储能设备效率优化子系统通过优化控制策略模型,控制储能设备的总能量损失,提高储能设备的充放电效率,降低能量损失;
储能设备配置优化子系统根据光伏发电分析子系统以及负荷分析子系统的输出结果,合理配置储能设备的数量和成本。
作为本发明的进一步方案,历史负荷数据包括平均负荷值、负荷变化率以及最高负荷值,历史发电数据包括日发电量、光伏板面积、光伏板转换效率以及太阳辐射强度。
作为本发明的进一步方案,平均负荷值为上一时间段内的平均负荷值,负荷变化率为上一时间段内的负荷需求量的变化率、最高负荷值为上一时间段内的最高负荷峰值,日发电量为一天的发电量,光伏板面积为光伏板的表面积,光伏板转换效率为光伏板将太阳光转换为电能的效率,上一时间段指过去一个月。
作为本发明的进一步方案,模型建立与训练模块通过深度学习算法建立光伏发电量分析模型,光伏发电量分析模型通过日发电量、光伏板面积、光伏板转换效率以及太阳辐射强度构建,其中,光伏发电量分析模型的公式为:
;
式中:为光伏发电量,/>为日发电量,/>为光伏板面积,/>为光伏板转换效率,/>为太阳辐射强度。
作为本发明的进一步方案,负荷分析子系统通过历史负荷数据分析下一时间段内的负荷需求,历史负荷数据包括平均负荷值、负荷变化率以及最高负荷值,通过历史负荷数据建立负荷需求预测模型,其中,负荷需求预测模型的公式为:
;
式中:为负荷需求量,/>为平均负荷值,/>为负荷变化率,/>为最高负荷值。
作为本发明的进一步方案,储能设备效率优化子系统通过优化控制策略模型,提高储能设备的充放电效率,降低能量损失,储能设备的总能量损失优化控制策略模型的公式为:
;
式中:为储能设备的总能量损失,/>为储能设备在充电过程中的能量损耗,/>为储能设备在放电过程中的能量损耗,/>为/>时刻的充电功率,/>为/>时刻的放电功率;
优化控制策略模型的约束条件为:
;
;
;
式中:为电网供电限制值,/>为时刻/>时刻的负荷需求量。
作为本发明的进一步方案,储能设备配置优化子系统根据光伏发电和负荷需求定义数量和成本优化目标,以合理配置储能设备的数量,数量和成本优化目标的公式为:
;
式中:为数量和成本优化目标结果,/>为在设备位置/>配置的储能设备数量,/>为在设备位置/>配置的储能设备成本,/>为最小化操作,/>为总体控制因子,/>为设备位置;
数量和成本优化目标的约束条件为:
;
;
;
式中:为/>时刻的充电功率,/>为/>时刻的放电功率,/>为时刻/>时刻的负荷需求量,/>为/>时刻的光伏发电量。
作为本发明的进一步方案,光伏发电分析子系统、负荷分析子系统分别与储能设备容量优化子系统相连接,储能设备容量优化子系统与储能设备效率优化子系统相连接,储能设备效率优化子系统与储能设备配置优化子系统相连接,光伏发电分析子系统、负荷分析子系统分别与储能设备配置优化子系统相连接。
与现有技术相比,本发明的有益效果是:通过深度学习算法建立光伏发电量分析模型分析光伏发电量,并对负荷需求量进行分析,以便更准确地掌握光伏发电状况,根据光伏发电分析子系统以及负荷分析子系统的输出结果,使用优化方法确定储能设备的最佳容量,以满足光伏发电量和负荷需求量之间的平衡,合理配置储能设备的数量和成本,以满足系统需求,有助于优化并网模式下的微电网系统,提高其性能和经济效益,同时推动可持续能源的应用。
附图说明
图1为本发明一种用于光伏储能的容量配置系统的结构示意图。
具体实施方式
下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的技术方案仅仅是本发明一部分,而不是全部。基于本发明中的技术方案,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技术方案,都属于本发明保护的范围。
一种用于光伏储能的容量配置系统,包括光伏发电分析子系统、负荷分析子系统、储能设备容量优化子系统、储能设备效率优化子系统以及储能设备配置优化子系统,储能设备容量优化子系统根据光伏发电分析子系统以及负荷分析子系统的输出结果,使用优化方法确定储能设备容量,使用优化方法确定储能设备容量的具体步骤为:
步骤一,能量平衡约束建模:建立能量平衡约束模型,以便在储能设备中存储光伏发电的过剩能量,并在负荷需求高于光伏发电时释放能量,能量平衡约束模型的公式为:
;
式中:为/>时刻储能设备剩余能量,/>为/>时刻储能设备剩余能量,/>为储能设备在充电过程中的能量损耗,/>为/>时刻储能设备的充放电状态,/>为/>时刻的光伏发电量,/>为储能设备在放电过程中的能量损耗,/>为/>时刻的负荷需求;
步骤二,制定约束条件:约束条件包括:
;
;
;
式中:为储能设备容量;
步骤三,优化目标:定义优化目标函数,用于确定储能设备容量,以最大程度地覆盖光伏发电量和负荷需求量之间的差异,最大化覆盖率优化目标函数为:
;
式中:为最大化覆盖率,即最大化光伏发电量和负荷需求量之间的匹配程度。
