一种基于负载跟踪的储能电池自动充放系统及方法与流程

1.本发明涉及负载跟踪技术领域，尤其是一种基于负载跟踪的储能电池自动充放系统及方法。


背景技术：

2.目前国内的电力用电需求越来越大，但是，国内的电力需求管理仍然处于比较低级的阶段，为了能够实现科学用电、有序用电、节约用电，提高电力用电的效率，以达到节能环保的目的，国家电力部门引入了阶梯电价策略，采用峰谷电价来调节电力用户的用电行为。直流电源系统由交流输入、开关电源系统、蓄电池、负载几个部分组成，蓄电池作为后备电池的方式使用，当交流输入失电后，蓄电池可以保证负载的正常运行。由于我国电网供电情况良好，交流电非常稳定，蓄电池长期工作在浮充状态，白白耗掉了一部分电力。在保证负载可靠供电的前提下，为了能够充分发挥蓄电池的价值，很多电力用户、电池厂家及电力设备厂家基于开关电源系统，纷纷开发了“削峰填谷”的储能控制系统，主要是通过新增“削峰填谷”控制器间接控制开关电源运行模式或在开关电源系统中的控制器中增加“削峰填谷”控制功能，使蓄电池从原有的浮充耗能模式变为“削峰填谷”的循环运行模式，提高了电池的使用价值，也合理利用了电力资源，并带来了经济效益。而现有的蓄电池与电网并网供电缺少一种对负载的功率跟踪的方式，不能根据负载用电功率的多少来反馈调节蓄电池的充电和放电功率，会导致蓄电池过充或过放，损害蓄电池寿命，同时缺少一种不断电切换蓄电池和电网供电的方式，瞬时电压变化次数过多会导致负载寿命降低。


技术实现要素：

3.本发明解决了现有技术蓄电池并网供电的过放或过充的问题以及切换供电导致负载寿命降低的问题，提出一种基于负载跟踪的储能电池自动充放系统及方法，跟踪负载在工作中的功率变化，随之储能系统会提供相应的功率满足负载需求。在储能系统充电过程中根据储能项目所能提供的功率减去负载所需要的功率，其差值可为储能系统进行充电。在储能系统放电过程中通过跟踪算法监测到负载所需功率，储能系统可提供相应功率来满足负载工作，以此来提高储能系统能量使用率。
4.为实现上述目的，提出以下技术方案：
5.一种基于负载跟踪的储能电池自动充放系统，包括：
6.市电输入端，与储能变流器pcs和供电切换装置电连接，用于通过储能变流器pcs对储能单元bat进行充电且用于通过供电切换装置对负载进行供电；
7.矩阵式数字化能量管理控制系统dmmes，与主控模块、储能变流器pcs和储能单元bat电连接，用于接收主控模块的控制信号，控制储能变流器pcs的输入和输出功率同时控制储能单元bat的充放电；
8.主控模块，电连接有信号采集端，所述信号采集端用于采集负载的实时功率，所述主控模块用于获取电价信息，根据电价信息及负载的实时功率生成控制信号到矩阵式数字
化能量管理控制系统dmmes；
9.储能单元bat，用于存储电能及对负载进行供电；
10.供电切换装置，用于在负载不断电情况下切换供电方式。
11.本发明电价信息，在电价低的时候利用市电对负载进行供电，同时根据蓄电池的电量对蓄电池进行充电，避免蓄电池过充，所述蓄电池指的是储能单元bat，当电价高的时候利用蓄电池对负载进行供电，并根据蓄电池的电量信息避免蓄电池过放，在蓄电池充电的放电过程中根据负载跟踪算法动态调整充电功率和放电功率，使得用电量将永远小于负载所需电量，避免会发生倒灌现象，且保证动态输出最大功率，保证储能系统获得最大收益。本发明还设置了供电切换装置，用于负载不断电切换供电方式。
12.作为优选，所述供电切换装置包括市电接入支路、储能变流器pcs接入支路、供电主路和供电旁路，所述市电接入支路和储能变流器pcs接入支路并接于供电主路的一端，所述供电主路的另一端于负载连接，所述供电旁路的一端与市电接入支路和储能变流器pcs接入支路并接，所述供电旁路的另一端于负载连接，所述市电接入支路和储能变流器pcs接入支路同时只有一条导通，所述供电旁路用于存储电能，在供电切换时为负载供电。
