風(fēng)光儲(chǔ)微網(wǎng)與充電樁一體化系統(tǒng)管理與能量調(diào)度

趙文倉

?

風(fēng)光儲(chǔ)微網(wǎng)與充電樁一體化系統(tǒng)管理與能量調(diào)度

趙文倉

(浙江萬馬新能源有限公司，浙江 杭州 310012)

從平臺(tái)的架構(gòu)及控制策略方面闡述風(fēng)光儲(chǔ)能微電網(wǎng)與充電樁一體化設(shè)備之間的互聯(lián)互通，對(duì)風(fēng)能、太陽能發(fā)電微電網(wǎng)系統(tǒng)的預(yù)測(cè)、儲(chǔ)能控制，結(jié)合微電網(wǎng)功率及風(fēng)能、太陽能的出力情況，建立了基于PSO算法的能量調(diào)度模型，對(duì)充電樁充電需求的能量提前做出調(diào)度方案，滿足電動(dòng)汽車在公共電網(wǎng)供電不足或供電峰谷情況下的充電需求。

微電網(wǎng)；儲(chǔ)能控制；能量預(yù)測(cè)；能量調(diào)度；光伏；風(fēng)能

0 引言

近年來，電力系統(tǒng)呈現(xiàn)出用電負(fù)荷不斷增加、輸出電容量不斷增大，但仍然不能滿足工業(yè)和生活用電日益增長的需求。隨著新型電力電子技術(shù)的不斷成熟和完善，基于風(fēng)能、太陽能等分布式發(fā)電技術(shù)的蓬勃發(fā)展，風(fēng)光儲(chǔ)能微電網(wǎng)已成為未來發(fā)展的趨勢(shì)，對(duì)改變現(xiàn)有用電高峰引起的“電荒”和支持國家大力提倡的“減排節(jié)能”[1]起著重要的作用。浙江萬馬新能源的風(fēng)光儲(chǔ)能微電網(wǎng)與充電樁一體化系統(tǒng)管理與調(diào)度項(xiàng)目已取得了階段性的成果，本文著重介紹其系統(tǒng)管理及能量調(diào)度功能的在線應(yīng)用情況，以便更好地促進(jìn)本項(xiàng)目的改進(jìn)和完善。

1 微電網(wǎng)系統(tǒng)分析

1.1 硬件平臺(tái)構(gòu)成

本項(xiàng)目風(fēng)光儲(chǔ)能微電網(wǎng)系統(tǒng)由分布式發(fā)電(風(fēng)能、光伏發(fā)電)負(fù)載、儲(chǔ)能裝置及控制裝置等部分組成，作為整體部分通過公共接點(diǎn)充電器與公共電網(wǎng)相連[2]，它們基于以太網(wǎng)技術(shù)及軟件平臺(tái)(電動(dòng)汽車充電樁云服務(wù)平臺(tái)、設(shè)備調(diào)度及控制中心)遵守IEC61850規(guī)約，實(shí)現(xiàn)設(shè)備及設(shè)備之間、平臺(tái)與設(shè)備之間的互聯(lián)互通[3-5]，從風(fēng)光儲(chǔ)能微電網(wǎng)系統(tǒng)整體出發(fā)結(jié)合當(dāng)?shù)仉娋W(wǎng)供電價(jià)格、供電平衡、電網(wǎng)的特殊要求、電能質(zhì)量要求、天氣環(huán)境等信息作整體決策，以決定風(fēng)光儲(chǔ)能微電網(wǎng)系統(tǒng)與公共電網(wǎng)的交換功率[6]，風(fēng)光儲(chǔ)能微電網(wǎng)電源輸出分配及負(fù)載控制指令，從而實(shí)現(xiàn)控制策略上的設(shè)備管理與能量調(diào)度最佳匹配。圖1為風(fēng)光儲(chǔ)能微電網(wǎng)硬件平臺(tái)示意圖。

1.2 軟件平臺(tái)構(gòu)成

項(xiàng)目的實(shí)時(shí)監(jiān)控調(diào)度控制平臺(tái)及電動(dòng)汽車充電樁云平臺(tái)采用模塊化設(shè)計(jì),基于TCP/IP技術(shù)和根據(jù)需求開發(fā)通信接口[7-8]實(shí)現(xiàn)各個(gè)模塊的獨(dú)立性又相互相連的特點(diǎn)，使風(fēng)光儲(chǔ)能微電網(wǎng)設(shè)備管理及能量調(diào)度邏輯層方面的互通。圖2為風(fēng)光儲(chǔ)能微電網(wǎng)軟件平臺(tái)示意圖。

