基于温度和功率控制平抑分布式能源功率波动的方法及系统与流程

本发明涉及的是一种混合储能领域的技术，具体是一种基于温度和功率控制平抑分布式能源功率波动的方法及系统。

背景技术：

在目前的电力系统中分布式电源的概念逐渐兴起，应用越来越广泛。分布式电源中以风能、太阳能为主的可再生能源具有随机性、间歇性和波动性的特点，其在相关电网线路中会产生瞬时功率波动，如果不对功率波动进行平滑，会造成发电系统出现可靠性低、稳定性差等问题。

为平抑分布式电源功率波动，通常采用以超级电容和蓄电池为主的混合储能系统进行储能，但是目前的混合储能系统投资成本较高，无法带来经济效益；而以热泵为主的需求侧负荷较少考虑具体的负荷运行特性，在很大程度上影响了功率波动的抑制效果。

此外，当前热力网和电力网等能量供给系统普遍存在独立设计、规划且各自运行的特点，各能源网之间缺乏交互与协调，很难发挥多能源供应层面能量耦合互补与梯级利用的优势。

技术实现要素：

本发明针对现有技术存在的上述不足，提出了一种基于温度和功率控制平抑分布式能源功率波动的方法及系统，通过温度控制与功率控制的相互协调，对分布式电源功率波动进行抑制，能够提高系统可靠性与经济效益。

本发明是通过以下技术方案实现的：

本发明涉及一种基于温度和功率控制平抑分布式能源功率波动的方法，包括以下步骤：

①根据热泵系统额定功率、历史热泵系统运行功率、当前发电波动功率以及历史热泵系统参与波动平抑的出力分量，通过功率控制获得当前低频波动分量的滤波时间常数；

②根据超级电容的容量、历史充放电功率、历史荷电状态、蓄电池的容量、历史充放电功率以及历史荷电状态，通过功率控制获得当前中高频波动分量的滤波时间常数；

③对低频波动分量的滤波时间常数进行低通滤波，然后通过温度控制模型获得当前热泵系统运行功率及当前热泵系统参与波动平抑的出力分量；

④基于当前发电波动功率以及当前热泵系统参与波动平抑的出力分量，对中高频波动分量的滤波时间常数进行高通滤波，得到当前超级电容充放电功率与蓄电池充放电功率，从而平抑当前功率波动。

所述的发电功率波动平抑模型为P_Flu(t)＝P_SC(t)+ΔP_HP(t)+P_BESS(t)，ΔP_HP(t)＝P_HP(t)-P_{HP_N}，其中：P_Flu(t)为当前发电波动功率；P_BESS(t)与P_SC(t)分别为t时刻蓄电池与超级电容的充放电功率，充电为正，放电为负；ΔP_HP(t)为t时刻热泵系统参与波动抑制的出力分量，P_HP(t)为当前热泵系统运行功率，P_{HP_N}为热泵系统额定功率。

所述的低通滤波后获得热泵系统预出力分量其中：λ_a(t)为当前低频波动分量的滤波时间常数，Δt为系统采样时间间隔，ΔP_{HP_pre}(t-1)为t-1时刻热泵系统预出力分量。

所述的温度控制模型为ΔP_HP(t)＝ΔP_{HP_pre}(t)·α^*(t)，其中：ΔP_{HP_pre}(t)为t时刻热泵系统预出力分量，α*(t)为对ΔP_{HP_pre}(t)进行修正的权函数，C_HP(t-1)为t-1时刻用户舒适度状态；k为权函数趋势斜率，γ₁与γ₂为权函数指数因子，防骤变系数λ₀为常量，T_max、T_min分别为室温允许上下限，δ为室温波动裕度。

所述的当前超级电容充放电功率其中：λ_b(t)为当前中高频波动分量的滤波时间常数，P_Flu(t-1)为t-1时刻发电波动功率，P_SC(t-1)为t-1时刻超级电容充放电功率，ΔP_HP(t-1)为历史热泵系统参与波动平抑的出力分量。

