适用于集中式可再生能源的储容配置敏感因素分析

目前基于可再生能源历史运行数据的储容配置方法较多,但大多未考虑储容配置过程中的敏感因素,储容配置过程的敏感因素是优化储能容量和提高储能应用效率的关键角度之一。首先提出适用于大规模集中式可再生能源领域,以平滑出力波动和跟踪计划出力为应用模式的储容配置算法,并汇总了影响配置结果的敏感因素,即数据样本、储能类型和储能系统的工作方式。以平滑某典型百MW级风电场的出力波动为例,分析了各敏感因素对储容配置结果的影响,以储能容量需求和等效寿命损耗为评价指标,得出数据采样时间间隔、统计时间尺度和BESS初始剩余能量状态的推荐值。

面向经济评估的电池储能系统工况特征量嵌入性研究

储能系统的投资过程主要包括初始购置、运维和置换三个阶段,不同的应用工况将对电池储能系统的寿命衰减速率产生差异化影响,进而影响其成本投入过程,也是储能系统经济评估中的必要考虑因素。面向储能系统的经济性动态评估,首先定义温度、倍率、放电深度(Depth of Discharge,DOD)、充放电频次等作为储能工况特征量。基于工况特征量与电池寿命损耗之间的关联关系,建立了计及工况特征参量的储能系统出力模型和成本模型。基于全寿命周期成本模型(Life Cycle Cost,LCC)和遗传算法,分析了工况特征量在储能成本评估中考虑的必要性及其影响程度。最后,在平抑光伏波动和负荷侧削峰填谷两种工况下展开算例分析,验证了在储能规划过程中考虑工况特征量的必要性。该研究将为储能规划阶段的经济性评估提供理论依据与数据基础。

用于混合储能平抑光伏波动的小波包–模糊控制

采用能量型储能和功率型储能组成的混合储能系统平抑光伏输出功率波动。利用小波包分解可获取更多信号细节信息的优点,综合分析光伏功率信号的幅频特性、储能的性能特点,将光伏功率信号分解,得到光伏平抑目标功率和不同类型储能的充放电功率。充分考虑实际工程应用中实时控制对运算速度的要求,并通过阈值判断补偿滤波延迟效应。采用模糊控制方法对功率型储能的荷电状态(state of charge,SOC)进行自适应控制,实现功率的优化分配,提高平抑效果。算例结果表明,所提控制策略能够充分利用不同类型储能的性能优势有效平抑光伏输出功率波动。

基于经验模态分解的混合储能系统功率分配方法

为了降低储能系统充放电次数,提高储能系统的使用寿命,提出一种基于经验模态分解(empirical mode decomposition,EMD)的混合储能系统功率分配方法。风电输出功率经过EMD滤波后的低频分量作为风电并网功率信号,中频和高频分量分别由储能电池和超级电容器吸收;同时根据混合储能系统的荷电状态,自适应调整EMD的滤波阶数以维持荷电状态的稳定。仿真实例表明,该方法可有效平抑风电功率波动,避免储能介质的过充过放,达到延长电池使用寿命的目的。

基于Bloch球面的量子遗传算法的混合储能系统容量配置

风电功率波动对电网造成不容忽视的影响。风电并网处加入混合储能系统可有效降低风电对电网的影响。首先,有效地分解风电有功功率,得到混合储能系统需平抑的波动功率;然后,在电池及超级电容器荷电状态、额定功率及充放电时间的允许范围内实现超级电容器优先充放电的协调控制方式;最后,应用映射于Bloch球面的量子遗传算法,确定满足混合储能系统技术要求及工程指标的混合储能系统配置方案,使混合储能系统成本最低。算例分析证明了在监测荷电状态等约束条件下,优先超级电容器充放电控制方式的有效性及Bloch球面量子遗传算法配置混合储能系统方法的合理性。

平抑风电波动的混合储能系统的容量配置

风电功率波动对电网造成不容忽视影响。用滑动平均法平滑风电功率,降低风电并网对电网的影响。滑动窗口的选取具有随机性,直接影响平滑效果。该研究提出滑动平均和标准校正的组合方法,分离出并网分量和储能分量。混合储能系统采用小波分解算法,可以有效地解耦出电池及超级电容器分量。对各储能分量统计分析,证明它们均服从t location-scale分布。在不同置信水平和容量下,以波动量的均值、方差、波动范围及波动点数为指标,分析混合储能系统的平抑效果。

基于区间层次分析法的电化学储能选型方案

储能选型作为储能规划的重要环节,追求技术的适用性和投资成本的经济性,过程涉及多重决策指标,并且具有信息不完备、定性定量信息掺杂等特点,属于多目标多属性的复杂决策问题。层次分析法(AHP)是一种定性与定量相结合、系统化、层次化的分析方法,可以用来求解储能选型问题。鉴于储能技术的基础数据多以区间或定性描述形式呈现,所以引入区间数与层次分析法相结合的区间层次分析法(IAHP)提高选型方案的可操作性。采用IAHP法构建选型方案过程中,结合储能选型问题目前没有足够的量化数据作为决策依据,选用主客观组合赋权法确定权重,首先结合专家经验,确定一层决策指标的权重,然后基于储能技术对工况需求期望值响应程度的差异性,采用熵值法确定二层决策权重,以保证选型结果具备较好的工程适用性。最后选取平抑某20MW(峰值)光伏电站出力波动工况开展算例分析,通过计算在该工况条件下,工况适用性最高的为锂电池,其次是液流电池和普通铅酸电池,钠硫电池、胶体电池和铅炭电池的工况适用性较差。通过案例分析证明,该储能选型方法可实现互有优劣势的不同储能类型间的综合量化对比,可在理论方法上为储能规划提供技术支撑。

计及电池使用寿命的混合储能系统容量优化模型

为光伏电站配置适当容量的储能系统,可有效提高光伏发电的电能质量和经济效益。以电池–超级电容器混合储能系统为基础,采用雨流计算法计算电池放电深度,根据等效循环寿命曲线建立电池的使用寿命量化模型;通过分析储能系统的成本结构,建立以储能系统年均最小成本为目标函数,同时考虑波动率、置信度等约束条件的容量优化配置模型,利用粒子群算法对模型进行寻优。仿真实例验证了所提方法的有效性,采用混合储能系统替代单类型电池储能系统可以大幅降低运行成本,提高光储系统的经济性。

储能技术融合分布式可再生能源的现状及发展趋势

分布式发电能够充分利用可再生能源实现节能减排,是集中式发电的有效补充,利用储能系统的双向功率能力和灵活调节特性可以提高系统对分布式电源的接纳能力,具有广阔的应用前景。首先汇总了多种主流储能技术目前在电力系统中的应用规模及其本体关键参数,并从储能设备自身特点和电力系统对储能的需求出发,分析各储能技术的优势和不足,提出了可能突破的方向及发展预期,然后从应对分布式可再生能源大量接入给电网带来的问题出发,归纳了储能技术在融合分布式可再生能源方面的应用模式,分析了国内外的应用现状及不足,最后从本体发展和应用技术层面探讨了储能技术的未来发展方向。

规模化分布式储能的关键应用技术研究综述

分布式储能可以从根本上解决分布式电源接入和负荷快速增长给电力系统的运行与规划带来的问题与挑战。从分布式储能的规划技术、面向电网的应用模式、关键装备研发及商业运营模式4个方面介绍了国内外分布式储能研究的最新进展,并重点就其中的容量配置、选点布局、协调控制设备研发及运营模式进行了评述,并给出了进一步的研究方向建议。最后,结合中国未来智能电网的建设规划,对分布式储能的发展前景进行了展望。

多时间尺度的光伏出力波动特性研究

光伏出力的波动性是影响光伏发电发展的重要因素,通过对光伏电站的历史运行数据进行统计分析,研究了不同时间尺度下光伏出力的波动特性。文章简要概述了光伏并网发电的出力波动对电网的影响,定量分析了光伏出力的波动水平,通过对不同时间尺度的光伏出力波动数据进行3种分布函数的概率密度拟合并比较结果,得出不同时间尺度下光伏出力的波动性应选择不同的概率分布模型来描述的结论。

光伏电站输出功率影响因素分析

光伏发电系统的发电量取决于太阳辐照强度和温度等因素,其输出功率的变化具有间歇性和不可控性,大规模的光伏并网应用将对大电网的稳定运行造成冲击。光储联合应用将有助于降低光伏电源的负面影响,为了协调配置光伏系统与储能系统,需要深入了解光伏发电系统的输出特性。首先分析了大规模光伏发电系统并网应用对电网带来的影响,进而介绍了光伏发电原理和影响光伏组件输出的因素;然后依托某100 kWp光伏电站的实际历史运行数据,基于统计学方法,从气象因素如日类型、太阳辐射强度和温度等影响光伏出力的角度,对光伏发电系统的输出特性作了定性、定量的分析,从而归纳了光伏输出特性,最后据此提出了光伏电站输出功率的评价指标。

基于非参数核密度估计法的光伏出力随机分布模型

光伏出力的随机性是影响光伏发电稳定性的重要因素。通过对国内某一光伏电站历史运行数据进行统计计算和分析,揭示气象条件差异对光伏出力水平的影响规律,并提出将数据按气象条件分类,用非参数核密度估计法建立晴天、多云、阴天、雨雪4种气象条件下光伏出力的随机分布模型。该方法对数据分布不附加任何假定,只从数据本身特征出发研究其分布特性,适合分析受气象影响显著的光伏出力分布特性。结果表明,模型所示分布特性与相应气象条件下光伏出力实际概率分布具有很好的一致性。

