一种新能源微网中储能配置优化方法及系统

    公开(公告)号:CN108306319B

    公开(公告)日:2020-06-16

    申请号:CN201810146185.5

    申请日:2018-02-12

    Applicant: 清华大学

    Abstract: 本发明实施例提供了一种新能源微网中储能配置优化方法及系统,所述方法包括:S1,求解预设分布鲁棒性优化模型,得到100%新能源微网中储能设备的储能容量;所述预设分布鲁棒性优化模型的目标为使储能设备的成本最小,所述预设分布鲁棒性优化模型的约束条件包括在预设概率分布下,预设约束条件组成立的概率不小于第一阈值;S2,根据所述储能容量实现对所述100%新能源微网进行储能配置。在合理选取保守性参数的情况下,在100%新能源微网中储能配置过程中使用的预设分布鲁棒优化模型能够考虑样本数据描述分布的偏差,在保证微网足够的可靠性的前提下,提高经济性,达到合理配置储能容量的目标。

    直流多微网系统的统一分布式控制方法及系统

    公开(公告)号:CN108471109B

    公开(公告)日:2020-02-21

    申请号:CN201810371979.1

    申请日:2018-04-24

    Applicant: 清华大学

    Abstract: 本发明实施例提供一种直流多微网系统的统一分布式控制方法及系统,控制方法包括:基于多个微电网控制指令参数,通过潮流计算获取所述直流多微网系统中任一直流微电网对应的控制指令,其中,所述直流多微网系统包括多个直流微电网;将所述任一直流微电网对应的控制指令发送至对应的直流微电网,以实现所述直流多微网系统的统一分布式控制。本发明实施例提供的直流多微网系统的统一分布式控制方法及系统,通过获取任一直流微电网对应的控制指令,能够针对不同控制规律下的微电网给出对应的控制参考值,从而无需改变底层控制就能够实现最优运行。本发明实施例提供的控制方法是分布式的,无需集中控制器。

    一种新能源微网中储能配置优化方法及系统

    公开(公告)号:CN108306319A

    公开(公告)日:2018-07-20

    申请号:CN201810146185.5

    申请日:2018-02-12

    Applicant: 清华大学

    Abstract: 本发明实施例提供了一种新能源微网中储能配置优化方法及系统,所述方法包括:S1,求解预设分布鲁棒性优化模型,得到100%新能源微网中储能设备的储能容量;所述预设分布鲁棒性优化模型的目标为使储能设备的成本最小,所述预设分布鲁棒性优化模型的约束条件包括在预设概率分布下,预设约束条件组成立的概率不小于第一阈值;S2,根据所述储能容量实现对所述100%新能源微网进行储能配置。在合理选取保守性参数的情况下,在100%新能源微网中储能配置过程中使用的预设分布鲁棒优化模型能够考虑样本数据描述分布的偏差,在保证微网足够的可靠性的前提下,提高经济性,达到合理配置储能容量的目标。

    孤立电力系统中脉冲负载能量调控方法及系统

    公开(公告)号:CN108270218A

    公开(公告)日:2018-07-10

    申请号:CN201810164623.0

    申请日:2018-02-27

    Applicant: 清华大学

    CPC classification number: H02J3/00 H02J3/24 H02J7/345 H02J2003/007

    Abstract: 本发明实施例提供了一种孤立电力系统中脉冲负载能量控制方法及系统,包括:S1,通过求解预设优化模型,获取所述多个超级电容中每个超级电容的充电接入时刻及充电时长;其中,所述预设优化模型的目标为所述多个脉冲负载的供电收益之和最大,且在预设优化时间段内,所述目标对应的目标函数中对每个脉冲负载的充电次数向下取整,所述预设优化模型的约束条件包括脉冲负载充电次数约束条件和非常数脉冲负载可用功率约束条件;S2,根据每个超级电容的充电接入时刻和充电时长,对每个超级电容的充放电进行控制,以实现对所述多个脉冲负载的能量调控。本发明实施例提供的方法更适应于实际操作,能够更好的对孤立电力系统中脉冲负载的能量进行调控。

    一种电动汽车充电站规划方法及系统

    公开(公告)号:CN108334991B

    公开(公告)日:2020-06-09

    申请号:CN201810146686.3

    申请日:2018-02-12

    Applicant: 清华大学

    Abstract: 本发明实施例提供了一种电动汽车充电站规划方法及系统,通过基于电动汽车性能信息和电动汽车交通行为信息的三批次的蒙特卡诺行程模拟,结合三个预设优化模型得到待规划路线上规划充电站的位置分布、每个规划充电站点中充电桩的种类数、每种充电桩的数量以及每个规划充电站点中电源容量和储能设备容量,考虑了电动汽车性能和交通行为的随机性,无需对电动汽车到达充电站的概率规律进行假设,同时能够对充电站点中电源容量和储能设备容量进行最优规划。

Patent Agency Ranking