2. 武警工程大学 装备工程学院, 陕西 西安 710086;
3. 西安热工研究院有限公司, 陕西 西安 710054
由于风能间歇性与随机性特性，导致风电输出功率直接并入电网后将对电力系统的稳定性、电网频率、电能质量、发电计划和调度等方面带来负面影响。因此，采用储能系统(energy storage system,ESS)平抑风电场输出功率波动问题具有重要的现实意义[1, 2]。而混合储能系统(hybrid energy storage system，HESS)中不同类型储能装置具有互补性，将其用于平滑风电功率波动，可以大幅度提高系统的技术性能。然而在满足平抑风电功率波动技术性能的同时，如何确定各储能系统的容量配比已成为目前需要迫切解决的问题。
常用的储能系统容量配置方法主要有差额补偿法、波动平抑分析法、经济特性优化法等。差额补偿法对风电场或光伏实际出力和负荷、预测或调度计划等给定功率水平的差额进行补偿，未考虑实际运行过程中功率和容量的动态变化，配置容量不够精确[3, 4]。Gao等[4]考虑风速不确定性的影响，调整ESS容量大小。波动平抑分析法主要根据储能系统对波动功率的平抑效果进行储能系统容量的优化配置，波动率不超过某一置信区间。Wang等[5]在一个调度周期内根据波动量大小自主分段平滑功率波动。经济特性优化法主要是通过建立目标函数和约束条件，将储能系统容量作为其中的优化变量进行优化求解，建立多种约束条件，计算过程复杂[6]。
本文提出的HESS容量配置方法以风电输出功频谱分析结果为基础，计算满足有功功率波动率要求的储能最小吸收功率；并对其进行频率分割，基于不同类型储能系统的特点，选择电池和超级电容器工作频段范围，综合考虑充放电损耗和连续运行安全要求，得到优化的系统期望输出功率、储能额定功率和容量。
1 功率样本选择与平抑判断标准 1.1 风储联合系统工作原理在风电场出口与电网之间并入储能系统，合理控制储能系统吸收/释放功率，实现风电系统并网功率平滑输出，如图 1 所示。
 |
| 图 1 风-储系统工作原理图 |
图 1中，Pw为风电场输出功;Pess为储能系统吸收功率;Ppcc为平抑后的并网功率。三者关系为
1.2 样本数据选择
考虑到平滑风电短时功率波动时,平滑时间尺度一般为秒级到十分钟级,以抑制风力发电系统0.01~1 Hz频段范围(对应时间尺度为1～100 s)内的输出功率波动最为典型,这是因为该频段的功率波动对电网影响最大。对应1 Hz的功率波动,根据奈奎斯特采样定理,采样频率至少要等于信号最高频率的2倍,故采样频率最小应为2 Hz,为避免频域混叠采样频率尽可能小于这一数值。因此,本文样本采样频率为16.667 mHz(周期为1 min)。
1.3 平抑判断标准在风电场并网以及风速增长过程中,风电场有功功率变化应当满足电力系统安全稳定运行的要求。采用储能系统平抑风电功率波动,能够降低风电功率振荡的幅值,可有效抑制风电并网引起的电压波动。根据《GB/T 19963-2011风电场接入电力系统技术规定》对风电场并网运行时输出功率波动量的规定,建立风电功率波动率(power ramp rate)表达式为
式中,Rprrt为t时间段功率波动率;Pn为风电输出的额定功率;Pmaxt、Pmint为t时间段内的最大和最小输出功率。
功率平抑指标为目标时间段内的功率波动率不超过国标规定的最大功率波动率Rmax。本文功率平抑时间段为10 min,GB/T 19963规定10 min的Rmax为33.33％,因此平抑后10 min功率波动率Rprr10需满足下式
2 功率波动平抑方法与储能容量计算 2.1 功率波动平抑方法
本文采用频谱分析的方法,以10 min最大功率变化率要求为约束,计算出风电系统功率期望输出值Ppcc,ref,进而确定储能吸收功率为Pab,ref。
对风电输出功率样本数据Pw进行离散傅里叶变换,获得功率数据的幅值序列Xw和频率序列fw,表达式为
式中,Ns为样本采样点数;Xw[n]为第n个频率fw[n]对应的幅值;fw[n]为频率序列中第n个频率。
为获取风电功率期望输出值,从样本数据幅频序列Xw中以fL为截止频率截取低频段数据组成新的幅频序列X1。由奈奎斯特采样定理和离散傅里叶变换特性可知,频率fN为离散傅里叶变换的最高分辨频率,且Xw是关于fN对称,则X1为
式中,X1[nL]为截止频率fL对应的幅值;截止频率fL在0到fN之间取值。
对X1序列进行离散傅里叶反变换计算出平滑功率输出值P1。
