平抑风电波动功率多时间尺度的混合储能控制系统及方法

摘要

本发明公开一种平抑风电波动功率的混合储能多级协调控制系统及控制方法，包括日前混合储能控制单元、日内混合储能控制单元与实时混合储能控制单元。本发明所提出的平抑风电波动功率的混合储能多级协调控制系统及控制方法利用多个时间尺度(日前、日内、实时)逐级降低风电预测偏差给储能系统控制带来的影响，能够满足各种不同时间尺度下风电平抑要求，保证混合储能始终处于正常工作状态。

说明书

技术领域

本发明涉及电力系统及其自动化技术领域，具体涉及混合储能控制，尤其涉及用于平抑风电波动功率多时间尺度的混合储能控制。

背景技术

风力发电作为一种重要的可再生能源发电方式，因其发电效率高以及技术成熟等优点被越来越广泛地应用于电力系统中。然而风能资源的不确定性造成了风力发电功率的间歇性与波动性，这对电网安全性、可靠性造成了极为不利的影响，制约了风力发电在电力系统中的发展。储能系统因其能够有效地缓和风力发电对电网的不利影响，被广泛地应用于风力发电中，其中合理的控制策略与方法是其能够充分发挥效用的关键。

风电功率预测精度与其时间尺度密切相关，长时间尺度的风电功率预测难以满足储能精确控制的的要求，短时间尺度的风电功率预测虽然能满足储能精确控制的的要求，但短时间尺度储能控制仅能保证本时段内最优储能控制，无法保证储能在长时间内都处于合理的正常工作状态。

发明内容

本发明针对不同时间尺度下风电平抑对储能控制的不同要求，提供一种适用于多个时间尺度平抑风电波动功率的混合储能多级协调控制系统及控制方法。

本发明的技术方案为：

一种平抑风电波动功率的混合储能多级协调控制系统，包括日前混合储能控制单元、日内混合储能控制单元与实时混合储能控制单元。

日前混合储能控制单元，包括日前风电预测模块、二阶低通滤波器、储能电池限幅环节、超级电容限幅环节、储能电池SOC优化环节、超级电容SOC优化环节，日前风电预测模块连接二阶低通滤波器，二阶低通滤波器分别连接储能电池限幅环节及超级电容限幅环节，储能电池限幅环节连接储能电池SOC优化环节，超级电容限幅环节连接超级电容SOC优化环节；储能电池SOC优化环节输出连接至日内混合储能控制单元的储能电池SOC优化环节，超级电容SOC优化环节输出连接至日内混合储能控制单元的超级电容SOC优化环节；其中：

所述日前风电预测模块根据未来24小时内气象预测，对未来24小时内风电功率进行预测，其将未来24小时内风电功率传递给二阶低通滤波器。

所述二阶低通滤波器通过改变f

所述限幅环节与SOC优化环节对二阶低通滤波器的控制参数f

日内混合储能控制单元，包括日内风电预测模块、二阶低通滤波器、储能电池限幅环节、超级电容限幅环节、储能电池SOC优化环节、超级电容SOC优化环节，日内风电预测模块连接二阶低通滤波器，二阶低通滤波器分别连接储能电池限幅环节及超级电容限幅环节，储能电池限幅环节连接储能电池SOC优化环节，超级电容限幅环节连接超级电容SOC优化环节；储能电池SOC优化环节输出连接至实时混合储能控制单元的储能电池SOC优化环节，超级电容SOC优化环节输出连接至实时混合储能控制单元的超级电容SOC优化环节；其中：

所述日内风电预测模块根据未来4小时内气象预测，对未来4小时内风电功率进行预测，其将未来4小时内风电功率传递给二阶低通滤波器；

所述二阶低通滤波器通过改变f

所述限幅环节与SOC优化环节对二阶低通滤波器的控制参数f

实时混合储能控制单元，包括实时风电预测模块、二阶低通滤波器、储能电池限幅环节、超级电容限幅环节、储能电池SOC优化环节、超级电容SOC优化环节，实时风电预测模块连接二阶低通滤波器，二阶低通滤波器分别连接储能电池限幅环节及超级电容限幅环节，储能电池限幅环节连接储能电池SOC优化环节，超级电容限幅环节连接超级电容SOC优化环节；其中：

所述实时风电预测模块根据未来15分钟内气象预测，对未来15分钟内风电功率进行预测，其将未来15分钟内风电功率传递给二阶低通滤波器；

所述二阶低通滤波器通过改变f

所述限幅环节与SOC优化环节对二阶低通滤波器的控制参数f

混合储能系统运行时，超级电容器输出功率、储能电池输出功率以及风电上网功率分别为：

式中：P

基于上述系统的控制方法，包括以下步骤：

步骤1：基于未来24小时内的风电功率预测结果，利用二阶低通滤波器划分储能电池与超级电容的风电波动功率平抑范围，并对各储能出力进行优化，保证各储能出现过充或深放的问题。

步骤1.1利用二阶低通滤波器将未来24小时内的风电波动功率按频率分为高频、次高频、低频三个部分，结合两类储能的特点，分别利用超级电容与储能电池平抑高频与次高频分量。

步骤1.2以1小时为最小时间尺度，以未来24小时内风电上网波动功率最小、储能电池充放电深度最小以及储能电池与超级电容保持适中水平为目标，以储能电池与超级电容的荷电状态不超过其相应的极限值建立多目标优化模型。

约束条件为：

式中：P

步骤1.3利用层次分析法与贝叶斯理论获取各目标权重，对各目标进行加权求和，将多目标优化模型转化为单目标优化模型，并利用拉格朗日乘子法进行求解。

步骤2：基于未来4小时内的风电功率预测结果，利用二阶低通滤波器划分储能电池与超级电容的风电波动功率平抑范围，并对各储能出力进行优化，保证各储能出现过充或深放的问题。

步骤2.1利用二阶低通滤波器将未来4小时内的风电波动功率按频率分为高频、次高频、低频三个部分，结合两类储能的特点，分别利用超级电容与储能电池平抑高频与次高频分量。

步骤2.2以15分钟为最小时间尺度，以未来4小时内风电上网波动功率最小、储能电池充放电深度最小、储能电池与超级电容保持适中水平以及该时段结束后混合储能系统中各储SOC与日前混合储能控制中各储能的SOC尽可能接近为目标，以储能电池与超级电容的荷电状态不超过其相应的极限值建立多目标优化模型。

约束条件为：

步骤2.3利用层次分析法与贝叶斯理论获取各目标权重，对各目标进行加权求和，将多目标优化模型转化为单目标优化模型，并利用拉格朗日乘子法进行求解。

步骤3：基于未来15分钟内的风电功率预测结果，利用二阶低通滤波器划分储能电池与超级电容的风电波动功率平抑范围，并对各储能出力进行优化，保证各储能出现过充或深放的问题。

步骤3.1利用二阶低通滤波器将未来15分钟内的风电波动功率按频率分为高频、次高频、低频三个部分，结合两类储能的特点，分别利用超级电容与储能电池平抑高频与次高频分量。

步骤3.2以未来15分钟内风电上网波动功率最小、储能电池充放电深度最小、储能电池与超级电容保持适中水平以及该时段结束后混合储能系统中各储SOC与日内混合储能控制中各储能的SOC尽可能接近为目标，以储能电池与超级电容的荷电状态不超过其相应的极限值建立多目标优化模型。

约束条件为：

步骤3.3利用层次分析法与贝叶斯理论获取各目标权重，对各目标进行加权求和，将多目标优化模型转化为单目标优化模型，并利用拉格朗日乘子法进行求解。

步骤3.4向二阶低通滤波器输入控制参数f

本发明提供的技术方案的有益效果是：

(1)本发明通过多级协调控制策略逐级降低不同时间尺度风力发电预测误差对储能控制的不利影响，同时保证混合储能在24小时内均处于合理的工作状态，避免了由于短时间段内过度优化而造成其它时间段优化效果较差的问题。

(2)本发明利用贝叶斯理论利用修正主观权重，使目标权重设置更加客观合理。

附图说明

图1为本发明平抑风电波动功率的混合储能多级协调控制系统；

图2为本发明提供的含储能系统的风电并网功率频谱图

图3为日前与日内时间尺度下风电功率分布曲线

图4为风电功率与平抑后绝对波动率对比图；

图5为储能电池与超级电容充放电功率

图6为储能电池与超级电容荷电状态

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明实施方式作进一步地详细描述。

一种平抑风电波动功率的混合储能多级协调控制系统，包括日前混合储能控制单元、日内混合储能控制单元与实时混合储能控制单元。

日前混合储能控制单元，包括日前风电预测模块、二阶低通滤波器、储能电池限幅环节、超级电容限幅环节、储能电池SOC优化环节、超级电容SOC优化环节，日前风电预测模块连接二阶低通滤波器，二阶低通滤波器分别连接储能电池限幅环节及超级电容限幅环节，储能电池限幅环节连接储能电池SOC优化环节，超级电容限幅环节连接超级电容SOC优化环节；储能电池SOC优化环节输出连接至日内混合储能控制单元的储能电池SOC优化环节，超级电容SOC优化环节输出连接至日内混合储能控制单元的超级电容SOC优化环节；其中：

所述日前风电预测模块根据未来24小时内气象预测，对未来24小时内风电功率进行预测，其将未来24小时内风电功率传递给二阶低通滤波器。

所述二阶低通滤波器通过改变f

所述限幅环节与SOC优化环节对二阶低通滤波器的控制参数f

日内混合储能控制单元，包括日内风电预测模块、二阶低通滤波器、储能电池限幅环节、超级电容限幅环节、储能电池SOC优化环节、超级电容SOC优化环节，日内风电预测模块连接二阶低通滤波器，二阶低通滤波器分别连接储能电池限幅环节及超级电容限幅环节，储能电池限幅环节连接储能电池SOC优化环节，超级电容限幅环节连接超级电容SOC优化环节；储能电池SOC优化环节输出连接至实时混合储能控制单元的储能电池SOC优化环节，超级电容SOC优化环节输出连接至实时混合储能控制单元的超级电容SOC优化环节；其中：

所述日内风电预测模块根据未来4小时内气象预测，对未来4小时内风电功率进行预测，其将未来4小时内风电功率传递给二阶低通滤波器；

所述二阶低通滤波器通过改变f

所述限幅环节与SOC优化环节对二阶低通滤波器的控制参数f

实时混合储能控制单元，包括实时风电预测模块、二阶低通滤波器、储能电池限幅环节、超级电容限幅环节、储能电池SOC优化环节、超级电容SOC优化环节，实时风电预测模块连接二阶低通滤波器，二阶低通滤波器分别连接储能电池限幅环节及超级电容限幅环节，储能电池限幅环节连接储能电池SOC优化环节，超级电容限幅环节连接超级电容SOC优化环节；其中：

所述实时风电预测模块根据未来15分钟内气象预测，对未来15分钟内风电功率进行预测，其将未来15分钟内风电功率传递给二阶低通滤波器；

所述二阶低通滤波器通过改变f

所述限幅环节与SOC优化环节对二阶低通滤波器的控制参数f

日前风电预测模块根据未来24小时内气象预测，对未来24小时内风电功率进行预测，其将未来24小时内风电功率传递给二阶低通滤波器。

二阶低通滤波器根据未来24小时内风电功率划分储能电池与超级电容的风电波动功率平抑范围。

限幅环节与SOC优化环节对二阶低通滤波器的控制参数f

约束条件为：

式中：P

步骤1：利用层次分析法获取各目标主观权重，记为ω'＝[ω'

步骤2：利用贝叶斯理论修正主观权重。

步骤2.1：采集n日内的各个目标值，形成构造目标数据矩阵Y。

其中：α

步骤2.2：利用贝叶斯理论计算各样本的效益指标的权重。以层次分析法获得主观权重为目标f

在目标f

根据贝叶斯理论，第i个样本α

(i＝1,2,…n；j＝1,2,…m)

步骤2.3：按ω'

按主观权重对每个样本的各个目标进行加权求和，得到综合目标值f'(i)。

通过修正主观权重，使所有样本的综合目标值偏差越小越好，为此建立如下最小二乘法优化评估模型修正目标权重。

利用拉格朗日乘子法对上述模型进行求解，即可得到，经过修正后的效益指标权重，记为ω＝[ω

日内风电预测模块根据未来4小时内气象预测，对未来4小时内风电功率进行预测，其将未来4小时内风电功率传递给二阶低通滤波器。

二阶低通滤波器根据未来4小时内风电功率划分储能电池与超级电容的风电波动功率平抑范围。混合储能系统运行时，超级电容器输出功率、储能电池输出功率以及风电上网功率分别为：

式中：P

限幅环节与SOC优化环节对二阶低通滤波器的控制参数f

约束条件为：

式中：P

实时混合储能控制单元根据未来15分钟内气象预测，对未来15分钟内风电功率进行预测，其将未来15分钟内风电功率传递给二阶低通滤波器。

二阶低通滤波器根据未来15分钟内风电功率划分储能电池与超级电容的风电波动功率平抑范围。混合储能系统运行时，超级电容器输出功率、储能电池输出功率以及风电上网功率分别为：

限幅环节与SOC优化环节对二阶低通滤波器的控制参数f

约束条件为：

式中：P

算例与分析

由于风电功率预测精度与预测时间跨度呈负相关，日前风电功率预测误差一定比日内风电功率预测误差要大。考虑风电输出不确定性情况下两个时间尺度的风电的功率分布，如图3所示。取95％置信概率，日前功率预测的置信区间较大，风电波动较为严重，而日内功率预测的精度得到较大的改善，这也是采用多时间尺度储能协调控制的原因。

所构建的储能电池和超级电容系统的主要参数如表1所示。在平滑输出场景下，技术评价主要是用来衡量储能装置进行平滑输出的补偿效果，技术评价指标主要包括波动率，绝对波动率等；以波动率和绝对波动率为例，波动率和绝对波动率越小说明风力发电上网功率曲线越平滑，混合储能系统控制效果越好。经过混合储能系统平抑后的风电上网功率与未平抑的风电上网功率的绝对波动率如图4所示。由图可知，通过对储能系统控制能够有效平抑风电功率，降低风电功率绝对波动率。

表1混合储能系统的主要参数

某典型日储能电池与超级电容充放电功率曲线如图5，正值表示充电状态，负值表示放电状态。可以看出超级电容器主要用来进行大功率快速充放电，补偿尖峰功率，而蓄电池充放电时间较长，主要用来补偿稳定区域功率。根据储能电池与超级电容放电功率，计算得到的混合储能系统各储能的荷电状态。由图6可知，各个时刻储能电池与超级电容都处于合理工作范围，不存在过充或深放的问题。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。