CN106451541A - 一种孤岛型微电网的能量控制方法及控制*** - Google Patents
一种孤岛型微电网的能量控制方法及控制*** Download PDFInfo
- Publication number
- CN106451541A CN106451541A CN201610926917.3A CN201610926917A CN106451541A CN 106451541 A CN106451541 A CN 106451541A CN 201610926917 A CN201610926917 A CN 201610926917A CN 106451541 A CN106451541 A CN 106451541A
- Authority
- CN
- China
- Prior art keywords
- power
- energy
- island type
- term
- distributed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000004146 energy storage Methods 0.000 claims abstract description 66
- 230000007774 longterm Effects 0.000 claims abstract description 37
- 238000010248 power generation Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 4
- 230000005611 electricity Effects 0.000 claims description 9
- 240000002853 Nelumbo nucifera Species 0.000 claims description 3
- 235000006508 Nelumbo nucifera Nutrition 0.000 claims description 3
- 235000006510 Nelumbo pentapetala Nutrition 0.000 claims description 3
- 238000007726 management method Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000007599 discharging Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003679 aging effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000009514 concussion Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- H02J3/383—
-
- H02J3/386—
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/388—Islanding, i.e. disconnection of local power supply from the network
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/70—Wind energy
- Y02E10/76—Power conversion electric or electronic aspects
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提供了一种孤岛型微电网的能量控制方法,包括(1)获取相关数据;(2)根据相关数据预测得到短期预测发电功率、长期预测发电功率、负荷短期预测功率和负荷长期预测功率;(3)利用智能控制方法控制储能电池荷电状态阈值上限改变,并确定储能电池的运行模式。本发明同时提供了一种基于所述能量控制方法的孤岛型微电网控制***,包括分布式发电设备、与分布式发电设备连接的储能***、负载以及气象监测仪,所述分布式发电设备与微网控制器连接,所述微网控制器通过局域网与数据库服务器连接,数据库服务器连接于应用分析设备。本发明能够有效提高微电网***的经济运行和储能电池寿命。
Description
技术领域
本发明涉及一种孤岛型微电网的能量控制方法及控制***,属于智能微电网的电力技术领域。
背景技术
