一种适用于溷合储能系统的控制策略
第 32 卷 第 7 期 中 国 电 机 工 程 学 报 Vol.32 No.7 Mar.5, 2012 2012 年 3 月 5 日 Proceedings of the CSEE ©2012 Chin.Soc.for Elec.Eng. 1 文章编号:0258-8013 (2012) 07-0001-06 中图分类号:TM 912 文献标志码:A 学科分类号:470·4054 一种适用于混合储能系统的控制策略 丁明 1 ,林根德 1 ,陈自年 2 ,罗亚桥 2 ,赵波 3 (1.安徽省新能源利用与节能重点实验室 (合肥工业大学 ),安徽省 合肥市 230009; 2.安徽省电力科学研究院,安徽省 合肥市 230601; 3.浙江省电力试验研究院,浙江省 杭州市 310014) A Control Strategy for Hybrid Energy Storage Systems DING Ming 1 , LIN Gende 1 , CHEN Zinian 2 , LUO Yaqiao 2 , ZHAO Bo 3 (1. Anhui New Energy Utilization and Energy Saving Laboratory (Hefei University of Technology), Hefei 230009, Anhui Province, China; 2. Anhui Electric Power Research Institute, Hefei 230601, Anhui Province, China; 3. Zhejiang Electric Power Test low-pass filtering; battery; supercapacitor; fuzzy control 摘要: 为最大化地降低可再生能源输出功率的波动程度,优 化混合储能系统的运行,采用时间常数随储能系统荷电状态 变化的低通滤波算法确定目标功率值;根据蓄电池和超级电 容的荷电状态,采用模糊控制理论将超出目标值的功率偏差 在两种储能介质之间进行分配;当超级电容电量充足时,由 其独立补偿功率偏差值,以减少蓄电池的充放电次数。算例 分析表明,所提控制策略能够有效地平抑可再生能源功率波 动,避免储能介质出现荷电状态越限现象,达到延长蓄电池 基金项目: 国家自然科学基金重点项目(50837001) ;国家重点基础 研究发展计划(973 项目)(2009CB219702) ;国家 863 高技术基金项目 (2011AA05A107)。 Project Supported by National Natural Science Foundation of China (50837001); The National Basic Research Program of China (973 Program) (2009CB219702); The National High Technology Research and Development of China 863 Program (2011AA05A107). 使用寿命的目的。 关键词: 混合储能系统;低通滤波;蓄电池;超级电容; 模糊控制 0 引言 近年来,我国大力发展清洁的可再生能源电 源,其装机容量在电力系统中的比例不断上升。由 于可再生能源电源输出功率随着天气的变化而变 化,不能制定出精确的发电计划,因此大规模可再 生能源并网会影响电力系统运行的稳定性和可靠 性。在可再生能源电源出口侧安装储能电站以平抑 其输出功率波动,一定程度上将可再生能源电源转 化为可调度的电源,将有助于减少可再生能源对电 力系统的冲击 [1] 。 现有的储能介质可以分为能量型和功率型两 类 [2] : 1)以锂电池、钠硫电池、液流电池和铅酸电 池等为代表的能量型储能介质,能量密度较大,功 率密度较小;2 )以超级电容、超导磁储能和飞轮 储能等为代表的功率型储能介质,能量密度较小, 功率密度较大,高倍率充放电不会损害其性能。为 使储能电站同时具有大容量和大功率性能,本文将 能量型储能介质和功率型储能介质组成混合储能 系统(hybrid energy storage system , HESS)。 为降低可再生能源电源输出功率的波动程度, 首先需要制定合理的平抑目标,本文采用低通滤波 算法,将波动功率的低频部分作为目标功率值;其 次,为达到混合储能系统预期的平抑效果,需要制 定合理的混合储能系统控制策略,实现在不同储能 2 中 国 电 机 工 程 学 报 第 32 卷 介质之间合理分配功率偏差的目的,避免出现储能 介质荷电状态越限的现象,从而保持储能电站有较 大的可用功率和容量。由于储能电站难以给出精确 的充放电控制模型,为使混合储能电站在功率分配 时能考虑各个储能介质的荷电状态,本文采用模糊 控制进行混合储能系统的功率优化分配。 1 储能电站模型 由于在平抑可再生能源功率波动的过程中,需 要已知 t 时刻混合储能电站和各个储能元件的最大 允许充放电功率,以用于制定混合储能电站的总出 力,并在各个储能元件之间进行功率分配。为此, 本文建立储能电站的数学模型,用于记录充放电过 程中的剩余电量,并用于计算 t 时刻储能电站充放 电功率的最大允许值。 储能介质的剩余电量在充放电过程中不断变 化,其变化量与该时段内的充、放电电量和自放电 有关。本文将储能介质的充、放电递推关系 [2-5] 表示 如下。 充电过程: sdr ESS C () (1 ) ( 1) ()Et Et P t t (1) 放电过程: ESS sdr D () () (1 ) ( 1) P tt Et Et (2) 式中: E(t)为储能介质 t 时段结束时的剩余电量, MWh; P ESS (t)为储能介质 t 时段的充放电功率, MW; sdr 为储能介质的自放电率, %/min; C 和 D 分别为储能介质的充电和放电效率, %; t 为每 个计算窗口时长, min。 储能介质 t 时刻的最大允许充放电功率由其自 身的充放电特性和 t 时刻的剩余电量所决定,其表 达式如下。 充电时: max sdr ESS_limit max C C (1 ) ( 1) () min{ , } EEt Pt P t (3) 放电时: sdr min D ESS_limit max D [(1 ) ( 1) ] () min , } Et E Pt P t (4) HESS_limit SC_limit B_limit () () ()P tP tP t (5) 式中: P ESS_limit (t)为储能介质 t 时刻的最大允许充放 电功率, MW; P maxC 和 P maxD 分别为由储能介质充 放电功率特性决定的最大充电和放电功率, MW, 取 P maxC 和 P maxD 的值均为正; E max 和 E min 分别为储 能介质电量约束上限和下限, MWh; P HESS_limit (t) 为混合储能系统 t 时刻的最大允许充放电功率, MW; P SC_limit (t)和 P B_limit (t)分别为超级电容和蓄电 池 t 时刻的最大允许充放电功率, MW; min{}函数 为取最小值函数。 2 混合储能系统的控制策略 2.1 平抑目标的选择 由于目前还没有制定储能系统平抑目标的统 一方法,为降低可再生能源输出功率的波动程度, 本文将其高频部分的功率由混合储能电站平抑,将 其低频部分的功率输入电网 [6-7] ,因此采用低通滤波 方法来确定混合储能电站的平抑目标。由于本文下 一节中的功率分配方法只能将给定的功率差值在 不同储能元件之间进行功率分配,不能调节混合储 能电站的总出力,因此为了充分利用储能电站的剩 余容量,最大化地降低可再生能源输出功率的波动 程度,需要合理制定储能电站的平抑目标。本文根 据混合储能电站的剩余容量来调节低通滤波器的 时间常数,以达到调节储能电站平抑目标的目的。 在储能电站剩余容量充足时,适当提高滤波器的时 间常数 (t),使得 t 时刻的平抑目标尽量接近 t 1 时刻的输出功率,以降低 t 时刻平抑后可再生能源 的输出功率变化率,从而避免在储能电站剩余容量 充足时出现较大功率变化率的现象。 t 时刻的混合 储能电站平抑目标 P ref (t)和平抑目标外的功率 P(t) 分别如式 (6)和式 (7)所示。 ref total RES () (1 ()) ( 1) () ()P ttP tPt (6) RES total () (1 ())( () ( 1))Pt t P t P t (7) 式中: t 时刻的滤波系数 (t)与滤波器时间常数 (t) 的关系为 (t) t / ((t) t); P RES (t)为 t 时刻的可 再生能源功率, MW; P total (t 1)为 t 1 时刻平抑后 的输出功率, MW。 滤波系数 (t)与混合储能电站剩余容量的关系为 Bmax B SC max SC 1 Bmax Bmin SCmax SCmin SC SCminBBmin 2 Bmax Bmin SCmax SCmin (1) (1) (1 ), () 0 () (1)(1) (1 ), () 0 EEtE Et k EE E E Pt t Et EEt E k EE E E Pt (8) 式中 k 1 、 k 2 为比例系数。如果 k 1 、 k 2 的数值较小, (t)的值也随之减小,表明储能电站的平抑目标将 较为平滑,但是会增加储能电站的充放电功率,出 第 7 期 丁明等:一种适用于混合储能系统的控制策略 3 现储能电站容量不足的现象,反而降低了全局的平 抑效果;如果 k 1 、 k 2 的数值较大, (t)的值也随之 增大,则储能电站的平抑目标波动较剧烈,可能出 现在储能电站剩余容量充足的情况下可再生能源 输出功率波动剧烈的现象,未能充分利用储能电站 的容量。因此,本文折中取 k 1 k 2 0.5。 2.2 功率优化分配 由 2.1 节方法得出平抑目标和平抑目标外的功 率 P(t)后,为提高混合储能系统的平抑效果,需 在不同储能介质之间对 P(t)进行优化分配。由于 混合储能系统难以给出精确的充放电功率动态控 制模型,为使混合储能电站在功率分配时能考虑 各个储能介质的荷电状态,因此本文采用模糊控 制 [2,8] 进行混合储能系统功率优化分配,其控制目 标 [9-11] 为: 1)使平抑后目标外的功率最小化。 HESS min | ( ) ( ) |P tP t (9) 2)使超级电容最大化地保存能量以用于平抑 下一时刻的功率波动。 SOC_SC SOC_SC min | ( ) (0) |StS (10) 3)使蓄电池最大化地保存能量以用于平抑下 一时刻的功率波动。 SOC_B SOC_B min | ( ) (0) |StS (11) 式中: P HESS (t)为混合储能系统 t 时段的充放电功率, MW; S SOC_SC (t)和 S SOC_SC (0)分别为超级电容 t 时刻 和初始时刻的荷电状态, %; S SOC_B (t)和 S SOC_B (0) 分别为蓄电池 t 时刻和初始时刻的荷电状态, %。 混合储能系统功率优化分配需要考虑 S SOC_SC (t)、 S SOC_B (t)和 P(t)的大小。