基于模糊預測控制的風電儲能智能化監控系統

賈婷婷

（蘭州資源環境職業技術大學，甘肅 蘭州 730021）

2020 年9 月22 日，習近平主席在第七十五屆聯合國大會一般性辯論上發表重要講話，向國際社會宣布中國將提高國家自主貢獻力度，采取更加有力的政策和措施，二氧化碳排放力爭于2030 年前達到峰值，努力爭取2060 年前實現碳中和[1]。甘肅省擁有煤炭、石油、天然氣、水電、風能和太陽能等多種能源，具有突出的綜合優勢。在“十三五”期間，甘肅在新能源和可再生能源方面取得了長足的進步，河西清潔能源基地建設進一步推進，在酒泉建成了中國第一個萬千瓦級別的風力發電基地，初步成為中國重要的新能源基地，在新能源建設和發展方面取得了顯著成績。截至2015 年底，景區用電裝機容量為1 862 萬千瓦，約占全省裝機容量的40%，新能源已成為甘肅省電力的第二大電源。

但風力發電存在不確定性和隨機性，導致電網穩定性、可靠性差，電能質量不高，因此上網電價較高。不能大規模普及，且發電站與負荷使用分布不匹配從而導致近年來棄風現象有所增加[2]。研究儲能系統有以下幾個優點：（1）可使風電成為可調度的電力，使之平滑輸出，減少其波動性，提升電能可靠性；（2）參與調峰調頻，提高電能輸出質量；（3）提高功率預測精度，減少電網沖擊；（4）風電場儲能系統可參與相應的輔助服務；（5）恢復風電使用率，提升新能源崗位就業率。綜上所述，開展儲能控制系統策略的研究具有重要的理論和實際應用價值。

目前，我國已經進入了對可再生能源儲能系統的研究：物理儲能包括抽水、壓縮空氣、飛輪儲能3 種。抽水儲能方式儲能容量大、靈活、變率快但受地理條件限制較大；壓縮空氣儲能能源轉化率較高，但能量密度低，受地形條件影響；飛輪儲能充放電迅速、清潔高效，但其成本較大。儲能建模方面，2010 年姜久春等人在《純電動汽車用鋰離子電池的建模和模型參數識別》一文中采用阻容模型分析，指出極化電壓模型階次與極化深度密切相關，提出了一種極化電壓的快速識別理論，給出了變電流放電的情況下電池的去極化時間及容量的計算方法，后驗證了該方法的有效性和可行性，為電池狀態的準確估算提供了數據支持。戴海峰等2010 年在《基于等效電路的內阻自適應鋰離子電池模型》中提出了一種非線性的等效電路電池的模型，通過卡爾曼濾波算法，通過兩種實驗在不同電流的循環工況和環境溫度下測試了模型的適應性。在平抑風電波動策略研究上，彭思敏等2011 年在《大型蓄電池儲能系統接入微電網方式及控制策略》中，提出了大型蓄電池儲能系統接入的實現形式及其控制策略，分析了蓄電池的特性及功率調節器的工作原理，建立了系統仿真模型，并設計、開發了容量為100 kW 的實驗樣機，其結果表明，在不同的負荷情況下，此系統能保證公共供電點（PCC）電壓和頻率的穩定，滿足供電要求。艾欣等在2015 年《儲能技術在新能源電力系統中的研究綜述》一文中重點研究了儲能系統的結構和優化配置方案，并對不同應用場合下儲能系統的控制策略進行了歸納。孫曉等2020 年在《新能源并網及儲能技術研究綜述》中基于電能無法大量、長久儲存的情況概述現有的儲能技術，最后闡述新技術發展。

傳統的儲能控制方法集中在濾波及平均算法上，但由于風電波動性較大，以上方法已引起儲能中的過補償現象，反而降低經濟性。基于此，本文采取一種將風力發電中的約束條件和波動因素綜合考慮的在線優化控制策略[3-4]。MPC 是一種在預測模型基礎上，根據風電波動情況在線實現滾動化的動態過程設計方法。其核心是利用預測時域中的預測輸出信息對控制時域中的最優控制輸入序列進行優化，但在當前系統中只應用該序列的第一個分量，在下一個采樣時間后，應使用新的系統信息，并刷新預測信息和最優控制序列且在新時刻將第一個組件重新應用到系統中。因此，與離線全局優化方案相比，MPC 可以提高系統在線動態控制效果。

1 MPC 算法下風電波動平抑模型

1.1 狀態空間方程

風電儲能在離散狀態下，其狀態方程為：

式中，PG為風儲系統并網功率值；PH為儲能系統功率值，為控制時間節點，當PH為負值時表示儲能系統吸收風電功率，當為正值時表示儲能系統釋放能量補償聯合系統并網功率；PW為實時功率；EH表示儲能系統的能量值；TS為控制周期。

MPC 算法的數學模型如下：

風儲聯合系統的狀態方程為：

1.2 預測輸出量

根據迭代公式可計算出當時間為k+i 時，風儲聯合的預測輸出量為：

1.3 約束條件

平抑風電波動控制策略是以其波動過程中的功率限值及模型作為約束條件的，約束公式為：

式中，PG為風電場裝機容量，EHmax為儲能的上限容量，PHmin儲能的功率容量下限、PHmax儲能的功率容量上限，該式分別對風儲聯合系統的并網功率波動率、儲能的能量容量及功率容量進行了嚴格約束[5]。

1.4 優化控制及目標

風儲聯合優化模型控制目標函數由兩部分構成：一是將其聯合運行的實際并網功率跟蹤目標功率一次來調節；二是設定所需要的儲能能量變化量為最小優化目標，以此來降低儲能壽命的消耗，目標公式如下：

式中，yc（k+i|k）為系統在k 時刻經過計算得到了k+i時刻的預測輸出向量值，r（k+i）為k+i 時刻系統的并網目標向量值，兩者之差為k+i 時刻系統的預期并網誤差向量值；△u（k+i-1）為控制時域內預期的儲能功率增量序列；并網誤差的權重系數、儲能功率增量的權重系數[6-7]。

2 電力低碳排放風電儲能智能化監控系統

通過模型預測，在MPC 算法控制的風電波動平抑模型指導下，設計一種風電儲能智能化監控系統。系統構建于穩定的C/S 架構之上，可便捷地對風電儲能、溫度設定、溫度曲線、溫度報警、發電數據監控進行操作。

2.1 溫度檢測

大型風電場常伴隨著較強的光照，如甘肅的酒泉、嘉峪關等地獨立的風力發電易引起較強的波動，因此常采用風光互補，因此設計溫度檢測可對研究緩解風力和光伏的間歇性、波動性提供參考依據，如圖1 所示的溫度曲線檢測和圖2 所示的溫度預警功能。

圖1 溫度曲線

圖2 溫度預警

2.2 發電數據監控

為進行儲能狀態運行量的分析，并在并網控制策略下掌握儲能功率的變化與風電波動變化是否具有一致性，應掌握風力發電的發電規律并進行風電數據監控，如圖3 所示。

圖3 發電數據監控

2.3 發電大數據分析

風光聯合儲存的智能電網遠程監控需要對每一個分布式電源、儲能狀態及負載的運行狀態進行監控，并且結合現場調控需實現發電大數據的監控，如圖4 所示。

圖4 發電大數據被監控

2.4 風電控制

進入風電控制系統后，通過傳感器的設定調節風力發電系統、儲能裝置運行時各設備的電氣設備參數和環境參數，以此來滿足MPC 算法模型下在線動態控制效果分析。如圖5 所示。

圖5 風電控制

2.5 處理狀態

進入此頁面，可對采集到的風電和光伏數據進行處理，比對在所提出的并網控制策略下，儲能系統的能量變化與風力發電的功率變化是否一致，是否參與動態在線調整。如圖6 所示。

圖6 處理界面

2.6 風電計算

為了避免風電的功率波動現象，通過MPC 算法下的風儲聯合模型并網系統來抑制平抑過程中長期累計的不平衡功率，統計計算得到波形的預測域信息，并將預測結果輸入系統中一次來驗證模型的控制成效，在線系統如圖7 所示。

圖7 計算頁面

3 結論

儲能系統可對現有上網電價較高的風電電站進行改善，解決棄風現象，消除風電隨機波動，提高風電電廠電能輸出質量，可使風電成為可調度電力，并能參與調峰調頻。（1）減少棄風，提高經濟性；（2）平滑輸出隨機波動，提高電能質量；（3）提高功率預測精度，減少電網沖擊；（4）風電場儲能參與輔助服務。基于此，本文在風電機組的物理結構基礎上建立了風電波動穩定控制系統，提出了一種基于MPC 的風電機組并網控制策略。為了避免風力發電波動趨平過程中能量不平衡的長期積累，為MPC 提供必要的預測域信息，本文設計了一種風電儲能智能化監控系統，該系統可動態地更新歷史風電功率數據并轉換為系統聯合并網目標功率。然后跟蹤預測期內并網目標偏差，使控制期內的儲能輸出最小化。監控系統表明，與傳統的智能變電站相比，該監控系統能更好地服務MPC 并網控制策略，具有良好的風工況適應性，能夠提高儲能系統的性能和長期運行時的能量狀態[8]。