混合储能系统平抑风光发电功率波动策略

针对混合储能系统(HESS)中不同功率分配方法对平抑风光发电输出功率波动的影响.利用移动平均滤波获得储能系统的参考功率,采用变分模态分解(VMD)获得HESS的初始功率分配,结合超级电容和蓄电池的荷电状态(SOC.)与其变化趋势,并使用模糊控制规则修正储能系统的充放电功率.提出一种基于VMD的双重模糊控制策略.比较不同功率分配方法下储能系统SOC的控制结果,配置不同情况下储能系统的功率和容量.仿真实验结果表明该策略能有效平抑风光发电功率波动,极大延长了储能系统的运行寿命.     

基于变分模态分解的混合储能系统协调控制

针对自然条件下光伏电源出力的波动性和间歇性,以铅酸蓄电池和超级电容器组成的混合储能系统为基础,提出了一种基于变分模态分解（variational mode decomposition, VMD）的储能系统功率分层分配方法。储能系统承担的净负荷经过VMD分解后的高频波动分量分配给超级电容器承担,趋势分量分配给蓄电池承担;同时根据各储能单元的实时最大可充放功率和荷电状态对初级功率分配进行二次修正。仿真实例表明,该方法可有效平抑净负荷波动,并实现了储能系统调节特性的优化和储能单元的长期稳定运行。     

基于变分模态分解和Hilbert变换的平滑风电出力混合储能容量优化配置

由于风力发电系统在并网过程中容易受到风速随机性、间歇性的影响。因此,在风电机组并网处安装储能装置不仅可以平滑功率波动,还可以获得良好经济效益。提出了变分模态分解-希尔伯特变换(VMD-Hilbert transform,VHT)的时频分析储能系统容量配置方法。首先通过滑动平均滤波获得的储能系统参考功率,采用变分模态分解(Variational Mode Decomposition,VMD)将储能系统参考功率,即非平稳信号分解为数个单分量信号——固有模态函数分量(IMFs),通过Hilbert变换得到时频谱,对时间积分计算获得各模态函数分量的边际谱,与传统HHT(Hilbert-Huang transform,HHT)相比,能够有效避免频谱混叠;最后根据边际谱选择分频点,分别将高频信号和低频信号分配给超级电容器和蓄电池。目标函数考虑了经济周期成本,仿真实验结果验证了所提方法的有效性和经济优势,因此,在新能源发电中为储能系统配置提供了新的方法。     

基于SOC实时反馈的HESS平抑光伏功率波动策略

采用铅酸电池和超级电容器构成的混合储能系统(HESS)平抑光伏功率波动,并根据铅酸电池与超级电容器特性的不同,提出基于小波包分解的HESS控制策略,实现原始功率的初级分配。针对上述分量波动大、正负变化频繁的问题,采用模糊控制对储能装置的功率参考指令进行修正。基于卡尔曼滤波实时监测储能装置的荷电状态(SOC),合理控制储能装置的充放电,延长储能装置使用寿命。在Matlab/Simulink中搭建光伏混合储能系统仿真模型,对提出的协调控制策略进行仿真验证。仿真结果表明,所提协调控制策略可行。     

基于VMD-APSO的风电场混合储能系统容量优化配置北大核心CSCD

针对风电波动性、间歇性和难预测等严重冲击电网安全运行问题,提出一种利用变分模态分解(VMD)和自适应权重粒子群算法(APSO)获得风电场混合储能系统容量优化配置方法。首先,基于典型日风电输出功率,利用低通滤波法得到满足标准的目标并网功率并获得储能系统参考功率。然后,将其通过VMD分解为高、低频功率,由超级电容器和蓄电池承担。最后,考虑储能充放电功率与荷电状态(SOC)等约束,建立以系统年综合成本最小为目标的容量优化配置模型,采用APSO算法求解并分析最优分界点和对应的储能配置方案。算例结果表明所提方法可有效平抑风电波动,降低储能容量,提高系统供电可靠性与经济性。     

利用储能系统平滑光伏波动的模糊聚类经验模态分解方法

为了平滑光伏输出功率,提出一种基于模糊聚类经验模态分解(ensemble empirical mode decomposition,EEMD)的储能系统控制方法。通过对光伏信号的频谱分析,利用EEMD滤波分成高频和低频两部分,光伏低频分量作为光伏并网功率信号,高频信号接入储能系统吸收;使用储能电池荷电状态值、平滑波动率值状态作为约束条件,利用模糊控制算法,自适应在线调整EEMD滤波阶数,通过模糊自适应控控制器,实现了更好平滑光伏波动。对比定阶EEMD光伏功率储能控制策略,仿真实例表明,该方法可以充分使用储能系统平抑光伏功率波动,稳定储能荷电状态。     

基于SOC优化的混合储能平抑风电波动方法

针对蓄电池和超级电容器储能特性不同的特点,将风电功率信号进行多尺度小波包分解,得到蓄电池和超级电容器的充放电参考功率。提出基于蓄电池和超级电容器荷电状态SOC(state of charge)的功率分配优化方法,详细讨论两种储能元件协调工作时可能出现的所有工作状态,实时检测储能元件SOC的大小,当处于非正常工作状态时调整储能元件的实时充放电参考功率,进行相应的过充过放保护。该方法对风电功率波动具有较好的平抑效果,且能有效延长蓄电池和超级电容器的使用寿命,在Matlab/Simulink中搭建仿真模型验证了该控制方法的有效性。     

基于变分模态分解下利用混合储能平抑风电出力波动的控制策略

针对风电有功功率波动这一问题,提出一种自适应滑动平均和变分模态分解相结合的滤波方法。针对某典型风电场出力数据,利用自适应算术平均法确定并网功率和储能系统充放电功率;采用变分模态分解方法把储能功率分解成一系列频率由低到高的子模态,从而完成混合储能系统功率的初级分配。针对功率型储能元件能量密度低,容易出现过充或过放的现象,对功率型储能元件的荷电状态进行实时监测。根据模糊控制制定的规则对混合储能系统的初级功率进行修正。算例分析表明,风电出力波动不但可以得到很好地平抑,而且混合储能系统也能够安全合理地工作。     

基于总体平均经验模态分解的混合储能系统协调优化控制

由于光伏发电具有较强的随机性和波动性,利用储能系统能够有效平抑光伏功率的波动。该文提出了基于总体平均经验模态分解(ensemble empirical mode decomposition,EEMD)的混合储能协调优化控制方法。首先,根据光伏并网波动率限制要求调整EEMD的滤波阶次k1,将光伏功率分解为高频分量和低频分量,然后,将分解后的低频分量作为光伏电站的并网功率实现光伏功率的平滑控制。为了提高混合储能系统使用寿命,根据电池和超级电容器的荷电状态(state of charge,SOC)对滤波阶数k_2进行调整,实现电池和超级电容器之间的能量分配。根据电池和超级电容器的充放电优先级规则,实现超级电容器和储能电池之间的功率最优控制。通过仿真实例验证了本文方法的有效性和正确性。     

平抑风电波动的混合储能系统控制策略

为了有效平滑风电出力,提出一种针对混合储能系统的双层模糊优化控制策略。利用小波包分解方法将风电场输出功率进行分解,根据混合储能系统特性进行功率分配;采用模糊控制对储能系统的充放电功率和荷电状态进行协调控制,在此基础上以混合储能系统的平均荷电状态及其参考值为输入,采用第二次模糊控制优先对混合储能系统中的超级电容器进行再次充放电功率优化控制,同时实现风电场有功功率的平滑输出;以实际风电场数据为基础,在Matlab/Simulink中搭建数学模型,经过仿真分析证明该控制策略的有效性。     

采用自适应小波包分解的混合储能平抑风电波动控制策略

采用蓄电池和超级电容构建混合储能系统以平抑风电场输出功率波动,实现风电平滑并网。首先,针对不同风电出力场景下风电功率的波动特性,结合风电并网波动标准和混合储能系统性能特点,实现风电功率的自适应小波包分解和储能初级功率分配,得到风电并网功率和混合储能初级功率指令;其次,在混合储能系统内部,根据超级电容的荷电状态,利用模糊优化控制对蓄电池和超级电容的功率指令进行二次修正,得到优化后的混合储能功率分配指令。算例分析表明,所提策略能够自适应地实现风电功率的最优分解和合理分配,确保混合储能荷电状态工作在合理区间,有效改善风电输出功率波动平抑效果,保证混合储能系统长期稳定运行。     

平抑风电波动的混合储能系统自适应控制策略

针对由全钒液流电池、磷酸铁锂电池及超级电容 3种储能介质组成的混合储能系统,提出一种针对不同储能介质特性进行混合储能系统自适应功率分配及调节优化的风电功率波动平抑控制策略。通过二阶低通滤波算法进行针对不同储能介质特性的自适应功率分配及调节,同时考虑系统后续运行需求,进行基于SOC反馈的分段功率控制优化调整,使储能系统工作在正常区间的同时为后续运行时段提供一定的充放电空间,最后经过储能系统极限约束修正,实现对风电场输出功率波动的有效平抑。通过在储能型风电场项目中的应用实验,验证了此控制策略的有效性。     

基于模糊控制的混合储能平抑风电功率波动

风电功率波动对电网造成不容忽视的影响。风电并网处加入混合储能系统可以有效地降低风电对电网的影响。首先按照风电并网波动量要求,估算出某时刻的预估风电波动量。然后根据风电预估波动功率以及电池当前的能量状态建立模糊控制器,输出平抑系数K1,并计算出混合储能系统的实际输出功率以及风储并网功率。最后利用需混合储能SOE变化量以及超级电容器当前能量状态,建立模糊控制器,输出分配系数K2,计算当前超级电容器和电池的实际输出功率,并实时更新混合储能的能量状态。通过算例证明,在混合储能容量充足和不足的情况下协调控制算法均可靠、有效,并且能够充分解决混合储能使用寿命和风电功率波动平抑度之间的矛盾。     

基于荷电状态的混合储能系统协调控制策略

为优化混合储能系统运行状态,提出了一种新型混合储能分层协调控制策略,包括上层能量管理与下层混合储能控制。上层能量管理层根据微电网母线电压、频率以及混合储能系统综合荷电状态（SOC_HESS）,利用模糊逻辑算法优化混合储能系统的充放电功率,使得储能设备的荷电状态维持在合理范围。下层混合储能控制层在低通滤波器的基础上根据磷酸铁锂电池和超级电容器各自的SOC,建立分配功率修正算法,优化储能单元的SOC状态。仿真实验证明,所提出的基于荷电状态SOC的分层协调控制,有效地降低了混合储能的SOC的变化范围,防止储能设备的过充或过放。     

基于EEMD与模糊控制的混合储能控制策略

为实现风电平滑并网，采用蓄电池和超级电容组成的混合储能系统平抑风电出力波动。本文提出了基于集合经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）与模糊控制的混合储能控制策略。首先，利用集合经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）对风电输出功率信号进行分解。根据低、高频固有模态函数（IMF）能量的明显差异确定EEMD滤波阶次。其次，按照风电并网波动率的限制要求，对滤波阶次进行调整，将符合波动率要求的低频分量并网，高频分量分配给混合储能系统。然后，对蓄电池和超级电容的实时荷电状态（State of Charge，SOC）进行判断，利用模糊控制对超级电容的功率指令进行优化，防止超级电容过充和过放。仿真实例表明，所提策略既能实现风电输出功率的合理分配，有效的抑制风电波动，又能使混合储能系统的SOC稳定在合理区间，提高储能系统的使用寿命。     

基于参数优化变分模态分解的混合储能功率分配策略

为平滑风电输出功率,通常将功率型储能元件和能量型储能元件结合成混合储能系统与风电系统相连.为了提高混合储能系统的灵活性和经济性,对一种基于参数优化变分模态分解(Variational Mode Decomposition,VMD)的混合储能系统控制策略进行了研究.采用粒子群算法确定VMD算法中K值(分解模态数)和α值(...     

考虑抗扰性能的风电混合储能系统协调控制策略研究

为风电场增加储能系统是平抑风电输出功率波动的有效措施之一。首先,通过对风电场出力进行频率分析,提出采用超级电容搭配蓄电池的混合储能方案平抑风电出力波动中的主要分量,并给出了一种混合储能系统模糊滑模控制策略,采用模糊控制器消除滑模控制器的高频抖振现象。然后,在RTLAB平台上搭建风电混合储能系统仿真模型。通过分析控制系统在扰动作用下的阶跃响应,验证了模糊滑模控制器的高抗扰性能。最后,仿真计算了采用模糊滑模控制策略前后储能设备的出力情况和荷电状态,进一步验证了该控制策略对风电出力平抑和提高系统抗扰性能的作用。     

考虑电动汽车集群储能能力和风电接入的平抑控制策略

为促进风电在电网中的消纳吸收,提出了考虑电动汽车集群储能能力和风电接入的平抑控制策略。首先对单体电动汽车入网后的储能特性进行精细化建模,充分考虑储能容量对不同荷电状态(SOC)的电动汽车有功响应能力的约束,在此基础上构建了电动汽车集群储能能力评估模型;进而针对多个电动汽车集群的协同控制,提出了考虑集群储能能力差异性的联络线功率波动平抑控制策略。该策略根据SOC自适应算法,在考虑各电动汽车响应能力约束的基础上,根据自身SOC水平确定各电动汽车的目标功率值,从而充分利用电动汽车与电网交换功率的连续调节能力;同时,该策略提出2种不同的交换功率控制方法,并探究不同方法在减少放电过程方面的差异性。最后,算例中利用电动汽车集群储能能力平抑联络线的功率波动,仿真结果验证了所提出的电动汽车集群储能能力评估模型和平抑控制策略的有效性。     

采用自适应VMD与能量管理控制的混合储能平抑风电波动策略

采用燃料电池/电解槽/储氢罐/超级电容构建混合储能系统来平抑风电功率的波动性,实现风电平滑并网.针对风电功率的波动特性,结合风电并网波动率标准,提出自适应VMD算法,实现风电功率的自适应分解,得到风电并网功率和混合储能系统功率指令,根据燃料电池和电解槽出力需求,结合超级电容的荷电状态和储氢罐的储氢状态,提出一种能量管理控制策略,实现储能系统内部功率分配.算例结果表明,所提算法能自适应实现风电功率的最优分解,所提控制策略能完成储能系统内部功率的合理分配并有效地平滑风电出力波动,同时保证超级电容的荷电状态、储氢罐的储氢状态工作在合理区间.     

基于风电场集中储能的风储柔性控制策略研究

为了平抑风电波动并且保证储能荷电状态(SOC)跟踪给定目标值,针对风储协调优化控制,给出了一种风储多时间尺度的柔性控制策略。首先,采用正态分布的方法分析了风储的容量配比。其次,采用带死区的滑动平均值滤波算法对风电场分钟级运行数据进行平滑,利用模型预测控制(MPC)原理,结合风电场超短期风功率预测数据,实现了储能小时级充放电功率的滚动优化。最后,在Matlab中搭建了钒液流电池模型和柔性控制策略模型,采用风电场的实际运行数据对模型进行了仿真验证。仿真结果表明,风储柔性控制策略是正确和有效的,在降低风电波动的同时又能保证储能SOC不偏离目标值。