計(jì)及SOC自恢復(fù)的混合儲(chǔ)能平抑風(fēng)電功率波動(dòng)控制

林 莉 林雨露 譚惠丹 賈源琦,2 孔憲宇 曹雅裴

計(jì)及SOC自恢復(fù)的混合儲(chǔ)能平抑風(fēng)電功率波動(dòng)控制

林 莉1林雨露1譚惠丹1賈源琦1,2孔憲宇1曹雅裴1

（1. 重慶大學(xué)雪峰山能源裝備安全國(guó)家野外科學(xué)觀測(cè)研究站 重慶 400044 2. 國(guó)網(wǎng)重慶市電力公司市南供電分公司 重慶 400060）

混合儲(chǔ)能系統(tǒng)能夠較好地應(yīng)對(duì)復(fù)雜的風(fēng)電波動(dòng)，有效地提高電網(wǎng)的穩(wěn)定性和安全性。在混合儲(chǔ)能平抑風(fēng)電功率波動(dòng)的典型應(yīng)用場(chǎng)景下，該文首先提出一種計(jì)及荷電狀態(tài)（SOC）自恢復(fù)的混合儲(chǔ)能平抑風(fēng)電功率波動(dòng)控制方法，在滿(mǎn)足風(fēng)電平抑需求的情況下，通過(guò)模型預(yù)測(cè)控制快速調(diào)節(jié)儲(chǔ)能在平抑功率過(guò)程中的荷電狀態(tài)，提高儲(chǔ)能持續(xù)穩(wěn)定運(yùn)行能力；然后，為提高混合儲(chǔ)能系統(tǒng)協(xié)調(diào)運(yùn)行能力，設(shè)計(jì)了加權(quán)滑動(dòng)平均（WMA）-模糊控制策略對(duì)超級(jí)電容和蓄電池功率進(jìn)行動(dòng)態(tài)分配；最后，結(jié)合實(shí)際風(fēng)電功率數(shù)據(jù)，通過(guò)仿真驗(yàn)證了所提策略能有效平衡儲(chǔ)能壽命和平抑風(fēng)電波動(dòng)的矛盾，能充分考慮兩種儲(chǔ)能設(shè)備的特性差異并提高功率分配的合理性。

風(fēng)電功率波動(dòng) 混合儲(chǔ)能 模型預(yù)測(cè)控制 加權(quán)滑動(dòng)平均 模糊控制

0 引言

在“雙碳”目標(biāo)下，風(fēng)力發(fā)電因技術(shù)較為成熟，成為最具開(kāi)發(fā)規(guī)模和商業(yè)發(fā)展前景的新能源發(fā)電方式[1-2]。但由于風(fēng)本身具有間歇性、波動(dòng)性和隨機(jī)性等特征，隨著其并網(wǎng)滲透水平的提升將會(huì)對(duì)電力系統(tǒng)的安全穩(wěn)定運(yùn)行造成嚴(yán)重影響[3-4]。儲(chǔ)能系統(tǒng)由于響應(yīng)迅速、操作靈活，通過(guò)控制能較好地吸收和釋放電能，在應(yīng)對(duì)復(fù)雜風(fēng)電波動(dòng)時(shí)可極大地提高風(fēng)電并網(wǎng)功率的平穩(wěn)度，從而降低風(fēng)電直接并網(wǎng)對(duì)電網(wǎng)帶來(lái)的不利影響[5]。

儲(chǔ)能設(shè)備根據(jù)其介質(zhì)的不同分為以蓄電池為代表的能量型儲(chǔ)能和以超級(jí)電容器、飛輪儲(chǔ)能和超導(dǎo)儲(chǔ)能為代表的功率型儲(chǔ)能[6]。在風(fēng)電波動(dòng)較為復(fù)雜的場(chǎng)景中，越是大容量、高功率密度、響應(yīng)速度快的儲(chǔ)能設(shè)備平抑風(fēng)電波動(dòng)的效果越好，單一配置某一種儲(chǔ)能設(shè)備無(wú)論是從經(jīng)濟(jì)還是技術(shù)上都無(wú)法同時(shí)滿(mǎn)足要求。因此，許多專(zhuān)家學(xué)者提出利用能量型與功率型相結(jié)合的混合儲(chǔ)能系統(tǒng)來(lái)平抑風(fēng)電輸出功率，如蓄電池-超級(jí)電容[7-8]、全釩液流電池-壓縮空氣儲(chǔ)能[9]、飛輪-蓄電池[10]等混合儲(chǔ)能系統(tǒng)。

為保證電網(wǎng)的穩(wěn)定運(yùn)行，促進(jìn)新能源的消納，越來(lái)越多的預(yù)測(cè)方法被用于風(fēng)電系統(tǒng)平抑目標(biāo)功率預(yù)測(cè)中[11]，文獻(xiàn)[12]利用隨機(jī)森林預(yù)測(cè)法預(yù)測(cè)后續(xù)風(fēng)功率，以此對(duì)儲(chǔ)能進(jìn)行充放電控制。文獻(xiàn)[13]采用卷積神經(jīng)網(wǎng)絡(luò)方法結(jié)合所提風(fēng)速矩陣時(shí)空關(guān)聯(lián)分解重構(gòu)策略提高風(fēng)電預(yù)測(cè)精度。一些學(xué)者將模型預(yù)測(cè)控制（Model Predictive Control, MPC）引入多變量且高維復(fù)雜的風(fēng)電系統(tǒng)控制中。文獻(xiàn)[14]將風(fēng)電輸電斷面的容量狀態(tài)劃分為安全、預(yù)警及警戒區(qū)，以此劃分?jǐn)嗝婀β实牟煌▌?dòng)情況，根據(jù)當(dāng)前實(shí)際風(fēng)電集群有功輸出功率與劃分區(qū)域的關(guān)系決定未來(lái)風(fēng)電集群功率是否需要增減，最后通過(guò)模型預(yù)測(cè)控制進(jìn)行功率調(diào)節(jié)。文獻(xiàn)[15]提出一種基于風(fēng)電預(yù)測(cè)的儲(chǔ)能模型預(yù)測(cè)控制策略，設(shè)計(jì)了隨風(fēng)速變化而自動(dòng)調(diào)整動(dòng)態(tài)荷電狀態(tài)（State of Charge, SOC）初始值的優(yōu)化函數(shù)，有效改善了風(fēng)速隨機(jī)性和預(yù)測(cè)誤差對(duì)風(fēng)電調(diào)頻能力的影響。為實(shí)現(xiàn)對(duì)儲(chǔ)能功率的控制，文獻(xiàn)[16]提出一種雙層模型預(yù)測(cè)方法，外層確定下一時(shí)刻的預(yù)期目標(biāo)功率，內(nèi)層通過(guò)充放電約束關(guān)系使實(shí)際輸出功率跟隨目標(biāo)功率，通過(guò)反饋實(shí)時(shí)修正儲(chǔ)能功率。

以平抑風(fēng)電功率波動(dòng)為主要目標(biāo)，如何有效地發(fā)揮功率型和能量型儲(chǔ)能設(shè)備各自的優(yōu)點(diǎn)，合理分配平抑目標(biāo)功率，關(guān)系著儲(chǔ)能控制的高效與經(jīng)濟(jì)。其中，最為常用的目標(biāo)功率分配方法是濾波類(lèi)方法。文獻(xiàn)[17]采用一階低通濾波算法實(shí)現(xiàn)了儲(chǔ)能電池和超級(jí)電容器之間的功率分配。文獻(xiàn)[18]提出一種具有可變?yōu)V波器時(shí)間常數(shù)的兩階段低通濾波器控制策略，優(yōu)化混合儲(chǔ)能的功率分配。文獻(xiàn)[19]針對(duì)混合儲(chǔ)能不同工作模式提出不同最大輸出功率及等效SOC的評(píng)估方法，基于離散一致性算法設(shè)計(jì)儲(chǔ)能功率分配分層控制策略。文獻(xiàn)[20]提出基于自適應(yīng)權(quán)重和模擬退火策略的鯨魚(yú)優(yōu)化算法功率分配策略，有效降低了儲(chǔ)能電池單元的運(yùn)行成本和折損率。此外，經(jīng)驗(yàn)?zāi)B(tài)分解與加權(quán)滑動(dòng)平均法等也被應(yīng)用在儲(chǔ)能功率分配控制中，利用并網(wǎng)功率波動(dòng)要求對(duì)分解方法進(jìn)行自適應(yīng)改進(jìn)，結(jié)合儲(chǔ)能能量狀態(tài)約束其功率指令，將儲(chǔ)能荷電狀態(tài)維持在合理范圍內(nèi)[21]。文獻(xiàn)[22]利用滑動(dòng)平均濾波法確定平抑目標(biāo)，再結(jié)合模態(tài)分解與模糊控制規(guī)則修正儲(chǔ)能設(shè)備的充放電功率，提高了平抑水平和儲(chǔ)能系統(tǒng)經(jīng)濟(jì)性。

綜上所述，對(duì)風(fēng)電平抑目標(biāo)功率的預(yù)測(cè)結(jié)果將直接影響混合儲(chǔ)能系統(tǒng)對(duì)風(fēng)電波動(dòng)的平抑效果，同時(shí)，平抑目標(biāo)功率的分配將直接影響各儲(chǔ)能設(shè)備的放電深度及充放電次數(shù)，進(jìn)而對(duì)其壽命產(chǎn)生影響。因此，合理地確定混合儲(chǔ)能系統(tǒng)的平抑目標(biāo)功率，以及平抑目標(biāo)功率在不同儲(chǔ)能設(shè)備之間的協(xié)調(diào)分配至關(guān)重要。為在平抑風(fēng)功率波動(dòng)的同時(shí)兼顧儲(chǔ)能系統(tǒng)的壽命，本文首先在考慮儲(chǔ)能系統(tǒng)荷電狀態(tài)基礎(chǔ)上建立了系統(tǒng)MPC模型，通過(guò)引入充放能力飽和函數(shù)提出考慮SOC自恢復(fù)的儲(chǔ)能系統(tǒng)MPC優(yōu)化控制目標(biāo)，利用滾動(dòng)優(yōu)化的方法確定了風(fēng)電平抑目標(biāo)功率；然后提出基于加權(quán)滑動(dòng)平均（Weighted Moving Average, WMA）-模糊控制的混合儲(chǔ)能功率分配策略，將過(guò)去已知的儲(chǔ)能系統(tǒng)實(shí)際功率與MPC預(yù)測(cè)的未來(lái)平抑目標(biāo)功率進(jìn)行計(jì)算，動(dòng)態(tài)調(diào)整混合儲(chǔ)能系統(tǒng)的功率分配，從而實(shí)現(xiàn)在滿(mǎn)足平抑功率需求的同時(shí)充分發(fā)揮儲(chǔ)能元件各自的性能優(yōu)勢(shì)這一控制目標(biāo)；最后，根據(jù)實(shí)際風(fēng)電數(shù)據(jù)，從并網(wǎng)波動(dòng)、儲(chǔ)能充放電裕度以及累計(jì)充放電量等多指標(biāo)評(píng)價(jià)體系，驗(yàn)證本文所提方法在平抑風(fēng)電并網(wǎng)功率波動(dòng)和改善全局儲(chǔ)能出力水平的有效性。

1 考慮SOC自恢復(fù)的混合儲(chǔ)能MPC預(yù)測(cè)模型及目標(biāo)功率求解

風(fēng)儲(chǔ)聯(lián)合控制系統(tǒng)具有非線性、多變量耦合、多約束、不確定性等特點(diǎn)，傳統(tǒng)控制方法難以精確描述其數(shù)理模型，控制效果有限。MPC為一種實(shí)時(shí)控制手段，通過(guò)預(yù)測(cè)系統(tǒng)未來(lái)的動(dòng)態(tài)信息對(duì)一定預(yù)測(cè)時(shí)域的控制目標(biāo)進(jìn)行優(yōu)化，具有良好的快速性和魯棒性。本節(jié)工作是在平抑風(fēng)電功率波動(dòng)的同時(shí)兼顧儲(chǔ)能系統(tǒng)的壽命，建立了考慮混合儲(chǔ)能系統(tǒng)SOC自恢復(fù)的MPC預(yù)測(cè)模型和優(yōu)化目標(biāo)，通過(guò)滾動(dòng)優(yōu)化算法最終確定了混合儲(chǔ)能系統(tǒng)平抑的目標(biāo)功率。

1.1 考慮混合儲(chǔ)能系統(tǒng)SOC的MPC預(yù)測(cè)模型

圖1 風(fēng)儲(chǔ)聯(lián)合系統(tǒng)結(jié)構(gòu)

以圖1給定的功率方向?yàn)閰⒖迹傻?/p>

式中，、1、2為系數(shù)矩陣。

在不考慮蓄電池和超級(jí)電容器充放電效率以及換流器等損耗情況下，對(duì)式（1）進(jìn)行離散化處理可得

由式（3）可知，風(fēng)電并網(wǎng)功率、蓄電池平抑功率、超級(jí)電容平抑功率相互關(guān)聯(lián)，而儲(chǔ)能系統(tǒng)出力受荷電運(yùn)行狀態(tài)影響，離散后的蓄電池和超級(jí)電容的荷電運(yùn)行狀態(tài)分別為

混合儲(chǔ)能系統(tǒng)以大容量的蓄電池為主體，因此混合儲(chǔ)能系統(tǒng)的SOC基本由蓄電池SOC決定，故對(duì)蓄電池SOC進(jìn)行調(diào)節(jié)可視為對(duì)混合儲(chǔ)能系統(tǒng)SOC的調(diào)節(jié)。由此可將式（4）統(tǒng)一寫(xiě)為

對(duì)比式（2）和式（7），可得式（2）中各系數(shù)矩陣為

1.2 考慮充放電飽和能力函數(shù)的混合儲(chǔ)能系統(tǒng)MPC優(yōu)化目標(biāo)

1.2.1 考慮SOC的充放電飽和能力函數(shù)

圖2 蓄電池SOC區(qū)域劃分

由式（9）可知，當(dāng)SOC介于[,]之間時(shí)，函數(shù)值大于或等于，此時(shí)充放電飽和度較高，屬于良好的充放電SOC范圍，并且對(duì)函數(shù)求導(dǎo)可得SOC在0.5附近的斜率變化較小，即SOC輕微變化對(duì)飽和度影響不大。當(dāng)SOC小于或大于時(shí)，函數(shù)值小于且快速變化至趨近于0，表明飽和度過(guò)低，不利于電池的運(yùn)行，需進(jìn)行SOC調(diào)節(jié)。

1.2.2 混合儲(chǔ)能系統(tǒng)MPC優(yōu)化目標(biāo)

風(fēng)儲(chǔ)聯(lián)合系統(tǒng)除滿(mǎn)足MPC優(yōu)化目標(biāo)函數(shù)外，還需滿(mǎn)足混合儲(chǔ)能SOC約束、充放電功率約束以及并網(wǎng)功率約束，即

1.3 基于MPC滾動(dòng)優(yōu)化方法的儲(chǔ)能目標(biāo)功率求解

根據(jù)MPC原理，結(jié)合混合儲(chǔ)能預(yù)測(cè)模型式（2）、優(yōu)化目標(biāo)式（10）及系統(tǒng)約束式（11），可將其轉(zhuǎn)換為二次規(guī)劃形式進(jìn)行求解，得到現(xiàn)在及未來(lái)一段時(shí)間的控制變量序列，即混合儲(chǔ)能系統(tǒng)平抑的目標(biāo)功率。

其中，各系數(shù)矩陣分別為

通過(guò)矩陣運(yùn)算，優(yōu)化目標(biāo)中所有狀態(tài)變量可由控制變量表示，由于常數(shù)項(xiàng)不參與優(yōu)化故可省略，因此，可將目標(biāo)函數(shù)轉(zhuǎn)換為標(biāo)準(zhǔn)的二次規(guī)劃形式，有

式中，為待求控制變量的二次項(xiàng)參數(shù)矩陣；為待求控制變量的一次項(xiàng)參數(shù)矩陣。

2 改進(jìn)WMA-模糊控制的混合儲(chǔ)能功率分配策略

通過(guò)模型預(yù)測(cè)控制求解得到的混合儲(chǔ)能系統(tǒng)平抑的目標(biāo)功率，初步滿(mǎn)足了風(fēng)電功率波動(dòng)及動(dòng)態(tài)恢復(fù)儲(chǔ)能SOC的需求，但為了充分發(fā)揮混合儲(chǔ)能系統(tǒng)中鋰電池和超級(jí)電容器各自的性能優(yōu)勢(shì)，需要對(duì)混合儲(chǔ)能目標(biāo)功率進(jìn)行協(xié)調(diào)分配。在這個(gè)過(guò)程中，需考慮利用蓄電池的大容量特性對(duì)大幅度的功率進(jìn)行平抑，同時(shí)，充分利用超級(jí)電容器快速響應(yīng)能力和頻繁轉(zhuǎn)換充放電能力，讓其承擔(dān)高頻變化的功率，從而適當(dāng)降低蓄電池充放電的轉(zhuǎn)換次數(shù)，提高蓄電池的使用壽命。因此，本節(jié)首先改進(jìn)加權(quán)滑動(dòng)平均法對(duì)平抑的目標(biāo)功率進(jìn)行分配，然后利用模糊控制對(duì)相關(guān)參數(shù)進(jìn)行調(diào)整，以提高該方法的自適應(yīng)性。

2.1 基于改進(jìn)WMA法的混合儲(chǔ)能平抑功率分配

圖3 改進(jìn)WMA法時(shí)間軸的劃分

首先計(jì)算過(guò)去和未來(lái)各部分單獨(dú)的參考值。

則蓄電池和超級(jí)電容的參考功率分別為

2.2 基于未來(lái)荷電狀態(tài)變化的WMA參數(shù)模糊控制調(diào)整

圖4 模糊控制輸入/輸出隸屬函數(shù)

Tab.1 Fuzzy control rule of

表2模糊控制規(guī)則

Tab.2 Fuzzy control rule of d

由此得到本文所提混合儲(chǔ)能平抑風(fēng)電功率波動(dòng)控制流程如圖5所示。

圖5 混合儲(chǔ)能平抑風(fēng)電功率波動(dòng)控制流程

3 仿真分析

采用平均充放電裕度等指標(biāo)評(píng)價(jià)儲(chǔ)能系統(tǒng)的運(yùn)行情況及風(fēng)電平抑效果。

1）平均充放電裕度

利用一段時(shí)間內(nèi)儲(chǔ)能充放電飽和能力平均值來(lái)表征一段時(shí)間以?xún)?nèi)的儲(chǔ)能平均充放電裕度，即

2）累積充放電量

定義累積充放電量b為

b用于表示儲(chǔ)能系統(tǒng)能量交換的總量，該值越大表征儲(chǔ)能的壽命損耗越多。

3）并網(wǎng)平均波動(dòng)率

并網(wǎng)功率在研究周期內(nèi)的平均波動(dòng)率可表示為

3.1 考慮SOC自恢復(fù)的MPC控制仿真

3.1.1 風(fēng)功率平抑效果與儲(chǔ)能SOC調(diào)節(jié)仿真

基于上述參數(shù)和相關(guān)指標(biāo)，采用三種MPC方法對(duì)混合儲(chǔ)能系統(tǒng)的平抑功率及風(fēng)電并網(wǎng)功率進(jìn)行控制，分別為：①M(fèi)PC方法1，以混合儲(chǔ)能實(shí)時(shí)的SOC狀態(tài)接近0.5為優(yōu)化目標(biāo)；②MPC方法2，以并網(wǎng)風(fēng)電功率波動(dòng)率最小為優(yōu)化目標(biāo)；③MPC方法3，即本文優(yōu)化方法，實(shí)時(shí)考慮風(fēng)電平抑效果和儲(chǔ)能SOC狀態(tài)進(jìn)行動(dòng)態(tài)優(yōu)化。MPC方法3控制過(guò)程中，設(shè)定=0.3，=0.7，=30，=0.5，蓄電池和超級(jí)電容的SOC初始值均為0.5，SOC上、下限分別為0.9和0.1。

1）并網(wǎng)功率及其波動(dòng)頻率對(duì)比

圖6和圖7分別為三種控制方法下的并網(wǎng)功率及并網(wǎng)功率波動(dòng)頻率分布。

圖6 并網(wǎng)功率對(duì)比

圖7 并網(wǎng)功率波動(dòng)率分布對(duì)比

圖6中，對(duì)比原始風(fēng)電功率W可以看出，三種方法都有效地實(shí)現(xiàn)了對(duì)風(fēng)電并網(wǎng)功率波動(dòng)的平抑。相比于風(fēng)電直接并網(wǎng)，對(duì)比圖7a與圖7b可知，原始風(fēng)電并網(wǎng)波動(dòng)率大于2%的時(shí)間約占24.2%，平抑后的風(fēng)電并網(wǎng)功率波動(dòng)率都被限制在2%以?xún)?nèi)，滿(mǎn)足并網(wǎng)要求。就平抑效果而言，以并網(wǎng)功率波動(dòng)率最小為控制目標(biāo)的MPC方法2的效果最好，68.2%的波動(dòng)率分布在0.2%以下；其次是本文方法，43.4%的波動(dòng)率分布在0.2%以下；平抑效果最差的是方法1，僅有15.7%的波動(dòng)率分布在0.2%以下，多數(shù)波動(dòng)率分布在0.2%～2%范圍內(nèi)。

2）混合儲(chǔ)能SOC調(diào)節(jié)對(duì)比

在控制儲(chǔ)能系統(tǒng)平抑風(fēng)電功率過(guò)程中，風(fēng)電并網(wǎng)功率波動(dòng)率不能作為衡量控制策略?xún)?yōu)劣的單一標(biāo)準(zhǔn)，儲(chǔ)能系統(tǒng)的運(yùn)行狀態(tài)影響著儲(chǔ)能元件的使用壽命、系統(tǒng)整體經(jīng)濟(jì)性及長(zhǎng)期的風(fēng)電平抑效果。圖8為三種控制策略下混合儲(chǔ)能SOC變化情況對(duì)比，圖9為對(duì)應(yīng)圖8中混合儲(chǔ)能SOC的分布對(duì)比。

圖8 混合儲(chǔ)能SOC變化對(duì)比

圖9 混合儲(chǔ)能SOC分布對(duì)比

由圖8和圖9可以看出，三種控制方法下的混合儲(chǔ)能SOC隨時(shí)間的變化情況存在較大差異。MPC方法1控制下的儲(chǔ)能SOC超過(guò)90%的時(shí)間維持在[0.4,0.6]的高充放電裕度區(qū)域，僅在風(fēng)電功率波動(dòng)較大的時(shí)間段有所動(dòng)作，符合MPC方法1的優(yōu)化目標(biāo)策略。對(duì)應(yīng)MPC方法2，雖然能夠?qū)?chǔ)能SOC限制在允許的運(yùn)行區(qū)間[0.1,0.9]之內(nèi)，但SOC的變化幅度較大且接近30%的時(shí)間處于充放電裕度較低的區(qū)域，存在風(fēng)電功率波動(dòng)無(wú)法平抑以及由此帶來(lái)的加速儲(chǔ)能壽命消耗的風(fēng)險(xiǎn)。采用本文控制策略MPC方法3時(shí)，儲(chǔ)能SOC的工作區(qū)間得到很大改善，約90%的時(shí)間SOC保持在[0.3,0.7]之間。如圖8在480～720 min和1 200～1 440 min等時(shí)間段，相較于MPC方法2，儲(chǔ)能SOC的運(yùn)行范圍更加良好。而相較于MPC方法1，如在0～240 min和1 200～1 440 min等時(shí)間段，本文方法控制下的儲(chǔ)能可以提供更多的充放電功率來(lái)對(duì)風(fēng)電功率進(jìn)行平抑，改善平抑效果。

本文所提MPC方法3對(duì)SOC的動(dòng)態(tài)調(diào)整過(guò)程如圖10所示。

圖10 不同初始荷電狀態(tài)下混合儲(chǔ)能SOC調(diào)節(jié)過(guò)程

由圖10可見(jiàn)，對(duì)于不同的混合儲(chǔ)能初始SOC值，在本文所提MPC方法3控制調(diào)節(jié)下，儲(chǔ)能的SOC能夠隨著時(shí)間逐漸恢復(fù)到0.5附近，并最終跟隨初始SOC=0.5對(duì)照組的SOC變化。初始SOC越偏離0.5其恢復(fù)到0.5附近的速度越快，說(shuō)明本文控制策略能夠根據(jù)儲(chǔ)能SOC所處區(qū)間動(dòng)態(tài)調(diào)整SOC的恢復(fù)速度，從而保證儲(chǔ)能運(yùn)行在良好的荷電運(yùn)行區(qū)間。

3）評(píng)價(jià)指標(biāo)對(duì)比

表3 控制方法結(jié)果評(píng)價(jià)指標(biāo)對(duì)比

Tab.3 Comparison of indicators for evaluating the results of control methods

3.1.2 充放電飽和能力函數(shù)對(duì)混合儲(chǔ)能MPC調(diào)節(jié)的影響

本文所提考慮混合儲(chǔ)能SOC自恢復(fù)的MPC方法中，儲(chǔ)能系統(tǒng)充放電飽和能力函數(shù)作為調(diào)節(jié)儲(chǔ)能SOC及風(fēng)電并網(wǎng)波動(dòng)的權(quán)重系數(shù)引入優(yōu)化目標(biāo)，其參數(shù)、、、的選取將影響儲(chǔ)能SOC和并網(wǎng)功率增量二者的控制比重。本節(jié)仿真時(shí)，分別取值20、30、40，分別取值0.3、0.5、0.7，對(duì)比不同[,]取值范圍下的評(píng)價(jià)指標(biāo)分別列于表4～表6。

表4=20時(shí)參數(shù)調(diào)節(jié)對(duì)比

Tab.4 Comparison of different parameters for I=20

表5=30時(shí)參數(shù)調(diào)節(jié)對(duì)比

Tab.5 Comparison of different parameters for I=30

表6=40時(shí)參數(shù)調(diào)節(jié)對(duì)比

Tab.6 Comparison of different parameters for I=40

3.2 改進(jìn)WMA-模糊控制對(duì)混合儲(chǔ)能功率分配的仿真

采用本文所提的改進(jìn)WMA-模糊控制功率分配策略對(duì)MPC滾動(dòng)優(yōu)化得到的混合儲(chǔ)能目標(biāo)功率進(jìn)行分配，蓄電池和超級(jí)電容功率調(diào)節(jié)過(guò)程如圖11所示。蓄電池的功率變化相較于超級(jí)電容較為平緩，僅在240～480 min和720～960 min目標(biāo)功率需求較大的時(shí)間段內(nèi)功率變化較大?？梢?jiàn)在整個(gè)風(fēng)電平抑過(guò)程中，蓄電池分配了大幅度的波動(dòng)功率，而超級(jí)電容分配了較為頻繁的小幅度波動(dòng)功率，發(fā)揮了鋰電池和超級(jí)電容器各自的性能優(yōu)勢(shì)。

圖11 各儲(chǔ)能元件功率分配情況

圖12為在分配目標(biāo)功率時(shí)各儲(chǔ)能元件SOC的變化情況，可以看出蓄電池和超級(jí)電容都在規(guī)定的SOC運(yùn)行區(qū)間內(nèi)工作，超級(jí)電容SOC變化頻率和幅度相對(duì)于蓄電池更高，符合兩種儲(chǔ)能元件的特點(diǎn)。

圖12 各儲(chǔ)能元件SOC變化情況

為進(jìn)一步提高儲(chǔ)能對(duì)未來(lái)功率變化的適應(yīng)性，采用模糊控制對(duì)WMA參數(shù)進(jìn)行調(diào)節(jié)。圖13展示了在有/無(wú)模糊控制調(diào)節(jié)WMA參數(shù)下截取的第200～600 min的混合儲(chǔ)能功率和蓄電池功率。

圖13 200～600 min有/無(wú)模糊控制的蓄電池功率

由圖13可知，由于無(wú)模糊控制時(shí)WMA參數(shù)沒(méi)有變化，因此在各個(gè)時(shí)段的蓄電池功率都相對(duì)平穩(wěn)，但在混合儲(chǔ)能目標(biāo)功率較大時(shí)，如250～300 min，由于WMA參數(shù)不可調(diào)導(dǎo)致蓄電池不能快速地跟隨目標(biāo)功率進(jìn)行調(diào)整，不能按需提供充足的功率，剩余功率只能由超級(jí)電容承擔(dān)，不利于風(fēng)電功率的平抑。而引入模糊控制后，在混合儲(chǔ)能功率較小時(shí)，如圖中200～230 min及440～470 min等時(shí)段，蓄電池的功率變化不大，基本和無(wú)模糊控制時(shí)一致，減小了蓄電池在低出力水平下的放電深度及充放電次數(shù)。而當(dāng)儲(chǔ)能功率需求較大時(shí)，如圖13中250～300 min及370～420 min等時(shí)段，通過(guò)參數(shù)調(diào)節(jié)蓄電池能夠快速跟蹤大幅度功率變動(dòng)，提供更多的功率以減小超級(jí)電容的功率負(fù)擔(dān)。綜上所述，本文的功率分配方法能夠在一定程度上根據(jù)未來(lái)不同功率波動(dòng)需求調(diào)整儲(chǔ)能的功率分配，從而更加有效地對(duì)風(fēng)電波動(dòng)進(jìn)行平抑。

4 結(jié)論

為實(shí)現(xiàn)風(fēng)儲(chǔ)聯(lián)合系統(tǒng)中風(fēng)電并網(wǎng)功率波動(dòng)的平抑，同時(shí)提升儲(chǔ)能系統(tǒng)的長(zhǎng)期穩(wěn)定運(yùn)行能力，本文應(yīng)用磷酸鐵鋰電池和超級(jí)電容混合儲(chǔ)能系統(tǒng)，結(jié)合MPC理論與WMA-模糊控制完成了混合儲(chǔ)能目標(biāo)功率預(yù)測(cè)和動(dòng)態(tài)分配，通過(guò)理論分析與仿真驗(yàn)證得出以下主要結(jié)論：

1）提出了混合儲(chǔ)能充放電飽和能力函數(shù)，并將其作為控制權(quán)重設(shè)計(jì)了兼顧儲(chǔ)能系統(tǒng)SOC恢復(fù)和并網(wǎng)功率波動(dòng)平抑能力的MPC策略。仿真結(jié)果表明，在平抑風(fēng)電波動(dòng)過(guò)程中，所提控制方法不僅能有效平抑風(fēng)電功率波動(dòng)，同時(shí)也能有效優(yōu)化儲(chǔ)能SOC運(yùn)行區(qū)間，降低儲(chǔ)能的壽命損耗。

2）基于MPC預(yù)測(cè)的儲(chǔ)能目標(biāo)功率，本文利用改進(jìn)加權(quán)滑動(dòng)平均法對(duì)蓄電池及超級(jí)電容的功率進(jìn)行動(dòng)態(tài)分配，并且設(shè)計(jì)了基于SOC反饋的模糊控制器動(dòng)態(tài)調(diào)節(jié)MPC中的多目標(biāo)優(yōu)化比例。仿真結(jié)果表明，本文方法能根據(jù)功率需求自適應(yīng)調(diào)整儲(chǔ)能功率的分配，在低水平出力下降低蓄電池的放電深度與頻繁轉(zhuǎn)換充放電狀態(tài)，降低對(duì)壽命的損耗，而在平抑功率需求較大時(shí)提高蓄電池出力，減小超級(jí)電容的輸出壓力，提高功率分配的合理性。

本文圍繞風(fēng)儲(chǔ)聯(lián)合系統(tǒng)風(fēng)功率波動(dòng)平抑及混合儲(chǔ)能系統(tǒng)的協(xié)調(diào)配合與穩(wěn)定運(yùn)行展開(kāi)了研究，但仍存在一些未涉及或仍待后續(xù)研究解決的問(wèn)題，如優(yōu)化混合儲(chǔ)能的容量配置進(jìn)一步發(fā)揮超級(jí)電容的性能優(yōu)勢(shì)；若有條件增加實(shí)驗(yàn)驗(yàn)證等。

[1] 李軍徽, 侯濤, 穆鋼, 等. 電力市場(chǎng)環(huán)境下考慮風(fēng)電調(diào)度和調(diào)頻極限的儲(chǔ)能優(yōu)化控制[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(9): 1791-1804.

Li Junhui, Hou Tao, Mu Gang, et al. Optimal control strategy for energy storage considering wind farm scheduling plan and modulation frequency limitation under electricity market environment[J]. Transactions of China Electrotechnical Society, 2021, 36(9): 1791-1804.

[2] 卓振宇, 張寧, 謝小榮, 等. 高比例可再生能源電力系統(tǒng)關(guān)鍵技術(shù)及發(fā)展挑戰(zhàn)[J]. 電力系統(tǒng)自動(dòng)化, 2021, 45(9): 171-191.

Zhuo Zhenyu, Zhang Ning, Xie Xiaorong, et al. Key technologies and developing challenges of power system with high proportion of renewable energy[J]. Automation of Electric Power Systems, 2021, 45(9): 171-191.

[3] 周博, 艾小猛, 方家琨, 等. 計(jì)及超分辨率風(fēng)電出力不確定性的連續(xù)時(shí)間魯棒機(jī)組組合[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(7): 1456-1467.

Zhou Bo, Ai Xiaomeng, Fang Jiakun, et al. Continuous-time modeling based robust unit commitment considering beyond-the-resolution wind power uncertainty[J]. Transactions of China Electrotechnical Society, 2021, 36(7): 1456-1467.

[4] 楊立濱, 曹陽(yáng), 魏韡, 等. 計(jì)及風(fēng)電不確定性和棄風(fēng)率約束的風(fēng)電場(chǎng)儲(chǔ)能容量配置方法[J]. 電力系統(tǒng)自動(dòng)化, 2020, 44(16): 45-52.

Yang Libin, Cao Yang, Wei Wei, et al. Configuration method of energy storage for wind farms considering wind power uncertainty and wind curtailment constraint[J]. Automation of Electric Power Systems, 2020, 44(16): 45-52.

[5] Lin Li, Jia Yuanqi, Ma Minghui, et al. Long-term stable operation control method of dual-battery energy storage system for smoothing wind power fluctuations[J]. International Journal of Electrical Power & Energy Systems, 2021, 129: 106878.

[6] 謝小榮, 馬寧嘉, 劉威, 等. 新型電力系統(tǒng)中儲(chǔ)能應(yīng)用功能的綜述與展望[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2023, 43(1): 158-169.

Xie Xiaorong, Ma Ningjia, Liu Wei, et al. Functions of energy storage in renewable energy dominated power systems: review and prospect[J]. Proceedings of the CSEE, 2023, 43(1): 158-169.

[7] Wan Can, Qian Weiting, Zhao Changfei, et al. Probabilistic forecasting based sizing and control of hybrid energy storage for wind power smoothing[J]. IEEE Transactions on Sustainable Energy, 2021, 12(4): 1841-1852.

[8] Elmorshedy M F, Elkadeem M R, Kotb K M, et al. Optimal design and energy management of an isolated fully renewable energy system integrating batteries and supercapacitors[J]. Energy Conversion and Management, 2021, 245: 114584.

[9] 齊曉光, 姚福星, 朱天曈, 等. 考慮大規(guī)模風(fēng)電接入的電力系統(tǒng)混合儲(chǔ)能容量?jī)?yōu)化配置[J]. 電力自動(dòng)化設(shè)備, 2021, 41(10): 11-19.

Qi Xiaoguang, Yao Fuxing, Zhu Tiantong, et al. Capacity optimization configuration of hybrid energy storage in power system considering large-scale wind power integration[J]. Electric Power Automation Equipment, 2021, 41(10): 11-19.

[10] Guo Tingting, Liu Youbo, Zhao Junbo, et al. A dynamic wavelet-based robust wind power smoothing approach using hybrid energy storage system[J]. International Journal of Electrical Power & Energy Systems, 2020, 116: 105579.

[11] 萬(wàn)燦, 崔文康, 宋永華. 新能源電力系統(tǒng)概率預(yù)測(cè):基本概念與數(shù)學(xué)原理[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2021, 41(19): 6493-6509.

Wan Can, Cui Wenkang, Song Yonghua. Probabilistic forecasting for power systems with renewable energy sources: basic concepts and mathematical principles[J]. Proceedings of the CSEE, 2021, 41(19): 6493-6509.

[12] 劉穎明, 王維, 王曉東, 等. 結(jié)合風(fēng)功率預(yù)測(cè)及儲(chǔ)能能量狀態(tài)的模糊控制策略平滑風(fēng)電出力[J]. 電網(wǎng)技術(shù), 2019, 43(7): 2535-2543.

Liu Yingming, Wang Wei, Wang Xiaodong, et al. A fuzzy control strategy combined with wind power prediction and energy storage SOE for smoothing wind power output[J]. Power System Technology, 2019, 43(7): 2535-2543.

[13] 潘超, 李潤(rùn)宇, 蔡國(guó)偉, 等. 基于時(shí)空關(guān)聯(lián)分解重構(gòu)的風(fēng)速超短期預(yù)測(cè)[J]. 電工技術(shù)學(xué)報(bào), 2021, 36(22): 4739-4748.

Pan Chao, Li Runyu, Cai Guowei, et al. Multi-step ultra-short-term wind speed prediction based on decomposition and reconstruction of time-spatial correlation[J]. Transactions of China Electrotechnical Society, 2021, 36(22): 4739-4748.

[14] 路朋, 葉林, 裴銘, 等. 風(fēng)電集群有功功率模型預(yù)測(cè)協(xié)調(diào)控制策略[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2021, 41(17): 5887-5900.

Lu Peng, Ye Lin, Pei Ming, et al. Coordinated control strategy for active power of wind power cluster based on model predictive control[J]. Proceedings of the CSEE, 2021, 41(17): 5887-5900.

[15] 陳長(zhǎng)青, 李欣然, 譚莊熙. 考慮風(fēng)電不確定性的風(fēng)儲(chǔ)調(diào)頻能力[J]. 高電壓技術(shù), 2022, 48(6): 2128-2139.

Chen Changqing, Li Xinran, Tan Zhuangxi. Frequency modulation capability of wind storage considering wind power uncertainty[J]. High Voltage Engineering, 2022, 48(6): 2128-2139.

[16] Cao Minjian, Xu Qingshan, Qin Xiaoyang, et al. Battery energy storage sizing based on a model predictive control strategy with operational constraints to smooth the wind power[J]. International Journal of Electrical Power & Energy Systems, 2020, 115: 105471.

[17] 孫玉樹(shù), 唐西勝, 孫曉哲, 等. 基于MPC-HHT的多類(lèi)型儲(chǔ)能協(xié)調(diào)控制策略研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2018, 38(9): 2580-2588, 2826.

Sun Yushu, Tang Xisheng, Sun Xiaozhe, et al. Research on multi-type energy storage coordination control strategy based on MPC-HHT[J]. Proceedings of the CSEE, 2018, 38(9): 2580-2588, 2826.

[18] Wu Tiezhou, Yu Wenshan, Guo Linxin. A study on use of hybrid energy storage system along with variable filter time constant to smooth DC power fluctuation in microgrid[J]. IEEE Access, 2019, 7: 175377-175385.

[19] 劉忠, 楊陳, 蔣瑋, 等. 基于一致性算法的直流微電網(wǎng)儲(chǔ)能系統(tǒng)功率分配技術(shù)[J]. 電力系統(tǒng)自動(dòng)化, 2020, 44(7): 61-69.

Liu Zhong, Yang Chen, Jiang Wei, et al. Consensus algorithm based power distribution technology for energy storage system in DC microgrid[J]. Automation of Electric Power Systems, 2020, 44(7): 61-69.

[20] 付華, 陸鵬, 張俊男. 基于A-SA-WOA算法的直流微電網(wǎng)全釩液流電池儲(chǔ)能系統(tǒng)功率分配策略[J]. 電工技術(shù)學(xué)報(bào), 2023, 38(7): 1826-1837.

Fu Hua, Lu Peng, Zhang Junnan. Power allocation strategy of DC microgrid all vanadium redox flow battery energy storage system based on A-SA-WOA algorithm[J]. Transactions of China Electrotechnical Society, 2023, 38(7): 1826-1837.

[21] 付菊霞, 陳潔, 滕揚(yáng)新, 等. 基于集合經(jīng)驗(yàn)?zāi)B(tài)分解的風(fēng)電混合儲(chǔ)能系統(tǒng)能量管理協(xié)調(diào)控制策略[J]. 電工技術(shù)學(xué)報(bào), 2019, 34(10): 2038-2046.

Fu Juxia, Chen Jie, Teng Yangxin, et al. Energy management coordination control strategy for wind power hybrid energy storage system based on EEMD[J]. Transactions of China Electrotechnical Society, 2019, 34(10): 2038-2046.

[22] 李亞楠, 王倩, 宋文峰, 等. 混合儲(chǔ)能系統(tǒng)平滑風(fēng)電出力的變分模態(tài)分解-模糊控制策略[J]. 電力系統(tǒng)保護(hù)與控制, 2019, 47(7): 58-65.

Li Yanan, Wang Qian, Song Wenfeng, et al. Variational mode decomposition and fuzzy control strategy of hybrid energy storage for smoothing wind power outputs[J]. Power System Protection and Control, 2019, 47(7): 58-65.

[23] 王宇. 超級(jí)電容與蓄電池混合儲(chǔ)能系統(tǒng)的能量管理與控制研究[D]. 哈爾濱: 哈爾濱工業(yè)大學(xué), 2016.

Wang Yu. Study on energy management and control of a supercapacitor and battery hybrid energy storage system[D]. Harbin: Harbin Institute of Technology, 2016.

[24] 孫玉樹(shù), 張國(guó)偉, 唐西勝, 等. 風(fēng)電功率波動(dòng)平抑下的MPC雙儲(chǔ)能控制策略研究[J]. 電工技術(shù)學(xué)報(bào), 2019, 34(3): 571-578.

Sun Yushu, Zhang Guowei, Tang Xisheng, et al. Research on MPC and daul energy storage control strategies with wind power fluctuation mitigation[J]. Transactions of China Electrotechnical Society, 2019, 34(3): 571-578.

[25] 國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局, 中國(guó)國(guó)家標(biāo)準(zhǔn)化管理委員會(huì). 風(fēng)電場(chǎng)接入電力系統(tǒng)技術(shù)規(guī)定: GB/T 19963—2011[S]. 北京: 中國(guó)標(biāo)準(zhǔn)出版社, 2012.

[26] 朱麗云. 考慮充放電能量不均衡的雙電池系統(tǒng)容量配置與控制策略研究[D]. 重慶: 重慶大學(xué), 2018.

Zhu Liyun. Study on the capacity configuration and control strategy of dual battery system considering charging and discharging unbalanced energy[D]. Chongqing: Chongqing University, 2018.

[27] 李學(xué)斌, 劉建偉. 采用二階濾波的混合儲(chǔ)能系統(tǒng)實(shí)時(shí)功率分配方法[J]. 電網(wǎng)技術(shù), 2019, 43(5): 1650-1657.

Li Xuebin, Liu Jianwei. Real-time power distribution method adopting second-order filtering for hybrid energy storage system[J]. Power System Technology, 2019, 43(5): 1650-1657.

Hybrid Energy Storage Control with SOC Self-Recovery to Smooth Out Wind Power Fluctuations

Lin Li1Lin Yulu1Tan Huidan1Jia Yuanqi1,2Kong Xianyu1Cao Yapei1

（1. Xuefeng Mountain Energy Equipment Safety National Observation and Research Station Chongqing University Chongqing 400044 China 2. State Grid Chongqing Electric Power Company Shinan Power Supply Branch Chongqing 400060 China）

The increase in penetration of new energy sources such as wind power poses a huge threat to the security and stability of the power grid operation. This paper used a hybrid energy storage system with a battery and supercapacitor to cope with the complex fluctuations of wind power. To achieve the smoothing of grid-connected power fluctuations while reducing the lifetime losses of the storage system, this paper proposed a hybrid energy storage control method taking into account the state of charge (SOC) self-recovery to smooth out wind power fluctuations, including model predictive control (MPC) to predict the target power of hybrid storages and weighted moving average (WMA) method with fuzzy control to allocate target power.

This paper first established the MPC optimization target function combining SOC recovery for energy storage systems and grid-connected power fluctuation smoothing capability. To characterize the relationship between the SOC and the charge and discharge margin of the energy storage system, a charge and discharge saturation capacity function was proposed. This function was also introduced as a weighting factor into the MPC optimization target function, achieving rapid adjustment of the SOC during power smoothing and improving the long-term stable operation capability of energy storage. An improved WMA method was then proposed to distribute the MPC-predicted target power between supercapacitor and battery power. Considering the small capacity of supercapacitor which is easy to overcharge and over-discharge, the SOC of the supercapacitor at the previous moment and the change of SOC of future hybrid energy storage were taken as fuzzy control inputs. According to the different operating conditions, the fuzzy control rules were designed to dynamically adjust the WMA sliding window length d and the α weighted of past and future reference values, thus improving the adaptability of the battery and supercapacitor to different target power and different SOC.

A wind-storage joint model was developed in Matlab, and the simulation compared the control effects of three methods of optimization targets. Method 1 is SOC closed to 0.5 at real-time. Method 2 is minimizing the fluctuation rates of grid-connected power. Method 3 is the optimization method for this paper. The simulation results show that the fluctuation rates of grid-connected power are less than 2% by method 3, in which 43.4% of the fluctuation rates are below 0.2%, and the average fluctuation rate is 0.61%, which is between the other two methods. The total charge and discharge energy of the hybrid energy storage is 28.93, which is much lower than the 47.67 of method 2. The average charge and discharge margin of 0.948 6 is close to 0.978 7 for method 1, but much higher than 0.591 4 for method 2. For different initial SOC, the SOC can gradually recover to around 0.5 and eventually follow the change of the control group with the initial value of SOC=0.5. Simulations were then carried out to verify the power allocation strategy with improved WMA-fuzzy control. The results show that the power variation of the battery is relatively gentle compared to that of the supercapacitor, and only varies greatly in the time of 240 min to 480 min and 720 min to 960 min when the power demand is high.

The simulation analysis leads to the following conclusions. Firstly, the proposed model predictive control for the target power of hybrid energy storage can effectively smooth out wind power fluctuations, and also effectively optimize the operation interval of SOC and reduce the lifetime loss of energy storage. Secondly, the designed allocation strategy adaptively adjusts the distribution of energy storage power according to the power demand. This strategy reduces the depth of discharge and the charge-to-discharge transition state of the battery at low levels of power output, thus reducing the loss of life. In contrast, increasing the battery output when the power demand is high. It reduces the pressure on the supercapacitor and improves the rationality of the power distribution.

Wind power fluctuations, hybrid energy storage, model predictive control, weighted moving average, fuzzy control

TM614

10.19595/j.cnki.1000-6753.tces.221976

2022-10-18

2022-12-05

林 莉 女，1974年生，副教授，碩士生導(dǎo)師，研究方向?yàn)殡娏ο到y(tǒng)運(yùn)行與控制。E-mail：linli@cqu.edu.cn（通信作者）

林雨露 女，1999年生，碩士研究生，研究方向?yàn)槲㈦娋W(wǎng)與儲(chǔ)能協(xié)調(diào)運(yùn)行與控制。E-mail：yulu_lyl@163.com

（編輯 赫 蕾）