張保貴 王德志

摘要：能源問題一直是世界重點關注的問題，且人們正面臨著化石能源不斷枯竭以及環(huán)境惡化等問題，因此，改變能源結(jié)構(gòu)勢在必行。為提高風電預測的準確性，文章提出了一種基于改進的廣義誤差分布模型推測風電預測的可能性分配方法。該模型先采用人工蜂群算法對儲能模型進行求解，再通過算例來驗證風電預測誤差法是否具有最優(yōu)性。

關鍵詞：大規(guī)模風電；儲能系統(tǒng)；優(yōu)化配置；風電功率波動

中圖分類號：TM73? 文獻標志碼：A

0 引言

風力發(fā)電的可變性和隨機性會導致供電網(wǎng)絡出現(xiàn)問題（與調(diào)峰、調(diào)壓、調(diào)頻等均有關），增加了電網(wǎng)的安全風險等級。因此，為了滿足生產(chǎn)和發(fā)展的需要，降低發(fā)電廠的投資成本，保證可再生能源的穩(wěn)定供應，有必要大規(guī)模開發(fā)高質(zhì)量的能源和儲能技術［1-2］。

1 儲能優(yōu)化配置研究

1.1 風電功率波動

1.1.1 風儲聯(lián)合發(fā)電系統(tǒng)

混合儲能可以充分發(fā)揮不同類型儲能的互補優(yōu)勢，抑制因風能波動帶來的損失，降低儲能系統(tǒng)的投資成本和風電容量波動［3］。風儲聯(lián)合發(fā)電系統(tǒng)的結(jié)構(gòu)，如圖1所示。

為了確保變分模態(tài)分解方法的最優(yōu)性，可比較在變分模態(tài)分解與經(jīng)驗模態(tài)分解下的優(yōu)化配置結(jié)果。與經(jīng)驗模態(tài)分解方法相比，變分模態(tài)分解方法可以產(chǎn)生更好的混合儲能能量。變分模態(tài)分解方法的年均總成本比經(jīng)驗模態(tài)分解方法的年均總成本降低了約3.78%，具有較好的經(jīng)濟性。

用來描述曲面模型擬合的優(yōu)度R2的計算公式為：

R2=1－∑（yi-yf，i）2∑（yi-y）2（13）

不同風電滲透率下儲能優(yōu)化配置結(jié)果，如表2所示。

由表2可知，系統(tǒng)總成本是呈U形曲線分布的，但最后會趨于平穩(wěn)。從表2中可以看出，消納適當?shù)娘L電能夠提高系統(tǒng)的經(jīng)濟性。

4 結(jié)語

風能整合儲能技術是解決風能資源浪費的重要技術之一，可基于儲能系統(tǒng)來改善風能波動和其對電網(wǎng)的影響。本文著重探索風電電力系統(tǒng)儲能優(yōu)化配置的方法及條件，通過以上調(diào)查，可以得出以下結(jié)論：

（1）為了抑制風能的波動，可用移動平均濾波器確定電網(wǎng)的預期流量和待測風能的波動抑制。儲能系統(tǒng)要考慮由于風能波動以及棄風所帶來的損失，以經(jīng)濟優(yōu)化為目標，建立混合儲能優(yōu)化配置模型。該模型能夠綜合各方優(yōu)勢，提高風能輸出，使得系統(tǒng)的年均成本降到最低。

（2）基于風能的不穩(wěn)定性，可利用混合儲能系統(tǒng)來提高風能輸出，避免造成資源浪費，提高系統(tǒng)的經(jīng)濟性。

參考文獻

［1］王守相，王凱，趙歌.平抑有源配電網(wǎng)功率波動的儲能配置與控制方法研究綜述［J］.儲能科學與技術，2017（6）：1188-1195.

［2］靳雯皓，劉繼春.平滑風電功率波動的混合儲能系統(tǒng)容量優(yōu)化配置［J］.分布式能源，2018（2）：32-38.

［3］袁小明，程時杰，文勁宇.儲能技術在解決大規(guī)模風電并網(wǎng)問題中的應用前景分析［J］.電力系統(tǒng)自動化，2013（1）：14-18.

［4］于芃，周瑋，孫輝，等.用于風電功率平抑的混合儲能系統(tǒng)及其控制系統(tǒng)設計［J］.中國電機工程學報，2011（17）：127-133.

［5］遲永寧，梁偉，張占奎，等.大規(guī)模海上風電輸電與并網(wǎng)關鍵技術研究綜述［J］.中國電機工程學報，2016（14）：3758-3770.

（編輯 姚 鑫編輯）

Optimization configuration of energy storage in large-scale wind power systems

Zhang? Baogui， Wang? Dezhi

（China Energy Construction Group Northeast Electric Power First Engineering Co.， Ltd.， Shenyang 110179， China）

Abstract：? The energy issue has always been a key concern of the world， and people are facing problems such as the continuous depletion of fossil fuels and environmental degradation. Therefore， changing the energy structure has become imperative. Therefore， in order to improve the accuracy of wind power prediction， this article proposes an improved generalized error distribution model to infer the possibility allocation of wind power prediction. This model uses artificial bee colony algorithm to solve the energy storage model， and finally， examples can be used to verify whether the wind power prediction error method is optimal.

Key words： large-scale wind power; energy storage system; optimize configuration; wind power fluctuations