通过优化储能设备容量,能够最大程度地覆盖光伏发电量和负荷需求量之间的差异,意味着更多的太阳能发电将被吸纳并用于满足电力需求,从而减少了对传统电力网络的依赖;通过在储能设备中存储光伏发电的过剩能量并在负荷需求高于光伏发电时释放能量,有助于减少能源浪费,便于有效地管理电能供应,避免电能浪费。
本发明实施例中,光伏发电分析子系统包括数据收集与处理模块、特征选择与提取模块、模型建立与训练模块以及模型评估与优化模块。
本发明实施例中,数据收集与处理模块与特征选择与提取模块相连接,特征选择与提取模块与模型建立与训练模块相连接,模型建立与训练模块与模型评估与优化模块相连接。
本发明实施例中,数据收集与处理模块通过文献调研以及历史数据查阅,收集光伏发电站的历史发电数据以及历史负荷数据,并对收集到的数据进行预处理,包括去噪、填补缺失值、数据归一化,以便于后续建模;模型建立与训练模块用于通过深度学习算法建立光伏发电量分析模型,模型评估与优化模块用于将分析结果与实际发电量进行对比,评估模型的预测性能,并根据评估结果对模型进行优化,包括调整模型参数、增加或减少特征。
本发明实施例中,各子系统功能如下:
光伏发电分析子系统通过深度学习算法建立光伏发电量分析模型分析光伏发电量,以便更准确地掌握光伏发电状况;
负荷分析子系统通过历史负荷数据分析下一时间段内的负荷需求;
储能设备容量优化子系统根据光伏发电分析子系统以及负荷分析子系统的输出结果,使用优化方法确定储能设备的最佳容量,以满足光伏发电量和负荷需求量之间的平衡;
储能设备效率优化子系统通过优化控制策略模型,控制储能设备的总能量损失,提高储能设备的充放电效率,降低能量损失;
储能设备配置优化子系统根据光伏发电分析子系统以及负荷分析子系统的输出结果,合理配置储能设备的数量和成本。
本发明实施例中,历史负荷数据包括平均负荷值、负荷变化率以及最高负荷值,历史发电数据包括日发电量、光伏板面积、光伏板转换效率以及太阳辐射强度。
本发明实施例中,平均负荷值为上一时间段内的平均负荷值,负荷变化率为上一时间段内的负荷需求量的变化率、最高负荷值为上一时间段内的最高负荷峰值,日发电量为一天的发电量,光伏板面积为光伏板的表面积,光伏板转换效率为光伏板将太阳光转换为电能的效率,上一时间段指过去一个月。
本发明实施例中,模型建立与训练模块通过深度学习算法建立光伏发电量分析模型,光伏发电量分析模型通过日发电量、光伏板面积、光伏板转换效率以及太阳辐射强度构建,其中,光伏发电量分析模型的公式为:
;
式中:为光伏发电量,/>为日发电量,/>为光伏板面积,/>为光伏板转换效率,/>为太阳辐射强度。
实施例1。当获取一组历史发电数据:日发电量为7千瓦,光伏板面积为20平方米,光伏板转换效率为0.15,太阳辐射强度为0.8瓦每平方米,根据光伏发电量分析模型的公式计算得到:
;
由光伏发电量分析模型的公式计算得到,此时每日光伏发电量为6.545千瓦。
实施例2。当获取一组历史发电数据:日发电量为8千瓦,光伏板面积为200平方米,光伏板转换效率为0.15,太阳辐射强度为0.8瓦每平方米,根据光伏发电量分析模型的公式计算得到:
;
由光伏发电量分析模型的公式计算得到,此时每日光伏发电量为7.205千瓦。
本发明实施例中,负荷分析子系统通过历史负荷数据分析下一时间段内的负荷需求,历史负荷数据包括平均负荷值、负荷变化率以及最高负荷值,通过历史负荷数据建立负荷需求预测模型,其中,负荷需求预测模型的公式为:
;
式中:为负荷需求量,/>为平均负荷值,/>为负荷变化率,/>为最高负荷值。
实施例3。当获取一组历史负荷数据:平均负荷值为7.2千瓦、负荷变化率为0.03、最高负荷值为60千瓦时,根据负荷需求预测模型的公式计算得到:
;
根据负荷需求预测模型的公式计算得到,此时每日负荷需求量为9千瓦。
实施例4。当获取一组历史负荷数据:平均负荷值为6.5千瓦、负荷变化率为0.12、最高负荷值为60千瓦时,根据负荷需求预测模型的公式计算得到:
;
根据负荷需求预测模型的公式计算得到,此时每日负荷需求量为13.7千瓦。
本发明实施例中,储能设备效率优化子系统通过优化控制策略模型,提高储能设备的充放电效率,降低能量损失,储能设备的总能量损失优化控制策略模型的公式为:
;
式中:为储能设备的总能量损失,/>为储能设备在充电过程中的能量损耗,/>为储能设备在放电过程中的能量损耗,/>为/>时刻的充电功率,/>为/>时刻的放电功率;
优化控制策略模型的约束条件为:
;
;
;
式中:为电网供电限制值,/>为时刻/>时刻的负荷需求量。
通过优化充电和放电功率,以最小化储能设备的总能量损失,能够降低能源损失,有助于提高储能设备的效率,且降低能量损失有助于提高储能系统的经济性;通过优化控制策略模型有助于减少储能设备的频繁充放电循环,从而延长设备的寿命。
本发明实施例中,储能设备配置优化子系统根据光伏发电和负荷需求定义数量和成本优化目标,以合理配置储能设备的数量,数量和成本优化目标的公式为:
;
