張 鈺, 張禮玨

(東北電力大學(xué) 電氣工程學(xué)院，吉林 吉林 132012)

基于集合經(jīng)驗(yàn)?zāi)B(tài)分解的風(fēng)電功率平抑研究

張 鈺, 張禮玨

(東北電力大學(xué) 電氣工程學(xué)院，吉林 吉林 132012)

為減少風(fēng)電功率波動(dòng)，提高風(fēng)電并網(wǎng)可靠性，提出一種基于集合經(jīng)驗(yàn)?zāi)B(tài)分解(ensemble empirical mode decomposition，EEMD)的電池儲(chǔ)能平抑風(fēng)電功率方法。對(duì)于風(fēng)電功率高頻分量，采用荷電狀態(tài)(state of charge，SOC)自適應(yīng)調(diào)整移動(dòng)步長(zhǎng)的移動(dòng)平均法控制算法對(duì)其平滑處理，同時(shí)避免電池過(guò)充過(guò)放。算例仿真結(jié)果表明，該方法可有效降低功率波動(dòng)，從而提高系統(tǒng)運(yùn)行穩(wěn)定性。

集合經(jīng)驗(yàn)?zāi)B(tài)分解；風(fēng)力發(fā)電；儲(chǔ)能系統(tǒng)；平抑功率；風(fēng)電波動(dòng)率

近年來(lái)，世界各地對(duì)能源需求量逐步增加，風(fēng)能的利用及在電網(wǎng)中滲透率經(jīng)歷了前所未有的增長(zhǎng)。與此同時(shí)，風(fēng)電功率輸出的間歇波動(dòng)性對(duì)電網(wǎng)穩(wěn)定運(yùn)行帶來(lái)了許多挑戰(zhàn)[1-2]。國(guó)家對(duì)于風(fēng)電功率波動(dòng)偏離范圍進(jìn)行了較為嚴(yán)格的限制[3]，因此，能否應(yīng)用一個(gè)有效、經(jīng)濟(jì)的方法減少風(fēng)電不穩(wěn)定輸出對(duì)電網(wǎng)的影響是關(guān)系風(fēng)電發(fā)展的關(guān)鍵。

文獻(xiàn)[4-5]分別采用槳距角控制和風(fēng)力機(jī)轉(zhuǎn)子慣性管理的方法。然而這兩種基于風(fēng)電機(jī)組自身調(diào)節(jié)的方法以犧牲最大功率為前提，平抑控制能力受到機(jī)組自身制約，總體來(lái)說(shuō)是不經(jīng)濟(jì)的。隨著儲(chǔ)能技術(shù)的發(fā)展，有學(xué)者提出在風(fēng)電場(chǎng)中配置一定容量的儲(chǔ)能設(shè)備，有效降低風(fēng)電機(jī)組輸出功率的波動(dòng)性，從而提高系統(tǒng)的穩(wěn)定性[6]。文獻(xiàn)[7]基于風(fēng)電功率預(yù)測(cè)精度及儲(chǔ)能能量約束，根據(jù)平滑需求提出了平抑風(fēng)電功率波動(dòng)的儲(chǔ)能系統(tǒng)運(yùn)行控制策略，但該方法沒(méi)有考慮到荷電狀態(tài)，經(jīng)常出現(xiàn)過(guò)沖過(guò)放，會(huì)影響電池性能。文獻(xiàn)[8]在一階低通濾波的基礎(chǔ)上加入儲(chǔ)能荷電狀態(tài)反饋和有功功率限幅環(huán)節(jié)，通過(guò)對(duì)逆變器控制，有效避免了電池的電壓偏離運(yùn)行。文獻(xiàn)[9]為改善風(fēng)儲(chǔ)混合系統(tǒng)的性能，提出應(yīng)用電池荷電狀態(tài)的模糊邏輯控制方法，使電池SOC保持在預(yù)期的范圍內(nèi)，并減少儲(chǔ)能系統(tǒng)的容量。為降低風(fēng)電調(diào)度風(fēng)險(xiǎn)、提高風(fēng)電并網(wǎng)滲透率，文獻(xiàn)[10]提出利用儲(chǔ)能平抑風(fēng)電預(yù)測(cè)功率誤差區(qū)間的方法，并通過(guò)對(duì)幾種評(píng)價(jià)指標(biāo)評(píng)估驗(yàn)證其有效性。

