利用电池储能系统对风电功率进行自适应平滑处理的方法

摘要

本发明公开了电力控制技术领域中的一种利用电池储能系统对风电功率进行自适应平滑处理的方法。包括：建立二维云模型控制器；采集上一时刻的并网功率，当前时刻的风电功率和电池储能系统的荷电状态；计算当前时刻的风电功率波动率；将当前时刻的风电功率波动率和当前时刻的电池储能系统的荷电状态作为二维云模型控制器的输入数据代入到二维云模型控制器中，计算得出当前时刻的滤波时间常数；计算当前时刻的并网功率和当前时刻的电池储能系统功率；根据当前时刻的电池储能系统功率控制电池储能系统放电。本发明提高了自适应平滑处理的适应性。

权利要求

1.一种利用电池储能系统对风电功率进行自适应平滑处理的方法，其特征是所述方法包括：步骤1：建立二维云模型控制器，具体是：

步骤101：确定风电功率波动率、电池储能系统的荷电状态和滤波时间常数的变化范围并进行归一化处理；归一化后，风电功率波动率的取值范围为[-1,1]，电池储能系统的荷电状态的取值范围为[0,1]，滤波时间常数的取值范围为[0,1]；

步骤102：划分归一化后的风电功率波动率、电池储能系统的荷电状态和滤波时间常数；具体是将归一化后的风电功率波动率按照大小划分为n个各部分，分别记为A1、A2、…An；将归一化后的电池储能系统的荷电状态按照大小划分为m个各部分，分别记为B1、B2、…Bm；将归一化后的滤波时间常数按照大小划分为k个各部分，分别记为C1、C2、…Ck；

步骤103：令A={Ai}，i=1,2,...,n，B={Bj}，j=1,2,...,m，C={Ck}，k=1,2,...k，建立从A×B到C的映射，将其作为二维云模型控制器的控制规则；

步骤2：采集上一时刻的并网功率Pgr(t-Δt)，当前时刻的风电功率Pwg(t)和电池储能系统的荷电状态SOC(t)；

步骤3：计算当前时刻的风电功率波动率 其中Pm为风电场的

装机容量；

步骤4：将当前时刻的风电功率波动率γ(t)和当前时刻的电池储能系统的荷电状态SOC(t)作为二维云模型控制器的输入数据代入到二维云模型控制器中，计算得出当前时刻的滤波时间常数τ(t)；

步骤5：通过一阶低通滤波器公式 计算当前时刻的并网功率，

通过公式Pbess(t)=Pwg(t)-Pgr(t)计算当前时刻的电池储能系统功率；其中，s为复变量；

步骤6：如果当前时刻的电池储能系统功率Pbess(t)大于0，则控制电池储能管理系统对电池储能系统充电；如果当前时刻的电池储能系统功率Pbess(t)小于0，则控制电池储能管理系统对电池储能系统放电；

步骤7：重复步骤2-步骤6，进行下一时刻电池储能系统控制。

说明书

利用电池储能系统对风电功率进行自适应平滑处理的方法

技术领域

[0001] 本发明属于电力控制技术领域，尤其涉及一种利用电池储能系统对风电功率进行自适应平滑处理的方法。

背景技术

[0002] 由于风电等新能源发电具有间歇性和波动性等特点，其大规模接入会给电网发电调度和调频调峰增加显著的困难，同时还会对系统稳定性以及电能质量等带来不利影响。因此，从电网安全经济运行的角度出发，大规模间歇式电源接入必须是可调度的，即有功功率和无功功率必须得到合理有效的控制，其输出功率波动应得到合理的平抑，风电功率在并网之前应进行平滑处理。

[0003] 依靠大规模储能与大容量风力发电系统的结合是解决间歇性能源并网困难的重要研究方向。依靠电池储能系统来平滑风电功率，使风电这种间歇性、波动性很强的可再生能源向可控性能源转变，从而使电网对这种最接近规模化发展的能源调度变为可能。

[0004] 利用一阶低通滤波器实现电池储能系统平滑风电功率已经成为常用的方法之一，它具有算法简单、工程上容易实现的特点。但是，该方法不能随着风电场和储能系统的工况实时地调整电池储能系统平滑风电功率的能力，存在一定的局限性。有专家提出用自适应滤波的方法，如名称为“基于储能电池荷电状态反馈的风电出力自适应平滑方法”，申请号为201110059831.2（公布号：CN 102163849A）的中国专利申请。该方法实现了依据电池储能系统的电池荷电状态（SOC）自适应地调整一阶低通滤波器的时间常数，起到了保护储能系统的作用。但是，该方法一方面只考虑到SOC的限制因素，没有考虑当前的波动情况，控制上不够全面；另一方面，在自适应算法上不具备普遍的适用性。

[0005] 云模型控制是将人用自然语言值表达的控制经验通过定性规则，实现定性知识的推理与控制，它兼具随机性和模糊性的特点，且不要求给出被控对象的精确数学模型，这些条件符合了自适应平滑风电功率的需求，具备了能够实现风电与电池储能系统的自适应协调控制的能力。

[0006] 云模型控制器由四类云发生器共同组成：(1)正向云发生器，从定性到定量的映射，根据云的三个数字特征（期望，熵，超熵）产生云滴的过程。(2)逆向云发生器，实现从定量值到定性概念转换的模型，它将一定数量的精确数据转换为以云的三个数字特征表示的定性概念。(3)前件云发生器是给定论域中一个特定的点，通过云发生器可以生成这个特定点属于某一个概念的分布；(4)后件云发生器是给定一确定度，通过云发生器可以生成论域中某个概念上满足这个确定的云滴的分布。

[0007] 采用二维前件云发生器与一维后件云发生器构成双条件单规则云发生器，再由若干个双条件单规则云发生器组成双条件多规则云发生器，当某一输入激发各单规则发生器的前件时，每一个前件发生器便随机产生一组确定度，这些确定度又随机的刺激各规则后件发生器产生一组云滴，将所有产生的云滴通过逆向云发生器，再经过一个正向发生器即得最后的输出。上述方式构成了一个完整的二维云模型控制器。通过二维云模型控制器对一阶低通滤波器的滤波时间常数的控制，达到间接控制电池储能系统平滑风电的强弱。借助云模型在不确定性转换上的优势，最大限度地满足整个系统的自适应的要求。

发明内容

[0008] 本发明的目的在于，提供一种利用电池储能系统对风电功率进行自适应平滑处理的方法，通过对一阶低通滤波器的滤波时间常数的控制，间接控制电池储能系统，从而达到自适应平滑风电功率的目的。

[0009] 为实现上述目的，本发明提供的技术方案是，一种利用电池储能系统对风电功率进行自适应平滑处理的方法，其特征是所述方法包括：

[0010] 步骤1：建立二维云模型控制器；

[0011] 步骤2：采集上一时刻的并网功率Pgr(t-Δt)，当前时刻的风电功率Pwg(t)和电池储能系统的荷电状态SOC(t)；

[0012] 步骤3：计算当前时刻的风电功率波动率 其中Pm为风电场的装机容量；

[0013] 步骤4：将当前时刻的风电功率波动率γ(t)和当前时刻的电池储能系统的荷电状态SOC(t)作为二维云模型控制器的输入数据代入到二维云模型控制器中，计算得出当前时刻的滤波时间常数τ(t)；

[0014] 步骤5：通过一阶低通滤波器公式 计算当前时刻的并网功率，通过公式Pbess(t)=Pwg(t)-Pgr(t)计算当前时刻的电池储能系统功率；其中，s为复变量；

[0015] 步骤6：如果当前时刻的电池储能系统功率Pbess(t)大于0，则控制电池储能管理系统对电池储能系统充电；如果当前时刻的电池储能系统功率Pbess(t)小于0，则控制电池储能管理系统对电池储能系统放电；

[0016] 步骤7：重复步骤2-步骤6，进行下一时刻电池储能系统控制。

[0017] 所述建立二维云模型控制器具体是：

[0018] 步骤101：确定风电功率波动率、电池储能系统的荷电状态和滤波时间常数的变化范围并进行归一化处理；归一化后，风电功率波动率的取值范围为[-1,1]，电池储能系统的荷电状态的取值范围为[0,1]，滤波时间常数的取值范围为[0,1]；

[0019] 步骤102：划分归一化后的风电功率波动率、电池储能系统的荷电状态和滤波时间常数；具体是将归一化后的风电功率波动率按照大小划分为n个各部分，分别记为A1、A2、…An；将归一化后的电池储能系统的荷电状态按照大小划分为m个各部分，分别记为B1、B2、…Bm；将归一化后的滤波时间常数按照大小划分为k个各部分，分别记为C1、C2、…Ck；

[0020] 步骤103：令A={Ai}，i=1,2,...,n，B={Bj}，j=1,2,...,m，C={Ck}，k=1,2,...k，建立从A×B到C的映射，将其作为二维云模型控制器的控制规则。

[0021] 本发明通过二维云模型控制器获取当前时刻的滤波时间常数，然后通过当前时刻的滤波时间常数计算当前时刻的并网功率和电池储能系统功率，并根据计算结果控制电池储能系统充放电，提高了自适应平滑处理的适应性。

附图说明

[0022] 图1是利用电池储能系统对风电功率进行自适应平滑处理的原理图；

[0023] 图2是利用电池储能系统对风电功率进行自适应平滑处理的方法流程图；

[0024] 图3是二维云模型控制器结构图；

[0025] 图4是云模型输入量和输出量划分示意图；其中，（a）是风电功率波动率云模型示意图，（b）是电池储能系统的荷电状态云模型示意图，（c）是滤波时间常数的云模型示意图；

[0026] 图5是结合电池储能系统平滑风电功率的控制结构图；

[0027] 图6是使用本发明提供的方法针对某风电场进行平滑处理的结果图。

具体实施方式

[0028] 下面结合附图，对优选实施例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

[0029] 图1是利用电池储能系统对风电功率进行自适应平滑处理的原理图。图1中，通过对电池储能系统充放电的有效控制，根据电池储能系统SOC（State Of Charge,荷电状态）水平和风电功率的波动率γ，自适应地调整一阶低通滤波器的滤波时间常数τ，实现了风电机组和电池储能的协调控制。风电机组的功率Pwg经过一阶低通滤波器得到并网功率参考值Pgr,二者之差为电池储能系统的功率Pbess。自适应环节通过一个二维云模型控制实现，由波动率计算单元计算出的γ和SOC检测单元测量出的SOC值作为下一时刻二维云模型控制器的输入，通过已建立好的云映射规则，实时调整一阶低通滤波器的值，实现了自适应平滑风电功率的目的。

[0030] 图2是利用电池储能系统对风电功率进行自适应平滑处理的方法流程图。图2中，本发明提供的利用电池储能系统对风电功率进行自适应平滑处理的方法包括：

[0031] 步骤1：建立二维云模型控制器。

[0032] 图3是二维云模型控制器结构图。图3中，当输入(ai,bi)激发各单规则发生器的前件时，每一个前件发生器便随机产生一组确定度uni，这些确定度又随机的刺激各规则后件发生器产生一组云滴drop(cni，uni)，将所有产生的云滴通过逆向云发生器，生成的期望作为输出，当云滴较少时，采用加权平均法，将云滴通过加权平均处理然后输出。本发明所涉及的二维云模型控制器的建立步骤如下：

[0033] 步骤101：确定二维云模型控制器的规则前件和规则后件并归一化处理。将风电功率的波动率和电池储能系统的荷电状态作为云模型控制器的规则前件，它们也是控制器的输入量。将一阶低通滤波器的滤波时间常数作为云模型规则的后件，其也是控制器的输出量。确定风电功率波动率、电池储能系统的荷电状态和滤波时间常数的变化范围并进行归一化处理；归一化后，风电功率波动率的取值范围为[-1,1]，电池储能系统的荷电状态的取值范围为[0,1]，滤波时间常数的取值范围为[0,1]。

[0034] 步骤102：划分归一化后的风电功率波动率、电池储能系统的荷电状态和滤波时间常数。

[0035] 在本实施例中，将归一化后的风电功率波动率按照大小划分为5个各部分，分别记为A1、A2、A3、A4、A5，分别用于表征“波动率负大”、“波动率负小”、“波动率为零”、“波动率正小”和“波动率正大”。

[0036] 将归一化后的电池储能系统的荷电状态按照大小划分为3个各部分，分别记为B1、B2、B3，分别用于表征“荷电状态水平低”、“荷电状态水平适中”和“荷电状态水平高”。

[0037] 将归一化后的滤波时间常数按照大小划分为5个各部分，分别记为C1、C2、C3、C4、C5，分别用于表征“滤波时间常数很小”、“滤波时间常数偏小”、“滤波时间常数适中”、“滤波时间常数偏大”和“滤波时间常数很大”。

[0038] 同时，使用云模型三个数字特征分别表示A1、A2、A3、A4、A5、B1、B2、C1、C2、C3、C4、C5。云模型三个数字特征分别为期望、熵和超熵，其中，期望按照取值范围的等分原则确定，熵取值为各自期望的1/3，超熵采用设定值，可以按照控制的效果进行调整。以A1、A2、A3、A4、A5，由于其取值范围为[-1,1]，因此它们对应的期望分别为-1、-0.5、0、0.5和1，它们的熵为0.5/3，它们的超熵为0.15，则有A1=(-1,0.5/3,0.15)，A2=(-0.5,0.5/3,0.15)，A3=(0,0.5/3,0.15)，A4=(0.5,0.5/3,0.15)，A1=(1,0.5/3,0.15)。同理，B1=(0,0.5/3,0.02)、B2=(0.5,0.5/3,0.02)、B3=(1,0.5/3,0.02)、C1=(0,0.25/3,0.01)、C2=(0.25,0.25/3,0.01)、C3=(0.5,0.25/3,0.01)、C4=(0.75,0.25/3,0.01)、C5=(1,0.25/3,0.01)。

[0039] 步骤103：令A={Ai}，i＝1,2,3,4,5，B={Bj}，j=1,2,3，C={Ck}，k=1,2,3,4,5，建立从A×B到C的映射，将其作为二维云模型控制器的控制规则。

[0040] 从A×B到C的映射规则是由风电场出力的特性和电池储能系统的性能决定的。当风电功率的波动率的正大或者负大时，应增加滤波时间常数的值；当风电功率的波动率正大、负大或者为零时，应减少滤波时间常数的值。当荷电状态较低时，应减少滤波时间常数的值；当荷电状态较高时，应增加滤波时间常数的值；当荷电状态水平适中时，滤波时间常数的取值也较为适中。综合以上规律，共设计15条控制规则，用矩阵表示如下：

[0041]

[0042] 其中，rij表示二维云模型控制器控制规则，即if Ai and Bj then Ck，i＝1,2,3,4,5，j=1,2,3，k=1,2,3,4,5。其含义是，任取Ai和Bj，根据i和j的值，可以确定矩阵R中与之对应的数据k，将此数据k作为C的下标，得到Ai和Bj对应的Ck。举例来说，选取A2=(-0.5,0.5/3,0.15)和B2=(0.5,0.5/3,0.02)，其对应的矩阵R中值为第2行第2列的值，即3。则有A2=(-0.5,0.5/3,0.15)和B2=(0.5,0.5/3,0.02)对应的值为C3=(0.5,0.25/3,0.01)。

[0043] 将上述各个参变量输入到按照前面所建立好的多规则控制器之中，即完成基于云模型控制器的建立。图4是云模型输入量和输出量划分示意图，将风电功率波动率、电池储能系统的荷电状态和滤波时间常数按照表1进行相应划分。其中，图4（a）是风电功率波动率云模型示意图，图4（b）是电池储能系统的荷电状态云模型示意图，图4（c）是滤波时间常数的云模型示意图。

[0044]

[0045] 表1

[0046] 步骤2：采集上一时刻的并网功率Pgr(t-Δt)，当前时刻的风电功率Pwg(t)和电池储能系统的荷电状态SOC(t)。

[0047] 风电功率由数据采集与监视控制系统（SCADA系统）采集，电池储能系统的荷电状态由电池管理系统(BMS)采集，再经过数据处理单元处理和数据存储与管理单元得到的Pwg(t)和SOC(t)作为系统的输入。

[0048] 步骤3：计算当前时刻的风电功率波动率 其中Pm为风电场的装机容量。

[0049] 步骤4：将当前时刻的风电功率波动率γ(t)和当前时刻的电池储能系统的荷电状态SOC(t)作为二维云模型控制器的输入数据代入到二维云模型控制器中，计算得出当前时刻的滤波时间常数τ(t)。

[0050] 二维云模型控制器中输入量、输出量的划分方式和云模型三个数字特征的表示方式以及控制规则与步骤102和步骤103相同。将当前时刻的风电功率波动率γ(t)和当前时刻的电池储能系统的荷电状态SOC(t)作为二维云模型控制器的输入数据代入到二维云模型控制器中，得到的值是取值范围为[0,1]的值，经过去归一化处理后得到当前时刻的滤波时间常数τ(t)。

[0051] 步骤5：通过一阶低通滤波器公式 计算当前时刻的并网功率，通过公式Pbess(t)=Pwg(t)-Pgr(t)计算当前时刻的电池储能系统功率；其中，s为复变量。

[0052] 步骤6：如果当前时刻的电池储能系统功率Pbess(t)大于0，则控制电池储能管理系统对电池储能系统充电；如果当前时刻的电池储能系统功率Pbess(t)小于0，则控制电池储能管理系统对电池储能系统放电；

[0053] 步骤7：重复步骤2-步骤6，进行下一时刻电池储能系统控制。步骤2-步骤6的控制过程如图5所示。

[0054] 图6是使用本发明提供的方法针对某风电场进行平滑处理的结果图。图6反映了云模型控制器随着风电功率波动率和电池储能系统的荷电状态的双重条件下，实时地调整了滤波时间常数。由图可以看出，当波动率处于A2=(-0.5,0.5/3,0.15)或A4=(0.5,0.5/3,0.15)，荷电状态处于B2=(0.5,0.5/3,0.02)时，由控制规则可得滤波时间常数在C3=(0.5,0.25/3,0.01)，验证了本方法的有效性。

[0055] 以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。