楊錫運(yùn)，曹超，李相俊,任杰,高峰,吳子晗

(1.華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院，北京市 102206；2.上海電氣集團(tuán)股份有限公司中央研究院，上海市 200070；3.中國(guó)電力科學(xué)研究院，北京市 100192)

基于模糊經(jīng)驗(yàn)?zāi)B(tài)分解的電池儲(chǔ)能系統(tǒng)平滑風(fēng)電出力控制策略

楊錫運(yùn)1，曹超2，李相俊3,任杰1,高峰1,吳子晗1

(1.華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院，北京市 102206；2.上海電氣集團(tuán)股份有限公司中央研究院，上海市 200070；3.中國(guó)電力科學(xué)研究院，北京市 100192)

為減少風(fēng)電波動(dòng)率，提高并網(wǎng)可靠性，提出一種基于模糊經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition，EMD)的儲(chǔ)能系統(tǒng)平滑風(fēng)電功率波動(dòng)的控制策略。采用經(jīng)驗(yàn)?zāi)B(tài)分解對(duì)風(fēng)電功率進(jìn)行濾波，低頻分量并網(wǎng)，高頻分量并入電池儲(chǔ)能系統(tǒng)(battery energy storage system，BESS)。使用平滑后風(fēng)電波動(dòng)率和儲(chǔ)能電池荷電狀態(tài)(state of charge，SOC)作為約束條件，利用模糊控制算法，自適應(yīng)在線調(diào)整EMD濾波階數(shù)，通過模糊自適應(yīng)控制器，能夠更好地平滑風(fēng)電波動(dòng)。對(duì)比其他平抑風(fēng)電功率儲(chǔ)能控制策略，仿真實(shí)例表明，該方法可以有效地平抑風(fēng)電功率波動(dòng)，避免儲(chǔ)能電池過充過放，穩(wěn)定儲(chǔ)能荷電狀態(tài)。

經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)；功率平滑；模糊控制；波動(dòng)率；荷電狀態(tài)(SOC)

0 引 言

風(fēng)能具有間歇性和隨機(jī)性等特點(diǎn)，風(fēng)電功率直接并網(wǎng)會(huì)對(duì)電網(wǎng)產(chǎn)生巨大沖擊，影響電網(wǎng)運(yùn)行的穩(wěn)定性和安全性。因此，國(guó)家出臺(tái)了風(fēng)電接入電網(wǎng)的技術(shù)規(guī)定，保障風(fēng)電并網(wǎng)質(zhì)量[1]。在風(fēng)電場(chǎng)出口處配置一定容量的儲(chǔ)能系統(tǒng)，可以有效地平抑風(fēng)電場(chǎng)的功率波動(dòng)，提高電力系統(tǒng)的穩(wěn)定性[2-3]。

儲(chǔ)能系統(tǒng)的并網(wǎng)控制策略非常重要，控制不合理很容易導(dǎo)致儲(chǔ)能裝置出現(xiàn)過充、過放，嚴(yán)重影響儲(chǔ)能電池的壽命，并網(wǎng)功率波動(dòng)過大也會(huì)影響電網(wǎng)的穩(wěn)定性。文獻(xiàn)[4]提出基于一階低通濾波器的儲(chǔ)能系統(tǒng)平滑風(fēng)電功率波動(dòng)的控制策略。文獻(xiàn)[5]利用人工神經(jīng)網(wǎng)絡(luò)算法對(duì)儲(chǔ)能系統(tǒng)進(jìn)行優(yōu)化控制，將功率波動(dòng)控制在較小的范圍內(nèi)。文獻(xiàn)[6]采用移動(dòng)平均法對(duì)風(fēng)電功率進(jìn)行平滑。但上述文獻(xiàn)均沒有考慮儲(chǔ)能系統(tǒng)的荷電狀態(tài)(state of charge，SOC)，容易造成儲(chǔ)能系統(tǒng)的過度充放電。文獻(xiàn)[7-8]考慮儲(chǔ)能系統(tǒng)的SOC和低通濾波相結(jié)合的方法進(jìn)行功率平滑，但低通濾波存在遲延的問題，很難克服，低通濾波器的時(shí)間常數(shù)選擇將直接影響風(fēng)電功率的平滑效果。文獻(xiàn)[9]提出了基于定階經(jīng)驗(yàn)?zāi)B(tài)分解(empirical mode decomposition，EMD)的儲(chǔ)能容量?jī)?yōu)化的方法，但未充分考慮波動(dòng)率及儲(chǔ)能系統(tǒng)的SOC，會(huì)出現(xiàn)一些時(shí)刻波動(dòng)率不滿足并網(wǎng)的要求。

