CN117875675A - 基于电网需求的多类型储能系统协同规划方法 - Google Patents
基于电网需求的多类型储能系统协同规划方法 Download PDFInfo
- Publication number
- CN117875675A CN117875675A CN202410273983.XA CN202410273983A CN117875675A CN 117875675 A CN117875675 A CN 117875675A CN 202410273983 A CN202410273983 A CN 202410273983A CN 117875675 A CN117875675 A CN 117875675A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- storage system
- area
- demand
- 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.)
- Granted
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 484
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000011156 evaluation Methods 0.000 claims abstract description 70
- 238000004458 analytical method Methods 0.000 claims abstract description 42
- 238000010248 power generation Methods 0.000 claims description 68
- 230000005611 electricity Effects 0.000 claims description 47
- 230000008569 process Effects 0.000 claims description 26
- 238000007726 management method Methods 0.000 claims description 18
- 230000003993 interaction Effects 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 10
- 230000006978 adaptation Effects 0.000 claims description 8
- 238000013500 data storage Methods 0.000 claims description 5
- 238000005057 refrigeration Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 description 17
- 238000012544 monitoring process Methods 0.000 description 11
- 238000004378 air conditioning Methods 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 238000005265 energy consumption Methods 0.000 description 6
- 230000007613 environmental effect Effects 0.000 description 4
- 239000002699 waste material Substances 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000015556 catabolic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002860 competitive effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 235000015097 nutrients Nutrition 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000003507 refrigerant Substances 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007474 system interaction Effects 0.000 description 1
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
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
- 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)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Mathematical Analysis (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Development Economics (AREA)
- Mathematical Optimization (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Probability & Statistics with Applications (AREA)
- Databases & Information Systems (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
本发明涉及储能系统协同规划技术领域,具体公开基于电网需求的多类型储能系统协同规划方法,该方法包括:电网需求信息获取分析、储能系统协调控制评估以及储能系统协同规划,通过对储能系统所属区域的电网需求信息以及各类储能系统的储能优控参数进行分析,得到储能系统所属区域的电网需求系数以及各类储能系统的协调控制评估指数,最终将各类储能系统的协调控制评估指数与协调控制阈值进行比对,并对各类储能系统进行协同规划,能够确保储能系统处于稳定、安全的供电状态,满足电网的供电需求,并提高电网的灵活性以及稳定性。
Description
技术领域
本发明涉及储能系统协同规划技术领域,具体为基于电网需求的多类型储能系统协同规划方法。
背景技术
随着可再生能源的大规模接入,电网需求变得更加复杂和多样化,传统的电力系统往往存在负荷峰谷差异大、稳定性差等问题,因此需要引入多类型储能系统来提高电网的灵活性和稳定性,多类型储能系统可以根据电网负荷的变化灵活调度能量,确保在关键时刻提供稳定的供电,满足电网的供电需求,通过对多类型储能系统的协同规划,不仅能够降低储能系统所属区域的运行成本,同时可以提高相关储能设备的运作率,促进新能源消纳和电力系统的高效运行,由此提高电网的灵活性和可靠性,保证电网安全、经济、稳定运行。
