CN106329568B - 户商型光伏发电经济调度控制系统 - Google Patents
户商型光伏发电经济调度控制系统 Download PDFInfo
- Publication number
- CN106329568B CN106329568B CN201610793398.8A CN201610793398A CN106329568B CN 106329568 B CN106329568 B CN 106329568B CN 201610793398 A CN201610793398 A CN 201610793398A CN 106329568 B CN106329568 B CN 106329568B
- Authority
- CN
- China
- Prior art keywords
- switch
- power
- particle
- photovoltaic generation
- population
- 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
- 239000002245 particle Substances 0.000 claims description 80
- 230000005611 electricity Effects 0.000 claims description 36
- 238000007599 discharging Methods 0.000 claims description 29
- 230000003399 chemotactic effect Effects 0.000 claims description 16
- 238000009395 breeding Methods 0.000 claims description 15
- 230000001488 breeding effect Effects 0.000 claims description 15
- 238000010248 power generation Methods 0.000 claims description 13
- 238000005457 optimization Methods 0.000 claims description 10
- 238000012423 maintenance Methods 0.000 claims description 8
- 230000008929 regeneration Effects 0.000 claims description 6
- 238000011069 regeneration method Methods 0.000 claims description 6
- 238000000034 method Methods 0.000 claims description 4
- 235000013399 edible fruits Nutrition 0.000 claims 2
- 238000010586 diagram Methods 0.000 description 15
- 230000008901 benefit Effects 0.000 description 11
- 241000894006 Bacteria Species 0.000 description 10
- 230000003044 adaptive effect Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 4
- 230000002431 foraging effect Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001580 bacterial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000001172 regenerating effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
-
- 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)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种户商型光伏发电经济调度控制系统，包括光伏阵列、与光伏阵列连接的逆变器、蓄电池组、与蓄电池组连接的双向逆变器、总体负载、微控制器、计算机、云端数据库、双向电表、与双向电表连接的公共电网、继电器开关组；系统可以直接由微控制控制下正常的运行，保证了系统的灵活性、可靠性。云端数据库保证了系统数据的良好的完整性。
Description
技术领域
本发明涉及太阳能新能源发电和应用领域，尤其涉及一种户商型光伏发电经济调度控制系统。
背景技术
随着社会生产的日益发展，对能源的需求量在不断增加，全球范围内的能源危机也日益突出。切尔诺贝利核泄漏、日本大地震引发的核电危机，引发了全球核电信任危机，各国相应做出了重大政策转向，具体而言就是加快可再生能源开发。从长期来看，全球能源格局或将倾向于更安全清洁的风电和光伏。目前，我国正在规划新能源发展，其中光伏发电就是新能源发展的四大重点之一。
而近年来，由于电力负荷增长快及用电时间分布不均，使得电网峰谷差加剧，负荷率降低。光伏发电具有较强的随机性和波动性，光伏发电系统并网运行必然也会引起电网的不稳定，这使得研究光伏发电系统电能的经济优化调度显得尤为重要。分时电价可作为电力需求侧管理以及供电侧电能调节的重要手段，合理的运用分时电价可提高供电可靠性，增加光伏发电的经济效益。我国已建造了很多大型的光伏发电站来缓解用电问题，但由于大型地面电站需要占用大量的土地面积，在西部人口稀疏的地方可以完成电站建造，而在人口密集的东部大型地面电站不太适用，这使户商型光伏发电站的建造得到大力提倡。
光伏发电经济调度控制既可最大程度增大用户的经济利益，又可对电网起到削峰填谷的作用。因此，研究基于分时电价的户商型光伏发电经济调度控制具有重要意义。
目前，大多数户商型光伏发电系统是可以运行在离并网模式下并能够给发电用户或发电企业带来经济效益，但普遍有以下不足：
1.大多数光伏发电系统并没有充分考虑到分时电价对用户经济效益的影响，这会直接导致系统的电能优化调度不能让用户的效益最大化。
2.目前大多数光伏发电系统要将微控制器和计算机直接联网，增加了用户成本。同时只是让上端计算机进行数据处理，把得到的结果发送到光伏发电微控制器，从而来实现系统的调度控制。若计算机出现故障不能发送数据到微控制器时，那么整个系统就不能正常工作，这使得系统的可靠性变低。
3.大多数光伏发电系统的优化调度算法虽然能够得出较好的电能分配方案，但一般花费的时间较长，不能够适时调度控制。
发明内容
有鉴于此，本发明的目的在于提供一种户商型光伏发电经济调度控制系统。
本发明的目的是通过以下技术方案来实现的，户商型光伏发电经济调度控制系统，包括光伏阵列、与光伏阵列连接的逆变器、蓄电池组、与蓄电池组连接的双向逆变器、总体负载、微控制器、计算机、云端数据库、双向电表和与双向电表的公共电网；所述逆变器、双向逆变器、总体负载、微控制器、双向电表通过继电器开关组连接；所述继电器开关组包括开关K1～开关K8；开关K1连接于逆变器与双向逆变器之间，开关K2连接于双向逆变器与总体负载之间，开关K3连接于逆变器和公共电网之间，开关K4连接于双向逆变器与公共电网之间，开关K5连接于总体负载与公共电网之间，开关K6连接于逆变器和总体负载之间，开关K8连接于微控制器与计算机之间，计算机与云端数据库连接，开关K3～开关K5连接后经开关K7与双向电表连接。
进一步，所述云端数据库用于保存历史信息数据，计算机用于对历史信息数据进行处理，预测本地当天每小时的光伏发电量和系统每小时的系统负荷量，计算机将这些预测结果上传到云端数据库进行保存或将预测结果下载到微控制器，微控制器根据接收的预测结果对继电器开关组进行控制。
进一步，该系统包括以下运行状态：
①并网，蓄电池充电，购电，光伏发电功率为0，此时开关K1、开关K2、开关K3、开关K6、开关K8断开，开关K4、开关K5、开关K7闭合；
②并网，蓄电池充电，购电，光伏发电功率不为0，若光伏发电功率大于系统负载功率，则此时开关K1、开关K4、开关K6、开关K7闭合，开关K2、开关K3、开关K5、开关K8断开；若光伏发电功率小于系统负载功率，则此时开关K1、开关K2、开关K3、开关K8断开，开关K4、开关K5、开关K6、开关K7闭合；
③并网，蓄电池充电，售电，光伏发电功率不为0，若此时光伏发电能同时满足蓄电池充电功率和系统负载功率，则此时开关K1、开关K3、开关K6、开关K8闭合，开关K2、开关K4、开关K5、开关K7断开；
④并网，蓄电池放电，购电，光伏发电功率为0，则开关K1、开关K3、开关K4、开关K6、开关K8断开，开关K2、开关K5、开关K7闭合；
⑤并网，蓄电池放电，购电，光伏发电功率不为0，则开关K1、开关K3、开关K4、开关K8断开，开关K2、开关K5、开关K6、开关K7闭合；
⑥并网，蓄电池放电，售电，光伏发电功率为0，则开关K1、开关K3、开关K5、开关K6、开关K7断开，开关K2、开关K4、开关K8闭合；
⑦并网，蓄电池放电，售电，光伏发电功率不为0，若此时光伏发电功率大于系统负载功率，则开关K1、开关K2、开关K5、开关K7断开，开关K3、开关K4、开关K6、开关K8闭合；若此时光伏发电功率小于系统负载功率，则开关K1、开关K3、开关K5、开关K7断开，开关K2、开关K4、开关K6、开关K8闭合；
⑧离网，光伏发电功率不为0，若此时光伏发电功率大于系统负载功率且电池没充满，则开关K1、开关K6闭合，开关K2、开关K3、开关K4、开关K5、开关K7、开关K8断开；若此时光伏发电功率小于系统负载功率且蓄电池没放完电，则开关K1、开关K3、开关K4、开关K7、开关K8、开关K5断开，开关K2、开关K6闭合；
⑨离网，光伏发电功率为0，若蓄电池放电功率满足系统荷载功率，则开关K1、开关K3～开关K8断开，开关K2闭合；若蓄电池放电功率不能满足系统荷载功率，则开关K1～开关K8断开。
进一步，所述继电器开关组的开关状态是经济调度优化算法优化结果决定，经济调度优化算法包括以下步骤：
①输入光伏发电系统的相关参数，包括所预测的当天的各个时段的光伏发电功率，电力负荷功率，蓄电池最大充电功率，蓄电池最大最小荷电状态，最大购电功率，最大售电功率，蓄电池组维护费用，光伏阵列维护费用，各个时段的售电价与购电价；
