平抑光伏并网功率波动的混合储能系统优化调度策略

提出了一种光伏(PV)的最大功率跟踪工作点控制和混合储能系统(HESS)协调平抑光伏并网功率波动策略,通过PV和HESS间的密切配合,能有效将PV并网功率波动抑制在电网可接受范围内。采用了多目标非线性约束模型对HESS中电池和超级电容的充放电功率进行优化调度,调度过程中充分考虑了HESS的寿命、偏离校正以及充放电效率;给出了基于滑动平均算法的PV的最大功率跟踪工作点动态控制方法。此外,采用K均值聚类算法构建了3种典型的PV功率波动场景,对所提策略和利用HESS平抑PV功率波动的传统策略进行了对比分析,结果表明:所提策略既能取得良好的平抑PV功率波动效果,还能降低HESS的运行损耗、延长其使用寿命。     

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。     

超导储能蓄电池混合储能在风力发电中的应用

风力发电输出功率的波动性导致其直接并网会对电网带来不良影响,需要电力储能装置来提高并网性能,而常用的单一电池储能由于受到充放电次数的限制而易损坏。在建立用于平滑风电功率波动的超导储能和电池储能的混合储能模型基础上,设计超导储能用于平抑高频尖峰功率,电池储能用于平抑低频波动功率,并给出了两种储能装置的功率和容量确定方法。算例的仿真结果表明该方法同单一电池储能相比,可以有效地平抑风场并网的功率波动并减小电池的功率等级,减少电池的充放电次数和放电深度,从而延长了电池使用寿命。     

用于平抑风电波动功率的混合储能系统及其控制系统

风电系统输出功率具有波动性和随机性,并网时将严重影响电能质量。提出了一种基于超级电容器和蓄电池的新型混合储能系统,以满足平抑风电波动功率的需求。通过对混合储能系统充放电过程的控制,延长系统的使用寿命,提高充放电效率。对风电波动功率进行分解,通过采用一种新型的控制模型,建立功率信息库,根据实时风电功率及储能元件的状态,检索信息库,得到充放电控制器相应的控制算法,简化了风力发电系统多种波动功率的控制方案,缩短控制时间。仿真结果表明,所提出的混合储能系统及其控制方案是可行的,平抑后的风电输出功率可以满足电力系统实时调度的要求。     

混合储能系统的功率变换器电流预测控制方法

针对随机性强和波动性大的新能源发电系统,为了平滑其出力,提出了一种混合储能系统的功率变换器电流预测控制方法。该方法首先分析了锂电池和超级电容充放电速度的互补特性,以及它们的功率变换器各种开关状态。然后基于模型预测控制建立了锂电池、超级电容器和双功率变换器预测模型。在此基础上,应用模型预测控制设计了混合储能控制系统。在考虑锂电池电流跟踪误差、超级电容器电流跟踪误差、超级电容器损耗和双功率变换器开关管导通数量的情况下,构建了多目标评价函数,并进行了最优开关模式求解。通过实时优化控制系统,输出最优开关模式,既实现了锂电池大电流充放电和跟踪低频变化功率,也实现了超级电容器小电流充放电和跟踪高频变化功率。因此,该方法实现了混合储能系统能量合理分配,延长了锂电池使用寿命,减少了开关动作,提高了系统整体效率。最后,通过仿真验证了所提方法的正确性。     

储能电池平抑风功率波动策略

为了平抑风功率波动,并优化风电场出力特性,基于双电池组拓扑结构的电池储能系统(Battery Energy Storage System, BESS)提出了在短期内平抑风功率波动的新型控制策略。该策略基于即时控制策略,把未来风功率波动对当前储能电池充放电行为的影响纳入考虑范围。双BESS则根据策略需求进行充电或放电,任一电池组电量达到满充或满放,则两组电池的工作状态同时切换。在新型控制策略中通过风电预测并结合滚动优化法实现双BESS动态控制。实践表明该策略在风电出力特性上不仅取得了较好的平抑效果,而且能降低因储能容量不足引起的瞬时大功率波动。在电池特性上,由于采用双BESS,很大程度上降低了电池充放电次数,延长了电池寿命。     

基于蓄电池储能的光伏并网发电功率平抑控制研究

针对光伏发电因光照强度与温度变化而导致的发电功率波动问题,提出一种储能型光伏并网发电系统,以抑制并网功率的波动.以光伏发电最大功率跟踪和并网逆变控制为基础,引入蓄电池储能系统,实现对发电功率削峰填谷、平抑的功能.光伏发电系统采用两级功率变换结构,以最小化逆变器容量,解耦最大功率控制与逆变并网控制.在逆变器直流母线上并接双向DC/DC变换器,对储能电池充放电予以管理.在功率平抑控制中,储能系统采用双环控制,内环控制储能电池电流,外环则分两种情况:1)电网正常时为功率外环;2)电网故障时为电压外环.系统不仅具有最大功率跟踪和并网发电功能,还具有并网功率平抑功能.当电网因故障而断开时,系统将光伏发电能量储入蓄电池,提高了发电效率,确保了直流母线电压稳定.对整个系统建立仿真模型和实验样机,仿真和实验结果验证了所提出的控制方法可行、有效.     

基于蓄电池储能的光伏并网发电功率平抑控制研究

针对光伏发电因光照强度与温度变化而导致的发电功率波动问题,提出一种储能型光伏并网发电系统,以抑制并网功率的波动。以光伏发电最大功率跟踪和并网逆变控制为基础,引入蓄电池储能系统,实现对发电功率削峰填谷、平抑的功能。光伏发电系统采用两级功率变换结构,以最小化逆变器容量,解耦最大功率控制与逆变并网控制。在逆变器直流母线上并接双向DC/DC变换器,对储能电池充放电予以管理。在功率平抑控制中,储能系统采用双环控制,内环控制储能电池电流,外环则分两种情况:1)电网正常时为功率外环;2)电网故障时为电压外环。系统不仅具有最大功率跟踪和并网发电功能,还具有并网功率平抑功能。当电网因故障而断开时,系统将光伏发电能量储入蓄电池,提高了发电效率,确保了直流母线电压稳定。对整个系统建立仿真模型和实验样机,仿真和实验结果验证了所提出的控制方法可行、有效。     

双锂电池–电容器混合储能系统控制策略设计

针对电池储能用于平抑风电功率波动时频繁充放电切换工作状态降低了电池使用寿命的问题,提出了锂电池寿命衰减程度评价方法,并根据此方法确定了锂电池在寿命周期内吞吐最大电量所对应的最佳运行充放电循环深度。考虑到能量型储能介质和功率型储能介质的优势互补以及单电池储能运行充放电循环深度对电池带来的不利影响,采用了基于双锂电池和超级电容器的混合储能系统主电路结构,并根据分段均值方法确定储能系统的参考功率,设计了锂电池运行在最佳充放电深度内的运行控制策略。最后基于国内某风电场的实测风电功率数据,对提出的储能系统结构和运行控制策略的合理性和有效性进行了验证。算例结果表明,在完成同一个目标指令时,单储能运行时充放电循环深度与标准充放电循环深度的偏离程度较大,对电池储能寿命衰减的影响较大;而双电池储能A、B单元能在所提出的协调控制策略下尽可能运行在标准充放电循环深度,从而提高了电池的使用寿命和经济效益。     

基于储能电池的光伏功率波动平抑策略

为了平抑光伏发电功率波动,并优化光伏出力特性,在运用小波包分解光伏波动频率特性的基础上,提出了基于2组电池组拓扑结构的电池储能系统(battery energy storage system,BESS)在线运行策略和双BESS的最优容量确定方法。模型中2组BESS工作状态分别为充电和放电状态,当某一电池组电能状态达到满充或满放时,则2组电池同时切换当前的工作状态。基于光伏发电厂实测数据,对所提方案进行了验证,结果表明,所提方案不仅在光伏出力特性上取得了较好的平抑效果,而且在电池特性上,由于采用双BESS,很大程度上降低了BESS充放电次数,提高了储能系统利用效率。     

软碳负极材料锂电池在储能电站应用研究

为了分析软碳负极材料锂电池用作储能电池的优势,首先利用电化学工作站对单体电池基本动态性能进行实验测试,然后利用集装箱储能系统对储能电站工作特性进行实验测试。实验结果表明,单体电池在3C放电时,放电电压可以保持2.5 V以上,3C放电容量为37 611 mA·h,放电比率可以达到77.17%。电池充放电内阻相对较小,电池具有较高的充放电效率。储能电站电池模组在充放电过程中簇电压曲面平滑升降,电池的充入容量均值为50.45 A·h,标准差为0.75,放出的容量均值为49.60 A·h,标准差为0.82,各单体间温差较小,充放电温度变化一致性良好。因此,软碳负极材料锂电池单体具有优异的充放电性能,同时该电池串并联使用时一致性良好,满足作为储能电池的设计要求。     

储能锂电池组串现场容量试验方法研究

储能锂电池组串由大量锂电池串并联组成,由于其电压高、电流大、容量大,无法使用电动汽车锂电池模组容量试验方法。描述了储能锂电池组串容量的定义,分析了充放电倍率、温度、充放电截止电压对锂电池容量试验的影响,比较了锂电池容量试验标准,并根据不同厂家电池组串容量试验方法,提出了一种具有通用性的储能锂电池组串现场容量试验方法,该试验方法对储能电池维护工作具有指导作用。     

基于混合粒子群优化的混合储能直流电源系统

目前普遍应用的直流操作电源是由铅酸蓄电池供电,环保性较差、对高频装置响应速度较慢。针对这些问题,采用一种新型混合储能直流电源系统,其储能装置由锂电池和超级电容器构成,并提出一种基于超级电容器SOC的动态限制锂电池功率的混合储能能量管理策略。通过混合粒子群优化算法（PSO-NM）以降低锂电池的瞬时功率为目标离线求解全局最优解,有效提高了锂电池的使用寿命。最后,通过MATLAB/Simulink仿真验证了该方法的有效性,实验测试证明新型直流操作电源响应速度快,供电更加可靠稳定。     

光储直流微网能量协调控制方法

直流微网中分布式电源出力的随机波动性,不仅会引起直流母线电压大范围波动,还会影响系统的稳定运行。对此,提出了一种光储直流微网能量协调控制方法,实现了因系统功率供需不平衡引起的母线电压波动的快速平抑。该方法优先利用新能源为负荷供电,通过设定并网变换器和储能模块的工作阈值以协调管理各模块间的能量流动,避免直流母线电压小范围波动引起电力电子器件频繁动作,实现能量的最优利用。在并网状态下,直流微网通过并网变换器与大电网进行能量交换;在离网状态下,光伏模块与混合储能模块协调配合给本地负载供电。其中,考虑混合储能模块的充放电裕量,结合超级电容功率密度大和锂电池能量密度高的特点,混合储能模块让超级电容先工作来平衡系统瞬时功率,提高系统的动态响应特性,减少锂电池动作次数,延长使用寿命。锂电池工作后,可以配合超级电容调整直流母线电压,防止超级电容达到饱和的速度过快。仿真验证了所提方法的有效性。     

基于数据统计特性的GS-SVM电池峰值功率预测模型

以锰酸锂动力电池为研究对象,对电池处于不同温度和荷电状态下的情况进行10 s峰值功率测试,同时测量电池内阻。对实验测试得到的温度、荷电状态、内阻及峰值功率数据进行统计分析,包括测试变量间的相关程度评估和共线性检测,挖掘电池外特性参数与峰值功率数据间的统计关系。在此基础上,提出采用基于网格搜索的支持向量机(GS-SVM)建立电池的峰值功率预测模型。验证结果表明所提模型预测精度高,平均误差仅为3.65%;该模型训练时间短、响应速度快、操作性强,可以实现对动力电池峰值功率的快速估计,为电动汽车安全可靠运行提供有力保障。     

孤岛微网中分布式储能SOC和效率均衡控制策略

在微网的运行中,不同储能电池的特性和初始状态不一致,会降低电池组间的功率分配精度。针对这一问题,提出了一种基于并联储能单元荷电状态(SOC)和充放电效率的储能均衡控制策略,以均衡电池差异和减少系统有功损失。所提方法采用分布式控制方式,将各分布式储能单元的SOC和充放电效率作为控制输入量,实时调整其输出功率,在满足系统功率需求的同时实现功率均分及并联储能单元间SOC和效率差异均衡。在此基础上,基于各储能单元SOC设计了均衡影响因子,采用两段法优化并联储能单元间SOC的均衡效果。通过MATLAB/Simulink仿真分析了所提控制策略在分布式负载变化、系统电源故障切除及有无均衡影响因子动态变化情况下的SOC均衡效果,仿真结果验证了所提方法的有效性和"即插即用"特性。     

扣式Li-LiFePO4蓄电池的研制

采用高温固相法合成了LiFePO4蓄电池正极材料,并用X射线衍射、扫描电镜、循环伏安和充放电测试等方法对其晶体结构、表观形貌和电化学性能进行了研究;考察了不同负极和电解液对扣式Li-LiFePO4蓄电池电性能的影响。研究结果表明,该方法所合成的LiFePO4为单一的橄榄石型晶体结构、晶粒较细、粒径分布较均匀;以0.1 C充放电,首次放电比容量为134.8 mAh/g,50次的平均放电比容量不小于128 mAh/g,其充放电效率在99.6%以上;以锂/铝合金作负极,LiAsF6/碳酸乙烯酯(EC) 二甲基四氢呋喃(2-MeTHF) 四氢呋喃(THF)为电解液所得扣式锂蓄电池的性能最好。     

碳纳米管改善磷酸铁锂正极极片的性能研究

以碳纳米管（CNT）替代导电碳黑（SP）和人造石墨（KS－6）用作导电剂,制备出了20Ah的磷酸铁锂动力锂离子电池。充放电测试结果显示：CNT的引入能够显著的改善了磷酸铁锂正极极片电化学性能,电池放电平均比容量142．5mAh／g,较传统SP＋KS－6体系的电池平均放电比容量（138．8mAh／g）高2．6％。这是由于CNT在LFP颗粒间形成网络结构,赋予正极材料较高的电导率。另外,CNT体系的电池,不同倍率下放电比容量均一性较传统的好。碳纳米管加入还提高电极极片的加工性能。这是由于CNT长径比大、良好的柔韧性,增加了极片的柔韧性,减少了电池极片冲片时的报废率。扫描电镜观察显示：CNT在LFP颗粒之间,形成网络结构,提供电子通道,赋予LFP颗粒间良好导电性。     

磷酸铁锂锂离子电池SOC的电流脉冲探测

在不同荷电状态(SOC)下,研究磷酸铁锂(LiFePO4)锂离子电池对充放电电流的响应程度,确定几组响应最强烈的电流.将电池组在实际装车运行中该电流下的脉冲数据与电池管理系统中的数据对照,作为辅助方法对当前计算的SOC进行校正,然后采取合适的策略对电池组均衡.试验证明,电池组的容量提高了10％以上.