例如公告号为:CN111460390B的专利申请,公开了一种综合能源系统储能出力规划方法、装置、设备及介质,方法包括:输入基础数据;构建综合能源系统中储能系统的成本模型;构建综合能源系统净负荷功率的多场景分析模型;根据所述综合能源系统中储能系统的成本模型与所述综合能源系统净负荷功率的多场景分析模型,构建基于CVaR的综合能源系统储能出力的线性规划模型;根据所述基础数据与所述构建基于CVaR的储能出力线性规划模型,求解并输出所述基于CVaR的储能出力线性规划结果,上述申请的技术方案能够有效地平衡综合能源系统的运行风险与运行效率,具有在考虑运行风险的情况下,最大化综合能源系统运行效率的优点。
但本申请在实现本申请实施例的过程中,发现上述技术至少存在如下技术问题:上述申请在构建储能出力的线性规划模型时,只考虑相关成本因素以及多场景分析,忽略了储能系统在运行时的影响参数,例如充放电循环时长、充放电功率,如若不考虑其运行影响参数,会使得最终构建的规划模型与预期模型相差较大,同时无法提高能源系统的运行效率。
发明内容
针对现有技术的不足,本发明提供了基于电网需求的多类型储能系统协同规划方法,能够有效解决上述背景技术中涉及的问题。
为实现以上目的,本发明通过以下技术方案予以实现:基于电网需求的多类型储能系统协同规划方法,包括:获取储能系统所属区域的电网需求信息,分析储能系统所属区域的电网需求系数;获取各类储能系统的储能优控参数,分析得到各类储能系统的协调控制评估指数;根据所述储能系统所属区域的电网需求系数,分析得到储能系统的协调控制评估阈值,将各类储能系统的协调控制评估指数与协调控制评估阈值进行比对,由此对各类储能系统进行协同规划。
作为进一步的方法,所述储能系统所属区域的电网需求系数,是通过分析储能系统所属区域的负荷影响程度值、储能系统所属区域的能源发电影响程度值以及储能系统所属区域的需求影响程度值,综合评估得到的储能系统所属区域的电网需求程度的数据。
作为进一步的方法,所述储能系统所属区域的负荷影响程度值,具体数据获取分析过程为:
根据储能系统所属区域的电网需求信息,其中电网需求信息包括历史负荷数据、能源发电数据以及需求影响数据;根据储能系统所属区域的历史负荷数据,其中历史负荷数据为历史负荷曲线,从中提取得到储能系统所属区域的最高负荷值与最低负荷值;从历史负荷曲线中定位最高负荷点与最低负荷点,分析处理得到储能系统所属区域的最高负荷点和最低负荷点之间覆盖的曲线区域面积,同时获取储能系统所属区域的历史负荷曲线对应的总覆盖面积,通过分析处理综合得到储能系统所属区域的负荷影响程度值。
作为进一步的方法,所述储能系统所属区域的能源发电影响程度值,具体数据获取分析过程为:
根据储能系统所属区域的能源发电数据,提取得到储能系统所属区域在设定的历史需求周期内的能源发电总量;统计储能系统所属区域的能源发电设备,获取储能系统所属区域的各能源发电设备在设定的历史需求周期内对应的发电效率;从储能数据库中提取能源发电界定量以及发电界定效率,综合处理评估储能系统所属区域的能源发电影响程度值。
作为进一步的方法,所述储能系统所属区域的需求影响程度值,具体数据获取分析过程为:
根据储能系统所属区域的需求影响数据,提取储能系统所属区域在设定的历史需求周期内的日均用电量以及最高用电负载量,同时获取储能系统所属区域在设定的历史需求周期内的电价最大波动率;从储能数据库中提取日均用电参照量、用电负载界定量以及电价波动参照率,综合分析处理得到储能系统所属区域的需求影响程度值。
作为进一步的方法,所述各类储能系统的协调控制评估指数,表示通过各类储能系统的充放电控制程度系数、各类储能系统的成本消耗控制程度系数以及各类储能系统的部件性能运作控制程度系数的综合评估,得到用于评估各类储能系统的协调控制程度的数据。
作为进一步的方法,所述各类储能系统的充放电控制程度系数,具体数据获取分析过程为:
根据各类储能系统的储能优控参数,其中储能优控参数包括充放电关联参数、储能成本数据以及储能关联部件性能参数;根据各类储能系统的充放电关联参数,从中提取各类储能系统在设定的储能协同周期内的充放电循环次数,由此获取各类储能系统在各次循环充放电下的循环时长以及充放最大功率;获取各类储能系统的蓄电池在设定的储能协同周期内的周期等效循环效率;从储能数据库中提取循环参照时长、充放参照功率以及周期等效适配循环效率,综合分析各类储能系统的充放电控制程度系数。
作为进一步的方法,所述各类储能系统的成本消耗控制程度系数,具体数据获取分析过程为:
根据各类储能系统的储能成本数据,其中储能成本数据包括在设定的储能协同周期内的设备运行管理费用、电网交互成本、负荷参与调度补贴费用以及能源交易成本;从储能数据库中提取设备运行管理界定费用、电网交互界定成本、负荷参与调度补贴界定费用以及能源交易界定成本,综合评估各类储能系统的成本消耗控制程度系数。
作为进一步的方法,所述各类储能系统的部件性能运作控制程度系数,具体数据获取分析过程为:
根据各类储能系统的储能关联部件性能参数,其中储能关联部件性能参数包括压缩机运行频率以及空调运作功率,同时将设定的储能协同周期划分为各协同时间点,由此获取各类储能系统在各协同时间点下的压缩机运行频率以及空调运作功率;获取各类储能系统在设定的储能协同周期内的制冷机制冷总量;从储能数据库中提取压缩机运行界定频率、空调运作参照功率以及制冷机制冷适配量,整合分析各类储能系统的部件性能运作控制程度系数。
作为进一步的方法,所述对各类储能系统进行协同规划,具体分析过程为:
将储能系统所属区域的电网需求系数与储能数据库中定义的各电网需求系数区间对应的协调控制评估阈值进行匹配,得到储能系统所属区域的协调控制评估阈值;将各类储能系统的协调控制评估指数与协调控制阈值进行比对,若某类储能系统的协调控制评估指数低于协调控制阈值,则对该类储能系统进行协同规划,其协同规划的具体步骤如下:
将该类储能系统标记为需再规划储能系统,并统计需再规划储能系统的协调控制评估指数差,记为需再规划储能系统的规划指征值,与储能数据库中定义的各规划指征值区间对应的增补容量值进行匹配,得到需再规划储能系统的增补容量值;获取需再规划储能系统的当前执行容量值,与需再规划储能系统的增补容量值进行相加处理,由此得到需再规划储能系统的目标执行规划容量值。
相对于现有技术,本发明的实施例至少具有如下优点或有益效果:
(1)本发明通过提供基于电网需求的多类型储能系统协同规划方法,分别对储能系统所属区域的电网需求信息以及各类储能系统的储能优控参数进行分析,得到储能系统所属区域的电网需求系数以及各类储能系统的协调控制评估指数,最终将各类储能系统的协调控制评估指数与协调控制阈值进行比对,并对各类储能系统进行协同规划,能够确保储能系统处于稳定、安全的供电状态,满足电网的供电需求,并提高电网的灵活性以及稳定性。
(2)本发明根据储能系统所属区域的电网需求信息,其中电网需求信息包括历史负荷数据、能源发电数据以及需求影响数据,分别评估储能系统所属区域的负荷影响程度值、能源发电影响程度值以及需求影响程度值,综合得到储能系统所属区域的电网需求系数,使得能够更加精准的获取电网需求的具体情况,为后续储能系统的协同规划提供更全面的数据根据,由此更大限度的满足电网需求。
(3)本发明根据各类储能系统的储能优控参数,其中储能优控参数包括充放电关联参数、储能成本数据以及储能关联部件性能参数,通过算法分析分别得到各类储能系统的充放电控制程度系数、成本消耗控制程度系数以及部件性能运作控制程度系数,综合得到各类储能系统的协调控制评估指数,通过对各类储能系统的协调控制情况进行评估,不仅能够降低各类储能系统的储能相关成本,同时可以提高相关储能部件的运作性能,保证多类型储能系统的协调运行。
