基于建筑光伏微电网的能量管理方法及系统的制作方法
【专利摘要】本发明公开了一种基于建筑光伏微电网的能量管理方法及系统，首先获取建筑光伏发电系统的运行历史数据和同期的气象条件信息并由此建立建筑光伏发电功率预测模型；获取建筑内用电负荷历史数据和同期的环境监测信息并由此建立建筑负荷需求预测模型；根据建筑所辖电动汽车的需求申请，提前制订电动车的运行调度计划，并预估电动车每次驶离建筑时的荷电状态以及返回建筑时的荷电状态；结合上述三者建立整个建筑光伏微电网的目标函数，并通过优化算法，提前对每辆电动汽车停靠建筑时各时段的充放电功率进行规划。本发明通过控制停靠建筑的电动车对电网的充放电功率，实现了对建筑电力负荷的可靠供电并且提高建筑能耗的利用率。
【专利说明】基于建筑光伏微电网的能量管理方法及系统
【技术领域】
[0001] 本发明涉及一种基于建筑光伏微电网的能量管理方法及系统。
【背景技术】
[0002] 近些年来，随着光伏材料和设备的技术不断完善和价格持续降低，加之政府各项 补贴政策推出，越来越多的企业或行政机构建立了建筑光伏一体化系统，从而能够充分利 用可再生太阳能资源并降低企业能耗开销。与此同时，某些企事业单位也配备了电动通勤 车辆用于员工日常上下班交通。
[0003] 光伏电源及电动汽车（EV)都接入建筑内部电网后，为建筑能量生成和消耗过程 的优化运行和管理带来了新的问题。传统建筑能源管理系统主要考虑其内部电力负荷的节 能降耗和优化运行，而光伏等可再生电源及EV动力电池接入建筑电力系统后，在运营管理 过程中，由于不能准确把握新能源发电出力及EV充电负荷需求的变化规律和趋势，将不能 充分利用EV动力电池储能优势，致使建筑整体经济性运行得不到很好地保障。
[0004] 为了协调大电网与分布式电源间的矛盾，充分发挥分布式能源的价值和效益，在 20世纪初，学者们提出了微电网（Micro-Grid)的概念。微电网是结合了分布式微电源、本 地负荷和控制装置的一种电网形式，其中，微电源包括含有电力电子接口的微型燃气轮机、 风力发电、光伏发电、燃料电池等分布式电源和电池储能装置。因此，基于分布式能源的微 电网技术将是解决现代建筑电能供应的一条有效途径。
[0005] 目前，仅有少量机构已经着眼于含分布式电源的建筑能耗智能管理研究，然而仍 存在诸多的不足和缺陷。如：申请号为"201110112492"名称为"一种移动式零碳能源环保 小屋"的专利提出了在建筑物中使用光伏和风能并进行储能等技术措施，可达到一个较好 的再生能源利用效果，但是，该技术方案在使用中仍存有的不足是：1、能源综合利用还不完 善，用能与供源无法做到协调统一；2、光伏和风能的电力难于满足建筑中的用电需要，尤其 是夏天和冬天的室内空调耗能大，仅靠光伏和风能发的电难于满足建筑中的用电需要；3、 不具并网功能，当储能电池充满电后，不能并网销售，会造成电能浪费。
【发明内容】
[0006] 本发明旨在解决建筑内电动汽车无序充放电及建筑内光伏发电随机性导致建筑 能源利用不经济的问题，为此，本发明的目的是提出一种利用电动汽车移动储能特性的基 于建筑光伏微电网的能量管理方法及系统。
[0007] 本发明提供的这种基于建筑光伏微电网的能量管理方法，该方法包括如下步骤：
[0008] 步骤一，利用当前日的建筑光伏发电功率记录数据和未来日的气象要素预报数 据，建立建筑光伏发电功率预测模型为P PV (d+1) = f (Ta (d+1)，H (d+1)，Ppv (d))，由此预测得 到未来日建筑光伏发电功率数据；其中PPV(d+l)是未来日的建筑光伏发电功率的逐时段预 测数据，T a(d+l)是气象台对未来日的环境温度的预报数据，H(d+1)是气象台对未来日的环 境湿度的预报数据，P PV(d)是当前日的建筑光伏发电功率监测记录数据；
