CN106451541B - 一种孤岛型微电网的能量控制方法及控制系统 - Google Patents

一种孤岛型微电网的能量控制方法及控制系统 Download PDF

Info

Publication number
CN106451541B
CN106451541B CN201610926917.3A CN201610926917A CN106451541B CN 106451541 B CN106451541 B CN 106451541B CN 201610926917 A CN201610926917 A CN 201610926917A CN 106451541 B CN106451541 B CN 106451541B
Authority
CN
China
Prior art keywords
energy
power
isolated island
island type
distributed
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
Application number
CN201610926917.3A
Other languages
English (en)
Other versions
CN106451541A (zh
Inventor
丁敏
吴梁广
吴敏
何勇
谢华
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.)
China University of Geosciences
Original Assignee
China University of Geosciences
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 China University of Geosciences filed Critical China University of Geosciences
Priority to CN201610926917.3A priority Critical patent/CN106451541B/zh
Publication of CN106451541A publication Critical patent/CN106451541A/zh
Application granted granted Critical
Publication of CN106451541B publication Critical patent/CN106451541B/zh
Expired - Fee Related 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • 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—
    • H02J3/386—
    • 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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • 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
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供了一种孤岛型微电网的能量控制方法，包括(1)获取相关数据；(2)根据相关数据预测得到短期预测发电功率、长期预测发电功率、负荷短期预测功率和负荷长期预测功率；(3)利用智能控制方法控制储能电池荷电状态阈值上限改变，并确定储能电池的运行模式。本发明同时提供了一种基于所述能量控制方法的孤岛型微电网控制系统，包括分布式发电设备、与分布式发电设备连接的储能系统、负载以及气象监测仪，所述分布式发电设备与微网控制器连接，所述微网控制器通过局域网与数据库服务器连接，数据库服务器连接于应用分析设备。本发明能够有效提高微电网系统的经济运行和储能电池寿命。

