分布式光伏/储能系统多运行模式协调控制策略

Multi-mode Coordinated Control Strategy of Distributed PV and Energy Storage System

杨子龙1, 宋振浩2, 潘静3, 陈卓1, 王一波1

1.中国科学院电工研究所,北京市 海淀区 100190

2.中国电力科学研究院有限公司,北京市 海淀区 100192

3.国网安徽省电力公司,安徽省 合肥市 230061

YANG Zilong1, SONG Zhenhao2, PAN Jing3, CHEN Zhuo1, WANG Yibo1

1. Institute of Electrical Engineering Chinese Academy of Sciences, Haidian District, Beijing 100190, China
2. China Electric Power Research Institute, Haidian District, Beijing 100192, China
3. State Grid Anhui Electric Power Co., LTD., Hefei 230061, Anhui Province, China

  • 杨子龙(1980),男,博士,副研究员,研究方向为光伏发电与微网系统技术等,yangzl@mail.iee.ac.cn。

基金项目: 国家重点研发计划资助(2016YFB0900400)(分布式可再生能源发电集群并网消纳关键技术及示范应用); National Key R&D Program of China (2016YFB0900400);

文章编号: 0258-8013(2019)08-2213-08 中图分类号: TM615

摘要

针对储能电站在现有配置下运行模式单一且不能充分发挥储能作用的问题,该文提出一种混合储能系统在平抑功率波动和峰谷电价套利2种模式下协调运行控制策略。平抑功率波动模式中,利用小波包分解对储能系统内部功率进行一次分配,并结合储能装置的荷电状态信息对一次功率进行修正,实现功率二次分配。峰谷电价套利模式中,依据分时电价和荷电状态信息确定储能系统充放电起止时刻,根据负荷实际大小确定其充放电功率实现用电负荷的经济运行。根据光伏实时波动情况,结合储能装置荷电状态信息,设计了2种运行模式的协调运行策略,实现源/网/荷/储能量的合理管理。在Matlab中搭建仿真模型验证了所提控制策略的准确性和实用性,并将控制策略应用到工程现场。

关键词 : 平抑功率波动; 峰谷套利; 荷电状态; 功率分配; 多模式协调;

DOI:10.13334/j.0258-8013.pcsee.182342

ABSTRACT

Aim

ing at the problem that the energy storage station has a single operation mode under the existing configuration and cannot fully utilize the energy storage function, this paper presented a novel control strategy which combines smoothing photovoltaic fluctuation mode and peak-valley electricity price arbitrage mode. For the mode of smoothing photovoltaic fluctuation, the internal power of the energy storage system is initially allocated by wavelet packet decomposition, and then combined with the state of charge of the energy storage device, the primary power is adjusted to realize power redistribution. For the mode of peak-valley electricity price arbitrage, according to the time-of-use price and state of battery charge information, the charging and discharging start and stop time of the energy storage system is determined, and then the charging and discharging power is determined according to the actual size of the load to realize the economic operation of the power load. According to the real-time fluctuation of PV, combined with the state of charge of the energy storage device, a coordinated operation strategy of two operating modes was designed to realize the reasonable management of source/network/load/storage energy. Finally, a simulation model was built in Matlab to verify the accuracy and practicability of the proposed control strategies, and then applied those strategies to the demonstration project.

KEY WORDS : smoothing power fluctuation; peak-valley electricity arbitrage; state of charge; power distribution; multi-mode coordinated operation;

0 引言

随着可再生能源的商业模式和国家政策的不断进步,分布式光伏发电将是光伏未来发展的主要方向[1-2]。分布式光伏虽然单个装机容量比较小,但是多个汇集后容量会变大,并网后给电网带来的冲击不容忽视[3-4]。为了减小分布式光伏并网带来的影响,光伏/储能/负荷的合理配置和运行已经成为可再生能源领域广泛认可的解决方案。根据整个系统实际运行情况制定合理的储能电站控制策略具有重要的现实意义。

目前对于分布式光伏电站中储能电站的运行模式已有很多学者进行了相关研究,光伏/储能/负荷的运行模式主要包括平抑并网功率波动、峰谷电价套利、参与电网调频调压等。在平抑功率波动方面,文献[5-8]采用一阶低通滤波算法对光伏原始输出功率进行平滑处理,得到光伏平抑目标和储能电池参考功率;文献[9]采用实时小波算法处理光伏原始功率分别得到高频和低频部分,低频部分作为并网目标,高频部分作为储能系统充放电参考功率指令,同时对储能装置的剩余容量进行了约束;文 献[10-12]采用小波包-模糊控制相结合,在有效平抑光伏输出功率波动的同时对储能装置的剩余容量进行自适应控制,实现了功率的优化分配。在峰谷电价套利运行模式方面,文献[13-14]中提出了在考虑电池荷电状态为状态变量的基础上,采用动态规划方法来求解负荷的削峰填谷问题。上述文献所提储能系统的运行模式较为单一,未能充分发挥储能在分布式电源并网中的价值,导致系统利用率和利用价值较低。文献[15-16]提出了基于非支配排序遗传算法(NSGA-II)和模糊预测控制的光伏储能微电网系统多目标控制策略方法,但所提算法虽较为复杂,计算量较大,不利于工程实际应用。由能量型储能单元(如各种蓄电池)与功率型储能单元(如超级电容器和飞轮储能)组成混合储能系统可以提高储能系统性能,更好的满足用户个性化需求。文献[17-19]采用混合储能系统实现了平抑可再生能源并网功率波动的功能,但很少有文献报道混合储能在多目标控制模式下的控制策略和多策略的协调方法。

针对上述问题和特点,本文结合混合储能系统的运行能力和荷电状态等信息,提出了平抑功率波动模式和峰谷电价套利模式以及两种模式间的协调切换控制策略。在平抑功率波动模式下,首先利用小波包计算平抑目标和实现混合储能系统内部功率一次分配,当储能荷电状态超出正常范围时,对功率指令进行修正,实现二次分配。在峰谷电价套利模式下,根据负荷大小和储能装置荷电状态信息求取功率参考值。最终在不同的时间段内根据实际情况以不同模式运行,以储能装置的充放电次数和输出功率的延迟性证明本文所提控制策略在利用率和算法计算量上的优越性。

1 光储联合系统结构及功率约束

1.1 光-储联合系统结构

分布式光伏电站与混合储能电站的联合运行结构如图1所示。光伏系统、储能系统和负荷、电网通过交流母线互联。储能电站由铅酸蓄电池和超级电容器构成的混合储能系统组成。其中,储能用铅酸蓄电池的充放电倍率较低,一般为0.2~0.4C,其深度循环寿命一般1500~3000次,适合于做低频

图1 光-储联合系统运行结构示意图 Fig. 1 Illustration of operation structure of PV-storage system

大容量的充放电循环;而超级电容的充电倍率一般为10C以上,循环寿命在10万次以上,适合于做高频小容量的充放电循环。

为源荷网储的协调运行,在储能电站侧设置协调控制系统,协调控制系统引入储能装置的荷电状态和实际输出功率构成反馈控制,通过控制策略计算出各变流器的功率参考值PbatrefPcapref,蓄电池和超级电容器经变流器充放电控制后实际输出功率为PbatPcap,PHess为混合储能系统总输出功率。利用PHess可对光伏电站输出功率Ppv和本地负荷Pload进行功率平衡。

1.2 功率约束

针对光伏电站安全并入电网的问题,现行标准主要以短时间尺度内有功功率变化的最大限值为准,时间尺度主要包括1min和10min,最大功率波动限值如表1所示[20]

表1 光伏发电系统并网功率限制要求 Tab. 1 Requirements for grid-connected power limitation for photovoltaic power generation systems

分布式光伏电站的容量一般属于中小型电站,1min和10min的功率限制具体计算公式如下:

\(|\underset{\Delta t=\frac{1}{60},{{T}_{1}},2{{T}_{1}},\cdots ,1}{\mathop{\max }}\,{{P}_{\text{pv}}}(t)-\underset{\Delta t=\frac{1}{60},{{T}_{1}},2{{T}_{1}},\cdots ,1}{\mathop{\min }}\,{{P}_{\text{pv}}}(t)|\ \le [0.2\frac{1}{5}{{P}_{\text{g}}}]\) (1)

\(|\underset{\Delta t=\frac{1}{600},{{T}_{1}},2{{T}_{1}},\cdots ,10}{\mathop{\max }}\,{{P}_{\text{pv}}}(t)-\underset{\Delta t=\frac{1}{600},{{T}_{1}},2{{T}_{1}},\cdots ,10}{\mathop{\min }}\,{{P}_{\text{pv}}}(t)|\ \le {{P}_{\text{g}}}\text{ }\) (2)