[0009] 利用当前日的建筑负荷功率的记录数据和未来日气象要素的预报数据，建立建筑 负荷需求预测模型PMAD (d+1) = f (Ta (d+1)，Η(d+Ι)，ΡωΜ) (d))，由此预测得到未来日的负荷 功率需求数据；其中I\_(d+1)是提前一段时间对未来日的建筑负荷功率的逐时段预测数 据，PMAD(d)是对当前日建筑实际负荷功率的逐时段监测记录数据；
[0010] 收集未来日对电动汽车的用车需求，根据车辆每次执行任务的起止时段和往返距 离，并结合车辆上的电池容量、耗电参数、充放电特性，预测每辆电动汽车的电动汽车电池 在未来日每次驶离建筑时的荷电状态及其返回建筑时的荷电状态；
[0011] 步骤二，根据未来日建筑光伏发电功率预测数据、未来日建筑负荷功率需求预测 数据以及未来日电动汽车驶离建筑时和返回建筑时的荷电状态预估数据，以建筑微电网整 体运行成本最小为目标，对未来日接入建筑微电网的电动汽车的充放电功率进行调度。
[0012] 所述建筑光伏发电预测模型的建立包括如下步骤：
[0013] 步骤1，对历史数据中气象要素观测数据和同期的光伏发电功率记录数据在每时 段At进行抽取，其中，气象要素数据包括每日每时段At的大气温度数据和大气湿度数 据；
[0014] 步骤2,利用反向传播神经网络建立光伏发电功率预测网络；所述预测网络的输 入量包括！；((1+1)、!1((1+1)和？ 1^((1)，该预测网络的目标量为？1^((1+1);
[0015] 步骤3,对步骤1中抽取的历史数据进行归一化处理，再对该预测网络进行训练得 到建筑光伏发电功率预测模型：
[0016] PpV (d+1) = f (Ta (d+1), H (d+1), PpV (d)) (1)
[0017] 步骤4,将当前日的光伏发电功率记录数据Ppv (d)和气象服务部门提供的未来日 逐时段环境温度预测数据及未来日逐时段湿度预测数据进行归一化处理后代入步骤3的 预测模型中，再将该预测模型的输出结果进行反归一化处理，得到未来日的逐时段建筑光 伏发电功率预测数据P PV (d+1)。
[0018] 所述建筑光伏发电预测模型在训练过程中，采用每天平均绝对误差百分比DMAPE 和均方根误差RMSE对光伏发电预测结果进行评估：
【权利要求】
1. 一种基于建筑光伏微电网的能量管理方法，该方法包括如下步骤： 步骤一，利用当前日的建筑光伏发电功率记录数据和未来日的气象要素预报数据，建 立建筑光伏发电功率预测模型为ppv(d+l) =f(Ta(d+l)，H(d+l)，PPV(d))，由此预测得到未 来日建筑光伏发电功率数据；其中PPV(d+l)是未来日的建筑光伏发电功率的逐时段预测数 据，Ta(d+1)是气象台对未来日的环境温度的预报数据，H(d+1)是气象台对未来日的环境湿 度的预报数据，PPV(d)是当前日的建筑光伏发电功率监测记录数据； 利用当前日的建筑负荷功率的记录数据和未来日气象要素的预报数据，建立建筑负荷 需求预测模型Pum (d+1) =f(Ta (d+1)，H(d+1)，Pum (d))，由此预测得到未来日的负荷功率 需求数据；其中Pum(d+Ι)是提前一段时间对未来日的建筑负荷功率的逐时段预测数据， Pum(CI)是对当前日建筑实际负荷功率的逐时段监测记录数据； 收集未来日对电动汽车的用车需求，根据车辆每次执行任务的起止时段和往返距离， 并结合车辆上的电池容量、耗电参数、充放电特性，预测每辆电动汽车的电动汽车电池在未 来日每次驶离建筑时的荷电状态及其返回建筑时的荷电状态； 步骤二，根据未来日建筑光伏发电功率预测数据、未来日建筑负荷功率需求预测数据 以及未来日电动汽车驶离建筑时和返回建筑时的荷电状态预估数据，以建筑微电网整体运 行成本最小为目标，对未来日接入建筑微电网的电动汽车的充放电功率进行调度。
