CN114400693A - 一种基于aoe网络的智能削峰填谷计算系统及计算方法 - Google Patents
一种基于aoe网络的智能削峰填谷计算系统及计算方法 Download PDFInfo
- Publication number
- CN114400693A CN114400693A CN202210052583.7A CN202210052583A CN114400693A CN 114400693 A CN114400693 A CN 114400693A CN 202210052583 A CN202210052583 A CN 202210052583A CN 114400693 A CN114400693 A CN 114400693A
- Authority
- CN
- China
- Prior art keywords
- node
- pcs
- actions
- judging whether
- charging
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for AC mains or AC distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供一种基于AOE网络的智能削峰填谷计算系统及计算方法，本发明构建了基于AOE(Activity on edge)网络的智能削峰填谷计算系统，基于此系统，实现了智能削峰填谷策略，该策略每间隔一段时间，基于未来电价数据，当前的储能SOC(State of Charge)、充放电最大功率、运行SOC区间等数据，会计算出最优的充放功率，得到最优的削峰填谷收益。
Description
技术领域
本发明属于智能电网技术领域，尤其是涉及一种基于AOE网络的智能削峰填谷计算系统及计算方法。
背景技术
用户侧储能可以通过在电价谷价期充电，在电价高峰期放电实现峰谷差价的套利。传统的充放电控制策略，是通过分析电价数据，人工确定充放电时间，再通过代码将充放电策略实现。该方法存在两个缺点，一是不够智能，当外界条件发生变化是，策略不能智能自适应的调整，如夏季电价发生变化，或者由于负载功率变化，导致放电功率也要跟随变化，当发生这些情况时，都需要人工重新调整充放电策略。二是实现成本高，实现一个策略需要电气人员和专业的编程人员配合，并且要花费较长周期。
发明内容
本发明旨在解决上述技术问题，提供一种基于AOE网络的智能削峰填谷计算系统及计算方法。
为了达到上述目的，本发明采用如下技术方案：
一种基于AOE网络的智能削峰填谷计算系统，包括节点A1-A9：
节点A1：判断SOC是否处于合理区间，并且时间为半小时整点或策略刚启动；
节点A1到节点A2的动作：将24小时按0.5小时划分成48个点，计算当前时间为今日第几个时间点；
节点A2：判断PCS是否处于开机状态；
节点A2到节点A4的动作：如果PCS处于开机状态则执行该动作，无动作；
节点A2到节点A3的动作：如果PCS处于非开机状态则执行该动作，发送PCS开机指令；
节点A3：判断第一次PCS开机是否成功；
节点A3到节点A4的动作：如果第一次PCS开机成功则执行该动作，无动作；
节点A3到节点A10的动作：如果第一次PCS开机不成功，则进行第二次PCS开机，发送PCS开机指令；
节点A10：无论第二次PCS开机是否成功，都为true；
节点A10到节点A4的动作：无动作；
节点A4：开始优化计算，判断条件恒为true；
节点A4到节点A5的动作：进行最优化计算，每半小时计算一次，根据当前的储能SOC，额定充放电功率，和未来48小时的电价情况，计算出当前最优的充放电功率；
节点A5：判断最优化计算是否成功；
节点A5到节点A6的动作：如果最优化计算成功，则获取充放电功率；
节点A6：恒为true；
节点A6到节点A8的动作：给PCS下发充放电功率指令；
节点A8：恒为true；
节点A5到节点A7的动作：如果最优化计算求解失败，则下发默认充放电指令；
节点A7：恒为true；
节点A7到节点A9的动作：更新时间变量的值；
节点A8到节点A9的动作：更新时间变量的值；
节点A9：判断时间变量是否更新成功。
作为一种优选的技术方案，所述智能削峰填谷计算系统包括SOC越界保护策略模型，SOC越界保护策略模型包括节点B1-B8：
节点B1：判断SOC是否超出合理区间或抵达了边界值；
节点B1到节点B2的动作：无动作；
节点B1到节点B3的动作：无动作；
节点B2：判断SOC是否超出合理区间；
节点B2到节点B4的动作：无动作；
节点B4：判断PCS是否处于开机状态；
节点B4到节点B6的动作：如果PCS处于开机状态则执行该动作，无动作；
节点B4到节点B5的动作：如果PCS处于非开机状态则执行该动作，发送PCS开机指令；
节点B5：判断第一次PCS开机是否成功；
节点B5到节点B6的动作：如果第一次PCS开机成功则执行该动作，无动作；
节点B5到节点B8的动作：如果第一次PCS开机不成功则执行该动作，发送第二次PCS开机指令；
节点B8：无论第二次PCS开机是否成功，都为true；
节点B8到节点B6的动作：无动作；
节点B6：开机完成，恒为true；
节点B6到节点B7的动作：下发额定反向功率指令，若SOC小于合理区间，则充电，若SOC大于合理区间，则放电，并更新时间变量；
节点B3：判断SOC是否抵达边界值或异常；
节点B3到节点B7的动作：下发停止充放电指令，并更新时间变量；
节点B7：判断时间变量是否更新完成。
作为一种优选的技术方案，所述智能削峰填谷计算系统还包括以下一种或几种策略模型：过温保护策略模型、过压保护策略模型、消防保护策略模型、负载保护策略模型；
过温保护策略模型包括节点C1、C2：
节点C1：判断单体电池最高温度是否大于设定的最大阈值；
节点C1到节点C2动作：如果过温，则下发停止充放电指令；
节点C2：判断是否已经停止充放电；
过温保护策略模型包括节点D1、D2：
节点D1：判断单体电池最大电压是否大于设定的最大阈值，最小电压是否小于设定的最小阈值；
节点D1到节点D2动作：如果过压，则下发停止充放电指令；
节点D2：判断是否已经停止充放电；
消防保护策略模型包括节点E1、E2：
节点E1：判断消防报警装置是否被触发；
节点E1到节点E2动作：如果触发消防报警装置，则下发停止充放电指令；
节点E2：判断是否已经停止充放电；
负载保护策略模型包括节点F1、F2：
节点F1：判断储能放电功率是否大于系统负荷的80％；
节点F1到节点F2的动作：如果放电功率大于负荷80％，则下发停止充放电指令；
节点F2：判断是否已经停止充放电。
AOE网：Activity on edge network。若在带权的有向图中，以顶点表示事件，以有向边表示活动，边上的权值表示活动的开销(如该活动持续的时间)，则此带权的有向图称为AOE网。如果用AOE网来表示一项工程，那么，仅仅考虑各个子工程之间的优先关系还不够，更多的是关心整个工程完成的最短时间是多少；哪些活动的延期将会影响整个工程的进度，而加速这些活动是否会提高整个工程的效率。因此，通常在AOE网中列出完成预定工程计划所需要进行的活动，每个活动计划完成的时间，要发生哪些事件以及这些事件与活动之间的关系，从而可以确定该项工程是否可行，估算工程完成的时间以及确定哪些活动是影响工程进度的关键。
AOE网具有以下两个性质：
①只有在某顶点所代表的事件发生后，从该顶点出发的各有向边所代表的活动才能开始。
②只有在进入一某顶点的各有向边所代表的活动都已经结束，该顶点所代表的事件才能发生。
一种基于AOE网络的智能削峰填谷计算方法，包括以下步骤：
步骤1，判断储能SOC是否处于合理区间，并且时间为半小时整点或策略刚启动，若是，则执行步骤2；
步骤2，将24小时按0.5小时划分成48个点，计算当前时间为今日第几个时间点；
步骤3，判断储能变流器PCS是否处于开机状态，如果PCS处于开机状态则无动作执行，如果PCS处于非开机状态则发送PCS开机指令；
步骤4，判断第一次PCS开机是否成功，如果第一次PCS开机成功则无动作执行，如果第一次PCS开机不成功，则进行第二次PCS开机，发送PCS开机指令；
步骤5，进行最优化计算，每半小时计算一次，根据当前的储能SOC、额定充放电功率、未来48小时的电价情况，计算出当前最优的充放电功率；
步骤6，判断最优化计算是否成功，如果最优化计算成功，则获取充放电功率，如果最优化计算求解失败，则下发默认充放电指令；
步骤7，更新时间变量的值；
步骤8，判断时间变量是否更新成功。
作为一种优选的技术方案，步骤5中，求解最优的充放电功率的方法包括：
构建储能系统充放电功率的线性规划模型，包括：
(1)定义目标函数：
转化为求最小值：
其中，设时刻i的储能放电功率ui>＝0，设时刻i的储能充电电功率vi>＝0，时刻i的电价(元/kwh)：PriceElcei，单次充放电循环成本(元/次)：PriceCycle，初始容量(kwh)：Q0＝QRate*SOC0，额定功率(kw)：Prate，额定容量(kwh)：QRate，放电最小SOC(％)：DOD1，充电最大SOC(％)：DOD2，数据采集间隔(小时)：Δt，充放电转换效率：CDRate，电池剩余容量：SOH；
(2)定义约束条件：
a.储能每时刻的容量大于额定容量乘以放电剩余SOC：
(u1-v1*CDRate)*Δt＜＝Q0-DOD1*QRate
(u1-v1*CDRate)*Δt+(u2-v2*CDRate)*Δt＜＝Q0-DOD1*QRate
....
(u1-v1*CDRate)*Δt+...+(un-vn*CDRate)*Δt＜＝Q0-DOD1*QRate
b.储能每时刻的容量小于额定容量：
-(u1-v1*CDRate)*Δt＜＝QRate*DOD2-Q0
-(u1-v1*CDRate)*Δt-(u2-v2*CDRate)*Δt＜＝QRate*DOD2-Q0
....
-(u1-v1*CDRate)*Δt-...-(un-vn*CDRate)*Δt＜＝QRate*DOD2-Q0；
c.决策变量大小范围限制
0＜＝vi＜＝PRate
0＜＝ui＜＝PRate。
作为一种优选的技术方案，所述的基于AOE网络的智能削峰填谷计算方法还包括以下一种或几种保护策略：过温保护策略、过压保护策略、消防保护策略、负载保护策略；
SOC越界保护策略包括：步骤1中，若SOC超出合理区间，则依次执行步骤3，步骤4，PCS开机完成后，下发额定反向功率指令，若SOC小于合理区间，则充电，若SOC大于合理区间，则放电，若SOC抵达边界值或异常，则下发停止充电指令并更新时间变量；最后依次执行步骤7，步骤8；
过温保护策略包括：判断单体电池最高温度是否大于设定的最大阈值，如果过温，则下发停止充放电指令；然后判断是否已经停止充放电；
过压保护策略包括：判断单体电池最大电压是否大于设定的最大阈值，最小电压是否小于设定的最小阈值，如果过压，则下发停止充放电指令；然后判断是否已经停止充放电。
消防保护策略包括：判断消防报警装置是否被触发，若触发消防报警，则下发停止充放电指令；然后判断是否已经停止充放电；
负载保护策略包括：判断储能放电功率是否大于系统负荷的80％，如果放电功率大于负荷80％，则下发停止充放电指令；然后判断是否已经停止充放电。
采用上述技术方案后，本发明具有如下优点：
本发明构建了基于AOE(Activity on edge)网络的智能削峰填谷计算系统，基于此系统，实现了智能削峰填谷策略，该策略每间隔一段时间，基于未来电价数据，当前的储能SOC(State of Charge)、充放电最大功率、运行SOC区间等数据，会计算出最优的充放功率，得到最优的削峰填谷收益。
附图说明
图1为一种基于AOE网络的智能削峰填谷计算系统的结构示意图；
图2为SOC越界保护策略模型的结构示意图；
图3为过温保护策略模型、过压保护策略模型、消防保护策略模型、负载保护策略模型的结构示意图；
图4为某一天的某段时间在应用了智能削峰填谷的AOE策略后的储能SOC和功率曲图。
具体实施方式
以下结合附图及具体实施例，对本发明作进一步的详细说明。
如图1所示，一种基于AOE网络的智能削峰填谷计算系统，包括节点A1-A9：
节点A1：判断SOC是否处于合理区间，并且时间为半小时整点或策略刚启动；
节点A1到节点A2的动作：将24小时按0.5小时划分成48个点，计算当前时间为今日第几个时间点；
节点A2：判断PCS是否处于开机状态；
节点A2到节点A4的动作：如果PCS处于开机状态则执行该动作，无动作；
节点A2到节点A3的动作：如果PCS处于非开机状态则执行该动作，发送PCS开机指令；
节点A3：判断第一次PCS开机是否成功；
节点A3到节点A4的动作：如果第一次PCS开机成功则执行该动作，无动作；
节点A3到节点A10的动作：如果第一次PCS开机不成功，则进行第二次PCS开机，发送PCS开机指令；
节点A10：无论第二次PCS开机是否成功，都为true；
节点A10到节点A4的动作：无动作；
节点A4：开始优化计算，判断条件恒为true；
节点A4到节点A5的动作：进行最优化计算，每半小时计算一次，根据当前的储能SOC，额定充放电功率，和未来48小时的电价情况，计算出当前最优的充放电功率；
节点A5：判断最优化计算是否成功；
节点A5到节点A6的动作：如果最优化计算成功，则获取充放电功率；
节点A6：恒为true；
节点A6到节点A8的动作：给PCS下发充放电功率指令；
节点A8：恒为true；
节点A5到节点A7的动作：如果最优化计算求解失败，则下发默认充放电指令；
节点A7：恒为true；
节点A7到节点A9的动作：更新时间变量的值；
节点A8到节点A9的动作：更新时间变量的值；
节点A9：判断时间变量是否更新成功。
如图2所示，所述智能削峰填谷计算系统包括SOC越界保护策略模型，SOC越界保护策略模型包括节点B1-B8：
节点B1：判断SOC是否超出合理区间或抵达了边界值；
节点B1到节点B2的动作：无动作；
节点B1到节点B3的动作：无动作；
节点B2：判断SOC是否超出合理区间；如果SOC合理区间为0.1<＝SOC<＝0.9,则非合理区间为[0,0.1)和(0.9,1]；
节点B2到节点B4的动作：无动作；
节点B4：判断PCS是否处于开机状态；
节点B4到节点B6的动作：如果PCS处于开机状态则执行该动作，无动作；
节点B4到节点B5的动作：如果PCS处于非开机状态则执行该动作，发送PCS开机指令；
节点B5：判断第一次PCS开机是否成功；
节点B5到节点B6的动作：如果第一次PCS开机成功则执行该动作，无动作；
节点B5到节点B8的动作：如果第一次PCS开机不成功则执行该动作，发送第二次PCS开机指令；
节点B8：无论第二次PCS开机是否成功，都为true；
节点B8到节点B6的动作：无动作；
节点B6：开机完成，恒为true；
节点B6到节点B7的动作：下发额定反向功率指令，若SOC小于合理区间，则充电，若SOC大于合理区间，则放电，并更新时间变量；如果SOC处于[0,0.1),则充电，如果SOC处于(0.9,1],则放电，并更新时间变量；
节点B3：判断SOC是否抵达边界值或异常；
节点B3到节点B7的动作：下发停止充放电指令，并更新时间变量；
节点B7：判断时间变量是否更新完成。
如图3所示，所述智能削峰填谷计算系统还包括以下一种或几种策略模型：过温保护策略模型、过压保护策略模型、消防保护策略模型、负载保护策略模型；
过温保护策略模型包括节点C1、C2：
节点C1：判断单体电池最高温度是否大于设定的最大阈值；
节点C1到节点C2动作：如果过温，则下发停止充放电指令；
节点C2：判断是否已经停止充放电；
过温保护策略模型包括节点D1、D2：
节点D1：判断单体电池最大电压是否大于设定的最大阈值，最小电压是否小于设定的最小阈值；
节点D1到节点D2动作：如果过压，则下发停止充放电指令；
节点D2：判断是否已经停止充放电；
消防保护策略模型包括节点E1、E2：
节点E1：判断消防报警装置是否被触发；
节点E1到节点E2动作：如果触发消防报警装置，则下发停止充放电指令；
节点E2：判断是否已经停止充放电；
负载保护策略模型包括节点F1、F2：
节点F1：判断储能放电功率是否大于系统负荷的80％；
节点F1到节点F2的动作：如果放电功率大于负荷80％，则下发停止充放电指令；
节点F2：判断是否已经停止充放电。
AOE网：Activity on edge network。若在带权的有向图中，以顶点表示事件，以有向边表示活动，边上的权值表示活动的开销(如该活动持续的时间)，则此带权的有向图称为AOE网。如果用AOE网来表示一项工程，那么，仅仅考虑各个子工程之间的优先关系还不够，更多的是关心整个工程完成的最短时间是多少；哪些活动的延期将会影响整个工程的进度，而加速这些活动是否会提高整个工程的效率。因此，通常在AOE网中列出完成预定工程计划所需要进行的活动，每个活动计划完成的时间，要发生哪些事件以及这些事件与活动之间的关系，从而可以确定该项工程是否可行，估算工程完成的时间以及确定哪些活动是影响工程进度的关键。
AOE网具有以下两个性质：
①只有在某顶点所代表的事件发生后，从该顶点出发的各有向边所代表的活动才能开始。
②只有在进入一某顶点的各有向边所代表的活动都已经结束，该顶点所代表的事件才能发生。
本智能削峰填谷计算系统，是基于低代码控制器平台实现的。
低代码控制器采用事件驱动的方式对复杂控制策略进行设计，通过AOE网络对控制策略进行建模，具备现有可编程控制器的逻辑运算、顺序控制、定时、计数和算术运算等功能，同时还支持方程组求解和优化模型求解功能，能够应用于综合能源系统控制、微电网控制、储能控制等众多电力行业的控制场景。此外，对于大型系统，如区域性配电网，通过多个低代码控制器的协同，基于边缘计算技术，可以实现大规模分布式的实时调控。低代码控制器几乎不用进行代码的编写，只需要用户按照给定的文件格式对控制策略对应的AOE网络进行定义和描述，就可以完成控制环节的设计，因此更便于非编程技术背景人员的使用。另一方面，低代码控制器所采用的控制策略实现方式具备通用性，相比传统的控制器更容易进行类推设计。
在面向新型电力系统的实际应用场景中，低代码控制器作为更可靠的工业控制设备，其
具有更直观的控制策略转换、更简便的控制环节设计、更通用的控制模型建立、更高效的控制目标实现的技术优势：
(1)更可靠的工业控制设备
低代码控制器充分考虑各种干扰因素和偶发事件，当系统出现异常时，及时采取措施，纠正系统的非永久性错误，尽量使系统恢复正常，保证控制的正确性和连续性。低代码控制器的这种实时诊断能力，保证了其在工业控制场景中的高可靠性。具体来说，低代码控制器在AOE网络设计中加入了失败模式、超时时间等设置。执行过程中根据灵活的超时时间设置，控制网络的执行时间和执行可靠性；动作的失败模式包含重试、忽略、停止受影响的节点、停止整个AOE网络几个等级，可以根据动作的重要性进行灵活设置。
(2)更直观的控制策略转换
在模型转化成控制策略时，是将模型转化为AOE网络的结构，包含变量、事件和动作，事件的设计和事件触发后执行的动作存在逻辑上的联系，可以通过AOE网络来图像化表示控制策略，相比于转化成代码语言，这种转化的过程更形象、更直观，在实现的过程中更不容易出错。
(3)更标准的控制环节设计
在具体的控制环节设计实现时，低代码控制器几乎不用进行代码的编写，只需要进行相关配置文件的编写，按照标准化格式，以表格信息录入的方式来完成，大大缩短控制设计环节的时间。
(4)更通用的控制模型建立
低代码控制器提供了一种通用化的框架，通用化的含义包含两个方面:
A.控制策略的设计具备通用化特征，这种低代码控制器的使用比传统的控制器更容易熟悉和掌握，只需要完成一个模型的控制目标的实现，就可以参照这个模型，完成其他模型的控制目标的实现；
B.控制框架可以运行于arm和x86架构的处理器当中，并且支持Linux、Windows、MacOS多种操作系统，支持运行于树莓派等低性能的硬件，具备跨平台运行的能力。
(5)更高效的控制目标实现
一方面，采用事件驱动控制作为AOE网络执行的基础，当测点变动引起事件发生后，控制器才更新自身状态并进行通信，相比于时间驱动的控制方式，这样的机制可以降低由不必要的通信引起的通信资源浪费和能耗，并且运行在低通信条件的硬件下；另一方面，对于一个控制目标，只需要构建适合的AOE控制网络，就可以实现一个控制系统的功能，而不需要分区块设置冗杂的控制环节，功能的实现更加明确，也更迅速。
基于上述计算系统，本实施例还提供一种基于AOE网络的智能削峰填谷计算方法，包括以下步骤：
步骤1，判断储能SOC是否处于合理区间，并且时间为半小时整点或策略刚启动，若是，则执行步骤2；
步骤2，将24小时按0.5小时划分成48个点，计算当前时间为今日第几个时间点；
步骤3，判断储能变流器PCS是否处于开机状态，如果PCS处于开机状态则无动作执行，如果PCS处于非开机状态则发送PCS开机指令；
步骤4，判断第一次PCS开机是否成功，如果第一次PCS开机成功则无动作执行，如果第一次PCS开机不成功，则进行第二次PCS开机，发送PCS开机指令；
步骤5，进行最优化计算，每半小时计算一次，根据当前的储能SOC、额定充放电功率、未来48小时的电价情况，计算出当前最优的充放电功率；
步骤6，判断最优化计算是否成功，如果最优化计算成功，则获取充放电功率，如果最优化计算求解失败，则下发默认充放电指令；
步骤7，更新时间变量的值；
步骤8，判断时间变量是否更新成功。
步骤5中，求解最优的充放电功率的方法包括：
构建储能系统充放电功率的线性规划模型，包括：
(1)定义目标函数：
转化为求最小值：
其中，设时刻i的储能放电功率ui>＝0，设时刻i的储能充电电功率vi>＝0，时刻i的电价(元/kwh)：PriceElcei，单次充放电循环成本(元/次)：PriceCycle，初始容量(kwh)：Q0＝QRate*SOC0，额定功率(kw)：Prate，额定容量(kwh)：QRate，放电最小SOC(％)：DOD1，充电最大SOC(％)：DOD2，数据采集间隔(小时)：Δt，充放电转换效率：CDRate，电池剩余容量：SOH；
(2)定义约束条件：
a.储能每时刻的容量大于额定容量乘以放电剩余SOC：
(u1-v1*CDRate)*Δt＜＝Q0-DOD1*QRate
(u1-v1*CDRate)*Δt+(u2-v2*CDRate)*Δt＜＝Q0-DOD1*QRate
....
(u1-v1*CDRate)*Δt+...+(un-vn*CDRate)*Δt＜＝Q0-DOD1*QRate；
b.储能每时刻的容量小于额定容量：
-(u1-v1*CDRate)*Δt＜＝QRate*DOD2-Q0
-(u1-v1*CDRate)*Δt-(u2-v2*CDRate)*Δt＜＝QRate*DOD2-Q0
....
-(u1-v1*CDRate)*Δt-...-(un-vn*CDRate)*Δt＜＝QRate*DOD2-Q0；
c.决策变量大小范围限制
0＜＝vi＜＝PRate
0＜＝ui＜＝PRate。
所述的基于AOE网络的智能削峰填谷计算方法还包括以下一种或几种保护策略：过温保护策略、过压保护策略、消防保护策略、负载保护策略；
SOC越界保护策略包括：步骤1中，若SOC超出合理区间，则依次执行步骤3，步骤4，PCS开机完成后，下发额定反向功率指令，若SOC小于合理区间，则充电，若SOC大于合理区间，则放电，若SOC抵达边界值或异常，则下发停止充电指令并更新时间变量；最后依次执行步骤7，步骤8；
过温保护策略包括：判断单体电池最高温度是否大于设定的最大阈值，如果过温，则下发停止充放电指令；然后判断是否已经停止充放电；
过压保护策略包括：判断单体电池最大电压是否大于设定的最大阈值，最小电压是否小于设定的最小阈值，如果过压，则下发停止充放电指令；然后判断是否已经停止充放电。
消防保护策略包括：判断消防报警装置是否被触发，若触发消防报警，则下发停止充放电指令；然后判断是否已经停止充放电；
负载保护策略包括：判断储能放电功率是否大于系统负荷的80％，如果放电功率大于负荷80％，则下发停止充放电指令；然后判断是否已经停止充放电。
本实施例中，一个数据中心的储能项目中应用了这个智能削峰填谷计算系统及计算方法。储能容量1100Kwh，充电最大功率200Kw，放电最大功率240Kw。非夏季的分时电价如下：
| 时间 | 22-6 | 6-8 | 8-11 | 11-18 | 18-21 | 21-22 |
| 电价 | 0.256 | 0.494 | 0.843 | 0.494 | 0.843 | 0.494 |
图4为某一天的某段时间在应用了智能削峰填谷的AOE策略后的储能SOC和功率曲图。
除上述优选实施例外，本发明还有其他的实施方式，本领域技术人员可以根据本发明作出各种改变和变形，只要不脱离本发明的精神，均应属于本发明所附权利要求所定义的范围。
Claims (6)
1.一种基于AOE网络的智能削峰填谷计算系统，其特征在于，包括节点A1-A9：
节点A1：判断SOC是否处于合理区间，并且时间为半小时整点或策略刚启动；
节点A1到节点A2的动作：将24小时按0.5小时划分成48个点，计算当前时间为今日第几个时间点；
节点A2：判断PCS是否处于开机状态；
节点A2到节点A4的动作：如果PCS处于开机状态则执行该动作，无动作；
节点A2到节点A3的动作：如果PCS处于非开机状态则执行该动作，发送PCS开机指令；
节点A3：判断第一次PCS开机是否成功；
节点A3到节点A4的动作：如果第一次PCS开机成功则执行该动作，无动作；
节点A3到节点A10的动作：如果第一次PCS开机不成功，则进行第二次PCS开机，发送PCS开机指令；
节点A10：无论第二次PCS开机是否成功，都为true；
节点A10到节点A4的动作：无动作；
节点A4：开始优化计算，判断条件恒为true；
节点A4到节点A5的动作：进行最优化计算，每半小时计算一次，根据当前的储能SOC，额定充放电功率，和未来48小时的电价情况，计算出当前最优的充放电功率；
节点A5：判断最优化计算是否成功；
节点A5到节点A6的动作：如果最优化计算成功，则获取充放电功率；
节点A6：恒为true；
节点A6到节点A8的动作：给PCS下发充放电功率指令；
节点A8：恒为true；
节点A5到节点A7的动作：如果最优化计算求解失败，则下发默认充放电指令；
节点A7：恒为true；
节点A7到节点A9的动作：更新时间变量的值；
节点A8到节点A9的动作：更新时间变量的值；
节点A9：判断时间变量是否更新成功。
2.根据权利要求1所述的基于AOE网络的智能削峰填谷计算系统，其特征在于，所述智能削峰填谷计算系统包括SOC越界保护策略模型，SOC越界保护策略模型包括节点B1-B8：
节点B1：判断SOC是否超出合理区间或抵达了边界值；
节点B1到节点B2的动作：无动作；
节点B1到节点B3的动作：无动作；
节点B2：判断SOC是否超出合理区间；
节点B2到节点B4的动作：无动作；
节点B4：判断PCS是否处于开机状态；
节点B4到节点B6的动作：如果PCS处于开机状态则执行该动作，无动作；
节点B4到节点B5的动作：如果PCS处于非开机状态则执行该动作，发送PCS开机指令；
节点B5：判断第一次PCS开机是否成功；
节点B5到节点B6的动作：如果第一次PCS开机成功则执行该动作，无动作；
节点B5到节点B8的动作：如果第一次PCS开机不成功则执行该动作，发送第二次PCS开机指令；
节点B8：无论第二次PCS开机是否成功，都为true；
节点B8到节点B6的动作：无动作；
节点B6：开机完成，恒为true；
节点B6到节点B7的动作：下发额定反向功率指令，若SOC小于合理区间，则充电，若SOC大于合理区间，则放电，并更新时间变量；
节点B3：判断SOC是否抵达边界值或异常；
节点B3到节点B7的动作：下发停止充放电指令，并更新时间变量；
节点B7：判断时间变量是否更新完成。
3.根据权利要求1或2所述的基于AOE网络的智能削峰填谷计算系统，其特征在于，所述智能削峰填谷计算系统还包括以下一种或几种策略模型：过温保护策略模型、过压保护策略模型、消防保护策略模型、负载保护策略模型；
过温保护策略模型包括节点C1、C2：
节点C1：判断单体电池最高温度是否大于设定的最大阈值；
节点C1到节点C2动作：如果过温，则下发停止充放电指令；
节点C2：判断是否已经停止充放电；
过压保护策略模型包括节点D1、D2：
节点D1：判断单体电池最大电压是否大于设定的最大阈值，最小电压是否小于设定的最小阈值；
节点D1到节点D2动作：如果过压，则下发停止充放电指令；
节点D2：判断是否已经停止充放电；
消防保护策略模型包括节点E1、E2：
节点E1：判断消防报警装置是否被触发；
节点E1到节点E2动作：如果触发消防报警装置，则下发停止充放电指令；
节点E2：判断是否已经停止充放电；
负载保护策略模型包括节点F1、F2：
节点F1：判断储能放电功率是否大于系统负荷的80％；
节点F1到节点F2的动作：如果放电功率大于负荷80％，则下发停止充放电指令；
节点F2：判断是否已经停止充放电。
4.一种基于AOE网络的智能削峰填谷计算方法，其特征在于，包括以下步骤：
步骤1，判断储能SOC是否处于合理区间，并且时间为半小时整点或策略刚启动，若是，则执行步骤2；
步骤2，将24小时按0.5小时划分成48个点，计算当前时间为今日第几个时间点；
步骤3，判断储能变流器PCS是否处于开机状态，如果PCS处于开机状态则无动作执行，如果PCS处于非开机状态则发送PCS开机指令；
步骤4，判断第一次PCS开机是否成功，如果第一次PCS开机成功则无动作执行，如果第一次PCS开机不成功，则进行第二次PCS开机，发送PCS开机指令；
步骤5，进行最优化计算，每半小时计算一次，根据当前的储能SOC、额定充放电功率、未来48小时的电价情况，计算出当前最优的充放电功率；
步骤6，判断最优化计算是否成功，如果最优化计算成功，则获取充放电功率，如果最优化计算求解失败，则下发默认充放电指令；
步骤7，更新时间变量的值；
步骤8，判断时间变量是否更新成功。
5.如权利要求4所述的基于AOE网络的智能削峰填谷计算方法，其特征在于，步骤5中，求解最优的充放电功率的方法包括：
构建储能系统充放电功率的线性规划模型，包括：
(1)定义目标函数：
转化为求最小值：
其中，设时刻i的储能放电功率ui>＝0，设时刻i的储能充电电功率vi>＝0，时刻i的电价(元/kwh)：PriceElcei，单次充放电循环成本(元/次)：PriceCycle，初始容量(kwh)：Q0＝QRate*SOC0，额定功率(kw)：Prate，额定容量(kwh)：QRate，放电最小SOC(％)：DOD1，充电最大SOC(％)：DOD2，数据采集间隔(小时)：Δt，充放电转换效率：CDRate，电池剩余容量：SOH；
(2)定义约束条件：
a.储能每时刻的容量大于额定容量乘以放电剩余SOC：
(u1-v1*CDRate)*Δt＜＝Q0-DOD1*QRate
(u1-v1*CDRate)*Δt+(u2-v2*CDRate)*Δt＜＝Q0-DOD1*QRate
....
(u1-v1*CDRate)*Δt+...+(un-vn*CDRate)*Δt＜＝Q0-DOD1*QRate
b.储能每时刻的容量小于额定容量：
-(u1-v1*CDRate)*Δt＜＝QRate*DOD2-Q0
-(u1-v1*CDRate)*Δt-(u2-v2*CDRate)*Δt＜＝QRate*DOD2-Q0
....
-(u1-v1*CDRate)*Δt-...-(un-vn*CDRate)*Δt＜＝QRate*DOD2-Q0；
c.决策变量大小范围限制
0＜＝vi＜＝PRate
0＜＝ui＜＝PRate。
6.如权利要求4或5所述的基于AOE网络的智能削峰填谷计算方法，其特征在于，所述的基于AOE网络的智能削峰填谷计算方法还包括以下一种或几种保护策略：过温保护策略、过压保护策略、消防保护策略、负载保护策略；
SOC越界保护策略包括：步骤1中，若SOC超出合理区间，则依次执行步骤3，步骤4，PCS开机完成后，下发额定反向功率指令，若SOC小于合理区间，则充电，若SOC大于合理区间，则放电，若SOC抵达边界值或异常，则下发停止充电指令并更新时间变量；最后依次执行步骤7，步骤8；
过温保护策略包括：判断单体电池最高温度是否大于设定的最大阈值，如果过温，则下发停止充放电指令；然后判断是否已经停止充放电；
过压保护策略包括：判断单体电池最大电压是否大于设定的最大阈值，最小电压是否小于设定的最小阈值，如果过压，则下发停止充放电指令；然后判断是否已经停止充放电。
消防保护策略包括：判断消防报警装置是否被触发，若触发消防报警，则下发停止充放电指令；然后判断是否已经停止充放电；
负载保护策略包括：判断储能放电功率是否大于系统负荷的80％，如果放电功率大于负荷80％，则下发停止充放电指令；然后判断是否已经停止充放电。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210052583.7A CN114400693B (zh) | 2022-01-18 | 2022-01-18 | 一种基于aoe网络的智能削峰填谷计算系统及计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210052583.7A CN114400693B (zh) | 2022-01-18 | 2022-01-18 | 一种基于aoe网络的智能削峰填谷计算系统及计算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114400693A true CN114400693A (zh) | 2022-04-26 |
| CN114400693B CN114400693B (zh) | 2024-11-05 |
Family
ID=81231079
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210052583.7A Active CN114400693B (zh) | 2022-01-18 | 2022-01-18 | 一种基于aoe网络的智能削峰填谷计算系统及计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114400693B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116417968A (zh) * | 2023-06-12 | 2023-07-11 | 中能聚创(杭州)能源科技有限公司 | 一种基于低代码控制器的低压继电保护方法 |
| CN117698487A (zh) * | 2024-02-05 | 2024-03-15 | 四川智能建造科技股份有限公司 | 一种移动充储车电能动态调度方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102361327A (zh) * | 2011-10-17 | 2012-02-22 | 张家港智电可再生能源与储能技术研究所有限公司 | 一种考虑电池寿命的电池储能系统削峰填谷方法 |
| CN103311942A (zh) * | 2013-03-18 | 2013-09-18 | 国家电网公司 | 一种用于配电网削峰填谷的电池储能系统的控制方法 |
| CN107994595A (zh) * | 2017-11-15 | 2018-05-04 | 中国电力科学研究院有限公司 | 一种削峰填谷控制方法和系统以及应用该控制方法的系统 |
| WO2019148689A1 (zh) * | 2018-02-01 | 2019-08-08 | 大全集团有限公司 | 一种微电网并网联络线功率的控制系统及其方法 |
-
2022
- 2022-01-18 CN CN202210052583.7A patent/CN114400693B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102361327A (zh) * | 2011-10-17 | 2012-02-22 | 张家港智电可再生能源与储能技术研究所有限公司 | 一种考虑电池寿命的电池储能系统削峰填谷方法 |
| CN103311942A (zh) * | 2013-03-18 | 2013-09-18 | 国家电网公司 | 一种用于配电网削峰填谷的电池储能系统的控制方法 |
| CN107994595A (zh) * | 2017-11-15 | 2018-05-04 | 中国电力科学研究院有限公司 | 一种削峰填谷控制方法和系统以及应用该控制方法的系统 |
