钒液流储能电池建模及其平抑风电波动研究

由于风电的随机波动性,大量风电的并网给电网带来了影响,利用储能系统平抑风功率波动的研究变得愈加重要.以钒液流电池(Vanadium Redox Flow Battery,VRFB)为储能元件研究其风电平抑控制策略,建立反映VRFB充放电特性的仿真模型.以钒氧化还原液流电池电化学交流阻抗等效电路为基础,对等效电路重要参数的变化规律做了分析与简化,建立了反映钒液流电池充放电特性的数学模型.以AC/DC变换器的功率解耦控制为基础,建立了基于VRFB储能系统的平抑风电波动控制策略.以某风场的实测风速数据和1.5 MW双馈电机为例,利用PSCAD/EMTDC仿真软件,验证了控制策略的有效性和可行性.     

光储微电网锌溴电池储能系统功率优化控制

随着分布式风电、光伏等可再生能源的不断发展,可再生能源本身具有间歇性、随机性特征,给电网安全稳定运行带来很大挑战。针对平抑光储微电网中光伏发电功率波动的需求,提出一种采用锌溴液流电池储能的功率优化控制策略。首先,基于锌溴液流电池的工作原理,建立了其等效电路模型;然后,采用储能变流器级联多重双向直流变换器电路拓扑,分别建立了以稳定直流母线电压为目的的储能变流器矢量控制策略和以电池荷电状态为约束的锌溴电池充放电切换的DC/DC变换器双闭环控制策略;以电池荷电状态和直流母线电压为约束条件,提出一种新型的锌溴电池储能系统功率优化控制策略,同时提出了一种减小充放电切换时直流母线电压突变的混合储能方法;最后,搭建了25 k W/50 k Wh锌溴液流电池储能系统试验平台,在微网并网模式下开展了锌溴储能系统充放电特性研究,结果表明,所提功率优化控制策略能够有效地平抑光伏发电功率波动,所提混合储能方法很好地解决了直流母线电压突变问题。     

全钒液流电池-超级电容混合储能平抑直驱式风电功率波动研究

为了平抑2 MW直驱式永磁同步风力机组的功率波动,提出了新型的全钒液流电池-超级电容混合储能系统。对基于混合储能的双三电平二极管箝位型永磁同步风电系统进行了分析,然后对全钒液流电池和超级电容的等效电路模型、充放电特性、协调控制策略进行了研究。采用双向DC/DC变换器进行混合储能系统的能量管理,并对其协调控制策略进行了研究。建立了三电平直驱式永磁同步风电系统及混合储能系统的仿真模型,对直驱式风电机组运行特性进行仿真验证。结果表明:采用现场采集风速数据导入仿真模型,在风功率波动较大时,混合储能系统能够平滑风电系统输出功率波动,稳态时风力发电机出力基本稳定在1.25 MW,提高了风电系统的可控性和电网友好性。     

多级钒电池储能系统的功率优化分配及控制策略

为了更好利用储能系统平抑大容量风电场功率波动,提出采用多级全钒液流电池(vanadium redox flow battery,VRB)储能的功率优化分配控制策略。首先,在建立VRB等效电路基础上,采用交直流变换器级联多重双向直流变换器作为VRB储能系统接口,分别建立了以稳定直流母线电压为目标的DC/AC变换器矢量控制策略,以电池荷电状态为约束的VRB充放电切换的DC/DC变换器双闭环控制策略。其次,以每级电池组的荷电状态值作为吞吐功率的优选目标,以外部端电压作为电池安全充放电的约束条件,提出多级VRB组的功率优化分配策略。最后,以不同荷电状态(stateof charge,SOC)值下的2级VRB储能系统为例,对其在风速波动情况下的风电功率平抑效果以及各个储能单元充放电运行性能进行仿真,并与功率平均分配策略进行对比。结果表明,所提出的多级VRB储能系统功率优化分配和控制策略能很好的平滑风电功率波动,又能减少单台VRB组的充放电次数,并确保电池工作于安全运行区域。     

基于复合储能系统平抑风电场波动功率研究

由于风能的不稳定性,风电场输出功率带有波动性和间歇性,某种程度上导致风力发电并网难以及"弃风限电"等问题。依据风电输出功率波动特性,提出由先进压缩空气储能和钒液流电池组成的复合储能系统,用于平抑风电场输出功率波动。并通过模拟仿真验证了钒液流电池对风电场侧快速波动功率的补偿和平抑具有良好效果。结果表明,先进压缩空气储能系统具备大功率大容量特性的同时,适合应用在风电场并网侧调节风电场输出功率。     

储能型直驱永磁同步风力发电控制系统

为提高直驱永磁风力发电系统的性能,在直流侧增加新型钒氧化还原液流电池（VRB）储能装置。设计了相应的双向DC/DC变换器控制策略,在风速变化时,VRB能够通过快速充放电平抑系统发电机输出功率波动以及平衡电网需求功率;在电网电压跌落时,还可提高低电压穿越能力。对具有储能电池的风力发电系统建立了仿真模型,详细分析了系统在风速变化、电网需求功率变化以及电压跌落时的动态响应过程和运行特性,并给出了仿真验证。仿真结果表明,在直流侧加VRB储能装置,有效地提高了直驱风电系统并网运行性能和低电压穿越能力,系统动态响应速度快。     

