[发明专利]一种风光储充校园微电网系统及其控制方法

权利要求书

1.一种风光储充校园微电网系统的控制方法，风光储充校园微电网系统包括分布式发电单元和混合储能单元，所述分布式发电单元与所述混合储能单元相连；所述分布式发电单元包括光伏系统和风力发电机组，所述混合储能单元包括超级电容和锂电池组，其特征在于，控制风光储充校园微电网系统在并网模式与离网模式之间切换，其中在并网模式下：

当光伏系统和风力发电机组能量充足时，优先供给本地负载使用，剩余能量对混合储能单元充电，如果仍有剩余则送并网；

当光伏系统和风力发电机组能量不足时，且当混合储能单元SOC≥设定值A时，分布式发电单元和混合储能单元同时为负载供电；当混合储能单元SOC＜设定值A时，分布式发电单元和电网同时为负载供电，同时电网为储能系统充电；

当光伏系统和风力发电机组能量无时，且当混合储能单元SOC≥设定值A时，混合储能单元为负载供电；当混合储能单元SOC＜设定值A时，电网为负载供电，同时电网为混合储能单元充电；

以混合储能单元的功率、SoC和SoV作为状态变量s_t，锂电池组的电流为作用变量a_t，混合储能单元总的能量损失作为奖励函数r_t，进行基于增强学习的电源优化；

基于增强学习的电源管理方法具体为：

状态s的值定义如下，将其视为奖励的折后和

其中，γ∈[0,1]表示折扣因子，r_t+1表示t+1时刻的奖励；当状态s的值为最优时，值函数重写为：

其中，表示从状态s转移到状态s'的概率，表示从状态s转移到状态s'的奖励；

根据下式确定最优策略：

定义了最佳状态-动作值的最佳Q值，如下式所示：

Q值根据如下规则保持更新：

Q(s,a)＝Q(s,a)+α(r(s,a)+γmax_a'Q(s',a')-Q(s,a))

其中，α∈[0,1]为衰退因子；

在进行电源优化时，以最小代价得到一系列最优动作变量a(k)，其中代价包括锂电池组能量损失、超级电容能量损失、DC/DC转换模块能量损失，表示如下：

其中，N表示运动循环次数，L表示瞬时损耗，包括电池能量损耗L_b(k)、超级电容器能量损耗L_c(k)和DC/DC变换器损耗L_dcdc(k)，损失函数表示如下：

其中，η_dcdc(k)表示DC/DC转换器的效率，P_bat(k)为锂电池输出功率，z是一个逻辑值，当充电时为1，放电时为0。

2.根据权利要求1所述的风光储充校园微电网系统的控制方法，其特征在于，在离网模式下：

当光伏系统和风力发电机组能量充足时，优先供给负载使用，剩余能量对混合储能单元充电，如果仍有剩余，则限制光伏系统和风力发电机组功率输出；

当光伏系统和风力发电机组能量不足时，

当混合储能单元SOC≥设定值A时，分布式发电单元和混合储能单元同时为负载供电；

当混合储能单元SOC＜设定值A时，限制可控负载用电，保留重要负载电力供应；

当混合储能单元SOC＝设定值B时，停止电力供应，直至储混合储能单元电量恢复至设定值时，恢复正常供电；

当光伏系统和风力发电机组能量无时，

当混合储能单元SOC≥设定值A时，混合储能单元为负载供电；

当混合储能单元SOC＜设定值A时，限制可控负载用电，保留重要负载电力供应；

当混合储能单元SOC＝设定值B时，停止电力供应，直至混合储能单元电量恢复至设定值时，恢复正常供电。

3.根据权利要求1所述的风光储充校园微电网系统的控制方法，其特征在于，其中功率建模为平稳马尔可夫链，功率转移概率矩阵通过最近邻法和最大似然估计计算，如下：

其中，M_i,j表示从到的转移次数，M_i表示从总共转移次数。

4.根据权利要求1所述的风光储充校园微电网系统的控制方法，其特征在于，对状态变量s_t进行离散化，锂电池组的扩散电压和剩余电量SoC离散化为：

其中，U_D(k)表示k时刻的扩散电压、SoC(k)表示k时刻的剩余电量、Q_b表示电池组的容量、η_b表示电池的库仑效率、Δt表示采样间隔、τ_bat表示电池时间常数；

超级电容的电压状态SoV可由下式得出：

SoV(k+1)＝SoV(k)-i_c(k)Δt/C_u

其中，C_u为超级电容容量。