CN104319793B - 一种平抑长短期风电功率波动的风储协调控制方法 - Google Patents

Abstract

本发明涉及一种平抑长短期风电功率波动的风储协调控制方法，包括以下步骤：(1)设定储能控制周期T_d和MPC控制周期T_s；(2)根据风储联合发电系统建立MPC控制模型，包括目标函数及其相应约束条件；(3)获取设定时间尺度内的风电功率预测值；(4)对所述MPC控制模型进行优化求解，获得当前的并网功率优化值；(5)采用LPF按储能控制周期进行连续控制，以所述并网功率优化值补偿LPF控制的输出，根据当前MPC控制周期内的风电功率预测值，获得最终并网功率；(6)在执行步骤(5)的同时，判断一个MPC控制周期是否完成，若是，则执行步骤(3)，若否，则返回步骤(6)。与现有技术相比，本发明具有平抑效果好等优点。

Description

一种平抑长短期风电功率波动的风储协调控制方法

技术领域

本发明涉及一种风储协调控制方法，尤其是涉及一种平抑长短期风电功率波动的风储协调控制方法。

背景技术

为了应对传统能源的快速消耗以及日益严峻的环境问题，以风能为代表的绿色可再生能源在世界范围内得到了迅猛的发展。然而，风能的波动性、间歇性对电网带来了多方面的不利影响。在风电大规模接入的背景下，提高风电输出功率稳定性的研究正受到越来越多的重视。伴随储能技术的不断成熟，风储协调运行对于平抑风电功率波动具有很好效果。但考虑到储能系统高昂的单位成本，满足出力平滑的同时做到储能配置的最小化对风储协调控制策略提出了很高的要求。

在1min和10min的较小时间尺度上，利用基于一阶低通滤波原理(LPF)的风储协调策略可以有效补偿风电功率中某一特定频段的波动成分。为改善该原理的效果，可在LPF原理基础上加入随实测电池荷电状态(SOC)改变滤波时间常数的环节，避免了电池的过充和过放；也可采用超级电容与电池混合储能系统，分别补偿功率波动中的高频和中低频分量。LPF原理简单实用，对短期风功率波动有较好的抑制作用。但利用该原理平抑长期波动会加大其滤波时间常数，为此需要配置较大的储能容量，致使总体经济性较差。另外，该原理不具备对未来风功率变化的预判能力，在风功率连续变化时容易因SOC越限而失去平滑功能。

模型预测控制(MPC,Model Predictive Control)是近年来被广泛研究和运用的一种先进控制策略。在每一采样时刻，MPC根据当前获得的测量和预测信息，在线求解一个有限时域开环优化问题，并将求解出的输入序列中第一个元素施加到受控对象作为输入信号，并实施滚动优化。有的研究利用MPC原理平抑风电功率的波动性；有的研究则采用MPC原理使得风储联合发电系统能够跟踪调度曲线。MPC原理主要针对15min以上的风电功率波动，原因有两个方面。首先，MPC原理的控制周期取决于风功率的预测间隔。根据现有国家标准，风功率预测的时间分辨率多为15min。预测间隔越短，则风速数据所表现的随机性和非线性就越强。时间间隔为10min的风速预测至今还是一个世界性难题；其次，在相同的优化时长内(如4h)，MPC控制周期越短则求解优化问题的运算量越大。这样，在15min及以上的较大时间尺度上，MPC原理虽然能够充分利用预测模型发挥其滚动优化控制的优势，但却难以兼顾短期风功率波动。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种平抑长短期风电功率波动的风储协调控制方法，对长短期多个时间尺度的风电功率波动都具有良好的平抑效果，而且能够将储能SOC控制在理想区间附近，使得在恶劣的风况下控制策略具有更好的可持续性。