电池储能系统平抑光伏功率波动控制方法研究

为减少光伏发电因光照强度与温度变化而引起的并网光伏功率波动,基于某40MWp光伏电站的并网功率数据,分析其分钟级/10分钟级的最大有功功率变化量数据并进行概率统计,结合光伏功率波动的并网要求,利用电池储能系统对光伏发电电能进行存储和释放,改善光伏发电并网输出功率波动的问题,并分析电池储能系统的功率和容量需求。提出利用电池储能系统缩减光伏并网功率波动的控制策略,并对电池储能系统容量进行优化,仿真结果验证了控制策略和算法的可行性。

基于回归模型的风电海量数据补齐算法研究

在研究风电场或风电机组出力特性前,对数据的预处理很必要。数据可能出现的问题较多,集中的大量数据缺失是其中比较棘手的问题之一。针对这个问题,在分析风电场或风电机组之间时间和空间的分布特性的基础上,建立对集中的大量数据缺失补齐的时空模型,并根据时间模型和空间模型的特点对建立的时空模型进行改善,提出了一种双向变权重的时空模型。以均方根误差为指标,评价双向变权重的时空模型与单一时间、空间模型的补齐精度。通过算例验证双向变权重的时空模型优于单一模型,补齐精度有明显的提高。

基于云模型的风电功率平滑控制策略研究

大规模风力发电并网已经是新能源发展的必然趋势。利用储能装置平抑风力发电系统的输出功率已经成为风电系统不可或缺的一部分。由于风电功率的波动性大和随机性强等特点,传统的一阶低通滤波器控制策略具有一定的局限性,导致储能系统容量配置过高或利用率过低。本文将云模型控制策略引入风光储能系统中,利用一维云模型调整惯性滤波器的时间常数,进而实现风电功率的平滑控制,并与传统的定时间常数惯性滤波功率平滑方法进行了对比。仿真结果表明,在满足风电系统并网要求的前提下,基于云模型的平滑控制策略可以有效优化储能系统容量,降低了风储联合系统的成本。

电力现货市场环境下新能源侧储能配置方案的经济性测算

储能是电力系统向着高比例可再生能源趋势发展的重要支撑手段,随着可再生能源发电并网量的持续攀升,电源侧储能技术的发展具有重要意义。基于国内电力市场环境分析,以山西省为例,首先开展了新能源电站在电能量市场和“两个细则”下的收益、考核相关政策解读以及储能需求分析;然后,以储能收益最大为目标,搭建了考虑电费、超额获利回收、功率预测精度考核等因素的收益测算模型;最后,对新能源侧储能的收益进行了模拟测算,结果表明:不同的储能配置方案,投资经济性具有较大差异。

基于BP神经网络的储能电池衰减容量预测

提出了一种基于BP神经网络的储能电池衰减容量预测方法,能及时准确地预测储能电池的容量衰减情况,提高电池储能系统的稳定性和综合性能。选择较易获得的电池外特性充电电流和荷电状态(SOC)变化率作为神经网络的输入特征量,电池衰减容量作为输出特征量,利用遗传算法优化BP神经网络的权值和阈值,对不同衰减容量的电池单体在不同充电电流下进行充电仿真试验和衰减容量预测。结果表明,改进BP神经网络与RBF神经网络相比,具有更高的准确性,实现了大容量电池储能系统电池单体任意衰减容量在任意充电电流下的准确预测。

基于改进人工鱼群算法的虚拟电厂经济性分析

大规模间歇性能源和可控能源组成虚拟电厂可降低新能源并网时输出功率不确定性带来的波动,提高输电稳定性。针对目前虚拟电厂调度实际情况,提出一种建立在统一电力市场电价的的经济模型,通过合理的协调内部可控能源及不可控能源,实现经济性最优。利用改进的人工鱼群算法(Artificial Fish School Algorithm,AFSA)对该模型进行寻优,并对比了遗传算法、AFSA的运算速度和寻优结果,算例分析结果表明了模型的合理性和有效性。

基于PSO-BP神经网络的大容量电池储能系统衰减容量预测

大容量电池储能系统可以为新能源并网稳定运行提供有效支撑,电池储能系统的大功率输入/输出加剧了电池单体的损耗,造成电池容量发生不同程度的衰减,容量衰减过程较为缓慢,且不易发现。为及时准确预测电池容量衰减情况,提出基于PSO-BP神经网络的大容量电池储能系统电池衰减容量预测方法,通过粒子群算法(PSO)对反向传播(BP)神经网络隐层权值阈值进行优化。仿真结果表明,PSO-BP神经网络具有较高的准确性,可对任意衰减程度进行准确预测。