CN104682435B - 一种具有可平抑功率波动的储能***的微电网的运行和监控方法 - Google Patents

Abstract

一种具有可平抑功率波动的储能***的微电网的运行和监控方法，该方法包括如下步骤：S1.风力发电设备和光伏发电设备监控模块实时获取风力发电设备和光伏发电设备的运行数据，并存储数据；S2.根据风力发电设备和光伏发电设备的运行数据，对未来预定时刻内的风力发电设备和光伏发电设备的输出功率进行预测；S3.实时检测获取蓄电池模块的SOC，实时获取微电网内负载功率需求情况；S4.实时获取大电网的参数和调度信息，预测未来时间微电网与大电网连接点的功率需求；S5.储能电站与大电网连接点的功率需求、当前蓄电池储能的SOC、当前为电网内负载功率需求、未来风力发电设备和光伏发电设备输出功率作为约束条件，实现微电网的优化运行。

Description

一种具有可平抑功率波动的储能***的微电网的运行和监控方法

所属技术领域

本发明涉一种具有可平抑功率波动的储能***的微电网的运行和监控方法。

背景技术

微电网(Micro-Grid)也译为微网，是一种新型网络结构，是一组微电源、负荷、储能***和控制装置构成的***单元，能够实现自我控制、保护和管理的自治***，既可以与外部电网并网运行，也可以孤立运行。

以风电和光伏发电为主的微电网作为超高压、远距离、大电网供电模式的补充，代表着电力***新的发展方向。风能和太阳能资源是清洁的可再生能源，但存在着随机性和波动性的问题，给电网带来一系列的影响。功率的波动性程度直接影响电网原有的潮流分布，当风力发电和光伏发电的渗透率处于较高水平时，波动性和随机性会给电网的原有运行方式带来巨大的冲击。为了减少这种冲击，可以在风电机组和光伏电站联合发电的***中配置大规模储能***联合运行。

储能技术对微电网的实现有重要作用，其应用在很大程度上解决新能源发电的波动性和随机性问题，有效提高间歇性微源的可预测性、确定性和经济性。此外，储能技术在调频调压和改善***有功、无功平衡水平，提高微电网稳定运行能力方面的作用也获得了广泛研究和证明。

然而，现配置大规模储能***价格比较昂贵，因此，有必要综合考虑输电工程成本，储能***成本，输电收益，储能***收益，建立以综合效益最大化为目标，给定输电线路输电能力时的储能***优化配置的方法。

发明内容

本发明提供一种具有可平抑功率波动的储能***的微电网的运行和监控方法，该方法可预测微电网中的发电设备的发电功率和微电网中的负载变化，可追踪和预测微电网和大电网连接点功率，实时检测的蓄电池模块电池容量，能制定和实施最适宜的控制策略，保障微电网在并网时按照大电网的需求平稳提供有功功率和无功功率，并提升储能***的安全性和使用寿命。

为了实现上述目的，本发明提供一种具有可平抑功率波动的储能***的微电网的运行和监控方法，所述该微电网包括：风力发电设备、光伏发电设备、储能***、用于将微电网与大电网连接和隔离的AC/DC双向换流模块一、直流母线、用于连接风力发电设备、光伏发电设备和直流母线的AC/DC双向换流模块二、微电网内负载和监控装置；该储能***包括蓄电池模块、与上述直流母线连接的双向DC/DC变换器；

该监控装置包括：

风力发电设备监控模块，用于实时监控风力发电设备，并对风力发电设备的发电功率进行预测；

光伏发电设备监控模块，用于实时监控光伏发电设备，并对光伏发电设备的发电功率进行预测；

储能***监控模块，可实时监控蓄电池模块的SOC和DC/DC双向变换器；

大电网联络模块，用于实时从大电网调控中心获知大电网的运行情况以及相关调度信息；

并网运行监控模块，用于控制微电网连接或隔离大电网；

负载监控模块，用于实时监控储能电站内的负载；

中控模块，用于确定微电网的运行策略，并向上述监控装置中的各模块发出指令，以执行该运行策略；

总线模块，用于该监控装置的各个模块的通信联络；

该方法包括如下步骤：

S1.风力发电设备和光伏发电设备监控模块实时获取风力发电设备和光伏发电设备的运行数据，并存储数据；

S2.根据风力发电设备和光伏发电设备的运行数据，对未来预定时刻内的风力发电设备和光伏发电设备的输出功率进行预测；

S3.实时检测获取蓄电池模块的SOC，实时获取微电网内负载功率需求情况；

S4.实时获取大电网的参数和调度信息，预测未来时间微电网与大电网连接点的功率需求；

S5.储能电站与大电网连接点的功率需求、当前蓄电池储能的SOC、当前微电网内负载功率需求、未来风力发电设备和光伏发电设备输出功率作为约束条件，实现微电网的优化运行。

