基于风光互补的光伏电站出力智能调控系统的制作方法

本技术涉及新能源发电并网智能调控，特别涉及基于风光互补的光伏电站出力智能调控系统。

背景技术：

1、随着双碳目标的持续推进，我国新能源发电装机规模快速增长，而风光互补发电系统可利用太阳能与风能在时间和空间上的天然互补特性，能够有效缓解单一新能源出力的波动性问题，所以其已成为提升新能源消纳水平和优化能源结构的重要技术形态，然而风光出力本身仍存在较强的随机性、间歇性与瞬时波动性，若缺乏精准有效的出力调控手段，不仅会导致并网点功率波动超标、影响电网稳定运行，还会造成弃风弃光率上升和电站发电收益下降，所以便需要智能调控系统进行自动调控处理；

2、然而目前的智能调控系统多采用15分钟级及以上更新周期的超短期出力预测生成调度指令，而风光在实际出力中常存在秒级至分钟级的快速波动，从而容易出现预测更新速率远滞后于波动变化速率的问题出现，导致调控指令时效性不足且平抑精度偏低，同时现有调控逻辑普遍要求光伏和风电全程运行于最大功率点，而全部出力波动均由储能系统全额平抑，从而容易造成储能充放电频次高和循环深度大，进而容易出现实际使用寿命较设计值显著缩短，大幅提升了电站的设备更换与运维成本。

技术实现思路

1、本技术是鉴于上述问题而进行的，其目的在于，提供基于风光互补的光伏电站出力智能调控系统，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：基于风光互补的光伏电站出力智能调控系统，包括：

3、多源数据感知模块：用于完成风光资源、设备运行和电网状态的全维度数据的高频率采集、清洗、归一化与时空对齐，为双层出力预测、互补系数实时计算与分层控制提供低时延和高质量的数据输入；

4、风光出力预测模块：用于生成与控制周期同频匹配的多尺度出力预测结果，具备量化风光天然互补能力，同时为调度决策层提供动态预判依据，支撑调控策略随风光特性实时切换；

5、出力优化调度决策模块：用于基于实时互补系数、波动特征与电网约束，内置滚动优化求解引擎与分频段波动拆分逻辑，可依据双层预测输出的波动特征按频率维度拆分平抑任务，搭建兼顾平抑精度、消纳效率与设备寿命的多目标优化约束体系，采用线性加权法构建单目标优化函数：；式中：

6、：平抑精度指标，；式中：：调度优化周期内的总时段数、：调度周期内的第个时段、：第个时段并网点的实际交互功率、：第个时段并网点的参考计划出力值，代表调度周期内并网点实际出力与参考出力的偏差绝对值均值；

7、：消纳效率指标，；式中：：第个时段的新能源弃电功率、：第个时段的新能源原始理论出力，对应新能源弃电率的反向指标；

8、：设备寿命损耗指标，；式中：：参与调度的储能设备总数量、：第台储能设备，取值范围为(k=1,2,……，)、：当前调度时段、：第台储能设备在时段的充电功率、：第台储能设备在时段的放电功率、：第台储能设备的额定容量，代表台储能设备的平均充放电深度占比；、和：分别为三个目标的权重系数且三者相加等于1，并配套多约束弃电优化机制，综合发电成本与设备调节损耗动态分配风光弃电比例，通过滚动优化求解引擎实现秒级全局最优求解，生成风光储出力分配指令与弃电方案，破解静态固化策略的工况适配性差问题，同时兼顾平抑精度、消纳效率与设备寿命保护；

9、其中滚动优化求解引擎采用预测层、滚动优化层和求解器层的三层技术架构；

10、而分频段波动拆分逻辑基于小波包分解算法实现波动的分层拆分，其数学表达式：；式中：：原始新能源出力时序信号、：第层小波近似系数重构的长周期波动分量、：第层小波细节系数重构的对应频段波动分量；

