基于实时经验模态分解的混合储能不平衡功率分配方法与流程

1.本发明属于配电网和储能技术领域，涉及一种基于实时经验模态分解的混合储能不平衡功率分配方法。


背景技术：

2.光伏功率波动给光伏并网及运行带来了一系列影响。储能系统能够实现能量的储存和释放提高对新能源出力的消纳，有效缓解风电原始功率间歇性、波动性的缺点，提高并网的稳定性和可靠性。目前使用的典型储能可分为功率型和能量型两类，例如超级电容、飞轮、超导储能器等属于功率型储能，它们具有响应速度快，功率密度大、使用寿命长等优点，但是这一类储能的能量密度较低、且自放电率高，并且建造成本较高；而能量型储能例如铅酸电池、磷酸铁锂电池以及三元锂电池，具有能量密度大、自放电率低且持续放电时间长的优点，但响应速度较慢、循环寿命相对较低且功率密度较低。目前尚无单一储能技术能够满足大规模风电/光伏功率波动平抑的全部技术要求，但是功率型储能与能量型储能存在互补特性，因此利用功率型(超级电容和飞轮)和能量型(锂电池)储能组合而成的混合储能系统具有良好的应用前景。
3.目前，分解光伏/风电功率多使用小波分解和emd。小波分解会因为基波的选择不同而具有较大的误差，而emd具有很强的适应性，其在处理非线性、非平稳信号具有很大优势。
4.现有技术中，文献《control method of smoothing wind power output using battery energy storage system based on empirical mode decomposition》(y.xiyun,c.etc.,34th chinese control conference(ccc),hangzhou,china,2015)使用储能系统平滑风力出力波动，将风电原始功率经emd分解后，低频部分作为风电并网值，高频部分由储能系统补偿，同时emd滤波器阶数通过储能荷电状态调整，但其储能系统仅由电池组成，当风电频率过高后无法完全补偿；文献《基于小波包-模糊控制的混合储能平抑大型风电场功率波动》(贾伟青等，太阳能学报，2021年)基于小波包分解和模糊控制制定了功率平抑的策略，但其分配得到的高频功率幅值较大，与采用的功率型储能超级电容能量密度低的特点不匹配；文献《基于经验模态分解和神经网络的微网多类型储能容量优化配置》(孙承晨等，电力系统自动化,2015年)在emd基础上，将需要平抑的功率交由由锂电池和超级电容器组成的混合储能系统进行平抑，并采用神经网络算法对储能的容量进行优化，但其存在并网波动率要求，而选取不同的并网波动率，其平抑的效果很差；文献《基于电池荷电状态和可变滤波时间常数的储能控制方法》(张野等，电力系统自动化，2012年)以及文献《基于模糊算法的风电储能系统的优化控制》(张坤等，电工技术学报，2012年)均考虑锂电池和超级电容荷电状态并使用低通滤波的办法进行风电出力功率平滑，但是低通滤波存在延迟问题，选择合适的时间常数对平滑的效果有很大影响。


技术实现要素：

5.本发明的所要解决的技术问题在于如何根据储能装置的特性参数实现不平衡功率的精准分配。
6.本发明是通过以下技术方案解决上述技术问题的：
7.基于实时经验模态分解的混合储能不平衡功率分配方法，包括以下步骤：
8.s1、功率采集器实时采集光伏发电侧功率与负荷侧功率之间的功率差值，得到电力系统中的不平衡功率；
9.s2、采用平行延拓与经验模态分解相结合的方法对不平衡功率进行分解，通过叠加本征模态函数和储能装置的响应速度及当前容量，确定储能装置的参考功率；所述的平行延拓通过移动时间窗逐步处理数据，从而加速本征模态函数的分解；
10.s3、根据储能装置的特性参数设计模糊控制器对储能装置的参考功率进行修正，实现对储能装置不平衡功率的优化分配。
11.本发明的技术方案通过实时经验模态分解将不平衡功率分解，再通过采集各本征模态函数最后一个数据断面相加与各储能元件可用容量相比较分配功率，将不同频率的功率分配给不同的储能装置，从而实现对不平衡功率的精准分配，通过模糊控制实现对储能的协调控制优化补偿功率分配，使储能协调控制平抑光伏波动和电网负载功率波动的同时对储能装置的充放电进行限制，确保储能装置的使用安全，延长其使用寿命，保护整个储能系统的安全，系统能够安全、稳定运行。
12.进一步地，所述的储能装置为超级电容、飞轮以及锂电池，其中响应速度的大小为：超级电容的响应速度大于飞轮的响应速度，飞轮的响应速度大于锂电池的响应速度。
13.进一步地，所述的储能装置的特性参数具体为：锂电池的特性参数为锂电池的荷电状态，超级电容的特性参数为超级电容的荷电状态，飞轮的特性参数为飞轮的荷电状态，飞轮的转速除以额定转速得到飞轮的荷电状态。
14.进一步地，步骤s2中所述的对不平衡功率进行分解的方法具体如下：
15.1)识别待分解的信号x(t)中所有的极大值点和极小值点，并拟合出相应的包络线；
16.2)计算出上下包络线平均值m1(t)；
17.3)x(t)减去m1(t)得到h1(t)，将h1(t)视为新的信号x(t)，重复步骤1)，经过k次筛选，直到h1(t)＝x(t)-m1(t)满足本征模态函数的条件，记c1(t)＝h1(t)；其中，c1(t)为风电数据序列的第1个本征模态函数分量，其频率最高；
18.4)从原始信号中分离出本征模态函数分量c1(t)，得到剩余分量：r1(t)＝x(t)-c1(t)；将剩余分量r1(t)作为新的原始数据，重复上述步骤即可得到其余的本征模态函数分量和残余分量，具体如下：
19.20.5)原始信号x(t)分解结果为分解终止条件有以下两种：其一，ci(t)或rn(t)小于规定的预设值；其二，rn(t)变成单调函数，不能再从中获得本征模态函数。
21.进一步地，步骤s2中所述的通过叠加本征模态函数和储能装置的响应速度及当前容量，确定储能装置的参考功率的方法具体如下：
22.a)首先设定采样数据的帧长度，当采集到的功率差值达到帧长度的数量后，开始进行经验模态分解得到多个本征模态函数；
23.b)将各个本征模态函数所对应的频率由高到低排列，多个本征模态函数中的最后一个数据断面依次累加后，与采集到的超级电容当前容量进行对比；
24.c)当前n项本征模态函数的值累加后大于超级电容当前容量，则取前n-1项本征模态函数的累加和作为超级电容的参考功率；同理，从第n项本征模态函数开始累加，当第m项本征模态函数的值累加后大于飞轮当前容量，则取从第n项至m-1项本征模态函数的累加和作为飞轮的参考功率；剩余部分的本征模态函数m项至末项累加和作为蓄电池的参考功率；
25.d)此时一次迭代过程结束，数据帧弹出最后一项数值，剩余1数据依次平移，将下一个时间点采集的功率差值填入数据帧首项，再次进行经验模态分解，循环往复直至退出运行。
26.进一步地，步骤s2中所述的模糊控制器包括：模糊化模块、模糊规则库模块、模糊推理模块和去模糊化模块；所述的模糊化模块用于将输入信号模糊化，输入分别是参考功率p
ref
和储能装置的当前荷电状态soc，输出调整后的功率p
admt
；所述的模糊规则库模块根据储能装置的荷电状态soc大小和参考功率p
ref
与其调整后功率p
admt
输出的关系制定出模糊规则进行判决；所述的模糊化模块用于将输入信号模糊化，输入分别是参考功率p
ref
和储能装置的当前荷电状态soc；所述的模糊推理模块利用模糊逻辑进行推理得到模糊控制量；所述的去模糊化模块采用去模糊方法将从模糊推理环节获得的模糊控制量转化为一个明确的控制量，从而控制被控对象。
27.进一步地，其特征在于，所述的去模糊方法包括：最大隶属度法、面积平均法或者重心法。
28.本发明的优点在于：
29.本发明的技术方案通过实时经验模态分解将不平衡功率分解，再通过采集各本征模态函数最后一个数据断面相加与各储能元件可用容量相比较分配功率，将不同频率的功率分配给不同的储能装置，从而实现对不平衡功率的精准分配，通过模糊控制实现对储能的协调控制优化补偿功率分配，使储能协调控制平抑光伏波动和电网负载功率波动的同时对储能装置的充放电进行限制，确保储能装置的使用安全，延长其使用寿命，保护整个储能系统的安全，系统能够安全、稳定运行。
