1、本文針對大規(guī)模風(fēng)電的隨機(jī)性、波動性和不確定性對主網(wǎng)的沖擊，采用基于超級電容器和蓄電池的混合儲能系統(tǒng)平抑并網(wǎng)功率波動。本文采用了快速傅里葉變換對風(fēng)電歷史信號進(jìn)行頻譜分析，根據(jù)頻譜特性圖和蓄電池與超級電容器補(bǔ)償功率特點(diǎn)，采用了一種新的信號分解方法—解析模態(tài)分解方法，將風(fēng)電歷史信號分解為高頻分量和低頻分量；針對低頻分量使用支持向量機(jī)方法進(jìn)行超短期預(yù)測，超短期預(yù)測中采用了高斯徑向基核函數(shù)，其中的懲罰因子參數(shù)和核函數(shù)參數(shù)的尋優(yōu)是超短期風(fēng)電功率預(yù)測

2、的重要問題；布谷鳥算法是一種新的元啟發(fā)式算法，可以不用將所有參數(shù)尋歷一遍就可以找到參數(shù)最優(yōu)解，從而提高了支持向量機(jī)的學(xué)習(xí)能力。但是，由于標(biāo)準(zhǔn)CS（Cuckoo Search）算法尋優(yōu)路徑依賴于隨機(jī)游走策略，且采用了固定發(fā)現(xiàn)概率，將會降低尋優(yōu)效率和尋優(yōu)精度。故本文采用了一種改進(jìn)的布谷鳥分析方法，采用自適應(yīng)動態(tài)調(diào)整控制策略和引入動態(tài)發(fā)現(xiàn)概率代替固定發(fā)現(xiàn)概率，使得參數(shù)的尋優(yōu)速度和尋優(yōu)精度同時得到提高。
　　對低頻分量進(jìn)行超短期風(fēng)電功率預(yù)

3、測以后，本文對低頻預(yù)測信號建立1min時間尺度和30min時間尺度的功率波動并網(wǎng)指標(biāo)，根據(jù)功率波動是否超出波動指標(biāo)判斷蓄電池是否動作，若任一功率波動指標(biāo)超出范圍，則蓄電池動作；然后，本文采用了AMD分解調(diào)整低頻預(yù)測信號的截止頻率，直到滿足并網(wǎng)要求，從而確定蓄電池最終補(bǔ)償功率指令；最后根據(jù)蓄電池荷電狀態(tài)和補(bǔ)償功率指令自適應(yīng)調(diào)節(jié)原始風(fēng)電信號截止頻率，高頻信號通過模糊控制由超級電容器補(bǔ)償。
　　本文根據(jù)內(nèi)蒙某99MW風(fēng)電場為例，采集了該