基于储能系统的光伏功率预测误差补偿控制

罗 桐，陈 峦，黄 琦，刘许洋

(电子科技大学能源科学与工程学院，四川成都611731)

基于储能系统的光伏功率预测误差补偿控制

罗 桐，陈 峦，黄 琦，刘许洋

(电子科技大学能源科学与工程学院，四川成都611731)

受天气等因素影响，光伏组件的输出功率为非平稳信号，波动性大，直接并网对电网冲击大。为保障光伏并网安全可靠运行，通过控制储能系统合理充放电平抑光伏功率。对光伏电站光伏组件输出功率进行小波包分析确定平抑目标功率，再结合化学电池和超级电容的频率响应范围，采用模型预测控制(MPC)算法控制全钒液流电池和超级电容组成的混合储能系统充放电，并在Matlab上进行仿真。仿真结果表明，此种分析方法及控制策略平抑效果较好。基于此种补偿控制方法确定电池容量，并把“M-界定”量化指标运用到描述电池能量波动，从而确定电池的最大充放电功率等参数。

光伏功率；混合储能系统；小波包分析；MPC控制；量化指标

光伏发电最大的特点是输出的随机性、不连续性，光伏输出还与辐照度、温度呈现非线性关系。如果直接并网，对电力系统的稳定性、电能质量、发电调度等方面都有较大影响。目前，为平抑光伏功率，常见的方法是增加相应的储能环节，按照其具体方式可分为物理、电磁、电化学和相变储能四大类型。电化学储能价格低廉、操作便捷、不受地理位置约束，但其充放电响应速率较慢难以平抑高频分量；超级电容响应速率快，但其容量有限。结合各自优缺点，采用基于全钒液流电池和超级电容组成的混合储能系统。

文献[1]提出一种基于天气预报的光伏输出功率短期预测模型，能够实现光伏输出功率的短期预测，但需要考虑光伏阵列安装情况、当地地理位置、具体天气信息等参数，因此，适用性差且模型复杂。文献[2]在验证了光伏波动低频特性的基础上，提出利用储能电池平抑光伏出力短期波动的运行策略及储能电池最优容量的评估方法，但其高频分量只是通过低通滤波器滤除，未被合理利用，能量利用率低。文献[3-4]从光伏输出功率信号所包含的细节信息出发，阐述了基于小波包分解重构获得目标功率的可行性，然而只是得到了平抑的目标功率，并没有指出化学电池具体可行的控制算法。文献[5]指出传统的比例积分微分(PID)控制存在明显的滞后性，提出了采用模型预测控制(MPC)策略能够有效地实时控制，但基于此种控制下的量化指标及储能装置参数问题却鲜有讨论。文献[6]介绍了一种“M-界定”的量化方法量化风电波动特性，并通过实际举例能直观反映风电、光伏发电的输出特性，却未能将其与确定储能系统充放电参数等实际应用联系起来。

因此，为解决上述问题，本文在Matlab软件上根据已有光伏数据，对光伏组件输出功率进行傅里叶变换、小波包分析得到目标功率，以此作为预测功率，再在Simulink下通过搭建、调用MPC控制模块得到实际输出功率，最后把“M-界定”量化指标运用到描述电池能量波动上，从而确定电池充放电参数。整体方案安全可行，适用性强，能够有效地平抑光伏电站的光伏功率，为解决光伏并网波动性问题提供一定的理论基础。

1 光伏输出功率分析

1.1 小波包分析

小波分析方法继承和发展了短时傅里叶变换局部化的思想，是一种窗口大小固定但其形状可变，时间窗和频率窗都可改变的时频局域化分析方法，即在低频部分具有较高的频率分辨率和较低的时间分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率，被称为数学显微镜，对信号具有很强的自适应性，但小波变换仅对低通滤波的结果进行分析[7]。

小波包分解是一种更加精细的信号分析方法，它将频带进行多层次划分，对多分辨率分析没有细分的部分进一步分解，且能够根据被分析信号的特征自适应地选择相应的频带，使之与信号频谱相匹配，从而提高分辨率。图1为四层小波包分解的一个简易示意图。

图1 四层小波包分解

设光伏数据的采样周期为Tm，由式(1)可以得到光伏功率的截止频率fm。

对光伏输出功率进行j层小波包分解，则将频带0～fm分解为2j个互不重叠的频带，由式(2)可得到j层小波包分解后的带宽f0：

各个频带的范围为：n×f0～(n+1)×f0(j=1,2,…；n=0,1,2,…,2j)。

选用反应时间Tb为1 h的全钒液流电池[4]，由式(3)可得参数m：

则第2～m个低频段的功率分量记为低频段PL，可以使用全钒液流电池平抑；余下的高频分量记为高频段PH，由超级电容平滑。

1.2 实际数据分析

调用实际的光伏数据，Tm=10 min，对一个月来的数据进行快速傅里叶变换，在Matlab中仿真得到振幅和频率间的关系如图2。

图2 光伏输出功率幅频特性曲线

由图2得光伏输出功率主要集中于0～0.5×10－4Hz，考虑四层小波包分解，由式(2)得到f0约为5.2×10－5Hz，n=0时，所得频段与光伏功率主要频率范围较为接近，因此，可以将四层小波包分解后的第一个子频段的分量作为平抑目标，带入数据到式(3)，算得m≈5。

文献[4]介绍了一种能大幅减少计算量的等效功率计算方法，然而经小波包分解后的频域段并不是严格从低到高依次排列[8]，因此这种方法具有局限性，这里选择(4，1)、(4，3)、(4，2)、(4，6)几个频段作为电池平抑频段。

选择一个月中任意一天的光伏数据进行小波包分析，图3为其在Matlab中按四层小波包分解得到的目标功率曲线和原始功率曲线的对比图。

图3 原始功率曲线与目标功率曲线

2 模型预测控制及其仿真分析

2.1 预测控制

在使用小波包分解重构得到平抑目标频段、低频段、高频段后，还需要选择合理的控制方法，控制蓄电池和超级电容组成的混合储能系统适时、适量地充放电。当光伏输出功率高于目标功率时，储能系统充电，吸收多余电量；当光伏输出功率低于目标功率时，储能系统放电，使其接近目标功率。

由于光伏输出功率本身具有不确定性，且和光照、温度等相关参数之间的关系非线性，要建立精确的解析模型比较困难，传统的PID控制难以获得良好的控制效果。

MPC采用多步预测、滚动优化、反馈校正等控制策略，因而具有控制效果好、鲁棒性强、对模型精确性要求不高的优点[9]，在Matlab软件中自带模型预测控制图形用户接口(GUI)，方便实验和仿真。系统整体的控制流程框图如图4，X(t)为光伏组件输出功率，Y(t)为平抑后的功率。

图4 控制流程框图

由于储能系统起平滑功率的作用，因此可以把全钒液流电池和超级电容分别等效为参数不同的低通滤波器。令全钒液流电池的等效传递函数为G1(s)，其结果可由式(4)～(5)得到，其中T1为中间时间变量。

2.2 Matlab仿真及数据分析

为验证控制策略的可行性，在Matlab中构建MPC控制模块，并在Simulink中调用此模块以及小波包分解后得到的各个频段分量，搭建仿真图如图5所示。

图5 MPC控制仿真图

图5中 Scope、Scope1、Scope2 对应的输出波形如图6～8，分别得到全钒液流电池平抑低频分量、超级电容平抑高频分量的前后对比波形以及实际输出功率与目标功率的比较图；Scope3、Scope4分别为整个储能系统所需充放电功率P(t)和P(t)经积分后的能量值。

图6 全钒液流电池平抑低频分量效果

图7 超级电容平抑高频分量效果

图8 实际输出功率与目标功率

从图6～7可以看出储能系统能有效地平滑光伏组件输出功率。当PL＞0(PH＞0)时，电池(电容)充电，吸收多余电量；当PL＜0(PH＜0)时，电池(电容)放电，向系统提供电量。因此，图6～7中功率分量每正负变换一次，意味着储能系统充放电状态转换一次。低频分量正负变换次数比高频分量的次数少，正负脉冲持续的时间比高频分量长，充分结合了全钒液流电池大容量，超级电容快速充放电的特点，超级电容能有效减少全钒液流电池的充放电次数，延长电池的使用寿命。

3 电池参数选择

3.1 “M-界定”量化指标

在风电领域，对比常用的“阶跃变化”量化指标，“M-界定”方法能更为准确地描述输出功率的波动量[10]。“M-界定”量化指标大小为：

波动量r(t)满足：对任意t∈[τ,τ+Δτ]，有Mlow≤r(t)≤Mup。τ为起始时刻，Δτ为时间窗大小。为避免过高估计波动量，定义M序列，设数据采样周期为T，采样点的数据长度为N，数据序列为rn，令时间窗大小为Δτ=kT，则M序列为：

式中：m=(i－1)k，i=1,2,…l，l=(N/k)。对M序列大小排序，令观察到的M值中有p%的数据低于pth，由式 (8)可以得到变量per，最接近per的整数记为z，取pth=MZ。

与风电类似，把“M-界定”方法运用到光伏功率上，通过实际数据计算电池的最大充放电功率。由式(9)可以计算出储能系统需要充放电功率P(t)。

用“M-界定”指标描述P(t)，固定其时间窗为Δτ，由式(7)得到Mi序列，通过选择合适的p值，可以得到p置信度下的电池在一个小时内应能承受最大充放电功率Mz。

3.2 实际电池参数

对于超级电容，由于其容量较小，可以采用功率型储能的SOC模糊自适应控制[4]，利用储能电池控制其荷电状态处于安全范围。然而，在全钒液流电池的最大充放电功率和容量问题上还需进一步讨论。根据一个月的光伏数据，取Δτ=1 h，l=360，在Matlab中分析并排序，得到序列Mi，如图9。

图9 光伏数据Mi序列

取p为 99.7，则由式(8)得：per=lp/100=360×99.7/100=358.92，z≈359，pth=Mr=555 kW，可以得出结论：99.7%置信度下的电池在一个小时内能承受最大充放电功率Pmax应至少为555 kW。为计算电池容量，控制光伏系统中电池每天的初始SOC为50%，令：

W(t)可由图5中示波器Scope4得到，对一个月中某天电池所需得到的W(t)取绝对值|W(t)|，当一个月中某天某个时刻|W(t)|取得最大值时，令Wmax=|W(t)|。在Simulink仿真中，图10为取得Wmax时的W(t)输出波形。

图10 W(t)输出波形

令η为全钒液流电池的能量效率，由式(10)得到电池容量Wb：

取η为75%，根据图10数据，Wmax=5 925 kW·min，代入式(11)得到Wb=263.3 kWh。

通过上述方法，在已有的光伏数据下，可以得到所需储能电池的最大充放电功率至少为555 kW，其容量也可确定至少为263.3 kWh。

4 结论

本文通过对实际光伏数据分析和仿真，主要做了以下工作：(1)从分析光伏数据的细节信息出发，对光伏数据进行傅里叶变换和小波包分解划分不同的频段，充分利用不同储能装置的优点，合理选择不同频段功率分量作为平抑对象；(2)采用目前较为先进的模型预测控制算法构建控制流程图控制储能系统充放电，通过对具体数据在Matlab中仿真分析，验证了整个系统的可行性和优良性能；(3)用“M-界定”描述电池吸收和释放能量的波动情况，得出在其反应时间范围内最大的充放电功率、电池容量等参数，对今后电池的合理选择提供一定的理论基础。

[1]丁毛毛，杨仁刚.基于天气预报的光伏输出功率短期预测[J].可再生能源，2014，32(4)：385-390.

[2]陈刚，袁越，傅质馨.储能电池平抑光伏发电波动的应用[J].电力系统及其自动化学报，2014，26(2)：27-31.

[3]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.

[4]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.

[5]李勇.基于混合储能技术的风电场功率平滑控制策略研究[D].北京：华北电力大学，2012.

[6]BOUTSIKA T,SANTOSO S.Quantifying short-term wind power variability[C]//Power and Energy Society General Meeting.USA:IEEE,2011:1-7.

[7]倪林.小波变换与图像处理[M].合肥：中国科学技术大学出版社，2010.

[8]曾宪伟，赵卫明，盛菊琴.小波包分解树结点与信号子空间频带的对应关系及其应用[J].地震学报，2008，30(1)：90-96.

[9]李国勇，杨丽娟.神经模糊预测控制及其MATLAB实现[M].3版.北京：电子工业出版社，2013.

[10]BOUTSIKA T,SANTOSO S.Quantifying short-term wind power variability using the conditional range metric[J].IEEE Transactions on Sustainable Energy,2012,3(3):369-378.

Compensation control of photovoltaic power prediction deviation based on energy storage system

LUO Tong,CHEN Luan,HUANG Qi,LIU Xu-yang
(School of Energy Science and Engineering,University of Electronic Science and Technology of China,Chengdu Sichuan 611731,China)

Influenced by factors such as weather,the output of photovoltaic modules was non-stationary signal.Its volatility was so violent that the power grid would face a strong impact if the photovoltaic power connects to grid directly.To ensure safe and reliable operation of the photovoltaic grid,the photovoltaic power could be stabilized by controlling energy storage system charging and discharging properly. Wavelet packet analysis was done on the output of the PV power station to determine the target power. Then,combining the frequency response range of chemical cell and super capacitor,the hybrid energy storage system was composed with vanadium redox flow battery and super capacitor charge and discharge using MPC control algorithm.And the simulation was done on Matlab.The result shows that the proposed analysis method and control algorithm have good performance.Finally,according to the method,the battery capacity was determined,and the fluctuation of the battery's energy capacity was described using M-bound to determine the parameters such as the maximum charge and discharge power.

photovoltaic power;hybrid energy storage system;wavelet packet analysis;MPC control;quantitative indicators

TM 615

A

1002-087 X(2017)10-1433-04

2017-03-22

电子科技大学研究生教研教改项目(YJX2013053,YJX2013054)；电子科技大学本科教育教学改革研究项目(2013XJYZD019,2015XJYZD030,2015XJYYB084)

罗桐(1993—)，男，江西省人，硕士研究生，主要研究方向为新能源发电及其并网技术。