基于小波包分解的風(fēng)電混合儲能容量配置方法

盧 蕓，徐 駿

?

基于小波包分解的風(fēng)電混合儲能容量配置方法

盧 蕓，徐 駿

(沈陽工業(yè)大學(xué)電氣工程學(xué)院，遼寧 沈陽 110870)

提出了一種基于小波包分解的風(fēng)電混合儲能容量配置方法。該方法對風(fēng)電輸出功率進行小波包分解，將其分解為低頻部分和高頻部分，采用低頻部分作為并網(wǎng)目標功率，根據(jù)蓄電池和超級電容器的互補特性，分別用其平抑次高頻部分和最高頻部分。通過高斯逼近法擬合波動功率的概率密度函數(shù)，進而得出混合儲能系統(tǒng)的容量。在Matlab/Simulink平臺上搭建混合儲能系統(tǒng)仿真模型。通過風(fēng)電并網(wǎng)點輸出功率的平滑程度以及混合儲能系統(tǒng)荷電狀態(tài)波動范圍的分析，驗證了該容量配置的有效性。

風(fēng)力發(fā)電；容量配置；小波包分解；混合儲能系統(tǒng)；高斯逼近

0 引言

隨著風(fēng)電大規(guī)模接入電網(wǎng)，風(fēng)電輸出有功功率波動性將嚴重影響電力系統(tǒng)穩(wěn)定性以及電能質(zhì)量。儲能系統(tǒng)能夠?qū)崿F(xiàn)電能與其他形式能量的轉(zhuǎn)換，并靈活、快速、準確地對系統(tǒng)的電能供需平衡進行調(diào)節(jié)，提高風(fēng)電并網(wǎng)的穩(wěn)定性[1]。影響儲能系統(tǒng)經(jīng)濟性的主要因素是儲能系統(tǒng)的容量配置[2]，因此儲能系統(tǒng)容量配置的研究具有重要現(xiàn)實意義。

目前對混合儲能系統(tǒng)容量配置的研究主要是以儲能系統(tǒng)的某一經(jīng)濟指標作為目標函數(shù)，以儲能系統(tǒng)的性能指標及平滑風(fēng)電波動功率的程度作為約束條件，通過智能算法尋找最優(yōu)解。文獻[1]以儲能容量最小為目標函數(shù)，以飽和系統(tǒng)穩(wěn)定域和總體收斂速度為約束條件，利用內(nèi)點法求解儲能裝置的最小容量。文獻[3]以儲能裝置成本最低為目標，以儲能系統(tǒng)功率出力及荷電狀態(tài)為約束條件，采用遺傳算法求解。文獻[4]以混合儲能系統(tǒng)成本最低為目標函數(shù)，以儲能系統(tǒng)功率平衡及荷電狀態(tài)為約束條件，利用黃金分割法和拋物線逼近法求取最優(yōu)解。文獻[5-6]采用統(tǒng)計的方法初步估計了大型風(fēng)電場儲能系統(tǒng)的容量。文獻[7]采用比恩法進行分類采樣計算波動功率的概率密度，并計算波動功率的數(shù)學(xué)期望，根據(jù)蓄電池調(diào)節(jié)穩(wěn)態(tài)波動功率，超級電容調(diào)節(jié)尖峰波動功率的原則計算儲能系統(tǒng)的容量。目前綜合考慮混合儲能控制策略和容量配置的研究較少。

本文以混合儲能系統(tǒng)平抑風(fēng)電輸出功率為目的，對風(fēng)電輸出功率進行小波包分解，將其分解為低頻部分和高頻部分，并根據(jù)蓄電池和超級電容器的互補特性，分別用其平抑次高頻部分和最高頻部分。通過高斯逼近法擬合波動功率的概率密度函數(shù)，進而得出混合儲能系統(tǒng)的容量。在Matlab/Simulink平臺上搭建混合儲能系統(tǒng)控制仿真模型，采用小波包分解算法替代了傳統(tǒng)的低通濾波器，通過對風(fēng)電并網(wǎng)點功率的平滑程度和儲能系統(tǒng)荷電狀態(tài)的波動范圍的分析，驗證了該容量配置的有效性。

1 基于混合儲能系統(tǒng)的風(fēng)力發(fā)電系統(tǒng)

風(fēng)電儲能系統(tǒng)的結(jié)構(gòu)如圖1所示。其中風(fēng)電并網(wǎng)點(PCC點)的輸出功率為風(fēng)機輸出功率與混合儲能系統(tǒng)輸出功率之和。本文采用蓄電池、超級電容器混合儲能系統(tǒng)平抑風(fēng)電功率波動，由于蓄電池具有能量密度大、功率密度小的特點，可采用其平抑幅值大、頻率低的波動功率，避免了蓄電池頻繁充放電降低其使用壽命；利用超級電容器功率密度大、循環(huán)壽命長的特點，用其平抑幅值小、頻率高的波動功率[8-11]?；旌蟽δ芟到y(tǒng)輸出功率為蓄電池儲能輸出功率與超級電容器儲能輸出功率之和。

圖1風(fēng)電混和儲能系統(tǒng)結(jié)構(gòu)圖

2 基于小波包分解的混合儲能系統(tǒng)容量計算

2.1小波包分解基本原理

風(fēng)功率的分解本質(zhì)上是一個濾波的過程，目前廣泛采用一階低通濾波器，但其時間滯后比較大，對于波動性強的風(fēng)功率信號不敏感。由小波變換衍生出的小波包分解理論，具有良好的時頻局部化特性，對突變信號的分解顯示出更好的效果[12]。

2.2 混合儲能系統(tǒng)容量配置的構(gòu)建

本文采用小波包分解法將風(fēng)電輸出功率分解為低頻部分和高頻部分，將低頻部分作為風(fēng)電并網(wǎng)期望值，將高頻部分劃分為次高頻部分和最高頻部分，將次高頻部分作為蓄電池儲能輸出功率期望值，最高頻部分作為超級電容器儲能輸出功率期望值。

確定小波包分解層數(shù)后，根據(jù)高頻部分頻率特性確定次高頻與最高頻分量的分界頻率為，依次將的頻率特性與分界頻率對比確定頻率分界點。求得儲能系統(tǒng)輸出功率期望值如式(3)所示。

根據(jù)混合儲能輸出功率求得混合儲能系統(tǒng)容量，容量配置流程圖如圖2所示。

文獻[7]通過功率的概率密度函數(shù)求解儲能輸出功率幅值均值，進而求得儲能系統(tǒng)容量，取得了良好的平抑效果。文獻[13]采用t location-scale分布擬合儲能系統(tǒng)輸出功率概率密度函數(shù)。本文通過多次實驗，最終確定高斯逼近法擬合儲能系統(tǒng)輸出功率概率密度函數(shù)。

圖2基于小波包分解的儲能系統(tǒng)容量配置流程圖

3 基于小波包分解的混合儲能系統(tǒng)控制策略

風(fēng)力發(fā)電系統(tǒng)輸出功率信號經(jīng)小波包分解后得到低頻信號，將其作為并網(wǎng)功率參考值。根據(jù)蓄電池和超級電容器的互補特性分別用其平抑次高頻和最高頻信號，將次高頻信號作為蓄電池儲能的參考功率，將最高頻信號作為超級電容器儲能的參考功率。

由于蓄電池充放電時電壓波動性小，本文采用蓄電池儲能經(jīng)過逆變器與交流電網(wǎng)連接的方式，逆變器控制策略采用功率外環(huán)電流內(nèi)環(huán)的控制策略，無功功率參考值設(shè)為0，控制原理如圖3所示。

圖3儲能系統(tǒng)逆變器控制原理圖

超級電容器端電壓較小，一般為1~3 V，且超級電容器充放電電壓波動性大，因此本文采用超級電容器經(jīng)過雙向DC/DC變換器和逆變器與交流電網(wǎng)相連，該連接方式能夠穩(wěn)定直流電壓[14-16]。超級電容器儲能系統(tǒng)采用與蓄電池儲能系統(tǒng)相同的逆變器控制策略，僅將有功功率參考值改為。雙向DC/DC變換器采用電壓外環(huán)電流內(nèi)環(huán)控制策略，維持逆變器直流電壓恒定，控制原理如圖4所示。

圖4超級電容器雙向DC/DC變換器控制原理圖

4 算例分析

本文風(fēng)電場由15臺單機容量為2 MW的雙饋式風(fēng)力發(fā)電機組成，并網(wǎng)電壓為690 V，系統(tǒng)頻率為50 Hz，采樣時間為1 min/次，總采樣數(shù)據(jù)點為500。風(fēng)電輸出功率曲線如圖5所示。

本文采用db9小波將風(fēng)電輸出功率信號作4層分解，設(shè)低頻信號的頻率界限為0.2 Hz，將低頻重構(gòu)信號(4, 0)作為風(fēng)電并網(wǎng)期望值，如圖6所示。

圖5風(fēng)電輸出功率曲線

圖6低頻重構(gòu)信號曲線

由圖可知，低頻信號變化的趨勢與原始信號相近，但其波動幅度很小，曲線較為平滑。將高頻重構(gòu)信號分解為次高頻信號和最高頻信號，本文將重構(gòu)信號的(4, 1)~(4, 3)作為次高頻信號，將(4, 4)~(4, 15)作為最高頻信號，次高頻信號和最高頻信號的對比圖如圖7所示。由圖7可知，次高頻信號波動頻率較小，幅值較大，最高頻信號波動頻率較高，幅值較小，充分利用了蓄電池、超級電容器互補特性。

圖7風(fēng)電輸出功率小波包分解圖

本文采用Matlab工具箱中的高斯逼近法擬合蓄電池和超級電容器輸出功率的概率密度函數(shù)，蓄電池采用5階高斯逼近，擬合度為0.993，其概率密度曲線與函數(shù)對比如圖8所示，其中實線代表概率密度曲線，虛線代表擬合后的概率密度函數(shù)曲線。超級電容器采用5階高斯逼近，擬合度為0.998，其概率密度曲線與函數(shù)對比如圖9所示，其中實線代表概率密度曲線，虛線代表擬合后概率密度函數(shù)曲線。蓄電池和超級電容器的概率密度函數(shù)分布系數(shù)如表1、表2所示。

由圖8和圖9可知蓄電池輸出功率為[0，9.347]，超級電容器輸出功率范圍為[0，8.521]，根據(jù)輸出功率的概率密度函數(shù)可求得蓄電池和超級電容器輸出功率幅值均值分別為1.6 MW和0.78 MW，最終求得蓄電池和超級電容器儲能系統(tǒng)容量分別為6.66 MWh和3.2 MWh。

圖8蓄電池概率密度曲線與概率密度函數(shù)對比圖

圖9超級電容器概率密度曲線與概率密度函數(shù)對比圖

表1蓄電池概率密度函數(shù)系數(shù)

Table 1 Probability density function coefficient of battery

表2超級電容器概率密度函數(shù)系數(shù)

Table 2 Probability density function coefficient of super-capacitor

在Matlab/Simulink仿真平臺上搭建風(fēng)電混合儲能系統(tǒng)模型，系統(tǒng)結(jié)構(gòu)圖如圖1所示。蓄電池儲能采用M12-3.3型鉛酸蓄電池，并采用1 575節(jié)串聯(lián)的連接方式，其額定容量約為6.72 MWh；超級電容器儲能采用UCPY3000F型超級電容，并采用150個串聯(lián)的連接方式，其額定容量為3 MWh。混合儲能系統(tǒng)并聯(lián)在雙饋式風(fēng)力發(fā)電機的并網(wǎng)側(cè)。經(jīng)GB/T19963-2011風(fēng)電場接入電力系統(tǒng)技術(shù)規(guī)定，裝機容量30~150 MW以下的風(fēng)電場1 min的有功功率變化最大限值不能超過裝機容量的1/10，因此本文設(shè)置功率變化限值為3 MW。圖10為風(fēng)電輸出功率經(jīng)小波包分解的低頻部分功率最大變化量與功率變化限值的對比圖。由圖10可知，低頻部分的最大功率變化范圍為0~1.288 MW，低于功率變化限值，滿足風(fēng)電并網(wǎng)標準，證明了采用小波包分解低頻部分作為風(fēng)電并網(wǎng)期望值的可行性。圖11為混合儲能經(jīng)小波包分解與經(jīng)低通濾波分解PCC點輸出功率的對比圖。由圖11可知，小波包分解風(fēng)電混合儲能輸出功率波動范圍為0~27 MW，曲線對小波包分解低頻信號的跟蹤性能好，曲線平滑。而低通濾波分解風(fēng)電混合儲能輸出功率波動范圍為0~24 MW，其輸出功率曲線有明顯的滯后性，啟動時輸出功率波動大會造成儲能系統(tǒng)荷電狀態(tài)變化大，影響儲能系統(tǒng)使用壽命，且輸出功率曲線平滑性較差。綜上所述，小波包分解性能優(yōu)于低通濾波。圖12為蓄電池、超級電容器所吸收和補償?shù)挠泄β剩梢钥吹匠夒娙菅a償了風(fēng)電波動功率中高頻部分，而蓄電池則補償了次高頻部分。因此由超級電容器作為輔助設(shè)備的儲能系統(tǒng)，使蓄電池的充放電周期變大，其充放電次數(shù)也將明顯減少，從而延長了蓄電池的壽命。

圖10功率最大變化量對比圖

圖11小波包分解混合儲能與低通濾波混合儲能風(fēng)電輸出功率對比圖

圖12蓄電池和超級電容器輸出功率對比圖

混合儲能系統(tǒng)荷電狀態(tài)(SOC)是衡量儲能裝置是否工作于正常狀態(tài)的重要依據(jù)之一，也是衡量儲能容量大小的重要參考因素。由于本文混合儲能系統(tǒng)采用串聯(lián)的連接方式，在忽略串聯(lián)均壓的情況下，所有儲能電池的荷電狀態(tài)都必須處于安全范圍內(nèi)。將蓄電池儲能系統(tǒng)SOC初值設(shè)為50%，超級電容器SOC初值設(shè)為65%，圖13為蓄電池與超級電容器SOC變化曲線。其中虛線為蓄電池SOC，實線為超級電容器SOC。

顯然，方案C的整體評價較為均衡，但各項指標得分普遍較低。方案A的物流服務(wù)半徑和能力、與城市規(guī)劃協(xié)調(diào)性兩項指標得分值相對較高，表明該方案將有效迎合城市規(guī)劃和滿足客戶服務(wù)需求，但建設(shè)成本較大。方案B雖在土地資源利用方面得分最低，但該方案建設(shè)成本少、投資回收期短、交通便利且年用電量最高，這說明方案B更能滿足企業(yè)利益需求。

圖13混合儲能系統(tǒng)荷電狀態(tài)曲線

由圖13可知，蓄電池SOC波動范圍為50%~78%，超級電容器SOC波動范圍為65%~67%，由此可知采用上述容量配置，蓄電池與超級電容器的SOC均處于安全范圍內(nèi)，避免了過充過放。且蓄電池的SOC變化幅度大，變化頻率小，提高了其使用壽命，而超級電容器的SOC的變化幅度小，變化頻率大，充分發(fā)揮了其快速充放電的特性，提高了混合儲能系統(tǒng)的穩(wěn)定性，進一步證明了該容量配置的有效性。

5 結(jié)論

本文采用小波包分解將風(fēng)電輸出功率分解為低頻部分和高頻部分，將低頻部分作為并網(wǎng)期望值，高頻部分由混合儲能系統(tǒng)平抑。將高頻部分通過低通濾波器分解為次高頻部分和最高頻部分，根據(jù)蓄電池、超級電容器的互補特性分別用其平抑次高頻和最高頻波動。通過高斯逼近法擬合波動功率的概率密度函數(shù)，計算混合儲能系統(tǒng)容量。搭建了風(fēng)電混合儲能系統(tǒng)仿真模型，通過分析并網(wǎng)功率以及混合儲能系統(tǒng)的荷電狀態(tài)，證明了容量配置算法的有效性。

[1] 吳云亮, 孫元章, 徐箭, 等. 基于飽和控制理論的儲能 裝置容量配置方法[J]. 中國電機工程學(xué)報, 2011, 31(22): 32-39.

WU Yunliang, SUN Yuanzhang, XU Jian, et al. Determination methodology for energy storage capacity based on saturation control theory[J]. Proceedings of the CSEE, 2011, 31(22): 32-39.

[2] 張坤, 毛承雄, 謝俊文, 等. 風(fēng)電場復(fù)合儲能系統(tǒng)容量配置的優(yōu)化設(shè)計[J]. 中國電機工程學(xué)報, 2012, 32(25): 79-87.

ZHANG Kun, MAO Chengxiong, XIE Junwen, et al. Optimal design of hybrid storage system capacity for wind farms[J]. Proceedings of the CSEE, 2012, 32(25): 79-87.

[3] 謝石驍, 楊莉, 李麗娜. 基于機會約束規(guī)劃的混合儲能優(yōu)化配置方法[J]. 電網(wǎng)技術(shù), 2012, 36(5): 79-84.

XIE Shixiao, YANG Li, LI Lina. A chance constrained programming based optimal configuration method of hybrid energy storage system[J]. Power system Technology, 2012, 36(5): 79-84.

LI Cheng, YANG Xiu, ZHANG Meixia, et al. Optimal configuration scheme for hybrid energy storage system of super-capacitors and batteries based on cost analysis[J]. Automation of Electric Power Systems, 2013, 37(18): 20-24.

[5] 梁亮, 李建林, 惠東. 大型風(fēng)電場用儲能裝置容量的優(yōu)化配置[J]. 高電壓技術(shù), 2011, 37(4): 930-936.

LIANG Liang, LI Jianlin, HUI Dong. Optimization configuration for capacity of energy storage system in large-scale wind farm[J]. High Voltage Engineering, 2011, 37(4): 930-936.

[6] 韓濤, 盧繼平, 喬梁, 等. 大型并網(wǎng)風(fēng)電場儲能容量優(yōu) 化方案[J]. 電網(wǎng)技術(shù), 2010, 34(1): 170-173.

HAN Tao, LU Jiping, QIAO Liang, et al. Optimized scheme of energy-storage capacity for grid-connected large-scale wind farm[J]. Power System Technology, 2010, 34(1): 170-173.

[7] 盧蕓, 趙永來. 基于風(fēng)電場混合儲能系統(tǒng)容量配置的 研究[C] // 第十屆沈陽科學(xué)學(xué)術(shù)年會論文集, 沈陽, 2013.

LU Yun, ZHAO Yonglai. Research on capacity configuration of hybrid energy storage system in wind farm[C] // The Tenth Shenyang Science Annual Conference Proceedings, Shenyang, 2013.

[8] NISHAD M, KASHEM M, SARATH P. Management of battery-supercapacitor hybrid energy storage and synchronous condenser for isolated operation of PMSG based variable-speed wind turbine generating systems[J]. IEEE Transactions on Smart Grid, 2014, 5(2): 944-953.

[9] 于芃, 趙瑜, 周瑋, 等. 基于混合儲能系統(tǒng)的平抑風(fēng)電波動功率方法的研究[J]. 電力系統(tǒng)保護與控制, 2011, 39(24): 35-40.

YU Peng, ZHAO Yu, ZHOU Wei, et al. Research on the method based on hybrid energy storage system for balancing fluctuate wind power[J]. Power System Protection and Control, 2011, 39(24): 35-40.

[10]桑丙玉, 陶以彬, 鄭高, 等. 超級電容-蓄電池混和儲能拓撲結(jié)構(gòu)和控制策略研究[J]. 電力系統(tǒng)保護與控制, 2014, 42(2): 1-6.

SANG Bingyu, TAO Yibin, ZHENG Gao, et al. Research on topology and control strategy of the super-capacitor and battery hybrid energy storage[J]. Power System Protection and Control, 2014, 42(2): 1-6.

[11]WEE K W, CHOI S S, VILATHGAMUWA D M. Design of a least-cost battery-supercapacitor energy storage system for realizing dispatchable wind power[J]. IEEE Transactions on Sustainable Energy, 2013, 4(3): 786-796.

[12] ZHANG S, CHEN J, SHE L H. Use of optimal wavelet packet decomposition for the long-term prediction of variable-bit-rate video traffic[J]. IET Journals & Magazines, 2010, 4(11): 1277-1287.

[13]馬速良, 蔣小平, 馬會萌, 等. 平抑風(fēng)電波動的混合儲能系統(tǒng)的容量配置[J]. 電力系統(tǒng)保護與控制, 2014, 42(8): 108-114.

MA Suliang, JIANG Xiaoping, MA Huimeng, et al. Capacity configuration of the hybrid energy storage system for wind power smoothing[J]. Power System Protection and Control, 2014, 42(8): 108-114.

[14]張國駒, 唐西勝, 齊智平. 平抑間歇式電源功率波動的混合儲能系統(tǒng)設(shè)計[J]. 電力系統(tǒng)自動化, 2011, 35(20): 24-28.

ZHANG Guoju, TANG Xisheng, QI Zhiping. Design of a hybrid energy storage system on leveling off fluctuating power outputs of intermittent sources[J]. Automation of Electric Power Systems, 2011, 35(20): 24-28.

[15]鮑雪娜, 張建成, 徐明, 等. 基于混和儲能的并網(wǎng)光伏電站有功分級控制策略[J]. 電力系統(tǒng)自動化, 2013, 37(1): 115-121.

BAO Xuena, ZHANG Jiancheng, XU Ming, et al. Active power hierarchical control strategy of interconnected Photovoltaic station based on hybrid energy storage[J]. Automation of Electric Power Systems, 2013, 37(1): 115-121.

[16]盧蕓, 趙永來. 基于模糊神經(jīng)網(wǎng)絡(luò)風(fēng)電混合儲能系統(tǒng)優(yōu)化控制[J]. 電力系統(tǒng)保護與控制, 2014, 42(12): 113-118.

LU Yun, ZHAO Yonglai. Optimal control in a wind power hybrid energy storage system based on fuzzy neural network[J]. Power System Protection and Control, 2014, 42(12): 113-118.

(編輯 葛艷娜)

Wind power hybrid energy storage capacity configuration based on wavelet packet decomposition

LU Yun, XU Jun

(College of Electrical Engineering, Shenyang University of Technology, Shenyang 110870, China)

This paper sets up a method of hybrid energy storage capacity configuration based on wavelet packet decomposition. Wind power is firstly decomposed into low frequency section and high frequency section by wavelet packet decomposition, and using low frequency section as the target of grid-connected power while high frequency section is divided into medium-high and highest on the base of the complementary property of battery and super-capacitor. Besides, the method of Gaussian approximation is adopted to fit the probability density function so that the capacity configuration of energy storage system can be calculated finally. The hybrid energy storage system simulation model is set up based on Matlab/Simulink. So the effectiveness of the capacity configuration can be verified by the fluctuation range and the state of charge (SOC) of energy storage system.

wind power generation; capacity configuration; wavelet packet decomposition; hybrid storage system; Gaussian approximation

10.7667/PSPC151171

2015-07-08；

2015-08-28

盧 蕓(1963-)，女，博士，副教授，研究方向為電力系統(tǒng)運行、優(yōu)化與控制；

徐駿(1990-)，男，碩士研究生，研究方向為電力系統(tǒng)運行、優(yōu)化與控制。E-mail: 332006485@qq.com

沈陽市科技計劃項目(F14-231-1-27)