CN103986190A - 基于发电功率曲线的风光储联合发电***平滑控制方法 - Google Patents

Abstract

本发明公开了一种基于发电功率曲线的风光储联合发电***平滑控制方法，基于风电场、光伏电站的预测功率信息，对***功率预测曲线进行优化得到***发电功率曲线，并根据***发电功率曲线中的总发电功率值对风电场功率预测曲线、光伏功率预测曲线中对应的预测值进行处理，得到风力发电功率曲线、光伏发电功率曲线和储能充放电功率曲线，控制各子***按照功率曲线工作，在维持储能荷电状态处于合理水平的前提下有效平滑***输出功率波动。本发明充分利用了风电场、光伏电站自身的可调度性，在保证波动平抑效果的前提下减少储能设备的充放电频率，延长了储能设备使用寿命。

Description

基于发电功率曲线的风光储联合发电***平滑控制方法

技术领域

本发明属于风光储联合发电***技术领域，更为具体地讲，涉及一种基于发电功率曲线的风光储联合发电***平滑控制方法。

背景技术

风能、光伏等清洁能源作为清洁、高效、易获取、无需耗能的可再生能源，当仁不让地成为了当今电网发展的重要方向，其规模化飞速发展已呈气势如虹、一发不可收的态势。

然而，风电、光伏等可再生能源的原动力均不可控，风速或光照的不稳定性和间歇性决定了风电或光伏出力也具有波动性和不可控特点。从电网角度看，并网运行的间歇性电源相当于一个具有随机性的扰动源，将对电网的可靠运行造成一定影响，主要是间歇式能源发电造成的并网后功率波动问题：一方面包括风能、太阳能随机性造成的风光储***并网发电的超短期功率波动(数分钟)；另一方面为风能、太阳能间歇性造成的风光储***并网发电的短期功率波动(数小时或数天)；其次为风能、太阳能间歇性造成的风光储***并网发电的中长期功率波动(数周或数月)。由于太阳能与风能具有天然的互补特性，因此风光储联合发电***能够自身平抑中长期、短期波动。但是在一个控制周期内的超短期稳定性难以保证，需要协调控制风光储联合发电***的风电机组、光伏机组以及储能设备的输出功率，使得***输出***功率满足并网标准。

目前，风光储***通过储能***短时快速充放电来响应风光输出功率的波动，从而达到***平稳输出功率的目的。由于风光储***的总输出功率是风电输出功率、光伏输出功率储能***输出功率之和，***根据风电场内电机组总输出功率以及光伏总输出功率，控制储能电池的充放电量，使得风光储总输出功率波动尽可能的满足国家规定，从而增加风电输出功率、光伏输出功率的平滑性和可调度性。通常基于滤波原理采用储能***对风光输出功率的幅度进行加减操作，降低功率变化率。随着滤波常数的变大，输出功率更平滑，而对储能容量要求则越高。考虑到储能***的容量与其成本密切相关，以及大规模储能容量的技术限制，***配置储能容量应在合理范围内。同时储能在平抑风电输出功率波动时，需满足相关指标(端电压、电流、功率等)的约束，最大化储能设备寿命，减少运行成本。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于发电功率曲线的风光储联合发电***平滑控制方法，以风电场、光伏电站的超短期预测数据为基础，充分利用风电场、光伏电站自身的可调度性，配合储能设备的充放电，在维持储能荷电状态处于合理水平的前提下有效平滑功率波动。

为实现上述发明目的，本发明基于发电功率曲线的风光储联合发电***平滑控制方法包括以下步骤：

S1：对风光储联合发电***的风电场和光伏电站进行超短期功率预测，得到风电场和光伏电站的功率预测曲线以及整个风光储联合发电***的***功率预测曲线，每个预测曲线都包括N个预测值，预测值的时间步长为Δt；

