一種智能微網的源-網-荷自動控制系統及控制方法

2023-08-13 15:32:01 2

專利名稱：一種智能微網的源-網-荷自動控制系統及控制方法
技術領域：
本發明屬於微網控制與電氣技術領域，具體涉及一種智能微網的源-網-荷自動控制系統機及控制方法。
背景技術：
隨著經濟與科學技術的發展，工業化時代規模效益的追求，分散的、小型的電力系統逐漸被大容量高參數機組的中心電站、超高壓遠距離輸電、大電網互聯集中供電方式所取代。但是目前電能生產、輸送和分配的主要方式在適應負荷變化的靈活性與供電安全性方面仍然都存在一些弊端。在近年來屢屢發生能源危機，大電網停電事故也頻繁發生，我國各省近幾年在夏季也都發生不同程度的拉閘限電現象。電力危機與大面積停電事故中，已暴露出現有的龐大電力系統存在著缺點。(I) 大電網中任何一點的故障都可能對整個電網帶來嚴重的影響，甚至可能導致大面積停電和電網崩潰；(2)大電網不能靈活跟蹤負荷的變化，隨著負荷峰谷差的不斷增長，電網的負荷率正逐年下降，發電及輸電設施的利用率都有下降的趨勢；(3)在一些比較偏遠地區，由於距離電力系統太遠，或者自然條件太惡劣，輸配電建設投資過大或者根本就無法架設，導致供電不理想；(4)近年來大電網經常是恐怖襲擊和戰爭攻擊的目標，一旦遭到破壞，後果不堪設想。同時，全球的一次能源正日漸衰竭，而由電力生產所帶來的環境汙染(如酸雨、溫室效應、電磁汙染等等)也越來越明顯。由於嚴峻的環境問題和未來能源的安全供應和電力體制的改革等，促使人們追求高效的能源轉換、降低有害物質的排放、尋找替代燃料、實施能源梯級、利用的小規模的分布式發電系統，來適應上述要求。但將帶有分布式新能源的微網接入配電網後，會對電網的結構帶來很大的影響。因此需要對包含微網在內的電網進行重新規劃，其中，負荷優化、變電站優化和無功電源優化等常規的電網規劃問題以及微網接入點、接入容量優化等一系列新問題尚待解決。由於微網和大電網之間能量是雙向流動的，且分布式電源本身具有間歇性和波動性，因此含分布式電源的微網的保護與控制策略也會有別於傳統的電網。如何在保證大電網穩定運行的情況下，儘可能滿足配電側用戶對電能質量的多樣化需求也是一個難點。然而現有的技術不能很好的協調微網內的新能源發電，網內儲能設備的協調和負荷的智能控制。這些問題給分布式發電系統的發展造成了極大的障礙。

發明內容
針對現有技術存在的不足，本發明的目的是提供一種適用於智能微網內的源-網-荷自動控制系統及控制方法，實現對智能微網內分布式新能源發電、網內儲能模塊的協調與用戶負荷用電量的智能控制。本發明的技術方案是這樣實現的:一種智能微網的源-網-荷自動控制系統，其包括:分布式新能源發電模塊:用於將太陽能、風能及生物質能轉換為電能，為負載或電網供電；分布式新能源逆變模塊:用於將光伏電池板、風力發電機以及生物質能發電設備所發直流電轉變為交流電；傳統發電模塊:用於控制微型燃氣輪機為用戶負載或電網進行供電；用戶負載模塊:為微網中的本地負載；雙向併網控制模塊:用於控制微網與電網間的通斷與能量傳輸；其特徵在於:還包括:分布式新能源智能優化發電控制模塊:1)用於採集光伏電池、風力發電機和生物質能發電設備的節點電壓和電流值，採用不確定性預估方法在4 5個採樣周期內對光伏電池的發電能力、風力發電機的發電能力和生物質能發電設備的發電能力進行預估，繪製發電能力波動預報曲線，再分別計算上述三者發電能力的魯棒性，選擇魯棒性最好的，為用戶負載或電網進行供電；2)用於當光伏電池、風力發電機和生物質能發電設備的實際發電量與用於供給用戶負載和電網的電能總量存在差值時，發送控制信號給智能儲能單元調節器；3)用於當光伏電池、風力發電機和生物質能發電設備的發電量和儲能模塊所發電量與用戶負載和電網需求的電能總量存在差值時，發送控制信號給微燃機發電控制器；儲能模塊:用於控制蓄電池組的充、放電，保證每個蓄電池充放電次數平均，其進一步包括:智能儲能單元調節 器:1)若接收光伏電池、風力發電機和生物質能發電設備的剩餘電量，計算每個蓄電池充電次數和放電次數的總和，該值與所有蓄電池充放電次數的的平均值進行比較，選擇差值最大的蓄電池作為本次充電所用蓄電池；2)、若光伏電池、風力發電機和生物質能發電設備所發電量無法滿足用戶負載或電網需求，則接收由分布式新能源智能優化發電控制器發出的發電控制信號，控制蓄電池組進行放電:計算每個蓄電池充電次數和放電次數的總和，該值與所有蓄電池充放電次數的的平均值進行比較，選擇差值最大的蓄電池作為本次放電所用蓄電池；蓄電池組:用於存儲或釋放光伏電池、風力發電機和生物質能發電設備的剩餘電倉泛;所述的傳統發電模塊包括:微型燃氣輪機智能優化發電控制單元:用於在光伏電池、風力發電機和生物質能發電設備的發電量和儲能模塊所發電量均無法滿足用戶負載或電網需要時，利用微型燃氣輪機產生的發電量進行補充；微型燃氣輪機發電單元:用於為用戶負載或電網進行供電；所述的用戶負載模塊包括:智能優化用電控制器:用於將狀態採集器採集的負載端的電壓、電流信號建立負載矩陣，利用神經網絡建模來構建用戶負載的用電量規律，利用該電量規律自動控制用戶負載的用電量；狀態採集器:用於實時採集用戶負載端的節點電壓和電流。所述的分布式新能源發電模塊通過直流母線與分布式新能源逆變模塊連接，所述的直流母線由三段組成，分開設置，光伏發電單元的輸出端分別通過第一段直流母線、第二段直流母線和第三段直流母線連接光伏發電逆變單元的輸入端；風力發電單元的輸出端分別通過第一段直流母線、第二段直流母線和第三段直流母線連接風力發電逆變單元的輸入端；生物質能發電單元的輸出端分別通過第一段直流母線、第二段直流母線和第三段直流母線連接生物質能發電逆變單元的輸入端。所述的儲能模塊的輸入端同時連接第一段直流母線、第二段直流母線和第三段直流母線。本發明一種智能微網的源-網-荷自動控制系統中的控制方法包括一種分布式新能源智能優化發電控制方法、一種儲能單元的充放電控制方法及一種用戶負載的用電量規律協調方法，其中，所述分布式新能源智能優化發電控制方法步驟如下:步驟1:採用霍爾元件測量法採集光伏電池、風力發電機和生物質能發電設備的節點電壓和電流；步驟2:採用不確定估計方法對光伏電池的發電能力、風力發電機的發電能力和生物質能發電設備的發電能力進行預估，所述的發電能力包括電阻、電抗和PV節點電壓值，具體公式為:對於電阻和電抗的預估:Rm+4 = Rm+3 = Rm+2 = Rm+1⑴
= 0.01Rm—7+0.03Rm—6+0.06Rm—5+0.lRm—4+0.15Rm—3+0.16Rm—2+0.22Rm—J0.30Rm式中，Rm為第m個釆樣周期內的電阻；Rm+n為預估的第m+n個釆樣周期內的電阻，其中，η = -7，-6，-5，-4，-3，-2，-1，I，2，3，4 ；Xm+4 = Xm+3 = Xm+2 = Xm+i = .15Xm_2+0.25Xm_1+0.6Xm(2)式中，Xni為第m個採樣周期內的電抗為預估的第m+p個採樣周期內的電抗，其中，P = -2，-1,1,2,3,4 ；對於PV節點的電壓預估:U+4=U+3=U+2=U+1(3)=0.01Um_7+0.03Um_6+0.06Um_5+0.lUm_4+0.15Um_3+0.16Um_2+0.22^^+0.30Um式中，U111為第m個採樣周期內的PV節點電壓為預估的第m+n個採樣周期內的 PV 節點電壓，其中，n=-7, -6，-5，-4，-3，-2，-1，I, 2,3,4；步驟3:根據步驟2獲得的PV節點電壓值，以時間為橫坐標、以PV節點電壓值為縱坐標繪製發電能力波動預報曲線；步驟4:計算光伏電池、風力發電機和生物質能發電設備發電能力的魯棒性，選擇魯棒性最好的，為用戶負載或電網進行供電，魯棒性的計算公式如下:
DN = I( Um -￠/市電)2 +(UmA - U市電> +^Um_s —f/市電)2 +(--Um_s -￠/市電+^um_7 -CZ市電)2(4)DnS魯棒值，該值越小，表示發電設備發電能力的魯棒性越好；Uff4為市電網絡中的節點電壓；步驟5:計算光伏電池、風力發電機和生物質能發電設備供給用戶負載和電網的電能總量主公式為:
權利要求
1.一種智能微網的源-網-荷自動控制系統，其包括: 分布式新能源發電模塊(I):用於將太陽能、風能及生物質能轉換為電能，為負載或電網供電； 分布式新能源逆變模塊(2):用於將光伏電池板、風力發電機以及生物質能發電設備所發直流電轉變為交流電； 傳統發電模塊(3):用於控制微型燃氣輪機為用戶負載或電網進行供電； 用戶負載模塊出):為微網中的本地負載； 雙向併網控制模塊(12):用於控制微網與電網間的通斷與能量傳輸； 其特徵在於:還包括: 分布式新能源智能優化發電控制模塊(13):1)用於採集光伏電池、風力發電機和生物質能發電設備的節點電壓和電流值，採用不確定性預估方法在4 5個採樣周期內對光伏電池的發電能力、風力發電機的發電能力和生物質能發電設備的發電能力進行預估，繪製發電能力波動預報曲線，再分別計算上述三者發電能力的魯棒性，選擇魯棒性最好的，為用戶負載或電網進行供電； 2)用於當光伏電池、風力發電機和生物質能發電設備的實際發電量與用於供給用戶負載和電網的電能總量存在差值時，發送控制信號給智能儲能單元調節器； 3)用於當光伏電池、風力發電機和生物質能發電設備的發電量和儲能模塊所發電量與用戶負載和電網需求的電能總量存在差值時，發送控制信號給微燃機發電控制器； 儲能模塊(9):用於控制蓄電池組的充、放電，保證每個蓄電池充放電次數平均，其進一步包括: 智能儲能單元調節器(10):1)若接收光伏電池、風力發電機和生物質能發電設備的剩餘電量，計算每個蓄電池充電次數和放電次數的總和，該值與所有蓄電池充放電次數的的平均值進行比較，選擇差值最大的蓄電池作為本次充電所用蓄電池； 2)、若光伏電池、風力發電機和生物質能發電設備所發電量無法滿足用戶負載或電網需求，則接收由分布式新能源智能優化發電控制器發出的發電控制信號，控制蓄電池組進行放電:計算每個蓄電池充電次數和放電次數的總和，該值與所有蓄電池充放電次數的的平均值進行比較，選擇差值最大的蓄電池作為本次放電所用蓄電池； 蓄電池組(11):用於存儲或釋放光伏電池、風力發電機和生物質能發電設備的剩餘電倉泛; 所述的傳統發電模塊⑶包括: 微型燃氣輪機智能優化發電控制單元(4):用於在光伏電池、風力發電機和生物質能發電設備的發電量和儲能模塊所發電量均無法滿足用戶負載或電網需要時，利用微型燃氣輪機產生的發電量進行補充； 微型燃氣輪機發電單元(5):用於為用戶負載或電網進行供電； 所述的用戶負載模塊(6)包括: 智能優化用電控制器(7):用於將狀態採集器採集的負載端的電壓、電流信號建立負載矩陣，利用神經網絡建模來構建用戶負載的用電量規律，利用該電量規律自動控制用戶負載的用電量； 狀態採集器(8):用於實時採集用戶負載端的節點電壓和電流。
2.根據權利要求1所述的智能微網的源-網-荷自動控制系統，其特徵在於:所述的分布式新能源發電模塊通過直流母線與分布式新能源逆變模塊連接，所述的直流母線由三段組成，分開設置，光伏發電單元的輸出端分別通過第一段直流母線(Busl)、第二段直流母線(Bus2)和第三段直流母線(Bus3)連接光伏發電逆變單元的輸入端；風力發電單元的輸出端分別通過第一段直流母線(Busl)、第二段直流母線(Bus2)和第三段直流母線(Bus3)連接風力發電逆變單元的輸入端；生物質能發電單元的輸出端分別通過第一段直流母線(Busl)、第二段直流母線(Bus2)和第三段直流母線(Bus3)連接生物質能發電逆變單元的輸入端。
3.根據權利要求2所述的智能微網的源-網-荷自動控制系統，其特徵在於:所述的儲能模塊的輸入端同時連接第一段直流母線(Busl)、第二段直流母線(Bus2)和第三段直流母線(Bus3)。
4.一種分布式新能源智能優化發電控制方法，採用如權利要求1所述的智能微網的源-網-荷自動控制系統，其特徵在於: 步驟1:採用霍爾元件測量法採集光伏電池、風力發電機和生物質能發電設備的節點電壓和電流； 步驟2:採用不確定估計方法對光伏電池的發電能力、風力發電機的發電能力和生物質能發電設備的發電能力進行預估，所述的發電能力包括電阻、電抗和PV節點電壓值，具體公式為: 對於電阻和電抗的預估: Rm+4=Rm+3=Rm+2=Rm+l ⑴ =0.01Rm—7+0.03Rm—6+0.06Rm—5+0.lRm—4+0.15Rm—3+0.16Rm—2+0.22Rm—J0.30Rm式中，Rm為第m個採樣周期內的電阻；Rm+n為預估的第m+n個採樣周期內的電阻，其中，χ\.-~ , ~5, ~3, ~2, -1, I, 2, 3, 4 ； Xm+4=Xm+3=Xm+2=Xm+l=0.!5Xm_2+0.2SXm^+0.6Xm ⑵ 式中，Xm為第m個採樣周期內的電抗；Xm+p為預估的第m+p個採樣周期內的電抗，其中，p=_2, -1, I, 2, 3, 4 ； 對於PV節點的電壓預估: U+4=U+3=U+2=U+1⑶ =0.01Um_7+0.031-6+0.06Um_5+0.lUm_4+0.15Um_3+0.16Um_2+0.22^^+0.30Um式中，Uffl為第m個採樣周期內的PV節點電壓；Um+n為預估的第m+n個採樣周期內的PV節點電壓，其中，n=-7，-6，-5，-4，-3，-2，-1, I, 2, 3, 4 ； 步驟3:根據步驟2獲得的PV節點電壓值，以時間為橫坐標、以PV節點電壓值為縱坐標繪製發電能力波動預報曲線； 步驟4:計算光伏電池、風力發電機和生物質能發電設備發電能力的魯棒性，選擇魯棒性最好的，為用戶負載或電網進行供電，魯棒性的計算公式如下:Dn=^Um -Um)2 +( UmA -Un)2 +iUm_3-U-m)2+aim_5-Un)z +iUm_7-Um/ ⑷ DnS魯棒值，該值越小，表示發電設備發電能力的魯棒性越好；Uff4為市電網絡中的節點電壓；步驟5:計算光伏電池、風力發電機和生物質能發電設備供給用戶負載和電網的電能總量，公式為:Wn=--W(5)
5.一種儲能單元的充放電控制方法，採用如權利要求1所述的智能微網的源-網-荷自動控制系統，其特徵在於: 步驟1:若接收的是光伏電池、風力發電機和生物質能發電設備發送來的剩餘電量，則執行步驟2，蓄電池進行充電；若接收到是由分布式新能源智能優化發電控制器發送的控制信號，則執行步驟3，蓄電池進行放電； 步驟2:統計每個蓄電池的充放電次數C，計算所有蓄電池充放電次數的總和並求取平均值C，計算C-c的差值，取差值絕對值最大的蓄電池作為充電對象； 步驟3:統計每個蓄電池的充放電次數C，計算所有蓄電池充放電次數的總和並求取平均值C，計算C-c的差值，取差值絕對值最大的蓄電池作為放電對象。
6.一種用戶負載的用電量規律協調方法，採用如權利要求1所述的智能微網的源-網-荷自動控制系統，其特徵在於: 步驟1:根據所採集的用戶負載端節點的電壓和電流歷史數據，建立神經網絡模型來預測用戶負載的用電量規律； 步驟2:狀態採集器實時採集用戶負載端的節點電壓和電流，對步驟I的神經網絡模型不斷進行修正； 步驟3:智能優化用電控制器根據經步驟2修正後得到的用電量，向分布式新能源智能優化發電控制器發送用戶負載的實際用電總量，啟動光伏電池、風力發電機、生物質能發電設備、儲能模塊和傳統發電模塊中相應設備進行供電。
全文摘要
一種智能微網的源-網-荷自動控制系統及控制方法，屬於微網控制與電氣技術領域。包括分布式新能源發電模塊、分布式新能源逆變模塊、傳統發電模塊、用戶負載模塊、雙向併網控制模塊、分布式新能源智能優化發電控制模塊、儲能模塊、智能儲能單元調節器和蓄電池組。同傳統含有分布式新能源發電系統的微網相比，本發明保證了發電系統的穩定性和較高的能源利用率、有效解決蓄電池使用次數不均的問題，使蓄電池組整體使用壽命達到統一、智能優化用電控制器可以對用戶負荷用電量進行合理預測，從而達到可在整個微網範圍內，對系統內每個發電單元未來發電狀態進行合理化調節，同時可以對未來可能存在的故障隱患進行合理預防。
文檔編號H02J3/32GK103236718SQ20131009973
公開日2013年8月7日 申請日期2013年3月26日 優先權日2013年3月26日
發明者張化光, 孫秋野, 楊珺, 劉鑫蕊, 滕菲, 郭靖, 王佔山, 劉振偉, 梁雪 申請人:東北大學