CN117611234A - 高速公路综合能源系统预测优化方法、系统、设备及介质 - Google Patents

高速公路综合能源系统预测优化方法、系统、设备及介质 Download PDF

Info

Publication number
CN117611234A
CN117611234A CN202311539412.8A CN202311539412A CN117611234A CN 117611234 A CN117611234 A CN 117611234A CN 202311539412 A CN202311539412 A CN 202311539412A CN 117611234 A CN117611234 A CN 117611234A
Authority
CN
China
Prior art keywords
representing
power
preset
price
energy storage
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
Application number
CN202311539412.8A
Other languages
English (en)
Inventor
王哲
曹波
朱亚伦
汪明
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Zhengchen Polytron Technologies Co ltd
Shandong Jianzhu University
Original Assignee
Shandong Zhengchen Polytron Technologies Co ltd
Shandong Jianzhu University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Zhengchen Polytron Technologies Co ltd, Shandong Jianzhu University filed Critical Shandong Zhengchen Polytron Technologies Co ltd
Priority to CN202311539412.8A priority Critical patent/CN117611234A/zh
Publication of CN117611234A publication Critical patent/CN117611234A/zh
Pending legal-status Critical Current

Links

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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Game Theory and Decision Science (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本申请公开了一种高速公路综合能源系统预测优化方法、系统、设备及介质，主要涉及能源系统预测技术领域，用以解决现有的方案不涉及在高速公路综合能源系统中使用分布式储能的应用问题。包括：获取成本计算公式，以建立目标函数，获取成本计算公式中预设参数的约束范围；其中，预设参数包括：充电功率和放电功率；将目标函数和预设参数的约束范围作为自然生态系统优化算法的输入，以获得预设参数的输出值；获取当前电网价格，以在当前电网价格低于预设阈值价格时，进行充电；基于预设充电功率矫正公式，获取计算数据，以获得充电功率；在当前电网价格大于预设阈值价格时，进行放电；将放电功率的输出值输入预设放电功率矫正公式，以获得放电功率。

