基于NSGA—II的風電功率波動儲能平抑控制技術

謝俊++邰能靈++張菁菁

摘 要 風能作為一種可再生能源，在自然界的儲量十分豐富，得到了人們的廣泛關注。在政府部門的大力支持下，風能發電已經成為我國重要發電形式，對我國節能減排事業有著重要的積極意義。風能作為一種清潔型能源，雖然在發電過程中對環境不產生污染，但由于風能的波動性較強，風電場對電力系統的穩定性有著重要的影響，如何有效地平抑風電的功率波動已經成為制約風電發展的重要瓶頸。本文主要針對基于儲能系統的風電功率波動平抑進行簡要的闡述，并對基于NSGA-II的儲能平抑控制技術進行簡要的分析。

【關鍵詞】NSGA-II 風電 儲能 平抑

1 引言

二十一世紀以來，隨著我國經濟社會的迅速發展，社會用電量不斷攀升，能源的供需矛盾開始逐步顯現，尤其是近年來霧霾、沙塵暴等惡劣天氣越來越頻繁，能源需求與生態環境間的矛盾不斷激化。火力發電作為我國最主要的發電形式，主要通過燃燒煤炭等化石燃料產生電能，不僅消耗了大量的化石資源，還對生態環境造成了較大的破壞。風能作為一種清潔型的可再生能源，其儲量大、無污染等特性得到了人們的廣泛認可，利用風能發電是解決我國能源供需矛盾的有效措施。

自然界中的風能具有較強的波動性及不可控性，風電場的發電功率隨風能的波動而變化，這種功率的波動對整個電力系統的穩定性產生了重要的影響，并且隨著分布式風電場的不斷發展，其對整個電網安全性產生了重要的隱患。本文主要針對風電功率波動的平抑問題，提出了一種基于儲能系統的風電功率波動平抑控制技術，并對其進行了簡要的闡述。

2 風電場儲能系統的選用

電力系統中，功率型與能量型是最常用的兩種儲能系統。功率型儲能系統主要包括超級電容器、飛輪等，其循環使用壽命較長，但能量密度較低，且成本高昂，一般不適于大容量的儲能任務；能量型儲能系統主要包括蓄電池、鋰電池等，其能量密度較大，儲能時間較長，但循環使用壽命較短，一般不適于需要頻繁進行充放電的儲能任務。

一般來說，風電場的功率波動較為頻繁，且波動周期較長，甚至可達數小時級別，這就要求儲能系統具有足夠的儲能容量以滿足功率平抑的需求。通常情況下，風電場對儲能系統有以下幾點要求：

（1）儲能的容量較大，能夠滿足風電場一段時間持續的儲能或放能；

（2）儲能時間應盡量長，一般要求數小時以上的儲能能力；

（3）儲能系統應具備快速釋放能量的能力，以滿足風電場瞬時功率變動的能量需求。

針對風電場對儲能系統的要求，飛輪、超級電容器等功率型儲能系統雖然能量的釋放較快，但由于容量普遍較小且成本較高，一般不予選用，綜合考慮一般風電場多選用蓄電池作為其儲能系統，不僅能夠滿足風電場對儲能系統的要求，還具有較高的經濟性。

3 基于NSGA-II的風電功率波動儲能平抑控制技術

3.1 NSGA-II遺傳算法的簡介

NSGA算法是一種有效的多目標優化非支配排序算法，其受到基因算法的啟發，實現了復雜多目標優化問題的解決。NSGA-II算法作為一種改進的NSGA算法，其精英策略與非擁擠度排序大大提高了算法的自適應能力，在諸多領域得到了廣泛的應用。NSGA-II算法的大致流程如下所述：

3.1.1 種群的初始化

種群的初始化即針對待優化的參數隨機產生給定種群規模的個體，并根據非支配排序對種群進行分層，賦予不同層的個體以不同的支配序值。

3.1.2 父本的選擇

父本的選擇就是根據個體的支配序以及擁擠距離采取錦標賽機制選擇優良的父本，支配序越小或擁擠距離越大的個體越有可能是優良的父本。

3.1.3 交叉變異

完成優良父代的選擇后，通過交叉變異產生相應的子代，將父代種群與子代種群合并后重新進行非支配排序，根據個體的支配序以及擁擠距離重新選取滿足種群規模的個體，并判斷是否達到收斂條件，若達到則輸出種群中的最優個體，若沒有達到則返回第二步迭代計算。

3.2 基于NSGA-II的風電功率波動儲能平抑控制算法

利用儲能系統進行風電功率波動的平抑，即利用儲能系統對風電功率實行削峰填谷，當風電輸出功率過高時，對儲能系統進行充電，以實現風電功率波動的削峰，而當風電輸出功率過低時，儲能系統進行放電，以實現風電功率波動的填谷。