式中:T1为光伏数据采样周期;Ppv为光伏原始实际输出功率;Pg为光伏装机容量。

考虑到蓄电池和超级电容器受工作条件及状态的影响,其自身的最大充放电功率和剩余容量将受到限制,需满足以下约束条件:

式中:Pbat,lim为电池充放电限制功率;Pcap,lim为超级电容器充放电限制功率。

2 混合储能系统控制策略

2.1 混合储能系统控制原理

为实现光伏/混合储能系统的联合运行,本文设计构建一个混合储能系统的闭环控制逻辑,其控制原理如图2所示。

图2 混合储能系统控制原理 Fig. 2 The control principle of hybrid energy storage system

首先,信息与数据系统电力数据采集与监控(supervisory control and data acquisition,SCADA)实时采集光伏电站实测数据Ppv和负荷数据Pload。光伏超短期功率预测模型根据实测历史数据对光伏电站进行超短期功率预测,记为Ppvf,时长尺度为1h,为了提高预测精准性,每隔15min对预测数据刷新一次[8]

在运行模式判定单元,对储能系统工作在平抑波动模式和峰谷套利模式进行判断和计算。根据平抑波动模式服务于电网稳定性、峰谷套利模式服务与经济性的设计原则,在对两种运行模式判断中优先考虑平抑功率波动模式。

系统确定运行模式后,混合储能系统内部功率分配单元根据储能装置的荷电状态(State Of Charge,SOC)信息进行能量型和功率型储能的输出功率分配。其中,储能的荷电状态SOC通过SOC估算单元得到[21]

SOC通常用储能电池剩余电量与电池总容量的比值表示,是运行模式选择和功率分配时的重要依据,其与充放电功率之间的关系[10]

\(SOC=\frac{E_{\text{b}}^{0}+\int_{0}^{t}{({{\eta }_{\text{ch}}}{{P}_{\text{ch}}}-\frac{1}{{{\eta }_{\text{dis}}}}{{P}_{\text{dis}}})\text{d}t}}{E_{\text{b}}^{\max }}\) (4)

式中:Eb0为储能装置初始容量;η chη dis为其充放电效率;PchPdis为充放电功率;Ebmax为储能装置的额定容量。超级电容的SOC与端口电压呈较好的线性关系,而铅酸蓄电池的SOC值需要采用卡尔曼滤波和安时累计等方法进行估算[21],一般要求SOC估算准确度应在10%以内。

功率保护单元结合各储能支路相应的功率约束条件对输出给定功率进行限制,得到相应参考值PbatrefPcapref,最后指令经储能变流器后得到蓄电池和超级电容器实际功率输出值PbatPcap

通过上述控制过程,使储能电站在适当时间段内进行不同模式之间的切换,实现其能量的合理管理,提高利用率。

2.2 混合储能系统内部功率分配

本文储能电站有平抑功率波动、峰谷套利两种运行模式,在两种不同模式下采取相应的控制策略对蓄电池和超级电容器的功率参考指令进行分配,实现能量的合理管理。

2.2.1 平抑波动模式下功率分配

平抑波动模式下,利用小波包对光伏原始功率进行分解确定混合储能系统内部一次功率分配。小波包是处理信号常用的一种方法,能对信号的高频和低频同时进行分解,有助于获取信号更细节的信息,相比小波来说是完全二叉树结构[17]图3是分解层数为3层时的示意图。

图3 小波包分解示意图 Fig. 3 The wavelet packet decomposition

现采用db6对某分布式光伏电站原始输出功率信号进行m层小波包分解,对第m层分解信号进行重构得到2m个频段的功率分量Pi(i = 1,2,•••, n)。对每个频段功率分量进行频率响应求取,第一个频段的功率分量频率响应范围和光伏主要能量集中范围相似,将其作为平抑目标;第2—5个频段的功率分量频率响应和蓄电池频率响应范围相似,将其作为蓄电池功率参考指令;剩下的6—n个频段高频波动功率作为超级电容器参考功率指令。功率一次分配的表达式如下所示。

\({{P}_{\text{pvgoal}}}={{P}_{1}}\) (5)

