储能电池荷电状态与平抑风电出力波动协调运行策略

采用电池储能系统(battery energy storage system,BESS)平滑风电功率波动可以优化风电场出力特性,提高风电场输出功率的稳定性。为了延长BESS的使用寿命,需最大限度控制BESS的荷电状态(state of charge,SOC)在限定区间内,以便拥有足够的容量进行下一时刻的充放电动作,从而带来更好的平滑效果。为此,提出了一种运行策略,该策略由2种控制算法组成,系统运行时,根据风电功率波动量的大小决定采用何种算法,2种算法依据风电场实际运行状况相互切换。仿真结果表明,该策略与传统低通滤波相比,不仅拥有较好的平抑效果,还能让BESS的SOC在合理的区间内,从而延长了BESS的使用寿命,节约了储能投资成本。     

基于加权多新息H∞滤波的锂离子电池SOC估计

采用具有自适应遗忘因子的递归最小二乘法辨识二阶RC模型,改进的H_∞滤波(HIF)提高锂离子电池荷电状态(SOC)的估计精度。提出具有加权的H_∞滤波(WI-HIF)算法,考虑当前新息及历史信息,通过粒子滤波的权重计算思想,根据重要性对每个新息点加权。相对于HIF,WI-HIF估计SOC的误差在放电测试中降低71%,在动态应力测试中降低19%。     

基于电压分层控制的直流微电网及其储能扩容单元功率协调控制策略

由于直流微电网中的分布式发电具有随机性和波动性等特点,储能单元的配合可较好地解决这一问题。但是,现有基于直流母线电压信号的分层控制未充分考虑多储能单元的协调以及孤岛系统容量不足的情况。因此,该文提出一种基于电压分层控制的直流微电网及其储能扩容单元功率协调控制策略。为实现电压分层下多储能单元的分散协调控制,该文首先揭示已有微电网系统不同运行模式所对应的负载功率边界。然后,提出基于多储能单元荷电状态（SOC）的改进模糊控制和下垂控制,以实现多储能单元充放电功率自适应分配。针对孤岛系统容量不足的情况,在储能扩容单元容量计算的基础上,提出一种基于过/欠电压控制器的储能扩容单元功率协调控制策略,并分析其对已有系统功率边界的影响,以保证直流微电网安全可靠运行。最后,通过仿真和实验结果验证了所提控制策略的可行性和有效性。     

基于神经网络的动力电池SOC研究

利用神经网络进行了动力电池荷电状态(SOC)预测研究。在分析磷酸铁锂电池充放电机理的基础上,采用levenberg-marquardt(LM)算法建立了动力电池的BP(back propagation)神经网络模型,并进行了电池SOC值的预测。结果表明,基于神经网络的电池SOC预测方法具有较高的精度,可用来预测磷酸铁锂电池的SOC值。     

基于电池荷电状态和可变滤波时间常数的储能控制方法

针对可再生能源输出功率波动性大且随机性强的特点,在计及储能电池使用寿命等约束条件的基础上,提出了一种基于实测电池荷电状态的可变滤波时间常数储能控制方法。该方法通过实时调节储能系统的输出功率,对可再生能源输出功率中某一特定频段的波动成分进行补偿;同时根据电池的荷电状态值,对滤波时间常数进行调节,从而使电池的荷电状态值稳定在一定的范围内,避免了电池的过充/放电。在PSCAD中搭建的光储系统仿真模型,验证了所述方法的有效性。     

基于自适应CKF的锂离子电池SOC估算

扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)算法估算电池荷电状态(SOC)依赖等效模型参数的准确性,估算精度低。容积卡尔曼滤波(CKF)算法的滤波性能良好。利用自适应CKF(ACKF)算法估算电池SOC,自适应调节过程噪声协方差和量测噪声协方差,提高估算SOC的精度。对锂离子电池建立二阶RC等效电路模型,在不同工况下进行充放电,用卡尔曼滤波算法在线辨识等效模型的参数,ACKF算法实时估算SOC。ACKF算法估算SOC的鲁棒性较强,精度在1.5%以内。     

