CN111404195B - 一种基于智能网关的含分布式电源微电网的调度方法 - Google Patents

Abstract

本发明涉及微电网技术领域，具体涉及一种基于智能网关的含分布式电源微电网的调度方法，包括以下步骤：A）在目标电网与分布式电源连接的节点上安装智能网关；B）计算下一时段特征值，若特征值小于设定阈值，则时段内风光电站仅输出有功功率，并进入步骤D）；C）确定风光电站输出有功功率和无功功率；D）根据节点上的电压和频率，智能网关就地对风光电站或储能站进行功率控制。本发明的实质性效果是：适合具有高渗透率的可再生能源的微电网的调度，安装扩展方便，适合分布式电源的接入；降低传统能源为适应可再生能源接入而新增的成本，提高微电网运行的可靠性和安全性，提高微电网的整体能源利用效率。

Description

一种基于智能网关的含分布式电源微电网的调度方法

技术领域

本发明涉及微电网技术领域，具体涉及一种基于智能网关的含分布式电源微电网的调度方法。

背景技术

传统的能源结构造成了严峻的生态环境压力，迫使人们重新审视能源供给结构问题，使用发展无污染的分布式可再生绿色能源的意愿空前强烈。发展和利用可再生能源作为解决全球能源和环境问题的有效举措之一。近年来随着风能以及光能发电场的快速建设，大量的分布式电源并网投产。造成配网中可再生能源的渗透率快速上升，馈线潮流倒送、局部过电压问题出现，影响供电安全。为应对高密度分布式电源对未来电网发展带来的挑战，需探索研究更加有效的分布式电源信息接入与就地控制技术。通过就地智能控制，提高分布式可再生能源的综合利用效率和配电网的安全性。

如中国专利CN108494022A，公开日2018年9月4日，一种基于微电网中分布式电源的精准调度控制方法，在传统的经济调度方法中嵌入对等频率控制方法，使在分布式电源出力波动或负载波动情况下功率平衡条件被满足，实现微电网中分布式电源的精准调度。在此种控制方法中，负载需求的有功功率和无功功率与发电机发出的有功功率和无功功率平衡；相比于传统集中式电力***中周期性的经济调度方法，其能够保证微电网在不同的运行场景下实现经济调度的精准控制。但其采用负载需求的有功功率和无功功率与发电机发出的有功功率和无功功率平衡的方式，当微电网中存在大量可再生能源发电场时，会导致传统发电机的功率因数运行在不合理的范围内，降低传统发电机的效率，甚至影响传统发电机的正常工作。

发明内容

本发明要解决的技术问题是：目前含分布式电源微电网的能源利用效率不高的技术问题。提出了一种能够提高能源利用效率的基于智能网关的含分布式电源微电网的调度方法。

为解决上述技术问题，本发明所采取的技术方案为：一种基于智能网关的含分布式电源微电网的调度方法，所述分布式电源包括储能站和风光电站，包括以下步骤：A)在目标电网与分布式电源连接的节点w_i,i∈[1,n]上安装智能网关

所述智能网关

具有与调度中心连接的通信模块、监测节点电压电流的监测模块、监测节点相位的相位监测模块、监测节点频率的频率监测模块以及与分布式电源连接的控制模块；B)将一日划分为n个时段t_j,j∈[1,n]，调度中心由下一时段t_i+1负载的有功功率预测值

和无功功率预测值

计算下一时段t_j+1特征值

若特征值

小于设定阈值λ_thr，则t_j+1时段内风光电站G_i,i∈[1,l]仅输出有功功率，l为风光电站的数量，并进入步骤D)，反之，进入步骤C)；C)调度中心计算

并确定风光电站G_i,i∈[1,l]输出有功功率

和无功功率

且满足

D)将时段t_j+1等分为N个小时间段，每个小时间段起始时刻t_{j+1|k,k∈[1,N]}，节点w_i对应的智能网关

读取节点w_i上的电压和频率，根据节点w_i上的电压和频率，智能网关

就地对风光电站G_i或储能站E_i,i∈[1,m]进行功率控制，m为储能站的数量。仅需要通过监测模块、相位监测模块以及频率监测模块获取节点的相应状态数据，就可以完成接入调度任务，安装扩展方便，适合分布式电源的接入。当配网中的无功功率占比较大时，调度分布式电源输出部分无功功率，虽然会降低部分效益，但能够有效提高变压器所工作的功率因数，提高微电网的稳定性，显著降低传统能源为适应可再生能源接入而新增的成本，适合具有高渗透率的可再生能源的微电网的调度。

