微电网中混合储能系统的小波包-模糊控制策略

盛四清，李明跃

(华北电力大学电气与电子工程学院, 河北省保定市 071003)

微电网中混合储能系统的小波包-模糊控制策略

盛四清，李明跃

(华北电力大学电气与电子工程学院, 河北省保定市 071003)

为了充分发挥混合储能系统(hybrid energy storage system, HESS)在微电网中的应用优势，提高微电网运行的经济性和可靠性，提出了HESS的小波包-模糊控制策略。在平抑可再生能源输出功率波动的基础上，分别考虑并网时功率交换的实时电价和孤岛运行时的缺电量，建立起并网经济性评价指标和孤岛负荷缺电指标。对间歇性微电源进行小波包分解以获得HESS的初始充放电指令，由超级电容器承担网内瞬时功率波动的平抑任务，以网内不平衡功率对蓄电池充放电指令进行修正，再通过模糊控制获得蓄电池充放电的最终指令。最后，以风光燃储微电网为例验证了所提控制策略的有效性。

微电网; 混合储能系统(HESS); 实时电价; 负荷缺电率；小波包分解；模糊控制

0 引 言

微电网是一个能够实现自我控制和管理的自治系统[1]，能对分布式电源实现协调管理，进而提高可再生能源的利用率。储能技术能够降低可再生能源的功率波动，实现需求侧管理[2]，增加电网对可再生能源吸收接纳程度[3]，在分布式发电与微电网中起着关键作用。混合储能系统(hybrid energy storage system, HESS)，结合了不同储能介质的特点，最大程度地解决了单独使用功率型或能量型储能系统时受能量密度和运行寿命等因素制约的问题[4]，具有更好的经济性和系统特性，有望成为提高系统稳定性和平滑可再生能源输出功率波动的有效储能形态。

为了充分发挥HESS的优势，需要设计合理、有效的控制策略。文献[5-6]基于小波分解理论和模糊控制方法，有效平抑了可再生能源输出功率的波动。文献[7]运用滑动平均滤波算法和模糊理论优化分配充放电功率，较好地平抑风电功率波动的同时实现不同储能介质的优势互补。文献[8]以风光波动率和储能系统的荷电状态(state of charge，SOC)作为约束条件，实现变权重自适应的滤波控制，有效平抑了风光联合输出功率的波动。文献[9]提出的自适应功率控制策略在不同储能介质之间合理分配功率，提高了光储微网孤岛运行的稳定性和可靠性。文献[10]根据微电网并网和孤岛运行的不同特点，分别制定了HESS的相应控制策略，获得了较好的运行效果。

本文基于超级电容器-蓄电池组成的HESS，根据微电网在并网模式和孤岛模式下的不同运行特点，在平抑可再生能源功率波动的基础上，分别考虑并网运行时微电网与主网进行功率交换的实时电价和孤岛运行时的负荷缺电量，建立起并网经济性评价指标和孤岛负荷缺电率。提出用小波包理论对可再生能源功率进行分解以获得HESS的初始充放电指令，由超级电容器承担网内瞬时功率波动的平抑任务。针对微电网不同运行特点，以网内不平衡功率对蓄电池充、放电指令进行修正，再通过自适应模糊控制获得蓄电池充放电的最终指令，实现微电网的经济稳定运行。

1 HESS数学模型

本文研究的微电网系统由微型燃气轮机、风力发电机组、光伏发电系统和由超级电容器-蓄电池构成的HESS组成，其中微型燃气轮机作为可控电源优先满足微电网中重要负荷的供电需求。系统通过切换静态开关实现并网和孤岛运行，其结构如图1所示。

图1 微电网系统结构Fig.1 Microgrid system structure

在微电网运行过程中，需要实时控制HESS的充放电，这就要求系统在相应运行约束条件下建立HESS数学模型，以获得剩余能量与充放电功率的实时变化关系，从而实时调整t时刻HESS的充放电功率，其数学表达式如下。

充电过程：

E(t)=(1-σES)E(t-Δt)+PES(t)ΔtηES_C

(1)

放电过程：

(2)

式中：E(t)为t时刻结束时储能介质的剩余电量，MW·h；σES为储能介质的自放电率，%/min；PES(t)为t时刻储能介质的充放电功率，MW；Δt为采样间隔，min；ηES_C和ηES_D分别为储能介质的充电和放电效率，%。

储能介质在t时刻的SOC值ES(t)是剩余电量E(t)占其额定容量En的百分比，关系式为

ES(t)=E(t)/En

(3)

为了防止储能介质的剩余电量发生越限而损害其使用寿命，并且保留一定的容量以应对下一时刻的充放电过程，HESS的SOC在使用期间中需要控制在相应范围内，即

(4)

式中ES_max和ES_min分别是储能介质SOC的上、下限，其值由储能介质的特性决定。

2 不同运行模式下的HESS评价指标

微电网的稳定运行，首先要减少网内间歇性微电源并网给电网带来的冲击，这就必须保证可再生能源输出功率满足一定的指标。本文中这个指标是任意30 min内的波动不超过额定功率的10%，任意1 min内的波动不超过额定功率的2%。在微电网中，储能设备除了需要对间歇性微电源进行输出平抑，还要维持网内负荷的供电需求。因此，本文分别在微电网并网和孤岛运行情况下建立相应评价指标。

2.1 并网运行下的评价指标

实时电价反映了电力系统生产过程中某一“瞬时”所需的费用[11]，体现了电力市场的供求关系，能够让用户根据自身需求和经济利益合理有效用电，实现电网的削峰填谷，降低发电企业成本[12-14]。微电网并网运行时，当网内供电功率不足或富余时，由于HESS容量有限，需要主网承担相应的功率波动或者微电网进行切负荷和卸负荷。为了合理利用HESS，减少主网负担和微电网切负荷，提高系统的经济性与稳定性，建立基于实时电价的并网经济性评价指标。

当HESS只参与可再生能源输出功率波动平抑时，网内t时刻不平衡功率值ΔPL(t)为发电总功率Pg(t)与负荷需求功率PL(t)之差。计算ΔPL(t)与当前时刻对应的实时电价的乘积，记为D(t)，并且从历史数据中获得D(t)的极值Dmin和Dmax，再以此极值作为基准，求得t时刻并网经济性指标为

(5)

其中Zb(t)的取值范围为-1～1，当Zb(t)值接近-1时，微电网从主网获取功率的经济性差，此时应尽量通过储能设备释放功率来弥补不平衡功率；相应的，当Zb(t)值接近1时，微电网向主网出售剩余功率能获得更好的经济性，此时应尽量减少或避免储能设备充电。

HESS的应用增加了可再生能源接入电网的功率，优化了微电网的并网经济性，因此在上述指标下，HESS的运行经济效益为：

F=FG-FH-FT

(6)

(7)

(8)

式中：FG为经过HESS平滑输出后，增加的风电和光伏效益；FH为HESS的运行维护成本；FT为微电网并网运行时从主网购电的成本；Xt(t)为t时刻的电价；ΔPw(t) 和ΔPpv(t)为增加的接入微电网的风电和光伏功率，kW；Kb、Ksc分别为蓄电池和超级电容器的运行维护系数，取值为0.12和0.03；Pb(t)、Psc(t)分别为蓄电池和超级电容器在t时刻的功率，kW。

2.2 孤岛运行下的评价指标

当微电网孤岛运行时，不能通过主网获取功率，需要综合考虑电源和负荷之间的供求关系，在保证重要负荷供电的前提下实现供需平衡，此时保障负荷供电可靠性成为微电网运行的首要目标。因此，本文选择负荷缺电率(loss of power supply probability，LPSP)[15]作为衡量微电网孤岛运行可靠性的指标，其数值为负荷缺电量PE与负荷需求功率PL的比值，即

(9)

LPSP的值在0到1之间，数值越小，表示电网供电的可靠性越高。当t时刻系统发电量大于负荷功率需求时，PE(t)=0；反之，则PE(t)的值为负荷需求功率PL(t)与发电总功率Pg(t)之差。

3 HESS充放电控制策略

微电网运行时，为了减少风电、光伏系统等间歇性微电源对电能质量的影响，需要对相应的输出功率进行平滑。此外，由于用电负荷存在峰谷差以及可再生能源输出功率的不可预测性，需要储能设备对电源输出功率进行调节，在并网时减少主网承担的功率，在孤岛运行时降低负荷缺电量，提高微电网的可调度性。因此，本文提出了HESS的充放电控制策略，如图2所示。图中：Pw和Ppv为风电和光伏功率；Psc、Pb1和Plow为小波包分解后的高、中、低频分量，其中Psc可视为网内瞬时功率波动，作为超级电容器的充放电指令；ΔPL为不平衡功率，由Plow和微燃机功率Pm与负荷需求功率PL之差求得；X1、X2为模糊控制的输入量；ΔPb为模糊控制获得的功率修正量；Pb3为蓄电池充放电的最终指令。

图2 HESS充放电控制策略Fig.2 HESS charging and discharging control strategy

3.1 小波包分解的应用

上述控制策略采用小波包理论对可再生能源输出功率进行分解，从而获得需要平抑的频率分量，实现功率的平滑。相对于小波变换，小波包分解不仅对信号的低频部分做进一步分解，还对高频部分提供更精细的分解，能够对信号特征进行更加深入的了解，从而提高了时频分辨率[16],其分解示意图如图3所示。图中：S表示原始功率，A表示高频分量，D表示低频分量。小波包分解的结果是将原始信号映射到2n(n为分解的层数)个小波包子空间中，并重构n层2n个频段的功率分量[17]。分解层数n越大，其获得的信号特征细节越精细，频段数量越多，同时计算量越大。分解层数的选取和频段的划分对输出功率的平滑效果和不同储能介质的容量配置发挥着重要作用。

图3 小波包3层分解示意Fig.3 3-layer decomposition of wavelet packet

3.2 并网/孤岛下的自适应模糊控制

(1)当ΔSb(t)满足合理范围且Zb(t)适中，蓄电池正常充放电；

(2)当ΔSb(t)满足合理范围且Zb(t)偏小、ΔSb(t)越限或者Zb(t)偏大需要减少蓄电池充电时，基于模糊控制输出修正系数K计算ΔPb=(1-K)·Pb2，进而对充放电指令Pb2进行修正。

当微电网孤岛运行时，为了充分利用网内能源，降低负荷缺电率，需要HESS尽可能吸收富余功率，弥补负荷需求高峰时的缺电量。本文选取ΔSb(t)和t时刻待充放电功率所需荷电状态变化量ΔS(t)作为模糊控制输入变量，相应的控制规则如下：

模糊控制输入与输出隶属函数和控制规则表分别如图4和表1所示。

图4 模糊控制输入与输出隶属函数Fig.4 Input and output membership functions of fuzzy control表1 模糊控制规则表Table 1 Rule of fuzzy control

4 算例分析

为了验证HESS控制策略的有效性，本文选取的微电网配置微型燃气轮机额定容量为100 kW，风电机组额定容量为100 kW，光伏系统额定容量为60 kW。HESS配置的蓄电池额定容量为80 kW·h,额定功率为40 kW，SOC范围为[0.2, 0.8]，购置成本为30.24 万元；超级电容器额定容量为20 kW·h,额定功率为20 kW，SOC范围为[0.25, 0.95],购置成本为63 万元，两者初始SOC均为0.5。微电网的运行周期为24 h，采样间隔为1 min，图5为微电网24 h内各微源的发电功率和负荷功率，24 h内并网交换的实时电价如表2所示。

图5 微电网某一天的发电功率和负荷Fig.5 Power and load in one day of microgrid

针对风光联合输出功率，本文采用Dmeyer小波基进行小波包分解，分解层数为8层，从而获得低、中和高频分量所占频段分别为20～22、22～24和24～28，如图6所示。

其中，中频分量即为蓄电池初始充放电指令Pb1，高频分量作为网内瞬时功率波动是超级电容器的充放电指令。低频分量作为平抑后的风光输出功率接入电网，其1 min内的最大波动率为0.22%，30 min内的最大波动率为6.24%，符合并网指标。

表2 实时电价

Table 2 Real-time electricity price

图6 小波包分解后各分量Fig.6 Each component of wavelet packet after decompositon

曲线如图8所示，超级电容器的SOC曲线，蓄电池并网和孤岛下的SOC曲线，均维持在规定范围。

图7 蓄电池修正前后的充放电指令Fig.7 Battery’s charging and discharging instructions before and after correction

图8 储能设备SOC曲线Fig.8 SOC curve of energy storage equipment

图9为蓄电池参与不平衡功率调度前后的不平衡功率变化。相比起蓄电池只参与可再生能源功率波动平抑，接入储能后的网内不平衡功率波动有明显下降。

图9 修正前后的不平衡功率Fig.9 Unbalanced power before and after correction

当微电网并网运行时，HESS只对可再生能源输出功率进行平滑下，负荷功率总缺额为5 256.194 kW，需要向主网购电的成本为48.945 元；HESS参与不平衡功率调度后，功率总缺额为1 657.157 kW，从主网购电的成本为16.568 元。与微电网没有应用HESS的情况相比，系统增加的经济效益为234.088 元，在蓄电池SOC范围内实现了较好的削峰填谷，降低了微电网对主网的负担，提高了运行的经济性。当微电网孤岛运行时，接入储能后功率缺额为967.007 kW，LPSP为0.005 6，有效降低了微电网内不平衡功率波动，提高了供电的可靠性。

5 结 论

本文在HESS平抑可再生能源功率波动的基础上，建立起并网经济性评价指标和孤岛负荷缺电率，提出了小波包-模糊控制策略，利用超级电容器循环寿命大的特点平抑瞬时功率波动，根据蓄电池的高能量密度参与不平衡功率调度，实现削峰填谷。算例分析表明，该方法能够在储能设备的SOC范围内较好地平抑可再生能源功率波动，减少网内不平衡功率，提高微电网运行的经济性和可靠性。但是由于文中微电网的运行数据是在理想天气情况下获得的，储能容量按照经验配置，因此，下一步还需要在实际应用环境下，对该方法做进一步的检验和完善。

[1]LASSETER R H，PIAGI P.Microgrid：A conceptual solution[C]// 2004 IEEE 35thAnnual Power Electronics Specialists Conference.Aachen：IEEE Press Piscataway，2004：4285-4290.

[2]唐文左，梁文举，崔荣，等.配电网中分布式储能系统的优化配置方法[J].电力建设，2015，36(4)：38-45. TANG Wenzuo，LIANG Wenju，CUI Rong，et al.Optimal allocation method of distributed energy storage system in distribution network[J].Electric Power Construction，2015，36(4)：38-45.

[3]陈国恩，宗鹏鹏，朱伟，等.计及可再生能源与负荷互补特性的储能随机调度[J].电力建设，2015，36(6)：27-33. CHEN Guoen，ZONG Pengpeng，ZHU Wei，et al.Stochastic dispatching of energy storage devices considering complementarity between renewable energy and load[J].Electric Power Construction，2015，36(14)：38-45.

[4]严干贵，朱星旭，李军徽，等.内蕴运行寿命测算的混合储能系统控制策略设计[J].电力系统自动化，2013，37 (1)：110-114. YAN Gangui，ZHU Xingxu，LI Junhui，et al.Control strategy design for hybrid energy storage system with intrinsic operation life measurement and calculation[J].Automation of Electric Power Systems，2013，37 (1)：110-114.

[5]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. WU Zhenwei，JIANG Xiaoping，MA Huimeng，et al.Wavelet packet-fuzzy control of hybrid energy storage systems for PV power smoothing [J].Proceedings of the CSEE，2014，34(3)： 317-324.

[6]吕超贤，李欣然，户龙辉，等.基于小波分频与双层模糊控制的多类型储能系统平滑策略[J].电力系统自动化，2015，39(2)：21-29. LYU Chaoxian，LI Xinran，HU Longhui，et al.A smoothing strategy for hybrid energy storage system based on wavelet frequency allocation and two-level fuzzy control [J].Automation of Electric Power Systems，2015，39(2)：21-29.

[7]刘世林，文劲宇，孙海顺.适用于风电功率调控的复合储能系统及其控制策略[J].中国电机工程学报，2015，35(1)：95-102. LIU Shilin，WEN Jinyu，SUN Haishun.Hybrid energy storage system and its control strategies intended for wind power conditioning [J].Proceedings of CSEE，2015，35(1)：95-102.

[8]李德鑫，董添，常学飞，等.基于变权值自适应滤波的风光储协调优化控制[J].电力建设，2015，36(4)：32-37. LI Dexin，DONG Tian，CHANG Xuefei，et al.Optimal control of PV-wind-storage hybrid power system based on variable weight adaptive filtering[J].Electric Power Construction，2015，36(4)：32-37.

[9]李斌，宝海龙，郭力.光储微电网孤岛系统的储能控制策略[J].电力自动化设备，2014，34(3)：8-15. LI Bin，BAO Hailong，GUO Li.Strategy of energy storage control for islanded microgrid with photovoltaic and energy storage systems[J]. Electric Power Automation Equipment，2014，34(3)：8-15.

[10]吴雨，潘文霞，冯蒙霜，等.基于混合储能的微电网功率控制策略[J].电力系统及其自动化学报，2013，25(2)：109-114. WU Yu，PAN Wenxia，FENG Mengshuang，et al.Power control strategy for microgrid based on hybrid energy storage system[J].Proceedings of the CSU-EPSA，2013，25(2)：109-114.

[11]窦鹏冲，李鹏.计及微网实时电价的并网运行控制策略[J].电网与清洁能源，2014，30(8)：8-12. DOU Pengchong，LI Peng.Grid-connected operation control strategy with microgrid real-time price considered[J].Power System and Clean Energy，2014，30(8)：8-12.

[12]MATT D，LINDSAY A C，BEN M，et al.Development of a hybrid model for electrical power spot prices[J].IEEE Transactions on Power System，2002，17(2)：257-264.

[13]AMIR H，MOHSENIAN R，ALBERTO L G.Optimal residential load control with price prediction in real-time electricity pricing environments[J].IEEE Transactions on Smart Grid，2010，1(2)：120-132.

[14]QIAN L P，ZHANG Y J，HUANG J W，et al.Demand response management via real-time electricity price control in smart grids[J].IEEE Journal on Selected Areas in Communications，2013，31(7)：1208-1279.

[15]朱向芬.基于粒子群算法的混合储能系统容量优化配置[D].银川：宁夏大学，2014. ZHU Xiangfen.Capacity optimization of hybrid energy storage on PSO algorithnm [D].Yinchuan：Ningxia University，2014.

[16]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. HAN Xiaojuan，CHEN Yueyan，ZHANG Hao，et al.Application of hybrid energy storage technology based on wavelet packet decomposition in smoothing the fluctuations of wind power[J].Proceedings of the CSEE， 2013，33(19)：8-13.

[17]熊雄，王江波，杨仁刚，等.微电网中混合储能模糊自适应控制策略[J].电网技术，2015，39(3)：677-681. XIONG Xiong，WANG Jiangbo，YANG Rengang，et al.A fuzzy adaptive control strategy for composite energy storage system to cope with output power fluctuation of intermittent energy source in microgrid[J].Power System Technology，2015，39(3)：677-681.

(编辑 蒋毅恒)

Wavelet Packet-Fuzzy Control Strategy for Hybrid Energy Storage System in Microgrid

SHENG Siqing, LI Mingyue

(School of Electrical and Electronic Engineering, North China Electric Power University,Baoding 071003, Hebei Province, China)

To make full use of the advantages of hybrid energy storage system (HESS), and improve the economic and reliability of microgrid operation, this paper proposes the HESS wavelet packet-fuzzy control strategy. Considering the real-time price of exchange power under grid connected operation and the lack of electricity under island operation, the grid economic evaluation index for grid connected operation and the loss of power supply probability for island operation are established based on smoothing the output power fluctuations of renewable energy. We obtain the initial charging and discharging instructions of HESS through the wavelet packet decomposition of intermittent micro power supply, use super capacitors to stabilize instantaneous power fluctuations, apply the unbalanced power to modify the instructions of storage battery charging and discharging, and then obtain the final instructions of storage battery charging and discharging through fuzzy control. Finally, the efficiency of the proposed control strategy is demonstrated by a ’Wind-PV-Coal-Energy Storage microgrid.

microgrid; hybrid energy storage system (HESS); real-time price; loss of power supply probability; wavelet packet decomposition; fuzzy control

TM 76

A

1000-7229(2016)02-0132-06

10.3969/j.issn.1000-7229.2016.02.019

2015-09-21

盛四清(1965)，男，博士，教授，主要研究方向为电力系统运行、分析与控制；

李明跃(1990)，男，硕士研究生，主要研究方向为新能源发电控制技术、储能技术。