采用(2)式计算P1功率波动率Rprrt评估以fL为截止频率的P1是否满足功率波动率要求,若P1的max(Rprrt)小于规定的最大功率波动率RMAX,则P1为风电系统功率期望输出值Ppcc,ref;反之,重新选择截止频率fL再次验证直至满足波动率要求为止。本文采取递推计算获取符合波动率约束要求的fL值。
2.2 储能系统功率计算根据系统功率期望输出值Ppcc,ref,即可确定满足波动约束要求的储能最小吸收功率Pab,ref为
储能吸收功率Pab,ref含有大量的高频成分,如果采用单一的蓄电池储能方式吸收,频繁充电放电将会对储能电池寿命造成很大的影响,因而对ESS吸收功率分别选用不同的储能方式吸收。本文利用蓄电池和超级电容器混合储能系统(hybrid energy storage system,HESS)平抑风电场输出功率的波动,通过频率分割方法实现电池和超级电容器之间的功率分配,方法如下对Pab,ref进行离散傅里叶变换获得幅频序列[Xab［1],…,Xab[Ns]。
假设蓄电吸收截止频率为fBL,则蓄电池吸收功率的幅频序列XB为
式中,Xab[nBL]为截止频率的fBL[nBL]对应的幅值,截止频率fBL[nBL]在0到fN之间取值。
对XB序列进行离散傅里叶反变换计算出蓄电池吸收功率序列PB0。
由Pab,ref和PB0得到超级电容器吸收功率Psc0为
式中,Psc0[n]为第n个采样点对应的超级电容器吸收功率值。
考虑储能系统充放电效率因素,确定蓄电池实际需求功率PB和超级电容器实际需求功率Psc计算表达式为
式中,PB0、Psc0为蓄电池和超级电容吸收功率;ηc,b、ηd,b为蓄电池的充电效率和放电效率;ηc,sc、ηd,sc为超级电容器的充电和放电效率。
为保证储能系统安全、连续稳定工作,增加运行可靠性约束,即要求储能系统在采样周期内净充放电量ET为零,以蓄电池为例表示为
式中,ET,B为整个样本周期中蓄电池充放电量,单位为千瓦时(kWh);fS为采样频率,单位为赫兹(Hz)。
同理要求超级电容器的净充放电量ET,sc值为零。
储能系统实际充放电效率小于1,实际充电量小于放电量,造成净充放电量ET>0。为了满足(10)式约束条件,保证储能系统安全运行,本文采用以下计算修正蓄电池的吸收功率PB01与超级电容器吸收功率Psc01为
式中,ΔPB与ΔPsc为蓄电池与超级电容器修正功率,单位(kW)。
引入修正后,系统功率输出值为Ppcc
式中,Ppcc,ref为系统功率期望输出值;ΔP为修正功率,ΔP=ΔPB+ΔPsc。
由(2)式、(12)式可知,修正后Ppcc与Ppcc,ref功率变化率相同,必然满足功率变化率小于RMAX的要求。本文中修正功率ΔPB与ΔPsc由迭代计算得出。
考虑储能系统充放电效率影响,联立(9)~(11)式算计出修正后蓄电池与超级电容器实际功率PB,true、Psc,true。由此确定蓄电池额定功率值Prated,B与超级电容器额定功率值Prated,sc为
2.3 储能系统容量计算
储能系统不同时刻相对初始时刻的电量变化由实际功率PB,true、Psc,true计算获得,以蓄电池为例计算,在n时刻相对于初始时刻的电量EB[n]描述为
式中,EB0为初始容量值,单位为千瓦时(kWh)。
在确定储能荷电状态(state of charge,SOC)运行范围后,计算蓄电池电量的最大值与最小值之差,即可得到蓄电池的额定容量Erated,B为
式中,SU,B、SL,B为蓄电池的SOC上、下限值。
在蓄电池运行过程中,SOC值应处于上下限制之间[7],SOC的运行初值S0,B应满足
同理选定超级电容器SOC运行范围即可确定超级电容器的额定容量Erated,sc与SOC初值S0,sc。
3 算例分析本文研究的数据由华东某风电场1.5MW风力发电机组的数据采集与监视控制SCADA系统中采集获取,数据样本时间范围为2014年1月1日实测数据,风机额定功率1 500 kW,采样周期为1 min。样本数据最大输出功率为1 513.80 kW,最小功率为0 kW,平均输出功率为570.13 kW,得到样本功率数据频域特征,如图 2所示。
 |
| 图 2 24 h功率波动及幅频特性图 |
由图 2a)可知,样本风电功率在24 h内剧烈波动,并伴有大量的瞬时功率脉冲;另由图 2b)频谱分析结果所示,样本功率能量主要集中在低频部分(0～0.4 mHz),其高频部分能量较低。
由(2)式计算出样本数据10 min功率变化率最大值Max(Rppr10)为74.055％,远大于国家标准规定10 min最大变化率大于额定功率的三分之一(即33.33％)。
为了降低风电输出功率变化率,采取递推计算获取符合波动率约束要求的fL值。由于样本的采样频率fs为16.667 mHz,则fN的周期TN(2 min)为截止周期下限。通过计算不同截止周期TL值,获得功率变化率改变趋势图,如图 3所示。
 |
| 图 3 采用不同截止周期对应的最大功率变化率 |
由图 3得出,截止周期TL为681 min(截止频率fL为2.45×10-5Hz)时,功率变化率最大值Max(Rppr10)降为32.227％,满足功率波动率要求;若继续降低截止频率,则造成储能吸收功率持续增加,因此截止频率fL=2.452×10-5Hz为最佳截止频率。
由(5)式确定风电系统功率期望的幅频特性值,由此计算出风电系统功率期望输出值Ppcc,ref,如图 4a)实线所示;进而利用(8)式得出储能最小吸收功率Pab,ref,如图 4b)所示。
 |
| 图 4 系统功率输出与储能最小吸收功率波形 |
由图 4b)可知,储能最小吸收功率波动剧烈,如果仅以蓄电池为储能元件,造成电池频繁充放电,降低蓄电池的使用寿命。
储能系统平抑前后,风电系统输出功率10 min有功功率变化率如图 5所示。
 |
| 图 5 平抑前后10 min功率变化率 |
由图 5可知,平抑前样本在整个数据时段各10 min时段波动率大于20％占45.8％,大于33.33％占18.1％;经储能吸收后,输出功率波动率大于20％占1.39％,各时段功率波动控制在波动约束条件以下。
本文采用蓄电池和超级电容器组成混合储能系统协同工作平抑风电功率波动。考虑到蓄电池反应时间(约1 min～3 h)与电池使用寿命,选择确定蓄电吸收截止频率fBL为1.67 mHz。并由(7)式、(8)式计算出蓄电池PB0与超级电容吸收功率Psc0。
电池和超级电容器实际充放电效率约为75%～80％[1]。为了简化分析过程,假定蓄电池和超级电容器的充放电效率相等,即ηc,b=ηd,b=ηc,sc=ηd,sc=η。本文将储能系统充放电效率设为80％。
为了消除充放电效率造成的净充放电量不为零,通过迭代计算(误差为10-8)得出蓄电池修正功率ΔPB为11.584 kW与超级电容器修正功率ΔPsc为14.612 kW。进而由(12)式得到修正系统期望功率输出值Ppcc,如图 5b)虚线所示;考虑充放电效率,由(9)~(11)式计算蓄电池与超级电容器实际吸收功率PB,true、Psc,true分别如图 6所示。
 |
| 图 6 修正后蓄电池、超级电容实际吸收功率波形 |
由图 6可知,与Pab,ref波形相比PB,true波形变化频率明显降低,与采用蓄电池吸收低频波动超级电容吸收高频波动目的相符。
由于蓄电池SOC过低,会影响蓄电池使用寿命,因此需要对蓄电池设置SOC运行区间,保证选蓄电池长期安全稳定运行,本文将SOC值限制在20%～80％之间[4]。超级电容器允许净冲净放,考虑系统安全留出使用裕量,本文将超级电容器SOC值限制在5%～95％之间。根据(13)式、(15)式、(16)式即可求得蓄电池与超级电容器优化配置值。具体参数如表 1所示。
| 储能类型 | 工作频段 /mHz | 额定功率 /kW | 额定容量 /kWh | SOC初 值/％ |
| 蓄电池 | 0.02～1.67 | 309.967 | 118.85 | 57.197 |
| 超级电容器 | 1.67～16.67 | 904.309 | 99.17 | 82.615 |
采用表 1的混合储能优化配置,吸收原始风电输出功率波动,其24 h运行状态如图 7所示。
由图 7a)可知,以24 h为运行周期,蓄电池和超级电容器净充放电量为零,保证系统可安全持续运行;由图 7b)可知,蓄电池SOC处于20%～80％之间,超级电容器SOC处于5%～95％之间,蓄电池以及超级电容器均运行于安全范围内,避免了过充过放。同时由超级电容器的SOC可以看出,其吸收成分是风电功率波动高频成分,幅值在各采样点处小幅快速波动,依据超级电容器具有的快充快放特性,快速充放变化对其寿命没有影响,因此上述配置方案满足安全使用需求,提高蓄电池的使用寿命,能以较小的功率和容量完成平抑工作。
 |
| 图 7 24 h混合储能电量与SOC变化波形 |
本文从频域角度分析风电功率波动特性,提出了用于平抑风电波动混合储能容量配置方法。仿真实验结果表明,该方法得出的系统期望输出功率、蓄电池/超级电池容器功率、容量,能够满足并网有功功率波动要求,并可保证储能系统安全长期运行。该方法运算量小,具有一定的实用价值,可在此基础进一步研究考虑成本、储能布置方式及风能不确定性等影响因素的储能配置方法。
| [1] | Francisco D G, Andreas S, Oriol G B, et al. A Review of Energy Storage Technologies for Wind Power Applications[J]. Renewable & Sustainable Energy Reviews,2012,16(4): 2154-2171 |
| Click to display the text | |
| [2] | Jannati M, Hosseinian S H, Vahidi B, et al. A Survey on Energy Storage Resources Configurations in Order to Propose an Optimum Configuration for Smoothing Fluctuations of Future Large wind Power Plants[J]. Renewable and Sustainable Energy Reviews, 2014, 29: 158-172 |
| Click to display the text | |
| [3] | Bludszuweit H, Domingueznavarro J A. A Probabilistic Method for Energy Storage Sizing Based on Wind Power Forecast Uncertainty[J]. IEEE Trans on Power Systems, 2011, 26(3): 1651-1658 |
| Click to display the text | |
| [4] | Gao D W, Babazadeh H, Lin L. A Practical Sizing Method of Energy Storage System Considering the Wind Uncertainty for Wind Turbine Generation Systems[C]//2013 IEEE Green Technologies Conference, 2013: 127-133 |
| Click to display the text | |
| [5] | Wang W, Mao C X, Lu J M, et al. An Energy Storage System Sizing Method for Wind Power[J]. Energies, 2013, 6(7): 3392-3404 |
| Click to display the text | |
| [6] | Le H T, Santoso S, Nguyen T Q. Augmenting Wind Power Penetration and Grid Voltage Stability Limits Using ESS: Application Design, Sizing, and a Case Study[J]. IEEE Trans on Power Systems,2012,27(1): 161-171 |
| Click to display the text | |
| [7] |
谭兴国,王辉,张黎,等. 微电网复合储能多目标优化配置方法及评价指标[J]. 电力系统自动化, 2014, 38(8): 7-14 Tan Xingguo, Wang Hui, Zhang Li, et al. Multi-Objective Optimization of Hybrid Energy Storage and Assessment Indices in Microgrid[J]. Automation of Elctric Power Systems, 2014, 38(8): 7-14 (in Chinese) |
| Cited By in Cnki (1) | Click to display the text |
2. Equipment Engineering College, Engineering University of CAPF, Xi'an 710086, China;
3. Xi'an Thermal Power Research Institute CO LTD, Xi'an 710054, China
