可再生能源渗透率的提高对电力系统稳定运行造成冲击,导致电网调频过程的复杂化。为此提出一种基于多目标优化的风储协同一次调频控制策略。首先,构建风储协同参与的一次调频模型,以变桨控制使风机参与电网调频,并对风速分解以消除其不...可再生能源渗透率的提高对电力系统稳定运行造成冲击,导致电网调频过程的复杂化。为此提出一种基于多目标优化的风储协同一次调频控制策略。首先,构建风储协同参与的一次调频模型,以变桨控制使风机参与电网调频,并对风速分解以消除其不确定性的影响,同时针对储能荷电状态(state of charge, SOC)特性,对储能采用基于SOC变化的自适应控制,待优化可变系统参数表征风储出力需求;然后,对风储协同参与调频的主要代价进行分析,根据调频效果、风电与储能调频损耗进行多目标优化问题设计;在此基础上,通过适应度系数的时变调整对NSGA-Ⅱ遗传算法进行改进,获取最优状态下的参数解集,并设计综合评价指标对Pareto前端分布进行最优解选择。仿真结果表明,不同Pareto前端位置的解能够更好地反映不同控制目标的考量,获取满足不同场景下调频需求的最优系统参数。展开更多
文摘可再生能源渗透率的提高对电力系统稳定运行造成冲击,导致电网调频过程的复杂化。为此提出一种基于多目标优化的风储协同一次调频控制策略。首先,构建风储协同参与的一次调频模型,以变桨控制使风机参与电网调频,并对风速分解以消除其不确定性的影响,同时针对储能荷电状态(state of charge, SOC)特性,对储能采用基于SOC变化的自适应控制,待优化可变系统参数表征风储出力需求;然后,对风储协同参与调频的主要代价进行分析,根据调频效果、风电与储能调频损耗进行多目标优化问题设计;在此基础上,通过适应度系数的时变调整对NSGA-Ⅱ遗传算法进行改进,获取最优状态下的参数解集,并设计综合评价指标对Pareto前端分布进行最优解选择。仿真结果表明,不同Pareto前端位置的解能够更好地反映不同控制目标的考量,获取满足不同场景下调频需求的最优系统参数。
