CN110048462B - 一种并网型光伏储能系统的能量调度方法、装置及系统 - Google Patents

一种并网型光伏储能系统的能量调度方法、装置及系统 Download PDF

Info

Publication number
CN110048462B
CN110048462B CN201910412682.XA CN201910412682A CN110048462B CN 110048462 B CN110048462 B CN 110048462B CN 201910412682 A CN201910412682 A CN 201910412682A CN 110048462 B CN110048462 B CN 110048462B
Authority
CN
China
Prior art keywords
power
energy storage
photovoltaic
load
storage system
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
Application number
CN201910412682.XA
Other languages
English (en)
Other versions
CN110048462A (zh
Inventor
黄志洪
武小梅
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.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
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 Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN201910412682.XA priority Critical patent/CN110048462B/zh
Publication of CN110048462A publication Critical patent/CN110048462A/zh
Application granted granted Critical
Publication of CN110048462B publication Critical patent/CN110048462B/zh
Active 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
    • H02J3/28—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—
    • 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
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Abstract

本发明公开了一种并网型光伏储能系统的能量调度方法、装置、系统、设备及计算机可读存储介质，方法包括：获取历史气象数据，并根据历史气象数据得到光伏发电系统在预测时段的光伏发电功率Pt；采集历史负载消耗功率，并根据历史负载消耗功率得到负载在预测时段的负载消耗功率Pload；获取储能系统在预测时段的充放电功率Pbat及电网在预测时段的功率，并建立功率平衡方程：Pt+Ng×Pgrid＝Pbat+Pload+Pwt；根据功率平衡方程和预设原则进行能量调度，预设原则为光伏发电系统优先供电、高峰阶段储能系统优先放电、低谷阶段储能系统优先充电。本申请公开的上述技术方案，在能量调度时将光伏发电系统、负载、储能系统及电网的功率均考虑在内，从而提高并网型光伏储能系统的能量利用率。