随着传统化石能源的日益紧张,人们对环境保护和节能减排问题的日益关注,以及电力负荷对电能质量的高要求,传统电力***面临着越来越严峻的挑战。风能和太阳能以其节能、环保等优点,已越来越受到关注,越来越多地被接入传统电力***。微电网是智能电网建设的重要组成部分,风能、太阳能等作为方便易得储量丰富的清洁可再生能源,是作为分布式电源接入微电网的主要方向。但风、光等间歇性能源作为分布式电源接入微电网,储能电池为了保证***电力质量的稳定,会频繁地切换充放电状态。当充放电处于浅层充放电时对电池的寿命影响小,在较深层次充放电时,对储能电池的寿命影响大。储能电池SOC阈值范围限制的过窄,储能电池无法在发电功率过大时储存过多的电能,在用电量过大时难以保证更长的运行时间,进而会影响***可靠运行;范围限制的过宽,过充与过放现象又会对储能电池的寿命造成较大的影响,会影响蓄电池的使用寿命,影响***的经济运行。微电网的能量管理优化运行方法在满足负荷需求的同时实现综合成本的最优化,是让微电网经济效益得以体现的难点。
微电网运行过程中,储能***是调节分布式电源性能,保证负荷供电质量,抑制***震荡的重要部分。分布式电源提供的功率和负荷需求的功率是动态变化的,功率不平衡时则由储能***吸收或补偿能量。现有的管理方法中,对储能电池SOC(State of Charge,荷电状态)的管理大多基于固定的储能电池电量阈值,深层充放电和浅层充放电对储能电池的寿命具有影响,深层充放电更加有损电池寿命,故这种方法难以应对复杂的充放电情况,也难以保证电池使用寿命和***稳定可靠运行共同达到最优化。
发明内容
为了解决现有技术的不足,本发明提供了一种孤岛型微电网的能量控制方法及控制***,能够让微电网可靠、经济运行。
本发明为解决其技术问题所采用的技术方案是:提供了一种孤岛型微电网的能量控制方法,包括以下步骤:
(1)获取相关数据,所述相关数据包括气象数据、孤岛型微电网中分布式发电设备的负荷功率数据、用户使用习惯数据,以及与分布式发电设备连接的储能***中储能电池的荷电状态数据;
(2)根据气象数据,通过上位机预测模型对孤岛型微电网的各分布式发电设备的短期发电功率和长期发电功率作出预测,得到各分布式发电设备的短期预测发电功率和长期预测发电功率;利用负荷功率和用户使用习惯数据,通过上位机预测模型对各分布式发电设备的负荷的短期需求功率和长期需求功率作出预测,得到各分布式发电设备的负荷短期预测功率和负荷长期预测功率;
(3)利用各分布式发电设备的短期预测发电功率、长期预测发电功率、负荷短期预测功率、负荷长期预测功率以及荷电状态数据,利用智能控制方法控制储能电池荷电状态阈值上限改变,并确定储能电池的运行模式。
步骤(1)所述气象数据包括光伏、风力相关实时、历史气象数据和天气预报数据。
步骤(2)所述上位机预测模型采用超短期光伏、风电功率预测模型以及短期光伏、风电功率预测模型。
步骤(2)所述短期需求功率为0~4小时时间区间的预测数据,所述长期需求功率为1~3天时间区间的预测数据。
步骤(3)所述智能控制方法采用模糊方法。
步骤(3)所述利用智能控制方法控制储能电池荷电状态改变具体包括以下过程:
(a1)设置模糊变量:设置2个输入变量和1个输出变量,其中第一输入变量为短期预测功率偏差率Esr,Esr=Es/Po;其中,Es为短期预测功率偏差值,Es=Pas-Ploads,Pas为孤岛型微电网的各分布式发电设备的短期预测发电功率的总和,Ploads为孤岛型微电网的各分布式发电设备的负荷的短期需求功率的总和,Po为孤岛型微电网的标准功率偏差,设为孤岛型微电网的最大发电功率与最小负荷功率差值;第二输入变量为长期预测功率偏差率Elr,Elr=El/Po,El为长期预测功率偏差值,El=Pal-Ploadl,Pal为孤岛型微电网的各分布式发电设备的长期预测发电功率的总和,Ploadl为孤岛型微电网的各分布式发电设备的负荷的长期需求功率的总和;将储能电池荷电状态的上限阈值Sr设置为输出变量;
(a2)设置模糊化过程、论域及模糊变量:
模糊化过程设置为:Esr、Elr及Sr的模糊化采用的量化因子均为1,隶属度函数均采用三角形隶属函数;
论域设置为:Esr∈[-1.0,1.0],Elr∈[-1.0,1.0],Sr∈[0.5,0.9];
模糊变量设置为:Esr的模糊变量为{NB1,NS1,ZO1,PS1,PB1};Elr的模糊变量为{NB2,NS2,ZO2,PS2,PB2};Sr的模糊变量为{VS,S,M,B,VB};
(a3)将Esr和Elr模糊化后通过以下规则得到Sr:
将Sr经过清晰化接口进行清晰化,得到储能电池荷电状态上限阈值Sr;
(a4)得到储能电池荷电状态上限阈值Sr后,利用以下规则控制储能电池的运行模式:
其中,Pa表示孤岛型微电网的各分布式发电设备的实时发电功率总和,Pload表示孤岛型微电网的负荷的实时需求功率的总和,C、D和N分别表示储能电池处于充电、放电和不操作状态;其中不操作状态时,进行限制负荷功率或进行关机操作;VS1、S1、M1、B1、VB1分别表示储能电池与控制阈值VS、S、M、B、VB对应的剩余容量值;当储能电池达到设置的储能电池荷电状态阈值下限时,进行限制负荷操作。