因此,本文将超级电容荷 电状态预测值 S pd_SC (t)作为模糊控制的其中一个输 入量 X 1 (t),即由超级电容独立承担 t 时刻的 P(t) 后的荷电状态;将蓄电池荷电状态偏差预测值作为 模糊控制的另一个输入量 X 2 (t),即由蓄电池独立承 担 P(t)后的荷电状态 S pd_B (t)与 S SOC_B (0)的差值。 X 1 (t)和 X 2 (t)的表达式为 1 pd_SC () ()Xt S t (12) 2 pd_B SOC_B () () (0)Xt S t S (13) 当 P(t) 0 时,输入隶属函数和输出隶属函数 如图 1 所示。 P(t) 0 时的模糊控制规则如表 1 所示。 当 P(t) 0 时,超级电容的输入隶属函数如 0 输入 1 超级电容 0.5 0.7 0.8 0.95 1 11 1 SS S M L 0.55 输入 2 蓄电池 0.15 0 0.15 0.35 0.55 11 2 NL NM PM PL 1 输出 0.3 0 0.3 0.7 1 1 k NM NS PS PB X1 X2 k 0.35 ZE 0.7 NB PM ZE 图 1 隶属函数( P(t) 0) Fig. 1 Membership function (P(t) 0) 表 1 模糊控制规则( P(t) 0) Tab. 1 Fuzzy control rule (P(t) 0) X 2 X 1 NL NM ZE PM PL SS ZE ZE ZE ZE ZE S NS ZE ZE ZE ZE M NL NL NL NM NS L NL NL NL NL NM 图 2 所示,输出隶属函数和蓄电池的输入隶属函数 均与 P(t) 0 时相同。 0 输入 1 超级电容 0.25 0.4 0.5 0.7 1 11 1 S M L LL X1 图 2 超级电容的输入隶属函数( P(t) 0) Fig. 2 Input membership function of Supercapacitors (P(t) 0) P(t) 0 时的模糊控制规则如表 2 所示。 采用加权平均法进行解模糊计算得到 t 时刻混 合储能系统的功率修正系数 b(t) [2,8] 为 11 2 2 11 2 2 (() (() () ( ( )) ( ( )) ij ij ij ij ij Xt Xt k bt Xt Xt (14) 式中: 1i (X 1 (t))和 2j (X 2 (t))分别为输入量 X 1 (t)的第 i 个和输入量 X 2 (t)的第 j 个隶属度值, i 的集合为 {S, M, L, LL}, j 的集合为 {NL, NM, ZE, PM, PL}; k ij 4 中 国 电 机 工 程 学 报 第 32 卷 为与输入量 X 1i (t)和 X 2j (t)相对应的输出量。 表 2 模糊控制规则( P(t) 0) Tab. 2 Fuzzy control rule (P(t) 0) X 2 X 1 NL NM ZE PM PL S PM PL PL PL PL M PS PM PL PL PL L ZE ZE ZE ZE PS LL ZE ZE ZE ZE ZE t 时刻超级电容的参考功率 P SC_ref (t)和蓄电池 的参考功率 P B_ref (t)为 SC_ref () () ()| ()|P tPtbtPt (15) B_ref () ()| ()|P tbtPt (16) 如果超级电容剩余容量充足,则由超级电容独 立承担 P(t),以减轻蓄电池的压力 [12-15] ,同时使 超级电容荷电状态尽快恢复到初始值,从而提高下 一时刻的平抑效果。本文取充电后 S SOC_SC (t) 0.5 和放电后 S SOC_SC (t) 0.7 的区间为超级电容剩余容 量充足区间,其余区间为剩余容量不充足区间。 如果超级电容剩余容量不充足,则由蓄电池和 超级电容共同承担平抑目标外的功率,避免因超级 电容荷电状态越限而削弱下一时刻混合储能系统 的平抑效果。当 P(t) 0 时, 1 b(t) 0;当 P(t) 0 时, 0 b(t) 1。如果蓄电池剩余容量大,充电后 S SOC_B (t)较低,则蓄电池承担较多平抑目标外的功 率,增大蓄电池的参考功率;如果充电后 S SOC_B (t) 较高,则蓄电池承担较少平抑目标外的功率,以免 蓄电池荷电状态越限而削弱下一时刻的平抑效果。 上述功率优化分配过程未考虑储能介质能量 和功率越限条件,因此需要对储能介质的功率和能 量是否越限进行判断。如果超级电容出现功率或能 量越限,则超级电容尽最大能力平抑功率波动,剩 余部分由蓄电池承担;如果蓄电池出现功率或能量 越限,则蓄电池尽最大能力平抑功率波动,剩余部 分由超级电容承担。 混合储能电站的控制策略图如图 3 所示。 3 算例分析 本文利用超级电容和锂离子电池组成混合储 能系统来平抑可再生能源输出功率波动。超级电容 和锂离子电池储能介质的各项性能参数 [16-18] 如表 3 所示,由于锂电池月自放电率约为 3% [18] ,因此本 文近似取锂电池的自放电率为 0%/min。 是 初始化 0 时刻的超级电容、 蓄电池容量和功率 读取波动的功率数据 开始 i 时刻 计算 i 时刻超级电容、蓄电池和 储能电站的最大允许充放电功率 计算 i 时刻的平抑目标和 平抑目标外的功率 计算 i 时刻低通滤波器的 时间常数 计算 i 时刻超级电容的 荷电状态预测值和蓄电池的 荷电状态偏差预测值 采用模糊控制算法求出 i 时刻超级电容和蓄电池的 充放电功率参考值 校验充放电功率是否越限并修正 计算 i 时刻超级电容、蓄电池和 储能电站的实际充放电功率、 可再生能源电站总出力和 i 时刻 末储能电站的荷电状态,并保存 N 个时刻是否全部计算完? 