Description

高速公路综合能源系统预测优化方法、系统、设备及介质
技术领域
本申请涉及高速公路综合能源系统技术领域，尤其涉及一种高速公路综合能源系统预测优化方法、系统、设备及介质。
背景技术
目前，高速公路的综合能源系统主要组成部分包括电网购电、光伏发电、储能系统、电动汽车充电桩等。高速公路上的太阳能光伏板等设备可以将太阳能和等可再生能源转化为电能，供给路灯、充电桩、监控设备以及为服务区供电。此外，高速公路在储能系统方面，通过建立储能设备将可再生能源转换的电能和来自电网的购电进行存储，这些储电可以根据市电价格的峰谷变动和可再生能源的出力情况以及需求侧的响应曲线进行综合调度。
如今的高速公路的综合能源系统调度优化向着深层次的方向前进，例如使用线性规划或使用启发式算法进行优化调度。许多高速公路配备了光伏发电站和集中式储能设备进行综合能源调度，以及配备电动汽车充电桩为电动汽车提供电力服务。可见对于未来的高速公路势必是以经济化和环保化为目标进行建设。
然而，高速公路的综合能源系统还存在一些问题和挑战。例如，在住宅区或者工业园区的综合能源系统网络中，储能从集中式储能向分布式储能转变，但在高速公路综合能源系统中使用分布式储能的应用匮乏。
发明内容
针对现有技术的上述不足，本申请提供一种高速公路综合能源系统预测优化系统、方法及介质，以解决现有的方案不涉及在高速公路综合能源系统中使用分布式储能的应用的问题。
第一方面，本申请提供了一种高速公路综合能源系统预测优化方法，方法包括：获取成本计算公式，以建立目标函数，获取成本计算公式中预设参数的约束范围；其中，预设参数包括：充电功率和放电功率；将目标函数和预设参数的约束范围作为自然生态系统优化算法的输入，以获得预设参数的输出值；获取当前电网价格，以在当前电网价格低于预设阈值价格时，进行充电；基于预设充电功率矫正公式，获取计算数据，以获得充电功率；在当前电网价格大于预设阈值价格时，进行放电；将放电功率的输出值输入预设放电功率矫正公式，以获得放电功率。
进一步地，获取成本计算公式，以建立目标函数，具体包括：根据公式：，建立目标函数；其中，/>表示投资成本，/>表示运营成本，j表示第j个分布式储能设备，S表示分布式储能设备的总数；且，，其中，m表示折现率，y表示电池寿命年，/>表示第j个分布式储能设备的逆变器功率；/>表示第j个分布式储能的电池容量，/>、/>分别表示光伏发电设备和储能设备的单位投资成本；且，/>，，其中，/>、/>分别表示在t时刻从电网购买电力的单位价格和向电网出售发电的单位价格，/>分别表示在/>的时间段内第j个分布式储能设备在t时刻的充电功率和放电功率，/>表示在t时刻向电网售电的反馈功率，/>表示预设时间间隔，/>表示第j个分布式储能设备在t时刻的负荷量。
进一步地，基于预设充电功率矫正公式，获取计算数据，以获得充电功率，具体包括：将充电功率的输出值输入预设充电功率矫正公式：，以获得充电功率；其中，/>表示当前电网价格，/>表示预设阈值价格，/>表示第j个分布式储能设备逆变器功率，/>表示用户侧在t时刻可用光伏发电量，/>表示第j个分布式储能的电池容量，/>表示前一个时刻的电池容量，/>表示t时刻电池的充电效率，/>表示预设时间间隔。
进一步地，将放电功率的输出值输入预设放电功率矫正公式，以获得放电功率，具体包括：将放电功率的输出值输入预设放电功率矫正公式：，以获得放电功率；其中，/>表示当前电网价格，/>表示预设阈值价格，/>表示前一个时刻的电池容量，，/>表示t时刻电池的放电效率，/>表示第j个分布式储能设备逆变器功率。
