基于PSO-GSA算法的含DFIG互联系统AGC优化控制研究

传统双馈感应风力发电机(DFIG)的解耦控制使其无法响应电网的频率变化。随着风电渗透率的不断提高,电网调频压力不断增大,有必要对含DFIG互联系统AGC优化控制进行研究。首先建立了将风电作为"负的负荷"的两区域AGC模型,通过引入改进的虚拟惯性控制使DFIG具有更好的频率响应的能力。同时以快速消除系统区域控制偏差和风机转速偏差为目的,采用PSO-GSA算法对控制区PID控制器和DFIG转速控制单元PI控制器参数进行优化。仿真结果表明,单个区域受负荷扰动时,风电参与调频时能提供更多的有功功率支撑以减小同步机调频出力,能有效缓解同步机调频压力。PSO-GSA算法较PSO和GSA迭代速度快且适应度值更好,基于PSO-GSA参数优化后的控制器对系统区域频率偏差、联络线功率变化和区域控制偏差信号的超调量和调节时间都有明显改善,增强了系统的稳定性。     

考虑退化成本的电池储能参与调频辅助服务市场的控制方法

基于性能支付的调频市场是电池储能参与的重要电力市场之一。电池储能通过提供调频容量和跟踪调频指令获得收益。然而,过度使用电池将加速其退化进程,降低电池的使用寿命。因此,调频市场中的电池储能参与者需要在其运营策略中考虑电池退化成本,以最大化其参与调频市场的收益。基于模型预测控制方法,提出了一种考虑退化成本的电池储能参与调频市场的控制方法,用于生成响应调频指令。首先,通过时间序列分析法对未来的调频指令进行预测;其次,采用分段线性成本函数对电池循环老化过程进行建模;最后,通过求解模型预测控制优化问题得到电池储能对当前调频指令的响应结果。仿真结果表明,采用所提方法可以使得电池储能在降低退化成本的同时保持较高的调频性能指标,从而提高在调频市场中的总收益。     

基于区域偏差控制和荷电状态分区的电池储能参与二次调频控制策略

随着日益增多的非传统能源进入发电领域,电力系统的频率波动问题越发严峻。火电机组调频缺陷是响应时间长、爬坡速度慢;而电池储能因其响应迅速、调节灵活等优点逐渐成为电力系统调频的研究热点。本文首先介绍了储能参与电力系统二次调频的区域控制偏差和区域控制需求2种基本方式,并分析了这2种基本控制方式的特点;对区域控制偏差和储能系统电池的荷电状态（SOC）进行分区,在不同区域计及频率调节需求和储能系统出力特点提出不同的调频方式,并在区域控制偏差正常调节和SOC正常充放电状态下,采用模糊控制器平滑储能系统出力;最后利用MATLAB/Simulink仿真平台建立2区域互联仿真系统,仿真结果证明了区域偏差控制和SOC分区控制策略的可行性。     

计及SOC的电池储能系统一次调频自适应综合控制策略

考虑电池储能系统自身容量限制下提升一次频率响应的自适应性,提出一种计及荷电状态(SOC)的电池储能系统一次调频综合控制策略.建立电池储能系统一次调频动态模型,对比分析了虚拟惯性与虚拟下垂控制对电网频率偏差的调节特性.设计考虑SOC的电池储能系统一次调频自适应综合控制策略,并引入一种由综合考虑频率偏差及其变化率的输入系数与计及电池储能系统SOC的反馈系数相结合的自适应因子,输入系数由模糊逻辑控制器自适应调节,反馈系数通过回归函数自适应调节.最后搭建仿真模型进行阶跃和连续负荷扰动工况下不同控制策略对比分析,仿真结果验证了所提控制策略能自适应控制电池储能系统出力,有效提升一次调频效果.     

基于多变量模糊控制的储能系统辅助火电机组调频

综合考虑区域电网的负荷需求和电池储能系统的荷电状态(SOC)两者之间的关系,提出了一种基于多变量模糊控制的电池储能系统辅助火电机组参与调频的控制策略。以储能装置为研究对象,设计相应的多变量模糊控制器,通过多变量模糊控制方法控制电池储能系统的输出功率,改善系统调频的动态性能。建立了含电池储能系统的区域电网仿真模型,并基于MATLAB/Simulink平台对所提控制策略进行仿真验证。仿真结果表明,控制策略在改善火电机组的调频效果和提高储能装置的使用寿命方面更具有优势。     

考虑荷电状态约束的储能参与电网一次调频综合控制策略

电池储能具有响应速度快、控制精度高、容量配置灵活的优点,近年来在电网调频中得到广泛关注。但传统控制方式易造成电池过充或过放,给电网运行及电池使用带来负面影响。针对该问题,提出一种考虑荷电状态 (state of charge,SOC)约束的储能参与电网一次调频综合控制策略。首先,构建储能电池参与电网一次调频的自动发电控制(automatic generation control, AGC)模型,提出根据电池SOC约束进行储能容量配置的方案。其次,通过对储能虚拟惯性控制及虚拟下垂控制的特征分析,根据电网频率偏差动态变化进行分配比例系数的设计,实现2种方式参与度的平滑改变。再次,以适应于电池SOC状态的参数自适应调节为目标,进行储能充放电控制系数的调整,以改善调频性能及电池SOC的变化特征。最后,通过多种方法的仿真对比,验证了所提方法的可行性和有效性。     

提升火电机组AGC性能的混合储能优化控制与容量规划

以铅酸电池和全钒液流电池组成的混合储能为例,针对常规机组调频的固有特点,研究了混合储能装置配合传统机组参与自动发电控制(AGC)的充放电策略和最优容量配置计算方法。首先,针对常规机组调频的特点,提出一种考虑抑制反向调频、死区振荡、储能装置过度放电、荷电状态水平强制归位的优化控制策略;其次,综合考虑配置储能装置成本和发电侧调频收益,构建储能装置系统经济运行优化函数的容量规划模型;最后,根据某发电厂实际运行数据进行仿真计算,利用粒子群优化算法求解,结果表明该方法的调频效果、运行经济性等比常规机组调频均有提升。     

先进绝热压缩空气储能发电系统参与调频辅助服务控制优化方法

为实现先进绝热压缩空气储能（AA-CAES）系统在宽负荷段参与AGC调频,且调节速率不超过《广东调频辅助服务市场交易规则》规定（避免产生考核电量）,提出一种多级分段设置PID控制器参数参与机组自动发电控制（AGC）调频的控制策略。通过APROS仿真平台分别对10 MW AA-CAES机组采用单套与3套PID控制器响应AGC控制指令进行仿真。结果表明:AA-CAES发电系统机组采用1套PID控制器在宽负荷段响应AGC控制指令,调频性能指标K1大于5,给储能电站增加考核电量而造成经济损失;机组采用3套不同参数PID控制器能够优化调频性能指标,使调频性能指标K1在要求范围内,从而避免产生考核电量,有效提高AA-CAES发电系统参与辅助调频服务的经济效益。     

独立微电网风储协同调频的功率柔性分配策略

针对独立微电网运行中存在的频率波动与新能源利用率不高的问题,该文提出一种风机和储能装置协同参与调频的新型功率柔性分配策略。首先,分析多种分布式电源在独立微电网中的运行及控制方式;其次,建立独立微电网中风机和储能装置联合参与调频的状态空间模型;然后,以频率偏差最小和能源利用率最高为指标构建滚动时域内的优化目标函数,并根据频率变化实时调整目标函数中风机和储能出力项的权重以优化各自出力。此外,所提策略能够参考风速和储能装置荷电状态的时变特性,在每个时间断面柔性调整约束条件的边界,提高其安全运行水平;最后,基于Matlab/Simulink仿真平台搭建独立微电网模型,并在多种工况下进行仿真研究,仿真结果表明,所提策略在满足风机与储能安全运行的前提下,能实现独立微电网频率控制的同时优化风机和储能装置的有功出力,降低弃风率,达到能量高效利用的目标,并且具有对模型参数依赖度低的特点,鲁棒性较好。     

储能功率调节系统主电路参数设计与控制策略研究

电池储能系统以其模块化,响应快,配置灵活等优点,作为提高可再生能源接纳能力的一种有效手段而得到广泛关注。文章以锂电池储能功率调节系统及其优化控制为研究对象,给出了主电路参数设计方案,计及电池荷电状态约束条件提出了基于规则(Rule-Based)的功率优化控制策略,对储能系统上层功率进行优化,以提高电池的使用寿命,控制器底层基于定周期比和反馈线性化控制策略实现对储能装置的充放电控制。仿真结果验证了参数设计的正确性以及控制策略的有效性。     

基于禁忌搜索的混合储能辅助电网AGC策略研究

由于储能系统具有响应快、控制精确和双向出力的特点,目前已有越来越多的研究将储能系统作为调频资源加入到自动发电控制系统中来辅助调频.因此将超级电容器和蓄电池共同构成混合储能系统,与常规调频机组结合实现实时自动发电控制.控制策略基于禁忌搜索算法,以系统区域控制偏差为输入量,通过动态调整自动发电控制指令在不同调频资源之间分配...     

基于模糊神经分数阶PI2Dμ 的储能电源逆变控制

针对传统PID控制器存在抗干扰能力差、参数整定困难、时变控制不确定等不足,为进一步提高储能电源逆变输出电压波形质量,增强控制系统的鲁棒性,提出了基于优化模糊PID控制器的控制策略。在介绍分数阶控制器定义及其数学实现的基础上,该方法引入模糊控制规则对控制器的结构参数进行调整,同时融合了神经网络的自学习能力,通过在系统工作时动态调整隶属函数和完善模糊控制规则,实现控制器参数的在线调节和优化。仿真结果表明,优化后的控制器具有更灵活的结构和更强的鲁棒性,具备良好的动态特性和自适应能力,能够满足储能电源逆变控制的要求。     

储能式有轨电车能量管理策略多目标优化

研究了以电网、动力电池和超级电容为动力电源的储能式混合动力有轨电车。首先介绍该类有轨电车的混合动力系统结构,提出一种基于系统工作模式的逻辑门限式能量管理策略,通过多个控制参数实现工作模式的切换。针对能量管理策略中控制参数的不确定性,将整车车载电源的最小配置成本以及列车运行的能耗、准时性、准地点停车作为优化目标,应用多目标遗传算法对影响列车动力性能的主要能量管理策略控制参数进行了优化分析。结果表明,优化后列车的牵引运行能耗减少了约6.8%,再生制动能量的回收率提高了约2.4%。同时,通过优化得到了电源的最小配置,为电源的冗余配置提供参考。     

Load frequency control of an autonomous hybrid power system by quasi-oppositional harmony search algorithm

This paper deals with a novel quasi-oppositional harmony search algorithm (QOHSA) based design of load frequency controller for an autonomous hybrid power system model (HPSM) consisting of multiple power generating units and energy storage units. QOHSA is a novel improved version of music inspired harmony search algorithm for obtaining the best solution vectors and faster convergence rate. In this paper, the efficacy of the proposed QOHSA is adjudged for optimized load frequency control (LFC) of an autonomous HPSM. The studied HPSM consists of renewable/non-renewable energy based generating units such as wind turbine generator, solar photovoltaic, solar thermal power generator, diesel engine generator, fuel cell with aqua-electrolyzer while energy storage units consists of battery energy storage system, flywheel energy storage system and ultra-capacitor. Gains of the conventional controllers such as integral (I) controller, proportional–integral (PI) controller and proportional–integral–derivative (PID) controller (installed as frequency controller one at a time in the proposed HPSM) is optimized using QOHSA to mitigate any frequency deviation owing to sudden generation/load change. In order to corroborate the efficacy of QOHSA, performance of QOHSA to design optimal LFC is compared with that of other well-established technique such as teaching learning based optimization algorithm (TLBOA). The comparative performances of the HPSM under the action of QOHSA/TLBOA based optimized conventional controllers (I or PI or PID) are investigated and compared in the present work. It is found that the QOHSA tuned frequency controllers improves the overall dynamic response in terms of settling time, overshoot and undershoot in the profile of frequency deviation and power deviation of the studied HPSM.     

考虑功率最大输出与储能协调的光储VSG控制策略

在传统虚拟同步发电机(virtual synchronous generator, VSG)控制的光储系统中,电池通过频繁充放电处理波动的光伏功率,易出现早衰问题。为优化电池运行,提出一种考虑功率最大输出与储能协调的光储VSG控制策略。首先,建立输出频率与直流侧电容电压偏差的比例关系,实现光伏功率的最大输出与VSG的惯性支撑。其次,利用下垂特性控制电池功率输出,在实现系统一次调频功能的基础上提升电池能量管理的灵活度。然后,设计一种稳定直流侧电压的分段控制方案,确保系统正常工作时直流侧电压在合理范围之内。最后,通过仿真实验验证所提方法不仅保留了VSG的惯性支撑和一次调频功能,还实现了光伏功率的最大输出,减少了对电池的依赖。     

基于模糊控制的储能参与一次调频综合控制策略

针对储能调频控制模式间以临界值方式直接切换造成功率跃变及储能荷电状态（SOC）过高过低,储能出力受限问题,提出一种基于模糊控制的储能参与的一次调频综合控制策略。首先,分析储能虚拟下垂、虚拟惯量和虚拟负惯量控制参数对系统频率响应的影响,确定各控制参数调频优势和稳定变化范围;其次,设计含虚拟负惯量控制的模糊控制器,实现控制模式之间的平滑切换和优势互补,加快频率恢复;最后,采用logistics函数设计SOC反馈控制策略和SOC自恢复控制策略,使储能容量得到更好的保持,提高储能的调频能力。仿真实验验证了所提策略的有效性。     

储能电站安全参与电网一次调频的优化控制策略

为安全实现储能系统对电网准确快速调频,对于系统频率偏移引起的有功率需求,提出一种考虑荷电状态(state of charge,SOC)、健康状态(state of health,SOH)的储能辅助调频自适应优化控制策略,该策略依据储能单元实时状态决定多组储能单元参与电网一次调频的最优投切情况,在频率变化初期多组储能单元...     

基于模糊神经网络风电混合储能系统优化控制

采用风电储能系统来平抑风电波动功率在当今是一个有效的措施,然而储能系统控制策略的好坏直接影响风电系统的技术性能和经济性能。根据超级电容器和蓄电池在功能上的互补性,将其应用在基于双馈电机的风电场中,风电场采用分布整流集中逆变拓扑控制结构,并对其设计模糊神经PID控制器,采用模糊神经网络算法对混合储能系统PID控制参数进行在线优化。基于Matlab/Simulink平台搭建控制系统仿真模型,并进行仿真分析,验证了混合储能系统能够提高储能装置的使用寿命。根据储能系统补偿功率和其荷电状态的波动范围,以及对风电波动功率的平滑程度,验证了该控制系统的有效性。     

Effective participation of wind turbines in frequency control of a two-area power system using coot optimization

In this paper, load frequency control is performed for a two-area power system incorporating a high penetration of renewable energy sources. A droop controller for a type 3 wind turbine is used to extract the stored kinetic energy from the rotating masses during sudden load disturbances. An auxiliary storage controller is applied to achieve effective frequency response. The coot optimization algorithm (COA) is applied to allocate the optimum parameters of the fractional-order proportional integral derivative (FOPID), droop and auxiliary storage controllers. The fitness function is represented by the summation of integral square deviations in tie line power, and Areas 1 and 2 frequency errors. The robustness of the COA is proven by comparing the results with benchmarked optimizers including: atomic orbital search, honey badger algorithm, water cycle algorithm and particle swarm optimization. Performance assessment is confirmed in the following four scenarios: (i) optimization while including PID controllers; (ii) optimization while including FOPID controllers; (iii) validation of COA results under various load disturbances; and (iv) validation of the proposed controllers under varying weather conditions.