摘要： 為解決混合儲能系統(tǒng)的光伏輸出功率波動性較大的問題，提出一種改進的局部均值分解（improved local mean decomposition， ILMD）的功率分配方案。對光伏發(fā)電出力進行平滑處理，可得到滿足國家要求的光伏并網(wǎng)功率，利用ILMD對混合儲能功率進行分解，確定其高頻功率和低頻功率并分別分配給超級電容和蓄電池，建立具有目標(biāo)函數(shù)的功率優(yōu)化模型，最大限度地降低整個系統(tǒng)全生命周期的投資成本，使用改進鯨魚優(yōu)化算法求解獲得符合優(yōu)化模型要求的容量配置。通過算例分析，對比不同的儲能容量配置策略，驗證所提策略的可行性。

關(guān)鍵詞： 波動率；混合儲能；局部均值分解；容量配置

中圖分類號： TM615

文獻標(biāo)志碼： A"""""文章編號： 2097-3853（2024）01-0039-08

Optimized configuration of hybrid energy storage capacity based on improved LMD

LIN Junde1，2， ZHU Xi1，2， SHI Xiangyu1，2， LIN Jinyang1，2

（1. Research Center for Microelectronics Technology， Fujian University of Technology， Fuzhou 350118， China;

2. Fujian Provincial University Engineering Research Center for Simulation Analysis and Integrated

Control of Smart Grid， Fuzhou 350118， China）

Abstract： To overcome the problem of large fluctuations in photovoltaic output power， an improved local mean decomposition （ILMD） power allocation scheme was proposed for hybrid energy storage systems. By smoothing the output of photovoltaic power generation， the grid connected photovoltaic power that meets national requirements can be obtained. The hybrid energy storage power is decomposed using ILMD， and its high-frequency and low-frequency power are allocated to supercapacitors and batteries respectively. A power optimization model with a target function is established to minimize the investment cost of the whole system life cycle. The improved whale optimization algorithm is used to obtain the capacity configuration that meets the requirements of the optimization model. By analyzing numerical examples and comparing different energy storage capacity configuration strategies， it is verified that the proposed strategy has higher feasibility.

Keywords： volatility; hybrid energy storage; local mean decomposition; capacity configuration

近年來，中國的光伏累計裝機容量增長迅速，新增裝機容量屢創(chuàng)歷史新高。然而光伏發(fā)電受環(huán)境因素的制約導(dǎo)致其出力不穩(wěn)定，會大大增加電網(wǎng)安全運行的調(diào)控難度［1］。儲能系統(tǒng)可以有效解決電網(wǎng)接入新能源發(fā)電的難點，達到平滑光伏發(fā)電波動、保障電能質(zhì)量和提高系統(tǒng)穩(wěn)定運行的效果［2］。

對于單一儲能，其投資成本和使用壽命兩者不可兼得，配置大容量單一儲能系統(tǒng)會降低經(jīng)濟效益，同時過度充放電會影響儲能的使用壽命［3］。因此，單一儲能很難滿足光伏發(fā)電并網(wǎng)要求，混合儲能配置對電網(wǎng)的經(jīng)濟穩(wěn)定運行至關(guān)重要［4］。

目前，學(xué)術(shù)界對混合儲能系統(tǒng)在光伏發(fā)電側(cè)的配置已開展了很多研究。文獻［5］采用低通濾波實現(xiàn)合理的能量調(diào)度，得到混合儲能系統(tǒng)的容量配置，但在濾波過程中會產(chǎn)生信號延遲，從而導(dǎo)致儲能容量出現(xiàn)偏差。文獻［6］利用離散傅里葉變換對混合儲能系統(tǒng)功率進行優(yōu)化分解，確定頻率分界點實現(xiàn)容量配置，但分解過程計算量大，不適合直接對功率進行分解。文獻［7］基于自適應(yīng)小波分解確定初次功率分配，再利用荷電狀態(tài)（state of charge，SOC）模糊優(yōu)化控制器對混合儲能功率進行出力調(diào)整，保證混合儲能SOC不會越限，然而不同的小波對初次功率分配有較大的影響。文獻［8］采用經(jīng)驗?zāi)B(tài)分解（empirical mode decomposition，EMD）對風(fēng)電功率進行分解，經(jīng)EMD濾波后分為低頻、中頻和高頻，重構(gòu)后依次分別對應(yīng)并網(wǎng)功率、蓄電池和超級電容器，但EMD存在模態(tài)混疊現(xiàn)象會使特征提取難度加大。文獻［9］提出基于變分模態(tài)分解（variational mode decomposition，VMD）的容量配置方法，光伏原始功率經(jīng)過VMD分解為并網(wǎng)功率、高頻和低頻功率，高頻和低頻分量重構(gòu)后分別由超級電容器和蓄電池出力，但VMD的模態(tài)分解個數(shù)不同對分解結(jié)果會造成較大的影響。

綜上，本研究對混合儲能系統(tǒng)（hybrid energy storage system， HESS）提出一種改進的局部均值分解（improved local mean decomposition， ILMD）的容量優(yōu)化配置方案。對光伏原始功率平滑處理后，采用ILMD對混合儲能功率分解，確定分解后高頻功率與低頻功率的分界點，將高頻功率重構(gòu)給超級電容、低頻功率重構(gòu)給蓄電池。最后通過考慮儲能設(shè)備的充電狀態(tài)和額定功率等約束，將全生命周期成本作為混合儲能系統(tǒng)的目標(biāo)函數(shù)，計算出HESS的額定功率和容量，對比不同儲能方案下的經(jīng)濟性。

1"光伏混合儲能系統(tǒng)模型

1.1"光伏儲能系統(tǒng)

儲能系統(tǒng)可以有效提高電網(wǎng)接入新能源發(fā)電的能力，由功率型和能量型構(gòu)成的儲能系統(tǒng)開始逐步應(yīng)用于新能源發(fā)電。蓄電池儲能的能量密度高，制造成本隨著新能源應(yīng)用規(guī)模擴大不斷下降，但存在循環(huán)壽命較短的缺陷；超級電容雖然成本昂貴，但具有功率密度高、可快速充放電的優(yōu)點，兩者結(jié)合可以實現(xiàn)優(yōu)勢互補。因此本研究采用蓄電池與超級電容的混合儲能來抑制光伏發(fā)電的波動。光伏儲能系統(tǒng)由光伏電站、蓄電池、超級電容、變換器及電網(wǎng)組成，功率關(guān)系滿足式（1）（2）。

Pgird（t）=Ppv（t）+Phess（t）（1）

Phess（t）=Pba（t）+Psc（t）（2）

式中，Ppv（t）代表光伏輸出功率，Phess（t）代表混合儲能功率，Pba（t）代表蓄電池額定功率，Psc（t）代表超級電容額定功率，Pgrid（t）代表光伏并網(wǎng)功率。

1.2"光伏波動率

光伏電站規(guī)模根據(jù)裝機容量劃分，小型對應(yīng)的裝機容量為100 kW以下，中型對應(yīng)的裝機容量范圍為100 kW～1 MW，大型對應(yīng)的裝機容量在1 MW及以上。針對光伏電站輸出功率并入電網(wǎng)會造成不穩(wěn)定的問題，根據(jù)中國關(guān)于光伏并網(wǎng)的技術(shù)規(guī)定，光伏電站按照裝機容量的大小來限定有功功率波動的最大值［10］，包括10 min時間尺度下的光伏有功功率變化和1 min時間尺度下的光伏有功功率變化，如表1所示。本研究以1 min內(nèi)有功功率變化不超過裝機容量的10%進行光伏波動平抑。

為評價混合儲能系統(tǒng)平滑光伏輸出功率的效果，將某個時間段內(nèi)光伏輸出功率的差值與光伏電站額定功率PN的比值稱為光伏波動率η（t），其計算方法如式（3）所示。

η（t）=Ppv（t）-Ppv（t-Δt）PN×100%（3）

根據(jù)表1可以計算出接入到電網(wǎng)時光伏輸出功率的最大波動率，為確保光伏功率滿足并網(wǎng)要求，波動率不得超過國家規(guī)定的最大功率波動，即：

η≤ηmax（4）

式中，ηmax為光伏功率波動率最大值。

2"混合儲能系統(tǒng)容量優(yōu)化模型

2.1"儲能系統(tǒng)壽命評估模型

混合儲能系統(tǒng)中的蓄電池循環(huán)壽命會受到頻繁而劇烈的充放電被大大縮短，從而增加了整個生命周期的更換頻率，更換期間導(dǎo)致光伏并網(wǎng)受限也會提高成本。蓄電池壽命受溫度和過度充放電等因素影響，主要考慮放電深度DoD（depth of discharge）和充放電次數(shù)這兩方面來評估蓄電池壽命。在光伏功率平抑過程中，蓄電池放電深度由實時工況決定，而不是工作在特定的放電深度，因此可根據(jù)雨流計數(shù)法求得工作周期內(nèi)蓄電池的循環(huán)壽命［11］。

蓄電池的放電深度DDoD與循環(huán)壽命Ncft之間的關(guān)系如式（5）所示。

Ncft=-3 278D4DoD-5D3DoD+12 823D2DoD-14 122DDoD+5 112（5）

蓄電池第i次循環(huán)周期的循環(huán)壽命N（DDoDi）為：

N（DDoDi）=Ncft（1）[]Ncft（DDoDi）（6）

式中，Ncft（1）為放電深度為1時的循環(huán)次數(shù)，Ncft（DDoDi）為放電深度為DDoDi的循環(huán)次數(shù)。

蓄電池在1個工作周期內(nèi)的等效循環(huán)壽命N為：

N=∑1DDoDi=0.01Ncft（1）Ncft（DDoDi）（7）

式中，0.01至1的中間平均間隔是蓄電池放電深度，由其實際工作情況決定，只計算蓄電池工作周期放電深度超過0.01的循環(huán)次數(shù)。

蓄電池在一個工作周期內(nèi)的壽命損耗T為：

T=Ncft（1）[]N（8）

當(dāng)T=1時，應(yīng)該及時更換蓄電池，根據(jù)蓄電池的年利用系數(shù)折算到其壽命周期中，即蓄電池的壽命周期Tlifetime為：

Tlifetime=（T-1）×λ365（9）

式中，λ代表蓄電池的年利用系數(shù)，為2。

由于充放電過程沒有化學(xué)反應(yīng)，超級電容器具有可逆的充放電過程，導(dǎo)致循環(huán)時間長，深度放電高達百萬次，因此根據(jù)實際情況將超級電容使用壽命設(shè)置為固定值。

2.2"目標(biāo)函數(shù)

對混合儲能系統(tǒng)配置結(jié)果采用全壽命周期成本進行經(jīng)濟分析，并將儲能設(shè)備的購買成本和儲能系統(tǒng)在使用壽命內(nèi)產(chǎn)生的所有成本之和作為目標(biāo)成本的函數(shù)。目標(biāo)成本函數(shù)主要由4部分組成。

（1）儲能設(shè)備采購成本

Cpur=（λpPessr+λeEessr）δ（ρ，Y）（10）

y（ρ，Y）=ρ（1+ρ）Y（1+ρ）Y-1（11）

式中，Cpur為采購成本，λp為功率單價，λe為容量單價，Pessr為儲能功率，Eessr為儲能容量，y（ρ，Y）為等年值折算系數(shù)（其中ρ為貼現(xiàn)率，Y為儲能設(shè)備的壽命）。

（2）儲能設(shè)備更換成本

Crep=∑xu=1（λprepPessr+λerepEessr）y（ρ，Y）（12）

式中，Crep為更換成本，λprep為單位功率更換成本，λerep為單位容量更換成本，x為全壽命周期內(nèi)更換的次數(shù)。

（3）儲能設(shè)備運維成本

Cma=（λpmaPessr+λemaEessr）y（ρ，Y）（13）

式中，Cma為運維成本，λpma為單位功率運維成本，λema為單位容量運維成本。

（4）儲能設(shè)備回收成本

Cres=α（Cpur+Crep）1（1+ρ）Y-1（14）

式中，Cres為回收成本，α為回收殘值率。

結(jié)合式（10）～（14），可得全壽命周期成本為

CLCC=Cpur+Crep+Cma-Cres（15）

2.3"約束條件

在配置混合儲能容量過程中應(yīng)考慮以下約束限制來保證混合儲能系統(tǒng)可以穩(wěn)定出力。

（1）能量守恒約束

功率應(yīng)滿足能量守恒，光伏并網(wǎng)功率與光伏輸出功率之差等于混合儲能系統(tǒng)出力，混合儲能系統(tǒng)出力是蓄電池和超級電容兩者之和，即

Phess=Pgrid-PpvPhess=Pba+Psc（16）

（2）儲能充放電功率約束

混合儲能系統(tǒng)的實時充放電功率應(yīng)均在額定功率范圍內(nèi)，即

-Pba≤Pba（t）≤Pba-Psc≤Psc（t）≤Psc（17）

式中，Pba（t）為t時刻蓄電池的輸出功率，Psc（t）為t時刻超級電容器的輸出功率。

（3）儲能系統(tǒng)的SOC約束

儲能系統(tǒng)的SOC應(yīng)在規(guī)定的范圍內(nèi)運行，否則會影響其使用年限，即

SOCbamin≤SOCba（t）≤SOCbamaxSOCscmin≤SOCsc（t）≤SOCscmax（18）

SCO（t）=SCO（t-1）-βP（t）ΔtEessr（19）

式中，SOCba（t）為t時刻蓄電池的荷電狀態(tài)，SCOsc（t）為t時刻超級電容的荷電狀態(tài)，β為充放電效率，P（t）為t時刻的功率。

3"混合儲能系統(tǒng)的功率分配

3.1"LMD基本原理

局部均值分解算法可以通過多次迭代將含有多分量的信號分解成一系列的乘積函數(shù)（product function，PF）和一個剩余分量，從而確定混合儲能系統(tǒng)的出力情況，有效解決光伏并網(wǎng)的擾動問題，具體實現(xiàn)步驟如下。

步驟1：尋找原始信號x（t）中包含的每個極值點ni，從而算出其局部均值mi和包絡(luò)值ai，如式（20）（21）所示。

mi=ni+ni+12（20）

ai=ni-ni+12（21）

步驟2：對局部均值mi和包絡(luò)值ai進行平滑處理，得到其對應(yīng)的函數(shù)m11（t）和a11（t）。

步驟3：將m11（t）從原始信號x（t）中分離出來，得 到一個新的序列h11（t），即

h11（t）=x（t）-m11（t）（22）

步驟4：用h11（t）除以包絡(luò)估計函數(shù)a11（t）進行解調(diào)，得到s11（t）。

s11（t）=h11（t）[]a11（t）（23）

式中，s11（t）作為初始信號通過重復(fù)上述過程獲得的包絡(luò)函數(shù)a12（t）不為1，則意味著其不是純調(diào)頻函數(shù)，因此需要重復(fù)迭代n次，直到s1n（t）成為純調(diào)頻函數(shù)，即

a1（n+1）（t）=1（24）

步驟5：將整個迭代過程中的包絡(luò)值相乘得到包絡(luò)信號a1（t），再與純調(diào)頻函數(shù)s1n（t）相乘就會得到第一個PF分量，即

PPF1（t）=a1（t）s1n（t）（25）

步驟6：將PF1分量從原始信號中分離出來：

u1（t）=x（t）-PPF1（t）（26）

步驟7：將u1（t）經(jīng)過k次循環(huán)迭代直到滿足uk（t）為單調(diào)函數(shù)為止，最后原始信號分解為k個PF函數(shù)和一個剩余分量，即

x（t）=∑ki=1PPFi（t）+uk（t）（27）

3.2"基于改進LMD的HESS功率分配

在抑制端點效應(yīng)與模態(tài)混疊方面，LMD相較于EMD有所改善，但仍然有改進的空間，如果端點不是極值點，就會出現(xiàn)端點效應(yīng)。若對端點不加以處理，隨著迭代次數(shù)的增加，端點上的分解將會出現(xiàn)失真現(xiàn)象，從而難以達到循環(huán)結(jié)束條件。因此在LMD分解前對原始信號進行鏡像延拓，會使獲得的純調(diào)頻函數(shù)與包絡(luò)估計函數(shù)更加精確，從而降低端點效應(yīng)的影響。最后再將經(jīng)過鏡像延拓的分解信號還原就能獲得原始信號的PF分量。

由Smith提出的迭代終止條件a1（n+1）（t）=1是理想化的情況，分解次數(shù)過多容易造成虛假分量，并且會增加求解時間。故而在實際過程中通過設(shè)置停止判據(jù)及其能量比值的閾值來實現(xiàn)自適應(yīng)分解。

定義μ（i）作為純調(diào)頻函數(shù)停止迭代的目標(biāo)函數(shù)，如式（28）所示。

μ（i）=a1（n+1）（i）-1（28）

當(dāng)a1（n+1）（i）=1，μ（i）等于0。

采用均方根值（RMS）來衡量純調(diào)頻函數(shù)是否滿足停止迭代的條件，如式（29）所示，當(dāng)RMS趨于0，說明目標(biāo)函數(shù)達到循環(huán)終止條件，也接近0，由此得到純調(diào)頻函數(shù)。

RMS=1n∑ni=1μ2（i）（29）

LMD分解要滿足剩余分量為單調(diào)函數(shù)才停止迭代，因此設(shè)置LMD分解的外層循環(huán)停止條件至關(guān)重要，最后的PF分量個數(shù)由外層循環(huán)決定，如式（30）所示，篩選停止標(biāo)準是通過計算第k個PF分量與原始信號的能量比值來確定。經(jīng)過仿真驗證，結(jié)果如圖1所示，如果最后一個PF分量與原始信號的能量比值小于0.1時繼續(xù)迭代，會過度分解導(dǎo)致產(chǎn)生虛假分量，因此設(shè)置能量比值小于0.1時再停止迭代的效果最佳。

r=∑ni=1PFi（k）2∑ni=1xi2（30）

確定分解后PF分量的頻率分界點，將高于分界點的PF分量重構(gòu)為超級電容器功率，低于分界點的PF分量重構(gòu)為蓄電池功率，即

Psc（t）=∑jk=1PFk（t）Pba（t）=∑Kk=j+1PFk（t）"j∈（1，2，…，n） （31）

4"改進的鯨魚優(yōu)化算法

4.1"混沌序列初始化

目前，多數(shù)智能優(yōu)化算法初始種群幾乎都是隨機生成，因而影響算法的求解效果。在鯨魚優(yōu)化算法（WOA）種群初始化時，初始種群是在限定的范圍內(nèi)隨機生成，會導(dǎo)致分布不均勻，造成全局搜索能力受限。混沌的主要特點是不可預(yù)測性和非線性，尤其是在搜索空間中有許多局部解的情況下，有助于找到全局最優(yōu)解，提高算法性能。其基本思想是利用混沌屬性映射混沌空間值范圍內(nèi)的變量，并最終將生成隨機的混沌序列。采用Circle混沌映射生成種群個體，Circle映射定義如式（32）：

xi+1=modxi+0.2-0.52πsin（2πxi），1（32）

實驗證明［12］，利用Circle映射代替隨機生成的初始種群可獲得更好的效果，尤其在搜索范圍內(nèi)有許多局部解時，混沌映射可以豐富種群多樣性，增強算法對于全局的尋優(yōu)能力，從而提高算法優(yōu)化的效率。

4.2"非線性收斂因子

與其他智能優(yōu)化算法一樣，鯨魚優(yōu)化算法在尋優(yōu)過程中同樣面臨著全局搜索能力和局部開發(fā)能力不平衡的問題。在鯨魚優(yōu)化算法中，參數(shù)A是用于確定算法是否接著搜索獵物，當(dāng)A≥1時，算法就會進行全局搜索，避免陷入局部最優(yōu)；當(dāng)Alt;1時，算法進行局部搜索得到最優(yōu)解。由于收斂因子a在參數(shù)中A是線性變化，全局搜索能力經(jīng)過多次迭代會發(fā)生衰減，因此本研究提出了一個非線性收斂因子，即

a=2-2sinωxmax_iterπ（33）

式中，max_iter表示最大迭代次數(shù)，x為當(dāng)前迭代次數(shù)，ω參數(shù)取值為0.7。

改進的鯨魚優(yōu)化算法流程如圖2所示。

5"算例分析

某光伏電站的裝機容量為1 150 kW，選取某天（6：30 a.m.～19：30 p.m.）光伏實測采樣數(shù)據(jù)為研究對象，分析可知光伏原始功率1 min最大波動率為39.65%，1 min最大波動率遠遠超過了國家規(guī)定的并網(wǎng)上限10%，導(dǎo)致供電安全性低，因此未達到接入大電網(wǎng)的標(biāo)準，需要混合儲能系統(tǒng)出力對光伏功率進行平抑。采用Savitzky-Golay濾波來平滑光伏出力，將波動率降至滿足條件，濾波窗口設(shè)為15，SG濾波效果如圖3所示。

從圖4可看出，光伏原始功率經(jīng)SG濾波處理后得到的光伏并網(wǎng)功率波動率明顯下降，在第374分時1 min最大波動率為7.56%，對于平抑前的波動率降低了80.94%， SG濾波效果良好，達到我國光伏并網(wǎng)要求。波動率較低的光伏并網(wǎng)參考功率需要混合儲能系統(tǒng)出力才可以得到，由式（1）可算出混合儲能系統(tǒng)的輸出功率，得到工作周期內(nèi)混合儲能系統(tǒng)的出力狀態(tài)如圖5所示。

5.1"混合儲能功率分配

為體現(xiàn)改進的LMD在混合儲能功率分配方面的優(yōu)勢，將其與EMD分解算法進行比較。采用ILMD與EMD分別對混合儲能的輸出功率進行分解，將分解之后的分量通過希爾伯特變換（HT）獲得各自的瞬時頻率-時間曲線。從圖6可以看出，EMD在每個時刻都會出現(xiàn)模態(tài)混疊，僅有c4模態(tài)分量與其他分量出現(xiàn)混疊的時刻較少但存仍在突變的高頻分量，劇烈的充放電需要由蓄電池來承擔(dān)，這將降低其壽命導(dǎo)致更換次數(shù)增多，從而增加成本。

ILMD的分解結(jié)果包括高頻到低頻的7個PF分量和1個剩余分量，如圖7所示。將這8個分量通過HT后得到瞬時頻率-時間曲線如圖8所示。從圖8可見，ILMD除了開始時刻出現(xiàn)模態(tài)混疊PF5與PF6整個時間段幾乎無重疊且不存在突變的高頻分量，因此，將PF1～PF5分量重構(gòu)為超級電容的功率，將頻率低于PF5的分量重構(gòu)為蓄電池的功率。

5.2"混合儲能容量優(yōu)化配置

為達到光伏并網(wǎng)的優(yōu)化效果，依據(jù)其建立的目標(biāo)函數(shù)和約束條件，采用改進的算法得到最優(yōu)的配置方案和全壽命周期成本，該混合儲能系統(tǒng)相關(guān)參數(shù)見表2。

為了證明所提方法具有更高的可行性，對比4種不同方案的優(yōu)化配置結(jié)果。如表3所示方案1為單一蓄電池儲能，方案2～4為混合儲能，其中方案2是對儲能參考功率進行經(jīng)驗?zāi)B(tài)分解（EMD），用改進鯨魚優(yōu)化算法求目標(biāo)函數(shù)；方案3是對儲能參考功率進行改進的LMD分解，用鯨魚優(yōu)化算法求目標(biāo)函數(shù)；方案4是改進的LMD分解，用改進鯨魚優(yōu)化算法求目標(biāo)函數(shù)。4種方案的優(yōu)化配置結(jié)果如表3所示，列出方案1、方案2和方案4的儲能設(shè)備在工作狀態(tài)下SOC變化情況，不同配置方案的SOC實時狀態(tài)如圖9所示。

根據(jù)表3的配置結(jié)果，方案2與方案4是不同分解算法的容量配置，可知改進的LMD相較于EMD分解過程中能徹底的分離高頻和低頻分量，不至于由蓄電池來承擔(dān)未完全分離的高頻功率，從而導(dǎo)致儲能系統(tǒng)的額定容量翻倍。將方案3與方案4作比較，可知改進的鯨魚優(yōu)化算法加尋優(yōu)能力增強，有利于跳出局部最優(yōu)，避免了蓄電池超出在限定的范圍內(nèi)工作，投資成本下降了17.4%。從圖9（a）可知，方案1的蓄電池不適合做單一儲能，頻繁又劇烈的充放電導(dǎo)致其使用壽命只有0.32a，需要頻繁更換，投資成本是方案4的3倍多。從圖9（b）、9 （c）可以看出，蓄電池的SOC平穩(wěn)變化，而超級電容的SOC快速變化，相較于單一儲能，采用混合儲能系統(tǒng)能發(fā)揮出各自的優(yōu)點，相對于方案1其使用壽命分別提高了21.8倍、15.8倍，成本對應(yīng)下降了53.6%、66.9%；但方案2蓄電池在工作時間持續(xù)充電，直到限值，長時間的充電會使蓄電池容量降低從而會影響其壽命，而超級電容一直處于放電狀態(tài)，不利于抑制光伏功率波動。方案4蓄電池的使用壽命較于方案2降低了1.94 a，但混合儲能的充放電狀態(tài)更加合理，投資成本比其下降30.4%，綜上所述改進的LMD分解效果更佳。

6"結(jié)論

1）與經(jīng)驗?zāi)B(tài)分解相比，改進的局部均值分解算法可以更好地分解混合儲能功率，減少模態(tài)混合現(xiàn)象，精度較高。

2）采用改進的局部均值分解配置混合儲能，相較于經(jīng)驗?zāi)B(tài)分解，降低了混合儲能系統(tǒng)配置成本，提高了系統(tǒng)的經(jīng)濟性；相較于單一儲能，能夠降低容量配置和全壽命周期成本，有效提高蓄電池的使用壽命。

3）經(jīng)過混沌映射，初始種群的適應(yīng)度值有一定程度的提高，有利于改進的鯨魚算法進行全局尋優(yōu)，對于目標(biāo)函數(shù)有更好的求解效果。

參考文獻：

［1］ 史恒逸，王寶華. 考慮配網(wǎng)電壓越限風(fēng)險的光伏接入規(guī)劃研究［J］. 電測與儀表，2021，58（3）：40-46.

［2］ 李瑞民，張新敬，徐玉杰，等. 風(fēng)光互補系統(tǒng)中混合儲能容量優(yōu)化配置研究［J］. 儲能科學(xué)與技術(shù)，2019，8（3）：512-522.

［3］ 馬偉，王瑋，吳學(xué)智，等. 平抑光伏并網(wǎng)功率波動的混合儲能系統(tǒng)優(yōu)化調(diào)度策略［J］. 電力系統(tǒng)自動化，2019，43（3）：58-66.

［4］ 張宇涵，杜貴平，雷雁雄，等. 直流微網(wǎng)混合儲能系統(tǒng)控制策略現(xiàn)狀及展望［J］. 電力系統(tǒng)保護與控制，2021，49（3）：177-187.

［5］ CHU H C，WANG X H，MU X C，et al. Research on optimal configuration of hybrid energy storage capacity based on improved particle swarm optimization algorithm［C］∥2019 IEEE 4th Advanced Information Technology，Electronic and Automation Control Conference. Chengdu，2019：2030-2036.

［6］ 鐘國彬，吳濤，曾杰，等. 基于離散傅里葉變換的主動配電網(wǎng)混合儲能容量優(yōu)化配置［J］. 電力建設(shè)，2018，39（8）：85-93.

［7］ 吳杰，丁明. 采用自適應(yīng)小波包分解的混合儲能平抑風(fēng)電波動控制策略［J］. 電力系統(tǒng)自動化，2017，41（3）：7-12.

［8］ 韓曉娟，田春光，程成，等. 基于經(jīng)驗?zāi)B(tài)分解的混合儲能系統(tǒng)功率分配方法［J］. 太陽能學(xué)報，2014，35（10）：1889-1896.

［9］ 張夢田，田書，曾志輝. 基于變分模態(tài)分解的混合儲能容量優(yōu)化配置［J］. 儲能科學(xué)與技術(shù)，2020，9（1）：170-177.

［10］ 國家電網(wǎng)公司.光伏電站接入電網(wǎng)技術(shù)規(guī)定：Q/GDW 1617-2015［S］.北京：中國電力出版社，2016.

［11］ 何俊強，師長立，馬明，等. 基于元模型優(yōu)化算法的混合儲能系統(tǒng)雙層優(yōu)化配置方法［J］. 電力自動化設(shè)備，2020，40（7）：157-167.

［12］ 張達敏，徐航，王依柔等. 嵌入Circle映射和逐維小孔成像反向?qū)W習(xí)的鯨魚優(yōu)化算法［J］. 控制與決策，2021，36（5）：1173-1180.

（責(zé)任編輯： 方素華）

收稿日期：2023-10-11

基金項目：福建省自然科學(xué)基金面上資助項目（2021J011082）；福州大學(xué)平板顯示國家地方聯(lián)合工程實驗室開放基金資助項目（ KF1802）

第一作者簡介：林俊德（1999—），男，福建泉州人，碩士研究生，研究方向：混合儲能配置。

通訊作者：林金陽（1981—），男，福建莆田人，副教授，博士，研究方向：光伏故障診斷、光電發(fā)電系統(tǒng)等。