输出结果 结束 下一时刻, i i 1 否 图 3 控制策略图 Fig. 3 Figure of the control strategy 表 3 超级电容和锂离子电池储能电站参数 Tab. 3 Parameters of supercapacitors and batteries 参数类型 超级电容 蓄电池 最大持续放电功率/MW 7.5 15 最大持续充电功率/MW 7.5 15 额定容量/MW h 3 15 允许放电深度/% 25~95 20~90 初始荷电状态/% 60 55 自放电率/(%/min) 0.01 0 充放电效率/% 95 90 假设可再生能源电源的输出功率服从平均值 为 50 MW,标准差为 15 MW 的正态分布,计算窗 口时长 t(每个点的采样时间 )为 3 min。可再生能源 功率和平抑后的输出功率如图 4 所示。 超级电容和蓄电池的功率如图 5 所示。 第 7 期 丁明等:一种适用于混合储能系统的控制策略 5 t/(3min) 功率波动 /M W 0 0 20 60 80 100 100 200 300 可再生能源功率 40 平抑后的功率 图 4 可再生能源电源功率波动值和平抑后的功率 Fig. 4 Power fluctuation of renewable energy sources and power fluctuation with HESS 功率波动 /M W 20 10 10 20 蓄电池 0 超级电容 t/(3min) 0 100 200 300 图 5 超级电容和蓄电池的功率 Fig. 5 Power of supercapacitors and batteries 超级电容和蓄电池的荷电状态如图 6 所示。 荷电状态 /% 0 20 60 80 100 40 蓄电池 超级电容 t/(3min) 0 100 200 300 图 6 超级电容和蓄电池的荷电状态 Fig. 6 SOCs of supercapacitors and batteries 平抑前、后输出功率的比较如表 4 所示。 表 4 平抑前后输出功率的比较 Tab. 4 Comparisons of the power with and without HESS 参数类型 最大功率变化率 / (MW/(3 min)) 功率变化率总和 / (MW/(3 min)) 平抑前 62.5 5 199.2 平抑后 22.3 1 396.3 下降百分比 /% 64.3 73.1 由图 4 和表 4 可知,使用混合储能电站后,可 再生能源输出功率的波动程度明显降低。图 5 显示 了超级电容和蓄电池在运行中的充放电功率,其中 混合储能电站和超级电容的充放电次数均为 300 次,而蓄电池充放电次数为 198 次。这是由于在文 中所给的控制策略作用下,超级电容有时能独立承 担平抑目标外的功率,使蓄电池得以休息,这表明 该控制策略能有效地降低蓄电池的充放电次数,延 长蓄电池使用寿命。由图 6 可知,蓄电池和超级电 容均未出现荷电状态越限现象,表明该控制策略能 够合理、有效地进行功率分配,避免了荷电状态越 限现象的出现,从而保证了混合储能系统有较优的 平抑效果。 4 结论 本文使用混合储能系统平抑可再生能源功率 波动,采用一阶低通滤波器来确定平抑目标,采用 模糊控制进行功率优化分配。算例结果分析表明, 混合储能系统在该控制策略下能明显降低可再生 能源输出功率的波动程度,并能合理、有效地在不 同储能介质间实现功率分配,使混合储能系统有较 好的平抑效果。 参考文献 [1] 孙春顺,王耀南,李欣然.飞轮辅助的风力发电系统功 率和频率综合控制 [J].中国电机工程学报, 2008, 28(29): 111-116. Sun Chunshun, Wang Yaonan, Li Xinran. Synthesized power and frequency control of wind power generation system assisted through flywheels[J]. Proceedings of the CSEE, 2008, 28(29): 111-116(in Chinese). [2] 王虹富,曹军,邱家驹,等.一种用于分布式发电系统 的有功功率补偿模型 [J].电力系统自动化, 2009, 33(8): 94-98. Wang Hongfu, Cao Jun, Qiu Jiaju, et al. An active power compensation model for grid-connected generation system[J]. Automation of Electric Power Systems, 2009, 33(8): 94-98(in Chinese). [3] 丁明,徐宁舟,毕锐.用于平抑可再生能源功率波动的 储能电站的建模及评价 [J].电力系统自动化, 2011, 35(2): 66-72. Ding Ming, Xu Ningzhou, Bi Rui. Modeling of BESS for smoothing renewable energy output fluctuation[J] . Automation of Electric Power Systems, 2011, 35(2): 66-72(in Chinese). [4] 丁明,张颖媛,茆美琴,等.包含钠硫电池储能的微网 系统经济运行优化 [J]. 中国电机工程学报, 2011, 31(4): 7-14. Ding Min, Zhang Yingyuan, Mao Meiqin, et al. Economic operation optimization for microgrids including Na/S battery storage[J]. Proceedings of the CSEE, 2011, 31(4): 7-14(in Chinese). [5] Kazempour S J, Moghaddam M P, Haghifam M R, et al. Electric energy storage systems in a market-based economy : comparison of emerging and traditional technologies[J]. Renewable Energy, 2009, 34(12): 2630-2639. 6 中 国 电 机 工 程 学 报 第 32 卷 [6] 李霄,胡长生,刘昌金,等.基于超级电容储能的风电 场功率调节系统建模与控制 [J].电力系统自动化, 2009, 33(9): 86-90. Lin Xiao, Hu Changsheng and Liu Changjin, et al. Modelling and controlling of SCES based wind farm power regulation system[J]. Automation of Electric Power Systems, 2009, 33(9): 86-90(in Chinese). [7] Li Wei, Joos G, Abbey C. Wind power impact on system frequency deviation and an ESS based power filtering algorithm solution[C]//Power Systems Conference and Exposition. Atlanta, GA: IEEE, 2006: 2077-2084. [8] Ise T, Kita M, Taguchi A. A hybrid energy storage with a SMES and secondary battery[J]. IEEE Transactions on superconductivity, 2005, 15(2): 1915-1918. [9] Romaus C, Bocker J, Witting K. Optimal energy management for a hybrid energy storage system combining batteries and double layer capacitors[C]// Energy Conversion Congress and Exposition. San Jose, America: IEEE, 2009: 1640-1647. [10] Simon Boxnick, Stenfan Klopfer and Christoph Romaus, et al. Multiobjective search for the management of a hybrid energy storage system[C]//International Symposium on Industrial Informatics. Osaka, Japan: IEEE, 2010: 745-750. [11] Caux S, Wanderley-Honda D, Hissel D, et al. On-line energy management for HEV based on particle swarm optimization[C]//IEEE Vehicle Power and Propulsion Conference. Lille, France: IEEE, 2010: 1-7. [12] Gee A M, Dunn R W. Novel battery supercapacitor hybrid energy storage control strategy for battery life extension in isolated wind energy conversion systems[C]//International Universities Power Engineering Conference. Cardiff, UK: IEEE, 2010: 1-6. [13] Liu Fangcheng, Liu Jinjun, Zhou Linyuan. A novel control strategy for hybrid energy storage system to relieve battery stress[C]//International Symposium on Power Electronics for Distributed Generation Systems. Hefei, China: IEEE, 2010: 923-934. [14] van Voorden A M, Ramirez E L M, Paap G C, et al. The application of super capacitors to relieve battery-storage systems in autonomous renewable energy systems[C]// IEEE Power Tech. Lausanne, Switzerland: IEEE, 2007: 479-484. [15] Jia Yan, Shibata R, Yamamura N, et al. A control method of prolonging the service life of battery in stand-alone renewable energy system using electric double layer capacitor (EDLC)[C]//International Conference on Power Electronics and Drives Systems. San Antomio, America: IEEE, 2005: 228-233. [16] BYD Company Limited[EB/OL]. [2011-09-28]. http:// bydit.com/docc/products/Li-EnergyProducts/. [17] Maxwell Technologies[EB/OL] . [2011-09-28] . http:// www.maxwell.com/. [18] Zhejiang GBS Energy Co, LTD. [EB/OL]. [2011-09-28]. http://www.gbsystem.com/index_cn.asp. 收稿日期: 2011-09-29。 作者简介: 丁明 (1956),男,教授,博士生导师, 研究方向为电力系统规划及可靠性、新能 源及其利用、柔性输电系统的仿真与控制 等, mingding56@126.com; 林根德 (1987),男,硕士研究生,研究 方向为电力系统规划及可靠性、新能源并 网、储能系统, lingende1987@126.com。 丁明 (责任编辑 张玉荣 ) Extended Summary 正文参见 pp.1-6 S1 A Control Strategy for Hybrid Energy Storage Systems DING Ming 1 , LIN Gende 1 , CHEN Zinian 2 , LUO Yaqiao 2 , ZHAO Bo 3 (1. HeFei University of Technology; 2. Anhui Electric Power Research Institute; 3. Zhejiang Electric Power Test low-pass filtering; battery; supercapacitor; fuzzy control Hybrid energy storage systems (HESS) have been applied to leveling the renewable energy output power fluctuation with a leveling effect related with the leveling target and the power allocation method. In order to optimize the operation of HESS, this paper has studied the method for determining the leveling target and the control strategy for power allocation between different energy storage mediums. In order to fully utilize the remaining capacity of HESS and maximally reduce the fluctuation of renewable energy output power, the time constant of the low-pass filter is controlled to regulate the leveling target, according to the state of charge (SOC) of HESS. When the remaining capacity of HESS is sufficient, the time constant is increased appropriately to make the leveling target in t moment which is close to the output power in t-1 moment, and to avoid the appearance of large power variation rate. And the leveling target P ref (t) in t moment is proposed as follows: ref total RES () (1 ()) ( 1) () ()P ttP tPt (1) Bmax B SCmax SC 1 Bmax Bmin SCmax SCmin SC SC minBBmin 2 Bmax Bmin SCmax SCmin ( 1)(1) (1 ), () 0 () (1)(1) (1 ), () 0 EEtE Et k EE E E Pt t Et EEt E k EE E E Pt (2) where k 1 and k 2 are scale factors, k 1 k 2 0.5. For taking account