CN105243476B - 一种用于高渗透分布式光伏的分层储能能量管理系统 - Google Patents
一种用于高渗透分布式光伏的分层储能能量管理系统 Download PDFInfo
- Publication number
- CN105243476B CN105243476B CN201510621250.1A CN201510621250A CN105243476B CN 105243476 B CN105243476 B CN 105243476B CN 201510621250 A CN201510621250 A CN 201510621250A CN 105243476 B CN105243476 B CN 105243476B
- Authority
- CN
- China
- Prior art keywords
- energy
- energy storage
- layer
- module
- layering
- 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.)
- Expired - Fee Related
Links
- 238000004146 energy storage Methods 0.000 title claims abstract description 78
- 238000005516 engineering process Methods 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000007726 management method Methods 0.000 claims description 74
- 238000013461 design Methods 0.000 claims description 25
- 238000010248 power generation Methods 0.000 claims description 25
- 238000004458 analytical method Methods 0.000 claims description 22
- 230000006870 function Effects 0.000 claims description 21
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000011217 control strategy Methods 0.000 claims description 10
- 238000010206 sensitivity analysis Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 238000003012 network analysis Methods 0.000 claims description 5
- 238000012502 risk assessment Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000013178 mathematical model Methods 0.000 claims description 4
- 230000035945 sensitivity Effects 0.000 claims description 4
- 239000012141 concentrate Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 208000027418 Wounds and injury Diseases 0.000 claims description 2
- 230000006378 damage Effects 0.000 claims description 2
- 238000013213 extrapolation Methods 0.000 claims description 2
- 230000008676 import Effects 0.000 claims description 2
- 208000014674 injury Diseases 0.000 claims description 2
- 230000002265 prevention Effects 0.000 claims description 2
- 238000004393 prognosis Methods 0.000 claims description 2
- 238000013139 quantization Methods 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 238000013528 artificial neural network Methods 0.000 claims 1
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000013468 resource allocation Methods 0.000 claims 1
