采用小波包分解并计及频率响应的孤岛型微电网储能优化配置方法与流程

本发明涉及一种采用小波包分解并计及频率响应的孤岛型微电网储能优化配置方法。

背景技术：

近年来，环境污染和能源危机问题引起了越来越多人的关注，风电作为无污染可再生能源的代表，在电力系统中获得了广泛应用。但是对于电网尤其是孤岛型微电网而言，由于风电的随机性和不稳定性，其大量接入会对电力系统的可靠运行以及频率稳定产生极大的挑战。为此，需要采用必要的手段来降低并网风功率对于电网的负面影响。

储能设备具有在时空范围内进行能量转移的能力，利用储能技术可以有效地平抑风电功率波动，跟踪电网的调度计划，提升风电的并网能力。储能技术主要分为两大类：能量型和功率型。每一类储能技术都有自己的优缺点。能量型储能的单位成本一般低于功率型储能，但由于其自身的特性，利用其吸收过多的高频波动功率会严重损害使用寿命。功率型储能的优势在于依靠其本身的高功率密度和快速充放电转换能力，可以快速捕捉不平衡功率中的较高频低幅值波动，但是价格因素决定了其容量不易选择过大，所以长时充放电性能较差。因此，混合储能结合两类储能技术的优点，获得了更好的功率和能量表现。然而，储能系统的本体费用在储能电站的整体成本中依然占有很大比重，如何有效地解决储能优化配置问题依然迫在眉睫。现有技术实现了与电网调度决策相适应的分段平滑功率输出，以最佳经济效益为目标建立了储能电池容量优化决策模型并用粒子群算法进行了求解；分析了风功率的波动概率特性分布，提出运用双电池储能拓扑结构的风-储混合电站平抑风功率波动。

上述现有技术没有考虑到单一储能方式的最适宜运行时间尺度较窄的特点，对不同频段的功率波动无法区别对待，不能充分发挥不同种类储能的优势点，存在着成本偏高和储能寿命短的问题。

现有技术将微电网的供需不平衡功率分解为日分量和小时分量，通过成本模型计算得到了最优分断点和储能配置结果，该方法将两种储能完全分解独立进行优化配置。同时也有文献提出运用低通滤波器和滑动平均值相结合的方法确定混合储能的功率分配，储能电池和超级电容分别平抑风功率中的趋势性和快波动分量。另有文献通过可变一阶滤波时间常数控制，进一步优化储能容量配置和实时跟踪性能，并运用最大功率限制控制策略维持储能soc在正常运行范围内。但是，目前提出的混合储能平抑风功率波动未涉及有功不平衡造成的系统自身频率波动的问题，而孤岛型微电网所允许的频率偏差对应着高频低幅值的功率波动，将部分高频波动功率交由系统自身的消纳能力处理，混合储能容量配置尤其是功率型储能的配置结果会得到再次优化。另外，传统的低通滤波、滑动平均值法等滤波方法具有定位特性差、参数难以进行科学量化的缺点。

技术实现要素：

本发明为了解决上述问题，提出了一种采用小波包分解并计及频率响应的孤岛型微电网储能优化配置方法，本发明选取自适应小波包分解作为不平衡功率的分频方法，综合考虑储能电池、超级电容和系统频率偏差消纳能力的特点，将不平衡功率分成低频分量、中频分量和高频分量三部分，由三者分别进行平抑，使计算速度和高频分量最优。

为了实现上述目的，本发明采用如下技术方案：

一种采用小波包分解并计及频率响应的孤岛型微电网储能优化配置方法，选取自适应小波包分解作为不平衡功率的分频方法，综合考虑储能电池、超级电容和系统频率偏差消纳能力的特点，将不平衡功率分成低频分量、中频分量和高频分量三部分，由三者分别进行平抑，建立混合储能成本年值的模型，在费用最经济的基础上确定了储能的最优配置结果。

进一步的，采用两个模糊控制器对储能soc进行自适应控制，并充分利用储能电池的运行余量分担超级电容的压力，达到实时二次优化储能状态的目的。

对储能电池和超级电容分别建立模糊控制器，两个模糊控制器均属于二维控制结构，将经过初次分配的储能电池和超级电容的充放电功率指令和实时soc作为模糊推理的输入量，模糊控制器的输出分别为储能电池功率调节系数和超级电容功率一次调节系数。