优选的，在步骤S2中采用现有技术中任意风力发电功率预测方法预测风力发电设备的输出功率。

优选的，光伏发电设备包括光伏组件，所述在步骤S2中，采用如下方式预测光伏发电设备的输出功率：

S21.建立光伏组件的出力模型：P_pv(t)＝η_invη_pv(t)G(t)S_pv (1)

式中S_pv为光伏面板接收太阳光照辐射的面积(m²)，G(t)光照辐射数值(W/m²)，η_pv(t)为光伏组件能量转换效率，η_inv为逆变器转换效率；

其中，光伏组件的能量转换效率与环境的温度有关，环境温度对光伏组件能量转换效率的影响为：

${\mathrm{\η}}_{pv}\left(t\right)={\mathrm{\η}}_r\[1-\mathrm{\β}\left(T_C\right(t)-T_{C_r})\]---\left(2\right)$

式中η_r为光伏组件标准温度下测试的参考能量转换效率，β为温度对能量转换效率的影响系数，T_C(t)为t时刻光伏组件的温度值，T_Cr为光伏组件参考标准温度值；光伏组件吸收太阳辐射，会与环境温度一起作用引起光伏组件温度发生变化，其表达式如下：

$T_C\left(t\right)-T=\frac{T_{rat}}{800}G\left(t\right)---\left(3\right)$

式中T为周围的环境温度，T_rat光伏组件运行的额定温度；

S22.实时检测和收集光伏组件的周边的日照信息和环境温度，根据历史日照信息和环境温度，预测未来一段时间内的日照强度和环境温度；

S23.根据未来一段时间内的日照强度和环境温度，利用上述光伏组件的出力模型计算未来时间内的光伏发电设备的发电功率。

优选的，在步骤S4中，采用如下步骤实现微电网和大电网连接点处功率需求的追踪和预测：

S41.规定微电网各处的功率正方向，功率方向以微电网流向大电网为正；

S42.根据微电网各点的实际功率和公共连接点的功率期望计算微网***公共连接点处的功率，计算公式为：

$P_{PCC}=(\underset{i=1}{\overset{N}{\Σ}}{P}_i+\underset{i=1}{\overset{M}{\Σ}}{P}_{i\_S})-P_{Load}---\left(4\right)$

式中P_i为为风光总发电功率预测值，P_{i_S}为储能***向大电网的输出功率，P_PCC为公共连接点向大电网的输出功率，P_Load为流入微电网内负载的功率；

S43.确定P_PCC的取值范围：P_{PCC min}≤P_PCC≤P_{PCC max}，此时可使公共连接点的功率保持在配网可接受的潮流范围内，P_{PCC min}和P_{PCC max}为由配网潮流计算得到的最小门槛值和最大门槛值，当P_PCC的波动超过上述限定门槛时，需要调节微网内的储能元件的输出功率以平抑微网公共连接点处的功率。

优选的，在步骤S5中采用如下方式实现优化运行：

S51.分别获取由风力发电功率预测值组成的第一数据集合以及由光伏发电功率预测值组成的第二数据集合，将所述第一数据集合中的风力发电功率预测值与所述第二数据集合中的光伏发电功率预测值相加后得到由风光总发电功率预测值组成的综合数据集合；

S52.利用多项式拟合算法对所述综合数据集合进行拟合，得到平滑出力公式；

S53.根据所述平滑出力公式计算平滑出力输出值；

S54.根据所述平滑出力输出值与所述风光总发电功率预测值的大小关系及差值绝对值，确定储能***的出力方式及功率输出值；

所述步骤S51具体包括：

获取由风力发电功率预测值组成的第一数据集合P₁：

P₁＝{(p_1i,t_i)|i＝1,2...,m}； (5)

