【微电网优化】基于粒子群算法求解混合储能系统容量优化问题含Matlab源码

混合储能兼具能量型储能与功率型储能的优势，针对混合储能在风电平抑中的配置问题，提出了一种基于元模型优化算法的混合储能双层优化配置方法。首先，利用小波分解对风电功率的原始数据进行分解，得到混合储能需要平抑的功率。然后，针对功率分配策略对混合储能容量配置的影响问题，提出一种混合储能容量嵌套式双层优化配置方法。该方法的内层为混合储能功率优化分配策略，以荷电状态、充放电功率为约束条件，以蓄电池总体充放电功率最小为目标函数，以提高蓄电池的使用寿命；外层以最小容量、最小功率为约束条件，以混合储能的全寿命周期年均成本最小为目标函数。针对多变量、非线性、计算密集型双层优化方法具有求解复杂、计算时间长等问题，提出基于元模型优化算法的优化求解方法。算例分析结果表明，所提优化配置方法可以在保持混合储能经济性最优的同时，有效避免蓄电池频繁充放电，从而提高了其使用寿命；相比于传统的启发式求解方法，基于元模型优化算法的优化求解方法的计算速度更快，所得优化配置结果更精确。

本文提出了一种基于神经网络（NN）的电力需求预测方法，并提出了纯电动汽车电池/超级电容器混合储能系统的电力分配策略。 为了开发有效的预测模型，首先将驾驶循环分组并区分为三种不同的驾驶模式。 对于每种驾驶模式，可以更好地提取出具有更好驾驶特性的特征参数数据，并将其用于训练NN。 预测信息及其误差相结合，随后用于功率分配。 然后，为了应对电池和超级电容器系统的不同动态，使用了一个分频器，并通过粒子群优化算法进一步优化了它的频率，以使包括每种驱动模式的电池退化和系统能量在内的总成本降至最低。 基于这些努力，最终提出了一种实时预测功率管理控制策略。 为了验证其有效性，已经进行了仿真，以与由五个标准驾驶周期组成的速度曲线下的最新控制策略进行比较。 结果表明，通过提出的控制策略可以明显提高性能。

针对有功功率波动给光伏并网发电系统带来的电能质量等一系列问题,提出一种基于主动式混合储能系统的有功功率分级补偿控制方法。设计了基于超级电容与蓄电池的主动式混合储能系统结构,该结构能够充分发挥超级电容与蓄电池各自的优势,提高储能系统的功率输出能力;阐述了分级补偿控制的基本原理,并对混合储能系统中蓄电池、超级电容的容量进行了优化配置;基于模糊PID,构建了双向DC/DC变换器的整定控制方法,解决了常规PID调节器参数难以在线整定的问题。仿真分析表明,提出的有功功率补偿控制方法可以有效补偿光伏并网发电有功功率的波动。

当前的功率转换和调节系统专注于将能量从单一类型的电源转移到单一类型的负载或能量存储系统（ESS）。 尽管可以在其特定的拓扑结构（例如，用于太阳能应用的MPPT和用于电池的BMS）内优化这些系统，但这些拓扑结构不容易适应各种潮流操作条件。 通过混合的能量存储和功率流方法，可以将系统设计为在给定运行条件的情况下以其最有利的点运行。 根据负载需求，系统可以选择最佳电源和ESS。 本文将研究将两种类型的电源（主要公用电网和光伏（PV））与两种类型的ESS（超电容器和电池）结合在一起的可行性。 仿真结果将显示混合ESS在各种操作场景下对并网住宅微电网系统性能的影响。

基于Z源变换器的电动汽车超级电容-电池混合储能系统.pdf

在考虑风电功率不确定性的基础上，提出一种基于频谱分析确定混合储能系统(HESS)容量的方法，该方法充分利用了超级电容器和蓄电池的优势互补特性，基于此提出储能最优运行策略。利用离散傅里叶变换分解风电不平衡功率得到其频域信息，并利用HESS对不平衡功率进行平抑；提出一种最优截止频率确定方法，并确定HESS中蓄电池和超级电容器的容量大小；基于所确定容量建立以利润最大为目标的机会约束规划储能运行策略模型，并采用整合蒙特卡罗的遗传算法进行求解，从而确定储能的最优运行策略。通过实际数据分析验证了所提模型和方法的有效性。

微电网混合储能系统 锂电池 超级电容 功率平抑

该文档包含 风光氢资源的系统数学模型搭建。包括变流器的数学模型以及传递函数的建立，控制流程图，以及智能算法的系统容量配比，控制协调策略等。