分布式电池储能系统(Battery Energy Storage System,BESS)可有效地应对各种分布式能源(如光伏、风电)接入电网对其产生的电压和频率波动影响。针对分布式储能系统协调控制时负荷分配不均、电压波动等问题,提出基于功率状态(State of Po...分布式电池储能系统(Battery Energy Storage System,BESS)可有效地应对各种分布式能源(如光伏、风电)接入电网对其产生的电压和频率波动影响。针对分布式储能系统协调控制时负荷分配不均、电压波动等问题,提出基于功率状态(State of Power,SOP)的分布式BESS负荷分配控制策略。该控制策略采用内外双闭环控制方式。在内环中,利用分布式BESS当前的SOP改进传统功率下垂控制,实现负荷有效分配;同时,在外环控制中加入线性电压补偿环节,以解决改进下垂控制中的静态偏差及线路阻抗等因素带来的电网电压下降问题。仿真结果表明,所提出的控制策略可使分布式BESS根据自身SOP有效分配负荷,并在负荷变化时均能维持系统电压和频率稳定在相应给定值附近,其电压和频率波动分别控制在0.1%和0.5%以内,可避免BESS中电池的过充和过放,使得BESS运行稳定,延长寿命。展开更多
电池储能是碳中和目标的有力抓手,准确估计其能量状态(state of energy,SOE)和峰值功率状态(state of power,SOP)是电池储能高效可靠运行的关键和基础。由于电池的电化学反应过程十分复杂,作为隐性状态量的SOE和SOP精确值难以获得。为此...电池储能是碳中和目标的有力抓手,准确估计其能量状态(state of energy,SOE)和峰值功率状态(state of power,SOP)是电池储能高效可靠运行的关键和基础。由于电池的电化学反应过程十分复杂,作为隐性状态量的SOE和SOP精确值难以获得。为此,本工作提出了一种基于模型SOE和SOP联合估计方法。应用Thevenin等效电路模型,采用递归最小二乘法建立了在线参数辨识算法,获得准确的模型参数。为解决恒定功率需求下的功率预测难题,提出了多步功率预测法,提高了SOP的预测精度,并结合扩展卡尔曼滤波算法,进一步提出了多状态联合估计方法。实验验证了算法的可行性,结果表明,在存在较大初始误差的情况下,所提出的方法电压、SOE最大预测误差均<2%,实现了准确的SOP预测。展开更多
大规模分布式船舶储能系统(distributed energy storage system,DESS)可提高船舶微电网的冗余并保证运行安全。然而,不确定的船舶运行环境容易导致分布式储能运行特性不一致。在此背景下,该文提出一种含状态耦合约束的分布式船舶储能系...大规模分布式船舶储能系统(distributed energy storage system,DESS)可提高船舶微电网的冗余并保证运行安全。然而,不确定的船舶运行环境容易导致分布式储能运行特性不一致。在此背景下,该文提出一种含状态耦合约束的分布式船舶储能系统两层能量管理策略。首先,计及不确定航运环境影响,建立船舶储能系统寿命-功率特性耦合模型,量化其在不同循环寿命下的最大可用功率范围。随后,建立分布式储能系统两层能量管理策略,结合长时间尺度节能调度与短时间尺度功率分配控制,减少多时间尺度下不确定航运环境的影响;最终,通过HiL硬件在环实时仿真系统验证所提方法,与两种传统的能量管理方法相比,所提方法能够保证每个储能系统运行在安全出力范围内,且燃油经济性提高20.8%,微网母线电压暂降偏差最高降低73.5%。展开更多
文摘分布式电池储能系统(Battery Energy Storage System,BESS)可有效地应对各种分布式能源(如光伏、风电)接入电网对其产生的电压和频率波动影响。针对分布式储能系统协调控制时负荷分配不均、电压波动等问题,提出基于功率状态(State of Power,SOP)的分布式BESS负荷分配控制策略。该控制策略采用内外双闭环控制方式。在内环中,利用分布式BESS当前的SOP改进传统功率下垂控制,实现负荷有效分配;同时,在外环控制中加入线性电压补偿环节,以解决改进下垂控制中的静态偏差及线路阻抗等因素带来的电网电压下降问题。仿真结果表明,所提出的控制策略可使分布式BESS根据自身SOP有效分配负荷,并在负荷变化时均能维持系统电压和频率稳定在相应给定值附近,其电压和频率波动分别控制在0.1%和0.5%以内,可避免BESS中电池的过充和过放,使得BESS运行稳定,延长寿命。
文摘电池储能是碳中和目标的有力抓手,准确估计其能量状态(state of energy,SOE)和峰值功率状态(state of power,SOP)是电池储能高效可靠运行的关键和基础。由于电池的电化学反应过程十分复杂,作为隐性状态量的SOE和SOP精确值难以获得。为此,本工作提出了一种基于模型SOE和SOP联合估计方法。应用Thevenin等效电路模型,采用递归最小二乘法建立了在线参数辨识算法,获得准确的模型参数。为解决恒定功率需求下的功率预测难题,提出了多步功率预测法,提高了SOP的预测精度,并结合扩展卡尔曼滤波算法,进一步提出了多状态联合估计方法。实验验证了算法的可行性,结果表明,在存在较大初始误差的情况下,所提出的方法电压、SOE最大预测误差均<2%,实现了准确的SOP预测。
文摘大规模分布式船舶储能系统(distributed energy storage system,DESS)可提高船舶微电网的冗余并保证运行安全。然而,不确定的船舶运行环境容易导致分布式储能运行特性不一致。在此背景下,该文提出一种含状态耦合约束的分布式船舶储能系统两层能量管理策略。首先,计及不确定航运环境影响,建立船舶储能系统寿命-功率特性耦合模型,量化其在不同循环寿命下的最大可用功率范围。随后,建立分布式储能系统两层能量管理策略,结合长时间尺度节能调度与短时间尺度功率分配控制,减少多时间尺度下不确定航运环境的影响;最终,通过HiL硬件在环实时仿真系统验证所提方法,与两种传统的能量管理方法相比,所提方法能够保证每个储能系统运行在安全出力范围内,且燃油经济性提高20.8%,微网母线电压暂降偏差最高降低73.5%。
