基于FCM小波算法風(fēng)電混合儲能系統(tǒng)的優(yōu)化配置

劉偉， 王佳琪, 梁新蘭， 姚國斌

(1.東北石油大學(xué) 電氣信息工程學(xué)院，黑龍江 大慶　163318； 2．中國石油天然氣管道局 天津設(shè)計院，天津　300457)

?

基于FCM小波算法風(fēng)電混合儲能系統(tǒng)的優(yōu)化配置

劉偉1， 王佳琪1, 梁新蘭2， 姚國斌1

(1.東北石油大學(xué) 電氣信息工程學(xué)院，黑龍江 大慶163318； 2．中國石油天然氣管道局 天津設(shè)計院，天津300457)

風(fēng)電作為新型能源近年來應(yīng)用越來越廣泛，但是其輸出功率波動性與隨機性會給電網(wǎng)中注入沖擊，影響其應(yīng)用。通過增加儲能系統(tǒng)對風(fēng)電輸出功率波動進(jìn)行平抑是近年來常用的方式。在常用的蓄電池和超級電容構(gòu)成的混合儲能系統(tǒng)的基礎(chǔ)上對其進(jìn)行儲能功率的配置優(yōu)化，以全周期壽命經(jīng)濟效益作為優(yōu)化目標(biāo)，通過模糊聚類小波算法對其進(jìn)行優(yōu)化，以減少沖擊電容的開關(guān)次數(shù)增加蓄電池的利用效率。最后，通過MATLAB仿真比較驗證所提出的配置優(yōu)化效果具有一定優(yōu)勢。

混合儲能；全壽命周期；模糊聚類小波算法；配置優(yōu)化；MATLAB

0　引　言

風(fēng)電場在供電過程中，由于受到天氣和地理條件的影響，其輸出功率具有明顯的波動性和隨機性。并網(wǎng)運行時，風(fēng)電輸出功率會給電網(wǎng)電能質(zhì)量帶來干擾，隨著我國風(fēng)電并網(wǎng)的規(guī)模的逐年增加，風(fēng)電容量不斷擴大，其輸出功率的抑制需求日益明顯[1]。

平抑風(fēng)電功率輸出波動的方式通常采用在入網(wǎng)處增加儲能系統(tǒng)，儲能系統(tǒng)能夠快速吸收和釋放能量。儲能系統(tǒng)平抑原理是：當(dāng)風(fēng)電場輸出功率超過電網(wǎng)平穩(wěn)運行功率值時，儲能系統(tǒng)工作在充電狀態(tài)，將多余的電能進(jìn)行存儲，降低風(fēng)電輸出功率；當(dāng)風(fēng)電場輸出功率小于運行功率值時，儲能系統(tǒng)工作在放電狀態(tài)，補償功率差額。

儲能系統(tǒng)有多種構(gòu)成形式，由于單一儲能系統(tǒng)的平抑效果與經(jīng)濟性較混合系統(tǒng)由明顯的劣勢，故實際中常采用混合儲能系統(tǒng)[2]。如果混合儲能系統(tǒng)在工作中容量配置不合理，會大大降低系統(tǒng)的經(jīng)濟性，縮短儲能元件的使用壽命，降低系統(tǒng)的穩(wěn)定性，所以合理的配置儲能容量是儲能系統(tǒng)發(fā)揮作用的首要條件。本文在蓄電池-超級電容組成的混合儲能系統(tǒng)中針對超級電容的荷電狀態(tài)進(jìn)行分類研究，結(jié)合利用模糊聚類小波算法對混合儲能系統(tǒng)進(jìn)行優(yōu)化配置，使得超級電容的開關(guān)次數(shù)減少，增加儲能系統(tǒng)的應(yīng)用效率，優(yōu)化風(fēng)電運行的經(jīng)濟性能。

1　混合儲能系統(tǒng)