Description

一种并网型光伏储能系统的能量调度方法、装置及系统
技术领域
本发明涉及光伏发电储能技术领域，更具体地说，涉及一种并网型光伏储能系统的能量调度方法、装置、系统、设备及计算机可读存储介质。
背景技术
随着全球经济的快速发展，能源短缺问题日益严重。解决这一问题的最佳方式之一是有效利用太阳能，但是，光伏发电系统往往会因光伏的间歇性和不确定性的制约而难以为负载提供一个稳定的电力供应来源。因此，目前，常采用的方式是将储能系统与光伏发电系统结合起来，通过储能系统存储或释放电能来为负载进行供电。
目前，为了提高光伏发电系统的效率，则在带有储能系统的光伏发电系统(即光伏储能系统)中设置了电池管理系统，其通过对储能电池进行充放电管理来减少光伏的弃光率，提高太阳能的利用率。但随着光伏发电系统装机容量的增加以及光伏储能系统采用“自发自用，余量上网的”的模式进行运行，单一的电池管理系统因仅能对储能电池进行充放电管理而满足光伏储能系统组件增加与功能扩展的需求，从而会导致并网型光伏储能系统的能量利用率比较低。
综上所述，如何提高并网型光伏储能系统的能量利用率，是目前本领域技术人员亟待解决的技术问题。
发明内容
有鉴于此，本发明的目的是提供一种并网型光伏储能系统的能量调度方法、装置、系统、设备及计算机可读存储介质，以提高并网型光伏储能系统的能量利用率。
为了实现上述目的，本发明提供如下技术方案：
一种并网型光伏储能系统的能量调度方法，包括：
获取历史气象数据，并根据所述历史气象数据得到光伏发电系统在预测时段的光伏发电功率Pt；
采集历史负载消耗功率，并根据所述历史负载消耗功率得到负载在所述预测时段的负载消耗功率Pload；
获取储能系统在所述预测时段的充放电功率Pbat及电网在所述预测时段的功率Pgrid，并建立功率平衡方程：Pt+Ng×Pgrid＝Pbat+Pload+Pwt，其中，Ng为所述储能系统中的储能变流器将交流电转变为直流电的效率，当Pt＞Pload时，Pwt＝Pt-Pload，当Pt≤Pload时，Pwt＝0；
根据所述功率平衡方程和预设原则进行能量调度，其中，所述预设原则为所述光伏发电系统优先供电、高峰阶段所述储能系统优先放电、低谷阶段所述储能系统优先充电。
优选的，根据所述历史气象数据得到光伏发电系统在预测时段的光伏发电功率Pt，包括：
根据所述历史气象数据得到所述预测时段内的预测气象数据；
通过所述预测气象数据及光伏发电功率模型得到所述光伏发电系统在所述预测时段的光伏发电功率Pt。
优选的，获取历史气象数据，并根据所述历史气象数据得到光伏发电系统在预测时段的光伏发电功率Pt，包括：
分别获取第一预设时段内每个采样点的历史气象数据，并根据所述光伏发电功率模型得到所述光伏发电系统在每个所述采样点的光伏发电功率；
根据所述采样点、与所述采样点对应的历史气象数据、与所述采样点对应的光伏发电功率，建立样本训练集；
利用样本训练集进行神经网络训练，得到光伏发电功率预测模型：Pt＝K1GA+K2TM+K3Ta，其中，GA为光照强度，TM为所述光伏发电系统中包含的光伏板的表面温度、Ta大气温度，K1、K2、K3分别为光照强度、光伏板表面温度、大气温度的修正系数；
根据所述历史气象数据得到所述预测时段内的预测气象数据，并根据所述预测气象数据及所述光伏发电功率预测模型得到光伏发电系统在所述预测时段的光伏发电功率Pt。
优选的，采集历史负载消耗功率，并根据所述历史负载消耗功率得到负载在所述预测时段的负载消耗功率Pload，包括：
采集所述负载在第二预设时段内的每个采样点处的历史负载消耗功率，得到训练数据集；
利用所述训练数据集进行神经网络训练，得到负载消耗功率预测模型：Pload＝K4×T，其中，T为负载工作时段对应的时长、K4为时间负载系数；
根据所述负载消耗功率预测模型得到所述负载在所述预测时段的负载消耗功率Pload。
优选的，获取储能系统在所述预测时段的充放电功率Pbat，包括：
获取所述储能系统在当前时刻的电池剩余容量SOC(k)；
通过Pbat＝Vbat×Ibat、Vbat＝OCV(SOC(k))+R×Ibat得到所述储能系统在所述预测时段的充放电功率Pbat，其中，Vbat为所述储能系统中的储能电池的电压，Ibat为所述储能电池的充放电电流，OCV(SOC(k))为所述储能电池的开路电压与所述电池剩余容量SOC(k)之间的函数关系式，R为所述储能电池的内阻。
一种并网型光伏储能系统的能量调度装置，包括：
第一计算模块，用于获取历史气象数据，并根据所述历史气象数据得到光伏发电系统在预测时段的光伏发电功率Pt；
第二计算模块，用于采集历史负载消耗功率，并根据所述历史负载消耗功率得到负载在所述预测时段的负载消耗功率Pload；
功率平衡方程建立模块，用于获取储能系统在所述预测时段的充放电功率Pbat及电网在所述预测时段的功率Pgrid，并建立功率平衡方程：Pt+Ng×Pgrid＝Pbat+Pload+Pwt，其中，Ng为所述储能系统中的储能变流器将交流电转变为直流电的效率，当Pt＞Pload时，Pwt＝Pt-Pload，当Pt≤Pload时，Pwt＝0；
能量调度模块，用于根据所述功率平衡方程和预设原则进行能量调度，其中，所述预设原则为所述光伏发电系统优先供电、高峰阶段所述储能系统优先放电、低谷阶段所述储能系统优先充电。
优选的，所述第一计算模块包括：
第一计算单元，用于根据所述历史气象数据得到所述预测时段内的预测气象数据；
第二计算单元，用于通过所述预测气象数据及光伏发电功率模型得到所述光伏发电系统在所述预测时段的光伏发电功率Pt。
一种并网型光伏储能系统的能量调度系统，包括如上述所述的并网型光伏储能系统的能量调度装置、光伏发电系统、储能系统、气象信息采集器、母线、与所述母线相连的负载和电网、与所述母线相连的配电柜，其中：
所述光伏发电系统包括光伏板、与所述光伏板及所述配电柜相连的逆变器；
所述储能系统包括储能电池、与所述储能电池及所述配电柜相连的储能变流器；
所述气象信息采集器、所述负载、所述电网、所述逆变器、所述储能变流器均与所述能量调度装置相连。
一种并网型光伏储能系统的能量调度设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述任一项所述的并网型光伏储能系统的能量调度方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述的并网型光伏储能系统的能量调度方法的步骤。