②初始化种群，设定种群规模、最大迭代次数、最大驱散次数、驱散概率、最大繁殖次数、最大趋化次数、最大游动次数，随机生成各个调度时段的蓄电池充放电功率以及购电功率，并约束其在可行的范围内，随机生成各个调度时段的粒子速度，并对粒子速度进行约束；
③计算种群各粒子的适应度值，通过对比各粒子的适应度值得到种群的历史初始最优解，同时把各粒子当前的适应度值作为各粒子的历史初始最优解；
④利用速度更新公式对粒子的速度和位置进行更新，随后计算各粒子的适应度值，若更新后的适应度值更优，则更新该粒子历史最优解并让该粒子游动，反之，则不游动；游动过程中，每游动一次都要计算一次适应度值，若游动后的适应度值更优，则更新该粒子历史最优解且继续游动，直到游动次数达到最大或者适应度值不再更优；当种群所有粒子完成趋向操作后，通过比较各粒子当前的适应度值得到种群当前的最优解，若当前种群最优解比种群历史最优解更优，则更新种群历史最优解；
⑤判断趋化次数是否达到最大趋化次数,若达到则对种群粒子进行繁殖操作，将种群中较优的半数粒子保留，并且用较优的半数粒子替换较差的半数粒子；
⑥判断繁殖次数是否达到最大繁殖次数，若达到则对种群粒子进行驱散操作，以一定的驱散概率对种群的粒子进行驱散，驱散之后计算各粒子的适应度值，若比该粒子历史最优解更优则更新该粒子历史最优解，若比种群的历史最优解更优则更新种群历史最优解；
⑦判断驱散次数是否达到最大驱散次数，若达到则继续下一次迭代；
⑧判断是否达到最大迭代次数，若达到则输出结果，其结果就是该系统当天的24小时的运行计划表。
由于采用了以上技术方案，本发明具有以下益技术效果：
①本系统可以直接由微控制控制下正常的运行，保证了系统的灵活性、可靠性。云端数据库保证了系统数据的良好的完整性。
②本系统所涉及到的经济调度优化算法(自适应粒子群-细菌觅食算法)具有较好的全局和局部搜索能力，收敛速度快以及求解精度高的特点，这些特点提高了实时调度控制的可行性，保证了用户效益最大化。
③本户商型光伏发电经济调度控制系统充分利用了分时电价增大用户经济的经济效益。同时运行计划表明，系统会在用电高峰期售电给公共电网，在用电低谷期从电网购电，从而达到对电网的削峰填谷的效果，提高了电网的稳定性。
附图说明
为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：
图1为本发明专利户商型光伏发电经济调度控制系统的结构示意图；
图2为本发明专利户商型光伏发电经济调度控制系统的脱机模式结构示意图；
图3为本发明专利所涉及系统在并网，蓄电池充电，购电，光伏发电功率为0模式的结构示意图；
图4为本发明专利所涉及系统在并网，蓄电池充电，购电，光伏发电功率不为0，光伏发电功率大于系统负载功率模式的结构示意图；
图5为本发明专利所涉及系统在在并网，蓄电池充电，购电，光伏发电功率不为0，光伏发电功率小于系统负载功率模式的结构示意图；
图6为本发明专利所涉及系统在并网，蓄电池充电，售电，光伏发电功率不为0，光伏发电能同时满足蓄电池充电功率和系统负载功率模式的结构示意图；
图7为本发明专利所涉及系统在并网，蓄电池放电，购电，光伏发电功率为0模式的结构示意图；
图8为本发明专利所涉及系统在并网，蓄电池放电，购电，光伏发电功率不为0模式的结构示意图；
图9为本发明专利所涉及系统在并网，蓄电池放电，售电，光伏发电功率为0模式下的结构示意图；
图10为本发明专利所涉及系统在并网，蓄电池放电，售电，光伏发电功率不为0，光伏发电功率大于系统负载功率模式的结构示意图；
图11为本发明专利所涉及系统在并网，蓄电池放电，售电，光伏发电功率不为0，光伏发电功率小于系统负载功率模式的结构示意图；
图12为本发明专利所涉及系统在离网，光伏发电功率不为0，光伏发电功率大于系统负载功率且电池没充满模式下的结构示意图；
图13为本发明专利所涉及系统在离网，光伏发电功率不为0，光伏发电功率小于系统负载功率且蓄电池没放完电模式下的结构示意图；
图14为本发明专利所涉及系统在离网，光伏发电功率为0，蓄电池放电功率满足系统荷载功率模式的结构示意图；
图15为本发明专利所涉及系统在离网，光伏发电功率为0，蓄电池放电功率不能满足系统荷载功率模式的结构示意图；
图16为本系统所涉及到的经济调度控制优化算法流程图。其中，maxit是迭代的最大次数，Ned是驱散最大次数，Nre是繁殖最大次数，m是趋化最大次数，Ped是驱散概率，Rand是(0，1)之间的随机数。
具体实施方式
以下将结合附图，对本发明的优选实施例进行详细的描述；应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。
户商型光伏发电经济调度控制系统，包括光伏阵列、与光伏阵列连接的逆变器、蓄电池组、与蓄电池组连接的双向逆变器、总体负载、微控制器、计算机、云端数据库、双向电表和与双向电表的公共电网；所述逆变器、双向逆变器、总体负载、微控制器、双向电表通过继电器开关组连接；所述继电器开关组包括开关K1～开关K8；开关K1连接于逆变器与双向逆变器之间，开关K2连接于双向逆变器与总体负载之间，开关K3连接于逆变器和公共电网之间，开关K4连接于双向逆变器与公共电网之间，开关K5连接于总体负载与公共电网之间，开关K6连接于逆变器和总体负载之间，开关K8连接于微控制器与计算机之间，计算机与云端数据库连接，开关K3～开关K5连接后经开关K7与双向电表连接，K7与K8共同控制系统离并网模式。
