基于功率谱密度的配置优化的方法、系统及装置与流程

本发明涉及可再生能源的储能容量和功率容量配置技术领域，尤其涉及一种基于功率谱密度的配置优化的方法、系统及装置。

背景技术：

近些年来，可再生能源飞速发展，可再生能源包括诸如风电能源、太阳能源(光伏)等，尤其风电能源输出功率具有间歇性和波动性的特点，大规模的可再生能源接入电网会给电网带来频率稳定性、小干扰稳定性等一系列的影响。通常，利用储能充电和放电的特性可以缓解电网功率的供需平衡，从而维持电网的稳定性。但过度的储能容量和功率的配置会导致成本大幅增加，另外，若储能容量和功率的配置不足又会导致电网的稳定性受影响，因此，储能的容量和功率的优化配置显得十分重要。

而已知的储能容量和功率的优化配置往往针对的是诸如独立风机或光伏系统。以风电为例，目前应用较多的是，给独立风力发电系统配置一定的储能(即储能设备的容量配置，既能保证完成自身任务而满足接入电网的需求，又能使得接入电网的电力体系成本尽可能低的优化运行)，采用合适的充放电措施，让风机的输出功率在一定时间尺度下(例如1分钟、10分钟)能满足一定的阈值要求(例如波动率不超过10％)等。可见，现有的储能优化的方案是以风电功率波动率为目标函数，没有结合具体接入的电网来考虑其会对电网有功功率平衡过程造成的影响。可见，以往的方法所存在的缺陷体现在：(1)往往将风电出力认为是确定的，也即所采用的方案实际上是确定性的方案，并没有充分考虑风电出力的随机性；(2)没有考虑接入的电网的响应特性，而常规的电源如火电、水电本身具有一定的惯性响应能力，可以平滑一定的电网功率波动，但风电则不能；(3)以往的方案建立在长时间的对风电时间序列蒙特卡洛仿真(即随机抽样或统计模拟的仿真算法)的基础上，往往需要借助动态仿真商业软件，运算过程比较耗时，不利于现场应用；(4)以往的方法没有结合风电输出功率、电网响应特性等多个因素来综合考虑，往往造成储能配置不足或过度配置。

由此，要获得更平衡的配置，就需要对储能容量和功率的优化配置进行改进，提供一种以理论推导基础、充分考虑可再生能源的功率波动随机特性和电网的动态响应特性、配置的储能容量或功率更贴近实际需求、不会造成储能过度配置或配置不足等情形、并且无需借助于高成本的商业动态仿真软件的方案。这样的方案，可适应于任何场景下的电网，并可用于快速实现电网频率稳定性约束下的储能需求评估。

技术实现要素：

为了克服上述缺陷，提出了本发明，以解决或至少部分地解决如何基于理论推导结合风电随机特性和接入电网的响应特性以改进优化储能容量和/或功率的配置的技术问题，从而保证配置的储能容量或功率更贴近实际需求不会配置过度或不足，进而也降低了配置成本(无需高成本商业动态仿真软件)。本发明为解决上述技术问题提供了一种基于功率谱密度的储能容量和功率的配置优化的方法、系统及装置。

第一方面，提供一种基于功率谱密度的配置优化的方法，包括：对电场输出波动功率进行储能补偿，以获得补偿后的电场输出波动功率所对应的电场功率谱密度；根据所述电场功率谱密度，经电网频率频域响应模型获得电网的功率谱密度；根据所述电网的功率谱密度获得对应的电网频率波动功率的时间序列；基于电网频率波动功率的所述时间序列，计算所述储能补偿频段对应的储能的能量容量和功率容量。

其中，“对电场输出波动功率进行储能补偿，以获得补偿后的电场输出波动功率所对应的电场功率谱密度”，具体包括：将电场输出波动功率的时间序列划分成多个相同时间长度的时间片段；根据所述时间片段的容量系数平均值进行归类，将所有时间片段按照容量系数平均值分成多个组；根据归类到同一组的多个时间片段的电场波动功率的时间序列，经傅里叶变换结合离散推导计算所述同一组的多个时间片段平均功率谱密度；通过设置的频率区间[fl,fu]对平均功率谱密度最大的一组中的电场波动功率的时间序列进行平滑运算，以获得储能补偿后的电场输出波动功率所对应的电场功率谱密度。

其中，所述“通过设置的频率区间[fl,fu]对平均功率谱密度最大的一组中的电场波动功率的时间序列进行平滑运算”具体包括：对应输入的多个组的平均功率谱密度，设置截止频率fl并更新截止频率fu；对多个组中平均功率谱密度最大的一组所对应的电场输出波动功率的时间序列，利用由所述截止频率fl和fu建立的区间[fl,fu]进行平滑运算：

