CN105914769B - 离网状态下光储微电网的能量管理方法及系统 - Google Patents

离网状态下光储微电网的能量管理方法及系统 Download PDF

Info

Publication number
CN105914769B
CN105914769B CN201610288913.7A CN201610288913A CN105914769B CN 105914769 B CN105914769 B CN 105914769B CN 201610288913 A CN201610288913 A CN 201610288913A CN 105914769 B CN105914769 B CN 105914769B
Authority
CN
China
Prior art keywords
power
photovoltaic
battery
load
generation
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.)
Active
Application number
CN201610288913.7A
Other languages
English (en)
Other versions
CN105914769A (zh
Inventor
陈智慧
朱梅梅
张涛
于玮
徐海波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
East Group Co Ltd
Original Assignee
East Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by East Group Co Ltd filed Critical East Group Co Ltd
Priority to CN201610288913.7A priority Critical patent/CN105914769B/zh
Publication of CN105914769A publication Critical patent/CN105914769A/zh
Application granted granted Critical
Publication of CN105914769B publication Critical patent/CN105914769B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/28—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—
    • 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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Photovoltaic Devices (AREA)

Abstract

本发明涉及一种离网状态下光储微电网的能量管理方法和系统，包括：获取光伏发电数据及相关的历史天气数据；根据历史天气数据和光伏发电数据计算历史上光伏发电的理论功率；将各理论功率与历史上的实际功率进行比较，将相对误差大于第一阈值的实际功率用相应的理论功率替代；根据历史上的实际功率、替代后的理论功率及相应的天气数据，预测光伏发电功率；预测负荷功率；比较预测的光伏发电功率和负荷功率，若光伏发电功率大于负荷功率，则通过光伏对蓄电池充电；否则计算蓄电池的输出功率，在负荷功率大于光伏发电功率与蓄电池的输出功率之和的情况下甩负荷。本发明能够保持光伏功率的差异性，提高预测算法的预测精度。

