，(.國網(wǎng)安徽省電力公司調(diào)度通信中心，安徽 合肥 3006；.合肥工業(yè)大學(xué)電氣與自動化工程學(xué)院, 安徽 合肥 30009)

0 引 言

大規(guī)模風(fēng)電并網(wǎng)引起電網(wǎng)功率波動[1-2]，為了有效平抑波動，在并網(wǎng)系統(tǒng)中加入儲能裝置以減少棄風(fēng)及彌補(bǔ)缺額。

風(fēng)電功率持續(xù)波動，單一蓄電池組儲能系統(tǒng)(battery energy storage system,BESS)[3-4]存在充放電頻率過高和滿充滿放的問題。這里采用雙BESS[5]配置，兩組蓄電池采用同步或異步控制策略進(jìn)行交替充放電，改善了平抑效果。采用同步控制[6]時，兩組蓄電池始終分別處于充、放電狀態(tài)，可以及時響應(yīng)波動極端的情況，但BESS的容量無法充分利用，造成成本增加；采用異步控制時，蓄電池可同時處于充電或放電狀態(tài)來充分利用BESS的容量，但蓄電池組都處于充電狀態(tài)時無法響應(yīng)風(fēng)電缺額。

風(fēng)電爬坡事件是一種短時間尺度下的大幅波動，往往發(fā)生在切入風(fēng)速至額定風(fēng)速段和切出風(fēng)速段，對蓄電池充放電過程有很大的沖擊。風(fēng)-儲系統(tǒng)棄風(fēng)對電網(wǎng)無沖擊，而缺額只能依靠電網(wǎng)中其他發(fā)電設(shè)備彌補(bǔ)。合理規(guī)劃棄風(fēng)和缺額，充分利用風(fēng)能資源實(shí)現(xiàn)經(jīng)濟(jì)最大化。

文獻(xiàn)[7]研究了風(fēng)電爬坡率與儲能結(jié)合的優(yōu)化控制，采用最佳荷電狀態(tài)的方式進(jìn)行優(yōu)化，但未考慮精確的風(fēng)電爬坡模型。文獻(xiàn)[8-9]分別提出風(fēng)-儲系統(tǒng)的聯(lián)合調(diào)度模型和基于正態(tài)分布的容量估算法，但未考慮儲能系統(tǒng)的經(jīng)濟(jì)效益。

上述文獻(xiàn)中，未結(jié)合風(fēng)電爬坡事件、BESS控制策略和棄風(fēng)經(jīng)濟(jì)性研究。下面綜合考慮BESS運(yùn)行條件，蓄電池采用同步與異步控制策略，以蓄電池的裝置費(fèi)用和使用壽命以及棄風(fēng)缺額懲罰費(fèi)用為目標(biāo)函數(shù)，以風(fēng)電場和BESS安全運(yùn)行為約束條件，同時以功率波動越限概率和幅值為評價指標(biāo)，采用IPSO算法優(yōu)化配置BESS的額定容量及功率，降低風(fēng)電場功率波動對電網(wǎng)的沖擊，降低系統(tǒng)成本。算例對比不同爬坡事件定義的適用性、同步與異步控制策略的優(yōu)劣性，分析棄風(fēng)因素的經(jīng)濟(jì)性。

1 風(fēng)-儲并網(wǎng)系統(tǒng)模型

風(fēng)電場側(cè)裝設(shè)兩組蓄電池，風(fēng)-儲并網(wǎng)系統(tǒng)結(jié)構(gòu)如圖1，并網(wǎng)的輸出功率滿足：

Psys(t)=Pwt(t)-ΔPloss(t)+PB(t)

(1)

式中：Psys(t)為t時刻并網(wǎng)點(diǎn)的輸出功率；Pwt(t)為t時刻風(fēng)電場的輸出功率；△Ploss(t)為t時刻風(fēng)電系統(tǒng)的損耗功率；PB(t)為t時刻BESS的總輸出功率，PB(t)≥0時，蓄電池放電；當(dāng)PB(t)<0時，蓄電池充電。PB1(t)、PB2(t)為BESS1、BESS2t時刻的輸出功率。

圖1 風(fēng)-儲并網(wǎng)系統(tǒng)結(jié)構(gòu)

BESS的平抑效果不要求輸出為一條平穩(wěn)的直線，只要滿足國家風(fēng)電并網(wǎng)標(biāo)準(zhǔn)[10-11]要求即可。

ΔPS(t)=|Psys(t)-Psys(t-Δt)|≤Pval

(2)

式中：ΔPS(t)為t時刻與相鄰(t-Δt)時刻的功率差；Δt為采樣時間間隔；Pval為并網(wǎng)功率波動限幅。

2 風(fēng)電爬坡事件

當(dāng)輸出功率波動幅值大于波動限幅Pval時，認(rèn)為發(fā)生爬坡事件，定義爬坡幅值：

1)t時刻和(t-Δt)時刻

ΔPwt(t)=Pwt(t)-Pwt(t-Δt)

(3)

2)時間段(t-Δt,t)內(nèi)

ΔPwt(t)=max[Pwt(i)]-min[Pwt(i)]

(4)

3)引入t時刻的并網(wǎng)功率[12]

(5)

式中：i∈(t-Δt,t)；△Pwt(t)為爬坡幅值；△Pmax+(t)為t時刻與時間段(t-Δt,t)內(nèi)的最小值之差；ΔPmax-(t)為t時刻與時間段(t-Δt,t)內(nèi)的最大值之差。

式(3)、式(4)多用于靜態(tài)優(yōu)化控制計算，而式(5)為動態(tài)定義，可有效避免遺漏越限情況。所研究的BESS運(yùn)行情況，爬坡事件數(shù)值特征越接近實(shí)際越理想。

3 雙蓄電池組控制策略

t時刻風(fēng)-儲系統(tǒng)的輸出功率波動幅值為

ΔPS(t)=ηwtΔPwt(t)-PB(t-Δt)+PB(t)

=ΔP(t)+PB(t)

(6)

式中：ηwt為風(fēng)電系統(tǒng)效率(含損耗ΔPloss)；ΔP(t)為過渡變量。

BESS需要平抑的功率為ΔPB(t)。

(7)

式中,λ為安全裕度，保障電網(wǎng)安全。

蓄電池組儲能過程滿足：

(8)

式中：EB(t)為t時刻蓄電池組的剩余容量；ηch、ηdis為蓄電池組充、放電效率。

為了得到更好的平抑效果，對比同步與異步控制策略。

3.1 兩組蓄電池處于不同狀態(tài)

蓄電池組的最大充、放電功率為

(9)

式中:Pch(t)為蓄電池最大可充電功率；Pdis(t)為蓄電池最大可放電功率；PBmax為蓄電池額定功率(最大充放電爬坡率)；SOCmax為蓄電池最大荷電量；SOC(t)為蓄電池t時刻荷電狀態(tài)；EBESS為蓄電池額定容量。

假設(shè)BESS1為充電狀態(tài)，BESS2為放電狀態(tài)。

1)充電時，BESS2的狀態(tài)不變，PB2(t)=0；BESS1充電功率PB1ch(t)為

PB1ch(t)=-min{|ΔPB(t)|,|Pch(t)|}

(10)

2)放電時，BESS1的狀態(tài)不變，PB1(t)=0；BESS2的放電功率PB2dis(t)為

PB2dis(t)=min{|ΔPB(t)|,|Pdis(t)|}

(11)

同步控制時，BESS1或BESS2任意一組達(dá)到滿充或滿放狀態(tài)，下一刻BESS1和BESS2的狀態(tài)都改變。

異步控制時，任意一組BESS達(dá)到滿充或滿放狀態(tài)，下一時刻該組BESS改變狀態(tài)，另一組保持不變。

3.2 兩組蓄電池處于同一狀態(tài)

只在異步控制時發(fā)生。

1)都處于充電狀態(tài)：若|ΔPB(t)|可以被SOC(t-Δt)更接近SOCmax的蓄電池(假設(shè)為BESS1)全部吸收時，則根據(jù)式(10)計算；否則|△PB(t)|過大，兩個蓄電池組同時工作，BESS1充電電功率為PB1(t)，BESS2的充電功率為

(12)

PB(t)=PB1(t)+PB2(t)

(13)

2)都處于放電狀態(tài)：若|△PB(t)|可以被SOC(t-△t)更接近SOCmin的蓄電池(假設(shè)為BESS2)全部補(bǔ)足時，則根據(jù)式(11)計算；否則|△PB(t)|過大，兩個蓄電池組同時工作，BESS2放電功率為PB2(t)，BESS1的放電功率為

(14)

3.3 棄風(fēng)與缺額

棄風(fēng)發(fā)生在蓄電池充電狀態(tài)PB(t)<0:

(15)

缺額發(fā)生在蓄電池放電狀態(tài)PB(t)>0:

(16)

系統(tǒng)并網(wǎng)功率重新定義為

ΔPS(t)=ηwtΔPwt(t)+ΔPB(t)-ΔPcur(t)

=ΔP(t)+PB(t)-Pcur(t)

(17)

式中,ΔPwt(t)、ΔPB(t)、ΔPcur(t)分別為t時刻與(t-Δt)時刻的風(fēng)電、蓄電池和棄風(fēng)功率差。

4 優(yōu)化模型

4.1 目標(biāo)函數(shù)

1)儲能系統(tǒng)裝置費(fèi)用Fequip

Fequip=wEEBESS+wpPBmax

(18)

式中：wE為BESS的單位容量費(fèi)用；wP為BESS的單位功率費(fèi)用。

2)蓄電池壽命費(fèi)用Fcount

蓄電池的充放電次數(shù)有限，完整交替充放電記一次充放電次數(shù)[13]。

(19)

式中：nch、ndis分別為充、放電次數(shù)；ntotal為壽命周期；Minv為蓄電池投資成本。

3)棄風(fēng)缺額懲罰費(fèi)用Fpunish

(20)

式中,wcur、wlack分別為單位棄風(fēng)和缺額費(fèi)用。

4)總使用支出費(fèi)用Fcost

(21)

式中，w1、w2為各目標(biāo)函數(shù)所占的比例。

4.2 約束條件

蓄電池的充放電功率需滿足：

-PBmax≤PB(t)≤PBmax

(22)

為了避免過充過放，蓄電池組受到其荷電狀態(tài)的限制。

SOC(t)=EB(t)/EBESS

(23)

SOCmin≤SOC(t)≤SOCmax

(24)

4.3 評價指標(biāo)

功率波動越限概率和幅值越小，平抑波動的效果越好，控制策略越有效。

1)波動越限次數(shù)U

(25)

(26)

式中,S為二進(jìn)制數(shù)，取0或1。

2)波動越限概率ΔU

(27)

式中，T為總時間。

3)波動越限幅值之和ΔW

(28)

4.4 改進(jìn)粒子群優(yōu)化算法(IPSO)

為避免PSO陷入局部最優(yōu)，引入慣性權(quán)重wk，較大的wk有利于提高收斂速度，較小的wk有利于提高收斂精度[14]。

(29)

式中：Dt為當(dāng)前粒子的迭代次數(shù)；Dtmax為算法開始設(shè)置的最大迭代次數(shù)；wmax、wmin為設(shè)置的最大和最小慣性權(quán)重。

隨著迭代次數(shù)增加，希望粒子的搜索能力由局部尋優(yōu)轉(zhuǎn)為全局尋優(yōu)，因此，加速常數(shù)c1逐漸減小，c2逐漸增大[15]。

(30)

式中，c1max、c2min分別為最大和最小加速常數(shù)。

因此，粒子群速度和位置公式為

vDt+1=wkvDt+c1r1(pbest-pDt)+

c2r2(gbest-pDt)

(31)

pDt+1=pDt+vDt+1

(32)

式中：r1、r2為隨機(jī)數(shù)；pbest為單個粒子最優(yōu)位置；gbest為全局粒子最優(yōu)位置；pDt為粒子第Dt次迭代時的位置。

圖2 IPSO算法流程

5 算例分析

算例中的風(fēng)電場額定功率為50 MW，選取該風(fēng)電場某典型日的風(fēng)電功率實(shí)測數(shù)據(jù)，采樣周期為1 min。風(fēng)電功率10 min內(nèi)輸出的波動不超過額定功率的10%，安全裕度取0.9。表1給出BESS的裝置參數(shù)和經(jīng)濟(jì)系數(shù)。

表1 BESS裝置參數(shù)和經(jīng)濟(jì)系數(shù)

5.1 爬坡事件定義對比

分析不同定義下的風(fēng)電爬坡事件。

表2 風(fēng)電爬坡事件數(shù)據(jù)特征

由表2可以看出，對比短時間的波動情況，可知動態(tài)定義下的數(shù)據(jù)平均值和標(biāo)準(zhǔn)差更能反映風(fēng)功率的變化。

由圖3可以看出，動態(tài)定義能采集到更完整的波動情況，因此選擇動態(tài)定義進(jìn)行研究更為合理。

蓄電池的充放電功率不僅受自身額定容量和功率的約束，而且受到并網(wǎng)條件的約束。因此，配置合適的蓄電池參數(shù)時需綜合考慮。

5.2 對比異步、同步控制策略

選取兩組額定容量均為10 MWh、額定功率均為5 MW的蓄電池，對比同步和異步控制策略的優(yōu)劣性，見表3、表4。

圖3 不同風(fēng)電爬坡事件對比

表3 BESS平抑前的指標(biāo)

表4 異步與同步配置對比

由表3、表4可以看出，加入BESS后，波動越限概率和越限幅值大幅下降。舍棄多余的風(fēng)電功率，明顯地改善了平抑效果。對比兩種控制策略下的指標(biāo)可知，異步控制策略的波動越限概率及幅值都優(yōu)于同步控制策略的。由分析可知，不同的額定容量和功率的BESS，容量和功率越大，輸出波動越小，平抑效果越好，但會增加額外的系統(tǒng)裝置費(fèi)用。棄風(fēng)和缺額總量與系統(tǒng)的額定功率及容量有關(guān)，綜合考慮裝置費(fèi)用等因素，進(jìn)行優(yōu)化計算。

5.3 IPSO優(yōu)化

IPSO中的各項(xiàng)參數(shù)：wmax=0.9，wmin=0.4，c1max=1.1，c2min=0.8。配置優(yōu)化對比見表5，效果對比如圖4所示。

由表5可以看出，異步控制策略的BESS額定容量及額定功率要求相差不多，且其平抑效果更好，因此計及越限及棄風(fēng)缺額懲罰費(fèi)用，其總體費(fèi)用比同步控制的小。

圖4 同步與異步控制的平抑效果對比

由圖4可以看出，在波動幅度較大時，異步控制更能充分利用蓄電池容量，最大限度利用風(fēng)能，在不越限的情況下達(dá)到經(jīng)濟(jì)最優(yōu)化。

6 結(jié) 語

前面提出了一種基于抑制風(fēng)電爬坡事件的優(yōu)化配置雙蓄電池儲能并網(wǎng)系統(tǒng)參數(shù)的方法。首先分析了風(fēng)電爬坡事件的不同定義的適用性，動態(tài)定義的風(fēng)電爬坡事件更能體現(xiàn)實(shí)測數(shù)據(jù)的特征。詳細(xì)介紹了同步和異步控制策略，分析了兩種控制策略的優(yōu)劣性，可知異步控制策略能有效地利用蓄電池容量，且平抑波動的效果更好，經(jīng)濟(jì)性高。最后利用改進(jìn)粒子群算法優(yōu)化配置蓄電池組的參數(shù)。

[1] 汪海蛟, 江全元. 應(yīng)用于平抑風(fēng)電功率波動的儲能系統(tǒng)控制與配置綜述[J]. 電力系統(tǒng)自動化, 2014, 38(19): 126-135.

[2] 黎靜華, 左俊軍, 汪賽. 大規(guī)模風(fēng)電并網(wǎng)電力系統(tǒng)運(yùn)行風(fēng)險評估與分析[J]. 電網(wǎng)技術(shù), 2016, 40(11): 3503-3510.

[3] 邵麗華, 章竹耀, 張春龍, 等. 儲能電池荷電狀態(tài)與平抑風(fēng)電出力波動協(xié)調(diào)運(yùn)行策略[J]. 電力建設(shè), 2017，38(1): 84-88.

[4] 婁素華, 吳耀武, 崔艷昭,等. 電池儲能平抑短期風(fēng)電功率波動運(yùn)行策略[J]. 電力系統(tǒng)自動化, 2014, 38(2): 17-22.

[5] Cong-Long Nguyen, Hong-Hee Lee. A Novel Dual-battery Energy Storage System for Wind Power Applications[J]. IEEE Transactions on Industrial Electronics, 2016, 63(10)：6136-6147.

[6] 章竹耀, 郭曉麗, 張新松，等. 儲能電池平抑風(fēng)功率波動策略[J]. 電力系統(tǒng)保護(hù)與控制, 2017, 45(3): 62-68.

[7] 何川, 劉天琪, 胡曉通, 等. 基于超短期風(fēng)電預(yù)測和混合儲能的風(fēng)電爬坡優(yōu)化控制[J]. 電網(wǎng)技術(shù), 2017, 41(3): 782-790.

[8] 吳雄, 王秀麗, 李駿,等. 風(fēng)電儲能混合系統(tǒng)的聯(lián)合調(diào)度模型及求解[J]. 中國電機(jī)工程學(xué)報, 2013, 33(13): 10-17.

[9] 程世軍. 風(fēng)電場儲能系統(tǒng)的優(yōu)化配置及運(yùn)行研究[D]. 北京：華北電力大學(xué), 2014.

[10] 侯婷婷.含大規(guī)模風(fēng)電的電力系統(tǒng)儲能電源優(yōu)化配置研究[D]. 武漢: 華中科技大學(xué), 2014.

[11] 謝應(yīng)昭, 盧繼平, 翁宗林, 等. 改善風(fēng)電輸出功率特性的復(fù)合儲能系統(tǒng)優(yōu)化配置[J]. 電網(wǎng)技術(shù), 2016, 40(7): 2052-2058.

[12] 王穎, 張凱鋒, 付嘉渝, 等. 抑制風(fēng)電爬坡率的風(fēng)儲聯(lián)合優(yōu)化控制方法[J]. 電力系統(tǒng)自動化, 2013, 37(13): 17-23.

[13] Zhang X, Yuan Y, Hua L, et al. On Generation Schedule Tracking of Wind Farms with Battery Energy Storage Systems[J]. IEEE Transactions on Sustainable Energy, 2016, 8(1):341-353.

[14] 楊珺, 張建成, 黃磊磊,等. 基于改進(jìn)粒子群算法的獨(dú)立光伏發(fā)電系統(tǒng)儲能容量優(yōu)化配置研究[J]. 華東電力, 2012，40(8):1370-1374.

[15] Wang Yi, Jiang Hanhong, Xing Penxiang. Improved PSO-based energy management of Stand-alone Micro-grid under Two-time Scale[C]// IEEE International Conference on Mechatronics and Automation, 2016: 2128-2133.