第二方面，本申请提供了一种高速公路综合能源系统预测优化系统，系统包括：获取模块，用于获取成本计算公式，以建立目标函数，获取成本计算公式中预设参数的约束范围；其中，预设参数包括：充电功率和放电功率；获得模块，用于将目标函数和预设参数的约束范围作为自然生态系统优化算法的输入，以获得预设参数的输出值；获取当前电网价格，以在当前电网价格低于预设阈值价格时，进行充电；基于预设充电功率矫正公式，获取计算数据，以获得充电功率；在当前电网价格大于预设阈值价格时，进行放电；将放电功率的输出值输入预设放电功率矫正公式，以获得放电功率。
进一步地，获取模块包括建立单元，用于根据公式：，建立目标函数；其中，/>表示投资成本，/>表示运营成本，j表示第j个分布式储能设备，S表示分布式储能设备的总数；且，/>，其中，m表示折现率，y表示电池寿命年，/>表示第j个分布式储能设备的逆变器功率；/>表示第j个分布式储能的电池容量，/>、/>分别表示光伏发电设备和储能设备的单位投资成本；且，，/>，其中，/>、/>分别表示在t时刻从电网购买电力的单位价格和向电网出售发电的单位价格，/>分别表示在/>的时间段内第j个分布式储能设备在t时刻的充电功率和放电功率，/>表示在t时刻向电网售电的反馈功率，/>表示预设时间间隔，/>表示第j个分布式储能设备在t时刻的负荷量。
进一步地，获得模块包括第一获得单元，用于将充电功率的输出值输入预设充电功率矫正公式：，以获得充电功率；其中，/>表示当前电网价格，/>表示预设阈值价格，/>表示第j个分布式储能设备逆变器功率，/>表示用户侧在t时刻可用光伏发电量，/>表示第j个分布式储能的电池容量，/>表示前一个时刻的电池容量，/>表示t时刻电池的充电效率，/>表示预设时间间隔。
进一步地，获得模块包括第二获得单元，用于将放电功率的输出值输入预设放电功率矫正公式：，以获得放电功率；其中，/>表示当前电网价格，/>表示预设阈值价格，/>表示前一个时刻的电池容量，，/>表示t时刻电池的放电效率，/>表示第j个分布式储能设备逆变器功率。
第三方面，本申请提供了一种高速公路综合能源系统预测优化设备，设备包括：处理器；以及存储器，其上存储有可执行代码，当可执行代码被执行时，使得处理器执行如上述任一项的一种高速公路综合能源系统预测优化方法。
第四方面，本申请提供了一种非易失性计算机存储介质，其上存储有计算机指令，计算机指令在被执行时实现如上述任一项的一种高速公路综合能源系统预测优化方法。
本领域技术人员能够理解的是，本申请至少具有如下有益效果：
本申请的优化调度算法选用自然界生态系统优化算法，目标函数是系统的整体成本，目标函数主要包括投资成本和运营成本。在优化过程中主要通过调整分布式储能设备的充放电减少电网购电量，并将光伏发电的余量向电网售卖，此时考虑市场价格因素。鉴于该目标函数系数较多所以使用自然界生态系统优化算法，通过模拟自然界中生产者、三类消费者和分解者的模式寻找最优解，在寻找最优解的过程中探索更深，且开发性更强，且适用于本系统中的调度寻优过程。最后通过该算法的调度模型可以确定最优的充放电曲线和电池容量，以实现本发明的目的。
附图说明
下面参照附图来描述本公开的部分实施例，附图中：
图1是本申请实施例提供的一种高速公路综合能源系统预测优化方法流程图。
图2是本申请实施例提供的一种高速公路综合能源系统预测优化系统内部结构示意图。
图3是本申请实施例提供的一种高速公路综合能源系统预测优化设备内部结构示意图。
具体实施方式
