Dynamic grouping control of electric vehicles based on improved k-means algorithm for wind power fluctuations suppression

To address the significant lifecycle degradation and inadequate state of charge(SOC)balance of electric vehicles(EVs)when mitigating wind power fluctuations,a dynamic grouping control strategy is proposed for EVs based on an improved k-means algorithm.First,a swing door trending(SDT)algorithm based on compression result feedback was designed to extract the feature data points of wind power.The gating coefficient of the SDT was adjusted based on the compression ratio and deviation,enabling the acquisition of grid-connected wind power signals through linear interpolation.Second,a novel algorithm called IDOA-KM is proposed,which utilizes the Improved Dingo Optimization Algorithm(IDOA)to optimize the clustering centers of the k-means algorithm,aiming to address its dependence and sensitivity on the initial centers.The EVs were categorized into priority charging,standby,and priority discharging groups using the IDOA-KM.Finally,an two-layer power distribution scheme for EVs was devised.The upper layer determines the charging/discharging sequences of the three EV groups and their corresponding power signals.The lower layer allocates power signals to each EV based on the maximum charging/discharging power or SOC equalization principles.The simulation results demonstrate the effectiveness of the proposed control strategy in accurately tracking grid power signals,smoothing wind power fluctuations,mitigating EV degradation,and enhancing the SOC balance.

考虑生产安全的工业园区联络线功率平滑策略

高比例新能源接入工业园区已成为高耗能工业负荷低碳转型的主要途径,而联络线功率剧烈频繁波动是园区低碳转型的关键问题.因此,提出一种考虑生产安全的工业园区联络线功率平滑策略.首先,分析电解铝和矿热炉的可控设备控制模型,构建基于联络线功率波动反馈的工业负荷功率闭环反馈控制模型.考虑工业生产核心影响因素,构建温度状态指标模型,形成考虑工业生产核心因素的典型工业负荷需求侧响应惩罚成本模型,并以工业生产的惩罚成本最小为优化目标,将控制目标分配至各工业负荷.最后,构建基于云南电网文山区域网架的MATLAB在线计算和RTDS仿真实时交互算例,结果表明,该算法自适应更新生产设备温度,有效降低功率调节对生产的影响,且联络线购电成本可降低36.4%.

基于机网变流器协同的波浪发电系统控制策略

为实现波浪发电系统的高效平稳入网,以直驱式波浪发电装置为例,建立其数学模型和并网结构。将装置输出功率分解为平均分量和波动分量,从发电系统主动式控制的角度,进一步提出了阻尼控制和阻尼弹力控制下的最优策略,以使其高效运行。通过直流侧储能配置及机侧和网侧变流器的协同控制,实现电能的平稳入网。仿真结果表明,阻尼弹力控制较于阻尼控制,发电效率更高同时波动更大,直流侧储能及机网侧协同控制可有效平抑功率波动,为波浪发电系统的入网控制设计提供参考。

Demand-side Management Based on Model Predictive Control in Distribution Network for Smoothing Distributed Photovoltaic Power Fluctuations

With the rapid increase of distributed photovoltaic(PV) power integrating into the distribution network(DN), the critical issues such as PV power curtailment and low equipment utilization rate have been caused by PV power fluctuations. DN has less controllable equipment to manage the PV power fluctuation. To smooth the power fluctuations and further improve the utilization of PV, the regulation ability from the demandside needs to be excavated. This study presents a continuous control method of the feeder load power in a DN based on the voltage regulation to respond to the rapid fluctuation of the PV power output. PV power fluctuations will be directly reflected in the point of common coupling(PCC), and the power fluctuation rate of PCCs is an important standard of PV curtailment.Thus, a demand-side management strategy based on model predictive control(MPC) to mitigate the PCC power fluctuation is proposed. In pre-scheduling, the intraday optimization model is established to solve the reference power of PCC. In real-time control, the pre-scheduling results and MPC are used for the rolling optimization to control the feeder load demand. Finally,the data from the field measurements in Guangzhou, China are used to verify the effectiveness of the proposed strategy in smoothing fluctuations of the distributed PV power.

