CN113141017A - 基于ddpg算法和soc恢复的储能系统参与电网一次调频的控制方法 - Google Patents

基于ddpg算法和soc恢复的储能系统参与电网一次调频的控制方法 Download PDF

Info

Publication number
CN113141017A
CN113141017A CN202110471603.XA CN202110471603A CN113141017A CN 113141017 A CN113141017 A CN 113141017A CN 202110471603 A CN202110471603 A CN 202110471603A CN 113141017 A CN113141017 A CN 113141017A
Authority
CN
China
Prior art keywords
energy storage
frequency modulation
soc
ddpg
frequency
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
Application number
CN202110471603.XA
Other languages
English (en)
Other versions
CN113141017B (zh
Inventor
朱振山
陈哲盛
叶成涛
翁智敏
郑海林
吴诗雨
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.)
Fuzhou University
Original Assignee
Fuzhou University
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 Fuzhou University filed Critical Fuzhou University
Priority to CN202110471603.XA priority Critical patent/CN113141017B/zh
Publication of CN113141017A publication Critical patent/CN113141017A/zh
Application granted granted Critical
Publication of CN113141017B publication Critical patent/CN113141017B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H02J3/241—The oscillation concerning frequency
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/0047—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries with monitoring or indicating devices or circuits
    • H02J7/0048—Detection of remaining charge capacity or state of charge [SOC]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明提出一种基于DDPG算法和SOC恢复的储能系统参与电网一次调频的控制方法：在含储能的电力系统一次调频模型中，将储能充放电功率控制转化为序列决策问题，并采用DDPG算法进行处理，训练深度强化学习智能体并用于控制储能系统出力；为储能系统设置储能调频死区，将储能系统辅助调频过程分为调频阶段与SOC恢复阶段；在系统频率处于储能调频死区外时，DDPG智能体以减小频率偏差为目标进行动作决策；在系统频率偏差处于储能调频死区内时，DDPG智能体以减小当前SOC与SOC理想值之间偏差为目标进行动作决策。在系统频率偏差处于储能调频死区内时，DDPG智能体以减小当前SOC与SOC理想值之间偏差为目标进行动作决策，进行SOC恢复以保证储能的调频能力和使用寿命。

