基于变权值自适应滤波的风光储协调优化控制

李德鑫，董添，常学飞，陈跃燕，韩晓娟

(1. 国网吉林省电力有限公司电力科学研究院，长春市 130021; 2. 中船重工(重庆)海装风电设备有限公司， 重庆市 401122; 3. 华北电力大学控制与计算机工程学院，北京市 102206)

(1. Electric Power Research Institute, State Grid Jilin Electric Power Co., Ltd., Changchun 130021, China;2. CSIC (Chongqing) Haizhuang Wind power Equipment Co., Ltd., Chongqing 401122, China;3. School of Control and Computer Engineering, North China Electric Power University, Beijing 102206, China)



基于变权值自适应滤波的风光储协调优化控制

李德鑫1，董添1，常学飞1，陈跃燕2，韩晓娟3

(1. 国网吉林省电力有限公司电力科学研究院，长春市 130021; 2. 中船重工(重庆)海装风电设备有限公司， 重庆市 401122; 3. 华北电力大学控制与计算机工程学院，北京市 102206)

针对平抑风光储联合发电系统输出功率波动问题，提出一种具有变权值自适应滤波的风光储协调优化控制策略。在传统的加权移动滤波算法基础上，分析了储能出力、波动率以及滤波带宽的关系，以储能系统的荷电状态(state of charge，SOC)平衡度指标和并网功率波动率作为约束条件实时调整加权移动滤波算法的权值与滤波带宽。在给定的波动率约束下，实现风光储联合发电系统协调优化控制。算例表明，所提出的变权值自适应滤波算法优于传统的一阶低通滤波风光功率平滑效果，在保证SOC合理水平前提下，有效平抑了风光联合输出功率的波动，降低了储能系统充放电次数，提高了储能系统的使用寿命。

波动率约束；加权移动滤波；荷电状态(SOC)；储能成本；滤波带宽

0 引 言

风光功率因为受自然气象的影响出现巨大的随机性与波动性，导致其输出功率在某种程度上具有不可控性[1-2]。由于风能与太阳能不论是在长时间还是短时间内均呈现出较强的互补特性，若配置适当容量的储能系统不仅能平抑其并网所带来的波动，减小对电力系统的冲击、保障电源电力供应的可信度，还能降低电力系统的备用容量，提高电力系统的运行经济性和接纳可再生能源的能力[3-6]。在充分利用风、光资源的前提下，如何实现风电场、光伏电站及储能系统间的功率协调控制成为了风光储联合发电技术的研究重点，也是研究的主要方向之一。

目前关于风光储协调优化控制的研究主要集中在输出功率平滑控制与跟踪控制这2个方面，国内外在此领域已经取得了一定的研究成果。文献[7]研究了储能系统用于平滑风电功率波动控制的有效性，利用低通滤波原理平滑风电功率中指定频率分量。文献[8-9]提出了考虑模糊控制的风光联合发电功率的平滑控制策略，基于智能算法自适应调节风电平滑功率，优化了储能系统平滑风光联合发电出力波动的控制策略。文献[10]采用的是普通移动平均滤波算法，由于其自适应性欠缺，当风电出力出现骤变时，滤波性能下降，影响后续滤波效果。文献[11]基于铅酸电池的电路模型，提出了使储能出力准确跟踪参考值变化，以达到精确的功率控制，但未给出具体控制策略。文献[12]通过调节电池储能系统的输出功率,对光伏输出功率中较高频段波动成分进行补偿,并且在储能电池荷电状态(state of charge，SOC)偏高/低时对输出功率加以自适应调整,将SOC维持在正常范围内。文献[13]根据风光互补发电系统运行特性，将系统运行在不同的运行模式和工作状态下，给出了最大功率、负荷功率的跟踪控制、蓄电池的充放电控制等不同的协调控制方法。文献[14]建立了风光储联合系统总的平均有功功率偏差最小、储能电站充放电次数最少和优化末段储能电站剩余电量最大的优化模型,通过非支配排序遗传(NSGA-Ⅱ)算法求解,给出风/光/储分钟级的计划出力曲线。

本文提出基于变权重自适应滤波的风光储协调控制方法，将风光波动率约束条件、储能系统SOC考虑到风光储协调控制策略中，通过储能系统协调风光系统与电网间电能平衡的同时，减少储能出力次数与使用时间，延长储能系统的使用寿命，提高风光储发电系统的经济性。

1 基于加权移动平均滤波的风光互补输出功率平滑

1.1 传统加权移动滤波原理

移动平均法是时间序列预测法中一类主要方法，主要用于分析经济学中经济市场较稳定、短期内趋势变化不大的情况[15]。移动平均法计算公式为

(1)

(2)

式中ωi>ωi-1，ωi为权值。

1.2 改进加权移动滤波算法

在式(2)的基础上，根据风光输出功率趋势及波动特性，对每个时刻的风光出力配以趋势权重β(n)

(3)

式中：θ为趋势斜率，θ∈(0, 0.5)，θ取值越大则表明近期风光功率所占比重越大；n=1,2,…,N；N为移动平均项数(即本文所提到的滤波带宽T，表示所取的采样风光功率数据的点数)。n时刻的目标值应注重最近的风光输出功率趋势，相对削弱其过去较远的出力，所以β(n)取递增函数。

设第t0(t0≥N)时刻的平滑目标功率为前N-1个时刻的风光功率加权平均值

(4)

储能系统吞吐功率参考值

(5)

式中：Pbat(t)为风光发电系统额定功率；Psmooth(t0)为t0时刻的平滑目标参考值；Pwp(t)为t时刻的实际风光功率。

1.3 并网功率波动率和储能SOC平衡度指标

波动率为

(6)

式中：Pwp(k)为k时刻风光输出功率；Pb(k-1)为k-1时刻风光储输出功率；Prat为风光额定装机容量[17-18]。

储能SOC平衡度指标M(t)为

(7)

式中：CSOC(t)为储能系统t时刻的荷电状态；CSOCref为储能SOC参考值，CSOCref=(CSOCmax+CSOCmin)/2；CSOCmax与CSOCmin根据储能系统本身的介质要求而定，分别取CSOCmax=0.8，CSOCmin=0.2。M∈[-1，1]，当M值越接近于1时，表示此时储能的放电能力越强，充电能力却极低；当M越接近于-1时，则表示此时充电能力越强，放电能力却极差；若M越接近0，则表示此时储能的充放电能力适中，建议维持M值在0值附近[19-20]。

1.4 滤波带宽、并网功率波动率和储能出力的关系

针对中国某风光示范单位的风光功率历史数据(装机容量：风机99 MW，光伏40 MW)，以1天的功率数据进行波动互补特性分析，得到实际出力曲线及1 min波动率曲线如图1、2所示。

图1 典型风、光、风光互补日出力曲线

图2 典型风、光、风光互补1 min波动率曲线

从如图2可以看出，将风光联合发电输出功率每分钟波动率比单独风力发电的波动率大一点，但在很大程度上减小了光伏输出功率的波动性，但是并不能完全消除二者的波动性、间歇性和随机性的特征。

将本文所提出的改进加权移动平均自适应滤波方法用于风光储联合发电系统功率平滑控制，并与传统一阶低通滤波平滑控制策略进行对比，对比结果如图3所示，这里滤波带宽T=50，一阶低通滤波器时间常数T=600 s。

图3 不同滤波方法下的风光功率平滑曲线

从图3中看出，加权移动平均自适应滤波方法比一阶低通滤波平滑风光功率后所得曲线能更好地跟踪原始曲线，不存在“滞后”现象。为了进一步分析滤波带宽和储能出力之间的关系，加权移动平均滤波带宽T分别取10个点，30个点，50个点。风光功率平滑效果及储能能量变化曲线如图4、5所示。

图4 不同滤波带宽T下的并网功率曲线

从图4、5可以看出：随着加权移动平均滤波带宽T的取值越大，风光储能系统合成出力的波动逐渐降低，储能系统平抑风光波动的效果越好，对应的储能最大出力功率增大，对应的储能所需容量配置也随之增大。因此，滤波带宽T不仅与平滑后的风光储并网波动率密切相关，而且与储能出力以及所需配置的储能容量密切相关，需要将波动率约束条件加入该滤波算法。

图5 不同滤波带宽T下的储能能量变化

2 基于变权值自适应滤波的风光储协调优化控制

2.1 具有变权值自适应滤波的风光储协调控制原理

在充分考虑滤波带宽T、储能SOC和波动率三者关系情况下，将风光波动率约束条件考虑到风光储协调控制策略中，减少储能出力次数与使用时间，延长储能系统的使用寿命，其控制框图如图6所示。

图6 具有变权值自适应滤波的风光储协调控制框图

将数据采集系统的风光实际功率数据输入到加权平均移动自适应滤波器，通过计算风光功率的波动率情况(这里限定风光并网功率波动率低于2%/min)及储能SOC平衡度指标实时调节加权移动平均自适应滤波器的权值与滤波带宽T，实现自适应滤波。滤波带宽T根据储能系统前一时刻的储能SOC平衡度指标实时控制储能出力。在平滑风光功率过程中，对储能输出功率进行限幅控制以保护储能系统，防止其出现过充过放现象而影响使用寿命。

具有变权值自适应滤波的风光储协调控制步骤如下：

(1)通过数据采集系统采集风光功率数据，并通过波动率计算单元计算其波动率。

(2)若风光波动率δ大于设定值(该设定值由电网调度部门规定(δ≤2%)，则进行加权移动平均自适应滤波风光功率平滑，得到对应储能出力参考值Pbat。

(3)若风光波动率δ小于设定值时，则对应的储能出力为0(即Pbat=0)，将风光联合发电系统输出功率进行直接并网。

(4)得到并网功率为Pb=Pbat+Pwp。

当储能功率超出其输出功率的限制值时，只允许储能系统以最大额定储能功率输出，以确保储能系统不会出现超负荷运行的安全隐患。

2.2 有无波动率约束的风光储优化控制实例

将上面所提出的具有变权值自适应滤波方法用于风光储联合发电系统平滑控制，与没有波动率约束条件下的平滑效果进行对比，控制结果及波动率曲线如图7、8所示。

图7 有无约束条件下风光功率平滑效果

从图7、8可以看出，在没有波动率约束条件下，经过平滑后风光并网曲线更平滑且其波动性较小，风光输出功率每分钟波动率概率主要分布在1%以内；在有波动率约束的情况下，波动率的概率分布增大到了2%之内，也能满足风光并网的波动率限制要求。储能出力、储能SOC和储能能量曲线如图9～11所示。

图8 风光1 min并网波动率概率分布

从图9可以看出，有波动率约束条件下储能系统出力时间明显减少。图中直线部分表示此时储能系统部出力。储能充放电次数减少，延长了储能使用寿命，而二者储能系统最大出力、最小出力是完全相同的，其中最大储能出力为13.6793 MW，最小出力为-14.9897 MW。

从图10可以看到：无波动率约束条件下SOC波动范围为[0.4550，0.5427]，有波动率约束条件下SOC波动范围为[0.4278,0.5151]，其中的直线代表了此时储能SOC没有发生变化即储能处于不出力状态，减少了储能出力时间。

由图11可以看出，需要配置的储能容量由无波动率约束条件下的1.7524 MW·h变为有波动率约束条件下的1.7463 MW·h，储能所需配置容量减小了0.0061 MW·h，降低了储能系统的成本。

图11 有无波动率约束条件下的储能能量变化对比曲线

3 结 论

本文提出一种具有变权值自适应滤波的风光储协调优化控制方法。通过对波动率进行约束，使波动量概率分布范围增大从而优化储能出力，减少其出力次数，延长其使用寿命。该方法优于传统的一阶低通滤波算法，有效解决了其固有的“滞后”问题，且能自适应调整加权移动滤波算法的权值与滤波带宽。所引入的储能SOC平衡度指标可以保证储能系统剩余电量维持在合理的运行范围内，更好地利用储能系统对风光出力进行跟踪控制，具有一定的工程应用价值。

[1]刘琦.中国新能源发展研究[J].电网与清洁能源，2010,26(1):47-51. Liu Qi. Studies on China’s new energy development[J]. Power System and Clean Energy,2010,26(1):47-51.

[2]宋洪磊,吴俊勇,冀鲁豫，等.风光互补独立供电系统的多目标优化设计[J].电工技术学报,2011,26(7):104-111. Song Honglei，Wu Junyong，Ji Luyu，et al. Multi-objective optimal sizing of stand-alone hybrid wind/PV system[J].Transactions of China Electrotechnical Society,26(7):104-111.

[3]姚勇,朱桂萍,刘秀成. 电池储能系统在改善微电网电能质量中的应用[J].电工技术学报,2012,27(1):85-89. Yao Yong, Zhu Guiping, Liu Xiucheng. Improvement of power quality of micro-grids by battery energy storage system[J]. Transactions of China Electrotechnical Society, 2012,27(1):85-89.

[4]徐娟,孙大伟.智能电网—大规模风、光电并网瓶颈问题的解决方案[J].宁夏电力,2012(1):11-14. Xu Juan, Sun Dawei. The smart grid-the best of all scheme to solve the bottleneck problems of wind power and photoelectric power generation connected with power network on a large scale[J]. Ningxia Electric Power, 2012(1):11-14.

[5]王成山,于波,肖峻，等. 平滑可再生能源发电系统输出波动的储能系统容量优化方法[J].中国电机工程学报,2012,32(16):1-8. Wang Chengshan, Yu Bo, Xiao Jun, et al. Sizing of energy storage systems for output smoothing of renewable energy systems[J]. Proceedings of the CSEE,2012,32(16):1-8.

[6]米增强,苏勋文,杨奇逊,等. 风电场动态等值模型的多机表征方法[J].电工技术学报,2010,25(5):162-169. Mi Zengqiang, Su Xunwen, Yang Qixun, et al. Multi-machine representation method for dynamic equivalent model of wind farms[J]. Transactions of China Electrotechnical Society, 2010,25(5):162-169.

[7]宇航.利用储能系统平滑风电功率波动的仿真研究[D].吉林:东北电力大学,2010. YU Hang. Simulation research on smoothing the wind power fluctuation by using energy storage system[D]. Jilin: Northeast Dianli University,2010.

[8]Li X J, Li Y, Han X J, et al. Application of fuzzy wavelet transform to smooth wind/PV hybrid power system output with battery energy storage system[J]. Energy Procedia, 2011(12):994-1001.

[9]Li X J,Li N,Jia X C,et al.Fuzzy logic based smoothing control of wind/PV generation output fluctuations with battery energy storage system[C]//The 14th International Conference on Electrical Machines and Systems(ICEMS’2011).Beijing：IEEE，2011: 1-5.

[10]Tesfahunegn S G, Ulleberg Ø, Vie P J S, et al. Optimal shifting of photovoltaic and load fluctuations from fuel cell and electrolyzer to lead acid battery in a photovoltaic/hydrogen standalone power system for improved performance and life time[J]. Journal of Power Sources, 2011:10401-10414.

[11]Teleke S，Baran M E，Bhattacharya S，et al. Optimal control of battery energy storage for wind farm dispatching[J]. IEEE Transaction on Energy Conversion, 2010,25(3):787-794.

[12]黄羚,蔡涛,陈天锦,等.基于SOC调整的光伏电站储能系统调控策略[J]. 电力系统保护与控制,2013,41(16):66-70. Huang Ling, Cai Tao, Chen Tianjin, et al. Control strategy of battery energy storage system for large-scale pv system based on SOC adjustment[J]. Power System Protection and Control,2013,41(16):66-70.

[13]齐志远,王生铁,田桂珍.风光互补发电系统的协调控制[J].太阳能学报,2010,31(5):654-660. Qi Zhiyuan, Wang Shengtie, Tian Guizhen. Coordination control of wind/pv hybrid system[J].Acta Energiae Solaris Sinica,2010,31(5):654-660.

[14]戚永志,刘玉田.风光储联合系统输出功率滚动优化与实时控制[J].电工技术学报,2014,29(8):265-273. Qi Yongzhi, Liu Yutian. Output power rolling optimization and real-time control in wind-photovoltaic-storage hybrid system[J]. Transactions of China Electrotechnical Society, 2014,29(8):265-273.

[15]陈跃燕，李相俊，韩晓娟,等.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. Chen Yueyan, Li Xiangjun, Han Xiaojuan, et al. Control strategy of smoothing wind power output using battery energy storage based on moving average method and wind power volatility rate constraint[J]. Electric Power Construction,2013,34(7):1-5.

[16]赵圣占,谷阳阳.基于加权移动平均的遥测数据量化误差修正方[J].仪器仪表用户,2011,18 (4) :94-96. Zhao Shengzhan, Gu Yangyang. Square quantization error correction based on the weighted moving average of telemetry data[J]. Electronic Instrumentation Customer,2011,18(4):94-96.

[17]靳文涛，马会萌，谢志佳.电池储能系统平滑风电功率控制策略[J].电力建设，2012,33(7)：7-11. Jin Wentao, Ma Huimeng, Xie Zhijia. Windpower smoothing control strategy of battery energy storage system[J]. Electric Power Construction,2012,33(7):7-11.

[18]杨水丽，惠东，李建林，等.适用于风电场的最佳电池容量选取方法[J].电力建设，2010,31(9)：1-4. Yang Shuili, Hui Dong, Li Jianlin, et al. Selection of the optimal battery capacity for wind farm[J]. Electric Power Construction,2010,31(9):1-4.

[19]丁明,吴建锋,朱承治,等.具备荷电状态调节功能的储能系统实时平滑控制策略[J]. 中国电机工程学报,2013,33(1):22-29. Ding Ming, Wu Jianfeng, Zhu Chengzhi, et al. A real-time smoothing control strategy with SOC adjustment function of storage systems[J]. Proceedings of the CSEE,2013,33(1):22-29.

[20]陈峦,黄琦,陈池.基于目标参数和储能容量约束的风电功率平滑策略[J].中国电力,2013,46(6):63-69. Chen Luan, Huang Qi, Chen Chi.Strategy on wind power smoothing subject to target parameters and energy-storage capacity[J].Electric power,2013,46(6):63-69.

(编辑:蒋毅恒)

Optimal Control of PV-Wind-Storage Hybrid Power System Based on Variable Weight Adaptive Filtering

LI Dexin1, DONG Tian1, CHANG Xuefei1, CHEN Yueyan2, HAN Xiaojuan3

This paper proposed an optimal control strategy for photovoltaic (PV)-wind-storage coordination based on variable weight adaptive filtering to smooth the fluctuations of the output power in the PV-wind-storage hybrid power system. Based on traditional weighted moving filtering algorithm, the relationship of the output of energy storage system, the fluctuation rates and the filtering bandwidth was analyzed; the balance index of the state of charge (SOC) of energy storage system and the fluctuation rates of the output power connected to the grid were used as constraint conditions to optimize the weight of the weighted moving filtering algorithm and the filtering bandwidth. Under the given constraint of fluctuation rate, the coordination optimal control of hybrid power system including PV, wind power and energy storage system was achieved. The example results show that the smoothing performance of PV-wind power of the proposed variable weight adaptive filtering method is better than that of traditional first-order low-pass filtering method. Under the premise of maintaining a reasonable level of SOC, the fluctuation of PV-wind output power is smoothed significantly, the charging or discharging times of energy storage system are reduced and the service life of energy storage system is improved.

fluctuation rate constraint; weighted moving filtering; state of charge (SOC); energy storage cost; filtering bandwidth

Pbat(t)=Psmooth(t0)-Pwp(t)

国家自然科学青年基金(51107126)。

(1. Electric Power Research Institute, State Grid Jilin Electric Power Co., Ltd., Changchun 130021, China;2. CSIC (Chongqing) Haizhuang Wind power Equipment Co., Ltd., Chongqing 401122, China;3. School of Control and Computer Engineering, North China Electric Power University, Beijing 102206, China)

TM 73

A

1000-7229(2015)04-0032-06

10.3969/j.issn.1000-7229.2015.04.006

2014-12-19

2015-01-29

李德鑫(1985),男，工学硕士，工程师，主要从事新能源并网技术和大电网仿真方面的研究工作；

董添(1986)，男，工学硕士，工程师，主要从事调度自动化、智能变电站监控系统调试与运维方面的研究工作；

常学飞(1984)，男，工学硕士，工程师，主要从事新能源并网检测、电能质量治理方面的研究工作；

陈跃燕(1987)，女，硕士，研究方向为新能源发电控制技术、储能技术；

韩晓娟(1970)，女，工学博士，副教授，研究方向为新能源发电控制技术、储能及检测技术。

Project Supported by National Natural Science Foundation for Young Scholars of China(51107126).