An analysis for the need of a battery energy storage system in tracking wind power schedule output

电池储能系统(battery energy storage system,BESS)在风储联合应用中具有多种功能,利用电池储能系统提高风电并网调度运行能力是当前研究的热点之一.文章基于我国北方某风电场历史运行数据与预测数据,依据预测误差评价指标和风电场预报考核指标的综合评价方法对风电场预测数据进行分析研究,归纳了预测误差的概率分布特征;提出利用电池储能系统提高风电跟踪计划出力能力,统计并量化出电池储能系统用于跟踪计划出力场合的作用范围;通过仿真验证电池储能系统在风储联合系统中提高风电跟踪计划出力控制策略的有效性和可行性.     

考虑峰谷分时电价的风储联合发电系统跟踪风电计划出力控制策略

风电场配置电池储能系统(Battery Energy Storage System,BESS)是提高风电场调度计划精确度的有效手段。为提高风储联合发电系统跟踪调度计划出力能力、增加BESS收益,文章提出了一种基于模型预测控制(Model Predictive Control,MPC)和双层模糊控制的BESS跟踪风电计划出力控制策略。首先,基于MPC方法建立了以并网功率与计划出力偏差、储能系统剩余容量偏离理想值最小为目标;其次,结合BESS实时荷电状态(State of Charge,SOC)与风电功率计划值动态跟踪需求,通过引入第一层模糊控制规则,实时调整目标函数中的权重系数,以获得最佳跟踪效果。同时,为提高BESS收益,结合SOC和峰谷分时电价,采用第二层模糊控制规则,对BESS的充放电功率进行修正;最后,在风储联合发电系统实验平台上对所提控制策略进行了验证,仿真结果表明,与传统MPC方法相比,所提控制策略提高了风储系统跟踪计划出力能力,避免了BESS越限,具有良好的峰谷套利收益。     

双重不确定性预测下风电场超短期有功优化控制

针对风电场并网友好性提升问题,提出考虑风速预测不确定性和风电机组有功特性不确定性的风电场发电能力评估方案。对风速超短期预测误差和风电机组在各风速区间的出力特性进行双重不确定性分析并建立概率分布模型,进而利用贝叶斯网络构建风电机组超短期出力的双重不确定性概率预测模型。基于风电场各风电机机组超短期出力概率预测模型,以最大概率跟踪电网调度指令为目标设计场站功率分配策略。算例分析表明,所提考虑双重不确定性的概率预测模型对机风电组有功的概率分布描述更准确,该模型在场站控制中可有效提升电网功率指令的完成水平。     

基于双时间尺度净负荷预测的储能调峰控制策略

在将风电和负荷作为一个整体的前提下,该文提出一种基于日前和超短期滚动双时间尺度净负荷预测的储能调峰策略。该策略在日前规划阶段,基于日前功率预测以常规调峰机组出力最小为目标优化储能充放电序列,并建立调峰后联络线功率区间;在滚动调节优化阶段,提出一种基于VMD-SaE-ELM的净负荷超短期预测方法,并基于超短期净负荷的预测值和日前建立的功率区间动态调整下一步调峰参考功率以修正储能充放电功率。该策略针对日前和超短期预测阶段的误差均具有很好的容错能力,调峰后净负荷曲线更加平缓。根据实测数据的算例表明,采用所提双时间尺度储能调峰策略能够有效降低净负荷的波动,减小了常规机组的调峰压力。     

基于CEEMD-CNN-BiGRU-RF模型的短期风电功率预测

风电功率的准确预测对电网的安全运行和经济调度起着重要作用,为进一步提高风电功率的预测精度,文章提出了一种基于CEEMD-CNN-BiGRU-RF模型的短期风电功率预测模型。首先,利用完全集成经验模态分解(CEEMD)对风电功率时间序列进行模态分解;其次,对分解的各个风电功率时间序列利用卷积神经网络(CNN)进行特征提取;再次,建立双向门控循环单元(Bi GRU)模型对各个风电功率时间序列进行预测,叠加各个分量的预测值;最后,对误差进行进一步分析与预测,利用随机森林(RF)进行误差修正,得到最终的风电功率预测值。实验仿真表明,该模型的预测效果明显优于传统模型,模型的平均绝对百分比误差(MAPE)仅为2.09%。     

基于分层模型预测控制的源荷协调控制策略研究

风电的随机性和波动性增大了电网系统的调节压力,文章提出一种基于分层模型预测控制的源荷协调控制策略,该策略采用长、短时间尺度的多时间尺度滚动优化控制。长时间优化控制以最小弃风运行成本最优为目标,以长时间风电预测为状态变量,以常规电源功率、高载能负荷功率和风电出力为控制变量,优化求解计划基点。短时间滚动优化控制以风电实际出力与计划出力偏差最小为目标,以短时间风电预测出力为状态变量,以连续可调高载能负荷为控制变量,优化求解控制指令,对预测误差的影响做出修正。采用二次规划法对优化控制模型进行求解。最后以新疆某地区电网为例,验证了所提出控制策略的有效性和可行性。     

基于风电场出力计划的储能系统容量优化

储能系统的引入为风电成为可调度电源提供了可能,但增加了投资成本。文章提出一种基于风电场出力计划的储能系统容量优化方法。首先,利用风电场功率预测误差的标准偏差对风电场出力计划进行优化;其次,以出力计划为风电场出力目标,在风电场实际出力跟踪出力计划允许的误差带宽内,以风电并网条件为约束,用遗传算法确定出储能系统在各时刻的最优出力值,进而考虑储能系统充/放电效率、荷电状态确定出储能系统容量;最后以新疆某风电场为例进行算例分析,结果表明该方法是合理、有效的。     

有功分级平滑修正风电出力短期预测精度

为达到国家电网要求的风电场短期预测(日前)误差不超过25％的技术规定,文章以15 min时间间隔的风电实测和预测功率历史数据为基础,从横向误差和纵向误差的角度,提出了一种利用横向一次修正和储能系统二次修正的有功分级平滑来提高风电功率短期预测精度的方法.通过对误差时间序列进行统计分析,得出所需的横向时间向量将0～24 h预测功率前后平移,实现初级修正;运用储能系统装置,制定储能系统能量管理策略,有效地补偿风电功率的纵向误差,实现二级修正.以风电场的典型历史数据为例,经过两级有功分级修正,对风电功率预测进行较精确评估,同时做了简易的经济评价.     

风氢耦合系统超前控制策略研究

针对风电场计划出力跟踪精度不足、储能系统调控不力、输出功率波动较大的问题,本文提出风氢耦合系统超前控制策略,其中风氢耦合系统由风电机组-电解槽-储氢罐-燃料电池耦合而成.基于氢储能系统状态、超短期预测功率及日前计划出力,制定系统调节策略,提出最大化计划出力跟踪能力、最大化储能系统调节能力以及最小化功率波动平滑加权的目标...     

计及电动汽车需求响应的风储混合系统日前联合优化调度模型

考虑到日前市场风电出力的不确定性,提出一种风储混合系统与电动汽车需求响应资源联合优化的调度模型。该模型调度储能系统和电动汽车同时应用于削峰填谷和跟踪风电计划出力2种模式实现风储混合系统上网收益和惩罚费用之间的协调,从而获得风储混合系统收益最大的联合调度策略。在场景分析法对风电功率建模的基础上,利用Cplex数学优化技术对风储混合系统与电动汽车需求响应资源联合运行的混合整数规划问题进行求解。仿真结果表明,该联合优化调度模型为电动汽车车主带来附加收益的同时能有效提高风电入网的经济性,可为调度电动汽车需求响应资源消纳风电提供重要参考。     

考虑历史相似性加权的超短期风电功率组合预测

提出一种基于历史相似性加权的超短期风电功率组合预测方法。首先,采用数值天气预报数据、风电历史数据分别作为极限学习机、长短期记忆网络的输入特征并产生预测数据;然后,通过加权灰色关联算法提取与待预测点特征近似的历史数据,评估并校正两类预测模型的预测结果。采用美国科罗拉多州某风电场实际运行数据进行训练与验证,并使用不同加权方法进行对比。结果表明,基于历史相似性优化方法可改善预测效果,缩小预测误差分布范围,验证了该文方法的有效性。     

考虑调频可靠性的风储系统多目标优化策略

针对风电强不确定性导致的电力系统频率不稳定问题,提出了考虑调频可靠性的风储系统多目标优化策略,以风电功率预测数据为基础,利用风储系统对电力系统提供频率支撑,保证电力系统频率稳定。该策略包含补偿和调频两个步骤,首先提出基于储能系统的风电预测误差补偿策略,并将风电预测误差补偿至10%以内,同时为风电场预留20%的调频容量。其次,考虑系统调频经济性,提出基于模型预测控制的风储系统参与电力系统频率控制策略,采用风电备用和储能系统进行调频。最后,将上述策略作为约束条件,采用多目标哈里斯鹰算法求解满足上述双目标的储能容量用以验证策略的有效性。仿真结果表明：本文所提调频策略能够在保障调频可靠性的基础上,降低电网频率波动,满足风电系统和电网的高效、安全运行。     

考虑预测误差分析的混合储能补偿优化策略

为提高风电场预测功率精度,对于风电场和混合储能构成的风储混合系统,提出基于预测信息搭建的混合储能补偿方案。首先,依据风电预测误差进行概率统计分析,提出风电功率预测误差的分层补偿策略,制定针对补偿预测误差的允许误差域及置信区间补偿域。其次,利用储能对不同误差层的预测误差给出相应的储能补偿方案,基于小波包分解将超出区域外待补偿预测误差分解,通过不平衡功率DFT分频法确定临界点作为功率型储能和能量型储能的目标分配值,对于荷电状态越限问题通过自适应模糊控制进行二次修正。最后,以新疆某风电场为例进行仿真分析,结果表明所提策略可有效减少风电功率预测误差。     

The energy storage system output control strategy to improve theshort term windpower forecastingaccuracy rate

目前对于储能系统应用于平抑新能源发电的波动性、移峰填谷等场景的控制策略已有文献研究,但对于风功率预测准确率影响风电场效益的机制下储能系统应用的可行性尚未见研究。本文提出了一种以减小风电场短期功率预测偏差为目标的储能系统出力控制策略,控制策略以风电场实时出力数据（秒级）为数据源,采用线性外推加以移动平均优化的方法预测下一时刻风电场出力,通过比较风电场短期功率预测值与实时预测值,计算储能系统期望出力,并根据储能系统不同SOC区间内的出力能力进行约束,输出储能系统出力指令,最后进行了仿真验证。结果表明,本文提出的储能系统出力控制策略,能够使风电场通过配置储能系统,减少短期功率预测准确度考核,对风电场的精益化运行具有指导意义。     

基于信息融合和堆叠模型的超短期风电功率预测

针对超短期风电功率预测,准确捕捉功率变化因素和建立混合预测模型是提高预测精度的有效手段之一。为了能够继承和整合单个模型的优点以及增强历史信息的表示和利用能力,文章提出了一种基于信息融合和堆叠模型的超短期风电功率预测模型。首先,利用相关性方法选择历史功率序列和历史测风塔数据的特征,作为预测模型的输入;然后,建立两层堆叠的集成模型作为预测模型,并使用交叉验证和超参数优化以增强预测模型的泛化性能;最后,以每个基学习器的输出作为元学习器获得最终预测值的新输入。通过东北某风电场真实数据的验证,以及与单一模型、深度神经网络模型和集成学习模型的对比,验证了所提模型的可行性和有效性。     

基于马氏距离相似度量的光伏功率超短期预测方法的研究

提高光伏功率超短期预测精度可有效减小光伏发电并网对电力系统稳定性的影响。文章提出了一种基于马氏距离相似度量的光伏功率超短期预测方法。首先,文章采用Elkan K-means聚类分析方法对天气类型进行划分,并通过计算各气象因素与光伏电站输出功率间的灰色关联度,选出不同天气类型下影响光伏功率的主要气象因素;然后,根据样本日和预测日间主要气象因素的马氏距离选择若干个相似日,并将相似日的光伏功率作为预测模型的训练集,对预测日的光伏功率进行超短期预测。模拟结果表明:基于马氏距离相似度量得到的相似日光伏功率和预测日的相似度较高;将基于马氏距离相似度量得到的相似日光伏功率作为预测模型的训练集,可以提高光伏功率超短期预测精度,为光伏功率预测领域提供了有效的方法。     

基于改进AWNN的风电功率超短期多步预测

为提高风电功率超短期多步预测精度,针对梯度修正学习算法采用随机初始化网络参数训练自适应小波神经网络(AWNN)易陷入局部最优的缺点,将粒子群(PSO)算法和差分进化(DE)算法相结合,提出利用IPSO-DE算法优化AWNN的初始化网络参数,得到改进AWNN模型(IAWNN)并将其用于风电功率超短期多步预测。仿真结果表明:IPSO-DE算法优化AWNN初始化网络参数的性能优于IPSO算法、DE算法和梯度修正学习算法,所提改进模型的多步预测性能优于AWNN模型、持续法(PM)模型和BP神经网络(BPNN)模型。     

基于最优滚动控制域的储能控制策略

针对风电场预测功率与实际功率不匹配以及风力发电不确定性问题,提出一种以补偿风电预测误差和平抑风电波动为目标的储能控制策略。该策略以先进控制理论为基础,结合储能补偿预测区间和储能平抑风电波动区间,提取考虑储能运行成本的储能最优滚动控制域。首先,针对储能补偿预测误差目标,制定储能控制策略,提取允许误差内的储能补偿区间;其次,考虑风电功率波动要求及荷电状态（SOC）约束,采用模型预测控制求解出储能滚动控制序列,确定储能平抑区间。最后,考虑储能运行成本,将补偿区间和平抑区间相结合,制定储能最优滚动控制区间,以此为基础确定储能容量。以中国新疆某风电场为例,对该文提出的储能控制策略与传统控制策略进行对比验证,验证所提策略的可行性和有效性。