本文通過(guò)對(duì)風(fēng)電功率波動(dòng)特性分析，提出應(yīng)用集合模態(tài)分解法拆解風(fēng)功率，將其分為高、低頻功率。采用SOC控制移動(dòng)步長(zhǎng)的移動(dòng)平均法平抑高頻功率，考慮到低頻功率較為平滑，所以對(duì)其不做平抑。通過(guò)該控制策略可解決電池的過(guò)充過(guò)放，對(duì)風(fēng)電功率波動(dòng)也起到了顯著的效果。

1 風(fēng)電功率的分解

1.1 集合經(jīng)驗(yàn)?zāi)B(tài)分解

集合經(jīng)驗(yàn)?zāi)B(tài)分解是對(duì)經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)的一種改進(jìn)，即對(duì)于分解出的固有模態(tài)分量中可能包含了不止一種模態(tài)的缺點(diǎn)進(jìn)行優(yōu)化。在經(jīng)驗(yàn)?zāi)B(tài)分解之前加入不同幅值的高斯白噪聲信號(hào)，根據(jù)高斯白噪聲序列可以抵消的原理，使其接近真實(shí)序列。將分解后得到的固有模態(tài)分量(IMF)的均值看作是真實(shí)分量。每個(gè)固有模態(tài)分量需要同時(shí)滿足以下兩種情況：1)信號(hào)的零點(diǎn)數(shù)和極值點(diǎn)數(shù)至多相差一個(gè)；2)局部極值點(diǎn)定義的包絡(luò)線均值為零。集合經(jīng)驗(yàn)?zāi)B(tài)可以把信號(hào)分解成若干個(gè)不同頻率不同幅值的IMF分量。

EEMD分解的具體步驟如下：

1)向原始數(shù)據(jù)序列x(t)中加入隨機(jī)高斯白噪聲序nj(t)，可得加入噪聲序列后的序列為

xj(t)=x(t)+knj(t)j=1,2…，M

式中：k為白噪聲的幅值，j為添加噪聲次數(shù)。

2)按照常規(guī)EMD步驟對(duì)xj(t)分解，得到多個(gè)IMF分量和一個(gè)剩余分量：

式中：ci,j和rn,j分別為第j次分解得到的第i個(gè)IMF分量和第j次分解的余量。

3)若j

4)對(duì)經(jīng)過(guò)M次EMD分解的各分量計(jì)算均值：

1.2 風(fēng)電功率的集合經(jīng)驗(yàn)?zāi)B(tài)分解

EEMD方法理論上可以應(yīng)用于分解任何類型的時(shí)間序列信號(hào)，并具有處理非平穩(wěn)和非線性數(shù)據(jù)的優(yōu)勢(shì)。圖1為采樣間隔為15 min的某風(fēng)電場(chǎng)數(shù)據(jù)，采樣點(diǎn)共673個(gè)。

圖2為風(fēng)電功率經(jīng)EEMD分解后的各頻分量?？梢钥闯觯悍纸獾玫降淖有蛄蓄l率是從高到低依次排列的，振幅越低頻率越低。IMF1為瞬時(shí)頻率最高分量，波動(dòng)最為明顯；IMF9為瞬時(shí)頻率最低分量，波動(dòng)相對(duì)來(lái)說(shuō)最為平緩。

圖1 風(fēng)電場(chǎng)輸出功率曲線Fig.1 Wind farm output power curve

圖2 風(fēng)電功率分解曲線Fig.2 Wind power decomposition curve

對(duì)于高頻分量由于其波動(dòng)量較大采用平抑控制算法平滑處理，之后與原低頻分量疊加得到新的風(fēng)電功率期望值。

2 基于EEMD的儲(chǔ)能平抑風(fēng)電功率

2.1 風(fēng)儲(chǔ)系統(tǒng)模型

本文提出的風(fēng)儲(chǔ)系統(tǒng)包括風(fēng)電機(jī)組、儲(chǔ)能裝置、能量調(diào)度單元(EMS)，如圖3所示，其中Ps為經(jīng)儲(chǔ)能平抑后的風(fēng)儲(chǔ)并網(wǎng)功率。

