一种孤岛型微电网实时调度能量管理系统

摘要

本发明公开一种孤岛型微电网实时调度能量管理系统，其包括能量管理单元、实时监测单元、预测控制单元，以及分布式单元断路器；微电网包括分别通过电能转换器连接电力母线的发电单元、蓄电池和负荷；实时监测单元获取各发电单元和蓄电池的运行状态，预测控制单元根据当前天气信息数据和历史负荷数据，预测发电单元的输出功率以及负载需求，能量管理单元根据接收到微电网运行数据和预测结果数据，以系统运行费用最小为目标函数，以系统安全运行为约束条件，计算下一时刻各发电单元的运行状态和输出功率，并据此通过分布式单元断路器控制各发电单元向电力电网的电能传输。本发明可减少天气状况、负载波动等不确定因素对系统运行带来的影响，提升微电网运行的可靠性。

说明书

技术领域

本发明涉及孤岛型微电网调度管理技术领域，特别是一种孤岛型微电网实时调度能量管理系统。

背景技术

随着国家对可再生能源的使用的大力支持，越来越多的微电网项目已经建成，特别是用于偏远地区、工业园、学校、医院使用的孤岛型微电网受到越来越多的关注。

随着大量孤岛型微电网的建成，随之而来的问题，如可再生能源输出功率的间歇性与随机性对系统功率平衡影响问题，可再生能源在系统中如何有效使用问题，系统经济运行问题，系统运行过程如何实时调度各分布式发电单元输出功率问题，蓄电池如何有效延长使用寿命问题等等。微电网的EMS系统就是基于上述问题进行相关的研究，使微电网系统能够经济可靠的运行。

而当前的EMS研究大多集中于日前调度，根据预测信息计算第二日的运行结果，然后按照此调度结果进行运行。由于再生能源输出功率的间歇性、随机性，及负载侧需求的不确定性，当日运行过程中可再生能源与负载需求往往有差于前一天的预测结果，如果还按照日前调度结果运行必然会引起系统的安全问题，在天气情况变化较大的时候，甚至可能引起整个系统的崩溃。为了使系统能够安全有效的运行，微电网中常配置一定容量的电池进行削峰填谷，提高可再生能源利用率，而在恶劣天气情况下对电池如果进行过充或者过放会大大降低电池的使用寿命。因此很有必要对现有微电网的EMS进行探索与研究，提高微电网运行的安全性、可靠性和经济性。

发明内容

本发明要解决的技术问题为：提供一种孤岛型微电网实时调度能量管理系统，解决孤岛型微电网实时调度的需求，减少系统运行中天气状况、负载波动等不确定因素对系统运行带来的影响，提升微电网运行的可靠性及经济效益。

本发明采取的技术方案具体为：一种孤岛型微电网实时调度能量管理系统，孤岛型微电网包括分别通过电能转换器连接电力母线的光伏发电单元、风机发电单元、柴油机、蓄电池、 交流负荷和直流负荷；实时调度能量管理系统包括：能量管理单元、实时监测单元、预测控制单元，以及分布式单元断路器；

实时监测单元与连接柴油机和蓄电池的电能转换器分别连接，以获取蓄电池荷电状态数据，和柴油机的运行状态数据，并将获取到的数据传输至能量管理单元；所述柴油机的运行状态数据主要指柴油机的启停状态参数数据；

预测控制单元接收天气信息数据和历史负荷数据，并根据接收到的天气信息数据预测光伏发电单元和风机发电单元的输出功率，根据历史负荷数据预测负载需求，然后将预测结果数据传输至能量管理单元；

能量管理单元接收实时监测单元以及预测控制单元发出的数据，基于预测控制单元输出的发电单元输出功率数据和负载需求数据，以系统运行费用最小为目标函数，系统安全运行为约束条件，求取机组优化组合；并在不改变原有机组启停状态情况下，计算下一时间段光伏发电单元和风机发电单元的运行状态和输出功率，即得到各时间段的调度计算结果；

分布式单元断路器包括分别连接在各电能转换器与电力母线之间的断路器，各断路器分别连接能量管理单元；能量管理单元获取当前各断路器的开断状态，并根据调度计算结果控制各断路器的断开或闭合，从而对应控制各发电单元的工作。

本发明在应用时，能量管理单元根据微电网中净功率的大小确定各发电单元出力大小，根据蓄电池的荷电状态确定控制蓄电池充放电功率。在调度计算时，以系统运行费用最小为目标函数进行计算，可以使各分布式发电单元工作在其安全运行功率范围之内，并且可以最大限度使用可再生能源；同时蓄电池工作在最大充放电功率范围之内，以有效延长蓄电池的使用寿命；柴油机工作在其效率较高的运行范围内，以减小整个系统对环境的污染；使整个系统安全稳定运行。

进一步的，本发明中，预测控制单元接收的天气信息数据包括未来短时间内的天气预报信息数据和日前天气预报信息数据：

预测控制单元根据日前天气预报信息数据，按天为单位，采用神经网络预测方法和自回归模型计算光伏发电单元和风机发电单元的输出功率和负载的需求，得到日前预测数据；

预测控制单元根据未来短时间内的天气预报信息数据，采用BP神经网络预测算法和自回归模型计算5分钟、15分钟、30分钟后光伏发电单元和风机发电单元的输出功率和负载需求，并传输至能量管理单元。为能量管理单元的实时调度提供数据基础，相应的，能量管理 单元进行调度计算进而对微电网进行调度的周期为5分钟/次，以及时应对系统运行过程中的突发状况，比如天气情况突发改变，或者负载需求发生变化等。

相应的，能量管理单元基于预测控制单元输出的发电单元输出功率数据和负载需求数据，以日前预测数据为输入，以系统运行费用最小为目标函数，系统安全运行为约束条件，采用混合整数规划算法求取机组优化组合；

其中系统运行费用最小的目标函数为：

$\begin{array}{c}\min F=\underset{t=t_c}{\overset{T}{\Sigma }}\underset{i=1}{\overset{L}{\Sigma }}\left(\begin{array}{c}{p}_i\left(t\right)P_i\left(t\right)+|u\left(t\right)-u(t-1)|p_{on}\\ +u\left(t\right)p_d\left(t\right)P_{gen}\left(t\right)\end{array}\right)\\ +C_{bat}\left(T\right)\end{array}---\left(1\right)$

式中，F为运行费用，T为运行周期，t_c为当前时刻；L为可再生发电单元个数；p_i(t)为可再生发电单元发电电价，P_i(t)，为可再生发电单元输出功率；p_on为柴油机开启成本；p_d为柴油机的发电单价；P_gen为柴油机发电功率；u(t)为柴油机状态变量，u(t)＝0表示柴油机处于停机状态，u(t)＝1表示柴油机开启；u(t)为混合整数规划方法获得的结果；C_bat(T)为储能装置运行费用；

孤岛型微电网在运行优化中需要满足一定的约束条件才能使实际系统达到技术可行和经济可行；本发明系统安全运行约束条件包括：

1)风机、光伏输出功率约束：

$\left(\begin{array}{c}0\le P_W\left(t\right)\le P_{W\_\max }\\ 0\le P_{PV}\left(t\right)\le P_{PV\_\max }\end{array}\right)---\left(2\right)$

式(2)中，P_{W_max}、P_{PV_max}分别表示风机、光伏最大输出功率；

2)储能装置即蓄电池功率与SOC约束：

由于储能装置在充放电的过程中与上一时刻的电池状态有关，且当前状态会影响到下一时间段系统的运行，为了减弱储能装置在运行过程中运算周期之间的影响，在计算中设定储能装置SOC的初始值等于结束值，并且在运行的过程中要满足SOC上下限的限制以及充放电功率的限制等约束，具体如下：

$\left(\begin{array}{c}{\mathrm{SOC}}_{\min }\le SOC\le {\mathrm{SOC}}_{\max }\\ {\mathrm{SOC}}_{initial}\le {\mathrm{SOC}}_{end}\\ -P_{\max \_ch\arg e}\le P_{bat}\le P_{\max \_disch\arg e}\\ SOC(t+\Delta t)=SOC\left(t\right)-{\mathrm{\eta P}}_{bat,t}\Delta t/E_c\end{array}\right)---\left(3\right)$

式(3)中，SOC_min、SOC_max分别表示蓄电池SOC的下限值和上限值，可分别取值为0.2和0.9；P_{max_charge}、P_{max_discharge}分别表示蓄电池最大充放电功率；η为蓄电池转换效率，充电时取充电效率η_c，放电时取放电效率η_d的倒数1/η_d；P_bat,tΔt/E_c为在Δt时间内蓄电池的充放电功率产生的储能装置的剩余容量值；

3)柴油机发电功率约束：

k_{de_min}P_{de_rate}≤P_gen(t)≤P_{de_rate}>

式(4)中，P_{de_rate}为柴油发电机额定功率；k_{de_rate}为柴油发电机最小功率运行时的比例系数；

柴油机在开启后其运行功率应该运行在一定功率范围内，否则会影响柴油机的使用效率与经济性。

4)系统级运行约束条件包括系统功率平衡：

$\underset{i=1}{\overset{L}{\Sigma }}{P}_{ri}+\underset{m=1}{\overset{M}{\Sigma }}{P}_{nm}=\underset{k=1}{\overset{K}{\Sigma }}{P}_{Lk}---\left(5\right)$

式(5)中，P_ri表示可再生能源输出功率，P_nm表示非可再生能源输出功率，P_Lk为负载需求功率；

所述可再生能源输出功率即包括光伏发电单元和风机发电单元的输出功率，非可再生能源输出功率即包括柴油机和蓄电池输出功率。

在求取机组优化组合的同时，能量管理单元在不改变原有机组启停状态情况下，采用遗传算法计算下一时间段光伏发电单元和风机发电单元的运行状态和输出功率，即得到各时间段的调度计算结果。

上述本发明系统对遗传算法和混合整数规划算法的应用分别为现有技术。

如果运行过程中某一天的天气状况发生骤变或者一天当中天气情况不稳定时，此时各发电单元的输出功率波动性会比较大，则本发明的实时监测单元与预测控制单元会实时将系统的运行状态信息及相应预测信息传输给能量管理单元，能量管理单元根据获得的信息计算下 一时间段及之后的调度信息，并发送相应的指令给分布式单元断路器以及各电能转换器，提前做出应对系统中不确定因素带来的影响，保证系统安全稳定运行。

能量管理单元根据实时监测单元获取的蓄电池的SOC值，保证储能一直运行在安全范围内；同时能量管理单元将可再生能源输出功率、负载需求功率数据的日前预测数据中相应时段的数据，与未来短时段内的预测数据进行对比；对于日前预测数据中的可再生能源输出功率、负载需求数据与未来短时段内预测数据存在差异时，能量管理单元重新计算调度结果，再根据调度结果重新对系统进行调度。

前述日前预测数据在计算时是按时间进行的，假设运算两点(连续两小时)之间的功率是不变的，而未来短时段内的结果是按5min/次的周期滚动进行计算的，比较的数据就是当日运行在两点之间运行周期的数据对照与日前预测的在此两点间的数据。例如当日运算下午2点45分的结果，对比的就是预测到此时的可再生能源输出功率与前一天预测出来的当天的下午2点的输出结果比较。

本发明所述日前即实际运行的前一日，也即本发明系统在每一天皆根据当天对次日天气信息的预报情况(即日前天气预报信息数据)，预测次日的可再生能源输出功率和负载需求功率数据，即日前预测数据。

有益效果

本发明为基于IEC61970等国际标准的电网能量管理系统，系统通过实时监测包括蓄电池状态、发电单元输出功率以及柴油机运行状态的微电网数据，同时根据获取到天气数据和负荷数据预测负荷需求量，进而依据负荷需求量和微电网数据计算下一更新时刻及之后运行时刻的调度信息，然后根据调度计算结果控制微电网中各功能单元的工作，实现能量管理和调度。具体效果为：

1)当日可再生资源与预测值有差异时，系统能够对此作出反应，提高了供电可靠性；

2)能量管理单元的更新速度快，对于负载侧的需求出现紧急情况时，能够及时解决，提高系统运行的安全性；

3)可再生发电单元的工作模式不限于最大功率跟踪，可以根据电网的实际运行进行调整，在安全工作范围内运行在最大功率跟踪，在出现天气或者负载需求异常时，可以调整可再生发电单元运行在安全模式下，提高系统整体运行的综合效能；

4)本发明以系统运行费用最小为目标函数，结合电池的充放电特性，可以有效避免在运 行过程中出现电池过充过放现象，提高电池的使用寿命，有效利用到可再生能源对系统供电，提高系统运行的经济性。

附图说明

图1所示为本发明系统结构示意框图；

图2所示为遗传算法流程示意图。

具体实施方式

以下结合附图和具体实施例进一步描述。

参考图1，本发明的孤岛型微电网实时调度能量管理系统包括能量管理单元、实时监测单元、预测控制单元，以及分布式单元断路器；孤岛型微电网包括分别通过电能转换器连接电力母线的光伏发电单元、风机发电单元、柴油机、蓄电池、交流负荷和直流负荷；各电能转换器的控制端连接能量管理单元；

实时监测单元与连接柴油机发电单元和蓄电池的电能转换器分别连接，以获取蓄电池荷电状态数据，和柴油机的运行状态数据，并将获取到的数据传输至能量管理单元；

预测控制单元接收天气信息数据和历史负荷数据，并根据接收到的数据预测光伏发电单元和风机发电单元的输出功率，以及负载需求，并将预测结果数据传输至能量管理单元；

能量管理单元接收实时监测单元以及预测控制单元发出的数据，基于预测控制单元输出的发电单元输出功率数据和负载需求数据，以系统运行费用最小为目标函数，系统安全运行为约束条件，求取机组优化组合；并在不改变原有机组启停状态情况下，计算下一时间段光伏发电单元和风机发电单元的运行状态和输出功率，即得到各时间段的调度计算结果；

分布式单元断路器包括分别连接在各电能转换器与电力母线之间的断路器，能量管理单元获取当前各断路器的状态，并根据调度计算结果各断路器的工作，以控制各断路器触点的断开或闭合，进而对应控制各发电单元的工作。

实施例

图1所示的实施例中，电能转换器即连接电力母线与光伏发电单元、风机发电单元和直流负荷的直流变换器，连接电力母线与柴油机、蓄电池的整流变换器，以及连接电力母线与交流负荷的逆变器。

预测控制单元接收的天气信息数据包括未来短时间内的天气预报信息数据和日前天气预报信息数据；

预测控制单元根据日前天气预报信息数据，按天为单位，采用神经网络预测方法和自回归模型计算光伏发电单元和风机发电单元的输出功率和负载的需求，得到日前预测数据；

预测控制单元根据未来短时间内的天气预报信息数据，采用BP神经网络预测算法和自回归模型计算5分钟、15分钟、30分钟后光伏发电单元和风机发电单元的输出功率和负载需求，并传输至能量管理单元。为能量管理单元的实时调度提供数据基础，相应的，能量管理单元进行调度计算进而对微电网进行调度的周期为5分钟/次，以及时应对系统运行过程中的突发状况，比如天气情况突发改变，或者负载需求发生变化等。

实时监测单元连接两个整流变换器，以实时监测蓄电池荷电状态SOC，和柴油机运行状态，并将监测到的数据传输至能量管理单元。

能量管理单元接收分布式单元断路器、实时监测单元、预测控制单元的实时信息，并根据接收到的微电网运行数据和预测结果数据，以日前预测数据为输入，以系统运行费用最小为目标函数，以系统安全运行为约束条件，采用混合整数规划方法求取机组优化组合，在此基础上，再根据未来短时间段内预测的光伏发电单元和风机发电单元的输出功率，以及负载需求信息，在不改变原有机组启停的状态下，采用遗传算法计算下一时间段各发电单元的运行状态和输出功率，按5分钟/次的周期滚动计算，得到调度计算结果。

本发明系统运行时，对遗传算法、混合整数规划算法的应用分别为现有技术。

能量管理单元在求取机组优化组合时，系统运行费用最小的目标函数为：

$\begin{array}{c}\min F=\underset{t=t_c}{\overset{T}{\Sigma }}\underset{i=1}{\overset{L}{\Sigma }}\left(\begin{array}{c}{p}_i\left(t\right)P_i\left(t\right)+|u\left(t\right)-u(t-1)|p_{on}\\ +u\left(t\right)p_d\left(t\right)P_{gen}\left(t\right)\end{array}\right)\\ +C_{bat}\left(T\right)\end{array}---\left(1\right)$

式中，F为运行费用，T为运行周期，t_c为当前时刻；L为可再生发电单元个数；p_i(t)为可再生发电单元发电电价，P_i(t)，为可再生发电单元输出功率；p_on为柴油机开启成本；p_d为柴油机的发电单价；P_gen为柴油机发电功率；u(t)为柴油机状态变量，u(t)＝0表示柴油机处于停机状态，u(t)＝1表示柴油机开启；u(t)为混合整数规划方法获得的结果；C_bat(T)为储能装置运行费用；

孤岛型微电网在运行优化中需要满足一定的约束条件才能使实际系统达到技术可行和经 济可行；本发明系统安全运行约束条件包括：

1)风机、光伏输出功率约束：

$\left(\begin{array}{c}0\le P_W\left(t\right)\le P_{W\_\max }\\ 0\le P_{PV}\left(t\right)\le P_{PV\_\max }\end{array}\right)---\left(2\right)$

式(2)中，P_{W_max}、P_{PV_max}分别表示风机、光伏最大输出功率；

2)储能装置即蓄电池功率与SOC约束：

由于储能装置在充放电的过程中与上一时刻的电池状态有关，且当前状态会影响到下一时间段系统的运行，为了减弱储能装置在运行过程中运算周期之间的影响，在计算中设定储能装置SOC的初始值等于结束值，并且在运行的过程中要满足SOC上下限的限制以及充放电功率的限制等约束，具体如下：

$\left(\begin{array}{c}{\mathrm{SOC}}_{\min }\le SOC\le {\mathrm{SOC}}_{\max }\\ {\mathrm{SOC}}_{initial}\le {\mathrm{SOC}}_{end}\\ -P_{\max \_ch\arg e}\le P_{bat}\le P_{\max \_disch\arg e}\\ SOC(t+\Delta t)=SOC\left(t\right)-{\mathrm{\eta P}}_{bat,t}\Delta t/E_c\end{array}\right)---\left(3\right)$

式(3)中，SOC_min、SOC_max分别表示蓄电池SOC的下限值和上限值，可分别取值为0.2和0.9；P_{max_charge}、P_{max_discharge}分别表示蓄电池最大充放电功率；η为蓄电池转换效率，充电时取充电效率η_c，放电时取放电效率η_d的倒数1/η_d；P_bat,tΔt/E_c为在Δt时间内蓄电池的充放电功率产生的储能装置的剩余容量值；

3)柴油机发电功率约束：

k_{de_min}P_{de_rate}≤P_gen(t)≤P_{de_rate}>

式(4)中，P_{de_rate}为柴油发电机额定功率；k_{de_rate}为柴油发电机最小功率运行时的比例系数；

柴油机在开启后其运行功率应该运行在一定功率范围内，否则会影响柴油机的使用效率与经济性。

4)系统级运行约束条件包括系统功率平衡：

$\underset{i=1}{\overset{L}{\Sigma }}{P}_{ri}+\underset{m=1}{\overset{M}{\Sigma }}{P}_{nm}=\underset{k=1}{\overset{K}{\Sigma }}{P}_{Lk}---\left(5\right)$

式(5)中，P_ri表示可再生能源输出功率，P_nm表示非可再生能源输出功率，P_Lk为负载需求功率；

所述可再生能源输出功率即包括光伏发电单元和风机发电单元的输出功率，非可再生能源输出功率即包括柴油机和蓄电池输出功率。

综上，本发明系统的数学模型可以描述为:

$x^{*}=\arg \underset{x}{\min }f\left(x\right)$

s.t.h_i(x)＝0,i＝1,...,m>

g_j(x)≤0,j＝1,...,l

以上数学模型中的自变量x^*即为各分布式单元输出功率的最优解，其中x为向量值，其各个分量即为各分布式单元的输出功率。

式(6)为本发明系统模型要满足的条件，其中h_i(x)＝0代表需满足供需的平衡，即输出功率与实际需求的平衡；g_j(x)≤0代表各个分布式发电单元需要满足在其自身的运行安全条件之内。

本发明问题的求解为优化问题，遗传算法具有全局寻优的功能，并且遗传算法具有简单通用、鲁棒性强、适于并行处理等优点，本发明采用遗传算法对微电网系统的经济运行优化问题进行求解分析，获得整个系统的最优解。遗传算法主要包括编码、初始化、适应度评估、选择、交叉、变异等步骤，其流程图如附图2所示。

能量管理单元的计算和调度周期可设置为每5到15分钟进行一次，以有效应对系统运行过程中的突发状况，比如天气情况突发改变，或者负载需求发生变化等。能量管理系统根据获取的数据信息及时调整调度结果，以系统运行费用最小为目标函数进行计算，可以使各分布式单元工作在其安全运行功率范围之内，并且可以最大限度使用可再生能源；蓄电池工作在最大充放电功率范围之内，以有效延长蓄电池的使用寿命；柴油机工作在其效率较高的运行范围内，以减小整个系统对环境的污染；使整个系统安全稳定运行。

如果运行过程中某一天的天气状况发生骤变或者一天当中天气情况不稳定时，可再生发电单元的输出功率波动性会比较大，此时实时监测单元与预测控制单元会实时将相关数据信息传输给能量管理单元，能量管理单元根据获得的预测信息以及系统实时运行状况计算下一时刻及之后的调度信息，并发送相应的指令给分布式单元，提前做出应对系统中不确定因素带来的影响，保证系统安全稳定运行。

系统中光伏发电单元与风机发电单元运行模式正常可设置为最大功率追踪模式，当遇到 突发天气状况带来的能源波动较大的时候，可以转换为下垂控制模式调节分布式单元的输出功率，提高系统运行的可靠性。对发电单元的上述运行模式控制为现有技术。

综上，针对微电网中可再生资源的间歇性、随机性和负载侧需求的不确定性，本发明能够有效调节这些不确定性对系统运行的影响，达到系统安全可靠的运行。同时本发明通过有效控制储能装置的充放电过程，延长电池的寿命；通过以运行费用最小为目标进行调度计算，进而利用对分布式发电单元的机组组合、控制储能装置充放电功率、调节柴油机输出功率，达到最大化使用可再生能源，延长蓄电池的使用寿命等目的。

以上仅为本发明的具体实施例而已，并不限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围。