CN102280896B - 基于灰色模型控制的风力发电储能装置及方法 - Google Patents

基于灰色模型控制的风力发电储能装置及方法 Download PDF

Info

Publication number
CN102280896B
CN102280896B CN201110231951.6A CN201110231951A CN102280896B CN 102280896 B CN102280896 B CN 102280896B CN 201110231951 A CN201110231951 A CN 201110231951A CN 102280896 B CN102280896 B CN 102280896B
Authority
CN
China
Prior art keywords
power
wind
energy
energy storage
output
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201110231951.6A
Other languages
English (en)
Other versions
CN102280896A (zh
Inventor
卢芸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang University of Technology
Original Assignee
Shenyang University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenyang University of Technology filed Critical Shenyang University of Technology
Priority to CN201110231951.6A priority Critical patent/CN102280896B/zh
Publication of CN102280896A publication Critical patent/CN102280896A/zh
Application granted granted Critical
Publication of CN102280896B publication Critical patent/CN102280896B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/70—Wind energy
    • Y02E10/76—Power conversion electric or electronic aspects
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Control Of Eletrric Generators (AREA)

Abstract

本发明涉及一种基于灰色模型控制的风力发电储能装置及方法，该储能装置主要由控制单元、AC/DC整流器、DC/AC逆变器、双向DC/DC变换器及储能用的超级电容器储能单元构成；控制单元分别连接AC/DC整流器、DC/AC逆变器和双向DC/DC变换器，AC/DC整流器与DC/AC逆变器之间连接有双向DC/DC变换器，双向DC/DC变换器与超级电容器储能单元相连接；本发明基于灰色模型控制提出了采用储能装置来稳定控制输出功率的控制策略，减少了电力系统的不确定性，增强了电力系统的安全性和可靠性,为风电并网而带来的电力系统不稳定提供有效的解决方法。

Description

基于灰色模型控制的风力发电储能装置及方法
技术领域
本发明主要涉及一种风力发电储能装置及方法，特别是涉及一种基于灰色模型控制的风力发电储能装置及方法。
背景技术
随着世界能源消耗的加快，传统能源储量的减少，风力发电这种绿色能源越来越得到重视，并具有取之不尽用之不竭的优势。世界各国都出台各项政策大力扶持风电产业，近几年我国的风电产业也得到了飞速发展，从引进技术，到自主研发，国产化率得到大幅提高，国产风电机已占主导地位。在风力发电发展的同时，由于大量间隙性和随机性风电能源注入电网，风电机的稳定性、安全性以及电网的调度管理将面临新的挑战。
大规模风电接入使电力系统面临若干挑战，为了把握风电出力变化规律，减少电力系统的不确定性，增强电力系统的安全性和可靠性,提出了采用储能装置来稳定控制输出功率的控制策略。这将为风电并网而带来的电力系统不稳定提供有效的解决方法，对于电力系统经济、安全、可靠地运行以及提高其运行效益具有特别重要的意义。
发明内容
发明目的：
本发明提出了一种基于灰色模型控制的风力发电储能装置及方法，其目的是为了减少电力系统的不确定性，增强电力系统的安全性和可靠性。
技术方案：
一种基于灰色模型控制的风力发电储能装置，建立在风电场与电网之间，其特征在于：该储能装置主要由控制单元、AC/DC整流器、DC/AC逆变器、双向DC/DC变换器及储能用的超级电容器储能单元构成；控制单元分别连接AC/DC整流器、DC/AC逆变器和双向DC/DC变换器，AC/DC整流器与DC/AC逆变器之间连接有双向DC/DC变换器，双向DC/DC变换器与超级电容器储能单元相连接。
所述DC/DC变换器的低压端连接超级电容器储能单元，DC/DC变换器的高压端连接AC/DC整流器和DC/AC逆变器。
所述双向DC/DC变换器用于实现直流低压侧超级电容器储能单元与直流高压侧之间的能量转换，其电路结构为：超级电容器储能单元一端连接电感L的一端，电感L的另一端分别连接绝缘栅双极晶体管S1的发射极、绝缘栅双极晶体管S2的集电极、二极管D1的正极、二极管D2的负极，绝缘栅双极晶体管S1的集电极与二极管D1的负极连接电容C的一端，电容C的另一端连接绝缘栅双极晶体管S2的发射极、二极管D2的正极和超级电容器储能单元的另一端。
所述的超级电容器储能单元为超级电容器的串联、并联或串并联组合。
一种如上所述基于灰色模型控制的风力发电储能装置的储能方法，其特征在于：为了充分利用风能，风电场以最大运行方式运行，采用改进的灰色模型针对风电场前若干时刻的输出功率预测出未来时刻的输出功率，将                                                
Figure 2011102319516100002DEST_PATH_IMAGE001
与电网需要风电场提供的功率进行比较，超出电网所需提供的功率部分进行储存，当风速下降后，风电场的输出功率达不到电网所需提供功率时，低于电网所需提供的功率将由储能装置补充，仍以电网所需功率输出；具体步骤如下：
首先针对风力发电的特点，建立改进的灰色模型对风力发电输出功率进行预测：
1）、在建立GM(1，1)模型中，令
Figure 143196DEST_PATH_IMAGE002
为GM(1，1)建模序列，
Figure 2011102319516100002DEST_PATH_IMAGE003
                           
其中，
Figure 315420DEST_PATH_IMAGE004
分别为预测前
Figure 2011102319516100002DEST_PATH_IMAGE005
个等时间间隔（该时间间隔可根据具体情况设定）的风力发电输出功率数值。
2）、为了随时追踪前若干时刻的输出功率状况，每次将预测时刻前的等时间间隔的风电输出功率送入数据序列中的同时，去除一个最陈旧的数据，即
Figure 874446DEST_PATH_IMAGE003
当新得到数据后，则将其置入
Figure 936260DEST_PATH_IMAGE002
同时去除
Figure 2011102319516100002DEST_PATH_IMAGE007
，此时
Figure 798928DEST_PATH_IMAGE002
为
Figure 279588DEST_PATH_IMAGE008
即进行等维新息处理；由于该灰色模型输入量为待预测风力发电输出功率的前若干时刻实际输出功率序列，能够随时追踪前若干时刻的输出功率，使得预测结果更加接近实际输出功率。
3）、将
Figure 945931DEST_PATH_IMAGE008
以
Figure 803028DEST_PATH_IMAGE003
的形式进行以下计算：
Figure 559632DEST_PATH_IMAGE002
进行一次累加生成序列，得到
Figure 2011102319516100002DEST_PATH_IMAGE009
                       
其中,
Figure 86559DEST_PATH_IMAGE010
，
Figure DEST_PATH_IMAGE011
。
4）、对再做邻均值处理，得到背景值序列：
Figure DEST_PATH_IMAGE013
一般情况下，
Figure 776352DEST_PATH_IMAGE014
；                          
为了提高预测精度，进行背景值的修正，取
Figure 512096DEST_PATH_IMAGE016
 
Figure DEST_PATH_IMAGE017
；
第一次计算时取
Figure 974039DEST_PATH_IMAGE018
，构造GM(1，1)灰微分方程如下：
Figure DEST_PATH_IMAGE019
                               
灰微分方程的白化微分方程为：
             
Figure 116438DEST_PATH_IMAGE020
                                     
用最小二乘法来求解参数
Figure DEST_PATH_IMAGE021
，则
                                  
   
Figure 967906DEST_PATH_IMAGE024
Figure DEST_PATH_IMAGE025
的灰色预测模型为：  
Figure 600750DEST_PATH_IMAGE026
Figure DEST_PATH_IMAGE027
的灰色预测模型为：
其中
Figure DEST_PATH_IMAGE029
；
将解得的参数
Figure 403676DEST_PATH_IMAGE030
带入
Figure DEST_PATH_IMAGE031
，重新计算
Figure 802427DEST_PATH_IMAGE032
，记为
Figure DEST_PATH_IMAGE033
；将
Figure 606173DEST_PATH_IMAGE034
与上一次计算所用的
Figure DEST_PATH_IMAGE035
进行比较；如果大于给定的阈值，表明还有可能大幅度的提高精度，将
Figure 372190DEST_PATH_IMAGE034
代入
Figure 15660DEST_PATH_IMAGE016
 