Description

离网状态下光储微电网的能量管理方法及系统
技术领域
本发明涉及配电领域，特别是涉及一种离网状态下光储微电网的能量管理方法，还涉及一种离网状态下光储微电网的能量管理系统。
背景技术
现有的技术中，对孤岛状态的经济调度研究甚少，大部分的经济调度目标函数变量太多，过于复杂。在实际的工程中，对于简单的光储微电网能量管理系统，模型相对比较简单，现有的模型不适合。在实际工程中，光伏系统采集的天气数据等存在遗漏、重复、错误等值，研究中都是采用将相关数据横向或纵向值求平均。该方法使天气数据趋于相同，使预测算法优化出来的调度结果误差较大。
发明内容
基于此，有必要提供一种离网状态下光储微电网的能量管理方法。
一种离网状态下光储微电网的能量管理方法，包括：获取光伏发电数据及相关的历史天气数据；根据所述历史天气数据和光伏发电数据计算历史上光伏发电的理论功率；将各所述理论功率与历史上的实际功率进行比较，剔除相对误差大于第一阈值的实际功率并用相应的理论功率替代；根据历史上的实际功率、替代后的理论功率及相应的天气数据，采用预测算法预测光伏发电功率；预测负荷功率；比较预测的光伏发电功率和负荷功率，若所述光伏发电功率大于负荷功率，则通过光伏对蓄电池充电；若所述光伏发电功率小于负荷功率，则计算所述蓄电池的输出功率，在负荷功率大于所述光伏发电功率与蓄电池的输出功率之和的情况下甩负荷；所述计算蓄电池的输出功率，是以电池寿命费用最小化和能源使用最大化为目标函数，计算蓄电池最优荷电状态，再通过所述蓄电池最优荷电状态计算蓄电池的输出功率。
在其中一个实施例中，所述历史天气数据包括气温和太阳辐射强度。
在其中一个实施例中，所述根据所述历史天气数据和光伏发电数据计算历史上光伏发电的理论功率的步骤采用如下方式进行计算：
Ps＝1000ηSG[1-0.005(Tmod+25)]；
其中PS是光伏阵列的输出功率，η是光伏阵列的光电转换效率，S是光伏阵列的总面积，G是光伏阵列接收到的太阳辐射强度，Tmod是光伏阵列的太阳能板的工作温度。
在其中一个实施例中，所述Tmod通过如下公式计算：
Tmod＝Tamd+30*G/1000；
其中Tamd为环境温度。
在其中一个实施例中，所述以电池寿命费用最小化和能源使用最大化为目标函数，计算蓄电池最优荷电状态的步骤是通过如下公式进行计算：
其中soc为所述蓄电池荷电状态，参数u0和参数u1为根据电池的制造商提供的电池放电深度和周期衰减进行拟合得到的参数，dR为额定安培-小时放电速率，DR为额定放电深度，是一个常数。
在其中一个实施例中，还包括为所述目标函数引入网损的步骤，
F(soc)＝deff+λf；
其中f为网损函数，λ为将所述f转换为费用相关的系数，且
其中ri为支路i的电阻，Pi、Qi分别为支路i末端各个时间段内流过的有功功率和无功功率，Vi为支路i末端的节点电压，b为支路数，ki为开关i的状态变量，0表示打开，1代表闭合。
在其中一个实施例中，所述通过所述蓄电池最优荷电状态计算蓄电池的输出功率的步骤是通过如下公式进行计算：
其中soct+△t为t+△t时刻的蓄电池荷电状态；soct为t时刻的蓄电池荷电状态；Pbat-t为t至t+△t时间段内蓄电池功率；Cbat为蓄电池的容量。
在其中一个实施例中，所述第一阈值的取值范围为0.3～0.5。。
在其中一个实施例中，述采用预测算法预测光伏发电功率的步骤和所述预测负荷功率的步骤，均是采用支持向量机的方式进行预测。
还有必要提供一种离网状态下光储微电网的能量管理系统。
一种离网状态下光储微电网的能量管理系统，包括预测模块和经济调度模块，所述预测模块包括：光伏及天气数据获取单元，用于获取光伏发电数据及相关的历史天气数据；理论功率计算单元，用于根据所述历史天气数据和光伏发电数据计算历史上光伏发电的理论功率；光伏数据整理单元，用于将各所述理论功率与历史上的实际功率进行比较，剔除相对误差大于第一阈值的实际功率并用相应的理论功率替代；光伏功率预测单元，用于根据历史上的实际功率、替代后的理论功率及相应的天气数据，采用预测算法预测光伏发电功率；负荷功率预测单元，用于预测负荷功率；所述经济调度模块包括：负荷判断单元，用于比较光伏发电功率预测值和负荷功率预测值的大小；充电单元，用于在所述光伏发电功率预测值大于负荷功率预测值时通过光伏对蓄电池充电；甩负荷单元，用于在所述光伏发电功率预测值小于负荷功率预测值时，计算所述蓄电池的输出功率，在负荷功率预测值大于所述光伏发电功率预测值与蓄电池的输出功率之和的情况下甩负荷；所述计算蓄电池的输出功率，是以电池寿命费用最小化和能源使用最大化为目标函数，计算蓄电池最优荷电状态，再通过所述蓄电池最优荷电状态计算蓄电池的输出功率。
