CN105226694A - 基于模糊经验模态分解的储能平滑新能源发电控制方法 - Google Patents

Abstract

本发明提供一种基于模糊经验模态分解的储能平滑新能源发电控制方法，所述方法包括如下步骤：读取新能源及储能电池相关运行数据；基于经验模态分解，将功率信号分为若干个固有模态函数和一个余量；计算不同固有模态函数下标准化模量累积均值得出的滤波阶数基准值；基于所述滤波阶数基准值对新能源出力进行滤波，得到新能源出力平滑值；求出储能***功率命令值，并对所述储能***功率命令值进行功率限制；根据储能电池荷电状态和平滑输出波动率调节滤波阶数k。本发明基于经验模态分解的方法，自适应实时调节滤波阶数，达到即能防止储能***出现过充和过放现象，保持储能***良好性能，又兼具较好的平滑新能源出力的效果。

Description

基于模糊经验模态分解的储能平滑新能源发电控制方法

技术领域

本发明涉及一种发电控制方法，具体涉及一种基于模糊经验模态分解的储能平滑新能源发电控制方法。

背景技术

随着新能源不断发展，风电、光伏的大规模并网，其出力的波动问题日益严重。由于风电、光伏属于可再生能源，其出力的大小受到气候、地形、光照等因素的影响，导致其出力的不确定性，出力的大小不可能一直保持恒定，而且在很多程度上是随时变化，具有很强的波动性和间歇性。新能源接入电网后，其波动性会对电网运行的稳定性造成不利影响。随着新能源并网在电网中的比例不断增加，新能源输出功率的平滑控制越来越受到关注。

随着电池及其集成技术的不断发展，应用储能***平滑风电输出逐渐成为了一种可行方案。通过合理控制连接在储能设备上的双向变流器，高效地实现储能***充放电，能在很大程度上解决新能源随机性及波动性带来的新能源输出不稳定的问题，以满足新能源发电的平滑输出要求，并有效解决由于新能源波动给电网频率波动带来的电能质量等问题。风储、光储联合发电***本质上是一种多能源***，如何协调各个电源***的工作，是研发上的一个关键问题。从电池的角度来说，过度的充电和过度的放电都会对电池寿命造成影响。

发明内容

为了克服上述现有技术的不足，本发明提供一种基于模糊经验模态分解的储能平滑新能源发电控制方法，本发明基于经验模态分解的方法，自适应实时调节滤波阶数，达到即能防止储能***出现过充和过放现象，保持储能***良好性能，又兼具较好的平滑新能源出力的效果。

为了实现上述发明目的，本发明采取如下技术方案：

一种基于模糊经验模态分解的储能平滑新能源发电控制方法，所述方法包括如下步骤：

(1)读取新能源及储能电池相关运行数据；

(2)基于经验模态分解，将功率信号分为若干个固有模态函数和一个余量；

(3)计算不同固有模态函数下标准化模量累积均值得出的滤波阶数基准值；

(4)基于所述滤波阶数基准值对新能源出力进行滤波，得到新能源出力平滑值；

(5)求出储能***功率命令值，并对所述储能***功率命令值进行功率限制；

(6)根据储能电池荷电状态和平滑输出波动率调节滤波阶数k；

(7)将所述新能源出力平滑值和所述储能***功能命令值输出到储能控制***，来执行对储能***的控制，实现新能源处理的平滑功能。

优选的，所述步骤(1)中，所述相关数据包括新能源实际功率、储能功率和储能电池荷电状态。

优选的，所述步骤(2)中，根据所述新能源实际功率，基于经验模态分解的方法，分成若干个固有模态函数和余量。

优选的，所述步骤(3)中，所述标准化模量累积均值的计算公式如下：

$\stackrel{\‾}{h_m}=mean\left(\underset{i=1}{\overset{m}{\Σ}}\frac{h_i\left(t\right)-mean\left(h_i\left(t\right)\right)}{std\left(h_i\left(t\right)\right)}\right),1\≤m\≤n$

式中，Mean()指平均值，std()标准差，n为最大阶次，h_i(t)是固有模态函数；为标准化模量累积均值，当偏离0时，即令σ＝5，此时滤波阶数k为m。

优选的，所述步骤(4)中，所述滤波的规则为将k阶之后的所有IMF之和加上余量的低频部分作为新能源出力平滑值，从第1阶到第k-1阶的IMF之和为高频部分，由储能电池吸收。

优选的，所述步骤(5)中，所述储能***功率命令值为所述新能源出力平滑值和所述新能源实际功率做差得到的，当所述储能***功率命令值超过了储能电池的最大充放电功率时，储能电池停止工作。

优选的，所述步骤(6)中，对于所述储能电池荷电状态，规定所述储能电池荷电状态上限为0.8，下限为0.2，当所述储能电池荷电状态越限时，储能电池停止工作，所述储能电池荷电状态的计算公式如下：

SOC(t)＝SOC(t-Δt)+P_batΔt/C_bat

式中，C_bat为所配置的储能***额定容量；Δt为采样时间间隔；P_bat为储能电池功率；t为时刻值，SOC(t)为t时刻储能电池荷电状态；

一个时刻的所述平滑输出波动率计算方法如下：

$\mathrm{\δ}=\frac{P_{max}-P_{\min }}{Cap}\×100\%$

式中，其中δ为十分钟波动率；P_max为十分钟内风电平滑最大出力；P_min为十分钟内风电平滑最小出力；Cap为风电场开机容量。

与现有技术相比，本发明的有益效果在于：

本发明提供了基于模糊经验模态分解的储能平滑新能源发电控制方法。该方法主要是基于经验模态分解的方法，结合储能电池SOC和平滑波动率作为模糊自适应控制的反馈输入，来自适应实时调节滤波阶数，达到即能防止储能***出现过充和过放现象，保持储能***良好性能，又兼具较好的平滑新能源出力的效果。

附图说明

图1是本发明提供的基于模糊经验模态分解的储能平滑新能源发电控制***框架图

图2是本发明提供的基于模糊经验模态分解的储能平滑新能源发电控制方法流程图

具体实施方式

下面结合附图对本发明作进一步详细说明。

风储混合发电***包括风力发电***、电池储能***、双向变流器和电网：风力发电***分别和双向变流器与电网连接；电池储能***与双向变流器连接。

如图1所示，本发明是通过设置在工控机的通讯模块10、数据存储与管理模块20、平滑控制器模块30及模糊自适应控制器40实现的。

通讯模块10负责接收新能源及储能电池相关运行数据，以及向监控平台发送新能源出力平滑值和储能单元的功率命令值。监控平台设置在通讯模块左侧，与通讯模块连接，实时控制和监测和控制通讯模块作用。

数据存储与管理模块20用于存储和管理新能源发电相关数据及储能电池运行时的实时数据和历史数据；而且负责将新能源平滑值和储能电池功率命令值按事先设定的协议赋给相关接口变量，供电池储能***接口平台使用，将新能源发电功率值信号发送到平滑控制器模块和模糊自适应控制器模块，将储能电池启停信号、储能电池SOC值信号和平滑波动率发送到模糊自适应控制器模块。

平滑控制器模块30，该平滑控制器模基于经验模态分解，根据由模糊自适应控制器输出的滤波阶数，将k阶之后的所有IMF之和加上余量的低频部分作为新能源出力平滑值，并将新能源出力平滑值发送到模糊自适应控制器模块和数据管理与存储模块。

模糊自适应控制器40用于确定滤波阶数，根据储能电池SOC和平滑波动率作为模糊控制器的反馈输入，滤波阶数k作为模糊控制器的输出。

在模糊自适应控制器40中将新能源出力平滑值和新能源实际功率做差得到储能电池功率命令值信号，并将其发送到数据管理与存储模块中。

模糊自适应控制器40的作用就是根据平滑后波动率、电池的荷电状态(SOC)以及储能电池充放电状态得出合适的滤波阶数，从而实时动态平抑风电输出功率，同时控制储能***吸收和释放功率以及电池的荷电状态，调节风电波动率大小。

本专利设计了双输入单输出的模糊控制器，其中两个输入分别为平滑输出波动率、电池的荷电状态(SOC)。输出为滤波阶数值。

控制器的输入和输出必须经过模糊化后才能进行模糊推理运算，因此需首先建立输入和输出的模糊集和对应的隶属度函数。模糊控制器的输入模糊化过程所采用的隶属度函数是常用的联合高斯型隶属函数和Sigmoid型隶属函数。

平滑输出波动率采用模糊子集为{NB,ZO,PB}，分别表示当前风电***的波动情况为{偏低，适中，偏高}。横坐标为波动率，范围从0～0.4，将波动率大于0.05规定为偏高，0～0.05规定为偏低。0～0.1规定为适中，纵坐标为隶属度。

储能电池荷电状态(SOC)采用的模糊子集为{NB,ZO,PB}，分别表示当前储能***荷电状态值为{偏低，适中，偏高}。横坐标为SOC值，规定SOC大于0.5为偏高，SOC小于0.5为偏低，SOC在0～1为适中，纵坐标为隶属度。

图2为基于模糊经验模态分解的储能平滑新能源发电控制方法流程图。

本发明提供的基于模糊经验模态分解的储能平滑新能源发电控制方法，该方法包括下述步骤：

步骤1、读取新能源及储能电池相关运行数据；

所述相关数据包括新能源实际功率、储能功率和储能电池荷电状态。

步骤2、基于经验模态分解，将功率信号分为若干个固有模态函数和一个余量；

根据所述新能源实际功率，基于经验模态分解的方法，分成若干个固有模态函数和余量。

步骤3、计算不同固有模态函数下标准化模量累积均值得出的滤波阶数基准值；

所述标准化模量累积均值的计算公式如下：

$\stackrel{\‾}{h_m}=mean\left(\underset{i=1}{\overset{m}{\Σ}}\frac{h_i\left(t\right)-mean\left(h_i\left(t\right)\right)}{std\left(h_i\left(t\right)\right)}\right),1\≤m\≤n$

式中，Mean()指平均值，std()标准差，n为最大阶次，h_i(t)是固有模态函数；为标准化模量累积均值，当明显偏离0时，即令σ＝5，此时滤波阶数k为m。

步骤4、基于所述滤波阶数基准值对新能源出力进行滤波，得到新能源出力平滑值；

所述滤波的规则为将k阶之后的所有IMF之和加上余量的低频部分作为新能源出力平滑值，从第1阶到第k-1阶的IMF之和为高频部分，由储能电池吸收。

步骤5、求出储能***功率命令值，并对所述储能***功率命令值进行功率限制；

所述储能***功率命令值为所述新能源出力平滑值和所述新能源实际功率做差得到的，对储能***功率命令值进行功率限制，对于储能电池SOC，规定SOC上限为0.8，下限为0.2，当SOC越限时，储能电池停止工作。

设立储能的功率上限为P_max；当储能放电量大于P_max，规定储能充放电量等于P_max。

储能电池SOC的计算公式如下：

SOC(t)＝SOC(t-Δt)+P_batΔt/C_bat

式中，C_bat为所配置的储能***额定容量；Δt为采样时间间隔；P_bat为储能电池功率；t为时刻值。

步骤6、根据储能电池荷电状态和平滑输出波动率调节滤波阶数k；

将储能电池SOC值和平滑输出波动率作为模糊自适应控制器的输入，滤波阶数作为输出值，根据新的滤波阶数值确定下一时刻的平滑输出值。

一个时刻的所述平滑输出波动率计算方法如下：

$\mathrm{\δ}=\frac{P_{max}-P_{\min }}{Cap}\×100\%$

式中，其中δ为十分钟波动率；P_max为十分钟内风电平滑最大出力；P_min为十分钟内风电平滑最小出力；Cap为风电场开机容量。

滤波阶数调整策略如下：

当SOC偏高时，若处在充电状态下，则选择较低的滤波阶数，防止蓄电池储能***出现过度充电的状况；若处在放电状态下，则选择选择较高的滤波阶数，从而相对增大电池储能***的放电功率，加速其荷电状态的降低，使之向着适中的荷电状态变化，反之亦然。

当新能源波动大的时候，则加大储能平滑新能源功率的力度，选择较高的滤波阶数，以达到尽可能减缓波动的目的，当波动小的时候，不需要大力平滑时，则选择较小的滤波阶数，减小储能平滑功率出力，节约能源。

以某装机容量为49.5MW的风电场2011年某日实际运行数据为例，采样间隔为1min，采样总个数为1440，储能***并网时的初始风电功率为0。设定的波动率最大波动率变化值为10％。

从储能电池SOC为50％的条件下进行本发明的试验测试验证。计算其标准化模量累积均值得出的滤波阶数基准值k为5。储能容量的配置为10MW/10MW·h。SOC上限为0.8，下限为0.2。本发明可以有效实现风电平滑出力的同时，将储能***SOC控制在合理范围内。考虑SOC约束的变阶EMD平滑策略大于10％的波动率占5％，是以降低波动率指标为代价提高储能电池寿命。本专利提出的控制策略，由于采用波动率和SOC为综合约束条件下的模糊变阶，其波动率全部控制在10％以内。

以装机容量为40KW的光伏电站2011年某日实际运行数据为例，采样间隔为5min，采样总个数为288，储能***并网时的初始风电功率为0。设定的波动率最大波动率变化值为5％。储能电池SOC为50％的条件下进行本发明的试验测试验证。计算其标准化模量累积均值得出的滤波阶数基准值k为5，4KW/40KW·h。SOC上限为0.8，下限为0.2。保证了光伏平滑输出，可以发现大于5％的部分占14.2％，采用模糊变阶EMD和定阶EMD平滑控制，可以发现采用模糊变阶EMD控制策略可以将波动率控制在5％以下，采用模糊变阶EMD平滑方法相比定阶EMD平滑方法，储能电池荷电状态更加趋于稳定，避免电池荷电状态的剧烈波动。本文提出的控制策略，由于考虑了SOC和波动率综合约束变阶，可使SOC和波动率指标同时达到较优，即保持储能***良好性能，又兼具较好的平滑光伏功率输出的效果。

步骤7、将所述新能源出力平滑值和所述储能***功能命令值输出到储能控制***，来执行对储能***的控制，实现新能源处理的平滑功能。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求范围当中。

Claims (7)

1.一种基于模糊经验模态分解的储能平滑新能源发电控制方法，其特征在于，所述方法包括如下步骤：

(1)读取新能源及储能电池相关运行数据；

(2)基于经验模态分解，将功率信号分为若干个固有模态函数和一个余量；

(3)计算不同固有模态函数下标准化模量累积均值得出的滤波阶数基准值；

(4)基于所述滤波阶数基准值对新能源出力进行滤波，得到新能源出力平滑值；

(5)求出储能***功率命令值，并对所述储能***功率命令值进行功率限制；

(6)根据储能电池荷电状态和平滑输出波动率调节滤波阶数k；

(7)将所述新能源出力平滑值和所述储能***功能命令值输出到储能控制***，来执行对储能***的控制，实现新能源处理的平滑功能。

2.根据权利要求1所述控制方法，其特征在于，所述步骤(1)中，所述相关数据包括新能源实际功率、储能功率和储能电池荷电状态。

3.根据权利要求2所述控制方法，其特征在于，所述步骤(2)中，根据所述新能源实际功率，基于经验模态分解的方法，分成若干个固有模态函数和余量。

4.根据权利要求1所述控制方法，其特征在于，所述步骤(3)中，所述标准化模量累积均值的计算公式如下：

$\stackrel{\‾}{h_m}=mean\left(\underset{i=1}{\overset{m}{\Σ}}\frac{h_i\left(t\right)-mean\left(h_i\right(t))}{std\left(h_i\right(t))}\right),1\≤m\≤n$

式中，Mean()指平均值，std()标准差，n为最大阶次，h_i(t)是固有模态函数；为标准化模量累积均值，当偏离0时，即令σ＝5，此时滤波阶数k为m。

5.根据权利要求1所述控制方法，其特征在于，所述步骤(4)中，所述滤波的规则为将k阶之后的所有IMF之和加上余量的低频部分作为新能源出力平滑值，从第1阶到第k-1阶的IMF之和为高频部分，由储能电池吸收。

6.根据权利要求2所述控制方法，其特征在于，所述步骤(5)中，所述储能***功率命令值为所述新能源出力平滑值和所述新能源实际功率做差得到的，当所述储能***功率命令值超过了储能电池的最大充放电功率时，储能电池停止工作。

7.根据权利要求1所述控制方法，其特征在于，所述步骤(6)中，对于所述储能电池荷电状态，规定所述储能电池荷电状态上限为0.8，下限为0.2，当所述储能电池荷电状态越限时，储能电池停止工作，所述储能电池荷电状态的计算公式如下：

SOC(t)＝SOC(t-Δt)+P_batΔt/C_bat

式中，C_bat为所配置的储能***额定容量；Δt为采样时间间隔；P_bat为储能电池功率；t为时刻值，SOC(t)为t时刻储能电池荷电状态；

一个时刻的所述平滑输出波动率计算方法如下：

$\mathrm{\δ}=\frac{P_{max}-P_{\min }}{Cap}\×100\%$

式中，其中δ为十分钟波动率；P_max为十分钟内风电平滑最大出力；P_min为十分钟内风电平滑最小出力；Cap为风电场开机容量。