本发明提供了一种并网型光伏储能系统的能量调度方法、装置、系统、设备及计算机可读存储介质，其中，该方法包括：获取历史气象数据，并根据历史气象数据得到光伏发电系统在预测时段的光伏发电功率Pt；采集历史负载消耗功率，并根据历史负载消耗功率得到负载在预测时段的负载消耗功率Pload；获取储能系统在预测时段的充放电功率Pbat及电网在预测时段的功率，并建立功率平衡方程：Pt+Ng×Pgrid＝Pbat+Pload+Pwt，其中，Ng为储能系统中的储能变流器将交流电转变为直流电的效率，当Pt＞Pload时，Pwt＝Pt-Pload，当Pt≤Pload时，Pwt＝0；根据功率平衡方程和预设原则进行能量调度，其中，预设原则为光伏发电系统优先供电、高峰阶段储能系统优先放电、低谷阶段储能系统优先充电。
本申请公开的上述技术方案，分别得到光伏发电系统、负载、储能系统、电网在预测时段的功率Pt、Pload、Pbat及Pgrid，然后，根据功率平衡方程和光伏发电系统优先供电、高峰阶段储能系统优先放电、低谷阶段储能系统优先充电的原则进行能量调度，即在能量调度时是将光伏发电系统、负载、储能系统及电网的功率均考虑在内且根据上述预设原则和功率平衡方程进行能量调度，而不再是仅仅单一地对储能电池进行充放电管理来实现能量调度，从而可以提高并网型光伏储能系统的能量利用率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种并网型光伏储能系统的能量调度方法的流程图；
图2为本发明实施例提供的一种并网型光伏储能系统的能量调度装置的结构示意图；
图3为本发明实施例提供的一种并网型光伏储能系统的能量调度系统的结构示意图；
图4为本发明实施例提供的一种并网型光伏储能系统的能量调度设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，其示出了本发明实施例提供的一种并网型光伏储能系统的能量调度方法的流程图，需要说明的是，本发明实施例中提供的技术方案的执行主体可以为对应的本发明实施例提供的一种并网型光伏储能系统的能量调度装置，因此，本申请实施例中均以执行主体为能量调度装置进行说明。本发明实施例提供的一种并网型光伏储能系统的能量调度方法，可以包括：
S11：获取历史气象数据，并根据历史气象数据得到光伏发电系统在预测时段的光伏发电功率Pt。
可以利用气象信息采集器采集光伏发电系统所在地区在过去某段时间内的历史气象数据，而且气象信息采集器可以将所获取到的历史气象数据发送给能量调度装置。也就是说，能量调度装置可以从气象信息采集器处获取历史气象数据。其中，历史气象数据具体为对光伏发电系统的发电功率产生影响气象的数据，包含但不限于光照强度、大气温度、风速、光伏发电系统所包含的光伏板的表面温度。
当获取到历史气象数据之后，能量调度装置则可以根据历史气象数据得到光伏发电系统在预测时段(例如未来数个小时或未来一天)的光伏发电功率Pt，以便于能量调度装置在进行能量调度时可以将光伏发电功率考虑在内，从而便于合理、有效地利用并网型光伏储能系统中的能量，进而为提高能量的利用率提供基础。
S12：采集历史负载消耗功率，并根据历史负载消耗功率得到负载在预测时段的负载消耗功率Pload。
能量调度装置在获取历史气象数据之前、之后或同时，可以采集负载在过去某段时间内的历史负载消耗功率。然后，则可以根据历史负载消耗功率得到负载在预测时段的负载消耗功率Pload，以便于可以对负荷情况进行有效识别，从而便于在能量调度装置进行能量调度时可以将负荷情况考虑在内。
S13：获取储能系统在预测时段的充放电功率Pbat及电网在预测时段的功率Pgrid，并建立功率平衡方程：Pt+Ng×Pgrid＝Pbat+Pload+Pwt，其中，Ng为储能系统中的储能变流器将交流电转变为直流电的效率，当Pt＞Pload时，Pwt＝Pt-Pload，当Pt≤Pload时，Pwt＝0。
能量调度装置可以获取储能系统在预测时段的充放电功率Pbat，并获取光伏储能系统所并入的电网在预测时段的功率Pgrid。
然后，根据所获取得到的光伏发电系统在预测时段的光伏发电功率Pt、负载在预测时段的负载消耗功率Pload、储能系统在预测时段的充放电功率Pbat及电网在预测时段的功率Pgrid，建立功率平衡方程Pt+Ng×Pgrid＝Pbat+Pload+Pwt。在该功率平衡方程中，Ng为储能系统中的储能变流器将交流电转变为直流电的效率，对于Pwt而言：当Pt＞Pload时，Pwt＝Pt-Pload，当Pt≤Pload时，Pwt＝0，即Pwt表示的是在光照充足的情况下光伏发电功率Pt比负载消耗功率Pload多余的部分(当光照不足时Pwt＝0)。
也就是说，在并网型光伏储能系统中，当进行能量调度时，可以将光伏发电系统、负载、储能系统、电网均考虑在内，而且它们之间需要满足所建立的功率平衡方程，以便于在光伏储能系统组件增加及功能扩展的情况下可以有效、合理地利用并网型光伏储能系统中的能量，从而提高能量的利用率。
S14：根据功率平衡方程和预设原则进行能量调度，其中，预设原则为光伏发电系统优先供电、高峰阶段储能系统优先放电、低谷阶段储能系统优先充电。
在得到功率平衡方程之后，可以根据功率平衡方程以及光伏发电系统优先供电、高峰阶段储能系统优先放电、低谷阶段储能系统优先充电的预设原则进行能量调度，从而满足光伏储能系统组件增加与功能扩展的需求，以提高并网型光伏储能系统的能量利用率。
其中，光伏发电系统优先供电、高峰阶段储能系统优先放电、低谷阶段储能系统优先充电的预设原则具体为：
在高峰阶段，当能量调度装置识别到储能系统的电池剩余容量SOC(k)剩余时，则优先控制储能系统放电，不足的部分再通过电网进行补充，其中，电网所补充部分的多少则具体由功率平衡方程计算得到；
在低谷阶段，在保证负载正常工作的情况下，当能量调度装置识别到电池剩余容量SOC(k)不足时，则优先采用光伏发电系统进行充电(即若光照充足时则优先采用Pwt给储能系统进行充电)，不足部分通过电网进行补充，其中，电网所补充部分的多少则由功率平衡方程计算得到；
在光照不足情况下，在保证负载正常工作的情况下，当能量调度装置识别到储能系统的电池剩余容量SOC(k)剩余时，则优先采用储能系统进行放电，储能系统无法满足的部分则由电网进行补充，其中，电网所补充部分的多少则由功率平衡方程计算得到。
需要说明的是，本申请所提及的并网型光伏储能系统主要是面向别墅、农舍、小区等家庭式用户，其负载用电稳定性比较高，而且负荷情况比较规律，因此，可以提高得到负载在预测时段的负载消耗功率Pload的准确性和可靠性，当然，本申请的并网型光伏储能系统也可以面向工厂等大用户。另外，本申请的并网型光伏储能系统是以“自发自用，余量上网”为前提进行能量调度的，以在提高能量利用率的同时可以减少光伏发电量的浪费，并增加用户的收益。
本申请公开的上述技术方案，分别得到光伏发电系统、负载、储能系统、电网在预测时段的功率Pt、Pload、Pbat及Pgrid，然后，根据功率平衡方程和光伏发电系统优先供电、高峰阶段储能系统优先放电、低谷阶段储能系统优先充电的原则进行能量调度，即在能量调度时是将光伏发电系统、负载、储能系统及电网的功率均考虑在内且根据上述预设原则和功率平衡方程进行能量调度，而不再是仅仅单一地对储能电池进行充放电管理来实现能量调度，，从而可以提高并网型光伏储能系统的能量利用率。
本发明实施例提供的一种并网型光伏储能系统的能量调度方法，根据历史气象数据得到光伏发电系统在预测时段的光伏发电功率Pt，可以包括：
根据历史气象数据得到预测时段内的预测气象数据；
通过预测气象数据及光伏发电功率模型得到光伏发电系统在预测时段的光伏发电功率Pt。
在利用历史气象数据得到光伏发电系统在预测时段的光伏发电功率Pt时，具体可以根据历史气象数据得到预测时段内的预测气象数据，并通过预测气象数据以及光伏发电功率模型得到光伏发电系统在预测时段的光伏发电功率Pt。
其中，这里所提及的光伏发电功率模型具体为：
当GA＞0时，
当GA≤0时，Pt＝0；
TM＝Ta+0.0138×(1+0.0138×Ta)×(1-0.042×Wv)×0.001GA；
其中，GA为光照强度，PSTC为标准环境下光伏发电系统的额定发电功率，GSTC为标准测试条件下的光照强度，TM为光伏发电系统中的光伏板的表面温度，TSTC为标准测试条件下光伏板的表面温度，k为温度系数，Ta为大气温度，Wv为风速。
本发明实施例提供的一种并网型光伏储能系统的能量调度方法，获取历史气象数据，并根据历史气象数据得到光伏发电系统在预测时段的光伏发电功率Pt，可以包括：
分别获取第一预设时段内每个采样点的历史气象数据，并根据光伏发电功率模型得到光伏发电系统在每个采样点的光伏发电功率；
根据采样点、与采样点对应的历史气象数据、与采样点对应的光伏发电功率，建立样本训练集；
利用样本训练集进行神经网络训练，得到光伏发电功率预测模型：Pt＝K1GA+K2TM+K3Ta，其中，GA为光照强度，TM为光伏发电系统中包含的光伏板的表面温度、Ta大气温度，K1、K2、K3分别为光照强度、光伏板表面温度、大气温度的修正系数；
根据历史气象数据得到预测时段内的预测气象数据，并根据预测气象数据及光伏发电功率预测模型得到光伏发电系统在预测时段的光伏发电功率Pt。
除了通过得到预测气象数据，利用预测气象数据和光伏发电功率模型直接得到光伏发电功率Pt之外，还可以利用如下方式获取历史气象数据，并根据历史气象数据得到光伏发电系统在预测时段的光伏发电功率Pt：
分别获取第一预设时段内每个采样点的历史气象数据，例如：以5min为步长获取一个月中每天6:00-21:00这个时间段(即以6:05、6:10……21:00为采样点)的历史气象数据，并根据每个采样点的历史气象数据，利用上述所提及的光伏发电功率模型得到光伏发电系统在每个采样点的光伏发电功率；
利用第一预设时段内的采样点、与每个采样点对应的历史气象数据、与每个采样点对应的光伏发电功率，建立样本训练集；
利用所建立的样本训练集进行神经网络训练，得到光伏发电功率预测模型：Pt＝K1GA+K2TM+K3Ta，其中，GA为光照强度，TM为光伏发电系统中包含的光伏板的表面温度、Ta大气温度，K1、K2、K3分别为光照强度、光伏板表面温度、大气温度的修正系数；
根据所获取到的历史气象数据得到预测时段内的预测气象数据，并根据预测气象数据及经神经网络训练得到的光伏发电功率预测模型，得到光伏发电系统在预测时段的光伏发电功率Pt。
通过建立样本训练集，利用样本训练集进行神经网络训练得到光伏发电功率预测模型，并通过光伏发电功率预测模型得到光伏发电系统在预测时段的光伏发电功率的方式的准确性和可靠性比较高。
当然，除了利用上述两种方式得到光伏发电功率Pt之外，还可以通过滚动优化预测的方式得到光伏发电系统在预测时段的光伏发电功率Pt。
本发明实施例提供的一种并网型光伏储能系统的能量调度方法，采集历史负载消耗功率，并根据历史负载消耗功率得到负载在预测时段的负载消耗功率Pload，可以包括：
采集负载在第二预设时段内的每个采样点处的历史负载消耗功率，得到训练数据集；
利用训练数据集进行神经网络训练，得到负载消耗功率预测模型：Pload＝K4×T，其中，T为负载工作时段对应的时长、K4为时间负载系数；
根据负载消耗功率预测模型得到负载在预测时段的负载消耗功率Pload。
可以通过如下方式得到负载在预测时段的负载消耗功率Pload：
采集负载在第二预设时段内的每个采样点处的历史负载消耗功率，例如：以1h为步长，采集负载在过去一个月内的历史负载消耗功率，并根据采样点、与采样点对应的历史负载消耗功率，得到训练数据集；
利用所建立的训练数据集进行神经网络训练，得到负载消耗功率预测模型：Pload＝K4×T，其中，T为负载工作时段对应的时长、K4为时间负载系数；
根据预测时段以及经神经网络训练得到的负载消耗功率预测模型(即将预测时段带入到负载消耗功率预测模型中)，得到负载在预测时段的负载消耗功率Pload。
上述通过建立训练数据集，采用训练数据集进行神经网络训练得到负载消耗功率预测模型，并通过所得到的负载消耗功率预测模型进行负载消耗功率预测的方式可以提高获取负载消耗功率Pload的准确性和可靠性。
当然，也可以通过滚动优化预测的方式得到负载在预测时段的负载消耗功率。
本发明实施例提供的一种并网型光伏储能系统的能量调度方法，获取储能系统在预测时段的充放电功率Pbat，可以包括：