本发明同时提供了一种基于所述能量控制方法的孤岛型微电网控制***,包括分布式发电设备,以及与分布式发电设备连接的储能***、负载和气象监测仪,所述分布式发电设备与微网控制器连接,所述微网控制器通过局域网与数据库服务器连接,数据库服务器连接于应用分析设备。
所述发电设备包括光伏发电***和/或风力发电***。
所述分布式发电设备通过RS485与微网控制器连接。
本发明基于其技术方案所具有的有益效果在于:
(1)本发明的孤岛型微电网的能量控制方法充分考虑了气象数据,并利用预测模型进行预测,将预测结果考虑在内,能够提前对孤岛型微电网进行调控,对于整个微电网能量控制具有前瞻性控制的意义;
(2)本发明的孤岛型微电网的能量控制方法利用模糊方法进行能量控制,容易实现,适用于大规模分布式的微电网***,控制造成的时间开销小,控制效果理想,能够同时兼顾微电网的经济性和可靠性;
(3)通过对比试验,与不使用本发明的孤岛型微电网的能量控制方法的***相比,本发明的孤岛型微电网的能量控制方法能够显著减少***非正常运行时间,说明本发明提供的孤岛型微电网的能量控制方法对于提高微电网的经济稳定运行具有实际效用;
(4)利用本发明的孤岛型微电网的能量控制方法,可有效提高微电网***的经济运行和储能电池寿命;
(5)本发明同时提供的基于孤岛型微电网的能量控制方法的控制***,能够为实现该孤岛型微电网的能量控制方法提供一个硬件平台。
附图说明
图1是本发明的孤岛型微电网的能量控制***的控制通信拓扑示意图。
图2是本发明的孤岛型微电网的能量控制方法的原理框图。
图3是本发明模糊控制规则一实例三维视图。
图4是本发明实施例的风1、风2、负荷实际功率曲线图。
图5是本发明实施例短期、长期预测功率偏差率曲线图。
图6是本发明实施例的两种能量控制方法的储能电池荷电状态曲线图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
本发明提供了一种孤岛型微电网的能量控制方法,参照图2,包括以下步骤:
(1)获取相关数据,所述相关数据包括气象数据、孤岛型微电网中分布式发电设备的负荷功率数据、用户使用习惯数据,以及与分布式发电设备连接的储能***中储能电池的荷电状态数据;
(2)根据气象数据,通过上位机预测模型对孤岛型微电网的各分布式发电设备的短期发电功率和长期发电功率作出预测,得到各分布式发电设备的短期预测发电功率和长期预测发电功率;利用负荷功率和用户使用习惯数据,通过上位机预测模型对各分布式发电设备的负荷的短期需求功率和长期需求功率作出预测,得到各分布式发电设备的负荷短期预测功率和负荷长期预测功率;
以一个具有两个风力分布式电源的微电网***为例,分布式电源1发电功率P1,分布式电源2发电功率P2,Pa为***发电总功率,Pa=P1+P2。根据气象数据,尤其是历史气象数据,计算分布式电源1短期预测发电功率P1s和长期预测发电功率P1l;根据历史气象数据计算分布式电源2短期预测发电功率P2s和长期预测发电功率P2l,负荷短期预测功率Ploads,负荷长期预测功率Ploadl。计算***短期预测发电总功率Pas,Pas=P1s+P2s,长期预测发电总功率Pal,Pal=P1l+P2l,负荷短期预测功率Ploads,长期预测功率Ploadl,储能电池剩余容量,储能电池SOC阈值及运行模式。然后对上述数据分析计算后,***依照能量管理策略进行能量管理优化运行。
(3)利用各分布式发电设备的短期预测发电功率、长期预测发电功率、负荷短期预测功率、负荷长期预测功率以及荷电状态数据,利用智能控制方法控制储能电池荷电状态阈值上限改变,并确定储能电池的运行模式。由于孤岛模式下的微网***要优先保证运行的稳定性,SOC阈值下限适宜固定在一下限值,因此只需考虑储能电池SOC阈值上限的控制。然后根据电池实际容量等***信息确定储能电池的运行模式。
所述气象数据包括光伏、风力相关实时、历史气象数据和天气预报数据,如光照强度、温度、湿度、气压、风速、风向等。
步骤(2)所述短期需求功率为0~4小时时间区间的预测数据,所述长期需求功率为1~3天时间区间的预测数据。所述上位机预测模型采用超短期光伏、风电功率预测模型以及短期光伏、风电功率预测模型。此处超短期和短期属于功率预测领域概念,分别对应步骤(2)所述的短期和长期。
步骤(3)所述智能控制方法采用模糊方法,具体包括以下过程:
