基于无功功率和储能平衡的配网馈线电压控制

针对屋顶光伏发电系统接入低压配电馈线引起的配网电压不稳定问题,在满足低压馈线的电压波动机理的前提下,考虑配网线路容量和逆变器容量不变的特性,提出一种无功、有功、储能三者相结合的控制方法,以防止低压馈线电压失稳的现象发生。该策略首先利用光伏逆变器自身的剩余容量吸收无功功率,在一定程度上改善配网馈线的电压分布,然后运用有功控制得出每个光伏系统的功率输出。研究结果表明:在过电压情况下,可将多余功率通过光伏发电系统自身的蓄电池储能吸收,于高负载需求或夜间电压跌落时将储能释放,提高电网对新能源的消纳能力和新能源的输出功率;新型无功、有功、储能三者协同的功率优化方案不仅具有使馈线电压平衡的能力,而且具有更高的光伏利用效率,适用于未来大规模光伏接入配网的环境。     

配网光伏系统储能优化配置策略

由于光伏发电的不确定性和随机性,给电力系统的稳定性和安全性带来了隐患。将储能装置引入配网光伏系统,可以提升系统经济性,改善配网电能质量。本文在分析居民负荷和工业负荷特性的基础上,结合我国的电价政策,以光储系统净利润最大为目标,构建了光储系统投资收益模型。在满足功率平衡和储能电池性能约束的基础上,本文选用YALMIP工具箱和CPLEX程序在MATLAB中进行了求解。最后在IEEE-33节点系统中应用上述优化方法进行影响分析,结果证明基于光储系统净利润作为技术指标的光伏系统储能优化配置策略的有效性。     

基于GA-BP的分布式光伏发电预测

基于分布式光伏发电在家庭能源管理系统(HEMS)中具有广泛的应用,光伏输出功率的准确预测影响家用设备优化调度、并网时电网的稳定性及光伏发电利用率。对光伏输出功率主要影响因素进行研究,通过选取光伏发电预测日相似日天气类型(晴天、多云、阴雨天),在传统BP预测模型基础上引入GA优化算法,建立GA-BP光伏发电预测模型。分别选取预测日相似日天气类型为晴天、阴雨天进行实验仿真,结果表明所建预测模型能够提高光伏发电预测精度,在HEMS系统中具有一定的实用价值。     

抑制光伏并网电压扰动的配电网储能配置方法

储能可以有效抑制光伏发电接入配网后系统电压的扰动.文中通过分析光伏出力波动时储能对含光伏配网电压调节的机理,建立了光伏出力波动和负荷变化影响下的储能配置需求评估模型,研究了考虑电压约束时不同影响因素作用下储能的配置需求,以及储能投入后对电压的调节效果.仿真分析了光伏接入容量、局部负荷离光伏接入点距离、光伏接入点相对附近变电站距离与储能配置容量的关系,验证了储能在配电网中对电压曲线具有削峰填谷的效应.同时,利用Matlab/Simulink仿真给出了不同情况下具体的储能投入容量及配置建议.     

计及高比例可再生能源的配网系统储能多场景优化配置

为解决传统方法中可再生能源出力波动大、可再生能源和储能利用效率不高等问题,提出一种计及高比例可再生能源的配网系统储能多场景优化配置方法。通过在配网系统电源侧接入储能,定义配网系统储能配置场景,采用一阶低通滤波,结合波动率期望值确定方法,将低通滤波时间常数作为储能容量配置的关键参数,计算能源发电波动场景储能目标输出功率。采用上下限约束法,计算负荷储能释能场景储能目标输出功率。结合配网系统运行成本,构建储能多场景优化配置模型,求解储能最优功率和容量最优解,获得储能最优配置方案。实验结果表明,所提方法减少了风电出力和光伏出力的最大波动量、最大波动率,可再生能源出力更加平稳,减少了弃风率和弃光率,增加了储能出力,提高了可再生能源和储能利用效率。     

基于电压稳定度的分布式储能选址定容规划

本文针对配网中引入高比例风电、光伏等新能源引起的电压波动问题,提出基于电压稳定度的优先选址和改进粒子群算法的储能系统选址规划。首先以电压稳定度为指标,选出配网中部分相对稳定性较弱的节点,进行优先选址;然后以系统日有功损耗最小为目标,由改进的粒子群算法对储能系统的容量优化配置问题进行求解。最后对改进的33节点配电网系统进行仿真,验证该方法在储能选址定容工作中的有效性和可行性,为含高比例新能源的配网进行储能电站选址定容问题提供参考。     

基于光伏发电量预测的含氢储能微网分段优化调度

针对多储能微网如何高效、经济运行,搭建了基于光伏发电的含氢储能、蓄电池储能的微网系统,采用一种日前预测调度与日内实时调度相结合的分段调度策略。在日前预测调度阶段,采用基于麻雀搜索算法优化支持向量机模型提高对日前的光伏发电量和负荷预测的精度,以微网最小使用成本为目标,考虑系统运行的可靠性,采用改进粒子群算法制定微网的日前最优调度策略。在日内调度阶段,考虑氢储能系统的响应延迟特性,以蓄电池为灵活补充元件,制定实时调整微网运行策略,消除预测误差带来的影响。最后,结合实际算例分析,验证了分段优化调度的可行性。结果表明,提出的方法能够有效预测数据,减少微网调度的响应时间,提高系统运行的经济性和稳定性。     