储能型直驱永磁同步风力发电控制系统

为提高直驱永磁风力发电系统的性能,在直流侧增加新型钒氧化还原液流电池(VRB)储能装置.设计了相应的双向DC/DC变换器控制策略,在风速变化时,VRB能够通过快速充放电平抑系统发电机输出功率波动以及平衡电网需求功率;在电网电压跌落时,还可提高低电压穿越能力.对具有储能电池的风力发电系统建立了仿真模型,详细分析了系统在风速变化、电网需求功率变化以及电压跌落时的动态响应过程和运行特性,并给出了仿真验证.仿真结果表明,在直流侧加VRB储能装置,有效地提高了直驱风电系统并网运行性能和低电压穿越能力,系统动态响应速度快.     

钒电池工作特性及在风电中的应用前景

风力发电输出功率具有波动性,使大规模并网风电场影响了电力系统运行的稳定性.为平滑风电输出功率,提高功率可控性,在风电场中配以适当容量的储能系统,可以有效提高并网风电场的电能质量和稳定性.详细分析了新型全钒氧化还原液流电池(简称钒电池,VRB)储能系统的优点和工作特性,建立了等效电路模型并对其充放电特性进行了仿真分析;说明了钒电池储能在风电场中的应用优势和存在的广阔市场前景;最后介绍了我国钒电池的研究现状.     

全钒液流电池模型及其充放电控制

详细介绍了全钒液流电池(VRB)的工作原理、等效电路及其充放电特性,并基于DC-DC双向变换器的电池充放电控制策略及全钒液流电池的等效电路,利用SIMULINK仿真了电池的充放电特性.结果表明,给出的DC-DC双向变换器电池充放电控制策略是可行的,仿真结果也表明全钒液流电池具有不同于其他储能电池的优点,更适用于大型的电力存储系统,为光伏系统中大容量的储能的应用做了依据.     

钒液流储能变流器双向DC/DC四阶段控制策略

针对储能系统中钒电池端电压及充放电控制模式变换对钒电池安全运行的影响。以钒电池的端电压和荷电状态值为充放电约束条件,提出首次充电时采用小电流充电法激活电池,然后采用恒电流、恒功率、恒压和涓流4种控制策略分阶段对钒电池进行充放电。经仿真及5 kW钒液流储能系统实验,该控制策略减小了钒电池端电压及充放电控制模式变换对钒电池安全运行的影响,验证了所提双向DC/DC四阶段控制策略的可行性。     

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。     

基于风电场集中储能的风储柔性控制策略研究

为了平抑风电波动并且保证储能荷电状态(SOC)跟踪给定目标值,针对风储协调优化控制,给出了一种风储多时间尺度的柔性控制策略。首先,采用正态分布的方法分析了风储的容量配比。其次,采用带死区的滑动平均值滤波算法对风电场分钟级运行数据进行平滑,利用模型预测控制(MPC)原理,结合风电场超短期风功率预测数据,实现了储能小时级充放电功率的滚动优化。最后,在Matlab中搭建了钒液流电池模型和柔性控制策略模型,采用风电场的实际运行数据对模型进行了仿真验证。仿真结果表明,风储柔性控制策略是正确和有效的,在降低风电波动的同时又能保证储能SOC不偏离目标值。     

钒液流电池在光伏发电系统中的应用研究

随着光伏发电建设规模的迅速扩增,结合分布式光伏发电并网的实践应用情况,光伏发电受光照和温度的变化引起的发电功率波动问题愈显突出。为了实现光伏发电系统向电网输送的功率稳定,提出运用储能型光伏发电系统,以解决削峰填谷、并网功率波动等问题。在储能型光伏发电系统中采用了新型储能元件钒液流电池(VRB),以抑制功率波动对电网产生的负面影响。详细的分析了VRB的应用优势以及工作原理,并建立了VRB等效电路模型,利用Matlab/Simulink仿真软件对VRB的充放电特性进行仿真分析,仿真结果充分的验证了所提出的新型储能元件VRB具有可行性和实用性。     

考虑充放电能量不均衡的双电池系统状态评估与控制策略

电池使用寿命是风电场功率波动平抑场景中影响储能系统经济性的重要因素。为了延长电池使用寿命,基于充放电任务分开执行的双电池系统运行模式,建立了给定最佳放电深度运行的双电池储能系统充放电数学模型,讨论了该运行模式下因充放电能量不均衡出现的极端运行情况。针对储能系统的实时运行状况和风电功率的波动情况,提出了能够表征双电池储能系统运行能力的充放电饱和能力指标和充放电运行平稳度指标,进而设计了模糊控制策略以自适应调节低通滤波器时间常数,优化控制储能电池的荷电状态,避免系统进入因充放电能力不足的不稳定运行区间。利用MATLAB/Simulink仿真平台,从荷电状态优化控制效果和波动平抑效果两方面对所提控制策略进行了仿真分析。仿真结果表明,所提模糊控制策略能够维持双电池储能系统长期稳定运行,并保证了波动平抑效果。     

