离网并网混合光伏发电控制系统的制作方法

文档序号:7395326阅读:422来源:国知局
离网并网混合光伏发电控制系统的制作方法
【专利摘要】本实用新型涉及一种离网并网混合光伏发电控制系统。该控制系统由光伏阵列,并网逆变器、蓄电池组、双向逆变器、负载、功率表、公共电网、需求响应控制系统和开关组构成。所述光伏阵列通过并网逆变器接入交流侧,蓄电池组通过双向逆变器接入交流侧;并网逆变器通过、双向逆变器相连、公共电网与负载之间通过开关组(S1-S4)相连接;整个离网并网混合发电系统通过需求响应控制系统统一管理控制。通过开关组的开闭组合,系统支持8种不同的运行模式,以实现经济效益的最优化与电网的削峰填谷,并通过限制蓄电池放电深度与充放电功率的方法延长其使用寿命。
【专利说明】离网并网混合光伏发电控制系统

【技术领域】
[0001]本实用新型涉及太阳能新能源发电和应用领域,尤其涉及一种离网并网混合光伏发电控制系统。

【背景技术】
[0002]随着能源危机的加剧,在开发利用可再生能源的同时,如何更加合理的利用能源也逐渐成为社会关注的问题。近年来电能的负荷增长速度大于电量的增长,导致电网负荷率下降,峰谷差加大。对于用电企业而言,这会使得用电成本大大提高,不利于经济效益,而对于公共电网而言,这又将影响电网运行的可靠性和稳定性。因此,将光伏发电与电网电能综合利用,并基于峰谷电价对分布式电源系统进行优化调度具有重要意义。
[0003]而现在大多数的分布式电源系统,虽然可以实现系统的并网离网运行,并具有储能装置以提高能源利用率,但仍具有以下不足:
[0004]1.现有系统没有针对峰谷电价对系统的经济运行进行优化。个别系统虽然能够支撑峰谷电价,但这些系统的调度方案较为简单,仅根据几个阈值或条件进行模式切换,这样虽能在一定程度上降低运行成本,但没有从全局最优的角度进行优化控制,故优化效果有限。
[0005]2.现有系统通常缺少对各时段光伏发电量的预测,个别系统虽涉及发电量预测,但预测算法较为简单,预测值可信度较低。缺少了各时段发电量的预测,就无法通过发电量安排本天调度方案,难以实现经济最优化。
[0006]3.现有系统未考虑蓄电池使用寿命,在运行过程中,无法控制蓄电池的放电深度,而深度放电将大大降低蓄电池的使用寿命。
实用新型内容
[0007]为了解决现有技术上存在的不足,本实用新型提供了一种根据分时电价,对光伏发电装置、蓄电池组和公网所组成的微网进行优化控制的离网并网混合光伏发电控制系统。
[0008]为达到上述目的,本实用新型采用以下技术方案:
[0009]一种离网并网混合光伏发电控制系统,它由光伏阵列,并网逆变器、蓄电池组、双向逆变器、负载、功率表、公共电网、需求响应控制器、管理计算机和开关组构成,开关组包括开关S1-S4;所述光伏阵列通过并网逆变器接入交流侧,蓄电池组通过双向逆变器接入交流侧;并网逆变器通过开关SI与电网相连,通过开关S3与双向逆变器相连,通过开关S3、S4与负载相连;双向逆变器通过开关S4与负载相连,通过开关S4、S2与电网相连;电网通过开关S2与负载相连;整个离网并网混合发电系统通过需求响应控制器与管理计算机统一管理控制;通过开关S1-S4的不同开闭组合,进行系统支持停机模式、离网蓄电池供电模式、离网光伏-蓄电池工作模式、电网单独供电模式、电网供电-充电模式、光伏供电-并网-充电模式、电网供电-光伏并网-充电模式和电网供电-光伏并网-放电模式的切换。
[0010]所述管理计算机设有历史信息数据库,根据光伏发电量与用电负荷的历史数据以及当地气象信息,预测当天的光伏发电量曲线与用电负荷曲线,并将预测结果通过以太网发送至需求响应控制器。
[0011]所述需求响应控制器由微控制器、以太网通信接口与交流接触器控制接口组成,接收来自管理计算机的功率预测值,以此为依据进行优化调度,并最终控制开关组通过各开关的开闭,进行工作模式的调整,实现调度方案。
[0012]所述各运行模式:
[0013]I)停机模式,所有开关均为断开状态;
[0014]2)离网蓄电池供电模式,S1、S2、S3断开,S4闭合,负载由蓄电池单独供电,能量由蓄电池流向负载;
[0015]3)离网光伏-蓄电池工作模式,该模式又因蓄电池的充放电状态不同分为两种情况:当开关S1、S2断开,S3、S4闭合,当光伏阵列功率不足以满足负载需求时,由蓄电池进行补充,共同为负载供电,能量由光伏阵列和蓄电池流向负载;
[0016]开关S1、S2断开,S3、S4闭合,当光伏阵列功率足以满足负载需求时,对蓄电池进行充电,能量由光伏阵列流向蓄电池和负载;
[0017]4)电网单独供电模式,开关S1、S3、S4断开,S2闭合,公共电网单独为负载供电,能量由公共电网流向负载;
[0018]5)电网供电-充电模式,S1、S3断开,S2、S4闭合,公共电网对负载供电并对蓄电池充电,能量由公共电网流向蓄电池和负载;
[0019]6)光伏供电-并网-充电模式,开关S2断开,S1、S3、S4闭合,光伏阵列功率足以满足负载需求,蓄电池充电需求之后,多余的功率输送至公共电网,能量从光伏阵列流向负载,蓄电池和公共电网;
[0020]7)电网供电-光伏并网-充电模式,S3断开,S1、S2、S4闭合,一方面光伏阵列输出功率至公共电网,另一方面公共电网对负载供电,对蓄电池充电;
[0021]8)电网供电-光伏并网-放电模式,S4断开,S1、S2、S3闭合,光伏阵列和蓄电池输出功率至公共电网,公共电网对负载供电。
[0022]一种离网并网混合光伏发电控制系统的优化控制方法,根据光伏发电量与用电负荷的历史数据以及气象信息,预测当天的光伏发电量曲线与用电负荷曲线,根据预测的光伏发电量与用电负荷,以运行成本最小为优化目标,以每小时内的蓄电池充放电功率,与电网的交换功率及系统的运行模式为被优化变量,以电能平衡条件、与电网交换功率的上下限、蓄电池充放电功率限制和荷电状态限制为约束条件,通过粒子群优化算法进行调度决策对系统运行模式进行决策调度,从而使系统运行成本最低,并通过限制蓄电池放电深度与充放电功率的方式延长其使用寿命。
[0023]光伏输出功率预测为:统计各种天气下,一个研究时段内,每天的光伏输出功率,将输出功率从O到最大值均勻划分为若干区间,处于同一区间内的功率作为一个状态;将一天划分为多个时间段,一个时间段至少I小时,统计研究时段内每个时间段光伏输出功率的转移次数,得到该时间段对应的状态转移矩阵;系统正式运行后,首先根据气象中心提供的信息,找到对应天气下的统计数据,然后通过马尔科夫链的方法,对一整天的光伏输出功率进行预测。
[0024]电负荷进行预测为:统计一个研究时段内,每天的用电负荷,将输出功率从O到最大值均匀划分为若干区间,处于同一区间内的功率作为一个状态;将一天划分为多个时间段,一个时间段至少I小时,统计研究时段内每个时间段用电负荷的转移次数,得到该时间段对应的状态转移矩阵;系统正式运行后,根据统计数据,通过马尔科夫链的方法,对一整天的用电负荷进行预测。
