CN114865701A - 基于自适应模型预测控制的风储联合调频方法 - Google Patents

基于自适应模型预测控制的风储联合调频方法 Download PDF

Info

Publication number
CN114865701A
CN114865701A CN202210603643.XA CN202210603643A CN114865701A CN 114865701 A CN114865701 A CN 114865701A CN 202210603643 A CN202210603643 A CN 202210603643A CN 114865701 A CN114865701 A CN 114865701A
Authority
CN
China
Prior art keywords
power
wind
frequency modulation
fan
energy storage
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.)
Pending
Application number
CN202210603643.XA
Other languages
English (en)
Inventor
朱瑛
石琦
滕德红
周亦洲
韩海腾
黄蔓云
陈�胜
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN202210603643.XA priority Critical patent/CN114865701A/zh
Publication of CN114865701A publication Critical patent/CN114865701A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/24Arrangements for preventing or reducing oscillations of power in networks
    • H02J3/241The oscillation concerning frequency
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20The dispersed energy generation being of renewable origin
    • H02J2300/28The renewable source being wind energy
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

本发明公开了一种基于自适应模型预测控制的风储联合调频方法,包括以下步骤:S1采集电力系统的实际频率与风机转速,计算当前系统的频率偏差作为优化目标,风机转速作为输入变量;S2构建风储联合系统参与电网一次调频的模型,其中各部件采用传递函数模型;S3考虑超短时间周期内,根据采集的实时风机转速确定风机输出功率与转速的线性化斜率,以模型预测控制为主,在预测时域N内,以最小化系统的频率偏差和风机与储能出力,建立优化目标函数,定义系统的状态和控制输入的约束,计算风机转速与储能的最优输出功率序列,取最优控制序列的第一组值为风储联合系统的最优输入控制量,将参考功率任务下达至风电机组和储能系统参与一次调频。

Description

基于自适应模型预测控制的风储联合调频方法
技术领域
本发明属于风电领域,特别是涉及基于自适应模型预测控制的风储联合调频方法。
背景技术
虽然近年来风力发电得到了大力发展,但也有很多因素制约着风能大规模并网。最主要的因素在于风能具有随机性、间歇性和不可预测性等特点,由于其发电设备不具备响应系统频率变化的惯量和一次调频能力,会影响系统的频率稳定性,单独依靠传统机组进行一次调频因调频容量有限难以满足调频需求。为了保证系统的频率稳定性,现有大多数风电机组已具备一定的调频能力。除了风电场直接参与电网调频外,储能技术的快速发展也为调频提供了新的解决办法。储能系统响应速度快,能够快速控制双向功率,并且跟踪功率能力强,可以满足多种场景下的调频需求。为了有效改善电网的经济效益和调频性能,大部分现有风电机组和储能装置相结合共同参与系统的一次调频。
风电和储能联合参与调频,目前已有相关研究。这些研究都提出将风电和储能相结合,能更有效地改善电网的经济效益和调频性能。但是很少有研究对风储联合系统使用最优控制来处理电网的调频问题,因而不具有最优性。且实际风电场与储能系统运行时存在功率备用上限、储能的荷电状态等约束条件,传统方法由于处理约束条件的效能较差,很难有效地同时处理这些约束。模型预测控制能较好地解决以上问题,它是一种基于模型的最优控制技术,是解决最优控制问题的有效途径。目前已有一些研究采用模型预测控制解决风储调频的控制问题,其中有单独通过电池储能参与调频的模型预测控制方法,也有基于模型预测控制的风机调频方法,可以在加强电网调频能力的同时平抑了风电功率波动,但是上述这些基于模型预测控制的研究大多数都是单独考虑风机或者单独考虑储能参与调频,未能将两者结合起来同时考虑,并且对于风机和储能在短时间尺度上的功率分配方法的研究涉及很少。
因此,本发明结合了传统基于模型预测控制分别单独对储能或风机调频的控制方法的优点,利用风机与储能之间的协调控制,并对模型进行了简化,解决了在短时间尺度过程中风储联合系统参与电网一次调频的功率最优分配问题。
发明内容
发明目的:本发明的目的是提供一种能够解决现有技术中存在的缺陷的基于自适应模型预测控制的风储联合调频方法。
技术方案:本发明提出一种基于自适应模型预测控制的风储联合调频方法,该方法包括以下步骤:
S1:采集电力系统的实际频率与风机转速,计算当前系统的频率偏差;
S2:构建风储联合系统参与电网一次调频的模型,其中各部件采用传递函数模型;
S3:根据采集的实时风机转速确定风机输出功率与转速的线性化关系,在预测时域N内,以最小化风机与储能出力损耗,同时最大化调频效果,建立多目标优化函数,考虑系统的状态和控制输入的约束,计算得到预测时域N内每一时刻的风机转速与储能的最优输出,取第一个时刻风机转速与储能的最优输出作为风储联合系统的最优输入控制量,将参考功率任务下达至风电机组和储能系统参与一次调频。
进一步的,所述步骤S2中,风储联合系统参与电网一次调频的组成部分包括:火电机组、储能装置、风机、电网频率动态模型:
火电机组调速器传递函数为:
Figure BDA0003668907490000021
式(1)中,s为复频率,TG为调速器动作时间常数;
火电机组涡轮机传递函数为:
Figure BDA0003668907490000022
式(2)中,TR为涡轮机时间常数;
储能装置模型传递函数为:
Figure BDA0003668907490000023
式(3)中,TB为储能响应时间常数;
风机采用超速减载运行方式,转速的调节响应传递函数为:
Figure BDA0003668907490000031
式(4)中,Tω为转速调节响应时间常数;
电网频率动态模型为:
Figure BDA0003668907490000032
式(5)中,Δf为电网频率偏差,ΔPg为火电机组一次调频出力变化量,ΔPwind为风机一次调频功率出力变化量,ΔPbess为储能功率变化量,Pload为负载功率变化量,H为电网惯性时间常数,D为负荷调节系数。
进一步的:所述步骤S3中,根据采集的实时风机转速确定风机输出功率与转速的线性化关系,将转速与风机输出功率关系线性化,风机输出功率模型为:
ΔPwind=m·Δωr (6)
式(6)中,m为根据转速计算得到的线性化后风机输出功率曲线的斜率,Δωr为转速变化量;其中,参数m随转速变化而自适应变化,保持为线性化后风机输出功率曲线的斜率;
风电一次调频损耗为:
Cwind=a1·(ΔPwind)2 (7)
式(7)中,Cwind为风电一次调频损耗,a1为风电机组功率偏移的损耗系数;储能一次调频损耗为:
Cbess=a2·(ΔPbess)2+a3·(S-Sref)2 (8)
式中,Cbess为储能一次调频损耗,a2、a3为储能功率偏移与荷电状态值偏移的惩罚系数,S为储能荷电状态值,Sref为荷电状态参考值;
调频效果衡量公式为:
Wf=a4·(Δf)2 (9)
式中,Wf为总调频收益,a4为衡量调频经济效益系数;
多目标优化函数为:
J=Cwind+Cbess-Wf (10)
式中,J为需要最小化的待优化函数,Cwind为风电一次调频损耗,Cbess为储能一次调频损耗,Wf为总调频收益;
在预测时域N内,离散化自适应预测模型为:
Figure BDA0003668907490000041
其中,矩阵A、B、R、C分别为系统矩阵、控制输入矩阵、外部干扰输入矩阵、输出矩阵,k为时间刻度,k∈(1,N),x(k)为ΔPg(k)、ΔPbess(k)、ΔPwind(k)、S(k)、Δf(k)组成的k时刻状态向量,ΔPg(k)为k时刻火电机组出力变化量,ΔPbess(k)为k时刻储能功率变化量,ΔPwind(k)为k时刻风机功率出力变化量,S(k)为k时刻储能荷电状态值,Δf(k)为k时刻电网频率偏差;Δu(k)为ΔPbess(k)、ΔPwind(k)组成的k时刻控制变量,r(k)为Pload(k)构成的干扰变量,Pload(k)为k时刻的负载功率变化量;y(k)为ΔPbess(k)、ΔPwind(k)、S(k)、Δf(k)组成的k时刻输出向量;
综合考虑储能功率变化量约束、风机转速变化量约束、储能荷电状态约束:
Figure BDA0003668907490000042
式(12)中,PB为储能的额定功率,ωmin、ωmax分别为转速的上下限值,ωr为当前转速,Smin、Smax分别为储能荷电状态最小、最大值;
根据式(11)计算可知,在预测时域N内,系统状态向量为:
Figure BDA0003668907490000043
系统输出变量为:
Figure BDA0003668907490000044
基于上述输出变量,计算控制时域N内优化目标函数J(N)为:
Figure BDA0003668907490000051
为使J(N)达到最小,在约束条件式(12)下通过二次规划求解器最优求解得到控制变量Δu(1)…Δu(N),即得到风机转速与储能输出功率变化量的最优参考值序列,取最优参考值序列的第一组值Δu(1)作为风储联合系统的最优输入控制量,参与电网一次调频,并在下一时刻,重复步骤S3,持续参与电网一次调频。
有益效果:与现有技术相比,本发明的技术方案具有以下有益技术效果:
本发明公开了一种基于自适应模型预测控制的风储联合调频方法,采用了模型预测控制方法对风机和储能出力进行优化,能够有效的考虑各种约束条件,拓展性强。并且通过对输出功率与转速关系的自适应线性化处理使模型简化的同时兼具准确性。此外,本发明建立了风机和储能在调频过程中兼具调频效果与经济性的优化函数,使得在短时间尺度过程中风储联合系统参与电网一次调频的功率分配更优。
附图说明
图1为本发明具体实施方式中基于模型预测控制的风储联合系统参与电网一次调频的控制框图。
具体实施方式
本具体实施方式公开了本发明提出一种基于自适应模型预测控制的风储联合调频方法,该方法包括以下步骤:
S1:采集电力系统的实际频率与风机转速,计算当前系统的频率偏差;
S2:构建风储联合系统参与电网一次调频的模型,其中各部件采用传递函数模型;
S3:根据采集的实时风机转速确定风机输出功率与转速的线性化关系,在预测时域N内,以最小化风机与储能出力损耗,同时最大化调频效果,建立多目标优化函数,考虑系统的状态和控制输入的约束,计算得到预测时域N内每一时刻的风机转速与储能的最优输出,取第一个时刻风机转速与储能的最优输出作为风储联合系统的最优输入控制量,将参考功率任务下达至风电机组和储能系统参与一次调频。