11、多源协同控制执行模块：用于落地分层平抑调控指令，通过风光主动调节消化80%以上的低频大幅波动，储能仅处理剩余高频小幅波动，并且大幅降低储能循环频次与充放深度，同时保障并网点功率波动满足并网考核要求；

12、电网互动模块：用于对接上级电网调度指令与并网点运行约束，并且动态修正调控目标与边界条件，确保出力调控全程满足并网规范，同时提升电站在电网波动和约束收紧场景下的适应能力；

13、安全防护模块：用于划定所有优化调控动作的安全运行边界，并且在异常工况下自动执行安全降级与故障隔离，可对下发的调控指令进行安全阈值校验，自动拦截超限指令并执行安全修正后下发，同时兼顾优化调控效果与设备和电网的双重运行安全；

14、运维管理模块：用于承载系统的通信传输、数据存储、人机交互与智能运维功能，搭建三级通信传输架构保障低时延控制指令传输与全量运行数据回传，可量化计算平抑合格率、新能源消纳率和储能循环损耗核心运行指标，并且保障秒级滚动闭环的低时延通信需求，为调控效果评估、设备寿命管理与策略迭代提供数据支撑与可视化入口；

15、进一步的，所述各模块按三级硬件架构的数据流形成固定交互链路，其中多源数据感知模块部署于边缘测控层，通过工业以太网将预处理后的标准化时标数据同步上传至主控层的风光出力预测模块与出力优化调度决策模块，而风光出力预测模块部署于主控层算力节点，将多尺度预测结果与风光互补系数通过实时数据总线输出至出力优化调度决策模块，而出力优化调度决策模块生成的调控指令经安全防护模块阈值校验后，通过高速控制总线下发至现场执行层的多源协同控制执行模块，而多源协同控制执行模块通过采集反馈回路将实际执行状态回传至主控层的风光出力预测模块与出力优化调度决策模块。

16、进一步的，所述多源数据感知模块包括：

17、风光资源高频采集单元：由现场布设的太阳辐照仪、组件温度传感器、风速风向仪、空气密度传感器与边缘采集终端组成，采用10hz级高频采样频率采集太阳辐照度、组件温度、风速风向和空气密度风光资源原始数据，捕捉秒级波动特征，为后续波动辨识与互补度计算提供原始数据支撑；

18、设备运行状态采集单元：通过设备侧测控接口与光伏逆变器、风电机组主控系统和储能bms或pcs系统对接，用于实时采集光伏组串或逆变器、风电机组和储能系统的电压、电流、有功或无功、soc和运行工况参数，并且同步采集设备执行端的动作反馈；

19、电网调度数据接入单元：通过并网点测控装置与调度专网接口实现数据接入，用于采集并网点电压、频率和谐波运行数据，并且接入上级调度agc或avc指令、计划出力曲线和电网接纳限额约束条件；

20、数据预处理单元：部署于边缘测控层采集终端内，用于对多源原始数据进行异常值剔除、缺失补全、自适应滤波降噪与高精度时钟同步对齐，输出统一时标的标准化数据。

21、进一步的，所述数据预处理单元的核心运行公式：异常值剔除判据；式中：：滑动窗口内样本均值、：样本标准差；滑动均值滤波降噪公式：；式中：：滤波后输出值、：滤波窗口长度、：第时刻的原始采样值。

22、进一步的，所述风光出力预测模块包括：

23、趋势预测单元：部署于电站主控层工控服务器，以数值气象预报数据与历史出力数据库为输入，基于数值气象预报与历史出力数据，并通过lstm深度学习模型生成15分钟级、未来4小时的出力趋势曲线，并且支撑储能soc整体规划、日前调度计划报备与中长期能量管理；

24、滚动波动辨识单元：部署于边缘测控层算力节点，基于实时高频采集数据，通过滑动窗口算法识别未来1分钟内的出力波动幅值、变化率与波动周期，更新周期与控制节拍完全匹配；

25、风光互补度实时计算单元：内嵌于滚动波动辨识单元的算力节点中，与波动辨识过程同步执行，基于风光实时出力数据秒级计算互补系数，具备量化二者天然抵消波动的能力，为决策层动态切换调控策略提供核心判定指标，瞬时互补系数：；式中：和：分别为光伏和风电的功率波动量，而；

26、预测偏差迭代修正单元：搭建于主控层预测模块的反馈处理链路中，用于接收执行端回传的实际出力数据，对比预测结果计算偏差，在线迭代更新预测模型与波动辨识参数，其采用实时偏差前馈补偿与模型参数滚动迭代的双层在线更新机制。

27、进一步的，所述预测偏差迭代修正单元按时间尺度执行两级修正，其中第一级为秒级滚动偏差补偿，其滚动偏差补偿公式：；式中：：修正后风光出力预测值、：原始出力预测值、：当前时刻、：预测步长或预测前瞻时长、：近期窗口平均预测偏差，且；式中：：历史时刻实测真实出力功率、：对应历史时刻模型原始预测功率、：滑动窗口采样点数；

28、第二级为分钟级模型参数在线迭代，分别为lstm网络权重增量迭代：以固定时间窗口内的实测出力与气象数据为小批量训练样本，采用小批量随机梯度下降算法对网络全连接层权重进行增量更新，权重迭代公式：，配套损失函数采用均方误差形式：；式中：：第次迭代的全连接层权重矩阵、：增量学习学习率，基础取值区间为[0.0001,0.01]、：小批量样本集对应的损失函数梯度、：小批量样本数量、：输入气象特征向量、：对应实测出力真值、：lstm网络的预测输出值；

29、滚动波动辨识参数自适应迭代：基于近期偏差的统计分布特征，自适应迭代调整滚动波动辨识单元的窗口长度、波动幅值阈值与变化率判定参数，波动幅值阈值迭代公式：，辨识窗口长度迭代公式：；式中：：第次迭代的波动幅值阈值、：阈值调整步长系数，取值区间为[0.90,0.98]、：第个统计窗口内预测偏差的标准差、：预设的偏差标准差目标值，取值为对应新能源场站额定装机容量的5%~20%、：第次迭代的滑动辨识窗口长度、：窗口长度调整步长系数，取值区间为[0.1,0.5]、：第个统计窗口内预测偏差的均方根值、：预设的偏差均方根目标值，取值区间为3%~10%、：取整运算。

30、进一步的，所述多源协同控制执行模块包括：

31、光伏主动调节控制单元：内嵌于光伏逆变器的mppt控制芯片中，用于通过控制逆变器小幅偏离mppt工作点，主动平抑出力向上的低频尖峰，在不显著损失发电量的前提下消化主体波动；

32、风电出力平滑控制单元：集成于风电机组主控plc内，通过输出变桨距微调指令与发电机转矩修正指令，用于通过变桨距微调与发电机转矩控制，主动限制风速跃升时的出力爬升速率；

33、储能分层平抑控制单元：部署于储能pcs功率控制器中，接收分层平抑指令并结合soc动态安全区间执行功率补偿，用于仅承接风光主动平抑后剩余的中高频小幅波动，结合soc动态安全区间调整充放功率与深度，限制单次循环幅度。

34、进一步的，所述多源协同控制执行模块还包括：

35、多源协同联锁执行单元：基于全站统一时钟同步系统构建时序触发机制，用于统一风光储控制指令的时序节拍，实现风光侧调节与储能侧补偿的动作联锁联动；

36、执行结果反馈单元：通过现场高速采集回路同步采集各设备输出参数，用于实时采集各设备的实际出力与动作状态，回传至风光出力预测模块与出力优化调度决策模块处。

37、进一步的，所述安全防护模块包括：

38、设备调节安全边界单元：内嵌于各现场执行单元的控制逻辑中，预设固定阈值参数，用于限定光伏mppt最大偏移量、风电变桨调节速率与幅值和储能最大充放功率调控动作的安全阈值；

39、电气安全保护单元：由并网点继电保护装置与设备侧保护回路共同构成，用于实现过压、欠压、过流、短路、漏电和绝缘监测全维度电气保护，覆盖电站一次设备与并网点的电气安全；

40、故障诊断单元：部署于主控层工控服务器，采用理论功率比对与ai故障分类相结合的算法架构，而ai故障分类为异常工况的细粒度识别环节，承接理论功率比对的异常初筛结果启动深度诊断，其技术实现为分类模型网络架构、模型输入特征体系、故障分类识别类目和分类推理执行流程，用于在线监测设备运行状态，先通过功率偏差判据筛查异常支路，再以实时功率偏差量、运行电压电流幅值和设备累计运行时长为输入特征，通过预训练的随机森林分类模型识别故障类型与定位故障点位，接着自动隔离故障单元并重构出力分配，而随机森林分类模型包含四方面核心限定，其中输入包含电气运行、设备状态、偏差统计、环境参量4大类共27维特征，可支撑故障类型识别与单元级点位定位，而训练样本总规模50000条，由8座同类型场站3年实测标注样本与数字孪生仿真样本共同构成，同步做了样本均衡处理，并且模型默认配置150棵决策树，采用基尼不纯度作为节点分裂准则，配套树深、最小样本数等参数约束以控制过拟合，同时评估方式采用离线分层五折交叉验证与在线月度运行评估 的两级评估体系，设定了明确的准确率和召回率达标阈值，运行精度不达标时可触发增量重训练；

41、策略异常降级单元：内置为系统的备用安全运行逻辑，触发条件满足时自动切换运行模式，用于在调控逻辑异常、通信中断或极端恶劣工况下，自动将系统降级至基础安全运行模式；

42、工控网络安全单元：由部署于通信链路的数据加密模块、权限认证网关与入侵检测系统组成，用于通过数据加密、访问权限控制和入侵检测防御机制，保障控制系统通信与数据的网络安全，防范网络攻击风险。

43、进一步的，所述故障诊断单元中故障偏差判据：；式中：：实测功率、：当前工况下设备理论可发有功功率、：功率偏差阈值。

44、与现有技术相比，本发明具有以下有益效果：通过采用分钟级趋势预测和秒级滚动波动辨识的双层出力预测架构，将预测更新周期与系统控制节拍完全对齐，进而从根源上解决了预测与波动的时空尺度错位问题，同时可实时计算风光互补系数，量化风光天然抵消波动的能力，从而为调度决策提供动态精准的预判依据，进而有效降低了并网点功率波动超标率，有效保障了电站出力满足并网考核标准，并且通过光伏mppt小幅偏移调节、风电变桨距与转矩微调，主动平抑了绝大部分的低频大幅出力波动，并且储能系统仅承接风光平抑后剩余的中高频小幅波动，同时结合soc动态安全区间限制单次充放深度与功率幅值，从而能够大幅减少储能循环次数与深度循环占比，有效延缓电池寿命衰减，从而降低了电站全生命周期的设备更换与运维成本；

45、本发明基于实时风光互补度动态调整风光储三者的调控权重，通过替代固定优先级的静态调度策略，可自适应高互补、中互补和低互补等不同天气工况，从而在各类场景下均能实现调控效果与消纳水平的最优平衡，并且通过配套多约束弃电优化机制，综合发电成本和设备调节损耗等因素动态分配风光弃电比例，从而能够在电网接纳能力受限场景下最大化新能源消纳量，进而提升了电站的整体发电收益，并且通过可实时感知并网点运行状态与上级调度约束，动态调整风光调节阈值与储能平抑权重，从而能够自适应电网电压、频率及爬坡率约束的变化，进而有效确保了电站出力全程符合并网规范，同时支持响应调峰和调频等电力市场辅助服务指令，有效提升了电站的并网友好性与电网参与度，从而极大的拓展了电站的收益渠道。