获取由光伏发电功率预测值组成的第二数据集合P₂：

P₂＝{(p_2i,t_i)|i＝1,2...,m}； (6)

将所述第一数据集合P₁中的风力发电功率预测值与所述第二数据集合P₂中的光伏发电功率预测值相加后得到由风光总发电功率预测值组成的综合数据集合P：

P＝{(p_i,t_i)|i＝1,2...,m}； (7)

其中，p_i＝p_1i+p_2i；

其中，P₁为第一数据集合，p_1i为风力发电功率预测值，P₂为第二数据集合，p_2i为风力发电功率预测值，P为综合数据集合，p_i为风光总发电功率预测值，m为第一数据集合、第二数据集合、第三数据集合的样本个数，m为自然数，i为样本序列号，t_i为p_1i、p_2i、p_i对应的时间；

所述步骤S52具体包括：

S521.根据所述综合数据集合P中风光总发电功率预测值p_i的波动趋势，确定所述平滑出力公式的阶数n，其中n为自然数；

S522.拟合具有所述阶数n的多项式：

a_nt_i ⁿ+a_n-1t_i ^n-1+…+a₁t_i+a₀； (8)

其中，a₀～a_n为多项式系数；

步骤B3，计算所述多项式a_nt_i ⁿ+a_n-1t_i ^n-1+…+a₁t_i+a₀与所述风光总发电功率预测值p_i的差值平方和Err：

$Err=\underset{i=0}{\overset{m}{\Σ}}{(a_n{t_i}^n+a_{n-1}{t_i}^{n-1}+\mathrm{...}+a_1{t}_i+a_0-p_i)}^2;---\left(9\right)$

S522.利用最小二乘法计算所述差值平方和Err为最小值时，多项式系数a₀～a_n对应的具体值α₀～α_n；

S523.利用所述具体值α₀～α_n构建平滑出力公式X(t)：

X(t)＝α_ntⁿ+α_n-1t^n-1+…+α₁t+α₀； (10)

其中，t为时间；

所述S53具体为：

计算当t＝t_i时，所述平滑出力公式X(t)的值X(t_i)：

X(t_i)＝α_nt_i ⁿ+α_n-1t_i ^n-1+…+α₁t_i+α₀ (11)

其中，X(t_i)为平滑出力输出值；

所述步骤S54具体包括：

当所述平滑出力输出值X(t_i)大于所述风光总发电功率预测值p_i时，储能***释放电能，且功率输出值为：

p′_i＝X(t_i)-p_i＝(α_nt_i ⁿ+α_n-1t_i ^n-1+…+α₁t_i+α₀)-p_i (12)

其中，p′_i为t_i时刻储能***的功率输出值；

当所述平滑出力输出值X(t_i)小于所述风光总发电功率预测值p_i时，储能***吸收电能，且功率输出值为：

p′_i＝p_i-X(t_i)＝p_i-(α_nt_i ⁿ+α_n-1t_i ^n-1+…+α₁t_i+α₀)； (13)

当所述平滑出力输出值X(t_i)等于所述风光总发电功率预测值p_i时，储能***功率输出值为零。

本发明的运行和监控方法具有如下优点：(1)准确预测风力发电设备和光伏发电设备的输出功率变化情况；(2)准确预测微电网与大电网连接点的功率变化和微电网内部负载的功率变化；(3)控制策略兼顾配大电网调度要求和储能***运行情况，可同时为大电网提供有功功率和无功功率，满足大电网的调度需求和微电网内部负载需求的同时，可有效抑制微电网的功率波动，兼顾了供电可靠性，保障微电网的安全性，延长了微电网内设备的使用寿命。

附图说明

图1示出了本发明的一种具有可平抑功率波动的储能***的微电网及其监控装置的框图；

图2示出了本发明的微电网的运行及监控方法。

具体实施方式

图1是示出了本发明的一种具有可平抑功率波动的储能***的微电网10，该微电网10包括：光伏发电设备12、储能***13、风力发电设备14、用于将微电网10与大电网20连接和隔离的AC/DC双向换流模块一16、直流母线、用于连接光伏发电设备12和直流母线的AC/DC双向换流模块二15、负载17以及监控装置11。

参见图1，该储能***13包括蓄电池模块131、与上述直流母线连接的双向DC/DC变换器132。

该监控装置11包括：光伏发电设备监控模块114，用于实时监控电池储能***10中的光伏发电设备12，并对光伏发电设备12的发电功率进行预测；储能***监控模块115，用于实时监控储能***131中的蓄电池模块131和DC/DC双向换能器132；大电网联络模块112，用于实时从大电网20调控中心获知大电网20的运行情况以及相关调度信息；并网监控模块116，用于控制微电网10连接或隔离大电网20；中控模块117，用于确定微电网10的运行策略，并向上述各模块发出指令，以执行该供电策略；风力发电设备监控模块113，用于实时监控风力发电设备14；负载监控模块118，用于实时微电网10内的负载17；总线模块111，用于该监控装置11的各个模块的通信联络。

通信模块111，用于上述各个模块之间的通信，所述总线通信模块111通过冗余双CAN总线与其他模块相连。

光伏发电设备12包括多个光伏发电模块，光伏发电设备监控模块114至少包括光伏发电设备的电压、电流、频率检测设备、光强检测设备。

所述风力发电设备监控模块113实时获取风力发电设备12的运行数据，并存储数据。

储能***监控模块116至少包括蓄电池端电压、电流、SOC获取设备以及温度检测设备，可实时监控蓄电池模块的SOC。

所述SOC获取设备包括：第一获取模块，用于获取电池的工作状态；第一确定模块，用于根据电池的工作状态确定用于估算电池荷电状态的估算方法；计算模块，用于按照估算方法计算电池处于不同的工作状态下的电池荷电状态值。

第一确定模块包括：第一确定子模块，用于在获取到的工作状态为静止状态的情况下，确定估算方法为第一估算方法，其中，第一估算方法包括开路电压法；第二确定子模块，用于在获取到的工作状态为恢复状态的情况下，确定估算方法为第二估算方法；第三确定子模块，用于在获取到的工作状态为充放电状态的情况下，确定估算方法为第三估算方法，其中，第三估算方法包括卡尔曼滤波法。

进一步的，估算方法为第三估算方法，计算模块包括：建立模块，用于利用三阶等效电路建立电池的电池模型；第二确定模块，用于确定电池模型的状态方程和测量方程；第一计算子模块，用于使用状态方程和测量方程计算电池的电池荷电状态值。

进一步地，估算方法为第二估算方法，计算模块包括：第二获取模块，用于获取电池在进入恢复状态之前的工作状态；第二计算子模块，用于在电池在进入恢复状态之前的工作状态为放电状态的情况下，按照第一公式计算电池荷电状态值，其中，第一公式为SOC_t为恢复状态下的电池荷电状态值，SOC_d为放电状态终止时的电池荷电状态值，M为在电池放电过程中的累积电量，t为电池在恢复状态下经历的时间，h为预设的恢复状态的持续时间，Q为电池的实际容量；第三计算子模块，用于在电池在进入恢复状态之前的工作状态为充电状态的情况下，按照第二公式计算电池荷电状态值，其中，第二公式为SOC_t＝SOC_c+M×h×100％，SOC_c为充电状态终止时的电池荷电状态值。

进一步地，估算方法为第一估算方法，计算模块包括：第三获取模块，用于获取电池的开路电压；读取模块，用于读取开路电压对应的电池荷电状态值。

优选的，蓄电池模块131采用锂电池作为电能存储的基础单元。

优选的，所述蓄电池模块131，包括n个电池组，所述DC/DC双向变换器132具有n个DC/DC变流器，n大于等于3，每个电池组均由一个DC/DC变流器控制器充放电，该n个DC/DC变流器均由储能***监控模块控制。

