基于EMD的复合储能不同控制策略对比分析

孙玉树，唐西胜，田春筝，苗福丰，孙晓哲

(1．中国科学院电工研究所，北京市100190;2．国网河南省电力公司经济技术研究院，郑州市450052;3．中石化胜利石油工程有限公司塔里木分公司，新疆维吾尔自治区库尔勒市841000)

基于EMD的复合储能不同控制策略对比分析

孙玉树1，唐西胜1，田春筝2，苗福丰2，孙晓哲3

(1．中国科学院电工研究所，北京市100190;2．国网河南省电力公司经济技术研究院，郑州市450052;3．中石化胜利石油工程有限公司塔里木分公司，新疆维吾尔自治区库尔勒市841000)

风电的规模化发展对电力系统造成了很大影响，因此利用复合储能系统进行并网风电的波动平抑具有重要意义。首先，利用经验模态分解(empirical mode decomposition，EMD)将风电分解为不同的固有模态函数(intrinsic mode function，IMF)分量，通过不同的策略对比，挖掘风电并网的选取原则，在兼顾储能经济性的条件下使其得到有效平滑。然后，以储能爬坡功率为约束，对比选取不同的控制策略，实现蓄电池和超级电容器之间的功率分配。最后，通过算例分析验证了控制策略的有效性，为风电功率波动的平抑提供参考。

风电波动平抑;复合储能;经验模态分解(EMD);波动率;爬坡功率

0 引言

近年来，随着全球能源和环境问题的日益突出，世界各国越来越重视对可再生能源的开发和利用。而可再生能源，特别是风电的迅猛发展，给电力系统带来了不可忽视的影响，系统的安全稳定运行遇到了前所未有的挑战［1-2］。储能系统由于具有快速响应和大规模功率吞吐等特点，能够有效弥补风电输出功率间歇性、波动性的缺点，因此在风力发电并网系统中配置储能系统已经成为平抑风电功率波动的有效手段之一［3-6］。

目前，利用储能平抑风电功率波动的研究已开展较多。文献［7－8］提出了一种基于经验模态分解(empirical mode decomposition，EMD)的混合储能系统平抑风电功率波动的方法。但未充分考虑波动率约束，会出现一些时刻波动率不满足并网的要求。文献［9］提出了一种利用滑动平均和EMD获得储能参考功率的混合储能功率和容量配置方法。当风电装机容量小于30 MW时，任意1 min的有功功率变化不大于3 MW。文献［10－11］应用EMD平滑可再生能源的功率波动并确定储能容量，风电功率波动标准为10 min最大波动量为装机容量的10%。文献［12］在EMD的基础上，应用超级电容器和蓄电池平抑风电功率的高频、低频波动分量。风电装机容量为12 MW，其1 h的功率波动最大值不超过0.5 MW。上述研究主要集中在一种并网波动率要求，而选取的并网波动率不同所获得的平抑效果差异很大。

因此，为了更好地提高风电并网的可信度，本文应用蓄电池和超级电容器组成的复合储能系统来平抑风电波动，探讨不同波动率限制对风电平抑的影响。首先在EMD的基础上，将风电分解为不同的固有模态函数(intrinsic mode function，IMF)分量，通过不同的波动率策略，选取频率较低的部分作为风电的并网功率，频率较高部分由复合储能承担;然后，通过对比多种爬坡率策略，实现复合储能在蓄电池和超级电容器之间的功率分配，以更好地发挥不同储能种类之间的互补优势。

1 经验模态分解

1.1原理介绍

EMD是一种基于信号局部特征的信号分解方法，由于其具有很强的自适应性，所以在处理非线性、非平稳信号方面具有较大优势。EMD方法假定:任何复杂的信号都是由简单的IMF分量组成，每一个IMF分量都是相互独立的，且满足以下2个条件:(1)在整个数据序列内，极值点与过零点个数相等或相差不超过1;(2)在任一时间点上，局部均值为0。

由此可以将风电数据时间序列中真实存在的不同尺度或趋势分量逐级分解出来，产生一系列具有相同特征尺度的数据序列，分解后的序列与原始风电数据序列相比具有更强的规律性和可处理性。

EMD信号处理的具体步骤如下:

(1)识别信号x(t)中所有的极大值点和极小值点，并拟合出相应的包络线;

(2)计算出上下包络线的平均值m1(t);

(3)x(t)减去m1(t)得到h1(t)，将h1(t)视为新的信号x(t)，重复步骤(1)，经过k次筛选，直到h1(t)= x(t)－m1(t)满足IMF的条件，记c1(t)=h1(t)。c1(t)为风电数据序列的第1个IMF分量，其频率最高。

从原始信号中分离出IMF分量c1(t)，得到剩余分量:

将剩余分量r1(t)作为新的原始数据，重复上述步骤即可得到其余的IMF分量和残余分量，具体如下:

原始风电x(t)分解结果为

分解终止条件有以下2种:(1)ci(t)或rn(t)小于规定的预设值;(2)rn(t)变成单调函数，不能再从中获得固有模态函数。

因此，EMD方法从特征时间尺度出发，首先把信号中特征时间尺度最小的模态分离出来，然后分离时间尺度较大的模态，最后再分离时间尺度最大的模态，应用其进行风电波动特征的提取和平抑具有独特优势。

1.2控制流程

控制流程如图1所示，并详述于后。

图1 复合储能控制策略流程图Fig.1 Flowchartofhybridenergystorage controlstrategy

(1)输入实测风电功率数据;

(2)根据并网波动率要求，利用EMD算法求取储能总载荷和并网功率;

(3)根据各储能的荷电状态和充放电功率限制，再次利用EMD控制策略求取能量型锂电池储能和功率型超级电容器储能的载荷。

2 算例分析

以北方某风电场的功率数据为研究对象，应用蓄电池和超级电容器组成的复合储能系统平抑风电的功率波动。风电采样步长为1 s，采样时长为3 600 s，装机容量为100 MW，如图2所示。

图2 风电功率Fig.2 Windpower

2.1风电波动平抑

利用EMD算法将风电功率分解为不同的IMF分量，首先分解出的分量频率最高，依次逐渐降低，即c1的频率最高，c11的频率最低，如图3所示。

由于风电功率分解中存在较多的IMF分量，选择合理的并网部分是一个重要的课题。因此，本文从波动率的角度出发，探讨并网IMF分量的选取方法。

首先计算不同IMF分量的波动率:在残余分量r的基础上，不断累加从低频到高频的IMF分量，即计算r+c11，r+c11+c10，一直到r+c11+，…，+c1，如图4所示。随着IMF分量的不断增加，其1 min波动率呈逐渐增加的趋势。

对比分析以下3种策略以确定风电的并网功率。

(1)以风电的波动率变化值为选择标准，将最大的波动率变化值作为分界线，最大波动率变化值之前的IMF分量作为风电的并网部分，其余部分由复合储能系统补偿(策略1)。

图3 IMF分量Fig.3 IMFcomponents

图4 1min波动率Fig.4 1minfluctuationrate

风电波动率变化值计算如下:

式中:f(s)为波动率变化值，s为累加的IMF分量个数;R(s)为波动率。

(2)以风电的波动率变化率为选择标准，最大波动率变化率之前的IMF分量为并网风电部分，之后的部分由复合储能系统补偿(策略2)。

风电波动率变化率计算如下:

(3)以风电波动率的平均值为选择标准，小于平均值的IMF分量为并网部分，大于平均值的部分由复合储能系统补偿(策略3)。

风电波动率的平均值计算如下:

以波动率变化值为目标时，计算各IMF分量累加数值如图5所示。其最大值为0.044 8，出现在第7条IMF分量，即s=7为临界IMF分量，因此r+c11+，…，c5为风电的并网部分。

图5 波动率变化值Fig.5 Changeoffluctuationrate

以波动率变化率为目标时，各IMF分量累加的结果如图6所示。最大波动率变化率为0.909 2，s= 2为临界值，即r+c11+c10为风电的并网部分。

以波动率平均值0.062 5为目标时，结果如图4所示。s=5时，波动率小于平均值，s=6时，波动率大于平均值，即 r+c11+，…，+c7为风电的并网部分。

求取3种策略下的风电最大并网波动率，如表1所示。策略1下具有最大的并网波动率，即平抑效果最差，策略2数值最小，即具有最好的平抑效果，而策略3处于三者的中间水平。

图6 波动率变化率Fig.6 Changerateoffluctuationrate

表1 不同策略下的最大并网波动率Table1 Maximumgrid-connectedfluctuationrate withdifferentstrategies

由于风电的波动会对系统会造成较大的影响，所以需要对风电进行波动平抑以提高其并网可靠性。但不同的应用需求对风电的并网波动率约束提出了不同要求，如风电场接入电力系统技术规定［13］:风电场装机容量为30～150 MW时，其1 min有功功率变化最大限制为装机容量的1/10。而国家科技部“863计划”课题“多类型储能系统协调控制技术及示范”中规定:利用多类型储能进行风电波动平抑，其1 min的并网波动率不超过2%。

通过上述分析可以看出，在风电并网波动率限值选取时，如果数值太大会对系统造成较大的影响［14-15］;而数值过小，则需要配置更多的储能，技术经济性不高［10］。因此，本文选取折中的控制策略作为平抑后的标准，即应用策略3确定风电的并网功率。

由策略3确定的风电并网功率如图7所示，可见平抑后的风电功率相对平滑。计算平抑前后风电1 min的波动率，如图8所示。平抑后风电的波动率普遍小于平抑前，且平抑前风电最大波动率为0.127 2，平抑后为0.028 1，平抑效果显著，因此策略3能够有效实现风电功率波动平抑。

2.2复合储能系统功率的确定

通过上述风电波动平抑策略，可以获取总储能的功率为c6—c1之和的负数，如图9所示。本节继续探讨复合储能系统在蓄电池和超级电容器之间的功率分配。

图7 平抑前后的风电功率Fig.7 Windpowerbeforeandaftersmoothing

图8 平抑前后的风电波动率Fig.8 Windpowerfluctuationratebeforeand aftersmoothing

图9 储能总功率曲线Fig.9 Energystoragepowercurve

选取储能爬坡功率作为蓄电池和超级电容器之间的功率分配标准，对比分析以下3种原则。

(1)采用储能爬坡功率变化值为分配原则，最大爬坡功率变化值之前的IMF分量由蓄电池补偿，之后的由超级电容器补偿(策略1)。

式中:Rr(s)为储能爬坡功率;fr(s)为爬坡功率变化值。

(2)采用储能爬坡功率变化率为分配原则，最大爬坡功率变化率之前的IMF分量由蓄电池补偿，之后的由超级电容器补偿(策略2)。

爬坡功率变化率计算如下:

爬坡功率变化值计算如下:

(3)以储能爬坡功率的平均值为分配原则，小于平均值的IMF分量由蓄电池补偿，大于平均值的部分由超级电容器补偿(策略3)。

储能爬坡功率的平均值计算如下:

计算储能的爬坡功率变化值，如图10所示。当s为4时，出现最大值0.385 3 MW，即c6—c3的IMF分量由蓄电池补偿，c2—c1由超级电容器补偿。

图10 爬坡功率变化值Fig.10 Changeoframppower

计算储能爬坡功率变化率，如图11所示。最大值0.542 89出现在s为2时，即c6—c5的IMF分量由蓄电池补偿，c4—c1由超级电容器补偿。

计算储能爬坡功率平均值，如图12所示。随着IMF分量累计个数的增加，储能的爬坡功率数值逐渐增加。爬坡功率的平均值为0.664 1 MW，s≤3时，爬坡功率小于平均值;s≥4时，爬坡功率大于平均值，因此c6—c4的IMF分量由蓄电池补偿，c3—c1由超级电容器补偿。

从上述分析可以看出，不同的评判标准可以获取不同的蓄电池和超级电容器功率。为了平衡蓄电池和超级电容器的功率分配，防止其中一方因承担过多的任务而频繁充放，本节选取策略3作为复合储能的分配标准，即蓄电池和超级电容器各自补偿3个IMF分量。

图11 爬坡功率变化率Fig.11 Changerateoframppower

图12 爬坡功率曲线Fig.12 Ramppowercurve

根据策略3获取的蓄电池和超级电容器功率分别如图13、14所示。其中蓄电池功率变化相对平缓，补偿频率变化较慢且幅值较大的波动;而超级电容器功率波动频繁，补偿频率变化较快且幅值较小的波动。

图13 蓄电池功率曲线Fig.13 Batterypowercurve

图14 超级电容器功率曲线Fig.14 Supercapacitypowercurve

计算蓄电池和超级电容器的爬坡功率，分别如图15、16所示。其中蓄电池最大爬坡功率为0.460 4 MW，超级电容器的为1.070 2 MW。

图15 蓄电池爬坡功率曲线Fig.15 Batteryramppowercurve

图16 超级电容器爬坡功率曲线Fig.16 Supercapacityramppowercurve

对两者的储能配置进行计算，蓄电池最大充放电功率为5.724 2 MW，使用容量为0.107 7 MW·h;超级电容器最大充放电功率为2.447 9 MW，使用容量为0.018 7 MW·h。在使用容量下，两者的荷电状态(state of charge，SOC)曲线分别如图17、18所示，其中由于蓄电池吸收频率变化较慢的功率，其SOC变化频率也较为平缓，但是由于其功率幅值变化较大，因此SOC变化幅度也较大;而超级电容器吸收变化较快的功率，其SOC变化较为频繁，由于功率幅值变化整体不是太大，因此SOC的变化幅值较小。

图17 蓄电池SOC变化曲线Fig.17 TheSOCcurveofbattery

图18 超级电容器SOC变化曲线Fig.18 TheSOCcurveofsupercapacity

3 结论

本文应用EMD方法在复合储能的基础上实现风电功率波动的平抑。利用EMD将风电功率分解为不同的IMF分量，通过3种波动率策略的对比，同时兼顾并网波动率约束和储能的技术经济性，选取综合特性较高的平均波动率作为风电并网选择标准，从而获取风电的并网功率和储能系统总功率。复合储能系统在蓄电池和超级电容器之间分配时，为了更好地平衡两者之间的功率载荷，选取爬坡功率平均值作为截止条件，从而实现二者的功率分配，使两者的优势均得到充分发挥，并提高复合储能系统的使用寿命，为储能在风电波动平抑方面的应用推广提供理论参考。

［1］ZUGNO M，PINSON P，MADSEN H．Impact of w ind power generation on european cross-border power flow s［J］．IEEE Transactions on Power Systems，2013，28(4):3566-3575．

［2］RAHMAN Saifur，PIPATTANASOMPORN Manisa．大规模风电接入对美国电力系统运行的影响和平抑策略［J］．电力系统自动化，2011，35(22):3-11．RAHMAN Saifur，PIPATTANASOMPORN Manisa．Operating impacts and mitigation strategies w ith large-scale w ind power penetration in the United States［J］．Automation of Electric Power Systems，2011，35(22):3-11．

［3］LEE H，SHIN Y B，HAN S，et al．Compensation for the power fluctuation of the arge scale w ind farm using hybrid energy storage applications［J］．IEEE Transactions on Applied Superconductivity，2012，22(3):5701904．

［4］HAYES B P，WILSON A，WEBSTER R，et al．Comparison of tw o energy storage options for optimum balancing of wind farm power outputs［J］．IET Generation，Transmission＆Distribution，2016，10 (3):832-839．

［5］GORAN M，ADEL N，EHSAN G，et al．Lithium-Ion capacitor energy storage integrated w ith variable speed w ind turbines for power smoothing［J］．IEEE Journal of Emerging and Selected Topics in Pow er Electronics，2013，1(4):287-295．

［6］张坤，吴建东，毛承雄，等．基于模糊算法的风电储能系统的优化控制［J］．电工技术学报，2012，27(10):235-241．ZHANG Kun，WU Jiandong，MAO Chengxiong，et al．Optimal control of energy storage system for w ind pow er generation based on fuzzy algorithm［J］．Transactions of China Electrotechnical Society，2012，27(10):235-241．

［7］韩晓娟，田春光，程成，等．基于经验模态分解的混合储能系统功率分配方法［J］．太阳能学报，2014，35(10):1889-1896．HAN Xiaojuan，TIAN Chunguang，CHENG Cheng，et al．Pow er allocation method of hybrid energy storage system based on empirical mode decomposition［J］．Acta Energiae Solaris Sinica，2014，35 (10):1889-1896．

［8］孙承晨，袁越，CHOI Sanshing，等．用于能量调度的风–储混合系统运行策略及容量优化［J］．电网技术，2015，39(8): 2107-2114．SUN Chengchen，YUAN Yue，CHOI Sanshing，et al．Capacity optimization and operational strategy of the w ind-energy storage hybrid systems for energy dispatching［J］． Pow er System Technology，2015，39(8):2107-2114．

［9］张晴，李欣然，杨明，等．净效益最大的平抑风电功率波动的混合储能容量配置方法［J］．电工技术学报，2016，31(14):40-48．ZHANG Qing， LI Xinran， YANG Ming， et al． Capacity determination of hybrid energy storage system for smoothing windpow er fluctuations w ith maximum net benefit［J］．Transactions of China Electrotechnical Society，2016，31(14):40-48．

［10］孟顺，谢桦．基于经验模态分解的平滑可再生能源功率波动的储能容量优化［J］．电源学报，2014，12(5):7-11，18．MENG Shun，XIE Hua．Energy storage capacity optimization in smoothing renewable energy pow er fluctuations based on empirical mode decomposition［J］．Journal of Pow er Supply，2014，12(5): 7-11，18．

［11］杨锡运，曹超，李相俊，等．基于模糊经验模态分解的电池储能系统平滑风电出力控制策略［J］．电力建设，2016，37(8): 134-140．YANG Xiyun，CAO Chao，LI Xiangjun，et al．Control strategy of smoothing wind pow er output using battery energy storage system based on fuzzy empirical mode decomposition［J］．Electric Pow er Construction，2016，37(8):134-140．

［12］孙承晨，袁越，CHOI Sanshing，等．基于经验模态分解和神经网络的微网混合储能容量优化配置［J］．电力系统自动化，2015，39(8):19-26．SUN Chengchen，YUAN Yue，CHOI Sanshing，et al．Capacity optimization of hybrid energy storage systems in microgrid using empirical mode decomposition and neural netw ork［J］．Automation of Electric Pow er Systems，2015，39(8):19-26．

［13］中华人民共和国国家质量监督检验检疫总局．风电场接入电力系统技术规定:GB/T 19963-2011［S］．北京:中国质检出版社，2012．

［14］唐西胜，孙玉树，齐智平．基于HHT的风电功率波动及其对电力系统低频振荡的影响分析［J］．电网技术，2015，39(8): 2115-2121．TANG Xisheng，SUN Yushu，QIZhiping．Analysis of wind pow er fluctuation characteristics and its impact on pow er system low frequency oscillation based on HHT［J］． Power System Technology，2015，39(8):2115-2121．

［15］ZHOU Guopeng，MIAO Fufeng，TANG Xisheng，et al．Research on wind pow er fluctuation and its impacts on w ind pow er frequency［J］．Applied Mechanics and Materials，2013(291-294):407-414．

(编辑 张小飞)

Comparative Analysis of Different Hybrid Energy Storage Control Strategies Based on EMD

SUN Yushu1，TANG Xisheng1，TIAN Chunzheng2，MIAO Fufeng2，SUN Xiaozhe3

(1．Institute of Electrical Engineering，Chinese Academy of Sciences，Beijing 100190，China; 2．State Grid Henan Electric Power Company Economic Research Institute，Zhengzhou 450052，China; 3．Sinopec Oilfield Service Shengli Corporation Tarim Branch Company，Korla 841000，Xinjiang Uygur Autonomous Region，China)

Large-scale development of wind power brings great influence on the power system，so it has important practical significance to smooth grid-connected wind power fluctuation using hybrid energy storage．Firstly，wind power is decomposed into different intrinsic mode function(IMF)components by empirical mode decomposition(EMD)，and the selecting principle of grid-connected wind power is obtained by contrasting several strategies．Then，wind power fluctuation mitigation can be implemented effectively in condition of considering the economy of the energy storage．In addition，power allocation between battery and supercapacity can be acquired by comparing different control strategies based on energy storage ramp power constraints．Finally，the validity of the control strategy is verified by case studies，which provides a reference for wind power fluctuation mitigation．

wind power fluctuation mitigation;hybrid energy storage;empirical mode decomposition(EMD); fluctuation rate;ramp power

TM 614

A

1000－7229(2017)03－0077－08

10.3969/j．issn.1000－7229.2017.03.011

2016-10-22

孙玉树(1987)，男，助理研究员，主要从事电力储能与风电波动平抑等方面的研究工作;

唐西胜(1975)，男，研究员，博士生导师，本文通信作者，主要研究方向为电力系统稳定与控制、储能与电网应用技术等;

田春筝(1982)，男，硕士，高级工程师，主要研究方向为可再生能源发电、电网规划与测评、储能等;

苗福丰(1986)，男，博士，工程师，主要研究方向为可再生能源发电、电网规划与测评等;

孙晓哲(1986)，男，硕士，工程师，主要研究方向为可再生能源发电、多能互补等。

国家高技术研究发展计划项目(863计划)(SS2014AA052002);国家电网公司科技项目(SGSHJY00BGJS1400221)

Project supported by the National High Technology Research and Development of China(863 Program)(SS2014AA052002)