基于EL模型的微电网混合储能系统控制策略研究

来源 :青岛理工大学 | 被引量 : 0次 | 上传用户:suguoqing000
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,由于传统的化石能源储备量不断减少以及其带来的环境恶化问题,各国在积极实施节能减排政策的同时也进一步加大了对可再生能源的发展,其中包括风能、太阳能、生物质能、潮汐能等。新能源往往具有清洁、可再生且分布广泛等优势,加大新能源的利用可以有效的缓解能源短缺问题和环境污染问题。然而,新能源发电的功率通常具有较大的间歇性和波动性,严重影响了主电网的安全稳定运行。微电网技术的出现,有效的弥补了可再生能源的缺陷。储能装置是微电网的重要组成部分,日趋复杂的微电网环境对储能装置的性能提出了越来越高的要求。使用锂离子电池-超导磁混合储能的方式能极大的提高储能装置的性能,此外,控制策略也是影响储能装置性能的一大因素。微电网混合储能系统是典型的非线性系统,具有多变量,强耦合的非线性特性,本文基于无源控制的非线性控制思想对其展开了研究,主要内容包括:混合储能系统(HESS,Hybrid Energy Storage System)的欧拉-拉格朗日(EL,Euler Lagrange)方程建模以及其无源性论证;分别为微电网混合储能系统的孤岛及联网两种不同工作模式设计外环和内环控制器;提出一种自适应时间常数的间歇功率低通滤波方法;根据混合储能装置中不同储能元件的特性,设计基于其荷电状态的模糊功率分配策略。为了验证微电网混合储能系统无源控制策略及模糊功率分配策略的性能,本文在Matlab/Simulink平台搭建了含风力发电的微电网系统仿真模型,并将无源控制策略和传统的PI双闭环控制策略进行控制性能对比分析,结果显示无源控制策略相对于PI控制策略而言具有更好的灵敏性、鲁棒性。此外,通过锂离子电池及超导磁体的荷电状态变化可以看出本文的功率分配策略能够有效的减少锂离子电池荷电状态的波动,延长其使用寿命。围绕微电网混合储能系统进行的无源控制策略及功率分配策略研究具有深刻的理论意义和实际意义。
其他文献
“固化/稳定化+填埋”是我国主流的垃圾焚烧飞灰处理技术路线。针对稳定化飞灰填埋区可能存在的覆盖层老化、破损,防水、防雨、防渗措施不完善等情况,构建了“模拟酸雨”和“模拟渗滤液”两种入侵外环境。以分阶段进水方式探究了模拟酸雨(硫酸-硝酸溶液)和模拟渗滤液(醋酸溶液)在6种典型渗流路径下对填埋螯合剂稳定化飞灰中重金属(Pb、Cd、Zn、Cu、Cr、Ni)浸出行为影响,并评估了液相和固相中重金属的潜在环
学位
基于机器学习的智能模型在出行、消费、医疗等领域已经有了广泛的应用,对人们的生活、学习以及工作都产生了深远影响,这都得益于人工智能的三大支柱算法、算力、数据的飞速发展。当人类思考问题时,会结合问题相关的空间关系、因果关系、科学事实和社会习俗常识等背景知识来分析问题,这类知识对人类来说微不足道,但是目前的人工智能模型仍然无法获取,近年来大量的研究开始尝试向智能模型中融入常识知识,常识推理问答成为了人工
学位
在这个信息“大爆炸”的时代,每天都会产生大量的信息,而图像是信息的重要载体。现实中许多图片包含丰富的信息量,往往有着不止一个标签,因此多标签图像的分类问题受到许多学者的重视。得益于深度学习的崛起,多标签图像分类也有了丰富的研究成果,并在医疗图像、智慧交通等领域成功应用。然而,深度学习方法普遍高度依赖于大量的标注数据,但在实际应用中,获取高质量的标注数据成本十分高昂。主动学习的核心目标在于通过合适的
学位
近年来,深层的脉冲神经网络由于其强大的特征提取能力,逐渐得到学者们的重视。训练高性能的深度脉冲神经网络(Spiking Neural Networks:SNNs)需要大量的标记数据,但在实验过程中给海量数据打标签是耗时耗力且高成本的一项工作。为了减少训练深度脉冲学习模型所需要的已标记数据量,提升训练模型的效率,本文旨在研究脉冲神经网络上的主动学习方法。目前基于传统人工网络的主动学习策略研究较多,却
学位
近年来,随着机器学习技术的不断发展,更多具有挑战性的机器阅读理解数据集不断被提出,机器阅读理解技术成为了热门研究方向。近期,两个考验机器逻辑推理能力的阅读理解数据集Re Clor和Logi QA受到了研究者们的关注,当前主流的预训练模型更多关注单词级语义,对文本逻辑关系的捕捉能力较弱导致逻辑推理能力较低。本论文结合预训练模型和符号模型的优势,提出基于混合推理的阅读理解模型,并通过加深预训练模型网络
学位
事件抽取的本质是从大量非结构化、未经处理的信息中抽取出完整事件,包括事件触发词和一系列事件要素,并以结构化形式存储和展示。事件抽取技术为当代社会中态势感知、社会治理、决策辅助和应急处突等重大需求提供了技术支撑,有着重要研究意义和价值。当前事件抽取领域存在着对复杂语义环境抽取效果不佳等问题。故本文围绕事件抽取任务,进行了如下主要研究:1.针对事件触发词抽取定位和分类不准确等问题,现有方法主要利用句子
学位
在现今大数据时代中,互联网上的信息数据量成爆炸式增长,异构数据规模庞大,真假信息相互混杂。人们可以从各种来源处获得需要的信息,但这些网络开源数据成长尾分布,且来源之间关系隐含且复杂。本文围绕网络开源信息的真值发现问题开展研究,基于深度学习方法,面向无标签多源文本数据以及单个文本数据,分别提出了基于GCN的无监督多源真值发现模型与基于外部信息融合的单源真值发现模型,并设计实现了基于真值发现的网络信息
学位
试验旨在研究玉米蛋白粉对海兰褐蛋鸡产蛋性能、养分消化率及蛋品质的影响。选取1 500只海兰褐蛋鸡随机分为4组,每组5个重复,每个重复75只鸡。对照组蛋鸡饲喂基础日粮,试验Ⅰ组、Ⅱ组、Ⅲ组分别在基础日粮中添加3%、6%、9%玉米蛋白粉。预试期7 d,正式试验期35 d。结果显示,试验Ⅱ组蛋鸡的产蛋率显著高于其他组(P<0.05),对照组蛋鸡的产蛋率最低,为81.46%。试验Ⅱ组、试验Ⅲ组的蛋重显著低
期刊
剪力墙结构是高层建筑中采用较为广泛的结构体系。传统的“强墙肢,弱连梁”抗震设计理念将连梁作为剪力墙结构抗震设防的第一道防线,在结构遭受地震作用时,先于墙肢破坏。然而,传统的钢筋混凝土连梁的耗能能力较弱,且地震作用后,连梁发生较大损伤,修复困难,甚至无法修复,影响了整体结构的地震恢复能力。基于此,本文拟基于剪切和弯曲钢板的组合,改变传统阻尼器分阶屈服的设计思路,提出一种基于滑移连接的分阶屈服型消能连
学位
互联网蓬勃发展使大数据出现爆炸式增长,导致数据规模大、价值密度低,对有效可靠的数据挖掘技术产生了巨大的需求。链接预测是探索实体之间存在关系的可能性,已成为数据挖掘的核心任务,引起广泛重视。链接预测研究促进了对网络演化的认知。但是,现有的链接预测模型难以对复杂网络结构进行有效建模,由于网络的稀疏性,数值价值密度较低,噪声对网络结构干扰较大,导致预测准确性较低。特别是包含丰富语义信息的异质网络,无法充
学位