文章快速检索     高级检索
  山东大学学报(工学版)  2017, Vol. 47 Issue (6): 95-99, 107  DOI: 10.6040/j.issn.1672-3961.0.2017.163
0

引用本文 

张岐松, 傅钧, 史朝晖, 杨潇, 贾春娟, 黄玉龙. 荷电状态优化对风储系统供电可靠性的影响[J]. 山东大学学报(工学版), 2017, 47(6): 95-99, 107. DOI: 10.6040/j.issn.1672-3961.0.2017.163.
ZHANG Qisong, FU Jun, SHI Zhaohui, YANG Xiao, JIA Chunjuan, HUANG Yulong. SOC optimization on power supply reliability of wind-storage system[J]. Journal of Shandong University (Engineering Science), 2017, 47(6): 95-99, 107. DOI: 10.6040/j.issn.1672-3961.0.2017.163.

基金项目

国家自然科学基金资助项目(51107068)

作者简介

张岐松(1963—), 男, 山东莱州人, 高级工程师, 硕士, 主要研究方向为新能源发电. E-mail:zhangqisong@sdepci.com

文章历史

收稿日期:2017-04-13
网络出版时间:2017-11-09 14:17:02
荷电状态优化对风储系统供电可靠性的影响
张岐松1, 傅钧1, 史朝晖1, 杨潇2, 贾春娟2, 黄玉龙2     
1. 山东电力工程咨询院有限公司, 山东 济南 250013;
2. 山东大学电气工程学院, 山东 济南 250061
摘要:对于风储联合系统中储能容量和充放电控制优化问题, 从风储联合系统的供电可靠性和功率波动性角度进行研究。为了抑制储能系统的过冲过放现象, 提出一种考虑储能荷电状态(state of charge, SOC)参量的充放电优化控制策略。该策略采用模糊控制方法, 根据储能的SOC, 引入调整系数对充放电功率进行干预。最后基于IEEE-RTS79可靠性测试系统, 通过对某实际风场数据进行分析, 验证该策略可以有效提高系统的供电可靠性, 改善功率波动性。
关键词风储系统    荷电状态    充放电优化    可靠性评估    
SOC optimization on power supply reliability of wind-storage system
ZHANG Qisong1, FU Jun1, SHI Zhaohui1, YANG Xiao2, JIA Chunjuan2, HUANG Yulong2     
1. Shandong Electric Power Engineering Consulting Institute Corp., Ltd., Jinan 250013, Shandong, China;
2. School of Electrical Engineering, Shandong University, Jinan 250061, Shandong, China
Abstract: In order to solve the problem of storage capacity and charging & discharging control optimization in the wind-storage system, the power supply reliability and power fluctuation of system were studied. To prevent the overshoot discharge phenomenon of energy storage system, a consideration energy storage state of charge (SOC) optimization control strategy of charge and discharge was put forward. The fuzzy control method was adopted, according to the energy storage SOC, and the coefficient was introduced to adjust the charge and discharge power. Based on IEEE-RTS79 reliability test system, through the analysis of a real wind field data, the study verified that the strategy could effectively improve the power supply reliability and the power fluctuation of the system.
Key words: wind-storage system    SOC    charge and discharge optimization    reliability evaluation    
0 引言

随着生态环境问题的突出, 发展新能源已经成为世界能源可持续发展的重要战略之一。风力发电是风能的有效利用, 然而风速和风向的变化使得风力发电具有随机性, 随着风电渗透率的升高, 风电并网对系统的稳定性、可靠性产生较大影响[1-2]。以北爱尔兰电网为例, 当风电渗透率增加到10%时, 旋转备用要增加25%才能保证系统频率稳定性[3]

风储联合系统可以有效改善风电出力的随机性和波动性, 平滑入网功率, 从而提高供电可靠性[4]。文献[5]详细阐述储能容量的各种影响因素, 从成本和输出功率平滑效果出发, 得到风电场储能容量的合理范围。文献[6]提出一种复合储能系统容量的优化配置方法, 满足经济性和平滑风电功率波动的要求。文献[7]将储能系统的放电深度及过放现象造成的寿命损伤折合成运行成本, 结合约束条件, 利用遗传算法, 求解最优的储能容量。文献[8]引入储能SOC参量, 构建储能系统充放电策略, 并由成本最小为优化目标, 实现了储能容量最优化。

