一種動態光伏微網能量管理方法與流程

本發明屬于智能電網領域中的可再生能源微網技術領域，涉及微網能量管理方向，具體涉及一種動態光伏微網能量管理方法。

背景技術：

隨著經濟的日益發展和人們生活水平的提高，工廠用電和居民家庭用電造成的能量消耗急劇增加。可再生能源的出現緩解了能源的急劇消耗，減少二氧化碳的排放，同時也有利于能源安全。但是使用可再生能源進行電能生產通常都是斷斷續續、不穩定的、隨機性強，依賴于天氣因素，因此使得利用可再生能源發電的規模化使用十分困難。此時能量存儲的引入可起到削峰填谷、平滑電網的作用，人們通過能量存儲系統可以存儲微電網可再生能源發出的多余的電能，以備電能短缺的時候為用戶供電，提高了微電網運行的可靠性、經濟性和安全性。

微電網系統是由分布式電源，存儲系統和負載組成的一個小型電力系統。為實現微電網動態能量管理，儲能系統的管理和儲能系統的充放電計劃尤為重要。為了獲得集成儲能系統的最大經濟效益把握正確的充放電時間及充放電量是關鍵。

因此，基于儲能系統的管理，對其進行合理的充放電，更有利于提高光伏微網運行的經濟性，同時降低二氧化碳排放量，更有利于保護環境。

技術實現要素：

根據以上現有技術的不足，本發明所要解決的技術問題是提出一種動態光伏微網能量管理方法，通過預先設置蓄電池儲能系統的充/放電計劃，并根據實時的儲能充放電修改計劃，本發明主要是對蓄電池儲能系統的管理，以及能為有效儲能系統充放電服務的光伏發電預測及負荷預測，實現微網的可持續性經濟發展。

為了解決上述技術問題，本發明采用的技術方案為：一種動態光伏微網能量管理方法，包括以下方法步驟：步驟A：預先設置儲能系統的充/放電計劃；步驟B：根據實時儲能充放電數據修改計劃。

上述方法中，所述步驟A中的預先設置儲能系統的充/放電計劃方法包括：步驟①：微電網光伏系統的發電預測及負荷消耗預測。步驟②：設置預測允許誤差函數；步驟③：制定儲能系統的充/放電預測計劃。

上述方法中，所述步驟B中的根據實時儲能充放電數據修改計劃的具體步驟包括：實時操作過程中，動態修改儲能系統的充/放電計劃，步驟a：輸入系統中累積的預測誤差，修改預測值；步驟b：修改蓄電池的充/放電計劃，更新最小可充電狀態；步驟c：制定并執行新的蓄電池儲能系統的充/放電計劃。

所述步驟①中的微電網光伏系統的發電預測方法步驟包括：步驟(1)：統計以往的天氣數據和日輻射數據，并通過天氣預報數據對日太陽輻射數據進行劃分；步驟(2)：被分類過的日輻射數據按月份進一步劃分為12類，并同時結合天氣和月份對歷史平均日發電量進行統計分類；步驟(3)：日輻射預測方法通過歷史數據準備工作就緒，標準化日輻射數據，優化時段內分為100個步長，日出時刻為步長1，日落時刻為步長100，通過計算得到光伏系統的發電功率。所述步驟①中的負荷消耗預測方法為：通過調出不同周期的日負荷消耗數據，根據平均氣溫來劃分負荷數據，獲得每組每日的負荷消耗曲線，當天每一步的負荷需求相對于總的負荷值的平均比例得到。

所述步驟②中的設置預測允許誤差函數的具體方法步驟包括：首先，每組天氣類型的負荷需求和發電量在每一時間步長的預測誤差標準差都能通過公式(4)獲得：

式中SD_E為c組在步長為s時的預測誤差的標準差；ave{E(c,s)}為c組在步長為s時的平均預測誤差；E(c,i,s)為i這一天c組步長為s是的預測誤差；每一個天氣組的負荷需求和發電預測的累積預測誤差以下公式獲得：

