CN117543625A - 一种多尺度自适应滑动滤波算法的风电波动平抑方法 - Google Patents

一种多尺度自适应滑动滤波算法的风电波动平抑方法 Download PDF

Info

Publication number
CN117543625A
CN117543625A CN202311562437.XA CN202311562437A CN117543625A CN 117543625 A CN117543625 A CN 117543625A CN 202311562437 A CN202311562437 A CN 202311562437A CN 117543625 A CN117543625 A CN 117543625A
Authority
CN
China
Prior art keywords
power
energy storage
fluctuation
storage system
wind power
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202311562437.XA
Other languages
English (en)
Inventor
朱建红
李汉
檀立昆
陈少轩
张峻
黄梦倩
陈轩宇
邓俊逸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong University
Original Assignee
Nantong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nantong University filed Critical Nantong University
Priority to CN202311562437.XA priority Critical patent/CN117543625A/zh
Publication of CN117543625A publication Critical patent/CN117543625A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/002—Flicker reduction, e.g. compensation of flicker introduced by non-linear load
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Nonlinear Science (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种多尺度自适应滑动滤波算法的风电波动平抑方法，首先利用储能补偿预测误差，然后对补偿预测误差后的风功率进行波动分析，根据风电波动和储能***SOC选择不同尺度的最大允许波动率，之后用基于斐波那契数列的自适应滑动滤波算法对补偿预测误差后的风电功率进行平抑，得到并网功率和储能***平抑风电波动的功率，最后根据储能补偿预测误差和储能平抑风电波动的功率，得到储能***最终出力的功率。本发明能根据不同风电功率自适应调节滑动窗口和最大允许波动率，减少平抑过程中过度平抑现象和储能最大充放电功率，提高并网功率的跟踪能力，避免储能***过充过放。

Description

一种多尺度自适应滑动滤波算法的风电波动平抑方法
技术领域
本发明涉及风电应用领域，具体涉及一种多尺度自适应滑动滤波算法的风电波动平抑方法。
背景技术
随着风力发电技术的不断成熟，使得风能具备了大规模开发利用的条件，成为了目前最具有开发利用前景的新型能源之一。但是风力发电技术在发展的同时，给电力***带来了许多问题，由于风电的不确定性，导致风电场很难对其进行准确预测且易产生预测误差；由于风电的波动性，给电网调度和控制带来了很大的影响。风电场配置储能***可以补偿预测误差，平抑风电功率波动，提高风电并网的稳定性。
目前，利用储能***补偿预测误差已经展开了很多研究。主要分为智能算法和数值特性分析方法两大类。利用储能***平抑风电功率波动也展开了很多研究。例如：使用一阶低通滤波器滤除风电功率中的高频波动分量，使注入电网的功率变得平滑，但是由于风电功率的非线性，滤波时间常数往往难以确定，导致该算法适应性不强；采用自适应的滑动平均滤波算法平抑风电功率波动，虽然解决了算法的适应性问题，但是风电功率波动较为平缓时往往会出现过度平抑，增加储能的负担。
发明内容
发明目的：针对以上问题，本发明提出一种多尺度自适应滑动滤波算法的风电波动平抑方法，采用储能***补偿预测误差和平抑风电功率波动。
技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种多尺度自适应滑动滤波算法的风电波动平抑方法，包括以下步骤：
I、根据风电超短期预测功率和风电实际功率获得预测误差，以风电场允许预测误差将预测误差分为允许预测误差带和储能***补偿带；
Ⅱ、根据储能***补偿带获得储能***补偿预测误差的功率；
Ⅲ、将储能***补偿后的风电功率进行波动分析，利用基于斐波那契数列的多尺度自适应滑动滤波算法进行风电功率波动平抑；
IV、获得储能***平抑风电波动的功率，并根据储能***平抑风电波动的功率控制储能***充放电；
V、根据储能***补偿预测误差的功率和平抑风电波动的功率，确定储能***的最终出力功率。
进一步的，步骤I包括：
获取t时刻的超短期预测功率Pf(t)和风电实际功率Pr(t)，根据公式(1)得到允许预测误差带的上下限：
其中，Pup(t)为允许预测误差带的上限，Pdown(t)为允许预测误差带的下限，σ％为允许预测误差；
当Pr(t)∈[Pdown(t)，Pup(t)]时，表明风电场实际功率在允许预测误差带内，储能***不工作；当Pr(t)<Pdown(t)或Pr(t)>Pup(t)时，表明风电场实际功率不在允许预测误差带内，储能***将风电实际功率补偿到允许预测误差带内。
进一步的，步骤Ⅱ包括：
根据公式(2)，求得t时刻储能***补偿预测误差的功率Phess_1(t)：
其中，当Pr(t)<Pdown(t)时，储能***放电；当Pr(t)>Pup(t)时，储能***充电；当Pr(t)∈[Pdown(t)，Pup(t)]时，储能***不工作。
进一步的，步骤Ⅲ包括：
根据步骤Ⅱ求得的储能***补偿预测误差的功率和公式(3)，得到储能***补偿后的风电功率理论值Prx(t)：
Prx(t)＝Pr(t)-Phess_1(t) (3)
设计储能***平抑波动控制算法，将储能***补偿后的风电功率进行平抑分解，得到并网功率Pg(t)：
Pg(t)＝Prx(t)-Phess_2(t) (4)
其中，Pg(t)为t时刻的并网功率，Phess_2(t)为t时刻储能***平抑风电波动的功率；
根据储能补偿后的风电功率进行波动分析，定义采样时间为1分钟，得到t时刻1min尺度和10min尺度下的波动率：
其中，α1min(t)、α10min(t)分别表示第t时刻1分钟尺度和10分钟尺度下的波动率，Pg(t)、Pg(t-1)分别表示第t时刻和t-1时刻的并网功率，分别表示10分钟内并网功率的最大值和最小值，PN为风电场装机容量；
由公式(5)得到，10分钟尺度下的波动率是由1分钟尺度下的波动率累积的，在平抑并网的过程中首先考虑1分钟尺度下的波动率；
当平抑前1分钟尺度下的波动率满足4％<α1min(t)≤8％时，功率处于平滑阶段；当平抑前1分钟尺度下的波动率满足8％<α1min(t)时，功率处于突变阶段；
在功率处于平滑阶段时，规定平抑后1分钟尺度下的波动率最大不超过4％；
在功率处于突变阶段时，规定平抑后1分钟尺度下的波动率最大不超过8％；
在平抑过程中，所用的算法为基于斐波那契数列的多尺度自适应滑动滤波算法，具体包括以下步骤：
S101：读取t时刻储能***补偿后的理论功率Prx(t)；
S102：令t时刻的初始窗口值N＝1；
S103：根据公式(5)计算t时刻1分钟尺度下的波动率α1min(t)和10分钟尺度下的波动率α10min(t)；
S104：判断S103中两个时间尺度下的最大波动率是否满足并网标准，如果满足并网标准，转至S111，如果不满足并网标准，转至S105；
S105：根据公式(6)计算t时刻理论功率和t-1时刻并网功率的差值△P1(t)；
△P1(t)＝Prx(t)-Pg(t-1) (6)
S106：根据△P1(t)的大小，判断此时的功率波动是否处于平滑阶段，如果△P1(t)≤K，其中K＝8％×PN，转至S107，否则转至S108；
S107：此时的功率波动平滑，令1分钟最大允许波动率α＝4％；
S108：此时的功率波动处于突变阶段，读取当前储能***的SOC状态和△P1(t)大小，建立二维模糊控制***，根据当前储能***的SOC状态和△P1(t)大小输出1分钟最大允许波动率α，二维模糊控制***的输入量分别为归一化后的SOC值ωSOC(t)和△P1(t)值η△P1(t)，归一化的方法如下：
ωSOC(t)＝SOC(t) (7)
ωSOC(t)的论域为[0,1]，模糊子集为{VS,S,M,B,VB}；η△P(t)的论域为[-1,1]，模糊子集为{NB,NM,NS,Z,PS,PM,PB}；二维模糊控制***的输出量为1分钟最大允许波动率α；
S109：窗口值N加1；根据窗口值N、t时刻理论风电功率和t-1,t-2,…,t-N+1时刻的并网功率运用基于斐波那契数列的多尺度自适应滑动滤波算法计算t时刻的并网功率，具体如下：
其中，an为斐波那契数列的通项公式；
再根据公式(5)计算1分钟和10分钟尺度下的波动率α1min(t)和α10min(t)；
S110：判断1分钟和10分钟尺度下的波动率是否满足并网标准，如果不满足并网标准，转至S109，都满足并网标准，转至S111；
S111：输出此时的并网功率Pg(t)、1分钟和10分钟尺度下的波动率α1min(t)和α10min(t)；
S112：输出此时储能***作用的功率Phess_2(t)；
S113：令t＝t+1，更新当前时刻储能***补偿后的理论功率Prx(t)，转至S101，进行下一时刻的风电功率波动平抑。
进一步的，步骤IV包括：
将储能***补偿后的风电功率Prx(t)进行分解后，得到满足国家并网标准的并网功率Pg(t)和储能***平抑风电波动的功率Phess_2(t)；
当Phess_2(t)>0，控制储能***放电，对电网进行功率补偿；
当Phess_2(t)<0，控制储能***充电，吸收风电场冗余功率。
进一步的，步骤V中，根据储能***补偿预测误差的功率Phess_1(t)和储能***平抑风电波动的功率Phess_2(t)得到储能***最终出力功率Phess(t)＝Phess_1(t)+Phess_2(t)。
有益效果：与现有技术相比，本发明的技术方案具有以下有益的技术效果：
(1)本发明的方法可以根据风电功率波动自适应的计算出适合当前功率的最小滑动窗口，根据该窗口值求出当前时刻的并网功率满足国家并网功率波动率标准，提高了算法的自适应性。
(2)本发明的方法以斐波那契数列为滤波算法中的权重，可以减少平抑过程中出现的过度平抑现象，减少储能***的负担，所求的并网功率不仅能满足国家并网功率波动率标准，也尽可能地提高了跟踪风电功率。
(3)本发明的方法提出了多尺度的并网波动系数，将风电功率分为波动平缓阶段和风电波动较大阶段，风电功率波动平缓时采用较小的并网波动系数，风电波动较大时，根据波动量和当前时刻储能的SOC输出不同的并网波动系数，不仅能提高并网功率的跟踪能力，也减少了储能深度充放电的情况产生。
附图说明
图1是储能补偿预测误差和平抑风电波动的原理流程示意图。
图2是某风电场24小时的预测功率和实际功率。
图3是储能补偿预测误差的功率。
图4是基于斐波那契数列的多尺度自适应滑动滤波算法的详细流程示意图。
图5(a)、5(b)是不同时间间隔下储能***补偿后的理论风电功率和平抑后的并网功率。
图6是平抑前后的波动率比较。
图7(a)、7(b)是不同时间间隔下三种平抑算法的储能***平抑风电波动的功率比较。
图8(a)、8(b)是不同时间间隔下三种平抑算法的储能***最终出力功率的比较。
具体实施方式
下面结合附图和实施例对本发明的技术方案作进一步的说明。
本发明所述的一种多尺度自适应滑动滤波算法的风电波动平抑方法，如图1储能补偿预测误差和平抑风电功率波动的流程图，包括：根据风电超短期预测功率和风电实际功率获得预测误差，以风电场允许预测误差将预测误差分为允许预测误差带和储能***补偿带；根据储能***补偿带获得储能***补偿预测误差的功率；将储能***补偿后的风电功率进行波动分析；获得储能***平抑风电波动的功率；根据储能***补偿预测误差的功率和平抑风电波动的功率，确定储能***的最终出力功率。
如图2是某风电场24小时的预测功率和实际功率且以σ％＝10％为风电场允许预测误差，根据预测功率设置允许误差带的上下限Pup(t)、Pdown(t)：
当Pr(t)∈[Pdown(t)，Pup(t)]时，表明风电场实际功率在允许预测误差带内，储能***不工作；当Pr(t)<Pdown(t)或Pr(t)>Pup(t)时，表明风电场实际功率不在允许预测误差带内，储能***将风电实际功率补偿到允许误差带内。
如图3是根据储能补偿预测误差策略，得到储能***补偿预测误差的功率Phess_1(t)：
其中，当Pr(t)<Pdown(t)时，储能***放电；当Pr(t)>Pup(t)时，储能***充电；当Pr(t)∈[Pdown(t)，Pup(t)]时；储能***不工作。
在补偿预测误差策略中，储能不直接作用，只求出符合允许预测误差要求的储能补偿区间。
根据补偿预测误差策略，可以得到储能***补偿后的风电功率Prx(t)＝Pr(t)-Phess_1(t)，对该功率平抑可以得到并网功率Pg(t)＝Prx(t)-Phess_2(t)。
根据《风电场接入电力***技术规定》对风电有功功率变化最大限制有以下规定：风电场应限值有功功率变化的限值，包括1min有功功率变化最大限制和10min有功功率变化最大限制，具体如表1所示。
表1风电场有功功率变化限值
根据上述标准，建立1分钟和10分钟双时间尺度下风电场功率波动率的计算公式，定义采样时间为1分钟，可以得到t时刻1min尺度和10min尺度下的波动率α1min(t)、α10min(t)如下：
其中，Pg(t)、Pg(t-1)分别表示第t时刻和t-1时刻的并网功率，分别表示10分钟内并网功率的最大值和最小值，PN为风电场装机容量。
由此可知，10分钟尺度下的波动率是由1分钟尺度下的波动率累积的，因此在平抑并网的过程中首先考虑1分钟尺度下的波动率：
在功率波动平滑时1分钟尺度下的波动率最大不超过4％(可根据平抑控制需求调整，最大不超过表1规定的限值)；在功率波动突变时1分钟尺度下的波动率最大不超过8％(可根据平抑控制需求调整，最大不超过表1规定的限值)。
采用基于斐波那契数列数列的多尺度自适应滑动滤波算法对储能***补偿后的风电功率Prx(t)进行平抑，算法流程如图4所示，具体步骤如下：
S101：读取t时刻储能***补偿后的理论功率Prx(t)；
S102：令t时刻的初始窗口值N＝1；
S103：算t时刻1分钟尺度下的波动率α1min(t)和10分钟尺度下的波动率α10min(t)；
S104：判断S103中两个时间尺度下的最大波动率是否满足并网标准，如果满足并网标准，转至S111，如果不满足并网标准，转至S105；
S105：计算t时刻理论功率和t-1时刻并网功率的差值△P1(t)＝Prx(t)-Pg(t-1)；
S106：根据△P1(t)的大小，判断此时的功率波动是否处于平滑阶段，如果△P1(t)≤K，其中K＝8％×PN，功率波动处于平滑阶段，转至S107，否则转至S108；
S107：此时的功率波动平滑，令1分钟最大允许波动率α＝4％；
S108：此时的功率波动处于突变阶段，读取当前储能***的SOC状态和△P1(t)大小，建立二维模糊控制***，根据当前储能***的SOC状态和△P1(t)大小输出1分钟最大允许波动率α，二维模糊控制***的输入量分别为归一化后的SOC值ωSOC(t)和△P1(t)值η△P1(t)，归一化的方法如下：
ωSOC(t)＝SOC(t)
在归一化的过程中如果△P1(t)>4K，令△P1(t)＝4K，同样的如果△P1(t)<4K，令△P1(t)＝-4K；
ωSOC(t)的论域为[0,1]，模糊子集为{VS(极小),S(小),M(中),B(大),VB(极大)}；η△P(t)的论域为[-1,1]，模糊子集为{NB(负大),NM(负中),NS(负小),Z(零),PS(正小),PM(正中),PB(正大)}；二维模糊控制***的输出量为1分钟最大允许波动率α，建立的模糊控制规则如表2所示；
S109：窗口值N加1；根据窗口值N、t时刻理论风电功率和t-1,t-2,…,t-N+1时刻的并网功率运用基于斐波那契数列的多尺度自适应滑动滤波算法计算t时刻的并网功率，具体如下：
再计算1分钟和10分钟尺度下波动率α1min(t)和α10min(t)；
S110：判断1分钟和10分钟尺度下波动率是否满足并网标准，如果不满足并网标准，转至S109，都满足并网标准，转至S111；
S111：输出此时的并网功率Pg(t)、1分钟和10分钟波动率α1min(t)和α10min(t)；
S112：输出此时储能***作用的功率Phess_2(t)；
S113：令t＝t+1，更新当前时刻储能***补偿后的理论功率Prx(t)，转至S101，进行下一时刻的风电功率波动平抑。
表2模糊控制表
储能***补偿后的风电功率Prx(t)平抑可以输出满足国家并网标准的并网功率Pg(t)，图5是储能***补偿后的理论功率Prx(t)和平抑后的并网功率Pg(t)。图6是平抑前后功率波动率的比较，可以看出平抑后波动率均满足国家并网要求。
进而可以得到储能平抑风电波动的功率Phess_2(t)＝Prx(t)-Pg(t)，当Phess_2(t)>0，控制储能***放电，对电网进行功率补偿；当Phess_2(t)<0，控制储能***充电，吸收风电场冗余功率。
图7分别是改进的自适应滑动平均滤波算法(以下简称方法一)、多尺度下改进的自适应滑动平均滤波算法(以下简称方法二)和本发明的方法平抑后，储能平抑风电波动的功率Phess_2(t)的比较。表3是不同平抑算法的充放电功率对比，采用本发明的方法可以减少储能***平抑风电波动时最大充放电功率和累计充放电功率，较好地平稳了功率波动平缓和波动较大时的功率，提高了风电跟踪效果。
表3不同平抑算法的储能充放电功率对比
根据储能***补偿预测误差的功率Phess_1(t)和储能***平抑风电波动的功率Phess_2(t)得到储能***最终出力功率Phess(t)＝Phess_1(t)+Phess_2(t)。
图8是方法一、方法二和本发明的方法储能***最终出力功率的比较图，表4是不同平抑算法的储能最终充放电功率的比较，采用本发明的方法可以提高风电跟踪能力，减少储能***最终充放电功率时的最大充放电功率和总的充放电功率，减少储能投资成本。
表4不同平抑算法的储能最终充放电功率比较
最后应当说明的是：以上实施例仅用于说明本申请的技术方案而非对其保护范围的限制，尽管参照上述实施例对本申请进行了详细的说明，所属领域的普通技术人员应当理解：本领域技术人员阅读本申请后依然可对申请的具体实施方式进行种种变更、修改或者等同替换，但这些变更、修改或者等同替换，均在申请待批的权利要求保护范围之内。

Claims (6)

1.一种多尺度自适应滑动滤波算法的风电波动平抑方法，其特征在于，包括以下步骤：
I、根据风电超短期预测功率和风电实际功率获得预测误差，以风电场允许预测误差将预测误差分为允许预测误差带和储能***补偿带；
Ⅱ、根据储能***补偿带获得储能***补偿预测误差的功率；
Ⅲ、将储能***补偿后的风电功率进行波动分析，利用基于斐波那契数列的多尺度自适应滑动滤波算法进行风电功率波动平抑；
IV、获得储能***平抑风电波动的功率，并根据储能***平抑风电波动的功率控制储能***充放电；
V、根据储能***补偿预测误差的功率和平抑风电波动的功率，确定储能***的最终出力功率。
2.根据权利要求1所述的一种多尺度自适应滑动滤波算法的风电波动平抑方法，其特征在于，步骤I包括：
获取t时刻的超短期预测功率Pf(t)和风电实际功率Pr(t)，根据公式(1)得到允许预测误差带的上下限：
其中，Pup(t)为允许预测误差带的上限，Pdown(t)为允许预测误差带的下限，σ％为允许预测误差；
当Pr(t)∈[Pdown(t)，Pup(t)]时，表明风电场实际功率在允许预测误差带内，储能***不工作；当Pr(t)<Pdown(t)或Pr(t)>Pup(t)时，表明风电场实际功率不在允许预测误差带内，储能***将风电实际功率补偿到允许预测误差带内。
3.根据权利要求2所述的一种多尺度自适应滑动滤波算法的风电波动平抑方法，其特征在于，步骤Ⅱ包括：
根据公式(2)，求得t时刻储能***补偿预测误差的功率Phess_1(t)：
其中，当Pr(t)<Pdown(t)时，储能***放电；当Pr(t)>Pup(t)时，储能***充电；当Pr(t)∈[Pdown(t)，Pup(t)]时，储能***不工作。
4.根据权利要求3所述的一种多尺度自适应滑动滤波算法的风电波动平抑方法，其特征在于，步骤Ⅲ包括：
根据步骤Ⅱ求得的储能***补偿预测误差的功率和公式(3)，得到储能***补偿后的风电功率理论值Prx(t)：
Prx(t)＝Pr(t)-Phess_1(t) (3)
设计储能***平抑波动控制算法，将储能***补偿后的风电功率进行平抑分解，得到并网功率Pg(t)：
Pg(t)＝Prx(t)-Phess_2(t) (4)
其中，Pg(t)为t时刻的并网功率，Phess_2(t)为t时刻储能***平抑风电波动的功率；
根据储能补偿后的风电功率进行波动分析，定义采样时间为1分钟，得到t时刻1min尺度和10min尺度下的波动率：
其中，α1min(t)、α10min(t)分别表示第t时刻1分钟尺度和10分钟尺度下的波动率，Pg(t)、Pg(t-1)分别表示第t时刻和t-1时刻的并网功率，分别表示10分钟内并网功率的最大值和最小值，PN为风电场装机容量；
由公式(5)得到，10分钟尺度下的波动率是由1分钟尺度下的波动率累积的，在平抑并网的过程中首先考虑1分钟尺度下的波动率；
当平抑前1分钟尺度下的波动率满足4％<α1min(t)≤8％时，功率处于平滑阶段；当平抑前1分钟尺度下的波动率满足8％<α1min(t)时，功率处于突变阶段；
在功率处于平滑阶段时，规定平抑后1分钟尺度下的波动率最大不超过4％；
在功率处于突变阶段时，规定平抑后1分钟尺度下的波动率最大不超过8％；
在平抑过程中，所用的算法为基于斐波那契数列的多尺度自适应滑动滤波算法，具体包括以下步骤：
S101：读取t时刻储能***补偿后的理论功率Prx(t)；
S102：令t时刻的初始窗口值N＝1；
S103：根据公式(5)计算t时刻1分钟尺度下的波动率α1min(t)和10分钟尺度下的波动率α10min(t)；
S104：判断S103中两个时间尺度下的最大波动率是否满足并网标准，如果满足并网标准，转至S111，如果不满足并网标准，转至S105；
S105：根据公式(6)计算t时刻理论功率和t-1时刻并网功率的差值△P1(t)；
△P1(t)＝Prx(t)-Pg(t-1) (6)
S106：根据△P1(t)的大小，判断此时的功率波动是否处于平滑阶段，如果△P1(t)≤K，其中K＝8％×PN，转至S107，否则转至S108；
S107：此时的功率波动平滑，令1分钟最大允许波动率α＝4％；
S108：此时的功率波动处于突变阶段，读取当前储能***的SOC状态和△P1(t)大小，建立二维模糊控制***，根据当前储能***的SOC状态和△P1(t)大小输出1分钟最大允许波动率α，二维模糊控制***的输入量分别为归一化后的SOC值ωSOC(t)和△P1(t)值η△P1(t)，归一化的方法如下：
ωSOC(t)＝SOC(t) (7)
ωSOC(t)的论域为[0,1]，模糊子集为{VS,S,M,B,VB}；η△P(t)的论域为[-1,1]，模糊子集为{NB,NM,NS,Z,PS,PM,PB}；二维模糊控制***的输出量为1分钟最大允许波动率α；
S109：窗口值N加1；根据窗口值N、t时刻理论风电功率和t-1,t-2,…,t-N+1时刻的并网功率运用基于斐波那契数列的多尺度自适应滑动滤波算法计算t时刻的并网功率，具体如下：
其中，an为斐波那契数列的通项公式；
再根据公式(5)计算1分钟和10分钟尺度下的波动率α1min(t)和α10min(t)；
S110：判断1分钟和10分钟尺度下的波动率是否满足并网标准，如果不满足并网标准，转至S109，都满足并网标准，转至S111；
S111：输出此时的并网功率Pg(t)、1分钟和10分钟尺度下的波动率α1min(t)和α10min(t)；
S112：输出此时储能***作用的功率Phess_2(t)；
S113：令t＝t+1，更新当前时刻储能***补偿后的理论功率Prx(t)，转至S101，进行下一时刻的风电功率波动平抑。
5.根据权利要求4所述的一种多尺度自适应滑动滤波算法的风电波动平抑方法，其特征在于，步骤IV包括：
将储能***补偿后的风电功率Prx(t)进行分解后，得到满足国家并网标准的并网功率Pg(t)和储能***平抑风电波动的功率Phess_2(t)；
当Phess_2(t)>0，控制储能***放电，对电网进行功率补偿；
当Phess_2(t)<0，控制储能***充电，吸收风电场冗余功率。
6.根据权利要求4所述的一种多尺度自适应滑动滤波算法的风电波动平抑方法，其特征在于，步骤V中，根据储能***补偿预测误差的功率Phess_1(t)和储能***平抑风电波动的功率Phess_2(t)得到储能***最终出力功率Phess(t)＝Phess_1(t)+Phess_2(t)。
CN202311562437.XA 2023-11-21 2023-11-21 一种多尺度自适应滑动滤波算法的风电波动平抑方法 Pending CN117543625A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311562437.XA CN117543625A (zh) 2023-11-21 2023-11-21 一种多尺度自适应滑动滤波算法的风电波动平抑方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311562437.XA CN117543625A (zh) 2023-11-21 2023-11-21 一种多尺度自适应滑动滤波算法的风电波动平抑方法

Publications (1)

Publication Number Publication Date
CN117543625A true CN117543625A (zh) 2024-02-09

Family

ID=89783885

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311562437.XA Pending CN117543625A (zh) 2023-11-21 2023-11-21 一种多尺度自适应滑动滤波算法的风电波动平抑方法

Country Status (1)

Country Link
CN (1) CN117543625A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117895538A (zh) * 2024-03-14 2024-04-16 中国电建集团华东勘测设计研究院有限公司 基于混合储能模糊控制的风功率波动平抑方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117895538A (zh) * 2024-03-14 2024-04-16 中国电建集团华东勘测设计研究院有限公司 基于混合储能模糊控制的风功率波动平抑方法
CN117895538B (zh) * 2024-03-14 2024-06-04 中国电建集团华东勘测设计研究院有限公司 基于混合储能模糊控制的风功率波动平抑方法

Similar Documents

Publication Publication Date Title
CN105846461B (zh) 一种大规模储能电站自适应动态规划的控制方法和***
CN113285485B (zh) 长、短及多时间尺度下配电网源网荷储多端协同调压方法
CN117543625A (zh) 一种多尺度自适应滑动滤波算法的风电波动平抑方法
CN111697597B (zh) 一种基于粒子群算法的火储联合agc调频控制方法
CN109765787B (zh) 一种基于日内-实时滚动控制的配电网源荷快速跟踪方法
CN109034587B (zh) 一种协调多种可控单元的主动配电***优化调度方法
CN106887858B (zh) 一种接入新能源发电的储能***跟踪计划出力方法及装置
CN113862728B (zh) Pem纯水电解制氢的压力控制方法、***、设备及介质
CN115528665A (zh) 一种基于自抗扰控制的光伏微网储能控制策略
Li et al. Fuzzy logic-based coordinated control method for multi-type battery energy storage systems
CN112928769B (zh) 一种兼顾补偿预测误差和平抑波动的光伏混合储能控制方法
Yang et al. Tracking-dispatch of a combined wind-storage system based on model predictive control and two-layer fuzzy control strategy
CN112290571A (zh) 储能***平滑控制方法
CN116207781A (zh) 一种基于小波包分解技术的两阶段光伏功率波动平滑方法
CN114530848B (zh) 一种光储虚拟电厂多时间尺度动态划分方法
CN114744674A (zh) 一种光伏接入配电网的电压及功率自适应控制方法
CN112952877B (zh) 一种考虑不同种类电池特性的混合储能功率容量配置方法
CN117895538B (zh) 基于混合储能模糊控制的风功率波动平抑方法
Li et al. Coordinated control strategy of wind/battery energy storage system hybrid power output based on adaptive dynamic programming
Yu et al. Dynamic grouping control of BESS for remaining useful life extension and overall energy efficiency improvement in smoothing wind power fluctuations
CN117526299B (zh) 一种微电网有功无功功率协调控制***及方法
CN115764985A (zh) 多电池储能***平抑风电波动优化控制方法
CN115173447A (zh) 一种考虑储能电池SoC均衡的分布式风储二次控制方法
CN117713136A (zh) 基于分布式储能协同的静态电压稳定性提升方法
CN117439092A (zh) 一种充电桩广泛接入下有源配电网的电压调节方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination