%0 Journal Article
%T 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
%A 孙承晨
%A 张新松
%A 曹阳
%A 李梦婷
%A 袁越
%J 电力系统自动化
%D 2015
%X 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
%K 混合储能系统
%K 神经网络
%K 经验模态分解
%K 平滑度指标
%K hybrid energy storage system
%K neural network
%K empirical mode decomposition
%K level of smoothness
%U http://www.aeps-info.com/aeps/article/abstract/20140719002?st=article_issue