行业垂直门户网站

设为首页 | 加入收藏

您当前的位置:北极星智能电网在线 > 正文

商业园区储能系统削峰填谷的有功功率协调控制策略(8)

北极星智能电网在线  来源:电网技术    2018/8/30 11:50:52  我要投稿  

3.3 与基于实际负荷曲线的控制效果对比

目前,针对储能系统参与削峰填谷的控制策略大多是基于实际负荷曲线进行的,而本控制策略中采用了基于支持向量机算法得到的超短期负荷预测曲线,负荷预测曲线的引入主要为使本控制策略具有一定的全局性和前瞻性。本节中将通过对比基于预测负荷曲线和实际负荷曲线的控制策略作用效果,以上海商业园区1月某工作日实际负荷曲线与工作日典型负荷预测曲线进行仿真,从而论证了引入负荷预测曲线的优越性。基于典型负荷预测曲线下该控制策略能够通过协调考虑未来30 min内的控制效果,对比不考虑负荷预测情况下,基于实际负荷曲线仅考虑当下时刻的控制效果,图17给出了两种情况下的控制效果对比。

图17 控制效果对比

由上图看见,引入负荷预测曲线能够明显降低负荷侧峰谷差,而实际负荷曲线下,由于未考虑下一时刻的控制效果,目标函数仅以当前整10 min内的SOC状态和负荷侧波动性为主进行调节,因此,减少了储能的出力,其控制效果有所降低。

4 结论

本文提出了一种商业园区储能系统的变参数功率差控制策略,主要内容包括:

1)基于商业园区典型日负荷预测曲线,确定储能系统动作上下限,将负荷划分为3个区间。引入2个SOC状态控制变量,将SOC划分为5个区间。在不同SOC状态区间与不同负荷区间,为储能系统制定了不同充放电策略。

2)为评估储能削峰填谷效果与SOC状态,引入4个子目标函数,采用适应度函数变差系数排序法确定各子目标函数权重,对加权后的目标函数采用动态自适应粒子群算法进行寻优,确定不同状态区间和负荷区间储能系统控制参数。

3)本控制策略是基于典型日负荷预测曲线制定的,因此,能够统筹未来30 min内的控制效果,通过与基于实际负荷曲线的控制效果对比,验证了其前瞻性和优越性。

4)由于控制策略中协调考虑了储能系统SOC变化的影响,避免了储能系统出现SOC越限情况,同时,可有效调节SOC变化范围,考虑到目前储能系统配置成本较高,通过有效降低SOC变化范围能够减小工程成本。

但由于目前对储能削峰填谷效果评估缺乏统一标准,园区负荷预测精度仍有待提高,因此进一步研究园区负荷预测精度不同对本文控制效果的影响,将是论文后续研究内容。

参考文献

[1] 郑雪冰. 利用储能电池进行削峰填谷的多指标综合评价方法[D].北京:华北电力大学,2015.

[2] 宁阳天,李相俊,麻秀范,等.考虑供电可靠性的电池储能系统削峰填谷策略研究[J].电气应用,2015,34(6):62-68. Ning Yangtian,Li Xiangjun,Ma Xiufan,et al.Study on peak-filling strategy of battery energy storage system considering power supply reliability[J].Electrotechnical Application,2015,34(6):62-68(in Chinese).

[3] 陈满,陆志刚,刘怡,等.电池储能系统恒功率削峰填谷优化策略研究[J].电网技术,2012,36(9):232-237. Chen Man,Lu Zhigang,Liu Yi,et al.Research on optimal peak load shifting strategy of battery energy storage system operated in constant power mode[J].Power System Technology,2012,36(9):232-237(in Chinese).

[4] 鲍冠南,陆超,袁志昌,等.基于动态规划的电池储能系统削峰填谷实时优化[J].电力系统自动化,2012,36(12):11-16. Bao Guannan,Lu Chao,YuanZhichang,et al.Load shift real-time optimization strategy of battery energy storage system based on dynamic programming[J].Automation of Electric Power Systems,2012,36(12):11-16(in Chinese).

[5] Chacra F A,Bastard P,Fleury G,et al.Impact of energy storage costs on economical performance in a distribution substation[J].IEEE Trans on Power Systems,2005,20(2):684-691.

[6] Lee T Y.Operating schedule of battery energy storage system in a time-of-use rate industrial user with wind turbine generators: a multipass iteration particle swarm optimization approach[J].IEEE Trans on Energy Conversion,2007,22(3):774-782.

[7] Cau T D H,Kaye R J.Evolutionary optimization method for multistorage hydrothermal scheduling[J].IEE Proceedings of Generation Transmission and Distribution,2002,149(2):152-156.

[8] 陈益哲,张步涵,王江虹,等.基于短期负荷预测的微网储能系统主动控制策略[J].电网技术,2011,35(8):35-40. Chen Yizhe,Zhang Buhan,Wang Jianghong,et al.Active control strategy for microgrid energy storage system based on short-term load foreing[J].Power System Technology,2011,35(8):35-40(in Chinese).

[9] 王伟,薛金花,叶季蕾,等.基于SOC调控的用于抑制光伏波动的电池储能优化控制方法[J].电力系统保护与控制,2014,42(2):75-80. Wang Wei,Xue Jinhua,Ye Jilei,et al.An optimization control design of battery energy storage based on SOC for leveling off the PV power fluctuation[J].Power System Protection and Control,2014,42(2):75-80(in Chinese).

[10] 王冉,王丹,贾宏杰,等.一种平抑微网联络线功率波动的电池及虚拟储能协调控制策略[J].中国电机工程学报,2015,35(20):5124-5134. Wang Ran,Wang Dan,Jia Hongjie,et al.A coordination control strategy of battery and virtual energy storage to smooth the micro-grid tie-line power fluctuations[J].Proceedings of the CSEE,2015,35(20):5124-5134(in Chinese).

[11] 赵波,包侃侃,徐志成,等.考虑需求侧响应的光储并网型微电网优化配置[J].中国电机工程学报,2015,35(21):5465-5474. Zhao Bo,Bao Kankan,Xu Zhicheng,et al.Optimal sizing for grid-connected pv-and-storage microgrid considering demand response[J].Proceedings of the CSEE,2015,35(21):5465-5474(in Chinese).

[12] Li Xiangjun,Yao Liangzhong,Dong Hui.Optimal control and management of large–scale battery energy storage system to mitigate the fluctuation and intermittence of renewable generations[J].Journal of Modern Power Systems and Clean Energy,2016,4(4):593-603.

[13] Li Xiangjun,Xu Liangfei,Hua Jianfeng,et al.Power management strategy for vehicular-applied hybrid fuel cell/battery power system.Journal of Power Sources,2009,191(2):542-549.

[14] 褚衍廷,董海鹰,李晓青.含蓄电池的孤立微电网系统运行优化研究[J].郑州大学学报(理学版),2016,48(4):109-115. Chu Yanting,Dong Haiying,Li Xiaoqing.Optimal operation of isolated microgrid system with battery storage[J].Journal of Zhengzhou University(Natural Science Edition),2016,48(4):109-115 (in Chinese).

[15] 李相俊,张晶琼,何宇婷,等.基于自适应动态规划的储能系统优化控制方法[J].电网技术,2016,40(5):1355-1362. Li Xiangjun,Zhang Jingqiong,He Yuting,et al.Optimal controlmethod of energy storage system based on adaptive dynamic programming[J].Power System Technology,2016,40(5):1355-1362 (in Chinese).

[16] 佘慎思,李征,蔡旭.风储联合发电系统电池荷电状态和功率偏差控制策略[J].电力系统自动化,2014,38(20):9-17. She Shensi,Li Zheng,Cai Xu.SOC and power deviation control strategy for hybrid generation system of wind power and energy storage[J].Automation of Electric Power Systems,2014,38(20):9-17 (in Chinese).

[17] 张顶学,关治洪,刘新芝.一种动态改变惯性权重的自适应粒子群算法[J].控制与决策,2008,23(11):1253-1257. Zhang Dingxue,Guan Zhihong,Liu Xinzhi.Adaptive particle swarm optimization algorithm with dynamically changing inertia weight[J].Contrlo and Decision 2008,23(11):1253-1257(in Chinese).

[18] 王奔,冷北雪,张喜海,等.支持向量机在短期负荷预测中的应用概况[J].电力系统及其自动化学报,2011,23(4):115-121. Wang Ben,Leng Beixue,Zhang Xihai,et al.Application profiles of support vector machine in short-term load foreing[J].Proceedings of the CSU-EPSA,2011,23(4):115-121(in Chinese).

[19] 沈沉,秦建,盛万兴,等.基于小波聚类的配变短期负荷预测方法研究[J].电网技术,2016,40(2):521-526. Shen Chen,Qin Jian,Sheng Wanxing,et al.Study on short-term foreing of distribution transformer load using wavelet and clustering method[J].Power System Technology,2016,40(2):521-526 (in Chinese).

分享到:
北极星投稿热线:陈女士 13693626116 邮箱:chenchen#bjxmail.com(请将#换成@)

特别声明:北极星转载其他网站内容,出于传递更多信息而非盈利之目的,同时并不代表赞成其观点或证实其描述,内容仅供参考。版权归原作者所有,若有侵权,请联系我们删除。

凡来源注明北极星*网的内容为北极星原创,转载需获授权。

热点关注
国网826号文解读

国网826号文解读

昨天国网公司下发了《关于进一步严格控制电网投资的通知》(国家电网办【2019】826号文)。文中提出了“三严禁、二不得、二不再”的投资建设思路。个人认为,这不仅仅是一个文件,而是国网公司整体发展战略转型的一个标志。作为世界上最大的电网企业,国网公司每年因投资建设所需的采购数额巨大,对电

--更多
最新新闻
新闻排行榜

今日

本周

本月

深度报道
相关专题

关闭

重播

关闭

重播