Description

基于DDPG算法和SOC恢复的储能系统参与电网一次调频的控 制方法
技术领域
本发明属于电力系统控制技术领域，尤其涉及一种基于DDPG算法和SOC恢复的储能系统参与电网一次调频的控制方法。
背景技术
在全球范围内煤和石油等化石能源正日趋枯竭，化石能源导致的环境污染问题日趋严重。以太阳能和风能为代表的新能源受到人类的重视，并得到了快速的发展。但是风电、光伏发电等间歇式电源具有波动性和不确定性，且难以精确预测，随着新能源装机容量在电网中的比例增加，参与电网调频电源容量的比例显著下降，传统发电机的调频能力和响应速度不能满足调频要求，需同步配套相应容量的调频电源。
电池储能安装在发电侧时具有四象限调节能力，具有精确跟踪、快速响应和双向调节等优点，因而对于增强发电侧频率调节能力、改善新能源并网电能质量具有重要意义。但当储能的SOC过低或过高都会导致其调频能力不足，同时也会缩短其使用寿命，在储能辅助一次调频的同时考虑其SOC恢复效果具有现实意义。在储能系统辅助电网调频的领域中，控制策略是备受关注的理论与实际工程问题，合理的控制策略能够更好地发挥储能系统的调频效果。
发明内容
针对现有技术的空白，本发明提出了一种基于DDPG算法和SOC恢复的储能系统参与电网一次调频的控制方法,在含储能的电力系统一次调频模型中，将储能充放电功率控制转化为序列决策问题，并采用了深度强化学习算法中可以连续动作决策的DDPG算法加以解决。设置储能调频死区，将储能系统辅助调频过程分为调频阶段与SOC恢复阶段。在奖惩函数的激励下，DDPG智能体通过不断与环境的交互学习来自动优化决策策略，训练后的DDPG智能体可以有效减小系统的频率偏差，充分发挥储能参与一次调频的优势；当系统频率处于储能调频死区内时进行SOC恢复以保证储能的调频能力和使用寿命。
本发明具体采用以下技术方案：
一种基于DDPG算法和SOC恢复的储能系统参与电网一次调频的控制方法，其特征在于：在含储能的电力系统一次调频模型中，将储能充放电功率控制转化为序列决策问题，并采用DDPG算法进行处理，训练深度强化学习智能体并用于控制储能系统出力；为储能系统设置储能调频死区，将储能系统辅助调频过程分为调频阶段与SOC恢复阶段；
在系统频率处于储能调频死区外时，DDPG智能体以减小频率偏差为目标进行动作决策；在系统频率偏差处于储能调频死区内时，DDPG智能体以减小当前SOC与SOC理想值之间偏差为目标进行动作决策。
进一步地，储能系统实时监测电力系统的频率、频率变化率以及储能的SOC，并计算电力系统频率偏差。将电力系统的频率偏差和储能的SOC作为DDPG策略神经网络的输入。
进一步地，在奖惩函数的激励下，DDPG智能体通过与环境的交互学习自动优化决策策略，并通过训练后的DDPG智能体减小系统的频率偏差；当系统频率处于储能调频死区内时进行SOC恢复。
进一步地，通过设置奖惩函数，智能体以获得最大全局奖励为目标进行训练，再将训练后的智能体用于实时辅助一次调频控制；智能体所能感知的环境状态、动作空间和奖惩函数具体描述为：
智能体可以感知到的环境状态空间参数包括：电网频率偏差Δf和储能的荷电状态SOC；
智能体的动作对应为储能系统的实时出力值PE：当PE为负时，储能系统放电，与系统的发电机组共同给负荷供电；当PE为正时，储能系统充电，吸收系统内多余电能。
进一步地，所述奖惩函数的设置需要考虑调频效果和SOC恢复效果；当前一时刻的频率偏差Δft-1在储能调频死区外时，奖惩函数激励智能体参与一次调频；当前一时刻的频率偏差Δft-1在储能调频死区内时，奖惩函数激励智能体进行荷电状态恢复。
进一步地，所述奖惩函数具体描述为：
Figure BDA0003046166200000021
式中，Δft-1为前一时刻的频率偏差；Δft为当前时刻的频率偏差；dΔft为频率偏差变化率；Δfset为调频死区界限；SOCt为当前时刻储能荷电状态；SOCset为储能荷电状态理想值；a、b、c均为奖励的权重系数且均为负数；
在该奖惩函数激励下，训练过程中智能体朝着减小|Δft|、|dΔft|和|SOCt-SOCset|的方向更新决策策略，即储能出力减小频率偏差并进行SOC恢复，达到控制目标。
进一步地，所述调频死区界限设置为0.033Hz；所述储能荷电状态理想值设置为0.5。
相较于现有技术，本发明及其优选方案统筹考虑了储能辅助一次调频过程中的调频效果与SOC的恢复效果，相较于直接设定固定的控制策略，本发明利用深度强化学习算法的探索性和开发性，DDPG智能体通过与环境的交互学习来自动优化决策策略，训练后的智能体具有较优的控制效果。该控制策略比下垂控制有更小的频率偏差和频率变化率，能更好的发挥储能参与调频过程的作用，有益于减小储能的配置。在系统频率处于储能调频死区外时，DDPG智能体以减小频率偏差为目标进行动作决策，可以有效减小系统的频率偏差，充分发挥储能参与一次调频的优势；在系统频率偏差处于储能调频死区内时，DDPG智能体以减小当前SOC与SOC理想值之间偏差为目标进行动作决策，进行SOC恢复以保证储能的调频能力和使用寿命。
