基于模糊经验模态分解的电池储能系统平滑风电出力控制策略

doi:10.3969/j.issn.1000－7229.2016.08.021

电力建设 ›› 2016, Vol. 37 ›› Issue (8): 134-.doi: 10.3969/j.issn.1000－7229.2016.08.021

基于模糊经验模态分解的电池储能系统平滑风电出力控制策略

杨锡运1，曹超2，李相俊3,任杰1,高峰1,吴子晗1

1.华北电力大学控制与计算机工程学院，北京市 102206； 2.上海电气集团股份有限公司中央研究院，上海市 200070；3.中国电力科学研究院，北京市 100192

出版日期:2016-08-01
作者简介:杨锡运（1973），女，博士，教授，主要研究方向为新能源发电技术；曹超（1990），男，硕士研究生，主要研究方向为新能源发电控制技术和储能技术；李相俊（1979），男，博士，教授级高级工程师，主要研究方向为大规模储能技术、新能源与分布式发电及电力系统分析；任杰（1992），男，硕士研究生，主要研究方向为新能源发电控制技术和储能技术；高峰（1976），男，博士，讲师，主要研究方向为新能源发电技术；吴子晗（1990），男，硕士研究生，主要研究方向为新能源发电技术。
基金资助:
中央高校基本科研业务费专项资金资助项目（2015MS32）；北京市自然科学基金项目（4132061）；北京市科技新星计划项目（Z141101001814094）；国家电网公司科技项目（DG71-14-046）

Control Strategy of Smoothing Wind Power Output Using Battery Energy Storage System Based on Fuzzy Empirical Mode Decomposition

YANG Xiyun1, CAO Chao2, LI Xiangjun3, REN Jie1, GAO Feng1, WU Zihan1

1.School of Control and Computer Engineering, North China Electric Power University, Beijing 102206, China; 2.Central Research Institute of Shanghai Electric Group Co. Ltd, Shanghai 200070, China; 3.China Electrical Power Research Institute, Beijing 100192, China

Online:2016-08-01
Supported by:
Project supported by Fundamental Research Funds for the Central Universities（2015MS32）； Beijing Natural Science Foundation （4132061）; Beijing New-star Plan of Science and Technology （Z141101001814094）; Science and Technology Project of SGCC（DG71-14-046）

摘要/Abstract

摘要： 为减少风电波动率，提高并网可靠性，提出一种基于模糊经验模态分解（empirical mode decomposition，EMD）的储能系统平滑风电功率波动的控制策略。采用经验模态分解对风电功率进行滤波，低频分量并网，高频分量并入电池储能系统（battery energy storage system，BESS）。使用平滑后风电波动率和储能电池荷电状态（state of charge，SOC）作为约束条件，利用模糊控制算法，自适应在线调整EMD滤波阶数，通过模糊自适应控制器，能够更好地平滑风电波动。对比其他平抑风电功率储能控制策略，仿真实例表明，该方法可以有效地平抑风电功率波动，避免储能电池过充过放，稳定储能荷电状态。

关键词: 经验模态分解（EMD）, 功率平滑, 模糊控制, 波动率, 荷电状态（SOC）

Abstract: To reduce the fluctuation rate of wind power and improve the reliability of grid, this paper proposes a control method of smoothing wind power output with battery energy storage system based on fuzzy empirical mode decomposition （EMD）. Wind power is decomposed by EMD into two parts, the low-frequency part is used as wind power grid-connected value and the high-frequency part is stored by battery energy storage system （BESS）. Taking the fluctuation rate of wind power output after smoothing and the state of charge （SOC） as constraints, the orders of EMD filter can be adaptively adjusted on-line based on fuzzy control method, which can smooth wind power fluctuation better through fuzzy adaptive controller. Compared with another energy storage system control strategies for smoothing wind power, the simulation results show that the proposed method can effectively smooth the fluctuation of winds power output and avoid the over-charging and over-discharging of energy storage system so as to keep SOC stable.

Key words: empirical mode decomposition （EMD）, power smoothing, fuzzy control method, fluctuation rate, state of charge （SOC）

中图分类号:

TM 71

杨锡运，曹超，李相俊,任杰,高峰,吴子晗. 基于模糊经验模态分解的电池储能系统平滑风电出力控制策略[J]. 电力建设, 2016, 37(8): 134-.

YANG Xiyun, CAO Chao, LI Xiangjun, REN Jie, GAO Feng, WU Zihan. Control Strategy of Smoothing Wind Power Output Using Battery Energy Storage System Based on Fuzzy Empirical Mode Decomposition[J]. Electric Power Construction, 2016, 37(8): 134-.

参考文献

［1］中国电力科学研究院.风电场接入电力系统技术规定：GB/T 19963—2011 ［S］.北京：中国标准出版社，2012. ［2］程时杰，文劲宇，孙海顺. 储能技术及其在现代电力系统中的应用［J］.电气应用，2005，24（4）：1-6. ［3］张文亮，丘明，来小康. 储能技术在电力系统中的应用［J］.电网技术，2008，32（7）：1-9. ZHANG Wenliang，QIU Ming，LAI Xiaokang. Application of energy storage technologies in power grids［J］ .Power System Technology，2008，32（7）：1-9. ［4］谢俊文，陆继明，毛承雄，等.基于变平滑时间常数的电池储能系统优化控制方法［J］. 电力系统自动化，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 System，2013，37（1）：96-102. ［5］BREKKEN T K A，YOKOCHI A，VON JOUANNE A，et al. Optimal energy storage sizing and control for wind power applications［J］. IEEE Transactions on Sustainable Energy，2011，2（1）：69-77. ［6］ESMAILI A, NOVAKOVIC B, NASIRI A, et al. A hybrid system of Li-Ion capacitors and flow battery for dynamic wind energy support［J］. IEEE Transactions on Industry Applications, 2013, 49（4）: 1649-1657. ［7］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 management method of hybrid energy storage system based on smoothing control［J］.Automation of Electric Power Systems，2012，36（6）：34-38, 62. ［8］张坤，吴建东，毛承雄，等. 基于模糊算法的风电储能系统的优化控制［J］.电工技术学报，2012，27（10）：235-241. ZHANG Kun, WU Jiandong, MAO Chengxiong，et al.Optimal control of energy storage system for wind power generation based on fuzzy algorithm ［J］.Transactions of China Electrotechnical Society, 2012，27（10）：235-241. ［9］孟顺，谢桦. 基于经验模态分解的平滑可再生能源功率波动的储能容量优化［J］. 电源学报，2014，5（5）：7-11, 18. MENG Shun，XIE Hua. Energy storage capacity optimization in smoothing renewable energy power fluctuation based on empirical mode decomposition［J］. Journal of Power Supply，2014，5（5）：7-11, 18. ［10］韩晓娟，陈跃燕，张浩, 等，基于小波包分解的混合储能技术在平抑风电场功率波动中的应用［J］.中国电机工程学报，2013，33（19）：8-13 HAN Xiaojuan，CHEN Yueyan，et al. Application of hybrid energy storage technology based on wavelet packet decomposition in smoothing the fluctuations of wind power ［J］. Proceedings of the CSEE，2013，33（19）：8-13. ［11］孙晖.经验模态分解理论与应用研究［D］.杭州：浙江大学，2005. SUN Hui. Research on empirical mode decomposition theory and its application［D］. Hangzhou：Zhejiang University，2005. ［12］FLANDRIN P, RILLING G, GONCALVES P. Empirical mode decomposition as a filter bank［J］. IEEE Signal Processing Letters, 2004, 11（2）: 112-114. ［13］张步涵，曾杰，毛承雄，等. 电池储能系统在改善并网风电场电能质量和稳定性中的应用［J］.电网技术，2006，30（15）：54-58. ZHANG Buhan，ZENG Jie，MAO Chengxiong，et al. Improvement of power quality and stability of wind farms connected to power grid by battery energy storage system［J］. Power System Technology. 2006，30（15）：54-58. ［14］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. ［15］LI X. Fuzzy adaptive Kalman filter for wind power output smoothing with battery energy storage system［J］. IET Renewable Power Generation，2012，6（5）：340-347.

[1]	杜丽佳，靳小龙，何伟，穆云飞，贾宏杰，魏炜. 考虑电动汽车和虚拟储能系统优化调度的楼宇微网联络线功率平滑控制方法[J]. 电力建设, 2019, 40(8): 26-33.
[2]	李泓青，周建萍，茅大钧，李欣煜，胡成奕，邓玉君. 混合储能系统二次功率分配及交互控制策略在直流微网中的应用[J]. 电力建设, 2019, 40(5): 13-19.
[3]	宋振浩，陆立民，胥峥，吕志鹏，吴鸣，赵婷. VSG虚拟惯量动态区间控制策略[J]. 电力建设, 2019, 40(2): 45-53.
[4]	曹弘飞，朱新坚. BP神经网络在线优化卡尔曼滤波算法在钒电池SOC估算中的应用[J]. 电力建设, 2018, 39(4): 9-.
[5]	李大勇1，都明亮2，田春光2，韩晓娟3. 基于总体平均经验模态分解的混合储能系统协调优化控制[J]. 电力建设, 2018, 39(4): 83-.
[6]	孙玉树，唐西胜，田春筝，苗福丰，孙晓哲. 基于EMD的复合储能不同控制策略对比分析[J]. 电力建设, 2017, 38(3): 77-.
[7]	邵丽华, 章竹耀,张春龙,赵青,黄国平,严飞. 储能电池荷电状态与平抑风电出力波动协调运行策略[J]. 电力建设, 2017, 38(1): 84-.
[8]	王颖，林酉阔，兰晓明，赵洪山. 考虑随机波动性可再生能源的传统电源灵活性分析[J]. 电力建设, 2017, 38(1): 131-.
[9]	赵昱杰，凌志斌，张敏吉. 时滞对风储平滑功率效果的影响分析[J]. 电力建设, 2016, 37(8): 128-.
[10]	盛四清，李明跃. 微电网中混合储能系统的小波包-模糊控制策略[J]. 电力建设, 2016, 37(2): 132-137.
[11]	李德鑫，董添，常学飞，陈跃燕，韩晓娟. 基于变权值自适应滤波的风光储协调优化控制[J]. 电力建设, 2015, 36(4): 32-37.
[12]	李晋伟，王奇，何红太，裴冠荣. 基于EMD与ELM的输电线路山火蔓延速度组合预测模型[J]. 电力建设, 2015, 36(3): 27-32.
[13]	邓明，孙春顺，苏盛，杨安，覃晔. 基于混合动力电动公交车的能量优化管理研究[J]. 电力建设, 2014, 35(12): 32-37.
[14]	张万军, 张峰, 张万良, 胡赤兵, 邬再新, 王保民. 基于风力发电机定向功率转换的模糊控制[J]. 电力建设, 2014, 35(10): 13-16.
[15]	陈跃燕，李相俊，韩晓娟，梁廷婷，惠东. 基于移动平均法和风电波动率约束的电池储能系统平滑风电出力控制策略[J]. 电力建设, 2013, 34(7): 1-5.

基于模糊经验模态分解的电池储能系统平滑风电出力控制策略

Control Strategy of Smoothing Wind Power Output Using Battery Energy Storage System Based on Fuzzy Empirical Mode Decomposition

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价