CN109494723B - 一种微电网系统及其控制与发电量预测方法 - Google Patents
一种微电网系统及其控制与发电量预测方法 Download PDFInfo
- Publication number
- CN109494723B CN109494723B CN201811391045.0A CN201811391045A CN109494723B CN 109494723 B CN109494723 B CN 109494723B CN 201811391045 A CN201811391045 A CN 201811391045A CN 109494723 B CN109494723 B CN 109494723B
- Authority
- CN
- China
- Prior art keywords
- power generation
- photovoltaic
- energy
- power
- load
- 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
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 112
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000004146 energy storage Methods 0.000 claims abstract description 58
- 238000005259 measurement Methods 0.000 claims abstract description 6
- 230000005611 electricity Effects 0.000 claims description 39
- 238000009434 installation Methods 0.000 claims description 37
- 238000007726 management method Methods 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 18
- 230000003287 optical effect Effects 0.000 claims description 9
- 238000007405 data analysis Methods 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 8
- 238000007599 discharging Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 230000005684 electric field Effects 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 abstract description 9
- 238000003912 environmental pollution Methods 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
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
-
- 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
-
- 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
- H02J3/381—Dispersed generators
-
- H02J3/383—
-
- H02J3/385—
-
- 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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种微电网系统及其控制与发电量预测方法，微电网系统包括可再生能源发电系统、储能系统、用户负荷系统、柴油机组和控制系统，用户负荷系统将负荷分为可控负荷与不可控负荷进行趋势预测，统计负荷的峰谷电量，可控负荷能够在事故状态或可再生能源出力不足时切除，储能系统用于存储出力过剩的电能以及利用电网电价的峰谷差，在低谷时段进行储能，电价的高峰时段进行放电。发电量预测时光伏发电系统根据是否具备实测数据分为两种方式计算。本发明利用可再生能源能够保证海岛及偏远地区用户的可靠用电、降低用户的用电成本、减少环境污染，根据用电负荷变化投切可控负荷，维持微电网系统的自平衡。
Description
技术领域
本发明涉及电能的供应及管理，具体涉及一种微电网系统及其控制与发电量预测方法。
背景技术
目前，随着经济技术不断的发展，带来的大气污染、土壤流失、水资源污染等问题，给广大人民群众的健康生活带来了严重的影响。以往的大电网供电模式不灵活，会出现限风限光等现象，电网体制的改革以及终端购售电的模式都给微电网的发展带来了空间。
