本文是一篇电气自动化论文，笔者重点阐述了本文中所研究的微电网系统的总体架构与模型，介绍了该微电网的各个重要组成部分，包括风力和光伏发电机组与锂离子电池储能系统装置的基础原理与数学模型的构建，主要介绍了锂离子电池储能系统装置的基本原理、基本构造、电荷状态模式及其输出模型。
1 绪论
1.1 研究背景与意义
近些年来，能源对于经济增长的作用来越强，因此各国对其愈发重视。化石能源的广泛利用，带来的气候变暖等问题越发突出。随着经济社会的蓬勃发展，人类的视线已经不光集中于能源利用所带来的效益，反而增强了对于怎样进行经济社会可持续发展的思索，如今人们已经产生了绿水青山也便是金山银山的绿色生态经济社会建设和发展理想。第二次工业革命后至今，电力资源已作为人类日常生活中不可或缺的一种资源，在人类社会的发展进程中始终起着重要推动作用。近些年，随着我国社会主义现代化程度提高，对电力能源的需求与日俱增。传统的发电技术虽然已经很成熟，并且经济效益很高，但是会带来各种各样的环境问题，因此我们正在寻求各种清洁高效的发电方式。由于可再生能源发电方式的经济性和清洁性，在全世界得到迅速发展，装机容量不断提高。随着风电装机容量的不断增加，风电市场也得以迅速发展。而且由于现有的光伏技术优势和各种政策的支持，未来的光伏发电系统会更加蓬勃的发展。
由于世界各国对资源的过度利用，能源紧张问题已成为当今社会的一个主要问题，而风力发电和光伏发电就可以有效缓解这一问题。并且这种两种清洁能源的发展方式释放的污染气体比较少，可以更好地保护环境。不过新能源也并非全能的，也出现了间歇性、不稳定性和难以操作等问题，会给电力系统的稳定造成一些问题。[1]目前风速的一般预测偏差不大，而风速的最大偏差也不易控制，同时较长的预测的时间间隔，会给电力的可靠性与准确度造成不良影响。虽然如今新兴的一些控制方式，可以改善风电的可控性[2]。而怎样进行对风力发电系统的优先控制，以便达到系统的更高预测精度，是未来在风能发电领域研究的重点课题。
............................
1.2 国内外研究现状
1.2.1 风电功率预测的研究现状
近些年来，中国的风电装机容量在不断提高，仅 2020 年上半年，就增长了6.7GW 之多。
风力发电虽然已渗透于电力系统的各个组成部分之间，但风电输出功率具备着间歇性与波动大的缺点，这些缺点给电力系统的运营和全局范围内的调度也带来了挑战。因此，如何实现准确预测风力发电产生的风电功率和如何减少风速变化对风电功率带来的不良影响，已经成为对电网整体平稳运行至关重要的问题之一。近些年以来，世界上的许多学者深入研究了风电功率预测，并且使得风电功率预测精度有了显著提升。这些学者从时间维度的视角对风电功率预测做出了划分，并分为超短期、短期、中期和长期功率预测四种方式；研究者们又按照功率预测方式的差异，将其分成了以下预测方式：
持续性方法：该方法归根结底只是一个很简单的假定，也就是假想未来某时间的风速和所预报的风速一致。但预测时间尺度的进一步增加，会使得该方法的预测精度迅速、不断下降。该方法是最简便，也是最经济的风电功率预测的方式。电力公司往往使用的也正是这种继续性方式，来对超短期功率做出预测。
物理方式：该方式在完成气候预测(NWP)时，利用数值或低大气层来进行，把障碍物、气压、气温和地表粗糙度等因素都考虑在其中，并做出正确预测的方式。增加 NWP 模型的分辨率，从而使得天气预报的准确度得到提高是物理方法的主要意义[6]。但是由于该方法需要大量计算的缺点，需要超级计算机对其进行渲染。NWP 风力预测是商业风电功率预测最常用的数据输入方法。物理系统把来自 NWP 的数据输入，根据现场条件精确这些风俗预报的输出数据。
................................
2 风光储微电网系统的建模
2.1 风力发电
2.1.1 风力发电原理
本文以风光储微电网系统为研究对象，由风力和光伏发电系统以及锂离子电池装置等几种能源机组所构成。微电网系统的基本模型如图 2-1 所示，微电网与主网相连，能够进行并网工作和孤岛运行，通过风光发电供应负载的电量需求，通过锂离子储能装置的充放电来弥补新能源发电功率波动大的问题。
电气自动化论文怎么写
风能是一种发展潜能巨大的清洁能源。由于风能发电的清洁、可再生的巨大优势，我国近年来对其加大了开发力度。因此，风力发电是微电网系统中最重要的组成部分之一。它工作的基本原理是先将大自然中的风能转换为机械能，再将机械能转换为电能的这样一个能量转换过程。
.........................
2.2 光伏发电
光伏发电技术最为近些年越来越热门的清洁发电技术之一，光伏电池是其最主要的器件，光生伏特效应是其根本原理。当半导体材料的 P-N 结被阳光照射到时， P-N 结的两端会产生电子空穴，使得 P-N 结两端产生电位差，在此情形下，串联负载则会产生电流。且该电流会因为它吸收光子数量的增多而愈来愈大。光伏电池的单体，在光电的能量转化过程中扮演着最小单位的角色。
光伏电池由光生电流源 Isc 、二极管 D、电阻 Rsh 和 Rs 组成。Isc 为光生电流，可以看作恒定电流源，与光照强度和电池面积正相关。光伏电池接入负载后，由于光生电流的存在，负载上就会产生电压 U。负载端电压产生后，由于反并联二极管的存在，就会产生电流 ID，其方向与光生电流的方向相反。串联电阻 Rs 是光伏电池内部各种电阻的总和，与能量转换过程中损失的能量呈正相关，与光伏电池将光能转换为电能的效率呈负相关。并联电阻 Rsh 是由于生产制造工艺等问题，导致出现光生电流短路的情况等效而出的。
目前，一般存在于根据物理特性机制或外特征的建模方式对光伏阵列进行深入研究。前者建模的优点是能够准确描述的物理特点，而且模型更加准确，但是针对于大功率兆瓦级的项目，如果使用物理机制建模，则会造成所建模型的复杂性，使得参数计算更加困难。在保证光伏阵列的外特征等效与实际技术指标一致的前提下，利用外特征模型技术可以大大简化模型的复杂程度。只需输入实际太阳能光伏电池上的最大输出功率点电压 Um，开路电流 Uoc，最大功率点电流 Im，短路电流 Isc，以及环境温度 T 和光照强度 S 等这些主要参数，就能够获取仿真模型的有关参数，已形成了太阳能光伏电池的仿真模型。
...............................
3 基于优化 BP 神经网络的风光功率预测 ........................................ 17
3.1 BP 神经网络 .............................. 17
3.2 BP 神经网络的优化 ............................. 20
4 基于微电网运行成本的能量管理策略 ...................................... 29
4.1 微电网能量管理的整体框架 ............................. 29
4.2 微电网能量管理策略的建模 ............................... 30
5 结论 ........................................ 42
5.1 总结 ................................. 42
5.2 进一步展望 ................................... 42
4 基于微电网运行成本的能量管理策略
4.1 微电网能量管理的整体框架
风光储微电网的能源管理策略总体架构如图 4-1 给出，这里将风力发电、光伏发电和电负荷的预测值视为该优化调度模型的输入量，通过优化调度模型以系统运行的总体经济成本最小化为目标设计能量管理策略，在充分考虑各个微电源自身约束条件的情况下，采用能量管理算法求解得到储能装置的充放电计划和微电网与主网的功率交换计划。
电气自动化论文参考
本文所建立的电能管理的模型，其执行流程图如下图 4-2 所示：
先将风力发电功率的预测值 PWT、光伏发电功率的预测值 PPV、负荷预测值PL、锂电池荷电态 SOC 输入该能量管理策略模型，随后判断风光发电功率的预测值能否满足用户的负荷需求。
若能够满足，则继续对锂电池荷电态进行判断。若达到上限，为了避免对锂电池的使用寿命产生影响，则锂电池不能放电；若没有达到锂电池的上限，此时风光发电功率除了满足负荷需求之外还可对锂电池进行充电或向主网售电，，锂电池能否充电由能量管理策略决定，当能充电时继续进行判断，判断风光发电功率预测值超出负荷需求的部分能否超过锂电池充电的额定功率，若达到甚至超过，则锂电池以额定功率进行充电，若未达到，则锂电池以风光发电功率与负荷之差的功率进行充电。
...........................
5 结论
5.1 总结
由于全球各国对煤矿资源、化石燃料等不可再生资源的过度利用，加上对煤矿资源和化石燃料过度利用所造成的环境污染问题，风力发电、光伏发电等更清洁的可再生资源逐渐得到了全球各国的青睐，并不断加大对其的研究投入和装机容量。如今，风力发电技术和太阳能光伏技术均已作为相对完善的可再生能源发电技术，在微电网系统中使用得越来越普遍，但由于风力发电技术和太阳能光伏技术发电技术都受天气条件的影响，为其所产生电能的并网造成了一定问题。 本文在深入研究了微电网系统的基本结构和模型的基础上，通过 GWPA 算法优化 BPNN，来对风力发电和光伏发电的功率分别作出了预测，最后提出了以微电网系统运行成本最低为优化目标的电能管理策略。本文主要工作如下：
（1）重点阐述了本文中所研究的微电网系统的总体架构与模型，介绍了该微电网的各个重要组成部分，包括风力和光伏发电机组与锂离子电池储能系统装置的基础原理与数学模型的构建，主要介绍了锂离子电池储能系统装置的基本原理、基本构造、电荷状态模式及其输出模型。
（2）阐述了 BPNN 与狼群算法的基本原理，鉴于这 2 个算法均具有各自的缺点，故对狼群算法加以了完善，并将完善后的狼群算法用来优化 BPNN，将优化后的 BPNN 用于风力发电与光伏发电的功率预测。经过算例分析对比，很显然改进狼群算法优化后的 BPNN 所预测的风力发电功率和光伏发电功率，较普通BPNN 预测的风光功率更为精确。
（3）介绍了本文所研究的含风光储微电网的能量管理策略，先介绍了该能量管理策略的整体框架，然后考虑微电网与主网交换功率的实时电价和环境成本以及风力发电机组、光伏发电机组和储能装置的运行成本，以微电网的运行成本最低为优化目标，提出了本文研究的能量管理策略。随后使用 MATLAB 基于粒子群算法对该能量管理策略进行验证，与常规策略的系统运行成本进行对比，对比显示本文提出的能量管理策略具有更好的经济性，使得微电网的运行成本更低。
参考文献（略）