含分布式光伏、储能的低压配电网电压 调节及储能SoC均衡方法

随着可再生能源渗透率的不断提高,配电网电压波动和越限问题日益严重。为解决这一问题,文中分析低压配电网中分布式光伏电源接入对电网电压的影响,进而将节点电压幅值与节点注入功率的关系线性化;提出基于功率里程数的低压配电网电压优化模型,通过求解优化目标,计算出分布式电池储能的输出;为提升分布式储能的利用效率,设计分布式储能的荷电状态(SoC)均衡控制策略;并根据重庆巫溪地区低压配电网0.4 kV线路数据,在MATLAB/Simulink上搭建配电网仿真模型,设计4种仿真案例对所提出的模型与方法进行有效性验证。仿真结果表明,文中提出的方法能够有效地调节低压配电网中的电压并能实现分布式储能的SoC均衡控制。     

基于EMD-AO-DELM的光伏功率预测算法

为提高光伏功率预测精确度,提出一种基于经验模态分解（Empirical Mode Decomposition,EMD）-天鹰优化器（Aquila Optimizer,AO）-深度极限学习机（Deep Extreme Learning Machine,DELM）的组合光伏功率预测模型.该算法对光伏发电影响因素进行分析筛选,选出与光伏输出功率高度相关的因素作为输入变量,并采用经验模态分解（EMD）将光伏原始功率数据分解为多个特征模态函数（Intrinsic Mode Function,IMF）.然后,将分解得到的IMF分量分别输入DELM预测模型,同时通过AO优化算法对DELM初始输入权重进行优化,从而提高深度极限学习机的泛化能力.最后,将各IMF分量预测结果叠加求和得到最终预测结果 .通过仿真结果表明,本文提出的EMD-AO-DELM预测模型,相较于单一DELM模型具有更好的预测精度,证明了所提方法的有效性.     

基于模糊去约束法的V2M系统运行优化

选取一个含有EV(电动汽车)、光伏发电、风力发电、燃气轮机、蓄电池储能单元所组成的微电网运行优化问题作为研究对象,提出一种模糊去约束的求解方法.在系统对负载、光伏和风力发电出力有效监测和预测条件满足时使用这种方法,将EV与微网储能单元电池约束去除,将微电网带非线性约束的优化问题转变为线性优化问题.对比传统优化方法和模糊去约束法,系统的优化效率有显著提高.     

基于混合储能的功率前馈稳压控制策略研究

针对独立光伏发电系统中直流母线电压易受光伏输出变化和负载功率波动等因素的影响而使系统稳定性变差的这一问题,文中采用超级电容—蓄电池混合储能来抑制直流母线电压的波动,并提出采用功率前馈补偿的控制方法来对系统进行控制,即将光伏输出功率的变化趋势和负载功率的变化趋势前馈到双向变换器的发波环节,通过前馈条件来实现扰动误差的全补偿。仿真实验结果表明,混合储能+功率前馈控制策略能更好地抑制光伏输出变化和负载功率波动对母线电压的影响,系统稳定性得到了进一步的提高。     

基于储能与氢气发生器的光伏并网功率控制

考虑光伏发电具有间歇性,用蓄电池储能系统和氢气发生器来调节并网功率,以提高光伏并网运行的稳定性.在光伏发电系统中安装一个高纯度氢氧发生器来产生氢气.用PSCAD/EMTDC对具有储能单元的光伏发电系统进行了建模和仿真.结果表明:在光照强度变化的情况下,采用四象限变流器控制的蓄电池储能系统能够快速平滑光伏发电系统输出的有功功率的波动.     

风光储微电网运行特性仿真分析

为研究含风力发电、太阳能光伏发电和储能系统三种类型微源组成的微电网的运行特性,在MATALB软件平台上,建立了基于主从控制的风光储微电网联合仿真模型.以蓄电池储能系统为主控电源,在微电网并网运行时,所有微源都采用P/Q控制;微电网离网运行时,蓄电池储能系统采用V/f控制,支撑微电网频率和电压.然后对微电网并网运行、离网运行及并离网切换过程进行仿真.仿真结果表明:微电网在并网、离网运行模式下能安全、可靠运行,在运行模式切换过程时能平滑过渡.     

含光伏的天然气冷热电联供园区微网能量优化调度

天然气冷热电联供园区微网集供冷、供热、供电和供气于一体,具有能源梯级利用的优势,能够有效地提高能源的利用率,减少污染物的排放.本研究针对天然气冷热电联供园区微网的能量优化调度问题,以最小运行费用为目标建立了天然气冷热电联供园区微网的多时段动态优化调度模型,考虑了供冷网、供热网、供电网和供气网的网络运行特性约束,以及储电、储冷和储热多种类型储能装置对微网调度的影响.并基于场景法建立了考虑光伏出力随机波动的园区微网能量优化调度模型,通过快速调节储能装置的储放能功率等措施来平衡光伏出力的不确定波动.以某个天然气冷热电联供园区微网为例,验证了所提出优化调度模型的正确有效性.计算结果表明,所获得的微网运行调度方案能有效节约能量消耗,降低微网运行费用;多种类型储能装置的协同运行能够更有效地降低微网的运行费用,并有利于平抑光伏发电的不确定波动.     

计及多类型需求响应的光伏微网储能容量优化配置

储能系统接入对于分布式光伏发电具有重要意义,合理配置储能容量可以有效平抑光伏发电的波动性和间歇性,同时提高光伏消纳能力。在考虑多类型需求响应方式下,建立了以微网总成本和光伏消纳率为目标函数的储能容量优化配置模型。首先引入激励型需求响应模型和价格型需求响应模型;然后根据两类响应方式对电网稳定运行及光伏消纳的影响,建立以最大化光伏、负荷时序一致性和负荷峰谷差两种指标满意度的综合响应模型;最后基于并网型光储微网运行策略,采用双层优化算法对光伏微网模型求解。通过某一实际运行微网为算例,分析验证了模型和算法的有效性。结果表明,多类型需求响应结合方式使得用户用电方式更为合理,微网经济性得到改善。     

基于混合储能技术的风电场功率控制研究

风力发电的输出功率因为风能的随机性而具有波动性和间歇性的特点,并网风电的高渗透率将削弱电力系统中发电功率的可控性.本文研究在风电场中引入一种混合储能装置,通过其充放电功率来平抑风电输出功率的波动.在保证储能装置荷电状态可靠性前提下,采用一种模糊自适应控制策略,优化储能装置的充放电过程控制.通过仿真研究,验证了采用模糊自适应控制的正确性和有效性,仿真结果表明混合储能系统能够有效平滑风力发电系统的并网功率,提高含风电场的电力系统的发电功率的可控性,并延长储能设备的使用寿命.     

基于CEEMD-BiLSTM-RFR的短期光伏功率预测

由于短期光伏预测中气象因素的时间尺度不同,直接分析其对光伏功率的相关性,易忽略时间尺度的影响,进而导致预测模型误差。为提高光伏功率预测精度,构建了预测模型。首先,利用互补集合经验模态分解(complementary empirical mode decomposition, CEEMD)将光伏序列进行分解,得到在不同时间尺度上的光伏分量;然后,通过Pearson相关系数分析各光伏分量与空气温度、太阳辐射度、风速、风向和空气湿度的关系,对于强相关分量建立关于气象因素的随机森林回归(random forest regression, RFR)预测模型,弱相关分量直接通过双向长短期记忆网络(bidirectional long short-term memory neural network, BiLSTM)进行预测;并将预测求和输出。通过安徽省蚌埠市光伏电站7月实测数据进行验证,实验结果表明,所提预测模型CEEMD-BiLSTM-RFR相比传统预测模型有较好的预测精度。     

基于无迹卡尔曼滤波神经网络的光伏发电预测

针对光伏发电系统在不同天气状况下发电功率预测精度不高的问题,在分析传统方法的基础上,提出一种无迹卡尔曼滤波神经网络光伏发电预测方法。该方法利用无迹卡尔曼滤波实时更新神经网络模型的权重,以直流电压和电流作为系统的输入,以有功功率和无功功率作为系统的输出,分别建立两个独立的双输入单输出功率预测模型。实验结果表明:所提出的方法对有功功率和无功功率的预测精度分别为97.3%和94.2%,并且对天气具有良好的鲁棒性。     

光储一体机并网点电压控制策略研究

针对分布式光伏大规模接入配电网后,其发电间歇性、随机性等特点给配电网电能质量、负荷用电带来的安全问题,提出了一种光储一体机并网点电压控制策略,该策略主要通过控制光伏组件按需要向储能蓄电池进行充电,并通过DC/AC变换器输出满足标准要求的交流电能与电网进行能量交换.旨在有效平滑光伏发电波动和降低光伏发电对配电网冲击的同时,提高负荷用电可靠性.     

基于改进PSO-RBF神经网络的光伏功率预测

针对RBF算法的隐节点中心和参数会影响光伏发电功率的预测精度,提出了一种基于改进粒子群算法(Particle Swarm Optimization,PSO)优化径向基函数网络(Radial Basis Function,RBF)算法,通过寻找相似日,将相似日的实际功率和影响光伏发电功率的气象因子数据作为输入,同时利用改进PSO优化RBF网络参数,建立预测模型进行训练和预测。在粒子群优化算法中,通过动态调整惯性权重,有效地提高了非线性问题的求解能力,采用改进粒子群优化算法优化径向基神经网络参数,兼顾了PSO和RBF神经网络模型的优点,具有较好的收敛速度和预测精度。通过实际光伏发电数据验证表明,该算法具有较高的预测精度。