大小的能量储存风能的应用程序

年代。Gowri摩尼Shankar¹,Harsha anantwar²

PG学生(PE),部门EEE, Dayananda Sagar工程学院,卡纳塔克邦,印度
副教授,EEE的部门,Dayananda Sagar工程学院,卡纳塔克邦,印度

文摘

风力发电能源的最大弱点是缺乏确切的可预测性的一代。甚至如果其他可以节省能源,利用风能,短期内功率变化必须由传统的植物了。的变化在一个大型风电场的输出结果在许多集成问题。不确定性的一个大型风电场的输出通过使用快速行动可分派资源是可以克服的。的目标是尽可能最小的区别实际风力发电和风能预测。本文模型,优化风力发电能源的电池储能系统在传统的帮助和智能控制器,开发。本文控制方法基于电池储能系统与PID和模糊逻辑控制器。结果可能表明,选择合适的控制器和电池储能系统将有效控制风力发电。为了克服风力发电的缺点,使用能量存储缓冲力量调查。

关键字

可预测性、预测、智能控制器、电力缓冲区。

介绍

风能目前天获得更多世界各地的声誉。风能已经熟练的二十年来的巨大增长。目前,五个国家德国、美国、印度、丹麦和西班牙有超过83%的国际风力发电能力在他们的国家。在现代大型风力发电的生产美国定居,成为世界领袖安装风力发电容量。风能的消费已经变成一个约3000年的传统,和技术转换非常具有挑战性。它包括技术的东西,如空气动力学、结构动力学和机械电子工程[1]一样好。据估计,一个额外的5000兆瓦的风力发电将操作在未来五年内在太平洋西北部[2]。风电场的收益率的变化性质给出了几个网格工人的遭遇。含糊不清的风电场的输出可以被快速的执行可分派资源的应用。这项研究是专门调查可能支出的储能电池的混合能源与风电场控制器风电场输出的确信在±4%,90%的时间[3]。 The tenacity of this study is to determine the best energy controller amongst PID and fuzzy logic controller in union with battery based energy storage system to meet the forecasted wind farm production in ±4%, 90% of the time.

一个。文献综述

在文献中,有调查的使用储能应用于单个风力涡轮机克服输出的变化[4],[6]。研究目的是对电池储能的有效性改善风电场输出的变化。建模和操作80兆瓦的能量储存和50 mw风电场确定出版物[7],[8]。最优控制为一个通用电池储能使用大型风力发电场在出版物[9]和[10]。为了克服风力发电的缺点,使用电池作为电力屏障已经检查了平和的力量变化从大型风电场和使用电池作为主要和次要分析了风电场的控制权。一个“风电场——电池”的连接单元在一个测试电力系统建模。该系统使用和不使用电池测试[11]。

系统描述

图1显示了该系统的框图。从先前的讨论,它提到,为了克服风能电池存储系统的波动与能量控制器连接。风力涡轮机产生的风力发电是提供给负载。由于风力的变化,风力发电可能不是常数的一代;它可能比所需的生产或少生产。它导致波动。当电池存储系统连接,如果

代风力发电比所需的风力发电然后风能存储过剩的电池,如果代风力小于所需的风力发电,剩余的电力将由电池来满足负载的要求。如果发电有超过必需的,电池存储系统应该通过存储收费发电有多余的能量,如果低于所需的,电池放电通过提供存储能量。这个电池的充电和放电将由能源转换器作为双向控制。转换器和电池的能量存储系统将由控制器控制的估计实际和预测风力发电之间的区别。

风力发电预测

风力发电预测代表的估计预期的一个或多个生产风力涡轮机在不久的将来。根据风电场容量、可用的生产通常被认为是权力从某风电场(MW千瓦,取决于额定容量)。风力发电的预测也可以表达在能源方面,通过吸收电力生产每一个时间间隔。风电预测的需要,在电网在每次消费和一代必须平衡,如果不是我们会在电能质量扰动或供应。风力发电是一种直接风速的函数,与可预见的发电系统不轻易可分派。风力发电需要大量的波动的关注。平衡风力发电变化与消费相关的关键方面的最优集成可再生能源到电网。

风力发电预测分类两种,它们是:

通过不同时间尺度的分类。

分类预测的地平线。

风由不同时间尺度预测分类:

