受端电网高比例可再生能源消纳的运行瓶颈分析与储能需求评估

随着高比例可再生能源并网以及高压直流馈入,频率响应能力不足导致了电网对灵活性调节资源需求也随之增加。针对华东某省受端电网进行多维度运行瓶颈分析,首先引入运行限制指标量化描述影响系统功率平衡和安全运行的多维度运行瓶颈,考虑旋转备用容量和快速调频备用容量等多维度约束建立了电网运行瓶颈识别模型;然后将识别的瓶颈场景根据其相应的运行限制指标进行归纳,并计及不同瓶颈场景对储能持续时间要求,结合技术经济性参数比较各类瓶颈消除方案的相对经济性,得到储能的经济性应用场景及储能需求结论。最后通过算例表明电化学储能技术在消除快速调频备用容量瓶颈和调频容量瓶颈2种场景的经济性优于抽水蓄能和常规机组。     

基于深度学习的储能锂离子电池健康状态估计

锂电池储能系统在促进大规模清洁能源并网和保证电网稳定运行等方面发挥着重要作用。针对储能锂离子电池运行过程中的健康管理问题,提出了一种基于深度学习的储能锂离子电池实时健康状态估计方法,利用注意力机制的长短期神经网络,实时评估站内电池单体及电池簇的健康状态。通过对输入特征进行注意力加权,强化参数敏感性较高的特征在模型训练时的作用,以获得更高的估计精度。为验证该模型的有效性,利用公开数据集及实际储能锂离子电池运行数据,分别对储能电池单体及电池簇进行健康状态估计,实现了比传统神经网络方法更高的估计精度。