中控模块117至少包括CPU单元、数据存储单元和显示单元。

大电网联络模块112至少包括无线通信设备。

并网监控模块116至少包括用于检测大电网20和微电网10电压、电流和频率的检测设备、数据采集单元和数据处理单元。数据采集单元包含采集预处理和A/D转换模块，采集八路遥测信号量，包含电网侧A相电压、电流，储能电站侧的三相电压、电流。遥测量可通过终端内的高精度电流和电压互感器将强交流电信号(5A/110V)不失真地转变为内部弱电信号，经滤波处理后进入A/D芯片进行模数转换，经转换后的数字信号经数据处理单元计算，获得风电场储能***10侧的三相电压电流值和大电网20侧相电压电流值。本遥测信号量处理采用了高速高密度同步采样、频率自动跟踪技术还有改进的FFT算法，所以精度得到充分保证，能够完成风电场储能***10侧有功、无功和电能从基波到高次谐波分量的测量和处理。

参见附图2，本发明的方法包括如下步骤：

S1.风力发电设备和光伏发电设备监控模块实时获取风力发电设备和光伏发电设备的运行数据，并存储数据；

S2.根据风力发电设备和光伏发电设备的运行数据，对未来预定时刻内的风力发电设备和光伏发电设备的输出功率进行预测；

S3.实时检测获取蓄电池模块的SOC，实时获取微电网内负载功率需求情况；

S4.实时获取大电网的参数和调度信息，预测未来时间微电网与大电网连接点的功率需求；

S5.储能电站与大电网连接点的功率需求、当前蓄电池储能的SOC、当前微电网内负载功率需求、未来风力发电设备和光伏发电设备输出功率作为约束条件，实现微电网的优化运行。

优选的，在步骤S2中采用现有技术中任意风力发电功率预测方法预测风力发电设备的输出功率。

优选的，光伏发电设备包括光伏组件，所述在步骤S2中，采用如下方式预测光伏发电设备的输出功率：

S21.建立光伏组件的出力模型：P_pv(t)＝η_invη_pv(t)G(t)S_pv (1)

式中S_pv为光伏面板接收太阳光照辐射的面积(m²)，G(t)光照辐射数值(W/m²)，η_pv(t)为光伏组件能量转换效率，η_inv为逆变器转换效率；

其中，光伏组件的能量转换效率与环境的温度有关，环境温度对光伏组件能量转换效率的影响为：

${\mathrm{\η}}_{pv}\left(t\right)={\mathrm{\η}}_r\[1-\mathrm{\β}\left(T_C\right(t)-T_{C_r})\]---\left(2\right)$

式中η_r为光伏组件标准温度下测试的参考能量转换效率，β为温度对能量转换效率的影响系数，T_C(t)为t时刻光伏组件的温度值，T_Cr为光伏组件参考标准温度值；光伏组件吸收太阳辐射，会与环境温度一起作用引起光伏组件温度发生变化，其表达式如下：

$T_C\left(t\right)-T=\frac{T_{rat}}{800}G\left(t\right)---\left(3\right)$

式中T为周围的环境温度，T_rat光伏组件运行的额定温度；

S22.实时检测和收集光伏组件的周边的日照信息和环境温度，根据历史日照信息和环境温度，预测未来一段时间内的日照强度和环境温度；

S23.根据未来一段时间内的日照强度和环境温度，利用上述光伏组件的出力模型计算未来时间内的光伏发电设备的发电功率。

优选的，在步骤S4中，采用如下步骤实现微电网和大电网连接点处功率需求的追踪和预测：

S41.规定微电网各处的功率正方向，功率方向以微电网流向大电网为正；

S42.根据微电网各点的实际功率和公共连接点的功率期望计算微网***公共连接点处的功率，计算公式为：

$P_{PCC}=(\underset{i=1}{\overset{N}{\Σ}}{P}_i+\underset{i=1}{\overset{M}{\Σ}}{P}_{i\_S})-P_{Load}---\left(4\right)$

式中P_i为为风光总发电功率预测值，P_{i_S}为储能***向大电网的输出功率，P_PCC为公共连接点向大电网的输出功率，P_Load为流入微电网内负载的功率；

S43.确定P_PCC的取值范围：P_{PCC min}≤P_PCC≤P_{PCC max}，此时可使公共连接点的功率保持在配网可接受的潮流范围内，P_{PCC min}和P_{PCC max}为由配网潮流计算得到的最小门槛值和最大门槛值，当P_PCC的波动超过上述限定门槛时，需要调节微网内的储能元件的输出功率以平抑微网公共连接点处的功率。

优选的，在步骤S5中采用如下方式实现优化运行：

S51.分别获取由风力发电功率预测值组成的第一数据集合以及由光伏发电功率预测值组成的第二数据集合，将所述第一数据集合中的风力发电功率预测值与所述第二数据集合中的光伏发电功率预测值相加后得到由风光总发电功率预测值组成的综合数据集合；

S52.利用多项式拟合算法对所述综合数据集合进行拟合，得到平滑出力公式；

S53.根据所述平滑出力公式计算平滑出力输出值；

S54.根据所述平滑出力输出值与所述风光总发电功率预测值的大小关系及差值绝对值，确定储能***的出力方式及功率输出值；

所述步骤S51具体包括：

获取由风力发电功率预测值组成的第一数据集合P₁：

P₁＝{(p_1i,t_i)|i＝1,2...,m}； (5)

获取由光伏发电功率预测值组成的第二数据集合P₂：

P₂＝{(p_2i,t_i)|i＝1,2...,m}； (6)

将所述第一数据集合P₁中的风力发电功率预测值与所述第二数据集合P₂中的光伏发电功率预测值相加后得到由风光总发电功率预测值组成的综合数据集合P：

P＝{(p_i,t_i)|i＝1,2...,m}； (7)

其中，p_i＝p_1i+p_2i；

其中，P₁为第一数据集合，p_1i为风力发电功率预测值，P₂为第二数据集合，p_2i为风力发电功率预测值，P为综合数据集合，p_i为风光总发电功率预测值，m为第一数据集合、第二数据集合、第三数据集合的样本个数，m为自然数，i为样本序列号，t_i为p_1i、p_2i、p_i对应的时间；

所述步骤S52具体包括：

S521.根据所述综合数据集合P中风光总发电功率预测值p_i的波动趋势，确定所述平滑出力公式的阶数n，其中n为自然数；

S522.拟合具有所述阶数n的多项式：

a_nt_i ⁿ+a_n-1t_i ^n-1+…+a₁t_i+a₀； (8)

其中，a₀～a_n为多项式系数；

步骤S523，计算所述多项式a_nt_i ⁿ+a_n-1t_i ^n-1+…+a₁t_i+a₀与所述风光总发电功率预测值p_i的差值平方和Err：

$Err=\underset{i=0}{\overset{m}{\Σ}}{(a_n{t_i}^n+a_{n-1}{t_i}^{n-1}+\mathrm{...}+a_1{t}_i+a_0-p_i)}^2;---\left(9\right)$

S524.利用最小二乘法计算所述差值平方和Err为最小值时，多项式系数a₀～a_n对应的具体值α₀～α_n；

S525.利用所述具体值α₀～α_n构建平滑出力公式X(t)：

X(t)＝α_ntⁿ+α_n-1t^n-1+…+α₁t+α₀； (10)

其中，t为时间；

所述S53具体为：

计算当t＝t_i时，所述平滑出力公式X(t)的值X(t_i)：

X(t_i)＝α_nt_i ⁿ+α_n-1t_i ^n-1+…+α₁t_i+α₀ (11)

其中，X(t_i)为平滑出力输出值；

所述步骤S54具体包括：

当所述平滑出力输出值X(t_i)大于所述风光总发电功率预测值p_i时，储能***释放电能，且功率输出值为：

p′_i＝X(t_i)-p_i＝(α_nt_i ⁿ+α_n-1t_i ^n-1+…+α₁t_i+α₀)-p_i (12)

其中，p′_i为t_i时刻储能***的功率输出值；

当所述平滑出力输出值X(t_i)小于所述风光总发电功率预测值p_i时，储能***吸收电能，且功率输出值为：

p′_i＝p_i-X(t_i)＝p_i-(α_nt_i ⁿ+α_n-1t_i ^n-1+…+α₁t_i+α₀)； (13)

当所述平滑出力输出值X(t_i)等于所述风光总发电功率预测值p_i时，储能***功率输出值为零。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，做出若干等同替代或明显变型，而且性能或用途相同，都应当视为属于本发明的保护范围。

Claims (1)

