• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于可變分頻點的SMES-VRB混合儲能系統(tǒng)在風(fēng)電并網(wǎng)中的應(yīng)用

      2022-02-21 09:35:56邱曉燕馬婭妮朱英偉
      電力自動化設(shè)備 2022年2期
      關(guān)鍵詞:電功率波包變流器

      邱曉燕,馬婭妮,朱英偉,王 鵬,雷 勇

      (四川大學(xué)電氣工程學(xué)院,四川 成都 610065)

      0 引言

      近年來,隨著風(fēng)電的大規(guī)模利用,其并網(wǎng)帶來的波動性及間歇性愈加不容忽視。為了解決風(fēng)電消納問題,儲能技術(shù)得到大力發(fā)展[1]。單一型儲能因其能量或功率限制,存在成本高或使用壽命短等不足。為了更加充分地平抑風(fēng)電波動,混合型儲能應(yīng)運而生,將不平衡功率的低頻、高頻部分分別分配給能量型儲能和功率型儲能,有效解決了儲能的經(jīng)濟(jì)和技術(shù)問題[2]。

      相比于超級電容器儲能,超導(dǎo)磁儲能(SMES)因其零阻性、直接以磁能形式存儲等超導(dǎo)特性,具有更高的能量轉(zhuǎn)換效率、更低的自放電率、更小的電能損耗以及更快的響應(yīng)速度[3-4],且隨著未來高溫超導(dǎo)材料的發(fā)展進(jìn)步,SMES的優(yōu)勢將使其在功率型儲能技術(shù)領(lǐng)域發(fā)揮重要的作用,因此,性能更優(yōu)的SMES 具有廣闊的市場應(yīng)用前景。相比于傳統(tǒng)的蓄電池,全釩液流電池(VRB)具有效率高、壽命長、安全性好、綠色無污染等優(yōu)勢[5],且隨著釩礦資源的開發(fā),VRB以其容量和功率可獨立設(shè)計、擴(kuò)展性強(qiáng)的特點有望得到大規(guī)模應(yīng)用。

      混合儲能系統(tǒng)HESS(Hybrid Energy Storage System)需要通過連接變流器并入電網(wǎng),變流器的控制直接影響到HESS 對風(fēng)電的平抑效果。常見的控制策略包括比例積分(PI)控制、模糊控制、直接功率控制等[6-7]。PI 控制結(jié)構(gòu)簡單,易于實現(xiàn),但控制參數(shù)依賴于精確的數(shù)學(xué)模型,難以確定;模糊控制中模糊規(guī)則的制定缺乏系統(tǒng)性,且當(dāng)精度要求高時過于復(fù)雜;直接功率控制的響應(yīng)速度快且超調(diào)小,但其開關(guān)矢量表的建立難度較大。上述方法均沒有考慮系統(tǒng)的實時變化,無法維持復(fù)雜電力系統(tǒng)的穩(wěn)定性?;诖?,針對HESS 的變流器控制問題,本文提出了基于徑向基函數(shù)RBF(Radial Basis Function)神經(jīng)網(wǎng)絡(luò)的PI 控制方法。該方法將神經(jīng)網(wǎng)絡(luò)精確、迅速的辨識功能與傳統(tǒng)PI 控制器的簡單結(jié)構(gòu)有機(jī)結(jié)合,通過對HESS 模型的動態(tài)辨識,將控制參數(shù)與辨識結(jié)果進(jìn)行聯(lián)動調(diào)整,使得參數(shù)同步更新,從而實現(xiàn)系統(tǒng)的智能控制。目前已有很多學(xué)者將基于RBF 神經(jīng)網(wǎng)絡(luò)的PI控制應(yīng)用于電力系統(tǒng)[8-9],驗證了該方法適用于系統(tǒng)的功率變換,具有抗干擾能力強(qiáng)且能快速及時跟蹤輸入信號的特點。

      為了確保HESS 安全、高效運行,合理的功率分配策略至關(guān)重要。目前,應(yīng)用較為廣泛的風(fēng)電波動功率的分解方法包括低通濾波、經(jīng)驗?zāi)B(tài)分解、小波包分解[10-13]等。低通濾波通過設(shè)置時間常數(shù)得到低頻分量,能有效濾除風(fēng)電功率中的高頻波動分量。但在實際應(yīng)用中并未充分考慮風(fēng)電波動功率的頻率特性,僅是單純依據(jù)所需的并網(wǎng)功率來確定濾波時間常數(shù)的大小,缺乏理論支撐,且存在嚴(yán)重的滯后問題。經(jīng)驗?zāi)B(tài)分解通過反復(fù)求解信號的均值包絡(luò)線以得到頻率從高到低的子信號,依據(jù)數(shù)據(jù)自身的時間尺度特征進(jìn)行信號分解,無需預(yù)先設(shè)定任何基函數(shù),但均值包絡(luò)線的選取存在端點效應(yīng),且局部極值多次跳變會導(dǎo)致出現(xiàn)模態(tài)混疊現(xiàn)象,使其存在較大的誤差。小波包分解類似于傅里葉分析,采用多尺度分析將原信號逐層分解為高、低頻分量,其不同頻率間的分解結(jié)果相互獨立沒有混雜現(xiàn)象,更加適用于考慮頻率差異及消納能力的HESS 功率分配,且分解速度快,對信號的還原程度高。但目前將小波包分解應(yīng)用于HESS 的研究均是參考固定頻率分配功率,對儲能荷電狀態(tài)(SOC)的優(yōu)化也僅限于限制過充過放,不能最大限度地發(fā)揮HESS 的作用。本文采用小波包分解方法,設(shè)定動態(tài)分配點,靈活分配高、低頻分量,在SMES 充放電極限情況下利用VRB補(bǔ)充能量,使SMES 盡快恢復(fù)良好狀態(tài),為HESS 響應(yīng)風(fēng)電功率波動提供充??臻g。

      本文首先針對HESS 并網(wǎng)變流器,設(shè)計了基于RBF 神經(jīng)網(wǎng)絡(luò)的PI 控制器;然后,介紹了可變分頻點下功率分配的具體方法,并對SOC 優(yōu)化策略進(jìn)行詳細(xì)說明;最后,通過與其他控制方法及分配策略進(jìn)行仿真比較分析,驗證了本文所提方法平滑風(fēng)電功率波動的可行性。

      1 HESS的結(jié)構(gòu)及控制

      1.1 HESS的拓?fù)浣Y(jié)構(gòu)及數(shù)學(xué)模型

      HESS 的拓?fù)浣Y(jié)構(gòu)見圖1。SMES 和VRB 通過各自的并網(wǎng)變流器并聯(lián)于交流母線,并網(wǎng)變流器根據(jù)拓?fù)浣Y(jié)構(gòu)可分為電壓源型和電流源型,為了穩(wěn)定直流側(cè)電壓,本文選用電壓源型并網(wǎng)變流器[14]。超導(dǎo)磁體通過斬波器與直流側(cè)電容相連,而串聯(lián)的釩電池組直接并聯(lián)在直流電容兩側(cè)。圖1 中,R、L、R*、L*為交流濾波器的等效參數(shù);C為直流穩(wěn)壓電容;Lsc為超導(dǎo)磁體電感;UVRB為VRB的端電壓。

      圖1 HESS的拓?fù)浣Y(jié)構(gòu)Fig.1 Topological structure of HESS

      根據(jù)圖1所示拓?fù)浣Y(jié)構(gòu),可得到SMES 的電壓源型變流器(VSC)部分在dq兩相同步旋轉(zhuǎn)坐標(biāo)系下的數(shù)學(xué)模型為:

      式中:eφ、iφ、Sφ(φ∈{d,q})分別為dq兩相同步旋轉(zhuǎn)坐標(biāo)系下電網(wǎng)電壓、電網(wǎng)流向SMES 的電流、SMES 的VSC 開關(guān)函數(shù)的φ軸分量;ω為網(wǎng)側(cè)電壓的角頻率;Udc為直流穩(wěn)壓電容兩側(cè)電壓。

