基于儲能系統的光伏功率預測誤差補償控制

羅 桐，陳 巒，黃 琦，劉許洋

(電子科技大學能源科學與工程學院，四川成都611731)

基于儲能系統的光伏功率預測誤差補償控制

羅 桐，陳 巒，黃 琦，劉許洋

(電子科技大學能源科學與工程學院，四川成都611731)

受天氣等因素影響，光伏組件的輸出功率為非平穩信號，波動性大，直接并網對電網沖擊大。為保障光伏并網安全可靠運行，通過控制儲能系統合理充放電平抑光伏功率。對光伏電站光伏組件輸出功率進行小波包分析確定平抑目標功率，再結合化學電池和超級電容的頻率響應范圍，采用模型預測控制(MPC)算法控制全釩液流電池和超級電容組成的混合儲能系統充放電，并在Matlab上進行仿真。仿真結果表明，此種分析方法及控制策略平抑效果較好?；诖朔N補償控制方法確定電池容量，并把“M-界定”量化指標運用到描述電池能量波動，從而確定電池的最大充放電功率等參數。

光伏功率；混合儲能系統；小波包分析；MPC控制；量化指標

光伏發電最大的特點是輸出的隨機性、不連續性，光伏輸出還與輻照度、溫度呈現非線性關系。如果直接并網，對電力系統的穩定性、電能質量、發電調度等方面都有較大影響。目前，為平抑光伏功率，常見的方法是增加相應的儲能環節，按照其具體方式可分為物理、電磁、電化學和相變儲能四大類型。電化學儲能價格低廉、操作便捷、不受地理位置約束，但其充放電響應速率較慢難以平抑高頻分量；超級電容響應速率快，但其容量有限。結合各自優缺點，采用基于全釩液流電池和超級電容組成的混合儲能系統。

文獻[1]提出一種基于天氣預報的光伏輸出功率短期預測模型，能夠實現光伏輸出功率的短期預測，但需要考慮光伏陣列安裝情況、當地地理位置、具體天氣信息等參數，因此，適用性差且模型復雜。文獻[2]在驗證了光伏波動低頻特性的基礎上，提出利用儲能電池平抑光伏出力短期波動的運行策略及儲能電池最優容量的評估方法，但其高頻分量只是通過低通濾波器濾除，未被合理利用，能量利用率低。文獻[3-4]從光伏輸出功率信號所包含的細節信息出發，闡述了基于小波包分解重構獲得目標功率的可行性，然而只是得到了平抑的目標功率，并沒有指出化學電池具體可行的控制算法。文獻[5]指出傳統的比例積分微分(PID)控制存在明顯的滯后性，提出了采用模型預測控制(MPC)策略能夠有效地實時控制，但基于此種控制下的量化指標及儲能裝置參數問題卻鮮有討論。文獻[6]介紹了一種“M-界定”的量化方法量化風電波動特性，并通過實際舉例能直觀反映風電、光伏發電的輸出特性，卻未能將其與確定儲能系統充放電參數等實際應用聯系起來。

因此，為解決上述問題，本文在Matlab軟件上根據已有光伏數據，對光伏組件輸出功率進行傅里葉變換、小波包分析得到目標功率，以此作為預測功率，再在Simulink下通過搭建、調用MPC控制模塊得到實際輸出功率，最后把“M-界定”量化指標運用到描述電池能量波動上，從而確定電池充放電參數。整體方案安全可行，適用性強，能夠有效地平抑光伏電站的光伏功率，為解決光伏并網波動性問題提供一定的理論基礎。

1 光伏輸出功率分析

1.1 小波包分析

小波分析方法繼承和發展了短時傅里葉變換局部化的思想，是一種窗口大小固定但其形狀可變，時間窗和頻率窗都可改變的時頻局域化分析方法，即在低頻部分具有較高的頻率分辨率和較低的時間分辨率，在高頻部分具有較高的時間分辨率和較低的頻率分辨率，被稱為數學顯微鏡，對信號具有很強的自適應性，但小波變換僅對低通濾波的結果進行分析[7]。

小波包分解是一種更加精細的信號分析方法，它將頻帶進行多層次劃分，對多分辨率分析沒有細分的部分進一步分解，且能夠根據被分析信號的特征自適應地選擇相應的頻帶，使之與信號頻譜相匹配，從而提高分辨率。圖1為四層小波包分解的一個簡易示意圖。

圖1 四層小波包分解

設光伏數據的采樣周期為Tm，由式(1)可以得到光伏功率的截止頻率fm。

對光伏輸出功率進行j層小波包分解，則將頻帶0～fm分解為2j個互不重疊的頻帶，由式(2)可得到j層小波包分解后的帶寬f0：

各個頻帶的范圍為：n×f0～(n+1)×f0(j=1,2,…；n=0,1,2,…,2j)。

選用反應時間Tb為1 h的全釩液流電池[4]，由式(3)可得參數m：

則第2～m個低頻段的功率分量記為低頻段PL，可以使用全釩液流電池平抑；余下的高頻分量記為高頻段PH，由超級電容平滑。

1.2 實際數據分析

調用實際的光伏數據，Tm=10 min，對一個月來的數據進行快速傅里葉變換，在Matlab中仿真得到振幅和頻率間的關系如圖2。

圖2 光伏輸出功率幅頻特性曲線

由圖2得光伏輸出功率主要集中于0～0.5×10－4Hz，考慮四層小波包分解，由式(2)得到f0約為5.2×10－5Hz，n=0時，所得頻段與光伏功率主要頻率范圍較為接近，因此，可以將四層小波包分解后的第一個子頻段的分量作為平抑目標，帶入數據到式(3)，算得m≈5。

文獻[4]介紹了一種能大幅減少計算量的等效功率計算方法，然而經小波包分解后的頻域段并不是嚴格從低到高依次排列[8]，因此這種方法具有局限性，這里選擇(4，1)、(4，3)、(4，2)、(4，6)幾個頻段作為電池平抑頻段。

選擇一個月中任意一天的光伏數據進行小波包分析，圖3為其在Matlab中按四層小波包分解得到的目標功率曲線和原始功率曲線的對比圖。

圖3 原始功率曲線與目標功率曲線

2 模型預測控制及其仿真分析

2.1 預測控制

在使用小波包分解重構得到平抑目標頻段、低頻段、高頻段后，還需要選擇合理的控制方法，控制蓄電池和超級電容組成的混合儲能系統適時、適量地充放電。當光伏輸出功率高于目標功率時，儲能系統充電，吸收多余電量；當光伏輸出功率低于目標功率時，儲能系統放電，使其接近目標功率。

由于光伏輸出功率本身具有不確定性，且和光照、溫度等相關參數之間的關系非線性，要建立精確的解析模型比較困難，傳統的PID控制難以獲得良好的控制效果。

MPC采用多步預測、滾動優化、反饋校正等控制策略，因而具有控制效果好、魯棒性強、對模型精確性要求不高的優點[9]，在Matlab軟件中自帶模型預測控制圖形用戶接口(GUI)，方便實驗和仿真。系統整體的控制流程框圖如圖4，X(t)為光伏組件輸出功率，Y(t)為平抑后的功率。

圖4 控制流程框圖

由于儲能系統起平滑功率的作用，因此可以把全釩液流電池和超級電容分別等效為參數不同的低通濾波器。令全釩液流電池的等效傳遞函數為G1(s)，其結果可由式(4)～(5)得到，其中T1為中間時間變量。

2.2 Matlab仿真及數據分析

為驗證控制策略的可行性，在Matlab中構建MPC控制模塊，并在Simulink中調用此模塊以及小波包分解后得到的各個頻段分量，搭建仿真圖如圖5所示。

圖5 MPC控制仿真圖

圖5中 Scope、Scope1、Scope2 對應的輸出波形如圖6～8，分別得到全釩液流電池平抑低頻分量、超級電容平抑高頻分量的前后對比波形以及實際輸出功率與目標功率的比較圖；Scope3、Scope4分別為整個儲能系統所需充放電功率P(t)和P(t)經積分后的能量值。

圖6 全釩液流電池平抑低頻分量效果

圖7 超級電容平抑高頻分量效果

圖8 實際輸出功率與目標功率

從圖6～7可以看出儲能系統能有效地平滑光伏組件輸出功率。當PL＞0(PH＞0)時，電池(電容)充電，吸收多余電量；當PL＜0(PH＜0)時，電池(電容)放電，向系統提供電量。因此，圖6～7中功率分量每正負變換一次，意味著儲能系統充放電狀態轉換一次。低頻分量正負變換次數比高頻分量的次數少，正負脈沖持續的時間比高頻分量長，充分結合了全釩液流電池大容量，超級電容快速充放電的特點，超級電容能有效減少全釩液流電池的充放電次數，延長電池的使用壽命。

3 電池參數選擇

3.1 “M-界定”量化指標

在風電領域，對比常用的“階躍變化”量化指標，“M-界定”方法能更為準確地描述輸出功率的波動量[10]?！癕-界定”量化指標大小為：

波動量r(t)滿足：對任意t∈[τ,τ+Δτ]，有Mlow≤r(t)≤Mup。τ為起始時刻，Δτ為時間窗大小。為避免過高估計波動量，定義M序列，設數據采樣周期為T，采樣點的數據長度為N，數據序列為rn，令時間窗大小為Δτ=kT，則M序列為：

式中：m=(i－1)k，i=1,2,…l，l=(N/k)。對M序列大小排序，令觀察到的M值中有p%的數據低于pth，由式 (8)可以得到變量per，最接近per的整數記為z，取pth=MZ。

與風電類似，把“M-界定”方法運用到光伏功率上，通過實際數據計算電池的最大充放電功率。由式(9)可以計算出儲能系統需要充放電功率P(t)。

用“M-界定”指標描述P(t)，固定其時間窗為Δτ，由式(7)得到Mi序列，通過選擇合適的p值，可以得到p置信度下的電池在一個小時內應能承受最大充放電功率Mz。

3.2 實際電池參數

對于超級電容，由于其容量較小，可以采用功率型儲能的SOC模糊自適應控制[4]，利用儲能電池控制其荷電狀態處于安全范圍。然而，在全釩液流電池的最大充放電功率和容量問題上還需進一步討論。根據一個月的光伏數據，取Δτ=1 h，l=360，在Matlab中分析并排序，得到序列Mi，如圖9。

圖9 光伏數據Mi序列

取p為 99.7，則由式(8)得：per=lp/100=360×99.7/100=358.92，z≈359，pth=Mr=555 kW，可以得出結論：99.7%置信度下的電池在一個小時內能承受最大充放電功率Pmax應至少為555 kW。為計算電池容量，控制光伏系統中電池每天的初始SOC為50%，令：

W(t)可由圖5中示波器Scope4得到，對一個月中某天電池所需得到的W(t)取絕對值|W(t)|，當一個月中某天某個時刻|W(t)|取得最大值時，令Wmax=|W(t)|。在Simulink仿真中，圖10為取得Wmax時的W(t)輸出波形。

圖10 W(t)輸出波形

令η為全釩液流電池的能量效率，由式(10)得到電池容量Wb：

取η為75%，根據圖10數據，Wmax=5 925 kW·min，代入式(11)得到Wb=263.3 kWh。

通過上述方法，在已有的光伏數據下，可以得到所需儲能電池的最大充放電功率至少為555 kW，其容量也可確定至少為263.3 kWh。

4 結論

本文通過對實際光伏數據分析和仿真，主要做了以下工作：(1)從分析光伏數據的細節信息出發，對光伏數據進行傅里葉變換和小波包分解劃分不同的頻段，充分利用不同儲能裝置的優點，合理選擇不同頻段功率分量作為平抑對象；(2)采用目前較為先進的模型預測控制算法構建控制流程圖控制儲能系統充放電，通過對具體數據在Matlab中仿真分析，驗證了整個系統的可行性和優良性能；(3)用“M-界定”描述電池吸收和釋放能量的波動情況，得出在其反應時間范圍內最大的充放電功率、電池容量等參數，對今后電池的合理選擇提供一定的理論基礎。

[1]丁毛毛，楊仁剛.基于天氣預報的光伏輸出功率短期預測[J].可再生能源，2014，32(4)：385-390.

[2]陳剛，袁越，傅質馨.儲能電池平抑光伏發電波動的應用[J].電力系統及其自動化學報，2014，26(2)：27-31.

[3]韓曉娟，陳躍燕，張浩，等.基于小波包分解的混合儲能技術在平抑風電場功率波動中的應用[J].中國電機工程學報，2013，33(19)：8-13.

[4]吳振威，蔣小平，馬會萌，等.用于混合儲能平抑光伏波動的小波包—模糊控制[J].中國電機工程學報，2014，34(3)：317-324.

[5]李勇.基于混合儲能技術的風電場功率平滑控制策略研究[D].北京：華北電力大學，2012.

[6]BOUTSIKA T,SANTOSO S.Quantifying short-term wind power variability[C]//Power and Energy Society General Meeting.USA:IEEE,2011:1-7.

[7]倪林.小波變換與圖像處理[M].合肥：中國科學技術大學出版社，2010.

[8]曾憲偉，趙衛明，盛菊琴.小波包分解樹結點與信號子空間頻帶的對應關系及其應用[J].地震學報，2008，30(1)：90-96.

[9]李國勇，楊麗娟.神經模糊預測控制及其MATLAB實現[M].3版.北京：電子工業出版社，2013.

[10]BOUTSIKA T,SANTOSO S.Quantifying short-term wind power variability using the conditional range metric[J].IEEE Transactions on Sustainable Energy,2012,3(3):369-378.

Compensation control of photovoltaic power prediction deviation based on energy storage system

LUO Tong,CHEN Luan,HUANG Qi,LIU Xu-yang
(School of Energy Science and Engineering,University of Electronic Science and Technology of China,Chengdu Sichuan 611731,China)

Influenced by factors such as weather,the output of photovoltaic modules was non-stationary signal.Its volatility was so violent that the power grid would face a strong impact if the photovoltaic power connects to grid directly.To ensure safe and reliable operation of the photovoltaic grid,the photovoltaic power could be stabilized by controlling energy storage system charging and discharging properly. Wavelet packet analysis was done on the output of the PV power station to determine the target power. Then,combining the frequency response range of chemical cell and super capacitor,the hybrid energy storage system was composed with vanadium redox flow battery and super capacitor charge and discharge using MPC control algorithm.And the simulation was done on Matlab.The result shows that the proposed analysis method and control algorithm have good performance.Finally,according to the method,the battery capacity was determined,and the fluctuation of the battery's energy capacity was described using M-bound to determine the parameters such as the maximum charge and discharge power.

photovoltaic power;hybrid energy storage system;wavelet packet analysis;MPC control;quantitative indicators

TM 615

A

1002-087 X(2017)10-1433-04

2017-03-22

電子科技大學研究生教研教改項目(YJX2013053,YJX2013054)；電子科技大學本科教育教學改革研究項目(2013XJYZD019,2015XJYZD030,2015XJYYB084)

羅桐(1993—)，男，江西省人，碩士研究生，主要研究方向為新能源發電及其并網技術。