所述的t时刻蓄电池充放电功率P_BESS(t)＝P_Flu(t)-ΔP_HP(t)-P_SC(t)。

本发明涉及实现上述方法的系统，包括：发电功率波动传感器、热泵系统功率传感器、超级电容功率传感器、蓄电池功率传感器、室温传感器、热泵系统、超级电容、蓄电池、数据库模块、功率控制模块、温度控制模块、低通滤波器和高通滤波器，其中：发电功率波动传感器、热泵系统功率传感器、超级电容功率传感器和蓄电池功率传感器分别与数据库模块相连并输出发电功率波动信息及热泵系统、超级电容、蓄电池的历史出力信息，数据库模块与功率控制模块相连并输出发电功率波动信息、模糊控制修正系数历史信息及热泵系统、超级电容、蓄电池的历史出力信息，功率控制模块与低通滤波器相连并输出低频波动分量的模糊控制修正系数信息，功率控制模块与高通滤波器相连并输出中高频波动分量的模糊控制修正系数信息，数据库模块与低通滤波器相连并输出发电功率波动信息和热泵系统历史预出力信息，数据库模块与温度控制模块相连并输出用户侧历史室温信息和热泵系统预出力信息，低通滤波器与温度控制模块相连并输出热泵系统预出力信息，温度控制模块与高通滤波器相连并输出热泵系统出力信息，数据库模块与高通滤波器相连并输出超级电容历史出力信息、发电功率波动信息、历史发电功率波动信息和热泵系统历史出力信息。

所述的温度控制模块与热泵系统相连并输出热泵系统出力信息；

所述的高通滤波器与超级电容、蓄电池相连并分别输出超级电容出力信息、蓄电池出力信息。

所述的热泵系统包括：环境侧热交换器、水箱侧热交换器、储热水箱、压缩机和电动机，其中：环境侧热交换器的蒸发段和水箱侧热交换器的冷凝段相连构成循环并设有压缩机，水箱侧热交换器的加热段与储热水箱的进出水口相连，电动机与压缩机相连；

所述的压缩机与热泵系统功率传感器相连并输出热泵系统运行状态信息；

所述的温度控制器与电动机相连并输出热泵系统出力分量平抑信息；

所述的储热水箱与若干个用户单元相连并输出热水。

技术效果

与现有技术相比，本发明根据热泵产热与工质流速的关系，建立了热泵系统，基于热泵的实时运行状态以及超级电容、蓄电池的实时荷电状态，使用模糊控制对可变滤波时间系数进行调整；并通过温度控制与功率控制对发电波动功率在热泵-超级电容-蓄电池间进行分配，从而分别平抑功率波动中的低频和中高频成分，减少了混合储能投资成本，延长了蓄电池寿命，提高了系统可靠性与经济效益；同时温度控制可对热泵系统出力分量进行修正以满足用户的舒适度的要求。

附图说明

图1为本发明中系统结构框图；

图2为本发明中控制方法流程图；

图3为本发明中热泵系统结构示意图；

图4为本发明中滤波时间常数原理图；

图5为本发明中模糊控制器A的输入隶属函数；

图中：(a)为输入隶属函数x₁，(b)为输入隶属函数x₂；

图6为本发明中模糊控制器B的输入隶属函数；

图中：(a)为P_Flu(t)≥0时输入隶属函数x₃，(b)为P_Flu(t)＜0时输入隶属函数x₃，(c)为输入隶属函数x₄；

图7为本发明中温度控制原理图。

具体实施方式

下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例1

如图2所示，本实施例涉及一种基于温度和功率控制平抑分布式能源功率波动的方法，首先根据热泵系统额定功率、历史热泵系统运行功率、当前发电波动功率以及历史热泵系统参与波动平抑的出力分量，通过功率控制获得当前低频波动分量的滤波时间常数；同时根据超级电容的容量、历史充放电功率、历史荷电状态、蓄电池的容量、历史充放电功率以及历史荷电状态，通过功率控制获得当前中高频波动分量的滤波时间常数；接着对低频波动分量的滤波时间常数进行低通滤波，之后通过温度控制模型获得当前热泵系统运行功率及当前热泵系统参与波动平抑的出力分量；基于当前发电波动功率以及当前热泵系统参与波动平抑的出力分量，对中高频波动分量的滤波时间常数进行高通滤波，最后得到当前超级电容充放电功率与蓄电池充放电功率，从而平抑当前功率波动；

所述的当前发电波动功率，即t时刻发电波动功率；当前低频波动分量，即t时刻低频波动分量；当前超级电容充放电功率，即t时刻超级电容充放电功率；当前功率波动，即t时刻功率波动；当前发电波动功率，即t时刻发电波动功率；当前热泵系统参与波动平抑，即t时刻热泵系统参与波动平抑；当前热泵系统运行功率，即t时刻热泵系统运行功率；当前中高频波动分量，即t时刻中高频波动分量；历史热泵系统运行功率，即t-1时刻热泵系统运行功率，历史充放电功率，即t-1时刻充放电功率；历史热泵系统参与波动平抑的出力分量，即t-1时刻热泵系统参与波动平抑的出力分量；历史荷电状态，即t-2时刻荷电状态，以次类推。

所述的发电功率波动平抑模型为P_Flu(t)＝P_SC(t)+ΔP_HP(t)+P_BESS(t)，ΔP_HP(t)＝P_HP(t)-P_{HP_N}。

所述的功率控制包括先后进行的模糊控制和滤波时间常数控制。

所述的模糊控制包括对于低频波动分量的模糊控制和对于中高频波动分量的模糊控制；

如图5所示，对于低频波动分量的模糊控制，热泵系统负载状态可由输入隶属函数x₁表示，功率波动中低频成分的变化率可由输入隶属函数x₂表示；如图2所示，当热泵系统重载运行时，若低频功率波动的变化率为正，则减小模糊控制修正系数μ_a(t)，避免热泵系统严重重载；若低频波动变化率为负，则增大μ_a(t)，以提高热泵系统平抑发电波动功率的比例；热泵系统轻载运行的情况类似；

对于中高频波动分量的模糊控制，当超级电容处于理想荷电范围时，由其独自平抑中高频波动成分，以减少蓄电池充放电转换次数；否则使超级电容的荷电状态趋于回到理想范围，以改善下一时刻波动平抑能力；若超级电容接近容量极限，则提高蓄电池平抑功率波动的比例，提高其功率出力；相应的模糊控制输入隶属函数x₃、x₄如图6所示。

所述的模糊控制过程中，如图2所示：

x₂(t)＝P_{LF_ref}(t)-ΔP_HP(t-1)，

其中：S_HP(t-1)为t-1时刻热泵系统负载状态，P_HP(t-1)为t-1时刻热泵系统运行功率，P_{LF_ref}(t)为由P_Flu(t)经λ_a(t-1)低通滤波后获得的热泵系统参考出力分量，ΔP_HP(t-1)为历史热泵系统参与波动平抑的出力分量，λ_a(t-1)为t-1时刻低频波动分量的滤波时间常数；SOC_SC(t-1)为t-1时刻超级电容荷电状态，P_SC(t-1)为t-1时刻超级电容充放电功率，E_{SC_N}为超级电容容量，SOC_BESS(t)为t时刻蓄电池荷电状态，P_BESS(t-1)为t-1时刻蓄电池充放电功率，E_{BESS_N}为蓄电池容量。

如图4所示，所述的滤波时间常数控制由限值函数实现，其中：λ₀为参考滤波时间常数，λ_max与λ_min分别为滤波时间常数上下限。

所述的低通滤波后获得热泵系统预出力分量

如图7所示，所述的温度控制模型为ΔP_HP(t)＝ΔP_{HP_pre}(t)·α^*(t)，其中：防骤变系数λ₀不宜取过大或过小，取过大防骤变效果变差，取过小热泵系统参与发电波动功率的能力降低，削弱平滑效果，本实施例中λ₀＝0.06。

所述的当前超级电容充放电功率

所述的t时刻蓄电池充放电功率P_BESS(t)＝P_Flu(t)-ΔP_HP(t)-P_SC(t)，承担剩余波动分量。

如图1所示，本实施例涉及实现上述方法的系统，包括：发电功率波动传感器、热泵系统功率传感器、超级电容功率传感器、蓄电池功率传感器、室温传感器、热泵系统、超级电容、蓄电池、数据库模块、功率控制模块、温度控制模块、低通滤波器和高通滤波器，其中：发电功率波动传感器、热泵系统功率传感器、超级电容功率传感器和蓄电池功率传感器分别与数据库模块相连并输出发电功率波动信息及热泵系统、超级电容、蓄电池的历史出力信息，数据库模块与功率控制模块相连并输出发电功率波动信息、模糊控制修正系数历史信息及热泵系统、超级电容、蓄电池的历史出力信息，功率控制模块与低通滤波器相连并输出低频波动分量的模糊控制修正系数信息，功率控制模块与高通滤波器相连并输出中高频波动分量的模糊控制修正系数信息，数据库模块与低通滤波器相连并输出发电功率波动信息和热泵系统历史预出力信息，数据库模块与温度控制模块相连并输出用户侧历史室温信息和热泵系统预出力信息，低通滤波器与温度控制模块相连并输出热泵系统预出力信息，温度控制模块与高通滤波器相连并输出热泵系统出力信息，数据库模块与高通滤波器相连并输出超级电容历史出力信息、发电功率波动信息、历史发电功率波动信息和热泵系统历史出力信息。

所述的温度控制模块与热泵系统相连并输出热泵系统出力平抑信息；

所述的高通滤波器与超级电容、蓄电池相连并分别输出超级电容充放电功率平抑信息、蓄电池充放电功率平抑信息。

所述的功率控制模块包括：模糊控制器A、模糊控制器B、滤波时间常数控制器A和滤波时间常数控制器B，其中：数据库模块与模糊控制器A相连并输出热泵系统额定功率、历史热泵系统运行功率、当前发电波动功率和历史热泵系统参与波动平抑的出力分量信息，数据库模块与模糊控制器B相连并输出超级电容和蓄电池的容量信息、在t-1时刻超级电容和蓄电池的充放电功率与在t-2时刻超级电容和蓄电池的荷电状态信息，模糊控制器A与滤波时间常数控制器A相连并输出低频波动分量的模糊控制修正系数信息，模糊控制器B与滤波时间常数控制器B相连并输出中高频波动分量的模糊控制修正系数信息，滤波时间常数控制器A与低通滤波器相连并输出低频滤波时间常数信息，滤波时间常数控制器B与高通滤波器相连并输出中高频滤波时间常数信息。

如图3所示，所述的热泵系统包括：环境侧热交换器、水箱侧热交换器、储热水箱、压缩机和电动机，其中：环境侧热交换器的蒸发段和水箱侧热交换器的冷凝段相连构成循环并设有压缩机，水箱侧热交换器的加热段与储热水箱的进出水口相连，电动机与压缩机相连；

所述的压缩机与热泵系统功率传感器相连并输出热泵系统运行状态信息；

所述的温度控制器与电动机相连并输出热泵出力分量平抑信息；

所述的储热水箱与若干个用户单元相连并输出热水；所述的各用户单元均与室温传感器相连，所述的室温传感器与数据库相连并输出各用户单元室温信息。

所述的热泵系统单位时间产热量Q_HP＝CρvΔT_HP，效能系数COP＝Q_HP/E_HP，其中：C为热泵系统工质比热，v为工质流量，ρ为工质密度，ΔT_HP为一个循环周期前后的工质温差，E_HP为热泵系统运行耗电量；本实施例通过热泵的电热能量转换，实现了电能与热能的协同耦合，通过效能系数能够体现热泵系统的电热转换效率。

本实施中室内温度模型其中：P_W(t)为t时刻室内净输入热功率，A_W为建筑物墙体面积，K_W为墙体导热系数，δ_W为墙体厚度，T_outside(t)为t时刻外界环境温度；

根据发电功率波动平抑模型，可知P_HP(t)＝P_HP__N+P_Flu(t)-P_BESS(t)-P_SC(t)，通过与室内温度模型联系，从而实现了多能源供应层面能量耦合互补与梯级利用。