作为优选，步骤C)中，时段t_j+1内风光电站G_i,i∈[1,l]的有功功率

和无功功率

的分配方法包括：C11)建立评价函数

为馈线i在时段t_j+1内传递的平均有功功率，

为馈线i在时段t_j+1内传递的平均无功功率，

为馈线i的负载上限,h是馈线数量；C12)使用优化算法，获得使评价函数

值最小的风光电站G_i,i∈[1,l]的无功功率

值，有功功率

为风光电站G_i,i∈[1,l]的实时出力。优化馈线潮流，提高馈线的整体传输能力。

作为优选，步骤C12)中，计算风光电站G_i,i∈[1,l]的工作功率因数

时段t_j+1内有功功率

和无功功率

的分配使

总是成立作为优化算法的限制条件，λ′_thr为设定阈值，λ′_thr>λ_thr。确保风光电站的工作状态处于较佳水平，避免过多的可再生能源浪费。

作为优选，步骤D)中，若节点w_i上连接的是风光电站G_i，则执行以下步骤：若节点w_i电压低于标准值，则智能网关

控制风光电站G_i增加无功功率

的输出，若节点w_i电压高于标准值，则智能网关

控制风光电站G_i减少无功功率

的输出。

作为优选，步骤D)中，若节点w_i上连接的是储能站E_i，则执行以下步骤：若节点w_i电压低于标准值，则智能网关

控制储能站E_i增加功率输出或降低充电功率，若节点w_i电压高于标准值，则智能网关

控制储能站E_i增加充电功率或降低放电功率。

作为优选，还执行以下步骤：D11)计算风光电站G_i,i∈[1,l]的实时出力

偏离出力预测值

的偏离概率

τ为偏离率，

σ为偏离率τ|t_j+1出现的概率；D12)时段t_j+1内，实时监控风光电站G_i,i∈[1,l]的实时出力

的偏离率τ|t_j+1，若偏离概率

则增加储能站E_i,i∈[1,m]的充电功率或减小储能站E_i,i∈[1,m]的放电功率，反之，则按设定幅度增大风光电站G_i,i∈[1,l]输出的无功功率

直到实时出力

的偏离率τ|t_j+1对应的偏离概率

回落至σ^thr以下。

作为优选，步骤D11)中，计算偏离概率

的方法包括：D111)统计每个小周期内风光电站G_i,i∈[1,l]的实时出力的均值

r∈[1,N]；D112)将时段t_j+1前的w个时段执行步骤C11)，获得每个时段内的每个小周期内风光电站G_i,i∈[1,l]的实时出力的均值

u∈[j-w,j],r∈[1,N]；D113)统计

的最大值和最小值，

将区间

等分为若干个取值区间，分别统计落入每个区间内的

的数量，将每个取值区间内的

的数量与w·N的比值，作为风光电站G_i,i∈[1,l]的实时出力

落入的取值区间对应的偏离概率

短期内风光电站G_i,i∈[1,l]的实时出力分布概率具有一定的稳定性，当实时出力处于出现概率较低的水平时，配网的调度无需做大幅度的调整，仅需要短期使用储能站平衡实时出力波动即可。

作为优选，步骤D)中，控制储能站E_i,i∈[1,m]增加充电功率或增加放电功率的方法包括：D21)计算储能站E_i,i∈[1,m]的总增加充电功率

ρ为设定裕度系数，ρ>1；D22)建立评价函数

其中z表示小周期序数，

为馈线i在时段t_j+1的第z个小周期的平均负载，

为馈线i的负载上限,h是馈线数量；D23)在第z个小周期开始前的设定时刻，以第(z-1)个小周期至当前时刻内的风光电站G_i的实时出力

的均值计算

的值；D24)使用优化算法，获得使评价函数

值最小的储能站E_i,i∈[1,m]的实时增加充电功率，在下一个小周期开始前的设定时刻返回步骤D23)执行。

本发明的实质性效果是：适合具有高渗透率的可再生能源的微电网的调度，安装扩展方便，适合分布式电源的接入；降低传统能源为适应可再生能源接入而新增的成本，提高微电网运行的可靠性和安全性，提高微电网的整体能源利用效率。

