CN117833360A - 基于分布式架构的构网型变流器控制方法及系统 - Google Patents
基于分布式架构的构网型变流器控制方法及系统 Download PDFInfo
- Publication number
- CN117833360A CN117833360A CN202311859294.9A CN202311859294A CN117833360A CN 117833360 A CN117833360 A CN 117833360A CN 202311859294 A CN202311859294 A CN 202311859294A CN 117833360 A CN117833360 A CN 117833360A
- Authority
- CN
- China
- Prior art keywords
- power
- output power
- grid
- distributed energy
- energy node
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004146 energy storage Methods 0.000 claims abstract description 43
- 238000012544 monitoring process Methods 0.000 claims abstract description 41
- 238000005457 optimization Methods 0.000 claims abstract description 26
- 238000004458 analytical method Methods 0.000 claims description 25
- 230000005540 biological transmission Effects 0.000 claims description 21
- 230000003213 activating effect Effects 0.000 claims description 14
- 230000002452 interceptive effect Effects 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 4
- 230000006855 networking Effects 0.000 claims description 3
- 238000012384 transportation and delivery Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 10
- 230000006870 function Effects 0.000 description 19
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 230000004913 activation Effects 0.000 description 9
- 230000002159 abnormal effect Effects 0.000 description 8
- 238000011217 control strategy Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000025174 PANDAS Diseases 0.000 description 1
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 1
- 240000000220 Panda oleosa Species 0.000 description 1
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008844 regulatory mechanism Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本申请提供了基于分布式架构的构网型变流器控制方法及系统,涉及变流器控制技术领域,所述方法包括:加载电网需求信息,获取第一直到第N分布式能源节点输出功率,获取储能电池输出功率,然后进行调度优化生成待调度分布式能源节点,接入构网型变流器,监测实时输出功率和波动周期,监测实时输出功率和波动周期时间,当满足功率平衡时,进行并网控制。本申请主要解决了传统的构网型变流器在面对多个分布式能源时,其并网能力有限,无法全面考虑不同能源的差异性,因此难以实现最优的并网策略,导致并网过程中的能源损耗。根据实时输出功率和输出功率波动周期进行并网控制,可以确保分布式能源节点与电网之间的稳定、高效和可靠的连接。
Description
技术领域
本申请涉及变流器控制技术领域,具体涉及基于分布式架构的构网型变流器控制方法及系统。
背景技术
随着可再生能源的发展和分布式能源系统的普及,电力系统的结构和运行方式正在发生深刻变化。构网型变流器作为支撑新型电力系统稳定运行的关键技术,其控制方法的研究变得尤为重要。分布式能源系统在提高电力系统的可再生能源利用率、降低能耗、提高供电可靠性等方面具有显著优势。然而,如何实现分布式能源的并网运行,同时保证电力系统的稳定性和可靠性,是待解决的问题。构网型变流器作为分布式能源并网的关键设备,其控制方法的研究是解决这一问题的关键。电力电子技术是实现可再生能源转换和分布式能源控制的核心技术之一。随着电力电子器件的不断发展,构网型变流器在分布式架构下的控制策略和控制方法得到了广泛的研究和应用。
但在实现本申请实施例中发明技术方案的过程中,发现上述技术至少存在如下技术问题:
传统的构网型变流器在面对多个分布式能源时,其并网能力有限,无法全面考虑不同能源的差异性,因此难以实现最优的并网策略,导致并网过程中的能源损耗。
发明内容
本申请主要解决了传统的构网型变流器在面对多个分布式能源时,其并网能力有限,无法全面考虑不同能源的差异性,因此难以实现最优的并网策略,导致并网过程中的能源损耗。
