风电爬坡率实时平抑方法和系统与流程

本发明涉及风电技术领域，特别涉及一种风电爬坡率实时平抑方法和系统。

背景技术：

风能作为一种清洁的可再生能源，近年来得到了跨越式发展。然而由于风速的随机波动性，输出电能具有间歇性和不确定性，会对电网产生一定的冲击。因为储能具有动态吸收及释放能量的特征，多类型储能系统(hybridenergystoragesystem，hess)利用储能设备互补特性，能够适应风电场容量大，风电功率短周期变化频繁、长周期变化幅度较大的特点，可以满足多时间尺度功率平抑需求，是当前常用的平抑风电功率波动(风电爬坡率)的技术手段。电力系统中常用的储能技术主要有钠硫电池、液流电池、锂离子电池(lithium-ionbattery，lb)、超级电容器(ultra-capacitor，uc)和超导储能等。

目前，常规的储能出力分配控制策略主要是基于一阶低通滤波算法，该算法实现相对简单，运算速度较快，但因其本质是指数加权平均，难以跟踪风电功率的变化，易导致过补偿，因此，在一阶低通滤波算法的基础上，发展出两类算法：一类是保持滤波系数恒定，通过附加控制环节来实现控制目标，如基于一阶低通滤波，分别平抑长、短两个不同时间尺度的风功率波动，然而由于一阶滤波的滤波系数均为固定值，难以匹配风电爬坡率的变化，造成储能消耗更大；另一类是滤波系数可变，如研究超级电容器和铅酸蓄电池构成的多类型储能系统，两种储能出力控制对应的可变平滑滤波系数分别依据离线优化的两条曲线变化，然而其计算过程复杂，计算结果对硬件的依存度较高，灵活性较差，且无法实现在线控制。

综上所述，现有的用于风电爬坡率的平抑方法，准确性较低，导致对储能系统的储能损耗高。

技术实现要素：

基于此，有必要针对现有平抑方法准确性较低，导致对储能系统的储能损耗高的问题，提供一种风电功率波动实时平抑方法和系统。

一种风电爬坡率实时平抑方法，包括如下步骤：

将风电爬坡率的平抑过程划分为计算时刻和非计算时段，其中，所述计算时刻为每隔一段时间的一个时间点，其余的时间为非计算时段；

在当前时刻属于计算时刻时，建立上一时间段储能系统代价最小值的优化函数模型及其约束条件，求解所述优化函数模型获得第一时间常数，根据第一时间常数更新一阶低通滤波器的第一滤波系数；

在当前时刻处于非计算时段时，获取上一个计算时刻的所述一阶低通滤波器的第一滤波系数作为当前一阶低通滤波器的第一滤波系数；

获取风电场的风电功率，根据所述第一滤波系数对所述风电功率的爬坡率进行实时平抑。

一种风电爬坡率实时平抑系统，包括：

时间划分模块，用于将风电爬坡率的平抑过程划分为计算时刻和非计算时段，其中，所述计算时刻为每隔一段时间取的一个时间点，其余的时间为非计算时段；

第一获取模块，用于在当前时刻属于计算时刻时，建立上一时间段储能系统代价最小值的优化函数模型及其约束条件，求解所述优化函数模型获得第一时间常数，根据第一时间常数更新一阶低通滤波器的第一滤波系数；

第二获取模块，用于在当前时刻处于非计算时段时，获取上一个计算时刻的所述一阶低通滤波器的第一滤波系数作为当前一阶低通滤波器的第一滤波系数；

爬坡率平抑模块，用于获取风电场的风电功率，根据所述第一滤波系数对所述风电功率的爬坡率进行实时平抑。

上述风电爬坡率实时平抑的方法和系统，首先将风电爬坡率的平抑过程划分为计算时刻和非计算时段，在计算时刻建立上一时间段储能系统代价最小值的优化函数模型及其约束条件，求解所述优化函数模型获得第一时间常数，根据第一时间常数更新滤波器的第一滤波系数；在非计算时段时以上一个计算时刻的滤波系数作为当前滤波器的第一滤波系数，用于对风电功率的爬坡率进行实时平抑。该方案能够通过及时调整第一滤波系数以匹配风电爬坡率的变化，提高风电爬坡率的平抑的准确性，由于每隔一段时间优化一次，无需时刻进行优化计算，优化方法便捷、灵活，降低了运算频率，从而降低了储能系统的储能损耗。

附图说明

图1为一种风储发电系统示意图；

图2为风电爬坡率实时平抑方法流程图；

图3为一个实施例的风电爬坡率实时平抑流程图；

图4为锂离子电池荷电状态自适应反馈控制规则示意图；

图5为一个实施例的风电爬坡率实时平抑系统结构示意图。

具体实施方式

下面结合附图对本发明的风电爬坡率实时平抑方法和系统的具体实施方式作详细的描述。

参考图1所示，图1为一种风储发电系统示意图，包括：

风电场、多类型储能系统、双向变流器、升压变压器、多类型储能集群控制系统以及直流母线，所述多类型储能系统包括超级电容器和锂离子电池，所述多类型储能系统依次通过双向变流器以及升压变压器与直流母线相连；

所述多类型储能集群控制系统通过实时监测风电场的风电功率pw(t)，综合爬坡率平抑指标、锂离子电池上一采样时刻的荷电状态slb(t-1)和超级电容器上一采样时刻的荷电状态suc(t-1)，向多类型储能系统下达充放电指令plb,ref(t)和puc,ref(t)，并计算多类型储能系统中超级电容器的实际出力puc(t)和锂离子电池的实际出力plb(t)；

所述风电场的风电功率pw(t)与多类型储能系统的实际出力puc(t)、plb(t)之和po(t)即为风储发电系统的合成输出功率，合成输出功率po(t)经升压变压器注入电网。

参考图2所示，图2为风电爬坡率实时平抑方法流程图，包括如下步骤：

s101，将风电爬坡率的平抑过程划分计算时刻和非计算时段，其中，所述计算时刻为每隔一段时间的一个时间点，剩余的时间为非计算时段；

在此步骤中，对整个风电爬坡率平抑过程进行划分，每隔一段时间取一个时间点作为计算时刻，剩余的时间为非计算时段。

对于所述的每隔一段时间对应的相邻计算时刻的时间间隔，可以根据实际情况设定，时间间隔取值越小，则单位时间内的计算时刻越多，相应的计算次数增多，对储能系统的储能消耗越大。

s102，判断当前时刻属于计算时刻，还是属于非计算时段。

在此步骤中，判断风电爬坡率的平抑过程的当前时刻属于计算时刻还是属于非计算时段，如果属于计算时刻，执行s103，如果属于非计算时段，执行s104。

s103，在当前时刻属于计算时刻时，建立上一时间段储能系统代价最小值的优化函数模型及其约束条件，求解所述优化函数模型获得第一时间常数，根据第一时间常数更新一阶低通滤波器的第一滤波系数。

在此步骤中，所述储能系统为多类型储能系统，该多类型储能系统可以包括钠硫电池、液流电池、锂离子电池、超级电容器和/或超导储能中的任意一种或多种组合，对于不同的多类型储能系统，其对应的上一时间段储能系统代价最小值的优化函数模型具体表达式也会有所不同。

通过在计算时刻建立上一时段储能系统代价最小值的优化函数及其约束条件并对其求解，根据上一时段的历史数据对当前第一滤波系数进行更新，能够及时调整第一滤波系数以匹配风电爬坡率的变化，减少储能消耗。

在一个可选的实施方式中，对于包括超级电容器和锂离子电池的多类型储能系统，结合超级电容器功率密度大和锂离子电池能量密度高的特点，对风电爬坡率进行平抑。对应的，所述上一时间段储能系统代价最小值的函数模型可以为：

式中，uc为超级电容器，lb为锂离子电池，j为储能系统代价，cuc和duc为超级电容器的经济性惩罚，clb和dlb为锂离子电池的经济性惩罚，m为上一时间段内第一滤波系数的更新总次数，k对应上一时间段第k次更新，puc(k)为上一时间段内第k次更新对应的超级电容器的实际出力，plb(k)为上一时间段内第k次更新对应的锂离子电池的实际出力。

在一个可选的实施方式中，所述约束条件可以包括功率平衡等式约束、一阶低通滤波等式约束、超级电容器功率平衡等式约束、功率波动平抑不等式约束、储能系统输出功率不等式约束或储能系统容量不等式约束中的任意一个或多个组合。

s104，在当前时刻处于非计算时段时，获取上一个计算时刻的所述一阶低通滤波器的第一滤波系数作为当前一阶低通滤波器的第一滤波系数。

在此步骤中，在当前时刻处于非计算时段时，直接获取上一个计算时刻已得的第一滤波系数作为当前一阶低通滤波器的第一滤波系数，而不需要再通过计算获得当前时刻的第一滤波系数，省略了运算步骤，减少了对储能系统的储能消耗。

s105，获取风电场的风电功率，根据所述第一滤波系数对所述风电功率的爬坡率进行实时平抑。

在此步骤中，根据前述步骤获取的第一滤波系数，运用多类型储能系统对当前风电场的风电功率的爬坡率进行实时平抑。

上述风电爬坡率实时平抑方法，首先将风电爬坡率的平抑过程划分为计算时刻和非计算时段，在计算时刻建立上一时间段储能系统代价最小值的优化函数模型及其约束条件，求解所述优化函数模型获得第一时间常数，根据第一时间常数更新滤波器的第一滤波系数；在非计算时段时以上一个计算时刻的滤波系数作为当前滤波器的第一滤波系数，用于对风电功率的爬坡率进行实时平抑。该方案能够通过及时调整第一滤波系数以匹配风电爬坡率的变化，提高风电爬坡率的平抑的准确性，由于每隔一段时间优化一次，无需时刻进行优化计算，优化方法便捷、灵活，降低了运算频率，从而降低了储能系统的储能损耗。

在一个可选的实施方式中，前述的多类型储能系统在对风电爬坡率进行平抑时，其中，超级电容器的充放电功率由一个一阶低通滤波器得到，锂离子电池的充放电功率由另一个一阶滤波环节以及斜率限制器得到，由锂离子电池承担多类型储能系统的系统损耗，可以提高储能效率。

在一个可选的实施方式中，参考图3所示，图3为一个实施例的风电爬坡率实时平抑流程图，所述根据所述第一滤波系数对所述风电功率的爬坡率进行实时平抑包括如下步骤：

a、将所述风电功率通过所述第一滤波系数的一阶低通滤波器，得到第一功率参考值，以所述第一功率参考值与风电功率的差值作为第一充放电功率，将第一充放电功率通过超级电容器变流器，得到超级电容器的实际出力；

具体的，所述第一滤波系数的一阶低通滤波器的表达式为：

式中，pt1(t)为第一功率参考值，pw(t)为风电功率，tf1为第一滤波系数，s为拉普拉斯算子；

将上式离散化，可得：

式中，δt为风功率时间序列间隔；

则所述第一充放电功率puc,ref(t)为：

puc,ref(t)＝pt1(t)-pw(t)

上述步骤通过将所述风电功率通过所述第一滤波系数的一阶低通滤波器，得到第一功率参考值，以所述第一功率参考值与风电功率作差得到超级电容器的第一充放电功率，超级电容器可根据该第一充放电功率执行充放电指令，当第一充放电功率puc,ref(t)为正值时，超级电容器执行放电指令，当所述第一充放电功率puc,ref(t)为负值时，超级电容器执行充电指令。

由于风电功率的随机性和波动性，储能系统应用于平抑风电爬坡率时，配置的储能功率与能量未必完全满足控制的需求，储能剩余容量过高，无法响应充电指令，而过低时则无法响应放电指令，另一方面，可能发生过充或过放，影响储能系统寿命，为了使所述超级电容器在安全的充放电区间内运行，防止出现过充或过放的情况，考虑对超级电容器的第一充放电功率施加一个约束条件。

在一个可选的实施方式中，所述第一充放电功率可以满足如下约束条件：

式中，puc,ref(t)为第一充放电功率，为超级电容器的最大充电功率，为超级电容器的最大放电功率。

具体的，可以由下式算得：

由下式算得：

式中，分别为超级电容器的最大功率与最大容量；suc(t-1)为超级电容器在上一采样时刻的荷电状态，suc_max、suc_min分别为超级电容器荷电状态的最大值和最小值。

上述方案提出一种自适应储能水平反馈控制策略，基于上一采样时刻超级电容器的储能荷电状态，自适应调节超级电容器的第一充放电指令，将储能系统中超级电容器的荷电状态控制在充放电安全区间内，从而提高了储能系统使用的安全性，延长了储能系统的使用寿命。

b、将所述风电功率通过第二滤波系数的一阶低通滤波器，得到第二功率参考值，以第二功率参考值与风电功率的差值作为输出中间量，将输出中间量通过斜率限制器，输出系统期望合成功率，将系统期望合成功率与风电功率和超级电容器的实际出力作差，得到第二充放电指令序列，将第二充放电指令序列通过锂离子电池变流器，得到锂离子电池的实际出力；

具体的，所述第二滤波系数的一阶低通滤波器的表达式为：

式中，pt2(t)为第二功率参考值，tf2为第二滤波系数。

将上式离散化，可得：

式中，δt为风功率时间序列间隔；

则所述输出中间量plb,fdf(t)为：

plb,fdf(t)＝pt2(t)-pw(t)

考虑设计一个斜率限制器，以保证风功率与多类型储能系统的合成输出满足风电功率爬坡率平抑指标。

在一个可选的实施方式中，所述将输出中间量通过斜率限制器，输出系统期望合成功率包括如下步骤：

由下式算得锂离子电池以输出中间量输出功率时对应当前时刻的斜率r(t)：

式中，δt为风功率时间序列间隔，plb,fdf(t)为输出中间量，plb(t-1)为上一采样时刻锂离子电池的实际出力；

设定风电爬坡率的平抑指标，根据所述风电爬坡率的平抑指标获取上升的斜率限值和下降的斜率限值；

考虑高风电渗透率下电力系统的经济稳定运行，本发明根据长短两个时间尺度设置对应的两个平抑指标。

其中，γ1为第一时间尺度δt1的风电爬坡率的第一平抑指标，γ2为第二时间尺度δt2的风电爬坡率的第二平抑指标，δt1<δt2。

其中所述第一平抑指标γ1对应的限制如下：

在任意δt1的时间窗内，合成输出功率的爬坡率与风电场总额定输出功率之比小于γ1；

其中所述第二平抑指标γ2对应的限制如下：

在任意δt2的时间窗内，合成输出功率的爬坡率与风电场总额定输出功率之比小于γ2。

所述上升的斜率限值和所述下降的斜率限值由下式算得：

在上述步骤中，所述δt1和δt2的取值可根据实际情况进行调整，其中，δt1<δt2，通过选取δt1和δt2两个不同大小时间尺度，根据不同大小时间尺度设置对应的风电爬坡率的第一平抑指标γ1和第二平抑指标γ2，能够适应风电功率短周期变化频繁，长周期变化幅度大的不同周期的不同平抑需求，以达到实时平抑风电爬坡率的目的。

在一个可选的实施方式中，所述第一时间尺度可以取1min，所述第二时间尺度可以取30min。

根据上述步骤所得上升的斜率限值krise和下降的斜率限值kdrop由下式得出所述输出中间量经过所述斜率限制器的所述输出期望的系统合成功率：

式中，po,exp(t)为当前时刻的系统期望合成功率，prated为风电场装机总容量，krise为上升的斜率限值，kdrop为下降的斜率限值。

则所述第二充放电指令plb,ref(t)为：

plb,ref(t)＝po,exp(t)-puc(t)-pw(t)式中，puc(t)为当前时刻超级电容器的实际出力；

上述步骤通过将所述风电功率通过第二滤波系数的一阶低通滤波器，得到第二功率参考值，以第二功率参考值与风电功率的差值作为输出中间量，将输出中间量通过斜率限制器，输出系统期望合成功率，运用斜率限制器结合风电功率平抑指标对期望系统合成功率进行限制，达到平抑风电爬坡率的效果，将系统期望合成功率与风电功率和超级电容器的实际出力作差，得到第二充放电功率，锂离子电池可根据所述第二充放电功率执行充放电指令，当所述第二充放电指令plb,ref(t)为正值时，锂离子电池执行放电指令，当所述充放电指令plb,ref(t)为负值时，锂离子电池执行充电指令。

由于风电功率的随机性和波动性，储能系统应用于平抑风电爬坡率时，配置的储能功率与能量未必完全满足控制的需求，储能剩余容量过高，无法响应充电指令，而过低时则无法响应放电指令。另一方面，可能发生过充或过放，影响储能系统寿命。为了使所述锂离子电池在安全的充放电区间内运行，防止出现过充或过放的情况，考虑根据锂离子电池在上一采样时刻的荷电状态调节所述系统期望合成功率从而对锂离子电池的第二充放电功率进行约束。

在一个可选的实施方式中，在所述将输出中间量通过斜率限制器，输出系统期望合成功率的步骤后，还可以包括如下步骤：

可以对锂离子电池的荷电状态设置低值告警，并对锂离子电池的荷电状态设置高值告警；

具体的，参考图4，图4为锂离子电池荷电状态自适应反馈控制规则示意图；

根据所述第一时间尺度和第二时间尺度的历史数据的波动情况与相应的平抑指标得出系统期望合成功率的最小限值po,exp(t)与系统期望合成功率的最大限值

图4中，slb,min-alart、slb,max-alart分别为锂离子电池荷电状态的低值告警与高值告警；

当锂离子电池在上一采样时刻的荷电状态小于锂离子电池的荷电状态的低值告警且锂离子电池放电时，减小系统期望合成功率；

当锂离子电池在上一采样时刻的荷电状态大于锂离子电池的荷电状态的高值告警且锂离子电池充电时，增大系统期望合成功率。

上述方案提出一种自适应储能水平反馈控制策略，基于上一采样时刻锂离子电池的储能荷电状态，自适应调节系统期望合成功率从而调节锂离子电池的第二充放电指令，将储能系统中锂离子电池的荷电状态控制在充放电安全区间内，从而提高了储能系统使用的安全性，延长了储能系统的使用寿命。

c、将所述风电功率、超级电容器的实际出力和锂离子电池的实际出力求和，得到风电系统的合成输出功率。

上述方案利用超级电容器平抑短时间尺度的功率波动，利用锂离子电池平抑长时间尺度的功率波动，并承担系统的损耗，从而发挥超级电容器功率密度大和锂离子电池能量密度高的优点，达到实时平抑风电爬坡率的同时减少储能消耗的效果。

综合上述各个实施例，本发明的技术方案，依据风电功率的功率波动特征，利用超级电容器平抑短时间尺度的功率波动，利用锂离子电池平抑长时间尺度的功率波动，并承担系统的损耗，从而发挥超级电容器功率密度大和锂离子电池能量密度高的优点。通过将实时平抑系统的实施过程分为计算时段和非计算时段。在计算时段，优化的变量为超级电容器储能低通滤波系数，优化的目标为整个多种储能系统的代价最小；在非计算时段，超级电容器储能系统的低通滤波系数为上一计算时段优化得到的值，退化为常规的斜率限制器算法。而且实现了自适应储能水平反馈控制，将储能系统的荷电状态控制在充放安全区间之内，从而延长了锂离子电池的循环寿命。该方案能够有效地平抑风电功率波动，有利于高风电渗透率下的电网稳定运行；算法简单，消耗的储能相对较小，运算速度快，便于工程实现，具有良好的应用前景。

参考图5所示，图5为一个实施例的风电爬坡率实时平抑系统结构示意图，包括：

时间划分模块，用于将风电爬坡率的平抑过程划分为计算时刻和非计算时段，其中，所述计算时刻为每隔一段时间取的一个时间点，其余的时间为非计算时段；

第一获取模块，用于在当前时刻属于计算时刻时，建立上一时间段储能系统代价最小值的优化函数模型及其约束条件，求解所述优化函数模型获得第一时间常数，根据第一时间常数更新滤波器的第一滤波系数；

第二获取模块，用于在当前时刻处于非计算时段时，获取上一个计算时刻的所述滤波器的第一滤波系数作为当前滤波器的第一滤波系数；

爬坡率平抑模块，用于获取风电场的风电功率，根据所述第一滤波系数对所述风电功率的爬坡率进行实时平抑。

上述风电爬坡率实时平抑系统，首先将风电爬坡率的平抑过程划分为计算时刻和非计算时段，在计算时刻建立上一时间段储能系统代价最小值的优化函数模型及其约束条件，求解所述优化函数模型获得第一时间常数，根据第一时间常数更新滤波器的第一滤波系数；在非计算时段时以上一个计算时刻的滤波系数作为当前滤波器的第一滤波系数，用于对风电功率的爬坡率进行实时平抑。该方案能够通过及时调整第一滤波系数以匹配风电爬坡率的变化，提高风电爬坡率的平抑的准确性，由于每隔一段时间优化一次，无需时刻进行优化计算，优化方法便捷、灵活，降低了运算频率，从而降低了储能系统的储能损耗。

本发明的风电爬坡率实时平抑系统与本发明的风电爬坡率实时平抑方法一一对应，在上述风电爬坡率实时平抑方法的实施例阐述的技术特征及其有益效果均适用于风电爬坡率实时平抑系统的实施例中，特此声明。

据此，在一个实施例中还提供一种存储介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如上述各实施例中的任意一种风电爬坡率实时平抑方法。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。