CN116826695A - 一种光储直柔直流微网的辅助控制方法、系统及存储介质 - Google Patents
一种光储直柔直流微网的辅助控制方法、系统及存储介质 Download PDFInfo
- Publication number
- CN116826695A CN116826695A CN202310804698.1A CN202310804698A CN116826695A CN 116826695 A CN116826695 A CN 116826695A CN 202310804698 A CN202310804698 A CN 202310804698A CN 116826695 A CN116826695 A CN 116826695A
- Authority
- CN
- China
- Prior art keywords
- power
- load
- data
- grid
- information
- 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 41
- 238000003860 storage Methods 0.000 title claims abstract description 38
- 230000003287 optical effect Effects 0.000 title claims abstract description 26
- 238000010248 power generation Methods 0.000 claims abstract description 102
- 238000005265 energy consumption Methods 0.000 claims abstract description 94
- 230000005611 electricity Effects 0.000 claims description 46
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 claims description 24
- 239000013078 crystal Substances 0.000 claims description 24
- 229910052710 silicon Inorganic materials 0.000 claims description 24
- 239000010703 silicon Substances 0.000 claims description 24
- 238000013084 building-integrated photovoltaic technology Methods 0.000 claims description 23
- 238000006243 chemical reaction Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 19
- 230000005855 radiation Effects 0.000 claims description 15
- 230000001276 controlling effect Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004146 energy storage Methods 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- 230000000712 assembly Effects 0.000 description 4
- 238000000429 assembly Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 239000000428 dust Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- -1 cell number Substances 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Landscapes
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及光伏技术领域,尤其是指一种光储直柔直流微网的辅助控制方法、系统及存储介质。本发明通过目标预测日的天气预报信息和目标光储直柔直流微网所在建筑中的光伏发电组件信息,进行光伏发电功率预测,获得功率预测数据;确定目标光储直柔直流微网所在建筑中的用电负载信息,通过不可调负载信息获取必须能耗数据,根据所述可调负载信息获取可调负载的多级可调能耗数据,通过必须能耗数据和多级可调能耗数据根据光伏发电灵活调节负载等级,通过功率预测数据、必须能耗数据和多级可调能耗数据对目标光储直柔直流微网进行用电控制;本发明通过对发电功率的预测和对负载的细化分类,达到灵活控制直流微网用电、降低对电网影响的技术效果。
Description
技术领域
本发明涉及光伏技术领域,尤其是指一种光储直柔直流微网的辅助控制方法、系统、设备及计算机存储介质。
背景技术
