基于正向和反向滤波器并行性和二维高斯函数，用于平滑风电波动的双重SSB蓄电池能量储存的两层协调控制策略
2026-07-20 08:06:23 点击：次
在平滑风电波动的过程中，双电池储能系统（DBESS）常因电放电失衡而处于极端电荷状态（SOC），加速电池劣化并削弱功率波动吸收能力。此外，滤波过程中的相位滞后导致DBESS输出额外的功率。为解决这些问题，本文提出了一种两层控制策略，用于平滑风电波动。首先，设计一种基于正向和反向滤波器并行（FRFP）的一阶低通滤波器（LPF）。通过同时进行正向和反向滤波，共轭相位响应抵消相位滞后，提升幅度响应，从而减少不必要的DBESS功率输出。其次，基于LPF重现表达函数的初始状态估计仅在风电波动超过极限时激活FRFP滤波，结合自适应窗口机制进一步减少预测误差，减轻能源调度负担。第三，两个状态参数描述电池组与其残余容量之间的相对SOC差异。因此，二维高斯函数（TDGF）动态调节DBESS功率输出，以避免极端的SOC并保持涨落吸收能力。最后，考虑到风电网连接的限制，引入了SOC不平衡期间最小功率输出的方法，以抑制进一步的发散。案例研究展示了该策略的有效性和优越性。
风能对全球能源转型至关重要，预计到2030年累计新增装机量将达到982吉瓦[1]。鉴于风能的波动，储能系统（ESS）实现了削峰和谷地填充，因此成为主要研究重点[2]， [3]， [4]。
一方面，ESS的功率输出命令是通过风电（WP）的滤波处理得出的。[5]、[6]采用了一阶高通/低通滤波器，ESS通过补偿滤波后的分量，实现WP的平滑栅极积分。然而，滤波器的相位滞后会导致ESS输出功率增加。[7]提出了隐马尔可夫跳跃系统建模方法，该方法有效捕捉了随机扰动下的多模跳跃，并引入异步滑动模式观察器，通过实时状态估计和模态错配补偿，为相位滞后缓解提供了稳健的框架。[8]、[9]、[10]从高阶高通滤波器转变为二阶高通滤波器，进一步发展到复杂的Savitzky–Golay滤波器，这些滤波器缓解了相位滞后问题，但未能解决。将WP数据视为数字信号，[11]、[12]采用了小波分组分解，显著降低了数据处理延迟，尽管效果取决于小波基的选择。变分模式分解难以适应风能数据处理中的瞬态脉冲[13]。因果滤波形式难以处理相位滞后。[14]将机器学习与移动平均滤波结合，显著降低了滤波器延迟。[15]、[16]、[17]在正向和反向滤波（FRF）框架内构建了一个非因果滤波器以实现零相位滤波，但不适合实时应用。虽然[18]在集成风能储能系统中应用了FRF，但它并未解决实时实现。[19] 结合了FRF与功率预测，实现了实时零相滤波，但并未专门应用于风电数据。这些级联的FRF滤波器与ESS缺乏协调，连续的两级滤波可能导致过度平滑，从而增加ESS功率输出。
另一方面，当ESS补偿滤波元件时，必须考虑SOC控制。[20]、[21]采用结合电池和超级电容器的混合储能系统，而[22]则采用电池-飞轮混合储能。电池和超级电容器/飞轮可以补偿不同频率的电源元件，保持ESS的良好SOC。然而，超级电容器和飞轮的高自放电率、低能量密度和高成本限制了其实际应用[23]。[24]、[25]、[26]采用了双电池储能系统，两个电池组独立处理充电和放电任务，避免频繁变化电池工作状态，延长使用寿命。然而，两组电池组的相互依赖切换及其相反的SOC趋势，在平衡其SOC水平方面带来了挑战。[27]引入了一种无模型的固定时间控制策略预测，通过固定时间稳定机制确保规定时间收敛，并提出了饱和函数和延迟补偿技术，为在受限条件下实现DBESS中快速且稳健的SOC平衡提供了关键参考。[28]提出了一种可变时间常数策略（VTCS），以防止由于两块电池组之间充放电功率不平衡导致的极端SOC条件。由于滤波器输出与时间常数之间的非线性关系，时间常数的增量变化会导致ESS充放电功率调整不平衡，导致ESS频繁激活。[29]引入了基于逻辑函数（LDRS）的动态范围调整策略，进一步考虑频繁电池激活引起的寿命退化。然而，ESS功率输出的微调会延长电池在极端SOC下工作的持续时间。LDRS缺乏极端SOC抑制策略，且由于依赖近零相位移动平均滤波（NZPMAF）过程，应用上有一定限制。现有的双电池SOC平衡策略难以同时减轻电池寿命的损耗和保持功率波动吸收能力。
本文提出了FRFP-TDGF两层策略，用于解决DBESS中风电涨落平滑中的滤波器相位延迟和SOC失衡问题。在风电滤波中，FRFP采用同时的正向和反向滤波，通过共轭相位响应来改善FRF幅度响应，同时消除滤波器的相位滞后。模拟结果显示，FRFP由于幅度响应增强，总功率输出降低约25%。基于LPF的FRFP通过输出反馈引入惯性约束，提供更平稳的功率指令，并在风电斜坡中比NZPMAF更有效地减少对ESS的功率影响。在SOC控制中，TDGF的工作范围基于两块电池组的相对SOC水平来设定。通过整合实时运行状态和容量参数，TDGF动态评估两组之间的SoC平衡，并相应调整功率输出。与将工作范围固定在预定SOC间隔的传统控制策略相比，TDGF实现了更灵活、更可靠的能量调度。本文的贡献如下：
简介
一方面，ESS的功率输出命令是通过风电（WP）的滤波处理得出的。[5]、[6]采用了一阶高通/低通滤波器，ESS通过补偿滤波后的分量，实现WP的平滑栅极积分。然而，滤波器的相位滞后会导致ESS输出功率增加。[7]提出了隐马尔可夫跳跃系统建模方法，该方法有效捕捉了随机扰动下的多模跳跃，并引入异步滑动模式观察器，通过实时状态估计和模态错配补偿，为相位滞后缓解提供了稳健的框架。[8]、[9]、[10]从高阶高通滤波器转变为二阶高通滤波器，进一步发展到复杂的Savitzky–Golay滤波器，这些滤波器缓解了相位滞后问题，但未能解决。将WP数据视为数字信号，[11]、[12]采用了小波分组分解，显著降低了数据处理延迟，尽管效果取决于小波基的选择。变分模式分解难以适应风能数据处理中的瞬态脉冲[13]。因果滤波形式难以处理相位滞后。[14]将机器学习与移动平均滤波结合，显著降低了滤波器延迟。[15]、[16]、[17]在正向和反向滤波（FRF）框架内构建了一个非因果滤波器以实现零相位滤波，但不适合实时应用。虽然[18]在集成风能储能系统中应用了FRF，但它并未解决实时实现。[19] 结合了FRF与功率预测，实现了实时零相滤波，但并未专门应用于风电数据。这些级联的FRF滤波器与ESS缺乏协调，连续的两级滤波可能导致过度平滑，从而增加ESS功率输出。
另一方面，当ESS补偿滤波元件时，必须考虑SOC控制。[20]、[21]采用结合电池和超级电容器的混合储能系统，而[22]则采用电池-飞轮混合储能。电池和超级电容器/飞轮可以补偿不同频率的电源元件，保持ESS的良好SOC。然而，超级电容器和飞轮的高自放电率、低能量密度和高成本限制了其实际应用[23]。[24]、[25]、[26]采用了双电池储能系统，两个电池组独立处理充电和放电任务，避免频繁变化电池工作状态，延长使用寿命。然而，两组电池组的相互依赖切换及其相反的SOC趋势，在平衡其SOC水平方面带来了挑战。[27]引入了一种无模型的固定时间控制策略预测，通过固定时间稳定机制确保规定时间收敛，并提出了饱和函数和延迟补偿技术，为在受限条件下实现DBESS中快速且稳健的SOC平衡提供了关键参考。[28]提出了一种可变时间常数策略（VTCS），以防止由于两块电池组之间充放电功率不平衡导致的极端SOC条件。由于滤波器输出与时间常数之间的非线性关系，时间常数的增量变化会导致ESS充放电功率调整不平衡，导致ESS频繁激活。[29]引入了基于逻辑函数（LDRS）的动态范围调整策略，进一步考虑频繁电池激活引起的寿命退化。然而，ESS功率输出的微调会延长电池在极端SOC下工作的持续时间。LDRS缺乏极端SOC抑制策略，且由于依赖近零相位移动平均滤波（NZPMAF）过程，应用上有一定限制。现有的双电池SOC平衡策略难以同时减轻电池寿命的损耗和保持功率波动吸收能力。
本文提出了FRFP-TDGF两层策略，用于解决DBESS中风电涨落平滑中的滤波器相位延迟和SOC失衡问题。在风电滤波中，FRFP采用同时的正向和反向滤波，通过共轭相位响应来改善FRF幅度响应，同时消除滤波器的相位滞后。模拟结果显示，FRFP由于幅度响应增强，总功率输出降低约25%。基于LPF的FRFP通过输出反馈引入惯性约束，提供更平稳的功率指令，并在风电斜坡中比NZPMAF更有效地减少对ESS的功率影响。在SOC控制中，TDGF的工作范围基于两块电池组的相对SOC水平来设定。通过整合实时运行状态和容量参数，TDGF动态评估两组之间的SoC平衡，并相应调整功率输出。与将工作范围固定在预定SOC间隔的传统控制策略相比，TDGF实现了更灵活、更可靠的能量调度。本文的贡献如下：
- 1)
提出了一种适用于风电波动平滑场景的FRFP策略，解决了相位滞后问题并改善滤波过程的振幅响应。风电数据处理通过设计的低功率电力实现; - 2)
初始状态估计函数集成于FRFP中，实现灵活激活，并结合自适应窗口机制处理不必要ESS功率输出及预测误差引起的变化; - 3)
提出了TDGF控制策略，即两组电池组不同的SOC水平共同决定ESS功率输出的调整，从而实现更灵活可靠的SOC平衡，避免在极端SOC下长时间运行; - 4)
在TDGF基础上补充了最小功率输出方法，进一步抑制了电池组间SOC不平衡的加剧，并降低了DBESS的功率输出。