基于GWO优化ICEEMDAN分解的混合储能系统功率分配策略

摘要：

针对风电波动降低电网对其消纳水平的问题,设计了一种采用灰狼算法优化(Grey wolf optimizer,GWO)改进的自适应噪声的完备集成经验模态分解(Improved complete ensemble empirical mode decomposition with adaptive noise,ICEEMDAN)的混合储能系统功率分配策略.首先,以风电并网功率与原始功率的互相关系数,以及经ICEEMDAN分解获得的各固有模态函数(Intrinsic modal function,IMF)样本熵作为适应度函数,采用GWO进行ICEEMDAN算法中参数信噪比μ和高频、低频功率分量分界点k进行寻优.其次,采用ICEEMDAN分解风电功率,将低频IMF信号作为风电并网功率,高频IMF信号作为混合储能系统功率,以各相邻高频IMF信号信息熵为依据,实现混合储能系统功率的一次分配;根据超级电容的荷电状态,利用模糊控制对蓄电池、超级电容器的功率进行修正,实现混合储能系统功率的二次分配.最后,将上述平抑风电波动控制策略同其他风电平抑策略进行对比,验证了所提策略的有效性和优越性.

关键词：风电、混合储能、ICEEMDAN、灰狼优化算法、模糊控制

所属期刊栏目：17

分类号：TM911

资助基金：国网公司科技资助项目52010320019K

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：257-267