基于卡尔曼滤波与EWT算法的风电波动平抑方法

摘要

针对传统平抑方法在风电功率跟踪中存在的响应滞后、追踪性差等问题，本文提出基于卡尔曼滤波(Kalman filtering, KF)算法的风电功率波动平抑方法，以及基于经验小波变换(empirical wavelet transform, EWT)算法的储能功率分配策略。首先，将卡尔曼滤波算法与自适应滑动平均算法进行对比，验证其在减小风电功率平抑滞后性方面的优势；其次，将EWT算法与传统经验模态分解(empirical mode decomposition, EMD)算法进行对比，以实现更高精度的储能功率分解与分配。仿真结果表明，卡尔曼滤波算法在平抑风电功率波动方面具有实时性强、滞后性小的特点，能有效减少混合储能系统的充放电切换次数与深度，从而延长储能设备的使用寿命；EWT算法能够避免模态混叠问题，合理分配不同储能装置之间的功率，保障系统的稳定可靠运行。

关键词

风电波动平抑 / 卡尔曼滤波 / 自适应滑动平均 / 经验小波变换 / 经验模态分解 / 储能系统寿命

基金资助

贵州省科学技术基金(黔科合基础-ZK【2021】一般277)