S2：依次对风光储联合发电***的***功率预测曲线中的预测值进行优化，得到***发电功率曲线，具体步骤包括：

S2.1：令***发电功率曲线的第n个***发电功率值n的取值范围为n＝1,2,…,N；确定优化预测值起点M₁和优化预测值终点M₂；

S2.3：计算***发电功率曲线的第m个***发电功率值的波动率V_pm，m的取值范围为m＝M₁,M₁+1,…,M₂，计算公式为：

$V_{\mathrm{pm}}=\frac{{\hat{P}}_m-{\hat{P}}_{m-1}}{P_S}\×100\%$

其中，V_pm代表功率波动率，P_S代表风光储联合发电***的总装机容量，表示***发电功率曲线的第m-1个***发电功率值；

S2.2：判断波动率V_pm是否大于并网标准波动率γ，如果小于等于，则不做任何操作，如果大于，进入步骤S2.3；

S2.3：利用移动平均算法对***发电功率值进行平滑，计算公式为：

${\hat{P}}_m=\frac{1}{w+v+1}\underset{i=m-w}{\overset{m+v}{\mathrm{\Σ}}}{P}_i$

其中，w表示平滑采用的第m个预测值之前的预测值数量，v表示平滑采用的第m个预测值之后的预测值数量，P_i表示***发电功率预测曲线的第i个预测值；

平滑后重新计算***发电功率值的波动率，如果该波动率小于等于并网标准波动率γ，则停止平滑，否则令w+1或v+1，重新进行平滑；

S3：根据步骤S2得到的***发电功率曲线中的***发电功率值依次对风电场功率预测曲线、光伏功率预测曲线中对应的预测值进行处理，得到风电场发电功率曲线、光伏发电功率曲线和储能充放电功率曲线，具体步骤包括：

S3.1：计算第n组风电场功率预测值和光伏功率预测值与第n个***发电功率值的差值其中n＝1,2,…,N，P_1n表示风电场功率预测曲线的第n个预测值，P_2n表示光伏发电功率预测曲线的第n个预测值，判断P_Δn是否大于0，如果大于等于0，进入步骤S3.2，如果不是，进入步骤S3.3；

S3.2：风电场发电功率光伏发电功率储能设备放电，预测储能设备经过前n-1次充放电后的荷电状态值SOC_n，如果SOC_n≥SOC_max时，其中SOC_max为储能设备正常工作的SOC上限，储能设备放电，放电功率P_3n＝P_Δn；当SOC_n＜SOC_min时，其中SOC_min为储能设备正常工作的SOC下限，储能设备不放电，放电功率P_3n＝0；当SOC_min≤SOC_n＜SOC_max时，计算当前可释放电量Q_{out_n}＝Q_n-Q_min，其中Q_n表示SOC_n对应的剩余电量，Q_min为SOC_min对应的剩余电量，如果Q_{out_n}≥P_Δn×Δt，则放电功率P_3n＝P_Δn，否则放电功率P_3n＝Q_{out_n}/Δt；

S3.3：当P_Δn＞P_1low-P_1n，其中P_1low表示风电场并网发电的最小发电功率，风电场发电功率光伏发电功率储能设备充电功率P_3n＝0；

当P_1low-P_1n＞P_Δn＞P_1low-P_1n+P_2low-P_2n，其中P_2low表示光伏发电并网发电的最小发电功率，风电场发电功率光伏发电功率其中P_{Δn_1}＜0，P_{Δn_2}＜0，P_{Δn_1}+P_{Δn_2}＝P_Δn，且储能设备充电功率P_3n＝0；

当P_Δn＜P_1low-P_1n+P_2low-P_2n，则风电场发电功率光伏发电功率P_2n＝P_2n+P′_{Δn_2}，储能设备充目标充电功率为P′_{Δn_3}，其中P′_{Δn_1}＜0，P′_{Δn_2}＜0，P′_{Δn_3}＞0，P′_{Δn_1}+P′_{Δn_2}-P′_{Δn_3}＝P_Δn，且预测储能设备经过前n-1次充放电后的荷电状态值SOC_n，当SOC_n＜SOC_min时，储能设备的充电功率P_3n＝P′_{Δn_3}；当SOC_n≥SOC_max时，储能设备不充电，充电功率P_3n＝0；当SOC_min≤SOC_n＜SOC_max时，计算当前可充入电量Q_{in_n}＝Q_max-Q_n，其中Q_max为SOC_max对应的剩余电量，如果Q_{in_n}≥P′_{Δn_3}×Δt，则充电功率P_3n＝P′_{Δn_3}，否则充电功率P_3n＝Q_{in_n}/Δt；

S4：风光储联合发电***的风电场***、光伏发电***、储能设备分别根据步骤S3得到的发电功率曲线进行工作。

本发明基于发电功率曲线的风光储联合发电***平滑控制方法，基于风电场、光伏电站的预测功率信息，对***功率预测曲线进行优化得到***发电功率曲线，并根据***发电功率曲线中的***发电功率值对风电场功率预测曲线、光伏功率预测曲线中对应的预测值进行处理，得到风力发电功率曲线、光伏发电功率曲线和储能充放电功率曲线，控制各子***按照功率曲线工作，在维持储能荷电状态处于合理水平的前提下有效平滑***输出功率波动。并且还可以通过储能设备的实时功率平滑来进一步平抑风光储联合发电***的输出功率波动。

本发明具有以下有益效果：

(1)本发明在分析风电出力、光伏出力波动特性的基础上，结合储能设备的特点，充分利用风电场、光伏电站自身的可调度性，在保证波动平抑效果的前提下，减少储能设备的充放电频率，从而延长储能设备寿命。

(2)本发明在对进行功率调控时综合考虑了功率波动率和各子***的可调功率范围，从而提高风光储联合发电***的可控性和稳定性，减少对电网的影响。

附图说明

图1是本发明基于发电功率曲线的风光储联合发电***平滑控制方法的一种具体实施方式***结构图；

图2是本发明中***发电功率预测曲线优化处理的流程示意图；

图3是本发明与对比方法的***实际输出功率曲线对比图；

图4是本发明与对比方法的储能设备的实际充放电功率曲线对比图。

具体实施方式

下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。

实施例

图1是本发明基于发电功率曲线的风光储联合发电***平滑控制方法的一种具体实施方式***结构图。如图1所示，本发明基于发电功率曲线的风光储联合发电***平滑控制方法先采用超短期预测模块对风电场和光伏进行短期功率预测，得到风光储联合发电***的***功率预测曲线，然后在发电功率计算模块中对***功率预测曲线进行优化得到***发电功率曲线，并根据***发电功率曲线中的***发电功率值对风电场功率预测曲线、光伏功率预测曲线中对应的预测值进行处理，得到风力发电功率曲线、光伏发电功率曲线和储能充放电功率曲线，风光储联合发电***的风电场***、光伏发电***、储能设备分别按照对应的功率曲线进行工作。在本实施例中，风光储联合发电***工作时，还采用功率波动实时平抑模块对储能设备进行实时功率平滑，进一步抑制功率波动。

本发明基于发电功率曲线的风光储联合发电***平滑控制方法的具体步骤包括：

S1：采用超短期功率预测模块对风光储联合发电***的风电场和光伏电站进行超短期功率预测，得到风电场和光伏电站的功率预测曲线以及整个风光储联合发电***的***功率预测曲线，每个预测曲线都包括N个预测值，预测值的时间步长为Δt。

目前超短期功率预测已经是较为成熟的技术，主要利用风、光等自然信息以及风光发电机组的运行数据，根据需要选用适当的预测模型，对风力发电、光伏发电功率进行预测得到风电场功率预测曲线和光伏电站功率预测曲线。

S2：依次对风光储联合发电***的***功率预测曲线的预测值进行优化，得到***发电功率曲线。图2是本发明中***发电功率预测曲线优化处理的流程示意图。如图2所示，***发电功率预测曲线优化处理的具体步骤为：

S201：令***发电功率曲线的第n个***发电功率值n的取值范围为n＝1,2,…,N；确定优化预测值起点M₁和优化预测值终点M₂。优化预测值起点M₁和优化预测值终点M₂根据后面移动平均算法选用的预测值来确定的。例如移动平均算法选用被处理预测值之前5个预测值，那么m₀＝6，即从第6个预测值开始处理。

S202：令m＝M₁；

S203：计算***发电功率曲线的第m个***发电功率值的波动率V_pm，计算公式为：

$V_{\mathrm{pm}}=\frac{{\hat{P}}_m-{\hat{P}}_{m-1}}{P_S}\×100\%$

其中，V_pm代表功率波动率，P_S代表风光储联合发电***的总装机容量，表示***发电功率曲线的第m-1个***发电功率值。

S204：判断波动率V_pm是否大于并网标准波动率γ，如果小于等于，即说明该预测值满足并网要求，不需要进行平滑，进入步骤S207，如果大于，进入步骤S205；

S205：利用移动平均算法对***发电功率值进行平滑，计算公式为：

${\hat{P}}_m=\frac{1}{w+v+1}\underset{i=m-w}{\overset{m+v}{\mathrm{\Σ}}}{P}_i$

其中，w表示平滑采用的第m个预测值之前的预测值数量，v表示平滑采用的第m个预测值之后的预测值数量，P_i表示***发电功率预测曲线的第i个预测值。

S206：计算令w+1或v+1，返回步骤S203。即重新计算***发电功率值的波动率，判断该该波动率小于等于并网标准波动率γ，则说明得到的***发电功率值符合要求，停止平滑；否则取更多的预测值(w+1或v+1)重新进行平滑，直到波动率符合要求。

S207：判断是否m＞m₂，如果是，则说明所有预测值都已经平滑完毕，优化结束，否则进入步骤S208。

S208：令m＝m+1，返回步骤S203。即对下一个预测值进行优化处理。

S3：根据步骤S2得到的***发电功率曲线中的***发电功率值对风电场功率预测曲线、光伏功率预测曲线中对应的预测值进行处理，得到风电场发电功率曲线、光伏发电功率曲线和储能充放电功率曲线。

在计算风、光、储发电功率曲线之前首先要明确各子***可以调度的功率范围。

1)风电场可调功率范围

风电场可调度控制的风力发电机可按工作状态分为：当前并网发电风电机组、当前未并网发电的正常停机机组。因此升高功率的可调度范围包括，使当前并网发电机组按照预测的最大功率发电，以及启动停机的正常发电机组按照预测的最大功率发电。降低功率的可调度范围包括，使当前并网发电机组按照最小功率设定值发电，或者切除当前并网发电机组。本发明中的发电功率曲线是基于风光预测功率制定的，因此不考虑启停机组控制，只在当前并网发电的机组范围内进行升降功率控制。

记t时刻风电场的预测功率为P_1t，则t时刻风电场可调整功率的范围是(P_1low,P_1t)。其中，风电场的预测功率P_1t是t时刻风电场的最大发电能力，P_1low为风电场风机并网发电的最小发电功率。

2)光伏电站可调功率范围

与风电场调控方法相类似，可将光伏分为当前并网发电光伏、当前未并网发电的正常停机机组。因此升高功率的可调范围包括使当前并网发电机组按照预测的最大功率发电，以及启动停机的正常发电机组按照预测的最大功率发电。降低功率的可调度范围包括，使当前并网发电机组按照最小功率设定值发电，或者切除当前并网发电机组。本发明中的发电功率曲线是基于风光预测功率制定的，因此不考虑启停机组控制，只在当前并网发电的机组范围内进行升降功率控制。

记t时刻光伏电站的预测功率为P_2t，则t时刻光伏电站可调整功率的范围是(P_2low,P_2t)其中，其中，光伏电站的预测功率P_2t即t时刻光伏电站的最大发电能力，P_2low为光伏电站机组并网发电的最小发电功率。

3)储能设备充放电功率范围

考虑到储能设备的使用寿命，在充放电时，应避免储能设备的过冲及深放，即储能设备的SOC应该处于正常工作的SOC上限SOC_max和正常工作的SOC下限SOC_min之间。一般储能电池的SOC合理变化范围是20％-80％。SOC_max和SOC_min对应的剩余电量分别为Q_max和Q_min，可见储能设备每次充放电后，应该保证其剩余电量在Q_max和Q_min范围内。

计算风电场发电功率曲线、光伏发电功率曲线和储能充放电功率曲线，具体步骤包括：

S3.1：计算第n组风电场功率预测值和光伏功率预测值与第n个***发电功率值的差值其中n＝1,2,…,N，P_1n表示风电场功率预测曲线的第n个预测值，P_2n表示光伏发电功率预测曲线的第n个预测值，判断P_Δn是否大于0，如果大于等于0，进入步骤S3.2进行升功率控制，如果不是，进入步骤S3.3进行降功率控制。

S3.2：风电场发电功率光伏发电功率储能设备放电，预测储能设备经过前n-1次充放电后的荷电状态值SOC_n，当SOC_n≥SOC_max时，其中SOC_max为储能设备正常工作的SOC上限，此时储能设备处于高电量状态，放电能力强，因此储能设备放电，放电功率P_3n＝P_Δn；当SOC_n＜SOC_min时，其中SOC_min为储能设备正常工作的SOC下限，储能设备处于低电量状态，放电能力弱，为了保护储能电池防止过度放电，这种情况下储能设备不放电，放电功率P_3n＝0；当SOC_min≤SOC_n＜SOC_max时，此时储能设备的剩余电量较充足，可以放电，但是必须保证放电后SOC_n≥SOC_min，因此计算当前可释放电量Q_{out_n}＝Q_n-Q_min，其中Q_n表示SOC_n对应的剩余电量，Q_min为SOC_min对应的剩余电量，如果Q_{out_n}≥P_Δn×Δ_t，则放电功率P_3n＝P_Δn，否则放电功率P_3n＝Q_{out_n}/Δt。

本实施例中，荷电状态值SOC_n的预测方法为：预测储能设备经过前n-1次充放电后的剩余电量Q_n，计算公式为：

$Q_n=Q_0+\underset{j=1}{\overset{n-1}{\mathrm{\Σ}}}({\mathrm{\θ}}_j\×P_{3j}\×\mathrm{\Δt})$

其中，Q₀为初始剩余电量，P_3j为储能充放电功率曲线的第j个预测值，θ_j为储能设备的充放电指示，当P_3j为充电功率，θ_j＝1，当P_3j为放电功率，θ_j＝-1；根据剩余电量Q_n得到预测荷电状态值SOC_n。

S3.3：当P_Δn＞P_1low-P_1n，其中P_1low表示风电场并网发电的最小发电功率，即风光储联合发电***待降低功率在风电场可调整功率的下限范围之内，此时只调控风电场跟踪P_Δn，即令风电场发电功率优化后的光伏发电功率储能设备充电功率P_3n＝0。优先调控风电场的发电功率是因为风电场相对来说调控更容易。

当P_1low-P_1n＞P_Δn＞P_1low-P_1n+P_2low-P_2n，其中P_2low表示光伏发电并网发电的最小发电功率，即风光储联合发电***待降低功率超过风电场可调整功率的下限范围，但在光伏电站、风电场两者共同调整功率下限范围之内时，因此需要同时调控风电场、光伏电站来跟踪P_Δn，即令风电场发电功率光伏发电功率其中P_{Δn_1}＜0，P_{Δn_2}＜0，P_{Δn_1}+P_{Δn_2}＝P_Δn，且储能设备充电功率P_3n＝0。

当P_Δn＜P_1low-P_1n+P_2low-P_2n，即风光储联合发电***待降低功率超过光伏电站、风电场两者共同调整功率下限范围时，需协调控制风电场、光伏电站降功率、储能设备充电尽量跟踪P_Δn。则风电场发电功率光伏发电功率P_2n＝P_2n+P′_{Δn_2}，储能设备充目标充电功率为P′_{Δn_3}，其中P′_{Δn_1}＜0，P′_{Δn_2}＜0，P′_{Δn_3}＞0，P′_{Δn_1}+P′_{Δn_2}-P′_{Δn_3}＝P_Δn，且同样地，预测储能设备经过前n-1次充放电后的荷电状态值SOC_n，当SOC_n＜SOC_min时，储能设备处于低电量状态，充电能力强，储能设备的充电功率P_3n＝P′_{Δn_3}；当SOC_n≥SOC_max时，此时储能设备处于高电量状态，充电能力弱，为了保护储能电池防止过度充电，这种情况下储能设备不充电，充电功率P_3n＝0；当SOC_min≤SOC_n＜SOC_max时，此时储能设备的剩余电量较充足，可以充电，但是必须保证SOC_n＜SOC_max，因此计算当前可充入电量Q_{in_n}＝Q_max-Q_n，其中Q_max为SOC_max对应的剩余电量，如果Q_{in_n}≥P′_{Δn_3}×Δt，则充电功率P_3n＝P′_{Δn_3}，否则充电功率P_3n＝Q_{in_n}/Δt。

S4：风光储联合发电***的风电场***、光伏发电***、储能设备分别根据步骤S3得到的发电功率曲线进行工作。

由于风光储联合发电***的***发电功率曲线是基于风电场、光伏电站功率预测信息得到的，受预测误差的影响，为了保证风光储联合发电***最终输出功率的平滑性，本发明还可以采用储能设备实时平抑***实际输出功率波动，首先采用了一种基于加权移动平均的功率平滑算法，该算法根据风光实际功率的波动程度，以及储能设备的当前荷电状态，通过实时调整权重系数平滑风光功率波动；另一方面为了维持储能设备的荷电状态处于合理水平，采用模糊控制法设计了能够根据实时状况调节储能设备荷电状态的控制策略，最终达到在维持储能荷电状态处于合理水平的前提下有效平滑风光功率波动的目的。具体步骤包括：

S4.1：计算风光储联合发电***在t时刻的实际输出功率P_w(t)的波动率，即：

$V_{\mathrm{pt}}=\frac{P_w\left(t\right)-P_w(t-1)}{P_S}\×100\%$

判断波动率V_pt是否大于并网标准波动率γ，如果小于等于，则不作任何操作，如果大于，进入步骤S4.2；

S4.2：计算t时刻风光平抑目标功率计算公式为：

$P_{\mathrm{ave}}^{\mathrm{ref}}\left(t\right)=\frac{\underset{k=t-M+1}{\overset{t}{\mathrm{\Σ}}}\mathrm{\β}\left(k\right)\mathrm{\α}\left(k\right)P_w\left(k\right)}{\underset{k=t-M+1}{\overset{t}{\mathrm{\Σ}}}\mathrm{\β}\left(k\right)}$

其中，M表示移动平均项数，P_w(k)表示风光储联合发电***在k时刻的实际输出功率。根据低通滤波器的原理，移动平均项数M决定平滑效果，M越大时低通滤波器的通带越窄，因此滤波后越平滑，因此当储能设备充放电能力较强时，可增大M加强平滑效果，相反当储能设备充放电能力较弱时，可适当减小M保护储能设备。

α(k)表示k时刻风光功率的权重。考虑到***输出功率出现剧烈波动的情况，当***输出功率出现剧烈波动，也就是t时刻***输出功率与目标值功率差距过大时，就需要对α(t)进行修正，即t时刻风光功率的权重α(t)通过与风光平抑目标功率的联合修正迭代得到，修正迭代公式为：

其中，P_rate为风电场、光伏电站的总额定功率；λ₁与λ₂为骤变系数，0≤λ₁≤1，0≤λ₂≤1，并且λ₁+λ₂＝1，λ₁和λ₂的取值不宜过大也不宜过小，取过大则防止骤变效果变差，取过小则对储能设备要求过高，一般取λ₁＝λ₂＝0.5。r表示迭代修正次数，α(t)的初始值α⁰(t)＝1，每次α(t)修正后，重新计算一次目标功率直到α^r(t)＝α^r-1(t)，以此时的目标功率作为最终的

β(k)表示风光出力趋势权重。考虑到风光储联合发电***输出功率的变化趋势，在计算t时刻的风光功率目标值时，越靠近t时刻的功率值出力越注重，相反相对较远的出力越削弱，因此β(k)应该为递增函数，其计算公式为：

$\mathrm{\β}\left(k\right)=1-K+\frac{K(M+k-t)}{N}$

其中，K为设置的趋势斜率，一般取值范围为0≤K≤0.5。

S4.3：计算储能设备的充放电目标初始值

S4.4：采用模糊控制策略得到当前储能设备荷电状态偏差和充放电状态下的充放电功率修正系数ΔK，具体方法为：

输入1：储能设备的荷电状态偏差ΔSOC＝SOC-SOC_ref，其中SOC表示储能设备实时荷电状态，SOC_ref为储能设备SOC标准运行参考值。一般超级电容荷电状态在20％-100％时可以正常工作，因此SOC_ref＝20％+(100％-20％)/2＝60％，以此作为储能设备参考荷电状态。

取ΔSOC语言变量为X1，基本论域为[-0.5，0.5]，模糊论域为[-0.5，-0.3，-0.2，0，0.2，0.3，0.5]，对应的模糊子集为{PP,PN,PM,ZO,NM,NN,NP}，分别表示储能设备当前的荷电状态{极低、很低、偏低、适中、偏高、很高、极高}；

输入2：储能设备的充放电状态ST，取其语言变量为X2，模糊子集为{N,P}，P表示储能设备处于放电状态，N表示储能设备处于充电状态。储能设备的充放电状态可由实际并网功率PT与***输出功率PG的大小确定，即若PG>PT，表示储能设备处于充电状态；若PG<PT，表示储能设备处于放电状态。本文中，充放电状态ST是确定变量，其自身无法模糊化，但与ΔSOC进行模糊推理后的输出仍为模糊子集，其出现能够视为形式上的模糊输入参量。

输出：储能设备的充放电功率修正系数ΔK，基本论域[0，1]，模糊论域[0，0.1，0.4，0.7，1]，对应的模糊子集为{RM,RC,RB,RA,NR}，分别表示{极小，很小，较小，偏小，正常}。

根据储能设备的充放电规则，确定出三条模糊规则设定思路：

1)ΔSOC越高，且处于充电状态，ΔK则越小；

2)ΔSOC越低，且处于放电状态，ΔK则越小；

3)ΔSOC适中，且处于充电或放电状态，ΔK则正常。

根据模糊规则设定思路得到模糊规则控制表。表1是模糊控制规则表。

表1

根据当前储能设备荷电状态偏差和充放电状态，以及模糊控制规则表即可得到充放电功率修正系数ΔK。

S4.5：根据步骤S4.3得到的充放电目标初始值P_Δ(t)和步骤S4.4得到的充放电功率修正系数ΔK，得到储能设备的充放电目标值当充放电目标值与储能充放电功率曲线中对应的P₃(t)叠加，对储能设备的充放电进行实时调整。在实际应用中，可以采用两套储能设备，一套按照储能充放电功率曲线工作，另外一套按实时功率平滑得到的充放电目标值进行工作。

为了验证本发明的效果，对本发明进行了对比仿真验证。对比方法为仅采用储能设备的实时功率滤波的平滑控制方法，仿真中储能设备的荷电状态初始值为50％。

图3是本发明与对比方法的***实际输出功率曲线对比图。如图3所示，采用本发明进行平滑控制的风光储联合发电***，与采用对比方法的风光储联合发电***相比，***实际输出功率曲线的波动更小，曲线更加光滑，稳定性更高。

图4是本发明与对比方法的储能设备的实际充放电功率曲线对比图。如图4所示，采用本发明进行平滑控制的风光储联合发电***，与采用对比方法的风光储联合发电***相比，储能设备的充放电频率小，并且每次充放电的深度浅，可见采用本发明可以减轻储能设备的压力，从而延长储能设备的寿命。

尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。

Claims (3)

1.一种基于发电功率曲线的风光储联合发电***平滑控制方法，其特征在于，包括以下步骤：

S1：对风光储联合发电***的风电场和光伏电站进行超短期功率预测，得到风电场和光伏电站的功率预测曲线以及整个风光储联合发电***的***功率预测曲线，每个预测曲线都包括N个预测值，预测值的时间步长为Δt；

S2：依次对风光储联合发电***的***功率预测曲线中的预测值进行优化，得到***发电功率曲线，具体步骤包括：

S2.1：令***发电功率曲线的第n个***发电功率值n的取值范围为n＝1,2,…,N；确定优化预测值起点M₁和优化预测值终点M₂；

S2.3：计算***发电功率曲线的第m个***发电功率值的波动频率V_pm，m的取值范围为m＝M₁,M₁+1,…,M₂，计算公式为：

$V_{\mathrm{pm}}=\frac{{\hat{P}}_m-{\hat{P}}_{m-1}}{P_S}\&times;100\%$

其中，V_pm代表功率波动率，P_S代表风光储联合发电***的总装机容量，表示***发电功率曲线的第m-1个***发电功率值；

S2.2：判断波动率V_pm是否大于并网标准波动率γ，如果小于等于，则不做任何操作，如果大于，进入步骤S2.3；

S2.3：利用移动平均算法对***发电功率值进行平滑，计算公式为：

${\hat{P}}_m=\frac{1}{w+v+1}\underset{i=m-w}{\overset{m+v}{\mathrm{\&Sigma;}}}{P}_i$

其中，w表示平滑采用的第m个预测值之前的预测值数量，v表示平滑采用的第m个预测值之后的预测值数量，P_i表示***发电功率预测曲线的第i个预测值；

平滑后重新计算***发电功率值的波动率，如果该波动率小于等于并网标准波动率γ，则停止平滑，否则令w+1或v+1，重新进行平滑；

S3：根据步骤S2得到的***发电功率曲线中的***发电功率值依次对风电场功率预测曲线、光伏功率预测曲线中对应的预测值进行处理，得到风电场发电功率曲线、光伏发电功率曲线和储能充放电功率曲线，具体步骤包括：

S3.1：计算第n组风电场功率预测值和光伏功率预测值与第n个***发电功率值的差值其中n＝1,2,…,N，P_1n表示风电场功率预测曲线的第n个预测值，P_2n表示光伏发电功率预测曲线的第n个预测值，判断P_Δn是否大于0，如果大于等于0，进入步骤S3.2，如果不是，进入步骤S3.3；

S3.2：风电场发电功率光伏发电功率储能设备放电，预测储能设备经过前n-1次充放电后的荷电状态值SOC_n，如果SOC_n≥SOC_max时，其中SOC_max为储能设备正常工作的SOC上限，储能设备放电，放电功率P_3n＝P_Δn；当SOC_n＜SOC_min时，其中SOC_min为储能设备正常工作的SOC下限，储能设备不放电，放电功率P_3n＝0；当SOC_min≤SOC_n＜SOC_max时，计算当前可释放电量Q_{out_n}＝Q_n-Q_min，其中Q_n表示SOC_n对应的剩余电量，Q_min为SOC_min对应的剩余电量，如果Q_{out_n}≥P_Δn×Δt，则放电功率P_3n＝P_Δn，否则放电功率P_3n＝Q_{out_n}/Δt；

S3.3：当P_Δn＞P_1low-P_1n，其中P_1low表示风电场并网发电的最小发电功率，风电场发电功率光伏发电功率储能设备充电功率P_3n＝0；

当P_1low-P_1n＞P_Δn＞P_1low-P_1n+P_2low-P_2n，其中P_2low表示光伏发电并网发电的最小发电功率，风电场发电功率光伏发电功率其中P_{Δn_1}＜0，P_{Δn_2}＜0，P_{Δn_1}+P_{Δn_2}＝P_Δn，且储能设备充电功率P_3n＝0；

当P_Δn＜P_1low-P_1n+P_2low-P_2n，则风电场发电功率光伏发电功率P_2n＝P_2n+P′_{Δn_2}，储能设备充目标充电功率为P′_{Δn_3}，其中P′_{Δn_1}＜0，P′_{Δn_2}＜0，P′_{Δn_3}＞0，P′_{Δn_1}+P′_{Δn_2}-P′_{Δn_3}＝P_Δn，且预测储能设备经过前n-1次充放电后的荷电状态值SOC_n，当SOC_n＜SOC_min时，储能设备的充电功率P_3n＝P′_{Δn_3}；当SOC_n≥SOC_max时，储能设备不充电，充电功率P_3n＝0；当SOC_min≤SOC_n＜SOC_max时，计算当前可充入电量Q_{in_n}＝Q_max-Q_n，其中Q_max为SOC_max对应的剩余电量，如果Q_{in_n}≥P′_{Δn_3}×Δt，则充电功率P_3n＝P′_{Δn_3}，否则充电功率P_3n＝Q_{in_n}/Δt；

S4：风光储联合发电***的风电场***、光伏发电***、储能设备分别根据步骤S3得到的发电功率曲线进行工作。

2.根据权利要求1所述风光储联合发电***平滑控制方法，其特征在于，所述荷电状态值SOC_n的预测方法为：预测储能设备经过前n-1次充放电后的剩余电量Q_n，计算公式为：

$Q_n=Q_0+\underset{j=1}{\overset{n-1}{\mathrm{\&Sigma;}}}({\mathrm{\&theta;}}_j\&times;P_{3j}\&times;\mathrm{\&Delta;t})$

其中，Q₀为初始剩余电量，P_3j为储能充放电功率曲线的第j个预测值，θ_j为储能设备的充放电指示，当P_3j为充电功率，θ_j＝1，当P_3j为放电功率，θ_j＝-1；根据剩余电量Q_n得到预测荷电状态值SOC_n。

3.根据权利要求1所述风光储联合发电***平滑控制方法，其特征在于，所述步骤S4风光储联合发电***工作时，还对储能设备进行实时功率平滑，包括以下步骤：

S4.1：计算风光储联合发电***在t时刻的实际输出功率P_w(t)的波动率，判断是否大于并网标准波动率γ，如果小于等于，则不作任何操作，如果大于，进入步骤S4.2；

S4.2：计算t时刻风光平抑目标功率计算公式为：

$P_{\mathrm{ave}}^{\mathrm{ref}}\left(t\right)=\frac{\underset{k=t-M+1}{\overset{t}{\mathrm{\&Sigma;}}}\mathrm{\&beta;}\left(k\right)\mathrm{\&alpha;}\left(k\right)P_w\left(k\right)}{\underset{k=t-M+1}{\overset{t}{\mathrm{\&Sigma;}}}\mathrm{\&beta;}\left(k\right)}$

其中，M表示移动平均项数，P_w(k)表示风光储联合发电***在k时刻的实际输出功率；

α(k)表示k时刻风光功率的权重；t时刻风光功率的权重α(t)通过与风光平抑目标功率的联合修正迭代得到，修正迭代公式为：

其中，P_rate为风电场、光伏电站的总额定功率；λ₁与λ₂为骤变系数，0≤λ₁≤1，0≤λ₂≤1，并且λ₁+λ₂＝1；r表示迭代修正次数，α(t)的初始值α⁰(t)＝1，每次α(t)修正后，重新计算一次目标功率直到α^r(t)＝α^r-1(t)，以此时的目标功率作为最终的

β(k)表示风光出力趋势权重，计算公式为：

$\mathrm{\&beta;}\left(k\right)=1-K+\frac{K(M+k-t)}{N}$

其中，K为设置的趋势斜率；

S4.3：计算储能设备的充放电目标初始值

S4.4：采用模糊控制策略得到当前储能设备荷电状态偏差和充放电状态下的充放电功率修正系数ΔK，具体方法为：

输入1：储能设备的荷电状态偏差ΔSOC＝SOC-SOC_ref，其中SOC表示储能设备实时荷电状态，SOC_ref为储能设备SOC标准运行参考值；取ΔSOC语言变量为X1，基本论域为[-0.5，0.5]，模糊论域为[-0.5，-0.3，-0.2，0，0.2，0.3，0.5]，对应的模糊子集为{PP,PN,PM,ZO,NM,NN,NP}，分别表示储能设备当前的荷电状态{极低、很低、偏低、适中、偏高、很高、极高}；

输入2：储能设备的充放电状态ST，取其语言变量为X2，模糊子集为{N,P}，P表示储能设备处于放电状态，N表示储能设备处于充电状态；

输出：储能设备的充放电功率修正系数ΔK，基本论域[0，1]，模糊论域[0，0.1，0.4，0.7，1]，对应的模糊子集为{RM,RC,RB,RA,NR}，分别表示{极小，很小，较小，偏小，正常}；

根据当前储能设备荷电状态偏差和充放电状态，以及模糊控制规则表即可得到充放电功率修正系数ΔK，模糊控制规则表为：

S4.5：根据步骤S4.3得到的充放电目标初始值P_Δ(t)和步骤S4.4得到的充放电功率修正系数ΔK，得到储能设备的充放电目标值当充放电目标值与储储能充放电功率曲线中对应的P₃(t)叠加，对储能设备的充放电进行实时调整。