Figure 163876DEST_PATH_IMAGE017
  
计算背景值
Figure DEST_PATH_IMAGE037
，再一次进行建模和预测运算；否则，迭代结束，输出预测结果；
预测结果
Figure 266699DEST_PATH_IMAGE038
即为预测出的未来时刻的风电输出功率。
采用风电场交流侧并联功率转换系统方式，当风电场以最大运行方式运行，将风电场输出功率高于电网需要风电场提供功率部分的三相交流电能经AC/DC整流器变为直流电能，进行储能；当需要储能装置进行能量释放时，通过DC/AC逆变器将直流逆变成可控的三相交流；该储能装置的储能元件采用超级电容器储能单元，将灰色模型预测后得到的超出电网所需提供功率的储存能量部分通过超级电容器储能单元进行风力发电储能，或将低于电网所需提供功率的能量部分由风力发电储能装置进行能量释放，采用并联补偿平滑风力发电系统出力，以风电发电输出功率和电网所需提供功率作为控制信号，对风力发电储能装置进行控制。
采用该灰色模型除直接得到预测结果外，根据具体实际情况还可通过输入数据的处理（如指数平滑法）和输出结果的残差处理（残差GM(1，1)模型修正），以减小误差。
优点及效果：
本发明提出了基于灰色模型控制的风力发电储能装置及方法，具有如下优点：
在灰色模型控制中，通过对风电输出功率进行等维新息处理，能够不断获得最新风电输出功率，解决风电随机性大、预测精度难以提高的问题；同时，为了进一步提高预测精度，针对每一次风电输出功率预测，都将对灰色模型背景值进行修正，进一步提高了预测精度；由预测出的风电输出功率与电网所需提供功率比较的结果来控制超级电容器储能装置充电及放电，使得风力发电储能装置得到合理的利用，极大地提高电力系统的稳定性、安全性及其运行效益。
附图说明：
图1为本发明风力发电储能装置的结构示意图；
图2为本发明双向DC/DC变换器的电路结构图；
图3为灰色模型预测流程图；
图4为风力发电输出功率预测误差图。
具体实施方式：
下面结合附图对本发明做进一步的说明：
为了充分利用风能，风电场以最大运行方式运行，将风力发电输出功率超出电网所需提供功率的部分储存起来；当风速下降后，风电场的输出功率达不到电网所需提供功率时，由储能设备补充，仍以电网所需功率输出，据此提高电力系统的稳定性。
如何正确把握风力发电储能控制是非常重要的，如何认定在何时开始储能及何时开始释放对储能系统起着至关重要的作用。自然界风的变化是很难预测的，风速和风向的变化影响着风力发电机的出力。在灰色模型控制中，通过对风电输出功率进行等维新息处理，能够不断获得最新风电输出功率，解决风电随机性大、预测精度难以提高的问题。同时，为了进一步提高预测精度，针对每一次风电输出功率预测，都将对灰色模型背景值进行修正，进一步提高了预测精度。
本发明采用灰色模型针对风电场前若干时刻的输出功率预测出未来时刻的输出功率，将未来时刻的输出功率与电网需要风电场提供的功率进行比较，超出所需提供的功率部分进行储存，低于所需提供的功率将由储能设备补充。
本发明提供了一种基于灰色模型控制的风力发电储能装置，如图1中所示，建立在风电场与电网之间，其特征在于：该储能装置主要由控制单元、AC/DC整流器、DC/AC逆变器、双向DC/DC变换器及储能用的超级电容器储能单元构成；控制单元分别连接AC/DC整流器、DC/AC逆变器和双向DC/DC变换器，AC/DC整流器与DC/AC逆变器之间连接有双向DC/DC变换器，双向DC/DC变换器与超级电容器储能单元1相连接。
所述DC/DC变换器的低压端连接超级电容器储能单元，DC/DC变换器的高压端连接AC/DC整流器和DC/AC逆变器。
所述双向DC/DC变换器用于实现直流低压侧超级电容器单元与直流高压侧之间的能量转换，如图2中所示，其电路结构为：超级电容器储能单元1一端连接电感L的一端，电感L的另一端分别连接绝缘栅双极晶体管S1的发射极、绝缘栅双极晶体管S2的集电极、二极管D1的正极、二极管D2的负极，绝缘栅双极晶体管S1的集电极与二极管D1的负极连接电容C的一端，电容C的另一端连接绝缘栅双极晶体管S2的发射极、二极管D2的正极和超级电容器储能单元1的另一端。
所述的超级电容器储能单元1为超级电容器的串联、并联或串并联组合，可以根据实际情况将大量的超级电容经过串联、并联或者串并联的组合达到所需的容量。
本发明这种基于灰色模型控制的风力发电储能装置的工作原理是：控制单元是以风力发电输出功率和电网所需提供功率作为控制信号，对风力发电储能装置进行控制。将灰色模型预测后得到的超出电网所需提供功率的储存能量部分通过超级电容器储能单元1进行风力发电储能，或将低于电网所需提供功率的能量部分由风力发电储能装置进行能量释放，以风电发电输出功率和电网所需提供功率作为控制信号，进行风力发电储能装置的控制。AC/DC整流器采用三相全桥整流器，将三相交流电能变为直流电能；DC/AC逆变器采用三相电压型逆变器，将直流逆变成可控的三相交流；双向DC/DC变换器电路结构如图2所示。
采用风电场交流侧并联功率转换系统方式，当风电场以最大运行方式运行，将风电场输出功率高于电网需要风电场提供功率部分的三相交流电能经AC/DC整流器变为直流电能，进行储能；当需要储能装置进行能量释放时，通过DC/AC逆变器将直流逆变成可控的三相交流；采用并联补偿平滑风力发电系统出力，以风电发电输出功率和电网所需提供功率作为控制信号，对风力发电储能装置进行控制。
一种基于灰色模型控制的风力发电储能方法，为了充分利用风能，风电场以最大运行方式运行，采用灰色模型针对风电场前若干时刻的输出功率预测出未来时刻的输出功率，将未来时刻的输出功率与电网需要风电场提供的功率进行比较，超出电网所需提供的功率部分进行储存，当风速下降后，风电场的输出功率达不到电网所需提供功率时，低于电网所需提供的功率将由储能装置补充，仍以电网所需功率输出；具体步骤如下：
首先针对风力发电的特点，建立改进的灰色模型对风力发电输出功率进行预测：
1）、在建立GM(1，1)模型中，令为GM(1，1)建模序列，
Figure 718857DEST_PATH_IMAGE003
                           
