Source de l’illustration : https://www.kiwipowered.com/solutions/battery-energy-storage
La station de stockage d’énergie par batterie (BESS) est le moyen courant et typique de lisser les fluctuations de la production d’énergie éolienne ou solaire. De tels systèmes d’alimentation hybrides basés sur BESS nécessitent une stratégie de commande appropriée qui peut réguler efficacement les niveaux de puissance de sortie et l’état de charge de la batterie (SOC). Cet article présente les résultats d’une analyse de simulation de système d’énergie hybride éolienne / photovoltaïque (PV) / BESS entreprise pour améliorer les performances de lissage de la production d’énergie hybride éolienne / PV / BESS et l’efficacité du contrôle SOC de la batterie. Un procédé de commande de lissage pour réduire les fluctuations de puissance de sortie hybrides vent / PV et réguler le SOC de batterie dans les conditions typiques est proposé. Une nouvelle méthode d’allocation d’énergie basée sur BESS en temps réel est également proposée. L’efficacité de ces méthodes a été vérifiée à l’aide du logiciel MATLAB / SIMULINK.
The battery energy storage station (BESS) is the current and typical means of smoothing wind- or solar-power generation fluctuations. Such BESS-based hybrid power systems require a suitable control strategy that can effectively regulate power output levels and battery state of charge (SOC). This paper presents the results of a wind/photovoltaic (PV)/BESS hybrid power system simulation analysis undertaken to improve the smoothing performance of wind/PV/BESS hybrid power generation and the effectiveness of battery SOC control. A smoothing control method for reducing wind/PV hybrid output power fluctuations and regulating battery SOC under the typical conditions is proposed. A novel real-time BESS-based power allocation method also is proposed. The effectiveness of these methods was verified using MATLAB/SIMULINK software.
Source: https://ieeexplore.ieee.org/document/6473871/?reload=true
Comparative Analysis of Online Estimation Algorithms for Battery Energy Storage Systems
Abstract:
Reliability of battery energy storage systems (BESS) used for online applications, such as electric vehicles and smart grid, depends heavily on the accuracy and rapidness of the state of charge (SOC) estimation. Moreover, to achieve a robust SOC estimation, the battery model parameter identification process is of significant importance. This paper examines a combination of the adaptive unscented Kalman filter (AUKF) and the fast upper diagonal recursive least square (FUDRLS) for the parameter identification and SOC estimation processes, respectively. The analysis focuses on on-line applications and the results are compared with previous work. Experimental validation based on various setups and load conditions is conducted, whereas the advantages of the proposed combination are highlighted.