CN109713663B - 基于发电功率与负荷预测的微网电能质量与能量协同控制方法 - Google Patents

Abstract

本发明提出了一种基于发电功率与负荷预测的微网电能质量与能量协同控制方法，包括：预测短时所需的发电功率与负荷，并根据预测结果制定微网发电与用电计划；评估所述微网发电与用电计划是否同时满足指标，若是则按照所述微网发电与用电计划运行，在运行过程中预测超短时所需的发电功率与负荷；根据预测得到的结果调整所述微网发电与用电计划，制定分布式电源与负荷动态联动控制策略；评估所述分布式电源与负荷动态联动控制策略是否同时满足指标，若是则微网按照所述分布式电源与负荷动态联动控制策略运行。本发明提出的方法将微网能量的经济调度与电能质量控制结合起来，构成协同控制方法，提高了微网电能质量，并提高了微网运行的经济性。

Description

基于发电功率与负荷预测的微网电能质量与能量协同控制 方法

【技术领域】

本发明涉及微网技术领域，特别涉及基于发电功率与负荷预测的微网电能质量与能量协同控制方法。

【背景技术】

微网得到了广泛的研究与发展，微网中包含了风力、光伏等多种新能源发电装置，这些新能源发电装置的发电量受到环境、气候的影响较大，输出功率具有一定的波动性。功率的波动性导致微网母线电压幅值与频率的波动，进而导致微网的电能质量降低。在对微网的电能质量进行治理时，一般的操作是在逆变器的控制系统增加改进的电压幅值与频率的控制环节，调整逆变器输出端口电压，提高微网母线电压与频率的稳定。但当微网中发电单元发出的有功功率、无功功率与负载侧吸收的有功功率、无功严重不平衡时，只从逆变器控制的角度对电压与频率进行调整，很难达到最优的调整效果。

【发明内容】

本发明的目的在于提供一种基于发电功率与负荷预测的微网电能质量与能量协同控制方法，将微网中的能量控制与电能质量控制结合，在实现微网电能质量最优的同时，提高微网运行的经济性，提高新能源的就地消纳率。

为了实现上述目的，本发明采用如下技术方案：

一种基于发电功率与负荷预测的微网电能质量与能量协同控制方法，包括以下步骤：

步骤1，预测短时所需的发电功率与负荷，并根据预测结果制定微网发电与用电计划；

步骤2，评估所述微网发电与用电计划是否同时满足电能质量指标及经济性指标，若是则进入步骤3，否则返回步骤1，重新制定微网发电与用电计划；

步骤3，微网按照所述微网发电与用电计划运行，在运行过程中预测超短时所需的发电功率与负荷，所述超短时的时间长度短语所述短时的时间长度；

步骤4，根据步骤3中预测得到的结果调整所述微网发电与用电计划，制定分布式电源与负荷动态联动控制策略；

步骤5，评估所述分布式电源与负荷动态联动控制策略是否同时满足电能质量指标及经济性指标，若是则微网按照所述分布式电源与负荷动态联动控制策略运行，否则返回步骤4，重新制定分布式电源与负荷动态联动控制策略。

在进一步优化的方案中，上述方法在步骤5之后还包括：

步骤6，在微网运行过程中实时监测电能质量，并判断实时监测到的电能质量是否满足电能质量指标，如果是则继续进行实时监测，否则实时控制微网逆变器的电能质量。

根据本发明实施例，所述预测短时所需的发电功率与负荷的步骤中，采用基于神经网络的预测算法，提前24小时预测微网中的分布式电源的发电功率与微网中的负荷。

根据本发明实施例，所述预测超短时所需的发电功率与负荷的步骤中，采用基于功率时间序列分析与神经网络结合的预测算法，对微网中的分布式电源的发电功率与微网中的负荷进行提前1小时的预测。

根据本发明实施例，所述制定分布式电源与负荷动态联动控制策略的步骤中，对微网中的各个分布式电源的发电量与负荷的用电量做平衡控制，包括有功功率的平衡控制与无功功率的平衡控制。

相对于现有方法，本发明具有以下有益效果：

本发明提供的基于发电功率与负荷预测的微网电能质量与能量协同控制方法，实现了微网中的能量控制与电能质量控制结合，基于预测数据，通过微网分布式电源与负荷动态联动控制策略，实现分布式电源发电量的有效消纳与能量平衡，不仅提高了新能源发电的消纳率，还消除了由于发电侧与用电侧能量不平衡带来的电能质量问题，并通过微网逆变器实施电能质量控制策略，进一步提高微网在更低时间尺度上(秒级)的电能质量问题。本发明提供的基于发电功率与负荷预测的微网电能质量与能量协同控制方法，提高了电能质量，提高了新能源的消纳率，提高了微网运行的经济性。

本发明的控制方法简单可靠，易于实现，适用于微网电能质量与能量协同控制的场合。

【附图说明】

图1为一种基于发电功率与负荷预测的微网电能质量与能量协同控制方法的流程图。

【具体实施方式】

下面结合附图对本发明方法做进一步详细描述。

请参阅图1所示，本发明实施例提供的一种基于发电功率与负荷预测的微网电能质量与能量协同控制方法，包括短期发电功率与负荷预测步骤、超短期发电功率与负荷预测步骤、微网分布式电源与负荷动态联动控制步骤、分布式电源逆变器实时控制步骤。

所述短期发电功率与负荷预测步骤中，采用基于神经网络的预测算法，对微网中的分布式电源的发电功率与微网中的负荷进行提前24小时预测。本实施例中，作为一种举例，具体的预测过程如下：首先采用微网运行的历史数据，包括微网中各个分布式电源的历史功率数据、历史负荷数据、历史天气预报数据及节假日数据，对用于发电功率预测的第一神经网络与对负荷进行预测的第二神经网络分别进行训练，训练结束后，将次日的天气预报数据输入至第一神经网络中，对次日的分布式电源的发电功率进行预测；将历史负荷数据与节假日数据输入至第二神经网络中，对次日的负荷进行预测。

预测出的分布式电源的发电功率与微网中的负荷用来制定微网次日的发电与用电计划，即对微网中的各分布式电源、储能装置及负荷用电做初步的安排。例如，当预测数据中分布式电源的发电功率高峰时段，与负荷的用电高峰时段不对应时(比如在晚上时，一般风电的发电功率较多，而负荷较小)，则通过调整负荷中可平移的负荷(如调温负荷、通风类的负荷)，以及调整储能装置的充电或者放电模式，尽量使负荷的用电功率的曲线与分布式电源的发电功率曲线具有相同的趋势，从而将分布式电源的发电量尽量在微网内部的负载中消纳，同时维持发电功率与用电功率的平衡，保障电能质量。在制定计划后，也可以充分考虑微网运行的电能质量与经济性指标，进一步进行评估和调整。

超短期发电功率与负荷预测步骤中，由于预测的时间尺度较小，因此可以采用基于功率时间序列分析与神经网络结合的预测算法，对微网中的分布式电源的发电功率与微网中的负荷进行提前1小时的预测，预测结果为微网中的分布式电源与负荷动态联动控制提供数据基础。作为举例，超短期发电功率与负荷预测的过程如下：首先构建用于超短时发电功率预测的第三神经网络和用于超短时负荷预测的第四神经网络，然后用微网中各分布式电源的历史发电功率时间序列对第三神经网络进行训练，训练完成后，采用历史发电功率时间序列进行提前一小时的预测；负荷的超短时预测采用类似发电功率超短时预测的步骤完成，即用微网中负荷的历史时间序列对第四神经网络进行训练，训练完成后，采用历史负荷时间序列进行提前一小时的预测。

微网分布式电源与负荷动态联动控制步骤中，以上述的超短时预测数据为基础，根据微网电能质量指标与经济性指标，得出分布式电源发电与负荷用电的动态联动控制策略，对微网的运行计划做出动态调整。其考虑的电能质量指标包括电压偏差与频率偏差，须满足电能质量国标中的规定，其中电压偏差限制为±7％，频率偏差限制为±0.2Hz，其经济运行指标主要指微网用户的用电成本，微网用户的用电成本的指标数值可以进行人为设定，也可以构造用户用电成本函数，自动以用电成本最低为优化目标。该控制策略是对微网中的各个分布式电源的发电量与负荷的用电量做平衡控制，其中包括有功功率的平衡控制与无功功率的平衡控制，基于发电侧与用电侧功率平衡的角度，消除微网运行时功率不平衡带来的电压偏差与频率偏差问题。在微网运行功率平衡的同时，考虑微网运行的经济性，微网中存在部分可以调度的负荷，比如用户使用的调温负荷，包含制热或者制冷装置，而微网中储能装置可以控制为充电状态，作为可调的负荷使用，也可以控制为放电状态，作为可调的电源使用，通过对上述可调度负荷，包括储能装置的动态联动控制，可以实现微网运行的功率平衡。例如，当微网中分布式电源发电量较多，大于微网中负荷的用电量时，且储能装置的放电深度大于其放电深度第一阈值时，可以将储能装置控制为充电状态，将多余的发电量储存在储能装置中，若储能装置的放电深度小于其放电深度第一阈值时，则说明储能装置不需充电，则在用户同意的情况下，控制调温负荷启动，进行制冷或者制热，对调温负荷所在应用区域的温度进行控制。若此时发电量仍有剩余，则在电网同意的情况下，将多余电量并入电网，或者限制分布式发电单元的发电量。在分布式电源的发电功率不足时，且微网运行于离网状态，不能得到电网的电能时，则在储能装置放电深度小于放电深度的第二阈值时，控制储能装置放电，即与分布式电源共同为负荷供电，若储能装置放电深度大于放电深度的第二阈值时，则按照负荷的重要程度，逐级切除负荷。通过上述控制，首先，实现了微网内的发电功率与用电功率的平衡，提高了电能质量电压与频率的稳定；其次，分布式电源的发电量优先在微网的负荷及储能装置中进行消纳，提高了分布式发电中新能源的消纳率，提高了微网运行的经济性。

受到预测精度、无功功率的短时波动及微网逆变器自身控制策略的影响，在微网实时的运行过程中，仍可能出现短时的电压与频率的偏差，因此，本发明提出的控制方法中包含了分布式电源逆变器电能质量实时控制步骤，其包含两个方面，第一，根据微网电能质量实时检测结果，通过对逆变器输出电压的幅值与频率进行实时闭环控制，及时消除电压偏差与频率偏差；第二，对分布式电源及储能装置的无功功率的实时控制，当检测到负荷的无功需求时，同时对微网中的各分布式电源逆变器与储能系统逆变器的容量剩余部分进行检测与评估，将负荷的无功需求按照各逆变器剩余容量的比例分配至各逆变器中，由各逆变器发出对应的无功功率，对负荷的无功功率进行补偿，从而提高电能质量。

上述内容中的“第一”“第二”仅是用于区分，并不明示或暗示相对重要性或先后顺序。

本发明提供的一种基于发电功率与负荷预测的微网电能质量与能量协同控制方法，实现了微网中分布式电源发电量与负荷用电量的短期预测与超短期预测，基于预测的数据，制定了微网的发电与用电计划及微网分布式电源与负荷动态联动控制方法，通过对微网运行中分布式电源有功功率与无功功率的控制、微网中可调负荷及储能装置的控制，实现微网运行中的能量平衡，消除由于发电侧与用电侧能量不平衡带来的电压与频率偏差；同时，结合微网中逆变器电能质量实时控制方法，对逆变器进行更为精准且实时的控制，消除电压与频率的短时偏差，调节无功功率的分配与平衡，进一步对电压与频率做精准的控制；上述控制方法的结合，提高了微网运行的电能质量。进一步的，通过上述控制，将分布式电源的发电量尽量在微网中进行消纳，提高了新能源消纳率，提高了微网运行的经济性。

本发明的控制方法采用了功率预测技术，并有机结合了微网中的电能质量控制与能量的控制，且方法简单可靠，易于实现，适用于微网电能质量与能量协同控制的场合。

Claims (5)

1.一种基于发电功率与负荷预测的微网电能质量与能量协同控制方法，其特征在于，包括以下步骤：

步骤1，预测短时所需的发电功率与负荷，并根据预测结果制定微网发电与用电计划；

步骤2，评估所述微网发电与用电计划是否同时满足电能质量指标及经济性指标，若是则进入步骤3，否则返回步骤1，重新制定微网发电与用电计划；

步骤3，微网按照所述微网发电与用电计划运行，在运行过程中预测超短时所需的发电功率与负荷，所述超短时的时间长度短于短时的时间长度；

步骤4，根据步骤3中预测得到的结果调整所述微网发电与用电计划，制定分布式电源与负荷动态联动控制策略；

步骤5，评估所述分布式电源与负荷动态联动控制策略是否同时满足电能质量指标及经济性指标，若是则微网按照所述分布式电源与负荷动态联动控制策略运行，否则返回步骤4，重新制定分布式电源与负荷动态联动控制策略；

在步骤5之后还包括：步骤6，在微网运行过程中实时监测电能质量，并判断实时监测到的电能质量是否满足电能质量指标，如果是则继续进行实时监测，否则实时控制微网逆变器的电能质量，其包含两个方面，第一，根据微网电能质量实时检测结果，通过对逆变器输出电压的幅值与频率进行实时闭环控制，及时消除电压偏差与频率偏差；第二，对分布式电源及储能装置的无功功率的实时控制，当检测到负荷的无功需求时，同时对微网中的各分布式电源逆变器与储能系统逆变器的容量剩余部分进行检测与评估，将负荷的无功需求按照各逆变器剩余容量的比例分配至各逆变器中，由各逆变器发出对应的无功功率，对负荷的无功功率进行补偿。

2.根据权利要求1所述的方法，其特征在于，所述预测短时所需的发电功率与负荷的步骤中，采用基于神经网络的预测算法，提前24小时预测微网中的分布式电源的发电功率与微网中的负荷。

3.根据权利要求1所述的方法，其特征在于，所述预测超短时所需的发电功率与负荷的步骤中，采用基于功率时间序列分析与神经网络结合的预测算法，对微网中的分布式电源的发电功率与微网中的负荷进行提前1小时的预测。

4.根据权利要求1所述的方法，其特征在于，所述制定分布式电源与负荷动态联动控制策略的步骤中，对微网中的各个分布式电源的发电量与负荷的用电量做平衡控制，包括有功功率的平衡控制与无功功率的平衡控制。

5.根据权利要求4所述的方法，其特征在于，分布式电源与负荷动态联动控制策略中，当微网中分布式电源的发电量大于微网中负荷的用电量，且储能装置的放电深度大于放电深度第一阈值时，将储能装置控制为充电状态；若微网中分布式电源的发电量大于微网中负荷的用电量，且储能装置的放电深度小于放电深度第一阈值时，则控制调温负荷启动，若此时发电量仍有剩余，则将多余电量并入电网，或者限制分布式电源的发电量；在分布式电源的发电功率不足，且微网运行于离网状态，不能得到电网的电能时，则在储能装置放电深度小于放电深度第二阈值时，控制储能装置放电，若储能装置放电深度大于放电深度第二阈值时，则按照负荷的重要程度，逐级切除负荷。

Images