CN118157195A - 一种源网荷储控制系统运行时长预测方法及装置 - Google Patents

一种源网荷储控制系统运行时长预测方法及装置 Download PDF

Info

Publication number
CN118157195A
CN118157195A CN202211518229.5A CN202211518229A CN118157195A CN 118157195 A CN118157195 A CN 118157195A CN 202211518229 A CN202211518229 A CN 202211518229A CN 118157195 A CN118157195 A CN 118157195A
Authority
CN
China
Prior art keywords
prediction
energy storage
time point
predicted
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.)
Pending
Application number
CN202211518229.5A
Other languages
English (en)
Inventor
杨振宇
王坤
毛建容
彭世康
孙锐
傅美平
张萌
张鹏
刘祥磊
王霞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xuchang XJ Software Technology Co Ltd
Original Assignee
Xuchang XJ Software Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xuchang XJ Software Technology Co Ltd filed Critical Xuchang XJ Software Technology Co Ltd
Priority to CN202211518229.5A priority Critical patent/CN118157195A/zh
Publication of CN118157195A publication Critical patent/CN118157195A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00Details relating to the application field
    • G06F2113/04Power grid distribution networks
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20The dispersed energy generation being of renewable origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及电气技术领域,具体为一种源网荷储控制系统运行时长预测方法及装置。包括如下步骤:1)根据采集的源网荷储控制系统的信息,计算新能源预测矫正值、负荷预测矫正值、储能最大充电功率和储能最大放电功率;2)根据新能源预测矫正值和负荷预测矫正值计算储能理论充放电功率;3)判断供需是否平衡;4)若供需平衡,则进行下一预测时间点的计算,重复执行步骤1)‑步骤3),直至预测时间尺度内的最后一个时间点判断完成或期间存在无法达到供需平衡预测停止的时间点;5)统计满足要求的成功预测记录数量,计算可持续时长。解决源网荷储控制系统持续时长预测中,准确度不高的问题,保障了电力系统的稳定。

