摘要:针对传统卡尔曼滤波法在钒电池荷电状态(state of charge,SOC)估算中将电池内部模型参数作为恒定值,而导致误差增大的缺陷,该文使用反向传播(back propagation,BP)神经网络在线更新卡尔曼滤波过程的参数值,以提高参数的精度。选用常见的戴维南(Thevenin)等效电路模型,通过神经网络更新内部欧姆内阻R0和极化电阻Rp、电容Cp完成卡尔曼滤波过程的优化,使系统模型卡尔曼滤波估算中的每一步都得到更新,从而弥补了上述传统算法的缺陷。同时,该文还设计了电池测试试验,通过对数据的检验以及与双卡尔曼滤波的优化方式的结果进行对比,验证了神经网络优化的方法较双卡尔曼滤波优化能更好地体现出系统的动态特性,估算的结果具有更高的精度和更好的收敛性,证明了该方法非常适用于钒电池系统的实时SOC估计,具有理论与应用价值。
摘要:针对三北地区供热季“以热定电”运行机制下产生的大量弃风问题,提出了一种面向风电消纳的地区综合能源系统(integrated energy system, IES)多类型储能联合调度方法。首先,设置了含电-热多类型储能装置的地区综合能源系统结构,该系统以电动汽车作为灵活储电装置,并对系统内各设备子系统进行了建模;其次,构造了以风电消纳能力最优为目标、以电热网络运行情况为约束的地区综合能源系统多类型储能优化调度模型;再次,采用量子粒子群算法,借助系统内的多类型储能装置调节热电联产机组的出力;最后,通过算例对比分析,证明了在区域内加装不同类型储能装置可以改善风电消纳能力,同时考虑区域间能量互联有提高能源利用率的作用。