風電儲能系統能量調度策略研究

陶學軍，陳娜娜，岳紅軒

（1.許繼電氣股份有限公司 河南 許昌 461000；2.河南工業大學 河南 鄭州 450007）

由于環境污染和傳統能源短缺問題日益嚴重，風能、太陽能、地熱能等綠色可再生能源的開發利用已成為全世界關注的焦點。而今，風能作為主要的可再生能源，風力發電技術在全球范圍內迅速發展。目前很多大中型風電場一般直接接入電網，但風能的隨機性和間歇性導致風電電能波動從而影響電網電能質量，如果這些問題處理不當，不僅危害電網負載，給生產生活帶來巨大損失，同時也會影響風電的發展[1]。

針對風電并網出現的問題，本文提出基于鉛酸蓄電池儲能系統、結合負荷用電預測信息，利用模糊理論“最大—最小”合成理論[2]，合理調度儲能系統充放電的電量，改善并網后的電網品質。本文基于MATLAB/SIMULINK建立了風電儲能系統能量調度策略的整體數學模型[3]，設計了基于“最大—最小”算法的能量調度控制器，仿真結果驗證了風電儲能系統能量調度策略的正確性及控制器的有效性。

1 系統的整體結構

風電儲能系統能量調度主要包括：電網負載用電量的預測、儲能系統（鉛酸蓄電池組成）、風力發電機組（不做詳細介紹）和調度控系統制器4大部分，其總體結構框圖如圖1所示。

圖1 風電儲能調動系統結構框圖Fig.1 Wind energy storage scheduling system structure diagram

2 系統主要部分的模型和仿真結果

2.1 鉛酸蓄電池的數學模型

要對能量調度進行較為精確的充放電控制，就要求組成儲能系統的鉛酸蓄電池模型能夠較為準確的反映出各個物理化學參數的變化對蓄電池剩余容量的影響。文中蓄電池的模型[7]，考慮溫度變化對電池的極化反應的影響，并以25℃時的特性作為參考標準，分別對極化效應和電阻進行溫度補償，對極化效應的溫度補償因子為：Ct（Tb－25）；對電阻的溫度補償因子為：1－0.025×（Tb－25）， 其中：Ct為溫度系數；Tb為電池的溫度。

設Q為蓄電池充滿狀態時的額定容量，Eb為蓄電池的充放電時的端電壓，E為受控電壓源，R為電池內阻，Eo為蓄電池初始電壓，K為極化常數，En為標稱電壓，A為試驗系數，B為試驗指數，η為充放電效率，充放電過程中的電流為i（t），充電時 i（t）＜0，放電時 i（t）＞0。

蓄電池的剩余電量SOC則為：

蓄電池的充放電的電壓：

根據公式（1）～（4）在Matlab/Simulink環境中搭建鉛酸蓄電池模型如圖2所示。

圖2中電流信號是由函數發生器輸出幅值為100的方波代替，其輸出的電壓V、功率P、電流A和蓄電池的剩余電量SOC的波形如圖3所示，各變量的輸出波形達到理想標準。

圖2 鉛酸蓄電池模型Fig.2 Lead－acid battery model

圖3 鉛酸蓄電池仿真波形Fig.3 Lead－acid battery simulation waveform

2.2 負荷用電量的估計

為對儲能系統作出較為精確的充放電控制，因此對風電場的發電量和負荷用電量做較為準確的估計非常必要，根據國家電網公司文件關于《風電調度運行管理規范》中的規定：風電場應配備風電功率預測系統，可向調度機構提前交日前和超短期（未來15分鐘至4小時）預測結果。根據氣象條件與用電負荷的關系，把用電負荷分為以下3類[6]：1）照明、普通家電、電炊具等這類負荷主要集中在三餐時間和晚上 （尤其是7、8月份）用電較多；2）工業負荷受氣溫和季節影響較小用電量相對來說比較穩定；3）商場、餐飲業等負荷主要影響晚高峰且隨季節變化較大。

根據電力部門對用電負荷短期預測規定：對1－7日的用電負荷預測，主要預測指標為24點或96點的日用電負荷。調度系統參考預測信息進行電網合理供電。根據某地區一年的負荷用電量數據統計，仿真出的負荷用電量結果如圖4所示[8]。

圖4 某地區負荷用電量曲線Fig.4 Curve of load power consumption

3 調度控制器的數學模型

調度控制器采用模糊“最大—最小”算法，主要功能是平抑風電并網后的電能波動，確保向電網健康供電。令PL是負載需要的功率，PW是風機發出的功率，PB是蓄電池充放電的功率[4]，△P=PL－PW。

3.1 確定控制器的輸入輸出量

該控制器的輸入量為誤差e=△P－PB，誤差變化率ec=è；輸出量為蓄電池的充放電電流i。誤差e、誤差變化率ec、控制量 i的實際范圍，即它們的基本論域為[-emax，emax]、[-ecmax，ecmax]和[-imax，imax]。設e、ec、和i語言變量所取的模糊集合的論域分別為 X=Y=Z{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}。

3.2 確定量化因子和比例因子

誤差、誤差變化率和控制量的量化因子分別用下面3式確定：ke=6/emax；kec=6/ecmax；ki=imax/6

誤差和控制量的語言值選 7 個{PL，PM，PS，ZE，NS，NM，NL}， 誤差變化率的語言值選用 8 個{PL，PM，PS，PZ，NZ，NS，NM，NL}，而 3 者的量化等級都為 13 個 X=Y=Z{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}， 圖 5 只給出了輸入 e 和輸出 i的隸屬函數圖：

圖5 語言變量e和i的隸屬函數圖Fig.5 Membership function diagram of language variable

根據各個模糊子集的隸屬度賦值表和各參數模糊控制模型，利用模糊理論中“最大—最小”合成算法，得到一系列的模糊推理關系，在Matlab/Simulink環境中建立模糊控制器模型如圖6所示。

4 系統整體模型及仿真結果

系統主要根據儲能系統的剩余電量（SOC）和負荷用電量與機組發電量之差是對儲能系統進行合理的充放電控制[7]，設PL是負載需要的功率，PW是風機發出的功率，PB是蓄電池充放電的功率，△P=PL-PW。由于鉛酸電池的充放電電量在20%-80%之間，控制策略可分為以下4種情況：當△P<0，SOC<80%時，控制蓄電池充電；當△P>0，SOC>20%時，控制蓄電池放電；當△P>0，SOC<20% 時，此時負荷需求較大，而蓄電池剩余電量較小，要向負載發出有效地警告；當△P<0，SOC>80%時，此時負載用電量較小，而蓄電池的電量已經達到最大，需要根據負載的用電量來控制風機的發電功率。以上4種情況在整個系統運行過程中是相互轉化的。

圖6 模糊控制器Fig.6 Fuzzy controller

自適應PID模糊控制器依據上述控制策略，根據運行過程中不同的狀態進行自動協調控制。在Matlab/Simulink環境中搭建的風電儲能系統能量調度整體控制模型如圖7所示 。

根據搭建的風電儲能系統能量調度的整體控制器模型，可以仿真此控制器存在與否時，負荷用電量與風力發電機之間的矛盾與沖突，矛盾與沖突的程度影響電網質量[8-10]。

圖7 系統整體控制模型Fig.7 System model

沒有調度控制器系統的情況下，負荷用電量與風力機組發電量之差的仿真如圖8，從圖片可以看出，電網負荷用電量與風機組發電量差值比較大，這正說明負荷用電和風電機組發電量有明顯的沖突和矛盾，這樣并網后會影響電能質量和用電設備的健康，電網調度也比較困難。

圖8 無控制器時負荷用電與機組發電量之差Fig.8 Difference of power consumption and generating capacity with no controller

加上合適容量的儲能設備和儲能調度系統后，仿真結果如圖9所示，仿真曲線比較平緩，電網負荷用電量與風機組發電量差值明顯減小，因此減小了電網負荷用電功率與風機組發電功率的沖突和矛盾，仿真結果有明顯改善，保證電網供電質量。

圖9 平抑后負荷用電與機組發電量之差Fig.9 Difference of power consumption and generating capacity with controller

調度系統通過對儲能系統的充放電控制，能協調用電高峰和風機組發電之間的矛盾與沖突，并配合電網對用電負荷進行安全、健康供電。

5 結束語

文中設計了基于模糊理論“最大—最小”算法的調度系統控制器，并在Matlab/Simulink環境下建立模型，進行仿真。仿真結果顯示：不添加調度系統控制器，風電并網影響電網電能質量，添加調度系統控制器能有效抑制電能波動，一定程度優化風電發電量。仿真結果表明，風電儲能調度策略的正確性和控制器的有效性。該方案具有很好的應用前景。

[1]鐘勇.風光互補發電系統中蓄電池充放電控制器的研究[D].合肥：合肥工業大學，2006.

[2]廉小親.模糊控制技術[M].北京：中國電力出版社，2003.

[3]黃永安，馬路.MATLAB7.0/Simulink6.0建模仿真開發與高級工程應用[M].北京:清華大學出版社，2005.

[4]Abbey C， Strunz K， G’eza Jo’os.A knowledge-based approach for control of two_level energy storage for wind energy systems[J].IEEE Transactions on Energy Conversion，2009，24（2）：539—547.

[5]Cherif A，Jraidi M，Dhouib A.A battery ageing model used in stand alone PV systems[J].Journal of Power Sources，2002 ，112（1）：49-53.

[6]張鵬，劉繼春，呂林，基于風儲協調的節能調度方法[J].電力系統保護與控制，2011，39（2）29-34

ZHANG Peng， LIU Ji-chun， LV Lin， The energy-saving dispatch based on the coordination between pumped storage hydro and wind energy[J].Power System Protecting and Control，2011，39（2）:29-34.

[7]吳鐵洲，張永飛.蓄電池的建模與能量管理研究[J].華中科技大學學報，2010，38（4）：31-33.

WU Tie-zhou，ZHONG Yong-fei.Battery modeling and energy management[J].Huazhong Univ.of Sci.&Tech.2010，38（4）:31-33.

[8]劉韜文，李孝杰，考慮風力發電的電力系統經濟調度[J].電力系統保護與控制，2007，35（S1）:276-279.

LIUTao-wen，LI Xiao-jie.Economic dispatchof powersystem incorporating wind power plant[J].Power System Protection and Control，2007，35（S1）:276-279.

[9]徐致遠，羅先覺，牛濤.綜合考慮電力市場與節能調度的火電機組組合方案[J].電力系統自動化，2009，33（22）：14-17.

XU Zhi-yuan， LUO Xian-jue， NIU Tao.Thermalunit commitmentscheme considering electricity marketand energy saving dispatch[J].Automation of Electric Power Systems，2009，33（22）：14-17.

[10]任博強，彭鳴鴻，蔣傳文，等.計及風電成本的電力系統短期經濟調度建模[J].電力系統保護與控制，2010，38（14）:67-72.

REN Bo-qiang，PENG Ming-hong，JIANG Chuan-wen，et al.Short-termeconomicdispatch of power systemmodeling consideringthe cost of wind power[J].PowerSystemProtection and Control，2010，38（14）:67-72.