一种低压储能设施自适应调度装置的制作方法

1.本发明涉及一种低压储能设施自适应调度装置，属于低压配电网储能的技术领域。


背景技术：

2.公开号cn111446739a的发明公开了一种具有分布式储能装置的配电台区配电系统及其控制方法，所述配电系统中变压器通过低压配电开关连接分布式储能装置，储能系统包括储能变流器pcs、电池系统、电池管理系统bms、智能控制器和通讯模块，所述的储能变流器pcs直流侧接电池组，交流侧与台区低压母线相连，同时与所处的配电台区ttu保持通信，并且所有储能装置集成在一个jp柜中以实现更好的管理和配置。
3.然而，为了提高电网末端用户的用电体验，国家电网公司建设了大量智能台区(ttu)。同时，随着电化学储能成本下降，越来越多的低压台区将安装低压分布式储能设施，构成柔性直流互备系统。然而，目前低压分布式储能设施的充、放电控制策略属于固定模式，或相对固定模式(即可通过人工调整)，将可能导致出现需要充电时储能电池已充满电，或需要放电时储能电池的电量不足的情况，这样会减损储能电池的使用寿命，并增大配电变压器的电能损耗。


技术实现要素：

4.为了解决现有技术所存在的上述问题，本发明提供了一种低压储能设施自适应调度装置。
5.本发明的技术方案如下：
6.一种低压储能设施自适应调度装置，包括通讯模块、ems控制系统和储能模块，通讯模块的一端通过电路连接方式连接一台ttu(智能台区)；通讯模块将获取的数据传输给ems控制系统；ems控制系统的另一端用于接收储能系统的信号数据和对储能模块实施充、放电的控制。
7.优选的，通讯模块从ttu(智能台区)中实时获取储能设施所需的配电变压器的电气数据和环境数据。
8.优选的，ems控制系统通过通讯模块进行实时获取储能设施的配电变压器的电气数据和环境数据。
9.优选的，ems控制系统生成充电与放电的调度策略，并对储能模块进行充、放电的控制，具体过程如下：
10.s1、根据从所述ttu(智能台区)处获得的近n天的配电变压器的负荷数据和环境数据，采用bp神经网络算法预测当天的负荷数据；
11.s2、根据预测的当天的负荷数据以及当下所述储能模块的剩余电量，以配电变压器输出功率的平均方差最小为优化对象。
12.本发明具有如下有益效果：本发明的低压储能设施自适应调度装置，可以克服低
压台区储能设施需要充电时储能电池已充满电或需要放电时储能电池的电量不足等问题，同时可以平稳的使配电变压器输出功率，进而减少配电变压器的电能损耗；在使用ems控制系统实现智能控制充、放电，先采集大量数据，通过设定值控制评定是进行充电或者放电，之后通过bp网络神经算法预测当天的负荷数据，然后根据负荷数据和剩余电量，以配电变压器输出功率的平均方差最小为优化对象，对设定值进行调整，通过这种实时调整的方式达到控制电量使用的目的，可以实现针对性控制充放电。
附图说明
13.图1为本发明一种低压储能设施自适应调度装置的主要流程图；
14.图2为本发明一种低压储能设施自适应调度装置中所用到的算法命令流程图。
具体实施方式
15.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
16.参见图1和图2，一种低压储能设施自适应调度装置，包括通讯模块、ems控制系统和储能模块，通讯模块的一端通过电路连接方式连接一台ttu(智能台区)；通讯模块将获取的数据传输给ems控制系统；ems控制系统的另一端用于接收储能系统的信号数据和对储能模块实施充、放电的控制。
17.进一步的，通讯模块从ttu(智能台区)中实时获取储能设施所需的配电变压器的电气数据和环境数据。
18.进一步的，ems控制系统通过通讯模块进行实时获取储能设施的配电变压器的电气数据和环境数据。
19.进一步的，ems控制系统生成充电与放电的调度策略，并对储能模块进行充、放电的控制，具体过程如下：
20.s1、根据从所述ttu(智能台区)处获得的近n天的配电变压器的负荷数据和环境数据，采用bp神经网络算法预测当天的负荷数据；
21.s2、根据预测的当天的负荷数据以及当下所述储能模块的剩余电量，以配电变压器输出功率的平均方差最小为优化对象。
22.在步骤s1中，本发明采用bp网络计算线路的合环功率，则需要构造学习样本，其中，样本的输入(即x1,...,xn)可取为；(1)变压器所在环境的近n天气温；(2)变压器所在环境的近n天湿度；(3)变压器所在环境的近n天光照；(4)变压器近n天的有功功率；(5)变压器近n天的无功功率；(7)变压器近n天的电压。隐节点的数量一般为输入节点数量的2-3倍。输出(d1,
…
,dn)则取为变压器当天的有功功率p。根据上述分析,确定bp网络的结构为n-2.5，n-1型,其中,n为输入节点数。向bp网络输入足够多(一般为4n至6n)的典型样本,对bp网络进行训练。训练完毕后,输入合环前必要的已知信息(与样本输入格式相同),bp网络就会根据样本学习后得到的连接权值,计算出变压器当天的有功功率p。
23.参考图2可知：
24.(1)根据日前的预测情况，先将全天的负荷分为峰荷和平、谷荷两种不同时段，并分别预设功率阈值p
fi
、p
pgi
。
25.(2)判断t所处的时段，当t处于平、谷时段则判断s
stor
是否小于smax，当t处于峰时段则判断s
stor
是否大于smin，然后转入(3)。
26.(3)若t在平谷时段并且s
stor
《smax,说明储能装置能量过剩，谷平时段不进行操作，反之s
stor
》smax时，对储能装置进行充电，充电曲线为p
i-p
pgi
。若t在峰时段并且s
stor
》smin此时主网负荷较重，储能装置进行放电，放电曲线为p
i-p
fi
，反之s
stor
《smin时，说明此时储能装置状态过低，峰时段不进行操作。
27.本发明的工作原理：
28.在本发明中，将ttu(智能台区)的信号输出端连接在通讯模块的一端，通讯模块的另一端连接ems控制系统的一端，用于将ttu(智能台区)处获取到的储能设施所属的配电变压器的电气数据和环境数据传输给ems控制系统；ems控制系统的另一端。连接储能模块，既能获取储能模块的实时状态数据，也能对储能模块进行实施充、放电的控制；ems控制系统通过从通讯模块处得到的电气数据和环境数据，以及从储能模块处获得的实时状态数据生成充、放电调度策略，并对储能模块进行充、放电的控制，具体过程包括：
29.s1、根据从所述ttu(智能台区)处获得的近n天的配电变压器的负荷数据和环境数据，采用bp神经网络算法预测当天的负荷数据；
30.s2、根据预测的当天的负荷数据以及当下所述储能模块的剩余电量，以配电变压器输出功率的平均方差最小为优化对象。
31.以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。