CN113013909A - 一种基于平抑牵引的储能容量改进方法 - Google Patents
一种基于平抑牵引的储能容量改进方法 Download PDFInfo
- Publication number
- CN113013909A CN113013909A CN202110433335.2A CN202110433335A CN113013909A CN 113013909 A CN113013909 A CN 113013909A CN 202110433335 A CN202110433335 A CN 202110433335A CN 113013909 A CN113013909 A CN 113013909A
- Authority
- CN
- China
- Prior art keywords
- energy storage
- power
- optimal
- optimization
- particle swarm
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及铁路储能设备,具体地涉及铁路储能设备平抑牵引负荷波动,提高***电能质量的技术。本发明涉及到一种具有对电能时空平移的作用的储能技术,该方法采用高斯平滑法的牵引负荷波动的平抑方法,根据相关算法改进,确定最优的窗口值,并把最优窗口长度作为平滑滤波的理想期望值,能够最大程度对不同时间尺度的功率需求做出响应,提高***电能质量。而且根据实际上的经济规律,把储能***的成本和电价等多个影响因子进行粒子群优化,得出蓄电池的在全寿命周期的最优配比的可行解决方案。本发明具有良好的经济性与稳定性能够保证铁路公司的经济效益和电能质量。
Description
技术领域
本发明涉及铁路储能设备,具体地涉及铁路储能设备平抑牵引负荷波动,提高***电能质量的技术。
背景技术
近年来,随着电气化铁路的快速发展,对牵引供电***的负荷需求日益提高,但其牵引负荷本身具有的波动性和不确定性会对牵引供电***的安全稳定运行造成影响。分布式电源,特别是可再生能源,由于其安装方便、绿色环保、控制灵活等优点,在世界范围内受到越来越多的关注和应用。同时,主动配电网技术的发展与实施为分布式能源并网的高渗透率创造了条件,是智能配电网解决日益严重的能源短缺的未来发展趋势储能***凭借其快速功率调节以及兼具供蓄能的特征,在平滑间歇式能源功率波动、削峰填谷、改善电压质量以及提供备用电源方面都发挥出了巨大的作用,是主动配电网实现对广泛接入的分布式能源灵活调节以及网络优化运行的关键所在,其配置将直接影响到主动配电网对于分布式能源主动管理的能力以及网络运行的经济性。
不同于传统电网,微电网中的微电源等装置大多基于逆变器或小容量发电机,***惯性小,阻尼不足,不具备传统电网的抗扰动能力;在微电网中,光伏发电、风电等可再生能源发电的间歇性与随机性、负荷的随机投切,以及微电源的离网、并网等过程给***稳定运行和电能质量造成较大影响,引起电压和频率波动,甚至***失稳。储能装置通过功率变换装置可实现功率的四象限灵活调节,实现微电网内有功和无功功率的瞬时平衡,提高了***稳定性。
由于储能***的作用,微电网可实现微电源和负荷两组不相关随机变量的解耦,有效削弱风电和光伏发电等间歇性能源对微电网的负面影响。此外,储能还是微电网定制电力技术的物理基础,能满足用户对电能质量、供电可靠性和安全性的多种要求。随着各类储能技术的成熟,储能设备建设成本不断降低,电力***中的储能设备装机容量正快速增加。
以我国为例,截至2018年12月底,我国已投运储能项目的累计装机规模31.2GW,同比增8%。其中,抽水蓄能的累计装机规模最大,约为30.0GW。2018年全年新增储能项目的装机规模为2.3GW,其中电化学储能的新增投运规模达到0.6GW,同比增长414%
发明内容
本发明要解决的技术问题是提出一种储能技术具有对电能时空平移的作用,能够对不同时间尺度的功率需求做出响应,在牵引供电***中配置储能***是平抑牵引负荷功率波动、提高***电能质量的可行解决方案。
本发明的技术方案为:
1.1基于高斯平滑法的牵引负荷波动平抑方法;
1.2选择合适的窗口值M来保证平抑的波动分量不过大,减少相应的储能装置需求配置和成本投入,同时也避免窗口值选择过小,导致牵引负荷波动率过高,无法满足平抑波动需求
本发明通过输入初始数据,计算出平抑功率标准差,通过公式计算求出最优窗口值,最后保存最优值的窗口值
1.3储能需求配置的约束选取,通过相关公式来确定储能功率和容量的约束范围,保证储能功率能满足其最大充放电的功率需求下,来计算功率配置下完全充放电的时长大小。
1.4在实际运用过程中储能电池本身的成本和收益都会影响***整体的经济性,通过建立了储能***的经济性优化模型,来求解满足目标前提下储能的最优配置。
如果说想要得到最优的经济效益,可以先考虑最初始的投资成本和运维成本,然后通过政府的政策补贴收益和国内梯度电价政策节约的经济效益。并且根据相关经济设定,本发明采用粒子群算法进行优化求解,得出全寿命周期的经济效益最优的方案
在本发明中,如果用户是铁路公司,可以直接根据相关仿真来判断经济效益和平抑牵引负荷功能的稳定性。通过附图直观观测到仿真结果,更加方便有关部门进行相关的合理考查,避免了不必要的资源浪费,方便了有关设备的采购和相关资源的经济节约。
因为本发明采用储能设备来平抑波动,在我国相关储能设备研发时间久,已经具备了研发生产规模,对设备的要求不高,成本相对于其他生产渠道低。
附图说明
图1是本发明的一个总体框架图
图2是本发明的一个控制窗口的优化流程图
图3是本发明在实际情况中储能***平抑牵引负荷输出功率效果
图4是本发明在仿真软件中高斯平滑法得到的平抑后的期望功率曲线
图5是本发明在仿真软件中牵引负荷各时段需求功率
图6是本发明在仿真软件中储能配置示意图
具体实施方式
下面结合附图对本发明进行具体说明:
本发明涉及到一种具有对电能时空平移的作用的储能技术,该方法采用高斯平滑法的牵引负荷波动的平抑方法,根据相关算法改进,确定最优的窗口值,并把最优窗口长度作为平滑滤波的理想期望值,能够最大程度对不同时间尺度的功率需求做出响应,提高***电能质量。而且根据实际上的经济规律,把储能***的成本和电价等多个影响因子进行粒子群优化,得出蓄电池的在全寿命周期的最优配比的可行解决方案。具体框架如图1所示。
本发明采用高斯平滑法的牵引负荷波动平抑方法,高斯滤波以高斯核函数曲线形状选择权值对曲线进行线性平滑滤波,该方法对去除信号波动颇具效果,本发明通过牵引负荷实测数据P(t),采用高斯平滑法分解牵引负荷功率,移动得到满足功率限制的平稳分量和被滤除的波动分量Ps(t),即牵引负荷平抑波动功率需求,表达式为:
Ps(t)=P(t)-Pc(t) (1)
然后来进行牵引负荷其平滑程度取决与高斯平滑法窗口长度值M的选取:首先输入初始数据,设置M初始值为1。由于负荷的波动性可以通过标准差进行反映,所以进行计算得出窗口取值为M下的牵引负荷平抑分量标准差,多次求解直到满足波动率为70%的理想状态时候得出最优窗口值。因此,本发明采用在窗口M下的标准差比值来表示波动率:
其中,T为采样点总数,式(2)为标准差的计算公式,δ为波动率,D为初始牵引负荷标准差,DM为窗口取值为M下的牵引负荷平抑分量标准差。
为了同时满足曲线的波动率以及储能装置的配置尽可能小的要求,要对M进行控制。若M的值逐渐增大,当M=m时,δ≤70%,则此时m为最优窗口值,M取单数。窗口长度m的控制流程如图2所示。
最后我们来进行储能需求配置的约束选取,我们通过(1)式和相关实际部门数据可以得到在一定时间范围内任意时刻满足平抑牵引负荷波动的功率需求Ps(t),则储能装置功率需满足其最大充放电功率需求,表达式为
Pn=max(|Ps(t)|) (4)
而储能装置的容量指的是储能***可储存或释放的能量大小,可以用储能***在功率配置下完全充、放电的时长h来衡量。取两者较大值作为储能***的容量En:
En=max(Cd,Cc) (7)
通过(4)-(7)式便可以得到储能功率和容量的约束范围。
在实际应用中,我们不光要考虑到储能装置的平抑效果,还需要到考虑经济性的储能需求配置优化。第一部分阐述考虑目标的实现效果确定了储能功率和容量的范围,但未考虑***整体的经济性。在实际运用过程中储能电池本身的成本和收益都会影响***整体的经济性。因此,本发明建立了储能***的经济性粒子群优化模型,来求解满足目标前提下储能的最优配置。
首先进行成本分析,器件成本主要涉及到初始投资成本和运行维护成本,其余成本影响不大暂不考虑。
其中储能的初始投资成本主要由功率成本、容量成本以及变流器成本构成:
C1=CEE+CPP+CFP (8)
式中:CE、CP、CF分别为储能单位容量成本、功率成本和变流器单位成本,E、P为储能装置***容量、功率。相关的运维成本主要与通货膨胀率、贴现率以及装置使用寿命相关,我们下面进行的实例仿真均不考虑人为损坏的不可抗力因素导致的运维成本增加
式中:Cm为第i年储能单位运行维护成本;ir为通货膨胀率;dr为贴现率;N为储能装置寿命。
然后进行经济效益理论分析,根据政府2015年出台的分时电价表以及相关政策补贴来计算蓄电池在耗电的相关费用。其中负荷的调度与储能效益息息相关,应从储能角度出发,提高储能参与需求响应的经济性。通过分时电价来实现对负荷的调度,表达式为:
式中:Pd、Pc为在h时刻的充放电功率;pr为分时电价。
在电力相关行业,政府会给予一定补贴,这部分带来的收益也能帮助企业缓解部分资金问题,具体补贴情况如下图所示
B2=P·mf (11)
式中:P为功率,mf为每度电补贴价格
综上储能经济模型的总目标函数为:
B=B1+B2-C2-C1 (12)
储能装置在运行过程中每次充放电功率不能超过其额定值,总的放电功率不能超过其额定容量,并且储能电荷状态不能超越上下限。用这些来做约束条件能够更加准确地得出符合实际情况的的最优经济模型。
0.1≤SOC(t)≤0.9 (15)
实施例1:
本发明选取某地区牵引负荷一天内间隔1min的历史数据作为研究对象如图5中的实线所示,负荷峰值为10.9MW,共1440个数据。
由于风电功率具有波动性,直接接入电力***会危害电力***正常运行,本发明采用滑动平均法平滑风电输出功率。窗口长度是滑动平均法的重要参数,其值的选取不仅影响并网功率平滑效果,而且影响储能***的成本投资。按窗口选取流程,取δ≤70%时,选取T=5、15、23、25计算出窗口长度下的波动率如表1所示。从表1可以看出,随着窗口长度增加,1min时间间隔下最大波动率都大幅度下降。当窗口长度增至5时,1min时间间隔最大波动率为87.42%不满足并网要求,当窗口长度增至15时,1min时间间隔最大波动率为75.80%满足并网要求,即为同时满足波动限制要求的最小窗口长度。当窗口长度为25时,1min时间间隔最大波动率变得更小,但此时储能***需要平抑的波动功率增加,储能成本投资增加。窗口长度值选择过大,会导致平抑的波动分量过大,从而增加相应储能装置的需求配置及成本投入;窗口长度值选择过小,会导致牵引负荷波动率过高,不能满足平抑波动需求,因此,为了优化储能***容量配置,本文选取固定窗口长度值得到最优窗口长度为m=15,通过高斯平滑法得到的平抑后的期望功率曲线如图4中实线所示。
表格1波动率统计表
窗口 | 初始负荷 | 5 | 15 | 23 | 25 |
波动率/% | 100 | 87.42 | 75.80 | 70.01 | 68.84 |
通过图3和图4对比,我们可以很明显地看出,在使用了本发明的方法后,原来实际情况中所有较细小杂波全部滤除,而剩下的大面积噪声尖峰也开始变得更加平滑,噪声得到了明显的减弱,此发明方法得到了较好的实现。
根据仿真图形并结合公式(4)-(7),可以得到储能配置的功率和容量上限为7.19MW/13.62MWh。然后我们进行了经济性配置分析,本发明选择蓄电池作为研究对象,根据2020年政府政策来设定政府补贴为44万元/MWh,应用平抑负荷的分时电价为:低谷时段:0:00-8:00电价为0.3647元/kWh;高峰时段14:00-17:00,19:00-22:00电价为1.0911元/kWh,经济配置参数设定如表2。
表格2经济参数设定
C<sub>E</sub> | C<sub>P</sub> | C<sub>F</sub> | C<sub>m</sub> | N | i<sub>r</sub> | d<sub>r</sub> |
100(万元/MWh) | 150(万元/MW) | 50(万元/MW) | 50(万元/MW) | 10 | 3% | 6% |
根据上述经济模型参数设定,采用粒子群算法进行优化求解,仿真得到了在不同储能功率下的净收益,如图6所示。从图6中可以看出,随着储能装置功率和额定容量的增大,经济效益先增大后减小,存在局部波动,而储能装置削峰填谷的最佳需求配置为2.695MW/3.983MWh,以此配置储能***的全寿命周期的效益为979.4万元。
牵引供电***中配置储能***能有效平抑牵引负荷功率波动,因此本发明在保证牵引负荷波动满足波动限制的前提下,优化储能***需求配置。采用高斯平滑法平滑牵引负荷有功功率,以平抑分量与初始负荷标准差比值来表示波动率,以此为限制要求确定窗口长度值,保证平抑功率满足波动限制要求,采用粒子群算法,以全寿命周期经济性最大为目标来实现负荷需求的储能最优配置,最后通过某地区牵引负荷历史数据验证本方案的可行性及经济优越性。
Claims (4)
1.一种基于平抑牵引的储能容量改进方法其特征在于两大方法:高斯平滑法、粒子群算法;通过高斯平滑法来找滑动最优窗口值来实现牵引负荷波动平抑,找到最优窗口值来改善电能质量,然后是利用风力***建立全寿命周期的经济性优化模型,采用粒子群算法针对全寿命周期最优化目标进行求解,最后得出满足高斯平滑的最优化解。
2.根据权利要求1所述高斯平滑法,其特征在于它的窗口值的最优窗口来改善电能质量,该模块是风力***改善算法的主要部分。
3.根据权利要求2所述储能需求配置的约束选取,通过相关公式来确定储能功率和容量的约束范围,保证储能功率能满足其最大充放电的功率需求下,来计算功率配置下完全充放电的时长大小。
4.根据权利要求3所述经济最优化思想,其特征在于采用某种最优化算法运行后可在计算机显示屏上导出粒子群优化全寿命周期结构模型;通过查阅其他文献及资料,这里所采用的最优化算法为粒子群算法;粒子群算法在对动物集群活动行为观察基础上,利用群体中的个体对信息的共享使整个群体的运动在问题求解空间中产生从无序到有序的演化过程,从而获得最优解;***初始化为一组随机解,通过迭代搜寻最优值;但是它没有遗传算法用的交叉以及变异,而是粒子在解空间追随最优的粒子进行搜索;虽然目前有众多的粒子群算法,且这些方法也都相对简单,同遗传算法比较,粒子群算法的优势在于简单容易实现并且没有许多参数需要调整;目前已广泛应用于函数优化,神经网络训练,模糊***控制以及其他遗传算法的应用领域;实际应用中在粒子群算法中,只有gbest给出信息给其他的粒子,这是单向的信息流动;整个更新过程是跟随当前最优解的过程;与遗传算法比较大多数的情况下,所有的粒子可能更快的收敛于最优解;进行经济效益理论分析,根据政府2015年出台的分时电价表以及相关政策补贴来计算蓄电池在耗电的相关费用;其中负荷的调度与储能效益息息相关,应从储能角度出发,提高储能参与需求响应的经济性;分时电价来实现对负荷的调度,表达式为:
式中:Pd、Pc为在h时刻的充放电功率;pr为分时电价
在电力相关行业,政府会给予一定补贴,这部分带来的收益也能帮助企业缓解部分资金问题,具体补贴情况如下图所示
B2=P·mf (2)
式中:P为功率,mf为每度电补贴价格
综上储能经济模型的总目标函数为:
B=B1+B2-C2-C1 (3)
储能装置在运行过程中每次充放电功率不能超过其额定值,总的放电功率不能超过其额定容量,并且储能电荷状态不能超越上下限;这些来做约束条件能够更加准确地得出符合实际情况的的最优经济模型。
0.1≤SOC(t)≤0.9 (6)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110433335.2A CN113013909A (zh) | 2021-04-22 | 2021-04-22 | 一种基于平抑牵引的储能容量改进方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110433335.2A CN113013909A (zh) | 2021-04-22 | 2021-04-22 | 一种基于平抑牵引的储能容量改进方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113013909A true CN113013909A (zh) | 2021-06-22 |
Family
ID=76388986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110433335.2A Pending CN113013909A (zh) | 2021-04-22 | 2021-04-22 | 一种基于平抑牵引的储能容量改进方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113013909A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113452045A (zh) * | 2021-07-01 | 2021-09-28 | 湘潭大学 | 一种基于多应用场景下的电气化铁路储能装置优化选型方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106845838A (zh) * | 2017-01-23 | 2017-06-13 | 沈阳工业大学 | 考虑全寿命周期成本的风电场储能***经济效益评估方法 |
CN106887841A (zh) * | 2017-03-23 | 2017-06-23 | 东北大学 | 一种含电动汽车微电网容量配置的多种群遗传粒子群优化方法 |
KR20170079677A (ko) * | 2015-12-30 | 2017-07-10 | 주식회사 효성 | 배터리 관리 장치 및 배터리 에너지 저장 시스템 |
CN109472394A (zh) * | 2018-09-30 | 2019-03-15 | 中国电力科学研究院有限公司 | 一种储能成本和收益的经济优化方法及*** |
CN111654028A (zh) * | 2020-06-15 | 2020-09-11 | 湘潭大学 | 一种基于优化算法的最终效益混合储能优化容量配置比 |
-
2021
- 2021-04-22 CN CN202110433335.2A patent/CN113013909A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20170079677A (ko) * | 2015-12-30 | 2017-07-10 | 주식회사 효성 | 배터리 관리 장치 및 배터리 에너지 저장 시스템 |
CN106845838A (zh) * | 2017-01-23 | 2017-06-13 | 沈阳工业大学 | 考虑全寿命周期成本的风电场储能***经济效益评估方法 |
CN106887841A (zh) * | 2017-03-23 | 2017-06-23 | 东北大学 | 一种含电动汽车微电网容量配置的多种群遗传粒子群优化方法 |
CN109472394A (zh) * | 2018-09-30 | 2019-03-15 | 中国电力科学研究院有限公司 | 一种储能成本和收益的经济优化方法及*** |
CN111654028A (zh) * | 2020-06-15 | 2020-09-11 | 湘潭大学 | 一种基于优化算法的最终效益混合储能优化容量配置比 |
Non-Patent Citations (3)
Title |
---|
刘舒等: "含分布式发电的微电网中储能装置容量优化配置", 《电力***保护与控制》 * |
张晴等: "净效益最大的平抑风电功率波动的混合储能容量配置方法", 《电工技术学报》 * |
靳雯皓等: "平滑风电功率波动的混合储能***容量优化配置", 《分布式能源》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113452045A (zh) * | 2021-07-01 | 2021-09-28 | 湘潭大学 | 一种基于多应用场景下的电气化铁路储能装置优化选型方法 |
CN113452045B (zh) * | 2021-07-01 | 2022-05-24 | 湘潭大学 | 一种基于多应用场景下的电气化铁路储能装置优化选型方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109325608B (zh) | 考虑储能并计及光伏随机性的分布式电源优化配置方法 | |
Ma et al. | Optimal allocation of hybrid energy storage systems for smoothing photovoltaic power fluctuations considering the active power curtailment of photovoltaic | |
CN105846461B (zh) | 一种大规模储能电站自适应动态规划的控制方法和*** | |
CN104578157B (zh) | 一种分布式电源接入电网的潮流计算方法 | |
WO2023060815A1 (zh) | 一种提高配电网可靠性的储能容量优化配置方法 | |
CN109034587B (zh) | 一种协调多种可控单元的主动配电***优化调度方法 | |
CN111614110B (zh) | 一种基于改进多目标粒子群算法的受端电网储能优化配置方法 | |
CN112418496B (zh) | 一种基于深度学习的配电台区储能配置方法 | |
Huangfu et al. | An optimal energy management strategy with subsection bi-objective optimization dynamic programming for photovoltaic/battery/hydrogen hybrid energy system | |
CN113644674A (zh) | 基于量子粒子群的氢混合储能容量配置***、方法及应用 | |
CN115017854A (zh) | 一种基于多维评估指标体系的配电网dg最大准入容量计算方法 | |
CN113013909A (zh) | 一种基于平抑牵引的储能容量改进方法 | |
CN110323779B (zh) | 一种分布式发电与储能装置的功率动态聚合的方法和*** | |
CN115940284B (zh) | 一种考虑分时电价的新能源制氢***的运行控制策略 | |
CN114938040B (zh) | 源-网-荷-储交直流***综合优化调控方法和装置 | |
CN114676921A (zh) | 一种考虑源荷储协调优化的***风电可接纳能力计算方法 | |
AL-Maaitah et al. | Particle Swarm Optimizer for BESS Operation to Mitigate Voltage Deviation of the Modified IEEE 9-bus Power System | |
Haiyun et al. | Optimal Capacity Allocation Method of Multi-types of Energy Storage for Wind Power Plant | |
Zhang et al. | Calculation Method for Maximum Accommodation Capacity of Distributed Photovoltaic in Distribution Network Considering Various Electrical Constraints | |
CN111313478A (zh) | 一种基于功率平滑的可再生能源储能优化配置方法 | |
Zhang et al. | Distributed generation admittance capacity calculation of distribution network based on multi-scenario analysis and active management | |
Chang et al. | Optimal configuration of hybrid energy storage capacity based on northern goshawk optimization | |
Li et al. | Lifetime cost optimized wind power control using hybrid energy storage system | |
Li et al. | Research on Control Strategy of Energy Storage System to Improve Wind Power Smoothing Ability | |
Zhao et al. | Construction of Wind Power Generation System Control and Energy Management System Based on Model Predictive Control |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210622 |