CN117937550A - 一种综合能源储能系统优化调度方法和系统 - Google Patents
一种综合能源储能系统优化调度方法和系统 Download PDFInfo
- Publication number
- CN117937550A CN117937550A CN202410338017.1A CN202410338017A CN117937550A CN 117937550 A CN117937550 A CN 117937550A CN 202410338017 A CN202410338017 A CN 202410338017A CN 117937550 A CN117937550 A CN 117937550A
- Authority
- CN
- China
- Prior art keywords
- charging
- time
- power
- curve
- 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.)
- Granted
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 72
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000005611 electricity Effects 0.000 claims abstract description 61
- 238000010248 power generation Methods 0.000 claims abstract description 50
- 238000005286 illumination Methods 0.000 claims abstract description 44
- 238000004378 air conditioning Methods 0.000 claims abstract description 27
- 238000007599 discharging Methods 0.000 claims abstract description 26
- 238000012549 training Methods 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 8
- 230000003750 conditioning effect Effects 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 21
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- 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
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供了一种综合能源储能系统优化调度方法和系统，调度方法包括：步骤S1：预估风能以及太阳能的发电效率曲线；步骤S2：预估园区在照明、空气调节和温度调节的用电效率曲线；步骤S3：实时记录园区充电站中正在工作的充电桩，预估充电桩的剩余上电时间，预估剩余实际充电时间，建立充电桩充电曲线，汇总所有充电桩充电曲线，得到充电站用电曲线；步骤S4：结合发电效率曲线、用电效率曲线和充电站用电曲线，得到储能系统放电曲线；步骤S5：对每个正在工作的充电桩，在剩余上电时间中分配剩余实际充电时间，使储能系统放电曲线的波动值在预设放电范围内。本发明解决了充电站用电时间集中，导致储备的电能波动较大，应急能力较差的问题。
Description
技术领域
本发明涉及能源调度技术领域，具体而言，涉及一种综合能源储能系统优化调度方法和系统。
背景技术
随着新能源汽车的发展，为解决新能源汽车出行的充电问题，各种园区内都会规划新能源充电车位，每个新能源充电车位配备一个充电桩，以实现一桩一充的停车及充电需求。
常见的电车充电桩具有两种供电方式，市电和太阳能。充电桩连接市电时需要付出更多的用电成本，而充电桩采用太阳能发电更加环保，还能够降低电费，但发电能力和天气相关。
现有技术中，太阳能发电所储备的电能较低时，才会切换切换至市电，存在一定的滞后性，若此时遇到停电等情况时，存在储备的电能不足以应急使用的情况，因此应急能力较差，并且充电桩用电较大，充电时间也较集中，因此容易导致储备的电能波动较大，此时直接切换成市电也容易提高用电成本。
发明内容
本发明解决的问题是充电站用电时间集中，导致储备的电能波动较大，应急能力较差。
