储能集装箱是锂电池储能电站的核心设备,每个集装箱由数千只电芯串并联构成。因此,对集装箱电芯锂电池荷电状态(state of charge,SOC)的准确估计成为表征储能电站运行最核心最基础的参数,并且为辅助新能源高效并网,储能系统的工作状态...储能集装箱是锂电池储能电站的核心设备,每个集装箱由数千只电芯串并联构成。因此,对集装箱电芯锂电池荷电状态(state of charge,SOC)的准确估计成为表征储能电站运行最核心最基础的参数,并且为辅助新能源高效并网,储能系统的工作状态也会相应地呈现随机性、波动性和不确定性,这对电芯状态估计的准确度提出了更高的要求。为此,首先基于基尔霍夫定律建立Thevenin电池模型,根据安时积分法列出系统的状态和观测方程,并且将其状态和观测方程作为扩展卡尔曼滤波(extended Kalman filtering,EKF)算法的研究对象。然后利用EKF算法对估计值电池SOC更新迭代,再将EKF算法中得到的卡尔曼矩阵和状态变量更新误差值以及UDDS工况下的电池数据,作为长短期记忆(long short-term memory,LSTM)神经网络算法的训练数据集,由此完成LSTM-EKF联合算法,实现对储能集装箱电芯SOC的优化估计。该文所提LSTM-EKF算法可将电芯SOC的误差值降低到1%以下。最后对优化算法在储能电站安全运行与监控平台中的应用情况进行介绍。展开更多
为应对可再生能源的供给不确定性给新能源发电企业中长期合同履约带来的挑战,本文提出了新能源发电企业与独立储能中长期合约电量确定方法。综合新能源发电的机会约束和独立储能运行约束,以发电企业和独立储能共同效益为目标,构建新能...为应对可再生能源的供给不确定性给新能源发电企业中长期合同履约带来的挑战,本文提出了新能源发电企业与独立储能中长期合约电量确定方法。综合新能源发电的机会约束和独立储能运行约束,以发电企业和独立储能共同效益为目标,构建新能源发电企业同独立储能签订中长期合约电量确定模型;通过引入条件风险价值(conditional value at risk,CVaR)和替换变量将模型重新表述为混合整数规划(mixed integer program,MIP)模型以便于求解。采用新能源发电企业月度合约电量分解曲线进行算例分析,验证了本文所提方法的有效性。同时考量新能源发电企业风险偏好、储能荷电状态等对共同效益的影响,研究表明储能荷电状态与共同收益负相关,而提高新能源发电企业风险偏好能够提高合约共同体预期收益。储能中长期双边合约电量确定方法的提出有助于促进新能源消纳和储能成本市场化疏导。展开更多
“双碳”背景下风电的渗透率不断提高,将对电力系统的形态和运行机制产生深刻影响。本文提出了一种基于双向长短期记忆Bi-LSTM(bidirectional long short-term memory)循环神经网络的风储系统控制策略。采用双向长短时循环神经网络提取...“双碳”背景下风电的渗透率不断提高,将对电力系统的形态和运行机制产生深刻影响。本文提出了一种基于双向长短期记忆Bi-LSTM(bidirectional long short-term memory)循环神经网络的风储系统控制策略。采用双向长短时循环神经网络提取控制结果与风电场实际出力以及储能状态间的时序信息,通过构建基于双向长短时记忆循环神经网络的控制模型,使得风电场在多种运行工况下能够快速、准确地得到储能系统调节结果。基于实际风电场数据仿真结果表明,本文所提控制策略能够保证在一定经济效益的前提下,将风储系统控制误差保持在0.50%~1.37%。展开更多
文摘为应对可再生能源的供给不确定性给新能源发电企业中长期合同履约带来的挑战,本文提出了新能源发电企业与独立储能中长期合约电量确定方法。综合新能源发电的机会约束和独立储能运行约束,以发电企业和独立储能共同效益为目标,构建新能源发电企业同独立储能签订中长期合约电量确定模型;通过引入条件风险价值(conditional value at risk,CVaR)和替换变量将模型重新表述为混合整数规划(mixed integer program,MIP)模型以便于求解。采用新能源发电企业月度合约电量分解曲线进行算例分析,验证了本文所提方法的有效性。同时考量新能源发电企业风险偏好、储能荷电状态等对共同效益的影响,研究表明储能荷电状态与共同收益负相关,而提高新能源发电企业风险偏好能够提高合约共同体预期收益。储能中长期双边合约电量确定方法的提出有助于促进新能源消纳和储能成本市场化疏导。
文摘“双碳”背景下风电的渗透率不断提高,将对电力系统的形态和运行机制产生深刻影响。本文提出了一种基于双向长短期记忆Bi-LSTM(bidirectional long short-term memory)循环神经网络的风储系统控制策略。采用双向长短时循环神经网络提取控制结果与风电场实际出力以及储能状态间的时序信息,通过构建基于双向长短时记忆循环神经网络的控制模型,使得风电场在多种运行工况下能够快速、准确地得到储能系统调节结果。基于实际风电场数据仿真结果表明,本文所提控制策略能够保证在一定经济效益的前提下,将风储系统控制误差保持在0.50%~1.37%。
