基于超短期风电预测功率的储能系统跟踪风电计划出力控制方法_闫鹤鸣

第 39 卷 第 2 期
电
网
技
术
433
的研究成果还较少。由于电池储能系统存在充放电 功率及储能容量的约束条件，并且过大的充、放电 深度均会对储能电池的寿命造成影响，特别是在储 能系统运行过程中，需要控制其荷电状态 (state of charge，SOC)保持在适宜的范围内，荷电状态过高 或者过低都会减少储能系统的剩余可用容量，降低 储能系统的充放电功率最大允许值，从而降低储能 系统的控制效果；同时又由于风电日前预测误差经 常会出现在一个时间段内持续不满足预测误差要 求的情况，对储能系统在一时段的持续出力有了更 严格的要求，故控制好电池储能系统的荷电状态， 实时优化控制储能系统的出力对于改善风电跟踪 计划出力具有重要的意义。文献 [15]提出了应用于 风电场中跟踪短期计划出力问题中的储能系统运 行策略，但该文献仅考虑了当前时刻的出力控制， 并不能保证此时刻之后的储能系统可以满足出力 要求，对储能系统的充放电缺乏全局考虑。 本文针对提高风电跟踪计划出力能力应用中 储能系统充放电存在的缺乏全局性考虑的问题，建 立了包含 5 个控制系数的储能系统充放电控制策略， 基于粒子群优化算法利用超短期风电预测功率实 时优化并修正各时刻储能系统的充放电控制系数， 进而提高风储联合系统的跟踪计划出力能力及储 能系统控制能力。
KEY WORDS: ultra-short term wind power prediction; wind
所具有的随机性和间歇性对电网的安全性、稳定性 和电能质量等都造成了巨大的冲击和影响，其中风 电功率预测是保证电网安全、提高风电效益的重要 工具，风功率预测误差的大小影响系统所需的上调/ 下调备用容量，对电网运行的安全性和经济性有着 重要的意义[1-3]， 建立严格的间歇式电源并网标准具 有重要意义。我国在 2011 年制定了《风电场功率 《办法》 预测预报管理暂行办法》[4](简称《办法》)， 规定风电场功率预测系统提供的日预测曲线最大 误差不超过 25%，实时预测误差不超过 15%。具有 风电功率预测系统的风电场需向电网调度部门提 供发电功率预报信息， 并用于电力系统实时调度[5]， 提高风力发电上网小时数额。由于风电功率预测主 要依赖数值天气预报，受其影响，目前风电功率预 测技术特别是日前预测仍存在预测误差较大的问 题[6]，单纯通过风电场的自我调节大大降低了风电 场有功功率的利用率。如今风储联合应用是当前研 究的热点，将储能系统与风电电源相结合，能够提 高风储联合出力的跟踪计划出力能力，降低对电网 的冲击，提高风电功率的利用率，提升电网对风电 功率的接纳能力。 目前，国内外均已有了多项关于风光储联合应 但对储能系统的控制与分析更多 用的示范工程[7-8]， 的是关于平滑风电输出[9-13]以及削峰填谷[14]两方面， 基于风储联合应用以提高风电跟踪计划出力能力
YAN Heming1, LI Xiangjun2, MA Xiufan1, HUI Dong2
(1. School of Electrical and Electronic Engineering, North China Electric Power University, Changping District, Beijing 102206, China; 2. China Electric Power Research Institute, Haidian District, Beijing 100192, China)
Tab. 1
区间 0≤SSOC(t)<SSOC-low SSOC-low≤ SSOC(t)<a a≤SSOC(t)<b b≤SSOC(t)≤SSOC-high SSOC-high<SSOC(t)≤1
式中：Pf(t)为 t 时刻风电日前预测功率；允许为日预 测误差允许的百分值； Plimit 为允许 决定的风电功率 波动限值；Cap 为风电场的装机容量。按照上述《方 法》的规定，允许可以确定为 0.25 或者较之更小的 数；c 为介于 0 到 1 之间的控制系数。 系数 d、e 分别能在风电实际功率小于日前预 测功率下限值状态并且储能系统剩余容量处于较 充裕区间、风电实际功率高于日前预测功率上限 值状态并且储能系统剩余容量处于较不足区间时 对充电功率做出实时调整，两者均介于 0 到 1 间。
基金项目：国家自然科学基金项目(51107126) ；国家电网公司科技 项目(DG71-14-032)。 Project Supported by National Natural Science Foundation of China (51107126); Project Supported by Science and Technology Foundation of SGCC(DG71-14-032).
Plimit 允许Cap
(1
目前建立的储能系统充放电控制策略普遍比
Pf_ max (t )=Pf (t )+Plimit Pf_ min (t )=Pf (t ) Plimit Pf_adj (t ) Pf_min (t ) c[ Pf_m ax (t ) Pf_ min (t )]
power schedule output; charge and discharge power control strategy; moving optimization; state of charge
摘要： 为最大程度地提高风电跟踪计划出力能力， 基于超短 期风电预测功率建立了包含 5 个控制系数的储能系统充放 电控制策略， 并提出了利用粒子群优化算法实时优化储能系 统充放电控制系数的方法，以减少日前短期风电预测误差。 以典型风电场出力为例进行仿真分析， 对固定系数方法及滚 动优化系数方法进行了比较， 并分析了影响预测精度的因素， 结果验证了所提方法的可行性。 关键词：超短期风电预测功率；风电计划出力；储能系统充 放电控制策略；滚动优化；荷电状态 DOI：10.13335/j.1000-3673.pst.2015.02.021
较简单，对储能系统充放电功率的控制不能做到实 时适应风电日前预测误差值以及储能系统荷电状 态的变化。为此本文根据储能系统荷电状态区间、 风电功率预测状态及储能充放电功率值，为提高风 电跟踪计划出力能力，建立了包含 5 个控制系数的 储能系统充放电控制策略，如表 1 所示。表 1 中， 控制系数 a、 b 通过储能系统荷电状态 SOC 的区间确 定，能够更好地适应储能系统的荷电状态变化；控 制系数 c 通过风电预测状态确定，能够更加具体地 反映出风电日前预测误差的状况；控制系数 d 、 e 通过充放电功率确定，能够对储能系统充放电功率
表 1 储能系统充放电控制策略 Charge and discharge control strategy of energy storage system
Pf_min(t)≤Pw(t)<Pf_adj(t) (Pw(t)Pf_min(t)) (Pw(t)Pf_min(t)) 0 Pf_adj(t)Pw(t) Pf_max(t)Pw(t) Pf_adj(t)≤Pw(t)≤Pf_max(t) (Pw(t)Pf_min(t)) (Pw(t)Pf_adj(t)) 0 Pf_max(t)Pw(t) Pf_max(t)Pw(t) Pw(t)>Pf_max(t) (Pw(t)Pf_min(t)) Pw(t)+Pf_max(t)e(Pf_max(t) Pf_min(t)) (Pw(t)Pf_max(t)) (Pw(t)Pf_max(t)) 0
闫鹤鸣 1，李相俊 2，麻秀范 1，惠东 2
（1．华北电力大学 电气与电子工程学院，北京市 昌平区 102206； 2．中国电力科学研究院，北京市 海淀区 100192）
Wind Power Output Schedule Tracking Control Method of Energy Storage System Based on Ultra-Short Term Wind Power Prediction
值做出实时修正；SSOC(t)为 t 时刻储能的荷电状态， %；Pw(t)为 t 时刻风电的实际功率， MW；Pf_min(t) 为 t 时刻风电日前预测功率的下限值； Pf_max(t)为 t 时刻风电日前预测功率的上限值。 Pf_adj(t)为 t 时刻 介于 Pf_min(t)、Pf_max(t)之间的功率值，由控制系数 c 确定。 关于储能系统荷电状态 SOC 值在 0 到 1 之间共 建立 4 个节点，满足 0<SSOC-low a b SSOC-high<1 ， SSOC-low 和 SSOC-high 分别为储能系统正常运行时荷电 状态的下边界和上边界，由储能系统本身性能所确 定。如表 1 所示，将储能系统荷电状态值分为 5 个 区间，分别为 SOC 过小区间、SOC 较小区间、SOC 适 宜 区 间 、 SOC 较 大 区 间 及 SOC 过 大 区 间 。 如 果 a=SSOC-low 及 b=SSOC-high 则荷电状态值被分为 3 个区 间；而如果 a、b 与 SSOC-low、SSOC-high 各不相同，且 随着 a、b 值的变化，等同于荷电状态值被分为更 多的区间。 本文将风电日前预测功率 (风电短期预测功率) 作为风电出力计划值。风电实际功率共分为 4 种状 态：低于日前预测下限值状态、介于日前预测下限 值 及 控 制功 率 Pf_adj(t) 之间 状态 、介 于控 制功 率 Pf_adj(t)与日前预测上限值之间状态及高于日前预测 上限值状态。
第 39 卷 第 2 期 2015 年 2 月 文章编号：1000-3673（2015）02-0432-08
电 网 技 术 Power System Technology 中图分类号：TM 721 文献标志码：A
Vol. 39 No. 2 Feb. 2015 学科代码：470·4051
基于超短期风电预测功率的 储能系统跟踪风电计划出力控制方法
ABSTRACT: In order to maximize the ability to improve the
0
引言
近年来，随着风电场规模的不断扩大，其本身
tracking wind power schedule output, based on the ultra-short term forecasting of wind power, a charge and discharge power control method of energy storage system containing five control coefficients is proposed, and using the particle swarm optimization algorithm, a method to optimize the charge and discharge control coefficients for real time is put forward to reduce wind power short-term prediction error. Finally, taking the typical wind farm output for example, simulation verifications have been performed, the fixed coefficients and moving optimization coefficients methods were compared, and the factor affecting the accuracy of prediction is analyzed, the results show that the proposed control method is effective.