Multi-constrained optimal control of energy storage combined thermal power participating in frequency regulation based on life model of energy storage

储能 热能储存 频率调节 可再生能源 自动频率控制 功率(物理) 频率偏差 荷电状态 频率标度 计算机科学 工程类 电力系统 汽车工程 电气工程 电压 生物 物理 量子力学 电池(电) 生态学
作者
Cuiping Li,Xiaolong Wang,Junhui Li,Xingxu Zhu,Gangui Yan,Jia Chen
出处
期刊:Journal of energy storage [Elsevier]
卷期号:73: 109050-109050 被引量:3
标识
DOI:10.1016/j.est.2023.109050
摘要

The integration of renewable energy into the power grid at a large scale presents challenges for frequency regulation. Balancing the frequency regulation requirements of the system while considering the wear of thermal power units and the life loss of energy storage has become an urgent issue that needs to be addressed. This paper proposes a multi-constrained optimization strategy for coordinating the energy storage combined thermal power frequency regulation (ESCTPFR) control based on the life model of energy storage. Firstly, the paper constructs a multi-dimensional life loss model of energy storage based on charging/discharging times and available capacity. Additionally, a simplified model for the wear of thermal power units is also presented. Based on the fast response time and high response accuracy of energy storage, the frequency regulation loss resistance coefficient of energy storage and thermal power is constructed to improve the enthusiasm of energy storage. Secondly, a two-layer model is proposed to allocate power between thermal power and energy storage, taking into account the frequency regulation cost of the system and State of Charge (SOC) planning. The priority constraints are the system's frequency regulation capacity and the related SOC function with the SOC deviation coefficient used to constrain energy storage power for SOC recovery. Finally, the proposed strategy's cost-effectiveness and effectiveness in reducing frequency regulation loss are validated through simulation experiments based on historical data, along with its ability to recover SOC.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
艺术家完成签到 ,获得积分10
1秒前
阳光完成签到,获得积分10
1秒前
小马甲应助努力摆烂采纳,获得10
3秒前
Hello应助冷酷的格尔曼采纳,获得10
3秒前
3秒前
嗳7发布了新的文献求助10
3秒前
Shine完成签到 ,获得积分10
4秒前
阿宁发布了新的文献求助10
4秒前
咕咕完成签到 ,获得积分10
5秒前
汉堡包应助木木采纳,获得10
5秒前
Hello应助馒头采纳,获得10
5秒前
6秒前
三瓣橘子发布了新的文献求助10
7秒前
7秒前
JamesPei应助ting采纳,获得10
7秒前
英姑应助今日无事采纳,获得10
8秒前
冷静的嫣然完成签到 ,获得积分10
8秒前
水中鱼发布了新的文献求助30
8秒前
8秒前
zzz发布了新的文献求助10
11秒前
11秒前
mintberry完成签到,获得积分10
11秒前
陌路孤星发布了新的文献求助30
11秒前
chen完成签到,获得积分10
11秒前
田様应助j_采纳,获得10
12秒前
12秒前
所所应助oaixlittle采纳,获得10
12秒前
大菠萝完成签到,获得积分10
12秒前
13秒前
13秒前
mint发布了新的文献求助10
13秒前
深情安青应助夏枯采纳,获得10
14秒前
科研通AI2S应助红尘踏歌采纳,获得10
14秒前
15秒前
大菠萝发布了新的文献求助10
17秒前
林夕完成签到,获得积分20
17秒前
Orange应助嗳7采纳,获得10
18秒前
奥特曼完成签到 ,获得积分10
19秒前
20秒前
高分求助中
Sustainability in Tides Chemistry 2000
Bayesian Models of Cognition:Reverse Engineering the Mind 800
Essentials of thematic analysis 700
A Dissection Guide & Atlas to the Rabbit 600
Very-high-order BVD Schemes Using β-variable THINC Method 568
Внешняя политика КНР: о сущности внешнеполитического курса современного китайского руководства 500
Revolution und Konterrevolution in China [by A. Losowsky] 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3124336
求助须知:如何正确求助?哪些是违规求助? 2774637
关于积分的说明 7723368
捐赠科研通 2430117
什么是DOI,文献DOI怎么找? 1290937
科研通“疑难数据库(出版商)”最低求助积分说明 621972
版权声明 600297