所述的云端数据库会保存有大量的历史信息数据，如历史光伏发电量、历史温湿度、历史光照强度以及历史电力负荷等数据。云端数据会适时提供给经营者、管理者、维护者。同时，上端计算机会对大量的历史数据进行处理，并且会充分考虑当地的分时电价政策、用户蓄电池特性和一些必要的约束条件，经过相应的预测算法来预测本地当天每小时的光伏发电量和系统每小时的系统负荷量。计算机会将这些预测结果上传到云端数据库进行保存，也会将预测结果通过串口(或以太网、GPRS)下载到微控制器，而后微控制器就会根据接收的结果对继电器开关组进行控制，从而实现了对户商型经济调度系统的控制。
在本发明中计算机或者微控制器能够预测当天每时段的光伏发电量和系统负荷量。本发明是以神经网络算法为核心算法对光伏发电量和系统负荷量进行预测，对于其预测算法而言，是把一天24小时分为24个计算单位(以1小时为一个计算单位)。对于神经网络训练样本，其是以大量的历史发量电、历史系统负荷量、历史温度数据、历史光照强度数据作为样本输入，以相应的光伏发电量和系统负荷量作为样本输出。系统运行时会对样本进行训练，而后预测出当天24个计算单位的光伏发电量和系统负荷量。
本发明所涉及系统的核心算法实现是在粒子群算法的基础上混合了细菌觅食算法，并且加入了自适应算子，即自适应粒子群-细菌觅食算法。对于粒子群算法而言，本混合优化算法是将种群中的每个粒子看作成一个候选解，即每个候选解就是一天24小时的运行计划，然后种群所有粒子通过相应的公式更新速度和位置并且经过多次迭代寻找到满足系统的最优解。
细菌觅食算法包括趋化操作、繁殖操作以及驱散操作。该混合算法是在粒子群进行局部搜索时加入自适应的趋化操作，在粒子群进行全局搜索时加入了繁殖和驱散操作。该优化算法会充分考虑当天的光伏发电量、系统负荷量、蓄电池组荷电状态、蓄电池组最大充放电功率、最大售电功率、最大购电功率、系统功率平衡、蓄电池维护费用、光伏阵列维护费用以及分时电价等相关约束条件，优化得到一天24小时的运行计划表，该计划会精确的表明系统购电时段与购电量、售电时段与售电量、蓄电池充放电时段与充放电量、各时段蓄电池荷电量以及各时段的效益等。所得到的计划表的相关数据会通过计算机传送到微控制器，然后微控制器通过对接收到的数据处理来控制继电器开关组的运行状态。本系统模型是以用户最大效益(MaxC)为目标函数。目标函数定义如下：
其中，C为光伏发电系统的利润，t为调度时段，T为调度时段的最大值，Csel,t、Cbuy,t为t时段售电、购电电价，Psel,t、Pbuy,t为t时段的售电、购电功率，Cpv、Cbat为光伏电池、蓄电池的单位维护成本，Ppv,t为t时段的光伏电池发电功率，Pbat,t为t时段蓄电池的充放电功率。
所述核心算法的包括以下步骤：
①输入光伏发电系统的相关参数，包括所预测的当天的各个时段的光伏发电功率，电力负荷功率，蓄电池最大充电功率，蓄电池最大最小荷电状态，最大购电功率，最大售电功率，蓄电池组维护费用，光伏阵列维护费用，各个时段的售电价与购电价；
②初始化种群，设定种群规模、最大迭代次数、最大驱散次数、驱散概率、最大繁殖次数、最大趋化次数、最大游动次数，随机生成各个调度时段的蓄电池充放电功率以及购电功率，并约束其在可行的范围内，随机生成各个调度时段的粒子速度，并对粒子速度进行约束；
③计算种群各粒子的适应度值，通过对比各粒子的适应度值得到种群的历史初始最优解，同时把各粒子当前的适应度值作为各粒子的历史初始最优解；
④利用速度更新公式对粒子的速度和位置进行更新，随后计算各粒子的适应度值，若更新后的适应度值更优，则更新该粒子历史最优解并让该粒子游动，反之，则不游动；游动过程中，每游动一次都要计算一次适应度值，若游动后的适应度值更优，则更新该粒子历史最优解且继续游动，直到游动次数达到最大或者适应度值不再更优；当种群所有粒子完成趋向操作后，通过比较各粒子当前的适应度值得到种群当前的最优解，若当前种群最优解比种群历史最优解更优，则更新种群历史最优解；
速度与位置更新公式为
其中，i为粒子(1≤i≤s)，j为粒子的迭代次数，ω为惯性常数，c1、c2分别为粒子自身学习因子和种群的学习因子，为0和1之间的随机数，xgbesti为第i个粒子本身的历史最优解，xzbest为种群的历史最优解。
d为粒子群维数；xi,d为第i个粒子第d维的位置；vi,d为第i个粒子第d维的速度；第i个粒子第j代在d维的位置；第i个粒子第j+1代在d维的位置；第i个粒子第j代在d维的速度；第i个粒子第j+1代在d维的速度；
⑤判断趋化次数是否达到最大趋化次数,若达到则对种群粒子进行繁殖操作，将种群中较优的半数粒子保留，并且用较优的半数粒子替换较差的半数粒子；
⑥判断繁殖次数是否达到最大繁殖次数，若达到则对种群粒子进行驱散操作，以一定的驱散概率对种群的粒子进行驱散，驱散之后计算各粒子的适应度值，若比该粒子历史最优解更优则更新该粒子历史最优解，若比种群的历史最优解更优则更新种群历史最优解；
⑦判断驱散次数是否达到最大驱散次数，若达到则继续下一次迭代；
⑧判断是否达到最大迭代次数，若达到则输出结果，其结果就是该系统当天的24小时的运行计划表。
步骤⑤-⑧具体表现为
对于细菌觅食算法而言，本算法是将种群中每个细菌看作成一个候选解，即每个候选解就是一天24小时的运行计划，然后通过趋化操作、繁殖操作、驱散操作以及相应的种群迭代来寻找种群最优解。趋化操作中细菌有翻转与游动两个形态。繁殖操作是采取优胜劣汰的原则，淘汰较差的半数细菌，保留并复制较好的半数细菌。驱散操作是以一定的概率驱散种群的细菌，也就是说重新生成一个细菌来代替当前被选中的细菌。