鉴于上述问题,本申请提供了基于分布式架构的构网型变流器控制方法及系统,第一方面,本申请提供了基于分布式架构的构网型变流器控制方法,所述方法包括:加载电网需求信息,其中,所述电网需求信息包括电网功率需求峰值;交互分布式架构的第一分布式能源节点、第二分布式能源节点直到第N分布式能源节点,获得第一分布式能源节点输出功率、第二分布式能源节点输出功率直到第N分布式能源节点输出功率;交互构网储能器,获得储能电池输出功率;基于所述储能电池输出功率、所述第一分布式能源节点输出功率、所述第二分布式能源节点输出功率直到所述第N分布式能源节点输出功率,结合所述电网功率需求峰值进行调度优化,生成待调度分布式能源节点;激活所述待调度分布式能源节点,接入构网型变流器,监测构网型变流器实时输出功率和输出功率波动周期;交互电网监测端,监测电网实时功率和波动周期时间;当所述实时输出功率和所述电网实时功率满足功率平衡,且所述输出功率波动周期和所述波动周期时间满足周期平衡时,根据所述实时输出功率和所述输出功率波动周期进行并网控制。
第二方面,本申请提供了基于分布式架构的构网型变流器控制系统,所述系统包括:信息加载模块,所述信息加载模块用于加载电网需求信息,其中,所述电网需求信息包括电网功率需求峰值;输出功率获取模块,所述输出功率获取模块用于交互分布式架构的第一分布式能源节点、第二分布式能源节点直到第N分布式能源节点,获得第一分布式能源节点输出功率、第二分布式能源节点输出功率直到第N分布式能源节点输出功率;储能电池输出功率获取模块,所述储能电池输出功率获取模块用于交互构网储能器,获得储能电池输出功率;待调度分布式能源节点生成模块,所述待调度分布式能源节点生成模块是基于所述储能电池输出功率、所述第一分布式能源节点输出功率、所述第二分布式能源节点输出功率直到所述第N分布式能源节点输出功率,结合所述电网功率需求峰值进行调度优化,生成待调度分布式能源节点;波动周期监测模块,所述波动周期监测模块用于激活所述待调度分布式能源节点,接入构网型变流器,监测构网型变流器实时输出功率和输出功率波动周期;监测端交互模块,所述监测端交互模块用于交互电网监测端,监测电网实时功率和波动周期时间;并网控制模块,所述并网控制模块用于当所述实时输出功率和所述电网实时功率满足功率平衡,且所述输出功率波动周期和所述波动周期时间满足周期平衡时,根据所述实时输出功率和所述输出功率波动周期进行并网控制。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请提供了基于分布式架构的构网型变流器控制方法及系统,涉及变流器控制技术领域,所述方法包括:加载电网需求信息,获取第一直到第N分布式能源节点输出功率,获取储能电池输出功率,然后进行调度优化生成待调度分布式能源节点,接入构网型变流器,监测实时输出功率和波动周期,监测实时输出功率和波动周期时间,当满足功率平衡时,进行并网控制。
本申请主要解决了传统的构网型变流器在面对多个分布式能源时,其并网能力有限,无法全面考虑不同能源的差异性,因此难以实现最优的并网策略,导致并网过程中的能源损耗。根据实时输出功率和输出功率波动周期进行并网控制,可以确保分布式能源节点与电网之间的稳定、高效和可靠的连接。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是示例性的,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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供了基于分布式架构的构网型变流器控制方法流程示意图;
图2为本申请实施例提供了基于分布式架构的构网型变流器控制方法中功率损耗比遍历的方法流程示意图;
图3为本申请实施例提供了基于分布式架构的构网型变流器控制方法中配置满足功率调度等式的若干个分布式能源节点调度方案的方法流程示意图;
图4为本申请实施例提供了基于分布式架构的构网型变流器控制系统的结构示意图。
附图标记说明:信息加载模块10,输出功率获取模块20,储能电池输出功率获取模块30,待调度分布式能源节点生成模块40,波动周期监测模块50,监测端交互模块60,并网控制模块70。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
本申请主要解决了传统的构网型变流器在面对多个分布式能源时,其并网能力有限,无法全面考虑不同能源的差异性,因此难以实现最优的并网策略,导致并网过程中的能源损耗。根据实时输出功率和输出功率波动周期进行并网控制,可以确保分布式能源节点与电网之间的稳定、高效和可靠的连接。
为了更好地理解上述技术方案,下面将结合说明书附图以及具体的实施方式对上述方案进行详细介绍:
实施例一
如图1所示基于分布式架构的构网型变流器控制方法,所述方法包括:
加载电网需求信息,其中,所述电网需求信息包括电网功率需求峰值;
具体而言,在智能电网中,电网需求信息可以通过通信网络(如互联网、局域网等)从电网管理系统或调度中心传输到构网型变流器。变流器可以定期或实时接收这些信息,并根据需要进行处理和调整。在某些情况下,电网需求信息可能事先已知或可预测。在这种情况下,这些信息可以预先加载到变流器的存储器中,以便在运行时进行检索和使用。还可以实时监测:通过在变流器上安装传感器和监测设备,可以实时监测电网的电压、电流、功率等参数,从而实时获取电网的需求信息。这些信息可以用于实时控制和调整变流器的运行状态。还有用户输入:在某些情况下,用户或操作员可以通过人机界面或远程控制设备输入电网需求信息。这种方法适用于需要手动干预的情况,例如特殊事件或紧急情况。在分布式架构中,构网型变流器控制方法需要考虑电网的功率需求。电网的功率需求通常包括电网功率需求峰值,这代表了电网在特定时间段内的最大功率需求。通过加载电网需求信息,包括电网功率需求峰值,构网型变流器可以更好地了解电网的运行状态和需求,从而采取适当的控制策略,如功率跟踪、有功和无功调节等,以实现与电网的协调运行。
交互分布式架构的第一分布式能源节点、第二分布式能源节点直到第N分布式能源节点,获得第一分布式能源节点输出功率、第二分布式能源节点输出功率直到第N分布式能源节点输出功率;
具体而言,在交互分布式架构中,通常存在多个分布式能源节点,例如第一分布式能源节点、第二分布式能源节点等,直到第N分布式能源节点。每个节点有其自身的输出功率,这些输出功率对于整个系统的稳定运行至关重要。在每个分布式能源节点上安装功率传感器,实时监测和测量节点的输出功率。传感器将测量数据传输到控制系统或数据采集系统中,通过通信网络,如物联网或局域网,将各个分布式能源节点连接到中央控制系统或数据采集中心。节点定期发送其输出功率数据到中心,中心进行汇总和分析。每个分布式能源节点配备一个本地控制器,用于监测和控制节点的运行状态。本地控制器可以实时获取节点的输出功率数据,并根据预设的算法和策略进行调整和控制。通过上述方法,可以获得每个分布式能源节点的输出功率数据。这些数据对于系统的稳定运行和优化控制具有重要意义。例如,通过分析各个节点的输出功率,可以预测电网的需求和峰值,从而进行相应的调度和控制,确保系统的稳定性和可靠性。
