考虑风电波动与电动汽车集群储能平抑控制策略

为促进风电在电网中的消纳,减轻配电网负荷压力,提出考虑风电出力波动和电动汽车集群储能系统平抑控制策略.首先,对单体电动汽车入网后行为特性进行储能建模,依据不同荷电状态(SOC)电动汽车有功响应能力,构建电动汽车集群储能模型,基于集群储能能力的差异性,利用多个电动汽车集群协调平抑联络线功率波动.其次,由集群储能系统依据联络线功率平抑波动值进行逐层自适应功率分配,确定各电动汽车蓄电池—超级电容的任务功率,充分利用车网连续调节能力.所提平抑策略可减轻大规模电动汽车连网后配电网中负荷的波动,实现储能系统内部功率相互流动,有效减少常规储能容量配置.     

考虑储能电池SOC状态的风电场功率波动抑制控制

在风电场增设储能系统通过功率的动态补偿可以有效地平抑风电场的功率波动,改善风电电能质量,提高电网的风电接纳能力。综合考虑电池的荷电状态(SOC)和风电场输出功率波动抑制效果,提出了一种模糊自适应的控制策略,通过调节滤波时间常数防止电池的过载,通过在有功功率给定值上加上模糊调整量优化电池的SOC状态。仿真结果表明,该控制策略能够兼顾风电场功率波动抑制效果和储能电池的SOC状态,对储能电池的荷电状态进行优化,达到延长电池寿命的目的。     

考虑广义储能集群参与的配电网协同控制策略

随着需求响应技术的发展,温控负荷、电动汽车等具有灵活调控特性的需求侧资源可作为广义储能参与孤岛配电网的功率波动平抑控制。文章面向空调与电动汽车两类典型的广义储能,提出一种考虑广义储能集群参与的配电网协同控制策略。首先,以负荷聚合商作为控制中心,构建了多元广义储能集群控制架构;其次,分别建立了空调集群与电动汽车集群的广义储能控制模型,在空调群内,计及各空调受控次数的差异,提出改进温度优先序列控制策略,在电动汽车群内,提出了基于荷电状态的功率分配策略;随后,根据空调集群与电动汽车集群的功率响应特性,提出了一种基于低通滤波的多元广义储能协同控制策略;最后,基于Matlab/Simulink的仿真结果验证了所提控制策略的有效性。     

电池储能平抑风电功率波动的预测控制方法

风电波动性和随机性严重影响电力系统安全稳定性。为了平抑风功率波动,提出了一种基于模型预测控制(MPC)原理的平抑风电功率波动的电池储能控制方法。该方法利用风电场超短期功率预测信息,以并网风电功率的波动范围、电池储能荷电状态(SOC)、储能出力大小等为约束,通过滚动优化实现对储能的优化控制。算例表明,该方法既能有效平抑风电功率波动,又能超前控制储能SOC值,维持储能的平滑能力,避免储能过充过放。     

联网型高耗能电解铝工业电网源荷协调平抑风电功率波动控制策略

对于含有大规模新能源接入的联网型高耗能工业电网,新能源功率波动势必产生联络线功率波动以及额外备用容量费用,不利于工业电网经济运行。通过对工业电网内部火电机组与电解铝负荷联合控制进行建模,提出源荷协调平抑风电功率控制策略。基于模型预测控制方法,将电解铝负荷和火电机组调节范围以及响应速率作为约束条件,以平抑风电功率波动为控制目标,优化电解铝负荷和火电机组的有功功率调节量,减少由风电功率波动引起的联络线备用容量。以云南文山地区某个工业电网为例进行仿真,结果表明所提的源荷协调控制策略可以有效实现对工业电网内部风电功率波动的平抑,限制与大电网联络线上的有功功率交换。     

储能系统平抑风电功率波动及容量动态优化控制

在高比例风电主导的可再生能源电力系统中,利用储能系统平抑风电并网功率波动,可提高风电在电网中的渗透率.为避免储能系统过度充放电,提出了储能系统SOC分区控制模型及控制方法.在此基础上,结合风功率预测信息,提出了风储协调动态优化控制策略,采用超前控制及滚动时域优化方法执行储能的动态控制,在控制允许的范围内提前进行充放电....     

基于多场景运行模拟的风-储-车容量随机规划

为提高风电参与能量/调频市场的积极性与灵活性，提出考虑源侧共享储能和荷侧电动汽车(electric vehicle,EV)联合风电集群参与并网的多场景随机规划方法。针对风电出力不确定性，建立预测误差持续性概率模型，结合拉丁超立方分层采样技术和轮盘赌法，控制蒙特卡洛抽样生成大量具有真实风电特征的场景。然后，刻画EV电池运行域，进而评估EV集群的可调节功率和容量，在此基础上，提出一种SOC自适应并入方法以显著降低零散控制复杂度，并建立成本引导下基于利润一致性的共享储能–EV集群间功率分配机制。最后，按照所提协同运行模拟策略，求解多场景下基于运行模拟的共享储能–EV集群容量随机规划模型。算例结果表明：EV集群SOC自适应并入法能够快速有效使集群内单体SOC趋于一体化，可高效参与源荷互动；考虑误差持续性随机规划模型能够有效模拟真实风电特征，并获得具有较好鲁棒性的容量配置，验证了所提方法有效性。     

用于平滑可再生能源出力波动的电池储能系统优化控制策略(英文)

针对国内风电、光伏大规模集中接入电网引起的功率波动问题,提出了一种新型的平抑风电或光伏发电波动的控制策略。提出波动率智能化分段控制平滑时间常数,并与储能SOC反馈控制相结合,解决了既有储能系统低通滤波平滑方法存在的问题,兼顾了储能电池的功率平滑备用,最大限度地发挥储能平滑风电和光伏发电的能力。通过实际风场测试数据进行仿真试验,验证了该控制策略的正确性。依托国家风光储示范工程开展了储能控制系统平台的构建和储能平滑现场试验。试验结果表明,该储能控制有效地抑制了风电和光伏波动,增强了新能源并网的友好性。     

考虑空调负荷的微网联络线功率波动平抑方法

微网与电网并网后,其内部的可再生能源出力波动会对电网造成损害,需要配置储能装置平抑可再生能源出力的波动。作为温控负荷的一种,空调负荷具备一定的热存储能力,可将其视为储能装置。考虑利用空调负荷的储能特性,建立考虑空调负荷的微网联络线功率波动平抑模型。该模型引入不平衡电价对波动进行处罚,在满足用户热舒适度的前提下,通过合理安排空调的启停,平抑微网联络线上的功率波动。以联络线功率购买成本、联络线功率不平衡结算成本、空调用户激励成本等微网综合运行成本最小为目标。对联络线功率波动平抑效果进行了算例仿真,结果验证了所提模型的有效性。     

考虑蓄电池SOC安全范围的混合储能平抑风光功率波动策略

风光互补发电系统输出功率的随机性和间歇性会对局部电网的电能质量造成不利影响。为了解决这一问题,本文提出了考虑蓄电池SOC安全运行范围的混合储能平抑功率波动策略,分析了不同滤波器参数对输出功率的影响,提出了滤波器参数选取原则,给出了带有滤波器时间常数在线调整的功率参考值生成图。最终,通过Matlab/Simulink仿真软件搭建了风光-混合储能系统的仿真模型,对SOC在不同阶段下进行了仿真研究,仿真结果验证了所提出控制方法的可行性和有效性。     

电动汽车虚拟电厂的多时间尺度响应能力评估模型

从电动汽车集群运营商的角度,对电动汽车虚拟电厂(EVPP)参与电力系统优化调度时的多时间尺度响应能力进行评估。首先,考虑包含荷电状态与充放电状态在内的电动汽车时序状态,建立了单一和连续时间断面单体电动汽车响应能力模型。在此基础上,提出了包含日前和日内修正的EVPP多时间尺度响应能力评估模型:在日前利用电动汽车状态预测数据对EVPP日前响应能力进行评估;在日内根据一种综合考虑响应时间裕度和荷电状态裕度指标的EVPP调控策略确定具体调控结果,进而对日前响应能力评估结果进行修正,在有效跟踪系统调控目标的同时实现EVPP响应能力动态更新。最后,以包含3种不同交通用途类型的电动汽车集群为例,验证了EVPP多时间尺度响应能力评估模型及调控策略的有效性。     

规模化电动汽车和风电协同调度的机组组合问题研究

基于电动汽车通过集中控制器与电网交互的模式,考虑集中控制器所辖区域电动汽车负荷每个调度时段的可控特性,提出将集中控制器充电负荷作为机组组合模型的控制变量。通过蒙特卡洛抽样模拟电动汽车并网场景,计算集中控制器的可调度上限值和下限值,建立了规模化电动汽车与风电协同调度的机组组合模型。算例分析结果表明了应用提出的机组组合模型提高风电消纳能力和降低系统运行成本的有效性。     

计及电动汽车与温控负荷需求响应的分层能源系统优化调度

针对电动汽车(electric vehicle,EV)大规模接入电网对电力系统带来的影响,构建了一种基于电动汽车及温控负荷需求响应的分层能源系统管理框架。受到激励的电动汽车集群(electric vehicles, EVs)和温控负荷集群(temperature-controlled load clusters, TCLs)能够快速响应负荷聚合商的调度策略,以此减少大量柔性负荷并网对电网产生的冲击。在基于卷积神经网络和长短期记忆网络混合模型对负荷进行预测的基础上,假设负荷聚合商可通过调度可控柔性负荷来减小实际负荷与预测负荷的误差,并根据制定的负荷调度策略与电力运营商之间进行点对点(peer to peer, P2P)电力交易,运用分布式优化方法求解双方可获得的最大利益。对于P2P交易以后剩余的能源需求,建立了系统运行成本、碳排放和风能溢出的多目标优化模型,采用集中优化的二代非支配排序遗传算法(non dominated sorting genetic algorithm-II, NSGA-Ⅱ)求解该模型的帕累托前沿,并在IEEE 30节点系统进行了算例验证。仿真结果表明,在所提出的能源优化调度策略下既能满足电动汽车和温控负荷的功率需求,也给电力系统带来了良好的经济效益和环境效益。     

计及电动汽车与温控负荷需求响应的分层能源系统优化调度

针对电动汽车(electric vehicle,EV)大规模接入电网对电力系统带来的影响,构建了一种基于电动汽车及温控负荷需求响应的分层能源系统管理框架。受到激励的电动汽车集群(electric vehicles, EVs)和温控负荷集群(temperature-controlled load clusters, TCLs)能够快速响应负荷聚合商的调度策略,以此减少大量柔性负荷并网对电网产生的冲击。在基于卷积神经网络和长短期记忆网络混合模型对负荷进行预测的基础上,假设负荷聚合商可通过调度可控柔性负荷来减小实际负荷与预测负荷的误差,并根据制定的负荷调度策略与电力运营商之间进行点对点(peer to peer, P2P)电力交易,运用分布式优化方法求解双方可获得的最大利益。对于P2P交易以后剩余的能源需求,建立了系统运行成本、碳排放和风能溢出的多目标优化模型,采用集中优化的二代非支配排序遗传算法(non dominated sorting genetic algorithm-II, NSGA-Ⅱ)求解该模型的帕累托前沿,并在IEEE 30节点系统进行了算例验证。仿真结果表明,在所提出的能源优化调度策略下既能满足电动汽车和温控负荷的功率需求,也给电力系统带来了良好的经济效益和环境效益。     

考虑规模化电动汽车与风电接入的随机解耦协同调度

大规模电动汽车并网和风电出力的随机性增加了电力系统安全经济运行的难度。针对风电出力难以预测的特点,同时兼顾电网侧和电动汽车聚合商侧的运行效益,建立了风电、火电以及电动汽车鲁棒双层随机优化调度模型。为了提高求解效率,基于近似Benders算法构建了电动汽车与电网之间的互动关系。此外,针对规模化电动汽车之间难以协同优化的问题,运用辅助问题原理对电动汽车个体之间的耦合关系进行了解耦,将电动汽车群的联合优化转化成为单辆电动汽车调度的并行计算,实现了对电动汽车个体的调度。最后,针对改进的IEEE 39节点算例进行了仿真分析,验证了所提模型和算法的有效性。     

风电和电动汽车组成虚拟电厂参与电力市场的博弈模型

风电与电动汽车(EV)等储能装置联合运行,有助于缓解风电不确定性对电网带来的影响。为了研究风电商与EV聚合商以合作模式组成虚拟电厂(VPP)参与电力市场投标竞争对市场均衡结果的影响,基于寡头竞争的博弈均衡理论,分别建立风电商和EV聚合商以VPP合作模式参与投标竞争,以及以非合作模式独立参与投标竞争的电力市场多时段随机博弈均衡模型,采用场景生成与削减技术计入风速不确定性,并引入投标偏差惩罚机制。根据合作博弈理论,采用Shapley值法对VPP合作收益在风电商和EV聚合商之间进行分配。最后,算例分析验证了模型的合理性和有效性,并表明风电商和EV聚合商以VPP合作模式参与投标竞争时,能有效减少投标偏差,并能增加风电商和EV聚合商各自的利润,因而风电商和EV聚合商具有自愿组成VPP参与电力市场竞争的动机。     

计及电池老化的电动汽车储能频率响应控制

电动汽车入网后,不仅可以作为可控负荷充电,还可以作为分布式储能单元为电网提供辅助调频服务。在满足电动汽车用户充电需求的基础上,充分考虑储能电池循环充放电老化容量的衰减和可接受功率能力的降低,提出了一种计及电池老化衰减的电动汽车储能频率响应控制策略。该控制策略量化分析了电动汽车锂电池老化过程中容量衰减和功率能力变化,精确估计电池储能状态SOC,实时更新电池可接受最大充放电功率,有效避免了辅助调频过程中荷电状态超限和充放电倍率过大对电池造成的不利影响。通过算例分析验证了所提电动汽车储能频率响应控制策略为电网提供辅助调频服务时,在满足用户充电需求的前提下,有效地减缓了电动汽车动力电池寿命的衰减。     

用于平抑风电功率波动的电池储能系统控制策略

摘 要：采用电池储能系统（battery energy storage system,BESS）与风电场形成联合系统可平抑风电功率波动。如何制定BESS的控制策略以有效平抑风电功率波动,进而最大化系统接纳风电的能力是一个值得研究的重要问题。在此背景下,针对采用BESS平抑风电功率波动的控制策略开展研究工作。首先,针对风储联合系统的结构及特性,建立BESS的数学模型。考虑到BESS在当前时段的充放电行为影响其在下一时段的电池状态,在满足电池实际运行约束的前提下,提出用于平抑风电场出力波动的BESS的改进控制策略。之后,发展以风储联合出力波动越限概率最小为目标的BESS优化控制策略,并采用AMPL/CPLEX商业求解器求解。最后,以某风储联合系统为例,对所提出的BESS改进控制策略和优化控制策略平抑风储联合系统整体出力波动的效果进行验证。     

平抑风电波动的混合储能系统控制策略

为了有效平滑风电出力,提出一种针对混合储能系统的双层模糊优化控制策略。利用小波包分解方法将风电场输出功率进行分解,根据混合储能系统特性进行功率分配;采用模糊控制对储能系统的充放电功率和荷电状态进行协调控制,在此基础上以混合储能系统的平均荷电状态及其参考值为输入,采用第二次模糊控制优先对混合储能系统中的超级电容器进行再次充放电功率优化控制,同时实现风电场有功功率的平滑输出;以实际风电场数据为基础,在Matlab/Simulink中搭建数学模型,经过仿真分析证明该控制策略的有效性。