CN111146796A - 一种基于多变量控制的光伏发电综合用能分析管理的系统和方法 - Google Patents

Abstract

光伏发电由于其受限于日照情况的间歇性的特点，对于运营规划和调动方案等各个方面都有很高的要求。在准确预测特定时间段的光伏发电量的基础下，如何采用有效的用能分析工具合理高效的分配光伏发电与传统化石能源发电量的用量关系对于最大限度应用光伏发电有着重要的作用。本发明提出一种基于多变量控制的最优解方程，结合光伏发电量预测数据，科学高效的分配使用光伏产出的能源与其他补充能源，以最大化利用光伏发电产能，最小化用能成本为目标，建立了考虑光伏发电量，电网购电与储能容量优化等多方面的综合模型以提高用电对象清洁能源的利用效率，降低购电成本，实现经济价值最大化。

Description

一种基于多变量控制的光伏发电综合用能分析管理的系统和 方法

技术领域

本发明涉及优化算法用于新能源光伏发电和储能控制领域，具体涉及一种基于多变量控制的光伏发电综合用能分析管理的系统和方法。

背景技术

随着社会经济的快速发展，能源需求的持续增长，以及大众对于环保的重视，清洁能源特别是利用太阳能的光伏发电可再生能源越来越受到青睐。但是，太阳能受制于其对于天气情况的依赖，由于其多变性及其不可预测性无法在与现有电网进行并网操作时保持协同的可靠和稳定。现在，通过各种预测方式可以有效的预测光伏发电系统的输出，对于未来一定时间内的光伏发电效果可以控制。例如发明一种基于线性回归和神经网络的光伏发电预测模型和方法”（专利申请号： 202010025373.X）提出了一种结合多元线性回归，分步线性回归及人工神经网络以预测光伏发电系统输出的复杂模型和方法，可以准确的预测特定区域的光伏发电量。但是对于波动性、间歇性的光伏发电的大规模并网，造成新能源安全稳定运行和有效消纳问题仍然非常突出，仍然需要一套有效的优化管理系统提高可再生能源发电的消纳能力，合理分配电网电量的补充。

本发明提出一种基于多个变量控制的光伏发电综合用能分析管理的系统和方法，其特点为提出一系列以最大化光伏发电量使用为目标，同时考虑最小化用能成本储能成本，寿命，储能设备充放电限制，用能负荷需求等多个限制变量的线性优化方程数学模型，以达到清洁用能，最优化企业用电成本的目的。本发明引入了光伏发电量以及用能负荷预测结果等指标于储能设备分配模拟，对于用能企业在使用光伏发电设备的情况下合理配置储能设备，合理化分配光伏发电设备有一定的实践意义，也对于电网用电安全等方面具有一定的应用价值。。

发明内容

本发明提出了一种基于多个变量控制的光伏发电综合用能分析管理的系统和方法,其主要的应用在于设定储能系统限制条件的情况下，结合光伏发电量及用能负荷预测结果，运用优化模型，合理分配储能设备的充放电量，保障最优化利用电能。整个流程包括了设定储能设备限制条件，预测光伏发电量，预测用能对象电力用能负荷，运行实时多变量控制优化模型求解，输出用能对象电网购电量，输出储能系统充放电时间及充放电量等几个步骤，如图1所示。

附图说明

图1为本发明实施中涉及基于多个变量控制的光伏发电综合用能分析管理的系统流程图。

具体实施方式

步骤一、 根据用能对象的储能设备相关特性确定储能设备限制值，其中包括：

: 储能设备充电最大值限制 (MW/hour)

: 储能设备放电最大值限制 (MW/hour)

: 储能设备在小时 0存储电量, MW, ( 初始状态 )

: 储能设备, 存储电量的最大额度 (MW)

: 储能设备, 存储电量的最小额度 (MW)

: 储能设备一天充电次数。

步骤二、依据上海积成能源科技有限公司公开专利“一种基于线性回归和神经网 络的光伏发电预测模型和方法”（专利申请号： 202010025373.X） 所述方法，预测光伏发电 系统的发电量

。（光伏发电系统在小时i的发电量预测值 (MW)）。

步骤三、依据上海积成能源科技有限公司公开专利“一种电力短期负荷预测系统 及方法”（专利申请号： 201710989849.X）所述方法，预测用能对象短期用能负荷预测值

（用能对象在小时i的实际用能负荷预测值 (MW)）。

步骤四、 根据前三步骤所确定的储能优化模型输入值，求解储能优化相关配置输出值，其中包括：

: 用户在小时i实际的购电量, MW

: 储能设备在小时i实际的放电量, MW

: 储能设备在小时i实际的充电量, MW,

: 储能设备在小时i实际的储电量, MW,

:储能设备在小时i 的充电状态, 状态0或1

:储能设备在小时i的放电状态, 状态0或1

运行储能优化模型，模型具体包括：

目标函数：

Min

函数目的为最小化用户的电网购电费用。最大化利用光伏发电系统的发电量；

函数运算限制条件：

1)整体用电量与电能供给量必须保持平衡，方程表示如下：

：

等式左边表示，用户在小时i整体用电量(自身实际的用电量和储能设备的充电量)。等式右边表示, 用户在小时i 整体用电量的供给量 ( 购买电量和储能设备的放电量，以及光伏系统发电量 )；

2)储能设备在小时i实际的充电量必须小于储能设备充电最大值限制，方程表示如下：

3)储能设备在小时i实际的放电量必须小于储能设备放电最大值限制，方程表示如下：

4)储能设备在小时i只能有一个状态,要么是充电，要么是放电，方程表示如下：

5)储能设备在小时1 的储电量等于, 在小时0的储电量(初始状态)加上小时1的充电量减去小时1的放电量。方程表示如下：

6)储能设备在小时i 的储电量等于, 在前一个小时的储电量加上小时i的充电量减去小时i的放电量。方程表示如下：

7)储能设备上下限需保持在储能设备物理限制范围内。 方程表示如下：

等式表示: 储能设备在小时i 的储电量等于, 在前一个小时的储电量加上小时i的充电量减去小时i的放电量；

8)储能设备在一天时间内的充放电次数限制，方程表示如下：

9)储能初始状态 (小时0)与结束状态 (小时24)必须保持一定的平衡。方程表示如下：

：

依据上述九项限制条件，运用所述线性优化模型，求解目标函数（最小化电网购电费 用），计算上述计算输出值,包括：

: 用户在小时i实际的购电量, MW，

: 储能设备在 小时i实际的放电量, MW，

: 储能设备在小时i实际的充电量, MW,

: 储能设备在小 时i实际的储电量, MW,

:储能设备在小时i 的充电状态, 状态0或1,:储能设备在小时 i的放电状态, 状态0或1。

步骤五、根据步骤四运算结果，记录小时i需要从电网购买的电量。

步骤六、根据步骤四运算结果，记录

:储能设备在小时i实际的放电量, MW，

: 储能设备在小时i实际的充电量, MW,

:储能设备在小时i实际的储电量, MW,

:储能设 备在小时i 的充电状态, 状态0或1，

:储能设备在小时i的放电状态, 状态0或1，

步骤五及步骤六的输出值将作为电力负荷预测的输入值输入到短期电力负荷预测模型中去计算电力负荷预测值。

本发明通过应用线性优化模型，考虑多个限制变量控制条件情况下，提出一套光伏发电用能优化分析管理的系统和方法,其特点在于在设定储能系统限制条件的情况下，结合光伏发电预测及用能负荷预测结果，运用优化模型，合理分配使用光伏发电量于电网购电量，保障最大化利用光伏发电量，最小化用电对象的用电成本，最大化发挥储能系统的作用，达到满足用能负荷需求，提高供电质量等事件应用功能。

Claims (6)

1.步骤一、 根据用能对象的储能设备相关特性确定储能设备限制值，其中包括：

: 储能设备充电最大值限制 (MW/hour)

: 储能设备放电最大值限制 (MW/hour)

: 储能设备在小时 0存储电量, MW, ( 初始状态 )

: 储能设备, 存储电量的最大额度 (MW)

: 储能设备, 存储电量的最小额度 (MW)

: 储能设备一天充电次数。

2.步骤二、依据上海积成能源科技有限公司公开专利“一种基于线性回归和神经网络 的光伏发电预测模型和方法”（专利申请号： 202010025373.X） 所述方法，预测光伏发电系 统的发电量

，

（光伏发电系统在小时i的发电量预测值 (MW)）。

3.步骤三、依据上海积成能源科技有限公司公开专利“一种电力短期负荷预测系统及 方法”（专利申请号： 201710989849.X）所述方法，预测用能对象短期用能负荷预测值

（用 能对象在小时i的实际用能负荷预测值 (MW)）。

4.步骤四、 根据前三步骤所确定的储能优化模型输入值，求解储能优化相关配置输出值，其中包括：

: 用户在小时i实际的购电量, MW

: 储能设备在小时i实际的放电量, MW

: 储能设备在小时i实际的充电量, MW,

: 储能设备在小时i实际的储电量, MW,

:储能设备在小时i 的充电状态, 状态0或1

:储能设备在小时i的放电状态, 状态0或1

运行储能优化模型，模型具体包括：

目标函数：

Min

函数目的为最小化用户的电网购电费用，

最大化利用光伏发电系统的发电量；

函数运算限制条件：

1)整体用电量与电能供给量必须保持平衡，方程表示如下：

：

等式左边表示，用户在小时i 整体用电量 ( 自身实际的用电量和储能设备的充电量)，

等式右边表示, 用户在小时i 整体用电量的供给量 ( 购买电量和储能设备的放电量，以及光伏系统发电量 )；

2)储能设备在小时i实际的充电量必须小于储能设备充电最大值限制，方程表示如下：

3)储能设备在小时i实际的放电量必须小于储能设备放电最大值限制，方程表示如下：

4)储能设备在小时i只能有一个状态,要么是充电，要么是放电，方程表示如下：

5)储能设备在小时1的储电量等于,在小时0的储电量(初始状态)加上小时1的充电量减去小时1的放电量，

方程表示如下：

6)储能设备在小时i的储电量等于,在前一个小时的储电量加上小时i的充电量减去小时i的放电量，

方程表示如下：

7)储能设备上下限需保持在储能设备物理限制范围内，

方程表示如下：

等式表示: 储能设备在小时i 的储电量等于, 在前一个小时的储电量加上小时i的充电量减去小时i的放电量；

8)储能设备在一天时间内的充放电次数限制，方程表示如下：

9)储能初始状态(小时0)与结束状态(小时24)必须保持一定的平衡，

方程表示如下：

：

依据上述九项限制条件，运用所述线性优化模型，求解目标函数（最小化电网购电费 用），计算上述计算输出值,包括：

: 用户在小时i实际的购电量, MW，

: 储能设备在 小时i实际的放电量, MW，

: 储能设备在小时i实际的充电量, MW,

: 储能设备在小 时i实际的储电量, MW,

:储能设备在小时i 的充电状态, 状态0或1,:储能设备在小时 i的放电状态, 状态0或1。

5.步骤五、根据步骤四运算结果，记录小时i需要从电网购买的电量。

6.步骤六、根据步骤四运算结果，记录

:储能设备在小时i实际的放电量, MW，

: 储 能设备在小时i实际的充电量, MW,

:储能设备在小时i实际的储电量, MW,

:储能设备 在小时i 的充电状态, 状态0或1，

:储能设备在小时i的放电状态, 状态0或1，

步骤五及步骤六的输出值将作为电力负荷预测的输入值输入到短期电力负荷预测模型中去计算电力负荷预测值。

Images