【技术实现步骤摘要】
本专利技术涉及电网，具体为一种风电场的微网智能电网集成系统。
技术介绍
1、随着科技的不断发展，智能电力技术正逐渐成为电力行业的主流。智能电力技术是以先进的电子、通信和计算机技术为基础，通过实时数据采集、分析和控制，实现对电力系统的精确检测和管理。
2、微电网需要一个高度智能化的能源管理系统来监控和调度各种电力资源。管理和调度微电网的复杂性增加了技术和管理的挑战，需要可靠的数据分析、决策支持和优化算法。微电网技术在独立运行时依赖自身的能源和储能设备。如果某个电力资源出现故障或存储能量不足，可能会导致微电网供电能力下降，增加了系统的不稳定性和供电风险。因此，确保微电网的可靠性和稳定性是一个挑战。
3、所以，本专利技术公开一种风电场的微网智能电网集成系统来解决上述问题。
技术实现思路
1、本专利技术的目的在于提供一种风电场的微网智能电网集成系统，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：该集成系统包括数据监测采集模块、数据分析预测模块、能量协调调度模块、通信控制模块和故障检测调整模块；
3、所述数据监测采集模块安装传感器和监测设备，实时监测风力发电设备和储能装置的运行状态、性能参数和环境变量；所述数据分析预测模块通过建立模型和算法，预测未来的风力状况、负荷需求和能源存储情况；所述能量协调调度模块通过监测和预测的数据，进行风力发电设备和储能装置的能量协调调度；所述通信控制模块能够实现实时的数据传
4、根据上述方案，所述监测采集模块采集的数据包括风速、风向、发电功率、电池状态和负荷需求。
5、根据上述方案，所述数据分析预测模块包括风力预测单元、负荷需求预测单元和储能需求预测单元；
6、所述风力预测单元基于历史风速，建立自回归差分移动平均模型预测未来的风力状况，为风力发电设备的运行调度提供依据；
7、所述负荷需求预测单元基于历史负荷数据，建立自回归差分移动平均模型预测未来的负荷需求趋势，以供智能电网系统进行能量调度和优化；
8、所述储能需求预测单元基于历史的负荷数据和储能装置的充放电状态，建立自回归差分移动平均模型，预测未来的储能需求量，从而制定合理的储能设备控制策略。
9、根据上述方案，所述自回归差分移动平均模型英文简称为所述自回归差分移动平均模型，所述自回归差分移动平均模型主要由三部分构成，分别为自回归模型(ar)、差分过程(i)和移动平均模型(ma)；用公式表示为：arima(p,d,q)；
10、暂时不考虑差分，即假设d＝0，那么所述自回归差分移动平均模型被看作是ar模型和ma模型的直接结合，形式上看，所述自回归差分移动平均模型的公式表示为：
11、
12、其中yt为分析的时间序列系数；是ar模型的参数，用来描述当前值与过去p个时间点值之间的关系；θi是ma模型的参数，用来描述当前值与过去q个时间点的误差之间的关系；∈t为在t时间点的误差项；c是常数项。
13、根据上述方案，对于时间序列yt，均值函数定义如下：μt＝e(yt)，即μt是过程在t时刻的期望值，序列的方差定义如下：
14、var(yt)＝e((yt-μt)2)
15、其中n代表序列的长度；根据序列的滞后阶数k来计算对应的序列自协方差，自协方差定义如下：
16、cov(yt,yt-k)＝e((yt-μt)(yt-k-μt))
17、自相关函数ρ(k)表示为：
18、
19、偏自相关函数ωk表示为：
20、
21、在建立所述自回归差分移动平均模型的前，要将数据平稳化，对于校验原始数据的平稳性，本专利技术利用单位根校验的方式，计算原始数据的相伴概率，若相伴概率计算值小于0.05，即平稳性校验合格，进行下步白噪声检验，若相伴概率计算值大于0.05，即稳性校验不合格，需要对数据进行差分处理，差分处理能够减小或消除时间序列的趋势和季节性变化，所述差分处理为一组数值序列中相邻数据点的进行差计算，差分方程如下表示：
22、δdyt＝(1-b)dyt
23、其中(1-b)dyt表示yt的d阶差分；b表示延迟算子；
24、首先对原始不平稳数据做一阶差分，用公式表示为：
25、δyt＝yt-yt-1
26、对一阶差分处理后的数据再次进行平稳性校验，若平稳性校验合格，进行下步白噪声检验，若平稳性校验不合格，需要对数据进行二阶差分处理，直至差分后数据变成平稳的时间序列；
27、用可视化技术显示自相关函数图和偏自相关函数图，查看函数拖尾或截尾情况；
28、对平稳的时间序列进行bic矩阵计算，得到最小的p和q值，得到最终的所述自回归差分移动平均模型。
29、根据上述方案，数据分析预测模块的原始数据时间间隔选择多种，包括小时、天和月；根据回归差分移动平均模型预测所得，不同时间间隔时所得同一类型的发电功率存在差异，记pedmax为储能装置最大放电功率；pech、pecd和pecm分别为预测的储能需求每小时、每天和每月充电功率；pecmax为储能装置每小时最大充电功率；pwh、pwd和pwm分别为预测的风场每小时、每天和每月发电功率；pwmax为风场每小时最大发电功率，wldh、wldd和wldm分别为预测的每小时、每天和每月负荷需求；
30、其中其中24和720为换算成天和月换算小时的折算系数；其中月按30天计算；
31、当pw×t+pedm×t<wld时，集成系统向主电网申请能量注入；当pw×t+pedm×t≥wld，且pw×t<wld时，集成系统降低储能装置放电功率至匹配预测的负荷需求；当pw×t≥wld时，集成系统开启储能装置充电模式；当pw×t≥wld+pec×t时，风力发电机组降低发电功率；当储能装置充电后，任有pw×t≥wld+pecmax×t，若主电网需要能量注入，将多余的电传输给主电网；当pw≥pwmax时，风力发电机组先按照风场每小时最大发电功率发电，后续按照其他预测需求及时改变发电策略。
32、根据上述方案，所述能量协调调度模块在建立多种时间间隔自回归差分移动平均模型前提下，利用储能系统的特性，协调风力发电和主电网之间的能量交换，通过充放电策略，实现风力发电的平稳输出和电网的平衡供电；根据实时情况，调整风力发电机组的输出、电网的调度和储能系统的充放电策略，以提高能源利用效率和电网的稳定性。
33、当风力发电超过负荷需求时，将多余的能量存储到储能系统中；当负荷需求超过风力发电时，从储能系统中释放能量进行补充。通过合理的充放电策略，实现风力发电的平稳输出和电网的平衡供电。
34、根据上述方案，所述故障检测调整模块实时监测电力设备本文档来自技高网...