[0025]进行功率预测时,首先得到第一单位时间的初始状态概率质量函数,即初始分布P1,令初始时刻的实测功率对应的状态概率为1,其余状态概率为0,然后利用状态转移矩阵计算一下时刻个状态的分布概率,公式如下所示:
[0026]pm+1 = PmPm
[0027]其中pm和pm+1分别表示第m个时间段和第m+1个时间段的分布概率行向量,Pffl为第m各时间段对应的状态转移矩阵,得到第m+1时间段的分布概率pm+1后,再利用数学期望的方法得到第m+1时刻的预测值,计算公式如下所示:
[0028]Fm+1 = pm+1PEXP
[0029]其中,Pexp为数学期望矩阵,Fm+1为第m+1个时间段的功率预测值,得到Fm+1后,重复上述过程,直到得到全天所有时段的功率预测值为止,而后通过以太网将输出功率发送至需求响应控制器。
[0030]决策算法的处理流程为:
[0031](I)获取预先设定的系统各项运行参数、费用参数、电价参数以及光伏功率和用电负荷;
[0032](2)获取预先设定的粒子群算法参数,主要包括种群规模、最大迭代次数、学习因子和惯性权重系数,并设置目标函数和含随机变量的约束条件的置信水平;
[0033]其中目标函数为:
Min/
[0034]I Γ " -1
[0035]/是目标函数
[0036]β是给定的置信水平
[0037]Ci 是第 i 时段的运行成本,其中 Ci = T[Jbuy,,Pbuy,,+Ppv,,Cpvjl+1Pbt,, | Cbtjl-Jsel,,Psel,,]
[0038]T为单位时段的时间间隔
[0039]η为调度周期内的时段总数
[0040]Pbuy i为第i时段从公共电网购买的电功率
[0041]Pselji为第i时段输出至公共电网的电功率
[0042]Ppv^i为第i时段光伏阵列的发电功率
[0043]Pbt i为第i时段蓄电池的充放电功率,放电为正,充电为负
[0044]Jbuy;i为第i时段从公共电网购电的电价
[0045]JseM为第i时段出售至公共电网的电价
[0046]Cpv 为光伏阵列的单位运行费用
[0047]Cbtjl为蓄电池的维护成本;
[0048](3)初始化种群,随机生成各调度时段蓄电池的充放电功率和购买自公共电网的功率,组成一个微粒,并利用约束条件检验微粒的可行性,直至全部微粒初始化完毕;同时,随机生成各微粒的初始速度;
[0049](4)计算各微粒的适应度值,并对比各微粒的适应度值和个体极值,若前者较优,则更新当前微粒个体极值和个体最优位置;反之保持不变;
[0050](5)对比当前全部个体极值和全局极值,取最优者更新当前全局极值及其全局最优位置;
[0051 ] (6)更新各微粒的速度和位置,并通过约束条件检验微粒的可行性,直至全部微粒可行;
[0052](7)重复⑷?(8),直至满足终止条件;
[0053](8)输出最优解,即系统在各个小时的运行模式,蓄电池充放电功率,以及与电网交换的功率。
[0054]所述步骤(3)中,其中约束条件包括电功率平衡约束、与电网交换功率约束以及蓄电池约束;
[0055]电功率平衡约束公式为:
[0056]P1 + PpvAm- +--P1 -Pldji =0
'Ich
[0057]Pbuy,i+Ppv,i rI inv+Pbt, i rI dis_Psel, i_Pld, i — ?