获取储能系统在当前时刻的电池剩余容量SOC(k)；
通过Pbat＝Vbat×Ibat、Vbat＝OCV(SOC(k))+R×Ibat得到储能系统在预测时段的充放电功率Pbat，其中，Vbat为储能系统中的储能电池的电压，Ibat为储能电池的充放电电流，OCV(SOC(k))为储能电池的开路电压与电池剩余容量SOC(k)之间的函数关系式，R为储能电池的内阻。
在获取储能系统在预测时段的充放电功率Pbat时，可以通过储能系统在当前时刻的电池剩余容量SOC(k)来计算得到。具体地，获取储能系统在当前时刻的电池剩余容量SOC(k)，然后，通过Pbat＝Vbat×Ibat、Vbat＝OCV(SOC(k))+R×Ibat得到储能系统在预测时段的充放电功率Pbat，其中，Vbat为储能系统中的储能电池的电压，Ibat为储能电池的充放电电流，OCV(SOC(k))为储能电池开路电压与电池剩余容量SOC(k)之间的函数关系式，R为储能电池的内阻。
上述获取储能系统在预测时段的充放电功率Pbat的方式比较简便，计算量比较小，效率比较高。
本发明实施例还提供了一种并网型光伏储能系统的能量调度装置，参见图2，其示出了本发明实施例提供的一种并网型光伏储能系统的能量调度装置的结构示意图，可以包括：
第一计算模块11，用于获取历史气象数据，并根据历史气象数据得到光伏发电系统在预测时段的光伏发电功率Pt；
第二计算模块12，用于采集历史负载消耗功率，并根据历史负载消耗功率得到负载在预测时段的负载消耗功率Pload；
功率平衡方程建立模块13，用于获取储能系统在预测时段的充放电功率Pbat及电网在预测时段的功率Pgrid，并建立功率平衡方程：Pt+Ng×Pgrid＝Pbat+Pload+Pwt，其中，Ng为储能系统中的储能变流器将交流电转变为直流电的效率，当Pt＞Pload时，Pwt＝Pt-Pload，当Pt≤Pload时，Pwt＝0；
能量调度模块14，用于根据功率平衡方程和预设原则进行能量调度，其中，预设原则为光伏发电系统优先供电、高峰阶段储能系统优先放电、低谷阶段储能系统优先充电。
本发明实施例提供的一种并网型光伏储能系统的能量调度装置，第一计算模块11可以包括：
第一计算单元，用于根据历史气象数据得到预测时段内的预测气象数据；
第二计算单元，用于通过预测气象数据及光伏发电功率模型得到光伏发电系统在预测时段的光伏发电功率Pt。
本发明实施例提供的一种并网型光伏储能系统的能量调度装置，第一计算模块11可以包括：
第一获取单元，用于分别获取第一预设时段内每个采样点的历史气象数据，并根据光伏发电功率模型得到光伏发电系统在每个采样点的光伏发电功率；
建立训练集单元，用于根据采样点、与采样点对应的历史气象数据、与采样点对应的光伏发电功率，建立样本训练集；
第一训练单元，用于利用样本训练集进行神经网络训练，得到光伏发电功率预测模型：Pt＝K1GA+K2TM+K3Ta，其中，GA为光照强度，TM为光伏发电系统中包含的光伏板的表面温度、Ta大气温度，K1、K2、K3分别为光照强度、光伏板表面温度、大气温度的修正系数；
第三计算单元，用于根据历史气象数据得到预测时段内的预测气象数据，并根据预测气象数据及光伏发电功率预测模型得到光伏发电系统在预测时段的光伏发电功率Pt。
本发明实施例提供的一种并网型光伏储能系统的能量调度装置，第二计算模块12可以包括：
采集单元，用于采集负载在第二预设时段内的每个采样点处的历史负载消耗功率，得到训练数据集；
第二训练单元，用于利用训练数据集进行神经网络训练，得到负载消耗功率预测模型：Pload＝K4×T，其中，T为负载工作时段对应的时长、K4为时间负载系数；
第四计算单元，用于根据负载消耗功率预测模型得到负载在预测时段的负载消耗功率Pload。
本发明实施例提供的一种并网型光伏储能系统的能量调度装置，功率平衡方程建立模块13可以包括：
第二获取单元，用于获取储能系统在当前时刻的电池剩余容量SOC(k)；
第五计算单元，用于通过Pbat＝Vbat×Ibat、Vbat＝OCV(SOC(k))+R×Ibat得到储能系统在预测时段的充放电功率Pbat，其中，Vbat为储能系统中的储能电池的电压，Ibat为储能电池的充放电电流，OCV(SOC(k))为储能电池的开路电压与电池剩余容量SOC(k)之间的函数关系式，R为储能电池的内阻。
本发明实施例还提供了一种并网型光伏储能系统的能量调度系统，参见图3，其示出了本发明实施例提供的一种并网型光伏储能系统的能量调度系统的结构示意图，可以包括上述任一种并网型光伏储能系统的能量调度装置、光伏发电系统、储能系统、气象信息采集器、母线、与母线相连的负载和电网、与母线相连的配电柜，其中：
光伏发电系统可以包括光伏板、与光伏板及配电柜相连的逆变器；
储能系统可以包括储能电池、与储能电池及配电柜相连的储能变流器；
气象信息采集器、负载、电网、逆变器、储能变流器均与能量调度装置相连。
其中，配电柜用于连接光伏发电系统中的逆变器和储能系统中的储能变流器，并用于将光伏发电系统所发电电能和储能电池所放电能统一输送给母线，此外，配电柜还用于控制将多余的光伏发电能量先给储能系统中的储能电池进行充电，其次再通过电网的能量给储能电池充电；储能变流器具体为双向储能变流器，其具备交流电变直流电，直流电变交流电的双向功能，用于对储能电池进行充电或储能电池对电网放电。
本发明实施例还提供了一种并网型光伏储能系统的能量调度设备，参见图4，其示出了本发明实施例提供的一种并网型光伏储能系统的能量调度设备的结构示意图，可以包括：
存储器21，用于存储计算机程序；
处理器22，用于执行计算机程序时实现上述任一种并网型光伏储能系统的能量调度方法的步骤。
本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述任一种并网型光伏储能系统的能量调度方法的步骤。
需要说明的是，本发明实施例提供的一种并网型光伏储能系统的能量调度装置、系统、设备及计算机可读存储介质中相关部分的具体说明可以参见本发明实施例提供的一种并网型光伏储能系统的能量调度方法中对应部分的详细说明，在此不再赘述。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外，本发明实施例提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明，以免过多赘述。
