CN103023055A - 利用复合储能技术平抑风光发电系统输出功率波动的方法 - Google Patents

Abstract

本发明公开了一种利用复合储能技术平抑风光发电系统输出功率波动的方法。该方法在平抑功率波动过程中提出了可变时间常数滤波控制，实时优化低通滤波器的时间常数，实现了对储能系统充放电功率的灵活、快速控制，改善储能系统的运行，减小储能使用容量；同时提出最大输出功率控制保证储能运行在合理的范围。本发明应用复合储能技术，将具有快速响应特性的储能系统和具有大容量储能特性的储能系统联合使用以平抑功率波动，两种储能设备互相弥补自身的不足，从而达到更好的平抑效果和更大的经济效益。该方法迎合了储能技术应用于新能源发电的趋势，可为新能源并网问题提供借鉴。

Description

利用复合储能技术平抑风光发电系统输出功率波动的方法

技术领域

本发明属于电力系统新能源领域，是储能技术在电力系统新能源并网方面的应用，特别涉及一种利用复合储能技术平抑风光发电系统输出功率波动的方法。

背景技术

近年来，分布式发电技术的研究取得了巨大进展，各类分布式发电技术逐渐成熟，以风力发电和光伏发电最为典型。风力和太阳能发电能源具有储量丰富、无污染、可再生等优点，这使得它们成为未来很有前途的可代替能源。但是，风电和太阳能等分布式发电单元的输出功率具有间歇性和随机性的特点，风速和光照的波动会引起输入到电网的功率剧烈波动，进而导致电网电压的波动，同时风光系统输出功率过大，超过负荷要求时，会导致系统频率上升等问题。在直流母线或者交流系统中配备一定的储能，可削弱间歇式电源对电网的冲击和其它负面影响，提高电网运行的安全性和稳定性。储能技术是新能源发电的核心技术之一，作为间歇式电源必要的能量缓冲环节，其作用越来越重要。

电力系统中的储能技术形式多样^[1]。文献[2]提出利用超级电容器平抑风电场功率波动，但超级电容器价格昂贵，其容量在满足要求的情况下，是很不经济的。文献[3]比较了不同储能类型在改善风电场输出中的应用。目前对间歇式新能源输出功率的平抑控制，主要有两种方式，一是通过直接控制分布式电源本身，改善其输出功率特性，如文献[4]提出了通过风力机桨距角控制减缓其输出功率波动性；二是通过一阶固定时间常数滤波，文献[5]提出了加入电池SOC反馈控制的一阶滤波控制方法来平抑风电场的功率；文献[6]采用飞轮储能平抑短周期内功率波动，采用了随机动态优化控制的一阶滤波。本文针对风光系统输出功率变化大，变化频繁的特点采用多元复合储能技术^[7]，将具有快速响应特性的储能系统和具有大容量储能特性的储能系统联合使用以平抑功率波动，这不仅可以优化储能统的运行，延长系统寿命，而且可以使系统获得更好的技术性能和经济指标。

[1]程华,徐政.分布式发电中的储能技术.高压电器,2003,39(3):53-56.CHENG Hua,XU Zheng.Energy Storage for Use with Distribution PowerGeneration,High Voltage Apparatus,2003,39(3):53-56.

[2]李宵,胡长生,刘金昌,等.基于超级电容器储能的风电场功率调节系统建模与控.电力系统自动化,2009,33(9):86-90.

LI Xiao,HU Changsheng,LIU Changjin,et al.Design of SMES control Systemfor Smoothing Power Fluctuation in Wind Farms.Automation of Electric PowerSystems,2008,32(16):83-88.

[3]Wei Li,Joos G.Comparison of Energy Storage System Technologies andConfigurations in a Wind Farm.Power Electronics Specialists Conference,June17-21,2007,Orlando,Florida,USA:1280-1285.

[4]Takuya Yamazaki,Rion Takahashi,Toshiaki Murata,et al Smoothing Control ofWind Generator Output Fluctuations by New Pitch Controller.InternationalConference on Electrical Machines,Sep 6-9,2008,Vilamoura,Portugal:1-6.

[5]Li Xiandjun,Hui Dong,Wu Li,Lai Xiaokang.Control Strategy of Battery Stateof Charge for Wind/Battery Hybrid Power System,IEEE InternationalSymposium on Industrial Electronics,Jul 4-7,2010,Bari,Italy:2723-2726.

