太阳能光伏系统优先级规则下的负载管理

工程科学与技术，国际期刊20（2017）859完整文章基于优先级规则的光伏/蓄电池系统T.R. Ayodele，A.S.O.奥贡朱伊格贝港Akpeji，O.O.Akinola尼日利亚伊巴丹大学技术学院电气与电子工程系电能、机械与驱动研究组阿提奇莱因福奥文章历史记录：2017年2月16日收到2017年4月1日修订2017年4月7日接受2017年4月28日在线发布保留字：太阳能光伏系统负载管理负荷转移优先规则住宅建筑A B S T R A C T近年来，太阳能光伏发电系统已成为解决农村社区电力贫困的主要解决方案之一，使大多数农村社区的建筑物都具有太阳能潜力。然而，由于天气条件的变幻莫测，与太阳能光伏功率输出相关的随机性是系统部署的主要挑战。本研究探讨了通过提供最佳能量收集和管理的技术来最大化独立光伏电池（SAPVB）系统的益处基于规则的负荷管理方案的开发和测试的住宅建筑。该方法允许基于某些规则的负载优先化和转移为了实现这一点，住宅负荷分为临界负荷（CL）和非临界负荷（UL）。CL被给予较高的优先级，因此被允许在其预定时间运行，而UL具有较低的优先级，因此可以被转移到PV阵列有足够的发电量的时间，而不是在用户设置的时间段运行负载四个场景被创建，以深入了解所提出的基于规则的负载管理方案的适用性。结果表明，当不使用负载管理技术的情况下，在场景1（基本情况），由光伏系统的关键和非关键负载的百分比满意度为49.8%和23.7%。然而，在方案2、3和4中实施负载管理方案后，负载（CL、UL）的满意度百分比分别为（93.8%，74.2%）、（90.9%，70.1%）和（87.2%，65.4%）分别针对情景2、3和4。©2017 Karabuk University. Elsevier B.V.的出版服务。这是CCBY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍随着全球人口增长导致的电力需求上升，与化石燃料相比，可再生能源（RES）提供了此外，与电网扩展到偏远和农村地区相关的成本和技术困难有利于基于RES的本地化和模块化电力系统的开发[1，2]在各种可再生能源中，风能和光伏（PV）能源在全球农村和偏远地区的电气化中占据主导地位[3，4]。然而，由于太阳能光伏发电更受住宅和家庭应用的青睐，这是由于几个优点，即太阳能资源的无处不在，*通讯作者。电子邮件地址：tr.ui.edu.ng（T.R.Ayodele），a.ui.edu.ngaogunjuyigbe@yahoo.com，www.example.com（A.S.O.Ogunjuyigbe），kakpeji@stu.ui.edu.ng（K.O.Akpeji），oakinola611@stu.ui.edu.ng（O.O. Akinola）。由Karabuk大学负责进行同行审查模块化、无噪音运行、低维护成本和可靠性水平[5，6]。光伏系统的这些优势导致其在世界各地的部署增长。德国在这方面排名最高（总部署光伏容量约为38.2GW），紧随其后的是中国和日本，分别为28.2和23.3GW[7]。尽管太阳能光伏在满足偏远住宅建筑的电力需求方面具有上述优势，但仍存在与光伏系统的使用相关的一些挑战其中一个主要因素是天气条件的变幻莫测：太阳辐照度和温度，这会影响光伏组件的功率输出。在这些天气要素中，太阳辐照度的影响最为显著[8]。因此，继续在该地区（特别是偏远和离网地区）部署光伏系统将需要整合技术和方案，以最大限度地提高该地区的光伏系统[9]。已经进行了大量的研究努力，以克服由太阳辐射的变幻莫测（以及影响PV系统性能的其他天气条件）所产生的挑战，以便提供这些系统的技术经济效益模块性能http://dx.doi.org/10.1016/j.jestch.2017.04.0032215-0986/©2017 Karabuk University.出版社：Elsevier B.V.这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程科学与技术国际期刊杂志主页：www.elsevier.com/locate/jestch860T.R. Ayodele等人/工程科学与技术，国际期刊20（2017）859已经研究了使用确定性模型[10此外，还研究了基于统计方法[15-17]和人工智能[18]的光伏系统最佳系统尺寸确定方法其他作者研究了将太阳能光伏与其他可再生能源以及电池存储相结合的混合系统[19光伏系统的能源管理策略也已在文献中报道。一些关于光伏系统能源管理的工作提出了需求侧管理（DSM）策略，以降低电力成本（对于并网系统），最大限度地提高可再生能源的发电量，并优化消费者舒适度。Kendy等人[3]开发了一种需求侧管理策略，旨在延长电池寿命（通过减少电池充电/放电周期获得）、减少CO2排放以及隔离光伏-柴油-电池混合系统的系统组件尺寸。建议的DSM的行为，以便modify的负荷曲线使用时间转移的负荷方法和幅度调制技术的负荷曲线修改。此外，在Wu等人的工作中。[22]，基于时间的DSM策略，使用（TOU）与合同销售进行了评估，为电网连接的光伏电池系统。通过双回路控制优化用户设备的调度，以节省成本，并在分时电价计划中实现用户舒适度，以及允许将剩余电力出售给电网的消耗管理是这项工作的主要主题。类似地，Tas- cikaraoglu等人[23]研究了土耳其实验性智能家居的DSM技术，该智能家居具有可再生能源（太阳能光伏和风能）、存储系统和与公用事业的连接。Pipathanasomporn等人研究了一种用于在基于光伏的微电网中保护关键负载并维持系统健康和稳定性的多代理系统[24]第10段。同样，卢和弗朗索瓦[25]制定了能源管理战略框架，一个微 电网，其 中开发了 基于光伏 的有源发 电机。 Groumpos和Papegeorgiou[26]研究了独立光伏电池系统的最佳负载管理策略。在对系统进行负荷分类的基础上，采用传统的优化方法，即“松弛变量法”和“惩罚函数法”对可控负荷进行控制，以获得可控负荷的最佳负荷曲线，并减少电池的体积和周期。 此外，Lalouni和Rekouia[27]提出了一种独立光伏系统的能源管理策略，旨在满足小型住宅的能源需求。他们为系统定义了五种运行模式，并实施了一种监控，该监控可确定系统在一天中的任何时间将采用的适当模式，以控制光伏阵列、电池和负载之间的能量流。Wu和Xia[28]开发了一种带储能的并网光伏系统的最优开关模型。在他们的工作中，使用时间（TOU）作为需求响应，以实现最优切换模型，以降低电力成本为目标。开关的控制是基于系统的状态空间方程。开发的最优控制系统的性能进行了比较，此后直观的控制方法。得出的结论是，建议的开关模型进行更好的直观的控制技术相比。模糊逻辑方法也被提出用于能量安装有基于太阳能PV的系统的住宅建筑内的负载管理：Saravanan和Thangavel[29]提出了用于独立的太阳能/风能/燃料电池馈电混合系统的基于模糊逻辑控制器的电力管理。作者的结论是，所提出的模糊控制器是能够很好地执行所有不同的可能组合的输入功率从各种来源，以满足负载的需求。提出了一种用于可再生能源发电系统的蓄电池充放电模糊控制策略Saranya等人[30]分析了由太阳能光伏和风能系统组成的发电系统。所提出的模糊控制器的目的是通过管理所需的充电状态（SOC）的电池，以提高电池的寿命周期。仿真结果表明，该控制单元在实验室环境中具有令人满意的性能Dey等人[31]设计了一种模糊逻辑控制器，用于从太阳能和风能中提取最大功率，然后为负载供电。剩余的电力被输送到电解槽，电解槽为燃料电池和蓄电池产生氢气。仿真结果证明了模糊逻辑控制器的有效性，并建立了这样一个事实，即这些可再生资源可以是一个可行的解决方案，分布式生产的可再生能源的独立应用程序在无法访问的远程位置。虽然模糊逻辑控制器在负荷管理中是有效的，但由于规则的数量，它们具有响应时间慢的主要缺点[32]。模糊逻辑的另一个缺点是，它们对所有要组合的因素给予相同的重要性[32]。从上述研究中可以看出，大多数关于太阳能光伏系统能源管理战略开发的研究工作仅提出了采用其他能源（可再生和不可再生）的并网光伏系统或光伏混合系统的方法。本工作研究的方法，提供了最佳的能量收集和人的独立光伏电池（SAPVB）系统。需求响应基于由用户确定的负载的优先级。负载按优先级顺序分类，因为它影响用户的生活质量（即，在低PV电源供应时，较关键的负载优先于较不关键的负载）。因此，这项工作的目的是修改负载配置文件根据优先级的顺序，由用户决定的时间低太阳辐射。以这种方式，不太关键的负载的电力线被断电，并且将仅在存在足够的太阳辐射时才被通电。所考虑的SAPVB系统是用于位于尼日利亚的国际大都市伊巴丹（7.3964° N和3.9167° E）的郊区的中产阶级离网住宅楼的系统。由于太阳辐射特性与场地的差异，组件性能也可能发生类似变化。因此，对于最佳能量收集，使用基于[6]中概率方法的容量因子估计的最佳模块选择程序来确定最佳太阳能模块。制造商数据手册值以及最佳模块的电流-电压特性如附录中的表I和图8所示。最后，将所选模块应用于所提出的基于规则的负载管理方案中.在MatLab环境下通过仿真对负载管理方法进行了测试。2. SAPVB系统描述在本节中，根据用户生活质量的优先级，对住宅建筑内由SAPVB装置满足的负荷进行了分类。还描述了独立的SAPVB系统的组件。2.1. 负荷分类本研究使用了伊巴丹市一个典型的三居室住宅的可能的基本电器清单。采用了一种负荷分类方法，将系统负荷分为两大类，即临界负荷和非临界负荷。要求连续和瞬时功率的负荷以及在操作其运行周期方面具有低灵活性的负荷被归类为临界负荷（CL）类别。这些载荷对舒适性XT.R. Ayodele等人 /工程科学与技术，国际期刊20（2017）859-873861表1显示负载优先级的负载分类。类别/优先级负载关键1冰箱，冰柜2照明1（通道）3照明2（房间）4照明3（安全）5电视，DVD，卫星解码器6台式电脑、笔记本电脑、其他PDA7搅拌机，微波炉8电熨斗非临界1水泵2洗衣机3热水器居住者的水平。另一方面，在一定程度上可控的负荷以及可以设置和操纵计划的负荷被分组在非关键负荷（UL）类别中。每个类别具有负载类别，其中具有相似操作的负载被分组到单个类别中。还对负载类别进行了优先级仲裁，以便进行区分在满足负荷等级需求方面，特别是在供应不足的时期。为了简单起见，负载类索引也用于优先级仲裁，其中“1”表示最高优先级。负载管理的方式是，在太阳辐射较低的时候，优先级较低的负载将被切断，以支持更关键的负载，然后转移到太阳辐射充足的时间。由于不太优选的负载被转移到最优选的负载，因此相信使用者的舒适度不会完全受到损害。表1描述了根据用户确定的优先级进行的负载分类。此外，在图1中描绘了遵循负载分类的所得系统架构。2.2. 能源需求和系统组件说明为了确定SAPVB的基本系统组件（即光伏阵列、电池组和逆变器）的大小，进行了负载审计，以确定选定住宅建筑的总负载需求以及平均每日能量需求。负载审计如表2所示。光伏阵列、电池组和逆变器的大小根据表2中的负载需求确定，[33]因此，不再进一步讨论。逆变器的大小可以满足最大功率需求。在确定电池组的尺寸时，假设系统按照参考文献[33]中提出的方法对本文中使用的基本组件尺寸进行了评估。尺寸总结见表3。可以确定所有负载的总功率需求（Pdem如：Z我的天1/1DC总线加载单元Fig. 1. SAPVB系统架构。PV阵列电荷控制器电池组AC总加载类ts临界负荷非临界载荷逆变器800ðÞ ¼¼ginvð Þð Þð Þð Þðð Þ ¼-Þ·ð-pv-ginv×B¼ ¼ð Þ862T.R. Ayodele等人/工程科学与技术，国际期刊20（2017）859表2负荷需求和能量需求。负载瓦数数量为总功率（Pi）（W）手术时间（s）每日能源（Wh）冰箱1001100242400冰柜50015002412,000灯光P1546012720莱茨河155756450电视8521704680DVD10220480饱和解码器251254100台式PC15011503450膝上型PC6021203360手机，其他PDA25125375搅拌机25012501250微波90019001900电熨斗10001100011000安全灯2537512900水泵75017501750洗衣机90019001900热水器10001100011000612023,0153. 光伏阵列功率输出模型及蓄电池荷电状态建模在这一节中，太阳能光伏发电的功率输出在间歇性太阳照射和蓄电池的荷电状态。推导了太阳能发电量过剩和不足3.1. 光伏阵列功率输出的建模光伏阵列功率输出模型由方程定义。（2）是衡量太阳能电池质量的重要性能指标。它可以通过比较最大功率（Pmax）与开路电压和短路电流下输出的理论功率（PT）来计算[35]。它可以表示为：FFPMaxImp×Vmp6PTI sc×V oc其中Pmax为最大输出功率，PT为理论功率，Voc为开路电压，Vmp为峰值功率时的电压，Isc为短路电流，Imp为峰值功率时的电流，FF取0.9。理想的PV板技术将产生完美的矩形PPVNs·Np·Voc ðtÞ·Isc 中文（简体）最大功率点与（Isc，Voc）一致这个角色-本文所采用的光伏发电的原理，以产生所需的电能，我我不是一个0Gt;/trary功率如附录中的表I所示。sc/sc/sc/STCTC3.2. 电池荷电状态建模VOC;STC-bTCTCt-20Gt;/5其中，Ppvt是PV阵列在一天中的时间t处的功率输出（W），并且倾斜角f是PV阵列中串联连接的模块的数量。Np是PV阵列中并联连接的模块的数量;Voc_p是单个模块的开路电压（V）;Isc_p是单个模块的短路电流（A）Isc;STC是单个模块在标准状态下的短路电流（A）电池在任何时间t的充电状态SOC（t）是电池在给定时间的充电量（QR）它由SOC最小值和SOC最大值界定，其中SOC最小值是电池存储的最小充电量，而SOC 最 大值是电池存储的最大充电在最大充电时，SOC tSOCmaxQR作为光伏系统资源的太阳辐射本质上是高度间歇性的，并且可能产生过剩或不足的能量。表示由电池输送/吸收的功率的该不足/过量能量由下式给出：普什特dard test conditions;VOC;STC是标准测试条件下单个模块的开路电压（V）;a是模块短路电压。PBtPvt-demð7Þ电路电流温度校正系数（A/°C）;b为模块开路电压温度校正系数（V/T C t是模块的电池工作温度（°C）（这是在所有电池均匀的假设下，与模块温度相同）;T A t是环境温度（°C）;NOCT是模块的标称工作电池温度（°C）;Gt;/是以倾斜角f入射到模块上的太阳辐照度（W/m2）。FF是模块填充因子。填充因子是一个表3基于方法其中，Ppv_inv和Pdem_inv是在时间t由PV系统产生的总功率和负载的总功率需求;并且g_inv是逆变器的效率。当P Bt> 0时，表明PV系统有过量的太阳能发电，但当P B t> 0时，<0，则存在赤字太阳能发电电池存储的充电仅在存在来自PV的过量电力且充电状态不满足时发生。的的电池是少比最大（SOC tSOCmax）.<在充电期间，电池存储器在时间t的充电状态SOC（t）由（8）[4]给出。在[33]中。SOC tSOCt1 1r.P不Pdemdem demdem 8光伏阵列6435 W电池组2089 A h逆变器6800 W当量（8）可以改写为：SOC1000-10000：1000 - 10000 - 100000 - 1000000- 10000000 -100000000- 1000000000-10000000000-1000000000项大小Þþð ÞLJð Þ>：kið ÞKkiginvLLJLJPpvt PB tki2>0.5）。例如，为照明负荷类别指定一个值<在白天（当照明负载不太可能活动时）为0.5，在夜间为>0.5。使用rand（.）是在临界负荷分布中引入一些变化例如，假设房间灯的使用时间为6小时，进行系统尺寸调整;情况可能并非总是如此。可能会有使用率更低或更高的情况。由于室内照明是一个关键负载，系统必须根据负载等级优先级和可用电源满足此需求。因此，基于假定的用户生活模式，针对不同的时间段对给定类别中的关键负载的切换的模拟进行加权关键负载在时间t的功率需求PdemC t可以通过下式计算：表5负载供电方案A无能源管理部署（基本情况）方案运行期负荷类别B有能源管理部署方案运行周期负荷类别CL UL2日间光伏，电池光伏，电池夜间电池电池3日间光伏、电池光伏夜间电池4日间PV PV夜间电池BP供应商ð18ÞS/N负载开始时间末世1水泵晚上12下午12洗衣机上午8上午93热水器凌晨5早上6CLUL1（基本情况）白天黑夜光伏电池电池光伏电池电池ki联系我们Ql¼11ljV总线ð20Þ864T.R. Ayodele等人/工程科学与技术，国际期刊20（2017）859场景1是基本情况，它给出了当不考虑能量管理时，即不部署负载管理算法。 在这种情况下，所有负载都严格限制在用户设置的时间段内。在这种情况下，不允许UL移位;因此不允许修改负载分布。然而，在场景2-4中，所提出的能量管理方案部署有不同的SAPVB架构。该算法以这样的方式修改负载分布，即分配由SAPVB提供的总负载以满足总负载需求。在场景2-4中，规定使用负载转移方法来修改用于UL的用户的预定义负载简档。它提取所需的运行时间（以小时为单位），而不是将系统约束为满足用户设置的时间段。并且试图将其转移到PV阵列有足够的发电量的时间。这是通过使供应UL的电力线断电并且然后在存在足够的太阳能发电时通电来实现的。此外，在所有情况下，电池在过量PV发电期间充电。 对于每种情况，CL和UL的平均负荷满意度（占总需求的百分比）进行了研究。在两个定义的操作周期内，将为场景2-4中的系统设计的算法分为两部分进行系统控制。该算法通常基于场景2开发，并对场景3和场景4进行了轻微修改。 算法为4.2.1. 白天时间4.2.2. 夜间算法针对夜间电池是唯一能源提供者的情况，提出了一种负载能耗管理方法在该方法中，执行夜间能耗调度以预先确定CL和UL的电力线将在整个夜间保持的状态这样做是为了确保在低电池充电水平的日子里，负载不会汲取将导致电池充电水平耗尽到SOCMN以下的更多能量，并且负载优先级被保留。通过使其适应实时场景来修改来自该调度过程的输出。通过估计可能的夜间能量消耗，系统生成CL和UL的基准状态向量，并且对于每种情况，其对于夜间期间的每个小时都是相同的。该调度操作在被视为7PM的夜间t n的开始处开始，并且其从CL开始。在获得CL和UL的基准接下来，我们用公式表示以下方程，其中Qu是UL在夜间的充电要求（单位：安时（Ah）），Qc是CL在夜间的随后描述白天和夜间控制，其中StULlj是用户在时间t调度的类l中的ULj的状态，Tslj是调度的总时间量（以小时为由用户为ULj在类l中运行，Trlj是时间量（以小时为单位）。对于l类中的ULj已运行/已满足，Qu是费用PdemCDtnQc¼V总线PMuPm普治ð19Þ其中，Qc是在夜间期间UL的充电要求（以安培小时（Ah）为单位），并且Qc是在夜间期间CL的充电要求（以安培小时（Ah）为单位）。图2描绘了示出基于规则的算法中涉及然后，夜间能耗调度的目标被给出为：Qn-KKK2kiLT.R. Ayodele等人 /工程科学与技术，国际期刊20（2017）859-873865图二.步骤1Qn是电池组在tn时的充电水平。以迭代的方式，确定Dtn的ScQc被初始化，并且从最高优先级的CL类别开始，系统设置Sc1/4 1，并且计算所得到的Qc，如果Qn=QcPSOCMN，则它设置Sc1/4 0。从而得到了Dtn临界负荷等级的基准状态向量后在获得用于关键负载类别的该基准状态向量之后，执行检查以确定是否仍然存在一些Qn-Qc>SOCMN从CL和UL的这些状态向量，获得Plim-- Plim是考虑到CL的实际状态可能与调度时执行的计算期间使用的假设状态不同，即并不是每一个Sc ttn在实时的每一个小时t 2 D t n都是来满足一些安排在晚上的UL，这些UL还没有被白天的时候如果检查是肯定的，则系统以与针对CL类类似的方式进行，设置Su1/2，并且计算所得的Qu，条件是Qn-Qc-QuPSOCMN和TrljTslj，<（由于随机用户负载切换模式），以适应实时场景。用于适应实时场景的算法公式如下：-nkikiki866T.R. Ayodele等人/工程科学与技术，国际期刊20（2017）859参考上述算法的第4行和第7行，Ncque和Muque是在调度操作期间CL和UL被去激活的索引4.2.3. 遗传算法子程序在本文中，遗传算法是用来作为子程序，以确定在一个关键的负载类k，其组合的需求可以满足可用的光伏发电（满足需求后，类k1）的负载单元的最佳组合最优组合意味着负荷单元的总需求与可用功率紧密匹配。GA子程序的目标函数是：最小值J¼Ppvt-XSctPct为了深入研究，选择每个场景的前两天的模拟结果作为代表，并在随后的小节中进行讨论。5.1. 场景1：基本情况在这种情况下，没有提出的基于规则的能量管理方案的SAPVB的性能进行了CL和UL都由太阳能光伏供电，白天有备用电池，而两种类型的负载仅在夜间由电池供电。结果显示了在这种情况下的总负荷需求和可用的供应描绘在图。3.第三章。该数字显示，供应只能满足关键的服从：n基基1/1ð22Þ负荷需求满足率为49.8%，非关键负荷需求满足率为23.7%。PpvtPXSctPct1/15.2. 场景2因此，子例程确定状态向量k级（Sct）负载单元的功率要求与Ppvt紧密5. 结果和讨论模拟进行了一个月的每小时的时间步长，结果表明，关键负载的优先级高于非关键负载。表6描述了四种情况下负载的电能满足情况。进行适当表6场景1-4的平均负载满意度百分比（%）场景临界载荷（CL）非临界载荷（UL）1（基本情况）49.823.7293.874.2390.970.1487.265.4在这种情况下，CL和UL都由太阳能PV供电，在白天使用备用电池，而两者都仅在夜间使用电池描绘该场景的流程图在图1A和1B中描绘。4a和4b图5显示了PV产生的电力以及两天的标称和修改后的负载曲线。标称负载分布是没有所提出的负载管理方案的负载分布。修改的负载简档是应用负载管理方案时的负载简档。在这种情况下，情况UL被移位到其中存在来自PV阵列的足够电力生成的时间，即，UL将不必根据用户时间表，而是根据来自PV阵列的电力的可用性。关键负载具有高优先级，并且始终在其预定时间内获得电力供应。图中的结果。 5揭示了PV阵列在10：00-16：00（第一天）和34：00 -46：00（第二天）之间产生高电功率。这是预期的，因为这些时期下降到太阳辐射在尼日利亚的高峰期查看图表还可以发现，电池在这些时间段内正在充电（由+ve电源表示）。40003500300025002000150010005000时间（小时）图三. 情景1两天的总电力供应和需求。总需求（负载电池）总电源（PV电池）51015202530354045功率（W）T.R. Ayodele等人 /工程科学与技术，国际期刊20（2017）859-873867图4a. 描述方案2的流程图。图4b. 流程图的延续。868T.R. Ayodele等人/工程科学与技术，国际期刊20（2017）859500040003000200010000-1000-2000-3000-4000光伏发电额定负载曲线修改后的负载曲线电池功率5 1015202530354045时间（小时）图五、方案2模拟两天的光伏功率、电池功率、修改后的负荷曲线、标称负荷曲线450040003500300025002000150010005000时间（小时）见图6。 情景2的2天总电力供应和需求。然而，20：00这在图中通过电池的负功率（指示电池的放电）来描绘该图还显示，标称负载分布和修改后的负载分布几乎彼此重叠，表明在这种情况下UL负载的变化最小几乎所有的负载都在预定的时间得到满足。总负荷需求和可用负荷供应图6中描绘了这种情况下的情况。该图显示，使用所提出的算法，临界负荷需求的满足率为93.8%，而非临界负荷需求的满足率为74.2%。5.3. 场景3在这种情况下，具有备用电池的PV用于为CL供电，而仅PV用于在白天为UL供电然而，在这方面，在夜间期间，CL使用电池供电，而UL被排除而没有任何电源。代表这种情况的流程图如图所示。 7a和7b图3显示了情景3下两天内光伏发电的电力以及标称和修改后的负荷分布。8.第八条。该图揭示了标称负载分布和修改的负载分布的叠加程度与场景1的叠加程度相比更高。这是预期的，因为UL在夜间不被供电，因此在夜间到白天期间，当PV系统的供电可用时，UL负载将有更多的转移这说明了与情景1相比，在该情景下标称和修改的负载分布的更高程度的偏移。在图9中描绘了在场景3下来自系统的总负荷需求和可用供应。该图揭示了负载管理方案能够以这样的方式转移UL，使得CL总电源（PV电池）总需求（负载电池）51015202530354045功率（W）功率（W）T.R. Ayodele等人 /工程科学与技术，国际期刊20（2017）859-873869图7a.代表方案3的流程图。图7b. 继续图中的流程图。7a.870T.R. Ayodele等人/工程科学与技术，国际期刊20（2017）85940003000200010000-1000-2000-3000光伏发电额定负载曲线修改后的负载曲线电池功率51015202530354045时间（小时）图8.第八条。方案3的光伏功率、电池功率、修改后的负荷曲线、前两天的标称负荷曲线40003500300025002000150010005000时间（小时）见图9。 情景3前两天的总电力供应和需求。5.4. 场景4在这种情况下，只有PV在白天为CL和UL供电，在夜间，电池为CL供电，而UL没有任何供电。代表这种情况的流程图如图所示。 10个。图11显示了在情景4下两天内PV产生的电力以及标称和修改后的负载分布的结果。该图显示，在10：00-20：00（第1天）和33：00-37（第2天）之间，标称和修改后的负荷曲线之间存在明显差异这也是UL操作时间偏移的结果。总负荷需求和可用供应在图12中描绘了在场景4下来自PV系统的电压。该图显示，负载管理方案能够以这样的方式转移UL，即CL需求被满足87.2%，而UL被满足65.4%。较低的满意度百分比值可以很容易地归因于这样一个事实，即在没有备用电池的情况下，只有PV在白天为负载（CL和UL）供电。此外，没有作出供应安排，在晚上的时候。在12：00-15：00之间，总电力供应无法满足需求。这是因为大多数在夜间时段的UL已经转移到太阳辐射较高的白天时段。这就解释了总供给不能满足总需求的原因。总电源（PV电池）总需求（负载电池）51015202530354045功率（W）功率（W）T.R. Ayodele等人 /工程科学与技术，国际期刊20（2017）859-873871见图10。代表方案4的流程图。40003000200010000-1000-2000-30005 10 15 20 25 30 35 40 45时间（小时）见图11。 光伏发电，修改后的负荷曲线，情景4前两天的标称负荷曲线。6. 结论本文研究了一种基于优先级规则的负荷管理技术，该技术在独立的光伏电池SAPVB系统中提供最佳的能量收集和管理。研究考虑了一座为了理解所提出的负载管理方案的适用性，开发、测试和讨论了四种场景。结果表明，当负载管理技术不像场景1（基本情况）那样使用，PV系统对关键和非关键负载的寿命满足率分别为49.8%和23.7%。然而，随着在场景2、3和4中的负载管理方案的实施，对于场景2、3和4，关键和非关键负载的负载满意度分别为（93.8%，74.2%）、（90.9%，70.1%）和（87.2%，65.4%）这表明，负载可以有效地管理，以最大限度地提高可用电源从一个SAPVB系统使用所提出的负载管理技术。前三个中的任何一个光伏发电标称负载曲线修改后的负载曲线电池功率功率（W）总供给（PV电池）总需求（负载电池）872T.R. Ayodele等人/工程科学与技术，国际期刊20（2017）8594500400035003000250020001500100050005 10 15 20 25 30 35 40 45时间（小时）见图12。 情景4前两天的总电力供应和需求。Isc98765432100 5 10 15 20 25 3035模块电流（A）VOC 40图十三. 最佳组件在不同辐照度和25 °C恒定电池温度下的电流-电压特性。表I所选模块的参数摘自制造商模块索引Noct参考Eff。（）区域的scISC英国石油公司VocImVMD460.14911.6766750.000518.81-0.003137.68.2730.5可以采用所提出的方案（2附录A.参见图13和表I。引用[1] T.R. Ayodele，A.S.O. Ogunjuyigbe，J.B. Babatunde，《使用混合能源系统的农村社区可持续发电：Ojataye村的案例研究》，国际可再生能源杂志。11（2016）43-56.[2] A.S.O. Ogunjuyigbe，T.R. Ayodele，尼日利亚电信业独立混合能源系统的技术经济分析，国际可再生能源技术杂志。7（2016）148-161。[3] R. Kefalan，G.布克塔亚湖Krichen，独立混合光伏系统中家用电器的需求侧管理，可再生能源81（2015）123-135。[4] A.S.O. Ogunjuyigbe，T.R.Ayodele，O.A.Akinola，光伏/风能/分体式柴油/电池混合能源系统的优化配置和规模，以最大限度地减少偏远住宅建筑的生命周期成本，碳排放和垃圾能源，应用。能源171（2016）153-171。[5] 蔡宏，涂昌，苏耀.基于MATLAB/SIMULINK的广义光伏模型开发。世界工程与计算机科学大会。美国旧金山：2008年世界工程与计算机科学大会。p. 22比4[6] A.S.O. Ogunjuyigbe，T.R. Ayodele，K.O. Akpeji，基于容量因子估计的概率方法 优 化 光 伏 模 块 选 择 ， 国 际 环 境 能 源 杂 志 （ 2016 年 ） ，http://dx.doi.org/10.1080/01430750.2016.1230559：1-7。[7] IEA IEA.全球光伏市场一览。在：Brunisholz M，编辑. IEA PVPS2015年第3p. 6比12[8] 作者：Jiangsu M，Jiangsu M，Jiangsu M，Jiangsu M.意大利南部光伏发电厂统计方法短期功率预测。第四届Imeko TC 19环境仪器和测量，保护环境，气候变化和污染控制研讨会。2013年，意大利。p. 171比5[9] A.S.O. Ogunjuyigbe，T.R. Ayodele，O.E. Oladimeji，使用混合线性规划法在间歇性太阳辐射下安装光伏系统的住宅建筑物中的负载管理，能源和建筑物。130（2016）253-271。功率（W）模块电压（V）1000W/m2800W/m2600W/m2400W/m2200W/m2T.R. Ayodele等人 /工程科学与技术，国际期刊20（2017）859-873873[10] Rekioua D，Matagne E.光伏发电系统的优化Springer; 2012。p. 31比85[11] K. Ishaque，Z.萨拉姆，H.S.李文，基于双二极管模型的光伏系统局部遮光建模与仿真，仿真建模实践与理论。 19（2011）1613-1626。[12] 蔡宏，涂昌，苏耀.基于MATLAB/SIMULINK的广义光伏模型开发。世界工程与计算机科学大会。旧金山，美国2008.[13] 拉赫曼·马哈拉特光伏发电机性能预测的概率方法。IEEE Transactions on EnergyConversion. 1986年;EC-1，No. 3：34-40.[14] Z.M. Salameh，BSB，A. R. A. 阿敏 基于容量因子的光伏模块站点匹配，IEEE能量转换。10（1995）326-332。[15] A. Balouktsis ， T.D. Karapantsios ， A. An