CN103401260A - 一种复合储能的超前优化递进控制方法 - Google Patents
一种复合储能的超前优化递进控制方法 Download PDFInfo
- Publication number
- CN103401260A CN103401260A CN201310362205XA CN201310362205A CN103401260A CN 103401260 A CN103401260 A CN 103401260A CN 201310362205X A CN201310362205X A CN 201310362205XA CN 201310362205 A CN201310362205 A CN 201310362205A CN 103401260 A CN103401260 A CN 103401260A
- Authority
- CN
- China
- Prior art keywords
- soc
- lib
- max
- power
- discharge
- 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.)
- Granted
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
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种复合储能的超前优化递进控制方法,包括:1)通过相邻充放区间时长概率分布统计,确定超前预测信息提取区间,并将其作为优化控制策略的递进控制时间步长;2)融合分析影响复合储能系统运行效率主导因素,并针对其构建充放电控制策略;3)以SOC偏移方差最小为目标函数构建优化模型,考虑充放电功率和容量限值约束,获取未来单步长控制过程中复合储能介质充放电功率预设协调变化模式;4)给出求解算法和实现步骤。该方法可消除既定模式对未知平抑信息的不适应性,在选定递进区间利用预测信息构建优化充放电协调方式,有效提升HESS整体运行效果,并在SOC、充放电切换、平抑效果等方面均具有优化提升作用。
Description
技术领域
本发明涉及一种复合储能的超前优化递进控制方法。
背景技术
随着分布式可再生能源发电的快速发展,针对其间歇和随机性的固有属性,储能成为平稳能量流及其时空传递的重要方式。考虑到目前储能技术的价格瓶颈,当前的储能主要用于微电网的能量平衡]和大规模可再生能源发电的波动平抑。上述中后者的相关研究对于削弱间歇性能源的随机特性,提高风资源利用率具有重要意义,并成为提升大规模风电可调控能力的重要途径。
鉴于尚未有特性突出、综合能力显著的储能介质,优势互补的HESS将成为未来储能技术发展的重要方向。目前已有国内外学者就风电场中复合储能的容量配置和控制问题展开了相关研究。
于芃,周玮,孙辉等.用于风电功率平抑的混和储能系统及其控制系统设计[J].中国电机工程学报,2011,31(17):127-133.提出在大规模风电配置超级电容(Ultracapacitor,Uc)和蓄电池构成的复合储能系统,并采用Uc优先响应和蓄电池适时调整Uc的荷电状态(SOC)方式构建充放电策略。
丁明,林根德,陈自年等.一种适用于混合储能系统的控制策略[J].中国电机工程学报,2012,32(7):1-6,利用模糊控制理论将功率平抑任务在复合储能介质中分配,当Uc电量充足时由其独立平抑功率波动,依此减少蓄电池充放电次数。
张坤,毛承雄,谢俊文等.风电场复合储能系统容量配置的优化设计[J].中国电机工程学报,2012,32(25):79-87,利用自学习的神经网络考虑储能系统特性参数与平滑效果间的关系,并基于储能系统参数-平滑度、成本特性建立长期数学模型,获取复合储能系统的最佳参数组合。
张野,郭力,贾宏杰,王成山.基于平滑控制的混合储能系统能量管理方法.电力系统自动化,2012,36(16):36-41.蒋平,熊华川.混合储能系统平抑风力发电输出功率波动控制方法设计[J].电力系统自动化,2013,37(1):122-126;李逢兵,谢开贵,张雪松等.基于锂电池充放电状态的混合储能系统控制策略设计[J].电力系统自动化,2013,37(1):70-75;分别公开了结合平抑效果、剩余容量等因素,对功率型储能和能量型储能的进行平抑任务分配。
Mid-Eum Choi,Seong-Woo Kim,and Seung-Woo Seo.Energy Management Optimizationin a Battery/Supercapacitor Hybrid Energy Storage System[J].IEEE Transactionson Smart Grid,2012,3(1):463-472(晁忠尔,卡萨唔,席胜乌.电池-超级电容混合储能系统的能量管理优化[J].IEEE智能电网,2012,3(1):463-472),通过设定初级和次级滤波,并分别由Sc和锂电池(Li-ion Battery,LiB)承担短时间尺度和长时间尺度的波动平抑。
Quanyuan Jiang,Haisheng Hong.Wavelet-Based Capacity Configuration andCoordinated Control of Hybrid Energy Storage System for Smoothing Out Wind PowerFluctuations[J].IEEE Transactions on Power Delivery,2013,28(2):1363-1372;(江全元,洪海生.平滑风功率波动中基于小波变换的混和储能容量配置和组合控制[J].IEEE能量传递,2013,28(2):1363-1372)则提出了由蓄电池和Sc构成的复合储能系统的优化能量管理方案。
综上而言,上述研究对于促进储能系统与可再生能源发的有效融合具有重要推动作用。但同时,考虑到复合储能运行控制的实时性,以及间歇性未来出力的未知性,常规既定模式的控制策略并无法对未来风电场出力的极度复杂性均具备适应性,因此也无法实现各时段乃至全程的优化控制,常规模式难免具有一定的主观性,而上述相关研究并未对该问题进行探讨解决。
发明内容
本发明的目的是为克服上述现有技术的不足,提供一种复合储能的超前优化递进控制方法,该复合储能的控制方法可有效消除既定模式对未知平抑信息的不适应性,并可在选定递进区间利用预测信息构建优化的充放电协调方式,有效提升HESS(复合储能系统)的整体运行效果,并在SOC(荷电状态)、充放电切换、平抑效果等方面均具有优化提升作用。
为实现上述目的,本发明采用下述技术方案:
一种复合储能的超前优化递进控制方法,包括:
1)通过相邻充放区间时长的概率分布统计,确定超前预测信息的提取区间,并将其作为优化控制策略的递进控制时间步长;
2)融合分析影响复合储能系统运行效率的主导因素,并针对其构建充放电控制策略;
3)以荷电状态(SOC)偏移方差最小为目标函数构建优化模型,考虑充放电功率和容量限值约束,获取未来单步长控制过程中复合储能介质的充放电功率预设协调变化模式;
4)最后,给出求解算法和实现步骤。
所述步骤1)中,基于年度运行数据的概率分布统计确定超前预测信息的提取区间;选取实际风电场年度运行数据,采样步长为5min,根据平抑目标确定统一平抑偏移量,以充放各一次的时长Δt为统计量,选定两个充放区间作为递进控制时间步长,递进控制时间步长以(30,150)min为主要聚集区间,能够兼顾预测精度和超前价值。
所述步骤2)中,充放电策略为:
A.Uc(超级电容)优先动作,LiB(锂电池)辅助协作,简称Uc-LiB策略;控制原则为对于满足限定条件的递进区间,由Uc优先动作甚至独立完成本区间的平抑任务,当Uc功率不足时由LiB启动并辅助协作;核心目标在于发挥Uc的SOC大范围变化特性,严格控制LiB充放电切换次数;
B.LiB主要动作,Uc辅助调整,简称LiB-Uc策略;控制原则为对于非Uc优先动作状况,发挥LiB能量密度高的优势,由其启动并承担主要平抑任务;对于Uc的启动,当LiB充放电功率的变化速率越限时,Uc辅助启动其目标在于满足平抑功率需求,而当LiB充放电功率的变化速率不越限时,Uc辅助启动取决于其SOC,其目标在于调整自身SOC以处于较优运行状态;核心目标在于利用LiB能量型介质特性,实现目标功率偏移量的有效平抑,Uc运行状态的辅助调整。
所述Uc-LiB策略具有运行模式为:
模式一(Mode1):递进控制时间步长内的单次充或放区间能量低于限值Emin,Uc优先动作并在其SOC不越限、充放功率在限值范围的前提下独立平抑波动;当充放电功率越限时,LiB动作辅助协作;不越限时则不动作;其运行的基本条件为:
式中Ei(i=1,2,3,4)为递进控制步长对应的两个充放区间的能量,且[ts-i,te-i]为各充放区间的始末时刻;Δt为采样步长;P(t)为平抑目标功率偏移量,当P(t)>0对应HESS的充电,其数值对应充电功率,反之对应放电状态,其数值为放点功率;同理Ei>0则代表HESS吸收能量,反之为释放能量;[Emin-discha,Emin-cha]分别为Uc优先启动对应的充放能量区间;SOCUc(t)为Uc的SOC瞬时值,SOCmax-Uc、SOCmin-Uc分别为Uc的SOC运行上下限值;当满足Pmax-discha-Uc<P(t)<Pmax-cha-Uc时,其中Pmax-cha-Uc、Pmax-discha-Uc分别为Uc的最大充、放电功率,本控制时间步长内Uc独立完成功率平抑;反之,则LiB辅助启动协调平抑;
模式二(Mode2):递进控制时间步长内任意两相邻充放区间的充电和放电能量平衡,Uc优先动作并在其SOC不越限、充放功率在限值范围的前提下独立平抑波动;当充放电功率越限时,LiB动作辅助协作,且仅吸收或释放越限功率对应能量,不会造成本相邻充放区间内的能量失衡;不越限时则不动作;其运行的基本条件为:
式中Echa-s为相邻区间的充电能量总和;Edisch-s为相应放电能量总和;δ为接近零的正数阈值;SOCUc(t)为Uc的SOC瞬时值,SOCmax-Uc、SOCmin-Uc分别为Uc的SOC运行上下限值;同样,当满足Pmax-discha-Uc<P(t)<Pmax-cha-Uc时,本相邻区间内Uc独立完成功率平抑;反之,则LiB辅助启动协调平抑;
模式三(Mode3):递进控制时间步长内充电和放电能量平衡,Uc的SOC不越限、充放功率在限值范围的前提下优先动作并独立平抑波动;当充放电功率越限时,LiB动作辅助协作,同样仅吸收或释放越限功率对应能量;不越限时则不动作,其运行的基本条件为:
式中Echa-t为递进控制步长内的充电能量总和;Edisch-t为相应放电能量总和;SOCUc(t)为Uc的SOC瞬时值,SOCmax-Uc、SOCmin-Uc分别为Uc的SOC运行上下限值;同样,Pmax-discha-Uc<P(t)<Pmax-cha-Uc时,本控制步长内Uc独立完成功率平抑;反之,则LiB辅助启动协调平抑。
所述LiB-Uc策略在非Uc优先动作条件下运行,其中Uc辅助启动条件为:
式中,P(t)为平抑目标功率偏移量,Pmax-cha-LiB、Pmax-discha-LiB分别为LiB的最大充、放电功率;ΔP(t)为充放电功率的变化率,且ΔP(t)=P(t)-P(t-1);ΔPmax-cha-LiB、ΔPmax-discha-LiB分别为LiB的最大充放电功率变化率;SOCLiB(t)为LiB的SOC瞬时值;SOCmax-LiB、SOCmin-LiB分别为LiB的SOC运行上下限值,分别取0.9和0.2;当式(6)中任一条件满足时,Uc均辅助启动;而未满足式(6)时,Uc则根据自身SOC调整需求确定启动状态;
当LiB、Uc同时启动,且满足式(7)、式(8)中任一条件时,将分别出现弃风和平抑功率不足的状况,其中ΔPmax-cha-Uc、ΔPmax-discha-Uc分别为Uc的最大充放电功率变化率;
所述步骤3)中的目标函数minF为:
其中,n为递进步长内充放区间数,n=4;SOCopt-LiB、SOCopt-Uc分别为最佳运行SOC,分别取0.6和0.5;SOCLiB(t)、SOCUc(t)分别为本区间各介质的实时SOC数值,并且为SOCint-LiB、SOCint-Uc、PLiB(t)、PUc(t)的函数:SOCmax-Uc、SOCmin-Uc分别为Uc的SOC运行上下限值;
SOCLiB(t)=f(SOCint-LiB,PLiB(t)) (10)
SOCUc(t)=f(SOCint-Uc,PUc(t)) (11)
式中,PLiB(t)、PUc(t)分别为LiB和Uc的充放电功率瞬时值。
所述步骤3)中的充放电功率和容量限值约束包括充放电功率约束、SOC约束和充放电功率变化速率约束;
1)充放电功率约束
Pmax-discha-LiB<P(t)<Pmax-cha-LiB (12)
Pmax-discha-Uc<P(t)<Pmax-cha-Uc (13)
P(t)=PUc(t)+PLiB(t) (14)
2)SOC约束
SOCmin-LiB<SOCLiB(t)<SOCmax-LiB (15)
SOCmin-Uc<SOCUc(t)<SOCmax-Uc (16)
3)充放电功率变化速率约束
ΔP(t)>ΔPmax-discha-LiB+ΔPmax-discha-Uc (17)
ΔP(t)<ΔPmax-cha-LiB+ΔPmax-cha-Uc (18)
ΔP(t)=ΔPLiB(t)+ΔPUc(t) (19)
其中,P(t)为平抑目标功率偏移量,Pmax-cha-LiB、Pmax-discha-LiB分别为LiB的最大充、放电功率;Pmax-discha-Uc、Pmax-cha-Uc分别为UC的最大充、放电功率;PLiB(t)、PUc(t)分别为LiB和Uc的充放电功率瞬时值;SOCLiB(t)为LiB的SOC瞬时值,SOCUc(t)为Uc的SOC瞬时值;SOCmax-LiB、SOCmin-LiB分别为LiB的SOC运行上下限值,分别取0.9和0.2;SOCmax-Uc、SOCmin-Uc分别为Uc的SOC运行上下限值;ΔP(t)为充放电功率的变化率,且ΔP(t)=P(t)-P(t-1);ΔPmax-cha-LiB、ΔPmax-discha-LiB分别为LiB的最大充放电功率变化率,ΔPmax-discha-Uc、ΔPmax-cha-Uc分别为Uc的最大充放电功率变化率;ΔPLiB(t)、ΔPUc(t)分别为LiB和Uc的充放电功率变化率瞬时值。
