CN112003273A - 一种光伏并网系统功率的控制方法 - Google Patents

一种光伏并网系统功率的控制方法 Download PDF

Info

Publication number
CN112003273A
CN112003273A CN202010807333.0A CN202010807333A CN112003273A CN 112003273 A CN112003273 A CN 112003273A CN 202010807333 A CN202010807333 A CN 202010807333A CN 112003273 A CN112003273 A CN 112003273A
Authority
CN
China
Prior art keywords
energy storage
power
storage element
time period
predicted
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.)
Pending
Application number
CN202010807333.0A
Other languages
English (en)
Inventor
郭建波
江雨峰
王振
陶永晶
欧阳文
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.)
Hangzhou Haixing Zeke Information Technology Co ltd
Nanjing Haixing Power Grid Technology Co Ltd
Hangzhou Hexing Electrical Co Ltd
Ningbo Henglida Technology Co Ltd
Original Assignee
Hangzhou Haixing Zeke Information Technology Co ltd
Nanjing Haixing Power Grid Technology Co Ltd
Hangzhou Hexing Electrical Co Ltd
Ningbo Henglida Technology Co Ltd
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 Hangzhou Haixing Zeke Information Technology Co ltd, Nanjing Haixing Power Grid Technology Co Ltd, Hangzhou Hexing Electrical Co Ltd, Ningbo Henglida Technology Co Ltd filed Critical Hangzhou Haixing Zeke Information Technology Co ltd
Priority to CN202010807333.0A priority Critical patent/CN112003273A/zh
Publication of CN112003273A publication Critical patent/CN112003273A/zh
Pending legal-status Critical Current

Links

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
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • 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
    • 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
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提供一种光伏并网系统功率的控制方法，其中，包括：步骤S1，采用神经网络获取储能元件在第一预测时间内的每个第二时间段的预测光伏发电量；步骤S2，根据在每个第二时间段的预测光伏发电量和对应的储能元件的消耗功率计算得到储能元件在对应的第二时间段中的预测放电量；步骤S3，根据在每个第二时间段的预测光伏发电量和预测放电量得到对应第二时间段中的储能元件的充放电状态参数；步骤S4，根据实时光伏发电量和消耗功率依照充放电状态参数计算储能元件的实时充放电功率。本发明的有益效果在于：提高安全性和稳定性，以及减少了储能元件的实时充放电功率的调整次数。

