【技术实现步骤摘要】
一种平抑风电波动的混合储能容量优化配置方法
本专利技术涉及一种储能系统的容量配置方法,尤其涉及一种平抑风电波动的混合储能容量优化配置方法。
技术介绍
近年来,为了转变以化石能源为主的能源格局,一场以推动可再生能源和新能源发展为核心的新能源革命已风起云涌。但是,风电的波动和间歇行为都具有强烈的不确定性,其对微电网的电力可靠性、电能质量、经济性的影响随着渗透率的增加而越发突出。采用储能技术能够提高风储联合发电系统的电能质量,降低风力发电并网功率的波动,提高系统运行的稳定性。随着储能技术的发展,目前广泛采用混合储能系统(HybridEnergyStorageSystem,HESS)来平抑风电功率波动,可分为能量型储能和功率型储能。然而,在混合储能系统容量配置时,储能系统容量配置过大会增加微电网的投资成本,容量配置过小则会导致储能系统频繁切换工作状态,缩短电池的使用寿命。因此,如何合理配置HESS的容量,在满足系统平抑风功率波动要求的同时,降低建设成本成为HESS应用于风储联合发电系统的研究热点之一。
技术实现思路
专利技术目的:针对以上问题,本专利技术提出一种平抑风电波动的混合储能容量优化配置方法,能够提高风储联合发电系统的电能质量,降低风力发电并网功率的波动,提高系统运行的稳定性和经济性。技术方案:本专利技术所采用的技术方案是一种平抑风电波动的混合储能容量优化配置方法,包括以下步骤:(1)通过滑动平均滤波获得混合储能系统的参考功率,采用CAMD分解法将所述参考功率分解为多个IM ...
【技术保护点】
1.一种平抑风电波动的混合储能容量优化配置方法,其特征在于,包括以下步骤:/n(1)通过滑动平均滤波获得混合储能系统的参考功率,采用CAMD分解法将所述参考功率分解为多个IMFs分量,重复上述步骤若干次,将每次得到的IMF做合成平均处理后作为最终结果递归TF变换的输入;/n(2)通过递归TF变换得到各IMF分量的瞬时频率-时间曲线,在分界点临近分量处,以全寿命周期年化成本为目标函数,以最小容量、最小功率为约束条件,构建混合储能系统年均总成本优化模型,并结合智能IPQ算法求解最优频率分界点;/n(3)根据最优频率分界点将高、低频信号重构,然后根据混合储能系统充放电效率、换流器的能量转换效率及荷电状态来确定蓄电池和超级电容器的额定功率和容量,采用功率型储能和能量型储能分别对风电机组的输出功率进行平抑。/n
【技术特征摘要】
1.一种平抑风电波动的混合储能容量优化配置方法,其特征在于,包括以下步骤:
(1)通过滑动平均滤波获得混合储能系统的参考功率,采用CAMD分解法将所述参考功率分解为多个IMFs分量,重复上述步骤若干次,将每次得到的IMF做合成平均处理后作为最终结果递归TF变换的输入;
(2)通过递归TF变换得到各IMF分量的瞬时频率-时间曲线,在分界点临近分量处,以全寿命周期年化成本为目标函数,以最小容量、最小功率为约束条件,构建混合储能系统年均总成本优化模型,并结合智能IPQ算法求解最优频率分界点;
(3)根据最优频率分界点将高、低频信号重构,然后根据混合储能系统充放电效率、换流器的能量转换效率及荷电状态来确定蓄电池和超级电容器的额定功率和容量,采用功率型储能和能量型储能分别对风电机组的输出功率进行平抑。
2.根据权利要求1所述的平抑风电波动的混合储能容量优化配置方法,其特征在于:步骤(1)中所述的通过滑动平均滤波获得混合储能系统的参考功率,是将风电输出功率与系统并网参考功率做差,得到所述参考功率,所述系统并网参考功率是风电输出功率经过滑动平均滤波处理后所得。
3.根据权利要求1所述的平抑风电波动的混合储能容量优化配置方法,其特征在于:步骤(1)中所述的CAMD分解法是将正态分布的白噪声信号叠加给所述参考功率,随后再进行经验模态分解,得到各IMF分量。
4.根据权利要求1所述的平抑风电波动的混合储能容量优化配置方法,其特征在于:步骤(2)中所述的递归TF变换,递归公式为:
式中,ci(t)表示步骤(1)结束时所得的IMF分量中第i个模态分量,ci+1(t)为下一个第i+1个模态分量,T[ci(t)]为模态分量ci(t)的TF变换;
每经过一次递归计算相应的幅值函数ai(t)和相位函数φi(t)为:
5.根据权利要求4所述的平抑风电波动的混合储能容量优化配置方法,其特征在于:经所述递归TF变换后,瞬时频率-时间关系表示为:
式中,φm(t)为递归TF变换计算到幅值函数趋于1时对应的相位函数。
6.根据权利要求1所述的平抑风电波动的混合储能容量优化配置方法,其特征在于:步骤(2)中所述的混合储能系统年均总成本优化模型,目标函数为:
Csum=(1+q1)αpbPB+[(1+q1)βeb+N′k1]EB+(1+q2)αpcPC+[(1+q2)βec+N′k2]EC
式中Csum表示全寿命周期的年化成本,PB、PC分别为蓄电池、超级电容器的额定功率;αpb、βeb分别代表了蓄电池的功率成本系数、容量成本系数;αpc、βec分别代表了超级电容器的功率成本系数、容量成本系数;q1、q2分别代表了蓄电池、超级电容器的更换次数;k1、k2分别为蓄电池、超级电容器的维护单...
【专利技术属性】
技术研发人员:吴瑶,孟高军,孙玉坤,常青青,李建林,程哲明,刘海涛,夏涛,
申请(专利权)人:南京工程学院,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。