附图说明
30.图1为基于实时经验模态分解的混合储能不平衡功率分配方法的流程图；
31.图2为基于实时经验模态分解的混合储能不平衡功率分配方法的经验模态分解的平行延拓法图；
32.图3为基于实时经验模态分解的混合储能不平衡功率分配方法的储能装置的参考功率分配流程图；
33.图4为基于实时经验模态分解的混合储能不平衡功率分配方法的实时经验模态分解分配功率图；
34.图5为基于实时经验模态分解的混合储能不平衡功率分配方法的模糊控制器的总体框图；
35.图6为基于实时经验模态分解的混合储能不平衡功率分配方法的输入输出隶属度曲线图；
36.图7为光伏和负载功率曲线；
37.图8为超级电容、锂电池和飞轮的未经修正的功率分配曲线；
38.图9为超级电容、锂电池和飞轮的未经修正的荷电状态曲线；
39.图10为超级电容、锂电池和飞轮的经修正后的功率分配曲线；
40.图11为超级电容、锂电池和飞轮的经修正后的荷电状态曲线。
具体实施方式
41.为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
42.下面结合说明书附图以及具体的实施例对本发明的技术方案作进一步描述：
43.实施例一
44.如图1所示，基于实时经验模态分解的混合储能不平衡功率分配方法包括以下步骤：
45.步骤1)：功率采集器实时采集光伏发电侧功率p
pv
与负荷侧功率p
load
之间的功率差值得到电力系统中的不平衡功率p
ub
；
46.步骤2)：通过实时经验模态分解的方法对不平衡功率进行分解，并通过叠加本征模态函数和各储能的响应速度、当前容量，确定各储能装置的参考功率；
47.如图2所示，通过实时经验模态分解的方法对不平衡功率进行分解，采用平行延拓法解决经验模态分解端点问题，将平行延拓法和经验模态分解相结合从而达到实时经验模态分解不平衡功率p
ub
。
48.经验模态分解(emd)法假定：任何复杂的信号都是由简单的本征模态函数(imf)组成，每一个imf分量都是相互独立的，且满足以下两个条件：(1)在整个数据序列内，极值点和零点个数相等或相差不超过1；(2)在任一时间点上，局部均值为0。经验模态分解的具体步骤如下：
49.(1)识别待分解的信号x(t)中所有的极大值点和极小值点，并拟合出相应的包络线；
50.(2)计算出上下包络线平均值m1(t)；
51.(3)x(t)减去m1(t)得到h1(t)，将h1(t)视为新的信号x(t)，重复步骤(1)，进过k次筛选，直到h1(t)＝x(t)-m1(t)满足imf的条件，记c1(t)＝h1(t)。c1(t)为风电数据序列的第1
个imf分量，其频率最高。
52.(4)从原始信号中分离出imf分量c1(t)，得到剩余分量：r1(t)＝x(t)-c1(t)。将剩余分量r1(t)作为新的原始数据，重复上述步骤即可得到其余的imf分量和残余分量，具体如下：
[0053][0054]
原始信号x(t)分解结果为分解终止条件有以下两种：其一，ci(t)或rn(t)小于规定的预设值；其二，rn(t)变成单调函数，不能再从中获得本征模态函数。如果要在实时中应用emd分解，则需要不断更新分解反馈的迭代过程。
[0055]
经验模态分解法通过三次样条插值从信号的局部最大(小)值获得上(下)包络，但信号的端点不能同时处于最大值或最小值。因此，上下包络线将在数据序列的两端发散，这种发散将随着操作逐渐向内，从而影响整个数据序列，这就是所谓的emd方法的端点效应。目前，常用的emd端点效应处理方法有镜像法、极值延拓法、神经网络预测、多项式外延方法、平行延拓法、边界局部特征尺度延拓法。本实施例采用平行延拓法将emd分解应用到实时仿真过程，它是一种通过移动时间窗逐步处理数据的算法，该方法的优势主要体现在加速本征模态函数的分解，从而得到对工程应用有指导意义的结果。
[0056]
通过叠加本征模态函数和各储能的响应速度、当前容量确定各储能装置的参考功率之前，由于锂电池具有能量密度大、自放电率低且持续放电时间长的优点，但响应速度较慢、循环寿命相对较低且功率密度较低，超级电容具有响应速度快，功率密度大、使用寿命长等优点，但能量密度较低、且自放电率高，飞轮响应速度、能量密度等特性介于两者之间，故将高频信号分配给锂电池进行补偿，中频信号交由飞轮进行补偿，低频信号交由锂电池进行补偿。
[0057]
如图3和图4所示，为储能装置的参考功率分配流程图，首先设定采样数据的帧长度，帧长度的选取对于优化协调结果有很大影响，理论上信号帧长度越长协调效果越好，但是每一帧的计算量会增加，由于该程序采用的经验模态分解算法是采用循环迭代的方式实现的，所以运行时间和数据帧长度大小为指数关系，帧长度大小默认为200，可根据系统运行条件和实际需求进行调整。发电侧和负载侧的功率信号采集工作由控制系统实现，通过功率采集器得到的实时功率信号传入系统得到功率差值，系统运行后会先采集到足够200个功率差值后才会开始进行经验模态分解，第200个信号传入系统后达到分解条件，对该数据帧进行分解运算，得到数目不等的固有模态函数(imfs)，各个固有函数所对应的频率由高到低排列，将各imfs的最后一个数据断面依次累加，与采集到的适用于高频信号的超级电容的荷电状态，也即是当前可用容量对比，结合不同类型的储能装置响应速度不同的特性，超级电容更适用于高频信号，蓄电池适用于低频信号，而飞轮储能介于二者之间，所以设计中考虑当前n项imf的值累加后大于超级电容当前容量，则取前n-1项imf的累加和作为超级电容的参考分配功率；同理，从第n项imf开始累加，当第m项imf的值累加后大于飞轮当前容量，则取从第n项至m-1项imf的累加和作为飞轮的参考分配功率；剩余部分的imfm至末
项imfp累加和作为蓄电池的参考分配功率。此时一次迭代过程结束，数据帧弹出最后一项数值，剩余199个数据依次平移，将下一个时间点采集的功率差值填入数据帧首项，再次进行经验模态分解，循环往复直至系统退出运行。
[0058]
步骤3)：根据储能装置的特性参数设计模糊控制器对储能装置的参考功率进行修正，实现对储能装置不平衡功率的优化分配。其中，锂电池的特性参数为锂电池的荷电状态，超级电容的特性参数为超级电容的荷电状态，飞轮的特性参数为飞轮的荷电状态，飞轮的转速除以额定转速得到飞轮的荷电状态。在根据储能装置的特性参数设计模糊控制器对储能装置的参考功率进行修正之前，获取各储能元件正常工作时的荷电状态范围，锂电池的最优荷电状态工作范围是30％～90％，超级电容为20％～90％，飞轮为10％～90％，为了延长储能单元的使用寿命，必须将它们的荷电状态保持在各自的最优范围内。
[0059]
如图5所示，所述的模糊控制器是将工作人员的控制经验及数据处理方法汇总形成模糊控制规则，将输入信号模糊化后在模糊论域依据模糊控制规则进行判决处理，模糊输出量经解模糊后转化为精确量输出的过程；模糊控制器包括四个部分：模糊化模块、模糊规则库模块、模糊推理模块和去模糊化模块；
[0060]
所述的模糊化模块用于将输入信号模糊化，输入分别是参考功率p
ref
和储能装置的当前荷电状态soc，输出调整后的功率p
admt
。
[0061]
所述的模糊规则库模块的制定根据储能装置的荷电状态soc大小和参考功率p
ref
与其调整后功率p
admt
输出的关系，给出模糊控制器的控制规则见表1；表中的模糊规则充分反映了调整后的功率p
admt
在不同的荷电状态soc及其参考功率pref下的变化特性。具体来说，当soc较大时，若参考功率值为充电，则降低充电功率，若参考功率值为放电，保持原功率不变或适当增大；当soc较小时，若参考功率值为放电，则输出一个较低的系数降低放电，若参考功率值为充电，保持原功率不变或适当增大。模糊控制器中一共设计了共设置了25条规则，如表1所示。其中字符n、p、b、s、zo分别代表负值、正值、大、小、零。
[0062]
表1控制器模糊规则库
[0063][0064]
如图6所示，分别设有5个均匀分布的三角形隶属度函数沿其各自的范围分布，例如，if soc＝nb and p
ref
＝nb，then p
admt
＝pb，即一个输入为soc＝nb为隶属函数标nb的线，另一个输入p
ref
＝nb为隶属函数标nb的线，两个输入确定一个输出为p
admt
＝pb。
[0065]
所述的模糊推理模块是整个模糊控制器的核心。它可以模仿人类决策时的模糊概念，利用模糊逻辑进行推理，从而得到模糊控制量。推理原理基于模糊逻辑中的函数关系和
相应的推理规则。
[0066]
所述的去模糊化模块的功能是将从模糊推理环节获得的模糊控制量转化为一个明确的控制量，通过适当的函数关系实际用于控制被控对象。目前有三种主要的去模糊方法：1)最大隶属度法；2)面积平均法；3)重心法。
[0067]
以含有锂电池、超级电容、飞轮组成的混合储能系统中电网中典型工作日下仿真为例，超级电容、飞轮和锂电池的正常工作的soc最大值都为0.95，锂电池正常工作的soc最小值为0.3，飞轮正常工作的soc最小值为0.2，超级电容正常工作的soc最小值为0.1，图5为控制系统采集的光伏和负载功率数据，通过图7可得到储能系统需平抑的不平衡功率。首先对不添加模糊控制器进行功率调整的控制器进行仿真，通过图7和图8可知，0：00～9：00阶段光伏输出功率不足以满足负荷需求，三种储能协同出力，锂电池负载了主体部分的功率平抑，而飞轮+超级电容负责对不平衡功率中的中高频分量进行平抑，超级电容在9：00左右充电到soc上限(0.95)后退出工作，结合图9可以看出，当超级电容无法再继续充电后，飞轮动作频率也相对降低，15：00～21：00锂电池按照最大功率进行放电，直至锂电池soc达到放电下限(0.3)后退出运行，但此时超级电容和飞轮仍满足放电条件却没有进行输出。从以上分析可以看出，在典型工作日条件下，在无大的功率波动或光照突变的条件下本该频繁动作的超级电容被飞轮取代，此系统存在对超级电容利用率不高的问题；并且锂电池放电过快也导致其利用率下降。通过将fis控制器接入系统再次进行仿真，图10和图11分别为经过fis调整后的功率大小和soc变化，与前一次仿真对比可以明显看出系统整理对于超级电容的利用率提高了并减小了锂电池的功率波动，并且锂电池输出功率随着soc的降低进行了调整，延长了放电时间，系统整体的效果优于不加入fis控制器的系统，通过两次仿真的比较，一方面验证了经实时经验模态分解的储能功率分配方案的效果，另一方面也验证了模糊控制系统对系统的优化作用。
[0068]
本发明的方法应用于分布式光伏发电储能微电网系统，该方法包括：(1)控制系统采集光伏发电侧功率与负荷之间的不平衡功率(2)通过实时经验模态分解的方法对不平衡功率进行分解，并通过叠加本征模态函数和各储能的响应速度、当前容量确定各储能装置的参考功率(3)根据各储能特性参数并基于模糊控制器对各储能参考功率进行修正。本发明通过各储能的特性参数合理分配不平衡功率，通过三种储能装置协调运行改善电能质量，实现平抑电网功率波动，降低电网负荷峰谷差值，提高电网设施利用率的同时还能延长储能装置的使用寿命。根据本发明实施例的多类型储能协调控制方法，基于实时经验模态分解将不平衡功率分解，再通过采集各本征模态函数最后一个数据断面相加与各储能元件可用容量相比较分配功率，将高频功率分配给超级电容，将低频信号分配给锂电池，飞轮介于中间，从而实现对不平衡功率的精准分配。本发明通过模糊控制实现对储能的协调控制优化补偿功率分配，使储能协调控制平抑光伏波动和电网负载功率波动的同时对储能装置的充放电进行限制，确保储能装置的使用安全，延长其使用寿命，保护整个储能系统的安全，系统能够安全、稳定运行。
[0069]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。