基于超短期風電功率預測的混合儲能控制策略研究.pdf

1、本文針對大規(guī)模風電的隨機性、波動性和不確定性對主網(wǎng)的沖擊，采用基于超級電容器和蓄電池的混合儲能系統(tǒng)平抑并網(wǎng)功率波動。本文采用了快速傅里葉變換對風電歷史信號進行頻譜分析，根據(jù)頻譜特性圖和蓄電池與超級電容器補償功率特點，采用了一種新的信號分解方法—解析模態(tài)分解方法，將風電歷史信號分解為高頻分量和低頻分量；針對低頻分量使用支持向量機方法進行超短期預測，超短期預測中采用了高斯徑向基核函數(shù)，其中的懲罰因子參數(shù)和核函數(shù)參數(shù)的尋優(yōu)是超短期風電功率預測

2、的重要問題；布谷鳥算法是一種新的元啟發(fā)式算法，可以不用將所有參數(shù)尋歷一遍就可以找到參數(shù)最優(yōu)解，從而提高了支持向量機的學習能力。但是，由于標準CS（Cuckoo Search）算法尋優(yōu)路徑依賴于隨機游走策略，且采用了固定發(fā)現(xiàn)概率，將會降低尋優(yōu)效率和尋優(yōu)精度。故本文采用了一種改進的布谷鳥分析方法，采用自適應動態(tài)調(diào)整控制策略和引入動態(tài)發(fā)現(xiàn)概率代替固定發(fā)現(xiàn)概率，使得參數(shù)的尋優(yōu)速度和尋優(yōu)精度同時得到提高。
　　對低頻分量進行超短期風電功率預

3、測以后，本文對低頻預測信號建立1min時間尺度和30min時間尺度的功率波動并網(wǎng)指標，根據(jù)功率波動是否超出波動指標判斷蓄電池是否動作，若任一功率波動指標超出范圍，則蓄電池動作；然后，本文采用了AMD分解調(diào)整低頻預測信號的截止頻率，直到滿足并網(wǎng)要求，從而確定蓄電池最終補償功率指令；最后根據(jù)蓄電池荷電狀態(tài)和補償功率指令自適應調(diào)節(jié)原始風電信號截止頻率，高頻信號通過模糊控制由超級電容器補償。
　　本文根據(jù)內(nèi)蒙某99MW風電場為例，采集了該