计及储能出力水平的平滑风电功率模型预测控制策略EI北大核心CSCD

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。     

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。     

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。     

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。     

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。     

基于超短期风电功率预测的混合储能控制策略研究

为了改善风机出力特性,提出了一种基于超短期风电功率预测的混合储能控制策略。首先,利用解析模态分解方法从风电信号中提取低频信号,采用了一种改进布谷鸟方法优化支持向量机的惩罚因子参数和核函数参数进行超短期功率预测;然后,对低频预测信号建立1 min时间尺度和30 min时间尺度的功率波动并网指标,判断是否触发蓄电池动作,若动作,采用AMD分解自适应调整低频预测信号的截止频率,直到满足并网要求,确定蓄电池补偿功率指令。最后根据蓄电池荷电状态和补偿功率指令自适应调节原始风电信号截止频率,高频信号通过模糊控制由超级电容器补偿。仿真算例表明,该方法可以有效平滑功率波动,减少蓄电池的循环次数,同时保证了蓄电池储能的平滑能力,避免过充过放,延长蓄电池的寿命。     

计及湍流强度的风电功率短期预测

由于风能具有波动性、间歇性和不可控等特点,为了提高风电输出功率的预测精度,提出一种计及湍流强度的时间卷积网络预测方法。为了更好地表征风速波动特征,在气象数据中引入湍流强度变量,同时使用最新的时间卷积网络架构模型提高预测精确度。为验证该预测模型的有效性,对比了输入变量加入湍流强度前后的预测效果,以及采用反向传播神经网络和长短时间记忆神经网络预测的效果。采用实际数据的预测结果表明,所提方法的网络结构简单,提取信息方式直接,记忆区域长短可调,且预测精度较高。     

结合风功率预测及储能能量状态的模糊控制策略平滑风电出力

在风电并网处加入储能系统,可以有效地平滑风力发电系统的并网功率,满足电网规定的波动范围。而基于储能荷电能量反馈的储能控制策略,可以在保证并网功率要求的同时,尽量避免储能电池过度充/放。在此基础上,提出一种基于相空间重构–随机森林风功率预测模型和储能荷电能量反馈的模糊控制策略。基于预测未来风功率变化评估功率波动水平,并结合储能当前荷电状态,利用模糊控制器调节储能系统出力。在保证风电平滑前提下,减少储能电池进入平抑能力死区时间,维持储能系统平抑波动水平。最后,通过将仿真算例结果和传统方法对比,验证了所提控制策略的优越性,即可以在相同储能配置比例下达到更低的功率波动指标要求和更少的储能死区时间。     

计及空间相关性的轻量级风电功率预测方法

针对风电功率预测数据高维灾难以及云计算的通信依赖问题,提出一种风电功率的属地边端轻量级预测方法。采用KNN算法计算风机间的距离量化空间相关性,并引入轮廓系数自适应地确定近邻数k以降低冗余特征维度,从而确定输入目标预测风机的邻近风机数据;基于Seq2Seq结构的GRU-MLP网络完成各台风机的风电功率预测。实验结果表明,在预测准确率近似的条件下所提方法相较于常规网络复杂度小、效率更高,可为风电场功率预测任务从云端向边缘迁移提供技术方案。     

计及风电场状态的风电功率超短期预测

风电功率的随机波动性是风电功率预测精度提高的瓶颈问题。一方面,风速的波动性使得风电功率是波动的;另一方面,风电场将风能转化为电能的能力也会在一定程度上造成风电功率波动。该文首先分析在功率预测中计及风电场状态的必要性,然后利用随机矩阵理论评估风电场状态,以此为基础提出计及风电场状态的风电功率超短期预测方法。算例结果表明,该方法可以有效的提升风电功率超短期预测精度。     

计及样本容量合理性的风电功率预测考核算法

在风功率预测误差服从正态分布的基础上,首先,提出了在给定置信水平、最大允许误差下最小样本容量的计算方法,以及在给定误差范围、样本容量下估计值置信水平的计算方法。其次,针对典型显著性水平、误差范围进行分析,论证了当样本容量较小时,样本统计指标置信水平低,无法代表总体指标。最后,提出了计及样本容量合理性的日前风电功率预测准确率考核算法,实际算例表明,所提考核算法更科学合理,避免了不合理的考核罚款。     

风电功率预测偏差管理与申报出力决策

风电功率的预测偏差会产生大量的自动发电控制（automatic generation control,AGC）调节费用。如何采用政策激励来提高风电预测准确性对电网安全与经济运行具有重大意义。研究了上网风电预测准确性考核管理与风电场最佳功率申报问题。借鉴当前电网调度公司对常规电源发电功率考核的方法,提出了考核风电功率预测...     

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。     

适用于风电功率调控的复合储能系统及其控制策略

复合储能系统能够发挥不同储能方式的优势,有效提高储能系统的综合性能。针对并网风电功率调控目标,考虑不同储能方式的特性,构建一种基于蓄电池和飞轮储能的复合储能系统结构和数学模型,并重点研究其控制策略。通过合理设计中央管理层的控制策略,可以保障复合储能系统安全稳定运行,并对其吞吐功率进行优化,从而能够提高风电功率的调控效果;对于储能单元控制器,提出了蓄电池的功率和能量两种激活模式,并结合多模态电流滞环控制方法,实现功率在复合储能系统的各储能单元间合理流动。仿真结果表明,所提复合储能系统及其控制策略是可行有效的。     

应用储能系统补偿风电功率预测误差综述

针对风电功率随机性、波动性以及不确定性对电力系统安全稳定运行的影响,风电功率预测误差使大规模风电并网难度增大的现状,根据储能系统具有响应速度快及对能量进行时空平移的特点,在分析风电功率预测误差分布规律的基础上,对储能系统类型的选择、补偿控制策略设计、储能系统功率容量配置等研究成果及发展现状进行了综述,并对未来应用储能系统补偿风电功率预测误差等多方面的关键技术进行了展望。     

考虑风电功率预测的分散式风电场无功控制策略

分散式风电接网模式可以解决集中式并网限电等问题,但对配电网传统运行模式带来挑战。为解决其经济稳定运行难题,提出了一种包含无功预测、无功整定、无功分配的三层新型分散式风电场无功协调控制策略。其中,无功预测层利用物理和统计方法组合预测单台机组未来无功输出能力;无功整定层针对有无无功补偿设备,提出风电机组基于电网无功缺额降出力的自身补偿和多时间尺度协调离散补偿设备、静止无功发生器(SVG)与风电机组共同补偿配电网无功需求方法;无功分配层基于风电功率预测无功功率信息,考虑风速波动性,按照优先级动态筛选风电机组,调节其输出功率以跟踪无功补偿指令。工程算例证明了所提策略可以有效提高电压支撑能力,减小风电场损耗。     

基于目标参数和储能容量约束的风电功率平滑策略

针对功率平滑目标参数要求和储能系统容量限制2个约束条件,提出3种风电功率平滑控制策略,并分析各策略的特点及适用场合。其中,基于目标参数要求的功率平滑控制策略采用功率波动限值均匀化分布处理方法来平抑风电功率中的高频分量;基于储能系统容量约束的功率平滑控制策略以储能系统的存电量作为平滑控制决策参数,可极大地提高储能系统的利用效率;而兼顾目标参数要求和储能系统容量约束的功率平滑控制策略采用部分弃风和暂时解列离网技术,可较好地解决储能系统容量不足的问题。在建立风电-蓄能系统功率平滑控制系统模型的基础上,给出3种控制策略相应的控制算法,并进行算例仿真分析。仿真结果表明,3种控制策略的平滑效果均较好。