式中:为数量和成本优化目标结果,/>为在设备位置/>配置的储能设备数量,/>为在设备位置/>配置的储能设备成本,/>为最小化操作,/>为总体控制因子,/>为设备位置;
数量和成本优化目标的约束条件为:
;
;
;
式中:为/>时刻的充电功率,/>为/>时刻的放电功率,/>为时刻/>时刻的负荷需求量,/>为/>时刻的光伏发电量。
通过优化储能设备的数量和成本,能够更有效地配置设备,以满足负荷需求和光伏发电的需求,有助于降低系统的总成本,包括设备的购买和维护成本,且约束条件确保系统能够满足负荷需求,同时尽可能利用光伏发电,有助于最大化可再生能源的利用,减少对传统电力的依赖。
本发明实施例中,光伏发电分析子系统、负荷分析子系统分别与储能设备容量优化子系统相连接,储能设备容量优化子系统与储能设备效率优化子系统相连接,储能设备效率优化子系统与储能设备配置优化子系统相连接,光伏发电分析子系统、负荷分析子系统分别与储能设备配置优化子系统相连接。
本发明实施例通过光伏发电分析子系统深度学习算法建立光伏发电量分析模型,分析光伏发电量,帮助系统更准确地预测光伏发电量,有助于并网模式下的微电网了解可用的太阳能资源,从而更好地规划和优化储能系统的容量配置;负荷分析子系统通过历史负荷数据分析下一时间段内的负荷需求,帮助系统了解未来的负荷需求,有助于确定系统在不同时间点的负荷量,以便更好地满足负荷需求;储能设备容量优化子系统根据光伏发电分析子系统和负荷分析子系统的输出结果,使用优化方法确定储能设备的最佳容量,确保储能系统足够大以满足预测的负荷需求,同时最小化系统成本;储能设备效率优化子系统通过优化控制策略模型,控制储能设备的总能量损失,有助于提高储能系统的效率,减少能源浪费,从而降低能源成本;储能设备配置优化子系统根据光伏发电分析子系统和负荷分析子系统的输出结果,合理配置储能设备的数量和类型,以确保系统具有足够的储能容量和灵活性,以应对不同负荷需求和太阳能发电情况。本发明实施例通过更准确的光伏发电和负荷需求预测,有助于优化并网模式下的微电网系统,提高其性能和经济效益,同时推动可持续能源的应用。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
最后:以上所述仅为本发明的优选方案而已,并不用于限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种用于光伏储能的容量配置系统,包括光伏发电分析子系统、负荷分析子系统、储能设备容量优化子系统、储能设备效率优化子系统以及储能设备配置优化子系统,其特征在于,储能设备容量优化子系统根据光伏发电分析子系统以及负荷分析子系统的输出结果,使用优化方法确定储能设备容量,使用优化方法确定储能设备容量的具体步骤为:
步骤一,能量平衡约束建模:建立能量平衡约束模型,以便在储能设备中存储光伏发电的过剩能量,并在负荷需求高于光伏发电时释放能量,能量平衡约束模型的公式为:
;
式中:为/>时刻储能设备剩余能量,/>为/>时刻储能设备剩余能量,/>为储能设备在充电过程中的能量损耗,/>为/>时刻储能设备的充放电状态,/>为/>时刻的光伏发电量,/>为储能设备在放电过程中的能量损耗,/>为/>时刻的负荷需求;
步骤二,制定约束条件:约束条件包括:
;
;
;
式中:为储能设备容量;
步骤三,优化目标:定义优化目标函数,用于确定储能设备容量,以最大程度地覆盖光伏发电量和负荷需求量之间的差异,最大化覆盖率优化目标函数为:
;
式中:为最大化覆盖率,即最大化光伏发电量和负荷需求量之间的匹配程度。
2.根据权利要求1所述的一种用于光伏储能的容量配置系统,其特征在于,
光伏发电分析子系统通过深度学习算法建立光伏发电量分析模型分析光伏发电量;
负荷分析子系统通过历史负荷数据分析下一时间段内的负荷需求;
储能设备容量优化子系统根据光伏发电分析子系统以及负荷分析子系统的输出结果,使用优化方法确定储能设备的最佳容量;
储能设备效率优化子系统通过优化控制策略模型,控制储能设备的总能量损失;
储能设备配置优化子系统根据光伏发电分析子系统以及负荷分析子系统的输出结果,合理配置储能设备的数量和成本。
3.根据权利要求2所述的一种用于光伏储能的容量配置系统,其特征在于,光伏发电分析子系统包括数据收集与处理模块、特征选择与提取模块、模型建立与训练模块以及模型评估与优化模块,模型建立与训练模块通过深度学习算法建立光伏发电量分析模型,光伏发电量分析模型通过日发电量、光伏板面积、光伏板转换效率以及太阳辐射强度构建,其中,光伏发电量分析模型的公式为:
;
式中:为光伏发电量,/>为日发电量,/>为光伏板面积,/>为光伏板转换效率,/>为太阳辐射强度。
4.根据权利要求2所述的一种用于光伏储能的容量配置系统,其特征在于,负荷分析子系统通过历史负荷数据分析下一时间段内的负荷需求,历史负荷数据包括平均负荷值、负荷变化率以及最高负荷值,通过历史负荷数据建立负荷需求预测模型,其中,负荷需求预测模型的公式为:
;
式中:为负荷需求量,/>为平均负荷值,/>为负荷变化率,/>为最高负荷值。
5.根据权利要求2所述的一种用于光伏储能的容量配置系统,其特征在于,储能设备效率优化子系统通过优化控制策略模型,提高储能设备的充放电效率,降低能量损失,储能设备的总能量损失优化控制策略模型的公式为:
;
式中:为储能设备的总能量损失,/>为储能设备在充电过程中的能量损耗,/>为储能设备在放电过程中的能量损耗,/>为/>时刻的充电功率,/>为/>时刻的放电功率;
优化控制策略模型的约束条件为:
;
;
;
式中:为电网供电限制值,/>为时刻/>时刻的负荷需求量。
6.根据权利要求2所述的一种用于光伏储能的容量配置系统,其特征在于,储能设备配置优化子系统根据光伏发电和负荷需求定义数量和成本优化目标,以合理配置储能设备的数量,数量和成本优化目标的公式为:
;
式中:为数量和成本优化目标结果,/>为在设备位置/>配置的储能设备数量,/>为在设备位置/>配置的储能设备成本,/>为最小化操作,/>为总体控制因子,/>为设备位置;
数量和成本优化目标的约束条件为:
;
;
;
式中:为/>时刻的充电功率,/>为/>时刻的放电功率,/>为时刻/>时刻的负荷需求量,/>为/>时刻的光伏发电量。
7.根据权利要求1所述的一种用于光伏储能的容量配置系统,其特征在于,光伏发电分析子系统、负荷分析子系统分别与储能设备容量优化子系统相连接,储能设备容量优化子系统与储能设备效率优化子系统相连接,储能设备效率优化子系统与储能设备配置优化子系统相连接,光伏发电分析子系统、负荷分析子系统分别与储能设备配置优化子系统相连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311728619.XA CN117411048A (zh) | 2023-12-15 | 2023-12-15 | 一种用于光伏储能的容量配置系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311728619.XA CN117411048A (zh) | 2023-12-15 | 2023-12-15 | 一种用于光伏储能的容量配置系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117411048A true CN117411048A (zh) | 2024-01-16 |
Family
ID=89498437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311728619.XA Pending CN117411048A (zh) | 2023-12-15 | 2023-12-15 | 一种用于光伏储能的容量配置系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117411048A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104795833A (zh) * | 2015-05-08 | 2015-07-22 | 武汉大学 | 一种独立微电网蓄电池储能系统容量优化配置方法 |
JP2018057162A (ja) * | 2016-09-29 | 2018-04-05 | サンケン電気株式会社 | 蓄電デバイスの容量設計装置及びその方法並びに記録媒体 |
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 |
CN114050608A (zh) * | 2021-10-28 | 2022-02-15 | 广东电网有限责任公司 | 光伏系统储能容量的优化配置方法、装置、设备及介质 |
CN115864475A (zh) * | 2022-11-30 | 2023-03-28 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种风光储容量优化配置方法及系统 |
CN116169701A (zh) * | 2023-03-06 | 2023-05-26 | 中慧智电(江苏)科技有限公司 | 一种基于最大化光伏消纳率的储能容量配置方法 |
-
2023
- 2023-12-15 CN CN202311728619.XA patent/CN117411048A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104795833A (zh) * | 2015-05-08 | 2015-07-22 | 武汉大学 | 一种独立微电网蓄电池储能系统容量优化配置方法 |
JP2018057162A (ja) * | 2016-09-29 | 2018-04-05 | サンケン電気株式会社 | 蓄電デバイスの容量設計装置及びその方法並びに記録媒体 |
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 |