Description

一种光伏并网系统功率的控制方法
技术领域
本发明涉及光伏并网技术领域，尤其涉及一种光伏并网系统功率的控制方法。
背景技术
近十年来，随着传统化石燃料逐渐枯竭、能源危机和环境污染形式日益严峻，开发清洁、环保、可再生能源成为社会发展的必然趋势。太阳能光伏发电发展迅速，已经成为利用太阳能的主要方式之一。
然而，当光伏发电系统并网运行后，其相对于电力系统是一个不可控源。光伏电源输出受外界环境影响较大，稳定性不高。在并网运行时，出力电源输出发生变化，易导致母线输出功率及电压不稳，进而导致逆变输出波动。当其在系统中所占比例较小时，这些发电特点不会对电网运行安全带来明显的不良影响。但是随着并网光伏发电装机容量的不断扩大，其在电网中所占比例逐渐增加，其发电波动性将对电力系统造成冲击，直接影响电力系统的安全稳定运行。因此蓄电池储能系统对母线功率的调节是必不可少的，且是否合理地进行充、放电直接影响着蓄电池的寿命。
发明内容
针对现有技术中存在的上述问题，现提供一种光伏并网系统功率的控制方法。
具体技术方案如下：
一种光伏并网系统功率的控制方法，其中，包括以下步骤：
步骤S1，采用神经网络获取储能元件在第一预测时间内的每个第二时间段的预测光伏发电量；
步骤S2，根据在每个第二时间段的预测光伏发电量和对应的储能元件的消耗功率计算得到储能元件在对应的第二时间段中的预测放电量；
步骤S3，根据在每个第二时间段的预测光伏发电量和预测放电量得到对应第二时间段中的储能元件的充放电状态参数；
步骤S4，根据实时光伏发电量和消耗功率依照充放电状态参数计算储能元件的实时充放电功率。
优选的，光伏并网系统功率的控制方法，其中，还包括：
步骤S5，根据实时充放电功率结合储能元件中的每个蓄电池的总容量和已充电百分比获取得到对应于储能元件中的每个蓄电池的充电分配策略和放电分配策略。
优选的，光伏并网系统功率的控制方法，其中，通过下述公式计算得到储能元件在对应的第二时间段中的预测放电量；
Figure BDA0002629621540000021
其中，
Figure BDA0002629621540000022
用于表示为预测放电量；
Pgrid用于表示储能元件的消耗功率；
Figure BDA0002629621540000023
用于表示预测光伏发电量。
优选的，光伏并网系统功率的控制方法，其中，于计算得到的预测放电量为正值时，确定储能元件在对应的第二时间段中进行放电操作；
于计算得到的预测放电量为负值时，确定储能元件在对应的第二时间段中进行充电操作。
优选的，光伏并网系统功率的控制方法，其中，步骤S3具体包括以下步骤：
于每个第二时间段的预测光伏发电量大于同一第二时间段的预测放电量时，将对应的第二时间段的充放电状态参数设置为-1；
于每个第二时间段的预测光伏发电量小于同一第二时间段的预测放电量时，将对应的第二时间段的充放电状态参数设置为1；
于每个第二时间段的预测光伏发电量接近同一第二时间段的预测放电量时，将对应的第二时间段的充放电状态参数设置为0。
优选的，光伏并网系统功率的控制方法，其中，通过下述公式计算储能元件的实时充放电功率；
Pbat＝Pgrid(1+0.005α)-Ppv；
其中，Pbat用于表示为实时充放电功率；
Pgrid用于表示储能元件的消耗功率；
Ppv用于表示实时光伏发电量；
α用于表示充放电状态参数。
优选的，光伏并网系统功率的控制方法，其中，通过下述公式计算充电分配策略：
Figure BDA0002629621540000031
其中，i用于表示蓄电池的序号；
w1i用于表示第i个蓄电池的充电功率；
Si用于表示第i个蓄电池的容量；
Figure BDA0002629621540000032
用于表示第i个蓄电池已存储的电量。
优选的，光伏并网系统功率的控制方法，其中，通过下述公式计算放电分配策略：
Figure BDA0002629621540000033
其中，i用于表示蓄电池的序号；
w2i用于表示第i个蓄电池的放电功率；
Si用于表示第i个蓄电池的容量；
Figure BDA0002629621540000034
用于表示第i个蓄电池已存储的电量。
优选的，光伏并网系统功率的控制方法，其中，储能元件还包括一个储能变流器。
上述技术方案具有如下优点或有益效果：
第一、通过当日的实时光伏发电量和消耗功率可以实时修正实时充放电功率，从而提高安全性和稳定性；
第二、通过预测光伏发电量和预测放电量获取得到充放电状态参数，并且通过充放电状态参数进一步调整储能元件的实时充放电功率，从而减少了储能元件的实时充放电功率的调整次数。
附图说明
参考所附附图，以更加充分的描述本发明的实施例。然而，所附附图仅用于说明和阐述，并不构成对本发明范围的限制。
图1为现有技术的功率控制曲线图一；
图2为本发明光伏并网系统功率的控制方法实施例的功率控制曲线图一；
图3为现有技术的功率控制曲线图二；
图4为本发明光伏并网系统功率的控制方法实施例的功率控制曲线图二。
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作出创造性劳动的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。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
本发明包括一种光伏并网系统功率的控制方法，包括以下步骤：
步骤S1，采用神经网络获取储能元件在第一预测时间内的每个第二时间段的预测光伏发电量；
步骤S2，根据在每个第二时间段的预测光伏发电量和对应的储能元件的消耗功率计算得到储能元件在对应的第二时间段中的预测放电量；
步骤S3，根据在每个第二时间段的预测光伏发电量和预测放电量得到对应第二时间段中的储能元件的充放电状态参数；
步骤S4，根据实时光伏发电量和消耗功率依照充放电状态参数计算储能元件的实时充放电功率。
在上述实施例中，通过预测光伏发电量和预测放电量获取得到充放电状态参数，并根据实时光伏发电量和消耗功率结合充放电状态参数计算储能元件的实时充放电功率，即可以实现通过当日的实时光伏发电量和消耗功率可以实时修正实时充放电功率，从而提高安全性和稳定性；
通过预测光伏发电量和预测放电量获取得到充放电状态参数，并且通过充放电状态参数进一步调整储能元件的实时充放电功率，从而减少了储能元件的实时充放电功率的调整次数。
在上述实施例中，步骤S1可以包括以下步骤：
步骤S11，采集前一日的储能元件在第一预测时间内的每个第二时间段的光伏发电量；和
采集前一日的环境温度、光伏光板温度和环境相对湿度；和
预测当日的环境温度、光伏光板温度和环境相对湿度；
步骤S12，将前一日的储能元件在第一预测时间内的每个第二时间段的光伏发电量、前一日的环境温度、前一日的光伏光板温度、前一日的环境相对湿度、当日的环境温度、当日的光伏光板温度和当日的环境相对湿度作为神经网络的输入，以得到神经网络输出的当日的储能元件在第一预测时间内的每个第二时间段的预测光伏发电量。
具体的，作为优选的实施方式，第一预测时间包括多个第二时间段，例如，第一预测时间可以为一天，第二时间段可以为1个小时；然而在获取一天中的预测光伏发电量时，通常只需要预测8时到18时的光伏发电量即可。
例如，当本申请需要预测当日的8时到18时的光伏发电量时，此时的第一预测时间为当日的8时到18时，第二时间段为1个小时；其中，本实施方式采用的神经网络的输入层有17维，并将前一日的8时到18时中每个小时的光伏发电量、前一日的环境温度、当日的环境温度、前一日的光伏光板温度、当日的光伏光板温度、前一日的环境相对湿度和当日的环境相对湿度作为神经网络的输入，随后通过神经网络输出当日的8时到18时中每个小时的预测光伏发电量。
需要说明的是，预测当日的环境温度、光伏光板温度和环境相对湿度为本领域的常规技术手段，在此不做详细阐述。
在上述实施例中，神经网络包括输入层、隐藏层和输出层，其中隐藏层中的激励函数采用双曲正切Sigmoid函数：f1(x)＝2/(1+e-2x)-1；
输出层中的激励函数采用对数Sigmoid函数：f2(x)＝1/(1+e-x)。
进一步地，在上述实施例中，通过下述公式计算得到储能元件在对应的第二时间段中的预测放电量；
Figure BDA0002629621540000051
其中，在上述公式(1)中，
Figure BDA0002629621540000052
用于表示为预测放电量，当
Figure BDA0002629621540000053
的值为正时，表示储能元件放电，当
Figure BDA0002629621540000054
的值为负时，表示储能元件充电；
Pgrid用于表示储能元件在对应的第二时间段中的消耗功率；
Figure BDA0002629621540000055
用于表示预测光伏发电量。
进一步地，在上述实施例中，于计算得到的预测放电量为正值时，确定储能元件在对应的第二时间段中进行放电操作；
于计算得到的预测放电量为负值时，确定储能元件在对应的第二时间段中进行充电操作。
进一步地，在上述实施例中，步骤S3具体包括以下步骤：
于每个第二时间段的预测光伏发电量大于同一第二时间段的预测放电量时，将对应的第二时间段的充放电状态参数设置为-1；
于每个第二时间段的预测光伏发电量小于同一第二时间段的预测放电量时，将对应的第二时间段的充放电状态参数设置为1；
于每个第二时间段的预测光伏发电量接近同一第二时间段的预测放电量时，将对应的第二时间段的充放电状态参数设置为0。
在上述实施例中，于每个第二时间段的预测光伏发电量大于同一第二时间段的预测放电量时，即此时的第二时间段中的储能元件的放电量减小，或此时的第二时间段中的储能元件的充电量增加；
于每个第二时间段的预测光伏发电量小于同一第二时间段的预测放电量时，即此时的第二时间段中的储能元件的放电量增加，或此时的第二时间段中的储能元件的充电量减少；
于每个第二时间段的预测光伏发电量接近同一第二时间段的预测放电量时，即此时的第二时间段中的储能元件的放电量接近充电量。
作为优选的实施方式，当储能元件的实时充放电功率超过消耗功率的(-1％～1％)时，启动调整储能充放电操作，使实时充放电功率接近消耗功率Pgrid，因此实时充放电功率的取值范围为0.99Pgrid～1.01Pgrid。当实时充放电功率逼近上限(1.01Pgrid)时，需要降低实时充放电功率，此时可以通过增加储能元件的充电功率(电池处于充电状态)或降低储能元件的放电功率(电池处于放电状态)来实现；反之亦然。
如图1所示，由于现有技术中需要多次调整储能元件，因此储能元件充电时，充电量小；并且储能元件放电时，放电量小，从而导致储能元件充电量增加时的充电量小，以及导致储能元件放电量增加时少放电，即储能元件的实时充放电功率上限低，和储能元件的实时充放电功率下限高，进而缩短了储能元件的使用寿命；
而在本实施方式中，如图2所示，将对应的第二时间段的充放电状态参数设置为-1，可以实现减少储能元件调整次数，以实现在储能元件充电量增加时多充电，或者实现在储能元件放电量增加时多放电，即储能元件的实时充放电功率上限高，和储能元件的实时充放电功率下限低，从而提高了安全性和稳定性，进而延长了储能元件的寿命；
如图3所示，由于现有技术中需要多次调整储能元件，因此储能元件充电时，充电量小；并且储能元件放电时，放电量小，从而导致储能元件充电量减少时的充电量大，以及导致储能元件放电量减少时多放电，并且储能元件的实时充放电功率的上限低，和储能元件的实时充放电功率下限高，进而缩短了储能元件的使用寿命；
而在本实施方式中，为了减少储能元件调整次数，需要在储能元件充电量减少时少充电，或者在储能元件放电量减少时少放电，从而提高了安全性和稳定性，进而延长了储能元件的寿命；如图4所示，并将对应的第二时间段的充放电状态参数设置为1，具体情况如下表1所示：
P<sub>grid</sub>-P<sub>pv</sub>符号 储能元件充放电状态 P<sub>grid</sub>变化趋势 α 储能元件充放电量
正 放电 增大，逼近上限 -1 少放电
正 放电 减小，逼近下限 1 多放电
负 充电 增大，逼近上限 -1 多充电
负 充电 减小，逼近下限 1 少充电
表1
为了防止充放电功率越界，可以将实时充放电功率的调整为0.005αPgrid。
进一步地，在上述实施例中，通过下述公式计算储能元件的实时充放电功率；
Pbat＝Pgrid(1+0.005α)-Ppv； (2)
其中，在上述公式(2)中，Pbat用于表示为实时充放电功率；
Pgrid用于表示储能元件的消耗功率；
Ppv用于表示实时光伏发电量；
α用于表示充放电状态参数。
进一步地，在上述实施例中，还包括：
步骤S5，根据实时充放电功率结合储能元件中的每个蓄电池的总容量和已充电百分比获取得到对应于储能元件中的每个蓄电池的充电分配策略和放电分配策略。
在上述实施例中，通过预测得到的实时充放电功率对储能元件中的每个所述蓄电池的充电分配策略和放电分配策略进行计算，从而将储能元件的实时充放电功率合理地分配到每一个蓄电池中，进而实现根据储能元件的实时充放电功率合理地调整每个所述蓄电池的充电分配策略和放电分配策略。
进一步地，在上述实施例中，储能元件还包括一个储能变流器。
在上述实施例中，储能元件可以包括一个储能变流器和多个蓄电池。
作为优选的实施方式，实时充放电功率为每个蓄电池的充电功率和放电功率的总和。
进一步地，在上述实施例中，通过下述公式计算充电分配策略：
Figure BDA0002629621540000071
其中，i用于表示蓄电池的序号；
w1i用于表示第i个蓄电池的充电功率；
Si用于表示第i个蓄电池的容量；
Figure BDA0002629621540000081
用于表示第i个蓄电池已存储的电量。
进一步地，在上述实施例中，通过下述公式计算放电分配策略：
Figure BDA0002629621540000082
其中，i用于表示蓄电池的序号；
w2i用于表示第i个蓄电池的放电功率；
Si用于表示第i个蓄电池的容量；
Figure BDA0002629621540000083
用于表示第i个蓄电池已存储的电量。
以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (9)

1.一种光伏并网系统功率的控制方法，其特征在于，包括以下步骤：
步骤S1，采用神经网络获取储能元件在第一预测时间内的每个第二时间段的预测光伏发电量；
步骤S2，根据在每个所述第二时间段的所述预测光伏发电量和对应的所述储能元件的消耗功率计算得到所述储能元件在对应的所述第二时间段中的预测放电量；
步骤S3，根据在每个所述第二时间段的所述预测光伏发电量和所述预测放电量得到对应所述第二时间段中的储能元件的充放电状态参数；
步骤S4，根据实时光伏发电量和所述消耗功率依照所述充放电状态参数计算所述储能元件的实时充放电功率。
2.如权利要求1所述的光伏并网系统功率的控制方法，其特征在于，还包括：
步骤S5，根据所述实时充放电功率结合所述储能元件中的每个蓄电池的总容量和已充电百分比获取得到对应于所述储能元件中的每个所述蓄电池的充电分配策略和放电分配策略。
3.如权利要求1所述的光伏并网系统功率的控制方法，其特征在于，通过下述公式计算得到所述储能元件在对应的所述第二时间段中的所述预测放电量；
Figure FDA0002629621530000011
其中，
Figure FDA0002629621530000012
用于表示所述预测放电量；
Pgrid用于表示所述储能元件的所述消耗功率；
Figure FDA0002629621530000013
用于表示所述预测光伏发电量。
4.如权利要求3所述的光伏并网系统功率的控制方法，其特征在于，于计算得到的所述预测放电量为正值时，确定所述储能元件在对应的所述第二时间段中进行放电操作；
于计算得到的所述预测放电量为负值时，确定所述储能元件在对应的所述第二时间段中进行充电操作。
5.如权利要求1所述的光伏并网系统功率的控制方法，其特征在于，所述步骤S3具体包括以下步骤：
于每个所述第二时间段的所述预测光伏发电量大于同一所述第二时间段的所述预测放电量时，将对应的所述第二时间段的所述充放电状态参数设置为-1；
于每个所述第二时间段的所述预测光伏发电量小于同一所述第二时间段的所述预测放电量时，将对应的所述第二时间段的所述充放电状态参数设置为1；
于每个所述第二时间段的所述预测光伏发电量接近同一所述第二时间段的所述预测放电量时，将对应的所述第二时间段的所述充放电状态参数设置为0。
6.如权利要求5所述的光伏并网系统功率的控制方法，其特征在于，通过下述公式计算所述储能元件的所述实时充放电功率；
Pbat＝Pgrid(1+0.005α)-Ppv；
其中，Pbat用于表示为所述实时充放电功率；
Pgrid用于表示所述储能元件的所述消耗功率；
Ppv用于表示所述实时光伏发电量；
α用于表示所述充放电状态参数。
7.如权利要求2所述的光伏并网系统功率的控制方法，其特征在于，通过下述公式计算充电分配策略：
Figure FDA0002629621530000021
其中，i用于表示蓄电池的序号；
w1i用于表示第i个蓄电池的充电功率；
Si用于表示第i个蓄电池的容量；
Figure FDA0002629621530000022
用于表示第i个蓄电池已存储的电量。
8.如权利要求2所述的光伏并网系统功率的控制方法，其特征在于，通过下述公式计算放电分配策略：
Figure FDA0002629621530000023
其中，i用于表示蓄电池的序号；
w2i用于表示第i个蓄电池的放电功率；
Si用于表示第i个蓄电池的容量；
Figure FDA0002629621530000024
用于表示第i个蓄电池已存储的电量。
9.如权利要求1所述的光伏并网系统功率的控制方法，其特征在于，所述储能元件还包括一个储能变流器。
CN202010807333.0A 2020-08-12 2020-08-12 一种光伏并网系统功率的控制方法 Pending CN112003273A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010807333.0A CN112003273A (zh) 2020-08-12 2020-08-12 一种光伏并网系统功率的控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010807333.0A CN112003273A (zh) 2020-08-12 2020-08-12 一种光伏并网系统功率的控制方法

Publications (1)

Publication Number Publication Date
CN112003273A true CN112003273A (zh) 2020-11-27

Family

ID=73463160

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010807333.0A Pending CN112003273A (zh) 2020-08-12 2020-08-12 一种光伏并网系统功率的控制方法

Country Status (1)

Country Link
CN (1) CN112003273A (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104979849A (zh) * 2015-06-30 2015-10-14 华南理工大学 一种适用于用户侧微电网的并网运行控制方法
US20150291044A1 (en) * 2012-12-05 2015-10-15 Panasonic Intellectual Property Management Co., Ltd. Charge-discharge management device, power conditioner, power storage device, and program
CN105591383A (zh) * 2016-01-13 2016-05-18 上海电力学院 一种直流微网变功率控制装置及控制方法
CN105811457A (zh) * 2016-04-19 2016-07-27 天津天大求实电力新技术股份有限公司 一种并网型微电网联络线功率平滑的方法
CN106385049A (zh) * 2016-09-30 2017-02-08 国电南瑞科技股份有限公司 风光储互补微电网储能变流器的综合控制方法
CN107872065A (zh) * 2016-09-27 2018-04-03 北京睿能世纪科技有限公司 一种电网储能系统出力的控制方法及装置
CN107979324A (zh) * 2017-11-14 2018-05-01 北京汉能电子商务有限公司 太阳能充电系统及其控制方法
CN109167391A (zh) * 2018-10-11 2019-01-08 珠海吉瓦科技有限公司 一种基于集合经验模态分解的梯次电池储能电站能量管理方法及系统
CN111355259A (zh) * 2020-01-19 2020-06-30 中国电力科学研究院有限公司 一种光储充电站的能量协调控制方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150291044A1 (en) * 2012-12-05 2015-10-15 Panasonic Intellectual Property Management Co., Ltd. Charge-discharge management device, power conditioner, power storage device, and program
CN104979849A (zh) * 2015-06-30 2015-10-14 华南理工大学 一种适用于用户侧微电网的并网运行控制方法
CN105591383A (zh) * 2016-01-13 2016-05-18 上海电力学院 一种直流微网变功率控制装置及控制方法
CN105811457A (zh) * 2016-04-19 2016-07-27 天津天大求实电力新技术股份有限公司 一种并网型微电网联络线功率平滑的方法
CN107872065A (zh) * 2016-09-27 2018-04-03 北京睿能世纪科技有限公司 一种电网储能系统出力的控制方法及装置
CN106385049A (zh) * 2016-09-30 2017-02-08 国电南瑞科技股份有限公司 风光储互补微电网储能变流器的综合控制方法
CN107979324A (zh) * 2017-11-14 2018-05-01 北京汉能电子商务有限公司 太阳能充电系统及其控制方法
CN109167391A (zh) * 2018-10-11 2019-01-08 珠海吉瓦科技有限公司 一种基于集合经验模态分解的梯次电池储能电站能量管理方法及系统
CN111355259A (zh) * 2020-01-19 2020-06-30 中国电力科学研究院有限公司 一种光储充电站的能量协调控制方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
杨秋霞 等: "计及光伏电站功率预测的电力系统优化分析", 《电力系统保护与控制》 *
田春光等: "基于混合储能系统跟踪光伏发电输出功率的控制策略", 《电工技术学报》 *
郭庆春: "《人工神经网络应用研究》", 31 October 2015, 吉林大学出版社 *

Similar Documents

Publication Publication Date Title
CN109687444B (zh) 一种微电网电源多目标双层优化配置方法
Wu et al. Optimal coordinate operation control for wind–photovoltaic–battery storage power-generation units
CN111969593B (zh) 基于混合储能的热电联供微网模型预测控制优化调度方法
CN103986190B (zh) 基于发电功率曲线的风光储联合发电系统平滑控制方法
CN109217290B (zh) 计及电动汽车充放电的微网能量优化管理方法
CN107425534B (zh) 一种基于优化蓄电池充放电策略的微电网调度方法
CN111244988B (zh) 考虑分布式电源的电动汽车和储能优化调度方法
CN108767872B (zh) 一种应用于风光混合储能微网系统的模糊控制方法
CN110365034B (zh) 一种计及储能容量配置的微电网电能优化调度方法
CN108832654A (zh) 一种用于光伏发电系统经济效益优化调度的方法及系统
CN115296349B (zh) 一种综合储能电站的高效经济性功率分配方法
CN111525624A (zh) 基于蓄电池储能系统的家庭分布式能源调度方法
CN107834574B (zh) 一种分布式能源系统与电网交换功率的控制方法
CN114611957B (zh) 一种用于供需预测偏差二次修正储能能量管理方法
CN115115130A (zh) 一种基于模拟退火算法的风光储制氢系统日前调度方法
CN115333161A (zh) 一种绿色水厂供电系统的容量优化配置方法
CN111160618A (zh) 一种结合电动汽车充电场站的建筑能量优化调度方法
CN114944661A (zh) 一种基于储能系统滚动优化的微电网三阶段优化控制方法
CN113507112B (zh) 一种基于双层控制的光储联合系统控制方法
CN114154790A (zh) 基于需量管理和柔性负荷的工业园区光储容量配置方法
EP3261211B1 (en) Systems and methods for controlling performance parameters of an energy storage device
CN110098623B (zh) 一种基于智能负载的Prosumer单元控制方法
CN115940284B (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
CN115912417A (zh) 基于模型预测的直流微电网分布式储能系统控制方法
CN106953346B (zh) 一种含钠硫电池的离网型微网能量管理方法

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20201127