[发明专利]光储微网系统的储能容量动态优化方法

说明书

技术领域

本发明涉及微网系统技术领域，尤其涉及一种光储微网系统的储能容量动态优化方法。

背景技术

微网系统中往往通过配置储能电池来平滑并网点功率波动，提高电网对微网系统的接纳能力。光储微网系统中储能电池的一部分容量用作紧急供电的容量，另一部分容量用于平滑并网点的功率波动。然而，通常情况下上述紧急供电备用容量和平滑波动容量的比例在设计之初就已固定不变，造成紧急供电备用容量偏大或偏小，整个储能电池的容量得不到充分利用，整体效率较低。

发明内容

本发明的实施例提供了一种光储微网系统的储能容量动态优化方法，以实现对光储微网系统中的储能电池的储能容量进行动态优化。

为了实现上述目的，本发明采取了如下技术方案。

一种光储微网系统的储能容量动态优化方法，包括：

根据预测出的光伏功率输出和负荷功率输出计算出储能电池的功率输出曲线；

根据所述储能电池的功率输出曲线获取在整个样本数据周期内的储能电池的储能功率最大值、最小值，根据所述储能功率最大值、最小值和设定的荷电状态限制参数，获取初始的用于平滑波动的储能电池容量；

根据所述储能电池的总容量、用于紧急备用的储能容量最小值和所述初始的用于平滑波动的储能电池容量，确定最终的用于紧急备用的储能容量和用于平滑波动的储能电池容量。

所述的根据预测出的光伏功率输出和负荷功率输出计算出储能电池的功率输出曲线之前，还包括：

采用BP神经网络建立光伏发电功率预测模型，将太阳入射角度、地面辐照强度、云量和温度数据作为所述光伏发电功率预测模型的输入变量,基于光伏电站所在位置,光伏板的安装角度,时间,季节,辐照强度和温度因素,将所述光伏电站的功率作为光伏电站的输出变量；

根据所述光伏发电功率预测模型的输入变量和输出变量，采用BP神经网络模型预测出光伏电站的光伏功率输出和负荷功率。

所述的方法还包括：

用均方根差RSME和平均绝对百分比误差MAPE作为指标来评价所述预测出的光伏电站的光伏功率；

MAPE=1nΣ1n|pf(i)-pa(i)|pa(i)×100%]]>

式中，p_a(i)、p_f(i)分别为实际和预测的光伏电站的功率，n为样本数；P_额为光伏或负载的额定功率；

当所述均方根差RSME和平均绝对百分比误差MAPE都在设定的阈值内，则确定所述预测出的光伏电站的光伏功率满足要求。

所述的根据预测出的光伏功率输出和负荷功率输出计算出储能电池的功率输出曲线包括：根据预测出的光伏功率输出和负荷功率输出，采用改进的经验模态分解算法计算出储能电池的功率输出曲线。

所述的采用改进的经验模态分解算法计算出储能电池的功率输出曲线，包括：

在并网条件下，微网瞬时功率关系为：P_b+P_PV＝P_L+P_电网

P_PV是光伏电池板的功率输出，P_L是光伏电站的负荷功率，P_电网是微电网注入电网的功率；