风电功率波动平抑下储能出力与平滑能力的动态优化控制策略

风电场并网处布置储能系统能改善并网经济性,平抑风电并网功率波动。然而,储能出力优化电网运行性能受储能系统的功率、容量和能量状态等诸多因素影响。本文引入储能电池出力能力指标,设计了保护储能电池和保障并网功率平衡能力的多目标优化模型,提出一种基于储能荷电状态模糊动态调节的模型预测控制策略,在整体上保证储能出力最小水平,在局部储能高充/放电区域的时段内提高储能充/放电出力能力,并将本文方法与传统模型预测方法进行仿真对比。结果表明,在相同储能配置比例下,本文方法能有效平抑风电功率波动,综合指标均优于传统模型预测方法,在优化负荷功率波动的同时也提高了储能系统的功率支撑能力,平衡了储能输出和平滑能力的矛盾。     

电池储能系统平滑风电功率控制策略

风电功率具有随机性与波动性,为减小风电功率波动对电网带来的不利影响、减小风电功率分钟级的波动量,采取一阶低通滤波器并利用电池储能系统对风电功率进行平滑控制。根据风电功率的平滑效果,选取合适的平滑时间常数,分析储能容量与平滑时间常数之间的关系,并根据单位储能平滑率选取合适的储能平滑时间常数,可为风电场通过配置储能系统平滑风电功率提供参考。     

计及储能出力水平的平滑风电功率模型预测控制策略

风电大规模并网的有功功率波动给电力系统造成了较大的影响,在风电场并网处加入储能系统可有效平抑风电并网功率波动,提高风电在电网中的渗透率。在储能电池平滑风电功率波动的典型应用场景下,提出了一种计及储能电池出力能力的模型预测控制方法,在减小储能电池出力的同时,兼顾电网对储能系统充放电能力的需求。首先,利用风储发电系统的数学模型,分析储能电池当前输出功率对未来出力能力的影响;然后,设计以储能电池最小出力和最大出力能力为运行原则的模型预测控制策略;最后,基于实际风场数据进行了仿真。结果表明,所提方法可有效降低风电并网功率波动,提高储能电池出力能力,减小储能电池进入死区时间。     

计及谷时段风电消纳的储能系统平抑风电功率波动控制策略

储能系统(energy storage system, ESS)仅参与平抑风电功率波动为单一场景的控制策略,存在ESS频繁充放电以及不能有效解决负荷低谷时段风电消纳等问题。为此,提出了一种计及谷时段风电消纳的ESS平抑风电功率波动控制策略。首先,根据风电特性与负荷需求的时序关系,确定ESS在一个周期内的充电和放电区间段。其次,提出了分区间控制的ESS控制策略,在充电区间段以平抑风电功率向上波动为目标存储电量;在放电区间段以平抑风电功率向下波动为目标释放电量。最后,考虑ESS的实时荷电状态(state of charge, SOC)和风电消纳,提出了基于模糊控制的ESS充放电功率修正方法。以某风电场实际数据为例,在风储联合发电系统仿真平台上进行了测试,验证了所提运行策略的可行性和优越性。     

基于相空间重构的风电功率波动特性分析及其对预测误差影响EI北大核心CSCD

精确的风电功率预测是保证含大规模风电电力系统安全稳定运行的重要基础。为提高风电功率预测精度,已开展了诸多研究,新的预测方法不断涌现。但任何方法都无法保证无差预报,究其原因,风电功率的预测精度不但和预测方法有关,还与风电功率波动特性有关。该文阐述了评价风电功率波动特性的必要性;在相空间重构基础上,利用递归图和递归率对风电功率时间序列波动特性分别进行了定性和定量的刻画,以表征风电功率波动新模态产生的机率;分析了不同空间尺度下递归率的变化规律,建立了分析风电功率时间序列波动特性与预测误差关系的方法,最后给出了利用递归率为风电场管理机构确定切实可行且公平的预测精度考核指标提供依据的方法。文章算例说明了方法的有效性。     

面向风电功率波动平抑的储能系统鲁棒模型预测控制

作为支撑新能源高比例消纳的重要灵活性资源，储能可有效应对强不确定性的风力发电对电力系统安全稳定运行的影响。提出了一种面向功率平抑的风-储系统鲁棒模型预测控制技术。首先，为考虑风力发电的不确定性，避免预测误差的参数化先验假设，采用盒式不确定性集来对风电出力进行建模。其次，建立了包含并网功率波动均值、储能电站运行充放电总能量、储能电站出力系数的风电功率波动平抑效果评价指标。然后，建立了面向功率平抑的风-储系统运行双层优化模型。为提高双层不确定性优化模型的可求解性，采用强对偶理论将原双层模型变换为单层确定性优化模型，并通过大M法用一组线性不等式约束来代替双线性约束。最后，算例分析验证了所提方法的有效性。     

考虑误差时序–条件性质的短期风电功率概率预测EI北大核心CSCD

风电功率短期概率预测具有条件相依特性和时序相依特性。同时考虑两种特征可提高预测水平,但需解决二次样本分离带来的拟合概率分布函数在显著性与稳定性之间的矛盾。文章提出了弱时序性-强条件性历史样本分离方法,并提出一种基于随机森林算法的待预测日模糊分类方法,最后给出了考虑两种性质耦合的概率预测方法。测试表明,该方法可同时保证子样本集的统计学显著性与拟合稳定性,提高了待预测日分类准确度,概率预测的结果相较于考虑单一性质在多项评价指标上表现较好。     

提高风储发电经济性的双储能系统模型预测控制方法

储能系统可以有效降低风电规模化接入对电力系统造成的影响。在储能电池平滑风电功率波动的典型应用场景下,单储能频繁充放电切换将影响储能电池的使用年限,降低经济性。因此,文中提出了一种双储能电池的模型预测控制方法。首先,建立双储能风力发电系统的数学模型,分析储能输出功率对未来出力能力的影响;然后,设计以储能出力最优和基于储能能量状态改变双储能出力约束的模型预测控制策略;最后,利用实际风场数据,与单一储能模型预测控制对比,仿真结果表明在相同储能容量和平滑效果下,所提方法显著地降低了储能充放电切换,延长储能使用周期,并通过分析储能运行成本的经济性,验证了所提方法的优越性。     

寒潮天气小样本条件下的短期风电功率组合预测EI北大核心CSCD

寒潮作为一种典型气象灾害,其对风电以及以风电主体的新型电力系统的安全运行带来了极大挑战,而针对性的提供准确的风电功率预测将是有效的应对措施。为此,该文提出一种寒潮天气小样本条件下的短期风电功率组合预测方法。首先定义寒潮天气事件并分析风电出力特点。针对寒潮天气下样本数据稀缺而难以建模的问题,采用TimeGAN算法来丰富气象和功率样本。然后,分别基于XGBoost和Transformer算法建立风电功率基准值和损失值预测模型,以量化表征寒潮天气下的理论出力和功率缺额。另外,结合风机保护控制参数,提出一种基于注意力机制的Seq2Seq二分类模型来预判功率损失是否发生,通过提取风电功率损失时段进行针对性组合预测。最后,分别通过以大风、强降雨、大风与强降雨相结合为代表气象的寒潮天气事件进行测试,相比于常规预测模式,该文方法在寒潮天气下表现出良好的预测性能。     

基于附加风功率预测的风电功率波动平滑控制

为改善风电场出力平滑性,提高电网调峰能力,在现有电池储能系统(battery energy storage system,BESS)平滑风电功率波动控制策略的基础上,提出了一种基于附加风功率预测的BESS平滑风电功率波动的并网控制策略。该方法在不改变BESS现有平滑控制策略的基础上,将风电功率超短期预测技术应用于平滑控制,考虑了未来的风电出力波动对BESS的当前充/放电行为的影响,在满足风电场出力波动限制要求的基础上,优化BESS充/放电动作,防止BESS过充/放电,延长BESS的使用寿命。该控制策略包括3部分:现有平滑控制部分、附加风功率预测控制部分和总体修正部分。利用某地实测数据对某风电场与BESS联合系统进行了研究,结果证明了该控制策略的有效性。研究结果对BESS的工程应用具有指导作用。     

风电功率波动平抑下的MPC双储能控制策略研究

风电的规模化接入对电力系统造成了较大影响,应用储能进行风电功率波动的平抑可以提高其并网可信度。首先,应用模型预测控制算法平抑风电波动以达到其并网要求;然后,针对单组储能功率频繁充放电的情况,应用两组不同充放电状态的储能平抑风电波动,当一组储能处于充电时,另一组放电,其中任意一组达到SOC约束时,两组储能同时切换充放电状态;最后,从储能的经济性成本方面进行分析,通过与单组储能的对比证明了其优越性。     

风电功率GARCH预测模型的应用研究

根据风速变化的特点,选择了适于描述波动变化特性时间序列的GARCH方法.分析风速小时变化曲线的残差项,发现其存在着ARCH效应,满足ARCH的建模条件.采用美国夏威夷岛Lalamilo的风速数据,建立了ARCH和GARCH风速变化时间序列模型,预测目的日逐点预测误差的平均值为25.1%.经过与ARIMA算法的比较,预测的精度有所提高.运用风电机组出力与风速的关系,转换后得到了所需要的风电机组出力.对集群性不同的时间序列进行了多次数值计算,发现GARCH模型对波动性序列具有更好的适应性.     

风电功率GARCH预测模型的应用研究

根据风速变化的特点, 选择了适于描述波动变化特性时间序列的GARCH方法。分析风速小时变化曲线的残差项, 发现其存在着ARCH效应, 满足ARCH的建模条件。采用美国夏威夷岛Lalamilo的风速数据, 建立了ARCH和GARCH风速变化时间序列模型, 预测日的日逐点预测误差的平均值为25.1%。经过与ARIMA算法的比较, 预测的精度有所提高。运用风电机组出力与风速的关系, 转换后得到了所需要的风电机组出力。对集群性不同的时间序列进行了多次数值计算, 发现GARCH模型对波动性序列具有更好的适应性。     

基于云模型的风电功率平滑控制策略研究

大规模风力发电并网已经是新能源发展的必然趋势。利用储能装置平抑风力发电系统的输出功率已经成为风电系统不可或缺的一部分。由于风电功率的波动性大和随机性强等特点,传统的一阶低通滤波器控制策略具有一定的局限性,导致储能系统容量配置过高或利用率过低。本文将云模型控制策略引入风光储能系统中,利用一维云模型调整惯性滤波器的时间常数,进而实现风电功率的平滑控制,并与传统的定时间常数惯性滤波功率平滑方法进行了对比。仿真结果表明,在满足风电系统并网要求的前提下,基于云模型的平滑控制策略可以有效优化储能系统容量,降低了风储联合系统的成本。     

BP神经网络的分层优化研究及其在风电功率预测中的应用北大核心CSCD

为改善BP神经网络算法需要大量训练数据和预测精度有限等问题,提出了以输入层、隐含层和输出层为目标的分层优化思路。首先,利用灰色模型良好的小数据趋势辨别能力对输入层数据进行处理,以更好地提炼数据内部蕴含的数学规律,压缩神经网络所需训练数据样本数量;然后,利用遗传算法优越的全局寻优能力确定隐含层的初始权值和阈值,抑制神经网络隐含层参数无法准确获取所导致的误差较大和泛化能力弱的问题;最后,采用蚁群优化算法对输出层数据进行优化,以进一步改善神经网络模型的计算精度。以波动性较强的风电功率进行算例验证,结果表明,所提基于分层优化思想的神经网络算法,能在减小预测误差的同时,降低神经网络所需样本量并增强其泛化能力。     

基于风电功率预测的复合储能超前优化控制策略

超短期风电功率预测的可靠性及精度均逐步提升,文中将其引入风电场复合储能系统(HESS)控制过程,并利用预测功率信息提出了HESS超前优化控制策略。通过相邻充放电区间时长的概率分布统计,确定预测信息的时长区间,并将其作为优化控制策略中的超前控制时间区间;通过分析影响HESS运行效率的主要约束,构建了高效的HESS充放电控制策略;以荷电状态偏移方差最小为目标函数,构建HESS各存储介质同步启动情况下的优化控制模型,并考虑充放电功率和容量限值约束,获取未来时间区间HESS介质的充放电功率控制模式;最后,给出了求解算法和实现步骤。以实际风电场运行数据进行算例分析,计算结果表明本文所提方法可有效实现HESS的高效控制,具有一定实际应用价值。     

含超短期风功率预测增强处理的风储系统超前滚动优化控制策略

因风电固有的高不确定性与强随机性的特点,在电力市场中难以与传统机组相竞争,影响其大规模地接入电网.为提高风电跟踪计划出力能力与市场竞争力,首先结合电池储能系统,考虑风储系统运行约束,建立了以区域发电机组并网要求下惩罚电量与电池吞吐量最小为目标的优化模型;其次利用卡尔曼滤波算法对超短期风电功率预测数据进行增强处理,提高预...     

低频工况下MMC模型预测控制策略EI北大核心CSCD

模块化多电平换流器(modular multilevel converter,MMC)在船舶电力推进系统、电力传动以及变频驱动等领域有着广泛的应用前景。然而,MMC在启动或低频运行时,子模块(sub-module,SM)电容电压波动急剧增大,严重危害了MMC系统的安全运行。文中提出一种MMC低频SM电容电压波动抑制的模型预测控制策略。建立含共模电压的电流预测模型及桥臂电压差预测模型,构建统一控制代价函数对参考值与实测值的误差进行评估。在滚动优化中采用2N+1电平输出方式,可为低频MMC的最优控制提供更多的选择自由度。为验证所提控制策略的可行性与有效性,对其进行仿真和实验研究。结果表明,所提的控制策略能有效抑制低频时MMC子模块电压的波动,降低系统输出电流谐波含量,提升MMC系统安全运行能力。     

平抑风电功率波动的新型储能系统控制策略

风电功率波动率是并网考核的重要内容之一,并网功率波动率过高将影响电力系统正常运行,基于传统混合储能系统,提出了一种“一组超级电容器+三组蓄电池”组成的新型混合储能系统。其中,超级电容器用于平抑高频功率波动,两组蓄电池作为充放组用于交替平抑低频正、负功率波动,另外一组蓄电池作为补充组,当充放组蓄电池达到满充、满放时接替其工作。在计及蓄电池寿命损耗的基础上,建立了储能系统成本模型。仿真分析表明本方案可实现风电功率波动率的优化,且相较于对比方案,本方案可有效提高蓄电池使用寿命从而降低成本投资。