找到 6 条结果 · IEEE Transactions on Power Systems

排序:
储能系统技术 储能系统 下垂控制 ★ 5.0

大规模储能系统在能量管理系统中用于一次频率支持的协调自适应下垂控制

Coordinated Adaptive Droop Control of Large-Scale Energy Storage Systems for Primary Frequency Support in Energy Management Systems

作者未知 · IEEE Transactions on Power Systems · 2025年5月

储能系统(ESS)对电力系统频率稳定性具有重要作用,这一话题已在研究领域引起广泛关注。然而,当储能系统用于集成了能量管理系统(EMS)的大型电力系统的一次调频时,其快速响应会削弱其他发电机调速器的频率控制能力,从而引发控制交互和振荡问题。随着用于调频的储能系统的部署不断增加,控制交互和振荡问题愈发紧迫,需要在运行层面加以解决。然而,在韩国,通过能量管理系统负责实时电网运行的主体与控制储能系统等设施的主体不同。因此,需要从运行和控制两个角度制定更先进的协调控制策略。为评估所提出的自适应控制策略的有...

解读: 该协调自适应下垂控制技术对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。通过动态调整下垂系数实现快速频率响应,可直接应用于ST2236/2500/2800等储能变流器的一次调频功能优化,提升电网侧储能电站的频率支撑能力。该方法与阳光电源现有的构网型GFM控制技术形成互...

储能系统技术 储能系统 ★ 5.0

基于解析目标级联的含储能系统的输配电网协同优化

Analytical Target Cascading Based Co-Optimization of Transmission and Distribution Systems With Energy Storage System

Sophia Owais · Md Jamal Ahmed Shohan · Md Omar Faruque · IEEE Transactions on Power Systems · 2025年2月

在输配电网络中集成可再生能源和储能系统(ESS),在优化潮流和高效调度储能系统方面带来了重大挑战,这需要解决复杂的时域耦合约束问题。为解决这一问题,我们提出了一种名为基于Q学习的解析目标级联(ATC - Q)优化的新型双层协同优化框架,用于解决输配联合网络中的交流最优潮流(ACOPF)问题。该算法在24小时滚动时域内同时考虑输电网和配电网的储能系统,同时考虑实时电价、储能系统当前荷电状态、预测的光伏发电量(PV)和负荷需求。所提出的解决方案旨在通过解耦时域约束并根据储能系统当前和未来状态构建队列...

解读: 该输配电网协同优化技术对阳光电源PowerTitan大型储能系统和ST系列储能变流器具有重要应用价值。ATC分层优化框架可直接应用于iSolarCloud云平台的多站点协调调度,实现输电侧集中式储能电站与配电侧分布式ESS的协同运行。多时间尺度调度策略可优化储能变流器的充放电曲线,提升可再生能源消纳...

储能系统技术 储能系统 下垂控制 微电网 ★ 5.0

基于暂态稳定性的弹性交直流混合微电网优化规划

Transient Stability-Driven Planning for the Optimal Sizing of Resilient AC/DC Hybrid Microgrids

Yi Wang · Goran Strbac · IEEE Transactions on Power Systems · 2024年11月

本文提出一种面向弹性交直流混合微电网最优容量配置的暂态稳定性驱动规划框架,综合考虑不同类型故障下的频率与电压稳定要求及交直流互联变流器的频压耦合动态。该模型采用防御者-攻击者-防御者(DAD)结构,并通过增强型遗传算法结合稀疏计算与局部搜索进行求解。在运行层面,提出一种计及常规机组调速器、自动电压调节器及逆变型电源下垂控制动态的暂态稳定约束最优潮流(TSC-OPF)方法,并引入Lyapunov优化以处理储能设备的时间耦合特性,实现小时级决策与秒级动态的协同优化。算例验证了该框架在满足暂态稳定性前...

解读: 该暂态稳定性驱动规划框架对阳光电源ST系列储能变流器和PowerTitan大型储能系统具有重要应用价值。研究中的TSC-OPF方法与Lyapunov优化可直接应用于交直流混合微电网场景下的储能容量配置,特别是在工商业微电网和离网系统中。文中提出的频压耦合动态建模可优化阳光电源双向变流器的控制策略,增...

储能系统技术 储能系统 强化学习 ★ 5.0

高渗透率可再生能源电力系统实时调度:一种专家知识与强化学习混合方法

Real-Time Scheduling of High-Penetrated Renewable Power Systems: An Expert Knowledge and Reinforcement Learning Hybrid Approach

Sijun Du · Tao Ding · Yang Xiao · Jingyu Wan 等6人 · IEEE Transactions on Power Systems · 2024年7月

现代电力系统正向低碳可持续转型,可再生能源渗透率的提升及其不确定性给系统调度带来严峻挑战,灵活元件的引入进一步增加了调度复杂性。为此,本文提出一种融合专家知识与强化学习(RL)的混合实时调度方法。首先建立包含柔性负荷与储能的高渗透率可再生能源系统实时调度模型,并转化为马尔可夫决策过程。通过引入专家知识作为系统与RL智能体之间的中介,利用RL算法优化的机组控制序列进行调度决策。基于SG 126节点系统的算例验证了所提方法在保障系统安全稳定运行的同时,显著提升可再生能源消纳能力的有效性与潜力。

解读: 该混合调度方法对阳光电源PowerTitan储能系统和iSolarCloud平台具有重要应用价值。强化学习与专家知识融合的实时调度策略可直接应用于ST系列储能变流器的智能控制算法,优化充放电决策以应对高比例光伏接入的不确定性。该方法可集成至iSolarCloud云平台,实现多站点储能系统协同调度,提...

储能系统技术 储能系统 ★ 5.0

共享储能系统下风电场群最优调度的去中心化与隐私保护解决方案

Decentralized and Private Solution for the Optimal Dispatch of Integrated Wind Farms With Shared Energy Storage Systems

Chenggang Mu · Tao Ding · Yi Yuan · Biyuan Zhang 等6人 · IEEE Transactions on Power Systems · 2024年7月

随着全球对可再生能源整合的日益重视,可变风力发电的整合面临着更多挑战。储能系统(ESS)有望提供解决方案,但为单个风电场(WF)实施储能系统被认为成本极高。本文提出了一种风电场与共享储能系统(SESS)的集成模型,该模型通过机会约束处理风电场功率的不确定性,并合理缓解功率偏差与波动。此外,共享储能系统由物理储能组件和虚拟储能组件构成,其中实际储能组件可自动避免同时充放电,而虚拟储能组件可为风电场集群提供资源对冲,以减少实际储能组件的损耗。本文提出了一种基于分布式同态加密的方法,以确保在功率分配过...

解读: 该去中心化共享储能调度技术对阳光电源PowerTitan大型储能系统和ST系列储能变流器具有重要应用价值。文章提出的基于ADMM的分布式优化算法可直接应用于多风电场共享储能场景,解决当前集中式调度中的数据隐私和通信负担问题。该方法可集成到iSolarCloud云平台的智能调度模块,实现多业主储能资产...

储能系统技术 储能系统 ★ 5.0

储能系统多阶段鲁棒调度的解析可行性条件及其在安全约束机组组合中的应用

An Analytical Feasibility Condition for the Multi-Stage Robust Scheduling of Energy Storage Systems with Application on SCUC

Jiexing Zhao · Qiaozhu Zhai · Yuzhou Zhou · Xiaoyu Cao · IEEE Transactions on Power Systems · 2024年5月

为缓解可再生能源渗透率不断提高所带来的日益增长的不确定性,电力系统中越来越多地安装了储能系统(ESS)以提供所需的灵活性。储能系统的时间耦合和非线性约束给调度问题带来了新的困难。鉴于这些挑战,本文针对存在不确定性和储能系统的调度问题提出了一种多阶段鲁棒优化(MSRO)方法。与多阶段鲁棒优化中最广泛采用的仿射决策规则(ADR)不同,仿射决策规则假设决策是关于不确定性实现的线性函数,本文以递归方式提出了鲁棒可行区间(RFI),以确保多阶段运行的可行性(鲁棒性)。当观测到不确定性时,可以在滚动时域内相...

解读: 该储能多阶段鲁棒调度解析可行性条件对阳光电源PowerTitan大型储能系统及ST系列储能变流器的能量管理策略具有重要应用价值。研究提出的解析可行性条件可直接集成到阳光电源ESS集成方案的EMS能量管理系统中,在光伏出力波动场景下实现储能充放电策略的鲁棒优化,确保SOC约束与功率约束在全时段可行。该...