在电磁暂态工况下,直线电机负载的功率攀升和锂电池组的高倍率放电会导致锂电池储能系统输出电压跌落较大,直接影响电磁发射系统的稳定运行。此外,常值增益扩张状态观测器(extended state observer,ESO)因初始状态误差引发的峰化现象,...在电磁暂态工况下,直线电机负载的功率攀升和锂电池组的高倍率放电会导致锂电池储能系统输出电压跌落较大,直接影响电磁发射系统的稳定运行。此外,常值增益扩张状态观测器(extended state observer,ESO)因初始状态误差引发的峰化现象,将恶化控制器性能。针对上述问题,提出了一种基于共轭极点法配置非线性ESO(nonlinear ESO,NESO)参数的变增益自抗扰(variable gain ADRC,VG-ADRC)斩波补偿控制策略。首先,通过设计变增益控制律以及NESO参数配置,减小了总扰动观测值的峰值,提高了控制器补偿能力,降低了锂电池储能系统输出电压跌落幅值;然后,进行了频率特性分析,验证了所提参数配置方法可以降低观测器复杂度并提升扰动观测能力;最后,通过脉冲大功率放电实验平台进行了放电实验,验证了所提控制策略和参数配置方法的有效性。展开更多
为了提高多场景应用的技术经济性,本文对电池储能系统状态估计进行了综述。首先,分析了电池性能衰减的机理,介绍了目前常用的物理建模和数据建模方法,进而对荷电状态(state of charge,SOC)和健康状态(state of health,SOH)进行了定义与...为了提高多场景应用的技术经济性,本文对电池储能系统状态估计进行了综述。首先,分析了电池性能衰减的机理,介绍了目前常用的物理建模和数据建模方法,进而对荷电状态(state of charge,SOC)和健康状态(state of health,SOH)进行了定义与关联性分析,并对电池及其系统的状态估计方法进行了汇总;其次,为了获取更多精确的电池运行数据,重点介绍了能够刻画电池内部演化机理的原位/非原位表征技术,进而分析了嵌入式电池管理系统(battery management system,BMS)实际应用的主流开发路线;第三,提出了基于联邦学习的电池储能系统状态估计方法,基于轻量化模型在本地进行电池储能系统SOC的估计以保证控制实时性,基于大数据驱动策略在云中心进行其SOH估计以保证容量可信度,由此实现云边的交互与协同;最后,对电池储能系统未来可能的发展方向和研究重点进行了预测。研究结果表明:活性锂损失是锂离子电池容量衰退的主要原因,高温、低温、过充放等滥用也会加速电池性能衰减;数据驱动在电池系统级建模与状态评估方面具有较大优势;利用原位/非原位表征技术可以获取更多的电池内部状态数据,基于FPGA的BMS轻量化建模更易实现,基于联邦学习的状态评估方法能够提高电池储能系统的智慧化运维水平。展开更多
电池储能系统(battery energy storage system,BESS)在风储联合应用中具有多种功能,利用电池储能系统提高风电并网调度运行能力是当前研究的热点之一。文章基于我国北方某风电场历史运行数据与预测数据,依据预测误差评价指标和风电场预...电池储能系统(battery energy storage system,BESS)在风储联合应用中具有多种功能,利用电池储能系统提高风电并网调度运行能力是当前研究的热点之一。文章基于我国北方某风电场历史运行数据与预测数据,依据预测误差评价指标和风电场预报考核指标的综合评价方法对风电场预测数据进行分析研究,归纳了预测误差的概率分布特征;提出利用电池储能系统提高风电跟踪计划出力能力,统计并量化出电池储能系统用于跟踪计划出力场合的作用范围;通过仿真验证电池储能系统在风储联合系统中提高风电跟踪计划出力控制策略的有效性和可行性。展开更多
以可再生能源为核心的分布式发电(Distributed Generation,DG)易受天气、季节、气候等条件的影响,具有间歇性、随机性发电的特点。当大规模接入配电网后会影响电能的质量,降低电网的稳定性,从而会使电网电压产生波动。针对传统的电压调...以可再生能源为核心的分布式发电(Distributed Generation,DG)易受天气、季节、气候等条件的影响,具有间歇性、随机性发电的特点。当大规模接入配电网后会影响电能的质量,降低电网的稳定性,从而会使电网电压产生波动。针对传统的电压调节方法存在的不足,提出了一种利用电池储能系统(Battery Energy Storage Systems,BESSs)来进行电网电压调节的策略,对电网电压进行调节的同时,对电池的电荷状态(State of Charge,SOC)也进行实时监控,避免电池在充放电时发生过充过放。展开更多
文摘在电磁暂态工况下,直线电机负载的功率攀升和锂电池组的高倍率放电会导致锂电池储能系统输出电压跌落较大,直接影响电磁发射系统的稳定运行。此外,常值增益扩张状态观测器(extended state observer,ESO)因初始状态误差引发的峰化现象,将恶化控制器性能。针对上述问题,提出了一种基于共轭极点法配置非线性ESO(nonlinear ESO,NESO)参数的变增益自抗扰(variable gain ADRC,VG-ADRC)斩波补偿控制策略。首先,通过设计变增益控制律以及NESO参数配置,减小了总扰动观测值的峰值,提高了控制器补偿能力,降低了锂电池储能系统输出电压跌落幅值;然后,进行了频率特性分析,验证了所提参数配置方法可以降低观测器复杂度并提升扰动观测能力;最后,通过脉冲大功率放电实验平台进行了放电实验,验证了所提控制策略和参数配置方法的有效性。
文摘为了提高多场景应用的技术经济性,本文对电池储能系统状态估计进行了综述。首先,分析了电池性能衰减的机理,介绍了目前常用的物理建模和数据建模方法,进而对荷电状态(state of charge,SOC)和健康状态(state of health,SOH)进行了定义与关联性分析,并对电池及其系统的状态估计方法进行了汇总;其次,为了获取更多精确的电池运行数据,重点介绍了能够刻画电池内部演化机理的原位/非原位表征技术,进而分析了嵌入式电池管理系统(battery management system,BMS)实际应用的主流开发路线;第三,提出了基于联邦学习的电池储能系统状态估计方法,基于轻量化模型在本地进行电池储能系统SOC的估计以保证控制实时性,基于大数据驱动策略在云中心进行其SOH估计以保证容量可信度,由此实现云边的交互与协同;最后,对电池储能系统未来可能的发展方向和研究重点进行了预测。研究结果表明:活性锂损失是锂离子电池容量衰退的主要原因,高温、低温、过充放等滥用也会加速电池性能衰减;数据驱动在电池系统级建模与状态评估方面具有较大优势;利用原位/非原位表征技术可以获取更多的电池内部状态数据,基于FPGA的BMS轻量化建模更易实现,基于联邦学习的状态评估方法能够提高电池储能系统的智慧化运维水平。
文摘电池储能系统(battery energy storage system,BESS)在风储联合应用中具有多种功能,利用电池储能系统提高风电并网调度运行能力是当前研究的热点之一。文章基于我国北方某风电场历史运行数据与预测数据,依据预测误差评价指标和风电场预报考核指标的综合评价方法对风电场预测数据进行分析研究,归纳了预测误差的概率分布特征;提出利用电池储能系统提高风电跟踪计划出力能力,统计并量化出电池储能系统用于跟踪计划出力场合的作用范围;通过仿真验证电池储能系统在风储联合系统中提高风电跟踪计划出力控制策略的有效性和可行性。
文摘以可再生能源为核心的分布式发电(Distributed Generation,DG)易受天气、季节、气候等条件的影响,具有间歇性、随机性发电的特点。当大规模接入配电网后会影响电能的质量,降低电网的稳定性,从而会使电网电压产生波动。针对传统的电压调节方法存在的不足,提出了一种利用电池储能系统(Battery Energy Storage Systems,BESSs)来进行电网电压调节的策略,对电网电压进行调节的同时,对电池的电荷状态(State of Charge,SOC)也进行实时监控,避免电池在充放电时发生过充过放。
