在配电网供电恢复过程中,由于各个电池储能设备的SOC(state of charge)差异化特性,导致部分设备可能出现过充或过放等问题,从而对配电网的稳定运行造成威胁。为更好地发挥配电网供电恢复过程中储能的有功支撑能力,提出了基于电池储能SO...在配电网供电恢复过程中,由于各个电池储能设备的SOC(state of charge)差异化特性,导致部分设备可能出现过充或过放等问题,从而对配电网的稳定运行造成威胁。为更好地发挥配电网供电恢复过程中储能的有功支撑能力,提出了基于电池储能SOC特性的配电网供电恢复有功控制方法。首先,根据分布式光伏及电池储能的频率响应特性,考虑了分布式光伏和储能系统的动态响应能力,建立了配电网供电恢复场景的有功控制模型;然后,分析了储能SOC与调频系数间的解析关系,以此构建计及储能SOC特性的调频系数约束,在此基础上进一步考虑储能的容量限制和配电网的状态空间方程,以最小化频率偏差为优化目标函数构建了储能调频系数协同优化方法;最后,通过Matlab/Simulink仿真算例对比优化前后控制策略的调频性能,结果表明,该算法相比优化前具有更高的控制精度和更快的响应速度,充分发挥各储能单元的调频性能,从而提升了配电网供电恢复过程中的有功控制性能。展开更多
文摘在配电网供电恢复过程中,由于各个电池储能设备的SOC(state of charge)差异化特性,导致部分设备可能出现过充或过放等问题,从而对配电网的稳定运行造成威胁。为更好地发挥配电网供电恢复过程中储能的有功支撑能力,提出了基于电池储能SOC特性的配电网供电恢复有功控制方法。首先,根据分布式光伏及电池储能的频率响应特性,考虑了分布式光伏和储能系统的动态响应能力,建立了配电网供电恢复场景的有功控制模型;然后,分析了储能SOC与调频系数间的解析关系,以此构建计及储能SOC特性的调频系数约束,在此基础上进一步考虑储能的容量限制和配电网的状态空间方程,以最小化频率偏差为优化目标函数构建了储能调频系数协同优化方法;最后,通过Matlab/Simulink仿真算例对比优化前后控制策略的调频性能,结果表明,该算法相比优化前具有更高的控制精度和更快的响应速度,充分发挥各储能单元的调频性能,从而提升了配电网供电恢复过程中的有功控制性能。
