面向光伏平抑考虑SOH与SOC的电池储能系统功率分配方法

针对电池储能系统(BESS)参与光伏平抑时寿命损耗较高的问题,提出面向光伏平抑考虑健康状态(SOH)与荷电状态(SOC)的BESS功率分配方法。首先,将光伏并网标准、BESS容量和最大充放电功率作为约束条件,建立以并网波动率、BESS寿命损耗和SOC恢复为目标的光伏并网指令优化模型,并利用改进天鹰优化的改进雨流计数法进行求解;然后,设计BESS两级功率分配策略,在传统容量二分法的基础上引入离群组,并动态调整电池组容量,提出兼顾SOH和SOC的BESS动态分组方法,实现功率指令从BESS向电池组的初级分配,并进一步结合电池单元SOH与SOC的标准差与极差动态估计各电池单元响应能力,设计基于SOH/SOC均衡原则的电池单元功率分配方法,实现功率指令从电池组向电池单元的次级分配;最后,电池单元响应功率指令完成调节。采用某配备BESS的光伏电站的冬季典型日出力进行仿真验证,并与其他多种方案进行对比,结果表明,所提方法在满足光伏并网波动率的要求下,降低了电池SOH差异,增强了电池单元SOC一致性,减少了BESS寿命损耗。

风电波动平抑下考虑SOC均衡及收益的电池储能功率分配策略

针对电池储能(battery energy storage system,BESS)平抑风电波动过程中电池单元荷电状态(state of charge,SOC)均衡性较差且未考虑风储净收益的问题,提出了风电波动平抑下考虑SOC均衡及收益的BESS功率分配策略。首先,建立综合考虑售电收益、弃风惩罚、缺电惩罚及BESS运行成本等多个因素的风电并网指令优化模型,以并网指令波动率、电池组SOC标准差等多个因素为约束条件,提出改进算术优化算法(improved arithmetic optimization algorithm,IAOA)求解该优化模型。然后,将BESS划分为两个电池组,设计了BESS双层功率分配方法(double-layer power allocation method,DPAM),上层将BESS充放电指令分配给两个电池组,下层根据最大充放电功率原则或新型SOC均衡原则将电池组充放电指令分配给各自的电池单元。最后,通过仿真对所提策略进行了验证。仿真结果表明:IAOA加快了寻优速度,提高了寻优精度;DPAM提升了电池组内电池单元SOC的均衡速度,改善了均衡程度;提出的功率分配策略进一步降低了风电并网波动率,同时提高了风储系统净收益。

风电跟踪调度计划时降低寿命损耗的电池储能分组控制策略

为了解决风电跟踪调度计划过程中电池寿命损耗较高的问题,提出了降低寿命损耗的电池储能分组控制策略。利用设计的基于改进天牛须搜索算法的旋转门算法得到最优压缩偏移量,进而提取风电趋势;将风电场配备的电池储能分为电池组1和电池组2,并将电池组2进一步细分为3个电池簇,在避免充放电能量对冲的条件下根据风电趋势计算两电池组的功率调节指令,并基于此确定两电池组的容量,进而以电池单元的动作次数最少为目标获取3个电池簇的容量;在初始时刻及荷电状态越限时刻对电池单元进行动态分组,并根据电池单元的依次启动方法确定电池组1中电池单元的功率调节指令,基于设计的双层功率分配方法确定电池组2中电池单元的功率调节指令;电池单元在满足运行约束的条件下响应各自的功率调节指令。将所提控制策略与其他控制策略进行仿真对比,结果表明所提控制策略能以更大的程度降低寿命损耗、延长储能的使用寿命。

基于IBSO-SDT的风电爬坡事件检测方法

为提升风电爬坡事件的检测效果,针对含电池储能的风电场,提出基于改进天牛群优化旋转门算法的爬坡事件检测方法。首先,对天牛群搜索算法进行改进,利用其搜索旋转门算法的最优门宽,并据此提取风电功率的特征数据点;然后,对特征数据点进行处理以消除“凸起”现象,进而连接相邻两个数据点形成一个风电特征时段,将风电特征时段进行分类,结合爬坡方向对其进行编码,并依据编码结果进行合并;接着,结合给出的含电池储能风电场爬坡事件定义,对合并后的风电特征时段进行爬坡事件检测;最后,利用某风电场实际运行数据对检测方法进行仿真,并与多种爬坡事件检测方法进行对比,验证了所提方法的有效性。

面向风电波动平抑基于改进C−DCA的电池储能分组控制策略

为解决电池储能系统(battery energy storage system,BESS)平抑风电波动过程中荷电状态(state of charge,SOC)和健康状态(state of health,SOH)一致性较低、电池寿命损耗较高的问题,该文提出了面向风电波动平抑基于考虑通讯时延的分布一致性算法(distributed consistency algorithm considering communication delay,C−DCA)的BESS分组控制策略,该控制策略包括初级和次级2个功率分配过程。首先,利用改进旋转门(improved swing door trending,ISDT)算法获取BESS功率指令;然后,建立考虑BESS寿命损耗、SOC与SOH一致性、并网波动率与算法迭代速度的双电池组初级功率分配模型,结合BESS充/放电状态将功率指令顺序分配至电池组,实现初级功率分配;接着,将状态反馈预测控制(state feedback predictive control,SFPC)与输出变量动态反馈引入C−DCA,形成改进C−DCA,进一步设计基于SOC−SOH的权矩阵计算方法,并根据改进C−DCA的计算结果将功率指令从电池组分配给电池单元,完成次级功率分配;最后,电池单元响应各自功率指令。以某风电场实际出力进行仿真,并与其它多种方法进行对比。结果表明,该研究方法降低了风电并网波动率,提升了控制算法的鲁棒性,减少了算法占用内存,同时兼顾了电池单元SOC和SOH的一致性,更大程度上降低了BESS寿命损耗。

基于优化动态分组技术的电池储能电站跟踪AGC指令控制策略

针对电池储能电站在跟踪AGC指令时电池单元的荷电状态一致性较低且动作次数较高的问题,研究了电池储能电站跟踪AGC指令的新型控制策略。在简要论述天牛须搜索算法工作原理的基础上,提出了基于动态分组技术的电池储能电站跟踪AGC指令控制策略。首先,根据电池单元的荷电状态对其进行排序,并根据排序结果对电池单元进行一次分组;然后,确定各电池组功率响应指令以及组内功率分配原则;再次,依据电池单元动作次数差异对电池单元进行二次分组;最后,由电池组内功率分配原则得出电池单元功率响应指令,电池单元响应功率指令完成调控。此外,本文按照电池储能电站跟踪AGC指令的效果设计了评价体系,进而构建了天牛须搜索算法所需的适应度函数,并利用天牛须搜索算法优化动态分组技术的强制更新阈值。通过跟踪某实际的AGC指令,结果表明,提出的控制策略提升了电池储能电站跟踪AGC指令的效果,提高了电池单元荷电状态的一致性,减少了电池单元的动作次数。