自适应式微网储能系统能量优化管理方法
阅读：829发布：2023-03-04
专利汇可以提供自适应式微网储能系统能量优化管理方法专利检索，专利查询，专利分析的服务。并且一种自适应式微网储能系统 能量 优化管理方法，所述方法包括以下步骤：A、确定微网储能系统中 电池 比前一天可多用于调峰的能量；B、根据所述电池比前一天可多用于调峰的能量与电池储能容量的下限的比值，调整微网储能系统中电池的放电 阈值 ，其中当所述比值大于1时，减小所述放电阈值，当所述比值小于1时，增大所述放电阈值。利用本 发明 的自适应式微网储能系统能量优化管理方法，不受负荷实时 波动 的影响，能够最大限度地实现新 能源 的本地利用，避免大量过剩功率涌入大 电网 。，下面是自适应式微网储能系统能量优化管理方法专利的具体信息内容。
1.一种自适应式微网储能系统能量优化管理方法，所述方法包括以下步骤：
A、确定微网储能系统中电池比前一天可多用于调峰的能量；
B、根据所述电池比前一天可多用于调峰的能量与电池储能容量的下限的比值，调整微网储能系统中电池的放电阈值，其中，
当所述比值大于1时，减小所述放电阈值，
当所述比值小于1时，增大所述放电阈值。
2.根据权利要求1中所述的自适应式微网储能系统能量优化管理方法，其特征在于，所述减小放电阈值为：
其中，PCDthr(i)为第i采样点的放电阈值，T为每日的采样点数，
PBref(i-T)为前一天电池的功率调度参考值，
E′load(d+1)为电池比前一天可多用于调峰的能量，
ΔEload(d)为前一天的电池能量调度总量。
3.根据权利要求2中所述的自适应式微网储能系统能量优化管理方法，其特征在于，减小所述电池的放电阈值后，进一步包括，根据新的放电阈值重新校准电池比前一天可多用于调峰的能量和所述比值，其中，
其中E′load(d+1)new和E′ load(d+1)old分别为校准后和校准前的电池比前一天可多用于调峰的能量；
并根据校准后的电池比前一天可多用于调峰的能量，重新确定与电池储能容量的下限的比值。
4.根据权利要求1中所述的自适应式微网储能系统能量优化管理方法，其特征在于，所述增大放电阈值为：
其中，PCDthr(i)为第i采样点的放电阈值，T为每日的采样点数，
PBref(i-T)为前一天电池的功率调度参考值，
E′load(d+1)为电池比前一天可多用于调峰的能量，
ΔEload(d)为前一天的电池能量调度总量。
5.根据权利要求4中所述的自适应式微网储能系统能量优化管理方法，其特征在于，增大所述放电阈值后，进一步包括，根据新的放电阈值重新校准电池比前一天可多用于调峰的能量和所述比值，其中，
其中E′load(d+1)new和E′ load(d+1)old分别为校准后和校准前的电池比前一天可多用于调峰的能量；
并根据校准后的电池比前一天可多用于调峰的能量，重新确定与电池储能容量的下限的比值。
6.根据权利要求1中所述的自适应式微网储能系统能量优化管理方法，其特征在于，所述步骤A之前，进一步包括：
A0、确定与电价相关的微网储能系统剩余功率，来判定电池是处于充电模式还是放电模式；
A1、当电池处于放电模式时，根据前一天的负荷功率、新能源发电功率、电池充放电功率以及电池的实时储能状态确定微网储能系统中电池比前一天可多用于调峰的能量。
7.根据权利要求1中所述的自适应式微网储能系统能量优化管理方法，其特征在于，所述减小放电阈值的条件还进一步包括：电池前一秒的储能状态大于电池储能下限，且当前时刻系统剩余功率值大于前一天同时刻的值；所述增大放电阈值的条件还进一步包括：
电池前一秒的储能状态大于电池储能下限，且当前时刻系统剩余功率值小于前一天同时刻的值。
自适应式微网储能系统能量优化管理方法
技术领域
背景技术
[0002] 大规模使用以可再生能源(RES-E)为主的分布式电源(DG)可以降低对化石能源的依赖，有效减少大气污染排放，促进电力市场优化。然而，由于RES-E出力特性与负荷逆向分布，难以被当地负荷充分利用，规模化RES-E(风能和光伏)会导致大量过剩功率入网，影响系统稳定性同时限制可再生能源入网数量的增长。因此，利用分布式电源与储能元件组成的微网对就近负荷供电可以减小对大系统扰动，保证供电的安全性、可靠性和能量分配的有效性，同时提高用电经济性以及RES-E的使用效率。
