一种智能微网的源-网-荷自动控制系统及控制方法技术方案

一种智能微网的源-网-荷自动控制系统及控制方法，属于微网控制与电气技术领域。包括分布式新能源发电模块、分布式新能源逆变模块、传统发电模块、用户负载模块、双向并网控制模块、分布式新能源智能优化发电控制模块、储能模块、智能储能单元调节器和蓄电池组。同传统含有分布式新能源发电系统的微网相比，本发明专利技术保证了发电系统的稳定性和较高的能源利用率、有效解决蓄电池使用次数不均的问题，使蓄电池组整体使用寿命达到统一、智能优化用电控制器可以对用户负荷用电量进行合理预测，从而达到可在整个微网范围内，对系统内每个发电单元未来发电状态进行合理化调节，同时可以对未来可能存在的故障隐患进行合理预防。

【技术实现步骤摘要】

本专利技术属于微网控制与电气
，具体涉及一种智能微网的源-网-荷自动控制系统机及控制方法。
技术介绍
随着经济与科学技术的发展，工业化时代规模效益的追求，分散的、小型的电力系统逐渐被大容量高参数机组的中心电站、超高压远距离输电、大电网互联集中供电方式所取代。但是目前电能生产、输送和分配的主要方式在适应负荷变化的灵活性与供电安全性方面仍然都存在一些弊端。在近年来屡屡发生能源危机，大电网停电事故也频繁发生，我国各省近几年在夏季也都发生不同程度的拉闸限电现象。电力危机与大面积停电事故中，已暴露出现有的庞大电力系统存在着缺点。(I) 大电网中任何一点的故障都可能对整个电网带来严重的影响，甚至可能导致大面积停电和电网崩溃；(2)大电网不能灵活跟踪负荷的变化，随着负荷峰谷差的不断增长，电网的负荷率正逐年下降，发电及输电设施的利用率都有下降的趋势；(3)在一些比较偏远地区，由于距离电力系统太远，或者自然条件太恶劣，输配电建设投资过大或者根本就无法架设，导致供电不理想；(4)近年来大电网经常是恐怖袭击和战争攻击的目标，一旦遭到破坏，后果不堪设想。同时，全球的一次能源正日渐衰竭，而由电力生产所带来的环境污染(如酸雨、温室效应、电磁污染等等)也越来越明显。由于严峻的环境问题和未来能源的安全供应和电力体制的改革等，促使人们追求高效的能源转换、降低有害物质的排放、寻找替代燃料、实施能源梯级、利用的小规模的分布式发电系统，来适应上述要求。但将带有分布式新能源的微网接入配电网后，会对电网的结构带来很大的影响。因此需要对包含微网在内的电网进行重新规划，其中，负荷优化、变电站优化和无功电源优化等常规的电网规划问题以及微网接入点、接入容量优化等一系列新问题尚待解决。由于微网和大电网之间能量是双向流动的，且分布式电源本身具有间歇性和波动性，因此含分布式电源的微网的保护与控制策略也会有别于传统的电网。如何在保证大电网稳定运行的情况下，尽可能满足配电侧用户对电能质量的多样化需求也是一个难点。然而现有的技术不能很好的协调微网内的新能源发电，网内储能设备的协调和负荷的智能控制。这些问题给分布式发电系统的发展造成了极大的障碍。
技术实现思路
针对现有技术存在的不足，本专利技术的目的是提供一种适用于智能微网内的源-网-荷自动控制系统及控制方法，实现对智能微网内分布式新能源发电、网内储能模块的协调与用户负荷用电量的智能控制。本专利技术的技术方案是这样实现的:一种智能微网的源-网-荷自动控制系统，其包括:分布式新能源发电模块:用于将太阳能、风能及生物质能转换为电能，为负载或电网供电；分布式新能源逆变模块:用于将光伏电池板、风力发电机以及生物质能发电设备所发直流电转变为交流电；传统发电模块:用于控制微型燃气轮机为用户负载或电网进行供电；用户负载模块:为微网中的本地负载；双向并网控制模块:用于控制微网与电网间的通断与能量传输；其特征在于:还包括:分布式新能源智能优化发电控制模块:1)用于采集光伏电池、风力发电机和生物质能发电设备的节点电压和电流值，采用不确定性预估方法在4 5个采样周期内对光伏电池的发电能力、风力发电机的发电能力和生物质能发电设备的发电能力进行预估，绘制发电能力波动预报曲线，再分别计算上述三者发电能力的鲁棒性，选择鲁棒性最好的，为用户负载或电网进行供电；2)用于当光伏电池、风力发电机和生物质能发电设备的实际发电量与用于供给用户负载和电网的电能总量存在差值时，发送控制信号给智能储能单元调节器；3)用于当光伏电池、风力发电机和生物质能发电设备的发电量和储能模块所发电量与用户负载和电网需求的电能总量存在差值时，发送控制信号给微燃机发电控制器；储能模块:用于控制蓄电池组的充、放电，保证每个蓄电池充放电次数平均，其进一步包括:智能储能单元调节 器:1)若接收光伏电池、风力发电机和生物质能发电设备的剩余电量，计算每个蓄电池充电次数和放电次数的总和，该值与所有蓄电池充放电次数的的平均值进行比较，选择差值最大的蓄电池作为本次充电所用蓄电池；2)、若光伏电池、风力发电机和生物质能发电设备所发电量无法满足用户负载或电网需求，则接收由分布式新能源智能优化发电控制器发出的发电控制信号，控制蓄电池组进行放电:计算每个蓄电池充电次数和放电次数的总和，该值与所有蓄电池充放电次数的的平均值进行比较，选择差值最大的蓄电池作为本次放电所用蓄电池；蓄电池组:用于存储或释放光伏电池、风力发电机和生物质能发电设备的剩余电倉泛;所述的传统发电模块包括:微型燃气轮机智能优化发电控制单元:用于在光伏电池、风力发电机和生物质能发电设备的发电量和储能模块所发电量均无法满足用户负载或电网需要时，利用微型燃气轮机产生的发电量进行补充；微型燃气轮机发电单元:用于为用户负载或电网进行供电；所述的用户负载模块包括:智能优化用电控制器:用于将状态采集器采集的负载端的电压、电流信号建立负载矩阵，利用神经网络建模来构建用户负载的用电量规律，利用该电量规律自动控制用户负载的用电量；状态采集器:用于实时采集用户负载端的节点电压和电流。所述的分布式新能源发电模块通过直流母线与分布式新能源逆变模块连接，所述的直流母线由三段组成，分开设置，光伏发电单元的输出端分别通过第一段直流母线、第二段直流母线和第三段直流母线连接光伏发电逆变单元的输入端；风力发电单元的输出端分别通过第一段直流母线、第二段直流母线和第三段直流母线连接风力发电逆变单元的输入端；生物质能发电单元的输出端分别通过第一段直流母线、第二段直流母线和第三段直流母线连接生物质能发电逆变单元的输入端。所述的储能模块的输入端同时连接第一段直流母线、第二段直流母线和第三段直流母线。本专利技术一种智能微网的源-网-荷自动控制系统中的控制方法包括一种分布式新能源智能优化发电控制方法、一种储能单元的充放电控制方法及一种用户负载的用电量规律协调方法，其中，所述分布式新能源智能优化发电控制方法步骤如下:步骤1:采用霍尔元件测量法采集光伏电池、风力发电机和生物质能发电设备的节点电压和电流；步骤2:采用不确定估计方法对光伏电池的发电能力、风力发电机的发电能力和生物质能发电设备的发电能力进行预估，所述的发电能力包括电阻、电抗和PV节点电压值，具体公式为:对于电阻和电抗的预估:Rm+4 = Rm+3 = Rm+2 = Rm+1⑴ = 0.01Rm—7+0.03Rm—6+0.06Rm—5+0.lRm—4+0.15Rm—3+0.16Rm—2+0.22Rm—J0.30Rm式中，Rm为第m个釆样周期内的电阻；Rm+n为预估的第m+n个釆样周期内的电阻，其中，η = -7，-6，-5，-4，-3，-2，-1，I，2，3，4 ；Xm+4 = Xm+3 = Xm+2 = Xm+i = .15Xm_2+0.25Xm_1+0.6Xm(2)式中，Xni为第m个采样周期内的电抗为预估的第m+p个采样周期内的电抗，其中，P = -2，-1,1,2,3,4 ；对于PV节点的电压预估:U+4=U+3=U+2=U+1(3)=0.01Um_7+0.03Um_6+0.06Um_5+0.lUm_4+0.15Um_3+0.16Um_2+0.22^^+0.30Um式中，U111为第m个采样周期内的PV节点电压为预估的第m本文档来自技高网...