CN114050608A (zh) * | 2021-10-28 | 2022-02-15 | 广东电网有限责任公司 | 光伏系统储能容量的优化配置方法、装置、设备及介质 |
CN115864475A (zh) * | 2022-11-30 | 2023-03-28 | 国网内蒙古东部电力有限公司电力科学研究院 | 一种风光储容量优化配置方法及系统 |
CN116169701A (zh) * | 2023-03-06 | 2023-05-26 | 中慧智电(江苏)科技有限公司 | 一种基于最大化光伏消纳率的储能容量配置方法 |
Non-Patent Citations (1)
Title |
---|
马汇海 等: "基于分时电价的用户侧光伏储能系统容量配置", 《科学技术与工程》, vol. 23, no. 31, 8 November 2023 (2023-11-08), pages 13387 - 13393 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109193812B (zh) | 一种园区光储荷微电网经济调度实现方法 | |
CN102694391B (zh) | 风光储联合发电系统日前优化调度方法 | |
CN109523128B (zh) | 一种促进消纳的可再生能源容量配置方法 | |
Acevedo-Arenas et al. | MPC for optimal dispatch of an AC-linked hybrid PV/wind/biomass/H2 system incorporating demand response | |
Abbes et al. | Eco-design optimisation of an autonomous hybrid wind–photovoltaic system with battery storage | |
CN110661246B (zh) | 一种城市轨道交通光伏储能系统的容量优化配置方法 | |
Zhang et al. | Research on the configuration and operation effect of the hybrid solar-wind-battery power generation system based on NSGA-II | |
CN101769788B (zh) | 一种光伏电站光功率预测及发电量预测的方法 | |
US20140365419A1 (en) | Adaptation of a power generation capacity and determining of an energy storage unit size | |
CN103023035B (zh) | 一种多能互补发电系统的优化配置方法 | |
CN112734098B (zh) | 一种基于源-荷-网平衡的配电网电力调度方法及系统 | |
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 | |
CN103236718A (zh) | 一种智能微网的源-网-荷自动控制系统及控制方法 | |
CN102324752A (zh) | 结合风力发电的纯电动汽车有序充放电协调控制系统 | |
CN108876000A (zh) | 一种光伏充电站光、储、变压器容量协调优化配置方法 | |
CN113224756B (zh) | 一种应用于光伏建筑一体化最佳装机容量测算的方法 | |
CN114243795A (zh) | 一种典型充电站综合能源协同交互优化配置方法及系统 | |
CN104362621A (zh) | 一种基于反熵权法的光伏电站运行特性评估方法 | |
CN114036451A (zh) | 一种并网式光储充装置的储能控制方法及系统 | |
KR20130074045A (ko) | 마이크로그리드 기반의 수용가 에너지 관리 방법 및 시스템 | |
Yassin et al. | Battery capacity estimation for building integrated photovoltaic system: Design study for different geographical location (s) | |
CN102437593A (zh) | 一种小型风光互补独立供电系统 | |
CN110826210B (zh) | 基于功率互联的多区域楼宇虚拟电厂建模及优化协调方法 | |
CN116154770A (zh) | 一种基于光伏储能的建筑工地智慧用电调度系统及方法 | |
CN116207760A (zh) | 源网荷储容量配置方法 |
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 |