风电场功率预测及风储能系统可靠性分析

基于风电场的日前数据对风电场功率进行了预测,之后引入储能系统以应对预测偏差对实时运行开机发电容量的影响.在仿真中结合风电实际出力,通过调整储能系统的功率和容量的配比来预测偏差,之后根据仿真数据对系统可靠性进行了分析和评估.     

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。     

储能电池平抑风功率波动策略

为了平抑风功率波动,并优化风电场出力特性,基于双电池组拓扑结构的电池储能系统(Battery Energy Storage System, BESS)提出了在短期内平抑风功率波动的新型控制策略。该策略基于即时控制策略,把未来风功率波动对当前储能电池充放电行为的影响纳入考虑范围。双BESS则根据策略需求进行充电或放电,任一电池组电量达到满充或满放,则两组电池的工作状态同时切换。在新型控制策略中通过风电预测并结合滚动优化法实现双BESS动态控制。实践表明该策略在风电出力特性上不仅取得了较好的平抑效果,而且能降低因储能容量不足引起的瞬时大功率波动。在电池特性上,由于采用双BESS,很大程度上降低了电池充放电次数,延长了电池寿命。     

基于低风速功率修正和损失函数改进的超短期风电功率预测

风电功率具有较强的波动性和随机性。为进一步提升风电功率的预测精度,提出一种基于低风速功率修正和损失函数改进的超短期风电功率预测模型。该模型采用卷积神经网络、自注意力机制和双向门控循环单元捕获风电功率序列的长期时序依赖关系。为了解决低风速下待风状态神经网络难以精确拟合的问题,模型通过预测风速并结合当前时段的风电功率对低风速段的预测功率进行修正。针对参数训练的稳定性问题,模型通过改进预测策略和共享权重,引入一种多元非线性的损失函数来提取序列间的关联性。结果表明,所提模型在多项误差指标中均优于对比模型,能够有效提升超短期风电功率的预测效果。     

基于线性回归的风电功率预测误差修正方法

风电功率预测精度的好坏直接关系到发电计划的合理制定和风电功率的优先调度.为提高风电功率的预测精度,文中利用模式输出统计方法对风电功率的预测误差进行分析,根据模式输出统计方法可自动修正数值预报偏差特点,提出了基于线性回归的风电输出功率预测误差修正方法.基于实际风电场历史数据的研究表明,该方法数学原理简单、适用性强,可有效改善风电功率的预测精度,具有很好的工程实用价值.     

基于电池储能系统的风功率波动平抑策略

为平抑风功率中的分钟级波动,在分析波动概率特性的基础上构建了基于双电池组拓扑结构的风-储混合电站。根据电池技术特性设计了电池储能系统(battery energy storage system,BESS)的在线运行策略,即两组电池分别处于充、放电状态,根据风功率超短期预测结果,交替平抑风功率中的正、负波动分量。一旦任何一组电池到达满充或满放状态,则同时切换两组电池的工作状态。提出基于蒙特卡罗模拟的BESS运行仿真模型,在历史数据的基础上对BESS在典型时段内的运行进行了模拟。基于某风电场实测数据的仿真结果表明,基于双电池组拓扑结构的储能系统可在不显著消耗电池循环寿命的情况下有效平抑风功率中的波动分量。     

考虑风功率预测的含风电电力系统调峰能力分析

针对大规模并网风电的随机性、波动性会给电力系统调峰带来很大影响,从风电功率对负荷特性和系统调峰需求影响两方面入手,分析风电并网对电力系统调峰能力的影响,比对各种电源的调峰能力,综合考虑线损率、联络线调节能力等因素,提出计及风功率预测的系统调峰容量计算模型。以某一典型区域电网为例进行了含风电电力系统调峰能力的分析,以期为大规模风电规划决策与运行提供参考。     

一种基于改进GPR和Bagging的短期风电功率组合预测方法

为提高短期风电功率的预测精度并对功率预测的不确定性进行量化,提出了基于高斯过程回归(Gaussian Process Regression,GPR)和Bootstrap Aggregation (Bagging)的组合预测方法。针对GPR的不稳定性和计算量大的特点,引入了Bagging和训练数据完全条件独立下的近似方法(Fully Independent Training Conditional Approximation,FITC)。同时,在贝叶斯决策 (Bayesian Committee Machine, BCM)的基础上,提出了一种新的权重组合策略。实验表明,基于Bagging和FITC的GPR方法在稳定性、预测精度和训练时间的消耗上都优于传统的GPR方法。在风电功率预测中,改进的GPR可以给出较准确的置信区间,且与极限学习机、最小二乘支持向量机相比较,该方法的预测精度也有明显提高。     

一种新型的基于蓄电池储能的风功率平抑策略

为平抑风功率的波动,提高电池储能的使用效率和使用寿命。本文根据电池的技术特性,从控制电池的角度出发,提出了基于三电池组拓扑结构的电池储能系统(battery energy storage system,BESS),并设计了控制策略控制不同电池组处于不同的工作状态,即其中两组分别处于充、放电状态,另外一组处于备用状态,三组电池交替工作平抑风功率中的正、负波动分量,依次在“充备放备充”的循环模式下工作,从而提高电池的使用效率,延长电池寿命。最后基于某风场实际数据的仿真表明,基于三电池组拓扑结构的储能系统在平抑风功率波动的基础上可提高蓄电池的使用效率几乎达100%。     

基于功率波动过程的风电功率短期预测及误差修正

风资源因具有较强的波动性、随机性与间断性等特点而导致风电功率预测精度不高。为减小风电功率波动对电网的冲击,提高电力系统对风电的接受与消纳能力,提出了改进的风电功率短期预测方法与基于波动的误差修正方法。首先将风电功率按不同波动过程进行聚类划分,提取不同波动的特征曲线对功率值进行修正;采用引力搜索算法优化的反向传播神经网络(GSA-BP)作为基本预测方法进行预测;分析不同波动过程下的预测误差表现,建立预测误差与综合气象指标的映射关系。针对不同波动过程建立相应的风电功率误差修正模型,提出了线性模型和GSA-BP非线性模型相结合的方式对预测误差进行修正,最后以功率预测值叠加预测误差修正值作为最终预测结果。该风电功率预测误差修正方法不仅涉及风速风向等常规因素,而且考虑到了风电功率的波动性。     

基于风电功率min级分量波动特性的风电场储能容量优化计算

储能为抑制风电功率随机波动性对电力系统的不利影响提供了可能。为减小风电功率随机波动分量对电力系统的影响,提出用储能设备平滑风电功率随机波动频繁的min级分量,并通过分析风电功率min级分量的波动特性,建立对应的储能容量优化配置模型。该模型在充分把握风电功率min级分量波动特性的基础上,以概率统计的区间估计理论确定储能系统的容量配置和最大充放电功率。该优化模型可以较小容量的储能设备改善风电功率的平滑输出,有利于减小风电功率随机波动性对电力系统的不利影响。仿真算例表明了该算法的有效性。     

基于风电功率min级分量波动特性的 风电场储能容量优化计算

储能为抑制风电功率随机波动性对电力系统的不利影响提供了可能。为减小风电功率随机波动分量对电力系统的影响,提出用储能设备平滑风电功率随机波动频繁的min级分量,并通过分析风电功率min级分量的波动特性,建立对应的储能容量优化配置模型。该模型在充分把握风电功率min级分量波动特性的基础上,以概率统计的区间估计理论确定储能系统的容量配置和最大充放电功率。该优化模型可以较小容量的储能设备改善风电功率的平滑输出,有利于减小风电功率随机波动性对电力系统的不利影响。仿真算例表明了该算法的有效性。     

基于功率因数校正的蓄电池全自动充电器

传统的基于有源功率因数校正(APFC)的开关电源采用两套控制电路和两级DC/DC变换电路,增加了电路复杂程度及成本。随着PFC/PWM两级复合控制芯片的产生,这一缺陷可以得到大大改善;本文基于PFC/PWM两级复合控制芯片ML4803,研制开发了一种新型的基于APFC的蓄电池充电器,给出了充电器的性能指标,证实了该复合控制的可行性和实用性。     

Short-term wind power prediction based on extreme learning machine with error correction

Introduction: Large-scale integration of wind generation brings great challenges to the secure operation of the power systems due to the intermittence nature of wind. The fluctuation of the wind generation has a great impact on the unit commitment. Thus accurate wind power forecasting plays a key role in dealing with the challenges of power system operation under uncertainties in an economical and technical way. Methods: In this paper, a combined approach based on Extreme Learning Machine (ELM) and an error correction model is proposed to predict wind power in the short-term time scale. Firstly an ELM is utilized to forecast the short-term wind power. Then the ultra-short-term wind power forecasting is acquired based on processing the short-term forecasting error by persistence method. Results: For short-term forecasting, the Extreme Learning Machine (ELM) doesn’t perform well. The overall NRMSE (Normalized Root Mean Square Error) of forecasting results for 66 days is 21.09 %. For the ultra-short term forecasting after error correction, most of forecasting errors lie in the interval of [?10 MW, 10 MW]. The error distribution is concentrated and almost unbiased. The overall NRMSE is 5.76 %. Conclusion: The ultra-short- erm wind power forecasting accuracy is further improved by using error correction in terms of normalized root mean squared error NRMSE).     

用于短期电网调度的风电场储能容量估算法

为实现电网对风电场出力的短期调度,提出基于正态分布的风电场储能系统容量估算法。通过对比历史风电出力样本数据与电网调度数据值,运用统计的方法分析样本区间内功率偏差值的正态分布参数。并提出采用储能经济因子对储能效果加以评估。以新疆某中型风电场长期统计的风速、实际风电出力和预报出力数据为样本数据,运用所提方法对其所需储能容量进行估算。仿真结果表明,所得储能容量能使风电场满足调度出力要求,且其小于风电场容量的10%,验证了所提方法的经济性和可行性。     

通信太阳能供电系统对储能用蓄电池的技术要求

讨论了储能用蓄电池作为通信太阳能供电系统的储能电源,在全天候运行时的耐候性问题。从放电的温度系数、倍率系数、充电容量效率、充电接受能力等指标分析系统对储能蓄电池的技术要求,给出了储能蓄电池循环寿命的试验方法和要求。     

基于学习曲线法的风电成本研究

通过对风电成本和装机容量历史数据的统计和分析,建立了德国和中国风电成本的学习曲线模型,通过该模型分析了德、中两国风电成本的经济性。通过对风机容量增长率的几种假设,预测了2025年中国的风电成本,并对风电产业的发展提出了建议。     

风电跟踪调度计划时降低寿命损耗的电池储能分组控制策略

为了解决风电跟踪调度计划过程中电池寿命损耗较高的问题,提出了降低寿命损耗的电池储能分组控制策略。利用设计的基于改进天牛须搜索算法的旋转门算法得到最优压缩偏移量,进而提取风电趋势;将风电场配备的电池储能分为电池组1和电池组2,并将电池组2进一步细分为3个电池簇,在避免充放电能量对冲的条件下根据风电趋势计算两电池组的功率调节指令,并基于此确定两电池组的容量,进而以电池单元的动作次数最少为目标获取3个电池簇的容量;在初始时刻及荷电状态越限时刻对电池单元进行动态分组,并根据电池单元的依次启动方法确定电池组1中电池单元的功率调节指令,基于设计的双层功率分配方法确定电池组2中电池单元的功率调节指令;电池单元在满足运行约束的条件下响应各自的功率调节指令。将所提控制策略与其他控制策略进行仿真对比,结果表明所提控制策略能以更大的程度降低寿命损耗、延长储能的使用寿命。     

平抑风电波动的混合储能系统的容量配置

风电功率波动对电网造成不容忽视影响。用滑动平均法平滑风电功率,降低风电并网对电网的影响。滑动窗口的选取具有随机性,直接影响平滑效果。该研究提出滑动平均和标准校正的组合方法,分离出并网分量和储能分量。混合储能系统采用小波分解算法,可以有效地解耦出电池及超级电容器分量。对各储能分量统计分析,证明它们均服从t location-scale分布。在不同置信水平和容量下,以波动量的均值、方差、波动范围及波动点数为指标,分析混合储能系统的平抑效果。