荷电状态(state of charge,SOC)和峰值功率(state of peak power,SOP)的精确估计对保障电池安全稳定运行具有重要意义。为解决传统估计算法误差高、鲁棒性差等问题,本文提出了一种基于自适应无迹卡尔曼滤波(adaptive unscented Kalman f...荷电状态(state of charge,SOC)和峰值功率(state of peak power,SOP)的精确估计对保障电池安全稳定运行具有重要意义。为解决传统估计算法误差高、鲁棒性差等问题,本文提出了一种基于自适应无迹卡尔曼滤波(adaptive unscented Kalman filtering,AUKF)和经济模型预测控制(economic model predictive control,EMPC)的全钒液流电池(all-vanadium redox batteries,VRB)SOC/SOP联合估计方法。首先,为了提高传统模型的建模精度,本文综合考虑了VRB的电化学场和流体力学场的耦合特性,建立了一个能够全面刻画VRB运行过程的综合等效电路模型,并采用人工蜂群算法(artificial bee colony algorithm,ABC)对模型参数进行离线辨识。随后,考虑到传统的UKF算法无法适应系统噪声,收敛性差,且忽略电池参数变化等缺点,本文提出了基于AUKF的在线参数辨识和SOC估计算法,通过自适应调整UKF算法的参数来提高模型的精度。结合SOC的估计结果,采用EMPC算法估计VRB的SOP,并综合考虑了电压、电流、SOC和电解液流速等约束条件。最后,设计了多种实验工况验证了本文提出的SOC/SOP联合估计算法的精度。文章研究内容能够为液流电池不同运行状态下峰值功率预测和储能电站的精准调度提供依据。展开更多
电动汽车(electric vehicle,EV)参与电网辅助调频,即利用电动汽车的“源—荷”特性来快速消除系统频率波动。然而,在保持系统性能条件下,如何保障大规模电动汽车辅助调频的经济性仍然是个挑战。为此,针对大规模EV聚合充电站辅助参与电...电动汽车(electric vehicle,EV)参与电网辅助调频,即利用电动汽车的“源—荷”特性来快速消除系统频率波动。然而,在保持系统性能条件下,如何保障大规模电动汽车辅助调频的经济性仍然是个挑战。为此,针对大规模EV聚合充电站辅助参与电网的负荷频率控制(load frequency control,LFC)问题,提出分布式经济模型预测控制(distributed economic model predictive control,DEMPC)方法,在经济模型预测控制的基础上,以单层结构控制双层分层,实现多个区域电网的分布式协同控制。通过经济成本函数的凸松弛实现控制器的优化,利用每个子系统控制器与相邻子系统的协同工作确保整个系统的控制性能,以合适的终端成本函数保证系统的渐进稳定性。仿真结果可以表明该方法的有效性和优越性。展开更多
针对现代电力系统中设施庞杂、多源异构海量数据难以有效处理、“信息孤岛”长期存在以及整体优化调度管理能力不足等问题,基于云控制系统理论,以智能电厂为研究对象,本文提出了智能电厂云控制系统(Intelligent power plant cloud contr...针对现代电力系统中设施庞杂、多源异构海量数据难以有效处理、“信息孤岛”长期存在以及整体优化调度管理能力不足等问题,基于云控制系统理论,以智能电厂为研究对象,本文提出了智能电厂云控制系统(Intelligent power plant cloud control system,IPPCCS)解决方案.基于智能电厂云控制系统,针对绿色能源发电波动性强、抗扰能力差的问题,利用机器学习算法对采集到的风电、光伏输出功率进行短时预测,获知未来风、光机组功率输出情况.在云端使用经济模型预测控制(Economic model predictive control,EMPC)算法,通过实时滚动优化得到水轮机组的功率预测调度策略,保证绿色能源互补发电的鲁棒性,充分消纳风、光两种能源,减少水轮机组启停和穿越振动区次数,在为用户清洁、稳定供电的同时降低了机组寿命损耗.最后,一个区域云数据中心的供电算例表明了本文方法的有效性.展开更多
要:针对含电动汽车的综合能源系统(integrated energy system,IES)需要考虑可再生能源和需求侧的随机性和不确定性的问题,设计了一种基于经济模型预测控制(economic model predictive control,EMPC)的分层实时优化调度策略(hierarchical...要:针对含电动汽车的综合能源系统(integrated energy system,IES)需要考虑可再生能源和需求侧的随机性和不确定性的问题,设计了一种基于经济模型预测控制(economic model predictive control,EMPC)的分层实时优化调度策略(hierarchical real-time optimization strategy,HRTO),将整个系统的运行优化问题分为日前滚动优化,实时滚动优化和跟踪控制三个子问题。建立基于经济模型预测控制的日前优化策略,在保证经济性的同时确保启动的运行单元能够满足用户的需求,通过实时优化层优化整个IES的最优稳态操作点,设计跟踪模型预测控制器,跟踪上层传递的最优参考值。同时该策略通过引入电动汽车参与综合能源系统优化调度,充分发挥电动汽车的储能特性和灵活性,实现了电动汽车和各能源系统的协同优化。仿真分析表明,所提出的HRTO可以实现对电力负荷和建筑物温度设定点的跟踪。展开更多
文摘电动汽车(electric vehicle,EV)参与电网辅助调频,即利用电动汽车的“源—荷”特性来快速消除系统频率波动。然而,在保持系统性能条件下,如何保障大规模电动汽车辅助调频的经济性仍然是个挑战。为此,针对大规模EV聚合充电站辅助参与电网的负荷频率控制(load frequency control,LFC)问题,提出分布式经济模型预测控制(distributed economic model predictive control,DEMPC)方法,在经济模型预测控制的基础上,以单层结构控制双层分层,实现多个区域电网的分布式协同控制。通过经济成本函数的凸松弛实现控制器的优化,利用每个子系统控制器与相邻子系统的协同工作确保整个系统的控制性能,以合适的终端成本函数保证系统的渐进稳定性。仿真结果可以表明该方法的有效性和优越性。
文摘针对现代电力系统中设施庞杂、多源异构海量数据难以有效处理、“信息孤岛”长期存在以及整体优化调度管理能力不足等问题,基于云控制系统理论,以智能电厂为研究对象,本文提出了智能电厂云控制系统(Intelligent power plant cloud control system,IPPCCS)解决方案.基于智能电厂云控制系统,针对绿色能源发电波动性强、抗扰能力差的问题,利用机器学习算法对采集到的风电、光伏输出功率进行短时预测,获知未来风、光机组功率输出情况.在云端使用经济模型预测控制(Economic model predictive control,EMPC)算法,通过实时滚动优化得到水轮机组的功率预测调度策略,保证绿色能源互补发电的鲁棒性,充分消纳风、光两种能源,减少水轮机组启停和穿越振动区次数,在为用户清洁、稳定供电的同时降低了机组寿命损耗.最后,一个区域云数据中心的供电算例表明了本文方法的有效性.
文摘要:针对含电动汽车的综合能源系统(integrated energy system,IES)需要考虑可再生能源和需求侧的随机性和不确定性的问题,设计了一种基于经济模型预测控制(economic model predictive control,EMPC)的分层实时优化调度策略(hierarchical real-time optimization strategy,HRTO),将整个系统的运行优化问题分为日前滚动优化,实时滚动优化和跟踪控制三个子问题。建立基于经济模型预测控制的日前优化策略,在保证经济性的同时确保启动的运行单元能够满足用户的需求,通过实时优化层优化整个IES的最优稳态操作点,设计跟踪模型预测控制器,跟踪上层传递的最优参考值。同时该策略通过引入电动汽车参与综合能源系统优化调度,充分发挥电动汽车的储能特性和灵活性,实现了电动汽车和各能源系统的协同优化。仿真分析表明,所提出的HRTO可以实现对电力负荷和建筑物温度设定点的跟踪。
