基于大规模储能电站的控制研究

摘要

储能系统在当前的电力网中有着极其重要的作用，其对电力系统正常运行时起到多种调节作用。在风力发电、光伏发电等可再生能源发电并网过程中，需要通过储能电站来促使其产生的电能顺利入网。随着储能电站的规模的逐渐扩大，各储能单元在初始条件不同下，控制储能电站的充放电功率，怎么样合理的分配储能任务就成为了一个难题。现有阶段对于储能电站的出力控制大多集中在对之前数据的分析，预测第二天的光伏或风电出力，在这基础上预测储能电站的出力，不能有效精确的控制储能电站，有很大的波动性和随机性。精确的控制储能电站的出力，有利于新能源电站并网发电，提高其安全性和可靠性。 首先，本文研究了当前形势下的常见的储能技术，在各种储能技术相比较的情况下，因大部分的技术手段都有着成本和效率上的问题，所以认为电池储能是适合当前技术条件的较好储能手段。研究了电池储能电站在新能源电站并网发电的条件下的运营模式。接着讨论了多智能体理论中Agent的概念与技术特点，明确了其结构特征，结合储能电站的运营模式和电池储能电站的参数特性建立了电池储能电站的控制架构。该控制架构能够合理的控制储能的各个单元的出力，根据各单元SOC（即储能电站的荷电状态，是评判储能电站即时电量的标准。）初始状态不同合理分配储能任务，最后完成SOC趋近于一致的目的。 其次，基于储能电站充放电功率限值和储能电站SOC等约束条件，建立电池储能电站的有功功率控制模型，该模型能够细化各储能单元的出力。通过研究粒子群发的思想及设计步骤，将各储能单元Agent中的PCS（Power Conversion System-储能变流器可控制蓄电池的充电和放电过程，进行交直流的变换，在无电网情况下可以直接为交流负荷供电。）的充放电功率作为粒子的速度，SOC作为粒子的位置，计算出满足目标函数的最优解，继而获得各储能单元Agent内PCS充放电功率的最优解。并且，针对不同工况下储能电站不同Agent的充放电功率的控制做出讨论，完善了控制模型的完整性。 最后，基于Matlab软件，根据某地实测数据，以两种情况：电站跟踪300MW光伏电站出力计划仿真和储能电站平滑500MW风电厂出力波动仿真分析，对比其储能电站出力效果、各储能单元的功率和SOC变化分析储能电站攻防点功率情况。将使用粒子群算法优化计算各储能Agent中SOC的变化和未使用粒子群算法时做出比较，验证粒子群算法的有效性。通过验证储能电站的功率偏差和波动率等因素确定控制方法的有效性。得出该储能电站的控制方法能够有效的精细化控制储能电站中的各储能单元，并能使在不同初始条件下的各储能单元在控制过程中使其SOC趋近于一致。

目录

第1章 绪 论

1.1 引言

1.2 课题研究背景及意义

1.3 储能技术国内外研究现状

1.4 本文主要研究工作

第2章 大规模储能电站的控制架构研究

2.1 引言

2.2 常见储能技术

2.3 储能电站应用形式

2.3.1 储能系统加城市电网运行模式

2.3.2 储能系统加新能源配合市电运行模式

2.4 Agent 的概念与技术特点

2.5 Agent 的结构与模型

2.5.1 Agent 的结构特征

2.5.2 Agent的模块化模型

2.5.3 分布式结构

2.5.4 集中式控制的结构

2.5.5 混合式控制的结构

2.6 电池储能电站控制架构

2.6.1 分层控制架构

2.6.2 站内区域自治的储能电站的控制架构

2.7 电池储能电站的参数特性分析

2.7.1 电池储能电站内部电池组成方式

2.7.2 电池储能电站内部电池组出力约束条件

2.7.3 储能电站中储能单元工况参数

2.8 本章小结

第3章 基于粒子群算法的储能电站有功功率控制模型建立

3.1 引言

3.2 粒子群算法

3.2.1 粒子群算法思想

3.2.2 粒子群算法原理

3.2.3 粒子群算法参数设置

3.2.4 粒子群算法步骤及设计

3.3 储能电站充放电功率控制方法

3.4 不同工况下储能电站充放电功率控制

3.5 本章小结

第4章 储能电站控制仿真分析

4.1 引言

4.2 电池储能电站跟踪300MW光伏发电出力计划的仿真案例

4.3 电池储能电站平滑500MW风电场出力波动的仿真分析

4.4 本章小结

第5章 储能电站控制模型有效性验证分析

5.1 引言

5.2 粒子群算法有效性验证

5.3 储能电站控制方法模型仿真验证

5.3.1 电池储能电站跟踪300MW光伏发电出力计划的仿真验证

5.3.2 电池储能电站平滑500MW风电场出力波动的仿真验证

5.4 本章小结

结论

参考文献

攻读硕士学位期间获得的科研成果

声明

致谢