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

• 作者: San Shing CHOI 孙承晨 张新松 曹阳 李梦婷 袁越
• 来源期刊: 电力系统自动化
• 关键词: 混合储能系统 神经网络 经验模态分解 平滑度指标
• 年，卷（期）: 2015,（8）
• 所属期刊栏目: 绿色电力自动化
• 页码范围: 19-26
• 页数: 8页
• 字数: 5500字
• 语种: 中文
• DOI: 10.7500/AEPS20140719002

摘要

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁越	河海大学能源与电气学院	161	4623	35.0	63.0
2	张新松	南通大学电气工程学院	42	615	13.0	24.0
3	曹阳	河海大学能源与电气学院	22	594	12.0	22.0
4	孙承晨	河海大学能源与电气学院	2	70	2.0	2.0
5	San Shing CHOI	南洋理工大学电机与电子工程学院	1	51	1.0	1.0
6	李梦婷	南洋理工大学电机与电子工程学院	2	70	2.0	2.0