圖1 風(fēng)光儲(chǔ)能微電網(wǎng)硬件平臺(tái)示意圖

圖2 微電網(wǎng)軟件平臺(tái)示意圖

2 微電網(wǎng)能量控制模式及需求

2.1 能量供給控制模式

本儲(chǔ)能微電網(wǎng)系統(tǒng)的能量調(diào)度控制模式可分為并網(wǎng)運(yùn)行狀態(tài)和孤網(wǎng)運(yùn)行狀態(tài)[9]。并網(wǎng)運(yùn)行是指公共電網(wǎng)與風(fēng)光儲(chǔ)能微電網(wǎng)系統(tǒng)同時(shí)儲(chǔ)能，由公共電網(wǎng)為電動(dòng)汽車充電的運(yùn)行方式。孤網(wǎng)運(yùn)行是公共電網(wǎng)發(fā)生故障或微電網(wǎng)系統(tǒng)能量富足或其他原因與公共電網(wǎng)斷開，由風(fēng)光儲(chǔ)能微電網(wǎng)獨(dú)立為電動(dòng)汽車充電的方式運(yùn)行。圖3為風(fēng)光儲(chǔ)能微電網(wǎng)供電模式的相互轉(zhuǎn)換。

圖3 風(fēng)光儲(chǔ)能微電網(wǎng)供電模式的相互轉(zhuǎn)換

2.2 項(xiàng)目能量需求

風(fēng)光儲(chǔ)能微電網(wǎng)建設(shè)要平均滿10輛電動(dòng)汽車每天4小時(shí)充電容量，根據(jù)這個(gè)需求儲(chǔ)能電池對(duì)外總?cè)萘繛?00 kW，即50 Ah、3.2 V，0.16 kWh/只鐵鋰電池，1 875節(jié)。具體風(fēng)能、光伏電站、公共電網(wǎng)需要按哪種方式配比能量分配，需要根據(jù)短期的能量預(yù)測(cè)情況及當(dāng)時(shí)實(shí)時(shí)能量監(jiān)控的合理安排，通過軟件平臺(tái)及設(shè)備之間的互通互聯(lián)實(shí)現(xiàn)通能量調(diào)度。

3 風(fēng)光儲(chǔ)能微網(wǎng)能量調(diào)度控制

3.1 能量調(diào)度負(fù)荷預(yù)測(cè)

微電網(wǎng)能量調(diào)度負(fù)荷預(yù)測(cè)首要解決短期預(yù)測(cè)和超短期預(yù)測(cè)[10-12]，短期預(yù)測(cè)時(shí)間尺度為0~48小時(shí)，主要用于合理安排常規(guī)機(jī)組發(fā)電計(jì)劃，解決公共電網(wǎng)調(diào)峰及能量調(diào)度匹配問題；超短期預(yù)測(cè)時(shí)間尺度為0~4小時(shí)，15 min滾動(dòng)預(yù)測(cè)，主要用于實(shí)時(shí)調(diào)度，解決風(fēng)能、光伏電站、公共電網(wǎng)配比問題，把功率波動(dòng)控制在合理范圍內(nèi)，實(shí)現(xiàn)合理調(diào)度，同時(shí)也考慮能量調(diào)度的經(jīng)濟(jì)效益與對(duì)儲(chǔ)能電池充電、放電的影響。

3.1.1光伏調(diào)度負(fù)荷預(yù)測(cè)

在光伏發(fā)電系統(tǒng)中，主要考慮太陽輻射強(qiáng)度、陣列的轉(zhuǎn)換效率、大氣壓、陣列的安裝角度、陣列溫度及其他不可預(yù)估因素都會(huì)對(duì)電站出力產(chǎn)生不可預(yù)估的影響，其主要考慮的是天氣類型、日最高溫度。圖4為光伏發(fā)電晴天、陰天出力情況。

