Intelligent wind power smoothing control with BESS

Abstract

An intelligent wind power smoothing control using recurrent fuzzy neural network (RFNN) is proposed in this study. First, the modeling of wind power generator and the designed battery energy storage system (BESS) are introduced. The BESS is consisted of a bidirectional interleaved DC/DC converter and a 3-arm 3-level inverter. Then, the network structure of the RFNN and its online learning algorithms are described in detail. Moreover, actual wind data is adopted as the input to the designed wind power generator model. Furthermore, the three-phase output currents of the wind power generator are converted to dq-axis current components. The resulted q-axis current is the input of the RFNN power smoothing control and the output is a gentle wind power curve to achieve the effect of wind power smoothing. The difference of the actual wind power and smoothed power is supplied by the BESS. The minimum energy capacity of the BESS with a small fluctuation of the grid power can be achieved by the RFNN power smoothing control. A digital signal processor (DSP) based BESS is built using two TMS320F28335. From the experimental results of various wind variation sceneries, the effectiveness of the proposed intelligent wind power smoothing control is verified.

State of the Ability in Research on Microgrid Hybrid Energy Systems

“…Also, the new proportionalintegral-derivative control system has been proposed to interface the inverter based on intelligent adaptive neurofuzzy inference system for controlling the three-phase gridconnected solar PV system voltage under changing operating conditions. In [138], an intelligent control of wind power smoothing using recurrent fuzzy neural network is proposed. The battery energy storage system is comprised of a bidirectional DC/DC converter and 3-level inverter.…”

Intelligent PV Power Smoothing Control Using Probabilistic Fuzzy Neural Network with Asymmetric Membership Function

“…The BESSs have a response time in the range of milliseconds and are able to compensate in real time the high intermittency of the RESs by operating the BESSs in charging/discharging mode in order to keep the output power ramp rate of the power plant inside admissible values [6]. In Lin et al [7], an intelligent wind power smoothing control using recurrent fuzzy neural network was developed. The difference of the actual wind power and smoothed power is supplied by the BESS.…”

Suavização de potência da geração eólica utilizando lógica >i<fuzzy>/i< e sistema de armazenamento de energia

“…Contudo, considerando esses diferentes cenários, ainda existem tópicos a serem explorados e aperfeiçoados. Com relação ao controle do SAE para suavização, embora Lin et al (2017) tenha mostrado que controles baseados em ferramentas inteligentes possam resultar em melhores resultados, não existe uma ampla utilização e investigação de tais ferramentas. Desse modo, a principal contribuição do presente trabalho de mestrado é um novo método de controle inteligente de suavização de potência, cujo desempenho e eficácia é testado por meio de diversos perfis de ventos e avaliado por diferentes indicadores numéricos.…”

“…Esse método, que é o mais simples e mais barato para minimizar o problema, consiste em ajustar o ângulo das pás da turbina de forma a suavizar as flutuações de potência causadas pelo vento. No entanto, tal técnica pode provocar oscilações de torque na turbina e, consequentemente, acarretar em desgaste excessivo e danos no eixo e nas engrenagens da unidade eólica (LIN et al, 2017). Além do desgaste e dos danos, o ajuste do ângulo das pás para suavizar a potência implica em utilizar um controle específico que é diferente do controle de maximização da extração da potência do vento (comumente utilizado nos aerogeradores).…”

“…Entretanto, devido à sua simplicidade, tais métodos convencionais apresentam somente um parâmetro a ser ajustado para regular o desempenho da suavização de potência. Dependendo do valor selecionado para o parâmetro, pode-se requerer um SAE excessivamente grande ou, por outro lado, o desempenho da suavização pode ser fortemente prejudicado (LIN et al, 2017).…”