进一步的,所述步骤S2中,风储联合系统参与电网一次调频的组成部分包括:火电机组、储能装置、风机、电网频率动态模型:
火电机组调速器传递函数为:
Figure BDA0003668907490000061
式(1)中,s为复频率,TG为调速器动作时间常数;
火电机组涡轮机传递函数为:
Figure BDA0003668907490000062
式(2)中,TR为涡轮机时间常数;
储能装置模型传递函数为:
Figure BDA0003668907490000063
式(3)中,TB为储能响应时间常数;
风机采用超速减载运行方式,转速的调节响应传递函数为:
Figure BDA0003668907490000064
式(4)中,Tω为转速调节响应时间常数;
电网频率动态模型为:
Figure BDA0003668907490000065
式(5)中,Δf为电网频率偏差,ΔPg为火电机组一次调频出力变化量,ΔPwind为风机一次调频功率出力变化量,ΔPbess为储能功率变化量,Pload为负载功率变化量,H为电网惯性时间常数,D为负荷调节系数。
进一步的:所述步骤S3中,根据采集的实时风机转速确定风机输出功率与转速的线性化关系,将转速与风机输出功率关系线性化,风机输出功率模型为:
ΔPwind=m·Δωr (6)
式(6)中,m为根据转速计算得到的线性化后风机输出功率曲线的斜率,Δωr为转速变化量;其中,参数m随转速变化而自适应变化,保持为线性化后风机输出功率曲线的斜率;
风电一次调频损耗为:
Cwind=a1·(ΔPwind)2 (7)
式(7)中,Cwind为风电一次调频损耗,a1为风电机组功率偏移的损耗系数;
储能一次调频损耗为:
Cbess=a2·(ΔPbess)2+a3·(S-Sref)2 (8)
式中,Cbess为储能一次调频损耗,a2、a3为储能功率偏移与荷电状态值偏移的惩罚系数,S为储能荷电状态值,Sref为荷电状态参考值;
调频效果衡量公式为:
Wf=a4·(Δf)2 (9)
式中,Wf为总调频收益,a4为衡量调频经济效益系数;
多目标优化函数为:
J=Cwind+Cbess-Wf (10)
式中,J为需要最小化的待优化函数,Cwind为风电一次调频损耗,Cbess为储能一次调频损耗,Wf为总调频收益;
在预测时域N内,离散化自适应预测模型为:
Figure BDA0003668907490000071
其中,矩阵A、B、R、C分别为系统矩阵、控制输入矩阵、外部干扰输入矩阵、输出矩阵,k为时间刻度,k∈(1,N),x(k)为ΔPg(k)、ΔPbess(k)、ΔPwind(k)、S(k)、Δf(k)组成的k时刻状态向量,ΔPg(k)为k时刻火电机组出力变化量,ΔPbess(k)为k时刻储能功率变化量,ΔPwind(k)为k时刻风机功率出力变化量,S(k)为k时刻储能荷电状态值,Δf(k)为k时刻电网频率偏差;Δu(k)为ΔPbess(k)、ΔPwind(k)组成的k时刻控制变量,r(k)为Pload(k)构成的干扰变量,Pload(k)为k时刻的负载功率变化量;y(k)为ΔPbess(k)、ΔPwind(k)、S(k)、Δf(k)组成的k时刻输出向量;
综合考虑储能功率变化量约束、风机转速变化量约束、储能荷电状态约束:
Figure BDA0003668907490000081
式(12)中,PB为储能的额定功率,ωmin、ωmax分别为转速的上下限值,ωr为当前转速,Smin、Smax分别为储能荷电状态最小、最大值;
根据式(11)计算可知,在预测时域N内,系统状态向量为:
Figure BDA0003668907490000082
系统输出变量为:
Figure BDA0003668907490000083
基于上述输出变量,计算控制时域N内优化目标函数J(N)为:
Figure BDA0003668907490000084
为使J(N)达到最小,在约束条件式(12)下通过二次规划求解器最优求解得到控制变量Δu(1)…Δu(N),即得到风机转速与储能输出功率变化量的最优参考值序列,取最优参考值序列的第一组值Δu(1)作为风储联合系统的最优输入控制量,参与电网一次调频,并在下一时刻,重复步骤S3,持续参与电网一次调频。风机减载后,基于模型预测控制的风储联合系统参与电网一次调频的简化控制框图如图1所示。

Claims (3)

1.一种基于自适应模型预测控制的风储联合调频方法,其特征在于:该方法包括以下步骤:
S1:采集电力系统的实际频率与风机转速,计算当前系统的频率偏差;
S2:构建风储联合系统参与电网一次调频的模型,其中各部件采用传递函数模型;
S3:根据采集的实时风机转速确定风机输出功率与转速的线性化关系,在预测时域N内,以最小化风机与储能出力损耗,同时最大化调频效果,建立多目标优化函数,根据系统的状态和控制输入的约束,计算得到预测时域N内每一时刻的风机转速与储能的最优输出,取第一个时刻风机转速与储能的最优输出作为风储联合系统的最优输入控制量,将参考功率任务下达至风电机组和储能系统参与一次调频。
2.根据权利要求1所述的一种基于自适应模型预测控制的风储联合调频方法,其特征在于:所述步骤S2中,风储联合系统参与电网一次调频的组成部分包括:火电机组、储能装置、风机、电网频率动态模型:
火电机组调速器传递函数为:
Figure FDA0003668907480000011
式(1)中,s为复频率,TG为调速器动作时间常数;
火电机组涡轮机传递函数为:
Figure FDA0003668907480000012
式(2)中,TR为涡轮机时间常数;
储能装置模型传递函数为:
Figure FDA0003668907480000013
式(3)中,TB为储能响应时间常数;
风机采用超速减载运行方式,转速的调节响应传递函数为:
Figure FDA0003668907480000014
式(4)中,Tω为转速调节响应时间常数;
电网频率动态模型为:
Figure FDA0003668907480000021
式(5)中,Δf为电网频率偏差,ΔPg为火电机组一次调频出力变化量,ΔPwind为风机一次调频功率出力变化量,ΔPbess为储能功率变化量,Pload为负载功率变化量,H为电网惯性时间常数,D为负荷调节系数。
3.根据权利要求2所述的一种基于自适应模型预测控制的风储联合调频方法,其特征在于:所述步骤S3中,根据采集的实时风机转速确定风机输出功率与转速的线性化关系,将转速与风机输出功率关系线性化,风机输出功率模型为:
ΔPwind=m·Δωr (6)
式(6)中,m为根据转速计算得到的线性化后风机输出功率曲线的斜率,Δωr为转速变化量;其中,参数m随转速变化而自适应变化,保持为线性化后风机输出功率曲线的斜率;
风电一次调频损耗为:
Cwind=a1·(ΔPwind)2 (7)
式(7)中,Cwind为风电一次调频损耗,a1为风电机组功率偏移的损耗系数;
储能一次调频损耗为:
Cbess=a2·(ΔPbess)2+a3·(S-Sref)2 (8)
式中,Cbess为储能一次调频损耗,a2、a3为储能功率偏移与荷电状态值偏移的惩罚系数,S为储能荷电状态值,Sref为荷电状态参考值;
调频效果衡量公式为:
Wf=a4·(Δf)2 (9)
式中,Wf为总调频收益,a4为衡量调频经济效益系数;
多目标优化函数为:
J=Cwind+Cbess-Wf (10)
式中,J为需要最小化的待优化函数,Cwind为风电一次调频损耗,Cbess为储能一次调频损耗,Wf为总调频收益;
在预测时域N内,离散化自适应预测模型为:
Figure FDA0003668907480000031
其中,矩阵A、B、R、C分别为系统矩阵、控制输入矩阵、外部干扰输入矩阵、输出矩阵,k为时间刻度,k∈(1,N),x(k)为ΔPg(k)、ΔPbess(k)、ΔPwind(k)、S(k)、Δf(k)组成的k时刻状态向量,ΔPg(k)为k时刻火电机组出力变化量,ΔPbess(k)为k时刻储能功率变化量,ΔPwind(k)为k时刻风机功率出力变化量,S(k)为k时刻储能荷电状态值,Δf(k)为k时刻电网频率偏差;Δu(k)为ΔPbess(k)、ΔPwind(k)组成的k时刻控制变量,r(k)为Pload(k)构成的干扰变量,Pload(k)为k时刻的负载功率变化量;y(k)为ΔPbess(k)、ΔPwind(k)、S(k)、Δf(k)组成的k时刻输出向量;
综合考虑储能功率变化量约束、风机转速变化量约束、储能荷电状态约束:
Figure FDA0003668907480000032
式(12)中,PB为储能的额定功率,ωmin、ωmax分别为转速的上下限值,ωr为当前转速,Smin、Smax分别为储能荷电状态最小、最大值;
根据式(11)计算可知,在预测时域N内,系统状态向量为:
Figure FDA0003668907480000033
系统输出变量为:
Figure FDA0003668907480000034
基于上述输出变量,计算控制时域N内优化目标函数J(N)为:
Figure FDA0003668907480000035
为使J(N)达到最小,在约束条件式(12)下通过二次规划求解器最优求解得到控制变量Δu(1)…Δu(N),即得到风机转速与储能输出功率变化量的最优参考值序列,取最优参考值序列的第一组值Δu(1)作为风储联合系统的最优输入控制量,参与电网一次调频,并在下一时刻,重复步骤S3,持续参与电网一次调频。
CN202210603643.XA 2022-05-30 2022-05-30 基于自适应模型预测控制的风储联合调频方法 Pending CN114865701A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210603643.XA CN114865701A (zh) 2022-05-30 2022-05-30 基于自适应模型预测控制的风储联合调频方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210603643.XA CN114865701A (zh) 2022-05-30 2022-05-30 基于自适应模型预测控制的风储联合调频方法

Publications (1)

Publication Number Publication Date
CN114865701A true CN114865701A (zh) 2022-08-05

Family

ID=82640735

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210603643.XA Pending CN114865701A (zh) 2022-05-30 2022-05-30 基于自适应模型预测控制的风储联合调频方法

Country Status (1)

Country Link
CN (1) CN114865701A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116093970A (zh) * 2023-01-29 2023-05-09 南京理工大学 计及转速保护的双馈风机一次调频模型预测控制方法
CN116565898A (zh) * 2023-07-04 2023-08-08 昆明理工大学 一种基于风速预测的风储联合一次调频的自适应控制方法
CN116581780A (zh) * 2023-05-18 2023-08-11 华北电力大学 一种风储联合系统一次调频特性建模与控制方法
CN117013569A (zh) * 2023-10-07 2023-11-07 国网山西省电力公司运城供电公司 基于调频系数优化的风储协调一次调频控制方法与设备
CN117375028A (zh) * 2023-12-08 2024-01-09 西安热工研究院有限公司 一种火电机组一次调频在线评估及储能优化配置方法
CN117613984A (zh) * 2024-01-23 2024-02-27 主力能源(北京)有限公司 一种用于风电储能的控制协调方法及系统

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116093970A (zh) * 2023-01-29 2023-05-09 南京理工大学 计及转速保护的双馈风机一次调频模型预测控制方法
CN116093970B (zh) * 2023-01-29 2023-12-05 南京理工大学 计及转速保护的双馈风机一次调频模型预测控制方法
CN116581780A (zh) * 2023-05-18 2023-08-11 华北电力大学 一种风储联合系统一次调频特性建模与控制方法
CN116565898A (zh) * 2023-07-04 2023-08-08 昆明理工大学 一种基于风速预测的风储联合一次调频的自适应控制方法
CN116565898B (zh) * 2023-07-04 2023-09-15 昆明理工大学 一种基于风速预测的风储联合一次调频的自适应控制方法
CN117013569A (zh) * 2023-10-07 2023-11-07 国网山西省电力公司运城供电公司 基于调频系数优化的风储协调一次调频控制方法与设备
CN117375028A (zh) * 2023-12-08 2024-01-09 西安热工研究院有限公司 一种火电机组一次调频在线评估及储能优化配置方法
CN117375028B (zh) * 2023-12-08 2024-03-22 西安热工研究院有限公司 一种火电机组一次调频在线评估及储能优化配置方法
CN117613984A (zh) * 2024-01-23 2024-02-27 主力能源(北京)有限公司 一种用于风电储能的控制协调方法及系统
CN117613984B (zh) * 2024-01-23 2024-04-30 主力能源(北京)有限公司 一种用于风电储能的控制协调方法及系统

Similar Documents

Publication Publication Date Title
CN114865701A (zh) 基于自适应模型预测控制的风储联合调频方法
CN111738497B (zh) 计及需求侧响应的虚拟电厂双层优化调度方法
CN115296308B (zh) 计及储能荷电状态及自适应惯性水平的鲁棒协同调频方法
CN115842359B (zh) 考虑动态调频性能的风光储场站一次调频备用整定方法
CN103138256A (zh) 一种新能源电力消纳全景分析系统及方法
CN109217374B (zh) 一种风电电力系统无功电压事前多时间尺度优化控制方法
CN110336274B (zh) 增设虚拟电厂调节器的虚拟电厂运行方法
CN111697578B (zh) 多目标含储能区域电网运行控制方法
CN108462212B (zh) 一种新能源电力系统在多源多调控域运行方式下控制方法
CN112332462B (zh) 考虑源-荷功率随机波动特性的双馈风力发电机组一次频率平滑调节方法
CN113159423A (zh) 基于风、火、光储协调的多能源联合优化调度运行方法
CN115102239A (zh) 一种考虑soc均衡的储能电站一次调频控制方法及系统
CN109980660B (zh) 基于发电机改进频率响应特性的鲁棒区间风电调度方法
CN108667077A (zh) 一种风蓄联合系统优化调度方法
Ali et al. Application of Energy Storage-PID For Load Frequency Control In Micro-hydro Using Flower Pollination Algorithm
CN116526511B (zh) 一种多源协同参与系统负荷频率控制的方法
CN116581780A (zh) 一种风储联合系统一次调频特性建模与控制方法
CN115102228A (zh) 一种含飞轮储能的风电场多目标协调频率优化方法和装置
CN115765054A (zh) 考虑风光无功调节的配电网分布式电源双层规划方法
Zhu et al. Capacity optimization configuration of wind farm energy storage system based on life cycle economic analysis
CN115021336A (zh) 一种面向高比例新能源电力系统惯量不足场景的优化方法
CN114398777A (zh) 一种基于巴什博弈理论的电力系统灵活性资源配置方法
Tang et al. Coordination Control of Wind Farm and Energy Storage Station for Primary Frequency Regulation
CN112186756B (zh) 一种面向虚拟电厂的储能容量配置方法
Dahbi et al. A Comparative Experimental Investigation of MPPT Controls for Variable Speed Wind Turbines

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