翻转公式为
游动公式为
P(i,m+1,k,l)＝P(i,m,k,l)+v(i)
其中，P(i,m,k,l)为第i个细菌在第m次趋化第k次复制第l次驱散时的位置，v(i)为细菌游动步长，Φ(i)为翻转选定的方向向量，Δ(i)为翻转变向过程中随机生成的向量。
繁殖公式为
对于自适应算子而言，本算法是在趋化操作中的游动步长中加入了自适应算子，其自适应步长公式为
其中，ωmax为最大的惯性常数，ωmin为最小的惯性常数，kmax为最大繁殖次数，lmax为最大驱散次数。
本发明具可以工作在两个模式下：脱机模式和离并网模式
工作在脱机模式下：当在某种特殊情况下，计算机与微控制器断开了连接，户商型光伏发电经济调度控制系统也可以正常工作，此时所有预测以及优化调度都是由微控制来完成，优化和预测所得到的数据都会保存到微控制器的存储卡中，待计算机与微控制器再度连接后，就会将数据上传到计算机，计算机会将这些数据保存到云端数据库中；也可按要求，通过GPRS等无线传输方式将数据无线上传至云端数据库中。上述操作，保证了系统的灵活性、可靠性以及数据的完整性。
工作在离并网模式下：并网模式下，系统会充分考虑蓄电池的充放电特性以及分时电价对用户经济利益的影响等相关因素，计算买、卖电的时段并对本系统的电能进行重新分配，从而实现用户经济效益的最大化。在离网模式下，系统会合理分配充放电能，满足系统全天负荷。
本户商型光伏发电经济调度控制系统可运行在多种不同状态下。开关组的状态会直接决定系统的电能经济调度分配方案。该系统运行在以下不同的状态下：
①并网，蓄电池充电，购电，光伏发电功率为0。此时开关K1断开，开关K2断开，开关K3断开，开关K4闭合，开关K5闭合，开关K6断开，开关K7闭合，开关K8断开。
②并网，蓄电池充电，购电，光伏发电功率不为0。若光伏发电功率大于系统负载功率，则此时开关K1闭合，开关K2断开，开关K3断开，开关K4闭合，开关K5断开，开关K6闭合，开关K7闭合，开关K8断开；若光伏发电功率小于系统负载功率，则此时开关K1断开，开关K2断开，开关K3断开，开关K4闭合，开关K5闭合，开关K6闭合，开关K7闭合，开关K8断开。
③并网，蓄电池充电，售电，光伏发电功率不为0。若此时光伏发电能同时满足蓄电池充电功率和系统负载功率，则此时开关K1闭合，开关K2断开，开关K3闭合，开关K4断开，开关K5断开，开关K6闭合，开关K7断开，开关K8闭合。
④并网，蓄电池放电，购电，光伏发电功率为0。则开关K1断开，开关K2闭合，开关K3断开，开关K4断开，开关K5闭合，开关K6断开，开关K7闭合，开关K8断开。
⑤并网，蓄电池放电，购电，光伏发电功率不为0。则开关K1断开，开关K2闭合，开关K3断开，开关K4断开，开关K5闭合，开关K6闭合，开关K7闭合，开关K8断开。
⑥并网，蓄电池放电，售电，光伏发电功率为0。则开关K1断开，开关K2闭合，开关K3断开，开关K4闭合，开关K5断开，开关K6断开，开关K7断开，开关K8闭合。
⑦并网，蓄电池放电，售电，光伏发电功率不为0。若此时光伏发电功率大于系统负载功率，则开关K1断开，开关K2断开，开关K3闭合，开关K4闭合，开关K5断开，开关K6闭合，开关K7断开，开关K8闭合；若此时光伏发电功率小于系统负载功率，则开关K1断开，开关K2闭合，开关K3断开，开关K4闭合，开关K5断开，开关K6闭合，开关K7断开，开关K8闭合，开关K9闭合。
⑧离网，光伏发电功率不为0。若此时光伏发电功率大于系统负载功率且电池没充满，则开关K1闭合，开关K2断开，开关K3断开，开关K4断开，开关K5断开，开关K6闭合，开关K7断开，开关K8断开，开关K9闭合；若此时光伏发电功率小于系统负载功率且蓄电池没放完电，则开关K1断开，开关K2闭合，开关K3断开，开关K4断开，开关K5断开，开关K6闭合，开关K7断开，开关K8断开；
⑨离网，光伏发电功率为0。若蓄电池放电功率满足系统荷载功率，则开关K1断开，开关K2闭合，开关K3断开，开关K4断开，开关K5断开，开关K6断开，开关K7断开，开关K8断开，开关K9闭合；若蓄电池放电功率不能满足系统荷载功率，则开关K1断开，开关K2断开，开关K3断开，开关K4断开，开关K5断开，开关K6断开，开关K7断开，开关K8断开。
以上所述都是在非脱机模式下的运行状态，若是在脱机模式下，其运行状态和非脱机模式下相同。
以上所述仅为本发明的优选实施例，并不用于限制本发明，显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (3)
1.户商型光伏发电经济调度控制系统，其特征在于：包括光伏阵列、与光伏阵列连接的逆变器、由多个蓄电池连接组成的蓄电池组、与蓄电池组连接的双向逆变器、总体负载、微控制器、计算机、云端数据库、双向电表和与双向电表连接的公共电网；所述逆变器、双向逆变器、总体负载、微控制器、双向电表通过继电器开关组连接；所述继电器开关组包括开关K1～开关K8；开关K1连接于逆变器与双向逆变器之间，开关K2连接于双向逆变器与总体负载之间，开关K3连接于逆变器和公共电网之间，开关K4连接于双向逆变器与公共电网之间，开关K5连接于总体负载与公共电网之间，开关K6连接于逆变器和总体负载之间，开关K8连接于微控制器与计算机之间，计算机与云端数据库连接，开关K3～开关K5连接后经开关K7与双向电表连接；
