用户侧储能优化配置与运行方法研究

来源 :北京交通大学 | 被引量 : 0次 | 上传用户:a6532460
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着全球经济的稳定提升和电力行业的迅速发展,在各个国家的总用电量大幅增长的同时,电力负荷峰谷间的差值也在不断扩大,日益凸显出电力供需的不平衡问题。储能技术作为能源转型的重要技术支撑,可有效的解决电网供需矛盾。同时由于储能技术经济性的提高和政府相关激励政策的出台,储能的发展正逐步由前瞻性研究转向项目示范。但现阶段储能系统在用户侧的运营效益仍未较好体现,单一用户的投资经济效益较差,如何以尽可能小的投资成本从众多收益方式中获得最大盈利效益是用户侧储能项目落地实施和电力市场构建的前提。因此,本文立足于用户侧对储能优化配置与运行方法展开研究,主要工作如下:第一,研究多种收益模式下的用户侧储能盈利方法。提出了一种考虑多种收益模式的用户侧储能盈利方法,建立利用储能在低储高发和最大需量电费管理的用电模式下为用户削减电费成本的模型,以及用户侧储能通过响应电网负荷削减需求和应急供电服务为用户盈利的模型。并通过实际算例对比了用户参与单一收益模式和综合收益模式的经济效益。分析结果表明,综合收益模式可为用户侧储能增加收益来源,缩短用户投资回收期。第二,研究考虑多种收益模式的用户侧储能优化配置及经济评估方法。提出了一种考虑多种收益模式的用户侧储能配置方法,基于用户选择的不同种类的收益组合,建立以用户侧储能全寿命周期内净收益最大为目标函数的优化模型,对用户参与多种收益模式的储能容量优化配置。同时,建立了多种经济指标下的储能配置方案评估模型,综合评估用户侧储能的配置方案。通过实际算例验证了所提出模型的有效性和可靠性。第三,研究计及需求响应的用户侧储能运行滚动优化方法。在负荷预测的基础上,以用户侧日负荷曲线为研究对象,提出了一种可实时响应电网需求邀约的储能日内滚动优化运行方法。综合考虑用户侧储能运行条件和参与需求响应的政策条件,以日内储能运行成本最小为目标函数,优化储能的充放电曲线。算例分析表明,日内滚动优化方法能充分挖掘用户侧储能的经济性,使得储能收益最大化。
其他文献
随着对跨海交通需求的日益增长,作为主要跨海交通方式之一的海底隧道已得到广泛应用。为保证施工安全,海底隧道往往深埋于海床下方,隧道突涌水及高水压力是海底隧道面临的主要问题。制定合理可靠的结构防排水系统,确定衬砌外水压力及结构内力是海底隧道建设的关键,本文基于现有研究成果,依托青岛地铁8号线海底隧道工程,采用理论分析、数值计算和现场试验结合的方法,研究海底隧道复合式衬砌水压力分布规律及结构受力特征。主
车载中心化列控系统作为以系统简约化、列车智能化为技术导向的新型方案,在近年来随着我国对西部铁路网建设工作的推进而日益受到关注,其应用于实际工程中的需求也愈加迫切。在近年来相关领域的研究中,该方案分散进路控制模式下存在的线路资源冲突问题因其对运营效率的制约而成为应用研究的关键。新型列控方案提出由列车通过车载联锁实现自身进路的办理。这种关于有限资源的分散式征用架构,正与博弈理论认为各参与者具备自主决策
燃料电池汽车因其无污染零排放,得到了快速发展,然而,限制燃料电池汽车商业化的一个主要因素是燃料电池耐久性问题,兼顾整车动力性,经济性及电池使用寿命是氢燃料电池汽车科研领域的难题。本文以增程式燃料电池轿车为研究对象,针对燃料电池性能衰减问题,研究燃料电池衰退机理以及燃料电池健康状态(SOH:State Of Health)估计方法,并基于对SOH的识别,提出了基于燃料电池健康状态的整车能量控制策略,
学位
转辙机是铁路系统中最重要的机电设备之一,存在动作频繁和工作条件复杂的特点,若出现故障会对铁路运营造成严重影响。但目前采用的维修方式多为基于经验知识的方法,基于专家或工作人员的经验判断故障类型,再进行维修,具有依赖人工以及效率低下的问题。为解决上述问题,并实现对故障的预测,以降低维修成本,保障铁路安全高效运营,本论文对转辙机的故障诊断和故障预测进行了研究。(1)转辙机工作原理的分析及数据预处理。研究
钩缓装置作为铁路货车的重要组成部分,其检修设置的科学性影响车辆运行安全和运行成本。随着高速重载战略的不断推进和货车运用量的增加,给货车钩缓装置的维修管理带来了巨大挑战。既有的定期全列检修策略缺乏充分的科学依据且难以满足精细化管理要求,亟需制定新的维修策略。但由于钩缓装置部件多,结构复杂,前期失效规律研究积累有限,难以得到维修策略优化模型的解析解,且模型的实际应用能力受限。为此,本文利用蒙特卡洛仿真
机器翻译是利用计算语言学技术,将源语言自动翻译成目标语言的一项技术。鉴于机器翻译的深远研究意义和广阔应用前景,产业界和学术界都将其视为重点的研究方向,成为当前自然语言处理最具有挑战性的研究领域之一。伴随着近几年神经网络技术的大力发展和数据资源的进一步丰富,基于神经网络的机器翻译系统(Neural Machine Translation,NMT)已经逐渐成为机翻翻译领域的主流方法。然而目前的神经网络
当前,交通拥堵已成为各大城市的“通病”,由此引发的交通污染、交通安全等问题也严重困扰着城市的发展。ITS作为缓解交通拥堵的有效措施,近年来越发受到重视。作为ITS的重要功能,交通控制与诱导能够从微观意义上调整交通管理控制方案,其调控策略的成效就依赖于短时交通流预测的结果。本文针对快速路交通流特性,提出基于时钟循环神经网络的多车道短时交通速度预测模型,并在此基础上渐进式地完善模型,兼顾预测精度与效率
机车信号设备作为列车运行控制系统的重要组成部分,在保障行车安全方面起着重要的作用。随着高速和重载铁路的发展,电磁干扰愈发严重,机车类型更加多样,在特定骚扰环境下,传统的滤波方式不能快速有效滤除有用信号频带内的噪声,现有的机车信号解码方法已难以满足需求。在此背景下,本文基于机车信号的时域频域特点及干扰耦合方式,结合深度学习技术,提出了基于优化的去噪卷积神经网络(Denoising Convoluti
近几年,随着计算资源的提升和大数据的发展,深度学习模型执行任务的能力也得到了较大的提升。在计算机视觉研究中,例如图像分类、目标检测、图像分割等任务,卷积神经网络模型表现出了非常优异的性能,尤其在某些任务中其执行能力可以超越人类的感知能力。然而随着终端部署的需要,深度模型占存大、运行速度慢等问题逐步凸显。深度模型压缩算法通过将模型参数剪枝去除或者转换为低精度数据类型等方式,将模型的占存压缩到较低水平