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.

A Control Strategy for Smoothing Active Power Fluctuation of Wind Farm with Flywheel Energy Storage System Based on Improved Wind Power Prediction Algorithm

The fluctuation of active power output of wind farm has many negative impacts on large-scale wind power integration into power grid. In this paper, flywheel energy storage system (FESS) was connected to AC side of the doubly-fed induction generator (DFIG) wind farm to realize smooth control of wind power output. Based on improved wind power prediction algorithm and wind speed-power curve modeling, a new smooth control strategy with the FESS was proposed. The requirement of power system dispatch for wind power prediction and flywheel rotor speed limit were taken into consideration during the process. While smoothing the wind power fluctuation, FESS can track short-term planned output of wind farm. It was demonstrated by quantitative analysis of simulation results that the proposed control strategy can smooth the active power fluctuation of wind farm effectively and thereby improve power quality of the power grid.

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。

风力发电机组负荷功率多目标平滑控制仿真

随着风电技术的快速发展,风力发电机组数量的不断增多,风电并网的规模逐渐扩大,对风力发电负荷功率稳定性的需求也日益提升。为了解决当前风电负荷功率波动较大的问题,提出了一种基于多目标优化的负荷功率平滑控制方法。方法首先采用电池储能系统对波动功率进行补偿,通过设置介入门槛降低介入频率,通过极限学习机算法计算平滑控制的权重;然后通过对并网逆变器控制策略进行了优化,提升了并网过程的平稳度;最后加入飞轮储能系统,吸收多余动能并在功率缺失时补偿电能,从而在达到平滑控制效果的同时降低了电池储能系统的容量,降低了成本。基于真实数据的仿真结果表明,所提方法使功率波动降低了6.42%,有效的提高了负荷功率平滑控制的效果,提升了风力发电机组运行的稳定性,降低了功率波动对电网带来的负面影响。

多模式风光火储系统多目标优化调度

风光发电具有波动性和随机性,大规模并入电网影响电力系统的稳定性、安全性。建立考虑火电机组深度调峰和电储能寿命折损成本的风光火储能源系统模型,提出负荷跟踪、功率平滑两种出力模式。以风光火储各子系统出力为决策变量,建立了一种以风光火储能源系统运行成本最低、新能源消纳最多、环保性最好为目标的优化调度模型。通过NSGA-Ⅱ算法分别求解两种模式的调度模型,得到帕累托解集,最后基于AHP决策方法确定最优调度方案,实现能源系统出力跟踪负荷、能源系统功率平滑的功能,降低风光发电并入电网带来的冲击。仿真计算结果表明两种模式下的调度策略可以提高风光火储能源系统的经济性,增强新能源消纳能力,减少污染性气体排放,验证了优化调度模型的有效性。

飞轮储能参与风电平滑的自适应滤波算法及无传感器控制

通过对风电系统和飞轮储能系统运行特性的分析,针对飞轮转子设计难以安装位置传感器的特殊性问题,提出一种基于自适应非奇异快速终端滑模观测器的飞轮储能无传感器控制策略,提高转子位置角估计精度。此外,针对飞轮储能系统参考功率指令滞后的问题,在无传感器控制基础上,引入自适应滤波算法作为飞轮储能控制系统的功率给定,以减小功率指令滞后现象。在Typhoon HIL 602+仿真平台进行实验验证,结果表明:飞轮储能系统运行性能良好,观测器具有优越的估计性能,能满足飞轮快速充放电并有效平滑风电功率波动的控制需求,同时提高储能利用率。

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。

基于转子动能调节的风电输出功率平滑控制策略比较与改进

湍流风况下,基于传统最大功率点跟踪模式控制的风电机组输出功率剧烈波动,会对电能质量及电网稳定造成负面影响,而通过调节风电机组转子惯性动能可平滑快速波动的输出功率。文中从风电机组转子惯性动能控制的关键参数功率参考值出发,通过建立系统传递函数,比较现有文献中提出的两种转子动能控制方法,即一阶滤波法和二阶滤波法,分析功率平滑控制的机理。在此基础上,提出了一种基于模糊控制器的新型变参数二阶滤波器转子动能控制策略。通过模糊控制器在线调整滤波参数,提升了在强湍流风况下的风电输出功率平滑效果,且有效避免了转速越限造成的电磁功率突变。最后,仿真与实验结果表明了所提转子动能控制策略相较于传统方法具有更好的功率平滑能力。

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。

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。

基于灰色预测和低通滤波的风电平抑策略

在风电并网处配置一定容量的储能系统对并网风功率进行平抑处理可以大幅提高风电并网的安全性、可靠性。传统的低通滤波等方法具有较高的滞后特性,风电跟随能力较差,这将导致储能系统的充放电深度变大,从而影响储能系统的寿命,同时也会使其配置容量需求增大。因此提出一种灰色预测和低通滤波相结合的储能系统平滑风电功率控制策略,该策略能够根据储能系统的荷电状态(state of charge,SOC)变化自动调整算法参数,保证SOC维持在安全范围内,同时实现风电功率的平滑和跟踪,并减少储能系统的容量配置需求及充放电深度。最后通过Matlab仿真验证了该策略的可行性和有效性。

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。

基于改进黏菌算法的风光电并网双层储能容量优化

为了提高并入大量风光电配电网的供电可靠性和经济性,提出一种配电网双层混合储能容量优化策略。采用自适应小波包分解方法得到风光电目标并网功率以及储能系统容量初次分配;通过考虑配电网网损和储能系统综合成本,分别建立了综合成本模型和配电网储能优化配置模型;给出一种自适应对抗黏菌-粒子群双层优化混合算法(adaptive opposition slime mould algorithm-particle swarm optimization hybrid algorithm,AOSMA-PSO),上层优化储能系统成本函数,下层优化配电网网损函数,通过上下层反复迭代得到最优混合储能容量配置方案,并对该方案进行最终储能修正,以达到风电平抑的标准。通过MATLAB并以IEEE33节点算例进行仿真验证,结果表明:所提方法和模型不仅能够有效降低混合储能综合成本,还降低了配电网网络损耗,提高了配电网的供电可靠性;通过对不同算法进行对比,验证了所提算法在收敛速度和寻优方面的优势。

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。

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。

基于最优滚动控制域的储能控制策略

针对风电场预测功率与实际功率不匹配以及风力发电不确定性问题,提出一种以补偿风电预测误差和平抑风电波动为目标的储能控制策略。该策略以先进控制理论为基础,结合储能补偿预测区间和储能平抑风电波动区间,提取考虑储能运行成本的储能最优滚动控制域。首先,针对储能补偿预测误差目标,制定储能控制策略,提取允许误差内的储能补偿区间;其次,考虑风电功率波动要求及荷电状态(SOC)约束,采用模型预测控制求解出储能滚动控制序列,确定储能平抑区间。最后,考虑储能运行成本,将补偿区间和平抑区间相结合,制定储能最优滚动控制区间,以此为基础确定储能容量。以中国新疆某风电场为例,对该文提出的储能控制策略与传统控制策略进行对比验证,验证所提策略的可行性和有效性。

用于风电功率平滑的混合储能容量优化配置

在风电场安装储能对风电功率进行平滑,可有效抑制风电功率波动,采用一阶低通滤波器将风电功率偏差量分解为低频与高频分量,分别利用蓄电池储能与飞轮储能补偿,可有效综合容量型与功率型储能的优势。在此基础上,提出了参与风电场功率平滑的混合储能容量优化配置模型。为了延长蓄电池运行寿命,又提出了一种减少蓄电池过度与深度充放电次数的充放电控制策略,并利用山西省某30 MW风电场历史功率数据进行仿真分析。仿真结果表明,混合储能的年综合成本低于蓄电池储能,且所提的储能充放电控制策略能够降低混合储能的年综合成本。