CN116317173A - 一种运用于光伏项目的储能在线监控系统 - Google Patents

一种运用于光伏项目的储能在线监控系统 Download PDF

Info

Publication number
CN116317173A
CN116317173A CN202310593494.8A CN202310593494A CN116317173A CN 116317173 A CN116317173 A CN 116317173A CN 202310593494 A CN202310593494 A CN 202310593494A CN 116317173 A CN116317173 A CN 116317173A
Authority
CN
China
Prior art keywords
energy storage
equipment
power generation
photovoltaic power
photovoltaic
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.)
Granted
Application number
CN202310593494.8A
Other languages
English (en)
Other versions
CN116317173B (zh
Inventor
赵多苍
黎扬佳
李光顺
李修树
薛建峰
郭豹
刘杨
王尚钦
潘杰
李哲
张步恩
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.)
China Renewable Energy Engineering Institute
Original Assignee
China Renewable Energy Engineering Institute
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 China Renewable Energy Engineering Institute filed Critical China Renewable Energy Engineering Institute
Priority to CN202310593494.8A priority Critical patent/CN116317173B/zh
Publication of CN116317173A publication Critical patent/CN116317173A/zh
Application granted granted Critical
Publication of CN116317173B publication Critical patent/CN116317173B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • H02J13/00002—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 monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • H02J13/00001—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 the display of information or by user interaction, e.g. supervisory control and data acquisition systems [SCADA] or graphical user interfaces [GUI]
    • 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
    • H02J3/28—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
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Medical Informatics (AREA)
  • Computational Linguistics (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Geometry (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Photovoltaic Devices (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明涉及光伏储能监控领域，具体公开了一种运用于光伏项目的储能在线监控系统，包括光伏发电设备、储能设备、监测设备、控制器、逆变器和可视化大屏。获取光伏发电设备和储能设备的环境信息和设备信息，计算光伏发电设备的发电量以及储能设备的充电量和放电量；基于等效电路图进行分析，构建储能设备负载均衡调整模型，得到储能设备在充电、放电时的负载情况，判断储能设备是否处于负载均衡状态。解决了现有的光伏储能监控系统对于储能设备负载情况计算不够精准，无法对储能设备负载情况进行实时动态调度控制，储能设备的电能资源利用率不高，既影响了储能效率，也损害了储能设备的寿命，增加光伏储能电站运行成本的问题。