(4)本发明根据储能系统所属区域的电网需求系数,分析得到储能系统的协调控制评估阈值,并将各类储能系统的协调控制评估指数与协调控制阈值进行比对,由此对各类储能系统进行协同规划,能够促进储能系统中的新能源消纳状态,提高电网的灵活性和可靠性,保证电网安全、经济、稳定运行。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1为本发明的方法流程示意图。
图2为本发明所涉及的历史负荷曲线的示意图。
附图标记:1、最低负荷点,2、最高负荷点,3、最高负荷点和最低负荷点之间覆盖的曲线区域面积。
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。
参照图1所示,本发明提供了基于电网需求的多类型储能系统协同规划方法,包括:获取储能系统所属区域的电网需求信息,经由算法处理分析储能系统所属区域的电网需求系数。
需要解释的是,上述储能系统所属区域为储能系统运行的关联区域。
在一个具体的实施例中,本发明根据储能系统所属区域的电网需求信息,其中电网需求信息包括历史负荷数据、能源发电数据以及需求影响数据,分别评估储能系统所属区域的负荷影响程度值、能源发电影响程度值以及需求影响程度值,综合得到储能系统所属区域的电网需求系数,使得能够更加精准的获取电网需求的具体情况,为后续储能系统的协同规划提供更全面的数据根据,由此更大限度的满足电网需求。
具体的,所述储能系统所属区域的电网需求系数,除可以通过电网需求评估平台分析获取外还可以通过更加精确的计算方法获得,具体的计算方法如下:
,
式中,为储能系统所属区域的电网需求系数,本实施例中,负荷的波动会导致电网需求的不稳定性,如果负荷快速增加或减少,电网可能面临过载或供电不足的风险,需要通过调度和储能等手段来应对,这可能增加运营成本并影响电网的稳定性;能源发电方式的多样性会导致电网的不稳定性,需要配备更多的调度和储能设施来平衡供需关系,同时,传统能源发电方式的运行和排放也会对电网的环境影响和可持续性造成负面影响;恶劣天气条件可能影响可再生能源的发电效率,从而需要电网运营者采取额外措施来应对波动的能源供应,还可能导致电网设备受损或运行异常,进而对电网的稳定性造成影响;综上所述,负荷、能源发电和气象因素都会对电网需求产生负面影响,电网需要在面对这些挑战时采取有效的管理和技术手段,以确保电力系统的可靠性、稳定性和可持续性。
为储能系统所属区域的负荷影响程度值,其中储能系统所属区域的负荷影响程度值表示通过最高负荷值、最低负荷值与最高负荷点和最低负荷点之间覆盖的曲线区域面积综合分析评价储能系统所属区域的负荷影响程度的数据。
为储能系统所属区域的能源发电影响程度值,其中储能系统所属区域的能源发电影响程度值表示通过能源发电总量与能源发电设备的发电效率综合分析评价储能系统所属区域的能源发电影响程度的数据。
为储能系统所属区域的需求影响程度值,其中储能系统所属区域的需求影响程度值表示通过日均用电量、最高用电负载量与电价最大波动率综合分析评价储能系统所属区域的需求影响程度的数据。
为预设的负荷影响程度值对应的权重因子,为预设的能源发电影响程度值对应的权重因子,为预设的需求影响程度值对应的权重因子。
进一步的,所述储能系统所属区域的负荷影响程度值,具体数据获取分析过程为:
根据储能系统所属区域的电网需求信息,其中电网需求信息包括历史负荷数据、能源发电数据以及需求影响数据。
根据储能系统所属区域的历史负荷数据,其中历史负荷数据为历史负荷曲线,从中提取得到储能系统所属区域的最高负荷值与最低负荷值。
需要解释的是,上述历史负荷曲线具体如图2所示,其横坐标为历史时间点,单位是秒;纵坐标为负荷值,单位为瓦特。
从历史负荷曲线中定位最高负荷点与最低负荷点,分析处理得到储能系统所属区域的最高负荷点和最低负荷点之间覆盖的曲线区域面积,同时获取储能系统所属区域的历史负荷曲线对应的总覆盖面积。
需要解释的是,上述最高负荷点与最高负荷值并不是同一数值,最高负荷值的横坐标是历史时间点,而最高负荷点并不一定是历史时间点;同理,最低负荷点与最低负荷值并不是同一数值,最低负荷值的横坐标是历史时间点,而最低负荷点并不一定是历史时间点。
综合分析储能系统所属区域的负荷影响程度值,除可以通过负荷影响评估模型分析获取外还可以通过更加精确的计算方法获得,具体的计算方法如下:
,
式中,为储能系统所属区域的负荷影响程度值,本实施例中,过大的负荷波动会导致电网的不稳定性,可能引发电网故障、设备损坏或甚至导致停电事件,同时过大的负荷偏差会增加调度难度,可能导致电网运行不稳定;最高负荷点和最低负荷点之间覆盖的曲线区域面积过大表示存在能源浪费的可能性,在低谷负荷期间,电网可能会有过剩的能源供应,导致能源浪费,这不仅对环境造成负面影响,还会增加供电成本;综上所述,最高负荷值与最低负荷值之间的偏差,以及最高负荷点和最低负荷点之间覆盖的曲线区域面积过大可能会导致电网运行不稳定、成本增加、能源浪费、设备损坏以及用户体验感下降等负面影响,因此,电网管理者需要通过有效的负荷管理和能源调度措施来减少负荷波动,确保电网的可靠性和稳定性。
为储能系统所属区域的最高负荷值,其中最高负荷值是指储能系统所属区域在历史需求周期内的历史时间点达到的最高峰值。
为储能系统所属区域的最低负荷值,其中最低负荷值是指储能系统所属区域在历史需求周期内的历史时间点达到的最低点值。
为预定义的负荷许可偏差值,为储能系统所属区域的最高负荷点和最低负荷点之间覆盖的曲线区域面积,为储能系统所属区域的历史负荷曲线对应的总覆盖面积,为预设的最值负荷偏差值对应的修正因子,其中最值负荷偏差值是指最高负荷值与最低负荷值之间的差值对应的算法处理结果。
为预设的单位负荷偏差数值对应的影响因子,为设定的最高负荷点和最低负荷点之间覆盖的曲线区域面积对应的评估因子。
具体的,所述储能系统所属区域的能源发电影响程度值,具体数据获取分析过程为:
根据储能系统所属区域的能源发电数据,提取得到储能系统所属区域在设定的历史需求周期内的能源发电总量,其中能源发电总量的获取方式是通过能源市场的数据,获取储能系统所属区域在历史需求周期内的能源发电总量信息,其中能源市场会记录各发电厂的发电情况和能源交易情况。
统计储能系统所属区域的能源发电设备,获取储能系统所属区域的各能源发电设备在设定的历史需求周期内对应的发电效率,其中发电效率的获取方式是通过查询能源监测系统的数据,以此获取各能源发电设备在历史需求周期内的发电效率信息,其中能源监测系统用于实时监测能源发电设备的运行情况,并记录相关数据。
从储能数据库中提取能源发电界定量以及发电界定效率。
综合评估储能系统所属区域的能源发电影响程度值,除可以通过能源发电判定系统分析获取外还可以通过更加精确的计算方法获得,具体的计算方法如下:
,
式中,为储能系统所属区域的能源发电影响程度值,本实施例中,如果能源发电量不足以满足电网需求,可能导致电网过载,甚至引发电力系统崩溃的风险,能源发电量不足时,导致能源短缺,影响电网的稳定性和可靠性,可能导致停电或供电不稳定;发电效率低下会导致能源浪费,需要消耗更多的燃料来产生相同数量的电力,增加能源成本和环境影响,低效率的能源发电方式可能意味着更多的能源资源消耗,对于有限的能源资源来说,这可能会带来长期的负面影响;综合来看,能源发电量和发电效率对电网需求都具有重要影响,不足和低效率都可能导致电网运行不稳定、成本增加、环境影响加剧等问题,因此,在电网需求管理中,需要综合考虑这些因素,以确保电网的稳定、可靠和可持续发展。
