【技术实现步骤摘要】
本专利技术涉及储能变流器，更具体地说，本专利技术涉及一种构网型组串式储能变流器。
技术介绍
1、随着可再生能源如风光发电等在工业和民生中的广泛应用，储能技术作为能源转化和平衡的重要组成部分也得到迅速发展；传统的组串式储能变流器系统采用简单的串联或并联连接模式，实现储能单元的组合；
2、然而，传统的组串式储能变流器系统在实际应用中也存在不足之处，例如，单体储能模块之间串联时会造成较高的传输损耗；同时，组串式组网连接较为简单，难以进行精细化的功率管理与平衡，影响系统整体效率和稳定性；更重要的是，随着使用场景的不断复杂化，如电动汽车快速充放电，分布式光伏发电的不稳定性等，对储能系统的输出要求也日益增高，单一组串式组网模式已经难以适应；
3、当然也存在新型的组串式储能变流器，例如公开号为cn115483695a的专利公开了组串式电池储能系统，包括dc/ac变流器和多个储能支路，dc/ac变流器交流侧与电网相连，dc/ac变流器的直流母线并联多个储能支路；储能支路由滤波电感、dc/dc变换器、电池簇和电源构成；滤波电感、dc/dc变换器的输出端、电池簇相互串联后并联在dc/ac变流器的直流母线上，dc/dc变换器输入端并联电源；dc/ac变流器根据储能系统的荷电状态等信息对直流母线电压进行动态调节，通过控制dc/dc变换器的输出电压来调节滤波电感上的电流，进而调节电池簇的输出功率；此专利技术dc/dc变换器输出电压仅为dc/ac变流器直流母线电压和电池簇电压之差，因此dc/dc变换器的功率远远小于电池簇发出的功率，
4、但上述技术中各储能单元仅通过串并联连接，拓扑结构简单，能量转换效率和稳定性较低；并且控制策略简单，难以提高能量转换效率；此外，缺乏对储能单元状态的实时监测与管理，无法实现根据需求动态调整储能单元间能量流动的智能管理；
5、鉴于此，本专利技术提出一种构网型组串式储能变流器以解决上述问题。
技术实现思路
1、为了克服现有技术的上述缺陷，为实现上述目的，本专利技术提供如下技术方案：一种构网型组串式储能变流器，包括：
2、拓扑结构优化模块，用于采用网状拓扑结构，将n个储能单元组构成网状连接，每个储能单元组包括r个储能单元，n、r均为大于1的整数；
3、高效能量转换模块，用于制定储能单元工作优化策略，控制能量间进行高效转换；
4、智能储能管理模块，用于对储能单元进行实时监测和管理，根据预测的负载能量需求数据，对储能单元进行动态调度；
5、并网适应模块，用于储能变流器与电网互联互通，并响应电网变化。
6、进一步地，r个储能单元串联；其中任意两个储能单元组都通过一条或多条路径直接或间接连接。
7、进一步地，储能单元工作优化策略的制定方法包括：
8、对m个储能单元依次递增进行编号，编号范围为，；获取m个储能单元对应的最佳功率；
9、获取工作参数，工作参数包括工作电压和工作电流，通过工作电压和工作电流的乘积计算工作功率；
10、工作功率的表达式为：；
11、式中，为工作功率，为工作电压，为工作电流；
12、采用模拟退火算法，将工作功率分配给m个储能单元，m个储能单元根据分配到的功率进行工作。
13、进一步地，将工作功率分配给m个储能单元的方法包括：
14、步骤a：预设初始化温度、最低温度、降温系数以及最大迭代次数，令当前温度；预设m个功率集合，，m个功率集合均不相同；
15、步骤b：随机设置一个可行解，可行解即为一个功率集合，可行解的范围即为m个功率集合；
16、步骤c：确定第一适应度函数；
17、步骤d：计算可行解对应的第一适应度；以可行解为当前点，在当前点的邻域内进行随机扰动，获取新的可行解，并计算新的可行解对应的第一适应度；
18、步骤e：计算适应度差值，适应度差值的表达式为；
19、若适应度差值，则令，即将新的可行解的值赋予可行解；若适应度差值，则计算概率，根据概率令；概率的表达式为：；
20、步骤f：循环步骤d～步骤e，直至循环次数达到最大迭代次数时，循环结束，并进入步骤g；
21、步骤g：令当前温度，即将步骤a中的当前温度进行降温，将降温后的数值赋予当前温度；令最大迭代次数，即将减小后的最大迭代次数的数值赋予最大迭代次数；
22、步骤h：循环步骤d～步骤g，直至当前温度时，循环结束，获取可行解对应的功率集合。
23、进一步地，为编号1的储能单元的分配功率，为编号2的储能单元的分配功率，以此类推，为编号m的储能单元的分配功率，分配功率为储能变流器工作时每个储能单元分配的功率；。
24、进一步地，第一适应度函数的表达式为：；
25、式中，为第一适应度，为编号i的储能单元对应的最佳功率，为编号i的储能单元的分配功率，。
26、进一步地，实时采集每个储能单元的剩余能量和最佳能源转换效率；负载能量需求数据的预测方法包括：
27、连续采集n个负载能量需求数据，将连续采集的n个负载能量需求数据输入能量预测模型预测未来时刻的负载能量需求数据，将预测出的负载能量需求数据标记为预测能量；
28、能量预测模型的训练方法包括：
29、预先采集n个连续的负载能量需求数据并构建负载能量需求数据集合，基于负载能量需求数据集合，训练预测未来时刻负载能量需求数据的预测模型；
30、预设滑动步长l以及滑动窗口长度；将负载能量需求数据集合内的负载能量需求数据使用滑动窗口方法将其转化为多个训练样本，将训练样本作为循环神经网络模型的输入，预测滑动步长l后的负载能量需求数据作为输出，每个训练样本的后续负载能量需求数据作为预测目标，以预测准确率作为训练目标，对循环神经网络模型进行训练；生成根据负载能量需求数据预测未来时刻负载能量需求数据的能量预测模型；其中，所述循环神经网络模型可以为rnn神经网络模型。
31、进一步地，对储能单元进行动态调度的方法包括：
32、步骤1：将m个储能单元进行随机组合，构成r个单元集合，；其中每个单元集合中包括h个储能单元，，且每个单元集合都不相同；对r个单元集合设置数字标签，数字标签范围为，将单元集合的数字标签标记为集合标签；
33、步骤2：对集合标签进行编码，获取染色体，构建初始种群；
34、步骤3：确定第二适应度函数；
35、步骤4：对种群中的染色体进行自然选择；
36、步骤5：对种群中的染色体进行交叉重组；
37、步骤6：对种群中的染色体进行变异；
38、步骤7：获取新种群，预设种群代数为f，适应度阈值为s，f为大于0的整数，s为大于0的实数；循环步骤4－步骤6，直至新种群对应的代数为f或新种群中存在染色体对应的第二适应度大于或等本文档来自技高网...
【技术保护点】
1.一种构网型组串式储能变流器，其特征在于，包括：
2.根据权利要求1所述的一种构网型组串式储能变流器，其特征在于，所述r个储能单元串联；其中任意两个储能单元组都通过一条或多条路径直接或间接连接。
3.根据权利要求2所述的一种构网型组串式储能变流器，其特征在于，所述储能单元工作优化策略的制定方法包括：
4.根据权利要求3所述的一种构网型组串式储能变流器，其特征在于，所述将工作功率分配给M个储能单元的方法包括：
5.根据权利要求4所述的一种构网型组串式储能变流器，其特征在于，为编号1的储能单元的分配功率，为编号2的储能单元的分配功率，以此类推，为编号M的储能单元的分配功率，分配功率为储能变流器工作时每个储能单元分配的功率；。
6.根据权利要求5所述的一种构网型组串式储能变流器，其特征在于，所述第一适应度函数的表达式为：；
7.根据权利要求6所述的一种构网型组串式储能变流器，其特征在于，实时采集每个储能单元的剩余能量和最佳能源转换效率；负载能量需求数据的预测方法包括：
8.根据权利要求7所述的一种构网
9.根据权利要求8所述的一种构网型组串式储能变流器，其特征在于，所述步骤2中，将集合标签编码为X，X即为染色体，X的范围为；随机生成G个染色体构成初始种群；
10.根据权利要求9所述的一种构网型组串式储能变流器，其特征在于，所述步骤4中，自然选择采用精英法和轮转法相结合的方法进行；其中精英法产生个后代染色体，对于容量为G的种群，将G个染色体对应的第二适应度由大到小进行排列，将排在最前面的个染色体各产生一个后代染色体；轮转法产生个后代染色体，即G个染色体根据对应的轮转概率产生个后代染色体；；
11.根据权利要求10所述的一种构网型组串式储能变流器，其特征在于，所述步骤5中，在种群中随机选择U个染色体进行交叉重组，获取U个新染色体；交叉重组采用PMX法；染色体交叉重组后，计算U个新染色体的第二适应度，将U个新染色体的第二适应度与U个染色体的第二适应度从大到小进行排序并生成第二排序表，按照正序将第二排序表中的U个染色体，替换种群中进行交叉重组的U个染色体；
12.根据权利要求11所述的一种构网型组串式储能变流器，其特征在于，所述响应电网变化的方法包括：
...【技术特征摘要】
1.一种构网型组串式储能变流器，其特征在于，包括：
2.根据权利要求1所述的一种构网型组串式储能变流器，其特征在于，所述r个储能单元串联；其中任意两个储能单元组都通过一条或多条路径直接或间接连接。
3.根据权利要求2所述的一种构网型组串式储能变流器，其特征在于，所述储能单元工作优化策略的制定方法包括：
4.根据权利要求3所述的一种构网型组串式储能变流器，其特征在于，所述将工作功率分配给m个储能单元的方法包括：
5.根据权利要求4所述的一种构网型组串式储能变流器，其特征在于，为编号1的储能单元的分配功率，为编号2的储能单元的分配功率，以此类推，为编号m的储能单元的分配功率，分配功率为储能变流器工作时每个储能单元分配的功率；。
6.根据权利要求5所述的一种构网型组串式储能变流器，其特征在于，所述第一适应度函数的表达式为：；
7.根据权利要求6所述的一种构网型组串式储能变流器，其特征在于，实时采集每个储能单元的剩余能量和最佳能源转换效率；负载能量需求数据的预测方法包括：
8.根据权利要求7所述的一种构网型组串式储能变流器，其特征在于，所述对储能单...
【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。