1.1混合儲能系統(tǒng)結(jié)構(gòu)及工作原理

本文針對研究的混合儲能系統(tǒng)如圖1所示，混合儲能系統(tǒng)由儲能蓄電池及超級電容組成，兩組儲能機構(gòu)采用并聯(lián)連接形式[3]。通過電路變換實現(xiàn)對儲能系統(tǒng)充放電工作狀態(tài)的控制，從而實現(xiàn)對風(fēng)電輸出功率的平抑。其中電池儲能系統(tǒng)通過逆變器直接接入電網(wǎng)母線，超級電容儲能系統(tǒng)通過DC/DC控制器控制充放電，再經(jīng)逆變器接入母線。通過檢測電池的荷電狀態(tài)以及兩組儲能機構(gòu)的功率值，通過模糊聚類小波算法對數(shù)據(jù)進(jìn)行分解分析，確定配置功率與容量，實時控制DC/DC和DC/AC變換器的控制開關(guān)，通過優(yōu)化儲能配置可以降低超級電容的充放電次數(shù)，提高電池的利用率[4]。

圖1　風(fēng)電混合儲能系統(tǒng)結(jié)構(gòu)圖

1.2混合儲能系統(tǒng)配置策略

本文選用的是蓄電池與超級電容構(gòu)成的混合儲能系統(tǒng)，蓄電池與超級電容的模型表達(dá)式如式(1)所示。

(1)

式中m，n分別為電池組數(shù)目與電容器組數(shù)目；Cb，Ub，Cc，Uc分別為單組電池的額定電壓、額定容量與單個電容器的端電壓、電容值。

為考慮蓄電池的使用壽命，本文引入能量缺失率Llpsp(lose of power supply probability)，即能量缺失總量Elps與電網(wǎng)需求總量Egrid的比值，作為表征系統(tǒng)能量是否缺額，系統(tǒng)所處配置區(qū)間的標(biāo)志[5]。

(2)

式中T為采樣周期；t為單次采樣時間。由風(fēng)電輸出功率的不確定性不連續(xù)性的特點，提出儲能系統(tǒng)的配置優(yōu)化策略：

(1) 當(dāng)電網(wǎng)實際功率與風(fēng)電場輸出功率的差值Plack小于儲能系統(tǒng)額定輸出功率Phessm，且電池儲能釋放能量Ebs小于電池儲能能量的最小值Ebsmin時，說明儲能系統(tǒng)可以補充功率缺損，且沒有能量損失，此時儲能系統(tǒng)的功率配置應(yīng)為：Phess=Plack/ηe。其中ηe為儲能系統(tǒng)充電效率；

(2) 當(dāng)電網(wǎng)實際功率與風(fēng)電場輸出功率的差值Plack小于儲能系統(tǒng)額定輸出功率Phessm，且電池儲能釋放能量Ebs大于電池儲能能量的最小值Ebsmin時，說明儲能系統(tǒng)放電至最小容量時停止，且有能量缺失，此時儲能系統(tǒng)的功率配置應(yīng)為：Phess=Plack/ηe，能量缺失總量為：Elps=Plack(t-t0)。其中t0=(Ebs-Ebsmin)ηd/Phessm；

(3) 當(dāng)電網(wǎng)實際功率與風(fēng)電場輸出功率的差值PPlack大于儲能系統(tǒng)額定輸出功率Phessm，且電池儲能釋放能量Ebs小于電池儲能能量的最小值Ebsmin時，說明儲能系統(tǒng)放電至最小容量，儲能系統(tǒng)的功率配置應(yīng)為：Phess=Phessm。其中ηe為儲能系統(tǒng)充電效率，能量缺失總量為：Elps=(Plack-Phessmηe)·t；

(4) 當(dāng)電網(wǎng)實際功率與風(fēng)電場輸出功率的差值Plack大于儲能系統(tǒng)額定輸出功率Phessm，且電池儲能釋放能量Ebs大于電池儲能能量的最小值Ebsmin時，說明儲能系統(tǒng)放電至最小容量時停止，此時功率缺損仍存在，且有能量缺失，此時儲能系統(tǒng)的功率配置應(yīng)為：Phess=Phessm，能量缺失總量為：Elps=(Plack-Phessmηe)·t0+Plack(t-t0)。其中t0=(Ebs-Ebsmin)ηd/Phessm。

1.3混合儲能系統(tǒng)配置目標(biāo)

由于風(fēng)電儲能系統(tǒng)的應(yīng)用特性，選用全壽命周期成本作為配置優(yōu)化目標(biāo)。IEC60300-3-3規(guī)定設(shè)備的全壽命周期內(nèi)費用包括從規(guī)劃、設(shè)計、制造、安裝、使用、維修和廢棄的整個生產(chǎn)的費用。主要分為購買費用、使用費用和處理費用。隨著使用時間的增長，購買費用所占權(quán)重有所下降，使用費用權(quán)重增加[6]。為了增加經(jīng)濟性，對于使用壽命的較長的儲能系統(tǒng)初始購買價格可不再考慮范圍內(nèi)。因此儲能系統(tǒng)配置優(yōu)化的目標(biāo)函數(shù)為:

minC=Coc+Cmc+Cdc

(3)

式中Coc為運行費用；Cmc為維護(hù)費用；Cdc為處理費用。

綜合考慮本文所述系統(tǒng)的運行要求與儲能系統(tǒng)運行要求，得到優(yōu)化配置的約束條件為:

(4)

1.4基于模糊聚類小波算法的優(yōu)化配置

FCM(Fuzzy means clustering)算法是Ruspini在Zadeh模糊數(shù)學(xué)理論的基礎(chǔ)上引入聚類分析得到優(yōu)化智能算法，其采用自動對樣本進(jìn)行分類，通過最小化目標(biāo)函數(shù)進(jìn)而確定每個樣本對類中心隸屬度，進(jìn)而確定所屬類別[7]。FCM的目標(biāo)函數(shù)的一般形式為:

(5)

由拉格朗日乘法可知，上式分別對未知量求偏導(dǎo)并令偏導(dǎo)數(shù)為0，則得到滿足上式最小值的必要條件是：

(6)

由上述可知，F(xiàn)CM算法的核心在于對聚類中心矩陣ci和模糊隸屬度矩陣uij的估計，且參數(shù)之間存在耦合關(guān)系，故采用AO迭代交替算法對其進(jìn)行求解[8]。但由于FCM的參數(shù)初始值確定具有不確定性，會導(dǎo)致最終迭代計算的局部最優(yōu)和非均衡現(xiàn)象的缺點，再次本文將具有良好局部化和度分辨率從特性的小波變換引入FCM算法中。對于給定的風(fēng)電功率信號Pw，以尺度函數(shù)為低通濾波器，小波函數(shù)為高通濾波器，通過離散小波變換將原始信號分為低頻與高頻信號，即Pw=LESS+Hcap。將分解的信號分別通過迭代的FCM算法進(jìn)行隸屬度分類，通過對幾組風(fēng)電輸出功率信號進(jìn)行采集和模糊聚類計算，其中高頻部分采用響應(yīng)速度快壽命長但處置總能量較小的超級電容進(jìn)行平緩；低頻部分采用大容量的蓄電池進(jìn)行抑制波動。最終確定電容器與電池的配置功率，再根據(jù)配置策略確定配置容量。本文提出的基于模糊聚類小波算法優(yōu)化配置的流程圖如圖2所示。

圖2　基于模糊聚類小波算法優(yōu)化配置的流程圖

本文在結(jié)構(gòu)簡單復(fù)雜度低的FCM算法初值選取中引入小波變換，依據(jù)儲能系統(tǒng)的特點分配迭代計算的配置初值，減少了算法的運行時間，依據(jù)配置策略對模糊隸屬度函數(shù)進(jìn)行分段處理，通過利用模糊聚類迭代計算，減少與類中心矩陣的距離，使得目標(biāo)函數(shù)的取值最小化，滿足功率的合理分配，得出最后配置容量，達(dá)到儲能系統(tǒng)的配置優(yōu)化要求。

2　仿真驗證

為驗證本文所提出的配置優(yōu)化的效果，在MATLAB R2010b的環(huán)境中對本文所述的混合儲能系統(tǒng)的容量優(yōu)化方法進(jìn)行編程，最后通過算例系統(tǒng)進(jìn)行驗證。其中，設(shè)定風(fēng)電發(fā)電場總裝機容量為9 MW，電網(wǎng)額定調(diào)度功率為6 MW，逆變器效率為0.95，發(fā)電系統(tǒng)能量缺損率最大值LLSPmax為0.06[9]。為所述的發(fā)電廠系統(tǒng)進(jìn)行容量配置，使得總費用目標(biāo)函數(shù)值最小。其中電池系統(tǒng)與超級電容系統(tǒng)的詳細(xì)參數(shù)如表1所示。

表1　電池系統(tǒng)與超級電容系統(tǒng)的詳細(xì)參數(shù)

圖3　三條典型風(fēng)場功率圖

圖4　Case1下小波分解的超級電容與電池的分量圖

從某風(fēng)電場歷史運營數(shù)據(jù)中，抽取3條具有季節(jié)代表性的功率波形進(jìn)行分析，如圖3(a)所示，通過MATLAB小波變換工具對其進(jìn)行信號分解，由波形所在頻率區(qū)間界定1.0×10-3Hz。其中以第一算例為例，圖4給出小波分解的電池與超級電容的分量圖。

根據(jù)上文所述的計算過程，經(jīng)過編寫的算法程序計算，得到不同算例下的配置結(jié)果如表2所示。三個算例對應(yīng)的迭代曲線如圖5所示。

圖5　不同算例對應(yīng)的迭代曲線圖

算例ES功率/MWES配置容量/kW·hUC功率/MWUC配置容量/kW·hCase11.922955.10.78127.5Case22.462968.20.85120.1Case32.354145.21.21122.6

通過上述的仿真結(jié)果比較可得，隨著風(fēng)電場的不同變化，配置參數(shù)會發(fā)生相應(yīng)的調(diào)節(jié)，當(dāng)風(fēng)場數(shù)值變化幅度較小時，儲能系統(tǒng)給配置的容量較?。划?dāng)風(fēng)場數(shù)值幅度變化較大，配置容量相應(yīng)增加。小波算法很好地將不同儲能機構(gòu)所需的功率信號進(jìn)行分解，大大縮短了模糊聚類控制的計算時間。將本文所采用的配置方式與傳統(tǒng)方式在相同的儲能系統(tǒng)上進(jìn)行比較，以case1風(fēng)電信號為例，得到最終的配置參數(shù)如表3所示。

上述表格更為直觀的從目標(biāo)函數(shù)的最終取值得出本文所采用的基于模糊聚類小波算法的配置優(yōu)化算法具有更優(yōu)的配置優(yōu)化結(jié)果。滿足了系統(tǒng)的經(jīng)濟效益，混合了不同儲能機構(gòu)的優(yōu)點，比單獨儲能系統(tǒng)更加具有應(yīng)用價值[10]。結(jié)合了兩種智能算法的優(yōu)點，保障準(zhǔn)確性的同時，縮短了計算時間。

表3　不同配置方式的比較

3　結(jié)束語

風(fēng)電作為新型能源近年來應(yīng)用越來越廣泛，但是其輸出功率波動性與隨機性影響其應(yīng)用。本文在常用的蓄電池和超級電容構(gòu)成的混合儲能系統(tǒng)的基礎(chǔ)上對其進(jìn)行儲能功率的配置優(yōu)化，通過對儲能系統(tǒng)荷電狀態(tài)的分析得出配置策略，進(jìn)一步再以全周期壽命經(jīng)濟效益作為優(yōu)化目標(biāo)函數(shù)，儲能系統(tǒng)的容量功率范圍作為約束條件，通過模糊聚類小波算法對其進(jìn)行優(yōu)化計算，利用小波變換實現(xiàn)對電池與超級電容器不同機構(gòu)的配置信號提取，采用模糊聚類迭代算法對其進(jìn)行功率容量配置計算。通過MATLAB仿真比較三種典型風(fēng)電場算例下配置計算結(jié)果，并與傳統(tǒng)配置方法進(jìn)行經(jīng)濟性比較，驗證所提出的配置優(yōu)化效果具有一定優(yōu)勢。

[1] 江潤洲，邱曉燕，陳光堂. 風(fēng)電場混合儲能系統(tǒng)優(yōu)化配置方法[J]. 電力系統(tǒng)及其自動化學(xué)報, 2015，27(1)：37-48.

[2] JIA HONGXIN,FU YANG,ZHANG YU,et al. Design of hybrid energy storage control system for wind farms based on flow battery and electric double-layer capacitor[C]//Asi-a-Pacific Power and Energy Engineering Conference.Chengdu，China：2010.

[3] 馬速良，蔣小平，馬會萌，等. 平抑風(fēng)電波動的混合儲能系統(tǒng)的容量配置[J]. 電力系統(tǒng)保護(hù)與控制, 2014，42(8)：108-114.

[4] HENSON W. Optimal battery/ultracapacitor storage combination [J]. Journal of Power Sources,2008，179(1)：417-423.

[5] 朱向芬. 基于粒子群算法的混合儲能系統(tǒng)容量優(yōu)化配置[D]. 銀川：寧夏大學(xué)，2014.

[6] 向育鵬，衛(wèi)志農(nóng)，孫國強，等. 基于全壽命周期成本的配電網(wǎng)蓄電池儲能系統(tǒng)的優(yōu)化配置[J]. 電網(wǎng)技術(shù),2015，39(1)：264-270.

[7] 張坤，吳建東，毛承雄，等. 基于模糊算法的風(fēng)電儲能系統(tǒng)的優(yōu)化控制[J]. 電工技術(shù)學(xué)報,2012，27(10)：235-241.

[8] 程世軍. 風(fēng)電場儲能系統(tǒng)的優(yōu)化配置及運行研究[D]. 北京：華北電力大學(xué)，2014.

[9] 洪海生. 應(yīng)用于平抑風(fēng)電功率波動的多類型儲能系統(tǒng)容量配置與協(xié)調(diào)控制研究[D]. 杭州：浙江大學(xué)，2013.

[10] WEI LI,GEZA JOOS. Comparison of energy storage system technologies and configurations in a wind farm[C]// Power Electronics Specialists Conference,Orlando，F(xiàn)L，2007:1280-1285.

Configuration Optimization of Wind-power Hybrid Energy Storage System Based on Fussy Clustering Wavelet Algorithm

LIU Wei1，WANG Jia-qi1, LIANG Xin-lan2, YAO Guo-bin1

(1.College of Electrics and Information Engineering, Northeast Petroleum University, Daqing, Heilongjiang 163318, China；2. Tianjin Design Institute, China Petroleum Pipeline Bureau, Tianjin 300457, China)

As a new type of energy, wind power finds more and more application in recent years, but its output power fluctuation and randomness may inject impact into the power grid, thus affecting its application. It is a common practice in recent years to strengthen stabilization of output power fluctuation through the energy storage system. In this paper, based on the ordinary mixed storage system consisting of the battery and super-capacitor, configuration of energy storage power is optimized through the fussy clustering wavelet algorithm, aiming at higher economic benefit of the whole life cycle, so as to reduce the number of on-off times of the impact capacitor and to increases the battery utilization efficiency. Finally, MATLAB simulation and comparison verify that the proposed configuration optimization has certain advantages.

hybrid energy storage;whole life cycle;fussy clustering wavelet algorithm; configuration optimization;MATLAB

10.3969/j.issn.1000-3886.2016.02.010

TM763

A

1000-3886(2016)02-0025-03

劉偉(1971-)，男，黑龍江賓縣人，東北石油大學(xué)電氣信息工程學(xué)院教授，博士，主要從事電機控制技術(shù)研究等；

王佳琪(1989-)，女，吉林人，碩士生;主要研究電力系統(tǒng)的優(yōu)化與配置。

定稿日期: 2015-09-14