【技术实现步骤摘要】
本专利技术属于风光发电系统储能，具体为一种用于风光发电系统的混合储能装置。
技术介绍
1、风能和太阳能作为新型能源，其储量充足且对生态环境有益，可以为传统化石燃料所引发的环境等问题提供有力的缓解方案，风能与太阳能发电技术的结合可以将再生资源转化为电力。
2、随着社会工业的不断发展，全球经济快速增长，世界各国对能源的需求量越来越大，风能、太阳能作为可持续的清洁能源，被开发利用得越来越多，但其输出功率波动问题给可再生能源并网的安全稳定运行带来了巨大威胁，且现有的风光发电系统的混合储能装置在储能时一般为直接储能，而在风能以及光能充放时存在一定的数据波动，故需要根据供电需求以及功率缺失数据进行对应调整，从而才能达到最大化利用储能容量，否则将会浪费储能容量，导致经济效益降低；因此，针对目前的状况，现需对其进行改进。
技术实现思路
1、针对上述情况，为克服现有技术的缺陷，本专利技术提供一种用于风光发电系统的混合储能装置，有效的解决了随着社会工业的不断发展，全球经济快速增长，世界各国对能源的需求量越来越大，风能、太阳能作为可持续的清洁能源，被开发利用得越来越多，但其输出功率波动问题给可再生能源并网的安全稳定运行带来了巨大威胁，且现有的风光发电系统的混合储能装置在储能时一般为直接储能，而在风能以及光能充放时存在一定的数据波动，故需要根据供电需求以及功率缺失数据进行对应调整，从而才能达到最大化利用储能容量，否则将会浪费储能容量，导致经济效益降低的问题。
2、为实现上述目的，本
3、混合储能单元：所述混合储能单元用于对风光发电系统中的产生的风电能量进行储能，所述混合储能单元具体为超级电容器以及蓄电池结合的混合存储组件；
4、模型构建单元：所述模型构建单元用于接收风光发电系统中的风机发电系统以及光伏电池发电系统中的发电数据，并根据该数据构建对应的风机发电模型、光伏电池发电模型以及风光联合发电模型；
5、指标定制单元：所述指标定制单元用于对供电对象的用电低谷以及高峰的时间数据以及用电进行采集，并根据采集到的数据对供电对象进行供电时间以及数据的指标定制；
6、充放电制定单元：所述充放电制定单元用于根据所述指标定制单元制定的供电时间以及数据的指标，对所述储能优化单元中的混合存储组件进行相应的充放电数据制定；
7、功率曲线获取单元：所述功率曲线获取单元用于通过所述模型构建单元中的风机发电模型、光伏电池发电模型以及风光联合发电模型对所述混合储能单元中的充放电数据进行功率曲线获取；
8、智能计算单元：所述智能计算单元用于根据所述指标定制单元、充放电制定单元以及功率曲线获取单元中的数据，结合智能计算算法进行综合分析，由此得到综合分析结果；
9、配置储能单元：所述配置储能单元用于根据所述智能计算单元得到的综合分析结果，对所述混合储能单元中的混合存储组件的风光发电储能进行智能分配优化。
10、优选的，所述模型构建单元在对风光发电系统中的风机发电系统以及光伏电池发电系统中的发电数据进行接收时具体通过数据传感器组，所述数据传感器组具体包括电能传感器、电流传感器、电压传感器、电阻传感器以及电功率传感器。
11、优选的，所述模型构建单元中风机发电模型、光伏电池发电模型以及风光联合发电模型具体为数据预测模型，所述数据预测模型具体为线性回归模型、逻辑回归模型、决策树模型、随机森林模型或人工神经网络模型中的一种或几种的组合。
12、优选的，所述指标定制单元在对供电对象的用电低谷以及高峰的时间数据以及用电进行采集时具体采用soa数据采集架构系统，在进行供电时间以及数据的指标定制时将供电时间分为低估时段以及高峰时段。
13、优选的，所述功率曲线获取单元在进行功率曲线获取时具体采用滑动平均法、线性最小二乘法5阶和20阶或波动平抑法中的一种或几种的组合。
14、优选的，所述智能计算单元中的智能计算算法具体为模拟退火、遗传算法、禁忌搜索、神经网络、天牛须搜索算法、蚂蚁算法或微粒群优化算法中的一种或几种的组合。
15、优选的，所述配置储能单元进行风光发电储能的智能分配优化时具体采用粒子群算法，并在进行计算时采用并网运行约束条件。
16、优选的，所述超级电容器以及蓄电池之间设置有dc变换器，所述dc变换器和超级电容器以及蓄电池通过并联连接。