所述继电器开关组的开关状态是经济调度优化算法优化结果决定，经济调度优化算法包括以下步骤：
①输入光伏发电系统的相关参数，包括预测的当天的各个时段的光伏发电功率，电力负荷功率，蓄电池最大充电功率，蓄电池最大最小荷电状态，最大购电功率，最大售电功率，蓄电池组维护费用，光伏阵列维护费用，各个时段的售电价与购电价；
②初始化种群，设定种群规模、最大迭代次数、最大驱散次数、驱散概率、最大繁殖次数、最大趋化次数、最大游动次数，随机生成各个调度时段的蓄电池充放电功率以及购电功率，并约束其在可行的范围内，随机生成各个调度时段的粒子速度，并对粒子速度进行约束；
③计算种群各粒子的适应度值，通过对比各粒子的适应度值得到种群的历史初始最优解，同时把各粒子当前的适应度值作为各粒子的历史初始最优解；
④利用速度更新公式对粒子的速度和位置进行更新，随后计算各粒子的适应度值，若更新后的适应度值更优，则更新该粒子历史最优解并让该粒子游动，反之，则不游动；游动过程中，每游动一次都要计算一次适应度值，若游动后的适应度值更优，则更新该粒子历史最优解且继续游动，直到游动次数达到最大或者适应度值不再更优；当种群所有粒子完成趋向操作后，通过比较各粒子当前的适应度值得到种群当前的最优解，若当前种群最优解比种群历史最优解更优，则更新种群历史最优解；
⑤判断趋化次数是否达到最大趋化次数,若达到则对种群粒子进行繁殖操作，将种群中较优的半数粒子保留，并且用较优的半数粒子替换较差的半数粒子；
⑥判断繁殖次数是否达到最大繁殖次数，若达到则对种群粒子进行驱散操作，以一定的驱散概率对种群的粒子进行驱散，驱散之后计算各粒子的适应度值，若比该粒子历史最优解更优则更新该粒子历史最优解，若比种群的历史最优解更优则更新种群历史最优解；
⑦判断驱散次数是否达到最大驱散次数，若达到则继续下一次迭代；
⑧判断是否达到最大迭代次数，若达到则输出结果，其结果就是该系统当天的24小时的运行计划表。
2.根据权利要求1所述的户商型光伏发电经济调度控制系统，其特征在于：所述云端数据库用于保存历史信息数据，计算机用于对历史信息数据进行处理，对本地当天每小时的光伏发电量和系统每小时的系统负荷量进行预测，并得到预测结果，计算机将所述预测结果上传到云端数据库进行保存或将预测结果下载到微控制器，微控制器根据接收的预测结果对继电器开关组进行控制。
3.根据权利要求2所述的户商型光伏发电经济调度控制系统，其特征在于：该系统包括以下运行状态：
①并网，蓄电池充电，购电，光伏发电功率为0，此时开关K1、开关K2、开关K3、开关K6、开关K8断开，开关K4、开关K5、开关K7闭合；
②并网，蓄电池充电，购电，光伏发电功率不为0，若光伏发电功率大于系统负载功率，则此时开关K1、开关K4、开关K6、开关K7闭合，开关K2、开关K3、开关K5、开关K8断开；若光伏发电功率小于系统负载功率，则此时开关K1、开关K2、开关K3、开关K8断开，开关K4、开关K5、开关K6、开关K7闭合；
③并网，蓄电池充电，售电，光伏发电功率不为0，若此时光伏发电能同时满足蓄电池充电功率和系统负载功率，则此时开关K1、开关K3、开关K6、开关K8闭合，开关K2、开关K4、开关K5、开关K7断开；
④并网，蓄电池放电，购电，光伏发电功率为0，则开关K1、开关K3、开关K4、开关K6、开关K8断开，开关K2、开关K5、开关K7闭合；
⑤并网，蓄电池放电，购电，光伏发电功率不为0，则开关K1、开关K3、开关K4、开关K8断开，开关K2、开关K5、开关K6、开关K7闭合；
⑥并网，蓄电池放电，售电，光伏发电功率为0，则开关K1、开关K3、开关K5、开关K6、开关K7断开，开关K2、开关K4、开关K8闭合；
⑦并网，蓄电池放电，售电，光伏发电功率不为0，若此时光伏发电功率大于系统负载功率，则开关K1、开关K2、开关K5、开关K7断开，开关K3、开关K4、开关K6、开关K8闭合；若此时光伏发电功率小于系统负载功率，则开关K1、开关K3、开关K5、开关K7断开，开关K2、开关K4、开关K6、开关K8闭合；
⑧离网，光伏发电功率不为0，若此时光伏发电功率大于系统负载功率且蓄电池没充满，则开关K1、开关K6闭合，开关K2、开关K3、开关K4、开关K5、开关K7、开关K8断开；若此时光伏发电功率小于系统负载功率且蓄电池没放完电，则开关K1、开关K3、开关K4、开关K7、开关K8、开关K5断开，开关K2、开关K6闭合；
⑨离网，光伏发电功率为0，若蓄电池放电功率满足系统荷载功率，则开关K1、开关K3～开关K8断开，开关K2；若蓄电池放电功率不能满足系统荷载功率，则开关K1～开关K8断开。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610793398.8A CN106329568B (zh) | 2016-08-31 | 2016-08-31 | 户商型光伏发电经济调度控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610793398.8A CN106329568B (zh) | 2016-08-31 | 2016-08-31 | 户商型光伏发电经济调度控制系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106329568A CN106329568A (zh) | 2017-01-11 |
| CN106329568B true CN106329568B (zh) | 2018-10-02 |
Family
ID=57786320
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610793398.8A Expired - Fee Related CN106329568B (zh) | 2016-08-31 | 2016-08-31 | 户商型光伏发电经济调度控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106329568B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107994595B (zh) * | 2017-11-15 | 2023-09-22 | 中国电力科学研究院有限公司 | 一种削峰填谷控制方法和系统以及应用该控制方法的系统 |
| CN109474000B (zh) * | 2017-12-29 | 2021-11-30 | 国网浙江省电力有限公司金华供电公司 | 一种配变台区分布式光伏电源智能分析系统及方法 |
| CN108767854B (zh) * | 2018-06-20 | 2021-03-09 | 北京科东电力控制系统有限责任公司 | 购电方案优化方法、装置以及电子设备 |
| CN108988329B (zh) * | 2018-08-01 | 2021-04-23 | 国网安徽省电力有限公司培训中心 | 一种电力系统节能发电调度控制器及调度方法 |
| CN109193789B (zh) * | 2018-10-30 | 2021-12-14 | 泓芯泰业科技(北京)有限公司 | 一种用于光伏发电的逆变装置 |
| CN110598915B (zh) * | 2019-08-23 | 2023-01-17 | 广东工业大学 | 一种热电联供的微电网经济优化方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201629582U (zh) * | 2010-03-11 | 2010-11-10 | 宁波拜特测控技术有限公司 | 一种储能电站 |
| CN101958575A (zh) * | 2010-04-26 | 2011-01-26 | 陈太明 | 一种太阳能发电蓄能和低谷用电蓄能自动控制节能系统 |
| CN202550569U (zh) * | 2012-05-24 | 2012-11-21 | 肖连生 | 风光互补储能发电系统 |
| CN103795079A (zh) * | 2014-01-13 | 2014-05-14 | 山东大学 | 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 |
| WO2014141499A1 (ja) * | 2013-03-14 | 2014-09-18 | オムロン株式会社 | 電力制御装置、電力制御方法、プログラム、および電力制御システム |
| CN104485727A (zh) * | 2014-12-26 | 2015-04-01 | 广州市香港科大霍英东研究院 | 一种离网光伏发电储能系统及其能量调度方法 |
| CN104795832A (zh) * | 2015-04-24 | 2015-07-22 | 深圳市盛弘电气有限公司 | 光伏电能管理方法和系统、以及电能分配控制装置 |
-
2016
- 2016-08-31 CN CN201610793398.8A patent/CN106329568B/zh not_active Expired - Fee Related
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN201629582U (zh) * | 2010-03-11 | 2010-11-10 | 宁波拜特测控技术有限公司 | 一种储能电站 |
| CN101958575A (zh) * | 2010-04-26 | 2011-01-26 | 陈太明 | 一种太阳能发电蓄能和低谷用电蓄能自动控制节能系统 |
| CN202550569U (zh) * | 2012-05-24 | 2012-11-21 | 肖连生 | 风光互补储能发电系统 |
| WO2014141499A1 (ja) * | 2013-03-14 | 2014-09-18 | オムロン株式会社 | 電力制御装置、電力制御方法、プログラム、および電力制御システム |
| CN103795079A (zh) * | 2014-01-13 | 2014-05-14 | 山东大学 | 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 |
| CN104485727A (zh) * | 2014-12-26 | 2015-04-01 | 广州市香港科大霍英东研究院 | 一种离网光伏发电储能系统及其能量调度方法 |
