混合储能平抑风电波动的功率分配策略

为有效解决风电功率波动的问题,提出了一种基于自适应滑动平均算法与遗传算法-变分模态分解（GAVMD）的混合储能系统风电并网控制策略。首先,根据风电并网波动标准采用自适应滑动平均算法得到混合储能功率。其次,运用遗传算法,以VMD模态分量的样本熵值为适应度函数,确定模态个数及惩罚因子的最优组合。最后,根据希尔伯特边际谱确定分界频率,低频功率与高频功率分别交由锂电池与超级电容进行平抑。算例分析表明,所提方法不仅能够合理对风电功率进行分解,而且能够实现混合储能功率最优分配,具有自适应性。     

混合储能系统平滑风电出力的变分模态分解-模糊控制策略

在风电机组并网处安装储能装置可以有效平滑功率波动,提出了变分模态分解-模糊控制策略平抑风电功率波动。首先通过滑动平均滤波获得储能系统参考功率,采用变分模态分解(Variational Mode Decomposition, VMD)将储能系统参考功率分解后,分别将高频信号和低频信号分配给超级电容器和锂电池。结合超级电容器和锂电池当前荷电状态与其参考值偏差,经模糊控制规则修正储能系统设备的充放电功率。最后利用Matlab/Simulink仿真,结果表明该控制策略不仅能够满足风电场最大输出功率变化率限制要求,还可以保持荷电状态(SOC)维持在合理范围,避免过充和过放的发生。     

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。     

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...     

平抑风电波动的混合储能优化配置及控制策略∗

混合储能系统可以利用不同储能类型互补特性,以较低成本有效平抑风电功率波动,为此提出了一种针对混合储能系统容量配置和控制策略的联合优化方法.首先,基于小波包分解将不平衡功率按频段分配给不同类型储能 设备.然后,建立考虑充放电深度对储能寿命影响的成本年值模型,以最小化成本为目标确定最优分频点,进而确定储能配置.最后,采用双层模糊控制策略,通过交叉补偿在防止荷电越限前提下有效平抑风电波动.通过对某风场全年运行数据进行仿真,验证了所述方法的有效性.     

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(...     

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。     

基于混合储能双层规划模型的风电波动平抑策略

风电特有的间歇性和波动性,影响电网稳定运行。为减小风电波动对电网的影响,该文以平抑风电功率波动为目标,构建基于多步模型算法控制(model algorithm control,MAC)的混合储能平抑–定容双层规划模型。上层模型以储能最小出力和储能充放平衡为目标函数,采用MAC算法求解出混合储能总作用域;然后,提出考虑混合储能经济性的自适应滑动窗口调节方法,通过滑动平均滤波(moving average filter,MAF)将总作用域分解为蓄电池作用域和超级电容器作用域,使超级电容器作用于控制序列变化率较大的部分,蓄电池作用于控制序列的平滑部分。基于MAC-MAF作用域制定了储能运行策略。根据上层求解结果和储能运行策略建立了下层超级电容器和蓄电池容量最优配比模型,该模型以混合储能系统日均运行成本最低和最大化平抑风电波动为目标函数,采用多目标哈里斯鹰算法求解上述模型。以新疆某50MW风电场验证了所提策略的合理性及模型求解方法的有效性。     

A Novel Control Strategy of Hybrid Energy Storage System for Wind Power Smoothing

For the purpose of smoothing wind power fluctuations by using a battery–supercapacitor hybrid energy storage system (HESS), this paper designs a novel control strategy based on a self-adaptive wavelet packet decomposition technique and a two-level power reference signal distribution method. According to the fluctuation characteristics of wind power in different output scenarios, and considering the grid regulations on wind power volatility, the proposed technique can yield wind power grid-connected values adaptively. Then, the HESS power reference signals will be given by a two-stage reasonable distribution method based on the performance characteristics and the state of charge of the HESS. Simulation results show that the proposed control strategy can effectively improve the performance of wind power fluctuation smoothing and ensure that the HESS works within a reasonable range to guarantee the long-term stable operation of the HESS.     

用于风电平抑的混合储能选型和容量优化配置方法

采用小波包分频技术对风电功率进行分解,考虑储能选型策略与混合储能容量配置之间的相互影响,提出一种用于风电平抑的双循环储能容量配置方法。该方法内循环以混合储能组合方案为优化变量,外循环以储能内部功率划分的分界点为优化变量。以储能成本为目标函数,评估各分界点下不同储能方案的经济性,同时进行混合储能的选型和容量的配置。最后将与提出的风电平抑方法与其他方法进行对比,利用Matlab仿真软件验证了该方法的有效性和优越性。     

净效益最大的平抑风电功率波动的混合储能容量配置方法

通过分析不同功率分配方法对储能容量配置的影响,提出了一种利用滑动平均和经验模态分解(EMD)获得储能参考功率的混合储能(HESS)功率和容量配置方法,并基于全寿命周期成本(LCC),考虑减少风电场旋转备用和缓建并网通道容量效益,以净效益最高为目标实时平抑风电功率波动。该方法首先利用滑动平均法得到HESS参考功率,采用EMD将其分解成一系列本征模态函数(IMF)。根据功率型和能量型储能的特性,以瞬时频率-时间曲线混叠最少为原则选择分界频率,将分解后的子分量重构成高、低频信号,分别作为功率型储能和能量型储能的参考功率。然后,考虑储能系统的充放电效率和荷电状态(SOC),配置不同储能组合方案下各储能的功率和容量,并与其他功率分配方法下的配置结果进行对比分析。最后,构建HESS的成本-效益模型,比较不同方案的净效益,得出经济最优的配置方案。     

应用于平抑风电功率波动的储能系统控制与配置综述

随着电力系统中风力发电渗透率的不断增加,在风力发电机上或者风电场并网点集成储能系统对风电功率波动进行平抑,以减少其对电力系统运行控制的影响成为研究的热点。文中首先对目前已有的应用于平抑风电功率波动的储能系统示范工程进行了介绍,然后对储能系统应用的4个重要问题进行了全面的综述与总结,包括储能类型的选取、储能系统的功率和容量配置、波动平抑控制算法、储能系统能量管理等4个方面,并对目前存在的关键技术问题以及未来的研究方向进行了探讨与分析。     

平抑风电波动的混合储能容量配置及控制策略

为了平滑风电场输出功率,降低风电波动对电网造成的冲击,利用能量型储能元件电解槽与功率型储能元件超级电容相结合形成的混合储能系统对风电波动进行平抑。首先对大量时间片段内的储能出力进行概率统计分析,通过并网功率波动率在风电波动限值范围内的概率变化评估风电波动平抑效果,将给定置信水平的输出功率作为混合储能额定功率。在此基础上,通过考虑经济性的自适应滑动窗口算法将混合储能功率分解,进而确定超级电容的额定容量以及电解槽的额定功率,实现了兼顾经济性和波动平抑效果的容量配置。其次,依据超级电容的荷电状态、电解槽额定功率、储能系统总体功率指令制定混合储能系统的运行控制策略。最后结合风电场实际运行数据,仿真验证了所提方法可以实现功率分配、保证储能各元件正常运行,同时有效降低了风电输出功率的波动。     

计及碳收益的风电场混合储能容量优化配置

风电场输出功率波动剧烈,直接并网会影响电力系统的安全稳定运行,需要配置储能平滑风电功率使其满足并网要求。为克服滑动平均法追随性差而导致储能配置容量较大的问题,提出分级滑动平均法用于确定风电功率平滑目标;采用Butterworth低通滤波对风电功率偏移量进行分解,将低频分量和高频分量分别作为锂电池储能和飞轮储能的参考功率;考虑储能初始投资及置换等成本以及售电收益、碳交易收益,建立风电场混合储能容量优化配置模型,并采用自适应混沌粒子群优化算法进行求解;利用某48MW风电场的运行数据进行仿真验证。仿真结果表明：分级滑动平均法更适用于确定风电功率平滑目标,锂电池与飞轮混合储能有利于提高风储系统全生命周期的净收益。     

电池储能平抑短期风电功率波动运行策略

为了改善风电场出力特性,提出了一种新的电池储能平抑风电场出力短期波动的运行控制策略——超前控制策略。超前控制策略基于当前的简单控制策略,考虑了未来的风电出力波动对储能装置的当前充放电行为的影响,是一种具有前瞻性的方法。在超前控制策略中,引进了风电预测可信周期的概念,并通过滚动优化计算实现电池储能的动态控制。该方法可降低储能电池的荷电状态约束对其充放电行为的影响,可有效提高储能电池的利用效率。利用该运行控制策略对某大型风电场与电池储能联合运行系统的出力特性进行了研究,结果证明了该策略的有效性。     

基于小波包混合储能系统的风功率波动控制策略

随着风力发电的发展,风电波动带给电网的影响越来越明显,平滑风电出力显得很重要。针对风电功率波动特性,提出基于小波包分解法,得到风电并网功率、混合储能系统参考功率和充放电状态。结合蓄电池和超级电容的荷电状态,提出了能量管理协调控制策略,实现了储能系统内部功率修正,算例结果表明:能量管理协调控制策略能完成混合储能系统内部功率最佳修正,且可以有效的平滑风电出力。最后以实际风电数据为依据,在MATLAB中建立了数学仿真模型,证明了该控制策略的有效性。     

超级电容器-飞轮-蓄电池混合储能系统容量配置方法研究

采用混合储能系统能够降低储能配置的年均综合成本,提高光伏发电系统的经济效益。针对超级电容器-飞轮-蓄电池混合储能系统,采用经验模态分解方法把光伏发电功率与负荷功率之间的不平衡功率分为高频、中频和低频三部分,分别作为超级电容器、飞轮和蓄电池的参考功率;构建以年均综合成本最小为目标函数,同时考虑混合储能系统的充电与放电功率和剩余电量等约束条件的容量优化配置模型,采用遗传算法进行优化,并通过实例分析验证了该配置方法的有效性。