1.一种具有可平抑功率波动的储能***的微电网的运行和监控方法，所述该微电网包括：风力发电设备、光伏发电设备、储能***、用于将微电网与大电网连接和隔离的AC/DC双向换流模块一、直流母线、用于连接风力发电设备、光伏发电设备和直流母线的AC/DC双向换流模块二、微电网内负载和监控装置；该储能***包括蓄电池模块、与上述直流母线连接的双向DC/DC变换器；

该监控装置包括：

风力发电设备监控模块，用于实时监控风力发电设备，并对风力发电设备的发电功率进行预测；

光伏发电设备监控模块，用于实时监控光伏发电设备，并对光伏发电设备的发电功率进行预测；

储能***监控模块，可实时监控蓄电池模块的SOC和DC/DC双向变换器；

大电网联络模块，用于实时从大电网调控中心获知大电网的运行情况以及相关调度信息；

并网运行监控模块，用于控制微电网连接或隔离大电网；

负载监控模块，用于实时监控储能电站内的负载；

中控模块，用于确定微电网的运行策略，并向上述监控装置中的各模块发出指令，以执行该运行策略；

总线模块，用于该监控装置的各个模块的通信联络；

该方法包括如下步骤：

S1.风力发电设备和光伏发电设备监控模块实时获取风力发电设备和光伏发电设备的运行数据，并存储数据；

S2.根据风力发电设备和光伏发电设备的运行数据，对未来预定时刻内的风力发电设备和光伏发电设备的输出功率进行预测；

S3.实时检测获取蓄电池模块的SOC，实时获取微电网内负载功率需求情况；

S4.实时获取大电网的参数和调度信息，预测未来时间微电网与大电网连接点的功率需求；

S5.储能电站与大电网连接点的功率需求、当前蓄电池储能的SOC、当前微电网内负载功率需求、未来风力发电设备和光伏发电设备输出功率作为约束条件，实现微电网的优化运行；

光伏发电设备包括光伏组件，在所述步骤S2中，采用如下方式预测光伏发电设备的输出功率：

S21.建立光伏组件的出力模型：P_pv(t)＝η_invη_pv(t)G(t)S_pv (1)

式中S_pv为光伏面板接收太阳光照辐射的面积(m²)，G(t)光照辐射数值(W/m²)，η_pv(t)为光伏组件能量转换效率，η_inv为逆变器转换效率；

其中，光伏组件的能量转换效率与环境的温度有关，环境温度对光伏组件能量转换效率的影响为：

${\mathrm{\η}}_{pv}\left(t\right)={\mathrm{\η}}_r\[1-\mathrm{\β}\left(T_C\right(t)-T_{C_r})\]---\left(2\right)$

式中η_r为光伏组件标准温度下测试的参考能量转换效率，β为温度对能量转换效率的影响系数，T_C(t)为t时刻光伏组件的温度值，T_Cr为光伏组件参考标准温度值；光伏组件吸收太阳辐射，会与环境温度一起作用引起光伏组件温度发生变化，其表达式如下：

$T_C\left(t\right)-T=\frac{T_{rat}}{800}G\left(t\right)---\left(3\right)$

式中T为周围的环境温度，T_rat光伏组件运行的额定温度；

S22.实时检测和收集光伏组件的周边的日照信息和环境温度，根据历史日照信息和环境温度，预测未来一段时间内的日照强度和环境温度；

S23.根据未来一段时间内的日照强度和环境温度，利用上述光伏组件的出力模型计算未来时间内的光伏发电设备的发电功率；

在步骤S4中，采用如下步骤实现微电网和大电网连接点处功率需求的追踪和预测：

S41.规定微电网各处的功率正方向，功率方向以微电网流向大电网为正；

S42.根据微电网各点的实际功率和公共连接点的功率期望计算微网***公共连接点处的功率，计算公式为：

$P_{PCC}=(\underset{i=1}{\overset{N}{\Σ}}{P}_i+\underset{i=1}{\overset{M}{\Σ}}{P}_{i\_S})-P_{Load}---\left(4\right)$

式中P_i为风光总发电功率预测值，P_{i_S}为储能***向大电网的输出功率，P_PCC为公共连接点向大电网的输出功率，P_Load为流入微电网内负载的功率；

S43.确定P_PCC的取值范围：P_{PCC min}≤P_PCC≤P_{PCC max}，此时可使公共连接点的功率保持在配网可接受的潮流范围内，P_{PCC min}和P_{PCC max}为由配网潮流计算得到的最小门槛值和最大门槛值，当P_PCC的波动超过上述限定门槛时，需要调节微网内的储能元件的输出功率以平抑微网公共连接点处的功率；