本文提出基于模糊變階經(jīng)驗(yàn)?zāi)B(tài)分解的儲(chǔ)能系統(tǒng)平滑風(fēng)電功率的控制策略?；诮?jīng)驗(yàn)?zāi)B(tài)分解的方法，將風(fēng)電功率信號(hào)分解成低頻信號(hào)和高頻信號(hào)。低頻信號(hào)作為并網(wǎng)功率信號(hào)；高頻信號(hào)作為儲(chǔ)能電池吸收功率信號(hào)，以平抑風(fēng)電功率波動(dòng)。由于EMD濾波器的階次選擇會(huì)直接影響確定的低頻信號(hào)和高頻信號(hào)，從而影響平滑風(fēng)電出力的效果。提出采用平滑后波動(dòng)率和儲(chǔ)能電池荷電狀態(tài)為約束條件下的模糊變階EMD的方法，該方案綜合波動(dòng)率和SOC狀況，通過模糊決策在線調(diào)節(jié)EMD濾波階數(shù)，通過模糊自適應(yīng)控制器，達(dá)到既能防止儲(chǔ)能系統(tǒng)出現(xiàn)過充和過放現(xiàn)象，保持儲(chǔ)能系統(tǒng)良好性能，又兼具較好的平滑風(fēng)電輸出的效果。對(duì)比不同的風(fēng)電功率平滑策略，仿真驗(yàn)證本方法的有效性。

1 風(fēng)電功率信號(hào)的經(jīng)驗(yàn)?zāi)B(tài)分解

1.1 風(fēng)電功率的頻譜分析

風(fēng)電場(chǎng)的功率變化與風(fēng)速變化密切相關(guān)。風(fēng)電場(chǎng)的風(fēng)速特性表現(xiàn)為低頻變化占據(jù)的幅值成分較大，高頻變化的風(fēng)速幅值較小[10]。因此，風(fēng)電場(chǎng)功率信號(hào)的能量應(yīng)主要集中在低頻部分。采用某49.5 MW風(fēng)電場(chǎng)2010年半年的實(shí)際功率，采樣時(shí)間為1 min，對(duì)該數(shù)據(jù)進(jìn)行快速傅里葉變換，得到幅頻特性曲線，如圖1所示。

由圖1可知，風(fēng)電場(chǎng)功率的能量主要集中在低頻部分(0～10-4Hz)，高頻部分能量較低。根據(jù)頻域理論，如果保留其一定帶寬的低頻成分，重構(gòu)后的功率信號(hào)將包含原功率信號(hào)的主要能量，而且重構(gòu)后的信號(hào)在時(shí)域上的功率圖形將比原時(shí)域功率信號(hào)平滑。因此，本文將高頻功率信號(hào)作為儲(chǔ)能系統(tǒng)吸收功率的期望值，低頻功率信號(hào)作為風(fēng)電并網(wǎng)的期望值。如何合理地分解風(fēng)電場(chǎng)輸出功率的低頻信號(hào)和高頻信號(hào)，將影響風(fēng)電功率的平滑效果，本文采用EMD方法將風(fēng)電場(chǎng)輸出功率信號(hào)分解成高頻信號(hào)和低頻信號(hào)。

1.2 經(jīng)驗(yàn)?zāi)B(tài)分解的基本步驟

EMD分解方法是把原始信號(hào)分解成若干個(gè)固有模態(tài)函數(shù)(intrinsic mode function，IMF)和余量。固有模態(tài)函數(shù)必須滿足2個(gè)條件[11]：(1)在整個(gè)數(shù)據(jù)序列中，極值點(diǎn)的數(shù)量與過零點(diǎn)的數(shù)量必須相等，或最多相差不能超過1個(gè)；(2)在任一時(shí)間點(diǎn)上，信號(hào)的局部最大值和局部最小值定義的包絡(luò)平均值為0。這2個(gè)條件使分解得到的IMF是窄帶信號(hào)。

對(duì)于一個(gè)時(shí)間信號(hào)進(jìn)行EMD分解的步驟如下。

(1)尋找信號(hào)的所有極大值和極小值，然后采用三次樣條插值算法分別獲得信號(hào)的上包絡(luò)線eupp(t)和下包絡(luò)線elow(t)，并計(jì)算出2條包絡(luò)線的平均值m1(t)為

(1)

(2)設(shè)變量x1(t)，令其為

x1(t)=x(t)-m1(t)

(2)

若公式(2)滿足IMF的2個(gè)條件，則可以將x1(t)作為第1個(gè)IMF分量，并記為c1(t)；否則作為原始信號(hào)，重復(fù)步驟(1)和步驟(2)，直到得到第1個(gè)IMF分量。

(3)計(jì)算剩余信號(hào)r1(t)=x(t)-c1(t)，把其作為新的信號(hào)，重復(fù)步驟(1)和步驟(2)，直到提取所有IMF分量。當(dāng)剩余的信號(hào)為非振蕩的單調(diào)函數(shù)或小于預(yù)定值的常數(shù)時(shí)，認(rèn)為分解完畢。原始的數(shù)據(jù)最終分解為n個(gè)IMF分量和1個(gè)剩余的rn(t)，即

(3)

1.3 風(fēng)電功率信號(hào)的EMD分解

圖2為某風(fēng)電場(chǎng)某日風(fēng)電的實(shí)際功率，數(shù)據(jù)采樣間隔為1 min。

圖2 某風(fēng)電場(chǎng)某日的風(fēng)電實(shí)際功率曲線Fig.2 Curves of real power at a wind farm in a day

采用EMD對(duì)風(fēng)電功率信號(hào)進(jìn)行分解，得到各階IMF分量，如圖3所示。

圖3 基于EMD的風(fēng)電功率信號(hào)分解曲線Fig.3 Curves of wind power signals decomposed by EMD

由圖3可知，IMF分量階數(shù)越高，則其所含瞬時(shí)頻率成分越低。使用EMD進(jìn)行濾波時(shí)，將k階之后的所有IMF分量之和的低頻部分作為并網(wǎng)輸出功率，從第1階到第k階的IMF分量之和為高頻部分，由儲(chǔ)能電池吸收。其中，濾波階數(shù)k的取值將對(duì)平滑效果產(chǎn)生很大的影響。本文提出考慮平滑波動(dòng)率和儲(chǔ)能電池SOC約束的模糊變階EMD的電池儲(chǔ)能平抑風(fēng)電功率的算法。

2 基于模糊變階EMD的風(fēng)電功率平滑策略

2.1 基于EMD的風(fēng)儲(chǔ)聯(lián)合發(fā)電系統(tǒng)結(jié)構(gòu)

利用電池儲(chǔ)能系統(tǒng)(battery energy storage system，BESS)平滑風(fēng)電功率波動(dòng)雖然會(huì)增加發(fā)電側(cè)的投資成本，但可以提高風(fēng)力發(fā)電站功率輸出的穩(wěn)定性，提高風(fēng)電并網(wǎng)的穩(wěn)定性和可調(diào)度性，減少因波動(dòng)率過高而導(dǎo)致的棄風(fēng)電量，給風(fēng)電場(chǎng)帶來一定的效益。

本文采用經(jīng)驗(yàn)?zāi)B(tài)分解方法控制儲(chǔ)能系統(tǒng)的出力，平抑風(fēng)電功率波動(dòng)。圖4為典型的基于BESS的風(fēng)力發(fā)電系統(tǒng)。Pw為t時(shí)刻的風(fēng)電功率；Pbat為風(fēng)電功率與平抑后系統(tǒng)輸出功率的差值；Psmooth為并網(wǎng)功率。BESS通過儲(chǔ)能并網(wǎng)逆變器接入電網(wǎng)，風(fēng)電功率經(jīng)過儲(chǔ)能系統(tǒng)平滑得到較為平滑的并網(wǎng)功率，從而增加風(fēng)電并網(wǎng)的可靠性[12]。

圖4 基于BESS的風(fēng)力發(fā)電系統(tǒng)Fig.4 Wind power generation system with BESS

2.2 基于模糊變階EMD濾波的風(fēng)電功率平滑

利用EMD濾波，將低頻信號(hào)作為風(fēng)電功率期望值，高頻信號(hào)作為儲(chǔ)能電池吸收功率期望值，可有效實(shí)現(xiàn)平滑風(fēng)電功率輸出。本文提出一種基于模糊控制的方法，自適應(yīng)調(diào)節(jié)EMD濾波階數(shù)的平滑功率方法，可以有效地平抑風(fēng)電功率波動(dòng)，并且較好地維持儲(chǔ)能電池荷電狀態(tài)的穩(wěn)定。

圖5為儲(chǔ)能系統(tǒng)的控制策略。Pr為平抑后輸出功率。風(fēng)電功率進(jìn)行EMD分解，得到一系列固有模態(tài)函數(shù)和余量?；诜纸饨Y(jié)果，將平滑波動(dòng)率、儲(chǔ)能電池SOC作為模糊控制的輸入，EMD濾波階數(shù)為輸出。根據(jù)濾波階數(shù)，通過模糊自適應(yīng)控制器，確定下一時(shí)刻的平滑輸出結(jié)果[13]。

圖5 儲(chǔ)能系統(tǒng)控制策略Fig.5 Control strategy of BESS

EMD濾波階次調(diào)整策略如下。

儲(chǔ)能系統(tǒng)荷電狀態(tài)是衡量?jī)?chǔ)能系統(tǒng)是否正常運(yùn)行的重要參數(shù)，荷電狀態(tài)計(jì)算公式為

CSOC,t=CSOC,t-Δt+PbatΔt/Cbat

(4)

式中：Cbat為所配置的儲(chǔ)能系統(tǒng)額定容量；Δt為采樣時(shí)間間隔；CSOC初始值為0.5。本文將BESS的SOC劃分為3個(gè)層次，分別為高、中、低。當(dāng)SOC偏高時(shí)，若處在充電狀態(tài)下，則選擇較低的濾波階數(shù)，防止蓄電池儲(chǔ)能系統(tǒng)出現(xiàn)過度充電的狀況；若處在放電狀態(tài)下，則選擇較高的濾波階數(shù)，從而相對(duì)增大電池儲(chǔ)能系統(tǒng)的放電功率，加速其荷電狀態(tài)的降低，使之向著適中的荷電狀態(tài)變化，反之亦然。

平抑風(fēng)電發(fā)電波動(dòng)的主要目的是限制風(fēng)電場(chǎng)輸出功率的變化率，本文的風(fēng)電波動(dòng)率計(jì)算公式為

(5)

式中：δ為10 min波動(dòng)率；Pmax為10 min內(nèi)風(fēng)電平滑最大出力；Pmin為10 min內(nèi)風(fēng)電平滑最小出力；Ccap為風(fēng)電場(chǎng)開機(jī)容量。將平滑波動(dòng)率劃分為3個(gè)層次，分別為波動(dòng)率大、中、小。當(dāng)風(fēng)電波動(dòng)大的時(shí)候，則加大儲(chǔ)能平滑風(fēng)電功率的力度，選擇較高的濾波階數(shù)，以達(dá)到盡可能減緩風(fēng)電波動(dòng)的目的；當(dāng)風(fēng)電波動(dòng)小的時(shí)候，不需要大力平滑時(shí)，則選擇較小的濾波階數(shù)，減小儲(chǔ)能平滑風(fēng)電功率出力，節(jié)約能源。

圖6為儲(chǔ)能系統(tǒng)的控制流程圖。其中T為對(duì)應(yīng)需要平滑輸出個(gè)數(shù)；t為當(dāng)前采樣點(diǎn)。

2.3 模糊控制器的設(shè)計(jì)

模糊控制器的作用就是根據(jù)平滑后波動(dòng)率、電池的荷電狀態(tài)以及儲(chǔ)能電池充放電狀態(tài)得出合適的濾波階數(shù)，從而實(shí)時(shí)動(dòng)態(tài)平抑風(fēng)電輸出功率，維持儲(chǔ)能系統(tǒng)荷電狀態(tài)在正常工作區(qū)間，調(diào)節(jié)風(fēng)電波動(dòng)率大小[14-15]。

本文設(shè)計(jì)的模糊控制器具有雙輸入和單輸出。2個(gè)輸入分別為平滑后功率波動(dòng)率和電池的荷電狀態(tài)，輸出為濾波階數(shù)值。

控制器的輸入和輸出必須經(jīng)過模糊化后才能進(jìn)行模糊推理運(yùn)算，因此需首先建立輸入和輸出的模糊集和對(duì)應(yīng)的隸屬度函數(shù)。模糊控制器的輸入模糊化過程所采用的隸屬度函數(shù)是常用的聯(lián)合高斯型隸屬函數(shù)和Sigmoid型隸屬函數(shù)。

本文中，平滑波動(dòng)率采用模糊子集{NB,ZO,PB}分別表示當(dāng)前風(fēng)電系統(tǒng)的波動(dòng)情況為{偏低，適中，偏高}。橫坐標(biāo)為平滑波動(dòng)率，范圍為0～0.4?？v坐標(biāo)為隸屬度。儲(chǔ)能電池荷電狀態(tài)采用模糊子集{NB,ZO,PB}表示當(dāng)前儲(chǔ)能系統(tǒng)荷電狀態(tài)值為{偏低，適中，偏高}。橫坐標(biāo)為SOC值，縱坐標(biāo)為隸屬度。輸入量的隸屬度函數(shù)如圖7、8所示。

圖6 儲(chǔ)能系統(tǒng)控制流程圖Fig.6 Control flow chart of BESS

圖7 平滑后功率波動(dòng)率隸屬度函數(shù)Fig.7 Membership functions of power fluctuation rate after smoothing

該模糊控制的模糊推理與去模糊化過程采用Takagi-Sugeno型模糊推理系統(tǒng)使模糊推理與去模糊化相結(jié)合。輸出值為EMD濾波器的階次k，為防止濾波器階次動(dòng)作過于頻繁，本文將模糊控制器輸出的濾波階次進(jìn)一步化簡(jiǎn)為3個(gè)值，分別為k-1、k和k+1。當(dāng)模糊控制器的輸出取整后，濾波階次大于k時(shí)，

圖8 SOC隸屬度函數(shù)Fig.8 Member functions of SOC

其取整為k+1；當(dāng)模糊控制器輸出取整后，濾波階次小于k時(shí)，其取值為k-1；當(dāng)模糊控制器輸出取整后，濾波階次等于k時(shí)，其值取k。其中k是對(duì)風(fēng)電功率數(shù)據(jù)進(jìn)行EMD分解并計(jì)算其標(biāo)準(zhǔn)化模量累積均值得出的濾波階數(shù)基準(zhǔn)值，計(jì)算公式為

(6)

3 仿真分析

以某裝機(jī)容量為49.5 MW的風(fēng)電場(chǎng)2011年某日的實(shí)際運(yùn)行數(shù)據(jù)為例，采樣間隔為Δt=1 min，T為1 440，采用儲(chǔ)能系統(tǒng)平抑其輸出功率波動(dòng)。本文設(shè)定的風(fēng)儲(chǔ)平滑波動(dòng)率的最大目標(biāo)波動(dòng)率為10%。張北國(guó)家風(fēng)光儲(chǔ)輸示范項(xiàng)目一期工程為100 MW風(fēng)電配置20 MW的儲(chǔ)能系統(tǒng)，參考該示范項(xiàng)目的配置比例，設(shè)定仿真中儲(chǔ)能系統(tǒng)的額定功率為10 MW。本文研究平抑風(fēng)電短時(shí)功率波動(dòng)，設(shè)定儲(chǔ)能系統(tǒng)的額定時(shí)間為1 h，即儲(chǔ)能系統(tǒng)額定容量為10 MW·h。對(duì)風(fēng)電功率數(shù)據(jù)進(jìn)行EMD分解并計(jì)算其標(biāo)準(zhǔn)化模量累積均值。第5階IMF分量開始偏離0，因此，k=5。

圖9為平抑前后風(fēng)電場(chǎng)并網(wǎng)功率曲線。從圖9可得，采用模糊變階EMD平滑后的風(fēng)儲(chǔ)聯(lián)合輸出功率能夠很好地跟蹤平抑前的風(fēng)電功率變化趨勢(shì)。圖10為儲(chǔ)能系統(tǒng)輸出功率。圖10展示通過儲(chǔ)能系統(tǒng)的及時(shí)充放電，有效保證了圖9中風(fēng)儲(chǔ)平滑后功率的平抑效果。圖11為風(fēng)電功率原始波動(dòng)率。從圖11中可以看出，原始的風(fēng)電波動(dòng)率較大，大于10%的波動(dòng)率占15.9%。圖12為采用模糊變階EMD平滑波動(dòng)率，波動(dòng)率很好地控制在10%以內(nèi)，這表明本文提出的方案可以有效平抑風(fēng)電功率波動(dòng)。

圖9 平抑前后風(fēng)電場(chǎng)并網(wǎng)功率曲線Fig.9 Grid-connected power curve of wind farm before and after smoothing

圖10 儲(chǔ)能系統(tǒng)輸出功率曲線Fig.10 Power output curve of of BESS

圖11 風(fēng)電原始波動(dòng)率曲線Fig.11 Original fluctuation rate curve of wind power

圖12 采用模糊變階EMD平滑波動(dòng)率曲線Fig.12 Fluctuation rate curve with changing orders of fuzzy EMD filter

為進(jìn)一步檢驗(yàn)本文提出的方案的有效性，與僅考慮儲(chǔ)能SOC值變階EMD的平滑方法進(jìn)行了仿真對(duì)比。僅考慮儲(chǔ)能SOC值變階EMD方法的變階原則為：當(dāng)SOC值>0.7且處于充電狀態(tài)時(shí)或者當(dāng)SOC值<0.3且處于放電狀態(tài)時(shí)，濾波階次取k-1；當(dāng)SOC值>0.7且處于放電狀態(tài)時(shí)或者當(dāng)SOC值<0.3且處于充電狀態(tài)時(shí)，濾波階次取k+1；其他情況，濾波階次取k=5。儲(chǔ)能SOC值約束上限為0.8，下限為0.2。圖13給出了儲(chǔ)能SOC值變階EMD的波動(dòng)率?？梢钥闯龃笥?0%的波動(dòng)率占5%，儲(chǔ)能SOC值變階EMD的平滑方法是以降低波動(dòng)率指標(biāo)為代價(jià)提高儲(chǔ)能電池壽命。而本文提出的控制策略，由于采用波動(dòng)率和SOC為綜合約束條件下的模糊變階，其波動(dòng)率全部控制在10%以內(nèi)。

圖13 采用SOC約束變階EMD平滑方法的波動(dòng)率曲線Fig.13 Fluctuation rate curve with changing orders of EMD filter using SOC constraints

圖14為分別采用儲(chǔ)能SOC值變階EMD平滑和模糊變階EMD平滑2種方法時(shí)，SOC值的仿真對(duì)比。在儲(chǔ)能容量配置固定的情況下，分別采用基于SOC約束變階EMD平滑方法以及模糊變階EMD平滑方法計(jì)算SOC值的變化情況。

圖14 兩種平滑方法SOC值對(duì)比Fig.14 SOC value comparison betwwen two smoothing methods

由圖14可以看出，基于SOC約束變階EMD平滑方法以及模糊變階EMD平滑方法，均可以使電池的SOC值穩(wěn)定在0.2～0.8之間。但基于SOC約束變階EMD平滑方法，在750 min到1 100 min的時(shí)間范圍內(nèi)，SOC值雖然穩(wěn)定在0.2～0.8之間，但對(duì)應(yīng)圖13的波動(dòng)率，可以看出其波動(dòng)率大于10%，即基于SOC約束變階EMD平滑方法是以增大波動(dòng)率來?yè)Q取SOC值的良好指標(biāo)。而本文提出的模糊變階EMD平滑控制策略，由于考慮了SOC和波動(dòng)率綜合約束變階，可使SOC和波動(dòng)率指標(biāo)同時(shí)達(dá)到較優(yōu)，即保證SOC穩(wěn)定在0.2～0.8，同時(shí)波動(dòng)率限制在10%以內(nèi)。

4 結(jié) 論

本文提出了一種平抑風(fēng)電功率波動(dòng)的方法，基于模糊經(jīng)驗(yàn)?zāi)B(tài)分解，將風(fēng)電功率信號(hào)分解成低頻信號(hào)和高頻信號(hào)。將低頻信號(hào)作為風(fēng)電場(chǎng)的并網(wǎng)功率；高頻信號(hào)由儲(chǔ)能電池吸收，以平抑風(fēng)電功率波動(dòng)。為較好地平滑風(fēng)電波動(dòng)率并且穩(wěn)定儲(chǔ)能荷電狀態(tài)，將平滑后波動(dòng)率和儲(chǔ)能電池荷電狀態(tài)作為約束條件，采用模糊自適應(yīng)控制的方法，調(diào)節(jié)EMD濾波階數(shù)以平滑風(fēng)電輸出。仿真分析驗(yàn)證了本文所提控制策略的有效性。與采用SOC約束變階方法進(jìn)行比較，平滑波動(dòng)效果更好，可以將波動(dòng)率控制在10%以內(nèi)，減小了風(fēng)電波動(dòng)給電網(wǎng)帶來的影響，同時(shí)可以穩(wěn)定儲(chǔ)能電池SOC，實(shí)現(xiàn)儲(chǔ)能系統(tǒng)性能指標(biāo)和波動(dòng)率指標(biāo)的協(xié)調(diào)優(yōu)化。

[1]中國(guó)電力科學(xué)研究院.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.

[2]程時(shí)杰，文勁宇，孫海順. 儲(chǔ)能技術(shù)及其在現(xiàn)代電力系統(tǒng)中的應(yīng)用[J].電氣應(yīng)用，2005，24(4)：1-6.

[3]張文亮，丘明，來小康. 儲(chǔ)能技術(shù)在電力系統(tǒng)中的應(yīng)用[J].電網(wǎng)技術(shù)，2008，32(7)：1-9. ZHANG Wenliang，QIU Ming，LAI Xiaokang. Application of energy storage technologies in power grids[J] .Power System Technology，2008，32(7)：1-9.

[4]謝俊文，陸繼明，毛承雄，等.基于變平滑時(shí)間常數(shù)的電池儲(chǔ)能系統(tǒng)優(yōu)化控制方法[J]. 電力系統(tǒng)自動(dòng)化，2013，37(1)：96-102. XIE Junwen，LU Jiming，MAO Chengxiong，et al. Optimal control of battery energy storage system based on variable smoothing time constant[J]. Automation of Electric Power System，2013，37(1)：96-102.

[5]BREKKEN T K A，YOKOCHI A，VON JOUANNE A，et al. Optimal energy storage sizing and control for wind power applications[J]. IEEE Transactions on Sustainable Energy，2011，2(1)：69-77.

[6]ESMAILI A, NOVAKOVIC B, NASIRI A, et al. A hybrid system of Li-Ion capacitors and flow battery for dynamic wind energy support[J]. IEEE Transactions on Industry Applications, 2013, 49(4): 1649-1657.

[7]張野，郭力，賈宏杰，等. 基于電池荷電狀態(tài)和可變?yōu)V波時(shí)間常數(shù)的儲(chǔ)能控制方法[J]. 電力系統(tǒng)自動(dòng)化，2012，36(6)：34-38, 62. ZHANG Ye，GUO Li，JIA Hongjie，et al.An energy management method of hybrid energy storage system based on smoothing control[J].Automation of Electric Power Systems，2012，36(6)：34-38, 62.

[8]張坤，吳建東，毛承雄，等. 基于模糊算法的風(fēng)電儲(chǔ)能系統(tǒng)的優(yōu)化控制[J].電工技術(shù)學(xué)報(bào)，2012，27(10)：235-241. ZHANG Kun, WU Jiandong, MAO Chengxiong，et al.Optimal control of energy storage system for wind power generation based on fuzzy algorithm [J].Transactions of China Electrotechnical Society, 2012，27(10)：235-241.

[9]孟順，謝樺. 基于經(jīng)驗(yàn)?zāi)B(tài)分解的平滑可再生能源功率波動(dòng)的儲(chǔ)能容量?jī)?yōu)化[J]. 電源學(xué)報(bào)，2014，5(5)：7-11, 18. MENG Shun，XIE Hua. Energy storage capacity optimization in smoothing renewable energy power fluctuation based on empirical mode decomposition[J]. Journal of Power Supply，2014，5(5)：7-11, 18.

[10]韓曉娟，陳躍燕，張浩, 等，基于小波包分解的混合儲(chǔ)能技術(shù)在平抑風(fēng)電場(chǎng)功率波動(dòng)中的應(yīng)用[J].中國(guó)電機(jī)工程學(xué)報(bào)，2013，33(19)：8-13 HAN Xiaojuan，CHEN Yueyan，et al. Application of hybrid energy storage technology based on wavelet packet decomposition in smoothing the fluctuations of wind power [J]. Proceedings of the CSEE，2013，33(19)：8-13.

[11]孫暉.經(jīng)驗(yàn)?zāi)B(tài)分解理論與應(yīng)用研究[D].杭州：浙江大學(xué)，2005. SUN Hui. Research on empirical mode decomposition theory and its application[D]. Hangzhou：Zhejiang University，2005.

[12]FLANDRIN P, RILLING G, GONCALVES P. Empirical mode decomposition as a filter bank[J]. IEEE Signal Processing Letters, 2004, 11(2): 112-114.

[13]張步涵，曾杰，毛承雄，等. 電池儲(chǔ)能系統(tǒng)在改善并網(wǎng)風(fēng)電場(chǎng)電能質(zhì)量和穩(wěn)定性中的應(yīng)用[J].電網(wǎng)技術(shù)，2006，30(15)：54-58. ZHANG Buhan，ZENG Jie，MAO Chengxiong，et al. Improvement of power quality and stability of wind farms connected to power grid by battery energy storage system[J]. Power System Technology. 2006，30(15)：54-58. [14]吳振威，蔣小平，馬會(huì)萌，等. 用于混合儲(chǔ)能平抑光伏波動(dòng)的小波包-模糊控制[J]. 中國(guó)電機(jī)工程學(xué)報(bào)，2014，34(3)：317-324. WU Zhenwei，JIANG Xiaoping，MA Huimeng，et al. Wavelet packet-fuzzy control of hybrid energy storage systems for PV power smoothing[J]. Proceedings of the CSEE，2014，34(3)：317-324.

[15]LI X. Fuzzy adaptive Kalman filter for wind power output smoothing with battery energy storage system[J]. IET Renewable Power Generation，2012，6(5)：340-347.

(編輯 景賀峰)

Control Strategy of Smoothing Wind Power Output Using Battery Energy Storage System Based on Fuzzy Empirical Mode Decomposition

YANG Xiyun1, CAO Chao2, LI Xiangjun3, REN Jie1, GAO Feng1, WU Zihan1

(1.School of Control and Computer Engineering, North China Electric Power University, Beijing 102206, China; 2.Central Research Institute of Shanghai Electric Group Co. Ltd, Shanghai 200070, China; 3.China Electrical Power Research Institute, Beijing 100192, China)

To reduce the fluctuation rate of wind power and improve the reliability of grid, this paper proposes a control method of smoothing wind power output with battery energy storage system based on fuzzy empirical mode decomposition (EMD). Wind power is decomposed by EMD into two parts, the low-frequency part is used as wind power grid-connected value and the high-frequency part is stored by battery energy storage system (BESS). Taking the fluctuation rate of wind power output after smoothing and the state of charge (SOC) as constraints, the orders of EMD filter can be adaptively adjusted on-line based on fuzzy control method, which can smooth wind power fluctuation better through fuzzy adaptive controller. Compared with another energy storage system control strategies for smoothing wind power, the simulation results show that the proposed method can effectively smooth the fluctuation of winds power output and avoid the over-charging and over-discharging of energy storage system so as to keep SOC stable.

empirical mode decomposition (EMD); power smoothing; fuzzy control method; fluctuation rate; state of charge (SOC)

中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目(2015MS32)；北京市自然科學(xué)基金項(xiàng)目(4132061)；北京市科技新星計(jì)劃項(xiàng)目(Z141101001814094)；國(guó)家電網(wǎng)公司科技項(xiàng)目(DG71-14-046)

TM 71

A

1000-7229(2016)08-0134-07

10.3969/j.issn.1000-7229.2016.08.021

2016-04-29

楊錫運(yùn)(1973)，女，博士，教授，主要研究方向?yàn)樾履茉窗l(fā)電技術(shù)；

曹超(1990)，男，碩士研究生，主要研究方向?yàn)樾履茉窗l(fā)電控制技術(shù)和儲(chǔ)能技術(shù)；

李相俊(1979)，男，博士，教授級(jí)高級(jí)工程師，主要研究方向?yàn)榇笠?guī)模儲(chǔ)能技術(shù)、新能源與分布式發(fā)電及電力系統(tǒng)分析；

任杰(1992)，男，碩士研究生，主要研究方向?yàn)樾履茉窗l(fā)電控制技術(shù)和儲(chǔ)能技術(shù)；

高峰(1976)，男，博士，講師，主要研究方向?yàn)樾履茉窗l(fā)電技術(shù)；

吳子晗(1990)，男，碩士研究生，主要研究方向?yàn)樾履茉窗l(fā)電技術(shù)。

Project supported by Fundamental Research Funds for the Central Universities(2015MS32)； Beijing Natural Science Foundation (4132061); Beijing New-star Plan of Science and Technology (Z141101001814094); Science and Technology Project of SGCC(DG71-14-046)