[0003] 但是，目前大多数对于分布式电源的控制方案是利用预测数据实现储能元件充放电控制算法，如果预测值足够精确则能较好地削减负荷峰值。但分布式能源在空间上较为分散且数目众多，大多数情况下，预测值和实际值之间存在着较大的误差，同时在小范围内很难实现对于负荷的精确预测，这使得已有算法在实际应用过程中无法很好达到提出的“削峰填谷”效果，能源的就地利用效率也大打折扣。
发明内容
[0004] 鉴于此，本发明的目的在于克服现有技术的缺点，提供一种用于消除预测数据的不确定性对储能系统控制策略的影响，由此考虑采用不需要预测数据的储能系统控制策略。
[0005] 为了实现此目的，本发明采取的技术方案为如下。
[0006] 一种自适应式微网储能系统能量优化管理方法，所述方法包括以下步骤：
[0007] A、确定微网储能系统中电池比前一天可多用于调峰的能量；
[0008] B、根据所述电池比前一天可多用于调峰的能量与电池储能容量的下限的比值，调整微网储能系统中电池的放电阈值，其中，
[0009] 当所述比值大于1时，减小所述放电阈值，
[0010] 当所述比值小于1时，增大所述放电阈值。
[0011] 其中所述减小放电阈值为：
[0012]
[0013] 其中，PCDthr(i)为第i采样点的放电阈值，T为每日的采样点数，[0014] PBref(i-T)为前一天电池的功率调度参考值，
[0015] E′load(d+1)为电池比前一天可多用于调峰的能量，
[0016] ΔEload(d)为前一天的电池能量调度总量。
[0017] 另外，减小所述电池的放电阈值后，进一步包括，根据新的放电阈值重新校准电池比前一天可多用于调峰的能量和所述比值，其中，
[0018]
[0019] 其中E′load(d+1)new和E′ load(d+1)old分别为校准后和校准前的电池比前一天可多用于调峰的能量；
[0020] 并根据校准后的电池比前一天可多用于调峰的能量，重新确定与电池储能容量的下限的比值。
[0021] 另一方面，所述增大放电阈值为：
[0022]
[0023] 其中，PCDthr(i)为第i采样点的放电阈值，T为每日的采样点数，[0024] PBref(i-T)为前一天电池的功率调度参考值，
[0025] E′load(d+1)为电池比前一天可多用于调峰的能量，
[0026] ΔEload(d)为前一天的电池能量调度总量。
[0027] 增大所述放电阈值后，进一步包括，根据新的放电阈值重新校准电池比前一天可多用于调峰的能量和所述比值，其中，
[0028]
[0029] 其中E′load(d+1)new和E′ load(d+1)old分别为校准后和校准前的电池比前一天可多用于调峰的能量；
[0030] 并根据校准后的电池比前一天可多用于调峰的能量，重新确定与电池储能容量的下限的比值。
[0031] 另外，所述步骤A之前，进一步包括：
[0032] A0、确定与电价相关的微网储能系统剩余功率，来判定电池是处于充电模式还是放电模式；
[0033] A1、当电池处于放电模式时，根据前一天的负荷功率、新能源发电功率、电池充放电功率以及电池的实时储能状态确定微网储能系统中电池比前一天可多用于调峰的能量。
[0034] 所述减小放电阈值的条件还进一步包括：电池前一秒的储能状态大于电池储能下限，且当前时刻系统剩余功率值大于前一天同时刻的值；所述增大放电阈值的条件还进一步包括：电池前一秒的储能状态大于电池储能下限，且当前时刻系统剩余功率值小于前一天同时刻的值。
[0035] 通过采用本发明的自适应式微网储能系统能量优化管理方法，能够实现以下技术效果：
[0036] (1)在控制电池充放电过程中，不需要负荷和新能源发电的预测数据，因此本发明的自适应式微网储能系统能量优化管理方法不受负荷实时波动的影响；
[0037] (2)本发明具体实施方式中的自适应式微网储能系统能量优化管理方法能够最大限度地实现新能源的本地利用，避免大量过剩功率涌入大电网；
[0039] 图1为本发明具体实施方式中自适应式微网储能系统能量优化管理方法的流程示意图。
[0040] 图2为用户负荷需求以及光伏和风力发电输出功率曲线示意图。
[0041] 图3为微网储能系统剩余功率曲线示意图。
[0042] 图4为现有技术中利用固定阈值法的电池能量曲线示意图。
[0043] 图5为固定阈值法的电池调度参考值和新的用电量需求曲线示意图。
[0044] 图6为基于预测数据的固定阈值法第39小时-48小时部分分析曲线示意图。
[0045] 图7为使用本发明具体实施方式的自适应式微网储能系统能量优化管理方法前后放电阈值的曲线示意图(24-96小时)。
[0046] 图8为使用本发明具体实施方式的自适应式微网储能系统能量优化管理方法前后电池输出功率曲线示意图
[0047] 图9为使用本发明具体实施方式的自适应式微网储能系统能量优化管理方法前后新的负荷(NGD)曲线示意图。
具体实施方式
[0048] 下面结合附图，对本发明作详细说明。
[0049] 以下公开详细的示范实施例。然而，此处公开的具体结构和功能细节仅仅是出于描述示范实施例的目的。
[0051] 同时应该理解，如在此所用的术语“和/或”包括一个或多个相关的列出项的任意和所有组合。另外应该理解，当部件或单元被称为“连接”或“耦接”到另一部件或单元时，它可以直接连接或耦接到其他部件或单元，或者也可以存在中间部件或单元。此外，用来描述部件或单元之间关系的其他词语应该按照相同的方式理解(例如，“之间”对“直接之间”、“相邻”对“直接相邻”等)。
[0052] 介绍本发明的技术方案之间，首先说明本发明所采用的基本原理。
[0053] 在整个计算过程中，首先要得到与电价有关的剩余功率曲线来判定电池是处于充电还是放电模式。当电池运行模型确定之后，就要考虑电池充放电功率的限制条件和能量转换效率。若电池处于放电模式，影响电池放电功率最关键的因素就是放电阈值的选择。
[0054] 考虑到电网功率PG随电价变化的特性，即在低电价时向微网储能系统充电，在高电价时不充电，可计算微网储能系统的剩余功率为：
[0055] 当prc(i)＝1时，
[0056] Psp(i)＝Pl(i)-[Ppv(i)+PG(i)+Pwd(i)]，
[0057] 当prc(i)＝2时，
[0058] Psp(i)＝Pl(i)-[Ppv(i)+Pwd(i)]， (1)
[0059] 式中：prc为价格，“1”代表低电价，“2”代表高电价；Psp为剩余功率(kW)；Pl为用户负荷需求(kW)；Ppv为光伏发电功率(kW)；PG为电网功率(kW)；Pwd为风力发电功率(kW)；i为采样点(在本发明具体实施方式的采样时间取为1s，但也可以根据需要调整)。
[0060] 在得到微网储能系统剩余功率曲线并确定电池充放电模式后，便可计算电池的功率调度参考值PBref(kW)，即为电池在第i秒的充放电功率，正值代表放电，负值代表充电，其大小与换流器的转换效率有关。其中，放电功率又取决于放电阈值PCDthr(kW)：
[0061] PBref(i)＝Psp(i)-PCDthr(i) (2)
[0062] 在DC/AC(DC/AC)转换和AC/DC(AC/DC)转换过程中，考虑到开关损耗，电功率转换的效率通常为95％。此外，电池内部的电能与化学能转换损耗为15％。因此，电池的充放电效率为：
[0063] AC/DC*battery*DC/AC＝0.95*0.85*0.95＝0.77。
[0064] 计算电池放电功率最关键的一步就是对放电阈值的选择，也就是前面所述的可变阈值法。该方法是基于前一天的可再生能源和负荷数据来自动调整当天实时的PCDthr，故第一天无法使用该方法(第一天仍然用传统固定阈值方法)。
[0065] 第一天(d＝1)的PCDthr(i,d)取决于电池充放电有效功率区域、最大能量存储限制以及充放电效率等限制条件，即通过比较剩余功率和电池放电功率限制条件之间的关系、电池当前可放电量的条件来确定PCDthr(i,d)的值。
[0066] 从第二天起，当天实时的放电阈值都与前一天的可再生能源和负荷数据有关，将用以下方法确定放电阈值：
[0067] 根据测量值计算可获得的总能量为光能、风能和低电价时电网向系统充电的电能之和：
[0068]
[0069] 式中：EBPG为每天可获得的最终能量(kW·h)，Epv为PV测量值(kW·h)，Ewd为风能测量值(kW·h)，EG为电网向系统的充电量(kW·h)，E(conv.loses+Pr(loss))为能量损耗(kW·h)。其中，Pr(loss)为无法通过换流器的功率损耗(kW)。由于本文能量单位为(kW·h)，功率单位为(kW)，且采样时间取为1秒，并假设这1秒内电池的放电功率为恒定值，故1秒内电池充放电的能量单位为(kW·s)，则能量单位的换算相差3600的系数关系，换算如下：
[0070] P(i)＝E(i)×3600 (4)
[0071] 为实时调整第(d+1)天的放电阈值，首先利用已有的实测数据通过式(5)计算第d天电池能量调度总量，即为第d天获得的总能量与当时最后时刻电池中的储能量之差。
[0072] ΔEload(d)＝EBPG(d)-EB(T×d) (5)
[0073] 式中：ΔEload为电池能量调度总量(kW·h)，EB为电池储能状态(kW·h)，T为每天对数据的采样次数(本实施方式中取86400次，即每秒1次)。
[0074] 之后，便可以计算第(d+1)天的PCDthr。在计算过程中，先假设第(d+1)天的电池能量调度总量与第d天相同(如式(6)所示)，并将第d天初始的放电阈值作为第(d+1)天放电阈值的初始值。在这些假设条件下，可以通过式(7)—(9)计算出电池在第(d+1)天末的储能状态，这个值也表征第(d+1)天比第d天可多用于调峰的能量，提出的可变阈值法正是为了更好地利用这些能量。
[0075]
[0076] 式中：EBref为电池瞬时能量调度值(kW·h)。
[0077] E′load(d+1)＝EBPG(d)+EB(T×d)-ΔEload(d) (7)
[0078] 式中：E’load(d+1)为第(d+1)天比第d天电池储能中可多用于调峰的能量(kW·h)，即为第d天可获得的RES能量和当天末电池中剩余能量之和与当天电池能量调度总量之差。
[0079] 假设第(d+1)天电池不放电，则电池在第(d+1)天末的储能状态为：
[0080] EB(T×(d+1))＝E′load(d+1)+ΔEload(d)＝EBPG(d)+EB(T×d) (8)[0081] 将式(8)等号左右两边减去假设条件下第(d+1)天的电池能量调度总量，可得第(d+1)天末电池的储能状态，也就是储能系统第(d+1)天比第d天可多用于调峰的能量为：
[0082] EB′(T×(d+1))＝E′load(d+1) (9)
[0083] 为了判断电池在某一时刻是否应该多(少)放电，引入一个参数：电池指数Kx。
[0084]
[0085] 式中：SoC为电池荷电状态，是电池当前储能量与额定容量的比值；EB.e为电池额定容量(kW·h)。Kx为当天比前一天可多调度的能量与电池最小储能之比，将其作为调整放电阈值的判定条件是为了保证电池储能维持在最小值以上，以确保电池稳定运行。当Kx>1时，表明电池可释放更多的能量来调峰；当Kx<1时，表明电池应减少放电量以维持电池荷电状态的下限。
[0086] 对每一个采样点的PCDthr的计算通过两种情况来分类讨论。
[0087] 情况：当Kx>1时，
[0088] 若同时满足EB(i-1)>SoCmin×EB.e，Psp(i)>Psp(i-T)条件，即满足电池前1秒的储能状态大于电池储能下限，当前时刻系统剩余功率值大于前一天同时刻的值的条件时，则可降低放电阈值：
[0089]
[0090] 由于放电阈值的降低，电池的放电量增加了，计算式同(2)，也因此使最初计算的E’load(d+1)的值减少了多放电的这一部分，故在进行下一秒放电阈值调整前要先重新校准E’load(d+1)和Kx的值：
[0091]
[0092]
[0093] 情况2：当Kx<1时，
[0094] 若同时满足EB(i-1)>SoCmin×EB.e，Psp(i)
[0095]
[0096] 由于放电阈值的提高，电池的放电量减少了，计算式同(2)，也因此使最初计算的E’load(d+1)的值增加了少放电的这一部分，故在进行下一秒放电阈值调整前要先需要重新校准E’load(d+1)和Kx的值，其中Kx的校准如式(13)：
[0097]
[0098] 因此，本发明的自适应式微网储能系统能量优化管理方法包括以下步骤：
[0099] A、确定微网储能系统中电池比前一天可多用于调峰的能量；
[0100] B、根据所述电池比前一天可多用于调峰的能量与电池储能容量的下限的比值，调整微网储能系统中电池的放电阈值，其中，
[0101] 当所述比值大于1时，减小所述放电阈值，
[0102] 当所述比值小于1时，增大所述放电阈值。
[0103] 在步骤B中所述减小放电阈值为：
[0104]
[0105] 其中，PCDthr(i)为第i采样点的放电阈值，T为每日的采样点数；
[0106] E′load(d+1)为电池比前一天可多用于调峰的能量；
[0107] ΔEload(d)为前一天的电池能量调度总量。
[0108] 另外，减小所述电池的放电阈值后，进一步包括，根据新的放电阈值重新校准电池比前一天可多用于调峰的能量和所述比值，其中，
[0109]
[0110] 其中E′load(d+1)new和E′ load(d+1)old分别为校准后和校准前的电池比前一天可多用于调峰的能量；
[0111] 并根据校准后的电池比前一天可多用于调峰的能量，重新确定与电池储能容量的下限的比值。
[0112] 步骤B中所述增大放电阈值为：
[0113]
[0114] 其中，PCDthr(i)为第i采样点的放电阈值，T为每日的采样点数；
[0115] E′load(d+1)为电池比前一天可多用于调峰的能量；
[0116] ΔEload(d)为前一天的电池能量调度总量。
[0117] 另外，增大所述放电阈值后，进一步包括，根据新的放电阈值重新校准电池比前一天可多用于调峰的能量和所述比值，其中，
[0118]
[0119] 其中E′load(d+1)new和E′ load(d+1)old分别为校准后和校准前的电池比前一天可多用于调峰的能量；
[0120] 并根据校准后的电池比前一天可多用于调峰的能量，重新确定与电池储能容量的下限的比值。
[0121] 并且所述步骤A之前，进一步包括：
[0122] A0、确定与电价相关的微网储能系统剩余功率，来判定电池是处于充电模式还是放电模式；
[0123] A1、当电池处于放电模式时，根据前一天的负荷功率、新能源发电功率、电池充放电功率以及电池的实时储能状态确定微网储能系统中电池比前一天可多用于调峰的能量。
[0124] 所述减小放电阈值的条件还进一步包括：电池前一秒的储能状态大于电池储能下限，且当前时刻系统剩余功率值大于前一天同时刻的值；所述增大放电阈值的条件还进一步包括：电池前一秒的储能状态大于电池储能下限，且当前时刻系统剩余功率值小于前一天同时刻的值。
[0125] 下面采用具体实施例对本发明的具体技术效果作进一步的详细说明。
[0126] 具体实施例中利用英国诺丁汉大学“新能源住房系统”中一台3kW的风机和一台3kW的光伏系统进行实验，利用可再生能源RES实测数据来验证提出本专利方法的可行性。
负荷数据由拉夫堡大学设计的CREST负荷用电模型生成，电价曲线采用Economy 7标准，储能元件选用4800Vah/5kW的锂离子电池。场景设计为利用风机、光伏和储能装置组成一个小区微网为三户人家供电。
负荷数据由拉夫堡大学设计的CREST负荷用电模型生成，电价曲线采用Economy 7标准，储能元件选用4800Vah/5kW的锂离子电池。场景设计为利用风机、光伏和储能装置组成一个小区微网为三户人家供电。
[0127] 图2显示了实验过程中用户负荷需求以及光伏和风力发电在3天内(72h)的输出功率。由图2可知，光伏发电的高峰期为每天中午，风力发电的高峰期通常在深夜和清晨。但是，用户负荷需求的高峰期在早晨和晚上。图3所示的剩余功率是通过式(1)计算得到，其负值部分表示在低电价和低负荷时段可再生能源RES(光能和风能)存在过剩的现象。为了提高使用分时电价(TOU计价)方式的效益，可以将这部分过剩能量在低电价和低负荷时存储起来，在电价以及负荷升高时释放。
[0128] 基于图3中的剩余功率情况，首先考虑采用基于预测数据的固定放电阈值(1kW)的算法。此算法控制电池充放电情况下电池的能量曲线如图4所示。由此图可以看出，在负荷低谷期，即剩余功率为负值时，电池储能增多；在剩余功率为正值时，电池储能减少。这从侧面说明了使用固定阈值法时，电池在负荷高峰放电可以起到一定的削减高峰负荷的作用。图5显示了电池调度参考值PBref曲线和使用固定阈值法后的负荷曲线。将图5中的负荷曲线和图3中剩余功率曲线相比较，可以看出高峰负荷的确减少了。图6是第二天负荷高峰期一些参数的曲线放大图。其中标示出储能系统剩余功率曲线，电池功率调度参考值曲线(显示此时电池的充放电功率)和经过调峰的负荷曲线。从图中被圈的部分中可以看出，经过调峰的负荷小于之前的剩余功率，体现了储能系统“削峰填谷”的作用。但这种方法的准确性取决于负荷和RES预测值的精确性。事实上，工程应用中很难精确地预测负荷和RES的值，预测值和实际值之间的误差会导致计算出的放电阈值过高或过小，进而使电池在某时刻的放电量过少或过多，从而降低电池能量调度的效率和对负荷“削峰填谷”的效果。故采用自适应式微网储能系统能量优化管理方法可以改善这些问题。
[0129] 图7为使用自适应式微网储能系统能量优化管理方法前后放电阈值PCDthr三天内的变化曲线。将两者的曲线比较可得，使用自适应式微网储能系统能量优化管理方法后的大部分负荷高峰期间有更低的放电阈值，也就意味着在此期间，电池释放了更多的能量用于调峰。图8为使用自适应式微网储能系统能量优化管理方法前后电池调度参考值PBref的曲线，其更近一步地解释了图7。为了更好地证实上述结论，图8只截取了一小段时间内的数据并将其放大。由图可见，在负荷高峰期，使用自适应式微网储能系统能量优化管理方法后的电池释放了更多的能量，这也从侧面体现出用户能得到更多利益，削减电费。图9显示了从电网侧看到的负荷减少的情况。与未使用自适应式微网储能系统能量优化管理方法的方法相比，使用自适应式微网储能系统能量优化管理方法后，不仅减小了负荷峰值，还减少了负荷高峰期的时间。此外，表1总结了使用自适应式微网储能系统能量优化管理方法前后的参数变化。
[0130] 表1
[0131]
[0132] 表1中SoC是指电池每天末荷电状态的周平均值，优化负荷率是指使用本专利后主网注入微网电量减少的百分比值(一星期内本专利得出的新的负荷曲线与固定阈值算法得到的负荷曲线求差后做时域积分，再与固定阈值算法得到的负荷积分值相比)。从图7-9中已知，电池多释放的能量很大程度地削减了负荷峰值，较好地起到了“削峰填谷”的作用。从表1中通过对使用本专利方法前后的SoC值的比较看出,使用本专利方法后电池能量利用率提高了，也从侧面说明了更多的电池能量用于调峰。之后，运用本文的方法计算了此微网中的储能电池在一年内的充放电量，并计算出使用本专利方法后比使用本专利方法前微网负荷总量减少了10.23％，对新能源的利用率提高了13.45％。
[0133] 需要说明的是，上述实施方式仅为本发明较佳的实施方案，不能将其理解为对本发明保护范围的限制，在未脱离本发明构思前提下，对本发明所做的任何微小变化与修饰均属于本发明的保护范围。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种O形圈储能模量和损耗模量的试验系统及方法 | 2020-05-11 | 313 |
| 具有高温储能模量的双组分聚脲-聚氨酯粘合剂 | 2020-05-12 | 953 |
| 一种利用飞轮储能的应用到物体碰撞时等效质量模拟装置 | 2020-05-12 | 326 |
| 一种基于模型预测控制的分布式混合储能系统能量均衡控制策略 | 2020-05-12 | 972 |
| 基于机会约束模型的多类型储能系统容量优化配置方法 | 2020-05-12 | 306 |
| 一种模块化的储能系统 | 2020-05-13 | 118 |
| 一种超大规模电池储能电站运行单元检测的方法及系统 | 2020-05-13 | 399 |
| 具有高温储能模量的双组分聚脲-聚氨酯粘合剂 | 2020-05-12 | 869 |
| 一种基于统计学模型的混合储能系统容量优化配置方法 | 2020-05-11 | 805 |
| 基于模块化设计的储能及能量变换装置 | 2020-05-13 | 995 |
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。
储能模量热门专利
QQ群二维码
意见反馈
意见反馈