【技术实现步骤摘要】
本专利技术涉及电网供电的，具体涉及用于风光柴储分队级储能的智能控制方法及系统。
技术介绍
1、随着全球能源需求的增长和环境保护意识的提升，传统化石燃料的能源结构正逐渐向可再生能源转型。风能和太阳能作为清洁、可再生的能源代表，其开发利用受到了广泛关注。然而，由于风力和太阳辐照本身的间歇性和不确定性，如何有效地管理和调度这些不稳定的能源成为了行业的一大挑战。因此，风光柴储分队级储能系统作为一种综合能源解决方案，应运而生。风光柴储分队级储能是一种集成了风能、太阳能、柴油发电和储能系统的综合能源解决方案。这种系统通常用于微电网或其他分布式能源系统中，以提高能源的可靠性和效率，同时促进可再生能源的使用。其关键组成部分包括风能发电，利用风力发电机将风能转换为电能，为系统提供动力；太阳能发电，通过太阳能光伏板将太阳能转换为电能，增加系统的能源输入；柴油发电机组，在风能和太阳能不足以满足需求时，柴油发电机可以提供额外的电力，确保系统的连续运行；储能系统，通常使用电池储能，如磷酸铁锂电池，存储风能和太阳能产生的过剩电力，并在需要时释放这些能量以稳定电网和满足高峰时段的需求。
2、尽管风光柴储系统具有巨大的潜力，但在实际运行中仍面临一系列技术和管理上的挑战。风力和太阳能的发电量受天气条件影响较大，导致电力供应的不稳定性。柴油发电机虽然能够提供稳定的备用电力，但其运行成本高且对环境有负面影响。此外，负荷需求的波动性也给能源供应带来了复杂性。
3、如授权公告号为cn106411230b的中国专利公开了一种风光柴综合发电系统，包括
4、如公开号为cn114725988a的专利申请公开了一种风光储柴多能互补发电系统，包括用于检测环境状态的环境状态检测系统，所述环境状态检测系统连接有用于风力发电的风力发电系统、用于光伏发电的光伏发电系统以及用于柴油发电的柴油发电系统，所述风力发电系统、光伏发电系统、柴油发电系统共同连接有用于储存和分类记录发电量的发电量记录系统，所述发电量记录系统连接有核心控制器，所述核心控制器连接有用于市电切换的市电切换模块。该风光储柴多能互补发电系统，具备多能互补发电功能，可结合环境情况调整风力、光伏以及柴油发电的发电量占比，从而提高发电的效率和转换率，提高了发电量的同时降低了能耗，保障了发电系统的节能发电。
5、以上专利都存在本
技术介绍
提出的问题：风力和太阳能的电量供应不稳定性，负荷需求的波动性也给能源供应带来了复杂性。
6、公开于该
技术介绍
部分的信息仅仅旨在增加对本专利技术的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域普通技术人员所公知的现有技术。
技术实现思路
1、本专利技术所要解决的技术问题是克服现有技术的缺陷，提供用于风光柴储分队级储能的智能控制方法及系统，综合分析和预测环境参数和负荷需求，实现对风光柴储系统的智能化控制，提高能源效率，降低运营成本，同时也有助于环境保护。
2、为解决上述技术问题，本专利技术提供如下技术方案：
3、一方面，本专利技术提供用于风光柴储分队级储能的智能控制方法，包括以下步骤：
4、s1：获取历史环境参数，包括历史光照强度数据、历史风速数据、历史光伏组件温度数据；
5、s2：对所述历史环境参数进行预处理；
6、s3：通过神经网络模型计算环境参数的预测值；
7、s4：基于所述环境参数的预测值计算风光发电数据；
8、s5：采集历史负荷数据与实时负荷数据，进行负荷需求预测；
9、s6：基于负荷需求的预测值和风光发电数据制定柴油发电机的工作方案。
10、作为本专利技术所述用于风光柴储分队级储能的智能控制方法的一种优选方案，其中：对所述历史环境参数进行预处理的方法如下：
11、对所述历史环境参数进行数据清洗；
12、按时间将历史环境参数划分成长度固定为的区间，计算并记录每个区间的均值，并按时间顺序构建历史环境参数序列，包括历史光照强度序列、历史风速序列、历史光伏组件温度序列；区间长度的单位为小时，且为正整数。
13、作为本专利技术所述用于风光柴储分队级储能的智能控制方法的一种优选方案，其中：所述计算环境参数的预测值的方法如下：
14、通过传感器采集实时光照强度、实时风速、实时光伏组件温度；
15、通过互联网获取天气预报数据，包括光照强度预报数据、风速预报数据；
