一种含多分布式能源的光伏微电网供需控制系统设计方法
【专利摘要】本发明公开了一种含多分布式能源的光伏微电网供需控制系统设计方法，目的是提高系统稳定性、调度响应能力和经济性。本发明通过预测光伏及本地负荷功率值，在充分考虑分布式电源运行成本后计算出光伏微电网24小时运行计划。在运行时，供需系统根据最新光伏、负荷预测结果对运行计划进行实时修正。最后将运行计划、并网点功率作为控制系统输入，对各分布式电源输出功率进行控制。本发明可实时调整运行计划，在有效保证系统内供需稳定性及对大电网响应的同时，实现了光伏微电网运行利益最大化。
【专利说明】一种含多分布式能源的光伏微电网供需控制系统设计方法
【技术领域】
[0001] 本发明涉及新能源电力与微电网【技术领域】。尤其涉及到一种含多分布式能源的光 伏微电网供需控制系统设计方法。
【背景技术】
[0002] 2012年年底，我国风力发电增量超过了煤、炭发电量，发电总量首次超越了核能发 电量。在全球发电总量放缓的背景下，可再生能源在全球发电总量中的比例上升至4. 7%。 中国在2012年超过德国成为第二大可再生能源发电国，仅次于美国。可再生能源中光伏发 电、风力发电受天气影响较大，其功率输出的波动性导致在实际应用时有一定局限性。为了 有效降低可再生能源接入对大电网的影响，国际上提出了由分布式电源、储能装置、能量变 换装置、可控及不可控负荷、保护装置和监控系统集成起来微型电网（简称微电网），微电 网是一个区域性小型发配电系统，是能实现自主控制、保护和管理的自治系统，可消除分布 式电源对公共电网的影响。微电网具有两种运行模式：并网运行和孤岛运行。
[0003] 微电网内分布式电源有可再生能源、常规电源，其中可再生能源有：风力发电、太 阳能发电，常规电源有：微型燃气轮机、柴油发电机。微电网将大量的分布式发电单元及分 布式储能单元根据实际需求以一定容量比例组合，对本地负荷进行供电。
[0004] 根据CERTS的定义，微电网是一个可以自治的单元，可以实现孤岛模式与并网模 式间的有计划或无计划的无缝切换。每个微电网都将本地的可再生能源或其他分布式能源 发电单元与本地的负荷或储能装置组合起来。形成相对独立的供电子系统。以减少或避免 系统大范围故障时对用户的影响。微电网作为一个整体与外网联系，既可以与外网并网运 行并从外网补足本地需要的电能。也可以在大电网故障时。通过合理调配微电网的独立运 行来保证本地重要负荷的供电。对于大电网，微电网可以视为一个可控单元。它可以根据 大电网调度指令，通过PCC并网点与大电网进行功率交换。众多的微电网协同合作，提高了 大电网内的供电稳定性。
[0005] 理想的微电网将具备以下这些特点：
[0006] (1)能适应分布式的、间歇的、可调度的等各种特性的发电单元；
[0007] (2)能授权用户实现微电网与智能建筑物内的能量管理系统互连，使用户能管理 其能量使用和降低其能量消耗；
[0008] (3)即插即用功能为微电网可切换为合适的运行模式的一个特点，即并网或孤岛； 微电网在孤岛运行时提供电压和频率保护以及具有安全再同步到大电网的能力；
[0009] (4)孤岛模式下，微电网内所有负荷由分布式发电单元提供和分享；
[0010] (5)微电网具有利用废热的热电装置，废热为热电联产发电的副产品，以制冷或制 热的方式循环利用废热。
[0011] (6)微电网可服务于各种负荷，包括居民区，办公楼，工业园，商业区，校园，为用户 提供所需要的电能质量；
[0012] (7)紧急情况和大电网停电导致的电力短缺时，提供了一个好的解决方案；
[0013] (8)能承受来自外部物理和网络的攻击，减轻供电系统受到的危害，并保持供电系 统的柔性；
[0014] (9)具有自愈性。为了避免停电或减轻停电时间和电能质量问题，微电网必须能够 预见和立即响应功能。
[0015] (10)具有充分市场竞争力。当微电网进入能源市场，因其实时信息、低交易成本适 合任何用户；当微电网处于最优运行和减少维护成本时，可实现资产优化，通过监控不断优 化资产来取得更好的投资回报率。