基于EWT的分布式光储PCC功率波动自适应平抑方法

分布式光伏在交流侧公共连接点(point of common coupling,PCC)汇流的功率有较大的随机性与波动性,影响电网的稳定运行。为此,提出了基于经验小波变换(empirical wavelet transform,EWT)的分布式光储PCC功率自适应平抑方法。首先,针对混合储能(hybrid energy storage system,HESS)与分布式光伏接入PCC的典型场景,在分析EWT自适应处理波形的特点后,结合功率波动率与储能元件的响应特性,对PCC的光伏原始汇流功率进行EWT分解与优化修正,实现HESS的功率初级分配。之后为避免HESS的荷电状态(state of charge,SOC)频繁越限,提出了一种主动功率补偿的SOC控制策略,通过主动改变储能的参考信号使其SOC在安全范围内工作。结合实际数据的仿真验证表明,该平抑方法能够自适应地实现光伏出力的合理分解与功率分配,在延长储能使用寿命的同时有效满足并网功率波动的要求,为平抑光伏输出功率波动提供了新思路。

改进的自适应小波包风电波动平滑控制策略

针对传统自适应小波包风电功率波动平滑技术存在过度平滑以及储能系统负担加重等问题,提出一种改进的自适应小波包风电功率平滑控制策略。首先,根据不同时间段风电功率波动特性,合理规划滤波时间尺度,并确定满足系统控制要求的最小滤波尺度。其次,利用自适应小波包分解滤波尺度内的风电功率,获得期望并网功率与波动功率。之后,采用由双储能电池与超级电容器组成的混合储能系统对波动功率进行平抑。最后,分析改进的平滑策略在降低储能系统负担方面的优势,并对储能系统的运行寿命进行评估。结果表明,在保证风电功率波动有效平滑的前提下,该策略既能降低储能系统的负担,又能延长其运行寿命。

基于瞬时功率镜像补偿的斜坡式重力储能系统功率平滑控制策略

针对重力储能系统因离散质量块切换引起的输出功率波动问题,提出了一种基于瞬时功率镜像补偿的功率平滑控制策略。首先介绍了斜坡式重力储能系统的工作原理,分析引起系统功率波动的原因;然后设计了抑制功率波动的系统结构以及功率平滑控制策略,并以11 kW的斜坡式重力储能系统为例,对系统结构参数进行理论计算;最后构建斜坡式重力储能系统仿真模型,分析了系统在质量块交替过程中的暂态波动特性。结果表明,应用所提方法,质量块在交替过程中可提供连续稳定的机械功率,较好地平滑重力储能系统的输出功率,验证了该方法的有效性。

基于发电集群协同划分的分布式光伏发电并网功率调节方法

分布式光伏发电并网的平稳运行至关重要。为了降低功率波动对电网频率的影响,本研究基于发电集群协同划分,设计分布式光伏发电并网功率调节方法。首先,在构建分布式光伏发电模型的基础上,分析其发电输出特性,并跟踪最大输出功率点。然后,基于协调算法动态划分光伏发电集群,并计算无功调节和有功调节范围。最后,在光伏功率波动平抑的基础上,规划并网系统调频储能容量,再构建分布式光伏发电并网功率调节模型,抑制各电池储能系统间功率环流问题,实现功率调节。根据仿真实验可知,在3种典型天气条件下,该方法均能够有效控制并网光伏发电功率。并网系统出现故障后,该方法能够在短时间内快速响应,完成功率平衡调节。

基于卡尔曼滤波和模型预测控制的混合储能平抑风电功率波动策略

针对混合储能平抑风电功率波动时储能系统成本过高的问题,提出一种基于卡尔曼滤波和模型预测控制的风电波动平抑控制策略。该方法基于风储联合发电系统,在满足风电平抑需求的基础上,通过预设截止频率以储能容量变化最小与功率波动最低为多目标,利用遗传算法求解卡尔曼滤波自适应参数获得最优储能目标功率。为提高混合储能系统协调运行能力,考虑调节储能荷电状态(state of charge,SOC)通过模型预测控制实现计及电池运行寿命与超级电容SOC变化的动态功率分配。最后,结合实际风电功率数据进行仿真验证。结果表明,所提策略能够有效改善电池SOC、降低超级电容容量,符合储能平抑风电功率需求,能充分考虑两种储能设备的特性差异,提高功率分配的合理性,改善储能系统经济性。

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。

计及谷时段风电消纳的储能系统平抑风电功率波动控制策略

储能系统(energy storage system,ESS)仅参与平抑风电功率波动为单一场景的控制策略,存在ESS频繁充放电以及不能有效解决负荷低谷时段风电消纳等问题。为此,提出了一种计及谷时段风电消纳的ESS平抑风电功率波动控制策略。首先,根据风电特性与负荷需求的时序关系,确定ESS在一个周期内的充电和放电区间段。其次,提出了分区间控制的ESS控制策略,在充电区间段以平抑风电功率向上波动为目标存储电量;在放电区间段以平抑风电功率向下波动为目标释放电量。最后,考虑ESS的实时荷电状态(state of charge,SOC)和风电消纳,提出了基于模糊控制的ESS充放电功率修正方法。以某风电场实际数据为例,在风储联合发电系统仿真平台上进行了测试,验证了所提运行策略的可行性和优越性。

基于目标优选和模型预测控制的风储优化策略

针对风储系统风电功率波动平抑效果不佳的问题,对风储系统的运行进行优化。在考虑风储系统运行的时序耦合特性和未来风电功率波动对储能系统的影响下,提出基于平抑目标优选方法和模型预测控制的优化策略。首先根据风电预测功率和储能固有约束求出期望的并网功率,再结合当前的储能荷电状态(SOC)等条件由模糊控制求出优选平抑目标,并引入局部预测准度对其进行修正;然后利用模型预测控制—粒子群优化算法(MPC‐PSO)策略滚动优化储能功率,使下一时段并网功率与优选目标功率之差最小且储能充放功率最小;最后基于算例的仿真和对比分析结果可见,所提优化策略既能提升风电波动的平抑效果,又能有效地降低储能运行成本。

基于多目标合作博弈的储能平滑风功率运行控制策略

为了平滑风电功率波动,针对现有的控制策略未考虑储能运行过程中多个目标之间的竞争冒险关系,基于合作博弈论提出了用于平滑风功率的多目标储能运行控制策略。模型预测控制(modelpredictivecontrol,MPC)中预测区间M的大小与储能运行策略有着密切联系。该研究以MPC中预测区间M为决策变量,探究其变化对风电平抑效果和储能控制策略的影响,并以此制定储能运行策略。首先建立了风-储联合发电系统模型,分析了储能运行过程中因M的改变导致目标函数间产生的合作博弈关系,其次改进了多目标哈里斯鹰算法(improved multi objective Harris hoptimizer,I-MOHHO)获取了沿所有目标均匀分布的Pareto最优前沿。最后在Pareto最优解集中选择一个M作为Pareto最优解嵌入到MPC中进一步滚动优化储能运行控制策略。结合储能运行成本的变化与传统控制策略对比分析,结果表明:1)M的改变对储能运行策略影响显著;2)考虑了合作博弈后的储能运行各项指标均得到了优化;3)基于多目标合作博弈的储能日运行成本降低了55.91%。

基于事件优化理论的"风-储-荷"联合单元最优平抑控制策略

目前风电平抑控制策略大多单一地以储能备用来减小并网功率波动,未综合考虑电力系统内部多种备用资源的灵活性.引入辅助服务市场机制,提出了基于事件优化理论的"风-储-荷"联合单元日前最优平抑控制策略.根据事件优化理论中事件的基本概念,定义风电不确定事件,构建新的事件Q因子,以贪婪事件优化理论下的策略作为初始平抑控制策略,并采用Softmax函数将策略表示为动作空间上的概率分布.构建联合单元的不确定事件平抑模型,基于储能备用匹配度,以平抑动作效益最大为优化目标建立收益函数,并基于收益函数求解策略下的系统性能.提出一种策略梯度迭代在线算法,以初始平抑控制策略梯度迭代求解最优策略参数,同时考虑平抑效果和平抑效益,得到"风-储-荷"联合单元的最优平抑控制策略.通过算例仿真验证了所提策略的有效性.

基于三滑动窗口的风电系统储能优化控制策略

储能系统应用在平滑风电功率波动上具有显著效果,为提高平抑效果及保障储能系统在不同波动情况下灵活安全运行,提出基于三滑动窗口的风电系统储能优化控制策略。首先,根据三种波动情况提出三滑动窗口,并得出并网参考功率;然后,将风功率的波动系数作为寻优变量,结合滑动平均滤波算法与麻雀搜索算法建立系统模型,计算最优风功率波动系数,得出最佳并网功率;最后,提出一种基于功率修正系数的SOC维持算法,满足平抑要求的同时减少储能系统的过充过放。为验证所提方法的有效性,在Matlab R2020a中进行了仿真分析。结果表明:所提控制策略能够根据功率波动情况自动切换窗口宽度,显著平滑功率波动,规避储能设备无节制充放电,维持荷电状态为设定值,实现风储互补控制系统稳定安全运行。

两种风蓄协调控制策略在不同装机配比工况下的对比分析

为解决大规模风电入网造成系统功率波动性过大问题,本文提出两种风电-抽水蓄能协调控制策略,以抽水蓄能机组运行特性为基础,建立风蓄协调策略优化调度模型,策略1以弃风量最小和系统调峰效果最优为联合控制目标,策略2以风蓄联合出力波动量最小为控制目标;采用加入启发式改进的二进制粒子群算法,将抽水和发电出力进行统一的二进制编码,利用外点罚函数法对模型约束进行调整,用于风蓄协调调度问题的求解。利用含火电机组、抽水蓄能机组和不同装机容量的风电场的测试系统,对风电-抽水蓄能协调控制策略进行验证,结果表明本文所提两种风蓄协调控制策略均能起到平滑风电波动的效果,通过进一步比较系统运行费用,总结了两种风蓄协调策略的控制特性和适用工况。

基于深度强化学习的海上风电集群自进化功率平滑控制方法

海上风电集群的风速时空相关性强,加剧了整体有功输出的波动幅度,大规模并网对电力系统的影响更为突出,海上风电集群有功输出平滑控制是解决上述问题的关键手段。传统方法的优化效率低、难以支撑高频率控制,且对预测误差、执行偏差灵敏度过高。因此,提出了“策略离线训练、在线快速寻优、控制效果自进化”的控制架构,建立了深度强化学习的海上风电集群有功输出平滑控制模型。首先,提出了面向集群功率平滑控制的短期收益函数,基于马尔科夫决策过程模型求解最优指令;其次,提出了面向功率策略校准的长期收益Policy函数,根据历史反馈数据有效矫正控制偏差;最后,建立了智能体状态、控制收益和控制决策之间映射的深度神经网络模型,实现基于深度确定性策略梯度算法的智能体训练与求解。算例结果表明:在平均风速为7.5m/s的给定风况下,所提方法能够降低功率波动幅度达20%,同时将发电量损失控制在5%以内。

计及调频备用的储能平抑风电功率波动控制策略

新能源场站配置储能系统可以平抑输出功率的波动、承担新能源机组调频义务。若储能仅考虑单一平抑波动工况时可能会造成风储联合系统调频有功备用不足。因此本文提出一种考虑调频有功备用与荷电状态恢复的平抑风电功率波动策略,首先利用聚类算法提取储能平抑波动典型工况,计算储能平抑波动功率需求和剩余有功功率;其次,结合国标对风电场有功备用相关标准,利用储能调频备用与风电减载联合提供有功备用,并对储能平抑波动功率设置限幅;最后,利用模糊控制理论设计储能系统边缘区荷电状态恢复策略。基于实际风电场运行数据进行仿真分析,结果表明所提出的方法可在储能系统平抑风电波动时提供有功备用以及边缘区荷电状态恢复。

考虑平抑新能源电站功率波动和谐波治理的储能系统控制策略研究

针对储能系统平滑新能源电站功率波动存在平抑性能与电网谐波治理难以协调的情况,本文提出一种基于低通滤波原理的储能系统平滑新能源电站波动的控制策略,从而解决储能负担较大和新能源电站出力波动平抑效果不佳的问题。利用低通滤波模型构建储能系统平抑功率波动模块,通过有功无功解耦控制进行不同天气情况下滤波时间常数选取。采用电池储能系统平滑功率波动和有源滤波模块的统一控制策略,实现储能系统平抑新能源出力波动和电网谐波治理的协同控制。最后,通过算例验证了所提算法的有效性。

基于飞轮-超级电容混合储能系统设计

针对风电并网中混合储能系统配置成本过高的问题,提出一种用于风电平抑的混合储能系统容量配置方法,采用该方法进行储能系统容量配置,以并网功率波动为2%,4%,6%,8%设计4种方案并计算各自成本。构建的4种方案相较传统方案,混合储能系统容量需求最高可降低1.13 MW·h,综合成本平均降低了43.71%,最高可降低52.66%。数值模拟算例验证了混合储能系统平抑风电功率波动的可行性、储能系统成本优化的有效性。