所述步骤4)中的求解算法和实现步骤为:
(1)根据递进协调控制算法和本步长数据确定优化目标函数;
(2)设置粒子群维数D,最大迭代次数Mmax,收敛精度σthresh,同时初始化粒子群位置x和速度v,并给定初始SOCint-LiB、SOCint-Uc数值;
(3)根据既定充放电策略和目标函数计算各粒子适应度值F;
(4)将各粒子适应度值与自身粒子极值及全局粒子极值比较,若各粒子适应度值比自身粒子极值或全局粒子极值小,则更新各粒子个体极值ebest及全局粒子适应度极值gbest;
(5)判断当前计算是否满足收敛条件,若是则提取当前PLiB、PUc即为最优充放电功率;若否则更新各粒子位置x及速度v,并重复步骤(3)-(5);
其中n为当前循环次数;c1、c2为粒子权重系数;w为惯性权重;r1、r2为(0,1)内均匀分布随机数;xi、vi为第i维粒子的位置与速度;g为约束因子;ebest为各粒子个体极值,gbest为全局粒子适应度极值。
本发明采用:
1)将超短期风功率预测引入HESS的控制过程,并提取了超前协调控制方法,目的在于通过递进式的区间优化实现HESS运行的经济和高效;
2)利用风能分布时间周期性,提取超前信息的递进步长,并获取了偏移功率对应能量的概率分布,为充放电策略提供了数据基础;同时提出Uc优先动作或LiB主要动作的充放电策略,其中前者分为三种充放电模式,为超前优化控制提供策略支撑;
3)构建递进区间控制的优化目标函数,并考虑实际条件约束,同时给出了实现算法和求解步骤。利用实际风电场运行数据进行验证,根据SOC运行区间等多个评价指标的分析结果,表明本发明控制方法高效可靠,具有一定的理论价值和实际应用价值。
本发明的有益效果是,考虑到超短期风功率预测技术的发展,相对较低预测误差区间为其融入复合储能系统的控制体系提供了理论前提和可能。基于对风功率预测理论和储能系统的研究和认知基础,本发明提出了考虑超短期风功率预测的HESS优化控制方法,以具备一定应用和推广可行性的LiB和Uc作为复合储能的构成介质,基于超前预测信息选定递进控制区间,考虑影响HESS运行的SOC等主导因素,构建有效的充放电策略以及本区间的多目标优化控制模型,进而获取该区间步长内的HESS充放电优化协调运行模式,依此可递进实现未来时序的总体优化控制。该复合储能的控制方法可有效消除既定模式对未知平抑信息的不适应性,并可在选定递进区间利用预测信息构建优化的充放电协调方式,有效提升HESS的整体运行效果,并在SOC、充放电切换、平抑效果等方面均具有优化提升作用。
本发明提出的复合储能超前协调控制策略通过递进区间优化有效的实现了长时间运行状态的最优化。对于本发明重点探讨的各介质同时启动状态下的充放功率分配问题,所提方法可保证各介质SOC、平抑效果的前提下使其有效解决;同时本发明方法可以有效减小LiB的充放电转换次数,充分发挥Uc的介质特性,并在平抑效果、SOC运行状态方面均有明显改善提升。
附图说明
图1(a)是统一偏移量时序示意图;
图1(b)是分离偏移量时序-低频分量示意图;
图1(c)是分离偏移量时序-高频分量示意图;
图2是部分时间截面统一平抑偏移量图;
图3是全年Δt概率统计图;
图4是年度充放电区间能量概率分布图;
图5是递进协调控制算法流程图;
图6(a)、图6(b)是风电场某年度3月份各介质的优化充放电功率图;
图7(a)、图7(b)是风电场某年度3月份各介质的优化SOC图;
图8(a)、图8(b)是风电场某年度7月份各介质的优化充放电功率图;
图9(a)、图9(b)是风电场某年度7月份各介质的优化SOC图;
图10(a)、图10(b)是风电场某年度11月份各介质的优化充放电功率图;
图11(a)、图11(b)是风电场某年度11月份各介质的优化SOC图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。
1统一偏移量时序的协调平抑
1.1统一偏移量时序获取
常规复合储能通过滑动平均、高低通滤波等方式获取分离偏移量时序,如式(1)所示,通过功率型和能量型储能介质独立承担平抑偏移量的高频和低频分量。
Ptotal=Ph-fre+Pl-fre (1)
其中,Ptotal为复合储能的平抑偏移量;Ph-fre为偏移量的高频分量;Pl-fre为偏移量的对应低频分量。
由于低频分量Pl-fre对应Ptotal的趋势分量,其幅值相对Ph-fre较大,波动复杂度相对Ph-fre较弱,因此也可理解为随机性较强的Ph-fre叠加在相对稳定的Pl-fre之上构成统一偏移量时序Ptotal。而此时,分离偏移量时序的问题也随之显现,由图1(a)、图1(b)所示:
其中Etotal为统一偏移量充放电总能量,Ei-fre(i=h,l)分别为分离偏移量各分量充放电总能量。显然,当Pl-fre·Ph-fre<0,则Etotal<Eh-fre+El-fre。可见,分离偏移量各分量充放电状态不一致时,HESS总体能量流动将明显增大,而该现象也将使其承担额外能量的吸收与释放,可能导致HESS总体运行效率下降,SOC进入非合理性区间压力增加,同时各分量的分离控制也难以保证总体HESS工况最优。
基于此,本发明的研究核心在于,将统一偏移量时序Etotal作为平抑目标,考虑影响HESS运行的主导因素,关键在于实现LiB和Uc充放电功率的优化协调,推进HESS处于递进的最优运行状态。
1.2协调平抑主导考虑因素
作为影响HESS总体运行工况及其评价的关键,协调平抑主导考虑因素与所选定的HESS构成介质直接相关,就本发明选定储能介质考虑如下内部和外部两重因素:
内部因素:1)LiB处于轻充轻放状态将显著提升其寿命,过充尤其是过放将严重影响其运行状态。因此LiB运行需在限定SOC区间,尽量减少越限运行,而Uc因其特性不受SOC限制,且其SOC大幅波动有利于容量的充分利用;2)考虑寿命周期,LiB需避免频繁充放电切换,而Uc不受该因素制约;
外部因素:协调控制的前提在于平抑效果的可靠保证,平抑后的偏移量方差需限于平抑效果的评价区间,且其数值应尽量减小。
2基于超前预测信息的充放电模型
2.1基于功率预测的超前信息区间
风功率预测的未来时间区间与预测精度相互关联,理论上未来时间区间越长,预测精度相对降低。因此复合储能协调超前控制步长选取,一方面顾及预测精度不宜过长,另一方面考虑超前控制的实际意义则不宜过短。考虑到风能分布具有明显的时间周期性,为此,本发明基于年度运行数据的概率分布统计确定超前信息区间。选取实际风电场年度运行数据,采样步长为5min,根据平抑目标确定统一平抑偏移量如图2所示,以充放各一次的时长Δt为统计量,其概率分布如图3所示:
