基于風(fēng)電預(yù)測(cè)的混合儲(chǔ)能系統(tǒng)控制策略及容量配置研究.pdf

1、風(fēng)力發(fā)電是當(dāng)前眾多新能源發(fā)電類型中發(fā)展最為迅速的發(fā)電形式之一，由于具有技術(shù)成熟、開發(fā)價(jià)值高等優(yōu)勢(shì)，風(fēng)電在各國(guó)的能源戰(zhàn)略中均占據(jù)重要位置。但是風(fēng)電固有的隨機(jī)性、間歇性和波動(dòng)性等特點(diǎn)使其對(duì)電力系統(tǒng)的正常運(yùn)行產(chǎn)生諸多不利影響，因此對(duì)提高并網(wǎng)風(fēng)電可控性的相關(guān)措施進(jìn)行深入研究和探討具有重要意義。風(fēng)電預(yù)測(cè)和風(fēng)電平抑是應(yīng)對(duì)并網(wǎng)風(fēng)電不確定性的兩種有效措施，本文將兩種措施相結(jié)合，為增強(qiáng)并網(wǎng)風(fēng)電可控性提供一定的參考依據(jù)。
　　本文首先對(duì)SVM的相關(guān)理

2、論進(jìn)行了闡述，并利用SVM對(duì)華北某風(fēng)電場(chǎng)進(jìn)行了預(yù)測(cè)，將預(yù)測(cè)結(jié)果與BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果作比較，對(duì)比發(fā)現(xiàn)SVM具有更好的預(yù)測(cè)精度和預(yù)測(cè)魯棒性。然后針對(duì)SVM在大樣本環(huán)境下內(nèi)存和運(yùn)算時(shí)間顯著增加、邊際預(yù)測(cè)精度減小的問題，提出了一種基于SVM的風(fēng)電場(chǎng)出力分類預(yù)測(cè)算法，通過分類將大樣本轉(zhuǎn)化為若干小樣本，訓(xùn)練出分類模型，然后建立多個(gè)回歸模型實(shí)現(xiàn)出力預(yù)測(cè)，并借助算例證明了該方法的有效性。
　　研究了風(fēng)電平抑目標(biāo)的確定方法。利用小波工具對(duì)某一分析

3、時(shí)段的風(fēng)電出力歷史數(shù)據(jù)進(jìn)行分解，獲取其低頻分量，利用上述分類預(yù)測(cè)算法對(duì)低頻分量進(jìn)行預(yù)測(cè)，將預(yù)測(cè)結(jié)果作為風(fēng)電平抑目標(biāo)。算例表明，與對(duì)當(dāng)天數(shù)據(jù)直接小波分解得到的低頻分量相比，本文通過對(duì)低頻分量預(yù)測(cè)確定的平抑目標(biāo)更平滑，與之對(duì)應(yīng)的儲(chǔ)能分量波動(dòng)性更大。
　　以蓄電池和超級(jí)電容器組成的混合儲(chǔ)能系統(tǒng)為例，提出了混合儲(chǔ)能系統(tǒng)雙層控制策略。其中第一層策略基于儲(chǔ)能系統(tǒng)SOC五分區(qū)模型，運(yùn)行過程中對(duì)儲(chǔ)能裝置的SOC水平實(shí)時(shí)監(jiān)測(cè)，通過判斷SOC所屬區(qū)間

4、，對(duì)充放電功率按不同原則進(jìn)行實(shí)時(shí)修正，避免儲(chǔ)能裝置過充或過放。第二層控制策略用于兩類儲(chǔ)能裝置之間SOC不平衡時(shí)的功率調(diào)整，文中定義了功率基調(diào)波，在兩類儲(chǔ)能裝置之間建立了能量交換關(guān)系，旨在實(shí)現(xiàn)各類儲(chǔ)能裝置容量的充分利用;第二層控制策略在兩類儲(chǔ)能裝置容量相近時(shí)改善效果更明顯。算例證明，本文策略對(duì)于維持和平衡儲(chǔ)能裝置的SOC水平、減小儲(chǔ)能配置容量均具有良好效果。
　　文章提出了一種混合儲(chǔ)能系統(tǒng)容量配置優(yōu)化模型。采用經(jīng)濟(jì)指標(biāo)優(yōu)化方法，模型