[发明专利]一种基于经验模态分解的功率频域分解优化方法

权利要求书

1.一种基于经验模态分解的功率频域分解优化方法，其特征在于：步骤如下：

步骤1)：建立混合储能系统中储能元件的数学模型；

步骤2)：利用经验模态分解算法，将功率需求指令信号分解为不同阶数的固有模态函数；

步骤3)：利用希尔伯特黄变换方法，将各阶固有模态函数转化为瞬时频率-时间的函数；

步骤4)：建立以频率为变量的混合叠加能量优化模型；

步骤5)：利用遗传算法对频率的混合叠加能量优化模型进行求解，寻找混合叠加能量最少的频率。

2.根据权利要求1所述的一种基于经验模态分解的功率频域分解优化方法，其特征在于：步骤1)中，

储能元件包括蓄电池和超级电容器，

蓄电池荷电状态模型为：

其中，SOC代表电池荷电状态，SOC₀代表蓄电池初始荷电状态，Q_bat代表电池容量，I_b代表蓄电池流经的电流值，dt为时间积分微量；

超级电容器模型为：

其中，E_t代表超级电容器容量，C代表超级电容器电容值，V_t代表超级电容器电压值，V₀代表超级电容器电压初始值，I_c代表超级电容器电流值，t代表超级电容器工作时间，R代表超级电容器等效电阻值。

3.根据权利要求1所述的一种基于经验模态分解的功率频域分解优化方法，其特征在于：步骤2)的具体过程如下：

步骤21)：确定功率需求指令信号X(t)的所有局部最大值和局部最小值，用三次样条函数进行插值，得到上包络线e_max(t)和下包络线e_min(t)，求二者的均值得到包络平均曲线m₁(t)；

步骤22)：用功率需求指令信号X(t)减去包络平均曲线m₁(t)，得到类距平值序列h₁(t)：

h₁(t)＝X(t)-m₁(t)

步骤23)：判断类距平值序列h₁(t)是否满足固有模态函数成立的条件，

如满足，进入下一步；

如不满足，将类距平值序列h₁(t)看作新的功率需求指令信号X(t)，重复步骤21)、22)，直到新的类距平值序列h₁(t)满足固有模态函数成立的条件，则把新的类距平值序列h₁(t)看作分解出的第一阶固有模态函数IMF₁(t)；

步骤24)：从功率需求指令信号X(t)中将第一阶固有模态函数IMF₁(t)分离，得到第一阶余量r₁(t):

r₁(t)＝X(t)-h₁(t)

步骤25)：将得到的上一阶余量作为新的功率需求指令信号重复步骤21)～24)，不断分解出新阶数的固有模态函数IMF_i(t)，i为步骤25)所得新余量相应阶数:

r₂(t)＝r₁(t)-h₂(t),...,r_n(t)＝r_n-1(t)-h_n(t)

IMF_i(t)＝h_i(t)

其中，满足以下条件之一分解过程结束:

①r_n(t)或h_n(t)小于给定值，其中，给定值为功率需求指令信号幅值的1/20；

②r_n(t)为单调函数；

n为分解结束时的最高阶数。