基于二次EMD分解的风电场混合储能系统配置优化

doi:10.3969/j.issn.2097-0706.2025.10.005

综合智慧能源 ›› 2025, Vol. 47 ›› Issue (10): 45-51.doi: 10.3969/j.issn.2097-0706.2025.10.005

• 新能源与储能系统优化 • 上一篇下一篇

基于二次EMD分解的风电场混合储能系统配置优化

张凯¹(), 王金袖²^,^*(), 杨雪峰¹, 王强¹, 肖盛忠¹, 李鹏¹, 孙成武¹

1.内蒙古华电辉腾锡勒风力发电有限公司，内蒙古乌兰察布 013550
2.华电电力科学研究院有限公司，杭州 310030

收稿日期:2024-09-18 修回日期:2024-11-13 出版日期:2025-01-06
通讯作者: *王金袖（1993），男，工程师，硕士，从事新能源发电方面的研究，zyhnlh@yeah.net。
作者简介:张凯（1974），男，高级工程师，硕士，从事风光火储配置与运行优化方面的研究，214232219@qq.com；
杨雪峰（1976），男，高级政工师，从事风光电站运行管理方面的研究；
王强（1981），男，高级工程师，从事并网技术方面的研究；
肖盛忠（1986），男，高级工程师，从事多能互补优化运行方面的研究；
李鹏（1984），男，高级工程师，硕士，从事电化学储能优化配置方面的研究；
孙成武（1972），男，工程师，从事风光出力特性方面的研究。
基金资助:
中国华电集团有限公司科技项目(CHDKJ23-02-292)

Configuration optimization of hybrid energy storage systems in wind farms based on secondary EMD

ZHANG Kai¹(), WANG Jinxiu²^,^*(), YANG Xuefeng¹, WANG Qiang¹, XIAO Shengzhong¹, LI Peng¹, SUN Chengwu¹

1. Inner Mongolia Huadian Huitengxile Wind Power Company Limited， Ulanqab 013550， China
2. Huadian Electric Power Research Institute Company Limited， Hangzhou 310030， China

Received:2024-09-18 Revised:2024-11-13 Published:2025-01-06
Supported by:
Science and Technology Project of China Huadian Corporation Limited(CHDKJ23-02-292)

摘要/Abstract

摘要：

“双碳”目标下，以风力发电为主的新型电力系统成为我国能源发展的新方向。风力发电具有波动性、间歇性，并网时会影响电网安全可靠运行。混合储能系统（HESS）可以有效解决风电波动性问题，但如何优化配置和任务分配是关键。建立了锂电池-超级电容器HESS，系统工作时部分低频分量直接并网，剩余部分为混合储能工作任务，超级电容器消纳高频分量，锂电池消纳中频分量。通过经验模态分解（EMD）获得风电功率直接并网量和混合储能任务量，对混合储能任务量进行二次EMD分解并重构，获得超级电容器和锂电池的工作任务，降低了HESS容量配置难度，提高了风电消纳能力。与传统方案相比，所提方案投资维护成本减少约5.3%，系统极端情况下的运行稳定性更强。

关键词: “双碳”目标, 新型电力系统, 风电场, 混合储能系统, 超级电容器, 锂电池, 经验模态分解, 容量配置

Abstract:

Wind-power-based new power systems have become the new development trend in pursuit of "dual carbon" goals. As wind power is volatile and intermittent， its grid connection may compromise the safety and reliability of the power grid. Hybrid energy storage systems（HESS） can mitigate the wind power fluctuation， making their optimal configuration and task allocation critical. This study constructed a HESS combining supercapacitors and lithium-ion batteries： low-frequency power was directly grid-connected， while the remaining power was stored. The middle-frequency component was stored in lithium batteries and high-frequency component was stored in supercapacitors. Grid-connected wind power and HESS storage power were quantified via empirical mode decomposition（EMD）. The latter was further decomposed and reconstructed through secondary EMD， allocating the operational tasks between supercapacitors and lithium batteries. This approach reduces the difficulty in HESS capacity configuration and improves wind power absorption capacity. Compared to traditional solutions， the proposed approach reduces investment and maintenance costs by approximately 5.3%， while enhancing system operational stability under extreme conditions.

Key words: "dual carbon" goal, new power system, wind farm, hybrid energy storage system, supercapacitor, lithium battery, empirical mode decomposition, capacity configuration

中图分类号:

TK01：TM621

张凯, 王金袖, 杨雪峰, 王强, 肖盛忠, 李鹏, 孙成武. 基于二次EMD分解的风电场混合储能系统配置优化[J]. 综合智慧能源, 2025, 47(10): 45-51.

ZHANG Kai, WANG Jinxiu, YANG Xuefeng, WANG Qiang, XIAO Shengzhong, LI Peng, SUN Chengwu. Configuration optimization of hybrid energy storage systems in wind farms based on secondary EMD[J]. Integrated Intelligent Energy, 2025, 47(10): 45-51.

图/表 10

图1

图2

表1

表2

图3

图4

图5

图6

图7

表3

参考文献 21

[1]	曲艺. 以科技创新助推能源高质量跃升[N]. 中国电力报,2024-08-02(004).
[2]	时帅, 蒋一, 黄冬梅, 等. 计及风电爬坡的储能分布鲁棒优化配置方法[J]. 上海电力大学学报, 2024, 40(5): 459-467.
	SHI Shuai, JIANG Yi, HUANG Dongmei, et al. Distributionally robust optimization of energy storage considering the wind power ramp events[J]. Journal of Shanghai University of Electric Power, 2024, 40(5):459-467.
[3]	罗毅, 李达. 电池储能平抑风电功率波动的预测控制方法[J]. 电力科学与工程, 2015, 31(11):1-5,11.
	LUO Yi, LI Da. A model predictive control method of battery energy storage for smoothing wind power fluctuation[J]. Electric Power Science and Engineering, 2015, 31(11):1-5,11.
[4]	刘道兵, 李珏岑, 齐越, 等. 考虑碳效益和运行策略的风电场储能优化配置[J/OL]. 太阳能学报,1-9(2024-03-08)[2024-09-10].https://dx.doi.org/10.19912/j.0254-0096.tynxb.2023-1565.
	LIU Daobing, LI Juecen, QI Yue, et al. Optimal allocation of energy storage in wind farms considering carbon benefits and operation strategies[J/OL]. Journal of Solar Energy,1-9(2024-03-08)[2024-09-10].https://dx.doi.org/10.19912/j.0254-0096.tynxb.2023-1565.
[5]	张勋祥, 吴杰康, 孙烨桦, 等. 平抑海上风电波动的混合储能系统容量优化配置[J]. 综合智慧能源, 2024, 46(6): 54-65. doi: 10.3969/j.issn.2097-0706.2024.06.007
	ZHANG Xunxiang, WU Jiekang, SUN Yehua, et al. Capacity allocation optimization of hybrid energy storage systems considering fluctuation control on offshore wind power[J]. Integrated Intelligent Energy, 2024, 46(6): 54-65. doi: 10.3969/j.issn.2097-0706.2024.06.007
[6]	唐健, 何义琼, 于啸宇, 等. 考虑电力系统灵活性供需平衡的混合储能联合规划[J]. 可再生能源, 2024, 42(7): 946-954.
	TANG Jian, HE Yiqiong, YU Xiaoyu, et al. Joint planning of hybrid energy storage considering the flexibility of supply and demand balance in power system[J]. Renewable Energy Resources, 2024, 42(7): 946-954.
[7]	李家珏, 刘子祎, 白伊琳, 等. 基于风电场景概率的电热混合储能优化配置[J]. 电力工程技术, 2024, 43(3): 172-182.
	LI Jiajue, LIU Ziyi, BAI Yilin, et al. Optimized configuration of electro-thermal hybrid energy storage capacity based on wind power scenario probabilistic[J]. Electric Power Engineering Technology, 2024, 43(3): 172-182.
[8]	向开端, 王辉, 彭婷婷, 等. 含混合储能的风光储系统容量优化配置[J]. 科学技术与工程, 2023, 23(31): 13415-13422.
	XIANG Kaiduan, WANG Hui, PENG Tingting, et al. Optimal capacity allocation of wind-solar-storage system with hybrid energy storage[J]. Science Technology and Engineering, 2023, 23(31): 13415-13422.
[9]	王苏蓬, 张新慧, 张军, 等. 基于WPD-LPF和灰色关联度的混合储能平抑风电波动控制策略[J]. 可再生能源, 2022, 40(9): 1241-1248.
	WANG Supeng, ZHANG Xinhui, ZHANG Jun, et al. Wind power fluctuation control strategy based on WPD-LPF and gray correlation[J]. Renewable Energy Resources, 2022, 40(9): 1241-1248.
[10]	滕伟, 许庆祥, 王亚军, 等. 平滑风电波动的飞轮协同电池混合储能系统经济性配置[J]. 动力工程学报, 2024, 44(7): 1101-1108. doi: 10.19805/j.cnki.jcspe.2024.230324
	TENG Wei, XU Qingxiang, WANG Yajun, et al. Economic configuration of flywheel collaborative battery hybrid energy storage system for smoothing wind power fluctuations[J]. Journal of Chinese Society of Power Engineering, 2024, 44(7): 1101-1108. doi: 10.19805/j.cnki.jcspe.2024.230324
[11]	贾东卫, 任永峰, 李莉美, 等. 基于集合经验模态分解的微电网混合储能优化配置[J]. 太阳能学报, 2023, 44(2): 239-246. doi: 10.19912/j.0254-0096.tynxb.2021-1070
	JIA Dongwei, REN Yongfeng, LI Limei, et al. Research on optimization of hybrid energy storage capacity using ensemble empirical mode decomposition and fuzzy control[J]. Acta Energiae Solaris Sinica, 2023, 44(2): 239-246. doi: 10.19912/j.0254-0096.tynxb.2021-1070
[12]	邵广宇. 风电场混合储能容量配置优化与控制[D]. 北京: 华北电力大学, 2023.
	SHAO Guangyu. Optimization and control of hybrid energy storage capacity configuration in wind farm[D]. Beijing: North China Electric Power University, 2023.
[13]	高明非, 张策, 解彤, 等. 考虑风光消纳的综合能源系统多元储能优化配置方法[J]. 动力工程学报, 2023, 43(6): 796-804. doi: 10.19805/j.cnki.jcspe.2023.06.017
	GAO Mingfei, ZHANG Ce, XIE Tong, et al. Multiple energy storage optimal configuration method for comprehensive energy system considering wind/photovoltaic power accommodation[J]. Journal of Chinese Society of Power Engineering, 2023, 43(6): 796-804. doi: 10.19805/j.cnki.jcspe.2023.06.017
[14]	李博, 石红晖, 马强, 等. 风电-火电-压缩空气储能综合能源系统运行特性研究[J]. 电力科技与环保, 2024, 40(2): 168-177.
	LI Bo, SHI Honghui, MA Qiang, et al. The operating characteristics research of integrated energy system based on the wind, coal-fired power plant and compressed air energy storage[J]. Electric Power Technology and Environmental Protection, 2024, 40(2): 168-177.
[15]	赵峰, 张帆, 陈小强, 等. 基于VMD-APSO的风电场混合储能系统容量优化配置[J]. 高压电器, 2023, 59(6): 120-127.
	ZHAO Feng, ZHANG Fan, CHEN Xiaoqiang, et al. Optimal configuration of capacity of wind farm hybrid energy storage system based on VMD-APSO algorithm[J]. High Voltage Apparatus, 2023, 59(6): 120-127.
[16]	叶炜, 吴桂联, 唐露, 等. 融合EMD-TCN-GBM算法的配电网线路负载预测方法研究[J]. 制造业自动化, 2024, 46(4): 102-106.
	YE Wei, WU Guilian, TANG Lu, et al. Research on load prediction method for distribution network lines integrating EMD-TCN-GBM algorithm[J]. Manufacturing Automation, 2024, 46(4): 102-106.
[17]	张家军, 陈杰, 常喜强, 等. 基于EMD与模型预测控制算法的风电功率平抑[J]. 四川电力技术, 2021, 44(2): 38-42.
	ZHANG Jiajun, CHEN Jie, CHANG Xiqiang, et al. Wind power fluctuation stabilization based on EMD and model predictive control algorithm[J]. Sichuan Electric Power Technology, 2021, 44(2): 38-42.
[18]	杨锡运, 曹超, 李相俊, 等. 基于模糊经验模态分解的电池储能系统平滑风电出力控制策略[J]. 电力建设, 2016, 37(8): 134-140. doi: 10.3969/j.issn.1000－7229.2016.08.021
	YANG Xiyun, CAO Chao, LI Xiangjun, et al. Control strategy of smoothing wind power output using battery energy storage system based on fuzzy empirical mode decomposition[J]. Electric Power Construction, 2016, 37(8): 134-140. doi: 10.3969/j.issn.1000－7229.2016.08.021
[19]	罗鹏, 杨天蒙, 娄素华, 等. 基于频谱分析的微网混合储能容量优化配置[J]. 电网技术, 2016, 40(2): 376-381.
	LUO Peng, YANG Tianmeng, LOU Suhua, et al. Spectrum analysis based capacity configuration of hybrid energy storage in microgrid[J]. Power System Technology, 2016, 40(2): 376-381.
[20]	赵书强, 要金铭, 李志伟. 基于改进K-means聚类和SBR算法的风电场景缩减方法研究[J]. 电网技术, 2021, 45(10): 3947-3954.
	ZHAO Shuqiang, YAO Jinming, LI Zhiwei. Wind power scenario reduction based on improved K-means clustering and SBR algorithm[J]. Power System Technology, 2021, 45(10): 3947-3954.
[21]	张宇华, 李青松, 王丛, 等. 区域风光低频相关性互补与高频混合储能平抑的并网方法研究[J]. 中国电机工程学报, 2023, 43(4): 1492-1503.
	ZHANG Yuhua, LI Qingsong, WANG Cong, et al. Grid-connected method of regional wind-solar low-frequency correlation complementation and high-frequency hybrid energy storage stabilization[J]. Proceedings of the CSEE, 2023, 43(4): 1492-1503.

参数		数值
超级电容器	η_s,P/（万元·MW^-1）	140
	η_s,E/[万元·（MW·h）^-1]	275
	λ_s/[万元·（MW·h）^-1]	0.001
	σ_s	0.001
	ε_s,c/%	90
	ε_s,d/%	90
	S_OC	0.1~0.9
锂电池	η_b,P/（万元·MW^-1）	260
	η_b,E/[万元·（MW·h）^-1]	63
	λ_b/[万元·（MW·h）^-1]	0.002
	σ_b	0
	ε_b,c/%	95
	ε_b,d/%	95
	S_OC	0.2~0.8

项目	锂电池额定容量/（MW·h）	超级电容器额定容量/（MW·h）	锂电池额定功率/MW	超级电容器额定功率/MW	投资维护成本/万元	功率补偿成本/万元	综合成本/万元
本文方案	94.13	19.88	37.36	78.97	6 896.3	904.5	7 800.8
传统方案	84.76	25.78	44.53	80.75	7 284.0	957.2	8 241.2

基于二次EMD分解的风电场混合储能系统配置优化

Configuration optimization of hybrid energy storage systems in wind farms based on secondary EMD

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 10

参考文献 21

相关文章 15

编辑推荐

Metrics

本文评价

典型日	1	2	3	4	5	6	7	8
天数	27	48	40	68	49	25	46	62
概率	0.07	0.13	0.11	0.19	0.13	0.07	0.13	0.17

[1]	皇甫陈萌, 阮贺彬, 徐俊俊. 融合CEEMDAN-CNN-LSTM的风电机组多气象场景功率回归预测[J]. 综合智慧能源, 2025, 47(9): 38-50.
[2]	甄文喜, 马喜平, 戴跃洪, 牛炜, 陈柏旭, 曾桂. 基于中间层控制的风-储自同步调频策略研究[J]. 综合智慧能源, 2025, 47(8): 21-29.
[3]	褚龙浩, 李笑竹. 共享储能参与下的多类型电能交易投标策略及价值分配机制[J]. 综合智慧能源, 2025, 47(8): 30-39.
[4]	王宇轩, 郝宁, 赵峰, 蒋俊, 张国坤, 边文杰, 尚恒. 面向微网的源网荷储一体化功率分配策略研究[J]. 综合智慧能源, 2025, 47(8): 58-67.
[5]	秦晓栋, 宋瑞军, 吕杰, 周文奇, 姚鹏, 魏赏赏. 基于模型预测控制的风电场有功功率波动抑制优化方法研究[J]. 综合智慧能源, 2025, 47(7): 23-31.
[6]	王俊, 杜炜, 王馨, 窦迅, 窦真兰, 徐臣. 考虑剩余可用调节能力主动恢复的虚拟电厂优化运行[J]. 综合智慧能源, 2025, 47(7): 55-63.
[7]	郑昊宇, 周家辉, 仝冰, 王海鸣, 徐钢, 张资悦. 配置压缩空气储能的绿氢系统容量配置和运行调度优化研究[J]. 综合智慧能源, 2025, 47(7): 64-70.
[8]	王成, 邵冲, 何欣, 董海鹰. 基于MOIBKA算法的电化学储能电站最优功率分配[J]. 综合智慧能源, 2025, 47(6): 74-84.
[9]	吉斌, 李永刚, 昌力, 钱娟, 涂杉杉. 我国“控碳”趋势下的碳-电市场机制衔接分析[J]. 综合智慧能源, 2025, 47(5): 1-11.
[10]	黄琳杰, 谢芷珊, 廖永兴, 殷林飞. 考虑疲劳损伤的多级前馈神经网络-序列二次规划的风电场降噪优化[J]. 综合智慧能源, 2025, 47(4): 23-32.
[11]	曾浩政, 殷林飞. 基于NSMFO-BERT算法的电力系统多目标优化经济调度研究[J]. 综合智慧能源, 2025, 47(4): 98-106.
[12]	邸亮, 董杰, 闫馨月, 甄成, 田喆, 牛纪德. 用于市场准入条件判定的建筑需求响应潜力量化方法[J]. 综合智慧能源, 2025, 47(3): 15-22.
[13]	张冬冬, 李芳凝, 刘天皓. 新型电力系统负荷预测关键技术及多元场景应用[J]. 综合智慧能源, 2025, 47(3): 47-61.
[14]	石鑫, 刘奇央, 高峰. 深度神经网络在新型能源系统中的应用及展望[J]. 综合智慧能源, 2025, 47(2): 88-101.
[15]	高建生, 汪马翔, 邢鹏生, 肖柱. 计及钢铁企业参与的含风电电力系统协同调度策略[J]. 综合智慧能源, 2025, 47(10): 52-59.