[发明专利]一种超大容量的区域微电网系统及运行方法在审

专利信息
申请号: 202110074392.6 申请日: 2021-01-20
公开(公告)号: CN113285479A 公开(公告)日: 2021-08-20
发明(设计)人: 黄小红;朱杰;丁清;王玉柱;黄智尚;郭天鸣 申请(专利权)人: 天宏阳光新能源股份有限公司
主分类号: H02J3/38 分类号: H02J3/38;H02J3/32;H02J3/00;H02J13/00
代理公司: 北京智行阳光知识产权代理事务所(普通合伙) 11738 代理人: 黄锦阳
地址: 067000 河北省承德市滦平高新技术产业开*** 国省代码: 河北;13
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 超大 容量 区域 电网 系统 运行 方法
【权利要求书】:

1.一种超大容量的区域微电网系统,其特征在于,包括风力发电站、光伏发电站、储能系统、负荷、变配电设备、微电网能量管理系统;

所述风力发电站,经35KV箱式变电站升压后接至场内35KV集电线路,再经110KV变配电设备升压并入电网;所述风力发电站用于向微电网内负荷供电、同时向所述储能系统充电,所述储能系统充满时,多余电力送入主网;

所述光伏发电站在白天光伏正常出力的情况下,向微电网内负荷供电、同时向所述储能系统充电,所述储能系统充满时,多余电力送入主网;所述光伏发电站在白天光伏出力不足的情况下,向微电网内负荷供电,不再向所述储能系统充电;所述光伏组件将太阳能转化成电能,光伏逆变器将光伏组件所发出的直流电转变成交流电;

所述储能系统为电池储能系统输出电能经升压变升压至35KV,若干储能子系统经过1回35KV集电线路接入到相对应110KV变配电设备升压至35KV集电线路一侧;同时电池储能系统安装双向计量电表,对电池储能系统的充放电进行计量,每组储能电池均装有电池管理系统对储能电池的充放电进行在线管理,电池管理系统和储能变流器通过以太网和监控相连,执行充放电策略;

所述负荷根据不可中断程度强弱划为一级负荷、二级负荷、三级负荷;一级负荷由两路稳定的电源供电,可设置仅满足一级负荷供电的备用电源;二级负荷宜由两路电源供电,可设置仅满足一级负荷供电的备用电源,也可由一路电源供电;三级负荷采用单回路供电,要求配电系统简洁可靠,尽量减少配电级数;

所述变配电设备,包括110KV光伏变电站、110KV风电变电站、110KV微电网用户变电站、110KV电网用户变电站及相应110KV架空线路;

所述微电网能量管理系统采用面向服务的体系架构和分层分布式网络架构,实现面向设备对象的信息建模、统一数据展示、统一系统管理和WEB信息发布,并采用标准、成熟、开放的数据模型及网络协议,提供统一的数据存储、访问、监视和预警功能,支持各业务功能模块化建设;用于对生产调度、协调控制、运维管理、综合展示实现一体化管理。

2.如权利要求1所述的系统,其特征在于,所述风力发电站,由多台大容量风力发电机组和35KV箱式变电站采用一箱一变的单元接线方式组成;经35KV箱式变电站升压后接至场内35KV集电线路,再经110KV变配电设备升压并入电网。

3.如权利要求2所述的系统,其特征在于,所述光伏发电站,由多块光伏组件和一套光伏逆变器构成一个光伏发电单元,两个光伏发电单元经1台箱式变电站升压后接至场内35KV集电线路,再经110KV光伏变电站升压并入电网。

4.如权利要求3所述的系统,其特征在于,所述电池储能系统配置在风力发电站侧、光伏发电站侧、110KV微电网用户站侧,用于离网状态下稳定电力输出、移峰填谷、提高风电、光伏发电质量;所述风力发电站侧储能电站、光伏发电站侧储能电站及110KV微电网用户站侧储能电站分别包括若干储能子系统;所述储能子系统包括若干储能变流器和至少一组储能电池。

5.如权利要求4所述的系统,其特征在于,所述110KV光伏变电站出线3回,1回至220KV变电站,1回至110KV微电网用户变电站,1回至110KV风电变电站;所述110KV风电变电站出线2回,1回110KV 微电网用户变电站,1回至110KV光伏变电站;110KV微电网用户变电站出线2回,1回至110KV风电变电站,1回至110KV光伏变电站;110KV电网用户变电站出线1回至220KV变电站;110KV微电网用户变电站110KV母线与110KV电网用户变电站设联络开关。

6.一种超大容量的区域微电网运行方法,其特征在于,包括以下步骤:

步骤1:风光电站功率联合预测,通过数据接口从数据库中提取风电场和光伏电站的历史运行数据,同时利用相关环境数据,构建三种神经网络,将前两种网络预测的结果用第三种网络进行整合得出输出功率;网络一,用一维CNN构建深度神经网络,利用滑动窗口对历史发电数据处理,生成输入向量和目标向量,对神经网络进行监督学习,训练得到的网络用于对发电数据预测得出预期风光总输出功率;网络二,构建全连接深度神经网络,将环境历史数据分割,整合形成输入向量,同时段风光总输出功率为目标向量,对构建的全连接深度神经网络进行监督学习,将得到的神经网络用于输入环境参数预测总输出功率;网络三,构建全连接浅度神经网络,用新一组训练数据,通过以上两个网络得到两个总输出功率,将两个预测结果作为输入向量,以实际风光总输出功率作为目标向量,训练网络三;把全部训练完成的整体网络作为模型,将过往时段内环境向量和发电功率向量作为输入,用得到的模型对次日风光总功率进行预测,得出次日的风光电站输出的总功率曲线;

步骤2:发电计划安排,以所述风光电站功率联合预测模型输出的风光预测出力曲线为参考,结合用户负荷曲线制定次日发电输出曲线提供多种优化控制目标供选择如上网电量最优或功率平衡最优等;根据制定的发电计划预先安排储能单元和风光发电单元的发电计划;

步骤3:实时发电控制,根据风光的实际出力以及其他实时监控数据,在线计算出计划输出和实际输出的差值Δp(t),通过调节储能充放电尽可能满足优化控制目标,未满足部分由外部电网补全,控制策略公式如下:

功率平衡最优:min pcost=pplan(t)+Δp(t)+pES(t)-pload(t)

上网电量最优:min pcost=pplan(t)+Δp(t)+pES(t)-pload(t)-ppcc

实际与计划差值:Δp(t)=pactual(t)-pplan(t)

储能系统输出功率:

单个储能单元功率控制:

上述公式中,pactual(t)为光伏和风电实际发电功率,pplan(t)为某单位时刻光伏和风电计划总发功率,Δp(t)为某单位时刻光伏和风电实际总发电功率与计划的差值,pES(t)为某单位时刻内储能的输出功率,pload(t)为某单位时刻的负荷功率,ppcc为上网功率的最大限制;为单个储能单元在某单位时刻的输出功率,为单个储能单元在某单位时刻的放电功率,为单个储能单元在某单位时刻的充电功率,hold和δ为flag取0和1。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于天宏阳光新能源股份有限公司,未经天宏阳光新能源股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110074392.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top