在建立光伏電站出力的預(yù)測(cè)模型時(shí)[13-14]，天氣類型變化對(duì)其出力影響成為首要解決的問題，中日類型指數(shù)指標(biāo)，根據(jù)記錄歷史出力序列中出力大小與天氣類型關(guān)系，對(duì)總裝機(jī)容量為350 kW的實(shí)際光伏電站2017年中的小時(shí)出力序列和對(duì)應(yīng)天氣類型情況統(tǒng)計(jì)分析如下，晴天出力為135 kW，陰天為85 kW，雨天為72 kW，雪天為55 kW。設(shè)光伏電站晴天日類型指數(shù)為1，那么陰天、雨天、雪天的日類型指數(shù)分別為0.63、0.53、0.41。本項(xiàng)目采取小波神經(jīng)網(wǎng)絡(luò)法對(duì)建立的出力預(yù)測(cè)模型進(jìn)行能量調(diào)度，軟件平臺(tái)規(guī)劃未來48 h的能量調(diào)度安排，并要根據(jù)實(shí)現(xiàn)情況進(jìn)行允許范圍內(nèi)的調(diào)整。

圖4 光伏發(fā)電晴天、陰天出力情況圖

3.1.2風(fēng)能調(diào)度負(fù)荷預(yù)測(cè)

預(yù)測(cè)風(fēng)塔風(fēng)速數(shù)據(jù)與風(fēng)機(jī)輸出功率數(shù)據(jù)同步時(shí),可得不同時(shí)間段的風(fēng)速與風(fēng)機(jī)功率之間的關(guān)系，從而找到風(fēng)機(jī)在不同的氣象條件下的功率曲線。通過氣象部門未來的天氣數(shù)據(jù)以天為單位基于小時(shí)的數(shù)據(jù)預(yù)測(cè)，根據(jù)風(fēng)機(jī)功率輸出特性，預(yù)測(cè)風(fēng)電機(jī)組未來48 h的功率變化情況的短期預(yù)測(cè)，通過PSO[15]算法建立風(fēng)能調(diào)度模型，在本模型范圍內(nèi)根據(jù)風(fēng)電機(jī)組實(shí)時(shí)情況進(jìn)行能量配比。圖5為風(fēng)速與風(fēng)能電機(jī)功率曲線圖。

本項(xiàng)目風(fēng)光儲(chǔ)能微電網(wǎng)的能量來源主要是風(fēng)能充電、光伏充電。它們的電能具有波動(dòng)性、間歇性和隨機(jī)性，但卻有互補(bǔ)的特性，在通過儲(chǔ)能電池儲(chǔ)能的同時(shí)要解決能量的波動(dòng)對(duì)儲(chǔ)能裝置的影響。把波動(dòng)對(duì)儲(chǔ)能電池的影響控制在許可范圍內(nèi)[16]是本項(xiàng)目研究的重點(diǎn)。圖6為風(fēng)光儲(chǔ)能出力配比波動(dòng)。

圖6 風(fēng)光儲(chǔ)能出力配比波動(dòng)

3.1.3風(fēng)光儲(chǔ)能微電網(wǎng)的經(jīng)濟(jì)調(diào)度

風(fēng)光儲(chǔ)能微電網(wǎng)的經(jīng)濟(jì)調(diào)度預(yù)測(cè)是在微電網(wǎng)系統(tǒng)安全的前提下，通過合理配比光伏、風(fēng)能、公共電網(wǎng)能量和儲(chǔ)能電池的出力以最小成本滿足負(fù)荷需求。其調(diào)度策略如下：

1) 優(yōu)先使用風(fēng)能、太陽能等無污染的清潔能源充電，因其出力無其他消耗費(fèi)用，前期又大量投入，避免浪費(fèi)。

2) 在沒有電動(dòng)汽車使用充電樁充電時(shí)，根據(jù)儲(chǔ)能電池能量的富足程度及風(fēng)光儲(chǔ)能微電網(wǎng)電源的能量預(yù)測(cè)情況決定是否開啟公共電網(wǎng)給儲(chǔ)能電源充電，既要滿足隨時(shí)使用充電樁充電又要滿足用電高峰時(shí)的經(jīng)濟(jì)調(diào)度。

3) 在有電動(dòng)汽車使用充電樁充電時(shí)，根據(jù)儲(chǔ)能電池能量是否能滿足用電高峰時(shí)的經(jīng)濟(jì)調(diào)度，否則使用公共電網(wǎng)充電。

根據(jù)上述調(diào)度策略，基于風(fēng)光儲(chǔ)能微電網(wǎng)的經(jīng)濟(jì)解度考慮。圖7為風(fēng)光儲(chǔ)能微電網(wǎng)預(yù)測(cè)的經(jīng)濟(jì)型調(diào)度模型。

圖7 風(fēng)光儲(chǔ)能微電網(wǎng)預(yù)測(cè)的經(jīng)濟(jì)型調(diào)度模型

4 結(jié)論

本文闡述了從風(fēng)光儲(chǔ)能微電網(wǎng)硬件平臺(tái)的組成到軟件平臺(tái)的系統(tǒng)集成的系統(tǒng)架構(gòu)；又從影響太陽能、風(fēng)能出力因素及經(jīng)濟(jì)角度建立的智能能量調(diào)度預(yù)測(cè)模型，結(jié)合風(fēng)光儲(chǔ)能微電網(wǎng)采集的能量數(shù)據(jù)及其他數(shù)據(jù)進(jìn)行實(shí)時(shí)調(diào)度安排。為風(fēng)光儲(chǔ)能微電網(wǎng)及電動(dòng)汽車充電樁一體化能量調(diào)度控制提供了可靠的改進(jìn)方案。

[1] 陳良亮, 張浩, 倪峰, 等. 電動(dòng)汽車能源供給設(shè)施建設(shè)現(xiàn)狀與發(fā)展探討[J]. 電力系統(tǒng)自動(dòng)化, 2011, 35(14): 1-5.

CHEN Liangliang, ZHANG Hao, NI Feng, et al. Present situation and develop trend for construction of electric vehicle energy supply infrastructure[J]. Automation of Electric Power Systems, 2011, 35(14): 1-5.

[2] 楊忠亮, 左新宇. 光伏儲(chǔ)能電動(dòng)汽車充電樁站監(jiān)控系統(tǒng)的設(shè)計(jì)[J]. 電器與能效管理術(shù), 2012(16): 16-20.

YANG Zhongliang, ZUO Xinyu. Design of photovoltaic and storage electric vehicle charging station monitoring system[J]. Electrical & Energy Management Technology, 2012(16): 16-20.

[3] 邱智勇, 陳賀, 高勝國, 等. 一種電動(dòng)汽車充電站有序用電智能配電系統(tǒng)[J]. 新能源汽車供電技術(shù), 2018, 2(1): 8-12.

QIU Zhiyong, CHEN He, GAO Shengguo, et al. An intelligent power distribution system for EV charging station[J]. Energy Supply Techniques of New Energy Vehicles, 2018, 2(1): 8-12.

[4] 孟祥軍, 梁濤, 王興光, 等. 電動(dòng)汽車智能充電樁的設(shè)計(jì)與實(shí)現(xiàn)[J]. 信息技術(shù)與信息化, 2011(6): 58-61.

MENG Xiangjun, LIANG Tao, WANG Xingguang, et al. Design and implementation of electric vehicle intelligent charging pile[J]. Information Technology & Informatization, 2011(6): 58-61.

[5] 楊茜, 鄧建慎, 李洪峰, 等. 電動(dòng)汽車公共服務(wù)與互動(dòng)平臺(tái)設(shè)計(jì)研究[J]. 電力系統(tǒng)保護(hù)與控制, 2016, 44(10): 137-144.

YANG Xi, DENG Jianshen, LI Hongfeng, et al. Design and research on public service and interactive platform in electric vehicle[J]. Power System Protection and Control, 2016, 44(10): 137-144.

[6] 沈浩東, 孫國城, 謝虎, 等. 一種微電網(wǎng)與電網(wǎng)交換功率的多時(shí)間尺度控制方法: 中國, H02J3/06, H02J3/ 46[P]. 2012-09-12.

SHEN Haodong, SUN Guocheng, XIE Hu, et al. A multi time scale control method for switching power between microgrid and distribution network: China, CN102684199A[P]. 2012-09-12.

[7] 趙波, 王林先, 孫興偉. 電動(dòng)汽車充電設(shè)施信息安全防護(hù)方案探討[J]. 新能源汽車供電技術(shù), 2018, 2(1): 18-22.

ZHAO Bo, WANG Linxian, SUN Xingwei. Discussion on information security protection scheme for electric vehicle charging facilities[J]. Energy Supply Techniques of New Energy Vehicles, 2018, 2(1): 18-22.

[8] 賈俊國, 倪峰. 電動(dòng)汽車充電接口標(biāo)準(zhǔn)化探討[J]. 電力系統(tǒng)自動(dòng)化, 2012, 35(8): 76-80.

JIA Junguo, NI Feng. A discussion on standardization of electric vehicle’s charging coupler[J]. Automation of Electric Power Systems, 2012, 35(8): 76-80.

[9] 沈浩東, 孫國城, 謝虎, 等. 一種微電網(wǎng)由并網(wǎng)向孤網(wǎng)無縫切換的方法: 中國, CN102709946A[P]. 2012-10-30.

