[发明专利]一种基于数字孪生的微电网能量管理系统

权利要求书

1.一种基于数字孪生的微电网能量管理系统，其特征在于，

所述微电网能量管理系统包括实体微电网层，能量管理层，虚拟空间建模层，智能控制层以及人机交互层；

其中，所述实体微电网层包括，微电网系统，数据采集与传输单元；

微电网系统包括分布式电源，整流器，逆变器，柴油发电机，储能系统，负荷；

数据采集与传输单元包括用于数据采集的智能传感器，摄像头，设备内的电子标签，以及用于信息处理与传输的FPGA，网关，光纤等设备，采集的信息基于MQTT协议通过有线网络技术进行传输；

所述虚拟空间建模层包括：云端服务器，用于对数据解析，结合历史数据与实时数据基于数据驱动完成虚拟微电网系统的建模，同时虚拟微电网系统的运行信息也经网关传输至服务器；客户端，用于订阅能量管理层发布的初步调度与运行优化信息，实现对虚拟微电网系统的控制；

所述能量管理层包括云端服务器，其云端服务器包括：

信息存储模块，包括实时信息数据库，历史信息数据库，故障信息数据库，虚拟系统运行信息数据库；

监测与预警模块，基于历史数据库微电网确定正常工作各数据的范围，通过比较实时数据是否都运行在正常值内，进一步地，如果发现有参数偏离所在范围，基于故障信息数据库，采用k-近邻方法可以确定故障类型；

预测模块，包括负荷预测，发电预测，电价预测；

调度模块，通过合理调度储能电池、柴油发电机，需求侧可控负荷和电动汽车组成的虚拟储能系统以保证供电的可靠性；

运行优化模块，基于调度模块的基础上，以经济性，峰值从电网购电最小，碳排量最小为目标函数，基于粒子群算法进行寻优；

服务与发布模块，用于发布各模块主题服务；

所述智能控制层，包括客户端与控制器，通过订阅能量管理层的调度与运行方案主题服务，根据方案对微电网系统进行控制；

所述人机交互层，包括客户端，通过订阅能量管理层的各类服务可以实现对微电网系统的全面掌握，基于应用程序可以实现数据的可视化，操作人员可以根据经验发布控制命令至云端服务器，虚拟空间建模层和智能控制层的客户端订阅所发布的主题服务，实现人机交互层对实体与虚拟微电网系统的控制。

2.根据权利要求1所述的微电网能量管理系统，其特征在于，云端服务器与云端服务器基于TCP/IP协议进行通信，云端服务器与客户端基于MQTT协议的发布订阅机制以QOS2服务质量进行通信。

3.根据权利要求1所述，其特征在于，所述微电网能量管理系统包含两个云端服务器，一个云端服务器可满足上述功能，但考虑到运算量较大需要时间较长，虚拟微电网系统要保持与微电网系统相同的生命周期，所以在虚拟空间建模层加入云端服务器，两个云端服务器各司其职，用来提高运算速度，使虚拟微电网系统具有与微电网系统相同的生命周期。

4.一种基于数字孪生的微电网能量管理系统运行机制，其特征在于，包括以下步骤：

步骤1：由智能传感器、摄像头和基于标签的射频技术实时采集来的微电网系统的各类信息；

步骤2：采集到的各类信息经型号为EP4CE10F17C8的FPGA所板载的型号为PCF8591的A/D转换芯片对进行模拟量进行转换，将转换后的数字量临时储存在FPGA的FIFO模块中，再通过所板载的RS232串口基于UART协议将转换后的数字量信息依次串行传输到智能网关，网关后基于MQTT协议通过光纤有线网络技术将信息传输到能量管理层和虚拟建模层的云端服务器；

步骤3：能量管理层的云端服务器将采集来的信息进行解析并存储，基于TCP/IP协议向虚拟空间建模层传输微电网各类历史信息，同时能量管理层的云端服务器基于历史数据库中正常运行时各类数据的变化范围对各类数据进行实时监控，当参数超过范围与历史故障数据库信息进行对比，基于K-近邻法可以确定故障的类型；

步骤4：虚拟空间建模层的云端服务器对实体微店网层传输来的信息进行解析，并结合能量管理层传输的各类历史数据信息，基于实时和历史数据信息利用数据驱动完成虚拟微电网系统建模，所建立的虚拟微电网系统保持与原系统1∶1比例同时具有与微电网系统相同的生命周期；

步骤5：能量管理层基于云端服务器实现负荷的预测，电价的预测以及负荷的预测；

所述负荷预测，利用历史数据库和实时数据库中的负荷信息可以实现对负荷的长短期预测，首先对数据特征进行提取，对不同特征进行归一化处理，由于负荷地域性特点，将处理好的负荷负荷信息利用k-均值聚类的方法进行聚类处理，根据聚类后的结果，将每类负荷的历史序列数据以及实时序列数据，利用数据构建时序模型，并对神经网络进行训练，基于神经网络可以实现对负荷的短期预测，当负荷波动较大时可以结合专家经验对预测进行修正，增强预测的准确性，利用支持向量机以相同得方法可以实现中长期负荷的预测；

所述电价预测，要进行短期电价的预测不仅与历史电价以及负荷值有关，还与天气等外界因素有关。所以要结合历史数据库中的电价信息与预测的负荷信息，和气象站通信传输的气象信息进行预测，短期电价的预测模型为E(t)＝O(t)+B(t)+W(t)+S(t)+R(t)，式中E(t)代表t时刻的电价，O(t)表示原材料使用，B(t)表示基本负荷分量，W(t)表示天气变化情况S(t)表示特别事件。基于模型利用LSTM(长短期记忆网络)实现对实时电价的预测；

所述发电预测，包含各分布式电源发电预测，其中分布式电源的发电预测结合机械性能、光照强度、温度、风速等天气信息对各个分布式电源进行发电的预测，利用气象信息以及发电信息训练神经网络，基于神经网络实现对各个分布式电源发电的预测，整体的发电预测为各个分布式电源发电预测的总和；

步骤6：能量管理层基于云端服务器确定最初调度方案，并提供最初调度方案主题服务；

所述最初调度方案是考虑分布式电源出力与负荷之间的关系，通过控制可控负荷、柴发、储能系统以保证供电的可靠性，其实现是结合预测模块的结果，在并网运行下，当分布式电源出力大于负荷需求电量时，多余电量可以对蓄电池进行充电，考虑其上限和使用寿命，由可控负荷组成的虚拟储能系统可以吸纳多余电能，同时可以在峰值电价期间向电网出售电能，当分布式电源出力不足以提供负荷用电时，当蓄电池的电量不低于下限可以使蓄电池放电，同时虚拟储能系统在不影响正常使用的条件下可以减少电能消耗，使关键负荷供电得到保障，还可控制柴油发电机的发电保证电能的可靠供给。当配电网发生故障时，断开与配电网间的连接，使微电网运行在孤岛运行模式，此模式与上述并网模式的不同之处在于切断了与配电网间的互动，是一种自给自足的方式；

步骤7：虚拟空间建模层的客户端通过订阅最初调度方案，控制虚拟微电网系统按照最初的调度方案运行；

步骤8：虚拟微电网系统执行调度方案后的运行各类信息经网关传输到虚拟空间建模层的云端服务器，虚拟空间建模层的云端服务器基于TCP/IP协议将执行初步调度后的运行信息传输到能量管理层的云端服务器；

步骤9：能量管理层的云端服务器基于虚拟微电网系统执行初步调度方案后反馈回的信息对初步调度方案进行调整；

步骤10：虚拟空间建模层的客户端按照订阅调度方案主题服务，修改调度指令；

步骤11：能量管理层的云端服务器在基于调度方案的基础上确定初步运行优化方案，并发布初步运行优化方案主题服务；

所述初步经济优化运行方案是在调度方案的基础上对运行方案的优化，通过结合预测模块所预测的结果，即在保证供电可靠性的前提下，以经济性、从配电网购电最小、碳排放量最少为目标对微电网运行优化规划，基于虚拟空间建模层建立的孪生微电网系统模型，结合发电机约束、功率平衡约束、电池约束等约束条件，将优化目标确定为满足经济性，峰值购电最少，以及碳排放量最少等多目标函数。用智能算法进行寻优，这里采用改进的粒子群算法进行寻优，由此确定初步优化运行方案；

其中，经济性目标函数为为微电网运行的总成本，N为总的调度段数，c为柴油的价格，f为柴油发电机的油耗量，g为微电网向配电网的购电价格，P_g为购电电量，s为向微电网出售电能的价格，P_S为出售的电量。其中gP_g，sP_S仅存在于并网运行情况，在孤岛运行情况下为零。M为分布式能源数目，a为分布式电源的发电成本，其中除去光能，风能等可再生能源，P_a为发电的功率；

其中，碳排放目标函数为为总的碳排放量，x为柴油发电机碳排放量系数；

步骤12：虚拟空间建模层的客户端通过订阅最初运行优化方案，控制虚拟微电网系统按照最初的优化方案进行调整；

步骤13：虚拟微电网系统执行运行优化方案后的运行各类信息经网关传输到虚拟空间建模层的云端服务器，虚拟空间建模层的云端服务器基于TCP/IP协议将执行初步调度后的运行信息传输到能量管理层的云端服务器；

步骤14：能量管理层的云端服务器基于虚拟微电网系统执行初步运行优化方案后反馈回的信息对初步运行优化方案进行调整；

步骤15：智能控制层的客户端通过订阅运行优化方案，对控制器进行控制，从而实现对微电网系统的控制使其按照发布方案运行；

步骤16：人机交互层通过订阅能量管理层发布的各项服务，可以掌握微电网的各类运行信息，通过编程等手段设计引用软件完成对数据的可视化处理；

步骤17：在人机交互层的客户端，操作员根据所观测的各类运行信息和自身经验可以发布调度指令到能量管理层的服务器，虚拟空间建模层和智能控制层的客户端通过订阅人机交互层客户端发布的控制指令实现对实体以及虚拟微电网系统的控制。