17、与现有技术相比，本专利技术的有益效果是：1、通过对混合储能单元的数据进行功率曲线获取，并通过功率曲线获取、指标定制单元、充放电制定单元数据进行智能分析计算，并根据智能分析计算结果对混合存储组件的风光发电储能进行智能分配优化，同时考虑电网连续电能缺失总量和电网瞬时功率缺失两方面能提高储能系统容量优化的准确性，提高电网整体安全性与经济性；
18、2、通过指标定制单元对供电对象的用电低谷以及高峰的时间数据以及用电进行采集，并根据采集到的数据对供电对象进行供电时间以及数据的指标定制，并根据该定制数据，通过充放电制定单元进行相应的充放电数据制定，由此可进行相对应的数据调整，智能化调整用户用电数据，精确控制用电数据，降低用户的用电成本，最大化的提升经济效益；
19、3、超级电容器能起到一定的滤波作用，蓄电池的充放电电流能够保持在较平滑的水平减少了蓄电池的充放电次数，延长了蓄电池的使用寿命，同时也提高了整个系统的工作效率。
本文档来自技高网...【技术保护点】
1.一种用于风光发电系统的混合储能装置，其特征在于：包括储能柜，所述储能柜内部设置有混合储能单元、模型构建单元、指标定制单元、充放电制定单元、功率曲线获取单元、智能计算单元、配置储能单元以及综合控制单元，所述综合控制单元用于对所述混合储能单元、模型构建单元、指标定制单元、充放电制定单元、功率曲线获取单元、智能计算单元和配置储能单元进行综合管理控制；
2.根据权利要求1所述的一种用于风光发电系统的混合储能装置，其特征在于：所述模型构建单元在对风光发电系统中的风机发电系统以及光伏电池发电系统中的发电数据进行接收时具体通过数据传感器组，所述数据传感器组具体包括电能传感器、电流传感器、电压传感器、电阻传感器以及电功率传感器。
3.根据权利要求1所述的一种用于风光发电系统的混合储能装置，其特征在于：所述模型构建单元中风机发电模型、光伏电池发电模型以及风光联合发电模型具体为数据预测模型，所述数据预测模型具体为线性回归模型、逻辑回归模型、决策树模型、随机森林模型或人工神经网络模型中的一种或几种的组合。
4.根据权利要求1所述的一种用于风光发电系统的混合储能装
5.根据权利要求1所述的一种用于风光发电系统的混合储能装置，其特征在于：所述功率曲线获取单元在进行功率曲线获取时具体采用滑动平均法、线性最小二乘法5阶和20阶或波动平抑法中的一种或几种的组合。
6.根据权利要求1所述的一种用于风光发电系统的混合储能装置，其特征在于：所述智能计算单元中的智能计算算法具体为模拟退火、遗传算法、禁忌搜索、神经网络、天牛须搜索算法、蚂蚁算法或微粒群优化算法中的一种或几种的组合。
7.根据权利要求1所述的一种用于风光发电系统的混合储能装置，其特征在于：所述配置储能单元进行风光发电储能的智能分配优化时具体采用粒子群算法，并在进行计算时采用并网运行约束条件。
8.根据权利要求1所述的一种用于风光发电系统的混合储能装置，其特征在于：所述超级电容器以及蓄电池之间设置有DC变换器，所述DC变换器和超级电容器以及蓄电池通过并联连接。
...【技术特征摘要】
1.一种用于风光发电系统的混合储能装置，其特征在于：包括储能柜，所述储能柜内部设置有混合储能单元、模型构建单元、指标定制单元、充放电制定单元、功率曲线获取单元、智能计算单元、配置储能单元以及综合控制单元，所述综合控制单元用于对所述混合储能单元、模型构建单元、指标定制单元、充放电制定单元、功率曲线获取单元、智能计算单元和配置储能单元进行综合管理控制；
2.根据权利要求1所述的一种用于风光发电系统的混合储能装置，其特征在于：所述模型构建单元在对风光发电系统中的风机发电系统以及光伏电池发电系统中的发电数据进行接收时具体通过数据传感器组，所述数据传感器组具体包括电能传感器、电流传感器、电压传感器、电阻传感器以及电功率传感器。
3.根据权利要求1所述的一种用于风光发电系统的混合储能装置，其特征在于：所述模型构建单元中风机发电模型、光伏电池发电模型以及风光联合发电模型具体为数据预测模型，所述数据预测模型具体为线性回归模型、逻辑回归模型、决策树模型、随机森林模型或人工神经网络模型中的一种或几种的组合。
4.根据权利要求1所述的一种用于风光发电系统的混合储能装置...
【专利技术属性】
技术研发人员：廖家扬，叶志文，涂敏，
申请(专利权)人：江苏中鑫协成能源科技有限公司，
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。