16、将天气预报数据按时间划分为长度为的区间，计算并记录每个区间的均值，按时间顺序构建光照强度预报序列、风速预报序列；
17、将历史光照强度序列、历史风速序列、历史光伏组件温度序列、实时光照强度、实时风速、实时光伏组件温度、光照强度预报序列、风速预报序列输入所述神经网络模型，计算并输出未来24小时内每隔的光照强度、风速、光伏组件温度的预测值。
18、作为本专利技术所述用于风光柴储分队级储能的智能控制方法的一种优选方案，其中：所述风光发电数据包括未来24小时之中每个长度为的时间区间内光伏发电平均功率与风力发电平均功率；所述负荷需求预测的结果为未来24小时之中每个长度为的时间区间内负荷需求值。
19、作为本专利技术所述用于风光柴储分队级储能的智能控制方法的一种优选方案，其中：所述光伏发电平均功率的计算公式如下：
20、；
21、其中，表示未来第i个长度为的时间区间内的光伏发电平均功率；表示光电转换效率；为大气透明系数；为光伏板与水平面的夹角；m为光伏板的数量；表示一块光伏板标准测试条件下测试得到的额定发电功率；
22、表示未来第i个长度为的时间区间内的光照强度预测值；表示参考光照强度；
23、k为功率温度系数；表示未来第i个长度为的时间区间内光伏组件温度的预测值；表示参考光伏组件温度。
24、作为本专利技术所述用于风光柴储分队级储能的智能控制方法的一种优选方案，其中：所述风力发电平均功率的计算公式如下：
25、；
26、其中，表示未来第i个长度为的时间区间内的风力发电平均功率；表示未来第i个长度为的时间区间内风速的预测值；表示风机的切入风速，表示风机的额定风速，表示风机的切出风速，表示风机的额定输出功率；n为风机的台数；表示风电转换效率；表示实际的空气密度，表示标准空气密度。
27、作为本专利技术所述用于风光柴储分队级储能的智能控制方法的一种优选方案，其中：所述进行负本文档来自技高网...
【技术保护点】
1.用于风光柴储分队级储能的智能控制方法，其特征在于：包括以下步骤：
2.如权利要求1所述的用于风光柴储分队级储能的智能控制方法，其特征在于：对所述历史环境参数进行预处理的方法如下：
3.如权利要求2所述的用于风光柴储分队级储能的智能控制方法，其特征在于：所述计算环境参数的预测值的方法如下：
4.如权利要求3所述的用于风光柴储分队级储能的智能控制方法，其特征在于：所述风光发电数据包括未来24小时之中每个长度为的时间区间内光伏发电平均功率与风力发电平均功率；所述负荷需求预测的结果为未来24小时之中每个长度为的时间区间内负荷需求值。
5.如权利要求4所述的用于风光柴储分队级储能的智能控制方法，其特征在于：所述光伏发电平均功率的计算公式如下：
6.如权利要求5所述的用于风光柴储分队级储能的智能控制方法，其特征在于：所述风力发电平均功率的计算公式如下：
7.如权利要求6所述的用于风光柴储分队级储能的智能控制方法，其特征在于：所述进行负荷需求预测的方法如下：
8.如权利要求7所述的用于风光柴储分队级储能的智
9.如权利要求8所述的用于风光柴储分队级储能的智能控制方法，其特征在于：所述储能电池电量的计算公式如下：
10.用于风光柴储分队级储能的智能控制系统，其基于权利要求1-9中任一项所述的用于风光柴储分队级储能的智能控制方法实现，其特征在于：包括数据采集模块、预处理模块、神经网络模块、发电数据模块、需求预测模块、柴油方案模块；其中：
...【技术特征摘要】
1.用于风光柴储分队级储能的智能控制方法，其特征在于：包括以下步骤：
2.如权利要求1所述的用于风光柴储分队级储能的智能控制方法，其特征在于：对所述历史环境参数进行预处理的方法如下：
3.如权利要求2所述的用于风光柴储分队级储能的智能控制方法，其特征在于：所述计算环境参数的预测值的方法如下：
4.如权利要求3所述的用于风光柴储分队级储能的智能控制方法，其特征在于：所述风光发电数据包括未来24小时之中每个长度为的时间区间内光伏发电平均功率与风力发电平均功率；所述负荷需求预测的结果为未来24小时之中每个长度为的时间区间内负荷需求值。
5.如权利要求4所述的用于风光柴储分队级储能的智能控制方法，其特征在于：所述光伏发电平均功率的计算公式如下：
6...
【专利技术属性】
技术研发人员：张高锋，
申请(专利权)人：江苏谷峰电力科技股份有限公司，
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。