\({{P}_{\text{batref1}}}=-({{P}_{2}}+{{P}_{3}}+{{P}_{4}}+{{P}_{5}})\) (6)

\({{P}_{\text{capref1}}}=-({{P}_{6}}+{{P}_{7}}+\cdots +{{P}_{n}})\) (7)

上述功率一次分配过程仅仅考虑了光伏平抑效果,但储能装置的荷电状态往往不是一个定值,所以需要引入荷电状态对一次分配的功率进行修正,避免出现过充过放,实现功率二次分配。图4是储能装置荷电状态工作区域分类情况。

图4 储能装置荷电状态工作区域分类 Fig. 4 The charge state working area classification of energy storage device

储能装置的SOC可分为3个工作区域,分别为正常工作区[SOClow, SOChigh],过充警戒工作区[SOChigh, 1],过放警戒工作区[0, SOClow]。当储能装置工作在正常工作区域内时,参考功率Pbatref1Pcapref1不需要进行调整;当储能装置工作在警戒工作区域内时,需要对参考功率Pbatref1Pcapref1进行相应修正。

1)储能装置工作在过充警戒工作区时,对下一时刻功率Pbatref1(t)、Pcapref1(t)进行判断,功率为正表示放电,为负表示充电。当Pbatref1(t)  0、Pcapref1(t)  0时,不需要进行控制。当Pbatref1(t) lt; 0、Pcapref1(t) lt; 0时,放缓充电速度,修正公式如下式所示,到SOC = 0.9时停止充电。

\({{P}_{\text{batref}}}(t)=\frac{0.9-SO{{C}_{\text{r}}}}{0.9-SO{{C}_{\text{high}}}}{{P}_{\text{batref1}}}(t)\) (8)

\({{P}_{\text{capref}}}(t)=\frac{0.9-SO{{C}_{\text{r}}}}{0.9-SO{{C}_{\text{high}}}}{{P}_{\text{capref1}}}(t)\) (9)

2)储能装置工作在过放警戒工作区时,对下一时刻功率Pbatref1(t)、Pcapref1(t)进行判断,当Pbatref1(t) lt; 0、Pcapref1(t) lt; 0时,不需要进行控制;当Pbatref1(t)  0、Pcapref1(t)  0时,放缓放电速度,修正公式如下式所示,到SOC = 0.1时停止放电。

\({{P}_{\text{batref}}}(t)=\frac{SO{{C}_{\text{r}}}-0.1}{SO{{C}_{\text{low}}}-0.1}{{P}_{\text{batref1}}}(t)\) (10)

\({{P}_{\text{capref}}}(t)=\frac{SO{{C}_{\text{r}}}-0.1}{SO{{C}_{\text{low}}}-0.1}{{P}_{\text{capref1}}}(t)\) (11)

经二次功率分配后可得平抑功率波动最终功率参考值PbatrefPcapref,图5是功率分配框图。

图5 混合储能内部功率分配示意图 Fig. 5 Hybrid energy storage system internal power distribution diagram

2.2.2 峰谷套利模式下功率分配

电池成本下降使得工商业储能峰谷电价套利成为现实。图6是某地区分时电价图,由图可知不同时间段内电价差较大,利用储能电站在相应时间段内对负荷进行补偿,降低峰值电价时间内负荷的用电功率,可提高用户经济效益。

图6 某地区分时电价图 Fig. 6 Time-sharing electricity price map of a region

根据负荷大小和荷电状态信息判断储能电站运行状态,规则满足:

式中:Phigh( j)Plow( j)为充放电负荷阈值,其中j代表峰谷时刻;SOCmin,SOCmax为荷电状态上下限。负荷高峰期内,负荷超过设定阈值上限时,剩余容量大于最小值时,储能电站放电,否则停机。负荷低谷期内,负荷低于设定阈值下限时,剩余容量小于最大值时,储能电站充电,否则停机。

负荷的差额是随时变化的,当其小于或等于储能系统的容量时,储能系统充放电功率等于负荷差额大小。放电时,蓄电池和超级电容器之间的功率分配分别按各自剩余容量所占整个储能系统剩余容量的比例进行分配。充电时,分别按各自可充剩余容量所占整个储能系统可充剩余容量的比例进行分配。当其远远大于储能电站的容量时,不用限制储能系统的功率大小,电池和超级电容器均可以以最大限制充放电功率进行充放电。

式中:Phess为储能电站总功率;PbatchPbatdis分别为电池充放电功率;PcapchPcapdis分别为超级电容器充放电功率;ΔPload为负荷差额;Pbat,chlimPbat,dislim分别为电池充放电限制功率;Pcap,chlimPcap,dislim分别为超级电容器充放电限制功率。

2.3 运行模式的判定及切换控制

在多运行模式协调控制策略中,平抑波动和峰谷套利两种运行模式的判定和切换是实现协调控制的重要环节。

本文中运行模式切换的判据是光伏输出功率的波动大小。执行逻辑是首先判断光伏功率预测值Ppvf在1min和10min内的功率波动范围是否符合光伏发电系统并网功率限制要求,如果在一定时间范围内超出表1中所列的标准要求,储能系统则进入平抑功率波动运行模式,峰谷套利模式不启用。

如果光伏功率波动范围处于并网功率限制范围内时,则退出平抑功率波动模式,进入峰谷套利模式。此时控制器执行峰谷套利模式下功率分配策略。

总体而言,本文中平抑功率波动模式是嵌套在峰谷套利模式内进行的。因为平抑功率波动模式的时间分辨率是10min级别或着更小,而峰谷套利模式受现有分时电价政策影响是小时级变化。储能系统短时间的功率变化并不影响长时间峰谷套利的运行逻辑。整个控制系统具体流程如图7所示。

图7 储能系统控制流程图 Fig. 7 Energy storage system control flow chart

3 算法验证

针对上述控制策略在Matlab中搭建仿真模型进行仿真分析。以某地区1.5MW分布式光伏电站为研究对象配置储能,蓄电池和超级电容器的配置容量分别为300kW/1MW•h、100kW/10kW•h,允许放电深度分别为20%~80%、10%~90%。光伏并网功率波动限制范围1min内不超过150kW,10min内不超过450kW。用于仿真的光/储系统拓扑如图1所示。

图8是采用db6小波分解7层时光伏并网功率情况[21],由图可知在波动率小于并网标准的时间段内储能系统不工作,当超过预设范围后,储能系统及时对光伏出力进行了平抑,使系统并网功率平滑。

图8 光伏并网功率平抑效果 Fig. 8 The effect of smoothing PV to grid power

图9是储能系统执行峰谷套利模式后并网点的功率曲线。在夜间电价低的时刻给储能系统充电,白天电价高峰时段,储能系统放电,减少从电网购电量,总体提高了负荷用电的经济性。

图10、11表示的是蓄电池和超级电容器执行

图9 峰谷套利效果图 Fig. 9 The effect of peak-valley arbitrage

图10 蓄电池功率曲线 Fig. 10 The curve of battery power

图11 超级电容器功率曲线 Fig. 11 The curve of super capacitor power

峰谷套利和平抑波动运行模式时的全天功率变化曲线。仿真中设定12:00—17:00受天气变化影响执行平抑波动模式,由蓄电池承担低频功率变化平抑任务,由超级电容器执行高频功率变化平抑任务。其余时段根据分时电价执行峰谷套利模式。

图12、13表示蓄电池和超级电容器的SOC变化曲线如在功率修正模块的作用下,2种储能装置的SOC一直维持在设定的上下限范围内,未出现过充过放的现象,提高了储能装置的使用寿命。

图14、15是利用提出的算法在浙江某光储发电系统中实验验证数据曲线。现场光储系统的配置与仿真系统配置有差别,现场未安装超级电容器支路,而采用4条蓄电池支路并联来模拟各种特性的

图12 蓄电池SOC曲线 Fig. 12 The SOC curve of battery

图13 超级电容器SOC曲线 Fig. 13 The SOC curve of super capacitor

图14 平抑波动模式下光伏、储能、 并网系统现场运行曲线 Fig. 14 Field data curves of PV power, battery station power and grid power in smoothing power fluctuations mode

图15 平抑波动和峰谷套利模式下多条支路功率曲线 Fig. 15 Power curves from four converter branches in smoothing power fluctuations and peak-valley arbitrage mode

储能系统。图14表示的是平抑波动模式运行数据,系统最大输出功率1500kW,经过现场优化,平抑波动的指标选择的是10min内功率波动范围小于10%的额定容量。图15是在4条蓄电池支路条件下进行的平抑功率波动模式和峰谷套利模式的综合运行曲线。设定从07:00—17:00运行平抑波动模式,其余时段根据分时电价运行峰谷套利模式。4条储能支路根据其SOC状态分配功率。

4 结论

本文针对光伏并网功率波动对电网带来的影响以及储能经济性问题,提出了一种基于蓄电池和超级电容器混合储能系统平抑功率波动、峰谷套利两种模式协调运行的控制策略,并通过实例仿真和现场应用,证明了策略的准确性和实用性。

1)在平抑功率波动模式下,采用小波包对光伏原始出力进行分解,得到蓄电池和超级电容器的参考功率指令,实现储能系统内部功率的一次分配。在此基础上,结合储能装置的荷电状态信息,对参考功率进行修正,实现功率的二次分配。

2)在峰谷套利模式下,结合峰谷差分时电价,并通过建立负荷阀值和储能装置的荷电状态信息确定储能系统充放电起止时刻,然后储能系统以最大持续充放电功率进行充放电,实现了经济性最优。

3)根据光伏波动情况和储能装置荷电状态信息将两种运行模式自动切换,在不同的时间段内根据实际情况以不同模式运行,实现光伏/储能系统能量的合理管理。

参考文献

[1] Zhu Yixin,Zhuo Fang,Shi Hongtao.Power management strategy research for a photovoltaic-hybrid energy storage system[C]//2013 IEEE ECCE Asia Downunder.Melbourne,VIC,Australia:IEEE,2013:842-848.

[2] 王建,李兴源,邱晓燕.含有分布式发电装置的电力系统研究综述[J].电力系统自动化,2005,29(24):90-97. Wang Jian,Li Xingyuan,Qiu Xiaoyan.Power system research on distributed generation penetration[J].Automation of Electric Power Systems,2005,29(24): 90-97(in Chinese)

[3] 刘皓明,陆丹,杨波,.可平抑高渗透分布式光伏发电功率波动的储能电站调度策略[J].高电压技术,2015,41(10):3213-3223. Liu Haoming,Lu Dan,Yang Bo,et al.Dispatch strategy of energy storage station to smooth power fluctuations of high penetration photovoltaic generation[J].High Voltage Engineering,2015,41(10):3213-3223(in Chinese).

[4] Alyami S, Wang Y, Wang C, et al.Adaptive Real Power Capping Method for Fair Overvoltage Regulation of Distribution Networks With High Penetration of PV Systems[J]. IEEE Transactions on Smart Grid, 2014, 5(6):2729-2738.

[5] 丁明,林根德,陈自年,.一种适用于混合储能系统的控制策略[J].中国电机工程学报,2012,32(7):1-6. Ding Ming,Lin Gende,Chen Zinian,et al.A control strategy for hybrid energy storage systems[J].Proceedings of the CSEE,2012,32(7):1-6(in Chinese).

[6] Jiang Quanyuan,Wang Haijiao.Two-time-scale coordination control for a battery energy storage system to mitigate wind power fluctuations[J].IEEE Transactions on Energy Conversion,2013,28(1):52-61.

[7] 丁明,吴建锋,朱承治,.具备荷电状态调节功能的储能系统实时平滑控制策略[J].中国电机工程学报,2013,33(1):22-29. Ding Ming,Wu Jianfeng,Zhu Chengzhi,et al.A real-time smoothing control strategy with SOC adjustment function of storage systems[J].Proceedings of the CSEE,2013,33(1):22-29(in Chinese).

[8] 雷鸣宇,杨子龙,王一波,.光/储混合系统中的储能控制技术研究[J].电工技术学报,2016,31(23):86-92. Lei Mingyu,Yang Zilong,Wang Yibo,et al.Study on control technology of energy storage station in photovoltaic/storage system[J].Transactions of China Electrotechnical Society,2016,31(23):86-92(in Chinese).

[9] 吕超贤,李欣然,户龙辉,.基于小波分频与双层模糊控制的多类型储能系统平滑策略[J].电力系统自动化,2015,39(2):21-29. Chaoxian,Li Xinran,Hu Longhui,et al.A smoothing strategy for hybrid energy storage system based on wavelet frequency allocation and two-level fuzzy control[J].Automation of Electric Power Systems,2015,39(2):21-29(in Chinese).

[10] 吴振威,蒋小平,马会萌,.用于混合储能平抑光伏波动的小波包-模糊控制[J].中国电机工程学报,2014,34(3):317-324. Wu Zhenwei,Jiang Xiaoping,Ma Huimeng,et al.Wavelet packet-fuzzy control of hybrid energy storage systems for PV power smoothing[J].Proceedings of the CSEE,2014,34(3):317-324(in Chinese).

[11] 姚波,樊艳芳.光储联合系统中储能电站的能量管理[J].可再生能源,2017,35(2):232-239. Yao Bo,Fan Yanfang.The energy management of energy storage power station in photovoltaic and energy storage hybrid system[J].Renewable Energy Resources,2017,35(2):232-239(in Chinese).

[12] 鲍冠南,陆超,袁志昌,.基于动态规划的电池储能系统削峰填谷实时优化[J].电力系统自动化,2012,36(12):11-16. Bao Guannan,Lu Chao,Yuan Zhichang,et al.Load shift real-time optimization strategy of battery energy storage system based on dynamic programming[J].Automation of Electric Power Systems,2012,36(12):11-16(in Chinese).

[13] Oudalov A,Cherkaoui R,Beguin A.Sizing and optimal operation of battery energy storage system for peak shaving application[C]//2007 IEEE Lausanne Power Tech.Lausanne,Switzerland:IEEE,2007.

[14] 陈满,陆志刚,刘怡,.电池储能系统恒功率削峰填谷优化策略研究[J].电网技术,2012,36(9):232-237. Chen Man,Lu Zhigang,Liu Yi,et al.Research on optimal peak load shifting strategy of battery energy storage system operated in constant power mode[J].Power System Technology,2012,36(9):232-237(in Chinese).

[15] 禹威威,刘世林,陈其工,.考虑需求侧管理的光伏微电网多目标优化调度方法[J].太阳能学报,2017,38(11):2972-2981. Yu Weiwei,Liu Shilin,Chen Qigong,et al.Multi-objective optimization scheduling method for photovoltaic based microgrid considering demand side management[J].Acta Energiae Solaris Sinica,2017,38(11):2972-2981(in Chinese).

[16] 林泓涛,姜久春,贾志东,.权重系数自适应调整的混合储能系统多目标模型预测控制[J].中国电机工程学报,2018,38(18):5538-5547. Lin Hongtao,Jiang Jiuchun,Jia Zhidong,et al.Multi-objective model predictive control for hybrid energy storage system with adaptive adjustment of weight coefficients[J].Proceedings of the CSEE,2018,38(18):5538-5547(in Chinese).

[17] 郭金金,吴红斌.平抑风电波动的混合储能协调优化控制方法[J].太阳能学报,2016,37(10):2695-2702. Guo Jinjin,Wu Hongbin.Optimal coordination control method of hybrid energy storage to smooth wind power fluctuation[J].Acta Energiae Solaris Sinica,2016,37(10):2695-2702(in Chinese).

[18] 程志江,李永东,谢永流,.带超级电容的光伏发电微网系统混合储能控制策略[J].电网技术,2015,39(10):2739-2745. Cheng Zhijiang,Li Yongdong,Xie Yongliu,et al.Control strategy for hybrid energy storage of photovoltaic generation microgrid system with super capacitor[J].Power System Technology,2015,39(10):2739-2745(in Chinese).

[19] 何川,刘天琪,胡晓通,.基于超短期风电预测和混合储能的风电爬坡优化控制[J].电网技术,2017,41(3):782-790. He Chuan,Liu Tianqi,Hu Xiaotong,et al.Optimal control of wind ramp based on very short-term wind forecast and hybrid ESS[J].Power System Technology,2017,41(3):782-790(in Chinese).

[20] 国家电网公司.Q/GDW 1617—2015 光伏电站接入电网技术规定[S].北京:中国电力出版社,2016. State Gird Corporation of China.Q/GDW 1617—2015 Technical rule for connecting photovoltaic power station to power grid[S].Beijing:China Electric Power Press,2016(in Chinese).

[21] Chen Yuanyuan,Yang Zilong,Wang Yibo,et al.State of Charge Estimation of Lead-carbon Batteries in Actual engineering[C]//2017 20th International Conference on Electrical Machines and Systems.Sydney,Australia:IEEE,2017.

  • 目录

    图1