- 238000009412 basement excavation Methods 0.000 abstract description 4
- 230000002452 interceptive effect Effects 0.000 abstract description 2
- 238000006116 polymerization reaction Methods 0.000 abstract description 2
- 238000007418 data mining Methods 0.000 description 12
- 238000000034 method Methods 0.000 description 7
- 230000010354 integration Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000035699 permeability Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000003862 health status Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000004218 nerve net Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Classifications
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于网格计算的高渗透分布式光伏分层储能能量管理体系结构，属于光伏‑储能联合系统技术领域；现有技术中，如何高效率地实现大数据的处理及挖掘是亟需解决的问题；本发明的储能能量管理系统体系结构，能够有效实现高渗透分布式光伏分层储能系统的能量管理，同时高效率地实现功能模块间的聚合以及层次间的数据互动。
Description
技术领域
本发明属于高渗透分布式光伏-储能联合系统技术领域，更具体地，涉及一种适用于高渗透分布式光伏的分层储能能量管理系统。
背景技术
分布式能源因变负荷灵活、初投资成本低、供电可靠、输电损失小、以及适合可再生能源应用等特点而越来越受到重视，电力技术的不断发展也促进性了分布式新能源的建设，特别是以光伏发电为代表的分布式电源已具有一定的规模，并逐渐成为传统发电方式的有益补充。但由于分布式能源发电的波动性、随机性及间歇性等特性，使得高渗透率分布式光伏发电的接入影响电网的稳定、安全、可靠运行，带来了包括电压频率波动、谐波电流注入等一系列问题。光伏发电系统引入储能后，通过一定的储能充放电控制策略，配合光伏昼夜不同的出力情况及负荷状态，可有效调整频率、补偿负荷波动，提高系统运行稳定性。
高渗透光伏就近接入配电网改变了目前配电网单纯供电的拓扑结构与能源消耗形式，对于含高渗透分布式光伏发电、集中储能设备、分布式储能设备的区域配电网，涉及分布式电源发电，蓄电和用电等多个环节，由于集成了多层次的储能系统和高渗透率的分布式光伏,分布式光伏的大规模接入和储能点的增多导致电气数据量剧增，传统的能量管理系统已不再适用，需要进一步研究适用于大规模光伏和分层储能的系统的能量管理系统。
现阶段光伏发电系统的研究，多是针对光伏出力预测、最大功率跟踪及光伏并网控制方面的研究，或是针对光伏发电系统拓扑结构及光伏变流器的控制研究。部分学者研究了独立光伏发电系统储能技术及其放电管理，但对于集成多层次的储能系统和高渗透率的分布式光伏联合系统的研究鲜见报道。现有能量管理系统的研究大都集中在微电网和智能配网，单独适用于高渗透分布式光伏-储能联合系统的能量管理系统的设计较少，且大都注重于光伏系统并网的能量管理，功能不完善。同时，由于系统存在大量分布式光伏发电装置及分层储能装置，运行数据量大，如何高效率地实现大数据的处理及挖掘是亟需解决的问题。本发明提出一种基于网格计算的高渗透分布式光伏分层储能能量管理系统体系结构，构建了能量管理系统的功能模块，并基于网格计算理论，采用计算资源池实现数据的处理与挖掘。该能量管理系统体系结构能够有效实现高渗透分布式光伏分层储能系统的能量管理，同时高效率地实现功能模块间的聚合以及层次间的数据互动。
发明内容
针对现有技术中存在的问题，本申请提供的是一种基于网格计算的高渗透分布式光伏分层储能能量管理系统，其中通过对整体结构以及网格的具体结构及其设置方式进行研究和涉及，实现了高渗透光伏及分层储能联合系统的能量管理系统的问题，同时具备大数据挖掘及处理较常规计算方法更加高效等优点，因而尤其适用于分布式能源的应用场合。
为实现上述目的，按照本发明的一个方面，提供了一种高渗透分布式光伏的分层储能能量管理系统，其特征在于：所述系统包括：硬件层、支撑平台层、建模分析层、应用功能层、及人机界面层；
所述硬件层包括各种逻辑控制器及各类传感器；
所述支撑平台层括操作系统、数据库管理、网络通信及安全管理，完成系统基本功能；
所述建模分析层完成负荷及光伏出力预测、控制策略的制定、系统安全分析与状态估计；
所述应用功能层为能量管理系统的具体实施模块；
所述人机界面层为能量管理系统呈现在用户侧的表现形式。
优选地，所述应用功能层包括图形监控模块、系统安全评定模块、能量优化调度模块、保护管理模块，告警简报模块，报表功能模块。