Description

一种孤岛型微电网的能量控制方法及控制系统
技术领域
本发明涉及一种孤岛型微电网的能量控制方法及控制系统，属于智能微电网的电力技术领域。
背景技术
随着传统化石能源的日益紧张，人们对环境保护和节能减排问题的日益关注，以及电力负荷对电能质量的高要求，传统电力系统面临着越来越严峻的挑战。风能和太阳能以其节能、环保等优点，已越来越受到关注，越来越多地被接入传统电力系统。微电网是智能电网建设的重要组成部分，风能、太阳能等作为方便易得储量丰富的清洁可再生能源，是作为分布式电源接入微电网的主要方向。但风、光等间歇性能源作为分布式电源接入微电网，储能电池为了保证系统电力质量的稳定，会频繁地切换充放电状态。当充放电处于浅层充放电时对电池的寿命影响小，在较深层次充放电时，对储能电池的寿命影响大。储能电池SOC阈值范围限制的过窄，储能电池无法在发电功率过大时储存过多的电能，在用电量过大时难以保证更长的运行时间，进而会影响系统可靠运行；范围限制的过宽，过充与过放现象又会对储能电池的寿命造成较大的影响，会影响蓄电池的使用寿命，影响系统的经济运行。微电网的能量管理优化运行方法在满足负荷需求的同时实现综合成本的最优化，是让微电网经济效益得以体现的难点。
微电网运行过程中，储能系统是调节分布式电源性能，保证负荷供电质量，抑制系统震荡的重要部分。分布式电源提供的功率和负荷需求的功率是动态变化的，功率不平衡时则由储能系统吸收或补偿能量。现有的管理方法中，对储能电池SOC(State of Charge，荷电状态)的管理大多基于固定的储能电池电量阈值，深层充放电和浅层充放电对储能电池的寿命具有影响，深层充放电更加有损电池寿命，故这种方法难以应对复杂的充放电情况，也难以保证电池使用寿命和系统稳定可靠运行共同达到最优化。
发明内容
为了解决现有技术的不足，本发明提供了一种孤岛型微电网的能量控制方法及控制系统，能够让微电网可靠、经济运行。
本发明为解决其技术问题所采用的技术方案是：提供了一种孤岛型微电网的能量控制方法，包括以下步骤：
(1)获取相关数据，所述相关数据包括气象数据、孤岛型微电网中分布式发电设备的负荷功率数据、用户使用习惯数据，以及与分布式发电设备连接的储能系统中储能电池的荷电状态数据；
(2)根据气象数据，通过上位机预测模型对孤岛型微电网的各分布式发电设备的短期发电功率和长期发电功率作出预测，得到各分布式发电设备的短期预测发电功率和长期预测发电功率；利用负荷功率和用户使用习惯数据，通过上位机预测模型对各分布式发电设备的负荷的短期需求功率和长期需求功率作出预测，得到各分布式发电设备的负荷短期预测功率和负荷长期预测功率；
(3)利用各分布式发电设备的短期预测发电功率、长期预测发电功率、负荷短期预测功率、负荷长期预测功率以及荷电状态数据，利用智能控制方法控制储能电池荷电状态阈值上限改变，并确定储能电池的运行模式。
步骤(1)所述气象数据包括光伏、风力相关实时、历史气象数据和天气预报数据。
步骤(2)所述上位机预测模型采用超短期光伏、风电功率预测模型以及短期光伏、风电功率预测模型。
步骤(2)所述短期需求功率为0～4小时时间区间的预测数据，所述长期需求功率为1～3天时间区间的预测数据。
步骤(3)所述智能控制方法采用模糊方法。
步骤(3)所述利用智能控制方法控制储能电池荷电状态改变具体包括以下过程：
(a1)设置模糊变量：设置2个输入变量和1个输出变量，其中第一输入变量为短期预测功率偏差率Esr，Esr＝Es/Po；其中，Es为短期预测功率偏差值，Es＝Pas-Ploads， Pas为孤岛型微电网的各分布式发电设备的短期预测发电功率的总和，Ploads为孤岛型微电网的各分布式发电设备的负荷短 期预测功率的总和，Po为孤岛型微电网的标准功率偏差，设为孤岛型微电网的最大发电功率与最小负荷功率差值；第二输入变量为长期预测功率偏差率Elr，Elr＝El/Po，El为长期预测功率偏差值，El＝Pal-Ploadl，Pal为孤岛型微电网的各分布式发电设备的长期预测发电功率的总和，Ploadl为孤岛型微电网的各分布式发电设备的负荷长期预测功率的总和；将储能电池荷电状态的上限阈值Sr设置为输出变量；
(a2)设置模糊化过程、论域及模糊变量：
模糊化过程设置为：Esr、Elr及Sr的模糊化采用的量化因子均为1，隶属度函数均采用三角形隶属函数；
论域设置为：Esr∈[-1.0,1.0]，Elr∈[-1.0,1.0]，Sr∈[0.5,0.9]；
模糊变量设置为：Esr的模糊变量为{NB1,NS1,ZO1,PS1,PB1}；Elr的模糊变量为{NB2,NS2,ZO2,PS2,PB2}；Sr的模糊变量为{VS,S,M,B,VB}；
(a3)将Esr和Elr模糊化后通过以下规则得到Sr：
将Sr经过清晰化接口进行清晰化，得到储能电池荷电状态上限阈值Sr；
(a4)得到储能电池荷电状态上限阈值Sr后，利用以下规则控制储能电池的运行模式：
其中，Pa表示孤岛型微电网的各分布式发电设备的实时发电功率总和，Pload表示孤岛型微电网的负荷的实时需求功率的总和，C、D和N分别表示储能电池处于充电、放电和不操作状态；其中不操作状态时，进行限制负荷功率或进行关机操作；VS1、S1、 M1、B1、VB1分别表示储能电池与控制阈值VS、S、M、B、VB对应的剩余容量值；当储能电池达到设置的储能电池荷电状态阈值下限时，进行限制负荷操作。
本发明同时提供了一种基于所述能量控制方法的孤岛型微电网控制系统，包括分布式发电设备，以及与分布式发电设备连接的储能系统、负载和气象监测仪，所述分布式发电设备与微网控制器连接，所述微网控制器通过局域网与数据库服务器连接，数据库服务器连接于应用分析设备。
所述发电设备包括光伏发电系统和/或风力发电系统。
所述分布式发电设备通过RS485与微网控制器连接。
本发明基于其技术方案所具有的有益效果在于：
(1)本发明的孤岛型微电网的能量控制方法充分考虑了气象数据，并利用预测模型进行预测，将预测结果考虑在内，能够提前对孤岛型微电网进行调控，对于整个微电网能量控制具有前瞻性控制的意义；
(2)本发明的孤岛型微电网的能量控制方法利用模糊方法进行能量控制，容易实现，适用于大规模分布式的微电网系统，控制造成的时间开销小，控制效果理想，能够同时兼顾微电网的经济性和可靠性；
(3)通过对比试验，与不使用本发明的孤岛型微电网的能量控制方法的系统相比，本发明的孤岛型微电网的能量控制方法能够显著减少系统非正常运行时间，说明本发明提供的孤岛型微电网的能量控制方法对于提高微电网的经济稳定运行具有实际效用；
(4)利用本发明的孤岛型微电网的能量控制方法，可有效提高微电网系统的经济运行和储能电池寿命；
(5)本发明同时提供的基于孤岛型微电网的能量控制方法的控制系统，能够为实现该孤岛型微电网的能量控制方法提供一个硬件平台。
附图说明
图1是本发明的孤岛型微电网的能量控制系统的控制通信拓扑示意图。
图2是本发明的孤岛型微电网的能量控制方法的原理框图。
图3是本发明模糊控制规则一实例三维视图。
图4是本发明实施例的风1、风2、负荷实际功率曲线图。
图5是本发明实施例短期、长期预测功率偏差率曲线图。
图6是本发明实施例的两种能量控制方法的储能电池荷电状态曲线图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
本发明提供了一种孤岛型微电网的能量控制方法，参照图2，包括以下步骤：
(1)获取相关数据，所述相关数据包括气象数据、孤岛型微电网中分布式发电设备的负荷功率数据、用户使用习惯数据，以及与分布式发电设备连接的储能系统中储能电池的荷电状态数据；
(2)根据气象数据，通过上位机预测模型对孤岛型微电网的各分布式发电设备的短期发电功率和长期发电功率作出预测，得到各分布式发电设备的短期预测发电功率和长期预测发电功率；利用负荷功率和用户使用习惯数据，通过上位机预测模型对各分布式发电设备的负荷的短期需求功率和长期需求功率作出预测，得到各分布式发电设备的负荷短期预测功率和负荷长期预测功率；
以一个具有两个风力分布式电源的微电网系统为例，分布式电源1发电功率P1，分布式电源2发电功率P2，Pa为系统发电总功率，Pa＝P1+P2。根据气象数据，尤其是历史气象数据，计算分布式电源1短期预测发电功率P1s和长期预测发电功率P1l；根据历史气象数据计算分布式电源2短期预测发电功率P2s和长期预测发电功率P2l，负荷短期预测功率Ploads，负荷长期预测功率Ploadl。计算系统短期预测发电总功率Pas， Pas＝P1s+P2s，长期预测发电总功率Pal，Pal＝P1l+P2l，负荷短期预测功率Ploads，长期预测功率Ploadl，储能电池剩余容量，储能电池SOC阈值及运行模式。然后对上述数据分析计算后，系统依照能量管理策略进行能量管理优化运行。
(3)利用各分布式发电设备的短期预测发电功率、长期预测发电功率、负荷短期预测功率、负荷长期预测功率以及荷电状态数据，利用智能控制方法控制储能电池荷电状态阈值上限改变，并确定储能电池的运行模式。由于孤岛模式下的微网系统要优先保证运行的稳定性，SOC阈值下限适宜固定在一下限值，因此只需考虑储能电池SOC阈值上限的控制。然后根据电池实际容量等系统信息确定储能电池的运行模式。
所述气象数据包括光伏、风力相关实时、历史气象数据和天气预报数据，如光照强度、温度、湿度、气压、风速、风向等。
步骤(2)所述短期需求功率为0～4小时时间区间的预测数据，所述长期需求功率为1～3天时间区间的预测数据。所述上位机预测模型采用超短期光伏、风电功率预测模型以及短期光伏、风电功率预测模型。此处超短期和短期属于功率预测领域概念，分别对应步骤(2)所述的短期和长期。
步骤(3)所述智能控制方法采用模糊方法，具体包括以下过程：
(a1)设置模糊变量：设置2个输入变量和1个输出变量，其中第一输入变量为短期预测功率偏差率Esr，Esr＝Es/Po；其中，Es为短期预测功率偏差值，Es＝Pas-Ploads， Pas为孤岛型微电网的各分布式发电设备的短期预测发电功率的总和，Ploads为孤岛型微电网的各分布式发电设备的负荷短 期预测功率的总和，Po为孤岛型微电网的标准功率偏差，根据具体微网系统运行差异设置，仿真试验中设置为实际运行阶段同时刻差值的最大值，本实施例中设为孤岛型微电网的运行中最大发电功率与最小负荷功率差值；第二输入变量为长期预测功率偏差率Elr，Elr＝El/Po，El为长期预测功率偏差值， El＝Pal-Ploadl，Pal为孤岛型微电网的各分布式发电设备的长期预测发电功率的总和， Ploadl为孤岛型微电网的各分布式发电设备的负荷长期预测功率的总和；将储能电池荷电状态的上限阈值Sr设置为输出变量；
(a2)设置模糊化过程、论域及模糊变量：
模糊化过程设置为：Esr、Elr及Sr的模糊化采用的量化因子均为1，隶属度函数均采用三角形隶属函数；
论域设置为：Esr∈[-1.0,1.0]，Elr∈[-1.0,1.0]，Sr∈[0.5,0.9]；
模糊变量设置为：Esr的模糊变量为{NB1,NS1,ZO1,PS1,PB1}；Elr的模糊变量为{NB2,NS2,ZO2,PS2,PB2}；Sr的模糊变量为{VS,S,M,B,VB}；
(a3)将Esr和Elr模糊化后通过以下查询表得到Sr：
将Sr经过清晰化接口进行清晰化，得到储能电池荷电状态上限阈值Sr；图3为此实例中模糊控制策略三维视图，对模糊控制不同输入量与输出量的关系进行可视化描述。
(a4)得到储能电池荷电状态上限阈值Sr后，利用下表控制储能电池的运行模式：
表中，Pa表示孤岛型微电网的各分布式发电设备的实时发电功率总和，Pload表示孤岛型微电网的负荷的实时需求功率的总和，C、D和N分别表示储能电池处于充电、放电和不操作状态，储能不操作时表示需要限制风光发电功率或者系统电量无法供给使用，需要限制负荷功率或进行关机操作；VS1、S1、M1、B1、VB1分别表示储能电池与控制阈值VS、S、M、B、VB对应的剩余容量值。当储能电池达到SOC阈值下限时，系统将进行限制负荷操作。
依照以上方法建立一个仿真系统，模型为一种含两个风力分布式电源的微电网，储能电池容量约为400kWh，风力1、风力2和负荷功率实际曲线如图4所示。图4数据是连续5天480小时的风力1、风力2发电功率和负荷需求功率曲线。其中风力1，风力2发电功率曲线来源于为国内两个风电场运行部分数据曲线，负载功率曲线来自国内某孤岛微电网运行部分数据曲线。图5为基于功率预测的微网短期预测功率偏差率Esr、长期预测功率偏差率Elr曲线图。
使用固定阈值的能量管理方法为方法一，设置SOC阈值上下限分别为为80％和20％。使用本发明所述孤岛型微电网的能量控制方法为方法二，设置SOC阈值下限为 20％，阈值上限将本发明所述模糊控制方法输出的结果近似处理为90％、80％、70％、 60％和50％五档。
经过微网系统仿真运行后得到储能电池SOC曲线，如图6。对两种方法仿真处理后的曲线可以观察出：
使用方法一储能电池SOC固定阈值电池充放电时间处于较浅层(30％-70％)时间为40.75h。使用本专利所述方法二，储能电池SOC阈值智能控制时，电池充放电时间处于较浅层(30％-70％)时间为78.25h。使用方法一储能电池SOC固定阈值时，系统非正常运行时间为10h。使用本专利所述方法二，储能电池SOC阈值智能控制时，系统非正常运行时间为8.25h。由以上仿真实例，可以说明本发明的方法对于提高风光储微电网的经济稳定运行具有实际效用。
本发明同时提供了一种所述能量控制方法的孤岛型微电网控制系统，参照图1，包括分布式发电设备(如图中的分布式电源1至分布式电源n)，以及与分布式发电设备连接的储能系统、负载和气象监测仪，所述分布式发电设备与微网控制器连接，所述微网控制器通过局域网与数据库服务器连接，数据库服务器连接于应用分析设备(如微电网主站服务器，人机互动设备等)。其中主站服务器可以用于分析处理底层设备运行数据、环境检测仪数据、天气预报气象数据，传输给微网控制器以决定微网系统运行策略，并通过微网路由器下发底层设备执行运行命令。分布式发电设备还与各自的通信控制设备连接，如系统通路线路等。所述发电设备包括光伏发电系统和/或风力发电系统。所述分布式发电设备通过RS485与微网控制器连接。
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 (9)

1.一种孤岛型微电网的能量控制方法，其特征在于包括以下步骤：
(1)获取相关数据，所述相关数据包括气象数据、孤岛型微电网中分布式发电设备的负荷功率数据、用户使用习惯数据，以及与分布式发电设备连接的储能系统中储能电池的荷电状态数据；
(2)根据气象数据，通过上位机预测模型对孤岛型微电网的各分布式发电设备的短期发电功率和长期发电功率作出预测，得到各分布式发电设备的短期预测发电功率和长期预测发电功率；利用负荷功率和用户使用习惯数据，通过上位机预测模型对各分布式发电设备的负荷的短期需求功率和长期需求功率作出预测，得到各分布式发电设备的负荷短期预测功率和负荷长期预测功率；
(3)利用各分布式发电设备的短期预测发电功率、长期预测发电功率、负荷短期预测功率、负荷长期预测功率以及荷电状态数据，利用智能控制方法控制储能电池荷电状态阈值上限改变，并确定储能电池的运行模式。
2.根据权利要求1所述的孤岛型微电网的能量控制方法，其特征在于：步骤(1)所述气象数据包括光伏、风力相关实时、历史气象数据和天气预报数据。
3.根据权利要求1所述的孤岛型微电网的能量控制方法，其特征在于：步骤(2)所述上位机预测模型采用超短期光伏、风电功率预测模型以及短期光伏、风电功率预测模型。
4.根据权利要求1所述的孤岛型微电网的能量控制方法，其特征在于：步骤(2)所述短期需求功率为0～4小时时间区间的预测数据，所述长期需求功率为1～3天时间区间的预测数据。
5.根据权利要求1所述的孤岛型微电网的能量控制方法，其特征在于：步骤(3)所述智能控制方法采用模糊方法。
6.根据权利要求5所述的孤岛型微电网的能量控制方法，其特征在于：步骤(3)所述利用智能控制方法控制储能电池荷电状态改变具体包括以下过程：
(a1)设置模糊变量：设置2个输入变量和1个输出变量，其中第一输入变量为短期预测功率偏差率Esr，Esr＝Es/Po；其中，Es为短期预测功率偏差值，Es＝Pas-Ploads，Pas为孤岛型微电网的各分布式发电设备的短期预测发电功率的总和，Ploads为孤岛型微电网的各分布式发电设备的负荷短期预测功率的总和，Po为孤岛型微电网的标准功率偏差，设为孤岛型微电网的最大发电功率与最小负荷功率差值；第二输入变量为长期预测功率偏差率Elr，Elr＝El/Po，El为长期预测功率偏差值，El＝Pal-Ploadl，Pal为孤岛型微电网的各分布式发电设备的长期预测发电功率的总和，Ploadl为孤岛型微电网的各分布式发电设备的负荷长期预测功率的总和；将储能电池荷电状态的上限阈值Sr设置为输出变量；
(a2)设置模糊化过程、论域及模糊变量：
模糊化过程设置为：Esr、Elr及Sr的模糊化采用的量化因子均为1，隶属度函数均采用三角形隶属函数；
论域设置为：Esr∈[-1.0,1.0]，Elr∈[-1.0,1.0]，Sr∈[0.5,0.9]；
模糊变量设置为：Esr的模糊变量为{NB1,NS1,ZO1,PS1,PB1}；Elr的模糊变量为{NB2,NS2,ZO2,PS2,PB2}；Sr的模糊变量为{VS,S,M,B,VB}；
(a3)将Esr和Elr模糊化后通过以下规则得到Sr：
将Sr经过清晰化接口进行清晰化，得到储能电池荷电状态上限阈值Sr；
(a4)得到储能电池荷电状态上限阈值Sr后，利用以下规则控制储能电池的运行模式：
其中，Pa表示孤岛型微电网的各分布式发电设备的实时发电功率总和，Pload表示孤岛型微电网的负荷的实时需求功率的总和，C、D和N分别表示储能电池处于充电、放电和不操作状态；其中不操作状态时，进行限制负荷功率或进行关机操作；VS1、S1、M1、B1、VB1分别表示储能电池与控制阈值VS、S、M、B、VB对应的剩余容量值；当储能电池达到设置的储能电池荷电状态阈值下限时，进行限制负荷操作。
7.一种基于权利要求1所述能量控制方法的孤岛型微电网控制系统，其特征在于：包括分布式发电设备，以及与分布式发电设备连接的储能系统、负载和气象监测仪，所述分布式发电设备与微网控制器连接，所述微网控制器通过局域网与数据库服务器连接，数据库服务器连接于应用分析设备。
8.根据权利要求7所述的孤岛型微电网控制系统，其特征在于：所述发电设备包括光伏发电系统和/或风力发电系统。
9.根据权利要求7所述的孤岛型微电网控制系统，其特征在于：所述分布式发电设备通过RS485与微网控制器连接。
CN201610926917.3A 2016-10-31 2016-10-31 一种孤岛型微电网的能量控制方法及控制系统 Expired - Fee Related CN106451541B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610926917.3A CN106451541B (zh) 2016-10-31 2016-10-31 一种孤岛型微电网的能量控制方法及控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610926917.3A CN106451541B (zh) 2016-10-31 2016-10-31 一种孤岛型微电网的能量控制方法及控制系统

Publications (2)

Publication Number Publication Date
CN106451541A CN106451541A (zh) 2017-02-22
CN106451541B true CN106451541B (zh) 2019-01-01

Family

ID=58177201

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610926917.3A Expired - Fee Related CN106451541B (zh) 2016-10-31 2016-10-31 一种孤岛型微电网的能量控制方法及控制系统

Country Status (1)

Country Link
CN (1) CN106451541B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106849064B (zh) * 2017-03-01 2020-08-28 上海海能信息科技有限公司 一种基于气象数据的区域电网负荷预测管理系统
CN108092313B (zh) * 2017-12-26 2021-02-02 灌南宏耀环保能源有限公司 一种太阳能发电系统
CN107994649B (zh) * 2017-12-26 2020-11-17 泉州英菲尔信息技术有限公司 一种太阳能发电控制方法
CN108092314B (zh) * 2017-12-26 2021-04-02 李娥 一种分布式发电系统
CN109787229A (zh) * 2019-02-21 2019-05-21 国网山东省电力公司临沂供电公司 一种多能协同互补的区域能源微电网
CN114156939A (zh) * 2021-11-25 2022-03-08 珠海格力电器股份有限公司 微电网系统及其控制方法
CN117856339B (zh) * 2024-03-08 2024-06-07 江苏卓特电气科技有限公司 一种基于大数据的微电网电能数据控制系统及方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103326389A (zh) * 2013-07-04 2013-09-25 中国能源建设集团广东省电力设计研究院 基于功率预测的微电网储能系统及容量配置方法
CN103326388A (zh) * 2013-07-04 2013-09-25 中国能源建设集团广东省电力设计研究院 基于功率预测的微电网储能系统及容量配置方法
CN105846418A (zh) * 2016-05-17 2016-08-10 南京国电南自电网自动化有限公司 一种孤岛型微电网实时调度能量管理系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103326389A (zh) * 2013-07-04 2013-09-25 中国能源建设集团广东省电力设计研究院 基于功率预测的微电网储能系统及容量配置方法
CN103326388A (zh) * 2013-07-04 2013-09-25 中国能源建设集团广东省电力设计研究院 基于功率预测的微电网储能系统及容量配置方法
CN105846418A (zh) * 2016-05-17 2016-08-10 南京国电南自电网自动化有限公司 一种孤岛型微电网实时调度能量管理系统

Also Published As

Publication number Publication date
CN106451541A (zh) 2017-02-22

Similar Documents

Publication Publication Date Title
CN106451541B (zh) 一种孤岛型微电网的能量控制方法及控制系统
CN103441520B (zh) 微网分布式新能源储能系统
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
CN104836259B (zh) 一种多能源船舶微网实时能量优化调度方法
CN104037776B (zh) 随机惯性因子粒子群优化算法的电网无功容量配置方法
CN106570581A (zh) 能源互联网环境下基于属性关联的负荷预测系统及其方法
CN111900719B (zh) 考虑柔性可控负荷的电网充裕度评估方法、装置及系统
CN107623337B (zh) 一种微电网能量管理方法
CN104377826A (zh) 一种主动配电网控制策略及方法
CN107968420A (zh) 基于分布式极值搜索算法的储能系统及其能量优化管理方法
CN106712103B (zh) 一种微电网电压稳定控制系统及控制方法
Ni et al. A review of line loss analysis of the low-voltage distribution system
CN117353276A (zh) 一种分布式能源协同控制方法及系统
Vlasov et al. Predictive control algorithm for a variable load hybrid power system on the basis of power output forecast
CN106483876A (zh) 一种新能源数据中心的能量调度架构
Fan et al. Study on load monitoring and demand side management strategy based on Elman neural network optimized by sparrow search algorithm
CN105262143B (zh) 基于区域经济最优的光伏源网协调控制方法与系统
CN106485603A (zh) 一种应用于风力发电的短期风速预测方法
CN107679723B (zh) 一种新能源发电并网系统的网络化远程测试方法
Qin et al. Overview of micro-grid energy management system research status
CN104485672A (zh) 适用于微网的光伏逆变组群的自平衡控制方法及系统
CN112184052A (zh) 一种电网规划区域的划分方法
CN115313377B (zh) 一种电力负荷预测方法及系统
CN106709634A (zh) 一种计及电动汽车接入的主动配电网承载能力评估方法
Wang et al. Orderly Charging Strategy for Electric Vehicles Based on the Edge Controller and Its Application

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

Granted publication date: 20190101