风储联合系统容量配置方法与流程

本发明属于风电混合储能技术领域，具体涉及一种风储联合系统容量配置方法。

背景技术：
：

大规模风力发电系统投网运行对系统可靠性及稳定性带来严重冲击。储能系统通过能量存储单元的功率快速充放以灵活有效的方式平抑风电功率波动，降低其对电力系统扰动性影响，提高风电并网的电能质量。风储联合系统的经济性主要体现在容量的配置上，风储联合系统容量的合理配置能够提高系统稳定性。

技术实现要素：
：

发明目的：

本发明提供了一种风储联合系统容量配置方法，其目的是提高风电并网的电能质量，使风储联合系统容量得到合理配置。

技术方案：

本发明是通过以下技术方案实施的：

一种风储联合系统容量配置方法，其特征在于：将风电输出功率通过卡尔曼功率分解提取出风电并网功率部分和储能装置平抑功率部分，根据蓄电池及超级电容器运行互补特性，对储能装置平抑功率部分的低频区和高频区分别进行平抑，得到蓄电池目标输出功率及超级电容器目标输出功率，用高斯分布法分别拟合蓄电池目标输出功率及超级电容器目标输出功率的概率密度函数，对 风储联合系统的储能容量进行配置。

卡尔曼功率分解的风储联合系统时间更新方程如公式(1)所示：

式中:(P_grid)_k-1|k-1为k-1时刻风电并网功率输出值；为k时刻先验证估算值；为k时刻先验证估算偏方差；P_k-1|k-1为k-1时刻后验证估算偏方差；Q为过程激励噪声协方差；

卡尔曼功率分解的风储联合系统状态更新方程如公式(2)所示：

式中:K_k为卡尔曼滤波增益系数矩阵；(P_grid)_k|k为k时刻风电并网功率输出值；(P_DFIG)_k为k时刻风电输出功率；P_k|k为k时刻后验证估算偏差值；R为测量激励噪声协方差；

将风电输出功率(P_DFIG)_k和风电并网功率(P_grid)_k|k作为卡尔曼功率提取的整定迭代量，依据公式(1)、公式(2)中的迭代关系，进行卡尔曼功率分解，划分出风电并网功率部分；根据风电并网准则判断风电并网功率变化最大限值是否满足要求；如果满足要求，则风电输出功率与风电并网功率差值即为储能装置平抑功率；如果风电并网功率变化最大限值不满足要求，则将协方差Q进行调整，同时对偏方差P_k-1|k-1进行k次时间尺度迭代，进行卡尔曼功率分解，直到划分出的风电并网功率满足风电并网功率变化最大限值要求为止，进而得到储能装置平抑功率；

将储能装置平抑功率P_HESS通过快速傅里叶变换确定储能装置的分界截止频 率f_c，同时确立卡尔曼功率分解频域下低频滤波系数α_s及高频滤波系数β_s，并以此将储能装置平抑功率划分成低频区和高频区两部分；

将公式(1)中(P_grid)_k-1|k-1换成k-1时刻蓄电池功率输出值(P_b-ref)_k-1|k-1或k-1时刻超级电容器功率输出值(P_sc-ref)_k-1|k-1，将公式(1)中换成k时刻蓄电池的功率期望先验输出估算值或k时刻超级电容器的功率期望先验输出估算值将公式(2)中功率迭代式与各自滤波系数相结合，即低频区功率提取量α_s(P_HESS)_k、高频区功率提取量β_s(P_HESS)_k分别作为卡尔曼功率分解下蓄电池和超级电容器储能单元的整定迭代量；经迭代可提取出各储能单元在k＝1,2···n时刻重构功率期望输出值如公式(3)所示：

式中:为k时刻蓄电池的功率期望先验输出估算值，为k时刻超级电容器的功率期望先验输出估算值；(P_b-ref)_k|k为k时刻蓄电池目标输出功率，(P_sc-ref)_k|k为k时刻超级电容器目标输出功率；(P_HESS)_k为k时刻储能装置平抑功率。

经n时间段卡尔曼线性自回归估算后得到蓄电池目标输出功率P_b-ref及超级电容器目标输出功率P_sc-ref，用高斯分布法对各自储能单元的目标输出功率进行概率密度函数拟合，进而求出各储能单元的容量配置。

优点和效果：

采用时变域线性递回归估算方式，将最优滤波理论与风储联合系统相结合,对风电输出功率进行卡尔曼功率分解，分离出风电并网功率部分和储能装置平抑功率部分。根据蓄电池及超级电容器运行互补特性，对储能装置平抑功率部分低频区和高频区分别进行平抑，不但有效地平抑波动功率，而且使输出功率 更平滑。

附图说明：

图1为风电输出功率曲线图。

图2为风电并网功率曲线图。

图3为储能装置平抑功率曲线图。

图4为频谱分析图。

图5为储能单元目标功率输出图。

具体实施方式：

下面结合附图对本发明进行具体说明：

本发明提供了一种风储联合系统容量配置方法，将风电输出功率通过卡尔曼功率分解提取出风电并网功率部分和储能装置平抑功率部分，根据蓄电池及超级电容器运行互补特性，对储能装置平抑功率部分低频区和高频区分别进行平抑，得到蓄电池目标输出功率及超级电容器目标输出功率，用高斯分布法分别拟合蓄电池目标输出功率及超级电容器目标输出功率的概率密度函数，对风储联合系统的储能容量进行配置。

卡尔曼功率分解

卡尔曼滤波是根据系统状态空间模型，以最小均方差为最佳递推准则，通过时变域最优线性自回归估算的方式对数据信号进行分解处理。它是现代最优滤波技术，不但可以有效解决传统低通滤波器的时间滞后及不敏感问题，而且对含有噪声干扰的非平稳信号呈现出更好的过滤效果。

风的随机波动性使风电输出功率产生严重的扰动，这些扰动符合高斯分布，对其功率本身视为含有高斯白噪声干扰的波动信号。卡尔曼功率分解的风储联 合系统时间更新方程如公式(1)所示：

式中:(P_grid)_k-1|k-1为k-1时刻风电并网功率输出值；为系统k时刻先验证估算值；为k时刻先验证估算偏方差；P_k-1|k-1为k-1时刻后验证估算偏方差；Q为过程激励噪声协方差。

卡尔曼功率分解的风储联合系统状态更新方程如公式(2)所示：

式中:K_k为卡尔曼滤波增益系数矩阵；(P_grid)_k|k为k时刻风电并网功率输出值；(P_DFIG)_k为k时刻风电输出功率；P_k|k为k时刻后验证估算偏差值；R为测量激励噪声协方差。

将风电输出功率(P_DFIG)_k和风电并网功率(P_grid)_k|k作为卡尔曼功率提取的整定迭代量，依据公式(1)、公式(2)中的迭代关系，进行卡尔曼功率分解，划分出风电并网功率部分；根据风电并网准则判断风电并网功率变化最大限值是否满足要求；如果满足要求，则风电输出功率与风电并网功率差值即为储能装置平抑功率；如果风电并网功率变化最大限值不满足要求，则将协方差Q进行调整，同时对偏方差P_k-1|k-1进行k次时间尺度迭代，进行卡尔曼功率分解，直到划分出的风电并网功率满足风电并网功率变化最大限值要求为止，进而得到储能装置平抑功率。

储能容量配置确立

卡尔曼分解算法中线性递回归估算的方式是波动功率提取的重要部分，也是各储能单元容量配置的理论依据。将风电输出功率通过卡尔曼功率分解提取 出风电并网功率部分和储能装置平抑功率部分，将储能装置平抑功率部分分割成低频区和高频区，将低频区作为蓄电池储能单元的目标功率输出值，将高频区作为超级电容器储能单元的目标功率输出值。

将储能装置平抑功率P_HESS通过快速傅里叶变换确定储能装置的分界截止频率f_c，同时确立卡尔曼功率分解频域下低频滤波系数α_s及高频滤波系数β_s，并以此将储能装置平抑功率划分成低频区和高频区两部分。

将公式(1)中(P_grid)_k-1|k-1换成k-1时刻蓄电池功率输出值(P_b-ref)_k-1|k-1或k-1时刻超级电容器功率输出值(P_sc-ref)_k-1|k-1，将公式(1)中换成k时刻蓄电池的功率期望先验输出估算值或k时刻超级电容器的功率期望先验输出估算值将公式(2)中功率迭代式与各自滤波系数相结合，即低频区功率提取量α_s(P_HESS)_k、高频区功率提取量β_s(P_HESS)_k分别作为卡尔曼功率分解下蓄电池和超级电容器储能单元的整定迭代量，公式(1)及公式(2)其它参数含义不变；经迭代可提取出各储能单元在k＝1,2···n时刻重构功率期望输出值如公式(3)所示：

式中:为k时刻蓄电池的功率期望先验输出估算值，为k时刻超级电容器的功率期望先验输出估算值；(P_b-ref)_k|k为k时刻蓄电池目标输出功率期望值，(P_sc-ref)_k|k为k时刻超级电容器目标输出功率期望值；(P_HESS)_k为k时刻储能装置平抑功率。

经n时间段卡尔曼线性自回归估算后，得到蓄电池目标输出功率P_b-ref、超级电容器目标输出功率P_sc-ref。采用n阶高斯分布法分别对蓄电池目标输出功率及超级电容器目标输出功率的概率密度进行拟合，其n阶高斯分布函数的数学 表达式为：

上式中a_i、b_i、c_i为其正态分布系数。

由此，求出储能单元输出功率幅值的平均值。其数学表达式为：

其中a、b为储能单元积分函数上下限，其储能容量计算公式为：

E＝P_av·T (6)；

其中T为储能单元平抑风电波动功率的总采样时间。

实施例1：

风电场由10台单机容量为1.5MW的双馈风机组成，并网频率50Hz，交流侧母线电压690V，相邻间隔采样点为1min。风电输出功率曲线如图1所示。

将风电输出功率(P_DFIG)_k和风电并网功率(P_grid)_k|k作为卡尔曼功率分解提取的整定迭代量。风电并网功率变化最大限值为3MW，依据公式(1)、(2)中的迭代关系，划分出风电并网功率部分如图2所示，储能装置平抑功率部分如图3所示。

采用快速傅里叶变换对储能装置平抑功率部分进行频谱分析。其分析图如图4所示。设定分界截止频率f_c＝0.01Hz，确立低频滤波系数α_s及高频滤波系数β_s，经卡尔曼功率分解提取出各储能单元目标功率输出情况如图5所示。图5中，蓄电池储能输出功率信号波动频率较小，幅值较高，平抑低频分量；超级电容器储能输出功率信号波动频率较大，幅值较低，平抑高频分量，充分利用了蓄电池与超级电容器储能的互补特性。

采用高斯分布法对各储能单元概率密度进行拟合，蓄电池储能功率概率密度拟合区间为[0-4.591MW]，拟合优度为0.992，拟合功率P_b＝1.02MW，蓄电池 对应容量为8.5MWh；超级电容器储能功率概率密度拟合区间为[0-3.795MW]，拟合优度0.996，拟合功率，超级电容器对应容量为4.61MWh。