储能电池参与电网调频的优化配置及控制策略研究

被引:0
作者
黄际元
机构
[1] 湖南大学
关键词
储能电池; 电网调频; 仿真模型; 容量配置; 控制策略;
D O I
暂无
年度学位
2015
学位类型
博士
导师
摘要
风电具有波动性和不确定性且不具备传统电源的惯性响应特性,大规模接入后会显著加剧电网调频压力,尤其是当含大规模风电的电网发生冲击性负荷扰动时,传统电源的响应速度将难以满足调频需求,该问题已成为电网接纳大规模风电的主要制约因素之一。因此,为缓解间歇式电源并网瓶颈并改善电网频率指标,有必要引入新的辅助调频手段,而储能电池的快速响应特性使其在参与电网调频方面具有优势。本文在传统调频的基础上,探索了储能电池参与电网调频的方法,研究了面向电网调频的储能电池仿真模型、技术经济评估模型和容量优化配置及其参与调频的动作时机与深度,并研发了储能电池参与电网调频的分析与控制软件,主要研究内容如下:1、构建了一种面向电网调频的储能电池仿真模型。通过分析一、二次调频工况的充放电频率和幅值特点,得到了储能电池的出力特征;基于储能电池的电磁暂态模型,提出了一种满足电网调频研究需求的仿真模型;采用多个不同磷酸铁锂电池的实验数据,辨识了仿真模型的参数,分析了储能电池的不同初始荷电状态和脉冲电流运行方式对模型参数的影响;在一定情况下将该模型进一步简化,基于调频工况仿真验证了简化模型对电网调频研究需求的适用性。2、提出了一种储能电池参与含风电电网调频的容量优化配置方法。阐述了储能电池功率和容量设计的通用方法;通过结合储能电池的仿真模型和储能电池参与一、二次调频的方法,并计及PCS的功率转换效率和电池储能设备的充放电效率,得到储能电池的物理特性模型;通过分析储能电池在调频运行过程中的成本和效益,基于全寿命周期理论,运用净现值法构建了储能电池参与电网调频的经济评估模型,结合物理特性模型形成了储能电池的技术经济评估模型。设计了一种储能电池参与一、二次调频的充放电策略,在此基础上,考虑受风电出力波动影响的电网综合负荷,从与之对应的电网频率和区域控制误差(ACE)信号波动特性出发,在确定的电网调频及储能电池运行要求约束下,得出调频效果最优、经济性最优以及两者综合最优目标下的储能电池容量配置方案。3、提出了一种储能电池参与一次调频的控制策略。在复频域中利用灵敏度原理,分析了含储能电池参与一次调频的区域电网频率特性,据此提出了一种结合惯性控制和下垂控制的储能电池综合控制模式;在时域中依据灵敏度原理和调频评估指标,推导了储能电池参与一次调频的时域频率响应特性,分析了确定合理动作时机应满足的条件,结合该条件给出了储能电池的动作时机及相应的控制模式;结合调频评估指标要求确定了动作深度,给出了储能电池的额定功率与动作深度之间的关系,并分析了对应的容量需求;最后形成了考虑动作时机与深度的储能电池控制策略并给出相应的实现流程。以某典型电网的参考事故为初始条件,仿真验证了所提控制策略的有效性及合理性。4、提出了一种储能电池参与二次调频的控制策略。基于所提的区域控制误差(ACE)信号分配模式和传统的区域控制需求(ARR)信号分配模式,在复频域中利用灵敏度原理分析了含储能电池参与二次调频的区域电网频率特性,据此提出了确定储能电池动作时机及调节模式的方法;计及时域中储能电池的能量限制和传统电源的爬坡速率限制,依据动态调频容量指标,提出了确定储能电池动作深度的方法;最后形成了考虑动作时机与深度的储能电池控制策略并给出相应的实现流程。结合实际电网的阶跃扰动工况,仿真验证了所提储能电池控制策略的有效性及合理性。5、研发了储能电池参与电网调频的分析与控制软件。该软件包含功能如下:含风电的综合负荷特性分析;面向电网调频的储能电池仿真模型构建;储能电池参与一、二次调频的容量优化配置;考虑储能电池参与一、二次调频动作时机与深度的控制策略设计。该平台源代码开放、扩展性强且操作简便,可为储能电池参与电网调频提供辅助决策分析和仿真工具。最后指出了储能电池参与电网调频领域进一步研究的方向和重点。
引用
收藏
页数:130
共 85 条
[1]
Lifetime and economic analyses of lithium-ion batteries for balancing wind power forecast error [J].
Swierczynski, Maciej ;
Stroe, Daniel-Ioan ;
Stan, Ana-Irina ;
Teodorescu, Remus .
INTERNATIONAL JOURNAL OF ENERGY RESEARCH, 2015, 39 (06) :760-770
[2]
A load predictive energy management system for supercapacitor-battery hybrid energy storage system in solar application using the Support Vector Machine.[J].Yen Yee Chia;Lam Hong Lee;Niusha Shafiabady;Dino Isa.Applied Energy.2015,
[3]
LFC based adaptive PID controller using ANN and ANFIS techniques.[J].Mohamed I. Mosaad;Fawzan Salem.Journal of Electrical Systems and Information Technology.2014, 3
[4]
Simulation based neuro-fuzzy hybrid intelligent PI control approach in four-area load frequency control of interconnected power system.[J].Surya Prakash;S.K. Sinha.Applied Soft Computing Journal.2014,
[5]
Methodology for the economic optimisation of energy storage systems for frequency support in wind power plants.[J].Lewis Johnston;Francisco Díaz-González;Oriol Gomis-Bellmunt;Cristina Corchero-García;Miguel Cruz-Zambrano.Applied Energy.2015,
[6]
Coordinated control for large-scale EV charging facilities and energy storage devices participating in frequency regulation.[J].Jin Zhong;Lina He;Canbing Li;Yijia Cao;Jianhui Wang;Baling Fang;Long Zeng;Guoxuan Xiao.Applied Energy.2014,
[7]
Participation of wind power plants in system frequency control: Review of grid code requirements and control methods.[J].Francisco Díaz-González;Melanie Hau;Andreas Sumper;Oriol Gomis-Bellmunt.Renewable and Sustainable Energy Reviews.2014,
[8]
A dynamic model-based estimate of the value of a vanadium redox flow battery for frequency regulation in Texas.[J].Robert L. Fares;Jeremy P. Meyers;Michael E. Webber.Applied Energy.2014,
[9]
A new approach for optimal sizing of battery energy storage system for primary frequency control of islanded Microgrid.[J].Mohammad Reza Aghamohammadi;Hajar Abdolahinia.International Journal of Electrical Power and Energy Systems.2014,
[10]
An optimal operation of wind energy storage system for frequency control based on model predictive control.[J].M. Khalid;A.V. Savkin.Renewable Energy.2012,