基于預(yù)測的風(fēng)電功率平抑控制方法

基于預(yù)測的風(fēng)電功率平抑控制方法

閻睿,李凱

(西安科技大學(xué) 電氣與控制工程學(xué)院，陜西 西安 710054)

摘要：受風(fēng)速隨機變化的影響，風(fēng)電輸出功率具有波動性。為了平抑風(fēng)電輸出功率的波動，在配置電池儲能系統(tǒng)的基礎(chǔ)上，文中基于風(fēng)電短期平均功率預(yù)測技術(shù)，以風(fēng)電時間周期T的平均功率為對象，采用時間序列法進(jìn)行預(yù)測，實時滾動預(yù)測未來每個時間周期T的平均功率，結(jié)合平抑度要求和電池荷電狀態(tài)限制條件，控制并網(wǎng)功率在每個時間周期T都保持在平均功率附近的可接受范圍內(nèi)，分段平抑功率波動。其中，根據(jù)電網(wǎng)對風(fēng)電功率波動的可接受程度，設(shè)置平抑度，為防止電池過充放電，對電池SOC進(jìn)行限制。最后以某風(fēng)電場的實際歷史數(shù)據(jù)為例，在Matlab中進(jìn)行了仿真分析，驗證了所述方法的有效性。

關(guān)鍵詞：風(fēng)電；功率波動；短期平均功率預(yù)測；電池儲能系統(tǒng)；分段平抑

DOI:10.13800/j.cnki.xakjdxxb.2015.0221

文章編號：1672-9315(2015)02-0259-05

收稿日期：*2014-11-25責(zé)任編輯：高佳

通訊作者：閻睿(1991-)，女，陜西西安人，碩士研究生，E-mail:790144926@qq.com

中圖分類號：TM 74文獻(xiàn)標(biāo)志碼： A

A leveling control method for wind power based on forecasting

YAN Rui,LI Kai

(CollegeofElectricalandControlEngineering,Xi’anUniversityofScienceandTechnology,Xi’an710054,China)

Abstract:Influenced by the random variations of wind speed，the output power of wind power has fluctuations.In order to stabilize the output power fluctuation of wind power with the condition that battery energy storage system(BESS)has been installed，this paper uses average power in time period T as the object to establish the ARMA model based on short-term average power prediction，then the future average power in each time period T can be acquired by real-time rolling forecast，combining with the requirement of smoothness and the limiting condition of state of charge(SOC)for battery，power fluctuations is leveled segmentedly.Among them，according to the power grid for wind power fluctuation degree of acceptance，set to stabilize the degree，in order to prevent the battery charge and discharge，restrictions on the SOC of the battery，F(xiàn)urthermore，the actual wind power history data is simulated and analyzed in Matlab and the effectiveness of the method is verified.

Keywords：windpower；powerfluctuation；short-termaveragepowerprediction；energystoragesystem；segmentedleveling

0引言

風(fēng)力發(fā)電在世界范圍內(nèi)得到了快速發(fā)展和廣泛應(yīng)用，而風(fēng)電輸出功率的間歇性和隨機性會給電力系統(tǒng)運行帶來不利影響。因此，風(fēng)電并網(wǎng)時需要采取有效措施降低輸出功率的波動，配置儲能系統(tǒng)是平抑風(fēng)電輸出功率波動的有效手段[1]。應(yīng)用于風(fēng)電并網(wǎng)的主要是電池儲能系統(tǒng)(batteryenergystoragesystem，BESS)，例如鉛酸電池、鋰電池、液流電池和鈉硫電池等。目前電池儲能系統(tǒng)成本還較高，平抑波動的同時應(yīng)盡量減少對電池儲能系統(tǒng)的要求[2]。

