[发明专利]一种能源管理方法及智能光储装置

权利要求书

1.一种智能光储装置，其特征在于，包括能源管理系统，所述能源管理系统包括：

人工智能算法模块，用于获取预测光照度和温度值，并结合根据训练出的光伏最大出力关系式获取所述预测光照度和温度值对应的预测光伏最大出力；

控制指令生成模块，用于在并网模式下，根据储能单元的SOC（荷电量）状态及所述预测光伏最大出力，生成储能充放电指令；

所述智能光储装置包括通讯控制单元、处理单元和储能单元；

所述处理单元在离网模式下作为电压源运行，在大电网断电情况下能给负荷提供不间断电力，同时，所述处理单元在并网模式下，根据能源管理系统下发的指令使得光伏系统与储能系统能够带起全部负荷；

所述处理单元包括相连的交流侧逆变器与直流侧变换器，所述交流侧逆变器包括DC/DC模块、DC/AC模块以及电容，所述DC/DC模块、DC/AC模块通过所述电容进行电气连接；或者，所述处理单元包括通过电气依次相连的光伏逆变器、储能变流器、直流配电柜。

2.根据权利要求1所述智能光储装置，其特征在于，所述人工智能算法模块用于在离网模式下，根据所述预测光伏最大出力获取预测MPPT（最大功率点跟踪）点的功率值，并据此确定光伏机的下垂曲线。

3.根据权利要求1所述智能光储装置，其特征在于，所述通讯控制单元、处理单元和储能单元、能源管理系统通过通信线相互连接在一起；所述处理单元通过电气连接线与光伏系统及交流母线相连；所述处理单元用于接收能源管理系统的指令并执行。

4.根据权利要求1所述智能光储装置，其特征在于，所述交流侧逆变器用于与光伏系统电气相连；所述直流侧变换器用于与储能单元相连；所述储能单元包括1至5个储能电池。

5.根据权利要求1所述智能光储装置，其特征在于，所述储能单元包括多个在交流侧进行并联的储能电池。

6.一种云端虚拟电厂，其特征在于，包括并接到交流供电系统的光伏系统和多个如权利要求1至5任一所述的智能光储装置。

7.一种能源管理方法，应用于能源管理系统（EMS），其特征在于，包括：

将交流侧逆变器与380V交流母线及光伏机相连，直流侧变换器与48V直流母线、储能单元相连；

或者将光伏逆变器与光伏机相连，交直流配电柜与380V交流母线相连，光伏逆变器、储能变流器、交直流配电柜连接在一起；

S1、获取预测光照度和温度值；

S2、根据训练出的光伏最大出力关系式获取所述预测光照度和温度值对应的预测光伏最大出力；

S3、在并网模式下，根据储能单元的SOC（荷电量）状态及所述预测光伏最大出力，生成储能充放电指令，具体如下：

当储能单元的SOC小于预设阈值，且预测光伏最大出力大于负荷出力时，生成储能充电指令，使储能单元进行充电操作；当储能单元的SOC大于或等于预设阈值，或预测光伏最大出力小于负荷出力时，生成储能放电指令，使储能单元进行放电操作；

在离网模式下，根据所述预测光伏最大出力获取预测MPPT点的功率值，并据此确定光伏机的下垂曲线，具体如下：

确定下垂曲线的斜率Kp及平移值DelatKp；

先通过MPPT点的功率值将下垂曲线斜率Kp由Kp2调整为Kp1，再将斜率为Kp1的下垂曲线平移DelatKp，使光伏机出力接近MPPT出力点。

8.根据权利要求7所述能源管理方法，其特征在于，所述步骤S1中采用时间序列预测神经网络获取预测光照度和温度值；所述步骤S2中采用BP神经网络训练出光伏最大出力关系式。

9.根据权利要求7所述能源管理方法，其特征在于，所述步骤S3包括：在离网模式下，根据所述预测光伏最大出力获取预测MPPT（最大功率点跟踪）点的功率值，并据此确定光伏机的下垂曲线。