APP下载

基于模糊控制的混合储能功率优化分配研究

2023-12-09宋光明

机电信息 2023年23期
关键词:荷电输出功率模糊控制

王 伟 赵 晔 宋光明 祁 鸣

(国网安徽省电力有限公司合肥供电公司,安徽合肥 230022)

0 引言

以风力发电和光伏发电为代表的波动性微电源具有间歇性和随机性,其输出功率波动会给电网和用户带来冲击,造成多方面不良影响[1]。储能系统凭借其可以双向出力且响应迅速的特点,为微电网功率波动问题提供了新的解决方法。

不同的储能装置的特性和适用场合差异很大,目前混合储能技术因为具备多种储能的优点,成为研究的焦点[2]。

本文给出了一种基于离散傅里叶变换的功率平滑方法,能够根据给定的平滑目标确定储能系统的输出功率。利用超级电容和锂电池构成混合储能系统,提出了一种基于模糊控制理论的功率优化分配策略,该策略能够兼顾两种储能介质的荷电状态和最大充放电功率约束,实现波动功率的有效划分。

1 功率平滑

1.1 平滑目标

功率数据的波动程度可采用统计学中的方差和标准差来衡量,但失去了时间尺度上的信息。本文定义了时间T内可再生能源输出功率的最大波动率:

式中:Iflu,T为时间T内能源输出功率的最大波动率;Pinstall为能源发电系统的额定装机功率;pi为时间T内各采样时刻能源发电系统输出功率值。

本文对于储能系统的波动要求是,在时间T内,最大波动率Iflu,T满足设定要求:

1.2 基于离散傅里叶变换的平滑方法

本文采用基于离散傅里叶变换的滤波方法[3],滤除剧烈波动的高频段信号,保留变化相对缓慢的低频段信号。其中高频功率通过储能进行消纳,低频功率由风光与储能联合平滑。储能系统吸收消纳的功率由下述几个步骤获得:

1)对可再生能源出力样本数据进行离散傅里叶变换;

2)确定满足给定功率波动约束的系统平滑输出功率;

3)确定储能系统的目标输出功率。

2 功率优化分配

为了改善混合储能系统的运行性能并延长其使用寿命,混合储能系统吸收的波动功率需要在超级电容和锂电池之间进行优化分配,然而,混合储能系统的充放电过程需兼顾两种不同储能介质的荷电状态,不便于精确地给出功率分配的比例系数。本文基于模糊控制理论对充放电功率进行划分,基本原则为:超级电容的充放电优先级高于锂电池,两种储能介质的荷电状态均不得越出设定的限值。

2.1 模糊控制及隶属度函数

将超级电容当前时刻荷电状态水平SSOC_SC(t)以及锂电池当前荷电状态SSOC_B(t)相对于初始状态SSOC_B(0)的偏差值作为模糊控制的两个输入量,分别用X1(t)和X2(t)表示,即:

以混合储能系统的功率分配因数d(t)作为模糊控制的输出变量。

当混合储能系统充电时,输入变量和输出变量隶属度函数如图1所示。

图1 混合储能系统充电时输入/输出变量的隶属度函数

当混合储能系统放电时,为充分发挥超级电容可重复快速充放电的优势,提升超级电容的放电顺序优先级,对输入变量X1的隶属度函数做一定的修改,如图2所示,输入变量X2和输出变量d的隶属度函数维持不变,同图1。

图2 放电时输入变量X1的隶属度函数

2.2 模糊控制规则

当混合储能系统充电时,优先采用超级电容承担充电功率以存储足够的能量用于下一时刻的功率平滑,仅当超级电容的荷电状态较高或者锂电池的荷电状态低于其初始荷电状态的差值较大时,才由锂电池吸收较多的充电功率。充电时采用的模糊控制规则如表1所示。

表1 混合储能系统充电时的模糊控制规则

当混合储能系统放电时,同样由超级电容优先放电,以尽可能减少锂电池充放电次数,仅当超级电容的荷电状态较低或者锂电池的荷电状态高于其初始荷电状态的差值较大时,才由锂电池释放较多的能量。放电时采用的模糊控制规则如表2所示。

表2 混合储能系统放电时的模糊控制规则

2.3 解模糊

将按照模糊规则运算获得的输出,即t时刻混合储能系统的功率分配因数的模糊值通过解模糊运算转化为实际计算的确定值d(t),解模糊算法采用加权平均法[4],即:

式中:μ1i(X1(t))为输入变量X1(t)的第i个隶属度函数值,其中i是集合{SS,S,M,L,LL}中元素;μ2j(X2(t))为输入变量X2(t)的第j个隶属度函数值,j是集合{NL,NM,ZE,PM,PL}中的元素;dij为与输入变量X1i(t)和X2j(t)相对应的模糊输出量。

若t时刻超级电容和锂电池的参考功率分别为PSC_ref(t)和PB_ref(t),那么它们可用下式表达:

式中:PHES_ref为储能系统目标功率。

混合储能系统的功率优化分配方法如图3所示。

图3 混合储能系统功率优化分配策略图

3 算例分析

以江苏省某湖心岛地区微电网为例,采用由超级电容和锂电池组成的混合储能系统平滑可再生能源输出功率的波动。超级电容和锂电池的仿真参数如表3所示[5]。

表3 超级电容和锂电池的仿真参数

以系统输出目标外电量百分比RE,abd=0,即混合储能系统平滑后的系统实际输出功率曲线与给定的目标输出功率曲线完全吻合的情况为例,混合储能系统平滑前后可再生能源的输出功率如图4所示,相邻采样点的时间间隔为1 min,平滑目标选取为20 min最大功率波动率控制在10%以内。平滑前20 min最大功率波动率为33.66%,平滑后下降为9.26%。

图4 混合储能系统平滑前后的输出功率

采用本文所述的混合储能系统功率优化分配方法,超级电容和锂电池的输出功率分别如图5所示。

图5 两种储能介质的充放电功率

统计发现,混合储能系统的充放电次数为1 440次,超级电容和锂电池的充放电次数分别为1 438、606次,表明所提出的功率优化分配方法能有效减少锂电池的充放电次数,本算例中下降率超过50%。另外,值得指出的是,对比超级电容和锂电池充放电状态变换次数,不难发现超级电容充放电状态变换频繁,而锂电池的变换频率不及其1/10,这表明超级电容吸收了短时波动功率,而锂电池吸收了长时功率波动,说明本文采用的功率分配方法能够充分发挥两种储能介质各自的优势。

4 结论

本文采用离散傅里叶变换实现了波动功率的平滑,提出了基于模糊控制理论的功率优化分配策略,通过仿真验证,得到如下结论:

1)采用的基于离散傅里叶变换的功率平滑方法能够获得较好的平滑效果,对于功率剧烈波动的场合具有很好的适应性;

2)提出的功率优化分配策略能够充分发挥两种储能介质的优点,有效减少能量型储能的充放电次数。

猜你喜欢

荷电输出功率模糊控制
基于双扩展卡尔曼滤波的电池荷电状态估计
基于MARS 的电池荷电状态估计
T-S模糊控制综述与展望
基于模糊控制的PLC在温度控制中的应用
基于模糊控制的恒压供水系统的研究
用于光伏MPPT中的模糊控制占空比扰动法
适用于智能电网的任意波形输出功率源
基于双层BP神经网络的光伏电站输出功率预测
电动汽车动力电池荷电状态估计方法探讨
分布式发电系统并网逆变器输出功率的自适应控制