为提升高比例风电渗透下电力系统的频率稳定性,同时解决风储联合系统调频过程中参数间相互影响难以兼顾导致系统调频控制性能不佳的问题,提出一种基于改进型线性自抗扰控制策略(linear active disturbance rejection control,LADRC)的...为提升高比例风电渗透下电力系统的频率稳定性,同时解决风储联合系统调频过程中参数间相互影响难以兼顾导致系统调频控制性能不佳的问题,提出一种基于改进型线性自抗扰控制策略(linear active disturbance rejection control,LADRC)的构网型(grid-forming,GFM)储能调频控制策略。首先,在传统应用LADRC对角频率进行快速控制的基础上,引入有功差额补偿,加速有功指令响应速度,消除参数互耦。同时,针对构网型储能调频控制策略参数影响规律,分析了角频率和参考功率至输出功率的小信号模型,推导控制环节传递函数,实现对系统调频性能优化。最后在Matlab/Simulink仿真平台上搭建风储联合系统仿真模型,对不同控制策略在不同工况下电网频率和储能出力的变化情况进行对比分析。结果表明,所提控制策略有效提升复杂工况下风储联合系统对电网频率的支撑能力。展开更多
车网互动(vehicle to grid,V2G)技术利用调度模型生成的决策调度电动汽车(electric vehicle,EV)有序参与电网管理,可实现高效削峰填谷,采用联邦学习方式可以在充电站不愿共享原始数据的条件下完成调度模型训练,因此选定符合多方利益的...车网互动(vehicle to grid,V2G)技术利用调度模型生成的决策调度电动汽车(electric vehicle,EV)有序参与电网管理,可实现高效削峰填谷,采用联邦学习方式可以在充电站不愿共享原始数据的条件下完成调度模型训练,因此选定符合多方利益的训练标签和保证模型参数聚合结果的正确性对于V2G调度决策至关重要。为此,提出一种面向V2G调度的可信联邦学习方法。首先,构建V2G实时调度模型可信联邦学习架构,其包括标签生成模块、可验证联邦学习模块和实时调度模块3个部分;然后,综合考虑EV用户、运营商及电网侧负荷波动,提出一个计及电网多方主体利益的实时调度标签数据生成模型,并设计调度模型标签的动态更新方法;其次,提出模型参数聚合的安全存证与验证方法,确保联邦学习模型参数聚合的正确性;最后,对3种充电时段类型EV占主导生成的标签数据和所提出验证方法的时间开销、存储开销和Gas开销进行分析。算例结果表明,所提出的标签模型展示了EV用户、运营商以及电网侧负荷波动的最优值特征,构建聚合树的时间开销达到毫秒级,相比于传统验证方式,聚合验证智能合约的Gas开销显著降低。因此,所提出的可信联邦学习方法与电网中多方主体利益一致,并具有较好的性能。展开更多
针对电氢混合储能系统在平抑直流微网中功率波动时面临的功率分配问题,提出了一种基于级联式模糊控制的电氢耦合直流微网能量管理策略。该策略中一次模糊控制器依据储氢罐储氢状态(stateofhydrogenstorage,SOH)与锂电池荷电状态(state o...针对电氢混合储能系统在平抑直流微网中功率波动时面临的功率分配问题,提出了一种基于级联式模糊控制的电氢耦合直流微网能量管理策略。该策略中一次模糊控制器依据储氢罐储氢状态(stateofhydrogenstorage,SOH)与锂电池荷电状态(state of charge, SOC)求解出一次功率分配因子,对直流微网净功率进行一次分配;二次模糊控制器结合一次功率分配参考值与SOH对一次功率分配因子作出校正。此外,为使氢储能系统中具有非线性工作特性的电流控制型装置(电解槽、燃料电池)能够对能量管理系统作出高效响应,采用插值法将功率分配参考值转换为电流参考值。通过Matlab/Simulink仿真结果证明,所提能量管理策略有效缩小了氢储能系统在非合理区间的功率波动范围并提高了氢储能系统中装置的响应精度与速度。展开更多
文摘为提升高比例风电渗透下电力系统的频率稳定性,同时解决风储联合系统调频过程中参数间相互影响难以兼顾导致系统调频控制性能不佳的问题,提出一种基于改进型线性自抗扰控制策略(linear active disturbance rejection control,LADRC)的构网型(grid-forming,GFM)储能调频控制策略。首先,在传统应用LADRC对角频率进行快速控制的基础上,引入有功差额补偿,加速有功指令响应速度,消除参数互耦。同时,针对构网型储能调频控制策略参数影响规律,分析了角频率和参考功率至输出功率的小信号模型,推导控制环节传递函数,实现对系统调频性能优化。最后在Matlab/Simulink仿真平台上搭建风储联合系统仿真模型,对不同控制策略在不同工况下电网频率和储能出力的变化情况进行对比分析。结果表明,所提控制策略有效提升复杂工况下风储联合系统对电网频率的支撑能力。
文摘车网互动(vehicle to grid,V2G)技术利用调度模型生成的决策调度电动汽车(electric vehicle,EV)有序参与电网管理,可实现高效削峰填谷,采用联邦学习方式可以在充电站不愿共享原始数据的条件下完成调度模型训练,因此选定符合多方利益的训练标签和保证模型参数聚合结果的正确性对于V2G调度决策至关重要。为此,提出一种面向V2G调度的可信联邦学习方法。首先,构建V2G实时调度模型可信联邦学习架构,其包括标签生成模块、可验证联邦学习模块和实时调度模块3个部分;然后,综合考虑EV用户、运营商及电网侧负荷波动,提出一个计及电网多方主体利益的实时调度标签数据生成模型,并设计调度模型标签的动态更新方法;其次,提出模型参数聚合的安全存证与验证方法,确保联邦学习模型参数聚合的正确性;最后,对3种充电时段类型EV占主导生成的标签数据和所提出验证方法的时间开销、存储开销和Gas开销进行分析。算例结果表明,所提出的标签模型展示了EV用户、运营商以及电网侧负荷波动的最优值特征,构建聚合树的时间开销达到毫秒级,相比于传统验证方式,聚合验证智能合约的Gas开销显著降低。因此,所提出的可信联邦学习方法与电网中多方主体利益一致,并具有较好的性能。
文摘针对电氢混合储能系统在平抑直流微网中功率波动时面临的功率分配问题,提出了一种基于级联式模糊控制的电氢耦合直流微网能量管理策略。该策略中一次模糊控制器依据储氢罐储氢状态(stateofhydrogenstorage,SOH)与锂电池荷电状态(state of charge, SOC)求解出一次功率分配因子,对直流微网净功率进行一次分配;二次模糊控制器结合一次功率分配参考值与SOH对一次功率分配因子作出校正。此外,为使氢储能系统中具有非线性工作特性的电流控制型装置(电解槽、燃料电池)能够对能量管理系统作出高效响应,采用插值法将功率分配参考值转换为电流参考值。通过Matlab/Simulink仿真结果证明,所提能量管理策略有效缩小了氢储能系统在非合理区间的功率波动范围并提高了氢储能系统中装置的响应精度与速度。
文摘针对电氢耦合系统运行时单体燃料电池输出功率有限和工作效率低难以维持系统在复杂工况下稳定运行的问题,研究了多堆燃料电池系统(multi-stack fuel cell system,MFCS)功率分配策略,提出了一种计及多堆燃料电池功率分配的电氢耦合分层能量管理策略,将控制系统分为状态机控制层和设备控制层。以燃料电池运行效率最优为目标设计了多堆燃料电池功率分配方法,上层为状态机控制层,采集系统剩余功率、锂电池荷电状态(state of charge,SOC)和储氢罐氢状态(state of hydrogen,SOH),并将系统状态分为8种,下层为设备控制层,接收状态机发送的开关信号控制各设备选择不同的控制模式运行,使燃料电池尽可能运行于正常区间,提高燃料电池寿命和工作效率,减少系统运行状态的切换、提升电氢耦合系统抗扰动能力和光伏利用效率。基于Simulink平台仿真验证了所提分层控制策略的正确性。
