CN117650554A - 面向光储一体化的储能与逆变器容量配置方法 - Google Patents

面向光储一体化的储能与逆变器容量配置方法 Download PDF

Info

Publication number
CN117650554A
CN117650554A CN202311453863.XA CN202311453863A CN117650554A CN 117650554 A CN117650554 A CN 117650554A CN 202311453863 A CN202311453863 A CN 202311453863A CN 117650554 A CN117650554 A CN 117650554A
Authority
CN
China
Prior art keywords
energy storage
representing
capacity
inverter
power
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
CN202311453863.XA
Other languages
English (en)
Inventor
周天
王仁顺
王世龙
耿光超
江全元
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202311453863.XA priority Critical patent/CN117650554A/zh
Publication of CN117650554A publication Critical patent/CN117650554A/zh
Pending legal-status Critical Current

Links

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10Power 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
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20The dispersed energy generation being of renewable origin
    • H02J2300/22The renewable source being solar energy
    • H02J2300/24The renewable source being solar energy of photovoltaic origin
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/50Photovoltaic [PV] energy
    • Y02E10/56Power conversion systems, e.g. maximum power point trackers
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Power Engineering (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种面向光储一体化的储能与逆变器容量配置方法。本发明采用的技术方案为:对于给定的工业园区或大型建筑群,根据其负荷水平、所在地太阳辐射情况与拟配置的光伏发电系统容量,以用户支出总成本最小为目标函数,以储能运行约束、逆变器容量约束、功率平衡约束构建面向光储一体化的储能与逆变器容量配置优化模型并进行求解,得到储能系统的额定功率、额定容量、逆变器容量三者的优化配置结果,并根据该结果为目标用户的光储一体化系统储能功率与容量、逆变器容量配置提供指导,提高逆变器的利用效率,降低了光储一体化系统的建设成本。

Description

面向光储一体化的储能与逆变器容量配置方法
技术领域
本发明属于电力系统新能源与储能规划技术领域,具体涉及一种面向光储一体化的储能与逆变器容量配置方法。
背景技术
光储一体化是指将光伏发电系统和储能系统紧密结合在一起,形成一个协同工作的整体。光伏发电系统的电能可以直接供应给负载,同时也可以用于充电储能系统。储能系统可以在光伏发电系统产生电能超过负载需求时进行储存,以便在夜间或光照不足时供应电能。这种紧密集成的方式可以有效平衡光伏发电系统的波动性和负载需求之间的差异,提供稳定的电力输出。光储一体化系统的目标是提高可再生能源的利用效率、电力品质和可靠性。
在传统的光-储联合规划中,光伏发电系统与储能系统分别使用不同的逆变器,这造成了一定程度上的浪费。而在光储一体化系统中,光伏发电系统与储能系统共用一个逆变器,从而提高了系统的整体效率和经济性。光储一体化系统中的共用逆变器可以实现直接的能量转换和交互,减少了能量在转换过程中的损耗,并简化了系统的设计和安装。
因此,在光伏发电系统容量确定的前提下,通过合理规划光储一体化系统中的储能与逆变器容量,提高系统的能源与设备利用效率和经济性,是值得研究的问题。
发明内容
本发明所要解决的技术问题是克服现有技术的缺陷,并提供一种面向光储一体化的储能与逆变器容量配置方法。对于给定的工业园区或大型建筑群,根据其负荷水平、所在地太阳辐射情况与拟配置的光伏发电系统容量,计及功率平衡约束、储能运行约束与逆变器容量约束,以用户支出总成本最小为目标函数,构建面向光储一体化的储能与逆变器容量配置优化模型并求解。
本发明采用的技术方案是:
一种面向光储一体化的储能与逆变器容量配置方法,其步骤如下:
S1.以光伏-储能一体化系统中的储能系统的额定功率、所述储能系统的额定容量、以光伏-储能一体化系统中的逆变器容量为决策变量,以光伏-储能一体化系统用户的支出总成本最小为目标函数,结合约束条件,构建面向光储一体化的储能与逆变器容量配置优化模型;所述约束条件包括功率平衡约束条件、储能运行约束条件与逆变器容量约束条件;
S2.获取负荷数据与太阳辐射数据,获取所述用户拟配置的所述光伏-储能一体化系统中的光伏发电系统容量数据,将所述负荷数据、所述太阳辐射数据、所述光伏发电系统容量数据一起输入到所述储能与逆变器容量配置优化模型中;
S3.利用求解器对所述储能与逆变器容量配置优化模型进行求解,分别得到所述额定功率、所述额定容量、所述逆变器容量三者的配置结果。
作为优选,所述目标函数obj的函数形式如下:
obj=CFEE-CSELL+CCON+CMA
CCON=τ(PPV·cPV+PES·cPES+EES·cEES+PINV·cINV)
CMA=α·CCON
其中,CFEE表示所述用户的电费支出;CSELL表示所述用户的余电上网收益;CCON表示所述光伏-储能一体化系统的建设费用;CMA表示所述光伏-储能一体化系统的维护费用;表示t时刻光伏-储能一体化系统用户的分时电价,cSELL表示分布式发电上网电价;cPV表示所述光伏发电系统的单位功率成本,cPES表示所述储能系统的单位功率成本,cEES表示所述储能系统的单位容量成本,cINV表示所述逆变器的单位容量成本,/>表示所述光伏-储能一体化系统在s场景t时刻向电网供电的功率;/>表示所述光伏-储能一体化系统在s场景t时刻向电网送电的功率;PPV表示所述光伏系统的额定功率;PES表示所述储能系统的额定功率;EES表示所述储能系统的额定容量;PINV表示所述逆变器的额定功率;α为所述光伏-储能一体化系统的维护费用系数,τ为资本回收系数,τ的函数形式如下:
τ=i(1+i)L/[(1+i)L-1]
其中,i为通货膨胀率,L为所述光伏-储能一体化系统的寿命。
作为优选,所述功率平衡约束条件的函数形式如下:
其中,表示s场景t时刻的所述逆变器的传输功率;/>表示s场景t时刻所述用户的负荷功率。
作为优选,所述储能运行约束条件的函数形式如下:
γlEES≤es,t≤γuEES
es,0=γuEES
es,T=es,0
其中,表示s场景t时刻所述储能系统的放电功率;/>表示s场景t时刻所述储能系统的充电功率;/>表示s场景t时刻所述储能系统的净输出功率;es,t表示s场景t时刻所述储能系统的能量;/>表示s场景t时刻所述储能系统的放电状态0-1变量;/>表示s场景t时刻所述储能系统的充电状态0-1变量;ηch表示所述储能系统的充电损耗系数;ηdc表示所述储能系统的放电损耗系数;γu表示所述储能系统的能量上限归一化系数;γl表示所述储能系统的能量下限归一化系数;μ表示所述储能系统的充放电裕度系数;δ为所述储能系统的能量自损耗系数。
作为优选,所述逆变器容量约束条件的函数形式如下:
作为优选,所述求解器采用Gurobi。
作为优选,所述负荷数据与太阳辐射数据来源于工业园区或建筑群。
本发明相对于现有技术而言,具有以下有益效果:
在传统的光-储联合规划中,光伏发电系统与储能系统分别配置不同的逆变器,而在本发明中,光储一体化系统内部的光伏发电系统与储能系统共用一个逆变器,这使逆变器的利用效率大大提高,降低了光储一体化系统的建设成本。同时,在面向光储一体化的储能与逆变器容量配置优化模型中,考虑了功率平衡约束条件、储能运行约束与逆变器容量约束,以用户投资运行维护的所有支出总成本最小为目标函数,在获取储能系统与逆变器容量最优解的同时,获取储能系统最优运行策略。
附图说明
图1为面向光储一体化的储能与逆变器容量配置方法的整体框图;
图2为本发明实施例中工业园区的四季典型日负荷曲线图;
图3为本发明实施例中工业园区的四季典型日理想光伏发电曲线图。
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。本发明各个实施例中的技术特征在没有相互冲突的前提下,均可进行相应组合。
在本发明的一个较佳实施例中,提出了一种面向光储一体化的储能与逆变器容量配置方法,包括如下步骤:
S1.以光伏-储能一体化系统中的储能系统的额定功率、所述储能系统的额定容量、以光伏-储能一体化系统中的逆变器容量为决策变量,以光伏-储能一体化系统用户的支出总成本最小为目标函数,结合约束条件,构建面向光储一体化的储能与逆变器容量配置优化模型;所述约束条件包括功率平衡约束条件、储能运行约束条件与逆变器容量约束条件;
S2.获取负荷数据与太阳辐射数据,获取所述用户拟配置的光伏-储能一体化系统中的光伏容量数据,将所述负荷数据、所述太阳辐射数据、所述光伏容量数据一起输入到所述储能与逆变器容量配置优化模型中;
S3.利用求解器对所述储能与逆变器容量配置优化模型进行求解,分别得到所述额定功率、所述额定容量、所述逆变器容量三者的配置结果。
在本发明实施例中,上述目标函数obj的函数形式如下:
obj=CFEE-CSELL+CCON+CMA
CCON=τ(PPV·cPV+PES·cPES+EES·cEES+PINV·cINV)
CMA=α·CCON
其中,CFEE表示所述用户的电费支出;CSELL表示所述用户的余电上网收益;CCON表示所述光伏-储能一体化系统的建设费用;CMA表示所述光伏-储能一体化系统的维护费用;表示t时刻所述用户的分时电价,cSELL表示分布式发电上网电价;cPV表示所述光伏-储能一体化系统中的光伏发电系统的单位功率成本,cPES表示所述储能系统的单位功率成本,cEES表示所述储能系统的单位容量成本,cINV表示所述逆变器的单位容量成本,/>表示所述光伏-储能一体化系统在s场景t时刻向电网供电的功率;/>表示所述光伏-储能一体化系统在s场景t时刻向电网送电的功率;PPV表示所述光伏系统的额定功率;PES表示所述储能系统的额定功率;EES表示所述储能系统的额定容量;PINV表示所述逆变器的额定功率;α为所述光伏-储能一体化系统的维护费用系数,τ为资本回收系数,τ的函数形式如下:
τ=i(1+i)L/[(1+i)L-1]
其中,i为通货膨胀率,L为所述光伏-储能一体化系统的寿命。
需要说明的是,在本发明实施例中,所述光伏-储能一体化系统的用户可由电网供电或由光伏-储能一体化系统供电,两种供电方式可以同时进行,因此上述功率平衡约束条件的函数形式如下:
其中,表示s场景t时刻的所述逆变器的传输功率;/>表示s场景t时刻所述用户的负荷功率。
在本发明实施例中,上述储能运行约束条件可由如下函数表达式共同构成,其中,所述储能系统放电功率的上下限约束条件的函数形式为:
所述储能系统充电功率的上下限约束条件的函数形式为:
所述储能系统的注入功率表达式的函数形式为:
所述储能系统的工作状态约束条件的函数形式为:
所述储能系统的工作状态约束条件用来保证所述储能系统在同一时刻只能处于充电状态、放电状态或停机状态三者之一;所述储能系统的能量状态表达式的函数形式为:
所述储能系统的能量须保持在一定工作区间内,其对应的函数形式为:
γlEES≤es,t≤γuEES
所述储能系统在0时刻的能量约束条件的函数形式为:
es,0=γuEES
所述储能系统在T时刻的能量约束条件的函数形式为:
es,T=es,0
其中,表示s场景t时刻所述储能系统的放电功率;/>表示s场景t时刻所述储能系统的充电功率;/>表示s场景t时刻所述储能系统的净输出功率;es,t表示s场景t时刻所述储能系统的能量;/>表示s场景t时刻所述储能系统的放电状态0-1变量;/>表示s场景t时刻所述储能系统的充电状态0-1变量;ηch表示所述储能系统的充电损耗系数;ηdc表示所述储能系统的放电损耗系数;γu表示所述储能系统的能量上限归一化系数;γl表示所述储能系统的能量下限归一化系数;μ表示所述储能系统的充放电裕度系数;δ为所述储能系统的能量自损耗系数。
在本发明实施例中,上述储能系统与上述光伏-储能一体化系统中的光伏发电系统共用一个所述逆变器,由光伏-储能一体化系统单向地对所述用户供电或向电网送电。逆变器容量约束条件可由逆变器的送电功率约束条件和逆变器的最大送电功率约束条件共同构成。
上述逆变器的送电功率约束条件的函数形式为:
上述逆变器的最大送电功率约束条件的函数形式为:
需要说明的是,本发明实施例的上述负荷数据与太阳辐射数据来源于工业园区或建筑群的一定时间周期内的统计数据。此外,为验证本发明的有效性,下面实施例中采用基于浙江省某工业园区的相关数据实现了前述的评估方法,该工业园区拟配置320kW的光伏发电系统。本发明实施例方法的具体步骤不再赘述,主要给出其技术效果和实现细节。
本实施例使用Julia语言编写了本发明所述的方法,调用Gurobi进行求解,并针对案例数据展示实施效果。
运行环境:
Intel Core i3-10105 CPU 3.70GHz,16GB内存,Microsoft Windows 10X64
Gurobi 9.5.1
Julia 1.9.3
实施结果:
图1为该工业园区的四季典型日负荷曲线图。
图2为该工业园区配置320kW的光伏发电系统四季典型日理想发电曲线图。
若使用传统的光-储联合规划方法,则需要配置154.5kW/1352.1kWh的储能系统,268.9kW的光伏逆变器系统,146.8kW的储能逆变器系统,光伏-储能一体化系统建设费用为34.9万元,光伏-储能一体化系统供电费用为36.7万元,光伏-储能一体化系统售电收入为0元,光伏-储能一体化系统维护费用为0.3万元,光伏-储能一体化系统总费用为71.9万元。
根据本发明提出的面向光储一体化的储能与逆变器容量配置方法,计算得到该光伏-储能一体化系统需要配置210.9kW/1551.9kWh的储能系统,238.5kW的逆变器系统。以现年值计算,该工业园区的光伏-储能一体化系统建设费用为35.2万元,光伏-储能一体化系统供电费用为32.7万元,光伏-储能一体化系统售电收入为0元,光伏-储能一体化系统维护费用为0.3万元,光伏-储能一体化系统总费用为68.3万元。
因此,在本实施例中,使用本发明提供的方法进行光储一体化容量配置,相较于传统的光储联合规划方法可节约5.01%的总成本,进一步突出本发明的实际应用价值。
以上所述的实施例只是本发明的一种较佳的方案,然其并非用以限制本发明。有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。

Claims (7)

1.一种面向光储一体化的储能与逆变器容量配置方法,其特征在于,包括如下步骤:
S1.以光伏-储能一体化系统中的储能系统的额定功率、所述储能系统的额定容量、以光伏-储能一体化系统中的逆变器容量为决策变量,以光伏-储能一体化系统用户的支出总成本最小为目标函数,结合约束条件,构建面向光储一体化的储能与逆变器容量配置优化模型;所述约束条件包括功率平衡约束条件、储能运行约束条件与逆变器容量约束条件;
S2.获取负荷数据与太阳辐射数据,获取所述用户拟配置的所述光伏-储能一体化系统中的光伏发电系统容量数据,将所述负荷数据、所述太阳辐射数据、所述光伏发电系统容量数据一起输入到所述储能与逆变器容量配置优化模型中;
S3.利用求解器对所述储能与逆变器容量配置优化模型进行求解,分别得到所述额定功率、所述额定容量、所述逆变器容量三者的配置结果。
2.根据权利要求1所述的一种面向光储一体化的储能与逆变器容量配置方法,其特征在于,所述目标函数obj的函数形式如下:
obj=CFEE-CSELL+CCON+CMA
CCON=τ(PPV·cPV+PES·cPES+EES·cEES+PINV·cINV)
CMA=α·CCON
其中,CFEE表示所述用户的电费支出;CSELL表示所述用户的余电上网收益;CCON表示所述光伏-储能一体化系统的建设费用;CMA表示所述光伏-储能一体化系统的维护费用;表示t时刻所述用户的分时电价,cSELL表示分布式发电上网电价;cPV表示所述光伏发电系统的单位功率成本,cPES表示所述储能系统的单位功率成本,cEES表示所述储能系统的单位容量成本,cINV表示所述逆变器的单位容量成本,/>表示所述光伏-储能一体化系统在s场景t时刻向电网供电的功率;/>表示所述光伏-储能一体化系统在s场景t时刻向电网送电的功率;PPV表示所述光伏系统的额定功率;PES表示所述储能系统的额定功率;EES表示所述储能系统的额定容量;PINV表示所述逆变器的额定功率;α为所述光伏-储能一体化系统的维护费用系数,τ为资本回收系数,τ的函数形式如下:
τ=i(1+i)L/[(1+i)L-1]
其中,i为通货膨胀率,L为所述光伏-储能一体化系统的寿命。
3.根据权利要求2所述的一种面向光储一体化的储能与逆变器容量配置方法,其特征在于,所述功率平衡约束条件的函数形式如下:
其中,表示s场景t时刻的所述逆变器的传输功率;/>表示s场景t时刻所述用户的负荷功率。
4.根据权利要求3所述的一种面向光储一体化的储能与逆变器容量配置方法,其特征在于,所述储能运行约束条件的函数形式如下:
γlEES≤es,t≤γuEES
es,0=γuEES
es,T=es,0
其中,表示s场景t时刻所述储能系统的放电功率;/>表示s场景t时刻所述储能系统的充电功率;/>表示s场景t时刻所述储能系统的净输出功率;es,t表示s场景t时刻所述储能系统的能量;/>表示s场景t时刻所述储能系统的放电状态0-1变量;/>表示s场景t时刻所述储能系统的充电状态0-1变量;ηch表示所述储能系统的充电损耗系数;ηdc表示所述储能系统的放电损耗系数;γu表示所述储能系统的能量上限归一化系数;γl表示所述储能系统的能量下限归一化系数;μ表示所述储能系统的充放电裕度系数;δ为所述储能系统的能量自损耗系数。
5.根据权利要求3所述的一种面向光储一体化的储能与逆变器容量配置方法,其特征在于,所述逆变器容量约束条件的函数形式如下:
6.根据权利要求1所述的一种面向光储一体化的储能与逆变器容量配置方法,其特征在于,所述求解器采用Gurobi。
7.根据权利要求1所述的一种面向光储一体化的储能与逆变器容量配置方法,其特征在于,所述负荷数据与太阳辐射数据来源于工业园区或建筑群。
CN202311453863.XA 2023-11-03 2023-11-03 面向光储一体化的储能与逆变器容量配置方法 Pending CN117650554A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311453863.XA CN117650554A (zh) 2023-11-03 2023-11-03 面向光储一体化的储能与逆变器容量配置方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311453863.XA CN117650554A (zh) 2023-11-03 2023-11-03 面向光储一体化的储能与逆变器容量配置方法

Publications (1)

Publication Number Publication Date
CN117650554A true CN117650554A (zh) 2024-03-05

Family

ID=90046869

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311453863.XA Pending CN117650554A (zh) 2023-11-03 2023-11-03 面向光储一体化的储能与逆变器容量配置方法

Country Status (1)

Country Link
CN (1) CN117650554A (zh)

Similar Documents

Publication Publication Date Title
Lingmin et al. Energy flow optimization method for multi-energy system oriented to combined cooling, heating and power
WO2018059096A1 (zh) 一种多类电源发电计划组合决策方法及存储介质
CN110084443B (zh) 一种基于qpso优化算法的换电站运行优化模型分析方法
CN104881716A (zh) 一种微电网电源的优化规划及评估方法
CN110957717A (zh) 一种多电源电力系统多目标日前优化调度方法
CN104050609A (zh) 一种并网光伏发电的低碳综合效益分析系统
CN110661301A (zh) 一种水光蓄多能互补发电系统的容量配置优化方法
Nivedha et al. PSO based economic dispatch of a hybrid microgrid system
Varghese et al. Energy storage management of hybrid solar/wind standalone system using adaptive neuro‐fuzzy inference system
CN115577929A (zh) 基于多场景分析的乡村综合能源系统随机优化调度方法
CN115882460A (zh) 一种考虑需求侧管理的两阶段新能源微电网优化调度方法
CN113612219A (zh) 一种基于源网荷储互动的减碳微网日前能量优化方法
CN117639011A (zh) 一种综合能源微网的共享储能系统优化方法及系统
Bao et al. Genetic algorithm based optimal capacity allocation for an independent wind/pv/diesel/battery power generation system
CN114884133B (zh) 一种计及电动汽车的微电网经济调度优化方法及系统
Yang et al. Research on the reliability and capacity allocation of wind power-solar power-pumped storage hybrid power system
CN113054685B (zh) 基于乌鸦算法和模式搜索算法的太阳能微电网调度方法
Dong et al. Joint Optimal Scheduling of Renewable Energy Regional Power Grid With Energy Storage System and Concentrated Solar Power Plant
CN117650554A (zh) 面向光储一体化的储能与逆变器容量配置方法
CN114649822A (zh) 一种考虑风光三状态的微电网混合储能双层容量配置方法
CN110474330B (zh) 一种并网式混合能源系统的太阳能投资优化方法
CN104065073B (zh) 电力系统
Khlifi et al. Sizing and multi-objective optimization of a multisource micro-grid with storage for an economic activity zone
Sun et al. Optimal Allocation and Operation Strategies of Distributed Vanadium Redox Battery Energy Storage System
Hao et al. Research on Risk-Based Planning of Power Grid Considering the Access of New Energy

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