基于协调控制的带储能系统的光伏电站运维方法及系统技术方案

本发明专利技术公开了一种基于协调控制的带储能系统的光伏电站运维方法及系统，方法包括：基于第一BP神经网络模型对光伏组件的未来发电量进行预测，得到发电预测值；基于第二BP神经网络模型对储能系统的未来可充电容量进行预测，得到充电预测值；基于第三BP神经网络模型对光伏组件的未来发电量和储能系统的未来可充电容量的总和进行预测，得到综合预测值；采用协调控制算法对发电预测值、充电预测值和综合预测值进行分析，得到最终预测结果，并基于最终预测结果调整光伏组件的发电出力，控制逆变器上网电量和到储能系统的存储电量。本发明专利技术通过对未来发电量和存储容量的预测，优化光伏组件发电和储能单元储电，提高了光伏电站的发电能力。电能力。电能力。

【技术实现步骤摘要】
基于协调控制的带储能系统的光伏电站运维方法及系统


[0001]本专利技术涉及光伏电站运维
，更具体的说是涉及一种基于协调控制的带储能系统的光伏电站运维方法及系统。

技术介绍

[0002]光伏电站受天气日照影响，存在间歇性、随机性和波动性；当天气条件好时，发电充足；当无光照时，则不能发电；这导致了上网电量的波动。因此，在光伏电站配置一定容量的储能系统，则可以高效管理新能源发电，消纳弃光资源。
[0003]如何实现快速响应，更精准控制，提高整个新能源发电系统的综合效率，进而提升配电网的稳定性、可靠性及接纳分布式电源的能力，是非常关键的。目前虽然有不少光伏储能一体化系统的解决方案，但是在发电和储能之间优化和平衡方面，仍有很多工作待完成。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种基于协调控制的带储能系统的光伏电站运维方法及系统，通过对未来发电量和存储容量的预测，优化光伏组件发电和储能单元储电，自动标识和分离故障元件，提高设备的利用率，提高了光伏电站的发电能力。
[0005]为了实现上述目的，本专利技术采用如下技术方案：
[0006]一种基于协调控制的带储能系统的光伏电站运维方法，包括：
[0007]基于预先构建的第一BP神经网络模型对光伏电站的光伏组件的未来发电量进行预测，得到发电预测值P1；
[0008]基于预先构建的第二BP神经网络模型对与光伏电站配套的储能系统的未来可充电容量进行预测，得到充电预测值P2；
[0009]基于预先构建的第三BP神经网络模型对光伏组件的未来发电量和储能系统的未来可充电容量的总和进行预测，得到综合预测值P3；
[0010]采用协调控制算法对发电预测值P1、充电预测值P2和综合预测值P3进行分析，得到最终预测结果，并基于所述最终预测结果调整光伏组件的发电出力，控制逆变器上网电量和到储能系统的存储电量。
[0011]优选的，在上述一种基于协调控制的带储能系统的光伏电站运维方法中，所述第一BP神经网络模型基于与光伏组件相关的所有第一历史数据进行训练，且每个月训练一次；所述第一历史数据至少包括：每个光伏组件的发电量、上网电量、对储能系统的充电量和天气数据；
[0012]所述第二BP神经网络模型基于与储能系统相关的所有第二历史数据进行训练，且每个月训练一次；所述第二历史数据至少包括：每个储能单元的可充电容量、接受光伏电站的充电量和天气数据；
[0013]所述第三BP神经网络模型基于光伏组件的历史发电量数据和储能系统的历史可充电容量进行训练，且每天训练一次。
[0014]优选的，在上述一种基于协调控制的带储能系统的光伏电站运维方法中，所述第一BP神经网络模型每天对光伏组件的未来发电量进行两次预测，输出光伏组件未来一周的发电量数据作为发电预测值P1；
[0015]所述第二BP神经网络模型每天对储能系统的未来可充电容量进行两次预测，输出储能系统未来一周的可充电容量作为充电预测值P2；
[0016]所述第三BP神经网络模型每十五分钟对光伏组件的未来发电量和储能系统的未来可充电容量的总和进行一次预测，输出未来一周光伏组件的未来发电量和储能系统的未来可充电容量的总和作为综合预测值P3。
[0017]优选的，在上述一种基于协调控制的带储能系统的光伏电站运维方法中，所述协调控制算法采用三取二表决方式对发电预测值P1、充电预测值P2和综合预测值P3进行分析；所述三取二表决方式的规则为：
[0018]如果P1＞0，则说明正常，如果P1＜0，则说明异常；如果P2＞0，则说明储能系统可充电，如果P2＜0，则说明储能系统不可充电，需为储能系统放电；如果P3＞0，则说明需给储能系统充电，如果P3＜0，则说明需为储能系统放电；
[0019]如果P1＞0，P2＞0，P3＞0，则光伏组件可给储能系统充电，充电量的上限为储能系统能够接受的容量；每次充电选取P2、P3中的较小值。
[0020]如果P1＞0，P2＞0，P3＜0，则光伏组件可给储能系统充电，充电量的上限为储能系统能够接受的容量；每次充电为0.5P2。
[0021]如果P1＞0，P2＜0，P3＞0，则光伏组件可给储能系统充电，充电量的上限为储能系统能够接受的容量；每次充电为0.5|P3+P2|；
[0022]如果P1＞0，P2＜0，P3＜0，则光伏组件禁止给储能系统充电，由储能系统给电网供电，储能系统放电后，不能低于储能系统容量的20％。
[0023]优选的，在上述一种基于协调控制的带储能系统的光伏电站运维方法中，还包括：
[0024]周期性检查储能系统中各个储能单元的状态，并结合未来预设时间段内的天气情况，自动平衡储能系统的存储电量。
[0025]优选的，在上述一种基于协调控制的带储能系统的光伏电站运维方法中，所述自动平衡储能系统的存储电量的方式为：
[0026]当储能系统的未来可充电容量趋近于0，或者小于满容量的5％时，根据天气预测结果，如果未来预设时间段内天气晴朗，光照度好，控制储能系统输出上网电量，进行放电；如果未来预设时间段内天气无光照，则逐步降低储能系统的输出上网电量，直至降低到0。
[0027]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于协调控制的带储能系统的光伏电站运维方法，对光伏电站的光伏组件未来发电量和储能系统未来容量进行BP神经网络算法预测，同时对光伏组件的未来发电量和储能系统的未来可充电容量的总和进行预测，根据协调控制算法采用三取二表决算法对三个预测值进行分析，得出最终预测结果，调整光伏组件发电出力，控制逆变器上网电量和到储能系统的存储电量；同时根据储能系统的储能单元的数量增减，自动平衡存储电量，对发生故障的储能单元自动标识和分离。该方法通过对未来发电量和存储容量的预测，优化光伏组件发电和储能单元储电，自动标识和分离故障元件，提高设备的利用率，提高了光伏电站的发电能力。
[0028]本专利技术还提供一种基于协调控制的带储能系统的光伏电站运维系统，包括：
[0029]第一预测模块，用于基于预先构建的第一BP神经网络模型对光伏电站的光伏组件的未来发电量进行预测，得到发电预测值P1；
[0030]第二预测模块，用于基于预先构建的第二BP神经网络模型对与光伏电站配套的储能系统的未来可充电容量进行预测，得到充电预测值P2；
[0031]第三预测模块，用于基于预先构建的第三BP神经网络模型对光伏组件的未来发电量和储能系统的未来可充电容量的总和进行预测，得到综合预测值P3；以及
[0032]协调控制器，用于采用协调控制算法对发电预测值P1、充电预测值P2和综合预测值P3进行分析，得到最终预测结果，并基于所述最终预测结果调整光伏组件的发电出力，控制逆变器上网电量和到储能系统的存储电量。
[0033]优选的，在上述一种基于协调控制的带储能系统的光伏电站运维系统中，所述协调控制器还用于周期性检查储能系统中各个储能单元的状态，并结合本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于协调控制的带储能系统的光伏电站运维方法，其特征在于，包括：基于预先构建的第一BP神经网络模型对光伏电站的光伏组件的未来发电量进行预测，得到发电预测值P1；基于预先构建的第二BP神经网络模型对与光伏电站配套的储能系统的未来可充电容量进行预测，得到充电预测值P2；基于预先构建的第三BP神经网络模型对光伏组件的未来发电量和储能系统的未来可充电容量的总和进行预测，得到综合预测值P3；采用协调控制算法对发电预测值P1、充电预测值P2和综合预测值P3进行分析，得到最终预测结果，并基于所述最终预测结果调整光伏组件的发电出力，控制逆变器上网电量和到储能系统的存储电量。2.根据权利要求1所述的一种基于协调控制的带储能系统的光伏电站运维方法，其特征在于，所述第一BP神经网络模型基于与光伏组件相关的所有第一历史数据进行训练，且每个月训练一次；所述第一历史数据至少包括：每个光伏组件的发电量、上网电量、对储能系统的充电量和天气数据；所述第二BP神经网络模型基于与储能系统相关的所有第二历史数据进行训练，且每个月训练一次；所述第二历史数据至少包括：每个储能单元的可充电容量、接受光伏电站的充电量和天气数据；所述第三BP神经网络模型基于光伏组件的历史发电量数据和储能系统的历史可充电容量进行训练，且每天训练一次。3.根据权利要求1所述的一种基于协调控制的带储能系统的光伏电站运维方法，其特征在于，所述第一BP神经网络模型每天对光伏组件的未来发电量进行两次预测，输出光伏组件未来一周的发电量数据作为发电预测值P1；所述第二BP神经网络模型每天对储能系统的未来可充电容量进行两次预测，输出储能系统未来一周的可充电容量作为充电预测值P2；所述第三BP神经网络模型每十五分钟对光伏组件的未来发电量和储能系统的未来可充电容量的总和进行一次预测，输出未来一周光伏组件的未来发电量和储能系统的未来可充电容量的总和作为综合预测值P3。4.根据权利要求1所述的一种基于协调控制的带储能系统的光伏电站运维方法，其特征在于，所述协调控制算法采用三取二表决方式对发电预测值P1、充电预测值P2和综合预测值P3进行分析；所述三取二表决方式的规则为：如果P1＞0，则说明正常，如果P1＜0，则说明异常；如果P2＞0，则说明储能系统可充电，如果P2＜0，则说明储能系统不可充电，需为储能系统放电；如果P3＞0，则说明需给储能系统充电，如果P3＜0，则说明需为储能系统放电；如果P1＞0，P2＞0，P3＞0，则光伏组件可给储能系统充电，充电量的上限为储能系统能够接受的容量；...

【专利技术属性】
技术研发人员：肖慧明，向杰，水甲，刘强，秦鹏，周潘琦，李键，林淮，
申请(专利权)人：湖南安华源电力科技有限公司，
类型：发明
国别省市：