优选地，能量管理系统中涉及到的数据处理、计算等任务均通过分布式的网格计算平台实现，网格计算平台由基础资源层、网格中间件层、核心服务层和用户接口层等组成。其中基础资源层实现对区域配电网中计算资源的集中管理并计算性能构建计算资源池，网格中间件层负责计算资源与计算需求之间的动态链接，核心服务层完成用户管理、资源分配等具体任务，用户接口层实现与分层储能能量管理系统间的接口设计。
总体而言，按照本发明的上述技术构思与现有技术相比，主要具备以下的技术优点：
1、本发明提出的能量管理系统适用于高渗透光伏及分层储能联合系统，完善了光伏储能系统能量管理所需的各项功能，解决了现阶段缺乏用于高渗透光伏及分层储能联合系统的能量管理系统的问题。该能量管理系统能同时实现区域配网信息集成、网络分析与故障控制、能量优化、设备管理、系统维护等诸多功能，可以满足各种应用需求；
2、能量管系统采用网格计算技术，具有较强的分布式计算能力，对于大数据的挖掘及处理较常规计算方法更加高效。本发明提出计算资源性能评估指标与数据动态链接策略，采用基于计算资源池的网格计算策略进行数据挖掘，使能量管理系统能够实现快速灵活的能量调度与管理。
附图说明
图1是本发明实施例的能量管理系统整体框架图；
图2是本发明实施例的能量管理系统体系结构图；
图3是本发明实施例的能量管理系统功能结构图；
图4是本发明实施例的网格计算数据挖掘体系结构图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明实施例的基于网格计算的高渗透分布式光伏分层储能能量管理系统体系结构设计包括如下步骤：
(1)如图1所示，设计能量管理系统整体框架，主要包括数据支撑层、系统总览层及能量管理层。
S1：数据支撑层设计：
数据支撑层主要实现数据采集、数据存储、数据处理与数据传输四大功能。数据采集主要用以获取系统实时运行状态及能量管理所需的信息，数据存储用来保存系统控制数据以及实时运行数据，数据处理实现系统部分控制功能以及用户的数据挖掘请求，数据传输则保证信息的实时、有效、安全地传递。
S2：系统总览层设计：
系统总览层用于显示和监控系统运行状态信息，包括区域配网信息、光伏发电信息及分层储能信息。其中，区域配网信息主要包括节点电压、电流、功率，配网负荷量等。光伏发电信息主要包括气象环境信息，如温度、湿度、光照强度，逆变器输出等电流/电压、输出功率、直流侧电流/电压，以及变流器开关量等。分层储能信息主要包括储能位置信息，储能装置荷电状态，储能装置充放电时间，储能装置充放电状态等。
S3：能量管理层设计：
能量管理层实现系统能量控制功能，主要包括光伏并网控制及储能充放电控制。具体控制方法不属于本发明范畴，此处不讨论。
(2)如图2所示，设计能量管理系统体系结构，自底向上依次为：硬件层、支撑平台层、建模分析层、应用功能层及人机界面层。
S4：硬件层设计：
硬件层包括各种逻辑控制器(PLC)及各类传感器，作为能量管理系统的最底层，硬件层是系统功能实现的基础。
S5：支撑平台层设计：
支撑平台层包括操作系统、数据库管理、网络通信及安全管理，完成系统基本功能，并为其他系统高级功能实现支撑。
S6：建模分析层设计：
建模分析层主要完成负荷及光伏出力预测、控制策略的制定、系统安全分析与状态估计等功能，包括负荷预测模型、光伏发电预测模型、储能充放电控制模型、光伏并网控制模型、区域电网状态估计、灵敏度分析、风险评估分析。
负荷预测模型提出了将多种预测算法结合使用的新型组合预测策略，基于神经网络预测算法和灰色模型算法在预测速度、外推性能、容错能力以及预测误差等四个方面的参数区别，建立基于参数性能的加权模型，实现预测精度和速度的提高。
光伏发电预测模型基于光伏电池的基本数学模型，采用基于最大功率跟踪(MPPT)算法，导入地区气象预测模型，形成光伏发电出力预测的综合模型。
储能充放电控制模型基于蓄电池的数学模型，结合DC/DC模块及DC/AC模块的控制技术，基于蓄电池的荷电状态(SOC)，形成合理的并网控制策略。
光伏并网控制模型基于光伏电池的数学模型，结合DC/DC模块及DC/AC模块的控制技术，形成合理的并网控制策略。
区域电网状态估计模块根据采集到的数据以及电网拓扑分析结果，进行基于混合量测的配电网状态估计，求取配电网状态变量，为其他分析控制模块提供基础。
灵敏度分析模块以储能装置单位容量及储能装置类型为基本分析参数，分析参数变化时，对分层储能系统频率和电压水平的灵敏度，并根据灵敏度和响应速度对分布式储能进行聚类分析，从而实现储能装置的有序控制。
风险评估分析模块，主要进行配电网系统中引起随机性故障的因素的量化，建立能表征系统风险的量化指标并进行计算、分析，并结合灵敏度分析结果，为危险情况的预防控制提供快速的指导。
S7：应用功能层设计：
应用功能层为能量管理系统具体实现模块，包括图形监控模块、系统安全评定、能量优化调度、保护管理模块，告警简报模块，报表功能模块。
图形监控模块采用基于面向对象的建模技术，实现对分层储能系统主接线、设备元件库的图形化处理，并建立图形处理环境，使分层储能能量管理系统能适用于不同的区域配电网结构。
系统安全评定模块通过状态估计模型综合灵敏度分析和风险分析结果，建立评估模型库，并提供关于配电网系统网络分析的一系列安全评定方式，实现配电网系统控制预决策，以提高系统安全性。
能量优化调度模块基于负荷预测信息、光伏发电预测信息，综合考虑区域电网中上级调度的需求，对集中储能、分布式储能、光伏发电形成合理的调度控制策略，保证系统能量处于最优状态。