其中，所述为储能补偿后的电场输出波动功率，xt[k]为所述电场波动功率的时间序列经傅里叶结合离散推导时按预定的取样时间ts而取样n点所获得的第k个波动功率，fk为对应所述第k个波动功率的频率；所述“获得储能补偿后的电场输出波动功率所对应的电场功率谱密度”具体包括：将补偿后的电场输出波动功率的时间序列经傅里叶变换获得对应的电场功率谱密度sx(f)。

其中，“根据所述电场功率谱密度，经电网频率频域响应模型获得电网的功率谱密度”具体包括：将补偿后的对应的所述电场功率谱密度sx(f)，经构建的频率频域响应模型进行计算，获得对应的电网的功率谱密度sy(f)：

sy(f)＝|g(f)|²sx(f)，

其中，g(f)为电网频率传递函，f为波动功率的频率。

其中，所述“根据所述电网的功率谱密度获得对应的电网频率波动的时间序列”具体包括：将所述电网的功率谱密度，经逆傅里叶变换后，获得对应的电网频率波动功率的时间序列；根据电网频率波动功率的最大值确定所述频率的稳定性是否符合需求；如果不符合需求，则通过梯度搜索更新截止频率fu以重新执行所述“对电场输出波动功率进行储能补偿”；如果符合需求，则基于电网频率波动功率的所述时间序列，计算所述储能补偿频段对应的储能的能量容量和功率容量。

其中，所述“基于电网频率波动功率的所述时间序列，计算所述储能补偿频段对应的储能的能量容量和功率容量”，具体包括：确定电网频率波动功率的所述时间序列为储能补偿频段对应的充放电功率的时间序列；校正所述充放电功率的时间序列，并将校正后的充放电功率的最大值作为所述功率容量；根据所述充放电功率的时间序列，对充放电功率进行累积求和，获得能量波动状态，修正所述能量波动状态获得所述能量容量。

其中，校正所述充放电功率的时间序列具体包括：

其中，ηess,d为储能的放电效率，ηess,c为储能的充电效率，ep,t[k]为理论的充放电功率，为校正后实际的充放电功率，k、n为自然数；

所述功率容量为：

所述获得能量波动状态为：

获得所述能量容量为：

其中，ts为取样时间间隔，socup和soclow分别为储能系统荷电状态的上下限，并且满足soclow≤soc≤socup。

其中，还包括：判断所述储能补偿频段对应的储能的所述能量容量是否最小；如果是，则输出所述能量容量和所述功率容量作为优化的储能配置；如果否，则通过梯度搜索更新截止频率fl以重新执行所述“对电场输出波动功率进行储能补偿”。

第二方面，提供一种基于功率谱密度的配置优化的系统，包括：补偿模块，用于对电场输出波动功率进行储能补偿以获得补偿后的电场输出波动功率所对应的电场功率谱密度，以及用于根据所述电场功率谱密度，经电网频率频域响应模型获得电网的功率谱密度；配置模块，用于根据所述电网的功率谱密度获得对应的电网频率波动功率的时间序列，以及用于基于电网频率波动功率的所述时间序列，计算所述储能补偿频段对应的储能的能量容量和功率容量。

第三方面，提供一种计算机存储介质，该存储介质存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行前述第一方面中任一项的基于功率谱密度的配置优化的方法。

第四方面，提供一种控制装置，该控制装置包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由处理器加载并运行以执行前述第一方面中任一项的基于功率谱密度的配置优化的方法。

本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：

本发明的实施方式，提供了改进的储能容量和功率优化配置方案，其主要基于理论推导，充分考虑风电随机特性和电网的动态响应特性，且无需借助于商业动态仿真软件，相比其它方法配置的储能容量或功率更贴近实际需求，不会造成储能过度配置或配置不足；并且，可适应于任何场景下的电网，与可再生能源电场结合，并能够用于快速评估电网频率稳定性约束下的储能需求评估。进一步，其仅需要根据给定随机性能源供电(如风电)时间序列和电网参数便可得到该电网频率稳定性约束下的储能容量和功率需求，无需借助商业动态仿真软件，计算过程收敛速度快，得出结果的过程非常迅速，可以有效评估一定风电渗透率下储能的容量和功率需求等。

附图说明

下面参照附图来描述本发明的具体实施方式，附图中：

图1为根据本发明的基于功率谱密度的配置优化的方法的一个实施例的流程图；

图2为根据本发明的基于功率谱密度的配置优化的系统的一个实施例的结构框图；

图3为根据本发明的方案的风电场输出功率波动(时序)按固定时间长度t划分的序列片段化并进行序列归类分组计算获得功率谱密度的一个实施例的示意图；

图4为根据本发明的方案的时域-频域的电网响应模型的风电波动影响到电网频率波动的一个实施例的示意图；

图5为根据本发明的方案的用于平滑风电波动的滤波器/储能补偿一段频率的一个实施例的示意图；

图6为根据本发明的方案的经储能平滑后风电场输出的功率波动对应的功率谱密度的一个实施例的示意图；

图7为根据本发明的方案的经储能平滑后风电功率所引起的电网频率波动的功率谱密度的一个实施例的示意图；

图8为根据本发明的方案的储能充放电功率的功率谱密度的一个实施例的示意图；

图9为根据本发明的方案的储能能量容量、功率容量以及荷电状态的一个实施例的示意图；

图10为根据本发明的方案的时域-频域转变的一个实施例的示意图；

图11为根据本发明的方案的具体应用的一个实施例的流程图。

具体实施方式

为了便于理解发明,下文将结合说明书附图和实施例对本发明作更全面、细致地描述,但本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。

在本发明的描述中，“模块”、“处理器”可以包括硬件、软件或者两者的组合。一个模块可以包括硬件电路，各种合适的感应器，通信端口，存储器，也可以包括软件部分，比如程序代码，也可以是软件和硬件的组合。处理器可以是中央处理器、微处理器、图像处理器、数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬件方式实现或者二者结合方式实现。非暂时性的计算机可读存储介质包括任何合适的可存储程序代码的介质，比如磁碟、硬盘、光碟、闪存、只读存储器、随机存取存储器等等。术语“a和/或b”表示所有可能的a与b的组合，比如只是a、只是b或者a和b。术语“至少一个a或b”或者“a和b中的至少一个”含义与“a和/或b”类似，可以包括只是a、只是b或者a和b。单数形式的术语“一个”、“这个”也可以包含复数形式。

以下是本发明涉及到的一些术语定义与解释：

储能容量：储能电机组所能释放的电能，本发明以风电机组为例：某台100kw储能机组的储能容量是80kwh，表示此台储能机组能以100kw的功率发电0.8小时。

时间尺度：完成某一种物理过程所花费时间的平均度量。一般来讲，物理过程的演变越慢，其时间尺度越长，物理过程涉及的空间范围越大，其时间尺度也越长。

功率：这里是电功率，例如风电功率。

功率谱密度：信号通常是波的形式，例如电磁波、随机振动或者声波。当波的频谱密度乘以一个适当的系数后将得到每单位频率波携带的功率，这被称为信号的功率谱密度(powerspectraldensity,psd)或者谱功率分布(spectralpowerdistribution,spd)。功率谱密度的单位通常用每赫兹的瓦特数(w/hz)表示，或者使用波长而不是频率，即每纳米的瓦特数(w/nm)来表示。

功率波动率：在一定时间周期内，发电功率变化的百分比。

响应特性：确定条件下，激励与对应响应之间的关系。比如：电网用户需求响应特性(节能、价格等)、电网异常的响应特性(电压异常、频率异常等)。

频域即频率域：任何一个波形都可以分解用多个正弦波之和，每个正弦波都有自己的频率和振幅，所以任意一个波形信号有自己的频率和振幅的集合，频域即为信号的频率结构及频率与该频率信号幅度的关系，如自变量为频率(横轴为频率)，纵轴为该频率信号的幅度，即频谱图。

频域响应即频率特性：描述信号在频率方面特性时用到的一种坐标系。

容量系数：运行时间折算成毛容量下的等效运行时间与给定时间区间的比值。以某月为例，一台毛容量为300mw的发电机组，发电量为12000万千瓦时，运行时间为436小时，月统计时间为720小时，则毛容理下的等效运行小时数为:(12000÷436)/30×436＝400(小时)，毛容量系数为:400/720*100＝55.56。以风电为例，其为风电场运行年有效利用小时数与全年小时数的比值，或风电场实际运行年上网电量与额定年上网电量的比值(表示为百分比)。

储能补偿：如电容、蓄电池等类似的储能器或者说备用的储备能源对电场(如风电场)输出功率波动进行补偿。例如无功功率补偿改变整个电场和电网环境中无功功率的流动，能够提高电压水平/提高电网功率因素、减小网络(包括供电变压器及输送线路)损耗、改善整体电场和电网动态性能及其供电环境。

频率稳定性需求：在一定概率下，电网频率波动的时域累积曲线最大值不超过电网稳定性约束下的波动最大值，其可以评估电力系统频率稳定性。具体比如可以是判断实际时域波动的时间序列对应的功率波动最大值是否超过电网稳定性约束下的频率波动最大值。

现有技术中的风电、光电等随机性强的能源供电(如风电)，储能配置优化的方案以风电为例，通常以风电功率波动率为目标函数而并不考虑对电网有功功率平衡过程的影响，将风电出力认为是确定的而非随机性的，也不考虑电网本身的响应特性，且使用外部商业软件而运算成本高、现场应用困难，无法结合风电输出功率与电网响应特性多个因素综合进行配置优化。

本发明的基于功率谱密度的配置优化方案，主要基于电场(以风电为例)即基于风电场的功率谱密度，建立电网频率频域响应模型；利用所述模型对经储能补偿过的对应风电输出的功率波动的功率谱密度进行“时域-频域”相互转换获得电网频率时域波动(充放电时间序列)，进而计算所述电网频率时域波动的最大值，再通过补偿频段的充放电功率确定相应的储能容量和功率容量。进一步，在频率非稳定状态时可以再通过搜索(如梯度搜索)获得最优的进行储能补偿的电网频率时域波动的频段、继续将补偿掉的对应风电输出的功率波动的功率谱密度还原储能的充放电时间序列。由此所计算得出储能容量需求和功率需求，可以作为最终的优化的储能容量和功率的配置。

根据本发明的方案以风电为例，实现的储能容量和功率的配置优化，首先，可以通过功率谱密度理论对风能等(随机性强的能源)波动时间序列进行处理，将风电波动视为随机过程，避免了以往储能容量和功率优化配置方法不能考虑风电波动随机性的缺陷；并且，让储能补偿一定频段的风电输出功率谱密度，继而通过一种“时域-频域”相互转换的方法，得到风电波动引起的电网频率波动的最大值，充分考虑了电网的动态响应特性；进而，本发明的方案所提出的储能容量和功率优化方法是基于理论推导，其无需借助于动态仿真软件，收敛速度快，相比以往方法，不会造成储能配置不足或过度配置，且适应于任何电网。

下面结合图1所示本发明的基于功率谱密度的配置优化方法的一个实施例的主要流程图，对本发明的实现方式进行描述。

步骤s110,对电场输出功率波动进行储能补偿以获得补偿后的电场功率谱密度，并根据电网频率频域响应模型，获得相应的电网频率波动的功率谱密度。

一个具体实施方式中，计算从电场输入的波动功率(电场的输出功率)的功率谱密度的实现过程：

一个实施方式中，将输出的功率的时间序列按照预设固定时间长度进行划分，得到多个固定时间长度的输出功率时间序列的时间片段，其中，每个片段中的功率时间序列的个数相同。

例如：输入电场大的功率时间序列：x(t)＝(x1(t),x2(t),…,xn(t))。具体以风电场为例，将风电场输出的秒钟时间尺度风电功率时间序列，截断为多个固定时间长度的片段。如秒钟时间尺度的风电功率时间序列，按照固定时间长度为10分钟进行分段，即将风电功率时间序列按每10分钟为一个时间片段划分，这样，由于是秒钟时间尺度则每个片段(10分钟)包含600秒，即有600个时间点。划分方式如图3所示将风电场输出的功率波动的时间序列，实现序列片段化，每个片段为固定时间长度即时间间隔t，划分了t、2t……it，即i个(多个)片段(时间段)。每个片段t中包含相同n个取样点(时间点)即时间tn的风电功率xt[n]＝x(tn)，xt(t)即为整个时间长度(时间段的电场/风电)的波动功率x(t)的截断，同样，包含了时域上的时间序列。

进一步，根据所有时间序列片段中的容量系数的平均值，将时间序列片段进行归类(分类组合)，比如：按照容量系数平均值，将这些时间序列片段分为固定个数的组，每组之间具有固定的组距。例：分成10个组、组距为0.1等。如图3所示，group1、……groupi……group10等,组距依次i为大于等于1的自然数。

进一步，根据风电波动功率x(t)与功率谱密度的关系，即功率谱密度sx(f)表示了风电波动量即输入的风电波动功率或者说频率时域序列x(t)分散在每个频率f上的能量，由此，可以对归入同一组中的多个截断时间序列(如多个xt[n])，计算出该同一组的多个截断时间序列的平均功率谱密度，计算得到平均功率谱密度为每组功率对应的各功率谱密度，如图3所示：group1的功率谱密度sw[k]、group2的sw[k]、……groupi的sw[k]……group10的sw[k]，k表示对应n的频率点。

进一步，傅里叶变换时结合离散化处理，即功率谱密度离散化处理。离散化包括：用排名代替原数据进行处理的一种预处理，类似一种哈希,它在保持原序列大小关系的前提下把其映射成正整数，即关系不变的简化方式。通常排序、stl的函数，可以完成。

另外，对功率谱密度的计算过程做必要的离散算法推导，可以假设风电功率时间序列的取样时间为ts(假设1秒钟)，其取样频率fs为这样第n个取样点为xt[n]＝x(tn)，tn＝(n-1)·ts，其相应的频率f[k]为并且，在δt＝ts的情况下，则对取样的风电波动功率xt[n]傅里叶变换dft(·)后为xt[k]，例如：

xt[k]＝2ts·dft(xt[n])。

由此，利用dft(·)傅里叶算法函数(在matlab中使用fft命令即可)计算，得到傅里叶变换对序列的分析结果的第k个幅度值为a[k]，a[k]＝|xt[k]|，其对应的频率为f[k]，考虑到t＝ts·n，第k个功率谱密度取样点为各组的即为傅里叶变换后的离散结果(离散后的每组对应的功率谱密度或者说经傅里叶变换得到变换后的取样功率谱密度)。

进一步，还可以根据计算的每一组多截断时间序列平均功率谱密度的结果，确定功率谱密度幅值最大的组，也就是该组对应的短时间段的电场的功率波动最大。由此可以选择该电场波动功率的时间序列进行储能补偿，进而计算波动功率对应的功率谱密度(如傅里叶变换)。

一个实施方式中，可以对电场/风电功率通过储能补偿，过滤一部分风电功率波动。具体例如，采用储能补偿滤波器，对功率谱密度进行平滑，其相当于一个带阻滤波器，如图5所示，如果风电功率通过该平滑电场/风电波动的滤波器，在截至频率fl和fu之间(即频率f从l到u)的风电功率波动就可以过滤掉，这样该滤波器平滑风电波动。

具体地，可以通过选择上述傅里叶变换后的功率谱密度幅值最大(仅需关注其输出功率波动最大组)即风电功率波动/电场的输出功率波动最大的一组，例如计算的平均功率谱密度最大的一组(假设为输出功率容量系数平均值0.7～0.8的组)对应的波动功率时间序列，可以通过设置频率段fl和fu的值/更新频率段fl和fu的值，对该波动功率储能补偿/平滑。再计算平滑后波动功率时间序列对应的功率谱密度以便通过频率响应模型得到电网一端的频率波动的功率谱密度。

进一步，对该频率段或者特定的频率段fl和fu之间的电场的输出功率波动进行储能补偿/平滑风电功率波动，具体可以如：通过傅里叶分析的风电波动功率得到的结果xt[k]，进行储能平滑后，得到平滑后结果为在储能平滑后的风电波动功率为具体地：

其中，表示了平滑后的风电功率波动，对应t时间段，k为对应xt[k]的频率点，fk为k点的频率，fl为l点的频率，fu为u点的频率，i为大于等于1的自然数，即频率fk在需要考虑的频率范围外即不属于[fl,fu]，就始终为0，如图5。

由此，采用前述波动功率时间序列与功率谱密度的关系计算得到的风电功率谱波动被储能平滑后的功率谱密度psd_wind。

参考图6所示的储能平滑后的风电场输出功率波动功率谱密度，是一个储能补偿/平滑一段风电功率波动的例子。假定补偿频率为[0.02hz,0.06hz]，即功率波动的频率段fl和fu之间是储能补偿频段，功率谱密度和频率对应关系为图6所示状态。此时电场输出功率波动对应的波动功率谱密度psd_wind是储能平滑过的。由此可以通过响应模型后输出电网频率波动的功率谱密度也是补偿/平滑过的。

一个实施方式中，如图4所示，建立电网频率频域响应模型。风电功率谱密度psd_wind根据频域滤波函数(如图示|g(s)|部分)转换成频率波动功率谱密度psd_grid的频域模型，作为电网频率频域响应模型。

具体地，对前述时域的风电波动功率δpw，假设x(t)＝δpw(t)，进行傅里叶变换后形成的风电功率谱密度psd_wind，经频域滤波函数|g(s)|(电网频率域响应模型)，得到相应的电网的频率波动功率谱密度psd_grid，其中，s为功率谱密度(例如可以是对应前述sw[k]离散排序后的结果)。进而，再进行逆傅里叶变换得到时域下的电网频率波动δf_grid，例如：根据电网频率频域响应模型，获得电网频率波动的功率谱密度，即实现从电场输入的波动功率的功率谱密度sx(f)得到输出的电网的波动频率的功率谱密度sy(f)。由此，获得风电功率波动的电网频域响应，即可以建立时域-频域-时域的相互转换。也就是可以通过从风电功率波动即波动时序，经模型后获得电网频率对应时域的波动序列，在后续实际推导预测过程中使用。

步骤s120，根据电网频率波动的功率频谱密度获得电网频率波动的时域时间序列，以确定储能容量和功率容量。

在一个实施方式中，确定能量容量和功率容量，是对储能系统的储能充放电功率的确定，即优化二者的配置。

其中，电场功率频谱密度经所述模型得到电网频率波动的功率谱密度。具体地，电场功率谱密度是平滑后的即储能补偿后的，其经模型转换得到对应的也是补偿频段的电网频率波动的功率谱密度，例如对应的[fl,fu]的部分，即风电功率补偿的频段，由前述归类分组得到的平均功率谱密度最大的一组相应的傅里叶转换结合离散分析过的风电波动功率的时间序列。

其中，补偿后再将风电波动功率的功率谱密度通过模型得到对应的电网频率波动的功率谱密度。进而，通过逆傅里叶变换获得电网频率波动的时域时间序列，如图7所示，再计算获得其波动最大值或者说获得一定风险指标下的最大值。同时，每个储能优化的频段对应于一种储能配置。具体地，在频率稳定的情况下计算储能系统放电功率，然后确定储能容量和功率容量。

一个实施方式中，还包括，计算时，若储能容量最小则确定储能系统最终能量容量和功率容量，否则可以通过梯度搜索更新回到设置截止频率fl继续补偿风电功率谱密度后通过时-频转化计算电网频率时域波动序列。

一个实施方式中，还包括，计算时，如果电网频率时域波动序列满足频率稳定性：具体地，逆傅里叶变换得到的电网频率时域波动的时间序列中，可以提取波动频率的时间序列中的最大值，判断是否满足电网稳定性要求，具体可以是判断该最大值是否超过电网稳定性约束下的频率波动最大值。又甚至可以是例如是否电网频率时域上时序序列的电网频率累积超过正常频率某个阈值的预设概率，等等。要求则计算储能能量和功率容量，否则通过梯度搜索更新fu，重新补偿风电功率频谱密度，计算电网频率时域波动序列。

由此，通过前述过程，能确定风电功率补偿频段，从而再确定储能系统最佳功率和能量容量。

下面将给一个例子更具体地说明储能充放电确定的具体过程，优选地主要说明风电功率补偿和确定对应的储能/能量容量和功率容量。

(1)风电功率补偿频段，如前述例子[0.02hz,0.06hz]，储计能充放电功率的功率谱密度便得到确定，通过“时-频转化”方式计算出储能充放电功率的时间序列。如图4和10所示，时域-频域-时域转化计算方式。

时域阶段，x(t)＝(x1(t),x2(t),…,xn(t))为电场的功率时间序列(即风电波动功率的时间序列)，通过前述步骤s110频率补偿后的电场输入波动的功率谱密度、再经所述模型(频域模型)运算(频域阶段)，即从电场的功率谱密度计算得到电网的功率谱密度(主要是指该对应的补偿频段中的功率谱密度)，然后经逆傅里叶变换，得到时域阶段电网频率的时间序列。

其中，频域阶段的计算的例子：

傅里叶dft变换算法公式得到对应的第i段t时间点风电波动功率的频率频谱结果：

根据xi(f)获得风电功率时间序列傅里叶变换幅度的平均值即功率谱密度(如每组中的功率谱密度)：

基于风电功率时域波动序列推导电网频率时域波动序列，例如：根据sx(f)为其输入x(t)的功率谱密度，则其输出y(t)的功率谱密度可表示为：

sy(f)＝|g(f)|²sx(f)

再根据sy(f)获得电网的频率频谱yi(f)，这里自然数i＝1,2,…,m：

再次到时域阶段的计算：

对输出的电网的频率频谱yi(f)先通过逆傅里叶变换idft得到电网频率的时间序列：

y(t)＝(y1(t),y2(t),…,yn(t))

其中，上述计算是本发明中通用的计算公式示例，x(t)表示整个一个时间段的风电波动功率，t为大于等于0的自然数，n为大于等于1的自然数，f为自然数且f＝0,1,2…n-1；

其中，x1(t)、x2(t)、xi(t)、xn(t)分别表示：时间段中第1、2、i、n个片段的t时间点的风电波动功率(如前述按t时间间隔来分时间段的第1、2、i个时间段、第n个时间段中的t时间点的风电波动功率)，i、n均为大于等于1的自然数；

其中，xi(f)为风电波动功率xi(t)通过傅里叶dft算法得到的变换结果，e^-j(2π/n)tf表示对xi(t)进行dft傅里叶变换所使用的一部分运算式；中*表示复数的共轭，并且，其他公式中这个位置的*也都表示复数的共轭；

其中，sx(f)即功率谱密度(如sw[k])，表示一个时间段tseg风电波动量即输入的风电波动功率或者说频率时域序列x(t)分散在每个频率f的能量，δf为频率步长，tseg在电网中可以由调度方式响应/决定，例如10分钟等；

其中，sy(f)表示输出/推导的电网波动功率y(t)(即电网频率时域序列)的功率谱密度，g(f)为电网频率传递函数；

其中，ρi(f)表示随机数。

e^j(2π/m)tf表示对yi(t)进行idft逆傅里叶变换所使用的一部分运算式；

其中，y(t)表示对应输入风电功率波动x(t)的输出即电网波动功率，其电网频率时间序列yi(t)对应风电波动功率时间序列xi(t)，有y1(t)、y2(t)、yi(t)、…、yn(t)等。

由此计算出的储能充放电功率的时间序列如图9的(a)所示。

(2)获得储能充放电时间序列后，还可以考虑到实际上储能充放电过程存在能量损失，优选地，可以对储能充放电时间序列进行校正：

其中，ηess,d和ηess,c分别为储能放电功效率和储能充电效率，为其校正后的实际充放电功率，*是表示为储能理论充放电功率ep,t[k]的复数的共轭。

确定储能能量和功率容量以及其荷电状态示意图，如图9所示。

储能的功率容量的确定，例如选择实际充放电功率中的最大值：

储能的功率容量(pess)能通过实际充放电功率的最大值确定。

储能的能量容量/储能容量的确定则通过如下步骤确定：

(a)通过对储能不同时刻的充放电功率累积求和，得到储能理想的能量波动状态：

其中，k为自然数，ee,t[k]为储能的能量状态，如图9所示(b)，ts为取样时间间隔。

(b)考虑到储能的充放电能量深度的限制，对储能的能量状态时间序列进行修正，得到其能量容量eess

其中，socup和soclow分别是储能大的荷电状态的上下限，一个例子，可以分别对应取1.0和0.3。

每一个时刻储能的荷电状态需要满足如下约束：

soclow≤soc≤socup

在实际中soc∈[0,1]，修正后储能整体系统实际的荷电状态时间序列为图9中(c)所示。

通过上面的分析可知，每一种电场(风电)电功率波动补偿频段对应于一个电网频率波动最大值，同时也唯一确定了储能的功率和能量容量。

其中，将一段频率补偿后的电场/风电输入功率的功率谱密度由该模型计算出电网频率的功率谱密度，该功率谱密度转换过程是通过一种“时域-频域”相互转换的方式进行的，再由该电网频率的功率谱密度计算获得电网频率的时域波动序列即输出，由此确定了电网频率波动的最大值。

其中，通过梯度搜索找出最优的储能补偿频段，通过补偿掉的风电功率谱密度还原储能的充放电时间序列，最后计算得出储能的功率需求和容量需求，从而获得优化的储能容量和功率的配置。该优化，使得每一种风电功率波动补偿频段对应于一个电网频率波动最大值，同时也唯一确定了储能的功率和能量容量。

下面结合图11所示的流程，为本发明的一个具体应用场景的基于功率谱度的配置优化的例子，说明如何补偿和计算的过程。

在s1，首先，输入电场(风电)功率谱密度和电网数据，初始的fl＝0，fu＝0。

一个实施例中，该风电功率谱密度，是输入的电场/风电波动功率如步骤s110中x(t)＝(x1(t),x2(t),…,xn(t))为电场的功率时间序列，在利用划分片段、归类分组后、傅里叶变换结合离散推导等处理后，计算获得的该风电功率谱密度。例如：将风电场秒钟时间尺度的风功率时间序列截断成每个时间长度为10分钟的多个片段(每个片段包含600个点)。再根据这些时间片段的容量系数平均值将其分为10组，组距为0.1。然后对落在同一组的多个截断时间序列求其平均功率谱密度。

一个实施例中，电网数据包括但不限于各种与电网频率响应有关的参考数据(电网大数据信息等)：例如各种时间、误差、偏差、参与因子等，再次不赘述。

在s2，然后，设置储能补偿的截止频率fl(起始频率位置fl)；

在s3，并确定储能补偿的截止频率fu(更新截止频率fu)；

在s4，得到频率补偿后电场的波动功率的功率谱密度。

具体地，储能补偿掉一定频段的风电输出功率波动，得到频率补偿后的风电功率谱密度。例如：由前述s1中的多个组的平均功率谱密度，可以确定功率谱密度幅值最大即风电功率波动/电场的输出功率波动最大的一组，找到对应的该电场输出波动功率的时间序列，通过设置的截止频率fl到fu所确定的储能补偿频段/平滑区间，对傅里叶变换分析所述波动功率的时间序列得到的取样功率进行储能补偿。例如：

通过傅里叶变换结合离散取样等处理获得对应功率谱密度最大的归类组的电场的波动功率的时间序列，进而根据功率和功率谱密度的关系获得对应的各归类组的功率谱密度：

xt[k]＝2ts·dft(xt[n])，

对于傅里叶分析的结果xt[k]，先进行储能补偿/平滑，其结果为

得到频率补偿后风电根据该平滑后的k点的频率fk在补偿频段区间内，或者说该[fl,fu]即为该xt[k]。根据波动功率与功率谱密度的关系计算相应的平滑后的功率谱密度。假定补偿频率为[0.02hz，0.06hz]，结果如图6所示的储能平滑后的风电场输出功率波动功率谱密度的例子。

在s5，进一步，再通过“时-频”转化计算即频域模型(电网频率响应模型)，获得电网的功率谱密度，再经逆傅里叶变换获得电网频率时域的波动序列。

一个实施例中，可以是构建对应电场输入的波动功率的电网频率频域响应模型|g(s)|。其中，在时域部分获得的输入的电场的功率x(t)(即电场频率波动的时间序列)对应傅里叶变化后的频率频谱xi(f)，其即为上述平滑后(补偿后的)频率段的波动功率频谱，然后计算得到相应的功率谱密度sx(f)，其也是补偿后的功率谱密度；再经过|g(s)|得到对应的电网功率波动的功率谱密度，如图7所示经储能平滑后的风电功率所引起的电网频率波动的功率谱密度sy(f)；根据功率谱密度与频率频谱(功率波动)的关系计算对应的电网的频率频谱yi(f)，进而通过逆傅里叶变换idft得到电网频率的时间序列，即可以求得电网频率波动的时域时间序列y(t)。

由此可以确定储能充放电功率：得到电网频率波动的时域时间序列，通过计算可以得到其波动的最大值(或一定风险指标下的最大值)。同时，每一个储能优化频段对应于一种储能配置。

其中，风电功率补偿频段(如[0.02hz，0.06hz])确定后，储能充放电功率的功率谱密度便得到确定，如图8所示储能充放电功率的功率谱密度。“时-频转化”计算出储能充放电功率的时间序列(即对应补偿频段下的电网频率波动的时域时间序列)，如图9所示储能能量和功率容量以及其荷电状态示意图中(a)部分。

在s6，判断频率的稳定性是否满足要求，即是否稳定，如果是即稳定则可以进入s7，计算储能能量/储能容量和功率容量的过程；如果不稳定即否则通过梯度搜索更新fu即进入s3，再次进行频率补偿后获得新的风电功率谱密度，继续时-频转化获得电网频率时域波动序列，直到获得稳定的频率。

在s7，计算储能容量和功率容量。

具体地，获得储能充放电功率的时间序列后，考虑到在实际中储能充放电过程中存在着能量损失，因此，对储能充放电时间序列进行校正。

其中，ηess,d和ηess,c分别为储能系统放电和充电效率，为其校正后的实际充放电功率，为理论充放电功率。

然后，确定功率容量：储能系统的功率容量pess便通过的最大值确定：

并且，确定能量容量/储能容量：通过对储能不同时刻的充放电功率累积求和，得到储能系统理想的能量波动状态，其中，ee,t[k]为储能系统能量状态，如图9所示(b)部分，ts为取样时间间隔；考虑到储能系统充放电能量深度的限制，对储能系统能量状态时间序列进行修正，并得到其能量容量eess，socup和soclow分别为储能系统荷电状态的上下限，例如分别为1.0和0.3，其中，每一个时刻储能系统的荷电状态需满足如下约束soclow≤soc≤socup，实际中soc∈[0,1]，修正后储能系统实际的荷电状态时间序列为如图9(c)部分序列。

在s8，如果计算了储能容量和功率容量，先判断储能容量是否最小，如果否则通过梯度搜索更新fl即回到s2设置的截止频率fl，同样再次进行频率补偿后获得新的风电功率谱密度，继续时-频转换获得电网频率时域波动序列，直到稳定频率并计算储能容量和功率容量；如果计算的储能容量是最小则在s9，确定计算的储能能量和功率容量为最终的能量和功率容量。从而完成配置，即优化后的配置。由此，通过确定风电功率补偿频段，从而确定储能系统最佳功率和能量容量。

需要指出的是，尽管上述实施例中将各个步骤按照特定的先后顺序进行了描述，但是本领域技术人员可以理解，为了实现本发明的效果，不同的步骤之间并非必须按照这样的顺序执行，其可以同时(并行)执行或以其他顺序执行，这些变化都在本发明的保护范围之内。

下面再结合图2所示本发明的基于功率谱密度的配置优化系统的一个实施例的结构框图，其完全对应前述基于功率谱密度的配置优化方法，对本发明的实现进行说明。该系统至少包括：

补偿模块510，补偿模块，用于对电场输出波动功率进行储能补偿以获得补偿后的电场输出波动功率所对应的电场功率谱密度，以及用于根据所述电场功率谱密度，经电网频率频域响应模型获得电网的功率谱密度。具体参见前述方法中步骤s110实现的处理功能以及上述图11描述的相应步骤实现过程。

配置模块520，用于根据所述电网的功率谱密度获得对应的电网频率波动功率的时间序列，以及用于基于电网频率波动功率的所述时间序列，计算所述储能补偿频段对应的储能的能量容量和功率容量。具体参见前述方法中步骤s120实现的处理功能以及上述图11描述的相应步骤实现过程。

本发明的技术方案，在给定风电时间序列和电网参数便可得到该电网频率稳定性约束下的储能容量和功率需求，无需借助商业动态仿真软件，计算过程收敛速度快，得出结果的过程非常迅速，可以用来评估一定风/光等存在随机性的能源供电(如风电/光电)渗透率下储能的容量和功率需求。

本领域技术人员能够理解的是，本发明实现上述一实施例的方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

本领域技术人员能够理解的是，本发明还提供一种控制装置的一个实施例中，该控制装置包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由处理器加载并运行以执行前述的方法。

进一步，应该理解的是，由于各个模块的设定仅仅是为了说明本发明的系统的功能单元，这些模块对应的物理器件可以是处理器本身，或者处理器中软件的一部分，硬件的一部分，或者软件和硬件结合的一部分。因此，图中的各个模块的数量仅仅是示意性的。

本领域技术人员能够理解的是，可以对系统中的各个模块进行适应性地拆分或合并。对具体模块的这种拆分或合并并不会导致技术方案偏离本发明的原理，因此，拆分或合并之后的技术方案都将落入本发明的保护范围内。