针对蓄电池和超级电容器储能特性不同的特点,将风电功率信号进行多尺度小波包分解,得到蓄电池和超级电容器的充放电参考功率。提出基于蓄电池和超级电容器荷电状态SOC(state of charge)的功率分配优化方法,详细讨论两种储能元件协调工...针对蓄电池和超级电容器储能特性不同的特点,将风电功率信号进行多尺度小波包分解,得到蓄电池和超级电容器的充放电参考功率。提出基于蓄电池和超级电容器荷电状态SOC(state of charge)的功率分配优化方法,详细讨论两种储能元件协调工作时可能出现的所有工作状态,实时检测储能元件SOC的大小,当处于非正常工作状态时调整储能元件的实时充放电参考功率,进行相应的过充过放保护。该方法对风电功率波动具有较好的平抑效果,且能有效延长蓄电池和超级电容器的使用寿命,在Matlab/Simulink中搭建仿真模型验证了该控制方法的有效性。展开更多
文摘针对蓄电池和超级电容器储能特性不同的特点,将风电功率信号进行多尺度小波包分解,得到蓄电池和超级电容器的充放电参考功率。提出基于蓄电池和超级电容器荷电状态SOC(state of charge)的功率分配优化方法,详细讨论两种储能元件协调工作时可能出现的所有工作状态,实时检测储能元件SOC的大小,当处于非正常工作状态时调整储能元件的实时充放电参考功率,进行相应的过充过放保护。该方法对风电功率波动具有较好的平抑效果,且能有效延长蓄电池和超级电容器的使用寿命,在Matlab/Simulink中搭建仿真模型验证了该控制方法的有效性。
