含大規模風力發電的電力系統儲能優化配置

張保貴 王德志

摘要：能源問題一直是世界重點關注的問題，且人們正面臨著化石能源不斷枯竭以及環境惡化等問題，因此，改變能源結構勢在必行。為提高風電預測的準確性，文章提出了一種基于改進的廣義誤差分布模型推測風電預測的可能性分配方法。該模型先采用人工蜂群算法對儲能模型進行求解，再通過算例來驗證風電預測誤差法是否具有最優性。

關鍵詞：大規模風電；儲能系統；優化配置；風電功率波動

中圖分類號：TM73? 文獻標志碼：A

0 引言

風力發電的可變性和隨機性會導致供電網絡出現問題（與調峰、調壓、調頻等均有關），增加了電網的安全風險等級。因此，為了滿足生產和發展的需要，降低發電廠的投資成本，保證可再生能源的穩定供應，有必要大規模開發高質量的能源和儲能技術［1-2］。

1 儲能優化配置研究

1.1 風電功率波動

1.1.1 風儲聯合發電系統

混合儲能可以充分發揮不同類型儲能的互補優勢，抑制因風能波動帶來的損失，降低儲能系統的投資成本和風電容量波動［3］。風儲聯合發電系統的結構，如圖1所示。

為了確保變分模態分解方法的最優性，可比較在變分模態分解與經驗模態分解下的優化配置結果。與經驗模態分解方法相比，變分模態分解方法可以產生更好的混合儲能能量。變分模態分解方法的年均總成本比經驗模態分解方法的年均總成本降低了約3.78%，具有較好的經濟性。

用來描述曲面模型擬合的優度R2的計算公式為：

R2=1－∑（yi-yf，i）2∑（yi-y）2（13）

不同風電滲透率下儲能優化配置結果，如表2所示。

由表2可知，系統總成本是呈U形曲線分布的，但最后會趨于平穩。從表2中可以看出，消納適當的風電能夠提高系統的經濟性。

4 結語

風能整合儲能技術是解決風能資源浪費的重要技術之一，可基于儲能系統來改善風能波動和其對電網的影響。本文著重探索風電電力系統儲能優化配置的方法及條件，通過以上調查，可以得出以下結論：

（1）為了抑制風能的波動，可用移動平均濾波器確定電網的預期流量和待測風能的波動抑制。儲能系統要考慮由于風能波動以及棄風所帶來的損失，以經濟優化為目標，建立混合儲能優化配置模型。該模型能夠綜合各方優勢，提高風能輸出，使得系統的年均成本降到最低。

（2）基于風能的不穩定性，可利用混合儲能系統來提高風能輸出，避免造成資源浪費，提高系統的經濟性。

參考文獻

［1］王守相，王凱，趙歌.平抑有源配電網功率波動的儲能配置與控制方法研究綜述［J］.儲能科學與技術，2017（6）：1188-1195.

［2］靳雯皓，劉繼春.平滑風電功率波動的混合儲能系統容量優化配置［J］.分布式能源，2018（2）：32-38.

［3］袁小明，程時杰，文勁宇.儲能技術在解決大規模風電并網問題中的應用前景分析［J］.電力系統自動化，2013（1）：14-18.

［4］于芃，周瑋，孫輝，等.用于風電功率平抑的混合儲能系統及其控制系統設計［J］.中國電機工程學報，2011（17）：127-133.

［5］遲永寧，梁偉，張占奎，等.大規模海上風電輸電與并網關鍵技術研究綜述［J］.中國電機工程學報，2016（14）：3758-3770.

（編輯 姚 鑫編輯）

Optimization configuration of energy storage in large-scale wind power systems

Zhang? Baogui， Wang? Dezhi

（China Energy Construction Group Northeast Electric Power First Engineering Co.， Ltd.， Shenyang 110179， China）

Abstract：? The energy issue has always been a key concern of the world， and people are facing problems such as the continuous depletion of fossil fuels and environmental degradation. Therefore， changing the energy structure has become imperative. Therefore， in order to improve the accuracy of wind power prediction， this article proposes an improved generalized error distribution model to infer the possibility allocation of wind power prediction. This model uses artificial bee colony algorithm to solve the energy storage model， and finally， examples can be used to verify whether the wind power prediction error method is optimal.

Key words： large-scale wind power; energy storage system; optimize configuration; wind power fluctuations