面向用户侧的电池储能配置与运行优化方法
阅读：555发布：2020-05-12
专利汇可以提供面向用户侧的电池储能配置与运行优化方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种面向用户侧 电池 储能配置及运行的优化方法。本发明以大工业用户电费的计费规则为 基础 ，构建了需量防守与 削峰 填谷相结合的储能配置优化模型。针对不同的用户，能够利用投资回报率评估选择出最合适的储能配置。在构建优化模型时加入储能运行性能约束，能够减少运行损耗，延长储能寿命。在储能日运行优化时，实时更新负荷数据，构建了日内运行调度优化模型，进行实时滚动优化；其次，构建了月需量防守值更新模型，及时更新月需量防守值，不断修正负荷预测误差的影响。算例验证本发明所提滚动优化 算法 能够更加合理地调度储能，有效降低用户用电成本。，下面是面向用户侧的电池储能配置与运行优化方法专利的具体信息内容。
1.面向用户侧的电池储能配置与运行优化方法，其特征在于，该方法同时考虑了储能配置及运行优化问题，以大工业用户电费的计费规则为基础，构建了需量防守与削峰填谷相结合的储能配置优化模型、储能月前和日内滚动优化模型，在构建各优化模型时加入储能运行性能约束，使得储能运行最优；通过不断更新负荷预测数据和防守值，修正了负荷预测误差，使得调度储能最优，实现用户用电成本的降低，具体步骤包括：
步骤1：计算用户加装储能收益；
基于工业大用户的电费计费规则，通过“低储高放”策略对用户电力负荷进行转移，通过建立储能收益模型，计算用户加装储能后获得的削峰填谷收益及月需量防守收益；
步骤2：建立储能运行约束条件；
针对储能电池运行的硬性物理要求，建立储能电池物理约束条件；对储能电池的日吞吐量进行限制，建立储能电池性能约束条件；
步骤3：构建储能优化策略及进行负荷预测；
制定储能配置优化和运行优化的整体策略，确定负荷预测模型，基于用户历史符合数据，进行月前负荷预测和日前负荷预测；
步骤4：构建储能配置优化模型；
储能配置优化模型以用户安装储能后每月综合效益最高为目标，基于用户历史负荷数据，优化得到储能配置的功率与容量；
步骤5：构建储能运行月前优化模型；
基于优化得到的储能配置功率、容量及月负荷预测数据，以优化月的需量防守收益与削峰填谷收益之和最大为目标函数，构建储能运行月前优化模型，以获得月需量防守值；
步骤6：构建日内运行滚动优化模型；
以用户每天的削峰填谷收益最大为目标函数，构建储能日前运行优化模型；考虑负荷预测误差的影响，对每一个时刻点之前的数据采用实际负荷数据，之后的数据采用预测负荷数据，并将储能荷电状态作为目标函数的一部分，构建以分段函数为目标函数的日内运行调度滚动优化模型，进行实时滚动优化；
步骤7：基于CPLEX求解器的储能优化求解
储能优化中各模型均在MATLAB软件中基于YALMIP工具箱调用CPLEX求解器进行求解；
其中，储能运行优化包含月前优化与日内运行调度滚动优化，储能日内运行滚动优化时，日内调度优化模型求解出错，则求解月需量防守值更新模型，得到新的月需量防守值。
2.根据权利要求1所述的面向用户侧的电池储能配置与运行优化方法，其特征在于，步骤2中所述的建立储能电池物理约束条件包括储能充放电功率约束、储能电池容量约束、储能倍率约束；所述的储能电池性能约束条件为某天储能的日吞吐量小于等于储能日吞吐量上限。
3.根据权利要求2所述的面向用户侧的电池储能配置与运行优化方法，其特征在于，所述的日吞吐量指一天内储能电池总的充电与放电电量之和。