图3所示为Δt所处时间区间的平均概率分布,由横坐标采样点与时间长度对应关系,可得Δt在采样点区间(1,15]的对应概率和达到87.11%,为Δt主要聚集区域。同时考虑超前控制的实际意义,由此本发明选定两个充放区间作为递进控制步长。因年度统计数据中Δt最小数值为3个采样点,可得本发明递进控制步长将以(30,150)min为主要聚集区间,可兼顾预测精度和超前价值。
2.2充放电策略构建
基于选定递进步长区间的能量分布,根据HESS介质的运行特性构建主辅两层控制策略,且控制过程为减少功率流的冗余传递,需保证介质的充放电状态保持一致。具体充放电策略为:
1)Uc优先动作,LiB辅助协作(简称Uc-LiB策略)。控制原则为对于满足限定条件的递进区间,由Uc优先动作甚至独立完成本区间的平抑任务,当Uc功率不足时由LiB启动并辅助协作。由于Uc功率型介质属性,使得LiB的辅助启动具有选择性,其启动频次相对较低,同时与充放区间不具备连续性,因此辅助启动不会明显增加其充放切换次数。核心目标在于发挥Uc的SOC大范围变化特性,严格控制LiB充放电切换次数。该充放电模型对应具体运行模式为:
模式一(Mode1):递进控制步长内的单次充或放区间能量低于限值Emin,Uc优先动作并在其SOC不越限、充放功率在限值范围的前提下独立平抑波动。当充放电功率越限时,LiB动作辅助协作;不越限时则不动作。其运行的基本条件为:
式中Ei(i=1,2,3,4)为递进控制步长对应的两个充放区间的能量,且[ts-i,te-i]为各充放区间的始末时刻;Δt为采样步长;P(t)为平抑目标功率偏移量,当P(t)>0对应HESS的充电,其数值对应充电功率,反之对应放电状态,其数值为放点功率;同理Ei>0则代表HESS吸收能量,反之为释放能量;[Emin-discha,Emin-cha]分别为Uc优先启动对应的充放能量区间;SOCUc(t)为Uc的SOC瞬时值,SOCmax-Uc、SOCmin-Uc分别为Uc的SOC运行上下限值。当满足Pmax-discha-Uc<P(t)<Pmax-cha-Uc时,其中Pmax-cha-Uc、Pmax-discha-Uc分别为Uc的最大充、放电功率,本控制步长内Uc独立完成功率平抑;反之,则LiB辅助启动协调平抑。
模式一的核心为限值充放能量范围内Uc对于平抑任务的独立承担问题,因此充放能量限值Emin-discha、Emin-cha的确定成为关键。为此,同样利用风能分布的年度周期性,统计全年各充放区间能量概率分布,如图4所示,其中正值代表充电功率,反之为放电功率,可得单次充放能量在[-0.90,0.75](MWh)内的分布概率达71.4%,具有较强参考性和代表性。因此,实际HESS运行协调中Emin-discha、Emin-cha可由年度充放电区间能量概率分布和Uc额定容量的对比关系共同确定。
模式二(Mode2):递进控制步长内任意两相邻充放区间的充电和放电能量近似平衡,Uc优先动作并在其SOC不越限、充放功率在限值范围的前提下独立平抑波动。当充放电功率越限时,LiB动作辅助协作,且仅吸收或释放越限功率对应能量,不会造成本相邻充放区间内的能量失衡;不越限时则不动作。其运行的基本条件为:
式中Echa-s为相邻区间的充电能量总和;Edisch-s为相应放电能量总和;δ为接近零的正数阈值;同样,当满足Pmax-discha-Uc<P(t)<Pmax-cha-Uc时,本相邻区间内Uc独立完成功率平抑;反之,则LiB辅助启动协调平抑。
模式三(Mode3):递进控制步长内充电和放电能量近似平衡,Uc的SOC不越限、充放功率在限值范围的前提下优先动作并独立平抑波动。当充放电功率越限时,LiB动作辅助协作,同样仅吸收或释放越限功率对应能量;不越限时则不动作。其运行的基本条件为:
式中Echa-t为递进控制步长内的充电能量总和;Edisch-t为相应放电能量总和;同样,Pmax-discha-Uc<P(t)<Pmax-cha-Uc时,本控制步长内Uc独立完成功率平抑;反之,则LiB辅助启动协调平抑。
2)LiB主要动作,Uc辅助调整(LiB-Uc策略)。控制原则为对于非Uc优先动作状况,发挥LiB能量密度高的优势,由其启动并承担主要平抑任务;对于Uc的启动,当LiB充放电功率的变化速率越限时,Uc辅助启动其目标在于满足平抑功率需求,而当LiB充放电功率的变化速率不越限时,Uc辅助启动取决于其SOC,其目标在于调整自身SOC以处于较优运行状态。核心目标在于利用LiB能量型介质特性,实现目标功率偏移量的有效平抑,Uc运行状态的辅助调整。该策略在非Uc优先动作条件下运行,其中Uc辅助启动条件为:
式中,Pmax-cha-LiB、Pmax-discha-LiB分别为LiB的最大充、放电功率;ΔP(t)为充放电功率的变化率,且ΔP(t)=P(t)-P(t-1);ΔPmax-cha-LiB、ΔPmax-discha-LiB分别为LiB的最大充放电功率变化率;SOCLiB(t)为LiB的SOC瞬时值;SOCmax-LiB、SOCmin-LiB分别为LiB的SOC运行上下限值,文中分别取0.9和0.2。当式(6)中任一条件满足时,Uc均辅助启动;而未满足式(6)时,Uc则根据自身SOC调整需求确定启动状态,其调整需求具体见区间优化的目标函数建立。
当LiB、Uc同时启动,且满足式(7)、式(8)中任一条件时,将分别出现弃风和平抑功率不足的状况,其中ΔPmax-cha-Uc、ΔPmax-discha-Uc、分别为Uc的最大充放电功率变化率。
2.3预测误差的分配原则
考虑到超短期风功率预测相对稳定且较高的预测精度,本发明仅考虑预测的纵向误差,即预测误差对充放电功率的幅值有一定影响,而对于充放电状态影响较小而忽略。结合主辅两层控制策略及复合储能介质特性,预测误差的分配原则为:1)Uc优先动作状况中,LiB辅助动作时由LiB承担预测误差相应能量,而LiB未动作时则Uc需独立承担平抑任务且为预测误差准备SOC裕量;2)LiB主要动作状况中由LiB承担预测误差对应能量。
3基于区间优化的HESS递进控制
递进控制步长区间内的HESS优化控制需同时考虑协调平抑的内外部因素,即HESS的运行状态和平抑效果,充放电策略已对影响平抑效果的弃风和平抑功率不足产生条件进行了规定,因此递减控制的重点在于HESS运行状态的最优化。基于此,本发明构建以HESS的SOC最佳运行为目标的优化模型。
3.1目标函数
已知递减控制步长区间的各介质初始SOCint-LiB、SOCint-Uc,基于充放电策略,使得本区间内各介质偏移最佳SOC的方差和最小。该目标函数主要解决本递进控制步长区间内充放能量在各介质间的协调分配问题。目标函数如式(9)所示。
其中,n为递进步长内充放区间数,n=4;SOCopt-LiB、SOCopt-Uc分别为最佳运行SOC,本发明分别取0.6和0.5;SOCLiB(t)、SOCUc(t)分别为本区间各介质的实时SOC数值,其数值基于充放电策略确定,并且为SOCint-LiB、SOCint-Uc、PLiB(t)、PUc(t)的函数:
