用于跟踪风电计划出力的储能控制策略综述

风电自身的波动性和不可准确预测性导致其难以有效执行调度计划,很可能出现实际并网功率与计划功率存在较大偏差的情况,使电力系统的稳定运行面临严峻挑战。储能作为一种高效灵活的能量转换手段,为提高风电的可调度性提供了新的解决途径。以风储系统跟踪计划出力原理和获取储能指令功率两部分介绍了该领域的研究现状,并对其做出评价,最后展望了未来的发展趋势。     

储能系统平滑光伏电站功率波动的变参数斜率控制方法

为提高储能系统平滑光伏电站功率波动的能力,提出了基于超短期预测的变参数斜率控制策略。在斜率控制的基础上,通过提出控制荷电状态划分的2个参数变量以及4个充放电功率调节参数,建立了可调整荷电状态的储能系统平滑控制策略。根据超短期预测功率建立目标函数,采用自适应混沌粒子群算法对控制变量进行实时优化,实现平滑效果和荷电状态的协同优化。以光伏电站实测数据进行仿真分析,对比定参数控制策略,该方法在保证平抑效果的基础上能够限制储能系统的充放电深度。     

基于CEEMDAN-BO-LSTNet的风电出力短期预测

为提高风电出力预测精度,提出一种自适应噪声完备集合经验模态分解(CEEMDAN)-贝叶斯优化(BO)-长短期时序网络(LSTNet)对风电机组输出功率进行短期预测。清洗数据,采用CEEMDAN对清洗后的原始功率数据进行分解,得到若干个子序列;将分解得到的子序列输入至LSTNet模型,通过对LSTNet的超参数使用BO算法优化,输出子序列的预测结果;将各序列的预测结果进行叠加重构得到最终预测结果。通过对渭南某风电场机组实测数据进行实例仿真,设置消融分析和对比分析,结果表明文中所提方法相较于其他模型,预测精度得到有效提升。     

混合储能系统基于荷电状态的功率分配方法

混合储能系统中,不同形式储能装置间的功率分配通常采用基于滤波的方法,该类方法原理简单,但其滤波时间常数在不同工况下难以设计和调试,且难以推广应用到包含两种以上储能形式的复杂混合储能系统中。为此,这里提出一种以荷电状态(SOC)为依据,不依赖于频率的功率分配方法。该方法易于实现,适用于各种特性的功率波动,能自动调整储能单元的SOC,并且可方便地推广到由两种以上储能形式组成的混合储能系统中。仿真和实验结果验证了所提方法的有效性。     

跟踪光伏计划出力偏差的储能容量配置研究

不同典型天气下光伏出力预测误差具有明显差异,为保证分布式光伏集群友好接入,提出一种考虑光伏发电功率预测误差不确定性的共享储能容量配置方法。首先基于注意力机制和长短时记忆神经网络（long-term short-term memory neural network,LSTM）对分布式光伏出力进行预测,再与不同典型气象条件下的光伏出力实际值进行对比得到预测误差。然后以共享储能配置成本最优为目标,建立跟踪光伏出力计划偏差的共享储能容量配置模型,通过引入鲁棒机会规划约束来描述预测误差的不确定性,并采用凸逼近方法将原模型转化为确定性模型进行求解。仿真结果表明,所提方法在保证补偿效果的同时能最大提升储能配置的经济性。     

基于混合储能系统的风电跟踪目标出力优化控制

风电固有的随机性、波动性和间歇性使其难以跟踪调度计划运行。引入储能系统可以改善风电场的可调度性,但单一类型的储能系统不具备应用的经济性,为此,提出了一种混合储能系统提升风电跟踪目标出力能力的优化控制策略。该优化控制策略可分为混合储能系统的内部能量协调控制和多目标优化控制两部分,在不同储能系统的荷电状态下SOC(state of charge)采用适合的控制方法,实现了优化跟踪控制。其中,多目标优化模型一方面考虑了延长电池寿命,另一方面充分利用了超级电容器的特性,采用NSGA-Ⅱ法求解,实现了合理地对分配电池和超级电容器的功率目的,并在Matlab平台上进行仿真,结果验证了该控制策略的有效性。     

基于BP-AHP风机状态评估的超短期风电功率动态预测研究

针对传统风电功率预测仅考虑气象因素，且无法计及风电机组真实出力状态导致预测精度较差问题，本文提出一种计及风机状态的超短期风电功率动态预测方法。首先，为能够精确评估风机状态，将BP(error back propagation, BP)算法引入层次分析法(analytic hierarchy process, AHP)的评估结构中，构建BP-AHP风机状态评估模型，实现单台风机状态评估；然后，综合考虑地形及机组排布等因素，将风电场所有风机的状态取均值作为风电场状态，利用皮尔逊相关系数衡量所评估状态与功率之间的相关性以验证评估模型合理性，并采用XGBoost构建计及风机状态的动态预测模型；最后，以陕西地区某风电场实测数据进行算例分析，验证了所提方法的可行性及有效性。     

考虑荷电状态变化的储能系统补偿风电预测误差的容量配置研究

电池储能系统通过控制发出和吸收能量,可以有效地补偿风电功率预测误差。文中在建立补偿预测误差的储能系统充放电控制策略时,计及了储能系统荷电状态极端变化的限制,提出了常规控制策略的修正式,提前调整荷电状态的变化,避免出现过充过放的现象,达到了既保护电池储能又增强补偿误差效果的目的。并在此基础上,以补偿预测误差效果最优为目标,提出了储能系统最优容量配置的方法。仿真结果表明,修正后的控制策略具有更优的补偿效果,并且能够大幅降低储能系统的容量配置。     

考虑超短期负荷预测的储能电池参与电网一次调频控制策略

考虑电力系统调频效果和储能容量,提出一种储能参与电网一次调频的出力策略。通过超短期负荷预测曲线得到调频需求,提出了基于双层模糊控制的动态荷电状态(SOC)基准储能容量恢复策略,并给出了储能电池参与一次调频的效果评价指标与储能SOC健康度评价指标。最后,以典型区域电网为例,对所提策略在2种典型工况下进行仿真分析并与常规控制策略比较。结果表明,所提策略能够有效改善调频效果和储能SOC健康状态。     

基于动态R藤Copula模型的区域风电集群超短期功率区间预测方法

为应对风电功率不确定性问题带来的电网安全稳定运行风险,近年来区间预测方法受到了广泛关注,但现有研究主要集中于单风电场预测领域,对于区域风电集群功率区间预测方法较少涉及.针对上述问题,建立了动态化的R藤Copula模型,提出了区域风电集群超短期功率区间预测方法.首先,详细阐述了区域风电集群超短期功率区间预测的基本框架.其...     

基于储能SOC优化控制的风储电站实时跟踪发电计划控制策略

随着风力发电的快速发展,提高风力发电的可调度性受到了越来越多的关注。针对目前跟踪发电计划控制策略存在的问题,研究基于储能SOC优化控制的风储电站实时跟踪发电计划控制策略,提出保证在误差允许范围内实时跟踪发电计划的前提下,以降低储能系统电量波动范围和放电深度为控制目标、采用实时滚动优化方法的控制策略,建立了储能SOC优化控制模型,并采用基于动态规划的优化算法进行求解。最后以北方某风光储输联合发电示范工程中的实测数据为例编程仿真,并与普通控制策略对比分析,验证了本文方法的可行性与有效性。     

基于移动平均法和风电波动率约束的电池储能系统平滑风电出力控制策略

利用电池储能系统平滑风电功率波动可以提高风力发电功率输出的稳定性。针对风电出力的间歇性和波动性,基于移动平均算法,在同时考虑储能系统的荷电状态（state of charge,SOC）和风电功率波动率的情况下提出了一种平滑风电功率控制策略,并与传统一阶低通滤波平滑风电功率方法进行对比。通过Matlab/Simulink仿真验证了该方法的有效性,在平滑风电并网功率的同时可以有效减少储能使用次数与储能能量。     

基于机会约束规划的储能系统跟踪光伏发电计划出力控制方法

为最大程度提高光伏系统跟踪计划出力能力,基于短期光伏发电预测功率及预测误差的随机性,提出采用机会约束规划的储能系统控制方法。该方法以光储联合出力在调度计划上下限范围内为目标,考虑储能充放电功率与荷电状态(state of charge,SOC)约束条件,并采用基于蒙特卡罗(Monte Carlo)模拟的改进自适应粒子群优化算法(particle swarm optimization algorithm,PSO)进行求解,进而获得日前各时刻储能的充放电功率值。以典型光伏电站出力为例进行仿真,对比分析了固定系数和变化系数情况下光储跟踪计划出力效果与储能情况,结果验证了该控制策略的有效性与灵活性,并为日前储能充放电控制提供了参考方案。     

基于荷电状态分级优化的混合储能风电功率平抑方法

为了弥补单一储能技术的不足,由超级电容和储能电池组成的混合储能系统越来越多地应用于风电功率平抑。为保证混合储能系统整体充放能力,并充分利用超级电容反应快和储能电池容量大的特点,文中提出了一种基于电池荷电状态(SOC)分级优化的混合储能系统风电功率平抑方法。该方法采用了分层结构,包含优化控制层和协调控制层。优化控制层根据风电平抑性能要求以及混合储能系统当前整体SOC,计算动态调节储能系统的设定功率;协调控制层根据储能设备各自的SOC和充放电特性,按优化控制层计算出的设定功率进行功率分配,以实现对设定功率的快速跟踪。仿真实验证明,该方法在保持风电平抑效果不变的情况下,维持了混合储能系统整体较高的充放能力,同时优化了储能设备的SOC,避免了储能设备的过充过放。     

基于快速储能的风电潮流优化控制系统

风电功率的间歇与波动致使电场容量可信度低、可调度性差;同时易引起局部电网的电压不稳、频率波动,影响了系统的电能质量及稳定性。针对此现象,将超级电容器与蓄电池组成快速储能装置,用于风电的潮流优化控制。采用三重双向直流变换电路控制储能元件间的功率流动;采用四象限交直流变换电路控制储能与电网间的能量交换。提出基于超级电容器电压低频波动抑制的功率分配方法,可显著减少蓄电池的充放次数;提出基于储能元件荷电状态的储能能量调整规则,可避免储能元件的过充和频繁深度放电,以优化其功率调节能力。实验结果表明,系统可实现2种储能元件的优势互补,能有效平滑调节风电注入电网的有功功率,并实时补偿控制风电接入点的无功功率。     

基于风电功率预测的复合储能超前优化控制策略

超短期风电功率预测的可靠性及精度均逐步提升,文中将其引入风电场复合储能系统(HESS)控制过程,并利用预测功率信息提出了HESS超前优化控制策略。通过相邻充放电区间时长的概率分布统计,确定预测信息的时长区间,并将其作为优化控制策略中的超前控制时间区间;通过分析影响HESS运行效率的主要约束,构建了高效的HESS充放电控制策略;以荷电状态偏移方差最小为目标函数,构建HESS各存储介质同步启动情况下的优化控制模型,并考虑充放电功率和容量限值约束,获取未来时间区间HESS介质的充放电功率控制模式;最后,给出了求解算法和实现步骤。以实际风电场运行数据进行算例分析,计算结果表明本文所提方法可有效实现HESS的高效控制,具有一定实际应用价值。     

基于相关向量机的风电功率实时预测研究

风能的波动性和随机性给风电功率预测带来了很大的影响,准确合理的预测可以使系统可靠、持续、稳定运行。提出一种基于相关向量机的超短期风电功率预测方法。相关向量机是在贝叶斯理论的基础上提出的一种概率学习模型,与支持向量机相比,相关向量机具有概率模型稀疏、核函数计算量小等优点。对滚动多步预测模型进行了分析,建立了相关向量机的风电功率预测模型。利用该方法对吉林西部若干风电场进行功率预测,结果表明,所提出的预测模型能有效地提高预测精度,对工程有较高的应用价值。     

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。     

基于DTW-FCBF-LSTM模型的超短期风速预测

为了实时调整电网调度计划、提高电网消纳风电的能力,提出了一种基于动态时间规整(DTW)进行相似数据分析、快速相关过滤方法(FCBF)进行输入属性特征选择、以及基于长短期记忆神经网络(LSTM)的超短期风速预测方法。利用DTW方法筛选出与待预测数据相似性高的训练样本;运用FCBF算法得到优选的输入特征集;构建LSTM模型进行超短期风速预测。以风电场实测数据为算例,将文中方法与现有算法的预测精度进行了对比,验证了所提方法的有效性和先进性。