CN114725964A - 一种家用微电网调度方法、管理系统和家用微电网 - Google Patents
一种家用微电网调度方法、管理系统和家用微电网 Download PDFInfo
- Publication number
- CN114725964A CN114725964A CN202210145884.4A CN202210145884A CN114725964A CN 114725964 A CN114725964 A CN 114725964A CN 202210145884 A CN202210145884 A CN 202210145884A CN 114725964 A CN114725964 A CN 114725964A
- Authority
- CN
- China
- Prior art keywords
- power generation
- sofc
- generation system
- energy storage
- power
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000010248 power generation Methods 0.000 claims abstract description 226
- 238000004146 energy storage Methods 0.000 claims abstract description 124
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 claims description 49
- 229910052744 lithium Inorganic materials 0.000 claims description 49
- 238000007726 management method Methods 0.000 claims description 44
- 239000000126 substance Substances 0.000 claims description 22
- 239000000446 fuel Substances 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 15
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 8
- 239000003345 natural gas Substances 0.000 claims description 7
- 238000013439 planning Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 3
- 241001368098 Capis Species 0.000 claims 1
- 235000019580 granularity Nutrition 0.000 description 31
- 238000005457 optimization Methods 0.000 description 26
- 230000006870 function Effects 0.000 description 25
- 230000032683 aging Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000015556 catabolic process Effects 0.000 description 6
- 238000006731 degradation reaction Methods 0.000 description 6
- 238000004088 simulation Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 239000007789 gas Substances 0.000 description 4
- 238000002485 combustion reaction Methods 0.000 description 3
- 238000011217 control strategy Methods 0.000 description 3
- 238000005562 fading Methods 0.000 description 3
- 238000010438 heat treatment Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 230000002457 bidirectional effect Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 229910052739 hydrogen Inorganic materials 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012887 quadratic function Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000002407 reforming Methods 0.000 description 2
- 230000035882 stress Effects 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000032677 cell aging Effects 0.000 description 1
- 239000000919 ceramic Substances 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000003487 electrochemical reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
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
- H02J3/28—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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
-
- 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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
- 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
- H02J3/388—Islanding, i.e. disconnection of local power supply from the network
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
- H02J13/00016—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using a wired telecommunication network or a data transmission bus
- H02J13/00017—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment using a wired telecommunication network or a data transmission bus using optical fiber
-
- 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
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00032—Systems characterised by the controlled or operated power network elements or equipment, the power network elements or equipment not otherwise provided for
-
- 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
- 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
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- H02J2300/28—The renewable source being wind 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
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Power Engineering (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种家用微电网调度方法、管理系统和家用微电网。一种家用微电网调度方法，应用于微电网的能量管理系统，包括：获取决策变量；所述决策变量包括各个分布式发电系统的最大输出功率、储能模块的能量状态、预测负荷数据以及预测光伏发电数据；基于所述决策变量得到日前调度计划；基于所述日前调度计划驱动所述微电网执行供电工作；当储能模块的SOC值偏离所述SOC计划曲线时，调整多个分布式发电系统协同工作。在充分保证SOFC发电系统稳态化运行基础上生成更加精准的第二目标功率曲线，提高可再生能源利用率，控制储能模块的SOC，提高SOFC发电系统平均效率，更能降低对储能模块的有害操作。
Description
技术领域
本发明涉及微电网控制领域，尤其涉及一种家用微电网调度方法、管理系统和家用微电网。
背景技术
在环境保护和可持续发展被日益重视的背景下，基于可再生能源的微电网得到了快速发展。微电网作为一种重要的分布式供电技术，能够集成多种能源形成优势互补，具有很强的灵活性和扩展性，在我国能源结构改革与偏远地区供电等方面具有重要意义。固体氧化物燃料电池(SolidOxideFuelCell,SOFC)是一种绿色、高效、可控的发电技术，很适合作为微电网的组成部分，能够弥补光伏、风能等间歇性能源不能长期稳定供电的不足。
微电网的容量配置优化和控制策略是其在应用过程中的核心问题，目前，常用的微电网是规则控制，即通过预设的规则实现对微电网各发电设备的能量分配，其优势是能够实现实时控制，不依赖预测数据，但是微电网运行工况复杂，通过规则控制很难实现微电网的最优经济调度，对于具有SOFC的微电网更是难以实现最优调度。
发明内容
鉴于上述现有技术的不足之处，本发明的目的之一在于提供一种家用微电网调度方法，能够实现家用微电网的最优经济调度，节约成本，提高家用微电网的能源利用率。
本发明的目的之二在于提供一种能量管理系统和家用微电网。
本发明的目的之三在于提供一种家用微电网。
本发明的目的之四在于提供一种计算机可读介质。
为了达到上述目的，本发明采取了以下技术方案：
一方面，本发明提供一种家用微电网调度方法，应用于微电网的能量管理系统，所述微电网还包括分别与所述能量管理系统连接的多个分布式发电系统和储能模块；所述分布式发电系统包括光伏发电系统、风力发电系统和SOFC发电系统；所述调度方法包括：
获取决策变量；所述决策变量包括各个分布式发电系统的最大输出功率、储能模块的能量状态、预测负荷数据以及预测光伏发电数据；所述预测负荷数据为以第一时间粒度为基础的次日负荷数据；所述预测光伏发电数据为以第一时间粒度为基础的次日光伏发电数据；
基于所述决策变量得到日前调度计划；所述日前调度计划包括光伏发电系统、风力发电系统的第一目标功率曲线、以及SOFC发电系统的第二目标功率曲线、以及储能模块的SOC计划曲线；其中，基于所述决策变量通过调度模型得到以所述第一时间粒度为基础的每个分布式发电系统的第一目标功率曲线和所述储能模块的SOC计划曲线；对SOFC发电系统的所述第一目标功率曲线基于SOFC功率跟踪速度进行约束处理，得到以第二时间粒度为基础的SOFC发电系统的第二目标功率曲线；
基于所述日前调度计划驱动所述微电网执行供电工作；当储能模块的SOC值偏离所述SOC计划曲线时，调整多个分布式发电系统协同工作。
进一步的，所述的家用微电网调度方法，所述调度模型为二次规划函数模型；所述调度模型的约束条件包括：
各个分布式发电系统的功率范围约束：
0≤P PV (t)≤P PV-Max ；
0≤P WTG (t)≤P WTG-Max ；
0≤P SOFC (t)≤P SOFC-Max ；
P BESS-Min ≤P BESS (t)≤P BESS-Max ；
其中，P PV (t)为光伏发电系统的输出功率；P PV-Max 为光伏发电系统的最大工作功率；P WTG (t)为风力发电系统的输出功率；P WTG-Max 为风力发电系统的最大工作功率；P SOFC (t)为SOFC发电系统的输出功率；P SOFC-Max 为SOFC发电系统的最大工作功率；P BESS (t)为储能模块的输出功率；P BESS-Min 为储能模块的最小输出功率；P BESS-Max 为储能模块最大输出功率；
功率平衡约束：
P load (t)=P PV (t)+P WTG (t)+P SOFC (t)+P BESS (t)；
其中，P load (t)为微电网对外供电功率；
储能模块的能量状态平衡约束：
E(t)=E(t-1)+△t*P Ch -△t*P Dis ；
其中，E(t)为储能模块当前时间点的能量状态；E(t-1)为储能模块前一时间点的能量状态；P Ch 为储能模块的充电功率；P Dis 为储能模块的放电功率；△t为当前时间点与前一时间点的时间差值；
储能模块的SOC范围约束：
0.2≤SOC(t)≤0.8；
其中，SOC(t)为储能模块当前时间点的SOC值。
进一步的，所述的家用微电网调度方法，所述约束处理为SOFC斜坡约束；
所述SOFC斜坡约束为所述SOFC发电系统的输出功率增长或下降的速率限制预定斜率以内。
进一步的，所述的家用微电网调度方法，所述调度方法还包括：
基于SOFC发电系统的第二目标功率曲线和SOFC成本函数计算SOFC发电系统的燃料消耗成本；所述SOFC成本函数为：
C
SOFC
=FP·（b
1
·P
SOFC
(t)
2
/Size
SOFC
+b
2
·P
SOFC
(t)+b
3
·Size
SOFC
）
其中，C SOFC 为SOFC成本；FP是天然气价格；Size SOFC 是SOFC的额定输出功率；b 1 、b 2 、b 3 分别为参数。
进一步的，所述的家用微电网调度方法，所述调度方法还包括：
根据各个分布式发电系统的第二目标功率曲线以及储能模块的SOC、能量状态使用储能成本函数进行储能成本计算；所述储能成本函数为：
C BESS (t)=a 1 ·P dis (t) 2 /Cap+a 2 ·P dis (t)+a 3 ·P ch (t) 2 /Cap+a 4 ·P ch (t)+a 5 ·E(t)+ a 6 ·Cap；
其中，C BESS (t)为储能成本；P ch (t)为充电功率；P dis (t)为放电功率；E(t)为能量状态；a 1 、a 2 、a 3 、a 4 、a 5 、a 6 分别为参数；Cap为限制常数。
进一步的，所述的家用微电网调度方法，所述预测负荷数据为通过对家庭用电历史数据进行整合处理得到。
进一步的，所述的家用微电网调度方法，所述储能模块为锂电池。
另一方面，本发明提供一种使用前述任一所述的家用微电网调度方法的能量管理系统，包括：
获取模块，用于获取决策变量；所述决策变量包括各个分布式发电系统的最大输出功率、储能模块的能量状态、预测负荷数据以及预测光伏发电数据；所述预测负荷数据为以第一时间粒度为基础的次日负荷数据；所述预测光伏发电数据为以第一时间粒度为基础的次日光伏发电数据；
第一级能量管理模块，用于基于所述决策变量通过调度模型得到以所述第一时间粒度为基础的每个分布式发电系统的第一目标功率曲线和所述储能模块的SOC计划曲线；
第二级能量管理模块，用于对SOFC发电系统的所述第一目标功率曲线基于SOFC功率跟踪速度进行约束处理，得到以第二时间粒度为基础的SOFC发电系统的第二目标功率曲线；
协同模块，用于基于所述日前调度计划驱动所述微电网执行供电工作；当储能模块的SOC值偏离所述SOC计划曲线时，调整多个分布式发电系统协同工作。
另一方面，本发明提供一种家用微电网，包括多个分布式发电系统、储能模块以及前述所述的能量管理系统；多个所述分布式发电系统和所述储能模块分别与所述能量管理系统连接；所述分布式发电系统包括光伏发电系统、风力发电系统和SOFC发电系统。
另一方面，本发明提供一种计算机可读介质，存储有计算机程序，所述计算机程序在被处理器执行时实现前述任一所述的家用微电网调度方法。
相较于现有技术，本发明提供的一种家用微电网调度方法、管理系统和家用微电网，具有以下有益效果：
使用本发明提供的家用微电网调度方法，在针对微电网中各个分布式发电系统的调用时，首先基于对微电网经济调度问题进行求解后，得到每个分布式发电系统的第一目标功率曲线，在对其中的SOFC发电系统的输出功率进行SOFC功率跟踪速度优化处理，在充分保证SOFC发电系统稳态化运行基础上生成更加精准的第二目标功率曲线，提高可再生能源利用率，控制储能模块的SOC，提高SOFC发电系统平均效率，更能降低对储能模块的有害操作。
附图说明
图1是本发明提供的家用微电网调度方法的流程图。
图2是本发明提供的家用微电网的结构框图。
图3是本发明提供的家用微电网一种实施例的结构图。
图4是本发明提供的SOFC发电系统的结构图。
图5是本发明提供的锂电池作为储能模块时的储能成本模型的退化图实时功率曲线图。
图6是本发明提供的1KW的SOFC发电系统的运行成本曲线图。
图7是本发明提供的微电网采用规则控制下的各个分布式发电系统的输出功率曲线图。
图8是本发明提供的采用本发明提供最优调度方法控制下的各个分布式发电系统的输出功率曲线图。
图9是是本发明提供的仿真试验中SOFC发电系统的第二目标功率曲线。
图10是是本发明提供的仿真试验中SOFC发电系统的实际功率曲线。
图11是是本发明提供的仿真试验中储能模块SOC值的预测曲线和实际测量曲线。
具体实施方式
为使本发明的目的、技术方案及效果更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
本领域技术人员应当理解，前面的一般描述和下面的详细描述是本发明的示例性和说明性的具体实施例，不意图限制本发明。
本文中术语“包括”，“包含”或其任何其他变体旨在覆盖非排他性包括，使得包括步骤列表的过程或方法不仅包括那些步骤，而且可以包括未明确列出或此类过程或方法固有的其他步骤。同样，在没有更多限制的情况下，以“包含...一个”开头的一个或多个设备或子系统，元素或结构或组件也不会没有更多限制，排除存在其他设备或其他子系统或其他元素或其他结构或其他组件或其他设备或其他子系统或其他元素或其他结构或其他组件。在整个说明书中，短语“在一个实施例中”，“在另一个实施例中”的出现和类似的语言可以但不一定都指相同的实施例。
除非另有定义，否则本文中使用的所有技术和科学术语具有与本发明所属领域的普通技术人员通常所理解的相同含义。
请一并参阅图1，本发明提供一种家用微电网调度方法，应用于微电网的能量管理系统（请参阅图2），所述微电网还包括分别与所述能量管理系统连接的多个分布式发电系统和储能模块；所述分布式发电系统包括光伏发电系统、风力发电系统和SOFC发电系统；一般的，本实施例中的微电网主要用于为某一栋楼或更小的单位的用电单位进行供电，因此，微电网中包括多个分布式发电系统，但是数量一般不会很多。同时，多个分布式发电系统可以是相同的，也可以是不同的，例如可以包括两个光伏发电系统、三个风力发电系统、一个SOFC发电系统。在本实施例中，为了方便说明所述调度方法，所述微电网具有一个光伏发电系统、一个风力发电系统、一个SOFC发电系统和一个储能模块。
当然，在进一步的实施中，所述分布式发电系统还包括其他类型发电系统，所述其他类型发电系统包括柴油发电系统等污染较大的常用发电系统，但一般处于耦合状态，即除非其他发电系统已经无法实现正常的供电，否则不会启动其他类型的发电系统。
在本实施例中，所述光伏发电系统和所述SOFC发电系统通过DC/DC与微电网的直流母线（即微电网的对外供直流电的线路）连接；所述风力发电系统通过AC/DC与所述直流母线连接；所述储能模块通过双向DC/DC（Bi-DC/DC）与所述直流母线连接；所述直流母线与交流母线（即微电网对外供交流电的线路）之间通过双向AC/DC（Bi-AC/DC）连接，更进一步实现微电网与大电网的能量交互。
进一步的，所述储能模块优选为锂电池，锂电池在微电网中主要起削峰填谷的作用，在孤岛模式下它能够提高风能与太阳能的利用率，在并网模式下它能够参与电力交易市场，提高微电网的经济效益。锂电池的充放电及荷电状态(StateofCharge,SOC)应该满足以下式子：
其中，η b 是锂电池的库伦效率，它是指在一次完整的循环过程中电池放电容量与同循环过程中充电容量之比。P t 是电池输出功率，C是电池容量。
计算锂电池的运行成本需要评估其寿命，而锂电池的寿命取决于材料和运行环境，不能简单的假设为可用容量随时间线性衰减。锂电池按照降解机制可分为日历老化(calendarlifetime)和循环老化(cyclelifetime)。
在本实施例中，采用AH加权方法，对锂电池的日历老化和循环老化进行整合，得到锂电池老化公式为：
分子是当前累计等效AH数，分母是生命周期累计可用AH数，其中C是电池初始容量，
是电池在标准测试条件(1C充电，1C放电，100%DoD，25℃)下的生命周期循环次数，因为一个循环表示一个完整的充电和放电过程，所以需要乘2，锂电池的可用容量在生命周期中从100%衰减至80%，所以用0.9来表示平均可用容量。
AH数的计算公式为：
其中，I dis (t)和AH dis (t)分别是t时刻锂电池的放电倍率和上一个采样点到本次采样点之间的累计AH数，加权因子使用单位应力下的生命周期循环次数和当前应力下的生命周期循环次数的比值来表示，当采样频率足够高时，该模型在复杂工况下也能有很好的精度。
根据微电网模型的模拟时间和锂电池衰减量可以估计出锂电池的预计寿命，锂电池的预期寿命及运行成本可由以下储能成本公式1表示：
其中
表示估计的锂电池寿命，t是微电网运行时间。
进一步的，所述SOFC发电系统为纯氢气SOFC系统或外重整SOFC系统。本实施例优选使用外重整SOFC系统，以天然气作为燃料。优选的，SOFC发电系统结构图如图4所示。SOFC发电系统主要由电堆和外围平衡设备(BalanceofPlant,BOP)构成，BOP包括：燃烧室、热交换器、重整器、鼓风机、功率变换装置、连接件。BOP主要为电化学反应提供反应环境，并维持系统的热平衡。在SOFC系统中电堆和BOP的寿命差异较大，在本实施例中，假设SOFC电堆的使用寿命为5年，BOP组件的使用寿命为20年。
经过数据拟合后SOFC的效率可以表示为：
η=-2.063x4+4.889x3-4.203x2+1.378x+0.4795；
其中，x为SOFC系统的实际输出功率与SOFC系统的额定功率的比值。在获得系统效率后SOFC的燃料成本可以表示为:
其中，V m 是气体摩尔常数(22.4L/mol)，C V 是燃料的热值，天然气的热值是802kj/mol。在SOFC的运行成本中，考虑到器件的线性衰减和SOFC系统的燃料消耗，SOFC的运行成本可以表示为SOFC运行成本函数1：
其中
和
分别代表电堆和BOP的使用寿命。
所述调度方法包括：
S1、获取决策变量；所述决策变量包括各个分布式发电系统的最大输出功率、储能模块的能量状态、预测负荷数据以及预测光伏发电数据；所述预测负荷数据为以第一时间粒度为基础的次日负荷数据；所述预测光伏发电数据为以第一时间粒度为基础的次日光伏发电数据；具体的，各个分布式发电系统的最大输出功率可以通过预先写入的方式存储在能量管理系统中，也可以动态的获取每个分布式发电系统的最大输出功率；所述储能模块的能量状态一般的，本发明提供的最优调度方法中微电网经济调度问题转换为二次规划（QuadraticProgramming,QP）问题，同时，在本实施例中，将储能模块的能量状态也加入决策变量中，优化控制策略。所述预测负荷根据历史数据生成，领域的技术人员可以根据实际需要选择合适的方法得到对应的预测负荷数据。所述预测光伏发电数据依据天气预测中的日照强度得到，本领域的技术人员可以根据实际需求选择适当的方法得到对应的预测光伏发电数据。
S2、基于所述决策变量得到日前调度计划；所述日前调度计划包括光伏发电系统、风力发电系统的第一目标功率曲线、以及SOFC发电系统的第二目标功率曲线、以及储能模块的SOC计划曲线；其中，基于所述决策变量通过调度模型得到以所述第一时间粒度为基础的每个分布式发电系统的第一目标功率曲线和所述储能模块的SOC计划曲线；对SOFC发电系统的所述第一目标功率曲线基于SOFC功率跟踪速度进行约束处理，得到以第二时间粒度为基础的SOFC发电系统的第二目标功率曲线；在本实施例中，所述调度模型为针对微电网经济调度问题求解的模型，对于微电网经济调度问题的选用与求解，本领域的技术人员可以根据实际需求选择适当的微电网经济调度问题以及对应的求解方法，只要实现使用所述决策变量，进而得到所述第一目标功率曲线即可，在本实施例中，使用二次规划问题作为微电网经济调度问题。在本实施例中，将各个分布式发电系统的目标功率曲线输入到对应的分布式发电系统中，只要能量管理系统没有发出调度计划修正指令，就按照对应的目标功率曲线运行即可。
进一步的，所述第一时间粒度优选范围为10-60min，进一步优选为10min。
进一步的，在一些实施例中，所述微电网经济调度问题为二次规划问题，本领域的技术人员可以根据实际需要选择适当的二次规划问题的数学表达式作为所述微电网经济调度问题的表达式。在本实施例中，所述微电网经济调度问题的数学表达式为二次规划问题的标准表达式：
其中，H为Hessian（remotingonhttp工具）矩阵；T为有限指标集；f、x、A、A eq 为n维向量；LB、UB为约束指标集合。在本实施例中，能够实现，只要将对应的约束函数、决策变量放入到标准表达式中，即可实现针对第一目标功率曲线的求取。
所述决策变量为：
其中，P SOFC (n)为SOFC发电系统的输出功率；P ch (t)为充电功率；P dis (t)为放电功率；E(t)为能量状态。
将SOFC发电系统按照第二目标功率曲线进行运行，保证系统的稳态化运行。具体的，所述约束处理为使SOFC发电系统的输出功率的变化速率（即线性斜率）始终小于预定速率，保证SOFC发电系统在运行过程中，保持稳态化运行，不会造成系统损伤。
进一步的，所述第二时间粒度的范围为1-60s，进一步优选为1s。
S3、基于所述日前调度计划驱动所述微电网执行供电工作；当储能模块的SOC值偏离所述SOC计划曲线时，调整多个分布式发电系统协同工作。
进一步的，在具体实施中，在能量管理系统得到所述预测负荷数据和所述预测光伏发电数据后，开始进行日前调度计划优化。在得到日前调度计划后，能量管理系统按照对应的调度计划驱动微电网中的各个分布式发电系统正常工作，并实时检测储能模块的SOC值，当储能模块的SOC值大于或等于第一阈值时降低分布式发电系统的总的输出功率、当小于或等于第二阈值时提高分布式发电系统的总的输出功率。优选的，所述第一阈值为0.8，所述第二阈值为0.2。
在仿真环境下的当日实际调度情况如图9所示。对比图9和图10可知，对SOFC发电系统的输出功率共进行了两次调度计划修正，第一次出现在4:30~5:30，其原因是锂电池（即储能模块）SOC降低至0.2，如图11所示。此时，能量管理系统发起调度计划修正，依次向光伏发电系统和SOFC发电系统发送协助信息，光伏发电系统此时无法发电，而SOFC发电系统接收到信号后提升输出功率，阻止锂电池SOC降低。SOFC发电系统的第二次调度计划修正发生在23:00~24:00，原因与第一次修正类似，也是锂电池SOC下降至0.2，不过在23:00~24:00负荷需求功率较大，即使SOFC发电系统以最大功率输出也未能阻止锂电池SOC值继续下降，最终锂电池SOC值降低至0.15。
光伏发电系统开始一直工作在MPPT（Maximum Power Point Tracking，最大功率点跟踪）模式，在13:30~15:00，由于锂电池的实际SOC值（即检测到的SOC值）与计划SOC值偏差值超过第一差值（优选为0.1-0.3，本实施例中为0.1），光伏发电系统接收到协助请求后退出MPPT模式，降低输出功率，以降低锂电池SOC值的上升速度。15:30~17:00锂电池SOC达到0.8，则请求SOFC发电系统和光伏发电系统降低输出功率，由于此时SOFC发电系统已处于热待机状态，光伏发电系统被迫进入负载功率跟踪模式，通过接收负荷需求功率确定输出功率。
日前调度计划依赖于预测数据（包括预测负荷数据和预测光伏发电数据），但是由于预测存在偏差，所以实际调度情况不会与日前调度一致，因此需要对调度计划进行实时修正。本发明所采用的策略为能量管理系统进行日前调度优化后，将各个分布式发电系统的目标功率曲线输入到对应的分布式发电系统中，将SOC计划曲线输入到储能模块中，只要能量管理系统没有发出调度计划修正指令，就按照对应的目标功率曲线运行即可。在一般工作中，光伏发电系统和风力发电系统工作在MPPT输出模式，SOFC发电系统按计划进行输出，储能模块需要维持在被动输出状态。当储能模块的SOC值与计划值偏差超过0.1时，能量管理系统驱动其他分布式发电系统进行合作，对储能模块的SOC进行修正。当SOC偏高时优先降低SOFC发电系统的输出功率，当SOC偏低时，优先增加光伏发电系统和风力发电系统的输出功率。
表1不同控制策略下微电网成本对比表
同时，经过仿真试验，对比了采用不同调度策略的微电网燃料成本、储能成本及SOC控制效果后得到表1，其中规则控制采用SOFC跟踪负荷的策略。从结果可以看出，采用本发明提供的调度策略，在日前调度优化时提升SOC的下限能有效避免在实际调度过程中SOC偏离设定范围的情况，而且微电网总运行成本并未发生明显升高。虽然在日前调度中提高SOC下限后，SOFC燃料成本略微提高，但是避免了锂电池工作于低SOC状态，因此降低了储能成本。相较于规则控制，本文所采用的调度策略在不大幅提高储能成本的前提下降低了燃料成本，使总运行成本下降了9%。并且在调整日前调度中锂电池SOC的设定范围后，对SOC的控制也优于规则控制。
使用本发明提供的家用微电网调度方法，在针对微电网中各个分布式发电系统的调用时，首先基于对微电网经济调度问题进行求解后，得到每个分布式发电系统的第一目标功率曲线，在对其中的SOFC发电系统的输出功率进行SOFC功率跟踪速度优化处理，在充分保证SOFC发电系统稳态化运行基础上生成更加精准的第二目标功率曲线，提高可再生能源利用率，控制储能模块的SOC，提高SOFC发电系统平均效率，更能降低对储能模块的有害操作。
进一步的，作为优选方案，本实施例中，所述调度模型为二次规划函数模型（即二次规划问题模型）；所述调度模型的约束条件包括：
各个分布式发电系统的功率范围约束：在本实施例中，主要是针对光伏发电系统、风能发电系统、SOFC发电系统的功率、储能模块的最大充放电倍率进行约束，以使太阳能和风能可工作在MPPT（MaximumPowerPointTracking，最大功率点跟踪）模式也可以在最大功率以下工作，SOFC需要在额定功率以下工作，储能模块则需要在最大充放电倍率以下工作。具体的各个分布式发电系统以及储能模块的对应功率范围可以通过不等式约束描述：
0≤P PV (t)≤P PV-Max ；
0≤P WTG (t)≤P WTG-Max ；
0≤P SOFC (t)≤P SOFC-Max ；
P BESS-Min ≤P BESS (t)≤P BESS-Max ；
其中，P PV (t)为光伏发电系统的输出功率；P PV-Max 为光伏发电系统的最大工作功率；P WTG (t)为风力发电系统的输出功率；P WTG-Max 为风力发电系统的最大工作功率；P SOFC (t)为SOFC发电系统的输出功率；P SOFC-Max 为SOFC发电系统的最大工作功率；P BESS (t)为储能模块的输出功率；P BESS-Min 为储能模块的最小输出功率；P BESS-Max 为储能模块最大输出功率；
功率平衡约束：在微电网运行过程中，对外输出的功率也需要时刻保持供需平衡，可以通过等式约束表示：
P load (t)=P PV (t)+P WTG (t)+P SOFC (t)+P BESS (t)；
其中，P load (t)为微电网对外供电功率，即负荷数据；
储能模块的能量状态平衡约束：在微电网运行过程中储能模块的SOC需满足其充放电规律，可由以下等式约束表示：
E(t)=E(t-1)+△t*P Ch -△t*P Dis ；
其中，E(t)为储能模块当前时间点的能量状态；E(t-1)为储能模块前一时间点的能量状态；P Ch 为储能模块的充电功率；P Dis 为储能模块的放电功率；△t为当前时间点与前一时间点的时间差值；具体的，所述能量状态为当前时刻储能模块的电能值。
储能模块的SOC范围约束：一般的，当储能模块的SOC处于20%~80%时能有效避免储能模块的预充电和恒压充电状态，同时也有利于锂电池的长寿命使用，因此：
0.2≤SOC(t)≤0.8；
其中，SOC(t)为储能模块当前时间点的SOC值。当然，还可以设定为0.25≤SOC(t)≤0.8，能够有效的将储能模块的SOC值在实际应用中，即使发生特殊情况也能实现SOC值保持在0.2-0.8之间。
使用本实施例提供的约束条件，可以使用微电网经济调度问题快速得到各个分布式发电系统的目标功率的配合调度，使微电网在稳态化运行的基础上，满足日常需求。
进一步的，在一些实施例中，使用交替方向乘子法（AlternatingDirectionMethodofMultipliers,ADMM）求解调度问题。ADMM可以被视为将对偶分解和增强拉格朗日法的优点融合在一起的一种方法，这是一种简单但强大的算法，它能够将复杂的优化问题分解为多个子问题，降低单步求解的复杂度，非常适合于分布式凸优化。
在本实施例中，所述决策变量为：x=[P SOFC (t)P ch (t)P dis (t)E(t)] T 。调度优化的目的是使微电网发电成本最低，其中成本包括SOFC燃料消耗成本和锂电池老化成本，使用前述实施例中使用的SOFC和锂电池成本函数，优化算法的目标函数（即二次规划问题函数）为：
。
其中，
。
当第一时间粒度为1h，SOFC发电系统使用的燃料价格为3.09RMB/m^3时，成本函数的参数如式5-3所示，I是24×24的单位对角矩阵，e是24×1的单位向量，H，f，r的参数SOFC和锂电池的成本函数，并且已将成本系数转换为1h粒度时的值。
调度问题的等式约束为：
。
其中，
。等式约束主要描述SOC平衡，L是单位下三角阵，E0是锂电池的初始能量状态。
调度问题的不等式约束为：
。
其中，
。不等式约束包含两个部分，SOFC和锂电池的输出功率不少于负荷与风光发电功率的差值Demand(t)，但是不高于负荷功率Load(t)。
决策变量边界约束：
。
其中，
。决策变量边界约束主要用于限制SOFC和锂电池的输出功率，以及SOC的范围。
在本实施例中，所述二次规划问题的公式使用前述的标准表达式，具体的计算过程如下：
在ADMM算法中首先需要引入辅助变量y，将不等式约束变为等式约束。
然后通过引入增广拉格朗日函数将等式约束优化问题变为无约束优化问题。
R与S是拉格朗日乘子，β＞0为惩罚因子。ADMM算法通过对成本函数依次求解决策变量的偏导数来决定决策变量的更新方向。分别求x和y的偏导，令结果为0，求得x和y的更新方向。得到：
在更新x，y后需要对x，y进行边界约束：
拉格朗日乘子的更新方向为：
当
，以及
时停止迭代，或者迭代次数达到上限时也会停止计算。ADMM算法降低了单步计算的复杂度，更适合嵌入式运算设备。按照上述步骤，可以求出每个第一时间粒度（若是第一时间粒度为10分钟，则一天有24*6个第一时间粒度）的光伏发电系统的第一目标功率、风力发电系统的第一目标功率、储能模块的SOC值、SOFC发电系统的第一目标功率，进而得到各个分布式发电系统的第一目标功率曲线以及储能模块的SOC计划曲线。
进一步的，作为优选方案，本实施例中，所述约束处理为SOFC斜坡约束；
所述SOFC斜坡约束为所述SOFC发电系统的输出功率增长或下降的速率限制预定斜率以内。
SOFC发电系统由于其结构材料特性会有较多的使用限制，当SOFC的输出功率过快增加时，由于管道等原因会导致输气延迟、SOFC堆内燃料不足，这会导致电堆内部缺少还原性气体，从而加速SOFC电堆的氧化，对SOFC电堆造成永久性损伤。此外，当输出功率增长过快时，SOFC系统当前温度可能无法提供足够的热量来维持高功率运行。当SOFC发电系统输出功率下降过快时，由于电堆内的燃料利用率下降，多余的燃料会进入燃烧室，燃烧室出口气体温度将迅速上升，进一步影响热交换器和电堆内部的温度，从而打破SOFC发电系统的热平衡。因此，为了保证SOFC发电系统安全且长寿命运行，有必要限制其功率跟踪速度。
研究表明，额定功率为5kW的SOFC系统可以在70秒内可以将输出功率从2.5kW提升到4.8kW。在本实施例中，1kWSOFC的最大功率跟踪速度被设定为6W/s，即所述预定斜率为6W/s。由于SOFC的功率跟踪速度主要与电流提升速度有关，而在小功率级别(kW级别)的SOFC中，额定功率主要由电堆串联的电池片数决定，所以可以假定SOFC的功率跟踪速度与SOFC的额定功率成正比。然而，对于小型混合能源系统，在QP问题中加入斜坡约束是困难的。因为对于小功率级别的SOFC系统，按照本实施例所设定的最大功率跟踪速度，可以在10分钟内达到任何最大功率范围内的指定功率，具体可参阅图6。
然而调度问题的时间粒度越小求解越困难，因此很难在调度问题中体现SOFC的瞬态响应过程。在微电网容量配置优化中SOFC的斜坡约束非常重要，虽然它对经济成本的影响比较小，但是却对系统的安全性影响很大。例如，假设负荷的最大需求功率为5kW，那么当微电网的容量配置优化流程中不考虑斜坡约束时，5kW额定功率的SOFC系统足以应对所有情况，无须增加储能装置。然而在实际应用中SOFC系统应对瞬态功率的能力很差。在配置优化中嵌套的调度问题会影响微电网设备容量的选择，所以调度问题不能仅从经济成本的角度出发，还应保证系统在实际应用中的可行性。
因此，本发明提供的最优调度方法采用两级能量管理框架来获取SOFC发电系统的实际功率，第一级能量管理框架获取各个分布式发电系统的基于第一时间粒度的第一目标功率曲线，第二级能量管理框架在所述第一目标功率曲线的基础上，对SOFC第一目标功率曲线进行基于第二时间粒度的优化，保证SOFC发电系统的稳态运行。
进一步的，作为优选方案，本实施例中，所述调度方法还包括：
基于SOFC发电系统的第二目标功率曲线和SOFC成本函数计算SOFC发电系统的燃料消耗成本；所述SOFC成本函数为：
C
SOFC
=FP·（b
1
·P
SOFC
(t)
2
/Size
SOFC
+b
2
·P
SOFC
(t)+b
3
·Size
SOFC
）
其中，C SOFC 为SOFC成本；FP是天然气价格；Size SOFC 是SOFC的额定输出功率；b 1 、b 2 、b 3 分别为参数。经过参数整定后得到以下结果：
当调度问题的时间粒度为10min时，b 1 =0.0145、b 2 =0.0178、b 3 =0.0013。
成本曲线可以用二次函数去逼近。所述SOFC成本函数为通过对SOFC运行成本函数1进行处理得到的二次函数形式。
优选的，SOFC冷启动对电堆的寿命的影响要远大于热启动，并且SOFC电堆一般要加热到700度才能发电，对于平板式SOFC，过快的升温速度会导致电池片受热不均从而使电池片破裂，所以陶瓷支撑的SOFC冷启动时间较长，一般为7小时。
在本实施例中SOFC无需输出功率时会处于热待机状态，在此阶段SOFC仍然会消耗燃料，b 3 用于表示SOFC的热待机成本。
进一步的，作为优选方案，本实施例中，所述调度方法还包括：
根据各个分布式发电系统的第二目标功率曲线以及储能模块的SOC、能量状态使用储能成本函数进行储能成本计算；所述储能成本函数为：
C BESS (t)=a 1 ·P dis (t) 2 /Cap+a 2 ·P dis (t)+a 3 ·P ch (t) 2 /Cap+a 4 ·P ch (t)+a 5 ·E(t)+ a 6 ·Cap；
其中，C BESS (t)为储能成本；P ch (t)为充电功率；P dis (t)为放电功率；E(t)为能量状态；a 1 、a 2 、a 3 、a 4 、a 5 、a 6 分别为参数；Cap为限制常数。a 1 、a 2 用于描述放电倍率对电池衰减的影响程度，a 3 、a 4 用于描述充电倍率对电池衰减的影响程度，a 5 、a 6 表示DoD以及SOC对电池衰减的影响程度。
在放电时DoD越大，电池衰减越快，但是在日历老化中SOC越低，电池衰减越慢，所以SOC在日历老化和循环老化中的影响是相互矛盾的。
在电池生命周期中，循环老化的影响在大部分时间会高于日历老化，所以锂电池运行成本应该与能量状态负相关，参数a 5 一般为负数。
在本实施例中，所述储能模块优选为锂电池。首先根据所述储能成本公式1生成储能成本模型，并将储能成本模型离散为退化图，进而使用所述储能成本函数去逼近，以退化图与成本函数的偏差最小为目标进行了参数整定，得到了以下参数：
当调度问题的时间粒度为10min，每kWh锂电池成本为1370元时，a 1 =0.018、a 2 =0.012、a 3 =0.048、a 4 =0.006、a 5 =-0.006、a 6 =0.0006。
在本实施例中，由于温度在决策中属于不可控变量，在进行成本离散时，温度被设定为常温25℃。经过离散后，我们得到了在不同操作条件下锂电池每10分钟的退化图，如图5所示。图中充放电倍率为负数的情况是充电状态。由图可知在充电状态下由于限制了SOC范围，在老化模型中未考虑充电截止电压对锂电池容量衰减的影响，因此在充电过程中电池衰减速率随SOC的变化不明显，仅有的微小区别是由日历衰减造成的。在放电过程中电池衰减基本符合SOC越低衰减速度越快的规律，但是在SOC为0.2时出现了反常，这是因为电池在SOC为0.2的状态以1倍率放电10min后SOC将处于极低水平，此时日历老化将极大程度降低，所以容量衰减速率将略有降低。不过这种情况在调度过程中基本不会出现，因为SOC一般会被控制在指定范围内。
进一步的，作为优选方案，本实施例中，所述预测负荷数据为通过对家庭用电历史数据进行整合处理得到。一般的，现有的用于微电网容量配置优化的负荷数据，大多数以社区或大型建筑为优化对象，在社区微电网中负荷变化较为平缓，在进行调度优化时选用的数据粒度一般为1h。但是住宅负荷随机性强，负荷变化频率快，1h负荷数据很难体现住宅负荷的特性。对比了1min、10min和1h粒度的住宅负荷数据，每小时平均负荷数据与实际住宅负荷数据存在较大偏差，负荷的峰值被大大削减，因此基于每小时平均负荷数据所生成的最优配置在实际应用中也不一定可靠。10min负荷数据既能较为准确的反映住宅负荷的特性，也能较好的减少调度算法的计算量(相比于1min)，因此本实施例将使用10min负荷数据进行配置优化。即一般以第一时间粒度为基础的负荷数据参与配置优化。
进一步的，作为优选方案，本实施例中，所述储能模块为锂电池。
以下，使用相同的微电网以及负荷数据，对比分析规则控制和本发明提供的最优调度方法两种调度方法的结果。其中，微电网的配置如表1所示，SOFC发电系统使用天然气作为燃料，天然气价格为3.09RMB/m-3。
表1示例微电网容量配置
能量管理系统在采用规则控制的方案中能够根据输入的各分布式发电系统的状态按照预设规则计算各分布式发电系统的输出功率，具体如图7所示。能量管理系统在采用本发明提供的最优调度方法中，会先根据输入的风/光最大发电功率以及负荷数据求解QP问题，得到调度曲线，然后以优化出的10min调度曲线为目标功率进行功率跟踪，具体如图8所示。
从图7可以看出，采用规则控制的微电网能量管理系统由于无法根据复杂的工况提前做出反应，如在光伏发电峰值到达前释放储能空间，因此在储能利用率和可再生能源利用率方面表现较差。并且由于无法预测负荷，所以无法提前对电池进行充电以应对负荷高峰，导致规则控制对锂电池SOC的控制能力较差。尽管在规则控制中设定了当SOC低于0.2时要及时充电，但是仍然会面临SOC低于0.2却没有充电能量来源的情况，如图7中22:00~23:00这个时间段，SOFC没有多余功率给锂电池充电，导致SOC逐渐偏离设定范围。可想而知，在配置优化问题中使用规则控制求解调度问题会使可选配置变少，那些锂电池容量较低，且SOFC容量较低的配置将被淘汰，而锂电池和SOFC是微电网中寿命较短且成本较高的设备。不过规则控制也有其优势，在实际应用中规则控制不依赖预测数据，响应速度快，更具实时性。但是在配置优化研究中，使用最优化方法进行调度更能体现微电网的性能潜力，并且能获得成本更低的配置。
从图8可以看出，当采用QP方法进行调度优化后，太阳能的利用率要明显高于采用规则控制的方案。其中主要的原因是在9:00~10:00，能量管理系统提前对锂电池进行了放电，因此预留了更多储能空间。然后在中午光伏发电高峰期，太阳能对电池进行充电，将电池SOC提升至80%，充分的利用了电池的储能空间。而且在全天的调度过程中锂电池的SOC一直在设定的范围内。同时也可以发现在整个调度过程中锂电池的充电倍率一直被限制在较低的值，SOFC也并没有在负荷达到峰值时全功率输出。这得益于设计成本函数时考虑了锂电池多因素衰减以及SOFC在不同输出功率下的效率。高充电倍率会加速电池老化，而SOFC以全功率输出，发电效率较低。
SOFC的斜坡约束会导致当负载功率突变时锂电池最先进行功率响应，这会导致锂电池在实际使用过程中会频繁出现充放电尖峰。如果电池容量选择不当会导致系统在实际运行中无法输出较高的瞬态功率。不少研究会直接使用数学规划的求解结果作为功率曲线进行成本计算和稳定性评估，这在更大规模的微电网的配置优化中是可以接受的，因为在大规模微电网中负荷波动较为平缓，但是在家用微电网中由于负荷的波动较大，直接以数学规划的求解结果为标准评估稳定性会存在较大的隐患。本发明提供的最优调度方法所采用的两级能量管理系统，相较于单一的数学规划方法更贴近实际的使用情况。通过将优化算法与实时调度模型相结合方法确保了所生成的配置在实际工程中能够安全运行。
本发明还提供一种使用前述任一实施例所述的家用微电网调度方法的能量管理系统，包括：
获取模块，用于获取决策变量；所述决策变量包括各个分布式发电系统的最大输出功率、储能模块的能量状态、预测负荷数据以及预测光伏发电数据；所述预测负荷数据为以第一时间粒度为基础的次日负荷数据；所述预测光伏发电数据为以第一时间粒度为基础的次日光伏发电数据；
第一级能量管理模块，用于基于所述决策变量通过调度模型得到以所述第一时间粒度为基础的每个分布式发电系统的第一目标功率曲线和所述储能模块的SOC计划曲线；
第二级能量管理模块，用于对SOFC发电系统的所述第一目标功率曲线基于SOFC功率跟踪速度进行约束处理，得到以第二时间粒度为基础的SOFC发电系统的第二目标功率曲线；
协同模块，用于基于所述日前调度计划驱动所述微电网执行供电工作；当储能模块的SOC值偏离所述SOC计划曲线时，调整多个分布式发电系统协同工作。
本发明还提供一种家用微电网，包括多个分布式发电系统、储能模块以及前述实施例所述的能量管理系统；多个所述分布式发电系统和所述储能模块分别与所述能量管理系统连接；所述分布式发电系统包括光伏发电系统、风力发电系统和SOFC发电系统。
本发明还提供一种计算机可读介质，存储有计算机程序，所述计算机程序在被处理器执行时实现前述任一实施例所述的家用微电网调度方法。
计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。
可以理解的是，对本领域普通技术人员来说，可以根据本发明的技术方案及其发明构思加以等同替换或改变，而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。
Claims (10)
1.一种家用微电网调度方法，其特征在于，应用于微电网的能量管理系统，所述微电网还包括分别与所述能量管理系统连接的多个分布式发电系统和储能模块；所述分布式发电系统包括光伏发电系统、风力发电系统和SOFC发电系统；所述调度方法包括：
获取决策变量；所述决策变量包括各个分布式发电系统的最大输出功率、储能模块的能量状态、预测负荷数据以及预测光伏发电数据；所述预测负荷数据为以第一时间粒度为基础的次日负荷数据；所述预测光伏发电数据为以第一时间粒度为基础的次日光伏发电数据；
基于所述决策变量得到日前调度计划；所述日前调度计划包括光伏发电系统、风力发电系统的第一目标功率曲线、以及SOFC发电系统的第二目标功率曲线、以及储能模块的SOC计划曲线；其中，基于所述决策变量通过调度模型得到以所述第一时间粒度为基础的每个分布式发电系统的第一目标功率曲线和所述储能模块的SOC计划曲线；对SOFC发电系统的所述第一目标功率曲线基于SOFC功率跟踪速度进行约束处理，得到以第二时间粒度为基础的SOFC发电系统的第二目标功率曲线；
基于所述日前调度计划驱动所述微电网执行供电工作；当储能模块的SOC值偏离所述SOC计划曲线时，调整多个分布式发电系统协同工作。
2.根据权利要求1所述的家用微电网调度方法，其特征在于，所述调度模型为二次规划函数模型；所述调度模型的约束条件包括：
各个分布式发电系统的功率范围约束：
0≤P PV (t)≤P PV-Max ；
0≤P WTG (t)≤P WTG-Max ；
0≤P SOFC (t)≤P SOFC-Max ；
P BESS-Min ≤P BESS (t)≤P BESS-Max ；
其中，P PV (t)为光伏发电系统的输出功率；P PV-Max 为光伏发电系统的最大工作功率；P WTG (t)为风力发电系统的输出功率；P WTG-Max 为风力发电系统的最大工作功率；P SOFC (t)为SOFC发电系统的输出功率；P SOFC-Max 为SOFC发电系统的最大工作功率；P BESS (t)为储能模块的输出功率；P BESS-Min 为储能模块的最小输出功率；P BESS-Max 为储能模块最大输出功率；
功率平衡约束：
P load (t)=P PV (t)+P WTG (t)+P SOFC (t)+P BESS (t)；
其中，P load (t)为微电网对外供电功率；
储能模块的能量状态平衡约束：
E(t)=E(t-1)+△t*P Ch -△t*P Dis ；
其中，E(t)为储能模块当前时间点的能量状态；E(t-1)为储能模块前一时间点的能量状态；P Ch 为储能模块的充电功率；P Dis 为储能模块的放电功率；△t为当前时间点与前一时间点的时间差值；
储能模块的SOC范围约束：
0.2≤SOC(t)≤0.8；
其中，SOC(t)为储能模块当前时间点的SOC值。
3.根据权利要求1所述的家用微电网调度方法，其特征在于，所述约束处理为SOFC斜坡约束；
所述SOFC斜坡约束为所述SOFC发电系统的输出功率增长或下降的速率限制预定斜率以内。
4.根据权利要求1所述的家用微电网调度方法，其特征在于，所述调度方法还包括：
基于SOFC发电系统的第二目标功率曲线和SOFC成本函数计算SOFC发电系统的燃料消耗成本；所述SOFC成本函数为：
C
SOFC
=FP·（b
1
·P
SOFC
(t)
2
/Size
SOFC
+b
2
·P
SOFC
(t)+b
3
·Size
SOFC
）
其中，C SOFC 为SOFC成本；FP是天然气价格；Size SOFC 是SOFC的额定输出功率；b 1 、b 2 、b 3 分别为参数。
5.根据权利要求1所述的家用微电网调度方法，其特征在于，所述调度方法还包括：
根据各个分布式发电系统的第二目标功率曲线以及储能模块的SOC、能量状态使用储能成本函数进行储能成本计算；所述储能成本函数为：
C BESS (t)=a 1 ·P dis (t) 2 /Cap+a 2 ·P dis (t)+a 3 ·P ch (t) 2 /Cap+a 4 ·P ch (t)+a 5 ·E(t)+a 6 · Cap；
其中，C BESS (t)为储能成本；P ch (t)为充电功率；P dis (t)为放电功率；E(t)为能量状态；a 1 、a 2 、a 3 、a 4 、a 5 、a 6 分别为参数；Cap为限制常数。
6.根据权利要求1所述的家用微电网调度方法，其特征在于，所述预测负荷数据为通过对家庭用电历史数据进行整合处理得到。
7.根据权利要求1所述的家用微电网调度方法，其特征在于，所述储能模块为锂电池。
8.一种使用权利要求1-7任一所述的家用微电网调度方法的能量管理系统，其特征在于，包括：
获取模块，用于获取决策变量；所述决策变量包括各个分布式发电系统的最大输出功率、储能模块的能量状态、预测负荷数据以及预测光伏发电数据；所述预测负荷数据为以第一时间粒度为基础的次日负荷数据；所述预测光伏发电数据为以第一时间粒度为基础的次日光伏发电数据；
第一级能量管理模块，用于基于所述决策变量通过调度模型得到以所述第一时间粒度为基础的每个分布式发电系统的第一目标功率曲线和所述储能模块的SOC计划曲线；
第二级能量管理模块，用于对SOFC发电系统的所述第一目标功率曲线基于SOFC功率跟踪速度进行约束处理，得到以第二时间粒度为基础的SOFC发电系统的第二目标功率曲线；
协同模块，用于基于所述日前调度计划驱动所述微电网执行供电工作；当储能模块的SOC值偏离所述SOC计划曲线时，调整多个分布式发电系统协同工作。
9.一种家用微电网，其特征在于，包括多个分布式发电系统、储能模块以及权利要求8所述的能量管理系统；多个所述分布式发电系统和所述储能模块分别与所述能量管理系统连接；所述分布式发电系统包括光伏发电系统、风力发电系统和SOFC发电系统。
10.一种计算机可读介质，其特征在于，存储有计算机程序，所述计算机程序在被处理器执行时实现权利要求1-7任一所述的家用微电网调度方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210145884.4A CN114725964A (zh) | 2022-02-17 | 2022-02-17 | 一种家用微电网调度方法、管理系统和家用微电网 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210145884.4A CN114725964A (zh) | 2022-02-17 | 2022-02-17 | 一种家用微电网调度方法、管理系统和家用微电网 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114725964A true CN114725964A (zh) | 2022-07-08 |
Family
ID=82235256
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210145884.4A Pending CN114725964A (zh) | 2022-02-17 | 2022-02-17 | 一种家用微电网调度方法、管理系统和家用微电网 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114725964A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116979570A (zh) * | 2023-09-20 | 2023-10-31 | 天津电力工程监理有限公司 | 微电网混合型储能方法、系统及装置 |
-
2022
- 2022-02-17 CN CN202210145884.4A patent/CN114725964A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116979570A (zh) * | 2023-09-20 | 2023-10-31 | 天津电力工程监理有限公司 | 微电网混合型储能方法、系统及装置 |
| CN116979570B (zh) * | 2023-09-20 | 2024-01-05 | 天津电力工程监理有限公司 | 微电网混合型储能方法、系统及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107425534B (zh) | 一种基于优化蓄电池充放电策略的微电网调度方法 | |
| CN112086998B (zh) | 孤岛模式下直流微电网的能量优化调度方法 | |
| CN112583017A (zh) | 考虑储能运行约束的混合微电网能量分配方法及系统 | |
| JP2010259303A (ja) | 分散発電システム | |
| Jian et al. | Optimal operating strategy for distribution networks with PV and BESS considering flexible energy storage | |
| Chen et al. | Sizing of energy storage system for microgrids | |
| Guo et al. | Economically optimal power flow management of grid-connected photovoltaic microgrid based on dynamic programming algorithm and grid I/O strategy for different weather scenarios | |
| KR102503382B1 (ko) | 신재생 에너지 발전설비와 연계된 에너지 저장시스템의 관리방법 | |
| Aiswariya et al. | Optimal microgrid battery scheduling using simulated annealing | |
| Spertino et al. | Renewable sources with storage for cost-effective solutions to supply commercial loads | |
| Kosmadakis et al. | Towards performance enhancement of hybrid power supply systems based on renewable energy sources | |
| Gonzalez et al. | Model predictive control for the energy management of a hybrid PV/battery/fuel cell power plant | |
| CN114725964A (zh) | 一种家用微电网调度方法、管理系统和家用微电网 | |
| Boyouk et al. | Peak shaving of a grid connected-photovoltaic battery system at helmholtz institute ulm (hiu) | |
| Jain et al. | A Simple Methodology for Sizing of Stand-Alone PV-Battery System | |
| Wang et al. | Improved PSO-based energy management of Stand-Alone Micro-Grid under two-time scale | |
| Nojavan et al. | Stochastic multi-objective model for optimal sizing of energy storage system in a microgrid under demand response program considering reliability: A weighted sum method and fuzzy satisfying approach | |
| Ru et al. | Battery sizing for grid connected PV systems with fixed minimum charging/discharging time | |
| Yang et al. | Collaborative optimization of wind-solar-storage configuration in county distribution network considering near-zero carbon emission | |
| Bandyopadhyay et al. | Comparison of Battery Technologies for DC Microgrids with Integrated PV | |
| Kermani et al. | Optimal operation of a real power hub based on PV/FC/GenSet/BESS and demand response under uncertainty | |
| Gong et al. | Research on scheduling of wind solar energy storage microgrid considering new energy consumption | |
| Jang et al. | Short-term resource scheduling for power systems with energy storage systems | |
| Mishan et al. | Co-optimization of operational unit commitment and reserve power scheduling for modern grid | |
| Jiang et al. | Energy storage optimization configuration for controlling wind power fluctuations considering battery life degradation |
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 |