WO2012171147A1 - 结合风力发电的纯电动汽车有序充放电协调控制系统 - Google Patents

Abstract

一种结合风力发电的纯电动汽车有序充放电协调控制系统，将每个充电站的信息传送至电网调度中心，由电网调度中心根据风功率预测、系统短期负荷预测、自动发电控制系统的信息判断当前电力系统状态，生成相应的充电控制模式，再将信息传送至充电站集中协调监控系统进行信息交互，电网调度中心通过充电站集中协调监控系统的通信网络将调峰指令发送给动力电池组，动力电池组接收命令实现调峰。本系统能协调控制风力发电、电动汽车充放电、电网稳定之间的关系。

Description

结合风力发电的纯电动汽车有序充放电协调控制系统 技术领域

本发明涉及风力发电技术领域， 尤其涉及一种结合风力发电的纯电动汽车有 序充放电协调控制系统， 它是一种纯电动汽车有序充放管理的协调控制系统。 背景技术

近年风电产业发展迅速， 并网风电场越来越多。 风力发电不仅具有很大的 随机性、 间歇性和不可控性， 而且其反调峰特性也很明显。 为确保电网安全必 须弃风， 而弃风不仅造成了能源浪费， 还会给风机带来损害， 缩短了风机寿命。 大规模风电并网与电网安全稳定之间的矛盾日益突出。

同时， 为了减少二氧化碳气体的排放， 遏制全球变暖的趋势， 纯电动汽车 的推广应用越来越受到人们的重视， 而大量的纯电动汽车无序充电会给电网的 正常运行造成影响， 不仅会产生很大的谐波电流， 降低供电系统的电能质量， 而且当纯电动汽车动力电池在正常用电期或用电高峰期充电时， 额外的充电电 流需求会加重供电系统的负担， 影响到电网的安全稳定运行, 大量纯电动汽车 的无序充电和电网正常运行的矛盾也日益突显。

目前， 还没有将风力发电和纯电动汽车充放电协调控制的策略及系统。 发明内容

本发明针对上述现有技术中存在的问题， 提供了一种结合风力发电的纯电 动汽车有序充放电协调控制系统。 目的是为了克服风力发电的随机性、 间歇性、 不可控性和反调峰特性， 以及纯电动汽车无序充电会给电网的正常运行造成影 响。 本发明不仅能克服风力发电的缺点， 而且能减少纯电动汽车无序充电对电 网正常运行造成的影响， 提高风电的利用效率， 提高电网的稳定水平。

本发明解决其技术问题所采用的技术方案是-

1 确认本 结合风力发电的纯电动汽车有序充放电协调控制系统是通过以下步骤实现 是：

将每个充电站风功率预测模块、 电力系统短期负荷预测模块、 自动发电控 制模块所采集的信息传送至电网调度中心；

由电网调度中心判断当前电力系统的状态， 生成相应的充电控制模式， 再 将信息传送至充电站集中协调监控系统进行信息交互工作； 电网调度中心通过 充电站集中协调控制系统的通信网络将调峰指令发送给各个动力电池即动力电 池组； 动力电池组接收命令并被监测、 记录， 同时通过通信网络将信息反馈给 充电站集中协调控制系统； 动力电池按照接收的命令实现有组织、 有计划的调 峰， 同时向电网进行反送剩余电量；

充电站集中协调监控系统接收并监控充电机及其连接的动力电池组、 逆变 器， 以及站内配电设备、 烟感装置和电池组充放电计量模块等所釆集的信息； 同时充电站集中协调监控系统将远程接收的信息发送给电网调度中心进行信息 交互工作， 并接受电网调度中心的指令。

所述的风功率预测模块包括三种预测方法： 物理方法、 统计方法、 学习方 法； 所述的物理方法是准确估算出风电机组轮毂高度处的气象信息； 首先利用 数值天气预报 (NWP)系统的预测结果得到风速、 风向、 气压、 气温等天气数据， 然后根据风机周围的物理信息得到风力发电机组轮毂高度的风速和风向等信 息， 最后利用风机的功率曲线计算得出风机的实际输出功率；

