其他
《储能科学与技术》推荐:基于参数优化变分模态分解的混合储能功率分配策略
作者:高晓芝 1
单位:1. 河北科技大学电气工程学院;2. 中国特种设备检测研究院;3. 北京低碳清洁能源研究院
引用: 高晓芝,王磊,田晋等.基于参数优化变分模态分解的混合储能功率分配策略[J].储能科学与技术,2022,11(01):147-155.
DOI:10.19799/j.cnki.2095-4239.2021.0374
1 基于麻雀搜索算法优化VMD参数
1.1 VMD算法原理
VMD是一种自适应、完全递归的信号处理分析方法,通过预置模态分解个数K和二次惩罚因子α构造变分模型,随后利用迭代搜索变分模型最优解自适应匹配各IMF的最佳中心频率和有限带宽,并实现IMF的有效分离。IMF可作为调频-调幅信号,其表达式为(1) |
(2) |
(3) |
(4) |
(5) |
(6) |
1.2 麻雀搜索算法优化VMD参数
由VMD算法原理可知,在对信号分解之前要求人为预先设定模态个数K和二次惩罚项α,在传统的VMD算法中,K和α的取值不当会导致原始信号的欠分解或过分解,从而导致储能系统功率的不合理分配。因此,人为设定参数的主观性将直接影响VMD能否正确分解。将麻雀搜索算法(sparrow search algorithm, SSA)应用于VMD参数组合[K,α]的寻优能够依据信号的变化特点和复杂程度自适应地调整VMD参数K和α,从而解决依赖主观判断来确定VMD参数的问题。SSA在2020年被首次提出,是基于麻雀种群觅食和抗捕食行为的一种新型启发式算法。SSA算法借鉴麻雀的群体智慧制定相应的规则,将麻雀群体分为生产者和乞食者,通过构建数学模型计算和更新群体位置,模拟麻雀群体觅食和抗捕食行为[18]。SSA算法中生产者的位置更新如下(7) |
(8) |
(9) |
表1 SSA算法初始化参数Table 1 The parameter initialization of SSA algorithm
(10) |
(11) |
(12) |
(13) |
2 基于参数优化VMD的混合储能初级功率分配策略
2.1 风电波动功率
本文的研究对象为含混合储能的风力发电系统,其并网结构如图2所示。构成该系统的主要部分包括控制系统、风力发电系统和全钒液流电池和超级电容器组成的储能系统。控制系统负责采集风力发电功率,根据并网标准计算风电波动功率,此部分功率经VMD分解后分配给全钒液流电池和超级电容器,同时储能设备的SOC也由控制系统维持在固定区间,从而保证HESS的安全稳定运行。(14) |
2.2 混合储能功率的初级分配
经SSA优化参数的VMD算法可自适应地将(15) |
(16) |
(17) |
2.3 混合储能功率的二次分配
VMD算法和Hilbert变换实现了HESS功率的初级分配,但过度充电和过度放电会严重影响储能设备的性能和寿命,为了避免储能设备过度充电或过度放电状况的出现,其荷电状态始终应保持在一定范围内。因此,在完成HESS功率初级分配后,根据模糊控制规则对全钒液流电池和超级电容器充放电功率进行修正,完成HESS功率的二次分配,修正后的充放电功率可表示为(18) |
表2 全钒液流电池模糊控制规则Table 2 Fuzzy control rules for all vanadium redox battery
表3 超级电容器模糊控制规则Table 3 Fuzzy control rules for supercapacitor
3 算例分析
表4 全钒液流电池和超级电容器SOC模糊控制优化前后对比Table 4 The comparison before and after SOC fuzzy control optimization of all vanadium redox battery
4 结论
第一作者:高晓芝(1981—),女,博士,研究方向为新能源控制及应用等,E-mail:gaoxiaozhi@hebust.edu.cn
通讯作者:刘佳璐,高级工程师,研究方向为数学建模、人工智能及特种设备安全,E-mail:ljlalice@hotmail.com。