附图说明
下面结合附图和具体实施方式对本发明进一步详细的说明：
图1为本发明实施例仿真模型示意图；
图2为本发明实施例DDPG智能体动作决策过程示意图；
图3为本发明实施例阶跃负荷扰动下且SOC初始值为0.3时的Δf与SOC变化图；
图4为本发明实施例阶跃负荷扰动下且SOC初始值为0.7时的Δf与SOC变化图；
图5为本发明实施例连续负荷扰动下且SOC初始值为0.3时的Δf与SOC变化图；
图6为本发明实施例连续负荷扰动下且SOC初始值为0.7时的Δf与SOC变化图。
具体实施方式
为让本专利的特征和优点能更明显易懂，下文特举实施例，作详细说明如下：
本实施例提供了基于深度强化学习和荷电状态(State of Charge,SOC)恢复的储能系统参与电网一次调频的控制策略，其要旨在于：为储能系统设置调频死区，训练深度强化学习智能体并用于控制储能系统出力，使储能系统辅助一次调频的同时兼顾自身SOC恢复。采用深度确定性策略梯度算法(Deep Deterministic Policy Gradient,DDPG)控制储能出力：
在系统频率处于储能调频死区外时，DDPG智能体以减小频率偏差为目标进行动作决策；在系统频率偏差处于储能调频死区内时，DDPG智能体以减小当前SOC与SOC理想值之间偏差为目标进行动作决策。
储能系统实时监测电力系统的频率、频率变化率以及储能的SOC，并计算电力系统频率偏差。将电力系统的频率偏差和储能的SOC作为DDPG策略神经网络的输入，训练后的DDPG智能体可以自主决策，控制储能的状态(充电、放电、不动作)以及工作功率大小。
通过设置奖惩函数，智能体以获得最大全局奖励为目标进行训练，再将训练后的智能体用于实时辅助一次调频控制。智能体所能感知的环境状态、动作空间和奖惩函数具体描述为：
智能体可以感知到的环境状态空间参数包括电网频率偏差Δf和储能的荷电状态SOC。
智能体的动作对应为储能系统的实时出力值PE。当PE为负时，储能系统放电，与系统的发电机组共同给负荷供电；当PE为正时，储能系统充电，吸收系统内多余电能。
奖惩函数设置需要考虑调频效果和SOC恢复效果。当前一时刻的频率偏差Δft-1在储能调频死区外时，奖惩函数激励智能体参与一次调频；当前一时刻的频率偏差Δft-1在储能调频死区内时，奖惩函数激励智能体进行荷电状态恢复。奖惩函数具体描述为：
Figure BDA0003046166200000041
式中，Δft-1为前一时刻的频率偏差；Δft为当前时刻的频率偏差；dΔft为频率偏差变化率；Δfset为调频死区界限，设置为0.033Hz；SOCt为当前时刻储能荷电状态；SOCset为储能荷电状态理想值，通常设置为0.5；a、b、c均为奖励的权重系数且均为负数。在该奖惩函数激励下，训练过程中智能体朝着减小|Δft|、|dΔft|和|SOCt-SOCset|的方向更新决策策略，即储能出力减小频率偏差并进行SOC恢复，达到控制目标。
如图1-图6所示，在本实施例中，在MATLAB/Simulink中搭建一个小型的独立电力系统，设置系统发电机组额定容量为100MW，储能的功率和容量为2MW/1MWh，电网的额定频率为50Hz，发电机组和储能的调频死区上下限均设置为±0.033Hz，储能荷电状态理想值SOCset设置为0.5，分别在四种工况下进行仿真，仿真时长为3min。场景1:标幺值大小为0.02的阶跃负荷扰动，SOC初始值为0.3；场景2:标幺值大小为0.02的阶跃负荷扰动，SOC初始值为0.7；场景3:连续负荷扰动，SOC初始值为0.3；场景4:连续负荷扰动，SOC初始值为0.7。对比无储能辅助一次调频、下垂控制储能辅助一次调频和基于DDPG控制策略的储能辅助调频三种方法的系统频率偏差变化和SOC变化。
从系统频率偏差变化图和储能系统的SOC变化图可知，与传统的下垂控制方法相比，基于DDPG算法的控制策略牺牲了一部分SOC恢复效果来获得更好的调频效果。在阶跃扰动工况下，本文控制策略减缓频率变化初期频率变化率，减小了最大频率偏差和稳态频率偏差；在连续扰动工况下，本文控制策略有较小的频率偏差和频率变化率。综合来看，本文控制策略更充分发挥了储能辅助一次调频的优势。
专利不局限于上述最佳实施方式，任何人在本专利的启示下都可以得出其它各种形式的基于DDPG算法和SOC恢复的储能系统参与电网一次调频的控制方法，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本专利的涵盖范围。

Claims (7)

1.一种基于DDPG算法和SOC恢复的储能系统参与电网一次调频的控制方法，其特征在于：在含储能的电力系统一次调频模型中，将储能充放电功率控制转化为序列决策问题，并采用DDPG算法进行处理，训练深度强化学习智能体并用于控制储能系统出力；为储能系统设置储能调频死区，将储能系统辅助调频过程分为调频阶段与SOC恢复阶段；
在系统频率处于储能调频死区外时，DDPG智能体以减小频率偏差为目标进行动作决策；在系统频率偏差处于储能调频死区内时，DDPG智能体以减小当前SOC与SOC理想值之间偏差为目标进行动作决策。
2.根据权利要求1所述的基于DDPG算法和SOC恢复的储能系统参与电网一次调频的控制方法，其特征在于：储能系统实时监测电力系统的频率、频率变化率以及储能的SOC，并计算电力系统频率偏差。将电力系统的频率偏差和储能的SOC作为DDPG策略神经网络的输入。
3.根据权利要求1所述的基于DDPG算法和SOC恢复的储能系统参与电网一次调频的控制方法，其特征在于：在奖惩函数的激励下，DDPG智能体通过与环境的交互学习自动优化决策策略，并通过训练后的DDPG智能体减小系统的频率偏差；当系统频率处于储能调频死区内时进行SOC恢复。
4.根据权利要求1所述的基于DDPG算法和SOC恢复的储能系统参与电网一次调频的控制方法，其特征在于：
通过设置奖惩函数，智能体以获得最大全局奖励为目标进行训练，再将训练后的智能体用于实时辅助一次调频控制；智能体所能感知的环境状态、动作空间和奖惩函数具体描述为：
智能体可以感知到的环境状态空间参数包括：电网频率偏差Δf和储能的荷电状态SOC；
智能体的动作对应为储能系统的实时出力值PE：当PE为负时，储能系统放电，与系统的发电机组共同给负荷供电；当PE为正时，储能系统充电，吸收系统内多余电能。
5.根据权利要求4所述的基于DDPG算法和SOC恢复的储能系统参与电网一次调频的控制方法，其特征在于：
所述奖惩函数的设置需要考虑调频效果和SOC恢复效果；当前一时刻的频率偏差Δft-1在储能调频死区外时，奖惩函数激励智能体参与一次调频；当前一时刻的频率偏差Δft-1在储能调频死区内时，奖惩函数激励智能体进行荷电状态恢复。
6.根据权利要求5所述的基于DDPG算法和SOC恢复的储能系统参与电网一次调频的控制方法，其特征在于：
所述奖惩函数具体描述为：
Figure FDA0003046166190000021
式中，Δft-1为前一时刻的频率偏差；Δft为当前时刻的频率偏差；dΔft为频率偏差变化率；Δfset为调频死区界限；SOCt为当前时刻储能荷电状态；SOCset为储能荷电状态理想值；a、b、c均为奖励的权重系数且均为负数；
在该奖惩函数激励下，训练过程中智能体朝着减小|Δft|、|dΔft|和|SOCt-SOCset|的方向更新决策策略，即储能出力减小频率偏差并进行SOC恢复，达到控制目标。
7.根据权利要求6所述的基于DDPG算法和SOC恢复的储能系统参与电网一次调频的控制方法，其特征在于：所述调频死区界限设置为0.033Hz；所述储能荷电状态理想值设置为0.5。
CN202110471603.XA 2021-04-29 2021-04-29 基于ddpg算法和soc恢复的储能系统参与电网一次调频的控制方法 Expired - Fee Related CN113141017B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110471603.XA CN113141017B (zh) 2021-04-29 2021-04-29 基于ddpg算法和soc恢复的储能系统参与电网一次调频的控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110471603.XA CN113141017B (zh) 2021-04-29 2021-04-29 基于ddpg算法和soc恢复的储能系统参与电网一次调频的控制方法

Publications (2)

Publication Number Publication Date
CN113141017A true CN113141017A (zh) 2021-07-20
CN113141017B CN113141017B (zh) 2022-08-09

Family

ID=76816493

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110471603.XA Expired - Fee Related CN113141017B (zh) 2021-04-29 2021-04-29 基于ddpg算法和soc恢复的储能系统参与电网一次调频的控制方法

Country Status (1)

Country Link
CN (1) CN113141017B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113949135A (zh) * 2021-11-02 2022-01-18 燕山大学 一种储能soc恢复控制方法
CN117863948A (zh) * 2024-01-17 2024-04-12 广东工业大学 一种辅助调频的分散电动汽车充电控制方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190279081A1 (en) * 2018-03-07 2019-09-12 International Business Machines Corporation Constraining actions for reinforcement learning under safety requirements
CN110365056A (zh) * 2019-08-14 2019-10-22 南方电网科学研究院有限责任公司 一种基于ddpg的分布式能源参与配电网调压优化方法
CN112491064A (zh) * 2020-12-09 2021-03-12 福州大学 一种考虑soc自适应恢复的储能一次调频综合控制方法
CN112614009A (zh) * 2020-12-07 2021-04-06 国网四川省电力公司电力科学研究院 一种基于深度期望q-学习的电网能量管理方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190279081A1 (en) * 2018-03-07 2019-09-12 International Business Machines Corporation Constraining actions for reinforcement learning under safety requirements
CN110365056A (zh) * 2019-08-14 2019-10-22 南方电网科学研究院有限责任公司 一种基于ddpg的分布式能源参与配电网调压优化方法
CN112614009A (zh) * 2020-12-07 2021-04-06 国网四川省电力公司电力科学研究院 一种基于深度期望q-学习的电网能量管理方法及系统
CN112491064A (zh) * 2020-12-09 2021-03-12 福州大学 一种考虑soc自适应恢复的储能一次调频综合控制方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113949135A (zh) * 2021-11-02 2022-01-18 燕山大学 一种储能soc恢复控制方法
CN113949135B (zh) * 2021-11-02 2023-09-22 燕山大学 一种储能soc恢复控制方法
CN117863948A (zh) * 2024-01-17 2024-04-12 广东工业大学 一种辅助调频的分散电动汽车充电控制方法及装置

Also Published As

Publication number Publication date
CN113141017B (zh) 2022-08-09

Similar Documents

Publication Publication Date Title
CN107332234B (zh) 一种考虑可再生能源间歇性的主动配电网多故障修复方法
CN111900721B (zh) 一种基于风水协同发电模式下的智能电网频率控制方法
CN113141017B (zh) 基于ddpg算法和soc恢复的储能系统参与电网一次调频的控制方法
CN102684222B (zh) 一种基于储能技术的风力发电功率平滑控制方法
CN110867873B (zh) 一种远洋孤岛微电网频率控制方法
Fathy et al. Minimum hydrogen consumption based control strategy of fuel cell/PV/battery/supercapacitor hybrid system using recent approach based parasitism-predation algorithm
CN104156789A (zh) 计及储能寿命损耗的孤立微电网最优经济运行方法
Wang et al. Power dynamic allocation strategy for urban rail hybrid energy storage system based on iterative learning control
Guo et al. Double-layer AGC frequency regulation control method considering operating economic cost and energy storage SOC consistency
CN115021285A (zh) 基于鲁棒模型预测控制的电池储能参与风电波动平抑方法
CN111654054A (zh) 一种储能基于自适应神经网络(ann)平抑短期风电波动的控制方法
CN104871388A (zh) 控制装置及方法和程序、以及具备该控制装置的自然能发电装置
CN113507105B (zh) 基于mpc-pi的多电飞机混合动力系统的能量管理方法
Melero-Pérez et al. Fuzzy logic energy management strategy for fuel cell/ultracapacitor/battery hybrid vehicle with multiple-input DC/DC converter
CN116805803A (zh) 基于自适应mpc的风光储离网制氢系统能量调度方法
CN116562423A (zh) 基于深度强化学习的电-热耦合新能源系统能量管理方法
CN105552932A (zh) 基于bess和de协调的独立微电网频率分层鲁棒控制方法
Zidane et al. A new fuzzy logic solution for energy management of hybrid photovoltaic/battery/hydrogen system
KR101661820B1 (ko) 다수의 에너지 저장장치를 이용한 신재생 발전기의 출력 변동률 제어 시스템 및 방법
Wang et al. Control strategies of battery energy storage systems for smoothing wind power fluctuations
Mallick et al. Model predictive control based economic operation of grid-connected DC microgrid system
CN117913771A (zh) 一种基于dc-dc fc双向变换器的多电飞机电力系统的能量管理控制策略
Yu et al. Bi-level Optimal Control Strategy of Energy Storage Participating in Power Grid Frequency Regulation Based on Multi ObjectiveGenetic Algorithm
CN118040721A (zh) 一种5g基站混合储能与光伏协同参与配电网调控方法
Hangxuan et al. Coordinated Control of Gravity Energy Storage Matrix System for New Energy Power Stations in Cold Regions

Legal Events

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

Granted publication date: 20220809

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