所述的统计方法是在系统的输入， 即 NWP、 历史统计数据、 实测数据和风电 功率之间建立一个映射关系， 通常为线性关系； 线性关系可以用函数的形式表 示出来， 包括回归分析法、 指数平滑法、 时间序列法、 卡尔曼滤波法和灰色预 测法等， 都是基于线性模型的； 3、 根据权利要求 1所述结合风力发电的纯电动 汽车有序充放电协调控制系统， 其特征是：

所述的学习方法是用人工智能的方法提取输入和输出间的关系， 这种方式 所建模型为非线性模型， 包括神经网络法、 小波分析法、 支持向量机法、 粒子 群优化算法等。

所述的电力系统短期负荷预测模块是利用昨日及以前的历史负荷数据， 完 成今日的短期负荷预测； 在按常规的负荷预测模式， 一般仅考虑负荷相关因素 如气象因素等的影响下， 参考历史负荷数据样本， 采用多种短期负荷预测算法， 如： 神经网络算法、 线性外推算法、 指数平滑算法等， 分别完成该日全天 96 点 负荷值的预测。

所述的自动发电控制模块是指水电厂计算机监控系统或火电厂 DCS根据调 度中心 AGC软件计算结果输出的命令， 自动调节机组的出力使电网的频率和联络 线净交换功率维持在计划值的闭环调节过程；

所述的充电站集中协调监控系统内安装有中央计算机系统， 用来采集和处 理来自于每个动力电池的必要信息； 在同一充电站同时给动力电池充电时采用 集中协调充电法， 通过计算机的智能判断， 协调好每个动力电池开始充电时刻、 电流大小、 充电时间， 达到总电流需求量不超载的目的， 保证充电负荷曲线是 平坦的曲线。

所述的电池充放电计量模块是对动力电池的充放电量进行计量； 动力电池在 风电大发和电网负荷低谷时进行充电； 动力电池在电网负荷高峰时向电网释放 剩余电量， 通过电池充放电计量模块计算出用户实际的购电费用。

所述的风功率预测模块， 还可以采用以下预测方法：

(1) 短期风电功率预测算法：

分析风电发展特点以及风电场出力特性， 研究适合的短期风电功率预测 算法， 并通过计算机仿真， 分析各种方法的优缺点和适用范围， 以及多种模 型和方法综合使用的效果； 提出适合的模型或模型组合; 以统计方法、 物理 方法为基础， 通过集合预报预测出适合风电场各种工况的短期风电功率预测 算法；

(2) 超短期风电功率预测算法：

根据风电场出力特点， 研究 0-4小时超短期预测风电功率预测算法， 经 过计算仿真， 选取最为有效的算法， 实现功率预测的动态修正； 通过风电场 各种实时数据， 通过算例分析， 选用最适合的超短期风电功率预测算法。 所述的电网调度中心是通过以下通信网络结构实现的： 电网调度中心通过 以太网将对各个充电站的功率需求指令， 包括给电池进行充电和需要电池向电 网反送电的指令， 发送给充电站集中协调监控系统； 充电站集中协调监控系统 接受到该指令后进行计算， 将目标功率分解为对各个电池的实际控制量，.通过 CAN通信总线将任务下发下去；

充电站集中协调监控系统通过 CAN通信总线采集电池组充放电计量模块、 充 电机、 动力电池组、 配电设备和烟感装置的信息， 并将站内信息进行打包， 通 过以太网发送给电网调度中心。

