共查询到10条相似文献,搜索用时 62 毫秒
1.
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。 相似文献
2.
计及储能出力水平的平滑风电功率模型预测控制策略 总被引:1,自引:0,他引:1
《电网技术》2020,(5)
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。 相似文献
3.
基于需求侧放电竞价的电动汽车充放电调度研究 总被引:1,自引:0,他引:1
为促进电动汽车与电网协调发展,提出了一种基于需求侧放电竞价的电动汽车充放电调度模型。在日前调度中,负荷聚合商根据电力公司公布的次日需要削减负荷时段。通过对电动汽车用户行为特性的预测,以最大化电动汽车放电量为目标对可控容量进行预测,并参与需求侧放电竞价。电力公司根据负荷聚合商在各时段的出力和报价,以最小化负荷调度成本为目标优化调度计划。在实时调度中,负荷聚合商以最大化其利益为目标对电动汽车进行充放电调度,使得在满足电动汽车用户充电需求的同时,降低充电成本和调度偏差。算例分析表明,电动汽车通过负荷聚合商参与需求侧放电竞价可以起到削峰填谷的作用,对预测精度的分析可以为负荷聚合商的投标决策提供指导。 相似文献
4.
5.
随着物联网以及智慧电网的迅速发展,供需平衡中需求侧资源的作用逐渐增大。然而,大量无序应用需求响应技术会对配电网的运行可靠性产生影响。针对此类问题,提出了电动汽车基线负荷预测与负荷削减、负荷转移两种激励型需求响应策略相结合的虚拟电厂经济优化调度方法。首先,根据历史数据采用三次指数平滑法完成风/光电站出力及电动汽车基线负荷的数据预测,观测电力用户的可调能力;然后,基于分时电价机制以虚拟电厂经济最优为目标,增加功率平衡、风/光新能源预测出力和储能系统运行成本等系统约束条件,建立虚拟电厂经济最优调度模型;最后,以河南郑州某地5个电动汽车充电站和风光电站等实际数据验证所提出方法的精准性和有效性。 相似文献
6.
由于电力高峰负荷持续时间短,导致采用传统的增加调峰发电装机容量来满足电网高峰负荷需求的方法经济效益极低,同时由于大量间歇式新能源的接入,其自身随机性、间歇性的特点也给电力系统能源调度带来了新的挑战。基于此,针对用户激励响应行为进行建模分析,对供应侧和需求侧的资源进行协调和优化,建立了可以综合考虑供应侧和需求侧的作用激励的含风电新能源发电网双层电能优化调度模型,该模型集成了需求侧直接复合控制策略,有效地补充和丰富了需求响应理论在风电并网优化调度中的应用。最后基于该模型以某地区风力发电预测功率和夏季典型日负荷数据进行实验分析。结果表明构建的模型具有较强的经济性,实现了平缓负荷曲线,在保证用户满意度的情况下,可以有效降低电网运行成本。 相似文献
7.
计及电动汽车和冷负荷响应的多楼宇联合优化调度研究 总被引:1,自引:0,他引:1
楼宇多呈现集群特性,通过楼宇间的功率交互和能源设备的优化出力,能进一步提高能源利用效率、减少环境污染.首先构建典型能源互联型楼宇,提出多楼宇联合运行结构.然后重点讨论室内冷负荷需求模型和电动汽车模型,通过适宜温度限制和温度惩罚函数对楼宇室温进行优化,以整体楼宇群的总运行成本为优化目标,提出考虑楼间功率交互的多楼宇联合优化调度模型.为增强说服力,增加各楼宇独立运行时的仿真,通过算例对比2种运行方式的经济成本,分析了电动汽车和冷负荷需求对系统运行的影响.结果表明考虑电动汽车和冷负荷需求会影响楼内微源的出力和经济性,进一步提高可再生能源的利用率,在一定程度上降低系统运行成本. 相似文献
8.
在双碳背景下,分布式光伏发电的大规模增加以及并网接入,对新型电力系统带来了巨大的挑战。高渗透率分布式光伏出力与电力负荷因受天气因素的影响,具有较强的不确定性和波动性,这在一定程度上增加了配电网净功率的预测难度。为了提高配电网净功率的预测精度,文章提出了Attention-双向GRU神经网络配电网净功率预测方法。文章首先对光伏出力特性、用户侧负荷特性、以及配电网净功率影响因素进行分析,充分掌握净功率受分布式光伏出力和用户侧负荷变化规律的影响。然后将Attention机制融入到双向GRU神经网络中建立了配电网净功率预测模型。其中,Attention机制赋予输入特征不同的关注度,双向GRU神经网络能够学习到净功率的时序特征,二者的完美结合,大大提升了净功率预测模型的表示能力和泛化能力。实验结果表明,文章提出的方法大大提高了配电网净功率预测精度,且性能优于对比模型。 相似文献
9.
10.
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。 相似文献