储能系统的SOC是重夷参数指标, 对储能系统的寿命和效率有重要影响。文献[9]提出一种新型的基于风电功率预测偏差和电池SOC反馈的储能系统控制策略, 建立了基于输出功率波动和电池容量变化指标的基准补偿系数寻优模型。文献[10]以储能系统SOC为参量, 提出基于可变功率修正系数的储能系统充放电控制策略, 避免出现过充过放现象。文献[11]综合考虑电池SOC和风电场输出功率波动抑制效果, 提出一种模糊自适应的控制策略, 通过对过滤时间的调节和有功功率的调整, 优化电池的SOC。文献[12]综合风电功率波动的特点, 提出一种基于SOC分级优化的混合储能平抑风电功率方法。

上述研究对风储联合系统中储能容量的计算、储能系统控制策略改进具有重要作用, 研究角度是从经济性和入网功率波动性两个方面进行考虑。文献[13]基于可靠性, 针对功率型和能量型两类储能设备以及不同储能控制策略, 对风电场进行了评估。基于以上研究, 在考虑储能系统的SOC的基础上, 基于模糊控制策略, 提出了一种风储联合系统中SOC的优化策略, 并对风储联合系统的可靠性评估进行对比研究。最后通过对某实际风场数据进行分析, 验证了该策略对SOC优化效果明显, 同时可以提高系统的供电可靠性, 并对风电入网功率波动性的改善情况进行了分析。

1 风电出力特性分析

以某实际风电场1 a的风速数据为例, 对其风机出力概率分布进行分析, 显示风机出力为0的概率为11.94%, 低于额定功率10%的概率为41.63%, 而高于额定功率60%的概率仅有11.3%, 风电出力的期望值为0.241 6(pu)。风机出力波动变化率是指后一时刻同前一时刻的风机出力采样值之差(pu), 结果如图 1所示。可以看出风机的出力波动变化率近似正态分布, 分布范围较广, 其中最大值为0.863 6, 最小值为-0.873 8, 且90.5%集中于-0.2~0.2。

图 1 风机出力波动变化率概率分布 Figure 1 Probability distribution of wind turbine output
2 风储联合系统及相关评价指标 2.1 风储联合系统

以上分析可以看出风电接入系统时, 对系统的可靠性贡献远小于普通机组, 同时对系统的功率平稳性也造成冲击, 因此需要储能对其出力进行调节和平滑, 在贡献更大可靠性的同时降低对系统平稳性的影响。

采用的风储联合系统模型如图 2所示。PW为风电机组输出功率, MW; PB为储能充放电功率, 且充电时为负, 放电时为正, MW; Pout为风储联合系统输出功率, MW。

$ {P_{{\rm{out}}}} = {P_{\rm{W}}}{\rm{ + }}{P_{\rm{B}}}。$ (1)
图 2 风储联合系统 Figure 2 Wind storage combined system

储能安装在系统的并网点, 对风电机组出力进行集中控制和调节, 使实际潮流Pout跟随要求变化, 即按照设定参考潮流Pref变动。

2.2 充放电模型

假设风力发电在时刻T的输出是PW, T, 并且在TTt内保持不变。储能装置的存储策略可以用以下公式来描述。

PW, TPref时, 令

$ {E_{{\rm{ch}}}} = \min \left( {P_{{\rm{ch}}}^{\max }, {P_{{\rm{w}}, T}}-{P_{{\rm{ref}}}}} \right) \times \Delta t \times {\eta _{{\rm{ch}}}}, $

$ {E_{{\rm{ch, }}T + \Delta t}} = \min \left( {{E_{{\rm{volume}}}}-{E_{{\rm{residue}}}}, {E_{{\rm{ch}}}}} \right); $ (2)

PW, TPref时, 令

$ {E_{{\rm{disch}}}} = \min \left( {P_{{\rm{disch}}}^{\max }{P_{{\rm{ref}}}}-{P_{{\rm{w, }}T}}} \right) \times \Delta t \times {\eta _{{\rm{disch}}}}, $

$ {E_{{\rm{disch}}, T + \Delta t}} = \min \left( {{E_{{\rm{residue}}, T}}, {E_{{\rm{disch}}}}} \right), $ (3)

式中:Ech, Tt为储能装置在时间Δt内, 当风机出力大于Pref时所存储的能量, MW·h; Edisch, Tt为储能装置在时间Δt内, 当风机出力小于Pref时所释放的能量, MW·h; ηchηdisch分别为储能装置的充、放电效率, %; PchPdisch分别为储能装置的充放电功率, 并受其最大充放电功率Pmax所限, MW; Evolume为储能系统的存储容量, kW·h; Eresidue, T为储能装置中的剩余能量, MW·h。

2.3 评价指标及说明

为了考察储能容量及充放电控制优化对风电机组出力的控制效果, 本研究采用2个评价体系:可靠性评价和波动性评价。电量不足期望(EENS, 供电不足造成负荷损失的总和, MW·h/a)作为评价系统可靠性的标准。波动越限概率(Pa, 波动限值设为a时, 功率波动变化大于a的概率)和波动越限幅值总和(SΔP, 功率波动变化大于设定限值部分的幅值总和, MW)作为评价并网功率波动性的标准。

3 考虑SOC状态的储能控制策略优化

供电可靠性同发电机出力与负荷的吻合程度有关, 通过储能调节, 使其在弱风时少发, 强风时多发, 同时兼顾系统负荷, 高负荷时增加出力, 低负荷时减小出力, 可以一定程度上提高供电可靠性。在许多实用场合, 峰值负荷预测往往是给出一定的范围, 风能预测的精度也不高, 均和模糊的概念相符, 本研究采用模糊控制策略确定参考潮流Pref

3.1 储能系统模糊控制策略

基于日最高负荷和风电机组最大输出功率, 分别将系统每日负荷(Load)和风机出力(PW)分为高峰(P)、较高(H)、中等(M)、较低(L)、低谷(LE)5种不同状态, 边界模糊化处理后作为2个输入量, 输出量为接入点的参考潮流(Pref)。其中输出隶属度函数区间确定主要参考风机出力概率分布特性, 因高于额定功率60%的概率仅有11.3%, 取高峰(P)为0.6。Load、PWPref均为以风电机组额定出力为基准的标幺值。

隶属度和模糊控制规则如图 3表 1所示。

图 3 模糊控制策略输入、输出隶属度函数 Figure 3 Fuzzy control input and output membership functions
表 1 模糊控制规则 Table 1 Fuzzy control rule

采取时间序列模型(auto regression move average, ARMA)预测风速, 风电机组单机容量为2 MW, 切入风速、额定风速和切出风速分别为3、11.5和22 m·s-1。仿真的测试系统为IEEE-RTS79, 系统总装机容量3 205 MW, 考虑到原系统较高的可靠性, 减少原系统总装机容量到2 305 MW, 风电机组接入节点20[14]。基于序贯蒙特卡罗模拟法进行仿真, 仿真模拟年数设置为100 a[15]

由于考虑了负荷的变动, 采用模糊策略后风储联合出力并不完全随着原始风机出力变动, 而是综合考虑了风机实际输出和负荷需求, 如图 4所示, 同时由于储能策略对风机出力上下限的限制, 其波动比原始风机出力明显平稳了很多。

图 4 出力和负荷实时曲线 Figure 4 Output and load real time curves

为了考察储能容量对系统可靠性提升的影响, 分别以300、450台风机, 总装机容量600、900 MW接入测试系统为例进行研究。储能采用目前使用较为广泛的磷酸铁锂电池, 风储比1:1则表示600 MW风机时, 储能容量为600 MW·h, 储能容量对电量不足期望值(104MW·h/a), 影响结果如图 5所示。在同样条件下, 接入风电机组容量越大, 储能规模越大, 可靠性的提升越明显, 并且随着储能容量增加, 可靠性提升作用趋于平缓。

图 5 储能容量可靠性影响分析 Figure 5 Reliability analysis of energy storage capacity
3.2 SOC状态优化策略

SOC作为衡量储能系统运行状态的重要指标, 其运行合理性将直接影响储能系统性能。上述模糊策略中, 储能的充放电完全由风机出力和参考潮流决定, 当风机出力长时间大于或小于参考潮流时, 储能将不可避免过充过放, 这在减少储能系统寿命的同时, 储能的调节能力变弱, 不利于可持续性的改善风机出力。为了兼顾决策需求和储能系统运行寿命, 提出储能系统SOC优化策略, 使其尽量维持在适宜范围。

储能采用的磷酸铁锂电池, 其理想充放电深度为10%~90%, 因此考虑将SOC模糊化为5种状态:过高、偏高、适中、偏低、过低, 通过干预原充放电功率PB, 对模糊控制策略进行修正, 利用系数K调整储能实时充放电功率, 改善其SOC分布。

基于以上原理, 提出储能SOC状态模糊优化控制策略, 即当储能剩余电量不充足时, 适当减小储能放电功率, 增加储能充电功率, 避免储能过放, 反之亦然, 同时严格控制储能系统的最低余量, 尽量消除过度放电。SOC状态模糊优化的输入输出隶属度函数如图 6所示。模糊控制规则如表 2所示, 其中5个模糊子集{RM, RC, RB, RA, NR}, 分别代表{极小, 很小, 较小, 偏小, 正常}。模糊输出为充放电功率调整系数K, 其值为1时, 对应储能最大充放电功率Pmax, 其大小根据储能系统具体参数设置。K值设计参见图 6, 储能输出功率由此调整为KPB

图 6 优化策略输入、输出隶属度函数 Figure 6 Strategy input & output membership functions
表 2 SOC状态优化策略控制规则 Table 2 SOC state optimal policy control rule
3.3 SOC状态优化策略效果分析

由于SOC状态优化策略通过干预充放电功率PB来实现, 会对储能的SOC产生影响, 本节分析验证优化策略对SOC的影响效果。风电装机容量600 MW, 风储比1:3时, 优化前后SOC的实时曲线对比如图 7所示, 可以看到优化策略对SOC的有效调节。

图 7 优化策略前后SOC实时曲线对比 Figure 7 SOC real time curves comparison before and after optimization strategy

优化前后SOC概率分布的对比统计结果如表 3所示。优化后储能的SOC在0.1~0.9内的概率远高于优化前, 说明SOC调节控制策略能有效地将SOC聚拢在0.1~0.9, 抑制了储能的过充过放现象。

表 3 SOC状态概率分布 Table 3 SOC probability distribution
3.4 SOC状态优化可靠性与波动性分析

在此基础上, 本研究同样以接入风机为600 MW, 风储比1:3时, 对储能及SOC状态优化前后, 风储联合发电系统的可靠性和波动性问题进行了对比研究, 结果如表 4所示。

表 4 SOC状态概率分布 Table 4 SOC probability distribution

针对风储系统可靠性的影响问题, 表 4结果对比分析显示, 其可靠性指标即电量不足期望EENS, 在SOC优化后降为54 666.39 MW·h·a-1, 比风机直接接入的63 643.55 MW·h·a-1显著降低, 同样比SOC状态优化前55 462.24 MW·h·a-1减小。这是由于优化后SOC向适宜范围靠拢, 当遇到风机出力较为极端的情况时, 有利于提升储能系统充放电能力, 可以更好地对电能进行调度, 使之与负荷匹配, 从而提高系统供电可靠性。

针对风机出力的波动性问题, 表 4分析结果显示, 增加储能对风机出力波动性有显著改善, 但是SOC状态优化后, 风机出力波动性改善效果有所下降, 即波动越限概率P0.1由6.60%增加到9.40%, 波动越限幅值总和也有所上升。这是因为SOC状态优化时, 主要考虑避免过冲过放现象, 但与原始出力情况相比, 增加储能对波动性具有明显改善。

4 结论

本研究对于风储联合系统中储能容量及充放电控制对系统可靠性影响进行了研究, 针对储能的过充过放问题提出SOC状态优化策略, 并对比优化前后SOC概率分布图和SOC实时曲线, 仿真结果显示优化后电池的SOC得到很好的控制, 说明优化策略使电池的SOC向设置的最优SOC靠拢, 有效改善储能设备过充过放。同时对比研究系统可靠性指标和波动性情况, 优化前后的系统的可靠性得到提升, 弃风现象有所改善, 而波动性改善效果有所降低。

本研究的SOC状态优化策略是根据实际某风场的风速数据和储能系统的参数具体确定的, 实际中的情况根据具体情况会有所不同。

参考文献
[1] 韩勇, 郑翔宇, 彭生江, 等. 大规模风电集中接入的电力系统储能容量配置策略[J]. 中国电力, 2015, 48(6): 26-30
HAN Yong, ZHENG Xiangyu, PENG Shengjiang, et al. Configuration of energy storage in power system with wind power integration[J]. Electric Power, 2015, 48(6): 26-30
[2] 李军徽, 朱星旭, 严干贵, 等. 抑制风电并网影响的储能系统调峰控制策略设计[J]. 中国电力, 2014, 47(7): 91-95
LI Junhui, ZHU Xingxu, YAN Gangui, et al. Design of control strategies of energy storage for peak shaving to restrain wind power's influence on power grid[J]. Electric Power, 2014, 47(7): 91-95
[3] HORNE J, FLYNN D, LITTLE T. Frequency stability issues for islanded power systems[C]//Proceedings of Power Systems Conference and Exposition, 2004. New York, USA: IEEE, 2004: 299-306. http://ieeexplore.ieee.org/xpls/icp.jsp?arnumber=1397455
[4] 娄素华, 吴耀武, 崔艳昭, 等. 电池储能平抑短期风电功率波动运行策略[J]. 电力系统自动化, 2014, 38(2): 17-22
LOU Suhua, WU Yaowu, CUI Yanzhao, et al. Operation strategy of battery energy storage system for smoothing short-term wind power fluctuation[J]. Automation of Electric Power Systems, 2014, 38(2): 17-22 DOI:10.7500/AEPS201212049
[5] 卢继平, 朱三立, 韩涛, 等. 风电场储能容量合理取值范围分析[J]. 重庆大学学报, 2010, 33(8): 46-51
LU Jiping, ZHU Sanli, HAN Tao, et al. Analysis of reasonable wind farm energy storage capacity range[J]. Journal of Chongqing University, 2010, 33(8): 46-51 DOI:10.11835/j.issn.1000-582X.2010.08.009
[6] 张坤, 毛承熊, 谢俊文, 等. 风电场复合储能系统容量配置的优化设计[J]. 中国电机工程学报, 2012, 32(25): 79-87
ZHANG Kun, MAO Chengxiong, XIE Junwen, et al. Optimal design of hybrid energy storage system capacity for wind farms[J]. Proceedings of the CSEE, 2012, 32(25): 79-87
[7] 徐群, 吕晓禄, 武乃虎, 等. 考虑电池寿命和过放现象的风电场储能容量优化[J]. 电网技术, 2014, 38(6): 1505-1511
XU Qun, LYU Xiaolu, WU Naihu, et al. Optimization of energy storage capacity for wind farm considering battery life and over-discharge[J]. Power System Technology, 2014, 38(6): 1505-1511
[8] 张峰, 梁军, 张利, 等. 考虑最佳期望输出与荷电状态的风电场储能容量优化方法[J]. 电力系统自动化, 2014, 38(24): 12-19
ZHANG Feng, LIANG Jun, ZHANG Li, et al. Energy storage capacity optimization for wind farms considering optimal excepted output and SOC[J]. Automation of Electric Power Systems, 2014, 38(24): 12-19 DOI:10.7500/AEPS20131029002
[9] 佘慎思, 李征, 蔡旭. 风储联合发电系统电池荷电状态和功率偏差控制策略[J]. 电力系统自动化, 2014, 38(20): 9-17
SHE Shensi, LI Zheng, CAI Xu. SOC and power deviation control strategy for hybrid generation systems of wind power and energy storage[J]. Automation of Electric Power Systems, 2014, 38(20): 9-17 DOI:10.7500/AEPS20131116003
[10] 张熙, 张峰, 巩乃奇, 等. 基于荷电状态动态调整的储能电站容量规划[J]. 电力自动化设备, 2015, 35(11): 20-24
ZHANG Xi, ZHANG Feng, GONG Naiqi, et al. Bess capacity planning based on dynamic SOC adjustment[J]. Electric Power Automation Equipment, 2015, 35(11): 20-24
[11] 王晓东, 张磊, 姚兴佳, 等. 考虑储能电池SOC状态的风电场功率波动抑制控制[J]. 电源学报, 2014(2): 73-77
WANG Xiaodong, ZHANG Lei, YAO Xingjia, et al. Research of wind farm power fluctuations controller considering the SOC of battery[J]. Journal of Power Supply, 2014(2): 73-77
[12] 戴碧蓉. 基于SOC分级优化的混合储能风电功率平抑方法研究[D]. 成都: 电子科技大学, 2013.
DAI Birong. Wind power stabilizing control method of hybrid energy storage system based on SOC hierarchical optimization[D]. Chengdu: University of Electronic Science and Technology of China, 2013. http://d.wanfangdata.com.cn/Thesis/D769630
[13] 孟虹年, 谢开贵. 计及电池储能设备运行特性的风电场可靠性评估[J]. 电网技术, 2012, 36(6): 214-219
MENG Hongnian, XIE Kaigui. Wind farm reliability evaluation considering operation characteristics of battery energy storage devices[J]. Power System Technology, 2012, 36(6): 214-219
[14] Reliability test system task force of the application of probability methods subcommittee. IEEE reliability test system[J]. IEEE Transactions on Power Apparatus and Systems, 1979, 98(6): 2047-2054
[15] 孙自珂. 风电并网对电力系统可靠性影响分析[D]. 济南: 山东大学, 2015.
SUN Zike. Study on power system reliability with wind power integration[D]. Jinan: Shandong University, 2015. http://cdmd.cnki.com.cn/Article/CDMD-10422-1015372621.htm