提出了利用模型预测控制的方法平抑光伏发电波动的策略。首先,利用小波神经网络预测模型对光伏发电输出进行预测;其次,选取平抑波动和减缓储能寿命衰减为优化指标,利用线性加权和法建立优化目标函数,并用遗传算法求解目标函数的最优解;再次,根据解和实际值的误差进行反馈,对预测信息进行修正,并对目标函数滚动优化。最后,采用某光伏电站的信息验证了所提方法的有效性,并对储能出力进行分析,得出了适用于平抑光伏出力波动的储能容量。 流环PI调节器。文献［9］借鉴工业过程控制中的模型预测控制和大系统分层递阶控制，提出了分层模型预测控制方法用于大规模风电接入电力系统的有功调度控制。因此，为避免传统滤波算法固有的缺陷，本文提出了利用模型预测控制的方法平抑光伏发电的波动。使用小波神经网络预测模型对光伏发电进行预测，并建立平抑波动和延长储能系统使用寿命的优化目标函数，求解得到储能系统的最优出力值，本文由公司网站网站采  转摘采集转载中国知网整理!  http://www.kuoguanji168.com/基于模型预测控制-数控滚圆机滚弧机折弯机张家港钢管滚圆机滚弧机折弯机最后，通过对储能出力的分析，得到了适于平抑光伏出力波动的储能容量。1光储联合发电系统结构光储联合发电系统的总体结构如图1所示。光伏电站和储能系统分别通过变流器接入母线，之后通过变压器并网。在光伏电站配置储能系统的目的是抑制光伏电站受天气影响而产生的快速的功率波动，使光储联合发电系统的输出功率更加平滑。图1光储联合发电系统的总体结构图1所示系统的线性动态模型为PG(k)=PB(k)+PP(k)EB(k+1)=EB(k)－ηΔTBPB(k)(1)式中:PG(k)———光储联合输出功率;PB(k)———储能输出功率;PP(k)———原始光伏电站输出功率;EB(k)———储能系统荷电状态;η———储能充/放电效率系数;ΔTB———采样时间常数，其值为采样时间/60min。2模型预测控制模型预测控制(ModelPredictiveControl，MPC)是一种基于模型的闭环优化控制策略。其基本原理:利用预测模型得到预测时域P内的预测值，选取某个性能指标作为优化目标，求解得到控制时域M内的最优控制序列，并进行滚动优化计算以及利用预测误差进行反馈校正，如图2所示。其中，预测时域P指对未来信息预测的步数，控制时域M指确定优化控制过程中需要改变的控制量数目。预测时域P和控制时域M的关系如图3所示。图2模型预基于模型预测控制-数控滚圆机滚弧机折弯机张家港钢管滚圆机滚弧机折弯机本文由公司网站网站采  转摘采集转载中国知网整理!  http://www.kuoguanji168.com/