CN113054683B - 基于备用储能元件和二次熵值的混合储能系统优化方法 - Google Patents

基于备用储能元件和二次熵值的混合储能系统优化方法 Download PDF

Info

Publication number
CN113054683B
CN113054683B CN202110330965.7A CN202110330965A CN113054683B CN 113054683 B CN113054683 B CN 113054683B CN 202110330965 A CN202110330965 A CN 202110330965A CN 113054683 B CN113054683 B CN 113054683B
Authority
CN
China
Prior art keywords
energy storage
fluctuation
power
storage element
entropy
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202110330965.7A
Other languages
English (en)
Other versions
CN113054683A (zh
Inventor
金涛
郑熙东
庄致远
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fuzhou University
Original Assignee
Fuzhou University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Fuzhou University filed Critical Fuzhou University
Priority to CN202110330965.7A priority Critical patent/CN113054683B/zh
Publication of CN113054683A publication Critical patent/CN113054683A/zh
Application granted granted Critical
Publication of CN113054683B publication Critical patent/CN113054683B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/381—Dispersed generators
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
    • H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
    • H02J7/345—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering using capacitors as storage or buffering devices
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明涉及一种基于备用储能元件和二次熵值的混合储能系统优化方法。针对传统滤波方法和储能系统所存在的局限性问题，采用备用储能元件和二次熵值策略对其进行改进。首先原始风电波动通过指数平滑和容量波动约束条件进行一次滤波，接着结合波动率约束条件和小波包分解算法实现二次滤波修正。接着，引入备用储能元件，构成三种储能元件的混合储能系统模型，通过归一化能量熵和样本熵实现风电波动的分频，三种频段分别由蓄电池、超级电容和备用储能元件分别吸收平抑，从而实现功率的有效滤波平滑和吸收平抑。

Description

基于备用储能元件和二次熵值的混合储能系统优化方法
技术领域
本发明涉及风电并网和储能平抑风电波动领域，特别是一种基于备用储能元件和二次熵值的混合储能系统优化方法。
背景技术
由于风电出力存在随机性、不确定性等固有属性，要实现大规模并网势必带来功率大幅波动、电能质量降低、严重的甚至会导致电力系统紊乱等问题。随着储能技术的不断发展，采用混合储能系统有针对地实现不同频段波动的吸收，是目前我国风电领域研究的主要方向。储能系统的原理是将风电波动根据频率实现分解并有效吸收，阻止波动对电网的影响。因此如何有效利用混合储能系统解决高渗透、大功率风电波动对电网造成的负面影响，对推动大规模风电并网的发展具有重要战略意义。
风电滤波并网是实现功率有效分配的重要前提，目前常见的滤波算法有小波包分解算法、指数平滑算法、滑动平滑法和经验模态分解算法等。传统滤波算法中，指数平滑依赖修正系数不同的加权处理实现滤波，可能存在风电波动过大造成的平滑不足问题；随着小波包分解层的增加，相邻两个分解层对应的低频输出功率存在一个大幅度的能量变化，因此小波包分解存在过度平滑现象。除此之外，随着功率波动平滑程度的深入，需要综合考虑功率波动约束和最大波动偏离的情况，保证获得最优且最稳定的低频输出并网功率。
传统对储能系统模型的构建主要集中在两种以内的混合储能系统元件，常见的以蓄电池-超级电容模型为例，在功率波动平滑方面忽视了中间频段的功率波动。若在原有储能模型的基础上，进一步考虑包含备用储能元件储能有效吸收中间频段的波动，可以大大降低蓄电池的频繁充放电过程，又能够减少超级电容频繁充放电过程造成的SOC越限或不足等问题，从而得到更加合理、准确的功率分配指令，通过引入储能元件的充放电次数作为比较，从而提高电网的使用寿命和运行效率。为了得到功率分配指令，采用CEEMDAN算法求解出有序的IMF分量。传统双储能元件模型中，主要采用熵值策略确定功率分界点，常见的有互信息熵、能量熵和样本熵等，获得相似度最高或者能量差值最大的点作为分界点。综上所述，如何在传统蓄电池-超级电容储能模型中引入备用储能元件，有效吸收平抑中间过渡频段的波动并优化功率分配是目前风电系统需要解决的重点难点问题，对提高储能元件的使用寿命、优化功率配置等具有重要战略意义。
发明内容
本发明的目的在于提供一种基于备用储能元件和二次熵值的混合储能系统优化方法，有利于提高混合储能系统的使用寿命和工作效率，从而实现功率分配的优化配置。
为实现上述目的，本发明的技术方案是：一种基于备用储能元件和二次熵值的混合储能系统优化方法，首先原始风电波动通过指数平滑和容量波动约束条件进行一次滤波，接着结合波动率约束条件和小波包分解算法实现二次滤波修正；再而引入备用储能元件，构成三种储能元件的混合储能系统模型，通过归一化能量熵和样本熵实现风电波动的分频，三种频段分别由蓄电池、超级电容和备用储能元件分别吸收平抑，从而实现功率的有效滤波平滑和吸收平抑。
在本发明一实施例中，基于备用储能元件和二次熵值的混合储能系统优化方法具体实现如下：
捕获原始风电出力功率W(t)；
对原始风电出力功率W(t)进行波动计算：判别原始风电出力是否同时满足双容量波动约束条件和双波动率约束条件的情况，满足则直接将功率进行并网处理；若不满足，则对其进行滤波处理；
根据容量波动约束条件和波动率约束条件对1min、10min和30min三个时间尺度进行数据分析；接着通过二次滤波的算法，分别结合容量波动约束条件和波动率约束条件，分别确定最优的指数平滑修正系数α和小波包最优分解层n，从而获得最优的低频输出功率S0,0(t)；
原始风电出力剔除了低频输出功率后，中高频、高频段以及部分低频功率则送至混合储能系统，实现功率分频段吸收平抑；
通过CEENDAN算法求解各阶次的IMF分量，IMF分量根据频段的高低有序排列；
采用二次熵值策略分别得到功率分界点J和H，从而划分成三个不同的频段；在原有储能模型的基础上引入备用储能元件，构成蓄电池-超级电容-备用储能元件的混合储能系统；根据二次熵值策略，不同储能元件分别吸收平抑对应的频段，从而实现功率的合理分配；
采用模糊控制对蓄电池和超级电容进行优化，得到调整前后SOC曲线和相应分析指标。
在本发明一实施例中，所述根据容量波动约束条件和波动率约束条件对1min、10min和30min三个时间尺度进行数据分析；接着通过二次滤波的算法，分别结合容量波动约束条件和波动率约束条件，分别确定最优的指数平滑修正系数α和小波包最优分解层n，从而获得最优的低频输出功率S0,0(t)的具体实现过程如下：
原始风电出力不满足双容量波动约束和双波动率约束条件时，首先采用指数平滑算法对其进行一次滤波处理；在容量波动1min和10min双时间尺度约束条件下，根据指数平滑算法[S(t)]m×m＝α[W(t)]m×m+(1-α)[S(t-1)]m×m，筛选出满足两个时间尺度下的输出功率，1min容量波动约束定义为：
Figure BDA0002996049690000031
10min容量波动约束定义为：
Figure BDA0002996049690000032
其中，α表示指数平滑修正系数，通常取值在(0,1)之间，S(t)表示t时刻对应的功率，m×m表示其具有m维数据，每一维数据具有m组数据，Sn,0(t)表示此时的低频输出功率，P0表示额定装机容量；
根据指数平滑算法与容量波动约束条件，得到一次滤波的输出功率[S(t)]m×m，且此时的输出功率并不满足双波动率约束条件；接着，将小波包分解算法对一次滤波功率进行二次修正；通过引入波动率约束条件1min和30min两个时间尺度，其中1min波动率定义为：
Figure BDA0002996049690000033
30min波动率定义为：
Figure BDA0002996049690000034
其中，Sn,0(t)表示此时的低频输出功率，P0表示额定装机容量；根据约束条件得到符合双波动率约束条件的最优小波包分解层；为解决过度平滑的问题，引入最大波动偏离率MFD，选择满足1min波动率约束时间尺度且具有最小的MFD的小波包分解层，从而获得最优的二次滤波低频输出功率，实现最优风电并网。
在本发明一实施例中，所述采用二次熵值策略分别得到功率分界点J和H，从而划分成三个不同的频段；在原有储能模型的基础上引入备用储能元件，构成蓄电池-超级电容-备用储能元件的混合储能系统；根据二次熵值策略，不同储能元件分别吸收平抑对应的频段，从而实现功率的合理分配的具体实现过程如下：
采用能量熵的算法，得到各阶次IMF分量所占能量大小；首先通过归一化处理，求解出最大相邻IMF分量的阶次J；蓄电池主要吸收低频段的波动，备用储能元件起到中间过渡作用，吸收中等频段的波动，因此归一化能量熵能够获得蓄电池-备用储能元件的功率分配指令：
Figure BDA0002996049690000035
其中，Psc1、Pst1、Pbat1分别表示超级电容、备用储能元件和蓄电池的初始功率分配指令，IMFk(t)表示k阶次的IMF取值，N表示最大采样的时间；
采用样本熵的算法，得到各阶次IMF分量之间的相似度大小，通过归一化处理，求解出最大相邻IMF分量的相似度阶次H；超级电容主要吸收高频段的波动，备用储能元件起到中间过渡作用，吸收中等频段的波动，因此归一化样本熵能够获得超级电容-备用储能元件的功率分配指令。
在本发明一实施例中，所述相应分析指标除了SOC优化前后工作区间外，还有SOC波动偏离率：
Figure BDA0002996049690000041
1min时间尺度内的SOC波动率：
Figure BDA0002996049690000042
30min时间尺度内的SOC波动率：
Figure BDA0002996049690000043
其中M表示取样点，ti表示某一时刻，△ti表示某一时间间隔，SOC(ti)表示某一时刻的SOC取值。
本发明还提供了一种计算机可读存储介质，其上存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如上述所述的方法步骤。
相较于现有技术，本发明具有以下有益效果：
1、本发明提出一种二次滤波算法，有效克服传统算法过度平滑和平滑能力不足的问题，从而得到最优低频输出功率。
2、本发明在传统蓄电池-超级电容模型中引入备用储能元件，提出一种二次熵值优化策略得到最优功率分配指令，有效提高混合储能系统的使用寿命和工作效率。
附图说明
图1为本发明的方法流程图。
图2为本发明的二次滤波曲线图。
图3为本发明的归一化熵值曲线图。
图4为本发明的功率分配曲线图。
图5为本发明的SOC优化前后曲线图。
图6为本发明的SOC优化前后局部放大曲线图。
具体实施方式
下面结合附图，对本发明的技术方案进行具体说明。
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示，本实施例提供了一种基于控制的微电网自适应下垂控制调节电压频率的方法，其特征在于包括以下步骤：
步骤S1、风电原始出力功率捕获W(t)；
步骤S2、对原始风电出力W(t)进行波动计算。判别原始风电出力是否同时满足双容量波动约束条件和双波动率约束条件的情况，满足则直接将功率进行并网处理；若不满足，则对其进行滤波处理。
步骤S3、根据容量波动约束条件和波动率约束条件对1min、10min和30min三个时间尺度进行数据分析。接着通过二次滤波的算法，分别结合容量波动约束条件和波动率约束条件，分别确定最优的指数平滑修正系数α和小波包最优分解层n，从而获得最优的低频输出功率S0,0(t)。
步骤S4、原始风电出力剔除了低频输出功率后，中高频、高频段以及部分低频功率则送至混合储能系统，实现功率分频段吸收平抑。
步骤S5、通过CEENDAN(Complete Ensemble Empirical Mode DecompositionwithAdaptive Noise)算法求解各阶次的IMF(IntrinsicMode Function)分量，IMF分量根据频段的高低有序排列。
步骤S6、采用二次熵值策略分别得到功率分界点J和H，从而划分成三个不同的频段。在原有储能模型的基础上引入备用储能元件，构成蓄电池-超级电容-备用储能元件的混合储能系统。根据二次熵值策略，不同储能元件分别吸收平抑对应的频段，从而实现功率的合理分配。
步骤S7、模糊控制对蓄电池和超级电容进行优化，得到调整前后SOC曲线和相应分析指标。
在本实施例中，如图2所示，所述步骤S3具体包括以下步骤：
步骤S31、传统滤波算法存在平滑能力不足和过度平滑的问题。原始风电出力不满足双容量波动约束和双波动率约束条件时，首先采用指数平滑算法对其进行一次滤波处理。在传统容量波动1min和10min双时间尺度约束条件下，根据指数平滑算法[S(t)]m×m＝α[W(t)]m×m+(1-α)[S(t-1)]m×m，筛选出满足两个时间尺度下的输出功率，1min容量波动约束定义为：
Figure BDA0002996049690000051
10min容量波动约束定义为：
Figure BDA0002996049690000052
其中，α表示指数平滑修正系数，通常取值在(0,1)之间，S(t)表示t时刻对应的功率，m×m表示其具有m维数据，每一维数据具有m组数据，Sn,0(t)表示此时的低频输出功率，P0表示额定装机容量。
步骤S32、根据指数平滑算法与容量波动约束条件，可以得到一次滤波的输出功率[S(t)]m×m，且此时的输出功率并不满足双波动率约束条件。接着，将小波包分解算法对一次滤波功率进行二次修正。通过引入波动率约束条件1min和30min两个时间尺度，其中1min波动率定义为：
Figure BDA0002996049690000061
30min波动率定义为：
Figure BDA0002996049690000062
其中，Sn,0(t)表示此时的低频输出功率，P0表示额定装机容量。根据约束条件得到符合双波动率约束条件的最优小波包分解层。由于30min波动率约束条件相对难以实现，存在过度平滑导致低频输出功率偏离原始出力的现象，即同时满足1min和30min两个时间尺度的低频功率存在偏离的现象。为了解决过度平滑的问题，引入最大波动偏离率(Maximum Fluctuation Deviation,MFD)，选择满足1min波动率约束时间尺度且具有最小的MFD的小波包分解层，从而获得最优的二次滤波低频输出功率，实现最优风电并网。
在本实施例中，如图3和图4所示，所述步骤S6具体包括以下步骤：
步骤S61、采用能量熵的算法，得到各阶次IMF分量所占能量大小。首先通过归一化处理，求解出最大相邻IMF分量的阶次J。蓄电池主要吸收低频段的波动，备用储能元件起到中间过渡作用，吸收中等频段的波动，因此归一化能量熵能够获得蓄电池-备用储能元件的功率分配指令。
步骤S62、采用样本熵的算法，得到各阶次IMF分量之间的相似度大小，通过归一化处理，求解出最大相邻IMF分量的相似度阶次H。超级电容主要吸收高频段的波动，备用储能元件起到中间过渡作用，吸收中等频段的波动，因此归一化样本熵能够获得超级电容-备用储能元件的功率分配指令：
Figure BDA0002996049690000063
其中，Psc1、Pst1、Pbat1分别表示超级电容、备用储能元件和蓄电池的初始功率分配指令，IMFk(t)表示k阶次的IMF取值，N表示最大采样的时间。
在本实施例中，如图5和图6所示，所述步骤S7中相应分析指标除了SOC优化前后工作区间外，还有SOC波动偏离率：
Figure BDA0002996049690000064
1min时间尺度内的SOC波动率：
Figure BDA0002996049690000071
30min时间尺度内的SOC波动率：
Figure BDA0002996049690000072
其中M表示取样点，ti表示某一时刻，△ti表示某一时间间隔，SOC(ti)表示某一时刻的SOC取值。
综上所述，本发明有利于提高混合储能系统的使用寿命和工作效率，保证系统的电压及频率在合理的范围内，从而提高其稳定运行能力。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (4)

1.一种基于备用储能元件和二次熵值的混合储能系统优化方法，其特征在于，首先原始风电波动通过指数平滑和容量波动约束条件进行一次滤波，接着结合波动率约束条件和小波包分解算法实现二次滤波修正；再而引入备用储能元件，构成三种储能元件的混合储能系统模型，通过归一化能量熵和样本熵实现风电波动的分频，三种频段分别由蓄电池、超级电容和备用储能元件分别吸收平抑，从而实现功率的有效滤波平滑和吸收平抑；该方法具体实现如下：
捕获原始风电出力功率W(t)；
对原始风电出力功率W(t)进行波动计算：判别原始风电出力是否同时满足双容量波动约束条件和双波动率约束条件的情况，满足则直接将功率进行并网处理；若不满足，则对其进行滤波处理；
根据容量波动约束条件和波动率约束条件对1min、10min和30min三个时间尺度进行数据分析；接着通过二次滤波的算法，分别结合容量波动约束条件和波动率约束条件，分别确定最优的指数平滑修正系数α和小波包最优分解层n，从而获得最优的低频输出功率S0,0(t)；
原始风电出力剔除了低频输出功率后，中高频、高频段以及部分低频功率则送至混合储能系统，实现功率分频段吸收平抑；
通过CEENDAN算法求解各阶次的IMF分量，IMF分量根据频段的高低有序排列；
采用二次熵值策略分别得到功率分界点J和H，从而划分成三个不同的频段；在原有储能模型的基础上引入备用储能元件，构成蓄电池-超级电容-备用储能元件的混合储能系统；根据二次熵值策略，不同储能元件分别吸收平抑对应的频段，从而实现功率的合理分配；
采用模糊控制对蓄电池和超级电容进行优化，得到调整前后SOC曲线和相应分析指标；
所述根据容量波动约束条件和波动率约束条件对1min、10min和30min三个时间尺度进行数据分析；接着通过二次滤波的算法，分别结合容量波动约束条件和波动率约束条件，分别确定最优的指数平滑修正系数α和小波包最优分解层n，从而获得最优的低频输出功率S0,0(t)的具体实现过程如下：
原始风电出力不满足双容量波动约束和双波动率约束条件时，首先采用指数平滑算法对其进行一次滤波处理；在容量波动1min和10min双时间尺度约束条件下，根据指数平滑算法[S(t)]m×m＝α[W(t)]m×m+(1-α)[S(t-1)]m×m，筛选出满足两个时间尺度下的输出功率，1min容量波动约束定义为：
Figure FDA0003571980030000011
10min容量波动约束定义为：
Figure FDA0003571980030000012
其中，α表示指数平滑修正系数，通常取值在(0,1)之间，S(t)表示t时刻对应的功率，m×m表示其具有m维数据，每一维数据具有m组数据，Sn,0(t)表示此时的低频输出功率，P0表示额定装机容量；
根据指数平滑算法与容量波动约束条件，得到一次滤波的输出功率[S(t)]m×m，且此时的输出功率并不满足双波动率约束条件；接着，将小波包分解算法对一次滤波功率进行二次修正；通过引入波动率约束条件1min和30min两个时间尺度，其中1min波动率定义为：
Figure FDA0003571980030000021
30min波动率定义为：
Figure FDA0003571980030000022
其中，Sn,0(t)表示此时的低频输出功率，P0表示额定装机容量；根据约束条件得到符合双波动率约束条件的最优小波包分解层；为解决过度平滑的问题，引入最大波动偏离率MFD，选择满足1min波动率约束时间尺度且具有最小的MFD的小波包分解层，从而获得最优的二次滤波低频输出功率，实现最优风电并网。
2.根据权利要求1所述的基于备用储能元件和二次熵值的混合储能系统优化方法，其特征在于，所述采用二次熵值策略分别得到功率分界点J和H，从而划分成三个不同的频段；在原有储能模型的基础上引入备用储能元件，构成蓄电池-超级电容-备用储能元件的混合储能系统；根据二次熵值策略，不同储能元件分别吸收平抑对应的频段，从而实现功率的合理分配的具体实现过程如下：
采用能量熵的算法，得到各阶次IMF分量所占能量大小；首先通过归一化处理，求解出最大相邻IMF分量的阶次J；蓄电池主要吸收低频段的波动，备用储能元件起到中间过渡作用，吸收中等频段的波动，因此归一化能量熵能够获得蓄电池-备用储能元件的功率分配指令：
Figure FDA0003571980030000023
其中，Psc1、Pst1、Pbat1分别表示超级电容、备用储能元件和蓄电池的初始功率分配指令，IMFk(t)表示k阶次的IMF取值，N表示最大采样的时间；
采用样本熵的算法，得到各阶次IMF分量之间的相似度大小，通过归一化处理，求解出最大相邻IMF分量的相似度阶次H；超级电容主要吸收高频段的波动，备用储能元件起到中间过渡作用，吸收中等频段的波动，因此归一化样本熵能够获得超级电容-备用储能元件的功率分配指令。
3.根据权利要求1所述的基于备用储能元件和二次熵值的混合储能系统优化方法，其特征在于，所述相应分析指标除了SOC优化前后工作区间外，还有SOC波动偏离率：
Figure FDA0003571980030000031
1min时间尺度内的SOC波动率：
Figure FDA0003571980030000032
30min时间尺度内的SOC波动率：
Figure FDA0003571980030000033
其中M表示取样点，ti表示某一时刻，△ti表示某一时间间隔，SOC(ti)表示某一时刻的SOC取值。
4.一种计算机可读存储介质，其上存储有能够被处理器运行的计算机程序指令，当处理器运行该计算机程序指令时，能够实现如权利要求1-3任一项 所述的方法步骤。
CN202110330965.7A 2021-03-29 2021-03-29 基于备用储能元件和二次熵值的混合储能系统优化方法 Active CN113054683B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110330965.7A CN113054683B (zh) 2021-03-29 2021-03-29 基于备用储能元件和二次熵值的混合储能系统优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110330965.7A CN113054683B (zh) 2021-03-29 2021-03-29 基于备用储能元件和二次熵值的混合储能系统优化方法

Publications (2)

Publication Number Publication Date
CN113054683A CN113054683A (zh) 2021-06-29
CN113054683B true CN113054683B (zh) 2022-08-12

Family

ID=76516378

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110330965.7A Active CN113054683B (zh) 2021-03-29 2021-03-29 基于备用储能元件和二次熵值的混合储能系统优化方法

Country Status (1)

Country Link
CN (1) CN113054683B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104852399A (zh) * 2015-05-18 2015-08-19 国家电网公司 光储微网系统的储能容量动态优化方法
CN109921416A (zh) * 2019-03-15 2019-06-21 国网冀北电力有限公司 混合储能系统功率及容量的确定方法及装置
CN111064210A (zh) * 2019-12-12 2020-04-24 国网浙江省电力有限公司台州供电公司 增加新能源发电波动的海岛电网储能系统分层控制方法
CN111431190A (zh) * 2020-02-21 2020-07-17 固安华电天仁控制设备有限公司 一种平抑风功率波动的多种混合储能系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9846886B2 (en) * 2013-11-07 2017-12-19 Palo Alto Research Center Incorporated Strategic modeling for economic optimization of grid-tied energy assets

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104852399A (zh) * 2015-05-18 2015-08-19 国家电网公司 光储微网系统的储能容量动态优化方法
CN109921416A (zh) * 2019-03-15 2019-06-21 国网冀北电力有限公司 混合储能系统功率及容量的确定方法及装置
CN111064210A (zh) * 2019-12-12 2020-04-24 国网浙江省电力有限公司台州供电公司 增加新能源发电波动的海岛电网储能系统分层控制方法
CN111431190A (zh) * 2020-02-21 2020-07-17 固安华电天仁控制设备有限公司 一种平抑风功率波动的多种混合储能系统

Also Published As

Publication number Publication date
CN113054683A (zh) 2021-06-29

Similar Documents

Publication Publication Date Title
CN117691630B (zh) 一种基于vmd-ceemd的电力系统调频方法和系统
CN117691631B (zh) 一种基于混合储能装置的电力调频方法和系统
CN105975398A (zh) 一种内存碎片管理方法
CN110718940B (zh) 基于负荷预测的多能源船舶智能功率分配方法及装置
CN117674199B (zh) 一种超级电容耦合锂电池的电力系统调频方法和系统
CN112003311A (zh) 一种风电系统功率波动平抑方法、装置以及风电系统
CN111900745A (zh) 一种用于平抑风电功率波动的混合储能分频协调控制系统
CN110460075B (zh) 一种用于平抑电网峰谷差的混合储能出力控制方法及系统
CN113173108B (zh) 多堆燃料电池控制方法、控制装置、系统及车辆
CN105677000A (zh) 动态电压频率调整的系统及方法
WO2023236450A1 (zh) 一种电动汽车集群可调节能力评估方法及系统
CN114240019A (zh) 适用新能源电力系统的灵活资源价值评估方法及装置
CN114899850A (zh) 用于新能源预测误差补偿的混合储能系统功率控制方法
CN113054683B (zh) 基于备用储能元件和二次熵值的混合储能系统优化方法
CN112290596B (zh) 基于Haar小波的风电场混合储能配置自适应双层优化方法
CN112928769A (zh) 一种兼顾补偿预测误差和平抑波动的光伏混合储能控制方法
CN107256078A (zh) 一种动态电压频率调整方法及装置
CN111723168B (zh) 一种基于阶梯机制的差分隐私二维空间数据发布方法
CN114204562A (zh) 一种考虑电动汽车与光伏的混合储能优化方法及系统
CN113162079A (zh) 一种面向风电平抑的混合储能系统容量配置的方法及系统
CN116260164A (zh) 一种基于混合储能系统的功率分配方法及其应用
CN112613654A (zh) 一种基于多类型储能的综合能源系统灵活性评估方法
CN105262126A (zh) 一种用于风储系统的协调控制策略方法
CN117879007A (zh) 基于变分模态分解和Savitzky-Golay滤波的混合储能功率分配方法
CN117117896A (zh) 基于自适应噪声完全集合经验模态分解的光储场站波动平抑方法及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant