随着新型电力系统中可再生能源渗透率的不断攀升,以及传统火电机组的比例持续下降,新型电力系统面临严峻的频率控制问题,而分布式电池储能系统BESS(battery energy storage system)可为解决上述问题提供有效途径。基于此,首先提出1种基...随着新型电力系统中可再生能源渗透率的不断攀升,以及传统火电机组的比例持续下降,新型电力系统面临严峻的频率控制问题,而分布式电池储能系统BESS(battery energy storage system)可为解决上述问题提供有效途径。基于此,首先提出1种基于稀疏通信网络的分布式BESSs鲁棒负载频率控制LFC(loadfrequency control)方法。接着,为了抑制与系统运行相关的不确定性,设计了双层模型预测控制以改善BESS的响应特性,从而提升LFC效果。所提方法可满足系统各种运行物理约束,以实现区域控制误差的最小化。然后,考虑通信延迟对BESS参与频率调节性能的影响,设计了1种模糊协调控制器件以协调BESS和传统发电机,可避免传统发电机在长延迟情况下误运行。最后,通过仿真实验对所提方案进行验证,结果表明在不同容量、额定功率、充放电系数、荷电状态和时间常数等参数下,分布式BESS中的响应能力和调频效果明显优于传统方法。展开更多
随着新能源大规模接入电网,为应对新能源随机性和波动性给互联系统负荷频率控制(Load Frequency Control,LFC)带来的不确定问题,实现新能源电力系统多约束条件下的优化运行,建立了含风电机组的LFC多胞模型,以减少模型参数不确定对控制...随着新能源大规模接入电网,为应对新能源随机性和波动性给互联系统负荷频率控制(Load Frequency Control,LFC)带来的不确定问题,实现新能源电力系统多约束条件下的优化运行,建立了含风电机组的LFC多胞模型,以减少模型参数不确定对控制系统的影响。设计了基于原对偶神经网络(Primal-Dual Neural Network,PDNN)的Tube鲁棒模型预测控制(Tube-Robust Model Predictive Control,Tube-RMPC)策略。将标称模型预测控制器与辅助反馈控制器结合,通过PDNN实时求解标称模型预测控制器以保证为LFC系统产生最优状态轨迹。设计辅助反馈控制器抵消外部干扰,使实际系统的状态维持在以标称轨迹为中心的Tube内。最后,对含风电的三区域负荷频率控制系统进行仿真研究,结果表明所提出的Tube-RMPC控制策略,不仅能够有效提高控制精度,还能增强系统鲁棒性,提高实时优化效率。展开更多
文摘随着新型电力系统中可再生能源渗透率的不断攀升,以及传统火电机组的比例持续下降,新型电力系统面临严峻的频率控制问题,而分布式电池储能系统BESS(battery energy storage system)可为解决上述问题提供有效途径。基于此,首先提出1种基于稀疏通信网络的分布式BESSs鲁棒负载频率控制LFC(loadfrequency control)方法。接着,为了抑制与系统运行相关的不确定性,设计了双层模型预测控制以改善BESS的响应特性,从而提升LFC效果。所提方法可满足系统各种运行物理约束,以实现区域控制误差的最小化。然后,考虑通信延迟对BESS参与频率调节性能的影响,设计了1种模糊协调控制器件以协调BESS和传统发电机,可避免传统发电机在长延迟情况下误运行。最后,通过仿真实验对所提方案进行验证,结果表明在不同容量、额定功率、充放电系数、荷电状态和时间常数等参数下,分布式BESS中的响应能力和调频效果明显优于传统方法。
文摘随着新能源大规模接入电网,为应对新能源随机性和波动性给互联系统负荷频率控制(Load Frequency Control,LFC)带来的不确定问题,实现新能源电力系统多约束条件下的优化运行,建立了含风电机组的LFC多胞模型,以减少模型参数不确定对控制系统的影响。设计了基于原对偶神经网络(Primal-Dual Neural Network,PDNN)的Tube鲁棒模型预测控制(Tube-Robust Model Predictive Control,Tube-RMPC)策略。将标称模型预测控制器与辅助反馈控制器结合,通过PDNN实时求解标称模型预测控制器以保证为LFC系统产生最优状态轨迹。设计辅助反馈控制器抵消外部干扰,使实际系统的状态维持在以标称轨迹为中心的Tube内。最后,对含风电的三区域负荷频率控制系统进行仿真研究,结果表明所提出的Tube-RMPC控制策略,不仅能够有效提高控制精度,还能增强系统鲁棒性,提高实时优化效率。
