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
针对新能源汇集站跟踪计划出力误差大导致调度性差的问题,提出在新能源汇集站(new energy collection station,NECS)配置共享电池储能(energy storage,ES),并与新能源场站储能协调调控,提高风光集中接入区域整体跟踪计划出力能力。首先...针对新能源汇集站跟踪计划出力误差大导致调度性差的问题,提出在新能源汇集站(new energy collection station,NECS)配置共享电池储能(energy storage,ES),并与新能源场站储能协调调控,提高风光集中接入区域整体跟踪计划出力能力。首先,利用各新能源场站时空互补特性求出新能源汇集站联络线出力计划跟踪误差。然后,基于场站储能状态对各自误差进行一定程度的修正。其次,基于场站修正后的汇集站出力偏差,通过汇集站储能与场站储能协调调用提升计划跟踪能力;此过程中,优先调用汇集站储能,若储能容量不足,联合调用有剩余裕度的场站储能进行二次协调。旨在提升新能源汇集站跟踪计划出力能力的同时,降低弃风弃光率。最后,依据新能源跟踪计划性能指标,通过算例应用验证了所提储能协调运行策略对新能源汇集站计划出力跟踪的有效性。展开更多
电池储能系统(battery energy storage system,BESS)在风储联合应用中具有多种功能,利用电池储能系统提高风电并网调度运行能力是当前研究的热点之一。文章基于我国北方某风电场历史运行数据与预测数据,依据预测误差评价指标和风电场预...电池储能系统(battery energy storage system,BESS)在风储联合应用中具有多种功能,利用电池储能系统提高风电并网调度运行能力是当前研究的热点之一。文章基于我国北方某风电场历史运行数据与预测数据,依据预测误差评价指标和风电场预报考核指标的综合评价方法对风电场预测数据进行分析研究,归纳了预测误差的概率分布特征;提出利用电池储能系统提高风电跟踪计划出力能力,统计并量化出电池储能系统用于跟踪计划出力场合的作用范围;通过仿真验证电池储能系统在风储联合系统中提高风电跟踪计划出力控制策略的有效性和可行性。展开更多
为最大程度提高光伏系统跟踪计划出力能力,基于短期光伏发电预测功率及预测误差的随机性,提出采用机会约束规划的储能系统控制方法。该方法以光储联合出力在调度计划上下限范围内为目标,考虑储能充放电功率与荷电状态(state of charge,S...为最大程度提高光伏系统跟踪计划出力能力,基于短期光伏发电预测功率及预测误差的随机性,提出采用机会约束规划的储能系统控制方法。该方法以光储联合出力在调度计划上下限范围内为目标,考虑储能充放电功率与荷电状态(state of charge,SOC)约束条件,并采用基于蒙特卡罗(Monte Carlo)模拟的改进自适应粒子群优化算法(particle swarm optimization algorithm,PSO)进行求解,进而获得日前各时刻储能的充放电功率值。以典型光伏电站出力为例进行仿真,对比分析了固定系数和变化系数情况下光储跟踪计划出力效果与储能情况,结果验证了该控制策略的有效性与灵活性,并为日前储能充放电控制提供了参考方案。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。
文摘针对新能源汇集站跟踪计划出力误差大导致调度性差的问题,提出在新能源汇集站(new energy collection station,NECS)配置共享电池储能(energy storage,ES),并与新能源场站储能协调调控,提高风光集中接入区域整体跟踪计划出力能力。首先,利用各新能源场站时空互补特性求出新能源汇集站联络线出力计划跟踪误差。然后,基于场站储能状态对各自误差进行一定程度的修正。其次,基于场站修正后的汇集站出力偏差,通过汇集站储能与场站储能协调调用提升计划跟踪能力;此过程中,优先调用汇集站储能,若储能容量不足,联合调用有剩余裕度的场站储能进行二次协调。旨在提升新能源汇集站跟踪计划出力能力的同时,降低弃风弃光率。最后,依据新能源跟踪计划性能指标,通过算例应用验证了所提储能协调运行策略对新能源汇集站计划出力跟踪的有效性。
文摘电池储能系统(battery energy storage system,BESS)在风储联合应用中具有多种功能,利用电池储能系统提高风电并网调度运行能力是当前研究的热点之一。文章基于我国北方某风电场历史运行数据与预测数据,依据预测误差评价指标和风电场预报考核指标的综合评价方法对风电场预测数据进行分析研究,归纳了预测误差的概率分布特征;提出利用电池储能系统提高风电跟踪计划出力能力,统计并量化出电池储能系统用于跟踪计划出力场合的作用范围;通过仿真验证电池储能系统在风储联合系统中提高风电跟踪计划出力控制策略的有效性和可行性。
文摘风电场配置储能系统(energy storage system,ESS)是当前提高风电场响应调度计划能力的有效手段。为提高风电场可调度性和风电消纳量的同时,延长ESS的使用寿命,提出一种计及谷时段风电消纳的风储联合发电系统跟踪风电计划出力控制策略。首先,基于风电特性与负荷需求的时序关系,确定ESS在1天内的充电和放电区间。其次,根据充放电区间段的划分,提出了分区间控制的ESS控制策略,在充电区间以修正实际风电功率与计划出力上限值之间的向上偏差为目标存储电量,在放电区间以修正实际风电功率与计划出力下限值之间的向下偏差为目标释放电量。最后,结合储能系统当前荷电状态(state of charge,SOC)和峰谷分时电价,提出了采用模糊控制器修正ESS出力的控制方法。仿真结果表明,所提控制策略在提高跟踪调度计划能力和风电消纳的同时,延长了ESS使用寿命,并且具有良好的“峰谷套利”收益。