[发明专利]一种应用于光-储-充一体化电站的能量管理算法

权利要求书

1.一种应用于光-储-充一体化电站的能量管理算法，其特征在于，包括以下步骤：

S1：基于BP神经网络，根据光伏发电的历史功率建立起物理模型，预测未来1个完整调度周期的光伏出力，并基于气象因素和短期光伏功率波动之间的相关性，修正短期内预测的光伏出力；

S2：在每个调度周期的开始时刻，基于步骤1的预测光伏出力数据以及系统内的用户负荷信息，光-储-充一体化电站的能量管理系统运行能量存储系统ESS日前能量调度算法，优化未来1个完整调度周期ESS的能量分布方案；

S3：基于预测的光伏出力与优化ESS的能量分布方案，光-储-充一体化电站能量管理系统运行ESS实时能量调度算法，以5分钟为一个调度时隙，优化未来1小时ESS的最优充放电方案；

S4：充电桩通过与电动汽车EV间的握手操作进行信息交互，获取EV电池当前电池电量信息、汽车型号等信息并记录EV的开始充电时间，将以上信息以Zigbee通信方式上传至光-储-充一体化电站能量管理系统；

S5：光-储-充一体化电站能量管理系统识别EV厂商和型号并与数据库中记录的车辆电池能量管理系统BMS信息比对，若比对成功，则成功获取该EV的BMS充电特性曲线数据，比对失败则默认该EV的BMS充电特性曲线为典型曲线，同时记录该EV充电数据，更新数据库中该类型车辆的BMS信息；

S6：基于预测的光伏出力数据、EV的电池电量信息、EV的BMS充电特性曲线数据、以及ESS能量分布方案和最优充放电方案，光-储-充一体化电站能量管理系统运行充电桩CP实时能量调度算法，以5分钟为一个调度时隙，以计算得出的最优的EV有序充电策略进行充电。

2.根据权利要求1所述的一种应用于光-储-充一体化电站的能量管理算法，其特征在于，所述S2中ESS日前能量调度算法的具体过程为：

S21：能量管理系统根据历史负荷、光伏出力信息预测CP负荷、站内其他负荷以及光伏出力状况；

S22：根据CP负荷、站内其他负荷以及光伏出力状况以及分时ESS充放电功率计算光-储-充一体化电站等效负荷P_eq；

S23：根据等效负荷计算ESS日前能量管理函数值，同时，ESS从电力系统获取分时电价信息；

S24：根据分时电价信息优化ESS日前能量管理函数，得到优化的ESS能量分布方案，进而估算出分时的ESS充放电功率；

S25：根据CP负荷、站内其他负荷、光伏出力状况以及分时ESS充放电功率重新计算等效负荷；

S26：根据等效负荷重新计算ESS日前能量管理函数值，若该值与步骤S23中所得目标函数值间差值的绝对值大于等于阈值T_th1，则跳转S22；若该值与步骤S23中所得目标函数值间差值的绝对值小于阈值T_th1，则终止迭代，得到调度间隔为1个完整调度周期的最优日前ESS的能量分布方案。

3.根据权利要求2所述的一种应用于光-储-充一体化电站的能量管理算法，其特征在于，所述S22在首次计算等效负荷时无需考虑分时ESS充放电功率。

4.根据权利要求1所述的一种应用于光-储-充一体化电站的能量管理算法，其特征在于，所述S3中ESS实时能量调度算法的具体过程为：

S31：基于优化的ESS的能量分布方案、实时的ESS的能量数据、分时电价信息、系统内用户负荷数据以及光伏机组出力信息来优化ESS的实时能量调度函数，从而得到以5分钟为调度间隔的实时储能充放电功率P_ESS的优化策略，进而计算等效负荷；

S32：根据等效负荷计算ESS实时能量调度函数值；

S32：再次按S31与S32计算ESS实时能量调度函数值，若该值与步骤S32中所得目标函数值间差值的绝对值大于等于阈值T_th2，则跳转S31；若该值与步骤S32中所得目标函数值间差值的绝对值小于阈值T_th2，则终止迭代，得到最优的ESS充放电方案。