交互构网储能器,获得储能电池输出功率;
具体而言,在储能电池上安装功率传感器,实时监测和测量电池的输出功率。传感器将测量数据传输到控制系统或数据采集系统中,通过通信网络,如物联网或局域网,将储能电池连接到中央控制系统或数据采集中心。电池定期发送其输出功率数据到中心,中心进行汇总和分析。储能电池配备一个本地控制器,用于监测和控制电池的运行状态。本地控制器可以实时获取电池的输出功率数据,通过一个集中的控制系统,可以统一管理和控制多个储能电池。集中控制系统可以收集各个电池的输出功率数据,进行统一的分析和处理,并根据需求进行调度和控制。通过上述方法,可以获得储能电池的输出功率数据。这些数据对于系统的稳定运行和优化控制具有重要意义。例如,通过分析储能电池的输出功率,可以预测电网的需求和峰值,从而进行相应的调度和控制,确保系统的稳定性和可靠性。
基于所述储能电池输出功率、所述第一分布式能源节点输出功率、所述第二分布式能源节点输出功率直到所述第N分布式能源节点输出功率,结合所述电网功率需求峰值进行调度优化,生成待调度分布式能源节点;
具体而言,基于储能电池输出功率、第一分布式能源节点输出功率、第二分布式能源节点输出功率直到第N分布式能源节点输出功率,结合电网功率需求峰值进行调度优化,生成待调度分布式能源节点,首先,收集储能电池的输出功率数据、各个分布式能源节点的输出功率数据以及电网的功率需求峰值数据。这些数据可以通过传感器监测、通信网络或控制系统进行收集。对收集到的数据进行处理和分析,了解各个分布式能源节点和储能电池的当前状态和性能。同时,根据电网的功率需求峰值,评估系统的需求和负载情况。基于数据分析和系统需求,制定相应的调度策略。调度策略应考虑多个因素,如各节点的可调度性、储能电池的充放电状态、电网的需求变化等。应用优化算法,如遗传算法、粒子群优化算法或模拟退火算法等,对调度策略进行优化。优化目标可以是系统稳定性、经济性、环保性等。根据优化结果,确定需要调度的分布式能源节点。这些节点可能是需要增加输出功率的节点,也可能是需要减少输出功率的节点,或者是需要进行充放电调节的节点。通过上述方法,可以基于储能电池输出功率、各个分布式能源节点的输出功率以及电网功率需求峰值进行调度优化,生成待调度的分布式能源节点。
激活所述待调度分布式能源节点,接入构网型变流器,监测构网型变流器实时输出功率和输出功率波动周期;
具体而言,根据调度优化结果,激活相应的待调度分布式能源节点。通过发送控制信号或激活指令来实现,确保节点处于准备状态并能够响应调度指令。将激活的待调度分布式能源节点接入构网型变流器。确保节点与变流器之间的连接稳定、可靠,并且符合安全标准。在开始接入分布式能源节点之前,评估分布式能源节点和构网型变流器的规格和性能,确保它们能够兼容并有效地集成在一起。确保分布式能源节点和构网型变流器之间的硬件接口(如电缆、连接器等)正确且安全。检测分布式能源节点和构网型变流器之间能够进行有效的数据交换。择适当的通信协议(如Modbus、CAN总线、以太网等),并配置相应的通信接口。定义需要交换的数据类型和频率,例如功率、状态、控制指令等。为分布式能源节点和构网型变流器设定控制策略。本地控制:为每个分布式能源节点设定本地控制策略,使其能够根据运行状态和指令自主调整输出。全局控制:为构网型变流器设定全局控制策略,使其能够协调多个分布式能源节点的运行,实现整体性能优化。通过传感器和监测设备,实时监测构网型变流器的输出功率。同时,记录并分析输出功率的波动周期,了解变流器的运行状态和性能。对实时监测到的数据进行处理和分析,提取关键参数和特征。例如,可以分析输出功率的波形、幅值、频率等参数,以及波动周期的变化趋势。通过比较实时数据与预设阈值或历史数据,检测异常情况。例如,输出功率的异常升高或降低、波动周期的异常变化等。对于异常情况,采取相应的处理措施,如调整变流器的控制参数、触发保护机制等。通过上述方法,可以激活待调度分布式能源节点,接入构网型变流器,并实时监测构网型变流器的输出功率和输出功率波动周期。这些监测数据对于系统的稳定运行和优化控制具有重要意义,有助于提高系统的性能和响应能力。
交互电网监测端,监测电网实时功率和波动周期时间;
具体而言,在电网的关键节点或输电线路中安装功率传感器,用于实时监测电网的功率变化。传感器将监测到的数据传输到数据处理单元或数据采集系统中。在数据处理单元中,对实时监测到的电网功率数据进行处理和分析。可以提取关键参数,如实时功率、波动周期时间等,并根据这些参数分析电网的运行状态和性能。通过分析实时功率数据,可以监测电网的波动周期时间。采用适合的数据处理算法或模型,识别和提取波动周期的时间序列,并对这些周期进行分析和评估。可视化界面:为了便于监控和操作,可以开发可视化界面,将监测到的实时功率和波动周期时间以图形或图表的形式展示出来。这样操作员可以直观地了解电网的运行状况。警报与异常处理:当实时监测到电网的功率或波动周期时间异常时,可以触发警报系统。警报系统可以根据异常的类型和严重程度采取相应的处理措施,如发送通知、自动调整运行参数等。通过上述方法,可以有效地监测电网的实时功率和波动周期时间,了解电网的运行状态和性能。这些监测数据对于电网的稳定运行和优化控制具有重要意义,有助于提高电网的运行效率和可靠性。
当所述实时输出功率和所述电网实时功率满足功率平衡,且所述输出功率波动周期和所述波动周期时间满足周期平衡时,根据所述实时输出功率和所述输出功率波动周期进行并网控制。