本发明的有益效果是： 实现和协调了风力发电、 电动汽车充放电、 电网稳 定三者之间的优势互补关系。 提高了风电的接纳能力， 最大限度减少了纯电动 汽车无序充电造成的谐波污染和对电网的不利影响， 通过削峰填谷降低电网峰 谷差， 提高了电网的稳定水平。 本发明可以克服风力发电的随机性、 间歇性、 不可控性和反调峰特性， 以及纯电动汽车无序充电会给电网的正常运行造成影 响。 不仅能克服风力发电的缺点， 而且能减少纯电动汽车无序充电对电网正常 运行造成的影响， 提高风电的利用效率， 提高电网的稳定水平。

附图说明 下面结合附图和实施例对本发明进一步说明。

图 1是本发明的系统结构图。

图 2是本发明的通信网络结构图。

具体实施方式

本发明是结合风力发电的纯电动汽车有序充放电协调控制系统， 它是利用动 力电池在负荷低谷风电大发时充电从电网获得能量， 在负荷尖峰时向电网反送 电。 同时， 在每个动力电池充电站集中进行谐波治理， 提高电能质量。 本发明 是将每个充电站的信息传送至电网调度指挥中心， 由电网调度指挥中心根据风 功率预测、 负荷预测和电网状态监测， 判断当前电力系统的状态， 生成相应的 充电控制模式， 采取对电网、 风电和动力电池均有利的控制策略。 在风电功率 较小、 电网用电负荷较大时， 动力电池将电池剩余的电量向电网进行反送电； 在风电功率较大、 电网用电负荷低谷时， 电网对动力电池进行充电。 给电池充 电的时间和情况， 由于负荷的波动和风电的不确定性， 每天的充放电时间并不 固定， 而是由程序计算出来的。

在动力电池充电站内安装有中央计算机系统， 用来采集和处理来自于每个 动力电池的必要信息， 如电池容量、 荷电状态（ S0C )、 额定电流、 额定电压和 预期的充电时间等。 为减小由于充电引起的输电线路过载的情况， 在同一充电 站同时给动力电池充电时采用集中协调充电法， 通过计算机的智能判断， 协调 好每个动力电池开始充电时刻、 电流大小、 充电时间， 达到总电流需求量不超 载的目的， 尽量保证充电负荷曲线是平坦的曲线。

如图 1所示， 图 1是本发明的系统结构图。 本发明是结合风力发电的纯电动汽 车有序充放电协调控制系统， 是通过以下三个步骤实现是：

第一步骤： 将每个充电站风功率预测模块、 电力系统短期负荷预测模块、 自动发电控制模块所采集的信息传送至电网调度中心；

第二步骤： 由电网调度中心判断当前电力系统的状态， 生成相应的充电控 制模式， 再将信息传送至充电站集中协调监控系统进行信息交互工作； 电网调 度中心通过充电站集中协调控制系统的通信网络将调峰指令发送给各个动力电 池即动力电池组； 动力电池组接收命令并被监测、 记录， 同时通过通信网络将 信息反馈给充电站集中协调控制系统； 动力电池按照接收的命令实现有组织、 有计划的调峰， 同时向电网进行反送剩余电量；

第三步骤： 充电站集中协调监控系统接收并监控充电机及其连接的动力电 池组、 逆变器， 以及站内配电设备、 烟感装置和电池组充放电计量模块等所采 集的信息； 同时充电站集中协调监控系统将远程接收的信息发送给电网调度中 心进行信息交互工作， 并接受电网调度中心的指令。

1、 本发明所述的风功率预测模块：

在此模块中， 按照预测模型的不同， 分别采用三种预测方法： 物理方法、 统计方法、 学习方法。

物理方法的目标是尽可能准确估算出风电机组轮毂高度处的气象信息。 首 先利用数值天气预报 ( WP)系统的预测结果得到风速、 风向、 气压、 气温等天气 数据， 然后根据风机周围的物理信息得到风力发电机组轮毂高度的风速、 风向 等信息， 最后利用风机的功率曲线计算得出风机的实际输出功率。