| CN104795832A (zh) * | 2015-04-24 | 2015-07-22 | 深圳市盛弘电气有限公司 | 光伏电能管理方法和系统、以及电能分配控制装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106329568A (zh) | 2017-01-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106329568B (zh) | 户商型光伏发电经济调度控制系统 | |
| Asrari et al. | A market framework for decentralized congestion management in smart distribution grids considering collaboration among electric vehicle aggregators | |
| Kavousi-Fard et al. | Reliability-oriented reconfiguration of vehicle-to-grid networks | |
| Singh et al. | Distributed power generation planning for distribution networks using electric vehicles: Systematic attention to challenges and opportunities | |
| CN107301470B (zh) | 一种配电网扩展规划与光储选址定容的双层优化方法 | |
| CN106487005B (zh) | 一种考虑输配电价的电网规划方法 | |
| CN112467722B (zh) | 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法 | |
| CN105207267B (zh) | 一种微网能量管理系统 | |
| CN105811409B (zh) | 一种含电动汽车混合储能系统的微网多目标运行调度方法 | |
| Salcedo-Sanz et al. | A novel Coral Reefs Optimization algorithm with substrate layers for optimal battery scheduling optimization in micro-grids | |
| CN108037667B (zh) | 基于虚拟电厂的基站电能优化调度方法 | |
| CN105868844A (zh) | 一种含电动汽车混合储能系统的微网多目标运行调度方法 | |
| CN110429653A (zh) | 考虑储能和dr的农网分布式光伏消纳方法及终端设备 | |
| CN108182485A (zh) | 一种配电网检修时机优化方法及系统 | |
| CN104217262A (zh) | 一种智能微电网能量管理量子优化方法 | |
| CN103903066A (zh) | 一种虚拟电厂分层随机优化调度方法 | |
| CN110135662A (zh) | 一种考虑减小峰谷差的储能选址定容多目标优化方法 | |
| Ghaedi et al. | Probabilistic scheduling of smart electric grids considering plug-in hybrid electric vehicles | |
| CN116822719A (zh) | 一种配电网的多目标规划方法及装置 | |
| CN104505832B (zh) | 一种中压配电网低损耗运行方式确定方法 | |
| CN109993355A (zh) | 一种基于灰狼算法的楼宇用电优化方法 | |
| Khorram-Nia et al. | Optimal switching in reconfigurable microgrids considering electric vehicles and renewable energy sources | |
| Singh et al. | Energy management of an active distribution network considering correlation between uncertain input variables | |
| CN108808653A (zh) | 一种考虑可控负荷的风光储微电网储能容量优化配置方法 | |
| Guru et al. | Wind generator and storage system scheduling for customer benefit and battery life |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | 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 |
Granted publication date: 20181002 Termination date: 20200831 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |