基于动态小波分解的混合储能系统平滑控制策略

doi:10.3969/j.issn.1000-7229.2017.09.016

摘要/Abstract

摘要： 摘要：为平抑分钟级的功率波动，使风电功率满足并网标准，基于小波分析提出功率分配数动态变化的混合储能系统（hybrid energy storage system, HESS）控制策略。设计了功率分配数根据风电功率超短期预测结果和HESS的荷电状态（state of charge, SOC）动态调整的分频方法，从而改变并网的低频目标功率和需要蓄电池、超级电容平抑的中、高频功率；建立兼顾HESS控制成本、功率平滑度的多目标优化函数，并应用改进的NSGA-Ⅱ算法对功率分配数进行滚动优化，从而达到最优控制；针对基本NSGA-Ⅱ算法在维持种群多样性、均匀性上的不足，以及种群规模大的问题，对精英保留策略进行了改进。最后，通过美国某州风电场实际观测数据进行实例验证，结果表明，所提控制策略能充分发挥不同类型储能的优势，经济、快速地平抑风电功率波动。

关键词: , 混合储能系统（HESS）, 平抑风电功率波动, 小波分析, 滚动优化, 非支配排序遗传算法

Abstract: ABSTRACT： To smooth minute-level wind power fluctuation and make wind power satisfy the grid standard, this paper proposes a control strategy of hybrid energy storage system （HESS） with the power allotment levels adjusting dynamically based on wavelet analysis. And this paper designs a method of frequency division that the pwer allotment levels adjust according to the result of wind power short-term prediction and the state of charge （SOC） of HESS, which can change the low-frequency target power into power grid, as well as the middle and high frequency power absorbed by battery and super capacitor respectively. Then, this paper establishes a multi-objective optimization function considering the control cost and smoothness of HESS, and applies improved NSGA-Ⅱ algorithm to achieve rolling optimization, calculate the optimal power allotment levels and obtain the optimal control strategy. This paper improves elitism strategy to overcome the shortage of basic NSGA-Ⅱ algorithm in maintaining population diversity, the lack of uniformity and large population size problem. Finally, case studies through the actual observation data of a wind farm in the United States demonstrate that the proposed control strategy takes advantage of different types of energy storage and smooths the fluctuation quickly and economically.

Key words: hybrid energy storage system（HESS）, smoothing wind power fluctuation, wavelet analysis, rolling optimization, NSGA-Ⅱ

中图分类号:

TM 614

朱雨薇，吕林，刘友波, 周春燕，张永清. 基于动态小波分解的混合储能系统平滑控制策略[J]. 电力建设, 2017, 38(9): 111-.

ZHU Yuwei, LYU Lin, LIU Youbo, ZHOU Chunyan, ZHANG Yongqing. A Hybrid Energy Storage Smoothing Control Strategy Based on Dynamic Wavelet Transform[J]. Electric Power Construction, 2017, 38(9): 111-.

参考文献

[1]张野，郭力，贾宏杰，等.基于电池荷电状态和可变滤波时间常数的储能控制方法［J］.电力系统自动化，2012，36（6）：34-38，62.

ZHANG Ye，GUO Li，JIA Hongjie，et al.An energy storage control method based on state of charge and variable filter time constant［J］.Automation of Electric Power Systems，2012，36（6）：34-38，62.

［2］吕超贤，李欣然，户龙辉，等.基于小波分频与双层模糊控制的多类型储能系统平滑策略［J］.电力系统自动化，2015，39（2）：21-29.

LYU Chaoxian，LI Xinran，HU Longhui, et al.A smoothing strategy for hybrid energy storage based on wavelet frequency allocation and two-level fuzzy control［J］.Automation of Electric Power Systems，2015，39（2）：21-29.

［3］谢石骁，杨莉，李丽娜.基于机会约束规划的混合储能优化配置方法［J］.电网技术，2012，36（5）79-84.

XIE Shixiao, YANG Li, LI Lina. A chance constrained programming based optimal configuration method of hybrid energy storage system［J］. Power System Technology, 2012,36（5）：79-84.

［4］鲍冠南，陆超，袁志昌，等.基于动态规划的电池储能系统削峰填谷实时优化［J］.中国电机工程学报，2012，36（12）：11-16.

BAO Guannan，LU Chao，YUAN Zhichang，et al.Load shift real-time optimization strategy of battery energy storage based on dynamic programming［J］.Proceedings of the CSEE，2012，36（12）：11-16.

［5］于芃，周玮，孙辉，等.用于风电功率平抑的混合储能系统及其控制系统设计［J］.中国电机工程学报，2011，31（17）：127-133.

YU Peng，ZHOU Wei，SUN Hui，et al.Hybrid energy storage system and control system design for wind power balancing［J］.Proceedings of the CSEE，2011，31（17）：127-133.

［6］BOUDRAA A O，CEXUS J C.Denoising via empirical mode decomposition［C］//Proceedings of the IEEE International Symposium on Control Communications and Signal Processing. Marrakech, Morocco: IEEE，2006:4-8.

［7］DONOHO D L, JOHNSTONE I M. Ideal spatial adaptation by wavelet shrinkage［J］.Biometrika，1994，81（3）：425-455.

［8］曲从善，路延镇，谭营.一种改进型经验模态分解及其在信号消噪中的应用［J］.自动化学报，2010，36（1）：67-73.

QU Congshan，LU Yanzhen，TAN Ying.A modified empirical mode decomposition method with applications to signal de-noising［J］.Acta Automatica Sinica，2010，36（1）：67-73.

［9］孙承晨，袁越，CHOI San Shing，等.基于经验模态分解和神经网络的微网混合储能容量优化配置［J］.电力系统自动化，2015，39（8）：19-26.

SUN Chengchen，YUAN Yue，CHOI San Shing，et al.Capacity optimization of hybrid energy storage in microgrid using empirical mode decomposition and neural network［J］.Automation of Electric Power Systems，2015，39（8）：19-26.

［10］吴振威，蒋小平，马会萌，等.用于混合储能平抑光伏波动的小波包-模糊控制［J］.中国电机工程学报，2014，34（3）：317-324.

WU Zhenwei，JIANG Xiaoping，MA Huimeng，et al.Wavelet packet-fuzzy control of hybrid energy storage systems for PV power smoothing［J］. Proceedings of the CSEE, 2014，34（3）：317-324.

［11］石涛，张斌，晁勤，等.兼顾平抑风电波动和补偿预测误差的混合储能容量经济配比与优化控制［J］.电网技术，2016，40（2）447-483.

SHI Tao, ZHANG Bin, CHAO Qin, et al. Economic storage ratio and optimal control of hybrid energy capacity combining stabilized wind power fluctuations with compensated predictive errors［J］. Power System Technology，2016，40（2）447-483.

［12］熊雄，叶林，杨仁刚.风电功率小波包分解结合储能模糊控制的配电网多目标优化［J］.电力系统自动化，2015，39（15）：68-74.

XIONG Xiong, YE Lin, YANG Rengang. Distribution power system multi-objective optimization based on wind power wavelet packet decomposition and storage system fuzzy control［J］.Automation of Electric Power Systems，2015，39（15）：68-74.

［13］全国电力监管标准化技术委员会. 风电场接入电力系统技术规定:GBT_19963-2011［S］.北京：中国标准出版社，2011.

［14］谢承旺，李凯，廖国勇.一种带差分局部搜索的改进型NSGA2算法［J］. 计算机科学，2013，40（10）:235-273.

XIE Chengwang, LI Kai, LIAO Guoyong. Improved NSGA2 algorithm with differential evolution local search［J］. Computer Science, 2013, 40（10）:235-273.

［15］苏鹏，刘天琪，赵国波，等.基于改进粒子群算法的节能调度下多目标负荷最优分配［J］.电网技术，2009，33（5）:48-53.

SU Peng, LIU Tianqi, ZHAO Guobo, et al. An improved particle swarm optimization based multi-objective load dispatch under energy conservation dispatching［J］.Power System Technology，2009，33（5）:48-53.

［16］ORTEGA-VAZQUEZ M A, KIRSCHEN D S. Estimating the spinning reserve requirements in systems with significant wind power generation penetration［J］. IEEE Transactions on Power Systems, 2009, 24（1）:114-124.

［17］LUO X, WANG J H, DOONER M, et al. Overview of current development in electrical energy storage technologies and the application potential in power system operation［J］.Applied Energy, 2015,137:511-536.

[1]	汤吉鸿, 章德, 丛凡超, 田国梁, 吴贵烘, 李宇骏, 禹海峰. 基于线性二次型最优控制的多端直流最优功率调制方案[J]. 电力建设, 2020, 41(8): 32-39.
[2]	赵洱岽, 王浩, 林弘杨. 现货市场中基于演化博弈的火电企业阶梯报价策略[J]. 电力建设, 2020, 41(8): 68-71.
[3]	宋建，束洪春，董俊，梁雨婷，李雨龙，杨博. 基于GM(1，1)与BP神经网络的综合负荷预测[J]. 电力建设, 2020, 41(5): 75-80.
[4]	祁兵，叶欣，李彬，陈宋宋，李源非，石坤. 考虑IEC标准的用户侧电力物联网体系架构研究[J]. 电力建设, 2020, 41(5): 92-99.
[5]	钟永洁，谢东亮，孙永辉，翟苏巍，常福刚，张明理. 考虑能源子系统与储能的综合能源系统优化分析[J]. 电力建设, 2019, 40(8): 59-68.
[6]	杨军，林洋佳，陈杰军，李逸欣，詹祥澎. 未来城市共享电动汽车发展模式[J]. 电力建设, 2019, 40(4): 49-59.
[7]	江帆，杨洪耕. 基于选择性贝叶斯分类的非侵入式负荷识别方法[J]. 电力建设, 2019, 40(2): 94-.
[8]	刘中原，王维庆，王海云，袁成玉，王亮，李永钦，丁文彬. 基于VSG技术的VSC-HVDC输电系统受端换流器控制策略[J]. 电力建设, 2019, 40(2): 100-.
[9]	林伟芳，易俊，贾俊川，王安斯，余芳芳，方诗卉. 故障后半波长输电线路的稳态过电压控制措施[J]. 电力建设, 2019, 40(2): 109-.
[10]	崔树银，陆奕，常啸. 考虑信用评分机制的电力碳排放交易区块链模型[J]. 电力建设, 2019, 40(1): 104-111.
[11]	钟国彬，吴涛，曾杰，谢开贵，王超，胡博. 基于离散傅里叶变换的主动配电网混合储能容量优化配置[J]. 电力建设, 2018, 39(8): 85-93.
[12]	黄裕春，王宏，王珂，文福拴. 考虑电动汽车充电设施接入的居民配电系统供电容量最优规划[J]. 电力建设, 2018, 39(6): 1-.
[13]	常巩, 邓友均, 杨洪明, 文福拴, 赖明勇. 充换电站模式下电动汽车参与物流配送的电能补给方式规划[J]. 电力建设, 2018, 39(6): 7-.
[14]	刘洵源, 齐峰, 文福拴, 冯昌森, 王蕾，邹波，张西竹. 光伏不平衡接入的配电系统中电动汽车有序充电策略[J]. 电力建设, 2018, 39(6): 21-.
[15]	杨文涛, 王蕾, 邹波, 张西竹, 文福拴, 程敏 . 基于大数据服务平台的电动汽车有序充放电管理[J]. 电力建设, 2018, 39(6): 28-.