基于状态量预测的风储联合并网储能优化控制方法

被引：22

作者：

柴炜 ^{[1
]}

曹云峰 ^{[1
]}

李征 ^{[1
]}

蔡旭 ^{[1
,2
]}

机构：

[1] 上海交通大学电子信息与电气工程学院风力发电研究中心

[2] 海洋工程国家重点实验室,上海交通大学船舶海洋与建筑工程学院

来源：

电力系统自动化 | 2015年 / 39卷 / 02期

基金：

国家高技术研究发展计划(863计划);

关键词：

电池储能系统; 风电场; 短时调度; 预测控制; 混沌预测; 神经网络;

D O I：

暂无

中图分类号：

TM614 [风能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

为了使风电场兼具可调度性和输出功率平稳性,提出了基于状态量预测的电池储能系统(BESS)优化控制方法。该方法在BESS配合风电场短时调度的基础上增加了预测控制模块,该模块根据超短期风功率预测结果对电池极限状态进行预判,并综合考虑预测误差、波动尺度限定值和运行约束条件,实时调节BESS输出功率,以降低极端状态下的并网尖峰波动。为了提高预测精度,提出了结合混沌法和一般线性法的神经网络组合预测模型。算例结果表明,所提控制方法能使风储并网功率很好地跟踪调度指令,在实现了可调性的同时降低了并网尖峰波动。

引用

页码：13 / 20

页数：8

共 6 条

[1]

抑制风电爬坡率的风储联合优化控制方法 [J].

王颖 ;

张凯锋 ;

付嘉渝 ;

庞晓东 ;

耿建 .

电力系统自动化, 2013, 37 (13) :17-23

[2]

储能技术在解决大规模风电并网问题中的应用前景分析 [J].

袁小明 ;

程时杰 ;

文劲宇 .

电力系统自动化, 2013, 37 (01) :14-18

[3]

基于经验模式分解和混沌相空间重构的风电功率短期预测 [J].

张宜阳 ;

卢继平 ;

孟洋洋 ;

严欢 ;

李辉 .

电力系统自动化, 2012, 36 (05) :24-28

[4]

Short-term prediction of wind power using EMD and chaotic theory[J] Xueli An;Dongxiang Jiang;Minghao Zhao;Chao Liu Communications in Nonlinear Science and Numerical Simulation 2011,

[5]

Current methods and advances in forecasting of wind power generation[J] Aoife M. Foley;Paul G. Leahy;Antonino Marvuglia;Eamon J. McKeogh Renewable Energy 2011,

[6]

Short-Term Wind Speed Forecasting Based On Fuzzy Artmap[J] Ashraf Ul Haque;Julian Meng International Journal of Green Energy 2011,

← 1 →