其中，
Figure 287242DEST_PATH_IMAGE004
分别为预测前个等时间间隔（该时间间隔可根据具体情况设定）的风力发电输出功率数值。
2）、为了随时追踪前若干时刻的输出功率状况，每次将预测时刻前的等时间间隔的风电输出功率送入数据序列中的同时，去除一个最陈旧的数据。即
Figure 759866DEST_PATH_IMAGE003
当新得到数据
Figure 112350DEST_PATH_IMAGE006
后，则将其置入
Figure 867948DEST_PATH_IMAGE002
同时去除
Figure 368199DEST_PATH_IMAGE007
，此时
Figure 100401DEST_PATH_IMAGE002
为
Figure 635287DEST_PATH_IMAGE008
即进行等维新息处理；由于该灰色模型输入量为待预测风力发电输出功率的前若干时刻实际输出功率序列，能够随时追踪前若干时刻的输出功率，使得预测结果更加接近实际输出功率。
3）、将
Figure 296207DEST_PATH_IMAGE008
以
Figure 283754DEST_PATH_IMAGE003
的形式进行以下计算：
Figure 819647DEST_PATH_IMAGE002
进行一次累加生成序列，得到
                       
其中，
Figure 493391DEST_PATH_IMAGE010
，
Figure 718967DEST_PATH_IMAGE011
。
4）、对
Figure 543703DEST_PATH_IMAGE012
再做邻均值处理，得到背景值序列：
一般情况下，
Figure 492123DEST_PATH_IMAGE014
；                          
为了提高预测精度，进行背景值的修正，取
Figure 833422DEST_PATH_IMAGE016
 