多时间尺度的电池储能系统建模及分析应用

大容量电池储能技术的快速发展及应用为大规模风电的接入与消纳提供了新的解决思路与方法,但电池储能在电力系统应用中的建模问题一直没能得到较好的解决。建立基于戴维南等效电路的电池储能系统仿真模型,并在模型中计及电池荷电状态和充放电电流对模型参数的影响,同时提出基于实验数据拟合模型参数的方法。在此基础上,分析讨论该模型在电力系统不同应用场景中的主导因素,建立适用于多时间尺度的电池储能仿真模型,并通过实测电压电流曲线验证了模型的有效性。最后以平抑风电中长期波动性为例,通过计算机仿真采用戴维南等效电路简化模型的电池储能平抑风电输出波动的效果,并比较与采用常规恒功率模型时的优点及对储能容量规划的影响。     

基于双回路SOC调节的风电场功率平滑控制策略

针对风电并网发电系统的功率波动问题,本文研究了一种基于双回路SOC调节的混合储能系统风电场功率平滑控制策略。对含有全钒液流电池和锂电池的混合储能系统,通过双回路SOC调节控制,合理分配锂电池和液流电池的实际输出功率,并实时更新混合储能的荷电状态。该控制策略实现了风电有功功率的平滑需求,并且使锂电池和全钒液流电池的SOC值稳定在安全范围内,可以有效减少锂电池的充放电次数,达到保护电池的目的。通过仿真实验,验证了该控制方法的有效性。     

计及储能出力水平的平滑风电功率模型预测控制策略EI北大核心CSCD

风电大规模并网的有功功率波动给电力系统造成了较大的影响,在风电场并网处加入储能系统可有效平抑风电并网功率波动,提高风电在电网中的渗透率。在储能电池平滑风电功率波动的典型应用场景下,提出了一种计及储能电池出力能力的模型预测控制方法,在减小储能电池出力的同时,兼顾电网对储能系统充放电能力的需求。首先,利用风储发电系统的数学模型,分析储能电池当前输出功率对未来出力能力的影响;然后,设计以储能电池最小出力和最大出力能力为运行原则的模型预测控制策略;最后,基于实际风场数据进行了仿真。结果表明,所提方法可有效降低风电并网功率波动,提高储能电池出力能力,减小储能电池进入死区时间。     

计及储能出力水平的平滑风电功率模型预测控制策略

风电大规模并网的有功功率波动给电力系统造成了较大的影响,在风电场并网处加入储能系统可有效平抑风电并网功率波动,提高风电在电网中的渗透率。在储能电池平滑风电功率波动的典型应用场景下,提出了一种计及储能电池出力能力的模型预测控制方法,在减小储能电池出力的同时,兼顾电网对储能系统充放电能力的需求。首先,利用风储发电系统的数学模型,分析储能电池当前输出功率对未来出力能力的影响;然后,设计以储能电池最小出力和最大出力能力为运行原则的模型预测控制策略;最后,基于实际风场数据进行了仿真。结果表明,所提方法可有效降低风电并网功率波动,提高储能电池出力能力,减小储能电池进入死区时间。     

平抑光伏出力波动的混合储能系统控制策略

针对由电池和超级电容器构成的混合储能系统,设计了一种平抑光伏出力波动的储能控制策略。基于含阀值判断的低通滤波算法制定储能系统总充放电功率,在平抑光伏出力波动的同时避免对储能系统的过渡调控。综合考虑储能介质充放电状态,基于滑动平均原理制定储能介质的功率分配策略,以充分发挥不同储能介质的优势,优化储能系统的整体运行性能。仿真分析验证了所设计控制策略的有效性,储能系统可以较小的调控代价完成对光伏出力波动的平抑,且超级电容器平抑功率波动的快变分量,有效降低了储能电池的充放电次数。研究结果对混合储能系统在平抑光伏出力波动中的应用提供了理论参考。     

基于MPGA的混合储能系统容量配置

风电功率的间歇与波动易引起局部电网的电压不稳、频率波动,影响了系统的电能质量及稳定性。针对此现象,将超级电容器与蓄电池组成快速储能装置,用于风电的功率波动平抑。首先,以风电并网要求为依据,对风电输出功率进行分解,得到满足要求的风电并网功率和需要混合储能功率平抑的功率;接着,根据储能介质的工作特性,制定超级电容优先充放电,蓄电池再进行充放电的协调控制策略,实现混合储能系统实时平抑风电功率的波动,同时发挥各储能介质的优势;针对传统遗传算法容易陷入局部收敛的缺陷,采用多种群遗传算法对混合储能容量进行优化配置。最后,通过仿真算例,验证混合储能控制策略和容量配置的有效性。