买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉新疆大学申请的专利基于双层MAC和VMD自适应分频的风电平滑方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115882446B 。

龙图腾网通过国家知识产权局官网在2026-03-20发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210960898.1，技术领域涉及：H02J3/00；该发明授权基于双层MAC和VMD自适应分频的风电平滑方法是由谢丽蓉;马兰;王智勇;卞一帆;崔传世;包洪印设计研发完成，并于2022-08-11向国家知识产权局提交的专利申请。

本基于双层MAC和VMD自适应分频的风电平滑方法在说明书摘要公布了：基于双层MAC和VMD自适应分频的风电平滑方法，制定不平衡功率补偿策略。当不平衡功率大于零时，若此时无不确定性负荷，正不平衡功率与蓄电池A共同补偿不确定性负荷，减少蓄电池A动作；若此时无不确定性负荷，蓄电池A吸收不平衡功率。当不平衡功率小于零时，需储能系统补偿不平衡功率，优先补偿不平衡功率。制定风电波动平抑策略，利用混合储能实现五分钟时间尺度内的风电波动平抑。提取波动率需求内的补偿功率，根据超级电容器和蓄电池的特性对补偿功率进行分频，使超级电容器平抑高频低幅值的波动，蓄电池B平抑低频高幅值的波动。建立基于双层模型算法控制的平抑模型。

本发明授权基于双层MAC和VMD自适应分频的风电平滑方法在权利要求书中公布了：1.基于双层MAC和VMD自适应分频的风电平滑方法，其特征在于，由如下步骤构成: 步骤一、蓄电池A控制策略及容量配置 1.1蓄电池A补偿不平衡功率策略 风电场不平衡功率是由风电场实发功率与电网需求功率不匹配所导致的，可表示为： Pt＝Pyt-Pwt8 式中，Pt为t时刻不平衡功率，Pyt为t时刻风电场实发功率，Pwt为t时刻电网需求功率； 以Pft代表t时刻不确定性负荷，Pct代表t时刻正不平衡功率补偿不确定性负荷用电，PAt1t代表t时刻蓄电池A补偿不平衡功率用电，PAt2t代表t时刻蓄电池A补偿不确定性负荷用电； 针对风电场不平衡功率，并考虑不确定性负荷，制定储能补偿不平衡功率策略；此策略可以总结为： 1Pt＞0、Pft＞0，不平衡功率为正，且有不确定性负荷 当Pt＞Pft时，此时不平衡功率直接补偿不确定性负荷，Pct＝Pft；蓄电池A充电吸收正不平衡功率，PAt1t＝min{Pt-Pft,EAtt-Δt}； 当0＜Pt＜Pft时，此时不平衡功率补偿部分不确定性负荷，Pct＝Pft；蓄电池A放电补偿剩余负荷，PAt2t＝-min{Pft-Pt,EAtt-Δt}； 2Pt＞0、Pft＝0，不平衡功率为正，且无不确定性负荷，蓄电池A只需充电吸收正不平衡功率，PAt1t＝min{Pt,EAtt-Δt}； 3Pt＜0、Pft＞0，不平衡功率为负，且有不确定性负荷，此时蓄电池A首先补偿负不平衡功率，PAt1t＝-min{|Pt|,EAtt-Δt} 当EAtt-Δt-PAt1t＞0，蓄电池A有剩余电量时放电补偿不确定性负荷，PAt2t＝-min{Pt,EAtt-Δt-PAt1t} 当EAtt-Δt-PAt1t＝0，蓄电池A无剩余电量时停止充放电，PAt2t＝0 4Pt＜0、Pt＝0，不平衡功率为负，且无不确定性负荷，蓄电池A放电补偿不平衡功率，PAt1t＝-min{|Pt|,EAtt-Δt} 蓄电池A充放电过程遵循公式1-4； 1.2蓄电池A容量配置 基于步骤一所制定的蓄电池A补偿不平衡功率策略，同时考虑补偿不平衡功率和不确定性负荷，构建蓄电池A容量配置模型；因正不平衡功率较大，需要非常大容量的储能才能保证完全吸收，考虑经济性影响，主要以吸收部分正不平衡功率，用以补偿负不平衡功率和不确定性负荷为目的； 1.2.1目标函数 考虑经济性影响，以蓄电池A日均运行成本最低为目标函数； 式中，r为年利率；y为蓄电池A的寿命；P、E分别为蓄电池A额定功率kW、额定容量kWh；Cbp、Cbe分别为蓄电池单位功率成本元kW、单位容量成本元kWh；Crb为蓄电池维护成本元kWh； 考虑不平衡功率和不确定性负荷的补偿效果，以风能利用率最大为目标函数； 式中，为蓄电池A吸收的不平衡功率；为大于上网要求的不平衡功率； 1.2.2求解算法选择 步骤二、基于VMD自适应分频的混合储能容量配置 第1.1节利用蓄电池A实现对不平衡功率的补偿，得到满足电网需求的上网功率，根据上网功率波动率要求，提取需要储能充放来达到波动率要求的补偿功率；根据超级电容器和蓄电池特性，首先采用VMD自适应分频方法对补偿功率进行分频，使混合储能在各自频率范围内运行，根据分频结果，构建混合储能容量最优配比模型； 2.1VMD自适应分频模型 变分模态分解是一种信号分解估计方法；该方法在获取分解分量的过程中通过迭代搜寻变分模型最优解来确定每个分量的频率中心和带宽，从而能够自适应地实现信号的频域剖分及各分量的有效分离；其分解公式为： 式中，{uk}＝{u1,u2,...,uk}，{ωk}＝{ω1,ω2,...，ωk}，中的上下标分别代表平方和L2范数，Ft为待分解的原始补偿功率； 对补偿功率进行分频，将补偿功率分解为高频分量与低频分量，充分利用超级电容器和蓄电池的特性，使超级电容器平抑高频低幅值的波动，蓄电池B平抑低频高幅值的波动；选择VMD的原因是它可以使每个模态的估计带宽之和最小，采用了交替方向乘子法，不断更新各模态及其中心频率，逐步将各模态解调到相应的基频带，最终各个模态即相应的中心频率被一同提取出来，有非常好的分频作用； 为达到使超级电容器平抑高频低幅值的波动，蓄电池B平抑低频高幅值的波动的目的，提出了一种VMD分量自适应重构方式，即在VMD分量重构时，对每一时刻的分量都选择不同的重构范围，K表示重构低频分量所需的分量个数；重构过程中，如果高频分量的幅值大于低频分量的幅值，则增加K值；高低频重构公式为： 式中，ukt为t时刻VMD分解的补偿功率的第k个分量；uHt、uLt，分别为t时刻初始重构的补偿功率的高低频分量； 但上述VMD分量重构方式并不准确，因为VMD的分解个数N的选取不准确会导致对原信号的过度分解，其次，VMD分量重构后，其高低频分量之和的幅值小于原信号，而本发明重构的高低频分量是作为混合储能容量配置的依据，分解不准确会导致储能容量配置不准确，最终导致储能无法平抑风电功率波动；故对重构过程进行如下调整： 1若出现过度分解，则将此刻的高频分量值调整为与原信号幅值相同； 2同时用原信号减去调整后的高频分量，得到调整后的低频分量，用以解决VMD分量重构后与原信号幅值不同的问题； PHt＝uH1t17 式中，uH1t为调整后的高频分量；PLt为t时刻补偿功率的低频分量；PHt为t时刻补偿功率的高频分量； 2.2混合储能容量配置模型 根据2.1节VMD自适应分频结果，使混合储能在各自频率范围内进行平抑，以混合储能日均运行成本最小为目标函数； 2.2.1目标函数 储能运行成本包括投资成本和维护成本： minC＝Cb+Csc+Cr18 式中，C为储能运行成本；Cb、Cs分别为蓄电池B和超级电容器的投资成本；Cr为混合储能维护成本，其表达为 式中，yb、ys分别为蓄电池B和超级电容器的寿命；Csp、Cse分别为超级电容器的单位功率成本元kW、单位容量成本元kWh；Crs为超级电容器的维护成本元kWh； 2.2.2约束条件 超级电容器在各自频率范围内运行，约束为： PLt+PHt＝Pxt24 式中，Pxt为t时刻满足波动率的补偿功率； 混合储能额定功率约束、额定容量约束、SOC状态约束遵循公式5-7. 2.2.3求解方法 Gray-Wolf算法是受灰狼捕食行为启发而提出的一种优化搜索方法；该算法收敛性强，参数少，易于实现；但其位置更新方程存在开发能力强、勘探能力弱的缺点；双库容量的优化分配需要同时满足不同的约束条件，这是一个非线性、多约束、多变量的问题求解过程；粒子群优化PSO通过更新位置和速度来更新局部和全局优化，直到达到最优值；PSO-GWO算法是通过PSO算法对GWO算法进行改进，使之具有更好的全局搜索能力的一种新算法； 该算法的基本思想是：从一个随机产生的初始种群开始，通过把种群中任意两个个体的向量差与第三个个体求和来产生新个体，然后将新个体与当代种群中相应的个体相比较，如果新个体的适应度优于当前个体的适应度，则在下一代中就用新个体取代旧个体，否则仍保存旧个体；通过不断地进化，保留优良个体，淘汰劣质个体，引导搜索向最优解逼近；在此寻优过程中，将VMD自适应分频结果和式21-26的约束条件嵌入算法，根据式20，采用PSO-GWO求解混合储能容量最优配比； 步骤三、基于双层模型算法控制的平抑模型 根据第1节求解的超级电容器和蓄电池B的容量，构建基于双层模型算法控制的平抑模型；上层模型主要采用超级电容器平抑高频低幅值波动，下层模型采用蓄电池B平抑低频高幅值波动； MAC是MPC的一类表现形式，能够实现有限步长内开环最优控制；在储能平抑风电并网波动率方面，其时域滚动优化过程为：1根据储能SOC状态约束及并网波动约束建立优化模型；2以当前时刻下SOC状态变量值以及风电实际出力值，根据约束条件，求解未来一段时间的储能控制指令序列；3将控制指令序列的第一个值应用于混合储能控制系统；4滚动至下一时刻，更新SOC状态变量值以及并网功率值，重复上述过程；MAC算法采用滚动预测、提前控制的思想，可以根据当前风电实际出力和约束条件，有效地求解储能在未来一段时间内的输出； 3.1上层高频波动平抑模型 对于利用超级电容器平抑高频波动，功率及储能SOC变化关系： Hfk＝Pk-Pk25 Hyk+1＝PHfk-Pstk26 式中，PHfk为k时刻去除低频分量的实际功率；PHyk+1为k+1时刻平抑高频分量后的功率；T表示超级电容器的控制周期； 式中，Sst0为初始时刻超级电容器SOC状态；M为预测时间长度，即控制指令序列长度； -Ps≤Pstk+i≤Ps29 Ss0≤Ssk+i≤SsM30 式中，Prate为风电的额定容量；δ为风电并网波动率的限制值； 假设状态变量x1k＝PHyk、x2k＝Ssk；控制量uk＝Pstk；rk＝PHfk作为扰动量；则包含超级电容器的风电系统状态空间方程为： 记： 将目标函数公式28和约束条件公式29～31化为二次规划标准型： 式中，z＝[uk,xTk+1,uk+1....,uk+M-1,xTk+M]T、H是由储能控制序列和出力水平的二次项权重Q组成的矩阵； 3.2下层高频波动平抑模型 对于利用超级电容器平抑高频波动，功率及储能SOC变化关系： PLfk＝PHyk+PLk34 PLyk+1＝PLfk-Pbtk35 式中，PLfk为k时刻上层平抑后功率叠加低频分量；PLyk+1为k+1时刻平抑低频分量后的功率； 在平抑低频波动，使其满足并网波动要求的前提下，以蓄电池B最小出力和充放平衡，建立了下层MAC滚动优化目标函数： 式中，Sbt0为初始时刻蓄电池B的SOC状态； -Pb≤Pbtk+i≤Pb38 Sb0≤Sbk+i≤SbM39 假设状态变量y1k＝PLyk、y2k＝Sbk；控制量vk＝Pbtk；fk＝PHfk作为扰动量；则包含蓄电池B的风电系统状态空间方程为： 记： 将目标函数公式37和约束条件公式38～40化为二次规划标准型： 其中，w＝[vk,yTk+1,vk+1....,vk+M-1,yTk+M]T、H是由储能控制序列和出力水平的二次项权重R和Q组成的矩阵；R＝2、 根据公式4～7可得： Bb＝[Pb,Pb,δ,δ,-Sb0,SbM] Bbq＝[Pb,bb,-Sb0,SbM] 利用MATLAB二次规划方法在每个控制周期内进行优化求解上述模型，得到一序列控制指令，取第一个值作为当前储能总控制指令，反复迭代，继而求得日内超级电容器和蓄电池B的控制指令序列[uk,uk+1....,uk+M-1]T、[vk,vk+1....,vk+M-1]T。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人新疆大学，其通讯地址为：830001 新疆维吾尔自治区乌鲁木齐市天山区延安路1231号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。