【技术保护点】
一种智能微网的源?网?荷自动控制系统，其包括：分布式新能源发电模块(1)：用于将太阳能、风能及生物质能转换为电能，为负载或电网供电；分布式新能源逆变模块(2)：用于将光伏电池板、风力发电机以及生物质能发电设备所发直流电转变为交流电；传统发电模块(3)：用于控制微型燃气轮机为用户负载或电网进行供电；用户负载模块(6)：为微网中的本地负载；双向并网控制模块(12)：用于控制微网与电网间的通断与能量传输；其特征在于：还包括：分布式新能源智能优化发电控制模块(13)：1)用于采集光伏电池、风力发电机和生物质能发电设备的节点电压和电流值，采用不确定性预估方法在4～5个采样周期内对光伏电池的发电能力、风力发电机的发电能力和生物质能发电设备的发电能力进行预估，绘制发电能力波动预报曲线，再分别计算上述三者发电能力的鲁棒性，选择鲁棒性最好的，为用户负载或电网进行供电；2)用于当光伏电池、风力发电机和生物质能发电设备的实际发电量与用于供给用户负载和电网的电能总量存在差值时，发送控制信号给智能储能单元调节器；3)用于当光伏电池、风力发电机和生物质能发电设备的发电量和储能模块所发电量与用户负载和电网需求的电能总量存在差值时，发送控制信号给微燃机发电控制器；储能模块(9)：用于控制蓄电池组的充、放电，保证每个蓄电池充放电次数平均，其进一步包括：智能储能单元调节器(10)：1)若接收光伏电池、风力发电机和生物质能发电设备的剩余电量，计算每个蓄电池充电次数和放电次数的总和，该值与所有蓄电池充放电次数的的平均值进行比较，选择差值最大的蓄电池作为本次充电所用蓄电池；2)、若光伏电池、风力发电机和生物质能发电设备所发电量无法满足用户负载或电网需求，则接收由分布式新能源智能优化发电控制器发出的发电控制信号，控制蓄电池组进行放电：计算每个蓄电池充电次数和放电次数的总和，该值与所有蓄电池充放电次数的的平均值进行比较，选择差值最大的蓄电池作为本次放电所用蓄电池；蓄电池组(11)：用于存储或释放光伏电池、风力发电机和生物质能发电设备的剩余电能；所述的传统发电模块(3)包括：微型燃气轮机智能优化发电控制单元(4)：用于在光伏电池、风力发电机和生物质能发电设备的发电量和储能模块所发电量均无法满足用户负载或电网需要时，利用微型燃气轮机产 生的发电量进行补充；微型燃气轮机发电单元(5)：用于为用户负载或电网进行供电；所述的用户负载模块(6)包括：智能优化用电控制器(7):用于将状态采集器采集的负载端的电压、电流信号建立负载矩阵，利用神经网络建模来构建用户负载的用电量规律，利用该电量规律自动控制用户负载的用电量；状态采集器(8)：用于实时采集用户负载端的节点电压和电流。...

【技术特征摘要】

【专利技术属性】
技术研发人员：张化光，孙秋野，杨珺，刘鑫蕊，滕菲，郭靖，王占山，刘振伟，梁雪，
申请(专利权)人：东北大学，
类型：发明
国别省市：