式中，E_C(c,s)為組c在步長為s時的累積預測誤差，通過計算所得的累積預測誤差，允許累積誤差函數如下：

式中，l(c,s)為組c在步長為s時的允許累積誤差函數；S_bat為電池的放電能力；s_max為步長的最大指數。

本發明有益效果是:本發明主要是對蓄電池儲能系統的管理，以及能為有效儲能系統充放電服務的光伏發電預測及負荷預測，具體的方法分為兩個過程：預先設置儲能系統的充/放電計劃和根據實時儲能充放電數據修改計劃。本發明是基于蓄電池儲能系統提出的一種動態的能量管理方法，同時從經濟和環保等多個角度進行考慮，實現微網的可持續性經濟發展。

附圖說明

下面對本說明書附圖所表達的內容及圖中的標記作簡要說明：

圖1是本發明的具體實施方式的光伏微電網的系統結構圖。

圖2是本發明的具體實施方式的光伏微網能量管理方法的流程示意圖。

圖3是本發明的具體實施方式的實時儲能系統充放電計劃的修改方法流程示意圖。

具體實施方式

下面對照附圖，通過對實施例的描述，本發明的具體實施方式如所涉及的各構件的形狀、構造、各部分之間的相互位置及連接關系、各部分的作用及工作原理、制造工藝及操作使用方法等，作進一步詳細的說明，以幫助本領域技術人員對本發明的發明構思、技術方案有更完整、準確和深入的理解。

如圖1所示，對典型光伏微電網進行動態能量管理，其中，光伏系統通過DC/AC逆變器ECS并入交流母線，采用最大功率跟蹤控制策略；儲能系統，通過電壓源型雙向功率變換器PCS并聯在交流母線上，主要用于微電網的功率和能量的調節；交流母線，則通過快速切換開關接入公用配電網，通過切換開關的通斷實現微電網在孤島/并網兩種模式下切換。能量管理系統EMS，通過與其他組件之間的通訊，實現微電網內各個模塊的協調與控制，是微電網優化運行控制的關鍵。如圖2所示，本發明的動態能量管理方法包含兩個過程：A.預先設置基于分層分時的儲能系統充放電計劃和B.根據實時充/放電數據修改計劃，即預先安排電池充/放電計劃再進行實時修改。

預先的時間尺度設定為24小時，這個時間長度是最長也是最實際的時間長度，在這個時間長度下光伏發電及負荷才能被準確的預測出來。預先的儲能系統充放電計劃包含三個過程：①微電網中的光伏系統發電預測及負荷消耗預測；②設置預測允許誤差函數；③制定儲能系統充放電預測計劃。

預先的儲能系統的充/放電計劃中①光伏系統發電預測步驟如下：

(1)統計以往的天氣數據、日輻射數據，并通過天氣預報數據對日太陽輻射數據進行劃分；天氣預報由中國氣象臺一天更新3次，除災害性天氣外，天氣預報的類型將天氣劃分以下幾種：晴(包含晴和多云)，陰(陰，雨轉晴)，雨(包含大雨，小雨，暴雨，雷雨，冰雹)，雪(包含雨夾雪，小雪，中雪，大雪)，霧(包含霧和霜凍)。其中晴、陰、雨、雪、霧，分別用“0”、“1”、“2”、“3”、“4”表示，而一天3次預測天氣數據的總和用于日太陽輻射數據的分類。

(2)被分類過后的日輻射數據按月份進一步劃分為12類，并同時結合天氣和月份對歷史平均日發電量進行統計分類。

(3)日輻射預測方法通過歷史數據準備工作已然就緒，標準化日輻射數據，優化時段內分為100個步長，日出時刻為步長1，日落時刻為步長100，最后通過計算得到光伏系統發電功率。

預先的儲能系統的充/放電計劃①中負荷預測方法的步驟如下：

第一步，調出不同周期的日負荷消耗數據，通過當天的平均氣溫及未來3天的平均氣溫將調出的日負荷數據分為5組。

第二步，通過每日負荷預測函數分析得出：

D_total(d)＝α(d)+β(d)+a (1)

其中，D_total(d)是在d這一天的總的負荷消耗；α(d),β(d)分別是在t這一天的天氣因素和日期因素；a,b_i,c_i是回歸系數，可通過過去的負荷及天氣數據，采用最小二乘法進行優化得到；x_i,u_i分別是天氣參數和區分日期參數；其中，x_i指的是平均濕度，平均風速及總的日照輻射時間等天氣參數；u_i指的是年份，季節，月份等日前參數。最后獲得了每組每日的負荷需求模式，當天的每一步的負荷需求相對于總的負荷值的平均比例通過分析能夠得到。

