基于小波去噪與經驗模態分解的混合儲能容量優化配置

姜有華，趙小林

基于小波去噪與經驗模態分解的混合儲能容量優化配置

姜有華，趙小林

（多電源地區電網運行與控制湖南省重點實驗室，湖南邵陽 422000）

針對風電出力并網困難的問題，提出采用混合儲能系統平抑風電輸出功率波動。首先，采用小波分析對風電輸出功率信號進行小波去噪；其次采用經驗模態分解對去噪后的功率信號進行分解；然后將儲能系統內部功率指令劃分與系統容量配置相結合，以儲能系統容量配置成本最小為目標，建立混合儲能容量優化模型，通過窮舉對不同分界點所對應的系容量配置成本確定最優分界點。仿真結果表明：本文方法能夠有效解決功率信號中噪聲信號對容量配置的影響，并且有效降低了容量配置成本。

風電輸出功率 混合儲能 小波分析 經驗模態分解

0 引言

近年來，能源危機與環境污染問題，引起高度重視。風能以其儲量大、分布廣的優點在能源結構中占有極其重要的位置[1～2]。風能的隨機性與不穩定性，使風電具有強波動性和隨機性特點。大規模風電直接并網，會對電力系統的安全穩定運行帶來極大的挑戰[3～4]。目前，采用蓄電池/超級電容組成的混合儲能系統是解決這一問題的有效措施之一。合理配置蓄電池與超級電容的容量與功率是保證其使用壽命、效率以及電力系統安全運行的重要依據[5～7]。

國內外學者針對蓄電池與超級電容組成的混合儲能系統的容量配置問題的研究已取得了大量的成果。文獻[8～9]基于滑動平均和小波包分解進行混合儲能的優化配置，但是不能確定經小波分解后各子信號的頻率成分，不能準確的將分解的功率分配給儲能設備；文獻[10～11]采用一階低通濾波器對風電波動功率進行分解，但是在濾波過程中存在延遲，降低了容量配置的準確性；文獻[12～13]采用離散傅里葉變換對風電輸出功率進行分解，但是分解過程計算量巨大，不適合直接對風電輸出功率進行分解；文獻[14]提出了一種基于模型優化算法的混合儲能雙層優化配置方法，該方法在保證儲能經濟最優的同時，有效避免了蓄電池頻繁充放電，提高了其使用壽命；文獻[15]在考慮風電輸出功率具有強波動性的基礎上，提出基于頻譜分析確定混合儲能系統容量配置方法該方法充分考慮了蓄電池與超級電容的介質頻率特性，基于此提出最優運行策略。最后通過某風電場的真實數據仿真驗證了該方法的有效性。上述文獻都沒有考慮風電輸出功率信號噪聲信號的影響，造成儲能設備的容量配置不準確。

本文首先對風電波動功率進行小波去噪；其次將去噪后的功率信號進行EMD分解，得到一系列頻率遞減的本征模態分量；然后將儲能系統內部功率指令劃分與系統容量配置相結合，以儲能系統容量配置總成本最小為目標，建立混合儲能容量優化模型。進而，通過窮舉對不同分界點所對應的容量配置總成本，確定最優分界點，并以此為界將得到的分量分為兩部分，分別分配蓄電池與超級電容。根據蓄電池與超級電容的充放電功率指令確定各自的額定容量與額定功率，最后根據實際風電場數據進行仿真驗證。

1 風電輸出波動功率

2 基于小波分析與EMD的風電輸出波動功率處理

2.1 基于小波分析的風電輸出波動功率去噪

原始風電輸出波動功率信號中包含有用的功率信號和噪聲信號，這些噪聲信號會造成有用的功率信號的丟失，影響混合儲能的容量配置。因此，對原始風電輸出波動功率信號進行去噪顯得很有必要。而小波分析在去噪領域具有獨特的優勢，能夠有效的將原始信號中有用信號與噪聲信號進行分離，達到原始信號去噪的目的。

2.1.1小波分析

小波變換的實質是將一個將待分析信號與小波函數在不同的尺度因子與平移因子的作用下作內積，表達式如式（1）所示。

小波分析能夠實現去噪的主原因是信號與噪聲的小波系數在不同的尺度因子下有著不同的表現，并且噪聲向量與它的正交變換一樣，以高斯形式呈現。大量學者研究表明，小波變換隨著尺度因子的增加，高斯白噪聲呈現出逐漸減小的趨勢，進而利用小波分析能夠對信號達到去噪效果。

2.1.2小波基函數與分解層數的確定

文獻[16]對不同小波基在去噪方面優勢與不足進行比較，得出sym7小波在去噪方面相比其他小波基優勢充足。因此本文選擇sym7小波作為去噪小波基，并且選取強制閾值作為閾值函數。

2.2 基于EMD的風電輸出波動功率分解

經驗模態分解一種(EMD)是將原始信號進行分解，得到不同頻率范圍的本征模態分量（IMF），如式（5）所示，并且得到的IMF分量頻率是由高到低依次排列的。

3 混合儲能系統額定容量配置方法

原始風電波動功率經EMD分解后得到了頻率依次遞減得多個本征模態分量，取某個分量為分界點，將高于分界點的多個分量疊加分配給蓄電池，剩余的分量分配給超級電容。最后通過以下計算方式得出蓄電池與超級電容得額定功率與額定容量。

3.1 蓄電池與超級電容的額定功率確定

3.2 蓄電池與超級電容的額定容量確定

4 混合儲能容量優化配置與模型求解

風電輸出波動功率經過EMD分解后，得到一系列的本征模態分量IMF，這些分量的頻率是由高到低依次排列的。為了將分解得到的分量準確、合理的分配給蓄電池與超級電容，本文建立儲能設備配置總成本作為目標函數，以此確定分量的最優分界點。

4.1 目標函數

風電場混合儲能系統在滿足平抑波動標準的前提下，合理配置電池儲能和超級電容儲能的功率和容量，使得儲能系統配置總成本最小，即：

其中，

4.2 約束條件

混合儲能系統的儲能設備在實際工作中可能會出現SOC越線以及充放電響應能力不足的情況，因此需要儲能設備的SOC以及充放電功率進行約束。

1）蓄電池約束條件

蓄電池充放電功率約束如式（15）所示。

蓄電池容量約束如式（16）所示。

蓄電池荷電狀態約束如式（17）所示。

2）超級電容約束條件

超級電容充放電功率約束如式（18）所示。

超級電容容量約束如式（19）所示。

超級電容荷電狀態約束如式（20）所示。

4.3 模型求解方法

上述混合儲能系統儲能設備容量優化模型是一個多變量、非線性的優化問題，可采用Matlab工具箱進行求解。對經過EMD分解后的高頻分量最優分界點的求解須建立在容量優化模型確定的基礎上，通過窮舉分界點m得到不同的混合儲能功率指令分配結果，比較對應的總成本確定最優分界點。因此本文優化模型的求解思路是羅列不同分界點m值，確定各m值下的額定容量與額定功率，計算該m值下的總成本，最后比較不同m之下的總成本，從而最終確定成本最低的分界點以及相應的容量優化配置方案。該模型的求解方法流程圖如圖1所示。

圖1 求解方法流程圖

5 算例分析

5.1 仿真參數設計

本文選取某風電場的歷史數據作為研究對象。該風電場的裝機容量為40 MW，采樣總時間為500 min，采樣頻率為5 s。將原始風電輸出功率與目標并網功率做差得到風電輸出波動功率，三者功率指令曲線圖如圖2所示。混合儲能系統儲能設備相關參數見表1所示。

圖2 原始風電輸出功率、目標并網功率、風電輸出波動功率

表1 混合儲能系統中儲能設備相關參數

5.2 風電輸出波動功率的小波去噪

5.2.1小波分解層數的選擇

由前文可知，本文選擇sym7小波作為本文風電輸出波動功率去噪的基函數。為確定小波去噪時的分解層數，分別選取3、4、5進行小波分解，分別得到各自的RMSE與SNR值，如表2所示。根據表中數據，選取RMSE值相對較小且SNR較大的分解層數作為小波分解的層數。

表2 分解層數的主要參數對比

由表2可知，采用sym7小波對風電輸出波動功率進行3層分解時，RMSE值最小，SNR值最大，分解效果最好。

將風電輸出波動功率進行小波去噪，結果如圖3所示。

圖3 風電輸出波動功率去噪前后對比圖

從圖3可以看出，風電輸出波動功率經過去噪后仍保持原信號的基本特征。

5.3 風電輸出波動功率的EMD分解

將去噪后的風電輸出波動功率進行EMD分解，得到一系列頻率逐漸遞減的本征模態分量IMF。如圖4所示。

圖4 風電輸出波動功率的EMD分解

5.4 最優分界點確定

如圖4所示，風電輸出波動功率經過EMD分界后得到了一系列分量。如何將這些分量合理組合分配給蓄電池與超級電容，使得儲能設備配置總成最小。本文在建立混合儲能容量優化配置模型基礎上，羅列不同分量組合進行儲能設備容量配置，計算相應的配置成本，并且繪制相應的成本-分界點的曲線圖如圖5所示。

圖5 系統成本—分界點曲線

由圖5可知，當分界點m=1時，混合儲能系統的儲能設備容量配置總成本最少。因此，根據該分界點確定蓄電池與超級電容的充放電功率指令如式（21）、（22）所示。

蓄電池與超級電容的充放電功率指令曲線圖如圖6所示。

圖6蓄電池與超級電容充放電功率指令

由圖5可知，蓄電池充放電功率波動頻率小、幅值高，超級電容的充放電功率波動頻率大、幅值低，符合超級電容與蓄電池的技術特點。

5.5 混合儲能容量優化配置分析

表3 儲能容量優化配置結果

為驗證本文所提的混合儲能系統儲能設備容量優化配置的正確性，比較不同儲能設備的容量配置情況與其經濟性。各個儲能設備的容量配置情況如表3所示。

通過表3可知，若給電網配置單獨的超級電容去平抑風電輸出功率時，造成容量配置成本過高，這主要是因為超級電容的單位容量投資成本過高導致。若給電網配置單獨的蓄電池去平抑風電輸出波動功率，導致容量配置規模巨大，但是蓄電池的投資成本較低，相比超級電容的配置成本低了25%。將單儲能設備與混合儲能對比，混合儲能不僅在經濟上有明顯的優勢，在容量配置規模上也有較好的優勢，符合理論分析結果。

6 結論

本文針對混合儲能系統中儲能設備的容量優化配置問題，首先對風電輸出波動功率進行去噪，得到不含噪聲信號的風電輸出波動功率；其次采用經驗模態分解對消噪后的波動功率進行分解，得到頻率依次遞減的本征模態分量；然后建立混合儲能容量配置成本的目標函數與約束條件；最后聯合優化的求解方法得到對儲能設備的充放電功率的最優分界點以及相應的儲能容量配置方案。仿真結果表明，上述方法確定的分量分界點能夠保證儲能系統容量配置總成本相對較低，驗證了所提方法的有效性；同時通過與單儲能設備對比也驗證了混合儲能在平風電輸出功率時在配置規模與經濟上具有一定的優勢，值得推廣應用。

[1] Om Prakash Mahela, Abdul Gafoor shaik. Comprehe-nsive overview of grid interfaced wind energy generation Systems [J]. Renewable and Sutainable Ener-gy Reviews, 2016, 57: 260-281.

[2] 蘇浩, 張建成, 馮冬涵, 王寧, 宋兆鑫, 趙霽晴. 模塊化混合儲能系統及其能量管理策略[J]. 電力自動化設備, 2019, 39(01): 127-133+140.

[3] 徐國棟, 程浩忠, 馬紫峰, 方斯頓, 馬則良, 張建平. 用于平滑風電出力的儲能系統運行與配置綜述[J]. 電網技術, 2017, 41(11): 3470-3479.

[4] F.J.Vivas, A. De las heras, F. Sehura, et al. A Review of energy management strategies for renewable Hybrid Energy Reviews, 2018, 2: 126-155.

[5] 李瑞民, 張新敬, 徐玉杰, 孫雯雯, 周學志, 郭叢, 陳海生. 風光互補系統中混合儲能容量優化配置研究[J]. 儲能科學與技術, 2019, 8(03): 512-522.

[6] 李亞楠, 王倩, 宋文峰, 王昕鈺. 混合儲能系統平滑風電出力的變分模態分解-模糊控制策略[J]. 電力系統保護與控制, 2019, 47(07): 58-65.

[7] 許健, 劉念, 于雷, 雷金勇, 張建華. 計及重要負荷的工業光伏微電網儲能優化配置[J]. 電力系統保護與控制, 2016, 44(09): 29-37.

[8] 吳杰, 丁明. 采用自適應小波包分解的混合儲能平抑風電波動控制策略[J]. 電力系統自動化, 2017, 41(03): 7-12.

[9] 程龍, 張方華. 用于混合儲能系統平抑功率波動的小波變換方法[J]. 電力自動化設備, 2021, 41(03): 100-104+128.

[10] 常豐祺, 鄭澤東, 李永東. 一種新型混合儲能拓撲及其功率分流算[J]. 電工技術學報, 2015, 30(12): 128-135.

[11] 謝麗蓉, 鄭浩, 魏成偉, 胡少軼. 兼顧補償預測誤差和平抑波動的光伏混合儲能協調控制策略[J].電力系統自動化, 2021, 45(03): 130-138.

[12] 金濤, 陳毅陽, 段小華, 唐曉艷. 基于改進DFT的電力系統同步相量測量算法研究[J]. 電工技術學報, 2017, 32(17): 1-10.

[13] 武志鍇, 許言路, 蔣理, 李占軍, 李成, 孟明, 吳亞帆. 基于離散傅里葉變換的微電網混合儲能容量優化[J]. 華北電力大學學報(自然科學版), 2018, 45(02): 32-38.

[14] 何俊強, 師長立, 馬明, 霍群海, 辛克鋒, 韋統振.基于元模型優化算法的混合儲能系統雙層優化配置方法[J]. 電力自動化設備, 2020, 40(07): 157-167.

[15] 熊文, 劉育權, 蘇萬煌, 郝然, 王玥, 艾芊. 考慮多能互補的區域綜合能源系統多種儲能優化配置[J].電力自動化設備, 2019, 39(01): 118-126.

[16] 呂瑞蘭, 吳鐵軍, 于玲. 采用不同小波母函數的閾值去噪方法性能分析[J].光譜學與光譜分析, 2004(07): 826-829.

Optimal allocation of hybrid energy storage capacity based on wavelet denoising and empirical mode decomposition

Jiang Youhua, Zhao Xiaolin

(Hunan Provincial Key Laboratory of Grids Operation and Control on Muti-Power Sources Area, Shaoyang 422000, Hunan, China)

TM614

A

1003-4862（2022）03-0037-06

2021-07-20

項目編號：CX2021SY027 項目名稱：風電混合儲能系統容量配置及功率平抑控制策略研究

姜有華（1994-），男，碩士研究生在讀，主要從事新能源發電。E-mail: 2846177859@qqcom