CN116667535A - 一种新能源模块化的微电网协调控制系统 - Google Patents
一种新能源模块化的微电网协调控制系统 Download PDFInfo
- Publication number
- CN116667535A CN116667535A CN202310742996.2A CN202310742996A CN116667535A CN 116667535 A CN116667535 A CN 116667535A CN 202310742996 A CN202310742996 A CN 202310742996A CN 116667535 A CN116667535 A CN 116667535A
- Authority
- CN
- China
- Prior art keywords
- data
- load
- grid
- power
- control
- 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
- 238000004458 analytical method Methods 0.000 claims abstract description 42
- 238000004891 communication Methods 0.000 claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 33
- 230000006870 function Effects 0.000 claims abstract description 27
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000003993 interaction Effects 0.000 claims abstract description 12
- 238000004140 cleaning Methods 0.000 claims abstract description 6
- 230000010354 integration Effects 0.000 claims abstract description 4
- 230000035515 penetration Effects 0.000 claims abstract description 4
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims description 67
- 229910052739 hydrogen Inorganic materials 0.000 claims description 67
- 239000001257 hydrogen Substances 0.000 claims description 67
- 238000004146 energy storage Methods 0.000 claims description 40
- 238000010248 power generation Methods 0.000 claims description 27
- 238000003860 storage Methods 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 17
- 238000010586 diagram Methods 0.000 claims description 11
- 238000011217 control strategy Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000005457 optimization Methods 0.000 claims description 8
- 238000005265 energy consumption Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000007726 management method Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000013459 approach Methods 0.000 claims description 3
- 239000000446 fuel Substances 0.000 claims description 3
- 238000013439 planning Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims 1
- 238000009826 distribution Methods 0.000 abstract description 5
- 230000007547 defect Effects 0.000 abstract description 3
- 230000008859 change Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000011664 signaling Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- H02J13/00006—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
-
- 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
- H02J15/00—Systems for storing electric energy
- H02J15/008—Systems for storing electric energy using hydrogen as energy vector
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
- H04L69/08—Protocols for interworking; Protocol conversion
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Computer Security & Cryptography (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及微电网控制，具体涉及一种新能源模块化的微电网协调控制系统，资源层，负责设备资源信息的感知和汇集，通过通讯层向平台层上传设备实时运行数据，并接收应用层下发的协调控制指令；平台层，为系统应用功能集成提供平台支撑能力，实现资源层数据的接入、清洗、处理，同时实现应用层与业务系统的贯通；应用层，包括综合监视、分析决策、能源调控三大类功能，为系统提供综合监视、分析预测、分析评估、电网互动、协调控制服务；本发明提供的技术方案能够有效克服现有技术所存在的不能对大规模分布式电源与配电网之间进行合理协调控制的缺陷。
Description
技术领域
本发明涉及微电网控制，具体涉及一种新能源模块化的微电网协调控制系统。
背景技术
由于分布式发电存在量大分散、波动性强、脱网风险高等问题，其并网运行和协调控制给电力系统带来了巨大的挑战。
微电网作为分布式电源的有效管理方案，已经成为现代电网的一个重要发展方向，微电网的出现具有以下几个重要意义：
1)保障电网安全稳定运行，分布式电源大量接入配电网后，如果不加以引导和控制，会造成配电网供电可靠性降低等问题，有必要通过源网荷储一体化及多能互补技术手段，保障电网的安全稳定运行；
2)提高清洁能源的消纳能力，为了提高清洁能源的利用率，有必要采用相应的协同控制手段，提高微电网中发用电在时间、空间上的匹配程度，提高微电网对清洁能源的消纳能力；
3)提高电网资产利用率，由于季节性变化、周期性变化、节假日等时间因素的影响，负荷波动很大，造成电网资产利用率偏低，有必要通过“分布式电源-微电网-柔性负荷-储能”的协同控制，提高谷时用电，降低峰时用电，从而降低峰谷差，以提高电网资产利用率；
4)提高电网运行经济性，高比例新能源和高比例电子器件的接入，使得电网的电压水平和无功潮流受到了很大影响，有必要通过包含分布式电源的微电网运行方式的调整和无功优化技术，降低网损，提高电网运行的经济性。
然而，现有的微电网协调控制系统不能对大规模分布式电源与配电网之间进行较好地协调控制，导致电力系统的清洁能源消纳能力较差，无法对大规模资源进行合理配置。
发明内容
(一)解决的技术问题
针对现有技术所存在的上述缺点，本发明提供了一种新能源模块化的微电网协调控制系统，能够有效克服现有技术所存在的不能对大规模分布式电源与配电网之间进行合理协调控制的缺陷。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：
一种新能源模块化的微电网协调控制系统，包括资源层、通讯层、平台层和应用层；
资源层，负责设备资源信息的感知和汇集，通过通讯层向平台层上传设备实时运行数据，并接收应用层下发的协调控制指令；
通讯层，应用信息通信技术，保障设备实时运行数据及协调控制指令安全、及时、稳定的传输，通过智能网关将各个子系统所使用的非标准通信协议统一转换为标准通信协议，将资源层接入系统；
平台层，为系统应用功能集成提供平台支撑能力，实现资源层数据的接入、清洗、处理，同时实现应用层与业务系统的贯通；
应用层，包括综合监视、分析决策、能源调控三大类功能，为系统提供综合监视、分析预测、分析评估、电网互动、协调控制服务；
其中，分布式电源包括以氢能、光伏、风力形式在内的发电系统。
优选地，所述平台层包括数据清洗和数据处理，所述数据处理包括基本数据处理、数据格式标准化、数据加密和数据远程传输。
优选地，所述综合监视包括对象化建模、分布式电源监测、氢储能站监测和可控负荷监测；
对象化建模，分别对分布式电源、氢储能站、可控负荷和升压站进行建模，包括基本信息、实时数据、预测数据、日前用电计划、日内用电计划、日前预测、日内预测和实时可调节特性信息；
分布式电源监测，以图元、列表、曲线表现形式，实现对分布式电源发电情况、运行状态的精细化监测，提供出力监测图，实时反映功率、有功变化量；
氢储能站监测，实时显示氢储能系统的运行状态，包括发电功率、用电功率、单堆发电功率、电流、电压电气量，以及氢气供应系统、燃料电池电堆、水热管理系统的关键数据，通过电气主接线图、电气图元、曲线图、棒图、饼图、列表多种方式展现，提供一体化的图形操作，各种信息参数的查看和管理，便于数据信息快速查询；
可控负荷监测，展示可控负荷数据，对负荷和电量进行实时监测和能耗异常报警，对可控负荷进行监测、分类分析和评估，解决可控负荷资源的可观、可测、可调、可控问题。
优选地，所述分析决策包括分析预测和分析评估，所述分析预测包括功率预测和负荷预测；
功率预测，基于历史发电数据，结合微气象站获取的天气数据，利用相似日方法建立多种组合功率预测模型，根据不同地形地貌特点对分布式电源进行分组归类，选用匹配的预测模型和算法，生成精准可靠的功率预测结果，同时提供对功率预测结果的综合评估服务，全面分析预测误差、数据质量、精度趋势；
负荷预测，根据负荷预测的特点以及单一预测算法预测精度低的情况，采用多种算法相结合，寻求负荷与各种相关因素之间的内在联系，充分各种关联因素，对未来的负荷进行科学预测，提供1-7天的短期负荷预测和1-4小时的超短期负荷预测。
优选地，所述分析评估包括可调节能力评估、微网源荷平衡分析和氢储能站运行分析；
可调节能力评估，从可控单元执行层获取各负荷基础运行参数、网架限值数据、实时运行数据，结合功率预测、负荷预测的预测结果，充分考虑各种因素，计算得到未来资源可调节能力的上下限数值，并将计算得出的可调资源裕度数据存入实时库及历史库，为中长期负荷计划、可控负荷控制提供数据基础；
微网源荷平衡分析，包括实时源荷平衡分析和未来源荷平衡分析，实时源荷平衡分析对当前电源侧与负荷侧的实时供需平衡能力进行计算，得出实时源荷平衡率，为系统协调控制的效果评估提供数据支撑；未来源荷平衡分析对未来一段时间内的电源侧与负荷侧供需平衡能力进行分析，为中长期负荷计划的制定、大电网电量的购买、辅助报价提供数据基础；
氢储能站运行分析，根据氢储能系统的发电量、总储氢容量、当前储氢容量、储氢罐压力约束、储蓄循环约束，建立“储氢-发电”运行模型，综合分析氢储能站电量指标、能效指标、可靠性指标、可发电功率区间及时长、制氢功率区间及时长，为微电网源荷平衡及优化调度提供基础支撑。
优选地，所述能源调控包括电网互动和协调控制；
电网互动，由系统上传控制相关的实时信息，并接收调度主站下发的有功控制指令，系统根据分布式电源和氢储能站的运行工况，采用协调分配控制策略计算有功控制指令，并发送至分布式电源和氢储能系统执行；
协调控制，包括负荷控制、发电控制、氢储能控制和离并网控制。
优选地，所述负荷控制根据优化调度的各运行模式，将控制策略分解生成的调控目标发送至负荷设备所属通讯终端，由通讯终端控制负荷执行目标指令，并获取通讯终端返回的负荷运行数据，判断调控目标是否成功实现；
所述发电控制根据优化调度的各运行模式，将控制策略分解生成的调控目标发送至分布式电源所属的通讯终端，实现分布式电源的功率调节，并获取通讯终端返回的分布式电源运行数据，判断调控目标是否成功实现；
所述氢储能控制根据氢储能系统的运行工况和优化调度的各运行模式，对氢储能系统进行制氢与发电之间工作状态的切换，结合单电堆发电功率和制氢功率，按照组合模式进行差额调节；
所述离并网控制根据微电网运行模式的需要，对并网点开关进行合闸、分闸控制，合闸时应根据公共并网点监测数据进行检同期合闸或检无压合闸，将控制指令精准发送至离并网控制器。
优选地，所述能源调控过程中通过以下方式进行AI学习逻辑优化：
误差函数：误差函数是指对于给定的输入，模型计算的输出与期望输出之间的差距，通过最小化误差函数，可以使得模型的预测结果更加准确；
梯度下降算法：梯度下降算法是一种常用的优化算法，通过求解误差函数的梯度来更新模型参数，从而实现误差函数的最小化，随着模型训练的进行，模型参数会趋向于局部最优点，从而达到最佳的预测效果；
学习率：学习率是对模型参数更新步长的控制，如果学习率过大，会导致模型参数在更新时偏离正确方向；如果学习率过小，会导致模型参数花费较多时间才能接近最优解；
正则化技术：正则化技术是为了防止过拟合而设计的，通过引入正则化项，来抑制过高的模型复杂度和噪声，从而提高模型的预测效果和泛化性能。
(三)有益效果
与现有技术相比，本发明所提供的一种新能源模块化的微电网协调控制系统，构建模块化储能及可控负荷的市场化运营机制，通过多时间尺度下的协调优化控制，探索分布式电源与负荷之间的智能互动和安全可控机制，有效提升电力系统的清洁能源消纳能力、大规模资源配置能力以及灵活调节能力。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的系统示意图；
图2为本发明中应用层的处理流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
一种新能源模块化的微电网协调控制系统，如图1所示，包括资源层、通讯层、平台层和应用层；
资源层，负责设备资源信息的感知和汇集，通过通讯层向平台层上传设备实时运行数据，并接收应用层下发的协调控制指令；
通讯层，应用信息通信技术，保障设备实时运行数据及协调控制指令安全、及时、稳定的传输，通过智能网关将各个子系统所使用的非标准通信协议统一转换为标准通信协议，将资源层接入系统；
平台层，为系统应用功能集成提供平台支撑能力，实现资源层数据的接入、清洗、处理，同时实现应用层与业务系统的贯通；
应用层，包括综合监视、分析决策、能源调控三大类功能，为系统提供综合监视、分析预测、分析评估、电网互动、协调控制服务；
其中，分布式电源包括以氢能、光伏、风力形式在内的发电系统。
①平台层包括数据清洗和数据处理，数据处理包括基本数据处理、数据格式标准化、数据加密和数据远程传输。
1)基本数据处理
支持数据的有效性检查和无效数据过滤，支持双位遥信及三相遥信处理功能，可对实测值、人工输入值及计算值进行数学运算、逻辑判断、自定义函数处理等加工计算，模拟量、状态量能设置告警等级，具备屏蔽或开放信息功能；
2)数据格式标准化
由于各资源设备厂商的通信协议不同、数据编码不一致，因此，在满足数据采集及传输频率的前提下，将不同的数据全部转换为符合相关标准要求的统一格式，形成标准化格式，进行统一存储；
3)数据加密
具备数据加密和安全隔离功能，以保证通过网络远程传输的数据不会被恶意监听或破坏，保障系统的底层数据安全；
4)数据远程传输
数据采集有较好的实时性、响应性和并发性，将按照通用的通信协议提供数据接口，同时支持向监控系统、区域监控中心和上级监控中心同时发送不同要求的实时数据，此外还预留接口，根据实际需要按照标准的通信协议，能同时向其他系统发送数据。
②综合监视包括对象化建模、分布式电源监测、氢储能站监测和可控负荷监测；
对象化建模，分别对分布式电源、氢储能站、可控负荷和升压站进行建模，包括基本信息、实时数据、预测数据、日前用电计划、日内用电计划、日前预测、日内预测和实时可调节特性信息；
分布式电源监测，以图元、列表、曲线表现形式，实现对分布式电源发电情况、运行状态的精细化监测，提供出力监测图，实时反映功率、有功变化量；
氢储能站监测，实时显示氢储能系统的运行状态，包括发电功率、用电功率、单堆发电功率、电流、电压电气量，以及氢气供应系统、燃料电池电堆、水热管理系统的关键数据，通过电气主接线图、电气图元、曲线图、棒图、饼图、列表多种方式展现，提供一体化的图形操作，各种信息参数的查看和管理，便于数据信息快速查询；
可控负荷监测，展示可控负荷数据，对负荷和电量进行实时监测和能耗异常报警，对可控负荷进行监测、分类分析和评估，解决可控负荷资源的可观、可测、可调、可控问题。
③分析决策包括分析预测和分析评估，1)分析预测包括功率预测和负荷预测；
功率预测，基于历史发电数据，结合微气象站获取的天气数据，利用相似日方法建立多种组合功率预测模型，根据不同地形地貌特点对分布式电源进行分组归类，选用匹配的预测模型和算法，生成精准可靠的功率预测结果，同时提供对功率预测结果的综合评估服务，全面分析预测误差、数据质量、精度趋势；
负荷预测，根据负荷预测的特点以及单一预测算法预测精度低的情况，采用多种算法相结合，寻求负荷与各种相关因素之间的内在联系，充分各种关联因素，对未来的负荷进行科学预测，提供1-7天的短期负荷预测和1-4小时的超短期负荷预测。
2)分析评估包括可调节能力评估、微网源荷平衡分析和氢储能站运行分析；
可调节能力评估，从可控单元执行层获取各负荷基础运行参数、网架限值数据、实时运行数据，结合功率预测、负荷预测的预测结果，充分考虑各种因素，计算得到未来资源可调节能力的上下限数值，并将计算得出的可调资源裕度数据存入实时库及历史库，为中长期负荷计划、可控负荷控制提供数据基础；
微网源荷平衡分析，包括实时源荷平衡分析和未来源荷平衡分析，实时源荷平衡分析对当前电源侧与负荷侧的实时供需平衡能力进行计算，得出实时源荷平衡率，为系统协调控制的效果评估提供数据支撑；未来源荷平衡分析对未来一段时间内的电源侧与负荷侧供需平衡能力进行分析，为中长期负荷计划的制定、大电网电量的购买、辅助报价提供数据基础；