就目前国内的微电网研究水平来看，多集中于两块内容，一个是电源管理控制装置以及控制理论基础，另一方面是从微电网电源管理、分布式电源出力平衡等方面进行研究，鲜有从整个微电网甚至区域能源互联网高度对发电、输配电、用户侧整个系统进行研究。
发明内容
本发明的目的在于针对上述现有技术中的问题，提供一种微电网系统及其控制与发电量预测方法，适于海岛及偏远地区的用电方式设计，或者用于工业园区微电网系统的建立。
为了实现上述目的，本发明微电网系统采用的技术方案为：
包括可再生能源发电系统、储能系统、用户负荷系统、柴油机组以及控制系统；所述的可再生能源发电系统将可再生能源转化为电能；所述的储能系统用于存储出力过剩的电能以及利用电网电价的峰谷差，在低谷时段进行储能，电价的高峰时段进行放电；所述的用户负荷系统将负荷分为可控负荷与不可控负荷进行趋势预测，统计负荷的峰谷电量，其中，可控负荷能够在事故状态或可再生能源出力不足时切除；所述的柴油机组作为备用电源来保证系统的稳定性；所述的控制系统包括依次设置的数据采集器、控制器以及能源管理系统，所述的数据采集器采集用户侧负荷及可再生能源发电系统的运行数据，控制器一方面将数据采集器采集到的运行数据发送至能源管理系统，另一方面接收能源管理系统下发给用户侧负荷及可再生能源发电系统的命令，最后通过能源管理系统完成数据分析和趋势预测。
可再生能源发电系统包括光伏发电系统和风力发电系统；光伏发电系统包括屋顶分布式光伏系统及地面光伏系统；屋顶分布式光伏系统采用沿屋面铺设的方式，安装倾角θ等于铺设建筑物屋面的倾角；地面光伏系统按如下方式进行设置：首先确定光伏组件表面接收到辐照度最大时组件的安装倾角θ1，其次计算在光伏组件安装倾角θ1下的南北间安装间距s，此安装间距应保证在当地的太阳真时下，光伏组件在上午9：00至下午3:00之前不产生阴影遮挡，计算光伏组件南北间距：光伏组件的安装倾角为θ1，组件在支架上的斜面长度为L，微电网系统所在地的纬度为ψ，冬至日时的赤纬角δ为-23.45°，上午9:00对应的时角ω为45°；
由几何公式推导整理得光伏组件的安装间距s；
在间距s下计算光伏组件的发电量最大值对应的安装倾角θ；对两种模式的光伏系统，光伏组件均采取朝南布置，
取0°，结合设计间距s确定光伏系统的安装容量P。
优选的，所述的可控负荷与不可控负荷通过对项目所在地的负荷数据以及配电系统基础数据进行分析得到，在微电网系统出力不足时控制可控负荷达到自平衡；对不可控负荷按其负荷等级进行配电，并设置备用电源。根据项目所在地的可再生能源风、光，配置可再生能源发电系统的装机容量，预测光伏系统及风电系统的发电量。根据可再生能源发电系统供负荷使用后的剩余电量、用户峰值时段的用电量及电网峰谷差时段计算储能系统的容量。储能系统的总容量按如下公式进行计算：PBA＝PBA1+PBA2，式中PBA1为按可再生能源发电系统供负荷使用后剩余电量所计算的储能系统装机容量，PBA2为结合峰值时刻用电需求按峰谷差价计算的储能系统蓄电池容量；储能电池在充放电时会有损失，储能电池系统的循环效率按85％进行考虑，PBA.t＝0.85×(PPV+PWP-PL)，对全年的PBA.t进行积分，求出储能系统的装机容量PBA1；
储能系统蓄电池容量的计算公式为：
式中的K为可靠系数，取1.1；η为蓄电池循环效率；DOD为蓄电池放电深度，深度循环时取80％；α为蓄电池温度系数，当1<电池放电率<10时取0.008。
本发明微电网系统的控制方法，包括以下步骤：
当可再生能源发电系统的输出功率PPV+PWP大于用户侧负荷需求PL时，光伏发电系统工作在最大跟踪模式，储能系统充电，电网不向负荷侧供电；当储能电池充电完成，PPV+PWP仍大于PL时，启动保护，使可再生能源系统工作在限功率模式下；
当可再生能源发电系统的输出功率PPV+PWP小于用户侧负荷需求PL时，光伏发电系统工作在最大跟踪模式，储能系统放电，如果仍无法满足负荷需求，电网向负荷侧供电。
本发明微电网系统的发电量预测方法，光伏发电系统与风力发电系统分别预测，光伏发电系统根据是否具备实测数据分为两种方式计算；风力发电系统根据风资源评估确定风机点位，利用格林威中尺度数据，结合风力发电系统运行中的衰减，计算风力发电系统的发电量；
光伏发电系统的发电量预测方式如下：
a)有实测光资源数据：
实测项目所在地的光资源，获得项目所在地的辐照度数据；确定光伏组件的安装倾角，计算倾斜面上的年辐射量；确定光伏发电系统的效率K值，带入公式计算年发电量；
其中，HA为水平面太阳能年总辐照量，kW·h/m2；EPV为上网发电量，kW·h；P为系统安装容量，kW；Hs标准条件下的辐照度，常数1kW·h/m2；K为光伏系统的综合效率系数；
b)无实测光资源数据：
步骤1：根据项目所在地的经纬度、海拔、时区信息，利用NASA、Meteonorm、SolarGIS气象数据源，导入项目所在地的太阳能月度辐照数据；
步骤2：将步骤1中所获得的太阳能月度辐照数据转换为小时辐照度数据，获得项目所在地的水平面辐照度数据、斜面辐照度数据、当地月平均气温和风速；