进一步的，储能系统优化配置的基础是风电场输出功率的目标值，该值需要满足风电场自身的波动特性而且要求适应电网的调度计划安排，以此为根据，调度需求选取设定时间作为时间窗口的大小，求取每小时内的风功率期望值作为风电场输出目标功率pref。

进一步的，若对不平衡功率进行lay层小波包分解得到小波包分量，利用分频点nl和nh将小波包分为三个部分。

利用低分频点将其分成低频与中频波动功率两部分，则分别确定储能电池和超级电容的充放电功率，实现平滑孤岛微电网不平衡功率的目的，低分频点nl的确定需要在设定范围内，同时需要遵循成本最低原则。

在满足一定频率偏差精确度要求的前提下，能够从原始不平衡功率中将系统消纳的高频低幅值波动功率分离出的最小分解层数和对应的分断点即为最优小波包分解层数和高分频点。

根据能量型和功率型储能的特性，不同种类的储能去平抑不同的波动组成。

进一步的，对于n<nl的低频高能量波动，适合用储能电池来平抑；对于nl≤n≤nh的中频功率波动，适合用超级电容来进行平抑；对于n>nh的高频功率波动，不对其处理，而是由微电网自身的频率偏差消纳能力所吸收。

进一步的，将不平衡功率pim(t)看作是一个采样点数为n的时域离散信号，则不平衡功率pim(t)视为一个周期为nts的信号，该信号基频为1/(nts)，通过dft，将不平衡功率变换成直流分量、基频周期分量以及倍频周期分量之和的形式，这种形式即为不平衡功率在频域下的表现形式。

进一步的，功率不平衡所带来的频率偏差的计算方法为：通过对不平衡功率pim进行dft得到其功率谱密度函数，基于功率谱密度函数得到微电网频率偏差的谱密度函数，对谱密度函数进行idft得到微电网频率偏差的时域分布。

进一步的，利用储能中所存储的能量e为充放电功率p在时间上的积分与储能原有的初始能量之和，确定储能电池和超级电容的额定容量。

进一步的，波动功率在时间上的积分即为储能累计吸收或释放的能量，其数值大小随着运行过程不断变化，在运行过程中，储能所存储的能量必须满足其自身的soc约束条件，即不平衡功率序列对储能系统的累积能量最大时，储能系统的soc不得超过最高限值，累积能量最小时，储能系统的soc不得低于最低限值。

与现有技术相比，本发明的有益效果为：

1)本发明运用储能电池和超级电容组成的混合储能对孤岛型微电网中的风功率波动进行了平抑，考虑了微电网的频率特性和自身对不平衡功率的消纳能力，基于自适应小波包分解算法和分频点的确定原则对不平衡功率按照频率高中低进行三分频处理，在储能电池和超级电容寿命模型的基础上，建立了以混合储能配置结果和低分频点为自变量的成本年值模型，该模型实现了混合储能配置和功率分配的协同优化。运用两个模糊控制器对混合储能功率指令进行了分步控制，保证了实时soc运行在合理范围内，并实现了储能电池与超级电容两类储能设备的配合使用；

2)本发明单一储能由于兼顾短时的功率波动和长时的充放电要求，储能系统需要配备大容量高额定功率的储能电池或超级电容和能够应对频繁开关情况的辅助设施，而混合储能相对于单一储能来说，根据各类储能时间跨度的不同将不平衡功率分解之后分开控制，成本费用显著降低。系统消纳频率波动能力的考虑，进一步降低了超级电容的配置要求，提高了混合储能系统运行的经济性。加入模糊自适应控制器后，满足了实时soc约束条件，保证了控制策略的长期有效运行；

3)本发明孤岛微电网成本模型的建立仅计及了储能系统本体的费用支出，而储能容量的配置与弃风成本以及辅助调频收益等都有很大的关系，为此，如何构建更为全面准确的储能成本模型成为进一步研究的重点。