Description

一种运用于光伏项目的储能在线监控系统
技术领域
本发明涉及光伏储能监控领域，尤其涉及一种运用于光伏项目的储能在线监控系统。
背景技术
近年来，随着传统能源的急剧消耗以及环境污染愈加严重，新能源产业得到极大的关注和支持；光伏发电作为最廉价的能源之一，得到了广泛的应用。然而，自然光受海拔、气候、温度、地形等多种自然因素的影响，具有很气的不可控性、波动性和间歇性，且难以进行准确预测和大量存储。
光伏发电系统是依靠储能设备来储存多余的电能，因此储能设备在独立光伏发电系统中占有重要地位。随着太阳能电池组件售价的下降，储能设备的费用在系统总投资中所占比重将会逐渐增加。另外，在光伏发电系统的运行中，由于储能设备故障而影响系统正常工作的情况更会占有很大比例。所以，选择适当的储能设备类型，确定合适的储能设备容量，精确地实施安装、操作、监控、精心维护, 对于太阳能光伏发电系统的正常运行十分重要。
中国发明专利公开号CN111417071A，公开了一种基于光伏储能的监控装置及监控方法，包括：供电系统和监控系统；其中，所述供电系统包括储能单元、光伏组件和逆变器；所述逆变器分别与所述光伏组件和所述储能单元电连接；所述监控系统包括远红外移动传感器、红外自动伺服照相机、控制器、云监控服务器；所述红外自动伺服照相机一端连接所述远红外移动传感器，另一端连接所述控制器；本发明提供的基于光伏储能的监控装置及监控方法实现了无人监控，并且在降低能耗的同时，确保电源的稳定输出以及提高数据的传输效率。
但上述技术至少存在如下技术问题：现有的光伏储能监控系统对于储能设备负载情况计算不够精准，无法对储能设备负载情况进行实时动态调度控制，储能设备的电能资源利用率不高，既影响了储能效率，也损害了储能设备的寿命，增加光伏储能电站运行成本。
发明内容
本发明通过提供一种运用于光伏项目的储能在线监控系统，解决了现有的光伏储能监控系统对于储能设备负载情况计算不够精准，无法对储能设备负载情况进行实时动态调度控制，储能设备的电能资源利用率不高，既影响了储能效率，也损害了储能设备的寿命，增加光伏储能电站运行成本的问题，储能设备的负载得到有效改善，提高储能设备的电能资源利用率和使用寿命，使得光伏储能电站实现经济运行。
本发明具体包括以下技术方案：
一种运用于光伏项目的储能在线监控系统，包括以下部分：
光伏发电设备、储能设备、监测设备、控制器、逆变器和可视化大屏；
控制器，用于控制光伏发电设备向储能设备充电和储能设备放电，控制器通过实时监控储能设备的负载情况，进而避免储能设备受损；
控制器包括光伏储能监测模块、环境参数采集模块、数据集成模块、计算模块、等效分析模块、模型构建模块、负载判定模块和显示模块；
光伏储能监测模块用于采集光伏发电设备和储能设备的设备信息；
环境参数采集模块用于采集光伏发电设备和储能设备的环境信息；
数据集成模块用于汇集所有的监测数据；
计算模块用于计算光伏发电设备的设备温度，进一步得到光伏发电设备的发电量，基于光伏发电设备的发电量得到储能设备的充电量和放电量；
等效分析模块用于采用等效电路的形式表达光伏储能系统并进行分析；
模型构建模块用于构建储能设备负载均衡调整模型，模型采用神经网络算法，根据光伏发电设备和储能设备的环境信息和设备信息以及计算得到的光伏发电设备的发电量、储能设备的充电量和放电量，对建立的神经网络模型进行训练，从而得到在不同储能设备充电和发电情况下储能设备的负载情况，储能设备负载均衡调整模型包括第一神经网络模型、第二神经网络模型、第三神经网络模型；
负载判定模块用于根据预设的储能设备负载标准对储能设备负载均衡调整模型输出的储能设备的负载情况进行判断，若输出的储能设备负载情况符合负载标准，则向显示模块发送正常信号；否则向显示模块发送负载异常信号；
显示模块用于将需要显示的信息展示到可视化大屏上；控制器与监测设备、逆变器和可视化大屏相连。
一种运用于光伏项目的储能在线监控方法，包括以下步骤：
步骤S1. 获取光伏发电设备和储能设备的环境信息和设备信息，计算光伏发电设备的发电量以及储能设备的充电量和放电量；
步骤S2. 基于等效电路图进行分析，构建储能设备负载均衡调整模型，得到储能设备在充电、放电时的负载情况，判断储能设备是否处于负载均衡状态。
进一步，步骤S1具体包括：
基于环境信息，计算模块以光伏发电设备开路状态下的太阳能辐照量和环境温度为参照，计算光伏发电设备的设备温度；进一步得到光伏发电设备的发电量，基于光伏发电设备的发电量得到储能设备的充电量和放电量。
进一步，步骤S2具体包括：
基于等效电路图，寻找光伏发电设备输出电流与输出电压之间的关系。
进一步，步骤S2具体包括：
构建储能设备负载均衡调整模型，模型采用神经网络算法，根据光伏发电设备和储能设备的环境信息和设备信息以及计算得到的光伏发电设备的发电量、储能设备的充电量和放电量，对建立的神经网络模型进行训练，从而得到在不同储能设备充电和发电情况下储能设备的负载情况。
进一步，步骤S2具体包括：
储能设备负载均衡调整神经网络模型包括第一神经网络模型、第二神经网络模型和第三神经网络模型。
进一步，步骤S2具体包括：
将光伏发电设备的环境信息和设备信息进行主成分分析得到信息特征值，并将光伏发电设备的环境信息和设备信息作为第一神经网络模型的第一输入，光伏发电设备信息特征值作为第一神经网络模型的第一输出；将第一输入和第一输出进行深度学习得到光伏发电设备运行状态分析模型。
进一步，步骤S2具体包括：
将储能设备的环境信息和设备信息进行主成分分析得到信息特征值，并将储能设备的环境信息和设备信息作为第二神经网络模型的第二输入，储能设备信息特征值作为第二神经网络模型的第二输出；将第二输入和第二输出进行深度学习得到储能设备运行状态分析模型。
进一步，步骤S2具体包括：
将第一输出、第二输出、储能设备的充电量和放电量作为第三神经网络模型的第三输入，储能设备的负载情况作为第三神经网络模型的第三输出；将第三输入和第三输出进行深度学习得到储能设备负载均衡调整模型。
本发明至少具有如下技术效果或优点：
1、在光伏发电站的多个光伏发电设备和储能设备的监测点上安装监测设备，通过检测设备实时收集光伏发电设备和储能设备的环境信息和设备信息，考虑光伏发电设备开路状态下的太阳能辐照量和环境温度，基于光伏发电设备的发电量得到储能设备的充电量和放电量；通过对光伏发电站的实时监控，实现对每个储能设备负载情况的实时动态调度控制，使得储能设备的负载得到有效改善，提高储能设备的电能资源利用率，提高储能设备的使用寿命，使每个储能设备达到最佳调度，并且还提高了光伏发电设备的使用安全性；实现了光伏发电站的自动化监控，克服了对人工的依赖，使光伏法电站的监控准确性、储能效率以及运维效率得到明显提高，使得光伏储能电站实现经济运行。
2、本发明的技术方案能够有效解决现有的光伏储能监控系统对于储能设备负载情况计算不够精准，无法对储能设备负载情况进行实时动态调度控制，储能设备的电能资源利用率不高，既影响了储能效率，也损害了储能设备的寿命，增加光伏储能电站运行成本的问题。
附图说明
图1为本发明所述的一种运用于光伏项目的储能在线监控系统结构图；
图2为本发明所述的控制器结构图；
图3为本发明所述的一种运用于光伏项目的储能在线监控方法流程图。
具体实施方式
本申请实施例通过提供一种运用于光伏项目的储能在线监控系统，解决了现有的光伏储能监控系统对于储能设备负载情况计算不够精准，无法对储能设备负载情况进行实时动态调度控制，储能设备的电能资源利用率不高，既影响了储能效率，也损害了储能设备的寿命，增加光伏储能电站运行成本的问题。
本申请实施例中的技术方案为解决上述问题，总体思路如下：
在光伏发电站的多个光伏发电设备和储能设备的监测点上安装监测设备，通过检测设备实时收集光伏发电设备和储能设备的环境信息和设备信息，考虑光伏发电设备开路状态下的太阳能辐照量和环境温度，基于光伏发电设备的发电量得到储能设备的充电量和放电量；通过对光伏发电站的实时监控，实现对每个储能设备负载情况的实时动态调度控制，使得储能设备的负载得到有效改善，提高储能设备的电能资源利用率，提高储能设备的使用寿命，使每个储能设备达到最佳调度，并且还提高了光伏发电设备的使用安全性；实现了光伏发电站的自动化监控，克服了对人工的依赖，使光伏法电站的监控准确性、储能效率以及运维效率得到明显提高，使得光伏储能电站实现经济运行。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
参照附图1和2，本发明的一种运用于光伏项目的储能在线监控系统包括以下部分：
光伏发电设备10、储能设备20、监测设备30、控制器40、逆变器50和可视化大屏60。
光伏发电设备10，用于将光能转化为电能，由多个太阳能电池经过串联后进行封装保护，形成大面积的太阳能电池组件，即光伏发电设备10，光伏发电设备10与监测设备30相连；
储能设备20，用于存储电能，由多个储能结构单元串联和/或并联组成，储能结构单元由多个电池单元串联和/或并联的方式连接；储能设备20与监测设备30相连；
监测设备30，用于实时获取每个光伏发电设备10和储能设备20的环境信息和设备信息，并反馈至控制器40；监测设备30安装在光伏发电设备10和储能设备20的监测点上，监测设备30还与控制器40相连；
控制器40，用于控制光伏发电设备10向储能设备20充电和储能设备20放电，控制器40通过实时监控储能设备20的负载情况，进而避免储能设备20受损；控制器40包括光伏储能监测模块401、环境参数采集模块402、数据集成模块403、计算模块404、等效分析模块405、模型构建模块406、负载判定模块407和显示模块408；光伏储能监测模块401用于采集光伏发电设备10和储能设备20的设备信息；环境参数采集模块402用于采集光伏发电设备10和储能设备20的环境信息；数据集成模块403用于汇集所有的监测数据；计算模块404用于计算光伏发电设备10的设备温度，进一步得到光伏发电设备10的发电量，基于光伏发电设备10的发电量得到储能设备20的充电量和放电量；等效分析模块405用于采用等效电路的形式表达光伏储能系统并进行分析；模型构建模块406用于构建储能设备负载均衡调整模型，模型采用神经网络算法，根据光伏发电设备10和储能设备20的环境信息和设备信息以及计算得到的光伏发电设备10的发电量、储能设备20的充电量和放电量，对建立的神经网络模型进行训练，从而得到在不同储能设备20充电和发电情况下储能设备20的负载情况，储能设备负载均衡调整模型包括第一神经网络模型、第二神经网络模型、第三神经网络模型；负载判定模块407用于根据预设的储能设备20负载标准对储能设备负载均衡调整模型输出的储能设备20的负载情况进行判断，若输出的储能设备20负载情况符合负载标准，则向显示模块408发送正常信号；否则向显示模块408发送负载异常信号；显示模块408用于将需要显示的信息展示到可视化大屏60上；控制器40与监测设备30、逆变器50和可视化大屏60相连；
逆变器50，用于将直流电能转变成定频定压或调频调压交流电，逆变器50与控制器40相连；
可视化大屏60，用于展示光伏项目储能实时状态。
参照附图3，本发明的一种运用于光伏项目的储能在线监控方法包括以下步骤：
S1. 获取光伏发电设备和储能设备的环境信息和设备信息，计算光伏发电设备的发电量以及储能设备的充电量和放电量。
在光伏发电站的多个光伏发电设备10和储能设备20的监测点上安装监测设备30，监测设备30实时获取每个光伏发电设备10和储能设备20的环境信息和设备信息，并反馈至控制器40；控制器40通过对储能设备20实时监控，由光伏储能监测模块401和环境参数采集模块402获取监测数据，通过对监测数据进行分析，实现对每个储能设备20的实时动态调控，有效提高光伏储能的资源利用率，降低储能设备20的负载波动压力，提高储能设备20的使用寿命以及光伏发电站的使用安全性。