保护管理模块实现对分层储能系统中线路、光伏阵列、蓄电池单元、母线等元件的运行状态、故障信息、事故范围等参数的集中管理与配置，实现了系统保护功能的集中控制，大幅提高系统中所有设备运行的可靠性。
告警简报模块基于分层储能系统中所有故障告警信息，形成系统总体运行状态图，并对未来运行状态进行预测，实现对故障位置、影响范围、危害程度的分层、分区控制。
报表功能模块基于计算资源池中的数据库资源，完成分层储能能量管理系统中运行数据的收集、传输、存储，并根据运行管理需要，形成相应的数据报表。
S8：人机界面层设计：
人机界面层为能量管理系统呈现在用户侧的表现形式，能量管理系统应具体友好的人机界面，便于人机交互，方便监控与控制，其主要包括实时状态、预报界面、电能质量、优化调度、安全分析、故障预警及紧急控制。
(3)如图3所示，设计能量管理系统功能单元，包括区域配网信息集成单元、网络故障分析与故障控制单元、能量优化单元、光伏及储能设备管理单元、系统维护单元、通讯及监控单元。
S9：区域配网信息集成单元设计：
能量管理系统的电网运行数据信息主要通过安装在电网各处的SCADA装置及PMU装置共同采集，电网信息用于配网分析建模。光伏出力预测需要考虑当地环境气象信息，因此需主动监测当地环境气象信息，并对其建模。此外，在主动配电网中，光伏并网除了需考虑常规机组出力大小以及负荷大小外，还需要考虑实时电价的影响。当电价较高时，可增大光伏系统输出至配网的出力；当电价较低时，则可通过配网向系统中的储能装置充电，以此达到光伏储能系统的经济调度。因此能量管理系统还需要针对实时电价信息进行建模。区域配网信息集成单元为S10及S11提供数据信息支持。
S10：网络分析与故障控制单元设计：
通过采集到的配电网信息，对含光伏储能的配网进行整体网络拓扑分析及状态估计。根据配电网状态变量以及控制变量，并结合配电网各单元设备的健康状态，进行风险评估及灵敏度分析，进而形成预警与紧急控制策略。
S11：能量优化单元设计：
综合区域配网信息、实时电价信息、环境气象信息以及网络分析结果，进行系统能量优化。首先采用合理的预测方法，进行负荷预测、光伏发电预测及储能系统能量预测，进而基于预测值，建立合理的储能充放电控制策略以及光伏并网控制策略。此外，能量优化单元还应进行实时或准实时系统运行分析，根据系统状态及时调整控制策略。
S12：光伏及储能设备管理单元设计：
此单元从设备的角度进行管理，主要包括光伏逆变器控制和储能充放电控制、实时光伏发电信息和分层储能信息监测以及设备告警和故障处理。
S13：系统维护单元设计：
此单元主要包括CIM组件管理、CORBA环境维护、权限及密钥管理、通讯配置及管理。
S14：通讯及监控单元设计：
此单元主要包括就地/集中监控以及内部/外部通讯接口。
通信及监控单元主要完成能量管理系统各功能单元间的数据传输，形成集中与分布式结合的监控体系，保证各功能单元间基于网格计算平台处理后的数据能够实现有序协调的控制。
(4)设计基于区域配电网的计算资源池构建方法及数据聚合策略，主要包括以下步骤：
S15-1：虚拟评估
虚拟评估环节屏蔽具体的硬件差别，对外提供透明化的计算资源，评估策略如式(1)～(3)所示。
式中，MFLOPS(Million Floating Point Operations Per Second，每秒百万浮点运算值)是衡量计算资源性能的主要指标，可以通过设备参数或者实际测量得到；Me、Ca分别代表计算资源的内存容量和Cache大小；MBTF(Mean Time Between Failure，平均无故障工作时间)表征计算资源在发生两次故障之间的平均运行时间，一般可利用数学统计方法计算出；Ts表征计算资源当前的任务饱和程度；λ1～λ3为调节系数，用于衡量同一参数情形下，不同技术特征带来的性能差异(如操作系统、内存技术、缓存调度方案等)；(x1,x2,x3)为典型计算资源的MFLOPS、Me、Ca得分值。VES(Virtual Evaluation Score,虚拟评估得分)表征某一计算资源的综合性能。
S15-2：动态链接
考虑计算资源的处理性能及其与终端间网络距离造成的数据传输开销，提出RNDR(Resource Node Dynamic Rank，资源节点动态评级)计算策略，如式(4)所示。
式中，Metric为终端与资源节点之间报文转发的路由跳数，该参数表征了网络中各节点间的距离，具体数值可从通信网络路由表中获得；C为控制系数，可以通过该系数的改变为计算资源的调度分配提供一定的灵活性。
(5)设计基于网格计算的能量管理系统大数据挖掘与处理方法，主要包括以下步骤：
S16：如图4所示，设计网格计算数据挖掘体系结构：
本发明中网格计算的体系结构采用Web服务资源框架(WSRF)，设计的网格计算体系结构自底向上依次为基础资源层、网格中间件层、核心服务层及用户接口层，此外注册中心用于元数据的存放。
基础资源层中，数据Web服务资源按照WSRF的5个规范实现一系列接口，在Service-Group接口组中实现数据源的访问接口，可以通过该接口访问数据源。计算Web服务资源代表计算资源，可以是一个超级计算机或是一个由很多高性能工作站组成的集群这样的物理计算资源，也可以是由分布的几个超级计算机和集群组成的逻辑计算资源。通过在Service-Group接口组中实现一个任务接受接口，通过它来接受远程提交的任务。算法Web服务资源将各种数据挖掘算法封装在一个web服务资源内，各种算法程序可以通Service-Group这个接口组来访问。
网格中间件层可通过网格中间件工具Globus Toolkit 4进行实现。核心服务层则是数据挖掘具体的任务与应用。用户接口层提供友好的用户交互界面。
S17：设计数据挖掘流程，包括以下步骤：
S17-1：用户向数据挖掘服务提出挖掘请求；
S17-2：数据挖掘服务到注册中心查找当前可用的算法、数据和计算Web服务资源；
S17-3：将找到的Web服务资源的相关信息返回给用户，用户选择合适的算法、数据和计算Web服务资源；
S17-4：数据挖掘服务根据用户的选择和注册中心内相关Web服务资源的信息，寻址相应的数据、算法和计算Web服务资源，提出服务请求。相应的Web服务资源创建实例，同时将每个Web服务资源实例的地址发送给其它Web服务资源实例；
S17-5：算法Web服务资源实例将局部算法程序包提交到各个数据Web服务资源实例上执行，全局算法发送到计算Web服务资源实例上执行；
S17-6：两个数据Web服务资源实例运用本地计算资源进行本地局部挖掘，将局部挖掘结果发送到计算Web服务资源实例。随后计算Web服务资源实例按照全局算法对各个局部结果进行分析合成，得到最终的结果；
S17-7：计算Web服务资源实例把最后的结果发送给数据挖掘服务；
S17-8：数据挖掘服务将结果返回给用户。
至此，本发明提出的能量管理系统体系结构设计完毕。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种用于高渗透分布式光伏的分层储能能量管理系统，其特征在于：所述系统包括：硬件层、支撑平台层、建模分析层、应用功能层、及人机界面层；
所述硬件层包括逻辑控制器及传感器；
所述支撑平台层括操作系统、数据库管理、网络通信及安全管理，完成系统基本功能；
所述建模分析层完成负荷及光伏出力预测模型、储能充放电控制、光伏并网控制、区域电网状态估计、灵敏度分析、风险评估分析；
所述应用功能层为能量管理系统的具体实施模块；
所述人机界面层为能量管理系统呈现在用户侧的表现形式；
所述负荷预测基于神经网络预测算法和灰色模型算法在预测速度、外推性能、容错能力以及预测误差四个方面的参数区别，建立基于参数性能的加权模型，实现预测精度和速度的提高；所述光伏出力预测基于光伏电池的基本数学模型，采用基于最大功率跟踪(MPPT)算法，导入地区气象预测模型，形成所述光伏出力预测模型；所述储能充放电控制基于蓄电池的数学模型，结合DC/DC模块及DC/AC模块的控制技术，基于蓄电池的荷电状态(SOC)，形成合理的并网控制策略；所述光伏并网控制基于光伏电池的数学模型，结合DC/DC模块及DC/AC模块的控制技术，形成合理的并网控制策略；所述区域电网状态估计根据采集到的数据以及电网拓扑分析结果，进行基于混合量测的配电网状态估计，求取配电网状态变量，为其他分析控制模块提供基础；所述灵敏度分析以储能装置单位容量及储能装置类型为基本分析参数，分析参数变化时，对分层储能系统频率和电压水平的灵敏度，并根据灵敏度和响应速度对分布式储能进行聚类分析，从而实现储能装置的有序控制；所述风险评估分析，进行区域配电网系统中引起随机性故障的因素的量化，建立能表征系统风险的量化指标并进行计算、分析，并结合灵敏度分析结果，为危险情况的预防控制提供快速的指导。
2.如权利要求1所述的一种用于高渗透分布式光伏的分层储能能量管理系统，其特征在于，所述应用功能层包括图形监控模块、系统安全评定模块、能量优化调度模块、保护管理模块，告警简报模块，报表功能模块。
3.如权利要求1或2所述的一种用于高渗透分布式光伏的分层储能能量管理系统，其特征在于，所述系统中涉及到的数据处理和计算环节通过分布式的网格计算平台进行。
4.如权利要求3所述的一种用于高渗透分布式光伏的分层储能能量管理系统，其特征在于，所述网格计算平台由基础资源层、网格中间件层、核心服务层和用户接口层组成。
5.如权利要求4所述的一种用于高渗透分布式光伏的分层储能能量管理系统，其特征在于，所述基础资源层实现对所述系统应用的区域配电网中计算资源的集中管理并计算性能构建计算资源池；所述网格中间件层负责计算资源与计算需求之间的动态链接；所述核心服务层完成用户管理、资源分配任务；所述用户接口层实现与所述分层储能能量管理系统间的接口设计。
6.如权利要求2所述的一种用于高渗透分布式光伏的分层储能能量管理系统，其特征在于，所述图形监控模块采用基于面向对象的建模技术，实现对分层储能系统主接线、设备元件库的图形化处理，并建立图形处理环境，使分层储能能量管理系统能适用于不同的区域配电网结构；所述系统安全评定模块通过状态估计模型综合灵敏度分析和风险分析结果，建立评估模型库，并提供关于配电网系统网络分析的一系列安全评定方式，实现配电网系统控制预决策，以提高系统安全性；所述能量优化调度模块基于负荷预测信息、光伏发电预测信息，综合考虑区域电网中上级调度的需求，对集中储能、分布式储能、光伏发电形成合理的调度控制策略，保证系统能量处于最优状态；所述保护管理模块实现对分层储能系统中线路、光伏阵列、蓄电池单元、母线元件的运行状态、故障信息、事故范围参数的集中管理与配置，实现了系统保护功能的集中控制，大幅提高系统中所有设备运行的可靠性；所述告警简报模块基于分层储能系统中所有故障告警信息，形成系统总体运行状态图，并对未来运行状态进行预测，实现对故障位置、影响范围、危害程度的分层、分区控制；所述报表功能模块基于计算资源池中的数据库资源，完成所述分层储能能量管理系统中运行数据的收集、传输、存储，并根据运行管理需要，形成相应的数据报表。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510621250.1A CN105243476B (zh) | 2015-09-25 | 2015-09-25 | 一种用于高渗透分布式光伏的分层储能能量管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510621250.1A CN105243476B (zh) | 2015-09-25 | 2015-09-25 | 一种用于高渗透分布式光伏的分层储能能量管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105243476A CN105243476A (zh) | 2016-01-13 |
| CN105243476B true CN105243476B (zh) | 2019-09-13 |
Family
ID=55041113
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510621250.1A Expired - Fee Related CN105243476B (zh) | 2015-09-25 | 2015-09-25 | 一种用于高渗透分布式光伏的分层储能能量管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105243476B (zh) |
Families Citing this family (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105897914B (zh) * | 2016-05-24 | 2018-11-02 | 国家电网公司 | 一种ems系统iii区高效访问i区信息的系统及方法 |
| CN106097145A (zh) * | 2016-06-15 | 2016-11-09 | 天津天成恒创能源科技有限公司 | 综合能源网络能量调控系统 |
| CN107274115A (zh) * | 2017-08-11 | 2017-10-20 | 国网江苏省电力公司电力科学研究院 | 基于分布式监测和多源信息融合的主动配电网态势感知系统和方法 |
| CN107453380A (zh) * | 2017-08-14 | 2017-12-08 | 杭州中恒云能源互联网技术有限公司 | 一种基于分布式控制模式的储能能量管理系统及方法 |
| CN108199404B (zh) * | 2017-12-22 | 2020-06-16 | 国网安徽省电力有限公司电力科学研究院 | 高渗透率分布式能源系统的谱聚类集群划分方法 |
| CN108564223A (zh) * | 2018-04-23 | 2018-09-21 | 中国农业大学 | 光伏发电功率预测方法的组合评估方法及装置 |
| CN109149769A (zh) * | 2018-09-10 | 2019-01-04 | 浙江电腾云光伏科技有限公司 | 一种电网车侧区域分布式光伏运维管理平台 |
| CN110429626B (zh) * | 2019-06-28 | 2021-08-17 | 特变电工西安电气科技有限公司 | 一种适用于并网型储能系统的能量管理系统及管理方法 |
| CN113326658B (zh) * | 2021-06-03 | 2024-03-12 | 中国南方电网有限责任公司 | 基于神经网络的光伏储能并网控制方法 |
| CN114297873A (zh) * | 2022-01-04 | 2022-04-08 | 重庆大学 | 储能系统健康管理分层技术框架设计方法 |
| CN116231647B (zh) * | 2023-05-09 | 2023-07-21 | 国网浙江省电力有限公司永康市供电公司 | 高渗透率未监测光伏发电的配电系统状态估计方法及系统 |
| CN117895655B (zh) * | 2024-01-26 | 2024-07-16 | 主力能源(北京)有限公司 | 一种分布式光伏储能方法及系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103441531A (zh) * | 2013-09-10 | 2013-12-11 | 上海电力学院 | 一种区域高渗透率光伏储能系统及其能量管理方法 |
| CN103633739A (zh) * | 2013-11-28 | 2014-03-12 | 中国科学院广州能源研究所 | 一种微电网能量管理系统和方法 |
-
2015
- 2015-09-25 CN CN201510621250.1A patent/CN105243476B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103441531A (zh) * | 2013-09-10 | 2013-12-11 | 上海电力学院 | 一种区域高渗透率光伏储能系统及其能量管理方法 |