本领域技术人员应当理解的是，下文所描述的实施例仅仅是本公开的优选实施例，并不表示本公开仅能通过该优选实施例实现，该优选实施例仅仅是用于解释本公开的技术原理，并非用于限制本公开的保护范围。基于本公开提供的优选实施例，本领域普通技术人员在没有付出创造性劳动的情况下所获得的其它所有实施例，仍应落入到本公开的保护范围之内。
还需要说明的是，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、商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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
下面通过附图对本申请实施例提出的技术方案进行详细的说明。
本申请实施例提供了一种高速公路综合能源系统预测优化方法，如图1所示，本申请实施例提供的方法，主要包括以下步骤：
步骤110、获取成本计算公式，以建立目标函数，获取成本计算公式中预设参数的约束范围。
需要说明的是，预设参数包括：充电功率和放电功率。
获取成本计算公式，以建立目标函数，具体包括：
根据公式：，建立目标函数；其中，/>表示投资成本，表示运营成本，j表示第j个分布式储能设备，S表示分布式储能设备的总数；且，，其中，m表示折现率，y表示电池寿命年，/>表示第j个分布式储能设备的逆变器功率；/>表示第j个分布式储能的电池容量，/>、/>分别表示光伏发电设备和储能设备的单位投资成本。
且，，/>，其中，/>、/>分别表示在t时刻从电网购买电力的单位价格和向电网出售发电的单位价格，/>分别表示在的时间段内第j个分布式储能设备在t时刻的充电功率和放电功率，/>表示在t时刻向电网售电的反馈功率，/>表示预设时间间隔，/>表示第j个分布式储能设备在t时刻的负荷量。
步骤120、将目标函数和预设参数的约束范围作为自然生态系统优化算法的输入，以获得预设参数的输出值。
需要说明的是，约束范围可以为：，其中，/>分别表示在的时间段内第j个分布式储能设备在t时刻的充电功率和放电功率，/>表示第j个分布式储能设备逆变器功率。自然生态系统优化算法是一种基于自然界中生态系统的生态位差异和相互作用的优化算法。该算法通过模拟生态系统中物种之间的相互作用和竞争关系，以此来实现优化搜索空间。常见的自然生态系统优化算法包括多子群共生优化算法和基于动物群体竞争行为的优化算法。
步骤130、获取当前电网价格，以在当前电网价格低于预设阈值价格时，进行充电；基于预设充电功率矫正公式，获取计算数据，以获得充电功率；在当前电网价格大于预设阈值价格时，进行放电；将放电功率的输出值输入预设放电功率矫正公式，以获得放电功率。
其中，基于预设充电功率矫正公式，获取计算数据，以获得充电功率，具体可以为：
将充电功率的输出值输入预设充电功率矫正公式：，以获得充电功率；其中，/>表示当前电网价格，/>表示预设阈值价格，/>表示第j个分布式储能设备逆变器功率，/>表示用户侧在t时刻可用光伏发电量，/>表示第j个分布式储能的电池容量，/>表示前一个时刻的电池容量，/>表示t时刻电池的充电效率，/>表示预设时间间隔。
其中，将放电功率的输出值输入预设放电功率矫正公式，以获得放电功率，具体可以为：
将放电功率的输出值输入预设放电功率矫正公式：，以获得放电功率；其中，/>表示当前电网价格，/>表示预设阈值价格，/>表示前一个时刻的电池容量，，/>表示t时刻电池的放电效率，/>表示第j个分布式储能设备逆变器功率。
除此之外，图2为本申请实施例提供的一种高速公路综合能源系统预测优化系统。如图2所示，本申请实施例提供的系统，主要包括：
获取模块210，用于获取成本计算公式，以建立目标函数，获取成本计算公式中预设参数的约束范围；其中，预设参数包括：充电功率和放电功率。
其中，获取成本计算公式，以建立目标函数，具体可以通过获取模块210中的建立单元根据公式：，建立目标函数，其中，/>表示投资成本，/>表示运营成本，j表示第j个分布式储能设备，S表示分布式储能设备的总数。
且，，其中，m表示折现率，y表示电池寿命年，表示第j个分布式储能设备的逆变器功率；/>表示第j个分布式储能的电池容量，、/>分别表示光伏发电设备和储能设备的单位投资成本；且，/>，，其中，/>、/>分别表示在t时刻从电网购买电力的单位价格和向电网出售发电的单位价格，/>分别表示在/>的时间段内第j个分布式储能设备在t时刻的充电功率和放电功率，/>表示在t时刻向电网售电的反馈功率，/>表示预设时间间隔，/>表示第j个分布式储能设备在t时刻的负荷量。
获得模块220，用于将目标函数和预设参数的约束范围作为自然生态系统优化算法的输入，以获得预设参数的输出值；获取当前电网价格，以在当前电网价格低于预设阈值价格时，进行充电；基于预设充电功率矫正公式，获取计算数据，以获得充电功率；在当前电网价格大于预设阈值价格时，进行放电；将放电功率的输出值输入预设放电功率矫正公式，以获得放电功率。
其中，基于预设充电功率矫正公式，获取计算数据，以获得充电功率，具体可以为：
获得模块220中的第一获得单元，将充电功率的输出值输入预设充电功率矫正公式：，以获得充电功率。
其中，表示当前电网价格，/>表示预设阈值价格，/>表示第j个分布式储能设备逆变器功率，/>表示用户侧在t时刻可用光伏发电量，/>表示第j个分布式储能的电池容量，/>表示前一个时刻的电池容量，/>表示t时刻电池的充电效率，/>表示预设时间间隔。
其中，将放电功率的输出值输入预设放电功率矫正公式，以获得放电功率，具体可以为：
通过获得模块220的第二获得单元将放电功率的输出值输入预设放电功率矫正公式：，以获得放电功率；其中，/>表示当前电网价格，/>表示预设阈值价格，/>表示前一个时刻的电池容量，，/>表示t时刻电池的放电效率，/>表示第j个分布式储能设备逆变器功率。
以上为本申请中的方法实施例，基于同样的发明构思，本申请实施例还提供了一种高速公路综合能源系统预测优化设备。如图3所示，该设备包括：处理器；以及存储器，其上存储有可执行代码，当可执行代码被执行时，使得处理器执行如上述实施例中的一种高速公路综合能源系统预测优化方法。
具体地，服务器端获取成本计算公式，以建立目标函数，获取成本计算公式中预设参数的约束范围；其中，预设参数包括：充电功率和放电功率；将目标函数和预设参数的约束范围作为自然生态系统优化算法的输入，以获得预设参数的输出值；获取当前电网价格，以在当前电网价格低于预设阈值价格时，进行充电；基于预设充电功率矫正公式，获取计算数据，以获得充电功率；在当前电网价格大于预设阈值价格时，进行放电；将放电功率的输出值输入预设放电功率矫正公式，以获得放电功率。
除此之外，本申请实施例还提供了一种非易失性计算机存储介质，其上存储有可执行指令，在该可执行指令被执行时，实现如上述的一种高速公路综合能源系统预测优化方法。
至此，已经结合前文的多个实施例描述了本公开的技术方案，但是，本领域技术人员容易理解的是，本公开的保护范围并不仅限于这些具体实施例。在不偏离本公开技术原理的前提下，本领域技术人员可以对上述各个实施例中的技术方案进行拆分和组合，也可以对相关技术特征作出等同的更改或替换，凡在本公开的技术构思和/或技术原理之内所做的任何更改、等同替换、改进等都将落入本公开的保护范围之内。

Claims (10)

1.一种高速公路综合能源系统预测优化方法，其特征在于，所述方法包括：
获取成本计算公式，以建立目标函数，获取成本计算公式中预设参数的约束范围；其中，预设参数包括：充电功率和放电功率；
将目标函数和预设参数的约束范围作为自然生态系统优化算法的输入，以获得预设参数的输出值；
获取当前电网价格，以在当前电网价格低于预设阈值价格时，进行充电；基于预设充电功率矫正公式，获取计算数据，以获得充电功率；在当前电网价格大于预设阈值价格时，进行放电；将放电功率的输出值输入预设放电功率矫正公式，以获得放电功率。
2.根据权利要求1所述的高速公路综合能源系统预测优化方法，其特征在于，获取成本计算公式，以建立目标函数，具体包括：
根据公式：，建立目标函数；
其中，表示投资成本，/>表示运营成本，j表示第j个分布式储能设备，S表示分布式储能设备的总数；
且，，其中，m表示折现率，y表示电池寿命年，/>表示第j个分布式储能设备的逆变器功率；/>表示第j个分布式储能的电池容量，/>、分别表示光伏发电设备和储能设备的单位投资成本；
且，，/>，其中，/>、/>分别表示在t时刻从电网购买电力的单位价格和向电网出售发电的单位价格，/>分别表示在/>的时间段内第j个分布式储能设备在t时刻的充电功率和放电功率，/>表示在t时刻向电网售电的反馈功率，/>表示预设时间间隔，/>表示第j个分布式储能设备在t时刻的负荷量。
3.根据权利要求1所述的高速公路综合能源系统预测优化方法，其特征在于，基于预设充电功率矫正公式，获取计算数据，以获得充电功率，具体包括：
将充电功率的输出值输入预设充电功率矫正公式：，以获得充电功率；
其中，表示当前电网价格，/>表示预设阈值价格，/>表示第j个分布式储能设备逆变器功率，/>表示用户侧在t时刻可用光伏发电量，/>表示第j个分布式储能的电池容量，/>表示前一个时刻的电池容量，/>表示t时刻电池的充电效率，/>表示预设时间间隔。
4.根据权利要求1所述的高速公路综合能源系统预测优化方法，其特征在于，将放电功率的输出值输入预设放电功率矫正公式，以获得放电功率，具体包括：
将放电功率的输出值输入预设放电功率矫正公式：，以获得放电功率；
其中，表示当前电网价格，/>表示预设阈值价格，/>表示前一个时刻的电池容量，，/>表示t时刻电池的放电效率，/>表示第j个分布式储能设备逆变器功率。
5.一种高速公路综合能源系统预测优化系统，其特征在于，所述系统包括：
获取模块，用于获取成本计算公式，以建立目标函数，获取成本计算公式中预设参数的约束范围；其中，预设参数包括：充电功率和放电功率；
获得模块，用于将目标函数和预设参数的约束范围作为自然生态系统优化算法的输入，以获得预设参数的输出值；获取当前电网价格，以在当前电网价格低于预设阈值价格时，进行充电；基于预设充电功率矫正公式，获取计算数据，以获得充电功率；在当前电网价格大于预设阈值价格时，进行放电；将放电功率的输出值输入预设放电功率矫正公式，以获得放电功率。
6.根据权利要求5所述的高速公路综合能源系统预测优化系统，其特征在于，获取模块包括建立单元，
用于根据公式：，建立目标函数；
其中，表示投资成本，/>表示运营成本，j表示第j个分布式储能设备，S表示分布式储能设备的总数；
且，，其中，m表示折现率，y表示电池寿命年，/>表示第j个分布式储能设备的逆变器功率；/>表示第j个分布式储能的电池容量，/>、分别表示光伏发电设备和储能设备的单位投资成本；
且，，/>，其中，/>、/>分别表示在t时刻从电网购买电力的单位价格和向电网出售发电的单位价格，/>分别表示在/>的时间段内第j个分布式储能设备在t时刻的充电功率和放电功率，/>表示在t时刻向电网售电的反馈功率，/>表示预设时间间隔，/>表示第j个分布式储能设备在t时刻的负荷量。
7.根据权利要求5所述的高速公路综合能源系统预测优化系统，其特征在于，获得模块包括第一获得单元，
用于将充电功率的输出值输入预设充电功率矫正公式：，以获得充电功率；
其中，表示当前电网价格，/>表示预设阈值价格，/>表示第j个分布式储能设备逆变器功率，/>表示用户侧在t时刻可用光伏发电量，/>表示第j个分布式储能的电池容量，/>表示前一个时刻的电池容量，/>表示t时刻电池的充电效率，/>表示预设时间间隔。
8.根据权利要求5所述的高速公路综合能源系统预测优化系统，其特征在于，获得模块包括第二获得单元，
用于将放电功率的输出值输入预设放电功率矫正公式：，以获得放电功率；
其中，表示当前电网价格，/>表示预设阈值价格，/>表示前一个时刻的电池容量，，/>表示t时刻电池的放电效率，/>表示第j个分布式储能设备逆变器功率。
9.一种高速公路综合能源系统预测优化设备，其特征在于，所述设备包括：
处理器；
以及存储器，其上存储有可执行代码，当所述可执行代码被执行时，使得所述处理器执行如权利要求1-4任一项所述的一种高速公路综合能源系统预测优化方法。
10.一种非易失性计算机存储介质，其特征在于，其上存储有计算机指令，所述计算机指令在被执行时实现如权利要求1-4任一项所述的一种高速公路综合能源系统预测优化方法。
CN202311539412.8A 2023-11-17 2023-11-17 高速公路综合能源系统预测优化方法、系统、设备及介质 Pending CN117611234A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311539412.8A CN117611234A (zh) 2023-11-17 2023-11-17 高速公路综合能源系统预测优化方法、系统、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311539412.8A CN117611234A (zh) 2023-11-17 2023-11-17 高速公路综合能源系统预测优化方法、系统、设备及介质

Publications (1)

Publication Number Publication Date
CN117611234A true CN117611234A (zh) 2024-02-27

Family

ID=89954196

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311539412.8A Pending CN117611234A (zh) 2023-11-17 2023-11-17 高速公路综合能源系统预测优化方法、系统、设备及介质

Country Status (1)

Country Link
CN (1) CN117611234A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107392395A (zh) * 2017-08-23 2017-11-24 天津大学 一种基于价格激励机制的配电网和微电网协调优化方法
CN113435095A (zh) * 2021-06-11 2021-09-24 中国电力科学研究院有限公司 一种用于综合能源系统的优化调度的方法及系统
CN113555887A (zh) * 2021-07-14 2021-10-26 北京金山云网络技术有限公司 电网能源控制方法、装置、电子设备及存储介质
CN116488140A (zh) * 2023-03-16 2023-07-25 山东正晨科技股份有限公司 高速公路综合能源管控系统调度方法、装置、设备、介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107392395A (zh) * 2017-08-23 2017-11-24 天津大学 一种基于价格激励机制的配电网和微电网协调优化方法
CN113435095A (zh) * 2021-06-11 2021-09-24 中国电力科学研究院有限公司 一种用于综合能源系统的优化调度的方法及系统
CN113555887A (zh) * 2021-07-14 2021-10-26 北京金山云网络技术有限公司 电网能源控制方法、装置、电子设备及存储介质
CN116488140A (zh) * 2023-03-16 2023-07-25 山东正晨科技股份有限公司 高速公路综合能源管控系统调度方法、装置、设备、介质

Similar Documents

Publication Publication Date Title
Hemmati Technical and economic analysis of home energy management system incorporating small-scale wind turbine and battery energy storage system
US11537091B2 (en) Multi-scale optimization framework for smart energy systems
Kang et al. How to better share energy towards a carbon-neutral city? A review on application strategies of battery energy storage system in city
Aboli et al. Joint optimization of day-ahead and uncertain near real-time operation of microgrids
Chowdhury et al. Techno-environmental analysis of battery storage for grid level energy services
KR101319254B1 (ko) 스마트 마이크로 그리드 운영시스템 및 방법
Elnozahy et al. Efficient metaheuristic Utopia-based multi-objective solutions of optimal battery-mix storage for microgrids
Liu et al. Online energy management of PV-assisted charging station under time-of-use pricing
ur Rehman et al. Data analysis of a monitored building using machine learning and optimization of integrated photovoltaic panel, battery and electric vehicles in a Central European climatic condition
Zhang et al. Grid-connected photovoltaic battery systems: A comprehensive review and perspectives
JP6451128B2 (ja) エネルギーマネジメントシステムおよび電力需給計画最適化方法
Rodríguez-Gallegos et al. Optimal PV and storage sizing for PV-battery-diesel hybrid systems
Hafiz et al. Charge scheduling of a plug-in electric vehicle considering load demand uncertainty based on multi-stage stochastic optimization
Ivanova et al. Techno‐economic feasibility of a photovoltaic‐equipped plug‐in electric vehicle public parking lot with coordinated charging
Bektas et al. A hybrid heuristic algorithm for optimal energy scheduling of grid-connected micro grids
Maleki et al. Optimization of grid independent diesel-based hybrid system for power generation using improved particle swarm optimization algorithm
Zhou et al. Energy storage resources management: Planning, operation, and business model
Gupta et al. Design of an autonomous renewable hybrid power system
Sathyan et al. ANN-based energy management system for PV-powered EV charging station with battery backup and vehicle to grid support
CN117611234A (zh) 高速公路综合能源系统预测优化方法、系统、设备及介质
Li et al. A simulation environment of solar-wind powered electric vehicle car park for reinforcement learning and optimization
Bhatti et al. Comparative analysis of proposed photovoltaic-grid and grid-only systems for uninterrupted charging of plug-in electric vehicles
JP6423246B2 (ja) 需給管理装置
Jain et al. Battery optimization in microgrids using Markov decision process integrated with load and solar forecasting
Taher et al. Multi-objective optimization of a grid-connected PV system for a public building: Faculty of Sciences and Technology at Pau

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