| WO2019148689A1 (zh) * | 2018-02-01 | 2019-08-08 | 大全集团有限公司 | 一种微电网并网联络线功率的控制系统及其方法 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116417968A (zh) * | 2023-06-12 | 2023-07-11 | 中能聚创(杭州)能源科技有限公司 | 一种基于低代码控制器的低压继电保护方法 |
| CN116417968B (zh) * | 2023-06-12 | 2023-09-05 | 中能聚创(杭州)能源科技有限公司 | 一种基于低代码控制器的低压继电保护方法 |
| CN117698487A (zh) * | 2024-02-05 | 2024-03-15 | 四川智能建造科技股份有限公司 | 一种移动充储车电能动态调度方法 |
| CN117698487B (zh) * | 2024-02-05 | 2024-04-09 | 四川智能建造科技股份有限公司 | 一种移动充储车电能动态调度方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114400693B (zh) | 2024-11-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9373960B2 (en) | Computerized system and method for distributed energy resource scheduling | |
| CN104022503B (zh) | 一种带有储能设备的智能微电网电能优化控制方法 | |
| CN113437754B (zh) | 一种基于台区智能融合终端的电动汽车有序充电方法及系统 | |
| CN114400693A (zh) | 一种基于aoe网络的智能削峰填谷计算系统及计算方法 | |
| CN106712005A (zh) | 一种计及需求响应的电网安全优化调度方法 | |
| CN113363964A (zh) | 考虑重要负荷供电的配电网分布式储能规划方法及装置 | |
| CN110490363A (zh) | 一种多日机组组合优化方法及系统 | |
| CN115271397A (zh) | 一种电力日前市场出清的计算方法、装置及储存介质 | |
| CN111049196A (zh) | 现货环境下调峰辅助服务的出清方法、系统、装置及介质 | |
| CN104779658A (zh) | 多类型电池储能系统通讯管理与功率控制模拟系统 | |
| CN117154781B (zh) | 一种储能调频容量配置方法、装置及计算机可读存储介质 | |
| CN116316735A (zh) | 基于区间时段划分的源网储多时间尺度优化方法及装置 | |
| CN111723980A (zh) | 一种规模化负荷调控的配电网变电站容量优化方法 | |
| CN115764936A (zh) | 电网储能配置的优化方法、装置、设备及存储介质 | |
| CN110866647A (zh) | 用户侧储能控制方法、装置、设备及存储介质 | |
| CN114784882A (zh) | 机组组合优化处理方法及装置 | |
| CN119315520A (zh) | 供电配置方法、装置、终端设备和计算机可读存储介质 | |
| CN117477659A (zh) | 一种电力系统的新能源与常规电源配比方法、装置及介质 | |
| CN116706982A (zh) | 双层能源优化方法、装置、系统、存储介质及计算机设备 | |
| CN116488149A (zh) | 微电网发电策略确定方法、装置以及微电网 | |
| CN116435625A (zh) | 电池包加热处理方法、储能设备及存储介质 | |
| ul Abdeen et al. | Enhancing distribution system resilience: A first-order meta-rl algorithm for critical load restoration | |
| CN114725997A (zh) | 多时间尺度的配电网调度方法和装置 | |
| CN117650560B (zh) | 一种新型黑启动电源的混合储能配置方法及系统 | |
| CN118466257B (zh) | 基于数据-知识互补决策和自动切换的调控方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20250701 Address after: 201800 room 103, block a, building 11, No. 1101, Huyi highway, Jiading District, Shanghai Patentee after: WISH INTERACTIVE TECHNOLOGY Co.,Ltd. Country or region after: China Address before: 310051 Hangzhou City, Binjiang District, Changhe Street, Binsheng Road 1786, Hanshi Building, Room 1708 Patentee before: WANKE ENERGY TECHNOLOGY Co.,Ltd. Country or region before: China |