电池储能平抑风电功率波动的预测控制方法

风电波动性和随机性严重影响电力系统安全稳定性。为了平抑风功率波动,提出了一种基于模型预测控制(MPC)原理的平抑风电功率波动的电池储能控制方法。该方法利用风电场超短期功率预测信息,以并网风电功率的波动范围、电池储能荷电状态(SOC)、储能出力大小等为约束,通过滚动优化实现对储能的优化控制。算例表明,该方法既能有效平抑风电功率波动,又能超前控制储能SOC值,维持储能的平滑能力,避免储能过充过放。     

基于分布式模型预测控制的包含大规模风电集群互联系统超前频率控制策略

随着风电在电力系统中的大规模接入以及风电渗透率的不断提高,仅依靠传统电源进行频率控制将无法满足系统稳定性要求,亟需风电具有与传统电源协调配合共同参与电力系统频率控制的能力。首先,建立了一个考虑非线性约束的包含大规模风电集群及传统电源的多区互联系统频率响应模型;其次,提出了考虑超短期风电功率预测信息的结合拉盖尔函数分布式模型预测控制策略,该策略依据风电预测数据对控制策略预测时域进行滚动优化,形成频率超前控制的优化机制;最后,提出了纳什均衡分解协调在线优化控制算法,解决带约束多变量复杂系统与在线滚动优化求解之间的矛盾。通过算例分析,对所提策略与算法的可行性和有效性进行了验证。     

含超短期风功率预测增强处理的风储系统超前滚动优化控制策略

因风电固有的高不确定性与强随机性的特点,在电力市场中难以与传统机组相竞争,影响其大规模地接入电网.为提高风电跟踪计划出力能力与市场竞争力,首先结合电池储能系统,考虑风储系统运行约束,建立了以区域发电机组并网要求下惩罚电量与电池吞吐量最小为目标的优化模型;其次利用卡尔曼滤波算法对超短期风电功率预测数据进行增强处理,提高预...     

基于超短期风电预测功率的储能系统跟踪风电计划出力控制方法

为最大程度地提高风电跟踪计划出力能力,基于超短期风电预测功率建立了包含5个控制系数的储能系统充放电控制策略,并提出了利用粒子群优化算法实时优化储能系统充放电控制系数的方法,以减少日前短期风电预测误差。以典型风电场出力为例进行仿真分析,对固定系数方法及滚动优化系数方法进行了比较,并分析了影响预测精度的因素,结果验证了所提方法的可行性。     

微网下风光储预测滚动协调优化策略

随着可再生能源并网以及微网技术的不断发展,研究微网下风光储协同控制变得日益重要。该文提出了一种预测滚动优化协调控制策略,该控制策略主要包括综合预测和滚动优化模块。综合预测模块通过超短期神经网络预测给出风电、光伏、负荷的功率预测结果;滚动优化模块考虑功率偏差软约束、风电和光伏出力约束、储能容量和功率二阶充放电模型,建立储能电池充放电次数最小以及剩余电量最大的优化模型,并利用贪心粒子群优化方法求解。仿真算例说明所提控制策略能够在兼顾微网功率偏差的基础上,有效限制储能充放电次数,避免储能过充过放,以提高储能的使用寿命。     

用于跟踪风电场计划出力的电池储能系统容量优化配置

电池储能系统是平抑风电功率预测误差的理想选择,在现有储能电池价格水平前提下,电池储能系统的功率与容量优化配置尤为重要。基于风电场功率预测误差分布特性,依据风电功率预测预报标准中的约束条件和考核指标,分析了电池储能系统功率与风电功率预测误差、风电功率预测误差缩减率、全天预测结果的均方根误差、准确率及合格率的特性关系,储能系统容量与容量需求满足率及容量需求满足增长率的特性关系。为较好平抑风电功率预测误差且使投入成本较低,基于截止正态分布法,提出了一种储能系统功率与容量配置优化方法。该方法可计算用于跟踪风电场计划出力所需的较优储能系统功率与容量。通过实例计算分析,验证了该方法的有效性和可行性。     

微电网跟踪调度计划双层双时间尺度实时控制策略

为了提升微电网跟踪调度计划的能力,并降低分布式电源和负荷的功率波动对跟踪效果的影响,提出一种利用由超级电容和电池储能组成的混合储能系统跟踪调度计划的双层双时间尺度实时控制策略。上层基于模型预测控制方法建立日内滚动优化模型,结合分布式电源和负荷的超短期功率预测结果,综合考虑一段时域内的跟踪偏差及混合储能系统的功率和荷电状态对跟踪调度计划进行滚动优化;下层在上层优化结果的基础上,采用基于荷电状态的混合储能系统实时控制策略对超级电容和电池储能的实时功率进行协调分配,进一步降低分布式电源和负荷的实时功率波动对跟踪效果的影响。通过仿真算例对所提控制策略进行验证,结果表明:所提策略不但实现了良好的实时跟踪调度计划的控制效果,而且优化了超级电容和电池储能的荷电状态。     