2. 根据权利要求1所述的基于建筑光伏微电网的能量管理方法，其特征在于，所述建 筑光伏发电预测模型的建立包括如下步骤： 步骤1，对历史数据中气象要素观测数据和同期的光伏发电功率记录数据在每时段Δt进行抽取，其中，气象要素数据包括每日每时段Λt的大气温度数据和大气湿度数据； 步骤2,利用反向传播神经网络建立光伏发电功率预测网络；所述预测网络的输入量 包括Ta(d+l)、H(d+l)和Ppv(d)，该预测网络的目标量为Ppv(d+1); 步骤3,对步骤1中抽取的历史数据进行归一化处理，再对该预测网络进行训练得到建 筑光伏发电功率预测模型： Ppv (d+1) =f(Ta (d+1),H(d+1),Ppv (d)) (I) 步骤4,将当前日的光伏发电功率记录数据Ppv(d)和气象服务部门提供的未来日逐时 段环境温度预测数据及未来日逐时段湿度预测数据进行归一化处理后代入步骤3的预测 模型中，再将该预测模型的输出结果进行反归一化处理，得到未来日的逐时段建筑光伏发 电功率预测数据Ppv (d+1)。
3. 根据权利要求2所述的基于建筑光伏微电网的能量管理方法，其特征在于，所述建 筑光伏发电预测模型在训练过程中，采用每天平均绝对误差百分比DMPE和均方根误差 RMSE对光伏发电预测结果进行评估：
其中每天平均绝对误差百分比DMAPE评估模型的预测能力，均方根误差RMSE评估整个 系统预测值的离散程度；式中，/?是未来日总时段数为T时第t时段的光伏发电预测功率， Pt是未来日总时段数为T时第t时段的光伏发电实际功率，Ppv，total是建筑内光伏发电系统 的装机功率。
4. 根据权利要求1所述的基于建筑光伏微电网的能量管理方法，其特征在于，所述建 筑负荷需求预测模型的建立包括如下步骤： 步骤1，提前预测建筑能量管理系统所辖建筑内所有用电设备的逐时段负荷功率需 求； 步骤2,因其与每日时段的环境温度和环境湿度紧密相关，故建筑负荷需求预测模型为 统计回归函数： Pload (d+1) =f(Ta(d+l),H(d+l),PL0AD(d)) (2) 其中，Pum (d+1)是提前一定时间对未来日的建筑负荷功率的逐时段预测数据，Pum (d) 是对当前日建筑实际负荷功率的逐时段监测记录数据。
5. 根据权利要求1所述的基于建筑光伏微电网的能量管理方法，其特征在于，所述步 骤二采用单目标优化方法对建筑内电动汽车充放电进行调度，其目标函数为
式中，N是建筑内所有电动汽车的总数，At是每时段的时间间隔，T是每日时段总数；C(PV，t)是建筑内所有光伏发电单元在第t时段的发电成本单价；C(GRID，t)是第t时段 建筑与外部电网之间的成本或收益单价；C(E'，t)是第j辆电动汽车在第t时段内的运行 成本单价；P(PV，t)是建筑内所有光伏发电单元在第t时段的发电总功率；P(GRID，t)是第 t时段建筑与外部电网之间的交换功率，当建筑从外部电网购电时，P(GRID，t) > 0,而建筑 向外部电网售电时，P(GRID，t) <0 ;P(EVj，t)是第j辆电动汽车在第t时段内充放电功率， 并且当电动汽车充电机充电时P(EVj，t) >0,而当电动汽车充电机放电时P(EVj，t) <0。
6. 根据权利要求5所述的基于建筑光伏微电网的能量管理方法，其特征在于，所述单 目标优化函数需满足下列约束条件： (1) 功率平衡约束：
式中，N是建筑内所有电动汽车的数量；P(LOAD，t)是第t时段建筑所有负荷的需求功 率;A(EVj,t)是在所述步骤一中制订任务计划中第j辆电动汽车在第t时段与建筑电网的 连接状态，若该车停靠建筑，则A(EVj，t) = 1，若该车已驶离建筑行驶在路上，则A(EVj，t)= 〇 ； (2) 建筑与外部电网交换功率约束： -pGsell, max P (GRID. t) ^Gbuy, max (5) P(GRID,t+1)-P(GRID,t)I彡ΛPg (6) 式中，Pcwax是允许建筑从电网购入的功率限值，Pebuy;_是允许建筑向电网卖出的功 率限值；APg是建筑与外部电网交换功率在相邻时段的变化限值； (3)电动汽车充放电功率约束： _PeV，max < P (EVj，t) < PeviIMX (7) 式中，P(E'，t)是第j辆电动汽车在第t时段的充放电功率；PEV，max是第j辆电动汽车 充电或放电功率限值； 由热咨本由她的市.
甘由 、I^eLM 其中，.「τ. 'Arr (Λτjorl<m<^M. 式中，SOC(E'，t)是第j辆电动汽车电池在第t时段的荷电状态，是第j辆电动汽车 的电池容量，SOqmax是第j辆电动汽车电池允许的荷电状态最高限值，SOClmin是第j辆电 动汽车电池允许的荷电状态最低限值，是在所述步骤一中对第j辆电动汽车在未来日制 订的执行任务总次数，Tdqu (m)是第j辆电动汽车执行第m次任务时离开建筑时段，(m) 是第j辆电动汽车执行第m次任务时返回建筑时段，SOC(EVj,Tdeftj (m))是第j辆车执行第 m次任务时离开建筑前电池所需要的最低荷电状态，而S0C(EVTMu(m))是该车返回建筑 时对其电池预计的剩余荷电状态；对于任意第j辆车，设定每日的首个时段为其执行第〇次 任务的返回时段，即TMt，j(m-l)|m=i=U〇) = 1。
7. 一种建筑光伏微电网系统，其特征在于，包括建筑光伏微电网能量管理系统、光伏 阵列、光伏逆变器、若干辆电动汽车及与其配套的若干台EV充放电机、建筑负荷设备、配电 控制柜、并离网切换开关；光伏阵列通过光伏逆变器接入配电控制柜；外部电网的电能通 过变压器输入至配电控制柜；配电控制柜与建筑负荷设备连接；配电控制柜通过EV充放电 机与若干电动汽车连接，给其充电或放电；电动汽车通过EV充放电机与建筑光伏微电网连 接，用于向建筑内部供给电能或向外部电网输送电能；电动汽车上配备若干用于储能的电 动汽车电池，该电动汽车电池与所述EV充放电机连接； 光伏逆变器将光伏发电信息传至建筑光伏微电网能量管理系统；配电控制柜将建筑负 荷设备的用电信息传至建筑光伏微电网能量管理系统；EV充放电机与建筑光伏微电网能 量管理系统连接，EV充放电机将电动汽车电池的状态信息传至该能量管理系统，而该能量 管理系统则向EV充放电机发出控制指令，对电动车电池进行充电，或者将电动车电池多余 的电能输送至建筑微电网内部负荷和/或经由变压器输出给外部电网。
8. 根据权利要求7所述的建筑光伏微电网系统，其特征在于，所述建筑光伏微电网能 量管理系统包括光伏发电预测模块、建筑负荷需求预测模块、电动汽车电池SOC预测模块、 智能建筑调度优化模块和电网电价获取/预测模块； 光伏发电预测模块用于根据建筑光伏微电网中光伏发电历史数据和未来日气象预报 数据建立光伏发电功率预测模型； 建筑负荷需求预测模块用于根据建筑负荷的历史数据和未来日气象预报数据建立建 筑负荷需求预测模型； 电动汽车充放电预测模块用于收集未来日对电动汽车的用车需求，根据车辆每次执行 任务的起止时段和往返距离，并结合车辆上的电池容量、耗电参数、充放电特性，预测每辆 电动汽车在未来日每次驶离建筑时的荷电状态及其返回建筑时的荷电状态； 智能建筑调度优化模块用于根据光伏发电预测模块、建筑负荷需求预测模块、电动汽 车充放电预测模块的输出结果，以建筑微电网整体运行能耗最小为目标，对未来日接入建 筑微电网的电动汽车的充放电功率进行调度； 光伏逆变器将其发电信息送至光伏发电预测模块的输入端，光伏发电预测模块的输出 端与智能建筑调度优化模块的输入端连接；配电控制柜将建筑内各用电设备的运行状态信 息送至建筑负荷需求预测模块的输入端，建筑负荷需求预测模块的输出端与智能建筑调度 优化模块的输入端连接；若干EV充放电机与若干电动汽车电池连接，EV充放电机将电动车 电池的运行状态信息送至电动汽车电池SOC预测模块的输入端，电动汽车电池SOC预测模 块的输出端与智能建筑调度优化模块的输入端。智能建筑调度优化模块将EV充放电控制 指令传至EV充放电机，控制EV充放电机对电动汽车的充放电；智能建筑调度优化模块还将 并网或离网的控制指令传至并离网切换开关，对光伏微电网与外部电网的并网与离网进行 控制。
9. 根据权利要求7所述的建筑光伏微电网系统，其特征在于，所述并离网切换开关是 建筑光伏微电网与外部电网互联的唯一接口。
10. 根据权利要求7所述的建筑光伏微电网系统，其特征在于，所述光伏逆变器采用并 网型光伏逆变器。
【文档编号】H02J7/02GK104269849SQ201410555332
【公开日】2015年1月7日 申请日期:2014年10月17日 优先权日:2014年10月17日
【发明者】陈仲伟, 徐志强, 陈耀红, 易伯瑜, 肖振锋 申请人:国家电网公司, 国网湖南省电力公司, 国网湖南省电力公司经济技术研究院