风电场配置电池储能系统(Battery Energy Storage System,BESS)是提高风电场调度计划精确度的有效手段。为提高风储联合发电系统跟踪调度计划出力能力、增加BESS收益,文章提出了一种基于模型预测控制(Model Predictive Control,MPC)和...风电场配置电池储能系统(Battery Energy Storage System,BESS)是提高风电场调度计划精确度的有效手段。为提高风储联合发电系统跟踪调度计划出力能力、增加BESS收益,文章提出了一种基于模型预测控制(Model Predictive Control,MPC)和双层模糊控制的BESS跟踪风电计划出力控制策略。首先,基于MPC方法建立了以并网功率与计划出力偏差、储能系统剩余容量偏离理想值最小为目标;其次,结合BESS实时荷电状态(State of Charge,SOC)与风电功率计划值动态跟踪需求,通过引入第一层模糊控制规则,实时调整目标函数中的权重系数,以获得最佳跟踪效果。同时,为提高BESS收益,结合SOC和峰谷分时电价,采用第二层模糊控制规则,对BESS的充放电功率进行修正;最后,在风储联合发电系统实验平台上对所提控制策略进行了验证,仿真结果表明,与传统MPC方法相比,所提控制策略提高了风储系统跟踪计划出力能力,避免了BESS越限,具有良好的峰谷套利收益。展开更多
首先采用风险价值(value at risk,VaR)方法根据历史数据计算出各月峰谷时段用电量的历史序列,并在一定的置信度下对谷段和峰段的用电量进行预测;然后采用区间数学方法构建了风险评估模型,以便对供电公司实行峰谷分时电价的风险进行衡量...首先采用风险价值(value at risk,VaR)方法根据历史数据计算出各月峰谷时段用电量的历史序列,并在一定的置信度下对谷段和峰段的用电量进行预测;然后采用区间数学方法构建了风险评估模型,以便对供电公司实行峰谷分时电价的风险进行衡量;最后采用该模型分析了某供电局的历史数据并衡量了其实施峰谷分时电价的风险,结果表明该模型不仅是有效的,而且还可以使需求侧管理更具可操作性。展开更多
文摘风电场配置电池储能系统(Battery Energy Storage System,BESS)是提高风电场调度计划精确度的有效手段。为提高风储联合发电系统跟踪调度计划出力能力、增加BESS收益,文章提出了一种基于模型预测控制(Model Predictive Control,MPC)和双层模糊控制的BESS跟踪风电计划出力控制策略。首先,基于MPC方法建立了以并网功率与计划出力偏差、储能系统剩余容量偏离理想值最小为目标;其次,结合BESS实时荷电状态(State of Charge,SOC)与风电功率计划值动态跟踪需求,通过引入第一层模糊控制规则,实时调整目标函数中的权重系数,以获得最佳跟踪效果。同时,为提高BESS收益,结合SOC和峰谷分时电价,采用第二层模糊控制规则,对BESS的充放电功率进行修正;最后,在风储联合发电系统实验平台上对所提控制策略进行了验证,仿真结果表明,与传统MPC方法相比,所提控制策略提高了风储系统跟踪计划出力能力,避免了BESS越限,具有良好的峰谷套利收益。
文摘首先采用风险价值(value at risk,VaR)方法根据历史数据计算出各月峰谷时段用电量的历史序列,并在一定的置信度下对谷段和峰段的用电量进行预测;然后采用区间数学方法构建了风险评估模型,以便对供电公司实行峰谷分时电价的风险进行衡量;最后采用该模型分析了某供电局的历史数据并衡量了其实施峰谷分时电价的风险,结果表明该模型不仅是有效的,而且还可以使需求侧管理更具可操作性。