利用电化学储能追踪风电预测曲线的风储联合调度经济性分析

针对风电场上报给调度中心的超短期功率误差较为严重,给风电大规模并网带来了巨大阻碍,严重影响风电竞争力的问题,提出利用储能系统追踪风电功率预测曲线的风储联合出力模型。首先通过长短期神经网络进行风电功率超短期预测;然后通过风储联合出力,同时考虑储能系统全寿命周期建设成本以及引入储能系统后风电场上报预测曲线误差惩罚成本的经济性影响;最终确定风储联合调度计划。在吉林省某风电场实测数据的基础上,对比不同追踪模式下的风储电场经济成本和风电利用率。仿真结果表明,运用所提风储联合发电模型发电度电成本为0.231 6元/kWh,相对于无储能模式降低22.67%,同时风电利用率提高17.48%,均方根误差降低0.07,平均绝对误差降低0.08,说明所提策略可以在保证风储电站的经济性的同时有效减少风电并网功率误差,提高风电利用率。     

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。     

基于现代内点法的风储系统多模式优化

由于风电随机性、间歇性等特点,大型风电场并网时会对电网稳定性等诸多方面造成负面影响,通过给风电场配置电池储能系统(BESS)可改善这些问题。针对削峰填谷、功率平滑和功率跟踪3种BESS运行模式,建立了考虑电池寿命和风储系统功率波动约束的优化模型,采用改进后的两阶段现代内点法,根据风电功率预测结果对最优BESS充放电策略进行求解。算法中两阶段求解的引入解决了由表达式不确定的放电能量约束引起的不收敛问题。对风电功率预测结果进行插值后再次优化,相应地改变BESS功率的调整间隔,可限制不同时间级别的风电功率波动。算例结果表明,该算法有很好的收敛性和优化效果,且具有多项式时间复杂性,有利于实现在线实时控制。     

基于DSA功率预测模型的风电分层有功调度控制策略

为了增强含高渗透率风电电网的消纳能力,提高控制精度与运行经济性,提出了一种改进的基于双层递阶自适应模糊系统（double stage hierarchical ANFIS（adaptive neuro-fuzzy inference system）,DSA）功率预测模型的风电分层有功调度控制策略。将有功调度分为系统层、风电场群层、分群子场层、风机机组层与反馈校正层,结合DSA模型对风电场超短期风电功率进行预测,考虑电网与机组安全运行等约束条件,给出了各个层级之间的协调控制关系与每个层级相应的功率分配方法,同时以滚动优化对误差进行校正。最后通过算例对所提控制策略的有效性进行分析验证,结果显示,所提控制策略在功率波动较大情况下其控制精度高,并且能有效减少风机启停次数,降低系统网损。     

考虑机组优化选取的含风电电网滚动优化调度方法

提出一种包含调整机组优化选取策略的滚动优化调度方法。根据负荷及风电超短期预测信息,首先考虑等效负荷(负荷+风电)预测偏差和机组调节容量匹配、机组爬坡量和等效负荷波动量匹配,以及减少外送断面越限原则进行调节机组优化选取。在此基础上,以机组调整成本及弃风量最小为目标,建立优化模型并采用改进粒子群优化算法求解。实际算例表明,考虑机组优化选取的滚动优化调度实现了超短期时间尺度上对负荷及风电预测偏差的自动跟踪调节,提高了发电计划的准确性,同时有效降低了综合发电成本和外送断面功率越限的风险,提高了电网运行的经济性和安全性。     

用于平抑风电功率波动的电池储能系统控制策略

摘 要：采用电池储能系统（battery energy storage system,BESS）与风电场形成联合系统可平抑风电功率波动。如何制定BESS的控制策略以有效平抑风电功率波动,进而最大化系统接纳风电的能力是一个值得研究的重要问题。在此背景下,针对采用BESS平抑风电功率波动的控制策略开展研究工作。首先,针对风储联合系统的结构及特性,建立BESS的数学模型。考虑到BESS在当前时段的充放电行为影响其在下一时段的电池状态,在满足电池实际运行约束的前提下,提出用于平抑风电场出力波动的BESS的改进控制策略。之后,发展以风储联合出力波动越限概率最小为目标的BESS优化控制策略,并采用AMPL/CPLEX商业求解器求解。最后,以某风储联合系统为例,对所提出的BESS改进控制策略和优化控制策略平抑风储联合系统整体出力波动的效果进行验证。     

基于储能SOC优化控制的风储电站实时跟踪发电计划控制策略

随着风力发电的快速发展,提高风力发电的可调度性受到了越来越多的关注。针对目前跟踪发电计划控制策略存在的问题,研究基于储能SOC优化控制的风储电站实时跟踪发电计划控制策略,提出保证在误差允许范围内实时跟踪发电计划的前提下,以降低储能系统电量波动范围和放电深度为控制目标、采用实时滚动优化方法的控制策略,建立了储能SOC优化控制模型,并采用基于动态规划的优化算法进行求解。最后以北方某风光储输联合发电示范工程中的实测数据为例编程仿真,并与普通控制策略对比分析,验证了本文方法的可行性与有效性。     

风机爬坡功率的有限度控制策略

大规模、高集中度风电接入系统,增大了风电爬坡风险。文中分析了风电爬坡特性,以及风机本身的功率控制对爬坡特性的影响。在现有风机平滑控制的基础上,提出一种风机爬坡功率的有限度控制策略。该策略引入预测控制理论,通过预测、在线优化、反馈控制3个模块的配合,优化风机参考功率,使风机有效跟踪参考功率。预测模块采用动态神经网络超短期预测模型得到风功率预测曲线,在线优化模块根据建立的爬坡率和弃风量最小优化模型,通过二次规划算法快速获得优化出力曲线,反馈控制模块产生变速变桨距协调控制规律。仿真结果表明,该控制策略实现了平滑风机出力、增大风机发电量及改善转速特性的目标。     

基于误差前馈预测的多时空尺度风电集群有功功率分层控制策略

随着风电渗透率的提高,风电场存在的可预测性和可调度性差等问题已经凸显。针对上述因素导致风电消纳水平降低的问题,文章提出结合误差前馈预测的风电集群有功功率分层控制策略。首先,提出考虑风电变化趋势的误差前馈模型,将其与小波包分解和持续法模型相结合组成超短期功率预测模型,并根据历史数据的训练情况赋予误差前馈限值。其次,基于此预测模型提出一种多时空尺度的有功功率分层控制策略,该策略在已有调度指令的前提下,通过将控制层分为集群层、场群层和子场层,实现对各风电场的协调控制。最后,基于东北某风电基地的实际运行数据通过MATLAB和CPLEX进行仿真分析,结果证明所提方法改善了风电消纳水平和风电场储能协调出力。     

基于使用寿命模型的大容量电池储能系统变步长优化控制方法

大容量电池储能系统(BESS)配合风电场调度可以提高风电场的可调性。为了研究延长BESS使用寿命的控制方法,建立了多因素聚合寿命模型,该模型考虑了大容量BESS的串并联特性和充放电特性,能够反映充放电倍率、控制步长、充放电次数和温度等多种因素对电池老化的影响。讨论了BESS控制步长和调度周期对BESS使用寿命和并网跟踪性能的影响,提出了BESS的变步长优化控制方法。设计了模糊变步长控制器,根据当前BESS的充放电倍率和跟踪性能指标实时调节控制步长。算例仿真表明,所提模糊变步长优化控制方法结合了大步长下使用寿命长和小步长下跟踪性能好的优点,并网功率能够较好地跟踪调度指令,实现了风电场的可调性,同时提高了BESS的使用年限。     

电池储能系统用于风电功率部分“削峰填谷”控制及容量配置

为缩减风电输出功率小时级的峰谷差,减小风电功率间歇性、波动性对规模化风电并网带来的不利影响,基于风电功率短期预测技术的小时级风电功率输出指令,提出风电功率部分“削峰填谷”控制策略,利用电池储能系统（battery energy storage system,BESS）缩减小时级尺度的风电功率峰谷差,并在各时间窗口内将风储合成出力的风电功率波动限制在一定的带宽范围以内;提出基于正态分布的储能功率计算方法,基于电池储能系统优化控制策略,分析电池储能系统实现部分“削峰填谷”控制策略与储能容量之间的关系。仿真实验结果验证该控制策略下储能容量配置的正确性与可行性。     

计及源-荷预测不确定性的微电网双级随机优化调度

风光储微电网接入高渗透率的可再生能源对其经济运行构成了巨大的挑战。针对这一问题,提出了计及源-荷预测不确定性的微电网双级调度策略。在日前调度阶段,以多场景下的期望运行成本最低为优化目标,构建了基于多场景技术的随机优化调度模型。利用场景分析法对日前风电、光伏和负荷预测进行场景分析;建立了多场景下含不确定变量的功率平衡方程,并将其松弛为不等式后作为一个随机事件使其以较高的概率满足机会约束;此外,用机会约束规划构建了旋转备用容量的可靠性约束模型,使微电网在一定的置信水平下满足系统的可靠运行。在日内调度阶段,提出了结合自适应小波包算法的日内滚动调度模型。利用自适应小波包算法动态提取每一控制周期内超短期预测数据与日前调度计划之间的功率偏差,并由蓄电池、超级电容器和主网供电共同平抑。