对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种并网型光伏储能系统的能量调度方法，其特征在于，包括：
获取历史气象数据，并根据所述历史气象数据得到光伏发电系统在预测时段的光伏发电功率；
采集历史负载消耗功率，并根据所述历史负载消耗功率得到负载在所述预测时段的负载消耗功率；
获取储能系统在所述预测时段的充放电功率及电网在所述预测时段的功率/>，并建立功率平衡方程：/>，其中， />为所述储能系统中的储能变流器将交流电转变为直流电的效率，当/>时，/>，当/>时，/>；其中，所述/>表示的是在光照充足的情况下所述光伏发电功率/>比所述负载消耗功率/>多余的部分；
根据所述功率平衡方程和预设原则进行能量调度，其中，所述预设原则为所述光伏发电系统优先供电、高峰阶段所述储能系统优先放电、低谷阶段所述储能系统优先充电。
2.根据权利要求1所述的并网型光伏储能系统的能量调度方法，其特征在于，根据所述历史气象数据得到光伏发电系统在预测时段的光伏发电功率，包括：
根据所述历史气象数据得到所述预测时段内的预测气象数据；
通过所述预测气象数据及光伏发电功率模型得到所述光伏发电系统在所述预测时段的光伏发电功率。
3.根据权利要求2所述的并网型光伏储能系统的能量调度方法，其特征在于，获取历史气象数据，并根据所述历史气象数据得到光伏发电系统在预测时段的光伏发电功率，包括：
分别获取第一预设时段内每个采样点的历史气象数据，并根据所述光伏发电功率模型得到所述光伏发电系统在每个所述采样点的光伏发电功率；
根据所述采样点、与所述采样点对应的历史气象数据、与所述采样点对应的光伏发电功率，建立样本训练集；
利用样本训练集进行神经网络训练，得到光伏发电功率预测模型：，其中，/>为光照强度，/>为所述光伏发电系统中包含的光伏板的表面温度、/>大气温度，、/>、/>分别为光照强度、光伏板表面温度、大气温度的修正系数；
根据所述历史气象数据得到所述预测时段内的预测气象数据，并根据所述预测气象数据及所述光伏发电功率预测模型得到光伏发电系统在所述预测时段的光伏发电功率。
4.根据权利要求1所述的并网型光伏储能系统的能量调度方法，其特征在于，采集历史负载消耗功率，并根据所述历史负载消耗功率得到负载在所述预测时段的负载消耗功率，包括：
采集所述负载在第二预设时段内的每个采样点处的历史负载消耗功率，得到训练数据集；
利用所述训练数据集进行神经网络训练，得到负载消耗功率预测模型：，其中，/>为负载工作时段对应的时长、/>为时间负载系数；
根据所述负载消耗功率预测模型得到所述负载在所述预测时段的负载消耗功率。
5.根据权利要求1所述的并网型光伏储能系统的能量调度方法，其特征在于，获取储能系统在所述预测时段的充放电功率，包括：
获取所述储能系统在当前时刻的电池剩余容量；
通过、/>得到所述储能系统在所述预测时段的充放电功率/>，其中，/>为所述储能系统中的储能电池的电压，/>为所述储能电池的充放电电流，/>为所述储能电池的开路电压与所述电池剩余容量/>之间的函数关系式，/>为所述储能电池的内阻。
6.一种并网型光伏储能系统的能量调度装置，其特征在于，包括：
第一计算模块，用于获取历史气象数据，并根据所述历史气象数据得到光伏发电系统在预测时段的光伏发电功率；
第二计算模块，用于采集历史负载消耗功率，并根据所述历史负载消耗功率得到负载在所述预测时段的负载消耗功率；
功率平衡方程建立模块，用于获取储能系统在所述预测时段的充放电功率及电网在所述预测时段的功率/>，并建立功率平衡方程：/> ，其中，/>为所述储能系统中的储能变流器将交流电转变为直流电的效率，当/>时，/>，当/>时，/>；其中，所述/>表示的是在光照充足的情况下所述光伏发电功率/>比所述负载消耗功率/>多余的部分；
能量调度模块，用于根据所述功率平衡方程和预设原则进行能量调度，其中，所述预设原则为所述光伏发电系统优先供电、高峰阶段所述储能系统优先放电、低谷阶段所述储能系统优先充电。
7.根据权利要求6所述的并网型光伏储能系统的能量调度装置，其特征在于，所述第一计算模块包括：
第一计算单元，用于根据所述历史气象数据得到所述预测时段内的预测气象数据；
第二计算单元，用于通过所述预测气象数据及光伏发电功率模型得到所述光伏发电系统在所述预测时段的光伏发电功率。
8.一种并网型光伏储能系统的能量调度系统，其特征在于，包括如权利要求6或7所述的并网型光伏储能系统的能量调度装置、光伏发电系统、储能系统、气象信息采集器、母线、与所述母线相连的负载和电网、与所述母线相连的配电柜，其中：
所述光伏发电系统包括光伏板、与所述光伏板及所述配电柜相连的逆变器；
所述储能系统包括储能电池、与所述储能电池及所述配电柜相连的储能变流器；
所述气象信息采集器、所述负载、所述电网、所述逆变器、所述储能变流器均与所述能量调度装置相连。
9.一种并网型光伏储能系统的能量调度设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至5任一项所述的并网型光伏储能系统的能量调度方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述的并网型光伏储能系统的能量调度方法的步骤。
CN201910412682.XA 2019-05-17 2019-05-17 一种并网型光伏储能系统的能量调度方法、装置及系统 Active CN110048462B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910412682.XA CN110048462B (zh) 2019-05-17 2019-05-17 一种并网型光伏储能系统的能量调度方法、装置及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910412682.XA CN110048462B (zh) 2019-05-17 2019-05-17 一种并网型光伏储能系统的能量调度方法、装置及系统

Publications (2)

Publication Number Publication Date
CN110048462A CN110048462A (zh) 2019-07-23
CN110048462B true CN110048462B (zh) 2023-09-12

Family

ID=67282469

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910412682.XA Active CN110048462B (zh) 2019-05-17 2019-05-17 一种并网型光伏储能系统的能量调度方法、装置及系统

Country Status (1)

Country Link
CN (1) CN110048462B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111244952A (zh) * 2020-03-12 2020-06-05 珠海格力电器股份有限公司 复合供电系统及其供电调控方法
CN111900774B (zh) * 2020-07-24 2022-01-25 博众精工科技股份有限公司 一种能量调度方法
CN113268527B (zh) * 2021-05-27 2022-02-11 中清能绿洲科技股份有限公司 智能光伏储能调度分析方法、装置、服务器及存储介质
CN113824141A (zh) * 2021-08-05 2021-12-21 华翔翔能科技股份有限公司 一种光伏储能电池管理系统
CN113862691B (zh) * 2021-09-18 2023-04-07 河北建投新能源有限公司 光伏制氢的控制方法、装置、存储介质及电子设备
CN116526567A (zh) * 2023-06-26 2023-08-01 深圳智电时代科技有限公司 户用光伏供电系统的能量管理方法、装置及存储介质

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104092278A (zh) * 2014-07-11 2014-10-08 安徽启光能源科技研究院有限公司 应用于光伏储能系统的能量管理方法
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
CN104767224A (zh) * 2015-03-04 2015-07-08 华南理工大学 一种含多类储能的并网型风光储微电网的能量管理方法
CN105119312A (zh) * 2015-08-17 2015-12-02 广州市香港科大霍英东研究院 一种基于混合整数非线性规划的光伏储能调度方法
CN206164107U (zh) * 2016-07-20 2017-05-10 姜宪明 基于功率预测的分布式光伏储能调峰系统
CN106972534A (zh) * 2017-04-28 2017-07-21 国网山东省电力公司泰安供电公司 一种光伏充电站能量调度管理方法
CN107491833A (zh) * 2017-07-21 2017-12-19 清华大学 一种光伏发电功率预测的方法和装置
WO2018129829A1 (zh) * 2017-01-12 2018-07-19 沃太能源南通有限公司 一种新型微网系统以及基于该系统的组网调度方法
CN109713696A (zh) * 2018-11-09 2019-05-03 杭州电子科技大学 考虑用户行为的电动汽车光伏充电站优化调度方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104092278A (zh) * 2014-07-11 2014-10-08 安徽启光能源科技研究院有限公司 应用于光伏储能系统的能量管理方法
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
CN104767224A (zh) * 2015-03-04 2015-07-08 华南理工大学 一种含多类储能的并网型风光储微电网的能量管理方法
CN105119312A (zh) * 2015-08-17 2015-12-02 广州市香港科大霍英东研究院 一种基于混合整数非线性规划的光伏储能调度方法
CN206164107U (zh) * 2016-07-20 2017-05-10 姜宪明 基于功率预测的分布式光伏储能调峰系统
WO2018129829A1 (zh) * 2017-01-12 2018-07-19 沃太能源南通有限公司 一种新型微网系统以及基于该系统的组网调度方法
CN106972534A (zh) * 2017-04-28 2017-07-21 国网山东省电力公司泰安供电公司 一种光伏充电站能量调度管理方法
CN107491833A (zh) * 2017-07-21 2017-12-19 清华大学 一种光伏发电功率预测的方法和装置
CN109713696A (zh) * 2018-11-09 2019-05-03 杭州电子科技大学 考虑用户行为的电动汽车光伏充电站优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于VMD-SE和优化支持向量机的光伏预测方法;武小梅 等;电力学;第33卷(第9期);第29-36页 *

Also Published As

Publication number Publication date
CN110048462A (zh) 2019-07-23

Similar Documents

Publication Publication Date Title
CN110048462B (zh) 一种并网型光伏储能系统的能量调度方法、装置及系统
CN104600731B (zh) 一种用于光储系统削峰填谷的储能系统控制方法
WO2019148689A1 (zh) 一种微电网并网联络线功率的控制系统及其方法
CN105552969A (zh) 基于功率预测的分布式光伏发电输出功率平滑方法和系统
CN110601334A (zh) 一种充电站及其能量调度管理方法
CN113964872A (zh) 光伏发电储能控制方法及系统
CN114123280B (zh) 一种考虑系统效率的电池储能电站能量管理方法
CN110165715B (zh) 一种将电动汽车储能式充电站接入虚拟电厂的方法
CN107092975B (zh) 一种基于储能损耗积分的交直流混合微网经济优化方法
CN114312426A (zh) 一种净零能耗光储充电站优化配置方法、装置和存储介质
CN111762057B (zh) 一种区域微网中v2g电动汽车智能充放电管理方法
CN110112784A (zh) 一种户用智能能源管理方法、装置、系统及控制器
CN107453377B (zh) 一种太阳能热发电储热配比分析方法
CN116187702A (zh) 一种源网荷储协同互动优化调度系统
Ran et al. Economic dispatch of off-grid photovoltaic generation system with hybrid energy storage
CN112803493B (zh) 基于边际成本的分散式储能与分布式光伏协同方法及系统
CN115423203A (zh) 梯次利用动力电池提升电力系统效益的评估方法及装置
CN110417002B (zh) 一种孤岛微电网能量模型的优化方法
CN109412250B (zh) 一种离网发电系统储能电池最佳充电速率的确定方法
CN112736948A (zh) 一种充电站中储能系统的功率调节方法及装置
CN111313404A (zh) 一种充电站的控制方法、系统及电子设备
CN108183498A (zh) 一种含风光储配电网背景下的车储混合配置方法
KR101467741B1 (ko) 태양광 발전 시스템을 위한 축전지 수명 연장 방법 및 이를 수행하는 장치
CN116562657B (zh) 基于物联网的光伏储能管理方法、装置、介质、电子设备
CN109742806B (zh) 一种具有并行功率处理的换流器装置

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
GR01 Patent grant
GR01 Patent grant