基于经验模态分解和神经网络的微网混合储能容量优化配置

被引：56

作者：

孙承晨 ^{[1
]}

袁越 ^{[1
]}

San Shing CHOI ^{[2
]}

李梦婷 ^{[2
]}

张新松 ^{[3
]}

曹阳 ^{[1
]}

机构：

[1] 河海大学能源与电气学院

[2] 南洋理工大学电机与电子工程学院

[3] 南通大学电气工程学院

来源：

电力系统自动化 | 2015年 / 39卷 / 08期

关键词：

混合储能系统; 神经网络; 经验模态分解; 平滑度指标;

D O I：

暂无

中图分类号：

TM53 [电容器]; TM912 [蓄电池];

学科分类号：

080801 ; 0808 ;

摘要：

提出一种针对独立微网的超级电容/蓄电池混合储能系统(HESS)的容量优化方法。运用经验模态分解技术,将一段记录完全的非平稳风功率分解成为若干固有模态函数(IMF)。在各固有模态函数的瞬时频率—时间曲线的基础上,通过"分频频率"将原始风功率分解成高频与低频2部分,并分别采用HESS中的超级电容和蓄电池来平抑风功率的高频、低频波动分量。平抑后输入负荷侧的功率平滑度可通过平滑度指标量化。采用神经网络模型优化HESS的容量,通过成本和平滑度指标之间的折中实现HESS的容量优化配置。基于某风电场实测数据的仿真实验验证了所提方法的有效性。

引用

页码：19 / 26

页数：8

共 10 条

[1] 电池储能平抑短期风电功率波动运行策略 [J].

娄素华 ;

吴耀武 ;

崔艳昭 ;

易林 ;

王建军 ;

侯婷婷 .

电力系统自动化, 2014, 38 (02) :17-22+58

[2] 微电网技术综述 [J].

杨新法 ;

苏剑 ;

吕志鹏 ;

刘海涛 ;

李蕊 .

中国电机工程学报, 2014, 34 (01) :57-70

[3] 计及电池使用寿命的混合储能系统容量优化模型 [J].

韩晓娟 ;

程成 ;

籍天明 ;

马会萌 .

中国电机工程学报, 2013, 33 (34) :91-97+16

[4] 内蕴运行寿命测算的混合储能系统控制策略设计 [J].

严干贵 ;

朱星旭 ;

李军徽 ;

穆钢 ;

罗卫华 ;

杨凯 .

电力系统自动化, 2013, 37 (01) :110-114

[5] 风电场复合储能系统容量配置的优化设计 [J].

张坤 ;

毛承雄 ;

谢俊文 ;

陆继明 ;

王丹 ;

曾杰 ;

陈迅 .

中国电机工程学报, 2012, 32 (25) :79-87+13

[6]

Progress in electrical energy storage system:A critical review[J]. Thang Ngoc Cong.Progress in Natural Science. 2009(03)

[7] 多目标优化改进遗传算法在电网规划中的应用 [J].

伍力 ;

吴捷 ;

钟丹虹 .

电力系统自动化, 2000, (12) :45-48

[8] 遗传算法在多目标电网优化规划中的应用 [J].

谢敬东 ;

王磊 ;

唐国庆 .

电力系统自动化, 1998, (10) :20-22

[9]

Optimum sizing and optimum energy management of a hybrid energy storage system for lithium battery life improvement[J] . Masoud Masih-Tehrani,Mohammad-Reza Ha’iri-Yazdi,Vahid Esfahanian,Ali Safaei.Journal of Power Sources . 2013

[10] The empirical mode decomposition and the Hilbert spectrum for nonlinear and non-stationary time series analysis [J].

Huang, NE ;

Shen, Z ;

Long, SR ;

Wu, MLC ;

Shih, HH ;

Zheng, QN ;

Yen, NC ;

Tung, CC ;

Liu, HH .

PROCEEDINGS OF THE ROYAL SOCIETY A-MATHEMATICAL PHYSICAL AND ENGINEERING SCIENCES, 1998, 454 (1971) :903-995

← 1 →