步骤3：利用上述步骤所得到的光资源数据，作为光伏电站的气象数据，完成光伏电场光资源的分析、评价以及发电量的计算。
与现有技术相比，本发明具有如下的有益效果：由于电力负荷是随时间不断变化的，具有不确定性、时间性及条件性等特点，本发明采用负荷密度预测的方法，对微电网系统所在地区未来5～10年的负荷发展趋势进行预测。由于用户负荷的用电的峰值电价时段与可再生能源的发电时段不对应，当用户用电的峰值电价时段用电功率大于可再生能源发电系统的出力时，将由电网系统进行供电，此时的电价处于高峰时段，会使用户的用成本偏高，为降低成本，本发明采用削峰填谷的方式，配置储能系统，在电网电价的低谷时段，对储能系统充电，当用户用电的峰值电价时段，用电功率大于可再生能源发电系统的出力时不由系统供电，而选择由储能系统进行放电，满足用户的用电需求，利用峰谷差价来降低用电成本。本发明利用可再生能源能够保证海岛及偏远地区用户的可靠用电、降低用户的用电成本、减少环境污染，根据用电负荷变化投切可控负荷，保证重要负荷的供电，维持微电网系统的自平衡。
附图说明
图1本发明微电网系统的整体结构框图；
图2本发明微电网系统的设计流程图；
图3本发明光资源分析流程图；
图4本发明的控制方法流程图；
图中：1-可再生能源发电系统；2-储能系统；3-用户负荷系统；4-柴油机组；5-控制系统。
具体实施方式
下面结合附图对本发明做进一步的详细说明。
参见图1，本发明设计的微电网系统包含可再生能源发电系统1、储能系统2、用户负荷系统3、柴油机组4及控制系统5。对微电网系统所在地的可再生能源进行分析，设计微电网系统光伏发电系统及风力发电系统的容量，对光伏发电系统和风力发电系统的发电量及负荷侧需求进行分析，结合微电网系统所在地的峰谷差价配置储能系统容量。
可再生能源发电系统1要充分利用微电网系统所在地的可再生能源，如风、光等资源，为微电网系统提供多能源供电，克服风、光资源的不稳地问题。储能系统2用于存储可再生能源发电系统出力的过剩电量及利用电网电价的峰谷差，在低谷时段进行存储，电价的高峰时段进行放电，提高系统供电的连续性且可降低用户的用电成本。用户负荷系统3需对现有负荷进行分类，将负荷分为可控负荷、不可控负荷，以备在事故状态或可再生能源出力不足时切除可控负荷，保证重要负荷的供电。对负荷趋势进行预测，统计负荷的峰谷电量。柴油机组4作为微电网系统中的重要负荷的备用电源，同时在故障离网状态下补充清洁能源出力不足的用电，可确保整个微电网系统的稳定性。控制系统5设计为三层，用户侧负荷及可再生能源发电系统的数据系统、中间层的智能控制器及最高层的能源管理系统。其中，数据采集器采集用户侧负荷及可再生能源发电系统的运行情况，将采集到的数据传输至智能控制器。智能控制器一方面接收底层传来的运行数据给能源管理系统，另一方面接收能源管理系统下发给用户侧负荷及可再生能源发电系统的命令。能源管理系统要完成数据分析、趋势预测、设备状态监视、人机交互及决策等功能。对接收到的底层数据进行分析，预测负荷的变化趋势、可再生能源系统的发电趋势、电价的变化情况等。
参见图2，本发明微电网系统在设计过程中，首先要对项目地进行踏勘，与业主交流沟通，获取项目地的地理、气象、负荷、配电系统等基础数据。通过对搜集到的负荷数据、配电系统进行分析，确定系统的供电方案、可控负荷及重要负荷。分析微电网系统所在地的风、光等可再生能源，合理配置可再生能源发电系统的装机容量，准确预测光伏系统及风电系统的发电量。根据可再生能源系统供负荷使用后的剩余电量、用户在峰值时段的用电量及电网的峰谷差时段计算储能电池的容量。由于用户负荷的用电的峰值电价时段与可再生能源的发电时段不对应，当用户用电的峰值电价时段，用电功率PL_M大于可再生能源发电系统的出力时，由电网系统进行供电，此时的电价处于高峰时段，会使用户的用成本偏高，为降低成本，采用削峰填谷的方式，配置储能电池，在电网电价的低谷时段，对蓄电池充电，当用户用电的峰值电价时段用电功率PL_M大于可再生能源发电系统的出力时，不由系统供电，选择由储能电池系统进行放电，满足用户的用电需求，可利用峰谷差价来降低用电成本。之后进行系统规划设计、主要设备选型、能源管理系统的设计，最后对设计系统的整个稳定性进行分析。
可再生能源系统根据微电网系统所在地的风、光等可再生能源的自然资源情况进行设计，由于风资源和光资源均具有不稳地性，且两者在时间上具有互补性，因此设置光伏发电系统和风力发电系统两种可再生能源分布式发电单元。
光伏发电系统用于将太阳能资源转化为可供用户使用的电能，在微电网系统中，光伏发电系统可采用屋顶分布式光伏系统及地面光伏系统两种形式。首先要确定两种光伏系统光伏组件的安装容量P、安装倾角θ、安装间距s，安装方位角
光伏组件的不同安装倾角会使组件表面接收到的辐照量不同，从而影响光伏系统的发电量。安装倾角的设计，屋顶分布式光伏系统，在计算承载力满足要求后，采用沿屋面铺设的方式，安装倾角θ等于铺设建筑物屋面的倾角。
计算地面光伏系统安装倾角，首先确定光伏组件表面接收到辐照度最大时组件的安装倾角θ1，其次计算在光伏组件安装倾角θ1下的南北间安装间距s，此安装间距应保证在当地的太阳真时下，光伏组件在上午9：00至下午3:00之前不产生阴影遮挡，计算光伏组件南北间距：光伏组件的安装倾角为θ1，组件在支架上的斜面长度为L，微电网系统所在地的纬度为ψ，冬至日时的赤纬角δ为-23.45°，上午9:00对应的时角ω为45°。
由几何公式推导整理得光伏组件的安装间距s；
在间距s下计算光伏组件的发电量最大值对应的安装倾角θ。
对两种模式的光伏系统，光伏组件均采取朝南布置，
取0°。根据规划及可用土地面积，结合设计间距s确定光伏系统的安装容量P。
参见图3，确定光伏系统的装机容量后，预测光伏系统的发电量。
根据是否具备实测数据分为两种方式：
(1)有实测光资源数据：计算发电量的一般步骤为：实测项目所在地的光资源，获得项目所在地的辐照度数据；确定光伏组件的安装倾角，计算倾斜面上的年辐射量；确定光伏发电系统的效率K值，带入公式计算年发电量。
其中，HA为水平面太阳能年总辐照量(单位为kW·h/m2)；EPV为上网发电量(单位为kW·h)；P为系统安装容量(单位为kW)；Hs标准条件下的辐照度(常数1kW·h/m2)；K为光伏系统的综合效率系数。
(2)无实测光资源数据：
步骤1：根据项目所在地的经纬度、海拔、时区等信息，利用NASA、Meteonorm、SolarGIS等气象数据源，导入项目地的太阳能月度辐照数据；
步骤2：将步骤1中所获取的月度辐照度数据转换为小时辐照度数据，可获得项目所在地的水平面辐照度数据、斜面辐照度数据、当地月平均气温、风速等信息；
步骤3：利用上述步骤所建立的光资源数据作为光伏电站的气象数据进行本光伏电场光资源的分析、评价和发电量的计算。
风力发电系统根据风资源评估确定风机点位，利用格林威中尺度数据，结合系统运行中的衰减，计算风力发电系统的发电量。
在微电网系统中，用户侧负荷起着至关重要的作用，因此要对负荷进行尽可能详细的分析。对搜集的负荷用电数据进行分析，包括负荷日数据分析、负荷月度数据分析、负荷的年度数据分析。对负荷的日用电量数据进行分析，归纳总结用户的用电习惯及用电峰值时段的分布情况，将负荷用电功率与可再生能源的发电功率进行比较，确定负荷在不同时刻各电源的出力情况。由于光伏发电系统和风力发电系统的出力具有随机性和不稳定性，同时用户侧对电能的需求也是随着时间的变化在波动的，光伏系统的发电功率PPV及风力发电系统的出力PWP在某些时刻是大于用户侧需求的用电功率PL，此时将由可再生能源发电系统为负荷进行供电PL，剩余电力PPV+PWP-PL存入储能系统中，储能系统在电价的峰值时段放电，供负荷使用。用电的高峰时刻，当用户侧需求的用电功率PL大于可再生能源发电系统光伏系统的发电功率PPV及风力发电系统的出力PWP之和时，储能系统将进行放电PBA，当PPV+PWP+PBA仍小于用户侧需求PL时，PL-(PPV+PWP+PBA)部分由电网向用户供电。负荷的月度数据分析，主要是由于在不同季节会由气候变化造成用电负荷变化趋势大。如在夏季，空调系统投入运行，会增大负荷，可根据微电网系统的要求不同，对其负荷进行控制，当负荷在峰值时段过大，超过光伏系统的发电功率PPV、风力发电系统的出力PWP及储能系统放电PBA时，可采取切除部分可控负荷，来维持微电网系统自平衡。
电力负荷是随时间不断变化的，其特点主要有：不确定性、时间性、条件性等，对负荷年度数据进行分析，用于预测微电网系统的负荷发展趋势，本发明采用负荷密度预测的方法，对微电网系统未来的所在地区未来5～10年的负荷发展趋势进行预测。总耗电量由单位面积耗电量与总面积的乘积求得：A＝sd。峰值时段电量计算：微电网系统中包含的用户多，实际电网对不同的用户采取多种类型的收费方式，如非居民用电及大工业用电等。为计算微电网系统在峰值时段的用电量，需要将用电量均折算至统一收费标准下。以非居民用电及大工业用电为例，折算制工电电价下，非居民用电量为W1，电价为A，大工业用电量为W2，电价为B。统一折算至大工业电价B下，用户的总用电量为W。
储能系统容量的配置：从可再生能源发电系统的剩余电力进行存储并利用削峰填谷两个方面考虑，计算储能系统容量。首先计算存储可再生能源发电系统剩余电力需要的储能容量。在充分使用可再生能源发电系统发电的情况下，为求出此时所需配置的最小储能配置容量，对比全年8760个小时的用户负荷侧数据PL与光伏系统的出力PPV及风力发电系统的出力PWP。由于用户侧用电数据、光伏发电系统及风力发电系统的出力都是随着时间在不断变化的，当负荷很小，又同时在光伏系统的峰值发电时段时，就会有剩余电力，将此时的剩余电力进行存储。考虑储能电池在充放电时会有损失，储能电池系统的循环效率按85％进行考虑，PBA.t＝0.85×(PPV+PWP-PL)。对全年的PBA.t进行积分，求出储能系统的装机容量PBA1。可再生能源系统发出的电量无法完全满足峰值时段的用电量时，考虑增加储能系统容量利用削峰填谷求另一部分的储能电池容量：通过计算出在统一电价制下的峰值时段用电量W，光伏发电系统及风力发电系统在峰值时段给负荷提供的总用电量为WPV+WWP，峰值时段需要储能系统提供的电能为WPA，WPA＝W-WPV+WWP。WPA万度为年用电量，以全年8760小时计算，每小时的用电量为PT＝WPA*1000/8760度。
储能系统蓄电池容量的基本公式为：
式中：K为可靠系数，一般取1.1；η为蓄电池循环效率；DOD为蓄电池放电深度，深度循环时取80％；α为蓄电池温度系数，当1<电池放电率<10时取0.008。
储能系统的总容量PBA＝PBA1+PBA2。柴油发电机作为微电网系统内的重要负荷的配用电压进行供电，当微电网系统发生故障时，启动柴油机组，保证重要负荷的正常工作。
参见图4，控制系统采取三层控制模式：用户侧负荷及可再生能源发电系统的数据系统、中间层的智能控制器及最高层的能源管理系统。
数据采集器采集用户侧负荷及可再生能源发电系统的运行情况，将采集到的数据传输至智能控制器。智能控制器一方面接收底层传来的运行数据给能源管理系统，另一方面接收能源管理系统下发给用户侧负荷及可再生能源发电系统的命令。能源管理系统要完成数据分析、趋势预测、设备状态监视、人机交互及决策等功能。对接收到的底层数据进行分析，预测负荷的变化趋势、可再生能源系统的发电趋势、电价的变化情况等。微电网系统在运行时的控制策略：当可再生能源发电系统的输出功率PPV+PWP大于用户侧负荷需求PL时，光伏发电系统工作在最大跟踪模式，储能系统充电，电网不向负荷侧供电。当储能电池充电完成，PPV+PWP仍大于PL时，剩余电量会导致电网电压升高，启动保护，使可再生能源系统工作在限功率模式下。当可再生能源发电系统的输出功率PPV+PWP小于用户侧负荷需求PL时，光伏发电系统工作在最大跟踪模式，储能系统放电。当储能电池放电到一定深度仍无法满足负荷需求时，电网向负荷侧供电。
以上所述仅为本发明的较佳实施例，并非对本发明做任何限定，本领域技术人员应当理解，在不脱离本发明的精神原则下，还可以进行若干修改和替换，都属于保护范围。
Claims (6)
1.一种微电网系统，其特征在于：包括可再生能源发电系统(1)、储能系统(2)、用户负荷系统(3)、柴油机组(4)以及控制系统(5)；所述的可再生能源发电系统(1)将可再生能源转化为电能；所述的储能系统(2)用于存储出力过剩的电能以及利用电网电价的峰谷差，在低谷时段进行储能，电价的高峰时段进行放电；所述的用户负荷系统(3)将负荷分为可控负荷与不可控负荷进行趋势预测，统计负荷的峰谷电量，其中，可控负荷能够在事故状态或可再生能源出力不足时切除；所述的柴油机组(4)作为备用电源来保证系统的稳定性；所述的控制系统(5)包括依次设置的数据采集器、控制器以及能源管理系统，所述的数据采集器采集用户侧负荷及可再生能源发电系统(1)的运行数据，控制器一方面将数据采集器采集到的运行数据发送至能源管理系统，另一方面接收能源管理系统下发给用户侧负荷及可再生能源发电系统(1)的命令，最后通过能源管理系统完成数据分析和趋势预测；
根据可再生能源发电系统(1)供负荷使用后的剩余电量、用户峰值时段的用电量及电网峰谷差时段计算储能系统(2)的容量；
储能系统(2)的总容量按如下公式进行计算：PBA＝PBA1+PBA2，式中PBA1为按可再生能源发电系统供负荷使用后剩余电量所计算的储能系统装机容量，PBA2为结合峰值时刻用电需求按峰谷差价计算的储能系统蓄电池容量；
储能电池在充放电时会有损失，储能电池系统的循环效率按85％进行考虑，PBA.t＝0.85×(PPV+PWP-PL)，对全年的PBA.t进行积分，求出储能系统的装机容量PBA1；
储能系统蓄电池容量的计算公式为：
式中的K为可靠系数，取1.1；η为蓄电池循环效率；DOD为蓄电池放电深度，深度循环时取80％；α为蓄电池温度系数，当1<电池放电率<10时取0.008。
2.根据权利要求1所述的微电网系统，其特征在于：所述的可控负荷与不可控负荷通过对项目所在地的负荷数据以及配电系统基础数据进行分析得到，在微电网系统出力不足时控制可控负荷达到自平衡；对不可控负荷按其负荷等级进行配电，并设置备用电源。
3.根据权利要求1所述的微电网系统，其特征在于：可再生能源发电系统(1)包括光伏发电系统和风力发电系统；光伏发电系统包括屋顶分布式光伏系统及地面光伏系统；
屋顶分布式光伏系统采用沿屋面铺设的方式，安装倾角θ等于铺设建筑物屋面的倾角；
地面光伏系统按照如下方式进行设置：首先确定光伏组件表面接收到辐照度最大时组件的安装倾角θ1，其次计算在光伏组件安装倾角θ1下的南北间安装间距s，此安装间距应保证在当地的太阳真时下，光伏组件在上午9：00至下午3:00之前不产生阴影遮挡，计算光伏组件南北间距：光伏组件的安装倾角为θ1，组件在支架上的斜面长度为L，微电网系统所在地的纬度为ψ，冬至日时的赤纬角δ为-23.45°，上午9:00对应的时角ω为45°；
由几何公式推导整理得光伏组件的安装间距s；
在间距s下计算光伏组件的发电量最大值对应的安装倾角θ；对两种模式的光伏系统，光伏组件均采取朝南布置，
取0°，结合设计间距s确定光伏系统的安装容量P。
4.根据权利要求1所述的微电网系统，其特征在于：根据项目所在地的可再生能源风、光，配置可再生能源发电系统的装机容量，预测光伏系统及风电系统的发电量。
5.一种如权利要求1至4中任意一项所述微电网系统的控制方法，其特征在于，包括以下步骤：
当可再生能源发电系统的输出功率PPV+PWP大于用户侧负荷需求PL时，光伏发电系统工作在最大跟踪模式，储能系统充电，电网不向负荷侧供电；当储能电池充电完成，PPV+PWP仍大于PL时，启动保护，使可再生能源系统工作在限功率模式下；
当可再生能源发电系统的输出功率PPV+PWP小于用户侧负荷需求PL时，光伏发电系统工作在最大跟踪模式，储能系统放电，如果仍无法满足负荷需求，电网向负荷侧供电。
6.一种如权利要求1至4中任意一项所述微电网系统的发电量预测方法，其特征在于：光伏发电系统根据是否具备实测数据分为两种方式计算；风力发电系统根据风资源评估确定风机点位，利用格林威中尺度数据，结合风力发电系统运行中的衰减，计算风力发电系统的发电量；
光伏发电系统的发电量预测方式如下：
a)有实测光资源数据：
实测项目所在地的光资源，获得项目所在地的辐照度数据；确定光伏组件的安装倾角，计算倾斜面上的年辐射量；确定光伏发电系统的效率K值，带入公式计算年发电量；
其中，HA为水平面太阳能年总辐照量，kW·h/m2；EPV为上网发电量，kW·h；P为系统安装容量，kW；Hs标准条件下的辐照度，常数1kW·h/m2；K为光伏系统的综合效率系数；
b)无实测光资源数据：
步骤1：根据项目所在地的经纬度、海拔、时区信息，利用NASA、Meteonorm、Solar GIS气象数据源，导入项目所在地的太阳能月度辐照数据；
步骤2：将步骤1中所获得的太阳能月度辐照数据转换为小时辐照度数据，获得项目所在地的水平面辐照度数据、斜面辐照度数据、当地月平均气温和风速；
步骤3：利用上述步骤所得到的光资源数据，作为光伏电站的气象数据，完成光伏电场光资源的分析、评价以及发电量的计算。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811391045.0A CN109494723B (zh) | 2018-11-21 | 2018-11-21 | 一种微电网系统及其控制与发电量预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811391045.0A CN109494723B (zh) | 2018-11-21 | 2018-11-21 | 一种微电网系统及其控制与发电量预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109494723A CN109494723A (zh) | 2019-03-19 |
| CN109494723B true CN109494723B (zh) | 2022-07-19 |
Family
ID=65697205
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811391045.0A Active CN109494723B (zh) | 2018-11-21 | 2018-11-21 | 一种微电网系统及其控制与发电量预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109494723B (zh) |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110417037B (zh) * | 2019-07-02 | 2021-10-22 | 东北电力大学 | 一种光储联合系统容量配置方法 |
| CN110529914A (zh) * | 2019-09-09 | 2019-12-03 | 周封 | 采用供热分布式调控进行新能源消纳的系统 |
| CN112636334B (zh) * | 2020-12-10 | 2021-11-19 | 中腾微网（北京）科技有限公司 | 一种基于太阳能的微电网系统 |
| CN112952815A (zh) * | 2021-03-05 | 2021-06-11 | 广东电网有限责任公司佛山供电局 | 微电网优化配置方法、装置、设备和存储介质 |
| CN113452086A (zh) * | 2021-06-25 | 2021-09-28 | 国家电网有限公司 | 一种用于风光储的能量协同利用方法 |
| CN113515831B (zh) * | 2021-07-30 | 2023-07-18 | 广东电网有限责任公司 | 能源调度方法、装置、电子设备及存储介质 |
| CN113410875B (zh) * | 2021-08-19 | 2021-11-02 | 新风光电子科技股份有限公司 | 基于云计算与大数据的微电网分布式能源管理方法 |
| CN114362220B (zh) * | 2022-01-14 | 2023-08-15 | 国网上海市电力公司 | 储能电站调峰辅助决策方法 |
