20140325006基于储能需求最小的风电场短时功率波动平抑指标制定方法
平抑风光功率波动的储能分配方案
平抑风光功率波动的储能分配方案平抑风光功率波动的储能分配方案平抑风光功率波动是解决可再生能源系统中的一项重要挑战，储能技术被广泛应用于这一领域。
下面将从步骤思考的角度，介绍储能分配方案。
第一步，评估风光能源系统的功率波动情况。
通过收集并分析风力和光照强度数据，确定系统中的功率波动范围。
功率波动的幅度和频率将决定所需的储能容量。
第二步，选择合适的储能技术。
根据系统需求和经济性，选择适当的储能技术，如电池储能、压缩空气储能、水泵储能等。
不同储能技术具有不同的特点，需要综合考虑储能容量、效率、响应时间和寿命等因素。
第三步，确定储能容量。
根据功率波动的幅度和频率，计算出所需的储能容量。
这将有助于确保系统在能源供应不稳定时仍能提供稳定的电力输出。
第四步，制定储能分配方案。
根据系统的运行情况和储能技术的特点，制定储能分配方案。
这可以包括确定储能系统的充放电策略、优化储能系统的运行模式等。
第五步，监测和调整储能分配方案。
监测风光能源系统的功率波动和储能系统的运行情况，根据实际情况进行调整。
这有助于优化储能分配方案，提高系统的性能和可靠性。
第六步，持续改进储能分配方案。
随着技术的不断发展和应用经验的积累，持续改进储能分配方案是必要的。
可以通过引入智能控制系统、优化储能系统的设计等方式，进一步提高储能系统的性能和效率。
综上所述，平抑风光功率波动的储能分配方案需要通过评估功率波动情况、选择合适的储能技术、确定储能容量、制定储能分配方案、监测和调整储能分配方案以及持续改进储能分配方案等步骤来实现。
这将有助于提高可再生能源系统的可靠性和稳定性，推动可持续能源的发展。
风电功率波动平抑效能与储能容量之间关系的分析
2009年中国电机工程学会年会风电功率波动平抑效能与储能容量之间关系的分析研究宇航，张真卿，苑田芬，黄亚峰（东北电力大学，吉林吉林 132012）The relationships between the efficiency of stabilizingwind power fluctuations and capacity of storage systemYU Hang,ZHANG Zhenqing,YUAN Tianfen,HUANG Yanfeng(Northeast Dianli University,Jilin 132012,JilinProvince,China)abstract: This paper takes the relationships between the efficiency of stabilizing wind power fluctuations and capacity of storage system as research objectives while proposing the methods of stabilizing wind power fluctuations and the algorithms of calculating the storage system capacity based on the principles of low-pass filter.Then simulating the process of stabilizing power fluctuations based on the output power data. The simulation results show that stabilizing the short-tem fluctuations in minutes level could reduce the change rate of wind farm output power and the needed storage capacity is smaller, while stabilizing the mid-tem or long-tem fluctuations in hours level could make the waves of output power more stably but the increase amplitude of the needed storage capacity is larger.keywords：storage system；wind power fluctuations；low-pass fliter摘 要：本文以风电功率波动平抑效能与储能容量之间的关系为研究目标，提出了基于低通滤波原理的风电功率波动储能平抑方法及满足平抑过程能量需求的储能容量算法，根据风电场实际输出功率数据对功率波动平抑过程进行仿真。
平抑风光功率波动的储能分配方案分析
平抑风光功率波动的储能分配方案分析平抑风光功率波动的储能分配方案分析平抑风光功率波动是一个重要的能源管理问题，在能源储存技术的发展下，储能分配方案成为解决这一问题的关键。
本文将从步骤思考的角度，分析储能分配方案的实施过程。
第一步，了解风光功率波动的原因和影响。
风光能源是一种不稳定的能源形式，受天气和环境等因素的影响，风力和光照强度会发生变化，导致能源供应的不稳定性。
这种波动对电网的稳定运行和能源供应可靠性产生了负面影响。
第二步，确定储能技术的选择。
常见的储能技术包括电池储能、氢能储能、压缩空气储能等。
选择合适的储能技术需要考虑容量、效率、成本和环境影响等因素。
根据能源需求和供应的特点，确定适用的储能技术。
第三步，设定合理的储能容量。
储能容量的大小与能源波动的程度和持续时间有关。
根据风光能源的波动性评估，确定合适的储能容量，既要满足能源供应的稳定性要求，又要避免过度。
第四步，制定储能充放电策略。
储能系统的运行策略对能源的利用效率和储能系统的寿命等方面有重要影响。
根据能源需求和供应的变化，制定合理的充放电策略，确保能源的平抑和储能系统的稳定运行。
第五步，考虑储能系统的安全性和可靠性。
储能系统的安全性和可靠性是储能分配方案的关键因素之一。
需要对储能系统进行可靠性评估，确保系统能够在不同的运行条件下正常工作，并采取相应的保护措施，防止潜在的故障和事故发生。
第六步，实施储能分配方案，并进行监测和调整。
在实施储能分配方案之后，需要对系统进行监测和调整，及时发现和解决问题，确保储能系统的有效运行。
同时，根据实际运行情况，适时调整储能容量和充放电策略，以最大程度地平抑风光功率波动。
综上所述，储能分配方案的实施需要经过一系列的步骤。
了解风光功率波动的原因和影响，选择合适的储能技术，设定合理的储能容量，制定合理的充放电策略，考虑储能系统的安全性和可靠性，并进行监测和调整。
通过科学的储能分配方案，可以有效地平抑风光功率波动，提高能源供应的可靠性和稳定性。
平抑风电波动的混合储能容量配置及控制策略
平抑风电波动的混合储能容量配置及控制策略摘要：构建新型电力系统是实现“双碳”目标的必由之路，已上升为国家发展战略。
风能以清洁、高效、无污染等特点成为近年新能源发展的热点。
风电装机规模的持续增长在带来巨大经济效益和环境效益的同时，也给电网带来了巨大的挑战。
风力发电具有较强的波动性、间歇性和随机性，其对电网可靠运行、经济运行造成的不利影响也日趋严重。
关键词：混合储能系统；风电功率波动；容量配置1电解制氢-超级电容混合储能系统功率选择与容量配置将储能系统直接接在“源侧”，即在风电并网前对风电功率波动进行平抑，从而使风电场输出功率满足相关规定，减小风电波动对电网造成的不利影响。
本文采用电解制氢-超级电容混合储能系统平抑风电波动。
能量型储能元件电解槽主要用于吸收低频功率。
功率型储能元件超级电容承担吸收高频功率和向电网释放功率的任务。
1.1混合储能系统额定功率选择本文从储能系统的经济性以及最大限度满足平抑波动需求2个角度出发，制定了混合储能系统额定功率的配置原则。
首先对混合储能系统输出功率P s(t)进行概率统计，并对其进行正态分布拟合，得到拟合曲线的均值μ和σ标准差，则输出功率P s(t)为式中：P s(t)为t时刻混合储能系统输出功率，其正值代表储能系统充电，负值代表储能系统放电；P w(t)为t时刻风电原始出力；P g-ref(t)为在满足风电场输出功率波动量标准的前提下，经过自适应滑动平均滤波（moving average filter，MAF）算法得到的t时刻的并网功率参考值。
不同置信水平下储能系统的额定输出功率P N(p)为式中：p为置信水平；z p为不同置信水平p对应的z分位数。
波动平抑效果和储能系统容量呈线性关系，即储能容量越大波动平抑效果越好。
两者之间存在“转折点”，当储能系统的功率大于转折点对应的功率后，波动平抑效果开始趋于平缓。
若继续增大储能系统容量，波动平抑效果基本不变，但系统经济性大幅度降低。
基于风电场历史数据的短期风速及风功率预测研究
基于风电场历史数据的短期风速及风功率预测研究基于风电场历史数据的短期风速及风功率预测研究摘要：随着全球对可再生能源需求的增加，风能作为一种重要的可再生能源之一，越来越受到关注。
风速及风功率预测是最关键的问题之一，对风能利用的可靠性和优化调度具有重要意义。
本文以某风电场的历史数据为基础，研究了风速及风功率在不同时间段的预测方法，旨在为风电场的运营和管理提供参考。
1. 引言风能作为一种清洁、可再生的能源形式，不仅可以降低对化石能源的依赖，还有助于减少温室气体的排放。
为了更好地利用风能资源，提高风电场的发电能力，预测和优化风速及风功率成为研究的重要方向。
短期风速和风功率预测，即对未来几个小时或几天内风速和风功率进行预测，是风电场运营和调度的关键问题。
2. 数据采集与处理本研究选取某风电场的历史数据进行分析。
风速和风功率数据按小时间隔采集，并包括充足的历史数据。
首先，对采集的原始数据进行预处理，包括数据清洗和异常值处理。
然后，将数据划分为训练集和测试集，以便进行模型训练和性能评估。
3. 特征提取与选择在预测模型中，选取适合的特征对准确预测风速和风功率至关重要。
本研究通过对历史数据的分析，提取了一些常用的特征，如平均风速、最大风速、风向变化、天气状况等。
然后，借助统计方法和机器学习算法，对特征进行选择和权重分配。
4. 风速预测模型根据历史数据，本研究构建了一种风速预测模型。
首先，采用时间序列方法，如自回归移动平均模型(ARMA)或自回归条件异方差模型(ARCH)等，对风速数据进行建模和拟合。
然后，通过模型参数的估计和判断，预测未来短期风速。
5. 风功率预测模型基于风速预测结果，本研究进一步构建了一个风功率预测模型。
以风速为输入变量，通过回归分析等方法，建立风功率与风速之间的数学关系。
在预测阶段，根据风速的估计结果，得出相应的风功率预测值。
6. 结果分析与讨论经过模型训练和测试，本研究得到了短期风速和风功率的预测结果。
用于提升风电场短期功率预测准确率的储能系统出力控制策略
用于提升风电场短期功率预测准确率的储能系统出力控制策略李娜;白恺;柳玉;王开让;巩宇;董建明【摘要】目前对于储能系统应用于平抑新能源发电的波动性、移峰填谷等场景的控制策略已有文献研究,但对于风功率预测准确率影响风电场效益的机制下储能系统应用的可行性尚未见研究.本文提出了一种以减小风电场短期功率预测偏差为目标的储能系统出力控制策略,控制策略以风电场实时出力数据(秒级)为数据源,采用线性外推加以移动平均优化的方法预测下一时刻风电场出力,通过比较风电场短期功率预测值与实时预测值,计算储能系统期望出力,并根据储能系统不同SOC区间内的出力能力进行约束,输出储能系统出力指令,最后进行了仿真验证.结果表明,本文提出的储能系统出力控制策略,能够使风电场通过配置储能系统,减少短期功率预测准确度考核,对风电场的精益化运行具有指导意义.【期刊名称】《储能科学与技术》【年(卷),期】2018(007)001【总页数】8页(P100-107)【关键词】储能系统;风电场短期功率预测;准确率;荷电状态(SOC)【作者】李娜;白恺;柳玉;王开让;巩宇;董建明【作者单位】国家电网公司风光储联合发电运行技术实验室,北京100045;国网冀北电力有限公司电力科学研究院,北京10045;国家电网公司风光储联合发电运行技术实验室,北京100045;国网冀北电力有限公司电力科学研究院,北京10045;国家电网公司风光储联合发电运行技术实验室,北京100045;国网冀北电力有限公司电力科学研究院,北京10045;国家电网公司风光储联合发电运行技术实验室,北京100045;国网冀北电力有限公司电力科学研究院,北京10045;国家电网公司风光储联合发电运行技术实验室,北京100045;国网冀北电力有限公司电力科学研究院,北京10045;国家电网公司风光储联合发电运行技术实验室,北京100045;国网冀北电力有限公司电力科学研究院,北京10045【正文语种】中文【中图分类】TM72在全球风光发电高速发展的大背景下，受限于储能投资巨大，国内外大容量储能应用主要停留在示范阶段，储能系统的应用场景也在探索中[1-2]。
基于混合储能的平抑风电功率波动控制策略
基于混合储能的平抑风电功率波动控制策略基于混合储能的平抑风电功率波动控制策略是一种通过结合储能技术和风能发电技术，降低风电功率波动的方法。
由于风能的不稳定性，风电场的功率波动较大，这给电网系统的平稳运行带来了很大的挑战。
因此，开发一种有效的控制策略来平抑风电功率波动是非常重要的。
混合储能系统由储能器件和能量管理系统组成，能够在风电功率波动较大时储存多余的电能，并在电网需要时释放出来，以保持电网的稳定运行。
该控制策略主要包括两个方面：储能器件的选择和能量管理策略。
首先，针对储能器件的选择，我们可以考虑使用电池和超级电容器等不同类型的储能设备。
电池具有高能量密度和长寿命等特点，适用于长时间储能。
而超级电容器具有高功率密度和快速充放电等特点，适合应对功率瞬变。
因此，在设计混合储能系统时，可以根据实际需求选择适当的储能器件。
其次，针对能量管理策略，我们可以设计一种基于模型预测控制（Model Predictive Control，MPC）的策略来管理储能系统的充放电过程。
MPC是一种优化控制算法，能够基于当前状态和未来预测来确定最优的控制策略。
在这种控制策略中，可以将电池和超级电容器作为两个独立的能量储存单元，通过预测功率波动情况，合理分配储能设备的充放电情况。
具体而言，MPC控制策略可以根据电网对风电功率的需求以及储能设备的状态来确定各个储能设备的充放电控制策略。
在风电功率较低时，可以将多余的电能存储到电池中，并在电网需要时释放出来；而在风电功率较高时，可以将多余的电能存储到超级电容器中，以应对功率瞬变。
通过合理的能量管理策略，可以减小风电功率波动对电网的影响，提高电网的稳定性。
总之，基于混合储能的平抑风电功率波动控制策略是一种有效应对风电功率波动的方法。
通过选择适当的储能器件和设计合理的能量管理策略，可以降低风电功率波动对电网的影响，保证电网的平稳运行。
该控制策略在实际应用中具有很大潜力，可以为风电行业的可持续发展提供有力支持。
平抑风功率波动的储能容量优化配置
平抑风功率波动的储能容量优化配置陈兵1，朱寰1，徐春雷1，朱昊卿2，王昊炜1，张琦兵1，丁瑾1（1.国网江苏省电力有限公司，南京 210000； 2.河海大学能源与电气学院，南京 210000）摘要：为了缓解风电输出功率的波动对于电网的冲击，可利用储能系统（ESS）平抑风功率波动，有效提高风电系统电能质量和利用率。
由于储能系统比较昂贵，如何配置最小的储能容量达到平抑风功率波动目的成为研究热点问题。
本文针对现有低通滤波法的储能容量优化配置存在着滤波后时延问题，提出基于零相位的低通滤波法的储能容量优化配置方法。
该方法使用零相位低通滤波器消除时间延迟，在满足风电并网波动率约束的条件下，可减小储能系统容量。
最后，以江苏省某风电场的实测风速数据为算例，通过对比分析普通低通滤波法与零相位低通滤波法的储能容量配置，验证了所提方法的有效性。
关键词：风电；储能；容量配置；低通滤波中图分类号：TM732 文献标识码：A 文章编号：1004-7204(2020)02-0169-05Optimal Allocation of Energy Storage Capacity for Stabilizing Wind PowerFluctuationCHEN Bing1, ZHU Huan1, XU Chun-lei1, ZHU Hao-qing2, WANG Hao-wei1, ZHANG Qi-bing1, DING Jin1(1.State Grid Jiangsu Electric Power Co., Ltd., Nanjing 210000;2.College of Energy and Electrical Engineering Hohai University, Nanjing 210000)Ａｂｓｔｒａｃｔ：The energy storage system (ESS) is used to suppress the fluctuation of wind power and effectively improve the power quality and utilization of the wind power system in order to alleviate the impact of the fluctuation of wind power output on the power grid. How to allocate the minimum energy storage capacity to stabilize the wind power fluctuation has become a hot issue because of the high price of the energy storage system. In order to solve the problem of time delay after filtering in the optimal allocation of energy storage capacity of the existing low-pass filtering method, this paper proposes an optimal allocation method of energy storage capacity based on zero phase low-pass filtering method. Zero phase low-pass filter is used to eliminate the time delay, and the capacity and cost of the energy storage system are significantly reduced under the condition that the wind power grid connected volatility constraints are met in this method, Zero phase low-pass filter is used to eliminate the time delay, and the capacity and cost of the energy storage system are significantly reduced under the condition that the wind power grid connected volatility constraints are met. Finally, taking the measured wind speed data of a wind farm in Jiangsu Province as an example, this paper analyzes the common low-pass filtering method and zero phase low-pass filtering method, and verifies the effectiveness of the proposed energy storage capacity allocation method.Ｋｅｙ ｗｏｒｄｓ：wind power; energy storage; capacity configuration; low-pass filtering基金项目：国网江苏省电力有限公司科技项目（J2019086）。
电池储能平抑短期风电功率波动运行策略
0 引言
随着 能 源 危 机 和 环 境 污 染 问 题 的 日 益 突 出,世 界各国大力发展风 力 发 电,中 国 已 有 越 来 越 多 的 大 型风电场相继并 网 运 行。 与 常 规 电 源 相 比,风 能 是 一 种 随 机 性 、间 歇 性 能 源 ,而 且 目 前 风 电 出 力 预 测 精 度不高[1],这些特 点 导 致 风 电 场 不 能 提 供 持 续 稳 定 的 可 控 功 率 ,发 电 可 调 度 性 差 ,大 规 模 的 风 电 并 网 将 对 系 统 的 调 峰 调 频 、安 全 稳 定 、电 能 质 量 等 产 生 重 大 影 响 。 因 此 ,改 善 风 电 场 的 电 能 质 量 ,提 高 风 电 场 输 出功率稳定性的研究越来越受到重视。
收 稿 日 期 :2012-12-07;修 回 日 期 :2013-08-12。 国家自然科学基金资助项目(51207062);国家自 然 科 学 基 金 重点项目(50937002);华中科技大学自主创新研 究 基 金 资 助 项 目 (2013TS057)。
波时 间 常 数,从 而 将 风—储 联 合 输 出 1 min 级 和 30 min级功率 波 动 限 定 在 规 定 范 围 内。 文 献 [1112]采用基于电池 荷 电 状 态 (SOC)反 馈 的 控 制 方 式 来修正风—储 联 合 系 统 中 电 池 出 力 的 大 小,以 避 免 电池出现过充过放,但 存 在 不 能 连 续 平 滑 调 节 的 缺 点。
2.2.1 当前控制策略 当前控制策略只计及储能系统的自身运行约束
和当前时刻的风电功率波动对储能装置的充放电行
《2024年风电场功率短期预测方法优化的研究》范文
《风电场功率短期预测方法优化的研究》篇一一、引言随着全球对可再生能源的依赖性日益增强，风电作为清洁能源的代表，其发展与应用越来越受到重视。
然而，风电场功率的短期预测仍面临诸多挑战。
本文旨在研究风电场功率短期预测方法的优化，以提高预测精度和稳定性，为风电场的运营和维护提供科学依据。
二、风电场功率短期预测的重要性风电场功率的短期预测对于电网调度、能源优化和设备维护具有重要意义。
准确的预测有助于提高电网的稳定性，减少能源浪费，并能够及时对设备进行维护，延长其使用寿命。
然而，由于风速的随机性和不确定性，传统的预测方法往往存在误差较大的问题。
因此，优化风电场功率的短期预测方法显得尤为重要。
三、当前风电场功率短期预测方法及问题目前，常用的风电场功率短期预测方法包括物理方法、统计方法和混合方法。
物理方法基于风力发电机组的物理模型进行预测，统计方法则主要依靠历史数据和统计模型进行预测，而混合方法则是二者的结合。
虽然这些方法在某种程度上都能实现预测，但仍然存在以下问题：1. 预测精度有待提高：由于风速的随机性和不确定性，现有方法的预测精度往往无法满足实际需求。
2. 计算复杂度高：部分方法需要大量的计算资源，不利于实时预测。
3. 模型泛化能力不足：不同地区、不同规模的风电场，其风速和功率特性存在差异，现有方法的泛化能力有待提高。
四、风电场功率短期预测方法优化策略针对上述问题，本文提出以下优化策略：1. 引入机器学习和人工智能技术：利用神经网络、支持向量机等机器学习算法，结合历史数据和实时数据，建立更为精确的预测模型。
2. 考虑气象因素：风速和风向是影响风电场功率的重要因素，引入气象数据，如温度、湿度、气压等，以提高预测模型的准确性。
3. 模型优化与改进：针对不同地区、不同规模的风电场，对模型进行优化和改进，提高其泛化能力。
4. 实时数据更新与反馈：建立实时数据更新机制，将实际运行数据与模型预测结果进行对比，不断优化模型参数，提高预测精度。
基于预测的风电功率平抑控制方法
基于预测的风电功率平抑控制方法阎睿;李凯【摘要】受风速随机变化的影响,风电输出功率具有波动性.为了平抑风电输出功率的波动,在配置电池储能系统的基础上,文中基于风电短期平均功率预测技术,以风电时间周期T的平均功率为对象,采用时间序列法进行预测,实时滚动预测未来每个时间周期T的平均功率,结合平抑度要求和电池荷电状态限制条件,控制并网功率在每个时间周期T都保持在平均功率附近的可接受范围内,分段平抑功率波动.其中,根据电网对风电功率波动的可接受程度,设置平抑度,为防止电池过充放电,对电池SOC 进行限制.最后以某风电场的实际历史数据为例,在Matlab中进行了仿真分析,验证了所述方法的有效性.【期刊名称】《西安科技大学学报》【年(卷),期】2015(035)002【总页数】5页(P259-263)【关键词】风电;功率波动;短期平均功率预测;电池储能系统;分段平抑【作者】阎睿;李凯【作者单位】西安科技大学电气与控制工程学院,陕西西安710054;西安科技大学电气与控制工程学院,陕西西安710054【正文语种】中文【中图分类】TM74Keywords：windpower；powerfluctuation；short-termaveragepowerprediction；energystoragesystem；segmentedleveling风力发电在世界范围内得到了快速发展和广泛应用，而风电输出功率的间歇性和随机性会给电力系统运行带来不利影响。
因此，风电并网时需要采取有效措施降低输出功率的波动，配置储能系统是平抑风电输出功率波动的有效手段[1]。
应用于风电并网的主要是电池储能系统(batteryenergystoragesystem，BESS)，例如铅酸电池、锂电池、液流电池和钠硫电池等。
目前电池储能系统成本还较高，平抑波动的同时应尽量减少对电池储能系统的要求[2]。
目前，通过配置BESS平抑功率波动已经有了较多研究和应用，采用的控制方法主要有2类，一类是基于低通滤波原理，如文献[3-4]采用低通滤波原理滤除风电功率中的高频分量，有效平抑了功率波动。
基于储能与桨距角协调控制的风电功率波动平抑方法
基于储能与桨距角协调控制的风电功率波动平抑方法范立新;郭浩;顾文;蒋平【摘要】在风力发电系统中配置一定容量的储能系统,可以有效平抑风电功率波动.提出一种新的基于混合储能的风电功率平抑控制策略,采用滑动平均值算法获取风电输出期望功率,蓄电池和超级电容构成混合储能补偿系统.采用Mamdani型模糊控制器改变滤波器时间常数,实现可变滤波;考虑到滤波器的延迟效应,利用Takagi-Sugeno型模糊控制器调整蓄电池参考功率值,从而实现混合储能系统内部的协调控制,优化补偿功率分配.同时,提出基于储能系统荷电状态的风储协调控制机制,将风机桨距角的功率调节与储能功率平抑相结合,协同工作实现风电功率的良好平抑.仿真结果表明该协调控制策略具有良好的风电功率平抑效果.【期刊名称】《电力自动化设备》【年(卷),期】2016(036)009【总页数】6页(P100-105)【关键词】风电功率波动;平抑;储能;模糊控制器;荷电状态;桨距角;协调控制;风电【作者】范立新;郭浩;顾文;蒋平【作者单位】江苏方天电力技术有限公司,江苏南京211102;国网无锡供电公司,江苏无锡214000;江苏方天电力技术有限公司,江苏南京211102;东南大学电气工程学院,江苏南京210096【正文语种】中文【中图分类】TM6140 引言近年来，我国大力发展清洁的可再生能源，风机装机容量在电力系统中的比例不断上升。
受气象条件、地理环境等一系列因素的影响，风电输出功率具有较强的波动性和间歇性，不利于风力发电大规模发展应用［1-3］。
在风电出口处配置一定容量和功率的储能系统，可以有效地平滑风电功率波动，保持电压、频率稳定，从而实现风力发电系统安全、经济、高效地运行［4-6］。
为获得较好的功率平抑效果，需要制定合理的平抑目标和储能控制策略，同时也要兼顾储能系统的稳定与安全运行。
文献［7-8］提出了利用一阶低通滤波器滤除风电随机功率中的高频波动分量，从而得到较为平滑的输出功率。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第 卷 第 期Vol. No. 年 月 日,— 1 —基于储能需求最小的风电场短时功率波动平抑指标制定方法摘要: 本文提出了一种基于储能需求最小的风电场短时功率波动平抑指标的制定方法。
首先，基于实测风速数据，对风电功率短时波动对电力系统频率偏差的影响进行了仿真分析。
然后基于已有的波动平抑控制算法对风电功率进行平抑，并仿真分析了不同时间尺度上的平抑控制和不同大小的平抑指标对系统频率控制的改善效果，以及对储能容量和功率的需求。
基于以上系统层面的仿真分析，提出了一种在满足系统频率偏差指标前提下储能需求最小的风电场短时功率波动平抑指标制定方法，并考虑了系统不同负荷时段内风电渗透率的不同，以及电源配置方式的不同。
关键词: 风电; 功率波动; 平抑指标; 储能; 需求评估0 引言近年来，风力发电作为一种清洁的可再生能源发电在世界范围内得到迅速的发展。
然而，随着风电渗透率的不断提高，其短时功率波动对电力系统爬坡和备用容量的需求也日益增大，并将影响系统的区域控制、频率控制与系统安全[1]。
因此，包括我国在内的一些国家的电力公司已经或将要出台针对并网风电场短时功率波动的限制指标[2]-[5]。
德国E.ON 电力公司和美国ERCOT 电力公司提出每1分钟内风电的最大功率波动不能超过其额定功率的10%。
而爱尔兰ESBNG 电力公司提出每1分钟内的最大功率波动不能超过其额定功率的8%。
日本东北电力公司提出每1分钟的最大功率波动不超过风电场额定功率的2%。
我国依据风电场的容量大小提出不同的功率波动限制指标：对于小于容量为30MW 的风电场，每1分钟的最大功率波动不超过3MW ；对于30~150MW 的风电场，每1分钟的最大功率波动不超过额定容量的10%；对于150MW 以上的风电场，每1分钟的最大功率波动不超过15MW 。
随着电池储能、超级电容储能、超导磁储能以及飞轮储能等新型储能技术在近年来的快速发展，使用储能系统（Energy Storage System ，ESS ）对风电功率波动进行平抑成为研究的热点。
相比于改进风力发电机控制的功率平抑方法[6][7]，储能系统调节能力更强，控制更加灵活，且不需要牺牲风能捕获效率，更适用于已并网发电的风电场。
文献[8]采用一阶滤波控制液流电池储能系统对风电场的功率波动进行平抑，并加入储能能量状态（State of Charge ，SOC ）。
反馈控制，有效地将储能系统的SOC 控制在安全的范围之内。
文献[9]采用卡尔曼滤波控制锂电池储能系统对风电波动进行平抑，并在卡尔曼滤波环节之后，加入两个基于复杂逻辑的反馈控制，依据储能系统的充放电功率和能量状态对卡尔曼滤波的控制参数进行实时调整。
文献[10]采用滑动平均滤波方法控制超级电容器和蓄电池分别对时间尺度较短和较长的风电功率进行平抑，并依据储能系统的SOC 实时调整滑动平均算法的窗口宽度以及补偿系数，避免储能系统的过充过放。
上述研究的重点均放在波动平抑控制算法和储能的能量管理方面，并未将电力系统提出的基于时间尺度的波动限制指标作为控制的目标。
在作者的前期工作[11]-[15]中，分别采用了基于变时间常数实时优化的一阶滤波控制、模型预测滚动优化控制以及实时小波滤波控制对风电功率进行平抑，在满足两个时间尺度的功率波动平抑指标的同时，减少了储能容量的使用。
但是，其针对的是示范工程项目提出的特定的功率波动平抑指标，例如每1分钟最大功率波动不得超过风电额定功率的2%，每30分钟不得超过7%，并未对该指标制定的合理性，以及指标的完成对系统运行控制的影响进行深入研究和分析。
而在实际电力系统中，风电功率短时波动对系统频率的影响与该系统的电源配置、控制方式以及风电渗透率有密切的关系。
即使对于特定的系统，在不同的负荷时段，风电的渗透率并不相同，其功率波动对系统的影响也需要分析研究。
本文将从电力系统频率仿真出发，分析风电功率波动对不同负荷时段系统频率控制的影响，并考虑不同的电源配置方式。
然后，将分析不同时间尺度的平抑控制和不同大小的平抑指标对系统频率控制的改善效果，以及对储能容量和功率的需求。
最后，提出一种基于系统层面仿真分析的储能需求最小的风电场波动平抑指标的制定方法。
1 风电功率波动对电力系统频率的影响分析如引言中所述，电力系统对风电场提出的波动限制指标基本都是由时间尺度和最大波动幅值组成的，这样的设定与系统的运行控制时段相配合，更易于实时平抑控制的实现，也更有利于平抑效果的量化分析。
然而，目前已有的风电功率波动对电力系统频率的影响研究大多将风电功率波动转换为频域信号，重点在于分析不同频段的波动对频率偏差的影响[16]-[18]，不适用于分析基于时间尺度的波动平抑的实现对系统频率控制的影响，并且没有考虑实际系统不同负荷时段的电源配置与控制方式的不同。
1.1IEEE RTS测试系统本文的仿真分析都将基于IEEE RTS系统[19]，其总装机容量3405MW，负荷峰值2850MW （17:00~19:00），负荷谷值1682MW（03:00~05:00），负荷均值2365MW（21:00~23:00），其发电数据如表1中所示。
同时，本文考虑两种机组并网优先序列[20]，优先序列1按照爬坡速率从大到小排序，优先序列2按照机组类型的经济性排序。
表1 IEEE RTS系统发电数据与机组发电优先序列Table 1 Generator Data and Loading Priority Order序号机组机组类型机组容量（MW）爬坡速率（MW/min）优先序列1优先序列21 U12×5 Oil 12×5 1×5 28-32 28-322 U20×4 Oil 20×4 3×4 20-23 18-213 U50×6 Hydro 50×6 50×6 1-6 22-274 U76×4 Coal 76×4 2×4 24-27 8-115 U100×3 Oil 100×3 7×3 9-11 15-176 U155×4 Coal 155×4 3×4 16-19 4-77 U197×3 Oil 197×3 3×3 13-15 12-148 U350×1 Coal 350×1 4×1 12 39 U400×2 Nuclear 400×2 20×2 7-8 1-2在MATLAB\Simulink中建立整个系统的动态仿真模型，各发电机组及其调速器的动态模型与参数参考于文献[21][22]。
本文假设系统除核电机组以外的所有并网机组都参与一次调频和二次调频（AGC控制）。
机组一次调频下垂特性均设定为20(p uG GP K f f∆=⋅∆=∆。
系统AGC控制框图如图1所示，其中β（MW/Hz）为系统有功/频率偏差系数，DT为控制时滞，ACET为有功偏差滤波时间常数，PK为比例调节系数，REGP为有功调节量。
REGP按照并网机组的爬坡速率比例进行分配。
f∆β-11ACEsT+PKREGPDsTe-图1AGC控制框图[23]Fig. 1 Block diagram of AGC control1.2 基于实测风速的风电场功率波动分析选取某地实测单日风速数据如图2所示。
假设该地区建有含200台GE 1.5MW DFIG[24]，额定容量为300MW的风电场。
200台DFIG按地理位置的不同等分为10组，每组内各台DFIG风速相同，各组风机之间风速依次相差30~50秒不等。
将风速数据输入MATLAB\Simulink中仿真可得到风电场在不同负荷时段的输出功率，如图3中所示。
实测风速VW[m/s]图2某地实测单日风速曲线Fig. 2Measured 1-day wind speed curve风电功率[M风电功率[MW](a) 负荷峰值时段风电功率[MW]风电功率[MW]风电功率[MW](b) 负荷均值时段150250风电功率[MW](a) 负荷峰值时段150250W](b) 负荷均值时段150250(c) 负荷谷值时段(c) 负荷谷值时段图3仿真得到的风电场功率曲线Fig. 3 Power curve of wind farm obtained by simulation— 2 —— 3 —在时刻t ，由式(1)可以得到前p 分钟时段内的风电功率最大波动值，,min [min,][min,]max mint W p W Wt p t t p t P P P ττττ∈-∈-∆=-(1) 对图3中的风电功率在1分钟时间尺度的最大功率波动进行分析，结果如图4所示。
可以看出，在负荷的峰谷时段，风电场在1分钟内的最大功率波动都达到20%，高于引言中提到的功率波动限制指标。
0102030最大功率波动率 [%]0102030最大功率波动率 [%]0102030最大功率波动率 [%] (a) 负荷峰值时段17:3018:0018:3019:000102030最大功率波动率 [%]0102030最大功率波动率 [%]0102030最大功率波动率 [%](b) 负荷均值时段17:3018:0018:3019:000102030最大功率波动率 [%]21:0021:3022:0022:3023:000102030最大功率波动率 [%]0102030最大功率波动率 [%](c) 负荷谷值时段图4 风电功率在1分钟时间尺度的最大波动 Fig. 4 Maximal fluctuation of wind power over 1 minperiod1.3 风电功率波动对系统频率的影响假设有三个与1.2小节中相同配置的风电场接入IEEE RTS 系统，3个风电场的风速之间依次相差2个小时。
在3个负荷时段，系统的电源配置如下： （1） 在负荷峰值时段：所有发电机组全部并网，。
风电容量渗透率为900/(900+3405)≈20%；（2） 在负荷均值阶段：若发电机组按优先序列1，机组3、5、6、7、8和9并网，若按优先序列2，机组4，5，6，7，8和9并网，风电并网渗透率约23%；（3） 在负荷谷值时段：若发电机组按照优先序列1并网，仅有机组3、5、8和9并网，按照优先序列2，仅有机组6、8和9并网，风电并网渗透率约34%。
假设在任意时段，系统负荷基本保持不变，核电机组按额定功率满发，且若水电机组（机组3）并网，则其功率初始值设为额定功率的1/2，以保证调频容量的充裕性。
对系统频率进行动态仿真，结果如图5所示。