(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210665199.4 (22)申请日 2022.06.13 (71)申请人 南通沃太新能源 有限公司 地址 226399 江苏省南 通市南通高新区碧 华路北、 G345东、 银河路南侧 (72)发明人 江思伟　司修利　黄乐　丁昊　 顾强　董嵘　 (74)专利代理 机构 苏州威世朋知识产权代理事 务所(普通 合伙) 32235 专利代理师 陈如建 (51)Int.Cl. H02J 3/32(2006.01) H02J 3/38(2006.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01)G06F 30/20(2020.01) G06F 111/04(2020.01) G06F 113/04(2020.01) (54)发明名称 用于光储系统的电力调度方法及其装置 (57)摘要 本发明公开了一种用于光储系统的电力调 度方法及其装置， 该电力调度方法包括以下步 骤： 未来连续的N个时间段中的用电数据， 创建优 化模型对所述优化模型进行优化处理， 使得在用 户花费最小时， 得到储能电池在每个时间段中的 剩余电量， 然后在基于剩余电量， 对该光储系统 进行调度。 从而能够极大的降低用户的费用。 权利要求书2页 说明书8页 附图3页 CN 115207952 A 2022.10.18 CN 115207952 A 1.一种用于光储系统的电力调度方法， 所述光储系统包括： 电网接口(1)、 光伏装置 (2)、 储能电池(3)和用电设备(4)， 所述电网接口(1)用于电连接电网， 所述光储系统能够通 过所述电网接口(1)从电网中购电， 以及向电网馈电； 所述光伏装置(2)用于将光能转换成 电能， 且能够将电能输出到所述光储系统中； 所述储能电池(3)能从所述光储系统中接收电 能并存储， 还能够将所存储的电能输出到所述光储系统中； 所述用电设备(4)能够从所述光 储系统中接收并消耗电能； 其特 征在于， 包括以下步骤： 未来连续的第1时间段、 第2时间段、 ...、 第N时间段中的用电数据grid[i]、 price_buy [i]、 price_sell[i ]和dis_charge[i ]， 其中， grid[i ]为第i时间段中从电网购电量的总和， price_buy[i]为第i时间段中从电网中购电的价格， price_sell[i]为第i时间段中馈电给 电网的价格， dis_charge[i]为第i时间段中的储能电池(3)输出到所述光储系统的总电量； 其中， i和N均为自然数， N≥2， i ＝1， 2， 3， . ..， N； 创建优化模型 限制条件 为： 1、 battery_power[1]＝capacity*current_charge， 其中， current_charge是储能电池 (3)的初始状态， 0≤current _charge≤100％； capacity为储能电池(3)的容量； 2、 grid[i ]– (charge[i]+dis_charge[i])>＝load_forecast[i] ‑pv_forecast[i]， 其中， load_ forecast[i]为第i时间段中的光伏装置(2)所输出的电量的预测值， pv_forecast[i ]为第i 时间段中的用电设备(4)的负荷的预测值； 3、 battery_power[i]+charge[i]*charging_ efficiency+dis_charge[i]/discharging_efficiency＝battery_power[i+1]， 其中， battery_charging_efficiency为充电时储能电池(3)的效率， battery_discharing_ efficiecny为储能电池(3)的放电效率； 4、 charge[i]<＝charging_power_limit*第i时间 段的时间长度， charging_power_limit为储能电池(3)的充电功率限制值； 5、 dis_charge [i]>＝discharging_power _limit， 其中， discharging_power_li mit为储能电池(3)的放电 功率限制值*第i时间段的时间长度； 对所述优化模型进行优化处理， 使得在Z最小时， 得到 battery_power[1]， battery_power[2 ]， ...， battery_power[N]， 其中， battery_p ower[i] 为第i时间段 结束时， 储能电池(3)的电量； 在未来的第i时间段， 如果state_of_charge>current_charge， 则对储能电池(3)进行 存储电能的操作； 如果state_of_ch arge＝current_charge， 则对储能电池(3)既不存储电 能也不输出电能； 其中， state_of_c harge＝bat tery_power[i]/capicty。 2.根据权利要求1所述的电力调度方法， 其特 征在于： 第1时间段、 第2时间段、 . ..、 第N时间段的长度均为15分钟， N ＝96。 3.根据权利要求1所述的电力调度方法， 其特 征在于： battery_charging_efficiency＝0.95 。 4.根据权利要求1所述的电力调度方法， 其特 征在于： battery_disc haring_efficiecny＝0.95 。 5.根据权利要求1所述的 电力调度方法， 其特征在于， 所述 “对所述优化模型进行优化 处理”具体包括： 使用运筹算法， 对所述优化模型进行优化处 理。 6.一种用于光储系统的电力调度装置， 所述光储系统包括： 电网接口(1)、 光伏装置权　利　要　求　书 1/2 页 2 CN 115207952 A 2(2)、 储能电池(3)和用电设备(4)， 所述电网接口(1)用于电连接电网， 所述光储系统能够通 过所述电网接口(1)从电网中购电， 以及向电网馈电； 所述光伏装置(2)用于将光能转换成 电能， 且能够将电能输出到所述光储系统中； 所述储能电池(3)能从所述光储系统中接收电 能并存储， 还能够将所存储的电能输出到所述光储系统中； 所述用电设备(4)能够从所述光 储系统中接收并消耗电能； 其特 征在于， 包括以下模块： 信息获取模块， 用于未来连续的第1时间段、 第2时间段、 ...、 第N时间段中的用电数据 grid[i]、 price_buy[i]、 p rice_sell[i ]和dis_charge[i ]， 其中， grid[i ]为第i时间段中从 电网购电量的总和， price_buy[i]为第i时间段中从电网中购电的价格， price_sell[i]为 第i时间段中馈电给电网的价格， dis_charge[i]为第i时间段中的储能电池(3)输出到所述 光储系统的总电量； 其中， i和N均为自然数， N≥2， i ＝1， 2， 3， . ..， N； 模型优化模块， 用于创建优化模型 限制条件为： 1、 battery_power[1]＝capacity*current_charge， 其中， current_charge是储能电池(3)的初始状态， 0≤current _charge≤100％； capacity为储能 电池(3)的容量； 2、 grid[i] –(charge[i]+dis_charge[i])>＝load_forecast[i] ‑pv_ forecast[i]， 其中， load_forecast[i]为第i时间段中的光伏装置(2)所输出的电量的预测 值， pv_forecast[i ]为第i时间段中的用电设备(4)的负荷的预测值； 3、 battery_power[i]+ charge[i]*charging_efficiency+ dis_charge[i]/discharging_efficiency＝battery_ power[i+1]， 其中， battery_charging_efficiency为充电时储能电池(3)的效率， battery_ discharing_efficiecny为储能电池(3)的放电效率； 4、 charge[i]<＝charging_power_ limit*第i 时间段的时间长度， charging_power_limit为储能电池(3)的充电功率限制值； 5、 dis_charge[i]>＝discharging_power_limit， 其中， dischargin g_power_limit为储能 电池(3)的放电功率限制值*第i时间段的时间长度； 对所述优化模型进 行优化处理， 使得在 Z最小时， 得到battery_power[1]， battery_power[2]， ...， battery_power[N]， 其中， battery_power[i]为第i时间段 结束时， 储能电池(3)的电量； 执行模块， 用于在未来的第i时间段， 如果state_of_charge>current_charge， 则对储 能电池(3)进行存储电能的操作； 如果state_o f_charge＝current_ch arge， 则对储能电池 (3)既不存 储电能也 不输出电能； 其中， state_of_c harge＝bat tery_