电池储能技术在风电系统调峰优化中的应用

电池储能技术在风电系统调峰优化中的
应用
摘要：针对电网调峰优化还未实现大规模场景的应用的问题，本文对电池储能系统参与风电调峰和优化方法进行了研究，通过建立电池储能参与含风电系统的调峰优化模型，使用粒子群算法对优化模型进行求解，并通过算例分析验证了电池储能参与含风电系统调峰和优化调度的有效性。

关键词：电池储能技术；风电系统；调峰
1优化调度建模
1.1目标函数
本文设定调度周期为24h，选取1h作为时间间隔建立目标函数。

1)最小化日负荷曲线的标准差：
表示日负荷曲线的标准差；P t L表示t时刻的系统负荷；P v L表示系式中：F
1
统的平均负荷；P t w表示t时刻的风电预测出力；P t E表示t时刻电池储能与系统的交换电量；P t gw表示t时刻的弃风电量；k表示t时刻电池储能状态。

2)运行成本最小化：
式中：C t G，C t W，C t E分别为火电机组、风电和电池储能的运行成本。

其中，
式中：P t Gi为t时刻i火电机组功率，a
i ，b
i
，c
i
为i火电机组燃料费用系数；
S
i
为i火电机组启停费用，本文除火电调峰时调峰机组有启停外，其他时刻不进
行机组启停，故在后续计算中忽略此部分。

式中：I表示充电成本系数；h示放电成本系数；P t EL表示t时刻的充电功率；P t EH表示t时刻的放电功率。

3)火电机组出力相邻点差的平方和最小值：
2)、3)项目标函数可根据主观赋权理想点法转化为如下的统一表达式：
式中：λ
1、λ
2
为权重系数，且λ
1
＋λ
2
=1。

1.2相关约束条件
1.2.1系统运行约束
整个系统功率平衡约束：
式中：P t G表示t时刻的火电机组功率，P t K表示t时刻系统网损。

整个系统的备用约束：
式中：、分别表示t时刻系统正负旋转备用容量；R t u、R t d分别为风电并网前系统所需正负旋转备用容量，一般取固定值为系统负荷的2%-5%。

1.2.2火电机组可考虑的约束
火电机组出力：
火电机组爬坡速率：
式中：r i u为i机组向上爬坡速率；r i d为i机组向下爬坡速率；T60为一个时段即1h=60min。

风电场运行约束：
其中：P
w
total为风电场装机总和。

1.2.3电池储能可考虑的约束条件
荷电状态约束：
式中：S
SOCt 表示t时刻的电池荷电状态，S
SOCmin
和S
SOCmax
分别表示电池荷电状态
的最小值和最大值。

功率方面约束：
容量相关约束条件：
式中：η表示电池储能系统转换效率；P t EH表示电池储能系统t时刻放电量；
P
E_max 表示电池储能系统最大功率；E
E_max
表示电池储能系统最大容量；N表示电池储
能连续充放电时间。

连续工作约束有：
2求解相关模型
2.1粒子群算法
移动的快慢—速度矿和移动的方向一位置X是粒子群算法的两个主要属性。

式中：d为空间维数。

各粒子独立求解最优解为个体极值(p
Best )，全局最优解(g
Best
)则根据每个粒子
的最优个体极值得到，各粒子可根据当前的个体极值(p
best
)以及粒子群全局最优解
(g
Best
)来改变自己的位置和速度。

式中：ω表示惯性因子；c
1和c
2
表示学习因子，c
1
=c
2
∈[0，4]；r
1
和r
2
表示
[0，1]之间的任意数。

粒子群算法流程为：设定开始时的算法参数，主要包括学习因子c
1和c
2
、粒
子位置和速度初始化、搜索空间范围设定、最大迭代次数和粒子的速度范围；考察粒子的适应度，若适应度值优于当前个体最优值，则更新个体最优值。

若所有
粒子的个体最优值优于全局最优值，则更新全局最优值；根据式(22)和(23)对粒
子位置和速度进行实时计算；当迭代次数达到预设的规定次数或者已经寻找到预
设的最优结果，结束寻优过程。

2.2求解模型的流程
录入相关数据；考虑相关约束，对电池储能系统充放电状态和电量进行优化；进行迭代搜索过程；进行优化要求的判断，若达到优化要求进入下一步流程，否
则返回上一步循环；基于最优目标函数值和组合解的优化方法，对火电机组的负
荷总量进行求解；优化计算火电机组负荷分配；进行优化要求的判断；得到当前
目标函数值的最优解后进行输出；终止优化求解过程。

2.3调峰效果相关分析
系统可调峰容量：
式中，P
G_real 、P
GNmin
分别表示全网机组实际最小出力和技术出力下限。

日负荷标准差：
式中：P
Lmax 表示调峰后系统的最大负荷；P
Lmin
表示调峰后系统的最小负荷。

3实际计算及仿真
3.1机组情况
相关计算系统的机组设置情况见表1。

3.2算例系统的负荷
由表2可知，最高负荷：2288MW，最低负荷：1340MW，日负荷标准差：950MW，峰谷差率：41.48%。

3.3选取工作参数
权重系数λ
1=0.6，λ
2
=0.4，当进行储能充电时，设定低谷电价：0.275元
/kW·h，高峰电价：0.55元/kW·h。

3.4电池储能参与调峰调度
3.4.1火电机组调峰
9台火电机组中，2台为200MW火电机组(1号、2号)，4台为300MW火电机组(3号-6号)，3台为350MW火电机组(7号-9号)，风电机组装机300MW，系统的总装机容量为2950MW。

以1号机组作为调峰机组，2-9号火电机组设置为基荷机组，1号机组在启停以后进行调峰。

对弃风进行计算，则有：
式中：P i G_min为i火电机组的最小功率。

火电机组的调峰结果为：发生弃风现象，弃风量：117MW·h，弃风率：
5.69%。

系统的可调峰容量为25MW。

日负荷峰谷差为810MW，相比调峰之前下降140MW，日负荷峰谷差率由41.48%下降到37.7%，系统的总运行成本为99.58万元。

3.4.2电池储能参与调峰调度
电池储能参与调峰调度后，电池储能系统充电1081MW·h，放电640MW·h。

系统可调峰容量为153kW。

日负荷峰谷差为673MW，其数值下降了277kW，峰谷率由41.48%降低到30.82%，其系统的运行总成本为93.87万元。

4结束语
本文提供的方法对大规模风电并网后系统的运行成本和弃风情况有一定的改善作用，并且可以实现削峰填谷。

参考文献
[1]李建林，.储能技术融合分布式可再生能源的现状及发展趋势[J].电工技术学报，2016，31(14).
[2]卢成志.规模化储能在风、光发电项目中的应用探索[J].黑龙江电力，2020(3).。