4. 微电网能量管理系统（EMS）架构
聊到微电网，大家首先想到的可能是光伏板、储能电池、风机这些硬件设备。但说实话，真正让微电网“活”起来的，是它的能量管理系统——EMS。我这些年做过的微电网项目，但凡出问题的，十有八九不是设备坏了，而是EMS的逻辑没理顺。
EMS说白了，就是微电网的“大脑”。它负责采集数据、做决策、发指令。没有它，光伏发了电没人管，储能充放电乱套，负荷一波动就可能跳闸。今天我就把EMS的架构掰开揉碎了讲清楚。
4.1 EMS分层架构
我个人习惯把EMS分成三层：现场层、控制层、决策层。为什么这么分？因为每一层干的事不一样，响应速度也不一样。
| 层级 | 名称 | 响应时间 | 主要功能 |
|---|---|---|---|
| 第一层 | 现场层 | 毫秒级 | 设备保护、就地控制 |
| 第二层 | 控制层 | 秒级~分钟级 | 协调控制、功率平衡 |
| 第三层 | 决策层 | 分钟级~小时级 | 优化调度、经济性分析 |
现场层就是那些逆变器、BMS、保护装置。它们反应最快，一旦检测到过流或孤岛，立马跳闸。控制层负责协调，比如储能该充还是该放，PCS怎么分配功率。决策层则考虑更长远的事——明天光伏能发多少电？电价什么时候高？
关键点：这三层不是割裂的。决策层算出来的调度计划，要下发给控制层执行；控制层的实时数据，要反馈给决策层做修正。我见过不少项目，决策层算得天花乱坠，但控制层根本执行不了——因为通信延时太大。
嗯，这里要注意：分层架构的好处是解耦。你换了一台逆变器，不用动上层的调度算法。反过来，你优化了调度策略，也不用改底层设备的保护定值。这就是工程上的“高内聚、低耦合”。
4.2 数据采集与监控（SCADA）
SCADA是EMS的“眼睛”和“耳朵”。没有准确的数据，再牛的算法也是白搭。我在项目中遇到过一件事：某个储能电站，调度算法算出来应该充电，结果实际功率一直上不去。查了半天，发现是电流互感器的接线松了，采集到的电流值只有实际的一半。
SCADA系统通常采集以下几类数据：
- 电气量：电压、电流、功率、频率、功率因数
- 状态量：断路器分合、隔离开关位置、保护动作信号
- 环境量：光照强度、风速、温度、湿度
- 非电气量：SOC（荷电状态）、SOH（健康状态）、电池温度
采集频率也有讲究。电气量一般要100ms一次，用于实时控制。环境量可以慢一些，1分钟一次就够了。SOC这类状态量，5~10秒更新一次就够用。
我的经验：SCADA系统最怕的不是数据少，而是数据“脏”。比如某个传感器坏了，一直报同一个值。你如果不做数据清洗，算法就会认为“一切正常”，然后做出错误决策。我建议在SCADA层就做简单的有效性校验——比如电压超过1.2倍额定值，直接标记为无效数据。
监控界面怎么设计？我个人习惯用“一张图”原则。把微电网的一次接线图画出来，所有关键测点标在上面。颜色也有讲究：正常是绿色，告警是黄色，故障是红色。操作员一看颜色就知道哪里出问题了。
我曾经见过一个项目，监控界面上密密麻麻全是数字，操作员根本看不过来。后来我们重新设计，把最重要的三个指标——系统频率、PCC点功率、储能SOC——放在最显眼的位置。其他数据做成可折叠的，想看再点开。
4.3 功率预测与调度
功率预测是EMS里最有技术含量的部分。说白了，就是猜明天光伏能发多少电，负荷会用多少电。猜得准，调度就做得好；猜不准，储能就可能充不满或者放不完。
预测方法主要有三类：
- 物理模型法：根据气象数据，用光伏组件的物理方程算发电量。精度一般，但不需要历史数据。
- 统计方法：用历史数据做回归分析，比如ARIMA模型。适合有大量历史数据的场景。
- 机器学习法：用LSTM、随机森林等算法。精度最高，但需要大量训练数据和算力。
我个人的建议是：不要迷信任何一种方法。实际项目中，我通常把三种方法的结果做个加权平均。比如晴天时物理模型更准，权重给高一点；阴雨天时统计方法更稳，权重调高。
注意：功率预测的误差是不可避免的。你算出来明天中午光伏能发100kW，实际可能只有80kW。所以调度策略一定要留有余量。我一般建议储能SOC保持在20%~80%之间，这样不管是多发电还是少发电，都有调节空间。
调度策略这块，我把它分成三个时间尺度：
- 日前调度：提前24小时做计划。根据明天的预测数据，安排储能的充放电时段。比如电价高的时段放电，电价低的时段充电。
- 日内滚动调度：每15分钟或1小时更新一次。因为预测会变，调度计划也要跟着调。
- 实时调度：秒级响应。当实际功率和计划偏差太大时，实时调整储能出力。
举个例子。假设明天中午12点到14点电价最高，日前调度就会安排储能在这段时间放电。但到了明天中午，突然来了一片云，光伏出力下降了30%。这时候日内调度就要重新算——要不要减少放电功率？或者从电网买电来补？
我曾经做过一个项目，调度算法里加了一个“预测误差修正”模块。每次实际数据出来后，自动对比预测值和实际值，然后修正下一轮的预测参数。效果还不错，平均预测误差从15%降到了8%左右。
核心思路：调度不是一次算完就完事的。它是一个不断“预测-执行-反馈-修正”的闭环。你想想看，天气预报都经常不准，微电网的功率预测怎么可能100%准确？所以动态调整才是关键。
最后说一句，调度策略的好坏，最终要看经济指标。我一般用两个指标来衡量：自平衡率和运行成本。自平衡率越高，说明微电网对电网的依赖越小；运行成本越低，说明储能充放电策略越优。这两个指标，就是检验EMS水平的试金石。
这张图把EMS的三层架构和数据流向画清楚了。你仔细看，箭头是双向的——上层往下发指令，下层往上反馈数据。这就是我说的“闭环”。
一个小技巧：在实际部署时，我建议把SCADA的数据库单独放一台服务器。别和调度算法混在一起。因为SCADA数据量大、写入频繁，如果和调度算法共用资源，很容易导致算法计算变慢。我曾经吃过这个亏，后来就学乖了。
好了，关于EMS架构就讲这么多。记住三个关键词：分层、采集、预测。这三件事做好了，微电网的EMS就成功了一大半。