【技术实现步骤摘要】
一种基于分布式光储的配电网系统及远程安全运维方法
[0001]本专利技术属于,
,具体涉及一种基于分布式光储的配电网系统及远程安全运维方法。
技术介绍
[0002]为达成对能源日趋险峻及污染态势日渐严重的实质解决,全球针对光伏进行了广泛而深入的研究,其研究重心主要集中在独立式、并网型及分布式等。其中,1)独立式光伏,又称离网光伏,主要以独立地运行方式来为较偏远地区、信号电源、路灯等供电;2)并网型光伏,主要是国家级的大型式电站,由大电网汇集起各个电站所发的电能,再将其同一调配给各用户用电;3)分布式光伏(Distributed Photovoltaic,D光伏),又称分散式发电或分布式供能,其一般是一种在接近配网侧或负荷处配置、主要以户用侧自发自足方式来运行、剩余电能输送给配网并具有调节稳定特点的发电装置。
[0003]对于并网光伏和独立式光伏系统所存在的一些问题,使得分布式光伏系统具有很重要的应用前景和很高的研究价值。分布式光伏发展前景广阔,其应用将改变城市在全新能源结构中扮演的角色,即能源的生产、消费及交易三者合为一体。任何一个简单建筑都可作为一个独立的分布式光伏电站,有了分布式光伏自发自用,它会摆脱对电网依赖,实现能源就近供应。
[0004]由于太阳能电池的输出功率随环境变化而不停的改变,加入蓄电池的光伏系统可以很好的减少能源波动,起到防止弃光限电的作用。但是蓄电池等储能装置的价格较贵,往往占整个光伏系统造价的较大部分。而且加入蓄电池的光伏系统在能量管理的控制方面有很高的要求,才能给额定负
【技术保护点】
【技术特征摘要】
1.一种基于分布式光储的配电网系统,其特征在于:包括分布式光储结构和控制装置,所述分布式光储结构包括接入直流母线的蓄电池组(3)和多个光伏发电机组(1),所述光伏发电机组(1)与直流母线之间接有DC/DC变换器(2),所述蓄电池组(3)与直流母线之间接有变流器(4),所述直流母线与交流母线之间接有逆变器(5),所述交流母线接有多个交流负载(6);所述控制装置包括计算端和多个分布光伏发电机组(1)周侧的采集端,所述计算端包括计算机(7)和与所述计算机(7)输入端相接的比较器(10),所述比较器(10)的输入端接有用于监测多个交流负载(6)负载功率值总和的负载功率采集模块(8)和用于计算光伏发电机组(1)输出功率总和的光伏功率预测模块(9),计算机(7)的输出端还接有过充预警电路(17)和过放预警电路(18),所述采集端包括微控制器(19),所述微控制器(19)的输出端接有用于控制变流器(4)通断的PWM脉冲控制模块(13),所述微控制器(19)的输入端接有光强传感器(20)、温度传感器(21)和风速传感器(22),所述计算机(7)和微控制器(19)之间依次接有第一无线通信模块(11)和第二无线通信模块(12)。2.按照权利要求1所述的一种基于分布式光储的配电网系统,其特征在于:还包括聚光器和聚光器驱动模块(16),所述聚光器驱动模块(16)与微控制器(19)的输出端相接。3.按照权利要求1所述的一种基于分布式光储的配电网系统,其特征在于:所述变流器(4)为buck
‑
boost变换器。4.一种基于分布式光储的配电网远程安全运维方法,其特征在于:包括以下步骤:步骤一、预测光伏电池输出功率P
pre
‑
p
:步骤101、构造光强函数m(s
t
),其中,m(s
t
)表示t时刻的光伏发电机组(1)受光强影响的输出功率,s
t
表示t时刻光强传感器(20)采集到的光强,A
r
表示第r个光伏发电电池的面积,η
r
表示第r个光伏发电电池的光电转换效率,
ϕ
T
表示光强修正系数,β表示折扣系数;步骤102、构造温度函数m(T
t
),其中:;m(T
t
)表示t时刻的光伏发电机组(1)受光伏组件板温影响的输出功率,T
t
表示t时刻的光伏组件板温,T
R
表示经温度传感器(21)采集到的环境温度,T
N
表示NOCT条件下光伏组件板温,W
t
表示t时刻经风速传感器采集到的风速,φ1、φ2、φ3、φ4均表示拟合系数;步骤103、计算变权权重:计算机(7)根据公式计算变权权重,其中,表示光强函数的变权权重,表示光强函数的初始权重,表示温度函数的变权权重,表示温度函数的初始权重;
步骤104、对多历史时刻的m(s
t
)和m(T
t
)进行信息融合,得到融合特征集M,M={m1,
…
m
t
,
…
,m
n
},将融合特征集M分为训练集和测试集,m
t
表示t时刻的m(s
t
)和t时刻m(T
t
)的融合值,1≤t≤n;步骤105、在光伏功率预测模块(9)内构建神经网络预测模型;步骤106、通过训练集训练预测模型:使用训练集数据训练神经网络,按照极小化误差的方法调整卷积神经网络的权值参数;步骤107、通过测试集进行模型评估:直到测试集的预测准确率满足精度要求,精度要求为95%以上;步骤108、实时获取当前时刻光强s
t
’
和温度T
t
’
,根据步骤101
‑
104计算当前t
’
时刻的融合值m
t
’
;步骤109、将当前t
’
时刻的融合值m
t
’
输入到神经网络预测模型,神经网络预测模型输出当前时刻光伏电池输出功率预测值P
pr...
【专利技术属性】
技术研发人员:郭睿,
申请(专利权)人:北京信云筑科技有限责任公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。