近年来,随着智能电网的发展,由于直流微网无需对电压的频率和相位进行控制,可控性优于交流微网,因而直流微网在智能电网中的占比逐渐增多。但是光能此种可再生能源具有不稳定性和随机性,微网中的设备用电也存在峰谷值,具有一定的波动性。
因此,光储直柔直流微网与大电网进行交互会对大电网造成一定的冲击,影响电网的安全性和稳定性,例如当下直流微网控制采用单一的电能统一调度的方法,大面积符合的瞬时接入、并网或者脱网等瞬时变化过程中由于负荷变化太大而引起直流母线电压的瞬态上升和下降。因此直流微网的现有控制技术中存在控制单一、对电网冲击大的技术问题。
发明内容
为此,本发明所要解决的技术问题在于克服现有技术中控制单一、对电网冲击大的的问题。
为解决上述技术问题,本发明提供了一种光储直柔直流微网的辅助控制方法,包括:
从天气预报管理系统获取目标预测日的天气预报信息;
采集目标光储直柔直流微网所在建筑中的光伏发电组件信息;
根据所述光伏发电组件信息和所述天气预报信息预测所述目标预测日的光伏发电功率,得到功率预测数据;
确定所述目标光储直柔直流微网所在建筑中的用电负载信息,并根据负荷属性对所述用电负载信息进行分类,得到可调负载信息和不可调负载信息;
根据所述不可调负载信息获取必须能耗数据,根据所述可调负载信息获取可调负载的多级可调能耗数据;
通过所述功率预测数据、所述必须能耗数据和所述多级可调能耗数据对所述目标光储直柔直流微网进行用电控制。
优选地,所述根据所述光伏发电组件信息和所述天气预报信息预测所述目标预测日的光伏发电功率,得到功率预测数据包括:
根据所述气预报信息计算太阳辐射量;
根据所述光伏发电组件信息提取屋顶晶硅组件信息和BIPV幕墙薄膜组件信息,并根据所述屋顶晶硅组件信息和所述BIPV幕墙薄膜组件信息计算屋顶晶硅组件和BIPV幕墙薄膜组件的组件转换率;
根据所述太阳辐射量和屋顶晶硅组件转换率预测屋顶晶硅组件功率;
根据所述太阳辐射量和BIPV幕墙薄膜组件转换率预测BIPV幕墙薄膜组件功率;
将所述屋顶晶硅组件功率和所述BIPV幕墙薄膜组件功率进行加和,得到所述功率预测数据。
优选地,所述得到所述功率预测数据后还包括:
获取所述屋顶晶硅组件和BIPV幕墙薄膜组件的设备信息;
根据所述设备信息进行功率影响性分析;
根据功率影响分析结果对所述功率预测数据进行校正。
优选地,所述根据所述可调负载信息获取可调负载的多级可调能耗数据包括:
根据所述可调负载信息获取可调负载的最大用电负荷数据和最小用电负荷数据,得到可调负载的用电负荷区间;
对所述用电负荷区间进行等距离划分,得到多个用电负荷子区间;
对各个用电负荷子区间进行多等级的用电级别标识,得到所述多级可调能耗数据。
优选地,所述通过所述功率预测数据、所述必须能耗数据和所述多级可调能耗数据对所述目标光储直柔直流微网进行用电控制包括:
将所述多级可调能耗数据和所述必须能耗数据进行加和计算,得到多级综合用电负荷数据;
当所述功率预测数据不低于所述多级综合用电负荷数据中的最低等级用电负荷数据时,将所述功率预测数据在所述多级综合用电负荷数据中进行遍历比对,获得对应级别的匹配用电负荷数据;
获取级别调度阈值,根据级别调度阈值对所述匹配用电负荷数据进行用电负荷级别低调;
以低调后的用电负荷级别对应的综合用电负荷数据作为实际用电负荷数据对所述目标光储直柔直流微网进行用电控制。
优选地,所述以低调后的用电负荷级别对应的综合用电负荷数据作为实际用电负荷数据对所述目标光储直柔直流微网进行用电控制包括:
计算所述实际用电负荷数据与所述匹配用电负荷数据的负荷差值;
根据所述负荷差值将负荷差值对应的多余电能通过所述目标光储直柔直流微网所在建筑物内的储能电池进行存储,以便应对紧急情况;
根据所述实际用电负荷数据对所述目标光储直柔直流微网所在建筑物内的用电负载进行用电控制。
优选地,当所述功率预测数据低于所述多级综合用电负荷数据中的最低等级用电负荷数据时:
对所述功率预测数据和所述最低等级用电负荷数据进行功率差值计算;
根据功率差值计算结果向外电网发送负荷需求信息,以保证所述目标光储直柔直流微网所在建筑物的最低用电需求。
本发明还提供了一种光储直柔直流微网的辅助控制系统,包括:
天气信息获取模块,用于从天气预报管理系统获取目标预测日的天气预报信息;
组件信息采集模块,用于采集目标光储直柔直流微网所在建筑中的光伏发电组件信息;
功率数据预测模块,用于根据所述光伏发电组件信息和所述天气预报信息预测所述目标预测日的光伏发电功率,得到功率预测数据;
负载信息获取模块,用于确定所述目标光储直柔直流微网所在建筑中的用电负载信息,并根据负荷属性对所述用电负载信息进行分类,得到可调负载信息和不可调负载信息;
能耗数据获取模块,用于根据所述不可调负载信息获取必须能耗数据,根据所述可调负载信息获取可调负载的多级可调能耗数据;
用电控制模块,用于通过所述功率预测数据、所述必须能耗数据和所述多级可调能耗数据对所述目标光储直柔直流微网进行用电控制。
本发明还提供了一种光储直柔直流微网的辅助控制设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现上述一种光储直柔直流微网的辅助控制方法步骤。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述一种光储直柔直流微网的辅助控制方法的步骤。
本发明的上述技术方案相比现有技术具有以下优点:
