基于神经网络的混合储能系统能量管理策略

发布时间：2024-03-31 14:38

　　针对目前诸多储能系统由于输出功率波动程度较大而导致的发电成本升高的问题,提出新型混合储能系统能量管理策略。综合锂离子电池的温度、锂离子电池和超级电容的荷电状态三个参考量,通过模糊控制对低通滤波器的时间常数进行调节,将超出目标值的功率偏差在两种储能介质之间进行初步分配;而后引入功率依从指数的概念,模拟功率依从指数与储能设备参数之间的关系;通过遗传算法对混合储能系统的功率分配进一步优化。仿真分析表明,提出的管理策略能够使功率波动程度大幅度降低,并使发电成本降低到近乎接近最低的水平,证明了上述能量管理策略的正确和有效性。

【文章页数】：5 页

【部分图文】：

图1超级电容器和锂离子电池的功率曲线

式中na,nb分别是锂离子电池和超级电容器的充电和放电效率。3.2功率依从指数

图2混合储能系统的神经网络模型

如图2中的虚线模块A所示,该模型将P1,P2,E1,E2作为短期(1天)神经网络模型的输入量,以R1作为输出量。R1为预设的最大功率允许偏差值为ΔP时的功率依从指数;R2为预设的最大允许功率偏差为3ΔP时的功率依从指数。K1和K3分别是超级电容器的存储容量成本和功率成本;....

图3神经网络优化前的功率曲线图

以下为神经网络优化前后混合储能系统的功率曲线。图4神经网络优化后的功率曲线图

图4神经网络优化后的功率曲线图

图3神经网络优化前的功率曲线图为了进一步验证该方法的合理性和有效性,本文将2009年2月8个光伏发电厂机组的实际数据与优化后数据分别代入成本模型进行比较。

本文编号：3944077