(a1)设置模糊变量:设置2个输入变量和1个输出变量,其中第一输入变量为短期预测功率偏差率Esr,Esr=Es/Po;其中,Es为短期预测功率偏差值,Es=Pas-Ploads,Pas为孤岛型微电网的各分布式发电设备的短期预测发电功率的总和,Ploads为孤岛型微电网的各分布式发电设备的负荷的短期需求功率的总和,Po为孤岛型微电网的标准功率偏差,根据具体微网***运行差异设置,仿真试验中设置为实际运行阶段同时刻差值的最大值,本实施例中设为孤岛型微电网的运行中最大发电功率与最小负荷功率差值;第二输入变量为长期预测功率偏差率Elr,Elr=El/Po,El为长期预测功率偏差值,El=Pal-Ploadl,Pal为孤岛型微电网的各分布式发电设备的长期预测发电功率的总和,Ploadl为孤岛型微电网的各分布式发电设备的负荷的长期需求功率的总和;将储能电池荷电状态的上限阈值Sr设置为输出变量;
(a2)设置模糊化过程、论域及模糊变量:
模糊化过程设置为:Esr、Elr及Sr的模糊化采用的量化因子均为1,隶属度函数均采用三角形隶属函数;
论域设置为:Esr∈[-1.0,1.0],Elr∈[-1.0,1.0],Sr∈[0.5,0.9];
模糊变量设置为:Esr的模糊变量为{NB1,NS1,ZO1,PS1,PB1};Elr的模糊变量为{NB2,NS2,ZO2,PS2,PB2};Sr的模糊变量为{VS,S,M,B,VB};
(a3)将Esr和Elr模糊化后通过以下查询表得到Sr:
将Sr经过清晰化接口进行清晰化,得到储能电池荷电状态上限阈值Sr;图3为此实例中模糊控制策略三维视图,对模糊控制不同输入量与输出量的关系进行可视化描述。
(a4)得到储能电池荷电状态上限阈值Sr后,利用下表控制储能电池的运行模式:
表中,Pa表示孤岛型微电网的各分布式发电设备的实时发电功率总和,Pload表示孤岛型微电网的负荷的实时需求功率的总和,C、D和N分别表示储能电池处于充电、放电和不操作状态,储能不操作时表示需要限制风光发电功率或者***电量无法供给使用,需要限制负荷功率或进行关机操作;VS1、S1、M1、B1、VB1分别表示储能电池与控制阈值VS、S、M、B、VB对应的剩余容量值。当储能电池达到SOC阈值下限时,***将进行限制负荷操作。
依照以上方法建立一个仿真***,模型为一种含两个风力分布式电源的微电网,储能电池容量约为400kWh,风力1、风力2和负荷功率实际曲线如图4所示。图4数据是连续5天480小时的风力1、风力2发电功率和负荷需求功率曲线。其中风力1,风力2发电功率曲线来源于为国内两个风电场运行部分数据曲线,负载功率曲线来自国内某孤岛微电网运行部分数据曲线。图5为基于功率预测的微网短期预测功率偏差率Esr、长期预测功率偏差率Elr曲线图。
使用固定阈值的能量管理方法为方法一,设置SOC阈值上下限分别为为80%和20%。使用本发明所述孤岛型微电网的能量控制方法为方法二,设置SOC阈值下限为20%,阈值上限将本发明所述模糊控制方法输出的结果近似处理为90%、80%、70%、60%和50%五档。
经过微网***仿真运行后得到储能电池SOC曲线,如图6。对两种方法仿真处理后的曲线可以观察出:
使用方法一储能电池SOC固定阈值电池充放电时间处于较浅层(30%-70%)时间为40.75h。使用本专利所述方法二,储能电池SOC阈值智能控制时,电池充放电时间处于较浅层(30%-70%)时间为78.25h。使用方法一储能电池SOC固定阈值时,***非正常运行时间为10h。使用本专利所述方法二,储能电池SOC阈值智能控制时,***非正常运行时间为8.25h。由以上仿真实例,可以说明本发明的方法对于提高风光储微电网的经济稳定运行具有实际效用。
本发明同时提供了一种所述能量控制方法的孤岛型微电网控制***,参照图1,包括分布式发电设备(如图中的分布式电源1至分布式电源n),以及与分布式发电设备连接的储能***、负载和气象监测仪,所述分布式发电设备与微网控制器连接,所述微网控制器通过局域网与数据库服务器连接,数据库服务器连接于应用分析设备(如微电网主站服务器,人机互动设备等)。其中主站服务器可以用于分析处理底层设备运行数据、环境检测仪数据、天气预报气象数据,传输给微网控制器以决定微网***运行策略,并通过微网路由器下发底层设备执行运行命令。分布式发电设备还与各自的通信控制设备连接,如***通路线路等。所述发电设备包括光伏发电***和/或风力发电***。所述分布式发电设备通过RS485与微网控制器连接。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种孤岛型微电网的能量控制方法,其特征在于包括以下步骤:
(1)获取相关数据,所述相关数据包括气象数据、孤岛型微电网中分布式发电设备的负荷功率数据、用户使用习惯数据,以及与分布式发电设备连接的储能***中储能电池的荷电状态数据;
(2)根据气象数据,通过上位机预测模型对孤岛型微电网的各分布式发电设备的短期发电功率和长期发电功率作出预测,得到各分布式发电设备的短期预测发电功率和长期预测发电功率;利用负荷功率和用户使用习惯数据,通过上位机预测模型对各分布式发电设备的负荷的短期需求功率和长期需求功率作出预测,得到各分布式发电设备的负荷短期预测功率和负荷长期预测功率;