[6]Ni Bingchang,C Sourkounis.Control Strategies for Energy Storage to SmoothPower Fluctuations of Wind Parks.15th IEEE Mediterranean ElectrotechnicalConference.Apr 26-28,2010.Valletta Malta:973-978.

[7]陈伟,石晶,任丽,等.微网中的多元复合储能技术.电力系统自动化,2010,34(1):112-115.

CHEN Wei,SHI Jing,REN Li,et al.Composite Usage of Multi-type EnergyStorage Technologies in Microgrid.Automation of Electric Power Systems,2010,34(1):112-115.

发明内容

本发明的目的是克服现有单一储能技术平抑功率波动存在的不足，提供一种利用复合储能技术平抑风光发电系统输出功率波动的方法。

利用复合储能技术平抑风光发电系统输出功率波动的方法包括以下步骤：

（1）从具体地区的风光系统运营历史数据中，抽取若干典型季节与典型气候的一整天功率输出监测数据；

（2）根据监测数据，通过PSO优化算法优化计算出变时间常数控制参数：A、B、C、T_{f1_min}、T_{f1_max}、T_{f2_min}、T_{f2_max}；

（3）根据得到的多组变时间常数控制中各控制参数，对应计算出所需要的超级电容器和蓄电池的容量，对于得到的多组变时间常数控制中各控制参数、超级电容器和蓄电池的容量，分别求取相应的平均值，得到变时间常数控制中各控制参数值、超级电容器和蓄电池的容量值；

（4）根据得到的变时间常数控制参数、超级电容器和蓄电池的容量，对实际的风光输出功率进行平抑，平抑风光系统输出功率波动分为两级，第一级利用超级电容器平抑几秒至几分钟内的高频波动部分，第二级利用蓄电池平抑几分钟至几小时内的中频波动部分，根据输出波动的大小调整过滤器的时间常数T_f1和T_f2；

（5）根据得到的T_f1，计算超级电容器发出的功率：

$P_{\mathrm{UC}\left(n\right)}=\frac{T_{f1}}{\mathrm{\ΔT}+T_{f1}}(P_{\mathrm{DG}(n-1)}-P_{\mathrm{DG}\left(n\right)}+P_{\mathrm{UC}(n-1)})---\left(1\right)$

其中，ΔT为采样时间间隔，P_DG为风光系统输出功率，P_UC为超级电容器发出功率值；

用超级电容器滤除高频波动部分后的输出功率为：

P_Tem(n)＝P_DG(n)+P_UC(n)                                      （2）

（6）根据得到的T_f2，计算蓄电池发出的功率：

$P_{\mathrm{LB}\left(n\right)}=\frac{T_{f2}}{\mathrm{\ΔT}+T_{f2}}(P_{\mathrm{Tem}(n-1)}-P_{\mathrm{Tem}\left(n\right)}+P_{\mathrm{TB}(n-1)})---\left(3\right)$

经过超级电容器和蓄电池滤波作用后的输出功率为：

P_O(n)＝P_DG(n)+P_UC(n)+P_LB(n)                                 （4）

使任意一分钟内最大功率波动不超过额定功率的2%，任意三十分钟内不超过10%。

所述的步骤（2）为：根据ΔP的大小,改变惯性环节的时间常数T_f，根据ΔP₁的值通过式（5）来计算T_f1：

$T_{f1}=\left\{\begin{array}{cc}{T}_{f1\_\max }& 0\≤\left|{\mathrm{\ΔP}}_1\right|\≤-B\ln (T_{f1\_\max }/A)\\ {\mathrm{Ae}}^{-\frac{\left|\mathrm{\Δp}\right|}{B}}& -B\ln \left(\frac{T_{f1\_\max }}{A}\right)\≤\left|{\mathrm{\ΔP}}_1\right|\≤-B\ln \left(\frac{T_{f1\_\min }}{A}\right)\\ T_{f1\_\min }& \left|{\mathrm{\ΔP}}_1\right|\≥-B\ln (T_{f1\_\mathrm{nim}}/A)\end{array}\right.---\left(5\right)$

其中，T_f1为超级电容器滤波环节的惯性时间常数；ΔP₁为超级电容器的充放电指令值；A、B为变时间常数控制参数；T_{f1_max}、T_{f1_min}分别为超级电容器的时间常数变化上、下限；

根据ΔP₂的值通过式（6）来计算T_f2：

$T_{f2}=\left\{\begin{array}{cc}{T}_{f2\_\min }& C\left|{\mathrm{\&Delta;P}}_2\right|\&le;T_{f2\_\min }\\ C\left|{\mathrm{\&Delta;P}}_2\right|& T_{f2\_\min }<C\left|{\mathrm{\&Delta;P}}_2\right|<T_{f2\_\max }\\ T_{f2\_\max }& C\left|{\mathrm{\&Delta;P}}_2\right|\&GreaterEqual;T_{f2\_\max }\end{array}\right.---\left(6\right)$

其中，T_f2为蓄电池滤波环节的惯性时间常数；ΔP₂为蓄电池的充放电指令值；C为控制参数；T_{f2_max}、T_{f2_min}分别为蓄电池滤波环节的时间常数变化上、下限；

通过式（1）计算超级电容器发出的功率P_UC(n)；

超级电容器输出电能随时间变化为：

E_uc(n)＝E_uc(n-1)+P_UC(n)ΔT/3.6×10⁶                            （7）

则需要的超级电容器容量为：

$E_{\mathrm{UC}}=\max \left(\stackrel{\&RightArrow;}{E_{\mathrm{UC}}}\right)-\min \left(\stackrel{\&RightArrow;}{E_{\mathrm{UC}}}\right)---\left(8\right)$

式中：ΔT为采样时间间隔；P_DG(n)、P_UC(n)为总的分布式发电和超级电容器在n时刻发出的功率；E_UC(n)为超级电容器到n时刻放出的总电能； $\stackrel{\&RightArrow;}{E_{\mathrm{UC}}}=[E_{\mathrm{UC}\left(1\right)},E_{\mathrm{UC}\left(2\right)}...E_{\mathrm{UC}\left(n\right)}...].$

用超级电容器滤除高频波动部分后的输出功率为：

P_tem(n)＝P_DG(n)+P_UC(n)                                         （9）

根据得到的根据得到的T_f2，通过式（3）计算蓄电池发出的功率P_LB(n)；

蓄电池输出电能随时间变化为：

E_LB(n)＝E_LB(n-1)+P_LB(n)ΔT/3.6×10⁶                            （10）

需要的蓄电池的电能容量为：

$E_{\mathrm{LB}}=\max \left(\stackrel{\&RightArrow;}{E_{\mathrm{LB}}}\right)-\min \left(\stackrel{\&RightArrow;}{E_{\mathrm{LB}}}\right)---\left(11\right)$

式中： $\stackrel{\&RightArrow;}{E_{\mathrm{LB}}}=[E_{\mathrm{LB}\left(1\right)},E_{\mathrm{LB}\left(2\right)}...E_{\mathrm{LB}\left(n\right)}...];$

根据得到的典型季节与典型气候的一整天功率输出监测数据，建立如下优化模型：

目标函数：

f＝min(p_UCE_UC+p_LBE_LB)                                         （12）

其中：p_UC、p_LB为超级电容器和蓄电池的价格；

约束条件：

a）新能源并网标准要求一分钟内最大功率波动不超过额定功率的2%，三十分钟内不超过10%，因此对应的约束条件为：

$\left\{\begin{array}{c}{D}_1-D_{1\mathrm{ref}}\&GreaterEqual;0\\ D_2-D_{2\mathrm{ref}}\&GreaterEqual;0\end{array}\right.---\left(13\right)$

其中：D₁为输入到电网功率满足1分钟内功率波动要求的概率；D₂为满足三十分钟并网要求的概率；D_1ref、D_2ref为设定的期望满足率。

b）同时考虑到蓄电池的爬坡率，有：

|PLB_i-PLB_i+1|≤ΔPLB_max(i＝1,2,3...n-1)                     （14）

式中：ΔPLB_max为蓄电池的最大爬坡率。

选取调用粒子群优化算法(PSO)解决上述优化问题，待优化的参数为变时间常数控制参数：A、B、C、T_{f1_min}、T_{f1_max}、T_{f2_min}、T_{f2_max}。

所述的步骤（3）为：从具体地区抽取的若干条功率曲线中，每一条曲线均能优化出一组变时间常数控制中的参数A、B、C、T_{f1_min}、T_{f1_max}、T_{f2_min}、T_{f2_max}，根据这些组控制参数值，我们根据如下过程可以对应得到超级电容器和蓄电池的容量的值。

通过式（5）计算出超级电容器的时间常数T_f1，然后根据式（3）计算超级电容器发出的功率P_LB(n)，根据式（7）计算出超级电容器输出电能随时间的变化E_UC(n)，最后根据式（8）计算出需要的超级电容器的容量；

同理通过式（2）计算出蓄电池的时间常数T_f2，然后根据式（3）计算蓄电池发出的功率P_LB(n)，根据式（10）计算出蓄电池输出电能随时间的变化E_LB(n)，最后根据式（11）计算出需要的蓄电池的容量E_LB。

本发明应用复合储能技术，将具有快速响应特性的储能系统和具有大容量储能特性的储能系统联合使用以平抑功率波动，即第一级用超级电容器（快速响应特性）平抑几秒至几分钟内的高频波动部分，第二级为用蓄电池（大容量特性）平抑几分钟至几小时内的中频波动部分。两种储能设备互相弥补自身的不足，从而达到更好的平抑效果和更大的经济效益。

附图说明

图1是风光储能混合系统结构图；

图2是功率波动平抑控制策略；

图3是储能元件的最大输出限制示意图。

图4功率波动平抑结果；

图5功率平抑后的输入到电网的最大功率波动。

具体实施方式

利用复合储能技术平抑风光发电系统输出功率波动的方法包括以下步骤：

（1）从具体地区的风光系统运营历史数据中，抽取若干典型季节与典型气候的一整天功率输出监测数据；

（2）根据监测数据，通过PSO优化算法优化计算出变时间常数控制参数：A、B、C、T_{f1_min}、T_{f1_max}、T_{f2_min}、T_{f2_max}；

（3）根据得到的多组变时间常数控制中各控制参数，对应计算出所需要的超级电容器和蓄电池的容量，对于得到的多组变时间常数控制中各控制参数、超级电容器和蓄电池的容量，分别求取相应的平均值，得到变时间常数控制中各控制参数值、超级电容器和蓄电池的容量值；

（4）根据得到的变时间常数控制参数、超级电容器和蓄电池的容量，对实际的风光输出功率进行平抑，平抑风光系统输出功率波动分为两级，第一级利用超级电容器平抑几秒至几分钟内的高频波动部分，第二级利用蓄电池平抑几分钟至几小时内的中频波动部分，根据输出波动的大小调整过滤器的时间常数T_f1和T_f2；

（5）根据得到的T_f1，计算超级电容器发出的功率：

$P_{\mathrm{UC}\left(n\right)}=\frac{T_{f1}}{\mathrm{\&Delta;T}+T_{f1}}(P_{\mathrm{DG}(n-1)}-P_{\mathrm{DG}\left(n\right)}+P_{\mathrm{UC}(n-1)})---\left(1\right)$

其中，ΔT为采样时间间隔，P_DG为风光系统输出功率，P_UC为超级电容器发出功率值；

用超级电容器滤除高频波动部分后的输出功率为：

P_Tem(n)＝P_DG(n)+P_UC(n)                                          （2）

（6）根据得到的T_f2，计算蓄电池发出的功率：

$P_{\mathrm{LB}\left(n\right)}=\frac{T_{f2}}{\mathrm{\&Delta;T}+T_{f2}}(P_{\mathrm{Tem}(n-1)}-P_{\mathrm{Tem}\left(n\right)}+P_{\mathrm{LB}(n-1)})---\left(3\right)$

经过超级电容器和蓄电池滤波作用后的输出功率为：

P_O(n)＝P_DG(n)+P_UC(n)+P_LB(n)                                     （4）

使任意一分钟内最大功率波动不超过额定功率的2%，任意三十分钟内不超过10%。

（7）为了验证混合储能系统在风光系统功率波动平抑中的有效性，在MATLAB/Simulink环境下建立了图1所示的风光储系统模型并进行了仿真。

所述的步骤（2）为：根据ΔP的大小,改变惯性环节的时间常数T_f，根据ΔP₁的值通过式（5）来计算T_f1：

$T_{f1}=\left\{\begin{array}{cc}{T}_{f1\_\max }& 0\&le;\left|{\mathrm{\&Delta;P}}_1\right|\&le;-B\ln (T_{f1\_\max }/A)\\ {\mathrm{Ae}}^{-\frac{\left|\mathrm{\&Delta;p}\right|}{B}}& -B\ln \left(\frac{T_{f1\_\max }}{A}\right)\&le;\left|{\mathrm{\&Delta;P}}_1\right|\&le;-B\ln \left(\frac{T_{f1\_\min }}{A}\right)\\ T_{f1\_\min }& \left|{\mathrm{\&Delta;P}}_1\right|\&GreaterEqual;-B\ln (T_{f1\_\mathrm{nim}}/A)\end{array}\right.---\left(5\right)$

其中，T_f1为超级电容器滤波环节的惯性时间常数；ΔP₁为超级电容器的充放电指令值；A、B为变时间常数控制参数；T_{f1_max}、T_{f1_min}分别为超级电容器的时间常数变化上、下限；

根据ΔP₂的值通过式（6）来计算T_f2：

$T_{f2}=\left\{\begin{array}{cc}{T}_{f2\_\min }& C\left|{\mathrm{\&Delta;P}}_2\right|\&le;T_{f2\_\min }\\ C\left|{\mathrm{\&Delta;P}}_2\right|& T_{f2\_\min }<C\left|{\mathrm{\&Delta;P}}_2\right|<T_{f2\_\max }\\ T_{f2\_\max }& C\left|{\mathrm{\&Delta;P}}_2\right|\&GreaterEqual;T_{f2\_\max }\end{array}\right.---\left(6\right)$

其中，T_f2为蓄电池滤波环节的惯性时间常数；ΔP₂为蓄电池的充放电指令值；C为控制参数；T_{f2_max}、T_{f2_min}分别为蓄电池滤波环节的时间常数变化上、下限；

通过式（1）计算超级电容器发出的功率P_UC(n)；

超级电容器输出电能随时间变化为：

E_uc(n)＝E_uc(n-1)+P_UC(n)ΔT/3.6×10⁶                              （7）

则需要的超级电容器容量为：

$E_{\mathrm{UC}}=\max \left(\stackrel{\&RightArrow;}{E_{\mathrm{UC}}}\right)-\min \left(\stackrel{\&RightArrow;}{E_{\mathrm{UC}}}\right)---\left(8\right)$

式中：ΔT为采样时间间隔；P_DG(n)、P_UC(n)为总的分布式发电和超级电容器在n时刻发出的功率；E_UC(n)为超级电容器到n时刻放出的总电能； $\stackrel{\&RightArrow;}{E_{\mathrm{UC}}}=[E_{\mathrm{UC}\left(1\right)},E_{\mathrm{UC}\left(2\right)}...E_{\mathrm{UC}\left(n\right)}...].$

用超级电容器滤除高频波动部分后的输出功率为：

P_tem(n)＝P_DG(n)+P_UC(n)                                           （9）

根据得到的根据得到的T_f2，通过式（3）计算蓄电池发出的功率P_LB(n)；蓄电池输出电能随时间变化为：

E_LB(n)＝E_LB(n-1)+P_LB(n)ΔT/3.6×10⁶                              （10）

需要的蓄电池的电能容量为：

$E_{\mathrm{LB}}=\max \left(\stackrel{\&RightArrow;}{E_{\mathrm{LB}}}\right)-\min \left(\stackrel{\&RightArrow;}{E_{\mathrm{LB}}}\right)---\left(11\right)$

式中： $\stackrel{\&RightArrow;}{E_{\mathrm{LB}}}=[E_{\mathrm{LB}\left(1\right)},E_{\mathrm{LB}\left(2\right)}...E_{\mathrm{LB}\left(n\right)}...];$

根据得到的典型季节与典型气候的一整天功率输出监测数据，建立如下优化模型：

目标函数：

f＝min(p_UCE_UC+p_LBE_LB)                                    （12）

其中：p_UC、p_LB为超级电容器和蓄电池的价格；

约束条件：

a）新能源并网标准要求一分钟内最大功率波动不超过额定功率的2%，三十分钟内不超过10%，因此对应的约束条件为：

$\left\{\begin{array}{c}{D}_1-D_{1\mathrm{ref}}\&GreaterEqual;0\\ D_2-D_{2\mathrm{ref}}\&GreaterEqual;0\end{array}\right.---\left(13\right)$

其中：D₁为输入到电网功率满足1分钟内功率波动要求的概率；D₂为满足三十分钟并网要求的概率；D_1ref、D_2ref为设定的期望满足率。

b）同时考虑到蓄电池的爬坡率，有：

|PLB_i-PLB_i+1|≤ΔPLB_max(i＝1,2,3...n-1)                  （14）

式中：ΔPLB_max为蓄电池的最大爬坡率。

选取调用粒子群优化算法(PSO)解决上述优化问题，待优化的参数为变时间常数控制参数：A、B、C、T_{f1_min}、T_{f1_max}、T_{f2_min}、T_{f2_max}。

所述的步骤（3）为：从具体地区抽取的若干条功率曲线中，每一条曲线均能优化出一组变时间常数控制中的参数A、B、C、T_{f1_min}、T_{f1_max}、T_{f2_min}、T_{f2_max}，根据这些组控制参数值，我们根据如下过程可以对应得到超级电容器和蓄电池的容量的值。

通过式（5）计算出超级电容器的时间常数T_f1，然后根据式（3）计算超级电容器发出的功率P_LB(n)，根据式（7）计算出超级电容器输出电能随时间的变化E_UC(n)，最后根据式（8）计算出需要的超级电容器的容量；

同理通过式（2）计算出蓄电池的时间常数T_f2，然后根据式（3）计算蓄电池发出的功率P_LB(n)，根据式（10）计算出蓄电池输出电能随时间的变化E_LB(n)，最后根据式（11）计算出需要的蓄电池的容量E_LB。

实施例

步骤一：结合具体地区的实际情况，抽取该地区经典风速数据，调用粒子群优化算法（PSO），优化出变时间常数控制的控制参数A、B、C、T_{f1_max}、T_{f1_min}、T_{f2_max}、T_{f2_min}和超级电容器、蓄电池所用容量。

表1考虑变时间常数控制的参数和储能容量计算结果

步骤二：依据步骤一得出的各控制参数，由公式（1）设计超级电容器的惯性时间常数，实时根据当前的功率指令值调整惯性时间常数。

$T_{f1}=\left\{\begin{array}{cc}{T}_{f1\_\max }& 0\&le;\left|{\mathrm{\&Delta;P}}_1\right|\&le;-B\ln (T_{f1\_\max }/A)\\ {\mathrm{Ae}}^{-\frac{\left|\mathrm{\&Delta;p}\right|}{B}}& -B\ln \left(\frac{T_{f1\_\max }}{A}\right)\&le;\left|{\mathrm{\&Delta;P}}_1\right|\&le;-B\ln \left(\frac{T_{f1\_\min }}{A}\right)\\ T_{f1\_\min }& \left|{\mathrm{\&Delta;P}}_1\right|\&GreaterEqual;-B\ln (T_{f1\_\mathrm{nim}}/A)\end{array}\right.---\left(15\right)$

根据图2，根据超级电容器功率指令值ΔP₁修改T_f1后，超级电容器发出的功率值（新的功率指令值）为：

$P_{\mathrm{UC}\left(n\right)}=\frac{T_{f1}}{\mathrm{\&Delta;T}+T_{f1}}(P_{\mathrm{DG}(n-1)}-P_{\mathrm{DG}\left(n\right)}+P_{\mathrm{UC}(n-1)})---\left(16\right)$

用超级电容器滤除高频波动部分后输出的功率为：

P_Tem(n)＝P_DG(n)+P_UC(n)                                       (17)

步骤三：依据步骤一得出的各控制参数，由公式（4）设计蓄电池的惯性时间常数，不停根据当前的功率指令值修改惯性时间常数。

$T_{f2}=\left\{\begin{array}{cc}{T}_{f2\_\min }& C\left|{\mathrm{\&Delta;P}}_2\right|\&le;T_{f2\_\min }\\ C\left|{\mathrm{\&Delta;P}}_2\right|& T_{f2-\min }<C\left|{\mathrm{\&Delta;P}}_2\right|<T_{f2\_\max }\\ T_{f2\_\max }& C\left|{\mathrm{\&Delta;P}}_2\right|\&GreaterEqual;T_{f2\_\max }\end{array}\right.---\left(18\right)$

根据图2，根据蓄电池功率指令值ΔP₂修改T_f2后，蓄电池发出的功率值（新的功率指令值）为：

$P_{\mathrm{LB}\left(n\right)}=\frac{T_{f2}}{\mathrm{\&Delta;T}+T_{f2}}(P_{\mathrm{Tem}(n-1)}-P_{\mathrm{Tem}\left(n\right)}+P_{\mathrm{TB}(n-1)})---\left(19\right)$

经过超级电容器和蓄电池滤除后的输出功率为：

P_O(n)＝P_DG(n)+P_UC(n)+P_LB(n)                                  (20)

根据风光输出的功率数据，实时调整超级电容器和蓄电池的惯性时间常数，实现对风光放电系统输出功率，使其满足并网指标。

利用步骤一得到的控制参数及储能容量，对典型风光总有功输出进行两级平抑后的功率曲线如图4所示。

经过滚动检测窗口，得到输入到电网功率的最大波动幅值如图5所示。

Claims (3)

1.一种利用复合储能技术平抑风光发电系统输出功率波动的方法，其特征在于包括以下步骤：

（1）从具体地区的风光系统运营历史数据中，抽取若干典型季节与典型气候的一整天功率输出监测数据；

（2）根据监测数据，通过PSO优化算法优化计算出变时间常数控制参数：A、B、C、T_{f1_min}、T_{f1_max}、T_{f2_min}、T_{f2_max}；

（3）根据得到的多组变时间常数控制中各控制参数，对应计算出所需要的超级电容器和蓄电池的容量，对于得到的多组变时间常数控制中各控制参数、超级电容器和蓄电池的容量，分别求取相应的平均值，得到变时间常数控制中各控制参数值、超级电容器和蓄电池的容量值；

（4）根据得到的变时间常数控制参数、超级电容器和蓄电池的容量，对实际的风光输出功率进行平抑，平抑风光系统输出功率波动分为两级，第一级利用超级电容器平抑几秒至几分钟内的高频波动部分，第二级利用蓄电池平抑几分钟至几小时内的中频波动部分，根据输出波动的大小调整过滤器的时间常数T_f1和T_f2；

（5）根据得到的T_f1，计算超级电容器发出的功率：

$P_{\mathrm{UC}\left(n\right)}=\frac{T_{f1}}{\mathrm{\&Delta;T}+T_{f1}}(P_{\mathrm{DG}(n-1)}-P_{\mathrm{DG}\left(n\right)}+P_{\mathrm{UC}(n-1)})---\left(1\right)$

其中，ΔT为采样时间间隔，P_DG为风光系统输出功率，P_UC为超级电容器发出功率值；

用超级电容器滤除高频波动部分后的输出功率为：

P_Tem(n)＝P_DG(n)+P_UC(n)                             （2）

（6）根据得到的T_f2，计算蓄电池发出的功率：

$P_{\mathrm{LB}\left(n\right)}=\frac{T_{f2}}{\mathrm{\&Delta;T}+T_{f2}}(P_{\mathrm{Tem}(n-1)}-P_{\mathrm{Tem}\left(n\right)}+P_{\mathrm{TB}(n-1)})---\left(3\right)$

经过超级电容器和蓄电池滤波作用后的输出功率为：

P_O(n)＝P_DG(n)+P_UC(n)+P_LB(n)                        （4）

使任意一分钟内最大功率波动不超过额定功率的2%，任意三十分钟内不超过10%。

2.根据权利要求1所述的一种利用复合储能技术平抑风光发电系统输出功率波动的方法，其特征在于所述的步骤（2）为：根据ΔP的大小,改变惯性环节的时间常数T_f，根据ΔP₁的值通过式（5）来计算T_f1：

$T_{f1}=\left\{\begin{array}{cc}{T}_{f1\_\max }& 0\&le;\left|{\mathrm{\&Delta;P}}_1\right|\&le;-B\ln (T_{f1\_\max }/A)\\ {\mathrm{Ae}}^{-\frac{\left|\mathrm{\&Delta;p}\right|}{B}}& -B\ln \left(\frac{T_{f1\_\max }}{A}\right)\&le;\left|{\mathrm{\&Delta;P}}_1\right|\&le;-B\ln \left(\frac{T_{f1\_\min }}{A}\right)\\ T_{f1\_\min }& \left|{\mathrm{\&Delta;P}}_1\right|\&GreaterEqual;-B\ln (T_{f1\_\mathrm{nim}}/A)\end{array}\right.---\left(5\right)$

其中，T_f1为超级电容器滤波环节的惯性时间常数；ΔP₁为超级电容器的充放电指令值；A、B为变时间常数控制参数；T_{f1_max}、T_{f1_min}分别为超级电容器的时间常数变化上、下限；

根据ΔP₂的值通过式（6）来计算T_f2：

$T_{f2}=\left\{\begin{array}{cc}{T}_{f2\_\min }& C\left|{\mathrm{\&Delta;P}}_2\right|\&le;T_{f2\_\min }\\ C\left|{\mathrm{\&Delta;P}}_2\right|& T_{f2\_\min }<C\left|{\mathrm{\&Delta;P}}_2\right|<T_{f2\_\max }\\ T_{f2\_\max }& C\left|{\mathrm{\&Delta;P}}_2\right|\&GreaterEqual;T_{f2\_\max }\end{array}\right.---\left(6\right)$

其中，T_f2为蓄电池滤波环节的惯性时间常数；ΔP₂为蓄电池的充放电指令值；C为控制参数；T_{f2_max}、T_{f2_min}分别为蓄电池滤波环节的时间常数变化上、下限；

通过式（1）计算超级电容器发出的功率P_UC(n)；

超级电容器输出电能随时间变化为：

E_uc(n)＝E_uc(n-1)+P_UC(n)ΔT/3.6×10⁶                               （7）

则需要的超级电容器容量为：

$E_{\mathrm{UC}}=\max \left(\stackrel{\&RightArrow;}{E_{\mathrm{UC}}}\right)-\min \left(\stackrel{\&RightArrow;}{E_{\mathrm{UC}}}\right)---\left(8\right)$

式中：ΔT为采样时间间隔；P_DG(n)、P_UC(n)为总的分布式发电和超级电容器在n时刻发出的功率；E_UC(n)为超级电容器到n时刻放出的总电能； $\stackrel{\&RightArrow;}{E_{\mathrm{UC}}}=[E_{\mathrm{UC}\left(1\right)},E_{\mathrm{UC}\left(2\right)}...E_{\mathrm{UC}\left(n\right)}...].$

用超级电容器滤除高频波动部分后的输出功率为：

P_tem(n)＝P_DG(n)+P_UC(n)                                            （9）

根据得到的根据得到的T_f2，通过式（3）计算蓄电池发出的功率P_LB(n)；

蓄电池输出电能随时间变化为：

E_LB(n)＝E_LB(n-1)+P_LB(n)ΔT/13.6×10⁶                               （10）

需要的蓄电池的电能容量为：

$E_{\mathrm{LB}}=\max \left(\stackrel{\&RightArrow;}{E_{\mathrm{LB}}}\right)-\min \left(\stackrel{\&RightArrow;}{E_{\mathrm{LB}}}\right)---\left(11\right)$

式中： $\stackrel{\&RightArrow;}{E_{\mathrm{LB}}}=[E_{\mathrm{LB}\left(1\right)},E_{\mathrm{LB}\left(2\right)}...E_{\mathrm{LB}\left(n\right)}...];$

根据得到的典型季节与典型气候的一整天功率输出监测数据，建立如下优化模型：

目标函数：

f＝min(p_UCE_UC+p_LBE_LB)                                    （12）

其中p_UC、p_LB为超级电容器和蓄电池的价格；

约束条件：

a）新能源并网标准要求一分钟内最大功率波动不超过额定功率的2%，三十分钟内不超过10%，因此对应的约束条件为：

$\left\{\begin{array}{c}{D}_1-D_{1\mathrm{ref}}\&GreaterEqual;0\\ D_2-D_{2\mathrm{ref}}\&GreaterEqual;0\end{array}\right.---\left(13\right)$

其中：D₁为输入到电网功率满足1分钟内功率波动要求的概率；D₂为满足三十分钟并网要求的概率；D_1ref、D_2ref为设定的期望满足率。

b）同时考虑到蓄电池的爬坡率，有：

|PLB_i-PLB_i+1|≤ΔPLB_max(i＝1,2,3...n-1)                   （14）

式中：ΔPLB_max为蓄电池的最大爬坡率。

选取调用粒子群优化算法(PSO)解决上述优化问题，待优化的参数为变时间常数控制参数：A、B、C、T_{f1_min}、T_{f1_max}、T_{f2_min}、T_{f2_max}。

3.根据权利要求1所述的一种利用复合储能技术平抑风光发电系统输出功率波动的方法，其特征在于所述的步骤（3）为：从具体地区抽取的若干条功率曲线中，每一条曲线均能优化出一组变时间常数控制中的参数A、B、C、T_{f1_min}、T_{f1_max}、T_{f2_min}、T_{f2_max}，根据这些组控制参数值，我们根据如下过程可以对应得到超级电容器和蓄电池的容量的值。

通过式（5）计算出超级电容器的时间常数T_f1，然后根据式（3）计算超级电容器发出的功率P_LB(n)，根据式（7）计算出超级电容器输出电能随时间的变化E_UC(n)，最后根据式（8）计算出需要的超级电容器的容量；

同理通过式（2）计算出蓄电池的时间常数T_f2，然后根据式（3）计算蓄电池发出的功率P_LB(n)，根据式（10）计算出蓄电池输出电能随时间的变化E_LB(n)，最后根据式（11）计算出需要的蓄电池的容量E_LB；

将上述得到的多组变时间常数控制中各控制参数、超级电容器和蓄电池的容量，分别求取相应的平均值，得到变时间常数控制中各控制参数值、超级电容器和蓄电池的容量值。

Images