考慮蓄電池記憶效應的風光儲混合系統控制策略研究

殷志敏，章旭泳，俞 強，繆 正，劉平平

（國網浙江省電力有限公司湖州供電公司，浙江 湖州 313000）

0 引言

隨著可再生能源發電技術的不斷發展和石油價格的上漲，在偏遠地區的發電系統中，可再生能源發電成為研究熱點[1-3]。在對風能、太陽能等可再生能源的研究中，有關可再生能源的效率、平抑風電出力波動、提高出力預報精度及混合出力形式的改善，已成為人們關注的焦點[4-6]。

但可再生能源發電也有其固有的不足之處，最重要的就是出力的不確定性和不可預測性[7-9]。混合可再生能源發電系統中多種資源的互補特性以及合適的控制策略在一定程度上能夠產生良好的出力特性[9-12]。同時利用儲能系統來平抑出力波動和補償出力預報誤差能夠有效改善可再生能源出力的隨機性和間歇波動性等問題[13-15]。

以下利用風電和光電的短期線性預測手段，提出了考慮記憶效應的蓄電池儲能充放電控制策略，建立了風光儲混合系統各子系統模型，采用PSO（粒子群優化）算法，對某實際風電場和光伏電站進行了算例分析。優化仿真結果表明：該控制策略能大大提高風光儲混合系統經濟性，具有較好的實踐應用價值。

1 風光儲混合系統子系統模型的構建

圖1是風光儲混合系統的示意圖。該系統以孤島模式運行，系統中包含風力發電機（以下簡稱風機）、太陽能光伏陣列和蓄電池。風能和太陽能是主要電源，蓄電池是備用儲能系統。

圖1 風光儲混合系統示意

1.1 風機輸出特性模型

風機機械功率輸出的空氣動力系統理想模型方程為：

式中：ρ為空氣密度；R為風機葉片半徑；v為葉尖來風速度；Cp為風機的風能利用系數。

風速是風電功率輸出特性的主要影響因素，一般采用4分量模型進行風速模型的描述。風速4分量包括：基本風分量VA、陣風分量VB、漸變風分量VC和隨機風分量VD。

（1）基本風分量：通過風電場測風數據獲得的Weibull分布參數近似確定，根據Weibull分布的數學期望值可得公式（2）。

（2）陣風分量：表示短時間內風速突然變化的特性。

式中： Vs=（maxG/2）{1-cos[2π（t/TG）-（T1G/TG）]}；T1G，TG，maxG分別表示陣風起動時間、陣風變化周期和最大值。

（3）漸變風分量：描述風速的漸變特性。

式中： Vγ=maxR[1-（t+T2R）/（T1R-T2R）]； maxR， T1R，T2R，TR分別表示漸變風幅值、初始時間、終止時間和保持時間。

（4）隨機風分量：隨機風分量一般采用隨機噪聲風來描述。

φi為0～2π均勻分布的隨機變量；F為擾動范圍；KN為地表粗糙系數；μ為相對高度的平均風速；N為頻譜取樣點數；ωi為各個頻率段的頻率。

圖2為4種風速特性典型曲線，根據上述4種風速成分的組合可以模擬自然風的風速，因此實際作用在風機上的風速可以用式（6）表示[31]。

圖2 4種風速特性典型曲線

1.2 光伏輸出功率模型

可以在電流源上并聯一個二極管D作為光伏電池模型，如圖3所示。

式中：Iph是常量；Voc是光伏電池單元的電壓；Io是飽和電流；m是理想的因子；k是Bultsman常數；Tc是光伏單元的溫度；ID為流經二極管的電流。

圖3光伏單元等效模型

1.3 蓄電池模型

一般蓄電池電氣模型等價于1個電壓源E串聯1個電阻Ro，如圖4所示。

蓄電池的端電壓為：

圖4 蓄電池等效模型

圖5所示的蓄電池模型中包含2個量，一個是寬度c，對應最小可用電量q1；另一個是寬度（1-c），對應限制的最大充電量q2。

蓄電池的電量模型可表示如下：

圖5 蓄電池出力原理

1.4 考慮蓄電池記憶效應的兩象限斬波器模型

在構建的混合系統中，采用含兩象限斬波器的蓄電池充放電電路，如圖6所示。

圖6 兩象限斬波器的蓄電池充放電電路

斬波器用于風機與光伏能量管理系統中，當風光混合系統輸出功率高于負荷時蓄電池充電，當系統負荷缺電時通過控制蓄電池放電。

考慮到蓄電池記憶效會產生過充和過放現象，將斬波器電感值提高到原來的2倍，并采用快速充放電控制策略，可以有效避免蓄電池記憶效應。

2 算例分析

以新疆電力調度中心EMS（能量管理系統）獲取的新疆吐魯番某風電場（148.5 MW）2017年風電全年出力數據和哈密某光伏電站（54.5 MW）出力數據為樣本，采樣時間間隔均為1 min，累計有效總數據為572 566個，以蓄電池作為儲能設備，對文中所述風光儲控制策略的正確性和可行性進行計算分析。

圖7為采樣間隔為10 min時該風電場全年出力數據。圖8為該風電場全年典型平均風速。圖9為該光伏電站在不同溫度和不同光照強度下的I-V曲線。

圖7 風電場實際出力

圖8 風電場典型年平均風速

圖10為加裝儲能前后風光功率波動情況，采樣間隔為1 min，實線為未加裝儲能前的風光功率，虛線為加裝儲能后風光儲合成出力。可以明顯看出，接入儲能裝置后的風光儲功率曲線變得平滑，波動明顯減小。

圖11采用文中所提控制策略，為避免蓄電池的記憶效應，將蓄電池SOC（荷電狀態）限制在15%~85%之間，能有效防止蓄電池產生過充和過放現象。

圖9 光伏電站不同溫度T和光照強度S下的光伏I-V曲線

圖10 加裝儲能前后的風光功率波動情況

圖11 考慮蓄電池記憶效應后24 h的SOC變化

采用PSO算法，對風光系統和風光儲系統2種模式進行了成本計算。其中，風光系統成本為風光固定投資成本，風光儲總系統為風光儲固定成本減去儲能補償的風光棄風成本。從圖12可以看出風光儲混合系統的總成本要明顯低于單一模式下的風光系統總成本。在同一負荷下，由于蓄電池儲能系統的充放電能有效彌補風光系統與負荷之間的能量差值，節約由此而產生的費用，從而提高了經濟性。

3 結語

圖12 風光儲混合系統與單一風光系統成本對比

建立了風光儲混合系統子系統模型，提出考慮記憶效應的蓄電池系統控制策略，利用風光的短期線性預測手段，采用PSO算法，對新疆某含儲能的實際風電場和光伏電站進行了仿真驗證，并對風光儲混合系統與單一模式下的風光系統總成本進行了對比分析，結果表明：考慮記憶效應的蓄電池儲能系統控制策略能夠提高風光儲混合系統經濟性，具有較好的實際應用價值。

[1]殷志敏，晁勤，王一波，等.波動率優于國網標準的風電場儲能容量經濟優化配置[J].可再生能源，2016，34（1）∶86-94.

[2]殷志敏，晁勤，王純琦，等.基于風儲經濟調度的儲能容量優化配置[J].可再生能源，2016，34（1）∶64-71.

[3]ZHIMIN YIN，QIN CHAO.An Optimization Calculation Method of Wind Farm Energy Storage Capacity based on Economic Dispatch[J].International Journal of Hybrid Information Technology，2016，9（9）∶231-244.

[4]周雙喜，王海超，陳壽孫，等．風力發電運行價值分析[J]．電網技術，2006，30（14）∶98-102．

[5]盛四清，檀曉林，李歡，等．含風電場的互聯電力系統備用容量優化[J]．電網技術，2013，37（11）∶3067-3072．

[6]張麗英，葉廷路，辛耀中，等．大規模風電接入電網的相關問題及措施[J]．中國電機工程學報，2010，30（25）∶1-9．

[7]凡鵬飛，張粒子，謝國輝．充裕性資源協同參與系統調節的風電消納能力分析模型[J]．電網技術，2012，36（5）∶51-57．

[8]嚴干貴，劉嘉，崔楊，等．利用儲能提高風電調度入網規模的經濟性評價[J]．中國電機工程學報，2013，33（22）∶45-52．

[9]汪海蛟，江全元．應用于平抑風電功率波動的儲能系統控制與配置綜述[J]．電力系統自動化，2014，38（19）∶126-135．

[10]黎靜華，龍裕芳，文勁宇，等．滿足充裕性指標的電力系統可接納風電容量評估[J]．電網技術，2014，38（12）∶3396-3404．

[11]陸秋瑜，胡偉，鄭樂，等．多時間尺度的電池儲能系統建模及分析應用[J]．中國電機工程學報，2013，33（16）∶86-93．

[12]張峰，梁軍，張利，等．考慮最佳期望輸出與荷電狀態的風電場儲能容量優化方法[J]．電力系統自動化，2014，38（24）∶12-19．

[13]徐群，呂曉祿，武乃虎，等．考慮電池壽命和過放現象的風電場儲能容量優化[J]．電網技術，2014，38（6）∶1505-1511．

[14]桑丙玉，王德順，楊波，等．平滑新能源輸出波動的儲能優化配置方法[J]．中國電機工程學報，2014，34（22）∶3700-3706．

[15]施琳，羅毅，涂光瑜，等．考慮風電場可調度性的儲能容量配置方法[J]．電工技術學報，2013，28（5）∶120-128．