CN104104107B - 用混合储能平抑风电功率波动的模型预测控制方法 - Google Patents
用混合储能平抑风电功率波动的模型预测控制方法 Download PDFInfo
- Publication number
- CN104104107B CN104104107B CN201410267717.2A CN201410267717A CN104104107B CN 104104107 B CN104104107 B CN 104104107B CN 201410267717 A CN201410267717 A CN 201410267717A CN 104104107 B CN104104107 B CN 104104107B
- Authority
- CN
- China
- Prior art keywords
- soc
- super capacitor
- wind
- battery
- power
- 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.)
- Active
Links
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
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明涉及用混合储能平抑风电功率波动的模型预测控制方法,属于新能源发电中的控制技术领域。该方法包括:首先确定控制对象的拓扑结构,即包含风电、电池储能和超级电容储能的系统结构。其次,利用平均值法预测风电在控制预测区间内的出力值。然后,确定优化控制的目标函数和三个约束条件。在每一时刻求解上述优化问题,仅取得到的当前时刻的优化控制量分别输入电池和超级电容进行控制。最后,将电池和超级电容输出的功率与风电的实际输出功率加和,即可得到功率波动平抑后整个系统的并网功率。本发明提出的控制方法,可以更加经济、可靠的实现风电的功率波动平抑,而且计算简单,易于工程实现。
Description
技术领域
本发明涉及一种适用于风力发电系统功率波动平抑的控制方法,属于新能源发电中的控制技术领域。
背景技术
当今社会,能源、环境越来越受到关注,与此同时,新能源分布式发电技术也得到了迅猛发展。在新能源分布式发电中,风力发电是一种主要的发电形式。然而,风力发电受到自然环境变化的影响,其输出的有功功率往往具有波动性、间歇性的特点,当它们大规模接入电网时,会对电网的稳定性产生极大的负面影响。因此,研究平抑风电输出功率波动的控制方法势在必行。
目前,平抑风电场功率波动多用混合储能来完成,电池和超级电容是混合储能系统的典型代表。传统的控制方法是用一阶低通滤波环节设定平抑目标,而后再用滤波环节进行补偿功率分配,将分离出的低频波动分给电池进行补偿,高频波动分给超级电容进行补偿。这种控制方法原理简单、运算速度快,但在实际系统运行过程中并未考虑储能系统的建设和发电成本,经济性较差;同时传统的控制方法无法保证平抑后的输出功率满足规定的并网指标,平抑的目标性较差。
发明内容
本发明的目的是为克服已有技术的不足之处,提出一种用混合储能平抑风电功率波动的模型预测控制方法,以提高储能平抑风电功率波动的经济性,并确保平抑后的功率输出满足并网指标要求。
本发明提出的用混合储能平抑风电功率波动的模型预测控制方法,其特征在于,包括如下步骤:
1)确定待预测控制的分布式发电系统的拓扑结构,该分布式发电系统包括风电、电池储能、超级电容储能三个子系统,三个子系统均通过开关和变压器与电网相连;
2)对风电子系统的风电功率进行超短期预测:设获取风电出力数据的时间间隔为Δt,设预测控制时间长度为M,利用当前预测时刻之前获取预测控制时间长度内的M/Δt个风电出力历史数据的平均值对当前预测时刻之后的M时间长度内的风电功率进行预测,如式(1)所示:
式(1)中i=0,1,…,M-1,k时刻是当前时刻,式子左边的Pw(k+i)为风电出力的预测值,式子右边的Pw(k+i-j)为获取的风电出力历史数据;
3)构建优化控制的目标函数:为了综合考虑储能平抑功率波动的经济性和输出功率的平抑效果,定义优化控制目标为:
式(2)中J为优化目标;fB和fuc分别是电池和超级电容的经济性惩罚值;uB(k)和uuc(k)分别为k时刻电池和超级电容的出力大小,将这两个值作为优化变量;fR是对输出功率波动的惩罚值;Po(k)是分布式发电系统在k时刻的风电、电池储能和超级电容储能三个子系统总的输出,如式(3)所示:
Po(k)=PW(k)+uB(k)+uuc(k)(3)
表达式为该系统在预测控制区间内输出功率波动的大小;
4)确定所述目标函数的约束条件:该分布式发电系统运行共有三个约束条件:
4-1)功率波动约束条件:即风电并网标准中对预测控制时间长度内输出功率波动的限制,该功率波动约束条件如式(4)所示:
式(4)中i=0,1,…,M-1,γ为设定的预测控制时间长度内功率波动的限制值;
4-2)功率约束条件:即电池和超级电容的出力不能超过它们充放电的额定功率,如式(5)所示:
-PBc≤uB(k)≤PBd
