计及灵活经济环保运行的火电-飞轮储能系统容量配置与调频参数协同优化

提出了一种计及灵活经济环保运行的火储系统容量配置与调频参数协同优化方法。首先,设计了一种基于低通滤波自动分配火储功率和考虑储能荷电状态自恢复的火储联合一次调频协调控制策略;综合考虑系统调频性能、投入运行成本、污染物排放等,建立了火储容量配置与调频参数协同优化模型,并给出了基于粒子群算法的求解方法。最后,以某火储系统为例进行仿真验证。结果表明:协调控制策略和协同优化方法具有有效性。

考虑火电运行平稳性的飞轮储能辅助二次调频控制策略

为解决电网波动剧烈导致的火电机组运行平稳性问题,提出一种考虑火电运行平稳性的飞轮储能辅助二次调频控制策略。首先,建立了超超临界火电机组联合飞轮储能的二次调频控制模型;其次,提出了一种基于多层变增益速率限制的AGC指令非线性分解方法;最后,综合机组平稳性和系统AGC性能设计了适应度函数,借助鲸鱼优化算法(WOA)实现了最优化的速率限制算法参数获取。基于上述方法设计了火储协同二次调频控制策略。以某1000 MW火电机组-飞轮储能联合系统为例进行了仿真验证。结果表明:所提控制策略在不影响系统调频性能的前提下可以使联合系统有效响应系统高频指令,减小了火电机组的动作幅度,提升了机组运行的平稳性。

考虑增强特征选择的深度卷积-时序网络短期风功率预测

准确的风电功率预测对电网安全与风资源合理利用具有重要意义。为提高风电功率预测精度,提出一种涵盖异常值检测、增强特征选择和超参数调整等多个环节的风电功率预测策略。首先,采用孤立森林算法筛除风电数据的异常值和冗余值;其次,引入最大互信息系数(MIC)作为特征选择评价指标,获得高相关度的输入特征;此外,建立了优化的卷积神经网络(CNN)与门控循环单元(GRU)神经网络组合模型,其中CNN层将MIC对特征重要性的理解进一步增强,并以多层GRU层对风功率时序关系建模。实际算例表明:所提出的优化神经网络模型较文中其他预测模型,预测指标误差更小,决定系数R 2平均提高了4.44%,平均绝对误差M AE、均方根误差R MSE分别平均降低了62.02%和61.51%,具有较高的预测精度。

基于平滑因子引入和神经网络优化的锂电池SOC估计方法

为提高锂电池荷电状态(SOC)的估计精度,提出了一种基于平滑因子引入和神经网络优化的锂电池SOC估计方法。将黄金分割优选法和模糊C均值聚类算法应用于RBF神经网络,分别用来确定最佳隐含层神经元个数和径向基中心;采用遗传算法对高斯核函数宽度及连接权值进行优化,解决了RBF神经网络结构和初始参数难以确定的问题。将滑动时间窗口内的放电容量作为平滑因子引入神经网络模型,增强了RBF网络对锂离子电池非线性特性拟合的能力。基于实验获得的锂离子电池在联邦城市行车计划(FUDS)工况下的数据,对所提出的方法进行仿真和验证,结果表明,所提方法显著提升了锂电池SOC的估计精度。

锂离子电池荷电状态与健康状态估计方法

电池储能系统是实现碳中和最重要、最有效的手段之一,其大规模应用对电池运行过程中的安全性提出了更高的要求。实时准确的电池状态估计为保障电池的安全稳定运行提供重要信息,是电池管理系统(battery management system,BMS)的一项重要功能。然而,由于复杂的操作条件和电池内部的电化学反应,很难准确地评估电池的内部状态。针对电池荷电状态(state of charge,SOC)和健康状态(state of health,SOH)这2个电池系统中的重要参数,系统回顾了当前常用的SOC和SOH估计方法,总结了各种方法的特点及其在实际应用中所面临的主要挑战,并在此基础上对电池SOC和SOH估计技术未来的发展提出展望,为电池状态估计技术的进一步研究提供参考依据。