CN109713712A - 光储荷智能化管理一体机及光储荷智能化管理方法 - Google Patents

Abstract

本发明提供了一种光储荷智能化管理一体机及光储荷智能化管理方法，该光储荷智能化管理一体机包括光储荷智能管理系统、以及与光储荷智能管理系统相连的电网、光伏发电系统、蓄电池储能系统以及负荷管理系统。该方法包括：S1、采集光伏发电系统的信息参数，预测光伏发电系统的发电功率；S2、采集蓄电池储能系统的信息参数，计算蓄电池储能系统的储能剩余电量；S3、采集负荷管理单元的信息参数，预测负荷走势；S4、获取电网的状态信息，并结合发电功率、储能剩余电量，自动制定系统控制策略。本发明能使得光储荷智能化管理一体机内部的运行达到最优的能源效率。

Description

光储荷智能化管理一体机及光储荷智能化管理方法

技术领域

本发明属于光储荷管理领域，具体涉及一种光储荷智能化管理一体机及光储荷智能化管理方法。

背景技术

随着光伏+储能系统规模的不断扩大，简单的光伏和储能的配合已经不能满足日益加大的新能源并网的需求，特别是虚拟电厂、智能化微电网和智能微电网群概念的提出和普及。未来电能的供给要求智能化微电网能够在区域内部有足够的自治能力，因此如何实现智能化微电网的自治能力仍是本领域待攻克的技术难题。

发明内容

本发明的特征和优点在下文的描述中部分地陈述，或者可从该描述显而易见，或者可通过实践本发明而学习。

为克服现有技术的问题，本发明提供一种光储荷智能化管理一体机，包括光储荷智能管理系统、以及与所述光储荷智能管理系统相连的电网、光伏发电系统、蓄电池储能系统以及负荷管理系统；其中，所述光储荷智能管理系统包括：

远程MCU采集模块，通过数据采集线与所述光伏发电系统、蓄电池储能系统以及负荷管理系统相连；

MCU主控模块，与所述远程MCU采集模块相连；

通信模块，与所述MCU主控模块相连。

可选地，所述光伏发电系统包括至少一个光伏单元、逆变器以及辐照仪；所述光伏单元通过数据采集线与所述光储荷智能管理系统相连；所述逆变器通过交/直流线与所述光伏单元相连，所述逆变器通过数据采集线与所述光储荷智能管理系统相连；所述辐照仪通过数据采集线与所述光储荷智能管理系统相连。

可选地，所述蓄电池储能系统包括储能单元以及与所述储能单元相连的储能变流器，所述储能变流器通过数据采集线与所述光储荷智能管理系统相连。

可选地，所述负荷管理单元包括云端监控器；所述云端监控器通过数据采集线与所述光储荷智能管理系统相连。

本发明提供一种光储荷智能化管理方法，包括：

S1、采集光伏发电系统的信息参数，预测所述光伏发电系统的发电功率；

S2、采集蓄电池储能系统的信息参数，计算所述蓄电池储能系统的储能剩余电量；

S3、采集负荷管理单元的信息参数，预测负荷走势；

S4、获取电网的状态信息，并结合所述发电功率、储能剩余电量，自动制定系统控制策略。

可选地：根据所述光伏发电系统的信息参数计算光伏组件衰减率、组件健康状态SOH值，并判断每个光伏组件的实时运行状态和健康状态。

可选地：计算每个电芯的健康状态SOH值和/或每个电芯的SOC状态，通过指令给每个PACK内的BMS器件进行电池均衡操作。

可选地：利用内嵌算法实时辨识启动的负荷类型，获取可调节负荷、可关断负荷；并统计计算每个负荷的用电量；通过建立历史数据训练神经网络负荷模型，预测负荷走势。

可选地，所述步骤S4包括：

通过所述电网的状态信息建立不同的目标函数，通过预测得到的所述光伏发电系统的发电功率和负荷走势利用遗传算法计算出最为合理的储能充放电的时间和功率；

所述电网的状态信息包括并网状态以及离网状态；并网模式状态下的目标函数是减少和电网的电量交互；离网状态下的目标函数是尽可能的使用光伏电进行供电。

可选地，所述电网的状态信息包括并网状态以及离网状态；所述步骤S4包括：

在并网状态下，相应的系统控制策略包括：

若光伏发电系统的发电功率大于负荷走势且蓄电池储能系统的储能剩余电量小于预设最大值；则使储能变流器工作在PQ模式进行充电；和/或将多出的电量送入电网；

若光伏发电系统的发电功率大于负荷走势且蓄电池储能系统的储能剩余电量大于或等于预设最大值；则使储能逆变器关闭；和/或调节可移动和可调节负荷以增大负荷和/或将多出的电量送入电网；

若光伏发电系统的发电功率小于负荷走势且蓄电池储能系统的储能剩余电量大于预设最小值；则使储能变流器工作在PQ模式进行放电；和/或调节可调节和可关断负荷以减少负荷；和/或不够的电量由电网送入；

若光伏发电系统的发电功率小于负荷走势且蓄电池储能系统的储能剩余电量小于或等于预设最小值；则使储能变流器关闭；和/或调节可调节和可关断负荷以减少负荷；和/或不够的电量由电网送入；

在离网状态下，相应的系统控制策略包括：

若光伏发电系统的发电功率大于负荷走势且蓄电池储能系统的储能剩余电量小于预设最大值；则使储能变流器工作在PQ模式进行充电；和/或将多出的电量送入电网；

若光伏发电系统的发电功率大于负荷走势且蓄电池储能系统的储能剩余电量大于或等于预设最大值；则使储能逆变器关闭；和/或调节可移动和可调节负荷以增大负荷；将多出的电量送入电网；

若光伏发电系统的发电功率小于负荷走势且蓄电池储能系统的储能剩余电量大于预设最小；则使储能变流器工作在PQ模式进行放电；和/或调节可调节和可关断负荷以减少负荷；和/或不够的电量由电网送入

若光伏发电系统的发电功率小于负荷走势且蓄电池储能系统的储能剩余电量小于或等于预设最小值；则使储能变流器关闭；和/或调节可调节和可关断负荷以减少负荷；和/或不够的电量由电网送入。

本发明提供一种光储荷智能化管理一体机及光储荷智能化管理方法，可以依据目前的运行数据合理的计算出控制方式，使得单个微电网运行在最优的工作状态。

附图说明

图1为本发明实施例的光储荷智能化管理一体机的结构示意图；

图2为本发明实施例的光储荷智能化管理一体机的结构示意图；

图3为本发明实施例的光储荷智能化管理方法的流程示意图。

具体实施方式

下面结合附图对本发明作进一步详细描述：

如图1所示，光储荷智能化管理一体机包括光储荷智能管理系统10、电网41、光伏发电系统20、蓄电池储能系统30以及负荷管理系统40。其中：

光储荷智能管理系统10包括远程MCU采集模块11、与远程MCU采集模块11相连的MCU主控模块12以及与所述MCU主控模块12相连的的通信模块13。在本发明的一个实施例中，光储荷智能管理系统10还包括GPRS透传模块14、电源回路15、LED电源及通讯指示单元16。

其中，远程MCU采集模块11主要负责对光伏发电系统20、蓄电池储能系统30以及负荷管理系统40进行数据采集和数据筛选。远程MCU采集模块11将数据通过Modbus协议传送至MCU主控模块12，MCU主控模块12通过本地算法处理相关数据并得出控制信号(主要是保护动作信号，时间响应需要快速响应)；同时MCU主控模块12通过GPRS/4G透传模块14将数据传送至云端系统，整体优化算法在云端系统，计算结果通过主MCU模块进行下发和控制。电网41通过数据采集线与光储荷智能管理系统10相连。

光伏发电系统20包括至少一个光伏单元21以及辐照仪25，每个光伏单元21由多个光伏组件23通过交/直流线依次串联而成；每个光伏组件23均通过数据采集线与光储荷智能管理系统10相连。光伏发电系统20还包括至少一个逆变器22，所述逆变器22与至少一个光伏单元21通过交/直流线连接，逆变器22通过数据采集线与光储荷智能管理系统10相连。远程MCU采集模块11采集的光伏发电系统20的数据包括每个光伏组件的出口电压、温度、组串电流、逆变器内部所有数据(包含直流侧电压、交流输出功率、累计发电量和各类保护信息等)和辐照仪中辐照数据(环境温度、光照度、风速等)。

蓄电池储能系统30包括多个储能单元31，每个储能单元31由多个电池33通过交/直流线依次串联而成；每个电池33均通过数据采集线与光储荷智能管理系统10相连。蓄电池储能系统还包括储能变流器32，通过交/直流线与所述储能单元31相连；该储能变流器32通过数据采集线与光储荷智能管理系统10相连。远程MCU采集模块11采集的蓄电池储能系统30的数据包括电池管理系统(BMS)内部的所有数据(每个电芯的电压、温度、SOC和内阻和各类保护信息等)。

负荷管理系统40通过交/直流线与光伏发电系统20、蓄电池储能系统30相连，更具体地，是与逆变器22以及储能变流器相连。负荷管理单元40可以包括云端监控器42，云端监控器42通过数据采集线与光储荷智能管理系统10相连。远程MCU采集模块11采集的负荷管理系统的数据包含与外网连接点(PCC点)总负荷(有功功率、功率因数、电压、谐波分量等)和各类需要监视和控制负荷的有功功率、功率因数、电压、谐波分量等。此外，远程MCU采集模块11还采集光伏发电系统20、蓄电池储能系统30和电网之间的交换有功功率、无功功率、电网电压等。

光储荷管理系统10将光伏发电系统20的光伏数据、蓄电池储能系统30的储能数据以及负荷管理系统40负荷数据和电网状态实时进行监控。其中，光伏数据包括所有光伏组件、逆变器数据和辐照仪数据等；储能数据包括所有BMS上传的电芯电压、温度等；负荷数据包括每个电器元件的用电情况，有功、无功、功率曲线、用电曲线等。在该光储荷管理系统10中的MCU主控模块可以内置CPU和算法软件用于完全自动控制整个系统，并由GPRS/4G的透传模块提供的2G/4G接口将相关信息上传至云端监控器42。用户可以远程对其监视和控制。

光储荷管理系统10会根据电网的指令进行内部负荷的调节、充放电的调节。从而保证和电网的交换功率，上网的谐波等。

这样的一个光储荷智能化管理一体机可以作为虚拟电厂的一个子单元，整个云端系统包含很多光储荷智能化管理一体机，云端依据电网调度指令可以很好的分配每个光储荷智能化管理一体机与电网的交互有功功率和无功功率。光储荷管理系统接受电网指令后，调节储能、负荷和光伏的出力，从而响应电网的调度指令。

于此同时，对于云端虚拟电厂、微电网群的调度需要明确每个区域微电网现有发电能力和负荷情况，同时依据大电网运行情况下发调度指令给每个微电网，从而使得大电网能够安全、稳定运行。在微电网群之间可以相互了解各相邻微电网的运行情况，从而制定出有利于自身经济运行的优化策略等。

本发明还提供一种光储荷智能化管理方法，包括：

S1、采集光伏发电系统的信息参数，预测所述光伏发电系统的发电功率；

S2、采集蓄电池储能系统的信息参数，计算所述蓄电池储能系统的储能剩余电量；

S3、采集负荷管理单元的信息参数，预测负荷走势；

S4、获取电网的状态信息，并结合所述发电功率、储能剩余电量(SOC)、负荷走势，制定系统控制策略。

其中，在步骤S1中，光伏发电系统的信息参数包括光伏发电系统中每个光伏组件的电压、温度等信息参数；逆变器的直流侧电压，交流测电压，各类保护报警信息等相关参数；辐照仪器的辐照度和环境温度等相关参数。

光伏发电功率的预测可以依靠神经网络的算法来预测，例如是IEEE文献的预测方法。

在本发明的一个实施例中，步骤S1中，采集光伏发电系统的信息参数之后，还可以实时判定光伏系统的运行状态(每个组件的运行情况)，具体包括：

实时计算每个光伏组件的发电功率，统计每个组件的历史发电功率，并通过对比辐照仪相关信息参数判断每个光伏组件的实时运行状态和健康状态。该运行状态和健康状态包括可以通过光伏组件衰减率、组件是否被遮挡、组件健康状态SOH值等来判定。

更具体地，根据光伏辐照仪的数据，不同的光伏组件会有一个参考的发电功率，这个参考功率是多个电站在相同辐照情况下得出的一个平均值。这个平均值是计入了光伏组件衰减曲线计算出来的。在给定的辐照度条件下，其组件功率具体计算公式如下：

P为功率应该达到的输出功率，Pi为第i个组件发出的功率，βi是第i个组件的衰减率(可查光伏组件厂家给出的衰减曲线)，n为一共多少个组件参与计算。在选择n个组件的时候，采用(Local Outlier Factor)LOF算法进行筛选，从而确保计算值的可靠性。

如果组件的运行功率低于这个平均值的85％，则会判定这个组件存在问题。如果运行功率低于90％高于85％则判定，该组件需要进行清洗。清洗后观察其发电情况。

根据每年的数据统计可以计算光伏组件的衰减率，利用当年的辐照度(MJ/m²)与标准日照时间进行转换(太阳能资源(MJ/m²)换算为标准日照数系数为3.6小时)。例如某地太阳能辐射量为5000MJ/m²，则等效小时数为1388.8小时，一个光伏组件270W的发电功率为374.97kWh。以这个为基准测量每年每个组件的发电功率。然后用今年的值对比上年的值，最后得出组件的衰减状态。这个衰减状态值将和组件厂家给出的衰减曲线进行对比，如果衰减差值大于15％，将判断这个组件需要进行更换。

在步骤S2中，蓄电池储能系统的信息参数包括每个PACK的电芯电压和温度等；接入储能变流器的交/直流电压，电流，各类保护信号等相关参数。

在本发明的一个实施例中，采集蓄电池储能系统的信息参数之后，还包括判定储能系统每个电芯的运行状态，具体包括：

计算每个电芯的健康状态SOH值和/或每个电芯的SOC状态，通过指令给每个PACK内的BMS进行电池均衡操作。根据储能变流器的相关参数，自动设置储能变流器的运行方式(PQ模式和VF模式)；此外，还可以设计各类电芯保护参数，对蓄电池储能系统的运行进行实时保护。储能系统在V/F工作状态下，整个系统可以脱离电网运行。

在步骤S3中，负荷管理单元的信息参数包括每个负荷的电量及负荷总量等信息参数。更具体地，步骤S3包括：利用内嵌算法实时辨识启动的负荷类型，并统计计算每个负荷的用电量；通过建立历史数据训练神经网络负荷模型，预测负荷走势。

负荷类型指具体的负荷，例如是压缩机启动还是空调启动还是照明启动等等。判断的依据是有功功率和无功功率的变化。有功负荷是每个电器的有功功率的叠加；无功负荷是每个电器的无功功率的叠加。更具体地，可以通过建立每个负荷的特征库(包含额定有功、功率因数等)实时辨识启动的负荷类型。通过有功等式和无功等式得出哪些负荷启动，哪些负荷停止即获取获取可调节负荷、可关断负荷。可关断负荷是指，在一定的时间段，我可以不需要这个负荷也能工作(例如，晚间照明灯关断5个，同样不影响生产，这样的负荷为可关断负荷)，可移动负荷是指，白天洗衣服和晚间洗衣服是一样的，洗衣机的负荷为可移动负荷。有功等式和无功等式如下所示：

有功等式：P＝x1*P1+x2*P2+x3*P3+…

无功等式：Q＝x1*Q1+x2*Q2+x3*Q3+…

其中，P、Q是电表总体测量的有功和无功值，P1，P2，…是每个负荷的额定有功功率，Q1，Q2是通过功率因素计算出来的每个负荷无功功率。X1，X2，…，只取值[0,1]，0代表负荷停止，1代表负荷启动。通过遗传算法和最大似然估计，得出x1,x2,..值，就可以得出哪些负荷启动，哪些负荷停止。在每个负荷端都接入电量采集系统和控制系统，通过指令下发给每个具体的负荷操作单元，可以调节可移动负荷，或开闭可关断负荷。

神经网络负荷模式是对整个负荷(所有负荷叠加)的一个预测；通过遗传算法计算出x1，x2，…的值，从而实现负荷非侵入式辨识。

在云端能量管理系统中，会有实时数据库和历史数据库。光伏发电量预测和负荷模型预测都是用神经网络的算法；这个算法是利用历史数据建立模型。历史数据越多，这个神经网络的模型被训练的就会越准确，所以他的预测精度也会大幅度提高。每天会将历史数据输入神经光伏负荷模型、神经网络负荷模型进行训练，每增加一天，训练数据增加一天，从而光伏、负荷模型的预测准确度也会提升。

在步骤S4中，电网的状态信息包括并网状态以及离网状态，在并网和离网运行时刻，有各自不同的运行目标函数，利用遗传算法得出的储能充放电的功率进行控制，制定系统控制策略。

更具体地，储能有两个数据，一个是充电/放电的功率，一个是充电/放电的电量。例如配置10MW/40MWh的储能系统就是10MW的功率需要4个小时充满，放电可以维持10MW功率4个小时。这里的遗传算法的计算和负荷辨识没有关系，而是采用同一种算法来计算储能什么时候放电，多大功率放电(什么时候充电，多大功率充电)例如：未来24小时，有一个光伏发电功率的预测，有一个负荷的预测，目标函数是和电网的交换功率最低，则通过遗传算法，计算出每个时间段储能的充放电功率(计入了预测误差)。

在并网模式下，存在如下表1所示的四种状态：

表1

并网模式下的目标函数是减少和电网的电量交互，通过预测得到的光伏发电功率和负荷走势利用遗传算法计算出最为合理的储能充放电的时间和功率。使得状态2和状态4尽可能的不出现(留有电池系统的控制空间)。

在离网模式下，存在如下表2所示的四种状态：

表2

离网模式下的目标函数是尽可能的使用光伏电进行供电，储能系统进行稳定电网工作。也是通过预测光伏发电情况和负荷情况，利用遗传算法计算出最为合理的储能充放电的时间和功率。使得状态6和状态8尽可能的不出现。

本实施例中，根据采集的电网信息(并离网状态)，储能的SOC的状态，预测光伏发电量，控制光伏逆变器的运行状态(PQ和VF的切换)，并综合考虑储能SOC的状态来调整储能变流器的运行状态(PQ模式和VF模式)，确保系统安全稳定运行。

本发明提供一种光储荷智能化管理一体机及光储荷智能化管理方法，该光储荷智能化管理一体机将接入的光伏、储能和负荷系统合理的划归成一个光储微电网，多个装置的并联可以设置为微电网群和云端虚拟电厂。本发明能不断的预测新能源发电和负荷的走势，从而结合电网信息更为合理的调节储能系统、调节可调节负荷和可移动负荷，使得光储荷智能化管理一体机内部的运行达到最优的能源效率。通过云端的算法可以远程对每个微电网进行控制，同时该光储荷智能化管理一体机内嵌入智能算法，可以依据目前的运行数据合理的计算出控制方式，使得单个微电网运行在最优的工作状态。

上述技术方案只是本发明的一种实施方式，对于本领域内的技术人员而言，在本发明公开了应用方法和原理的基础上，很容易做出各种类型的改进或变形，而不仅限于本发明上述具体实施方式所描述的方法，因此前面描述的方式只是优选的，而并不具有限制性的意义。

Claims (10)

1.一种光储荷智能化管理一体机，其特征在于，包括光储荷智能管理系统、以及与所述光储荷智能管理系统相连的电网、光伏发电系统、蓄电池储能系统以及负荷管理系统；其中，所述光储荷智能管理系统包括：

远程MCU采集模块，通过数据采集线与所述光伏发电系统、蓄电池储能系统以及负荷管理系统相连；

MCU主控模块，与所述远程MCU采集模块相连；

通信模块，与所述MCU主控模块相连。

2.根据权利要求1所述的光储荷智能化管理一体机，其特征在于，所述光伏发电系统包括至少一个光伏单元、逆变器以及辐照仪；所述光伏单元通过数据采集线与所述光储荷智能管理系统相连；所述逆变器通过交/直流线与所述光伏单元相连，所述逆变器通过数据采集线与所述光储荷智能管理系统相连；所述辐照仪通过数据采集线与所述光储荷智能管理系统相连。

3.根据权利要求1所述的光储荷智能化管理一体机，其特征在于，所述蓄电池储能系统包括储能单元以及与所述储能单元相连的储能变流器，所述储能变流器通过数据采集线与所述光储荷智能管理系统相连。

4.根据权利要求1所述的光储荷智能化管理一体机，其特征在于，所述负荷管理单元包括云端监控器；所述云端监控器通过数据采集线与所述光储荷智能管理系统相连。

5.一种光储荷智能化管理方法，其特征在于，包括：

S1、采集光伏发电系统的信息参数，预测所述光伏发电系统的发电功率；

S2、采集蓄电池储能系统的信息参数，计算所述蓄电池储能系统的储能剩余电量；

S3、采集负荷管理单元的信息参数，预测负荷走势；

S4、获取电网的状态信息，并结合所述发电功率、储能剩余电量，自动制定系统控制策略。

6.根据权利要求5所述光储荷智能化管理方法，其特征在于，所述步骤S1包括：根据所述光伏发电系统的信息参数计算光伏组件衰减率、组件健康状态SOH值，并判断每个光伏组件的实时运行状态和健康状态。

7.根据权利要求5所述光储荷智能化管理方法，其特征在于，所述步骤S2包括：计算每个电芯的健康状态SOH值和/或每个电芯的SOC状态，通过指令给每个PACK内的BMS进行电池均衡操作。

8.根据权利要求5所述光储荷智能化管理方法，其特征在于，所述步骤S3包括：利用内嵌算法实时辨识启动的负荷类型，获取可调节负荷、可关断负荷；并统计计算每个负荷的用电量；通过建立历史数据训练神经网络负荷模型，预测负荷走势。

9.根据权利要求5所述光储荷智能化管理方法，其特征在于，所述步骤S4包括：

通过所述电网的状态信息建立不同的目标函数，通过预测得到的所述光伏发电系统的发电功率和负荷走势利用遗传算法计算出最为合理的储能充放电的时间和功率；

所述电网的状态信息包括并网状态以及离网状态；并网模式状态下的目标函数是减少和电网的电量交互；离网状态下的目标函数是尽可能的使用光伏电进行供电。

10.根据权利要求5所述光储荷智能化管理方法，其特征在于，所述电网的状态信息包括并网状态以及离网状态；所述步骤S4包括：

在并网状态下，相应的系统控制策略包括：

若光伏发电系统的发电功率大于负荷走势且蓄电池储能系统的储能剩余电量小于预设最大值；则使储能变流器工作在PQ模式进行充电；和/或将多出的电量送入电网；

若光伏发电系统的发电功率大于负荷走势且蓄电池储能系统的储能剩余电量大于或等于预设最大值；则使储能逆变器关闭；和/或调节可移动和可调节负荷以增大负荷和/或将多出的电量送入电网；

若光伏发电系统的发电功率小于负荷走势且蓄电池储能系统的储能剩余电量大于预设最小值；则使储能变流器工作在PQ模式进行放电；和/或调节可调节和可关断负荷以减少负荷；和/或不够的电量由电网送入；

若光伏发电系统的发电功率小于负荷走势且蓄电池储能系统的储能剩余电量小于或等于预设最小值；则使储能变流器关闭；和/或调节可调节和可关断负荷以减少负荷；和/或不够的电量由电网送入；

在离网状态下，相应的系统控制策略包括：

若光伏发电系统的发电功率大于负荷走势且蓄电池储能系统的储能剩余电量小于预设最大值；则使储能变流器工作在PQ模式进行充电；和/或将多出的电量送入电网；

若光伏发电系统的发电功率大于负荷走势且蓄电池储能系统的储能剩余电量大于或等于预设最大值；则使储能逆变器关闭；和/或调节可移动和可调节负荷以增大负荷；将多出的电量送入电网；

若光伏发电系统的发电功率小于负荷走势且蓄电池储能系统的储能剩余电量大于预设最小；则使储能变流器工作在PQ模式进行放电；和/或调节可调节和可关断负荷以减少负荷；和/或不够的电量由电网送入

若光伏发电系统的发电功率小于负荷走势且蓄电池储能系统的储能剩余电量小于或等于预设最小值；则使储能变流器关闭；和/或调节可调节和可关断负荷以减少负荷；和/或不够的电量由电网送入。