-Pucc≤uuc(k)≤Pucd(5)
式(5)中PBc、PBd分别为储能的额定充放电功率;Pucc、Pucd分别为超级电容的额定充放电功率;
4-3)容量约束条件:定义k时刻电池的荷电状态(SOC)为:
式中Q(t)是储能在t时刻的剩余电量,Q为储能可储存的总电量;则储能在预测控制区间内需不超过各自的容量限制,即容量约束条件如式(6)所示:
其中i=0,1,…,M-1;SB和Suc分别是电池和超级电容的容量;SOCB,max和SOCB,min分别为电池SOC的最大和最小值;SOCuc,max和SOCuc,min分别为超级电容SOC的最大和最小值;SOCB(k)为储能当前时刻的SOC;SOCuc(k)为超级电容当前时刻的SOC;Δt为时间间隔;
5)将所述目标函数及约束条件化为二次规划标准形进行求解,即:
s.t.f(θ)≤ω(7)
其中 为优化变量,φ是系数矩阵,ω是一维列向量;φ、ω和函数f由步骤3)中的目标函数和步骤4)的三个约束条件得到;根据约束条件优化每一时刻k的目标函数,得到预测控制时间长度内的M/Δt个电池储能出力的优化变量uB(k),uB(k+1),…,uB(k+M-1)和M/Δt个超级电容储能出力的优化变量uuc(k),uuc(k+1),…,uuc(k+M-1),从中仅取得到的当前时刻的优化控制量uB(k)和uuc(k)分别对电池储能子系统和超级电容储能子系统进行预测控制;
6)将每一时刻电池和超级电容输出的功率与风电的实际输出功率相加,即达到整个系统的并网功率波动平抑后的效果。
本发明提出的用混合储能平抑风电功率波动的模型预测控制方法,其优点是:
1、采用优化控制方法,既减小了储能的出力值,提高了系统运行的经济性,又兼顾了功率波动的平抑效果。
2、将风电并网要求作为约束条件,保证了平抑后输出的功率满足并网指标。
3、优化过程是一个标准的二次规划问题,编程求解方便,计算量小。
综上所述,本发明提出的用混合储能平抑风电功率波动的模型预测控制方法,可以更加经济、可靠的实现风电的功率波动平抑,而且易于工程实现。
附图说明
图1为本发明方法待预测控制的分布式发电系统的拓扑结构示意图。
图2为本发明的预测控制方法的整体流程框图。
图3为本发明的预测控制方法的平抑效果示意图。
具体实施方式
本发明提出的用混合储能平抑风电功率波动的模型预测控制方法结合附图及实施例说明如下:
本发明的用混合储能平抑风电功率波动的模型预测控制方法及实施例包括如下步骤:
1)确定待预测控制的分布式发电系统的拓扑结构,本实施例的分布式发电系统包括风电、电池储能、超级电容储能三个子系统,该系统的拓扑结构如图1所示,其中风电子系统由26台1.5MW风机组成,电池储能子系统由150个100kW电池组组成,超级电容储能子系统由150个100kW超级电容组成,它们通过开关和变压器与电网相连。
2)对风电子系统的风电功率进行超短期预测:设获取风电出力数据的时间间隔为Δt,(根据预测控制的要求,及数据处理能力而定,一般Δt为1秒到5分钟,本实施例中取1分钟),设预测控制时间长度为M(M的取值根据预测控制的要求而定,超短期预测一般指预测控制时间为5分钟到30分钟,本实施例取10分钟),利用当前预测时刻之前获取预测控制时间长度内的M/Δt个风电出力历史数据(本实施例为10个)的平均值对当前预测时刻之后的M时间长度内的风电功率进行预测,如式(1)所示:
式(1)中i=0,1,…,M-1,k时刻是当前时刻,式子左边的Pw(k+i)为风电出力的预测值,式子右边的Pw(k+i-j)为获取的风电出力历史数据;
3)构建优化控制的目标函数:为了综合考虑储能平抑功率波动的经济性和输出功率的平抑效果,定义优化控制目标为:
式(2)中J为优化目标;fB和fuc分别是电池和超级电容的经济性惩罚值,本实施例可采用其发电(折旧)成本值(也可根据实际的工程需要进行设定);uB(k)和uuc(k)分别为k时刻电池和超级电容的出力大小,将这两个值作为优化变量;fR是对输出功率波动的惩罚值(根据具体的实施例进行大量的计算比较,从中选择控制效果最佳的一个惩罚值);Po(k)是分布式发电系统在k时刻的风电、电池储能和超级电容储能三个子系统总的输出,如式(3)所示:
Po(k)=PW(k)+uB(k)+uuc(k)(3)
表达式为该系统在预测控制区间内输出功率波动的大小;
4)确定所述目标函数的约束条件:该分布式发电系统运行共有三个约束条件:
4-1)功率波动约束条件:即风电并网标准中对预测控制时间长度内(本实施例为10分钟内)输出功率波动的限制,该功率波动约束条件如式(4)所示:
式(4)中i=0,1,…,M-1,γ为设定的预测控制时间长度内(本实施例为10分钟内)功率波动的限制值(γ应根据风电并网标准设定,本实施例中取为风电总容量的10%,即3MW);
4-2)功率约束条件:即电池和超级电容的出力不能超过它们充放电的额定功率,如式(5)所示:
-PBc≤uB(k)≤PBd
-Pucc≤uuc(k)≤Pucd(5)
式(5)中PBc、PBd分别为储能的额定充放电功率(本实施例中均为15MW);Pucc、Pucd分别为超级电容的额定充放电功率(本实施例中均为15MW);
4-3)容量约束条件:定义k时刻电池的荷电状态(StateofCharge,SOC)为:
式中Q(t)是储能在t时刻的剩余电量,Q为储能可储存的总电量;则储能在预测控制区间内需不超过各自的容量限制,即容量约束条件如式(6)所示:
其中i=0,1,…,M-1;SB和Suc分别是电池和超级电容的容量;SOCB,max和SOCB,min分别为电池SOC的最大和最小值;SOCuc,max和SOCuc,min分别为超级电容SOC的最大和最小值;SOCB(k)为储能当前时刻的SOC;SOCuc(k)为超级电容当前时刻的SOC;Δt为时间间隔(本实施例为1分钟);
5)将所述目标函数及约束条件化为二次规划标准形进行求解,即:
s.t.f(θ)≤ω(7)(s.t.表示受到约束条件限制)
其中 为优化变量,φ是系数矩阵,ω是一维列向量;φ、ω和函数f(θ)由步骤3)中的目标函数和步骤4)的三个约束条件得到(由编程技术人员通过计算机编程处理实现);根据约束条件优化每一时刻k的目标函数,得到预测控制时间长度内的M/Δt个电池储能出力的优化变量uB(k),uB(k+1),…,uB(k+M-1)和M/Δt个超级电容储能出力的优化变量uuc(k),uuc(k+1),…,uuc(k+M-1),从中仅取得到的当前时刻的优化控制量uB(k)和uuc(k)分别对电池储能子系统和超级电容储能子系统进行预测控制;
6)将每一时刻电池和超级电容输出的功率与风电的实际输出功率相加,即可达到整个系统的并网功率波动平抑后的效果。
图3为使用本发明的预测控制方法的平抑效果示意图,其中横坐标为时间,单位是分钟,纵坐标为功率,单位是兆瓦,虚线1是未平抑之前的风电子系统的输出功率,实线2是平抑之后的整个系统并网功率。可以看到,经过平抑后的功率波动明显减小。
Claims (1)
1.用混合储能平抑风电功率波动的模型预测控制方法,其特征在于,包括如下步骤:
1)确定待预测控制的分布式发电系统的拓扑结构,该分布式发电系统包括风电、电池储能、超级电容储能三个子系统,三个子系统均通过开关和变压器与电网相连;
2)对风电子系统的风电功率进行超短期预测:设获取风电出力数据的时间间隔为Δt,设预测控制时间长度为M,利用当前预测时刻之前获取预测控制时间长度内的M/Δt个风电出力历史数据的平均值对当前预测时刻之后的M时间长度内的风电功率进行预测,如式(1)所示:
式(1)中i=0,1,…,M-1,k时刻是当前时刻,式子左边的Pw(k+i)为风电出力的预测值,式子右边的Pw(k+i-j)为获取的风电出力历史数据;
3)构建优化控制的目标函数:为了综合考虑储能平抑功率波动的经济性和输出功率的平抑效果,定义优化控制目标为:
式(2)中J为优化目标;fB和fuc分别是电池和超级电容的经济性惩罚值;uB(k)和uuc(k)分别为k时刻电池和超级电容的出力大小,将这两个值作为优化变量;fR是对输出功率波动的惩罚值;Po(k)是分布式发电系统在k时刻的风电、电池储能和超级电容储能三个子系统总的输出,如式(3)所示:
Po(k)=PW(k)+uB(k)+uuc(k)(3)
表达式为该系统在预测控制区间内输出功率波动的大小;
4)确定所述目标函数的约束条件:该分布式发电系统运行共有三个约束条件:
4-1)功率波动约束条件:即风电并网标准中对预测控制时间长度内输出功率波动的限制,该功率波动约束条件如式(4)所示:
式(4)中i=0,1,…,M-1,γ为设定的预测控制时间长度内功率波动的限制值;
4-2)功率约束条件:即电池和超级电容的出力不能超过它们充放电的额定功率,如式(5)所示:
-PBc≤uB(k)≤PBd
-Pucc≤uuc(k)≤Pucd(5)
式(5)中PBc、PBd分别为储能的额定充放电功率;Pucc、Pucd分别为超级电容的额定充放电功率;
4-3)容量约束条件:定义k时刻电池的荷电状态(SOC)为:
式中Q(t)是储能在t时刻的剩余电量,Q为储能可储存的总电量;则储能在预测控制区间内需不超过各自的容量限制,即容量约束条件如式(6)所示:
其中i=0,1,…,M-1;SB和Suc分别是电池和超级电容的容量;SOCB,max和SOCB,min分别为电池SOC的最大和最小值;SOCuc,max和SOCuc,min分别为超级电容SOC的最大和最小值;SOCB(k)为储能当前时刻的SOC;SOCuc(k)为超级电容当前时刻的SOC;Δt为时间间隔;
5)将所述目标函数及约束条件化为二次规划标准形进行求解,即:
s.t.f(θ)≤ω(7)
其中 为优化变量,φ是系数矩阵,ω是一维列向量;φ、ω和函数f由步骤3)中的目标函数和步骤4)的三个约束条件得到;根据约束条件优化每一时刻k的目标函数,得到预测控制时间长度内的M/Δt个电池储能出力的优化变量uB(k),uB(k+1),…,uB(k+M-1)和M/Δt个超级电容储能出力的优化变量uuc(k),uuc(k+1),…,uuc(k+M-1),从中仅取得到的当前时刻的优化控制量uB(k)和uuc(k)分别对电池储能子系统和超级电容储能子系统进行预测控制;
6)将每一时刻电池和超级电容输出的功率与风电的实际输出功率相加,即达到整个系统的并网功率波动平抑后的效果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410267717.2A CN104104107B (zh) | 2014-06-16 | 2014-06-16 | 用混合储能平抑风电功率波动的模型预测控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410267717.2A CN104104107B (zh) | 2014-06-16 | 2014-06-16 | 用混合储能平抑风电功率波动的模型预测控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104104107A CN104104107A (zh) | 2014-10-15 |
CN104104107B true CN104104107B (zh) | 2016-04-06 |
Family
ID=51672020
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410267717.2A Active CN104104107B (zh) | 2014-06-16 | 2014-06-16 | 用混合储能平抑风电功率波动的模型预测控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104104107B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104362656B (zh) * | 2014-10-24 | 2016-06-29 | 东南大学 | 一种基于混合储能vsi平抑微网功率波动的控制方法 |
CN104518518B (zh) * | 2014-11-27 | 2016-11-16 | 国家电网公司 | 一种基于mmc拓扑结构的混合储能系统 |
CN106602592B (zh) * | 2016-10-20 | 2019-01-15 | 湖南大学 | 一种垂直轴风电系统中变流器与蓄电池容量优化配置方法 |
CN106505604B (zh) * | 2016-12-23 | 2019-04-26 | 国网天津市电力公司 | 接入区域配电网的光伏储能联合运行单元优化配置方法 |
CN109995076B (zh) * | 2018-12-12 | 2023-05-23 | 云南电网有限责任公司电力科学研究院 | 一种基于储能的光伏汇集系统功率稳定输出协同控制方法 |
CN109904873A (zh) * | 2019-04-22 | 2019-06-18 | 华北电力大学 | 基于模型预测的混合储能控制策略 |
CN111064210B (zh) * | 2019-12-12 | 2021-09-14 | 国网浙江省电力有限公司台州供电公司 | 增加新能源发电波动的海岛电网储能系统分层控制方法 |
CN112072702B (zh) * | 2020-09-09 | 2022-12-23 | 南京工业职业技术大学 | 一种风电机组的功率控制系统及方法 |
CN112952957B (zh) * | 2021-03-30 | 2023-09-22 | 国网宁夏电力有限公司 | 一种基于模型预测控制的混合储能系统soc优化策略 |
CN114725968A (zh) * | 2022-04-17 | 2022-07-08 | 重庆大学 | 基于动态调节soc状态的风电波动平滑控制方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007116825A (ja) * | 2005-10-20 | 2007-05-10 | Nissan Diesel Motor Co Ltd | 電気二重層キャパシタ電力貯蔵装置 |
CN101702610A (zh) * | 2009-09-11 | 2010-05-05 | 大连理工大学 | 基于超级电容器和蓄电池混合储能的双馈风力发电机励磁系统 |
CN103023055B (zh) * | 2012-11-21 | 2014-08-13 | 浙江大学 | 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 |
CN103178538B (zh) * | 2013-04-11 | 2014-12-03 | 华北电力大学 | 混合储能型风力发电系统的风电功率波动抑制方法 |
CN103595068B (zh) * | 2013-11-13 | 2016-04-06 | 国家电网公司 | 混合储能系统平抑风光输出功率波动的控制方法 |
-
2014
- 2014-06-16 CN CN201410267717.2A patent/CN104104107B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104104107A (zh) | 2014-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104104107B (zh) | 用混合储能平抑风电功率波动的模型预测控制方法 | |
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 | |
Falahati et al. | A new smart charging method for EVs for frequency control of smart grid | |
CN109687444B (zh) | 一种微电网电源多目标双层优化配置方法 | |
Barelli et al. | Integrating Hybrid Energy Storage System on a Wind Generator to enhance grid safety and stability: A Levelized Cost of Electricity analysis | |
CN104037793B (zh) | 一种应用于主动配电网的储能单元容量配置方法 | |
CN102354334B (zh) | 基于全寿命周期净费用最小的微网系统优化设计方法 | |
Zand et al. | Using adaptive fuzzy logic for intelligent energy management in hybrid vehicles | |
Erdinc et al. | The importance of detailed data utilization on the performance evaluation of a grid-independent hybrid renewable energy system | |
CN104734166A (zh) | 混合储能系统及风力发电功率平滑控制方法 | |
CN103633657B (zh) | 一种风储电站电网负荷调峰及风电波动抑制的方法及装置 | |
CN103001239A (zh) | 一种自治型微电网储能容量配置方法 | |
Yan et al. | Economic dispatch application of power system with energy storage systems | |
CN102769155B (zh) | 一种面向有源智能配电网的电动汽车有序充电方法 | |
CN105260797A (zh) | 一种计及经济性评估的微网储能电站规划控制方法 | |
CN103248065B (zh) | 一种风电场中电池储能系统的充放电控制方法 | |
Xiao et al. | Flat tie-line power scheduling control of grid-connected hybrid microgrids | |
CN104852399A (zh) | 光储微网系统的储能容量动态优化方法 | |
Singh et al. | Operation and control of a hybrid wind-diesel-battery energy system connected to micro-grid | |
Mossa et al. | Performance enhancement of a hybrid renewable energy system accompanied with energy storage unit using effective control system | |
Ren et al. | Multitime scale coordinated scheduling for electric vehicles considering photovoltaic/wind/battery generation in microgrid | |
CN103560533A (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 | |
Saber et al. | Smart micro-grid optimization with controllable loads using particle swarm optimization | |
Bampoulas et al. | Provision of frequency regulation by a residential microgrid integrating PVs, energy storage and electric vehicle | |
Budi et al. | Standalone Wind Turbine Power Stability Based on Battery and Supercapacitor Hybrid System |
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 |