基于经验模态分解和神经网络的微网混合储能容量优化配置
提出一种针对独立微网的超级电容/蓄电池混合储能系统(HESS)的容量优化方法。运用经验模态分解技术,将一段记录完全的非平稳风功率分解成为若干固有模态函数(IMF)。在各固有模态函数的瞬时频率—时间曲线的基础上,通过“分频频率”将原始风功率分解成高频与低频2部分,并分别采用 HESS 中的超级电容和蓄电池来平抑风功率的高频、低频波动分量。平抑后输入负荷侧的功率平滑度可通过平滑度指标量化。采用神经网络模型优化 HESS 的容量,通过成本和平滑度指标之间的折中实现 HESS 的容量优化配置。基于某风电场实测数据的仿真实验验证了所提方法的有效性。
混合储能系统、神经网络、经验模态分解、平滑度指标
TB1;TS4
国家自然科学基金资助项目51477041。This work is supported by National Natural Science Foundation of China51477041
2015-05-07(万方平台首次上网日期,不代表论文的发表时间)
共8页
19-26