附图说明

图1为实施例一微电网的调度方法流程框图。

图2为实施例一风光电站功率分配方法流程框图。

图3为实施例一智能网关就地功率控制方法流程框图。

图4为实施例一智能网关结构示意图。

其中：100、通信模块，200、监测模块,300、控制模块,400、相位监测模块,500、频率监测模块。

具体实施方式

下面通过具体实施例，并结合附图，对本发明的具体实施方式作进一步具体说明。

实施例一：

一种基于智能网关的含分布式电源微电网的调度方法，分布式电源包括储能站和风光电站，如图1所示，本实施例包括以下步骤：

A)在目标电网与分布式电源连接的节点w_i,i∈[1,n]上安装智能网关

智能网关

具有与调度中心连接的通信模块100、监测节点电压电流的监测模块200、监测节点相位的相位监测模块400、监测节点频率的频率监测模块500以及与分布式电源连接的控制模块300。

B)将一日划分为n个时段t_j,j∈[1,n]，调度中心由下一时段t_i+1负载的有功功率预测值

和无功功率预测值

计算下一时段t_j+1特征值

若特征值

小于设定阈值λ_thr，则t_j+1时段内风光电站G_i,i∈[1,l]仅输出有功功率，l为风光电站的数量，并进入步骤D)，反之，进入步骤C)。

C)调度中心计算

并确定风光电站G_i,i∈[1,l]输出有功功率

和无功功率

且满足

如图2所示，时段t_j+1内风光电站G_i,i∈[1,l]的有功功率

和无功功率

的分配方法包括：C11)建立评价函数

为馈线i在时段t_j+1内传递的平均有功功率，

为馈线i在时段t_j+1内传递的平均无功功率，

为馈线i的负载上限,h是馈线数量；C12)使用优化算法，获得使评价函数

值最小的风光电站G_i,i∈[1,l]的无功功率

值，有功功率

为风光电站G_i,i∈[1,l]的实时出力。优化馈线潮流，提高馈线的整体传输能力。步骤C12)中，计算风光电站G_i,i∈[1,l]的工作功率因数

时段t_j+1内有功功率

和无功功率

的分配使

总是成立作为优化算法的限制条件，λ′_thr为设定阈值，λ′_thr>λ_thr。确保风光电站的工作状态处于较佳水平，避免过多的可再生能源浪费。

D)将时段t_j+1等分为N个小时间段，每个小时间段起始时刻t_{j+1|k,k∈[1,N]}，节点w_i对应的智能网关

读取节点w_i上的电压和频率，根据节点w_i上的电压和频率，智能网关

就地对风光电站G_i或储能站E_i,i∈[1,m]进行功率控制，m为储能站的数量。若节点w_i上连接的是风光电站G_i，则执行以下步骤：若节点w_i电压低于标准值，则智能网关

