[发明专利]一种基于模糊自适应完备经验模态分解算法的光伏平抑方法及其系统

说明书

本发明公开了一种基于模糊自适应完备经验模态分解算法的光伏平抑方法，包括：S1：获取光伏实测数据并生成光伏功率信号；S2：通过对所述光伏功率信号分解并生成联合目标功率；S3：获取功率基值，并生成第一功率补偿指令；S4：获取光伏预测最大数据，并生成第二功率补偿指令。本发明通过使用CEEMDAN算法并引入模糊控制算法，能够根据光伏功率波动率的不同，自适应的处理光伏功率信号并获取最优的光伏平抑后的联合目标功率。同时通过MADS算法构建优化功率基值模型并获取功率基值，避免了直接使用分解的高频光伏功率信号控制光伏平抑单元可能造成的第一光伏平抑单元频繁随机的改变工况状态，导致第一光伏平抑单元因平抑光伏波动而损害机组寿命的问题。

技术领域

本发明涉及配电网光伏波动平抑技术领域，具体涉及一种基于模糊自适应完备经验模态分解算法的光伏平抑方法及其系统。

背景技术

随着传统能源的日益减少和环境问题的日益突出，大力开发和利用可再生能源已成为我国的基本国策。其中，光伏发电是理想的可持续能源之一，其具有无污染、无噪音、安全可靠等特点。

但是随着电网中光伏装机容量逐渐增大，光伏发电功率的随机波动将会影响电网的实时功率平衡，造成电网电压和频率波动，影响电网的电能质量和稳定性。同时由于这些波动难于预测，使得电网调度变得困难。将光伏功率波动限制在一定范围内的光伏波动平抑方法，是大规模运用光伏发电，减少弃光，解决当前能源危机的关键技术。

综上所述，光伏发电仍存在由于太阳能的强波动性与随机性，导致光伏功率为强非线性信号，利用常规的滤波算法难以处理该类信号的问题。

发明内容

有鉴于此，本发明提供一种基于模糊自适应完备经验模态分解算法的光伏平抑方法及其系统，通过改进光伏波动率的处理方法，解决了传统的光伏平抑方法无法有效平抑光伏功率信号的强非线性波动的问题。

为解决以上技术问题，本发明的技术方案为采用一种基于模糊自适应完备经验模态分解算法的光伏平抑方法，包括：S1：获取光伏实测数据并生成光伏功率信号； S2：通过CEEMDAN算法和模糊控制算法对所述光伏功率信号计算并生成联合目标功率；S3：获取功率基值，并生成第一功率补偿指令；S4：获取光伏预测最大数据，并生成第二功率补偿指令。

可选地，所述S2包括：S21：通过所述CEEMDAN算法分解所述光伏功率信号生成多阶本征模态分量；S22：通过所述模糊控制算法重构所述本征模态分量生成所述联合目标功率。

可选地，所述S21包括：S211：将噪声分量代入所述光伏功率信号并生成一阶本征模态分量；S212：获取光伏余量信号并分解生成二阶本征模态分量；S213：重复分解所述光伏余量信号直至生成所述多阶本征模态分量。

可选地，所述S3包括：S31：获取功率基值模型；S32：对所述功率基值模型执行MADS算法生成所述功率基值；S33：基于所述功率基值、所述联合目标功率和光伏实时功率生成所述第一功率补偿指令。

可选地，所述S4包括：S41：基于多个时间周期的光伏预测数据提取所述光伏预测最大数据；S42：基于所述光伏预测最大数据、所述联合目标功率和所述功率基值生成所述第二功率补偿指令。

可选地，所述光伏平抑方法还包括：将所述第一功率补偿指令和所述第二功率补偿指令传输至光伏平抑单元。

相应地，本发明提供，一种基于模糊自适应完备经验模态分解算法的光伏平抑系统，包括：光伏发电单元，用于获取光伏实测数据和光伏预测数据并生成光伏功率信号；控制中心，通过CEEMDAN算法和模糊控制算法对所述光伏功率信号计算并生成联合目标功率，并获取功率基值和光伏预测最大数据生成第一功率补偿指令和第二功率补偿指令；光伏平抑单元，用于接收所述第一功率补偿指令和所述第二功率补偿指令，并进行光伏功率波动的抑制。