Description

一种源网荷储控制系统运行时长预测方法及装置
技术领域
本发明涉及一种源网荷储控制系统运行时长预测方法及装置,属于电气技术领域。
背景技术
随着新能源发电技术和储能技术的大力发展及应用,一系列需求带动源网荷储协同控制技术飞速发展。源网荷储协同控制通过多时间尺度的源、网、荷、储协同控制,在保证电网安全稳定运行的前提下,通过充分调动柔性负荷参与有序化用电、在考虑储能寿命基础上合理安排储能充放电以及采用最合理的电网运行方式等手段以最大化消纳新能源,并通过选取合理的电网运行方式减小高比例新能源接入对大电网的扰动。
由于储能的参与可以在离网时作为主电源保证电网稳定,吸收和平抑光伏、风电等不稳定发电设备及负荷产生的功率波动,可通过源网荷储协同控制系统构建100%可再生能源电力系统,形成“就地平衡为主、与主网互动为辅”的未来电网形态,提升可再生能源利用能力。但储能的容量和调节能力有限,不能长时间持续保证离网系统的稳定。因此,源网荷储协同控制系统需具备持续时长预测功能,确认微网系统独立运行时的稳定运行时长,以便现场人员针对各类情况提前制定应对方案。
目前现有技术多基于当前储能剩余容量与当前负荷状态估算可持续运行时间,缺少基于未来新能源预测与负荷预测数据的准确预测,且未考虑新能源发电的可调能力,导致所预测的结果准确度不高。
发明内容
本发明的目的是提供一种源网荷储控制系统运行时长预测方法及装置,用以解决源网荷储控制系统持续时长预测中,准确度不高的问题。
为实现上述目的,本发明的方案包括:
本发明的一种源网荷储控制系统运行时长预测方法,其特征在于,包括如下步骤:
1)获取源网荷储控制系统中所配置的预测时间尺度,设定相应的预测时间间隔,划分预测时间点;
2)根据采集的源网荷储控制系统的信息,计算预测时间点的新能源预测矫正值、负荷预测矫正值、储能最大充电功率和储能最大放电功率;
3)根据步骤2)得到的预测时间点的新能源预测矫正值和负荷预测矫正值计算预测时间点的储能理论充放电功率;
4)若预测时间点的储能理论充放电功率小于等于预测时间点的储能最大充放电功率,则认为控制区域该时间点能维持功率的供需平衡;若预测时间点的储能理论充放电功率大于预测时间点的储能最大充放电功率,且预测时间点新能源预测矫正值大于等于预测时间点负荷预测矫正值,则降低新能源出力维持供需平衡;
若预测时间点的储能理论充放电功率大于预测时间点的储能最大充放电功率,且预测时间点的新能源预测矫正值小于预测时间点的负荷预测矫正值,则认为该时间点无法维持功率的供需平衡,预测停止;
5)若供需平衡,则重复执行步骤2)-步骤4)以进行下一预测时间点的计算,直至预测时间尺度内的最后一个时间点判断完成或期间存在无法达到供需平衡预测停止的时间点;
6)统计满足要求的成功预测记录数量,计算可持续时长。
有益效果:通过对于源网荷储控制系统中所配置的预测时间尺度,以及相应的预测时间间隔,划分预测时间点,并获取了源网荷储控制系统的信息,通过获取的信息完成预测时间点的新能源预测矫正值、负荷预测矫正值、储能最大充电功率和储能最大放电功率值的计算,并计算得到预测时间点储能理论充放电功率,通过计算得到的上述参数,判断预测时间点的储能理论充放电功率是否小于等于预测时间点储能最大充放电功率,若满足,则认为控制区域该时间点能维持功率的供需平衡;若预测时间点的储能理论充放电功率大于预测时间点的储能最大充放电功率,且预测时间点的新能源预测矫正值大于等于预测时间的点负荷预测矫正值,则降低新能源出力维持供需平衡;若预测时间点的储能理论充放电功率大于预测时间的点储能最大充放电功率,且预测时间点的新能源预测矫正值小于预测时间的点负荷预测矫正值,则认为该时间点无法维持功率的供需平衡,预测停止;若供需平衡则重复上述过程,完成下一个时间点的计算,直至时间尺度内出现时间点无法维持功率的供需平衡,则预测停止,并计算持续的时长,更准确地完成了源网荷储控制系统持续时长的计算。
进一步地,采集的源网荷储控制系统的信息包括:新能源放电预测值和新能源预测偏差;
预测时间点的新能源预测矫正值的计算公式为:新能源预测矫正值=新能源放电预测值*(1-新能源预测偏差)。
有益效果:通过对于源网荷储控制系统的信息的获取,保障了预测时间点的新能源预测矫正值的计算。
进一步地,所述采集的源网荷储控制系统的信息包括:负荷预测值、负荷预测偏差和独立运行备用容量;
预测时间点的负荷预测矫正值的计算公式为:负荷预测矫正值=负荷预测值*(1+负荷预测偏差+独立运行备用容量)。
有益效果:通过对于源网荷储控制系统的信息的获取,保障了预测时间点的负荷预测矫正值的计算。
进一步地,采集的源网荷储控制系统的信息包括:储能额定容量、储能最小SOC、储能最大SOC和储能当前SOC状态;
预测时间点的储能最大充电功率的计算公式为:储能最大充电功率=(储能最大SOC-储能当前SOC)*储能额定容量/预测时间间隔;