SHEN Haodong, SUN Guocheng, XIE Hu, et al. A seamless switching method for microgrid from grid to isolated network: China, CN102709946A[P]. 2012-10-30.

[10]丁明, 史盛亮, 劉新宇, 等. 交直流混合微網(wǎng)優(yōu)化配制研究[J]. 電力系統(tǒng)保護(hù)與控制, 2018, 46(14): 17-25.

DING Ming, SHI Shengliang, LIU Xinyu, et al. Study of optimal configuration of a hybrid AC/DC microgrid[J]. Power System Protection and Control, 2018, 46(14): 17-25.

[11]方八零, 李龍, 趙家鑄, 等. 動(dòng)態(tài)相似與靜態(tài)相似相結(jié)合的短期負(fù)荷預(yù)測(cè)方法[J]. 電力系統(tǒng)保護(hù)與控制, 2018, 46(15): 29-39.

FANG Baling, LI Long, ZHAO Jiazhu, et al. Short term load forecasting based on the combination of dynamic similarity and static similarity[J]. Power System Protection and Control, 2018, 46(15): 29-39.

[12]張維戈, 頡飛翔, 黃梅, 等. 快換式公交充電站短期負(fù)荷預(yù)測(cè)方法的研究[J]. 電力保護(hù)系統(tǒng)與控制, 2013, 41(4): 61-66.

ZHANG Weige, XIE Feixiang, HUANG Mei, et al. Research on short-term load forecasting methods of electric buses charging stations[J]. Power Protection System and Control, 2013, 41(4): 61-66.

[13] 丁明, 王勝偉, 王秀麗, 等. 大規(guī)模光伏發(fā)電對(duì)電力系統(tǒng)影響綜述[J]. 中國電機(jī)工程學(xué)報(bào), 2014, 34(1): 1-14.

DING Ming, WANG Shengwei, WANG Xiuli, et al. A review on the effect of large-scale PV generation on power systems[J]. Proceedings of the CSEE, 2014, 34(1): 1-14.

[14] 趙唯嘉, 張寧, 康重慶, 等. 光伏發(fā)電出力的條件預(yù)測(cè)誤差概率分布估計(jì)方法[J]. 電力系統(tǒng)自動(dòng)化, 2015, 39(16): 8-15.

ZHAO Weijia, ZHANG Ning, KANG Chongqing, et al. A method of probabilistic distribution estimation ofconditional forecast error for photovoltaic power generation[J]. Automation of Electric Power Systems, 2015, 39(16): 8-15.

[15] 蘇鵬, 劉天琪, 趙國波, 等. 基于改進(jìn)粒子群算法的節(jié)能調(diào)度下多目標(biāo)負(fù)荷最優(yōu)分配[J]. 電網(wǎng)技術(shù), 2009, 33(5): 48-53.

SU Peng, LIU Tianqi, ZHAO Guobo, et al. An Improved Particle Swarm optimization based Multi-objective load dispatch under energy conservation dispatching[J]. Power System Technology, 2009, 33(5):48-53.

[16] 張竹耀, 郭曉麗, 張新松, 等. 儲(chǔ)能電池平抑風(fēng)功率波動(dòng)策略[J]. 電力系統(tǒng)保護(hù)與控制, 2017, 45(3): 28-32.

ZHANG Zhuyao, GUO Xiaoli, ZHANG Xinsong, et al. Strategy of smoothing wind power fluctuation based on storage battery[J]. Power System Protection and Control, 2017, 45(3): 28-32.

Management and energy scheduling system based onwind-photovoltaic-storage microgrid and charging station for electric vehicles

ZHAO Wencang

(Zhejiang Wanma New Energy Co., Ltd, Hangzhou 310012, China)

This paper indicates the interconnection of integrated system for wind-photovoltaic--storage microgrid and charging station for electric vehicle in terms of platform architecture and control strategy, and establishes the economical model of energy scheduling based on PSO algorithm to predict the microgrid system for wind and solar power generation and control the energy storage system. Referring to the rate of microgrid wok, wind and solar power, it makes a schedule ahead to the energy needed by charging piles for electric vehicles in order to meet the charging demands for the electric vehicles when the public supply system suffers from a power shortage or is in electricity peak valley.

microgrid; energy storage control;energy forecast;energy-scheduling; photovoltaic; wind energy

2018-08-23；

2018-08-29

趙文倉(1982—)，男，通信作者，大專，工程師，研究方向?yàn)槲㈦娋W(wǎng)與充電樁一體化能量管理與調(diào)度。E-mail: bolebdms@163.com