基于模糊经验模态分解的电池储能系统平滑风电出力控制策略

为减少风电波动率,提高并网可靠性,提出一种基于模糊经验模态分解(empirical mode decomposition,EMD)的储能系统平滑风电功率波动的控制策略。采用经验模态分解对风电功率进行滤波,低频分量并网,高频分量并入电池储能系统(battery energy storage system,BESS)。使用平滑后风电波动率和储能电池荷电状态(state of charge,SOC)作为约束条件,利用模糊控制算法,自适应在线调整EMD滤波阶数,通过模糊自适应控制器,能够更好地平滑风电波动。对比其他平抑风电功率储能控制策略,仿真实例表明,该方法可以有效地平抑风电功率波动,避免储能电池过充过放,稳定储能荷电状态。     

基于EWT的分布式光储PCC功率波动自适应平抑方法

分布式光伏在交流侧公共连接点(point of common coupling, PCC)汇流的功率有较大的随机性与波动性,影响电网的稳定运行。为此,提出了基于经验小波变换(empirical wavelet transform, EWT)的分布式光储PCC功率自适应平抑方法。首先,针对混合储能(hybrid energy storage system, HESS)与分布式光伏接入PCC的典型场景,在分析EWT自适应处理波形的特点后,结合功率波动率与储能元件的响应特性,对PCC的光伏原始汇流功率进行EWT分解与优化修正,实现HESS的功率初级分配。之后为避免HESS的荷电状态(state of charge, SOC)频繁越限,提出了一种主动功率补偿的SOC控制策略,通过主动改变储能的参考信号使其SOC在安全范围内工作。结合实际数据的仿真验证表明,该平抑方法能够自适应地实现光伏出力的合理分解与功率分配,在延长储能使用寿命的同时有效满足并网功率波动的要求,为平抑光伏输出功率波动提供了新思路。     

基于移动平均法和风电波动率约束的电池储能系统平滑风电出力控制策略

利用电池储能系统平滑风电功率波动可以提高风力发电功率输出的稳定性。针对风电出力的间歇性和波动性,基于移动平均算法,在同时考虑储能系统的荷电状态(state of charge,SOC)和风电功率波动率的情况下提出了一种平滑风电功率控制策略,并与传统一阶低通滤波平滑风电功率方法进行对比。通过Matlab/Simulink仿真验证了该方法的有效性,在平滑风电并网功率的同时可以有效减少储能使用次数与储能能量。     

风光储混合系统的协调优化控制

为解决光伏和风电场的输出功率剧烈波动引起的电能质量下降和电网电压波动的问题,提出了利用复合储能技术分别平抑风光联合发电系统的输出功率在不同时段内的波动。在平抑功率波动过程中,提出了可变时间常数控制,不断实时优化低通滤波器的时间常数,实现了对储能系统充放电功率的灵活、快速控制,改善了储能系统的运行,减小了储能容量;同时提出最大输出功率限制控制保护储能运行在合理的范围。通过建模仿真验证了控制方法的有效性。     

基于移动平均法和风电波动率约束的电池储能系统平滑风电出力控制策略

利用电池储能系统平滑风电功率波动可以提高风力发电功率输出的稳定性。针对风电出力的间歇性和波动性,基于移动平均算法,在同时考虑储能系统的荷电状态（state of charge,SOC）和风电功率波动率的情况下提出了一种平滑风电功率控制策略,并与传统一阶低通滤波平滑风电功率方法进行对比。通过Matlab/Simulink仿真验证了该方法的有效性,在平滑风电并网功率的同时可以有效减少储能使用次数与储能能量。     

储能系统平滑光伏电站功率波动的变参数斜率控制方法

为提高储能系统平滑光伏电站功率波动的能力,提出了基于超短期预测的变参数斜率控制策略。在斜率控制的基础上,通过提出控制荷电状态划分的2个参数变量以及4个充放电功率调节参数,建立了可调整荷电状态的储能系统平滑控制策略。根据超短期预测功率建立目标函数,采用自适应混沌粒子群算法对控制变量进行实时优化,实现平滑效果和荷电状态的协同优化。以光伏电站实测数据进行仿真分析,对比定参数控制策略,该方法在保证平抑效果的基础上能够限制储能系统的充放电深度。     

