风电储能联合系统的储能电池容量优化配置（附算例分析）

摘 要：大规模风电并网给电力系统安全稳定运行带来了新的挑战。储能系统在提高风电接入能力方面具有广阔的应用前景，然而储能的高容量成本制约了风储联合系统的发展。为解决大规模风电并网的功率波动问题，在考虑风电出力波动性和电池储能系统自身运行约束的基础上，提出了风储联合系统的储能容量优化配置策略。算例结果表明，只有当系统惩罚成本的减少足以弥补储能投资的增加时，风电场才有动力投资储能。通过合理配置储能容量，能够在平抑风电功率波动的基础上，提高风电场运行经济性。

0 引言

环境污染和能源紧张促进了可再生能源的快速发展。由于可再生能源特有的波动性、间歇性和随机性，其大规模并网所带来的功率波动将给电力系统的安全稳定运行带来极大的挑战[1-4]。储能技术作为提高电力系统对可再生能源发电接纳能力的有效技术而备受关注，国内外已相继规划建设多项风光储示范工程基地。现有研究表明，储能系统具有快速响应特性和灵活的充放电能力，能实时平抑风电输出功率波动，采用储能系统与风电场联合运行已成为改善风电场出力波动的重要方法之一[5-8]。

对于已建成的风电场，为提高风电利用率，满足风电并网标准，风电场可配备一定容量的储能实现风电的顺利入网。风电场要配置储能，一方面意味着成本的增加，另一方面意味着电能质量和整体运行性能的提升。储能系统容量越大，平抑风电功率波动的效果越好，相应的成本也越高。然而，目前储能系统的成本较高，已成为制约其大规模应用的关键因素，因此，有必要研究风电场投资储能系统以提高运行性能的经济性。

为此，本文在考虑风力发电系统出力特性的基础上，提出了一种风储联合系统的储能容量优化配置策略，力求通过合理选取储能容量，实现提高风储联合系统运行经济性的目标。

1 风储联合系统的结构及特性

1.1 风储联合系统的结构

图1为风储联合系统的结构，主要包括风电单元和储能单元。风电单元用于将风能转化为电能，PW为风电输出功率。储能单元用以平抑风电输出功率波动，Pch为BESS(电池储能系统)的充电功率;Pdch为BESS的放电功率;Pb为BESS的充/放电功率，当Pb>0时储能电池处于放电状态，当Pb<0时处于充电状态。联络线上功率Pwb为风储联合系统的输出功率。



图1 风储联合系统结构

1.2 储能系统特性

将储能技术应用于风力发电系统，可以平抑风电的间歇性，提高可再生能源的利用率。按存储介质的不同，储能可分为机械、电池、电磁和热力储能4大类型。BESS因其比能量大、充放电效率高、不受地理条件限制等优势而被广泛应用[9]，实际工程上可根据运行要求和电池性能来选择合适的储能电池类型。本文采用钠硫电池作为储能系统的储能元件，钠硫电池是目前世界上最具市场活力、应用规模最大的储能电池[6]，其响应速度快，可以在分钟级内实现充放电转换,能够满足本文控制策略的要求。

2 风储联合发电系统储能容量优化配置模型

为提高可再生能源利用率，满足并网标准，需配备一定容量的储能才能实现可再生能源的顺利接入。为此，本文提出风储联合系统储能容量优化配置模型。

2.1 目标函数

优化模型以风储联合发电系统的年收益最大为目标：



式中：R为风储联合系统的年收益;Re为年售电收益;Cinv为折算至等年值的储能系统初始投资成本;Cop为年运行维护成本;Cpun为联合系统出力的惩罚成本。

风储联合系统最主要的收益是售电收益和国家补贴，售电收益由售电量与上网电价共同决定，国家对可再生能源的补贴折算在可再生能源标杆上网电价里。联合系统收益可表示为：



式中：ce为考虑国家补贴的风储联合系统上网电价;Pwb(t)为风储联合系统在时段t的输出功率;ρ为一年中风储联合系统运行的天数;Δt为1个采样时段。

(1)投资成本

储能系统的初始投资包括储能电池、双向变流器等电力电子装置的购置与安装，其与储能电池的容量成正比。储能系统折算至寿命周期内的等年值投资成本可表示为：

 

式中：Eb为储能电池容量;Cre为单位储能容量成本;n为设备的使用年限;λ为年利率。

(2)运行维护成本

储能的维护成本为维持储能系统处于良好运行状态所需要的费用，可按初始投资成本的百分比估算。储能电站的年维护成本可表示为：



式中：δ为储能电站的年维护成本占年投资成本的比例。

(3)惩罚成本

本文考虑风储联合系统按照跟随计划出力的调控模式运行，在实际运行过程中，受风电出力的波动以及储能容量的限制，可能造成风储联合系统无法满足跟踪计划出力的要求。惩罚成本包括缺电惩罚成本和弃风惩罚成本，可表示为：





式中：γ1和γ2分别为缺电惩罚系数、弃风惩罚系数，反映了电力系统对风储联合发电系统执行计划出力要求的严格程度，惩罚系数越高，对联合发电系统的可控性要求就越高;Pref(t)为联合系统在时段t的计划出力。式(5)的第1项为研究周期内的缺电惩罚成本，第2项为弃风惩罚成本。H(x)为引入的辅助函数,式(6)保证风储联合系统在t时刻只会有缺电惩罚成本和弃风惩罚成本中的一种。

2.2 储能系统的数学模型

在平抑可再生能源输出功率波动的过程中，储能系统的充放电功率受限于电池容量及其最大允许充放电功率。为此，本文建立储能系统的数学模型，用于记录电池储能系统在各个时刻的充放电功率和电池SOC(荷电状态)，以满足储能系统控制策略对电池特性的要求。



式中： Pw(t)为 t时刻风电出力; Pch(t)为 t时刻储能电池的充电功率;Pdch(t)为t时刻储能电池的放电功率; uch(t)和 udch(t)分别表示储能电池 t时刻的充、 放电状态， uch(t)=1 和 udch(t)=1 分别表示储能电站t时刻处于充电和放电状态;Soc(t)为t时刻的电池荷电状态;ε为电池自放电率;ηch和ηdch分别为储能电池的充、放电效率;Smax和Smin分别为储能电池荷电状态的允许上、下限值。

在上述储能系统数学模型中，式(10)为充放电状态约束，保证t时刻储能系统只可能处于充电、放电、不动作三种状态中的一种;式(11)为电池荷电状态递推公式。

3 储能系统控制策略

风储联合发电系统按照一定的控制策略调整储能电池的充放电行为，使得联合系统总功率输出跟随计划出力曲线。储能系统控制策略的思路是：当风电出力小于计划出力值时，功率缺额由储能电池放电来提供;当风电出力大于计划出力值时，多余的输出功率将储存在蓄电池里，以保证联合系统出力实时跟随计划出力。

功率缺额可表示为：



当功率缺额为正时，储能电池应放电：



当功率缺额为负时，储能电池应充电：



式中：Pcmax和Pdmax分别为储能电池允许最大充、放电功率。

4 算例分析

本文以澳洲某风电场数据作为计划出力曲线，考虑实际出力与预测出力的偏差服从正态分布N(0，1)。储能介质选取目前已规模化应用的钠硫蓄电池，电池成本为3 000元/kWh，寿命周期为5年，其容量与最大充、放电功率满足一定的比例关系[10]，电池充、放电效率均取90%。根据2015年发改委的最新公布数据，风电标杆上网电价为0.56元/kWh。年运行维护费用比例取2%，折算系数为10%。

考虑储能系统按式(13)—(17)的控制策略进行充放电调度，应用MATLAB编程求解储能系统优化配置模型。仿真计算结果如表1所示，根据优化配置模型测算得到的最佳配置储能容量为6.72 MW，此时系统年收益最大。当配置储能容量为25.92 MWh时，惩罚成本为0，风储联合系统的输出功率能完全跟随计划出力曲线，但由于储能的高成本，使得总收益降低。图2为储能电池各时段的SOC(采样点以5 min为一个时段，全天共288个时段)，可以看出在本文的控制策略下，SOC被控制在合理范围内，避免了储能设备过度充放电对储能设备寿命的影响。

惩罚系数反映了电力系统对风储联合发电系统执行计划出力要求的严格程度。惩罚系数与联合系统的收益直接相关，不同惩罚系数下系统年收益与储能容量的关系如图3所示。从图中可以看出：在确定的惩罚系数下，系统年收益都随着配置储能容量的增加先增大后减小，这是因为储能容量的增加使得联合系统输出功率尽可能跟随计划出力曲线，从而减小了系统的惩罚成本;继续增大配置的储能容量，系统惩罚成本的减少将不足以弥补储能投资的增加，导致总收益减小。此外，储能的最优配置容量随惩罚系数的增大而增加，这是因为惩罚系数的增大，意味着电力系统对风光储联合系统出力的要求变高，联合系统不得不通过多配置储能容量，来减少系统惩罚成本，实现最大化系统总收益。

表1 储能容量优化配置计算结果





图2 储能电池各时段SOC



图3 不同惩罚系数下风储联合系统年收益

5 结语

本文对风储联合系统的储能容量优化配置模型进行了研究，以系统总收益最大为目标函数，对风储联合系统的储能容量配置的影响因素及其敏感度进行了分析。算例结果表明，只有当系统惩罚成本的减少足以弥补储能投资的增加时，风电场才有动力投资储能。通过合理配置储能容量，能够在平抑风电功率波动的基础上，提高风电场运行经济性。

参考文献：

[1]JANGAMSHETTI S H，RAN V G.Optimum siting of wind turbine generators[J].IEEE Trans on Energy Conversion，2001，16(1):8-13.

[2]郭鹏，文晶，朱丹丹，等.基于源-荷互动的大规模风电消纳协调控制策略[J].电工技术学报，2017，32(3):1-9.

[3]于晗，钟志勇，黄杰波，等.考虑负荷和风电出力不确定性的输电系统机会约束规划[J].电力系统自动化，2009，33(2):20-24.

[4]毛亚非.风电接入下基于“源-源”协调的系统频率控制研究[J].浙江电力，2015，34(10):1-5.

[5]孙辉，刘鑫，贲驰，等.含风储一体化电站的电力系统多目标风险调度模型[J].电力系统自动化，2018，42(5):94-101.

[6]梁双，胡学浩，张东霞，等.基于随机模型的光伏发电置信容量评估方法[J].电力系统自动化，2012，36(13):32-37.

[7]殷志敏，章旭泳，俞强，等.考虑蓄电池记忆效应的风光储混合系统控制策略研究[J].浙江电力，2018，37(1):47-51.

[8]姜书鹏，乔颖，徐飞，等.风储联合发电系统容量优化配置模型及敏感性分析[J].电力系统自动化，2013，37(20):16-21.

[9]高明杰，惠东，高宗和，等.国家风光储输示范工程介绍及其典型运行模式分析[J].电力系统自动化，2013，37(1):59-64.

[10]丁明，徐宁舟，毕锐.用于平抑可再生能源功率波动的储能电站建模及评价[J].电力系统自动化，2011，35(2):66-72.

Optimal Capacity Configuration of Cogeneration System of Wind Power and Energy Storage

WANG Xiaolei1， GU Jia1， ZHOU Jiawei2

(1.State Grid Suzhou Power Supply Company， Suzhou Jiangsu 215000， China;2.State Grid Suzhou Electric Power Design Institute Co.，Ltd.，Suzhou Jiangsu 215000， China)

Abstract:The integration of large-scale wind power brings new challenges to power system safety and stability.Energy storage system is quite promising in improving wind power access capability while the high capacity cost is a barrier in front of the development of cogeneration system of wind power and energy storage.To solve power fluctuation of large-scale wind power integration，the paper proposes optimal capacity configuration strategy based on wind power output fluctuation and operation restrictions of battery storage system.The calculation example shows that wind farms have energy storage investment drive only when penalty cost can make up energy storage investment increase.By optimal energy storage configuration，operation economy of wind farm is improved on the basis of suppressing power fluctuation of wind power.

Key words:wind power generation;energy storage system;optimal capacity configuration;control strategy

DOI:10.19585/j.zjdl.201809003

文章编号：1007-1881(2018)09-0014-04

中图分类号：TM614

文献标志码：A

收稿日期：2018-06-28

作者简介：王小蕾(1993)，女，助理工程师，研究方向为电动汽车与电池储能。