Suzhou Electric Appliance Research Institute
期刊号: CN32-1800/TM| ISSN1007-3175

Article retrieval

文章检索

首页 >> 文章检索 >> 最新索引

光伏发电功率预测及储能系统参与的源-荷平衡分析

来源:电工电气发布时间:2022-04-20 14:20 浏览次数:326

光伏发电功率预测及储能系统参与的源-荷平衡分析

潘良煜,胡明会,滕卓男,魏宁
(许继电气股份有限公司,河南 许昌 461000)
 
    摘 要:为统筹协调光伏发电功率消纳,在光伏电站引入储能系统,结合光伏功率预测,平抑光伏发电功率波动, 降低对电网的冲击,进一步提高电网系统稳定性。在光伏发电功率预测中,充分考虑光伏设备离线等突发因素对功率输出的影响,对储能系统接入位置进行比较分析,选择在光伏发电系统并网点前的直流侧接入,相对减少损耗,提高效率。分析结果表明,该方案有助于系统优化运行和调度管理,具有较好的工程应用潜力。
    关键词:功率预测;概率区间预测;边界估计;储能系统;源- 荷平衡
    中图分类号:TM615     文献标识码:A     文章编号:1007-3175(2022)04-0007-05
 
Power Forecasting of Photovoltaic Power Generation and Source Load
Balance Analysis of Energy Storage System
 
PAN Liang-yu, HU Ming-hui, TENG Zhuo-nan, WEI Ning
(XJ Electric Co., Ltd, Xuchang 461000, China)
 
    Abstract: The energy storage system is used for the photovoltaic power station to coordinate the power consumption of photovoltaic power generation.This study combined photovoltaic power prediction to smooth the fluctuation of photovoltaic power generation, reduce the impact on the power grid, and improve the stability of the power grid system.It considered the influence of sudden factors such as off-line photovoltaic equipment on power output.It also compared and analyzed the access location of the energy storage system and selected the DC side access in front of the grid connection point of the photovoltaic power generation system to relatively reduce losses and improve efficiency in the prediction of photovoltaic power generation.The analysis shows that the scheme is helpful to optimize system operation and dispatching management, and has good engineering application potential.
    Key words: power forecasting; probability interval forecasting; boundary estimation; energy storage system; source load balance
 
参考文献
[1] 陈志宝,李秋水,程序,等. 基于地基云图的光伏功率超短期预测模型[J] . 电力系统自动化,2013,37(19) :20-25.
[2] 王昕,黄柯,郑益慧,等. 基于 PNN/PCA/SS-SVR 的光伏发电功率短期预测方法[J] . 电力系统自动化,2016,40(17) :156-162.
[3] 叶林,陈政,赵永宁,等. 基于遗传算法-模糊径向基神经网络的光伏发电功率预测模型[J] . 电力系统自动化,2015,39(16) :16-22.
[4] 黄新波,章小玲,张烨,等. 基于径向基概率神经网络的输电导线缺陷状态识别[J]. 电力系统自动化,2020,44(3) :201-210.
[5] 徐诗鸿,张宏志,林湘宁,等. 基于改进评价指标的波动性负荷短期区间预测[J] . 电力系统自动化,2020,44(2) :156-163.
[6] 黎敏,林湘宁,张哲原,等. 超短期光伏出力区间预测算法及其应用[J] . 电力系统自动化,2019,43(3) :10-16.
[7] 周玮,钟佳成,孙辉,等. 基于隐马尔可夫模型的日内风电功率预测误差区间滚动估计[J] . 电力系统自动化,2018,42(21) :90-95.
[8] 包伟涔,韦钢,刘佳,等. 基于区间模型的多能互补系统优化运行[J] . 电力系统自动化,2019,43(11) :8-16.
[9] 吴雄,王秀丽. 新能源组合出力的置信区间估计[J]. 电力系统自动化,2013,37(16) :7-12.
[10] 李智,韩学山,杨明,等. 基于分位点回归的风电功率波动区间分析[J] . 电力系统自动化,2011,35(3) :83-87.
[11] 熊宁,程浩忠,李曼丽,等. 基于可信度区间的静态电压稳定性评价[J] . 电力系统自动化,2009,33(9) :16-19.
[12] 郭钰锋,孙頔,于继来,等. 集对分析理论在风电场风速区间预测中的应用[J] . 电力系统自动化,2014,38(2) :6-11.
[13] 苏永新,聂伟棋,谭貌. 考虑风电接入和气电转换的综合能源系统日前区间优化[J] . 电力系统自动化,2019,43(17) :63-71.
[14] 王彩霞,鲁宗相,乔颖,等. 基于非参数回归模型的短期风电功率预测[J] . 电力系统自动化,2010,34(16) :78-82.
[15] 杨锡运,关文渊,刘玉奇,等. 基于粒子群优化的核极限学习机模型的风电功率区间预测方法[J] .中国电机工程学报,2015,35(S1) :146-153.
[16] 马伟,王玮,吴学智,等. 平抑光伏并网功率波动的混合储能系统优化调度策略[J] . 电力系统自动化,2019,43(3) :58-66.
[17] 丁明,徐宁舟,毕锐. 用于平抑可再生能源功率波动的储能电站建模及评价[J] . 电力系统自动化,2011,35(2) :66-72.
[18] 王刚. 储能参与清洁能源消纳价值链优化模型及信息系统研究[D]. 北京:华北电力大学,2018.