风储联合发电系统电池荷电状态和功率偏差控制策略

提出了一种新型的基于风电功率预测偏差和电池荷电状态(SOC)反馈的储能系统控制策略,通过预测结果计算风电功率的变化偏差,得出完全补偿波动所需的储能系统充放电功率,引入补偿系数联合求解获得储能系统的充放电控制指令。同时,建立了补偿系数的动态优化模型,包括长时间尺度下基于输出功率波动和电池容量变化指标的基准补偿系数寻优模型,短时间尺度下基于电池SOC指标和充放电状态的补偿系数快速修正模型。算法采用的最优求解和SOC指标具有广泛的适应性,便于推广不同容量储能系统在风电功率平滑中的应用,可以兼顾储能电池的寿命和输出功率的平滑性。算例结合风电场的功率实测数据,进行储能系统配置仿真,验证了该控制策略能够最大程度发挥储能系统能力,在维持电池能量稳定前提下,平抑风电场输出功率的波动。     

串联电池组双目标混合均衡控制研究

针对新能源汽车动力锂电池组的不一致性问题,较多研究基于电池组不一致性的外部表现建立控制策略,如电压均衡、SOC（state of charge）均衡等。通过分析电池组产生不一致性的根本原因,结合电池内、外部影响因素的耦合关系,提出了基于老化率和SOC的双目标混合均衡控制方法,同时实现了老化和SOC的均衡。老化均衡实现了各单体电池在不同工况下的寿命衰减程度达到一致,使得电池的不一致性从根源上得到改善;SOC均衡进一步避免了不一致性的扩大,最大限度的发挥动力电池的性能。最后,以4个单体串联的电池组为例在Matlab/Simulink中搭建了均衡电路仿真模型,通过与单目标SOC均衡比较,验证了所提均衡方法的有效性。     

混合储能系统基于荷电状态的功率分配方法

混合储能系统中,不同形式储能装置间的功率分配通常采用基于滤波的方法,该类方法原理简单,但其滤波时间常数在不同工况下难以设计和调试,且难以推广应用到包含两种以上储能形式的复杂混合储能系统中。为此,这里提出一种以荷电状态(SOC)为依据,不依赖于频率的功率分配方法。该方法易于实现,适用于各种特性的功率波动,能自动调整储能单元的SOC,并且可方便地推广到由两种以上储能形式组成的混合储能系统中。仿真和实验结果验证了所提方法的有效性。     

基于权重因子和荷电状态恢复的储能系统参与一次调频策略

电池储能可快速吞吐功率,被视为优质调频资源,但过度充放电会导致其调频能力不足。文中提出一种改善的储能系统参与一次调频效果的控制策略。首先,将储能调频死区设置在机组死区范围内,并结合电网频率特性分析储能调频死区变化对频率的影响。在此基础上,基于权重因子和荷电状态(SOC)恢复提出储能参与的一次调频策略：在频率波动超过储能调频死区时,为避免电池过度充放电提出储能调频系数计算方法,同时引入控制虚拟惯性和虚拟下垂出力比重随频率变化而调节的权重因子,进而设计了调频控制方法;在频率不超过储能调频死区时,兼顾储能恢复需求和电网承受能力,提出储能SOC恢复方法。仿真结果表明：所提策略能有效改善电网频率波动和储能SOC。     

大功率模块化储能系统SOC优化均衡控制

针对大功率模块化储能系统中储能模块数量庞大而导致的储能电池SOC不均衡问题,提出了一种基于反步法的储能模块SOC优化控制方法,实现了储能电池工作时SOC的一致性.首先根据大功率模块化储能系统和储能模块拓扑结构,分别建立了储能模块的SOC状态方程和输出功率状态方程.然后应用反步法推导出了使各储能模块的SOC趋近一致的优化...     

基于SOC状态反馈的混合储能功率优化策略

文中储能系统功率优化分配以一阶惯性滤波系统为基础,介绍了滤波系数的确定方法,首先提出了基于频谱分析的混合储能系统功率分配方法,根据频谱分析结果,确定波动功率在蓄电池与超级电容之间的分配;在频谱分析的基础上,进一步提出了基于SOC状态反馈的混合储能系统功率优化分配方法,并采用模糊控制,根据储能系统荷电状态SOC的值实时调整系统的滤波时间参数,从而实现超级电容-蓄电池储能系统的长期有效运行。最后,在PSCAD/EMTDC中搭建微电网仿真模型,并设计仿真方案,通过仿真验证所提混合储能系统功率优化分配策略的有效性。