当前位置：首页 > article >正文

浅谈工商企业用电管理的分布式储能设计

article 2025/4/1 0:05:38

摘要：文章设计了一种新的用于工商业用电管理的分布式储能系统。由于储能系统硬件置换成本高，选择在传统储能系统的硬件框架基础上，对控制软件进行优化设计，建立分布式储能系统模型，分析发电量、储电量及损失电量三者之间的关系，并分析其优化需求。在此基础上，基于有限时间收敛优化系统调度，确定系统模态切换策略，实现倒送电能的*效充电存储。对比传统储能系统，文章设计的系统能够管控倒送电能充电存储、减少资源浪费，并且存储过程中电能调度成本更低、经济效益更高。

关键词：工商业用电管理；分布式储能系统；有限时间

安科瑞汪小姐/汪女士---Acrelwy

0.引言

当前社会能源消耗巨大，传统能源日渐减少，探求新的可再生能源成为资源发展的研究热点，分布式电源应运而生。为解决分布式电源存在的局限性，保证微电网的功率平衡，电力企业引入了分布式储能系统。分布式储能系统具有适用范围广、污染小的优势，可以提升电网对新能源的消纳比例。然而，分布式储能系统的发展也面临挑战。在工商业用电管理中，充放电造成的电力损耗较大，造成了资源的浪费，经济效益不明显。为此，章设计了一种新的工商业用电管理分布式储能系统。

1.系统优化需求

在分布式储能系统控制电网的过程中，如果遇到大规模用电接入的情况，分布式电源的出力会增大，极易导致配电网与主电网之间的负荷差值变大，进而产生电压超限的问题，使分布式储能系统的电力损耗较大，且控制过程中的能源浪费也随之增加，增加系统整体的经济成本。假设某一时段配电网负荷参数值为，分布式电源的出力参数值为Et，当发生功率倒送情况时，二者的关系如下：

Et＜Ed（1）

基于上述关系式，根据典型日负荷曲线（如图1所示），可以分析系统的优化需求。

在图1中，电网中接入量过大时，分布式储能系统中的电源出力增加，出现功率倒送的情况，这样会导致能源的浪费。因此，需要控制储能系统，在倒送情况发生时管控倒送电能，进行充电存储，以减少电力资源的浪费，提高对风能、光能等新能源的消纳能力。

2.系统设计

为提高电网经济效益，需要在传统储能系统的硬件框架上，对软件进行优化设计。

2.1建立分布式储能系统模型

分布式储能系统是集合发电、储能及能源监控功能为一体的能源系统。需要在深入研究分布式储能系统结构的基础上，建立相应的数学模型，分析发电量、储电量和损失电量之间的关系，为后续优化打下基础。对于系统发电量的预测，多采用数值模拟的方法，建立储能系统内部组件的数学模型。以分布式光伏电源为例，其发电量受太阳辐射量影响，并与温度有关，受感应的光伏组件会将太阳辐射转化为电能，其运行的瞬时功率的q计算公式可以表示如下：

式中：∂为一般情况下电源内部组件的发电效率；ε为温度系数；Y为当前实际的组件温度；G为当前接收的太阳辐射量。基于上述公式，能够建立分布式光伏电源的数学模型。然而，实际发电量受太阳光照角度、系统设备运行温度及光谱等因素的影响。需要综合考虑各种因素，对上述数学模型进行优化。假设光伏电源接收的有效辐射率为E，其计算公式如下

式中：s0为一般情况下系统内部的短路电流；αs为短路时电流的温度系数；s为系统内短路电流；tc、t0分别为分布式电源组件运行中的实际温度和理想情况下的运行温度。

在这种情况下，计算系统内电源的发电量I，计算公式如下：

式中：Ia为分布式电源内部的光电流；Ib为相应的反向饱和电流；w为*大功率时电流的温度参数；c为电源大功率时的电压；z为开路电压；x为开路电压下，系统内部相应的温度系数；φ为串联的光伏电池的数量；u为单位负荷；κ为玻尔兹曼常数。上述各项参数均能够通过测量获得。

2.2基于有限时间收敛优化系统调度

基于分布式储能系统的优化需求，为减少能源损耗、提高计算效率，选择在有限时间约束的基础上，优化系统内的储能调度，以得到收敛的方案。假设在分布式储能系统中，能够储能的组件单元有n个，为了使调度储能过程中充电损耗*小，目标函数如下：

式中：i为进行储能充电的单元组件；GiPi为单元组件i运行时的功率损耗。

要满足电网储能系统的调度优化需求，就要消灭倒送功率。考虑电网稳定性，需要维持功率平衡，也就是要满足主电网负荷pg＞0的条件，其条件公式可以表示如下：

式中：ph为储能系统运行过程中，电网在某一时段的总负荷；pd为同一时段下，分布式电源的功率；pc为相同时段内，该储能充电单元的运行功率。

在上述条件的基础上，基于拉格朗日理论，建立分布式储能系统内部调度的优化算法，优化后，储能充电单元运行功率cp的计算公式如下：

式中：S为正常数增益；D为正参数；α为拉格朗日系数；T为时间限制条件参数；i为n个储能组件中的某一单元组件，满足i=1,2,…,n；fi为单元组件进行储能工作时，运行功率的*大参数值；βi为相应的增量成本。

上述算法能够优化储能系统内部的调度，将充电时的能源损耗控制在很小范围内，同时获取有限时段内系统收敛的解决方案。

2.3通过模态切换实现分布式储能

在完成对系统的调度优化后，为保证分布式储能系统整体运行的稳定性，降低运行损耗，需要确定相应的模态切换策略，降低系统内部的电压偏差，实现定容优化。

在工商业用电管理中，需要考虑线路损耗的成本。假设系统内部运行产生的损耗为，此时，成本损失D的计算公式如下：

式中：F为系统中的储能单元组件的损耗成本；j为该单元组件运行的某一时刻；Δj为运行的某一时段，一般情况该参数取值为1。

基于上式，可以分析发生功率倒送情况时的成本损耗。为了提升分布式储能系统的电压质量，降低成本损耗，需要降低系统内节点的电压偏差H，其计算公式如下：

式中：N为储能系统内节点的数量；r为其中的某一单元节点，满足r=1,2,…,N；t为系统运行的某一时刻；Urt为r在t时刻的电压；UN为同一时刻系统内的额定电压。

基于上述计算方法，能够实现对于分布式储能系统的容量配置优化，完成系统软件部分设计。

3.实验验证

3.1实验准备

为验证文章设计的分布式储能系统在维持电压稳定、优化能量调度方面的优异性，特进行验证实验。采用基于传统遗传算法的储能系统（传统储能系统）与文章设计的用于工商业用电管理的分布式储能系统进行测试，储能系统硬件参数如表1所示。

3.2实验结果

在实验过程中，测试了传统储能系统和文章设计系统的电网负荷变化情况，具体结果如图2所示。如图2所示，文章设计的分布式储能系统对电网负荷的控制能力较传统储能系统强在传统储能系统运行过程中，电网功率变化范围较大，出现多处功率倒送情况，在运行至16～24h时，稳定性不足；在文章设计系统运行过程中，对电压的控制较稳定，能够将电能进行充电存储，几乎没有出现功率倒送的问题，能源的损耗较传统系统少，具有很高的经济效益。为了验证文章设计系统在进行电能调度时的成本优势，试验测试了两种系统的电网调度成本，如表2所示。

如表2所示，无论何种天气，与传统储能系统相比，文章设计的分布式储能系统在能源调度中的成本更低。

Acrel-2000ES储能柜能量管理系统

4.1系统概述

安科瑞储能能量管理系统Acrel-2000ES，专门针对工商业储能柜、储能集装箱研发的一款储能EMS，具有完善的储能监控与管理功能,涵盖了储能系统设备(PCS、BMS、电表、消防、空调等)的详细信息,实现了数据采集、数据处理、数据存储、数据查询与分析、可视化监控、报警管理、统计报表等功能。在高级应用上支持能量调度,具备计划曲线、削峰填谷、需量控制、防逆流等控制功能。

4.2系统结构

Acrel-2000ES，可通过直采或者通过通讯管理或串口服务器将储能柜或者储能集装箱内部的设备接入系统。系统结构如下：