CN104065093A - 一种基于低通滤波的风储协调预测控制方法 - Google Patents

Abstract

本发明公开了风储联合发电领域的一种基于低通滤波的风储协调预测控制方法。首先利用原始风场输出有功功率实时计算出经一阶低通滤波后的输出功率；然后以此滤波输出作为全时段参考并网功率和基准预测周期的实际并网输出功率信号；之后设定长短两种预测周期，根据相应周期内储能蓄电池的荷电状态变化情况对下一个周期的参考并网功率进行修正，并加入对并网功率和SOC以及它们在周期内的变化量的约束条件减小预测误差；最后求该功率与同时刻的风场实际输出功率的代数差，若为正，表示储能蓄电池放电，反之说明储能蓄电池充电，充放电功率即为之前求得的功率代数差值。本发明降低了储能***的需求容量，也有助于延长设备寿命和运行时间。

Description

一种基于低通滤波的风储协调预测控制方法

技术领域

本发明涉及一种基于一阶低通滤波的风储协调预测控制方法，属于风储联合发电领域。

背景技术

风电大规模的开发利用有助于缓解能源紧缺问题，但风速的间歇性和波动性令风电对电网的负面影响也日益显著，为风电场配置储能设备形成风储联合发电***是一种有助于提高风电并网接入率的切实有效方案。其中电池储能***具有响应时间短、单位体积小、设计方便灵活等优点，因此在风储联合***中应用广泛。储能电池动态控制能量双向流动的特点可以平滑风功率输出，有效弥补了风电的间歇性和波动性，改善风电输出功率的可控性，增强稳定性，优化了***运行的经济性。

传统的风储协调控制策略采用一阶低通滤波算法，基于这种算法国内外进行了深入研究，发现风力发电机输出功率按频率范围划分为高频中频和低频三部分。高频段功率可以被发电机转子惯量吸收：低频段功率变化缓慢，可通过电网***的自动发电控制(AGC)补偿；因而中频区功率对电网影响最大，需通过储能设备去平滑。目前主要明确以风功率在0.01～1Hz之间的波动频段为平抑目标。而进一步的研究发现，滤波时间常数越大，平滑后风功率变化率越小，但所需的储能容量逐渐变大进而带来成本增加，从单位储能容量引起的最佳功率下降率指标来看，滤波时间常数不宜超过400s，此时可达到对1min级别的风电功率较好的平滑性价比。

但是，利用一阶低通滤波算法长时间平滑风电功率会带来储能电池荷电状态(SOC)大幅波动的问题，制约了储能***的运行时间及寿命，也对容量配置带来挑战，不利于***经济性优化。有文献表明对风电功率进行预测可以减小电池储能***的容量需求，但其有效性依赖于预测精度，当预测功率与实际输出偏差较大时反而会导致需求容量变大。因此，传统的此类控制方法在某些方面已经不能满足风储联合***大规模并网的要求。

发明内容

本发明的目的是为了更好地利用储能***，基于传统控制算法的改进提供了一种风储协调预测控制方法。

为了达到上述目的，本发明的技术方案是提供了一种基于低通滤波的风储协调预测控制方法，其特征在于，包括以下步骤：

步骤1：选定采样间隔，通过一阶低通滤波的离散递推式对风电场原始输出有功功率进行处理，得到经过低通滤波后的输出功率，并以此作为风储联合***并网功率的参考值；

步骤2：令每n个采样间隔组成一个短预测周期，定义为预测周期，每4n个预测周期组成一个长预测周期，定义为预测组，在风储联合***运行的开始阶段，取第一组预测组为基准预测组，第一个预测周期为基准预测周期，在基准预测周期里，参考并网功率即是用来计算储能功率的期望并网功率，并以该基准预测周期的并网功率均值作为第二个预测周期的原始预测功率值；

步骤3：从第一个预测组和第一个预测周期开始，在每一预测组和每一个预测周期的最后均依据当前预测组和当前预测周期内储能蓄电池的荷电状态的变化情况为下一个预测周期或预测组的参考输出功率计算补偿量，其中组级别的功率补偿量补偿到下一预测组的每个预测周期，由此得到下一预测周期的经过组级别和周期级别补偿的预测并网功率；

步骤4：依次检验预测并网功率是否符合并网功率限制、储能蓄电池的荷电状态变化量限制、并网功率变化量限制及储能蓄电池的荷电状态变化量限制约束条件，若不符合则按照相应修正式即时修正；

步骤5：在下一个预测周期，以预测出的并网功率为最终的期望输出功率，当风电场输出功率小于期望输出功率时，控制储能蓄电池放电；当风电场输出功率大于期望输出功率时，控制储能蓄电池充电。

优选地，在所述步骤5后还包括步骤6：计算储能蓄电池的需求容量配置。

优选地，所述储能蓄电池的需求容量E_bess的计算公式为：

E_bess＝max{SOC(i)-SOC(j)}/100*Q*U/1000，i，j∈t，式中：

SOC(i)，SOC(j)分别表示时刻i及时刻j的储能蓄电池的荷电状态；

Q表示以安时为单位的储能蓄电池额定容量；

U表示储能蓄电池电压；

t表示风储联合***的全运行时段。

优选地，风储联合***并网功率的参考值的计算公式为：

$P_{\mathrm{out},k}=\frac{\mathrm{\τ}}{\mathrm{\τ}+\mathrm{\Δt}}{P}_{\mathrm{out},k-1}+\frac{\mathrm{\Δt}}{\mathrm{\τ}+\mathrm{\Δt}}{P}_{w,k},$ 式中：

P_out，k及P_out，k-1分别表示k时刻及k-1时刻的风储联合***并网功率的参考值；

τ表示滤波时间常数；

Δt表示功率采样间隔。

优选地，经过短预测周期级别的预测补偿量修正后的某一预测组的第k个预测周期的预测并网功率的计算公式为：

P_r(k)＝P_r(k-1)+(SOC((k-1)*6+1)-SOC((k-2)*6+1))/100*Q*U/α，式中：

SOC表示当前时刻储能蓄电池的荷电状态；

Q表示以安时为单位的储能蓄电池额定容量；

U表示储能蓄电池电压；

α表示整个短周期功率预测变化量分摊到当前预测周期每个采样点的平均系数。

优选地，经过长预测周期级别的预测补偿量修正后的第l个预测组第m个预测周期的并网功率P_r((l-1)*4+m)的计算公式为：

P_r((l-1)*4+m)＝P_r((l-1)*4+m-1)+(SOC((l-1)*24+1)-SOC((l-2)*24+1))/100*Q*U/β，式中：

β表示整个长预测周期功率预测变化量分摊到内部各个短预测周期的平均系数；

P_r((l-1)*4+m-1)是已经经过短周期预测修正量补偿后的第l个预测组第m-1个预测周期并网功率；

SOC表示当前时刻储能蓄电池的荷电状态；

Q表示以安时为单位的储能蓄电池额定容量；

U表示储能蓄电池电压。

为了更好的利用储能***，基于传统控制算法的改进，为本发明提供了一个新的思路。基于一阶低通滤波的风储协调预测控制方法，以风电场原始功率的滤波输出为参考并网功率，结合长短预测周期内SOC变化情况对其进行修正，并加入相关约束条件减小预测误差，提高纠偏速度，在联合***并网有功功率变化量符合国家并网要求的前提下以适度加大局部功率波动为代价减少储能***SOC的变化幅度，从而降低了储能***的需求容量，进而降低了设备成本，也有助于延长设备寿命和运行时间，确保了控制策略的可执行性，是一种新颖，可靠并且准确的功率平滑及储能需求容量优化配置方法。

本发明提出了一种基于低通滤波的风储协调预测控制方法，以风电场原始功率的滤波输出为参考并网功率，起到了平滑原始风功率的作用，同时结合长短预测周期内SOC变化情况对其进行修正，并加入相关约束条件减小了预测误差，提高纠偏速度，在联合***并网有功功率变化量符合国家并网要求的前提下以适度加大局部功率波动为代价减少了储能***SOC的变化幅度。与传统的一阶低通滤波算法相比，全运行时段的SOC偏离初始值幅度明显减小，从而降低了储能***的需求容量，进而降低了设备成本，也有助于延长设备寿命和运行时间，确保了控制策略的可执行性。利用本发明方法获得的风电场输出功率平滑控制策略，可以用于风储联合发电***，提高了并网运行的安全性和经济性。本发明和已有方法比较，是一种创新而可靠的功率平滑控制方法。

附图说明

图1a是风电场原始输出功率，单位是pu，图1b是风电场原始输出功率的十分钟变化量分布图。

图2a是经过传统一阶低通滤波后的并网功率，单位是pu；图2b是对应的十分钟功率变化量分布图；图2c是该算法下的储能蓄电池SOC波动曲线。

图3a是本文发明的预测算法和原一阶低通滤波算法下的并网功率对比图；图3b是预测算法下对应的十分钟功率波动率分布图；图3c是2种算法下的SOC波动对比图

图4是风储联合发电***的拓扑结构图。

图5是本文发明的预测控制算法流程图，以第1个预测组，总第k周期为例。全部附图基于Matlab软件仿真计算得到。

具体实施方式

下面结合附图，对优选实例做详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

本发明以原始风场有功功率的滤波输出为参考并网功率，结合长短预测周期内SOC变化情况对其进行修正，并加入相关约束条件减小预测误差，提高纠偏速度，以经过预测和约束条件修正后的参考并网功率作为最终期望输出功率来计算同时刻储能蓄电池的充放电功率。本发明在有功功率变化量符合国家并网要求的前提下以适度加大局部功率波动为代价减少储能***SOC的变化幅度，从而降低了储能***的需求容量，也有助于延长设备寿命和运行时间，确保了控制策略的可执行性，采用本发明中给出的风储协调预测控制方法可以大大降低储能***的运行维护成本。

本发明方法包括以下步骤：

步骤1：选定采样间隔，通过一阶低通滤波的离散递推式对风电场原始输出有功功率进行处理，得到经过低通滤波后的输出功率，并以此作为风储联合***并网功率的参考值。

步骤2：令每n个采样间隔组成一个短预测周期，简称预测周期，在实际应用中，n可根据具体采样间隔选取，保证短预测周期等于1min，5min，10min，30min等整数分钟以方便计算。相应的，每4n个采样间隔组成一个长预测周期，简称预测组。在***运行的开始阶段，取第一组为基准预测组，第一个周期为基准预测周期。在基准预测周期里，参考并网功率即是用来计算储能功率的期望并网功率，并以该周期的并网功率均值作为第二个预测周期的原始预测功率值。

步骤3：从第一个预测组和预测周期开始，在每一预测组和每一个预测周期的最后均依据该组和周期内SOC的变化情况为下一周期或组的参考输出功率计算补偿量，其中组级别的功率补偿量补偿到下一预测组每个周期，由此得到下一周期的经过组级别和周期级别补偿的预测并网功率。

步骤4：依次检验预测并网功率是否符合并网功率限制，SOC变化量限制，并网功率变化量限制，SOC限制约束条件，若不符合则按照相应修正式即时修正。

步骤5：在下一个预测周期，以预测出的并网功率为最终的期望输出功率，当风电场输出功率小于期望输出功率时，控制储能蓄电池放电；当风电场输出功率大于期望输出功率时，控制储能蓄电池充电。

之后，用储能蓄电池需求容量的计算公式对比本发明方法和传统一阶低通滤波算法下的需求容量大小，得到优化配置。

根据中国国家电网公司最新颁布的《GBT_19963-2011风电场接入电力***技术规定》[13]中对10分钟内风电场有功功率变化量最大值的规定，30MW风场的10分钟有功功率最大变化限值为10MW。

本发明分为以下几个部分：

(1)获取装机总容量为30WM的某风场实际输出功率，其中单台风机额定功率1.5MW共20台风机。原始输出功率的采样间隔为10分钟，选取了48小时共计288个数据作为研究样本。

(2)风储联合***的风力机选用的是双馈感应电机，而储能设备选用蓄电池组，经DC/AC变流器和升压变压器接在风场PCC点处，集中平滑风电场输出功率。其中P_w是风场输出的原始风功率，P_b是储能***吞吐的功率，定义P_b为正表示蓄电池放电，反之则是充电。P_out是经储能设备平滑后的并网功率。三者之间关系式为：P_out＝P_b+P_w。

一阶低通滤波的微分表达式形如：τy′+y＝x。其中：x是输入信号；y是经滤波后的输出信号；τ为滤波时间常数，是低通滤波器截止频率，τ越大则截止频率越小，滤波带宽越窄，平滑效果越好，同时相应的储能容量也会变大，因此需合理选择时间常数，本实例中τ取300min。对微分表达式式离散化并代入功率等式，可得到第k个采样时刻的并网功率和原始风功率关系式为：式中采样周期为Δt，则储能***发出的功率为：P_b，k＝P_out，k-P_w，k。由此即可得到任一采样时刻的参考并网功率和相应的储能输出功率。假定初始并网功率等于初始采样时刻的风功率。

(3)将48小时分为12个预测组，每组4小时，作为长预测周期(以下简称预测组)，再令每一小时为1个短预测周期(以下简称预测周期)，共48个预测周期。取第一组为基准预测组，该组的第一个周期为基准预测周期。之后，在每一预测组和每一个预测周期的最后均依据该组和周期内SOC的变化情况计算下一组或周期的预测并网功率。具体步骤如下：

首先，在基准预测周期中，按照一阶低通滤波算法控制储能电池，记预测功率为P_r(n)，n＝{1，2..48}，经一阶低通滤波输出的并网功率为P_lpf(t)，t＝{1，2...288}，每时刻的P_lpf也做为该时刻的参考并网功率。取第一个预测周期的并网功率均值作为基准预测并网功率，则有：之后，在每个预测周期j的采样时刻i，均有：

$\left\{\begin{array}{c}{P}_b\left(i\right)=P_r\left(j\right)-P_w\left(i\right)\\ \mathrm{SOC}(i+1)=\mathrm{SOC}\left(i\right)-P_b\left(i\right)*\mathrm{\Δt}/U/Q*100\end{array}\right..$

式中各变量含义同上文所述，因此在一个预测周期结束可以得到下一周期的初始SOC，求其与本周期初始SOC的差，若为正说明本周期电池充电，反之放电。假设当前的变化趋势会延续到下一个预测周期，并将该影响视为对下一周期预测功率的修正量，则第二个预测周期的并网预测功率为：P_r(2)＝P_r(1)+(SOC(7)-SOC(1))/100*Q*U/α，这里的α是分摊到下一周期每个采样点平均系数，过小的α降低修正效果，过大的α在下周期SOC与本周期变化趋势相反的情况下会造成预测偏差过大，因此需合理选择。考虑到一个周期有6个采样点，下一周期全部采样点会受本周期结束时所计算的预测功率影响，本文中α取为6，在实际的仿真中也发现当α＝6时具有相对较好的控制效果。在之后的第k，k＝{2，3...48}个周期，均有：

P_r(k)＝P_r(k-1)+(SOC((k-1)*6+1)-SOC((k-2)*6+1))/100*Q*U/α。

然后，每四个短预测周期构成一个长预测周期，长预测周期基于周期首尾的SOC差异值为下一个长周期内的每个短周期提供同样的预测修正量，这是通过拉长预测周期来减小短周期预测修正量的误差。这样在每个预测组结束时，根据当组SOC的变化情况，计算给下一预测组每周期预测功率的修正值，记为P_Δ(l)，l＝{2，3...12}，修正原理同上，则给第l个预测组的修正值为：P_Δ(l)＝(SOC((l-1)*24+1)-SOC((l-2)*24+1))/100*Q*U/β，这里β是分摊到下一组每个预测周期的平均系数，由于每组有4个周期，β应取4，但考虑到组级别的SOC变化可能较周期级别更大，为避免变化趋势改变时偏差过大，令β＝4*2＝8，在仿真中证实该值相较于4取得了更好的效果。

依此，自第二个预测组开始，第l组第m，m＝{1，2，3，4}个周期的预测并网功率为：P_r((l-1)*4+m)＝P_r((l-1)*4+m-1)+P_Δ(l)，式中的P_r((l-1)*4+m-1)已经过周期级别的修正。

(4)在不加入约束条件时，依据上述修正原则得到的并网预测功率存在两个主要问题：

一是考虑到需要让风电具有一定的可调度性，实际的并网功率应保持在一定范围内波动，需避免其较长时间运行在过大或过小的功率区间。添加修正量之后的每周期预测功率如果不在事先设定的并网功率限值区间，应进行即时调整，修正为上一周期末时刻的参考并网功率，否则会造成并网功率越限。

二是在每一预测组初始进行过组级别修正后，即使某一周期内的SOC变化幅度已经超过上一预测组SOC变化量或者变化方向相反，之后的每周期还是进行同样的修正，导致纠偏滞后，因此从每组第二个周期开始，需先检验上一周期SOC变化量是否在上一预测组SOC变化量之内，否则应同理，即时修正为上一周期末时刻的参考并网功率。

另外，考虑到储能电池过充和过放会大大增加其损耗，需要尽可能保持SOC在[20，80]的区间内变化，低于20将停止放电或开始充电，高于80将停止充电或开始放电，所以应添加SOC限制约束，当SOC超限时，P_r需要作出相应调整使SOC尽可能反向变化，若仍然无法实现，则令P_r＝P_w，使储能设备暂时停止能量流动。

最后，为保证并网功率符合10分钟最大变化率小于规定值的要求，当即时修正后的预测功率与上一周期的预测功率差距过大时，应只将上一周期预测功率变化一个固定的限值，本文设为风场装机容量的10％。

综上可列出并网功率预测的约束条件如下：(以第l组，总第k周期的预测功率为例)

1)并网功率限制：P_r(k)＝P_lpf((k-1)*6)，当P_r(k)＞P_up||P_r(k)＜P_down；

2)SOC变化量限制：

P_r(k)＝P_lpf((k-1)*6)，当SOC((k-1)*6+1)-SOC((k-2)*6+1)＞|SOC((l-1)*24+1)-SOC((l-2)*24+1)|*γ或SOC((k-1)*6+1)-SOC((k-2)*6+1)＜|SOC((l-1)*24+1)-SOC((l-2)*24+1)|*(-γ)

3)并网功率变化量限制：

4)SOC限制：

其中，P_up，P_down是设定的并网功率上下限，区间定为[0.45，0.9]，单位：(pu)。γ为调整SOC变化量比较区间的参数，因一个预测组有四个周期，这里取0.25。lim如上所述设为0.1。若各项约束条件均满足，维持P_r(k)中计算所得值不变，否则要进行相应修正。

(5)在下一个预测周期，以经过约束条件修正后的预测并网功率为依据控制储能电池充放电。

(6)全周期的储能电池需求容量为：

E_bess＝max{SOC(i)-SOC(j)}/100*Q*U/1000，i，j∈t，故比较两种控制算法下储能需求容量的大小只需要看在全运行时段里储能SOC的变动幅度即可。

图1a是风电场原始输出功率，单位是pu，图1b是风电场原始输出功率的十分钟变化量分布图。可以看出约20％的采样点功率波动情况不符合国家并网标准。

图2a是经过传统一阶低通滤波后的并网功率，单位是pu，图2b是该算法下的储能蓄电池SOC波动曲线，图2c是对应的十分钟功率变化量分布图，。可见经滤波平滑后并网功率10分钟变化量明显减小，全部采样点符合并网规定要求，说明了低通滤波算法在风功率波动平抑上的有效性。但同时也看到由于风功率并非规律的周期性波动，SOC出现了较大的单向变化，不利于储能电池的持续运行。

图3a是本文发明的预测算法和原一阶低通滤波算法下的并网功率对比图，图3b是2种算法下的SOC波动对比图，图3c是预测算法下对应的十分钟功率波动率分布图，。可以看出由于在每一预测周期和组都根据SOC变化情况修正预测值，算法所得的并网功率在变化趋势上追随了参考功率，即原滤波输出的并网功率，同时对预测错误纠偏而导致的局部功率波动加大以及加入的各项约束让并网功率的数值相对原输出有了更为灵活的调整，进而影响到储能电池SOC的变化。由于考虑了并网功率限值，可以看到除去作为基准预测组的第一组，绝大部分的采样点并网功率都在设定区间[0.45，0.9]以内。预测控制后的全仿真周期SOC变化幅度较之前一阶低通滤波算法有了很大的减小，变化区间由[56，70.8]变为[67.8，76]，最大变化量从14.8降为8.2。由上述的全周期储能电池需求容量公式分析，

预测算法下的储能容量较传统一阶低通滤波下减少了同时全周期SOC均偏离初始值较小，最大偏差只有6％，相比滤波算法大幅的单向变化，更有利于储能设备的持续运行，确保了控制策略的有效执行。减小SOC变动范围的代价是局部并网功率的波动加大，从图3b看出10分钟功率变化量较传统滤波算法有所增大，但80％以上的采样点变化量在0～2MW范围内，最大变化量小于4MW，远小于并网要求规定的10MW/10min，体现了算法较好的可扩展性。由此可见本发明在实例中既做到了对原始风场输出功率的平滑，使之满足国家并网要求，也较传统低通滤波算法减小了对储能蓄电池容量的需求，从而降低了设备运行成本。

本发明在风储联合发电***中的功率平滑和储能容量优化配置上具有明显优势。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的替换或变化，涵盖在本发明的保护范围之内。因此，本发明要求的保护范围应该以权利要求的保护范围为准。

Claims (6)

1.一种基于低通滤波的风储协调预测控制方法，其特征在于，包括以下步骤：

步骤1：选定采样间隔，通过一阶低通滤波的离散递推式对风电场原始输出有功功率进行处理，得到经过低通滤波后的输出功率，并以此作为风储联合***并网功率的参考值；

步骤2：令每n个采样间隔组成一个短预测周期，定义为预测周期，每4n个预测周期组成一个长预测周期，定义为预测组，在风储联合***运行的开始阶段，取第一组预测组为基准预测组，第一个预测周期为基准预测周期，在基准预测周期里，参考并网功率即是用来计算储能功率的期望并网功率，并以该基准预测周期的并网功率均值作为第二个预测周期的原始预测功率值；

步骤3：从第一个预测组和第一个预测周期开始，在每一预测组和每一个预测周期的最后均依据当前预测组和当前预测周期内储能蓄电池的荷电状态的变化情况为下一个预测周期或预测组的参考输出功率计算补偿量，其中组级别的功率补偿量补偿到下一预测组的每个预测周期，由此得到下一预测周期的经过组级别和周期级别补偿的预测并网功率；

步骤4：依次检验预测并网功率是否符合并网功率限制、储能蓄电池的荷电状态变化量限制、并网功率变化量限制及储能蓄电池的荷电状态变化量限制约束条件，若不符合则按照相应修正式即时修正；

步骤5：在下一个预测周期，以预测出的并网功率为最终的期望输出功率，当风电场输出功率小于期望输出功率时，控制储能蓄电池放电；当风电场输出功率大于期望输出功率时，控制储能蓄电池充电。

2.根据权利要求1所述的一种基于低通滤波的风储协调预测控制方法，其特征在于，在所述步骤5后还包括步骤6：计算储能蓄电池的需求容量配置。

3.根据权利要求2所述的一种基于低通滤波的风储协调预测控制方法，其特征在于，所述储能蓄电池的需求容量E_bess的计算公式为：

E_bess＝max{SOC(i)-SOC(j)}/100*Q*U/1000，i，j∈t，式中：

SOC(i)，SOC(j)分别表示时刻i及时刻j的储能蓄电池的荷电状态；

Q表示以安时为单位的储能蓄电池额定容量；

U表示储能蓄电池电压；

t表示风储联合***的全运行时段。

4.根据权利要求1所述的一种基于低通滤波的风储协调预测控制方法，其特征在于，风储联合***并网功率的参考值的计算公式为：

$P_{\mathrm{out},k}=\frac{\mathrm{\τ}}{\mathrm{\τ}+\mathrm{\Δt}}{P}_{\mathrm{out},k-1}+\frac{\mathrm{\Δt}}{\mathrm{\τ}+\mathrm{\Δt}}{P}_{w,k},$ 式中：

P_out，k及P_out，k-1分别表示k时刻及k-1时刻的风储联合***并网功率的参考值；

τ表示滤波时间常数；

Δt表示功率采样间隔。

5.根据权利要求1所述的一种基于低通滤波的风储协调预测控制方法，其特征在于，经过短预测周期级别的预测补偿量修正后的某一预测组的第k个预测周期的预测并网功率的计算公式为：

P_r(k)＝P_r(k-1)+(SOC((k-1)*6+1)-SOC((k-2)*6+1))/100*Q*U/α，式中：

SOC表示当前时刻储能蓄电池的荷电状态；

Q表示以安时为单位的储能蓄电池额定容量；

U表示储能蓄电池电压；

α表示整个短周期功率预测变化量分摊到当前预测周期每个采样点的平均系数。

6.根据权利要求1所述的一种基于低通滤波的风储协调预测控制方法，其特征在于，经过长预测周期级别的预测补偿量修正后的第l个预测组第m个预测周期的并网功率P_r((l-1)*4+m)的计算公式为：

P_r((l-1)*4+m)＝P_r((l-1)*4+m-1)+(SOC((l-1)*24+1)-SOC((l-2)*24+1))/100*Q*U/β，式中：

β表示整个长预测周期功率预测变化量分摊到内部各个短预测周期的平均系数；

P_r((l-1)*4+m-1)是已经经过短周期预测修正量补偿后的第l个预测组第m-1个预测周期并网功率；

SOC表示当前时刻储能蓄电池的荷电状态；

Q表示以安时为单位的储能蓄电池额定容量；

U表示储能蓄电池电压。