A control strategy for energy storage system based on wind power prediction error interval

由于风能的间歇性和随机性,风电功率预测的精度依然较低。随着大规模风电的集中接入,不确定性风电功率并网运行会加重电力系统的调控负担,同时会对日前调度计划安排带来不利影响。储能系统具有对功率和能量的时间迁移能力,被认为是平抑风电功率波动性、提高风电功率确定性的有效手段。本文从电力系统安全角度分析了制约风电上网规模的原因,使用基于时间序列的自回归模型预测风电功率,提出利用储能平抑风电功率预测误差区间的方法,对比考虑最大预测误差的传统调度方法,采用风电平均入网容量、风电发电量、电网空间利用率等评价指标评估所提出方法的有效性。     

基于风储经济调度的储能容量优化配置

大容量储能系统理论上可抑制风电出力波动,但其经济性不足成为实践应用的巨大瓶颈。文章从含储能的风电系统优化经济调度角度出发,以含风储的电力系统总成本最小为目标,主要考虑了因储能补偿风电功率预测误差而减小的火电旋转备用容量折算成本、因储能补偿平抑风电出力波动而减小的火电旋转备用容量折算成本,储能补偿风电场弃风成本,储能补偿火电排污和环境治理成本,以联合提高风电预测精度和平抑风电波动满足国网规定标准为约束,构建含风储的电力系统优化经济调度数学模型,采用遗传算法针对新疆某含风电的地区电网加装储能进行了储能容量优化配置。仿真结果表明,所提储能容量配置占风电场装机容量的9.60%,经济性较好,方法有效可行,具有较好的应用前景。     

基于自适应移动平滑与时间卷积网络误差修正的风电功率预测

为了解决风电功率预测误差对电力系统调度运行影响的问题,提出一种基于自适应移动平滑(adaptive movement smoothing,AMS)和时间卷积网络(temporal convolutional network,TCN)误差修正的风电功率预测方法.该方法首先利用变分模态分解和TCN提取风电功率的时空特性,得...     

基于最优滚动控制域的储能控制策略

针对风电场预测功率与实际功率不匹配以及风力发电不确定性问题,提出一种以补偿风电预测误差和平抑风电波动为目标的储能控制策略。该策略以先进控制理论为基础,结合储能补偿预测区间和储能平抑风电波动区间,提取考虑储能运行成本的储能最优滚动控制域。首先,针对储能补偿预测误差目标,制定储能控制策略,提取允许误差内的储能补偿区间;其次,考虑风电功率波动要求及荷电状态（SOC）约束,采用模型预测控制求解出储能滚动控制序列,确定储能平抑区间。最后,考虑储能运行成本,将补偿区间和平抑区间相结合,制定储能最优滚动控制区间,以此为基础确定储能容量。以中国新疆某风电场为例,对该文提出的储能控制策略与传统控制策略进行对比验证,验证所提策略的可行性和有效性。     

具有双约束条件的云模型控制策略在风储联合发电系统中的应用

在一阶低通滤波器平抑风电功率方法的基础上,从风电平抑波动需求和储能自身吞吐波动能力两方面考虑,提出基于云模型理论的储能系统平抑风电功率波动的方法。该方法以风电功率的波动率和储能系统的荷电状态作为二维云模型控制器的规则前件,以低通滤波器的时间常数作为云模型控制器的规则后件,设计适于风储联合发电系统的二维云模型控制器。该方法通过调整低通滤波器的时间常数,自适应地使储能系统协调风电功率输出,在不同工况下合理地平抑风电功率波动。最后通过仿真实例验证该方法的有效性和正确性,达到合理利用储能且较好地抑制风电功率波动的控制目的。     

考虑风电不确定性的电热系统经济调度

随着风电等新能源大规模并网,其出力的不确定性给电力系统日前调度带来很大挑战。传统的研究方法多是假设风电功率预测误差服从某种概率分布,但风电功率预测误差受到多种因素影响,概率分布模型无法准确描述其特性。为此,采用基于神经网络的组合预测方法对风电功率误差进行建模,再将预测的风电误差加入到包含热电机组、火电机组、风电、储热装置和电锅炉的热电联合优化调度模型中,最后以实际的10机系统为例进行仿真,分析了风电预测误差对机组出力、风电消纳及调度成本的影响。结果表明,与传统方法相比,所建模型可减少机组燃煤成本与旋转备用成本,降低了经济调度成本,提高了风电消纳水平。     

风电功率预测技术综述与改进建议

随着大规模风电接入电力系统,为了保证电网安全、稳定运行,需要对风电功率进行预测。阐述了不同分类标准下的风电功率预测方法,分析了基于历史数据和基于数值天气预报的功率预测方法,归纳了风电功率预测的主要模型及其优缺点,研究了预测误差的评价指标。认为合理选择预测模型和进行模型性能优化是风电功率预测的关键。在综述国内外风电功率预测技术的研究现状后,针对国内当前对风电场功率预测模型研究与开发工作,提出了改进建议。     