Figure 931828DEST_PATH_IMAGE017
；             
第一次计算时取，构造GM(1，1)灰微分方程如下：
Figure 319002DEST_PATH_IMAGE019
                               
灰微分方程的白化微分方程为：
             
Figure 423224DEST_PATH_IMAGE020
                                     
用最小二乘法来求解参数
Figure 392448DEST_PATH_IMAGE021
，则
Figure 251820DEST_PATH_IMAGE022
                                  
Figure 195678DEST_PATH_IMAGE023
   
Figure 431487DEST_PATH_IMAGE024
Figure 255218DEST_PATH_IMAGE025
的灰色预测模型为：  
Figure 285491DEST_PATH_IMAGE026
Figure 381623DEST_PATH_IMAGE027
的灰色预测模型为：
Figure 139232DEST_PATH_IMAGE028
其中
Figure 332316DEST_PATH_IMAGE029
；
将解得的参数
Figure 284222DEST_PATH_IMAGE030
带入
Figure 929967DEST_PATH_IMAGE031
，重新计算
Figure 491268DEST_PATH_IMAGE032
，记为
Figure 538858DEST_PATH_IMAGE033
；将
Figure 661666DEST_PATH_IMAGE034
与上一次计算所用的
Figure 794707DEST_PATH_IMAGE035
进行比较；如果
Figure 848114DEST_PATH_IMAGE036
大于给定的阈值，表明还有可能大幅度的提高精度，将
Figure 999478DEST_PATH_IMAGE034
代入
Figure 542455DEST_PATH_IMAGE016
 
Figure 647945DEST_PATH_IMAGE017
  
计算背景值
Figure 567360DEST_PATH_IMAGE037
，再一次进行建模和预测运算；否则，迭代结束，输出预测结果；
预测结果
Figure 573231DEST_PATH_IMAGE038
即为预测出的未来时刻的风电输出功率。                       
灰色模型预测流程如图3中所示。以某风电场日24小时风电输出功率为例，取预测时刻前10个小时的风电输出功率作为建模序列，首先利用上述灰色模型进行预测，输出预测结果；再进行下一时刻预测时，为了随时追踪前若干时刻的输出功率，下一个时刻预测前进行等维新息处理，在等维新息处理后，利用上述灰色模型进行下一个时刻预测，输出预测结果；如此反复，得到未来时刻的预测结果。图4为采用该预测模型预测的某日24小时的风电输出功率预测误差图，实例证明该方法具有可行性和有效性。
在采用该灰色模型进行风电输出功率预测过程中，根据具体实际情况还可通过输入数据的处理（如指数平滑法）和输出结果的残差处理（如残差GM(1，1)模型修正）等，达到减小误差的效果。

Claims (1)