13.作为优选，所述市电接入支路包括第一继电器k1和换流二极管d1，所述储能变流器pcs接入支路包括第二继电器k2和防倒灌二极管d2，所述供电主路包括稳压二极管d3，所述供电旁路包括电容，所述第一继电器k1的一端与市电输入端连接，所述第一继电器k1的另一端与换流二极管d1的一端连接，所述换流二极管d1的另一端、稳压二极管d3的一端、防倒灌二极管d2的一端和电容的一端并接，所述防倒灌二极管d2的另一端与第二继电器k2的一端连接，所述第二继电器k2的另一端与储能变流器pcs连接，所述稳压二极管d3的另一端和电容的另一端并接于负载，所述第一继电器k1和第二继电器k2与主控模块电连接。
14.一种基于负载跟踪的储能电池自动充放方法，采用上述的一种基于负载跟踪的储能电池自动充放系统，具体包括以下步骤：
15.s1，获取实时电价a，判断实时电价a是否小于或等于第一阈值b，若否，进入s2，若是，负载由市电输入端供电，并判断储能单元bat是否大于或等于总容量的c％，若是，不进行操作，若否，利用市电输入端对储能单元bat充电，基于负载跟踪算法得出储能变流器pcs的输入功率，直至储能单元bat储存的电能达到总容量的d％；
16.s2，判断储能单元bat储存的电能是否大于或等于总容量的e％，若是，负载由储能单元bat供电，基于负载跟踪算法得出储能变流器pcs的输出功率，若否进入s3；
17.s3，判断实时电价a是否小于或等于第二阈值f，若是，负载由市电输入端供电，若否，进入s4；
18.s4，判断储能单元bat储存的电能是否大于或等于总容量的g％，若是，负载由储能单元bat供电，基于负载跟踪算法得出储能变流器pcs的输出功率，若否，负载由市电输入端供电；
19.其中数值关系如下：b小于f，c％小于d％，e％小于c％，g％小于e％。
20.作为优选，所述基于负载跟踪算法得出储能变流器pcs的输入功率过程如下：
21.在一定时间周期t内，判断负载的平均功率p1是否小于或等于市电输入端功率p3，若否，不进行操作；若是，计算储能单元bat的充电功率为p2＝p3-p1，使储能变流器pcs的输入功率调节为p2。
22.作为优选，所述p2还包括过载调节步骤，具体包括以下步骤：
23.sa，在一定时间周期t内，以一定时间间隔获取负载的实时功率，按照时序对获取的实时功率进行分组，当前采集时刻前的所有实时功率作为历史实时功率；
24.sb，根据所述历史实时功率计算出实时功率变化值；
25.取前采集时刻前最近的一组实时功率数据做均值计算得到每组变化值e[x(n)]：
[0026]
e[x(n)]＝x(n)-an
[0027]
其中：x(n)为该组第n个实时功率数据，an为该组数据均值；an的计算式为：
[0028][0029]
sc，判断所述实时功率变化值的波动值是否小于设定的允许波动阈值，若是，返回sc，若否，进行sd；
[0030]
sd，利用历史实时功率的均值调整储能变流器pcs的输入功率p2，并返回sa。
[0031]
作为优选，所述sc具体包括以下步骤：
[0032]
计算采集时刻前最近的一组实时功率数据的方差s，判断方差s是否大于方差阈值，若是，则返回sa，若否，判断所述实时功率变化值的波动值是否小于设定的允许波动阈值，即判断是否满足|emax-emin|＜l，其中：emax是最大变化值，emin是最小变化值，l为允许波动阈值；若是，不做处理，返回sa，若否，进行sd。
[0033]
作为优选，利用历史实时功率的均值an来调整储能变流器pcs的输入功率p2，并返回sa，调整储能变流器pcs的输入功率p2的算式如下：
[0034]
p2＝kan+b
[0035]
其中：k为换算系数，b为偏差值，所述k和b是利用历史数据作为训练集，通过bp神经网络算法，以p2+p1≤p3的作为目标函数求解得到的。
[0036]
作为优选，所述基于负载跟踪算法得出储能变流器pcs的输出功率过程如下：
[0037]
获取切换时间节点t1时刻前一个设定周期时间t内负载的平均功率p4，计算储能变流器pcs的输出功率p5＝p4-x，其中x》0，x是防倒灌常数。
