充放电控制方法、装置、边缘管理设备、储能电站及介质制造方法及图纸

本申请涉及一种充放电控制方法、装置、边缘管理设备、储能电站及介质，应用于边缘管理设备，所述边缘管理设备与储能电站通信连接，本申请通过集成峰谷收益信息、服务收益信息、需量成本信息以及电池成本信息，构建使储能电站资源获取收益最大化的目标充放电控制模型，并通过粒子度算法以及多种约束条件进行约束的方式求解，最终得到对储能电站充放电功率的目标控制参数，能够实时根据储能电站的设备情况对储能电站的充放电功率进行控制，并且能够使得储能电站的收益资源最大化，有效提升了储能电站获取资源收益的效率。能电站获取资源收益的效率。能电站获取资源收益的效率。

【技术实现步骤摘要】
充放电控制方法、装置、边缘管理设备、储能电站及介质


[0001]本申请涉及储能电站充放电控制
，特别是涉及一种充放电控制方法、装置、边缘管理设备、储能电站及介质。

技术介绍

[0002]对于储能电站来说，目前对于充放电功率的控制策略并未考虑到储能电站的收益资源获取效率的问题。且由于传统边缘网关在收集与转发用电企业与电网之间的信息时，缺乏统一的规划设计和标准规范，无法自适应的处理边缘数据并对充放电功率进行优化，进一步降低了储能电站获取收益资源的效率。
[0003]综上，亟需一种能够有效提升收益资源获取效率的应用于储能电站的充放电控制方案。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够有效提升资源获取效率的充放电控制方法、装置、边缘管理设备、储能电站及介质。
[0005]第一方面，本申请提供了一种充放电控制方法，应用于边缘管理设备，所述边缘管理设备与储能电站通信连接，所述方法包括：
[0006]获取所述储能电站对应的峰谷差价收益信息、服务收益信息、需量成本信息以及电池成本信息；
[0007]根据所述峰谷差价收益信息、所述服务收益信息、所述需量成本信息、所述电池成本信息和预设约束条件，结合粒子度算法对预设目标充放电模型进行迭代计算，直至得到目标控制参数，其中，所述目标控制参数为充电功率或放电功率；所述预设目标充放电模型以储能电站日收益最大化为优化目标；
[0008]根据所述目标控制参数控制所述储能电站执行充放电动作。
[0009]在其中一个实施例中，所述结合粒子度算法对预设目标充放电模型进行迭代计算，直至得到目标控制参数，包括：
[0010]初始化所述充放电控制信息以及所述预设设备信息，并生成一组初始粒子；
[0011]根据所述目标充放电模型计算所述初始粒子的第一适应度值；
[0012]根据预设更新算法对所述初始粒子进行更新，并根据所述目标充放电模型计算更新后的粒子的第二适应度值；
[0013]比较所述第一适应度值和所述第二适应度值，保留适应度值更小的粒子参数值作为目标充放电模型的最优解；
[0014]判断是否满足预设迭代条件，若满足所述预设迭代条件，将当前目标充放电模型的最优解作为所述目标控制参数；若不满足所述预设迭代条件，跳转执行所述根据预设更新算法对所述初始粒子进行更新的步骤，直至满足所述预设迭代条件。
[0015]在其中一个实施例中，所述预设目标充放电模型，包括：
[0016][0017]其中，E
W
为所述储能电站第n天内的峰谷差价收益信息，E
f
为所述储能电站第n天内的服务收益信息，为所述储能电站第n天内的电池成本信息，为所述储能电站第n天内的需量成本信息，C
ost
为储能电站的总成本，L
eq
(D
OD
)为按充放电深度D
OD
等效得到的电池可使用天数，为负荷月最大需量的用电成本，D
max
为负荷月最大需量，M
d
为每月天数。
[0018]在其中一个实施例中，所述峰谷差价收益信息的获取方式，包括：
[0019][0020]其中，Q为储能电站的电池总容量，D
OD
为储能电站的充放电深度，为时刻t的放电价格，为时刻t的充电价格，P
dis,t
为时刻t的放电功率，P
ch,t
为时刻t的充电功率。
[0021]在其中一个实施例中，所述需量成本信息的获取方式，包括：
[0022][0023]其中，E
D
为每月需量的用电成本，D
plan
为核定需量，D
actual
为实际需量，p
D
为需量电价。
[0024]在其中一个实施例中，所述需量成本信息的获取方式，包括：
[0025]E
D
＝D
actual
p
D
；
[0026]其中，E
D
为每月需量的用电成本，D
plan
为核定需量，D
actual
为实际需量，p
D
为需量电价。
[0027]第二方面，本申请还提供了一种充放电控制装置，应用于边缘管理设备，所述边缘管理设备与储能电站通信连接，所述装置包括：
[0028]获取模块，用于获取所述储能电站对应的峰谷差价收益信息、服务收益信息、需量成本信息以及电池成本信息；
[0029]计算模块，用于根据所述峰谷差价收益信息、所述服务收益信息、所述需量成本信息、所述电池成本信息和预设约束条件，结合粒子度算法对预设目标充放电模型进行迭代计算，直至得到目标控制参数，其中，所述目标控制参数为充电功率或放电功率；所述预设目标充放电模型以储能电站日收益最大化为优化目标；
[0030]控制模块，用于根据所述目标控制参数控制所述储能电站执行充放电动作。
[0031]第三方面，本申请还提供了一种边缘管理设备，包括处理器和存储器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的充放电控制方法的步骤。
[0032]第四方面，本申请还提供了一种储能电站，包括第三方面所述的边缘管理设备。
[0033]第五方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，其
特征在于，所述计算机程序被处理器执行时实现第一方面所述的充放电控制方法的步骤。
[0034]上述充放电控制方法、装置、边缘管理设备、储能电站及介质，应用于边缘管理设备，所述边缘管理设备与储能电站通信连接，本申请通过集成峰谷收益信息、服务收益信息、需量成本信息以及电池成本信息，构建使储能电站资源获取收益最大化的目标充放电控制模型，并通过粒子度算法以及多种约束条件进行约束的方式求解，最终得到对储能电站充放电功率的目标控制参数，能够实时根据储能电站的设备情况对储能电站的充放电功率进行控制，并且能够使得储能电站的收益资源最大化，有效提升了储能电站获取资源收益的效率。
附图说明
[0035]图1为一个实施例中充放电控制方法的应用环境示意图；
[0036]图2为一个实施例中充放电控制方法的流程示意图；
[0037]图3为一个实施例中结合粒子度算法以及预设约束条件对所述目标充放电模型进行迭代计算的流程示意图；
[0038]图4为一个实施例中充放电控制装置的模块结构示意图；
[0039]图5为一个实施例中边缘管理设备的内部结构示意图。
具体实施方式
[0040]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0041]除非另有定义，本文所使用的所有的技术和科学本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种充放电控制方法，其特征在于，应用于边缘管理设备，所述边缘管理设备与储能电站通信连接，所述方法包括：获取所述储能电站对应的峰谷差价收益信息、服务收益信息、需量成本信息以及电池成本信息；根据所述峰谷差价收益信息、所述服务收益信息、所述需量成本信息、所述电池成本信息和预设约束条件，结合粒子度算法对预设目标充放电模型进行迭代计算，直至得到目标控制参数，其中，所述目标控制参数为充电功率或放电功率；所述预设目标充放电模型以储能电站日收益最大化为优化目标；根据所述目标控制参数控制所述储能电站执行充放电动作。2.根据权利要求1所述的方法，其特征在于，所述结合粒子度算法对预设目标充放电模型进行迭代计算，直至得到目标控制参数，包括：初始化所述充放电控制信息以及所述预设设备信息，并生成一组初始粒子；根据所述目标充放电模型计算所述初始粒子的第一适应度值；根据预设更新算法对所述初始粒子进行更新，并根据所述目标充放电模型计算更新后的粒子的第二适应度值；比较所述第一适应度值和所述第二适应度值，保留适应度值更小的粒子参数值作为目标充放电模型的最优解；判断是否满足预设迭代条件，若满足所述预设迭代条件，将当前目标充放电模型的最优解作为所述目标控制参数；若不满足所述预设迭代条件，跳转执行所述根据预设更新算法对所述初始粒子进行更新的步骤，直至满足所述预设迭代条件。3.根据权利要求1所述的方法，其特征在于，所述预设目标充放电模型，包括：其中，E
W
为所述储能电站第n天内的峰谷差价收益信息，E
f
为所述储能电站第n天内的服务收益信息，为所述储能电站第n天内的电池成本信息，为所述储能电站第n天内的需量成本信息，C
ost
为储能电站的总成本，L
eq
(D
OD
)为按充放电深度D
OD
等效得到的电池可使用天数，为负荷月最大需量的用电成本，D
max
为负荷月最大需量，M
d
为每月天数。4.根据权利要求3所述的方法，其特征在于，所述峰谷差价收益信息的获取方式，包括：其中，Q为...

【专利技术属性】
技术研发人员：易勇强，张捷，崔岩松，刘厚钦，张升，胡晨昱，曾德辉，汪隆君，陈令曦，
申请(专利权)人：广州嘉缘电力科技有限公司，
类型：发明
国别省市：