基于超短期风电功率预测的混合储能控制策略研究

被引:5
作者
李燕青
袁燕舞
郭通
王子睿
仝年
史依茗
机构
[1] 华北电力大学河北省输变电设备安全防御重点实验室
关键词
混合储能; 解析模态分解; 改进布谷鸟; 超短期功率预测; 功率波动; 自适应调节;
D O I
暂无
中图分类号
TM614 [风能发电];
学科分类号
0807 ;
摘要
为了改善风机出力特性,提出了一种基于超短期风电功率预测的混合储能控制策略。首先,利用解析模态分解方法从风电信号中提取低频信号,采用了一种改进布谷鸟方法优化支持向量机的惩罚因子参数和核函数参数进行超短期功率预测;然后,对低频预测信号建立1 min时间尺度和30 min时间尺度的功率波动并网指标,判断是否触发蓄电池动作,若动作,采用AMD分解自适应调整低频预测信号的截止频率,直到满足并网要求,确定蓄电池补偿功率指令。最后根据蓄电池荷电状态和补偿功率指令自适应调节原始风电信号截止频率,高频信号通过模糊控制由超级电容器补偿。仿真算例表明,该方法可以有效平滑功率波动,减少蓄电池的循环次数,同时保证了蓄电池储能的平滑能力,避免过充过放,延长蓄电池的寿命。
引用
收藏
页码:50 / 57
页数:8
相关论文
共 18 条
[1]   基于聚类经验模态分解-样本熵和优化极限学习机的风电功率多步区间预测 [J].
张亚超 ;
刘开培 ;
秦亮 ;
方仍存 .
电网技术, 2016, 40 (07) :2045-2051
[2]   基于解析模态分解的机械故障诊断方法 [J].
时培明 ;
苏翠娇 ;
赵娜 ;
韩东颖 .
中国机械工程, 2016, 27 (05) :674-679
[3]   基于因散经验模式分解与最小二乘支持向量机的风电场短期风速预测 [J].
杨德友 ;
蔡国伟 .
东北电力大学学报, 2015, 35 (03) :44-49
[4]   基于小波变换的风电场短期风速组合预测 [J].
田中大 ;
李树江 ;
王艳红 ;
高宪文 .
电工技术学报, 2015, 30 (09) :112-120
[5]   基于小波分频与双层模糊控制的多类型储能系统平滑策略 [J].
吕超贤 ;
李欣然 ;
户龙辉 ;
尹丽 ;
胡京 .
电力系统自动化, 2015, 39 (02) :21-29
[6]   基于掩模经验模态分解的风速组合预测模型 [J].
张娜 ;
王守相 ;
王亚旻 .
中国电力, 2014, (05) :129-135
[7]   基于聚类经验模态分解和最小二乘支持向量机的短期风速组合预测 [J].
王贺 ;
胡志坚 ;
张翌晖 ;
李晨 ;
杨楠 ;
王战胜 .
电工技术学报, 2014, 29 (04) :237-245
[8]   用于混合储能平抑光伏波动的小波包–模糊控制 [J].
吴振威 ;
蒋小平 ;
马会萌 ;
马速良 .
中国电机工程学报, 2014, 34 (03) :317-324
[9]   计及风电成本的电力系统动态经济调度 [J].
翁振星 ;
石立宝 ;
徐政 ;
卢强 ;
倪以信 ;
姚良忠 .
中国电机工程学报, 2014, 34 (04) :514-523
[10]   基于荷电状态分级优化的混合储能风电功率平抑方法 [J].
邹见效 ;
戴碧蓉 ;
彭超 ;
辛晓帅 ;
骆伍巧 .
电力系统自动化, 2013, 37 (24) :1-6