风电波动平抑下考虑SOC均衡及收益的电池储能功率分配策略

被引：29

作者：

余洋 ^{[1
,2
]}

陈东阳 ^{[1
,2
]}

吴玉威 ^{[1
,2
]}

李佳丽 ^{[1
,2
]}

王卜潇 ^{[1
,2
]}

米增强 ^{[1
,2
]}

机构：

[1] 华北电力大学新能源电力系统国家重点实验室

[2] 华北电力大学河北省分布式储能与微网重点实验室

来源：

高电压技术 | 2023年 / 49卷 / 04期

基金：

国家重点研发计划;

关键词：

电池储能系统; 平抑风电波动; SOC均衡; 功率分配; 改进算术优化算法;

D O I：

暂无

中图分类号：

TM614 [风能发电]; TM91 [独立电源技术（直接发电）];

学科分类号：

080802 [电力系统及其自动化]; 080811 [新能源发电与电能存储];

摘要：

针对电池储能(battery energy storage system,BESS)平抑风电波动过程中电池单元荷电状态(state of charge,SOC)均衡性较差且未考虑风储净收益的问题，提出了风电波动平抑下考虑SOC均衡及收益的BESS功率分配策略。首先，建立综合考虑售电收益、弃风惩罚、缺电惩罚及BESS运行成本等多个因素的风电并网指令优化模型，以并网指令波动率、电池组SOC标准差等多个因素为约束条件，提出改进算术优化算法(improvedarithmeticoptimizationalgorithm,IAOA)求解该优化模型。然后，将BESS划分为两个电池组，设计了BESS双层功率分配方法(double-layer power allocation method,DPAM)，上层将BESS充放电指令分配给两个电池组，下层根据最大充放电功率原则或新型SOC均衡原则将电池组充放电指令分配给各自的电池单元。最后，通过仿真对所提策略进行了验证。仿真结果表明：IAOA加快了寻优速度，提高了寻优精度；DPAM提升了电池组内电池单元SOC的均衡速度，改善了均衡程度；提出的功率分配策略进一步降低了风电并网波动率，同时提高了风储系统净收益。

引用

页码：1714 / 1723

页数：10

共 25 条

[1]

基于智能优化算法的风电功率预测及并网稳定性研究 [D].

周宇健 .

湖南工业大学,

2021

[2]

Parameter extraction of single; double; and three diodes photovoltaic model based on guaranteed convergence arithmetic optimization algorithm and modified third order Newton Raphson methods.[J].Ridha Hussein Mohammed;Hizam Hashim;Mirjalili Seyedali;Othman Mohammad Lutfi;Ya'acob Mohammad Effendy;Ahmadipour Masoud.Renewable and Sustainable Energy Reviews.2022,

[3]

A comprehensive wind speed prediction system based on Monte Carlo and artificial intelligence algorithms.[J].Zhang Yagang;Zhao Yunpeng;Shen Xiaoyu;Zhang Jinghui.Applied Energy.2022,

[4]

Analysis of power allocation strategies in the smoothing of wind farm power fluctuations considering lifetime extension of BESS units.[J].Mohsen Jannati;Eisa Foroutan.Journal of Cleaner Production.2020, prepublish

[5]

Multi-objective energy management in microgrids with hybrid energy sources and battery energy storage systems.[J].V. V. S. N. Murty;Ashwani Kumar.Protection and Control of Modern Power Systems.2020, 4

[6]

A Novel Event Detection Method Using PMU Data With High Precision [J].