本发明所述的光储直柔直流微网的辅助控制方法,通过连接天气预报管理系统,获得目标预测日的天气预报信息,为计算太阳辐射量提供数据支持。采集目标光储直柔直流微网所在建筑中的光伏发电组件信息,为计算光伏发电组件的太阳能转换率提供数据支持;根据所述光伏发电组件信息和所述目标天气预报信息进行所述目标预测日的光伏发电功率预测,获得功率预测数据,进而预判光伏发电的波动,降低光伏发电不确定性对电网带来的影响;确定所述目标光储直柔直流微网所在建筑中的用电负载信息,并根据负荷属性对所述用电负载信息进行分类,获得可调负载信息和不可调负载信息,对用电进行分类,进而灵活控制直流微网用电;通过不可调负载信息获取必须能耗数据;根据所述可调负载信息获取可调负载的多级可调能耗数据,通过必须能耗数据和多级可调能耗数据根据光伏发电灵活调节负载等级,提升电网用电的灵活性;通过所述功率预测数据、所述必须能耗数据和所述多级可调能耗数据对所述目标光储直柔直流微网进行用电控制,通过对发电功率的预测和对负载的细化分类,达到灵活控制直流微网用电、降低对电网影响的技术效果。
附图说明
为了使本发明的内容更容易被清楚的理解,下面根据本发明的具体实施例并结合附图,对本发明作进一步详细的说明,其中:
图1为本发明所提供的一种光储直柔直流微网的辅助控制方法的实现流程图;
图2为本发明实施例提供的一种光储直柔直流微网的辅助控制系统的结构框图。
具体实施方式
本发明的核心是提供一种光储直柔直流微网的辅助控制方法、系统、设备及计算机存储介质,灵活控制直流微网用电、降低了对电网的影响。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做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。
请参考图1,图1为本发明所提供的一种光储直柔直流微网的辅助控制方法的实现流程图;具体操作步骤如下:
S101:从天气预报管理系统获取目标预测日的天气预报信息;
具体而言,天气预报管理系统是指对光储直柔直流微网所在的区域进行天气预报的系统。目标预测日是指对光伏发电设备进行发电功率预测的当天,预测时长为24小时。天气预报信息是指目标预测日当天的直流微网的地表总辐射度、地表散射辐照度、地表水平直接辐射度、环境温度、相对湿度、平均风速、气压等。
天气预报管理系统与控制系统采用无线和有线两种方式进行连接传输信息,有线采用专用电缆连接,无线采用卫星技术与5G通信技术连接。当控制系统对直流微网进行用电控制时,对天气预报管理系统发起数据请求,获取目标预测日的天气预报信息,通过无线连接方式向天气预报管理系统发送连接请求,若无线连接方式请求失败,则使用有线连接方式进行连接请求。连接成功后,天气预报管理系统采集自连接成功后24小时内的天气预报信息,根据预定标准化格式将天气信息数据反馈给控制系统。天气因素是影响光伏发电,造成光伏发电系统造成不确定性的主要因素之一,如雾霾、雷雨、暴雨、冰雹、多云、高温等天气都会对发电造成影响,以温度为例,光伏发电组件的理想工作温度为25℃,气温每升高1℃,输出功率就会降低约0.35%。因而,天气预报信息为预测光伏发电功率,为灵活控制用电提供数据支持。
S102:采集目标光储直柔直流微网所在建筑中的光伏发电组件信息;
具体而言,光伏发电组件是指将太阳能转化成直流电的发电系统,也叫太阳能电池板。光伏发电组件信息是指光伏发电组件的机械参数,包含太阳能电池片材料、电池片数、组件尺寸、安装年份、实时温度,连接器等。
首先,建立数据库,确定目标控制微网区域,调取区域内的光伏发电组件信息;然后,对发电组件按照电池片材料、电池片数、组件尺寸进行分类,将同类发电组件进行归类;最后,按照标准输出格式将统计到的发电组件数据通过以太网、WIFI、专用线缆等方式传输给控制系统,实现对光伏发电组件信息的采集。标准输出格式包含不同组件材料、电池片数、组件尺寸、组件温度等,为计算目标区域内光伏发电组件的太阳能转化率提供数据支持。
S103:根据所述光伏发电组件信息和所述天气预报信息预测所述目标预测日的光伏发电功率,得到功率预测数据;
具体而言,功率预测数据是指采用天气预报信息和光伏发电组件信息预测未来24小时内的光伏发电系统输出功率值。首先,根据当地的历史天气情况、历史光伏发电数据建立功率预测模型;其中,利用聚类分组法对历史光伏发电数据进行分类,利用随机森林算法对历史天气信息进行建模。然后,通过对历史发电数据进行分类计算每类发电组件对太阳能的转换率以及功率预测模型中的转换系数,通过对历史天气信息建模获得功率预测模型中的天气系数。最后,根据天气预报信息中的数据和天气系数通过辐射量计算公式获得目标预测日的太阳辐射量,根据组件信息和转换系数图片通过转换率公式获得目标区域内发电组件目标预测日的转换率,通过太阳辐射量和组件对太阳能的转换率可以得出功率预测数据。通过对发电功率进行预测,预测光伏发电的波动,进而针对性指定用电方案,降低微网对大电网的影响。
S104:确定所述目标光储直柔直流微网所在建筑中的用电负载信息,并根据负荷属性对所述用电负载信息进行分类,得到可调负载信息和不可调负载信息;
具体而言,在光伏发电组件信息中,包含所连接的负载信息,可以通过目标光伏组件信息的连机器确定需要控制的负载信息。首先,通过采样系统采集本地负载信息,如频率、电压、电流能信息,通过有线系统或无线系统传递给控制系统,控制系统根据目标微网的稳定原则和经济原则,将目标微网的用电负载分为可调负载信息和不可调不在信息,可调负载信息为当负载按照最小功率运行或者短时停电对直流微网和电网不造成损失的负载,不可调负载是指低功率运行或者中断供电会造成重大损失的负载。然后,控制系统将分类结果发送给多台计算机通过网格技术利用MPICH同时并行计算,按照分类结果根据电气设备的信息对控制目标微网进行模拟运行,基于安全稳定分析和经济运行分析进行优化计算。最终,多台计算机将优化的分类结果反馈给控制系统,获得优化的可调负载信息和不可调负载信息。
S105:根据所述不可调负载信息获取必须能耗数据,根据所述可调负载信息获取可调负载的多级可调能耗数据;
具体而言,不可调负载是指低功率运行或者中断供电会造成重大损失的负载,因而,对不可调负载的供电应当不间断、满足电能质量标准,是微电网运行所必须消耗的电能,例如,线路传送损失的电能、不可断电设备等。汇集必须消耗电能的设备电压、功率、频率等保证设备正常运行的信息,确定负载的位置,从而确定传输路径的最小损耗等,基于此,计算保证不可调负载正常运行需要的功率、电能等,整合为必须能耗数据,包含供电电压、传输路径、供电频率等。为后续用电控制提供数据支持,从而确定直流微网运行的必须消耗电能。
可调负载信息为当负载按照最小功率运行或者短时停电对直流微网和电网不造成影响的负载。首先,建立数据库,统计可调负载,对目标直流微网连接的负载进行罗列、分类;然后,根据负载的电气信息以及使用位置对每个负载进行最小功率和最大功率的限定;最后,整合所有可调负载的最小功率和最大功率,形成最小用电负荷数据和最大用电负荷数据。对最小用电负荷数据和最大用电负荷数据的区间进行划分,划分为多个区间,每一个区间为一级,形成多级可调能耗数据。例如,照明系统的不同功率灯源、灯源数量、灯源位置等,计算每个灯源的最小运行功率和最大运行功率,将所有灯源的功率分级叠加定理进行叠加,生成照明系统的用电区间,按照断电、低功率运行、满功率运行对照明负载进行划分,进而根据预测发电功率进行调控,为灵活控制微网用电提供支持。
S106:通过所述功率预测数据、所述必须能耗数据和所述多级可调能耗数据对所述目标光储直柔直流微网进行用电控制。
功率预测数据预测光伏发电的组件发电,必须能耗数据和多级可调能耗数据预测耗电设备的负载耗电。匹配发电数据与耗电数据,若发电数据满足耗电数据,根据发电量对耗电设备中的可调负载设备进行级别调整,多余的电量通过储能系统进行存储,预防紧急情况,提升微网的鲁棒性,降低对电网的影响;若发电数据不满足耗电数据,则需要保证微网的最低耗电量,可以利用微网的存储电量,也可以向外电网发出请求,通过外电网进行供电。通过对光伏发电进行功率预测,对微网的负载进行细化分类并对负载进行调控,提升了用电控制的灵活性,掌握微网能量流动的情况,降低微网与大电网交互对电网的影响。
基于以上实施例,本实施例对步骤S103进行详细说明:
具体而言,控制系统对光伏发电组件信息发出采集指令,控制系统开始调取该区域内安装的光伏发电组件信息,包含组件材料、组件尺寸、组件个数等,并对所采集的数据按照组件材料根据树状分类法进行分类,反馈给控制系统,其中,组件包含屋顶晶硅组件和BIPV幕墙薄膜组件。指利用聚类分析对历史收集的光伏发电数据进行聚类分组,并结合随机森林算法对光伏发电组件进行功率预测,提高光伏发电功率的预测精度。其中,分别对晶硅组件、薄膜组件进行功率预测:
根据所述气预报信息计算太阳辐射量:
HA=Ra(aTmax+bTmin+c)
其中,HA——为太阳能总辐照量(MJ/㎡);Ra为每日地外太阳辐射(MJ/㎡/天);Tmax为每日最高温度(℃);Tmin为每日最低温度(C);a、b、c为功率预测模型中的天气系数。
根据所述光伏发电组件信息提取屋顶晶硅组件信息和BIPV幕墙薄膜组件信息,并根据所述屋顶晶硅组件信息和所述BIPV幕墙薄膜组件信息计算屋顶晶硅组件和BIPV幕墙薄膜组件的组件转换率:
其中,K1——组件转换效率;Pout——组件的最大输出功率,通过组件信息获取;Pin——组件接受的日照强度,通过组件信息和太阳辐射度获取。
根据所述太阳辐射量和屋顶晶硅组件转换率预测屋顶晶硅组件功率,根据所述太阳辐射量和BIPV幕墙薄膜组件转换率预测BIPV幕墙薄膜组件功率:
Ep=HA×S×K1×K2
其中,Ep——为光伏发电预测功率总量,HA——为太阳能总辐照量(MJ/㎡);S——为组件面积总和(㎡);K1——组件转换效率;K2——为功率预测模型中的转换系数。
将所述屋顶晶硅组件功率和所述BIPV幕墙薄膜组件功率进行加和,得到所述功率预测数据。
获取所述屋顶晶硅组件和BIPV幕墙薄膜组件的设备信息,根据所述设备信息进行功率影响性分析,根据功率影响分析结果对所述功率预测数据进行校正:
具体而言,光伏发电组件信息中分别包含屋顶晶硅组件和BIPV幕墙薄膜组件信息,组件信息被反馈给控制系统,控制系统从中抽离出组件的设备信息,包含组件安装的地理位置、发电组件的倾角、发电组件的方位、发电组件的衰减率、发电组件是否清洁等,这些信息都会对。例如,位于灰尘多的环境的要检查发电组件清洁周期,灰尘覆盖会影响发电组件吸收太阳能的能力,发电组件的倾角和方位的变化得到会不同的转化率。
以衰减率为例,光伏组件运行一段时间后,在标准测试条件下(AM1.5、组件温度25℃,辐照度1000W/㎡)的输出功率与标称功率的比值为光伏组件的衰减率。
以上为标准测试条件下的衰减率计算方式,对于实际应用环境,根据历史发电组件数据通过非线性回归方法得出环境系数,进而获得实际的衰减率,对预测功率数据进行校准。
评估对设备功率影响的因素,首先,建立标准环境下的功率因素影响模型,其次,利用非线性回归方法结合历史光伏发电数据得出环境系数,最后,将环境系数融入标准环境下的功率因素影响模型得出功率影响的因素对发电功率的影响,从而对功率预测数据进行校正,进一步提高预测功率的准确度,提升用电控制的质量,降低对大电网的影响。
基于以上实施例,本实施例对步骤S105进行详细说明:
根据所述可调负载信息获取可调负载的最大用电负荷数据和最小用电负荷数据,得到可调负载的用电负荷区间;
对所述用电负荷区间进行等距离划分,得到多个用电负荷子区间;
对各个用电负荷子区间进行多等级的用电级别标识,得到所述多级可调能耗数据。
具体而言,最大用电负荷数据是指可调负载在一段时间用电最大负荷值,最小用电负荷数据是指可调负载在一段时间用电最小负荷值。首先,建立负载数据库,从电力管理系统中调取可调负载的历史负荷数据、历史天气数据,导入负载数据库中。然后,基于数据库数据,采用线性化方法修正数据库中的数据,采用区间算法描述数据的不确定性,从而将数据区间化,并更新数据库。最后,根据所得区间进行用电级别标识,按照阿拉伯数字进行标识,1为最小用电负荷。对负载数据区间化,每一区间为一级,每一级可根据数据库对应各负载的电压、电流、频率等负载信息以及供电信息,作为多级可调能耗数据,实现用电控制调优,达到了灵活控制直流微网用电的技术效果。
基于以上实施例,本实施例对步骤S106进行详细说明:
将所述多级可调能耗数据和所述必须能耗数据进行加和计算,得到多级综合用电负荷数据;
当所述功率预测数据不低于所述多级综合用电负荷数据中的最低等级用电负荷数据时,将所述功率预测数据在所述多级综合用电负荷数据中进行遍历比对,获得对应级别的匹配用电负荷数据;
获取级别调度阈值,根据级别调度阈值对所述匹配用电负荷数据进行用电负荷级别低调;
以低调后的用电负荷级别对应的综合用电负荷数据作为实际用电负荷数据对所述目标光储直柔直流微网进行用电控制。
具体而言,目标微网中的用电负载包含可调用电负载和不可调用电负载,可调用电负载的用电负荷可以进行多级别能耗管控,根据电网情况可进行能耗调整,不可调负载为必须能耗,能耗不变,据此可以建立多级综合用电负荷数据。例如,可调用电负载被分为三个级别可调能耗,级别1为可调能耗的最小能耗,级别3为可调能耗的最大能耗,每一个级别的能耗数据分别与必须能耗数据根据叠加定理整合,得到多级综合用电负荷数据,综合能耗1为综合用电的最小能耗,综合能耗3为综合用电的最大能耗。
将功率预测数据和综合能耗1通过同一标准格式输出,传输给控制系统对功率预测数据与综合能耗1进行比较,判断目标预测日的预测光伏发电功率是否满足目标电网的最小能耗。当控制系统输出功率预测数据大于综合能耗1的数据,根据综合能耗1,计算各负载对综合能耗1的占比数,根据功率预测数据和占比数与能耗级别进行遍历比对,获得各对应级别的匹配用电负荷数据。负载的各级别有对应的调度阈值,按照能耗级别对负荷级别进行调整。例如,预测光伏发电为15KW·h,综合能耗1为10KW·h,若有一负载的能耗等级分为三级,分别是1KW·h、1.2KW·h、2KW·h,此时,预测发电功率大于综合能耗1的功率,该负载对功率的占比是10%,按照预测发电功率和占比数,则该负载可将能耗级别提升至1.5KW·h,比第二级大,比第三级小,因此,可以满足该负载调整到第二级别1.2KW·h,进而以第二级别1.2KW·h为实际用电负荷数据对该负载进行用电控制。通过光伏发电和负载用电的预测计算,对用电控制进行优化,掌握光伏电网发电的不确定性,从而灵活控制直流微网用电,降低光伏发电的波动性对电网造成的影响,进而降低对大电网的冲击。
所述以低调后的用电负荷级别对应的综合用电负荷数据作为实际用电负荷数据对所述目标光储直柔直流微网进行用电控制包括:
计算所述实际用电负荷数据与所述匹配用电负荷数据的负荷差值;
根据所述负荷差值将负荷差值对应的多余电能通过所述目标光储直柔直流微网所在建筑物内的储能电池进行存储,以便应对紧急情况;
根据所述实际用电负荷数据对所述目标光储直柔直流微网所在建筑物内的用电负载进行用电控制。
具体而言,根据多级综合用电负荷数据可以确定出负载用电的不同级别,计算对满足低级别而不满足高级别负载区间的电能,将该部分电能存储到光储直柔直流微网所系统的储能电池中,应对电网存在的紧急情况,如一级负荷断电、电网调度电能、弥补日照时间段发电日供电等。实际用电负荷数据为根据预测发电功率确定的对应可调负载级别的用电负荷数据,控制系统根据实际用电负荷数据下达控制指令,对用电负载进行用电控制。例如,有一负载的能耗等级分为三级,分别是1KW·h、1.2KW·h、2KW·h,预测功率数据可以达到1.5KW·h,此时,依据第二级别1.2KW作为实际用电负荷数据,中间差值为0.3KW·h,将该差值电能存储到储能设备中,用于应对电网与微网的紧急情况。通过预测发电功率和分类负载信息,达到对多余电量进行定量存储的技术效果,为后续利用存储电能应对紧急情况提供支持,进而降低对电网的影响。
当所述功率预测数据低于所述多级综合用电负荷数据中的最低等级用电负荷数据时:
对所述功率预测数据和所述最低等级用电负荷数据进行功率差值计算;
根据功率差值计算结果向外电网发送负荷需求信息,以保证所述目标光储直柔直流微网所在建筑物的最低用电需求。
