CN102664422A - 一种利用储能系统平滑风电场输出功率的方法 - Google Patents

Abstract

本发明公开了一种利用储能系统平滑风电场输出功率的方法，不仅引入风功率预测修正风电场输出功率，而且采用了改进的自适应滤波算法。风功率预测修正风电场输出功率，从而减小风电场输出功率的变化率，符合注入电网的标准；采用基于自适应滤波算法，对于不同时刻的输入功率，可以根据输入自动计算自适应滤波结构中的时间权重系数，弥补了以往采用基于低通滤波器平滑方法中不同输入不能对应不同的滤波时间常数的不足。采用本发明的平滑方法对风电场输出功率进行平滑处理后，使风电场输出电压稳定，减少电网电压波动和闪烁，减少谐波污染，减少事故的发生。

Description

一种利用储能系统平滑风电场输出功率的方法

技术领域

本发明属于风力发电控制技术领域，更为具体地讲，涉及一种利用储能系统平滑风电场输出功率的方法。

背景技术

风力发电作为一种可再生、清洁能源，越来越受人们的重视。但是风电场输出功率受风速影响，风速的随机性和不可控性导致输出功率瞬时上升或者跌落，当接入电网时，容易引起电网电压的波动，给电网稳定运行调整增加负担；因此需要对风电场输出功率进行平滑，减小输出功率的变化，保证电网的稳定性和安全性。

随着风电装机容量的持续增加，电网不得不面对大规模风电渗透造成电网电压波动和不断提高电网运行水平需求的双重考验，而储能技术是解决这个困局的有效方法之一。

目前，通常采用基于低通滤波原理的储能平滑方法来抑制风电场输出功率的波动。

图1是现有技术利用储能系统平滑风电场输出功率的拓扑结构图。

如图1所示，整个风电场1包括风电机组1~n，其输出功率为_Pwf。在风电场1出口处安装储能系统2进行平滑，使输出到电网的功率P_out波动小。储能系统2包括储能单元201和功率变换单元202两部分，通过对功率变换单元202的控制，向交流母线3注入或抽取能量来平滑风电场1的输出功率，改善风电并网情况，最终输出到电网的功率为P_out。

对功率变换单元202的控制是通过定滤波时间常数T_s的低通滤波器4实现的。如图1所示，风电场输出功率P_wf，通过定滤波时间常数T_s的低通滤波器4得到平滑后的期望风电功率P′_out，即为注入电网功率。期望风电功率P′_out送入功率变换单元202中，然后，功率变换单元202根据风电场输出功率P_wf以及期望风电功率P′_out，计算出储能系统2吸收或者释放的功率参考值P_ref=P_wf-P′_out，其中，功率参考值P_ref为正表示吸收，为负表示释放。储能系统2向交流母线3吸收或释放功率参考值P_ref的能量来平滑风电场1输出功率，来减小对电网的影响。设储能系统2吸收或释放的实际功率为P_Ess，其理想状态是与功率参考值P_ref相等，则风电场1经过储能系统2平滑后输出到电网的功率P_out=P_wf-P_Ess，其理想状态与低通滤波器4输出的期望风电功率P′_out相等。当风电场输出功率P_wf骤然上升时，低通滤波器4输出的期望风电功率P′_out小于输出功率P_wf，功率参考值P_ref=P_wf-P′_out为正，储能系统2吸收能量；反之，则释放能量，最终使输出到电网的功率P_out为平滑的功率输出。

但是基于低通滤波器原理的平滑控制方法，其优化效果与滤波时间常数T_s有关。对于每一组风电场输出功率P_wf(k)（各个时刻风电场输出功率P_wf组成，k表示时刻）都有最优的一个滤波时间常数T_s，但是在实际的应用中，根据经验值设计滤波时间常数T_s，一旦滤波时间常数T_s选定，不能实时根据风电场输出功率P_wf调整最优的滤波时间常数T_s，以达到最优的平滑效果。

发明内容

本发明的目的在于克服现有技术的不足，提供一种利用储能系统平滑风电场输出功率的方法，使输出到电网的功率波动更小，保证电网的稳定性和安全性。

为实现上述发明目的，本发明利用储能系统平滑风电场输出功率的方法，其特征在于，包括以下步骤：

（1）、从风电场采集风速数据V进行预测下一时刻的风功率值，风功率预测值表示为P_pre(k+1)；

（2）、风电场输出功率为P_wf(k)，对风电场输出功率进行修正，修正后的值为：

$P_{\mathrm{in}}\left(k\right)=\left\{\begin{array}{c}{P}_{\mathrm{wf}}\left(k\right)+(\mathrm{\&Delta;}{P}_{\mathrm{peak}}+\mathrm{\&Delta;P}),P_{\mathrm{wf}}\left(k\right)<P_{\mathrm{pre}}(k+1)\\ P_{\mathrm{wf}}\left(k\right)-(\mathrm{\&Delta;}{P}_{\mathrm{peak}}+\mathrm{\&Delta;P}),P_{\mathrm{wf}}\left(k\right)\&GreaterEqual;P_{\mathrm{pre}}(k+1)\end{array}\right.---\left(1\right)$

其中，k为当前时刻，k+1为下一时刻；ΔP_peak是以当前时刻前一段时间的风功率预测值的平均值为平衡位置，当前时刻风电场输出功率P_wf(k)的峰值，ΔP为风功率预测的误差裕量，为经验值；

（3）、计算自适应滤波器的期望信号d(k)：

$d\left(k\right)=\left\{\begin{array}{c}{P}_{\mathrm{in}}\left(k\right)+\mathrm{\&Delta;m},P_{\mathrm{in}}\left(k\right)<P_{\mathrm{pre}}(k+1)\\ P_{\mathrm{in}}\left(k\right)-\mathrm{\&Delta;m},P_{\mathrm{in}}\left(k\right)\&GreaterEqual;P_{\mathrm{pre}}(k+1)\end{array}\right.---\left(2\right)$

其中，Δm为常数值，根据《风电场接入电力系统技术规定》中对风电场输出功率变化率规定确定，为单位时间的输出功率最大变化量；

（4）、修正后的值P_in(k)作为自适应滤波器输入，自适应滤波器的阶数为N，则当前时刻k，自适应滤波器的输入为：

P_in(k)=[P_in(k),P_in(k-1),……,P_in(k-N+1)]^T    （3）

其中上标T表示矩阵转置，P_in(k)为当前时刻k的修正后的风电场输出功率值，P_in(k-1)为前一时刻k-1的修正后的风电场输出功率，P_in(k-N+1)为前N-1时刻的修正后的风电场输出功率；

时间权重系数向量为W(k)=[W₁(k),W₂(k),……,W_N(k)]^T，自适应滤波器的输出，即平滑后的风电场输出功率期望值P′_out：

P′_out(k)=P_in ^T(k)·W(k)    （4）

其中，时间权重系数向量W(k)为：

W(k)=W(k-1)+μ(k-1)e(k-1)P_in(k-1)     （5）

变步长因子μ(k-1)为：

μ(k-1)=[e(k-2)/d(k-2)]²μ(k-2)    （6）

误差e(k-1)为：

e(k-1)=d(k-2)-P′_out(k-2)    （7）

时间权重系数向量为W(k)=[W₁(k),W₂(k),……,W_N(k)]^T的初始值为0向量，即：

W(0)=[W₁(0),W₂(0),……,W_N(0)]^T=[0,0,……,0]^T；

（5）、计算储能系统吸收或者释放的功率参考值P_ref：

P_ref=P_wf-P′_out    （8）

其中，功率参考值P_ref为正表示吸收，为负表示释放；

（6）、储能系统从交流母线上吸收或释放功率参考值P_ref的电能，使输出到电网的功率P_out为平滑的功率输出。

本发明的发明目的是这样实现的：

本发明利用储能系统平滑风电场输出功率的方法，不仅引入风功率预测修正风电场输出功率，而且采用了改进的自适应滤波算法。风功率预测修正风电场输出功率，从而减小风电场输出功率的变化率，符合注入电网的标准；自适应滤波算法中采用改进的自适应LMS算法，变步长使输出功率更快与期望信号相匹配，加快了收敛速度。

本发明利用储能系统平滑风电场输出功率的方法，采用基于自适应滤波算法，对于不同时刻的输入功率，可以根据输入自动计算自适应滤波结构中的时间权重系数，弥补了以往采用基于低通滤波器平滑方法中不同输入不能对应不同的滤波时间常数的不足。采用本发明的平滑方法对风电场输出功率进行平滑处理后，使风电场输出电压稳定，减少电网电压波动和闪烁，减少谐波污染，减少事故的发生。

附图说明

图1是现有技术利用储能系统平滑风电场输出功率的拓扑结构图；

图2是本发明利用储能系统平滑风电场输出功率的方法一种具体实施方式结构图；

图3是图2所示的自适应滤波器的结构图；

图4-a是风电场输出功率曲线图，图4-b为风电场输出功率波动率曲线和统计图；

图4-c为利用本发明方法平滑前后输出功率曲线对比图，图4-d为利用本发明平滑后风电场输出功率波动率曲线和统计图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

图2是本发明利用储能系统平滑风电场输出功率的方法一种具体实施方式结构图。

如图2所示，在本实施例中，实现本发明方法的结构中，包括有功率预测模块、功率修正模块、自适应滤波模块、自适应算法模块、期望信号限幅模块，其中，自适应滤波模块、自适应算法模块、期望信号限幅模块构成自适应滤波器。

功率预测预测模块用于修正风电场输出功率P_wf(k)和弥补其在采集时间上的延迟；通过自适应算法模块，适应功率输入值，实现功率平滑；期望信号限幅模块结合国家电网对风电场输出变化率的要求，限制风电场过高或者过低的注入电网功率，通过限幅模块获取自适应滤波器的期望信号d(k)。

功率预测模块输入为风电场采集的风速数据V，在本实施例中，对采集数据V经过线性插值、数据缓冲、采用AR模型进行参数估计、查风功率曲线表，计算下一时刻的风功率预测值P_pre(k+1))。由于采集的风电场输出功率为P_wf(k)到平滑功率有一段时间差，功率预测模块预测出下一时刻的风功率预测值P_pre(k+1))，在功率修正模块中对风电场输出功率为P_wf(k)进行修正，可以以弥补时间差。下一时刻的风功率预测值为P_pre(k+1)，修正当前时刻的风电场输出功率值P_wf(k)，修正公式如下：

$P_{\mathrm{in}}\left(k\right)=\left\{\begin{array}{c}{P}_{\mathrm{wf}}\left(k\right)+(\mathrm{\&Delta;}{P}_{\mathrm{peak}}+\mathrm{\&Delta;P}),P_{\mathrm{wf}}\left(k\right)<P_{\mathrm{pre}}(k+1)\\ P_{\mathrm{wf}}\left(k\right)-(\mathrm{\&Delta;}{P}_{\mathrm{peak}}+\mathrm{\&Delta;P}),P_{\mathrm{wf}}\left(k\right)\&GreaterEqual;P_{\mathrm{pre}}(k+1)\end{array}\right.---\left(1\right)$

其中，ΔP_peak是以当前时刻前一段时间的风功率预测值的平均值为平衡位置，当前时刻风电场输出功率P_wf(k)的峰值，ΔP为风功率预测的误差裕量，为经验值。

修正后的值P_in(k)作为自适应滤波器输入，考虑风电场接入规范，结合功率预测值设计期望信号，从而保证平滑后的功率满足国家的标准；通过期望信号限幅模块得到，自适应滤波器的期望信号d(k)：

$d\left(k\right)=\left\{\begin{array}{c}{P}_{\mathrm{in}}\left(k\right)+\mathrm{\&Delta;m},P_{\mathrm{in}}\left(k\right)<P_{\mathrm{pre}}(k+1)\\ P_{\mathrm{in}}\left(k\right)-\mathrm{\&Delta;m},P_{\mathrm{in}}\left(k\right)\&GreaterEqual;P_{\mathrm{pre}}(k+1)\end{array}\right.---\left(2\right)$

其中，Δm为常数值，根据《风电场接入电力系统技术规定》中对风电场输出功率变化率规定确定，为单位时间的输出功率最大变化量。

图3是图2所示的自适应滤波器的结构图。

自适应滤波器的输入为：

P_in(k)=[P_in(k),P_in(k-1),……,P_in(k-N+1)]^T    （3）

表示当前时刻k的输入功率序列。其中上标T表示矩阵转置，P_in(k)为当前时刻k的修正后的风电场输出功率值，P_in(k-1)为前一时刻k-1的修正后的风电场输出功率，P_in(k-N+1)为前N-1时刻的修正后的风电场输出功率。

时间权重系数向量为W(k)=[W₁(k),W₂(k),……,W_N(k)]^T，自适应滤波器的输出，即平滑后的风电场输出功率期望值P′_out：

P′_out(k)=P_in ^T(k)·W(k)    （4）

公式（4）在自适应滤波模块中完成向量相乘，得到平滑后的风电场输出功率期望值P′_out。

其中，时间权重系数向量W(k)为：

W(k)=W(k-1)+μ(k-1)e(k-1)P_in(k-1)    （5）

通过自适应算法模块计算出来，时间权重系数向量W(k)每个时刻的值与上一时刻的相关。

和传统的LMS方法有所不同，本发明采用了变步长因子μ，即：

μ(k-1)=[e(k-2)/d(k-2)]²μ(k-2)    （6）

将误差e(k-1)和期望信号d(k-1)进行归一化处理后得到一个相对误差，利用这个相对误差的平方来调节步长，加快了收敛速度。

图4是风电场输出功率平滑前后曲线图。

图4-a和图4-b为未加入滤波器时波动率的变化情况。如图4-a未用储能系统平滑前功率1分钟的最大变化量为1.833MW。1分钟波动率α定义为：

$\mathrm{\&alpha;}=\left|\frac{P_t-P_{t^{\&prime;}}}{P_{\mathrm{rate}}}\right|---\left(9\right)$

其中P_t为当前时刻的输出功率值，P_t′为前1分钟输出功率值，P_rate为额定功率值；从统计的数据图4-b可以看出，每分钟的波动率都在0.1范围以内，其中超过0.02的波动率占了一半以上，故需要加入自适应滤波器进行功率平滑。

图4-c和图4-d为加入自适应滤波器平滑风电场输出功率情况；图4-c中平滑后1min功率最大变化量为1.0121MW，比平滑前明显减小，而且曲线更平滑；从统计数据来看，每分钟波动率都在0.02范围以内，波动率满足了波动率在低于0.02范围之内，平滑效果明显。

实例

将本发明利用储能系统平滑风电场输出功率方法应用于具体应用中，采用某一风电场采集的数据进行测试。输入信号为风电场输出功率值P_wf，经过预测模块修正，最后经自适应滤波器得到最终输出功率。

该实例采用装机容量为25MW的某一风电场数据；用于修正原始数据(ΔP_peak+ΔP)取值为2MW，根据《风电场接入电力系统技术规定》中，对风电场输出功率变化率规定，对于风电场装机容量E_总小于30MW，1min最大变化量为6MW；装机容量E_总为30-150MW，1min变化量为装机容量E_总/5，本实例中取Δm=6MW。自适应滤波器阶数选为N=10，根据上述平滑方法对这一具体风电场数据进行测试分析。

由于风速的波动性和间歇性，导致输出功率波动很大，如图4-a所示；加入自适应滤波器后输出功率波动变化有明显的改善，如图4-b所示，平滑效果比较明显，消除了风功率曲线的毛刺，减小风电场输出功率波动，基本上可以保证波动率在0.02范围内的要求，而且为风电场配置储能系统提供参考。

本发明的优点是：

1、现有的风电场输出功率平滑方法采用的是基于低通滤波原理的储能平滑方法，该方法可以有效地抑制风电场输出功率的变化率，但是优化效果与滤波时间常数的取值有关，对于一组风电场输出功率有最优的值，一旦确定，平滑效果随之确定，并不能根据风电功率输出值变化参数值，从而平滑效果受到限制；本发明的自适应滤波方法弥补了这一缺点，自适应滤波器能够适应每个时刻的输入，自动地调整其参数，达到理想的平滑效果。

2、对风电场输出功率进行平滑处理，由于采集的数据存在缺失、不合理、时间延迟等缺点，造成平滑效果不理想，因此，在本发明中，引入功率预测，对所采集的风电场输出功率进行修正，弥补了时间延迟这一缺陷，使输出到电网的功率平滑效果更好。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (1)

1.一种利用储能系统平滑风电场输出功率的方法，其特征在于，包括以下步骤：

（1）、从风电场采集风速数据V进行预测下一时刻的风功率值，风功率预测值表示为P_pre(k+1)；

（2）、风电场输出功率为P_wf(k)，对风电场输出功率进行修正，修正后的值为：

$P_{\mathrm{in}}\left(k\right)=\left\{\begin{array}{c}{P}_{\mathrm{wf}}\left(k\right)+(\mathrm{\&Delta;}{P}_{\mathrm{peak}}+\mathrm{\&Delta;P}),P_{\mathrm{wf}}\left(k\right)<P_{\mathrm{pre}}(k+1)\\ P_{\mathrm{wf}}\left(k\right)-(\mathrm{\&Delta;}{P}_{\mathrm{peak}}+\mathrm{\&Delta;P}),P_{\mathrm{wf}}\left(k\right)\&GreaterEqual;P_{\mathrm{pre}}(k+1)\end{array}\right.---\left(1\right)$

其中，k为当前时刻，k+1为下一时刻；ΔP_peak是以当前时刻前一段时间的风功率预测值的平均值为平衡位置，当前时刻风电场输出功率P_wf(k)的峰值，ΔP为风功率预测的误差裕量，为经验值；

（3）、计算自适应滤波器的期望信号d(k)：

$d\left(k\right)=\left\{\begin{array}{c}{P}_{\mathrm{in}}\left(k\right)+\mathrm{\&Delta;m},P_{\mathrm{in}}\left(k\right)<P_{\mathrm{pre}}(k+1)\\ P_{\mathrm{in}}\left(k\right)-\mathrm{\&Delta;m},P_{\mathrm{in}}\left(k\right)\&GreaterEqual;P_{\mathrm{pre}}(k+1)\end{array}\right.---\left(2\right)$

其中，Δm为常数值，根据《风电场接入电力系统技术规定》中对风电场输出功率变化率规定确定，为单位时间的输出功率最大变化量；

（4）、修正后的值P_in(k)作为自适应滤波器输入，自适应滤波器的阶数为N，则当前时刻k，自适应滤波器的输入为：

P_in(k)=[P_in(k),P_in(k-1),……,P_in(k-N+1)]^T    （3）

其中上标T表示矩阵转置，P_in(k)为当前时刻k的修正后的风电场输出功率值，P_in(k-1)为前一时刻k-1的修正后的风电场输出功率，P_in(k-N+1)为前N-1时刻的修正后的风电场输出功率；

时间权重系数向量为W(k)=[W₁(k),W₂(k),……,W_N(k)]^T，自适应滤波器的输出，即平滑后的风电场输出功率期望值P′_out：

P′_out(k)=P_in ^T(k)·W(k)    （4）

其中，时间权重系数向量W(k)为：

W(k)=W(k-1)+μ(k-1)e(k-1)P_in(k-1)    （5）

变步长因子μ(k-1)为：

μ(k-1)＝[e(k-2)/d(k-2)]²μ(k-2)    （6）

误差e(k-1)为：

e(k-1)=d(k-2)-P′_out(k-2)    （7）

时间权重系数向量为W(k)=[W₁(k),W₂(k),……,W_N(k)]^T的初始值为0向量，即：

W(0)=[W₁(0),W₂(0),……,W_N(0)]^T=[0,0,……,0]^T；

（5）、计算储能系统吸收或者释放的功率参考值P_ref：

P_ref=P_wf-P′_out    （8）

其中，功率参考值P_ref为正表示吸收，为负表示释放；

（6）、储能系统从交流母线上吸收或释放功率参考值P_ref的电能，使输出到电网的功率P_out为平滑的功率输出。

Images