CN103762616A - 一种基于功率预测方法的混合储能光伏发电系统 - Google Patents

Abstract

本发明提供了一种基于功率预测方法的混合储能光伏发电系统，包括分别与储能控制器相连的储能单元和逆变器；储能控制器包括控制模块、光伏功率预测模块和DC-DC功率模块；控制模块用于调整储能单元的工作模式；光伏功率预测模块依据系统中光伏电池的输出功率进行光伏发电功率预测，并将功率预测值发送给逆变器。和现有技术相比，本发明提供的一种基于功率预测方法的混合储能光伏发电系统，可以减小储能单元容量，提高储能利用率；使得储能单元不会频繁启动来补偿光伏电池和逆变器之间的功率差值，延长储能单元的使用寿命，平滑逆变输出曲线，减小对电网的冲击。

Description

一种基于功率预测方法的混合储能光伏发电系统

技术领域

本发明涉及一种混合储能光伏发电系统，具体涉及一种基于功率预测方法的混合储能光伏发电系统。

背景技术

光伏发电系统并网工作时通过配置储能单元从而平抑功率波动，提高电网接纳能力。储能单元作为光伏发电系统的功率补偿装置，其输出功率的合理控制和对光伏功率的预测对光伏发电系统稳定运行至关重要。

配置储能单元时大部分光伏发电系统只对光伏组件的功率输出曲线进行简单的补偿，不具备完善的功率预测算法，当光伏能量的波动性大时所需配置的储能单元容量也较大，同时储能单元频繁地深度充放电，会严重影响储能单元的使用寿命及其能量利用率。

光伏功率预测方法包括统计方法和物理方法；统计方法是对历史数据进行统计分析，找出其内在规律并用于预测；物理方法是将气象预测数据作为输入，采用物理方程进行预测。光伏功率预测方式包括直接预测和间接预测；直接预测方式是直接对光伏电站的输出功率进行预测；间接预测方式是首先对地表辐照强度进行预测，然后根据光伏电站出力模型得到光伏电站的输出功率；从时间尺度上可以分为超短期功率预测和短期功率预测。超短期功率预测的时间尺度为30min-6h，短期功率预测的时间尺度一般为1-2d。现有技术中对光伏功率预测的研究主要侧重于光伏电站功率预测，以满足电网调度要求；然而现有的光伏功率预测算法，如BP神经网络、相似日典型趋势方法和最小二乘支持向量机方法的影响因素多、且对天气预测的准确性依赖太大、模型复杂，实用性不强；上述方法主要追求精确预测，平滑效果不佳，而在配置储能的光伏发电系统中，平滑光伏波动是最主要的任务，在此基础上跟踪短时的功率波动，以及精确的预测。因此，提供一种实用性强、平滑效果好的超短期功率预测方法显得尤为重要。

发明内容

为了满足现有技术的需要，本发明提供了一种基于功率预测方法的混合储能光伏发电系统，所述系统包括分别与储能控制器相连的储能单元和逆变器；所述储能控制器包括控制模块、光伏功率预测模块和DC-DC功率模块；

所述控制模块用于调整所述储能单元的工作模式；所述光伏功率预测模块依据所述系统中光伏电池的输出功率进行光伏发电功率预测，并将功率预测值经过效率变换发送给所述逆变器。

优选的，所述储能单元包括超级电容和锂电池；所述DC-DC功率模块包括光伏电池DC-DC功率模块、超级电容DC-DC功率模块和锂电池DC-DC功率模块；

所述光伏电池DC-DC功率模块包括电压传感器和电流传感器，用于采集所述光伏电池的输出信号，并将所述输出信号发送到所述光伏功率预测模块；

优选的，所述光伏功率预测模块包括信号调理电路、光伏预测功率计算模块和数字信号处理电路；

所述信号调理电路对所述光伏电池的输出信号进行转换，并将转换后的输出信号发送到所述光伏预测功率计算模块；所述数字信号处理电路将所述光伏预测功率计算模块输出的功率预测值进行效率变换后作为功率输出指令发送到所述逆变器；

优选的，所述光伏预测功率计算模块采用趋势移动平均法对所述光伏电池的输出功率进行光伏发电功率预测，包括：

步骤1：采用趋势移动平均法获取所述光伏电池第i点输出功率的预测值p_i′，i＝1,2,3...M,...，所述M依据实际检测要求人工设定；

步骤2：依据所述预测值p_i′获取所述逆变器的功率输出指令p_io′；

若i＝1,2，则功率输出指令p_io′为第i点输出功率的实际值p_i×η；

若i＝3，则功率输出指令p_io′=(2×p_i-1′-p_i-2′)×η；

若i≥4，则依据所述预测值p_i′分别获取第i点输出功率的趋势移动平均预测值p_i(pi)以及偏差趋势移动平均预测值r_i(pi)，所述功率输出指令p_io′＝(p_i(pi)-r_i(pi))×η；

其中，所述η为储能控制器的效率；

优选的，采用趋势移动平均法获取所述趋势移动平均预测值P_i(pi)=a_i+b_i×T，所述a_i＝2M_i′-M_i″，所述T＝1，所述 $b_i=\frac{2}{N-1}(M_i^{\′}-M_i^{\′\′}),$ 所述 $M_i^{\′}=\frac{p_{i-N+1}^{\′}+p_{i-N+2}^{\′}+...+p_i^{\′}}{N},$ 所述 $M_i^{\′\′}=\frac{M_{i-N+1}^{\′}+M_{i-N+2}^{\′}+...+M_i^{\′}}{N};$

若4≤i≤2M-1，则所述N为不大于

的最大整数；

若i≥2M，则所述N＝M；

优选的，采用趋势移动平均法获取所述偏差趋势移动平均预测值r_i(pi)=a_i(r)+b_i(r)×T，所述T＝1，所述a_i(r)＝2M_i(r)′-M_i(r)″，所述

所述 $M_{i\left(r\right)}^{\′}=\frac{r_{i-N+1}+r_{i-N+2}+...+r_i}{N},$ 所述 $M_i^{\′\′}=\frac{M_{i-N+1\left(r\right)}^{\′}+M_{i-N+2\left(r\right)}^{\′}+...+M_{i\left(r\right)}^{\′}}{N},$ 所述r_i为光伏电池第i点输出功率的实际值与预测值的偏差。

与最接近的现有技术相比，本发明的优异效果是：

1、本发明技术方案中，采用光伏功率预测模块可以减小储能单元容量，提高储能利用率；使得储能单元不会频繁启动来补偿光伏电池和逆变器之间的功率差值，延长储能单元的使用寿命；

2、本发明技术方案中，采用光伏功率预测模块可以平滑逆变输出曲线，减小对电网的冲击；

3、本发明技术方案中，采用的趋势移动平均法其影响因素少，可操作性强，平滑效果好；

4、本发明提供的一种基于功率预测方法的混合储能光伏发电系统，可以实现锂电池和超级电容的优势互补，充分利用延长锂电池，降低系统的经济成本。

附图说明

下面结合附图对本发明进一步说明。

图1是：本发明实施例中一种基于功率预测方法的混合储能光伏发电系统结构图；

图2是：本发明实施例中功率预测方法流程图；

图3是：本发明实施例中晴天天气的光伏电池、储能控制器输出功率曲线；

图4是：本发明实施例中多云天气的光伏电池、储能控制器输出功率曲线；

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。

本发明提了一种基于功率预测方法的混合储能光伏发电系统，如图1所示，所述系统包括储能控制器、储能单元、光伏电池和逆变器；储能单元、光伏电池和逆变器均与储能控制器相连；储能单元包括超级电容和锂电池；

储能控制器包括控制模块、光伏功率预测模块和DC-DC功率模块；DC-DC功率模块包括光伏电池DC-DC功率模块、超级电容DC-DC功率模块和锂电池DC-DC功率模块；

控制模块用于调整储能单元的工作模式：超级电容吸收短时光伏功率波动，锂电池吸收长期光伏功率波动，使得光伏电池工作在最大功率点跟踪状态（Maximum Power PointTracking，MPPT），超级电容工作在恒压源状态，用于稳定逆变器侧的母线电压，锂电池工作在恒流源状态。

光伏电池DC-DC功率模块包括电压传感器和电流传感器，用于采集光伏电池的输出信号，并将输出信号发送到光伏功率预测模块；光伏功率预测模块依据系统中光伏电池的输出功率进行光伏发电功率预测，并将功率预测值经过效率变换后发送给逆变器。

光伏功率预测模块包括信号调理电路、光伏预测功率计算模块和数字信号处理电路；

信号调理电路对光伏电池的输出信号进行转换，并将转换后的输出信号发送到光伏预测功率计算模块；数字信号处理电路将光伏预测功率计算模块输出的功率预测值进行效率变换后作为功率输出指令发送到所述逆变器，即将功率预测值与储能控制器效率η的乘积作为功率输出指令发送到所述逆变器。

如图2所示本发明实施例中光伏预测功率计算模块采用趋势移动平均法对光伏电池的输出功率进行光伏发电功率预测，包括：

步骤1：采用趋势移动平均法获取光伏电池第i点输出功率的预测值p_i′，i＝1,2,3...M,...，所述M依据实际检测要求人工设定；

信号调理电路采集光伏电池的输出信号，包括输出电压、输出电流，并得到光伏电池的输出功率（光伏功率的实际值pi），通过经信号调理电路转换后的输出信号的时间序列{p_i}构建直线趋势预测模型p_i+T′＝a_i+b_i×T,T＝1,2...；i为当前时间，T为由i至预测期的时间， $\left\{\begin{array}{c}{a}_i=2M_i^{\′}-M_i^{\′\′}\\ b_i=\frac{2}{N-1}(M_i^{\′}-M_i^{\′\′})\end{array}\right.$ 为平滑系数， $M_i^{\′}=\frac{p_{i-N+1}+p_{i-N+2}+...+p_i}{N}$ 为一次移动平均值， $M_t^{\′\′}=\frac{M_{t-N+1}^{\′}+M_{t-N+2}^{\′}+...+M_t^{\′}}{N}$ 为二次移动平均值；

步骤2：依据预测值p_i′获取逆变器的功率输出指令p_io′；

若i＝1,2，则功率输出指令p_io′为第i点输出功率的实际值p_i×η；

若i＝3，则功率输出指令p_io′=(2×p_i-1′-p_i-2′)×η；

若i≥4，则依据预测值p_i′分别获取第i点输出功率的趋势移动平均预测值p_i(pi)以及偏差趋势移动平均预测值r_i(pi)，功率输出指令p_io′＝(p_i(pi)-r_i(pi))×η。

①：趋势移动平均预测值p_i(pi)的获取方法为：

采用直线趋势预测模型获取趋势移动平均预测值P_i(pi)=a_i+b_i×T，a_i＝2M_i′-M_i″， $b_i=\frac{2}{N-1}(M_i^{\′}-M_i^{\′\′}),$ $M_i^{\′}=\frac{p_{i-N+1}^{\′}+p_{i-N+2}^{\′}+...+p_i^{\′}}{N},$ $M_i^{\′\′}=\frac{M_{i-N+1}^{\′}+M_{i-N+2}^{\′}+...+M_i^{\′}}{N},$ 所述T=1；

若4≤i≤2M-1，则N＝[i/2]，N为不大于的最大整数；若i≥2M，则N＝M。

②：偏差趋势移动平均预测值r_i(pi)的获取方法为：

采用直线趋势预测模型获取偏差趋势移动平均预测值r_i(pi)=a_i(r)+b_i(r)×T，a_i(r)＝2M_i(r)′-M_i(r)″， $b_{i\left(r\right)}=\frac{2}{N-1}(M_{i\left(r\right)}^{\′}-M_{i\left(r\right)}^{\′\′}),$ $M_{i\left(r\right)}^{\′}=\frac{r_{i-N+1}+r_{i-N+2}+...+r_i}{N},$ r_i为光伏电池第i点输出功率的实际值与预测值的偏差，r_i＝p_i-p_i′，所述T=1。

本实施例中采用10KW混合储能光伏发电系统；

光伏电池包括4个并联的电池组，每个电池组由9节单体光伏电池串联组成，单体光伏电池的具体参数为开路电压43.2伏，短路电流8.75安，最大功率275瓦；超级电容额定电压300伏，电容值29法拉；

DC-DC功率模块的低压侧电压300～600伏、电流0～50安，高压侧电压600伏，效率为97%；光伏电池DC-DC功率模块采集周期5min，采样点数M=15；

如图3示出了本发明实施例中晴天天气的光伏电池、储能控制器输出功率曲线；图4示出了本发明实施例中多云天气的光伏电池、储能控制器输出功率曲线；

选取多云天气时波动幅度最大时间段的电压、电流、功率数据，如表1所示：

表1

通过表1可知，光伏电池输出受天气情况的影响较大，其功率曲线变化特别大，曲线很不平滑；储能控制器输出功率曲线比较平滑，改善效果显著，即逆变器输出会比较平滑，减小了对电网的冲击。

表2示出了锂电池的运行参数，其中储能单元所需配置的容量考虑了20%的裕量；超级电容吸收短时光伏波动，锂电池吸收长期光伏波动。

表2

从表2中数据可以看出，加入光伏功率预测模块后，锂电池的充电次数由原来的8次减为2次，放电次数由原来的7次减小到5次，放电深度也由65.7%减小到33%，所需配置的容量也从14.65kw*h减小到4.3kw*h。因此，加入基于趋势移动平均数学模型的光伏功率预测模块后，能够平滑光伏波动，同时也能及时的跟踪短时的功率波动。减小储能单元容量，提高储能利用率，同时储能单元也不会频繁的深度充放电，从而延长储能单元的使用寿命。

最后应当说明的是：所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

Claims (6)

1.一种基于功率预测方法的混合储能光伏发电系统，其特征在于，所述系统包括分别与储能控制器相连的储能单元和逆变器；所述储能控制器包括控制模块、光伏功率预测模块和DC-DC功率模块；

所述控制模块用于调整所述储能单元的工作模式；所述光伏功率预测模块依据所述系统中光伏电池的输出功率进行光伏发电功率预测，并将功率预测值经过效率变换发送给所述逆变器。

2.如权利要求1所述的一种基于功率预测方法的混合储能光伏发电系统，其特征在于，所述储能单元包括超级电容和锂电池；所述DC-DC功率模块包括光伏电池DC-DC功率模块、超级电容DC-DC功率模块和锂电池DC-DC功率模块；

所述光伏电池DC-DC功率模块包括电压传感器和电流传感器，用于采集所述光伏电池的输出信号，并将所述输出信号发送到所述光伏功率预测模块。

3.如权利要求2所述的一种基于功率预测方法的混合储能光伏发电系统，其特征在于，所述光伏功率预测模块包括信号调理电路、光伏预测功率计算模块和数字信号处理电路；

所述信号调理电路对所述光伏电池的输出信号进行转换，并将转换后的输出信号发送到所述光伏预测功率计算模块；所述数字信号处理电路将所述光伏预测功率计算模块输出的功率预测值进行效率变换后作为功率输出指令发送到所述逆变器。

4.如权利要求3所述的一种基于功率预测方法的混合储能光伏发电系统，其特征在于，所述光伏预测功率计算模块采用趋势移动平均法对所述光伏电池的输出功率进行光伏发电功率预测，包括：

步骤1：采用趋势移动平均法获取所述光伏电池第i点输出功率的预测值p_i′，i＝1,2,3...M,...，所述M依据实际检测要求人工设定；

步骤2：依据所述预测值p_i′获取所述逆变器的功率输出指令p_io′；

若i＝1,2，则功率输出指令p_io′为第i点输出功率的实际值p_i×η；

若i＝3，则功率输出指令p_io′=(2×p_i-1′-p_i-2′)×η；

若i≥4，则依据所述预测值p_i′分别获取第i点输出功率的趋势移动平均预测值p_i(pi)以及偏差趋势移动平均预测值r_i(pi)，所述功率输出指令p_io′＝(p_i(pi)-r_i(pi))×η；

其中，所述η为储能控制器的效率。

5.如权利要求4所述的一种基于功率预测方法的混合储能光伏发电系统，其特征在于，采用趋势移动平均法获取所述趋势移动平均预测值P_i(pi)=a_i+b_i×T，所述a_i＝2M_i′-M_i″，所述T＝1，所述 $b_i=\frac{2}{N-1}(M_i^{\′}-M_i^{\′\′}),$ 所述 $M_i^{\′}=\frac{p_{i-N+1}^{\′}+p_{i-N+2}^{\′}+...+p_i^{\′}}{N},$ 所述 $M_i^{\′\′}=\frac{M_{i-N+1}^{\′}+M_{i-N+2}^{\′}+...+M_i^{\′}}{N};$

若4≤i≤2M-1，则所述N为不大于

的最大整数；

若i≥2M，则所述N＝M。

6.如权利要求4所述的一种基于功率预测方法的混合储能光伏发电系统，其特征在于，采用趋势移动平均法获取所述偏差趋势移动平均预测值r_i(pi)=a_i(r)+b_i(r)×T，所述T＝1，所述a_i(r)＝2M_i(r)′-Mi_(r)″，所述 $b_{i\left(r\right)}=\frac{2}{N-1}(M_{i\left(r\right)}^{\′}-M_{i\left(r\right)}^{\′\′}),$ 所述 $M_{i\left(r\right)}^{\′}=\frac{r_{i-N+1}+r_{i-N+2}+...+r_i}{N},$ 所述

所述r_i为光伏电池第i点输出功率的实际值与预测值的偏差。

Images