| CN115459286B (zh) * | 2022-09-29 | 2023-06-02 | 湖南工程学院 | 一种基于小区级别的智能充/放电微网系统及控制方法 |
| CN115940234A (zh) * | 2022-12-30 | 2023-04-07 | 郑州大学 | 一种户用可再生能源分布式发电的智慧调控方法 |
| CN117200299B (zh) * | 2023-11-01 | 2024-03-08 | 合肥国轩高科动力能源有限公司 | 储能电池的功率控制方法、装置及电子设备 |
| CN117154831B (zh) * | 2023-11-01 | 2024-03-19 | 潍坊学院 | 一种微电网管理系统及方法 |
| CN117318110B (zh) * | 2023-11-28 | 2024-03-08 | 惠州市长晟科技有限公司 | 分布式微型电能存储系统、方法、计算机设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202586493U (zh) * | 2011-09-25 | 2012-12-05 | 国网电力科学研究院 | 一种微电网能量管理系统 |
| CN105470997A (zh) * | 2014-09-03 | 2016-04-06 | 特变电工新疆新能源股份有限公司 | 一种微电网控制系统 |
| CN105634139A (zh) * | 2016-03-22 | 2016-06-01 | 中国大唐集团科学技术研究院有限公司 | 一种智能微网控制和电能质量监控一体化设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9225173B2 (en) * | 2011-09-28 | 2015-12-29 | Causam Energy, Inc. | Systems and methods for microgrid power generation and management |
-
2018
- 2018-11-21 CN CN201811391045.0A patent/CN109494723B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202586493U (zh) * | 2011-09-25 | 2012-12-05 | 国网电力科学研究院 | 一种微电网能量管理系统 |
| CN105470997A (zh) * | 2014-09-03 | 2016-04-06 | 特变电工新疆新能源股份有限公司 | 一种微电网控制系统 |
| CN105634139A (zh) * | 2016-03-22 | 2016-06-01 | 中国大唐集团科学技术研究院有限公司 | 一种智能微网控制和电能质量监控一体化设备 |
Non-Patent Citations (2)
| Title |
|---|
| 分布式光伏发电系统优化设计;闫志浩;《中国优秀硕士学位论文全文数据库（电子期刊）工程科技Ⅱ辑》;20180215(第02期);第32-36页 * |
| 基于万有引力搜索算法的微电网风光储容量优化配置;袁晓玲等;《电力需求侧管理》;20171120;第19卷(第6期);第14-19页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109494723A (zh) | 2019-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109494723B (zh) | 一种微电网系统及其控制与发电量预测方法 | |
| US11537091B2 (en) | Multi-scale optimization framework for smart energy systems | |
| CN103440526B (zh) | 一种基于建筑信息模型的发电预测方法和装置 | |
| WO2015139061A1 (en) | Ramp rate control system and methods using energy storage devices | |
| CN105205552A (zh) | 一种独立新能源混合发电系统优化规划方法 | |
| Kichou et al. | Energy performance enhancement of a research centre based on solar potential analysis and energy management | |
| CN101398454A (zh) | 一种太阳能组件测试方法及其装置 | |
| El Alimi et al. | Break-even analysis and optimization of a stand-alone hybrid system with battery storage for residential load consumption—A case study | |