统计方法的实质是在系统的输入 (NWP、 历史统计数据、 实测数据)和风电功 率之间建立一个映射关系， 通常为线性关系。 这个关系可以用函数的形式表示 出来， 例如回归分析法、 指数平滑法、 时间序列法、 卡尔曼滤波法、 灰色预测 法 等， 都是基于线性模型的。

学习方法的实质是用人工智能的方法提取输入和输出间的关系， 而不是以 解析法的形式来描述， 这种方式所建模型通常为非线性模型， 比如神经网络法、 小波分析法、 支持向量机法等， 都不能用某个数学表达式直接表示。

源于不同预测方法的预测结果有不同的规律， 采用不同预测方法对发电计 划的制定也会产生不同的影响。

(1) 短期风电功率预测算法研究

分析风电发展特点以及风电场出力特性， 研究适合的短期风电功率预测 算法， 并通过计算机仿真， 分析各种方法的优缺点和适用范围， 以及多种模 型和方法综合使用的效果； 提出了适合的模型或模型组合。

算法研究将以统计方法、 物理方法作为基础， 以集合预报作为主要研究 方向， 研究出适合风电场各种工况的短期风电功率预测算法。

(2) 超短期风电功率预测算法研究

根据风电场出力特点， 研究 0-4小时超短期预测风电功率预测算法， 经 过计算仿真， 选取最为有效的算法， 实现功率预测的动态修正， 为调度部门 实时调度保障电网安全可靠运行提供有效依据。

算法研究将充分挖掘风电场各种实时数据， 通过算例分析， 选用最适合 的超短期风电功率预测算法。

2、 电力系统短期负荷预测模块：

利用昨日及以前的历史负荷数据， 完成今日的短期负荷预测。 在按常规的 负荷预测模式， 一般仅考虑负荷相关因素如气象因素等的影响下， 参考历史负 荷数据样本， 采用多种短期负荷预测算法， 如： 神经网络算法、 线性外推算法、 指数平滑算法等， 分别完成该日全天 96 点负荷值的预测。

在本系统中需要综合考虑昨日及以前的历史动力电池充电负荷数据、 常规 负荷信息、 气象信息、 电价等， 预测当日当前时刻以后未知 1-nh的负荷。 以用 于电力市场下对当日负荷计划的调整。 在一天内的天气等负荷敏感因素不发生突变的情况下， 其全日负荷的变化 模式是不会发生突变的。

3、 自动发电控制 （AGC) 模块：

自动发电控制 （AGC) 是电网调度自动化系统一项重要和基础的功能， 是指 水电厂计算机监控系统或火电厂 DCS根据调度中心 AGC软件计算结果输出的命 令， 自动调节机组的出力使电网的频率和联络线净交换功率维持在计划值的闭 环调节过程， AGC的投入可以减轻调度人员的劳动强度、 保证电网频率质量， 提 高电网运行的现代化水平。

在本系统中还需要考虑动力电池向电网进行反送剩余电量的情况， 充电站具 有双向通信功能， 能够远程接收指令和发送功率信息， 调峰指令由电网调度通 过充电站集中协调控制系统的通信网络发送给各个动力电池， 动力电池的响应 被监测、 记录并通过通信网络反馈给充电站集中协调控制系统。 因此， 动力电 池可以按照电网要求实现有组织、 有计划的调峰。

4、 充电站集中协调监控系统：

该模块主要监视控制对象是充电机及其连接的动力电池组，以及站内配电设 备、 烟感装置和电池组充放电计量模块等。 同时该模块还要与上级集中监控系 统即电网调度中心进行信息交互。

在充电站集中协调监控系统内安装有中央计算机系统， 用来采集和处理来 自于每个动力电池的必要信息， 如电池容量、 荷电状态（ S0C )、 额定电流、 额 定电压和预期的充电时间等。

