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。     

用于风电场发电计划跟踪的复合储能控制策略

针对风电功率预测不准确和调控能力差导致的风电场调度困难问题,研究利用复合储能系统(HESS)提高风电场发电计划跟踪能力的优化控制方法。首先,考虑电池储能(BESS)的性能特点和受到的多种约束,根据超短期风电功率预测结果和发电计划,构建较长时间尺度下的BESS多目标滚动优化运行模型,并利用改进的非支配排序遗传算法(NSGA-Ⅱ)进行求解;然后,采用模糊控制方法,结合风电场功率的实时采样值,对飞轮储能(FESS)功率进行控制,实时补偿由预测误差和BESS相关约束导致的风/储联合功率与发电计划的偏差。最后,利用风电场实测数据开展仿真分析,对不同BESS优化运行方案下HESS的调控效果进行对比研究。     

混合储能提高风出力预测精度研究

风气象信息精细化程度不够造成风电场风出力预测精度低,给电网调度增加了难度,采用储能装置可提高预测精度,但是合理又经济地配置储能容量较困难。文章提出在风电场中配置蓄电池和超级电容器混合储能系统,提高风电场日前预报精度;通过高通滤波器得到误差变化较快的成分,由超级电容器来弥补;由蓄电池来弥补剩余变化较慢的误差成分。综合考虑这些误差变化特点及储能充放电功率发生概率特点,合理选取储能额定容量,并且分别搭建了超级电容器和蓄电池储能系统模糊控制规则库,根据各自荷电状态SOC优化分配混合储能充放电功率。最后对新疆某风电场并入混合储能进行了仿真分析,结果表明:采用模糊控制策略的混合储能系统能够更显著有效地提高风出力短期预测精度。     

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.     

超短期最优预报下风电场功率预制修正策略

文章兼用软硬件方法对风电场功率预报进行修正,针对数值天气预报存在一定误差、风能输出功率波动较大、较难精确获取风速与发电机功率输出之间动态关系模型等关键问题,基于数值天气预报历史统计数据,利用BP神经网络,结合前一时段实际风速及输出功率对预制功率进行分时段误差动态修正,提出提高风电场风电功率预报准确度的风储系统,建立改进的风电功率预报系统;同时基于风电场输出功率历史统计数据,利用数理统计方法确定应用于风电场功率预制误差二次修正的储能电池最佳容量,以此提高风电场功率预报精度,达到最优预报目标。采用风电场的实际运行数据,通过MATLAB平台仿真,验证了修正算法策略的效果及可行性。     

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。     

基于风电概率预测的风电场调频容量估计方法

考虑风电的不确定性,提出一种基于风电功率概率预测区间和储能设备的风电场调频容量估计新方法。首先基于风电场弃风数据,利用粒子群算法得到风电场储能系统容量配置;然后建立Copula分位数回归模型求得日前风电功率预测区间;最后结合日前风电限值和不同置信概率下的风功率预测曲线产生最优调频容量估计。风电场实际数据的仿真证实所提方法的有效性,可为风电场调频能力研究提供有益的探索。     

面向风电平抑的混合储能系统容量配置方法

采用基于风电并网波动标准的自适应小波包分解方法处理风电功率,利用混合储能系统平抑风电并网后的波动分量。将混合储能系统内部功率指令划分与系统容量配置相结合,以储能系统年综合成本最小为目标,建立基于电池寿命量化模型的混合储能容量优化模型,进而通过穷举对比不同功率指令分界点所对应的系统成本确定最优分界点。以某风电场典型日出力数据为例,对最优分界点及其对应的储能配置进行优化分析,仿真结果验证所提方法的技术合理性和经济实用性。     

基于聚类与非参数核密度估计的风电功率预测误差分析

针对实际风电场风电功率预测误差呈现出季节、时序和功率变化特性,提出基于聚类分析与非参数核密度估计的方法研究风电功率预测误差的概率分布特性。采用聚类分析的方法进行月份、时段的缩减,有效地将误差特性相似的误差数据归为一组,从而在考虑误差分布多样性的基础上兼顾误差分布的整体趋势。在此基础上,考虑功率特性,采用非参数核密度估计方法进行风电功率预测误差概率分布拟合并采取基于迭代的窗宽求解方法。通过拟合精度评价指标验证所提方法的适用性及有效性。     

基于核极端学习机的短期风电功率预测研究

随着风力发电的大规模发展和并网运行,风电场输出功率的精确预测对电力系统的运行具有重大意义。针对风力发电功率具有非线性和非平稳的特性,利用经验模态分解和核极端学习机结合的方法对短期风力发电功率预测进行研究。通过经验模态分解把风电功率时间序列分解成为一系列相对平稳的子数据序列,对每个子数据序列采用核极端学习机算法分别进行模型建立与预测,把每个预测模型得到的子数据序列预测值相加获得最终的风电功率预测值。基于此方法的某风电场输出功率实例数据预测仿真结果表明,该方法的预测模型能更好地跟踪风电功率的变化,预测误差比单独KELM方法减小7.6%,比EMD-SVM方法减小1.7%,能够在一定程度上提高风电功率预测的准确性。     

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.     

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。     

基于混合深度学习的风电功率预测及一次调频应用

为了解决高比例不确定性风电接入电力系统带来强烈调频需求的问题,提出了基于混合深度学习模型的风电功率预测及其一次调频应用方法。首先,采用孤立森林(Isolated Forest, IF)对历史数据进行异常值处理,提高数据质量,其次,构建卷积神经网络(Convolutional Neural Network, CNN)、双向长短期记忆(Bidirectional Long Short Term Memory, BiLSTM)和注意力机制(Attention Mechanism, AM)的混合深度学习模型对风电功率进行预测。最后,依据功率预测精度配置超级电容器储能,设计储能调频控制原则,弥补风电机组自身预测误差,并协同风电机组参与电力系统一次调频。基于预测结果为4台风电发电机组2个负荷区域仿真系统配置超级电容器储能系统,利用digsilent平台进行了风预测误差和负荷波动下的一次调频仿真。结果表明：所提IF-CNN-BiLSTM-AM模型比BP和LSTM基准模型预测误差(MSE)降低了81.53%和51.44%,具有最优的预测性能;设计的风储一次调频模型与原则可有效应对风电预测误差和负荷波动...     

A control strategy for energy storage system based on wind power prediction error interval

由于风能的间歇性和随机性,风电功率预测的精度依然较低。随着大规模风电的集中接入,不确定性风电功率并网运行会加重电力系统的调控负担,同时会对日前调度计划安排带来不利影响。储能系统具有对功率和能量的时间迁移能力,被认为是平抑风电功率波动性、提高风电功率确定性的有效手段。本文从电力系统安全角度分析了制约风电上网规模的原因,使用基于时间序列的自回归模型预测风电功率,提出利用储能平抑风电功率预测误差区间的方法,对比考虑最大预测误差的传统调度方法,采用风电平均入网容量、风电发电量、电网空间利用率等评价指标评估所提出方法的有效性。     

计及超短期预测误差的风储系统跟踪计划出力控制策略

在计划跟踪模式下,为最大化风储系统出力的经济效益,提出风储系统的协调控制方法。首先,基于超短期功率预测,以风电场总收益最大为目标,建立风储系统跟踪计划出力的控制模型;然后,利用超短期功率预测数据和历史实际功率数据,建立基于小波变换和序列到序列（sequence to sequence,seq2seq）的超短期预测功率修正模型,对超短期功率预测数据进行误差修正;最后,将基于超短期功率预测的计划跟踪模型与超短期预测误差修正模型结合,提出一种计及超短期预测误差的风储系统跟踪计划出力的控制策略。仿真结果表明：所提策略能显著提高风电计划跟踪精度和风储系统运行经济性、促进风电的消纳。     

平抑风电功率波动的储能容量经济配置方法

以东北某风电场月出力实测数据为对象,通过分析该风电场的功率波动特性,提出了储能系统功率、容量配置方法。该方法以储能系统投资收益最大为目标,结合储能平滑风电出力效果,获取经济性最优的储能系统容量配置方案。结果表明,该优化配置方案在平滑风电功率的前提下,具有良好的经济效益,为风电场中配置储能系统、推进储能系统规模化应用提供了参考。     

计及无功电源故障的含风电场发电系统可靠性评估

针对现阶段含风电发电系统可靠性评估中尚未考虑无功功率影响的缺陷,在风电场常规可靠性评估模型的基础上,考虑了无功电源故障的影响,建立了风电场综合可靠性评估模型,定义了表征系统局部无功不足的可靠性指标。采用三级切负荷策略对计及有功功率短缺、无功功率短缺、电压越限的含风电场发电系统进行了可靠性评估。根据第三级切负荷策略确定了最佳无功补偿位置,应用就地无功补偿代替负荷切除,有效解决了电压越限问题。并以太原220kV系统为例,验证了该方法的有效性,为确定最佳无功补偿位置提供了依据。     

风电场功率控制策略研究与应用

文章根据国家电网对风电场功率控制的需求,提出了风电场功率控制方案。主要描述了风电场功率预测方法、降功率策略以及浅限幅、深限幅的具体策略。该方案经过现场实测,各项指标均达到国家电网要求。