[0058]式中,Ppvii为第i时段的光伏发电功率,Pbuyii和Pselii分别为第i时段从电网买入和售出的功率,Pbt,i为第i时段蓄电池的充放电功率,Pui为第i时段的负荷,Hinv为逆变器的效率,Hdl为蓄电池的充电效率,Hdis为蓄电池的放电效率;
[0059]与电网交换功率的公式为:
[0060]O < Pburj <P:7
[0061]o<^.,<rr
[0062]式中,iC'分别是购电和售电的最大功率值;
[0063]蓄电池约束公式为:
[0064]PZ ^ Pblj ^ PZ1
[0065]SOCmin ( SOCi ( SOCmax
[0066]Y^PbljT = O

/-1
[0067]其中,ΡΣ: ^ C分别为蓄电池第i时段的充、放电的最大功率,SOCi为蓄电池第
i时段的荷电状态,SOCfflin, SOCmax分别为蓄电池荷电状态的最低值和最高值,此处假定蓄电池的容量不变,表示蓄电池在调度周期的初始时刻和结束时刻的储能量相等。
[0068]本实用新型的有益效果
[0069]1.准确的功率预测:现有系统通常缺少光伏发电功率的预测,个别系统虽然涉及功率预测,但算法较简单,如将当天天气与历史上某天的天气比较,结果匹配,就将历史上某天各时段发电量作为当天各时段发电量的预测值。而本实用新型采用马尔科夫链的预测方法,该方法通过事物处于不同状态的初始概率以及各状态之间的转移概率,判断状态的总体变化趋势,以实现对未来状态的预测,故预测结果的可信度更高。
[0070]2.经济运行最优化:现有系统的经济运行优化方案较为简单,一般仅根据几个阈值或条件进行模式切换,而现实情况千变万化,系统中又含有光伏功率这一随机变量,故这种方法无法实现全局最优,即无法使全天的运行成本最低。而本实用新型采用粒子群优化算法,优化时充分考虑峰谷电价的影响,将全天成本最低做为目标函数,故其优化结果更加接近真正意义上的最优化。
[0071]3.电网“削峰填谷”:本实用新型的经济运行优化,是通过谷期从电网购电或向蓄电池充电,峰期向电网售电或优先利用蓄电池的电能实现的,这样便实现了电网的“削峰填谷”,有助于电网平稳、高效的运行。
[0072]4.延长蓄电池寿命:本实用新型在通过粒子群算法求解目标函数时,可加入蓄电池充放电功率与蓄电池荷电状态的限制条件,因此可限制蓄电池最大放电深度,从而延长了蓄电池使用寿命。

【专利附图】

【附图说明】
[0073]图1是本实用新型的系统结构框图;
[0074]图2是停机模式示意图;
[0075]图3是离网蓄电池供电模式示意图;
[0076]图4是离网光伏-蓄电池工作模式下,蓄电池放电情况示意图;
[0077]图5是离网光伏-蓄电池工作模式下,蓄电池充电情况示意图;
[0078]图6是电网单独供电模式示意图;
[0079]图7电网供电-充电模式示意图;
[0080]图8是光伏供电-并网-充电模式示意图;
[0081]图9是电网供电-光伏并网_充电模式不意图;
[0082]图10是电网供电-光伏并网-放电模式示意图;
[0083]图11是决策算法的处理流程图。

【具体实施方式】
[0084]为了使本实用新型的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本实用新型进行进一步的详细说明。此处所描述的具体实施例仅仅用以解释本实用新型,并不用于限定实用新型。
[0085]图1是本实用新型的系统结构框图。本实用新型构造了一种基于分时电价对微网进行优化控制的系统,它由光伏阵列,并网逆变器、蓄电池组、双向逆变器、负载、功率表、交流母线、公共电网、需求响应控制器、管理计算机和开关组构成。
[0086]需求响应控制器可控制S1-S4四个切换开关,每个切换开关都具有闭合和断开两种状态,通过改变S1-S4的状态,可使系统工作在8种不同的运行模式:
[0087]I)停机模式。所有开关均为断开状态,整个系统工作在停机模式,没有能量流动,如图2所示。
[0088]2)离网蓄电池供电模式。S1、S2、S3断开,S4闭合,负载由蓄电池单独供电,能量由蓄电池流向负载,如图3所示。
[0089]3)离网光伏-蓄电池工作模式。该模式又因蓄电池的充放电状态不同分为两种情况:当S1、S2断开,S3、S4闭合,当光伏阵列功率不足以满足负载需求时,由蓄电池进行补充,共同为负载供电,能量由光伏阵列和蓄电池流向负载,如图4所示;S1、S2断开,S3、S4闭合,当光伏阵列功率足以满足负载需求时,对蓄电池进行充电,能量由光伏阵列流向蓄电池和负载,如图5所示。
[0090]4)电网单独供电模式。S1、S3、S4断开,S2闭合,公共电网单独为负载供电,能量由公共电网流向负载,如图6所示。