为储能系统所属区域在设定的历史需求周期内的能源发电总量,其中能源发电总量表示在历史需求周期内,储能系统所属区域产生的总电能量。
为能源发电界定量,为储能系统所属区域的第a个能源发电设备在设定的历史需求周期内对应的发电效率,其中发电效率表示能源发电设备在历史需求周期内将输入的能源转换为电能的效率。
为发电界定效率,为预设的能源发电量对应的修正值,为预设的发电效率对应的修正值,为预定义的能源发电影响程度对应的评估因子,a为各能源发电设备的编号,,z为能源发电设备的数目。
进一步的,所述储能系统所属区域的需求影响程度值,具体数据获取分析过程为:
根据储能系统所属区域的需求影响数据,提取储能系统所属区域在设定的历史需求周期内的日均用电量以及最高用电负载量,其中日均用电量的获取方式是通过查阅储能系统所属区域过往的能耗记录和历史数据,计算出日均用电量;最高用电负载量的获取方式是通过获取储能系统的负载数据,记录并分析储能系统在历史需求周期内的最高负载水平。
同时获取储能系统所属区域在设定的历史需求周期内的电价最大波动率,其中电价最大波动率的获取方式是从相关的电力市场数据平台获取的历史的电价数据,这些电价数据通常包含每小时的电价信息,通过计算得到电价的波动率。
从储能数据库中提取日均用电参照量、用电负载界定量以及电价波动参照率。
综合分析储能系统所属区域的需求影响程度值,除可以通过需求影响分析平台分析获取外还可以通过更加精确的计算方法获得,具体的计算方法如下:
,
式中,为储能系统所属区域的需求影响程度值,本实施例中,日均用电量以及最高用电负载量的波动会导致储能系统中用电的不稳定性,这可能会给电网带来挑战;电价的波动率增加了电力市场的不确定性,可能导致电力成本的波动,对于消费者来说,电价的大幅波动可能会增加经营成本或者降低收益,对电力市场的稳定性造成影响;综上所述,日均用电量、最高用电负载量以及电价最大波动率的不稳定性都可能对电网需求产生负面影响,需要综合考虑并采取相应的措施来应对这些挑战,确保电网的可靠运行和发展。
为储能系统所属区域在设定的历史需求周期内的日均用电量,其中日均用电量是指在设定的历史需求周期内,储能系统所属区域每天平均消耗的电能量。
为日均用电参照量,为储能系统所属区域在设定的历史需求周期内的最高用电负载量,其中最高用电负载量是指在设定的历史需求周期内,储能系统所属区域出现的最高负载水平,即储能系统达到的最大电力需求值。
为用电负载界定量,为储能系统所属区域在设定的历史需求周期内的电价最大波动率,其中电价最大波动率是指在设定的历史需求周期内,电价波动的最大程度。
为电价波动参照率,为预设的日均用电量对应的评价因子,为预设的最高用电负载量对应的评价因子,为预设的电价最大波动率对应的评价因子,e为自然常数。
获取各类储能系统的储能优控参数,分析得到各类储能系统的协调控制评估指数。
在一个具体的实施例中,本发明根据各类储能系统的储能优控参数,其中储能优控参数包括充放电关联参数、储能成本数据以及储能关联部件性能参数,通过算法分析分别得到各类储能系统的充放电控制程度系数、成本消耗控制程度系数以及部件性能运作控制程度系数,综合得到各类储能系统的协调控制评估指数,通过对各类储能系统的协调控制情况进行评估,不仅能够降低各类储能系统的储能相关成本,同时可以提高相关储能部件的运作性能,保证多类型储能系统的协调运行。
具体的,所述各类储能系统的协调控制评估指数,表示通过各类储能系统的充放电控制程度系数、各类储能系统的成本消耗控制程度系数以及各类储能系统的部件性能运作控制程度系数的综合评估,得到各类储能系统的协调控制评估程度的数据,其中各类储能系统的协调控制评估指数,除可以通过协调控制评估系统分析获取外还可以通过更加精确的计算方法获得,具体的计算方法如下:
,
式中,为第b类储能系统的协调控制评估指数,本实施例中,如果充放电控制程度不足,可能导致储能系统的充放电过程不够灵活,无法满足实时电网需求的变化,会影响储能系统的稳定性和效率,甚至对电网运行造成负面影响;如果成本消耗控制程度不足,可能导致储能系统的运行成本过高,降低系统的经济效益,高额的运行成本可能会限制储能系统的应用范围和市场竞争力,影响储能系统的可持续性发展;如果部件性能运作控制程度不足,可能导致储能系统中的关键部件出现故障或性能下降,影响系统的整体运行效率和可靠性,导致储能系统的维护成本增加,甚至影响系统的安全性和稳定性;综合来看,充放电控制程度、成本消耗控制程度以及部件性能运作控制程度在储能系统的协调控制评估中扮演着关键角色,不足的控制程度可能会导致系统运行效率下降、成本增加、甚至安全风险,因此,对于储能系统的协调运营管理,需要综合考虑这些因素,确保储能系统能够高效、经济地运行,并保持良好的性能和可靠性。
需要解释的是,上述各类储能系统,包括但不限于电动汽车、柔性负荷、可调度新能源、储能装置、微电网。
为第b类储能系统的充放电控制程度系数,其中第b类储能系统的充放电控制程度系数表示通过循环时长、充放最大功率以及周期等效循环效率综合分析评价充放电控制程度的数据。
为第b类储能系统的成本消耗控制程度系数,其中第b类储能系统的成本消耗控制程度系数表示通过设备运行管理费用、电网交互成本、负荷参与调度补贴费用以及能源交易成本综合分析评价成本消耗控制程度的数据。
为第b类储能系统的部件性能运作控制程度系数,其中第b类储能系统的部件性能运作控制程度系数表示通过压缩机运行频率、空调运作功率以及制冷机制冷总量综合分析评价部件性能运作控制程度的数据。
为预设的充放电控制程度系数对应的权重因子,为预设的成本消耗控制程度系数对应的权重因子,为预设的部件性能运作控制程度系数对应的权重因子。
进一步的,所述各类储能系统的充放电控制程度系数,具体数据获取分析过程为:
根据各类储能系统的储能优控参数,其中储能优控参数包括充放电关联参数、储能成本数据以及储能关联部件性能参数。
根据各类储能系统的充放电关联参数,从中提取各类储能系统在设定的储能协同周期内的充放电循环次数,其中充放电循环次数的获取方式是由于储能系统通常会配备监测设备和数据记录系统,用于实时监测储能系统的充放电情况,通过这些监测设备和系统,可以获取各类储能系统在储能协同周期内的充放电循环次数数据。
由此获取各类储能系统在各次循环充放电下的循环时长以及充放最大功率。
需要解释的是,上述循环时长的获取方式如下:
储能系统通常会安装监测设备,用于实时监测储能系统的运行状态,这些监测设备可以记录每次充放电循环的开始时间和结束时间,从而计算循环时长。
进一步需要解释的是,上述充放最大功率的获取方式如下:
储能系统会配备功率传感器,用于实时监测储能系统的功率输出,通过功率传感器,可以获取储能系统在每次充放电循环中的最大功率输出,由此得到各次循环充放电下的充放最大功率。
获取各类储能系统的蓄电池在设定的储能协同周期内的周期等效循环效率,其中周期等效循环效率的获取方式如下:
利用数学模型和理论分析,根据蓄电池的性能参数、充放电特性,计算得到蓄电池在设定的储能协同周期内的周期等效循环效率。
从储能数据库中提取循环参照时长、充放参照功率以及周期等效适配循环效率。
综合分析各类储能系统的充放电控制程度系数,除可以通过充放电控制平台分析获取外还可以通过更加精确的计算方法获得,具体的计算方法如下:
,
式中,为第b类储能系统的充放电控制程度系数,本实施例中,频繁的充放电循环会加速蓄电池的寿命衰减,导致系统的循环寿命缩短,同时也会导致储能系统组件的磨损加剧,增加维护成本和降低储能系统可靠性;过高或过低的充放功率可能导致储能系统过载或过放电,影响储能系统的稳定运行,且不恰当的充放功率控制会导致电网负荷不平衡,影响电网的稳定性和可靠性;周期等效循环效率过大可能导致储能系统性能下降,降低储能系统的储能效率和响应速度;综上所述,循环时长、充放功率以及周期等效循环效率对各类储能系统的充放电控制程度有重要影响,因此,在协调规划储能系统时,需要综合考虑这些因素,合理控制充放电行为,以确保储能系统的高效稳定运行。