【技术保护点】
1.一种风电场的微网智能电网集成系统，其特征在于：该集成系统包括数据监测采集模块、数据分析预测模块、能量协调调度模块、通信控制模块和故障检测调整模块；
2.根据权利要求1所述的一种风电场的微网智能电网集成系统，其特征在于：所述监测采集模块采集的数据包括风速、风向、发电功率、电池状态和负荷需求。
3.根据权利要求1所述的一种风电场的微网智能电网集成系统，其特征在于：所述数据分析预测模块包括风力预测单元、负荷需求预测单元和储能需求预测单元；
4.根据权利要求3所述的一种风电场的微网智能电网集成系统，其特征在于：所述自回归差分移动平均模型由三部分构成，分别为自回归模型(AR)、差分过程(I)和移动平均模型(MA)；用公式表示为：ARIMA(p,d,q)；
5.根据权利要求1-4任意一项所述的一种风电场的微网智能电网集成系统，其特征在于：对于时间序列Yt，均值函数定义如下：μt＝E(Yt)，即μt是过程在t时刻的期望值，序列的方差：
6.根据权利要求5所述的一种风电场的微网智能电网集成系统，其特征在于：数据分析预测模块的原始数据
7.根据权利要求1所述的一种风电场的微网智能电网集成系统，其特征在于：所述能量协调调度模块在建立多种时间间隔自回归差分移动平均模型前提下，利用储能系统的特性，协调风力发电和主电网之间的能量交换，通过充放电策略，实现风力发电的平稳输出和电网的平衡供电；根据实时情况，调整风力发电机组的输出、电网的调度和储能系统的充放电策略。
8.根据权利要求1所述的一种风电场的微网智能电网集成系统，其特征在于：所述故障检测调整模块实时监测电力设备和电网状态，获取关键设备的性能数据，检测故障信号和异常情况；利用故障检测系统的数据，结合故障模型库，自动进行故障诊断和判别；
9.根据权利要求8所述的一种风电场的微网智能电网集成系统，其特征在于：所述故障模型库基于故障模型和专家知识的规则库，规则库包含与已知故障类型相关联的特征和规则，包括电压异常和电流偏高；
10.根据权利要求8所述的一种风电场的微网智能电网集成系统，其特征在于：利用预先建立的规则库和故障模型，将本次故障特征与故障模型库中的数据进行比较，以识别和判别存在的故障类型。
...【技术特征摘要】
1.一种风电场的微网智能电网集成系统，其特征在于：该集成系统包括数据监测采集模块、数据分析预测模块、能量协调调度模块、通信控制模块和故障检测调整模块；
2.根据权利要求1所述的一种风电场的微网智能电网集成系统，其特征在于：所述监测采集模块采集的数据包括风速、风向、发电功率、电池状态和负荷需求。
3.根据权利要求1所述的一种风电场的微网智能电网集成系统，其特征在于：所述数据分析预测模块包括风力预测单元、负荷需求预测单元和储能需求预测单元；
4.根据权利要求3所述的一种风电场的微网智能电网集成系统，其特征在于：所述自回归差分移动平均模型由三部分构成，分别为自回归模型(ar)、差分过程(i)和移动平均模型(ma)；用公式表示为：arima(p,d,q)；
5.根据权利要求1-4任意一项所述的一种风电场的微网智能电网集成系统，其特征在于：对于时间序列yt，均值函数定义如下：μt＝e(yt)，即μt是过程在t时刻的期望值，序列的方差：
6.根据权利要求5所述的一种风电场的微网智能电网集成系统，其特征在于：数据分析预测模块的原始数据时间间隔选择多种，包括小时、天和月；根据回归差分移动平均模型预测所得，不同时间间隔时所得同一类型的发电功率存在差异，记pedmax为储能装置最大放电功率；pech、pecd和pecm分别为预测的储能需求每小时、...
【专利技术属性】
技术研发人员：胡雪松，李振，霍明君，陈小雨，
申请(专利权)人：崇礼新天风能有限公司，
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。