圖3 風(fēng)儲(chǔ)系統(tǒng)為結(jié)構(gòu)圖Fig.3 Wind storage system structure diagram

能量調(diào)度單元通過(guò)采集風(fēng)電功率及儲(chǔ)能系統(tǒng)狀態(tài)，對(duì)該系統(tǒng)發(fā)出功率期望值Pref，期望值與風(fēng)電機(jī)組輸出功率Pw的差值為儲(chǔ)能需要提供的功率Pess。在滿足儲(chǔ)能系統(tǒng)自身約束的同時(shí)，儲(chǔ)能完成對(duì)風(fēng)電功率波動(dòng)的平滑。

2.2 儲(chǔ)能系統(tǒng)平抑風(fēng)電功率

對(duì)過(guò)去某一段時(shí)間的數(shù)據(jù)取算數(shù)平均值作為下一時(shí)刻的期望量，這種方法就是移動(dòng)平均法(Moving Average Algorithm，MAA)，即

(1)

該方法計(jì)算量較小，迭代過(guò)程中可快速、準(zhǔn)確地處理數(shù)據(jù)。由式(1)可以看出，步長(zhǎng)M決定了該方法的平抑效果，一般情況下M取值范圍為2～100。M值越小，對(duì)于數(shù)據(jù)處理的精度越高，適合處理有突變和階躍性質(zhì)的數(shù)據(jù)，能較好地給出曲線細(xì)節(jié)，但平滑度差；M值越大，數(shù)據(jù)平滑效果越明顯，適合處理變化趨勢(shì)單一，以及較多隨機(jī)變量的數(shù)據(jù)，但是可能造成結(jié)果與原始數(shù)據(jù)的偏離。所以要根據(jù)需求合理選擇步長(zhǎng)。

圖4為儲(chǔ)能平抑風(fēng)電功率波動(dòng)控制策略框圖。風(fēng)電功率由EEMD分解后，高頻風(fēng)電分量隨著時(shí)間變化存在較大的波動(dòng)，應(yīng)用上述移動(dòng)平均法進(jìn)行平滑計(jì)算下一時(shí)刻風(fēng)電輸出功率的預(yù)期值，預(yù)期值與實(shí)際高頻分量的差值即為應(yīng)用儲(chǔ)能平抑部分?？紤]到儲(chǔ)能自身運(yùn)行限制，根據(jù)電池儲(chǔ)能裝置荷電狀態(tài)對(duì)移動(dòng)平均法中移動(dòng)步長(zhǎng)進(jìn)行優(yōu)化控制。最后，將風(fēng)電功率高頻量的平滑值與低頻值做和，便可得到經(jīng)該策略輸出的總功率平滑值Ps。

圖4 控制框圖Fig.4 Control block diagram

電池儲(chǔ)能系統(tǒng)的荷電狀態(tài)是很重要的參數(shù)，表征著剩余電荷量在儲(chǔ)能裝置總?cè)萘康恼急龋磉_(dá)式為

SOC(t)=SOC(t-Δt)+PbatΔt/Ebat

式中：Ebat為電池儲(chǔ)能的額定容量；△t為采樣間隔；SOC初始值設(shè)為0.5，運(yùn)行限制不大于0.8或不小于0.2。本文將SOC劃分為三個(gè)等級(jí)分別為高、中、低。

當(dāng)儲(chǔ)能SOC處于較高級(jí)別且需要充電時(shí)，需要減小式(1)中的移動(dòng)步長(zhǎng)和儲(chǔ)能充電量，以免出現(xiàn)過(guò)充或滿充；當(dāng)需要放電時(shí)，需要增大移動(dòng)步長(zhǎng)，從而增加儲(chǔ)能對(duì)于風(fēng)電的平抑效果，且滿足自身的特性約束。圖5為移動(dòng)步長(zhǎng)與SOC的關(guān)系框圖。

圖5 移動(dòng)步長(zhǎng)與SOC的關(guān)系Fig.5 Relationship between shift step length and SOC

3 算例分析

本文數(shù)據(jù)采集于某裝機(jī)容量為200 MW的風(fēng)電場(chǎng)，采樣間隔為15 min，采樣點(diǎn)為673個(gè)。儲(chǔ)能電池的最大輸出功率和容量分別為60 MW和60 MW·h。

風(fēng)電功率采用EEMD分解為9個(gè)不同頻率的分量，如圖2所示。IMF1～I(xiàn)MF5分量中波幅較大，為高頻分量，IMF6～I(xiàn)MF9中波幅較小，為低頻分量。將高頻分量擬合得到高頻分量曲線，由于低頻分量較為平緩，該曲線能反映出該組風(fēng)電數(shù)據(jù)的波動(dòng)，可以作為功率平抑目標(biāo)。經(jīng)過(guò)本文所提出的SOC確定移動(dòng)步長(zhǎng)的變步長(zhǎng)移動(dòng)平均法對(duì)高頻分量進(jìn)行平抑處理，考慮儲(chǔ)能容量和平抑效果約束，初始移動(dòng)步長(zhǎng)M設(shè)為5。高頻分量平抑結(jié)果如圖6所示。

圖6 高頻分量平抑結(jié)果Fig.6 High frequency component smoothing result

圖7 儲(chǔ)能輸出功率Fig.7 Energy storage output power

儲(chǔ)能輸出功率如圖7所示。風(fēng)電功率高頻期望值Pref與風(fēng)電功率高頻實(shí)際值Pw之差即為儲(chǔ)能輸出功率指令值Pess。若Pess大于0，儲(chǔ)能系統(tǒng)充電；若Pess小于0，儲(chǔ)能系統(tǒng)放電。充放電模式下根據(jù)SOC不同，單獨(dú)調(diào)整移動(dòng)步長(zhǎng)。圖8為移動(dòng)步長(zhǎng)變化曲線。

根據(jù)控制策略，當(dāng)SOC介于0.3～0.7之間時(shí)，M不發(fā)生改變，減少控制策略復(fù)雜性和計(jì)算。當(dāng)SOC小于0.3或大于0.7時(shí)，根據(jù)充放電特性，儲(chǔ)能系統(tǒng)SOC決定移動(dòng)步長(zhǎng)的增減。圖9為采用本文提出的控制策略與傳統(tǒng)固定步長(zhǎng)平抑方法的儲(chǔ)能電池SOC對(duì)比，顯然固定步長(zhǎng)方法電池儲(chǔ)能SOC波動(dòng)量相對(duì)較大，并且出現(xiàn)了過(guò)放現(xiàn)象，對(duì)于儲(chǔ)能系統(tǒng)的穩(wěn)定和壽命都有所影響。若改變這種問(wèn)題需要提供更大的儲(chǔ)能容量配置，投資成本和運(yùn)行成本也會(huì)增大。根據(jù)充放電狀態(tài)不同，獨(dú)立自適應(yīng)地改變移動(dòng)步長(zhǎng)，使得SOC較為穩(wěn)定且避免了過(guò)沖過(guò)放現(xiàn)象，從而提高了儲(chǔ)能系統(tǒng)經(jīng)濟(jì)性，達(dá)到平抑目的。

圖8 移動(dòng)步長(zhǎng)變化Fig.8 Shift step length change

圖9 兩種控制策略下儲(chǔ)能電池SOC對(duì)比Fig.9 Comparison of energy storage battery SOC under two control strategies

將高頻分量平抑結(jié)果與未作平抑的低頻分量疊加，如圖10所示。在保證風(fēng)電功率原有運(yùn)行方法的同時(shí)，對(duì)于波動(dòng)量較大的功率值有較好的平滑。通過(guò)分析輸出功率波動(dòng)率便可驗(yàn)證該控制算法的有效性，平抑前后波動(dòng)率對(duì)比如圖11所示。

式中：PN為風(fēng)電場(chǎng)的額定容量；P(t)為t時(shí)刻風(fēng)電功率輸出；F.Rwind為風(fēng)電功率波動(dòng)率。

應(yīng)用本文提出控制算法后，風(fēng)電功率波動(dòng)率占比介于-5%～5%，由77.6%提高到90.6%，同時(shí)，功率輸出波動(dòng)較大的部分明顯減少，如圖11所示。

圖10 平抑結(jié)果Fig.10 Smoothing result

圖11 波動(dòng)率分析Fig.11 Volatility analysis

4 結(jié) 論

為降低風(fēng)電并網(wǎng)波動(dòng)，本文提出一種利用儲(chǔ)能平抑風(fēng)電功率波動(dòng)的方法。該方法應(yīng)用EEMD將風(fēng)電功率分解，利用儲(chǔ)能平抑高頻分量，根據(jù)電池SOC自適應(yīng)調(diào)節(jié)移動(dòng)步長(zhǎng)。算例分析表明，該方法對(duì)風(fēng)電功率平滑、穩(wěn)定電池SOC效果明顯，并有效避免了電池的過(guò)充過(guò)放。

[1] 林衛(wèi)星, 文勁宇, 艾小猛, 等. 風(fēng)電功率波動(dòng)特性的概率分布研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2012, 32(1): 38-46. LIN Weixing, WEN Jinyu, AI Xiaomeng, et al. Probability density function of wind power variations[J]. Proceedings of the CSEE, 2012, 32(1): 38-46.

[2] 薛禹勝, 雷興, 薛峰, 等. 關(guān)于風(fēng)電不確定性對(duì)電力系統(tǒng)影響的評(píng)述[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2014, 34(29): 5029-5040. XUE Yusheng, LEI Xing, XUE Feng, et al. A review on impacts of wind power uncertainties on power systems[J]. Proceedings of the CSEE, 2014, 34(29): 5029-5040.

[3] GB/T19963-2011 風(fēng)電場(chǎng)接入電力系統(tǒng)技術(shù)規(guī)定[S].北京: 中國(guó)標(biāo)準(zhǔn)出版社, 2012.

[4] UEHARA A, PRATAP A, GOYA T, et al. A coordinated control method to smooth wind power fluctuations of a PMSG-based WECS[J].IEEE Transactions on Energy Conversion, 2011, 26(2): 550-558.

[5] ABEDINI A, MANDIC G, NASIRI A. Wind power smoothing using rotor inertia aimed at reducing grid susceptibility[J]. International Journal of Power Electronics, 2008, 1(2): 227-247.

[6] ZHANG W L, QIU M, LAI X K. Application of energy storage technologies in power grids [J]. Power System Technology, 2008, 32(7):4.

[7] 李蓓, 郭劍波. 平抑風(fēng)電功率的電池儲(chǔ)能系統(tǒng)控制策略[J]. 電網(wǎng)技術(shù), 2012, 36(8): 39-43. LI Bei,GUO Jianbo. A control strategy for battery energy storage system to level wind power output[J]. Power System Technology, 2012, 36(8): 39-43.

[8] 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 Systems, 2013, 37(1):96-102.

[9] LI X, HUI D, WU L, et al. Control strategy of battery state of charge for wind/battery hybrid power system[C]//IEEE International Symposium on Industrial Electronics (ISIE). IEEE, 2010: 2723-2726.

[10] 嚴(yán)干貴, 馮凱翔, 劉嘉, 等. 基于風(fēng)電功率預(yù)測(cè)誤差區(qū)間的儲(chǔ)能系統(tǒng)控制策略[J]. 儲(chǔ)能科學(xué)與技術(shù), 2015, 4(4): 388-393. YAN Gangui,FENG Kaixiang,LIU Jia. et al. A control strategy for energy storage system based on wind power prediction error interval[J]. Energy Storage Science and Technology, 2015, 4(4): 388-393.

(編輯 侯世春)

Research on wind power smoothing based on ensemble empirical mode decomposition (EEMD)

ZHANG Yu, ZHANG Lijue

(College of Electrical Engineering, Northeast Dianli University, Jilin 132012, China)

In order to reduce wind power wave and improve the reliability of wind power integration, wind power smoothing method of a kind of battery energy storage is proposed based on ensemble empirical mode decomposition (EEMD). As to the wind power high frequency component, the moving average method, a kind of control algorithm that can make an adaptive adjustment to shift step length in a state of charge (SOC) is used to process smoothly and to avoid the battery overcharge and discharge. The results of example simulation show that this method can effectively reduce power fluctuations, thereby improving the system’s running stability.

ensemble empirical mode decomposition (EEMD); wind power; energy storage system; smoothing power; wind power volatility

2016-12-28；

2017-03-22。

張 鈺(1992—)，女，碩士研究生，研究方向?yàn)轱L(fēng)電并網(wǎng)控制。

TK81

A

2095-6843(2017)03-0199-05