CN104466998A - 风电混和储能容量配置方法 - Google Patents

Abstract

本发明涉及一种风电混和储能容量配置方法，采用小波包分解方法将风电波动功率分解为低频部分和高频部分，把低频部分作为风电并网的期望值，高频部分由蓄电池-超级电容器混合储能系统平抑，使储能容量得到合理配置。

Description

风电混和储能容量配置方法

技术领域：

本发明属于风电混合储能技术领域，具体说是涉及一种风电混和储能容量配置方法。

背景技术：

近年来，小波分析被大量应用于不同领域，包括分子动力学、语音识别、天文物理学、信号滤波消噪、模式识别、故障诊断、数据压缩、计算机图形学、量子力学等。由于小波变换只对信号的低频部分做进一步分解，而对高频部分不再继续分解，所以小波变换能够很好的表征以低频信号为主要成分的信号，而不能很好的分解和表示包含大量细节信息的信号。与之不同的是小波包变换可以对高频部分提供更加精细的分解，而且这种分解既无冗余，也无疏漏，对高频信号能够进行更好的时频局部化分析。

将风电波动功率进行小波包分解，将低频部分作为风电并网的期望值，高频部分用混合储能系统平抑，使储能容量得到合理配置。

发明内容：

发明目的：

本发明提供了一种风电混和储能容量配置方法，其目的是为了提高电力系统运行稳定性，使风电混合储能容量得到合理配置。

技术方案：

本发明是通过以下技术方案实施的：

一种风电混和储能容量配置方法，其特征在于：采用小波包分解方法将风电波动功率分解为低频部分和高频部分，把低频部分作为风电并网的期望值，高频部分由蓄电池-超级电容器混合储能系统平抑。

把高频信号分为次高频信号和最高频信号，根据蓄电池和超级电容器的互补性，采用蓄电池平抑次高频信号，超级电容器平抑最高频信号；采用高斯逼近方法拟合高频信号的概率密度函数，计算蓄电池和超级电容器平抑功率的数学期望，进而计算混合储能系统的容量配置。

对于给定风电输出功率的时间信号P(t)，将其作为原始信号，则第一层小波包分解的计算方法为：

$\left\{\begin{array}{c}{P}_{\mathrm{1,0}}^n\left(t\right)=\underset{k\∈Z}{\mathrm{\Σ}}{h}_{k}P\left(t\right)\\ P_{\mathrm{1,1}}^n\left(t\right)=\underset{k\∈Z}{\mathrm{\Σ}}{g}_{k}P\left(t\right)\end{array}\right.$

其中为第一层分解的低频系数，为第一层分解的高频系数，h_k、g_k分别为低通、高通滤波器组；

然后由低频系数和高频系数进行小波包重构，得到需要的低频信号和高频信号的重构，其计算方法为：

$\left\{\begin{array}{c}{P}_{\mathrm{1,0}}\left(t\right)=\underset{k\∈Z}{\mathrm{\Σ}}[{\tilde{h}}_k{P}_{\mathrm{1,0}}^{2n}\left(t\right)+{\tilde{g}}_k{P}_{\mathrm{1,0}}^{2n+1}\left(t\right)]\\ P_{\mathrm{1,1}}\left(t\right)=\underset{k\∈Z}{\mathrm{\Σ}}[{\tilde{h}}_k{P}_{\mathrm{1,1}}^{2n}\left(t\right)+{\tilde{g}}_k{P}_{\mathrm{1,1}}^{2n+1}\left(t\right)]\end{array}\right.$

其中P_1,0(t)为重构后的低频信号，P_1,1(t)为重构后的高频信号，分别为重构的低通和高通滤波器组；

将低频信号作为风电并网期望值，而高频信号则用混合储能系统补偿；对高频信号进行频谱分析，将高频信号分为次高频信号和最高频信号，用蓄电池平抑次高频信号；用超级电容器平抑最高频信号；则蓄电池和超级电容器补偿功率分别为：

P_B(t)＝P_n,1(t)+…+P_n,m(t)

P_C(t)＝P_n,m+1(t)+…+P_n,k(t)

其中n为小波包分解层数，m为次高频和最高频信号的频带划分界限。

设P_r为风电场装机容量，P_m为风电波动功率，则当时，混合储能系统不工作；当时，混合储能系统对波动功率进行平抑；设当的数据点占总的数据点的百分比为α，观测风电场输出功率数据的总持续时间为T，可得混合储能系统工作持续时间为αT。

首先分别求出蓄电池储能功率|P_B(t)|和超级电容器储能功率|P_C(t)|的概率密度直方图，然后采用高斯逼近的方法拟合其概率密度曲线，得到概率密度函数，其表达式为：

$f\left(x\right)=\underset{n=1}{\overset{8}{\mathrm{\Σ}}}{a}_n\×\exp [-{\left(\frac{x-b_n}{c_n}\right)}^2]$

其中a_n、b_n、c_n为分布系数；

根据概率密度函数计算储能功率幅值均值P_av，其计算公式为：

$P_{\mathrm{av}}=\underset{a}{\overset{b}{\∫}}x\×f\left(x\right)\mathrm{dx}$

其中a、b为功率波动幅值的最小、最大值；

则储能容量为：

E＝P_av·t

其中t为混合储能系统工作持续时间。

优点和效果：

本发明根据小波包分解的特点提出一种混合储能容量配置方法。将风电波动功率进行小波包分解，将低频部分作为风电并网的期望值，高频部分用混合储能系统平抑。结合蓄电池和超级电容器的互补特性，使用蓄电池平抑次高频信号，超级电容器平抑最高频信号，分别计算蓄电池和超级电容器的容量，使储能容量得到合理配置。

附图说明：

图1为某风电场输出功率曲线；

图2为原始信号与低频信号；

图3为P_4,1～P_4,3信号及其频率响应；

图4为蓄电池功率|P_B|的概率密度直方图与拟合后的概率密度曲线对比图；

图5为超级电容器功率|P_C|的概率密度直方图与拟合后的概率密度曲线对比图。

具体实施方式：

下面结合附图对本发明进行具体说明：

本发明涉及一种风电混和储能容量配置方法，该方法采用小波包分解方法将风电波动功率分解为低频部分和高频部分，把低频部分作为风电并网的期望值，高频部分由蓄电池-超级电容器混合储能系统平抑。

把高频信号分为次高频信号和最高频信号，根据蓄电池和超级电容器的互补性，采用蓄电池平抑次高频信号，超级电容器平抑最高频信号；采用高斯逼近方法拟合高频信号的概率密度函数，计算蓄电池和超级电容器平抑功率的数学期望，进而计算混合储能系统的容量配置。

对于给定风电输出功率的时间信号P(t)，将其作为原始信号，则第一层小波包分解的计算方法为：

$\left\{\begin{array}{c}{P}_{\mathrm{1,0}}^n\left(t\right)=\underset{k\∈Z}{\mathrm{\Σ}}{h}_{k}P\left(t\right)\\ P_{\mathrm{1,1}}^n\left(t\right)=\underset{k\∈Z}{\mathrm{\Σ}}{g}_{k}P\left(t\right)\end{array}\right.$

其中为第一层分解的低频系数，为第一层分解的高频系数，h_k、g_k分别为低通、高通滤波器组；

然后由低频系数和高频系数进行小波包重构，得到需要的低频信号和高频信号的重构，其计算方法为：

$\left\{\begin{array}{c}{P}_{\mathrm{1,0}}\left(t\right)=\underset{k\∈Z}{\mathrm{\Σ}}[{\tilde{h}}_k{P}_{\mathrm{1,0}}^{2n}\left(t\right)+{\tilde{g}}_k{P}_{\mathrm{1,0}}^{2n+1}\left(t\right)]\\ P_{\mathrm{1,1}}\left(t\right)=\underset{k\∈Z}{\mathrm{\Σ}}[{\tilde{h}}_k{P}_{\mathrm{1,1}}^{2n}\left(t\right)+{\tilde{g}}_k{P}_{\mathrm{1,1}}^{2n+1}\left(t\right)]\end{array}\right.$

其中P_1,0(t)为重构后的低频信号，P_1,1(t)为重构后的高频信号，分别为重构的低通和高通滤波器组；

由于低频信号可以较好的描述原始信号的概貌，且其波动幅度较小，曲线较为平滑，因此可以将其作为风电并网期望值，而高频信号则用混合储能系统补偿；对高频信号进行频谱分析，将高频信号分为次高频信号和最高频信号，由于蓄电池储能具有能量密度高、功率密度低和循环寿命短等特点，所以用其平抑次高频信号；而超级电容器储能具有能量密度低、功率密度高和循环寿命长等特点，所以用其平抑最高频信号；则蓄电池和超级电容器补偿功率分别为：

P_B(t)＝P_n,1(t)+…+P_n,m(t)

P_C(t)＝P_n,m+1(t)+…+P_n,k(t)

其中n为小波包分解层数，m为次高频和最高频信号的频带划分界限。

设P_r为风电场装机容量，P_m为风电波动功率，则当时，混合储能系统不工作；当时，混合储能系统对波动功率进行平抑；设当的数据点占总的数据点的百分比为α，观测风电场输出功率数据的总持续时间为T，可得混合储能系统工作持续时间为αT。

首先分别求出蓄电池储能功率|P_B(t)|和超级电容器储能功率|P_C(t)|的概率密度直方图，然后采用高斯逼近的方法拟合其概率密度曲线，得到概率密度函数，其表达式为：

$f\left(x\right)=\underset{n=1}{\overset{8}{\mathrm{\Σ}}}{a}_n\×\exp [-{\left(\frac{x-b_n}{c_n}\right)}^2]$

其中a_n、b_n、c_n为分布系数；

根据概率密度函数计算储能功率幅值均值P_av，其计算公式为：

$P_{\mathrm{av}}=\underset{a}{\overset{b}{\∫}}x\×f\left(x\right)\mathrm{dx}$

其中a、b为功率波动幅值的最小、最大值；

则储能容量为：

E＝P_av·t

其中t为混合储能系统工作持续时间。

实施例1：

采用某风电场48h实际输出功率数据，采样时间为1min，其功率输出曲线如图1所示。

采用DB9小波对风电场输出功率信号进行4层分解，得到低频信号S_4,0和高频信号S_4,i(i＝1,2,…,15)，将低频信号S_4,0作为风电并网的期望值，其与原始信号的对比如图2所示。

由图2可知，经小波包分解的低频信号S_4,0可以很好的描述原始信号的概况，其幅值和变化的频率与原始信号相近，因此可以将其作为并网期望值，而高频部分则用混合储能系统进行平抑。对小波包分解的高频信号P_4,i(i＝1,2,…,15)进行频谱分析，得到信号P_4,1、P_4,2、P_4,3的频率响应相似，如图3所示，所以将信号P_4,1～P_4,3用蓄电池储能系统平抑，信号P_4,4～P_4,15用超级电容器储能系统平抑。

由此可得，蓄电池和超级电容器储能系统需要平抑的信号分别为：

P_B＝P_4,1+P_4,2+P_4,3

P_C＝P_4,4+P_4,5+…+P_4,15

其次计算混合储能系统持续工作时间，对波动功率进行数据分析，总数据点为2880，其中混合储能系统工作的数据点为450，可得α＝450/2880＝15.63％，则混合储能系统工作持续时间为：

t＝αT＝15.63％×48≈7.5h

通过高斯逼近拟合蓄电池和超级电容器的概率密度函数，求得其系数如表1、表2所示。

表1 |P_B|的概率密度函数系数

表2 |P_C|的概率密度函数系数

图4和图5分别为|P_B|和|P_C|的概率密度直方图与拟合后的概率密度函数的对比图。可见高斯逼近方法可以较好的拟合其概率密度函数。

进而分别求出蓄电池储能功率幅值均值P_B-av和超级电容器储能功率幅值均值P_C-av，其计算公式为：

$P_{B-\mathrm{av}}=\underset{0.0005623}{\overset{20.71}{\∫}}x\×f_{\left|P_B\right|}\left(x\right)\mathrm{dx}\≈2.69\mathrm{MW}$

$P_{C-\mathrm{av}}=\underset{0.0004729}{\overset{13.36}{\∫}}x\×f_{\left|P_C\right|}\left(x\right)\mathrm{dx}\≈0.86\mathrm{MW}$

考虑到蓄电池的循环寿命及荷电状态，为蓄电池容量拟配置10％裕度，可得蓄电池和超级电容器储能容量计算公式分别为：

E_B＝1.1×P_B-av×t

E_C＝P_C-av×t

可得蓄电池储能容量为：

E_B＝1.1×2.96×7.5≈24.42MW·h

超级电容器储能容量为：

E_C＝0.86×7.5≈6.45MW·h。

Claims (4)

1.一种风电混和储能容量配置方法，其特征在于：采用小波包分解方法将风电波动功率分解为低频部分和高频部分，把低频部分作为风电并网的期望值，高频部分由蓄电池-超级电容器混合储能系统平抑。

2.根据权利要求1所述的风电混和储能容量配置方法，其特征在于：把高频信号分为次高频信号和最高频信号，根据蓄电池和超级电容器的互补性，采用蓄电池平抑次高频信号，超级电容器平抑最高频信号；采用高斯逼近方法拟合高频信号的概率密度函数，计算蓄电池和超级电容器平抑功率的数学期望，进而计算混合储能系统的容量配置。

3.根据权利要求1或2所述的风电混和储能容量配置方法，其特征在于：对于给定风电输出功率的时间信号P(t)，将其作为原始信号，则第一层小波包分解的计算方法为：

$\left\{\begin{array}{c}{P}_{\mathrm{1,0}}^n\left(t\right)=\underset{k\∈Z}{\mathrm{\Σ}}{h}_{k}P\left(t\right)\\ P_{\mathrm{1,1}}^n\left(t\right)=\underset{k\∈Z}{\mathrm{\Σ}}{g}_{k}P\left(t\right)\end{array}\right.$

其中为第一层分解的低频系数，为第一层分解的高频系数，h_k、g_k分别为低通、高通滤波器组；

然后由低频系数和高频系数进行小波包重构，得到需要的低频信号和高频信号的重构，其计算方法为：

$\left\{\begin{array}{c}{P}_{\mathrm{1,0}}\left(t\right)=\underset{k\∈Z}{\mathrm{\Σ}}[{\tilde{h}}_k{P}_{\mathrm{1,0}}^{2n}\left(t\right)+{\tilde{g}}_k{P}_{\mathrm{1,0}}^{2n+1}\left(t\right)]\\ P_{\mathrm{1,1}}\left(t\right)=\underset{k\∈Z}{\mathrm{\Σ}}[{\tilde{h}}_k{P}_{\mathrm{1,1}}^{2n}\left(t\right)+{\tilde{g}}_k{P}_{\mathrm{1,1}}^{2n+1}\left(t\right)]\end{array}\right.$

其中P_1,0(t)为重构后的低频信号，P_1,1(t)为重构后的高频信号，分别为重构的低通和高通滤波器组；

将低频信号作为风电并网期望值，而高频信号则用混合储能系统补偿；对高频信号进行频谱分析，将高频信号分为次高频信号和最高频信号，用蓄电池平抑次高频信号；用超级电容器平抑最高频信号；则蓄电池和超级电容器补偿功率分别为：

P_B(t)＝P_n,1(t)+…+P_n,m(t)

P_C(t)＝P_n,m+1(t)+…+P_n,k(t)

其中n为小波包分解层数，m为次高频和最高频信号的频带划分界限；

设P_r为风电场装机容量，P_m为风电波动功率，则当时，混合储能系统不工作；当时，混合储能系统对波动功率进行平抑；设当的数据点占总的数据点的百分比为α，观测风电场输出功率数据的总持续时间为T，可得混合储能系统工作持续时间为αT。

4.根据权利要求3所述的风电混和储能容量配置方法，其特征在于：首先分别求出蓄电池储能功率|P_B(t)|和超级电容器储能功率|P_C(t)|的概率密度直方图，然后采用高斯逼近的方法拟合其概率密度曲线，得到概率密度函数，其表达式为：

$f\left(x\right)=\underset{n=1}{\overset{8}{\mathrm{\Σ}}}{a}_n\×\exp [-{\left(\frac{x-b_n}{c_n}\right)}^2]$

其中a_n、b_n、c_n为分布系数；

根据概率密度函数计算储能功率幅值均值P_av，其计算公式为：

$P_{\mathrm{av}}=\underset{a}{\overset{b}{\∫}}x\×f\left(x\right)\mathrm{dx}$

其中a、b为功率波动幅值的最小、最大值；

则储能容量为：

E＝P_av·t

其中t为混合储能系统工作持续时间。