储能系统平抑风光发电出力波动的研究方法综述

2.2 考虑一定目标或约束的平抑方法

以上文献只是单纯地进行风光出力波动的平抑，没有考虑相关的优化目标或约束条件。目前对于风光波动标准的制定，特别是在国内还处于起步阶段。最初风电并网时，并未对风电的功率波动制定相关标准，随着风电装机容量的增加，为了减少风电波动对电网的影响，各国开始对风电波动制定标准，这主要体现在爬坡率上。不同国家的输电公司或是电力部门对风电爬坡率的要求有所不同。表2、表3分别是国外部分国家和中国对风电波动率的相关要求。

从表2和表3可以看到目前风电并网的波动要求已经逐步形成体系，但光伏并网仅有频率、低电压穿越等要求，出力波动方面的要求还较少，特别是具体限定值方面。

针对风电波动率相关标准的要求，许多学者在考虑波动率限制方面做了平抑风电波动的相关研究，而且有不少文献是结合低通滤波器进行风电功率平抑。文献［37］对滤波器进行改进，采用可调节的时间常数解决平抑风电波动时的过补偿问题，同时加入波动率限制器。由于不同的时间尺度下对波动率的要求有所不同，因此部分文献考虑在不同时间尺度下进行功率波动约束，较为常见的是1min和30min下的功率波动约束，如文献［24，31-32，38］，其中文献［24］根据两种不同的时间尺度的波动率要求灵活地进行低通滤波器时间参数的调节，从而实现风电出力波动的灵活调节。这样也有利于针对性采用不同的储能元件平抑不同程度波动，文献［32］在两个时间尺度的基础上，对不同的平抑波动要求采用不同的储能元件，对于短期波动采用超级电容进行平抑，对于长期波动采用锂离子电池进行平抑。而对于光伏，尽管其出力波动相关标准还没有成形，但已有相关学者进行研究，如文献［39］根据实际气象数据得到光伏出力，对低通滤波算法进行了研究，在满足并网标准的1min最大变化量和10min最大变化量下得到储能系统定额，同时针对选定的功率曲线研究了滤波器时间常数与储能系统定额的关系。

平抑风光出力波动时，除了功率波动的相关标准要求外，还需考虑储能系统相关的物理约束，其中荷电状态（stateofge，SOC）约束是十分重要的1项约束，许多学者都在平抑风光发电出力波动时，考虑SOC约束。如文献［40］采用高通滤波器提到了需要注意储能系统的SOC，避免过充过放，但没有提出实际的控制方法，此外该文献还提到储能系统放电深度，从放电深度的角度考虑了对储能系统寿命的影响。文献［41］基于低通滤波原理，根据电池储能的SOC实时调整滤波时间常数，实现光伏出力波动的平抑，同时还分析了储能系统能量与功率波动之间的关系，提出了优化配置功率和能量的计算方法。文献［42］结合基于模糊逻辑对储能系统SOC约束进行调整的适应调节器，对用于平抑风电出力波动的低通滤波算法进行了改进。而文献［32，43，44］将SOC作为反馈调节的控制量之一，实现了基于低通滤波的平抑风电出力波动的SOC闭环控制，保证了储能系统的SOC始终处于一定范围内，如文献［32，43］保证SOC在20%至80%之间，文献［44］还在SOC限制的基础上考虑了储能容量E与风电额定输出功率CWF关系之间的影响，以两者之间商值大小与时间常数T比较，判断SOC变动范围，有如下关系：

当T

当T=E/CWF，SOC的变化与电池额定容量相等；

当T>E/CWF，SOC的变化将超过电池额定容量。

文献［25，45］结合低通滤波器，提出了一种基于电池荷电状态分级优化的混合储能系统风电功率平抑方法。该方法采用了分层结构，包含优化控制层和协调控制层。优化控制层根据风电平抑性能要求以及混合储能系统当前整体SOC（其中为了衡量混合储能系统的SOC，计算了储能系统平均SOC）计算动态调节储能系统的设定功率；协调控制层根据储能设备各自的SOC和充放电特性，按优化控制层计算出的设定功率进行功率分配，实现了对设定功率的快速跟踪。文献［46］则根据储能系统的能量和风电功率设置系数，将该系数作为反馈调节的环节之一。

以上文献均是在结合了滤波器的情况下考虑SOC约束，其他方法也可在考虑SOC约束的情况下进行风光功率波动平抑，如文献［47］在考虑了SOC限制的同时，基于规则控制进行风电功率波动平抑。

除了滤波算法，模型预测控制也是平抑风光波动时较为常用的一种方法，而且滤波算法基本都考虑了功率波动优化目标，SOC约束等。文献［38，48-50］就采用了模型预测控制方法对储能系统的充放电功率进行控制。文献［38］提出了一种基于模型预测控制的实时平抑风电场功率波动的电池储能系统（BESS）优化控制方法。该方法以未来一个控制时段使用的储能出力最小为目标，考虑了BESS最大功率约束和容量约束。当合成输出功率不满足功率波动约束时，采用约束软化调整技术，兼顾期望目标，以获得满意的优化结果。从而实现基于区间削减技术的主动式能量反馈控制，避免BESS的过充或过放。文献［48-49］基于模型预测控制设计了用于平滑风电出力的控制器。通过提前几步预测风电的出力，该控制器对风电的最大爬坡率进行优化，同时考虑了系统模型的约束。文献［50］结合储能系统的约束设计了开环优化控制策略，为避免实时控制时的预测误差，加入模型预测控制，从而实现风电平抑。

除以上平抑风光波动方法外，目前还有学者在平抑风光波动时考虑加入风光波动率反馈。文献［51］通过判断当前风光功率波动率与设定值的比较，进而决定是否采用滤波方法进行功率平滑。

文献［1］综合考虑原始功率波动率，提出了储能系统基于斜率的控制方法。文献［52］综合考虑了SOC约束与波动率约束，通过设置合理的风电功率波动限制值和目标值，判断基于斜率控制作用下的当前风电波动率与限制值及目标值的关系，进而基于ADP对储能系统进行优化控制。文献［53］考虑储能电池SOC和光伏出力波动率的约束条件，采用EEMD对光伏信号进行分解至高低频段，其中低频部分作为注入到电网的期望信号，高频部分由储能系统吸收，采用模糊控制自适应调节EEMD滤波阶数，从而实现光伏出力平抑。

以上加入风光波动率约束的控制策略，将其作为储能系统充放电控制以及优化控制的判断依据。加入波动率反馈作为充放电控制依据在满足电网安全基本要求的前提下，降低了储能系统的状态改变次数，降低其运维成本，很大程度上延长了储能系统寿命。

2.3 考虑功率预测与人工智能的平滑控制方法

上文中按考虑目标或约束与否分别论述了平抑风光的波动，主要是介绍了滤波算法和模型预测控制两类平抑风光功率波动较为常见的方法，除了上述两类较为常用的方法外，国内众多学者还对平抑风光波动进行其他方法的研究。

文献［54］基于风电功率短期预测技术，将风电0~24h内的出力波动抑制在给定区间内为控制目标，以预测获得的未来0~24h的风电输出功率的平均值为参考目标，同时基于电网可接受风电功率波动范围设定波动上下限制，制定控制流程。文献［11］采用模糊逻辑方法确定飞轮储能平抑风柴功率波动时的出力。文献［55］则采用模糊逻辑与小波变换相结合的方法对储能系统的充放电功率进行控制。文献［56］对公差带控制储能系统的方法进行改进，加入了自适应算法以及随机动态控制，有效地改进了原有方法对某些风电场尖峰出力优化效果不理想，峰值没能得到平抑的不足。文献［57］确定平抑目标时采用了设置目标函数的方法，该目标函数基于短期风电、光伏预测，根据风光功率预测值设置当日运行计划，以实际投运后系统出力与计划出力相差最小化为目标，以储能系统功率、容量等为约束条件，从而实现对储能系统的动态控制。但该方法得到结果曲线平滑度不够。基于动态规划算法建立了储能系统的动态模型。文献［58］采用了超前控制策略对风电功率波动进行平滑，同时考虑了储能之前时刻和当下的运行状态，并考虑了下一预测周期（认为该预测时长内风功率预测值准确无误）内的风电出力，基于预测功率控制当下储能充放电程度，将风电波动率设为储能系统动作的条件之一，考虑了储能系统的SOC约束，从而实现了对短期风功率的平抑。文献［59］建立考虑充放电效率与状态的蓄电池模型以及燃机成本模型。基于光伏与风电出力日预测曲线，考虑分时电价，以微燃机燃料费用最低和外部购电价格最低为目标，并采用混合整数线性规划算法优化微网运行成本。文献［60］考虑了储能系统波动率约束和荷电状态，创建了储能系统的20条充放电规则，通过4个充放电控制变量，基于光伏超短期功率预测，兼顾考虑储能系统平抑波动能力、充放电深度（使用寿命）、充放电裕度3个目标，采用自适应混沌粒子群算法对目标函数进行寻优，制定了具有前瞻性的控制策略。

2.4 多类型储能系统平抑新能源发电的控制方法

由于风光的波动功率可以分解成不同频率，单一类型储能平抑风光波动时，有时难以有效平抑各频段功率。因此，有些文献采用混合储能或多类型储能。目前较多的是以铅酸电池、超级电容或锂离子电池组合而成的混合储能方式。文献［32］采用超级电容平抑短期功率波动，采用锂离子电池平抑长期功率，有利于发挥各类储能技术在时间上和能量规模上的不同特性。文献［29］以蓄电池和高温超导磁体构成的混合储能系统为研究对象，用于平抑间歇性电源的功率波动。文献［61］针对混合储能系统的控制系统提出了双层控制模型，即分为能量层和系统层，分别对储能系统充放功率和能量进行调节，并设置了专家系统，以此确定储能系统出力目标。文献［62］将风光功率波动分为尖峰波动功率、稳态波动功率和频繁往复波动功率，分别采用超级电容和蓄电池平抑不同波动。控制电感电流以实现总吞吐功率分配，判断功率波动类型以实现储能系统间功率分配。该系统既平抑了风电出力，又合理发挥了超级电容器和蓄电池的不同储能优势。文献［33］对高频风功率信号再次划分，分别选择与其频率范围适应的蓄电池和超级电容器储能设备，建立了基于混合储能系统的风电场输出功率平滑控制模型。文献［12］采用飞轮储能平抑光储充电站高频功率波动和部分低频功率，并平滑蓄电池输入，进而在蓄电池维持电压稳定平滑同时，延长电池寿命。文献［14］应用双层模糊控制方法，第一层模糊控制器实时调节混合储能系统SOC，第二层控制器主要用于改善第一层控制效果，但采用双层控制方法的混合储能系统必须充放电功率接近。

3结语

在储能平抑风光波动的研究中滤波算法是最为常见的方法，简单易行，运算速度较快，但具有一定的滞后性，对风光变化的敏感度不够。同时也不一定能满足并网要求，因此可在其中加入爬坡率等控制目标约束以及储能系统的荷电状态、电池健康状态等物理约束。模型预测控制算法上较为复杂，但能对风光发电出力做出一定预判，有利于实时跟踪风光发电出力波动，获得更好的控制效果。多类型储能系统的引入在一定程度上能够发挥各种储能方式的优势，取长补短，提高不同类型储能系统的使用寿命，但不同储能系统的功率协调控制与能量管理是需重点考虑的。

作者：

宁阳天，广西电网电力调度控制中心，硕士，主要研究方向为电力系统及其自动化。

李相俊，新能源与储能运行控制国家重点实验室（中国电力科学研究院）,博士，教授级高级工程师，主要研究方向为大规模储能技术、电力系统自动化和智能电网。

董德华，华北电力大学控制与计算机工程学院，硕士，主要研究方向为电池储能系统控制。

贾学翠，新能源与储能运行控制国家重点实验室（中国电力科学研究院），硕士，工程师，主要研究方向为大规模储能技术。

惠东，新能源与储能运行控制国家重点实验室（中国电力科学研究院），博士，教授级高级工程师，主要研究方向为大规模储能技术。