Inhibition of wind power fluctuations of battery energy storage system adaptive control strategy design

为了增加电池储能系统针对大规模风电并网对电网系统的友好性,降低风电功率波动对电网的不利影响,本文提出以电池荷电状态和风电功率为反馈量,改变平抑时间常数和电池储能系统充放电目标功率为目标的平抑风电功率波动的自适应控制策略。经仿真验证,上述策略能有效避免电池的荷电状态大幅波动,延长电池使用寿命,从而减小电池储能系统的安装容量,最大限度地发挥电池储能系统的作用。     

基于CEEMD-CNN-BiGRU-RF模型的短期风电功率预测

风电功率的准确预测对电网的安全运行和经济调度起着重要作用,为进一步提高风电功率的预测精度,文章提出了一种基于CEEMD-CNN-BiGRU-RF模型的短期风电功率预测模型。首先,利用完全集成经验模态分解(CEEMD)对风电功率时间序列进行模态分解;其次,对分解的各个风电功率时间序列利用卷积神经网络(CNN)进行特征提取;再次,建立双向门控循环单元(Bi GRU)模型对各个风电功率时间序列进行预测,叠加各个分量的预测值;最后,对误差进行进一步分析与预测,利用随机森林(RF)进行误差修正,得到最终的风电功率预测值。实验仿真表明,该模型的预测效果明显优于传统模型,模型的平均绝对百分比误差(MAPE)仅为2.09%。     

抑制风电功率波动的电池储能系统自适应控制策略设计

为了增加电池储能系统针对大规模风电并网对电网系统的友好性,降低风电功率波动对电网的不利影响,本文提出以电池荷电状态和风电功率为反馈量,改变平抑时间常数和电池储能系统充放电目标功率为目标的平抑风电功率波动的自适应控制策略。经仿真验证,上述策略能有效避免电池的荷电状态大幅波动,延长电池使用寿命,从而减小电池储能系统的安装容量,最大限度地发挥电池储能系统的作用。     

基于混合储能平抑风电波动的双堆自循环协调控制

应用卡尔曼滤波算法求解风电波动的目标曲线,利用超级电容的快速响应特性及燃料电池电解槽稳定高效的制氢发电特性建立平抑短时风电功率波动的混合储能控制策略.传统的混合储能平抑风电波动控制策略利用储能器件的特性直接对风电功率进行平抑.采用双堆自循环协调控制系统将超级电容组分成充电堆与放电堆,在平抑风电功率波动的同时通过判断超级...     

基于时频分析的改进小波包风电功率波动平抑方法

针对传统小波包风电波动平抑方法存在的过度平抑问题,提出一种基于时频分析的改进小波包平抑方法。首先,找出功率最大变化范围超过波动标准的时刻对集合,利用小波包对风电功率进行小波分解得到各频段分量;然后,从高频到低频依次对各频段分量在时刻对集合上进行局部削峰填谷,直到风电功率满足波动标准,从而得到平抑后的风电并网功率和储能功率指令;最后,对波动平抑效果进行评价。算例仿真表明该方法在满足风电波动标准的基础上,减小了储能功率指令的累积功率和充放电切换次数,有利于降低储能配置成本、延长储能寿命。     

有功分级平滑修正风电出力短期预测精度

为达到国家电网要求的风电场短期预测(日前)误差不超过25％的技术规定,文章以15 min时间间隔的风电实测和预测功率历史数据为基础,从横向误差和纵向误差的角度,提出了一种利用横向一次修正和储能系统二次修正的有功分级平滑来提高风电功率短期预测精度的方法.通过对误差时间序列进行统计分析,得出所需的横向时间向量将0～24 h预测功率前后平移,实现初级修正;运用储能系统装置,制定储能系统能量管理策略,有效地补偿风电功率的纵向误差,实现二级修正.以风电场的典型历史数据为例,经过两级有功分级修正,对风电功率预测进行较精确评估,同时做了简易的经济评价.     

基于WPD-LPF和灰色关联度的混合储能平抑风电波动控制策略北大核心CSCD

为获取更多风电并网功率分量信息,降低储能配置需求,文章将WPD-LPF、灰色关联度以及模糊控制相结合,提出了风电并网功率获取和储能功率分配的方法。该方法首先利用小波包分解风电功率,获取低频、高频功率分量,以风电功率波动限值约束,采用低通滤波进一步分解高频功率分量,提取部分高频功率分量,得到风电并网功率由部分低频功率分量和部分高频功率分量组成。然后,采用灰色关联度聚类重构剩余的各高频分量,进而获得混合储能系统的功率曲线。根据超级电容的荷电状态,利用模糊控制对混合储能系统的功率进行修正,得到优化后的混合储能功率。最后,与其他风电平抑策略进行了对比,验证了文章所提方法的有效性和优越性。     

超短期风电功率爬坡事件对风电功率实时预测误差的影响研究

阐述了超短期风电功率爬坡事件的研究背景及定义,建立超短期风电功率爬坡事件的检测和统计方法,利用持续法、支持向量机(SVM)和组合预测法3种风电功率实时预测方法,分析发生超短期风电功率爬坡事件时风电功率预测误差指标的变化,定量给出超短期风电功率爬坡事件对风电功率预测误差的影响。实例表明,风电功率爬坡事件具有小概率高风险特性,风电功率预测精度随着超短期风电功率爬坡事件频率的增大而降低。     

考虑预测误差分析的混合储能补偿优化策略

为提高风电场预测功率精度,对于风电场和混合储能构成的风储混合系统,提出基于预测信息搭建的混合储能补偿方案。首先,依据风电预测误差进行概率统计分析,提出风电功率预测误差的分层补偿策略,制定针对补偿预测误差的允许误差域及置信区间补偿域。其次,利用储能对不同误差层的预测误差给出相应的储能补偿方案,基于小波包分解将超出区域外待补偿预测误差分解,通过不平衡功率DFT分频法确定临界点作为功率型储能和能量型储能的目标分配值,对于荷电状态越限问题通过自适应模糊控制进行二次修正。最后,以新疆某风电场为例进行仿真分析,结果表明所提策略可有效减少风电功率预测误差。     

基于Copula理论的风电功率条件预测误差短期概率分布估计

风电功率预测分析是降低风电不确定性对电力系统影响的重要手段。文章提出了基于Copula理论的风电功率预测不确定性研究方法,从风电功率实际值和预测值的相关性入手,采用Copula理论对风电功率实际值和预测值的相依关系进行分析,在某一预测值的条件下,计算风电功率实际值的条件概率分布,进而转移到误差的条件概率分析当中,之后再将误差的分布估计转换为风电功率预测的不确定性估计。以东北地区某风电场的实测数据和预测数据进行实例分析,通过评价指标验证了该方法的有效性。     

基于混合深度学习的风电功率预测及一次调频应用

为了解决高比例不确定性风电接入电力系统带来强烈调频需求的问题,提出了基于混合深度学习模型的风电功率预测及其一次调频应用方法。首先,采用孤立森林(Isolated Forest, IF)对历史数据进行异常值处理,提高数据质量,其次,构建卷积神经网络(Convolutional Neural Network, CNN)、双向长短期记忆(Bidirectional Long Short Term Memory, BiLSTM)和注意力机制(Attention Mechanism, AM)的混合深度学习模型对风电功率进行预测。最后,依据功率预测精度配置超级电容器储能,设计储能调频控制原则,弥补风电机组自身预测误差,并协同风电机组参与电力系统一次调频。基于预测结果为4台风电发电机组2个负荷区域仿真系统配置超级电容器储能系统,利用digsilent平台进行了风预测误差和负荷波动下的一次调频仿真。结果表明：所提IF-CNN-BiLSTM-AM模型比BP和LSTM基准模型预测误差(MSE)降低了81.53%和51.44%,具有最优的预测性能;设计的风储一次调频模型与原则可有效应对风电预测误差和负荷波动...     

风电功率预测系统评价方法研究

风电功率预测评价是量化功率预测对电力系统贡献价值、提高预测系统精度的重要依据,而目前常用的评价指标对误差特性反映不够全面,且未考虑对电力系统影响。文中基于RBF和SVM算法建立了风电功率短期预测模型、超短期预测模型和负荷预测模型,用于分析现有评价指标在反映预测结果特征时的局限性。然后,在此基础上提出了平均趋势偏差、友好度和时间延迟三个具有创新性的评价指标。最后,以中国北方某风电场实际运行数据为例对新指标的优越性进行验证。结果表明,所提出的新指标能够反映出预测结果的整体偏差、与电力系统状态之间的关系和时序特征,对风电功率预测系统改进以及电力系统制定发电计划、实时调度具有指导意义和参考价值。     

计及调频备用的储能平抑风电功率波动控制策略北大核心CSCD

新能源场站配置储能系统可以平抑输出功率的波动、承担新能源机组调频义务。若储能仅考虑单一平抑波动工况时可能会造成风储联合系统调频有功备用不足。因此本文提出一种考虑调频有功备用与荷电状态恢复的平抑风电功率波动策略,首先利用聚类算法提取储能平抑波动典型工况,计算储能平抑波动功率需求和剩余有功功率;其次,结合国标对风电场有功备用相关标准,利用储能调频备用与风电减载联合提供有功备用,并对储能平抑波动功率设置限幅;最后,利用模糊控制理论设计储能系统边缘区荷电状态恢复策略。基于实际风电场运行数据进行仿真分析,结果表明所提出的方法可在储能系统平抑风电波动时提供有功备用以及边缘区荷电状态恢复。