1.一种基于灰色模型控制的风力发电储能装置的储能方法，其特征在于：为了充分利用风能，风电场以最大运行方式运行，采用改进的灰色模型根据风电场前若干时刻的输出功率预测出未来时刻的输出功率，将                                               与电网需要风电场提供的功率进行比较，超出电网所需提供的功率部分进行储存，当风速下降后，风电场的输出功率达不到电网所需提供功率时，低于电网所需提供的功率将由储能装置补充，仍以电网所需功率输出；
上述方法所使用的储能装置是基于灰色模型控制的风力发电储能装置，建立在风电场与电网之间，该储能装置主要由控制单元、AC/DC整流器、DC/AC逆变器、双向DC/DC变换器及储能用的超级电容器储能单元构成；控制单元分别连接AC/DC整流器、DC/AC逆变器和双向DC/DC变换器，AC/DC整流器与DC/AC逆变器之间连接有双向DC/DC变换器，双向DC/DC变换器与超级电容器储能单元（1）相连接；所述DC/DC变换器的低压端连接超级电容器储能单元（1），DC/DC变换器的高压端连接AC/DC整流器和DC/AC逆变器；所述双向DC/DC变换器用于实现直流低压侧超级电容器储能单元与直流高压侧之间的能量转换，其电路结构为：超级电容器储能单元（1）一端连接电感L的一端，电感L的另一端分别连接绝缘栅双极晶体管S1的发射极、绝缘栅双极晶体管S2的集电极、二极管D1的正极、二极管D2的负极，绝缘栅双极晶体管S1的集电极与二极管D1的负极连接电容C的一端，电容C的另一端连接绝缘栅双极晶体管S2的发射极、二极管D2的正极和超级电容器储能单元（1）的另一端；所述的超级电容器储能单元（1）为超级电容器的串联、并联或串并联组合；
具体步骤如下：
首先针对风力发电的特点，建立改进的灰色模型对风力发电输出功率进行预测：
1）、在建立GM(1，1)模型中，令
Figure 2011102319516100001DEST_PATH_IMAGE004
为GM(1，1)建模序列，
Figure 2011102319516100001DEST_PATH_IMAGE006
其中，
Figure 2011102319516100001DEST_PATH_IMAGE008
分别为预测前
Figure 2011102319516100001DEST_PATH_IMAGE010
个等时间间隔的风力发电输出功率数值；
2）、为了随时追踪前若干时刻的输出功率状况，每次将预测时刻前的等时间间隔的风电输出功率送入数据序列中的同时，去除一个最陈旧的数据，即
Figure 728192DEST_PATH_IMAGE006
当新得到数据
Figure 2011102319516100001DEST_PATH_IMAGE012
后，则将其置入
Figure 271431DEST_PATH_IMAGE004
同时去除，此时为
Figure 2011102319516100001DEST_PATH_IMAGE016
即进行等维新息处理；由于该灰色模型输入量为待预测风力发电输出功率的前若干时刻实际输出功率序列，能够随时追踪前若干时刻的输出功率，使得预测结果更加接近实际输出功率；
3）、将
Figure 197109DEST_PATH_IMAGE016
以
Figure 73799DEST_PATH_IMAGE006
的形式进行以下计算：
Figure 958578DEST_PATH_IMAGE004
进行一次累加生成序列，得到
Figure 2011102319516100001DEST_PATH_IMAGE018
                       
其中，
Figure 2011102319516100001DEST_PATH_IMAGE020
，；
4）、对
Figure 2011102319516100001DEST_PATH_IMAGE024
再做邻均值处理，得到背景值序列：
Figure 2011102319516100001DEST_PATH_IMAGE026
一般情况下，
Figure 2011102319516100001DEST_PATH_IMAGE028
；                          
为了提高预测精度，进行背景值
Figure 2011102319516100001DEST_PATH_IMAGE030
的修正，取
Figure 2011102319516100001DEST_PATH_IMAGE032
  ；             
第一次计算时取
Figure 2011102319516100001DEST_PATH_IMAGE036
，构造GM(1，1)灰微分方程如下：
Figure 2011102319516100001DEST_PATH_IMAGE038
灰微分方程的白化微分方程为：
Figure DEST_PATH_IMAGE040
用最小二乘法来求解参数
Figure DEST_PATH_IMAGE042
，则
Figure DEST_PATH_IMAGE044
                                  
Figure DEST_PATH_IMAGE046
    
Figure DEST_PATH_IMAGE048
的灰色预测模型为：  
Figure DEST_PATH_IMAGE052
                           
Figure DEST_PATH_IMAGE054
的灰色预测模型为：
                           
其中
Figure DEST_PATH_IMAGE058
；
将解得的参数
Figure DEST_PATH_IMAGE060
带入
Figure DEST_PATH_IMAGE062
，重新计算
Figure DEST_PATH_IMAGE064
，记为
Figure DEST_PATH_IMAGE066
；将与上一次计算所用的
Figure DEST_PATH_IMAGE070
进行比较；如果
Figure DEST_PATH_IMAGE072
大于给定的阈值，表明还能大幅度的提高精度，将
Figure 993922DEST_PATH_IMAGE068
代入
Figure 807202DEST_PATH_IMAGE032
  
