CN103178538A - 混合储能型风力发电系统的风电功率波动抑制方法 - Google Patents

Abstract

本发明公开了混合储能系统的风电功率波动控制技术领域中的一种混合储能型风力发电系统的风电功率波动抑制方法。包括采集时刻t风电场输出功率和前一时刻t-1混合储能型风力发电系统的输出功率；对时刻t风电场输出功率进行经验模态分解运算，得到n个本征模函数分量和一个余项；计算时刻t混合储能子系统的输出功率；判断时刻t电池和超级电容器的充放电优先级；计算时刻t电池的输出功率和超级电容器的输出功率；分别控制电池和超级电容器按照时刻t电池的输出功率和超级电容器的输出功率进行输出；进入下一时刻t+1，继续上述过程。本发明解决了传统滤波算法输出滞后的问题，弥补了单独一种储能介质平抑波动能力弱和使用寿命短等缺点。

Description

混合储能型风力发电系统的风电功率波动抑制方法

技术领域

本发明属于混合储能系统的风电功率波动控制技术领域，尤其涉及一种混合储能型风力发电系统的风电功率波动抑制方法。

背景技术

风电已经成为我国第三大电源，但风电固有的间歇波动性使其规模化并网危及电网运行的安全稳定，对电网调频和备用容量规划带来很大挑战。大规模储能与大容量风力发电系统的结合是可再生能源发展的必要趋势。

常见的储能设备可以分为功率型和能量型储能设备。能量型储能系统（如电池）能量密度高，但响应速度较慢，功率密度和循环使用寿命低，不适于频繁充放电。功率型储能系统（如超级电容器）功率密度和循环寿命高，但能量密度低，难以承担大幅度风电功率波动的调控。混合储能系统（功率型-能量型储能介质构成的储能系统，Hybrid Energy Storage System，HESS），具有循环次数高、功率密度大和能量密度高等优点，可以最大程度地解决单独使用单类型储能系统受能量密度和运行寿命等因素制约的问题，可望成为平抑风电功率波动的有效储能形式。

目前，国内外普遍采用一阶低通滤波的方法来实现储能系统平抑风电功率波动的目的。经一阶低通滤波平滑后的功率由于其滞后的原因，回归周期相对较长。为了增强对较大的风电功率波动抑制能力，需较大的时间常数，这样会造成对较小的风电功率波动的过度调整，增大了储能的负担。也有专家提出用自适应滤波的方法，如专利申请号为201110059831.2（公布号：CN102163849A），名称为“基于储能电池荷电状态反馈的风电出力自适应平滑方法”的中国专利，该专利提供的方法实现了依据电池储能系统的电池荷电状态（SOC）自适应地调整一阶低通滤波器的时间常数，起到了保护储能系统的作用。但是，该方法没有从根本上解决一阶低通滤波器所产生的滞后问题。

经验模态分解（Empirical Mode Decomposition，简称EMD）是一种基于信号局部特征的自适应信号分解方法，它可以将非平稳序列分解为一定数目的本征模态函数（Intrinsic Mode Function，简称IMF）分量c_i（1＜i＜n）和一个趋势项r_n（残余函数），r_n是原序列经过逐级分离出IMF分量后，最终剩下来的“分量”，是单调的和光滑的。每个IMF保证在每一个瞬时时刻仅对应一个频率值，即IMF是单分量信号。根据这个特征，经验模态分解可以把不同频率成分分解在不同的IMF分量上，且IMF分量的频率变化是有规律的，首先分解出的IMF分量频率最高，然后依次降低，最后分解出的IMF分量的频率最低。因此，经验模态分解具有时空滤波特性，可以根据需要成为高通滤波器、低通滤波器和带通滤波器。由于任何复杂的信号都是由简单的IMF组成的，且每一个IMF都是相互独立的，因此可以考虑使用经验模态分解将功率数据时间序列中真实存在的不同尺度或趋势分量逐级分解出来，产生一系列具有相同特征尺度的数据序列，分解后的序列与原始数据序列相比具有更强的规律性。本发明正是基于经验模态分解的这一特点，设计了一种低通滤波器，用以平抑风电功率波动，被平抑的部分由电池和超级电容器构成的混合储能系统吸收。在分配两种储能设备各自出力的大小时，兼顾电池的SOC（State Of Charge，荷电状态）和超级电容器的电压，防止出现储能系统的过度充电或过度放电情况，从而保障风储联合发电系统出力波动在指定的范围内。

发明内容

本发明的目的在于，提出一种混合储能型风力发电系统的风电功率波动抑制方法，用以解决现有技术在平抑功率和能量混合储能型风电系统风电功率波动时存在的功率输出滞后，从而导致所需的储能容量较大的缺点，以及在分配功率时不能充分发挥混合储能设备各自的特点的问题。

为了实现上述目的，本发明提出的技术方案是，一种混合储能型风力发电系统的风电功率波动抑制方法，所述混合储能型风力发电系统包括混合储能子系统和风力发电子系统，所述混合储能子系统采用电池和超级电容器，混合储能子系统的输出功率为电池的输出功率和超级电容器的输出功率之和，所述风力发电子系统的输出功率即为风电场输出功率，其特征是所述方法包括：

步骤1：采集时刻t风电场输出功率P_WG(t)和前一时刻t-1混合储能型风力发电系统的合成输出功率P_out(t-1)；

步骤2：对时刻t风电场输出功率P_WG(t)进行经验模态分解运算，得到n个本征模函数分量c_i(t)和一个余项r_n(t)，i＝1,2,...,n；

步骤3：计算时刻t混合储能子系统的输出功率P_HESS(t)；

步骤4：判断时刻t电池和超级电容器的充放电优先级；

步骤5：计算时刻t电池的输出功率和超级电容器的输出功率；

步骤6：分别控制电池和超级电容器按照时刻t电池的输出功率和超级电容器的输出功率进行输出；

步骤7：进入下一时刻t+1，返回步骤1。

所述计算时刻t混合储能子系统的输出功率P_HESS(t)具体包括：

步骤101：令j＝1；

步骤102：根据公式计算时刻t混合储能型风力发电系统的合成输出功率；

步骤103：根据公式P_b(t)＝|(P_out(t)-P_out(t-1))/P_rated|计算时刻t风电功率的波动率；其中，P_b(t)为时刻t风电功率的波动率，P_rated为风电场的额定功率；

步骤104：判断时刻t风电功率的波动率P_b(t)与设定值P_b-rated的大小，当P_b(t)≤P_b-rated时，令j＝j+1，返回步骤102；否则，执行步骤105；

步骤105：根据公式P_HESS(t)＝P_WG(t)-P_out(t)计算时刻t混合储能子系统的输出功率。

所述判断时刻t电池和超级电容器的充放电优先级具体是：

步骤201：初始化时刻t电池的充放电优先级设定值T_BESS(t)＝0，初始化时刻t超级电容器的充放电优先级设定值T_CAP(t)＝0；

步骤202：根据时刻t电池的荷电状态SOC(t)确定时刻t电池的充放电优先级设定值，具体为：

当SOC_min＜SOC(t)＜SOC_max时，令T_BESS(t)＝1；

当SOC_max＜SOC(t)＜1时，如果电池处于充电状态，令T_BESS(t)＝0；如果电池处于放电状态，令T_BESS(t)＝2；

当0＜SOC(t)＜SOC_min时，如果电池处于充电状态，令T_BESS(t)＝2；如果电池处于放电状态，令T_BESS(t)＝0；

SOC_min和SOC_max分别为电池荷电状态的下限值和上限值；

步骤203：根据时刻t超级电容器的电压U(t)确定时刻t超级电容器的充放电优先级设定值，具体为：

当U_min＜U(t)＜U_max时，令T_CAP(t)＝1；

当U_max＜U(t)＜1时，如果超级电容器处于充电状态，令T_CAP(t)＝0；如果超级电容器处于放电状态，令T_CAP(t)＝2；

当0＜U(t)＜U_min时，如果超级电容器处于充电状态，令T_CAP(t)＝2；如果超级电容器处于放电状态，令T_CAP(t)＝0；

U_min和U_max分别为超级电容器的电压的下限值和上限值；

步骤204：当T_BESS(t)＞T_CAP(t)时，则时刻t电池的充放电优先级大于时刻t超级电容器的充放电优先级；当T_BESS(t)＜T_CAP(t)时，则时刻t电池的充放电优先级小于时刻t超级电容器的充放电优先级；当T_BESS(t)＝T_CAP(t)时，则时刻t电池的充放电优先级等于时刻t超级电容器的充放电优先级。

所述步骤5具体包括：

步骤301：对时刻t及其之前的M-1个时刻的混合储能子系统的输出功率P_HESS(t)、P_HESS(t-1)、...、P_HESS(t-M+1)分别进行经验模态分解运算，每个时刻的混合储能子系统的输出功率经过经验模态分解运算后，得到m个本征模函数分量c_k(t_p)和一个余项r_m(t_p)，k＝1,2,...,m；t_p＝t-M+1,t-M+2,...,t；M为设定值；

步骤302：根据公式

计算M个时刻混合储能子系统的输出功率本征模函数对应分量之和，其中k_j从1取到m；

当k_j从1取到m时，确定|w(k_j)|的最大值，将|w(k_j)|的最大值对应的k_j赋值给变量l，即令l＝k_j；

步骤303：当时刻t电池的充放电优先级大于时刻t超级电容器的充放电优先级时，令l＝l-1；

当时刻t电池的充放电优先级小于时刻t超级电容器的充放电优先级时，令l＝l+1；

当时刻t电池的充放电优先级等于时刻t超级电容器的充放电优先级时，l的值保持不变；

步骤304：分别计算时刻t电池的输出功率和超级电容器的输出功率；

时刻t电池的输出功率的计算公式为

时刻t超级电容器的输出功率的计算公式为P_CAP(t)＝P_HESS(t)-P_BESS(t)。

本发明解决了传统滤波算法输出滞后的问题，弥补了单独一种储能介质平抑波动能力弱、使用寿命短等缺点，实现风储联合出力平抑风电波动的目的。

附图说明

图1是平抑风电功率波动控制框图；

图2是储能平抑风电功率波动控制流程图；

图3是电池和超级电容器的状态划分示意图；

图4是混合储能子系统功率分配控制流程图。

具体实施方式

下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

图1是平抑风电功率波动控制框图。

如图1所示，本发明通过数据采集模块实时采集风电场直接输出功率P_WG(t)和前一时刻风储合成出力P_out(t-1)，将数据送至平抑控制模块。平抑控制模块根据功率波动的剧烈程度调整EMD低通滤波器的结果，输出平抑后的风电功率P_out(t)，同时计算混合储能系统的出力P_HESS(t)。数据采集模块实时采集混合储能系统的出力为P_HESS(t)、电池的和超级电容器的充/放电优先级别T_BESS(t)和T_CAP(t)，将数据送至功率分配控制模块。功率分配控制模块根据电池的和超级电容器的充/放电优先级别T_BESS(t)和T_CAP(t)调整EMD低通滤波器的结构，并输出控制功率指令和充/放电指令。电池/超级电容器储能系统按照控制指令出力，储能系统输出的电能通过功率变流器PCS控制，储能出力和风电出力分别经过断路器合成，再经过变压器并入电网。

图2是储能平抑风电功率波动控制流程图。如图2所示，混合储能型风力发电系统的风电功率波动抑制方法包括：

步骤1：采集时刻t风电场输出功率P_WG(t)和前一时刻t-1混合储能型风力发电系统的合成输出功率P_out(t-1)。

步骤2：对时刻t风电场输出功率P_WG(t)进行经验模态分解运算，得到n个本征模函数分量c_i(t)和一个余项r_n(t)，i＝1,2,...,n。

步骤3：计算时刻t混合储能子系统的输出功率P_HESS(t)，具体包括：

步骤101：令j＝1。

步骤102：根据公式计算时刻t混合储能型风力发电系统的合成输出功率。

步骤103：根据公式P_b(t)＝|(P_out(t)-P_out(t-1))/P_rated|计算时刻t风电功率的波动率；其中，P_b(t)为时刻t风电功率的波动率，P_rated为风电场的额定功率。

步骤104：判断时刻t风电功率的波动率P_b(t)与设定值P_b-rated的大小，当P_b(t)≤P_b-rated时，令j＝j+1，返回步骤102；否则，执行步骤105。

步骤105：根据公式P_HESS(t)＝P_WG(t)-P_out(t)计算时刻t混合储能子系统的输出功率。

步骤4：判断时刻t电池和超级电容器的充放电优先级。

图3是电池和超级电容器的状态划分示意图，如图3所示，时刻t电池和超级电容器的充放电优先级的判断过程为：

步骤201：初始化时刻t电池的充放电优先级设定值T_BESS(t)＝0，初始化时刻t超级电容器的充放电优先级设定值T_CAP(t)＝0。

步骤202：根据时刻t电池的荷电状态SOC(t)确定时刻t电池的充放电优先级设定值，具体为：

当SOC_min＜SOC(t)＜SOC_max时，令T_BESS(t)＝1。

当SOC_max＜SOC(t)＜1时，如果电池处于充电状态，令T_BESS(t)＝0；如果电池处于放电状态，令T_BESS(t)＝2。

当0＜SOC(t)＜SOC_min时，如果电池处于充电状态，令T_BESS(t)＝2；如果电池处于放电状态，令T_BESS(t)＝0。

SOC_min和SOC_max分别为电池荷电状态的下限值和上限值。

步骤203：根据时刻t超级电容器的电压U(t)确定时刻t超级电容器的充放电优先级设定值，具体为：

当U_min＜U(t)＜U_max时，令T_CAP(t)＝1。

当U_max＜U(t)＜1时，如果超级电容器处于充电状态，令T_CAP(t)＝0；如果超级电容器处于放电状态，令T_CAP(t)＝2。

当0＜U(t)＜U_min时，如果超级电容器处于充电状态，令T_CAP(t)＝2；如果超级电容器处于放电状态，令T_CAP(t)＝0。

U_min和U_max分别为超级电容器的电压的下限值和上限值。

步骤204：当T_BESS(t)＞T_CAP(t)时，则时刻t电池的充放电优先级大于时刻t超级电容器的充放电优先级；当T_BESS(t)＜T_CAP(t)时，则时刻t电池的充放电优先级小于时刻t超级电容器的充放电优先级；当T_BESS(t)＝T_CAP(t)时，则时刻t电池的充放电优先级等于时刻t超级电容器的充放电优先级。

步骤5：计算时刻t电池的输出功率和超级电容器的输出功率。

图4是混合储能子系统功率分配控制流程图，如图4所示，时刻t电池的输出功率和超级电容器的输出功率具体包括：

步骤301：对时刻t及其之前的M-1个时刻的混合储能子系统的输出功率P_HESS(t)、P_HESS(t-1)、...、P_HESS(t-M+1)分别进行经验模态分解运算，每个时刻的混合储能子系统的输出功率经过经验模态分解运算后，得到m个本征模函数分量c_k(t_p)和一个余项r_m(t_p)，k＝1,2,...,m；t_p＝t-M+1,t-M+2,...,t；M为设定值。

步骤302：根据公式

计算M个时刻混合储能子系统的输出功率本征模函数对应分量之和，其中k_j从1取到m。

当k_j从1取到m时，确定|w(k_j)|的最大值，将|w(k_j)|的最大值对应的k_j赋值给变量l，即令l＝k_j。

步骤303：当时刻t电池的充放电优先级大于时刻t超级电容器的充放电优先级时，令l＝l-1。

当时刻t电池的充放电优先级小于时刻t超级电容器的充放电优先级时，令l＝l+1。

当时刻t电池的充放电优先级等于时刻t超级电容器的充放电优先级时，l的值保持不变。

步骤304：分别计算时刻t电池的输出功率和超级电容器的输出功率。

时刻t电池的输出功率的计算公式为

时刻t超级电容器的输出功率的计算公式为P_CAP(t)＝P_HESS(t)-P_BESS(t)。

步骤6：分别控制电池和超级电容器按照时刻t电池的输出功率和超级电容器的输出功率进行输出；

步骤7：进入下一时刻t+1，返回步骤1，进行下一时刻的风电功率平抑过程。

本发明有益效果是：本发明以平抑风电波动为控制目标，采用基于经验模态分解的低通滤波算法，平抑风电场直接输出功率，混合储能系统吸收被平抑的高频分量。依据风电功率波的大小，判断是否满足额定输出要求，从而调整滤波器的结构。分配电池和超级电容器的功率时，同样采用基于经验模态分解的低通滤波算法。根据电池能量密度高且功率密度低的特点，使其承担混合储能系统总充放电功率中代表变化趋势的低频分量，减少电池的充放电次数；根据超级电容器功率密度高和循环次数多的特点，使其承担混合储能系统总充放电功率中占代表“毛刺”的高频分量，减少所需容量。本发明解决了传统滤波算法输出滞后的问题，弥补了单独一种储能介质平抑波动能力弱、使用寿命短等缺点，实现风储联合出力平抑风电波动的目的。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (4)

1.一种混合储能型风力发电系统的风电功率波动抑制方法，所述混合储能型风力发电系统包括混合储能子系统和风力发电子系统，所述混合储能子系统采用电池和超级电容器，混合储能子系统的输出功率为电池的输出功率和超级电容器的输出功率之和，所述风力发电子系统的输出功率即为风电场输出功率，其特征是所述方法包括：

步骤1：采集时刻t风电场输出功率P_WG(t)和前一时刻t-1混合储能型风力发电系统的合成输出功率P_out(t-1)；

步骤2：对时刻t风电场输出功率P_WG(t)进行经验模态分解运算，得到n个本征模函数分量c_i(t)和一个余项r_n(t)，i＝1,2,...,n；

步骤3：计算时刻t混合储能子系统的输出功率P_HESS(t)；

步骤4：判断时刻t电池和超级电容器的充放电优先级；

步骤5：计算时刻t电池的输出功率和超级电容器的输出功率；

步骤6：分别控制电池和超级电容器按照时刻t电池的输出功率和超级电容器的输出功率进行输出；

步骤7：进入下一时刻t+1，返回步骤1。

2.根据权利要求1所述的风电功率波动抑制方法，其特征是所述计算时刻t混合储能子系统的输出功率P_HESS(t)具体包括：

步骤101：令j＝1；

步骤102：根据公式

计算时刻t混合储能型风力发电系统的合成输出功率；

步骤103：根据公式P_b(t)＝|(P_out(t)-P_out(t-1))/P_rated|计算时刻t风电功率的波动率；其中，P_b(t)为时刻t风电功率的波动率，P_rated为风电场的额定功率；

步骤104：判断时刻t风电功率的波动率P_b(t)与设定值P_b-rated的大小，当P_b(t)≤P_b-rated时，令j＝j+1，返回步骤102；否则，执行步骤105；

步骤105：根据公式P_HESS(t)＝P_WG(t)-P_out(t)计算时刻t混合储能子系统的输出功率。

3.根据权利要求1所述的风电功率波动抑制方法，其特征是所述判断时刻t电池和超级电容器的充放电优先级具体是：

步骤201：初始化时刻t电池的充放电优先级设定值T_BESS(t)＝0，初始化时刻t超级电容器的充放电优先级设定值T_CAP(t)＝0；

步骤202：根据时刻t电池的荷电状态SOC(t)确定时刻t电池的充放电优先级设定值，具体为：

当SOC_min＜SOC(t)＜SOC_max时，令T_BESS(t)＝1；

当SOC_max＜SOC(t)＜1时，如果电池处于充电状态，令T_BESS(t)＝0；如果电池处于放电状态，令T_BESS(t)＝2；

当0＜SOC(t)＜SOC_min时，如果电池处于充电状态，令T_BESS(t)＝2；如果电池处于放电状态，令T_BESS(t)＝0；

SOC_min和SOC_max分别为电池荷电状态的下限值和上限值；

步骤203：根据时刻t超级电容器的电压U(t)确定时刻t超级电容器的充放电优先级设定值，具体为：

当U_min＜U(t)＜U_max时，令T_CAP(t)＝1；

当U_max＜U(t)＜1时，如果超级电容器处于充电状态，令T_CAP(t)＝0；如果超级电容器处于放电状态，令T_CAP(t)＝2；

当0＜U(t)＜U_min时，如果超级电容器处于充电状态，令T_CAP(t)＝2；如果超级电容器处于放电状态，令T_CAP(t)＝0；

U_min和U_max分别为超级电容器的电压的下限值和上限值；

步骤204：当T_BESS(t)＞T_CAP(t)时，则时刻t电池的充放电优先级大于时刻t超级电容器的充放电优先级；当T_BESS(t)＜T_CAP(t)时，则时刻t电池的充放电优先级小于时刻t超级电容器的充放电优先级；当T_BESS(t)＝T_CAP(t)时，则时刻t电池的充放电优先级等于时刻t超级电容器的充放电优先级。

4.根据权利要求1所述的风电功率波动抑制方法，其特征是所述步骤5具体包括：

步骤301：对时刻t及其之前的M-1个时刻的混合储能子系统的输出功率P_HESS(t)、P_HESS(t-1)、...、P_HESS(t-M+1)分别进行经验模态分解运算，每个时刻的混合储能子系统的输出功率经过经验模态分解运算后，得到m个本征模函数分量c_k(t_p)和一个余项r_m(t_p)，k＝1,2,...,m；t_p＝t-M+1,t-M+2,...,t；M为设定值；

步骤302：根据公式

计算M个时刻混合储能子系统的输出功率本征模函数对应分量之和，其中k_j从1取到m；

当k_j从1取到m时，确定|w(k_j)|的最大值，将|w(k_j)|的最大值对应的k_j赋值给变量l，即令l＝k_j；

步骤303：当时刻t电池的充放电优先级大于时刻t超级电容器的充放电优先级时，令l＝l-1；

当时刻t电池的充放电优先级小于时刻t超级电容器的充放电优先级时，令l＝l+1；

当时刻t电池的充放电优先级等于时刻t超级电容器的充放电优先级时，l的值保持不变；

步骤304：分别计算时刻t电池的输出功率和超级电容器的输出功率；

时刻t电池的输出功率的计算公式为

时刻t超级电容器的输出功率的计算公式为P_CAP(t)＝P_HESS(t)-P_BESS(t)。

Images