具体而言,当实时输出功率和电网实时功率满足功率平衡,且输出功率波动周期和波动周期时间满足周期平衡时,可以进行并网控制。并网控制的主要目的是确保分布式能源节点与电网之间的功率交换和运行同步,同时维持系统的稳定性和可靠性。持续监测分布式能源节点的实时输出功率、电网实时功率、输出功率波动周期以及波动周期时间等关键参数。对这些数据进行实时采集和分析,以评估当前的运行状态和平衡条件。检查实时输出功率和电网实时功率是否满足功率平衡。如果功率不平衡,需要分析原因并采取相应措施进行调整。包括调整分布式能源节点的输出或进行功率补偿等操作。评估输出功率波动周期和波动周期时间是否满足周期平衡。周期平衡的目的是保持分布式能源节点与电网之间的运行同步,防止因不同步引起的系统不稳定或故障。基于实时输出功率和输出功率波动周期,制定并实施相应的并网控制策略。这可能包括调整分布式能源节点的输出频率、相位或电压等参数,以确保与电网的顺利接入和稳定运行。利用自动化控制系统或远程控制技术,根据并网控制策略自动调整分布式能源节点的运行状态。这样可以减少人工干预,提高系统的自动化水平和响应速度。在并网控制过程中,持续监测系统的运行状态和关键参数。根据监测结果,对并网控制策略进行优化和调整,以适应系统的变化和需求。在并网控制过程中,密切关注可能出现的异常情况。对于异常情况,采取相应的处理措施,如紧急停机、安全保护等,以防止对系统造成进一步损害或影响电网的稳定性。通过以上步骤,根据实时输出功率和输出功率波动周期进行并网控制,可以确保分布式能源节点与电网之间的稳定、高效和可靠的连接。这对于提高分布式能源系统的运行效率、降低能耗以及实现可再生能源的高效利用具有重要意义。
进一步而言,本申请方法,基于所述储能电池输出功率、所述第一分布式能源节点输出功率、所述第二分布式能源节点输出功率直到所述第N分布式能源节点输出功率,结合所述电网功率需求峰值进行调度优化,生成待调度分布式能源节点,包括:
遍历第一分布式能源节点、第二分布式能源节点直到第N分布式能源节点进行输送损耗分析,生成第一功率损耗比、第二功率损耗比直到第N功率损耗比;
基于所述第一功率损耗比、所述第二功率损耗比直到所述第N功率损耗比,结合所述储能电池输出功率、所述第一分布式能源节点输出功率、所述第二分布式能源节点输出功率直到所述第N分布式能源节点输出功率,以所述电网功率需求峰值为约束,配置若干个分布式能源节点调度方案;
遍历所述若干个分布式能源节点调度方案进行寻优,生成所述待调度分布式能源节点。
具体而言,首先,收集每个分布式能源节点在输送过程中的功率损耗数据。这可以通过在节点间安装传感器或利用现有的监测系统来完成。对收集到的数据进行处理,计算每个分布式能源节点的功率损耗比。功率损耗比是指输送过程中损失的功率与原始输出功率的比值。例如,第一功率损耗比是第一分布式能源节点的功率损耗与其输出功率的比值。配置分布式能源节点调度,将计算得到的各分布式能源节点的功率损耗比、储能电池输出功率、以及各节点的输出功率汇总分析。同时,考虑电网的功率需求峰值作为约束条件。基于上述分析,制定若干个分布式能源节点调度方案。每个方案都考虑到不同节点间的功率流、损耗和电网的需求。方案的目标可能是最小化总体功率损耗、最大化系统效率或满足特定的电网需求。使用算法或模拟方法遍历所有配置的分布式能源节点调度方案。对于每个方案,评估其性能,包括预期的功率损耗、系统稳定性、经济性等。应用寻优算法(如遗传算法、粒子群优化等)来找到最优的分布式能源节点调度方案。最优方案是指在满足所有约束条件下,能够达到预定目标(如最小损耗、最大效率等)的方案。最终,根据寻优结果生成待调度的分布式能源节点列表。这些节点将在接下来的调度周期中按照最优方案进行调度。通过上述步骤,可以综合考虑多个因素,包括各个分布式能源节点的功率损耗、输出功率以及电网的功率需求峰值,从而制定出高效且符合实际需求的分布式能源节点调度方案。
进一步而言,如图2所示,本申请方法,遍历第一分布式能源节点、第二分布式能源节点直到第N分布式能源节点进行输送损耗分析,生成第一功率损耗比、第二功率损耗比直到第N功率损耗比,包括:
遍历所述第一分布式能源节点、所述第二分布式能源节点直到所述第N分布式能源节点,采集预设时区的第一组电能输送日志、第二组电能输送日志直到第N组电能输送日志;
遍历所述第一组电能输送日志、所述第二组电能输送日志直到所述第N组电能输送日志,统计第一组输出功率损耗比记录值、第二组输出功率损耗比记录值直到第N组输出功率损耗比记录值;
遍历所述第一组输出功率损耗比记录值、所述第二组输出功率损耗比记录值直到所述第N组输出功率损耗比记录值进行集中趋势分析,生成所述第一功率损耗比、所述第二功率损耗比直到所述第N功率损耗比。
具体而言,遍历第一分布式能源节点、第二分布式能源节点直到第N分布式能源节点。在每个节点上采集预设时区的电能输送日志,例如第一组电能输送日志、第二组电能输送日志,直到第N组电能输送日志。这些日志应该包含有关电能输送的数据,如起始时间、结束时间、输送的功率等。对每个时区的电能输送日志进行整理,提取与输出功率损耗相关的数据。遍历每个时区的日志数据,统计第一组输出功率损耗比记录值、第二组输出功率损耗比记录值,直到第N组输出功率损耗比记录值。这些记录值将用于后续分析。选择适当的统计方法进行集中趋势分析,例如平均值、中位数或众数等,以反映各组输出功率损耗比记录值的中心趋势。生成第一功率损耗比、第二功率损耗比,直到第N功率损耗比。这些功率损耗比将作为评估各节点性能的重要指标。通过上述步骤,可以基于实际运行数据生成各分布式能源节点的功率损耗比,进而为后续的调度和控制提供参考依据。这种分析方法有助于了解各节点的运行状态和性能表现,从而优化能源分配和降低不必要的损耗。
进一步而言,如图3所示,本申请方法,基于所述第一功率损耗比、所述第二功率损耗比直到所述第N功率损耗比,结合所述储能电池输出功率、所述第一分布式能源节点输出功率、所述第二分布式能源节点输出功率直到所述第N分布式能源节点输出功率,以所述电网功率需求峰值为约束,配置若干个分布式能源节点调度方案,包括:
基于所述储能电池输出功率、所述第一分布式能源节点输出功率、所述第二分布式能源节点输出功率直到所述第N分布式能源节点输出功率,配置所述第一分布式能源节点、所述第二分布式能源节点直到所述第N分布式能源节点的第一输出功率约束区间、第二输出功率约束区间直到第N输出功率约束区间;
配置功率调度等式:分布式能源的输出功率+蓄电池输出功率-损耗输出功率=电网功率需求峰值;
基于所述第一输出功率约束区间、所述第二输出功率约束区间直到所述第N输出功率约束区间,结合所述第一功率损耗比、所述第二功率损耗比直到所述第N功率损耗比,配置满足所述功率调度等式的若干个分布式能源节点调度方案。
