CN118117625A - 储能系统功率调度分配方法、装置、存储介质及能源管理系统 - Google Patents
储能系统功率调度分配方法、装置、存储介质及能源管理系统 Download PDFInfo
- Publication number
- CN118117625A CN118117625A CN202410533734.XA CN202410533734A CN118117625A CN 118117625 A CN118117625 A CN 118117625A CN 202410533734 A CN202410533734 A CN 202410533734A CN 118117625 A CN118117625 A CN 118117625A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- power scheduling
- value
- power
- charge
- 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 203
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000002596 correlated effect Effects 0.000 claims abstract description 8
- 230000006870 function Effects 0.000 claims description 76
- 230000000875 corresponding effect Effects 0.000 claims description 33
- 238000010248 power generation Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 238000000137 annealing Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002068 genetic effect Effects 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
- 239000002245 particle Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- H02J3/28—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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power 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
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- H02J2300/26—The renewable source being solar energy of photovoltaic origin involving maximum power point tracking control for photovoltaic sources
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本申请属于储能技术领域，尤其涉及一种储能系统功率调度分配方法、装置、存储介质及能源管理系统。所述方法包括：确定储能系统在目标时域内的功率调度预测结果；确定所述储能系统的实时功率调度值；根据所述功率调度预测结果和所述实时功率调度值，对预设的目标函数求最优解，得到功率调度分配结果；其中，所述功率调度分配结果包括所述储能系统中的各个储能设备的功率调度分配值；所述目标函数包括所述储能系统的整体效率项和各个储能设备之间的荷电状态均衡项，且所述荷电状态均衡项的权重与所述实时功率调度值在所述功率调度预测结果中的占比正相关，在基于各个储能设备之间的荷电状态均衡的前提下，最大化储能系统的整体效率。
Description
技术领域
本申请属于储能技术领域，尤其涉及一种储能系统功率调度分配方法、装置、计算机可读存储介质及能源管理系统。
背景技术
储能系统一般由多个储能设备（如储能电柜等）组成，在储能系统的运行过程中，需要在各个储能设备间进行功率调度分配。
在进行储能系统功率调度分配时，一方面需要考虑储能系统的整体效率最优，另一方面还需要考虑各个储能设备之间的荷电状态均衡最优，现有技术中往往会根据经验设置固定的权重，对这两者进行加权，但这种固化的处理方式无法适应持续动态变化的功率调度分配场景，功率调度分配的效果较差。
发明内容
有鉴于此，本申请实施例提供了一种储能系统功率调度分配方法、装置、计算机可读存储介质及能源管理系统，以解决现有技术中存在的无法适应持续动态变化的功率调度分配场景，功率调度分配的效果较差的问题。
本申请实施例的第一方面提供了一种储能系统功率调度分配方法，可以包括：
确定储能系统在目标时域内的功率调度预测结果；
确定所述储能系统的实时功率调度值；
根据所述功率调度预测结果和所述实时功率调度值，对预设的目标函数求最优解，得到功率调度分配结果；
其中，所述功率调度分配结果包括所述储能系统中的各个储能设备的功率调度分配值；所述目标函数包括所述储能系统的整体效率项和各个储能设备之间的荷电状态均衡项，且所述荷电状态均衡项的权重与所述实时功率调度值在所述功率调度预测结果中的占比正相关。
通过上述方法，可以根据实时功率调度值在功率调度预测结果中的占比，对荷电状态均衡项的权重进行动态调整，实时功率调度值的占比越大，则荷电状态均衡项的权重也相应增大，从而可以在基于各个储能设备之间的荷电状态均衡的前提下，最大化储能系统的整体效率，具有更好的功率调度分配效果。
在本申请实施例的一种具体实现方式中，在根据所述功率调度预测结果和所述实时功率调度值，对预设的目标函数求最优解之前，还可以包括：
根据预设的效率函数和各个储能设备的功率调度分配值，确定所述整体效率项；
分别计算各个储能设备的第一荷电状态；其中，第一荷电状态为在本次功率调度结束时刻的荷电状态；
根据各个储能设备的第一荷电状态确定所述荷电状态均衡项；
根据所述整体效率项和所述荷电状态均衡项，确定所述目标函数。
在本申请实施例的一种具体实现方式中，所述根据预设的效率函数和各个储能设备的功率调度分配值，确定所述整体效率项，可以包括：
根据所述效率函数和各个储能设备的功率调度分配值，分别确定各个储能设备的功率损失；
将各个储能设备的功率损失之和确定为所述整体效率项。
在本申请实施例的一种具体实现方式中，所述根据所述效率函数和各个储能设备的功率调度分配值，分别确定各个储能设备的功率损失，可以包括：
根据所述效率函数确定目标设备的功率调度分配值对应的效率值；其中，所述目标设备为所述储能系统中的任意一个储能设备；
根据所述目标设备的功率调度分配值对应的效率值，确定所述目标设备的功率调度分配值对应的损失率值；
根据所述目标设备的功率调度分配值和对应的损失率值，确定所述目标设备的功率损失。
在本申请实施例的一种具体实现方式中，所述分别计算各个储能设备的第一荷电状态，可以包括：
根据所述目标设备的容量、充放电状态、功率调度分配值和对应的效率值，确定所述目标设备在本次功率调度时长内的荷电状态变化量；
根据所述目标设备的第二荷电状态和所述荷电状态变化量，计算所述目标设备的第一荷电状态；其中，第二荷电状态为在本次功率调度起始时刻的荷电状态。
在本申请实施例的一种具体实现方式中，所述根据各个储能设备的第一荷电状态确定所述荷电状态均衡项，可以包括：
对各个储能设备的第一荷电状态进行均值计算，得到荷电状态均值；
根据各个储能设备的第一荷电状态和所述荷电状态均值，确定各个储能设备的荷电状态偏差值；
将各个储能设备的荷电状态偏差值之和确定为所述荷电状态均衡项。
在本申请实施例的一种具体实现方式中，所述根据所述整体效率项和所述荷电状态均衡项，确定所述目标函数，可以包括：
对所述功率调度预测结果中的各个功率调度预测值的绝对值进行求和计算，得到预测功率总值；
计算所述实时功率调度值的绝对值与所述预测功率总值之间的功率比值；
根据预设的第一权重对所述整体效率项进行加权计算，得到整体效率加权项；
根据所述功率比值对预设的第二权重进行调整，得到调整后的第二权重；
根据所述第二权重对所述荷电状态均衡项进行加权计算，得到荷电状态均衡加权项；
将所述整体效率加权项和所述荷电状态均衡加权项之和确定为所述目标函数。
在本申请实施例的一种具体实现方式中，所述确定所述储能系统的实时功率调度值，可以包括：
获取光伏发电设备的实时发电总功率；
获取站端能量管理系统下发的功率调度请求值；
将所述功率调度请求值和所述实时发电总功率之间的差值确定为所述实时功率调度值。
本申请实施例的第二方面提供了一种储能系统功率调度分配装置，可以包括：
功率调度预测模块，用于确定储能系统在目标时域内的功率调度预测结果；
实时功率调度值确定模块，用于确定所述储能系统的实时功率调度值；
目标函数求解模块，用于根据所述功率调度预测结果和所述实时功率调度值，对预设的目标函数求最优解，得到功率调度分配结果；
其中，所述功率调度分配结果包括所述储能系统中的各个储能设备的功率调度分配值；所述目标函数包括所述储能系统的整体效率项和各个储能设备之间的荷电状态均衡项，且所述荷电状态均衡项的权重与所述实时功率调度值在所述功率调度预测结果中的占比正相关。
在第二方面的一种具体实现方式中，所述目标函数求解模块可以包括：
整体效率项确定子模块，用于根据预设的效率函数和各个储能设备的功率调度分配值，确定所述整体效率项；
第一荷电状态确定子模块，用于分别计算各个储能设备的第一荷电状态；其中，第一荷电状态为在本次功率调度结束时刻的荷电状态；
荷电状态均衡项确定子模块，用于根据各个储能设备的第一荷电状态确定所述荷电状态均衡项；
目标函数确定子模块，用于根据所述整体效率项和所述荷电状态均衡项，确定所述目标函数。
在第二方面的一种具体实现方式中，所述整体效率项确定子模块可以包括：
功率损失确定单元，用于根据所述效率函数和各个储能设备的功率调度分配值，分别确定各个储能设备的功率损失；
整体效率项确定单元，用于将各个储能设备的功率损失之和确定为所述整体效率项。
在第二方面的一种具体实现方式中，所述功率损失确定单元可以具体用于：根据所述效率函数确定目标设备的功率调度分配值对应的效率值；其中，所述目标设备为所述储能系统中的任意一个储能设备；根据所述目标设备的功率调度分配值对应的效率值，确定所述目标设备的功率调度分配值对应的损失率值；根据所述目标设备的功率调度分配值和对应的损失率值，确定所述目标设备的功率损失。
在第二方面的一种具体实现方式中，所述第一荷电状态确定子模块可以具体用于：根据所述目标设备的容量、充放电状态、功率调度分配值和对应的效率值，确定所述目标设备在本次功率调度时长内的荷电状态变化量；根据所述目标设备的第二荷电状态和所述荷电状态变化量，计算所述目标设备的第一荷电状态；其中，第二荷电状态为在本次功率调度起始时刻的荷电状态。
在第二方面的一种具体实现方式中，所述荷电状态均衡项确定子模块可以具体用于：对各个储能设备的第一荷电状态进行均值计算，得到荷电状态均值；根据各个储能设备的第一荷电状态和所述荷电状态均值，确定各个储能设备的荷电状态偏差值；将各个储能设备的荷电状态偏差值之和确定为所述荷电状态均衡项。
