风电场混合储能的小波包-SOC分区功率控制

大规模可再生能源并网引起的一系列问题使得储能技术成为未来能源转型的重要依托与突破方向。为减小系统调节压力,采用蓄电池和超级电容组成混合储能以补偿风功率预测误差。利用小波包分解可获取信号更多细节信息的优势,根据混合储能的性能特点和响应速度,确定分解层次并实现混合储能充放电功率的初始分配。考虑实际应用中容量约束,提出荷电状态(SOC)分区功率控制策略对储能的功率指令进行修正,实现充放电功率的优化分配,提高补偿效果。应用结果表明,所提策略能够充分利用混合储能互补的性能优势有效补偿风功率预测误差,同时保证储能的长期稳定运行。     

基于鸡群算法的断面传输极限的自动搜索断面研究

断面是电网的薄弱环节,而断面的识别通常需要大量人工计算,针对此局限,提出了基于鸡群优化算法的断面传输极限的自动搜索断面法,首先利用Dijkstra算法对电网进行分区,将各区域之间的联络线作为初始断面,再根据支路开断分布系数与潮流方向从初始断面中识别出输电断面,在计算输电断面的热稳定极限时,通过功率灵敏度得到各发电机出力对线路功率的控制,以断面在正常运行状况下所能传输的最大功率为目标函数,以断面各线路依次为目标线路,控制发电机的出力,满足全网线路热稳定以及发电机出力约束,通过鸡群优化算法得到断面各目标线路最大传输功率极限,最后取各目标线路传输极限中的最小值为断面传输极限,从而得到关键断面。在IEEE 39节点系统中验证了所提方法的有效性。     

基于滑动平均与小波包分解的混合储能容量优化

采用蓄电池和超级电容组成的混合储能平抑风电功率波动,提高风电并网运行能力。首先,根据风电场历史数据,结合风电并网波动标准,采用滑动平均法对原始功率进行分解,得到风电并网功率和储能功率;其次,利用小波包分解法的高时频分辨率优点,将储能功率信号分解,得到低频分量和高频分量,分别作为蓄电池和超级电容的功率指令。基于储能寿命量化模型,建立以储能年均综合成本最小为目标函数的容量优化配置模型。实例验证了所提方法有效性和经济实用性,为风电场储能规划设计提供了一定的理论依据。     

用于补偿风电预测误差的混合储能容量配置及成本分析

为大型风电场配置适当容量的储能系统,可以有效提高电网对风电的接纳能力。文中提出了一种由压缩空气储能和蓄电池组成的新型混合储能系统,并将其用于平衡风功率和风电场预测功率之间的偏差。基于低通滤波方法将功率偏差进行分解,得到两类储能系统的控制输出功率,以采取相应的控制机制补偿预测误差。在计及蓄电池损耗特性的基础上,建立了蓄电池的寿命评估模型。通过分析混合储能系统的成本结构,建立了该系统的全寿命周期成本计算模型。以典型风电场为例对不同储能方案进行的对比分析验证了所述模型和方法的可行性。算例结果表明,与单一蓄电池储能相比,采用新型混合储能系统可以有效利用压缩空气储能成本低、寿命长的优势,减少对蓄电池的容量配置,提高储能系统的经济性。     

基于双蓄电池组的微电网两阶段调度优化模型及控制策略

针对微电网应用中储能寿命损耗成本过高的瓶颈问题,提出了基[JP2]于双蓄电池组的日前日内两阶段协调调度模型与控制策略。在日前阶段,综合考虑日前预测数据、储能装置寿命及市场电价,建立了以微电网运行总成本最低为目标的经济调度模型,并利用随机权重粒子群优化算法求解该模型。在日内阶段,为应对间歇性分布式电源预测误差引起的联络线功率波动,构建了基于双蓄电池组拓扑结构的储能系统,根据蓄电池特性设计了实时控制策略,即两组蓄电池分别作为放电组、充电组,交替补偿联络线功率的正、负偏差,当任一组蓄电池达到其荷电状态的上、下限,则同时交换两组蓄电池的充、放电状态。最后,以某园区的示范微电网作为分析对象,通过实际算例验证了日前优化模型及算法的有效性,并证明了基于双蓄电池组的日内实时控制策略能有效延长蓄电池循环寿命,提高系统的经济性。     

含可再生能源的微电网分时间尺度储能方案

为提高微电网的可再生能源消纳能力,提出一种基于分时间尺度储能的微电网经济调度模型,包括日前计划和日内实时修正两个阶段。采用新型压缩空气储能参与日前调度,综合考虑经济成本、环保、电价峰谷差及储能寿命损耗,建立了以综合成本最低为目标函数的最优经济调度模型。在日内阶段,根据可再生能源预测误差,考虑置信水平配置一定容量的蓄电池对运行计划进行实时修正,并校验补偿效果。通过对某示范微电网的算例仿真,验证了所提储能方案具有较强的削峰填谷能力,并且对可再生能源功率波动具有较好的平抑效果。最后,对不同储能方案的对比分析表明了本文储能方案的可行性与成本优势。     

基于极点对称模态分解和需求响应的风电消纳策略

在全球能源互联网的大背景下,风力发电作为一种清洁能源受到重视。由于风电的波动性对电力系统的经济、稳定运行造成强烈的冲击,弃风情况日益严峻。文章提出一种新的风电消纳策略,采用极点对称模态分解(extremepoint symmetric mode decomposition,ESM D)把原始风电出力分解为光滑的出力曲线和波动分量,使用混合储能吸收其波动分量,同时在系统运行中通过需求响应消纳更多的风电。针对粒子群算法容易陷入局部最优的缺点,将莱维飞行引入粒子群算法以增强粒子跳出"早熟"的能力。算例结果证明了这种风电消纳策略的有效性,即在维持一定的运行费用的同时,利用混合储能和需求响应,提高系统的风电消纳能力。