为第b类储能系统在第c次循环充放电下的循环时长,其中循环时长表示储能系统完成一次完整充放电循环所需的时间。
为第b类储能系统在第c次循环充放电下的充放最大功率,其中充放最大功率表示储能系统在该循环过程中能够提供的最大功率值。
为第b类储能系统的蓄电池在设定的储能协同周期内的周期等效循环效率,其中周期等效循环效率表示在设定的储能协同周期内,储能系统在充放电循环中所产生的能量损失和能量输入之间的比率。
为循环参照时长,为充放参照功率,为周期等效适配循环效率。
需要解释的是,上述周期等效适配循环效率是指在对周期等效循环效率进行分析时,从储能数据库中提取的周期等效循环效率对应的标准值。
为预定义的循环时长对应的控制评估因子,为预定义的充放最大功率对应的控制评估值,为预定义的周期等效循环效率对应的控制评估系数,b为各类储能系统的编号,,y为储能系统的种类,c为各次循环充放电的编号,,x为充放电循环次数。
具体的,所述各类储能系统的成本消耗控制程度系数,具体数据获取分析过程为:
根据各类储能系统的储能成本数据,其中储能成本数据包括在设定的储能协同周期内的设备运行管理费用、电网交互成本、负荷参与调度补贴费用以及能源交易成本。
需要解释的是,上述储能成本数据的获取方式是通过储能系统成本监测平台获取得到的。
从储能数据库中提取设备运行管理界定费用、电网交互界定成本、负荷参与调度补贴界定费用以及能源交易界定成本。
综合评估各类储能系统的成本消耗控制程度系数,除可以通过成本消耗控制系统分析获取外还可以通过更加精确的计算方法获得,具体的计算方法如下:
,
式中,为第b类储能系统的成本消耗控制程度系数,本实施例中,设备运行管理费用的增加会增加储能系统的总体成本,影响储能系统的经济性;若电网交互成本较高,可能导致储能系统在市场上的竞争力下降,影响其在能源市场中的地位和盈利能力;能源交易成本对储能系统的能源交易活动带来限制,降低了系统的灵活性和多样化运营模式;负荷参与调度补贴费用会对储能系统的参与负荷调度和运营优化带来一定的限制,影响系统的运行效率和盈利能力;综上所述,设备运行管理费用、电网交互成本、负荷参与调度补贴费用以及能源交易成本等因素对各类储能系统的成本消耗控制程度可能会带来一些负面影响,需要在储能系统运营管理中进行综合考虑和有效控制,以最大程度地提高储能系统的经济性和可持续性。
为第b类储能系统在设定的储能协同周期内的设备运行管理费用,其中设备运行管理费用是指储能系统在设定的储能协同周期内,用于维护、监控、运行管理以及其他日常运营活动的费用。
为设备运行管理界定费用,为第b类储能系统在设定的储能协同周期内的电网交互成本,其中电网交互成本是指储能系统在设定的储能协同周期内与电网进行交互时产生的成本,包括但不限于电网连接费用以及电网服务费用。
为电网交互界定成本,为第b类储能系统在设定的储能协同周期内的负荷参与调度补贴费用,其中负荷参与调度补贴费用是指储能系统在设定的储能协同周期内参与电力市场调度,并根据市场规则和政府政策获得的补贴费用,包括但不限于容量市场补贴以及调频市场补贴。
为负荷参与调度补贴界定费用,为第b类储能系统在设定的储能协同周期内的能源交易成本,其中能源交易成本是指储能系统在设定的储能协同周期内进行能源交易所产生的费用,包括但不限于能源采购成本、能源市场交易费用以及储能效率损耗成本。
为能源交易界定成本,为设定的设备运行管理费用对应的消耗评估因子,为设定的电网交互成本对应的消耗评估值,为设定的负荷参与调度补贴费用对应的消耗评估指数,为设定的能源交易成本对应的消耗评估系数,e为自然常数。
进一步的,所述各类储能系统的部件性能运作控制程度系数,具体数据获取分析过程为:
根据各类储能系统的储能关联部件性能参数,其中储能关联部件性能参数包括压缩机运行频率以及空调运作功率,同时将设定的储能协同周期划分为各协同时间点,由此获取各类储能系统在各协同时间点下的压缩机运行频率以及空调运作功率。
需要阐述的是,上述压缩机运行频率的获取方式如下:
通过安装在压缩机上的传感器来监测压缩机的运行状态和频率,测量压缩机的转速、电流、电压等参数,并将数据传输给控制系统,由此通过算法分析得到压缩机运行频率。
进一步需要阐述的是,上述空调运作功率的获取方式是通过安装在空调系统上的电能计量仪实时监测空调的功率消耗,由此得到各协同时间点下的空调运作功率。
获取各类储能系统在设定的储能协同周期内的制冷机制冷总量,其中制冷机制冷总量的获取方式如下:
通过安装在制冷机上的传感器用来监测制冷机的运行参数,如制冷剂流量、温度、压力等,再通过制冷量分析模型分析得到在设定的储能协同周期内的制冷机制冷总量。
从储能数据库中提取压缩机运行界定频率、空调运作参照功率以及制冷机制冷适配量。
整合分析各类储能系统的部件性能运作控制程度系数,除可以通过部件性能运作控制模型分析获取外还可以通过更加精确的计算方法获得,具体的计算方法如下:
,
式中,为第b类储能系统的部件性能运作控制程度系数,本实施例中,过高或不恰当的压缩机运行频率、空调运作功率和制冷机制冷量可能导致系统能效降低,例如,频繁启停压缩机或持续高功率运行的空调系统可能会导致能耗增加,降低整体能效;不稳定的压缩机运行频率、空调功率和制冷机制冷量可能导致系统运行不稳定,影响系统的性能和可靠性,甚至引发系统故障;不合理的部件性能运作控制可能会导致能源消耗增加、温室气体排放增加,对环境产生负面影响;因此,在运行各类储能系统时,需要合理控制压缩机运行频率、空调运作功率和制冷机制冷量,减少上述的负面影响,提高储能系统的性能、能效和稳定性。
为第b类储能系统在第d个协同时间点下的压缩机运行频率,其中压缩机运行频率表示压缩机在单位时间内的运行时间。
为压缩机运行界定频率,为第b类储能系统在第d个协同时间点下的空调运作功率,其中空调运作功率表示空调系统的功率消耗水平。
为空调运作参照功率,为第b类储能系统在设定的储能协同周期内的制冷机制冷总量,其中制冷机制冷总量表示在储能协同周期内制冷机实际提供的冷量总和。
为制冷机制冷适配量,为预定义的压缩机运行频率所属控制因子,为预定义的空调运作功率所属控制系数,为预定义的制冷机制冷总量所属控制指数,d为各协同时间点的编号,,q为协同时间点的数目。
根据所述储能系统所属区域的电网需求系数,分析得到储能系统的协调控制评估阈值,将各类储能系统的协调控制评估指数与协调控制评估阈值进行比对,由此对各类储能系统进行协同规划。
在一个具体的实施例中,本发明根据储能系统所属区域的电网需求系数,分析得到储能系统的协调控制评估阈值,并将各类储能系统的协调控制评估指数与协调控制阈值进行比对,由此对各类储能系统进行协同规划,能够促进储能系统中的新能源消纳状态,提高电网的灵活性和可靠性,保证电网安全、经济、稳定运行。
具体的,所述对各类储能系统进行协同规划,具体分析过程为:
将储能系统所属区域的电网需求系数与储能数据库中定义的各电网需求系数区间对应的协调控制评估阈值进行匹配,得到储能系统所属区域的协调控制评估阈值。
将各类储能系统的协调控制评估指数与协调控制阈值进行比对,若某类储能系统的协调控制评估指数低于协调控制阈值,表示储能系统在不同部件之间的操作没有良好的协调性,可能导致系统性能下降或不稳定;同时储能系统在对外部变化的响应速度较慢,无法及时调整以保持系统运行稳定;储能系统的协调控制能力不足,无法有效地管理不同部件之间的能量流动和功率平衡,可能导致系统运行不稳定或不可靠。