| CN103633739A (zh) * | 2013-11-28 | 2014-03-12 | 中国科学院广州能源研究所 | 一种微电网能量管理系统和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105243476A (zh) | 2016-01-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105243476B (zh) | 一种用于高渗透分布式光伏的分层储能能量管理系统 | |
| CN109086913B (zh) | 一种基于深度学习的电力系统暂态稳定评估方法及系统 | |
| CN110417015A (zh) | 基于模型预测控制的微电网多目标优化调度方法及系统 | |
| CN110011422A (zh) | 基于人工神经网络的智能配电运行监测系统及调控方法 | |
| Solanke et al. | Control and management of a multilevel electric vehicles infrastructure integrated with distributed resources: A comprehensive review | |
| Wu et al. | Applications of wireless sensor networks for area coverage in microgrids | |
| CN102868161A (zh) | 一种含分布式电源配电系统网络变结构优化方法 | |
| CN104319774B (zh) | 智能社区的监控方法和装置 | |
| CN106451541B (zh) | 一种孤岛型微电网的能量控制方法及控制系统 | |
| CN111932072A (zh) | 一种基于os2架构的电网综合管控方法及系统 | |
| CN117353276A (zh) | 一种分布式能源协同控制方法及系统 | |
| Lee et al. | Decentralized voltage stability monitoring and control with distributed computing coordination | |
| Li et al. | Toward Efficient Smart Management: A Review of Modeling and Optimization Approaches in Electric Vehicle-Transportation Network-Grid Integration | |
| Zhang et al. | Strategic dispatch of electric buses for resilience enhancement of urban energy systems | |
| CN111860955A (zh) | 基于大数据的电网规划精益分析方法 | |
| Ouahada et al. | Smart energy management for smart grids | |
| Dsouza et al. | An intelligent management of power flow in the smart grid system using hybrid NPO-ATLA approach | |
| CN116883122A (zh) | 一种共享电车换电方法及系统 | |
| CN110298715A (zh) | 一种基于分布式储能的能源交易系统和方法 | |
| CN104700218A (zh) | 用于确定电网分区数量以及电网分区的方法和系统 | |
| CN115513945A (zh) | 一种基于物联网的分布式电源管理方法 | |
| CN104598742A (zh) | 城市发展需求应用测算方法 | |
| Saha et al. | Enrichment of voltage stability in power system through novel generalized approximate reasoning based intelligent control with african buffalo optimization approach | |
| Simões et al. | Advances in information technology for Smart Grids | |
| Zhang | Target location service system in microgrid operation based on internet of things |
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 | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190913 Termination date: 20200925 |