现阶段，国家大力扶持新能源汽车产业的发展，出台了一系列的优惠政策。随着电动汽车数量的逐年增加，动力电池也即将面临大规模的退役。为了合理利用资源，同时获得更大的经济效益，退役动力电池梯次利用显得很有必要。该文简述了国内外梯次利用技术的现状，列举了国内外梯次利用项目，介绍了梯次利用过程中的检测、筛选、重组和均衡技术；重点介绍了如何根据电池的电性能进行筛选，强调了保持电池荷电状态一致的重要性；通过对梯次电池应用于充电站、通信基站、光伏电站和用户侧储能等不同储能场景的分析，证明了梯次电池具有良好的经济效益。最后对退役动力电池梯次利用目前仍存在的问题进行了总结探讨。
氢能具有单位质量热值高、用途广泛和可再生等优点，备受关注。介绍了3种电解水制氢设备，指出风电制氢主要有3种连接形式：并网型风电制氢；离网型风电制氢；并网不上网型风电制氢。光伏制氢主要有2种类型：间接连接；直接连接。结论表明质子膜电解水制氢技术对新能源(风电、光伏发电)电源的波动性适应性较强，应从电极材料等方面入手，降低质子膜电解水制氢设备成本。
随着风光场站集群化发展，大规模的风光电力接入电力系统会威胁电力系统的安全稳定运行。精准的风光功率预测能有效缓解这一问题，但是现有的风光功率预测方法多集中在场站级别，区域总出力对电力系统制定调度计划、安排旋转备用容量具有重要的意义。为此，提出了基于堆叠降噪自编码器的风光功率预测模型实现场站－区域风光功率预测。以分布在我国某省的风光场群的运行数据为例，验证所提模型的有效性。结果表明：与场站原有预测系统精度相比，平坦地形风电场功率预测精度平均提高了15.56%，光伏场站功率预测精度平均提高了21.75%；复杂地形风电场功率预测精度平均提高了3.28%。
通过识别不同风电机组的相似性将风电场内各机组区分为不同的机组群，对每组机群分别建立功率预测模型，既提高了计算效率，又改善了大型风电场短期功率预测精度，较好解决了风电波动性和间歇性对电力系统安全运行的影响。提出了一种基于戴维森堡丁指数与聚类算法的风电场机组分组功率预测方法，以实际测量风速，测量功率以及两者的组合作为机组分组模型输入，分析其对聚类精度的影响程度。首先，采用经验模态分解方法将风电功率序列分解后，将与原信号具有高相关性的固有模态函数(intrinsic mode function，IMF)分量重构，作为K-means聚类算法的输入重新进行场内机组分组。然后，对每组机群分别构建经验模态分解－相关向量机(empirical mode decomposition-relevance vector machine，EMD-RVM)模型。最后，将预测功率分量叠加获得总功率的预测值。仿真实验结果表明，风速是影响聚类结果的主要因素，功率可作为不同聚类模型输入变量的重要补充；基于EMD-RVM的分组功率预测提升了预测精度，提高了预测效率。
传统变速变桨风电机组采用比例积分微分模型(proportion integral differential, PID)控制的最佳桨距角变桨策略，变桨频繁，变桨轴承易损坏且不易维修，为此提出一种减少变桨动作，延长变桨轴承寿命的变桨系统优化策略。在最佳桨距角策略基础上提出风速波动阈值指标建立优化模型，以风速波动阈值指标为输入条件，基于麻雀搜索算法对提出的优化模型进行求解。将所提优化模型应用于某风电场进行计算，结果表明在满足输出功率要求情况下，与传统模型相比变桨轴承寿命有所增加，总体收益提高，具有一定的实用性。
在风光互补系统的容量配比研究中，并未考虑风光发电实际输出功率的随机性。提出了一种基于随机规划的风光互补系统容量配比方法。考虑到风光发电的实际输出功率具有随机性，基于随机规划理论建立以功率平稳输出为目标的风光互补系统容量配比模型；利用基于随机模拟技术的粒子群算法求解模型，探讨了风光互补系统的最佳风光容量配比；并以琼海市某地的实际风光资源为例，采用Matlab进行模拟验证，结果表明53%的风电配合47%的光电时，风光互补系统的输出功率最平稳。此外，将提出的方法应用到不同地区，结合中国风光资源分布情况，最终得到中国不同地区的最佳风光容量配比。所提方法为今后风光互补系统的设计规划和城市区域间能源综合调整提供了一定的参考，同时为风光容量配比的研究提供了一种新思路。
中国沿海地区纬度跨度大，建筑冷热负荷呈多样性，考虑采用风光互补系统满足建筑冷热需求，以解决沿海岛屿地区的用能问题。为探究沿海岛屿的风光互补系统与建筑冷热需求之间的适用性情况，分析了23个沿海城市所在区域的风光资源特性和某建筑全年冷热需求特性。通过对风光互补系数、相关系数、即时负荷满足率、即时能源利用率和供需协同性的季节性对比及全年对比，多维度讨论了风光系统在不同地区的适用性，并进行聚类分析产生三类适应性情况。结果表明沿海岛屿地区风光互补程度呈一定的地区特点，随着纬度的降低，风光系统的适用性增强，且冷热需求波动越小的地区，风光互补系统的适用性越强。该研究对我国沿海地区风光混合供能系统的推广和应用具有一定的指导意义。
随着我国风电产业的快速发展，以及土地、接入系统等因素的限制，区域内多风场聚集的现象越来越普遍。首先，为明确相邻风电场间尾迹簇对风电场发电量的影响，利用3座风电场的实测数据，采用线性回归方法，仿真计算了尾迹簇对下风向风电场的发电量，仿真结果表明陆上相距13 km风电场间尾迹簇对发电量的有影响。其次，利用FAST.Farm风电场仿真工具对尾迹簇对风力机的载荷影响进行了分析，仿真结果表明下风向风机在低速轴、偏航轴承等大部件的载荷受尾迹簇影响明显增加。
考虑直流微电网功率分配和母线稳定性问题，提出一种基于储能电池荷电状态(state of charge，SOC)的储能变流器动态下垂控制方法，通过在下垂控制系数中引入储能电池实时SOC值，使负荷差额功率在并联储能电池之间根据自身SOC值进行动态分配，实现功率输出和SOC的均衡；并通过增加直流母线电压二次控制和补偿虚拟阻抗，抑制下垂控制引起的直流母线电压偏离，改善直流变流器的阻尼特性，提升直流母线电压的动态稳定性。通过Matlab/Simulink仿真对控制参数进行分析，验证了所提控制策略的正确性。
准确预测光伏电站输出功率，是促进光伏并网发电，提高电网运行稳定性的主要途径之一。该文提出一种基于粒子群算法－最小二乘支持向量机(particle swarm optimization and least squares support vector machine，PSO-LSSVM)的日前光伏功率预测方法，该方法首先利用粒子群算法的全局搜索能力来获取最小二乘支持向量机的惩罚因子和核函数宽度，有效解决了最小二乘支持向量机难以快速精准寻找最优参数的问题；然后利用数值天气预报和光伏功率的历史数据对PSO-LSSVM模型进行训练，利用训练好的PSO-LSSVM模型对日前光伏功率进行预测。对比分析PSO-LSSVM模型与长短期记忆网络(long short-term memory，LSTM)模型、最小二乘支持向量机(least squares support vector machine，LSSVM)、PSO-BP模型的预测结果可知：PSO-LSSVM模型的预测精度高于LSTM模型、LSSVM模型和结合粒子群的BP神经网络(particle swarm optimization and back propagation, PSO-BP)模型，证明了所提PSO-LSSVM预测模型的优越性。
清华大学出版社期刊中心