则对该类储能系统进行协同规划,其协同规划的具体步骤如下:
将该类储能系统标记为需再规划储能系统,并统计需再规划储能系统的协调控制评估指数差,记为需再规划储能系统的规划指征值,与储能数据库中定义的各规划指征值区间对应的增补容量值进行匹配,得到需再规划储能系统的增补容量值。
获取需再规划储能系统的当前执行容量值,与需再规划储能系统的增补容量值进行相加处理,由此得到需再规划储能系统的目标执行规划容量值。
本实施例中,如若不进一步的对所需的储能系统进行协同规划,以及分析所需的储能系统规划具体调整数据,会使得后续协同规划的储能系统对应的性能仍处于不稳定的状态,甚至引发系统崩溃的情况,降低储能系统的整体效率,为避免这些负面影响,需要对储能系统的规划进行充分的系统分析、参数优化,确保规划程度合理、稳定可靠,以保证储能系统的安全、高效运行和电网的良好互动。
在一个具体的实施例中,本发明通过提供基于电网需求的多类型储能系统协同规划方法,分别对储能系统所属区域的电网需求信息以及各类储能系统的储能优控参数进行分析,得到储能系统所属区域的电网需求系数以及各类储能系统的协调控制评估指数,最终将各类储能系统的协调控制评估指数与协调控制阈值进行比对,并对各类储能系统进行协同规划,能够确保储能系统处于稳定、安全的供电状态,满足电网的供电需求,并提高电网的灵活性以及稳定性。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.基于电网需求的多类型储能系统协同规划方法,其特征在于,包括:
获取储能系统所属区域的电网需求信息,分析储能系统所属区域的电网需求系数;
获取各类储能系统的储能优控参数,分析得到各类储能系统的协调控制评估指数;
根据所述储能系统所属区域的电网需求系数,分析得到储能系统的协调控制评估阈值,将各类储能系统的协调控制评估指数与协调控制评估阈值进行比对,由此对各类储能系统进行协同规划。
2.根据权利要求1所述的基于电网需求的多类型储能系统协同规划方法,其特征在于:所述对各类储能系统进行协同规划,具体分析过程为:
将储能系统所属区域的电网需求系数与储能数据库中定义的各电网需求系数区间对应的协调控制评估阈值进行匹配,得到储能系统所属区域的协调控制评估阈值;
将各类储能系统的协调控制评估指数与协调控制阈值进行比对,若某类储能系统的协调控制评估指数低于协调控制阈值,则对该类储能系统进行协同规划,其协同规划的具体步骤如下:
将该类储能系统标记为需再规划储能系统,并统计需再规划储能系统的协调控制评估指数差,记为需再规划储能系统的规划指征值,与储能数据库中定义的各规划指征值区间对应的增补容量值进行匹配,得到需再规划储能系统的增补容量值;
获取需再规划储能系统的当前执行容量值,与需再规划储能系统的增补容量值进行相加处理,由此得到需再规划储能系统的目标执行规划容量值。
3.根据权利要求2所述的基于电网需求的多类型储能系统协同规划方法,其特征在于:所述各类储能系统的协调控制评估指数,表示通过各类储能系统的充放电控制程度系数、各类储能系统的成本消耗控制程度系数以及各类储能系统的部件性能运作控制程度系数的综合评估,得到用于评估各类储能系统的协调控制程度的数据。
4.根据权利要求2所述的基于电网需求的多类型储能系统协同规划方法,其特征在于:所述储能系统所属区域的电网需求系数,具体分析公式为:,
式中,为储能系统所属区域的电网需求系数,为储能系统所属区域的负荷影响程度值,为储能系统所属区域的能源发电影响程度值,为储能系统所属区域的需求影响程度值,为预设的负荷影响程度值对应的权重因子,为预设的能源发电影响程度值对应的权重因子,为预设的需求影响程度值对应的权重因子。
5.根据权利要求3所述的基于电网需求的多类型储能系统协同规划方法,其特征在于:所述各类储能系统的充放电控制程度系数,具体数据获取分析过程为:
根据各类储能系统的储能优控参数,其中储能优控参数包括充放电关联参数、储能成本数据以及储能关联部件性能参数;
根据各类储能系统的充放电关联参数,从中提取各类储能系统在设定的储能协同周期内的充放电循环次数,由此获取各类储能系统在各次循环充放电下的循环时长以及充放最大功率;
获取各类储能系统的蓄电池在设定的储能协同周期内的周期等效循环效率;
从储能数据库中提取循环参照时长、充放参照功率以及周期等效适配循环效率,综合分析各类储能系统的充放电控制程度系数。
6.根据权利要求5所述的基于电网需求的多类型储能系统协同规划方法,其特征在于:所述各类储能系统的成本消耗控制程度系数,具体数据获取分析过程为:
根据各类储能系统的储能成本数据,其中储能成本数据包括在设定的储能协同周期内的设备运行管理费用、电网交互成本、负荷参与调度补贴费用以及能源交易成本;
从储能数据库中提取设备运行管理界定费用、电网交互界定成本、负荷参与调度补贴界定费用以及能源交易界定成本,综合评估各类储能系统的成本消耗控制程度系数。
7.根据权利要求5所述的基于电网需求的多类型储能系统协同规划方法,其特征在于:所述各类储能系统的部件性能运作控制程度系数,具体数据获取分析过程为:
根据各类储能系统的储能关联部件性能参数,其中储能关联部件性能参数包括压缩机运行频率以及空调运作功率,同时将设定的储能协同周期划分为各协同时间点,由此获取各类储能系统在各协同时间点下的压缩机运行频率以及空调运作功率;
获取各类储能系统在设定的储能协同周期内的制冷机制冷总量;
从储能数据库中提取压缩机运行界定频率、空调运作参照功率以及制冷机制冷适配量,整合分析各类储能系统的部件性能运作控制程度系数。
8.根据权利要求4所述的基于电网需求的多类型储能系统协同规划方法,其特征在于:所述储能系统所属区域的负荷影响程度值,具体数据获取分析过程为:
根据储能系统所属区域的电网需求信息,其中电网需求信息包括历史负荷数据、能源发电数据以及需求影响数据;
根据储能系统所属区域的历史负荷数据,其中历史负荷数据为历史负荷曲线,从中提取得到储能系统所属区域的最高负荷值与最低负荷值;
从历史负荷曲线中定位最高负荷点与最低负荷点,分析处理得到储能系统所属区域的最高负荷点和最低负荷点之间覆盖的曲线区域面积,同时获取储能系统所属区域的历史负荷曲线对应的总覆盖面积,通过分析处理综合得到储能系统所属区域的负荷影响程度值。
9.根据权利要求8所述的基于电网需求的多类型储能系统协同规划方法,其特征在于:所述储能系统所属区域的能源发电影响程度值,具体数据获取分析过程为:
根据储能系统所属区域的能源发电数据,提取得到储能系统所属区域在设定的历史需求周期内的能源发电总量;
统计储能系统所属区域的能源发电设备,获取储能系统所属区域的各能源发电设备在设定的历史需求周期内对应的发电效率;
从储能数据库中提取能源发电界定量以及发电界定效率,综合处理评估储能系统所属区域的能源发电影响程度值。
10.根据权利要求8所述的基于电网需求的多类型储能系统协同规划方法,其特征在于:所述储能系统所属区域的需求影响程度值,具体数据获取分析过程为:
根据储能系统所属区域的需求影响数据,提取储能系统所属区域在设定的历史需求周期内的日均用电量以及最高用电负载量,同时获取储能系统所属区域在设定的历史需求周期内的电价最大波动率;