傳統的基于儲能系統的風電功率波動平抑只考慮風電功率的平抑效果，當風電功率發生劇烈波動時，往往需要儲能系統在充放電模式間頻繁切換，對儲能系統造成了較大的損壞，大大提高了功率波動平抑的經濟成本。基于這一考慮，本文利用NSGA-II算法，提出了一種基于儲能系統的多目標優化的風電功率波動平抑控制算法。

3.2.1 SOC臨界區間充放電模式

儲能系統的循環充放電次數是影響儲能系統壽命的重要因素，為了減少儲能系統的循環充放電次數，就要保證在充放電過程中儲能系統的容量得到最大化利用。傳統的儲能系統控制算法不注重儲能系統的容量使用情況，造成了儲能系統頻繁地充放電切換，難以達到儲能系統的最大和最小限制，導致儲能系統容量的巨大浪費，基于這一問題，本文采用了一種SOC臨界區間充放電模式。

為了保證儲能系統容量的最大化利用，約束儲能系統在達到一定的SOC值后再進行充放電的轉換。一方面考慮到儲能系統深度充放電對其壽命有著不利的影響，另一方面考慮到多目標優化時難以對SOC進行嚴格的約束與控制，因此本文設置了SOC的最大最小限值區間與，確保儲能系統的單次充放電都是由一側的臨界區間開始，達到對側的臨界區間結束，既有效避免了儲能系統的過度充放電，又提高了儲能容量的利用率，增大了單次充放電的能量吸收和釋放能力，對風電功率波動的平抑也有著積極的意義。

3.2.2 多目標優化控制算法

在風電功率波動平抑中，一方面要減小風電輸出功率波動，另一方面還要提高儲能系統的利用率，減少儲能系統的循環充放電次數。在SOC臨界區間充放電模式下，由于單次充放電的起點與終點被固定，因此為了提高儲能系統的利用率，只需控制延長單次充放電的時間即可。綜上所述，單次循環充放電控制步長最大和期望輸出功率波動最小為本文算法的優化目標，不僅能夠有效減少儲能系統的循環充放電次數，還能大大減小風電功率的波動。多目標優化控制算法的具體模型如下所述：

（1）優化目標。構造以單次循環充放電控制步長最大和期望輸出功率波動最小為目標的多目標優化控制模型的目標函數：

其中表示單次充電過程耗時的相反數，表示單次放電過程耗時的相反數，表示風電輸出功率的波動率，波動率越小則風電場輸出功率的波動程度越小。

（2）約束條件。根據實際應用情況，構造多目標優化的約束條件：

一是收到儲能系統儲能介質的限制，為了保護儲能介質，充放電功率必須約束在可控范圍內：其中表示儲能系統所能接受的最大充電功率，表示儲能系統所能接受的最大放電功率。

二是為了提高控制精度，控制算法需要與風電功率的超短期預測相配合，因此單次充電或放電的控制步長還收到風電超短期預測時長的約束。其中為單次充放電的控制時長，與分別為風電功率超短期預測的最短和最長時長。

（3）迭代優化。利用NSGA-II算法，對建立的多目標優化模型進行迭代求解，通過種群初始化、非支配排序、個體擁擠距離計算以及精英策略等關鍵步驟，迭代得到最優的控制策略。

3.2.3 效果分析

利用實測的風電場功率數據，對本文提出的優化算法進行仿真驗證，得到仿真結果如圖1所示。

通過仿真結果可以看出，利用多目標優化控制策略后可以實現控制步長內的期望輸出保持恒定，大大減少了期望輸出功率的波動次數，風電期望輸出功率的波動得到了有效的平抑。

4 結束語

針對風電場應用中存在的功率波動問題，本文介紹了一種基于NSGA-II算法的風電儲能優化控制算法，利用NSGA-II算法，實現了風電功率波動平抑以及儲能系統壽命的多目標優化，并通過對風電場現場數據的驗證分析，證明了該策略在風電功率波動平抑中的效果。

參考文獻

[1]于明，林根德，陳自年，羅亞橋，趙波.一種適用于混合儲能系統的控制策略[J].中國電機工程學報，2012，3（32）.

[2]張峰，張旭，梁軍，張利，王洪濤.基于可變遞進步長及期望輸出的儲能系統優化控制策略[J].電力系統自動化，2014，8（38）.

[3]張坤，吳建東，毛承雄，陸繼明，王丹，黃輝.基于模糊算法的風電儲能系統的優化控制[J].電工技術學報，2012，10（27）.

[4]王洪濤，劉玉田.基于NSGA-II的多目標輸電網架最優重構[J].電力系統自動化，2009，12（33）.

作者單位

1.上海交通大學電子信息與電氣工程學院 上海市 200030

2.國網上海市區供電公司 上海市 200080