(3)利用各分布式发电设备的短期预测发电功率、长期预测发电功率、负荷短期预测功率、负荷长期预测功率以及荷电状态数据,利用智能控制方法控制储能电池荷电状态阈值上限改变,并确定储能电池的运行模式。
2.根据权利要求1所述的孤岛型微电网的能量控制方法,其特征在于:步骤(1)所述气象数据包括光伏、风力相关实时、历史气象数据和天气预报数据。
3.根据权利要求1所述的孤岛型微电网的能量控制方法,其特征在于:步骤(2)所述上位机预测模型采用超短期光伏、风电功率预测模型以及短期光伏、风电功率预测模型。
4.根据权利要求1所述的孤岛型微电网的能量控制方法,其特征在于:步骤(2)所述短期需求功率为0~4小时时间区间的预测数据,所述长期需求功率为1~3天时间区间的预测数据。
5.根据权利要求1所述的孤岛型微电网的能量控制方法,其特征在于:步骤(3)所述智能控制方法采用模糊方法。
6.根据权利要求5所述的孤岛型微电网的能量控制方法,其特征在于:步骤(3)所述利用智能控制方法控制储能电池荷电状态改变具体包括以下过程:
(a1)设置模糊变量:设置2个输入变量和1个输出变量,其中第一输入变量为短期预测功率偏差率Esr,Esr=Es/Po;其中,Es为短期预测功率偏差值,Es=Pas-Ploads,Pas为孤岛型微电网的各分布式发电设备的短期预测发电功率的总和,Ploads为孤岛型微电网的各分布式发电设备的负荷的短期需求功率的总和,Po为孤岛型微电网的标准功率偏差,设为孤岛型微电网的最大发电功率与最小负荷功率差值;第二输入变量为长期预测功率偏差率Elr,Elr=El/Po,El为长期预测功率偏差值,El=Pal-Ploadl,Pal为孤岛型微电网的各分布式发电设备的长期预测发电功率的总和,Ploadl为孤岛型微电网的各分布式发电设备的负荷的长期需求功率的总和;将储能电池荷电状态的上限阈值Sr设置为输出变量;
(a2)设置模糊化过程、论域及模糊变量:
模糊化过程设置为:Esr、Elr及Sr的模糊化采用的量化因子均为1,隶属度函数均采用三角形隶属函数;
论域设置为:Esr∈[-1.0,1.0],Elr∈[-1.0,1.0],Sr∈[0.5,0.9];
模糊变量设置为:Esr的模糊变量为{NB1,NS1,ZO1,PS1,PB1};Elr的模糊变量为{NB2,NS2,ZO2,PS2,PB2};Sr的模糊变量为{VS,S,M,B,VB};
(a3)将Esr和Elr模糊化后通过以下规则得到Sr:
将Sr经过清晰化接口进行清晰化,得到储能电池荷电状态上限阈值Sr;
(a4)得到储能电池荷电状态上限阈值Sr后,利用以下规则控制储能电池的运行模式:
其中,Pa表示孤岛型微电网的各分布式发电设备的实时发电功率总和,Pload表示孤岛型微电网的负荷的实时需求功率的总和,C、D和N分别表示储能电池处于充电、放电和不操作状态;其中不操作状态时,进行限制负荷功率或进行关机操作;VS1、S1、M1、B1、VB1分别表示储能电池与控制阈值VS、S、M、B、VB对应的剩余容量值;当储能电池达到设置的储能电池荷电状态阈值下限时,进行限制负荷操作。
7.一种基于权利要求1所述能量控制方法的孤岛型微电网控制***,其特征在于:包括分布式发电设备,以及与分布式发电设备连接的储能***、负载和气象监测仪,所述分布式发电设备与微网控制器连接,所述微网控制器通过局域网与数据库服务器连接,数据库服务器连接于应用分析设备。
8.根据权利要求7所述的孤岛型微电网控制***,其特征在于:所述发电设备包括光伏发电***和/或风力发电***。
9.根据权利要求7所述的孤岛型微电网控制***,其特征在于:所述分布式发电设备通过RS485与微网控制器连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610926917.3A CN106451541B (zh) | 2016-10-31 | 2016-10-31 | 一种孤岛型微电网的能量控制方法及控制*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610926917.3A CN106451541B (zh) | 2016-10-31 | 2016-10-31 | 一种孤岛型微电网的能量控制方法及控制*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106451541A true CN106451541A (zh) | 2017-02-22 |
CN106451541B CN106451541B (zh) | 2019-01-01 |
Family
ID=58177201