具体而言,将功率预测数据和综合能耗1通过同一标准格式输出,传输给控制系统对功率预测数据与综合能耗1进行比较,判断目标预测日的预测光伏发电功率是否满足目标电网的最小能耗。当控制系统输出功率预测数据小于综合能耗1的数据,逐一计算功率预测数据和综合能耗1的数据的差值,将该差值通过控制系统生成标准请求格式,通过卫星通信技术将差值结果发送给外电网,该差值结果为负荷需求信息,外电网接受到请求后,根据负荷需求信息和传输路径的损耗,在保证外电网安全稳定的前提下通过专用传输路线对光储直柔直流微网进行供电,保证目标光储直柔直流微网所在的建筑物的最低用电需求。例如,预测光伏发电为6KW·h,综合能耗1为10KW·h,此时,预测发电功率小于综合能耗1的功率,光伏发电不足以满足标光储直柔直流微网所在的建筑物的最低用电需求,控制系统计算预测发电功率为6KW·h和最低用电10KW·h的差值,将差值结果发送给外电网,外电网对直流微网进行供电。通过预测发电功率和分类负载信息,达到在光伏发电低谷期保证微网正常运行的技术效果,降低光伏发电的不确定性,灵活控制直流微网用电。
请参考图2,图2为本发明实施例提供的一种光储直柔直流微网的辅助控制系统的结构框图;具体系统可以包括:
天气信息获取模块100,用于从天气预报管理系统获取目标预测日的天气预报信息;
组件信息采集模块200,用于采集目标光储直柔直流微网所在建筑中的光伏发电组件信息;
功率数据预测模块300,用于根据所述光伏发电组件信息和所述天气预报信息预测所述目标预测日的光伏发电功率,得到功率预测数据;
负载信息获取模块400,用于确定所述目标光储直柔直流微网所在建筑中的用电负载信息,并根据负荷属性对所述用电负载信息进行分类,得到可调负载信息和不可调负载信息;
能耗数据获取模块500,用于根据所述不可调负载信息获取必须能耗数据,根据所述可调负载信息获取可调负载的多级可调能耗数据;
用电控制模块600,用于通过所述功率预测数据、所述必须能耗数据和所述多级可调能耗数据对所述目标光储直柔直流微网进行用电控制。
本实施例的光储直柔直流微网的辅助控制系统用于实现前述的光储直柔直流微网的辅助控制方法,因此光储直柔直流微网的辅助控制系统中的具体实施方式可见前文光储直柔直流微网的辅助控制方法的实施例部分,例如,天气信息获取模块100,组件信息采集模块200,功率数据预测模块300,负载信息获取模块400,能耗数据获取模块500,用电控制模块600,分别用于实现上述光储直柔直流微网的辅助控制方法中步骤S101,S102,S103,S104,S105和S106,所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再赘述。
本发明具体实施例还提供了一种光储直柔直流微网的辅助控制设备,包括:存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现上述一种光储直柔直流微网的辅助控制方法的步骤。
本发明具体实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述一种光储直柔直流微网的辅助控制方法的步骤。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、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系统。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品,该指令系统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。
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。
显然,上述实施例仅仅是为清楚地说明所作的举例,并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种光储直柔直流微网的辅助控制方法,其特征在于,包括:
从天气预报管理系统获取目标预测日的天气预报信息;
采集目标光储直柔直流微网所在建筑中的光伏发电组件信息;
根据所述光伏发电组件信息和所述天气预报信息预测所述目标预测日的光伏发电功率,得到功率预测数据;
确定所述目标光储直柔直流微网所在建筑中的用电负载信息,并根据负荷属性对所述用电负载信息进行分类,得到可调负载信息和不可调负载信息;
根据所述不可调负载信息获取必须能耗数据,根据所述可调负载信息获取可调负载的多级可调能耗数据;
通过所述功率预测数据、所述必须能耗数据和所述多级可调能耗数据对所述目标光储直柔直流微网进行用电控制。
2.根据权利要求1所述的光储直柔直流微网的辅助控制方法,其特征在于,所述根据所述光伏发电组件信息和所述天气预报信息预测所述目标预测日的光伏发电功率,得到功率预测数据包括:
根据所述气预报信息计算太阳辐射量;
根据所述光伏发电组件信息提取屋顶晶硅组件信息和BIPV幕墙薄膜组件信息,并根据所述屋顶晶硅组件信息和所述BIPV幕墙薄膜组件信息计算屋顶晶硅组件和BIPV幕墙薄膜组件的组件转换率;
根据所述太阳辐射量和屋顶晶硅组件转换率预测屋顶晶硅组件功率;
根据所述太阳辐射量和BIPV幕墙薄膜组件转换率预测BIPV幕墙薄膜组件功率;
将所述屋顶晶硅组件功率和所述BIPV幕墙薄膜组件功率进行加和,得到所述功率预测数据。
3.根据权利要求2所述的光储直柔直流微网的辅助控制方法,其特征在于,所述得到所述功率预测数据后还包括:
获取所述屋顶晶硅组件和BIPV幕墙薄膜组件的设备信息;
根据所述设备信息进行功率影响性分析;
根据功率影响分析结果对所述功率预测数据进行校正。
4.根据权利要求1所述的光储直柔直流微网的辅助控制方法,其特征在于,所述根据所述可调负载信息获取可调负载的多级可调能耗数据包括:
根据所述可调负载信息获取可调负载的最大用电负荷数据和最小用电负荷数据,得到可调负载的用电负荷区间;
对所述用电负荷区间进行等距离划分,得到多个用电负荷子区间;
对各个用电负荷子区间进行多等级的用电级别标识,得到所述多级可调能耗数据。
5.根据权利要求1所述的光储直柔直流微网的辅助控制方法,其特征在于,所述通过所述功率预测数据、所述必须能耗数据和所述多级可调能耗数据对所述目标光储直柔直流微网进行用电控制包括:
将所述多级可调能耗数据和所述必须能耗数据进行加和计算,得到多级综合用电负荷数据;
当所述功率预测数据不低于所述多级综合用电负荷数据中的最低等级用电负荷数据时,将所述功率预测数据在所述多级综合用电负荷数据中进行遍历比对,获得对应级别的匹配用电负荷数据;
获取级别调度阈值,根据级别调度阈值对所述匹配用电负荷数据进行用电负荷级别低调;
以低调后的用电负荷级别对应的综合用电负荷数据作为实际用电负荷数据对所述目标光储直柔直流微网进行用电控制。
6.根据权利要求5所述的,其特征在于,所述以低调后的用电负荷级别对应的综合用电负荷数据作为实际用电负荷数据对所述目标光储直柔直流微网进行用电控制包括:
计算所述实际用电负荷数据与所述匹配用电负荷数据的负荷差值;
根据所述负荷差值将负荷差值对应的多余电能通过所述目标光储直柔直流微网所在建筑物内的储能电池进行存储,以便应对紧急情况;
根据所述实际用电负荷数据对所述目标光储直柔直流微网所在建筑物内的用电负载进行用电控制。
7.根据权利要求5所述的光储直柔直流微网的辅助控制方法,其特征在于,当所述功率预测数据低于所述多级综合用电负荷数据中的最低等级用电负荷数据时:
对所述功率预测数据和所述最低等级用电负荷数据进行功率差值计算;
根据功率差值计算结果向外电网发送负荷需求信息,以保证所述目标光储直柔直流微网所在建筑物的最低用电需求。
8.一种光储直柔直流微网的辅助控制系统,其特征在于,包括:
天气信息获取模块,用于从天气预报管理系统获取目标预测日的天气预报信息;
组件信息采集模块,用于采集目标光储直柔直流微网所在建筑中的光伏发电组件信息;
功率数据预测模块,用于根据所述光伏发电组件信息和所述天气预报信息预测所述目标预测日的光伏发电功率,得到功率预测数据;
负载信息获取模块,用于确定所述目标光储直柔直流微网所在建筑中的用电负载信息,并根据负荷属性对所述用电负载信息进行分类,得到可调负载信息和不可调负载信息;
能耗数据获取模块,用于根据所述不可调负载信息获取必须能耗数据,
根据所述可调负载信息获取可调负载的多级可调能耗数据;
用电控制模块,用于通过所述功率预测数据、所述必须能耗数据和所述多级可调能耗数据对所述目标光储直柔直流微网进行用电控制。
9.一种光储直柔直流微网的辅助控制设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至7任一项所述一种光储直柔直流微网的辅助控制方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述一种光储直柔直流微网的辅助控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310804698.1A CN116826695A (zh) | 2023-06-30 | 2023-06-30 | 一种光储直柔直流微网的辅助控制方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310804698.1A CN116826695A (zh) | 2023-06-30 | 2023-06-30 | 一种光储直柔直流微网的辅助控制方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116826695A true CN116826695A (zh) | 2023-09-29 |
Family
ID=88112398
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310804698.1A Pending CN116826695A (zh) | 2023-06-30 | 2023-06-30 | 一种光储直柔直流微网的辅助控制方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116826695A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117892982A (zh) * | 2024-03-14 | 2024-04-16 | 国家电投集团云南国际电力投资有限公司 | 光储直柔建筑的用电调度方法、装置、设备及存储介质 |
-
2023
- 2023-06-30 CN CN202310804698.1A patent/CN116826695A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117892982A (zh) * | 2024-03-14 | 2024-04-16 | 国家电投集团云南国际电力投资有限公司 | 光储直柔建筑的用电调度方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Jayachandran et al. | Design and optimization of hybrid micro-grid system | |
CN107528345B (zh) | 一种多时间尺度的网源荷储协调控制方法 | |
US9438041B2 (en) | System and method for energy distribution | |
CN106532764B (zh) | 一种就地消纳光伏发电的电动汽车充电负荷调控方法 | |
CN111242806A (zh) | 一种考虑不确定性的电-热-氢多能量系统的规划方法 | |
US20180097360A1 (en) | Systemic optimization of photovoltaic apparatus | |
Rout et al. | Design and performance evaluation of proposed 2 kW solar PV rooftop on grid system in Odisha using PVsyst | |
EP2973932A1 (en) | System and method for energy distribution | |
CN112583017B (zh) | 考虑储能运行约束的混合微电网能量分配方法及系统 | |
Long et al. | Configuration optimization and analysis of a large scale PV/wind system | |
US20220376499A1 (en) | System and method for load and source forecasting for increasing electrical grid component longevity | |
CN112671046B (zh) | 一种风光火储外送容量协调优化配置方法和系统 | |
CN110601254A (zh) | 一种考虑动态载流特性的风电场储能优化配置方法及系统 | |
CN115333161A (zh) | 一种绿色水厂供电系统的容量优化配置方法 | |
CN109713734B (zh) | 一种光伏功率调节方法、装置、设备及介质 | |
US20130093250A1 (en) | System and method for operating a power conversion system in a curtailed mode | |
Jayavarma et al. | Optimal placement of solar pv in distribution system using particle swarm optimization | |
Slama et al. | New algorithm for energy dispatch scheduling of grid-connected solar photovoltaic system with battery storage system | |
Shavolkin et al. | Variant of Implementation of a Grid-Tied Solar-Wind System with a Storage Battery for Self-Consumption of Local Object | |
CN116826695A (zh) | 一种光储直柔直流微网的辅助控制方法、系统及存储介质 | |
Sathishkumar et al. | Adaptive power management strategy-based optimization and estimation of a renewable energy storage system in stand-alone microgrid with machine learning and data monitoring | |
CN116207760A (zh) | 源网荷储容量配置方法 | |
Kim et al. | On impact of randomly distributed PV systems on distribution networks | |
Ma et al. | Multi-Point Layout Planning of Multi-Energy Power Supplies Based on Time-series Production Simulation | |
Abdulmula et al. | Power Consumption Modeling based on Real-Time Data Traffic for Balancing Power Supply and Energy Demand to Develop Green Telecommunication Tower: A Case Study. |
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 |