氢储能站运行分析，根据氢储能系统的发电量、总储氢容量、当前储氢容量、储氢罐压力约束、储蓄循环约束，建立“储氢-发电”运行模型，综合分析氢储能站电量指标、能效指标、可靠性指标、可发电功率区间及时长、制氢功率区间及时长，为微电网源荷平衡及优化调度提供基础支撑。
④能源调控包括电网互动和协调控制；
电网互动，由系统上传控制相关的实时信息，并接收调度主站下发的有功控制指令，系统根据分布式电源和氢储能站的运行工况，采用协调分配控制策略计算有功控制指令，并发送至分布式电源和氢储能系统执行；
协调控制，包括负荷控制、发电控制、氢储能控制和离并网控制。
1)协调控制中：
a、负荷控制根据优化调度的各运行模式，将控制策略分解生成的调控目标发送至负荷设备所属通讯终端，由通讯终端控制负荷执行目标指令，并获取通讯终端返回的负荷运行数据，判断调控目标是否成功实现；
b、发电控制根据优化调度的各运行模式，将控制策略分解生成的调控目标发送至分布式电源所属的通讯终端，实现分布式电源的功率调节，并获取通讯终端返回的分布式电源运行数据，判断调控目标是否成功实现；
c、氢储能控制根据氢储能系统的运行工况和优化调度的各运行模式，对氢储能系统进行制氢与发电之间工作状态的切换，结合单电堆发电功率和制氢功率，按照组合模式进行差额调节；
d、离并网控制根据微电网运行模式的需要，对并网点开关进行合闸、分闸控制，合闸时应根据公共并网点监测数据进行检同期合闸或检无压合闸，将控制指令精准发送至离并网控制器。
2)本申请技术方案中，能源调控过程中通过以下方式进行AI学习逻辑优化：
误差函数：误差函数是指对于给定的输入，模型计算的输出与期望输出之间的差距，通过最小化误差函数，可以使得模型的预测结果更加准确；
梯度下降算法：梯度下降算法是一种常用的优化算法，通过求解误差函数的梯度来更新模型参数，从而实现误差函数的最小化，随着模型训练的进行，模型参数会趋向于局部最优点，从而达到最佳的预测效果；
学习率：学习率是对模型参数更新步长的控制，如果学习率过大，会导致模型参数在更新时偏离正确方向；如果学习率过小，会导致模型参数花费较多时间才能接近最优解；
正则化技术：正则化技术是为了防止过拟合而设计的，通过引入正则化项，来抑制过高的模型复杂度和噪声，从而提高模型的预测效果和泛化性能。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不会使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种新能源模块化的微电网协调控制系统，其特征在于：包括资源层、通讯层、平台层和应用层；
资源层，负责设备资源信息的感知和汇集，通过通讯层向平台层上传设备实时运行数据，并接收应用层下发的协调控制指令；
通讯层，应用信息通信技术，保障设备实时运行数据及协调控制指令安全、及时、稳定的传输，通过智能网关将各个子系统所使用的非标准通信协议统一转换为标准通信协议，将资源层接入系统；
平台层，为系统应用功能集成提供平台支撑能力，实现资源层数据的接入、清洗、处理，同时实现应用层与业务系统的贯通；
应用层，包括综合监视、分析决策、能源调控三大类功能，为系统提供综合监视、分析预测、分析评估、电网互动、协调控制服务；
其中，电网互动由系统上传控制相关的实时信息，并接收调度主站下发的有功控制指令，系统根据分布式电源和氢储能站的运行工况，采用协调分配控制策略计算有功控制指令，并发送至分布式电源和氢储能系统执行；
分布式电源包括以氢能、光伏、风力形式在内的发电系统。
2.根据权利要求1所述的新能源模块化的微电网协调控制系统，其特征在于：所述平台层包括数据清洗和数据处理，所述数据处理包括基本数据处理、数据格式标准化、数据加密和数据远程传输。
3.根据权利要求1所述的新能源模块化的微电网协调控制系统，其特征在于：所述综合监视包括对象化建模、分布式电源监测、氢储能站监测和可控负荷监测；
对象化建模，分别对分布式电源、氢储能站、可控负荷和升压站进行建模，包括基本信息、实时数据、预测数据、日前用电计划、日内用电计划、日前预测、日内预测和实时可调节特性信息；
分布式电源监测，以图元、列表、曲线表现形式，实现对分布式电源发电情况、运行状态的精细化监测，提供出力监测图，实时反映功率、有功变化量；
氢储能站监测，实时显示氢储能系统的运行状态，包括发电功率、用电功率、单堆发电功率、电流、电压电气量，以及氢气供应系统、燃料电池电堆、水热管理系统的关键数据，通过电气主接线图、电气图元、曲线图、棒图、饼图、列表多种方式展现，提供一体化的图形操作，各种信息参数的查看和管理，便于数据信息快速查询；
可控负荷监测，展示可控负荷数据，对负荷和电量进行实时监测和能耗异常报警，对可控负荷进行监测、分类分析和评估，解决可控负荷资源的可观、可测、可调、可控问题。
4.根据权利要求1所述的新能源模块化的微电网协调控制系统，其特征在于：所述分析决策包括分析预测和分析评估，所述分析预测包括功率预测和负荷预测；
功率预测，基于历史发电数据，结合微气象站获取的天气数据，利用相似日方法建立多种组合功率预测模型，根据不同地形地貌特点对分布式电源进行分组归类，选用匹配的预测模型和算法，生成精准可靠的功率预测结果，同时提供对功率预测结果的综合评估服务，全面分析预测误差、数据质量、精度趋势；
负荷预测，根据负荷预测的特点以及单一预测算法预测精度低的情况，采用多种算法相结合，寻求负荷与各种相关因素之间的内在联系，充分各种关联因素，对未来的负荷进行科学预测，提供1-7天的短期负荷预测和1-4小时的超短期负荷预测。
5.根据权利要求4所述的新能源模块化的微电网协调控制系统，其特征在于：所述分析评估包括可调节能力评估、微网源荷平衡分析和氢储能站运行分析；
可调节能力评估，从可控单元执行层获取各负荷基础运行参数、网架限值数据、实时运行数据，结合功率预测、负荷预测的预测结果，充分考虑各种因素，计算得到未来资源可调节能力的上下限数值，并将计算得出的可调资源裕度数据存入实时库及历史库，为中长期负荷计划、可控负荷控制提供数据基础；
微网源荷平衡分析，包括实时源荷平衡分析和未来源荷平衡分析，实时源荷平衡分析对当前电源侧与负荷侧的实时供需平衡能力进行计算，得出实时源荷平衡率，为系统协调控制的效果评估提供数据支撑；未来源荷平衡分析对未来一段时间内的电源侧与负荷侧供需平衡能力进行分析，为中长期负荷计划的制定、大电网电量的购买、辅助报价提供数据基础；
氢储能站运行分析，根据氢储能系统的发电量、总储氢容量、当前储氢容量、储氢罐压力约束、储蓄循环约束，建立“储氢-发电”运行模型，综合分析氢储能站电量指标、能效指标、可靠性指标、可发电功率区间及时长、制氢功率区间及时长，为微电网源荷平衡及优化调度提供基础支撑。
6.根据权利要求1所述的新能源模块化的微电网协调控制系统，其特征在于：所述能源调控包括电网互动和协调控制，所述协调控制包括负荷控制、发电控制、氢储能控制和离并网控制。
7.根据权利要求6所述的新能源模块化的微电网协调控制系统，其特征在于：所述负荷控制根据优化调度的各运行模式，将控制策略分解生成的调控目标发送至负荷设备所属通讯终端，由通讯终端控制负荷执行目标指令，并获取通讯终端返回的负荷运行数据，判断调控目标是否成功实现；
所述发电控制根据优化调度的各运行模式，将控制策略分解生成的调控目标发送至分布式电源所属的通讯终端，实现分布式电源的功率调节，并获取通讯终端返回的分布式电源运行数据，判断调控目标是否成功实现；
所述氢储能控制根据氢储能系统的运行工况和优化调度的各运行模式，对氢储能系统进行制氢与发电之间工作状态的切换，结合单电堆发电功率和制氢功率，按照组合模式进行差额调节；
所述离并网控制根据微电网运行模式的需要，对并网点开关进行合闸、分闸控制，合闸时应根据公共并网点监测数据进行检同期合闸或检无压合闸，将控制指令精准发送至离并网控制器。
8.根据权利要求6或7所述的新能源模块化的微电网协调控制系统，其特征在于：所述能源调控过程中通过以下方式进行AI学习逻辑优化：
误差函数：误差函数是指对于给定的输入，模型计算的输出与期望输出之间的差距，通过最小化误差函数，可以使得模型的预测结果更加准确；
梯度下降算法：梯度下降算法是一种常用的优化算法，通过求解误差函数的梯度来更新模型参数，从而实现误差函数的最小化，随着模型训练的进行，模型参数会趋向于局部最优点，从而达到最佳的预测效果；
学习率：学习率是对模型参数更新步长的控制，如果学习率过大，会导致模型参数在更新时偏离正确方向；如果学习率过小，会导致模型参数花费较多时间才能接近最优解；
正则化技术：正则化技术是为了防止过拟合而设计的，通过引入正则化项，来抑制过高的模型复杂度和噪声，从而提高模型的预测效果和泛化性能。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310742996.2A CN116667535A (zh) | 2023-06-21 | 2023-06-21 | 一种新能源模块化的微电网协调控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310742996.2A CN116667535A (zh) | 2023-06-21 | 2023-06-21 | 一种新能源模块化的微电网协调控制系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116667535A true CN116667535A (zh) | 2023-08-29 |
Family
ID=87711750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310742996.2A Pending CN116667535A (zh) | 2023-06-21 | 2023-06-21 | 一种新能源模块化的微电网协调控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116667535A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117728395A (zh) * | 2023-12-06 | 2024-03-19 | 国网山东省电力公司枣庄供电公司 | 一种微电网组网互联与灵活切换策略系统及方法 |
| CN117875675A (zh) * | 2024-03-11 | 2024-04-12 | 国网安徽省电力有限公司经济技术研究院 | 基于电网需求的多类型储能系统协同规划方法 |
-
2023
- 2023-06-21 CN CN202310742996.2A patent/CN116667535A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117728395A (zh) * | 2023-12-06 | 2024-03-19 | 国网山东省电力公司枣庄供电公司 | 一种微电网组网互联与灵活切换策略系统及方法 |
| CN117875675A (zh) * | 2024-03-11 | 2024-04-12 | 国网安徽省电力有限公司经济技术研究院 | 基于电网需求的多类型储能系统协同规划方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104616121B (zh) | 一种区域能量综合协调管控系统 | |
| CN116667535A (zh) | 一种新能源模块化的微电网协调控制系统 | |
| CN111062651A (zh) | 基于边缘计算和大数据分析的安全用电管理系统及方法 | |
| CN113077101A (zh) | 面向能源互联网调配管理的数字化系统及方法 | |
| CN101692575B (zh) | 一种大电网实时潮流计算数据的处理方法 | |
| CN103984316A (zh) | 能源管理设备和系统 | |
| CN110535845A (zh) | 一种基于物联网的水电站群远程数据服务方法、系统、终端及存储介质 | |
| CN106950902A (zh) | 一种电力综合自动化监控系统 | |
| CN106682808A (zh) | 在线滚动优化调度模型 | |
| CN110783925A (zh) | 一种两级部署的电网调控模型中心控制系统及方法 | |
| CN110543696B (zh) | 一种未建模小机组参与电力市场出清和安全校核的方法 | |
| CN101937490A (zh) | 一种规划态电网网损分析计算方法 | |
| CN104283222A (zh) | 一种地区电网无功电压控制系统 | |
| US11551323B2 (en) | Ensuring safe servicing in a low-voltage network of the electric power distribution system | |
| CN116937569A (zh) | 光伏发电智能储能方法、装置及电子设备 | |
| CN115733191A (zh) | 一种源网荷储系统互动协调优化方法、系统及存储介质 | |
| CN116505656A (zh) | 基于5g物联网技术的风-光-储多能互补智慧用电系统 | |
| CN111476397A (zh) | 应用于中长期电量安全校核的母线负荷预测方法及系统 | |
| CN113837466A (zh) | 一种基于多气象源的本地化智能发电功率预测系统 | |
| CN112950001A (zh) | 基于云边端闭环架构的智慧能量管控系统及方法 | |
| CN116632916A (zh) | 一种用于微网功率分配优化控制方法 | |
| Leopold et al. | Simulation-based methodology for optimizing energy community controllers | |
| CN115689532A (zh) | 一种电力系统故障分析方法及其装置 | |
| CN104319779A (zh) | 一种地区电网无功电压控制方法 | |
| CN116633022A (zh) | 一种基于氢储能的微电网协调控制系统 |
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 |