为解决上述问题，本发明提供一种综合能源储能系统优化调度方法，所述综合能源储能系统优化调度方法包括：步骤S1：基于未来天气条件，预估风能以及太阳能的发电效率曲线；步骤S2：基于用户习惯和所述未来天气条件，预估园区在照明、空气调节和温度调节的用电效率曲线；步骤S3：实时记录园区充电站中正在工作的充电桩，根据用户对所述充电桩的习惯上电时间预估所述充电桩的剩余上电时间，根据所述充电桩的当前充电功率和对应电车的当前电量预估剩余实际充电时间，根据所述剩余上电时间和所述剩余实际充电时间建立充电桩充电曲线，汇总所有正在工作的充电桩的所述充电桩充电曲线，得到充电站用电曲线；步骤S4：结合所述发电效率曲线、所述用电效率曲线和所述充电站用电曲线，得到储能系统放电曲线；步骤S5：对每个正在工作的充电桩，在所述剩余上电时间中分配所述剩余实际充电时间，使所述储能系统放电曲线的波动值在预设放电范围内。
采用该技术方案后所达到的技术效果：基于天气条件中的风力、风向、光照强度，光照角度等参数可以有效判断未来一段时间内风力发电和太阳能发电的发电效率，从而反应风力发电和太阳能发电对储能系统的充电能力；基于用户习惯，即用户在不同天气条件下调节室内环境参数的需求，从而反应例如室内的空气调节、温度调节所消耗的电能；获取用户的充电习惯，可以得到用户的电车在剩余上电时间还有多少，在剩余上电时间内分配电车需要的剩余实际充电时间，使各个充电桩的充电时间不会严重重叠，相应的，充电站的用电高峰也能够被相对缓和，避免用电量的峰值过高导致储能系统短时间消耗过多，波动太大，提高应急能力，同时，充电站用电曲线平滑后，也无需短时间内切换市电，一定程度减少了充电站对市电的需求，减少了用电成本。
进一步的，所述基于未来天气条件，预估风能以及太阳能的发电效率曲线，具体包括：采集园区的风力发电装置的历史风电数据和对应时刻的历史风力天气条件；根据所述历史风电数据和所述历史风力天气条件构建神经网络预测模型并进行训练，获得训练好的风电功率预测模型，利用所述风电功率预测模型对所述未来天气条件进行处理，预测发电效率曲线。
采用该技术方案后所达到的技术效果：基于园区的历史风电数据和历史风力天气条件的关系，可以反映园区内的历史风力发电效率，因此结合未来天气条件中的风向、风速等条件便于换算成当前的风力发电效率，从而判断储能系统通过风能进行充电的效率。
进一步的，所述基于未来天气条件，预估风能以及太阳能的发电效率曲线，具体包括：采集园区的太阳能发电装置的历史光电数据和对应时刻的历史光照条件；根据所述历史光电数据和所述历史光照条件构建神经网络预测模型并进行训练，获得训练好的光电功率预测模型，利用所述光电功率预测模型对所述未来天气条件进行处理，预测发电效率曲线。
采用该技术方案后所达到的技术效果：基于园区的历史光电数据和历史光照条件的关系，可以反映园区内的历史太阳能发电效率，因此结合未来天气条件中的光照强度、光照角度等条件便于换算成当前的太阳能发电效率，从而判断储能系统通过太阳能进行充电的效率。
进一步的，所述基于用户习惯和和所述未来天气条件，预估园区在照明、空气调节和温度调节的用电效率曲线，包括：记录园区的常用房间以及所述常用房间内用户在历史预设时间内的照明、空气调节和温度调节的常用模式；若所述常用模式在所述历史预设时间内的开启比例大于第一预设比例，则根据所述常用模式计算所述用电效率曲线，若所述常用模式在所述历史预设时间内的开启比例小于等于所述第一预设比例，则根据所述未来天气条件确定照明、空气调节和温度调节的开启模式，根据所述开启模式计算所述用电效率曲线。
采用该技术方案后所达到的技术效果：当常用模式满足第一预设比例时，视为用户在历史预设时间内一般采用同种模式居多，即在室内采用相同的照明效果，或采用相同的空气调节和温度调节效果，因此仍根据该常用模式可以准确预估用户当前的用电需求；当常用模式不满足第一预设比例时，可以视为用户根据实际天气在调节照明、空气调节和温度调节的开启模式，即根据室外光照强度或根据室内得到光照的角度等条件，调节室内照明效果，或根据室外湿度或室外温度调节室内空气调节弧温度调节的效果，因此需要根据未来天气确认当前的用电效率曲线，其中，未来天气与室内各用电设备的对应关系也可以通过统计的方式确定，即获取历史天气中与未来天气近似的情况，并读取相应的室内各用电设备的开启模式，从而确定用电效率曲线，此处不再赘述。
进一步的，所述根据所述开启模式计算所述用电效率曲线，包括：记录园区的所述常用房间在所述历史预设时间内的使用时长；根据所述使用时长、所述常用房间的采光条件信息，以及未来光照条件，得到所述常用房间用于照明的第一用电效率曲线；根据所述使用时长、以及园区内的未来温度湿度条件，得到所述常用房间用于空气调节和温度调节的第二用电效率曲线；汇总所有所述常用房间的所述第一用电效率曲线和所述第二用电效率曲线，计算所述用电效率曲线。
采用该技术方案后所达到的技术效果：根据第一用电效率曲线和第二用电效率曲线，可以得到园区在照明、空气调节和温度调节的用电程度，从而反应园区内受天气影响而会产生波动的生活用电部分，将该部分的用电情况考虑至储能系统放电曲线中，可以减少天气因素带来的误差，提高所述储能系统放电曲线的波动值的有效性。
进一步的，所述步骤S3中，所述实时记录园区充电站中正在工作的充电桩之后，所述步骤S3还包括：排除对应电车的当前电量为满电状态的充电桩。
采用该技术方案后所达到的技术效果：满电状态的电车对应的充电桩可以保持待机或关机状态，无需放电，因此避免计算该部分充电桩带来的误差。
进一步的，所述根据所述充电桩的当前充电功率和对应电车的当前电量预估剩余实际充电时间，根据所述剩余上电时间和所述剩余实际充电时间建立充电桩充电曲线，具体包括：获取所述正在工作的充电桩所具有的充电功率档位数量，对每个所述充电功率档位设定对应的实际充电时间，所有所述充电功率档位对应的所述实际充电时间汇总后得到所述剩余实际充电时间，根据每个所述充电功率档位在所述剩余上电时间中的时间分布，建立所述充电桩充电曲线。
采用该技术方案后所达到的技术效果：根据充电桩的充电功率档位设置多档位的充电时间，使充电桩按充电功率档位在剩余上电时间中的时间分布可以更加趋于线性变化，便于各个充电桩的充电时间相互错开，即充电档位越多，各个充电桩的充电时间相互错开后相加在一起的充电站用电曲线也会更加趋于线性；再将用户的用电效率曲线考虑在内，线性变化的充电站用电曲线也能更好地和用电效率曲线中的波峰相互错开，最终得到更加相对平缓的储能系统放电曲线，即将储能系统放电曲线的波动值控制在一个较小的预设放电范围内，提高应急能力。
进一步的，对每个正在工作的充电桩，在所述剩余上电时间中分配所述剩余实际充电时间，使所述储能系统放电曲线的波动在预设放电范围内，具体包括：将所述正在工作的充电桩的每个所述充电功率档位在所述剩余上电时间中的时间分布作为随机样本库，将所述随机样本库代入数字孪生体进行计算，生成训练样本，选取每个所述充电功率档位的实际充电时间的长度和分布作为自变量，得到所述充电桩充电曲线，作为因变量，以所述储能系统放电曲线的波动值最小为优化目标，利用预设优化算法对每个所述充电功率档位在所述剩余上电时间中的时间分布进行调整，获取所述储能系统放电曲线的波动值最小情况下的所述充电桩充电曲线。
采用该技术方案后所达到的技术效果：将剩余上电时间中的时间分布作为随机样本库进行训练，根据不同充电功率档位执行的时间和顺序，对储能系统放电曲线的波动值不断比较，得到最小的波动值，从而提高应急能力。
进一步的，对每个正在工作的充电桩，在所述剩余上电时间中分配所述剩余实际充电时间，使所述储能系统放电曲线的波动值在预设放电范围内，还包括：判断所述波动值是否在第一预设范围内，若满足，所述充电桩持续通过所述储能装置供电，并根据调整后的实际充电时间执行；若不满足，则将所述充电桩切换至市电供电，并发送信号至控制终端。
采用该技术方案后所达到的技术效果：当储能系统放电曲线的波动值的最小情况仍不能满足第一预设范围时，此时再连接市电，可以减少对市电的依赖，减少成本。
本发明提供一种综合能源储能系统优化调度系统，用于实现如上述任一技术方案提供的综合能源储能系统优化调度方法。
采用该技术方案后所达到的技术效果：该综合能源储能系统优化调度系统通过执行综合能源储能系统优化调度方法可以实现上述一个或多个技术效果。
综上所述，本申请上述各个技术方案可以具有如下一个或多个优点或有益效果：i)基于天气条件中的风力、风向、光照强度，光照角度等参数可以有效判断未来一段时间内风力发电和太阳能发电的发电效率，从而反应风力发电和太阳能发电对储能系统的充电能力；基于用户习惯，即用户在不同天气条件下调节室内环境参数的需求，从而反应例如室内的空气调节、温度调节所消耗的电能；ii)获取用户的充电习惯，可以得到用户的电车在剩余上电时间还有多少，在剩余上电时间内分配电车需要的剩余实际充电时间，使各个充电桩的充电时间不会严重重叠，相应的，充电站的用电高峰也能够被相对缓和，避免用电量的峰值过高导致储能系统短时间消耗过多，波动太大，提高应急能力；iii)充电站用电曲线平滑后，也无需短时间内切换市电，一定程度减少了充电站对市电的需求，减少了用电成本。
附图说明
图1为本发明提供的一种综合能源储能系统优化调度方法的流程图。
具体实施方式
本发明的目的在于提供一种综合能源储能系统优化调度方法和系统，用于实现储能系统的电能波动较小，提高应急能力，减少对市电的依赖，减少成本的效果。
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
参见图1，本发明提供一种综合能源储能系统优化调度方法，综合能源储能系统优化调度方法包括：
步骤S1：基于未来天气条件，预估风能以及太阳能的发电效率曲线；
步骤S2：基于用户习惯和未来天气条件，预估园区在照明、空气调节和温度调节的用电效率曲线；
步骤S3：实时记录园区充电站中正在工作的充电桩，根据用户对充电桩的习惯上电时间预估充电桩的剩余上电时间，根据充电桩的当前充电功率和对应电车的当前电量预估剩余实际充电时间，根据剩余上电时间和剩余实际充电时间建立充电桩充电曲线，汇总所有正在工作的充电桩的充电桩充电曲线，得到充电站用电曲线；
步骤S4：结合发电效率曲线、用电效率曲线和充电站用电曲线，得到储能系统放电曲线；
步骤S5：对每个正在工作的充电桩，在剩余上电时间中分配剩余实际充电时间，使储能系统放电曲线的波动值在预设放电范围内。
在本实施例中，基于天气条件中的风力、风向、光照强度，光照角度等参数可以有效判断未来一段时间内风力发电和太阳能发电的发电效率，从而反应风力发电和太阳能发电对储能系统的充电能力；基于用户习惯，即用户在不同天气条件下调节室内环境参数的需求，从而反应例如室内的空气调节、温度调节所消耗的电能；获取用户的充电习惯，可以得到用户的电车在剩余上电时间还有多少，在剩余上电时间内分配电车需要的剩余实际充电时间，使各个充电桩的充电时间不会严重重叠，相应的，充电站的用电高峰也能够被相对缓和，避免用电量的峰值过高导致储能系统短时间消耗过多，波动太大，提高应急能力，同时，充电站用电曲线平滑后，也无需短时间内切换市电，一定程度减少了充电站对市电的需求，减少了用电成本。
在一个具体的实施例中，基于未来天气条件，预估风能以及太阳能的发电效率曲线，具体包括：采集园区的风力发电装置的历史风电数据和对应时刻的历史风力天气条件；根据历史风电数据和历史风力天气条件构建神经网络预测模型并进行训练，获得训练好的风电功率预测模型，利用风电功率预测模型对未来天气条件进行处理，预测发电效率曲线。
需要说明的是，基于园区的历史风电数据和历史风力天气条件的关系，可以反映园区内的历史风力发电效率，因此结合未来天气条件中的风向、风速等条件便于换算成当前的风力发电效率，从而判断储能系统通过风能进行充电的效率。
在一个具体的实施例中，基于未来天气条件，预估风能以及太阳能的发电效率曲线，具体包括：采集园区的太阳能发电装置的历史光电数据和对应时刻的历史光照条件；根据历史光电数据和历史光照条件构建神经网络预测模型并进行训练，获得训练好的光电功率预测模型，利用光电功率预测模型对未来天气条件进行处理，预测发电效率曲线。
需要说明的是，基于园区的历史光电数据和历史光照条件的关系，可以反映园区内的历史太阳能发电效率，因此结合未来天气条件中的光照强度、光照角度等条件便于换算成当前的太阳能发电效率，从而判断储能系统通过太阳能进行充电的效率。
在一个具体的实施例中，基于用户习惯和和未来天气条件，预估园区在照明、空气调节和温度调节的用电效率曲线，包括：记录园区的常用房间以及常用房间内用户在历史预设时间内的照明、空气调节和温度调节的常用模式；若常用模式在历史预设时间内的开启比例大于第一预设比例，则根据常用模式计算用电效率曲线，若常用模式在历史预设时间内的开启比例小于等于第一预设比例，则根据未来天气条件确定照明、空气调节和温度调节的开启模式，根据开启模式计算用电效率曲线。
需要说明的是，当常用模式满足第一预设比例时，视为用户在历史预设时间内一般采用同种模式居多，即在室内采用相同的照明效果，或采用相同的空气调节和温度调节效果，因此仍根据该常用模式可以准确预估用户当前的用电需求；当常用模式不满足第一预设比例时，可以视为用户根据实际天气在调节照明、空气调节和温度调节的开启模式，即根据室外光照强度或根据室内得到光照的角度等条件，调节室内照明效果，或根据室外湿度或室外温度调节室内空气调节弧温度调节的效果，因此需要根据未来天气确认当前的用电效率曲线，其中，未来天气与室内各用电设备的对应关系也可以通过统计的方式确定，即获取历史天气中与未来天气近似的情况，并读取相应的室内各用电设备的开启模式，从而确定用电效率曲线，此处不再赘述。
在一个具体的实施例中，根据开启模式计算用电效率曲线，包括：记录园区的常用房间在历史预设时间内的使用时长；根据使用时长、常用房间的采光条件信息，以及未来光照条件，得到常用房间用于照明的第一用电效率曲线；根据使用时长、以及园区内的未来温度湿度条件，得到常用房间用于空气调节和温度调节的第二用电效率曲线；汇总所有常用房间的第一用电效率曲线和第二用电效率曲线，计算用电效率曲线。
需要说明的是，根据第一用电效率曲线和第二用电效率曲线，可以得到园区在照明、空气调节和温度调节的用电程度，从而反应园区内受天气影响而会产生波动的生活用电部分，将该部分的用电情况考虑至储能系统放电曲线中，可以减少天气因素带来的误差，提高储能系统放电曲线的波动值的有效性。
在一个具体的实施例中，步骤S3中，实时记录园区充电站中正在工作的充电桩之后，步骤S3还包括：排除对应电车的当前电量为满电状态的充电桩。
需要说明的是，满电状态的电车对应的充电桩可以保持待机或关机状态，无需放电，因此避免计算该部分充电桩带来的误差。
在一个具体的实施例中，根据充电桩的当前充电功率和对应电车的当前电量预估剩余实际充电时间，根据剩余上电时间和剩余实际充电时间建立充电桩充电曲线，具体包括：获取正在工作的充电桩所具有的充电功率档位数量，对每个充电功率档位设定对应的实际充电时间，所有充电功率档位对应的实际充电时间汇总后得到剩余实际充电时间，根据每个充电功率档位在剩余上电时间中的时间分布，建立充电桩充电曲线。
需要说明的是，根据充电桩的充电功率档位设置多档位的充电时间，使充电桩按充电功率档位在剩余上电时间中的时间分布可以更加趋于线性变化，便于各个充电桩的充电时间相互错开，即充电档位越多，各个充电桩的充电时间相互错开后相加在一起的充电站用电曲线也会更加趋于线性；再将用户的用电效率曲线考虑在内，线性变化的充电站用电曲线也能更好地和用电效率曲线中的波峰相互错开，最终得到更加相对平缓的储能系统放电曲线，即将储能系统放电曲线的波动值控制在一个较小的预设放电范围内，提高应急能力。
在一个具体的实施例中，对每个正在工作的充电桩，在剩余上电时间中分配剩余实际充电时间，使储能系统放电曲线的波动在预设放电范围内，具体包括：将正在工作的充电桩的每个充电功率档位在剩余上电时间中的时间分布作为随机样本库，将随机样本库代入数字孪生体进行计算，生成训练样本，选取每个充电功率档位的实际充电时间的长度和分布作为自变量，得到充电桩充电曲线，作为因变量，以储能系统放电曲线的波动值最小为优化目标，利用预设优化算法对每个充电功率档位在剩余上电时间中的时间分布进行调整，获取储能系统放电曲线的波动值最小情况下的充电桩充电曲线。
需要说明的是，将剩余上电时间中的时间分布作为随机样本库进行训练，根据不同充电功率档位执行的时间和顺序，对储能系统放电曲线的波动值不断比较，得到最小的波动值，从而提高应急能力。
在一个具体的实施例中，对每个正在工作的充电桩，在剩余上电时间中分配剩余实际充电时间，使储能系统放电曲线的波动值在预设放电范围内，还包括：判断波动值是否在第一预设范围内，若满足，充电桩持续通过储能装置供电，并根据调整后的实际充电时间执行；若不满足，则将充电桩切换至市电供电，并发送信号至控制终端。
需要说明的是，当储能系统放电曲线的波动值的最小情况仍不能满足第一预设范围时，此时再连接市电，可以减少对市电的依赖，减少成本。
本发明提供一种综合能源储能系统优化调度系统，用于实现如上述任一技术方案提供的综合能源储能系统优化调度方法。
需要说明的是，该综合能源储能系统优化调度系统通过执行综合能源储能系统优化调度方法可以实现上述一个或多个技术效果。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (10)
1.一种综合能源储能系统优化调度方法，其特征在于，所述综合能源储能系统优化调度方法包括：
步骤S1：基于未来天气条件，预估风能以及太阳能的发电效率曲线；
步骤S2：基于用户习惯和所述未来天气条件，预估园区在照明、空气调节和温度调节的用电效率曲线；
步骤S3：实时记录园区充电站中正在工作的充电桩，根据用户对所述充电桩的习惯上电时间预估所述充电桩的剩余上电时间，根据所述充电桩的当前充电功率和对应电车的当前电量预估剩余实际充电时间，根据所述剩余上电时间和所述剩余实际充电时间建立充电桩充电曲线，汇总所有正在工作的充电桩的所述充电桩充电曲线，得到充电站用电曲线；
步骤S4：结合所述发电效率曲线、所述用电效率曲线和所述充电站用电曲线，得到储能系统放电曲线；
步骤S5：对每个正在工作的充电桩，在所述剩余上电时间中分配所述剩余实际充电时间，使所述储能系统放电曲线的波动值在预设放电范围内。
2.根据权利要求1所述的综合能源储能系统优化调度方法，其特征在于，所述基于未来天气条件，预估风能以及太阳能的发电效率曲线，具体包括：
采集园区的风力发电装置的历史风电数据和对应时刻的历史风力天气条件；
根据所述历史风电数据和所述历史风力天气条件构建神经网络预测模型并进行训练，获得训练好的风电功率预测模型，利用所述风电功率预测模型对所述未来天气条件进行处理，预测发电效率曲线。
3.根据权利要求1所述的综合能源储能系统优化调度方法，其特征在于，所述基于未来天气条件，预估风能以及太阳能的发电效率曲线，具体包括：
采集园区的太阳能发电装置的历史光电数据和对应时刻的历史光照条件；
根据所述历史光电数据和所述历史光照条件构建神经网络预测模型并进行训练，获得训练好的光电功率预测模型，利用所述光电功率预测模型对所述未来天气条件进行处理，预测发电效率曲线。
4.根据权利要求1所述的综合能源储能系统优化调度方法，其特征在于，所述基于用户习惯和和所述未来天气条件，预估园区在照明、空气调节和温度调节的用电效率曲线，包括：
记录园区的常用房间以及所述常用房间内用户在历史预设时间内的照明、空气调节和温度调节的常用模式；
若所述常用模式在所述历史预设时间内的开启比例大于第一预设比例，则根据所述常用模式计算所述用电效率曲线，若所述常用模式在所述历史预设时间内的开启比例小于等于所述第一预设比例，则根据所述未来天气条件确定照明、空气调节和温度调节的开启模式，根据所述开启模式计算所述用电效率曲线。
5.根据权利要求4所述的综合能源储能系统优化调度方法，其特征在于，所述根据所述开启模式计算所述用电效率曲线，包括：
记录园区的所述常用房间在所述历史预设时间内的使用时长；
根据所述使用时长、所述常用房间的采光条件信息，以及未来光照条件，得到所述常用房间用于照明的第一用电效率曲线；
根据所述使用时长、以及园区内的未来温度湿度条件，得到所述常用房间用于空气调节和温度调节的第二用电效率曲线；
汇总所有所述常用房间的所述第一用电效率曲线和所述第二用电效率曲线，计算所述用电效率曲线。
6.根据权利要求1所述的综合能源储能系统优化调度方法，其特征在于，所述步骤S3中，所述实时记录园区充电站中正在工作的充电桩之后，所述步骤S3还包括：排除对应电车的当前电量为满电状态的充电桩。
7.根据权利要求1所述的综合能源储能系统优化调度方法，其特征在于，所述根据所述充电桩的当前充电功率和对应电车的当前电量预估剩余实际充电时间，根据所述剩余上电时间和所述剩余实际充电时间建立充电桩充电曲线，具体包括：
获取所述正在工作的充电桩所具有的充电功率档位数量，对每个所述充电功率档位设定对应的实际充电时间，所有所述充电功率档位对应的所述实际充电时间汇总后得到所述剩余实际充电时间，根据每个所述充电功率档位在所述剩余上电时间中的时间分布，建立所述充电桩充电曲线。
8.根据权利要求7所述的综合能源储能系统优化调度方法，其特征在于，对每个正在工作的充电桩，在所述剩余上电时间中分配所述剩余实际充电时间，使所述储能系统放电曲线的波动在预设放电范围内，具体包括：
将所述正在工作的充电桩的每个所述充电功率档位在所述剩余上电时间中的时间分布作为随机样本库，将所述随机样本库代入数字孪生体进行计算，生成训练样本，选取每个所述充电功率档位的实际充电时间的长度和分布作为自变量，得到所述充电桩充电曲线，作为因变量，以所述储能系统放电曲线的波动值最小为优化目标，利用预设优化算法对每个所述充电功率档位在所述剩余上电时间中的时间分布进行调整，获取所述储能系统放电曲线的波动值最小情况下的所述充电桩充电曲线。
9.根据权利要求8所述的综合能源储能系统优化调度方法，其特征在于，对每个正在工作的充电桩，在所述剩余上电时间中分配所述剩余实际充电时间，使所述储能系统放电曲线的波动值在预设放电范围内，还包括：
判断所述波动值是否在第一预设范围内，若满足，所述充电桩持续通过所述储能装置供电，并根据调整后的实际充电时间执行；若不满足，则将所述充电桩切换至市电供电，并发送信号至控制终端。
10.一种综合能源储能系统优化调度系统，其特征在于，用于实现如权利要求1-9任一项所述的综合能源储能系统优化调度方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410338017.1A CN117937550B (zh) | 2024-03-25 | 2024-03-25 | 一种综合能源储能系统优化调度方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410338017.1A CN117937550B (zh) | 2024-03-25 | 2024-03-25 | 一种综合能源储能系统优化调度方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117937550A true CN117937550A (zh) | 2024-04-26 |
| CN117937550B CN117937550B (zh) | 2024-08-02 |
Family
ID=90761423
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410338017.1A Active CN117937550B (zh) | 2024-03-25 | 2024-03-25 | 一种综合能源储能系统优化调度方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117937550B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012171147A1 (zh) * | 2011-06-17 | 2012-12-20 | 辽宁省电力有限公司 | 结合风力发电的纯电动汽车有序充放电协调控制系统 |
| CN103840521A (zh) * | 2014-02-27 | 2014-06-04 | 武汉大学 | 基于最优潮流的大规模电动汽车优化充放电系统及方法 |
| CN110877546A (zh) * | 2019-11-01 | 2020-03-13 | 中国能源建设集团广东省电力设计研究院有限公司 | 基于天气预测的光伏充电站充电控制方法及装置 |
| CN111900726A (zh) * | 2020-07-15 | 2020-11-06 | 国网上海市电力公司 | 一种用于充换电站储能系统的充放电功率控制方法和装置 |
| CN111954964A (zh) * | 2018-04-13 | 2020-11-17 | 罗伯特·博世有限公司 | 优化系统和优化方法 |
| CN112224082A (zh) * | 2020-09-30 | 2021-01-15 | 合肥阳光新能源科技有限公司 | 一种充电控制方法及储能充电站 |
| US20210194244A1 (en) * | 2018-07-31 | 2021-06-24 | Honda Motor Co., Ltd. | Power prediction system, power prediction device, power prediction method, program, and storage medium |
| CN113067370A (zh) * | 2021-03-15 | 2021-07-02 | 远景智能国际私人投资有限公司 | V2g充电站的充电控制方法、装置、服务器及存储介质 |
| CN113991720A (zh) * | 2021-12-27 | 2022-01-28 | 北京海泰微纳科技发展有限公司 | 一种电动汽车虚拟储能电站及云平台 |
| CN114583726A (zh) * | 2022-02-28 | 2022-06-03 | 长沙学院 | 高渗透率新能源电力系统的多储能电站广域协调调度方法 |
| CN114862068A (zh) * | 2022-07-05 | 2022-08-05 | 东南大学 | 一种协调电动汽车充电站的综合能源系统控制方法及装置 |
| CN116061742A (zh) * | 2022-10-25 | 2023-05-05 | 广州汇锦能效科技有限公司 | 一种分时电价光伏园区内电动汽车的充电控制方法和系统 |
| CN116131356A (zh) * | 2023-01-28 | 2023-05-16 | 南京国电南自电网自动化有限公司 | 一种风光储并网型微电网优化调度方法 |
| WO2023226356A1 (zh) * | 2022-05-27 | 2023-11-30 | 深圳先进技术研究院 | 一种提高储能系统稳定性的电动汽车集群充放电管理方法 |
| CN117713240A (zh) * | 2023-12-14 | 2024-03-15 | 四川大学 | 计及风光不确定性的配电网-云储能系统优化调度方法 |
-
2024
- 2024-03-25 CN CN202410338017.1A patent/CN117937550B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2012171147A1 (zh) * | 2011-06-17 | 2012-12-20 | 辽宁省电力有限公司 | 结合风力发电的纯电动汽车有序充放电协调控制系统 |
| CN103840521A (zh) * | 2014-02-27 | 2014-06-04 | 武汉大学 | 基于最优潮流的大规模电动汽车优化充放电系统及方法 |
| CN111954964A (zh) * | 2018-04-13 | 2020-11-17 | 罗伯特·博世有限公司 | 优化系统和优化方法 |
| US20210194244A1 (en) * | 2018-07-31 | 2021-06-24 | Honda Motor Co., Ltd. | Power prediction system, power prediction device, power prediction method, program, and storage medium |
| CN110877546A (zh) * | 2019-11-01 | 2020-03-13 | 中国能源建设集团广东省电力设计研究院有限公司 | 基于天气预测的光伏充电站充电控制方法及装置 |
| CN111900726A (zh) * | 2020-07-15 | 2020-11-06 | 国网上海市电力公司 | 一种用于充换电站储能系统的充放电功率控制方法和装置 |
| CN112224082A (zh) * | 2020-09-30 | 2021-01-15 | 合肥阳光新能源科技有限公司 | 一种充电控制方法及储能充电站 |
| CN113067370A (zh) * | 2021-03-15 | 2021-07-02 | 远景智能国际私人投资有限公司 | V2g充电站的充电控制方法、装置、服务器及存储介质 |
| CN113991720A (zh) * | 2021-12-27 | 2022-01-28 | 北京海泰微纳科技发展有限公司 | 一种电动汽车虚拟储能电站及云平台 |
| CN114583726A (zh) * | 2022-02-28 | 2022-06-03 | 长沙学院 | 高渗透率新能源电力系统的多储能电站广域协调调度方法 |
| WO2023226356A1 (zh) * | 2022-05-27 | 2023-11-30 | 深圳先进技术研究院 | 一种提高储能系统稳定性的电动汽车集群充放电管理方法 |
| CN114862068A (zh) * | 2022-07-05 | 2022-08-05 | 东南大学 | 一种协调电动汽车充电站的综合能源系统控制方法及装置 |
| CN116061742A (zh) * | 2022-10-25 | 2023-05-05 | 广州汇锦能效科技有限公司 | 一种分时电价光伏园区内电动汽车的充电控制方法和系统 |
| CN116131356A (zh) * | 2023-01-28 | 2023-05-16 | 南京国电南自电网自动化有限公司 | 一种风光储并网型微电网优化调度方法 |
| CN117713240A (zh) * | 2023-12-14 | 2024-03-15 | 四川大学 | 计及风光不确定性的配电网-云储能系统优化调度方法 |
Non-Patent Citations (2)
| Title |
|---|
| 夏冬 等: "多信息融合下电动汽车充电路径规划", 《电测与仪表》, vol. 57, no. 22, 25 November 2020 (2020-11-25), pages 24 - 32 * |
| 牛瑞杰 等: "风光储联合发电系统储能控制策略", 《热力发电》, vol. 49, no. 08, 31 August 2020 (2020-08-31), pages 150 - 155 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117937550B (zh) | 2024-08-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN208337178U (zh) | 通信基站供电保障及电费优化控制系统 | |
| CN106228258B (zh) | 一种计及需求侧管理的家庭能源局域网能量优化控制方法 | |
| CN111400641A (zh) | 一种含蓄热式电采暖的综合能源系统日前优化调度方法 | |
| CN105117805A (zh) | 一种利用电动汽车的虚拟发电厂优化调度方法及系统 | |
| CN106403102A (zh) | 能源智能控制方法、装置和系统 | |
| CN114429274B (zh) | 基于多种资源聚合的虚拟电厂调节能力评估方法及系统 | |
| CN109842140B (zh) | 高压配网峰谷负荷平衡智能管控方法 | |
| CN110417018B (zh) | 一种多应用模式的并网型微电网能量管理方法及装置 | |
| Rossi et al. | Real-time optimization of the battery banks lifetime in hybrid residential electrical systems | |
| CN111641233A (zh) | 一种考虑新能源及负荷不确定性的电力系统日内灵活调峰方法 | |
| CN116094006A (zh) | 一种分布式能源云管理方法及系统 | |
| CN111697565A (zh) | 一种家庭能源管理系统能源调度方法及系统 | |
| CN109904865B (zh) | 高压配网峰谷负荷平衡智能管控主系统 | |
| CN117318251B (zh) | 一种储能系统 | |
| CN117937550B (zh) | 一种综合能源储能系统优化调度方法和系统 | |
| CN115940284B (zh) | 一种考虑分时电价的新能源制氢系统的运行控制策略 | |
| CN111339474A (zh) | 一种基于趋势预测分析法的综合能源系统预测运行方法 | |
| CN114204563B (zh) | 面向电力物联网的通信网与配电网供需互动方法和装置 | |
| CN115438981A (zh) | 一种园区智慧能源系统动态用能优化提升方法 | |
| CN112215720B (zh) | 一种基于可再生能源发电的智能电网控制系统的控制方法 | |
| CN113162085A (zh) | 一种通信基站储能参与需求响应的调控方法 | |
| CN112036669A (zh) | 基于互动用能的社区能源管理分层优化系统及方法 | |
| Hu et al. | Dynamic carbon emission responsibility factor evaluation for demand response in parks | |
| CN118449211B (zh) | 一种基于ε-约束法的多台区虚拟增容方法 | |
| Jiekang et al. | A Deep Q-Learning Based Optimization Method of Energy Management for Peak Load Control of Residential Areas with Cchp Systems |
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 |