[发明专利]混合储能抑制风电波动方法、装置、电子设备和存储介质在审

专利信息
申请号: 202110962419.5 申请日: 2021-08-20
公开(公告)号: CN113783207A 公开(公告)日: 2021-12-10
发明(设计)人: 李姚旺;张宁;杜尔顺;贺鸿杰;雍培;叶俊;李艳红 申请(专利权)人: 清华大学;中国华电科工集团有限公司
主分类号: H02J3/24 分类号: H02J3/24;H02J3/00;H02J3/32;H02J3/38
代理公司: 北京清亦华知识产权代理事务所(普通合伙) 11201 代理人: 廖元秋
地址: 100084*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 混合 抑制 波动 方法 装置 电子设备 存储 介质
【权利要求书】:

1.一种混合储能抑制风电波动方法,其特征在于,包括:

获取风电机组待预测时刻前连续多个时刻的风电波动功率及待预测时刻的风速数据;

根据预设的变分模态分解数目,对所述多个时刻的风电波动功率进行分解,以得到所述风电波动功率在所述多个时刻的多个模态分量;

将所述多个模态分量分别划分为对应的低频波动分量或高频波动分量;

将所述多个时刻的同种所述波动分量和所述待预测时刻的风速数据对应输入预设的低频波动分量预测模型和高频波动分量预测模型,以得到所述风电机组所述低频波动分量和所述高频波动分量的预测结果;

将所述低频波动分量和所述高频波动分量的预测结果作为储能装置的指令信号,以实现对所述风电机组功率波动的平抑。

2.根据权利要求1所述的方法,其特征在于,所述将所述低频波动分量和所述高频波动分量的预测结果作为储能装置的指令信号,以实现对所述风电机组功率波动的平抑,包括:

将所有所述低频波动分量的预测结果之和作为所述储能装置中蓄电池储能元件的指令信号,将所有所述高频波动分量的预测结果之和作为所述储能装置中超级电容储能元件的指令信号;其中,当所述指令信号为正时,所述储能装置进行充电,充电功率为所述指令信号的大小;当所述指令信号为负时,所述储能装置进行放电,放电功率为所述指令信号的大小。

3.根据权利要求1所述的方法,其特征在于,所述风电波动功率的获取方法如下:

获取所述风电机组实际运行时的原始功率;

对所述原始功率进行滤波,将滤波结果作为所述风电机组的风电并网功率;

将所述原始功率减去所述风电并网功率得到所述风电机组的风电波动功率。

4.根据权利要求1所述的方法,其特征在于,所述变分模态分解数目的确定方法如下:

1)令变分模态分解数目的初始值K=2;

2)对风电波动功率进行变分模态分解,得到K个模态分量;

3)分别计算K个模态分量的中心频率;

4)判断K个模态分量是否存在重复的中心频率:若不存在,则令K=K+1,然后重新返回步骤2);若存在,则变分模态分解数目的最终值为K-1。

5.根据权利要求1所述的方法,其特征在于,所述将所述多个模态分量分别划分为对应的低频波动分量或高频波动分量;具体方法为:

按照设定的阈值对所述多个模态分量的中心频率进行判定:

若所述模态分量的中心频率小于设定的阈值,则将所述模态分量划分为对应的低频波动分量;

若所述模态分量的中心频率大于等于设定的阈值,则将所述模态分量划分为对应的高频波动分量。

6.根据权利要求1所述的方法,其特征在于,所述低频波动分量预测模型为浅层神经网络模型,所述高频波动分量预测模型为深层神经网络模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学;中国华电科工集团有限公司,未经清华大学;中国华电科工集团有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110962419.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top