上述离网状态下光储微电网的能量管理方法和系统，将历史数据中光伏发电的理论值与实际值进行比较，通过求出他们的相对误差，判定实际值是否为坏值。从而能够保持光伏功率数据的真实性，相对现有技术，能更好地保持光伏功率数据的差异性，提高预测算法的预测精度。并将电池的置换成本转化为每次调度的费用，定义为费用进行调度优化的目标函数，其控制变量只有蓄电池的输出功率，易于工程实现。
附图说明
通过附图中所示的本发明的优选实施例的更具体说明，本发明的上述及其它目的、特征和优势将变得更加清晰。在全部附图中相同的附图标记指示相同的部分，且并未刻意按实际尺寸等比例缩放绘制附图，重点在于示出本发明的主旨。
图1是一实施例中离网状态下光储微电网的能量管理方法的流程图。
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。
图1是一实施例中离网状态下光储微电网的能量管理方法的流程图，包括下列步骤：
S110，获取光伏发电数据及相关的历史天气数据。
光伏发电数据包括光伏发电装置(例如光伏阵列)的各项参数，包括光伏阵列的光电转换效率、光伏阵列的总面积等，光伏发电数据还包括光伏系统的数据库中记录的历史上每天的光伏阵列发电功率。在具体工程中，因设备的质量和老化等问题，光伏系统采集的数据存在一定的差异，往往会存在一些错误值或者数据重复、缺失。本发明通过在后续步骤中计算出光伏发电的理论值，用理论值来替换这些坏值。
S120，根据历史天气数据和光伏发电数据计算历史上光伏发电的理论功率。
通过如下公式计算光伏发电的输出功率的理论值：(1)
Ps＝1000ηSG[1-0.005(Tmod+25)] (1)
其中PS是光伏阵列的输出功率(单位是W)，η是光伏阵列的光电转换效率(单位是％)，S是光伏阵列的总面积(单位是m2)，G是光伏阵列接收到的太阳辐射强度(单位是W*m-2)，Tmod是光伏阵列的太阳能板的工作温度(单位是℃)。其中，η和S均是已知量，G的历史数据记录于光伏系统的数据库中。太阳能电池板的工作温度Tmod可以根据光伏系统记录的环境温度进行估算，例如通过经验公式进行估算。在本实施例中，是通过如下公式进行估算：
Tmod＝Tamd+30*G/1000 (2)
其中Tamd为环境温度(单位是℃)，G是光伏阵列接收到的太阳辐射强度。如果没有记录准确的环境温度，可以用气温代替。
S130，将实际功率与理论功率进行比较，将相对误差过大的用相应的理论功率进行代替。
根据公式(1)和(2)计算出各个历史数据中的光伏发电实际功率所对应的理论功率，并进行比较，对于与理论功率的相对误差大于第一阈值的实际功率(包括数据缺失的实际功率)，用理论值进行替代。
相对误差：
Δ＝(Mt-Mr)/Mr (3)
式(3)中Mt为实际功率，Mr为理论功率，第一阈值为一个经验值。在其中一个实施例中，第一阈值的取值范围是0.3～0.5。在另一个实施例中，第一阈值为0.4。当光伏功率数据存在缺失的时候，使用理论值补充，当相对误差值大于第一阈值的时候，剔除错误值，使用理论值替代。从而能够保持光伏功率数据的真实性，相对现有技术，能更好地保持光伏功率数据的差异性，提高后续预测算法的预测精度。
S140，根据历史上的实际功率、替代后的理论功率以及相应的天气数据，预测光伏发电功率。
可以采用现有技术的预测算法进行下一周期的光伏发电功率的预测，例如支持向量机(SVM)算法。
S10，预测负荷功率。
步骤S110～S140是对光伏发电功率进行预测的一系列流程。离网状态下光储微电网的能量管理方法还需要对负载功率进行预测，由于步骤S10与光伏发电功率无因果关系，因此执行顺序可以在步骤S110～S140中任一步骤之前或之后进行。