SOCLiB(t)=f(SOCint-LiB,PLiB(t)) (10)
SOCUc(t)=f(SOCint-Uc,PUc(t)) (11)
式中,PLiB(t)、PUc(t)分别为LiB和Uc的充放电功率瞬时值。
该目标函数主要针对复合介质同时启动情况下的能量分配问题,同等的充放电能量对于不同额定容量的介质,其SOC变化程度不等。一般而言,HESS中LiB容量相对Uc较大,因此,在该目标函数下,Uc优先动作模式中按既定充放电策略,LiB仅针对充放电功率越限部分能量;而LiB主要动作模式下,在LiB启动且其充放电功率及其变化率和SOC均满足平抑条件时,将作为平抑能量主体,而Uc则在于LiB充放状态一致的前提下决定自身是否启动及其SOC变化趋势。
3.2约束条件
约束条件主要包括充放电功率约束、SOC约束和充放电功率变化速率约束。
1)充放电功率约束
Pmax-discha-LiB<P(t)<Pmax-cha-LiB (12)
Pmax-discha-Uc<P(t)<Pmax-cha-Uc (13)
P(t)=PUc(t)+PLiB(t) (14)
2)SOC约束
SOCmin-LiB<SOCLiB(t)<SOCmax-LiB (15)
SOCmin-Uc<SOCUc(t)<SOCmax-Uc (16)
3)充放电功率变化速率约束
ΔP(t)>ΔPmax-discha-LiB+ΔPmax-discha-Uc (17)
ΔP(t)<ΔPmax-cha-LiB+ΔPmax-cha-Uc (18)
ΔP(t)=ΔPLiB(t)+ΔPUc(t) (19)
其中,ΔPLiB(t)、ΔPUc(t)分别为LiB和Uc的充放电功率变化率瞬时值。
3.3求解算法
本发明递进协调控制的算法如图5所示。既定充放电策略本身已具备对控制模型的优化作用,可认作为超前协调控制的进程优化部分;区间优化部分则需利用相关优化问题求解算法,本发明采用已被广泛应用于求解各类数值优化问题的粒子群算法,由于递进优化的区间计算量相对较小,利于发挥PSO搜索精度高和收敛效果好的优势。具体模型求解步骤为:
1)根据递进协调控制算法和本步长数据确定优化目标函数;
2)设置粒子群维数D,最大迭代次数Mmax,收敛精度σthresh,同时初始化粒子群位置x和速度v,并给定初始SOCint-LiB、SOCint-Uc数值;
3)根据既定充放电策略和目标函数计算各粒子适应度值F;
4)将各粒子适应度值与自身粒子极值及全局粒子极值比较,若各粒子适应度值比自身粒子极值或全局粒子极值小,则更新各粒子个体极值ebest及全局粒子适应度极值gbest;
5)判断当前计算是否满足收敛条件,若是则提取当前PLiB、PUc即为最优充放电功率;若否则更新各粒子位置x及速度v,并重复步骤3-5.
其中n为当前循环次数;c1、c2为粒子权重系数;w为惯性权重;r1、r2为(0,1)内均匀分布随机数;xi、vi为第i维粒子的位置与速度;g为约束因子。
4算例分析
为验证本发明方法有效性,基于山东威海地区风电场实际运行数据进行复合储能超前协调控制的效果分析。该风场装机容量100MW,复合储能系统中Lib额定容量配置为11MWh,Uc为5MWh,各采样点间隔为5min。由平抑后的功率偏移量方差χ、LiB充放电切换次数N、SOC运行区间及过程曲线构建控制效果评价指标系统,并与常规方法对比分析验证本发明方法的有效性和优越性。上述指标参数中,平抑后的功率偏移量方差χ是控制方法平抑效果的表征指标,LiB充放电切换次数N和SOC运行曲线则可代表HESS运行寿命的衡量参数。优化计算相关参数如表1所示:
表格1相关参数
1)算例1:提取该风电场某年度3月份运行数据,基于本发明所提方法,计算结果如表格2所示:
表格2计算结果
如表格2所示,本发明所提方法在相关评价指标上均有大幅改变,其中充放电启动因采用Uc独立承担弱能量区间的充放电任务,因此LiB的启动次数显著降低,相比减少75.1%,利于提升其有效运行寿命;而在平抑效果方面,由于LiB和Uc的协调配合,有效避免某一介质SOC或充放电功率的越限,使得平抑后的功率偏移量方差降低41.7%,保证了平抑效果;同时本发明协调LiB和Uc同时启动状态下充放电能量的分配策略,使得各介质SOC逼近最优运行状态,本发明目标函数数值F降低46.9%。
进一步考察本发明方法各介质的充放电功率和SOC的变化过程,为利于显示,选取一定时间截面区间PLiB(t)、PUc(t)显示如图6所示,SOCLiB(t)、SOCUc(t)如图7(a)、图7(b)所示。
充放电功率方面,由图6(a)、图6(b)可以看出,PLiB(t)和PUc(t)的协调使得各自充放电功率越限概率极低,同时PUc(t)独立承担弱能量区间的充放电使PLiB(t)有效减少充放电启动,而在两者同时充放启动的状况下,PLiB(t)可承担更多的平抑任务。以1036点为例,该点平抑所需放电功率较大,因相同充放能量时LiB的SOC变化量较小,此时PLiB(t)承担更多放电任务,同时结合图7(a)、图7(b)中SOC可以看出,其SOCLiB变化较SOCUc要小,说明在两者同时启动状态下,各介质的充放电功率可在本发明优化目标函数下,可自动合理的解决充放电功率协调和能量分配问题。
荷电状态方面,LiB适合于浅充浅放,而Uc则可发挥其SOC可大范围变化的优势,既可实现其额定容量的充分利用,也可将其控制于限值范围内,图7(a)、图7(b)表明,本发明方法可有效实现上述目标。
2)算例2:提取该风电场某年度7月份运行数据,计算结果如表格3所示;选取一定时间截面区间PLiB(t)、PUc(t)、SOCLiB(t)、SOCUc(t)分别如图8(a)、图8(b)、9(a)、图9(b)所示。
表格3计算结果
表格3中相关评价指标同样均有较大幅度优化,其中LiB的启动次数相比减少78.3%,而平抑后的功率偏移量方差降低43.5%;同时本发明目标函数数值F降低50.8%。总体而言达到了本发明方法的目标。
在充放电功率和荷电状态方面,该算例同样较好的实现了本发明方法的优化目标。以5193点为例,该点同样放电平抑任务较重,需较大容量放电容量,此时两者同时启动,LiB承担较大放电容量,但其SOC接近下限,此时Uc承担起了剩余放电功率,虽然此时会增加其SOC偏移最佳运行点的程度,但该方法仍是平衡平抑效果、SOC非越限运行、各介质充放功率协调三者的最佳方式。
3)算例3:为进一步验证本发明方法,提取该风场11月份运行数据,计算结果如表格4所示;选取一定时间截面区间PLiB(t)、PUc(t)、SOCLiB(t)、SOCUc(t)分别如图10(a)、图10(b)、图11(a)、图11(b)所示。
表格4计算结果
表格4中相关评价指标同样均有较大幅度优化,其中LiB的启动次数相比减少74.4%,而平抑后的功率偏移量方差降低41.6%;同时本发明目标函数数值F降低51.8%。总体而言达到了本发明方法的目标。在充放电功率和荷电状态方面,该算例同样较好的实现了本发明方法的优化目标。
综合上述算例可以看出,本发明提出的复合储能超前协调控制策略通过递进区间优化有效的实现了长时间运行状态的最优化。对于本发明重点探讨的各介质同时启动状态下的充放功率分配问题,所提方法可保证各介质SOC、平抑效果的前提下使其有效解决;同时本发明方法可以有效减小LiB的充放电转换次数,充分发挥Uc的介质特性,并在平抑效果、SOC运行状态方面均有明显改善提升。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (8)
1.一种复合储能的超前优化递进控制方法,其特征是,包括:
1)通过相邻充放区间时长的概率分布统计,确定超前预测信息的提取区间,并将其作为优化控制策略的递进控制时间步长;
2)融合分析影响复合储能系统运行效率的主导因素,并针对其构建充放电控制策略;
3)以SOC偏移方差最小为目标函数构建优化模型,考虑充放电功率和容量限值约束,获取未来单步长控制过程中复合储能介质的充放电功率预设协调变化模式;
4)最后,给出求解算法和实现步骤。
2.如权利要求1所述的方法,其特征是,所述步骤1)中,基于年度运行数据的概率分布统计确定超前预测信息的提取区间;选取实际风电场年度运行数据,采样步长为5min,根据平抑目标确定统一平抑偏移量,以充放各一次的时长Δt为统计量,选定两个充放区间作为递进控制时间步长,递进控制时间步长以(30,150)min为主要聚集区间,能够兼顾预测精度和超前价值。
3.如权利要求1所述的方法,其特征是,所述步骤2)中,充放电策略为:
A.Uc优先动作,LiB辅助协作,简称Uc-LiB策略;控制原则为对于满足限定条件的递进区间,由Uc优先动作甚至独立完成本区间的平抑任务,当Uc功率不足时由LiB启动并辅助协作;核心目标在于发挥Uc的SOC大范围变化特性,严格控制LiB充放电切换次数;
B.LiB主要动作,Uc辅助调整,简称LiB-Uc策略;控制原则为对于非Uc优先动作状况,发挥LiB能量密度高的优势,由其启动并承担主要平抑任务;对于Uc的启动,当LiB充放电功率的变化速率越限时,Uc辅助启动其目标在于满足平抑功率需求,而当LiB充放电功率的变化速率不越限时,Uc辅助启动取决于其SOC,其目标在于调整自身SOC以处于较优运行状态;核心目标在于利用LiB能量型介质特性,实现目标功率偏移量的有效平抑,Uc运行状态的辅助调整。
4.如权利要求3所述的方法,其特征是,所述Uc-LiB策略具有运行模式为:
模式一:递进控制时间步长内的单次充或放区间能量低于限值Emin,Uc优先动作并在其SOC不越限、充放功率在限值范围的前提下独立平抑波动;当充放电功率越限时,LiB动作辅助协作;不越限时则不动作;其运行的基本条件为:
式中Ei(i=1,2,3,4)为递进控制步长对应的两个充放区间的能量,且[ts-i,te-i]为各充放区间的始末时刻;Δt为采样步长;P(t)为平抑目标功率偏移量,当P(t)>0对应HESS的充电,其数值对应充电功率,反之对应放电状态,其数值为放点功率;同理Ei>0则代表HESS吸收能量,反之为释放能量;[Emin-discha,Emin-cha]分别为Uc优先启动对应的充放能量区间;SOCUc(t)为Uc的SOC瞬时值,SOCmax-Uc、SOCmin-Uc分别为Uc的SOC运行上下限值;当满足Pmax-discha-Uc<P(t)<Pmax-cha-Uc时,其中Pmax-cha-Uc、Pmax-discha-Uc分别为Uc的最大充、放电功率,本控制时间步长内Uc独立完成功率平抑;反之,则LiB辅助启动协调平抑;
模式二:递进控制时间步长内任意两相邻充放区间的充电和放电能量平衡,Uc优先动作并在其SOC不越限、充放功率在限值范围的前提下独立平抑波动;当充放电功率越限时,LiB动作辅助协作,且仅吸收或释放越限功率对应能量,不会造成本相邻充放区间内的能量失衡;不越限时则不动作;其运行的基本条件为:
式中Echa-s为相邻区间的充电能量总和;Edisch-s为相应放电能量总和;δ为接近零的正数阈值;SOCUc(t)为Uc的SOC瞬时值,SOCmax-Uc、SOCmin-Uc分别为Uc的SOC运行上下限值;同样,当满足Pmax-discha-Uc<P(t)<Pmax-cha-Uc时,本相邻区间内Uc独立完成功率平抑;反之,则LiB辅助启动协调平抑;
模式三:递进控制时间步长内充电和放电能量平衡,Uc的SOC不越限、充放功率在限值范围的前提下优先动作并独立平抑波动;当充放电功率越限时,LiB动作辅助协作,同样仅吸收或释放越限功率对应能量;不越限时则不动作,其运行的基本条件为:
式中Echa-t为递进控制步长内的充电能量总和;Edisch-t为相应放电能量总和;SOCUc(t)为Uc的SOC瞬时值,SOCmax-Uc、SOCmin-Uc分别为Uc的SOC运行上下限值;同样,Pmax-discha-Uc<P(t)<Pmax-cha-Uc时,本控制步长内Uc独立完成功率平抑;反之,则LiB辅助启动协调平抑。
5.如权利要求3所述的方法,其特征是,所述LiB-Uc策略在非Uc优先动作条件下运行,其中Uc辅助启动条件为:
式中,P(t)为平抑目标功率偏移量,Pmax-cha-LiB、Pmax-discha-LiB分别为LiB的最大充、放电功率;ΔP(t)为充放电功率的变化率,且ΔP(t)=P(t)-P(t-1);ΔPmax-cha-LiB、ΔPmax-discha-LiB分别为LiB的最大充放电功率变化率;SOCLiB(t)为LiB的SOC瞬时值;SOCmax-LiB、SOCmin-LiB分别为LiB的SOC运行上下限值,分别取0.9和0.2;当式(6)中任一条件满足时,Uc均辅助启动;而未满足式(6)时,Uc则根据自身SOC调整需求确定启动状态;
当LiB、Uc同时启动,且满足式(7)、式(8)中任一条件时,将分别出现弃风和平抑功率不足的状况,其中ΔPmax-cha-Uc、ΔPmax-discha-Uc分别为Uc的最大充放电功率变化率;
6.如权利要求1所述的方法,其特征是,所述步骤3)中的目标函数minF为:
其中,n为递进步长内充放区间数,n=4;SOCopt-LiB、SOCopt-Uc分别为最佳运行SOC,分别取0.6和0.5;SOCLiB(t)、SOCUc(t)分别为本区间各介质的实时SOC数值,并且为SOCint-LiB、SOCint-Uc、PLiB(t)、PUc(t)的函数:SOCmax-Uc、SOCmin-Uc分别为Uc的SOC运行上下限值;
SOCLiB(t)=f(SOCint-LiB,PLiB(t)) (10)
SOCUc(t)=f(SOCint-Uc,PUc(t)) (11)
式中,PLiB(t)、PUc(t)分别为LiB和Uc的充放电功率瞬时值。
7.如权利要求1所述的方法,其特征是,所述步骤3)中的充放电功率和容量限值约束包括充放电功率约束、SOC约束和充放电功率变化速率约束;
1)充放电功率约束
Pmax-discha-LiB<P(t)<Pmax-cha-LiB (12)
Pmax-discha-Uc<P(t)<Pmax-cha-Uc (13)
P(t)=PUc(t)+PLiB(t) (14)
2)SOC约束
SOCmin-LiB<SOCLiB(t)<SOCmax-LiB (15)
SOCmin-Uc<SOCUc(t)<SOCmax-Uc (16)
3)充放电功率变化速率约束
ΔP(t)>ΔPmax-discha-LiB+ΔPmax-discha-Uc (17)
ΔP(t)<ΔPmax-cha-LiB+ΔPmax-cha-Uc (18)
ΔP(t)=ΔPLiB(t)+ΔPUc(t) (19)
其中,P(t)为平抑目标功率偏移量,Pmax-cha-LiB、Pmax-discha-LiB分别为LiB的最大充、放电功率;Pmax-discha-Uc、Pmax-cha-Uc分别为UC的最大充、放电功率;PLiB(t)、PUc(t)分别为LiB和Uc的充放电功率瞬时值;SOCLiB(t)为LiB的SOC瞬时值,SOCUc(t)为Uc的SOC瞬时值;SOCmax-LiB、SOCmin-LiB分别为LiB的SOC运行上下限值,分别取0.9和0.2;SOCmax-Uc、SOCmin-Uc分别为Uc的SOC运行上下限值;ΔP(t)为充放电功率的变化率,且ΔP(t)=P(t)-P(t-1);ΔPmax-cha-LiB、ΔPmax-discha-LiB分别为LiB的最大充放电功率变化率,ΔPmax-discha-Uc、ΔPmax-cha-Uc分别为Uc的最大充放电功率变化率;ΔPLiB(t)、ΔPUc(t)分别为LiB和Uc的充放电功率变化率瞬时值。
8.如权利要求1所述的方法,其特征是,所述步骤4)中的求解算法和实现步骤为:
(1)根据递进协调控制算法和本步长数据确定优化目标函数;
(2)设置粒子群维数D,最大迭代次数Mmax,收敛精度σthresh,同时初始化粒子群位置x和速度v,并给定初始SOCint-LiB、SOCint-Uc数值;
(3)根据既定充放电策略和目标函数计算各粒子适应度值F;
(4)将各粒子适应度值与自身粒子极值及全局粒子极值比较,若各粒子适应度值比自身粒子极值及全局粒子极值小,则更新各粒子个体极值ebest及全局粒子适应度极值gbest;
(5)判断当前计算是否满足收敛条件,若是则提取当前PLiB、PUc即为最优充放电功率;若否则更新各粒子位置x及速度v,并重复步骤(3)-(5);
其中n为当前循环次数;c1、c2为粒子权重系数;w为惯性权重;r1、r2为(0,1)内均匀分布随机数;xi、vi为第i维粒子的位置与速度;g为约束因子;ebest为各粒子个体极值,gbest为全局粒子适应度极值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310362205.XA CN103401260B (zh) | 2013-08-19 | 2013-08-19 | 一种复合储能的超前优化递进控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310362205.XA CN103401260B (zh) | 2013-08-19 | 2013-08-19 | 一种复合储能的超前优化递进控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103401260A true CN103401260A (zh) | 2013-11-20 |
CN103401260B CN103401260B (zh) | 2015-04-01 |
Family
ID=49564833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310362205.XA Expired - Fee Related CN103401260B (zh) | 2013-08-19 | 2013-08-19 | 一种复合储能的超前优化递进控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103401260B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103928938A (zh) * | 2014-02-24 | 2014-07-16 | 国家电网公司 | 考虑功率预测的储能电站优化控制方法 |
CN110046143A (zh) * | 2019-03-04 | 2019-07-23 | 国网辽宁省电力有限公司信息通信分公司 | 一种一体化数据平台的整体架构优化系统及优化方法 |
CN116317025A (zh) * | 2023-05-08 | 2023-06-23 | 浙江海得智慧能源有限公司 | 一种储能系统充放电控制方法及系统 |
CN116436059A (zh) * | 2023-02-07 | 2023-07-14 | 深圳先进储能材料国家工程研究中心有限公司 | 一种混合储能系统及其调度方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002233052A (ja) * | 2001-01-29 | 2002-08-16 | Hitachi Ltd | 蓄電装置 |
JP2003111426A (ja) * | 2001-09-28 | 2003-04-11 | Sanyo Denki Co Ltd | 交流電源装置 |
CN102522776A (zh) * | 2011-12-23 | 2012-06-27 | 中国电力科学研究院 | 储能系统提升风电跟踪计划出力能力的方法 |
CN102664423A (zh) * | 2012-05-30 | 2012-09-12 | 山东大学 | 基于粒子群算法的风电场储能容量控制方法 |
-
2013
- 2013-08-19 CN CN201310362205.XA patent/CN103401260B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002233052A (ja) * | 2001-01-29 | 2002-08-16 | Hitachi Ltd | 蓄電装置 |
JP2003111426A (ja) * | 2001-09-28 | 2003-04-11 | Sanyo Denki Co Ltd | 交流電源装置 |
CN102522776A (zh) * | 2011-12-23 | 2012-06-27 | 中国电力科学研究院 | 储能系统提升风电跟踪计划出力能力的方法 |
CN102664423A (zh) * | 2012-05-30 | 2012-09-12 | 山东大学 | 基于粒子群算法的风电场储能容量控制方法 |
Non-Patent Citations (4)
Title |
---|
HAIHUA ZHOU ET AL.: "Composite Energy Storage System Involving Battery and Ultracapacitor With Dynamic Energy Management in Microgrid Applications", 《IEEE TRANSACTIONS ON POWER ELECTRONICS》, vol. 26, no. 3, 31 March 2011 (2011-03-31), pages 923 - 930, XP011323025, DOI: doi:10.1109/TPEL.2010.2095040 * |
HAIHUA ZHOU ET AL.: "Composite Energy Storage System with Flexible Energy Management Capability for Micro-grid Applications", 《ENERGY CONVERSION CONGRESS AND EXPOSITION (ECCE), 2010 IEEE》, 16 September 2010 (2010-09-16), pages 2558 - 2563, XP031787195 * |
JI PING ET AL.: "Review on Sustainable Development of Island Microgrid", 《ADVANCED POWER SYSTEM AUTOMATION AND PROTECTION (APAP), 2011 INTERNATIONAL CONFERENCE ON》, 20 October 2011 (2011-10-20), pages 1806 - 1813, XP032162643, DOI: doi:10.1109/APAP.2011.6180631 * |
张坤等: "风电场复合储能系统容量配置的优化设计", 《中国电机工程学报》, vol. 32, no. 25, 5 September 2012 (2012-09-05), pages 79 - 87 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103928938A (zh) * | 2014-02-24 | 2014-07-16 | 国家电网公司 | 考虑功率预测的储能电站优化控制方法 |
CN110046143A (zh) * | 2019-03-04 | 2019-07-23 | 国网辽宁省电力有限公司信息通信分公司 | 一种一体化数据平台的整体架构优化系统及优化方法 |
CN110046143B (zh) * | 2019-03-04 | 2023-03-28 | 国网辽宁省电力有限公司信息通信分公司 | 一种一体化数据平台的整体架构优化系统及优化方法 |
CN116436059A (zh) * | 2023-02-07 | 2023-07-14 | 深圳先进储能材料国家工程研究中心有限公司 | 一种混合储能系统及其调度方法 |
CN116436059B (zh) * | 2023-02-07 | 2023-12-12 | 深圳先进储能材料国家工程研究中心有限公司 | 一种混合储能系统及其调度方法 |
CN116317025A (zh) * | 2023-05-08 | 2023-06-23 | 浙江海得智慧能源有限公司 | 一种储能系统充放电控制方法及系统 |
CN116317025B (zh) * | 2023-05-08 | 2024-02-13 | 浙江海得智慧能源有限公司 | 一种储能系统充放电控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103401260B (zh) | 2015-04-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | The control of lithium‐ion batteries and supercapacitors in hybrid energy storage systems for electric vehicles: a review | |
WO2021114849A1 (zh) | 增加新能源发电波动的海岛电网储能系统分层控制方法 | |
CN103248064B (zh) | 一种复合型能源充电储能系统及其方法 | |
CN103311942B (zh) | 一种用于配电网削峰填谷的电池储能系统的控制方法 | |
CN105098807B (zh) | 储能系统中多个混合储能装置间的互补优化控制方法 | |
CN105896582B (zh) | 一种微网储能容量优化配置方法 | |
CN103337001B (zh) | 考虑最佳期望输出与荷电状态的风电场储能容量优化方法 | |
CN103366314B (zh) | 考虑目标分解及其互补平抑的风电场复合储能容量规划方法 | |
CN103928938A (zh) | 考虑功率预测的储能电站优化控制方法 | |
CN105140942B (zh) | 考虑荷电状态偏差的混合储能优化功率分配方法 | |
WO2017161787A1 (zh) | 基于未来信息的光伏功率波动的动态平抑方法 | |
CN105576677B (zh) | 一种光伏储能系统能量管理控制方法 | |
CN104779630A (zh) | 一种平抑风电输出功率波动的混合储能系统容量配置方法 | |
CN103779869A (zh) | 考虑荷电状态动态调整的储能电站容量优化计算方法 | |
CN105260797A (zh) | 一种计及经济性评估的微网储能电站规划控制方法 | |
CN107370171B (zh) | 一种独立微网中大规模储能优化配置与协调控制方法 | |
CN103683309B (zh) | 一种应用于微电网中混合储能系统的有功分级分配方法 | |
CN111064214A (zh) | 基于电动汽车两阶段滚动式策略的配电网优化调度方法 | |
CN103401260B (zh) | 一种复合储能的超前优化递进控制方法 | |
CN117081128A (zh) | 基于变分模态分解的微电网混合储能容量优化配置方法 | |
CN105160440A (zh) | 考虑电网经济调度的储能平抑波动功率的容量规划方法 | |
CN103927588A (zh) | 用于平抑风电功率波动的混合储能电站容量确定方法 | |
CN113809733A (zh) | 光储系统直流母线电压与超级电容荷电管理控制方法 | |
CN115001021A (zh) | 一种混合储能辅助光伏电站参与一次调频的控制方法 | |
CN105811457A (zh) | 一种并网型微电网联络线功率平滑的方法 |
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: 20150401 Termination date: 20170819 |
|
CF01 | Termination of patent right due to non-payment of annual fee |