Figure 538397DEST_PATH_IMAGE034
  
计算背景值
Figure DEST_PATH_IMAGE074
，再一次进行建模和预测运算；否则，迭代结束，输出预测结果；
预测结果即为预测出的未来时刻的风电输出功率；
采用风电场交流侧并联功率转换系统方式，当风电场以最大运行方式运行，将风电场输出功率高于电网需要风电场提供功率部分的三相交流电能经AC/DC整流器变为直流电能，进行储能；当需要储能装置进行能量释放时，通过DC/AC逆变器将直流逆变成可控的三相交流；该储能装置的储能元件采用超级电容器储能单元（1），将灰色模型预测后得到的超出电网所需提供功率的储存能量部分通过超级电容器储能单元进行风力发电储能，或将低于电网所需提供功率的能量部分由风力发电储能装置进行能量释放，采用并联补偿平滑风力发电系统出力，以风力发电输出功率和电网所需提供功率作为控制信号，对风力发电储能装置进行控制；
采用该灰色模型除直接得到预测结果外，还能够通过输入数据的处理和输出结果的残差处理，以减小误差。
CN201110231951.6A 2011-08-15 2011-08-15 基于灰色模型控制的风力发电储能装置及方法 Expired - Fee Related CN102280896B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201110231951.6A CN102280896B (zh) 2011-08-15 2011-08-15 基于灰色模型控制的风力发电储能装置及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110231951.6A CN102280896B (zh) 2011-08-15 2011-08-15 基于灰色模型控制的风力发电储能装置及方法

Publications (2)

Publication Number Publication Date
CN102280896A CN102280896A (zh) 2011-12-14
CN102280896B true CN102280896B (zh) 2014-01-08

Family

ID=45106143

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110231951.6A Expired - Fee Related CN102280896B (zh) 2011-08-15 2011-08-15 基于灰色模型控制的风力发电储能装置及方法

Country Status (1)

Country Link
CN (1) CN102280896B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104111388B (zh) * 2014-06-20 2017-08-08 国家电网公司 一种风电场储能测试系统及评估方法
CN105634016B (zh) * 2014-11-18 2017-11-07 国家电网公司 一种风电场群与火力发电厂联合发电系统的平滑出力方法
CN104734187B (zh) * 2015-03-12 2017-03-22 国家电网公司 用于风力发电系统的储能式智能变压器
CN104933821B (zh) * 2015-06-15 2017-06-20 华南理工大学 一种计算输电线路走廊山火烟雾浓度报警阈值的方法
CN105938575A (zh) * 2016-04-13 2016-09-14 山东毅康科技股份有限公司 基于多变量灰色神经网络的工业设备剩余寿命预测系统
CN108508863A (zh) * 2017-10-12 2018-09-07 上海智容睿盛智能科技有限公司 一种基于灰色模型的机电设备故障诊断方法
DE102018122587A1 (de) * 2018-09-14 2020-03-19 Wobben Properties Gmbh Windpark mit einer Leistungsflusseinheit sowie eine solche Leistungsflusseinheit
DE102019116277A1 (de) * 2019-06-14 2020-12-17 Wobben Properties Gmbh Dual Purpose Converter
CN113803210B (zh) * 2021-08-11 2022-12-02 上海发电设备成套设计研究院有限责任公司 风电场站级储能后备电源系统及其控制方法、发电机组
CN113949103A (zh) * 2021-11-24 2022-01-18 阳光电源股份有限公司 一种级联型风储发电系统及其控制方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7476987B2 (en) * 2006-04-25 2009-01-13 The University Of New Brunswick Stand-alone wind turbine system, apparatus, and method suitable for operating the same
CN101609998A (zh) * 2009-07-17 2009-12-23 哈尔滨工程大学 一种风力发电蓄能系统
CN101714764A (zh) * 2008-09-30 2010-05-26 通用电气公司 发电系统和用于存储电能的方法
CN101789620A (zh) * 2010-03-18 2010-07-28 大连理工大学 基于蓄电池和超级电容器的有源并联式混合储能系统
CN202167861U (zh) * 2011-08-15 2012-03-14 沈阳工业大学 基于灰色模型控制的风力发电储能装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7476987B2 (en) * 2006-04-25 2009-01-13 The University Of New Brunswick Stand-alone wind turbine system, apparatus, and method suitable for operating the same
CN101714764A (zh) * 2008-09-30 2010-05-26 通用电气公司 发电系统和用于存储电能的方法
CN101609998A (zh) * 2009-07-17 2009-12-23 哈尔滨工程大学 一种风力发电蓄能系统
CN101789620A (zh) * 2010-03-18 2010-07-28 大连理工大学 基于蓄电池和超级电容器的有源并联式混合储能系统
CN202167861U (zh) * 2011-08-15 2012-03-14 沈阳工业大学 基于灰色模型控制的风力发电储能装置

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
俞明生,冯桂宏 ,杨祥.组合优化灰色模型在中长期电力负荷预测中的应用.《沈阳工业大学学报》.2007,第29卷(第2期),第153-156页.
俞明生,冯桂宏,杨祥.组合优化灰色模型在中长期电力负荷预测中的应用.《沈阳工业大学学报》.2007,第29卷(第2期),第153-156页. *
基于灰关联分段优选组合模型的短期电力负荷预测研究;张志明、金敏;《电工技术学报》;20090630;第24卷(第6期);第115-120页 *
庄恒扬.GM（1 1）建模机理与应用条件分析及其改进方法.《系统工程理论方法应用》.1993
庄恒扬.GM(1,1)建模机理与应用条件分析及其改进方法.《系统工程理论方法应用》.1993,第2卷(第3期),第56-62、79、80页. *
张志明、金敏.基于灰关联分段优选组合模型的短期电力负荷预测研究.《电工技术学报》.2009,第24卷(第6期),第115-120页.
李俊芳，张步涵，谢光龙，李 妍，毛承雄.基于灰色模型的风速-风电功率预测研究.《电力系统保护与控制》.2010,第38卷(第19期),第151-159页. *

Also Published As

Publication number Publication date
CN102280896A (zh) 2011-12-14

Similar Documents

Publication Publication Date Title
CN102280896B (zh) 基于灰色模型控制的风力发电储能装置及方法
CN109659980B (zh) 集成混合储能与光伏装置的牵引供电系统能量管理优化方法
CN110311396B (zh) 一种交直流混合微电网混合储能容量优化配置方法
CN103986190B (zh) 基于发电功率曲线的风光储联合发电系统平滑控制方法
CN102377192B (zh) 一种直驱型海浪发电储能装置及控制方法
CN103904735B (zh) 一种用于间歇式可再生能源发电系统的储能子系统及其控制方法
CN110190628A (zh) 一种基于综合能源的复线全并联at牵引供电系统及方法
CN107181273B (zh) 一种电气化铁路发电供电装置及其控制方法
CN107069786B (zh) 一种提升风电消纳的系统及方法
CN102545250A (zh) 锂电池储能的风电场功率平滑控制方法及装置和工作方法
CN106803680A (zh) 梯次电池组储能电站的能量管理方法和系统
CN103683315A (zh) 一种混合储能光伏发电控制方法及系统
CN106251005A (zh) 一种基于改进粒子群算法的混合储能容量优化配置方法
CN114665511B (zh) 抽油机井群光电综合能源直流供电系统电量节能控制方法
CN106787082B (zh) 一种孤岛直流微电网的协调控制方法
CN105680771A (zh) 一种风光互补发电系统及控制方法
CN103023055A (zh) 利用复合储能技术平抑风光发电系统输出功率波动的方法
CN103560533B (zh) 基于变化率控制储能电站平滑风光发电波动的方法及系统
CN202167861U (zh) 基于灰色模型控制的风力发电储能装置
CN107645194A (zh) 一种基于储能的风电场电能质量优化系统
CN114665510B (zh) 一种光电能源直流供电抽油机井群节能控制系统
CN102290832A (zh) 一种并网发电防逆流的装置及系统
CN103178547A (zh) 一种带双向逆变器的微网系统及其工作方法
CN203135466U (zh) 一种带双向逆变器的微网系统
CN106640523B (zh) 一种垂直轴风力发电系统的蓄电池充放电控制策略

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20140108

Termination date: 20160815

CF01 Termination of patent right due to non-payment of annual fee