以上为预测部分，预测出光伏发电功率和负荷功率后，就可以此为依据进行调度。
S150，判断负荷功率是否≥光伏发电功率。
若是，则执行步骤S170；若否，则执行步骤S160。
S160，通过光伏对蓄电池充电。
光伏发电功率大于负荷消耗的功率，则可以将多出的部分给蓄电池进行充电。
S170，计算蓄电池的输出功率，在负荷功率大于光伏发电功率与蓄电池的输出功率之和的情况下甩负荷。
以电池寿命费用最小化、能源使用最大化为目标函数，计算蓄电池最优荷电状态，再通过蓄电池最优荷电状态计算蓄电池的输出功率。在具体工程当中，离网状态下的光储微电网的运行费用大部分是用于电池的置换，建立电池寿命函数，转化为每次调度的费用，量化微电网的运行费用。在其中一个实施例中，通过如下公式实现：
以优化电池寿命费用最少化为目标函数：
其中soc为蓄电池荷电状态，参数u0和参数u1为根据电池的制造商提供的电池寿命数据(包括电池放电深度和周期衰减)进行拟合得到的参数，dR为额定安培-小时放电速率，DR为额定放电深度(是一个常数)。
在其中一个实施例中，还需要考虑网损因素，这样优化调度后能有效降低微电网网损，使能源利用最大化，提高系统经济效益。定义网损函数：
其中ri为支路i的电阻，Pi、Qi分别为支路i末端各个时间段内流过的有功功率和无功功率，Vi为支路i末端的节点电压，b为支路数，ki为开关i的状态变量，0表示打开，1代表闭合。
将网损作为惩罚函数添加到费用上去，定义离网状态下的目标函数：
F(soc)＝deff+λf (6)
即通过公式(4)和公式(5)组成公式(6)的目标函数。其中f为网损函数，λ为将网损函数f转换为费用相关的系数。光储微电网的可控的变量只有蓄电池的出力功率，通过人工智能算法求解公式(6)的目标函数，能得到优化后的电池soc值。
再通过soc值与蓄电池功率的转换函数来计算t至t+△t时间段内蓄电池的输出功率：
其中soct+△t为t+△t时刻的蓄电池荷电状态；soct为t时刻的蓄电池荷电状态；Cbat为蓄电池的容量。通过公式(7)得到优化后的电池功率。如果预测出的下一周期负荷功率大于内蓄电池的输出功率加光伏发电功率，则需要甩负荷。
步骤S150～S170所描述的离网状态下的调度优化，将电池寿命函数转化为每次调度费用的目标函数，电池充电深度和放电率对电池寿命影响很大，并且上述光储微电网的经济调度方法调度优化的控制变量只有蓄电池的输出功率，而离网状态下的电能有限，上述方法考虑网损因素，能有效使电能利用最大化。所以，通过公式的转换，该目标函数十分适合光储微电网在离网状态下的调度优化。
同时提供一种离网状态下光储微电网的能量管理系统。
一种离网状态下光储微电网的能量管理系统，包括预测模块和经济调度模块。预测模块包括：
光伏及天气数据获取单元，用于获取光伏发电数据及相关的历史天气数据。
理论功率计算单元，用于根据历史天气数据和光伏发电数据计算历史上光伏发电的理论功率。
光伏数据整理单元，用于将各理论功率与历史上的实际功率进行比较，剔除相对误差大于第一阈值的实际功率并用相应的理论功率进行代替。
光伏功率预测单元，用于根据历史上的实际功率替代后的理论功率以及相应的历史天气数据，采用预测算法预测光伏发电功率。
负荷功率预测单元，用于预测负荷功率。
经济调度模块包括：
负荷判断单元，用于比较光伏发电功率预测值和负荷功率预测值的大小。
充电单元，用于在光伏发电功率预测值大于负荷功率预测值时通过光伏对蓄电池充电。
甩负荷单元，用于在光伏发电功率预测值小于负荷功率预测值时，计算蓄电池的输出功率，在负荷功率预测值大于光伏发电功率预测值与蓄电池的输出功率之和的情况下甩负荷。其中计算蓄电池的输出功率，是以电池寿命费用最小化、能源使用最大化为目标函数，考虑网损，计算蓄电池最优荷电状态，再通过蓄电池最优荷电状态计算蓄电池的输出功率。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
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 (10)

1.一种离网状态下光储微电网的能量管理方法，包括：
获取光伏发电数据及相关的历史天气数据；
根据所述历史天气数据和光伏发电数据计算历史上光伏发电的理论功率；
将各所述理论功率与历史上的实际功率进行比较，剔除相对误差大于第一阈值的实际功率并用相应的理论功率替代；
根据历史上的实际功率、替代后的理论功率及相应的天气数据，采用预测算法预测光伏发电功率；
预测负荷功率；
比较预测的光伏发电功率和负荷功率，若所述光伏发电功率大于负荷功率，则通过光伏对蓄电池充电；若所述光伏发电功率小于负荷功率，则计算所述蓄电池的输出功率，在负荷功率大于所述光伏发电功率与蓄电池的输出功率之和的情况下甩负荷；
所述计算蓄电池的输出功率，是以电池寿命费用最小化和能源使用最大化为目标函数，计算蓄电池最优荷电状态，再通过所述蓄电池最优荷电状态计算蓄电池的输出功率；所述电池寿命费用是指电池寿命周期内的综合费用，包括购置、维护费用。
2.根据权利要求1所述的离网状态下光储微电网的能量管理方法，其特征在于，所述历史天气数据包括气温和太阳辐射强度。
3.根据权利要求2所述的离网状态下光储微电网的能量管理方法，其特征在于，所述根据所述历史天气数据和光伏发电数据计算历史上光伏发电的理论功率的步骤采用如下方式进行计算：
Ps＝1000ηSG[1-0.005(Tmod+25)]；
其中PS是光伏阵列的输出功率，η是光伏阵列的光电转换效率，S是光伏阵列的总面积，G是光伏阵列接收到的太阳辐射强度，Tmod是光伏阵列的太阳能板的工作温度。
4.根据权利要求3所述的离网状态下光储微电网的能量管理方法，其特征在于，所述Tmod通过如下公式计算：
Tmod＝Tamd+30*G/1000；
其中Tamd为环境温度。
5.根据权利要求1所述的离网状态下光储微电网的能量管理方法，其特征在于，所述以电池寿命费用最小化和能源使用最大化为目标函数，计算蓄电池最优荷电状态的步骤是通过如下公式进行计算：
其中mindeff为电池寿命费用最少化的目标函数、deff为电池寿命费用的目标函数，soc为所述蓄电池荷电状态，参数u0和参数u1为根据电池的制造商提供的电池放电深度和周期衰减进行拟合得到的参数，dR为额定安培-小时放电速率，DR为额定放电深度，是一个常数。
6.根据权利要求5所述的离网状态下光储微电网的能量管理方法，其特征在于，还包括为所述目标函数引入网损的步骤，
F(soc)＝deff+λf；
其中f为网损函数，λ为将所述f转换为费用相关的系数，且
其中ri为支路i的电阻，Pi、Qi分别为支路i末端各个时间段内流过的有功功率和无功功率，Vi为支路i末端的节点电压，b为支路数，ki为开关i的状态变量，0表示打开，1代表闭合。
7.根据权利要求5或6所述的离网状态下光储微电网的能量管理方法，其特征在于，所述通过所述蓄电池最优荷电状态计算蓄电池的输出功率的步骤是通过如下公式进行计算：
其中soct+△t为t+△t时刻的蓄电池荷电状态；soct为t时刻的蓄电池荷电状态；Pbat-t为t至t+△t时间段内蓄电池功率；Cbat为蓄电池的容量。
8.根据权利要求1所述的离网状态下光储微电网的能量管理方法，其特征在于，所述第一阈值的取值范围为0.3～0.5。
9.根据权利要求1所述的离网状态下光储微电网的能量管理方法，其特征在于，所述采用预测算法预测光伏发电功率的步骤和所述预测负荷功率的步骤，均是采用支持向量机的方式进行预测。
10.一种离网状态下光储微电网的能量管理系统，包括预测模块和经济调度模块，其特征在于，所述预测模块包括：
光伏及天气数据获取单元，用于获取光伏发电数据及相关的历史天气数据；
理论功率计算单元，用于根据所述历史天气数据和光伏发电数据计算历史上光伏发电的理论功率；
光伏数据整理单元，用于将各所述理论功率与历史上的实际功率进行比较，剔除相对误差大于第一阈值的实际功率并用相应的理论功率替代；
光伏功率预测单元，用于根据历史上的实际功率、替代后的理论功率及相应的天气数据，采用预测算法预测光伏发电功率；
负荷功率预测单元，用于预测负荷功率；
所述经济调度模块包括：
负荷判断单元，用于比较光伏发电功率预测值和负荷功率预测值的大小；
充电单元，用于在所述光伏发电功率预测值大于负荷功率预测值时通过光伏对蓄电池充电；
甩负荷单元，用于在所述光伏发电功率预测值小于负荷功率预测值时，计算所述蓄电池的输出功率，在负荷功率预测值大于所述光伏发电功率预测值与蓄电池的输出功率之和的情况下甩负荷；所述计算蓄电池的输出功率，是以电池寿命费用最小化和能源使用最大化为目标函数，计算蓄电池最优荷电状态，再通过所述蓄电池最优荷电状态计算蓄电池的输出功率。
CN201610288913.7A 2016-05-03 2016-05-03 离网状态下光储微电网的能量管理方法及系统 Active CN105914769B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610288913.7A CN105914769B (zh) 2016-05-03 2016-05-03 离网状态下光储微电网的能量管理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610288913.7A CN105914769B (zh) 2016-05-03 2016-05-03 离网状态下光储微电网的能量管理方法及系统