环境信息主要考虑环境温度和太阳辐照量；光伏发电设备10的设备信息包括设备温度、输出电压和电流、开路电压、短路电流、填充因子、最大功率电压和电流、太阳能电池面积等；储能设备20的设备信息包括蓄电池的类型、运行温度、最大充电电流、最大放电电流、容量、放电深度、最大功率电压、放电效率等。
数据集成模块403汇集所有的监测数据，基于环境信息，计算模块404以光伏发电设备10开路状态下的太阳能辐照量和环境温度为参照，计算光伏发电设备10的设备温度；进一步得到光伏发电设备10的发电量，基于光伏发电设备10的发电量得到储能设备20的充电量和放电量。具体计算公式为：
Figure SMS_1
，
其中，
Figure SMS_2
表示光伏发电设备10的设备温度，/>
Figure SMS_3
表示当前环境温度，/>
Figure SMS_4
表示光伏发电设备10在开路状态下的设备温度，/>
Figure SMS_5
表示光伏发电设备10在开路状态时的环境温度，
Figure SMS_6
表示当前太阳辐照量，/>
Figure SMS_7
表示光伏发电设备10在开路状态时的太阳辐照量。
Figure SMS_8
，
Figure SMS_9
，
其中，
Figure SMS_10
表示光伏发电设备10的发电量，/>
Figure SMS_11
表示温度影响因子，/>
Figure SMS_12
用于表征不同设备温度对应的对光伏发电设备10进行发电产生影响的温度影响因子，可由实验获得，
Figure SMS_13
表示太阳能电池容量，/>
Figure SMS_14
表示光伏发电设备10的修正系数，/>
Figure SMS_15
表示光伏发电设备10的工作效率。则储能设备20的充电量和放电量为：
Figure SMS_16
，
Figure SMS_17
，
其中，
Figure SMS_18
表示储能设备20的充电量，/>
Figure SMS_19
表示储能设备20的放电量，/>
Figure SMS_20
表示控制器40的效率，/>
Figure SMS_21
表示负载功率，/>
Figure SMS_22
表示逆变器50效率。
S2. 基于等效电路图进行分析，构建储能设备负载均衡调整模型，得到储能设备在充电、放电时的负载情况，判断储能设备是否处于负载均衡状态。
由于光伏发电设备10的输出与环境温度和太阳辐照量呈非线性关系，因此需要采用等效电路的表达形式进行分析。基于太阳能电池板前后两面的电极和接触，以及材料本身具有一定的电阻率，因此电流经过时，必然引起损耗，在等效电路中可以将其等效为一个串联电阻。等效分析模块405基于等效电路图，寻找光伏发电设备10输出电流与输出电压之间的关系，具体公式为：
Figure SMS_23
，
其中，
Figure SMS_25
表示光伏发电设备10的输出电流，/>
Figure SMS_29
表示光生电流，/>
Figure SMS_32
表示反向饱和电流，
Figure SMS_26
表示单位电荷，/>
Figure SMS_28
表示输出电压，/>
Figure SMS_30
表示损耗电阻，/>
Figure SMS_33
表示二极管指数，/>
Figure SMS_24
表示波尔曼兹常数，/>
Figure SMS_27
表示绝对温度，/>
Figure SMS_31
表示漏电阻。
基于上述光伏发电设备10输出电流与输出电压之间的关系可以看出，需要将输出电压控制在某个特定值，使得光伏阵列工作于最大功率点，即通过最大功率点追踪（MPPT）调节控制器40的效率
Figure SMS_34
。
模型构建模块406构建储能设备负载均衡调整模型，模型采用神经网络算法，根据光伏发电设备10和储能设备20的环境信息和设备信息以及计算得到的光伏发电设备10的发电量、储能设备20的充电量和放电量，对建立的神经网络模型进行训练，从而得到在不同储能设备20充电和发电情况下储能设备20的负载情况。
作为一个具体实施例，储能设备负载均衡调整神经网络模型包括第一神经网络模型、第二神经网络模型和第三神经网络模型，利用神经网络模型基于光伏发电设备10和储能设备20的环境信息和设备信息以及计算得到的储能设备20的充电量和放电量，得到在不同储能设备20充电和发电情况下储能设备20的负载情况，具体实现过程包括：
将光伏发电设备10的环境信息和设备信息进行主成分分析得到信息特征值，并将光伏发电设备10的环境信息和设备信息作为第一神经网络模型的第一输入，光伏发电设备10信息特征值作为第一神经网络模型的第一输出；将第一输入和第一输出进行深度学习得到光伏发电设备10运行状态分析模型，光伏发电设备10运行状态分析模型的模型函数为：
Figure SMS_35
，/>
Figure SMS_36
为第一输出，/>
Figure SMS_37
表示第一神经网络模型标识符，/>
Figure SMS_38
为第一输入。
将储能设备20的环境信息和设备信息进行主成分分析得到信息特征值，并将储能设备20的环境信息和设备信息作为第二神经网络模型的第二输入，储能设备20信息特征值作为第二神经网络模型的第二输出；将第二输入和第二输出进行深度学习得到储能设备运行状态分析模型，储能设备运行状态分析模型的模型函数为：
Figure SMS_39
，/>
Figure SMS_40
为第二输出，/>
Figure SMS_41
表示第二神经网络模型标识符，/>
Figure SMS_42
为第二输入。
将第一输出、第二输出、储能设备20的充电量和放电量作为第三神经网络模型的第三输入，储能设备20的负载情况作为第三神经网络模型的第三输出；将第三输入和第三输出进行深度学习得到储能设备负载均衡调整模型，储能设备负载均衡调整模型的模型函数为：
Figure SMS_43
，/>
Figure SMS_44
为第三输出，/>
Figure SMS_45
表示第三神经网络模型标识符，/>
Figure SMS_46
为第三输入。
负载判定模块407根据预设的储能设备20负载标准对储能设备负载均衡调整模型输出的储能设备20的负载情况进行判断，若输出的储能设备20负载情况符合负载标准，则向显示模块408发送正常信号；否则向显示模块408发送负载异常信号，通过最大功率点追踪调节控制器40的效率
Figure SMS_47
，直至达到负载均衡状态。
综上，便完成了本发明所述的一种运用于光伏项目的储能在线监控系统。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种运用于光伏项目的储能在线监控系统，其特征在于，包括以下部分：
光伏发电设备、储能设备、监测设备、控制器、逆变器和可视化大屏；
所述控制器，用于控制所述光伏发电设备向所述储能设备充电和所述储能设备放电，所述控制器通过实时监控所述储能设备的负载情况，进而避免所述储能设备受损；
所述控制器包括光伏储能监测模块、环境参数采集模块、数据集成模块、计算模块、等效分析模块、模型构建模块、负载判定模块和显示模块；
所述光伏储能监测模块用于采集所述光伏发电设备和所述储能设备的设备信息；
所述环境参数采集模块用于采集所述光伏发电设备和所述储能设备的环境信息；
所述数据集成模块用于汇集所有的监测数据；
所述计算模块用于计算所述光伏发电设备的设备温度，进一步得到所述光伏发电设备的发电量，基于所述光伏发电设备的发电量得到所述储能设备的充电量和放电量；
所述等效分析模块用于采用等效电路的形式表达光伏储能系统并进行分析；
所述模型构建模块用于构建储能设备负载均衡调整模型，模型采用神经网络算法，根据所述光伏发电设备和所述储能设备的环境信息和设备信息以及计算得到的所述光伏发电设备的发电量、所述储能设备的充电量和放电量，对建立的神经网络模型进行训练，从而得到在不同所述储能设备充电和发电情况下所述储能设备的负载情况，储能设备负载均衡调整模型包括第一神经网络模型、第二神经网络模型、第三神经网络模型；
所述负载判定模块用于根据预设的所述储能设备负载标准对储能设备负载均衡调整模型输出的所述储能设备的负载情况进行判断，若输出的所述储能设备负载情况符合负载标准，则向所述显示模块发送正常信号；否则向所述显示模块发送负载异常信号；
所述显示模块用于将需要显示的信息展示到所述可视化大屏上；所述控制器与所述监测设备、所述逆变器和所述可视化大屏相连。
2.一种运用于光伏项目的储能在线监控方法，其特征在于，包括以下步骤：
步骤S1. 获取光伏发电设备和储能设备的环境信息和设备信息，计算光伏发电设备的发电量以及储能设备的充电量和放电量；
步骤S2. 基于等效电路图进行分析，构建储能设备负载均衡调整模型，得到储能设备在充电、放电时的负载情况，判断储能设备是否处于负载均衡状态。
3.如权利要求2所述的一种运用于光伏项目的储能在线监控方法，其特征在于，所述步骤S1具体包括：
基于环境信息，计算模块以光伏发电设备开路状态下的太阳能辐照量和环境温度为参照，计算光伏发电设备的设备温度；进一步得到光伏发电设备的发电量，基于光伏发电设备的发电量得到储能设备的充电量和放电量。
4.如权利要求2所述的一种运用于光伏项目的储能在线监控方法，其特征在于，所述步骤S2具体包括：
基于等效电路图，寻找光伏发电设备输出电流与输出电压之间的关系。
5.如权利要求2所述的一种运用于光伏项目的储能在线监控方法，其特征在于，所述步骤S2具体包括：
构建储能设备负载均衡调整模型，模型采用神经网络算法，根据光伏发电设备和储能设备的环境信息和设备信息以及计算得到的光伏发电设备的发电量、储能设备的充电量和放电量，对建立的神经网络模型进行训练，从而得到在不同储能设备充电和发电情况下储能设备的负载情况。
6.如权利要求2所述的一种运用于光伏项目的储能在线监控方法，其特征在于，所述步骤S2具体包括：
储能设备负载均衡调整神经网络模型包括第一神经网络模型、第二神经网络模型和第三神经网络模型。
7.如权利要求2所述的一种运用于光伏项目的储能在线监控方法，其特征在于，所述步骤S2具体包括：
将光伏发电设备的环境信息和设备信息进行主成分分析得到信息特征值，并将光伏发电设备的环境信息和设备信息作为第一神经网络模型的第一输入，光伏发电设备信息特征值作为第一神经网络模型的第一输出；将所述第一输入和第一输出进行深度学习得到光伏发电设备运行状态分析模型。
8.如权利要求2所述的一种运用于光伏项目的储能在线监控方法，其特征在于，所述步骤S2具体包括：
将储能设备的环境信息和设备信息进行主成分分析得到信息特征值，并将储能设备的环境信息和设备信息作为第二神经网络模型的第二输入，储能设备信息特征值作为第二神经网络模型的第二输出；将所述第二输入和第二输出进行深度学习得到储能设备运行状态分析模型。
9.如权利要求2所述的一种运用于光伏项目的储能在线监控方法，其特征在于，所述步骤S2具体包括：
将第一输出、第二输出、储能设备的充电量和放电量作为第三神经网络模型的第三输入，储能设备的负载情况作为第三神经网络模型的第三输出；将所述第三输入和第三输出进行深度学习得到储能设备负载均衡调整模型。
CN202310593494.8A 2023-05-25 2023-05-25 一种运用于光伏项目的储能在线监控系统 Active CN116317173B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310593494.8A CN116317173B (zh) 2023-05-25 2023-05-25 一种运用于光伏项目的储能在线监控系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310593494.8A CN116317173B (zh) 2023-05-25 2023-05-25 一种运用于光伏项目的储能在线监控系统

Publications (2)

Publication Number Publication Date
CN116317173A true CN116317173A (zh) 2023-06-23
CN116317173B CN116317173B (zh) 2023-11-21

Family

ID=86799982

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310593494.8A Active CN116317173B (zh) 2023-05-25 2023-05-25 一种运用于光伏项目的储能在线监控系统

Country Status (1)

Country Link
CN (1) CN116317173B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104538999A (zh) * 2014-12-03 2015-04-22 广州市香港科大霍英东研究院 一种光伏发电储能系统及其能量调度方法
CN104682448A (zh) * 2015-03-12 2015-06-03 成都鼎智汇科技有限公司 一种基于功率预测的电池储能电站的运行及监控方法
US20160218511A1 (en) * 2013-10-17 2016-07-28 Zhangjiakou Wind And Solar Power Energy Demonstration A monitoring system and method for megawatt level battery energy storage power plant
CN114362154A (zh) * 2021-12-28 2022-04-15 湖南安华源电力科技有限公司 基于协调控制的带储能系统的光伏电站运维方法及系统
CN115208310A (zh) * 2022-08-10 2022-10-18 中通服建设有限公司 一种光伏发电系统的监控方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160218511A1 (en) * 2013-10-17 2016-07-28 Zhangjiakou Wind And Solar Power Energy Demonstration A monitoring system and method for megawatt level battery energy storage power plant
CN104538999A (zh) * 2014-12-03 2015-04-22 广州市香港科大霍英东研究院 一种光伏发电储能系统及其能量调度方法
CN104682448A (zh) * 2015-03-12 2015-06-03 成都鼎智汇科技有限公司 一种基于功率预测的电池储能电站的运行及监控方法
CN114362154A (zh) * 2021-12-28 2022-04-15 湖南安华源电力科技有限公司 基于协调控制的带储能系统的光伏电站运维方法及系统
CN115208310A (zh) * 2022-08-10 2022-10-18 中通服建设有限公司 一种光伏发电系统的监控方法

Also Published As

Publication number Publication date
CN116317173B (zh) 2023-11-21

Similar Documents

Publication Publication Date Title
CN202309138U (zh) 变电站直流电源系统用磷酸铁锂电池管理系统
CN102682197A (zh) 对单设备能源消耗变化趋势实时预测的监测方法及装置
KR20130067678A (ko) 마이크로그리드 시뮬레이션 장치 및 전력 관리 시스템
CN102893264A (zh) 功率点跟踪
CN104682436B (zh) 一种具有可平抑功率波动的储能系统的微电网
CN101713818B (zh) 一种卫星电源分系统工作状态自动判读系统
CN117078113B (zh) 一种基于数据分析的户外电池生产质量管理系统
CN117318111B (zh) 一种基于天气预测的光储能源动态调节方法及系统
CN115189456B (zh) 一种小微型水质水量在线监测站的太阳能供电系统
CN205333828U (zh) 一种风力发电机蓄电池在线监测系统
Arévalo et al. Smart monitoring method for photovoltaic systems and failure control based on power smoothing techniques
CN114033617B (zh) 一种控制参量自适应调整的可控风力发电方法及系统
CN114679133A (zh) 基于发电预测的光伏阵列异常判断方法、介质和设备
CN116317173B (zh) 一种运用于光伏项目的储能在线监控系统
CN102095953A (zh) 一种蓄电池充电机性能在线检测方法
CN104682449B (zh) 一种具有可平抑功率波动的储能系统的微电网的监控装置
CN106058338A (zh) 一种动力电池组的检测维护和均衡保养设备
US10224724B2 (en) Charge/discharge management device
KR20210026665A (ko) 서버
CN207424130U (zh) 一种新型能量回馈型电动汽车快速充电桩测试检测系统
CN202633940U (zh) 针对单一设备具备负荷趋势预测的能源监测装置
CN116454983B (zh) 一种风光储联合最优控制管理方法、系统及设备
CN101071956A (zh) 太阳能光伏系统中二次电池阵列的调控方法及其调控装置
CN109447350A (zh) 一种太阳能电池板输出功率响应的预测方法、系统及平台
CN117170417B (zh) 一种建筑住宅分布式光伏集热发电储能一体化控制系统

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