預先的儲能系統的充/放電計劃②中設置允許預測誤差函數；由于儲能系統的充/放電計劃是基于負荷需求和光伏發電預測，當凈功率需求超過預測值時電池能量可能會耗盡。預測誤差的大小依賴于季節和天氣，例如光伏系統發電預測誤差，在陰天以及多云天氣較大，這是因為日輻射在多云以及陰天下很不穩定。

設置預測允許誤差函數，允許累積預測誤差線依賴于過去的太陽輻射數據和負荷數據。首先，每組天氣類型的負荷需求和發電量在每一時間步長的預測誤差標準差都能通過以下公式獲得：

式中SD_E(c,s)為c組在步長為s時的預測誤差的標準差；ave{E(c,s)}為c組在步長為s時的平均預測誤差；E(c，d，s)為d這一天c組在步長為s時的預測誤差；n為d這一天c組的個數。而每一個天氣組的負荷需求和發電預測的累積預測誤差以下公式獲得：

式中，E_C(c,s)為組c在步長為s時的累積預測誤差。最后，通過計算所得的累積預測誤差，允許累積誤差函數如下：

式中，l(c,s)為組c在步長為s時的允許累積誤差函數；S_bat為電池的放電能力；s_max為步長的最大指數。

經過①微電網中的光伏系統發電預測及負荷消耗預測；②設置預測允許誤差函數；③制定儲能系統充放電計劃，就完成制定了預先的儲能系統充放電計劃，進入實時儲能系統充放電計劃的修改步驟。由step＝0(表示步長為0)開始，實時負荷消耗數據和光伏發電數據輸入到微電網能量管理系統，和預測值比較，判斷預測值是否需要修改；如果需要修改則修改預測值，然后繼續判斷充放電計劃是否需要修改；如果不需要預測值，則繼續判斷放電計劃是否需要修改；如果需要修改充放電計劃，則修改充放電計劃，如果不需要，則執行儲能系統的充放電計劃；繼續判斷步長step是否等于100，如果步長等于100，則從頭開始預測光伏發電數據和負荷數據；如果步長不等于100，步長加一后，返回判斷預測值是否需要修改，進入往復循環模式。

如圖3所示，實時儲能系統充放電計劃的修改方法具體為：步驟a.輸入系統中累積的預測誤差，判斷預測值是否需要修改：和閾值相比，在閾值的一定范圍內則不修改預測值，不在此閾值范圍就修改。當天的累積預測誤差被反饋到預測過程以得到一個更加精確的值，當天的預測總值通過累積預測誤差進行修改。

在步長設計時，步長為s(step簡寫s)的預測誤差系數α(s)通過以下公式獲得，因此，當s＝s_mdfy時的預測誤差系數α(s_mdfy)可表達如下

其中s_mdfy為預測值被修改的那一個步長；D_pre(s)為步長為s時的預測值；D_real(s)為步長為s時的真實值。通過求得的s＝s_mdfy時的預測誤差系數α，修改過后的預測值D_mdfyP(s_mdfy)為原預測值D_pre(s_mdfy)與預測誤差系數α的乘積，表達式如下：

D_mdfyP(s_mdfy)＝αD_pre(s_mdfy) (8)

其中，負荷需求和光伏系統發電預測同時被修改。

b.修改儲能系統的充/放電計劃，更新最小可充電狀態。計劃每3個小時修改一次或者當累積預測誤差超過允許累積預測誤差線時修改。

c.制定并執行新的蓄電池儲能系統的充/放電計劃。當累積預測誤差大于允許累積預測誤差線時，儲能系統的最小可充電狀態SOC根據允許累積預測誤差線做出相應修改。

上面結合附圖對本發明進行了示例性描述，顯然本發明具體實現并不受上述方式的限制，只要采用了本發明的方法構思和技術方案進行的各種非實質性的改進，或未經改進將本發明的構思和技術方案直接應用于其它場合的，均在本發明的保護范圍之內。本發明的保護范圍應該以權利要求書所限定的保護范圍為準。