风机的尾流效应会严重降低风电场的发电效率,传统风电场能量管理方法未考虑尾流效应的影响,各风机均采用最大功率点跟踪MPPT(maximum power point tracking)控制方案,风电场整体输出功率并非最优。尾流耦合现象极其复杂,难以用解析模型描述,传统基于模型的控制思路难以适用。为此,提出一种基于数据驱动的多风电机组协同控制方法。基于风电场的历史运行数据,采用神经网络辨识多风电机组之间的尾流交互模型。进一步,在风电场层通过粒子群算法在线求解多风电机组协同控制功率优化指令;在机组层由各机组控制器实现指令跟踪,最终实现风电场整体发电功率的优化。仿真结果表明:基于数据驱动方法建立的尾流交互模型,其误差在1%之内;在此基础上,进行多机协同优化控制,相比传统未考虑尾流效应的单机MPPT控制,风电场平均输出功率得到提升,验证了所提控制方法的有效性。
混合储能系统HESS(hybrid energy storage system)在微电网中有着广泛的应用,其研究主要集中在能量管理、功率分配和拓扑设计等方面。对于功率分配的研究,大多只涉及到基本的功率分配,而无功功率、负序功率和谐波功率的分配问题却很少被提及。为此,提出了适用于不平衡负载和非线性负载环境的混合储能系统及其协调控制策略。在系统内部,电池功率转换系统工作在下垂模式,提供能量,只输出基本的有功功率;超电容器系统工作在补偿模式,分析总输出功率构成,输出无功、负序和谐波功率。该策略可以在不平衡和非线性负载条件下提供更好的系统性能;此外,该混合储能系统采用双逆变结构,有利于现有设备的升级改造;最后,仿真和实验结果验证了该策略的有效性。