控制风光电站G_i增加无功功率

的输出，若节点w_i电压高于标准值，则智能网关

控制风光电站G_i减少无功功率

的输出。若节点w_i上连接的是储能站E_i，则执行以下步骤：若节点w_i电压低于标准值，则智能网关

控制储能站E_i增加功率输出或降低充电功率，若节点w_i电压高于标准值，则智能网关

控制储能站E_i增加充电功率或降低放电功率。

如图3所示，D11)计算风光电站G_i,i∈[1,l]的实时出力

偏离出力预测值

的偏离概率

τ为偏离率，

σ为偏离率τ|t_j+1出现的概率；D12)时段t_j+1内，实时监控风光电站G_i,i∈[1,l]的实时出力

的偏离率τ|t_j+1，若偏离概率

则增加储能站E_i,i∈[1,m]的充电功率或减小储能站E_i,i∈[1,m]的放电功率，反之，则按设定幅度增大风光电站G_i,i∈[1,l]输出的无功功率

直到实时出力

的偏离率τ|t_j+1对应的偏离概率

回落至σ^thr以下。

步骤D11)中，计算偏离概率

的方法包括：D111)统计每个小周期内风光电站G_i,i∈[1,l]的实时出力的均值

r∈[1,N]；D112)将时段t_j+1前的w个时段执行步骤C11)，获得每个时段内的每个小周期内风光电站G_i,i∈[1,l]的实时出力的均值

u∈[j-w,j],r∈[1,N]；D113)统计

的最大值和最小值，

将区间

等分为若干个取值区间，分别统计落入每个区间内的

的数量，将每个取值区间内的

的数量与w·N的比值，作为风光电站G_i,i∈[1,l]的实时出力

落入的取值区间对应的偏离概率

短期内风光电站G_i,i∈[1,l]的实时出力分布概率具有一定的稳定性，当实时出力处于出现概率较低的水平时，配网的调度无需做大幅度的调整，仅需要短期使用储能站平衡实时出力波动即可。

本实施例仅需要通过监测模块200、相位监测模块400以及频率监测模块500获取节点的相应状态数据，就可以完成接入调度任务，安装扩展方便，适合分布式电源的接入。当配网中的无功功率占比较大时，调度分布式电源输出部分无功功率，虽然会降低部分效益，但能够有效提高变压器所工作的功率因数，提高微电网的稳定性，显著降低传统能源为适应可再生能源接入而新增的成本，适合具有高渗透率的可再生能源的微电网的调度。

实施例二：

本实施例在实施例一的基础上，进行了进一步的改进，本实施例中，步骤D)中，控制储能站E_i,i∈[1,m]增加充电功率或增加放电功率的方法包括：D21)计算储能站E_i,i∈[1,m]的总增加充电功率

ρ为设定裕度系数，ρ>1；D22)建立评价函数

其中z表示小周期序数，

为馈线i在时段t_j+1的第z个小周期的平均负载，

为馈线i的负载上限,h是馈线数量；D23)在第z个小周期开始前的设定时刻，以第(z-1)个小周期至当前时刻内的风光电站G_i的实时出力

的均值计算

的值；D24)使用优化算法，获得使评价函数

值最小的储能站E_i,i∈[1,m]的实时增加充电功率，在下一个小周期开始前的设定时刻返回步骤D23)执行。优化算法运行时，将变压器负荷限制、馈线潮流限制以及分布式电源出力上限作为限制条件是本领域已知技术，在此不再赘述。相对于实施例一，本实施例通过智能网关提供小周期就地功率控制，进一步提升了微电网运行的安全性和能源综合利用效率。

以上所述的实施例只是本发明的一种较佳的方案，并非对本发明作任何形式上的限制，在不超出权利要求所记载的技术方案的前提下还有其它的变体及改型。

Claims (8)