在第二方面的一种具体实现方式中，所述目标函数确定子模块可以具体用于：对所述功率调度预测结果中的各个功率调度预测值的绝对值进行求和计算，得到预测功率总值；计算所述实时功率调度值的绝对值与所述预测功率总值之间的功率比值；根据预设的第一权重对所述整体效率项进行加权计算，得到整体效率加权项；根据所述功率比值对预设的第二权重进行调整，得到调整后的第二权重；根据所述第二权重对所述荷电状态均衡项进行加权计算，得到荷电状态均衡加权项；将所述整体效率加权项和所述荷电状态均衡加权项之和确定为所述目标函数。
在第二方面的一种具体实现方式中，所述实时功率调度值确定模块可以具体用于：获取光伏发电设备的实时发电总功率；获取站端能量管理系统下发的功率调度请求值；将所述功率调度请求值和所述实时发电总功率之间的差值确定为所述实时功率调度值。
本申请实施例的第三方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种储能系统功率调度分配方法的步骤。
本申请实施例的第四方面提供了一种能源管理系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任一种储能系统功率调度分配方法的步骤。
本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在能源管理系统上运行时，使得能源管理系统执行上述任一种储能系统功率调度分配方法的步骤。
附图说明
为了更清楚地说明本申请实施例中的技术方案，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地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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，还可以根据这些附图获得其它的附图。
图1为功率调度分配的场景示意图；
图2为本申请实施例中一种储能系统功率调度分配方法的一个实施例流程图；
图3为储能系统功率调度分配的目标函数的构建过程的示意流程图；
图4为本申请实施例中一种储能系统功率调度分配装置的一个实施例结构图；
图5为本申请实施例中一种能源管理系统的示意框图。
具体实施方式
为使得本申请的发明目的、特征、优点能够更加的明显和易懂，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，下面所描述的实施例仅仅是本申请一部分实施例，而非全部的实施例。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它实施例，都属于本申请保护的范围。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当……时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
储能系统一般由多个储能设备（如储能电柜等）组成，在储能系统的运行过程中，需要在各个储能设备间进行功率调度分配。
在进行储能系统功率调度分配时，一方面需要考虑储能系统的整体效率最优，另一方面还需要考虑各个储能设备之间的荷电状态均衡最优，现有技术中往往会根据经验设置固定的权重，对这两者进行加权，但这种固化的处理方式无法适应持续动态变化的功率调度分配场景，功率调度分配的效果较差。
有鉴于此，本申请实施例提供了一种储能系统功率调度分配方法、装置、计算机可读存储介质及能源管理系统，以解决现有技术中存在的无法适应持续动态变化的功率调度分配场景，功率调度分配的效果较差的问题。
在本申请实施例中，可以根据实时功率调度值在功率调度预测结果中的占比，对荷电状态均衡项的权重进行动态调整，实时功率调度值的占比越大，则荷电状态均衡项的权重也相应增大，从而可以在基于各个储能设备之间的荷电状态均衡的前提下，最大化储能系统的整体效率，具有更好的功率调度分配效果。
图1所示为功率调度分配的场景示意图，其中，功率转换系统（Power ConversionSystem，PCS）1可以包括但不限于本地能量管理系统（Local Energy Managing System，Local-EMS）11、直流-交流转换器（DC/AC）12和多个最大功率点跟踪（Maximum Power PointTracking，MPPT）控制器13。每个最大功率点跟踪控制器13可以与一个光伏组件（PV）2连接，用于对光伏组件2进行控制，本地能量管理系统11为本申请方法的执行主体，本地能量管理系统11与储能系统3以及各个最大功率点跟踪控制器13连接，用于获取各个最大功率点跟踪控制器13的实时发电功率，以及对储能系统3进行功率调度分配，直流交流转换器12与储能系统3以及各个最大功率点跟踪控制器13连接，并与传输设备（Transfer）4连接，用于进行直流交流转换，传输设备4与电网（Grid）5连接，用于进行功率传输。储能系统3可以包括但不限于多个储能设备31，每个储能设备31可以包括但不限于直流-直流转换器（DCDC）311和与其连接的电池包（Pack）312。
请参阅图2，本申请实施例中一种储能系统功率调度分配方法的一个实施例可以包括：
步骤S201、确定储能系统在目标时域内的功率调度预测结果。
在本申请实施例中，本地能量管理系统可以与站端能量管理系统连接，并接收站端能量管理系统发送的功率调度预测结果。
站端能量管理系统可以基于光伏组件历史运行数据及气象历史监测数据，训练神经网络模型预测目标时域内的光伏发电功率曲线。
其中，光伏组件历史运行数据可以包括但不限于有功功率、光伏组件温度以及相电流平均值等，气象历史监测数据可以包括但不限于辐照强度、空气温度、空气相对湿度、风速、风向、气压以及日降雨量等。
具体地，可以选取光储电站一定时段（如过去一年、两年等）的光伏组件历史运行数据及气象历史监测数据，使用前向填充方法处理缺失值，使用四分位数法（Inter-Quartile Range，IQR）来检测和替换异常值，然后根据光伏组件历史运行数据及气象历史监测数据构建长短时神经网络（Long Short-Term Memory，LSTM），将其作为光伏发电功率预测模型。
作为示例，可以将光伏发电功率预测模型的预测时间分辨率设置为15分钟，预测频率设置为1次/天，在训练中考虑过去5天的历史运行数据及气象历史监测数据预测未来1天的光伏发电功率曲线，每日6时进行一次光伏发电功率预测，得到未来24小时的光伏发电功率曲线，间隔时间15分钟，共96个数据点。需要说明的是，以上的各个数值均为示例，在实际应用中，可以根据具体情况采用其它的数值。
类似地，站端能量管理系统还可以基于历史负荷数据，训练神经网络模型预测目标时域内的负荷功率曲线。
具体地，可以选取光储电站一定时段（如过去一年、两年等）的历史负荷数据，使用前向填充方法处理缺失值，使用四分位数法来检测和替换异常值，然后根据历史负荷数据构建长短时神经网络，将其作为负荷功率预测模型。
作为示例，可以将负荷功率预测模型的预测时间分辨率设置为15分钟，预测频率设置为1次/天，在训练中考虑过去5天的历史运行数据及气象历史监测数据预测未来1天的负荷功率曲线，每日6时进行一次负荷功率预测，得到未来24小时的负荷功率曲线，间隔时间15分钟，共96个数据点。需要说明的是，以上的各个数值均为示例，在实际应用中，可以根据具体情况采用其它的数值。
在预测得到目标时域内的光伏发电功率曲线和负荷功率曲线之后，站端能量管理系统可以计算负荷功率曲线与光伏发电功率曲线之差，并将其作为储能系统在目标时域内的功率调度预测结果，如下式所示：
其中，为光伏发电功率曲线，/>为负荷功率曲线，/>为功率调度预测结果。
步骤S202、确定储能系统的实时功率调度值。
在本申请实施例中，本地能量管理系统可以分别获取各个光伏发电设备的实时发电功率，并对其进行汇总，从而得到实时发电总功率。其中，光伏发电设备可以包括但不限于最大功率点跟踪控制器。
本地能量管理系统还可以获取站端能量管理系统下发的功率调度请求值，并将功率调度请求值和实时发电总功率之间的差值确定为实时功率调度值，如下式所示：
其中，为功率调度请求值，/>为实时发电总功率，/>为实时功率调度值。
步骤S203、根据功率调度预测结果和实时功率调度值，对预设的目标函数求最优解，得到功率调度分配结果。
其中，功率调度分配结果包括储能系统中的各个储能设备的功率调度分配值；目标函数包括储能系统的整体效率项和各个储能设备之间的荷电状态均衡项，且荷电状态均衡项的权重与实时功率调度值在功率调度预测结果中的占比正相关，目标函数的具体构建过程如图3所示：
步骤S2031、根据预设的效率函数和各个储能设备的功率调度分配值，确定整体效率项。
其中，效率函数为储能设备中的直流-直流转换器的输入功率与转换效率之间的函数，可以通过直流-直流转换器出厂时的效率测试数据拟合得到。具体的函数拟合方式可以包括但不限于二次样条插值、三次样条插值等。以三次样条插值为例，效率函数在功率区间上的表达式为：
其中，为直流-直流转换器的输入功率，/>为待拟合的功率区间下限，/>为待拟合的功率区间上限，/>为待拟合系数，/>为直流-直流转换器的转换效率。
在已知效率函数的情况下，可以根据效率函数和各个储能设备的功率调度分配值，分别确定各个储能设备的功率损失。
以储能系统中的任意一个储能设备（记为目标设备）为例，首先可以根据效率函数确定目标设备的功率调度分配值对应的效率值，也即将目标设备的功率调度分配值作为自变量代入效率函数中，所得的函数值即为对应的效率值。然后，可以根据目标设备的功率调度分配值对应的效率值，确定目标设备的功率调度分配值对应的损失率值，其中，效率值与损失率值之和为1，用1减去效率值，所得结果即为损失率值。接着，可以根据目标设备的功率调度分配值和对应的损失率值，确定目标设备的功率损失，具体地，可以将目标设备的功率调度分配值和对应的损失率值的乘积确定为目标设备的功率损失。
按照上述方式遍历储能系统中的各个储能设备，即可得到各个储能设备的功率损失，最后可以将各个储能设备的功率损失之和确定为整体效率项，如下式所示：
其中，为储能设备的序号，1≤/>≤/>，/>为储能设备的数量，/>为第/>个储能设备的功率调度分配值，/>为对应的效率值，/>为对应的损失率值，/>为第/>个储能设备的功率损失。
步骤S2032、分别计算各个储能设备的第一荷电状态。
以储能系统中的任意一个储能设备（记为目标设备）为例，首先可以根据目标设备的容量、充放电状态、功率调度分配值和对应的效率值，确定目标设备在本次功率调度时长内的荷电状态变化量。然后，可以根据目标设备的第二荷电状态和荷电状态变化量，计算目标设备的第一荷电状态，如下式所示：
其中：为储能设备的容量，/>为充放电状态，充电时取值为1，放电时取值为-1，为本次功率调度的时长，/>为第/>个储能设备的第一荷电状态，即在本次功率调度结束时刻的荷电状态，/>为第/>个储能设备的第二荷电状态，也即在本次功率调度起始时刻的荷电状态。
按照上述方式遍历储能系统中的各个储能设备，即可得到各个储能设备的第一荷电状态。
步骤S2033、根据各个储能设备的第一荷电状态确定荷电状态均衡项。
首先，可以对各个储能设备的第一荷电状态进行均值计算，得到荷电状态均值。然后，可以根据各个储能设备的第一荷电状态和荷电状态均值，确定各个储能设备的荷电状态偏差值。最后，可以将各个储能设备的荷电状态偏差值之和确定为荷电状态均衡项，如下式所示：
其中，为荷电状态均值，/>为第/>个储能设备的荷电状态偏差值。
步骤S2034、根据整体效率项和荷电状态均衡项，确定目标函数。
具体地，首先可以对功率调度预测结果中的各个功率调度预测值的绝对值进行求和计算，得到预测功率总值，并计算实时功率调度值的绝对值与预测功率总值之间的功率比值，如下式所示：
其中，为目标时域的长度，也即功率调度预测结果中的功率调度预测值的数目。
根据预设的第一权重对整体效率项进行加权计算，可以得到整体效率加权项，根据功率比值对预设的第二权重进行调整，可以得到调整后的第二权重，根据第二权重对荷电状态均衡项进行加权计算，可以得到荷电状态均衡加权项，最后可以将整体效率加权项和荷电状态均衡加权项之和确定为目标函数，如下式所示：
其中，为第一权重，/>为第二权重，/>为目标函数。
该目标函数的约束条件可以包括但不限于：
其中，为储能设备的功率调度分配下限值，/>为储能设备的功率调度分配上限值，/>为储能设备的荷电状态下限值，/>为储能设备的荷电状态上限值。
基于约束条件，可以根据功率调度预测结果和实时功率调度值，对目标函数求最优解，目标函数取得最小值时所对应的各个储能设备的功率调度分配值即为最终的功率调度分配结果，本地能量管理系统可以根据这一结果在各个储能设备中进行功率调度分配。
由于目标函数是一个非线性函数，故整个数学模型所描述的最优化问题是一个非线性凸优化问题。针对非线性凸优化问题，可以采用的求解算法可以包括但不限于遗传算法、退火算法、粒子群算法等优化算法。
综上所述，本申请实施例确定储能系统在目标时域内的功率调度预测结果；确定储能系统的实时功率调度值；根据功率调度预测结果和实时功率调度值，对预设的目标函数求最优解，得到功率调度分配结果；其中，功率调度分配结果包括储能系统中的各个储能设备的功率调度分配值；目标函数包括储能系统的整体效率项和各个储能设备之间的荷电状态均衡项，且荷电状态均衡项的权重与实时功率调度值在功率调度预测结果中的占比正相关。通过本申请实施例，可以根据实时功率调度值在功率调度预测结果中的占比，对荷电状态均衡项的权重进行动态调整，实时功率调度值的占比越大，则荷电状态均衡项的权重也相应增大，从而可以在基于各个储能设备之间的荷电状态均衡的前提下，最大化储能系统的整体效率，具有更好的功率调度分配效果。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的一种储能系统功率调度分配方法，图4示出了本申请实施例提供的一种储能系统功率调度分配装置的一个实施例结构图。
本实施例中，一种储能系统功率调度分配装置40可以包括：
功率调度预测模块401，用于确定储能系统在目标时域内的功率调度预测结果；
实时功率调度值确定模块402，用于确定所述储能系统的实时功率调度值；
目标函数求解模块403，用于根据所述功率调度预测结果和所述实时功率调度值，对预设的目标函数求最优解，得到功率调度分配结果；
其中，所述功率调度分配结果包括所述储能系统中的各个储能设备的功率调度分配值；所述目标函数包括所述储能系统的整体效率项和各个储能设备之间的荷电状态均衡项，且所述荷电状态均衡项的权重与所述实时功率调度值在所述功率调度预测结果中的占比正相关。
在本申请实施例的一种具体实现方式中，所述目标函数求解模块可以包括：
整体效率项确定子模块，用于根据预设的效率函数和各个储能设备的功率调度分配值，确定所述整体效率项；
第一荷电状态确定子模块，用于分别计算各个储能设备的第一荷电状态；其中，第一荷电状态为在本次功率调度结束时刻的荷电状态；
荷电状态均衡项确定子模块，用于根据各个储能设备的第一荷电状态确定所述荷电状态均衡项；
目标函数确定子模块，用于根据所述整体效率项和所述荷电状态均衡项，确定所述目标函数。
在本申请实施例的一种具体实现方式中，所述整体效率项确定子模块可以包括：
功率损失确定单元，用于根据所述效率函数和各个储能设备的功率调度分配值，分别确定各个储能设备的功率损失；
整体效率项确定单元，用于将各个储能设备的功率损失之和确定为所述整体效率项。
在本申请实施例的一种具体实现方式中，所述功率损失确定单元可以具体用于：根据所述效率函数确定目标设备的功率调度分配值对应的效率值；其中，所述目标设备为所述储能系统中的任意一个储能设备；根据所述目标设备的功率调度分配值对应的效率值，确定所述目标设备的功率调度分配值对应的损失率值；根据所述目标设备的功率调度分配值和对应的损失率值，确定所述目标设备的功率损失。
在本申请实施例的一种具体实现方式中，第一荷电状态确定子模块可以具体用于：根据所述目标设备的容量、充放电状态、功率调度分配值和对应的效率值，确定所述目标设备在本次功率调度时长内的荷电状态变化量；根据所述目标设备的第二荷电状态和所述荷电状态变化量，计算所述目标设备的第一荷电状态；其中，第二荷电状态为在本次功率调度起始时刻的荷电状态。
在本申请实施例的一种具体实现方式中，所述荷电状态均衡项确定子模块可以具体用于：对各个储能设备的第一荷电状态进行均值计算，得到荷电状态均值；根据各个储能设备的第一荷电状态和所述荷电状态均值，确定各个储能设备的荷电状态偏差值；将各个储能设备的荷电状态偏差值之和确定为所述荷电状态均衡项。
在本申请实施例的一种具体实现方式中，所述目标函数确定子模块可以具体用于：对所述功率调度预测结果中的各个功率调度预测值的绝对值进行求和计算，得到预测功率总值；计算所述实时功率调度值的绝对值与所述预测功率总值之间的功率比值；根据预设的第一权重对所述整体效率项进行加权计算，得到整体效率加权项；根据所述功率比值对预设的第二权重进行调整，得到调整后的第二权重；根据所述第二权重对所述荷电状态均衡项进行加权计算，得到荷电状态均衡加权项；将所述整体效率加权项和所述荷电状态均衡加权项之和确定为所述目标函数。
在本申请实施例的一种具体实现方式中，所述实时功率调度值确定模块可以具体用于：获取光伏发电设备的实时发电总功率；获取站端能量管理系统下发的功率调度请求值；将所述功率调度请求值和所述实时发电总功率之间的差值确定为所述实时功率调度值。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置，模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
图5示出了本申请实施例提供的一种能源管理系统的示意框图，为了便于说明，仅示出了与本申请实施例相关的部分。
如图5所示，该实施例的能源管理系统11包括：处理器110、存储器111以及存储在所述存储器111中并可在所述处理器110上运行的计算机程序112。所述处理器110执行所述计算机程序112时实现上述各个储能系统功率调度分配方法实施例中的步骤，例如图1所示的步骤S101至步骤S103。或者，所述处理器110执行所述计算机程序112时实现上述各装置实施例中各模块/单元的功能，例如图4所示模块401至模块403的功能。
示例性的，所述计算机程序112可以被分割成一个或多个模块/单元，所述一个或者多个模块/单元被存储在所述存储器111中，并由所述处理器110执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序112在所述能源管理系统11中的执行过程。
本领域技术人员可以理解，图5仅仅是能源管理系统11的示例，并不构成对能源管理系统11的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述能源管理系统11还可以包括输入输出设备、网络接入设备、总线等。
所述处理器110可以是中央处理单元（Central Processing Unit，CPU），还可以是其它通用处理器、数字信号处理器（Digital Signal Processor，DSP）、专用集成电路（Application Specific Integrated Circuit，ASIC）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器111可以是所述能源管理系统11的内部存储单元，例如能源管理系统11的硬盘或内存。所述存储器111也可以是所述能源管理系统11的外部存储设备，例如所述能源管理系统11上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（Flash Card）等。进一步地，所述存储器111还可以既包括所述能源管理系统11的内部存储单元也包括外部存储设备。所述存储器111用于存储所述计算机程序以及所述能源管理系统11所需的其它程序和数据。所述存储器111还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/能源管理系统和方法，可以通过其它的方式实现。例如，以上所描述的装置/能源管理系统实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读存储介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (11)
1.一种储能系统功率调度分配方法，其特征在于，包括：
确定储能系统在目标时域内的功率调度预测结果；
确定所述储能系统的实时功率调度值；
根据所述功率调度预测结果和所述实时功率调度值，对预设的目标函数求最优解，得到功率调度分配结果；
其中，所述功率调度分配结果包括所述储能系统中的各个储能设备的功率调度分配值；所述目标函数包括所述储能系统的整体效率项和各个储能设备之间的荷电状态均衡项，且所述荷电状态均衡项的权重与所述实时功率调度值在所述功率调度预测结果中的占比正相关。
2.根据权利要求1所述的储能系统功率调度分配方法，其特征在于，在根据所述功率调度预测结果和所述实时功率调度值，对预设的目标函数求最优解之前，还包括：
根据预设的效率函数和各个储能设备的功率调度分配值，确定所述整体效率项；
分别计算各个储能设备的第一荷电状态；其中，第一荷电状态为在本次功率调度结束时刻的荷电状态；
根据各个储能设备的第一荷电状态确定所述荷电状态均衡项；
根据所述整体效率项和所述荷电状态均衡项，确定所述目标函数。
3.根据权利要求2所述的储能系统功率调度分配方法，其特征在于，所述根据预设的效率函数和各个储能设备的功率调度分配值，确定所述整体效率项，包括：
根据所述效率函数和各个储能设备的功率调度分配值，分别确定各个储能设备的功率损失；
将各个储能设备的功率损失之和确定为所述整体效率项。
4.根据权利要求3所述的储能系统功率调度分配方法，其特征在于，所述根据所述效率函数和各个储能设备的功率调度分配值，分别确定各个储能设备的功率损失，包括：
根据所述效率函数确定目标设备的功率调度分配值对应的效率值；其中，所述目标设备为所述储能系统中的任意一个储能设备；
根据所述目标设备的功率调度分配值对应的效率值，确定所述目标设备的功率调度分配值对应的损失率值；
根据所述目标设备的功率调度分配值和对应的损失率值，确定所述目标设备的功率损失。
5.根据权利要求4所述的储能系统功率调度分配方法，其特征在于，所述分别计算各个储能设备的第一荷电状态，包括：
根据所述目标设备的容量、充放电状态、功率调度分配值和对应的效率值，确定所述目标设备在本次功率调度时长内的荷电状态变化量；
根据所述目标设备的第二荷电状态和所述荷电状态变化量，计算所述目标设备的第一荷电状态；其中，第二荷电状态为在本次功率调度起始时刻的荷电状态。
6.根据权利要求2所述的储能系统功率调度分配方法，其特征在于，所述根据各个储能设备的第一荷电状态确定所述荷电状态均衡项，包括：
对各个储能设备的第一荷电状态进行均值计算，得到荷电状态均值；
根据各个储能设备的第一荷电状态和所述荷电状态均值，确定各个储能设备的荷电状态偏差值；
将各个储能设备的荷电状态偏差值之和确定为所述荷电状态均衡项。
7.根据权利要求2所述的储能系统功率调度分配方法，其特征在于，所述根据所述整体效率项和所述荷电状态均衡项，确定所述目标函数，包括：
对所述功率调度预测结果中的各个功率调度预测值的绝对值进行求和计算，得到预测功率总值；
计算所述实时功率调度值的绝对值与所述预测功率总值之间的功率比值；
根据预设的第一权重对所述整体效率项进行加权计算，得到整体效率加权项；
根据所述功率比值对预设的第二权重进行调整，得到调整后的第二权重；
根据所述第二权重对所述荷电状态均衡项进行加权计算，得到荷电状态均衡加权项；
将所述整体效率加权项和所述荷电状态均衡加权项之和确定为所述目标函数。
8.根据权利要求1至7中任一项所述的储能系统功率调度分配方法，其特征在于，所述确定所述储能系统的实时功率调度值，包括：
获取光伏发电设备的实时发电总功率；
获取站端能量管理系统下发的功率调度请求值；
将所述功率调度请求值和所述实时发电总功率之间的差值确定为所述实时功率调度值。
9.一种储能系统功率调度分配装置，其特征在于，包括：
功率调度预测模块，用于确定储能系统在目标时域内的功率调度预测结果；
实时功率调度值确定模块，用于确定所述储能系统的实时功率调度值；
目标函数求解模块，用于根据所述功率调度预测结果和所述实时功率调度值，对预设的目标函数求最优解，得到功率调度分配结果；
其中，所述功率调度分配结果包括所述储能系统中的各个储能设备的功率调度分配值；所述目标函数包括所述储能系统的整体效率项和各个储能设备之间的荷电状态均衡项，且所述荷电状态均衡项的权重与所述实时功率调度值在所述功率调度预测结果中的占比正相关。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的储能系统功率调度分配方法的步骤。
11.一种能源管理系统，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8中任一项所述的储能系统功率调度分配方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410533734.XA CN118117625B (zh) | 2024-04-30 | 2024-04-30 | 储能系统功率调度分配方法、装置、存储介质及能源管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410533734.XA CN118117625B (zh) | 2024-04-30 | 2024-04-30 | 储能系统功率调度分配方法、装置、存储介质及能源管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118117625A true CN118117625A (zh) | 2024-05-31 |
| CN118117625B CN118117625B (zh) | 2024-08-23 |
Family
ID=91212725
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410533734.XA Active CN118117625B (zh) | 2024-04-30 | 2024-04-30 | 储能系统功率调度分配方法、装置、存储介质及能源管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118117625B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110365052A (zh) * | 2019-08-08 | 2019-10-22 | 东北大学 | 基于功率优化调度的微网储能系统状态一致性控制方法 |
| KR102256434B1 (ko) * | 2020-08-14 | 2021-05-25 | 목포대학교 산학협력단 | 다수의 분산 에너지저장시스템 통합제어 장치 |
| CN113572163A (zh) * | 2021-07-28 | 2021-10-29 | 三峡大学 | 基于改进仿射算法的分布式电源主动配电网优化调度方法 |
| CN113659558A (zh) * | 2021-07-01 | 2021-11-16 | 江苏大学 | 一种基于多步模型预测的直流微电网混合储能系统控制方法 |
| CN114123213A (zh) * | 2022-01-24 | 2022-03-01 | 武汉大学 | 一种电网的时空功率均衡方法及系统 |
| CN116742675A (zh) * | 2023-06-21 | 2023-09-12 | 国网新疆电力有限公司电力科学研究院 | 多元储能主动支撑调度运行系统 |
| CN117811171A (zh) * | 2024-02-29 | 2024-04-02 | 宁德时代新能源科技股份有限公司 | 储能设备的充放电功率分配方法、装置、设备和存储介质 |
-
2024
- 2024-04-30 CN CN202410533734.XA patent/CN118117625B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110365052A (zh) * | 2019-08-08 | 2019-10-22 | 东北大学 | 基于功率优化调度的微网储能系统状态一致性控制方法 |
| KR102256434B1 (ko) * | 2020-08-14 | 2021-05-25 | 목포대학교 산학협력단 | 다수의 분산 에너지저장시스템 통합제어 장치 |
| CN113659558A (zh) * | 2021-07-01 | 2021-11-16 | 江苏大学 | 一种基于多步模型预测的直流微电网混合储能系统控制方法 |
| CN113572163A (zh) * | 2021-07-28 | 2021-10-29 | 三峡大学 | 基于改进仿射算法的分布式电源主动配电网优化调度方法 |
| CN114123213A (zh) * | 2022-01-24 | 2022-03-01 | 武汉大学 | 一种电网的时空功率均衡方法及系统 |
| CN116742675A (zh) * | 2023-06-21 | 2023-09-12 | 国网新疆电力有限公司电力科学研究院 | 多元储能主动支撑调度运行系统 |
| CN117811171A (zh) * | 2024-02-29 | 2024-04-02 | 宁德时代新能源科技股份有限公司 | 储能设备的充放电功率分配方法、装置、设备和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 朱永强;张璐;张少谦;王甜婧;: "基于有序充放电的电池储能系统优化调度策略研究", 智慧电力, no. 03, 20 March 2019 (2019-03-20) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118117625B (zh) | 2024-08-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20190036341A1 (en) | Method for Operation of Energy Storage Systems to Reduce Demand Charges and Increase Photovoltaic (PV) Utilization | |
| CN110429653B (zh) | 考虑储能和dr的农网分布式光伏消纳方法及终端设备 | |
| CN111525601A (zh) | 用户侧储能设备的充放电控制方法、装置及存储介质 | |
| CN113824111B (zh) | 一种光储能场景中储能容量配置和调度方法 | |
| CN106953362A (zh) | 并网型微电网的能量管理方法及系统 | |
| US20190131923A1 (en) | Demand charge minimization and pv utilization maximization | |
| CN111126882B (zh) | 虚拟变电站调度方法及终端设备 | |
| CN118157186B (zh) | 微电网储能能量管理方法、装置、存储介质及终端设备 | |
| CN113541198A (zh) | 一种主动配电网日前调度方法、装置、电子设备和存储介质 | |
| CN111049170B (zh) | 考虑温度损耗的调峰储能系统、运行优化方法和装置 | |
| CN112736944A (zh) | 一种电化学储能电站有功功率调度方法和系统 | |
| CN113689068B (zh) | 一种电力电量平衡规划方法、装置及终端设备 | |
| CN117713068A (zh) | 考虑应用场景变化的用户侧储能日前优化调度方法与系统 | |
| CN118232380A (zh) | 储能设备充放电策略生成方法、装置、设备和存储介质 | |
| AU2017424108A1 (en) | System, device, and method for mode-based energy storage management | |
| CN118117625B (zh) | 储能系统功率调度分配方法、装置、存储介质及能源管理系统 | |
| US20240125859A1 (en) | Energy storage control | |
| CN116862172A (zh) | 一种全周期变时段有序用电调度方法及存储介质 | |
| CN117013597A (zh) | 用于虚拟电厂的分布式资源聚合调控方法、装置及设备 | |
| Riar et al. | Energy management of a microgrid: Compensating for the difference between the real and predicted output power of photovoltaics | |
| CN113964819A (zh) | 一种考虑风电场参与调频的电力系统运行优化方法及装置 | |
| CN112909932A (zh) | 一种调峰型虚拟电厂的优化方法及终端 | |
| Yu et al. | Optimization of wind farm self-discipline interval and energy storage system configuration | |
| Mueller et al. | Forecast-informed energy storage utilization in local area power systems | |
| CN118278713B (zh) | 一种能源系统的智能化管控方法及装置 |
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 |