CN114629139A - 一种考虑储能容量优化的风-储联合系统调频控制方法 - Google Patents

Abstract

本发明属于电力系统调频控制技术领域，特别涉及一种考虑储能容量优化的风‑储联合系统调频控制方法，以风‑储联合系统总成本最小为目标，建立考虑经济性的储能容量优化配置模型，利用PSO算法对储能容量优化模型进行求解，确定风电场所需最佳储能容量配置方案。根据配置方案，设计风‑储联合系统动态频率响应模糊控制器，制定基于模糊逻辑的风电和储能协同控制策略，充分利用风机有功备用裕度以及储能设备有限容量，实现风电和储能动态协同运行参与系统频率调节。该方法系统总成本最小，经济性好；采用模糊控制方法对风‑储联合系统进行动态频率控制，无需对被控过程进行定量的数学建模，具有很强的实用性。

Description

一种考虑储能容量优化的风-储联合系统调频控制方法

技术领域

本发明属于电力系统调频控制技术领域，特别涉及一种考虑储能容量优化的风-储联合系统调频控制方法。

背景技术

风机通过电力电子变流器并网，随着风电并网容量的增加，系统频率特性恶化。虽然风机可以通过转速控制、桨距角控制和综合控制等方式参与系统频率调节，但是由于风速的随机性和波动性难于保证风电机组具有持久可靠的有功频率支撑能力。而储能的控制灵活、响应快速，短时功率吞吐能力强等特点，易于改变调节方向的技术优势；将储能和风电机组相结合，以有限的储能系统配置赋予风电机组可靠的频率响应能力，实现风机和储能的优势互补，以风-储联合系统形式参与频率调节。

但由于储能成本较高，需要考虑风-储联合系统参与系统频率响应的经济效益，研究风-储系统配置储能的经济性。当前已有的研究多集中在对风-储联合系统中的独立设备参与调频控制方面，缺少对风-储联合系统调频运行总成本经济性的考虑以及对风-储联合系统在响应系统调频需求的过程中风机和储能的有效配合。

发明内容

针对背景技术存在的问题，本发明提供一种考虑储能容量优化的风-储联合系统调频控制方法，以合理的储能容量配置，实现风-储联合系统中风电与储能动态协同运行参与系统频率调节。

为解决上述技术问题，本发明采用如下技术方案：一种考虑储能容量优化的风-储联合系统调频控制方法，该方法以风-储联合系统总成本最小为目标，建立考虑经济性的储能容量优化模型，配置风-储联合系统中储能的调频容量，实现风-储联合系统中风电与储能动态协同运行参与系统频率调节；包括以下步骤：

步骤1、建立考虑经济性的储能容量优化配置模型，确定风电场所需最佳储能容量配置；

步骤2、设计风-储联合系统动态频率响应模糊控制器，制定基于模糊逻辑的风电储能协同控制策略。

在上述考虑储能容量优化的风-储联合系统调频控制方法中，步骤1的实现具体包括以下步骤：

步骤1.1、建立储能容量优化模型；

步骤1.1.1、储能容量优化模型的目标函数为系统调频运行总成本最小，成本函数由运行总成本和调频收益之差得到：

min F＝C_total-I_total

其中，F为系统调频运行总成本，C_total为风-储联合系统的运行总成本，I_total为调频收益；

1)风-储联合系统的运行总成本为：

C_total＝C_con+C_dam+C_soc+C_cha

其中，C_con为储能设备投资建设成本，C_dam为储能运行过程中的衰减损耗，C_soc为储能的SOC越限惩罚成本，C_cha为风机减载运行所造成的机会成本；

1.1)C_con储能设备投资建设成本为：

C_con＝λ_vV_r+λ_pP_r

式中，λ_v为单位容量价格；λ_p为单位功率价格；V_r为储能的额定容量，单位为MWh；P_r为储能的额定功率，单位为MW；

1.2)C_dam储能运行过程中的衰减损耗为：

式中，β_v为储能衰减损耗系数；P_es,t为储能参与调频的有功输出值；t₀、t_s分别为优化运行的起止时刻；

1.3)C_soc储能的SOC越限惩罚成本为：

式中，α_SOC为储能SOC越限成本系数；t₀、t_s分别为优化运行的起止时刻；SOC_t为t时刻储能的SOC值；SOC_max、SOC_min为储能SOC值的上下限值；μ_H为储能在SOC_t＞SOC_max时的类型标志，μ_L为储能在SOC_t＜SOC_min时的类型标志；

1.4)C_cha风机减载运行所造成的机会成本，即风机减载运行所损失的收益为：

式中，τ_t为市场电价；γ_t为风机减载备用水平；P_MPPT,t为风机MPPT控制模式下的有功输出；t₀、t_s分别为优化运行的起止时刻；

2)I_total调频收益计算公式如下：

式中，η_req为风-储联合系统调频电能的单位补偿价格；P_w,t为风机参与调频的有功输出值，P_es,t为储能参与调频的有功输出值；t₀、t_s分别为优化运行的起止时刻；

步骤1.1.2、约束条件包括：储能系统SOC约束，储能系统充放电功率约束，风电机组调频功率约束；

1)风-储联合系统调频过程中储能系统的SOC满足约束条件：

SOC_c,min≤SOC_c,t≤SOC_c,max

SOC_d,min≤SOC_d,t≤SOC_d,max

式中，SOC_c,t为充电过程中t时刻储能的SOC值；SOC_d,t为放电过程中t时刻储能的SOC值；SOC_c,min，SOC_c,max为充电过程中储能系统SOC的最大值和最小值；SOC_d,min，SOC_d,max为放电过程中储能系统SOC的最大值和最小值；

2)储能系统充放电功率应满足约束：

P_c,min≤P_c,t≤P_c,max

P_d,min≤P_d,t≤P_d,max

式中，P_c,t为充电过程中t时刻储能的充电功率；P_d,t为放电过程中t时刻储能的放电功率；P_c,min，P_c,max为储能的最小充电功率和最大充电功率；P_d,min，P_d,max为储能的最小放电功率和最大放电功率；

3)风电机组在调频过程中，参与调频的出力与其留备用水平之间应满足约束关系，风机增发出力不超过其有功备用裕度，满足约束条件：

0≤ΔP_W,t≤γ_t·P_MPPT,t；

式中，ΔP_W,t为风机参与频率响应的有功出力变化量；P_MPPT,t为风机MPPT控制模式下的有功输出；γ_t为风机减载备用水平；

步骤1.2、PSO算法对储能容量优化模型进行求解，得到所需配置的储能容量方案。

在上述考虑储能容量优化的风-储联合系统调频控制方法中，步骤2的实现具体包括以下步骤：

步骤2.1、设计风-储联合系统动态频率响应模糊控制器，确定控制器输入与输出量；

步骤2.1.1将风机减载运行水平χ_t，储能荷电状态SOC_t，作为模糊控制器的输入变量；

步骤2.1.2、风机减载留备用百分比的函数χ_t反映风机在t时刻能够参与频率调节的能力，计算公式如下：

式中，ΔP_R,t为t时刻系统的调频需求；γ_t为风机减载留备用水平；P_m,t为t时刻风机运行于MPPT模式下的有功出力；

步骤2.1.3、模糊控制器的输出为系统调频分配系数ε_t，当风-储联合系统的总调频需求一定时，风机和储能进行频率响应承担的调频功率ΔP_W,t和ΔP_ES,t由系统调频分配系数动态决定：

ΔP_W,t和ΔP_ES,t分别为t时刻风机和储能进行频率响应的有功出力变化量，ε_t为分配系数，当风-储联合系统的总有功调频需求一定时，ΔP_W,t和ΔP_ES,t为由ε_t决定的互补关系；

步骤2.2、制定模糊逻辑推理规则，得到风电、储能协同控制策略；

选择三角形与梯形隶属度函数，进行输入输出空间的模糊分割，进行控制；

对于输入变量SOC_t和χ_t，以及输出变量ε_t，定义五种模糊语言变量来描述输入变量的状态：VL为非常低；L为低；M为中；H为高；VH为非常高；分别针对频率升高和频率降低场景定义相应的模糊逻辑推理规则。

与现有技术相比，本发明的有益效果是：本发明提供了一种考虑储能容量优化的风-储联合系统调频控制方法，通过优化的手段合理安排风-储联合系统中储能的调频容量，系统总成本最小，经济性好；采用的风-储联合系统动态频率响应模糊控制策略，充分利用了风机有功备用裕度以及储能设备有限容量，实现了风电和储能动态协同运行参与系统频率调节，模糊控制无需对被控过程进行定量的数学建模，具有很强的实用性。

附图说明

图1为本发明实施例考虑储能容量优化的风-储联合系统调频控制方法总体流程图；

图2为本发明实施例中风-储联合系统结构图；

图3(a)为本发明实施例中模糊控制器输入变量SOC的隶属度函数；

图3(b)为本发明实施例中模糊控制器频率升高场景输入变量χ的隶属度函数；

图3(c)为本发明实施例中模糊控制器频率降低场景输入变量χ的隶属度函数；

图3(d)为本发明实施例中模糊控制器输出变量分配系数ε的隶属度函数；

图4为本发明实施例中风电储能出力曲线。

具体实施方式

下面将结合本发明实施例对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。

下面结合具体实施例对本发明作进一步说明，但不作为本发明的限定。

针对上述问题，本实施例提出了一种考虑储能容量优化的风-储联合系统调频控制方法。以风-储联合系统总成本最小为目标，建立了考虑经济性的储能容量优化模型，合理安排风-储联合系统中储能的调频容量；然后提出了一种风-储联合系统动态频率响应模糊控制策略，充分利用了风机有功备用裕度以及储能设备有限容量，实现风电与储能动态协同运行参与系统频率调节。

如图1所示，为本发明方法流程图，利用PSO算法对建立的储能容量优化模型进行求解，得到所需配置的储能容量方案；设计风-储联合系统动态频率响应模糊控制器，根据系统的调频需求得到风电、储能协同控制策略。如图2所示，为风-储联合系统结构图。

本实施例是通过以下技术方案来实现的，一种考虑储能容量优化的风-储联合系统调频控制方法，包括以下步骤：

S1、建立考虑经济性的储能容量优化配置模型，确定风电场所需最佳储能容量配置。具体包括以下步骤：

S1.1，建立储能容量优化模型。

储能容量优化模型综合考虑了风-储联合系统中储能设备的投资与运行成本，风机减载运行的机会成本以及风-储联合系统的调频收益。储能容量优化模型的目标函数为系统调频运行总成本最小，成本函数由运行总成本和调频收益之差得到：

min F＝C_total-I_total

其中，F为系统调频运行总成本，C_total为风-储联合系统的运行总成本，I_total为调频收益；

风-储联合系统的运行总成本由四部分组成：

C_total＝C_con+C_dam+C_soc+C_cha

其中，C_con为储能设备投资建设成本，C_dam为储能运行过程中的衰减损耗，C_soc为储能的SOC越限惩罚成本，C_cha为风机减载运行所造成的机会成本；

C_con为储能设备投资建设成本：

C_con＝λ_vV_r+λ_pP_r

式中，λ_v为单位容量价格；λ_p为单位功率价格；V_r为储能的额定容量，单位为MWh；P_r为储能的额定功率，单位为MW。

由于储能在参与调频过程中充放电功率方向会出现频繁变化，因此需要在储能运行成本中记及储能电池的衰减损耗。C_dam为储能运行过程中的衰减损耗：

式中，β_v为储能衰减损耗系数；P_es,t为储能参与调频的有功输出值；t₀、t_s为优化运行的起止时刻。

在系统参与调频过程中，储能装置可能会出现过充过放电现象，因此需要考虑储能的SOC越限成本。C_soc为储能的SOC越限惩罚成本：

式中，α_SOC为储能SOC越限成本系数；t₀、t_s分别为优化运行的起止时刻；SOC_t为t时刻储能的SOC值；SOC_max、SOC_min为储能SOC值的上下限值；μ_H为储能在SOC_t＞SOC_max时的类型标志，μ_L为储能在SOC_t＜SOC_min时的类型标志。

风机考虑通过减载运行为系统提供稳定的频率支撑，因此风机需要预留一部风备用容量，造成一定的弃风成本。C_cha为风机减载运行所造成的机会成本，即风机减载运行所损失的收益：

式中，τ_t为市场电价；γ_t为风机减载备用水平；P_MPPT,t为风机MPPT控制模式下的有功输出。风机减载机会成本直接与风机的备用水平相关，风机所留调频备用水平γ_t越高，则风机的减载运行的机会成本越大。

由于风-储联合系统通过参与频率响应可以获得一定的调频收益。计算调频收益的方法：

式中，η_req为风-储联合系统调频电能的单位补偿价格；P_w,t为风机参与调频的有功输出值，P_es,t为储能参与调频的有功输出值；t₀、t_s分别为优化运行的起止时刻；

约束条件包括，储能系统SOC约束，储能系统充放电功率约束，风电机组调频功率约束。

风-储联合系统调频过程中储能系统的SOC满足约束条件：

SOC_c,min≤SOC_c,t≤SOC_c,max

SOC_d,min≤SOC_d,t≤SOC_d,max

式中，SOC _c,t为充电过程中t时刻储能的SOC值；SOC _d,t为放电过程中t时刻储能的SOC值；SOC_c,min，SOC_c,max为充电过程中储能系统SOC的最大值和最小值；SOC_d,min，SOC_d,max为放电过程中储能系统SOC的最大值和最小值；

储能系统充放电功率应满足约束：

P_c,min≤P_c,t≤P_c,max

P_d,min≤P_d,t≤P_d,max

式中，P_c,t为充电过程中t时刻储能的充电功率；P_d,t为放电过程中t时刻储能的放电功率；P_c,min，P_c,max为储能的最小充电功率和最大充电功率；P_d,min，P_d,max为储能的最小放电功率和最大放电功率；

风电机组在调频过程中，参与调频的出力与其留备用水平之间应满足约束关系，风机增发出力不能超过其有功备用裕度。应满足的约束条件：

0≤ΔP_W,t≤γ_t·P_MPPT,t

式中，ΔP_W,t为风机参与频率响应的有功出力变化量；P_MPPT,t为风机MPPT控制模式下的有功输出；γ_t为风机减载备用水平。

S1.2，利用PSO算法对储能容量优化模型进行求解，得到所需配置的储能容量方案。

S2：设计风-储联合系统动态频率响应模糊控制器，制定基于模糊逻辑的风电储能协同控制策略。具体包括以下步骤：

S2.1，设计风-储联合系统动态频率响应模糊控制器，确定控制器输入与输出量。

将风机减载运行水平χ_t，储能荷电状态SOC_t，作为模糊控制器的输入变量；

储能荷电状态SOC_t反映储能在t时刻储存的电量。风机减载留备用百分比的函数χ_t反映风机在t时刻能够参与频率调节的能力，计算公式如下所示：

式中，ΔP_R,t为t时刻系统的调频需求；γ_t为风机减载留备用水平；P_m,t为t时刻风机运行于MPPT模式下的有功出力。

模糊控制器的输出为系统调频分配系数ε_t，由模糊控制器动态决定。

分配系数ε_t可以决策风-储联合系统主动参与系统频率调节过程中有功需求在风机与储能设备之间的动态分配。当风-储联合系统的总调频需求一定时，风机和储能进行频率响应承担的调频功率ΔP_W,t和ΔP_ES,t由系统调频分配系数动态决定。

ΔP_W,t和ΔP_ES,t为t时刻风机和储能进行频率响应的有功出力变化量。当风储联合系统的总有功调频需求一定时，此二值为由ε_t决定的互补关系。

S2.2，制定模糊逻辑推理规则，得到风电、储能协同控制策略。

为了实现风电和储能的动态配合来满足系统频率调节需求，制定模糊逻辑推理规则，实现风-储联合系统的协调配合运行。选择三角形与梯形隶属度函数，进行输入输出空间的模糊分割，进行控制。

对于输入变量SOC_t和χ_t，以及输出变量ε_t，定义五种模糊语言变量来描述输入变量的状态：VL(非常低)；L(低)；M(中)；H(高)；VH(非常高)。分别针对频率升高和频率降低场景定义相应的模糊逻辑推理规则。如图3(a)所示，为模糊控制器输入变量SOC的隶属度函数。如图3(b)所示，为模糊控制器频率升高场景输入变量χ的隶属度函数。如图3(c)所示，为模糊控制器频率降低场景输入变量χ的隶属度函数；如图3(d)所示，为模糊控制器输出变量分配系数ε的隶属度函数。

对于频率升高场景时的模糊逻辑推理见表1：

表1频率升高时模糊逻辑推理表

当系统频率升高时，储能设备为充电状态，较低的SOC值代表储能具有较高的从电网储能能量的能力，此时风机的减载程度可以更小以提高系统调频经济性。当SOC值较低且χ较高时，此时调频需求动态分配系数ε将取较高值，代表由储能承担更多调频需求；当SOC值较高且χ较高时，此时调频需求动态分配系数ε将取较低值，代表由风机减载承担更多调频需求；当SOC值较低且χ较低时，此时调频需求动态分配系数ε将取较高值，代表优先由储能承担调频需求。

对于频率降低场景时的模糊逻辑推理见表2：

表2频率降低时模糊逻辑推理表

当系统频率降低时，储能设备为放电状态，风机应增发有功功率以支援系统频率恢复。较高的SOC值代表储能具有充足的电能储备向电网发出有功进行频率支撑。当SOC值较高且χ较低时，此时调频需求动态分配系数ε将取较高值，代表由储能承担更多调频需求；当SOC值较低且χ较高时，此时调频需求动态分配系数ε将取较低值，代表由风机承担更多调频需求；当SOC值较低且χ较低时，此时调频需求动态分配系数ε将取较高值，代表优先由储能承担调频需求。

为验证风-储联合系统中储能容量优化配置以及协同控制策略参与调频控制的经济性和有效性，设图2系统中风电场出力为200MW，并为其配置辅助调频的储能设备以组成风-储联合系统。

构建容量优化模型，优化模型中参数设置以储能的单位能量成本λ_v为基准值，λ_v取值5×10⁵$/MWh，对所有成本参数标幺化。

储能容量优化模型中变量参数的标幺值见表3：

表3容量优化模型中的变量参数表

对系统需要配置的储能容量进行优化，根据储能容量优化模型得到仿真系统最优的一个储能配置方案。风-储联合系统所需的储能配置额定容量为28.92MWh，额定功率为40MW。

以系统频率降低场景为例，当系统出现连续的负荷变化，以多时段进行模糊逻辑控制。考虑到实际风速的波动性，为简化分析，风机的预留备用容量设置为MPPT控制时最大输出功率的10％，储能的初始SOC值设置为0.4。风-储联合系统参与调频过程中，根据模糊逻辑控制器的输出来决定风电和储能的调频策略，风机减载运行时的出力以及储能系统充放电功率如图4所示。由仿真结果可以看出，通过模糊逻辑控制方法，风-储联合系统中风电和储能的有功出力实时配合，响应系统频率稳定。

以上仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。

Claims (3)

1.一种考虑储能容量优化的风-储联合系统调频控制方法，其特征在于：该方法以风-储联合系统总成本最小为目标，建立考虑经济性的储能容量优化模型，配置风-储联合系统中储能的调频容量，实现风-储联合系统中风电与储能动态协同运行参与系统频率调节；包括以下步骤：

步骤1、建立考虑经济性的储能容量优化配置模型，确定风电场所需最佳储能容量配置；

步骤2、设计风-储联合系统动态频率响应模糊控制器，制定基于模糊逻辑的风电储能协同控制策略。

2.根据权利要求1所述考虑储能容量优化的风-储联合系统调频控制方法，其特征在于：步骤1的实现具体包括以下步骤：

步骤1.1、建立储能容量优化模型；

步骤1.1.1、储能容量优化模型的目标函数为系统调频运行总成本最小，成本函数由运行总成本和调频收益之差得到：

minF＝C_total-I_total

其中，F为系统调频运行总成本，C_total为风-储联合系统的运行总成本，I_total为调频收益；

1)风-储联合系统的运行总成本为：

C_total＝C_con+C_dam+C_soc+C_cha

其中，C_con为储能设备投资建设成本，C_dam为储能运行过程中的衰减损耗，C_soc为储能的SOC越限惩罚成本，C_cha为风机减载运行所造成的机会成本；

1.1)C_con储能设备投资建设成本为：

C_con＝λ_vV_r+λ_pP_r

式中，λ_v为单位容量价格；λ_p为单位功率价格；V_r为储能的额定容量，单位为MWh；P_r为储能的额定功率，单位为MW；

1.2)C_dam储能运行过程中的衰减损耗为：

式中，β_v为储能衰减损耗系数；P_es,t为储能参与调频的有功输出值；t₀、t_s分别为优化运行的起止时刻；

1.3)C_soc储能的SOC越限惩罚成本为：

式中，α_SOC为储能SOC越限成本系数；t₀、t_s分别为优化运行的起止时刻；SOC_t为t时刻储能的SOC值；SOC_max、SOC_min为储能SOC值的上下限值；μ_H为储能在SOC_t＞SOC_max时的类型标志，μ_L为储能在SOC_t＜SOC_min时的类型标志；

1.4)C_cha风机减载运行所造成的机会成本，即风机减载运行所损失的收益为：

式中，τ_t为市场电价；γ_t为风机减载备用水平；P_MPPT,t为风机MPPT控制模式下的有功输出；t₀、t_s分别为优化运行的起止时刻；

2)I_total调频收益计算公式如下：

式中，η_req为风-储联合系统调频电能的单位补偿价格；P_w,t为风机参与调频的有功输出值，P_es,t为储能参与调频的有功输出值；t₀、t_s分别为优化运行的起止时刻；

步骤1.1.2、约束条件包括：储能系统SOC约束，储能系统充放电功率约束，风电机组调频功率约束；

1)风-储联合系统调频过程中储能系统的SOC满足约束条件：

SOC_c,min≤SOC_c,t≤SOC_c,max

SOC_d,min≤SOC_d,t≤SOC_d,max

式中，SOC_c,t为充电过程中t时刻储能的SOC值；SOC_d,t为放电过程中t时刻储能的SOC值；SOC_c,min，SOC_c,max为充电过程中储能系统SOC的最大值和最小值；SOC_d,min，SOC_d,max为放电过程中储能系统SOC的最大值和最小值；

2)储能系统充放电功率应满足约束：

P_c,min≤P_c,t≤P_c,max

P_d,min≤P_d,t≤P_d,max

式中，P_c,t为充电过程中t时刻储能的充电功率；P_d,t为放电过程中t时刻储能的放电功率；P_c,min，P_c,max为储能的最小充电功率和最大充电功率；P_d,min，P_d,max为储能的最小放电功率和最大放电功率；

3)风电机组在调频过程中，参与调频的出力与其留备用水平之间应满足约束关系，风机增发出力不超过其有功备用裕度，满足约束条件：

0≤ΔP_W,t≤γ_t·P_MPPT,t；

式中，ΔP_W,t为风机参与频率响应的有功出力变化量；P_MPPT,t为风机MPPT控制模式下的有功输出；γ_t为风机减载备用水平；

步骤1.2、PSO算法对储能容量优化模型进行求解，得到所需配置的储能容量方案。

3.根据权利要求1所述考虑储能容量优化的风-储联合系统调频控制方法，其特征在于：步骤2的实现具体包括以下步骤：

步骤2.1、设计风-储联合系统动态频率响应模糊控制器，确定控制器输入与输出量；

步骤2.1.1将风机减载运行水平χ_t，储能荷电状态SOC_t，作为模糊控制器的输入变量；

步骤2.1.2、风机减载留备用百分比的函数χ_t反映风机在t时刻能够参与频率调节的能力，计算公式如下：

式中，ΔP_R,t为t时刻系统的调频需求；γ_t为风机减载留备用水平；P_m,t为t时刻风机运行于MPPT模式下的有功出力；

步骤2.1.3、模糊控制器的输出为系统调频分配系数ε_t，当风-储联合系统的总调频需求一定时，风机和储能进行频率响应承担的调频功率ΔP_W,t和ΔP_ES,t由系统调频分配系数动态决定：

ΔP_W,t和ΔP_ES,t分别为t时刻风机和储能进行频率响应的有功出力变化量，ε_t为分配系数，当风-储联合系统的总有功调频需求一定时，ΔP_W,t和ΔP_ES,t为由ε_t决定的互补关系；

步骤2.2、制定模糊逻辑推理规则，得到风电、储能协同控制策略；

选择三角形与梯形隶属度函数，进行输入输出空间的模糊分割，进行控制；

对于输入变量SOC_t和χ_t，以及输出变量ε_t，定义五种模糊语言变量来描述输入变量的状态：VL为非常低；L为低；M为中；H为高；VH为非常高；分别针对频率升高和频率降低场景定义相应的模糊逻辑推理规则。

Images