共查询到17条相似文献,搜索用时 78 毫秒
1.
2.
3.
4.
立足于区域能源互联网的多源耦合特性,以用户供电需求为导向,探寻了光伏电池和储能电池接入场景下的协同优化管理策略.利用 MPPT优化光伏发电效率,并选择用户峰谷负荷差为优化目标,依据负荷变化动态计算储能电池补偿容量,平抑光伏出力波动,实现区域内负荷削峰填谷,确保电网安全经济运行,并基于MATLAB验证该管理策略的有效性. 相似文献
5.
6.
7.
大规模可再生能源接入背景下自动发电控制研究现状与展望 总被引:2,自引:0,他引:2
大规模可再生能源接入将导致注入功率的扰动增大而抑制频率变化的转动惯量减小,给电力系统自动发电控制带来新的问题和挑战。引入新型调频资源和应用先进控制方法是提升频率调节质量和效率的重要手段。首先,分析总结了大规模可再生能源接入对电力系统频率响应性能和调频需求两方面的影响。然后,从新型调频资源参与自动发电控制的可行性、经济性、有效性及控制策略等多个角度,综述了新型调频资源参与自动发电控制的关键问题和研究动态。归纳并讨论了几类先进控制技术应用于自动发电控制中的研究现状和应用前景。最后,对大规模可再生能源接入条件下自动发电控制的研究挑战和方向进行了总结和展望。 相似文献
8.
能源互联网是解决未来大规模分布式可再生能源接入和能源共享的重要基础设施。立足于建设能源互联网的根本目标,指出了能源互联网的特征,提出了一种基于能源路由器的能源互联网结构;提出了一种层次化功能结构的能源路由器,能够支持分布式电源、电动汽车和负荷的接入,详细介绍了能源路由器的各功能模块;提出了一种具有多电力接口模块化的能源路由器主回路结构;提出了一种基于能源路由器的能源交易模式,既能实现能源自由公平的交易,又能够自动实现分布式能源就地、就近消纳,并详细介绍了能源交易过程。 相似文献
9.
储能是系统中重要的灵活性资源提供者,是未来新型电力系统中不可或缺的组成部分。为了推动储能的规模化应用进程,降低储能使用成本,云储能模式近年来已受到了学术界和工业界的广泛关注。但是,传统云储能模式主要关注对电力储能资源的整合与复用,由于当前电力储能的价格依旧相对高昂,电力储能资源复用所释放出的红利依然难以满足电力用户对“储能平价使用”的全部期待。为此,提出一种传统云储能模式的裂变形式——面向电力系统的多能源云储能模式,其将热力、燃气系统作为广义储能资源加入到云储能系统中去,既让云储能模式能够成为连接跨能源系统的桥梁,又进一步降低电力储能用户的储能使用成本,实现多方互利共赢。介绍了多能源云储能系统的基本运营模式、实现形式和核心优势,阐述了面向多能源云储能系统的研究框架,并对多能源云储能发展过程中需要重点关注的核心问题与技术进行了展望。 相似文献
10.
11.
12.
13.
14.
15.
超导磁储能(superconducting magnetic energy storage,SMES)技术具有响应时间快、功率密度高、生命周期长等特点,在电网电压质量调节、频率控制、脉冲负载供电等方面具有重要的应用价值,被列为《能源技术革命创新行动计划(2016—2030)》之先进储能技术的主要突破方向。介绍了SMES的系统组成原理和系统先进性,概述了SMES在电力系统、舰船供电等场景的应用,综述了SMES近期有代表性的大型项目和研究状态,并从特性互补、提高性能的角度讨论了2种与氢电池和电化学电池组合使用的SMES混合系统。最后,指出了SMES发展和大规模应用所面临的几点挑战,并给出了相应的应对策略。 相似文献
16.
超导储能系统直接将电磁能存储在超导磁体中,无须中间转换环节,具有响应速度快、功率密度高、效率高等优点,在可再生能源领域具有重要的应用价值。总结了超导储能系统在可再生能源领域的研究现状,将其在可再生能源应用的研究归纳为如下几个方面:解决可再生能源的波动性及其引发的频率稳定性问题,解决暂态功率失衡引发的电网稳定性问题,解决可再生能源发电设备的故障穿越问题,以及解决与其他超导电力装置协同控制问题。详细介绍了超导储能系统在这些方面应用的基本原理和实现方法,评估了其技术成熟度和经济性,介绍了其典型应用案例,指出影响其未来发展的核心关键技术,并对其未来的发展进行了展望。 相似文献
17.
计及电动汽车和光伏—储能的微网能量优化管理 总被引:5,自引:0,他引:5
随着光伏发电和电动汽车的快速发展,电网的安全和经济运行受到了更多的关注,开展关于能量管理问题的研究有助于保证电网的稳定和高效运行。文中针对并网模式下计及电动汽车和光伏—储能的微网能量管理问题,研究了根据电动汽车电池的荷电状态进行能量管理的功率计算模型,提出了兼顾光伏出力、电动汽车充放电功率、电网电价时段划分及储能能量状态的能量管理策略。在此基础上,建立了以电动汽车充放电功率为优化变量,以减少微网运行费用为目标的能量管理模型,并采用基于遗传算法与粒子群算法的混合优化算法(GAPSO)进行求解。最后以实际微网为例进行仿真,结果验证了所述方法的有效性和可行性。 相似文献