      VRB 的VSC 部分在dq兩相同步旋轉(zhuǎn)坐標(biāo)系下的數(shù)學(xué)模型為:

      1.2 HESS的基于RBF神經(jīng)網(wǎng)絡(luò)的PI控制

      HESS 的并網(wǎng)變流器負(fù)責(zé)儲能裝置對系統(tǒng)功率指令的跟蹤,直接關(guān)系到風(fēng)電波動功率的消納效果。因此,為了提升VSC 的控制性能,采用RBF 神經(jīng)網(wǎng)絡(luò)對其控制器進(jìn)行改進(jìn)。

      基于RBF 神經(jīng)網(wǎng)絡(luò)的PI 控制框圖如圖2 所示,其主要由被控對象、RBF 神經(jīng)網(wǎng)絡(luò)辨識器和PI 控制器三部分組成[15]。圖中,r(k)為系統(tǒng)初始給定的輸入,y(k)為系統(tǒng)的實際輸出,e(k)為控制誤差,三者之間的關(guān)系可表示為e(k)=r(k)-y(k);u(k)為PI 控制器的輸出,f(x)為RBF 神經(jīng)網(wǎng)絡(luò)辨識器的輸出。被控對象為對象的離散化模型,表現(xiàn)為PI 控制器的輸出與系統(tǒng)輸出之間的關(guān)系;RBF神經(jīng)網(wǎng)絡(luò)辨識器對被控對象進(jìn)行模型辨識,并將辨識結(jié)果(即Jacobian信息)反饋到PI 控制器中,PI 控制器再根據(jù)理想輸出和實際輸出的比較結(jié)果對控制參數(shù)進(jìn)行進(jìn)一步調(diào)整。

      圖2 基于RBF神經(jīng)網(wǎng)絡(luò)的PI控制框圖Fig.2 Block diagram of PI control based on RBF neural network

      式中:KP(k)、KI(k)分別為比例系數(shù)、積分系數(shù);Δ 表示對應(yīng)變量的增量。

      定義PI控制器的性能指標(biāo)函數(shù)E(k)為:

      為了消除有功電流與無功電流之間存在的耦合關(guān)系,對變流器均采用功率外環(huán)、電流內(nèi)環(huán)的雙閉環(huán)控制[17]。采用電流內(nèi)環(huán)控制的目的是前饋解耦以實現(xiàn)有功功率和無功功率四象限獨立運行,采用功率外環(huán)控制的目的是調(diào)節(jié)內(nèi)環(huán)電流使輸出功率跟蹤參考值。為了確保功率外環(huán)應(yīng)對系統(tǒng)變化能夠快速響應(yīng)指令,及時調(diào)整控制參數(shù),對功率外環(huán)采用基于RBF 神經(jīng)網(wǎng)絡(luò)的PI 控制。以有功功率外環(huán)為例,令r(k)為有功功率參考值Pref,y(k)為實際輸出有功功率P,u(k)為有功電流內(nèi)環(huán)參考值id,ref,將其代入基于RBF 神經(jīng)網(wǎng)絡(luò)的PI 控制器及辨識器進(jìn)行迭代計算,對PI 參數(shù)進(jìn)行修正。可得變流器基于RBF 神經(jīng)網(wǎng)絡(luò)的PI控制框圖如圖3所示。圖中,Q、Qref分別為實際輸出無功功率、無功功率參考值;iq,ref為無功電流內(nèi)環(huán)參考值。無功功率外環(huán)同樣采取上述方法。

      圖3 變流器的控制框圖Fig.3 Control block diagram of converter

      2 HESS的功率分配

      2.1 基于可變分頻點的小波包分解

      風(fēng)電場的輸出功率與并網(wǎng)功率之間的差值即為HESS所需平抑的不平衡功率,可見確定并網(wǎng)功率是HESS功率分配的前提。若并網(wǎng)功率過于平滑,則對儲能容量要求過高;若要盡可能還原風(fēng)電功率,則波動太大,難以并網(wǎng)。為了保證電力系統(tǒng)的穩(wěn)定性,我國《風(fēng)電場接入電力系統(tǒng)技術(shù)規(guī)定》明確了風(fēng)電并網(wǎng)時其輸出功率的1 min 最大波動率不得超過其裝機(jī)容量的10%[18]。

      小波包分解是一種以多層樹狀結(jié)構(gòu)展開的局部化分析方法,其首先對原始信號進(jìn)行分解,得到低頻信號和高頻信號,然后對上一層分解得到的2 種信號進(jìn)行再次分解,經(jīng)過n層分解后可以將原始信號分成2n個頻率互不重疊且從低到高的信號分量[19],可表示為:

      式中:Pwind為風(fēng)電輸出功率;n為小波包分解層數(shù);Gj為分解后的第j個子信號分量。

      以1 min最大波動率為參考[20],采用小波包分解對風(fēng)電初始功率進(jìn)行逐層分解,當(dāng)最后一層分解中最低頻部分的最大波動率恰好滿足技術(shù)規(guī)定,則可確定分解層數(shù)。此時并網(wǎng)功率Pgrid可表示為:

      根據(jù)SMES 和VRB 各自的儲能特性[21]將不平衡功率的低頻分量、高頻分量分別分配給VRB、SMES。VRB 分配所得的功率P′VRB、SMES 分配所得的功率P′SMES分別為:

      在工程實踐中,風(fēng)電功率入網(wǎng)后,1 Hz 以上的高頻段波動對系統(tǒng)的影響很?。?]。因此,可將這部分高頻分量直接輸入電網(wǎng)由系統(tǒng)自身進(jìn)行消納,之后調(diào)整SMES 的功率指令,以減小SMES 的充放電次數(shù)。

      設(shè)儲能充放電優(yōu)先級X∈{1,2,3,4,5}為中間變量,根據(jù)界限值對SOC 進(jìn)行區(qū)域劃分以對應(yīng)不同的充放電優(yōu)先級,如圖4 所示。圖中,SSOC,min、SSOC,max分別為SOC 下限、上限值;SSOC,down、SSOC,up分別為SOC 較低限制值、較高限制值。

      圖4 充放電優(yōu)先級設(shè)定Fig.4 Setting of charging and discharging priority

      分頻點K由2 種儲能的充放電優(yōu)先級決定,可表示為:

      式中:K0為分頻點的初始值,可通過綜合考慮SMES容量及VRB 響應(yīng)頻率二者對應(yīng)的風(fēng)電小波包分解結(jié)果確定,本文仿真根據(jù)所選風(fēng)電分解結(jié)果(即分解層數(shù)為6層,得到32個子分量)設(shè)定K0=9;XVRB、XSMES分別為VRB、SMES的充放電優(yōu)先級;m為修正系數(shù),可變分頻點的原理類似于滑動變阻器,為了靈活劃定分頻點的變化范圍,本文設(shè)置m為常數(shù)。本文仿真研究中設(shè)置m=1,具體選定方法及不同m取值下的仿真對比結(jié)果見附錄A。

      根據(jù)不同的儲能SOC 確定動態(tài)變化的分頻點,基于此可以得到SMES 和VRB 的初始功率分配參考值。

      2.2 基于充放電優(yōu)先級的功率優(yōu)化

      考慮到XVRB-XSMES可能為0的情況,還需根據(jù)充放電限制進(jìn)行優(yōu)化分配,此外還可以利用儲能自身的特點穩(wěn)定SOC。進(jìn)一步功率優(yōu)化策略的步驟具體如下。

      1)當(dāng)進(jìn)行初始功率分配時,若XVRB=XSMES,則需考慮過充過放問題,對功率進(jìn)行如下限制:

      傳統(tǒng)作文教學(xué)中存在以下弊端:第一,教師結(jié)合寫作題目進(jìn)行范文閱讀和講解,嚴(yán)重限制了學(xué)生的想象力,導(dǎo)致學(xué)生在寫作時感到無話可說,寫作學(xué)習(xí)興趣降低;第二,常常選用固定的內(nèi)容和題目,導(dǎo)致學(xué)生寫作千篇一律,描寫母愛,最常使用的典故就是母親冒著大雨背孩子去看病等,內(nèi)容老舊毫無新意;第三,不少學(xué)生為了在考試中取得高分,作文胡亂編寫。這種作文教學(xué)嚴(yán)重失去了教育意義,不利于學(xué)生身心健康成長。

      式中:P′為初始參考功率;Pfinal為優(yōu)化分配后儲能的最終參考功率;c為SOC 修正系數(shù);SSOC為儲能實時SOC;PHESS為不平衡功率。由于此處的功率限制設(shè)定儲能獨立調(diào)整,所以儲能充放電優(yōu)先級X及Pfinal、P′不區(qū)分儲能類型(即變量未帶下標(biāo)VRB、SMES)。當(dāng)X=3,4,5 時,表示儲能具備充??臻g,應(yīng)積極出力,因此不進(jìn)行功率限制。

      2)當(dāng)進(jìn)行初始功率分配時,若XVRB≠XSMES,則需考慮極限SOC 下不利于下一時刻儲能充放電的問題,為了使儲能盡量保持良好的SOC,需要合理安排儲能之間進(jìn)行功率轉(zhuǎn)移,即使優(yōu)先級高的一方承擔(dān)優(yōu)先級低的一方的充放電任務(wù),并對優(yōu)先級低的一方進(jìn)行功率補(bǔ)充,使其反向充放電,盡快恢復(fù)最佳SOC。

      由于VRB 具有容量大、響應(yīng)速度快以及使用壽命長的特點,其SOC 較易穩(wěn)定;而SMES 屬于功率型儲能,其SOC 波動大,容易陷入極限區(qū)域。因此,利用VRB 對SMES 進(jìn)行功率援助支撐,功率調(diào)整規(guī)則如下。

      式中:PSMES、PVRB分別為SMES、VRB 的最終參考功率;f為限制系數(shù),其值與SMES 額定容量和VRB 額定容量的比值呈負(fù)相關(guān)。

      (2)當(dāng)2 種儲能的充放電優(yōu)先級取值為1 或2,且XVRB≠XSMES時,按照2種儲能的充放電優(yōu)先級相同時的功率限制處理,SMES 和VRB 單獨調(diào)整,互不影響。

      (3)當(dāng)XSMES≥3 且XVRB≥3 時,表明儲能SOC 良好,無需進(jìn)一步優(yōu)化,直接輸出初始分配所得的參考功率。

      綜上所述,風(fēng)電功率分配主要包括以下2 個步驟:①利用儲能可用空間適時改變分頻點,由小波包分解方法靈活充分地分配得到初始參考功率;②針對儲能的不同SOC,借助VRB 能量型儲能的優(yōu)勢,對SMES 功率進(jìn)行補(bǔ)充以將其SOC 維持在穩(wěn)定水平。HESS功率分配流程圖如圖5所示。

      圖5 HESS功率分配流程圖Fig.5 Flowchart of HESS power distribution

      3 仿真分析

      本文采用MATLAB/Simulink 仿真軟件對所提控制方法及功率分配策略進(jìn)行仿真分析?;赗BF神經(jīng)網(wǎng)絡(luò)的改進(jìn)PI 控制器部分采取S 函數(shù)形式編寫;功率分配通過Function 函數(shù)編輯器完成。因本文側(cè)重于HESS 的功率分配協(xié)調(diào)控制,未涉及容量配置,故在仿真中假定預(yù)設(shè)容量能夠恰好滿足不平衡功率的平抑任務(wù)需求,HESS 的仿真參數(shù)見附錄B表B1。

      為了驗證本文所提基于RBF 神經(jīng)網(wǎng)絡(luò)的PI 控制器的有效性,對其并網(wǎng)變流器分別采用傳統(tǒng)PI 控制器和本文所提PI 控制器進(jìn)行對比分析。SMES 的控制效果與VRB 類似,因此以VRB 為例進(jìn)行分析,使VRB 運行在單位功率因數(shù)下,即只接受有功功率指令,無功功率指令為0。對有功功率設(shè)置階躍指令,0、0.2、0.4 s 時的有功功率分別為0、50、-30 kW。VRB 有功功率及電池端電壓的跟蹤結(jié)果如圖6 所示。由圖可以看出,本文所提PI 控制器在跟蹤功率指令時更及時、更準(zhǔn)確,電池端電壓響應(yīng)更迅速、超調(diào)量更小。

      圖6 VRB的仿真結(jié)果Fig.6 Simulative results of VRB

      為了驗證本文所提功率分配策略的正確性,對配置HESS 的含風(fēng)電電網(wǎng)進(jìn)行仿真分析。風(fēng)電輸出功率取自某風(fēng)電場的實測數(shù)據(jù),以1 s 為時間間隔進(jìn)行采樣,共采樣2 000 個點,風(fēng)電機(jī)組的額定功率為2 MW。當(dāng)小波包分解層數(shù)為6 層時,并網(wǎng)功率的1 min 最大波動率為8.4%,恰好滿足波動率要求。因此,選擇對原始風(fēng)電功率進(jìn)行6 層分解后得到并網(wǎng)功率。原始風(fēng)電功率及采用低通濾波和小波包分解所得并網(wǎng)參考功率見圖7。由圖可以看出,小波包分解所得并網(wǎng)參考功率更加平滑,更貼合原始風(fēng)電功率,且沒有延時。

      圖7 原始風(fēng)電功率及并網(wǎng)參考功率Fig7 Original wind power and grid-connected reference power

      將本文所提功率分配策略(可變分頻點并基于儲能充放電優(yōu)先級)與策略1(基于低通濾波和儲能充放電優(yōu)先級的功率分配策略)、策略2(基于一般小波包分解和儲能充放電優(yōu)先級且分頻點固定的功率分配策略)進(jìn)行對比仿真,且控制方法均采用基于RBF 神經(jīng)網(wǎng)絡(luò)的PI 控制器。儲能SOC 的分區(qū)設(shè)置見附錄B 表B2,3 種策略下儲能的SOC 結(jié)果如圖8所示。

      圖8 3種策略下儲能的SOCFig.8 SOC of energy storage under three strategies

      由圖8(a)可以看出:策略1下SMES的SOC在仿真起始時波動較大,這是因為低通濾波的滯后現(xiàn)象導(dǎo)致并網(wǎng)功率一開始遠(yuǎn)小于風(fēng)電功率,故對儲能大幅充電,SMES得到的功率指令瞬間過大超出了其容量限制,無法穩(wěn)定跟蹤,且100~200 s內(nèi)SMES分配得到的功率指令放電部分多于充電部分,因此造成SOC 先驟升后驟降;策略2 下SMES 的SOC 下降也較為明顯,雖然SOC因優(yōu)化控制及時穩(wěn)定了下降趨勢,但始終在其SOC的下限值處波動;相較而言,本文策略下SMES 的SOC 穩(wěn)定效果最佳。由圖8(b)可以看出:策略1 下并網(wǎng)功率延遲的問題導(dǎo)致VRB 大幅度充電,進(jìn)而使得SOC 大幅上升;策略2下VRB 的SOC下降幅度較大,最后穩(wěn)定在VRB 的SOC 下限值處;而本文策略下VRB的SOC略微下降之后恢復(fù)平穩(wěn)。

      本文策略下分頻點的變化情況如圖9 所示。由于VRB 和SMES 的初始SOC 均為0.5,在充放電過程中SOC變化較為平穩(wěn),所以分頻點也相對穩(wěn)定;隨著功率平抑過程的進(jìn)行,儲能的SOC發(fā)生變化,分頻點也隨之改變。

      圖9 可變分頻點的變化情況Fig.9 Change of alterable frequency division point

      在本文策略下SMES和VRB 的輸出功率如圖10所示。由圖可以看出,SMES 響應(yīng)高頻小幅功率指令,VRB 響應(yīng)低頻大幅功率指令,HESS 的優(yōu)勢得以體現(xiàn)。

      圖10 HESS的輸出功率Fig.10 Output power of HESS

      為了綜合驗證本文所提控制方法對風(fēng)電波動的平抑效果,將其與方法1(低通濾波+PI 控制器,并基于充放電優(yōu)先級進(jìn)行功率分配)、方法2(小波包可變分頻點+PI控制器,并基于充放電優(yōu)先級進(jìn)行功率分配)進(jìn)行對比仿真,3 種方法的實際并網(wǎng)功率對比如圖11 所示。由圖可知,相比于其他控制方法,本文所提控制方法下的實際并網(wǎng)功率更加平滑,且能較好地跟蹤原始風(fēng)電功率的波動。

      圖11 3種方法的實際并網(wǎng)功率對比Fig.11 Comparison of actual grid-connected power among three methods

      對上述控制方法下的實際并網(wǎng)功率、原始風(fēng)電功率及經(jīng)6 層小波包分解所得理想并網(wǎng)功率的波動率進(jìn)行計算,結(jié)果如表1 所示。由表可知,本文所提控制方法所得實際并網(wǎng)功率的1 min 最大波動率僅為9.1%,雖然不及理想并網(wǎng)功率的波動率,但已滿足工程實際的并網(wǎng)要求。

      表1 波動率對比Table 1 Comparison of volatility

      4 結(jié)論

      針對風(fēng)電消納問題,本文研究了HESS 在風(fēng)電并網(wǎng)中的應(yīng)用,在結(jié)合SMES 和VRB 各自優(yōu)點的基礎(chǔ)上,設(shè)計了基于RBF 神經(jīng)網(wǎng)絡(luò)的PI 控制器,可根據(jù)HESS 實時功率在線調(diào)整控制參數(shù),有效控制儲能系統(tǒng)進(jìn)行快速、精確的功率吞吐,克服了傳統(tǒng)PI控制器控制參數(shù)固定且不易確定的不足;在風(fēng)電功率分配中,對小波包分解法進(jìn)行了優(yōu)化,采用動態(tài)可變的分頻點,可根據(jù)儲能的實時SOC 改變分配至不同儲能的參考功率,最大限度地利用了儲能空間且避免了儲能過充過放,并充分發(fā)揮了VRB 容量大、充放電次數(shù)多的特性,使其對SMES 進(jìn)行功率補(bǔ)充,有效穩(wěn)定了儲能的SOC,保障下一時刻充放電任務(wù)的順利完成,有利于更好地實現(xiàn)風(fēng)電功率波動的平抑目標(biāo)。仿真結(jié)果驗證了本文所提HESS 控制方法及功率分配策略的有效性及可行性。

      附錄見本刊網(wǎng)絡(luò)版(http://www.epae.cn)。

      猜你喜歡
      電功率波包變流器
      基于PCC-CNN-GRU的短期風(fēng)電功率預(yù)測
      輕松上手電功率
      你會計算電功率嗎
      解讀電功率
      基于小波包Tsallis熵和RVM的模擬電路故障診斷
      中壓一體化儲能變流器的設(shè)計
      電測與儀表(2016年8期)2016-04-15 00:30:16
      基于小波包變換的電力系統(tǒng)諧波分析
      基于背靠背變流器的并網(wǎng)控制研究
      小波包理論與圖像小波包分解
      改進(jìn)PR控制在直驅(qū)風(fēng)機(jī)變流器中的應(yīng)用
      惠来县| 兴隆县| 万载县| 紫阳县| 台湾省| 得荣县| 阿尔山市| 南漳县| 萨嘎县| 九江县| 砚山县| 宁武县| 铜陵市| 贵定县| 门头沟区| 太白县| 兴安盟| 上栗县| 隆化县| 仁怀市| 治多县| 耿马| 静海县| 固安县| 鄂托克前旗| 武穴市| 黄石市| 蓬莱市| 广德县| 新沂市| 扎兰屯市| 邵阳县| 临海市| 鸡西市| 鞍山市| 同德县| 龙里县| 永寿县| 宁阳县| 友谊县| 凌海市|