[0016] 上述微电网特征对微电网能量管理控制能力提出了较高要求。为了实现微电网内 供电的可靠性、经济性以及对大电网调度的响应能力，微电网能量管理及其控制系统已成 为目前微电网技术的研究重点之一。
【发明内容】
[0017] 本发明的目的是针对光伏发电系统、同步发电机系统（微型燃气发电、燃气发电、 柴油发电）、储能系统、超级电容系统和本地负荷组成的光伏微电网系统，根据光伏微电网 内可再生能源及负荷的特性，提供了一种含多分布式能源的光伏微电网供需控制系统设计 方法。通过制定合理有效的同步发电机、蓄电池运行计划来保证微电网在并网和孤岛运行 时的长期供需平衡及其稳定性。
[0018] 本发明采用以下技术方案：
[0019] 步骤一：光伏微电网数据检测、获取：
[0020] (1)通过气象仪获取并存储光伏微电网所在区域的气象信息到监控系统中，其中 用于供需系统的有：气温、辐射、相对湿度、风速、平均温度、天气类型、日出日落时间。
[0021] (2)通过公共气象网获取当日气象信息：气温、辐射、相对湿度、风速、平均温度、 天气类型、日出日落时间。
[0022] (3)获取本地负荷实时测量值并存储。
[0023] (4)获取光伏微电网的光伏发电系统的发电量。
[0024] (5)检测储能系统的充放电状态和剩余电量。
[0025] 步骤二：光伏发电系统有效时段内发电量预测：
[0026] (1)提取微电网监控系统中的历史气象数据和光伏发电量数据，并根据天气类型 将气象数据及对应光伏发电量数据分为三种类型；天气类型分为晴天、多云与雨天、多云转 晴。
[0027] (2)根据不同的天气类型，将气象数据及对应光伏发电量数据以t小时为步长，放 入神经网络模型中进行学习训练。得到不同天气类型下的三种神经网络模型。其中，神经 网络的输入量有：气温、辐射、相对湿度、风速、平均气温、天气类型、日出日落时间。
[0028] (3)从公共气象站获取预测日气候数据，放入对应天气类型的神经网络模型中进 行光伏发电量预测。得到预测日T小时的光伏发电量曲线，步长为t小时。
[0029] 步骤三：本地负荷有效时段功率预测
[0030] (1)提取微电网监控系统中历史数据：气温、天气类型、历史负荷量。
[0031] (2)以气温、平均气温、天气类型、日类型作为输入，历史日期负荷量曲线作为输 出，步长设置为t小时，对神经网络进行学习训练。得到T小时负荷预测神经网络模型；日 类型分为：工作日和休假日。
[0032] (3)从公共气象站获取预测日气温、平均气温、天气类型。
[0033] (4)将预测日气温、平均气温、天气类型、日类型作为神经网络输入，步长设置为t 小时，得到预测日T小时负荷预测曲线。
[0034] 步骤四：运行计划制定
[0035] (1)根据微电网内负荷水平，确定储能系统输出常量Pbat lim。
[0036] (2)确定同步发电机发电成本Cge和储能单元发电成本Cbat。
[0037] (3)将输入数据、约束条件、目标函数放入线性规划模型，得到同步发电机和储能 单元运行计划功率分别为：P ge_plan、Pbat_plan〇 其中：
[0038] 输入量：各时段对应的光伏发电量、负荷水平、分时电价、同步发电机发电成本、储 能单元发电成本、环境成本、分布式电源初始状态信息；
[0039] 约束条件：储能单元输出常量Pbat = ± |Pbat lim|、储能单元剩余电量Qbat > q%、微 电网吸收功率与分布式能源功率之和等于负荷功率；q%为设定的储能单元剩余电量百分 比；
[0040] 目标：微电网内经济效益最大。
[0041] 步骤五：光伏发电量及负荷水平预测曲线修正
[0042] (1)从公共气象网中获取最新气温、辐射、相对湿度、风速、平均气温、天气类型数 据。
[0043] (2)将"步骤五-(1) "中的最新气象信息输入到步骤二得到的神经网络，得到当前 时刻后T小时的光伏发电量预测值。
[0044] (3)将步骤五-(1)中的气象信息及当日已知负荷曲线放入步骤三的神经网络，得 到当前时刻后T小时的负荷预测值。
[0045] 步骤六：运行计划修正
[0046] (1)根据步骤二及步骤三的T小时预测光伏发电量及负荷水平预测，得第i时段的 需求功率？@。
[0047] (2)根据步骤五，计算依据最新气象情况下的第i时段需求功率Pid2,0 < i彡T。
[0048] (3)设运行计划修正阈值为δ，计算需求功率误差值APi : ΛΡ = Pidl-Pid2。若 ΛΡ」彡S，则不进行运行计划修正。若I ΛΡ」> δ，则将步骤五得到的光伏发电量与负 荷预测值作为输入，重复步骤四得到修正后的微电网各分布式发电单元运行计划。
[0049] 步骤七：潮流的跟踪控制
[0050] 微电网潮流跟踪控制实现了微电网对大电网调度的响应。该控制结构由两个潮流 控制模块构成：恒功率潮流控制模块与实时能量平衡控制模块。
[0051] (1)获取大电网对微电网的调度功率值，即控制系统对并网点功率设定值：Ρρ。。 plan0
[0052] (2)检测微电网并网点功率潮流值：Pp。。。
[0053] (3)实时能量平衡控制：对Ppc;CU)lan、Pgs进行积分运算，得到电量值W pcxJ)lan、Wgs ;Wp。。 plan :微电网在运行计划下向大电网输送的额定电量;Wgs :微电网实际向大电网输送电量。求 解wpc;c;_plan与wgs的差值得到AW，将AW作为输入量放入实时能量平衡控制模块中得到对各 分布式电源的控制值P&。
[0054] (4)将实时能量平衡控制模块的输出值、并网点计划功率Ppcx plan、同步发电机和 蓄电池运行计划功率作为恒功率控制模块的输入值，得到对分布式能源的总功率信号 即：
[0055] Pcl = Ppccjlan+Pc2°
[0056] (5)将匕作为输入，通过各分布式电源的PI控制器，得到同步发电机、蓄电池、超 级电容的功率控制信号。
[0057] 有益效果：
[0058] 1、本发明运行计划的制定灵活性高，可根据运行当日的实际光伏发电量、负荷功 率对运行计划进行实时修正，提高光伏微电网运行经济性。
[0059] 2、本发明中的实时能量平衡控制模块保证了光伏微电网与配电网之间的电量交 换与期望电量的一致性。恒功率控制模块则保证了光伏微电网并网点输出功率的稳定性。
[0060] 3、本发明中控制系统结构在光伏微电网含有不同分布式发电单兀时，仍然可有效 实现系统内供需稳定性及对大电网的响应能力。
【专利附图】
【附图说明】：
[0061] 图1为典型光伏微电网结构；
[0062] 图2为供需控制系统流程图；
[0063] 图3为恒功率控制结构；
[0064] 图4为实时能量平衡控制结构；
[0065] 图5为恒功率控制与实时能量平衡控制结合后的功率控制结构。
【具体实施方式】
[0066] 针对由光伏发电、同步机组、储能系统、超级电容系统组成的含多分布式能源光伏 微电网系统来具体阐述本发明的具体实现方式。所考虑的微电网设备配置及其结构如图1 所示，光伏微电网供需控制系统如图2所示。具体实施步骤所下。
[0067] 步骤一：微电网数据检测、获取：
[0068] (1)通过气象仪获取并存储光伏微电网所在区域的气象信息到监控系统中，其中 用于供需系统的有：气温、辐射、相对湿度、风速、平均温度、天气类型、日出日落时间。
[0069] (2)通过公共气象网获取当日气象信息：气温、辐射、相对湿度、风速、平均温度、 天气类型、日出日落时间。
[0070] (3)获取本地负荷实时测量值并存储。
[0071] (4)获取光伏微电网的光伏发电系统的发电量。
[0072] (5)检测储能系统的充放电状态和剩余电量。
[0073] 步骤二：光伏发电单元有效时段内发电量预测：
[0074] (1)提取微电网监控系统中的历史气象数据和光伏发电量数据，并根据天气类型 将气象数据及对应光伏发电量数据分为三种类型；天气类型分为晴天、多云与雨天、多云转 晴。
[0075] (2)根据不同的天气类型，将气象数据及对应光伏发电量数据以1小时为步长，放 入神经网络模型中进行学习训练。得到不同天气类型下的三种神经网络模型。其中，神经 网络的输入量有：气温、辐射、相对湿度、风速、平均气温、天气类型、日出日落时间。
[0076] (3)从公共气象站获取预测日气候数据，放入对应天气类型的神经网络模型中进 行光伏发电量预测。得到预测日24小时的光伏发电量曲线Pi pv，步长为1小时。i代表时 段，1彡i彡24。
[0077] 步骤三：本地负荷有效时段功率预测
[0078] (1)提取微电网监控系统中历史数据：气温、天气类型、历史负荷量。
[0079] (2)以气温、平均气温、天气类型、日类型作为输入，历史日期负荷量曲线作为输 出，步长设置为1小时，对神经网络进行学习训练。得到24小时负荷预测神经网络模型；日 类型分为：工作日和休假日。
[0080] (3)从公共气象站获取预测日气温、平均气温、天气类型。
[0081] (4)将预测日气温、平均气温、天气类型、日类型作为神经网络输入，步长设置为1 小时，得到预测日24小时负荷预测曲线P ilMd。
[0082] 步骤四：运行计划制定：
[0083] (1)当负荷水平 PilMd 彡 80 时，设定 |Pbat lim| = 30kW ;80 < PilMd 彡 120 时，设定 |Pbat-liml = 40kw，PilMd > 120 时，设定 |Pbat-lim| = 50kW。
[0084] (2)确定同步发电机发电成本Cge(元/kWh)和储能单元发电成本C bat(元/kWh)。
[0085] A. Cge (元 /kWh)计算流程：
[0086] 当同步发电机为柴油发电机时，其发电成本Cdg计算流程如下，Cdg = Cge : 1)耗油量 计算
[0087] F =
[0088] Pgmrate、Pidg分别为柴油发电机的额定功率和运行计划输出功率；FpFi为柴油发电 机消耗曲线截距系数。
[0089] 2) Cfuel - Cprice X F
[0090] Cfuel :柴油发电机燃料成本，CpHee :柴油单价
[0091] 3)柴油发电机总发电成本Cdg :
[0092] Cdg - Com+Cfuel+Cpo
[0093] Cp。：发电机污染排放罚款。
[0094] C" :发电机维护成本。
[0095] B.当储能单元为蓄电池时，Cbat (元/kWh)计算流程如下：
[0096] - Mi/ kWh hat~ cvde
[0097] cycle :蓄电池理论充放电次数。
[0098] 本发明取 cycle = 1250, Cbat = 0· 528。
[0099] (3)将输入数据、约束条件、目标函数放入线性规划模型，得到同步发电机和储能 单元运行计划功率分别为：P ge_plan、Pbat_plan〇 其中：
[0100] 输入量：各时段对应的光伏发电量、负荷水平、电价、柴油发电机发电成本、储能单 元发电成本、环境成本、分布式电源初始状态信息
[0101] 约束条件：储能单元输出常量Pbat = ± |pbat lim|、储能单元剩余电量Qbat > 40%、 微电网吸收功率与分布式能源功率之和等于负荷功率。
[0102] 目标：微电网内经济效益最大，即：
[0103] min {Cm^cr〇gr^} min {Cge~t~C|3at't'Cgr^(j Cgr^ se^^}
[0104] CgHd buy :电网买电成本；
[0105] CgHd sell :电网卖电所得。
[0106] 步骤五：光伏发电量及负荷水平预测曲线修正
[0107] (1)从公共气象网中获取最新气温、平均气温、天气类型数据。
[0108] (2)将步骤五-(1)中的最新气象信息放入步骤二得到的神经网络，得到当前时刻 后24小时的光伏发电量预测值。
[0109] (3)将步骤五-(1)中的气象信息及当日已知负荷曲线放入步骤三的神经网络，得 到当前时刻后24小时的负荷预测值。
[0110] 步骤六：运行计划修正
[0111] (1)根据步骤二及步骤三的光伏发电量及负荷水平预测，得第i时段的需求功率 Pdl °
[0112] (2)根据步骤五，计算依据最新气象情况下的第i时段需求功率Pd2。
[0113] (3)设运行计划修正阈值为δ = 20kW，计算需求功率误差值Λ Pi : Λ p = Pidl-Pid2。 若I ΛΡ」彡δ，则不进行运行计划修正。若I ΛΡ」> δ，则将步骤五得到的光伏发电量与 负荷预测值作为输入，重复步骤四得到修正后的微电网运行计划。
[0114] 步骤七：潮流的跟踪控制
[0115] 微电网潮流跟踪控制实现了微电网对大电网调度的响应。该控制结构由两个潮流 控制模块构成：恒功率潮流控制模块与实时能量平衡控制模块。
[0116] (1)获取大电网对微电网的调度功率值，即控制系统对并网点功率设定值：Ρρ。。 plan0
[0117] (2)检测微电网并网点功率潮流值：Pp。。。
[0118] (3)实时能量平衡控制如图3所示：对Ppc;c; plan、Pgs进行积分运算，得到电量值Wp。。 plan、W gs。Wpc;c;plan :微电网在运行计划下向大电网输送的额定电量；Wgs :微电网实际向大电网 输送电量。求解的差值得到Λ W，将Λ W作为输入量放入控制器中得到实时能 量平衡控制模块中对分布式电源的控制值Ρ&。
[0119] (4)恒功率控制模块结构如图4所示。在本发明中，将实时能量平衡控制模块的输 出值、并网点计划功率P pcx_plan、同步发电机和储能单元运行计划功率作为恒功率控制模块 的输入值，得到对分布式能源的总功率信号Pd。即：
[0120] Pcl = PpccJlan+Pc2。
[0121] (5)将匕作为输入，通过各分布式电源的PI控制器，得到同步发电机、储能单元、 超级电容的功率控制信号。实时能量平衡控制模块与恒功率控制模块结合后的总控制结构 如图5所示。
【权利要求】
1. 一种含多分布式能源的光伏微电网供需控制系统设计方法，其特征在于： 步骤一：光伏微电网数据检测、获取； 步骤二：光伏发电系统有效时段内发电量预测； 步骤三：本地负荷有效时段功率预测； 步骤四：运行计划制定； 步骤五：光伏发电量及负荷水平预测曲线修正 步骤六：运行计划修正； 步骤七：潮流的跟踪控制。
2. 根据权利要求1所述的一种含多分布式能源的光伏微电网供需控制系统设计方法， 其特征在于，所述的光伏微电网数据检测、获取包括以下步骤： (1) 通过气象仪获取并存储光伏微电网所在区域的气象信息到监控系统中，其中用于 供需系统的有：气温、辐射、相对湿度、风速、平均温度、天气类型、日出日落时间； (2) 通过公共气象网获取当日气象信息：气温、辐射、相对湿度、风速、平均温度、天气 类型、日出日落时间； (3) 获取本地负荷实时测量值并存储； (4) 获取光伏微电网的光伏发电系统的发电量； (5) 检测储能系统的充放电状态和剩余电量。
3. 根据权利要求1所述的一种含多分布式能源的光伏微电网供需控制系统设计方法， 其特征在于，所述的光伏发电系统有效时段内发电量预测包括以下步骤： (1) 提取微电网监控系统中的历史气象数据和光伏发电量数据，并根据天气类型将气 象数据及对应光伏发电量数据分为三种类型；天气类型分为晴天、多云与雨天、多云转晴； (2) 根据不同的天气类型，将气象数据及对应光伏发电量数据以t小时为步长，放入神 经网络模型中进行学习训练；得到不同天气类型下的三种神经网络模型；其中，神经网络 的输入量有：气温、辐射、相对湿度、风速、平均气温、天气类型、日出日落时间； (3) 从公共气象站获取预测日气候数据，放入对应天气类型的神经网络模型中进行光 伏发电量预测；得到预测日T小时的光伏发电量曲线，步长为t小时。
4. 根据权利要求1所述的一种含多分布式能源的光伏微电网供需控制系统设计方法， 其特征在于，所述的本地负荷有效时段功率预测包括以下步骤： (1) 提取微电网监控系统中历史数据：气温、天气类型、历史负荷量； (2) 以气温、平均气温、天气类型、日类型作为输入，历史日期负荷量曲线作为输出，步 长设置为t小时，对神经网络进行学习训练；得到T小时负荷预测神经网络模型；日类型分 为：工作日和休假日； (3) 从公共气象站获取预测日气温、平均气温、天气类型； (4) 将预测日气温、平均气温、天气类型、日类型作为神经网络输入，步长设置为t小 时，得到预测日T小时负荷预测曲线。
5. 根据权利要求1所述的一种含多分布式能源的光伏微电网供需控制系统设计方法， 其特征在于，所述的运行计划制定包括以下步骤： (1) 根据微电网内负荷水平，确定储能系统输出常量Pbat_lim; (2) 确定同步发电机发电成本Cge和储能单元发电成本Cbat ; (3)将输入数据、约束条件、目标函数放入线性规划模型，得到同步发电机和储能单元 运行计划功率分别为：P ge_plan、Pbat_plan ;其中： 输入量：各时段对应的光伏发电量、负荷水平、分时电价、同步发电机发电成本、储能单 元发电成本、环境成本、分布式电源初始状态信息； 约束条件：储能单元输出常量Pbat = ± |pbat_lim|、储能单元剩余电量Qbat > q%、微电网 吸收功率与分布式能源功率之和等于负荷功率；q%为设定的储能单元剩余电量百分比； 目标：微电网内经济效益最大。
6. 根据权利要求1所述的一种含多分布式能源的光伏微电网供需控制系统设计方法， 其特征在于，所述的光伏发电量及负荷水平预测曲线修正包括以下步骤： (1) 从公共气象网中获取最新气温、辐射、相对湿度、风速、平均气温、天气类型数据； (2) 将"步骤五-(1) "中的最新气象信息输入到步骤二得到的神经网络，得到当前时刻 后T小时的光伏发电量预测值； (3) 将步骤五-(1)中的气象信息及当日已知负荷曲线放入步骤三的神经网络，得到当 前时刻后T小时的负荷预测值。
7. 根据权利要求1所述的一种含多分布式能源的光伏微电网供需控制系统设计方法， 其特征在于，所述的运行计划修正包括以下步骤： (1) 根据步骤二及步骤三的T小时预测光伏发电量及负荷水平预测，得第i时段的需求 功率Pidl ; (2) 根据步骤五，计算依据最新气象情况下的第i时段需求功率Pid2,0 < i < T ; (3) 设运行计划修正阈值为δ，计算需求功率误差值APi :ΛΡ = Pidl-Pid2 ;若 ΛΡ」彡S，则不进行运行计划修正；若I ΛΡ」> δ，则将步骤五得到的光伏发电量与负 荷预测值作为输入，重复步骤四得到修正后的微电网各分布式发电单元运行计划。
8. 根据权利要求1所述的一种含多分布式能源的光伏微电网供需控制系统设计方法， 其特征在于，所述的潮流的跟踪控制包括以下步骤： 微电网潮流跟踪控制实现了微电网对大电网调度的响应；该控制结构由两个潮流控制 模块构成：恒功率潮流控制模块与实时能量平衡控制模块； (1) 获取大电网对微电网的调度功率值，即控制系统对并网点功率设定值：Ppcx_plan; (2) 检测微电网并网点功率潮流值：Pp。。； ⑶实时能量平衡控制：对Ppcx_plan、Pgs进行积分运算，得到电量值W p。。plan、Wgs ;Wp。。plan : 微电网在运行计划下向大电网输送的额定电量;Wgs :微电网实际向大电网输送电量；求解 的差值得到Λ W，将Λ W作为输入量放入实时能量平衡控制模块中得到对各分 布式电源的控制值Ρ& ; (4) 将实时能量平衡控制模块的输出值、并网点计划功率Ppcx plan、同步发电机和蓄电池 运行计划功率作为恒功率控制模块的输入值，得到对分布式能源的总功率信号Pu ;即： Pel = Ppcc_ _plan+Pc2 ; (5) 将匕作为输入，通过各分布式电源的PI控制器，得到同步发电机、蓄电池、超级电 容的功率控制信号。
【文档编号】H02J3/46GK104104116SQ201410309233
【公开日】2014年10月15日 申请日期:2014年7月1日 优先权日:2014年7月1日
【发明者】刘士荣, 郑凌蔚, 吴舜裕, 竺健 申请人:杭州电子科技大学