【技术实现步骤摘要】
风电储能混合系统的储能荷电状态参考值预测方法及系统
[0001]本专利技术涉及电力系统
,具体涉及一种风电储能混合系统的储能荷电状态参考值预测方法及系统。
技术介绍
[0002]风电储能混合系统为带有储能装置的风力发电系统。其中的风力发电系统由于风速、风向等自然条件的变化而不能持续地、稳定地输出电能,这在风电穿透功率比较高的情况下,会对电网的电能质量及其稳定性产生较大的影响。因而,在系统中配置一定容量的储能装置将起到平滑功率波动、维持发电/负荷动态平衡、保持电压/频率稳定的作用,从而实现风力发电系统安全、经济、高效、优质地运行。就储能系统的技术性能而言,其容量配置得越大,对风电系统功率波动的平滑效果将会越好,但这也同时增加了系统的投资成本,不能很好地满足经济性要求。因此,对于一定容量的储能系统,如何通过对其自身的优化控制,来提高储能系统在风电系统中的技术性能,已成为目前迫切需要解决的问题。
技术实现思路
[0003]本专利技术要解决的技术问题:针对现有技术的上述问题,提供一种风电储能混合系统的储能荷电状态参考值预测方法及系统,本专利技术能够在电池储能系统功率和容量配置一定的前提下,实现对风电场功率波动的最优平滑效果,同时还能使电池储能系统避免出现过度充电或深度放电的状况发生。
[0004]为了解决上述技术问题,本专利技术采用的技术方案为:
[0005]一种风电储能混合系统的储能荷电状态参考值预测方法,包括:
[0006]1)获取风电储能混合系统最近的前后两连续时段的平均功 ...
【技术保护点】
【技术特征摘要】
1.一种风电储能混合系统的储能荷电状态参考值预测方法,其特征在于,包括:1)获取风电储能混合系统最近的前后两连续时段的平均功率预测值;2)将前后两连续时段的平均功率预测值输入预先完成训练的两输入
‑
单输出的机器学习网络模型,从而得到风电储能混合系统中储能装置的储能荷电状态参考值,所述两输入
‑
单输出的机器学习网络模型被预先训练建立了前后两连续时段的平均功率预测值、储能装置的储能荷电状态参考值之间的映射关系。2.根据权利要求1所述的风电储能混合系统的储能荷电状态参考值预测方法,其特征在于,所述两输入
‑
单输出的机器学习网络模型为两输入
‑
单输出的单隐层BP网络。3.根据权利要求2所述的风电储能混合系统的储能荷电状态参考值预测方法,其特征在于,所述单隐层BP网络包括输入层、隐含层和输出层,其中输入层包含两个神经元用于输入前后两连续时段的平均功率预测值,隐含层包括6个神经元用于输出X1~X6,输出层用于输出得到的储能装置的储能荷电状态参考值。4.根据权利要求3所述的风电储能混合系统的储能荷电状态参考值预测方法,其特征在于,输入层和隐含层间采用双曲线正切激励函数tansig相连,所述隐含层的函数表达式为:上式中,tanh表示双曲线正切激励函数tansig,和分别为6个神经元的两组权重参数,P
mean(k)
和P
mean(k+1)
为输入层输入的前后两连续时段的平均功率预测值。5.根据权利要求4所述的风电储能混合系统的储能荷电状态参考值预测方法,其特征在于,所述隐含层和输出层之间采用线性函数purelin相连,所述输出层的函数表达式为:上式中,tanh表示线性函数purelin,分别为输出层分别与隐含层的6个神经元之间连接的六个权重参数。6.根据权利要求5所述的风电储能混合系统的储能荷电状态参考值预测方法,其特征在于,步骤2)之前还包括预先进行离线训练单隐层BP网络的步骤:S1)生成训练数据并划分为训练数据集和验证数据集,所述训练数据集和验证数据集包括归一化处理后的前后两连续时段的平均功率预测值...
【专利技术属性】
技术研发人员:张坤,邹鑫,贺鹏程,杨丹,宋军英,
申请(专利权)人:国网湖南省电力有限公司电力科学研究院国家电网有限公司,
类型:发明
国别省市:
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。