在步骤S5中采用如下方式实现优化运行：

S51.分别获取由风力发电功率预测值组成的第一数据集合以及由光伏发电功率预测值组成的第二数据集合，将所述第一数据集合中的风力发电功率预测值与所述第二数据集合中的光伏发电功率预测值相加后得到由风光总发电功率预测值组成的综合数据集合；

S52.利用多项式拟合算法对所述综合数据集合进行拟合，得到平滑出力公式；

S53.根据所述平滑出力公式计算平滑出力输出值；

S54.根据所述平滑出力输出值与所述风光总发电功率预测值的大小关系及差值绝对值，确定储能***的出力方式及功率输出值；

所述步骤S51具体包括：

获取由风力发电功率预测值组成的第一数据集合P₁：

P₁＝{(p_1i,t_i)|i＝1,2...,m}； (5)

获取由光伏发电功率预测值组成的第二数据集合P₂：

P₂＝{(p_2i,t_i)|i＝1,2...,m}； (6)

将所述第一数据集合P₁中的风力发电功率预测值与所述第二数据集合P₂中的光伏发电功率预测值相加后得到由风光总发电功率预测值组成的综合数据集合P：

P＝{(p_i,t_i)|i＝1,2...,m}； (7)

其中，p_i＝p_1i+p_2i；

其中，P₁为第一数据集合，p_1i为风力发电功率预测值，P₂为第二数据集合，p_2i为风力发电功率预测值，P为综合数据集合，p_i为风光总发电功率预测值，m为第一数据集合、第二数据集合、第三数据集合的样本个数，m为自然数，i为样本序列号，t_i为p_1i、p_2i、p_i对应的时间；

所述步骤S52具体包括：

S521.根据所述综合数据集合P中风光总发电功率预测值p_i的波动趋势，确定所述平滑出力公式的阶数n，其中n为自然数；

S522.拟合具有所述阶数n的多项式：

a_nt_i ⁿ+a_n-1t_i ^n-1+…+a₁t_i+a₀； (8)

其中，a₀～a_n为多项式系数；

步骤S523，计算所述多项式a_nt_i ⁿ+a_n-1t_i ^n-1+…+a₁t_i+a₀与所述风光总发电功率预测值p_i的差值平方和Err：

$Err=\underset{i=0}{\overset{m}{\mathrm{\Σ}}}{(a_n{t_i}^n+a_{n-1}{t_i}^{n-1}+...+a_1{t}_i+a_0-p_i)}^2;---\left(9\right)$

S524.利用最小二乘法计算所述差值平方和Err为最小值时，多项式系数a₀～a_n对应的具体值α₀～α_n；

S525.利用所述具体值α₀～α_n构建平滑出力公式X(t)：

X(t)＝α_ntⁿ+α_n-1t^n-1+…+α₁t+α₀； (10)

其中，t为时间；

所述S53具体为：

计算当t＝t_i时，所述平滑出力公式X(t)的值X(t_i)：

X(t_i)＝α_nt_i ⁿ+α_n-1t_i ^n-1+…+α₁t_i+α₀ (11)

其中，X(t_i)为平滑出力输出值；

所述步骤S54具体包括：

当所述平滑出力输出值X(t_i)大于所述风光总发电功率预测值p_i时，储能***释放电能，且功率输出值为：

p′_i＝X(t_i)-p_i＝(α_nt_i ⁿ+α_n-1t_i ^n-1+…+α₁t_i+α₀)-p_i (12)

其中，p′_i为t_i时刻储能***的功率输出值；

当所述平滑出力输出值X(t_i)小于所述风光总发电功率预测值p_i时，储能***吸收电能，且功率输出值为：

p′_i＝p_i-X(t_i)＝p_i-(α_nt_i ⁿ+α_n-1t_i ^n-1+…+α₁t_i+α₀)； (13)

当所述平滑出力输出值X(t_i)等于所述风光总发电功率预测值p_i时，储能***功率输出值为零。