从储能数据库中提取日均用电参照量、用电负载界定量以及电价波动参照率,综合分析处理得到储能系统所属区域的需求影响程度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410273983.XA CN117875675B (zh) | 2024-03-11 | 2024-03-11 | 基于电网需求的多类型储能系统协同规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410273983.XA CN117875675B (zh) | 2024-03-11 | 2024-03-11 | 基于电网需求的多类型储能系统协同规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117875675A true CN117875675A (zh) | 2024-04-12 |
CN117875675B CN117875675B (zh) | 2024-06-04 |
Family
ID=90588805
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410273983.XA Active CN117875675B (zh) | 2024-03-11 | 2024-03-11 | 基于电网需求的多类型储能系统协同规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117875675B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118229247A (zh) * | 2024-05-22 | 2024-06-21 | 电力规划总院有限公司 | 一种电力系统源网荷储协同的多目标规划方法及系统 |
CN118336836A (zh) * | 2024-06-12 | 2024-07-12 | 国网安徽省电力有限公司经济技术研究院 | 基于风险消弭的多类型可再生能源对调峰需求分析方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040158360A1 (en) * | 2003-02-04 | 2004-08-12 | Charles Garland | System and method of energy management and allocation within an energy grid |
JP2009095215A (ja) * | 2007-10-04 | 2009-04-30 | Kazuchika Koyama | 水電気分解のための電力流通制御システム、余剰電力の有効活用方法並びにその機器 |
US20110029141A1 (en) * | 2010-07-02 | 2011-02-03 | David Sun | Method for integrating individual load forecasts into a composite load forecast to present a comprehensive synchronized and harmonized load forecast |
US20140070617A1 (en) * | 2012-09-13 | 2014-03-13 | Stem, Inc | Method and apparatus for stabalizing power on an electrical grid using networked distributed energy storage systems |
US20220147670A1 (en) * | 2020-11-06 | 2022-05-12 | North China Electric Power University | Optimal allocation method for stored energy coordinating electric vehicles to participate in auxiliary service market |
CN115036983A (zh) * | 2022-04-19 | 2022-09-09 | 国网安徽省电力有限公司经济技术研究院 | 配电网供需双侧协同的规划优化方法及存储介质 |
CN115241930A (zh) * | 2022-08-12 | 2022-10-25 | 中国电力科学研究院有限公司 | 多形式储能与多类型电源的协同运行方法、系统及介质 |
CN115693753A (zh) * | 2022-08-02 | 2023-02-03 | 国网浙江省电力有限公司嘉善县供电公司 | 一种基于负荷虚拟储能的多区域协调控制方法 |
CN116029490A (zh) * | 2022-11-11 | 2023-04-28 | 国网四川省电力公司经济技术研究院 | 考虑分布式资源区域容量限制的光网储协同规划方法 |
CN116667394A (zh) * | 2023-05-09 | 2023-08-29 | 天津大学 | 园区综合能源系统联络线功率的概率化偏差控制方法 |
CN116667535A (zh) * | 2023-06-21 | 2023-08-29 | 国网安徽省电力有限公司六安供电公司 | 一种新能源模块化的微电网协调控制系统 |
CN116937601A (zh) * | 2023-06-30 | 2023-10-24 | 国网辽宁省电力有限公司鞍山供电公司 | 一种基于在线安全分析的多元可控负荷协同调度策略校核方法 |
CN117611382A (zh) * | 2023-11-17 | 2024-02-27 | 国网安徽省电力有限公司经济技术研究院 | 考虑多层协同及需求响应的农村综合能源系统优化方法 |
-
2024
- 2024-03-11 CN CN202410273983.XA patent/CN117875675B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040158360A1 (en) * | 2003-02-04 | 2004-08-12 | Charles Garland | System and method of energy management and allocation within an energy grid |
JP2009095215A (ja) * | 2007-10-04 | 2009-04-30 | Kazuchika Koyama | 水電気分解のための電力流通制御システム、余剰電力の有効活用方法並びにその機器 |
US20110029141A1 (en) * | 2010-07-02 | 2011-02-03 | David Sun | Method for integrating individual load forecasts into a composite load forecast to present a comprehensive synchronized and harmonized load forecast |
US20140070617A1 (en) * | 2012-09-13 | 2014-03-13 | Stem, Inc | Method and apparatus for stabalizing power on an electrical grid using networked distributed energy storage systems |
US20220147670A1 (en) * | 2020-11-06 | 2022-05-12 | North China Electric Power University | Optimal allocation method for stored energy coordinating electric vehicles to participate in auxiliary service market |
CN115036983A (zh) * | 2022-04-19 | 2022-09-09 | 国网安徽省电力有限公司经济技术研究院 | 配电网供需双侧协同的规划优化方法及存储介质 |
CN115693753A (zh) * | 2022-08-02 | 2023-02-03 | 国网浙江省电力有限公司嘉善县供电公司 | 一种基于负荷虚拟储能的多区域协调控制方法 |
CN115241930A (zh) * | 2022-08-12 | 2022-10-25 | 中国电力科学研究院有限公司 | 多形式储能与多类型电源的协同运行方法、系统及介质 |
CN116029490A (zh) * | 2022-11-11 | 2023-04-28 | 国网四川省电力公司经济技术研究院 | 考虑分布式资源区域容量限制的光网储协同规划方法 |
CN116667394A (zh) * | 2023-05-09 | 2023-08-29 | 天津大学 | 园区综合能源系统联络线功率的概率化偏差控制方法 |
CN116667535A (zh) * | 2023-06-21 | 2023-08-29 | 国网安徽省电力有限公司六安供电公司 | 一种新能源模块化的微电网协调控制系统 |
CN116937601A (zh) * | 2023-06-30 | 2023-10-24 | 国网辽宁省电力有限公司鞍山供电公司 | 一种基于在线安全分析的多元可控负荷协同调度策略校核方法 |
CN117611382A (zh) * | 2023-11-17 | 2024-02-27 | 国网安徽省电力有限公司经济技术研究院 | 考虑多层协同及需求响应的农村综合能源系统优化方法 |
Non-Patent Citations (3)
Title |
---|
丁明;方慧;毕锐;刘先放;潘静;张晶晶;: "基于集群划分的配电网分布式光伏与储能选址定容规划", 中国电机工程学报, no. 08, 20 April 2019 (2019-04-20) * |
杨晓萍;刘浩杰;黄强;: "考虑分时电价的风光储联合优化调度研究", 西安理工大学学报, no. 04, 30 December 2016 (2016-12-30) * |
杨经纬;张宁;王毅;康重庆;: "面向可再生能源消纳的多能源系统:述评与展望", 电力系统自动化, no. 04, 11 January 2018 (2018-01-11) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118229247A (zh) * | 2024-05-22 | 2024-06-21 | 电力规划总院有限公司 | 一种电力系统源网荷储协同的多目标规划方法及系统 |
CN118336836A (zh) * | 2024-06-12 | 2024-07-12 | 国网安徽省电力有限公司经济技术研究院 | 基于风险消弭的多类型可再生能源对调峰需求分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117875675B (zh) | 2024-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117875675B (zh) | 基于电网需求的多类型储能系统协同规划方法 | |
CN114362189A (zh) | 一种可调节负荷参与需求响应的调用方法、系统及装置 | |
EP3002848B1 (en) | Demand-side grid-level load balancing aggregation system | |
US10223167B2 (en) | Discrete resource management | |
CN113642936B (zh) | 一种需求侧碳流边缘分析方法、终端与系统 | |
CN111492559A (zh) | 用于能量存储系统的最佳控制的系统和方法 | |
US11811227B2 (en) | Supporting electrical utility performance with dispatchable distributed energy resources | |
CN109102185B (zh) | 一种评估光储充一体化电站全寿命周期经济性的方法和系统 | |
CN117578532B (zh) | 一种智能电力调峰系统 | |
CN113659623B (zh) | 一种基于布林线理论的风储联合系统的优化方法及系统 | |
CN118336836B (zh) | 基于风险消弭的多类型可再生能源对调峰需求分析方法 | |
CN118096224B (zh) | 基于虚拟电厂优化运行的电力市场出清方法及系统 | |
CN117728379A (zh) | 用于区域电网的智能运行调度方法 | |
Thanos et al. | Evaluating demand response programs by means of key performance indicators | |
CN113595104B (zh) | 一种风储联合调频系统的储能容量配置方法 | |
CN117249537B (zh) | 一种基于中央空调的虚拟电厂调度与控制系统及方法 | |
CN109038668B (zh) | 一种基于弃风利用的塔筒电梯供电方法及储能系统 | |
CN111968008B (zh) | 基于多能协作的综合能源监控系统及方法 | |
US20240097444A1 (en) | Hybrid system and method for distributed virtual power plants integrated intelligent net zero | |
CN118485352B (zh) | 考虑多形态资源的电网经济调度评估方法及系统 | |
CN118153912B (zh) | 一种基于智慧物联的电力能源管理系统 | |
CN118367593B (zh) | 面向电力系统需求的储能系统运行模式及优化调度方法 | |
CN118687223A (zh) | 空气源热泵聚合预测与调峰任务指令协同控制方法及系统 | |
CN117610234A (zh) | 一种基于能源互联的时序生产模拟方法及系统 | |
Ma et al. | Distributionally Robust Optimization-Based Day-Ahead Optimal Scheduling of County-Level Distribution Network Considering Strong Uncertainty of High-Proportional Photovoltaic Output |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |