薛田良 蒋 峰 张 磊 徐雄军
(1.智慧能源技术湖北省工程研究中心(三峡大学),湖北 宜昌 443002;2.三峡大学 电气与新能源学院,湖北 宜昌 443002;3.国家电网孝感供电公司 运维检修部,湖北 孝感 442000)
风力资源的持续开发是全球能源向可持续发展转型的一个重要手段[1].“碳达峰”、“碳中和”双碳目标的提出进一步提高对可再生资源的利用,同时也促进电力行业向节能减排方向转型.作为广泛使用的清洁能源—风能,风力发电占清洁能源发电的比重也将不断增加.然而由于风电功率存在的固有属性—波动性与随机性,风力发电的规模化并网无法满足电力系统稳定运行的要求,会造成电压质量变差、频率失调等[2].储能装置的应用为解决风电并网波动提供一种间接的方法[3-4].
文献[5-6]利用适合的低通滤波器获得储能系统参考功率,文献[7-8]则是采用可变常数的低通滤波算法,适应性好.文献[9]利用滑动平均算法达到并网要求的同时获得储能系统充放电功率.文献[10]利用经验模态分解(empirical mode decomposition,EMD)得到混合储能总充放电功率,再运用模型预测控制算法(model predictive control,MPC)对混合储能内部功率进行分配.文献[11]利用MPC 求解混合储能总功率,进而应用低通滤波算法进行内部功率分配.文献[12]通过改进滑动平均算法求解混合储能总功率,再利用小波包分解得到高频与低频功率信号.从上述分析可知,通过对波动平抑算法的改进与组合达到风电功率限制指标已不再是一个技术难点,在满足并网标准的前提下减少所需配置储能设备的容量以及保证储能设备安全稳定运行成为现今研究的重要问题.
荷电状态(state of charge,SOC)是衡量储能设备长期安全稳定运行的重要评价指标.文献[13-14]建立SOC与充放电功率调节系数的对应关系,根据当前SOC的状态对初级功率指令进行修正.因上述文献是针对单一储能设备平抑风电功率,所以不存在储能内部功率分配问题.对于应用混合储能系统(hybrid energy storage system,HESS)平抑风电功率时,文献[15]建立不同SOC 区间与充放电调节系数的对应关系,但调节系数在各SOC 区间为恒定值且通过实验确定,缺乏适用性.文献[16-17]通过建立模糊控制规则对超级电容的初级功率进行二次修正,将修正后的差值直接交由锂电池处理,然而文中并未考虑锂电池SOC 可能存的在过充过放问题.文献[18-19]采用双层模糊控制策略,第一层根据超级电容的SOC利用模糊控制器进行充放电功率修正,并将其与初级功率指令差值交由锂电池处理;第二层则是对加入超级电容功率差值的锂电池再次利用模糊控制器优化其SOC,兼顾两种储能设备的SOC,但由于直接将锂电池修正后的功率与初级功率的差值并入电网,从而损失了部分平抑效果.
针对现有的研究思路及存在的问题,本文采用混合储能系统平抑风电功率.首先利用自适应滑动平均算法与变分模态分解(variational modal decomposition,VMD)得到锂电池与超级电容的初级功率指令.考虑到VMD 分解时模态分量K以及惩罚因子α对分解效果影响较大,因此采用遗传算法求解最优的参数组合.在初级功率的基础上采用双层能量管理策略调整初级功率指令,使得当前时刻SOC 维持在合理区间.双层能量管理器的外层为SOC优化层,依据当前时刻SOC的状态分别调整两种储能设备的初级充放电功率指令.内层为协调调度层,通过对比两种储能设备当前SOC的偏差量来选择合适的储能设备进行功率修正,保证同一时刻只有一种储能设备进行功率修正.修正后功率差值交由另一种储能设备处理,在避免超级电容与锂电池深度充放电的前提下维持功率平衡,从而不损失平抑效果.
1.1 风储系统结构
本文采用共交流母线的拓扑结构将混合储能与风电场连接至同一母线,如图1所示.HESS控制系统通过监测风电输出功率Pw,锂电池与超级电容的SOC,依据并网标准分别向两个变流器下达充放电控制指令PB_cmd,PSC_cmd.图1中,Pgrid为满足要求的并网功率;Phess为混合储能的总功率;PB,PSC分别为锂电池与超级电容的充放电功率;SB,SSC分别为锂电池与超级电容的荷电状态.
图1 风储系统并网结构图
混合储能的总功率Phess等于风电原始输出功率Pw与并网功率Pgrid之差,也可以表示为锂电池充放电功率PB与超级电容充放电功率PSC之和.表达式分别为:
当Phess＞0时,混合储能系统吸收风电场多余功率,处于充电状态;当Phess＜0时,混合储能系统弥补缺少功率,处于放电状态.
1.2 风电波动平抑流程
在完成风电平抑要求后,考虑储能设备的SOC二次修正储能功率指令是现今平抑风电过程中常采用的框架,平滑风电输出功率的同时维持设备正常工作.根据上述框架提出一种HESS双层能量管理的平抑流程,如图2所示.
图2 风电波动平抑流程及HESS双层能量管理结构
首先,依据风电并网标准的要求[20],将第k个采样时刻的风电原始功率Pw(k)经自适应滑动平均算法得到满足要求的并网功率Phess(k),混合储能总充放电功率为原始风电功率与并网功率之差.然后,运用VMD 对Phess(k)进行功率分解,并将遗传算法(genetic algorithm,GA)作为寻优算法求解最佳模态分量K与惩罚因子α参数组合,依据由Hilbert变换得到的各分量边际谱选择分界频率,确定高频与低频功率信号,得到锂电池与超级电容的初级功率指令PB1(k),PSC1(k).
完成功率初级分配后,考虑两种储能设备的SOC,将初级功率指令PB1(k)、PSC1(k)以及对应时刻的荷电状态SB1(k)、SSC1(k)作为SOC双层能量管理器的输入,经过SOC 优化层分别得到优化后锂电池与超级电容的功率指令PB2(k)、PSC2(k),协调调度层通过对比优化后储能荷电状态SB2(k)、SSC2(k),选择一种储能设备的SOC 进行优化,并将修正后的功率与初级功率的差值交由另一储能设备处理,最终得到锂电池与超级电容经过双层能量管理器的充放电功率指令PB(k)、PSC(k),在满足并网要求下确保混合储能设备运行在安全状态.
2.1 自适应滑动平均算法
滑动平均算法通过移动平均可以消除因风速陡然增大或急剧减少而导致的风电功率突然变化[12].窗口长度L将直接决定平抑的效果.L值越大,平抑效果越好,相应所需配置的储能容量就会增加;L值过小就会无法满足平抑要求.因此通过改进滑动平均算法实现窗口长度自适应调整,具体流程如图3 所示.通过递增L值,每增加一次则判断并网功率是否满足并网要求,满足则输出当前L的值,最后得到混合储能功率值.
图3 自适应滑动平均算法流程图
2.2 变分模态分解
在时域内由自适应滑动平均算法得到由锂电池与超级电容组成的混合储能系统需要平抑的总功率.以锂电池为代表的能量型储能虽存储时间长,但响应速度慢;以超级电容为代表的功率型储能响应速度快,但容量较小.因此为更好地发挥各自优势及弥补不足,需要确定混合储能出力曲线的高频与低频分量.接下来应用VMD 分别确定混合储能总功率的高频成分和低频成分,得到锂电池与超级电容的初级分配功率指令.
VMD是由经典维纳滤波、Hilbert变换以及频率混合共同作用下的变分问题求解方法[21].假设每个模态分量都聚集在中心频率的有限带宽上,变分问题转化为求解使得每个模态分量uk的估计带宽最小的模态分量个数K,并且所有模态分量之和等于原始输入信号f(t).文献[21]指出,通过引入式(3)形式的增广Lagrange函数,使得变分离散问题变得高度非线性与非凸性,从而确保信号可以精确分解.
式中:α为惩罚因子;λ为Lagrange乘子;ωk(t)为uk(t)的瞬时频率.利用交替方向乘子算法求解式(3),输出的模态分量即为混合储能总功率各个分量,具体流程图如图4所示.
图4 VMD 算法流程图
2.3 基于遗传算法的VMD 参数优化
变分模态分解信号时需要预先设定模态分量的个数K以及惩罚因子α.K过小会造成信号欠分解,导致模态混叠;K过大又会造成信号过分解,产生虚假分量.α决定分量的带宽,α越小,各个分量带宽越大,过大的带宽会使得分量之间重叠;α越大,各个分量带宽越小,过小的带宽又会使得某些信号丢失.文献[22]根据风电并网标准采用自适应VMD 算法,通过子序数列算法求解最优模态个数K,从而确定分解个数,但忽略惩罚因子α对于整体问题求解以及K值计算的影响.
因此本文采用遗传算法作为寻优算法求解最佳参数组合[K,α].遗传算法具有较快的全局搜索能力和广泛的适用性.将数据经过选择、交叉与变异3个阶段,逐次迭代搜寻达到优化参数的目的.在利用遗传算法求解最优输入参数时需要定义一个适应度函数.样本熵(Esamp)通过度量信号中产生新模式的概率来衡量时间序列的复杂性,熵值越小,序列的自我相似性就越高,复杂度越低[23].当VMD 在复杂信号中分解出有效的信号时,分量对应的样本熵值较小,并且不同分量的样本熵值差异显著.因此将VMD 算法分解得到的各分量uk的样本熵作为遗传算法参数优化时染色体的适应度函数,优化目标为:
通过遗传算法求得最优模态个数K,即确定混合储能功率曲线的分量个数.接下来依据由Hilbert变换得到的边际谱确定混合储能总功率低频分量与高频分量.
2.4 基于VMD的Hibert变换
由模态个数K得到对应模态分量uk(t),引出式(5):
对每个模态分量进行Hilbert变换,得到各模态分量uk(t)的Hilbert谱,记为:
各模态解析信号为:
其中:ak(t)为uk(t)的瞬时幅值;φk(t)为uk(t)的瞬时相位.
通过得到极坐标形式的解析信号实部,构成Hilbert幅值谱:
对式(11)积分得到Hilbert边际谱:
边际谱能够表征信号幅值在整个频率段的变化情况,幅值越大,表明该频率存在的可能性越大.经过Hilbert变换得到各模态分量的Hilbert边际谱.依据边际谱值分布规律选择高低频的分界频率ωi,高于ωi的模态分量(高频功率信号)分配给超级电容,低于ωi的模态分量(低频功率信号)分配给锂电池,实现混合储能内部功率初级分配.
第2 节通过自适应滑动平均算法与GA-VMD分解得到了锂电池与超级电容的初级功率,但并没有考虑到实际情况下混合储能系统在运行时可能出现的SOC越限情况,并且混合储能的SOC不仅制约当前时刻的充放电能力,而且会影响下一时刻混合储能充放电能力.因此本文采用双层能量管理结构,包括优化层与协调调度层对混合储能初级功率进行调整,使得系统能够在满足平抑要求的前提下改善混合储能的SOC.采样时刻SOC的计算公式为:
式中:S0为S初始值,设为0.5;S(k)为第k个采样时刻的SOC;P(k)为第k个采样时刻的充放电功率;Erate为储能设备的额定容量.
3.1 SOC优化层
优化层根据混合储能系统SOC区间建立分段功率优化.当混合储能系统SOC虽在正常范围内,但已接近限值时,若混合储能系统持续充放电,SOC 可能在下一时刻到达限值.因此在确定当前时刻充放电功率指令时,考虑进行适当额外的充放电,为后续运行留有一定的充放电空间.引入修正系数来对初级充放电指令进行优化,分为充电与放电两种状态,分别如图5～6所示.设定修正系数范围为[0,1.2],SL,SU为储能设备的下限与上限值,设定锂电池的SL和SU为0.2与0.8,超级电容的SL和SU为0.1与0.9[22].
图5 充电工况下的修正系数
图6 放电工况下的修正系数
当储能设备处于充电状态:若S处于很低水平,则在初级充电功率上增加充电功率,充电修正系数为1.2;若S处于较低水平,则在初级充电功率上适当增加充电功率并且随着S增大充电功率均匀下降;若S处于合理区间内,则不改变初级充电功率,充电修正系数为1;S处于较高水平,则在初级充电功率上适当减小充电功率,并且随着S增大充电功率均匀下降;S处于很高水平,则不允许充电,充电修正系数为0.
当储能设备处于放电状态:若S处于很低水平,则不允许放电,放电修正系数为0;若S处于较低水平,则在初级放电功率上减小放电功率,并且随着S增大放电功率均匀上升;若S处于合理区间内,则不改变初级放电功率,放电修正系数为1;若S处于较高水平,则在初级放电功率上适当增加放电功率,并且随着S增大放电功率均匀上升;若S处于很高水平,则在初级放电功率增加放电功率,放电修正系数为1.2.
经过上述规则得到优化后混合储能的充放电功率,计算公式分别为:
其中:CB_ch、CB_dis、CSC_ch、CSC_dis分 别为锂电池和超 级电容的充电与放电修正系数.
3.2 协调调度层
经过SOC优化层后可以得到锂电池与超级电容修正后的功率指令.若两种储能设备同时进行功率指令修正将会导致混合储能系统功率失衡,因此通过对比锂电池与超级电容的荷电状态来选择进行功率修正的储能设备,具体选择标准见表1.
表1 优化选择标准
表1中,若锂电池与超级电容都处于偏小或者偏大这两种极端状态,需要改变混合储能容量,超出了协调层的处理范围,本文不考虑此情况;当锂电池S适中时,超级电容优化层进行动作;当超级电容S适中时,锂电池优化层进行动作;当锂电池与超级电容的S都适中时,S不需要调节;当锂电池与超级电容S一个处于偏大状态,一个处于偏小状态时,可依据当前时刻S与S0的偏差来判断,计算公式为:
式中:ΔS(k)为偏差量.如ΔSB(k)＞ΔSSC(k),表明同一时刻超级电容具有更大的充放电能力,对SOC可调空间较小的锂电池进行修正,锂电池修正与初级功率的差值交由超级电容处理,计算公式为:
本文采用某地65MW 风电场历史输出功率数据,采样周期30s,共采样3000个数据.锂电池的额定容量为1.2MW·h,额定功率为3.35MW;超级电容额定容量为0.68MW·h,额定功率为6.07MW.根据并网标准,65MW 风电场的1min与10min波动限制指标分别为不超过6.5MW 与21.7MW.采用自适应滑动平均平抑原始功率,如图7所示.经过自适应滑动平均后的并网功率曲线与原功率曲线不仅变化趋势保持一致,而且在功率快速变化处功率波动幅值与频率大幅度降低,并网功率曲线更加平滑.根据式(1)得到混合储能的充放电功率曲线,如图8所示.
图7 原始风电功率与并网功率
图8 混合储能充放电功率曲线
将混合储能总的充放电数据作为输入数据,VMD 模态分量的样本熵作为适应度函数,运用GA算法迭代求解最优模态分量个数与惩罚因子的组合.设置K优化范围为[3,10],α优化范围为[500,2000],迭代次数为20,适应度变化如图9所示.
图9 适应度变化曲线
根据图9可知,在第9次迭代后适应度值达到最小且不再变化,即样本熵值最小,此时最优的参数组合[K,α]=[5,1661].将最优参数带入VMD 算法中进行功率信号分解,获得模态分量,如图10所示.可以看出每个模态分量之间差异明显,不存在模态混叠现象.
图10 功率信号分量
根据式(6)～(12)计算得到如图11所示的Hilbert边际谱.观察分析可知,边际谱在0.012Hz附近频率混叠最少,因此以0.012Hz作为高频与低频的分界频率,锂电池负责处理低频功率信号,超级电容负责处理高频功率信号.
图11 基于VMD 得到的边际谱
对应图10即将第1个分量分配给锂电池,将第2到第5的分量进行重构分配给超级电容,最终得到如图12所示的混合储能内部初级功率分配曲线.
图12 锂电池与超级电容出力曲线
根据充放电状态下SOC与修正系数的对应关系及表1建立的规则得到双层能量管理后锂电池与超级电容SOC 变化曲线,如图13～14 所示.根据式(13)计算出锂电池与超级电容在采样周期内SOC的累积偏差量,见表2.
图13 锂电池SOC对比图
图14 超级电容SOC对比图
表2 SOC累积偏差量
从图13～14可以看出,经过优化层后锂电池与超级电容SOC不再出现越限情况,SOC 整体波动幅度对比SOC未优化时都有明显下降.相较于只进行SOC优化,经过双层能量管理,即优化协调后,锂电池与超级电容的SOC 整体调节能力虽有下降,但相比于SOC未优化仍有明显改善,储能设备SOC整体波动幅值下降并且SOC都处在合理区间以内.
为验证本方案的适应性,接下来与现有的两种混合储能SOC优化方案进行对比分析.方案一为仅考虑超级电容SOC,将超级电容经过SOC 优化层后功率差值交由锂电池处理.方案二为对超级电容与锂电池的SOC进行阶梯优化,超级电容与锂电池先后经过SOC优化层得到修正后的功率指令.两种方案与本方案的效果对比如图15～17所示.
图15 锂电池SOC与方案一对比
与方案一相比,本文方案锂电池SOC 整体的波动幅值较小,并且由于方案一不考虑锂电池SOC,因此出现SOC越限的情况,影响锂电池稳定运行.
图16 1min波动量与方案二对比图
图17 10min波动量与方案二对比图
与方案二相比,本文方案1min与10min的波动量都在规定区间内,并且整体波动幅值小于方案二,风电出力更加平滑.由于方案二直接将混合储能SOC优化前后的功率差值并入电网,混合储能系统损失部分平抑效果并且出现10min波动越限情况.
1)本文提出运用混合储能系统平抑风电功率波动的控制策略.针对滑动平均算法的窗口长度直接决定平抑效果,通过改进滑动平均算法使其能够根据风电原始自适应选取窗口长度.
2)考虑到模态分量与惩罚因子之间的相互作用以及对分解效果的影响,采用遗传算法,以模态分量的样本熵作为适应度函数,求解最佳参数组合.并且根据各模态分量的Hilbert边际谱确定分解频率.
3)为保障混合储能系统能够长期稳定工作,提出双层能量管理结构对混合储能初级功率指令进行二次修正.外层建立储能设备SOC 与充放电修正系数的对应关系,优化初级功率指令,内层协调选择一种储能设备进行优化.通过与其他两种SOC 优化方案对比,本方案在满足平抑要求的同时可保证两种储能设备都工作在合理的SOC区间内.
猜你喜欢充放电锂电池修正Some new thoughts of definitions of terms of sedimentary facies: Based on Miall"s paper(1985)Journal of Palaeogeography(2022年1期)2022-03-25修正这一天快乐语文(2021年35期)2022-01-18V2G模式下电动汽车充放电效率的研究新能源汽车供能技术(2021年1期)2021-10-14合同解释、合同补充与合同修正法律方法(2019年4期)2019-11-16基于SG3525的电池充放电管理的双向DC-DC转换器设计电子制作(2019年23期)2019-02-23软件修正摄影之友(影像视觉)(2017年1期)2017-07-18充电电池到底该怎么带?——话说锂电池百科探秘·航空航天(2015年3期)2015-12-01锂离子电池充放电保护电路的研究电源技术(2015年5期)2015-08-22一种多采样率EKF的锂电池SOC估计电源技术(2015年7期)2015-08-22V2G充放电机的设计及其仿真电测与仪表(2014年17期)2014-04-04