具体实施方式

本公开提出一种混合储能抑制风电波动方法、装置、电子设备和存储介质，以下将结合附图和实施例来对本公开的技术方案作进一步的详细描述。

本公开第一方面实施例提出一种混合储能抑制风电波动方法，整体流程如图1所示，包括以下步骤：

S1、对任一风电机组实际运行时的原始功率以及风速数据进行采集，本实施例中，数据采集的时间范围至少为1年，数据采样时间间隔至少为30min；

S2、采用一阶低通滤波对该风电机组原始功率进行滤波，将滤波结果作为该机组的风电并网功率，用该风电机组原始功率减去对应并网功率得到该机组的风电波动功率。其中，本公开的实施例中一阶低通滤波器的时间常数取10min。

S3、采用中心频率法确定变分模态分解数目，具体执行步骤为：

①初始化，令变分模态分解数目K＝2；

②对风电波动功率进行变分模态分解，得到K个模态分量；

③计算各模态分量的中心频率；

④判断K个模态分量是否存在重复的中心频率。若不存在，则令K＝K+1，重复步骤②—④；若存在，输出最佳变分模态分解数目为K-1。

S4、根据步骤S3确定的最佳变分模态分解数目，使用变分模态分解算法对风电波动功率进行分解，得到风电波动功率的多个模态分量；

S5、按照中心频率的大小，按照设定的阈值将风电波动功率的各模态分量划分为低频波动分量和高频波动分量两类。其中，本公开的一个具体实施例中，模态分量的划分标准为：若模态分量的中心频率小于1.66×10^-3，则该模态分量为低频波动分量；若模态分量的中心频率大于等于1.66×10^-3，则该模态分量为高频波动分量。

S6、对每种低频波动分量建立对应的低频波动分量预测模型，对每种高频波动分量建立对应的高频波动分量预测模型；

其中，所述低频波动分量预测模型为一浅层神经网络模型。本公开的一个实施例中所述低频波动分量预测模型包括依次连接的卷积层、池化层、两层LSTM层、Dropout层、注意力机制层和全连接层。所述低频波动分量预测模型各层参数如表1所示：

表1本公开一个具体实施例中低频波动分量预测模型参数表

所述高频波动分量预测模型为一深层神经网络模型。其中，本公开的一个实施例中所述高频波动分量预测模型包括依次连接的卷积层、池化层、三层LSTM层、Dropout层、注意力机制层和全连接层。所述高频波动分量预测模型各层参数如表2所示：

表2本公开一个具体实施例中高频波动分量预测模型参数表

该两个预测模型的参数为：激活函数为Relu，损失函数为平均绝对误差函数，优化器为Adam，网络初始学习率为0.001。

S7对每个低频波动分量预测模型建立对应的训练样本集，利用该训练样本集对所述低频波动分量预测模型进行训练，直至该模型的损失函数收敛，得到训练完毕的各低频波动分量预测模型。

其中，各低频波动分量预测模型的训练样本集中每个样本包括该风电机组连续N+1个采样时刻的对应低频波动分量和该N+1个采样时刻中第N+1个采样时刻的风速数据；训练时，将每个样本中前N个采样时刻的对应低频波动分量和第N+1个采样时刻的风速数据作为该模型输入，将该样本中第N+1个采样时刻(即被预测时刻)的对应低频波动分量作为标签。本公开的一些实施例中，N一般取10。

S8对每个高频波动分量预测模型建立对应的训练样本集，利用该训练样本集对所述高频波动分量预测模型进行训练，直至该模型的损失函数收敛，得到训练完毕的各高频波动分量预测模型。

其中，各高频波动分量预测模型的训练样本集中每个样本包括该风电机组连续N+1个采样时刻的对应高频波动分量和该N+1个采样时刻中第N+1个采样时刻的风速数据；训练时，将每个样本中前N个采样时刻的对应高频波动分量和第N+1个采样时刻的风速数据作为模型输入，将该样本中第N+1个采样时刻(即被预测时刻)的对应高频波动分量作为标签。本公开的一些实施例中，N一般取10。

(在本公开的实施例中，上述各低频波动分量预测模型和高频波动分量预测模型的构建及训练均使用python编程语言中keras深度学习工具包。

S9获取风电机组各低频波动分量和各高频波动分量的预测结果；具体方法如下：

获取待预测时刻前N个连续时刻该风电机组实际运行时的原始功率；

重复步骤S2，得到该N个连续时刻该风电机组的风电波动功率；

重复步骤S4-S5，得到该N个连续时刻的风电波动功率的各模态分量并划分为低频波动分量和高频波动分量；

获取第N+1个时刻的风速数据；

将N个连续时刻的任一种低频波动分量以及第N+1个时刻的风速数据输入对应的低频波动分量预测模型，得到该风电机组在第N+1个时刻(即待预测时刻)对应低频波动分量的预测结果。

将N个连续时刻的任一种高频波动分量以及第N+1个时刻的的风速数据输入对应的高频波动分量预测模型，得到该风电机组在第N+1个时刻(即待预测时刻)的预测结果。

S10将低频波动分量的预测结果之和作为蓄电池储能元件的指令信号，将高频波动分量的预测结果之和作为超级电容储能元件的指令信号，对两类波动功率分量进行平抑。其中，上述两个元件均为辅助风电机组的额外储能装置。

具体方法方法为：当指令信号为正时，储能装置(包括蓄电池储能元件和级电容储能元件)进行充电，充电功率为对应指令信号的大小；当指令信号为负时，储能装置进行放电，放电功率为对应指令信号的大小。

为了实现上述实施例，本公开第二方面实施例提出一种混合储能抑制风电波动装置，包括：

获取模块，用于获取风电机组待预测时刻前连续多个时刻的风电波动功率及待预测时刻的风速数据；

变分模态分解模块，用于根据预设的变分模态分解数目，对所述多个时刻的风电波动功率进行分解，以得到所述风电波动功率在所述多个时刻的多个模态分量；

波动分量划分模块，用于将所述多个模态分量分别划分为对应的低频波动分量或高频波动分量；

预测模块，用于将所述多个时刻的同种所述波动分量和所述待预测时刻的风速数据对应输入预设的低频波动分量预测模型和高频波动分量预测模型，以得到所述风电机组所述低频波动分量和所述高频波动分量的预测结果；

平抑模块，用于将所述低频波动分量和所述高频波动分量的预测结果作为储能装置的指令信号，以实现对所述风电机组功率波动的平抑。

为了实现上述实施例，本公开第三方面实施例提出一种电子设备，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行上述一种混合储能抑制风电波动方法。

为了实现上述实施例，本公开第四方面实施例提出一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行，用于执行上述实施例的一种混合储能抑制风电波动方法。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备执行上述实施例的一种混合储能抑制风电波动方法。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。