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610926917.3A Active CN106451541B (zh) | 2016-10-31 | 2016-10-31 | 一种孤岛型微电网的能量控制方法及控制*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106451541B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106849064A (zh) * | 2017-03-01 | 2017-06-13 | 上海海能信息科技有限公司 | 一种基于气象数据的区域电网负荷预测管理*** |
CN107994649A (zh) * | 2017-12-26 | 2018-05-04 | 长沙龙生光启新材料科技有限公司 | 一种太阳能发电控制方法 |
CN108092313A (zh) * | 2017-12-26 | 2018-05-29 | 长沙龙生光启新材料科技有限公司 | 一种太阳能发电*** |
CN108092314A (zh) * | 2017-12-26 | 2018-05-29 | 长沙龙生光启新材料科技有限公司 | 一种分布式发电*** |
CN109787229A (zh) * | 2019-02-21 | 2019-05-21 | 国网山东省电力公司临沂供电公司 | 一种多能协同互补的区域能源微电网 |
CN114156939A (zh) * | 2021-11-25 | 2022-03-08 | 珠海格力电器股份有限公司 | 微电网***及其控制方法 |
CN117856339A (zh) * | 2024-03-08 | 2024-04-09 | 江苏卓特电气科技有限公司 | 一种基于大数据的微电网电能数据控制***及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103326388A (zh) * | 2013-07-04 | 2013-09-25 | 中国能源建设集团广东省电力设计研究院 | 基于功率预测的微电网储能***及容量配置方法 |
CN103326389A (zh) * | 2013-07-04 | 2013-09-25 | 中国能源建设集团广东省电力设计研究院 | 基于功率预测的微电网储能***及容量配置方法 |
CN105846418A (zh) * | 2016-05-17 | 2016-08-10 | 南京国电南自电网自动化有限公司 | 一种孤岛型微电网实时调度能量管理*** |
-
2016
- 2016-10-31 CN CN201610926917.3A patent/CN106451541B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103326388A (zh) * | 2013-07-04 | 2013-09-25 | 中国能源建设集团广东省电力设计研究院 | 基于功率预测的微电网储能***及容量配置方法 |
CN103326389A (zh) * | 2013-07-04 | 2013-09-25 | 中国能源建设集团广东省电力设计研究院 | 基于功率预测的微电网储能***及容量配置方法 |
CN105846418A (zh) * | 2016-05-17 | 2016-08-10 | 南京国电南自电网自动化有限公司 | 一种孤岛型微电网实时调度能量管理*** |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106849064A (zh) * | 2017-03-01 | 2017-06-13 | 上海海能信息科技有限公司 | 一种基于气象数据的区域电网负荷预测管理*** |
CN106849064B (zh) * | 2017-03-01 | 2020-08-28 | 上海海能信息科技有限公司 | 一种基于气象数据的区域电网负荷预测管理*** |
CN107994649A (zh) * | 2017-12-26 | 2018-05-04 | 长沙龙生光启新材料科技有限公司 | 一种太阳能发电控制方法 |
CN108092313A (zh) * | 2017-12-26 | 2018-05-29 | 长沙龙生光启新材料科技有限公司 | 一种太阳能发电*** |
CN108092314A (zh) * | 2017-12-26 | 2018-05-29 | 长沙龙生光启新材料科技有限公司 | 一种分布式发电*** |
CN107994649B (zh) * | 2017-12-26 | 2020-11-17 | 泉州英菲尔信息技术有限公司 | 一种太阳能发电控制方法 |
CN108092314B (zh) * | 2017-12-26 | 2021-04-02 | 李娥 | 一种分布式发电*** |
CN109787229A (zh) * | 2019-02-21 | 2019-05-21 | 国网山东省电力公司临沂供电公司 | 一种多能协同互补的区域能源微电网 |
CN114156939A (zh) * | 2021-11-25 | 2022-03-08 | 珠海格力电器股份有限公司 | 微电网***及其控制方法 |
CN117856339A (zh) * | 2024-03-08 | 2024-04-09 | 江苏卓特电气科技有限公司 | 一种基于大数据的微电网电能数据控制***及方法 |
CN117856339B (zh) * | 2024-03-08 | 2024-06-07 | 江苏卓特电气科技有限公司 | 一种基于大数据的微电网电能数据控制***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106451541B (zh) | 2019-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106451541B (zh) | 一种孤岛型微电网的能量控制方法及控制*** | |
CN106505560B (zh) | 一种基于响应优先级的多策略协调的电网优化运行方法 | |
CN104836259B (zh) | 一种多能源船舶微网实时能量优化调度方法 | |
CN106570581A (zh) | 能源互联网环境下基于属性关联的负荷预测***及其方法 | |
CN105243476B (zh) | 一种用于高渗透分布式光伏的分层储能能量管理*** | |
US20130096725A1 (en) | Electric Power Control Method, Program, and Electric Power Control Apparatus | |
CN106022530A (zh) | 一种电力需求侧柔性负荷有功功率预测方法 | |
CN111900719B (zh) | 考虑柔性可控负荷的电网充裕度评估方法、装置及*** | |
CN106410781A (zh) | 一种电力用户需求响应潜力确定方法 | |
CN106447131A (zh) | 独立型微电网光伏输出功率预测方法及能量调控方法 | |
CN112950001B (zh) | 基于云边端闭环架构的智慧能量管控***及方法 | |
WO2023083235A1 (zh) | 一种分散式预测电网的优化方法及*** | |
CN107968420A (zh) | 基于分布式极值搜索算法的储能***及其能量优化管理方法 | |
CN112380694A (zh) | 一种基于差异化可靠性需求的配电网优化规划方法 | |
CN106485603A (zh) | 一种应用于风力发电的短期风速预测方法 | |
Zamanidou et al. | Day‐ahead scheduling of a hybrid renewable energy system based on generation forecasting using a deep‐learning approach | |
CN116454983B (zh) | 一种风光储联合最优控制管理方法、***及设备 | |
CN106771707A (zh) | 一种线损分析服务终端 | |
CN115622096A (zh) | 基于负荷特性的并网型微电网***容量配置方法及*** | |
CN115619159A (zh) | 一种智慧园区能源消耗分析调度方法和*** | |
CN115513945A (zh) | 一种基于物联网的分布式电源管理方法 | |
Isanbaev et al. | Towards Energy Efficiency in Microgrids for Smart Sustainable Cities | |
CN110298715A (zh) | 一种基于分布式储能的能源交易***和方法 | |
Han et al. | Requirements analysis and application research of big data in power network dispatching and planning | |
Li et al. | Application of Energy Consumption Model and Energy Conservation Technology in New Infrastructure |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |