一种能源管理方法及智能光储装置制造方法及图纸

本发明专利技术提供了一种能源管理方法及智能光储装置，该方法包括：S1、获取预测光照度和温度值；S2、根据训练出的光伏最大出力关系式获取预测光照度和温度值对应的预测光伏最大出力；S3、在并网模式下，根据储能单元的SOC(荷电量)状态及预测光伏最大出力，生成储能充放电指令。该装置包括能源管理系统，能源管理系统包括：人工智能算法模块，用于获取预测光照度和温度值，并结合根据训练出的光伏最大出力关系式获取预测光照度和温度值对应的预测光伏最大出力；控制指令生成模块，用于在并网模式下，根据储能单元的SOC(荷电量)状态及预测光伏最大出力，生成储能充放电指令。本发明专利技术可以确保在并离网运行的工况下，整个系统经济性最优。

An Energy Management Method and Intelligent Optical Storage Device

【技术实现步骤摘要】
一种能源管理方法及智能光储装置
本专利技术属于储能装置，具体涉及一种智能光储装置。
技术介绍
移动通信铁塔很多处于较难达到的区域，这些区域的供电可靠性较低或者没有供电。铁塔基站都配备UPS系统，在电网停电后可以确保通信设备约15分钟的不间断供电。当电网停电时间超过15分钟，则需要人工运送柴油机到现场为通信设备供电。这样的供电方式运维效率低下并且成本很高。
技术实现思路
本专利技术的特征和优点在下文的描述中部分地陈述，或者可从该描述显而易见，或者可通过实践本专利技术而学习。为克服现有技术的问题，本专利技术提供一种能源管理方法，应用于能源管理系统(EMS)，包括：S1、获取预测光照度和温度值；S2、根据训练出的光伏最大出力关系式获取所述预测光照度和温度值对应的预测光伏最大出力；S3、在并网模式下，根据储能单元的SOC(荷电量)状态及所述预测光伏最大出力，生成储能充放电指令。优选地，所述步骤S1中采用时间序列预测神经网络获取预测光照度和温度值；所述步骤S2中采用BP神经网络训练出光伏最大出力关系式。优选地，所述步骤S3包括：在离网模式下，根据所述预测光伏最大出力获取预测MPPT(最大功率点跟踪)点的功率值，并据此确定光伏机的下垂曲线。根据本专利技术的另一个方面，提供一种智能光储装置，包括能源管理系统，所述能源管理系统包括：人工智能算法模块，用于获取预测光照度和温度值，并结合根据训练出的光伏最大出力关系式获取所述预测光照度和温度值对应的预测光伏最大出力；控制指令生成模块，用于在并网模式下，根据储能单元的SOC(荷电量)状态及所述预测光伏最大出力，生成储能充放电指令。优选地，所述人工智能算法模块采用时间序列预测神经网络获取预测光照度和温度值，采用BP神经网络训练出光伏最大出力关系式。优选地，所述人工智能算法模块用于在离网模式下，根据所述预测光伏最大出力获取预测MPPT(最大功率点跟踪)点的功率值，并据此确定光伏机的下垂曲线。优选地，所述智能光储装置包括通讯控制单元、处理单元和储能单元，所述通讯控制单元、处理单元和储能单元、能源管理系统通过通信线相互连接在一起；所述处理单元通过电气连接线与光伏系统及交流母线相连；所述处理单元用于接收能源管理系统的指令并执行。优选地，所述处理单元包括相连的交流侧逆变器与直流侧变换器；所述交流侧逆变器用于与光伏系统电气相连；所述直流侧变换器用于与储能单元相连；所述储能单元包括1至5个储能电池。优选地，所述交流侧逆变器包括DC/DC模块、DC/AC模块以及电容，所述DC/DC模块、DC/AC模块通过所述电容进行电气连接。优选地，所述处理单元包括通过电气依次相连的光伏逆变器、储能变流器、直流配电柜；所述储能单元包括多个在交流侧进行并联的储能电池。本专利技术提供一种云端虚拟电厂，包括并接到交流供电系统的光伏系统和多个如本专利技术任一实施例所述的光储智能装置。附图说明图1为本专利技术实施例的能源管理方法的流程示意图；图2为本专利技术实施例的智能光储装置的结构示意图；图3为本专利技术实施例的下垂曲线控制的示意图；图4为本专利技术一实施例的智能光储装置的结构示意图；图5为图4所示智能光储装置中交流侧逆变器的结构示意图；图6为本专利技术一实施例的智能光储装置的结构示意图；图7为本专利技术实施例的云端虚拟电厂结构示意图。具体实施方式下面结合附图对本专利技术作进一步详细描述：如图1所示，本专利技术提供一种能源管理方法，应用于能源管理系统(EMS)，包括：S1、获取预测光照度和温度值；在具体实施时，可以采用时间序列预测神经网络(longshorttermmemory，LSTM)获取获取预测光照度和温度值，LSTM最重要的功能是利用历史数据去预测未来的光照度和温度。S2、根据训练出的光伏最大出力关系式获取所述预测光照度和温度值对应的预测光伏最大出力；本实施例利用BP神经网络训练出光伏最大出力关系式F＝f(光照度，温度)，利用预测光照度和温度值代入BP神经网络训练出的光伏最大出力关系式即可获取预测光伏的最大出力。在运行过程中，可以不断的自我学习并修正控制参数，从而适应不断变化的运行环境(例如光伏系统的衰减、电池系统的内阻变化等)，准确地得出预测光伏发电功率。采用上述方法可以使光伏预测精度高于95％，从而确保在并离网运行的工况下，整个系统经济性最优。S3、在并网模式下，根据储能单元的SOC(荷电量)状态及所述预测光伏最大出力，生成储能充放电指令；当储能单元的SOC小于预设阈值，且预测光伏最大出力大于负荷出力时，生成储能充电指令，使储能单元进行充电操作；当储能单元的SOC大于或等于预设阈值，或预测光伏最大出力小于负荷出力时，生成储能放电指令，使储能单元进行放电操作；从而提高光伏系统自发自用比例。在步骤S3中，若处于离网模式下，则可以根据所述预测光伏最大出力获取预测MPPT(最大功率点跟踪)点的功率值，并据此确定光伏机的下垂曲线。在具体操作时，确定光伏机的下垂曲线是指确定下垂曲线的斜率Kp及平移值DelatKp，从而使光伏机出力接近MPPT出力点。其中，DeltaKp，这个值不断迭代变化，最后达到目标值。在具体实施时，可以先通过MPPT点的功率值将下垂曲线斜率Kp由Kp2调整为Kp1，如图3A所示。再将斜率为Kp1的下垂曲线平移DelatKp，如图3B所示，使光伏机出力接近MPPT出力点；从而确保了系统在离网运行时，无论光伏系统出力变化率多大，都能保证系统安全稳定运行。如图2所示，本专利技术提供一种智能光储装置，包括：能源管理系统(EnergyManagementSystem，EMS)10、通讯控制单元20、处理单元30、储能单元40。能源管理系统10、通讯控制单元20、处理单元30、储能单元40通过通信线相互连接在一起。此外，处理单元30还通过电气连接线与光伏系统及交流母线相连。处理单元30用于接收能源管理系统的指令并执行。光伏系统中包括光伏机。上述能源管理系统10、通讯控制单元20、处理单元30、储能单元40可以高度集成在一个柜体中。能源管理系统10能自动控制整个智能光储装置在并离网切换的过程中实现完全无缝切换，提高用户的供电可靠性。能源管理系统10中包括人工智能算法模块以及控制指令生成模块。本实施例中，该人工智能算法模块中应用了两个神经网络，其中之一是常规的BP神经网络，利用BP神经网络训练出光伏最大出力F＝f(光照度，温度)的关系，另外一个是时间序列预测神经网络(longshorttermmemory，LSTM)，LSTM最重要的功能是利用历史数据去预测未来的光照度和温度，利用预测到的光照度和温度带入BP神经网络预测光伏的最大出力。该人工智能算法使得系统能够在运行过程当中不断的自我学习并修正控制参数，从而适应不断变化的运行环境(例如光伏系统的衰减、电池系统的内阻变化等)，准确地得出光伏最大出力，生成储能充放电指令。更具体地，当储能单元的SOC小于预设阈值，且预测光伏最大出力大于负荷出力时，使储能单元进行充电操作；当储能单元的SOC大于或等于预设阈值，或预测光伏最大出力小于负荷出力时，使储能单元进行放电操作；从而提高光伏系统自发自用比例。通过人工智能预测光伏发电功率，光伏预测精度高于95％，可以确保在并离网运行的工况下，整个系统经济性最优。此外，人工智能算法模本文档来自技高网...

【技术保护点】
1.一种能源管理方法，应用于能源管理系统(EMS)，其特征在于，包括：S1、获取预测光照度和温度值；S2、根据训练出的光伏最大出力关系式获取所述预测光照度和温度值对应的预测光伏最大出力；S3、在并网模式下，根据储能单元的SOC(荷电量)状态及所述预测光伏最大出力，生成储能充放电指令。

【技术特征摘要】
1.一种能源管理方法，应用于能源管理系统(EMS)，其特征在于，包括：S1、获取预测光照度和温度值；S2、根据训练出的光伏最大出力关系式获取所述预测光照度和温度值对应的预测光伏最大出力；S3、在并网模式下，根据储能单元的SOC(荷电量)状态及所述预测光伏最大出力，生成储能充放电指令。2.根据权利要求1所述能源管理方法，其特征在于，所述步骤S1中采用时间序列预测神经网络获取预测光照度和温度值；所述步骤S2中采用BP神经网络训练出光伏最大出力关系式。3.根据权利要求1所述能源管理方法，其特征在于，所述步骤S3包括：在离网模式下，根据所述预测光伏最大出力获取预测MPPT(最大功率点跟踪)点的功率值，并据此确定光伏机的下垂曲线。4.一种智能光储装置，其特征在于，包括能源管理系统，所述能源管理系统包括：人工智能算法模块，用于获取预测光照度和温度值，并结合根据训练出的光伏最大出力关系式获取所述预测光照度和温度值对应的预测光伏最大出力；控制指令生成模块，用于在并网模式下，根据储能单元的SOC(荷电量)状态及所述预测光伏最大出力，生成储能充放电指令。5.根据权利要求4所述智能光储装置，其特征在于，所述人工智能算法模块用于在离网模式下...

【专利技术属性】
技术研发人员：余婉仪，沈聪，钟华兵，谢斌，
申请(专利权)人：北京天势新能源技术有限公司，
类型：发明
国别省市：北京,11