[0001] 本发明涉及一种电‑氢混合储能优化配置方法，属于储能规划技术领域。

[0002] 随着清洁能源建设工作的高速进行，新型电力系统的源荷侧不确定性给系统快速平衡带来了较大挑战，新能源就地就近消纳需得到充分保障。储能技术由于具有时空平移特性，可以配合调度指令实现调峰调频、电能质量治理等，因此是可促进分布式电源就地消纳的典型灵活性可调节资源。按充放电性能特征，储能技术通常可分为功率型和能量型储能，常见的电化学储能，其功率密度高、响应速度快，因此可执行短时间尺度的调峰调频任务，但是却存在明显的储能容量、充放周期受限的问题。

[0003] 氢能作为一种清洁、高热值的二次能源，它的发展可加速推进工业、建筑、交通领域的低碳化。氢储能对比电化学储能，具备能量密度、充放周期及储能容量上的优势。考虑电解水制氢应用，由电解槽和燃料电池共同组成的氢储能系统，将与电化学储能形成良好的功率密度互补关系，可共同形成更长时间尺度范围的充放策略。

[0004] 目前，混合储能系统领域已展开的研究，通常在固定的目标功率下基于分频补偿算法进行混合储能功率分配，但是传统的经验模态分解(EMD)算法所求得的原始数据包络线无法将所有数据点严密包裹，以此包络线求取的均值曲线存在较大偏差，从而易导致过度筛选以及模态混叠效应。此外，仍鲜见混合储能与电解槽进行联合优化决策的研究，且现有研究对氢储能和电化学储能的运行的互补特性仍考虑不足。

[0101] 下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

[0102] 下面结合附图对本发明的应用原理作详细的描述。

[0103] 实施例1

[0104] 如图1所示，本发明实施例提供一种电‑氢混合储能优化配置方法，包括如下步骤：

[0105] S01：获取风电功率信号，对所述风电功率信号进行分解，得到风电功率信号的分解结果；

[0106] S02：对所述分解结果进行重构得到风电功率的直接并网分量和储能平抑分量；

[0107] S03：基于风电功率的直接并网分量和储能平抑分量，以风电功率储能平抑和混合储能系统综合成本最低为目标，建立电‑氢混合储能容量配置模型，并确定所述电‑氢混合储能容量配置模型的运行优化约束集，得到电‑氢混合储能优化配置策略；

[0108] S04：根据电解槽运行特性，设置电‑氢混合储能的互补机制；

[0109] S05：基于电‑氢混合储能优化配置策略和所述互补机制，对风电场系统进行时序模拟仿真得到模拟仿真结果，并根据模拟仿真结果和互补机制计算电储能利用率和氢储能利用率；

[0110] 其中，直接并网分量直接并入电网，储能平抑分量需要经过混合储能系统进行储能平抑后才能接入电网；

[0111] 本发明提出的电‑氢混合储能优化配置方法，能够精确分解求取风电功率信号的高、低频分量，并且结合电解槽的运行特性的互补机制，得到具有风电波动平抑优势的电‑氢混合储能优化配置结果，提高电储能和氢储能的利用率和耦合程度，为地区储能规划提供参考，提高了储能配置经济性。

[0112] 在本实施例中，步骤S01中风电功率信号的分解结果获取步骤，包括如下：

[0113] S11：获取风电功率数据PWT，or；

[0114] S12：基于风电功率数据PWT，or得到风电功率曲线；

[0115] S13：基于风电功率曲线，得出风电功率曲线上的所有功率极值点PWT，ex和零点PWT，zp，构成零极值点序列，并根据零极值点序列，得到风电功率包络线；其中，零极值点序列包括风电功率曲线上的按时间顺序排列的所有功率极值点PWT，ex和零点PWT，zp；

[0116] S14：基于所述零极值点序列，对相邻零极值点e(ti)、e(ti+1)间数据点构建的邻域构建多个领域，并利用积分中值定理得到各领域均值，构成领域均值序列，公式如下：

[0117]

[0118] 式中，sj(tδ)表示领域均值， δ＝1,2,…,k表示领域均值个数，j＝1，2，…，n表示零极值点的个数，ti表示时间节点i。

[0119] S15：对领域均值序列中的相邻领域均值sj，sj+1进行加权平均处理，得到多个局部均值sn(ti)，构成局部均值序列，局部均值sn(ti)公式如下：

[0120] sn(ti)＝d(ti)×sj+d(ti+1)×sj+1；

[0121] 式中， 为运用相似梯形准则计算求得；

[0122] S16：对局部均值序列进行三次样条插值拟合成局部均值曲线AWT；

[0123] S17：基于局部均值曲线AWT和风电功率数据的上下包络线，计算风电功率的时序值与局部均值的功率差值SWT,n，得到差值序列；

[0124] S18：判断是否满足预设条件，所述所述预设条件为包络线上下时序均值为0，且功率曲线的极值点与零点之间数量差小于1；

[0125] 若满足预设条件，则将功率差值SWT,n作为风电功率信号的一阶高频分量w1,n，并基于一阶高频分量w1,n得到风电功率信号的分解结果，所述分解结果包括n阶IMF分量和残余分量；

[0126] 若不满足预设条件，则令风电功率数据更新为差值序列，重复步骤S12至S17，直到满足预设条件。

[0127] 具体的，基于一阶高频分量w1,n得到风电功率信号的分解结果，具体包括：

[0128] 求风电功率信号PWT,n与w1,n之差D1,n：

[0129] D1,n＝PWT,n‑w1,n

[0130] 对D1,n进行分解循环，得到风电功率信号的x阶分量wx,n，公式如下：

[0131]

[0132] 当|Dx,n|的值很小时终止循环，Dx,n为分解后的残余分量；经循环，记风电功率信号为：

[0133]

[0134] 在本实施例中，步骤S02中对所述分解结果进行重构得到风电功率直接并网的低频分量和储能平抑的高频分量，具体步骤如下：

[0135] 将各阶IMF分量从高频到低频按序相加，得到n+1阶风电功率高频重构分量，公式如下：

[0136]

[0137] 其中：fh(n)表示第n阶高频重构分量；res为残余分量；IMFI至IMFn表示从高频到低频的n阶IMF分量；

[0138] 将各阶IMF分量从低频到高频按序相加，得到n+1阶风电功率低频重构分量，公式如下：

[0139]

[0140] 其中：fl(n)表示第n阶低频重构分量；IMFn至IMF1表示从低频到高频的n阶IMF分量；

[0141] 判断fl(k)的最大波动量是否满足风电并网波动量限值，其中，fl(k)表示第k阶低频重构分量，k∈n+1；

[0142] 其中，最大波动量为固定时间间隔内最大功率与最小功率之差；

[0143] 如下式所示为满足风电并网波动量限值的情况：

[0144] maxt∈(t,t+Δt)PWT,or(t)‑mint∈(t,t+Δt)PWT,or(t)≤ΔPWT,limit[0145] 式中，ΔPWT,limit表示风电并网波动量限值；

[0146] 若满足限值，则判断fl(k)是否为最低阶低频重构分量；

[0147] 若分量IMFk不满足以下两个条件之一：①分量包络线上下时序均值为0；②分量功率曲线的极值点和零点数之差小于1。则称fl(k)为最低阶低频重构分量，则n+1阶风电功率低频重构分量中无直接并网分量，全部作为储能平抑分量，即：PHESS,t＝fl(k)[0148] 若fl(k)不为最低阶低频重构分量，则将fl(k‑1)作为直接并网分量，fh(k‑1)作为储能平抑分量，其中，fh(k‑1)表示第k‑1阶高频重构分量；

[0149] 至此，通过对风电功率信号的分解、判断、叠加，得到了各阶风电功率高、低频重构分量，并基于此归类为了直接并网分量和储能平抑分量。

[0150] 在本实施例中，步骤S03中以风电功率储能平抑和混合储能系统综合成本最低为目标，建立电‑氢混合储能容量配置模型，并确定所述电‑氢混合储能容量配置模型的运行优化约束集，得到电‑氢混合储能优化配置策略，具体步骤包括：

[0151] S031：构建目标函数；

[0152] 以风电功率储能平抑(风电功率波动机会补偿成本)和混合储能系统综合成本最低为目标，建立电‑氢混合储能容量配置模型，其中，模型的目标函数，表达式如下：

[0153] minC＝CB+CHES+CW

[0154] 其中，C表示年综合成本；CB表示电储能成本；CHES表示氢储能成本；CW表示风电功率波动机会补偿成本；

[0155] 风电功率波动机会补偿成本，用于因补偿不足而额外增加的系统运行成本，表达式如下：

[0156]

[0157] 其中，CW为补偿成本系数，Pp‑unc,n和PN‑unc,n为分别表示n时刻正向欠补偿量和负向欠补偿量；NS表示从开始0时刻到n＝1时刻的采样的点数；

[0158] 电储能成本和氢储能成本的表达式如下：

[0159]

[0160] 其中， 和 分别表示电储能的规划成本和运维成本； 和 分别表示氢储能的规划成本和运维成本；

[0161] 电储能的规划成本和运维成本的表达式分别如下：

[0162]

[0163] 氢储能的规划成本和运维成本的表达式分别如下：

[0164]

[0165] 其中， 分别电化学储能功率成本系数、电化学储能容量成本系数、电解槽成本系数、燃料电池成本系数、储氢罐成本系数成本系数； 和分别表示电储能额定功率和额定容量；a、b为运维成本占比率；r为贴现率，Y为混合储能系统运行周期。

[0166] S032：确定运行优化约束集；

[0167] 电储能充放电约束；

[0168] 表达式如下：

[0169]

[0170] EB(1)＝EB(Ts)

[0171] σB，c，t＝1‑σB，d，t

[0172] σB,c,t∈{0,1},σB,d,t∈{0,1}

[0173] 其中，EB,t表示t时刻电储能的容量；σB,c,t和σB,d,t分别表示t时刻电储能充电状态和放电状态，均为0‑1的变量；Ts表示一个充/放电周期总时段数； 和 分别表示Δt时间内电储能的充/放电总能量； 表示电储能极限容量；

[0174] 功率平衡约束；

[0175] 考虑混合储能功率任务分为正向波动和负向波动两个部分，当正向波动时，需要电储能充电或电解槽启动以吸收波动，当负向波动时，需要电储能放电或燃料电池启动以补偿，表达式如下：

[0176]

[0177] 其中，PHESS,t表示t时刻混合储能功率任务； 和 分别表示t时刻电解槽和燃料电池的运行功率； 和 分别表示t时刻电储能充电功率和放电功功率；PEL,min和PFC,min分别表示电解槽和燃料电池的最低运行功率； 和 别表示电解槽和燃料电池的额定功率；

[0178] 储能状态约束；

[0179] 表达式如下：

[0180]

[0181] 其中， 表示t时刻储氢状态； 和 分别表示t时刻储氢罐进气量和出气量； 表示储氢罐最大储氢量； 和 分别表示储氢状态上下
限；AHT,t表示t时刻氢罐内储氢量；AHT,max表示氢罐最大储氢量；

[0182] 储氢罐压强约束；

[0183] 表达式如下：

[0184]

[0185] 其中，PHT,t表示储氢罐t时刻的压强；mHT,t表示储氢罐t时刻储氢量；R表示气体常量；THT表示储氢罐温度；VHT表示储氢罐容量； 和 分别表示储氢罐最小压强和额定压强。

[0186] S033：基于目标函数和约束，得到电‑氢混合储能优化配置策略。

[0187] 在本实施例中，步骤S04中根据电解槽运行特性，设置电‑氢混合储能的互补机制，具体如下：

[0188] 根据电解槽运行特性，设置电‑氢混合储能的互补机制，其中互补机制包括：可长时间低功率运行的电解槽，氢储能和电储能执行的第一互补机制，以及不可长时间低功率运行的电解槽，氢储能和电储能执行的第二互补机制。

[0189] 针对可长时间低功率运行的电解槽，氢储能与电储能执行第一互补机制包括：充电阶段，当SOC∈[SOCmax,1]时，启动电解槽将电能转化为氢能进行存储，当SOC∈[0,SOCmax]时，启动电储能进行充电；放电阶段，当SOC∈[0,SOCmin]时，启动燃料电池为电储能充电，当SOC∈[SOCmax,1]时，启动电储能为电解槽供电；

[0190] 其中，SOC表示电储能设备当前电荷状态；SOCmax表示电储能设备最大电荷状态；SOCmin表示电储能设备最小电荷状态；SOCEL表示电储能是否根据电解槽状态而动作的临界荷电状态；SOCFC为燃料电池是否根据电储能状态而动作的临界荷电状态；σEL与σB分别表示电解槽和电储能运行状态。

[0191] 针对不可长时间低功率运行的电解槽，氢储能与电储能执行第二互补机制包括：充电阶段，当SOC∈[SOCEL,1]且σEL＝0时，启动电解槽将电能转化为氢能进行存储，当SOC∈[0,SOCEL]时，启动电储能进行充电；放电阶段，当SOC∈[0,SOCFC]时，启动燃料电池为电储能充电，当SOC∈[SOCmin,SOCEL]且σB＝0时，启动电储能为电解槽供电。

[0192] 在本实施例中，步骤S05中基于电‑氢混合储能优化配置策略和所述互补机制，对风电场系统进行时序模拟仿真得到模拟仿真结果，并根据模拟仿真结果和互补机制计算电储能利用率和氢储能利用率，具体包括：

[0193] 利用电‑氢混合储能优化配置策略，对风电场系统进行时序模拟仿真，得到风电场系统的模拟仿真结果；所述模拟仿真结果包括：电储能和氢储能的充/放策略；

[0194] 基于模拟仿真结果分别获取电/氢储能充能的起始时刻和充能的持续时间；

[0195] 获取预先设定的电/氢储能最大储存能量；

[0196] 结合电/氢储能的最大储存能量、电/氢储能充能的起始时刻和充能的持续时间，以及互补机制(第一互补机制/第二互补机制)，分别计算电储能利用率和氢储能利用率，利用率的计算公式如下：

[0197]

[0198] 其中，γθ表示采取互补机制θ的电/氢储能利用率；θ∈Ωθ表示θ属于互补机制策略集Ωθ，Ωθ包括第一互补机制和第二互补机制；T′表示电/氢储能充能的起始时刻；Yt表示电/氢储能充能持续时间； 表示设定的电/氢储能最大储存能量。

[0199] 在本实施例中，步骤S06中根据电储能利用率和氢储能利用率，得到电‑氢混合储能优化配置结果，包括：

[0200] 获取设定的电储能合理利用率阈值和氢储能合理利用率阈值；

[0201] 根据电储能利用率和氢储能利用率，判断电储能和氢储能的充/放策略是否符合利用率条件，得到符合利用率条件的电储能和氢储能的充/放策略；其中，符合利用率条件包括：电储能利用率超过电储能合理利用率阈值，氢储能利用率超过氢储能合理利用率阈值；

[0202] 基于符合利用率条件的电储能和氢储能的充/放策略，得到风电场系统电‑氢混合储能优化配置结果，即配置仿真结果中电储能和氢储能符合利用率条件的最小存储容量，得出风电场系统电‑氢混合储能优化配置结果。

[0203] 实施例2

[0204] 本发明实施例以西北某市实际风电场验证本电‑氢混合储能优化配置方法的合理性；本实施例中电储能合理利用率阈值取50％，氢储能合理利用率阈值取40％，SOC上限取0.95，下限取0.05。

[0205] 结合西北某市实际风电场数据和本发明电‑氢混合储能优化配置方法，分析如下：

[0206] 获取10MW级风电场内典型日风电出力数据，利用ALMEMD算法对功率信号分解、重构得到风电功率高、低频分量。其中，分解后分量如图2所示，高、低频重构分量分别如图3、图4所示。

[0207] 计算各阶低频重构分量的最大波动量，并以风电并网波动量限值为分界线，结合最低阶低频重构分量的判断标准，筛选出直接并网分量和储能平抑分量。

[0208] 随着低频重构分量阶数的不断增加，其10min时间间隔的最大波动量也逐渐增加，低频重构分量fl(5)的最大波动量大于风电并网波动量限值，故选择fl(4)，即res+IMF4+IMF3+IMF2作为直接并网分量；选择fh(1)，即IMF1作为储能平抑分量；

[0209] 根据风电并网波动量限值分配直接并网分量和储能平抑分量，风电功率信号拟合结果如图5所示，由图5可看出ALMEMD算法求得的局部均值相较于传统EMD算法求得的局部均值更接近理想均值；

[0210] 以风电功率波动平抑为目标，并综合考虑混合储能建设与运维成本(混合储能系统综合成本)，建立电‑氢混合储能容量配置模型，并确定所述电‑氢混合储能容量配置模型的运行优化约束集，得到电‑氢混合储能优化配置策略；

[0211] 考虑10MW电解槽连续和间断运行，设置氢储能与电储能的互补机制；

[0212] 利用电‑氢混合储能优化配置策略，通过时序模拟仿真进行风电场系统运行优化，采用MATLAB软件Yalmip+CPLEX环境进行编程求解。以配置10MW电化学储能和10MW氢储能为例，得到电储能和氢储能的充/放策略如图6所示，图6中108‑112时段，电储能可进行少量放电，以维持电解槽以最低功率运行，这证明通过电‑氢储能互补，既可促进风电正向波动的平抑，又能提高氢储能的利用率；

[0213] 根据得出的充/放电策略，分别得到容量电储能和氢储能接入该风电系统的利用率；

[0214] 以氢储能与电储能执行第二互补机制进行互补为例，混合储能运行的时序仿真结果及利用率如表1所示：

[0215] 表1西北某地区某座110千伏变电站下级储能调度仿真模拟结果(MW)及利用率表[0216]

[0217] 表1中，原最大下网负荷和最大下网负荷分别为仿真前后的值；同样的，原最小下网负荷和最小下网负荷也为仿真前后的值；原下网峰谷差为原最大/最小下网负荷之差；下网峰谷差为最大/最小下网负荷之差；电储能出最大出力为最大充放功率，电储能出最小出力为最小充放功率；

[0218] 根据表1可得，电储能利用率达60.2％以上，氢储能利用率达43.3％以上，均分别超过各自的合理利用率阈值(即超过电储能合理利用率阈50％，氢储能合理利用率阈值40％)；可得出第二互补机制下的风电场系统电‑氢混合储能规划配置结果，即取全年各月度最大电储能出力和最大氢储能出力的向上近似整数值为储能功率配置上限，即配置8MW电储能和6MW氢储能。

[0219] 以上结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。