[0091]5)电网供电-充电模式。S1、S3断开,S2、S4闭合,公共电网对负载供电并对蓄电池充电,能量由公共电网流向蓄电池和负载,如图7所示。
[0092]6)光伏供电-并网-充电模式。S2断开,S1、S3、S4闭合,光伏阵列功率足以满足负载需求,蓄电池充电需求之后,多余的功率输送至公共电网。能量从光伏阵列流向负载,蓄电池和公共电网,如图8所示。
[0093]7)电网供电-光伏并网-充电模式。S3断开,S1、S2、S4闭合,一方面光伏阵列输出功率至公共电网,另一方面公共电网对负载供电,对蓄电池充电,如图9所示。
[0094]8)电网供电-光伏并网-放电模式。S4断开,S1、S2、S3闭合,光伏阵列和蓄电池输出功率至公共电网,公共电网对负载供电,如图10所示。
[0095]系统运行时,管理计算机会通过马尔科夫链的方法对当天的光伏输出功率与用电负荷进行预测。因此系统正式运行前,需统计光伏输出功率与用电负荷的历史数据,并将其存储到历史信息数据库中。光伏输出功率的具体统计方法为:
[0096]I)统计各种天气下,一个研究时段内,每天的光伏输出功率。
[0097]2)将输出功率从O到最大值均勻划分为若干区间,处于同一区间内的功率作为一个状态。
[0098]3)将一天划分为多个时间段(一个时间段至少I小时),以I小时为最小时间间隔,统计研究时段内每个时间段光伏输出功率的转移次数,得到该时间段对应的状态转移矩阵。
[0099]用电负荷的统计方法与光伏输出功率的统计方法基本相同,只是在统计时不需要考虑天气因素。
[0100]系统正式运行后,管理计算机上的功率预测软件,首先获取气象中心提供的天气信息,并找到数据库中对应天气下的统计数据,然后通过马尔科夫链的方法,对一整天的光伏输出功率进行预测。
[0101]进行功率预测时首先得到第一单位时间的初始状态概率质量函数,即初始分布P1,令初始时刻的实测功率对应的状态概率为1,其余状态概率为O。然后利用状态转移矩阵计算一下时刻各状态的分布概率,公式如下所示:
[0102]pm+1 = PmPm
[0103]其中P11^p Pm+1分别表示第m个时间段和第m+1个时间段的分布概率行向量,Pm为第m各时间段对应的状态转移矩阵。得到第m+1时间段的分布概率pm+1后,再利用数学期望的方法得到第m+1时刻的预测值,计算公式如下所示:
[0104]Fm+1 = pm+1PEXP
[0105]其中Pexp为数学期望矩阵,Fm+1为第m+1个时间段的功率预测值。
[0106]得到Fm+1后,重复上述过程,直到得到全天所有时段的功率预测值为止。
[0107]而后通过以太网将输出功率发送至需求响应控制器。需求响应控制器根据预测的光伏发电量与用电负荷,以运行成本最小为优化目标,以每小时内的蓄电池充放电功率,与电网的交换功率及系统的运行模式为被优化变量,以电能平衡条件、与电网交换功率的上下限、蓄电池充放电功率限制和荷电状态限制为约束条件,通过粒子群优化算法进行调度决策,决策算法的处理流程如图11所示,具体过程为:
[0108](I)获取预先设定的系统各项运行参数、费用参数、电价参数以及光伏功率和用电负荷。
[0109](2)获取预先设定的粒子群算法参数,主要包括种群规模、最大迭代次数、学习因子Cl、C2和惯性权重系数ω等,并设置目标函数和含随机变量的约束条件的置信水平。
[0110]其中目标函数为:
Min/
[。川]丨仙{》7卜
[0112]式中,7是目标函数,β是给定的置信水平,Ci是第i时段的运行成本。其中Ci
=TLUiUPpviiCpvj^lPbtiiICbt m-Hu], T为单位时段的时间间隔,η为调度周期内的时段总数,Pbuyii为第i时段从公共电网购买的电功率,Pselii为第i时段输出至公共电网的电功率,Ppvji为第i时段光伏阵列的发电功率,Pbtji为第i时段蓄电池的充放电功率,放电为正,充电为负,Jbuy,i为第i时段从公共电网购电的电价,Jseu为第i时段出售至公共电网的电价,Cpv ffl为光伏阵列的单位运行费用,Cbt ffl为蓄电池的维护成本。
[0113](3)初始化种群。随机生成各调度时段蓄电池的充放电功率和购买自公共电网的功率,组成一个微粒,并利用约束条件检验微粒的可行性,直至全部微粒初始化完毕。同时,随机生成各微粒的初始速度。
[0114]其中约束条件包括电功率平衡约束、与电网交换功率约束以及蓄电池约束。
[0115]电功率平衡约束公式为:
[01 16] P1 + Pp''/hlv ^~— - Pseu — Pm = 0.rIch
[0117]Pbuy, i+Ppv, i rI inv+Pbt, i rI dis_Psel, i_Pld, i — ?
[0118]式中,Ppvii为第i时段的光伏发电功率,Pbuyii和Pselii分别为第i时段从电网买入和售出的功率,Pbt,i为第i时段蓄电池的充放电功率,Pui为第i时段的负荷,Hinv为逆变器的效率,Hdl为蓄电池的充电效率,ndis为蓄电池的放电效率;
[0119]与电网交换功率的公式为:
[0120]O < Phi^i <
[0121]O < Pseu <ΡΓ
[0122]式中,ρ?31,/Sax分别是购电和售电的最大功率值。
[0123]蓄电池约束公式为:
[0124]PZ ^ Pbt,^
[0125]SOCfflin ^ SOCi ^ SOCfflax
[0126]YfiJ=O

/=1
[0127]其中,P:,P巧分别为蓄电池第i时段的充放电的最大功率,SOCi为蓄电池第i
时段的荷电状态,SOCfflin, SOCfflax分别为蓄电池荷电状态的最低值和最高值,此处假定蓄电池的容量不变,表示蓄电池在调度周期的初始时刻和结束时刻的储能量相等。
[0128]由于光伏输出功率具有随机性,这一随机变量的存在使得某些约束条件不再具有确定性。故采用概率形式对含有随机变量的不等式约束进行描述,使其可以在一定的置信水平下成立,从而实现对这些约束条件的处理。
[0129](4)计算各微粒的适应度值,并对比各微粒的适应度值和个体极值,若前者较优,则更新当前微粒个体极值和个体最优位置;反之保持不变。
[0130](5)对比当前全部个体极值和全局极值,取最优者更新当前全局极值及其全局最优位置。
[0131](6)更新各微粒的速度和位置,并通过约束条件检验微粒的可行性,直至全部微粒可行。
[0132](7)重复(4)?(7),直至满足终止条件(达到最大迭代次数,连续几次最好解无变化或最好解与平均适应值的差值小于某一设定常数)。
[0133](8)输出最优解,即系统在各个小时的运行模式,蓄电池充放电功率,以及与电网交换的功率。
[0134]决策完成后,需求响应控制器根据决策信息控制开关组的通断,从而使系统运行在指定的模式,已实施调度方案。
【权利要求】
1.一种离网并网混合光伏发电控制系统,其特征是,包括光伏阵列及蓄电池组,所述光伏阵列通过并网逆变器与开关组相连,所述蓄电池组通过双向逆变器与开关组相连,并网逆变器通过开关SI与公网相连,并网逆变器通过开关S3与双向逆变器相连,双向逆变器通过开关S4与负载相连,双向逆变器依次通过开关S4、S2与公网相连,公网通过开关S2与负载相连,开关组还依次与需求响应控制器及管理计算机相连,开关SI及开关S2分别通过电表与公网相连。
【文档编号】H02J7/35GK203933038SQ201420019807
【公开日】2014年11月5日 申请日期:2014年1月13日 优先权日:2014年1月13日
【发明者】李歧强, 杨中旭, 孙文健 申请人:山东大学
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1