目前，通過配置BESS平抑功率波動已經(jīng)有了較多研究和應(yīng)用，采用的控制方法主要有2類，一類是基于低通濾波原理，如文獻(xiàn)[3-4]采用低通濾波原理濾除風(fēng)電功率中的高頻分量，有效平抑了功率波動。另一類是基于功率預(yù)測，文中基于該類提出平抑控制方法。文獻(xiàn)[5]提出基于風(fēng)電功率預(yù)測的定功率控制方法，控制每小時的輸出功率為預(yù)測功率的平均值，以定功率輸出沒有考慮到電網(wǎng)對功率波動有一定的可接受程度，增大了電池負(fù)擔(dān)。文獻(xiàn)[6]提出采用風(fēng)電功率預(yù)測的方法控制電池參與削峰填谷，但所采用的預(yù)測方法較為粗糙，僅以某段時間的起始值作為該段時間平均功率。文獻(xiàn)[7]基于風(fēng)電功率短期預(yù)測技術(shù)，以預(yù)測獲得的0～24h風(fēng)電功率取其平均值為參考基準(zhǔn)值，結(jié)合可接受范圍進(jìn)行功率平抑，但預(yù)測尺度較長且平均功率(即參考基準(zhǔn)值)是通過取預(yù)測功率平均值獲得，造成平均功率精度不高和電池容量較大。

文中將全天(24h)時間分成若干個等時間段，一個時間段為一個時間周期T，以風(fēng)電時間周期T的平均功率為對象建立ARMA模型，實時滾動預(yù)測未來每個時間周期T的平均功率。結(jié)合平抑度要求和電池SOC限制條件，控制并網(wǎng)功率在每個時間周期T都保持在平均功率附近的可接受范圍內(nèi)，分段平抑功率波動。其中，根據(jù)電網(wǎng)對風(fēng)電功率波動的可接受程度，設(shè)置平抑度，為防止電池過充放電，對電池SOC進(jìn)行限制。通過利用某風(fēng)電場的實際歷史數(shù)據(jù)在Matlab中的仿真分析，驗證了所述方法的有效性。

1風(fēng)電場配置電池儲能系統(tǒng)結(jié)構(gòu)

通常將電池儲能系統(tǒng)集中配置在風(fēng)電場出口，如圖1所示，儲能系統(tǒng)獨立，便于維護和管理。風(fēng)電場配置BESS后，風(fēng)電場總輸出功率(即并網(wǎng)功率)是風(fēng)機總輸出功率和電池輸出功率之和。BESS根據(jù)所設(shè)置的控制方法快速充放電，平抑輸出功率波動，提高并網(wǎng)性能[8-9]。

圖1　風(fēng)電場配置BESS結(jié)構(gòu) Fig.1　Structure of wind farm installed ESS

2風(fēng)電短期平均功率預(yù)測

目前，風(fēng)電功率預(yù)測方法主要有時間序列法、卡爾曼濾波法、BP神經(jīng)網(wǎng)絡(luò)法、小波分析法等[10-12]。其中時間序列法在風(fēng)電功率預(yù)測中有較多研究和應(yīng)用，很適合實時一步預(yù)測。

時間序列法預(yù)測的基本原理是，通過大量歷史數(shù)據(jù)推導(dǎo)出一個描述所研究時間序列的數(shù)學(xué)模型，利用所建立的數(shù)學(xué)模型就可以用過去及現(xiàn)在的數(shù)據(jù)推測出未來數(shù)據(jù)，即達(dá)到預(yù)測的目的[13-14]。應(yīng)用最廣泛的時間序列模型是自回歸滑動平均模型(autoregressivemovingaverage，ARMA)。

文中直接以平均功率為研究對象，利用歷史平均功率數(shù)據(jù)建立ARMA模型預(yù)測未來平均功率。以時間周期T為1h為例，即以風(fēng)電每小時的平均功率為對象建立ARMA模型，預(yù)測未來每小時的平均功率。圖2所示為某風(fēng)電場某一天(24h)每小時預(yù)測平均功率與實際平均功率曲線。

圖2　風(fēng)電場每小時預(yù)測平均功率 與實際平均功率曲線 Fig.2　Curves of predicted and actual hourly average output of wind power

可見，運用時間序列法對平均功率進(jìn)行一步預(yù)測有較高的預(yù)測精度。

3分段平抑控制方法

若全天(24h)的風(fēng)電并網(wǎng)功率采用恒功率作為輸出目標(biāo)，則對電池要求較高，所需儲能容量很大，不利于電網(wǎng)經(jīng)濟運行。并且，全天不同時段的并網(wǎng)功率根據(jù)調(diào)度要求可以不同。通過分段預(yù)測平均功率，不僅可以作為參考值對功率波動進(jìn)行分段平抑而且可以實時傳送給調(diào)度機構(gòu)作為調(diào)度決策參考，提高風(fēng)電的并網(wǎng)性能和可調(diào)度性[13]。

以風(fēng)電時間周期T的平均功率為對象建立ARMA模型，預(yù)測出未來每個時間周期T的平均功率Ptave.以Ptave為未來每個時間周期T的風(fēng)電輸出功率參考基準(zhǔn)值，同時考慮到電網(wǎng)對風(fēng)電功率波動的可接受程度，設(shè)置平抑度α，得到各時間周期功率波動上下限值，控制并網(wǎng)功率Poutput在以Ptave為基準(zhǔn)的可接受波動范圍內(nèi)，如圖3所示。

定義平抑度α

(1)

其中Ptave為一個預(yù)測周期的風(fēng)電輸出功率參考基準(zhǔn)值；Ptmax和Ptmin分別為該周期內(nèi)的最大功率值和最小功率值。

設(shè)定Ptave=0.5(Ptmax-Ptmin)，則

(2)

即控制并網(wǎng)功率Poutput滿足式(3)要求

(3)

其中Poutput為風(fēng)電平抑后輸出功率，即風(fēng)電并網(wǎng)功率；Pwind為風(fēng)電平抑前輸出功率，即風(fēng)電原始功率。

圖3　平抑控制示意圖 Fig.3　Sketch of leveling control

為防止電池過充放電，需要對電池的SOC進(jìn)行限制，控制SOC在一個合理范圍，即要求SOCmin≤SOC≤SOCmax.

綜上，平抑控制方法為

1)當(dāng)Ptmin≤Pwind≤Ptmax時，電池退出運行，此時風(fēng)電并網(wǎng)功率Poutput跟隨風(fēng)電原始功率Pwind，即Poutput=Pwind.

2)當(dāng)Pwind

3)當(dāng)Pwind>Ptmax時，電池充電，充電功率大小為Pwind-Ptmax，風(fēng)電并網(wǎng)功率Poutput=Ptmax.同時檢測電池的SOC值，當(dāng)SOC增大到SOCmax時，停止充電。

顯然，當(dāng)電池SOC達(dá)到邊界停止放電或充電時，平抑度可能未達(dá)設(shè)定要求，可通過擴充電池容量直至平抑度滿足要求或允許功率短暫超出平抑度范圍。風(fēng)電功率的波動程度通常使用波動率γ來反應(yīng)，波動率γ的值為相鄰時刻功率差絕對值|ΔP|比裝機容量PN，即γ=|ΔP|/PN，平抑波動即降低波動率γ的數(shù)值，最終平抑效果由波動率γ反應(yīng)。

4仿真分析

文中以某風(fēng)電場的歷史數(shù)據(jù)為例，在Matlab仿真平臺驗證該平抑控制方法。風(fēng)電場裝機容量為80MW，采樣周期為15min，風(fēng)電場8d(192h)的實測輸出功率曲線、每小時平均功率曲線如圖4，圖5所示，第9天(24h)每小時預(yù)測平均功率與實際平均功率曲線如前述圖1所示。現(xiàn)在對第9天的功率進(jìn)行平抑，設(shè)置平抑度α為10%.

時間周期T為1h的平抑效果如圖6所示，可見每小時的功率波動都限制在設(shè)定的波動范圍，全天功率波動得到了有效平抑。增加時間周期T為2h，平抑效果如圖7所示，每2小時的功率波動都限制在設(shè)定的波動范圍，全天功率波動也得到了有效平抑。

圖4　風(fēng)電場實測輸出功率曲線 Fig.4　Curves of actual output of wind power

圖5　風(fēng)電場每小時平均功率曲線 Fig.5　Curves of hourly average output of wind power

圖6　T=1 h的平抑效果 Fig.6　Leveling effect when T=1 h

圖7　T=2 h的平抑效果 Fig.7　Leveling effect when T=2 h

為了進(jìn)一步分析，統(tǒng)計出了不同情況下的波動率概率分布，如圖8，圖9和圖10所示。波動率概率為統(tǒng)計時間內(nèi)出現(xiàn)該波動率的概率。

圖8　平抑前波動率概率分布 Fig.8　Fluctuation probability distribution histogram of wind power before Leveling

圖9　T=1 h平抑后波動率概率分布 Fig.9　Fluctuation probability distribution histogram of wind power after Leveling when T=1 h

圖10　T=2 h平抑后波動率概率分布 Fig.10　Fluctuation probability distribution histogram of wind power after Leveling when T=2 h

圖8所示為平抑前波動率概率分布，可見平抑前波動率有大于50%的概率。圖9，圖10所示為平抑后波動率概率分布，可見平抑后波動率大于50%的概率降為0，且波動率不超過40%，表明功率被平抑。并且圖10中高波動率的概率比圖9更低，表明時間周期T越大，平抑作用更強。經(jīng)統(tǒng)計，圖6中所需要的最大電池功率和最小電池容量為32.508 5MW和33.865 6MWh，圖7中為40.772 8MW和55.815 2MWh，表明時間周期T越大，對電池要求更高。當(dāng)時間周期T增大到24h時，即全天不分段，此時目標(biāo)輸出值限制以恒功率為基準(zhǔn)的小幅范圍，對電池要求很高，且不利于電網(wǎng)實時調(diào)度和經(jīng)濟運行。當(dāng)時間周期T減小到采樣周期15min時，則平均功率等于時刻功率，平抑作用很弱，對電池要求不高。因此，應(yīng)根據(jù)工程實際情況對全天24h合理分段，合理選擇時間周期T，運用于小時調(diào)度時即選為1h.

5結(jié)論

應(yīng)用電池儲能系統(tǒng)可以平抑風(fēng)電輸出功率波動，結(jié)合風(fēng)電短期平均功率預(yù)測，將分段預(yù)測出的平均功率作為各時間段的并網(wǎng)參考值，設(shè)置平抑度要求和電池荷電狀態(tài)限制條件，對全天功率進(jìn)行分段平抑。仿真結(jié)果表明，基于平均功率預(yù)測的分段平抑方法可以有效平抑風(fēng)電輸出功率的波動，時間周期T應(yīng)根據(jù)工程實際情況合理選擇，過大將對電池要求太高，過小平抑作用將減弱。最后需指出的是，平抑效果還與平均功率的預(yù)測精度有關(guān)，提高預(yù)測精度將提高參考值精度。

參考文獻(xiàn)References

[1]張步涵,曾杰.電池儲能系統(tǒng)在改善并網(wǎng)風(fēng)電場電能質(zhì)量和穩(wěn)定性中的應(yīng)用[J].電網(wǎng)技術(shù),2006(15):6-8.

ZHANGBu-han，ZENGJie.Improvementofpowerqualityandstabilityofwindfarmsconnectedtopowergridbybatteryenergystoragesystem[J].PowerSystemTechnology，2006(15):6-8.

[2]畢大強，葛寶明，王文亮，等.基于釩電池儲能系統(tǒng)的風(fēng)電場并網(wǎng)功率控制[J].電力系統(tǒng)自動化，2010(13)：72-78.

BIDa-qiang,GEBao-ming，WANGWen-liang，etal.VRBenergystoragesystembasedonpowercontrolofgrid-connectedwindfarm[J].AutomationofElectricPowerSystem,2010(13)：72-78.

[3]靳文濤，馬會萌，謝志佳.電池儲能系統(tǒng)平滑風(fēng)電功率控制策略[J].電力建設(shè)，2012，33(7)：7-11.

JINWen-tao，MAHui-meng，XIEZhi-jia.Windpowersmoothingcontrolstrategyofbatteryenergystoragesystem[J].ElectricPowerConstructionElectric,2012，33(7)：7-11.

[4]謝俊文，陸繼明，毛承雄，等.基于變平滑時間常數(shù)的電池儲能系統(tǒng)優(yōu)化控制方法[J].電力系統(tǒng)自動化，2013，37(1)：96-102.

XIEJun-wen，LUJi-ming，MAOCheng-xiong，etal.Optimalcontrolofbatteryenergystoragesystembasedonvariablesmoothingtimeconstant[J].AutomationofElectricPowerSystems，2013,37(1)：96-102.

[5]張野，郭力，賈宏杰，等.基于電池荷電狀態(tài)和可變?yōu)V波時間常數(shù)的儲能控制方法[J].電力系統(tǒng)自動化，2012，36(6)：34-38.

ZHANGYe，GUOLi，JIAHong-jie，etal.Anenergystoragecontrolmethodbasedonstateofchargeandvariablefiltertimeconstant[J].AutomationofElectricPowerSystem,2012,36(6)：34-38.

[6]TelekeS，BaranME，HuangAQ，etal．Controlstrategiesforbatteryenergystorageforwindfarmdispatching[J]．IEEETransonEnergyConversion，2009(10)：40-44．

[7]郭園園，潘文霞，馮博.結(jié)合風(fēng)功率預(yù)測的電池參與調(diào)峰控制策略[J].電力系統(tǒng)及其自動化學(xué)報，2013，25(5)：50-53.

GUOYuan-yuan，PANWen-xia，F(xiàn)ENGBo.Thecombinationofwindpowerforecastingbatterytakepartinpeakloadcontrolstrategy[J].ProceedingsoftheEPSA，2013，25(5)：50-53.

[8]李蓓，郭劍波.平抑風(fēng)電功率的電池儲能系統(tǒng)控制策略[J].電網(wǎng)技術(shù)，2012，36(8)：38-43.

LIBei，GUOJian-bo.AControlstrategyforbatteryenergystoragesystemtolevelwindpoweroutput[J].PowerSystemTechnology,2012，36(8)：38-43.

[9]婁素華,吳耀武.電池儲能平抑短期風(fēng)電功率波動運行策略[J].電力系統(tǒng)自動化，2014，25(2)：33-36.

LOUSu-hua,WUYao-wu.Operationstrategyofbatteryenergystoragesystemforsmoothingshort-termwindpowerfluctuation[J].AutomationofElectricPowerSystems，2014，25(2)：33-36.

[10]吳桂聯(lián).短期風(fēng)電功率預(yù)測技術(shù)研究[D].天津：天津大學(xué)，2012.

WUGui-lian.Studyofshort-termwindpowerforecastingmethod[D].Tianjin：TianjinUniversitySchoolofElectricalEngineeringandAutomation,2012.

[11]肖鋒.基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)字圖像邊緣檢測算法的研究[D].西安:西安科技大學(xué),2005.

XIAOFeng.EdgedetectionalgorithmbasedonBPneuralnetworksindigitalimage[D].Xi’an：Xi’anUniversityofScienceandTechnology，2005.

[12]王生全.遺傳算法的BP網(wǎng)絡(luò)模型進(jìn)行瓦斯涌出量預(yù)測[D].西安:西安科技大學(xué),2012.

WANGSheng-quan.PredictionofgasemissionquantityofminingfacesbasedongeneticBPneutralnetworkoptimalmodel[D].Xi’an:Xi’anUniversityofScienceandTechnology，2012.

[13]丁明.基于時間序列分析的風(fēng)電場風(fēng)速預(yù)測模型[J].電力自動化設(shè)備，2005,25(8)：25-27.

DINGMing.Windspeedforecastmodelforwindfarmsbasedontimeseriesanalysis[J].ElectricPowerAutomationEquipment,2005，25(8)：25-27.

[14]王利，張雙成,李亞紅.動態(tài)灰色預(yù)測模型在大壩變形監(jiān)測及預(yù)報中的應(yīng)用研究[D].西安:西安科技大學(xué)，2005.

WANGLi,ZHANGShuang-cheng,LIYa-hong.Applicationofdynamicgrayforecastmodelindamdeformationmonitoringandforecast[D].Xi’an：Xi’anUniversityofScienceandTechnology,2005.