具体实施时，电网调度中心将对各个充电站的功率需求指令发送给各个充电 站集中协调监控系统； 充电站集中协调监控系统接受到该指令后进行计算， 将 目标功率分解为对各个电池的实际控制量， 并协调好每个动力电池开始充电时 刻、 电流大小、 充电时间， 达到总电流需求量不超载的目的， 由充电机为电池 进行充电。

5、 电池充放电计量模块：

该模块主要的功能是对动力电池的充放电量进行计量。 动力电池在风电大发 和电网负荷低谷时进行充电，此时的电价便宜；动力电池在电网负荷高峰时（晚 上 9点左右） 向电网释放剩余电量， 此时的电价高。 通过该计量模块可以算出用 户实际的购电费用。

本发明系统的通信网络结构如下：

如图 2所示， 图 2是本发明的通信网络结构图。 本系统的通信网络包含充电 站内监控系统通信网和充电站与调度中心通信网络。

充电站内监控系统通信网采用控制器局域网络 CAN总线。 包含基于 CAN总 线的前端数据采集系统、 插有 CAN接口卡的个人计算机—— PC机、 以及其它带有 CAN控制器的硬件模块。 与传统的基于 RS— 485总钱的监控系统相比， 在通信能 力、 可靠性、 实时性、 灵活性、 易用性、 传输距离等方面有着明显的优势。

充电站与调度中心通信网络采用以太网， 采用统一的网络通讯协议 一一 TCP/IP协议， 避免了不同协议间无法通讯的困扰， 它可以直接和局域网的 计算机互连而不要额外的硬件设备， 它方便数据在局域网的共享。 它采用统一 的网线， 减少了布线成本和难度， g免多种总线并存。

电网调度中心通过以太网将对各个充电站的功率需求指令， 包括给电池进 行充电和需要电池向电网反送电的指令， 发送给充电站集中协调监控系统； 充 电站集中协调监控系统接受到该指令后进行计算， 将目标功率分解为对各个电 池的实际控制量， 通过 CAN通信总线将任务下发下去。

充电站集中协调监控系统通过 CAN通信总线采集电池组充放电计量模块、 充 电机、 动力电池组、 配电设备和烟感装置的信息， 并将站内信息进行打包， 通 过以太网发送给电网调度中心。

Claims

权利要求

1、 结合风力发电的纯电动汽车有序充放电协调控制系统， 其特征是通过以 下步骤实现是：

将每个充电站风功率预测模块、 电力系统短期负荷预测模块、 自动发电控 制模块所采集的信息传送至电网调度中心；

由电网调度中心判断当前电力系统的状态， 生成相应的充电控制模式， 再 将信息传送至充电站集中协调监控系统进行信息交互工作； 电网调度中心通过 充电站集中协调控制系统的通信网络将调峰指令发送给各个动力电池即动力电 池组； 动力电池组接收命令并被监测、 记录， 同时通过通信网络将信息反馈给 充电站集中协调控制系统； 动力电池按照接收的命令实现有组织、 有计划的调 峰， 同时向电网进行反送剩余电量；

充电站集中协调监控系统接收并监控充电机及其连接的动力电池组、 逆变 器， 以及站内配电设备、 烟感装置和电池组充放电计量模块等所采集的信息； 同时充电站集中协调监控系统将远程接收的信息发送给电网调度中心进行信息 交互工作， 并接受电网调度中心的指令。

2、 根据权利要求 1所述结合风力发电的纯电动汽车有序充放电协调控制系 统， 其特征是： 所述的风功率预测模块包括三种预测方法： 物理方法、 统计方 法、 学习方法；

所述的物理方法是准确估算出风电机组轮毂高度处的气象信息； 首先利用 数值天气预报 (NWP)系统的预测结果得到风速、 向、 气压、 气温等天气数据， 然后根据风机周围的物理信息得到风力发电机组轮毂高度的风速和风向等信 息， 最后利用风机的功率曲线计算得出风机的实际输出功率；

