基于风速预测与储能的可调度风电场并网功率控制

被引:5
作者
毕大强 [1 ]
杨歆玉 [2 ]
吴正平 [2 ]
机构
[1] 不详
[2] 电力系统国家重点实验室清华大学电机系
[3] 不详
[4] 三峡大学电气与新能源学院
[5] 不详
基金
国家高技术研究发展计划(863计划);
关键词
风速预测; 储能; 风电场; 发电调度;
D O I
暂无
中图分类号
TM614 [风能发电];
学科分类号
0807 ;
摘要
由于风速变化的随机性,大规模风电场并网给电网调度带来困难,进而影响系统的稳定性。为了提高风电场的可调度性,本文提出了基于风速预测与钒电池储能的风电场并网功率协调控制系统。采用BP神经网络法对未来一天的风速进行预测,通过预测的风速值计算风电场向电网发送的功率,并将预测值提交到电网调度机构。同时,在风电场的出口处接入钒电池储能系统,快速响应弥补风电场实际发出功率与预测功率的误差,从而提高电网依据风功率预测进行风电场发电调度的可信性,改善了风电场与电力系统之间的协调运行能力。
引用
收藏
页码:1 / 4+12 +12
页数:5
相关论文
共 10 条
  • [1] 含风电系统的发用电一体化调度模型
    王卿然
    谢国辉
    张粒子
    [J]. 电力系统自动化, 2011, 35 (05) : 15 - 18+30
  • [2] 计及接纳风电能力的电网调度模型
    李智
    韩学山
    杨明
    雷宇
    康凯
    [J]. 电力系统自动化, 2010, 34 (19) : 15 - 19
  • [3] 基于钒电池储能系统的风电场并网功率控制
    毕大强
    葛宝明
    王文亮
    柴建云
    [J]. 电力系统自动化, 2010, 34 (13) : 72 - 78
  • [4] 基于BP神经网络的风速预测和风能发电潜力分析
    杨刚
    陈鸣
    [J]. 华东电力, 2010, 38 (02) : 304 - 309
  • [5] 考虑约束的风电调度模式
    韩自奋
    陈启卷
    [J]. 电力系统自动化, 2010, 34 (02) : 89 - 92
  • [6] 风电场短期风电功率的神经网络方法预测研究
    黄金花
    彭晖
    [J]. 电工电气, 2009, (09) : 57 - 60
  • [7] 风电场出力短期预报研究综述
    刘永前
    韩爽
    胡永生
    [J]. 现代电力, 2007, (05) : 6 - 11
  • [8] 风电场风速和发电功率预测研究
    杨秀媛
    肖洋
    陈树勇
    [J]. 中国电机工程学报, 2005, (11) : 1 - 5
  • [9] 钒氧化还原液流储能电池
    张华民
    赵平
    周汉涛
    衣宝廉
    [J]. 能源技术, 2005, (01) : 23 - 26
  • [10] The wind farm aggregation impact on power quality .2 Bialasi WEICZ JT MULJ ADI E. Proceedings of the 32nd Annual Conference of the IEEE Industrial Electronics Society . 2006