[发明专利]基于模糊神经网络的风电混合储能系统及其优化方法

说明书

技术领域

本发明主要涉及一种基于模糊神经网络的风电混合储能系统及其优化方法，属于风电利用技术领域。

背景技术

风速的变化使风机输出功率具有波动性，严重影响风电并网的电能质量。虽然可以通过控制机组桨距角的变化来调节输出的波动功率，但是这种控制方式只能在高风速时有效，且需要浪费一部分风力资源，在风速比较低或无风的情况下该控制方式就不具有实用性，因此风力资源间歇性的特点对风机输出功率具有直接的影响。采用储能技术可以改善风力资源间歇性引起的负面影响。将一定容量的储能装置应用到风电系统中，能够平抑风电波动功率，实现风力发电系统安全、稳定、优质地运行。

本发明以基于超级电容器和蓄电池的双馈式风电储能系统为研究对象，基于混合储能系统的电流变化率和其荷电状态，设计一种模糊神经网络自适应控制策略，对混合储能装置的PID控制参数进行在线优化。经过仿真验证该控制策略能够实现平抑风电波动功率，储能装置荷电状态转变适中，避免了过度充放电的状况，从而有利于提高储能装置的使用寿命。

发明内容

发明目的

为了解决风电并网对大电网电能质量的影响以及现有控制策略的局限性，本发明提出了一种风力发电储能系统及其优化方法，通过平抑风电系统波动功率来改善并网电能质量，提高风电系统的稳定性，提高能源的利于率以及储能装置的使用寿命。

技术方案

一种基于模糊神经网络的风电混合储能系统，其特征在于：由超级电容器和蓄电池组成的混合储能系统并联在双馈电机电网侧变流器的直流侧，转子侧变流器连接双馈电机，电网侧变流器连接电网，电网侧变流器与转子侧变流器并联，超级电容器和蓄电池分别采用双向DC/DC变换器连接。

混合储能系统采用高通滤波器对系统波动功率进行分解，超级电容器和蓄电池的双向DC/DC变换器的电流控制环内，分别采用模糊神经PID控制器，取代了传统采用的PI控制器。

一种如上所述基于模糊神经网络的风电混合储能系统的优化方法，其特征在于：对模糊神经网络PID控制器进行优化；首先，将电流误差、电流误差变化率和储能原件的荷电状态作为模糊神经控制器的输入变量；其次，采用改进的粒子群优化算法对系统输入的隶属函数进行优化；最后，通过对神经网络的训练速率和动量因子进行改进，使模糊神经网络控制器较传统控制器具有高效性。

优点及效果

本发明提出了一种基于模糊神经网络的风电混合储能优化系统，具有如下优点：

1、根据超级电容器与蓄电池功能互补性组成混合储能装置，通过对波动功率进行合理分配，使储能装置的使用寿命得到提高。

2、将混合储能元件并联在双馈电机直流侧，较传统储能装置采用逆变器进行并网，节省了逆变控制系统，使风电储能控制系统的复杂性减小。

3、混合储能元件并通过双向变流器进行控制，使其对储能元件充放电控制更具有灵活性。

4、对储能元件电流控制环中采用模糊神经PID控制方式，较传统控制方式具有较强的鲁棒性，使风电储能系统并网电能质量以及系统稳定性得到提高。

附图说明

图1基于模糊神经网络的风电混合储能系统结构示意图；

图2基于模糊神经网络的风电混合储能系统优化控制框图；

图3为模糊神经PID控制器结构示意图；

图4为模糊神经网络控制器的结构图；

图5为模糊神经网络优化前后训练比较图；

图6为控制系统含扰动信号阶跃响应对比曲线；

图7为风电机组输出功率P_rl和风电并网功率P_g示意图；

图8为超级电容器和蓄电池的功率波动图；

图9为超级电容器和蓄电池的荷电状态图。

具体实施方式

下面结合附图对本发明做进一步的说明：

一种基于模糊神经网络的风电混合储能系统，其特征在于：由超级电容器1和蓄电池2组成的混合储能系统并联在双馈电机电网侧变流器3的直流侧，转子侧变流器4连接双馈电机，电网侧变流器3连接电网，电网侧变流器3与转子侧变流器4并联，由超级电容器1和蓄电池2分别采用双向DC/DC变换器5连接。

混合储能系统采用高通滤波器对系统波动功率进行分解，由超级电容器1和蓄电池2的双向DC/DC变换器的电流控制环内，分别采用模糊神经PID控制器，取代了传统采用的PI控制器。