针对电池储能系统(battery energy storage system,BESS)进行光伏波动平抑时寿命损耗高及荷电状态(state of charge,SOC)一致性差的问题,提出了光伏波动平抑下改进K-means的BESS动态分组控制策略。首先,采用最小最大调度方法获取光伏并...针对电池储能系统(battery energy storage system,BESS)进行光伏波动平抑时寿命损耗高及荷电状态(state of charge,SOC)一致性差的问题,提出了光伏波动平抑下改进K-means的BESS动态分组控制策略。首先,采用最小最大调度方法获取光伏并网指令。其次,设计了改进侏儒猫鼬优化算法(improved dwarf mongoose optimizer,IDMO),并利用它对传统K-means聚类算法进行改进,加快了聚类速度。接着,制定了电池单元动态分组原则,并根据电池单元SOC利用改进K-means将其分为3个电池组。然后,设计了基于充放电函数的电池单元SOC一致性功率分配方法,并据此提出BESS双层功率分配策略,上层确定电池组充放电顺序及指令,下层计算电池单元充放电指令。对所提策略进行仿真验证,结果表明,所设计的IDMO具有更高的寻优精度及更快的寻优速度。所提BESS平抑光伏波动策略在有效平抑波动的同时,降低了BESS运行寿命损耗并提高了电池单元SOC的均衡性。展开更多
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...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。展开更多
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...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。展开更多
文摘针对电池储能系统(battery energy storage system,BESS)进行光伏波动平抑时寿命损耗高及荷电状态(state of charge,SOC)一致性差的问题,提出了光伏波动平抑下改进K-means的BESS动态分组控制策略。首先,采用最小最大调度方法获取光伏并网指令。其次,设计了改进侏儒猫鼬优化算法(improved dwarf mongoose optimizer,IDMO),并利用它对传统K-means聚类算法进行改进,加快了聚类速度。接着,制定了电池单元动态分组原则,并根据电池单元SOC利用改进K-means将其分为3个电池组。然后,设计了基于充放电函数的电池单元SOC一致性功率分配方法,并据此提出BESS双层功率分配策略,上层确定电池组充放电顺序及指令,下层计算电池单元充放电指令。对所提策略进行仿真验证,结果表明,所设计的IDMO具有更高的寻优精度及更快的寻优速度。所提BESS平抑光伏波动策略在有效平抑波动的同时,降低了BESS运行寿命损耗并提高了电池单元SOC的均衡性。
文摘针对电池储能(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。
文摘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。