基于优化算法的混合储能功率分配策略_闫晓健.pdf

创新前沿科技创新与应用Technology Innovation and Application2023年6期基于优化算法的混合储能功率分配策略闫晓健，刘建业*，张鹏强，孟子涵（河北科技大学，石家庄 050000）随着人口的不断增长，分布式电源（distributedgeneration，DG）得到了广泛的应用和研究。其中，光能作为新世纪一种取之不尽的清洁绿色可再生的能源得到了人们的重点关注和应用研究。但是随着研究的深入，一系列的问题也逐渐凸显出来。尤其是光伏发电中的功率波动冲击大电网，从而影响整个电网的稳定。因此，对光伏发电采用储能进行功率平抑的研究具有重要意义。混合储能（HESS）系统是继单一储能系统后的一种新的储能方式1，利用功率型储能和能量型储能之间进行缺点互补，相比单一的混合储能能够更加快速地吸收或者释放功率，有效地对功率波动进行平抑。在提升混合储能快速响应能力以及优化经济性上，前人采用了多种方法对分布式发电中混合储能进行了功率分配，有早期的低/高通滤波法、阈值规则控制法和智能控制法等，在优化了储能路线的基础上使其混合储能表现出了更大的容量及更好的功率特性1-3。阈值规则控制法是在储能功率分配时规定一个阈值，如果储能单元中的某一参数大于或小于该阈值时储能单元进行动作。文献1在解决充放电容量积累影响储能性能的问题上构造了二阶滤波传递函数并研究了二阶高频滤波面对高频功率时的积分作用，克服了一阶低通滤波（LPF）的积分作用，提高了超级电容的性能。文献3设计了一种基于混合储能荷电状态的分层控制策略，很好地平滑了风电系统的出力，同时双级电池与单极电池相比延长了电池的寿命。文献4利用欧拉算法和改进的布谷鸟算法对变分模态分解（VMD）进行了优化，并用于光伏发电中的混合储能容量配置，得到了满足储能以及并网要求的储能容量配置方法。文献5提出了一种基于超级电容荷电状态的 LPF 滤波系数修正方法，并实验验证该方法的有效性。文献6提出了一种基于小波分解的控制策略，可以动态调整功率的分摘要：在分布式发电中，风力、光伏发电具有功率波动的特性。针对光伏发电中的功率不稳定特性，为减少光伏发电的出力波动，该文采用混合储能（HESS）来平抑光伏功率，并提出一种基于参数优化的变分模态分解（Variational Mode Decomposition，VMD）算法的二次功率分配策略。采用 AOA 算法对 VMD 算法中分解模态数（k）和二次惩罚因子（）进行优化，分别取分析信号适当的高频和低频部分分给能量型储能和功率型储能进行平抑。仿真表明此功率分配方法优于低通滤波功率分配。关键词：混合储能；功率分配；变分模态分解；光伏发电；优化算法中图分类号：TM73文献标志码：A文章编号：2095-2945（2023）06-0013-06Abstract:In distributed power generation,wind power and photovoltaic power generation have the characteristics of powerfluctuation.In view of the power instability in photovoltaic power generation,in order to reduce the output fluctuation ofphotovoltaic power generation,hybrid energy storage system(HESS)is used to stabilize photovoltaic power,and a secondary powerallocation strategy using variational mode decomposition(VMD)algorithm based on parameter optimization is proposed.The AOAalgorithm is used to optimize the decomposition mode number(k)and the quadratic penalty factor()in the VMD algorithm,andthe appropriate high-frequency and low-frequency parts of the analysis signal are allocated to energy storage and power energystorage for stabilization.Simulation results show that this power allocation method is better than low-pass filter power allocation.Keywords:hybridenergystorage;powerdistribution;variationalmodedecomposition;photovoltaicpowergeneration;optimization algorithm第一作者简介：闫晓健（1996-），男，硕士研究生。研究方向为混合储能微电网控制策略。*通信作者：刘建业（1965-），男，硕士，教授，硕士研究生导师。研究方向为新能源及分布式微网交、直流柔性输电技术。DOI：10.19981/j.CN23-1581/G3.2023.06.00313-2023年6期创新前沿科技创新与应用Technology Innovation and Application配，在满足并网的同时降低了风电功率的波动性，但使用小波分解对基函数的选择有很强的依赖性。文献7-8将风电输出功率采用（EMD）算法经过滤波后次低频和中高频分别由蓄电池和超级电容吸收平抑，而低频分量实现并网，但此算法存在模态混叠和端点效应的缺点。综上，本文提出了一种参数优化的 VMD 变分模态分解用来对光伏发电进行功率二次分配，实现了智能算法的普遍适用性。首先对光伏发电进行 MPPT 最大功率点跟踪，然后采用滑动平均法滤波，对功率进行第一次分配，计算出混合储能需要平抑的功率，再通过优化的 VMD 算法对功率进行二次分配，得到能量型储能和功率型储能所需要不同的频率。1光储微电网系统拓扑结构1.1系统拓扑结构光储发电系统主要是由光伏发电板、控制器、逆变器及储能系统组成。光伏发电总体结构如图 1 所示。图1光储发电结构光伏系统通过 DC/DC 与母线连接，功率通过 DC/DC 和 DC/AC 分别与不同的负载和电网连接，并且通过双向 DC/DC 和储能设备连接，通过储能保持了整个微电网的稳定。在光伏系统中，混合储能的系统参考功率信号为 Pbat+Psc=Pv-Pload，Pv为光伏发出的功率，Pload为负载消耗的功率，通过对混合储能充放电功率的分配来使整个系统保持稳定的运行。1.2MPPT最大功率点跟踪由于光伏发电受到环境温度、光照强度等因素的影响，对直流母线的稳定非常不利，因此需要对光伏发电进行最大功率点跟踪。通常的最大功率点跟踪方法有电导增量法、扰动观察法和恒压法等9。本文采用了扰动观察法进行 MPPT 最大功率点跟踪。此方法是在一个周期内，对光伏输出电压 U 以预先设置的扰动步长和频率 f 进行扰动，通过计算得到扰动后的功率值 P对比判断下一次的扰动，此方法是从最开始的状态开始，通过不断增加减少调整信号的值来判断下一次的输出方向，通过输出方向得到本时刻的运行结果，然后再对下一次输入的方向进行判断，形成自我循环，从而使得扰动到达最大功率点附近。其与光伏的拓扑结构如图 2 所示。图2光伏MPPT拓扑结构本文采用的扰动观察法比较简单且易于实现，根据仿真得到了很好的跟踪功率，具体仿真结果见算例。2优化的变分模态分解算法2.1变分模态分解原理变分模态分解（Variational Mode Decomposition，VMD）是由 UCLA 的 Dragomiretskiy 等提出的一种新的时频分析方法，能够对非线性非平稳信号进行有效的分析和处理10，能够将多分量的信号一次分解为多个单分量调幅调频信号，避免了在迭代过程中出现的端点效应和虚假分量问题，能够改善 EMD 分解中出现的混叠现象4。变分模态分解算法主要是通过迭代搜索变分模型最优解，来确定信号的本征模态数（IntrinsicMode Functions，IMFs）以及相对应的中心频率和带宽。具体表达式为pk（t）AK（t）cosk（t），（1）k（t）=dk（t）/dt，（2）式中：AK（t）为信号的瞬时幅值；k（t）为信号的相位；k（t）为信号的瞬时频率；pk（t）是幅值为 AK（t），频率为 k（t）的谐波信号，其中 k1，2，3，4，K。首先利用 Hilbert 变换以及对应的指数模态混叠计算相关信号得到了单侧的频谱，同时加入了修正系数 ejkt，利用其梯度的平方可计算得到 pk（t）的带宽，其约束条件的变分问题为，（3）()-22,min*().()?jtkukkkjtp tetstuf t+=母线DC/DC太阳能板MPPT大电网交流负载直流负载DC/ACDC/ACDC/DCDC/DCDC/DCDC/DC母线光伏发电蓄电池超级电容14-创新前沿科技创新与应用Technology Innovation and Application2023年6期式中：uk=u1，uk 为所有子模态的集合；k=1，k为相应中心频率的集合；（t）为脉冲函数；*为卷积的符号；ejkt为中心频率在复平面上的相量描述。变分模态可分为构造和分解 2 部分，为了使约束性问题转变为非约束性问题，在分解过程中引入了可以保证信号的重构精度的惩罚因子 和可以保持约束条件严格性的拉格朗日乘子。采用惩罚因子 交替的方向，通过对 un+1k、n+1k及 n+1k（n 为迭代次数）来寻求拉格朗日的最优解，其表达式为，（4）式中：k1k；iui（t）=ikuin+1（t）；X 为谐波信号的所有集合。通过 Fourier 变换可更新到最新的频域，表达式为式中：f?（）为 f（t）所对应的 Fourier 变换；为随机频率。将上式中第一项的变量 用-（k）代替，并且将其转换为非负频率区间积分的形式，最终可以求得更新后的子模态以及其对应的中心频率分别为式（6）和式（7）式中：u?n+1k（）为当前剩余量；f?（）iku?i（）为维纳滤波；n+1k为模态的中心频率。由此可见，在变分模态分解中，最重要的参数就是变分模态的个数（k）和惩罚因子。其能够影响信号在经过变分模态分解后的最佳中心频率信号的长度，反应 IMF 的频率特征，进而影响变分模态分解的结果。VMD 算法的具体流程图如图 3 所示。图3变分模态算法流程图2.2AOA优化的变分模态分解算术优化算法（Arithmetic Optimization Algorithm，AOA）是一种根据算术操作符的分布特性实现全局寻优的元启发式优化算法，具有收敛速度快、精度高等特点。算术优化算法包括 3 个阶段，分别为搜索阶段、探索阶段及开发阶段。在搜索阶段时，将计算 MathOptimizer Accelerated（MOA）作为条件，当 r1MOA 时，AOA 进行全局搜索；当 r1MOA时，AOA 进入局部开发阶段。表达式为当 AOA 进入全局搜索时，可通过乘法运算和除法运算来实现。当 r20.5 时，执行的是除法搜索策略，当r20.5 时，执行的是乘法搜索策略。其位置更新公式如下式中：r20，1；为调整搜索过程的控制参数；为极小值。数学优化器概率如下?|()*()|argmin()|()()|2?jtp tetutf tu t?+=+-+()()()221?uX22?1?argmin?()?()()2?kkkknkuiijuufu+=+-+、，（5）12?()?()()2?()12()ini kkkfuu +-+=+-21020?()?()k