Publications (2)

Publication Number Publication Date
CN105914769A CN105914769A (zh) 2016-08-31
CN105914769B true CN105914769B (zh) 2019-02-22

Family

ID=56753381

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610288913.7A Active CN105914769B (zh) 2016-05-03 2016-05-03 离网状态下光储微电网的能量管理方法及系统

Country Status (1)

Country Link
CN (1) CN105914769B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109713712B (zh) * 2018-10-10 2023-08-29 国电投天启(广东)智慧能源科技有限责任公司 光储荷智能化管理一体机及光储荷智能化管理方法
CN112330021A (zh) * 2020-11-05 2021-02-05 中国电子科技集团公司第十八研究所 一种分布式光储系统的网络协调控制方法
CN115528750B (zh) * 2022-11-03 2023-04-07 南方电网数字电网研究院有限公司 一种面向电网安全稳定的数据模型混合驱动机组组合方法
CN115833242B (zh) * 2022-12-13 2023-09-05 深圳市粤能电气有限公司 一种移动式阵列化光储系统的自适应切换控制方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101728984A (zh) * 2010-01-18 2010-06-09 华北电力大学（保定） 并网型光伏电站发电功率预测方法
KR20140018497A (ko) * 2012-08-01 2014-02-13 한국전력공사 단기 풍속 예측을 통한 풍력 발전량 예측 방법과, 그 기능을 이용한 배전선로 전압 예측 방법
CN104820877A (zh) * 2015-05-21 2015-08-05 河海大学 基于云自适应pso-snn的光伏系统发电功率预测方法
CN105139080A (zh) * 2015-08-04 2015-12-09 国家电网公司 一种基于马尔可夫链的改进光伏功率序列预测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5578524B2 (ja) * 2011-07-27 2014-08-27 ソーラー・エナジー・ソリューションズ株式会社 電力入出力管理システムとそのためのサーバ装置および分電盤
CN105490267A (zh) * 2015-12-28 2016-04-13 易事特集团股份有限公司 微电网能量管理系统与能量管理方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101728984A (zh) * 2010-01-18 2010-06-09 华北电力大学（保定） 并网型光伏电站发电功率预测方法
KR20140018497A (ko) * 2012-08-01 2014-02-13 한국전력공사 단기 풍속 예측을 통한 풍력 발전량 예측 방법과, 그 기능을 이용한 배전선로 전압 예측 방법
CN104820877A (zh) * 2015-05-21 2015-08-05 河海大学 基于云自适应pso-snn的光伏系统发电功率预测方法
CN105139080A (zh) * 2015-08-04 2015-12-09 国家电网公司 一种基于马尔可夫链的改进光伏功率序列预测方法

Also Published As

Publication number Publication date
CN105914769A (zh) 2016-08-31

Similar Documents

Publication Publication Date Title
CN106972516B (zh) 一种适用于微网的多类型储能多级控制方法
CN103793758B (zh) 含光伏发电系统的电动汽车充电站的多目标优化调度方法
CN106532764B (zh) 一种就地消纳光伏发电的电动汽车充电负荷调控方法
CN103795079A (zh) 离网并网混合光伏发电控制系统及其经济性运行优化方法
CN105914769B (zh) 离网状态下光储微电网的能量管理方法及系统
CN105207259B (zh) 基于能量管理的并网状态下的微电网系统调度方法
CN107546781B (zh) 基于pso改进算法的微电网多目标运行优化方法
Pedrasa et al. Robust scheduling of residential distributed energy resources using a novel energy service decision-support tool
CN107565607A (zh) 一种基于实时电价机制的微电网多时间尺度能量调度方法
CN112713618A (zh) 基于多场景技术的主动配电网源网荷储协同优化运行方法
CN105225022A (zh) 一种热电联产型微电网的经济性优化运行方法
CN114336599B (zh) 一种独立型微电网动态优化调度方法
CN111200293A (zh) 基于电池损耗和分布式电网电池储能日前随机调度的方法
CN110752629B (zh) 一种交直流混合家庭微电网能量优化管理方法
CN203933038U (zh) 离网并网混合光伏发电控制系统
CN105207207B (zh) 基于能量管理的孤网状态下的微电网系统调度方法
Rossi et al. Real-time optimization of the battery banks lifetime in hybrid residential electrical systems
Dimopoulou et al. A Markov decision process for managing a hybrid energy storage system
CN108921331A (zh) 一种计及v2g功能的电动汽车与新能源的调度优化建模及算法
CN113964872A (zh) 光伏发电储能控制方法及系统
CN115169723A (zh) 发电功率预测方法、负荷预测方法及模型训练方法
Ding et al. Energy management strategy of PV grid-connected household nano-grid system
CN110472780A (zh) 一种基于神经网络的配电优化调度方法
CN112134307A (zh) 多能互补系统的电储能/热储能容量联合优化方法及系统
CN113708404A (zh) 基于自动强化学习多时段预测的孤立微电网优化调度方法

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