基于下垂控制策略的蓄电池储能管理方案被广泛应用于孤岛电网,但在放电过程中并联蓄电池储能设备相互间将出现电荷状态(State of Charge,SOC)差异,使某些储能设备提前退出运行,显著削弱了系统稳定性。针对上述问题,提出一种适用于多储...基于下垂控制策略的蓄电池储能管理方案被广泛应用于孤岛电网,但在放电过程中并联蓄电池储能设备相互间将出现电荷状态(State of Charge,SOC)差异,使某些储能设备提前退出运行,显著削弱了系统稳定性。针对上述问题,提出一种适用于多储能设备的SOC一致性控制策略,并进行优化。将SOC作为下垂控制器输入量,根据SOC实时调节储能设备的输出功率,使并联储能设备的SOC在放电过程中逐渐趋于一致,进而在孤岛电网频率偏移约束以及逆变器最大输出有功功率限制下对加速因子进行在线优化,显著减少了并联蓄电池储能设备间SOC最终差值,达到更佳的均衡效果。仿真与实验结果验证了SOC一致性优化控制策略理论分析的正确性和实现方案的有效性。展开更多
大容量电池储能电站功率分配的决策变量多,且策略需考虑多个优化目标及能自动适应场景的不确定性。为此,提出了一种基于多智能体深度强化学习(multi-agent deep reinforcement learning,MADRL)的电池储能电站功率分配决策方法。首先,基...大容量电池储能电站功率分配的决策变量多,且策略需考虑多个优化目标及能自动适应场景的不确定性。为此,提出了一种基于多智能体深度强化学习(multi-agent deep reinforcement learning,MADRL)的电池储能电站功率分配决策方法。首先,基于大容量电池储能电站结构及其功率分配特性构建基于MADRL的功率分配决策框架,每个储能单元设置一个功率分配智能体,多个智能体构成合作关系;然后,设计考虑储能电站有功功率损耗、荷电状态(state of charge,SOC)一致性和健康状态损失最小优化目标的功率分配智能体模型,采用深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法去中心化训练各智能体网络参数,算法收敛后得到储能子系统充放电功率值。最后,算例验证了所提方法的有效性,能在有效提高储能子系统SOC均衡性的同时降低有功功率损耗、健康状态损失和充放电切换次数。展开更多
针对长时间充放电后锂电池模组之间荷电状态(state of charge,SOC)不一致的问题,传统集中式均衡电路存在均衡速度过低的缺陷,以对称式开关阵列、Boost变换器与LC准谐振电路作为均衡主电路,提出了一种基于连续集模型预测控制(continuous ...针对长时间充放电后锂电池模组之间荷电状态(state of charge,SOC)不一致的问题,传统集中式均衡电路存在均衡速度过低的缺陷,以对称式开关阵列、Boost变换器与LC准谐振电路作为均衡主电路,提出了一种基于连续集模型预测控制(continuous control set model predictive control,CCS-MPC)的均衡控制策略。首先,对均衡系统进行建模,构建离散状态空间方程;然后,根据状态方程设计多步模型预测算法,并以SOC预测值和参考值、变换器开关管当前输入和上一时刻输入之间的误差作为价值函数;最后,对价值函数进行二次规划,在线求解出一组控制最优解,并应用于均衡系统,通过动态调整占空比以控制均衡电流的大小。相较于单步预测,多步预测需要考虑被控量在多个周期内保持最优,可以保证在每个均衡周期内均衡器都能输出最优的均衡电流,有效防止均衡器失稳。仿真结果表明,所提模型预测算法实现了各电池组SOC一致,保证了均衡电流的稳定输出,相比常规PI算法缩短了17%的均衡时间。展开更多
随着“碳达峰、碳中和”目标的提出,储能在新能源高渗透率条件下参与需求响应以及电网调控得到极大的重视。针对大量储能集群的有效调控问题,提出了一种基于多智能体分布式协同的储能集群指令自适应跟踪方法。该方法分为2个部分:第1部...随着“碳达峰、碳中和”目标的提出,储能在新能源高渗透率条件下参与需求响应以及电网调控得到极大的重视。针对大量储能集群的有效调控问题,提出了一种基于多智能体分布式协同的储能集群指令自适应跟踪方法。该方法分为2个部分:第1部分是指令的事前分配,利用离线迭代的方式,将外部指令按照一定的比例分配到集群中各个储能单元上;第2部分,利用实时反馈的荷电状态(state of charge,SoC)控制方法,在保持对指令追踪的同时,实现SoC的平衡。通过仿真实验验证SoC控制后的各储能单元功率和用电量分配。仿真模拟结果表明,所提出的方法能使各储能单元达到SoC一致并且跟踪外部指令。与传统的集中式框架相比,采用分布式储能集群,能够对规模化储能集群进行有效管控,可降低系统通信数据量,且隐私性好。展开更多
文摘基于下垂控制策略的蓄电池储能管理方案被广泛应用于孤岛电网,但在放电过程中并联蓄电池储能设备相互间将出现电荷状态(State of Charge,SOC)差异,使某些储能设备提前退出运行,显著削弱了系统稳定性。针对上述问题,提出一种适用于多储能设备的SOC一致性控制策略,并进行优化。将SOC作为下垂控制器输入量,根据SOC实时调节储能设备的输出功率,使并联储能设备的SOC在放电过程中逐渐趋于一致,进而在孤岛电网频率偏移约束以及逆变器最大输出有功功率限制下对加速因子进行在线优化,显著减少了并联蓄电池储能设备间SOC最终差值,达到更佳的均衡效果。仿真与实验结果验证了SOC一致性优化控制策略理论分析的正确性和实现方案的有效性。
文摘大容量电池储能电站功率分配的决策变量多,且策略需考虑多个优化目标及能自动适应场景的不确定性。为此,提出了一种基于多智能体深度强化学习(multi-agent deep reinforcement learning,MADRL)的电池储能电站功率分配决策方法。首先,基于大容量电池储能电站结构及其功率分配特性构建基于MADRL的功率分配决策框架,每个储能单元设置一个功率分配智能体,多个智能体构成合作关系;然后,设计考虑储能电站有功功率损耗、荷电状态(state of charge,SOC)一致性和健康状态损失最小优化目标的功率分配智能体模型,采用深度确定性策略梯度(deep deterministic policy gradient,DDPG)算法去中心化训练各智能体网络参数,算法收敛后得到储能子系统充放电功率值。最后,算例验证了所提方法的有效性,能在有效提高储能子系统SOC均衡性的同时降低有功功率损耗、健康状态损失和充放电切换次数。
文摘为有效平滑风电出力和实现储能系统安全经济运行,提出一种储能集群双层鲁棒控制策略。系统功率分配层,改进集合经验模态分解(improved ensemble empirical mode decomposition,IEEMD),推导出逐次解析高频波动功率的数学模型,并提出基于并网标准的分解阶数自适应确定流程,能较好解析局部风功率以减小储能功率中混叠的低频成分,降低其功率需求和运行负担,同时,解决了传统方法需要完全分解功率信号导致效率低的问题。储能运行层,考虑储能单元荷电状态(state of charge,SOC)的差异性,提出基于功率分布区间的储能单元轮换控制策略,在维持储能单元SOC一致的同时可减小该过程充放电动作调整次数。在此基础上,提出基于3组储能集群的协调控制策略,有效提升分组控制模式下对充放电能量不平衡的鲁棒性,使各储能单元均能运行于最优放电深度(depth of discharge,DOD)以充分利用其寿命和延长使用寿命。最后,采用某50 MW风电场数据验证了所提策略的有效性和优越性。
文摘针对长时间充放电后锂电池模组之间荷电状态(state of charge,SOC)不一致的问题,传统集中式均衡电路存在均衡速度过低的缺陷,以对称式开关阵列、Boost变换器与LC准谐振电路作为均衡主电路,提出了一种基于连续集模型预测控制(continuous control set model predictive control,CCS-MPC)的均衡控制策略。首先,对均衡系统进行建模,构建离散状态空间方程;然后,根据状态方程设计多步模型预测算法,并以SOC预测值和参考值、变换器开关管当前输入和上一时刻输入之间的误差作为价值函数;最后,对价值函数进行二次规划,在线求解出一组控制最优解,并应用于均衡系统,通过动态调整占空比以控制均衡电流的大小。相较于单步预测,多步预测需要考虑被控量在多个周期内保持最优,可以保证在每个均衡周期内均衡器都能输出最优的均衡电流,有效防止均衡器失稳。仿真结果表明,所提模型预测算法实现了各电池组SOC一致,保证了均衡电流的稳定输出,相比常规PI算法缩短了17%的均衡时间。
文摘随着“碳达峰、碳中和”目标的提出,储能在新能源高渗透率条件下参与需求响应以及电网调控得到极大的重视。针对大量储能集群的有效调控问题,提出了一种基于多智能体分布式协同的储能集群指令自适应跟踪方法。该方法分为2个部分:第1部分是指令的事前分配,利用离线迭代的方式,将外部指令按照一定的比例分配到集群中各个储能单元上;第2部分,利用实时反馈的荷电状态(state of charge,SoC)控制方法,在保持对指令追踪的同时,实现SoC的平衡。通过仿真实验验证SoC控制后的各储能单元功率和用电量分配。仿真模拟结果表明,所提出的方法能使各储能单元达到SoC一致并且跟踪外部指令。与传统的集中式框架相比,采用分布式储能集群,能够对规模化储能集群进行有效管控,可降低系统通信数据量,且隐私性好。
