CN113013972A - 一种对用于产生电能的设备的输出进行降载的方法 - Google Patents

Abstract

本发明提供了一种以受控方式对用于产生电能的、具有至少一个可再生能量源和至少一个电池(5)的至少一个设备(1)的输出进行降载的方法，该输出按照至少两种相异的重要性等级来分类，该方法对于任何给定日子包括以下步骤：·基于天气预报，预测从可再生能量源输出的潜在可用的电能量；·至少基于从可再生能量源输出的潜在可用的所预测的电能量，推导针对每一输出重要性等级的每小时耗电额度；·在达到被分配给一给定重要性等级的每小时耗电额度时，使该等级的输出经受降载，同时优先向更低重要性等级的输出进行降载。

Description

一种对用于产生电能的设备的输出进行降载的方法

技术领域

本发明涉及用于从太阳能类型的可再生能量产生电能的设备的领域，并且涉及控制对它们各个输出进行降载的领域。

背景技术

在具有高日照水平的一些国家中，出于为一个或多个乡村住宅供电的目的以独立或互连的方式使用小型电能生产设备是众所周知的。有时候被称为“太阳能家用系统”(SHS)的那些设备通常包括一个或多个太阳能面板以及一个或多个电池，该一个或多个电池用于存储电能以及用于在日照水平不足时向住宅供电。

现有设备的缺点在于当能量需求无法通过太阳能面板或通过电池来满足时，这些设备直接地且以突然的方式作出反应以切断对连接到所述设备的全部装备的供电。

发明目的

本发明的目的是用于提供一种对来自至少一个电能生产设备的输出进行智能降载的方法。

发明内容

为了达成这一目的，本发明提出了一种以受控方式对用于产生电能的、具有至少一个可再生能量源和至少一个电池的至少一个设备的输出进行降载的方法，该输出按照至少两种相异的重要性等级来分类，该方法对于任何给定日子包括以下步骤：

·基于天气预报，预测从可再生能量源输出的潜在可用的电能量；

·至少基于从可再生能量源输出的潜在可用的所预测的电能量，推导针对每一输出重要性等级的每小时耗电额度；

·在达到被分配给一给定重要性等级的每小时耗电额度时，使该等级的输出经受降载，同时优先对更低重要性等级的输出进行降载。

本发明因而可对设备的不同输出分类以便优先对最重要的输出进行供电，这种分类有利地依赖于当天的天气预报以便使每小时耗电额度与预期天气相匹配。这确保了能够对各个不同输出智能地降载，藉此限制了用户被切断的缺点。

因此，用于该设备的供电缺失概率(LPSP)因而被降低。

可任选地，输出按照三种相异的重要性等级来分类：高重要性等级、中等重要性等级、以及低重要性等级。

可任选地，至少一个输出与限制其电力消耗的出口连接相关联。

可任选地，该输出是该设备中具有最高重要性的输出。

可任选地，该设备能够在其中施加每小时耗电额度的降级模式中操作。

可任选地，针对每一输出重要性等级的每小时耗电额度还因变于电池的电荷状态来推导。

可任选地，以如下方式来设置电池的最小电荷状态阈值(SoC最小)、电池的临界电荷状态阈值(SoC临界)、以及给定电池的电荷状态时重连接是可能的情况下的阈值(SoC重连接)，以使得：

·在达到阈值SoC最小的情况下，全部输出经受降载；

·在达到阈值SoC临界的情况下，整个设备被关闭。

可任选地，仅在阈值SoC重连接被超过时输出被重新激活。

可任选地，每一输出的电力消耗是针对当天来估计的，并且利用这一估计的消耗来推导针对每一输出重要性等级的每小时耗电额度。

可任选地，为了针对当天估计每一输出的电力消耗，利用所述输出的至少一个存储的电力消耗简档。

可任选地，任何一个时隙中未完全消耗的每小时耗电额度不会被往前携带至下一时隙。

可任选地，该方法包括在当天之中执行的以下步骤:比较潜在可用的最大预测电能量与实际产生的电能量之间的差，以及在该比较超过预定阈值时相应地重新计算后续的每小时耗电额度。

可任选地，为了预测从可再生能量源输出的潜在可用的最大电能量，该方法依赖于关于云量、温度、和紫外线(UV)指数的数据。

本发明还提供了一种包括以下步骤的方法：

·测量从可再生能量源实际可用的最大电力产出；

·具体地根据天气预报来估计最大预报电力产出；

·将所述最大预报电力产出与实际可用的所述最大电力产出作比较以便预报从可再生能量源输出的潜在可用的最大电能量。

可任选地，该比较步骤是通过卡尔曼滤波器的方式来执行的。

可任选地，具体地根据天气预报来估计最大预报太阳辐照，以便确定最大预报电力产出。

可任选地，该设备是光伏生产设备。

本发明还提供了一种被适配成用于接收天气预报数据以及执行以上指定的方法的控制元件。

本发明还提供了一种包括用于使控制元件能够执行以上指定的方法的指令的计算机程序。

本发明还提供了存储包括用于使控制元件能够执行以上指定的方法的指令的计算机程序的存储装置。

在阅读了以下对本发明的特定、非限制性实现的描述之后，本发明的其他特性及优点将变得显而易见。

附图说明

参考附图，根据下面描述可以更好地理解本发明，附图中：

【图1】图1是示出用于执行本发明的一特定实现的设备的示图，该设备与一个或多个住宅相关联；

【图2】图2是示出在图1中示出的设备中执行的方法的主要步骤的示图；

【图3】图3是示出在图2中以图例示出的方法的第一步骤的示图；

【图4】图4是示出如在图3中示出的步骤中计算的理论太阳辐照因变于时间的变动的曲线；

【图5】图5是示出最大预报电功率因变于时间的变动的曲线，该最大预报电功率根据图4示出其曲线的理论太阳辐照来计算；

【图6】图6是示出在图2中以图例示出的方法的第二步骤和第三步骤的示图；

【图7】图7是示出在图2中以图例示出的方法的第五步骤的示图。

具体实施方式

参考图1，在该示例中，本发明在电能生产设备1中执行，电能生产设备1具体地是光伏生产设备。设备1用于向包括电力装备的一个或多个住宅供电。出于这一目的，设备1具有与布置在这些住宅中的一个住宅中的至少一个插座相关联的至少一个输出。

在当前示例中，设备1具有三个相互独立的输出。在一特定实施例中，在该示例中，设备1具有第一输出12、第二输出13以及第三输出14。第一输出12与第一插座15相关联，第二输出13与第二插座16相关联，而第三输出14与第三插座17相关联。此外，第一输出12还与第一接触器9相关联，第二输出13与第二接触器10相关联，而第三输出14与第三接触器11相关联。

设备1还具有用于将可再生能量转换成电能的设备2，具体地是用于将太阳能转换成电能且包括单个太阳能面板3、太阳能调节器4和电池5的设备。

太阳能面板3将其捕捉到的太阳能转变成电能。

太阳能调节器4包括具体地用于将来自太阳能面板3的直流(DC)光伏电压转换成适于对电池5进行充电且适于对住宅供电的DC供电电压的电子装备。太阳能调节器4因而被连接到第一输出12、被连接到第二输出13、以及被连接到第三输出14，以便将所述供电电压递送至这三个输出12、13和14。作为示例，DC供电电压等于48伏特DC(Vdc)。太阳能调节器4通常是最大功率点追踪(MPPT)型调节器。在该示例中，太阳能调节器4因而主要充当太阳能逆变器。此外，在当前示例中，太阳能调节器4还被配置成用于管理在电池5中存储电能。

出于这一目的，电池5在它没有正被直接用于对住宅供电时存储电能。作为示例，电池5是铅酸型电池。

取决于日照的时间和水平，住宅因而由太阳能面板3和/或由电池5来供电。

设备1还包括用于管理设备1的控制元件6，且具体地是用于管理设备1的太阳能调节器4以及与输出12、13和14相关联的接触器9、10和11。作为示例，控制元件6包括与包含一个或多个计算机程序的存储器相关联的一个或多个计算元件，诸如处理器、计算机、微控制器等，每一计算机程序包括被布置成使得这些计算元件能够执行本发明的特定实现中的方法的指令。

控制元件6还连接到设备1的通信接口7。具体地，所述通信接口7与一个或多个通信网络8处于有线或无线连接，诸如因特网连接。通过这一通信接口7，控制元件6能够恢复一个或多个通信网络8上存在的信息以便管理设备1的输出12、13和14，且具体地是通过对相关联的接触器9、10和11执行动作来管理降载(即，切断输出)。

因而，参考图2，每一天D，设备1使用其通信接口7来作出到因特网的至少一个连接：控制元件6因而恢复当天D的天气预报数据。在此基础上，控制元件6预测当天D的电能产出最大值，在当天D期间渐进地将预测的电能产出最大值与设备1的电能产出的现实最大可能作比较(出于此目的，控制元件6具体地依赖于太阳能调节器4供应的信息)。在这一比较的基础上，控制元件6能够调节其用于对各个输出12、13和14进行降载的策略以对一些输出赋予偏好。

下面详细地描述本发明的一特定实现中的方法。

参考图2和图3，在第一步骤101期间，控制元件6预测当天D的因变于天气的最大预报太阳辐照W_fcast(t)(W_预报(t))，且具体地是根据当天D期间至少一次(优选地在日出之前的凌晨(例如，在午夜过后的一分钟)至少一次)获得的天气预报数据来预测的。

优选地，为了执行该第一步骤，除了天气预报数据，控制元件6还依赖于：

·时间特性(日子、一天中的时间、……)；

·三维特性(太阳能面板的地理位置、太阳能面板的取向、……)。

在当前示例中，该第一步骤101包括三个阶段111、112和113。

在第一阶段111期间，在当天D日出之前，最初计算最大理论晴空太阳辐照，即Wcs(t)。最大理论太阳辐照是设备所在的本地时间的函数，并且它用每平方米瓦特(W/m²)为单位来表达。

为了计算所述最大理论太阳辐照，控制元件6至少依赖以下时间和三维空间特性：

·太阳能面板3的地理坐标；

·太阳能面板3的取向(具体地是太阳能面板3的倾角以及太阳能面板3的方位角(轴承角))；

·所考虑的当天D的日期。

这使得可确定所考虑的当天D的幅值Wcs(t)以及日出时间H_ref(H_参考)两者。

适于控制元件6用来估计Wcs(t)的算法的一个可能示例在本说明书末尾作为示例被再现。

用于该算法的输入数据如下：

·时间：格式小时.分钟(十进制分钟)。示例8:30->8.50

·日子_日期：范围从1到31的一个月中的一天。示例12

·月份_日期：范围从1到12的一年中的月份。示例6(六月)

·年份_日期：年。示例2019

·纬度：以度为单位。示例——18.96

·经度：以度为单位。示例49.2

·时_区：以相对于格林威治标准时间(GMT)的小时数为单位。示例+3

·PV_方位角_取向：以度为单位。PV_方位角_取向因而是研究对象平面的法线与研究对象位置处的子午线平面之间的夹角。

·北半球：该角度是从地理南(0°)起定义的，并且向东为负(顺时针)

·南半球：该角度是从地理北(0°)起定义的，并且向东为负(逆时针)。示例：对于南半球中的一个地点，其面板面向地理北->值＝0。

·PV_倾角_取向：太阳能面板相对于地面的倾角(以度为单位)。0＝水平，90＝垂直。示例：20

·反照率：用于在将反射辐射纳入考虑来计算散射辐射的反照率系数。表面类型-->与反照率系数绑定(0到1)

湖表面-->0.02到0.04

针叶林1-->0.05到0.15

阔叶林1-->0.15到0.20

海表面-->0.05到0.15

暗地表-->0.05到0.15

庄稼-->0.15到0.25

亮干沙-->0.25到0.45

石灰石2-->约0.40

云-->0.5到0.8

冰-->约0.60

积雪-->0.40到0.70

新雪-->0.75到0.90

完美镜面-->1

作为默认，反照率系数被设置为0.2

·海拔：以公里为单位。示例：0.002

·林克_浑浊因子或即LT：林克浑浊因子的值。

LT＝温带地区为3.2±0.5(冬季较低：2.5到3，夏季较高：3.5到4)

LT＝潮湿的热带地区为3.9±0.4(旱季较高：4.5到5)

这一算法输出以下数据：

·日出_时间或Href

·日落_时间＝当天D的日落时间

·G_倾斜_表面＝W_cs(t)

图4示出了最大理论太阳辐照W_cs(t)如何因变于本地时间和Href的值(如通过该算法所获得的)变动。

在第二阶段112期间，在日出之前获得当天D的天气预报。出于这一目的，通信接口使用API Collect、gprs、或loRa型协议或与天气预报服务器(诸如Météo France、AccuWeather、NOAA等)的任何其他协议或通信链路来恢复天气预报并将它们转发到控制元件。

控制元件具体地获得以下数据：云量、温度和UV指数。

应当记得，UV指数是用于测量太阳发射的紫外线辐射强度的标尺，且其取值范围可以从0到11。

还应当记得，云量定义了云覆盖，且云量的取值范围可以从0％(天空中没有可见的云)到100％(天空不可见)。

在当前示例中，温度是阴处的环境温度。

优选地，以上提及的因变于本地时间的数据即cloudiness(t)(云量(t))、UV(t)以及temperature(t)(温度(t))【有时被写为T(t)】被供应到控制元件。

在第一步骤101的第三阶段113期间，控制元件将第一阶段111中所估计的最大理论太阳辐照W_cs(t)适配到在第二阶段112中所获得的当天D的天气预报以便获得最大预报太阳辐照W_fcast(t)。

例如，控制元件6应用以下公式：

W_fcast(t)＝W_cs(t)-W_cs(t)*(cloudiness(t)/100*(1-UV(t)/11))

因而，在当前示例中，最大预报太阳辐照W_fcast(t)仅将天气预报数据中的云量和UV指数纳入考虑。

Temperature(t)(温度(t))在下面描述的第三步骤103期间被考虑。

如图6所示，在第二步骤中，控制元件6恢复来自太阳能调节器4的、关于从太阳能面板3实际可用的因变于当天D之中的本地时间的最大电功率的数据。

具体地，在操作中，太阳能调节器4有时候可以通过其MPPT功能(也即处于其MPPT工作点)来利用来自太阳能面板3的其最大可用级别的太阳能：这接着足以估计在该时刻太阳能面板3供应的功率并将该值存储在表中。

为了确定太阳能调节器4是否处于MPPT点，作为示例，可利用未连接的参考光伏微型电池(其设计与太阳能面板的电池设计严格相同)并且测量其开路电压(V_oc)。多晶或单晶太阳能面板的特性在于其满足以下关系：

V_mpp＝K*V_oc

其中

K＝太阳能面板3的构造系数(在此处被取为等于约0.8)

V_mpp＝MPPT工作点电压(以输出处从太阳能面板3可用的最大功率)(针对在对应时刻纳入考虑的太阳能面板3的温度以及太阳能面板3处的辐照)

V_oc＝太阳能面板3的开路电压(针对在对应时刻纳入考虑的太阳能面板3的温度以及太阳能面板3处的辐照)，在当前示例中，该值通过测量参考微型电池的开路电压来获得。

因此，如果V_pv(t)满足以下公式，则认为太阳能调节器4处于MPPT工作点：

[K*V_oc-5％<V_pv(t)<K*V_oc+5％]

其中V_pv(t)是太阳能面板的输出电压。

因而，如果在当天D的时刻t_i达到MPPT工作点，只需要再计算此时从太阳能面板3可用的最大电功率：

P_site(ti)＝V_pv(ti)*I_pv(ti)

其中I_pv(ti)＝来自太阳能面板的输出电流。

接着将P_site(ti)(P_站点(ti))存储到控制元件6的存储器中。

该存储器从而包含多个值P_site(ti)，因为每一次在当天D的时刻t_i达到MPPT工作点时，对应的值P_site(ti)就被存储。

第三步骤103有两个阶段。在第一阶段121期间，控制元件6估计校正系数(Kk1,…,Kkn)，也被称为可靠性系数，以便可将在第二步骤中计算的从太阳能面板实际可用的最大电功率P_site(ti)与最大预测电功率P_PV(t)作比较。在第二阶段122期间，控制元件6接着使用所述校正系数(Kk1,…,Kkn)来计算从太阳能面板潜在可用的最大电能量E(t)。

接下来是用于在该第三步骤103期间使用的用于预测潜在可用的最大电能量E(t)的算法示例的描述。

最大预报电功率P_pv(t)(在下文被写为P_mpp(t))是根据设备1的特性以及至少太阳能面板3的特性(太阳能面板的类型、面板数目、太阳能调节器的类型……)，还根据temperature(t)并且根据先前估计的最大预报太阳辐照W_fcast(t)来定义的。

在当前示例中，太阳能面板3的特性由制造商供应，且它们是在太阳能面板3的电池的标称工作温度(也被称为NOCT，表示“标称工作电池温度”)下取得的值，所述温度在以下条件下达到：

电池表面上的辐照＝800W/m²

空气温度＝20℃

风速＝1米每秒(m/s)

P_mmp(t)＝I_mpp(t)*V_mpp(t)

其中：

·I_mpp(t)＝W_fcast(t)*[I_{mpp_stc}/S_{_stc}+μa/S_{_noct}*(T_{pv_noct}-T_{0_noct})]+T(t)*μa-μa*T_{pv_stc}

·V_mpp(t)＝W_fcast(t)*μv/S_{_noct}*[T_{pv_noct}-T_{0_noct}]+T(t)*μv-μv*T_{pv_stc}+V_{mpp_stc}

应当理解，标准条件NOCT和STC(表示“标准测试条件”)定义以下内容：

S_{_stc}＝1000W/m²

S_{_noct}＝800W/m²

T_{pv_noct}＝45℃

T_{pv_stc}＝25℃

T_{0_noct}＝20℃

并且制造商数据给出：

·μa＝太阳能面板3在MPPT工作点能够递送的电流的温度降额系数；

·μV＝太阳能面板3在MPPT工作点能够递送的电压的温度降额系数；

·I_{mpp_stc}＝太阳能面板3在STC条件下在MPPT工作点能够递送的电流；以及

·V_{mpp_stc}＝太阳能面板3在STC条件下在MPPT工作点能够递送的电压。

从中推导出最大预报电功率P_mpp(t)因变于W_fcast(t)和T(t)的理论变动的关系是采用以下多项式函数的形式：

其中a₂、a₁、b₂、b₁、c和d是取决于上述参数[S__stc、S__noct、T_{pv_noct}、T_{pv_stc}、T_{0_noct}、μa、μV、I_{mpp_stc}、V_{mpp_stc}]的常量系数。在下面建立对应系统的确定性状态方程。

根据以上多项式函数的关系，能够立即推导出：

从而得出结论：系统的状态方程能够用以下形式表示：

其中：

·F＝非线性函数；

该方程可以通过使用函数F的雅可比行列式在时间区间[t_k，t_k+1[上被线性化：

这给出了：

其中

不幸的是，通过以上方程以确定性的方式定义的这一系统在现实中会遭受天气预报的不确定性，并且这些被认为是会被引入所述系统的随机信号。

假定状态方程(1)中仅取决于初始时刻tk的项是随机的，因为其取决于辐照W_fcast(t_k)和温度T(t_k)的初始预报的不确定性，因此建议状态方程应当被重写为以下形式：

其中：

·P_site(t)＝参数P_mpp(t)的现实测量(如针对第二步骤所陈述的)。因而应当记得，在现实中，不知晓P(t)的连续值，因为P_site(P_站点)是仅在处于MPPT工作点时获取的：因此对于当天D而言仅值P_site(t₁)，...，P_site(tk)，P_site(t_k+1)，...，P_site(t_n)是可用的。

·b_k(t)＝表示适用于辐照W_fcast(t)和温度T(t)的预报值的不确定性的随机信号大小(1x1)。

·m(t)＝表示适用于测量P_site(t)的不确定性的随机信号大小(1x1)。

现在应用卡尔曼滤波器方法以便确定能够被太阳能面板3递送的最大功率P_{mpp_est}(t)的所估计的变动关系。

在下面使用以下假定。

b(t)＝概率密度恒定为B且均匀分布的高斯白噪声大小(1x1)

E[b(t)b(t+τ)]＝B_k*δ(t)(随机信号b(t)的第二矩，其中δ(t)＝狄拉克函数)

其中：

m(t)＝概率密度恒定为M且均匀分布的高斯白噪声大小(1x1)

E[m(t)m(t+τ)]＝M*δ(t)(随机信号m(t)的第二矩，其中δ(t)＝狄拉克函数)

其中：

其中：

·假定对P_mpp的现实测量存在正或负5％(即绝对值10％)的误差(应当记得P_site(t)＝P_mpp(t)的现实测量)

P_{nom_PV}＝太阳能面板3的标称功率(由制造商供应数据)。

使用以上假定，示出从系统的线性基础方程(2)出发可获得以下差分方程，从而可确定用于能被递送的最大功率P_{mpp_est}(t)的经优化的卡尔曼估计器：

其中用于使估计误差最小化的卡尔曼校正器Kk(t)因而通过以下方程来定义：

其中：

ε(t)＝Pmpp_est(t)-Pmpp(t)以及

E[ε(t)²]＝ε(t)的第二矩

这引导至以下里卡蒂方程，从而能够确定K_k(t)：

由于目的是计算在24小时内能被递送的最大功率P_{mpp_est}(t)的预测关系，因此以上建立的方程使用安装在控制元件中的算法来数值求解。

对于第N天，该算法可以在以下步骤中阐述。

执行以下操作：

·当能够被太阳能面板3递送的最大功率实际上由电池5和用户构成的负载所汲取时，取得在第N天的时刻(t1，...，tn)能够被递送的最大功率P_site的测量，以使得(如针对第二步骤所说明的)：

Tsunrise(T日出)-N＜t1＜…＜tn＜Tsunset(T日落)-N

[Psite(t1)，Psite(t1)，...，Psite(tn)]

·获取第N天的天气预报，从而使得能够以常规采样间隔dT0来计算向量Z(t)：

Z(Tsunrise-N+dT0)，

Z(Tsunrise-N+2＊dT0)，...，

Z(Tsunset-N)]

给定采样间隔的宽度需要以这样方式来选择从而确保满足以下关系：

dT0＜min_k[t_k+1-tk]

据此，通过在时间区间[t_k，t_k+1[上以采样间隔dT0进行离散化来数值求解以下里卡蒂方程来计算卡尔曼校正器：

因为存储了在达到MPPT工作点的时刻t_k处的P_site的离散值，所以对由P_site的两个连续存储值所定义的每一时间区间再次计算卡尔曼校正器Kk(即，在该示例中计算新的校正系数)。因此，由于值P_site在第N天中被渐进地存储，同样在第N天中规律地计算新的校正系数Kk。这使得能够在这一天之中适配该校正。

因而，在第N天日出之前，基于第N-1天的P_site值来计算卡尔曼校正器，并且接着该校正器在这一天中被渐进地适配到该天的P_site值。

因此，取决于第N天的现实能量产出，在下面描述的降载策略在这一天中被有利地适配。

此外，可能期望在第N天中获取这一天中剩余时间的新天气预报数据，以使得卡尔曼校正器就此也能够在这一天中被适配。

这使得降载策略能够被细化以更紧密地匹配当前情景。

从卡尔曼校正器开始，在第二阶段122期间，通过使用采样间隔dT0在时间区间[t_k，t_k+1[上离散化以下差分方程来数值计算能够被递送的最大功率P_{mpp_est}(t)的所估计的变动关系：

接着通过积分来数值确定潜在可用的最大电能量E(t)：

根据潜在可用的最大电能量E(t)，设备1能够在图2和7中图例地示出的第四步骤104和第五步骤105期间执行智能降载策略。

具体地，设备1可以用不同的重要性等级来对设备1的输出进行分类：

·第一输出12因而被分类为高重要性；

·第二输出13因而被分类为中等重要性；

·第三输出14因而被分类为低重要性。

第一输出12因而用于向紧急装备供电(无线电、对移动电话充电……)。第二输出13用于向重要装备(照明、冰箱……)供电。第三输出14用于向舒适装备(通风装置、电视机、高保真度音箱……)供电。

优选地，第一输出12(具有高重要性等级)被组织以消耗少量电功率。例如，第一输出12能够经由限制电功率消耗的连接(诸如USB插座)来使用。

优选地，输出12、13和14由远程操作者来分类。

在一特定实施例中，设备1被组织成能够以两种相异的模式来操作：

·“自动”第一模式，其能够实现具体地因变于潜在可用的所估计的最大电能量E(t)且还因变于电池5的电荷状态而在各个输出12、13和14之间分布电能，该第一模式是默认模式；

·“紧急”第二模式，其实际上是在特殊情况(自然灾害，诸如飓风、洪水……，与安全相关联的紧急状态等……)下使用的降级模式，该第二模式优选地能够由操作者远程致动。

下面描述“自动”第一模式。

优选地，操作者能够配置该自动第一模式。优选地，可在任何时间重配置该自动第一模式。

第一配置可能性包括使设备的输出12、13和14分布为具有三种上述重要性等级(高、中等、低)中的相应一个。

第二配置可能性包括在三种上述重要性等级(高、中等、低)之间分布电能。例如，操作者可以指定要专用于每一重要性等级的电能百分比，可以理解，设备被编程为仅在高重要性等级接收高于中等重要性等级的百分比而中等重要性等级进而接收高于低重要性等级的百分比时授权那些规范。

第三配置可能性包括设置一天之中的消耗简档。例如，设备1可以提出两种分布公式：

·用于“时间表”分布的第一公式，其中操作者指定每小时的期望能耗(例如，以百分比的形式)；

·用于“日/夜”分布的第二公式，其中操作者针对白天时间(从日出到日落)以及针对夜晚时间(从日落到日出)的期望能耗(例如，以百分比的形式)。

自然地，各种配置可能性可以彼此组合。

因此，在该配置的基础上，控制元件6在每次日出(Href)时自动为每一输出级别(高、中等、低)设置在这一天之中的每小时耗电额度。

出于这一目的，控制元件6依赖于以如上所述的方式计算的针对该天潜在可用的最大电能量E(t)，并且还依赖于在日出(Href)时电池的电荷状态(SoC)以及存储在电池5中的可用能量(与电池5的电荷状态相关联且与被授权用于电池5的放电深度相关联)。在当前示例中，电池5的电荷状态以及存储在电池5中的能量包括在第四步骤104期间由太阳能调节器4测量并被供应到控制元件6的数据。

具体地，除了向各个输出供电之外，设备1还必须负责对电池5充电：

·以便在日落之前达到目标电荷状态(具体地以便能够在夜晚向连接到输出12、13、14的装备供电，如果被如此请求的话)；和/或

·以便避免低于电池5的某一预定放电阈值从而保护电池5。

例如，在一天结束时可能要求电池5的95％的最小电荷状态。因而可如下计算需要为每一电池5保留的电能量：(95％的目标SoC-日出时测得的SoC)*电池容量(以Ah为单位)*电池的标称电压*电池效率。

这使得可提升设备的电池5的生命周期。

自然地，在设置这一每小时耗电额度时，控制元件6首先使高重要性的输出12优先，接着是中等重要性的输出13，然后是低重要性的输出14。

优选地，为了设置每小时耗电额度，控制元件6还将设备1中的各个潜在效率损失考虑在内。

在服务中，控制元件6将每一输出12、13和14的能耗与分配给其的每小时耗电额度作比较，并且控制元件6按以下方式来控制输出的接触器9、10和11：使得当在一个时隙中给定输出重要性等级的能耗达到分配给其的每小时耗电额度时，对应输出经受降载(即，它被切断)直到下一个时隙。由于控制元件6在设置每小时耗电额度时已经首先使高重要性的输出12优先，接着是中等重要性的输出13，然后是低重要性的输出14，因此如果总可用能量在所考虑的一个时隙中不足时，降载首先被应用于低重要性的输出14，接着被应用于中等重要性的输出13，然后被应用于高重要性的输出12。

此外，在当前示例中，电池的最小电荷状态阈值(SoC最小)、电池的临界电荷状态阈值(SoC临界)、以及给定电池的电荷状态时重连接是可能的情况下的阈值(SoC重连接)全部被设置。这给出：

SoC重连接>SoC最小>SoC临界。

控制元件6因而被配置成：

·在达到阈值SoC最小时，对全部输出12、13和14进行降载并且在一达到阈值SoC重连接时自动地重新激活它们(首先使高重要性的输出12优先，接着是中等重要性的输出13，然后是低重要性的输出14)；

·在达到阈值SoC临界时，关闭整个设备1。

在这种情况下，需要人工操作来重启设备1，即便如此，重启仅能够在太阳能可用且充足的情况下发生。作为对比，仅在再次达到阈值SoC重连接时输出12、13和14才被自动重新激活(首先使高重要性的输出12优先，接着是中等重要性的输出13，然后是低重要性的输出14)。

此外，任何一个时隙中未完全消耗的每小时耗电额度不会被往前携带至下一时隙。

如上所述，控制元件6恢复来自太阳能调节器4的贯穿当天的关于现实最大能量产出的数据(经由值P_site)。如果对潜在可用的最大电能量E(t)的预报与能量的现实产出E_site(t_i)(E_站点(t_i))(根据值P_site(t_i)计算所得)之间的差超过一阈值，则后续的每小时耗电额度因变于所观察到的差而被自动重新计算。

如果“紧急”第二模式被接入，则控制元件6接收第二模式激活消息，该消息直接指定符合给定每小时分布的每小时耗电额度。该激活消息还指定第二模式要被维持的时长。在没有接收到延长设备1在第二模式中的使用的新消息的情况下，控制元件6在该消息中指定的时间结束时使设备1返回第一模式。

优选地，在第二模式中，低重要性的输出14贯穿所述模式的历时自动经受降载。因而该消息中指定的每小时额度仅适用于高重要性的输出12和中等重要性的输出13。

此外，一旦被置于第二模式中，控制元件6将每一出口处的能耗与分配给其的每小时耗电额度作比较，并且控制元件6按照以下方式来控制输出12、13和14的接触器9、10和11：使得当在一个时隙中给定输出级别的能耗达到分配给其的每小时耗电额度时，对应输出经受降载(即，它被切断)直到下一个时隙。由于控制元件6首先使高重要性的输出12优先，接着是中等重要性的输出13，因此在总可用能量在所考虑的一个时隙中不足时，中等重要性的输出13首先要经受降载，接着是高重要性的输出12。

另外，控制元件6还被配置成：

·在达到阈值SoC最小时，对输出12和13两者进行降载并且在一达到阈值SoC重连接时自动地重新激活它们(首先使高重要性的输出12优先，接着是中等重要性的输出13)；

·在达到阈值SoC临界时，关闭整个设备1。

在这种情况下，需要人工操作来重启设备1，即便如此，重启仅能够在太阳能可用且充足的情况下发生。作为对比，仅在再次达到阈值SoC重连接时输出12和13才被自动重新激活(首先使高重要性输出12优先，接着是中等重要性输出13)。

此外，任何一个时隙中未完全消耗的每小时耗电额度不会被往前携带至下一时隙。

应当理解，在第二模式中，控制元件6不被配置成因变于潜在可用的电能量E(t)与现实能量产出之间的差来重新计算每小时耗电额度。

以上描述涉及一种使得对其供电的输出经受智能降载的设备1，该降载具体地基于天气预报且基于计算，该计算基于预报因变于预报日照水平来预测在当天内将可用的最大电能量，该预报日照水平还有利地在当天之中变动(作为新存储的测量P_site以及可能地获取新更新的天气预报的结果)。

降载还依赖于操作者所定义的重要性等级且还依赖于电池的电荷状态。

自然地，本发明不限于所描述的实现，并且可以提供各变体实施而不超出如由权利要求定义的本发明的范围。

尽管声称该设备是光伏生产设备，但是本发明也适用于用于从任何类型的可再生能量产生电能的任何类型的设备。

同样地，由该设备供电的设施不必一定是住宅，其也可以是例如医疗中心、电信站……

可能存在通过本发明的方法同时管理的多个设备以便向相同的输出供电。还可能存在连接到相同输出的通过本发明管理的多个设备。

针对该设备的输出而指定的数目自然地不受限制，并且设备可具有更多输出或更少输出。因而，可能存在用于每一件装备和/或用于任何给定重要性等级的一个输出，该输出接着会在住宅中在多个子输出之间共享(例如，多个插座可被连接到同一输出)。

还可设想以其他方式布置的设备。例如，电池可以直接由控制元件而非经由太阳能调节器来控制。该设备可具有更多数目的太阳能面板。

对于第三步骤的预测处理，可设想其他替换方案。例如，可发现用于计算Pmpp_est的卡尔曼滤波器贪婪地使用处理资源。因而，替换解决方案可以是一种类似的但不太精确的方法，其基于天气预报的置信指数来利用加权系数，这一解决方案由以下类型的线性关系来表示：

P_{mpp_est}(t)＝μ*P_mpp(t)+(1-μ)*P_site(t_k)

其中：

·Pmmp(t)能够被太阳能面板递送且因变于来自天气预报并用采样时间间隔dT0收集的输入变量T(t)和W_fcast(t)来计算的最大电功率；

·μ＝用于计算[W_fcast(t)，T(t)]且一般地由天气预报站供应的天气预报的置信指数(在范围0到1之中：0意味着预报未被赋予置信而1意味着被赋予完全置信)。

接下来是对Pmmp(t)(太阳能面板能递送的最大电功率)的示例计算的描述。

出于这一目的，控制元件6依赖于temperature(t)、依赖于先前估计的最大预报太阳辐照W_fcast(t)、以及依赖于设备1的特性且具体地是太阳能面板3的特性。

在NOCT条件下被纳入考虑的太阳能面板3的特性如下。

P_pv.noct：在NOCT下来自太阳能面板3的输出功率(以太阳能面板的每平方米瓦特为单位)

T_pv.noct：在NOCT下的参考温度(以℃为单位)

PV温度系数：NOCT温度系数(以℃为单位)

输出处从太阳能面板3可用的最大功率最初因变于最大预报太阳辐照来确定(而不针对电池温度进行校正)：

P_PVideal(t)＝(W_fcast(t))/800*P_pv.noct

之后，因变于环境温度以及最大预报太阳辐照来计算电池温度(以℃为单位)：

T_cell(t)＝Temperature(t)+(W_fcast(t))/800*(T_pv.noct-20)

因此，确定与所述电池温度相关联的功率损耗(在电池温度高于标称温度时，太阳能面板3的效率与温度系数PV温度系数成比例地降低)：

P_PVloss(t)＝P_PVideal(t)*(|PV temperature coef|)/100*(T_cell(t)-T_pv.noct)

在此基础上，控制元件6推导输出处从太阳能面板3可用的最大预报电功率P_PV(t)：

P_PV(t)＝P_PVideal(t)-P_PVloss(t)

最大预报电功率P_PV(t)因而实际上取决于预报温度temperature(t)。

可任选地但非必要地，控制元件6可以从中推导在输出处从太阳能面板3可用的最大预报电能量E_ref。

因而，由太阳能面板3在当天日出时间H_ref与时间H_ref+n*h之间产生的预报电能量E_ref(以W/h为单位)等于：

其中n是整数而h是被选择用于在第一步骤101期间计算预报太阳能产出的时间区间。作为示例，h等于一小时。

图5示出了最大预报电功率Ppv(t)如何因变于本地时间而变动以及针对n＝6和h＝1小时的相关联的最大预报电能值Eref(对应于阴影部分)的示例。

卡尔曼滤波器或用于计算Pmpp_est的上述公式的另一替换方案可等效地良好地使用“机器学习”算法，将卡尔曼滤波器在上述实现中使用的相同的数据作为其输入数据。

降载策略可自然地与上文指定的那些策略不同。除了高重要性的输出之外的输出因而可被安排成限制它们的电力消耗。

用于设备的配置可能性也可以是不同的。例如，用于一天中的分布的公式可以更详细或不那么详细(以半小时为单位、以至少两小时间隔为单位、……)在计算每小时耗电额度时，控制元件可以仅依赖于输出的重要性等级和潜在可用的最大电能量E(t)。在计算每小时耗电额度时，控制元件可以仅依赖于输出的重要性等级、电池的电荷状态、以及潜在可用的最大电能量E(t)。

为了设置每小时耗电额度，控制元件还能够将在所考虑的那天之中要被消耗的电能量Ec(t)的估计纳入考虑。出于这一目的，控制元件6可以依赖于被存储在存储器中的至少一个输出能耗简档和/或用于预测输出的能耗的算法(在结构上与用于预测潜在可用的最大电能量E(t)的算法相同，且作为示例基于关于连接到设备的各输出的各装备的数据)。关于能耗简档，其可以是由操作者直接指定的能耗简档(例如，基于关于连接到设备的各输出的各装备的数据)，或者其可以是针对之前日子的在该天中被渐进地存储的现实能耗简档。

为了在第一步骤的第一阶段期间计算最大理论太阳辐照，可使用以下算法：

Claims (20)

1.一种以受控方式对至少一个设备(1)的输出进行降载的方法，所述至少一个设备(1)用于产生电能、具有至少一个可再生能量源和至少一个电池(5)，所述输出按照至少两种相异的重要性等级来分类，所述方法对于任何给定日子包括以下步骤：

·基于天气预报，预测从所述可再生能量源输出的潜在可用的最大电能量；

·至少基于从所述可再生能量源输出的潜在可用的最大预测电能量，推导针对每一输出重要性等级的每小时耗电额度；

·在达到被分配给一给定重要性等级的每小时耗电额度时，使所述等级的输出经受降载，同时优先对更低重要性等级的输出进行降载。

2.根据权利要求1的方法，其中所述输出(12、13、14)按照三种相异的重要性等级来分类：高重要性等级、中等重要性等级、以及低重要性等级。

3.根据任何前述权利要求的方法，其中所述输出(12、13、14)中的至少一个输出与限制其电力消耗的出口连接相关联。

4.根据权利要求3的方法，其中所述输出是所述设备中具有最高重要性的输出。

5.根据任何前述权利要求的方法，其中所述设备(1)能够以在其中被施加所述每小时耗电额度的降级模式来操作。

6.根据任何前述权利要求的方法，其中针对每一输出重要性等级的所述每小时耗电额度还因变于所述电池(5)的电荷状态来推导。

7.根据权利要求6的方法，其中以如下方式来设置所述电池的最小电荷状态阈值(SoC最小)、所述电池的临界电荷状态阈值(SoC临界)、以及给定所述电池的电荷状态时重连接是可能的情况下的阈值(SoC重连接)，使得：

·在达到阈值SoC最小的情况下，输出(12、13、14)中的全部输出经受降载；

·在达到阈值SoC临界的情况下，整个设备(1)被关闭。

8.根据权利要求7的方法，其中仅在阈值SoC重连接被超过的情况下所述输出(12、13、14)被重新激活。

9.根据任何前述权利要求的方法，其中每一输出(12、13、14)的电力消耗是针对所述日子来估计的，并且还利用这一估计的消耗来推导针对每一输出重要性等级的每小时耗电额度。

10.根据权利要求9的方法，其中为了针对所述日子来估计每一输出(12、13、14)的电力消耗，利用所述输出的至少一个存储的电力消耗简档。

11.根据任何前述权利要求的方法，其中在任何一个时隙中未完全消耗的每小时耗电额度不会被向前携带至下一时隙。

12.根据任何前述权利要求的方法，包括在所述日子之中执行以下步骤：比较潜在可用的最大预测电能量与实际产生的电能量之间的差，以及在该比较超过预定阈值时相应地重新计算后续的每小时耗电额度。

13.根据任何前述权利要求的方法，其中为了预测从所述可再生能量源输出的潜在可用的最大电能量，所述方法依赖于关于云量、温度、和UV指数的数据。

14.根据任何前述权利要求的方法，包括以下步骤：

·测量从所述可再生能量源实际可用的最大电力产出；

·具体地根据天气预报来估计最大预报电力产出；

·将所述最大预报电力产出与实际可用的所述最大电力产出作比较以便预报从所述可再生能量源输出的潜在可用的最大电能量。

15.根据权利要求14的方法，其中所述比较步骤通过卡尔曼滤波器的方式来执行。

16.根据权利要求14或权利要求15的方法，其中具体地根据天气预报来估计最大预报太阳辐照以便确定所述最大预报电力产出。

17.根据任何前述权利要求的方法，其中所述设备是光伏生产设备。

18.一种被适配成用于接收天气预报数据以及执行根据任何前述权利要求的方法的控制元件。

19.一种包括用于使控制元件能够执行根据权利要求1到17中任一项的方法的指令的计算机程序。

20.存储包括用于使控制元件能够执行根据权利要求1到17中任一项的方法的指令的计算机程序的存储装置。

Images