具体而言,选择一个预设的时区,例如每天的特定时间段或某个特定日期。确保日志的格式统一,包含必要的信息,如时间戳、节点名称、输出功率、输送功率等。通过分布式能源节点自带的监控系统进行数据采集。将采集到的数据存储在一个集中的数据库或数据仓库中,以便后续分析。根据需要筛选出特定时区或条件下的数据。对于每个时区的数据,根据公式(输送功率-输出功率)/输出功率,计算出输出功率损耗比。可以使用Python、R或其他编程语言编写自动化脚本,进行批量处理和计算,提高效率。检查计算结果,确保准确性,并对异常数据进行处理。根据数据的分布情况,选择合适的集中趋势度量方法,如平均值、中位数或众数。可以使用Excel、SPSS、Python的Pandas库等工具进行数据分析。为了更直观地展示结果,可以绘制图表,如柱状图、线图等。分析生成的功率损耗比,了解各节点的性能表现,并基于结果做出相应的决策或优化建议。通过上述细化步骤,可以更精确地采集和计算各节点的功率损耗比,为后续的调度和控制提供准确的数据支持。同时,这些细化步骤也有助于提高工作效率和减少错误。
进一步而言,本申请方法,遍历所述若干个分布式能源节点调度方案进行寻优,生成所述待调度分布式能源节点,包括:
配置寻优适应度函数,其中,所述寻优适应度函数等于N个子项之和,任意一个子项等于一个分布式能源节点的损耗输出功率;
基于所述寻优适应度函数,遍历所述若干个分布式能源节点调度方案进行最小值寻优,生成所述待调度分布式能源节点。
具体而言,寻优适应度函数等于N个子项之和,每个子项代表一个分布式能源节点的损耗输出功率。明确每个子项的计算方式,即如何根据节点的损耗输出功率来定义子项。将子项的定义整合到寻优适应度函数中,确保函数的计算方式与实际需求相符。首先,得到一个或多个分布式能源节点调度方案的初始列表。使用循环结构遍历所有调度方案。对于每个遍历到的调度方案,根据寻优适应度函数计算其适应度值。将当前适应度值与之前的最小值进行比较,如果当前值更小,则更新最小值并保存相应的调度方案。重复上述步骤,直到遍历完所有调度方案或满足一定的终止条件,最终得到最优的待调度分布式能源节点。通过以上步骤,可以根据定义的寻优适应度函数对分布式能源节点调度方案进行最小值寻优,从而找到最优的调度方案。这种寻优方法有助于提高系统的整体效率和性能,降低能源损耗,优化资源配置。
进一步而言,本申请方法,当所述实时输出功率和所述电网实时功率满足功率平衡,且所述输出功率波动周期和所述波动周期时间满足周期平衡时,根据所述实时输出功率和所述输出功率波动周期进行并网控制,包括:
当所述实时输出功率和所述电网实时功率之差小于或等于功率偏差阈值,视为满足功率平衡;
当所述输出功率波动周期和所述波动周期时间相同,视为满足周期平衡。
具体而言,首先,计算所述实时输出功率和所述电网实时功率之间的差值。将计算出的差值与预设的功率偏差阈值进行比较。如果差值小于或等于功率偏差阈值,则认为满足功率平衡,否则,不满足功率平衡。分别获取所述输出功率波动周期和所述波动周期时间的数据。比较这两个周期是否相同。如果两个周期相同,则认为满足周期平衡;否则,不满足周期平衡。通过上述判断方法,可以确定分布式能源节点与电网之间的功率交换是否满足功率平衡,以及运行是否同步以保持周期平衡。这有助于确保系统的稳定性和可靠性。
进一步而言,本申请方法还包括:
当所述实时输出功率和所述电网实时功率不满足功率平衡,或/和所述输出功率波动周期和所述波动周期时间不满足周期平衡时,获得调节参数,其中,所述调节参数包括占空比和工作频率,所述占空比具有占空比约束区间、所述工作频率具有工作频率约束区间;
根据所述占空比约束区间和所述工作频率约束区间,获得占空比预设值和工作频率预设值;
加载构网型变流器输入功率、结合所述占空比预设值和所述工作频率预设值,激活输出功率预测通道进行分析,生成输出功率预测值;
加载构网型变流器输入功率、结合所述占空比预设值和所述工作频率预设值,激活波动周期预测通道进行分析,生成波动周期预测值;
当所述输出功率预测值和所述电网实时功率满足功率平衡,且所述波动周期预测值和所述波动周期时间满足周期平衡,基于所述占空比预设值和所述工作频率预设值进行并网控制。
具体而言,调节参数包括占空比和工作频率,这些参数具有各自的约束区间。占空比约束区间表示允许的占空比范围,工作频率约束区间表示允许的工作频率范围。根据占空比和工作频率的约束区间,确定合适的占空比预设值和工作频率预设值。这些预设值应确保调节参数在合理的范围内。加载构网型变流器的输入功率数据。结合占空比预设值和工作频率预设值,通过激活输出功率预测通道进行分析,生成输出功率预测值。这个预测值是基于当前参数和历史数据对未来输出功率的预测。从构网型变流器中采集输入功率的相关数据。这可能包括实时功率、历史功率数据以及其他相关参数。对采集的数据进行清洗、归一化或标准化,以消除异常值和噪声,并将数据调整到适合神经网络处理的范围。根据采集的参数确定神经网络的输入层节点数,例如可以包括实时功率、占空比和工作频率等。选择合适的隐藏层节点数,以及每层的神经元激活函数。通常,选择非线性激活函数如ReLU或sigmoid。根据预测需求,确定输出层的节点数和激活函数。对于输出功率预测,通常使用线性激活函数。为神经网络的权重和偏置设置合适的初始值。根据输入数据和权重、偏置,进行前向传播计算,得到预测的输出功率。根据实际输出功率与预测输出功率的差异,计算误差,并使用反向传播算法更新权重和偏置。多次迭代训练过程,逐步降低误差,提高模型的预测精度。将数据分成训练集和测试集,使用训练集训练模型,并在测试集上评估模型的预测性能。选择合适的性能指标,例如均方误差(MSE)、均方根误差(RMSE)或平均绝对误差(MAE)等,来评估模型的预测准确性。根据评估结果,对模型的结构或参数进行调整,以提高预测性能。从构网型变流器中获取输入功率的相关数据。这些数据可能包括功率的实时值、历史记录以及其他与功率波动相关的参数。对采集的数据进行清洗,去除异常值和噪声,并进行适当的归一化或标准化处理,以使数据适合神经网络处理。根据采集的参数确定神经网络的输入层节点数,例如可以包括功率波动数据、时间序列数据、占空比和工作频率等。选择合适的隐藏层节点数,以及每层的神经元激活函数。可以使用非线性激活函数如ReLU或sigmoid,以捕捉数据的非线性特征。根据预测需求,确定输出层的节点数和激活函数。对于波动周期预测,可以使用线性激活函数来输出预测的周期值。为神经网络的权重和偏置设置合适的初始值。根据输入数据和权重、偏置,进行前向传播计算,得到预测的波动周期值。根据实际波动周期与预测波动周期的差异,计算误差,并使用反向传播算法更新权重和偏置。多次迭代训练过程,逐步降低误差,提高模型的预测精度。将数据分成训练集和测试集,使用训练集训练模型,并在测试集上评估模型的预测性能。选择合适的性能指标,例如均方误差(MSE)、均方根误差(RMSE)或平均绝对误差(MAE)等,来评估模型的预测准确性。根据评估结果,对模型的结构或参数进行调整,以提高预测性能。激活波动周期预测通道:使用与输出功率预测相同的参数(占空比预设值和工作频率预设值)激活波动周期预测通道。生成预测值:通过分析生成波动周期预测值。这个预测值是基于当前参数和历史数据对未来波动周期的预测。检查输出功率预测值是否满足功率平衡条件,即与电网实时功率相匹配。同时,检查波动周期预测值是否满足周期平衡条件,即与波动周期时间相匹配。当满足上述平衡条件时,基于占空比预设值和工作频率预设值进行并网控制。包括调整分布式能源节点的运行参数,以确保与电网的稳定并网运行。通过上述步骤,系统能够根据实际情况自动调整分布式能源节点的运行参数,以实现与电网的稳定并网运行。这种调节机制有助于提高系统的可靠性和稳定性,确保能源的高效利用。
实施例二
基于与前述实施例基于分布式架构的构网型变流器控制方法相同的发明构思,如图4所示,本申请提供了基于分布式架构的构网型变流器控制系统,所述系统包括:
信息加载模块10,所述信息加载模块10用于加载电网需求信息,其中,所述电网需求信息包括电网功率需求峰值;
输出功率获取模块20,所述输出功率获取模块20用于交互分布式架构的第一分布式能源节点、第二分布式能源节点直到第N分布式能源节点,获得第一分布式能源节点输出功率、第二分布式能源节点输出功率直到第N分布式能源节点输出功率;
储能电池输出功率获取模块30,所述储能电池输出功率获取模块30用于交互构网储能器,获得储能电池输出功率;
待调度分布式能源节点生成模块40,所述待调度分布式能源节点生成模块40是基于所述储能电池输出功率、所述第一分布式能源节点输出功率、所述第二分布式能源节点输出功率直到所述第N分布式能源节点输出功率,结合所述电网功率需求峰值进行调度优化,生成待调度分布式能源节点;
波动周期监测模块50,所述波动周期监测模块50用于激活所述待调度分布式能源节点,接入构网型变流器,监测构网型变流器实时输出功率和输出功率波动周期;
监测端交互模块60,所述监测端交互模块60用于交互电网监测端,监测电网实时功率和波动周期时间;
并网控制模块70,所述并网控制模块70用于当所述实时输出功率和所述电网实时功率满足功率平衡,且所述输出功率波动周期和所述波动周期时间满足周期平衡时,根据所述实时输出功率和所述输出功率波动周期进行并网控制。
进一步地,该系统还包括:
能源节点调度方案配置模块,用于遍历第一分布式能源节点、第二分布式能源节点直到第N分布式能源节点进行输送损耗分析,生成第一功率损耗比、第二功率损耗比直到第N功率损耗比;基于所述第一功率损耗比、所述第二功率损耗比直到所述第N功率损耗比,结合所述储能电池输出功率、所述第一分布式能源节点输出功率、所述第二分布式能源节点输出功率直到所述第N分布式能源节点输出功率,以所述电网功率需求峰值为约束,配置若干个分布式能源节点调度方案;遍历所述若干个分布式能源节点调度方案进行寻优,生成所述待调度分布式能源节点。
进一步地,该系统还包括:
集中趋势分析模块,用于遍历所述第一分布式能源节点、所述第二分布式能源节点直到所述第N分布式能源节点,采集预设时区的第一组电能输送日志、第二组电能输送日志直到第N组电能输送日志;遍历所述第一组电能输送日志、所述第二组电能输送日志直到所述第N组电能输送日志,统计第一组输出功率损耗比记录值、第二组输出功率损耗比记录值直到第N组输出功率损耗比记录值;遍历所述第一组输出功率损耗比记录值、所述第二组输出功率损耗比记录值直到所述第N组输出功率损耗比记录值进行集中趋势分析,生成所述第一功率损耗比、所述第二功率损耗比直到所述第N功率损耗比。
进一步地,该系统还包括:
能源节点调度方案配置模块,是基于所述储能电池输出功率、所述第一分布式能源节点输出功率、所述第二分布式能源节点输出功率直到所述第N分布式能源节点输出功率,配置所述第一分布式能源节点、所述第二分布式能源节点直到所述第N分布式能源节点的第一输出功率约束区间、第二输出功率约束区间直到第N输出功率约束区间;配置功率调度等式:分布式能源的输出功率+蓄电池输出功率-损耗输出功率=电网功率需求峰值;基于所述第一输出功率约束区间、所述第二输出功率约束区间直到所述第N输出功率约束区间,结合所述第一功率损耗比、所述第二功率损耗比直到所述第N功率损耗比,配置满足所述功率调度等式的若干个分布式能源节点调度方案。
进一步地,该系统还包括:
最小值寻优模块,用于配置寻优适应度函数,其中,所述寻优适应度函数等于N个子项之和,任意一个子项等于一个分布式能源节点的损耗输出功率;基于所述寻优适应度函数,遍历所述若干个分布式能源节点调度方案进行最小值寻优,生成所述待调度分布式能源节点。
进一步地,该系统还包括:
周期平衡判断模块,用于当所述实时输出功率和所述电网实时功率之差小于或等于功率偏差阈值,视为满足功率平衡;当所述输出功率波动周期和所述波动周期时间相同,视为满足周期平衡。
进一步地,该系统还包括:
波动周期预测值生成模块,用于当所述实时输出功率和所述电网实时功率不满足功率平衡,或/和所述输出功率波动周期和所述波动周期时间不满足周期平衡时,获得调节参数,其中,所述调节参数包括占空比和工作频率,所述占空比具有占空比约束区间、所述工作频率具有工作频率约束区间;根据所述占空比约束区间和所述工作频率约束区间,获得占空比预设值和工作频率预设值;加载构网型变流器输入功率、结合所述占空比预设值和所述工作频率预设值,激活输出功率预测通道进行分析,生成输出功率预测值;加载构网型变流器输入功率、结合所述占空比预设值和所述工作频率预设值,激活波动周期预测通道进行分析,生成波动周期预测值;当所述输出功率预测值和所述电网实时功率满足功率平衡,且所述波动周期预测值和所述波动周期时间满足周期平衡,基于所述占空比预设值和所述工作频率预设值进行并网控制。
说明书通过前述基于分布式架构的构网型变流器控制方法的详细描述,本领域技术人员可以清楚地知识本实施例中基于分布式架构的构网型变流器控制系统,对于实施例公开的系统而言,由于其与实施例公开装置相对应,所以描述得比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其他实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.基于分布式架构的构网型变流器控制方法,其特征在于,包括:
加载电网需求信息,其中,所述电网需求信息包括电网功率需求峰值;
交互分布式架构的第一分布式能源节点、第二分布式能源节点直到第N分布式能源节点,获得第一分布式能源节点输出功率、第二分布式能源节点输出功率直到第N分布式能源节点输出功率;
交互构网储能器,获得储能电池输出功率;
基于所述储能电池输出功率、所述第一分布式能源节点输出功率、所述第二分布式能源节点输出功率直到所述第N分布式能源节点输出功率,结合所述电网功率需求峰值进行调度优化,生成待调度分布式能源节点;
激活所述待调度分布式能源节点,接入构网型变流器,监测构网型变流器实时输出功率和输出功率波动周期;
交互电网监测端,监测电网实时功率和波动周期时间;
当所述实时输出功率和所述电网实时功率满足功率平衡,且所述输出功率波动周期和所述波动周期时间满足周期平衡时,根据所述实时输出功率和所述输出功率波动周期进行并网控制。
2.如权利要求1所述的方法,其特征在于,基于所述储能电池输出功率、所述第一分布式能源节点输出功率、所述第二分布式能源节点输出功率直到所述第N分布式能源节点输出功率,结合所述电网功率需求峰值进行调度优化,生成待调度分布式能源节点,包括:
遍历第一分布式能源节点、第二分布式能源节点直到第N分布式能源节点进行输送损耗分析,生成第一功率损耗比、第二功率损耗比直到第N功率损耗比;
基于所述第一功率损耗比、所述第二功率损耗比直到所述第N功率损耗比,结合所述储能电池输出功率、所述第一分布式能源节点输出功率、所述第二分布式能源节点输出功率直到所述第N分布式能源节点输出功率,以所述电网功率需求峰值为约束,配置若干个分布式能源节点调度方案;
遍历所述若干个分布式能源节点调度方案进行寻优,生成所述待调度分布式能源节点。
3.如权利要求2所述的方法,其特征在于,遍历第一分布式能源节点、第二分布式能源节点直到第N分布式能源节点进行输送损耗分析,生成第一功率损耗比、第二功率损耗比直到第N功率损耗比,包括:
遍历所述第一分布式能源节点、所述第二分布式能源节点直到所述第N分布式能源节点,采集预设时区的第一组电能输送日志、第二组电能输送日志直到第N组电能输送日志;
遍历所述第一组电能输送日志、所述第二组电能输送日志直到所述第N组电能输送日志,统计第一组输出功率损耗比记录值、第二组输出功率损耗比记录值直到第N组输出功率损耗比记录值;
遍历所述第一组输出功率损耗比记录值、所述第二组输出功率损耗比记录值直到所述第N组输出功率损耗比记录值进行集中趋势分析,生成所述第一功率损耗比、所述第二功率损耗比直到所述第N功率损耗比。
4.如权利要求2所述的方法,其特征在于,基于所述第一功率损耗比、所述第二功率损耗比直到所述第N功率损耗比,结合所述储能电池输出功率、所述第一分布式能源节点输出功率、所述第二分布式能源节点输出功率直到所述第N分布式能源节点输出功率,以所述电网功率需求峰值为约束,配置若干个分布式能源节点调度方案,包括:
基于所述储能电池输出功率、所述第一分布式能源节点输出功率、所述第二分布式能源节点输出功率直到所述第N分布式能源节点输出功率,配置所述第一分布式能源节点、所述第二分布式能源节点直到所述第N分布式能源节点的第一输出功率约束区间、第二输出功率约束区间直到第N输出功率约束区间;
配置功率调度等式:分布式能源的输出功率+蓄电池输出功率-损耗输出功率=电网功率需求峰值;
基于所述第一输出功率约束区间、所述第二输出功率约束区间直到所述第N输出功率约束区间,结合所述第一功率损耗比、所述第二功率损耗比直到所述第N功率损耗比,配置满足所述功率调度等式的若干个分布式能源节点调度方案。
5.如权利要求2所述的方法,其特征在于,遍历所述若干个分布式能源节点调度方案进行寻优,生成所述待调度分布式能源节点,包括:
配置寻优适应度函数,其中,所述寻优适应度函数等于N个子项之和,任意一个子项等于一个分布式能源节点的损耗输出功率;
基于所述寻优适应度函数,遍历所述若干个分布式能源节点调度方案进行最小值寻优,生成所述待调度分布式能源节点。
6.如权利要求1所述的方法,其特征在于,当所述实时输出功率和所述电网实时功率满足功率平衡,且所述输出功率波动周期和所述波动周期时间满足周期平衡时,根据所述实时输出功率和所述输出功率波动周期进行并网控制,包括:
当所述实时输出功率和所述电网实时功率之差小于或等于功率偏差阈值,视为满足功率平衡;
当所述输出功率波动周期和所述波动周期时间相同,视为满足周期平衡。
7.如权利要求1所述的方法,其特征在于,还包括:
当所述实时输出功率和所述电网实时功率不满足功率平衡,或/和所述输出功率波动周期和所述波动周期时间不满足周期平衡时,获得调节参数,其中,所述调节参数包括占空比和工作频率,所述占空比具有占空比约束区间、所述工作频率具有工作频率约束区间;
根据所述占空比约束区间和所述工作频率约束区间,获得占空比预设值和工作频率预设值;
加载构网型变流器输入功率、结合所述占空比预设值和所述工作频率预设值,激活输出功率预测通道进行分析,生成输出功率预测值;
加载构网型变流器输入功率、结合所述占空比预设值和所述工作频率预设值,激活波动周期预测通道进行分析,生成波动周期预测值;
当所述输出功率预测值和所述电网实时功率满足功率平衡,且所述波动周期预测值和所述波动周期时间满足周期平衡,基于所述占空比预设值和所述工作频率预设值进行并网控制。
8.基于分布式架构的构网型变流器控制系统,其特征在于,包括:
信息加载模块,所述信息加载模块用于加载电网需求信息,其中,所述电网需求信息包括电网功率需求峰值;
输出功率获取模块,所述输出功率获取模块用于交互分布式架构的第一分布式能源节点、第二分布式能源节点直到第N分布式能源节点,获得第一分布式能源节点输出功率、第二分布式能源节点输出功率直到第N分布式能源节点输出功率;
储能电池输出功率获取模块,所述储能电池输出功率获取模块用于交互构网储能器,获得储能电池输出功率;
待调度分布式能源节点生成模块,所述待调度分布式能源节点生成模块是基于所述储能电池输出功率、所述第一分布式能源节点输出功率、所述第二分布式能源节点输出功率直到所述第N分布式能源节点输出功率,结合所述电网功率需求峰值进行调度优化,生成待调度分布式能源节点;
波动周期监测模块,所述波动周期监测模块用于激活所述待调度分布式能源节点,接入构网型变流器,监测构网型变流器实时输出功率和输出功率波动周期;
监测端交互模块,所述监测端交互模块用于交互电网监测端,监测电网实时功率和波动周期时间;
并网控制模块,所述并网控制模块用于当所述实时输出功率和所述电网实时功率满足功率平衡,且所述输出功率波动周期和所述波动周期时间满足周期平衡时,根据所述实时输出功率和所述输出功率波动周期进行并网控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311859294.9A CN117833360A (zh) | 2023-12-30 | 2023-12-30 | 基于分布式架构的构网型变流器控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311859294.9A CN117833360A (zh) | 2023-12-30 | 2023-12-30 | 基于分布式架构的构网型变流器控制方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117833360A true CN117833360A (zh) | 2024-04-05 |
Family
ID=90514801
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311859294.9A Pending CN117833360A (zh) | 2023-12-30 | 2023-12-30 | 基于分布式架构的构网型变流器控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117833360A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118017576A (zh) * | 2024-04-09 | 2024-05-10 | 江苏谷峰电力科技股份有限公司 | 一种构网型组串式储能变流器 |
-
2023
- 2023-12-30 CN CN202311859294.9A patent/CN117833360A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118017576A (zh) * | 2024-04-09 | 2024-05-10 | 江苏谷峰电力科技股份有限公司 | 一种构网型组串式储能变流器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115189349A (zh) | 用于能量存储系统的最佳控制的系统和方法 | |
CN117833360A (zh) | 基于分布式架构的构网型变流器控制方法及系统 | |
CN104318391A (zh) | 一种基于电网运行服务总线的计划安全校核的实现方法 | |
CN111384729B (zh) | 一种基于边缘计算的分布式电源调度控制方法 | |
CN105159286A (zh) | 一种航天器在轨异常报警与故障诊断系统 | |
US11804621B2 (en) | Parameter tuning method of energy storage system and the energy storage system | |
CN113949075A (zh) | 一种新能源网源协调调频、惯量支撑在线监测分析系统及方法 | |
CN117374978B (zh) | 结合知识图谱构建的并网调度管理方法及系统 | |
Chinthavali et al. | Solid state power substations (SSPS): A multi-hierarchical architecture from substation to grid edge | |
Pliuhin et al. | Smart Grid technologies as a concept of innovative energy development: initial proposals for the development of Ukraine | |
CN111275578A (zh) | 一种调度自动化系统 | |
Leopold et al. | Simulation-based methodology for optimizing energy community controllers | |
CN115775047A (zh) | 一种区域电力供需分析预测方法、系统及存储介质 | |
CN111404195B (zh) | 一种基于智能网关的含分布式电源微电网的调度方法 | |
CN113765156A (zh) | 用于碳电一体化虚拟电厂的源网荷储综合调度系统 | |
CN111401577A (zh) | 设备管理方法、装置、设备及存储介质 | |
CN110867971A (zh) | 一种智能电力调度系统 | |
CN117644794B (zh) | 一种基于充电桩的智能时段控制系统 | |
Aragón et al. | Stochastic optimization framework for online scheduling of an EV charging station in a residential place with photovoltaics and energy storage system | |
CN113408892B (zh) | 一种保障多能互补微网分层协同调控系统及其调控方法 | |
CN116683500B (zh) | 一种电化学储能电站有功功率调度方法和系统 | |
CN112290676B (zh) | 现场数据与云存储系统相结合的光伏电站控制系统 | |
Shao et al. | Risk Decision-making Model for Scheduling for Wind Integrated Power System Considering Optimal Configuration of Reserve Capacity | |
CN116979601A (zh) | 基于储能自动控制的配电网降损优化方法、系统及设备 | |
Deng et al. | Construction of Automation Operation Management and Control Platform for Power Grid Enterprises Based on Digital Transformation |
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 |