基于改进NSGA2算法的混合储能系统容量优化配置

，，

(福州大学电气工程与自动化学院，福建 福州 350116)

1 引言

由于风电具有间歇性和随机性的特点，直接并网运行的风电系统会对电力系统的安全性、稳定性等方面造成冲击和影响[1]。很多国家制定了严格的风电并网相关标准[2]，使得风电功率波动等参数满足并网要求。然而，这样在限制风电并网波动性的同时，也限制了风电的装机容量，降低了风电资源的利用率。储能系统能够快速准确地补偿系统所需的能量，实现电能的平衡、稳定控制；采用储能系统与风电系统相结合，使风电输出功率趋于平稳，是解决风电功率波动的可行性方案之一。然而单一的储能介质无法同时满足功率和能量需求，采用混合储能技术往往能达到较好的效果[3]。将功率型的超级电容器与能量型的蓄电池混合使用可以提高储能装置的平抑风电功率的能力，降低损耗，提高系统的使用寿命[4]。因此，将混合储能系统应用于风力发电系统，具有较大的技术经济优势，是抑制风电功率波动的有效手段。

目前，已有不少文献研究将混合储能系统运用于平抑风电波动功率的领域。文献[5]采用高通滤波控制方式，分解得到储能系统各储能介质之间功率指令；根据锂电池充放电状态，制定了超级电容状态调整方法以优化系统整体的调节能力。文献[6]利用超级电容快速充电的工作特性，采用下垂控制方法保持母线电压稳定；根据超级电容的端电压水平，令蓄电池对超级电容进行补偿，保持超级电容的能量平衡。文献[7]通过双向半桥变换器将蓄电池与超级电容连接到直流母线上构成混合储能系统，蓄电池稳定直流母线电压，承担波动功率的低频分量；超级电容迅速提供负载波动功率高频分量，抑制负载突变对直流母线造成的冲击。文献[8]基于超级电容能快速充放电的特点，设计了阶梯快速设备；并与能量型的锂电池结合，设计实现了阶梯式快速混合储能系统。文献[9]风电输出功率通过一阶滤波环节之后，分解得到超级电容和蓄电池的功率；通过基于神经网络的混合储能系统的能量管理系统，动态调整了两个储能介质的充放电功率指令，使混合储能系统能处在良好的运行状态。文献[10]根据超级电容和电池的充放电特性，采用低通滤波方法进行功率分配。考虑到混合储能系统的功率损耗，制定了并网功率调节模块，实时调节混合储能系统的能量状态。为了保证超级电容充放电能力，对混合储能的功率进行再分配，维持超级电容荷电状态处于较优水平。

在混合储能系统容量配置方面，文献[11]以波动量绝对值的均值、方差、波动范围作为风电功率平滑效果的评价指标，在不同置信水平下，对混合储能系统的容量进行配置。文献[12]基于实时的风电输出功率数据，采用低通滤波方法分解风电功率，并分析了不同的滤波时间系数对风电波动平抑效果造成的影响；在评价混合储能系统平抑风电的效果时，提出了功率积分时间尺度和标准差两个评价指标。文献[13]根据全寿命理论，考虑到系统的实时荷电状态、负荷缺电率和系统自主运行能力等约束，建立混合储能系统的数学模型，并用改进的粒子群算法对模型进行求解。文献[14]以系统能量损失率及能量缺失率等运行指标为约束条件，根据全生命周期费用理论，建立储能装置的年均费用函数为目标函数，运用改进混沌优化算法对混合储能系统的容量进行配置。文献[15]考虑储能系统的充放电效率和荷电状态，配置不同储能组合方案下各储能的功率和容量；同时构建HESS的成本效益模型，优化配置混合储能系统的容量。

上述文献对混合储能应用于平抑风电功率波动的控制策略及容量配置展开研究并取得了一定成果。其中，混合储能系统的协调控制策略主要体现在频域的滤波方式，容量配置主要建立在单目标函数模型基础上的容量优化配置。基于此，本文采用超级电容优先充放电，当超级电容不能再充放电时，再令蓄电池在进行充放电的控制方式，避免滤波方式的时延及分解功率分量不一致等问题。考虑到混合储能系统的容量配置问题，建立了以混合储能系统的成本、风电功率输出平滑率以及蓄电池的充放电次数为目标的混合储能系统多目标容量配置模型；针对传统优化算法的目标权重人为选择及常规NSGA2算法的局部收敛等问题，将改进NSGA2算法用于混合储能系统容量的多目标优化配置，为决策者提供多种容量配置方案。通过模糊隶属决策方法，得到最佳的容量配置方案。

2 混合储能平抑目标及控制策略

2.1 混合储能系统拓扑结构

风能具有的随机性和波动性，使得风电输出功率波动较大，直接并网势必对电网的电能质量以及调度等方面造成不利影响。在风电侧接入混合储能系统，可以有效地抑制风电的波动性，使得风电并网功率满足要求。采用的混合储能系统拓扑结构决定了对各储能介质的控制作用，影响着对风电波动功率的平抑效果。本文的混合储能系统主要由超级电容、蓄电池、DC-DC变换器、DC-AC逆变器以及变压器组成。根据超级电容和蓄电池的工作特性，混合储能系统主要的拓扑结构有3种，如图1所示。

图1(a)中这种分别通过两个DC/DC变换器的控制，从而实现控制两种储能介质运行状态的拓扑结构，对混合储能系统的能量管理更加灵活，有较明显的技术优势。但增加了一个DC/DC变换器，混合储能系统成本较高，损耗也比较大。图1(b)中该拓扑结构充分利用超级电容反映速度快的特性，瞬时保持母线电压平衡，且通过控制双向DC/DC变换器，优化蓄电池组的运行状态，但这种拓扑结构要严格控制直流母线电压的水平，需要较大的超级电容容量。图1(c)中蓄电池直接接到直流母线上，蓄电池的充放电状态不可控，蓄电池的荷电状态取决于直流母线电压大小，直流母线电压必须维持在给定的范围内，系统运行受到了限制。

图1 3种典型的混合储能系统拓扑结构

基于以上分析，本文采用图1中的(a)图作为本文的混合储能系统的拓扑结构，则风电混合储能系统的拓扑结构如图2所示。超级电容和蓄电池分别通过直流变换器连接到逆变器，通过逆变器将混合储能系统接入电网。

2.2 混合储能系统模型研究

蓄电池的电路模型由可控电压源与等效电阻串联组成。

图2 蓄电池的电路模型

其中，E可控电压源端电压；IBat为蓄电池端电流；R为等效电阻；SOC0为初始荷电状态；Q为电池容量。

蓄电池输出端口电压U及荷电状态SOC方程为：

U=E-iBatR

蓄电池充放电过程中可控电压源端电压的表达式如下：

式中：E0为电池标准电压；Q为电池容量；K为极化电压；A为曲线峰值电压；B为曲线时间常数。

与普通的电容器相比，超级电容器的内部结构和工作原理比较复杂。为了更加精确的描述超级电容的工作特性，本文采用传统的RC等效模型，作为本文的超级电容等效模型，其等效电路如图3所示。

图3=超级电容RC模型等效电路

在图3中，RC等效模型由电阻RES和一个电容C串联构成。其中，U为超级电容器端电压，UC为电容器端电压，iSC为超级电容器的充放电电流，RES为超级电容等效电阻，C为超级电容实际电容值。设U0为电容器的初始电压，则超级电容在充放电工程中，其两端电压U的大小可由下式确定：

设Umax、Umin分别为超级电容器的最大和最小端电压值，则超级电容器的荷电状态SOC及其储存的能量ESC为：

2.3 混合储能系统功率目标

2.3.1 风电波动功率

由于风能的间歇性和随机性，风电输出功率往往不满足国家并网要求， 我国国家的并网要求如下表所示。

表1 风电场输出功率变化最大限值

以某风电场典型天的历史数据为例，验证对风电输出功率平抑的必要性。

图4

对图4的风电输出功率的波动特性进行分析可知，风电输出功率30min的波动量是满足要求，但1min的功率波动有一部分超出了国家风电并网要求的4.95MW。因此，有必要采取措施，减小风电并入电网功率的波动量。

2.3.2 基于风电并网标准的风电实时平抑方法

本文采用以风电并网标准为依据，对风电场输出功率为PWind进行分解的方法，即规定风电场输出功率1min波动不超过风电场装机容量的2%，30min不超过风电场装机容量的10%，得到需要混合储能系统平抑的功率PHyond和满足要求的风电并网功率PGrid。如图6所示。

采样时间设置为1s，仿真时间以1min时间窗向前滚动，假设当前时间为t0，且t0在之前的波动满足并网要求，即以t0为终点，时间尺度为1min的功率波动量为ΔPt01min=Pt0Max-Pt0Min满足ΔPt01min≤ΔPMax，其中Pt0Max，Pt0Min分别为[t0-60,t0]时间内功率最大值和最小值。当时间为t0+1时，若输出功率为图中A点时，此时在以t0+1为终点的以1min时间窗内的功率变化量ΔPt0+1min≤ΔPMax，风电输出功率满足要求，此时混合储能系统的不出力；若输出功率为图中B、C点时，显然以t0+1为终点的以1min时间窗内的功率变化量ΔPt0+1min>ΔPMax，需要混合储能系统平抑剩余的功率；在B点输出功率为PHybrid=PB-Pt0Max，C点为PHybrid=Pt0Min-PC，此时t0+1时刻的功率分别为Pt0Max和Pt0Min。

图5

图6 1min风电场输出功率分解图

小波包分解方法

基于以上对风电输出功率的分析，即风电输出功率两个时间尺度不满足国家风电并网并网的要求和0.01Hz以上频段的波动功率对电网的影响显著，必须采用相应的控制方法来平滑风电并网功率。基于小波包分解方法的特点，本文采用基于db9小波函数对风电原始输出数据，设其数据为L，对其进行7层的小波包分解。经过7层的小波包分解后，得到27了个功率信号，即低频的功率信号为L7.0，高频的功率信号为L7,i，其中i=1…127。本文选取了部分的功率信号对其进行分析，如图7所示。

图7 平抑后混合储能功率曲线

2.4 混合储能分解方法

图8为滤波器分解方法对混合储能功率目标 进行分解图。该分解方法能够根据各储能元件的特点，将高频低能量的波动功率分配给功率型储能元件，低频高能量的波动功率，由能量型的储能元件承担。

图8 低通滤波分解方法

3 算例分析

3.1 混合储能系统容量配置

本文采用Matlab/simulink进行仿真分析，49.5MW风电场功率输出样本数据的时间选取为5h；对于49.5MW的风电场，超级电容和蓄电池的功率都应该小于49.5MW，即PSCrated∈[-49.5,49.5]，PBatrated∈[-49.5,49.5]；超级电容和蓄电池的额定容量都应该小于247.5MWh，即QSCrated∈[0,247.5]，QBatrated∈[0,247.5]。其他参数[19]设置如表2所示。

表2 混合储能系统仿真参数设置

基于混合储能系统的协调控制策略，采用上述改进的NSGA2算法对混合储能系统的多目标优化模型进行求解,得到混合储能系统的优化配置容量。设置改进NSGA2算法进化代数为200，种群的种群个数数目为50个；并网平滑率反映剩余功率的大小，其值不应太大，设置区间为[0,0.2]，则混合储能系统的多目标优化配置pareto解集的空间分布情况如图9所示。

图9 混合储能多目标容量优化配置结果

由图9可知，两种算法的pareto解集在空间上分布均匀，改进的NSGA2算法混合储能系统的容量配置结果在常规的NSGA2算法曲线下方。相比于常规的NSGA2算法，改进的NSGA2算法在成本相同的情况下，允许的并网平滑波动率和蓄电池的充放电次数较大。在平滑波动率和蓄电池的充放电次数相同的情况下，混合储能系统成本较小；因此，本文采用的改进NSGA2算法能从不同角度为相关决策人员提供多目标的优化方案，且优化的结果更优。

采用模糊隶属决策方法，得到两种算法对混合储能系统容量配置的满意度，优化出最大满意度的优化方案，如表3所示。

表3 混合储能系统容量配置对比

表3给出的最终优化方案反映了采用改进的NSGA2算法优化出的满意度要比常规NSGA2算法的高，不仅保证了混合储能系统的经济性，同时也兼顾了并网波动性，降低蓄电池充放电次数，整体优化结果更为合理。

4 结论

针对混合储能系统的容量配置问题，建立了以混合储能系统的成本、风电功率输出平滑率以及蓄电池的充放电次数为目标的混合储能系统多目标容量配置模型，并将改进的NSGA2算法用于混合储能系统容量的优化配置。该方法为决策人员提供多种容量配置方案，且优化结果更为理想,有助于实际工程应用。