CN115733180A - 基于自适应模态数vmd算法的混合储能系统调频控制方法及系统 - Google Patents

Abstract

本发明公开了基于自适应模态数VMD算法的混合储能系统调频控制方法及系统，基于储能设备运行特性自适应确定分频模态数；设计基于FIFO原则和端点镜像延拓的滑动采样窗口，实现VMD算法的实时分解应用；将AGC系统的调频功率指令划分为高频分量与低频分量，分别下发给对应运行特性的储能设备；在充分发挥VMD算法的优越性，解决端点效应和模态混叠问题，降低对原始信号依赖性的同时实现分频模态对于储能装置运行特性的自适应调整，改善了储能装置运行环境，优化了调频效果，提升了混合储能系统应用的经济性。

Description

基于自适应模态数VMD算法的混合储能系统调频控制方法及 系统

技术领域

本发明涉及基于自适应模态数VMD算法的混合储能系统调频控制方法及系统，属于新能源方向混合储能参与含风电电网调频控制策略领域。

背景技术

随着化石能源储量的日益减少以及其带来的环境污染问题，大规模开发和应用新能源已是大势所趋，而风电作为其中较为成熟且应用广泛的可再生能源之一，其大规模并网应用是不可避免的。但同时，风电的大规模并网也将为电网及电力系统的运行稳定性带来不可忽视的影响和问题。风电自身的波动性，间歇性和随机性等缺点，将伴随着其规模增加，危害逐步放大，轻则造成波形畸变、系统频率偏差、电压波动及闪变等电能质量下降问题，重则传统机组的调频容量难以满足风电有功出力波动，导致电网频率偏差过大，风电场被迫解列，出现“弃风弃电”等问题，风电消纳能力受限。同时，其波动性也将迫使传统调频机组频繁出力，增加设备机械磨损，减少机组寿命，系统运行的成本大大增加。因此，为解决上述问题，现有的解决方案是在系统中加入储能系统辅助调频出力，利用储能系统响应快，出力大的特点实现含风电并网系统的调频功率指令快速跟踪来完成调频。

储能系统具有双向快速吞吐功率的动态性能以及存储能量实现灵活用电的静态能力，与含风电电网调频功率需求的时间尺度特点非常契合，使其可以在不同运行工况下有效应对风电功率的波动性。同时，以锂电池和超级电容为代表的电化学储能装置还具有配置灵活，受地理因素限制较小的优点。因此利用储能系统辅助调频解决风电大规模并网问题，提升电网的风电消纳能力在理论上有着一定的优势。然而目前，以单一的储能装置还不足以满足全部技术要求，研究者们提出了利用功率型储能和能量型储能的特性互补所构建的混合储能系统(Hybrid energy storage system，HESS)来获得更加优越的调频性能。其中功率型储能功率支撑幅值高，可以对短时大功率指令快速响应并且运行寿命时间长，但也存在能量密度低、静置放电率大且持续功率支撑时间短等不足；能量型储能的单位能量密度大、自身电能损耗小，可长时间提供功率支撑，但通常对高功率指令的响应速度较慢、频繁充放电会严重影响使用寿命。结合两者的运行特性，通过信号分频处理，将调频功率指令分别下发给符合的储能装置，实现分频调度是目前混合储能系统的主流应用思想。

因此针对目前主流分频方法中：高低通滤波分频器对于分解模态难以动态调整，时间常数难以精确控制；小波包分解分频效果对初始基函数取值依赖性和经验模态分解对边界取值依赖性等问题。

发明内容

本发明提供了基于自适应模态数VMD算法的混合储能系统调频控制方法及系统，解决了背景技术中披露的目前混合储能系统分频调度中，分频模态固定无法与储能装置运行特性动态适应，容易造成储能装置功率指令跟踪能力不足，调频效果不理想以及储能装置过充放，运行经济性较差的问题。

为了解决上述技术问题，本发明所采用的技术方案是：基于自适应模态数VMD算法的混合储能系统调频控制方法：

构建超级电容与锂电池组成的混合储能系统模型；

在包含风电和传统火力发电机组一二次调频控制的电力系统中加入混合储能系统模型；

提取电力系统二次调频AGC指令，并设置滑动采样窗口利用VMD算法实时分解AGC功率指令；

量化混合储能系统模型高频功率分点和低频功率分点；

采取自适应模态数VMD算法根据量化后的高频功率分点和低频功率分点对AGC功率指令分频，得到高频功率分量和低频功率分量，将高频功率分量发给超级电容作为超级电容调频功率指令，将低频功率分量发给锂电池作为锂电池调频功率指令。

进一步地，构建混合储能系统模型的过程为：

选用锂电池和超级电容的输出功率响应速度构建混合储能系统模型，将混合储能响应时间常数、输入功率、输出功率，功率限幅和SOC状态为物理特征构建混合储能系统模型。

进一步地，滑动采样窗口利用VMD算法实时分解AGC功率指令的过程为：

滑动采样窗口每个采样周期进入一次数据，每当新数据进入滑动采样窗口，按照FIFO原则更新窗口数据，即每次采样滑动窗内数据随时间滚动一次，当窗口内数据存满时，进行第一次VMD分解，随后每一次采样得到新数据都进行一次VMD分解。

进一步地，量化混合储能系统模型高频功率分点和低频功率分点的过程为：

由超级电容充放电时间得出的高频分点为分频的分界线，其频率在f_H以上的模态分量均定义为高频分量，剩余分量定义为低频分量；而由锂电池量化出的低频分点以校验分解结果是否符合混合储能系统出力特性：

其中，f_H为高频分点对应频率，单位为Hz；T_c为超级电容持续充/放电时间，单位为min；

其中，f_L为低频分点对应频率，单位为Hz；T_B为锂电池持续充/放电时间，单位为h。

进一步地，采取自适应模态数VMD算法根据量化后的高频功率分点和低频功率分点对AGC功率指令分频的过程为：

根据混合储能系统的出力特性自适应调整分解模态数K，规定K是以模态分量频率首次低于f_H后停止分解时的总分解模态数，统计其所有的模态分量数，将高频分量与低频分量表示如下：

P_sc＝u⁽¹⁾+u⁽²⁾+…+u^(K-1)

P_bess＝u^K

其中，模态分量u⁽¹⁾,…,u^(K-1)为滑动采样窗口分解AGC功率指令中下发给超级电容的高频分量，其和为超级电容调频功率指令P_sc；而模态分量u^K为滑动采样窗口分解AGC功率指令中下发给锂电池的低频分量，其和为锂电池调频功率指令P_bess。

相应地，基于自适应模态数VMD算法的混合储能系统调频控制系统，其特征在于，包括：

混合储能系统模型：包括超级电容、锂电池和分频控制模块；

在包含风电和传统火力发电机组一二次调频控制的电力系统中加入混合储能系统模型；

分频控制模块用于：提取电力系统二次调频AGC指令，并设置滑动采样窗口利用VMD算法实时分解AGC功率指令；

量化混合储能系统模型高频功率分点和低频功率分点；

采取自适应模态数VMD算法根据量化后的高频功率分点和低频功率分点对AGC功率指令分频，得到高频功率分量和低频功率分量，将高频功率分量发给超级电容，将低频功率分量发给锂电池。

进一步地，混合储能系统模型的构建过程为：

选用锂电池和超级电容的输出功率响应速度构建混合储能系统模型，将混合储能响应时间常数、输入功率、输出功率，功率限幅和SOC状态为物理特征构建混合储能系统模型。

进一步地，滑动采样窗口利用VMD算法实时分解AGC功率指令的过程为：

滑动采样窗口每个采样周期进入一次数据，每当新数据进入滑动采样窗口，按照FIFO原则更新窗口数据，即每次采样滑动窗内数据随时间滚动一次，当窗口内数据存满时，进行第一次VMD分解，随后每一次采样得到新数据都进行一次VMD分解。

进一步地，量化混合储能系统模型高频功率分点和低频功率分点的过程为：

由超级电容充放电时间得出的高频分点为分频的分界线，其频率在f_H以上的模态分量均定义为高频分量，剩余分量定义为低频分量；而由锂电池量化出的低频分点以校验分解结果是否符合混合储能系统出力特性：

其中，f_H为高频分点对应频率，单位为Hz；T_c为超级电容持续充/放电时间，单位为min；

其中，f_L为低频分点对应频率，单位为Hz；T_B为锂电池持续充/放电时间，单位为h。

进一步地，采取自适应模态数VMD算法根据量化后的高频功率分点和低频功率分点对AGC功率指令分频的过程为：

根据混合储能系统的出力特性自适应调整分解模态数K，规定K是以模态分量频率首次低于f_H后停止分解时的总分解模态数，统计其所有的模态分量数，将高频分量与低频分量表示如下：

P_sc＝u⁽¹⁾+u⁽²⁾+…+u^(K-1)

P_bess＝u^K

其中，模态分量u⁽¹⁾,…,u^(K-1)为滑动采样窗口分解AGC功率指令中下发给超级电容的高频分量，其和为超级电容调频功率指令P_sc；而模态分量u^K为滑动采样窗口分解AGC功率指令中下发给锂电池的低频分量，其和为锂电池调频功率指令P_bess。

本发明所达到的有益效果：鉴于传统高低通滤波分频器对于分解模态难以动态调整，时间常数难以精确控制；小波包分解分频效果对初始基函数取值依赖性和经验模态分解对边界取值依赖性等缺陷，本发明采取基于自适应模态数VMD方法的混合储能系统调频控制策略，基于储能设备运行特性自适应确定分频模态数；设计基于FIFO原则和端点镜像延拓的滑动采样窗口，实现VMD算法的实时分解应用；将AGC系统的调频功率指令划分为高频分量与低频分量，分别下发给对应运行特性的储能设备；在充分发挥VMD算法的优越性，解决端点效应和模态混叠问题，降低对原始信号依赖性的同时实现分频模态对于储能装置运行特性的自适应调整，改善了储能装置运行环境，优化了调频效果，提升了混合储能系统应用的经济性。

附图说明

图1是某电网一段时间内的等效负荷波动示意图；

图2是本发明中混合储能系统出力模型示意图；

图3是本发明混合储能系统参与含风电并网系统调频结构示意图；

图4是滑动采样窗口采样示意图；

图5是本发明中自适应模态数VMD算法分频效果；

图6是应用本发明调峰调频改善效果示意图；

图7是应用本发明调峰调频改善效果局部放大示意图；

图8是与单一储能参与调频相比锂离子电池出力的优化效果示意图；

图9是与单一储能参与调频相比锂离子电池SOC状态的优化效果示意图。

具体实施方式

下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

本发明提出了基于自适应模态数VMD算法的混合储能系统调频控制方法及系统，通过量化超级电容和锂电池储能的运行特性参数确定AGC调频指令的功率分点，并以此自适应确定VMD算法分解模态数来优化混合储能系统的功率调度，将频率分点以上的高频功率指令下发给超级电容，低频分量下发给锂电池，充分发挥不同储能设备的运行特性优势。

同时通过仿真算例与传统的单一储能参与系统二次调频进行对比，从结果可以看出自适应模态数VMD算法分频效果合理，调频效果更加良好并且储能设备的SOC与输出功率也更符合储能设备各自的运行特性，混合储能系统运行寿命得以延长，经济性得到提升，验证了该方法的可行性。

针对某一混合储能系统参与含风电并网系统调频数据算例应用基于自适应模态数VMD算法的混合储能系统调频控制策略，算例原始数据采用某电力系统600s内等效负荷变化曲线，负荷变化区间为+-25MW，波动峰谷值分别为+24.1MW和-21.3MW，数据曲线见图1。

实施方案如下：

第一步，构建混合储能系统模型。

根据混合储能系统中所选用的具体储能设备，量化其物理参数，对其响应时间常数，功率限幅和SOC状态进行建模，根据需求确定其充放电功率配置以及出力控制策略。其具体模型及其参数见图2和表1；

表1锂电池及超级电容的主要技术参数

第二步，构建含混合储能系统的电力系统调频模型。

在包含风电和传统火力发电机组一二次调频控制的电力系统中加入混合储能系统，其中电网需采用响应速度更快，更适合储能系统参与调频的ACE模式AGC调频控制。通过AGC指令进行传统火力调频机组和储能系统之间的功率分配，之后通过预设的功率分配控制策略，给混合储能系统不同类型的储能设备下发调频功率指令，混合储能系统快速响应参与调频，满足调频需求的同时充分发挥不同类型储能装置的运行特性，提升运行经济性。本例所用的电力系统结构见图3

第三步，提取系统二次调频AGC指令，设置滑动采样窗口实时信号分解。

基于FIFO队列思想，将滑动采样窗口与变分模态分解(VMD)相结合，实现VMD算法在实时信号分析上的应用。同时利用镜像延拓解决滑动采样窗口端点处存在的分解边界效应，减少信号失真，提升分频效果。

如图4所示，滑动采样窗口每个采样周期进入一次数据，每当新数据进入滑动采样窗口，按照FIFO原则更新窗口数据，即每次采样滑动窗内数据随时间滚动一次。当窗口内数据存满时，进行第一次VMD分解，随后每一次采样得到新数据都进行一次VMD分解，即实现VMD算法的实时分解应用。而该方案在实际应用中发现，在窗口端点处VMD算法分解存在边界效应，相同时间段的数据分解结果在边界存在一定误差。因此，为抑制端点效应对于分频效果的影响,在窗口端点处对窗内数据进行镜像延拓,延拓后的窗口数据如下所示：

式中L_x为滑动采样窗口长度，当滑动窗内数据点存满后，对滑动窗进行镜像延拓，使得当前时刻处于滑动窗的中央，避免边界效应的影响。

本算例所设置的滑动采样窗口及VMD算法部分参数配置见表2

表2 VMD算法及滑动采样窗口主要参数

第四步，量化混合储能系统高/低频功率分点。

由超级电容充放电时间得出的高频分点为分频策略的主要分界线，其频率在f_H以上的模态分量均定义为高频分量，剩余分量定义为低频分量。而由锂电池量化出的低频分点以校验分解结果是否符合储能系统出力特性：

其中，f_H为高频分点对应频率，单位为Hz；T_c为超级电容持续充/放电时间，单位为min。根据表1，T_c取15min。

其中，f_L为低频分点对应频率，单位为Hz；T_B为锂电池持续充/放电时间，单位为h。根据表1，T_B取5h。

第五步，采取自适应模态数的VMD算法根据量化后的高/低频功率分点对AGC功率指令分频，自动提取高/低频功率分量，分别实时下发给能量型和功率型储能，充分发挥不同运行特性储能装置的优势，提升调频效果和运行经济性。

根据风电不平衡功率特征与储能系统出力特性自适应分解模态数K，规定K是以模态分量频率首次低于f_H的时候停止分解。本算例最终K值自适应结果为K＝3，统计所有的模态分量数，将高频分量与低频分量表示如下：

P_sc＝u⁽²⁾+u⁽³⁾

P_bess＝u⁽¹⁾

其中，模态分量u⁽²⁾+u⁽³⁾为滑动采样窗口分解AGC指令中下发给超级电容的高频分量，其和为超级电容调频功率指令P_sc；而模态分量u⁽¹⁾为滑动采样窗口分解AGC指令中下发给锂电池的低频分量，其值为锂电池调频功率指令P_bess。

利用自适应模态数VMD算法对AGC调频指令进行分解，下发给混合储能系统后参与电网系统调频与传统单一储能参与调频的调峰调频效果对比以及相应的储能设备SOC状态及出力曲线分别如图5至图9所示。从图中可以看出，相比于单一储能参与含风储联合系统电网调频，本发明所设计的混合储能调频控制策略，调频效果更好，储能设备出力曲线复合其运行出力特性并且设备SOC状态保持健康无过充放现象发生，可见采用该控制策略使得混合储能系统参与含风电电力系统二次调频时，储能设备出力更加贴合设备运行及出力特性，设备寿命损耗更小，容量配置更加合理，有效利用锂电池和超级电容出力特性优势互补的同时保证了设备无过充放，出力不足等现象，实现了良好的调频效果，证明了该方法的有效性。以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。

一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行基于自适应模态数VMD算法的混合储能系统调频控制方法。

一种计算设备，包括一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行基于自适应模态数VMD算法的混合储能系统调频控制方法的指令。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。

本发明是参照根据本发明实施例的方法、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。

以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (10)

1.基于自适应模态数VMD算法的混合储能系统调频控制方法，其特征在于：

构建超级电容与锂电池组成的混合储能系统模型；

在包含风电和传统火力发电机组一二次调频控制的电力系统中加入混合储能系统模型；

提取电力系统二次调频AGC指令，并设置滑动采样窗口利用VMD算法实时分解AGC功率指令；

量化混合储能系统模型高频功率分点和低频功率分点；

采取自适应模态数VMD算法根据量化后的高频功率分点和低频功率分点对AGC功率指令分频，得到高频功率分量和低频功率分量，将高频功率分量发给超级电容作为超级电容调频功率指令，将低频功率分量发给锂电池作为锂电池调频功率指令。

2.根据权利要求1所述的基于自适应模态数VMD算法的混合储能系统调频控制方法，其特征在于，构建混合储能系统模型的过程为：

选用锂电池和超级电容的输出功率响应速度构建混合储能系统模型，将混合储能响应时间常数、输入功率、输出功率，功率限幅和SOC状态为物理特征构建混合储能系统模型。

3.根据权利要求1所述的基于自适应模态数VMD算法的混合储能系统调频控制方法，其特征在于，滑动采样窗口利用VMD算法实时分解AGC功率指令的过程为：

滑动采样窗口每个采样周期进入一次数据，每当新数据进入滑动采样窗口，按照FIFO原则更新窗口数据，即每次采样滑动窗内数据随时间滚动一次，当窗口内数据存满时，进行第一次VMD分解，随后每一次采样得到新数据都进行一次VMD分解。

4.根据权利要求1所述的基于自适应模态数VMD算法的混合储能系统调频控制方法，其特征在于，量化混合储能系统模型高频功率分点和低频功率分点的过程为：

由超级电容充放电时间得出的高频分点为分频的分界线，其频率在f_H以上的模态分量均定义为高频分量，剩余分量定义为低频分量；而由锂电池量化出的低频分点以校验分解结果是否符合混合储能系统出力特性：

其中，f_H为高频分点对应频率，单位为Hz；T_c为超级电容持续充/放电时间，单位为min；

其中，f_L为低频分点对应频率，单位为Hz；T_B为锂电池持续充/放电时间，单位为h。

5.根据权利要求4所述的基于自适应模态数VMD算法的混合储能系统调频控制方法，其特征在于，采取自适应模态数VMD算法根据量化后的高频功率分点和低频功率分点对AGC功率指令分频的过程为：

根据混合储能系统的出力特性自适应调整分解模态数K，规定K是以模态分量频率首次低于f_H后停止分解时的总分解模态数，统计其所有的模态分量数，将高频分量与低频分量表示如下：

P_sc＝u⁽¹⁾+u⁽²⁾+…+u^(K-1)

P_bess＝u^K

其中，模态分量u⁽¹⁾,…,u^(K-1)为滑动采样窗口分解AGC功率指令中下发给超级电容的高频分量，其和为超级电容调频功率指令P_sc；而模态分量u^K为滑动采样窗口分解AGC功率指令中下发给锂电池的低频分量，其和为锂电池调频功率指令P_bess。

6.基于自适应模态数VMD算法的混合储能系统调频控制系统，其特征在于，包括：

混合储能系统模型：包括超级电容、锂电池和分频控制模块；

在包含风电和传统火力发电机组一二次调频控制的电力系统中加入混合储能系统模型；

分频控制模块用于：提取电力系统二次调频AGC指令，并设置滑动采样窗口利用VMD算法实时分解AGC功率指令；

量化混合储能系统模型高频功率分点和低频功率分点；

采取自适应模态数VMD算法根据量化后的高频功率分点和低频功率分点对AGC功率指令分频，得到高频功率分量和低频功率分量，将高频功率分量发给超级电容，将低频功率分量发给锂电池。

7.根据权利要求6所述的基于自适应模态数VMD算法的混合储能系统调频控制系统，其特征在于，混合储能系统模型的构建过程为：

选用锂电池和超级电容的输出功率响应速度构建混合储能系统模型，将混合储能响应时间常数、输入功率、输出功率，功率限幅和SOC状态为物理特征构建混合储能系统模型。

8.根据权利要求6所述的基于自适应模态数VMD算法的混合储能系统调频控制系统，其特征在于，滑动采样窗口利用VMD算法实时分解AGC功率指令的过程为：

滑动采样窗口每个采样周期进入一次数据，每当新数据进入滑动采样窗口，按照FIFO原则更新窗口数据，即每次采样滑动窗内数据随时间滚动一次，当窗口内数据存满时，进行第一次VMD分解，随后每一次采样得到新数据都进行一次VMD分解。

9.根据权利要求6所述的基于自适应模态数VMD算法的混合储能系统调频控制系统，其特征在于，量化混合储能系统模型高频功率分点和低频功率分点的过程为：

由超级电容充放电时间得出的高频分点为分频的分界线，其频率在f_H以上的模态分量均定义为高频分量，剩余分量定义为低频分量；而由锂电池量化出的低频分点以校验分解结果是否符合混合储能系统出力特性：

其中，f_H为高频分点对应频率，单位为Hz；T_c为超级电容持续充/放电时间，单位为min；

其中，f_L为低频分点对应频率，单位为Hz；T_B为锂电池持续充/放电时间，单位为h。

10.根据权利要求6所述的基于自适应模态数VMD算法的混合储能系统调频控制系统，其特征在于，采取自适应模态数VMD算法根据量化后的高频功率分点和低频功率分点对AGC功率指令分频的过程为：

根据混合储能系统的出力特性自适应调整分解模态数K，规定K是以模态分量频率首次低于f_H后停止分解时的总分解模态数，统计其所有的模态分量数，将高频分量与低频分量表示如下：

P_sc＝u⁽¹⁾+u⁽²⁾+…+u^(K-1)

P_bess＝u^K

其中，模态分量u⁽¹⁾,…,u^(K-1)为滑动采样窗口分解AGC功率指令中下发给超级电容的高频分量，其和为超级电容调频功率指令P_sc；而模态分量u^K为滑动采样窗口分解AGC功率指令中下发给锂电池的低频分量，其和为锂电池调频功率指令P_bess。

Images