4.根据权利要求1所述的面向用户侧的电池储能配置与运行优化方法，其特征在于，步骤3中构建储能优化策略包括配置优化和运行优化两部分，具体是：首先，基于用户的历史负荷数据，构建储能配置优化模型，求解确定最优的储能配置功率及容量；然后，基于已确定的储能配置功率及容量，利用月前负荷预测数据，构建月前优化模型确定一个预测的月需量防守值；在尽量满足月需量防守值要求的基础上，结合日前负荷预测数据，构建储能日内运行调度优化模型；同时，考虑负荷预测误差的影响，对储能日内运行调度进行实时滚动优化，及时更新月需量防守值，最终得到储能的日调度指令，储能优化的整体策略。
面向用户侧的电池储能配置与运行优化方法
技术领域
背景技术
[0002] 用电成本是电力大用户经营成本的重要组成部分。电池储能(下文简称“储能”)可通过“低储高放”策略，即在用户电力负荷及电价较低的时候存储电能，在用户电力负荷及电价较高的时候放出电能，在不改变用户用电行为的情况下，削减用户负荷月最大需量值，减少基本电费的同时产生削峰填谷收益。并且，用户侧储能服务对象明确，变化因素较少，更有利于储能的运行。同时，国家出台了《关于促进储能技术与产业发展的指导意见》、《关于北方地区清洁能源供暖价格政策的意见》等一系列政策，不仅大力支持用户侧储能的发展，而且提出要适当扩大销售侧峰谷电价差，未来用户峰谷价差有望继续拉大，这些都有助于提升用户侧储能的投资效益。因此用户侧安装储能是降低电力大用户经营成本的重要手段。
[0003] 我国用户侧储能市场发展空间巨大，然而目前，用户侧储能的发展并没有达到预期，一方面用户仍难以承担储能较高的投资成本，另一方面，储能运行效率较低，未能充分发挥储能优化运行带来的经济效益。因此，对用户侧储能的配置及运行进行优化研究，具有重要意义。
[0004] 目前储能配置及运行优化研究分为电网侧和用户侧。电网侧的储能优化研究主要为了保证电网的安全可靠运行、解决负荷平衡等问题，而用户侧储能优化研究的目的在于合理转移负荷、提高用户安装储能后的经济性，所以电网侧储能优化研究成果难以直接应用到户侧。用户侧储能优化的研究中，部分研究只针对储能配置或运行中的一方面进行优化，部分研究只考虑削峰填谷或需量防守的经济性。还有部分研究通过预先确定调度策略进行储能容量配置及日前运行规划，这种方法不仅很难得到储能最佳配置容量，而且因为没有考虑电力负荷预测误差的影响，导致储能日内实际运行时表现不佳。因此，目前缺少既同时考虑储能配置及运行优化，又在储能运行时考虑负荷预测误差影响实现实时滚动优化的研究。
发明内容
[0005] 本发明所要解决的技术问题是克服上述现有技术存在的缺陷，提出一种针对用户侧电池储能的配置与运行进行优化的方法，该方法以大工业用户电费的计费规则为基础，建立需量防守与削峰填谷相结合的储能配置优化模型；为了保证在储能投入运行后实现最佳的经济效益，提出了储能电池充放电状态转换次数约束，然后结合负荷预测数据，构建了储能月前和日内滚动优化模型。与日前运行优化相比，日内滚动优化通过实时更新实际负荷数据及月需量防守值，不断修正负荷预测误差，使用户获得更高的收益。
[0006] 本发明方法包括以下步骤：
[0007] 步骤1：基于工业大用户的电费计费规则，针对储能可以通过“低储高放”等策略合理地对用户电力负荷进行转移，降低用户用电的月最大需量的特点，通过建立储能收益模型，计算用户加装储能后获得的削峰填谷收益及月需量防守收益。
[0008] 步骤2：针对储能电池运行的硬性物理要求，建立储能电池物理约束条件；同时考虑保证储能运行时具有良好的性能，建立储能电池性能约束条件。
[0009] 步骤3：制定储能配置优化和运行优化策略，确定负荷预测模型，并利用用户历史负荷数据，进行月前负荷预测和日前负荷预测。
[0010] 步骤4：以用户安装储能后每月综合效益最高为目标，构建储能配置优化模型，优化储能配置的功率与容量。
[0011] 步骤5：以优化月的需量防守收益与削峰填谷收益之和最高为目标，构建储能运行月前优化模型。
[0012] 步骤6：以用户每天的削峰填谷收益最大为目标函数，构建储能日前运行优化模型。
[0014] 本发明针对电力大用户负荷情况，结合峰谷电价及用户电费的计费规则，对用户侧储能的配置与运行进行了优化研究。利用本发明既能同时对储能的配置及运行进行优化，又能在储能运行时考虑负荷预测误差影响实现实时滚动优化，且本发明的滚动优化算法能够更加合理地调度储能，为用户带来更多的经济效益，有效降低用户用电成本。附图说明
[0015] 图1为用户侧储能优化策略图。
[0017] 图3为峰谷电价时间分布图。
[0018] 图4为不同储能配置下收益变化图。
[0019] 图5为有无性能约束储能日内运行结果对比图。
[0020] 图6为两种模型储能日运行优化结果图。
[0021] 图7为储能日前运行优化结果图。
[0022] 图8为储能日内运行滚动优化结果图。
具体实施方式
[0023] 以下结合附图对本发明作进一步说明，本发明包括以下步骤：
[0024] 步骤1：计算用户加装储能收益
[0025] 对于工业大用户，供电公司收取的电费分为基本电费和电度电费两部分。其中用户需要支付的基本电费的收取形式有多种，目前大部分用户选择的都是按实际需量计费(每月实际记录到的最大需量)，即当月的最大需量乘以基本电费价格(各地区不同)；电度电费则是根据用户的实时用电量乘以对应时刻电价得到。
[0026] 若用户预先安装储能电池，利用储能灵活的电功率吞吐特性，通过“低储高放”等策略合理地对用户电力负荷进行转移，能够降低用户用电的月最大需量值，从而产生月需量防守收益。同时，目前电力市场采用分时电价机制，储能通过谷时电价期间充电，峰时电价期间放电，利用峰谷电价差可产生削峰填谷收益。具体计算公式如下：
[0027] Rj＝m(PLmaxj-Pmaxj) (1)
[0028]
[0029] 式中：Rj为第j月的月需量防守收益，m为基本电费价格，PLmaxj、Pmaxj分别为第j月未加装储能时用户月最大负荷、加装储能后能够防守的最大需量值，即月需量防守值。Ri为第i天的削峰填谷收益，k为该日的时刻点总数，mt为调度日第t个时刻的峰谷电价；pcsi,t为第i天第t个时刻的储能运行功率，其中充电功率为正，放电功率为负。h为时间窗口长度，单位为小时。
[0030] 步骤2：建立储能运行约束条件
[0031] (1)储能电池物理约束
[0032] 1)储能充放电功率约束
[0033] 储能充放电功率不能超过储能额定功率：
[0034] -PCS,N≤PCS,i,t≤PCS,N (3)
[0035] 式中，PCS,N为储能配置的额定功率。
[0036] 2)储能电池容量约束
[0037] 各个时刻储能电池内的电量应当在电池电量约束的上下限之间：
[0038] 0.17SN≤Si,t≤SN (4)
[0039] 式中，Si,t为第i天第t个时刻储能电池内的电量，SN为储能配置的额定容量。由于运行过程中储能电池荷电量一般不能达到或接近零，本文选取储能电池电量的下限为0.17SN，并选取储能电池初始荷电量为0.17SN。
[0040] 3)储能倍率约束
[0041] PCS,N＝SN/η (5)
[0042] 式中，η为储能电池的能量倍率。
[0043] (2)功率约束
[0044] 用户实际负荷加上储能的运行功率不能小于0而向电网倒送功率，也不能超过用户月最大负荷值，否则就失去了需量防守的功能。
[0045] 0≤PL,i,t+PCS,i,t≤PLmax,j (6)
[0046] 式中，PL,i,t为第i天第t个时刻用户实际负荷。
[0047] (3)储能电池性能约束
[0048] 储能运行时，确定状态下充放电功率的变化对储能的性能影响较小，充放电状态及待机状态之间的转换直接影响储能的调节成本及电池损耗。其次，储能的寿命损耗与吞吐量密切相关，减少吞吐量可延长其使用寿命。为更加合理地利用储能，结合峰谷电价对实际用户负荷数据进行了储能日内运行仿真对比，由仿真结果发现，对储能电池的日吞吐量进行限制，不仅减少了储能的吞吐量，而且能够很好地限制储能一天内充放电状态转换的次数。日吞吐量指一天内储能电池总的充电与放电电量之和，约束如下式所示：
[0049] Qi≤Qmax (7)
[0050] 式中：Qi为第i天储能的日吞吐量，Qmax为储能日吞吐量上限，其取值根据用户负荷、峰谷电价分布、PCS性能要求等因素综合考虑而定。
[0051] 步骤3：构建储能优化策略及进行负荷预测
[0052] 储能优化分为配置优化和运行优化两部分。首先，基于用户的历史负荷数据，构建储能配置优化模型，求解确定最优的储能配置功率及容量。然后，基于已确定的储能配置功率及容量，利用月前负荷预测数据，构建月前优化模型确定一个预测的月需量防守值。在尽量满足月需量防守值要求的基础上，结合日前负荷预测数据，构建储能日内运行调度优化模型。同时，考虑负荷预测误差的影响，对储能日内运行调度进行实时滚动优化，及时更新月需量防守值，最终得到储能的日调度指令，储能优化的整体策略如图1所示。
[0053] 储能配置优化及月前优化时，目的是确定合适的配置选型及月需量防守值以获得最优收益，时间窗口设为供电企业的电量采集时间15min，即每天k＝96个时刻点。在进行储能日运行调度优化时，关注的是储能每个时刻的运行功率，以实现需量防守并获得削峰填谷收益，为充分发挥储能的分钟级乃至秒级的快速响应性能，灵活地调节负荷功率，时间窗口设为5min，即每天k＝288个时刻点。
[0054] 在储能运行优化时需要进行负荷预测，本文采用机器学习方法进行负荷预测，在python3.5中，基于Tensorflow中的keras框架搭建长短期记忆(LSTM)模型，利用历史负荷数据进行月前及日前负荷预测。月前预测和日前预测的预测结果与真实负荷数据之间的平均绝对误差百分比MAPE分别为8.756488和7.263825，负荷预测准确度能够满足储能运行调度优化的需求。
[0055] 步骤4：构建储能配置优化模型
[0056] 储能配置优化模型以用户安装储能后每月综合效益最高为目标，优化储能配置的功率与容量。
[0057] 为计算用户加装储能后的月综合效益，将用户加装储能的总投资进行折算，得到每个月的月折算成本费用C，具体计算见下式：
[0058]
[0059] 式中：mp为储能每kW的购买价格，my为储能每kW的运维成本；mB为储能每kWh的投资单价；N为储能寿命。
[0060] 储能配置优化模型的目标函数F1为储能月收益与月折算成本的差值，具体计算见公式(9)。
[0061]
[0062] 式中，y和d分别为仿真周期内总的月份数和天数。
[0063] 因此，储能配置优化模型以储能的配置功率、配置容量、各月的需量防守值及各时刻点储能的运行功率为自变量，且各自变量受公式(3)至(7)的约束。该模型仿真周期为多个月，可根据用户实际负荷数据情况进行设置。
[0064] 步骤5：构建储能运行月前优化模型
[0065] 基于优化得到的储能配置及月负荷预测数据，寻求合理的月需量防守值时，优化模型的目标函数F2为优化月的需量防守收益与削峰填谷收益之和，具体公式如下：
[0066]
[0067] 该模型与储能配置优化模型不同的是模型中储能电池的配置为已知量，已由储能配置优化模型求解确定；模型的自变量为月需量防守值及储能电池每个时刻的运行功率，仿真周期为一个月，dj为第j月份对应天数，约束条件公式(3)至(7)所示。
[0068] 步骤6：构建日内运行滚动优化模型
[0069] 储能日前运行优化模型的目标函数F3通常为用户每天的削峰填谷收益，具体公式如下：
[0070]
[0071] 储能日前优化模型以月前优化得到的月需量防守值Pmax为标准，不会更新月需量防守值，最终的月最大需量值为经过储能调度后的用户月负荷最大值。若完全按照日前优化的结果进行储能调度，当电力负荷实际值偏高时，最后该月份的月最大需量值就会比月前优化得到的Pmax高，导致优化结果不理想。若考虑负荷预测误差，为控制储能实际运行调度时实际最大需量值在月前优化得到的Pmax之下，储能不完全按照日前优化结果进行调度，则在电力负荷真实值偏高的时刻点，与日前优化结果相比，储能系统会放出更多的电量，可能会导致储能电池的电量提前耗尽，失去对剩余时间的调峰能力。因此，为解决以上问题需构建日内运行滚动优化模型。
[0072] 构建日内运行滚动优化模型过程中发现，若直接采用式(11)为目标函数，储能在电价谷时段充电时间较为随机，在第一个电价谷时段会出现电池能充满但并未充满的情况。这是因为算法为实时滚动优化，若后面出现电价谷时段无法充满，此时过去的时刻点储能运行功率已无法改变。为实现储能在电价谷时段的前面时刻点优先充电，将储能电量作为电价谷时段目标函数的一部分，使得在电价谷时段储能会选择尽早的充电，实现目标函数最大。此时日内运行滚动优化模型的目标函数采用分段函数F4表示：
[0073]
[0074] 式中，Si,t为第i天第t个时刻储能电池内的电量，w为权重系数，其取值由仿真测试决定。
[0075] 日内运行优化模型的仿真周期为一天，即k＝288；该模型的约束条件与月前优化模型类似，不同的是自变量约束条件中的功率约束由式(6)变为式(13)，即储能电池运行功率与用户负荷之和不能超过目前确定的月需量防守值。
[0076] 0≤PL,τ+PCS,τ≤Pmax (13)
[0077] 式中，τ表示采集点时刻，由于供电企业采集每15min负荷平均值中的最大值作为最大需量，即采集点固定为每小时的0分、15分、30分和45分，因此模型中只需在上述采集点进行判断；PL,τ、PCS,τ分别为用户负荷及储能运行功率在采集点时刻前15min的平均值。
[0078] 如若上述模型求解出错，则说明该时刻储能电池无法实现优化确定的月需量防守值，故以该日的日综合效益最高为目标，寻找调度日当前时刻储能能够防守的月最大需量最优值，对月需量防守值进行更新。月需量防守值更新模型的优化目标函数F5如下式所示：
[0079]
[0080] 目标函数第一部分表示第j月需量防守收益平均到每一天的数值，第二部分为该日削峰填谷收益。此时，计算Rj的公式(1)中的PLmax,j为该月第t个时刻之前的已知实际负荷与第t个及之后时刻的月前负荷预测数据中的最大值；第t个时刻之前PCS,i,t已确定，该模型以需量防守值及储能电池第t个及之后时刻的调度功率为自变量，约束条件如公式(3)、(4)、(7)及公式(13)所示。
[0081] 步骤7：构建基于CPLEX求解器的储能优化算法
[0082] 储能优化中各模型均在MATLAB软件中基于YALMIP工具箱调用CPLEX求解器进行求解。其中，储能运行优化包含月前优化与日内运行调度滚动优化，算法流程如图2所示，具体步骤如下：
[0083] 1)基于月负荷预测数据，优化得到该月的需量防守值Pmax。
[0084] 2)对于调度日的第t个时刻，优化所用的日负荷数据在第t个时刻之前为已知实际负荷数据，第t个及之后时刻为日前负荷预测数据。根据月需量防守值Pmax及约束条件，求解日内调度优化模型；若求解成功，则得到该日每个时刻的储能运行功率，从中获取第t个时刻的储能运行功率，并下令给储能实施调度，继续执行步骤(4)；若求解出错，则执行步骤(3)。
[0085] 3)基于当前优化日的日负荷数据，求解月需量防守值更新模型，得到新的需量防守值Pmax，并获得第t个时刻点的储能运行功率，下令给储能实施调度。
[0086] 4)判断第t个时刻是否属于电量采集点τ，若t∈τ，进行步骤(5)，否则进行步骤(6)。
[0087] 5)计算包括第t个时刻的前15min内，计入储能功率调整后的用户负荷的平均值PJ，并判断其是否超过Pmax，若超过则替换，即Pmax＝PJ；若未超过执行步骤(6)。
[0088] 6)判断t是否超过日时刻点总数k，若未超过则t＝t+1，更新第t个时刻后的负荷预测数据，继续执行步骤(2)；若超过k，则结束优化算法。
[0089] 为验证本发明所述用户侧电池储能配置及运行优化策略的有效性和合理性，以某工业园区为例，分析其储能配置与运行策略。该园区供电电压等级为10kV，基本电费电价m为40元/千瓦，采取该省大工业两部制电价计价，峰谷电价时间分布如图3所示。目前，市场中适用于用户侧储能优化的电池类型主要以锂电池、铅酸电池、钠硫电池三种为主，其相关参数如下表所示：
[0090] 表1三类储能电池参数
[0091]
[0092] 针对该园区的历史负荷数据及峰谷电价分布特点，经仿真测试后确定Qmax＝2SN，w＝0.083，对这三种电池进行储能配置优化，并利用投资回报率进行评估比较，结果如表2所示。
[0093] 表2储能配置优化结果
[0094] 储能类型 配置功率/kW 配置容量/kWh 投资成本/万元 月综合效益/万元 投资回报率铅酸电池 1200 4200 411.72 3.7987 0.5536铁锂电池 1365 2730 539.8575 4.2786 0.7068
钠硫电池 1440 10080 1489.536 5.4035 0.5224
钠硫电池 1440 10080 1489.536 5.4035 0.5224
[0095] 由表2可知，该园区用户铁锂电池的投资回报率最高，铁锂电池能够以较小的投资成本获得更高的效益。故该园区选择配置铁锂电池最合适，最优配置功率为1365kW，配置容量为2730kWh。
[0096] 为进一步说明，储能配置对用户效益的影响，以铁锂电池为例，仿真得到不同储能配置下该用户的月综合效益和全寿命周期预计收益，如图4所示。由图可以看出，随着储能配置容量的增加，月综合效益和全寿命周期预计收益均先增后降，这是因为储能达到一定容量后，月收益的增长幅度不足以抵消储能成本的增长幅度。储能功率为1365kW时，月综合效益和全寿命周期预计收益均达到最大。
[0097] 为充分验证本发明所述优化策略的合理性和有效性，下面分别对所提储能性能约束、日内滚动优化模型目标函数进行仿真验证，并将本发明所提日内滚动优化方法的结果与已有研究中的日前运行优化方法结果进行对比分析：
[0098] (1)储能性能约束验证
[0099] 为验证本发明所提的储能性能约束条件的合理性，利用实际用户负荷数据，对有无储能性能约束条件下储能日内运行优化分段模型进行了仿真对比，优化结果如图5所示。由图中可以看出，与无性能约束相比，加上性能约束条件后，优化结果中储能的吞吐量、充放电状态及待机状态之间相互转换的次数显著减少，能够减少储能运行损耗，延长使用寿命。
[0100] (2)日内滚动优化模型目标函数验证
[0101] 在该园区储能配置确定后，以该园区某月份的实际历史负荷数据为例，分别采用单段函数模型式(11)和分段函数模型式(12)，对该月份某一日进行储能运行优化仿真对比，优化结果如图6所示。由图可以看出，单段函数模型下储能在谷时充电时间较为随机，会出现第一个谷时段充不满的情况；本文所提的分段函数模型下储能充电集中在谷时段，且谷时段在前面的时刻点开始充电，能够保证储能电池电量满充，满足峰时段放电，获得更高的削峰填谷收益。
[0102] (3)日前运行优化与日内滚动优化结果对比
[0103] 首先对某月进行月负荷预测，求得该月的月负荷最大值为7732.9kw，采用2.3.1节的模型，优化得到月需量防守值6006kW。然后选择该月中某一日，按照日前运行优化调度的结果如图7所示，日削锋填谷收益为2178.69元；在此调度日之前，经过储能调整后的用户负荷最大值已经达到6731.33kW，则该调度日平均到每一天的需量防守收益为1335.43元，日综合效益为3541.12元。
[0104] 为验证本文滚动优化算法的有效性，同一日储能日内运行滚动优化结果如图8所示。此时的月需量防守值已更新为6584.96kW，日削锋填谷收益为2317.59元。该日实际负荷经过储能调整后的日负荷最大值为6583.31kW，未超出此时的月需量防守值，则该调度日平均到每一天的需量防守收益为1530.59元，日综合效益为3848.18元。储能在谷时段充电时间较为集中，比较合理。
[0105] 两种方法仿真结果对比可以发现，该调度日下，本文所提日内运行滚动优化算法得到的日综合收益，比日前运行优化算法高出334.06元。对该月份每一天都分别进行两种方法下的储能日运行优化仿真，对比结果发现：日内运行滚动优化与日前运行优化算法下，该月份最终的月最大需量值分别为6631.66kW与6731.33kW，月综合收益分别为103402.4元与94400.13元，即日内运行滚动优化比日前运行优化月综合收益高出9002.27元。具体到日，日内运行滚动优化比日前运行优化日综合收益最高高出了668.5元，故本文所提日内运行滚动优化算法能够更合理地调度储能，为用户带来更多的经济效益，更好的降低用户用电成本。
[0106] 本发明同时考虑储能配置及运行优化，针对不同的用户，能够利用投资回报率评估选择出最合适的储能电池类型及配置容量。在构建各优化模型时加入储能运行性能约束，储能在各电价时段不会随机充放电，储能日吞吐量、充放电状态及待机状态之间转换的次数明显减少，储能运行更加合理，能够减少运行损耗，延长储能寿命。在储能日运行优化时，对每一个时刻点之前的数据采用实际负荷数据，之后的数据采用预测负荷数据，并将储能荷电状态作为目标函数的一部分，构建了以分段函数为目标函数的日内运行调度优化模型，实现了实时滚动优化；其次，构建了月需量防守值更新模型，在储能无法防守现有的月最大需量值时，及时更新月需量防守值，不断修正负荷预测误差的影响。算例验证本发明所提滚动优化算法能够更加合理地调度储能，为用户带来更多的经济效益，有效降低用户用电成本。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 版图结构以及半导体集成电路器件的形成方法 | 2020-05-12 | 782 |
| 人类抗RANKL抗体的配制品及其使用方法 | 2020-05-13 | 710 |
| 一种以二氧化碳为工质的调峰储能装置及其控制方法 | 2020-05-11 | 671 |
| 一种面向需求侧主动响应的电量套餐优化设计方法 | 2020-05-12 | 734 |
| 长壁工作面隅角后方采空区顶板的跨断方法 | 2020-05-13 | 40 |
| 一种考虑风电消纳的区域多微网配电网互动方法 | 2020-05-11 | 945 |
| 面向用户侧的电池储能配置与运行优化方法 | 2020-05-12 | 555 |
| 一种粮谷、油料中嗪吡嘧磺隆的残留量的HPLC-MS/MS检测方法 | 2020-05-13 | 255 |
| 一种用于铁路牵引网的能量利用系统 | 2020-05-13 | 818 |
| 制冷系统、冷藏车及配电方案 | 2020-05-14 | 675 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
QQ群二维码
意见反馈
意见反馈