本发明的目的可以通过以下技术方案来实现：

一种平抑长短期风电功率波动的风储协调控制方法，包括以下步骤：

(1)设定储能控制周期T_d和MPC控制周期T_s，所述储能控制周期为LPF控制的执行周期，T_s＞T_d，且T_s为T_d的整数倍；

(2)根据风储联合发电系统建立MPC控制模型，包括目标函数及其相应约束条件；

(3)获取设定时间尺度内的风电功率预测值，其分辨率与MPC控制周期相同；

(4)对所述MPC控制模型进行优化求解，获得当前MPC控制周期内的并网功率优化值；

(5)采用LPF按储能控制周期进行连续控制，以所述并网功率优化值补偿LPF控制的输出，获得最终并网功率。

(6)在执行步骤(5)的同时，判断一个MPC控制周期是否完成，若是，则返回步骤(3)，若否，则返回步骤(6)；

所述步骤(2)中，MPC控制模型的目标函数如下：

$\min J=\underset{k=1}{\overset{M}{\Σ}}{\left(y\right(k)-L)}^2+\mathrm{\α}\underset{k=0}{\overset{M-1}{\Σ}}x{\left(k\right)}^2+\mathrm{\β}\underset{k=0}{\overset{M-1}{\Σ}}\mathrm{\Δ}u{\left(k\right)}^2$

其中，L为储能处于理想荷电状态时的容量，α和β是惩罚系数，Δu(k)＝u(k)-u(k-1)，u(k)为并网功率，r(k)为风电功率，x(k)为储能输出功率，y(k)为储能剩余容量，k为MPC的控制时刻，k时刻与k-1时刻间的间隔为T_s，M为控制时域；

目标函数所满足的约束条件包括：

a)并网功率约束

0≤u(k)≤P_rated k＝0，1，···,M-1

b)储能输出功率约束

-P_ch≤x(k)≤P_dch k＝0，1，···,M-1

c)储能容量约束

$S_{min}\≤\frac{y\left(k\right)}{C_B}\≤S_{max},k=0,1,...,M-1$

其中，P_rated为风电场额定容量，P_ch和P_dch分别为储能最大充放电功率，C_B为储能系统总容量，S_max和S_min为储能系统荷电状态的上下限。

所述步骤(4)中，对MPC控制模型进行优化求解时，将MPC控制模型转化为二次规划问题进行求解。

所述步骤(5)中，储能控制周期内并网功率补偿值的具体计算过程为：

501)计算一个MPC控制周期内并网总出力补偿值W_C：

$\begin{array}{c}{W}_C=W_M-W_L\\ ={\mathrm{nP}}_g^{*}{T}_d-\underset{i=1}{\overset{n}{\Σ}}{(1-\mathrm{\τ})}^i{P}_g\left(0\right)T_d-\underset{i=1}{\overset{n}{\Σ}}{P}_w\left(i\right)T_d+\underset{i=1}{\overset{n}{\Σ}}{(1-\mathrm{\τ})}^{n+1-i}{P}_w\left(i\right)T_d\end{array}$

W_M为以所述并网功率优化值补偿后的并网总出力，W_L为补偿前的并网总出力，为并网功率优化值，n＝T_s/T_d，i表示LPF控制时刻，i＝0表示每个MPC控制周期的初始时刻，P_g为并网功率，P_w为风电功率，τ＝T_d/(T_d+T_c)，为滤波时间常数因子，T_c为滤波时间常数；

502)以当前MPC控制周期内的风电功率预测值P_wm作为各时刻风电功率实际值P_w(i)，得到并网功率补偿值：

$P_C=\frac{W_c}{T_s}=P_g^{*}-P_{wm}+\underset{i=1}{\overset{n}{\Σ}}{(1-\mathrm{\τ})}^i\frac{P_{wn}-P_g\left(0\right)}{n}=P_g^{*}-P_{wn}+\frac{1-\mathrm{\τ}}{\mathrm{\τ}}\frac{P_{wm}-P_g\left(0\right)}{n};$

503)对功率补偿值进行平滑处理，使相邻MPC控制周期的功率补偿值之差小于阈值P_th，即：

$P_C\left(i\right)=\left\{\begin{array}{cc}\frac{(m-i)P_{CP}+{\mathrm{iP}}_{CN}}{m},& 1\&le;i<m\\ P_{CN},& m\&le;i\&le;n\end{array}\right.$

其中，P_C(i)为经平滑处理后各时刻新的功率补偿值；P_CP和P_CN分别为由步骤502)中的公式计算出的前一MPC控制周期和当前MPC控制周期的功率补偿值；

与现有技术相比，本发明采用MPC控制的优化结果补偿LPF的输出，对常规LPF原理进行上述功率补偿后，其在小时间尺度上依旧保持了低通滤波特性，而在大时间尺度上能够跟踪执行MPC的优化结果，既能够有效平抑短期风电功率波动，又能在较长时间尺度上有效控制储能SOC的变化范围。由于实现机制上没有依赖动态调整滤波时间常数，避免了因惯性环节固有的滞后性而导致的调节性能下降。

附图说明

图1为风储联合运行系统的结构示意图；

图2为本发明的流程示意图；

图3为MPC优化结果与本发明方法的比较示意图；

图4为本发明实施例中8h风电功率预测曲线示意图；

图5为本发明实施例中10min功率波动曲线示意图；

图6为本发明实施例中1min功率波动曲线示意图；

图7为本发明实施例中10min功率波动累计概率分布图；

图8为本发明实施例中1min功率波动累计概率分布图；

图9为本发明实施例中场景1的风功率曲线示意图；

图10为本发明实施例中场景2的风功率曲线示意图；

图11为本发明实施例中场景1的储能荷电状态变化示意图；

图12为本发明实施例中场景2的储能荷电状态变化示意图；

图13为本发明实施例中场景1的1min功率波动累计概率分布图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

图1为风电场和储能联合的风储联合运行系统接入电网的结构示意图，主要由风电场、储能和控制器组成。图中，P_w为风电功率，P_b为储能实际输出功率，P_{b_ref}为控制器给出的储能参考输出功率，放电为正值，充电为负值，P_g为并网功率。不考虑其它能量损耗，则有：

P_w+P_b＝P_g (1)

储能配置在风电场侧协调风电出力，控制器通过收集各项信息来实时调整储能的参考输出功率，其内部执行的控制策略是决定风储联合运行系统工作效益的关键。

根据国家标准，风功率实时预报系统每15min滚动上报未来15min～4h的风电场发电功率预测曲线。风电功率预测值为15min的平均值，记为P_wm。据此，本发明实施例定义如下控制参量：

1)储能控制周期T_d：为储能输出功率的调节间隔，也是LPF原理的执行间隔。本实施例取T_d＝20s。

2)MPC控制周期T_s：本实施例取MPC原理的采样周期和控制周期都等于风功率预测的分辨率，即取T_s＝15min。这样，在一个MPC控制周期内存在45个储能控制周期。

3)优化时域P：为了更好地发挥预测控制的优势，在预测误差允许的范围内取最大的预测时段，则MPC的优化时域P＝4h/15min＝16。

4)控制时域M：本实施例取M＝P＝16。

如图2所示，本发明提供的一种平抑长短期风电功率波动的风储协调控制方法，包括以下步骤：

步骤S1：设定储能控制周期T_d和MPC控制周期T_s，T_s＞T_d，且T_s为T_d的整数倍。

步骤S2：根据风储联合发电系统建立MPC控制模型，包括目标函数及其相应约束条件。

风储联合发电系统的状态空间模型如下：

$\{\begin{array}{c}x\left(k\right)=u\left(k\right)-r\left(k\right)\\ y(k+1)=y\left(k\right)-x\left(k\right)/4\end{array}---\left(2\right)$

其中，u(k)为并网功率P_g；r(k)为风电功率P_w；x(k)为储能输出功率P_b；y(k)为储能剩余容量E_b。上述功率和能量的单位分别是MW和MW.h，k表示MPC的控制时刻，其间隔为T_s。

MPC控制模型中的目标函数如下：

$\min J=\underset{k=1}{\overset{M}{\&Sigma;}}{\left(y\right(k)-L)}^2+\mathrm{\&alpha;}\underset{k=0}{\overset{M-1}{\&Sigma;}}x{\left(k\right)}^2+\mathrm{\&beta;}\underset{k=0}{\overset{M-1}{\&Sigma;}}\mathrm{\&Delta;}u{\left(k\right)}^2---\left(3\right)$

其中，L为储能处于理想荷电状态时的容量；α和β是惩罚系数；Δu(k)＝u(k)-u(k-1)。式(3)中的三个惩罚项分别表示对储能容量偏离理想值、储能出力以及并网功率波动的优化。

目标函数应满足如下约束条件：

a)并网功率约束

0≤u(k)≤P_rated k＝0，1，···,M-1 (4)

b)储能输出功率约束

-P_ch≤x(k)≤P_dch k＝0，1，···,M-1 (5)

c)储能容量约束

$S_{min}\&le;\frac{y\left(k\right)}{C_B}\&le;S_{max},k=0,1,\mathrm{...},M-1---\left(6\right)$

其中，P_rated为风电场额定容量，P_ch和P_dch分别为储能最大充放电功率，C_B为储能系统总容量，S_max和S_min为储能系统荷电状态的上下限。

由式(3)～(6)可见，基于预测模型对系统未来动态行为的预测，MPC可以把约束显式地加到未来的输入、输出和状态变量上。后续仿真表明，这对于保证风储协调策略的可持续性是非常关键的。

步骤S3：获取设定时间尺度内的风电功率预测值，其分辨率与MPC控制周期相同，设定时间尺度一般为4h或8h。

步骤S4：对MPC控制模型进行优化求解，获得当前的并网功率优化值。

对MPC控制模型进行优化求解时，将MPC控制模型转化为二次规划问题进行求解，

其标准形式为：

$\underset{x}{\min }J=x^T\mathrm{Hx}+2x^{T}f---\left(7\right)$

s.t.Ax≤b (8)

式(7)中，x＝Δu(k)是优化变量序列，H和f分别是二次项和一次项系数矩阵；式(8)中，A为约束系数矩阵，b为列向量。按照滚动优化的思想只取x的首项实际执行，由此得到当前的并网功率优化值，记为

步骤S5：采用LPF按储能控制周期(20s)进行连续控制，以所述并网功率优化值补偿LPF控制的输出，获得最终并网功率。

LPF原理对系统未来动态行为缺乏预测能力。如果LPF能够参考MPC的优化结果，可以弥补其缺乏前瞻性的缺点。

传统LPF方法的传递函数为：

$H\left(s\right)=\frac{1}{1+{\mathrm{sT}}_c}---\left(9\right)$

其中，s为微分算子；T_c为滤波时间常数。

将式(9)离散化后得：

$P_g\left(i\right)=\frac{T_d}{T_d+T_c}{P}_w\left(i\right)+\frac{T_c}{T_d+T_c}{P}_g(i-1)={\mathrm{\&tau;P}}_w\left(i\right)+(1-\mathrm{\&tau;})P_g(i-1)---\left(10\right)$

其中，τ＝T_d/(T_d+T_c)，为滤波时间常数因子。LPF的控制周期为T_d，为区别于MPC控制周期T_s，i表示LPF的控制时刻，i＝0代表每个MPC控制周期的初始时刻。

本发明中，τ为恒定值。由式(10)递推可得：

$P_g\left(i\right)=\underset{j=1}{\overset{i}{\&Sigma;}}\mathrm{\&tau;}{(1-\mathrm{\&tau;})}^{j-1}{P}_w(i-j+1)+{(1-\mathrm{\&tau;})}^i{P}_g\left(0\right)---\left(11\right)$

由于式(3)中首个惩罚项的作用，MPC在考虑未来风况的情况下将尽量保持SOC在理想值附近，所以由MPC得到的并网功率优化值对LPF原理极具参考意义。为使实际SOC变化能跟上MPC设定的优化轨迹，需维持15min内实际并网功率的总出力与优化出力值基本相等。这就要求在原有LPF原理的基础上对储能输出功率再作补偿。为维持补偿后的协调算法依然具有低通滤波特性，15min内各时刻的功率补偿值P_C应基本相等。

在不对LPF进行补偿的情况下，利用等比数列求和公式可得到15min内并网的总出力为：

$W_L=\underset{i=1}{\overset{n}{\&Sigma;}}{P}_g\left(i\right)T_d=\underset{i=1}{\overset{n}{\&Sigma;}}{P}_w\left(i\right)T_d+\underset{i=1}{\overset{n}{\&Sigma;}}{(1-\mathrm{\&tau;})}^i{P}_g\left(0\right)T_d-\underset{i=1}{\overset{n}{\&Sigma;}}{(1-\mathrm{\&tau;})}^{n+1-i}{P}_w\left(i\right)T_d---\left(12\right)$

其中，n＝T_s/T_d，为15min内控制器调整储能输出功率的次数。

在一个MPC控制周期内，优化并网总出力则15min内总出力补偿为：

$W_C=W_M-W_L={\mathrm{nP}}_g^{*}{T}_d-\underset{i=1}{\overset{n}{\&Sigma;}}{(1-\mathrm{\&tau;})}^i{P}_g\left(0\right)T_d-\underset{i=1}{\overset{n}{\&Sigma;}}{P}_w\left(i\right)T_d+\underset{i=1}{\overset{n}{\&Sigma;}}{(1-\mathrm{\&tau;})}^{n+1-i}{P}_w\left(i\right)T_d---\left(13\right)$

式(13)中，前两项可以在每个MPC控制周期的零时刻确定，而后两项只有取得各时刻风功率数据方能准确表达，故无法于零时刻准确计算出本MPC控制周期的W_C。为此，采用该MPC控制周期的风电功率预测值P_wm来近似各时刻风电功率实际值P_w(i)，也即将补偿平分到各时刻。近似后得到的功率补偿值为：

$P_C=\frac{W_c}{T_s}=P_g^{*}-P_{wm}+\underset{i=1}{\overset{n}{\&Sigma;}}{(1-\mathrm{\&tau;})}^i\frac{P_{wn}-P_g\left(0\right)}{n}=P_g^{*}-P_{wn}+\frac{1-\mathrm{\&tau;}}{\mathrm{\&tau;}}\frac{P_{wm}-P_g\left(0\right)}{n}---\left(14\right)$

此外，为了克服相邻15min功率补偿值的突变，在每15min初段对功率补偿值采取平滑处理，使相邻时刻的功率补偿值之差小于阈值P_th，即：

$P_C\left(i\right)=\left\{\begin{array}{cc}\frac{(m-i)P_{CP}+{\mathrm{iP}}_{CN}}{m},& 1\&le;i<m\\ P_{CN},& m\&le;i\&le;n\end{array}\right.---\left(15\right)$

其中，P_C(i)为经平滑处理后各时刻新的功率补偿值；P_CP和P_CN是由式(14)计算出的前15min和本15min的功率补偿值；取值不宜过大，否则会影响滤波特性。

最终得到新的并网功率表达式为：

P_gnew(i)＝P_g(i)+P_C(i) (16)

对常规LPF原理进行上述功率补偿后，其在小时间尺度上依旧保持了低通滤波特性，而在大时间尺度上能够跟踪执行MPC的优化结果。由于实现机制上没有依赖动态调整滤波时间常数T_c，避免了因惯性环节固有的滞后性而导致的调节性能下降。

步骤S6：在执行步骤S5的同时，判断一个MPC控制周期是否完成，若是，则结束步骤S5，返回步骤S3，若否，则返回步骤S6。

图3所示为MPC优化结果与本发明方法的比较示意图，(3a)中，利用风电功率预测序列，由MPC原理在整个优化时域P中求解多目标优化问题，得出并网功率优化值序列。与其他优化方法不同的是，MPC仅将优化序列的第一个元素施加到风储协调系统，并以控制周期为步长不断滚动向前。由于风电功率预测误差随着预测时长不断变大，呈现喇叭形，这种滚动优化的方法有利于不断修正预测误差。通过对未来的风功率进行预测，优化结果可以提前控制储能SOC值，使得风储协调策略具有可持续性。例如，在15分钟时间点处，由于预见到未来45分钟内风功率会连续上升，SOC有越限的可能，故在15-30分钟的优化时段内，控制储能提前放电。与图中的风电功率预测值序列比较后可见，在15min时间尺度上的并网功率得到了平滑。

在(3b)中，常规LPF原理和本发明提出的MPC-LPF方法都能平抑风电功率的短期波动。将两者对比可见，本发明的方法能够参照MPC给出的并网功率优化值(见图2a)，在LPF原理的基础上，对储能输出功率进行调整，以同时达到LPF原理的短期平滑与MPC原理的长期优化控制的效果。

下面以某风-储联合运行系统为例，比较不同控制策略在各种时间尺度下的风电功率平滑效果。该风电场的装机容量为48MW，储能额定功率为5MW，最大可持续时间为1h，理想荷电状态为60％。MPC每隔15min向前滚动优化一次，控制器调节储能输出功率的周期为20s，滤波时间常数为200s，惩罚系数。风电场爬坡率的限制参考国家标准：装机容量在30～150MW的风电场10min有功功率变化最大限值不超过装机容量的1/3，1min有功功率变化最大限值不超过装机容量的1/10。

选取风电场连续8h风电功率数据，如图4所示。在1min和10min的时间尺度上，分别采用可变滤波时间常数的LPF方法(以下称方法1)和本发明提出的MPC-LPF方法(以下称方法2)，比较功率平滑效果，比较结果如图5-图8所示。

由图5-图8可见，方法1和方法2均具备一定的功率平滑效果。在10min时间尺度上，方法1仍存在超出越限阈值的功率波动，方法2则始终能满足国家标准，其平滑效果明显优于方法1。这是由于MPC在15min的时间尺度上对并网功率的波动进行了抑制，具体体现在式(3)中第三个惩罚项的作用。在1min时间尺度上，方法2的平滑效果仍优于方法1，但优势并不显著。这是由于在这样的时间尺度上，两者对风电功率波动的抑制都基于LPF原理，且采用的初始滤波时间常数相同。但方法1为调节SOC在理想范围需频繁变动滤波时间常数，因惯性环节滞后效应导致了调节效果下降。而方法2则无需如此。

储能容量的配置总是有限的。当风电功率出现剧烈波动时，储能容易达到SOC的上下限额，使得风储协调策略不具有可持续性。所以，在更大的时间尺度上，能否将SOC值维持在理想范围附近是评价风储协调策略的重要指标。本实施例选取两个极端场景来比较不同方法的控制效果。比较中假设SOC的允许变化范围为0％～100％。

场景1：初始时储能SOC＝90％，不久后风电功率突升，如图9所示。

场景2：初始时储能SOC＝10％，不久后风电功率骤降，如图10所示。

图11-图12反映了采用不同方法后SOC的变化情况。结果显示，方法1虽然采取了改变滤波时间常数的措施，但由于其缺乏对未来风速变化的预判能力，在两种极端场景下仍会达到SOC调节极限，从而失去平抑风功率波动的能力；而方法2却可以通过提前放(充)电使储能在风功率突升(骤降)之时拥有足够的充(放)电容量，并尽量维持SOC在60％的理想状态附近，使得方法具有可持续性。这源于MPC基于未来风况对储能SOC所采取的优化调整，具体体现在式(3)中首个惩罚项以及式(14)中功率补偿的作用。如果没有功率补偿，也就失去了LPF和MPC之间联系的桥梁。

图13比较了场景1中采用两种方法得到的功率波动累计概率分布图。由图可见，由于方法2能够将SOC值控制在理想状态附近，对风功率波动的平抑能力明显优于方法1。场景2也有类似结论。

本发明提出的风储协调控制方法同样适用于混合储能系统。超级电容的投入可以提高储能装置的最大充放电功率，使得式(3)可以求解出更平滑的并网功率优化值，对平抑短期功率波动有帮助；超级电容由于能量密度小，端电压容易达到上下限，利用MPC良好的前瞻性可以更好地维持其端电压在安全范围内；利用MPC在整个优化时域内处理约束条件的能力，可以更好的协调功率型储能和能量型储能系统。

Claims (1)

1.一种平抑长短期风电功率波动的风储协调控制方法，其特征在于，包括以下步骤：

(1)设定储能控制周期T_d和MPC控制周期T_s，所述储能控制周期为LPF控制的执行周期，T_s＞T_d，且T_s为T_d的整数倍；

(2)根据风储联合发电系统建立MPC控制模型，包括目标函数及其相应约束条件，MPC控制模型的目标函数如下：

$\min J=\underset{k=1}{\overset{M}{\&Sigma;}}{\left(y\right(k)-L)}^2+\mathrm{\&alpha;}\underset{k=0}{\overset{M-1}{\&Sigma;}}x{\left(k\right)}^2+\mathrm{\&beta;}\underset{k=0}{\overset{M-1}{\&Sigma;}}\mathrm{\&Delta;}u{\left(k\right)}^2$

其中，L为储能处于理想荷电状态时的容量，α和β是惩罚系数，Δu(k)＝u(k)-u(k-1)，u(k)为并网功率，r(k)为风电功率，x(k)为储能输出功率，y(k)为储能剩余容量，k为MPC的控制时刻，k时刻与k-1时刻间的间隔为T_s，M为控制时域；

目标函数所满足的约束条件包括：

a)并网功率约束

0≤u(k)≤P_rated k＝0，1，…,M-1

b)储能输出功率约束

-P_ch≤x(k)≤P_dch k＝0，1，…,M-1

c)储能容量约束

$S_{min}\&le;\frac{y\left(k\right)}{C_B}\&le;S_{max},k=0,1,...,M-1$

其中，P_rated为风电场额定容量，P_ch和P_dch分别为储能最大充放电功率，C_B为储能系统总容量，S_max和S_min为储能系统荷电状态的上下限；

(3)获取设定时间尺度内的风电功率预测值，其分辨率与MPC控制周期相同；

(4)将所述MPC控制模型转化为二次规划问题进行优化求解，获得当前MPC控制周期内的并网功率优化值；

(5)采用LPF按储能控制周期进行连续控制，以所述并网功率优化值补偿LPF控制的输出，获得最终并网功率，储能控制周期内并网功率补偿值的具体计算过程为：

501)计算一个MPC控制周期内并网总出力补偿值W_C：

$\begin{array}{c}{W}_C=W_M-W_L\\ ={\mathrm{nP}}_g^{*}{T}_d-\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\left(1-\mathrm{\&tau;}\right)}^i{P}_g\left(0\right)T_d-\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{P}_w\left(i\right)T_d+\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{\left(1-\mathrm{\&tau;}\right)}^{n+1-i}{P}_w\left(i\right)T_d\end{array}$

W_M为以所述并网功率优化值补偿后的并网总出力，W_L为补偿前的并网总出力，为并网功率优化值，n＝T_s/T_d，i表示LPF控制时刻，i＝0表示每个MPC控制周期的初始时刻，P_g为并网功率，P_w为风电功率，τ＝T_d/(T_d+T_c)，为滤波时间常数因子，T_c为滤波时间常数；

502)以当前MPC控制周期内的风电功率预测值P_wm作为各时刻风电功率实际值P_w(i)，得到并网功率补偿值：

$P_C=\frac{W_c}{T_s}=P_g^{*}-P_{wm}+\underset{i=1}{\overset{n}{\&Sigma;}}{(1-\mathrm{\&tau;})}^i\frac{P_{wm}-P_g\left(0\right)}{n}=P_g^{*}-P_{wm}+\frac{1-\mathrm{\&tau;}}{\mathrm{\&tau;}}\frac{P_{wm}-P_g\left(0\right)}{n};$

503)对功率补偿值进行平滑处理，使相邻MPC控制周期的功率补偿值之差小于阈值P_th，即：

$P_C\left(i\right)=\left\{\begin{array}{cc}\frac{(m-i)P_{CP}+{\mathrm{iP}}_{CN}}{m},& 1\&le;i<m\\ P_{CN},& m\&le;i\&le;n\end{array}\right.$

其中，P_C(i)为经平滑处理后各时刻新的功率补偿值；P_CP和P_CN分别为由步骤502)中的公式计算出的前一MPC控制周期和当前MPC控制周期的功率补偿值；

(6)在执行步骤(5)的同时，判断一个MPC控制周期是否完成，若是，则返回步骤(3)，若否，则返回步骤(6)。