风光储能系统容量配比等关键技术研究.docx
《风光储能系统容量配比等关键技术研究.docx》由会员分享，可在线阅读，更多相关《风光储能系统容量配比等关键技术研究.docx（20页珍藏版）》请在冰豆网上搜索。
风光储能系统容量配比等关键技术研究
1、风光储能系统的智能能量管理控制技术研究
风光互补储能系统，就是按照一定的配置关系，将风力机和光伏组件和蓄电池进行组合，综合考虑系统配置的性能和储能成本，得出最佳的系统配置。
在风光储能系统的容量配比中，需要从所在地区自然资源条件、负载情况以及综合成本几个方面考虑，以下是基本的配置原则：
1）在用电负荷相同时，由于太阳能电池板的费用较高。
为降低系统投资，在保证用电安全和自然资源条件允许时，应尽量降低太阳能在发电系统中的能源比率；
2）水平轴风机的启动风速高、需较高风速才能发电、能量转化效率低；垂直轴风机在较低的风速时即可发电。
在同样的用电需求时，所用水平轴风机功率一般要大于垂直轴风机，导致水平轴风机费用较高；但对于同样功率的风力发电机，垂直轴风机费用高于水平轴风机，但其体积、重量和所需运行空间均小于水平轴风机，且具有运行稳定、噪音低、无对风要求等优点；
3）储能系统中，蓄电池的费用较高且寿命较短（一般5～10年），设计时应认真分析所在区域的资源条件和用电设备情况，合理地确定储能时间，以减少蓄电池用量、降低系统投资；
虽然风能的成本低于风光互补，但风光互补系统利用了两种自然资源，能较好地避免蓄电池过放电，延长电池寿命，虽一次性投资稍高，但供电的安全性、稳定性高于风能系统。
风光互补储能系统主要由风力发电机组、太阳能光伏电池组、智能能量控制与管理、电池管理与蓄电池、安全控制与远程维护、逆变器、交流直流负载等部分组成。
（1）风力发电部分是利用风力机将风能转换为机械能，通过风力发电机将机械能转换为电能，再通过控制器对蓄电池充电，经过逆变器对负载供电；
（2）光伏发电部分利用太阳能电池板的光伏效应将光能转换为电能，然后对蓄电池充电，通过逆变器将直流电转换为交流电对负载进行供电；
智能能量控制管理部分是保证电源系统正常运行的重要核心设备。
一方面根据日照强度、风力大小以及瞬态储能系统和储能电池组的状态，实时调整暂态储能设备和储能电池组之间的能量分配，达到对风光发电不确定性的平滑和储能能量匹配；另一方面实时监控负载的变化，不断对蓄电池组的工作状态进行切换和调节：
或者把调整后的电能直接送往直流或交流负载，或者把多余的电能送往蓄电池组存储。
发电量不能满足负载需要时，控制器把蓄电池的电能送往负载，保证了整个系统工作的连续性和稳定性；
（3）储能电池组部分由多块蓄电池组成，在系统中同时起到能量调节和平衡负载两大作用。
它将风力发电系统和光伏发电系统输出的电能转化为化学能储存起来，以备供电不足时使用。
（4）逆变系统由几台逆变器组成，把蓄电池中的直流电变成标准的220V交流电，保证交流电负载设备的正常使用。
同时还具有自动稳压功能，可改善风光互补发电系统的供电质量。
当前国内风光互补系统中普遍采用的控制策略是对蓄电池进行浮充充电的控制模式，也就是让负载尽可能多地消耗由太阳电池方阵和风力机组发出的电能。
一般通过蓄电池电压检测来确定其状态，若有系统功率输入大于负载功率，则给蓄电池充电；若输入功率不足，则蓄电池放电以保证负载运行。
也有一些控制器采用电流、温度因素来补偿内阻损耗引起的蓄电池状态变化。
国外在小型风光互补控制器的控制策略上开展了较多的研究工作。
在传统的浮充充电模式的基础上，注意到将剩余容量（SOC）作为蓄电池充放电管理的判断准则，从负荷用电与系统供电平衡的方面来改善控制器性能和系统性能。
在SOC计算方面，根据有关资料显示，较为普遍接受的方法采用多参数进行准确度补偿。
本项目在吸取国内外最新风光互补储能系统的基础上，提出了采用暂态储能和长期储能结合的模式，采用国产自主知识产权的“龙芯嵌入式SOC”作为系统主控CPU，利用了该SOC芯片的64位DSP运算能力和400M的CPU内核，采用最优化的控制算法，对风光互补储能系统的太阳能光伏、风力车进行最大功率追踪调节，对暂态储能系统和长期储能系统的运行状态进行实时分析和控制，通过高速现场总线将多个目标联系起来，并采用多目标跟踪优化控制的“智能能量控制管理”对系统进行优化的能量分配与平滑，已达到整个系统的最优化。
同时，利用自主知识产权的国产CPU作为核心运算和控制系统，能够有效保证能源的安全，具有重要的战略意义。
1）太阳能光伏电池的基本特性
关于太阳能光伏电池原理、结构的详细讨论不在本项目内容之列，这里只给出光伏电池的等效电路和输出特性。
下图是光伏电池等效电路图，其中：
电流I为太阳能电池输出电流，Id为二极管工作电流，IRsh为漏电流，ILG为光电池电流源，Rsh为光伏电池的并联等效电阻；Rs：
光伏电池的串联等效电阻。
光伏电池的输出特性方程：
并联电阻Rsh较大，不会影响短路电流的数值。
所以下面设计中忽略Rsh，得到简化的光伏电池输出特性方程：
上式中：
I：
光伏电池输出电流；V：
光伏电池输出电压；IOS：
光伏电池暗饱和电流T：
光伏电池的表面温度；k：
波尔兹曼常数（1.38*10-23J/。
K）：
日照强度；q：
单位电荷（1.6*10-19C）；ILG：
光电流；EGO：
半导体材料的禁带宽度；Tr：
参考温度（301.18。
K）；A：
理想因子，一般介于1和2之间。
光伏电池的伏安特性如下图示：
当负载RL从0变化到无穷大时，即可得到如图所示太阳能电池输出特性曲线。
调节负载电阻RL到某一值Rm时，在曲线上得到一点M，其对应的工作电压和工作电流之积最大，即Pm=Im*Vm，将此M点定义为最大功率输出点（MPP）。
2）光伏电池的最大功率跟踪技术
太阳能光伏阵列的输出特性受外界环境的影响具有强烈的非线性，为了提高系统的整体效率，一个重要的途径就是实时调整光伏电池的工作点，进行最大功率点跟踪（MPPT），使之始终工作在最大功率点附近，从而提高光伏电池的转换效率。
MPPT就是一个不断测量和不断调整以达到最优的过程，它不需要知道光伏阵列精确的数学模型，而是在运行过程中不断改变可控参数的整定值，使得当前工作点逐渐向峰值功率点靠近，使光伏系统运作在峰值功率点附近。
下图是太阳能电池阵列带不同负载时工作点示意图。
A、B、C三点分别表示带三个不同负载时的工作点。
点B对应太阳能电池阵列的最大功率点，此时负载阻抗为R。
根据戴维南定理，一定日照强度和温度下的太阳能电池阵列，对外可简化等效为一个电压源与一个电阻的串联电路。
当负载电阻与等效内阻相等时，太阳能输出功率最大。
MPPT的实现实质上是一个动态自寻优过程，通过测量阵列当前的输出电压与电流，得到当前阵列输出功率，再与已被存储的前一时刻功率相比较，得到它们之间的变化关系，决定当前工作点与峰值点的位置关系，然后控制电流（或电压）向当前工作点与峰值功率点移动，最后控制电流（或电压）在峰值功率点附近一定范围内来回摆动。
太阳能电池最大功率点跟踪方法一般有定电压跟踪法、扰动观察法、功率回授法、增量电导法、模糊逻辑控制、滞环比较法、神经元网络控制法、最优梯度法等。
1、定电压跟踪法
如下图所示，当太阳能电池温度一定时，最大功率点近似于一条垂直线。
如太阳能电池不同特性曲线与负载线L的交点即为当前工作点，然而工作点并不正好落在特性曲线的最大功率点处。
为了提高太阳太阳能电池输出能量的利用率，只要保持太阳能电池的输出电压恒定并且等于最大功率点电压Um即可，这就是恒电压跟踪的原理。
定电压跟踪法控制简单、易于实现、稳定性高，但是该种方法忽略了温度对太阳能电池开路电压的影响。
一般硅太阳能电池的开路电压都在较大程度上受结温影响，这表明太阳能电池最大功率点电压Urn将随电池温度的变化而变化，其中对太阳能电池温度影响最大的因素是环境温度和日照温度，因此对于四季温差或日温差较大的地区，定电压跟踪方法并不能完全跟踪太阳能电池阵列最大功率点，从而导致功率损失。
2、扰动观察法
扰动观测法的原理图如下图所示，控制对象可以是太阳能电池的电压或电流，在每个控制周期用较小的步长改变控制对象，改变的步长是一定的，方向可以是增加也可以是减小，这一过程称为“扰动”。
然后，通过比较干扰周期前后太阳能电池阵列的输出功率，如果输出功率增加，则继续按照上一周期的方向继续“干扰”过程，如果输出功率减小，则改变扰动方向。
以此来逼近最大功率点。
扰动观测法最大的优点就是结构简单，被测参数少，容易实现。
但是即使在某一周期太阳能电池阵列运行在最大功率点，由于扰动的存在，下一周期太阳能电池阵列运行点又会偏离最大功率点，所以实际太阳能电池是在最大功率点附近震荡运行，从而导致一些功率损失。
其次是难以选择合适的步长，步长太小跟踪速度慢，步长过大，在最大功率点处的震荡会更加剧烈。
另一方面，当环境因素变化迅速时，DC/DC变换器占空比控制随着环境突变而导致误判。
3、增量电导法
为了解决扰动观测法导致的功率损失问题，K．H．Hussein在1995年提出了增量电导法。
由扰动观察法的示意图可以看出，太阳能电池阵列特性曲线在最大功率点处斜率为零。
即dp／dv=0，由公式P=VI可得：
OP／OV=I+V·OI／OV，所以有OI／OV=-I／V。
该式为判断最大功率点条件，即当输出电导的变化量等于输出电导的负值时就可认为太阳能电池工作在最大功率点处。
而OI／OV>-I／V时，说明P．v曲线斜率大于零，需要减小占空比D来使输出功率增大。
反之则相反。
这就是电导微增法的基本原理。
电导微增法的优点是：
在外界环境发生变化时，太阳能电池阵列输出电压能平稳的追随其变化，而且稳态的电压振荡也较扰动观察法小。
其主要缺点是：
太阳能电池阵列可能存在一个局部的最大功率点，这种算法可能导致系统稳定在一个局部的最大功率点；如同扰动观察法一样，电导微增法的变化步长也是固定的，步长过小会使跟踪速度变慢，太阳能电池阵列较长时间工作在低功率输出区；步长太长，又会使系统振荡加剧，影响跟踪精度。
并且在实现时对传感器的精度要求较高、系统各个部分响应速度比较快。
为了使太阳能电池阵列带任意负载时，都工作在最大功率点，必须在负载和太阳能电池阵列之间加入一个阻抗变换器，其等效电路如下图所示。
设变比K=Vin／Vo，阻抗变换器的效率为l，则RE’=K2RL。
调节变比K便可使RL’=Req从而使太阳能电池输出最大功率。
在设计中阻抗变换器可以采用Buck型DC／DC变换器，通过调节开关管的占空比来调节K值，从而实现最大功率点跟踪。
3）风能及风力发电机最大功率点跟踪技术
同样，关于风机的原理及特性，仅作简单描述：
风力机的输风力机的叶片时，风力机的主要作用是将风能转化为机械能，风力机的机械输出功率可用式子表示为：
上式中，P为风力机的机械输出功率，A为风力机的扫风面积，Cp为风力机的利用系数。
对应于最大的风力机利用系CPm有一个叶尖速比λm，因风速经常变化，为实现风能的最大捕获，风力机应变速运行，以维持叶尖速比λm不变。
在桨距角一定时，风力机的利用系数CP与叶尖速比λ的关系如下图所示。
从上图可以看出，在CP随着五变化的过程中，存在着一点λm可以获得最大风能利用系数CPm，即最大输出功率点。
在某一风速下，风力机的输出机械功率随转速的不同而变化，其中有一个最佳的转速，在该转速下，风力机输出最大机械功率，它与风速的关系是最佳叶尖速比关系；在不同的风速下，均有一个最佳的转速使风力机输出最大机械功率，将这些最大功率点连接起来可以得到一条最大输出机械功率曲线，即最佳功率负载线，处于这条曲线上的任何点，其转速与风速的关系均为最佳叶尖速比关系。
因此在不同风速下控制风力机转速向最佳转速变化就可以实现最大功率控制。
与一般工业控制系统不同，风力发电机组的控制系统是一个综合性复杂控制系统，控制系统不仅要监视风况和机组运行数据，还需要根据风速和风向的变化，对机组进行优化控制，以提高机组的运行效率和发电质量，而这正是风力发电机组控制中的关键技术，现代风力发电机组一般都采用微机控制，如下图所示。
风力发电的最大功率点跟踪（MPPT）控制方法可以大致分为三类：
叶尖速比控制、最大负载功率曲线控制、最大功率点搜索控制。
1、叶尖速比控制
上文已经提到，叶尖速比λ与风能利用系数Cp的关系。
叶尖速比控制是通过测量风速以及风机的转速，控制保持风机的叶尖速比λ为最优值λm，使得在任何风速下都能获得最大的风能利用系数Cp。
这种控制方法需要测量风速和风机的转速，并作为控制系统的输入信号，λm可以通过计算或实验获得。
其控制框图如下图所示。
理论上，叶尖速比控制法非常简单：
只需要测量到达风机叶轮上的风速，然后用它与风力机的转速信号相比较，只要一个PI控制器组成闭环控制系统，使风力机的转速正比于风速而变化，当转速与风速的关系偏离设定比例时，则产生误差信号，得到误差量，经过PI调节器给出发电机可控参数的值，调节发电机的输出电流的大小，最终实现发电机的输出功率的调节。
直到满足设定的比例关系为止，从而实现最佳叶尖速比控制运行。
但是这种控制方法需要精确测量到达风机叶轮上的风速。
由于风速在时间和空间上的随机变化，难以准确测定风速信号，而且要增加系统的硬件投入，加大了投资。
即便利用风速传感器取得风速信号，还必须反映风力机跟踪风向的偏差，否则又会造成误差。
另外，叶尖速比控制的λm在不同的系统中也不相同，它与风机及发电机的特性相关，算法的移植比较困难。
因此叶尖速比控制方法在小型风力发电系统中较少采用。
2、最大负载功率曲线控制
实际应用中可以以发电机输出的电功率来代替机械功率信号，由于风力机输出电压与转速成正比，可得下图所示的P．U特性曲线。
最大负载功率曲线控制的控制思想是已知风机输出的最大负载功率特性曲线，通过控制方法使得风机工作在最大负载功率曲线上。
最大负载功率曲线控制要求事先取得风机转速和最大负载功率之间的关系曲线，然后将最大功率曲线用列表的方式输入系统，就可以用查表法实现，因此实现起来很简单。
不过由于不同的风机的最大负载功率曲线不同，所以算法的移植性较差，而且很难找到风机转速和最大功率之间的准确关系，这样就直接影响控制精度，但控制算法比较简单是他的一个优势。
3、爬山搜索法
爬山搜索法也叫最大功率点搜索控制法。
在某一特定风速下，风机转速与输出功率曲线如前图所示。
从图中可以看出风机的输出功率与风机转速的关系曲线是一个凸函数。
在某一个风机转速下，风机输出功率达到最大值，也就是最大功率点。
爬山搜索法就是通过测量风力发电机组直流侧电压和电流计算输出功率，并以改变直流电压方式间接调整转速达到最大功率点跟踪。
由于该特性曲线与太阳能输出特性曲线类似，相应的跟踪方法也非常相似。
爬山搜索法不需要测风速的设备，也不需要知道风机的准确功率特性曲线，系统有自动跟随与自适应的能力。
但是在这种控制方案控制下，即使风速稳定，发电机最终的功率输出也会有小幅度的波动，这种波动是系统调节上的需要，不可消除的，也是这个控制算法的一个缺点，不过与一般的闭环控制系统不同，风力发电系统由于受风速的随机性与波动性的影响，其输出一般不需要十分高的精度与稳定，所以在允许范围内的小幅度波动是可以接受的。
4）风光互补储能系统的控制策略
由于风光互补发电系统的发电量变化较大、容量不确定等特点,因此对系统的优化控制是系统高质量、可靠运行的关键。
尽管目前对风力发电和太阳能发电控制方面研究较多,但是由于这些研究仅考虑对单机设备的优化,如MPPT控制技术并不能完全适用风光互补储能系统。
因为在负荷较低的时候采用MPPT控制无疑增加了系统的电应力和机械应力。
此外,在风光互补储能系统中各发电设备的负载率、各发电设备应力系数、蓄电池的充电状态（SOC%StateofCharge）等控制指标相互影响、相互制约。
例如,长期储能系统和暂态储能系统作为储能单元，都既可以作为供电设备，又可以成为负载。
因此，如何协调各子系统的关系、平衡各指标之间的影响,达到综合性能最优,是亟待解决的问题。
因此,对于风光互补储能系统,不能仅仅对发电单元、储能单元以及能源变换单元分别进行优化设计,更需要从系统的角度进行优化控制，本项目在采用完全自主知识产权的国产“龙芯嵌入式SOC”作为控制CPU并提出如下目标，：
第一,减小风光发电的不确定性造成的直流母线电压的不稳定，平滑这种波动，提高系统供电质量是系统控制的首要任务。
为此在系统设计时，考虑在风光发电进入储能系统母线时利用暂态储能设备（飞轮储能装置、超级电容储能等）对母线电压进行动态补偿，能够有效稳定风能和太阳能瞬时变化对母线电压所造成的影响。
第二,根据用电负载的变化,对太阳能电池板、风力车、暂态储能设备等各供电单元，按照能量配比进行按比例均流控制，使供电单元的负载均衡。
第三,在系统负载较重时，为获得最大的能量存储，将对风力车和太阳能电池采用最大功率点追踪控制（MPPT）的模式；在用电负荷较小时,将降低太阳能变换器输出电流以及风力发电机的转速，而不必进行最大能量捕获，即采用“低应力”控制模式，即以便延长系统寿命。
第四,提高蓄电池的剩余容量，保证系统供电的可信度。
同时降低蓄电池的充放电次数,防止过充电和过放电。
从而减少蓄电池配置容量,延长蓄电池寿命,降低系统建设成本和运行成本。
5）龙芯SOC在风光互补储能系统的优势及多目标优化控制方法
风光互补储能系统的控制算法复杂，设计到大量的矩阵运算和复杂的方程求解，运算量大，实时性要求高，一般的嵌入式芯片难以完成；同时，能源是国家的基础战略，必须保证具有很高的安全性，因此，国产高性能嵌入式芯片在该项目中具有非常关键的意义。
1、龙芯嵌入式SOC简介
嵌入式龙芯SOC芯片——是在863项目“高速32位嵌入式CPU开发”的基础上研究L*BUS（由AXB、OEB和DCB三总线组成）总线仲裁和互连机制，由中科院计算所自主研发设计的一款高性能、低功耗32位MPSI架构的嵌入式SOC芯片。
该嵌入式SOC芯片将“龙芯1号”CPU核进行改进，并开发丰富的IP核（SDRAM接口、PCI总线接口、LocalBus接口），同时提供一套完善的嵌入式应用系统开发工具，开发出以数控系统为应用背景的开发主板，建立了一套完整的嵌入式芯片（包括SOC）软硬件协同验证环境。
该SOC内嵌的64位类DSP内核，集成“龙芯1号32位CPU核”，并具有PCI、SDRAM、LCD、键盘鼠标、UART、MAC、CAN等丰富的外围接口，是一款适用于嵌入式系统设计的高度集成的SoC芯片，支持Linux、VxWorks、WindowCE等操作系统和EJTAG在线调试功能。
该SoC已形成系列化，采用LQFP256、BGA388等封装形式，功耗0.01~0.9W，工作温度范围-40~85℃（工业级），可单芯片构造计算机应用系统，具有十分广阔的市场前景。
本项目利用了该SOC芯片内置的64位DSP内核和400M的CPU，能够对系统数据进行复杂的算法运算和实时系统控制，提高控制的精度和实时性。
同时充分利用该SOC芯片丰富的外设和接口，实现了字符LED和320X240分辨率的TFT液晶显示；利用该SOC芯片的CAN总线进行内部通信；利用该芯片的PWM信号控制外部均衡器。
2、多目标优化控制
在风光互补储能系统中，为解决前面所述的问题,提出了分布式风光互补储能系统多目标优化控制策略。
对能量平滑、均衡配比、最大功率反馈控制、储能单元能量控制等指标进行动态整体优化，对能量进行智能管理，并对各个子系统进行高效整合和统一规划控制，从而提高储能系统的最优化配置管理，在保证储能与供电质量的前提下，降低储能系统的建设成本与运行成本。
多目标最优化是近20年来迅速发展起来的一门新兴学科。
作为最优化的一个重要分支,它主要研究在某种意义下多个数值目标的同时最优化问题。
多目标最优化在经济、军事等诸多领域都有广泛应用,目前多目标最优化主要应用于模式识别和决策等方面,也有研究表明多目标最优化理论可以成功应用于冗余度机器人的控制方面。
2.1线性加权和法
多目标优化控制可以通过线性加权和法来实现,权系数的大小反映每个优化指标作用的大小；因此线性加权和法可以在多个性能指标之间协调优化,能较好地完成多目标优化控制。
首先确定系统控制目标,即
表示p个系统性能指标,将该系统性能指标集合作标准化处理得到特征向量:
其中
为指标基值。
其次,再按照所有性能指标的重要程度分别乘以权系数
然后相加作为目标函数即：
再对此目标函数在多目标规划的约束集合R上求最优解。
通过对整个系统的能量流进行优化控制,可以在储能配置容量较低水平的基础上保证输出电压的稳定，提高系统的容量可信度，从而综合优化整个系统的控制指标,并降低系统建设及运行成本。
从另一方面看,正是由于分布式风光互补储能系统中直流母线电压波动系数、各发电设备的负载率、各发电设备应力系数、蓄电池的充电状态（SOC）等相互影响、相互制约,使得权系数的选取变得非常困难。
由于权系数直接反映目标函数重要程度，一般说来，重要的目标函数，相应的权系数就要给得大些（≤1）；而不很重要的目标函数，其相应的权系数就要给得小些（≥0）。
权系数的这一特点非常适合模糊算法，因此可以利用模糊推理算法来确定权系数向量。
2.2权系数确定
在模糊推理系统中，取系统性能指标
为模糊系统的输入量,输出量为权系数
。
定义权系数集
为m级权系数,则权系数模糊关系矩阵可以表示为:
则权系数表示为：
复杂系统中的许多优化问题，指标权重以及模糊关系矩阵的确定，往往需要借助遗传算法等加以优化。
3、独立的MPPT跟踪控制
对于风光互补储能系统，要想获得最佳的最大功率点跟踪效果，应该分别对风电和光电进行最大功率点跟踪。
如下图所示，风力发电机和太阳能电池分别经过一个DC／DC的充电控制器实现最大功率点跟踪控制，对蓄电池充电。
蓄电池输出的直流电能通过逆变装置供给交流负载应用。
4、DC/DC转换
直流――直流变换器（DC－DCConverter），其功能是将一种直流电变换为另一种固定或可调电压的直流电，又称为直流斩波器（DCChopper）。
在风光储能系统中大量存在和使用，下面对常见的升压、降压非隔离DC/DC电路做一简单介绍：
4.1BUCK型
是一种降压型DC－DC变换电路，输出电压小于或等于输入电压，输入电流断续。
输出电压Uo=DyUin，占空比Dy=ton/Ts＝0～1。
4.2BOOST型
一种升压型DC－DC变换电路，输出电压大于输入电压，VT的占空比Dy必须小于1，输入电流连续。
输出电压Uo=Uin/（1－Dy）。
此外还有升降压DC/DC和隔离式DC/DC，这里不再赘述。
5、
2、采用物联网理念的大容量储能系统的安全控制与监控管理系统
大容量风光储能系统，因其结构复杂，各部分运行控制原理不同且保持动态相对平衡，因此其储能系统的监控、保护和控制管理就显得十分重要。
上部分已经讨论了大容量储能系统的优化运行和协调控制，本部分将着重描述大容量储能系统的安全控制与监控管理。
本项目采用了先进的物联网技术理念，采用了分布——集中式的智能管理系统，在组成架构上将储能系统的监控管理分成“本地实时管理系统”和“远程集中管理系统”两部分，两者之间通过无线网络进行通信。
如下图所示：
如上图所示，“本地实时管理系统”由大容量储能端的本地电池管理系统、风力车实施监测与控制系统、太阳能实时监测与控制系统、瞬态储能单元实时监测与控制系统等构成，为进一步加强储能系统的安全策略，本项目引入了热成像温度传感器，对储能系统各个子单元系统进行内部测温，能够及早发现隐藏域内部的安全隐患。
同时，系统常规的外部异常，如未授权侵入、雷雨、暴风等进行实施监控。
另外，本项目采用模块化设计，可以很方便的在系统中加入需要的监控单元。
升级会员 