[发明专利]基于神经网络的光伏储能并网控制方法

说明书

本发明公开了一种基于神经网络的光伏储能并网控制方法，包括步骤：采集光伏发电单元的实时最大光伏发电功率；神经网络预测系统根据光伏发电单元的实时最大光伏输出功率和历史数据进行预测计算得到预测光伏发电功率；根据预测光伏发电功率和实际误差来生成储能单元的输出功率参考值，并根据该输出功率参考值计算光伏分布式电源主电路中低通滤波器的时间常数，该储能单元通过DC/DC转换器与光伏分布式电源的主电路连接；电池储能单元根据输出功率参考值控制DC/DC变换器进行充放电，低通滤波器根据时间常数调整，最终将波动性在一定范围内的功率送入并网系统。本发明可以解决现有的光伏储能分布式电源并网导致的电能波动问题。

技术领域

本发明涉及光伏储能并网控制方法，特别是涉及基于神经网络的光伏储能并网控制方法。

背景技术

当配电网中大量接入光伏储能分布式电源时，由于光伏发电的不稳定性和间歇性，配电网中电压、频率的波动性加剧，严重影响了配电网的安全运行和功率平衡，以及用户的电能质量和供电可靠性。

发明内容

本发明主要目的在于提供一种分布式电源的电能质量输出趋于平稳可控的基于神经网络的光伏储能并网控制方法。

本发明所采用的技术方案是：

提供一种基于神经网络的光伏储能并网控制方法，包括以下步骤：

采集光伏发电单元的实时最大光伏发电功率；

神经网络预测系统根据光伏发电单元的实时最大光伏输出功率和历史数据进行预测计算得到预测光伏发电功率；

根据预测光伏发电功率和实际误差来生成储能单元的输出功率参考值，并根据该输出功率参考值计算光伏分布式电源主电路中低通滤波器的时间常数；该储能单元通过DC/DC转换器与光伏分布式电源的主电路连接；

电池储能单元根据输出功率参考值控制DC/DC变换器进行充放电，低通滤波器根据时间常数调整，最终将波动性在一定范围内的功率送入并网系统。

接上述技术方案，通过最大功率点追踪控制器采集太阳能光伏面板的最大光伏发电功率。

接上述技术方案，神经网络预测系统具体利用BP神经网络进行训练，根据气象数据，对光照时间和强度下的最大光伏功率进行神经网络学习预测，采用贝叶斯正则化算法BR进行训练；根据光伏发电单元的实时最大光伏功率P_A所处时间逐一提取历史统一时间的历史数据作为输入集A，提供给输入层神经元，逐层将信号向前传递，直到产生输出结果预测光伏发电功率P_B；然后计算输出层的偏差σ²，再将偏差逆向传递至隐藏层神经元，最后根据隐藏层神经元的误差来对隐藏层激活函数中的连接权ω和阈值θ进行调整，迭代过程循环进行，直到全部数据集训练完成，且误差已达到一定范围为止，之后输出预测结果。

接上述技术方案，神经网络预测系统预先对预测过程中涉及的历史数据进行归一化处理，剔除奇异离散数据。

接上述技术方案，神经网络预测系统对输出的预测光伏发电功率也进行归一化处理，剔除奇异离散数据。

本发明还提供一种基于神经网络的光伏储能并网控制系统，包括：

光伏分布式电源主电路，包括顺次连接的光伏发电单元、低通滤波器、并网DC/AC转换器，该并网DC/AC转换器的输出与并网系统连接；该主电路还包括DC/DC转换器，其输出端与并网DC/AC转换器的输入端连接，其输入端与一储能单元连接；