附图说明

构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。

图1为本发明的确定高分频点的流程图；

图2为本发明的确定低分频点的流程图；

图3为本发明风电场日输出功率及不平衡功率示意图；

图4为本发明的微电网自身消纳的高频波动功率示意图；

图5为本发明混合储能系统成本年值曲线示意图；

图6为本发明不平衡功率的低频和中频分量示意图；

图7为日初始soc越限时模糊优化前后储能电池soc示意图；

图8为本发明储能电池循环寿命曲线示意图；

图9为本发明α(t)、β(t)和kbat的隶属度函数示意图；

图10为本发明γ(t)、δ(t)和kuc的隶属度函数示意图；

图11为本发明输出变量ks的隶属度函数示意图；

图12为本发明模糊优化前储能功率和soc示意图；

图13为本发明模糊优化后储能功率和soc示意图；

具体实施方式：

下面结合附图与实施例对本发明作进一步说明。

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

在本发明中，术语如“上”、“下”、“左”、“右”、“前”、“后”、“竖直”、“水平”、“侧”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系，只是为了便于叙述本发明各部件或元件结构关系而确定的关系词，并非特指本发明中任一部件或元件，不能理解为对本发明的限制。

本发明中，术语如“固接”、“相连”、“连接”等应做广义理解，表示可以是固定连接，也可以是一体地连接或可拆卸连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的相关科研或技术人员，可以根据具体情况确定上述术语在本发明中的具体含义，不能理解为对本发明的限制。

正如背景技术所介绍的，现有技术中传统的低通滤波、滑动平均值法等滤波方法具有定位特性差、参数难以进行科学量化的缺点的不足，为了解决如上的技术问题，本申请提出了采用小波包分解并计及频率响应的孤岛型微电网储能优化配置方法。

孤岛型微电网可靠运行的关键在于时刻保证发电侧与用户侧之间的功率平衡，因此，保持风功率出力为调度计划的要求值对于系统的频率稳定和成本节约具有重要的意义。储能系统优化配置的基础是风电场输出功率的目标值，该值不仅需要满足风电场自身的波动特性而且要求适应电网的调度计划安排。以此为根据，调度需求选取1h作为时间窗口的大小，求取每小时内的风功率期望值作为风电场输出目标功率pref。

本发明定义：不平衡功率pim为微电网风电场实际出力与目标功率的差值，即希望通过储能系统以及系统自身的消纳能力所平抑的功率波动。

小波包分解是一种信号的时间尺度分析方法，它具有多分辨率分析的特点，而且在时频两域都具有表征信号局部特征的能力，是一种时间窗和频率窗都可以改变的时频局部化分析方法。

若对不平衡功率进行lay层小波包分解(lay≥1)，可得到m＝2^lay个小波包分量，表示为：

式中：gn为第lay层分解的小波包分量；t对应时间，t＝t0+nts。其中，t0为初始时间，ts为采样步长，n为采样点个数。第n个小波包分量由[nfs/2^lay+1,(n+1)fs/2^lay+1]频段内的波动组成，fs为采样频率。

对不平衡功率进行小波包分解之后，利用分频点nl和nh将小波包分为三个部分。根据能量型和功率型储能的特性，不同种类的储能去平抑不同的波动组成。对于n<nl的低频高能量波动，适合用储能电池来平抑；对于nl≤n≤nh的中频功率波动，适合用超级电容来进行平抑。由于电网允许存在小范围的频率偏差，该频率波动对应微电网中的高频不平衡功率，所以对于n>nh的高频功率波动，可以不对其处理，而是由微电网自身的频率偏差消纳能力所吸收。因此，储能电池承担的功率为：

超级电容承担的功率为：

微电网自身消纳的功率为：

dft及离散傅里叶逆变换(idft)是一种运用比较广泛的数学变换方法，其主要功能是将一个函数进行时域-频域间的相互转换，采用分离、过滤或者截取等方法，达到函数分解的目的。

不平衡功率pim(t)可以看作是一个采样点数为n的时域离散信号，则pim(t)可以视为一个周期为nts的信号，该信号基频为1/(nts)，通过dft，可以将不平衡功率变换成直流分量、基频周期分量以及倍频周期分量之和的形式，这种形式即为不平衡功率在频域下的表现形式。

离散傅里叶变换分析公式：

离散傅里叶变换合成公式：

孤岛型微电网中发电机转速的变化，即电力系统频率的变化，与供电侧与需求侧之间的不平衡功率息息相关，当发电功率与用电负荷相等时,电网频率维持在额定值；当发电功率大于用电负荷时,电网频率升高；当发电功率小于用电负荷时,电网频率降低。在孤岛型微电网中，因为功率不平衡所带来的频率偏差的计算方法为：

通过对不平衡功率pim进行dft得到其功率谱密度函数sim(f)；

由公式sδfgrid(f)＝│h(f)│2sim(f)得到微电网频率偏差的谱密度函数，式中│h(f)│为与微电网系统自身相关的频率响应的幅值，可由下式获得：

|h(f)|＝|g(s)|＝|g(j2πf)|(7)

式中，g(s)为与微电网频率响应特性有关的函数。

对上结果sδfgrid(f)进行idft可得到微电网频率偏差的时域分布δfgrid(t)。

储能充放电模型

超级电容和储能电池的额定功率可由功率时间序列的无穷范数求出，考虑到充放电效率的影响，即:

式中：p+bat和p-bat分别为储能电池的充电和放电额定功率，p+uc和p-uc分别为超级电容的充电和放电额定功率；p'+bat和p'-bat为储能电池功率序列大于零和小于零的分量集合，p'+uc和p'-uc为超级电容功率序列大于零和小于零的分量集合；ηbatc和ηbatd为储能电池的充电和放电效率，ηucc和ηucd为超级电容的充电和放电效率。因此，储能电池和超级电容的额定功率为：

混合储能额定容量的确定可以通过以下两步来实现：

储能中所存储的能量e为充放电功率p在时间上的积分与储能原有的初始能量之和，由下式表示：

式中:ebat0和euc0分别为储能电池和超级电容初始时刻存储的能量；ebat(t)和euc(t)为储能电池和超级电容在t时刻存储的能量；t0+its为第i个采样点的时刻值。

因此储能电池和超级电容的额定容量为：

式中：ebatr和eucr分别为储能电池和超级电容的额定容量；socbatup和socbatlow为储能电池soc的上限和下限，本发明取为0.9和0.2；socucup和socuclow为超级电容soc的上限和下限，本发明取为1和0。

确定初始荷电状态soc0的约束范围

在研究时间区间内，波动功率在时间上的积分即为储能累计吸收或释放的能量，其数值大小随着运行过程不断变化，计算公式如下：

因此，储能的实时soc值由下式决定：

在运行过程中，储能所存储的能量必须满足其自身的soc约束条件，即不平衡功率序列对储能系统的累积能量最大时，储能系统的soc不得超过最高限值，累积能量最小时，储能系统的soc不得低于最低限值：

对上式进行变形与合并即可知为保证储能系统正常运行，其初始soc需在下式所规定的范围内：

上述约束条件的保证是不平衡功率能够被储能完全平抑的前提，而在实际工程应用时，要随时保持初始soc在约束区间内存在一定的难度。因此需要使用一些辅助控制策略来保证该条件的满足，例如反馈控制，模糊控制等。

储能电站的建设由储能本体、能量转换装置和必要的辅助设施组成。而在储能电站的总成本中，储能电池和超级电容的本体成本占有相当大的比重，其中，储能电池本体成本可表示为：

cbat＝cbateebatr+cbatppbatr(17)

式中：cbate为储能电池本体的单位容量价格，cbatp为储能电池本体的单位功率价格。

因此，储能电池本体的成本年值可表示为：

式中：i为折现率；lifebat为储能电池的使用寿命，单位为年，lifebat和超级电容使用寿命lifeuc的计算方法。

储能电池的寿命可以表示成储能电池可供使用的有效吞吐量之和，有效的吞吐量可以通过使用转化公式修正实际吞吐量而得到。当累积的有效吞吐量达到储能电池额定寿命时，储能电池报废。储能电池额定的可供使用吞吐量为

thbat＝lrdrebat(19)

式中:ebat为储能电池的额定容量；dr为额定放电深度，用来确定额定循环寿命；lr为额定放电深度dr和额定放电功率下的额定循环寿命。经过大量实验分析证明，主要有三个储能电池的寿命影响因素：放电深度、荷电状态和充放电功率。

储能电池放电深度的影响：每个放电循环计算放电深度对储能电池寿命的影响，然后通过拟合实验数据可以得到储能电池放电深度与实际循环寿命的关系，如图8所示。

储能电池循环寿命的计算公式为

储能电池有效吞吐量与额定充放电功率下充放电能量关系为

式中：lbat为储能电池的实际循环寿命；lr为在额定放电深度dr下的循环寿命；u0、u1为拟合参数；eeff(da)为额定充放电功率下充放电深度为da时所对应的有效吞吐量。

储能电池soc的影响：由于在实际使用过程中，充放电循环并不是像实验时总是在充满电之后再进入放电过程，而是在两个任意soc水平之间充电或者放电，为了处理这一情况，本发明用两个标准实验循环过程的差值来代替任意充放电过程。例如，如果储能电池是从soc为0.2充电至soc为0.8，那么本次随机事件可以由从soc为0.2充电至socup满充状态和从socup放电至soc为0.8两个标准充放电事件组成。储能电池的有效吞吐量为eeff＝0.5|eeff(0.8)-eeff(0.2)|，0.5表示每一个充放电循环过程是由两个等价的充电过程与放电过程组成的。

储能电池充放电功率的影响：拉贡曲线是储能器件功率密度和能量密度的关系曲线，描述了储能器件的功率输出能力和能量输出能力，以及储能器件的最佳工作区域，是评价储能器件的有效手段。根据拉贡曲线可以得到储能电池在任意充放电功率下的实际容量。因此，在额定功率下的等效充放电能量与某一实际运行过程中的充放电能量的比例关系为

式中：er为额定充放电功率下的储能电池等效充放电能量，eactual为实际充放电能量，ea为实际充放电功率下储能电池的实际容量，可由储能电池的拉贡曲线求取。

储能电池在研究时间区间t内经历了n个充放电事件，那么储能电池的使用寿命时间为

对与超级电容而言，本发明从超级电容寿命期内能够承受的吞吐量作为寿命计算的依据。在研究时间区间t内超级电容所完成的吞吐量为：

es＝∑|p'uc|ts(24)

所以，超级电容在某种使用模式下，实际使用过程中的超级电容寿命时间为

超级电容本体成本可表示为：

cuc＝cuceeucr+cucppucr(26)

式中：cuce为超级电容本体的单位容量价格，cucp为超级电容本体的单位功率价格。

超级电容本体的成本年值可表示为：

混合储能系统每年的总成本可表示为：

chess_y＝cbat_y+cuc_y(28)

在本发明中，在满足一定频率偏差精确度要求的前提下，能够从原始不平衡功率中将系统消纳的高频低幅值波动功率分离出的最小分解层数和对应的分断点即为最优小波包分解层数和高分频点。nh值的应用，相当于原始不平衡功率在进入混合储能平抑之前先进行一次低通滤波，滤波后的相对低频的波动功率再由混合储能系统平抑。与不将系统自身频率波动消纳能力考虑在内相比，本发明的方法降低了对储能尤其是超级电容额定容量以及额定功率的要求。高分频点值nh的确定方法如图1中的流程图所示。

高分频点nh确定之后，会得到混合储能的总功率序列，利用低分频点将其分成低频与中频波动功率两部分，则可分别确定储能电池和超级电容的充放电功率，实现平滑孤岛微电网不平衡功率的目的。低分频点nl值的大小直接决定了低频波动功率与中频波动功率的分配情况，从而进一步影响了配置结果以及储能成本的高低。因此，本发明中低分频点nl的确定需要遵循以下两个原则：

低分频点nl值不能过大或过小

nl值过大虽然能够在一定程度上减轻超级电容的平抑任务，但同时会令储能电池承担的低频波动部分存在较多的高频波动功率，在运行过程中就要求储能电池频繁地转换充放电状态，加速了辅助设备的损耗以及电池的老化，导致储能电池成本年值的急剧增加。nl值过小会导致超级电容平抑了过多的本应由储能电池消纳的低频高幅值波动功率，此时对于储能元件的长时间的充放电能量性能要求较高，因此需要配置大容量值的超级电容，必然造成不必要的超级电容成本支出。

nl值的确定需要遵循成本最低原则

低分频点nl值的不同会导致储能额定功率和容量值以及储能运行寿命的变化，储能系统的成本年值大小也随之改变，因此选定成本年值最低点所对应的配置结果即为孤岛微电网储能配置问题的最优解。低分频点nl的确定方法如图2中的流程图所示，本发明采用穷举法进行成本最低点的搜索，滚动更新nl和chess_y的值，随着一次新搜索的进行，将过去搜索过程的最优分频点nl所对应的成本年值chess_y同最新分频点nl0对应的chess_y0进行比较，更新nl与chess_y，直到所有潜在的分频点都搜索比较完毕，即可输出最优分频点和成本最优值。此时，混合储能的最优配置结果也可以得到。

一天的功率样本数据所得到的储能配置结果缺乏普适性，因此本发明从风电场一整年的运行数据中取多个典型日作为研究对象，综合考虑了数据不确定性对储能配置的影响，计算典型日配置结果的数学期望作为该风场的最终配置结果。所提出的控制策略是以日风功率为基础实现的，此时的初始soc要求较易满足，而在实际长期运行过程中，由于风机出力的随机性和波动性以及储能装置自身容量的限制，会出现初始soc超出约束以及功率调节能力不足的问题，并进一步引发弃风、功率不平衡和频率波动等经济性问题。因此本发明利用混合储能模糊控制器对储能soc进行实时控制并在soc控制基础上对储能电池和超级电容的充放电功率进行二次分配，使得超级电容时刻具备较高的高频波动平抑能力。

模糊优化控制器的控制过程分两步实现，包含两个子模糊控制器：

1)储能soc控制

模糊控制器的第一步设计工作主要是对储能的soc进行实时控制，其设计原则为：当储能电池或超级电容的soc较高时，缩小充电功率约束，而对放电功率不进行除自身功率极限约束外的附加约束；当soc较低时，缩小放电功率约束，而对充电功率不进行除自身功率极限约束外的附加约束。因此，可以避免储能长时间处于过充过放状态，减少了储能寿命损耗，也有利于风储联合功率的平滑输出，减少了因为容量不足所带来的功率畸变和经济浪费。

本发明对储能电池和超级电容分别建立模糊控制器，两个模糊控制器均属于二维控制结构，将经过初次分配的储能电池和超级电容的充放电功率指令和实时soc作为模糊推理的输入量，模糊控制器的输出分别为储能电池功率调节系数kbat和超级电容功率一次调节系数kuc。输入、输出变量的隶属度函数及模糊规则。

将储能电池充放电功率p'bat归一化后得到soc模糊控制器的输入变量α(t)，其模糊论域为{-1，-0.5，0，0.5，1}，对应的模糊子集为{nb，ns，z，ps，pb}，分别表示负大、负小、零、正小、正大，实时荷电状态socbat归一化后的输入变量为β(t)，其模糊论域为{0.2，0.4，0.5，0.,7，0.9}，对应的模糊子集为{vs，s，m，b，vb}，分别表示极小、小、中、大、极大，输出变量kbat的模糊论域为{0，0.2，0.4，0.6，0.8，1},对应的模糊子集为{vs，s，ms，mb，b，vb}，分别表示极小、小、中小、中大、大、极大，α(t)、β(t)和输出变量的隶属度函数以及模糊控制规则如图9和表c1所示。

表c1储能电池模糊控制规则

将超级电容充放电功率p'uc归一化后得到soc模糊控制器的输入变量γ(t)，其模糊论域为{-1，-0.5，0，0.5，1}，对应的模糊子集为{nb，ns，z，ps，pb}，分别表示负大、负小、零、正小、正大，实时荷电状态socuc归一化后的输入变量为δ(t)，其模糊论域为{0，0.3，0.5，0.7，1},对应的模糊子集为{vs，s，m，b，vb}，分别表示极小、小、中、大、极大。输出变量kuc的模糊论域为{0，0.3，0.5，0.7，1},对应的模糊子集为{vs，s，m，b，vb}，分别表示极小、小、中、大、极大。选择五个语言变量描述超级电容输出变量，而选择六个语言变量描述储能电池输出变量是因为考虑到超级电容的充放电转换能力强于储能电池，而且soc水平对储能电池的寿命影响很大，对储能电池的soc控制需要更为精细。γ(t)和δ(t)和输出变量的隶属度函数以及模糊控制规则如图10和表c2所示。

表c2超级电容模糊控制规则

对于输出变量的解模糊，采用重心法将模糊量转化为精确量，从而得到储能的功率调整系数值kbat和kuc，因此通过soc模糊控制器调整后，储能电池和超级电容的实时功率值为：

储能内部功率二次分配

储能电池的响应速度能够达到补偿超级电容功率所要求的秒级，因此在储能电池容量满足需求的情况下还有富余时，可以适当增加储能电池的充放电功率，减小超级电容的工作压力，提升储能系统对于高频功率波动的持续平抑能力。其设计原则为：当超级电容soc较高，储能电池soc不高而且处于低功率充电甚至放电状态时，储能电池分担超级电容的充电压力，当电容器soc较低，储能电池soc不高而且处于低功率放电甚至充电状态时，储能电池分担超级电容的放电压力。

储能内部功率的二次分配的模糊控制器的输入变量为储能电池和超级电容的实时soc，输出变量为超级电容二次调节系数ks。输入、输出变量的隶属度函数及模糊规则。

储能内部功率的二次分配的模糊控制器设计分为以下两种情况，输入变量模糊论域和模糊子集的定义与第一步的相关定义一致，输出变量超级电容二次调节系数ks的模糊论域为{0，0.3，0.5，0.7，1},对应的模糊子集为{vs，s，m，b，vb}，分别表示极小、小、中、大、极大。其隶属度函数如图d1所示，超级电容分别处于充放电状态下所对应的模糊控制规则如表d1、d2所示。

表d1超级电容充电时的模糊控制规则

表d2超级电容放电态时的模糊控制规则

经过两步模糊控制优化后的储能电池功率pbat(t)和超级电容功率puc(t)的计算公式为：

puc(t)＝ksp″uc(t)＝kskucp'uc(t)(31)

以国内某孤岛型微电网为例进行混合储能容量的优化配置，验证本发明方案的经济性和实用性。本发明风场数据为孤岛微电网内30mw风电场的全年出力，采样周期为5s，选取一年中不同时期10个典型日的出力数据进行计算。储能电池的充放电效率为90％，超级电容的充放电效率为95％。微电网允许的频率运行范围为δfmax∈[49.3，50.5]hz，确定小波包最优分解层数和nl值所需的频率精度值取0.01hz，折现率取8％。

选取一个典型日的数据进行仿真分析，其原始风功率和平滑目标的函数曲线如图3所示。平滑后的功率曲线在每小时内为恒定值，可以与风电场日前调度计划相配合，为储能系统与现有的电网调度运行方式的有效衔接奠定基础。采用图1的流程方法，选用db6小波进行数据分解，以能将高频功率波动分离和运算时间最优的8层小波包分解结果作为分析对象，共分解成256个小波包，高分频点nh的值为199，此时的高频功率波动如图4所示。

如表1所示为仅用单一储能(方案1：储能电池，方案2：超级电容)时的配置结果，通过比较，可以看出对于同一风电场，在相同的平抑效果下，仅使用单一储能的成本年值远高于混合储能。

表1单一储能配置结果

本发明提出的方法利用了电网自身所允许的频率偏差特性吸收掉不平衡功率中的高频低幅值波动，对剩余中低频功率波动由混合储能来平抑。如果不平衡功率按照传统的理论全部由混合储能系统来平抑，此时的储能配置结果会发生变化。为了比较计及电网频率特性前后配置结果的不同，设定方案3：不对高分频点进行计算，直接将其定为0.1hz频率(频域的最高分辨率，也即采样频率值的一半)对应的小波包分量值；方案4：按照本发明方法进行储能配置，比较结果如表2所示。

表2微电网消纳能力考虑前后配置结果

通过比较4种方案下的储能优化配置结果，可以得出如下结论：

在同等平抑效果下，方案1、2的经济性远不及方案4，容量和功率配置结果也明显高于方案4，这是因为采用单一储能方式时，储能的配置既需要考虑高频功率波动，此时就要求储能系统能够跟踪快速高幅值的功率波动，又必须满足长时间大幅度的soc变化，由此造成单一储能电池的额定功率和超级电容的额定容量上升。

方案4将不平衡功率分为中频和低频波动两部分，根据能量型和功率型储能的性能特点完成混合储能间的功率分配，充分利用了不同种类储能的优势，波动频率相对较大，波动幅值较低的中频波动作为能量缓冲由超级电容负责，相比于方案2来说对超级电容容量配置的要求大大降低，成本值随之减少。储能电池平抑波动周期长、幅值大的低频波动，与方案1相比，在实际运行过程中，由于中频的功率波动被超级电容吸收，储能电池的充放电状态转换周期由秒级延长至分钟级甚至小时级，转换次数大大减少，延长了储能电池本体以及辅助设备的运行寿命，降低了储能系统的成本年值。

对比方案3、4发现，系统消纳能力的考虑能够进一步降低储能的成本，主要体现在超级电容的配置值比传统方法低，这是因为系统自身所容许的功率波动是高频、低幅值的，此部分功率在方案3中由超级电容平抑，方案4方法的应用不仅降低了对超级电容快速跟踪和持续充放电能力的要求，功率和容量配置值更加优化，而且与方案3相比超级电容能够连续进行较长时间的充放电后才会切换一次充放电状态，减少了充放电转换次数。虽然超级电容寿命周期内的切换次数可达上万次，但转换次数的减少仍可在一定程度上延长超级电容的使用寿命，提升储能系统运行的经济性。

模糊控制器的作用在于当日初始soc不满足式(15)的约束条件时，保证本发明平抑策略的有效执行。本算例讨论了在满足(实例1)和不满足初始soc约束(实例2)两种情况时，模糊控制器的调节作用对于储能soc变化的影响。

实例1中模糊优化前后，储能功率和soc的变化情况。

经模糊优化前后的储能功率和soc变化曲线如图12和图13所示，从功率曲线图可以看出，模糊优化控制器加入后，不平衡功率仍按照功率型和能量型储能的性能特点进行分配，中频波动由超级电容承担，低频波动由储能电池承担，从soc曲线图可以看出，由于模糊优化控制器加入前，混合储能的初始soc即在约束条件内，因此模糊控制器加入前后混合储能的soc均运行在安全范围之内，没有过充过放和功率越限现象的发生。模糊优化控制器下储能电池的全天的soc运行曲线与soc中间值直线更加接近，相比于普通控制策略储能电池更多的运行于浅充浅放状态，因为深度充放电会损害电池内部的化学储能物质，缩短电池寿命，所以模糊优化控制策略有效的降低了储能电池的充放电深度，延长了储能电池的使用寿命。

实例2：将储能电池的日初始soc设为超出约束的满充状态0.9，普通控制策略和模糊优化控制策略下的储能电池soc变化曲线如图7所示，普通控制策略下储能电池的soc变化幅度大，而且存在多次的过充过放现象，模糊优化控制下的soc最小值为0.3033，而且除初始时段的极端状况，剩余时间内soc值大多处于[0.3,0.8]的合理区间内。因此模糊控制器的加入可以保证储能在极端状态时仍然可以尽快调节至合理的soc运行范围，减小了储能设备的寿命损害。

运用储能电池和超级电容组成的混合储能对孤岛型微电网中的风功率波动进行了平抑，考虑了微电网的频率特性和自身对不平衡功率的消纳能力，基于自适应小波包分解算法和分频点的确定原则对不平衡功率按照频率高中低进行三分频处理，在储能电池和超级电容寿命模型的基础上，建立了以混合储能配置结果和低分频点为自变量的成本年值模型，该模型实现了混合储能配置和功率分配的协同优化。运用两个模糊控制器对混合储能功率指令进行了分步控制，保证了实时soc运行在合理范围内，并实现了储能电池与超级电容两类储能设备的配合使用。

以实际孤岛微电网为例的仿真结果表明：单一储能由于兼顾短时的功率波动和长时的充放电要求，储能系统需要配备大容量高额定功率的储能电池或超级电容和能够应对频繁开关情况的辅助设施，而混合储能相对于单一储能来说，根据各类储能时间跨度的不同将不平衡功率分解之后分开控制，成本费用显著降低。系统消纳频率波动能力的考虑，进一步降低了超级电容的配置要求，提高了混合储能系统运行的经济性。加入模糊自适应控制器后，满足了实时soc约束条件，保证了控制策略的长期有效运行。

以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。