为解决风电机组由于风电不确定性带来的调频功率偏差问题,提出一种基于数据分解的“飞轮+锂电”混合储能系统辅助风电调频容量配置方法。首先,以最小平均包络熵为优化目标,利用粒子群算法优化变分模态分解参数,并分解风电调频偏差功率,...为解决风电机组由于风电不确定性带来的调频功率偏差问题,提出一种基于数据分解的“飞轮+锂电”混合储能系统辅助风电调频容量配置方法。首先,以最小平均包络熵为优化目标,利用粒子群算法优化变分模态分解参数,并分解风电调频偏差功率,得到k个包含不同数据特征的本征模态函数(intrinsic mode function,IMF)。其次,根据信号过零率将所有IMF分为低频和高频信号,并建立经济评估模型,旨在优化混合储能系统容量配置方案。最后,基于典型风电场区域控制误差(area control error,ACE)数据,构建仿真模型,并在多种扰动工况下对混合储能系统进行性能测试。结果表明,所提出的配置方法在经济性与调频性能方面均优于等容量的单一储能方案。展开更多
文摘为解决风电机组由于风电不确定性带来的调频功率偏差问题,提出一种基于数据分解的“飞轮+锂电”混合储能系统辅助风电调频容量配置方法。首先,以最小平均包络熵为优化目标,利用粒子群算法优化变分模态分解参数,并分解风电调频偏差功率,得到k个包含不同数据特征的本征模态函数(intrinsic mode function,IMF)。其次,根据信号过零率将所有IMF分为低频和高频信号,并建立经济评估模型,旨在优化混合储能系统容量配置方案。最后,基于典型风电场区域控制误差(area control error,ACE)数据,构建仿真模型,并在多种扰动工况下对混合储能系统进行性能测试。结果表明,所提出的配置方法在经济性与调频性能方面均优于等容量的单一储能方案。