[0038]
本发明的有益效果是：本发明电价信息，在电价低的时候利用市电对负载进行供电，同时根据蓄电池的电量对蓄电池进行充电，避免蓄电池过充，所述蓄电池指的是储能单元bat，当电价高的时候利用蓄电池对负载进行供电，并根据蓄电池的电量信息避免蓄电池过放，在蓄电池充电的放电过程中根据负载跟踪算法动态调整充电功率和放电功率，使得用电量将永远小于负载所需电量，避免会发生倒灌现象，且保证动态输出最大功率，保证储能系统获得最大收益。本发明还设置了供电切换装置，用于负载不断电切换供电方式。
附图说明
[0039]
图1是实施例的系统构成图；
[0040]
图2是实施例的供电切换装置构成图；
[0041]
图3是实施例的方法流程图。
具体实施方式
[0042]
实施例：
[0043]
本实施例提出一种基于负载跟踪的储能电池自动充放系统，参考图1，包括：市电输入端，与储能变流器pcs和供电切换装置电连接，用于通过储能变流器pcs对储能单元bat进行充电且用于通过供电切换装置对负载进行供电；矩阵式数字化能量管理控制系统dmmes，与主控模块、储能变流器pcs和储能单元bat电连接，用于接收主控模块的控制信号，控制储能变流器pcs的输入和输出功率同时控制储能单元bat的充放电；主控模块，电连接有信号采集端，信号采集端用于采集负载的实时功率，主控模块用于获取电价信息，根据电价信息及负载的实时功率生成控制信号到矩阵式数字化能量管理控制系统dmmes；储能单元bat，用于存储电能及对负载进行供电；供电切换装置，用于在负载不断电情况下切换供电方式。供电切换装置包括市电接入支路、储能变流器pcs接入支路、供电主路和供电旁路，市电接入支路和储能变流器pcs接入支路并接于供电主路的一端，供电主路的另一端于负载连接，供电旁路的一端与市电接入支路和储能变流器pcs接入支路并接，供电旁路的另一端于负载连接，市电接入支路和储能变流器pcs接入支路同时只有一条导通，供电旁路用于存储电能，在供电切换时为负载供电。参考图2，市电接入支路包括第一继电器k1和换流二极管d1，储能变流器pcs接入支路包括第二继电器k2和防倒灌二极管d2，供电主路包括稳压二极管d3，供电旁路包括电容，第一继电器k1的一端与市电输入端连接，第一继电器k1的另一端与换流二极管d1的一端连接，换流二极管d1的另一端、稳压二极管d3的一端、防倒灌二极管d2的一端和电容的一端并接，防倒灌二极管d2的另一端与第二继电器k2的一端连接，第二继电器k2的另一端与储能变流器pcs连接，稳压二极管d3的另一端和电容的另一端并接于负载，第一继电器k1和第二继电器k2与主控模块电连接。
[0044]
本实施例还提出一种基于负载跟踪的储能电池自动充放方法，采用上述的一种基于负载跟踪的储能电池自动充放系统，参考图2，具体包括以下步骤：
[0045]
s1，获取实时电价a，判断实时电价a是否小于或等于第一阈值b，若否，进入s2，若是，负载由市电输入端供电，并判断储能单元bat是否大于或等于总容量的c％，若是，不进行操作，若否，利用市电输入端对储能单元bat充电，基于负载跟踪算法得出储能变流器pcs的输入功率，直至储能单元bat储存的电能达到总容量的d％；
[0046]
s2，判断储能单元bat储存的电能是否大于或等于总容量的e％，若是，负载由储能单元bat供电，基于负载跟踪算法得出储能变流器pcs的输出功率，若否进入s3；
[0047]
基于负载跟踪算法得出储能变流器pcs的输入功率过程如下：
[0048]
在一定时间周期t内，判断负载的平均功率p1是否小于或等于市电输入端功率p3，若否，不进行操作；若是，计算储能单元bat的充电功率为p2＝p3-p1，使储能变流器pcs的输入功率调节为p2。
[0049]
p2还包括过载调节步骤，具体包括以下步骤：
[0050]
sa，在一定时间周期t内，以一定时间间隔获取负载的实时功率，按照时序对获取的实时功率进行分组，当前采集时刻前的所有实时功率作为历史实时功率；
[0051]
sb，根据历史实时功率计算出实时功率变化值；
[0052]
取前采集时刻前最近的一组实时功率数据做均值计算得到每组变化值e[x(n)]：
[0053]
e[x(n)]＝x(n)-an
[0054]
其中：x(n)为该组第n个实时功率数据，an为该组数据均值；an的计算式为：
[0055][0056]
sc，判断实时功率变化值的波动值是否小于设定的允许波动阈值，若是，返回sc，若否，进行sd；
[0057]
sc具体包括以下步骤：
[0058]
计算采集时刻前最近的一组实时功率数据的方差s，判断方差s是否大于方差阈值，若是，则返回sa，若否，判断实时功率变化值的波动值是否小于设定的允许波动阈值，即判断是否满足|emax-emin|＜l，其中：emax是最大变化值，emin是最小变化值，l为允许波动阈值；若是，不做处理，返回sa，若否，进行sd。
[0059]
sd，利用历史实时功率的均值调整储能变流器pcs的输入功率p2，并返回sa。利用历史实时功率的均值an来调整储能变流器pcs的输入功率p2，并返回sa，调整储能变流器pcs的输入功率p2的算式如下：
[0060]
p2＝kan+b
[0061]
其中：k为换算系数，b为偏差值，k和b是利用历史数据作为训练集，通过bp神经网络算法，以p2+p1≤p3的作为目标输出u(k)求解得到的。包括以下步骤：
[0062]
1)初始化选定bp神经网络控制器的结构，选定输入层节点数i和隐藏层节点数j，以及输出层节点数n，并给出范围在-1～1之间的隐藏层的权系数v[i][j]和输出层的权系数w[j][n]的随机值，选定学习速率a和平滑因子b；
[0063]
2)采样得到估算功率r(k)和实际输出y(k)，计算误差e(k)＝r(k)-y(k)；
[0064]
3)对估算功率r(k)、实际输出y(k)、目标输出u(k)、误差e(k)进行归一化处理，作为神经网络的输入；
[0065]
4)计算bp神经网络控制器各层神经元的输入值和输出值ho2[n]，输出值ho2[n]反归一化即为k和b，将目标输出u(k)送入被控制对象参与控制和计算；
[0066]
5)通过输入值与输出值的参数对比，用最速下降法调整学习速率a与权系数v[i][j]和w[j][n]，采用最速下降法对bp神经网络的权系数进行修正，调节方向为e(k)的负方向，并且加一个使搜索加快收敛全局极小值的惯性量，对于最速下降法的优化是关键，调整公式如下：
[0067][0068][0069][0070]
其中p为一次调节所走的步长，γ1、γ2分别是学习速率与权系数改变量的变异系数，θ为阀值；当e(k)大于e(k-1)时，0＜γ1＜1，γ2＝1；当δe(k)小于δe(k-1),γ1大于1，并当|e(k)|大于θ，γ2大于1；
[0071]
通过调整γ的数值来调整步长p，再通过调整γ的数值和调整后的步长p来调整权系数v[i][j]和w[j][n]使得最速下降法函数曲线接近全局最优解；
[0072]
6)将优化后的输出层的权系数w[j][n]和隐藏层的权系数v[i][j]以及学习速率a送入bp神经网络控制器，bp神经网络控制器输出层的2个输出值即为k和b。
[0073]
s3，判断实时电价a是否小于或等于第二阈值f，若是，负载由市电输入端供电，若否，进入s4；
[0074]
s4，判断储能单元bat储存的电能是否大于或等于总容量的g％，若是，负载由储能单元bat供电，基于负载跟踪算法得出储能变流器pcs的输出功率，若否，负载由市电输入端供电；基于负载跟踪算法得出储能变流器pcs的输出功率过程如下：
[0075]
获取切换时间节点t1时刻前一个设定周期时间t内负载的平均功率p4，计算储能变流器pcs的输出功率p5＝p4-x，其中x》0，x是防倒灌常数。使得提供用电量将永远小于负载所需电量，避免会发生倒灌现象，保证动态输出最大功率，保证储能系统获得最大收益。
[0076]
其中数值关系如下：b小于f，c％小于d％，e％小于c％，g％小于e％。