预测时间点的储能最大放电功率的计算公式为:预测时间点的储能最大放电功率=(储能当前SOC-储能最小SOC)*储能额定容量/预测时间间隔。
有益效果:通过获取储能额定容量、储能最小SOC、储能最大SOC和储能当前SOC状态,完成了预测时间点的储能最大充电功率和预测时间点的储能最大放电功率的计算。
进一步地,预测时间点的储能理论充放电功率的计算公式为:储能理论充放电功率=新能源预测矫正值-负荷预测矫正值。
有益效果:通过对于该时间点的新能源预测矫正值和负荷预测矫正值的获取,完成了测时间点储能理论充放电功率的计算。
进一步地,降低新能源出力的计算公式为:降低新能源出力=新能源预测矫正值-(储能理论充放电功率-储能最大充放电功率)。
有益效果:通过对于降低新能源出力的计算,维持了当预测时间点储能理论充放电功率大于预测时间点储能最大充放电功率,且预测时间点新能源预测矫正值大于等于预测时间点负荷预测矫正值时的平衡。
进一步地,在进行下一预测时间点的计算前,需根据当前储能SOC状态和储能实际充放电功率计算得到下一预测点的SOC状态。
进一步地,下一时间点的SOC状态的计算公式为:下一SOC=当前SOC-(储能实际充放电功率*预测时间间隔)/储能额定容量。
有益效果:通过储能实际充放电功率和当前储能SOC状态完成,下一时间点的SOC状态的计算,保障了当供需平衡时,下一个时间点的计算。
进一步地,可持续时长的计算公式为:可持续时长=成功预测记录数量*预测时间间隔+(第一条预测记录时间-预测开始时间)。
有益效果:通过上述公式完成了种源网荷储控制系统运行时长的预测。
本发明还提供一种源网荷储控制系统运行时长预测装置,包括处理器和存储器,所述处理器用于执行存储在存储器中的计算机程序指令以实现上述的源网荷储控制系统运行时长预测方法。
有益效果通过本装置能够实现上述的源网荷储控制系统运行时长预测方法,更准确的完成了源网荷储控制系统运行时长的预测,保障了系统的稳定。
附图说明
图1是本发明的源网荷储控制系统运行时长预测方法流程图。
具体实施方式
下面结合附图对本发明做进一步详细的说明。
方法实施例:
本方法的主要步骤如下:
1)读取源网荷储控制系统中所配置的预测时间尺度。
2)短期预测获取未来三天的新能源放电预测值、负荷预测值,超短期预测获取未来四小时的新能源放电预测值、负荷预测值。
3)读取源网荷储控制系统中所配置的新能源预测偏差、负荷预测偏差、独立运行备用容量及当前的储能SOC状态。
4)根据新能源预测、负荷预测的时间间隔,划分各预测时间节点。
5)选取预测时间节点下的数据记录,对新能源放电预测与负荷预测数据进行矫正,将功率波动最大化考虑,计算在最差情况下的稳定运行时长。新能源预测矫正值=预测值*(1-预测偏差),负荷预测矫正值=负荷预测*(1+负荷预测偏差+备用容量)。
6)计算预测时间节点储能最大充放电功率,即该时间间隔内实现储能满充或满放时的最大功率。储能最大充电功率=(储能最大SOC-储能当前SOC)*储能额定容量*60/(预测时间间隔min);储能最大放电功率=(储能当前SOC-储能最小SOC)*储能额定容量*60/(预测时间间隔min)。
7)计算储能理论充放电功率Sst_cal=新能源预测矫正值-负荷预测矫正值,正为充电功率,负为放电功率。
8)若储能理论充放电功率<=储能最大充放电功率,认为控制区域该时间节点能维持功率的供需平衡。
9)若储能理论充放电功率>储能最大充放电功率:新能源预测矫正值<负荷预测矫正值,无法达到供需平衡,预测停止;新能源预测矫正值>=负荷预测矫正值,降低新能源出力Sreduce=新能源预测矫正值-(储能理论充放电功率Sst_cal-储能最大充放电功率Sst_max)。
10)若供需功率平衡,计算该点新能源实际放电功率、负荷实际用电功率、储能实际充放电功率,并与上一条记录对比,计算预控限制/增加的新能源放电功率、储能充放电功率。
11)依据储能实际充放电功率,计算下一条预测时间点时储能SOC状态,作为下一时间节点的当前SOC状态。下一SOC=当SOC-(充放电功率*预测时间间隔min/60)/储能额定容量,充电功率为负,放电功率为正。
12)重复步骤5-11,直至最后一个时间节点判断完成或期间存在无法达到供需平衡预测停止的情况。
13)统计满足要求的成功预测记录数量,计算可持续时长。可持续时长=成功预测记录数量*预测时间间隔+(第一条预测记录时间-预测开始时间)。
本方法的源网荷储控制系统运行时长预测方法流程图,如图1所示,包括步骤如下:
1.读取源网荷储控制系统中所配置的预测时间尺度,本例中以超短期预测为例,获取未来四小时的新能源放电预测值、负荷预测值。
2.本例中预测时间间隔为15分钟,各预测时间节点划分如下,本例从当日00:00开始进行预测,距离第一次预测的时间节点为0。(若当前预测序号1-5维持平衡,序号6不能维持平衡,此时不会再去计算序号7以及7后边的数据是否能维持平衡,认为序号6时无法达到供需平衡,预测停止。进行最后的步骤,即统计满足要求的成功预测记录数量,计算可持续时长。)
表1
3.本例中源网荷储控制系统中所配置的新能源预测偏差、负荷预测偏差、独立运行备用容量、储能额定容量、储能额定最大功率及当前的储能功率、SOC状态分别为5%,3%,5%,100KWh,200KW,100KW,60%;储能默认最大SOC为90%,最小SOC为10%。
表2
4.选取预测时间节点1下的数据记录,对新能源放电预测与负荷预测数据进行矫正,将功率波动最大化考虑,计算在最差情况下的稳定运行时长。新能源预测矫正值=预测值*(1-预测偏差),负荷预测矫正值=负荷预测*(1+负荷预测偏差+备用容量);
新能源预测矫正值=100*(1-5%)=95KW,负荷预测矫正值=150*(1+3%+5%)=162KW。
5.计算预测时间节点1储能最大充放电功率。
储能最大充电功率=(储能最大SOC-储能当前SOC)*储能额定容量*60/(预测时间间隔min);储能最大放电功率=(储能当前SOC-储能最小SOC)*储能额定容量*60/(预测时间间隔min)。
储能最大充电功率=(90%-60%)*100*60/15=120KW;储能最大放电功率=(60%-10%)*100*60/15=200KW。
6.计算储能理论充放电功率Sst_cal=95–162=-67KW,为放电功率67KW。
7.储能理论充放电功率(67KW)<=储能最大放电功率(200KW),控制区域该时间节点能维持功率的供需平衡。
8.计算该点新能源实际放电功率=95KW、负荷实际用电功率=162KW、储能实际充放电功率=67KW,并与上一条记录对比,上一条记录为当前储能状态。
9.计算预控限制/增加的新能源放电功率=0,储能充放电功率=100–67=33KW,储能减少放电33KW。
10.依据储能实际充放电功率,计算下一条预测时间点时储能SOC状态,作为下一时间节点的当前SOC状态。下一时刻SOC=60%-(67*15min/60)/100=43.25%。
表3
11.选取预测时间节点2下的数据记录,对新能源放电预测与负荷预测数据进行矫正,将功率波动最大化考虑,计算在最差情况下的稳定运行时长。
新能源预测矫正值=预测值*(1-预测偏差),负荷预测矫正值=负荷预测*(1+负荷预测偏差+备用容量)。
新能源预测矫正值=300*(1-5%)=285KW,负荷预测矫正值=80*(1+3%+5%)=86.4KW。
12.计算预测时间节点2储能最大充放电功率。
储能最大充电功率=(储能最大SOC-储能当前SOC)*储能额定容量*60/(预测时间间隔min);
储能最大放电功率=(储能当前SOC-储能最小SOC)*储能额定容量*60/(预测时间间隔min)。
储能最大充电功率=(90%-43.25%)*100*60/15=187KW;储能最大放电功率=(43.25%-10%)*100*60/15=133KW。
13.计算储能理论充放电功率Sst_cal=285–86.4=198.6KW,为充电功率198.6KW。
14.储能理论充放电功率(198.6KW)>储能最大充电功率(187KW),新能源预测矫正值(285KW)>=负荷预测矫正值(86.4KW),通过降低新能源出力可保证系统稳定运行,降低新能源出力Sreduce=新能源预测矫正值-(储能理论充放电功率Sst_cal-储能最大充放电功率Sst_max)。
降低新能源出力Sreduce=285-(198.6-187)=273.4KW。
15.计算该点新能源实际放电功率=273.4KW、负荷实际用电功率=86.4KW、储能实际充放电功率=-187KW,并与上一条记录对比,上一条记录为当前储能状态。
16.计算预控限制/增加的新能源放电功率=-11.6KW、储能充放电功率=-187–33=-220KW.储能增大充电220KW。
17.依据储能实际充放电功率,计算下一条预测时间点时储能SOC状态,作为下一时间节点的当前SOC状态。下一时刻SOC=43.25%+(187*15min/60)/100=90%。
表4
18.假设到预测时间节点10时,储能理论充放电功率>储能最大充放电功率,且新能源预测矫正值<负荷预测矫正值,负荷过大且无法切除负荷,储能最大充放电功率无法维持负荷,无法达到供需平衡,预测停止。
19.统计满足要求的成功预测记录数量,计算可持续时长。可持续时长=成功预测记录数量*预测时间间隔+(第一条预测记录时间-预测开始时间)。
可持续时长=9*15min+(0)=135min。
装置实施例:
本发明的一种源网荷储控制系统运行时长预测装置,包括存储器、处理器和内部总线,处理器、存储器之间通过内部总线完成相互间的通信和数据交互。其中,处理器可以为微处理器MCU、可编程逻辑器件FPGA等处理装置;存储器可以为利用电能方式存储信息的各式存储器,例如RAM、ROM等。处理器用于执行存储在存储器中的程序指令以实现本发明的方法实施例中介绍的一种源网荷储控制系统运行时长预测方法。且该方法已在方法实施例中做了详细的叙述,此处不再赘述。

Claims (10)

1.一种源网荷储控制系统运行时长预测方法,其特征在于,包括如下步骤:
1)获取源网荷储控制系统中所配置的预测时间尺度,设定相应的预测时间间隔,划分预测时间点;
2)根据采集的源网荷储控制系统的信息,计算预测时间点的新能源预测矫正值、负荷预测矫正值、储能最大充电功率和储能最大放电功率;
3)根据步骤2)得到的预测时间点的新能源预测矫正值和负荷预测矫正值计算预测时间点的储能理论充放电功率;
4)若预测时间点的储能理论充放电功率小于等于预测时间点的储能最大充放电功率,则认为控制区域该时间点能维持功率的供需平衡;若预测时间点的储能理论充放电功率大于预测时间点的储能最大充放电功率,且预测时间点新能源预测矫正值大于等于预测时间点负荷预测矫正值,则降低新能源出力维持供需平衡;
若预测时间点的储能理论充放电功率大于预测时间点的储能最大充放电功率,且预测时间点的新能源预测矫正值小于预测时间点的负荷预测矫正值,则认为该时间点无法维持功率的供需平衡,预测停止;
5)若供需平衡,则重复执行步骤2)-步骤4)以进行下一预测时间点的计算,直至预测时间尺度内的最后一个时间点判断完成或期间存在无法达到供需平衡预测停止的时间点;
6)统计满足要求的成功预测记录数量,计算可持续时长。
2.根据权利要求1所述的源网荷储控制系统运行时长预测方法,其特征在于,所述采集的源网荷储控制系统的信息包括:新能源放电预测值和新能源预测偏差;
预测时间点的新能源预测矫正值的计算公式为:新能源预测矫正值=新能源放电预测值*(1-新能源预测偏差)。
3.根据权利要求1所述的源网荷储控制系统运行时长预测方法,其特征在于,所述采集的源网荷储控制系统的信息包括:负荷预测值、负荷预测偏差和独立运行备用容量;
预测时间点的负荷预测矫正值的计算公式为:负荷预测矫正值=负荷预测值*(1+负荷预测偏差+独立运行备用容量)。
4.根据权利要求1所述的源网荷储控制系统运行时长预测方法,其特征在于,所述采集的源网荷储控制系统的信息包括:储能额定容量、储能最小SOC、储能最大SOC和储能当前SOC状态;
预测时间点的储能最大充电功率的计算公式为:储能最大充电功率=(储能最大SOC-储能当前SOC)*储能额定容量/预测时间间隔;
预测时间点的储能最大放电功率的计算公式为:预测时间点的储能最大放电功率=(储能当前SOC-储能最小SOC)*储能额定容量/预测时间间隔。
5.根据权利要求1所述的源网荷储控制系统运行时长预测方法,其特征在于,预测时间点的储能理论充放电功率的计算公式为:储能理论充放电功率=新能源预测矫正值-负荷预测矫正值。
6.根据权利要求3所述的源网荷储控制系统运行时长预测方法,其特征在于,降低新能源出力的计算公式为:降低新能源出力=新能源预测矫正值-(储能理论充放电功率-储能最大充放电功率)。
7.根据权利要求1所述的源网荷储控制系统运行时长预测方法,其特征在于,在进行下一预测时间点的计算前,需根据当前储能SOC状态和储能实际充放电功率计算得到下一预测点的SOC状态。
8.根据权利要求7所述的源网荷储控制系统运行时长预测方法,其特征在于,下一时间点的SOC状态的计算公式为:下一SOC=当前SOC-(储能实际充放电功率*预测时间间隔)/储能额定容量。
9.根据权利要求1~8任一项所述的源网荷储控制系统运行时长预测方法,其特征在于,可持续时长的计算公式为:可持续时长=成功预测记录数量*预测时间间隔+(第一条预测记录时间-预测开始时间)。
10.一种源网荷储控制系统运行时长预测装置,其特征在于,包括处理器和存储器,所述处理器用于执行存储在存储器中的计算机程序指令以实现如权利要求1~9任一项所述源网荷储控制系统运行时长预测方法。
CN202211518229.5A 2022-11-29 2022-11-29 一种源网荷储控制系统运行时长预测方法及装置 Pending CN118157195A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211518229.5A CN118157195A (zh) 2022-11-29 2022-11-29 一种源网荷储控制系统运行时长预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211518229.5A CN118157195A (zh) 2022-11-29 2022-11-29 一种源网荷储控制系统运行时长预测方法及装置

Publications (1)

Publication Number Publication Date
CN118157195A true CN118157195A (zh) 2024-06-07

Family

ID=91293687

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211518229.5A Pending CN118157195A (zh) 2022-11-29 2022-11-29 一种源网荷储控制系统运行时长预测方法及装置

Country Status (1)

Country Link
CN (1) CN118157195A (zh)

Similar Documents

Publication Publication Date Title
Datta et al. A review of key functionalities of battery energy storage system in renewable energy integrated power systems
CN108832646B (zh) 一种适用于可动态重构电池储能系统的管理系统及其方法
CN104638772A (zh) 基于风功率预测的电池储能电站能量管理方法
CN114123280B (zh) 一种考虑系统效率的电池储能电站能量管理方法
EP4246751A1 (en) Method of controlling of battery energy storage system of power system with high dynamic loads
Jian et al. Optimal operating strategy for distribution networks with PV and BESS considering flexible energy storage
Fan et al. Scheduling framework using dynamic optimal power flow for battery energy storage systems
CN202651806U (zh) 一种电池储能电站平滑风光发电控制系统
CN103560533B (zh) 基于变化率控制储能电站平滑风光发电波动的方法及系统
CN110661250B (zh) 含风光储发输电系统的可靠性评估方法及系统
CN117526299B (zh) 一种微电网有功无功功率协调控制系统及方法
CN114725964A (zh) 一种家用微电网调度方法、管理系统和家用微电网
Han et al. Energy storage frequency response control considering battery aging of electric vehicle
Pippi et al. Assessing the provision of ancillary services considering BES capacity degradation
CN118157195A (zh) 一种源网荷储控制系统运行时长预测方法及装置
CN115882483A (zh) 一种利用容量弹性实现系统最优储能容量配置的方法
CN114844120A (zh) 一种含多类型储能的新能源生产模拟运行优化方法和系统
CN114844119A (zh) 一种储能发电装机和容量优化配置方法及系统
Apribowo et al. Optimal Allocation of Vanadium Redox Flow Battery Storage Systems With Integrated Variable Renewable Energy
CN105958479A (zh) 一种含钠硫电池的微电网能量管理优化方法
CN112736948A (zh) 一种充电站中储能系统的功率调节方法及装置
CN111244989A (zh) 一种基于电池储能的风电机组与火电机组的协调运行方法
Wei et al. Multi-mode Tracking Strategies for Wind-Solar-Storage Hybrid Power Generation System
CN117175646B (zh) 用于混合储能系统的储能参与一次调频控制方法及系统
CN112968455B (zh) 一种放电时间的确定方法、装置及电子设备

Legal Events

Date Code Title Description
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination