[发明专利]一种离网光伏发电储能系统及其能量调度方法

说明书

技术领域

本发明涉及光伏发电储能领域，特别是涉及一种离网光伏发电储能系统及其能量调度方法。

背景技术

能源短缺问题是21世纪非常重要的一个问题，解决这一问题的最佳方式之一是使用太阳能发电。太阳能具有分布广泛且近乎无穷无尽的特点，但是使用太阳能发电的光伏发电系统的一个问题在于光伏资源也具有间歇性和不确定的特点，很难为负载提供一个持续稳定的电力供应，目前，常用的方法是采用储能系统来存储或释放电能，从而降低天气对光伏发电系统的影响，为用户稳定供电，保证供电的可靠性和电能质量。为了进一步提高光伏发电系统的能量管理效率，一般会设置电池管理系统对其进行管理，但是这种方式只是简单地控制电池模块的充放电情况，随着光伏发电系统组件的增加、功能的扩展，这种控制方法越来越显出效率低下、响应慢、控制准确度差等缺陷，而且无法根据负载情况以及电池模块的参数进行充放电控制，能量利用效率低。

发明内容

为了解决上述的技术问题，本发明的目的是提供一种离网光伏发电储能系统。本发明的另一目的是提供一种离网光伏发电储能系统的能量调度方法。

本发明解决其技术问题所采用的技术方案是：

一种离网光伏发电储能系统，包括光伏发电模块、光伏控制器、整流器、逆变模块、充电电池模块、电池管理系统、中央控制器、显示器以及用于控制充电电池模块的充放电状态的直流变换器，所述光伏发电模块依次通过光伏控制器及逆变模块与交流负载连接，所述光伏控制器与逆变模块之间的连接端通过直流变换器与充电电池模块连接，该连接端还通过整流器与供电电网连接，所述逆变模块还直接与供电电网连接，所述电池管理系统与充电电池模块连接，所述中央控制器通过通信总线分别与光伏控制器、整流器、逆变模块、电池管理系统、直流变换器以及显示器连接；

所述逆变模块用于将供电电网的交流电直接输出到交流负载或者将充电电池模块提供的直流电逆变为交流电后输出到交流负载。

进一步，所述充电电池模块采用锂电池组，所述光伏发电模块采用太阳能电池串联或并联构成。

进一步，所述逆变模块包括第一滤波器、逆变器、切换开关及第二滤波器，所述光伏控制器、直流变换器及整流器之间的连接端与第一滤波器的输入端连接，所述第一滤波器的输出端通过逆变器与切换开关的第一输入端连接，所述供电电网与切换开关的第二输入端连接，所述逆变器及切换开关的控制端均与中央控制器连接，所述切换开关的输出端通过第二滤波器与交流负载连接。

进一步，所述中央控制器用于根据从光伏发电模块、充电电池模块采集的实时数据以及从交流负载采集的耗能数据，发出控制信号到电池管理系统、光伏控制器、整流器、逆变模块和直流变换器。

进一步，所述中央控制器根据采集的光伏发电模块的历史运行数据以及交流负载的历史耗能数据进行神经网络训练，建立神经网络模型，获得光伏发电模块的光伏发电预测信息以及交流负载的负载预测信息，进而结合光伏发电预测信息、负载预测信息以及充电电池模块的电池剩余容量信息后，采用混合整数规划算法，计算获得接下来的预设时间内，充电电池模块的最优充放电决策序列，从而根据计算出的最优充放电决策序列控制直流变换器、整流器、逆变模块的工作状态，对充电电池模块进行充放电控制。

本发明解决其技术问题所采用的另一技术方案是：

所述的一种离网光伏发电储能系统的能量调度方法，包括：

S1、中央控制器根据采集的光伏发电模块的历史运行数据对光伏发电输出预测的神经网络进行训练，建立光伏发电输出功率与时间值、光照强度和温度值之间的关系，同时根据交流负载的历史消耗功率数据对负载消耗预测的神经网络进行训练，建立负载消耗功率与时间之间的关系；

S2、采集获取调度起始时刻的时间值、光照强度和温度值，进而根据光伏发电输出预测的神经网络模型和负载消耗预测的神经网络模型，获得未来24小时内每隔1小时的预测的光伏发电输出功率P_PV(k)和负载消耗功率P_load(k)，其中k代表离散时间值，k为自然数且1≤k≤24；

S3、获取当前时刻充电电池模块的电池剩余容量SOC(k)，结合预测的光伏发电输出功率P_PV(k)和负载消耗功率P_load(k)，采用混合整数规划算法，计算获得从供电电网的取电功率最优时充电电池模块的充放电决策序列；

S4、中央控制器根据充放电决策序列，计算获得接下来一小时从供电电网的取电功率后，控制直流变换器、逆变模块、整流器的工作状态，对充电电池模块进行能量调度。