所述的统计方法是在系统的输入， 即 P、 历史统计数据、 实测数据和风电 功率之间建立一个映射关系， 通常为线性关系； 线性关系可以用函数的形式表 示出来， 包括回归分析法、 指数平滑法、 时间序列法、 卡尔曼滤波法和灰色预 测法等， 都是基于线性模型的；

所述的学习方法是用人工智能的方法提取输入和输出间的关系， 这种方式 所建模型为非线性模型， 包括神经网络法、 小波分析法、 支持向量机法、 粒子 群优化算法等。

3、 根据权利要求 1所述结合风力发电的纯电动汽车有序充放电协调控制系 统， 其特征是： 所述的电力系统短期负荷预测模块是利用昨日及以前的历史负 荷数据， 完成今日的短期负荷预测； 在按常规的负荷预测模式， 一般仅考虑负 荷相关因素如气象因素等的影响下， 参考历史负荷数据样本， 采用多种短期负 荷预测算法， 如： 神经网络算法、 线性外推算法、 指数平滑算法等， 分别完成 该日全天 96 点负荷值的预测。

4、 根据权利要求 1所述结合风力发电的纯电动汽车有序充放电协调控制系 统， 其特征是： 所述的自动发电控制模块是指水电厂计算机监控系统或火电厂 DCS根据调度中心 AGC软件计算结果输出的命令， 自动调节机组的出力使电网的 频率和联络线净交换功率维持在计划值的闭环调节过程。

5、 根据权利要求 1所述结合风力发电的纯电动汽车有序充放电协调控制系 统， 其特征是： 所述的充电站集中协调监控系统内安装有中央计算机系统， 用 来采集和处理来自于每个动力电池的必要信息； 在同一充电站同时给动力电池 充电时采用集中协调充电法， 通过计算机的智能判断， 协调好每个动力电池开 始充电时刻、 电流大小、 充电时间， 达到总电流需求量不超载的目的， 保证充 电负荷曲线是平坦的曲线。

6、 根据权利要求 1所述结合风力发电的纯电动汽车有序充放电协调控制系 统， 其特征是： 所述的电池充放电计量模块是对动力电池的充放电量进行计量; 动力电池在风电大发和电网负荷低谷时进行充电； 动力电池在电网负荷高峰时 向电网释放剩余电量， 通过电池充放电计量模块计算出用户实际的购电费用。

7、 根据权利要求 1所述结合风力发电的纯电动汽车有序充放电协调控制系 统， 其特征是： 所述的风功率预测模块， 还可以采用以下预测方法：

(1) 短期风电功率预测算法：

分析风电发展特点以及风电场出力特性， 研究适合的短期风电功率预测 算法， 并通过计算机仿真， 分析各种方法的优缺点和适用范围， 以及多种模 型和方法综合使用的效果； 提出适合的模型或模型组合； 以统计方法、 物理 方法为基础， 通过集合预报预测出适合风电场各种工况的短期风电功率预测 算法；

(2) 超短期风电功率预测算法：

根据风电场出力特点， 研究 0-4小时超短期预测风电功率预测算法， 经 过计算仿真， 选取最为有效的算法， 实现功率预测的动态修正； 通过风电场 各种实时数据， 通过算例分析， 选用最适合的超短期风电功率预测算法。

8、 根据权利要求 1所述结合风力发电的纯电动汽车有序充放电协调控制系 统， 其特征： 所述的电网调度中心是通过以下通信网络结构实现的： 电网调度 中心通过以太网将对各个充电站的功率需求指令， 包括给电池进行充电和需要 电池向电网反送电的指令， 发送给充电站集中协调监控系统； 充电站集中协调 监控系统接受到该指令后进行计算， 将目标功率分解为对各个电池的实际控制 量， 通过 CAN通信总线将任务下发下去；

充电站集中协调监控系统通过 CAN通信总线采集电池组充放电计量模块、 充 电机、 动力电池组、 配电设备和烟感装置的信息， 并将站内信息进行打包， 通 过以太网发送给电网调度中心。