-
公开(公告)号:CN117394405A
公开(公告)日:2024-01-12
申请号:CN202311144189.7
申请日:2023-09-06
Applicant: 南京工程学院
IPC: H02J3/32 , H02J3/14 , G06F18/21 , G06F18/2321 , G06N3/006 , G06Q30/0283 , G06Q50/06
Abstract: 本发明公开了一种基于负荷平滑的混合储能配置优化方法,包括如下步骤:选用负荷数据作为储能配置对象;按高频分量最大尖峰时刻划分尖峰负荷与基准负荷,使用超级电容对尖峰负荷配置,配置后的负荷与基准负荷相加得到合成负荷,再次将合成负荷分解为次高频分量与次低频分量,采用锂电池与铅碳电池分别对次高、低频分量进行配置;在两部制分时电价的背景下,搭建基于改进麻雀搜索算法的混合储能配置模型,外层以储能设备全寿命周期内最大净收益为目标,得到了储能额定容量、充放电功率,内层以日调度周期内最大收益为目标,得到各时间段的充放电量。本发明可以优化负荷特性、提高系统的经济效益。
-
公开(公告)号:CN116247701A
公开(公告)日:2023-06-09
申请号:CN202310228144.1
申请日:2023-03-09
Applicant: 南京工程学院
IPC: H02J3/28 , H02J3/30 , H02J3/32 , H02J3/00 , H02J15/00 , G06Q10/067 , G06Q10/0631 , G06Q50/06 , G06F18/2321 , G06N3/006
Abstract: 本发明公开了一种基于需量管理的混合储能配置方法,包括如下步骤:筛选最具需量节费潜力的大用户典型负荷作为储能配置对象;在两部制分时电价的背景下,建立基于SSA算法的双层调度模型,外层以储能设备全寿命周期内最大净收益为目标,得到了储能额定容量、充放电功率,内层以日调度周期内最大收益为目标,得到各时间段的充放电量;使用负荷分解方法将大负荷数据分解成高、低频分量;将高、低频分量划分为尖峰、基准负荷;选用飞轮储能与铅碳电池对尖峰、基准负荷进行储能配置;分析比较基于尖峰负荷划分的配置与直接高、低频分量配置以及单一储能配置后的净收益、额定容量、负荷削峰情况。本发明可以优化负荷特性、提高系统的经济效益。
-
公开(公告)号:CN114004069A
公开(公告)日:2022-02-01
申请号:CN202111214528.5
申请日:2021-10-19
Applicant: 南京工程学院
IPC: G06F30/20 , G06Q10/06 , G06Q50/06 , H02J3/00 , H02J3/28 , G06F111/04 , G06F119/04
Abstract: 本发明提供了一种基于投资组合理论的用户侧储能容量配置方法,包括以下步骤:步骤S01:预测储能寿命;步骤S02:建立基于投资组合理论的储能全寿命周期优化配置模型;步骤S03:根据配置模型得到储能容量配置;所述步骤S02包括投资组合、不同市场下储能运行效益和风险和储能运行效益计算模型。本发明针对用户侧储能经济容量优化配置问题,充分考虑用户侧储能可参与并获利的市场以及可能面临的风险,考虑储能实际运行寿命测算,在全寿命周期成本的基础上建立基于投资组合理论的储能优化配置模型,充分挖掘用户侧储能在不同市场下的价值及可能面临的风险。
-
公开(公告)号:CN113988549A
公开(公告)日:2022-01-28
申请号:CN202111201613.8
申请日:2021-10-15
Applicant: 南京工程学院
Abstract: 本发明提供了一种基于风电反调峰特性的储能实时优化方法,首先采用Kmeans聚类和核主成分分析法(KPCA)结合随机森林算法的模型进行负荷预测,降低预测误差,得到负荷基准值,确定算法迭代步长;然后以储能系统额定功率为约束,计算出系统功率最低移峰功率值和最高填谷功率值;最后根据所需功率差在对应时段进行充放电动作,功率差超出范围的部分按照储能系统额定功率动作,实现对储能系统各时段充放电的实时优化控制。本发明提供的基于风电反调峰特性的储能实时优化方法,可以对电池储能系统参与调峰的充放电时间段和充放电功率进行实时规划;有以储能系统充放电电量平衡为准则的配电网调峰可变功率控制策略,能有效缩减配电网峰谷差值。
-
公开(公告)号:CN113972645A
公开(公告)日:2022-01-25
申请号:CN202111208279.9
申请日:2021-10-18
Applicant: 南京工程学院
Abstract: 本发明公开了一种基于多智能体深度确定策略梯度算法的配电网优化方法,其特征在于:包括:综合考虑售电收益、出力偏差惩罚以及储能越限惩罚因素构建确定风储联合系统的收益最大化调度模型;采用Ward系统聚类法和改进FCM法构成的二次聚类法进行二次聚类,实现风储联合系统的储能电池根据荷电状态和充放电切换次数进行分组;基于多智能体深度强化学习算法将风电储能建模为多智能体系统并且基于风储联合系统的收益最大化调度模型训练并执行多智能体以实现对风储联合系统的配置。
-
-
-
-