基于小波去噪与经验模态分解的混合储能容量优化配置

姜有华，赵小林

基于小波去噪与经验模态分解的混合储能容量优化配置

姜有华，赵小林

（多电源地区电网运行与控制湖南省重点实验室，湖南邵阳 422000）

针对风电出力并网困难的问题，提出采用混合储能系统平抑风电输出功率波动。首先，采用小波分析对风电输出功率信号进行小波去噪；其次采用经验模态分解对去噪后的功率信号进行分解；然后将储能系统内部功率指令划分与系统容量配置相结合，以储能系统容量配置成本最小为目标，建立混合储能容量优化模型，通过穷举对不同分界点所对应的系容量配置成本确定最优分界点。仿真结果表明：本文方法能够有效解决功率信号中噪声信号对容量配置的影响，并且有效降低了容量配置成本。

风电输出功率 混合储能 小波分析 经验模态分解

0 引言

近年来，能源危机与环境污染问题，引起高度重视。风能以其储量大、分布广的优点在能源结构中占有极其重要的位置[1～2]。风能的随机性与不稳定性，使风电具有强波动性和随机性特点。大规模风电直接并网，会对电力系统的安全稳定运行带来极大的挑战[3～4]。目前，采用蓄电池/超级电容组成的混合储能系统是解决这一问题的有效措施之一。合理配置蓄电池与超级电容的容量与功率是保证其使用寿命、效率以及电力系统安全运行的重要依据[5～7]。

国内外学者针对蓄电池与超级电容组成的混合储能系统的容量配置问题的研究已取得了大量的成果。文献[8～9]基于滑动平均和小波包分解进行混合储能的优化配置，但是不能确定经小波分解后各子信号的频率成分，不能准确的将分解的功率分配给储能设备；文献[10～11]采用一阶低通滤波器对风电波动功率进行分解，但是在滤波过程中存在延迟，降低了容量配置的准确性；文献[12～13]采用离散傅里叶变换对风电输出功率进行分解，但是分解过程计算量巨大，不适合直接对风电输出功率进行分解；文献[14]提出了一种基于模型优化算法的混合储能双层优化配置方法，该方法在保证储能经济最优的同时，有效避免了蓄电池频繁充放电，提高了其使用寿命；文献[15]在考虑风电输出功率具有强波动性的基础上，提出基于频谱分析确定混合储能系统容量配置方法该方法充分考虑了蓄电池与超级电容的介质频率特性，基于此提出最优运行策略。最后通过某风电场的真实数据仿真验证了该方法的有效性。上述文献都没有考虑风电输出功率信号噪声信号的影响，造成储能设备的容量配置不准确。

本文首先对风电波动功率进行小波去噪；其次将去噪后的功率信号进行EMD分解，得到一系列频率递减的本征模态分量；然后将储能系统内部功率指令划分与系统容量配置相结合，以储能系统容量配置总成本最小为目标，建立混合储能容量优化模型。进而，通过穷举对不同分界点所对应的容量配置总成本，确定最优分界点，并以此为界将得到的分量分为两部分，分别分配蓄电池与超级电容。根据蓄电池与超级电容的充放电功率指令确定各自的额定容量与额定功率，最后根据实际风电场数据进行仿真验证。

1 风电输出波动功率

2 基于小波分析与EMD的风电输出波动功率处理

2.1 基于小波分析的风电输出波动功率去噪

原始风电输出波动功率信号中包含有用的功率信号和噪声信号，这些噪声信号会造成有用的功率信号的丢失，影响混合储能的容量配置。因此，对原始风电输出波动功率信号进行去噪显得很有必要。而小波分析在去噪领域具有独特的优势，能够有效的将原始信号中有用信号与噪声信号进行分离，达到原始信号去噪的目的。

2.1.1小波分析

小波变换的实质是将一个将待分析信号与小波函数在不同的尺度因子与平移因子的作用下作内积，表达式如式（1）所示。

小波分析能够实现去噪的主原因是信号与噪声的小波系数在不同的尺度因子下有着不同的表现，并且噪声向量与它的正交变换一样，以高斯形式呈现。大量学者研究表明，小波变换随着尺度因子的增加，高斯白噪声呈现出逐渐减小的趋势，进而利用小波分析能够对信号达到去噪效果。

2.1.2小波基函数与分解层数的确定

文献[16]对不同小波基在去噪方面优势与不足进行比较，得出sym7小波在去噪方面相比其他小波基优势充足。因此本文选择sym7小波作为去噪小波基，并且选取强制阈值作为阈值函数。

2.2 基于EMD的风电输出波动功率分解

经验模态分解一种(EMD)是将原始信号进行分解，得到不同频率范围的本征模态分量（IMF），如式（5）所示，并且得到的IMF分量频率是由高到低依次排列的。

3 混合储能系统额定容量配置方法

原始风电波动功率经EMD分解后得到了频率依次递减得多个本征模态分量，取某个分量为分界点，将高于分界点的多个分量叠加分配给蓄电池，剩余的分量分配给超级电容。最后通过以下计算方式得出蓄电池与超级电容得额定功率与额定容量。

3.1 蓄电池与超级电容的额定功率确定

3.2 蓄电池与超级电容的额定容量确定

4 混合储能容量优化配置与模型求解

风电输出波动功率经过EMD分解后，得到一系列的本征模态分量IMF，这些分量的频率是由高到低依次排列的。为了将分解得到的分量准确、合理的分配给蓄电池与超级电容，本文建立储能设备配置总成本作为目标函数，以此确定分量的最优分界点。

4.1 目标函数

风电场混合储能系统在满足平抑波动标准的前提下，合理配置电池储能和超级电容储能的功率和容量，使得储能系统配置总成本最小，即：

其中，

4.2 约束条件

混合储能系统的储能设备在实际工作中可能会出现SOC越线以及充放电响应能力不足的情况，因此需要储能设备的SOC以及充放电功率进行约束。

1）蓄电池约束条件

蓄电池充放电功率约束如式（15）所示。

蓄电池容量约束如式（16）所示。

蓄电池荷电状态约束如式（17）所示。

2）超级电容约束条件

超级电容充放电功率约束如式（18）所示。

超级电容容量约束如式（19）所示。

超级电容荷电状态约束如式（20）所示。

4.3 模型求解方法

上述混合储能系统储能设备容量优化模型是一个多变量、非线性的优化问题，可采用Matlab工具箱进行求解。对经过EMD分解后的高频分量最优分界点的求解须建立在容量优化模型确定的基础上，通过穷举分界点m得到不同的混合储能功率指令分配结果，比较对应的总成本确定最优分界点。因此本文优化模型的求解思路是罗列不同分界点m值，确定各m值下的额定容量与额定功率，计算该m值下的总成本，最后比较不同m之下的总成本，从而最终确定成本最低的分界点以及相应的容量优化配置方案。该模型的求解方法流程图如图1所示。

图1 求解方法流程图

5 算例分析

5.1 仿真参数设计

本文选取某风电场的历史数据作为研究对象。该风电场的装机容量为40 MW，采样总时间为500 min，采样频率为5 s。将原始风电输出功率与目标并网功率做差得到风电输出波动功率，三者功率指令曲线图如图2所示。混合储能系统储能设备相关参数见表1所示。

图2 原始风电输出功率、目标并网功率、风电输出波动功率

表1 混合储能系统中储能设备相关参数

5.2 风电输出波动功率的小波去噪

5.2.1小波分解层数的选择

由前文可知，本文选择sym7小波作为本文风电输出波动功率去噪的基函数。为确定小波去噪时的分解层数，分别选取3、4、5进行小波分解，分别得到各自的RMSE与SNR值，如表2所示。根据表中数据，选取RMSE值相对较小且SNR较大的分解层数作为小波分解的层数。

表2 分解层数的主要参数对比

由表2可知，采用sym7小波对风电输出波动功率进行3层分解时，RMSE值最小，SNR值最大，分解效果最好。

将风电输出波动功率进行小波去噪，结果如图3所示。

图3 风电输出波动功率去噪前后对比图

从图3可以看出，风电输出波动功率经过去噪后仍保持原信号的基本特征。

5.3 风电输出波动功率的EMD分解

将去噪后的风电输出波动功率进行EMD分解，得到一系列频率逐渐递减的本征模态分量IMF。如图4所示。

图4 风电输出波动功率的EMD分解

5.4 最优分界点确定

如图4所示，风电输出波动功率经过EMD分界后得到了一系列分量。如何将这些分量合理组合分配给蓄电池与超级电容，使得储能设备配置总成最小。本文在建立混合储能容量优化配置模型基础上，罗列不同分量组合进行储能设备容量配置，计算相应的配置成本，并且绘制相应的成本-分界点的曲线图如图5所示。

图5 系统成本—分界点曲线

由图5可知，当分界点m=1时，混合储能系统的储能设备容量配置总成本最少。因此，根据该分界点确定蓄电池与超级电容的充放电功率指令如式（21）、（22）所示。

蓄电池与超级电容的充放电功率指令曲线图如图6所示。

图6蓄电池与超级电容充放电功率指令

由图5可知，蓄电池充放电功率波动频率小、幅值高，超级电容的充放电功率波动频率大、幅值低，符合超级电容与蓄电池的技术特点。

5.5 混合储能容量优化配置分析

表3 储能容量优化配置结果

为验证本文所提的混合储能系统储能设备容量优化配置的正确性，比较不同储能设备的容量配置情况与其经济性。各个储能设备的容量配置情况如表3所示。

通过表3可知，若给电网配置单独的超级电容去平抑风电输出功率时，造成容量配置成本过高，这主要是因为超级电容的单位容量投资成本过高导致。若给电网配置单独的蓄电池去平抑风电输出波动功率，导致容量配置规模巨大，但是蓄电池的投资成本较低，相比超级电容的配置成本低了25%。将单储能设备与混合储能对比，混合储能不仅在经济上有明显的优势，在容量配置规模上也有较好的优势，符合理论分析结果。

6 结论

本文针对混合储能系统中储能设备的容量优化配置问题，首先对风电输出波动功率进行去噪，得到不含噪声信号的风电输出波动功率；其次采用经验模态分解对消噪后的波动功率进行分解，得到频率依次递减的本征模态分量；然后建立混合储能容量配置成本的目标函数与约束条件；最后联合优化的求解方法得到对储能设备的充放电功率的最优分界点以及相应的储能容量配置方案。仿真结果表明，上述方法确定的分量分界点能够保证储能系统容量配置总成本相对较低，验证了所提方法的有效性；同时通过与单储能设备对比也验证了混合储能在平风电输出功率时在配置规模与经济上具有一定的优势，值得推广应用。

[1] Om Prakash Mahela, Abdul Gafoor shaik. Comprehe-nsive overview of grid interfaced wind energy generation Systems [J]. Renewable and Sutainable Ener-gy Reviews, 2016, 57: 260-281.

[2] 苏浩, 张建成, 冯冬涵, 王宁, 宋兆鑫, 赵霁晴. 模块化混合储能系统及其能量管理策略[J]. 电力自动化设备, 2019, 39(01): 127-133+140.

[3] 徐国栋, 程浩忠, 马紫峰, 方斯顿, 马则良, 张建平. 用于平滑风电出力的储能系统运行与配置综述[J]. 电网技术, 2017, 41(11): 3470-3479.

[4] F.J.Vivas, A. De las heras, F. Sehura, et al. A Review of energy management strategies for renewable Hybrid Energy Reviews, 2018, 2: 126-155.

[5] 李瑞民, 张新敬, 徐玉杰, 孙雯雯, 周学志, 郭丛, 陈海生. 风光互补系统中混合储能容量优化配置研究[J]. 储能科学与技术, 2019, 8(03): 512-522.

[6] 李亚楠, 王倩, 宋文峰, 王昕钰. 混合储能系统平滑风电出力的变分模态分解-模糊控制策略[J]. 电力系统保护与控制, 2019, 47(07): 58-65.

[7] 许健, 刘念, 于雷, 雷金勇, 张建华. 计及重要负荷的工业光伏微电网储能优化配置[J]. 电力系统保护与控制, 2016, 44(09): 29-37.

[8] 吴杰, 丁明. 采用自适应小波包分解的混合储能平抑风电波动控制策略[J]. 电力系统自动化, 2017, 41(03): 7-12.

[9] 程龙, 张方华. 用于混合储能系统平抑功率波动的小波变换方法[J]. 电力自动化设备, 2021, 41(03): 100-104+128.

[10] 常丰祺, 郑泽东, 李永东. 一种新型混合储能拓扑及其功率分流算[J]. 电工技术学报, 2015, 30(12): 128-135.

[11] 谢丽蓉, 郑浩, 魏成伟, 胡少轶. 兼顾补偿预测误差和平抑波动的光伏混合储能协调控制策略[J].电力系统自动化, 2021, 45(03): 130-138.

[12] 金涛, 陈毅阳, 段小华, 唐晓艳. 基于改进DFT的电力系统同步相量测量算法研究[J]. 电工技术学报, 2017, 32(17): 1-10.

[13] 武志锴, 许言路, 蒋理, 李占军, 李成, 孟明, 吴亚帆. 基于离散傅里叶变换的微电网混合储能容量优化[J]. 华北电力大学学报(自然科学版), 2018, 45(02): 32-38.

[14] 何俊强, 师长立, 马明, 霍群海, 辛克锋, 韦统振.基于元模型优化算法的混合储能系统双层优化配置方法[J]. 电力自动化设备, 2020, 40(07): 157-167.

[15] 熊文, 刘育权, 苏万煌, 郝然, 王玥, 艾芊. 考虑多能互补的区域综合能源系统多种储能优化配置[J].电力自动化设备, 2019, 39(01): 118-126.

[16] 吕瑞兰, 吴铁军, 于玲. 采用不同小波母函数的阈值去噪方法性能分析[J].光谱学与光谱分析, 2004(07): 826-829.

Optimal allocation of hybrid energy storage capacity based on wavelet denoising and empirical mode decomposition

Jiang Youhua, Zhao Xiaolin

(Hunan Provincial Key Laboratory of Grids Operation and Control on Muti-Power Sources Area, Shaoyang 422000, Hunan, China)

TM614

A

1003-4862（2022）03-0037-06

2021-07-20

项目编号：CX2021SY027 项目名称：风电混合储能系统容量配置及功率平抑控制策略研究

姜有华（1994-），男，硕士研究生在读，主要从事新能源发电。E-mail: 2846177859@qqcom