微電網中混合儲能系統的小波包-模糊控制策略

盛四清，李明躍

(華北電力大學電氣與電子工程學院, 河北省保定市 071003)

微電網中混合儲能系統的小波包-模糊控制策略

盛四清，李明躍

(華北電力大學電氣與電子工程學院, 河北省保定市 071003)

為了充分發揮混合儲能系統(hybrid energy storage system, HESS)在微電網中的應用優勢，提高微電網運行的經濟性和可靠性，提出了HESS的小波包-模糊控制策略。在平抑可再生能源輸出功率波動的基礎上，分別考慮并網時功率交換的實時電價和孤島運行時的缺電量，建立起并網經濟性評價指標和孤島負荷缺電指標。對間歇性微電源進行小波包分解以獲得HESS的初始充放電指令，由超級電容器承擔網內瞬時功率波動的平抑任務，以網內不平衡功率對蓄電池充放電指令進行修正，再通過模糊控制獲得蓄電池充放電的最終指令。最后，以風光燃儲微電網為例驗證了所提控制策略的有效性。

微電網; 混合儲能系統(HESS); 實時電價; 負荷缺電率；小波包分解；模糊控制

0 引 言

微電網是一個能夠實現自我控制和管理的自治系統[1]，能對分布式電源實現協調管理，進而提高可再生能源的利用率。儲能技術能夠降低可再生能源的功率波動，實現需求側管理[2]，增加電網對可再生能源吸收接納程度[3]，在分布式發電與微電網中起著關鍵作用。混合儲能系統(hybrid energy storage system, HESS)，結合了不同儲能介質的特點，最大程度地解決了單獨使用功率型或能量型儲能系統時受能量密度和運行壽命等因素制約的問題[4]，具有更好的經濟性和系統特性，有望成為提高系統穩定性和平滑可再生能源輸出功率波動的有效儲能形態。

為了充分發揮HESS的優勢，需要設計合理、有效的控制策略。文獻[5-6]基于小波分解理論和模糊控制方法，有效平抑了可再生能源輸出功率的波動。文獻[7]運用滑動平均濾波算法和模糊理論優化分配充放電功率，較好地平抑風電功率波動的同時實現不同儲能介質的優勢互補。文獻[8]以風光波動率和儲能系統的荷電狀態(state of charge，SOC)作為約束條件，實現變權重自適應的濾波控制，有效平抑了風光聯合輸出功率的波動。文獻[9]提出的自適應功率控制策略在不同儲能介質之間合理分配功率，提高了光儲微網孤島運行的穩定性和可靠性。文獻[10]根據微電網并網和孤島運行的不同特點，分別制定了HESS的相應控制策略，獲得了較好的運行效果。

本文基于超級電容器-蓄電池組成的HESS，根據微電網在并網模式和孤島模式下的不同運行特點，在平抑可再生能源功率波動的基礎上，分別考慮并網運行時微電網與主網進行功率交換的實時電價和孤島運行時的負荷缺電量，建立起并網經濟性評價指標和孤島負荷缺電率。提出用小波包理論對可再生能源功率進行分解以獲得HESS的初始充放電指令，由超級電容器承擔網內瞬時功率波動的平抑任務。針對微電網不同運行特點，以網內不平衡功率對蓄電池充、放電指令進行修正，再通過自適應模糊控制獲得蓄電池充放電的最終指令，實現微電網的經濟穩定運行。

1 HESS數學模型

本文研究的微電網系統由微型燃氣輪機、風力發電機組、光伏發電系統和由超級電容器-蓄電池構成的HESS組成，其中微型燃氣輪機作為可控電源優先滿足微電網中重要負荷的供電需求。系統通過切換靜態開關實現并網和孤島運行，其結構如圖1所示。

圖1 微電網系統結構Fig.1 Microgrid system structure

在微電網運行過程中，需要實時控制HESS的充放電，這就要求系統在相應運行約束條件下建立HESS數學模型，以獲得剩余能量與充放電功率的實時變化關系，從而實時調整t時刻HESS的充放電功率，其數學表達式如下。

充電過程：

E(t)=(1-σES)E(t-Δt)+PES(t)ΔtηES_C

(1)

放電過程：

(2)

式中：E(t)為t時刻結束時儲能介質的剩余電量，MW·h；σES為儲能介質的自放電率，%/min；PES(t)為t時刻儲能介質的充放電功率，MW；Δt為采樣間隔，min；ηES_C和ηES_D分別為儲能介質的充電和放電效率，%。

儲能介質在t時刻的SOC值ES(t)是剩余電量E(t)占其額定容量En的百分比，關系式為

ES(t)=E(t)/En

(3)

為了防止儲能介質的剩余電量發生越限而損害其使用壽命，并且保留一定的容量以應對下一時刻的充放電過程，HESS的SOC在使用期間中需要控制在相應范圍內，即

(4)

式中ES_max和ES_min分別是儲能介質SOC的上、下限，其值由儲能介質的特性決定。

2 不同運行模式下的HESS評價指標

微電網的穩定運行，首先要減少網內間歇性微電源并網給電網帶來的沖擊，這就必須保證可再生能源輸出功率滿足一定的指標。本文中這個指標是任意30 min內的波動不超過額定功率的10%，任意1 min內的波動不超過額定功率的2%。在微電網中，儲能設備除了需要對間歇性微電源進行輸出平抑，還要維持網內負荷的供電需求。因此，本文分別在微電網并網和孤島運行情況下建立相應評價指標。

2.1 并網運行下的評價指標

實時電價反映了電力系統生產過程中某一“瞬時”所需的費用[11]，體現了電力市場的供求關系，能夠讓用戶根據自身需求和經濟利益合理有效用電，實現電網的削峰填谷，降低發電企業成本[12-14]。微電網并網運行時，當網內供電功率不足或富余時，由于HESS容量有限，需要主網承擔相應的功率波動或者微電網進行切負荷和卸負荷。為了合理利用HESS，減少主網負擔和微電網切負荷，提高系統的經濟性與穩定性，建立基于實時電價的并網經濟性評價指標。

當HESS只參與可再生能源輸出功率波動平抑時，網內t時刻不平衡功率值ΔPL(t)為發電總功率Pg(t)與負荷需求功率PL(t)之差。計算ΔPL(t)與當前時刻對應的實時電價的乘積，記為D(t)，并且從歷史數據中獲得D(t)的極值Dmin和Dmax，再以此極值作為基準，求得t時刻并網經濟性指標為

(5)

其中Zb(t)的取值范圍為-1～1，當Zb(t)值接近-1時，微電網從主網獲取功率的經濟性差，此時應盡量通過儲能設備釋放功率來彌補不平衡功率；相應的，當Zb(t)值接近1時，微電網向主網出售剩余功率能獲得更好的經濟性，此時應盡量減少或避免儲能設備充電。

HESS的應用增加了可再生能源接入電網的功率，優化了微電網的并網經濟性，因此在上述指標下，HESS的運行經濟效益為：

F=FG-FH-FT

(6)

(7)

(8)

式中：FG為經過HESS平滑輸出后，增加的風電和光伏效益；FH為HESS的運行維護成本；FT為微電網并網運行時從主網購電的成本；Xt(t)為t時刻的電價；ΔPw(t) 和ΔPpv(t)為增加的接入微電網的風電和光伏功率，kW；Kb、Ksc分別為蓄電池和超級電容器的運行維護系數，取值為0.12和0.03；Pb(t)、Psc(t)分別為蓄電池和超級電容器在t時刻的功率，kW。

2.2 孤島運行下的評價指標

當微電網孤島運行時，不能通過主網獲取功率，需要綜合考慮電源和負荷之間的供求關系，在保證重要負荷供電的前提下實現供需平衡，此時保障負荷供電可靠性成為微電網運行的首要目標。因此，本文選擇負荷缺電率(loss of power supply probability，LPSP)[15]作為衡量微電網孤島運行可靠性的指標，其數值為負荷缺電量PE與負荷需求功率PL的比值，即

(9)

LPSP的值在0到1之間，數值越小，表示電網供電的可靠性越高。當t時刻系統發電量大于負荷功率需求時，PE(t)=0；反之，則PE(t)的值為負荷需求功率PL(t)與發電總功率Pg(t)之差。

3 HESS充放電控制策略

微電網運行時，為了減少風電、光伏系統等間歇性微電源對電能質量的影響，需要對相應的輸出功率進行平滑。此外，由于用電負荷存在峰谷差以及可再生能源輸出功率的不可預測性，需要儲能設備對電源輸出功率進行調節，在并網時減少主網承擔的功率，在孤島運行時降低負荷缺電量，提高微電網的可調度性。因此，本文提出了HESS的充放電控制策略，如圖2所示。圖中：Pw和Ppv為風電和光伏功率；Psc、Pb1和Plow為小波包分解后的高、中、低頻分量，其中Psc可視為網內瞬時功率波動，作為超級電容器的充放電指令；ΔPL為不平衡功率，由Plow和微燃機功率Pm與負荷需求功率PL之差求得；X1、X2為模糊控制的輸入量；ΔPb為模糊控制獲得的功率修正量；Pb3為蓄電池充放電的最終指令。

圖2 HESS充放電控制策略Fig.2 HESS charging and discharging control strategy

3.1 小波包分解的應用

上述控制策略采用小波包理論對可再生能源輸出功率進行分解，從而獲得需要平抑的頻率分量，實現功率的平滑。相對于小波變換，小波包分解不僅對信號的低頻部分做進一步分解，還對高頻部分提供更精細的分解，能夠對信號特征進行更加深入的了解，從而提高了時頻分辨率[16],其分解示意圖如圖3所示。圖中：S表示原始功率，A表示高頻分量，D表示低頻分量。小波包分解的結果是將原始信號映射到2n(n為分解的層數)個小波包子空間中，并重構n層2n個頻段的功率分量[17]。分解層數n越大，其獲得的信號特征細節越精細，頻段數量越多，同時計算量越大。分解層數的選取和頻段的劃分對輸出功率的平滑效果和不同儲能介質的容量配置發揮著重要作用。

圖3 小波包3層分解示意Fig.3 3-layer decomposition of wavelet packet

3.2 并網/孤島下的自適應模糊控制

(1)當ΔSb(t)滿足合理范圍且Zb(t)適中，蓄電池正常充放電；

(2)當ΔSb(t)滿足合理范圍且Zb(t)偏小、ΔSb(t)越限或者Zb(t)偏大需要減少蓄電池充電時，基于模糊控制輸出修正系數K計算ΔPb=(1-K)·Pb2，進而對充放電指令Pb2進行修正。

當微電網孤島運行時，為了充分利用網內能源，降低負荷缺電率，需要HESS盡可能吸收富余功率，彌補負荷需求高峰時的缺電量。本文選取ΔSb(t)和t時刻待充放電功率所需荷電狀態變化量ΔS(t)作為模糊控制輸入變量，相應的控制規則如下：

模糊控制輸入與輸出隸屬函數和控制規則表分別如圖4和表1所示。

圖4 模糊控制輸入與輸出隸屬函數Fig.4 Input and output membership functions of fuzzy control表1 模糊控制規則表Table 1 Rule of fuzzy control

4 算例分析

為了驗證HESS控制策略的有效性，本文選取的微電網配置微型燃氣輪機額定容量為100 kW，風電機組額定容量為100 kW，光伏系統額定容量為60 kW。HESS配置的蓄電池額定容量為80 kW·h,額定功率為40 kW，SOC范圍為[0.2, 0.8]，購置成本為30.24 萬元；超級電容器額定容量為20 kW·h,額定功率為20 kW，SOC范圍為[0.25, 0.95],購置成本為63 萬元，兩者初始SOC均為0.5。微電網的運行周期為24 h，采樣間隔為1 min，圖5為微電網24 h內各微源的發電功率和負荷功率，24 h內并網交換的實時電價如表2所示。

圖5 微電網某一天的發電功率和負荷Fig.5 Power and load in one day of microgrid

針對風光聯合輸出功率，本文采用Dmeyer小波基進行小波包分解，分解層數為8層，從而獲得低、中和高頻分量所占頻段分別為20～22、22～24和24～28，如圖6所示。

其中，中頻分量即為蓄電池初始充放電指令Pb1，高頻分量作為網內瞬時功率波動是超級電容器的充放電指令。低頻分量作為平抑后的風光輸出功率接入電網，其1 min內的最大波動率為0.22%，30 min內的最大波動率為6.24%，符合并網指標。

表2 實時電價

Table 2 Real-time electricity price

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

曲線如圖8所示，超級電容器的SOC曲線，蓄電池并網和孤島下的SOC曲線，均維持在規定范圍。

圖7 蓄電池修正前后的充放電指令Fig.7 Battery’s charging and discharging instructions before and after correction

圖8 儲能設備SOC曲線Fig.8 SOC curve of energy storage equipment

圖9為蓄電池參與不平衡功率調度前后的不平衡功率變化。相比起蓄電池只參與可再生能源功率波動平抑，接入儲能后的網內不平衡功率波動有明顯下降。

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

當微電網并網運行時，HESS只對可再生能源輸出功率進行平滑下，負荷功率總缺額為5 256.194 kW，需要向主網購電的成本為48.945 元；HESS參與不平衡功率調度后，功率總缺額為1 657.157 kW，從主網購電的成本為16.568 元。與微電網沒有應用HESS的情況相比，系統增加的經濟效益為234.088 元，在蓄電池SOC范圍內實現了較好的削峰填谷，降低了微電網對主網的負擔，提高了運行的經濟性。當微電網孤島運行時，接入儲能后功率缺額為967.007 kW，LPSP為0.005 6，有效降低了微電網內不平衡功率波動，提高了供電的可靠性。

5 結 論

本文在HESS平抑可再生能源功率波動的基礎上，建立起并網經濟性評價指標和孤島負荷缺電率，提出了小波包-模糊控制策略，利用超級電容器循環壽命大的特點平抑瞬時功率波動，根據蓄電池的高能量密度參與不平衡功率調度，實現削峰填谷。算例分析表明，該方法能夠在儲能設備的SOC范圍內較好地平抑可再生能源功率波動，減少網內不平衡功率，提高微電網運行的經濟性和可靠性。但是由于文中微電網的運行數據是在理想天氣情況下獲得的，儲能容量按照經驗配置，因此，下一步還需要在實際應用環境下，對該方法做進一步的檢驗和完善。

[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，梁文舉，崔榮，等.配電網中分布式儲能系統的優化配置方法[J].電力建設，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]陳國恩，宗鵬鵬，朱偉，等.計及可再生能源與負荷互補特性的儲能隨機調度[J].電力建設，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]嚴干貴，朱星旭，李軍徽，等.內蘊運行壽命測算的混合儲能系統控制策略設計[J].電力系統自動化，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]吳振威，蔣小平，馬會萌，等.用于混合儲能平抑光伏波動的小波包-模糊控制[J].中國電機工程學報，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]呂超賢，李欣然，戶龍輝，等.基于小波分頻與雙層模糊控制的多類型儲能系統平滑策略[J].電力系統自動化，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]劉世林，文勁宇，孫海順.適用于風電功率調控的復合儲能系統及其控制策略[J].中國電機工程學報，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，常學飛，等.基于變權值自適應濾波的風光儲協調優化控制[J].電力建設，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，寶海龍，郭力.光儲微電網孤島系統的儲能控制策略[J].電力自動化設備，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]吳雨，潘文霞，馮蒙霜，等.基于混合儲能的微電網功率控制策略[J].電力系統及其自動化學報，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]竇鵬沖，李鵬.計及微網實時電價的并網運行控制策略[J].電網與清潔能源，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儲能系統容量優化配置[D].銀川：寧夏大學，2014. ZHU Xiangfen.Capacity optimization of hybrid energy storage on PSO algorithnm [D].Yinchuan：Ningxia University，2014.

[16]韓曉娟，陳躍燕，張浩，等.基于小波包分解的混合儲能技術在平抑風電場功率波動中的應用[J].中國電機工程學報，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，楊仁剛，等.微電網中混合儲能模糊自適應控制策略[J].電網技術，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.

(編輯 蔣毅恒)

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，主要研究方向為電力系統運行、分析與控制；

李明躍(1990)，男，碩士研究生，主要研究方向為新能源發電控制技術、儲能技術。