1.一种基于智能网关的含分布式电源微电网的调度方法，所述分布式电源包括储能站和风光电站，其特征在于，

包括以下步骤：

A)在目标电网与分布式电源连接的节点w_i,i∈[1,n]上安装智能网关

所述智能网关

具有与调度中心连接的通信模块、监测节点电压电流的监测模块、监测节点相位的相位监测模块、监测节点频率的频率监测模块以及与分布式电源连接的控制模块；

B)将一日划分为n个时段t_j,j∈[1,n]，调度中心由下一时段t_j+1负载的有功功率预测值

和无功功率预测值

计算下一时段t_j+1特征值

若特征值

小于设定阈值λ_thr，则t_j+1时段内风光电站G_i,i∈[1,l]仅输出有功功率，l为风光电站的数量，

为出力预测值，并进入步骤D)，反之，进入步骤C)；

C)调度中心计算

并确定风光电站G_i,i∈[1,l]输出有功功率

和无功功率

且满足

D)将时段t_j+1等分为N个小时间段，每个小时间段起始时刻t_{j+1|k,k∈[1,N]}，节点w_i对应的智能网关

读取节点w_i上的电压和频率，根据节点w_i上的电压和频率，智能网关

就地对风光电站G_i或储能站E_i,i∈[1,m]进行功率控制，m为储能站的数量。

2.根据权利要求1所述的一种基于智能网关的含分布式电源微电网的调度方法，其特征在于，

步骤C)中，时段t_j+1内风光电站G_i,i∈[1,l]的有功功率

和无功功率

的分配方法包括：

C11)建立评价函数

为馈线i在时段t_j+1内传递的平均有功功率，

为馈线i在时段t_j+1内传递的平均无功功率，

为馈线i的负载上限,h是馈线数量；

C12)使用优化算法，获得使评价函数

值最小的风光电站G_i,i∈[1,l]的无功功率

值，有功功率

为风光电站G_i,i∈[1,l]的实时出力。

3.根据权利要求2所述的一种基于智能网关的含分布式电源微电网的调度方法，其特征在于，

步骤C12)中，计算风光电站G_i,i∈[1,l]的工作功率因数

时段t_j+1内有功功率

和无功功率

的分配使

总是成立作为优化算法的限制条件，λ′_thr为设定阈值，λ′_thr>λ_thr。

4.根据权利要求2或3所述的一种基于智能网关的含分布式电源微电网的调度方法，其特征在于，

步骤D)中，若节点w_i上连接的是风光电站G_i，则执行以下步骤：

若节点w_i电压低于标准值，则智能网关

控制风光电站G_i增加无功功率

的输出，若节点w_i电压高于标准值，则智能网关

控制风光电站G_i减少无功功率

的输出。

5.根据权利要求1或2或3所述的一种基于智能网关的含分布式电源微电网的调度方法，其特征在于，

步骤D)中，若节点w_i上连接的是储能站E_i，则执行以下步骤：

若节点w_i电压低于标准值，则智能网关

控制储能站E_i增加功率输出或降低充电功率，若节点w_i电压高于标准值，则智能网关

控制储能站E_i增加充电功率或降低放电功率。

6.根据权利要求4所述的一种基于智能网关的含分布式电源微电网的调度方法，其特征在于，

还执行以下步骤：

D11)计算风光电站

的实时出力

偏离出力预测值

的偏离概率

τ为偏离率，

σ为偏离率τ|t_j+1出现的概率；

D12)时段t_j+1内，实时监控风光电站G_i,i∈[1,l]的实时出力

的偏离率τ|t_j+1，若偏离概率

则增加储能站E_i,i∈[1,m]的充电功率或减小储能站E_i,i∈[1,m]的放电功率，反之，则按设定幅度增大风光电站G_i,i∈[1,l]输出的无功功率

直到实时出力

的偏离率τ|t_j+1对应的偏离概率

回落至σ^thr以下。

7.根据权利要求6所述的一种基于智能网关的含分布式电源微电网的调度方法，其特征在于，

步骤D11)中，计算偏离概率

的方法包括：

D111)统计每个小周期内风光电站G_i,i∈[1,l]的实时出力的均值

r∈[1,N]；

D112)将时段t_j+1前的w个时段执行步骤C11)，获得每个时段内的每个小周期内风光电站G_i,i∈[1,l]的实时出力的均值

u∈[j-w,j],r∈[1,N]；

D113)统计

的最大值和最小值

将区间

等分为若干个取值区间，分别统计落入每个区间内的

的数量，将每个取值区间内的

的数量与w·N的比值，作为风光电站G_i,i∈[1,l]的实时出力

落入的取值区间对应的偏离概率

8.根据权利要求5所述的一种基于智能网关的含分布式电源微电网的调度方法，其特征在于，

步骤D)中，控制储能站E_i,i∈[1,m]增加充电功率或增加放电功率的方法包括：

D21)计算储能站E_i,i∈[1,m]的总增加充电功率

ρ为设定裕度系数，ρ>1；

D22)建立评价函数

其中z表示小周期序数，

为馈线i在时段t_j+1的第z个小周期的平均负载，

为馈线i的负载上限,h是馈线数量；

D23)在第z个小周期开始前的设定时刻，以第(z-1)个小周期至当前时刻内的风光电站G_i的实时出力

的均值计算

的值；

D24)使用优化算法，获得使评价函数

值最小的储能站E_i,i∈[1,m]的实时增加充电功率，在下一个小周期开始前的设定时刻返回步骤D23)执行。

Images