非常短期的预测——对应于时间尺度从毫秒到几分钟不等。这些预测用于涡轮主动控制。

短期预测——对应于时间尺度从48 - 72小时。这些预测是电力系统管理或能源交易被丢弃的。

长期预测——对应于时间尺度从5 - 7天。这些预测用于规划和维护风力发电场,传统发电厂或输电线路。

地平线风能预测分类的预测:

这种类型的物理预测方法,预测可以通过物理方程的数值方法。这个模型可以运行一天两到四次使用更新的气象信息。它由许多子模型。每个子模型包含数学描述。所有子模型的知识是必要的。它认为物理因素如粗糙度、山岳志和障碍等…

这种类型的统计预测方法,预测认为过去的数据。它将计算预计风速之间的关系和实际风电场的风力发电输出来估计风能。它不会使用使用功率曲线和当地的气象。这些是self-calibrate继承任何粗糙度的变化或风力资源提供一个提前的预测。

在物理预报系统,预测取决于实际生成和风力发电,但在统计预测系统直接取决于以前的和现在的价值观。从获得的结果,统计预测系统比物理更有效预测系统。电流和电压响应速度比物理系统在统计。统计物理系统相比是低效率的。预测精度也更好的统计预报系统相比,物理预报系统。因此统计预测系统的结果被认为是进行进一步的讨论。

开发模型的统计预报系统

图2显示了仿真软件模型的统计预报系统。前面提到的是处理统计系统需要大量的历史数据,建立权力的历史价值之间的关系以及历史和预测价值。模型参数建立了从一组过去的可用数据,定期更新在网上操作。几乎只是物理预报系统一样,不同的是,控制器部分。当我们需要存储过去的数据和定期更新它我们需要记忆,这个选项与PID控制器是不存在的,因此基于DSP控制器的输出。

在此系统中三相交流源代表风力发电机的输出,它是在转化成直流通过整流二极管桥电路,可以实现通用桥。然后连接到双向DC / DC变换器以及PID控制器和储能电池。双向DC / DC变换器控制能量流的方向。在多余的电力转换器应该发送电力存储系统,因此,它应该作为巴克转换器而在缺乏电力转换器应该得到电力存储系统时间转换器应作为提高转换器。

所以选择转换器,这样应该是巴克转换器以及提高转换器。所以选择变频器应该作为巴克和提高转换器。一旦发送功率和一旦它应该接收功率转换器应该是双向的。

图3显示了统计系统的仿真结果。在此系统中,有必要了解它的过去和现在的数据统计。SOC图显示电池的充电和放电电流是在消极和慢慢当SOC开始放电,电压上升会根据SOC上升。

提出了模型与模糊逻辑控制器的开发

模糊逻辑的想法是类似于人类的情感和推理过程。模糊逻辑控制是range-to-point或range-to-range控制策略。模糊控制器的输出从模糊性的使用相关的隶属度函数的输入和输出。计算机只能理解“0”或“1”,和“高”或“低”。这些数据称为脆或经典的数据可以处理所有的机器。从1980年代许多模糊的实现已经完成,包括应用、自动控制、工业制造、工业应用汽车生产、银行、图书馆、医院、和学术教育。转换,输入和输出的模糊数据必须从脆转换数据。进一步开始模糊推理过程,需要结合隶属度函数和控制规则得到控制输出,并安排这些输出到一个表称为查找表。模糊推理过程是核心控制规则,这规则是直接关系到人类的直觉和感觉。控制输出后,必须从语言变量转换的变量和输出控制操作符。

典型的模糊逻辑控制的体系结构是由模糊化,模糊规则库、推理机和去模糊化。可以通过fuzzifier模糊性,其中包括将脆测量数据转换成合适的语言值。的操作过程的经验知识领域专家可以存储的模糊规则库。推理引擎内核的一个模糊逻辑控制器,它有能力模拟人类决策进行近似推理来实现所需的控制策略。可以通过去模糊化defuzzifier,包括转换的语言变量的数据。

图4显示了实现模型与模糊逻辑控制器。港口给引用的引用风力发电,而实际的风力发电。错误的区别是实际和参考风力发电是模糊逻辑控制器的输入。在模糊逻辑控制器的数据将被转换的隶属函数模糊化的过程。后来的模糊干扰过程结合隶属度函数和控制规则(模糊规则)推导出模糊输出。然后由defuzzifier将进行去模糊化。模糊控制器的输出放大采用PI控制器。限制比例积分控制器的输出,系统使用饱和块,它马厩。

下面的图5显示了模糊逻辑控制器的仿真结果。在阶跃信号的初始值是100瓦,在0.1秒的时候是70瓦时提到的模拟,图是相同的。图表中很清楚地可以看出最初是达到所需的值。这是利用模糊逻辑控制器行为非常快。这显示了模糊逻辑控制器的快速反应。

比较模型的PID和模糊逻辑控制器

图6显示了比较模糊和PID控制器模型。传递函数代表了发电机和电池系统,是在传递函数通过使用thevinens定理。PID控制器和模糊控制器的性能比较,以下设置。

传递函数(TFS)发电机电池系统,

图7显示了以下比较模糊和PID控制器的仿真图。从对比图很明显观察到模糊控制器比PID控制器快速响应。PID控制器花了一些时间来达到所需的值而对于模糊逻辑控制器最初达到所需的值。这表明,模糊逻辑控制器比PID控制器具有更快的响应。

较研究

基于物理的模拟结果和基于统计预测模型可以得出结论,在物理预报系统取决于母线电压和负载但在统计预测系统直接取决于以前的和现在的价值观。电流和电压响应速度比物理系统在统计。统计物理系统相比是低效率的。预测精度还与统计物理系统相比要好得多。和比较的PID和模糊控制器模型,可以得出结论:模糊控制器比PID控制器。它具有更好的可控性非常健壮,容易修改,很快响应。PID控制器相比,低效率的模糊控制器。

结论

提出系统,已完成调查得到的优化能量储存与PID控制器和模糊控制器。结果呈现在图7。它可以得出结论:模糊控制器系统是更有效的比PID控制器,已经提到在比较研究,最后的工作是基于模糊和PID控制器的实现以及混合储能系统得到最好的结果。

未来的工作

提出系统的模拟与模糊控制器和混合储能系统。

提出系统的仿真与PID控制器以及混合储能系统。

评估和研究的结果。

引用

托马斯·阿克曼“风力发电在电力系统”。
西北地区的风力发电可能四(在线)。可用:http://tinyurl.com/5tds3s。
a·英格拉姆”,存储选项和分级的公用事业规模集成风能植物,“在proc。Int.太阳能会议。2005年,2005年8月,pp.843佛罗里达州奥兰多- 851。
r . Cardenas r·佩纳·g·亚设,j·克莱尔”控制策略来增强力量抚平在风能系统使用飞轮由矢量控制感应电机,“IEEE反式。印第安纳州。电子。,vol. 48,no.3,pp.625-635,jun.2001.
g . Cimuca c . Saudemont b·罗宾和m . Radulescu“飞轮储能系统的控制和绩效评估相关变量- speed风力发电机,“IEEE反式。印第安纳州。电子。,vol.53,不。4,第1085 - 1074页,2006年6月。
c .修道院和g·乔斯,“超级电容器储能对于风能的应用程序,“IEEE反式。Ind.Appl vol.43,没有。3 pp769 - 776 / jun.2007。
b . Parkideh j .曾门敏,s·巴塔查里亚。Baran,。黄”,提高风电场的电力供应电池储能系统:建模和控制,”在proc。IECON,奥兰多,佛罗里达州2008年pp.784 - 789。
毛j .曾庆红,b, c,和y . Wang”使用的电池储能系统提高风电场的电能质量和稳定性,“在proc。PowerCon, 2006年10月,pp.1-6。
s . Teleke m . Baran s·巴塔查里亚,a . Haung”最优控制风电场调度的电池储能,“IEEE反式。能量转换器。陈俊玮,不。3页。787 - 794年9月。2010年。
s . Teleke m . Baran s·巴塔查里亚,a . Haung和l·安德森,”控制策略对电池储能风电场调度,“IEEE反式。能源Convers。24卷,没有。3,第732 - 725页,2009年6月(在线)。可用:http://dx.doi.org/10.1109/TEC.2009.2016000。
e . Spahic g . Balzer说,a . Shakib”的影响,“风farm-battery”单位电力系统稳定与控制、“proc。电力科技,2007年7月,页。485 - 490。