| Masud | An optimal sizing algorithm for a hybrid renewable energy system | |
| Elhassan | Utilizing homer power optimization software for a techno-economic feasibility, study of a sustainable grid-connected design for urban electricity in, Khartoum | |
| AU2019213393B2 (en) | Off-grid electrical power system | |
| CN109904865B (zh) | 高压配网峰谷负荷平衡智能管控主系统 | |
| Zheng et al. | A techno-economic sizing method for PV/battery/grid hybrid solar systems for residential buildings | |
| CN211183436U (zh) | 一种基于能量预测的光储微电网系统 | |
| Lill et al. | Case study for battery bank subsidization | |
| Ganesan et al. | Dynamic and intelligent load servicing strategy for a stand-alone solar PV-based microgrid | |
| Krauter et al. | Micro-Inverters: An Update and Comparison of Conversion Efficiencies and Energy Yields | |
| Boyekin et al. | Technoeconomic Performance Analysis of Solar Tracking Methods for Roof-Type Solar Power Plants and Electric Vehicle Charging Stations | |
| Saheb-Koussa et al. | Prospects of wind-diesel generator-battery hybrid power system: a feasibility study in Algeria | |
| Brennan et al. | Performance characterisation and optimisation of a building integrated photovoltaic (BIPV) system in a maritime climate | |
| Yu et al. | Cooperative operation of chemical-free energy storage system with solar photovoltaic for resilient power distribution in buildings—A case study | |
| Prodromidis et al. | Modelling and Experimental Study on Renewable Energy Based Hybrid Systems | |
| CN219164247U (zh) | 智能联调兆瓦级风光储一体化电站 | |
| Lei et al. | Research on capacity allocation optimization of a wind-photovoltaic-hybrid-battery power generation system with multi-energy complementary | |
| Bihari et al. | Techno-economic analysis for fertilizer house using hybrid power stations |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: 710119 No. 70, 4 Shanglinyuan Road, Xi'an High-tech Zone, Shaanxi Province Applicant after: XI'AN TEBIAN ELECTRIC POWER DESIGN Co.,Ltd. Address before: 710119 No. 70, 4 Shanglinyuan Road, Xi'an City, Shaanxi Province Applicant before: XI'AN TEBIAN ELECTRIC POWER DESIGN Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |